아밀로이드 제재가 투여된 진단 대상자의 뇌를 단층 촬영하는 PET 기법에 따라 복수 개의 단층 촬영 이미지를 획득한 후, 상기 단층 촬영 이미지를 기설정된 영상처리 기법에 따라 정규화하여 합성곱 신경망에 따른 소정의 학습모델에 적용하기 위한 이미지 데이터셋을 획득하는 이미지 전처리 모듈;합성곱 신경망에 따른 이미지 학습이 수행가능하며 학습결과 기설정된 복수 개의 분류값들 중 어느 하나의 분류값에 대한 확률값이 출력 가능한 복수 개의 학습모델들을 저장하는 학습모델 DB부;상기 학습모델 DB부에 포함된 복수 개의 학습모델들 중 어느 하나를 사용자의 입력에 따라 선택받으며, 학습률, 클래스 개수, 전체학습 반복 횟수 각각에 대응되는 설계값들을 사용자로부터 입력받는 학습모델 설정 모듈;상기 획득된 이미지 데이터셋을 구성하는 복수 개의 이미지를 기설정된 그룹 수를 가지도록 일정 개수로 분할하여 그룹화한 복수 개의 분할 이미지 데이터셋을 생성하는 데이터셋 그룹화부;상기 복수 개의 분할 이미지 데이터셋 중 어느 하나를 학습모델의 성능을 평가하기 위한 평가대상 이미지로 설정하고 상기 복수 개의 분할 이미지 데이터셋 중 나머지는 학습모델의 훈련을 위한 학습 이미지로 설정하는 데이터셋 유형 설정부;상기 학습모델 설정 모듈에서 선택된 학습모델에 상기 학습 이미지와 상기 평가대상 이미지를 각각 적용하고 상기 설계값에 대응되도록 학습이 수행됨에 따라 도출되는 학습 파라미터들에 대한 비교를 수행하는 검증 프로세스를 수행하는 검증부;상기 검증 프로세스에서 수행된 비교 결과에 기초한 정확도값을 산출하는 결과 산출부;상기 학습모델 설정 모듈에서 선택된 학습모델에 상기 학습 이미지들을 적용하고 상기 설계값에 대응되도록 학습이 수행됨에 따라 도출되는 학습 파라미터들과, 상기 평가대상 이미지에 기초하여 아밀로이드 제재가 침착된 정도에 대응하여 기설정된 복수 개의 클래스 중 적어도 하나의 클래스에 대응되는 사후 확률값을 산출하는 확률값 산출 모듈; 및상기 사후 확률값과 이에 대응되는 클래스에 대응하여 기저장된 질환명 분류값을 상기 평가대상 이미지와 함께 화면상의 소정 영역에 표시하는 분류 결과 UI를 생성하는 출력 모듈;을 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 장치.

삭제

제1항에 있어서,상기 학습모델 설정 모듈은 학습모델의 성능을 평가하기 위한 검증을 수행하는 횟수에 대한 검증횟수 설정값을 사용자로부터 추가로 입력받으며,상기 데이터셋 그룹화부는 상기 검증횟수 설정값에 대응되는 그룹 수의 상기 분할 이미지 데이터셋을 생성하고,상기 데이터셋 유형 설정부는 상기 검증횟수 설정값에 기초한 설정 횟수만큼 반복하여 상기 복수 개의 분할 이미지 데이터셋 중 어느 하나를 상기 평가대상 이미지로 설정하되 매 회차마다 상기 평가대상 이미지가 중복되지 않게 달리 설정되도록 하고,상기 검증부는 상기 검증 프로세스를 상기 검증횟수 설정값에 대응하는 횟수만큼 반복하여 교차 검증을 수행하며,상기 결과 산출부는 각각의 상기 검증 프로세스에서 수행된 비교 결과에 기초한 회차별 정확도값을 이용하여 상기 정확도값에 대한 표준편차값을 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 장치.

제3항에 있어서,상기 출력 모듈은,상기 학습모델 설정 모듈에서 선택된 학습모델에 상기 설계값에 대응되도록 학습이 수행되는 경우의 성능 평가 결과로서 상기 산출된 정확도값과 표준편차값 중 적어도 하나에 기초한 표 또는 그래프를 생성하여 화면상의 소정 영역에 표시하는 성능평가지표 UI를 생성하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 장치.

제1항에 있어서,상기 이미지 전처리 모듈은,상기 복수 개의 단층 촬영 이미지를 입력받는 이미지 입력부;상기 단층 촬영 이미지의 소정 영역에 대응하는 3D 좌표 정보를 가지는 각각의 복셀의 값을 인접한 이웃 복셀의 값을 평균하는 방식으로 보정함에 따라 편평화하는 편평화부;뇌 영역에 대응하는 객체 영역과 배경 영역을 구분하도록 상기 객체 영역에 대응하는 픽셀의 위치 좌표에 따라 기설정된 제1 템플릿에 기초하여 상기 편평화된 이미지에서 상기 배경 영역을 제거함에 따라 공간 정규화하는 공간 정규화부;뇌 병변의 유무가 관찰되는 특이성 섭취영역과 비특이성 섭취영역을 구분하도록 상기 특이성 섭취영역에 대응하여 기설정된 마스크를 적용하여 상기 공간 정규화된 이미지의 전체 영역을 상기 비특이성 섭취영역의 밝기값으로 정규화함에 따라 강도 정규화하는 강도 정규화부; 및뇌 영역 중 뇌조직을 제외한 두개골 영역에 해당하는 뇌의 회백질 및 백질에 대응하는 픽셀의 위치 좌표에 따라 기설정된 제2 템플릿과 상기 강도 정규화된 이미지에 각각 대응하는 픽셀 간 곱을 이용하여 상기 강도 정규화된 이미지에서 상기 두개골 영역을 제거하여 상기 뇌조직 영역을 강조 처리하는 강조화부;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 장치.

