맞춤기술찾기

이전대상기술

딥뉴럴 네트워크 기반의 전염병 확진자 예측 방법 및 장치

  • 기술번호 : KST2022000677
  • 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 전염병 확진자 예측 장치의 동작 방법으로서, 수집된 국가별 전염병 통계 데이터들과 해당 국가와 목적지 국가간의 교류 데이터들에 기초하여 국가별 전염병 위험도, 국가별 입국자 예상 인원, 그리고 유입될 확진자 수를 포함하는 국가별 유입될 전염병 정보를 예측하는 단계, 지리적 또는 경제적 연관도에 기초하여 그룹핑된 그룹 내 국가들간의 미리 설정된 전염병 위험 영향도에 따라 국가들의 국가별 유입될 전염병 정보를 보정하는 단계, 그리고 보정된 국가별 유입될 전염병 정보에 그룹 단위의 전염병 확진자에 대한 상관 관계를 적용하여 국가별 유입될 전염병 정보를 재보정하여 목적지 국가로 유입될 총 유입 확진자 수를 예측하는 단계를 포함한다.
Int. CL G16H 50/80 (2018.01.01) G16H 50/50 (2018.01.01) G16H 50/20 (2018.01.01) G06Q 50/26 (2012.01.01)
CPC G16H 50/80(2013.01) G16H 50/50(2013.01) G16H 50/20(2013.01) G06Q 50/26(2013.01)
출원번호/일자 1020210029432 (2021.03.05)
출원인 한국과학기술원
등록번호/일자 10-2349270-0000 (2022.01.05)
공개번호/일자
공고번호/일자 (20220110) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.03.05)
심사청구항수 17

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 이재길 대전광역시 유성구
2 김민석 대전광역시 유성구
3 강준혁 대전광역시 유성구
4 김도영 대전광역시 유성구
5 송환준 대전광역시 유성구
6 민향숙 대전광역시 유성구
7 남영은 대전광역시 유성구
8 박동민 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 유미특허법인 대한민국 서울특별시 강남구 테헤란로 ***, 서림빌딩 **층 (역삼동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술원 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
2021.03.05 수리 (Accepted) 1-1-2021-0263499-11
2 [우선심사신청]심사청구서·우선심사신청서
2021.03.05 수리 (Accepted) 1-1-2021-0265862-39
3 선행기술조사의뢰서
Request for Prior Art Search
2021.03.15 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search
2021.03.25 발송처리완료 (Completion of Transmission) 9-6-2021-0082066-35
5 의견제출통지서
Notification of reason for refusal
2021.05.07 발송처리완료 (Completion of Transmission) 9-5-2021-0366556-11
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2021.07.07 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-0785467-60
