| 1 |
1
뇌질환 예측장치에서 수행되는 뇌질환 상태변화 예측방법으로서,획득부가 복수의 영상들을 지시하는 테스트 영상을 획득하는 단계로서, 상기 테스트 영상은 인간의 뇌의 적어도 일부를 미리 정해진 시간 간격으로 촬영한 영상인, 획득하는 단계;제어부가 영상 분석을 위해 상기 테스트 영상을 처리가 가능한 테스트복셀(test voxel)로 변환시키는 전처리를 수행하는 단계로서, 상기 테스트복셀은 3차원인 복셀 단위로 분류된 데이터인, 전처리를 수행하는 단계;상기 제어부가 특정 환자로부터 획득된 상기 테스트복셀 중 제1시점을 기준으로 획득된 제1테스트복셀과 미리 정해진 시간 이후인 제2시점을 기준으로 획득된 제2테스트복셀을 복셀 단위로 각각 매핑시켜 복셀 별 데이터 세트를 생성하는 단계; 및상기 제어부가 복셀 별 영상 변수를 입력 변수로서 심층 신경망을 이용하여 상태변화 확률모델을 생성하되, 상기 상태변화 확률모델은 상기 복셀 별 데이터 세트를 기초로 상기 복셀 별로 테스트복셀의 변화를 추출하고, 상기 복셀 별 테스트복셀의 변화를 기초로 생성하는 것인, 상태변화 확률모델을 생성하는 단계를 포함하고,상기 상태변화 확률모델은,특정 복셀의 질환이 다른 복셀에 영향을 미치는 범위에 관하여 확률로서 제시하도록 생성되는 것이고,치료 수행 여부에 따라, 치료를 수행하지 않은 경우, 상기 복셀 별로 뇌질환의 발생을 시간 별로 확인하여 뇌질환 발생확률을 학습하고,치료를 수행한 경우, 상기 복셀 별로 뇌질환의 개선을 시간 별로 확인하여 뇌질환 개선확률을 학습함으로써 생성되는 것인,뇌질환 상태변화 예측방법
|
| 2 |
2
청구항 1에 있어서,상기 전처리를 수행하는 단계는,상기 제어부가 가우시안 혼합 모델(Gaussian-Mixture Model; GMM)을 통해 상기 복수의 영상들의 영상 강도를 보정하는 단계; 및상기 제어부가 상기 보정된 영상 강도를 기초로 상기 테스트 영상을 표준 뇌 영상을 기준으로 정합하는 단계를 더 포함하는, 뇌질환 상태변화 예측방법
|
| 3 |
3
청구항 1에 있어서,상기 테스트복셀은, 정상, 뇌경색, 뇌출혈 중 하나의 상태 정보를 포함하며, 상기 테스트복셀의 변화는, 상기 정상, 뇌경색, 뇌출혈 중 하나의 상태에서 다른 상태로 변화하는 것인, 뇌질환 상태변화 예측방법
|
| 4 |
4
청구항 1에 있어서,상기 제어부가 상기 테스트 영상에서 뇌졸중이 확산 될 수 있는 부분에 식별 가능한 표시를 하는 레이블링(Labeling)을 수행하는 단계를 더 포함하는, 뇌질환 상태변화 예측방법
|
| 5 |
5
청구항 1에 있어서,상기 상태변화 확률모델은,상기 환자의 나이, 심방세동 유무, 고혈압 유무, 고지혈증 유무, 음주 여부, 흡연 여부, 당뇨 유무 중 적어도 하나를 고려하여 생성되는, 뇌질환 상태변화 예측방법
|
| 6 |
6
청구항 1에 있어서,상기 상태변화 확률모델을 생성하는 단계는,상기 제어부가 전체 측정값 중에서 미리 정해진 비율로 상태변화 속도가 빠른 측정값과 상기 상태변화 속도가 느린 측정값을 제외하는 단계; 및상기 제어부가 상태변화 속도가 미리 정해진 기준을 초과하거나 미달하는 값을 지시하는 극단값을 제외하는 단계를 더 포함하는, 뇌질환 상태변화 예측방법
|
| 7 |
7
청구항 1에 있어서,상기 제어부가 환자로부터 뇌졸중 영상을 획득하는 단계;상기 제어부가 상기 뇌졸중 영상에 상기 상태변화 확률모델을 적용하여 확률모델을 3차원으로 시각화 한 예측영상을 생성하는 단계; 및상기 제어부가 사용자 단말에 상기 예측영상을 전송하는 단계를 더 포함하는, 뇌질환 상태변화 예측방법
|
| 8 |
8
청구항 7에 있어서,상기 제어부가 상기 예측영상을 기초로 치료시기 및 치료방법 중 적어도 하나를 도출하는 단계; 및상기 제어부가 상기 사용자 단말에 상기 치료시기 및 치료방법 중 적어도 하나를 전송하는 단계를 더 포함하는, 뇌질환 상태변화 예측방법
|
| 9 |
9
청구항 1에 있어서,상기 테스트 영상은 MRI를 통해 촬영되거나 외부로부터 획득된 영상인, 뇌질환 상태변화 예측방법
|
| 10 |
10
뇌질환 상태변화를 예측하는 뇌질환 예측장치로서,프로세서(processor); 및 상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory)를 포함하고,상기 적어도 하나의 명령은,제어부가 복수의 영상들을 지시하는 테스트 영상을 획득하고, 상기 테스트 영상은 인간의 뇌의 적어도 일부를 미리 정해진 시간 간격으로 촬영한 영상이며,상기 제어부가 영상 분석을 위해 상기 테스트 영상을 처리가 가능한 테스트복셀(test voxel)로 변환시키는 전처리를 수행하는 단계로서, 상기 테스트복셀은 3차원인 복셀 단위로 분류된 데이터인, 전처리를 수행하고,상기 제어부가 특정 환자로부터 획득된 상기 테스트복셀 중 제1시점을 기준으로 획득된 제1테스트복셀과 미리 정해진 시간 이후인 제2시점을 기준으로 획득된 제2테스트복셀을 복셀 단위로 각각 매핑시켜 복셀 별 데이터 세트를 생성하고, 그리고 상기 제어부가 복셀 별 영상 변수를 입력 변수로서 심층 신경망을 이용하여 상태변화 확률모델을 생성하되, 상기 상태변화 확률모델은 상기 복셀 별 데이터 세트를 기초로 상기 복셀 별로 테스트복셀의 변화를 추출하고, 상기 복셀 별 테스트복셀의 변화를 기초로 상태변화 확률모델을 생성하도록 실행되고,상기 상태변화 확률모델은,특정 복셀의 질환이 다른 복셀에 영향을 미치는 범위에 관하여 확률로서 제시하도록 생성되는 것이고,치료 수행 여부에 따라, 치료를 수행하지 않은 경우, 상기 복셀 별로 뇌질환의 발생을 시간 별로 확인하여 뇌질환 발생확률을 학습하고,치료를 수행한 경우, 상기 복셀 별로 뇌질환의 개선을 시간 별로 확인하여 뇌질환 개선확률을 학습함으로써 생성되는 것인,뇌질환 예측장치
|
| 11 |
11
하드웨어인 뇌질환 예측장치와 결합되어 제1항 내지 제9항 중 어느 하나의 항에 기재된 뇌질환 상태변화 예측방법을 실행시키기 위하여 매체에 저장된 컴퓨터프로그램
|
