맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

질병 예측 모델을 생성하는 방법, 서버 및 시스템

  • 기술번호 : KST2018012310
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 질병 예측 모델을 생성하는 방법, 서버 및 시스템이 제공 된다. 질병 예측 모델을 생성하는 방법에 있어서, 예측 목적을 결정 하는 단계; 상기 예측 목적을 갖는 질병 예측 모델을 생성 하기 위한 학습 알고리즘을 결정하는 단계; 상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계; 상기 질병 예측 모델을 생성하기 위해, 정보 서버로부터 수신한 데이터에서 상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계; 상기 추출된 학습 후보 데이터를 상기 결정된 표현 형식으로 변경함으로써, 학습 데이터를 생성하는 단계; 및 상기 학습 알고리즘에 상기 학습 데이터를 입력 함으로써, 상기 질병 예측 모델을 생성하는 단계; 를 포함하는, 질병 예측 모델 생성 방법이 제공 된다.
Int. CL G06Q 50/22 (2018.01.01) G06N 3/02 (2019.01.01) G06F 17/00 (2019.01.01) G06Q 10/04 (2012.01.01)
CPC G06Q 50/22(2013.01) G06Q 50/22(2013.01) G06Q 50/22(2013.01) G06Q 50/22(2013.01)
출원번호/일자 1020170026284 (2017.02.28)
출원인 연세대학교 산학협력단
등록번호/일자 10-1967227-0000 (2019.04.03)
공개번호/일자 10-2018-0099185 (2018.09.05) 문서열기
공고번호/일자 (20190813) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.03.03)
심사청구항수 15

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 연세대학교 산학협력단 대한민국 서울특별시 서대문구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장혁재 대한민국 서울특별시 강남구
2 박은정 대한민국 서울특별시 서대문구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 황의만 대한민국 서울특별시 강남구 개포로**길 *-*, 만성빌딩 (개포동)(만성국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 연세대학교 산학협력단 서울특별시 서대문구
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		 2017.02.28 수리 (Accepted) 1-1-2017-0204651-11
2 [심사청구]심사청구(우선심사신청)서
[Request for Examination] Request for Examination (Request for Preferential Examination)		 2017.03.03 수리 (Accepted) 1-1-2017-0217054-78
3 보정요구서
Request for Amendment		 2017.03.06 발송처리완료 (Completion of Transmission) 1-5-2017-0031068-93
4 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2017.03.07 수리 (Accepted) 1-1-2017-0225836-08
5 수수료 사후 감면 신청서
Request for Follow-up Reduction of Official Fee		 2017.03.21 수리 (Accepted) 1-1-2017-0278748-19
6 수수료 사후 감면안내서
Notification of Follow-up Reduction of Official Fee		 2017.03.22 발송처리완료 (Completion of Transmission) 1-5-2017-0039448-15
