KR102465770B1 - System and method for recommending compression stocking using artificial intelligence - Google Patents

System and method for recommending compression stocking using artificial intelligence Download PDF

Info

Publication number
KR102465770B1
KR102465770B1 KR1020210127694A KR20210127694A KR102465770B1 KR 102465770 B1 KR102465770 B1 KR 102465770B1 KR 1020210127694 A KR1020210127694 A KR 1020210127694A KR 20210127694 A KR20210127694 A KR 20210127694A KR 102465770 B1 KR102465770 B1 KR 102465770B1
Authority
KR
South Korea
Prior art keywords
image
data
compression
artificial intelligence
type
Prior art date
Application number
KR1020210127694A
Other languages
Korean (ko)
Inventor
이경수
Original Assignee
이경수
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이경수 filed Critical 이경수
Priority to KR1020210127694A priority Critical patent/KR102465770B1/en
Application granted granted Critical
Publication of KR102465770B1 publication Critical patent/KR102465770B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A41—WEARING APPAREL
    • A41B—SHIRTS; UNDERWEAR; BABY LINEN; HANDKERCHIEFS
    • A41B11/00—Hosiery; Panti-hose
    • A41B11/003—Hosiery with intermediate sections of different elasticity
    • A—HUMAN NECESSITIES
    • A41—WEARING APPAREL
    • A41B—SHIRTS; UNDERWEAR; BABY LINEN; HANDKERCHIEFS
    • A41B11/00—Hosiery; Panti-hose
    • A41B11/14—Panti-hose; Body-stockings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

The present invention relates to a pressure stocking recommendation system using an artificial intelligence. More specifically, the present invention relates to the pressure stocking recommendation system using the artificial intelligence that generates the optimal body transformation prediction data according to wearing of a pressure stocking through a simulation based on the data related to the body of a subject and the simulation data based on a concern or interest of the subject, provides the body transformation prediction data related to the concern or interest, and enables an optimal pressure stocking to be recommended by extracting a type of pressure stocking applied to the body transformation prediction data. The pressure stocking recommendation system using the artificial intelligence comprises: a model generating part; and a model service part.

Description

인공지능을 이용한 압박스타킹 추천시스템 및 그 방법{SYSTEM AND METHOD FOR RECOMMENDING COMPRESSION STOCKING USING ARTIFICIAL INTELLIGENCE}Compression stocking recommendation system using artificial intelligence and its method

본 발명은 인공지능을 이용한 압박스타킹 추천시스템에 관한 것으로서, 보다 상세하게는 사용자의 신체와 관련된 데이터를 기초로 압박스타킹 착용에 따른 신체변화를 예측하여 최적의 압박스타킹을 추천하여 제공할 수 있는 인공지능을 이용한 압박스타킹 추천시스템에 관한 것이다.The present invention relates to a compression stocking recommendation system using artificial intelligence, and more particularly, an artificial intelligence that can recommend and provide optimal compression stockings by predicting body changes according to wearing compression stockings based on data related to the user's body. It relates to a compression stocking recommendation system using intelligence.

일반적으로 스타킹은 얇고 탄력성 있는 섬유를 사용하여 무릎 위까지 올라오도록 직조한 것으로서, 주로 방한용으로 사용되거나 여성들의 각선미를 자연스럽게 나타내기 위하여 착용하는 양말의 일종이다. 그러나, 스타킹은 종아리나 허벅지 등을 압박하여 혈액순환을 방해한다. In general, stockings are a kind of socks woven to come up to the knee using thin and elastic fibers, and are mainly used for cold weather or worn to show women's legs naturally. However, stockings impede blood circulation by compressing the calves or thighs.

최근, 이러한 종래의 스타킹으로 인한 부작용을 방지하면서 아름다운 하체라인을 만들기 위해, 의료용 압박스타킹의 원리를 이용한 미용목적의 압박스타킹을 이용하는 사람들이 늘어나고 있다.Recently, in order to make a beautiful lower body line while preventing the side effects caused by these conventional stockings, more and more people are using compression stockings for cosmetic purposes using the principle of medical compression stockings.

의료용 압박스타킹은 하지정맥류 환자나 하체지방흡입 등의 수술 이후, 원활한 혈액순환을 위해 고안된 보존적 치료 도구인 의료용으로 개발되어 사용되고 있다.Medical compression stockings have been developed and used for medical purposes, a conservative treatment tool designed for smooth blood circulation after surgery such as varicose veins or lower body liposuction.

일반적으로, 의료용 압박스타킹은 심장에서 가장 멀리 떨어진 발목(100%)에 제일 강한 압력을 주고, 무릎(50~80%), 허벅지(20~40%) 순으로, 심장에 가까워질수록 점점 압력을 약하게 하도록 특수 제작된다.In general, medical compression stockings give the strongest pressure to the ankle (100%) furthest from the heart, then the knee (50~80%), and the thigh (20~40%), and gradually increase the pressure as it gets closer to the heart. It is specially designed to weaken.

