| 번호 | 청구항 |
|---|---|
| 1 | 컴퓨팅 장치에 의해 수행되는 의료영상의 화질평가 방법으로서, 복수의 의료영상들 각각에서 적어도 하나의 해부학적 구조물을 식별하고, 해당 의료영상을 상기 적어도 하나의 해부학적 구조물로 분할하여 구조물 영상들을 생성하는 단계, 상기 구조물 영상들 각각의 화질평가 점수를 측정하는 단계, 및상기 구조물 의료영상들 및 상기 화질평가 점수의 쌍을 포함하는 학습 데이터 셋을 기초로, 대상 의료영상을 입력 받아 임상적으로 중요한 해부학적 구조물을 고려하여 추론된 대상 화질평가 점수를 출력하도록, 화질평가 모델을 학습시키는 단계를 포함하고,상기 화질평가 모델은, 대상 구조물 영상의 분할 정확도 및 상기 대상 화질평가 점수의 추론 정확도가 동시에 최대화하는 방향으로 학습되거나,상기 대상 구조물 영상의 분할 정확도에 관한 손실함수 및 상기 대상 화질평가 점수의 추론 정확도에 관한 손실함수의 합산 값이 최소화되는 방향으로 학습되고,상기 대상 구조물 영상은 입력 영상을 분할하여 생성된 상기 임상적으로 중요한 해부학적 구조물에 관한 영상인, 의료영상의 화질평가 방법 |
| 2 | 제 1항에서, 상기 복수의 의료영상들은, 피검체를 촬영하여 획득되는 원본 의료영상들 및 상기 원본 의료영상들로부터 생성되는 가상 의료영상들 중 적어도 일부를 포함하는,의료영상의 화질평가 방법. |
| 3 | 제 2항에서, 상기 가상 의료영상들은, 포아송 분포를 기초로 서로 상이한 강도 값의 노이즈를 상기 원본 의료영상들에 적용하여 생성되는,의료영상의 화질평가 방법. |
| 4 | 제 1항에서, 상기 구조물 영상들은, 영상 분할 알고리즘을 기초로, 상기 복수의 의료영상들로부터 임상적 중요도에 따라 결정되는 상기 적어도 하나의 해부학적 구조물의 영역을 분할하여 생성되는,의료영상의 화질평가 방법. |
| 5 | 제 1항에서, 상기 화질평가 모델은, 상기 대상 의료영상을 영상 분할하여 생성된 상기 임상적으로 중요한 해부학적 구조물에 관한 대상 구조물 영상을, 상기 대상 화질평가 점수와 동시에 출력하는, 의료영상의 화질평가 방법. |
| 6 | 삭제 |
| 7 | 삭제 |
| 8 | 제 5항에서, 상기 화질평가 모델은, 입력된 상기 대상 의료영상으로부터 특징을 추출하는 인코더, 상기 특징을 기초로 상기 대상 의료영상으로부터 상기 대상 구조물 영상을 분할하는 제 1 디코더, 및상기 특징을 기초로 상기 대상 의료영상의 상기 대상 화질평가 점수를 추론하는 제 2 디코더를 포함하는, 의료영상의 화질평가 방법. |
| 9 | 삭제 |
| 10 | 컴퓨팅 장치에 의해 수행되는 의료영상의 화질평가 방법으로서, 화질평가 모델에 의해, 대상 의료영상을 입력 받는 단계, 상기 화질평가 모델에 의해, 상기 대상 의료영상으로부터 임상적으로 중요한 해부학적 구조물을 포함하도록 분할된 대상 구조물 영상을 출력하는 단계, 및상기 화질평가 모델에 의해, 상기 임상적으로 중요한 해부학적 구조물을 고려하여 추론된 상기 대상 의료영상의 대상 화질평가 점수를 출력하는 단계를 포함하고,상기 화질평가 모델은, 상기 대상 구조물 영상의 분할 정확도 및 상기 대상 화질평가 점수의 추론 정확도가 동시에 최대화 하는 방향으로 학습되거나,상기 대상 구조물 영상의 분할 정확도에 관한 손실함수 및 상기 대상 화질평가 점수의 추론 정확도에 관한 손실함수의 합산 값이 최소화되는 방향으로 학습되는, 의료영상의 화질평가 방법. |
