맞춤기술찾기

이전대상기술

유방 종괴 특성에 따른 시각적 증거 해석 방법 및 그 시스템

  • 기술번호 : KST2020010094
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 본 발명은 딥 네트워크를 이용하여 유방 종괴의 모양(shape) 및 경계(margin)에 대한 시각적 증거를 해석하는 방법 및 그 시스템에 관한 것으로, 타겟 종괴 특성을 인코딩하는 단계, 상기 인코딩된 타겟 종괴 특성에 대응하는 모양 특성 및 경계 특성의 종괴 이미지를 생성하는 단계 및 상기 종괴 이미지와 종괴 특성 샘플을 입력으로 하는 딥 네트워크를 이용하여 타겟 종괴에 대한 시각적 증거(visual evidence)를 측정하는 단계를 포함한다.
Int. CL A61B 5/00 (2006.01.01) G16H 30/40 (2018.01.01) G16H 50/20 (2018.01.01)
CPC A61B 5/7275(2013.01) A61B 5/7275(2013.01) A61B 5/7275(2013.01) A61B 5/7275(2013.01)
출원번호/일자 1020190008006 (2019.01.22)
출원인 한국과학기술원
등록번호/일자
공개번호/일자 10-2020-0091145 (2020.07.30) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.01.22)
심사청구항수 18

