1 |
1
의료 영상 데이터를 수신하고, 상기 의료 영상 데이터로부터 복수 개의 복셀을 포함하는 데이터 차원을 획득하는 데이터 추출부;상기 데이터 차원을 채우는 공간 벡터를 설정하는 공간 벡터 생성부;상기 공간 벡터로부터 상기 공간 벡터의 길이보다 작은 길이를 갖는 공간 벡터 샘플 데이터를 생성하고, 상기 공간 벡터 샘플 데이터간 거리를 이용하여 샘플 엔트로피를 산출하는 엔트로피 계산부;상기 샘플 엔트로피를 이용하여 복수 개의 상기 복셀의 활성 패턴을 도출하는 병변 판단부를 포함하는, 병변 여부 판단 장치
|
2 |
2
의료 영상 데이터를 수신하고, 상기 의료 영상 데이터로부터 복수 개의 복셀을 포함하는 데이터 차원을 획득하는 제1 단계;상기 데이터 차원을 채우는 공간 벡터를 설정하는 제2 단계;상기 공간 벡터로부터 상기 공간 벡터의 길이보다 작은 길이를 갖는 공간 벡터 샘플 데이터를 생성하고, 상기 공간 벡터 샘플 데이터간 거리를 이용하여 샘플 엔트로피를 산출하는 제3 단계; 및상기 샘플 엔트로피를 이용하여 복수 개의 상기 복셀의 활성 패턴을 도출하는 제4 단계를 포함하는, 병변 여부 판단 방법
|
3 |
3
제2항에 있어서,상기 의료 영상 데이터는 뇌를 촬영한 이미지이고,상기 복셀은 촬영된 상기 뇌의 적어도 일부 영역을 나타내는 3차원 단위인, 병변 여부 판단 방법
|
4 |
4
제3항에 있어서,상기 복셀은 상기 뇌의 활성 정도를 그레이 스케일로 나타낸 이미지 데이터를 포함하는, 병변 여부 판단 방법
|
5 |
5
제2항에 있어서,상기 공간 벡터는 상기 복셀 내 좌표를 중복됨 없이 한번씩 지나는 형태로 제공되는, 병변 여부 판단 방법
|
6 |
6
제2항에 있어서,상기 공간 벡터는 상기 데이터 차원 상에서 적어도 하나 이상의 단위구조가 연결된 형태를 갖는, 병변 여부 판단 방법
|
7 |
7
제2항에 있어서,상기 제2 단계는상기 데이터 차원을 채우기 위한 단위 구조를 갖는 n차 제1 공간 벡터 단위함수 내지 제4 공간 벡터 단위함수(An, Bn, Cn, Dn)를 정의하는 단계;상기 n차 제1 공간 벡터 단위함수 내지 제4 공간 벡터 단위함수(An, Bn, Cn, Dn)를 이용하여 n+1차 제1 공간 벡터 단위함수 내지 제4 공간 벡터 단위함수(An+1, Bn+1, Cn+1, Dn+1)를 정의하는 단계;상기 n+1차 제1 공간 벡터 단위함수 내지 제4 공간 벡터 단위함수(An+1, Bn+1, Cn+1, Dn+1)가 상기 데이터 차원을 벗어나는 경우, 상기 n차 제1 공간 벡터 단위함수 내지 제4 공간 벡터 단위함수(An, Bn, Cn, Dn) 중 적어도 하나를 상기 공간 벡터로 설정하는 단계를 더 포함하는, 시스템 복잡도 판단 방법
|
8 |
8
제7항에 있어서,상기 n차 제1 공간 벡터 단위함수 내지 제4 공간 벡터 단위함수(An, Bn, Cn, Dn)와 상기 n+1차 제1 공간 벡터 단위함수 내지 제4 공간 벡터 단위함수(An+1, Bn+1, Cn+1, Dn+1)는 식 1과 같은 관계를 갖는, 병변 여부 판단 방법
|
9 |
9
제2항에 있어서,상기 제3 단계는상기 공간 벡터 샘플 데이터간 스칼라 거리가 기설정된 문턱 값 이하인 경우 두 데이터가 근사적으로 동일한 것으로 판단하는 단계를 더 포함하는, 병변 여부 판단 방법
|
10 |
10
컴퓨터 장치와 결합하여,의료 영상 데이터를 수신하고, 상기 의료 영상 데이터로부터 복수 개의 복셀을 포함하는 데이터 차원을 획득하는 제1 단계;상기 데이터 차원을 채우는 공간 벡터를 설정하는 제2 단계;상기 공간 벡터로부터 상기 공간 벡터의 길이보다 작은 길이를 갖는 공간 벡터 샘플 데이터를 생성하고, 상기 공간 벡터 샘플 데이터간 거리를 이용하여 샘플 엔트로피를 산출하는 제3 단계; 및상기 샘플 엔트로피를 이용하여 복수 개의 상기 복셀의 활성 패턴을 도출하는 제4 단계를 포함하는 병변 여부 판단 방법을 실행시키기 위하여 기록 매체에 저장된 컴퓨터 프로그램
|