| 1 |
1
프로세서를 포함한 컴퓨팅 장치에 의해 수행되는 의료영상으로부터 혈액을 전달하는 신체 구성요소에 관한 질환의 병변을 검출하는 방법에 있어서, 미리 학습된 질환 검출 모델을 사용하여 검출 대상의 의료영상으로부터 공간 특징 및 절편 사이 연결성을 추출하고, 상기 공간 특징 및 절편 사이 연결성에 기초한 신체 구성요소를 예측하기 위한 특징을 산출하는 단계를 포함하고, 상기 의료영상은 3차원 체적의 상기 신체 구성요소를 이루는 복수의 2차원 절편 영상이고, 상기 복수의 2차원 절편 영상은 절편 영상의 순번에 따라 순차적으로 상기 질환 검출 모델에 입력되어 상기 공간 특징, 절편 사이 연결성 및 신체 구성요소를 예측하기 위한 특징이 각 2차원 절편 영상별로 획득되는 것을 특징으로 하는 방법
|
| 2 |
2
청구항 제1항에 있어서, 상기 검출 대상의 의료영상으로부터 공간 특징 및 절편 사이 연결성을 추출하고, 상기 공간 특징 및 절편 사이 연결성에 기초한 신체 구성요소를 예측하기 위한 특징을 산출하는 단계는, 복수의 2차원 절편 영상 각각에 대해서 순차적으로, 공간 특징을 추출하는 단계; 인접한 2차원 절편 영상들의 공간 특징에 기초하여 상기 인접한 2차원 절편 영상들의 절편 사이 연결성을 추출하는 단계; 및 상기 공간 특징 및 절편 사이 연결성에 기초한 신체 구성요소를 예측하기 위한 특징을 산출하는 단계를 포함하는 것을 특징으로 하는 방법
|
| 3 |
3
청구항 제2항에 있어서, 이전에 먼저 추출된 적어도 일부의 2차원 절편 영상의 공간 특징 중 기억된 공간 특징을 갖는 적어도 하나의 2차원 절편 영상과 현재 공간 특징이 추출된 2차원 절편 영상 사이의 연관성을 산출하여 상기 절편 사이 연결성을 추출하는 것을 특징으로 하는 방법
|
| 4 |
4
청구항 제2항에 있어서, 상기 공간 특징은 계층 레벨별로 상기 2차원 절편 영상에서 공간 특징을 추출하고 추출된 공간 특징을 풀링 연산 처리하여 추출된 것이고, 상기 절편 사이 연결성은 가장 깊은 계층 레벨에서 풀링 연산 처리된 결과에 기초하여 추출되는 것을 특징으로 하는 방법
|
| 5 |
5
청구항 제2항에 있어서, 상기 공간 특징 및 절편 사이 연결성에 기초한 신체 구성요소를 예측하기 위한 특징을 산출하는 단계는,계층 레벨별로 이전 계층 레벨의 연산 결과를 디컨볼루션 연산 처리하고, 디컨볼루션 연산된 결과 및 동일한 계층 레벨의 공간 특징을 결합하며, 결합된 결과의 채널을 감소시킴으로써 입력된 2차원 절편 영상을 복원하는 단계; 및 복원된 입력영상으로부터 신체 구성요소를 예측하기 위한 특징을 추출하는 단계를 포함하는 방법
|
| 6 |
6
청구항 제5항에 있어서,복원된 입력영상은 가장 높은 계층 레벨에서 디컨볼루션 연산, 결합 연산 및 컨볼루션 연산된 결과에 대응하는 것이고, 복원된 영상에서 추출되는 신체 구성요소를 예측하기 위한 특징은 개별 절편 영상의 공간 특징 및 절편 사이 연결성에 반영된 영상 특징인 것을 특징으로 하는 방법
|
| 7 |
7
청구항 제1항에 있어서, 추출된 신체 구성요소를 예측하기 위한 특징에 기초하여 입력된 의료영상에서 신체 구성요소 영역을 분할하는 단계, 및 상기 공간 특징, 절편사이 연결성 및 신체 구성요소를 예측하기 위한 특징 중 하나 이상에 기초하여 상기 질환의 병변영역을 검출하는 단계 중 하나 이상의 단계를 더 포함하는 방법
