KR102173321B1

KR102173321B1 - 형태학적 특징을 이용한 자동 척추 골절 진단 및 검출 장치 및 방법

Info

Publication number: KR102173321B1
Application number: KR1020190094498A
Authority: KR
Inventors: 최우식; 김태규; 김범채
Original assignee: 주식회사 딥노이드
Priority date: 2019-08-02
Filing date: 2019-08-02
Publication date: 2020-11-03

Abstract

본 발명의 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 장치는 척추의 측면을 촬영한 의료 영상인 척추영상에서 척추체를 포함하는 영역을 영역 상자로 구분하고, 구분된 영역 상자 부분을 추출하여 척추체영상을 생성하는 척추검출부와, 상기 척추체영상에서 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 정보추출부와, 상기 정보영상의 복수의 특징점을 기초로 척추체의 형태학적 특징을 도출하는 특징추출부와, 상기 척추체의 형태학적 특징 및 상기 척추체의 형태학적 특징 간의 상관관계에 따라 척추 손상 여부 및 손상 정도를 진단하는 진단부를 포함한다.

Description

형태학적 특징을 이용한 자동 척추 골절 진단 및 검출 장치 및 방법{Apparatus and methods for automatic spine fracture diagnosis and detection using morphological features}

본 발명은 척추 골절 진단 기술에 관한 것으로, 보다 상세하게는, 형태학적 특징 및 그 형태학적 특징 간의 상관관계를 이용하여 척추 골절을 자동으로 진단하기 위한 장치 및 이를 위한 방법에 관한 것이다.

호르몬의 변화로 인한 골다공증은 척추의 압박골절의 큰 원인으로써, 대부분의 경우 특별한 통증 및 증상이 없기 때문에 의료영상을 통해서만 진단이 가능하다. 최근 의료서비스 패러다임이 치료에서 예방 및 예측으로 전환됨에 따라 의료영상과 인공지능을 통한 질병 진단 및 검출 솔루션에 대한 관심이 높아지고 있다.

압박골절은 비교적 쉽게 검출 가능한 질병이지만, 최근 고령화를 통해 발생하는 많은 양의 데이터를 빠르게 확인하는 것은 어려운 실정이다. 척추 X-ray는 측면을 촬영한 측면(Lateral) 영상으로 판독을 실시하는데, 이 영상은 갈비뼈와 팔뼈, 다른 장기들에 의해 잡음이 심한 영상이다. 따라서 경미한 골절은 발견하기 어려운 경우가 많다. 또한, 3차원의 척추를 2차원 영상으로 투영(Projection) 시킨 X-ray영상에서 확인하기 때문에 그 손상된 척추를 정확히 판단하기 어렵다는 문제가 있다. 소규모의 병원에서는 영상판독 전문의의 수가 모자라 영상촬영을 대형병원에 외주를 맡기기 때문에 결과의 확인까지 많은 시간이 소요된다.

한국공개특허 제2019-0060606호 2019년 06월 03일 공개 (명칭: 의료 영상 진단 장치 및 방법)

본 발명의 목적은 척추를 촬영한 의료 영상으로부터 형태학적 특징 및 그 상관관계 정보를 이용하여 척추 골절을 자동으로 그리고 신속하게 진단할 수 있는 장치 및 이를 위한 방법을 제공함에 있다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 장치는 척추의 측면을 촬영한 의료 영상인 척추영상에서 척추체를 포함하는 영역을 영역 상자로 구분하고, 구분된 영역 상자 부분을 추출하여 척추체영상을 생성하는 척추검출부와, 상기 척추체영상에서 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 정보추출부와, 상기 정보영상의 복수의 특징점을 기초로 척추체의 형태학적 특징을 도출하는 특징추출부와, 상기 척추체의 형태학적 특징을 통해 척추 손상 여부 및 손상 정도를 진단하는 진단부를 포함한다.

상기 척추검출부는 상기 척추영상이 입력되면, 척추체를 포함하는 영역을 나타내는 영역 상자 및 상기 영역 상자 내에 포함된 객체가 척추체일 확률을 출력하는 척추검출망과, 상기 척추영상에서 상기 영역 상자 내에 포함된 객체가 척추체일 확률이 기 설정된 임계치 이상인 영역 상자 부분을 추출하여 척추체영상을 생성하고, 생성된 척추체영상을 출력하는 검출처리부를 포함한다.

상기 척추검출부는 학습 데이터인 척추영상에 대응하여 영역 상자의 무게 중심의 픽셀 좌표, 영역 상자의 폭 및 높이 및 영역 상자 내에 포함된 객체가 척추체일 확률을 포함하는 기댓값(target value)을 설정하고, 상기 학습 데이터인 척추영상을 상기 척추검출망에 입력하고, 상기 입력에 따른 상기 척추검출망의 출력값과 상기 기댓값의 차이가 최소가 되도록 상기 척추검출망의 가중치를 수정하는 검출학습부를 더 포함한다.

상기 정보추출부는 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 정보생성망과, 상기 정보생성망에 상기 척추체영상을 입력하고, 상기 정보생성망부터 상기 척추체영상에 대한 상기 정보생성망의 출력인 상기 정보영상을 획득하고, 획득한 정보영상을 출력하는 정보처리부를 포함한다.

상기 정보추출부는 상기 정보생성망이 생성한 정보영상과 미리 생성된 대조영상을 비교하여 대조영상의 특징점 대비 정보영상의 특징점의 정확도를 평가하는 정보판단망과, 대조영상에 대해 정확한 것으로 판단하도록 제1 기댓값을 설정하고, 상기 정보판단망에 상기 대조영상을 입력한 후, 상기 대조영상의 입력에 따른 정보판단망의 출력값과 상기 제1 기댓값의 차이를 제1 차이값으로 산출하고, 정보영상에 대해 부정확한 것으로 판단하도록 제2 기댓값을 설정하고, 정보판단망에 정보영상을 입력하고, 상기 정보영상의 입력에 따른 정보판단망의 출력값과 상기 제2 기댓값의 차이를 제2 차이값으로 산출하고, 상기 제1 차이값과 상기 제2 차이값의 합을 정보판단망의 손실인 구분 손실값으로 산출하고, 상기 구분 손실값이 최소가 되도록 상기 정보생성망의 가중치를 고정하고, 상기 정보판단망의 가중치를 업데이트하고, 정보영상에 대해 부정확한 것으로 판단하도록 제3 기댓값을 설정하고, 정보판단망에 정보생성망의 출력인 정보영상을 입력하고, 입력에 따른 정보판단망의 출력값과 상기 제3 기댓값의 차이를 정보생성망의 손실인 생성 손실값으로 산출하고, 상기 생성 손실값이 최소가 되도록 상기 정보판단망의 가중치를 고정하고, 상기 정보생성망의 가중치를 업데이트하고, 상기 정보판단망이 상기 정보영상에 대해 정확한 것과 부정확한 것을 구분할 수 없을 때까지 상기 정보판단망의 가중치 업데이트 및 상기 정보생성망의 가중치 업데이트를 반복하는 정보학습부를 더 포함한다.

