맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

안저 사진에서 녹내장 진단을 위해 CAM에서 추출된 ROI를 중간 입력자로 사용하는 2단계 랭킹 컨볼루셔널 뉴럴 네트워크

  • 기술번호 : KST2020001159
  • 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 안저 사진에서 녹내장 진단을 위해 CAM에서 추출된 ROI를 중간 입력자로 사용하는 2단계 랭킹 컨볼루셔널 뉴럴 네트워크가 제시된다. 본 발명에서 제안하는 안저 사진에서 녹내장 진단을 위해 CAM에서 추출된 ROI를 중간 입력자로 사용하는 2단계 랭킹 컨볼루셔널 뉴럴 네트워크 동작 방법은 제1-스테이지 랭킹 CNN을 통해 CAM(Class Activation Map) 마크 필터 이미지와 원본 안저 이미지를 결합하여 CAM으로부터 ROI(Region of Interests)를 추출하는 단계 및 제2-스테이지 랭킹 CNN을 통해 랭킹-CNN(Ranking-Convolutional Neural Networks)이 상기 ROI를 입력으로 사용하여 CNN을 다시 랭킹하고 최종 예측 값을 출력하는 단계를 포함한다.
Int. CL G16H 50/20 (2018.01.01) G06N 3/02 (2019.01.01)
CPC G16H 50/20(2013.01) G16H 50/20(2013.01)
출원번호/일자 1020180095338 (2018.08.16)
출원인 한국과학기술원, 고려대학교 산학협력단
등록번호/일자 10-2183847-0000 (2020.11.23)
공개번호/일자 10-2020-0020079 (2020.02.26) 문서열기
공고번호/일자 (20201127) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.08.16)
심사청구항수 10

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김대영 대전광역시 유성구
2 전태준 대전광역시 유성구
3 김도현 대전광역시 유성구
4 엄영섭 서울특별시 송파구
5 김채리 서울특별시 송파구

