1 |
1
WSI(Whole-Slide Image)를 슈퍼패치 그래프로 압축시키는 WSI 압축 단계;GNN(Graph Neural Networks) 모델을 통해 상기 슈퍼패치 그래프에 노드 특징과 컨텍스트 특징을 임베딩하고, 노드 및 에지별 기여도를 산출하는 GNN 분석 단계; 노드별 기여도에 따라 슈퍼패치 그래프를 구분 및 그룹핑한 후 그룹 단위로 연결하여 연결 그래프들을 생성하고, 상기 연결 그래프들의 특징을 정규화하고 클러스터링하여 그룹별 환경 그래프 바이오마커를 획득하는 바이오마커 획득 단계; 및 상기 그룹별 환경 그래프 바이오마커에 기반하여 상기 WSI에 대한 진단 정보를 추출 및 제공하는 진단 정보 추출 단계를 포함하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
2 |
2
제1항에 있어서, 상기 WSI 압축 단계는 WSI(Whole-Slide Image)를 N개의 작은 패치들로 분할하는 단계;상기 작은 패치들의 유사도에 따라 슈퍼패치를 생성한 후, 슈퍼패치를 노드로 가지고 슈퍼패치 간을 에지로 연결하여 슈퍼패치 그래프를 생성하는 단계; 및슈퍼패치 단위로 작은 패치들의 특징을 통합하여 슈퍼패치별 노드 특징을 산출하고, 슈퍼패치 간 공간 정보를 통해 에지 특징을 산출하는 단계를 포함하는 것을 특징으로 하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
3 |
3
제1항에 있어서, 상기 GNN 모델은 에지별 기여도를 계산하여 컨텍스트 특징에 이질적인 주변 환경 특징을 반영시키는 기능과 슈퍼패치 간 공간 정보를 포함하여 에지별 기여도를 계산하여 슈퍼패치 간 위치 정보 전달을 도모하는 기능을 가지는 것을 특징으로 하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
4 |
4
제2항 또는 제3항에 있어서, 상기 슈퍼패치 간 공간 정보는 슈퍼패치 간 거리와 각도를 포함하는 것을 특징으로 하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
5 |
5
제1항에 있어서, 상기 GNN 분석 단계는슈퍼패치별 노드 특징의 벡터 차원을 감소시키는 단계;GNN 모델을 통해 상기 슈퍼패치 그래프에 노드 특징과 컨텍스트 특징을 임베딩하는 단계;GNN 모델을 통해 컨텍스트 특징을 추출하고, 리스크 점수를 계산하는 단계; 및 노드 각각의 기여도를 계산하는 단계를 포함하여, 슈퍼패치 간 공간 정보를 포함하여 인접한 이웃 슈퍼패치 사이의 기여도를 계산하여 상기 컨텍스트 특징에 이질적인 주변 환경 특징을 반영시키는 것을 특징으로 하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
6 |
6
제1항에 있어서, 상기 바이오마커 획득 단계는슈퍼패치를 노드로 가지고 슈퍼패치 간을 에지로 연결하며, 노드별 기여도와 에지별 기여도 중 적어도 하나를 추가 안내하는 서브 그래프를 생성 및 표시하는 단계;노드별 기여도에 따라 서브 그래프를 구분 및 그룹핑한 후 그룹 단위로 연결하여 연결 그래프들을 생성하고, 연결 그래프의 모든 노드 특징을 평균화하여 연결 그래프 특징을 정의하는 단계; 및동일 그룹내에서 연결 그래프 특징 모두를 정규화하고 클러스터링하여 각 그룹의 바이오마커를 추출하는 단계를 포함하는 것을 특징으로 하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
7 |
7
제6항에 있어서, 상기 연결 그래프 특징을 정의하는 단계는 동일 그룹내에서 연결된 가장 큰 그래프들 중에서 노드가 기 설정 개수 이상인 그래프만을 연결 그래프로 정의하는 것을 특징으로 하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
8 |
8
제1항에 있어서, 상기 리스크 분석 단계는상기 연결 그래프의 연결성 분석 결과에 기반하여 WSI내 리스크를 검출 및 통보하는 단계; 및 상기 연결 그래프의 그래픽 분석 결과에 따라 환자의 리스크 등급을 계층화하는 단계 중 적어도 하나를 포함하는 것을 특징으로 하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 방법
|
9 |
9
WSI를 읽어와 슈퍼패치 그래프로 압축시키는 WSI 압축부;GNN(Graph Neural Networks) 모델을 통해 상기 슈퍼패치 그래프에 노드 특징과 컨텍스트 특징을 임베딩하고, 노드별 기여도를 산출하는 GNN 분석부; 노드별 기여도에 따라 슈퍼패치 그래프를 구분 및 그룹핑한 후 그룹 단위로 연결하여 연결 그래프들을 생성하고, 상기 연결 그래프들의 특징을 정규화하고 클러스터링하여 그룹별 환경 그래프 바이오마커를 획득하는 바이오마커 획득부; 및상기 그룹별 환경 그래프 바이오마커에 기반하여 상기 WSI에 대한 진단 정보를 추출 및 제공하는 진단 정보 추출부를 포함하는 그래프 딥 러닝에 기반한 전체 슬라이드 이미지의 병리학 패턴 분석 장치
|