제5항에 있어서,상기 이미지 전처리 모듈은,상기 강조 처리된 이미지가 가지는 픽셀값들을 기설정된 범위 내의 값으로 축소 변환하여 스케일링하는 스케일링부;상기 스케일링된 이미지의 픽셀값 분포를 표준 정규분포로 변환하는 표준화부; 및상기 표준 정규분포로 변환된 이미지의 픽셀값의 최소값 및 최대값을 각각 0과 1로 정규화하여 0 내지 1 범위의 분포를 가지도록 변환하는 최소최대 정규화부;를 더 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 장치.

제5항에 있어서,상기 공간 정규화부는,상기 제1 템플릿을 기준으로 상기 편평화된 이미지에서 뇌 영역에 대응하는 객체 영역이 상기 단층 촬영 이미지의 중앙에 위치하도록 해당 영역의 픽셀 위치를 이동 변환하는 워핑을 수행한 후 상기 객체 영역을 경계로 한 테두리의 배경 영역을 제거하는 크로핑을 수행함으로써 공간 정규화하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 장치

제6항에 있어서,상기 출력 모듈은, 상기 이미지 전처리 모듈에 의해 순차적으로 수행되는 기설정된 복수 개의 영상처리 기법에 의한 전처리 작업 각각에 대응하도록 도식화한 기저장된 복수 개의 작업 아이콘 이미지를 화면상의 소정 영역에 기설정된 순서 정보에 따라 배열하되, 인접한 한 쌍의 상기 작업 아이콘 이미지 사이의 빈 영역에 작업 간 연결관계를 나타내는 노드 아이콘 이미지 또는 상기 순서 정보에 기초한 작업 순서를 나타내는 화살표 아이콘 이미지를 배치하여 표시하는 작업순서도 UI를 생성하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 장치.

아밀로이드 제재가 투여된 진단 대상자의 뇌를 단층 촬영하는 PET 기법에 따라 복수 개의 단층 촬영 이미지를 획득한 후, 상기 단층 촬영 이미지를 기설정된 영상처리 기법에 따라 정규화하여 합성곱 신경망에 따른 소정의 학습모델에 적용하기 위한 이미지 데이터셋을 획득하는 이미지 전처리 단계;합성곱 신경망에 따른 이미지 학습이 수행가능하며 학습결과 기설정된 복수 개의 분류값들 중 어느 하나의 분류값에 대한 확률값이 출력 가능한 복수 개의 학습모델들이 기저장된 상태에서, 상기 복수 개의 학습모델들 중 어느 하나를 사용자의 입력에 따라 선택받으며, 학습률, 클래스 개수, 전체학습 반복 횟수 각각에 대응되는 설계값들을 사용자로부터 입력받는 학습모델 설정 단계;상기 획득된 이미지 데이터셋을 구성하는 복수 개의 이미지를 기설정된 그룹 수를 가지도록 일정 개수로 분할하여 그룹화한 복수 개의 분할 이미지 데이터셋을 생성하는 데이터셋 그룹화 단계;상기 복수 개의 분할 이미지 데이터셋 중 어느 하나를 학습모델의 성능을 평가하기 위한 평가대상 이미지로 설정하고 상기 복수 개의 분할 이미지 데이터셋 중 나머지는 학습모델의 훈련을 위한 학습 이미지로 설정하는 데이터셋 유형 설정 단계;상기 학습모델 설정 단계에서 선택된 학습모델에 상기 학습 이미지와 상기 평가대상 이미지를 각각 적용하고 상기 설계값에 대응되도록 학습이 수행됨에 따라 도출되는 학습 파라미터들에 대한 비교를 수행하는 검증 프로세스를 수행하는 검증 수행 단계;상기 검증 프로세스에서 수행된 비교 결과에 기초한 정확도값을 산출하는 검증 결과 산출 단계;상기 학습모델 설정 단계에서 선택된 학습모델에 상기 학습 이미지들을 적용하고 상기 설계값에 대응되도록 학습이 수행됨에 따라 도출되는 학습 파라미터들과, 상기 평가대상 이미지에 기초하여 아밀로이드 제재가 침착된 정도에 대응하여 기설정된 복수 개의 클래스 중 적어도 하나의 클래스에 대응되는 사후 확률값을 산출하는 단계; 및상기 사후 확률값과 이에 대응되는 클래스에 대응하여 기저장된 질환명 분류값을 상기 평가대상 이미지와 함께 화면상의 소정 영역에 표시하는 분류 결과 UI를 생성하는 단계;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 방법.