7 선행기술조사의뢰서
Request for Prior Art Search		 2017.12.11 수리 (Accepted) 9-1-9999-9999999-89
8 선행기술조사보고서
Report of Prior Art Search		 2018.02.06 수리 (Accepted) 9-1-2018-0004873-03
9 의견제출통지서
Notification of reason for refusal		 2018.07.19 발송처리완료 (Completion of Transmission) 9-5-2018-0491704-88
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)		 2018.09.18 수리 (Accepted) 1-1-2018-0926818-18
11 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.09.18 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0926819-64
12 등록결정서
Decision to grant		 2019.01.28 발송처리완료 (Completion of Transmission) 9-5-2019-0067855-18
13 [명세서등 보정]보정서(심사관 직권보정)
 2019.07.26 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-5020755-19
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
서버에 의해 수행되는 질병 예측 모델을 생성하는 방법에 있어서,예측 목적을 결정하는 단계;상기 예측 목적을 갖는 질병 예측 모델을 생성하기 위해 상기 서버에 저장된 매칭 정보에 기초하여 학습 알고리즘을 결정하는 단계;상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계;상기 질병 예측 모델을 생성하기 위해, 정보 서버로부터 수신한 데이터에서 상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계;상기 추출된 학습 후보 데이터를 상기 결정된 표현 형식으로 변경함으로써, 학습 데이터를 생성하는 단계; 및상기 학습 알고리즘에 상기 학습 데이터를 입력함으로써, 상기 질병 예측 모델을 생성하는 단계;를 포함하는, 질병 예측 모델 생성 방법
2 2
삭제
3 3
제 1 항에 있어서, 상기 학습 알고리즘을 결정하는 단계는,상기 질병 예측 모델의 목적을 고려하여 적어도 하나의 후보 학습 알고리즘들을 결정하는 단계; 및상기 결정된 적어도 하나의 후보 학습 알고리즘들 각각에 대한 분석을 통해, 상기 질병 예측 모델을 생성하기 위한 학습 알고리즘을 결정하는 단계;를 포함하는,질병 예측 모델 생성 방법
4 4
제 1 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 건강 정보를 포함하고,상기 학습 알고리즘을 결정하는 단계는:상기 건강 정보를 이용하여 생성될 제 1 예측 모델을 위한 제 1 학습 알고리즘을 결정하는 단계;를 포함하고,상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계는:제 1 학습 알고리즘과 매칭되는 제 1 표현 형식을 결정하는 단계;를 포함하고,상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계는:상기 건강 정보에서 상기 질병 예측 모델과 관련된 제 1 학습 후보 데이터를 추출하는 단계;를 포함하고,상기 학습 데이터를 생성하는 단계는:상기 제 1 학습 후보 데이터를 상기 제 1 표현 형식으로 변경함으로써, 제 1 학습 데이터를 생성하는 단계;를 포함하고,상기 질병 예측 모델을 생성하는 단계는:상기 제 1 학습 데이터를 상기 제 1 학습 알고리즘에 입력 함으로써, 제 1 질병 예측 모델을 생성하는 단계;를 포함하는,질병 예측 모델 생성 방법
5 5
