| 1 |
1
조직이 촬영된 조직 이미지를 입력받는 입력부;상기 조직 이미지를 복수의 패치들로 분할하는 분할부;상기 복수의 패치들 중 하나 이상의 타깃 패치들을 패치 분류 딥 러닝 모델에 입력하여 상기 타깃 패치들의 클래스에 대한 분류 결과를 생성하는 패치 분류부;상기 타깃 패치들의 클래스에 대한 분류 결과를 기초로 상기 타깃 패치들의 클래스에 대한 정보를 지시하는 타깃 그래프를 생성하는 타깃 그래프 생성부;상기 타깃 그래프를 기초로 상기 타깃 패치들 중 하나 이상의 오분류(misclassfication) 패치들을 선택하고, 상기 타깃 그래프에서 상기 오분류 패치들의 클래스에 대한 정보를 수정하는 패치 클래스 수정부; 및상기 타깃 그래프를 하나 이상의 조직 이미지 분류 딥 러닝 모델들에 입력하여 상기 조직 이미지의 클래스를 분류하는 조직 이미지 분류부를 포함하는 조직 이미지 분류 장치
|
| 2 |
2
제1항에 있어서,상기 타깃 그래프는 하나 이상의 노드들 및 하나 이상의 에지들을 포함하고,상기 타깃 그래프의 노드들 각각은 상기 타깃 패치들 중 하나에 대응하고,상기 타깃 그래프의 에지들 각각은 상기 타깃 그래프의 각 에지에 연결된 2개의 노드들에 대응하는 2개의 타깃 패치들이 서로 인접하다는 것을 지시하고,상기 타깃 그래프의 노드들 각각은, 상기 타깃 그래프의 각 노드에 대응하는 타깃 패치에 대해 상기 패치 분류 딥 러닝 모델을 기초로 판단한 클래스에 대한 확률값 및 재구성 손실 함수 값을 지시하는 조직 이미지 분류 장치
|
| 3 |
3
제2항에 있어서,상기 타깃 그래프 생성부는,상기 타깃 패치들의 클래스에 대한 분류 결과를 기초로 중간 그래프를 생성하고,상기 중간 그래프를 그래프 재구성 모델에 입력하여 출력된 결과를 기초로 상기 타깃 그래프를 생성하는 조직 이미지 분류 장치
|
| 4 |
4
제3항에 있어서,상기 중간 그래프는 하나 이상의 노드들 및 하나 이상의 에지들을 포함하고,상기 중간 그래프의 노드들 각각은 상기 타깃 패치들 중 하나에 대응하고,상기 중간 그래프의 에지들 각각은 상기 중간 그래프의 각 에지에 연결된 2개의 노드들에 대응하는 2개의 타깃 패치들이 서로 인접하다는 것을 지시하고,상기 중간 그래프의 노드들 각각은, 상기 중간 그래프의 각 노드에 대응하는 타깃 패치의 M개(M은 2 이상의 자연수)의 후보 패치 클래스들 별 확률값을 지시하는 조직 이미지 분류 장치
|
| 5 |
5
제4항에 있어서,상기 M은 2이고,상기 후보 패치 클래스들은 정상 클래스 및 비정상 클래스인 조직 이미지 분류 장치
|
| 6 |
6
제3항에 있어서,상기 그래프 재구성 모델은,오토 인코더인 조직 이미지 분류 장치
|
| 7 |
7
제1항에 있어서,상기 패치 클래스 수정부는,상기 타깃 그래프를 오분류 검출 모델에 입력하여 상기 오분류 패치들을 선택하는 조직 이미지 분류 장치
|
| 8 |
8
제1항에 있어서,상기 조직 이미지 분류부는,상기 타깃 그래프를 상기 조직 이미지 분류 딥 러닝 모델들 중 제1 조직 이미지 분류 딥 러닝 모델에 입력하여, 상기 조직 이미지의 클래스가 N개(N은 2 이상의 자연수)의 후보 조직 이미지 클래스들 중 제1 조직 이미지 클래스인지 여부를 결정하는 조직 이미지 분류 장치
|
| 9 |
9
제8항에 있어서,상기 N은 3이고,상기 후보 조직 이미지 클래스들은 악성(malignant) 클래스, 이형성(dysplasia) 클래스 및 정상(normal) 클래스인 조직 이미지 분류 장치
|
| 10 |
10
제8항에 있어서,상기 조직 이미지 분류부는,상기 조직 이미지의 클래스가 상기 제1 조직 이미지 클래스가 아니라고 판단할 때, 상기 타깃 그래프를 상기 조직 이미지 분류 딥 러닝 모델들 중 제2 조직 이미지 분류 딥 러닝 모델에 입력하여 상기 조직 이미지의 클래스를 결정하는 조직 이미지 분류 장치
|
| 11 |
11