상기 형태학적 특징은 복수의 특징점을 연결한 복수의 선, 상기 복수의 선의 길이, 상기 복수의 선을 연결하여 완성되는 복수의 면, 상기 복수의 면의 면적 및 상기 복수의 선 중 연결된 두 선 사이의 각 중 적어도 하나를 포함하는 것을 특징으로 한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 방법은 척추검출부가 척추의 측면을 촬영한 의료 영상인 척추영상에서 척추체를 포함하는 영역을 영역 상자로 구분하고, 구분된 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계와, 정보추출부가 상기 척추체영상에서 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계와, 상기 특징추출부가 상기 정보영상의 복수의 특징점을 기초로 척추체의 형태학적 특징을 도출하는 단계와, 상기 진단부는 상기 척추체의 형태학적 특징 간의 상관 관계를 도출하고, 상기 형태학적 특징 및 상기 상관 관계통해 척추 손상 여부 및 손상 정도를 진단하는 단계를 포함한다.

상기 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계는 척추검출망이 상기 척추영상이 입력되면, 척추체를 포함하는 영역을 나타내는 영역 상자 및 상기 영역 상자 내에 포함된 객체가 척추체일 확률을 출력하는 단계와, 검출처리부가 상기 척추영상에서 상기 영역 상자 내에 포함된 객체가 척추체일 확률이 기 설정된 임계치 이상인 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계와, 상기 검출처리부가 상기 생성된 척추체영상을 출력하는 단계를 포함한다.

상기 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계 전, 검출학습부가 학습 데이터인 척추영상에 대응하여 영역 상자의 무게 중심의 픽셀 좌표, 영역 상자의 폭 및 높이 및 영역 상자 내에 포함된 객체가 척추체일 확률을 포함하는 기댓값을 설정하는 단계와, 상기 검출학습부가 상기 학습 데이터인 척추영상을 상기 척추검출망에 입력하는 단계와, 상기 입력에 따른 상기 척추검출망의 출력값과 상기 기댓값의 차이가 최소가 되도록 상기 척추검출망의 가중치를 업데이트하는 단계를 더 포함한다.

상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계는 정보처리부가 정보생성망에 상기 척추체영상을 입력하는 단계와, 상기 정보생성망이 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계와, 상기 정보처리부가 상기 정보생성망이 생성한 상기 정보영상을 획득하고, 획득한 정보영상을 출력하는 단계를 포함한다.

상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계 전, 정보학습부가 대조영상에 대해 정확한 것으로 판단하도록 제1 기댓값을 설정하고, 정보판단망에 상기 대조영상을 입력한 후, 상기 대조영상의 입력에 따른 정보판단망의 출력값과 상기 제1 기댓값의 차이를 제1 차이값으로 산출하는 단계와, 상기 정보학습부가 정보영상에 대해 부정확한 것으로 판단하도록 제2 기댓값을 설정하고, 상기 정보판단망에 정보영상을 입력하고, 상기 정보영상의 입력에 따른 상기 정보판단망의 출력값과 상기 제2 기댓값의 차이를 제2 차이값으로 산출하는 단계와, 상기 정보학습부가 상기 제1 차이값과 상기 제2 차이값의 합을 상기 정보판단망의 손실인 구분 손실값으로 산출하고, 상기 구분 손실값이 최소가 되도록 상기 정보생성망의 가중치를 고정하고, 상기 정보판단망의 가중치를 업데이트하는 단계와, 상기 정보학습부가 정보영상에 대해 부정확한 것으로 판단하도록 제3 기댓값을 설정하고, 상기 정보판단망에 상기 정보생성망의 출력인 정보영상을 입력하고, 입력에 따른 상기 정보판단망의 출력값과 상기 제3 기댓값의 차이를 상기 정보생성망의 손실인 생성 손실값으로 산출하고, 상기 생성 손실값이 최소가 되도록 상기 정보판단망의 가중치를 고정하고, 상기 정보생성망의 가중치를 업데이트하는 단계와, 상기 정보학습부가 상기 정보판단망이 상기 정보영상에 대해 상기 정확한 것과 상기 부정확한 것을 구분할 수 없을 때까지 상기 정보판단망의 가중치 업데이트 및 상기 정보생성망의 가중치 업데이트를 반복하는 단계를 더 포함한다.

상기 형태학적 특징은 복수의 특징점을 연결한 복수의 선, 상기 복수의 선의 길이, 상기 복수의 선을 연결하여 완성되는 복수의 면, 상기 복수의 면의 면적 및 상기 복수의 선 중 연결된 두 선 사이의 각 중 적어도 하나를 포함한다.

본 발명은 인공신경망을 통해 척추 골절을 진단함으로써, 사람보다 높은 정확도와 속도로 진단 결과를 제공할 수 있다. 이에 따라, 진도에 들어가는 시간 및 비용을 절감할 수 있다.

