사용자의 입력에 따른 탐색 범위의 길이 및 해상도의 곱에 대한 이진 로그값의 올림 함수에 기초하여 활성 함수, 최적화 함수 및 콘볼루션 필터에 대응하는 범주형 변수에 이진 데이터 값이 할당되기 위한 비트 수를 설정하는 초기 세대 설정부;활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값에 각각 대응되는 이진 데이터 값의 할당이 가능한 데이터 할당 영역을 가지며 상기 초기 세대 설정부에 의해 설정된 비트 수로 할당되는 복수 개의 부모 크로모좀 데이터 세트들을 생성하되, 상기 복수 개의 부모 크로모좀 데이터 세트들 각각에 대한 상기 활성 함수 선택값, 상기 최적화 함수 선택값, 상기 콘볼루션 커널 선택값을 균등 분포된 0 또는 1 값을 가지는 확률 분포에 기초하여 랜덤하게 할당함에 따라 상기 복수 개의 부모 크로모좀 데이터 세트들에 대한 매트릭스를 생성하는 부모 크로모좀 데이터 생성부;생성된 매트릭스에 할당된 이진 데이터 값을 10진수로 변환한 값과 상기 탐색 범위의 길이를 2의 비트 수 제곱으로 나눈 값을 곱한 후 사용자의 입력에 따른 상기 탐색 범위의 최소 범위값을 합한 결과값에 기초하여 상기 이진 데이터 값을 실수값으로 변환하는 디코딩부;변환된 실수값에 기초하여 활성 함수 선택값, 최적화 함수 선택값 및 콘볼루션 커널 선택값을 조합함에 따라 각 부모 크로모좀 데이터 세트에 대응되는 복수 개의 기계 학습 모델들을 생성하는 학습 모델 생성부;상기 복수 개의 기계 학습 모델들에 기초하여 복수 개의 학습 이미지 데이터들을 이용한 기계 학습을 수행하고 기계 학습을 수행함에 따른 특징 파라미터들을 기계 학습 모델별로 획득하는 학습부;상기 복수 개의 기계 학습 모델들 각각에 대한 기계 학습이 수행됨에 따라 획득되는 기계 학습 모델별 특징 파라미터들에 기초하여 기설정된 확인 이미지 데이터를 기설정된 복수 개의 분류값들 중 어느 하나의 분류값이 선택되도록 하여 분류하고, 상기 분류값이 기설정된 지도학습값에 대응되는지 여부를 확률값으로 산출하여 상기 복수 개의 기계 학습 모델들의 정확도를 산출하는 정확도 산출부; 상기 복수 개의 기계 학습 모델들의 정확도가 서로 상이한 경우, 각 기계 학습 모델의 정확도에 따라 우선순위를 설정하고 사용자의 입력에 따라 설정된 개수만큼 높은 순위를 가지는 복수 개의 부모 크로모좀 데이터 세트들을 선택하는 선택 연산을 수행하는 선택 연산부;선택 연산된 복수 개의 부모 크로모좀 데이터 세트들 중에서 임의로 제1 및 제2 부모 크로모좀 데이터 세트를 선정하여 상기 제1 및 제2 부모 크로모좀 데이터 세트의 각 비트 길이만큼 0 내지 1 사이에 해당하는 임의의 실수값을 부여하고, 부여된 실수값을 기설정된 임계값과 비트 번호별로 비교한 결과에 따라 상기 제1 및 제2 부모 크로모좀 데이터 세트 중 어느 하나에 대응되는 비트를 교차 선택하여 교차 선택된 비트들을 비트 번호순으로 조합하는 균일 교차 연산을 수행하는 교차 연산부;상기 복수 개의 부모 크로모좀 데이터 세트들에 대하여 선택 연산, 교차 연산 중 어느 하나의 연산을 사용자의 입력에 따른 기설정된 임계 세대값만큼 수행함에 따라 상기 부모 크로모좀 데이터 세트가 가지는 상기 활성 함수 선택값, 상기 최적화 함수 선택값, 상기 콘볼루션 커널 선택값을 유지 또는 변경함에 따른 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 자녀 크로모좀 데이터 생성부;상기 부모 크로모좀 데이터 세트가 생성되면 기설정된 초기값에 따른 세대값을 생성하고, 선택 연산, 교차 연산 중 어느 하나의 연산이 수행되어 상기 부모 크로모좀 데이터 세트에 기초하여 상기 자녀 크로모좀 데이터 세트가 생성되거나 또는 상기 자녀 크로모좀 데이터 세트에 기초하여 다른 자녀 크로모좀 데이터 세트가 생성되는 경우, 상기 세대값에 기설정된 값을 가산하여 자녀 크로모좀 데이터 세트 각각에 대한 세대값을 계산하는 세대값 계산부; 및상기 복수 개의 기계 학습 모델들의 정확도가 모두 동일한지 여부와 상기 세대값 계산부에 의해 계산된 세대값이 상기 임계 세대값에 해당하는지 여부 중 적어도 하나에 기초하여 가장 높은 정확도를 가지는 기계 학습 모델을 선택하여 최적화된 기계 학습 모델을 결정하는 최적 학습 모델 결정부;를 포함하며,상기 학습부는,아밀로이드 제제가 투여된 진단 대상자의 뇌를 단층 촬영함에 따라 획득되는 복수 개의 단층 촬영 이미지를 학습 이미지 데이터로 입력받는 학습 이미지 데이터 입력부;복수 개의 상기 단층 촬영 이미지를 기설정된 기준 좌표에 맞게 배치하고 상기 단층 촬영 이미지에서 아밀로이드가 침착된 정도에 따라 고음영 부분과 저음영 부분으로 구분되는 뇌 영역에 대응하는 객체 영역이 이미지의 중앙에 위치하도록 함으로써 동일한 모양과 형태로 공간 정규화하여 공간 정규화된 단층 촬영 이미지를 생성하는 공간 정규화부;상기 공간 정규화된 단층 촬영 이미지에 있어서 상기 뇌 영역에 해당하는 부분을 경계로 한 테두리 부분을 포함하되 기설정된 이미지 사이즈를 가지도록 상기 뇌 영역에 해당하는 부분을 경계로 한 테두리의 배경 영역을 제거하는 크로핑부;상기 배경 영역이 제거된 단층 촬영 이미지가 가지는 전체 픽셀값을 병의 유무에 상관없이 항상 아밀로이드 침착이 되는 비특이성 섭취 영역인 뇌 백질 영역에 해당하는 픽셀값으로 나누어 비특이성 섭취 영역의 픽셀 강도를 평균적으로 균일하게 만드는 강도 정규화를 수행하고 강도 정규화된 단층 촬영 이미지를 생성하는 강도 정규화부;상기 강도 정규화된 단층 촬영 이미지가 가지는 픽셀값들을 기설정된 범위 내의 값으로 스케일링함에 따라 딥러닝 기반의 합성곱 신경망에서 학습할 가중치의 스케일이 기설정된 일정 범위에 분포하도록 하는 정규화 이미지를 생성하는 스케일링부; 및상기 복수 개의 기계 학습 모델들 각각에 대해서 상기 정규화 이미지를 입력하여 기계학습을 수행하고 상기 정규화 이미지의 특징 파라미터를 획득하는 기계 학습부;를 포함하는 것인 유전알고리즘에 기초한 최적화된 학습 모델 결정 장치.

