복부 방사선 영상 상에서 장중첩증을 탐지하기 위한 장치에 있어서, 가중치가 적용되는 복수의 연산을 가지는 복수의 계층으로 이루어진 인공신경망을 학습시켜 방사선 영상 상에서 장중첩증의 진단 영역을 특정하고 특정된 진단 영역에 장중첩증의 존재 여부에 대한 확률을 출력값으로 출력하는 인공신경망을 생성하는 모델학습부; 및 상기 인공신경망을 이용하여 방사선 영상으로부터 상기 장중첩증을 진단하는 진단부; 를 포함하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

제1항에 있어서, 상기 인공신경망은 상기 방사선 영상이 입력되면, 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 상기 방사선 영상을 복수의 셀로 구분한 후, 상기 복수의 셀 각각에 중심 좌표를 가지는 복수의 경계 상자 각각의 좌표, 상기 경계 상자 내에 객체가 포함되어 있으면서 상기 경계 상자의 영역이 상기 진단 영역과 일치하는 비율을 나타내는 신뢰도 및 상기 경계 상자 내의 객체가 복수의 클래스 각각에 속할 확률을 출력값으로 출력하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

제2항에 있어서, 상기 모델학습부는 장중첩증의 존재 여부와 무관하게 장중첩증을 진단하기 위한 영역을 나타내는 진단 영역 클래스를 설정한 후, 상기 진단 영역 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상 및 장중첩증이 존재하지 않는 복수의 방사선 영상 양자 모두를 학습 데이터로 하여 상기 인공신경망을 1차로 학습하고, 장중첩증이 있음을 나타내는 장중첩증 클래스 및 장중첩증이 없음을 나타내는 정상소견 클래스를 설정한 후, 상기 장중첩증 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상을 학습 데이터로 하고, 상기 정상소견 클래스에 대응하여 장중첩증이 존재하지 않는 복수의 방사선 영상을 학습 데이터로 하여 상기 인공신경망을 2차로 학습하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

복부 방사선 영상 상에서 장중첩증을 탐지하기 위한 방법에 있어서, 인공신경망이 방사선 영상에 대해 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 상기 방사선 영상 상에서 장중첩증의 진단 영역을 특정하고 특정된 진단 영역에 장중첩증의 존재 여부에 대한 확률을 출력값으로 출력하는 단계; 및 진단부가 상기 출력값의 확률에 따라 상기 장중첩증을 진단하는 단계;를 포함하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 방법.

제2항에 있어서, 상기 모델학습부는 학습 데이터로 장중첩증이 존재하는 복수의 방사선 영상 및 장중첩증이 존재하지 않는 복수의 방사선 영상을 마련하고, 장중첩증이 존재하는 복수의 방사선 영상에 대응하는 장중첩증 클래스 및 장중첩증이 존재하지 않는 복수의 방사선 영상에 대응하는 정상소견 클래스를 설정한 후, 상기 학습 데이터를 상기 인공신경망에 입력하여 상기 인공신경망이 상기 학습 데이터에 대해 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 산출한 출력값을 출력하면, 상기 출력값에 따라 손실 함수의 손실값을 도출하고, 상기 손실값이 최소가 되도록 상기 인공신경망의 가중치를 최적화하되, 상기 손실 함수 중 상기 경계 상자 내의 객체가 복수의 클래스 각각에 속할 확률인 클래스 확률에 대한 손실을 나타내는 분류 손실을 제1 임계치 이상으로 설정하여 최적화를 수행함으로써 1차로 학습을 수행하고, 상기 학습 데이터를 상기 인공신경망에 입력하여 상기 인공신경망이 상기 학습 데이터에 대해 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 산출한 출력값을 출력하면, 상기 출력값에 따라 손실 함수의 손실값을 도출하고, 상기 손실값이 최소가 되도록 상기 인공신경망의 가중치를 최적화하되, 상기 분류 손실을 상기 제1 임계치 보다 작은 제2 임계치 미만으로 감소시켜 최적화를 수행함으로써 2차로 학습을 수행하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

제1항에 있어서, 상기 진단 영역은 오른쪽 횡격막(diaphragm)의 최상 및 장골능(iliac crest)의 최상단을 상하 경계로 하고, 측흉곽(lateral rib cage)의 최외곽 및 척추(spine)의 최외곽을 좌우 경계로 설정되는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

제1항에 있어서, 상기 장치는 상기 방사선 영상의 밝기를 수학식 을 통해 표준점수(z-score)에 의한 정규화를 수행하는 전처리부;를 더 포함하며, 상기 z는 표준점수이고, 상기 x는 픽셀값이고, 상기 m은 평균 픽셀 값이고, 상기 q는 표준 편차인 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