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2021.07.07 수리 (Accepted) 1-1-2021-0785466-14
8 등록결정서
Decision to grant
2021.09.28 발송처리완료 (Completion of Transmission) 9-5-2021-0761785-69
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
전염병 확진자 예측 장치의 동작 방법으로서,수집된 국가별 전염병 통계 데이터들과 해당 국가와 목적지 국가간의 교류 데이터들에 기초하여 국가별 전염병 위험도, 국가별 입국자 예상 인원, 그리고 유입될 확진자 수를 포함하는 국가별 유입될 전염병 정보를 예측하는 단계, 지리적 또는 경제적 연관도에 기초하여 둘 이상의 국가들을 그룹핑하고, 그룹핑된 그룹 내 국가들간의 상관관계에 따라 설정되는 미리 설정된 전염병 위험 영향도에 따라 상기 그룹 내 국가들의 상기 국가별 유입될 전염병 정보를 보정하는 단계, 그리고 보정된 상기 국가별 유입될 전염병 정보에 그룹간의 전염병 확진자에 대한 상관 관계를 적용하여 상기 국가별 유입될 전염병 정보를 재보정하여 상기 목적지 국가로 유입될 총 유입 확진자 수를 예측하는 단계, 를 포함하는 동작 방법
2 2
제1항에서,상기 국가별 전염병 통계 데이터는, 날짜별 확진자 수, 사망자 수, 감염 재생산 지수, 전염병 관련 키워드 검색빈도수 중에서 하나 이상을 포함하고, 상기 교류 데이터는, 국가별로 로밍 서비스를 신청한 고객 수, 국가별로 입출국 현황 데이터, 입국하는 항공사 수, 항공사 비행 기록 중에서 하나 이상을 포함하는 동작 방법
3 3
제1항에서,상기 국가별 유입될 전염병 정보를 예측하는 단계는,국가별 전염병 통계 데이터들에 기초하여 국가별 현재 시점에서의 전염병 위험도와 전염병의 추이를 도출하고, 상기 교류 데이터들에 기초하여 국가별로 목적지 국가와의 교류 정도를 추정하는 단계, 그리고 상기 전염병 위험도, 상기 전염병 추이, 그리고 상기 교류 정도에 기초하여 상기 국가별 입국자 예상 인원에 기초하여 유입될 전염병 감염자 수를 예측하는 단계, 를 포함하는 동작 방법
4 4
제1항에서,상기 국가별 유입될 전염병 정보를 예측하는 단계는, 상기 국가별 전염병 통계 데이터들과 상기 교류 데이터들을 국가별로 분류하고 학습된 국가별 위험도 예측 모델의 입력 형식으로 전처리하는 단계, 그리고전처리 데이터를 상기 학습된 국가별 위험도 예측 모델에 입력하고, 국가별 전염병 확산에서의 특이점을 가지는 기간에 대해 강조하여 상기 국가별 전염병 위험도와 국가별 전염병의 추이, 그리고 예측된 상기 국가별 유입될 전염병 정보를 도출하는 단계 를 포함하는 동작 방법
5 5
제4항에서,상기 국가별 유입될 전염병 정보를 보정하는 단계는, 상기 국가별 전염병 위험도와 국가별 전염병의 추이, 그리고 예측된 상기 국가별 유입될 전염병 정보를 학습된 그룹별 위험도 예측 모델에 입력하고, 상기 그룹별 위험도 예측 모델을 학습하는 과정에서 자동으로 도출된 그룹 내 국가들의 상기 전염병 위험 영향도에 따라 상기 국가별 유입될 전염병 정보를 보정하는 동작 방법
6 6
제5항에서,상기 총 유입 확진자 수를 예측하는 단계는, 보정된 상기 국가별 유입될 전염병 정보를 학습된 통합 위험도 예측 모델에 입력하여 상기 통합 위험도 예측 모델을 학습하는 과정에서 자동으로 도출된 그룹 단위의 전염병 확진자에 대한 상관 관계에 따라 상기 국가별 유입될 전염병 정보를 재보정하고, 재보정된 상기 국가별 유입될 전염병 정보를 통해 국가별 유입될 확진자 수, 그룹 단위로 유입될 확진자 수, 그리고 총 유입 확진자 수를 예측하는 동작 방법