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 대전광역시 유성구
2 고려대학교 산학협력단 서울특별시 성북구
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		 2018.08.16 수리 (Accepted) 1-1-2018-0807420-48
2 선행기술조사의뢰서
Request for Prior Art Search		 2019.04.15 수리 (Accepted) 9-1-9999-9999999-89
3 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.04.24 수리 (Accepted) 4-1-2019-5081392-49
4 선행기술조사보고서
Report of Prior Art Search		 2019.07.11 발송처리완료 (Completion of Transmission) 9-6-2020-0053527-78
5 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.10.10 수리 (Accepted) 4-1-2019-5210941-09
6 의견제출통지서
Notification of reason for refusal		 2020.05.07 발송처리완료 (Completion of Transmission) 9-5-2020-0318218-90
7 [공지예외적용 보완 증명서류]서류제출서
 2020.05.08 수리 (Accepted) 1-1-2020-0466195-63
8 [출원서 등 보완]보정서
 2020.05.08 수리 (Accepted) 1-1-2020-0466194-17
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
10 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2020.06.11 수리 (Accepted) 1-1-2020-0600329-06
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
12 등록결정서
Decision to grant		 2020.11.17 발송처리완료 (Completion of Transmission) 9-5-2020-0796943-51
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
제1-스테이지 랭킹 CNN을 통해 CAM(Class Activation Map) 마크 필터 이미지와 원본 안저 이미지를 결합하여 CAM으로부터 ROI(Region of Interests)를 추출하는 단계; 및 제2-스테이지 랭킹 CNN을 통해 랭킹-CNN(Ranking-Convolutional Neural Networks)이 상기 ROI를 입력으로 사용하여 CNN을 다시 랭킹하고 최종 예측 값을 출력하는 단계 를 포함하는 랭킹 컨볼루셔널 뉴럴 네트워크 동작 방법
2 2
제1항에 있어서,상기 CAM 마크 필터 이미지와 원본 안저 이미지를 결합하여 CAM으로부터 ROI를 추출하는 단계는, 안저 이미지 데이터 세트는 정상, 의심 및 녹내장을 각각 나타내는 등급으로 구성되어 랭킹-CNN은 두 개의 하위 분류자로 구성되고, 랭킹-CNN은 트레인-세트 및 유효-세트에 의해 두 개의 하위 분류자를 트레이닝하여 CAM을 마스크 필터로 획득하는 랭킹 컨볼루셔널 뉴럴 네트워크 동작 방법
3 3
제2항에 있어서,상기 CAM은 GAP 레이어 직전의 피쳐 맵과 소프트맥스(softmax) 레이어의 가중치의 내적을 수행하여 이미지 형태로 표시하고, 제1-스테이지 랭킹 CNN 및 제2-스테이지 랭킹 CNN의 하위 분류자를 단일 CNN으로 대체하고, 제1-스테이지 랭킹 CNN 및 제2-스테이지 랭킹 CNN의 각각의 예측을 다중 레이블 분류로 수행함으로써 다중 레이블 CNN에 적용하는 랭킹 컨볼루셔널 뉴럴 네트워크 동작 방법
4 4
제1항에 있어서,상기 제2-스테이지 랭킹 CNN을 통해 랭킹-CNN이 상기 ROI를 입력으로 사용하여 CNN을 다시 랭킹하고 최종 예측 값을 출력하는 단계는, 제2-스테이지 랭킹 CNN은 CAM으로부터 추출된 ROI 이미지를 입력하고, 모델을 학습하여 최종 예측 값을 출력하는랭킹 컨볼루셔널 뉴럴 네트워크 동작 방법
5 5
제4항에 있어서,상기 제2-스테이지 랭킹 CNN의 하위 분류자는 데이터 세트를 그룹으로 나누어 이진 분류를 수행하고, 상기 제2-스테이지 랭킹 CNN은 오버 피팅을 방지하기 위해 전체 연결, 배치 정규화 및 드롭 아웃 레이어를 사용하여 두 개의 하위 분류자의 이진 예측을 합산하여 최종 클래스를 결정하는 랭킹 컨볼루셔널 뉴럴 네트워크 동작 방법
6 6
CAM(Class Activation Map) 마크 필터 이미지와 원본 안저 이미지를 결합하여 CAM으로부터 ROI(Region of Interests)를 추출하는 제1-스테이지 랭킹 CNN; 및 랭킹-CNN(Ranking-Convolutional Neural Networks)이 상기 ROI를 입력으로 사용하여 CNN을 다시 랭킹하고 최종 예측 값을 출력하는 제2-스테이지 랭킹 CNN 을 포함하는 랭킹 컨볼루셔널 뉴럴 네트워크 장치
7 7
제6항에 있어서, 상기 제1-스테이지 랭킹 CNN는, 안저 이미지 데이터 세트는 정상, 의심 및 녹내장을 각각 나타내는 등급으로 구성되어 랭킹-CNN은 두 개의 하위 분류자로 구성되고, 랭킹-CNN은 트레인-세트 및 유효-세트에 의해 두 개의 하위 분류자를 트레이닝하여 CAM을 마스크 필터로 획득하는 랭킹 컨볼루셔널 뉴럴 네트워크 장치
8 8
제7항에 있어서, 상기 CAM은 GAP 레이어 직전의 피쳐 맵과 소프트맥스(softmax) 레이어의 가중치의 내적을 수행하여 이미지 형태로 표시하고, 제1-스테이지 랭킹 CNN 및 제2-스테이지 랭킹 CNN의 하위 분류자를 단일 CNN으로 대체하고, 제1-스테이지 랭킹 CNN 및 제2-스테이지 랭킹 CNN의 각각의 예측을 다중 레이블 분류로 수행함으로써 다중 레이블 CNN에 적용하는랭킹 컨볼루셔널 뉴럴 네트워크 장치
9 9
제6항에 있어서, 상기 제2-스테이지 랭킹 CNN는, CAM으로부터 추출된 ROI 이미지를 입력하고, 모델을 학습하여 최종 예측 값을 출력하는랭킹 컨볼루셔널 뉴럴 네트워크 장치
10 10
제9항에 있어서, 상기 제2-스테이지 랭킹 CNN의 하위 분류자는 데이터 세트를 그룹으로 나누어 이진 분류를 수행하고, 상기 제2-스테이지 랭킹 CNN은 오버 피팅을 방지하기 위해 전체 연결, 배치 정규화 및 드롭 아웃 레이어를 사용하여 두 개의 하위 분류자의 이진 예측을 합산하여 최종 클래스를 결정하는랭킹 컨볼루셔널 뉴럴 네트워크 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.