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 대전광역시 유성구
2 김성태 대전광역시 유성구
3 이재혁 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
최종권리자 정보가 없습니다
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
2019.01.22 수리 (Accepted) 1-1-2019-0076999-48
2 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.04.24 수리 (Accepted) 4-1-2019-5081392-49
3 선행기술조사의뢰서
Request for Prior Art Search
2020.02.14 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search
2020.04.09 발송처리완료 (Completion of Transmission) 9-6-2020-0100900-98
5 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
6 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
7 의견제출통지서
Notification of reason for refusal
2020.08.18 발송처리완료 (Completion of Transmission) 9-5-2020-0562148-04
8 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2020.10.19 수리 (Accepted) 1-1-2020-1104281-25
9 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.10.19 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-1104282-71
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
타겟 종괴 특성을 인코딩하는 단계;상기 인코딩된 타겟 종괴 특성에 대응하는 모양 특성 및 경계 특성의 종괴 이미지를 생성하는 단계; 및상기 종괴 이미지와 종괴 특성 샘플을 입력으로 하는 딥 네트워크를 이용하여 타겟 종괴에 대한 시각적 증거(visual evidence)를 측정하는 단계를 포함하는 종괴 특성에 따른 시각적 증거 해석 방법
2 2
제1항에 있어서,상기 인코딩하는 단계는상기 타겟 종괴에 대한 관심 영역(region-of-interest; ROI) 이미지의 종괴 특성을 인코딩하는, 종괴 특성에 따른 시각적 증거 해석 방법
3 3
제1항에 있어서,상기 생성하는 단계는상기 인코딩된 타겟 종괴 특성을 입력으로 하는 시각적 해석 네트워크(visual interpretation network)를 이용하여 상기 타겟 종괴 특성에 대응하는 상기 모양 특성 및 상기 경계 특성 각각의 종괴 이미지를 생성하는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 방법
4 4
제3항에 있어서,상기 측정하는 단계는상기 모양 특성의 종괴 이미지와 모양 특성 샘플을 입력으로 하는 모양 유도 네트워크(shape guide networks)를 이용하여 상기 타겟 종괴에 대한 모양 관련성 점수(shape relevance score)를 산출하여 시각적 증거(visual evidence)를 측정하는 단계; 및상기 경계 특성의 종괴 이미지와 경계 특성 샘플을 입력으로 하는 경계 유도 네트워크(margin guide networks)를 이용하여 상기 타겟 종괴에 대한 경계 관련성 점수(margin relevance score)를 산출하여 시각적 증거(visual evidence)를 측정하는 단계를 포함하는 종괴 특성에 따른 시각적 증거 해석 방법
5 5
제4항에 있어서,상기 유도 네트워크는상기 종괴 이미지를 인코딩한 인코딩된 종괴 이미지와 상기 모양 특성 또는 상기 경계 특성에 대한 임베딩(embedding)된 설명 정보를 입력으로 연산하여 관련성 점수(relevance score)를 출력하도록 구성되는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 방법
6 6
제1항에 있어서,상기 인코딩된 타겟 종괴 특성과 합병된 상기 종괴 이미지를 이용하여 임상 결정을 검증하는 단계를 더 포함하는 종괴 특성에 따른 시각적 증거 해석 방법
7 7
제6항에 있어서,상기 검증하는 단계는모양 특성의 종괴 이미지와 경계 특성의 종괴 이미지를 합병한 상기 합병된 종괴 이미지와 상기 인코딩된 타겟 종괴 특성을 연산하여 입력으로 하는 진단 네트워크(diagnosis network)를 이용하여 상기 타겟 종괴에 대한 악성 또는 양성의 임상 결정(diagnostic decision)을 검증하는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 방법
8 8
제7항에 있어서,상기 검증하는 단계는상기 진단 네트워크를 이용하여 임상 결정을 검증하는 과정에서, 미리 학습된 종괴의 모양 및 종괴의 경계에 기반하여 상기 타겟 종괴에 대한 상기 모양 특성 및 상기 경계 특성을 습득하는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 방법
9 9
제1항에 있어서,상기 딥 네트워크는공간 특성 맵에 대한 유도 정보(guided information)에 따라 관심 영역(region-of-interest; ROI)을 나타내는 타겟 종괴 특성을 인코딩하여 상기 인코딩된 타겟 종괴 특성을 획득하고, 상기 타겟 종괴 특성에 대응하는 상기 모양 특성 및 상기 경계 특성의 상기 종괴 이미지를 생성하며, 상기 생성된 종괴 이미지와 상기 종괴 특성 샘플로 측정되는 시각적 증거로 인한 공간 특성을 개선하는 과정을 통해 학습되는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 방법
10 10
타겟 종괴 특성을 인코딩하는 단계;상기 인코딩된 타겟 종괴 특성에 대응하는 모양 특성 및 경계 특성의 종괴 이미지를 생성하는 단계;상기 종괴 이미지와 종괴 특성 샘플을 입력으로 하는 딥 네트워크를 이용하여 타겟 종괴에 대한 시각적 증거(visual evidence)를 측정하는 단계; 및상기 인코딩된 타겟 종괴 특성과 합병된 상기 종괴 이미지를 이용하여 임상 결정을 검증하는 단계를 포함하는 종괴 특성에 따른 시각적 증거 해석 방법
11 11
타겟 종괴 특성을 인코딩하는 인코딩부;상기 인코딩된 타겟 종괴 특성에 대응하는 모양 특성 및 경계 특성의 종괴 이미지를 생성하는 시각적 해석부; 및상기 종괴 이미지와 종괴 특성 샘플을 입력으로 하는 딥 네트워크를 이용하여 타겟 종괴에 대한 시각적 증거(visual evidence)를 측정하는 측정부를 포함하는 종괴 특성에 따른 시각적 증거 해석 시스템
12 12
제11항에 있어서,상기 인코딩부는상기 타겟 종괴에 대한 관심 영역(region-of-interest; ROI) 이미지의 종괴 특성을 인코딩하는, 종괴 특성에 따른 시각적 증거 해석 시스템
13 13
제11항에 있어서,상기 시각적 해석부는상기 인코딩된 타겟 종괴 특성을 입력으로 하여 상기 타겟 종괴 특성에 대응하는 상기 모양 특성 및 상기 경계 특성 각각의 종괴 이미지를 생성하는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 시스템
14 14
제13항에 있어서,상기 측정부는상기 모양 특성의 종괴 이미지와 모양 특성 샘플을 입력으로 하는 모양 유도 네트워크(guide networks)를 이용하여 상기 타겟 종괴에 대한 모양 관련성 점수(shape relevance score)를 산출하여 시각적 증거(visual evidence)를 측정하는 모양 측정부; 및상기 경계 특성의 종괴 이미지와 경계 특성 샘플을 입력으로 하는 경계 유도 네트워크(guide networks)를 이용하여 상기 타겟 종괴에 대한 경계 관련성 점수(margin relevance score)를 산출하여 시각적 증거(visual evidence)를 측정하는 경계 측정부를 포함하는 종괴 특성에 따른 시각적 증거 해석 시스템
15 15
제14항에 있어서,상기 유도 네트워크는상기 종괴 이미지를 인코딩한 인코딩된 종괴 이미지와 상기 모양 특성 또는 상기 경계 특성에 대한 임베딩(embedding)된 설명 정보를 입력으로 연산하여 관련성 점수(relevance score)를 출력하도록 구성되는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 시스템
16 16
제11항에 있어서,상기 인코딩된 타겟 종괴 특성과 합병된 상기 종괴 이미지를 이용하여 임상 결정을 검증하는 검증부를 더 포함하는 종괴 특성에 따른 시각적 증거 해석 시스템
17 17
제16항에 있어서,상기 검증부는모양 특성의 종괴 이미지와 경계 특성의 종괴 이미지를 합병한 상기 합병된 종괴 이미지와 상기 인코딩된 타겟 종괴 특성을 연산하여 입력으로 하는 진단 네트워크(diagnosis network)를 이용하여 상기 타겟 종괴에 대한 악성 또는 양성의 임상 결정(diagnostic decision)을 검증하는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 시스템
18 18
제17항에 있어서,상기 검증부는상기 진단 네트워크를 이용하여 임상 결정을 검증하는 과정에서, 미리 학습된 종괴의 모양 및 종괴의 경계에 기반하여 상기 타겟 종괴에 대한 상기 모양 특성 및 상기 경계 특성을 습득하는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 시스템
19 19
제11항에 있어서,상기 딥 네트워크는공간 특성 맵에 대한 유도 정보(guided information)에 따라 관심 영역(region-of-interest; ROI)을 나타내는 타겟 종괴 특성을 인코딩하여 상기 인코딩된 타겟 종괴 특성을 획득하고, 상기 타겟 종괴 특성에 대응하는 상기 모양 특성 및 상기 경계 특성의 상기 종괴 이미지를 생성하며, 상기 생성된 종괴 이미지와 상기 종괴 특성 샘플로 측정되는 시각적 증거로 인한 공간 특성을 개선하는 과정을 통해 학습되는 것을 특징으로 하는, 종괴 특성에 따른 시각적 증거 해석 시스템
20 20
타겟 종괴 특성을 인코딩하는 인코딩부;상기 인코딩된 타겟 종괴 특성에 대응하는 모양 특성 및 경계 특성의 종괴 이미지를 생성하는 시각적 해석부;상기 종괴 이미지와 종괴 특성 샘플을 입력으로 하는 딥 네트워크를 이용하여 타겟 종괴에 대한 시각적 증거(visual evidence)를 측정하는 측정부; 및상기 인코딩된 타겟 종괴 특성과 합병된 상기 종괴 이미지를 이용하여 임상 결정을 검증하는 검증부를 포함하는 종괴 특성에 따른 시각적 증거 해석 시스템
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 울산과학기술원 혁신성장동력프로젝트사업 의사결정 이유를 설명할 수 있는 인간 수준의 학습·추론 프레임워크 개발