맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

세포 선별 장치 및 방법

  • 기술번호 : KST2022011541
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
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 본 개시는 세포 선별 장치 및 방법에 관한 것으로서, 특히 세포를 촬영한 영상 데이터로부터 전처리된 이미지를 인공 지능을 이용하여 세포들의 균질성을 기반으로 세포를 분류하고, 분류 결과에 중요한 영향을 준 부분을 표시해줌으로써, 세포 선별의 정확도를 높일 수 있는 장치를 제공할 수 있다. 또한, 세포 분류 근거를 시각화함으로써 신뢰할 수 있는 선별 근거를 제공할 수 있다.
Int. CL G06K 9/62 (2022.01.01) G06V 10/20 (2022.01.01) G06N 20/00 (2019.01.01)
CPC G06K 9/627(2013.01) G06V 10/20(2013.01) G06K 9/6278(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020200174709 (2020.12.14)
출원인 가톨릭대학교 산학협력단, 포항공과대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0084838 (2022.06.21) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.12.14)
심사청구항수 14

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 가톨릭대학교 산학협력단 대한민국 서울특별시 서초구
2 포항공과대학교 산학협력단 대한민국 경상북도 포항시 남구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김도현 서울특별시 서초구
2 김성원 서울특별시 강남구
3 곽승기 서울특별시 서초구
4 전정호 서울특별시 송파구
5 이재선 서울특별시 중랑구
6 이승철 경상북도 포항시 남구
7 김규원 경상북도 포항시 남구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인(유한)유일하이스트 대한민국 서울특별시 강남구 강남대로**길 **, *층(역삼동, 옥산빌딩)