조직이 촬영된 조직 이미지를 입력받는 입력 단계;상기 조직 이미지를 복수의 패치들로 분할하는 분할 단계;상기 복수의 패치들 중 하나 이상의 타깃 패치들을 패치 분류 딥 러닝 모델에 입력하여 상기 타깃 패치들의 클래스에 대한 분류 결과를 생성하는 패치 분류 단계;상기 타깃 패치들의 클래스에 대한 분류 결과를 기초로 상기 타깃 패치들의 클래스에 대한 정보를 지시하는 타깃 그래프를 생성하는 타깃 그래프 생성 단계;상기 타깃 그래프를 기초로 상기 타깃 패치들 중 하나 이상의 오분류(misclassfication) 패치들을 선택하고, 상기 타깃 그래프에서 상기 오분류 패치들의 클래스에 대한 정보를 수정하는 패치 클래스 수정 단계; 및상기 타깃 그래프를 하나 이상의 조직 이미지 분류 딥 러닝 모델들에 입력하여 상기 조직 이미지의 클래스를 분류하는 조직 이미지 분류 단계;를 포함하는 조직 이미지 분류 방법
|
| 12 |
12
제11항에 있어서,상기 타깃 그래프는 하나 이상의 노드들 및 하나 이상의 에지들을 포함하고,상기 타깃 그래프의 노드들 각각은 상기 타깃 패치들 중 하나에 대응하고,상기 타깃 그래프의 에지들 각각은 상기 타깃 그래프의 각 에지에 연결된 2개의 노드들에 대응하는 2개의 타깃 패치들이 서로 인접하다는 것을 지시하고,상기 타깃 그래프의 노드들 각각은, 상기 타깃 그래프의 각 노드에 대응하는 타깃 패치에 대해 상기 패치 분류 딥 러닝 모델을 기초로 판단한 클래스에 대한 확률값 및 재구성 손실 함수 값을 지시하는 조직 이미지 분류 방법
|
| 13 |
13
제12항에 있어서,상기 타깃 그래프 생성 단계는,상기 타깃 패치들의 클래스에 대한 분류 결과를 기초로 중간 그래프를 생성하는 단계; 및상기 중간 그래프를 그래프 재구성 모델에 입력하여 출력된 결과를 기초로 상기 타깃 그래프를 생성하는 단계를 포함하는 조직 이미지 분류 방법
|
| 14 |
14
제13항에 있어서,상기 중간 그래프는 하나 이상의 노드들 및 하나 이상의 에지들을 포함하고,상기 중간 그래프의 노드들 각각은 상기 타깃 패치들 중 하나에 대응하고,상기 중간 그래프의 에지들 각각은 상기 중간 그래프의 각 에지에 연결된 2개의 노드들에 대응하는 2개의 타깃 패치들이 서로 인접하다는 것을 지시하고,상기 중간 그래프의 노드들 각각은, 상기 중간 그래프의 각 노드에 대응하는 타깃 패치의 M개(M은 2 이상의 자연수)의 후보 패치 클래스들 별 확률값을 지시하는 조직 이미지 분류 방법
|
| 15 |
15
제13항에 있어서,상기 그래프 재구성 모델은,오토 인코더인 조직 이미지 분류 방법
|
| 16 |
16
제11항에 있어서,상기 패치 클래스 수정 단계는,상기 타깃 그래프를 오분류 검출 모델에 입력하여 상기 오분류 패치들을 선택하는 조직 이미지 분류 방법
|
| 17 |
17
제11항에 있어서,상기 조직 이미지 분류 단계는,상기 타깃 그래프를 상기 조직 이미지 분류 딥 러닝 모델들 중 제1 조직 이미지 분류 딥 러닝 모델에 입력하는 단계; 및상기 조직 이미지의 클래스가 N개(N은 2 이상의 자연수)의 후보 조직 이미지 클래스들 중 제1 조직 이미지 클래스인지 여부를 결정하는 단계를 포함하는 조직 이미지 분류 방법
|
| 18 |
18
제17항에 있어서,상기 조직 이미지 분류 단계는,상기 조직 이미지의 클래스가 상기 제1 조직 이미지 클래스가 아니라고 판단할 때, 상기 타깃 그래프를 상기 조직 이미지 분류 딥 러닝 모델들 중 제2 조직 이미지 분류 딥 러닝 모델에 입력하여 상기 조직 이미지의 클래스를 결정하는 단계를 추가로 포함하는 조직 이미지 분류 방법
|
| 19 |
19
조직이 촬영된 조직 이미지 및 상기 조직 이미지가 분할된 복수의 패치들을 저장하는 메모리; 및상기 복수의 패치들 중 하나 이상의 타깃 패치들을 패치 분류 딥 러닝 모델에 입력하여 상기 타깃 패치들의 클래스에 대한 분류 결과를 생성하고,상기 타깃 패치들의 클래스에 대한 분류 결과를 기초로 상기 타깃 패치들의 클래스에 대한 정보를 지시하는 타깃 그래프를 생성하고,상기 타깃 그래프를 기초로 상기 타깃 패치들 중 하나 이상의 오분류(misclassfication) 패치들을 선택하고,상기 타깃 그래프에서 상기 오분류 패치들의 클래스에 대한 정보를 수정하고,상기 타깃 그래프를 하나 이상의 조직 이미지 분류 딥 러닝 모델들에 입력하여 상기 조직 이미지의 클래스를 분류하는 프로세서를 포함하는 컴퓨팅 시스템
|