제6항에 있어서, 상기 전처리부는 상기 표준점수의 범위를 해부학적 구조가 구분되는 최소 밝기 내지 복부의 연조직 및 장 패턴이 구분되는 최대 밝기의 범위로 설정한 후, 상기 최소 밝기 내지 상기 최대 밝기의 범위로 상기 방사선 영상의 밝기를 정규화하되, 상기 방사선 영상 중 상기 최소 밝기 혹은 상기 최대 밝기를 벗어나는 픽셀을 상기 최소 밝기 혹은 상기 최대 밝기로 설정하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

복부 방사선 영상 상에서 장중첩증을 탐지하기 위한 장치에 있어서, 방사선 영상이 입력되면, 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 방사선 영상 상에서 장중첩증의 진단 영역을 특정하고 특정된 진단 영역에 장중첩증의 존재 여부에 대한 확률을 출력값으로 출력하는 인공신경망; 및 상기 출력값의 확률에 따라 상기 장중첩증을 진단하는 진단부;를 포함하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

제8항에 있어서, 장중첩증의 존재 여부와 무관하게 장중첩증을 진단하기 위한 영역을 나타내는 진단 영역 클래스를 설정한 후, 상기 진단 영역 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상 및 장중첩증이 존재하지 않는 복수의 방사선 영상 양자 모두를 학습 데이터로 하여 상기 인공신경망을 1차로 학습하고, 장중첩증이 있음을 나타내는 장중첩증 클래스 및 장중첩증이 없음을 나타내는 정상소견 클래스를 설정한 후, 상기 장중첩증 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상을 학습 데이터로 하고, 상기 정상소견 클래스에 대응하여 장중첩증이 존재하지 않는 복수의 방사선 영상을 학습 데이터로 하여 상기 인공신경망을 2차로 학습하는 모델학습부;를 더 포함하는 장중첩증을 탐지하기 위한 장치.

제8항에 있어서, 상기 인공신경망은 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 상기 방사선 영상을 복수의 셀로 구분한 후, 상기 복수의 셀 각각에 중심 좌표를 가지는 복수의 경계 상자 각각의 좌표, 상기 경계 상자 내에 객체가 포함되어 있으면서 상기 경계 상자의 영역이 상기 진단 영역과 일치하는 비율을 나타내는 신뢰도 및 상기 경계 상자 내의 객체가 복수의 클래스 각각에 속할 확률을 출력값으로 출력하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 장치.

제10항에 있어서, 장중첩증이 있음을 나타내는 장중첩증 클래스 및 장중첩증이 없음을 나타내는 정상소견 클래스를 설정한 후, 학습 데이터로 상기 장중첩증 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상 및 상기 정상소견 클래스에 대응하여 장중첩증이 존재하지 않는 복수의 방사선 영상을 마련하고, 상기 학습 데이터를 상기 인공신경망에 입력하여 상기 인공신경망이 상기 학습 데이터에 대해 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 산출한 출력값을 출력하면, 상기 출력값에 따라 손실 함수의 손실값을 도출하고, 상기 손실값이 최소가 되도록 상기 인공신경망의 가중치를 최적화하되, 상기 손실 함수 중 상기 경계 상자 내의 객체가 복수의 클래스 각각에 속할 확률인 클래스 확률에 대한 손실을 나타내는 분류 손실을 제1 임계치 이상으로 설정한 상태에서 최적화하여 1차로 학습을 수행하고, 상기 학습 데이터를 상기 인공신경망에 입력하여 상기 인공신경망이 상기 학습 데이터에 대해 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 산출한 출력값을 출력하면, 상기 출력값에 따라 손실 함수의 손실값을 도출하고, 상기 손실값이 최소가 되도록 상기 인공신경망의 가중치를 최적화하되, 상기 손실 함수 중 상기 분류 손실을 상기 제1 임계치 보다 작은 제2 임계치 미만으로 감소시켜 설정한 상태에서 최적화하여 2차로 학습을 수행하는 모델학습부;를 더 포함하는 장중첩증을 탐지하기 위한 장치.