제 4 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 의료 기록 정보를 더 포함하고,상기 학습 알고리즘을 결정하는 단계는:상기 의료 기록 정보를 이용하여 생성될 제 2 예측 모델을 위한 제 2 학습 알고리즘을 결정하는 단계;를 더 포함하고,상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계는:제 2 학습 알고리즘과 매칭되는 제 2 표현 형식을 결정하는 단계;를 더 포함하고,상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계는:상기 의료 기록 정보에서 상기 질병 예측 모델과 관련된 제 2 학습 후보 데이터를 추출하는 단계;를 더 포함하고,상기 학습 데이터를 생성하는 단계는:상기 제 2 학습 후보 데이터를 상기 제 2 표현 형식으로 변경함으로써, 제 2 학습 데이터를 생성하는 단계;를 더 포함하고,상기 질병 예측 모델을 생성하는 단계는:상기 제 2 학습 데이터를 상기 제 2 학습 알고리즘에 입력 함으로써, 제 2 질병 예측 모델을 생성하는 단계;를 더 포함하는,질병 예측 모델 생성 방법
6 6
제 5 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 생체 정보를 더 포함하고,상기 학습 알고리즘을 결정하는 단계는:상기 생체 정보를 이용하여 생성될 제 3 예측 모델을 위한 제 3 학습 알고리즘을 결정하는 단계;를 더 포함하고,상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계는:제 3 학습 알고리즘과 매칭되는 제 3 표현 형식을 결정하는 단계;를 더 포함하고,상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계는:상기 생체 정보에서 상기 질병 예측 모델과 관련된 제 3 학습 후보 데이터를 추출하는 단계;를 더 포함하고,상기 학습 데이터를 생성하는 단계는:상기 제 3 학습 후보 데이터를 상기 제 3 표현 형식으로 변경함으로써, 제 3 학습 데이터를 생성하는 단계;를 더 포함하고,상기 질병 예측 모델을 생성하는 단계는:상기 제 3 학습 데이터를 상기 제 3 학습 알고리즘에 입력 함으로써, 제 3 질병 예측 모델을 생성하는 단계;를 더 포함하는,질병 예측 모델 생성 방법
7 7
제 6 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 유전체 정보를 더 포함하고,상기 학습 알고리즘을 결정하는 단계는:상기 유전체 정보를 이용하여 생성될 제 4 예측 모델을 위한 제 4 학습 알고리즘을 결정하는 단계;를 더 포함하고,상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계는:제 4 학습 알고리즘과 매칭되는 제 4 표현 형식을 결정하는 단계;를 더 포함하고,상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계는:상기 유전체 정보에서 상기 질병 예측 모델과 관련된 제 4 학습 후보 데이터를 추출하는 단계;를 더 포함하고,상기 학습 데이터를 생성하는 단계는:상기 제 4 학습 후보 데이터를 상기 제 4 표현 형식으로 변경함으로써, 제 4 학습 데이터를 생성하는 단계;를 더 포함하고,상기 질병 예측 모델을 생성하는 단계는:상기 제 4 학습 데이터를 상기 제 4 학습 알고리즘에 입력 함으로써, 제 4 질병 예측 모델을 생성하는 단계;를 더 포함하는,질병 예측 모델 생성 방법
8 8
제 7 항에 있어서,상기 학습 알고리즘을 결정하는 단계는:상기 제 1 예측 모델, 상기 제 2 예측 모델, 상기 제 3 예측 모델, 상기 제 4 예측 모델 중 적어도 하나의 결과 데이터를 이용하여 생성될 최종 질병 예측 모델을 위한 최종 질병 예측 알고리즘을 결정하는 단계;를 더 포함하고,상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계는:상기 최종 질병 예측 알고리즘과 매칭되는 제 5 표현 형식을 결정하는 단계;를 더 포함하고,상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계는:상기 제 1 예측 모델, 상기 제 2 예측 모델, 상기 제 3 예측 모델, 상기 제 4 예측 모델 중 적어도 하나의 결과 데이터를 제 5 학습 후보 데이터로 추출하는 단계;를 더 포함하고,상기 학습 데이터를 생성하는 단계는:상기 제 5 학습 후보 데이터를 상기 제 5 표현 형식으로 변경함으로써, 제 5 학습 데이터를 생성하는 단계;를 더 포함하고,상기 질병 예측 모델을 생성하는 단계는:상기 제 5 학습 데이터를 상기 제 5 학습 알고리즘에 입력 함으로써, 최종 질병 예측 모델을 생성하는 단계;를 더 포함하는,질병 예측 모델 생성 방법