도 1은 본 발명의 실시예에 따른 척추 골절을 진단하기 위한 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 척추 골절을 진단하기 위한 장치에서 사용되는 영상들의 화면 예이다.
도 3은 본 발명의 실시예에 따른 척추검출부의 구성을 설명하기 위한 블록도이다.
도 4 및 도 5는 본 발명의 실시예에 따른 척추검출망의 구성을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 정보추출부의 세부 구성을 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 정보추출망의 구성을 설명하기 위한 도면이다.
도 8은 본 발명의 실시예에 따른 정보생성망의 구성을 설명하기 위한 도면이다.
도 9는 본 발명의 실시예에 따른 정보판단망의 구성을 설명하기 위한 도면이다.
도 10은 본 발명의 실시예에 따른 척추검출망을 학습시키는 방법을 설명하기 위한 흐름도이다.
도 11 및 도 12는 본 발명의 실시예에 따른 정보생성망을 학습시키는 방법을 설명하기 위한 흐름도이다.
도 13은 본 발명의 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 방법을 설명하기 위한 흐름도이다.
도 14 및 도 15는 본 발명의 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 방법을 설명하기 위한 화면 예이다.

본 발명의 상세한 설명에 앞서, 이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시예에 불과할 뿐, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음을 유의해야 한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지의 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시되었으며, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다.

먼저, 본 발명의 실시예에 따른 척추 골절을 진단하기 위한 장치의 구성에 대해서 설명하기로 한다. 도 1은 본 발명의 실시예에 따른 척추 골절을 진단하기 위한 장치의 구성을 설명하기 위한 도면이다. 도 2는 본 발명의 실시예에 따른 척추 골절을 진단하기 위한 장치에서 사용되는 영상들의 화면 예이다.

도 1을 참조하면, 본 발명의 실시예에 따른 진단장치(10)는 전처리부(100), 척추검출부(200), 정보추출부(300), 특징추출부(400) 및 진단부(500)를 포함한다.

전처리부(100)는 척추(spine)의 측면을 촬영한 의료 영상인 척추영상(S)이 입력되면, 척추가 부각되도록 픽셀값을 정규화 한다. 정규화된 척추영상(S)의 각 픽셀은 0 ~ 1 사이의 실수 값을 가진다.

척추검출부(200)는 척추영상(S)에서 척추체(vertebral body)를 포함하는 영역을 영역 상자(B)로 구분하고, 그 영역 상자(B) 부분을 추출하여 척추체영상(V)을 생성한다. 이를 위하여, 인공신경망을 이용할 수 있다. 척추영상(S)은 복수의 척추체(vertebral body)를 포함하며, 하나의 척추체영상(V)은 하나의 척추체(vertebral body)를 포함한다.

정보추출부(300)는 척추체영상(V)에서 척추체의 테두리를 따라 복수의 특징점(P)을 표시한 영상인 정보영상(I)을 생성한다. 일 실시예에 따르면, 정보추출부(300)는 척추체영상(V)에서 척추체의 형태로 마스크를 그리고, 마스크에서 복수의 특징점(P)을 도출하고, 도출된 특징점(P)을 표시하여 정보영상(I)을 생성할 수 있다. 다른 실시예에 따르면, 정보추출부(300)는 인공신경망을 통해 척추체의 테두리에 복수의 특징점(P)을 표시하여 정보영상(I)을 생성할 수 있다.

특징추출부(400)는 정보영상(I)의 복수의 특징점(P)을 기초로 척추체의 형태학적 특징(Morphological Features: M)을 도출한다. 여기서, 형태학적 특징(M)은 복수의 특징점(P)을 연결한 선 및 그 선의 길이, 복수의 특징점(P)을 연결하여 완성되는 도형 및 그 도형의 면적, 그리고 복수의 특징점(P)을 연결했을 때 생성된 두 선 사이의 각 중 적어도 하나가 될 수 있다.

진단부(500)는 척추체의 형태학적 특징(M) 및 척추체의 형태학적 특징(M) 간의 상관관계를 이용하여 척추 손상 여부 및 손상 정도를 진단하고, 진단 결과를 출력한다. 여기서, 척추체의 형태학적 특징(M) 간의 상관관계는 어느 하나의 형태학적 특징(M)의 변화에 따른 다른 형태학적 특징(M)의 변화의 기여도(가중치)를 나타낸다.

다음으로, 본 발명의 실시예에 따른 척추검출부(200)에 대해 보다 상세하게 설명하기로 한다. 도 3은 본 발명의 실시예에 따른 척추검출부의 구성을 설명하기 위한 블록도이다. 도 3을 참조하면, 척추검출부(200)는 척추검출망(210), 검출학습부(220) 및 검출처리부(230)를 포함한다.

척추검출망(210)은 인공신경망이며, 척추영상(S)에 포함된 척추체(vertebral body)를 검출하도록 학습된다. 학습이 완료된 척추검출망(210)은 척추영상(S)에서 척추체를 포함하는 영역을 영역 상자(B)로 구분한다.

검출학습부(220)는 척추검출망(210)에 학습 데이터인 척추영상(S)을 입력하여 척추검출망(210)이 척추영상(S)에 포함된 척추체(vertebral body)를 검출하도록 척추검출망(210)을 학습(machine learning)시키기 위한 것이다.

검출처리부(230)는 척추검출망(210)이 충분히 학습된 경우, 척추검출망(210)에 척추영상(S)을 입력하여 척추영상(S)에서 척추체를 포함하는 영역을 영역 상자(B)로 구분하여 출력하도록 한다. 그런 다음, 검출처리부(230)는 상기 척추영상 중 영역 상자(B) 부분을 추출하여 척추체영상(V)을 생성하고, 생성된 척추체영상(V)을 출력한다.

그러면, 척추검출망(210)에 대해서 보다 상세하게 설명하기로 한다. 도 4 및 도 5는 본 발명의 실시예에 따른 척추검출망(210)의 구성을 설명하기 위한 도면이다. 도 4 및 도 5를 참조하면, 본 발명의 실시예에 따른 척추검출망(210)은 복수의 계층을 포함한다. 이러한 척추검출망(210)은 입력계층(input layer: IL), 복수의 컨볼루션계층(convolution layer: CL) 및 출력계층(output layer: OL)을 포함한다.

입력계층(IL)은 소정 크기의 행렬로 이루어진다. 입력계층(IL) 행렬의 각 원소는 영상의 각 픽셀에 대응한다. 검출학습부(220)는 학습 데이터인 척추영상(S)을 입력계층(IL)의 행렬의 크기에 맞춰 가공(resize)한 후, 척추검출망(210)에 가공된 학습 데이터를 입력할 수 있다. 마찬가지로, 검출처리부(230)는 진단 대상 데이터인 척추영상(S)을 입력계층(IL)의 행렬의 크기에 맞춰 가공(resize)한 후, 척추검출망(210)에 가공된 대상 데이터를 입력할 수 있다.

