맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

3차원 의료 영상에서 깊이 방향 재귀 학습을 이용하는 병변 특징 표현 분석 방법 및 시스템(METHOD AND SYSTEM FOR ANALYZING FEATURE REPRESENTATION OF LESIONS WITH DEPTH DIRECTIONAL LONG-TERM RECURRENT LEARNING IN 3D MEDICAL IMAGES)

  • 기술번호 : KST2018002339
  • 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 일실시예에 따르면, 3차원 의료 영상에서 깊이 방향 재귀 학습을 이용하는 병변 특징 표현 분석 방법은 컨벌루션 신경망(Convolution Neural Network; CNN)을 이용하여, 복수의 단면영상들-상기 복수의 단면영상들은 병변을 촬영한 하나의 3차원 의료 영상에 포함됨- 각각의 병변 공간 특징 표현을 추출하는 단계; 및 상기 복수의 단면영상들 각각의 병변 공간 특징 표현을 기초로 재귀 신경망(Recurrent Neural Network)을 이용하여, 상기 복수의 단면영상들의 깊이 방향에 따라 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하는 단계를 포함한다.
Int. CL A61B 5/00 (2006.01.01) A61B 6/03 (2006.01.01) A61B 5/055 (2006.01.01) G06N 3/08 (2006.01.01)
CPC
출원번호/일자 1020170014827 (2017.02.02)
출원인 한국과학기술원
등록번호/일자 10-1980955-0000 (2019.05.15)
공개번호/일자 10-2018-0021635 (2018.03.05) 문서열기
공고번호/일자 (20190521) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020160106355   |   2016.08.22
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.02.02)
심사청구항수 4

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 노용만 대한민국 대전광역시 유성구
2 김대회 대한민국 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 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		 2017.02.02 수리 (Accepted) 1-1-2017-0110792-13
2 선행기술조사의뢰서
Request for Prior Art Search		 2017.12.11 수리 (Accepted) 9-1-9999-9999999-89
3 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2018.01.12 수리 (Accepted) 1-1-2018-0040452-75
4 선행기술조사보고서
Report of Prior Art Search		 2018.01.17 발송처리완료 (Completion of Transmission) 9-6-2018-0105261-23
5 의견제출통지서
Notification of reason for refusal		 2018.09.06 발송처리완료 (Completion of Transmission) 9-5-2018-0609285-27
6 [지정기간연장]기간연장(단축, 경과구제)신청서
[Designated Period Extension] Application of Period Extension(Reduction, Progress relief)		 2018.11.06 수리 (Accepted) 1-1-2018-1099554-17
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.12.06 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-1222038-23
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)		 2018.12.06 수리 (Accepted) 1-1-2018-1222037-88
