맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

딥러닝 모델 학습 방법, 딥러닝 모델을 이용한 안과질환 진단 방법 및 이를 수행하는 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체

  • 기술번호 : KST2024000398
  • 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 딥러닝 모델 학습 방법, 딥러닝 모델을 이용한 안과질환 진단 방법 및 이를 수행하는 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체는 적어도 하나의 프로세서에 의하여, 안구를 대상으로 광 간섭 단층 촬영(Optical Coherence Tomography; OCT)된 다수 개의 OCT 이미지에 대한 복수 개의 데이터셋이 이용되어 딥러닝 모델이 학습되는 딥러닝 모델 학습단계, 상기 적어도 하나의 프로세서에 의하여, 피검사자의 다수 개의 OCT 이미지가 획득되는 이미지 획득단계 및 상기 적어도 하나의 프로세서에 의하여, 상기 딥러닝 모델에 피검사자의 다수 개의 OCT 이미지가 입력되어 안과질환 또는 정상일 확률을 진단결과로 출력하는 안과질환 진단단계를 포함한다. 또한, 상기 딥러닝 모델 학습단계는, 불특정 안과질환자의 안구를 대상으로 광 간섭 단층 촬영(Optical Coherence Tomography; OCT)되고 안과질환이 기 라벨링된 다수 개의 OCT 이미지가 제1 데이터셋으로 획득되는 제1 데이터셋 획득단계, 피검사자의 단일 OCT 이미지로부터 안과질환을 진단할 수 있도록 상기 제1 데이터셋이 이용되어 제1 진단모델이 학습되는 제1 진단모델 학습단계, 안과학 기반의 다수 개의 OCT 이미지가 제2 데이터셋으로 획득되는 제2 데이터셋 획득단계, 학습된 상기 제1 진단모델이 이용되어 상기 제2 데이터셋 내 다수 개의 OCT 이미지가 라벨링(Labeling)되는 제2 데이터셋 라벨링단계, 라벨링된 상기 제2 데이터셋을 기 설정된 설정개수로 분류한 후 볼륨 데이터 형식의 다수 개의 분류 데이터셋이 생성되는 분류 데이터셋 생성단계 및 피검사자의 다수 개의 OCT 이미지로부터 안과질환을 진단할 수 있도록 상기 다수 개의 분류 데이터셋이 이용되어 제2 진단모델이 학습되는 제2 진단모델 학습단계를 포함한다.
Int. CL G16H 50/20 (2018.01.01) G16H 30/40 (2018.01.01) G16H 50/70 (2018.01.01) G06N 3/08 (2023.01.01) A61B 3/14 (2006.01.01)
CPC G16H 50/20(2013.01) G16H 30/40(2013.01) G16H 50/70(2013.01) G06N 3/08(2013.01) A61B 3/145(2013.01)
출원번호/일자 1020220072515 (2022.06.15)
출원인 경상국립대학교산학협력단, 경북대학교 산학협력단, 주식회사 딥노이드, 재단법인 정석연구재단
등록번호/일자
공개번호/일자 10-2023-0172106 (2023.12.22) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.06.15)
심사청구항수 9

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경상국립대학교산학협력단 대한민국 경상남도 진주시
2 경북대학교 산학협력단 대한민국 대구광역시 북구
3 주식회사 딥노이드 대한민국 서울특별시 구
4 재단법인 정석연구재단 대한민국 경상남도 김해시

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김태규 경기 용인시 기흥구
2 최현주 경남 김해
3 최우식 인천 계양구
4 이승환 부산 북구
5 김진현 경남 통영시
6 한용섭 경남 창원시 성산구
7 강태신 경남 창원시 성산구
8 이웅섭 경남 진주시
9 김지연 대구 달서구
10 이영섭 경남 진주시 진
11 이성진 경남 진주시
12 김경훈 대구 북구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김종석 대한민국 부산광역시 해운대구 센텀서로 **(우동) KNN타워 ****호(브릿지특허법률사무소)