복수의 컨볼루션계층(CL) 각각은 복수의 특징 지도(Feature Map)로 이루어지며, 이러한 특징 지도 각각은 소정 크기의 행렬이다. 특징 지도를 이루는 행렬의 원소 각각의 값은 이전 계층의 행렬 값에 커널(W)을 이용한 컨볼루션 연산(convolution)을 적용하여 산출된다. 여기서, 여기서, 커널(W)은 소정 크기의 행렬이며, 커널(W)을 이루는 행렬의 각 원소의 값은 가중치(w)가 된다. 복수의 컨볼루션계층(CL) 각각은 복수의 연산, 즉, 복수의 컨볼루션 연산을 포함한다. 이러한 연산은 픽셀 단위로 이루어질 수 있다. 특히, 척추검출망(210)의 복수의 컨볼루션계층의 복수의 연산 각각은 가중치(w)가 적용되어 그 결과가 다음 계층으로 전달되어 다음 계층의 입력이 된다.

출력계층(OL)은 다음의 수학식 1과 같이, 척추체를 포함하는 영역을 나타내는 영역 상자(B) 내에 포함된 객체가 척추체일 확률을 출력한다.

<수학식 1>

p(C) = Y

Y = f(x, y, w, h, φ(x, y, w, h))

여기서, Y는 척추검출망(210)의 출력값을 나타내며, 해당 영역 상자(B) 내에 포함된 객체가 척추체일 확률이다. 이러한 출력값은 척추체의 수에 따라 복수개가 될 수 있다. f()는 척추검출망(210)의 목적함수를 나타낸다. φ는 입력간의 관계정보를 추출하는 연산자인 관계 연산자를 나타낸다. x, y는 영역 상자(B)의 무게 중심의 픽셀 좌표이며, w는 영역 상자(B)의 폭이고, h는 영역 상자(B)의 높이를 의미한다.

다음으로, 본 발명의 실시예에 따른 정보추출부(300)의 세부 구성에 대해서 설명하기로 한다. 도 6은 본 발명의 실시예에 따른 정보추출부의 세부 구성을 설명하기 위한 도면이다. 도 6을 참조하면, 정보추출부(300)는 정보추출망(310), 정보학습부(320) 및 정보처리부(330)를 포함한다.

정보추출망(310)은 정보생성망(311) 및 정보판단망(313)을 포함한다. 정보생성망(311) 및 정보판단망(313) 각각은 하나의 인공신경망(Artificial Neural Network)을 구성한다.

정보학습부(320)는 정보생성망(311)에 학습 데이터인 척추체영상(V)을 입력하여 정보생성망(311)이 척추체영상(V)의 척추체의 테두리를 따라 복수의 특징점(P)을 표시한 영상인 정보영상(I)을 생성하도록 정보생성망(311)을 학습시킨다.

정보처리부(330)는 학습이 완료된 정보생성망(311)에 진단 대상인 환자의 척추체영상(V)을 입력하고, 정보생성망(311)부터 정보영상(I)을 얻는다. 그런 다음, 정보처리부(330)는 정보영상(I)을 출력한다.

다음으로, 본 발명의 실시예에 따른 정보추출망(310)의 구성에 대해서 보다 상세하게 설명하기로 한다. 도 7은 본 발명의 실시예에 따른 정보추출망의 구성을 설명하기 위한 도면이다. 도 7을 참조하면, 정보추출망(310)은 정보생성망(311) 및 정보판단망(313)을 포함한다.

정보생성망(311)은 척추체영상(V)이 입력되면, 척추체영상(V)의 척추체의 테두리를 따라 복수의 특징점(P)을 표시한 영상인 정보영상(I)을 생성하도록 학습된다.

정보판단망(313)은 정보생성망(311)이 생성한 정보영상(I)을 평가하여 정보생성망(311)이 보다 정확하게 특징점을 도출하도록 한다. 즉, 정보판단망(313)은 정보생성망(311)을 학습시키기 위한 보조 역할을 수행한다. 이를 위하여 척추체영상(V)에 대응하는 대조영상(C)을 미리 마련한다. 대조영상(C)은 정보생성망(311)을 학습시키기 위하여 그래픽 툴(graphic tools)을 통해 척추체영상(V)에 포함된 척추체의 테두리를 따라 특징점(P)을 표시한 영상이다. 정보판단망(313)은 정보생성망(311)이 생성한 정보영상(I)과 미리 생성된 대조영상(C)을 비교하여 대조영상(C)의 특징점(P) 대비 정보영상(I)의 특징점(P)의 정확도를 평가한다.

그러면, 전술한 정보생성망(311) 및 정보판단망(313) 각각의 구성에 대해서 보다 상세하게 설명하기로 한다. 도 8은 본 발명의 실시예에 따른 정보생성망의 구성을 설명하기 위한 도면이다. 그리고 도 9는 본 발명의 실시예에 따른 정보판단망의 구성을 설명하기 위한 도면이다.

도 8을 참고하면, 정보생성망(311)은 가중치가 적용되는 복수의 연산을 포함하는 복수의 계층을 포함한다. 여기서, 복수의 연산을 포함하는 복수의 계층은 컨볼루션(Convolution) 연산을 수행하는 컨볼루션계층(CL: Convolution Layer), 다운샘플링(Down Sampling) 연산을 수행하는 풀링계층(PL: Pooling Layer) 및 업샘플링(Up Sampling) 연산을 수행하는 언풀링(UL: Unpooling Layer) 계층 및 디컨불루션 연산을 수행하는 디컨불루션 계층(DL: Deconvolution Layer) 각각을 하나 이상 포함한다. 컨볼루션, 다운샘플링, 업샘플링 및 디컨불루션 연산 각각은 소정의 행렬로 이루어진 커널을 이용하며, 이러한 행렬의 원소의 값들이 가중치(w)가 된다.

정보생성망(311)은 척추체영상(V)이 입력되면, 척추체영상(V)에 대해 복수의 계층의 가중치가 적용되는 복수의 연산을 수행하여 척추체영상(V)의 척추체의 테두리를 따라 복수의 특징점(P)을 표시한 영상인 정보영상(I)을 생성한다.

