| 1 |
1
컴퓨팅 장치에서 딥러닝 기반으로 대상암의 예후를 예측하는 방법으로서,상기 대상암의 환자에 대한 병리 이미지를 획득하는 단계;딥러닝 모델을 이용하여 상기 병리 이미지에 대해 시맨틱 세그먼테이션(semantic segmentation)을 수행하되, 세그먼테이션 클래스는 암클래스 및 스트로마클래스를 포함하는 것인, 단계; 및상기 시맨틱 세그먼테이션의 결과에 기초하여 상기 환자의 예후 또는 예후인자를 예측하는 단계를 포함하는,딥러닝 기반 예후 예측 방법
|
| 2 |
2
제1 항에 있어서,상기 딥러닝 모델은 다운샘플링을 수행하는 인코더와 업샘플링을 수행하는 디코더를 포함하는,딥러닝 기반 예후 예측 방법
|
| 3 |
3
제1 항에 있어서,학습용 이미지 패치를 이용하여 상기 딥러닝 모델을 학습시키는 단계를 더 포함하되,상기 학습시키는 단계는,상기 학습용 이미지 패치의 크기가 상기 딥러닝 모델의 입력 조건에 부합하는지 여부를 판단하는 단계;부합하지 않는다는 판단에 응답하여, 상기 학습용 이미지 패치에 대해 미러 패딩(mirror padding)을 수행하는 단계; 및상기 미러 패딩된 학습용 이미지 패치를 이용하여 상기 딥러닝 모델을 학습시키는 단계를 포함하는,딥러닝 기반 예후 예측 방법
|
| 4 |
4
제1 항에 있어서,상기 시맨틱 세그먼테이션을 수행하는 단계는,상기 병리 이미지를 복수의 이미지 패치(patch)로 분할하는 단계; 및상기 복수의 이미지 패치를 상기 딥러닝 모델에 적용하여 상기 시맨틱 세그먼테이션을 수행하는 단계를 포함하는,딥러닝 기반 예후 예측 방법
|
| 5 |
5
제1 항에 있어서,상기 환자의 예후 또는 예후인자를 예측하는 단계는,상기 시맨틱 세그먼테이션의 결과 이미지에서 암영역과 스트로마영역을 결정하는 단계;상기 암영역과 상기 스트로마영역의 비율을 기초로 예측지표점수를 산출하는 단계; 및상기 예측지표점수에 기초하여 상기 환자의 예후 또는 예후인자를 예측하는 단계를 포함하는,딥러닝 기반 예후 예측 방법
|
| 6 |
6
제5 항에 있어서,상기 예측지표점수를 산출하는 단계는,상기 암영역의 픽셀수와 상기 스트로마영역의 픽셀수의 비율에 기초하여 상기 예측지표점수를 산출하는 단계를 포함하는,딥러닝 기반 예후 예측 방법
|
| 7 |
7
제5 항에 있어서,상기 암영역과 스트로마영역을 결정하는 단계는,상기 결과 이미지에서 상기 암클래스와 상기 스트로마클래스에 대응되는 영역을 추출하는 단계;상기 추출된 영역에 대해 침식(erosion) 연산 및 팽창(dilation) 연산을 포함하는 모폴로지(morphology) 연산을 수행하는 단계; 및상기 모폴로지 연산의 결과에 기초하여 상기 암영역과 상기 스트로마영역을 결정하는 단계를 포함하는,딥러닝 기반 예후 예측 방법
|
| 8 |
8
제5 항에 있어서,상기 예후인자는 림프절 전이 여부를 포함하는,딥러닝 기반 예후 예측 방법
|
| 9 |
9
제5 항에 있어서,상기 예측지표점수를 산출하는 단계는,상기 암영역의 픽셀수에 제1 픽셀가중치를 반영하여 상기 암영역에 대한 제1 값을 산출하는 단계;상기 스트로마영역의 픽셀수에 제2 픽셀가중치를 반영하여 상기 스트로마영역에 대한 제2 값을 산출하는 단계; 및상기 제1 값과 상기 제2 값의 비율에 기초하여 상기 예측지표점수를 산출하는 단계를 포함하되,상기 제1 픽셀가중치는 해당 픽셀의 암클래스에 대한 컨피던스 스코어(confidence score)에 기초하여 결정되고,상기 제2 픽셀가중치는 해당 픽셀의 스트로마클래스에 대한 컨피던스 스코어에 기초하여 결정되는,딥러닝 기반 예후 예측 방법
|
| 10 |
10
제1 항에 있어서,상기 대상암은 대장암인,딥러닝 기반 예후 예측 방법
|
| 11 |
11
하나 이상의 인스트럭션들(instructions)을 저장하는 메모리;상기 하나 이상의 인스트럭션들을 실행함으로써,대상암의 환자에 대한 병리 이미지를 획득하고,딥러닝 모델을 이용하여 상기 병리 이미지에 대해 시맨틱 세그먼테이션(semantic segmentation)을 수행하며,상기 시맨틱 세그먼테이션의 결과에 기초하여 상기 환자의 예후 또는 예후인자를 예측하는 프로세서를 포함하되,상기 시맨틱 세그먼테이션의 대상 클래스는 암클래스 및 스트로마클래스를 포함하는,예후 예측 장치
|
| 12 |
12
컴퓨팅 장치와 결합되어,대상암의 환자에 대한 병리 이미지를 획득하는 단계;딥러닝 모델을 이용하여 상기 병리 이미지에 대해 시맨틱 세그먼테이션(semantic segmentation)을 수행하되, 세그먼테이션 클래스는 암클래스 및 스트로마클래스를 포함하는 것인, 단계; 및상기 시맨틱 세그먼테이션의 결과에 기초하여 상기 환자의 예후 또는 예후인자를 예측하는 단계를 실행시키기 위하여 컴퓨터 판독가능한 기록매체에 저장된,컴퓨터 프로그램
|
