맞춤기술찾기

이전대상기술

구강질환 진단에 필요한 정보를 제공하는 방법 및 이를 수행하기 위한 장치

  • 기술번호 : KST2023004499
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
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 구강질환 진단에 필요한 정보를 제공하는 방법 및 이를 수행하기 위한 장치가 개시된다. 본 발명의 일 실시예에 따른 구강질환 진단에 필요한 정보를 제공하는 방법 및 이를 수행하기 위한 장치는 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 환자의 구강을 촬영한 구강 영상을 획득하기 위한 명령; 상기 구강 영상을 전처리하고, 상기 구강 영상으로부터 추출된 혀 이미지를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 상기 구강 영상에 대한 분석 결과를 출력하기 위한 명령; 및 상기 분석 결과를 기반으로 구강질환 진단에 필요한 정보를 생성하기 위한 명령을 포함한다.
Int. CL G16H 50/20 (2018.01.01) G16H 30/40 (2018.01.01) G06T 7/00 (2017.01.01) G06T 5/00 (2019.01.01) G06T 7/12 (2017.01.01) G06N 3/04 (2023.01.01) G06N 3/08 (2023.01.01) A61B 1/24 (2006.01.01) A61B 5/00 (2021.01.01)
CPC G16H 50/20(2013.01) G16H 30/40(2013.01) G06T 7/0012(2013.01) G06T 5/001(2013.01) G06T 7/12(2013.01) G06N 3/04(2013.01) G06N 3/08(2013.01) A61B 1/24(2013.01) A61B 5/4552(2013.01) G06T 2207/30004(2013.01) G06T 2207/20084(2013.01) G06T 2207/20081(2013.01)
출원번호/일자 1020220027968 (2022.03.04)
출원인 아주대학교산학협력단
등록번호/일자
공개번호/일자 10-2023-0006754 (2023.01.11) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020210087417   |   2021.07.02
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.03.04)
심사청구항수 17

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 아주대학교산학협력단 대한민국 경기도 수원시 영통구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 허재성 서울특별시 강남구
2 김철호 서울특별시 강남구
3 임준혁 경기도 수원시 영통구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 두호특허법인 대한민국 서울특별시 강남구 언주로***, *층(논현동,시그너스빌딩)

