1 |
1
분석장치가 대상자의 뇌혈관 영상을 입력받는 단계;상기 분석장치가 상기 뇌혈관 영상에서 3차원 모델의 기하학 특징을 기준으로 복수의 혈관 단위 구조를 추출하는 단계;상기 분석장치가 상기 복수의 혈관 단위 구조 각각에 대한 특징값을 추출하는 단계;상기 분석장치가 상기 복수의 혈관 단위 구조 각각의 특징값 사전에 학습한 제1 학습모델에 입력하여 상기 복수의 혈관 단위 구조 각각이 속하는 청크(chunk)를 분류하는 단계; 및상기 분석장치가 동일한 청크에 속한 상기 혈관 단위 구조 각각의 특징값을 사전에 학습한 제2 학습 모델에 입력하여 상기 동일한 청크에 속한 상기 혈관 단위 구조가 구성하는 혈관 분지를 분류하는 단계를 포함하는 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
2 |
2
제1항에 있어서,상기 청크는 적어도 하나의 혈관 분지 유형을 포함하는 혈관 분지의 상위 구조로서, (i) 대칭(symmetry), (ii) 전방(anterior) 또는 후방(posterior), (iii) 기저(basal) 또는 뇌연막(pial) 및 (iv) 중뇌동맥(middle cerebral arteries, MCA), 전대뇌동맥(anterior cerebral arteries, ACA) 및 뒤대뇌동맥(posterior cerebral arteries, PCA)의 기준들을 포함하는 그룹 중 적어도 하나의 기준에 따라 서로 다른 유형으로 구분되는 혈관 단위 구조인 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
3 |
3
제1항에 있어서,상기 혈관 단위 구조는 스팟(spot)이고,상기 스팟은 상기 뇌혈관 영상에서 추출되는 동맥 중심선에서 일정한 간격을 갖는 입방 셀 (cubic cell)인 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
4 |
4
제1항에 있어서,상기 특징값은 대뇌 혈관 단면적, 최대 내접 구 반경, 최소 직경, 최대 직경, 최대-최소 반경 비율, 표면 원주, 왜곡, 곡률 및 내강 진원도를 포함하는 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
5 |
5
제4항에 있어서,상기 특징값은 상기 혈관 단위 구조의 밝기값을 더 포함하는 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
6 |
6
제1항에 있어서,상기 청크를 분류하는 단계는 상기 분석장치가 상기 제1 학습 모델을 이용하여 상기 복수의 혈관 단위 구조 각각에 대한 1차 청크 분류를 수행하는 단계; 및상기 분석장치가 상기 복수의 혈관 단위 구조 중 동일 세그먼트에 속한 혈관 단위 구조들의 상기 1차 청크 분류 결과들을 기준으로 다수결 투표 방식으로 상기 동일 세그먼트에 속한 상기 혈관 단위 구조들에 대한 2차 청크 분류를 수행하는 단계를 포함하되,상기 세그먼트는 혈관 구조에서 분기점으로 구분되는 영역에 속한 혈관 단위 구조들로 구성되는 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
7 |
7
제1항에 있어서,상기 혈관 분지를 분류하는 단계는 상기 분석장치가 상기 제2 학습 모델을 이용하여 동일한 청크에 속한 상기 복수의 혈관 단위 구조 각각에 대한 1차 혈관 분지 분류를 수행하는 단계; 및상기 분석장치가 상기 복수의 혈관 단위 구조 중 동일 청크에 속한 혈관 단위 구조들의 상기 1차 혈관 분지 분류 결과들을 기준으로 다수결 투표 방식으로 상기 동일 청크트에 속한 상기 혈관 단위 구조들에 대한 2차 혈관 분지 분류를 수행하는 단계를 포함하되,상기 세그먼트는 혈관 구조에서 분기점으로 구분되는 영역에 속한 혈관 단위 구조들로 구성되는 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
8 |
8