이에 따라, 의료용 압박스타킹을 착용시, 발목쪽의 강한 압력으로 정맥 내경이 좁아지면 혈류가 빨라지고, 아래 정체된 정맥혈이 심장으로 돌아가는 것을 도와줌으로써 혈액순환이 원활해지고 부종이 개선되는 효과를 얻을 수 있다.Accordingly, when wearing medical compression stockings, when the inner diameter of the veins is narrowed by strong pressure on the ankle side, blood flow is accelerated, and the stagnant venous blood below helps to return to the heart, thereby improving blood circulation and improving edema. .

이러한, 의료용 압박스타킹의 원리를 적용하여 미용 목적의 체형교정 및 몸매교정을 위해서는, 사용자의 신체고민이나 원하는 체형 등의 사용자 요구를 고려한 사용자 맞춤형 압박스타킹이 요구되며, 압박스타킹 착용시 체형이나 몸매가 어떻게 변화할지 예측하여 제공할 필요가 있다.For body shape correction and body correction for cosmetic purposes by applying the principle of medical compression stockings, user-customized compression stockings are required in consideration of the user's needs, such as the user's body concerns and desired body shape, and the body shape or body shape when wearing the compression stockings is required. It is necessary to predict how it will change and provide it.

이에, 본 출원인은 인공지능을 기반으로 압박스타킹 착용에 따른 신체변화를 예측하여 사용자에게 최적인 맞춤형 압박스타킹을 제공하고자 한다.Accordingly, the present applicant intends to provide the optimal customized compression stockings to the user by predicting body changes according to the wearing of compression stockings based on artificial intelligence.

: 한국등록특허 제10-1524019호(2015.05.29.공고): Korea Patent No. 10-1524019 (2015.05.29. Announcement)

본 발명이 해결하고자 하는 과제는 사용자의 신체와 관련된 데이터를 기초로 압박스타킹 착용에 따른 신체변화를 예측하여 최적의 압박스타킹을 추천하여 제공할 수 있는 인공지능을 이용한 압박스타킹 추천시스템을 제공하는 것이다. The problem to be solved by the present invention is to provide a compression stocking recommendation system using artificial intelligence that can recommend and provide optimal compression stockings by predicting body changes according to wearing compression stockings based on data related to the user's body. .

또한, 본 발명이 해결하고자 하는 과제는 사용자의 신체와 관련된 데이터를 기초로 압박스타킹 착용에 따른 신체변화를 예측하여 예측 이미지를 시뮬레이션하고, 예측이미지에 적용되는 최적의 압박스타킹을 시뮬레이션하여 제공할 수 있는 인공지능을 이용한 압박스타킹 추천시스템을 제공하는 것이다. In addition, the problem to be solved by the present invention is to simulate the predicted image by predicting body changes according to the wearing of compression stockings based on data related to the user's body, and to simulate and provide the optimal compression stockings applied to the predicted image. It is to provide a compression stocking recommendation system using artificial intelligence.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 압박스타킹 추천시스템은, 입력된 학습 데이터로부터 압박스타킹의 착용 전 이미지와 착용 후 이미지의 변화 과정을 기계 학습을 통해 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델과, 상기 학습 데이터의 학습을 통해 문진 데이터에 기초한 텍스트 데이터로부터 고민부위, 또는 희망 내용에 상응하는 키워드를 추출하는 텍스트 랭크 인공지능 모델과, 상기 학습 데이터의 학습을 통해 상기 가상의 신체 이미지의 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성하는 모델 생성부; 및 상기 신체 변화 관리 인공지능 모델을 이용하여 신체 변화 시뮬레이션을 수행하되, 피검자로부터 측정된 신체수치와 이미지를 포함한 예진 데이터에서 문진 데이터로부터 추출된 고민 부위, 또는 희망 내용에 상응하는 관리 키워드에 상응하여 산출된 신체 변화에 따른 최적화 신체수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출하고, 상기 추출된 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초하여 변환된 예측 이미지를 생성하며, 상기 텍스트 랭크 인공지능 모델을 이용하여 피검자가 입력한 문진 데이터로부터 관리 키워드를 추출하고, 상기 압박스타킹 추출 인공지능 모델을 이용하여, 상기 예측 이미지에 적용된 압박스타킹의 종류를 추출하며, 상기 생성된 예측 이미지, 상기 관리 키워드에 기초하여 생성된 관리 방안 및 상기 추출된 압박스타킹의 종류에 기초하여 생성된 추천 압박스타킹 정보를 출력하는 모델 서비스부를 포함할 수 있다.Compression stocking recommendation system according to an embodiment of the present invention in order to solve the above-described problem, the process of changing the image before and after wearing of the compression stocking from the input learning data according to the body change through machine learning A body change management artificial intelligence model that generates a virtual body image and processes the generated virtual body image as a simulation image, and corresponds to the trouble area or desired content from text data based on the questionnaire data through learning of the learning data a text rank artificial intelligence model for extracting keywords, and a model generation unit for generating a compression stocking extraction artificial intelligence model for extracting a type of compression stocking applied to the image of the virtual body image through learning of the learning data; and performing a body change simulation using the body change management artificial intelligence model, but corresponding to the troublesome area extracted from the questionnaire data, or the management keyword corresponding to the desired Optimized body numerical data according to the calculated body changes, image simulation data after wearing compression stockings are extracted, and a converted prediction image is generated based on the extracted optimized numerical data and image simulation data after wearing compression stockings, and the text rank Extracting a management keyword from the questionnaire data input by the examinee using an artificial intelligence model, extracting the type of compression stocking applied to the prediction image by using the compression stocking extraction artificial intelligence model, the generated prediction image, the It may include a model service unit for outputting the management plan generated based on the management keyword and the recommended compression stocking information generated based on the extracted type of the compression stocking.

