노이즈 제거 신경망 모델을 기반으로 한 저선량 CT 영상 보정 자동화 시스템 및 방법
Low-dose CT image correction automation system and method based on noise removal neural network model
특허 요약
본 발명은 노이즈 제거 신경망 모델을 기반으로 한 저선량 CT 영상 보정 자동화 시스템에 관한 것이다. 상기 노이즈 제거 신경망 모델을 학습시키기 위한 학습 장치는, 고해상 CT 영상과 저선량 CT 영상으로 이루어진 학습 데이터가 저장된 데이터 저장 모듈; 고해상 CT 영상에 가우시안 노이즈 및 포아송 노이즈를 합성하여, 초기 합성 데이터를 생성하고 이로부터 잠재 벡터(latent vector)를 생성하는 초기 합성 모듈; 상기 학습 데이터의 고해상 CT 영상과 저선량 CT 영상을 이용하여, 상기 저선량 CT 영상으로부터 노이즈를 제거하도록 노이즈 제거 신경망 모델을 초기 학습시키는 초기 학습 모듈; 상기 초기 학습된 노이즈 제거 신경망 모델 및 생성적 적대 신경망 모델(Generative Adversarial Network, GAN)을 이용하여, 고해상 CT 영상에 대하여 노이즈가 합성된 가짜 CT 영상을 생성하여 학습 데이터를 증강시키는 데이터 증강 모듈; 및 상기 증강된 학습 데이터들을 이용하여 상기 노이즈 제거 신경망 모델을 재학습하여 미세 조정(fine-tuning)하는 미세 조정 모듈;을 구비한다.
청구항
번호청구항
8

제6항에 있어서, 상기 학습 방법은,고해상 CT 영상에 임의의 노이즈를 합성하여 초기 합성 데이터를 생성하는 단계; 및상기 초기 합성 데이터로부터 잠재 벡터(Latent Vector)를 생성하여 생성자로 제공하는 단계;을 더 구비하는 것을 특징으로 하는 노이즈 제거 신경망 모델 학습 방법.

9

제8항에 있어서, 상기 초기 합성 데이터는, 고해상 CT 영상에 가우시안 노이즈 및 포아송 노이즈를 합성하여 생성되는 것을 특징으로 하는 노이즈 제거 신경망 모델 학습 방법.

1

노이즈 제거 신경망 모델을 기반으로 한 저선량 CT 영상 보정 자동화 시스템에 있어서, 노이즈 제거 신경망 모델을 학습시키기 위한 학습 장치는,고해상 CT 영상과 저선량 CT 영상으로 이루어진 학습 데이터가 저장된 데이터 저장 모듈;상기 학습 데이터의 고해상 CT 영상과 저선량 CT 영상을 이용하여, 상기 저선량 CT 영상으로부터 노이즈를 제거하도록 노이즈 제거 신경망 모델을 초기 학습시키는 초기 학습 모듈;상기 초기 학습된 노이즈 제거 신경망 모델 및 생성적 적대 신경망 모델(Generative Adversarial Network, GAN)을 이용하여, 고해상 CT 영상에 대하여 노이즈가 합성된 가짜 CT 영상을 생성하여 학습 데이터를 증강시키는 데이터 증강 모듈; 및상기 증강된 학습 데이터들을 이용하여 상기 노이즈 제거 신경망 모델을 재학습하여 미세 조정(fine-tuning)하는 미세 조정 모듈;을 구비하는 것을 특징으로 하는 노이즈 제거 신경망 모델을 기반으로 한 저선량 CT 영상 보정 자동화 시스템.

2

제1항에 있어서, 상기 데이터 증강 모듈은,잠재 벡터를 이용하여 노이즈가 합성된 가짜 CT 영상을 생성하는 생성자(Generator);사전 학습된 노이즈 제거 신경망 모델을 이용하여, 상기 가짜 CT 영상의 노이즈를 제거하여 디노이징된 가짜 CT 영상을 생성하고, 저선량 CT 영상의 노이즈를 제거하여 디노이징된 저선량 CT 영상을 생성하는 디노이징 모듈;상기 디노이징 모듈로부터 출력된 디노이징된 가짜 CT 영상과 디노이징된 저선량 CT 영상을 판별하는 제1 판별자(Discriminator 1); 및상기 저선량 CT 영상과 상기 가짜 CT 영상을 판별하는 제1 판별자(Discriminator 2);를 구비하고, 상기 생성자와 상기 제1 및 제2 판별자는 생성적 적대 신경망 모델(Generative Adversarial Network, GAN)을 구성하고, 상기 생성자는 상기 제1 및 제2 판별자로부터의 출력에 따라 학습되며, 상기 생성자로부터 출력되는 노이즈가 합성된 가짜 CT 영상을 학습 데이터에 추가하는 것을 특징으로 하는 저선량 CT 영상 보정 자동화 시스템.

