1 |
1
대상자의 심장 초음파 영상을 입력받는 입력부; 및딥러닝 기반의 학습된 예측 모델로서, 입력된 대상자의 심장 초음파 영상에 기초하여 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하는 예측 모델을 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 장치
|
2 |
2
제1항에 있어서,상기 대상자는 좌심실 비후 증상이 보이는 것을 특징으로 하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 장치
|
3 |
3
제1항에 있어서,상기 심장 초음파 영상은 흉골연장축단면 영상(PLAX), 흉골연단축단면 영상(PSAX), 심첨4방 영상(A4C), 심첨2방 영상(A2C) 및 심첨3방 영상(A3C)을 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 장치
|
4 |
4
제3항에 있어서,상기 예측 모델은,입력된 흉골연장축단면 영상(PLAX)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제1 서브 네트워크, 입력된 흉골연단축단면 영상(PSAX)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제2 서브 네트워크, 입력된 심첨4방 영상(A4C)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제3 서브 네트워크, 입력된 심첨2방 영상(A2C)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제4 서브 네트워크 및 입력된 심첨3방 영상(A3C)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제5 서브 네트워크를 포함하는 제1 네트워크; 및상기 제1 내지 제5 서브 네트워크의 출력들을 집합하고, 집합된 출력들을 분석하여 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 구성되는 제2 네트워크를 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 장치
|
5 |
5
제4항에 있어서,상기 제1 내지 제5 서브 네트워크는 콘볼루션 신경망 기반의 추출부 및 양방향 콘볼루션 LSTM 기반의 분석부를 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 장치
|
6 |
6
제4항에 있어서,상기 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하는 것과 연관된 정보를 시각화한 클래스 활성화 맵을 제공하는 데이터 시각화부를 더 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 장치
|
7 |
7
대상자의 심장 초음파 영상을 입력받는 단계; 딥러닝 기반의 학습된 예측 모델을 통해 입력된 대상자의 심장 초음파 영상에 기초하여 상기 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하는 단계를 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 방법
|
8 |
8
제7항에 있어서,상기 대상자는 좌심실 비후 증상이 보이는 것을 특징으로 하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 방법
|
9 |
9
제7항에 있어서,상기 심장 초음파 영상은 흉골연장축단면 영상(PLAX), 흉골연단축단면 영상(PSAX), 심첨4방 영상(A4C), 심첨2방 영상(A2C) 및 심첨3방 영상(A3C)을 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 방법
|
10 |
10
제9항에 있어서,상기 예측 모델은,입력된 흉골연장축단면 영상(PLAX)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제1 서브 네트워크, 입력된 흉골연단축단면 영상(PSAX)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제2 서브 네트워크, 입력된 심첨4방 영상(A4C)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제3 서브 네트워크, 입력된 심첨2방 영상(A2C)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제4 서브 네트워크 및 입력된 심첨3방 영상(A3C)을 기초로 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 학습된 제5 서브 네트워크를 포함하는 제1 네트워크; 및상기 제1 내지 제5 서브 네트워크의 출력들을 집합하고, 집합된 출력들을 분석하여 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하도록 구성되는 제2 네트워크를 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 방법
|
11 |
11
제10항에 있어서,상기 제1 내지 제5 서브 네트워크는 콘볼루션 신경망 기반의 추출부 및 양방향 콘볼루션 LSTM 기반의 분석부를 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 방법
|
12 |
12
제10항에 있어서,상기 대상자의 고혈압성 좌심실 비후 확률, 비후성 심근병증 확률, 심장 아밀로이드증 확률을 각각 산출하는 것과 연관된 정보를 시각화한 클래스 활성화 맵을 제공하는 단계를 더 포함하는, 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 방법
|
13 |
13
제7항 내지 제12항 중 어느 한 항에 따른 인공지능을 활용한 좌심실 비후 심장 초음파 영상의 분석 방법을 구현하기 위한, 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램
|