또한, 상기 모델 생성부는 압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 착용 압박스타킹의 종류 및 문진 데이터를 포함한 학습 데이터를 수신하는 입력부; 및 상기 착용 전 이미지와 착용 후 이미지의 변화 과정을 기계 학습을 통해 압박스타킹 착용시의 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델과, 상기 학습 데이터를 학습하여 문진 데이터에 기초한 텍스트 데이터로부터 고민 부위 또는 희망 내용에 상응하는 키워드를 추출하는 텍스트 랭크 인공지능 모델과, 상기 학습 데이터의 학습을 통해 상기 가상의 신체 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성하는 처리부를 포함할 수 있다.In addition, the model generating unit includes an input unit for receiving training data including an image before wearing of the compression stockings, an image after wearing the compression stockings, the type of compression stockings to be worn, and questionnaire data; And a body change management artificial that generates a virtual body image according to body changes when wearing compression stockings through machine learning the process of changing the image before and after wearing the image, and processes the generated virtual body image as a simulation image An intelligent model, a text rank artificial intelligence model that learns the learning data and extracts a keyword corresponding to a troubled area or desired content from text data based on the questionnaire data, and the virtual body image applied to the virtual body image through learning of the learning data It may include a processing unit for generating a compression stocking extraction artificial intelligence model for extracting the type of compression stockings.

또한, 상기 처리부는 학습 데이터의 압박스타킹 착용 전 이미지와 압박스타킹 착용 후 이미지의 변화과정에 대한 이미지들을 생성적 적대 신경망(Generative Adversarial Network;GAN)으로 학습하되, 신규 피검자의 예진 데이터 이미지를 생성자(Generator)의 입력 데이터로 설정하고, 상기 학습 데이터의 이미지를 학습한 구분자(Discriminator)의 기준 이미지를 상기 신규 피검자의 예진 데이터 이미지와 비교하여 구분자의 이미지 데이터분포에 따라 분류 또는 표시하며, 신체수치 데이터와 문진 데이터에 기초한 신체 변화에 따른 가상의 신체 이미지를 생성하여 시뮬레이션 이미지로 처리하는 신체 변화관리 인공지능 모델을 생성할 수 있다.In addition, the processing unit learns the images for the process of change of the image before wearing compression stockings and after wearing the compression stockings of the learning data with a generative adversarial network (GAN), but generates a preliminary data image of a new examinee ( Generator), the reference image of the discriminator that has learned the image of the learning data is compared with the pre-diagnosis data image of the new subject and classified or displayed according to the image data distribution of the discriminator, and body numerical data And it is possible to create a body change management artificial intelligence model that generates a virtual body image according to body changes based on the questionnaire data and processes it as a simulation image.

또한, 상기 처리부는, 상기 문진 데이터에 기초한 텍스트 데이터를 비교 분석할 키워드를, 순위에 따라 생성하는 텍스트 랭크 인공지능 모델을 생성할 수 있다.In addition, the processing unit may generate a text rank artificial intelligence model that generates keywords to compare and analyze text data based on the questionnaire data according to a ranking.

또한, 상기 처리부는, 압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 착용 압박스타킹의 종류 및 문진 데이터에 기초하여 기계학습을 수행하고, 신체수치 데이터와 문진 데이터에 기초하여 압박스타킹 착용 후 이미지에 적용된 압박 스타킹 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성할 수 있다.In addition, the processing unit performs machine learning based on the image before wearing the compression stockings, the image after wearing the compression stockings, the type of wearing compression stockings and the questionnaire data, and the image after wearing the compression stockings based on the body numerical data and the questionnaire data A compression stocking extraction artificial intelligence model that extracts the type of compression stocking applied to can be created.

