| 1 |
1
의료영상 데이터를 입력 받는 입력부;상기 의료영상 데이터로부터 합성곱 신경망 기반의 U-net을 통해 영상의 형태 특징값을 추출하는 형태 특징부;상기 의료영상 데이터로부터 가우시안 혼합 모델을 통해 영상의 밝기 특징값을 추출하는 밝기 특징부;상기 형태 특징값과 상기 밝기 특징값을 채널 와이즈(channel-wise)를 통해 결합하고, 2차원 합성곱 신경망을 통해 융합하는 결합부; 및상기 형태 특징값과 상기 밝기 특징값이 융합된 의료영상 데이터를 복수 회 인코딩 또는 디코딩 하여 상기 의료영상 데이터를 분할하는 분할부를 포함하는 융합 심층신경망 모델을 이용한 의료영상 분할 시스템
|
| 2 |
2
제 1 항에 있어서,상기 입력부는,상기 의료영상 데이터가 3D 영상인 경우, 상기 의료영상 데이터를 복수 개의 2D 영상의 조합으로 변환하는 전처리부를 더 포함하는 융합 심층신경망 모델을 이용한 의료영상 분할 시스템
|
| 3 |
3
제 1 항에 있어서,상기 형태 특징부는,상기 의료영상 데이터를 복수 회 인코딩 또는 디코딩하여 형태 특징 값을 추출하는 것인, 융합 심층신경망 모델을 이용한 의료영상 분할 시스템
|
| 4 |
4
제 1 항에 있어서,상기 밝기 특징부는,상기 의료영상 데이터로부터 영상의 밝기 정보에 대한 복수 개의 가우시안 분포를 추출하고, 상기 복수 개의 가우시안 분포를 이용하여 혼합 확률 모델을 생성하며, EM 알고리즘(Expectation-maximixation algorithm)을 이용하여 상기 혼합 확률 모델을 학습하고, 상기 혼합 확률 모델의 파라미터를 추정하는 것인, 융합 심층신경망 모델을 이용한 의료영상 분할 시스템
|
| 5 |
5
의료영상 데이터를 입력 받는 영상 입력 단계;상기 의료영상 데이터로부터 합성곱 신경망 기반의 U-net을 통해 영상의 형태 특징값을 추출하고, 가우시안 혼합 모델을 통해 영상의 밝기 특징값을 추출하는 특징 추출 단계;상기 형태 특징값과 상기 밝기 특징값을 채널 와이즈(channel-wise)를 통해 결합하고, 2차원 합성곱 신경망을 통해 융합하는 특징 결합 단계; 및상기 형태 특징값과 상기 밝기 특징값이 융합된 의료영상 데이터를 복수 회 인코딩 또는 디코딩 하여 상기 의료영상 데이터를 분할하는 영상 분할 단계를 포함하는 융합 심층신경망 모델을 이용한 의료영상 분할방법
|
| 6 |
6
제 5 항에 있어서,상기 영상 입력 단계는,상기 의료영상 데이터가 3D 영상인 경우, 상기 의료영상 데이터를 복수 개의 2D 영상의 조합으로 변환하는 전처리 단계를 더 포함하는 융합 심층신경망 모델을 이용한 의료영상 분할 방법
|
| 7 |
7
제 5 항에 있어서,상기 특징 추출 단계는,상기 의료영상 데이터를 복수 회 인코딩 또는 디코딩하여 형태 특징 값을 추출하는 형태 특징 추출단계를 더 포함하는 융합 심층신경망 모델을 이용한 의료영상 분할 방법
|
| 8 |
8
제 5 항에 있어서,상기 특징 추출 단계는,상기 의료영상 데이터로부터 영상의 밝기 정보에 대한 복수 개의 가우시안 분포를 추출하는 가우시안 분포 추출 단계;상기 복수 개의 가우시안 분포를 이용하여 혼합 확률 모델을 생성하는 확률모델 생성단계; 및EM 알고리즘(Expectation-maximixation algorithm)을 이용하여 상기 혼합 확률 모델을 학습하고, 상기 혼합 확률 모델의 파라미터를 추정하는 파라미터 추정단계를 더 포함하는 융합 심층신경망 모델을 이용한 의료영상 분할 방법
|
| 9 |
9
제 5 항 내지 제 8 항 중 어느 한 항에 따른 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체
|
