| 1 |
1
관심 영역의 음속도 분포를 나타내는 음속도 맵으로부터 상기 관심 영역에 대한 초음파 프로브의 트랜스듀서 요소별 시간 지연을 예측하는 시간 지연 예측기, 그리고상기 초음파 프로브에서 수신된 RF 신호들에 해당 트랜스듀서 요소에 대해 예측된 시간 지연을 적용해서 빔포밍된 RF 데이터를 출력하는 수신 빔포머를 포함하는 신호 처리 장치
|
| 2 |
2
제1항에서,상기 초음파 프로브에서 수신된 RF 신호들을 기초로 상기 관심 영역의 음속도 맵을 생성하는 음속도 분포 구축기를 더 포함하는 신호 처리 장치
|
| 3 |
3
제1항에서,상기 시간 지연 예측기는상기 음속도 맵으로부터 상기 트랜스듀서 요소별 시간 지연을 예측하도록 훈련된 인공 신경망을 포함하는, 신호 처리 장치
|
| 4 |
4
제3항에서,상기 인공 신경망은상기 음속도 맵을 인코딩하여 압축된 특징 맵을 생성하고, 상기 압축된 특징 맵을 디코딩하여 상기 트랜스듀서 요소별 시간 지연이 조합된 지연 행렬을 출력하는, 신호 처리 장치
|
| 5 |
5
제4항에서,상기 인공 신경망은전파 방향의 반대 방향으로는 가중치를 할당하지 않는 컨볼루션 필터를 사용하여 상기 음속도 맵을 인코딩하는, 신호 처리 장치
|
| 6 |
6
제1항에서,상기 빔포밍된 RF 데이터는 초음파 이미지를 생성하는데 사용되는, 신호 처리 장치
|
| 7 |
7
신호 처리 장치의 동작 방법으로서,인공 신경망을 이용하여, 관심 영역의 음속도 분포를 나타내는 음속도 맵으로부터 상기 관심 영역에 대한 초음파 프로브의 트랜스듀서 요소별 시간 지연을 예측하는 단계, 그리고상기 초음파 프로브에서 수신된 RF 신호들에 해당 트랜스듀서 요소에 대해 예측된 시간 지연을 적용해서 빔포밍된 RF 데이터를 출력하는 단계를 포함하는 동작 방법
|
| 8 |
8
제7항에서,상기 초음파 프로브에서 수신된 RF 신호들을 기초로 상기 관심 영역의 음속도 맵을 생성하는 단계를 더 포함하는 동작 방법
|
| 9 |
9
제7항에서,상기 인공 신경망은상기 음속도 맵으로부터 상기 트랜스듀서 요소별 시간 지연을 예측하도록 훈련된 인공지능 모델인, 동작 방법
|
| 10 |
10
제9항에서,상기 인공 신경망은상기 음속도 맵을 인코딩하여 압축된 특징 맵을 생성하고, 상기 압축된 특징 맵을 디코딩하여 상기 트랜스듀서 요소별 시간 지연이 조합된 지연 행렬을 출력하는, 동작 방법
|
| 11 |
11
제10항에서,상기 인공지능 모델은전파 방향의 반대 방향으로는 가중치를 할당하지 않는 컨볼루션 필터를 사용하여 상기 음속도 맵을 인코딩하는, 동작 방법
|
| 12 |
12
제7항에서,상기 빔포밍된 RF 데이터는 초음파 이미지를 생성하는데 사용되는, 동작 방법
|
| 13 |
13
초음파 프로브에서 수신된 RF 신호들을 기초로 관심 영역의 음속도 분포를 나타내는 음속도 맵을 생성하는 제1 인공 신경망, 상기 음속도 맵으로부터 상기 관심 영역에 대한 초음파 프로브의 트랜스듀서 요소별 시간 지연을 예측하는 제2 인공 신경망, 그리고상기 제2 인공 신경망에서 예측된 시간 지연을, 상기 초음파 프로브에서 수신된 RF 신호들에 적용해서 빔포밍된 RF 데이터를 출력하는 수신 빔포머를 포함하는 신호 처리 장치
|
| 14 |
14
제13항에서,상기 제2 인공 신경망은상기 음속도 맵을 인코딩하여 압축된 특징 맵을 생성하고, 상기 압축된 특징 맵을 디코딩하여 상기 트랜스듀서 요소별 시간 지연이 조합된 지연 행렬을 출력하는, 신호 처리 장치
|
| 15 |
15
제14항에서,상기 제2 인공 신경망은전파 방향의 반대 방향으로는 가중치를 할당하지 않는 컨볼루션 필터를 사용하여 상기 음속도 맵을 인코딩하는, 신호 처리 장치
|