제12항에 있어서, 상기 출력하는 단계 전, 모델학습부가 장중첩증의 존재 여부와 무관하게 장중첩증을 진단하기 위한 영역을 나타내는 진단 영역 클래스를 설정한 후, 상기 진단 영역 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상 및 장중첩증이 존재하지 않는 복수의 방사선 영상 양자 모두를 학습 데이터로 하여 상기 인공신경망을 1차로 학습하는 단계; 및 상기 모델학습부가 장중첩증이 있음을 나타내는 장중첩증 클래스 및 장중첩증이 없음을 나타내는 정상소견 클래스를 설정한 후, 상기 장중첩증 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상을 학습 데이터로 하고, 상기 정상소견 클래스에 대응하여 장중첩증이 존재하지 않는 복수의 방사선 영상을 학습 데이터로 하여 상기 인공신경망을 2차로 학습하는 단계;를 더 포함하는 장중첩증을 탐지하기 위한 방법.

제13항에 있어서, 상기 출력하는 단계는 상기 인공신경망이 복수의 계층의 가중치가 적용되는 복수의 연산을 통해 상기 방사선 영상을 복수의 셀로 구분한 후, 상기 복수의 셀 각각에 중심 좌표를 가지는 복수의 경계 상자 각각의 좌표, 상기 경계 상자 내에 객체가 포함되어 있으면서 상기 경계 상자의 영역이 상기 진단 영역과 일치하는 비율을 나타내는 신뢰도 및 상기 경계 상자 내의 객체가 복수의 클래스 각각에 속할 확률을 출력값으로 출력하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 방법.

제14항에 있어서, 상기 출력하는 단계 전, 모델학습부가 장중첩증이 있음을 나타내는 장중첩증 클래스 및 장중첩증이 없음을 나타내는 정상소견 클래스를 설정하는 단계; 상기 모델학습부가 학습 데이터로 상기 장중첩증 클래스에 대응하여 장중첩증이 존재하는 복수의 방사선 영상 및 상기 정상소견 클래스에 대응하여 장중첩증이 존재하지 않는 복수의 방사선 영상을 마련하는 단계; 상기 모델학습부가 상기 학습 데이터를 상기 인공신경망에 입력하여 상기 인공신경망이 출력값을 출력하면, 상기 출력값에 따라 손실 함수의 손실값을 도출하고, 상기 손실값이 최소가 되도록 상기 인공신경망의 가중치를 최적화하되, 상기 손실 함수 중 상기 경계 상자 내의 객체가 복수의 클래스 각각에 속할 확률인 클래스 확률에 대한 손실을 나타내는 분류 손실을 제1 임계치 이상으로 설정한 상태에서 최적화함으로써 1차로 학습을 수행하는 단계; 및 상기 모델학습부가 상기 학습 데이터를 상기 인공신경망에 입력하여 상기 인공신경망이 출력값을 출력하면, 상기 출력값에 따라 손실 함수의 손실값을 도출하고, 상기 손실값이 최소가 되도록 상기 인공신경망의 가중치를 최적화하되, 상기 손실 함수 중 상기 분류 손실을 상기 제1 임계치 보다 작은 제2 임계치 미만으로 감소시켜 설정한 상태에서 최적화함으로써 2차로 학습을 수행하는 단계;를 더 포함하는 장중첩증을 탐지하기 위한 방법.

제12항에 있어서, 상기 진단 영역은 오른쪽 횡격막(diaphragm)의 최상 및 장골능(iliac crest)의 최상단을 상하 경계로 하고, 측흉곽(lateral rib cage)의 최외곽 및 척추(spine)의 최외곽을 좌우 경계로 설정되는 것을 특징으로 하는 장중첩증을 탐지하기 위한 방법.

제12항에 있어서, 상기 출력하는 단계 전, 전처리부가 상기 방사선 영상의 밝기를 수학식 을 통해 표준점수(z-score)에 의한 정규화를 수행하는 단계;를 더 포함하며, 상기 z는 표준점수이고, 상기 x는 픽셀값이고, 상기 m은 평균 픽셀 값이고, 상기 q는 표준 편차인 것을 특징으로 하는 장중첩증을 탐지하기 위한 방법.

제17항에 있어서, 상기 정규화를 수행하는 단계는 상기 전처리부가 상기 표준점수의 범위를 해부학적 구조가 구분되는 최소 밝기 내지 복부의 연조직 및 장 패턴이 관찰되는 최대 밝기의 범위로 설정하는 단계; 및 상기 최소 밝기 내지 상기 최대 밝기의 범위로 상기 방사선 영상의 밝기를 정규화하되, 상기 최소 밝기 혹은 상기 최대 밝기를 벗어나는 픽셀은 상기 최소 밝기 혹은 상기 최대 밝기로 설정하여 정규화를 수행하는 단계;를 포함하는 것을 특징으로 하는 장중첩증을 탐지하기 위한 방법.