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		 2022.06.15 수리 (Accepted) 1-1-2022-0622437-13
2 특허고객번호 정보변경(경정)신고서·정정신고서
 2022.09.22 수리 (Accepted) 4-1-2022-5223092-37
3 [출원인변경]권리관계변경신고서
[Change of Applicant] Report on Change of Proprietary Status		 2023.01.27 수리 (Accepted) 1-1-2023-0102901-79
4 보정요구서
Request for Amendment		 2023.02.04 발송처리완료 (Completion of Transmission) 1-5-2023-0020174-74
5 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2023.02.10 수리 (Accepted) 1-1-2023-0156915-17
6 수수료 반환 안내서
Notification of Return of Official Fee		 2023.02.16 발송처리완료 (Completion of Transmission) 1-5-2023-0027510-20
7 특허고객번호 정보변경(경정)신고서·정정신고서
 2024.01.03 수리 (Accepted) 4-1-2024-5008436-87
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
적어도 하나의 프로세서에 의하여, 불특정 안과질환자의 안구를 대상으로 광 간섭 단층 촬영(Optical Coherence Tomography; OCT)되고 안과질환이 기 라벨링된 다수 개의 OCT 이미지가 제1 데이터셋으로 획득되는 제1 데이터셋 획득단계;상기 적어도 하나의 프로세서에 의하여, 피검사자의 단일 OCT 이미지로부터 안과질환을 진단할 수 있도록 상기 제1 데이터셋이 이용되어 제1 진단모델이 학습되는 제1 진단모델 학습단계;상기 적어도 하나의 프로세서에 의하여, 안과학 기반의 다수 개의 OCT 이미지가 제2 데이터셋으로 획득되는 제2 데이터셋 획득단계;상기 적어도 하나의 프로세서에 의하여, 학습된 상기 제1 진단모델이 이용되어 상기 제2 데이터셋 내 다수 개의 OCT 이미지가 라벨링(Labeling)되는 제2 데이터셋 라벨링단계;상기 적어도 하나의 프로세서에 의하여, 라벨링된 상기 제2 데이터셋을 기 설정된 설정개수로 분류한 후 볼륨 데이터 형식의 다수 개의 분류 데이터셋이 생성되는 분류 데이터셋 생성단계; 및상기 적어도 하나의 프로세서에 의하여, 피검사자의 다수 개의 OCT 이미지로부터 안과질환을 진단할 수 있도록 상기 다수 개의 분류 데이터셋이 이용되어 제2 진단모델이 학습되는 제2 진단모델 학습단계;를 포함하는 딥러닝 모델 학습 방법
2 2
제1항에 있어서,상기 제1 진단모델은, 전방에 다수 개의 밀집 블록(Dense block)을 포함하는 신경망 네트워크와 후방에 복수 개의 완전연결(Fully-Connected; FC) 층을 포함하는 것을 특징으로 하는 딥러닝 모델 학습 방법
3 3
제1항에 있어서,상기 제2 진단모델은,완전연결(Fully-Connected; FC) 모델, 장단기 메모리(Long Short-Term Memory; LSTM) 모델 및 합성곱 신경망(Convolutional Neural Network; CNN) 모델 중 하나를 포함하는 것을 특징으로 하는 딥러닝 모델 학습 방법
4 4
제1항에 있어서,상기 안과질환은, 노화성 황반 변성(Age-related Macular Degeneration; AMD), 당뇨성 황반부종(Diabetic Macular Edema; DME) 및 드루젠(Drusen)을 포함하는 것을 특징으로 하는 딥러닝 모델 학습 방법
5 5
적어도 하나의 프로세서에 의하여, 안구를 대상으로 광 간섭 단층 촬영(Optical Coherence Tomography; OCT)된 다수 개의 OCT 이미지에 대한 복수 개의 데이터셋이 이용되어 딥러닝 모델이 학습되는 딥러닝 모델 학습단계;상기 적어도 하나의 프로세서에 의하여, 피검사자의 다수 개의 OCT 이미지가 획득되는 이미지 획득단계; 및상기 적어도 하나의 프로세서에 의하여, 상기 딥러닝 모델에 피검사자의 다수 개의 OCT 이미지가 입력되어 안과질환 또는 정상일 확률을 진단결과로 출력하는 안과질환 진단단계;를 포함하고,상기 딥러닝 모델 학습단계는, 불특정 안과질환자의 안구를 대상으로 광 간섭 단층 촬영(OCT)되고 안과질환이 기 라벨링된 다수 개의 OCT 이미지가 제1 데이터셋으로 획득되는 제1 데이터셋 획득단계;피검사자의 단일 OCT 이미지로부터 안과질환을 진단할 수 있도록 상기 제1 데이터셋이 이용되어 제1 진단모델이 학습되는 제1 진단모델 학습단계;안과학 기반의 다수 개의 OCT 이미지가 제2 데이터셋으로 획득되는 제2 데이터셋 획득단계;학습된 상기 제1 진단모델이 이용되어 상기 제2 데이터셋 내 다수 개의 OCT 이미지가 라벨링(Labeling)되는 제2 데이터셋 라벨링단계;라벨링된 상기 제2 데이터셋을 기 설정된 설정개수로 분류한 후 볼륨 데이터 형식의 다수 개의 분류 데이터셋이 생성되는 분류 데이터셋 생성단계; 및피검사자의 다수 개의 OCT 이미지로부터 안과질환을 진단할 수 있도록 상기 다수 개의 분류 데이터셋이 이용되어 제2 진단모델이 학습되는 제2 진단모델 학습단계;를 포함하는 것을 특징으로 하는 딥러닝 모델을 이용한 안과질환 진단 방법
6 6
제 5항에 있어서,상기 제1 진단모델은,전방에 다수 개의 밀집 블록(Dense block)을 포함하는 신경망 네트워크와 후방에 복수 개의 완전연결(Fully-Connected; FC) 층을 포함하는 것을 특징으로 하는 딥러닝 모델을 이용한 안과질환 진단 방법
7 7
제 5항에 있어서,상기 제2 진단모델은,완전연결(Fully-Connected; FC) 모델, 장단기 메모리(Long Short-Term Memory; LSTM) 모델 및 합성곱 신경망(Convolutional Neural Network; CNN) 모델 중 하나를 포함하는 것을 특징으로 하는 딥러닝 모델을 이용한 안과질환 진단 방법
8 8
제 5항에 있어서,상기 안과질환은, 노화성 황반 변성(Age-related Macular Degeneration; AMD), 당뇨성 황반부종(Diabetic Macular Edema; DME) 및 드루젠(Drusen)을 포함하는 것을 특징으로 하는 딥러닝 모델을 이용한 안과질환 진단 방법
9 9
제1항 내지 제8항 중 어느 한 항의 딥러닝 모델 학습 방법 또는 딥러닝 모델을 이용한 안과질환 진단 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.