1 |
1
자장불균질(field inhomogeneities)에 의한 자기공명영상의 왜곡을 보정하기 위한 방법에 있어서,대상체에 대한 자기공명신호 획득 과정에서, 복수의 리드아웃 그라디언트에 의한 복수의 자기공명영상을 획득하는 과정;상기 복수의 리드아웃 그라디언트에 의해 왜곡된 복수의 영상으로부터 왜곡이 없는 영상을 출력하도록 학습된 신경망 기반의 영상 보정 모델에 기초하여, 상기 복수의 자기공명영상으로부터 왜곡이 보정된 자기공명영상을 출력하는 과정을 포함하는 자기공명영상의 왜곡 보정 방법
|
2 |
2
제1항에 있어서,상기 복수의 리드아웃 그라디언트는, 제1 리드아웃 그라디언트 및 제2 리드아웃 그라디언트를 포함하고,상기 제1 리드아웃 그라디언트 및 상기 제2 리드아웃 그라디언트는 서로 다른 극성을 갖는 것을 특징으로 하는, 자기공명영상의 왜곡 보정 방법
|
3 |
3
제2항에 있어서,상기 영상 보정 모델은, 임의의 물질의 자화율(susceptibility)에 따라 계산된 필드 맵을 이용하여 미리 생성된 학습 데이터를 학습한 모델이고, 상기 학습 데이터는, 상기 제1 리드아웃 그라디언트에 의한 제1 왜곡 영상 및 상기 제2 리드아웃 그라디언트에 의한 제2 왜곡 영상을 포함하는 입력 데이터; 및리드아웃 그라디언트에 의한 왜곡이 없는 영상을 포함하는 출력 데이터를 포함하는 것을 특징으로 하는 자기공명영상의 왜곡 보정 방법
|
4 |
4
제1항에 있어서,상기 복수의 자기공명영상을 획득하는 과정은,다중 오프셋 주파수에서 상기 자기공명신호를 획득하고, 각 주파수 대역별로 상기 복수의 리드아웃 그라디언트에 의한 복수의 자기공명영상을 획득하는 것을 특징으로 하는, 자기공명영상의 왜곡 보정 방법
|
5 |
5
자장불균질에 의한 자기공명영상의 왜곡을 보정하는 자기공명영상 장치에 있어서,대상체에 대한 자기공명신호 획득 과정에서, 복수의 리드아웃 그라디언트에 의한 복수의 자기공명영상을 획득하는 영상정보획득부; 및상기 복수의 리드아웃 그라디언트에 의해 왜곡된 복수의 영상으로부터 왜곡이 없는 영상을 출력하도록 학습된 신경망 기반의 영상 보정 모델에 기초하여, 상기 복수의 자기공명영상으로부터 왜곡이 보정된 자기공명영상을 출력하는 영상처리부를 포함하는 자기공명영상 장치
|
6 |
6
제5항에 있어서,상기 복수의 리드아웃 그라디언트는, 제1 리드아웃 그라디언트 및 제2 리드아웃 그라디언트를 포함하고,상기 제1 리드아웃 그라디언트 및 상기 제2 리드아웃 그라디언트는 서로 다른 극성을 갖는 것을 특징으로 하는, 자기공명영상 장치
|
7 |
7
제6항에 있어서,상기 영상 보정 모델은, 임의의 물질의 자화율에 따라 계산된 필드 맵을 이용하여 미리 생성된 학습 데이터를 학습한 모델이고, 상기 학습 데이터는, 상기 제1 리드아웃 그라디언트에 의한 제1 왜곡 영상 및 상기 제2 리드아웃 그라디언트에 의한 제2 왜곡 영상을 포함하는 입력 데이터; 및리드아웃 그라디언트에 의한 왜곡이 없는 영상을 포함하는 출력 데이터를 포함하는 것을 특징으로 하는 자기공명영상 장치
|
8 |
8
제5항에 있어서,상기 영상정보획득부는,다중 오프셋 주파수에서 상기 자기공명신호를 획득하고, 각 주파수 대역별로 상기 복수의 리드아웃 그라디언트에 의한 복수의 자기공명영상을 획득하는 것을 특징으로 하는, 자기공명영상 장치
|
9 |
9
