초록 ▼

피부 질환을 촬영한 영상의 화소 특징, 영상으로부터 변환된 회색도 동시발생 행렬(GLCM)과 회색도 연속길이 행렬(GLRLM)로부터 추출된 GLCM 특징 및 GLRLM 특징을 기반으로 흑색종 등의 피부 질환을 높은 정확도로 자동 분류할 수 있는 피부 질환 자동 분류 장치 및 방법, 기록 매체가 개시된다. 본 발명의 실시예에 따른 피부 질환 자동 분류 방법은, 피부 병변을 촬영한 영상에서 화소들의 밝기값들의 히스토그램을 산출하고, 상기 히스토그램을 통계분석하여 화소 특징을 추출하는 단계; 상기 영상의 화소값들을 상기 화소값들 간의 인

피부 질환을 촬영한 영상의 화소 특징, 영상으로부터 변환된 회색도 동시발생 행렬(GLCM)과 회색도 연속길이 행렬(GLRLM)로부터 추출된 GLCM 특징 및 GLRLM 특징을 기반으로 흑색종 등의 피부 질환을 높은 정확도로 자동 분류할 수 있는 피부 질환 자동 분류 장치 및 방법, 기록 매체가 개시된다. 본 발명의 실시예에 따른 피부 질환 자동 분류 방법은, 피부 병변을 촬영한 영상에서 화소들의 밝기값들의 히스토그램을 산출하고, 상기 히스토그램을 통계분석하여 화소 특징을 추출하는 단계; 상기 영상의 화소값들을 상기 화소값들 간의 인접성을 나타내는 회색도 동시발생 행렬(GLCM; Gray-Level Co-occurrence Matrix)로 변환하는 단계; 상기 회색도 동시발생 행렬의 화소값들을 기반으로 GLCM 특징을 추출하는 단계; 상기 영상의 화소값들을 상기 화소값들의 연속길이를 나타내는 회색도 연속길이 행렬(GLRLM; Gray Level RunLength Matrix)로 변환하는 단계; 상기 회색도 연속길이 행렬의 화소값들을 기반으로 GLRLM 특징을 추출하는 단계; 및 상기 화소 특징, 상기 GLCM 특징 및 상기 GLRLM 특징을 기계학습 모델에 적용하여 피부 질환을 분류하는 단계를 포함한다.

대표청구항 ▼

피부경(dermoscopy)을 이용하여 피부 병변을 촬영하여 피부경 영상을 획득하는 단계;상기 피부경 영상을 이진 영상으로 변환하고, 상기 이진 영상에서 상기 피부 병변보다 작은 크기의 객체를 검출하는 단계;상기 피부 병변과 상기 객체의 크기 차이를 기반으로 모발 및 피부각질을 포함하는 잡음을 제거하는 단계;상기 피부경 영상에서 정상 피부의 화소값을 0으로 변환하여 피부 병변 만을 포함하는 관심 영역을 추출하는 단계;상기 관심 영역에서 화소들의 밝기값들의 히스토그램을 산출하고, 상기 히스토그램을 통계분석하여 화소 특징을 추출하는 단

피부경(dermoscopy)을 이용하여 피부 병변을 촬영하여 피부경 영상을 획득하는 단계;상기 피부경 영상을 이진 영상으로 변환하고, 상기 이진 영상에서 상기 피부 병변보다 작은 크기의 객체를 검출하는 단계;상기 피부 병변과 상기 객체의 크기 차이를 기반으로 모발 및 피부각질을 포함하는 잡음을 제거하는 단계;상기 피부경 영상에서 정상 피부의 화소값을 0으로 변환하여 피부 병변 만을 포함하는 관심 영역을 추출하는 단계;상기 관심 영역에서 화소들의 밝기값들의 히스토그램을 산출하고, 상기 히스토그램을 통계분석하여 화소 특징을 추출하는 단계;상기 영상의 화소값들을 상기 화소값들 간의 인접성을 나타내는 회색도 동시발생 행렬(GLCM; Gray-Level Co-occurrence Matrix)로 변환하는 단계;상기 회색도 동시발생 행렬의 화소값들을 기반으로 GLCM 특징을 추출하는 단계;상기 영상의 화소값들을 상기 화소값들의 연속길이를 나타내는 회색도 연속길이 행렬(GLRLM; Gray Level RunLength Matrix)로 변환하는 단계;상기 회색도 연속길이 행렬의 화소값들을 기반으로 GLRLM 특징을 추출하는 단계; 및상기 화소 특징, 상기 GLCM 특징 및 상기 GLRLM 특징을 기계학습 모델에 적용하여 피부 질환을 분류하는 단계를 포함하는 피부 질환 자동 분류 방법.