맞춤기술찾기

이전대상기술

신경 파형 분류 장치 및 이를 위한 학습 장치 및 방법

  • 기술번호 : KST2022016849
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 적어도 하나의 전극을 통해 감지되는 신경 신호로부터 기지정된 방식으로 획득된 다수의 신경 파형을 인가받고, 기지정된 특징 추출 기법에 따라 인가된 다수의 신경 파형 각각에 대한 특징을 추출하는 특징 추출부, 추출된 다수의 특징을 기지정된 클러스터링 기법에 따라 다수의 클러스터로 클러스터링하는 클러스터링부, 다수의 클러스터 각각의 중심점을 판별하고, 판별된 중심점을 기준으로 각 클러스터의 전체 특징 개수 중 판별된 중심점을 기준으로 인접한 기지정된 템플릿 선택 비율에 따른 개수의 특징을 템플릿 특징으로 선택하는 템플릿 선택부 및 인가된 다수의 신경 파형 중 선택된 템플릿 특징에 대응하는 신경 파형을 템플릿 파형으로 추출하고, 추출된 템플릿 파형에 각 클러스터에 대응하는 식별자를 레이블로 레이블링하여 학습 데이터를 획득하는 학습 데이터 획득부를 포함하여, 신경 파형으로부터 정확하게 분류되고 레이블된 대량의 학습 데이터를 용이하게 획득할 수 있는 신경 파형 분류 장치 및 이를 위한 학습 장치 및 방법을 제공할 수 있다.
Int. CL A61B 5/374 (2021.01.01) A61B 5/00 (2021.01.01) A61B 5/00 (2021.01.01) G16H 50/20 (2018.01.01) G06N 3/08 (2006.01.01)
CPC A61B 5/374(2013.01) A61B 5/7267(2013.01) A61B 5/7246(2013.01) G16H 50/20(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020200019540 (2020.02.18)
출원인 연세대학교 산학협력단, 가톨릭관동대학교산학협력단
등록번호/일자 10-2339061-0000 (2021.12.09)
공개번호/일자 10-2021-0105057 (2021.08.26) 문서열기
공고번호/일자 (20211214) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.02.18)
심사청구항수 12

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 황도식 서울특별시 서대문구
2 엄준식 서울특별시 서초구
3 장한별 서울특별시 서대문구
4 김세원 서울특별시 용산구
5 박인용 서울특별시 서대문구
6 허여울 인천광역시 부평구
7 조제원 서울특별시 강동구
8 박상건 경기도 구리시

