두경부 이미지 구획화 방법에 있어서,사용자의 두경부에 대한 해부학적 이미지를 포함하는 이미지 데이터를 수신하는 단계;상기 수신한 이미지 데이터에 대하여 해상도를 조정하는 데이터 전처리를 수행하는 단계;상기 데이터 전처리가 수행된 이미지 데이터에 기초하여 뉴럴 네트워크 기반의 구획화 모델을 학습시키는 단계; 및상기 학습된 구획화 모델을 이용하여 상기 데이터 전처리가 수행된 이미지 데이터를 해부학적 부위별로 구획화한 결과 이미지를 생성하는 단계를 포함하고,상기 구획화 모델은,인코더 네트워크, 디코더 네트워크 및 상기 인코더 네트워크와 상기 디코더 네트워크 사이에 배치된 어텐션 기반 정규화 레이어(attention based normalization layer)를 포함하고,상기 학습시키는 단계는,학습 데이터에 기초하여 능동 학습된 구획화 모델이 상기 사용자의 두경부의 해부학적 이미지를 포함하는 이미지 데이터에 기초하여 자가 학습을 수행하도록 하는 것에 의해 상기 능동 학습된 구획화 모델을 전이 학습시키는 단계를 포함하고,상기 결과 이미지를 생성하는 단계는,상기 구획화 모델을 이용하여 치아, 턱신경, 하치조신경 및 상악동을 포함하는 부위들로 구획화한 결과 이미지를 생성하는 단계를 포함하는,두경부 이미지 구획화 방법.

제1항에 있어서,상기 데이터 전처리를 수행하는 단계는,상기 이미지 데이터의 해상도를 멀티 스케일 방식으로 리사이징하는 단계;상기 리사이징된 이미지 데이터를 크롭하여 상기 사용자의 치아 영역을 포함하는 크롭된 이미지 데이터를 생성하는 단계; 및상기 크롭된 이미지 데이터를 미리 정해진 규칙에 기초한 해상도로 조정하는 단계를 포함하는,두경부 이미지 구획화 방법.

삭제

제1항에 있어서,상기 능동 학습된 구획화 모델은,두경부의 해부학적 이미지를 포함하는 데이터 셋에 기초하여 학습되고,입력된 이미지 데이터를 부위별로 구획화하고,상기 구획화된 이미지 데이터에 대한 수정 데이터에 기초하여 능동 학습된 것을 특징으로 하는,두경부 이미지 구획화 방법.

제1항에 있어서,상기 구획화 모델은,AdaLin(Adaptive Layer-instance normalization) 함수의 가중치가 적용된 콘볼루션 신경망(Convolutional Neural Network; CNN) 모델을 포함하는,두경부 이미지 구획화 방법.

제1항에 있어서,상기 구획화 모델은,랜덤 ReLU(Leaky Rectified Linear Unit) 활성화 함수를 포함하는,두경부 이미지 구획화 방법.

제1항에 있어서,상기 결과 이미지를 생성하는 단계는,상기 데이터 전처리가 수행된 이미지 데이터를 점, 선 및 면 중 적어도 하나로 표시하여 구획화한 결과 이미지를 생성하는 단계를 포함하는,두경부 이미지 구획화 방법.

삭제

두경부 이미지 구획화 장치에 있어서,사용자의 두경부에 대한 해부학적 이미지를 포함하는 이미지 데이터를 수신하는 통신부;상기 수신한 이미지 데이터에 대하여 해상도를 조정하는 데이터 전처리를 수행하는 데이터 전처리부;상기 데이터 전처리가 수행된 이미지 데이터에 기초하여 뉴럴 네트워크 기반의 구획화 모델을 학습시키는 학습부; 및상기 학습된 구획화 모델을 이용하여 상기 데이터 전처리가 수행된 이미지 데이터를 해부학적 부위별로 구획화한 결과 이미지를 생성하는 결과 이미지 생성부를 포함하고,상기 구획화 모델은,인코더 네트워크, 디코더 네트워크 및 상기 인코더 네트워크와 상기 디코더 네트워크 사이에 배치된 어텐션 기반 정규화 레이어(attention based normalization layer)를 포함하고,상기 결과 이미지는, 치아 병변 및 치아 주변 신경에 대한 식별 정보를 포함하고,상기 학습부는,학습 데이터에 기초하여 능동 학습된 구획화 모델이 상기 사용자의 두경부의 해부학적 이미지를 포함하는 이미지 데이터에 기초하여 자가 학습을 수행하도록 하는 것에 의해 상기 능동 학습된 구획화 모델을 전이 학습시키고,상기 결과 이미지 생성부는,상기 구획화 모델을 이용하여 치아, 턱신경, 하치조신경 및 상악동을 포함하는 부위들로 구획화한 결과 이미지를 생성하는,두경부 이미지 구획화 장치.

제9항에 있어서,상기 데이터 전처리부는,상기 이미지 데이터의 해상도를 멀티 스케일 방식으로 리사이징하고,상기 리사이징된 이미지 데이터를 크롭하여 상기 사용자의 치아 영역을 포함하는 크롭된 이미지 데이터를 생성하고,상기 크롭된 이미지 데이터를 미리 정해진 규칙에 기초한 해상도로 조정하는,두경부 이미지 구획화 장치.

삭제

제9항에 있어서,상기 능동 학습된 구획화 모델은,두경부의 해부학적 이미지를 포함하는 데이터 셋에 기초하여 학습되고,입력된 이미지 데이터를 부위별로 구획화하고,상기 구획화된 이미지 데이터에 대한 수정 데이터에 기초하여 능동 학습된 것을 특징으로 하는,두경부 이미지 구획화 장치.

제9항에 있어서,상기 구획화 모델은,AdaLin(Adaptive Layer-instance normalization) 함수의 가중치가 적용된 콘볼루션 신경망(Convolutional Neural Network; CNN) 모델을 포함하는,두경부 이미지 구획화 장치.

제9항에 있어서,상기 구획화 모델은,랜덤 ReLU(Leaky Rectified Linear Unit) 활성화 함수를 포함하는,두경부 이미지 구획화 장치.

제9항에 있어서,상기 결과 이미지 생성부는,상기 데이터 전처리가 수행된 이미지 데이터를 점, 선 및 면 중 적어도 하나로 표시하여 구획화한 결과 이미지를 생성하는,두경부 이미지 구획화 장치.

삭제