제1항에 있어서상기 혈관 분지를 분류하는 단계는 상기 분석장치가 상기 제2 학습 모델을 이용하여 동일한 청크에 속한 상기 복수의 혈관 단위 구조 각각에 대한 1차 혈관 분지 분류를 수행하는 단계; 및상기 분석장치가 상기 복수의 혈관 단위 구조 중 동일 청크에 속한 혈관 단위 구조들의 상기 1차 혈관 분지 분류 결과들이 상기 뇌혈관 영상에서 식별되는 정보와 상이한 경우 상기 1차 혈관 분지 분류 결과를 정정하는 단계를 포함하되,상기 세그먼트는 혈관 구조에서 분기점으로 구분되는 영역에 속한 혈관 단위 구조들로 구성되는 뇌혈관 영상에서 뇌혈관 분지를 분류하는 방법
|
9 |
9
대상자의 뇌혈관 영상을 입력받 입력장치;혈관 단위 구조가 속하는 청크(chunk)를 분류하는 제1 학습 모델 및 동일한 청크에 속한 혈관 단위 구조의 뇌혈관 분지를 분류하는 제2 학습 모델을 저장하는 저장장치; 및상기 뇌혈관 영상에서 3차원 모델의 기하학 특징을 기준으로 복수의 혈관 단위 구조를 추출하고, 상기 복수의 혈관 단위 구조 각각에 대한 특징값을 상기 제1 학습 모델에 입력하여 상기 복수의 혈관 단위 구조 각각이 속하는 청크를 분류하고, 동일한 청크에 속한 상기 혈관 단위 구조 각각의 특징값을 상기 제2 학습 모델에 입력하여 상기 동일한 청크에 속한 상기 혈관 단위 구조가 구성하는 혈관 분지 특성을 분석하는 연산장치를 포함하는 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|
10 |
10
제9항에 있어서,상기 청크는 적어도 하나의 혈관 분지 유형을 포함하는 혈관 분지의 상위 구조로서, (i) 대칭(symmetry), (ii) 전방(anterior) 또는 후방(posterior), (iii) 기저(basal) 또는 뇌연막(pial) 및 (iv) 중뇌동맥(middle cerebral arteries, MCA), 전대뇌동맥(anterior cerebral arteries, ACA) 및 뒤대뇌동맥(posterior cerebral arteries, PCA)의 기준들을 포함하는 그룹 중 적어도 하나의 기준에 따라 서로 다른 유형으로 구분되는 혈관 단위 구조인 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|
11 |
11
제9항에 있어서,상기 혈관 단위 구조는 스팟(spot)이고,상기 스팟은 상기 뇌혈관 영상에서 추출되는 동맥 중심선에서 일정한 간격을 갖는 입방 셀 (cubic cell)인 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|
12 |
12
제9항에 있어서,상기 특징값은 대뇌 혈관 단면적, 최대 내접 구 반경, 최소 직경, 최대 직경, 최대-최소 반경 비율, 표면 원주, 왜곡, 곡률 및 내강 진원도를 포함하는 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|
13 |
13
제12항에 있어서,상기 특징값은 상기 혈관 단위 구조의 밝기값을 더 포함하는 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|
14 |
14
제9항에 있어서,상기 연산장치는 상기 학습 모델을 이용하여 상기 복수의 혈관 단위 구조 각각에 대한 1차 청크 분류를 수행하고, 상기 복수의 혈관 단위 구조 중 동일 세그먼트에 속한 혈관 단위 구조들의 상기 1차 청크 분류 결과들을 기준으로 다수결 투표 방식으로 상기 동일 세그먼트에 속한 상기 혈관 단위 구조들에 대한 2차 청크 분류를 수행하되,상기 세그먼트는 혈관 구조에서 분기점으로 구분되는 영역에 속한 혈관 단위 구조들로 구성되는 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|
15 |
15
제9항에 있어서,상기 혈관 분지 특성은 상기 동일한 청크에 속한 상기 혈관 단위 구조의 혈관 분지 분류인 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|
16 |
16
제9항에 있어서,상기 혈관 분지 특성은 상기 대상자의 뇌질환 여부 분류 결과인 뇌혈관 영상에서 뇌혈관 분지를 분석하는 분석장치
|