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
2022.03.04 수리 (Accepted) 1-1-2022-0240969-20
2 특허고객번호 정보변경(경정)신고서·정정신고서
2022.10.11 수리 (Accepted) 4-1-2022-5237662-24
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
하나 이상의 프로세서들;메모리; 및하나 이상의 프로그램들을 포함하고,상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,상기 하나 이상의 프로그램들은,환자의 구강을 촬영한 구강 영상을 획득하기 위한 명령;상기 구강 영상을 전처리하고, 상기 구강 영상으로부터 추출된 혀 이미지를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 상기 구강 영상에 대한 분석 결과를 출력하기 위한 명령; 및상기 분석 결과를 기반으로 구강질환 진단에 필요한 정보를 생성하기 위한 명령을 포함하는, 컴퓨팅 장치
2 2
청구항 1에 있어서,상기 구강 영상에 대한 분석 결과를 출력하기 위한 명령은,상기 획득한 구강 영상에서 상기 혀 이미지를 추출하여 데이터 세트를 생성하기 위한 명령; 및머신러닝(Machine Learning) 모듈을 이용하여 상기 데이터 세트를 입력 받고, 상기 데이터 세트로부터 상기 환자의 구강질환 여부를 분류하기 위한 명령을 더 포함하는, 컴퓨팅 장치
3 3
청구항 2에 있어서,상기 데이터 세트를 생성하기 위한 명령은,상기 획득한 구강 영상을 기반으로 흑백 변환을 수행하여 흑백으로 표시되는 백그라운드 이미지를 추출하기 위한 명령;상기 추출된 백그라운드 이미지에 포함된 텍스트를 제거하기 위한 명령;상기 텍스트가 제거된 백그라운드 이미지에 대해 스무딩 필터 처리를 수행하기 위한 명령;상기 스무딩 처리된 백그라운드 이미지에서 혀에 대한 경계선을 탐색하기 위한 명령;상기 탐색된 경계선을 기초로 상기 구강 영상에서 상기 혀 이미지를 추출하기 위한 명령; 및상기 혀 이미지를 기 설정된 크기로 조정하기 위한 명령을 더 포함하는, 컴퓨팅 장치
4 4
청구항 2에 있어서,상기 머신러닝 모듈은,상기 데이터 세트를 입력 받고, 상기 데이터 세트에 포함된 혀 이미지에 기반하여 구강질환 여부를 분류하도록 학습되는 인공 신경망 모델을 포함하는, 컴퓨팅 장치
5 5
청구항 4에 있어서,상기 인공 신경망 모델은,상기 혀 이미지에 대한 특징 맵(feature map)을 생성하는 제1 신경망 모델; 및상기 제1 신경망 모델에 의하여 생성된 특징 맵을 1차원 벡터로 변환하고, 상기 변환된 특징 맵에 기반하여 구강질환 여부를 분류하는 제2 신경망 모델을 포함하는, 컴퓨팅 장치
6 6
청구항 5에 있어서,상기 제1 신경망 모델은,복수의 컨볼루션 블록(convolution block)으로 구성되는 복수의 덴스 블록(dense block)을 포함하며,상기 컨볼루션 블록은,배치 정규화 레이어(batch normalization layer), 활성화 함수(ReLU), 3x3 컨볼루션 레이어(convolution layer) 및 결합 레이어(concatenate layer)를 포함하며,상기 복수의 덴스 블록은, 배치 정규화 레이어, 활성화 함수, 1x1 컨볼루션 레이어 및 2x2 평균 풀링 레이어(Average Pooling layer)를 포함하는 전이 레이어(transition layer)가 출력단에 각각 연결되는, 컴퓨팅 장치
7 7
청구항 6에 있어서,상기 인공 신경망 모델은,상기 제1 신경망 모델에서 어느 하나의 레이어를 선택하고, 상기 선택된 어느 하나의 레이어를 기준으로 전이 학습(Transfer Learning)을 수행하여 학습되며,상기 어느 하나의 레이어는, 상기 제1 신경망 모델에 포함된 복수의 레이어 중에서 베이지안 최적화(Bayesian optimizer)를 통하여 상기 전이 학습의 기준으로 선택된 레이어인, 컴퓨팅 장치
8 8
청구항 5에 있어서,상기 제2 신경망 모델은,상기 생성된 특징 맵을 1차원 벡터로 변환하고, 상기 변환된 특징 맵에 대해서 드랍 아웃(drop out)을 각각 적용하는 제1 완전 연결 레이어(Fully-Connected layer)와 제2 완전 연결 레이어; 및시그모이드(sigmoid) 함수를 이용하여 상기 드랍 아웃이 적용된 특징 맵을 구강질환 여부로 분류하는 제3 완전 연결 레이어를 포함하는, 컴퓨팅 장치
9 9
