척추 분류 모델;기 획득된 다수의 흉부 촬영 영상과 복부 촬영 영상에 기반하여, 척추 영역을 경추, 흉추 1 내지 12, 요추 1 내지 5, 천추 1의 총 19개 클래스로 분류한 다수의 데이터 셋을 추출 및 저장하는 학습 데이터 수집부;상기 다수의 데이터 셋에 기반하여 상기 척추 분류 모델에 입력 영상에 상응하는 척추 분류 결과를 전이 학습시키는 척추 분류 모델 학습부; 환자의 흉부와 복부 중 적어도 한 부위를 촬영한 의료 영상을 획득하는 의료 영상 획득부; 및 상기 척추 분류 모델을 통해 상기 의료 영상에 상응하는 척추 분류 결과를 획득한 후, 사용자 안내하는 의료 영상 분석부를 포함하는 의료 영상 기반 척추 자동 분류 장치.

제1항에 있어서, 상기 척추 분류 모델은 EfficientNetV2 모델로 구현되어 클래스별 특징을 추출하는 특징 추출 모듈, 활성화 함수를 통해 클래스별 특징에 상응하는 클래스별 확률을 획득한 후, 예측 함수를 통해 가장 큰 확률의 클래스를 예측값으로 산출하는 분류 모듈 및 손실 함수를 통해 예측값과 실제값과의 차이를 수치화한 후, 최적화기를 통해 모델 가중치를 업데이트하는 최적화 모듈로 구현되며, 학습을 위한 하이퍼 파라미터로 의료 영상의 원본 사이즈를 입력 사이즈로, 소프트 맥스를 활성화 함수로, 다중 분류 손실 함수를 손실 함수로, Adam 2를 최적화기로 선택 및 적용되는 것을 특징으로 하는 의료 영상 기반 척추 자동 분류 장치.

제1항에 있어서, 상기 의료 영상 분석부는 상기 의료 영상에 속하는 다수의 시상 영상을 척추 분류 결과에 따라 다수의 슬라이스 그룹으로 분류한 후 슬라이스 그룹별로 표시 색상을 달리하여, 척추 분류 결과를 시각화하여 사용자 안내하는 것을 특징으로 하는 의료 영상 기반 척추 자동 분류 장치.