도 9를 참조하면, 정보판단망(313)은 가중치가 적용되는 복수의 연산을 수행하는 복수의 계층을 포함한다. 여기서, 복수의 연산을 수행하는 복수의 계층은 컨볼루션(Convolution) 연산을 수행하는 컨볼루션계층(CL: Convolution Layer) 및 소프트맥스(Soft-max) 연산을 수행하는 완전연결층(FL: Fully Connected Layer)을 포함한다. 컨볼루션 연산은 소정의 행렬로 이루어진 커널(W)을 이용하며, 이러한 행렬의 원소의 값들이 가중치(w)가 된다. 또한, 소프트맥스 연산 또한 가중치(w)를 적용하여 수행된다.

정보판단망(313)은 정보생성망(311)이 생성한 정보영상(I)과 미리 생성된 대조영상(C)을 비교하여 대조영상(C)의 특징점(P) 대비 정보영상(I)의 특징점(P)의 정확도를 평가한다. 구체적으로, 정보판단망(313)은 정보영상(I) 및 대조영상(C)을 입력 받고, 정보영상(I) 및 대조영상(C)에 대해 가중치가 적용되는 복수의 연산을 수행하여 대조영상(C)의 특징점(P) 대비 정보영상(I)의 특징점(P)을 구분할 수 없는지(right) 혹은 구분 가능한지(wrong) 여부를 출력한다. 즉, 정보판단망(313)은 정보영상(I)의 특징점(P)이 대조영상(C)의 특징점(P)과 동일하여 구분 가능한지 여부를 출력한다.

다음으로, 본 발명의 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 방법에 대해서 설명하기로 한다. 진단에 앞서, 척추검출망(210) 및 정보생성망(311)에 대한 학습이 요구된다.

먼저, 척추검출망(210)에 대한 학습 방법에 대해서 설명하기로 한다. 도 10은 본 발명의 실시예에 따른 척추검출망을 학습시키는 방법을 설명하기 위한 흐름도이다.

도 10을 참조하면, 검출학습부(220)는 S110 단계에서 학습 데이터인 척추영상(S)에 대응하는 기댓값을 설정한다. 기댓값은 영역 상자(B)의 무게 중심의 픽셀 좌표(x, y), 영역 상자(B)의 폭 및 높이(w, h) 및 영역 상자(B) 내에 포함된 객체가 척추체일 확률(p)을 포함한다(예컨대, P > 0.70).

다음으로, 검출학습부(220)는 S120 단계에서 학습 데이터인 척추영상(S)을 척추검출망(210)에 입력한다.

학습 데이터가 입력되면, 척추검출망(210)은 복수의 계층(컨벌루션 계층)의 각각이 가중치가 적용되는 복수의 연산(컨벌루션 연산)을 통해 출력값을 산출한다.

그러면, 검출학습부(220)는 S130 단계에서 척추검출망(210)의 출력값과 기댓값의 차이가 최소가 되도록 역전파 알고리즘 및 최적화 기법을 이용하여 척추검출망(210)의 가중치를 수정한다.

전술한 S110 및 S130 단계는 복수의 객체 각각에 대해 복수의 학습 데이터를 입력하여 출력값이 기댓값을 만족하면서, 출력값이 변동이 없을 때까지 반복하여 수행한다. 이러한 경우, 검출학습부(220)는 인공신경망(100)이 충분히 학습이 이루어진 것으로 판단한다.

다음으로, 먼저, 정보생성망(311)에 대한 학습 방법에 대해서 설명하기로 한다. 도 11 및 도 12는 본 발명의 실시예에 따른 정보생성망을 학습시키는 방법을 설명하기 위한 흐름도이다.

도 11 및 도 12를 참조하면, 정보판단망(313)의 출력은 0과 1사이의 확률값이며, 1은 정확한 것(right)을 나타내고, 0은 부정확한 것(wrong)을 나타낸다.

정보학습부(320)는 S210 단계에서 정보판단망(313)이 대조영상(C)을 입력하면 정확한(right) 것으로 판단하도록 기댓값을 설정한다. 즉, 정보학습부(320)는 대조영상(C)에 대한 제1 기댓값을 '1.00'으로 설정할 수 있다. 이어서, 정보학습부(320)는 S220 단계에서 정보판단망(313)에 대조영상(C)을 입력한다. 그러면, 정보판단망(313)은 대조영상(C)에 대해 각각이 가중치가 적용되는 복수의 연산을 수행하여 출력값을 출력한다. 이에 따라, 정보학습부(320)는 대조영상(C)에 대한 정보판단망(313)의 출력값을 얻는다. 여기서, 대조영상(C)은 척추체영상(V)으로부터 생성된 것이다. 그런 다음, 정보학습부(320)는 S230 단계에서 정보판단망(313)에 대조영상(C)을 입력했을 때의 출력값과 제1 기댓값('1.00')의 차이를 제1 차이값으로 산출한다.

한편, 정보학습부(320)는 S240 단계에서 정보판단망(313)에 정보영상(I)을 입력하면 부정확한 것(wrong)으로 판단하도록 제2 기댓값을 설정한다. 즉, 정보학습부(320)는 정보영상(I)에 대한 제2 기댓값을 '0.00'으로 설정한다. 그런 다음, 정보학습부(320)는 S250 단계에서 정보생성망(311)에 척추체영상(V)을 입력하여 정보생성망(311)의 출력인 정보영상(I)을 도출한다. 여기서, 척추체영상(V)은 앞서 대조영상(C)을 생성하기 위해 사용된 것과 동일한 영상이다. 다음으로, 정보학습부(320)는 S260 단계에서 정보판단망(313)에 정보생성망(311)이 생성한 정보영상(I)을 입력하고, 정보영상(I)에 대한 정보판단망(313)의 출력값을 얻는다. 그런 다음, 정보학습부(320)는 S270 단계에서 정보판단망(313)에 정보영상(I)을 입력했을 때의 출력값과 제2 기댓값('0.00')의 차이를 제2 차이값으로 산출한다.

다음으로, 정보학습부(320)는 S280 단계에서 제1 차이값과 제2 차이값의 합을 정보판단망(313)의 손실인 구분 손실값으로 산출한다. 그런 다음, 정보학습부(320)는 S290 단계에서 역전파 알고리즘 및 최적화 기법을 이용하여 구분 손실값이 최소가 되도록 정보생성망(311)의 가중치를 고정하고, 정보판단망(313)의 가중치를 업데이트한다.