또한, 상기 모델서비스부는, 상기 신체 변화 관리 인공지능 모델을 이용한 신체 변화 시뮬레이션을 통해 문진 데이터로부터 추출된 고민 부위, 또는 희망 내용에 상응하는 관리 키워드에 상응하여 신체 변화에 따른 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출하고, 추출된 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초한 시뮬레이션 이미지를 예측 이미지로 변환하며, 변환된 예측 이미지를 디스플레이 하는 시뮬레이션부; 상기 텍스트 랭크 인공지능 모델을 이용하여 문진 데이터로부터 고민 부위 또는 희망 내용에 상응하는 관리 키워드를 추출하고, 추출한 관리 키워드를 기반으로 레이더 차트(Radar Chart)를 생성하여 디스플레이하는 관리 키워드 생성부 및 상기 압박스타킹 추출 인공지능 모델을 이용하여 추출된 추천 압박스타킹 정보를 디스플레이하는 압박스타킹 추천부를 포함할 수 있다.In addition, the model service unit, optimization numerical data according to body changes and compression stockings, corresponding to the management keywords corresponding to the troublesome parts extracted from the questionnaire data through the body change simulation using the body change management artificial intelligence model, or the desired contents a simulation unit for extracting image simulation data after wearing, converting a simulation image based on the extracted optimization numerical data and image simulation data after wearing compression stockings into a prediction image, and displaying the converted prediction image; A management keyword generating unit that extracts a management keyword corresponding to a troublesome part or desired content from the questionnaire data using the text rank artificial intelligence model, and generates and displays a radar chart based on the extracted management keyword, and the pressure It may include a compression stocking recommendation unit for displaying information on the extracted recommended compression stockings using the stocking extraction artificial intelligence model.

또한, 상기 모델 서비스부는, 상기 압박스타킹 추출 인공지능 모델에, 상기 예진데이터, 문진데이터 및 상기 예측이미지를 상기 압박스타킹 착용 후 이미지로 입력하여, 상기 예진데이터 및 문진데이터를 기반으로 상기 예측 이미지에 적용된 압박스타킹의 종류를 추출할 수 있다.In addition, the model service unit, to the compression stocking extraction artificial intelligence model, the pre-examination data, the questionnaire data and the prediction image to input the image after wearing the compression stockings, based on the prediction data and the questionnaire data to the prediction image The type of compression stockings applied can be extracted.

또한, 상기 예진데이터는, 신체부위인 상박, 하박, 목, 얼굴, 가슴, 배, 허리, 손가락, 발가락, 머리, 엉덩이, 허벅지, 종아리, 발목 중 적어도 하나의 둘레 및 길이를 포함한 신체 측정 정보가 될 수 있다.In addition, the pre-diagnosis data includes body measurement information including the circumference and length of at least one of upper arms, lower arms, neck, face, chest, stomach, waist, fingers, toes, head, buttocks, thighs, calves, and ankles, which are body parts. can be

또한, 상기 압박스타킹의 종류는, 복수 개의 형태 및 사이즈로 구분되되, 신체 압박부위에 따라 얼굴둘레형, 팔뚝형, 복부형, 엉덩이둘레형, 가슴둘레형, 팬티형, 허벅지형, 무릎형, 종아리형 및 발목형 중 하나의 형태로 구분되어 상기 관리 키워드에 매칭저장되며, 각 형태는 해당 압박기준부위의 상기 신체 측정 정보에 기반하여 분류된 복수 개의 사이즈로 구분되고, 상기 추천된 압박스타킹의 정보는, 압박스타킹의 형태 및 사이즈의 상세 정보가 될 수 있다.In addition, the types of the compression stockings are divided into a plurality of shapes and sizes, depending on the body compression part, face circumference type, forearm type, abdomen type, hip circumference type, chest type, panty type, thigh type, knee type, calf type Type and ankle type are divided into one type and stored matching the management keyword, and each type is divided into a plurality of sizes classified based on the body measurement information of the corresponding compression reference site, and information of the recommended compression stockings can be detailed information of the shape and size of the compression stocking.

상기 모델 서비스부는, 상기 추출된 압박스타킹의 종류에 기초하여 상기 예측이미지에 압박스타킹이 시뮬레이션된 최종 이미지를 생성하여 출력할 수 있다.The model service unit may generate and output a final image in which the compression stockings are simulated in the prediction image based on the type of the extracted compression stockings.

