본 발명은 합성곱 신경망의 계층 연관성 전파를 이용한 퇴행성 뇌질환 이미지 분류 장치에 관한 것으로서, 아밀로이드 제재가 투여된 진단 대상자의 뇌를 단층 촬영함에 따라 획득되는 복수 개의 단층 촬영 이미지를 입력받는 단층 촬영 이미지 입력부와, 복수 개의 상기 단층 촬영 이미지에서 아밀로이드 제재가 침착된 정도에 따라 단층 촬영 이미지를 분류하고자 하는 복수 개의 클래스들과 각 클래스에 대응되는 노드를 생성하는 클래스 생성부와, 아틀라스 기반의 뇌 영역 분할 기법에 따라 뇌 부분 영역별로 기설정된 마스크 영역에 기초하여 상기 단층 촬영 이미지에서 사용자가 선택한 관심영역을 추출하고 이에 대응하는 관심영역 이미지를 저장하는 관심영역 추출부와, 상기 관심영역 이미지에서 두개골 영역 부분을 분리 및 제거한 후 기설정된 이미지 크기로 리사이즈 및 정규화하여 전처리 이미지를 생성하는 이미지 전처리 모듈과, 상기 전처리 이미지를 입력받는 입력 계층과, 상기 입력된 이미지의 특징을 추출하여 다운샘플링하기 위한 합성곱 연산 및 풀링 연산을 수행하는 은닉 계층과, 상기 연산 결과에 따라 상기 전처리 이미지를 상기 복수 개의 클래스들 중 어느 하나로 분류하는 출력 계층을 포함하는 합성곱 신경망 구조의 이미지 분류 모듈과, 상기 분류한 결과값을 상기 출력 계층에서 상기 입력 계층 방향으로 역전파하여 상기 은닉 계층에 포함되는 복수의 은닉 노드 각각의 입력의 변화에 따른 출력의 변화 정도에 대응하는 기여도를 결정함에 따라 상기 분류한 결과값에 대한 상기 전처리 이미지의 픽셀별 기여도를 분석하는 기여도 분석 모듈을 포함하는 것을 특징으로 한다.이에 따라, 기존의 딥러닝 기반 신경망 알고리즘이 가지는 블랙박스 문제를 해결할 수 있어 인공지능의 실질적인 활용 범위를 확장시킬 수 있는 효과가 있다.

G16H 30/40(2018.01.01)
G16H 50/20(2018.01.01)
G16H 30/20(2018.01.01)
G16H 50/30(2018.01.01)
G06N 3/0464(2023.01.01)
G06N 3/045(2023.01.01)
G06N 3/084(2023.01.01)
A61B 5/00(2021.01.01)
A61B 6/50(2024.01.01)
A61B 8/08(2025.01.01)
A61B 5/00(2021.01.01)
G06T 3/40(2024.01.01)
G06T 7/11(2017.01.01)
G06V 10/26(2022.01.01)
G06V 10/32(2022.01.01)
G06V 10/82(2022.01.01)

G16H 30/40(2018.01)