맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

체형 정보를 이용한 고혈압 판단 모델을 생성하는 장치 및 그 방법, 고혈압 판단 모델을 이용한 고혈압 판단 장치 및 그 방법

  • 기술번호 : KST2015207784
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 고혈압 판단 모델 생성 장치가 개시된다. 본 발명의 실시예에 다른 고혈압 판단 모델 생성 장치는, 적어도 한 명의 사람에 대한 체형 정보를 입력 받는 입력 유닛, 및 머신 러닝(machine learning) 기반으로 입력된 체형 정보를 학습하여 고혈압 판단 모델을 생성하는 모델 생성 유닛을 포함한다.
Int. CL G06F 19/00 (2011.01)
CPC G16H 50/50(2013.01) G16H 50/50(2013.01) G16H 50/50(2013.01)
출원번호/일자 1020120105087 (2012.09.21)
출원인 한국 한의학 연구원
등록번호/일자 10-1430818-0000 (2014.08.08)
공개번호/일자 10-2014-0039408 (2014.04.02) 문서열기
공고번호/일자 (20140818) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2012.09.21)
심사청구항수 18

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국 한의학 연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이범주 대한민국 충청북도 청주시 흥덕구
2 김근호 대한민국 대전 서구
3 김종열 대한민국 대전 중구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 무한 대한민국 서울특별시 강남구 언주로 ***, *층(역삼동,화물재단빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국 한의학 연구원 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2012.09.21 수리 (Accepted) 1-1-2012-0767660-43
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2013.06.11 수리 (Accepted) 4-1-2013-0024945-61
3 의견제출통지서
Notification of reason for refusal		 2013.10.31 발송처리완료 (Completion of Transmission) 9-5-2013-0754960-12
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2013.12.13 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2013-1143660-43
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2013.12.13 수리 (Accepted) 1-1-2013-1143659-07
6 거절결정서
Decision to Refuse a Patent		 2014.04.29 발송처리완료 (Completion of Transmission) 9-5-2014-0294626-55
7 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2014.05.30 보정승인 (Acceptance of amendment) 1-1-2014-0516297-21
8 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2014.05.30 수리 (Accepted) 1-1-2014-0516295-30
9 최후의견제출통지서
Notification of reason for final refusal		 2014.06.20 발송처리완료 (Completion of Transmission) 9-5-2014-0420055-63
10 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2014.07.01 수리 (Accepted) 1-1-2014-0620176-78
11 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2014.07.01 보정승인 (Acceptance of amendment) 1-1-2014-0620177-13
12 등록결정서
Decision to Grant Registration		 2014.07.30 발송처리완료 (Completion of Transmission) 9-5-2014-0522843-94
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
적어도 한 명의 사람에 대한 체형 정보를 입력 받는 입력 유닛; 및머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 고혈압 판단 모델을 생성하는 모델 생성 유닛을 포함하고,상기 체형 정보는,사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈, 및 각 부위 별 비율을 포함하며,상기 모델 생성 유닛은, 상기 입력된 체형 정보로부터 고혈압 판단과 가장 관련도가 높은 부위 별 비율들을 검색하고, 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 특징 선택 유닛; 및상기 선택된 신체 특징을 학습하여 상기 고혈압 판단 모델을 생성하는 머신 러닝 유닛을 포함하고,상기 머신 러닝 유닛은 상기 입력 받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 고혈압 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 고혈압 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는고혈압 판단 모델 생성 장치
2 2
삭제
3 3
제1항에 있어서,상기 모델 생성 유닛은, 상기 입력 유닛을 통해 입력된 상기 체형 정보를 전처리하는 전처리 유닛;을 더 포함하는 고혈압 판단 모델 생성 장치
4 4
제3항에 있어서,상기 전처리 유닛은, 상기 입력 유닛을 통해 입력된 상기 체형 정보에 대한 이진화, 세션화 및 잡음 제거 중 적어도 하나의 전처리를 하는고혈압 판단 모델 생성 장치
5 5
제1항에 있어서,상기 특징 선택 유닛은, 특징 선택 방법(Feature Selection Method)을 이용하여 상기 체형 정보에 대한 최적의 신체 특징을 선택하는고혈압 판단 모델 생성 장치
6 6
제5항에 있어서,상기 머신 러닝 유닛은, 상기 특징 선택 유닛에 의해 선택된 상기 최적의 신체 특징을 머신 러닝 알고리즘에 적용하여 상기 고혈압 판단 모델을 생성하는, 고혈압 판단 모델 생성 장치
7 7