삭제

제9항에 있어서,상기 학습모델 설정 단계에서는 학습모델의 성능을 평가하기 위한 검증을 수행하는 횟수에 대한 검증횟수 설정값을 사용자로부터 추가로 입력받고,상기 데이터셋 그룹화 단계는 상기 검증횟수 설정값에 대응되는 그룹 수의 상기 분할 이미지 데이터셋을 생성하고,상기 데이터셋 유형 설정 단계는, 상기 검증횟수 설정값에 기초한 설정 횟수만큼 반복하여 상기 복수 개의 분할 이미지 데이터셋 중 어느 하나를 상기 평가대상 이미지로 설정하되 매 회차마다 상기 평가대상 이미지가 중복되지 않게 달리 설정되도록 하고,상기 검증 수행 단계는, 상기 검증 프로세스를 상기 검증횟수 설정값에 대응하는 횟수만큼 반복하여 교차 검증을 수행하며,상기 검증 결과 산출 단계는, 각각의 상기 검증 프로세스에서 수행된 비교 결과에 기초한 회차별 정확도값을 이용하여 상기 정확도값에 대한 표준편차값을 산출하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 방법.

제11항에 있어서,상기 학습모델 설정 단계에서 선택된 학습모델에 상기 설계값에 대응되도록 학습이 수행되는 경우의 성능 평가 결과로서 상기 산출된 정확도값과 표준편차값 중 적어도 하나에 기초한 표 또는 그래프를 생성하여 화면상의 소정 영역에 표시하는 성능평가지표 UI를 생성하는 단계;를 더 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 방법.

제9항에 있어서,상기 이미지 전처리 단계는,상기 복수 개의 단층 촬영 이미지를 입력받는 단계;상기 단층 촬영 이미지의 소정 영역에 대응하는 3D 좌표 정보를 가지는 각각의 복셀의 값을 인접한 이웃 복셀의 값을 평균하는 방식으로 보정함에 따라 편평화하는 단계;뇌 영역에 대응하는 객체 영역과 배경 영역을 구분하도록 상기 객체 영역에 대응하는 픽셀의 위치 좌표에 따라 기설정된 제1 템플릿에 기초하여 상기 편평화된 이미지에서 상기 배경 영역을 제거함에 따라 공간 정규화하는 단계;뇌 병변의 유무가 관찰되는 특이성 섭취영역과 비특이성 섭취영역을 구분하도록 상기 특이성 섭취영역에 대응하여 기설정된 마스크를 적용하여 상기 공간 정규화된 이미지의 전체 영역을 상기 비특이성 섭취영역의 밝기값으로 정규화함에 따라 강도 정규화하는 단계; 및뇌 영역 중 뇌조직을 제외한 두개골 영역에 해당하는 뇌의 회백질 및 백질에 대응하는 픽셀의 위치 좌표에 따라 기설정된 제2 템플릿과 상기 강도 정규화된 이미지에 각각 대응하는 픽셀 간 곱을 이용하여 상기 강도 정규화된 이미지에서 상기 두개골 영역을 제거하여 상기 뇌조직 영역을 강조 처리하는 단계;를 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 방법.

제13항에 있어서,상기 이미지 전처리 단계는,상기 강조 처리된 이미지가 가지는 픽셀값들을 기설정된 범위 내의 값으로 축소 변환하여 스케일링하는 단계;상기 스케일링된 이미지의 픽셀값 분포를 표준 정규분포로 변환하는 단계; 및상기 표준 정규분포로 변환된 이미지의 픽셀값의 최소값 및 최대값을 각각 0과 1로 정규화하여 0 내지 1 범위의 분포를 가지도록 변환하는 단계;를 더 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 방법.

제13항에 있어서,상기 공간 정규화하는 단계는,상기 제1 템플릿을 기준으로 상기 편평화된 이미지에서 뇌 영역에 대응하는 객체 영역이 상기 단층 촬영 이미지의 중앙에 위치하도록 해당 영역의 픽셀 위치를 이동 변환하는 워핑을 수행한 후 상기 객체 영역을 경계로 한 테두리의 배경 영역을 제거하는 크로핑을 수행함으로써 공간 정규화하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 방법.

제14항에 있어서,상기 이미지 전처리 단계 이후에,상기 이미지 전처리 단계에 순차적으로 수행되는 복수 개의 전처리 작업 각각에 대응하도록 도식화한 기저장된 복수 개의 작업 아이콘 이미지를 화면상의 소정 영역에 기설정된 순서 정보에 따라 배열하되, 인접한 한 쌍의 상기 작업 아이콘 이미지 사이의 빈 영역에 작업 간 연결관계를 나타내는 노드 아이콘 이미지 또는 상기 순서 정보에 기초한 작업 순서를 나타내는 화살표 아이콘 이미지를 배치하여 표시하는 작업순서도 UI를 생성하는 단계;를 더 포함하는 것을 특징으로 하는 뇌질환 판단을 위한 딥러닝 기반의 PET 영상 분류 방법.