7 7
제1항에서,상기 총 유입 확진자 수, 상기 국가별 전염병 위험도, 국가별 전염병의 추이, 국가별 유입될 전염병 정보, 보정된 상기 국가별 유입될 전염병 정보 그리고 재보정된 상기 국가별 유입될 전염병 정보 중에서 하나 이상의 데이터 또는 정보를 시각화된 데이터로 가공하여 제공하는 단계를 더 포함하는 동작 방법
8 8
전염병 확진자 예측 장치의 동작 방법으로서,수집된 국가별 전염병 통계 데이터들과 해당 국가와 목적지 국가간의 교류 데이터들에서 임의의 기간 동안의 입력 데이터들과 상기 임의의 기간에서 연이은 예측 기간에 국가별로 상기 목적지 국가로 유입된 확진자 수를 결과 데이터로 매칭하여 학습 데이터들을 생성하는 단계, 그리고 학습 주기마다 입력 데이터로부터 매칭된 결과 데이터가 도출하도록 하나 이상의 위험도 예측 모델을 학습시키는 단계를 포함하고, 상기 위험도 예측 모델을 학습시키는 단계는, 상기 입력 데이터들로부터 국가별 전염병 위험도, 전염병 추이, 교류 정도를 각각 도출하여 국가별 입국자 예상 인원에 기초한 유입될 전염병 감염자 수를 예측하고, 지리적 또는 경제적 연관도에 기초하여 둘 이상의 국가들을 그룹핑하고, 그룹핑된 국가들간의 상관관계에 따라 설정되는 전염병 위험 영향도와 그룹간의 전염병 확진자에 대한 상관 관계에 따라 보정되는 유입될 전염병 감염자 수로 상기 결과 데이터가 도출되도록 전염병 감염자 수를 예측하고 보정하는 과정을 계층적으로 학습시키는 동작 방법
9 9
제8항에서,상기 위험도 예측 모델은, 국가 단위의 전염병 위험도와 해당 국가와 목적지 국가간의 교류 정도에 기초하여 국가별로 유입될 전염병 감염자 수를 포함하는 확진자 정보를 예측하는 국가별 위험도 예측 모델, 지리적 또는 경제적 연관도에 기초하여 그룹핑된 국가들의 전염병 위험 영향도에 따라 국가별로 유입될 전염병 감염자 수를 보정하는 그룹별 위험도 예측 모델 그리고보정된 상기 국가별 유입될 전염병 정보에 그룹 단위의 전염병 확진자에 대한 상관 관계를 적용하여 상기 국가별 유입될 전염병 정보를 재보정하여 상기 목적지 국가로 유입될 총 유입 확진자 수를 예측하는 통합 위험도 예측 모델을 포함하는, 동작 방법
10 10
제9항에서,상기 국가별 위험도 예측 모델은, 날짜별 확진자 수, 사망자 수, 감염 재생산 지수, 전염병 관련 키워드 검색빈도수 중에서 하나 이상을 포함하는 국가별 전염병 통계 데이터들에서 전염병 확산에서의 특이점을 가지는 기간에 대해 강조하여 국가별 현재 시점에서의 상기 전염병 위험도와 전염병의 추이를 도출하고, 국가별로 로밍 서비스를 신청한 고객 수, 국가별로 입출국 현황 데이터, 입국하는 항공사 수, 항공사 비행 기록 중에서 하나 이상을 포함하는 교류 데이터들을 통해 국가별로 목적지 국가와의 교류 정도를 추정하며, 상기 전염병 위험도, 상기 전염병의 추이 그리고 상기 교류 정도에 기초하여 국가별 입국자 예상 인원에 기초한 유입될 전염병 감염자 인원을 예측하는 모델인, 동작 방법
11 11
제10항에서,상기 전염병 위험 영향도는상기 그룹별 위험도 예측 모델을 학습하는 과정에서 그룹내 국가들의 상기 전염병 위험도와 상기 전염병 추이에 기초하여 국가들간의 상관 관계에 따라 자동으로 도출되고, 상기 그룹 단위의 전염병 확진자에 대한 상관 관계는, 상기 통합 위험도 예측 모델을 학습하는 과정에서 그룹 단위의 전염병 위험도와 그룹 단위의 전염병 추이에 기초하여 자동으로 도출되는 동작 방법
12 12