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.04.24 수리 (Accepted) 4-1-2019-5081392-49
10 등록결정서
Decision to grant		 2019.04.26 발송처리완료 (Completion of Transmission) 9-5-2019-0300330-16
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
3차원 의료 영상에서 깊이 방향 재귀 학습을 이용하는 병변 특징 표현 분석 방법에 있어서,컨벌루션 신경망(Convolution Neural Network; CNN)을 이용하여, 복수의 단면영상들-상기 복수의 단면영상들은 병변을 촬영한 하나의 3차원 의료 영상에 포함됨- 각각의 병변 공간 특징 표현을 추출하는 단계; 및 상기 복수의 단면영상들 각각의 병변 공간 특징 표현을 기초로 재귀 신경망(Recurrent Neural Network)을 이용하여, 상기 복수의 단면영상들의 깊이 방향에 따라 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하는 단계를 포함하 고, 상기 재귀 신경망은 상기 복수의 단면영상들 각각의 병변을 분류하는 분류 에러와 관련된 제1 목적 함수를 최소화하고, 상기 복수의 단면영상들 중 융합될 중심 단면영상들 각각의 병변 특징 벡터 사이의 일치성과 관련된 제2 목적 함수를 최대화하며, 상기 복수의 단면영상들 각각의 병변이 분류되는 클래스 내 분산과 관련된 제3 목적 함수를 최소화하도록 학습되며, 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하는 단계는 상기 복수의 단면영상들의 깊이 방향에 기초하여 상기 복수의 단면영상들 각각의 병변 공간 특징 표현을 그룹핑하는 단계; 상기 그룹 별로 상기 복수의 단면영상들 각각의 병변 특징 벡터를 인식하는 단계; 상기 제2 목적 함수가 최대화되도록 상기 그룹 사이에서 서로 대응되는 단면영상들 각각의 병변 특징 벡터를 융합하여, 상기 복수의 단면영상들 각각의 병변의 깊이 방향 대칭성을 인식하는 단계; 상기 인식된 복수의 단면영상들 각각의 병변의 깊이 방향 대칭성에 기초하여 상기 복수의 단면영상들 각각의 병변 특징 표현을 획득하는 단계; 및 상기 복수의 단면영상들 각각의 병변 특징 표현에 기초하여 상기 제1 목적 함수 및 제3 목적 함수가 최소화되도록 상기 복수의 단면영상들 각각의 병변을 분류하는 단계를 포함하는병변 특징 표현 분석 방법
2 2
삭제
3 3
삭제
4 4
삭제
5 5
삭제
6 6
삭제
7 7
삭제
8 8
삭제
9 9
삭제
10 10
컨벌루션 신경망(Convolution Neural Network; CNN)을 이용하여 복수의 단면영상들-상기 복수의 단면영상들은 병변을 촬영한 하나의 3차원 의료 영상에 포함됨- 각각에서 추출된 병변 공간 특징 표현을 기초로 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하는데 이용되는 깊이 방향 재귀 학습 방법에 있어서,상기 복수의 단면영상들 각각의 병변 특징 표현에 기초하여 상기 복수의 단면영상들 각각의 병변을 분류하는 분류 에러와 관련된 제1 목적 함수를 최소화하도록 재귀 신경망(Recurrent Neural Network)을 학습하는 단계; 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하기 위하여 상기 복수의 단면영상들 중 융합될 중심 단면영상들 각각의 병변 특징 벡터 사이의 일치성과 관련된 한 제2 목적 함수를 최대화하도록 상기 재귀 신경망을 학습하는 단계; 및 상기 복수의 단면영상들 각각의 병변 특징 표현에 기초하여 상기 복수의 단면영상들 각각의 병변이 분류되는 클래스 내 분산과 관련된 제3 목적 함수를 최소화하도록 상기 재귀 신경망을 학습하는 단계를 포함하는 깊이 방향 재귀 학습 방법
11 11
