서로 다른 시점의 복수의 뇌 영상을 수집하는 데이터 수집부;상기 뇌 영상 중 관심 영역의 뇌 조직 영상의 정보를 추출하는 데이터 처리부; 및상기 서로 다른 시점의 복수의 뇌 영상에서 추출한 관심 영역의 복수의 뇌 조직 영상의 정보를 미리 학습된 학습 모델의 입력으로 하여 뇌 질환의 진행 경과, 상기 뇌 질환의 현재 진행 속도, 상기 뇌 질환의 추후 진행 속도 및 상기 뇌 질환 상태에 따른 임상적 진단 평가 점수 중 적어도 하나 이상의 정보를 예측하는 진단부;를 포함하되,상기 데이터 수집부는 상기 뇌 조직의 상태에 따른 임상적 진단평가점수 정보를 더 수집하고,상기 진단부는 상기 서로 다른 시점 중 현재 시점의 상기 뇌 조직 영상의 정보와, 상기 현재 시점의 상기 임상적 진단평가점수 정보를 상기 학습 모델의 학습 데이터로 사용하며,상기 진단부는 상기 학습 모델을 이용하여 상기 현재 시점보다 이전 시점의 상기 뇌 조직 영상의 정보 또는 상기 현재 시점보다 이후 시점의 상기 뇌 조직 영상의 정보를 예측하는 뇌 질환 예측 장치.

제1항에 있어서,상기 데이터 처리부는, 상기 복수의 뇌 영상에서 상기 뇌의 위치가 정렬되도록 상기 복수의 뇌 영상을 처리하는 뇌 위치 정렬부; 상기 뇌 위치가 정렬된 상기 복수의 뇌 영상에서 상기 관심 영역의 뇌 조직 영상을 추출하는 뇌 조직 영상 추출부;상기 복수의 뇌 영상에서 상기 관심 영역의 상기 뇌 조직 영상을 제외한 영역을 제거하는 제거부;상기 관심 영역의 상기 뇌 조직 영상을 이용하여 상기 뇌 조직의 정보를 추출하는 정보 추출부;를 포함하는 뇌 질환 예측 장치.

제2항에 있어서,상기 데이터 처리부에서,상기 관심 영역의 뇌 조직 영상은 중측두회(middle temporal gyrus) 영상, 내 후각 피질(entorhinal cortex) 영상, 방추이랑(Fusiform gyrus) 및 해마 (Hippocampus) 영상 중 적어도 하나를 포함하는 뇌 질환 예측 장치.

제1항에 있어서,상기 학습 모델은 상기 뇌 조직 영상의 정보에 따른 정상 상태, 경도인지장애 상태 및 알츠하이머병 상태에 대해 각각 학습된 복수의 학습 모델을 포함하는 뇌 질환 예측 장치.

제1항에 있어서,상기 진단부에서, 상기 학습 모델을 미리 학습시키기 위한 학습 데이터는 제1 시점에서 획득된 제1 뇌 조직 영상 정보와 상기 제1 뇌 조직 영상 정보에 대한 제1 진단평가점수를 포함하는 제1 학습 데이터와, 제2 시점에서 획득된 제2 뇌 조직 영상 정보와 상기 제2 뇌 조직 영상 정보에 대한 제2 진단평가점수를 포함하는 제2 학습 데이터와, 제3 시점에서 획득된 제3 뇌 조직 영상 정보와 상기 제3 뇌 조직 영상 정보에 대한 제3 진단평가점수를 포함하는 제3 학습 데이터를 포함하는 뇌 질환 예측 장치.

제5항에 있어서,상기 진단부에서, 상기 학습 모델을 미리 학습시키기 위한 학습 데이터는 상기 제1 학습 데이터, 상기 제2 학습 데이터 및 상기 제3 학습 데이터의 각각 또는 2개 이상의 학습 데이터가 조합된 데이터를 포함하는 뇌 질환 예측 장치.

제1항에 있어서,상기 임상적 진단평가점수 정보는 상기 서로 다른 시점의 복수의 뇌 영상에 대한 진단평가점수를 포함하는 뇌 질환 예측 장치.

삭제

제1항에 있어서,상기 진단부는, 상기 현재 시점보다 이전 시점의 상기 뇌 조직 영상의 정보 또는 상기 현재 시점보다 이후 시점의 상기 뇌 조직 영상의 정보를 재이용하여 상기 학습 모델의 입력 데이터로 사용하는 뇌 질환 예측 장치.

