맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 방법 및 장치

  • 기술번호 : KST2020003539
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
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 소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 방법 및 장치가 제시된다. 본 발명에서 제안하는 소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 방법은 이미지넷(imageNet)에서 선학습된 알렉스넷(AlexNet) 모델의 파라미터를 초기화 단계에 사용하여 전이학습 하는 단계, 상기 알렉스넷을 구성하는 복수의 컨볼루션 레이어(convolutional layer) 중 중간 레벨 레이어(mid-level layer)를 선택하는 단계 및 상기 중간 레벨 레이어와 마지막 완전-연결 레이어(fully-connected layer)만을 학습시켜 업데이트하는 단계를 포함한다.
Int. CL G16H 30/40 (2018.01.01) A61B 6/00 (2006.01.01) G16H 50/70 (2018.01.01) G16H 50/20 (2018.01.01)
CPC G16H 30/40(2013.01) G16H 30/40(2013.01) G16H 30/40(2013.01) G16H 30/40(2013.01)
출원번호/일자 1020180111479 (2018.09.18)
출원인 인하대학교 산학협력단
등록번호/일자
공개번호/일자 10-2020-0032443 (2020.03.26) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.09.18)
심사청구항수 4

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 대한민국 인천광역시 미추홀구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 신병석 서울특별시 서초구
2 이연 인천광역시 남구
3 이동호 인천광역시 미추홀구

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 인하대학교 산학협력단 인천광역시 미추홀구
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		 2018.09.18 수리 (Accepted) 1-1-2018-0928304-10
2 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2018.12.27 수리 (Accepted) 4-1-2018-5266647-91
3 선행기술조사의뢰서
Request for Prior Art Search		 2019.07.11 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2019.10.11 발송처리완료 (Completion of Transmission) 9-6-2020-0039226-12
5 의견제출통지서
Notification of reason for refusal		 2020.04.09 발송처리완료 (Completion of Transmission) 9-5-2020-0257603-01
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2020.06.09 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0590460-99
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2020.06.09 수리 (Accepted) 1-1-2020-0590459-42
8 등록결정서
Decision to grant		 2020.10.30 발송처리완료 (Completion of Transmission) 9-5-2020-0752678-36
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 방법에 있어서, 이미지넷(imageNet)에서 선학습된 알렉스넷(AlexNet) 모델의 파라미터를 초기화 단계에 사용하여 전이학습 하는 단계; 상기 알렉스넷을 구성하는 복수의 컨볼루션 레이어(convolutional layer) 중 중간 레벨 레이어(mid-level layer)를 선택하는 단계; 및상기 중간 레벨 레이어와 마지막 완전-연결 레이어(fully-connected layer)만을 학습시켜 업데이트하는 단계 를 포함하고, 상기 알렉스넷을 구성하는 복수의 컨볼루션 레이어(convolutional layer) 중 중간 레벨 레이어를 선택하는 단계는, CNN(Convolutional neural networks) 레이어 중 실질적으로 모델 내부에서 선형으로 나열되고, 오브젝트에 가장 가까운 형태를 추출하는 중간 레벨 레이어를 선택하고 -상기 CNN 레이어는 낮은 레벨(low level) 레이어, 중간 레벨(middle level) 레이어, 높은 레벨(high level) 레이어를 포함하고, 각 레벨 별 레이어의 시각화 결과에 따르면 낮은 레벨 레이어는 영상의 에지(edge)를 추출하고, 중간 레벨 레이어는 오브젝트(object)의 일부분을 추출하며, 높은 레벨 레이어는 오브젝트의 보다 더 큰 부분 또는 오브젝트 자체를 추출함-, 표본 X-ray 영상의 분석 효율성 향상을 위해 오브젝트의 일부분을 보고 있는 중간 레벨 특징 추출기로써의 전이학습 모델을 이용하는 소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 방법
2 2
삭제
3 3
제1항에 있어서,상기 중간 레벨 레이어와 마지막 완전-연결 레이어(fully-connected layer)만을 학습시켜 업데이트하는 단계는, 낮은-레벨 레이어(low-level layer)는 고정하여 업데이트하지 않고 선학습 모델인 이미지넷에서 학습된 알렉스넷의 파라미터를 유지하는 소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 방법
4 4
소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 장치에 있어서, 이미지넷(imageNet)에서 선학습된 알렉스넷(AlexNet) 모델의 파라미터를 초기화 단계에 사용하여 전이학습 하는 전이학습부; 상기 알렉스넷을 구성하는 복수의 컨볼루션 레이어(convolutional layer) 중 중간 레벨 레이어(mid-level layer)를 선택하는 선택부; 및상기 중간 레벨 레이어와 마지막 완전-연결 레이어(fully-connected layer)만을 학습시켜 업데이트하는 업데이트부 를 포함하고, 선택부는, CNN(Convolutional neural networks) 레이어 중 실질적으로 모델 내부에서 선형으로 나열되고, 오브젝트에 가장 가까운 형태를 추출하는 중간 레벨 레이어를 선택하고 -상기 CNN 레이어는 낮은 레벨(low level) 레이어, 중간 레벨(middle level) 레이어, 높은 레벨(high level) 레이어를 포함하고, 각 레벨 별 레이어의 시각화 결과에 따르면 낮은 레벨 레이어는 영상의 에지(edge)를 추출하고, 중간 레벨 레이어는 오브젝트(object)의 일부분을 추출하며, 높은 레벨 레이어는 오브젝트의 보다 더 큰 부분 또는 오브젝트 자체를 추출함-, 표본 X-ray 영상의 분석 효율성 향상을 위해 오브젝트의 일부분을 보고 있는 중간 레벨 특징 추출기로써의 전이학습 모델을 이용하는 소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 장치
5 5
삭제
6 6
제4항에 있어서,상기 업데이트부는, 낮은-레벨 레이어(low-level layer)는 고정하여 업데이트하지 않고 선학습 모델인 이미지넷에서 학습된 알렉스넷의 파라미터를 유지하는소표본 의료 영상의 전이학습을 위한 중간 레벨 특징 추출 장치
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 과학기술정보통신부 서울대학교 산학협력단 방송통신산업기술개발사업 [IITP-Ezbaro] (K-AR 1세부) AR기반 수술용 개발툴킷 및 응용개발(2차년도)