| 1 |
1
사용자의 자세를 계속적으로 촬영한 복수의 영상 데이터를 수집하고, 수집된 영상 데이터 별로 미리 설정된 특정 신체 부위에 관한 기준 정보를 획득하는 기준 정보 획득부;각각의 영상 데이터로부터 추출된 상기 기준 정보에 대한 랜드마크 좌표 정보에 분석 모듈을 적용하여 랜드마크 별 특징 정보를 추출하는 특징 정보 추출부; 및상기 랜드마크 별 특징 정보를 연결(Concatenate)하여 통합(Fusion) 특징 정보를 생성하고, 상기 통합 특징 정보에 기초하여 질병을 진단하는 질병 진단부를 포함하는 것을 특징으로 하는 질병 진단 장치
|
| 2 |
2
제 1 항에 있어서,상기 기준 정보 획득부는,진단 목적 또는 진단 상황에 따라 상기 사용자의 얼굴, 동공, 몸 및 손 중 적어도 하나를 포함하여 상기 특정 신체 부위를 설정하는 것을 특징으로 하는 질병 진단 장치
|
| 3 |
3
제 1 항에 있어서,상기 분석 모듈은,상기 랜드마크 좌표 정보를 기반으로 관절점 정보를 생성하는 제 1 신경망 모듈과 동일 프레임 내 상기 관절점 정보를 기반으로 시간 축 정보를 결합하는 제 2 신경망 모듈을 포함하여 구성되는 것을 특징으로 하는 질병 진단 장치
|
| 4 |
4
제 3 항에 있어서, 상기 제 1 신경망 모듈은,그래프 합성곱 신경망(Graph Convolution Network, GCN)을 기반으로 하고,상기 제 2 신경망 모듈은,합성곱 신경망(Convolutional Neural Network, CNN)을 기반으로 하는 것을 특징으로 하는 질병 진단 장치
|
| 5 |
5
제 1 항에 있어서, 상기 분석 모듈은,상기 랜드마크 좌표 정보의 프레임 크기를 동일하게 조절하는 프레임 자율화 모듈을 더 포함하는 것을 특징으로 하는 질병 진단 장치
|
| 6 |
6
제 5 항에 있어서,상기 프레임 자율화 모듈은,미리 설정된 프레임 개수에 기초하여 중심 프레임을 선택하고, 상기 중심 프레임을 기준으로 복수의 주변 프레임을 결합하여 중심 프레임 세트를 생성하고, 상기 중심 프레임 세트를 연결(Concatenate)하여 상기 랜드마크 좌표 정보의 프레임 크기를 조절하는 것을 특징으로 하는 질병 진단 장치
|
| 7 |
7
제 1 항에 있어서,상기 질병 진단부는,상기 통합 특징 정보를 완전 연결 계층(Fully-connected layer)에 입력하여 상기 질병의 발생 유무, 종류 및 중증도 중 적어도 하나를 진단하는 것을 특징으로 하는 질병 진단 장치
|
| 8 |
8
제 7 항에 있어서,상기 질병 진단부는,상기 랜드마크 별 특징 정보의 평균값과 상기 랜드마크 별 특징 정보의 최대값을 산출하고, 상기 평균값과 상기 최대값을 연결(Concatenate)하여 상기 통합(Fusion) 특징 정보를 생성하는 것을 특징으로 하는 질병 진단 장치
|
| 9 |
9
사용자의 자세를 계속적으로 촬영한 복수의 영상 데이터를 수집하고, 수집된 영상 데이터 별로 미리 설정된 특정 신체 부위에 관한 기준 정보를 획득하는 기준 정보 획득 단계;각각의 영상 데이터로부터 추출된 상기 기준 정보에 대한 랜드마크 좌표 정보에 분석 모듈을 적용하여 랜드마크 별 특징 정보를 추출하는 특징 정보 추출 단계; 및상기 랜드마크 별 특징 정보를 연결(Concatenate)하여 통합(Fusion) 특징 정보를 생성하고, 상기 통합 특징 정보에 기초하여 질병을 진단하는 질병 진단 단계를 포함하는 것을 특징으로 하는 질병 진단 방법
|
| 10 |
10
제 9 항에 있어서,상기 기준 정보 획득 단계는,진단 목적 또는 진단 상황에 따라 상기 사용자의 얼굴, 동공, 몸 및 손 중 적어도 하나를 포함하여 상기 특정 신체 부위를 설정하는 것을 특징으로 하는 질병 진단 방법
|
| 11 |
11
제 9 항에 있어서,상기 분석 모듈은,상기 랜드마크 좌표 정보를 기반으로 관절점 정보를 생성하는 제 1 신경망 모듈과 동일 프레임 내 상기 관절점 정보를 기반으로 시간 축 정보를 결합하는 제 2 신경망 모듈을 포함하여 구성되는 것을 특징으로 하는 질병 진단 방법
|
| 12 |
12
제 11 항에 있어서,상기 제 1 신경망 모듈은,그래프 합성곱 신경망(Graph Convolution Network, GCN)을 기반으로 하고,상기 제 2 신경망 모듈은
|
| 13 |
13
제 9 항에 있어서,상기 분석 모듈은,상기 랜드마크 좌표 정보의 프레임 크기를 동일하게 조절하는 프레임 자율화 모듈을 더 포함하는 것을 특징으로 하는 질병 진단 방법
|
| 14 |
14
제 13 항에 있어서,상기 프레임 자율화 모듈은,미리 설정된 프레임 개수에 기초하여 중심 프레임을 선택하고, 상기 중심 프레임을 기준으로 복수의 주변 프레임을 결합하여 중심 프레임 세트를 생성하고, 상기 중심 프레임 세트를 연결(Concatenate)하여 상기 랜드마크 좌표 정보의 프레임 크기를 조절하는 것을 특징으로 하는 질병 진단 방법
|
| 15 |
15
제 9 항에 있어서,상기 질병 진단 단계는,상기 통합 특징 정보를 완전 연결 계층(Fully-connected layer)에 입력하여 상기 질병의 발생 유무, 종류 및 중증도 중 적어도 하나를 진단하는 것을 특징으로 하는 질병 진단 방법
|
| 16 |
16
제 15 항에 있어서,상기 질병 진단 단계는,상기 랜드마크 별 특징 정보의 평균값과 상기 랜드마크 별 특징 정보의 최대값을 산출하고, 상기 평균값과 상기 최대값을 연결(Concatenate)하여 상기 통합(Fusion) 특징 정보를 생성하는 것을 특징으로 하는 질병 진단 방법
|