한편, 정보학습부(320)는 S300 단계에서 정보판단망(313)이 정보영상(I)을 입력받으면 정확한 것(right)으로 판단하도록 제3 기댓값을 설정한다. 즉, 정보학습부(320)는 정보영상(I)에 대한 제3 기댓값을 '1.00'으로 설정한다. 그런 다음, 정보학습부(320)는 S310 단계에서 정보생성망(311)에 척추체영상(V)을 입력하여 정보생성망(311)의 출력인 정보영상(I)을 도출한다. 여기서, 척추체영상(V)은 앞서 대조영상(C)을 생성하기 위해 사용된 것과 동일한 영상이다. 다음으로, 정보학습부(320)는 S320 단계에서 정보판단망(313)에 정보생성망(311)이 생성한 정보영상(I)을 입력하고, 정보영상(I)에 대한 정보판단망(313)의 출력값을 얻는다. 그런 다음, 정보학습부(320)는 S330 단계에서 정보판단망(313)에 정보영상(I)을 입력했을 때의 출력값과 제3 기댓값('1.00')의 차이를 정보생성망(311)의 손실인 생성 손실값으로 산출한다. 그런 다음, 정보학습부(320)는 S340 단계에서 역전파 알고리즘 및 최적화 기법을 이용하여 생성 손실값이 최소가 되도록 정보판단망(313)의 가중치를 고정하고, 정보생성망(311)의 가중치를 업데이트한다.

한편, 전술한 S210 단계 내지 S340 단계는 정보판단망(313)에 정보영상(I)을 입력했을 때 출력값이 정확한 것(right)과 부정확한 것(wrong)을 구분할 수 없을 때까지, 즉, 정보판단망(313)에 정보영상(I)을 입력했을 때 정보판단망(313)의 출력값이 0.5가 될 때까지 반복한다. 따라서 정보학습부(320)는 S350 단계에서 학습을 종료할지 여부에 대해서 판별하고, 정보판단망(313)에 특징영상(F)을 입력했을 때의 출력값이 0.5로 수렴되면, 학습을 종료하고, 0.5가 아니면, 전술한 S210 단계 내지 S340 단계를 반복한다.

전술한 바와 같이, 척추검출망(210) 및 생성망(311)의 학습이 완료되면, 학습이 완료된 척추검출망(210) 및 생성망(311)을 이용하여 척추 골절을 진단할 수 있다. 이러한 방법에 대해서 설명하기로 한다. 도 13은 본 발명의 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 방법을 설명하기 위한 흐름도이다. 도 14 및 도 15는 본 발명의 실시예에 따른 형태학적 특징을 이용한 척추 골절을 진단하기 위한 방법을 설명하기 위한 화면 예이다.

도 13을 참조하면, 전처리부(100)는 S410 단계에서 진단 대상인 환자의 척추(spine)의 측면을 촬영한 의료 영상인 척추영상(S)이 입력되면, 척추영상(S)의 픽셀값을 정규화한다.

다음으로, 척추검출부(200)는 S420 단계에서 척추영상(S)에서 척추체(vertebral body)를 포함하는 영역을 영역 상자(B)로 구분하고, 그 영역 상자(B) 부분을 추출하여 척추체영상(V)을 생성한다.

이때, 척추검출부(200)의 검출처리부(230)는 척추영상(S)이 입력되면, 척추검출망(210)에 척추영상(S)을 입력하고, 적어도 하나의 척추검출망(210)의 출력값을 얻는다. 전술한 수학식 1과 같이, 척추검출망(210)의 출력값은 영역 상자(B)의 무게 중심의 픽셀 좌표(x, y), 영역 상자(B)의 폭 및 높이(w, h) 그리고 영역 상자(B) 내에 포함된 객체가 척추체일 확률(p)을 포함한다. 검출처리부(230)는 척추검출망(210)의 출력값 중 척추체일 확률(p)이 기 설정된 임계치 이상이면, 해당 영역 상자(B)의 무게 중심의 픽셀 좌표(x, y)와 폭 및 높이(w, h)를 기초로 영역 상자(B) 부분을 추출하여 척추체영상(V)을 생성한다.

정보추출부(300)는 S430 단계에서 척추체영상(V)에서 척추체의 테두리를 따라 복수의 특징점(P)을 표시한 영상인 정보영상(I)을 생성한다.

일 실시예에 따르면, 정보추출부(300)는 척추체영상(V)에서 척추체의 형태로 마스크를 그리고, 마스크에서 복수의 특징점(P)을 도출하고, 도출된 특징점(P)을 표시하여 정보영상(I)을 생성할 수 있다.

다른 실시예에 따르면, 정보추출부(300)는 정보생성망(311)을 통해 척추체의 테두리에 복수의 특징점(P)을 표시하여 정보영상(I)을 생성할 수 있다. 즉, 정보추출부(300)의 정보처리부(330)가 척추체영상(V)을 정보생성망(311)에 입력하면, 정보생성망(311)은 각각이 가중치가 적용되는 복수의 연산을 통해 척추체영상(V) 내에 도시된 척추체의 테두리에 복수의 특징점(P)을 표시하여 정보영상(I)을 생성한다. 여기서, 복수의 연산은 컨볼루션, 다운샘플링, 업샘플링 및 디컨불루션 연산 중 적어도 하나를 포함한다.

정보 영상의 예가 도 14에 도시되었다. 도시된 바와 같이, 정보영상(I)은 복수의 특징점(P: UP1, UP2, UP3, UP4, DW1, DW2, DW3, DW4)을 포함한다. 여기서, 특징점(P)이 8개인 것으로 예시되었지만, 본 발명이 이에 한정되는 것은 아니며, 2 이상의 특징점(P)을 이용할 수 있다.