|
| 8 |
8
청구항 제7항에 있어서, 상기 신체 구성요소 영역을 분할하는 단계는: 상기 신체 구성요소를 예측하기 위한 특징에 기초하여 입력영상에서의 신체 구성요소 확률 값을 산출하는 단계; 산출된 신체 구성요소 확률 값에 기초하여 분할 마스크를 생성하는 단계; 및상기 분할 마스크를 사용하여 신체 구성요소 영역을 분할하는 단계를 포함하는 것을 특징으로 하는 방법
|
| 9 |
9
청구항 제7항에 있어서, 상기 질환의 병변영역을 검출하는 단계는, 절편 사이 연결성에 기초하여 컨벌루션 연산 및 전역적 풀링 연산을 통해 전역적 특징을 산출하는 단계; 상기 전역적 특징에 기초하여 전역적 점수를 산출하는 단계; 상기 신체 구성요소를 예측하기 위한 특징에 기초하여 컨볼루션 연산 및 지역적 풀링 연산을 통해 지역적 특징을 산출하는 단계; 상기 지역적 특징에 기초하여 지역적 점수를 산출하는 단계; 및상기 지역적 점수 및 전역적 점수에 기초하여 병변 점수를 산출하여 병변영역을 결정하는 단계를 포함하고, 상기 전역적 특징은 전역적 측면에서 입력영상 내 병변영역을 검출하기 위한 특징이고, 상기 지역적 특징은 지역적 측면에서 입력영상 내 병변영역을 검출하기 위한 특징이며, 상기 전역적 점수는 전역적 측면에서 입력영상 내 병변영역이 검출될 가능성을 수치화한 것이고, 상기 지역적 점수는 지역적 측면에서 입력영상 내 병변영역이 검출될 가능성을 수치화한 것을 특징으로 하는 방법
|
| 10 |
10
청구항 제9항에 있어서, 상기 신체 구성요소를 예측하기 위한 특징에 기초하여 컨볼루션 연산 및 지역적 풀링 연산을 통해 지역적 특징을 산출하는 단계는, 신체 구성요소를 예측하기 위한 특징이 산출된 영상을 복수의 지역으로 구획하는 단계; 및 각 지역별 신체 구성요소를 예측하기 위한 특징을 컨볼루션 연산 및 지역적 풀링 연산을 통해 지역적 특징을 추출하는 단계;를 포함하는 것을 특징으로 하는 방법
|
| 11 |
11
청구항 제9항에 있어서, 상기 전역적 점수는 확률 함수를 사용하여 전역적 특징으로부터 산출된 것이고, 상기 지역적 점수는 확률 함수를 사용하여 지역적 특징으로부터 산출된 것을 특징으로 하는 방법
|
| 12 |
12
청구항 제9항에 있어서, 상기 지역적 점수 및 전역적 점수에 기초하여 병변 점수를 산출하여 병변영역을 결정하는 단계는,지역적 점수와 전역적 점수를 증폭 연산자를 통해 연산하여 병변 점수를 산출하는 단계; 및 상기 병변 점수에 기초하여 병변영역을 결정하는 단계를 포함하는 것을 특징으로 하는 방법
|
| 13 |
13
청구항 제12항에 있어서, 상기 병변 점수는 지역적 점수와 전역적 점수를 곱셈 연산자를 통해 곱셈 연산하여 산출되는 것을 특징으로 하는 방법
|
| 14 |
14
청구항 제1항에 있어서, 상기 방법은: 분할된 신체 구성요소 영역의 위치 및 검출된 병변영역의 위치 중 하나 이상의 위치를 해당 2차원 절편 영상에서 산출하는 단계, 및 분할된 신체 구성요소 영역 및 검출되 병변영역 중 하나 이상의 영역의 3차원 모델을 생성하는 단계 중 하나 이상의 단계를 더 포함하는 방법
|
| 15 |
15
청구항 제1항 내지 제14항 중 어느 하나의 항에 따른 의료영상으로부터 혈액을 전달하는 신체 구성요소에 관한 질환의 병변을 검출하는 방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독가능 기록매체