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 민영준 대한민국 서울특별시 강남구 남부순환로 ****, *층(도곡동, 차우빌딩)(맥스국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 연세대학교 산학협력단 대한민국 서울특별시 서대문구
2 가톨릭관동대학교산학협력단 대한민국 강원도 강릉시 범일로**
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
2020.02.18 수리 (Accepted) 1-1-2020-0169983-91
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2020.10.13 수리 (Accepted) 1-1-2020-1077553-15
3 의견제출통지서
Notification of reason for refusal
2021.04.26 발송처리완료 (Completion of Transmission) 9-5-2021-0332384-13
4 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2021.06.21 수리 (Accepted) 1-1-2021-0710152-58
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2021.06.21 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-0710121-43
6 등록결정서
Decision to grant
2021.09.10 발송처리완료 (Completion of Transmission) 9-5-2021-0721172-65
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
적어도 하나의 전극을 통해 감지되는 신경 신호로부터 기지정된 방식으로 획득된 다수의 신경 파형을 인가받고, 기지정된 특징 추출 기법에 따라 인가된 다수의 신경 파형 각각에 대한 특징을 추출하는 특징 추출부; 추출된 다수의 특징을 기지정된 클러스터링 기법에 따라 다수의 클러스터로 클러스터링하는 클러스터링부; 다수의 클러스터 각각의 중심점을 판별하고, 판별된 중심점을 기준으로 각 클러스터의 전체 특징 개수 중 판별된 상기 중심점을 기준으로 인접한 기지정된 템플릿 선택 비율에 따른 개수의 특징을 템플릿 특징으로 선택하는 템플릿 선택부; 및 인가된 다수의 신경 파형 중 선택된 템플릿 특징에 대응하는 신경 파형을 템플릿 파형으로 추출하고, 추출된 템플릿 파형에 각 클러스터에 대응하는 식별자를 레이블로 레이블링하여 학습 데이터를 획득하는 학습 데이터 획득부를 포함하되,상기 템플릿 선택 비율은 5 ~ 20% 범위 내에서 하나의 값으로 지정되는 신경 파형 분류를 위한 학습 장치
2 2
제1 항에 있어서, 상기 학습 데이터 획득부는 다수의 신경 파형을 인가받아 분류하도록 학습되어야 하는 인공 신경망의 입력으로 상기 템플릿 파형을 인가하고, 상기 학습 장치는 상기 인공 신경망에서 다수의 신경 파형 각각을 분류한 식별자와 상기 학습 데이터의 식별자를 비교하여 오차를 계산하고, 계산된 오차를 상기 인공 신경망으로 역전파하여 학습시키는 오차 역전파부를 더 포함하는 신경 파형 분류를 위한 학습 장치
3 3
제1 항에 있어서, 상기 특징 추출부는 상기 다수의 신경 파형에 대해 주성분 분석 기법에 따라 상기 신경 파형의 차원보다 낮은 차원을 갖는 특징을 추출하는 신경 파형 분류를 위한 학습 장치
4 4
제1 항에 있어서, 상기 클러스터링부는 상기 다수의 특징을 K 평균 클러스터링 기법에 따라 K개의 클러스터로 클러스터링하는 신경 파형 분류를 위한 학습 장치
5 5
삭제
6 6
적어도 하나의 전극을 통해 감지되는 아날로그의 로우 레벨 신경 신호를 샘플링하여 디지털로 변환하여 상기 신경 신호를 획득하는 신호 검출부; 상기 신경 신호에서 기지정된 기준 세기 이상의 세기를 갖는 신경 신호를 추출하고 기지정된 방식으로 정렬하여 다수의 신경 파형을 획득하는 전처리부; 인공 신경망으로 구현되고, 미리 학습된 패턴 추정 방식에 따라 다수의 신경 파형을 분류하여, 분류된 신경 파형 각각에 대응하는 식별자를 출력하는 신경 파형 분류부; 및 상기 신경 파형 분류부의 학습 시에 결합되어 다수의 신경 파형을 인가받고, 기지정된 특징 추출 기법에 따라 인가된 다수의 신경 파형 각각에 대한 특징을 추출하고, 추출된 다수의 특징을 기지정된 클러스터링 기법에 따라 다수의 클러스터로 클러스터링하여, 다수의 클러스터 각각의 중심점을 판별하며, 판별된 중심점을 기준으로 각 클러스터의 전체 특징 개수 중 판별된 상기 중심점을 기준으로 인접한 기지정된 템플릿 선택 비율에 따른 개수의 특징을 템플릿 특징으로 선택하여, 인가된 다수의 신경 파형 중 선택된 템플릿 특징에 대응하는 신경 파형을 템플릿 파형으로 추출하고, 추출된 템플릿 파형에 각 클러스터에 대응하는 식별자를 레이블로 레이블링하여 학습 데이터를 획득하는 학습부를 포함하되,상기 템플릿 선택 비율은 5 ~ 20% 범위 내에서 하나의 값으로 지정되는 신경 파형 분류 장치
7 7
제6 항에 있어서, 상기 학습부는 상기 신경 파형 분류부로 상기 템플릿 파형을 인가하고, 상기 신경 파형 분류부에서 출력되는 식별자와 상기 학습 데이터의 식별자를 비교하여 오차를 계산하고, 계산된 오차를 상기 인공 신경망으로 역전파하여 상기 신경 파형 분류부를 학습시키는 오차 역전파부를 더 포함하는 신경 파형 분류 장치
8 8
제6 항에 있어서, 상기 학습부는 상기 다수의 신경 파형에 대해 주성분 분석 기법에 따라 상기 신경 파형의 차원보다 낮은 차원을 갖는 특징을 추출하는 신경 파형 분류 장치
9 9
제6 항에 있어서, 상기 학습부는 상기 다수의 특징을 K 평균 클러스터링 기법에 따라 K개의 클러스터로 클러스터링하는 신경 파형 분류 장치
10 10
신경 파형 분류를 위한 학습 장치에서 수행되는 방법으로서,적어도 하나의 전극을 통해 감지되는 신경 신호로부터 기지정된 방식으로 획득된 다수의 신경 파형을 인가받고, 기지정된 특징 추출 기법에 따라 인가된 다수의 신경 파형 각각에 대한 특징을 추출하는 단계; 추출된 다수의 특징을 기지정된 클러스터링 기법에 따라 다수의 클러스터로 클러스터링하는 단계; 다수의 클러스터 각각의 중심점을 판별하는 단계; 판별된 중심점을 기준으로 각 클러스터의 전체 특징 개수 중 판별된 상기 중심점을 기준으로 인접한 기지정된 템플릿 선택 비율에 따른 개수의 특징을 템플릿 특징으로 선택하는 단계; 인가된 다수의 신경 파형 중 선택된 템플릿 특징에 대응하는 신경 파형을 템플릿 파형으로 추출하는 단계; 및 추출된 템플릿 파형에 각 클러스터에 대응하는 식별자를 레이블로 레이블링하여 학습 데이터를 획득하는 단계를 포함하되,상기 템플릿 선택 비율은 5 ~ 20% 범위 내에서 하나의 값으로 지정되는 신경 파형 분류를 위한 학습 방법
11 11
제10 항에 있어서, 상기 학습 방법은 다수의 신경 파형을 인가받아 분류하도록 학습되어야 하는 인공 신경망의 입력으로 상기 템플릿 파형을 인가하는 단계; 상기 인공 신경망에서 다수의 신경 파형 각각을 분류한 식별자와 상기 학습 데이터의 식별자를 비교하여 오차를 계산하는 단계; 및 계산된 오차를 상기 인공 신경망으로 역전파하는 단계를 더 포함하는 신경 파형 분류를 위한 학습 방법
12 12
제10 항에 있어서, 상기 특징을 추출하는 단계는 상기 다수의 신경 파형에 대해 주성분 분석 기법에 따라 상기 신경 파형의 차원보다 낮은 차원을 갖는 특징을 추출하는 신경 파형 분류를 위한 학습 방법
13 13
제10 항에 있어서, 상기 클러스터링하는 단계는 상기 다수의 특징을 K 평균 클러스터링 기법에 따라 K개의 클러스터로 클러스터링하는 신경 파형 분류를 위한 학습 방법
14 14
삭제
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 연세대학교 산학협력단 뇌과학원천기술개발(R&D) 뇌 신경회로의 대용량 전기신호 처리 알고리즘 개발
2 과학기술정보통신부 가톨릭관동대학교 산학협력단 뇌과학원천기술개발(R&D) 3D나노IC전극을 이용한 행동하는 동물에서의 단단위 신경신호 측정법 개발