병리 슬라이드가 입력되면 상기 병리 슬라이드에서 배경을 제거하는 전경 추출부;상기 병리 슬라이드로부터 이미지 패치들을 추출하고 상기 패치들 각각을 종양 패치 또는 정상 패치로 분류하는 패치 분류부;각각의 패치에 대하여 인접 패치들의 모델 예측 결과들의 소정 확률이 종양 또는 정상을 나타내면, 해당 패치의 결과를 상기 소정 확률이 나타내는 종양 또는 정상으로 분류하는 후처리를 수행하는 후처리부; 및종양으로 분류된 패치에 대해 침윤성 유방암 분할 과정을 수행하고 침윤성 종양 영역의 면적과 기질 영역의 면접의 비를 이용해 종양-기질 비율을 산출하는 침윤성 유방암 영역 분할부를 포함하는 것을 특징으로 하는 인공지능 기반 딥러닝 알고리즘을 이용한 유방암 영상의 종양 기질 비율 자동 산출 시스템.

청구항 1에 있어서,상기 전경 추출부는 상기 병리 슬라이드에 대해 RGB(빨간색, 녹색, 파란색) 척도를 HSV(색조, 채도 및 값) 척도로 변환하고 상기 병리 슬라이드에 대해 채도 채널에서 채도 값이 4이상인 부분만 추출함으로써 상기 병리 슬라이드에서 배경을 삭제하는 것을 특징으로 하는 유방암 영상의 종양 기질 비율 자동 산출 시스템.

청구항 1에 있어서,상기 패치 분류부는 종양 패치와 정상 패치 분류 모델을 학습하기 위해 ConvNeXt 모델을 사용하는 것을 특징으로 하는 유방암 영상의 종양 기질 비율 자동 산출 시스템.

청구항 1에 있어서,상기 후처리부는 하나의 패치에 대하여 주변의 상하좌우 및 4개의 대각선에 해당하는 8개의 인접패치들을 고려하여 상기 후처리를 수행하는 것을 특징으로 하는 유방암 영상의 종양 기질 비율 자동 산출 시스템.

청구항 1에 있어서,상기 소정 확률은 50% 보다 큰 것을 특징으로 하는 유방암 영상의 종양 기질 비율 자동 산출 시스템.

청구항 1에 있어서,상기 후처리부는 상기 인접 패치들의 모델 예측 결과들이 동률이면 상기 해당 패치의 원래의 예측 결과를 사용한 것을 특징으로 하는 유방암 영상의 종양 기질 비율 자동 산출 시스템.

청구항 1에 있어서,상기 침윤성 유방암 영역 분할부는 상기 병리 이미지에서 침윤성 유방암(Invasive cancer) 영역을 분할하기 위해 U-Net 기반 분할 모델을 사용한 것을 특징으로 하는 유방암 영상의 종양 기질 비율 자동 산출 시스템.

청구항 7에 있어서,상기 침윤성 유방암 영역 분할부는 상기 U-Net 모델의 수축 경로에서 사용하는 네트워크를 InceptionResNet-v2로 변형시킨 모델을 사용한 것을 특징으로 하는 유방암 영상의 종양 기질 비율 자동 산출 시스템.

전경 추출부가 병리 슬라이드가 입력되면 상기 병리 슬라이드에서 배경을 제거하는 단계;패치 분류부가 상기 병리 슬라이드로부터 이미지 패치들을 추출하고 상기 패치들 각각을 종양 패치 또는 정상 패치로 분류하는 단계;후처리부가 각각의 패치에 대하여 인접 패치들의 모델 예측 결과들의 소정 확률이 종양 또는 정상을 나타내면, 해당 패치의 결과를 상기 소정 확률이 나타내는 종양 또는 정상으로 분류하는 단계; 및침윤성 유방암 영역 분할부가 종양으로 분류된 패치에 대해 침윤성 유방암 분할 과정을 수행하고 침윤성 종양 영역의 면적과 기질 영역의 면접의 비를 이용해 종양-기질 비율을 산출하는 단계를 포함하는 것을 특징으로 하는 인공지능 기반 딥러닝 알고리즘을 이용한 유방암 영상의 종양 기질 비율 자동 산출 방법.