SAMSUNG LIFE PUBLIC WELFARE FOUNDATION;사회복지법인 삼성생명공익재단;JLK-INSPECTION CO.,LTD;주식회사 제이엘케이인스펙션
发明人:
KIM, Won Tae,김원태,KANG, Shin Uk,강신욱,LEE, Myung Jae,이명재,KIM, Dong Min,김동민,JANG, Jin Seong,장진성,PARK, Jong Hyeok,박종혁
申请号：
KRKR2019/018431
公开号：
WO2020/138932A1
申请日:
2019.12.24
申请国别(地区):
KR
年份:
2020
代理人:
摘要：
The present invention relates to a machine learning-based method and system for classifying thrombi using a gradient echo (GRE) image, the method comprising the steps in which: an image acquisition unit acquires a GRE image； a lesion detection unit detects a lesion region from the acquired GRE image by using an artificial neural network model； a patch region configuration unit configures the detected lesion region into a patch region having a predetermined size, and reconfigures the patch region through a three-dimensional directional projection； and a thrombi classification unit classifies thrombi in the patch region by using the artificial neural network model.La présente invention se rapporte à un procédé et à un système basés sur un apprentissage machine pour la classification de thrombus à l'aide d'une image d'écho de gradient (GRE pour GRadient Echo), le procédé comprenant les étapes au cours desquelles : une unité d'acquisition d'image acquiert une image d'écho GRE ； une unité de détection de lésion détecte une région de lésion à partir de l'image d'écho GRE acquise au moyen d'un modèle de réseau neuronal artificiel ； une unité de configuration de région de timbre configure la région de lésion détectée dans une région de timbre ayant une taille prédéterminée, et reconfigure la région de timbre au moyen d'une projection directionnelle tridimensionnelle ； et une unité de classification de thrombus classifie les thrombus dans la région de timbre à l'aide du modèle de réseau neuronal artificiel.본 발명은 머신러닝 기반의 GRE 영상을 활용한 혈전 분류 방법 및 시스템에 관한 것으로, 영상획득부가 GRE(Gradient echo)영상을 획득하는 단계와, 병변검출부가 인공신경망 모델을 이용하여 획득한 GRE영상에서 병변 영역을 검출하는 단계와, 패치영역설정부가 검출된 병변 영역을 일정한 크기의 패치영역으로 설정하고, 3차원 방향의 프로젝션을 통해 패치영역을 재설정하는 단계와, 혈전분류부가 인공신경망 모델을 이용하여 패치영역에서 혈전을 분류하는 단계를 포함한다.