다음으로, 특징추출부(400)는 S440 단계에서 정보영상(I)의 복수의 특징점(P)을 기초로 척추체의 형태학적 특징(M)을 도출한 특징영상(F)을 생성한다. 특징영상(F)의 예가 도 15에 도시되었다. 도시된 바와 같이, 형태학적 특징(M)은 복수의 특징점(P: UP1, UP2, UP3, UP4, DW1, DW2, DW3, DW4)을 연결한 복수의 선(D: D11, D12, D13, D14, D21, D22, D23, D24), 그 복수의 선(D)의 길이, 복수의 선(D)을 연결하여 완성되는 복수의 면(E: E1, E2) 및 그 면(E: E1, E2)의 면적, 그리고 복수의 선(D) 중 연결된 두 선 사이의 각(A1, A2, A3, A4) 중 적어도 하나를 포함한다.

진단부(500)는 S450 단계에서 특징영상(F)의 척추체의 형태학적 특징(M) 및 척추체의 형태학적 특징(M) 간의 상관관계를 이용하여 척추 손상 여부 및 손상 정도를 진단하고, 진단 결과(O)를 출력한다. 이러한 진단부(500)는 인공신경망(ANN: Artificial Neural Network) 혹은 결정트리(decision tree)로 구현될 수 있다. 인공신경망 혹은 결정트리로 형성된 진단부(500)는 척추체의 형태학적 특징(M)이 입력되면, 척추체의 형태학적 특징(M) 간의 상관관계를 도출하고, 척추체의 형태학적 특징(M) 및 척추체의 형태학적 특징(M) 간의 상관관계를 기초로 척추 손상 여부 및 손상 정도를 진단하고, 진단 결과(O)를 출력할 수 있다. 여기서, 척추체의 형태학적 특징(M) 간의 상관관계는 어느 하나의 형태학적 특징(M)의 변화에 따른 다른 형태학적 특징(M)의 변화의 기여도(가중치)를 나타낸다.

진단 결과(O)는 기본적으로, 척추 손상 여부 및 손상 정도를 포함한다. 또한, 진단 결과(O)는 척추 손상 여부 및 손상 정도에 대응하는 치료 방법을 더 포함한다.

한편, 앞서 설명된 본 발명의 실시예에 따른 방법은 다양한 컴퓨터수단을 통하여 판독 가능한 프로그램 형태로 구현되어 컴퓨터로 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 와이어뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 와이어를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상 본 발명을 몇 가지 바람직한 실시예를 사용하여 설명하였으나, 이들 실시예는 예시적인 것이며 한정적인 것이 아니다. 이와 같이, 본 발명이 속하는 기술분야에서 통상의 지식을 지닌 자라면 본 발명의 사상과 첨부된 특허청구범위에 제시된 권리범위에서 벗어나지 않으면서 균등론에 따라 다양한 변화와 수정을 가할 수 있음을 이해할 것이다.

10: 진단장치 100: 전처리부
200: 척추검출부 210: 척추검출망
220: 검출학습부 230: 검출처리부
300: 정보추출부 310: 정보추출망
311: 정보생성망 313: 정보판단망
320: 정보학습부 330: 정보처리부
400: 특징추출부 500: 진단부

