1 |
1
경식도 심초음파 검사 정보로부터 초음파 이미지 정보를 획득하고, 상기 초음파 이미지 정보에 혈관 내 포함되는 플라크(plaque) 정보를 레이블링(labeling) 하여 학습 데이터를 생성하는 학습 데이터 생성부;생성된 학습 데이터 기반으로 학습을 수행하여 상기 초음파 이미지 정보로부터 플라크 상태를 분류하는 제 1 예측 모델과 플라크 영역을 추출하는 제 2 예측 모델을 생성하는 모델 생성부; 및생성된 각각의 예측 모델을 적용하여 특정 초음파 이미지 정보에서 플라크 상태와 플라크 영역을 예측하는 플라크 예측부;를 포함하는 것을 특징으로 하는 초음파 이미지 분석 장치
|
2 |
2
제 1 항에 있어서,상기 학습 데이터 생성부는,상기 초음파 이미지 정보를 미리 설정된 플라크 상태로 분류하고, 상기 초음파 이미지 정보에서 플라크 영역이 주변 영역과 대비되도록 특정 색상으로 표시하여 레이블링하는 것을 특징으로 하는 초음파 이미지 분석 장치
|
3 |
3
제 1 항에 있어서,상기 학습 데이터 생성부는,상기 초음파 이미지 정보의 사이즈를 미리 설정된 픽셀로 변경하고, 상기 초음파 이미지 정보와 플라크 정보가 레이블링된 레이블 이미지 정보를 매칭하여 학습 데이터를 생성하는 것을 특징으로 하는 초음파 이미지 분석 장치
|
4 |
4
제 1 항에 있어서,상기 플라크 상태는,정상(normal), 단순 플라크(simple Plaque) 및 복합성 플라크(complex plaque) 중 적어도 하나의 상태인 것을 특징으로 하는 초음파 이미지 분석 장치
|
5 |
5
제 1 항에 있어서,상기 제 1 예측 모델은,복수의 컨볼루션 레이어(convolution layer), 플래튼 레이어(flatten layer) 및 덴스 레이어(dense layer)가 순차적으로 연결된 구조로 구성되며, 상기 덴스 레이어로부터 출력된 결과에 소프트 맥스 함수(Softmax function)를 적용하여 상기 플라크 상태를 분류하는 것을 특징으로 하는 초음파 이미지 분석 장치
|
6 |
6
제 1 항에 있어서,상기 제 2 예측 모델은,복수의 컨볼루션 레이어 구조를 기반으로 축소되는 인코딩 영역과 확대되는 디코딩 영역으로 구성되며, 상기 인코딩 영역에서 특징 정보를 맵핑하여 출력된 결과를 상기 디코딩 영역에 연결(Concatenation)하여 상기 플라크 영역을 추출하는 것을 특징으로 하는 초음파 이미지 분석 장치
|
7 |
7
제 1 항에 있어서,상기 모델 생성부는,상기 학습 데이터의 개수를 미리 설정된 비율에 따라 훈련 데이터 세트(train dataset), 검증 데이터 세트(validation dataset) 및 테스트 데이터 세트(test dataset)로 구분하여 학습을 수행하는 것을 특징으로 하는 초음파 이미지 분석 장치
|
8 |
8
경식도 심초음파 검사 정보로부터 초음파 이미지 정보를 획득하고, 상기 초음파 이미지 정보에 혈관 내 포함되는 플라크(plaque) 정보를 레이블링(labeling) 하여 학습 데이터를 생성하는 학습 데이터 생성 단계;생성된 학습 데이터 기반으로 학습을 수행하여 상기 초음파 이미지 정보로부터 플라크 상태를 분류하는 제 1 예측 모델과 플라크 영역을 추출하는 제 2 예측 모델을 생성하는 모델 생성 단계; 및 생성된 각각의 예측 모델을 적용하여 특정 초음파 이미지 정보에서 플라크 상태와 플라크 영역을 예측하는 플라크 예측 단계;를 포함하는 것을 특징으로 하는 초음파 이미지 분석 방법
|
9 |
9
제 9 항에 있어서,상기 학습 데이터 생성 단계는,상기 초음파 이미지 정보를 미리 설정된 플라크 상태로 분류하고, 상기 초음파 이미지 정보에서 플라크 영역이 주변 영역과 대비되도록 특정 색상으로 표시하여 레이블링하는 것을 특징으로 하는 초음파 이미지 분석 방법
|
10 |
10
제 9 항에 있어서,상기 학습 데이터 생성 단계는,상기 초음파 이미지 정보의 사이즈를 미리 설정된 픽셀로 변경하고, 상기 초음파 이미지 정보와 플라크 정보가 레이블링된 레이블 이미지 정보를 매칭하여 학습 데이터를 생성하는 것을 특징으로 하는 초음파 이미지 분석 방법
|
11 |
11
제 9 항에 있어서, 상기 플라크 상태는,정상(normal), 단순 플라크(simple Plaque) 및 복합성 플라크(complex plaque) 중 적어도 하나의 상태인 것을 특징으로 하는 초음파 이미지 분석 방법
|
12 |
12
제 9 항에 있어서,상기 제 1 예측 모델은,복수의 컨볼루션 레이어(convolution layer), 플래튼 레이어(flatten layer) 및 덴스 레이어(dense layer)가 순차적으로 연결된 구조로 구성되며, 상기 덴스 레이어로부터 출력된 결과에 소프트맥스 함수(Softmax function)를 적용하여 상기 플라크 상태를 분류하는 것을 특징으로 하는 초음파 이미지 분석 방법
|
13 |
13
제 9 항에 있어서,상기 제 2 예측 모델은,복수의 컨볼루션 레이어 구조를 기반으로 축소되는 인코딩 영역과 확대되는 디코딩 영역으로 구성되며, 상기 인코딩 영역에서 특징 정보를 맵핑하여 출력된 결과를 상기 디코딩 영역에 연결(Concatenation)하여 상기 플라크 영역을 추출하는 것을 특징으로 하는 초음파 이미지 분석 방법
|
14 |
14
제 9 항에 있어서,상기 모델 생성 단계는,상기 학습 데이터의 개수를 미리 설정된 비율에 따라 훈련 데이터 세트(train dataset), 검증 데이터 세트(validation dataset) 및 테스트 데이터 세트(test dataset)로 구분하여 학습을 수행하는 것을 특징으로 하는 초음파 이미지 분석 방법
|