3차원 의료 영상을 3개의 평면으로 나눈 후 각 평면마다 2차원의 순차적 데이터로 표현한 후 3차원 공간 특징 정보로 통합하도록 사전 표현 학습(Representation learning)되는 중축 모듈;완전 연결 계층으로 구성되며, 상기 3차원 공간 특징 정보를 기반으로 목표 태스크에 대한 예측을 수행하는 예측 모듈을 포함하되, 상기 중축 모듈은, 상기 각 평면에 대한 2차원 슬라이스 영상에 대한 인코딩 벡터를 추출하도록 자가 학습 방식으로 학습되는 2차원 합성곱 신경망 모듈; 및상기 인코딩 벡터를 콤비네이션하여 상기 3차원 공간 특징 정보로 통합하도록 사전 표현 학습하는 트랜스포머를 포함하되, 상기 2차원 합성곱 신경망 모듈은 트리플렛 손실 함수를 기반으로 사전 학습되며,상기 사전 표현 학습된 중축 모듈과 상기 예측 모듈은 엔드투엔드방식으로 각 목표 태스크에 맞도록 미세 조정되되, 상기 각 목표 태스크는 뇌 질환 진단, 뇌 나이 예측 및 뇌 종양 분할 중 적어도 하나인 것을 특징으로 하는 자가학습 기반 전이 학습 프레임워크 장치.

삭제

제1 항에 있어서, 상기 트랜스포머는 2차원 슬라이스 영상 중 일부를 무작위로 마스크처리한 후 마스킹되지 않은 슬라이스의 인코딩 벡터를 이용하여 상기 마스킹된 슬라이스 영상의 인코딩 벡터를 예측하도록 학습되는 것을 특징으로 하는 자가학습 기반 전이 학습 프레임워크 장치.

제3 항에 있어서, 상기 트랜스포머 학습시, 상기 2차원 합성곱 신경망 모듈은 학습되지 않도록 동결되는 것을 특징으로 하는 자가학습 기반 전이 학습 프레임워크 장치.

삭제

제1 항에 있어서, 상기 예측 모듈은,상기 목표 태스크에 따라 상기 2차원 합성곱 신경망 모듈의 높은 수준(high-level) 인코딩 벡터를 이용하는 싱글 스케일(single-scale) 기법과 상기 2차원 합성곱 신경망 모듈의 낮은 수준(low-level) 인코딩 벡터들을 통합하는 다중 스케일(multi-scale) 기법 중 어느 하나가 적용되는 것을 특징으로 하는 자가학습 기반 전이 학습 프레임워크 장치.

삭제