Claims

형태학적 특징을 이용한 척추 골절을 진단하기 위한 장치에 있어서,
척추의 측면을 촬영한 의료 영상인 척추영상에서 척추체를 포함하는 영역을 영역 상자로 구분하고, 구분된 영역 상자 부분을 추출하여 척추체영상을 생성하는 척추검출부;
상기 척추체영상에서 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 정보추출부;
상기 정보영상의 복수의 특징점을 기초로 척추체의 형태학적 특징을 도출하는 특징추출부; 및
상기 척추체의 형태학적 특징 및 상기 척추체의 형태학적 특징 간의 상관관계에 따라 척추 손상 여부 및 손상 정도를 진단하는 진단부;를 포함하며,
상기 정보추출부는
상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 정보생성망; 및
상기 정보생성망에 상기 척추체영상을 입력하고, 상기 정보생성망부터 상기 척추체영상에 대한 상기 정보생성망의 출력인 상기 정보영상을 획득하고, 획득한 정보영상을 출력하는 정보처리부;를 포함하며,
상기 정보추출부는
상기 정보생성망이 생성한 정보영상과 미리 생성된 대조영상을 비교하여 대조영상의 특징점 대비 정보영상의 특징점의 정확도를 평가하는 정보판단망; 및
대조영상에 대해 정확한 것으로 판단하도록 제1 기댓값을 설정하고, 상기 정보판단망에 상기 대조영상을 입력한 후, 상기 대조영상의 입력에 따른 정보판단망의 출력값과 상기 제1 기댓값의 차이를 제1 차이값으로 산출하고,
정보영상에 대해 부정확한 것으로 판단하도록 제2 기댓값을 설정하고, 정보판단망에 정보영상을 입력하고, 상기 정보영상의 입력에 따른 정보판단망의 출력값과 상기 제2 기댓값의 차이를 제2 차이값으로 산출하고,
상기 제1 차이값과 상기 제2 차이값의 합을 정보판단망의 손실인 구분 손실값으로 산출하고, 상기 구분 손실값이 최소가 되도록 상기 정보생성망의 가중치를 고정하고, 상기 정보판단망의 가중치를 업데이트하고,
정보영상에 대해 부정확한 것으로 판단하도록 제3 기댓값을 설정하고, 정보판단망에 정보생성망의 출력인 정보영상을 입력하고, 입력에 따른 정보판단망의 출력값과 상기 제3 기댓값의 차이를 정보생성망의 손실인 생성 손실값으로 산출하고,
상기 생성 손실값이 최소가 되도록 상기 정보판단망의 가중치를 고정하고, 상기 정보생성망의 가중치를 업데이트하고,
상기 정보판단망이 상기 정보영상에 대해 정확한 것과 부정확한 것을 구분할 수 없을 때까지 상기 정보판단망의 가중치 업데이트 및 상기 정보생성망의 가중치 업데이트를 반복하는
정보학습부;를 더 포함하는 것을 특징으로 하는
척추 골절을 진단하기 위한 장치.
제1항에 있어서,
상기 척추검출부는
상기 척추영상이 입력되면, 척추체를 포함하는 영역을 나타내는 영역 상자 및 상기 영역 상자 내에 포함된 객체가 척추체일 확률을 출력하는 척추검출망; 및
상기 척추영상에서 상기 영역 상자 내에 포함된 객체가 척추체일 확률이 기 설정된 임계치 이상인 영역 상자 부분을 추출하여 척추체영상을 생성하고, 생성된 척추체영상을 출력하는 검출처리부;를 포함하는 것을 특징으로 하는
척추 골절을 진단하기 위한 장치.
제2항에 있어서,
상기 척추검출부는
학습 데이터인 척추영상에 대응하여 영역 상자의 무게 중심의 픽셀 좌표, 영역 상자의 폭 및 높이 및 영역 상자 내에 포함된 객체가 척추체일 확률을 포함하는 기댓값을 설정하고,
상기 학습 데이터인 척추영상을 상기 척추검출망에 입력하고,
상기 입력에 따른 상기 척추검출망의 출력값과 상기 기댓값의 차이가 최소가 되도록 상기 척추검출망의 가중치를 수정하는 검출학습부;를 더 포함하는 것을 특징으로 하는
척추 골절을 진단하기 위한 장치.
삭제
삭제
제1항에 있어서,
상기 형태학적 특징은
복수의 특징점을 연결한 복수의 선, 상기 복수의 선의 길이, 상기 복수의 선을 연결하여 완성되는 복수의 면, 상기 복수의 면의 면적 및 상기 복수의 선 중 연결된 두 선 사이의 각 중 적어도 하나를 포함하는 것을 특징으로 하는
척추 골절을 진단하기 위한 장치.
형태학적 특징을 이용한 척추 골절 진단 장치에 의한 척추 골절 진단 방법에 있어서,
척추검출부가 척추의 측면을 촬영한 의료 영상인 척추영상에서 척추체를 포함하는 영역을 영역 상자로 구분하고, 구분된 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계;
정보추출부가 상기 척추체영상에서 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계;
특징추출부가 상기 정보영상의 복수의 특징점을 기초로 척추체의 형태학적 특징을 도출하는 단계; 및
진단부가 상기 척추체의 형태학적 특징 및 상기 척추체의 형태학적 특징 간의 상관관계에 따라 척추 손상 여부 및 손상 정도로부터 척추 골절을 진단하는 단계;를 포함하며,
상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계는
정보처리부가 정보생성망에 상기 척추체영상을 입력하는 단계;
상기 정보생성망이 상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계;
상기 정보처리부가 상기 정보생성망이 생성한 상기 정보영상을 획득하고, 획득한 정보영상을 출력하는 단계;를 포함하며,
상기 척추체의 테두리를 따라 복수의 특징점을 표시한 영상인 정보영상을 생성하는 단계 전,
정보학습부가 대조영상에 대해 정확한 것으로 판단하도록 제1 기댓값을 설정하고, 정보판단망에 상기 대조영상을 입력한 후, 상기 대조영상의 입력에 따른 정보판단망의 출력값과 상기 제1 기댓값의 차이를 제1 차이값으로 산출하는 단계;
상기 정보학습부가 정보영상에 대해 부정확한 것으로 판단하도록 제2 기댓값을 설정하고, 상기 정보판단망에 정보영상을 입력하고, 상기 정보영상의 입력에 따른 상기 정보판단망의 출력값과 상기 제2 기댓값의 차이를 제2 차이값으로 산출하는 단계;
상기 정보학습부가 상기 제1 차이값과 상기 제2 차이값의 합을 상기 정보판단망의 손실인 구분 손실값으로 산출하고, 상기 구분 손실값이 최소가 되도록 상기 정보생성망의 가중치를 고정하고, 상기 정보판단망의 가중치를 업데이트하는 단계;
상기 정보학습부가 정보영상에 대해 부정확한 것으로 판단하도록 제3 기댓값을 설정하고, 상기 정보판단망에 상기 정보생성망의 출력인 정보영상을 입력하고, 입력에 따른 상기 정보판단망의 출력값과 상기 제3 기댓값의 차이를 상기 정보생성망의 손실인 생성 손실값으로 산출하고, 상기 생성 손실값이 최소가 되도록 상기 정보판단망의 가중치를 고정하고, 상기 정보생성망의 가중치를 업데이트하는 단계;
상기 정보학습부가 상기 정보판단망이 상기 정보영상에 대해 상기 정확한 것과 상기 부정확한 것을 구분할 수 없을 때까지 상기 정보판단망의 가중치 업데이트 및 상기 정보생성망의 가중치 업데이트를 반복하는 단계;를 더 포함하는 것을 특징으로 하는
척추 골절 진단 장치에 의한 척추 골절 진단 방법.
제7항에 있어서,
상기 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계는
척추검출망이 상기 척추영상이 입력되면, 척추체를 포함하는 영역을 나타내는 영역 상자 및 상기 영역 상자 내에 포함된 객체가 척추체일 확률을 출력하는 단계; 및
검출처리부가 상기 척추영상에서 상기 영역 상자 내에 포함된 객체가 척추체일 확률이 기 설정된 임계치 이상인 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계; 및
상기 검출처리부가 상기 생성된 척추체영상을 출력하는 단계;를 포함하는 것을 특징으로 하는
척추 골절 진단 장치에 의한 척추 골절 진단 방법.
제8항에 있어서,
상기 영역 상자 부분을 추출하여 척추체영상을 생성하는 단계 전,
검출학습부가 학습 데이터인 척추영상에 대응하여 영역 상자의 무게 중심의 픽셀 좌표, 영역 상자의 폭 및 높이 및 영역 상자 내에 포함된 객체가 척추체일 확률을 포함하는 기댓값을 설정하는 단계;
상기 검출학습부가 상기 학습 데이터인 척추영상을 상기 척추검출망에 입력하는 단계;
상기 입력에 따른 상기 척추검출망의 출력값과 상기 기댓값의 차이가 최소가 되도록 상기 척추검출망의 가중치를 업데이트하는 단계;를 더 포함하는 것을 특징으로 하는
척추 골절 진단 장치에 의한 척추 골절 진단 방법.
삭제
삭제
제7항에 있어서,
상기 형태학적 특징은
복수의 특징점을 연결한 복수의 선, 상기 복수의 선의 길이, 상기 복수의 선을 연결하여 완성되는 복수의 면, 상기 복수의 면의 면적 및 상기 복수의 선 중 연결된 두 선 사이의 각 중 적어도 하나를 포함하는 것을 특징으로 하는
척추 골절 진단 장치에 의한 척추 골절 진단 방법.