| 1 |
1
피부 병변 이미지와 분할 마스크의 투명도 정보를 병합하여 마스크 병합 이미지를 생성하는 마스크 병합부;상기 마스크 병합 이미지를 입력 받아 3차원 합성곱(convolution) 신경망을 이용하여 어텐션(attention) 데이터를 생성하는 데이터 합성부; 및상기 어텐션 데이터에 기초하여 상기 피부 병변 이미지에 포함된 병변의 종류를 분류하는 분류부를 포함하며,상기 데이터 합성부는2차원 합성곱 신경망을 이용하여 상기 마스크 병합 이미지로부터 특징맵(feature map)을 생성하며, 3차원 합성곱 신경망을 이용하여 상기 2차원 합성곱 신경망을 통해 생성된 특징맵으로부터 복수의 중간 어텐션맵을 생성하며, 생성된 복수의 중간 어텐션맵을 모두 더하여 하나의 합성 어텐션맵을 생성하며, 상기 합성 어텐션맵과 상기 특징맵을 곱하여 최종 어텐션맵을 생성하며, 생성한 최종 어텐션맵(attention map)과 상기 특징맵을 병합(concatenate)하여 어텐션 데이터를 생성하는, 피부 병변 분류 장치
|
| 2 |
2
제 1 항에 있어서,상기 마스크 병합부는상기 분할 마스크를 입력 받아 0% 내지 100% 사이의 소정 투명도 값을 가지는 투명도 정보를 생성하며, 상기 투명도 정보와 상기 피부 병변 이미지를 병합하여 마스크 병합 이미지를 생성하는, 피부 병변 분류 장치
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
피부 병변 이미지와 분할 마스크의 투명도 정보를 병합하여 마스크 병합 이미지를 생성하는 마스크 병합부;상기 마스크 병합 이미지를 입력 받아 병변의 종류 별 확률을 계산하는 하나 이상의 병변 분류부; 및상기 하나 이상의 병변 분류부에서 계산한 병변의 종류 별 확률을 가중합하여 병변의 종류 및 확률을 결정하는 결정부를 포함하며,상기 하나 이상의 병변 분류부는 각각2차원 합성곱 신경망을 이용하여 상기 마스크 병합 이미지로부터 특징맵(feature map)을 생성하는 제 1 합성부,3차원 합성곱 신경망을 이용하여 상기 2차원 합성곱 신경망을 통해 생성된 특징맵으로부터 복수의 중간 어텐션맵을 생성하며, 생성된 복수의 중간 어텐션맵을 모두 더하여 하나의 합성 어텐션맵을 생성하며, 상기 합성 어텐션맵과 상기 특징맵을 곱하여 최종 어텐션맵을 생성하며, 생성한 최종 어텐션맵(attention map)과 상기 특징맵을 병합(concatenate)하여 어텐션 데이터를 생성하는 제 2 합성부 및상기 어텐션 데이터에 기초하여 병변의 종류 별 확률을 추정하는 분류 신경망을 포함하는 분류부를 포함하는, 피부 병변 분류 장치
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
제 5 항에 있어서,상기 하나 이상의 병변 분류부 각각에 포함된 2차원 합성곱 신경망, 3차원 합성곱 신경망, 분류 신경망 및 결정부의 가중치는 상기 결정부에서 출력된 병변의 종류 및 확률과 정답값(ground truth)에 기초하여 계산되는 하나의 손실 함수로 학습되는, 피부 병변 분류 장치
|
| 9 |
9
제 5 항에 있어서,상기 제 1 합성부는 마스크 병합 이미지를 입력 받아 크기를 변환하여 2차원 합성곱 신경망에 입력하며,상기 하나 이상의 병변 분류부에 포함된 각각의 제 1 합성부는 서로 다른 크기로 마스크 병합 이미지를 변환하는, 피부 병변 분류 장치
|
| 10 |
10
제 5 항에 있어서,상기 하나 이상의 병변 분류부에 포함된 각각의 제 1 합성부, 제 2 합성부 및 분류부는 서로 다른 합성곱 신경망으로 구성된 앙상블(ensemble) 형태를 가지는, 피부 병변 분류 장치
|
| 11 |
11
제 10 항에 있어서,상기 하나 이상의 병변 분류부는 각각의 분류부에서 출력된 병변의 종류 및 확률과 정답값(ground truth)에 기초하여 계산되는 손실 함수로 각각 학습되는, 피부 병변 분류 장치
|
