| 1 |
1
엑스선 물질 분리 영상 생성 시스템에서, 피검체에 대한 엑스선 영상을 미리 학습된 신경망으로 입력하여 제1 경조직 영상을 산출하는 경조직 영상 산출 단계; 및상기 엑스선 영상에 대한 상기 제1 경조직 영상의 감산(substraction) 연산에 기초하여 상기 피검체에 대한 경조직 억제 영상을 산출하는 경조직 억제 영상 산출 단계;를 포함하며,상기 신경망은,피검체의 CT(Computed Tomography) 영상에 대한 투사(projection) 기법을 이용하여 산출되는 유사 엑스선 영상과, 상기 유사 엑스선 영상에 대한 물질 분리 기법을 이용하여 산출되는 제2 경조직 영상을 학습 데이터로 하여 학습된 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 2 |
2
제1항에 있어서,상기 제2 경조직 영상은,상기 유사 엑스선 영상에 대하여 단일 에너지 물지 분리(Single-energy material decomposition) 기법을 적용하여 산출되는 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 3 |
3
제2항에 있어서,상기 제2 경조직 영상은, (a) 상기 유사 엑스선 영상에 대한 복원(reconstruction)을 통해 복원 CT 영상을 생성하고, (b) 상기 복원 CT 영상에 대하여 미리 정해진 기준치에 따라 피검체와 빈 공간을 구분하는 바이너리 영상을 산출하며, (c) 상기 바이너리 영상에 대한 정방향 투사(forward projection) 연산을 통해 산출되는 투사 영상에서 엑스선 경로 길이(X-ray path length) 연산을 수행하여,(d) 상기 유사 엑스선 영상과 상기 엑스선 경로 길이(X-ray path length) 연산 결과에 기초하여 산출되는 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 4 |
4
제1항에 있어서,상기 유사 엑스선 영상은,실제 촬영된 엑스선 영상을 학습 데이터로 하여 훈련된 딥러닝 신경망을 적용하여, 실제 엑스선 영상의 히스토그램과의 오차가 미리 정해진 기준 범위 이내가 되도록 히스토그램 보정(histogram correction)이 수행되는 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 5 |
5
제1항에 있어서,상기 신경망은,cycle GAN(Generative Adversarial Network) 구조를 기초로 상기 유사 엑스선 영상과 상기 제2 경조직 영상을 입력으로 수신하여 동작하도록 구성되며,상기 유사 엑스선 영상에서 상기 제2 경조직 영상에 대응하는 제1-1 영상을 생성하는 제1 생성자(generator)를 구비하는 정방향 신경망 구조와,상기 제2 경조직 영상에서 상기 유사 엑스선 영상에 대응하는 제2-1 영상을 생성하는 제2 생성자(generator)를 구비하는 역방향 신경망 구조를 포함하는 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 6 |
6
제5항에 있어서,상기 정방향 신경망 구조에서,상기 제1 생성자는 U-net 타입의 신경망으로 구성되어,상기 유사 엑스선 영상에서 상기 제2 경조직 영상에 대응하는 제1-1 영상을 생성하고 다시 상기 유사 엑스선 영상에 대응하는 제1-2 영상을 생성하며,상기 역방향 신경망 구조에서,상기 제2 생성자는 U-net 타입의 신경망으로 구성되어,상기 제2 경조직 영상에서 상기 유사 엑스선 영상에 대응하는 제2-1 영상을 생성하고 다시 상기 제2 경조직 영상에 대응하는 제2-2 영상을 생성하는 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 7 |
7
제6항에 있어서,상기 정방향 신경망 구조에는,Patch GAN 타입의 제1 판별자(discriminator)가 구비되어 상기 정방향 신경망 구조로 입력된 상기 유사 엑스선 영상과 상기 역방향 신경망 구조의 제2 생성자에서 생성된 상기 제2-1 영상을 판별하고,상기 역방향 신경망 구조에는,Patch GAN 타입의 제2 판별자(discriminator)가 구비되어 상기 역방향 신경망 구조로 입력된 상기 제2 경조직 영상과 상기 정방향 신경망 구조의 제1 생성자에서 생성된 상기 제1-1 영상을 판별하는 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 8 |
8
제6항에 있어서,상기 신경망에서는,아이덴티지 손실(identity loss)과 상관 계수 손실(correlation coefficient loss)을 이용하여 학습에서의 정확도와 수렴 성능을 개선하는 것을 특징으로 하는 엑스선 물질 분리 영상 생성 방법
|
| 9 |
9
피검체에 대한 엑스선 영상을 미리 학습된 신경망으로 입력하여 제1 경조직 영상을 산출하는 경조직 영상 산출부; 및상기 엑스선 영상에 대한 상기 제1 경조직 영상의 감산(substraction) 연산에 기초하여 상기 피검체에 대한 경조직 억제 영상을 산출하는 경조직 억제 영상 산출부;를 포함하여 구성되며,상기 신경망은,피검체의 CT(Computed Tomography) 영상에 대한 투사(projection) 기법을 이용하여 산출되는 유사 엑스선 영상과, 상기 유사 엑스선 영상에 대한 물질 분리 기법을 이용하여 산출되는 제2 경조직 영상을 학습 데이터로 하여 학습된 것을 특징으로 하는 엑스선 물질 분리 영상 생성 시스템
|