|
| 16 |
16
의료영상으로부터 혈액을 전달하는 신체 구성요소에 관한 질환의 병변을 검출하는 장치에 있어서, 3차원 체적의 신체 구성요소를 이루는 복수의 2차원 절편 영상을 포함한 의료영상을 수신하는 영상 획득부; 및미리 학습된 질환 검출 모델을 사용하여 검출 대상의 의료영상으로부터 공간 특징 및 절편 사이 연결성을 추출하고, 상기 공간 특징 및 절편 사이 연결성에 기초한 신체 구성요소를 예측하기 위한 특징을 산출하는 분석부;를 포함하고, 상기 질환 검출 모델은, 복수의 계층 레벨로 이루어진 깊이 구조를 갖는 백본 데이터 처리 경로를 형성하는 분할부; 상기 백본 데이터 처리 경로의 서브 네트워크에서 분기된 제1 보조 데이터 처리 경로를 형성하는 제1 검출부; 및 상기 백본 데이터 처리 경로의 분할특징 블록에서 분기된 제2 보조 데이터 처리 경로를 형성하는 제2 검출부를 포함하는 것을 특징으로 하는 장치
|
| 17 |
17
청구항 제16항에 있어서, 상기 분할부는 계층 레벨별로 위치한 복수의 인코딩 블록 및 복수의 디코딩 블록; 가장 깊은 계층 레벨에서 이전 계층 레벨의 인코딩 블록과 디코딩 블록 사이를 연결하여 절편 사이 연결성을 추출하는 서브 네트워크; 가장 높은 계층 레벨의 디코딩 블록의 연산 결과에서 상기 신체 구성요소를 예측하기 위한 특징을 산출하는 분할특징 블록; 및 상기 신체 구성요소를 예측하기 위한 특징에 기초하여 입력영상에서 신체 구성요소 영역을 분할하는 분할 블록을 포함하고, 계층 레벨별 인코딩 블록은 연산 결과를 제1 연결 경로를 통해 다음 계층 레벨의 인코딩 블록으로 전파하고 그리고 제2 연결 경로를 통해 동일한 계층 레벨의 디코딩 블록으로 전파하며, 계층 레벨별 디코딩 블록은 상기 제1 연결 경로를 통해 이전 계층 레벨의 디코딩 블록 또는 서브 네트워크의 연산 결과 및 상기 제2 연결 경로를 통해 동일한 계층 레벨의 인코딩 블록의 연산 결과를 수신하여 입력영상을 점차적으로 복원하는 것을 특징으로 하는 장치
|
| 18 |
18
청구항 제16항에 있어서, 상기 제1 검출부는, 절편 사이 연결성에 기초하여 컨벌루션 연산 및 전역적 풀링 연산을 통해 전역적 특징을 산출하는 제1 추출 블록; 및 상기 전역적 특징에 기초하여 전역적 점수를 산출하는 제1 스코어 블록을 포함하는 것을 특징으로 하는 장치
|
| 19 |
19
청구항 제18항에 있어서, 상기 제2 검출부는, 상기 신체 구성요소를 예측하기 위한 특징에 기초하여 컨볼루션 연산 및 지역적 풀링 연산을 통해 지역적 특징을 산출하는 제2 추출 블록; 및 상기 지역적 특징에 기초하여 지역적 점수를 산출하는 제2 추출 블록을 포함하는 것을 특징으로 하는 장치
|
| 20 |
20
청구항 제19항에 있어서, 상기 질환 검출 모델은, 상기 지역적 점수 및 전역적 점수를 곱셈 연산자를 통해 연산하여 병변 점수를 산출하고, 그리고 산출된 병변 점수에 기초하여 병변영역을 검출하도록 구성되는 것을 특징으로 하는 장치
|
| 21 |
21
청구항 제16항에 있어서, 상기 질환 검출 모델은 분할부의 예측 값과 실제 값 간의 차이, 제1 검출부의 예측 값과 실제 값 간의 차이, 및 제2 검출부의 예측 값과 실제 값 간의 차이가 최소화되도록 학습된 것을 특징으로 하는 장치
|