3

제1항에 있어서, 상기 학습 장치는 초기 합성 모듈을 더 구비하고,상기 초기 합성 모듈은,고해상 CT 영상에 임의의 노이즈를 합성하여 초기 합성 데이터를 생성하는 초기 합성 데이터 생성 모듈; 및상기 초기 합성 데이터로부터 잠재 벡터(latent vector)를 생성하여 생성자로 제공하는 잠재 벡터 생성 모듈;을 구비하는 것을 특징으로 하는 저선량 CT 영상 보정 자동화 시스템.

4

제3항에 있어서, 상기 초기 합성 모듈의 초기 합성 데이터 생성 모듈은,고해상 CT 영상에 가우시안 노이즈 및 포아송 노이즈를 합성하여, 상기 고해상 CT 영상에 대한 초기 합성 데이터를 생성하는 것을 특징으로 하는 저선량 CT 영상 보정 자동화 시스템.

5

제1항에 있어서, 상기 미세 조정 모듈은,고해상 CT 영상과 노이즈가 합성된 가짜 CT 영상을 이용하여 상기 노이즈 제거 신경망 모델을 재학습시키고,고해상 CT 영상과 저선량 CT 영상을 이용하여 상기 노이즈 제거 신경망 모델을 재학습시켜,상기 노이즈 제거 신경망 모델을 미세 조정(fine-tuning)하는 것을 특징으로 하는 저선량 CT 영상 보정 자동화 시스템.

6

고해상 CT 영상과 저선량 CT 영상으로 이루어진 학습 데이터를 이용하여 노이즈 제거 신경망 모델을 학습시키는 방법에 있어서, 상기 학습 데이터를 이용하여 저선량 CT 영상으로부터 노이즈를 제거하도록 노이즈 제거 신경망 모델을 초기 학습시키는 초기 학습 단계;상기 초기 학습된 노이즈 제거 신경망 모델 및 생성적 적대 신경망 모델을 이용하여, 고해상 CT 영상에 대하여 노이즈가 합성된 가짜 CT 영상을 생성하여 학습 데이터를 증강시키는 데이터 증강 단계; 및상기 증강된 학습 데이터들을 이용하여 상기 노이즈 제거 신경망 모델을 재학습하여 미세 조정(fine-tuning)하는 미세 조정 단계;를 구비하는 것을 특징으로 하는 노이즈 제거 신경망 모델 학습 방법.

7

제6항에 있어서, 상기 데이터 증강 단계는, 생성자(Generator)가 입력된 잠재 벡터를 이용하여 노이즈가 합성된 가짜 노이즈 CT 영상을 생성하는 단계;사전 학습된 노이즈 제거 신경망 모델을 이용하여, 상기 가짜 CT 영상의 노이즈를 제거하여 디노이징된 가짜 CT 영상을 생성하고, 저선량 CT 영상의 노이즈를 제거하여 디노이징된 저선량 CT 영상을 생성하는 단계;제1 판별자(Discriminator 1)를 이용하여, 상기 디노이징된 가짜 CT 영상과 상기 디노이징된 저선량 CT 영상을 판별하는 단계; 및제2 판별자(Discriminator 2)를 이용하여, 상기 저선량 CT 영상과 상기 노이즈가 합성된 가짜 CT 영상을 판별하는 단계;를 구비하고, 상기 생성자는 상기 제1 및 제2 판별자로부터의 출력에 따라 학습되며, 상기 생성자로부터 출력되는 노이즈가 합성된 CT 영상을 학습 데이터에 추가하는 것을 특징으로 하는 노이즈 제거 신경망 모델 학습 방법.

10

제6항에 있어서, 상기 미세 조정 모듈은,고해상 CT 영상과 노이즈가 합성된 가짜 CT 영상을 이용하여 상기 노이즈 제거 신경망 모델을 재학습시키고,고해상 CT 영상과 저선량 CT 영상을 이용하여 상기 노이즈 제거 신경망 모델을 재학습시켜,상기 노이즈 제거 신경망 모델을 미세 조정(fine-tuning)하는 것을 특징으로 하는 노이즈 제거 신경망 모델 학습 방법.

도면대표도면