9 9
질병 예측 모델을 생성하는 서버에 있어서,특정 예측 목적을 갖는 질병 예측 모델을 생성 하기 위한 학습 알고리즘을 결정하는 학습 알고리즘 결정부;상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 표현 형식 결정부;상기 질병 예측 모델을 생성하기 위해, 정보 서버로부터 수신한 데이터에서 상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 학습 후보 데이터 추출부;상기 추출된 학습 후보 데이터를 상기 결정된 표현 형식으로 변경함으로써, 학습 데이터를 생성하는 학습 데이터 생성부; 및상기 학습 알고리즘에 상기 학습 데이터를 입력 함으로써, 상기 질병 예측 모델을 생성하는 예측 모듈;을 포함하는, 질병 예측 모델을 생성하는 서버
10 10
제 9 항에 있어서, 상기 학습 알고리즘 결정부는,상기 질병 예측 모델의 특성을 고려하여 적어도 하나의 후보 학습 알고리즘들을 결정하고,상기 결정된 적어도 하나의 후보 학습 알고리즘들 각각에 대한 분석을 통해, 상기 질병 예측 모델을 생성하기 위한 학습 알고리즘을 결정하는,질병 예측 모델을 생성하는 서버
11 11
제 9 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 건강 정보를 포함하고,상기 학습 알고리즘을 결정부는:상기 건강 정보를 이용하여 생성될 제 1 예측 모델을 위한 제 1 학습 알고리즘을 결정하는 제 1 학습 알고리즘 결정부;를 포함하고,상기 표현 형식 결정부는:제 1 학습 알고리즘과 매칭되는 제 1 표현 형식을 결정하는 제 1 표현 형식 결정부;를 포함하고,상기 학습 후보 데이터 추출부는:상기 건강 정보에서 상기 질병 예측 모델과 관련된 제 1 학습 후보 데이터를 추출하는 제 1 학습 후보 데이터 결정부;를 포함하고,상기 학습 데이터 생성부는:상기 제 1 학습 후보 데이터를 상기 제 1 표현 형식으로 변경함으로써, 제 1 학습 데이터를 생성하는 제 1 학습 데이터 생성부;를 포함하고,상기 예측 모듈은:상기 제 1 학습 데이터를 상기 제 1 학습 알고리즘에 입력 함으로써, 제 1 질병 예측 모델을 생성하는 제 1 질병 예측 모델 생성부;를 포함하는,질병 예측 모델을 생성하는 서버
12 12
제 11 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 의료 기록 정보를 더 포함하고,상기 학습 알고리즘 결정부는:상기 의료 기록 정보를 이용하여 생성될 제 2 예측 모델을 위한 제 2 학습 알고리즘을 결정하는 제 2 학습 알고리즘 결정부;를 더 포함하고,상기 표현 형식 결정부는:제 2 학습 알고리즘과 매칭되는 제 2 표현 형식을 결정하는 제 2 표현 형식 결정부;를 더 포함하고,상기 학습 후보 데이터를 추출부는:상기 의료 기록 정보에서 상기 질병 예측 모델과 관련된 제 2 학습 후보 데이터를 추출하는 제 2 학습 후보 데이터 추출부;를 더 포함하고,상기 학습 데이터를 생성부는:상기 제 2 학습 후보 데이터를 상기 제 2 표현 형식으로 변경함으로써, 제 2 학습 데이터를 생성하는 제 2 학습 데이터 생성부;를 더 포함하고,상기 예측 모듈은:상기 제 2 학습 데이터를 상기 제 2 학습 알고리즘에 입력 함으로써, 제 2 질병 예측 모델을 생성하는 제 2 예측 모델 생성부;를 더 포함하는,질병 예측 모델을 생성하는 서버
13 13