삭제

제1항에 있어서,상기 선택 연산부는,선택된 복수 개의 부모 크로모좀 데이터 세트들 중에서 어느 하나의 부모 크로모좀 데이터 세트가 가지는 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값과 각각 동일한 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 선택 연산을 수행하는 것이고,상기 교차 연산부는,상기 제1 및 제2 부모 크로모좀 데이터 세트가 가지는 활성 함수 선택값들 중 어느 하나, 최적화 함수 선택값들 중 어느 하나, 콘볼루션 커널 선택값들 중 어느 하나를 각각 선택함에 따른 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 교차 연산을 수행하는 것인 유전알고리즘에 기초한 최적화된 학습 모델 결정 장치.

삭제

제3항에 있어서,복수 개의 부모 크로모좀 데이터 세트들에서 선택된 두 개의 부모 크로모좀 데이터 세트들이 가지는 활성 함수 선택값들 중 어느 하나, 최적화 함수 선택값들 중 어느 하나, 콘볼루션 커널 선택값들 중 어느 하나를 각각 선택하되 선택된 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값 중 적어도 하나를 기존 선택값과는 다른 선택값을 가지도록 변경하여 자녀 크로모좀 데이터 세트를 생성하는 돌연변이 연산을 수행하는 돌연변이 연산부;를 더 포함하고,상기 자녀 크로모좀 데이터 생성부는,사용자의 입력에 따른 기설정된 임계 세대값만큼 상기 선택 연산, 상기 교차 연산 및 상기 돌연변이 연산 중 어느 하나의 연산을 수행함에 따라 상기 선택 연산, 상기 교차 연산, 상기 돌연변이 연산을 수행하기 전의 자녀 크로모좀 데이터 세트의 세대값과는 다른 세대값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 것인 유전알고리즘에 기초한 최적화된 학습 모델 결정 장치.

삭제

제5항에 있어서,사용자의 입력에 따라 상기 돌연변이 연산부에서 수행되는 돌연변이 연산의 반복 주기인 세대 단위값을 설정하는 변위 발생 세대 단위값 설정부;를 더 포함하고,상기 돌연변이 연산부는,상기 변위 발생 세대 단위값 설정부에서 설정한 상기 세대 단위값 마다 상기 돌연변이 연산을 수행하는 것인 유전알고리즘에 기초한 최적화된 학습 모델 결정 장치.