| 11 | 삭제 |
| 12 | 제 10항에서, 상기 화질평가 모델은, 입력된 상기 대상 의료영상으로부터 특징을 추출하는 인코더, 상기 특징을 기초로 상기 대상 의료영상으로부터 상기 대상 구조물 영상을 분할하는 제 1 디코더, 및상기 특징을 기초로 상기 대상 의료영상의 상기 대상 화질평가 점수를 추론하는 제 2 디코더를 포함하는, 의료영상의 화질평가 방법. |
| 13 | 제 10항에서, 상기 방법은, 복수의 의료영상들 각각에 대하여, 적어도 하나의 해부학적 구조물을 포함하도록 구조물 영상들을 분할하는 단계, 상기 구조물 영상들 각각의 화질평가 점수를 측정하는 단계, 및상기 복수의 의료영상들 및 상기 화질평가 점수의 쌍을 포함하는 학습 데이터 셋을 기초로, 상기 화질평가 모델을 학습시키는 단계를 더 포함하는,의료영상의 화질평가 방법. |
| 14 | 제 13항에서, 상기 복수의 의료영상들은, 피검체를 촬영하여 획득되는 원본 의료영상들 및 상기 원본 의료영상들로부터 생성되는 가상 의료영상들 중 적어도 일부를 포함하는,의료영상의 화질평가 방법. |
| 15 | 제 14항에서, 상기 가상 의료영상들은, 포아송 분포를 기초로 서로 상이한 강도 값의 노이즈를 상기 원본 의료영상들에 적용하여 생성되는,의료영상의 화질평가 방법. |
| 16 | 제 13항에서, 상기 구조물 영상들은, 영상 분할 알고리즘을 기초로, 상기 복수의 의료영상들로부터 임상적 중요도에 따라 결정되는 상기 적어도 하나의 해부학적 구조물의 영역을 분할하여 생성되는,의료영상의 화질평가 방법. |
| 17 | 복수의 의료영상들 각각에서, 적어도 하나의 해부학적 구조물을 식별하고, 해당 의료영상을 상기 적어도 하나의 해부학적 구조물로 분할하여 구조물 영상들을 생성하는 영상 분할부,상기 구조물 영상들 각각의 화질평가 점수를 측정하는 화질점수 측정부, 및상기 구조물 의료영상들 및 상기 화질평가 점수의 쌍을 포함하는 학습 데이터 셋을 기초로, 대상 의료영상을 입력 받아 임상적으로 중요한 해부학적 구조물을 고려하여 추론된 대상 화질평가 점수를 출력하도록 학습되는, 화질평가 모델을 포함하고,상기 화질평가 모델은, 대상 구조물 영상의 분할 정확도 및 상기 대상 화질평가 점수의 추론 정확도가 동시에 최대화하는 방향으로 학습되거나,상기 대상 구조물 영상의 분할 정확도에 관한 손실함수 및 상기 대상 화질평가 점수의 추론 정확도에 관한 손실함수의 합산 값이 최소화되는 방향으로 학습되고,상기 대상 구조물 영상은 입력 영상을 분할하여 생성된 상기 해부학적 구조물에 관한 영상인, 의료영상의 화질평가 장치. |
| 18 | 제 17항에서, 상기 복수의 의료영상들은,피검체를 촬영하여 획득되는 원본 의료영상들 및 상기 원본 의료영상들로부터 생성되는 가상 의료영상들 중 적어도 일부를 포함하고, 상기 의료영상의 화질평가 장치는, 서로 상이한 강도 값의 노이즈를 상기 원본 의료영상들에 적용하여 상기 가상 의료영상들을 생성하는 가상 영상 생성부를 더 포함하는, 의료영상의 화질평가 장치. |
| 19 | 제 17항에서, 상기 화질평가 모델은, 상기 대상 의료영상을 영상 분할하여 생성된 상기 임상적으로 중요한 해부학적 구조물에 관한 대상 구조물 영상을, 상기 대상 화질평가 점수와 동시에 출력하는, 의료영상의 화질평가 장치. |
| 20 | 삭제 |
