맞춤기술찾기

이전대상기술

연령관련 황반변성의 확인 및 유형 분류를 위한 인공지능 신경망 학습방법과 이를 이용하여 학습된 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법 및 시스템

  • 기술번호 : KST2023003126
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
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 연령관령 황반변성의 유형의 분류를 위한 기술에 관한 것으로, 더욱 상세하게는 연령관련 황반변성의 확인 및 유형 분류를 위한 인공지능 신경망을 학습시키는 방법과 이를 이용하여 학습된 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법 및 시스템에 관한 것이다. 본 발명의 일 실시 예에 따른 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템은, 광간섭단층 촬영영상 이미지를 입력 받는 입력부; 상기 광간섭단층 촬영영상 이미지 및 기 학습된 검출모델을 이용하여 바이오마커를 검출부; 상기 바이오마커를 이용하여 어탠션 맵(attention map)을 생성하는 맵 생성부; 및 상기 광간섭단층 촬영영상 이미지 및 상기 어탠션 맵을 기 학습된 분류모델에 입력하여, 연령관련 황반변성인지 여부 또는 연령관련 황반변성의 유형을 분석하여 출력하는 판단부를 포함할 수 있다. 본 발명에 따르면, 전문의의 임상적 지식을 토대로 AMD 바이오마커가 위치한 영역을 강조하는 어탠션(attention) 맵을 딥러닝에 적용함으로써 AMD 유형 분류의 일반화 성능이 향상된다는 이점이 있다.
Int. CL A61B 3/00 (2006.01.01) A61B 3/10 (2006.01.01) A61B 5/00 (2021.01.01) G16H 50/20 (2018.01.01) G06N 3/08 (2023.01.01) G06N 3/04 (2023.01.01)
CPC A61B 3/0025(2013.01) A61B 3/102(2013.01) A61B 5/7264(2013.01) A61B 5/0066(2013.01) G16H 50/20(2013.01) G06N 3/08(2013.01) G06N 3/042(2013.01)
출원번호/일자 1020210188848 (2021.12.27)
출원인 경북대학교 산학협력단
등록번호/일자
공개번호/일자 10-2023-0099468 (2023.07.04) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.07.12)
심사청구항수 19

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경북대학교 산학협력단 대한민국 대구광역시 북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 정성문 대구광역시 북구
2 박동호 대구광역시 중구
3 조정래 대구광역시 서구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 피씨알 대한민국 서울특별시 강남구 테헤란로***, **층(삼성동, 송암빌딩Ⅲ)