삭제

사용자의 입력에 따른 탐색 범위의 길이 및 해상도의 곱에 대한 이진 로그값의 올림 함수에 기초하여 활성 함수, 최적화 함수 및 콘볼루션 필터에 대응하는 범주형 변수에 이진 데이터 값이 할당되기 위한 비트 수를 설정하는 단계;활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값에 각각 대응되는 이진 데이터 값의 할당이 가능한 데이터 할당 영역을 가지며 상기 설정하는 단계에 의해 설정된 비트 수로 할당되는 복수 개의 부모 크로모좀 데이터 세트들을 생성하되, 상기 복수 개의 부모 크로모좀 데이터 세트들 각각에 대한 상기 활성 함수 선택값, 상기 최적화 함수 선택값, 상기 콘볼루션 커널 선택값을 균등 분포된 0 또는 1 값을 가지는 확률 분포에 따라 랜덤하게 할당함에 따라 상기 복수 개의 부모 크로모좀 데이터 세트들에 대한 매트릭스를 생성하는 단계;생성된 매트릭스에 할당된 이진 데이터 값을 10진수로 변환한 값과 상기 탐색 범위의 길이를 2의 비트 수 제곱으로 나눈 값을 곱한 후 사용자의 입력에 따른 상기 탐색 범위의 최소 범위값을 합한 결과값에 기초하여 상기 이진 데이터 값을 실수값으로 변환하는 단계;변환된 실수값에 기초하여 활성 함수 선택값, 최적화 함수 선택값 및 콘볼루션 커널 선택값을 조합함에 따라 각 부모 크로모좀 데이터 세트에 대응되는 복수 개의 기계 학습 모델들을 생성하는 단계;상기 복수 개의 기계 학습 모델들에 기초하여 복수 개의 학습 이미지 데이터들을 이용한 기계 학습을 수행하고 기계 학습을 수행함에 따른 특징 파라미터들을 기계 학습 모델별로 획득하는 단계;상기 복수 개의 기계 학습 모델들 각각에 대한 기계 학습이 수행됨에 따라 획득되는 기계 학습 모델별 특징 파라미터들에 기초하여 기설정된 확인 이미지 데이터를 기설정된 복수 개의 분류값들 중 어느 하나의 분류값이 선택되도록 하여 분류하고, 상기 분류값이 기설정된 지도학습값에 대응되는지 여부를 확률값으로 산출하여 상기 복수 개의 기계 학습 모델들의 정확도를 산출하는 단계;상기 복수 개의 기계 학습 모델들의 정확도가 서로 상이한 경우, 각 기계 학습 모델의 정확도에 따라 우선순위를 설정하고 사용자의 입력에 따라 설정된 개수만큼 높은 순위를 가지는 복수 개의 부모 크로모좀 데이터 세트들을 선택하는 선택 연산을 수행하는 단계;선택 연산된 복수 개의 부모 크로모좀 데이터 세트들 중에서 임의로 제1 및 제2 부모 크로모좀 데이터 세트를 선정하여 상기 제1 및 제2 부모 크로모좀 데이터 세트의 각 비트 길이만큼 0 내지 1 사이에 해당하는 임의의 실수값을 부여하고, 부여된 실수값을 기설정된 임계값과 비트 번호별로 비교한 결과에 따라 상기 제1 및 제2 부모 크로모좀 데이터 세트 중 어느 하나에 대응되는 비트를 교차 선택하여 교차 선택된 비트들을 비트 번호순으로 조합하는 균일 교차 연산을 수행하는 단계;상기 복수 개의 부모 크로모좀 데이터 세트들에 대하여 선택 연산, 교차 연산 중 어느 하나의 연산을 사용자의 입력에 따른 기설정된 임계 세대값만큼 수행함에 따라 상기 부모 크로모좀 데이터 세트가 가지는 상기 활성 함수 선택값, 상기 최적화 함수 선택값, 상기 콘볼루션 커널 선택값을 유지 또는 변경함에 따른 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 단계;상기 부모 크로모좀 데이터 세트가 생성되면 기설정된 초기값에 따른 세대값을 생성하고, 선택 연산, 교차 연산 중 어느 하나의 연산이 수행되어 상기 부모 크로모좀 데이터 세트에 기초하여 상기 자녀 크로모좀 데이터 세트가 생성되거나 또는 상기 자녀 크로모좀 데이터 세트에 기초하여 다른 자녀 크로모좀 데이터 세트가 생성되는 경우, 상기 세대값에 기설정된 값을 가산하여 자녀 크로모좀 데이터 세트 각각에 대한 세대값을 계산하는 단계; 및상기 복수 개의 기계 학습 모델들의 정확도가 모두 동일한지 여부와 상기 세대값을 계산하는 단계에 의해 계산된 세대값이 상기 임계 세대값에 해당하는지 여부 중 적어도 하나에 기초하여 가장 높은 정확도를 가지는 기계 학습 모델을 선택하여 최적화된 기계 학습 모델을 결정하는 단계;를 포함하며,상기 특징 파라미터들을 획득하는 단계는,아밀로이드 제제가 투여된 진단 대상자의 뇌를 단층 촬영함에 따라 획득되는 복수 개의 단층 촬영 이미지를 학습 이미지 데이터로 입력받는 단계;복수 개의 상기 단층 촬영 이미지를 기설정된 기준 좌표에 맞게 배치하고 상기 단층 촬영 이미지에서 아밀로이드가 침착된 정도에 따라 고음영 부분과 저음영 부분으로 구분되는 뇌 영역에 대응하는 객체 영역이 이미지의 중앙에 위치하도록 함으로써 동일한 모양과 형태로 공간 정규화하여 공간 정규화된 단층 촬영 이미지를 생성하는 단계;상기 공간 정규화된 단층 촬영 이미지에 있어서 상기 뇌 영역에 해당하는 부분을 경계로 한 테두리 부분을 포함하되 기설정된 이미지 사이즈를 가지도록 상기 뇌 영역에 해당하는 부분을 경계로 한 테두리의 배경 영역을 제거하는 단계;상기 배경 영역이 제거된 단층 촬영 이미지가 가지는 전체 픽셀값을 병의 유무에 상관없이 항상 아밀로이드 침착이 되는 비특이성 섭취 영역인 뇌 백질 영역에 해당하는 픽셀값으로 나누어 비특이성 섭취 영역의 픽셀 강도를 평균적으로 균일하게 만드는 강도 정규화를 수행하고 강도 정규화된 단층 촬영 이미지를 생성하는 단계;상기 강도 정규화된 단층 촬영 이미지가 가지는 픽셀값들을 기설정된 범위 내의 값으로 스케일링함에 따라 딥러닝 기반의 합성곱 신경망에서 학습할 가중치의 스케일이 기설정된 일정 범위에 분포하도록 하는 정규화 이미지를 생성하는 단계; 및상기 복수 개의 기계 학습 모델들 각각에 대해서 상기 정규화 이미지를 입력하여 기계학습을 수행하고 상기 정규화 이미지의 특징 파라미터를 획득하는 단계;를 포함하는 것인 유전알고리즘에 기초한 최적화된 학습 모델 결정 방법.

