1 |
1
다수 환자의 CT 영상과 세그멘테이션 정보를 선택 및 이용하여, 딥 러닝 네트워크에 CT 영상과 세그멘테이션 정보간 상관관계를 학습시키는 딥 러닝 단계;CT 영상 각각에 대응되는 시멘틱 특징 정보를 세그멘테이션 정보 각각에 기반하여 추출하는 특징 추출 단계;시멘틱 특징 정보 각각에 대응되는 다수의 부위별 대뇌 피질 수축율을 추가 획득한 후, 머신 러닝 모델에 시멘틱 특징 정보와 부위별 대뇌 피질 수축율간 상관관계를 학습시키는 머신 러닝 단계;분석 대상 영상이 입력되면, 상기 딥 러닝 네트워크를 통해 분석 대상 영상에 대응되는 세그멘테이션 정보를 획득하는 세그멘테이션 단계; 및 세그멘테이션 정보를 기반으로 분석 대상 영상에 대응되는 시멘틱 특징 정보를 추출한 후, 상기 머신 러닝 모델을 통해 시멘틱 특징 정보에 대응되는 부위별 대뇌 피질 수축율을 예측 및 통보하는 예측 단계를 포함하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 방법
|
2 |
2
제1항에 있어서, 상기 딥 러닝 네트워크는 유넷 (U-net) 모델로 구현되는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 방법
|
3 |
3
제1항에 있어서, 상기 세그멘테이션 정보는 MRI 영상 기반으로 추출되며, 백질 영역 정보, 회백질 영역 정보, 및 뇌실 영역 정보를 포함하는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 방법
|
4 |
4
제1항에 있어서, 상기 시멘틱 특징 정보는 백질의 3차원 부피 비율, 회백질의 3차원 부피 비율, 백질과 회백질의 3차원 부피 비율 총합, 뇌실의 3차원 부피, 백질의 2차원 넓이 비율, 회백질의 2차원 넓이 비율, 백질과 회백질의 2차원 넓이 비율 총합, 뇌실의 2차원 넓이를 포함하는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 방법
|
5 |
5
제1항에 있어서, 상기 머신 러닝 모델은 정규화된 로지스틱 회귀 모델, 선형 판별 분석 모델, 가우시안 나이브 베이즈 모델 중 적어도 하나를 이용하여 간접 다수결 투표 모델로 구현되는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 방법
|
6 |
6
제1항에 있어서, 다수 환자의 CT 영상 또는 분석 대상 영상이 입력되면, 강체 변환(Rigid Body Transformation)을 통해 영상 정합한 후, 두개골 영상을 제거하는 영상 전처리 동작을 수행하는 단계를 더 포함하는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 방법
|
7 |
7
다수 환자의 CT 영상 또는 분석 대상 영상이 입력되면, 강체 변환(Rigid Body Transformation)을 통해 영상 정합한 후, 두개골 영상을 제거하는 CT 영상 전처리부;CT 영상 각각에 대응되는 세그멘테이션 정보 각각를 추가 획득한 후 딥 러닝 네트워크에 CT 영상과 세그멘테이션 정보간 상관관계를 학습시키는 딥 러닝부;분석 대상 영상에 대응되는 세그멘테이션 정보를 상기 딥 러닝 네트워크를 획득 및 출력하는 세그멘테이션부;CT 영상 또는 분석 대상 영상에 대응되는 시멘틱 특징 정보를 세그멘테이션 정보 각각에 기반하여 추출하는 특징 추출부;CT 영상의 시멘틱 특징 정보 각각에 대응되는 다수의 부위별 대뇌 피질 수축율을 추가 획득한 후, 머신 러닝 모델에 시멘틱 특징 정보와 부위별 대뇌 피질 수축율간 상관관계를 학습시키는 머신 러닝부; 및상기 머신 러닝 모델을 통해 분석 대상 영상의 시멘틱 특징 정보에 대응되는 부위별 대뇌 피질 수축율을 예측 및 통보하는 예측부를 포함하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 장치
|
8 |
8
제7항에 있어서, 상기 딥 러닝 네트워크는 유넷 (U-net) 모델로 구현되는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 장치
|
9 |
9
제7항에 있어서, 상기 세그멘테이션 정보는 백질 영역 정보, 회백질 영역 정보, 및 뇌실 영역 정보를 포함하는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 장치
|
10 |
10
제1항에 있어서, 상기 시멘틱 특징 정보는 백질의 3차원 부피 비율, 회백질의 3차원 부피 비율, 백질과 회백질의 3차원 부피 비율 총합, 뇌실의 3차원 부피, 백질의 2차원 넓이 비율, 회백질의 2차원 넓이 비율, 백질과 회백질의 2차원 넓이 비율 총합, 뇌실의 2차원 넓이를 포함하는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 장치
|
11 |
11
제1항에 있어서, 상기 머신 러닝 모델은 정규화된 로지스틱 회귀 모델, 선형 판별 분석 모델, 가우시안 나이브 베이즈 모델 중 적어도 하나를 이용하여 간접 다수결 투표 모델로 구현되는 것을 특징으로 하는 CT 영상 기반 부위별 대뇌 피질 수축율 예측 장치
|