또한, 본 발명의 일 실시 예에 따른 압박스타킹 추천방법은, 모델 생성부가, 입력된 학습 데이터로부터 압박스타킹의 착용 전 이미지와 착용 후 이미지의 변화 과정을 기계 학습을 통해 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델을 생성하는 단계; 상기 모델 생성부가, 상기 학습 데이터의 학습을 통해 문진 데이터에 기초한 텍스트 데이터로부터 고민부위, 또는 희망 내용에 상응하는 키워드를 추출하는 텍스트 랭크 인공지능 모델을 생성하는 단계; 상기 모델 생성부가, 상기 학습 데이터의 학습을 통해 상기 가상의 신체 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성하는 단계; 모델 서비스부가, 상기 신체 변화 관리 인공지능 모델을 이용하여 신체 변화 시뮬레이션을 수행하되, 피검자로부터 측정된 신체수치와 이미지를 포함한 예진 데이터에서 문진 데이터로부터 추출된 고민 부위, 또는 희망 내용에 상응하는 관리 키워드에 상응하여 산출된 신체 변화에 따른 최적화 신체수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출하는 단계; 상기 모델 서비스부가, 상기 추출된 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초하여 변환된 예측 이미지를 생성하는 단계; 상기 모델 서비스부가, 상기 텍스트 랭크 인공지능 모델을 이용하여 피검자가 입력한 문진 데이터로부터 관리 키워드를 추출하는 단계; 상기 모델 서비스부가, 상기 압박스타킹 추출 인공지능 모델을 이용하여, 상기 예측 이미지에 적용된 압박스타킹의 종류를 추출하는 단계; 및 상기 모델 서비스부가, 상기 생성된 예측 이미지, 상기 관리 키워드에 기초하여 생성된 관리 방안 및 상기 추출된 압박스타킹의 종류에 기초하여 생성된 추천 압박스타킹 정보를 출력하는 단계를 포함할 수 있다.In addition, in the compression stocking recommendation method according to an embodiment of the present invention, the model generation unit performs a process of changing the image before and after wearing the compression stocking from the input learning data, through machine learning, a virtual body according to body changes. generating an image and generating a body change management artificial intelligence model that processes the generated virtual body image as a simulation image; generating, by the model generating unit, a text rank AI model for extracting a keyword corresponding to a troublesome part or desired content from text data based on questionnaire data through learning of the learning data; generating, by the model generation unit, a compression stocking extraction artificial intelligence model for extracting the type of compression stocking applied to the virtual body image through learning of the learning data; The model service unit performs a body change simulation using the body change management artificial intelligence model, but a management keyword corresponding to the troublesome part extracted from the questionnaire data from the preliminary data including the body figure and image measured from the subject, or the desired content extracting optimized body numerical data according to the calculated body changes and image simulation data after wearing compression stockings; generating, by the model service unit, a converted prediction image based on the extracted optimization numerical data and image simulation data after wearing compression stockings; extracting, by the model service unit, a management keyword from the questionnaire data input by the examinee using the text rank artificial intelligence model; The model service unit, using the compression stocking extraction artificial intelligence model, extracting the type of compression stockings applied to the prediction image; and outputting, by the model service unit, the generated prediction image, the management method generated based on the management keyword, and the recommended compression stocking information generated based on the extracted type of the compression stocking.

이때, 상기 학습데이터는, 압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 압박스타킹 착용 전후의 신체수치, 착용 압박스타킹의 종류 및 문진 데이터를 포함할 수 있다.In this case, the learning data may include an image before wearing the compression stockings, an image after wearing the compression stockings, body values before and after wearing the compression stockings, the type of compression stockings to be worn, and questionnaire data.

이때, 상기 학습데이터는, 압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 압박스타킹 착용 전후의 신체수치, 착용 압박스타킹의 종류 및 문진 데이터를 포함할 수 있다.In this case, the learning data may include an image before wearing the compression stockings, an image after wearing the compression stockings, body values before and after wearing the compression stockings, the type of compression stockings to be worn, and questionnaire data.

또한, 상기 모델 서비스부가, 상기 추출된 압박스타킹의 종류에 기초하여 상기 예측이미지에 압박스타킹이 시뮬레이션된 최종 이미지를 생성하여 출력하는 단계를 더 포함할 수 있다.In addition, the model service unit, based on the extracted type of compression stockings may further include the step of generating and outputting a final image in which the compression stockings are simulated in the prediction image.

본 발명의 일 실시 예에 따른 인공지능을 이용한 압박스타킹 추천시스템은 체형교정 및 몸매관리를 목적으로 압박스타킹 착용을 희망하는 사용자(피검자)들에게 사용자의 신체와 관련된 데이터를 기초로 압박스타킹 착용에 따른 신체변화를 예측하여, 최적의 압박스타킹 형태 및 사이즈를 추천 제공할 수 있다.Compression stocking recommendation system using artificial intelligence according to an embodiment of the present invention provides users (subjects) who wish to wear compression stockings for the purpose of body shape correction and body management, based on data related to the user's body, to wear compression stockings. By predicting changes in the body, it is possible to recommend and provide the optimal compression stocking shape and size.

이때, 사용자의 문진데이터로부터 추출된 신체고민 또는 관심사에 맞는 사용자의 신체 부위별 수치에 따른 최적화된 시뮬레이션을 통해, 신체변환 예측데이터를 제공하여 압박스타킹 착용에 따른 신체변환을 인지할 수 있다.At this time, it is possible to recognize body transformation according to wearing compression stockings by providing body transformation prediction data through an optimized simulation according to the numerical value for each body part of the user that is suitable for body concerns or interests extracted from the user's questionnaire data.

또한, 최적의 신체변화를 제공하는 예측데이터, 예진데이터 및 문진데이터를 기반으로 사용자에게 최적의 신체변화를 제공할 수 있는 압박스타킹의 종류를 추출하여 제공할 수 있다.In addition, it is possible to extract and provide types of compression stockings that can provide optimal body changes to users based on predictive data, pre-examination data, and questionnaire data that provide optimal body changes.

또한, 추출된 최적 압박스타킹의 종류에 대응되는 압박스타킹의 상세 정보를 기반으로 예측이미지에 압박스타킹을 시뮬레이션하여 제공할 수 있다.In addition, based on the detailed information of the compression stockings corresponding to the extracted optimal type of compression stockings, it is possible to simulate and provide the compression stockings in the prediction image.

본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.The effect according to the present invention is not limited by the contents exemplified above, and more various effects are included in the present specification.