하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 구강질환 진단에 필요한 정보를 제공하는 방법으로서,환자의 구강을 촬영한 구강 영상을 획득하는 단계;상기 구강 영상을 전처리하고, 상기 구강 영상으로부터 추출된 혀 이미지를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 상기 구강 영상에 대한 분석 결과를 출력하는 단계; 및상기 분석 결과를 기반으로 구강질환 진단에 필요한 정보를 생성하는 단계를 포함하는, 구강질환 진단에 필요한 정보를 제공하는 방법
10 10
청구항 9에 있어서,상기 구강 영상에 대한 분석 결과를 출력하는 단계는,상기 획득한 구강 영상에서 혀 이미지를 추출하여 데이터 세트를 생성하는 단계; 및머신러닝(Machine Learning) 모듈을 이용하여 상기 데이터 세트를 입력 받고, 상기 데이터 세트로부터 상기 환자의 구강질환 여부를 분류하는 단계를 더 포함하는, 구강질환 진단에 필요한 정보를 제공하는 방법
11 11
청구항 10에 있어서,상기 데이터 세트를 생성하는 단계는,상기 획득한 구강 영상을 기반으로 흑백 변환을 수행하여 흑백으로 표시되는 백그라운드 이미지를 추출하는 단계;상기 추출된 백그라운드 이미지에 포함된 텍스트를 제거하는 단계;상기 텍스트가 제거된 백그라운드 이미지에 대해 스무딩 필터 처리를 수행하는 단계;상기 스무딩 처리된 백그라운드 이미지에서 혀에 대한 경계선을 탐색하는 단계;상기 탐색된 경계선을 기초로 상기 구강 영상에서 상기 혀 이미지를 추출하는 단계; 및상기 혀 이미지를 기 설정된 크기로 조정하는 단계를 더 포함하는, 구강질환 진단에 필요한 정보를 제공하는 방법
12 12
청구항 10에 있어서,상기 머신러닝 모듈은,상기 데이터 세트를 입력 받고, 상기 데이터 세트에 포함된 혀 이미지에 기반하여 구강질환 여부를 분류하도록 학습되는 인공 신경망 모델을 포함하는, 구강질환 진단에 필요한 정보를 제공하는 방법
13 13
청구항 12에 있어서,상기 인공 신경망 모델은,상기 혀 이미지에 대한 특징 맵(feature map)을 생성하는 제1 신경망 모델; 및상기 제1 신경망 모델에 의하여 생성된 특징 맵을 1차원 벡터로 변환하고, 상기 변환된 특징 맵에 기반하여 구강질환 여부를 분류하는 제2 신경망 모델을 포함하는, 구강질환 진단에 필요한 정보를 제공하는 방법
14 14
청구항 13에 있어서,상기 제1 신경망 모델은,복수의 컨볼루션 블록(convolution block)으로 구성되는 복수의 덴스 블록(dense block)을 포함하며,상기 컨볼루션 블록은,배치 정규화 레이어(batch normalization layer), 활성화 함수(ReLU), 3x3 컨볼루션 레이어(convolution layer) 및 결합 레이어(concatenate layer)를 포함하며,상기 복수의 덴스 블록은, 배치 정규화 레이어, 활성화 함수, 1x1 컨볼루션 레이어 및 2x2 평균 풀링 레이어(Average Pooling layer)를 포함하는 전이 레이어(transition layer)가 출력단에 각각 연결되는, 구강질환 진단에 필요한 정보를 제공하는 방법
15 15
청구항 14에 있어서,상기 인공 신경망 모델은,상기 제1 신경망 모델에서 어느 하나의 레이어를 선택하고, 상기 선택된 어느 하나의 레이어를 기준으로 전이 학습(Transfer Learning)을 수행하여 학습되며,상기 어느 하나의 레이어는, 상기 제1 신경망 모델에 포함된 복수의 레이어 중에서 베이지안 최적화(Bayesian optimizer)를 통하여 상기 전이 학습의 기준으로 선택된 레이어인, 구강질환 진단에 필요한 정보를 제공하는 방법
16 16
청구항 13에 있어서,상기 제2 신경망 모델은,상기 생성된 특징 맵을 1차원 벡터로 변환하고, 상기 변환된 특징 맵에 대해서 드랍 아웃(drop out)을 각각 적용하는 제1 완전 연결 레이어(Fully-Connected layer)와 제2 완전 연결 레이어; 및시그모이드(sigmoid) 함수를 이용하여 상기 드랍 아웃이 적용된 특징 맵을 구강질환 여부로 분류하는 제3 완전 연결 레이어를 포함하는, 구강질환 진단에 필요한 정보를 제공하는 방법
17 17
비일시적 컴퓨터 판독 가능한 저장 매체(non-transitory computer readable storage medium)에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금, 환자의 구강을 촬영한 구강 영상을 획득하고;상기 구강 영상을 전처리하고, 상기 구강 영상으로부터 추출된 혀 이미지를 기반으로 머신러닝(Machine Learning) 기반 기술을 사용하여 상기 구강 영상에 대한 분석 결과를 출력하고; 그리고,상기 분석 결과를 기반으로 구강질환 진단에 필요한 정보를 생성하도록 하는, 컴퓨터 프로그램
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 아주대학교 바이오.의료기술개발(R&D) 딥러닝기반 두경부암 환자의 영상 분석을 통한 치료 반응의 예측 모델 개발