1 |
1
프로세서를 포함한 컴퓨팅 장치에 의해 수행되는, 혈액을 전달하는 신체 구성요소를 분할하는 방법에 있어서, 3차원 훈련 체적을 이루는 복수의 2차원 훈련 절편 영상을 포함한 훈련 데이터 세트를 사용하여, 분할 모델을 학습하는 단계; 및 3차원 대상 체적을 이루는, 복수의 2차원 대상 절편 영상을 미리 학습된 분할 모델에 적용하여 입력된 2차원 절편 영상 각각에서의 상기 신체 구성요소의 영역을 예측하는 단계를 포함하되, 상기 분할 모델은 입력된 2차원 절편 영상에서 상기 신체 구성요소의 특징을 추출하고 상기 신체 구성요소의 영역을 예측하는 복수의 베이스라인 모델을 포함하고, 각 베이스라인 모델은 인코더 및 디코더를 각각 포함하는 것을 특징으로 하는 방법
|
2 |
2
제1항에 있어서, 각 베이스라인 모델 내 인코더는 네트워크의 유닛 간의 연결이 순환적인 서브 네트워크를 적어도 하나의 컨볼루션 레이어로서 포함하며, 상기 서브 네트워크는 RNN(Recurrent Neural Network), LSTM(long short-term memory) 및 GRU 중 하나 이상을 포함하는 것을 특징으로 하는 방법
|
3 |
3
제2항에 있어서, 상기 인코더는 공간 특징 및 절편 사이 연결성을 상기 신체 구성요소의 특징으로 추출하고, 상기 디코더는 상기 공간 특징 및 절편 사이 연결성에 기초하여 개별 베이스라인 모델에 입력된 2차원 절편 영상에서의 상기 신체 구성요소의 영역을 예측하도록 구성되며, 상기 공간 특징은 자신의 베이스라인 모델에 입력된 영상에서 추출된 특징이고, 상기 절편 사이 연결성은 자신의 베이스라인 모델에 입력된 영상과 인접한 복수의 다른 영상 사이의 연속 정보에 기초한 맥락인 것을 특징으로 하는 방법
|
4 |
4
제3항에 있어서, 상기 공간 특징은 제1 데이터 처리 경로를 통해 처리된 데이터가 자신의 베이스라인 모델의 서브 네트워크에 입력되어 획득된 것으로서, 상기 제1 데이터 처리 경로는 상기 자신의 베이스라인 모델 내 인코더의 컨볼루션 레이어를 포함하고, 상기 절편 사이 연결성은 제2 데이터 처리 경로를 통해 전달된 데이터가 상기 자신의 베이스라인 모델의 서브 네트워크에 입력되어 획득된 것으로서, 상기 제2 데이터 처리 경로는 인접한 복수의 다른 베이스라인 모델의 서브 네트워크의 입력단과 상기 자신의 베이스라인 모델의 입력단 간에 형성되는 것을 특징으로 하는 방법
|
5 |
5
제1항에 있어서, 상기 2차원 절편 영상별 예측 결과에 기초하여 2차원 절편 영상별 분할 마스크를 생성하는 단계; 및 상기 분할 마스크에 기초하여 3차원 상기 신체 구성요소의 모델을 생성하는 단계를 더 포함하는 것을 특징으로 하는 방법
|
6 |
6
제1항에 있어서, 상기 분할 모델을 학습하는 단계는, 3차원 훈련 체적을 이루는, N1개의 2차원 훈련 절편 영상 전체 중에서 일부를 영상 시퀀스로 입력하는 단계 - 상기 영상 시퀀스의 범위는 분할 모델에 포함된 복수의 베이스라인 모델의 수로 설정된 하이퍼 파라미터T에 기초하여 지정됨; 및 N1개의 2차원 훈련 절편 영상이 모두 입력될 때까지 다음 영상 시퀀스를 계속 입력하는 단계를 포함하고, 상기 다음 영상 시퀀스의 첫번째 2차원 절편 영상의 인덱스는 가장 최근에 입력된 영상 시퀀스의 첫번째 2차원 절편 영상의 인덱스로부터 하이퍼 파라미터 SL의 값 만큼 이동한 값인 것을 특징으로 하는 방법