제 12 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 생체 정보를 더 포함하고,상기 학습 알고리즘 결정부는:상기 생체 정보를 이용하여 생성될 제 3 예측 모델을 위한 제 3 학습 알고리즘을 결정하는 제 3 학습 알고리즘 결정부;를 더 포함하고,상기 표현 형식 결정부는:제 3 학습 알고리즘과 매칭되는 제 3 표현 형식을 결정하는 제 3 표현 형식 결정부;를 더 포함하고,상기 학습 후보 데이터 추출부는:상기 생체 정보에서 상기 질병 예측 모델과 관련된 제 3 학습 후보 데이터를 추출하는 제 3 학습 후보 데이터 추출부;를 더 포함하고,상기 학습 데이터 생성부는:상기 제 3 학습 후보 데이터를 상기 제 3 표현 형식으로 변경함으로써, 제 3 학습 데이터를 생성하는 제 3 학습 후보 데이터 생성부;를 더 포함하고,상기 예측 모듈은:상기 제 3 학습 데이터를 상기 제 3 학습 알고리즘에 입력 함으로써, 제 3 질병 예측 모델을 생성하는 제 3 예측 모델 생성부;를 더 포함하는,질병 예측 모델을 생성하는 서버
14 14
제 13 항에 있어서 상기 정보 서버로부터 수신한 데이터는, 유전체 정보를 더 포함하고,상기 학습 알고리즘 결정부는:상기 유전체 정보를 이용하여 생성될 제 4 예측 모델을 위한 제 4 학습 알고리즘을 결정하는 제 4 학습 알고리즘 결정부;를 더 포함하고,상기 표현 형식 결정부:제 4 학습 알고리즘과 매칭되는 제 4 표현 형식을 결정하는 제 4 표현 형식 결정부;를 더 포함하고,상기 학습 후보 데이터 추출부는:상기 유전체 정보에서 상기 질병 예측 모델과 관련된 제 4 학습 후보 데이터를 추출하는 제 4 학습 후보 데이터 추출부;를 더 포함하고,상기 학습 데이터를 생성하는 학습 데이터 생성부:상기 제 4 학습 후보 데이터를 상기 제 4 표현 형식으로 변경함으로써, 제 4 학습 데이터를 생성하는 제 4 학습 데이터 생성부;를 더 포함하고,상기 예측 모듈은:상기 제 4 학습 데이터를 상기 제 4 학습 알고리즘에 입력 함으로써, 제 4 질병 예측 모델을 생성하는 제 4 예측 모듈 생성부;를 더 포함하는,질병 예측 모델을 생성하는 서버
15 15
제 14 항에 있어서,상기 학습 알고리즘 결정부는:상기 제 1 예측 모델, 상기 제 2 예측 모델, 상기 제 3 예측 모델, 상기 제 4 예측 모델 중 적어도 하나의 결과 데이터를 이용하여 생성될 최종 질병 예측 모델을 위한 최종 질병 예측 알고리즘을 결정하는 최종 질병 예측 알고리즘 결정부;를 더 포함하고,상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계는:상기 최종 질병 예측 알고리즘과 매칭되는 제 5 표현 형식을 결정하는 제 5 표현 형식 결정부;를 더 포함하고,상기 학습 후보 데이터 추출부는:상기 제 1 예측 모델, 상기 제 2 예측 모델, 상기 제 3 예측 모델, 상기 제 4 예측 모델 중 적어도 하나의 결과 데이터를 제 5 학습 후보 데이터로 추출하는 제 5 학습 데이터 추출부;를 더 포함하고,상기 학습 데이터 생성부는:상기 제 5 학습 후보 데이터를 상기 제 5 표현 형식으로 변경함으로써, 제 5 학습 데이터를 생성하는 제 5 학습 데이터 생성부;를 더 포함하고,상기 예측 모듈은:상기 제 5 학습 데이터를 상기 제 5 학습 알고리즘에 입력 함으로써, 최종 질병 예측 모델을 생성하는 최종 질병 예측부;를 더 포함하는,질병 예측 모델을 생성하는 서버
16 16
서버에 의해 수행되는 질병 예측 모델을 생성하는 방법에 있어서,하나 이상의 조합된 예측 목적을 결정 하는 단계;상기 예측 목적을 갖는 질병 예측 모델을 생성 하기 위해 상기 서버에 저장된 매칭 정보에 기초하여 학습 알고리즘을 결정하는 단계;상기 학습 알고리즘과 매칭되는 데이터의 표현 형식을 결정하는 단계;상기 질병 예측 모델을 생성하기 위해, 정보 서버로부터 수신한 데이터에서 상기 질병 예측 모델과 관련된 학습 후보 데이터를 추출하는 단계;상기 추출된 학습 후보 데이터를 상기 결정된 표현 형식으로 변경함으로써, 학습 데이터를 생성하는 단계; 및상기 학습 알고리즘에 상기 학습 데이터를 입력 함으로써, 상기 질병 예측 모델을 생성하는 단계;를 포함하는, 질병 예측 모델 생성 방법
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 국민안전처 연세대학교 산학협력단 인명 구조.구급 및 소방대원 안전확보 기술개발 구급현장 생체정보를 활용한 SEMS 시스템 개발