제6항에 있어서, 상기 머신 러닝 알고리즘은,서포트 벡터 머신(Support Vector Machine), 은닉 마르코프 모델(Hidden Markov Model), 회귀 분석(Regression), 신경망(Neural Network), 나이브 베이즈 분류(Naive Bayes Classification) 및 결정트리(Decision Tree) 중 어느 하나인, 고혈압 판단 모델 생성 장치
8 8
제1항에 있어서, 상기 입력 유닛에 입력된 체형 정보 및 상기 모델 생성 유닛에 의해 생성된 고혈압 판단 모델을 저장하는 저장 유닛; 및외부로부터 상기 고혈압 판단 모델에 대한 요청 신호가 수신될 경우, 상기 요청 신호에 대응하여 상기 고혈압 판단 모델을 송신하는 통신 유닛을 더 포함하는 고혈압 판단 모델 생성 장치
9 9
적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는 입력 유닛;머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 고혈압 판단 모델을 생성하는 모델 생성 유닛; 및외부로부터 고혈압 판단을 위한 제2 체형 정보가 수신된 경우, 상기 제2 체형 정보를 상기 고혈압 판단 모델에 적용하여 상기 제2 체형 정보에 대한 고혈압 여부를 판단하는 고혈압 판단 유닛을 포함하고,상기 제1 체형 정보 및 상기 제2 체형 정보는,사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈 및 각 부위 별 비율을 포함하며,상기 모델 생성 유닛은,상기 입력된 체형 정보로부터 고혈압 판단과 가장 관련도가 높은 부위 별 비율을 검색하고, 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 특징 선택 유닛; 및상기 선택된 신체 특징을 학습하여 상기 고혈압 판단 모델을 생성하는 머신 러닝 유닛을 포함하고,상기 머신 러닝 유닛은 상기 입력받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 고혈압 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 고혈압 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는고혈압 판단 장치
10 10
삭제
11 11
제9항에 있어서, 상기 모델 생성 유닛은,상기 입력 유닛을 통해 입력된 상기 체형 정보를 전처리하는 전처리 유닛;을 더 포함하는, 고혈압 판단 장치
12 12
제11항에 있어서,상기 전처리 유닛은, 상기 입력 유닛을 통해 입력된 상기 체형 정보에 대한 이진화, 세션화 및 잡음 제거 중 적어도 하나의 전처리를 하는, 고혈압 판단 장치
13 13
제9항에 있어서,상기 특징 선택 유닛은, 특징 선택 방법(Feature Selection Method)을 이용하여 상기 체형 정보에 대한 최적의 신체 특징을 선택하는, 고혈압 판단 장치
14 14
제13항에 있어서,상기 머신 러닝 유닛은, 상기 특징 선택 유닛에 의해 선택된 상기 최적의 신체 특징을 머신 러닝 알고리즘에 적용하여 상기 고혈압 판단 모델을 생성하는, 고혈압 판단 장치
15 15
제14항에 있어서, 상기 머신 러닝 알고리즘은,서포트 벡터 머신(Support Vector Machine), 은닉 마르코프 모델(Hidden Markov Model), 회귀 분석(Regression), 신경망(Neural Network), 나이브 베이즈 분류(Naive Bayes Classification) 및 결정트리(Decision Tree) 중 어느 하나인, 고혈압 판단 장치
16 16
제9항에 있어서, 상기 입력 유닛에 입력된 제1 체형 정보 및 상기 모델 생성 유닛에 의해 생성된 고혈압 판단 모델을 저장하는 저장 유닛; 및상기 외부로부터 상기 제2 체형 정보를 수신하고, 상기 고혈압 여부의 판단 결과를 상기 외부로 전송하는 통신 유닛을 더 포함하는, 고혈압 판단 장치
17 17
적어도 한 명의 사람에 대한 체형 정보를 입력 받는 단계; 및머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 고혈압 판단 모델을 생성하는 단계를 포함하고,상기 체형 정보는,사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈, 및 각 부위 별 비율을 포함하며,상기 고혈압 판단 모델을 생성하는 단계는, 상기 입력 받은 체형 정보로부터 고혈압 판단과 가장 관련도가 높은 부위 별 비율들을 검색하고, 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 단계;상기 선택된 신체 특징을 학습하여 상기 고혈압 판단 모델을 생성하는 단계; 및상기 입력 받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 고혈압 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 고혈압 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는 단계를 포함하는고혈압 판단 모델 생성 방법
18 18
제17항에 있어서, 상기 고혈압 판단 모델을 생성하는 단계는, 상기 입력된 상기 체형 정보를 전처리하는 단계;를 더 포함하는 고혈압 판단 모델 생성 방법
19 19
적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는 단계;머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 고혈압 판단 모델을 생성하는 단계;외부로부터 고혈압 판단을 위한 제2 체형 정보가 수신된 경우, 상기 제2 체형 정보를 상기 고혈압 판단 모델에 적용하여 상기 제2 체형 정보에 대한 고혈압 여부를 판단하는 단계를 포함하고,상기 제1 체형 정보 및 상기 제2 체형 정보는,사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈 및 각 부위 별 비율을 포함하며,상기 고혈압 판단 모델을 생성하는 단계는, 상기 입력된 체형 정보로부터 고혈압 판단과 가장 관련도가 높은 부위 별 비율들을 검색하고, 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 단계;상기 선택된 신체 특징을 학습하여 상기 고혈압 판단 모델을 생성하는 단계; 및상기 입력받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 고혈압 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 고혈압 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는 단계를 포함하는는 고혈압 판단 방법
20 20
제17항 및 제19항 중 어느 한 항의 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 지식경제부 한국한의학연구원 고령친화형 사상체질기반 진단/치료기 개발산업 원천기술개발사업 오감형 한방 진단/치료 컨텐츠 개발