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		 2020.12.14 수리 (Accepted) 1-1-2020-1356552-92
2 선행기술조사의뢰서
Request for Prior Art Search		 2021.08.20 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2021.10.15 발송처리완료 (Completion of Transmission) 9-6-2021-0192054-90
4 의견제출통지서
Notification of reason for refusal		 2022.02.18 발송처리완료 (Completion of Transmission) 9-5-2022-0136697-91
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2022.04.08 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0379205-93
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2022.04.08 수리 (Accepted) 1-1-2022-0379192-87
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
세포를 촬영한 영상 데이터로부터 추출된 세포 이미지의 사이즈를 미리 설정된 사이즈로 조절하고, 사이즈가 조절된 상기 세포 이미지를 HSV 색 공간(Hue, saturation, value model)으로 변환하여 명도(value) 값을 보정하고 픽셀 값을 정규화하여 학습 데이터를 생성하는 전처리부;사전 학습된(pre-trained) 제 1 학습 모델로부터 전이 학습을 이용하여 제 2 학습 모델을 생성하는 모델 생성부;상기 세포 이미지로부터 상기 제 2 학습 모델을 이용하여 상기 세포의 균질성을 판단하고, 이를 기준으로 고기능성(positive) 세포와 저기능성(Negative) 세포로 분류하는 세포 분류부; 및분류 결과에 기초하여 상기 세포 이미지에 분류 기준이 된 부분을 표시하여 출력하는 시각화부를 포함하는 것을 특징으로 하는 세포 선별 장치
2 2
제 1 항에 있어서,상기 전처리부는,상기 HSV 색 공간으로 변환된 상기 세포 이미지에서 상기 명도 값을 기준으로 미리 설정된 수치 이상을 제거하고 평균을 특정 값에 맞추도록 보정하는 것을 특징으로 하는 세포 선별 장치
3 3
제 1 항에 있어서,상기 전처리부는,상기 세포 이미지의 상기 픽셀 값을 0에서 1사이로 정규화하여 상기 학습 데이터의 범위를 제한하되, 상기 학습 데이터는 각각의 상기 픽셀 값으로부터 상기 픽셀 값 중 최소값만큼 감소시킨 후, 상기 픽셀 값 중 최대값과 상기 최소값의 차로 나눈 값으로 산출되는 것을 특징으로 하는 세포 선별 장치
4 4
제 1 항에 있어서,상기 모델 생성부는,상기 제 1 학습 모델로부터 마지막 층(Fully Connected layer)을 제외한 상기 제 1 학습 모델의 가중치를 고정하고, 상기 마지막 층의 가중치를 조정하여 상기 제 2 학습 모델을 생성하는 것을 특징으로 하는 세포 선별 장치
5 5
제 4 항에 있어서,상기 모델 생성부는,베이지안 최적화(Bayesian Optimization) 알고리즘을 이용하여 상기 제 2 학습 모델의 하이퍼 파라미터를 설정하는 것을 특징으로 하는 세포 선별 장치
6 6
제 1 항에 있어서,상기 세포 분류부는,상기 세포 이미지에 포함된 기능적 세포로 유추되는 특정 단일 세포의 수로 상기 세포의 균질성을 판단하는 것을 특징으로 하는 세포 선별 장치
7 7
제 1 항에 있어서,상기 시각화부는,상기 제 2 학습 모델의 분류 결과에 기초하여 복수의 시각화 알고리즘 중 적어도 하나의 알고리즘을 이용하여 상기 분류 기준이 된 부분을 표시하고, 상기 제 2 학습 모델의 적합성을 판단하는 것을 특징으로 하는 세포 선별 장치
8 8
제 1 항에 있어서,상기 학습 데이터를 K 개의 그룹으로 나누고 상기 그룹 중에서 1 개의 그룹을 추출하여 검증 세트로 이용하는 검증 과정을 수행하되,상기 검증 과정을 K 번 반복하여 나온 결과 값을 기준으로 상기 제 2 학습 모델의 교차 검증을 수행하는 모델 검증부를 더 포함하는 것을 특징으로 하는 세포 선별 장치
9 9
세포를 촬영한 영상 데이터로부터 추출된 세포 이미지의 사이즈를 미리 설정된 사이즈로 조절하고, 사이즈가 조절된 상기 세포 이미지를 HSV 색 공간(Hue, saturation, value model)으로 변환하여 명도(value) 값을 보정하고 픽셀 값을 정규화하여 학습 데이터를 생성하는 전처리 단계;사전 학습된(pre-trained) 제 1 학습 모델로부터 전이 학습을 이용하여 제 2 학습 모델을 생성하는 모델 생성 단계;상기 세포 이미지로부터 상기 제 2 학습 모델을 이용하여 상기 세포의 균질성을 판단하고, 이를 기준으로 고기능성(positive) 세포와 저기능성(Negative) 세포로 분류하는 세포 분류 단계; 및분류 결과에 기초하여 상기 세포 이미지에 분류 기준이 된 부분을 표시하여 출력하는 시각화 단계를 포함하는 것을 특징으로 하는 세포 선별 방법
10 10
제 9 항에 있어서,상기 전처리 단계는,상기 HSV 색 공간으로 변환된 상기 세포 이미지에서 상기 명도 값을 기준으로 미리 설정된 수치 이상을 제거하고 평균을 특정 값에 맞추도록 보정하는 것을 특징으로 하는 세포 선별 방법
11 11
제 9 항에 있어서,상기 전처리 단계는,상기 세포 이미지의 상기 픽셀 값을 0에서 1 사이로 정규화하여 상기 학습 데이터의 범위를 제한하되,상기 학습 데이터는 각각의 상기 픽셀 값으로부터 상기 픽셀 값 중 최소값만큼 감소시킨 후, 상기 픽셀 값 중 최대값과 상기 최소값의 차로 나눈 값으로 산출되는 것을 특징으로 하는 세포 선별 방법
12 12
제 9 항에 있어서,상기 모델 생성 단계는,상기 제 1 학습 모델로부터 마지막 층(Fully Connected layer)을 제외한 상기 제 1 학습 모델의 가중치를 고정하고, 상기 마지막 층의 가중치를 조정하여 상기 제 2 학습 모델을 생성하는 것을 특징으로 하는 세포 선별 방법
13 13
제 12 항에 있어서,상기 모델 생성 단계는,베이지안 최적화(Bayesian Optimization) 알고리즘을 이용하여 상기 제 2 학습 모델의 하이퍼 파라미터를 설정하는 것을 특징으로 하는 세포 선별 방법
14 14
제 9 항에 있어서,상기 세포 분류 단계는,상기 세포 이미지에 포함된 기능적 세포로 유추되는 특정 단일 세포의 수로 상기 세포의 균질성을 판단하는 것을 특징으로 하는 세포 선별 방법
15 15
제 9 항에 있어서,상기 시각화 단계는,상기 제 2 학습 모델의 분류 결과에 기초하여 복수의 시각화 알고리즘 중 적어도 하나의 알고리즘을 이용하여 상기 분류 기준이 된 부분을 표시하고, 상기 제 2 학습 모델의 적합성을 판단하는 것을 특징으로 하는 세포 선별 방법
16 16
제 9 항에 있어서,상기 학습 데이터를 K 개의 그룹으로 나누고 상기 그룹 중에서 1 개의 그룹을 추출하여 검증 세트로 이용하는 검증 과정을 수행하되,상기 검증 과정을 K 번 반복하여 나온 결과 값을 기준으로 상기 제 2 학습 모델의 교차 검증을 수행하는 모델 검증 단계를 더 포함하는 것을 특징으로 하는 세포 선별 방법
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 가톨릭대학교(성의교정) 바이오.의료기술개발(R＆D) 환자 맞춤형 기도줄기세포 호흡기 점막 3D 생체모사체 개발
2 과학기술정보통신부 가톨릭대학교(성의교정) 바이오.의료기술개발(R＆D) 호흡기 줄기세포와 호흡기 특이 유도만능 줄기세포를 이용한 잉크젯 3D 바이오프린팅 기반 호흡기 오가노이드 표준화 기술 개발
3 교육부 가톨릭대학교(성의교정) 이공학학술연구기반구축(R＆D) 코점막 오가노이드 기반 유행?전염성 호흡기 바이러스 질환 병인 연구 및 치료 평가를 위한 생체모사 호흡점막모델 개발