삭제

제9항에 있어서,상기 선택 연산을 수행하는 단계는,선택된 복수 개의 부모 크로모좀 데이터 세트들 중에서 어느 하나의 부모 크로모좀 데이터 세트가 가지는 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값과 각각 동일한 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 선택 연산을 수행하는 것이고,상기 교차 연산을 수행하는 단계는,상기 제1 및 제2 부모 크로모좀 데이터 세트가 가지는 활성 함수 선택값들 중 어느 하나, 최적화 함수 선택값들 중 어느 하나, 콘볼루션 커널 선택값들 중 어느 하나를 각각 선택함에 따른 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 교차 연산을 수행하는 것인 유전알고리즘에 기초한 최적화된 학습 모델 결정 방법.

삭제

제11항에 있어서,상기 균일 교차 연산을 수행하는 단계와 상기 자녀 크로모좀 데이터 세트를 생성하는 단계 사이에,복수 개의 부모 크로모좀 데이터 세트들에서 선택된 두 개의 부모 크로모좀 데이터 세트들이 가지는 활성 함수 선택값들 중 어느 하나, 최적화 함수 선택값들 중 어느 하나, 콘볼루션 커널 선택값들 중 어느 하나를 각각 선택하되 선택된 활성 함수 선택값, 최적화 함수 선택값, 콘볼루션 커널 선택값 중 적어도 하나를 기존 선택값과는 다른 선택값을 가지도록 변경하여 자녀 크로모좀 데이터 세트를 생성하는 돌연변이 연산을 수행하는 단계;를 더 포함하고,상기 자녀 크로모좀 데이터 세트를 생성하는 단계는,사용자의 입력에 따른 기설정된 임계 세대값만큼 상기 선택 연산, 상기 교차 연산 및 상기 돌연변이 연산 중 어느 하나의 연산을 수행함에 따라 상기 선택 연산, 상기 교차 연산, 상기 돌연변이 연산을 수행하기 전의 자녀 크로모좀 데이터 세트의 세대값과는 다른 세대값을 가지는 자녀 크로모좀 데이터 세트를 생성하는 것인 유전알고리즘에 기초한 최적화된 학습 모델 결정 방법.

삭제