제1항에 있어서,상기 학습 모델은, 인코딩 모듈부와 디코딩 모듈부를 포함하고, 상기 진단부는,상기 뇌 조직 영상의 정보를 상기 인코딩 모듈의 입력으로 하여 상기 뇌 조직 영상의 부피 변화량, 형태 변화량, 형상 변화량, 위치 변화량 정보를 포함하는 특징을 추출하고, 상기 특징을 상기 디코딩 모듈부의 입력으로 하여 뇌 질환의 진행 경과, 상기 뇌 질환의 현재 진행 속도, 상기 뇌 질환의 추후 진행 속도, 임상적 진단 평가 점수 중 적어도 하나 이상의 정보를 예측하는 뇌 질환 예측 장치.

뇌 질환 예측 장치의 뇌 질환 예측 방법에 있어서,서로 다른 시점의 복수의 뇌 영상의 데이터를 수집하는 단계;상기 뇌 영상 중 관심 영역의 뇌 조직 영상의 정보를 추출하는 단계; 및상기 서로 다른 시점의 복수의 뇌 영상에서 추출한 관심 영역의 복수의 뇌 조직 영상의 정보를 미리 학습된 학습 모델의 입력으로 하여 뇌 질환의 진행 경과, 상기 뇌 질환의 현재 진행 속도, 상기 뇌 질환의 추후 진행 속도 및 상기 뇌 질환 상태에 따른 임상적 진단 평가 점수 중 적어도 하나 이상의 정보를 예측하는 단계;를 포함하되,상기 학습 모델은 상기 서로 다른 시점 중 현재 시점의 상기 뇌 조직 영상의 정보와, 상기 현재 시점의 상기 임상적 진단평가점수 정보를 상기 학습 모델의 학습 데이터로 사용하며,상기 예측하는 단계는 상기 학습 모델을 이용하여 상기 현재 시점보다 이전 시점의 상기 뇌 조직 영상의 정보 또는 상기 현재 시점보다 이후 시점의 상기 뇌 조직 영상의 정보를 예측하는 뇌 질환 예측 방법.

학습 데이터를 수집하는 학습 데이터 수집부; 및뇌 질환의 진행 경과, 상기 뇌 질환의 현재 진행 속도, 상기 뇌 질환의 추후 진행 속도 및 상기 뇌 질환 상태에 따른 임상적 진단 평가 점수 중 적어도 하나 이상의 정보를 예측하기 위해 상기 학습 데이터를 이용하여 학습되는 학습 모델;을 포함하되,상기 학습 모델은 서로 다른 시점 중 현재 시점의 뇌 조직 영상의 정보와, 상기 현재 시점의 상기 임상적 진단평가점수 정보를 상기 학습 모델의 학습 데이터로 사용하며,상기 예측하는 단계는 상기 학습 모델을 이용하여 상기 현재 시점보다 이전 시점의 상기 뇌 조직 영상의 정보 또는 상기 현재 시점보다 이후 시점의 상기 뇌 조직 영상의 정보를 예측하는 뇌 질환을 예측하기 위한 학습 장치.

제12항에 있어서,상기 학습 모델은 RNN, CNN 및 DNN 중 어느 하나 또는 이들의 조합인 뇌 질환을 예측하기 위한 학습 장치.

제12항에 있어서, 상기 학습 데이터 수집부는 제1 시점에서 획득된 제1 시점에서 획득된 제1 뇌 조직 영상 정보와 상기 제1 뇌 조직 영상 정보에 대한 제1 진단평가점수를 포함하는 제1 학습 데이터와, 제2 시점에서 획득된 제2 뇌 조직 영상 정보와 상기 제2 뇌 조직 영상 정보에 대한 제2 진단평가점수를 포함하는 제2 학습 데이터와, 제3 시점에서 획득된 제3 뇌 조직 영상 정보와 상기 제3 뇌 조직 영상 정보에 대한 제3 진단평가점수를 포함하는 제3 학습 데이터를 포함하는 뇌 질환을 예측하기 위한 학습 장치.

제14항에 있어서,상기 학습 데이터 수집부는 상기 제1 학습 데이터, 상기 제2 학습 데이터 및 상기 제3 학습 데이터의 각각 또는 2개 이상의 학습 데이터가 조합된 데이터를 수집하는 뇌 질환을 예측하기 위한 학습 장치.