도 1은 본 발명의 일 실시 예에 따른 인공지능을 이용한 압박스타킹 추천시스템의 개략적인 구성을 나타내는 블록도이다.
도 2는 도 1의 모델 생성부의 구성을 나타내는 블록도이다.
도 3은 도 1의 모델 서비스부의 구성을 나타내는 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 압박스타킹을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 인공지능을 이용한 압박스타킹 추천 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 예진 이미지 데이터를 나타내는 도면이다.
도 7은 본 발명의 일 실시 예에 따른 신체 이미지 데이터를 나타내는 도면이다.
도 8은 본 발명의 일 실시 예에 따른 신체 근육 이미지 데이터를 나타내는 도면이다.
도 9는 본 발명의 일 실시 예에 따른 시뮬레이션된 이미지를 나타내는 도면이다.
도 10은 본 발명의 일 실시 예에 따른 시뮬레이션된 다른 이미지를 나타내는 도면이다.
도 11은 본 발명의 일 실시 예에 따른 관리 정보를 나타내는 도면이다.
도 12는 본 발명의 일 실시 예에 따른 신체 변화 과정을 나타내는 도면이다.
도 13은 본 발명의 일 실시 예에 따른 예측 이미지를 나타내는 도면이다.
도 14는 본 발명의 일 실시 예에 따른 예측이미지에 압박스타킹을 시뮬레이션한 도면이다. 1 is a block diagram showing a schematic configuration of a compression stocking recommendation system using artificial intelligence according to an embodiment of the present invention.
FIG. 2 is a block diagram showing the configuration of the model generator of FIG. 1 .
FIG. 3 is a block diagram showing the configuration of the model service unit of FIG. 1 .
Figure 4 is a view for explaining the compression stockings according to an embodiment of the present invention.
5 is a flowchart for explaining a compression stocking recommendation method using artificial intelligence according to an embodiment of the present invention.
6 is a diagram illustrating pre-exam image data according to an embodiment of the present invention.
7 is a diagram illustrating body image data according to an embodiment of the present invention.
8 is a diagram illustrating body muscle image data according to an embodiment of the present invention.
9 is a diagram illustrating a simulated image according to an embodiment of the present invention.
10 is a diagram illustrating another simulated image according to an embodiment of the present invention.
11 is a diagram illustrating management information according to an embodiment of the present invention.
12 is a diagram illustrating a body change process according to an embodiment of the present invention.
13 is a diagram illustrating a prediction image according to an embodiment of the present invention.
14 is a view simulating compression stockings on a prediction image according to an embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. Advantages and features of the present invention and methods of achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in a variety of different forms, only these embodiments allow the disclosure of the present invention to be complete, and common knowledge in the technical field to which the present invention belongs It is provided to fully inform the possessor of the scope of the invention, and the present invention is only defined by the scope of the claims.

도면에서 표시된 구성요소의 크기 및 상대적인 크기는 설명의 명료성을 위해 과장된 것일 수 있다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하며, "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.Sizes and relative sizes of components indicated in the drawings may be exaggerated for clarity of description. Like reference numerals refer to like elements throughout, and "and/or" includes each and every combination of one or more of the recited items.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.The terminology used herein is for the purpose of describing the embodiments and is not intended to limit the present invention. In this specification, the singular also includes the plural, unless specifically stated otherwise in the phrase. As used herein, “comprises” and/or “comprising” does not exclude the presence or addition of one or more other components in addition to the stated components.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used herein may be used with the meaning commonly understood by those of ordinary skill in the art to which the present invention belongs. In addition, terms defined in a commonly used dictionary are not to be interpreted ideally or excessively unless clearly defined in particular.

후술하는 상세한 설명은 한정적인 의미로써 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.The following detailed description is not intended to be taken in a limiting sense, and the scope of the invention, if properly described, is limited only by the appended claims, along with all scope equivalents to those claimed. Like reference numerals in the drawings refer to the same or similar functions throughout the various aspects.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예들을 상세히 설명한다.Hereinafter, various embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시 예에 따른 인공지능을 이용한 압박스타킹 추천시스템의 개략적인 구성을 나타내는 블록도이며, 도 2는 도 1의 모델 생성부의 구성을 나타내는 블록도이고, 도 3은 도 1의 모델 서비스부의 구성을 나타내는 블록도이다.1 is a block diagram showing a schematic configuration of a compression stocking recommendation system using artificial intelligence according to an embodiment of the present invention, FIG. 2 is a block diagram showing the configuration of the model generator of FIG. 1, FIG. 3 is FIG. It is a block diagram showing the configuration of the model service unit of

도1 내지 도3을 참조하면, 본 발명의 일 실시 예에 따른 인공지능을 이용한 압박스타킹 추천 시스템(100)은 모델 생성부(110) 및 모델 서비스부(120)를 포함하여 구성될 수 있다.1 to 3 , the compression stocking recommendation system 100 using artificial intelligence according to an embodiment of the present invention may be configured to include a model generation unit 110 and a model service unit 120 .