자장불균질에 의한 자기공명영상의 왜곡을 보정하기 위한 학습 방법에 있어서, 임의의 물질의 자화율에 따라 필드 맵을 계산하여 생성하는 과정;원본 영상에 상기 필드 맵을 고려하여 복수의 리드아웃 그라디언트에 의해 서로 다른 왜곡 정보를 갖는 복수의 왜곡 영상을 획득하는 과정;상기 원본 영상에 리드아웃 그라디언트 없이 상기 필드 맵을 고려한 위상 인코딩만을 수행하여 왜곡이 없는 영상을 획득하는 과정; 및상기 복수의 왜곡 영상에서 영상 특징을 추출하고, 추출한 영상 특징을 기초로 상기 왜곡이 없는 영상을 출력하도록 인공신경망 기반의 영상 보정 모델을 학습시키는 과정을 포함하는 자기공명영상의 왜곡 보정을 위한 학습 방법
|
10 |
10
제9항에 있어서,상기 복수의 리드아웃 그라디언트는, 제1 리드아웃 그라디언트 및 제2 리드아웃 그라디언트를 포함하고,상기 제1 리드아웃 그라디언트 및 상기 제2 리드아웃 그라디언트는 서로 다른 극성을 갖는 것을 특징으로 하는, 자기공명영상의 왜곡 보정을 위한 학습 방법
|
11 |
11
제9항에 있어서,상기 복수의 왜곡 영상을 획득하는 과정 및 상기 왜곡이 없는 영상을 획득하는 과정은, 다중 오프셋 주파수 환경에서, 각 주파수 대역별로 상기 복수의 리드아웃 그라디언트에 의한 복수의 왜곡 영상 및 상기 왜곡이 없는 영상을 획득하는 것을 특징으로 하는, 자기공명영상의 왜곡 보정을 위한 학습 방법
|
12 |
12
제 9항에 있어서,상기 영상 보정 모델을 학습시키는 과정은,상기 왜곡 영상 및 상기 왜곡이 없는 영상에서 일부분을 추출하여 상기 영상 보정 모델을 학습시키는 것을 특징으로 하는, 자기공명영상의 왜곡 보정을 위한 학습 방법
|
13 |
13
제 9항에 있어서,상기 필드 맵을 계산하여 생성하는 과정은,상기 물질의 침식, 팽창 또는 회전을 고려하여 하나의 물질에 대해 다양한 필드 맵을 생성하는 것을 특징으로 하는 자기공명영상의 왜곡 보정을 위한 학습 방법
|
14 |
14
프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 컴퓨터 판독 가능한 기록매체에 기록된 시나리오 생성을 위한 컴퓨터 프로그램으로서, 컴퓨팅 장치의 프로세서에 의해 실행되는 경우에 컴퓨팅 장치로 하여금,대상체에 대한 자기공명신호 획득 과정에서, 복수의 리드아웃 그라디언트에 의한 복수의 자기공명영상을 획득하는 과정;상기 복수의 리드아웃 그라디언트에 의해 왜곡된 복수의 영상으로부터 왜곡이 없는 영상을 출력하도록 학습된 신경망 기반의 영상 보정 모델에 기초하여, 상기 복수의 자기공명영상으로부터 왜곡이 보정된 자기공명영상을 출력하는 과정을 수행하도록 하는 명령어들을 포함하는 컴퓨터 프로그램
|
15 |
15
프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 컴퓨터 판독 가능한 기록매체에 기록된 시나리오 생성을 위한 컴퓨터 프로그램으로서, 컴퓨팅 장치의 프로세서에 의해 실행되는 경우에 컴퓨팅 장치로 하여금,임의의 물질의 자화율에 따라 필드 맵을 계산하여 생성하는 과정;원본 영상에 상기 필드 맵을 고려하여 복수의 리드아웃 그라디언트에 의해 서로 다른 왜곡 정보를 갖는 복수의 왜곡 영상을 획득하는 과정;상기 원본 영상에 리드아웃 그라디언트 없이 상기 필드 맵을 고려한 위상 인코딩만을 수행하여 왜곡이 없는 영상을 획득하는 과정; 및상기 복수의 왜곡 영상에서 영상 특징을 추출하고, 추출한 영상 특징을 기초로 상기 왜곡이 없는 영상을 출력하도록 인공신경망 기반의 영상 보정 모델을 학습시키는 과정을 수행하도록 하는 명령어들을 포함하는 컴퓨터 프로그램
|