1 |
1
당뇨망막병증 분류를 위해 수집된 안저 망막 이미지에 대한 노이즈 제거 및 이미지 대비를 개선을 위한 전처리를 수행하는 전처리부; 상기 전처리된 안저 망막 이미지에 대하여 특이값 분해(Singular Value Decomposition; SVD)와 결합된 심층 CNN 모델을 이용하여 당뇨망막병증 분류를 위한 특징을 추출하는 특징 추출부; 및익스트림 기계 학습(Extreme Learning Machine; ELM) 알고리즘을 이용하여 당뇨망막병증의 이진 분류 또는 다중 분류를 감지하는 당뇨망막병증 분류부를 포함하는 당뇨망막병증을 위한 특징 추출 및 선별 시스템
|
2 |
2
제1항에 있어서,상기 전처리부는, 수집된 안저 망막 이미지에 대하여 노이즈를 제거하기 위해 가우시안 블러 방법을 이용하여 블러링하고, 블러링된 안저 망막 이미지에 대하여 히스토그램 균등화를 적용하여 이미지 대비를 개선한 후, 이미지에 대한 사이즈 조정 및 정규화를 수행하는 당뇨망막병증을 위한 특징 추출 및 선별 시스템
|
3 |
3
제1항에 있어서,상기 특징 추출부는, 심층 CNN 모델을 이용하여 당뇨망막병증 분류를 위한 특징을 추출하여 표준화하고, 상기 심층 CNN 모델 복잡성과 시간 비용을 줄이기 위해 특이값 분해를 이용하여 차원 축소를 수행하는 당뇨망막병증을 위한 특징 추출 및 선별 시스템
|
4 |
4
제1항에 있어서,상기 당뇨망막병증 분류부는, 복수의 입력 노드, 복수의 은닉 노드 및 복수의 출력 노드를 포함하고, 복수의 출력 노드의 수에 따라 이진 분류 또는 다중 분류를 감지하며, 입력 가중치 및 바이어스 행렬을 랜덤하게 생성하여 은닉 계층의 출력 및 출력 계층 가중치를 계산하고, 상기 출력 계층 가중치를 이용하여 상기 당뇨망막병증의 이진 분류 또는 다중 분류를 감지하는 당뇨망막병증을 위한 특징 추출 및 선별 시스템
|
5 |
5
전처리부가 당뇨망막병증 분류를 위해 수집된 안저 망막 이미지에 대한 노이즈 제거 및 이미지 대비를 개선을 위한 전처리를 수행하는 단계; 특징 추출부가 상기 전처리된 안저 망막 이미지에 대하여 특이값 분해(Singular Value Decomposition; SVD)와 결합된 심층 CNN 모델을 이용하여 당뇨망막병증 분류를 위한 특징을 추출하는 단계; 및당뇨망막병증 분류부가 익스트림 기계 학습(Extreme Learning Machine; ELM) 알고리즘을 이용하여 당뇨망막병증의 이진 분류 또는 다중 분류를 감지하는 단계를 포함하는 당뇨망막병증을 위한 특징 추출 및 선별 방법
|
6 |
6
제5항에 있어서,상기 전처리부가 당뇨망막병증 분류를 위해 수집된 안저 망막 이미지에 대한 노이즈 제거 및 이미지 대비를 개선을 위한 전처리를 수행하는 단계는, 수집된 안저 망막 이미지에 대하여 노이즈를 제거하기 위해 가우시안 블러 방법을 이용하여 블러링하고, 블러링된 안저 망막 이미지에 대하여 히스토그램 균등화를 적용하여 이미지 대비를 개선한 후, 이미지에 대한 사이즈 조정 및 정규화를 수행하는 당뇨망막병증을 위한 특징 추출 및 선별 방법
|
7 |
7
제5항에 있어서,상기 특징 추출부가 상기 전처리된 안저 망막 이미지에 대하여 특이값 분해와 결합된 심층 CNN 모델을 이용하여 당뇨망막병증 분류를 위한 특징을 추출하는 단계는, 심층 CNN 모델을 이용하여 당뇨망막병증 분류를 위한 특징을 추출하여 표준화하고, 상기 심층 CNN 모델 복잡성과 시간 비용을 줄이기 위해 특이값 분해를 이용하여 차원 축소를 수행하는 당뇨망막병증을 위한 특징 추출 및 선별 방법
|
8 |
8
제5항에 있어서,상기 당뇨망막병증 분류부가 익스트림 기계 학습 알고리즘을 이용하여 당뇨망막병증의 이진 분류 또는 다중 분류를 감지하는 단계는, 복수의 입력 노드, 복수의 은닉 노드 및 복수의 출력 노드를 포함하고, 복수의 출력 노드의 수에 따라 이진 분류 또는 다중 분류를 감지하며, 입력 가중치 및 바이어스 행렬을 랜덤하게 생성하여 은닉 계층의 출력 및 출력 계층 가중치를 계산하고, 상기 출력 계층 가중치를 이용하여 상기 당뇨망막병증의 이진 분류 또는 다중 분류를 감지하는 당뇨망막병증을 위한 특징 추출 및 선별 방법
|