모델 생성부(110)는 입력된 학습 데이터로부터 압박스타킹 착용 전 이미지와, 압박스타킹 착용 후 이미지의 변화 과정을 기계 학습을 통해 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델과, 학습 데이터의 학습을 통해 문진 데이터에 기초한 텍스트 데이터로부터 키워드를 추출하는 텍스트 랭크 인공지능 모델, 압박스타킹 착용 후 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성할 수 있다. The model generating unit 110 generates a virtual body image according to body changes through machine learning for an image before wearing compression stockings and an image after wearing compression stockings from the input learning data, and the generated virtual body image A body change management artificial intelligence model that processes as a simulation image, a text rank artificial intelligence model that extracts keywords from text data based on questionnaire data through learning of learning data, and a type of compression stocking applied to the image after wearing compression stockings A compression stocking extraction artificial intelligence model can be created.

모델 생성부(110)는 입력부(111)와, 처리부(112)를 포함할 수 있고, PC 또는 서버 시스템으로 구성될 수 있다.The model generating unit 110 may include an input unit 111 and a processing unit 112 , and may be configured as a PC or a server system.

입력부(111)는 압박스타킹 착용 전 이미지, 압박스타킹 착용 후 이미지, 압박스타킹 착용 전후의 신체수치, 착용한 압박스타킹의 종류(형태와 사이즈), 이미지 데이터 및 텍스트 등의 문진 데이터를 포함한 학습 데이터를 수신할 수 있다. The input unit 111 receives learning data including questionnaire data such as an image before wearing compression stockings, an image after wearing compression stockings, body values before and after wearing compression stockings, the type (shape and size) of the compression stockings worn, image data, and text. can receive

이때, 동일한 하나의 압박스타킹 착용전 데이터에는 착용되는 압박스타킹의 형태 및 사이즈에 따른 다수 개의 압박스타킹 착용 후 데이터가 연동될 수 있다. 즉, 압박스타킹 착용 전 이미지가 동일한 신체조건에 따른 동일 이미지더라도, 연동된 압박스타킹 착용 후 이미지는 신체조건 및 문진데이터에 기반한 형태 및 사이즈를 가지는 압박스타킹을 착용한 후의 이미지로, 서로 다른 복수 개의 압박스타킹 착용 후 이미지를 포함할 수 있으며, 서로 다른 복수 개의 압박스타킹 착용 후 이미지에는 동일 이미지도 포함될 수 있다.At this time, data after wearing a plurality of compression stockings according to the shape and size of the compression stocking to be worn may be linked to the same data before wearing the compression stockings. That is, even if the image before wearing the compression stocking is the same image according to the same physical condition, the image after wearing the interlocked compression stocking is the image after wearing the compression stocking having a shape and size based on the physical condition and questionnaire data. The image after wearing the compression stockings may be included, and a plurality of different images after wearing the compression stockings may also include the same image.

여기서, 압박스타킹의 형태는 신체의 하체부위(엉덩이, 허벅지, 무릎, 종아리, 발목 등)를 기준으로, 팬티형, 허벅지형, 무릎형, 종아리형, 발목형 등으로 구분될 수 있으며, 각 형태별로 다수 개의 사이즈로 구분될 수 있다. Here, the shape of the compression stocking may be divided into a panty type, a thigh type, a knee type, a calf type, an ankle type, etc. based on the lower body part (hip, thigh, knee, calf, ankle, etc.) of the body, and each type It can be divided into a plurality of sizes.

또한, 학습 데이터는 피검자들의 성별, 연령, 키, 몸무게, 국적, 도시, 출산 유무, 결혼 유무, 신체 관리 시술 유무 등의 부가 데이터가 포함될 수 있다.In addition, the learning data may include additional data such as gender, age, height, weight, nationality, city, childbirth, marital status, body management procedure, and the like of the subjects.

처리부(112)는 압박스타킹 착용 전 이미지와 압박스타킹 착용 후 이미지의 변화 과정을 구분 모델로 학습하여 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델을 생성할 수 있다.The processing unit 112 generates a virtual body image according to body changes by learning the process of changing the image before wearing the compression stockings and the image after wearing the compression stockings as a classification model, and processes the generated virtual body image as a simulation image. You can create change management AI models.

또한, 처리부(112)는 학습 데이터를 학습하여 문진 데이터에 기초한 텍스트 데이터로부터 압박스타킹 착용을 희망하는 피검자의 고민 또는 관심사에 해당하는키워드를 추출하는 텍스트 랭크 인공지능 모델을 생성할 수 있다.In addition, the processing unit 112 may generate a text rank AI model for extracting keywords corresponding to the concerns or interests of the examinee who desires to wear compression stockings from the text data based on the questionnaire data by learning the learning data.

또한, 처리부(112)는 학습 데이터를 학습하여 압박스타킹 착용 후의 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성할 수 있다.In addition, the processing unit 112 may generate a compression stocking extraction artificial intelligence model that learns the learning data and extracts the type of compression stocking applied to the image after wearing the compression stocking.