제11항에서,상기 위험도 예측 모델을 학습시키는 단계는, 상기 국가별 위험도 예측 모델, 상기 그룹별 위험도 예측 모델 그리고 상기 통합 위험도 예측 모델을 순차적으로 수행한 후, 각 모델이 예측 또는 보정한 유입될 확진자 수에 대한 결과들에 기초하여 계층적으로 손실을 산출하고, 산출된 계층적 손실이 최소화되도록 오차 역전파 방식을 통해 상기 국가별 위험도 예측 모델, 상기 그룹별 위험도 예측 모델 그리고 상기 통합 위험도 예측 모델의 매개 변수들을 각 계층의 손실에 기초하여 업데이트하는 동작 방법
13 13
컴퓨팅 장치로서,명령어들을 포함하는 메모리, 그리고상기 명령어들을 실행하여 입력된 국가별 전염병 통계 데이터들과 해당 국가와 목적지 국가간의 교류 데이터들에 기초하여 목적지 국가로 유입될 확진자 수를 예측하는 적어도 하나의 프로세서를 포함하고,상기 프로세서는수집된 국가별 전염병 통계 데이터들과 해당 국가와 목적지 국가간의 교류 데이터들을 학습된 국가별 위험도 예측 모델에 입력하여 국가별 전염병 위험도, 국가별 입국자 예상 인원, 그리고 유입될 확진자 수를 포함하는 국가별 유입될 전염병 정보를 예측하며, 지리적 또는 경제적 연관도에 기초하여 둘 이상의 국가를 그룹핑하고, 그룹핑된 그룹 내 국가들의 상기 국가별 전염병 위험도와 상기 유입될 전염병 정보를 학습된 그룹별 위험도 예측 모델에 입력하여 미리 설정된 그룹 내 국가들간의 상관관계에 따라 설정되는 전염병 위험 영향도에 따라 상기 국가별 유입될 전염병 정보를 보정하여 예측된 각 국가별로 목적지 국가로 유입될 확진자 수를 제공하는, 컴퓨팅 장치
14 14
제13항에서,상기 학습된 국가별 위험도 예측 모델은,날짜별 확진자 수, 사망자 수, 감염 재생산 지수, 전염병 관련 키워드 검색빈도수 중에서 하나 이상을 포함하는 국가별 전염병 통계 데이터들에서 전염병 확산에서의 특이점을 가지는 기간에 대해 강조하여 국가별 현재 시점에서의 상기 전염병 위험도와 전염병의 추이를 도출하고, 국가별로 로밍 서비스를 신청한 고객 수, 국가별로 입출국 현황 데이터, 입국하는 항공사 수, 항공사 비행 기록 중에서 하나 이상을 포함하는 교류 데이터들을 통해 국가별로 목적지 국가와의 교류 정도를 추정하며, 상기 전염병 위험도, 상기 전염병의 추이 그리고 상기 교류 정도에 기초하여 국가별 입국자 예상 인원에 기초한 유입될 전염병 감염자 수를 예측하는, 컴퓨팅 장치
15 15
제13항에서,상기 프로세서는,상기 그룹별 위험도 예측 모델을 학습하는 과정에서 그룹내 국가들의 상기 전염병 위험도와 상기 전염병 추이에 기초하여 국가들간의 상관 관계에 따라 설정되는 상기 국가들의 전염병 위험 영향도에 기초하여 상기 국가별 전염병 위험도와 상기 국가별 유입될 전염병 정보를 보정하는, 컴퓨팅 장치
16 16
제13항에서,상기 프로세서는,보정된 상기 국가별 유입될 전염병 정보를 학습된 통합 위험도 예측 모델에 입력하여 그룹 단위의 전염병 확진자에 대한 상관 관계에 기초하여 재보정된 상기 국가별 유입될 전염병 정보를 획득하고, 상기 목적지 국가로 유입될 총 유입될 확진자 수를 예측하는 컴퓨팅 장치
17 17
제16항에서,상기 프로세서는,상기 총 유입 확진자 수, 상기 국가별 전염병 위험도, 국가별 전염병의 추이, 상기 국가별 유입될 전염병 정보, 보정된 상기 국가별 유입될 전염병 정보 그리고 재보정된 상기 국가별 유입될 전염병 정보 중에서 하나 이상의 데이터 또는 정보를 시각화된 데이터로 가공하여 제공하는, 컴퓨팅 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 한국과학기술원 정보통신.방송 기술개발사업 (N01200802)(통합EZ)DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발(2020년도)