전자 기기를 구현하는 컴퓨터와 결합하여, 3차원 의료 영상에서 깊이 방향 재귀 학습을 이용하는 병변 특징 표현 분석 방법을 실행시키기 위해 매체에 저장된 컴퓨터 프로그램에 있어서,상기 병변 특징 표현 분석 방법은 컨벌루션 신경망(Convolution Neural Network; CNN)을 이용하여, 복수의 단면영상들-상기 복수의 단면영상들은 병변을 촬영한 하나의 3차원 의료 영상에 포함됨- 각각의 병변 공간 특징 표현을 추출하는 단계; 및 상기 복수의 단면영상들 각각의 병변 공간 특징 표현을 기초로 재귀 신경망(Recurrent Neural Network)을 이용하여, 상기 복수의 단면영상들의 깊이 방향에 따라 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하는 단계를 포함하고, 상기 재귀 신경망은 상기 복수의 단면영상들 각각의 병변을 분류하는 분류 에러와 관련된 제1 목적 함수를 최소화하고, 상기 복수의 단면영상들 중 융합될 중심 단면영상들 각각의 병변 특징 벡터 사이의 일치성과 관련된 제2 목적 함수를 최대화하며, 상기 복수의 단면영상들 각각의 병변이 분류되는 클래스 내 분산과 관련된 제3 목적 함수를 최소화하도록 학습되며, 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하는 단계는 상기 복수의 단면영상들의 깊이 방향에 기초하여 상기 복수의 단면영상들 각각의 병변 공간 특징 표현을 그룹핑하는 단계; 상기 그룹 별로 상기 복수의 단면영상들 각각의 병변 특징 벡터를 인식하는 단계; 상기 제2 목적 함수가 최대화되도록 상기 그룹 사이에서 서로 대응되는 단면영상들 각각의 병변 특징 벡터를 융합하여, 상기 복수의 단면영상들 각각의 병변의 깊이 방향 대칭성을 인식하는 단계; 상기 인식된 복수의 단면영상들 각각의 병변의 깊이 방향 대칭성에 기초하여 상기 복수의 단면영상들 각각의 병변 특징 표현을 획득하는 단계; 및 상기 복수의 단면영상들 각각의 병변 특징 표현에 기초하여 상기 제1 목적 함수 및 제3 목적 함수가 최소화되도록 상기 복수의 단면영상들 각각의 병변을 분류하는 단계를 포함하는 컴퓨터 프로그램
12 12
삭제
13 13
삭제
14 14
3차원 의료 영상에서 깊이 방향 재귀 학습을 이용하는 병변 특징 표현 분석 시스템에 있어서,컨벌루션 신경망(Convolution Neural Network; CNN)을 이용하여, 복수의 단면영상들-상기 복수의 단면영상들은 병변을 촬영한 하나의 3차원 의료 영상에 포함됨- 각각의 병변 공간 특징 표현을 추출하는 컨벌루션 신경망 적용부; 및 상기 복수의 단면영상들 각각의 병변 공간 특징 표현을 기초로 재귀 신경망(Recurrent Neural Network)을 이용하여, 상기 복수의 단면영상들의 깊이 방향에 따라 상기 복수의 단면영상들 각각의 병변 특징 표현을 추출하는 재귀 신경망 적용부를 포함하고, 상기 재귀 신경망은 상기 복수의 단면영상들 각각의 병변을 분류하는 분류 에러와 관련된 제1 목적 함수를 최소화하고, 상기 복수의 단면영상들 중 융합될 중심 단면영상들 각각의 병변 특징 벡터 사이의 일치성과 관련된 제2 목적 함수를 최대화하며, 상기 복수의 단면영상들 각각의 병변이 분류되는 클래스 내 분산과 관련된 제3 목적 함수를 최소화하도록 학습되며, 상기 재귀 신경망 적용부는상기 복수의 단면영상들의 깊이 방향에 기초하여 상기 복수의 단면영상들 각각의 병변 공간 특징 표현을 그룹핑하고, 상기 그룹 별로 상기 복수의 단면영상들 각각의 병변 특징 벡터를 인식하며, 상기 제2 목적 함수가 최대화되도록 상기 그룹 사이에서 서로 대응되는 단면영상들 각각의 병변 특징 벡터를 융합하여, 상기 복수의 단면영상들 각각의 병변의 깊이 방향 대칭성을 인식하고, 상기 인식된 복수의 단면영상들 각각의 병변의 깊이 방향 대칭성에 기초하여 상기 복수의 단면영상들 각각의 병변 특징 표현을 획득하며, 상기 복수의 단면영상들 각각의 병변 특징 표현에 기초하여 상기 제1 목적 함수 및 제3 목적 함수가 최소화되도록 상기 복수의 단면영상들 각각의 병변을 분류하는 병변 특징 표현 분석 시스템
15 15
삭제
16 16
삭제
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 미래창조과학부 한국과학기술원 이공분야기초연구사업 Invisible 시간 스케일에서 다이나믹 얼굴분석 연구