CHOI WOO SIK,최우식,KIM TAE GYU,김태규,LEE HYE SANG,이희상,YOON HONG JUN,윤홍준,SHIM YOUNG TAE,심영태
申请号：
KR1020190073521
公开号：
KR1020957300000B1
申请日:
2019.06.20
申请国别(地区):
KR
年份:
2020
代理人:
摘要：
According to an embodiment of the present invention, a method of detecting a lesion of large intestine based on deep learning comprises the following steps of: (A) generating a diagnosis model by training a lesion of a large intestine tissue through deep learning by using learning data； (B) inputting a diagnosis target image； (C) detecting a lesion part from the diagnosis target image based on the diagnosis model； and (D) displaying the lesion part on the diagnosis target image, wherein the step (A) includes the following steps of: (A1) inputting, as first learning data, a plurality of tissue element images obtained by subdividing a large intestine tissue in each large intestine image for each tissue element； (A2) generating a tissue element classification model through deep learning using the first learning data as input； (A3) inputting, as second learning data, a normal image without a lesion and a lesion image with a lesion for each tissue element； and (A4) generating a lesion detection model for detecting a lesion part for each tissue element through deep learning using the second learning data as input. In addition, in the step (C), it is desirable to apply the tissue element classification model and the lesion detection model as a diagnosis model.본 발명의 일 실시예에 따른 딥러닝 기반의 대장 병변 검출 방법은, (A) 학습데이터를 이용하여 대장 조직의 병변이 딥러닝되어, 진단 모델이 생성되는 단계； (B) 진단 대상 이미지가 입력되는 단계； (C) 진단 모델에 기초하여, 진단 대상 이미지에서 병변부위가 검출되는 단계； 및 (D) 진단 대상 이미지에 병변부위가 표시되는 단계를 포함하고, (A) 단계는, (A1) 복수의 대장 이미지와, 각각의 대장 이미지 내의 대장 조직을 조직 요소 별로 세분화한 복수의 조직 요소 이미지가 제1 학습데이터로 입력되는 단계； (A2) 제1 학습데이터를 입력으로 하는 딥러닝을 통해, 조직요소 분류모델이 생성되는 단계； (A3) 조직 요소 별로, 병변이 없는 정상 이미지와, 병변이 존재하는 병변 이미지가 제2 학습데이터로 입력되는 단계； 및 (A4) 제2 학습데이터를 입력으로 하는 딥러닝을 통해, 조직 요소 별로 병변부위를 검출하는 병변검출모델이 생성되는 단계를 포함하고, (C) 단계에서는 조직요소 분류모델 및 병변검출모델이 진단 모델로 적용되는 것이 바람직하다.
