휴식 상태 기능성 자기공명 영상의 노이즈를 제거하는 방법 및 이를 위한 장치
본 발명의 일 실시 예에 따른 휴식 상태 기능성 자기공명 영상의 노이즈를 제거하는 방법은 (a) rs-fMRI 데이터로부터 하나의 1D 독립 성분 시계열 데이터 및 이에 대응되는 하나의 3D 독립 성분 공간지도 데이터를 하나의 데이터 세트(set)로 하는 N(N은 양의 정수)개의 제1 데이터 세트를 추출하는 제1 단계, (b) 상기 추출한 N개의 제1 데이터 세트 각각이 포함하는 1D 독립 성분 시계열 데이터로부터 이에 대응되는 2D 스펙트럼 이미지 데이터를 N개 생성하는 제2 단계, (c) 상기 추출한 N개의 제1 데이터 세트 및 상기 생성한 N개의 2D 스펙트럼 이미지에 대하여 서로 대응되는 하나의 1D 독립 성분 시계열 데이터, 3D 독립 성분 공간지도 데이터 및 2D 스펙트럼 이미지 데이터를 제2 데이터 세트로 하여 N개의 제2 데이터 세트 각각이 노이즈인지 여부를 분류하는 제3 단계 및 (d) 상기 제3 단계에서 분류 결과가 노이즈인 제2 데이터 세트 또는 이에 포함되는 제1 데이터 세트를 삭제하는 제4 단계를 포함한다.
상세 설명
기술분야
본 발명은 휴식 상태 기능성 자기공명 영상의 노이즈를 제거하는 방법 및 이를 위한 장치에 관한 것이다. 보다 자세하게는 딥러닝 방식을 도입하여 휴식 상태 기능성 자기공명 영상에서 신경 신호와 노이즈를 효과적으로 분류하여 제거할 수 있는 방법 및 이를 위한 장치에 관한 것이다.
해결하려는 과제
본 발명이 해결하고자 하는 기술적 과제는 인공지능 기반의 딥러닝 모델이 휴식 상태 기능성 자기공명 영상에서 신경 신호와 노이즈를 자동으로 분류하고, 분류한 노이즈를 제거까지할 수 있는 휴식 상태 기능성 자기공명 영상의 노이즈를 제거하는 방법 및 이를 위한 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는 복잡한 노이즈라 할지라도 연구자 또는 전문가의 판단이 필요하지 않게 함으로써 시간 및 비용의 측면에서 현저하게 경제적이고, 판단의 정확도까지 향상시킬 수 있는 휴식 상태 기능성 자기공명 영상의 노이즈를 제거하는 방법 및 이를 위한 장치를 제공하는 것이다
발명의 효과
상기와 같은 본 발명에 따르면, 딥러닝 모델이 휴식 상태 기능성 자기공명 영상에서 신경 신호와 노이즈를 자동으로 분류하고, 분류한 노이즈를 제거까지할 수 있는바, 복잡한 노이즈라 할지라도 연구자 또는 전문가의 판단이 필요하지 않게되기에 시간 및 비용의 측면에서 현저하게 경제적일 수 있다는 효과가 있다.
또한, 딥러닝 모델이 노이즈를 분류하기에 사람이 육안으로 판별하기 어렵거나 알수없는 유형의 노이즈까지 분류할 수 있다는 효과가 있다.
또한, 하나의 데이터만을 이용하는 것이 아니라 휴식 상태 기능성 자기공명 영상으로부터 추출한 1D 독립 성분 시계열 데이터 및 3D 독립 성분 공간지도 데이터 그리고 1D 독립 성분 시계열 데이터로부터 생성한 2D 스펙트럼 이미지 데이터까지 분류에 활용하기에 노이즈 분류 성능이 향상될 수 있다는 효과가 있다.
또한, 노이즈 여부를 분류하기 위한 복수 개의 데이터 상호간에 정보(또는 특징)를 융합하여 어텐션 맵을 생성하고, 이를 기초로 각각의 데이터로부터 추출한 특징을 보정하는바, 딥러닝 모델의 성능, 더 나아가 노이즈 분류 성능까지 향상될 수 있다는 효과가 있다.