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
2021.12.27 수리 (Accepted) 1-1-2021-1510496-36
2 외국어특허출원의 국어번역문 제출 안내서
2022.01.03 발송처리완료 (Completion of Transmission) 1-5-2022-0000206-44
3 청구범위 제출유예 안내서
Notification for Deferment of Submission of Claims
2022.01.03 발송처리완료 (Completion of Transmission) 1-5-2022-0000204-53
4 [임시명세서보정(특허)]보정서
2022.03.22 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0306775-06
5 [특허법 제42조의3제2항,제42조의3제3항에 따른 국어번역문]서류제출서
2022.03.22 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0308165-12
6 [심사청구]심사청구서·우선심사신청서
2022.07.12 수리 (Accepted) 1-1-2022-0725013-06
7 특허고객번호 정보변경(경정)신고서·정정신고서
2022.12.16 수리 (Accepted) 4-1-2022-5299287-47
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
광간섭단층 촬영영상 이미지를 입력 받는 입력부;상기 광간섭단층 촬영영상 이미지 및 기 학습된 검출모델을 이용하여 바이오마커를 검출하는 검출부;상기 바이오마커를 이용하여 어탠션 맵(attention map)을 생성하는 맵 생성부; 및상기 광간섭단층 촬영영상 이미지 및 상기 어탠션 맵을 기 학습된 분류모델에 입력하여, 연령관련 황반변성인지 여부 또는 연령관련 황반변성의 유형을 분석하는 판단부를 포함하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
2 2
제 1 항에 있어서,상기 광간섭단층 촬영영상 이미지에,전문의에 의해 분석된 바이오마커 및 연령관련 황반변성의 유형을 태깅하는 전처리부를 더 포함하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
3 3
제 1 항에 있어서,상기 바이오마커는,병변의 이름 또는 병변의 위치정보를 포함하는 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
4 4
제 3 항에 있어서,상기 병변의 위치정보는,상기 병변이 존재하는 영역의 위치 좌표값인 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
5 5
제 1 항에 있어서,상기 기 학습된 검출모델은,상기 광간섭단층 촬영영상 이미지가 입력되면, 상기 광간섭단층 촬영영상 이미지에 태깅된 바이오마커가 출력되도록 학습되는 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
6 6
제 1 항에 있어서,상기 기 학습된 분류모델은,상기 광간섭단층 촬영영상 이미지 및 상기 어탠션 맵이 입력되면, 상기 광간섭단층 촬영영상 이미지에 태깅된 황반변성의 유형이 출력되도록 학습되는 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
7 7
제 1 항에 있어서,상기 기 학습된 분류모델은,상기 광간섭단층 촬영영상 이미지를 내재적인 특징맵으로 가공하고,상기 어탠션 맵을 상기 특징 맵에 결합하여 연령관련 황반변성의 유형을 츨력하는 합성곱 신경망 모델(CNN)인 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
8 8
제 1 항에 있어서,상기 맵 생성부는,병변이 존재하는 영역의 픽셀 값과 병변이 존재하지 않는 영역의 픽셀값을 이분화하여 상기 어탠션 맵을 생성하는 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
9 9
제 1 항에 있어서,상기 판단부에서 분석된 광간섭단층 촬영영상 이미지, 상기 어탠션 맵, 상기 연령관련 황반변성 여부 및 연령관련 황반변성의 유형을 출력하는 출력부를 더 포함하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류시스템
10 10
광간섭단층 촬영영상 이미지 및 병변의 위치 정보가 포함된 어탠션 맵을 학습 데이터로 입력 받는 입력단계;상기 광간섭단층 촬영영상 이미지가 입력되면, 상기 광간섭단층 촬영영상 이미지에 태깅된 바이오마커가 출력되도록 검출모델이 학습되는 검출모델 학습단계;상기 광간섭단층 촬영영상 이미지 및 상기 어탠션 맵이 입력되면, 상기 광간섭단층 촬영영상 이미지에 태깅된 황반변성의 유무 또는 황반변성의 유형이 출력되도록 분류모델이 학습되는 분류모델 학습단계를 포함하는 연령관련 황반변성의 확인 및 유형 분류를 위한 인공지능 신경망 학습방법
11 11
제 10 항에 있어서,상기 광간섭단층 촬영영상 이미지에, 전문의에 의해 분석된 바이오마커 및 연령관련 황반변성의 유형을 태깅하는 전처리단계를 더 포함하는 연령관련 황반변성의 확인 및 유형 분류를 위한 인공지능 신경망 학습방법
12 12
제 10 항에 있어서,상기 바이오마커는,병변의 이름 또는 병변의 위치정보를 포함하는 연령관련 황반변성의 확인 및 유형 분류를 위한 인공지능 신경망 학습방법
13 13
광간섭단층 촬영영상 이미지를 입력 받는 입력단계;상기 광간섭단층 촬영영상 이미지 및 기 학습된 검출모델을 이용하여 바이오마커를 검출하는 검출단계;상기 바이오마커를 이용하여 어탠션 맵(attention map)을 생성하는 맵 생성단계; 및상기 광간섭단층 촬영영상 이미지 및 상기 어탠션 맵을 기 학습된 분류모델에 입력하여, 연령관련 황반변성인지 여부 또는 연령관련 황반변성의 유형을 분석하여 출력하는 연령관련 황반변성 판단단계를 포함하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법
14 14
제 13 항에 있어서,상기 바이오마커는,병변의 이름 또는 병변의 위치정보를 포함하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법
15 15
제 14 항에 있어서,상기 병변의 위치정보는,상기 병변이 존재하는 영역의 위치 좌표값인 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법
16 16
제 13 항에 있어서,상기 기 학습된 분류모델은,상기 광간섭단층 촬영영상 이미지를 내재적인 특징맵으로 가공하고,상기 어탠션 맵을 상기 특징맵에 결합하여 연령관련 황반변성의 유형을 츨력하는 합성곱 신경망 모델(CNN)인 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법
17 17
제 13 항에 있어서,상기 맵 생성단계는,병변이 존재하는 영역의 픽셀 값과 병변이 존재하지 않는 영역의 픽셀값을 이분화하여 상기 어탠션 맵을 생성하는 것을 특징으로 하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법
18 18
제 13 항에 있어서,상기 연령관련 황반변성 판단단계에서 분석된 광간섭단층 촬영영상 이미지, 상기 어탠션 맵, 상기 연령관련 황반변성 여부 및 연령관련 황반변성의 유형을 출력하는 출력단계를 더 포함하는 딥러닝 기반의 연령관련 황반변성 확인 및 유형 분류방법
19 19
제 10 항 내지 제 18 항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체
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 경북대학교 정보통신방송혁신인재양성(R&D) 복합정보 기반 예측지능 혁신 기술 연구
2 과학기술정보통신부 경북대학교 개인기초연구(과기정통부)(R&D) 면역세포의 미토콘드리아 에너지 대사 리프로그래밍 및 염증 활성화 제어를 통한 신생혈관성 연령관련 황반변성 신규 치료기전 연구