|
7 |
7
제6항에 있어서,상기 하이퍼 파라미터 SL은 상기 하이퍼 파라미터 T 보다 작은 값으로 설정되는 것을 특징으로 하는 방법
|
8 |
8
제1항에 있어서, 상기 신체 구성요소의 영역을 예측하는 단계는, 상기 3차원 대상 체적을 이루는, N2개의 2차원 대상 절편 영상 전체 중에서 일부를 영상 시퀀스로 입력하는 단계 - 상기 영상 시퀀스의 범위는 상기 하이퍼 파라미터 T에 기초하여 지정됨; 및 N2개의 2차원 대상 절편 영상이 모두 입력될 때까지 다음 영상 시퀀스를 계속 입력하는 단계를 포함하고, 상기 다음 영상 시퀀스의 첫번째 2차원 절편 영상의 인덱스는 가장 최근에 입력된 영상 시퀀스의 첫번째 2차원 절편 영상의 인덱스로부터 하이퍼 파라미터 SP의 값 만큼 이동한 값인 것을 특징으로 하는 방법
|
9 |
9
제8항에 있어서, 상기 하이퍼 파라미터 SP는 상기 하이퍼 파라미터 T와 동일한 값으로 설정된 것을 특징으로 하는 방법
|
10 |
10
제1항 내지 제9항 중 어느 하나의 항에 따른 방법을 수행하게 하는 명령어를 저장하는 컴퓨터 판독가능 저장매체
|
11 |
11
혈액을 전달하는 신체 구성요소를 분할하는 장치에 있어서, 3차원 대상 체적을 이루는 복수의 2차원 대상 절편 영상을 포함한, 3차원 의료 영상을 획득하는 영상 획득부; 및 상기 복수의 2차원 대상 절편 영상을 미리 학습된 분할 모델에 적용하여 각 2차원 대상 절편 영상별 상기 신체 구성요소의 영역을 예측하는 분할 처리부;를 포함하되, 상기 분할 모델은, 각각 입력된 2차원 절편 영상에서 상기 신체 구성요소의 특징을 추출하고 상기 신체 구성요소의 영역을 예측하는 복수의 베이스라인 모델을 포함하고, 각 베이스라인 모델은 인코더 및 디코더를 각각 포함하는 것을 특징으로 하는 장치
|
12 |
12
제11항에 있어서, 상기 3차원 의료 영상은, CT(Computed Tomography) 데이터, MRI(Magnetic Resonance Imaging) 데이터, MRA(Magnetic Resonance Angiography) 데이터, PET(Positron Emission Tomography) 데이터, PET-CT(Positron Emission Tomography-Computed Tomography) 데이터, 또는 PET-MRI(Positron Emission Tomography-Magnetic Resonance Imaging) 데이터인 것을 특징으로 하는 장치
|
13 |
13
제11항에 있어서, 상기 분할 처리부는, 상기 복수의 디코더에 의해, 2차원 대상 절편 영상별 예측 결과에 기초하여 분할 마스크를 생성하도록 더 구성되는 것을 특징으로 하는 장치
|
14 |
14
제13항에 있어서, 상기 2차원 대상 절편 영상별 분할 마스크에 기초하여 3차원 상기 신체 구성요소의 모델을 생성하는 모델 생성부를 더 포함하는 것을 특징으로 하는 장치
|
15 |
15
제11항에 있어서, 상기 신체 구성요소는 혈관 및 혈액 공급 장기 중 적어도 하나를 포함하며, 상기 혈액 공급 장기는 심실 및 심방 중 적어도 하나를 포함하는 것을 특징으로 하는 장치
|