처리부(112)는 모델링부(112a)와, 키워드 추출부(112b)로 구성될 수 있다. 모델링부(112a)는 신체 변화 관리 인공지능 모델의 학습 데이터, 예를 들어 미리 저장된 예진 데이터의 압박스타킹 착용 전 이미지와 압박스타킹 착용 후 이미지의 변화 과정에 대한 이미지들을 생성적 적대 신경망(Generative Adversarial Network; GAN)으로 학습할 수 있다. The processing unit 112 may include a modeling unit 112a and a keyword extraction unit 112b. The modeling unit 112a uses the training data of the artificial intelligence model for managing body changes, for example, images about the change process of the image before wearing the compression stockings and after wearing the compression stockings of the pre-stored pre-diagnosis data using a generative adversarial network (Generative Adversarial Network). ; GAN).

또한, 모델링부(112a)는 신규 피검자의 예진 데이터 이미지를 생성자(Generator)의 입력 데이터로 받고, 학습 데이터의 이미지를 학습한 구분자(Discriminator)의 기준 이미지를 신규 피검자의 예진 데이터 이미지와 비교하여 구분자의 이미지 데이터 분포에 따라 분류 또는 표시할 수 있다. 또한, 모델링부(112a)는 신체 변화에 따른 가상의 신체 이미지를 생성하여 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델을 생성한다.In addition, the modeling unit 112a receives the preliminary diagnosis data image of the new examinee as input data of the generator, and compares the reference image of the discriminator who has learned the image of the learning data with the preliminary diagnosis data image of the new examinee to determine the discriminator. can be classified or displayed according to the image data distribution of In addition, the modeling unit 112a generates a body change management artificial intelligence model that generates a virtual body image according to body change and processes it as a simulation image.

즉, 모델링부(112a)는 신체와 관련된 데이터를 생성적 적대 신경망(Generative Adversarial Network; GAN) 모델을 사용하여 가상의 신체 이미지를 생성하고, 학습을 통해 시뮬레이션 이미지로 처리할 수 있다.That is, the modeling unit 112a may generate a virtual body image using a generative adversarial network (GAN) model for body-related data, and may process it as a simulation image through learning.

여기서, 신체 변화 관리 인공지능 모델은 머신러닝중에서 딥러닝(Deep learning)이라는 방법을 통해 만들어진 분석 모델들의 종류라고 볼 수 있다. 따라서, 신체 변화 인공지능 모델은 딥러닝 모델 또는 딥러닝 분석모델의 표현으로 사용될 수도 있다.Here, the body change management artificial intelligence model can be seen as a kind of analysis model created through a method called deep learning among machine learning. Therefore, the body change AI model can also be used as an expression of a deep learning model or a deep learning analysis model.

또한, 머신러닝은 복잡한 시스템이 명시적으로 프로그래밍되지 않고서, 경험으로부터 자동으로 학습하고 개선할 수 있게 하는 인공 지능의 응용이다. 또한, 머신러닝 모델들의 정확도 및 유효성은 그들 모델들을 훈련시키는 데 사용되는 데이터에 부분적으로 의존할 수 있다.Machine learning is also an application of artificial intelligence that enables complex systems to learn and improve automatically from experience without being explicitly programmed. Also, the accuracy and validity of machine learning models may depend in part on the data used to train those models.

또한, 신체 변화 인공지능 모델은 다수의 학습 데이터를 서로 비교한 결과 값에 기반하여 선택된 다수의 압박스타킹 착용 전 이미지와 압박스타킹 착용 후 이미지를 학습 데이터로 반복 학습할 수 있다.In addition, the body change artificial intelligence model may repeatedly learn as learning data a plurality of images before and after wearing compression stockings selected based on a result of comparing a plurality of learning data with each other.

이때, 서로 다른 피검자의 압박스타킹 착용 전 이미지와 착용 후 이미지로 분류된 학습 데이터를 기반으로 학습하며, 압박스타킹의 형태 및 사이즈에 따라 분류하여 반복 학습할 수 있다.At this time, learning is performed based on the learning data classified into images before and after wearing the compression stockings of different subjects, and the training can be repeated by classifying according to the shape and size of the compression stockings.

또한, 다양한 환경 조건, 예를 들어, 조명, 촬영각도, 촬영구도, 사진 해상도 등 다양한 여건에서 촬영될 수 있는 이미지를 감안하여 원본 이미지에 대한 다양한 조건들의 이미지들을 사전에 학습함으로써, 실제 환경에서 입력되는 이미지들에 대한 인식율이 향상될 수 있도록 한다.In addition, by learning images of various conditions for the original image in advance in consideration of images that can be taken under various environmental conditions, such as lighting, shooting angle, shooting composition, photo resolution, etc., input in the real environment To improve the recognition rate of the images to be used.

또한, 신체 변화 관리 인공지능 모델은 학습 데이터에 포함된 문진데이터 데이터로부터 추출된 고민 부위, 또는 희망 내용에 상응하는 관심 키워드에 기반하여 피검자의 고민 부위, 또는 희망 내용에 맞게 압박스타킹 착용 후 신체 변화에 따른 학습을 수행할 수 있다.In addition, the body change management artificial intelligence model changes the body after wearing compression stockings according to the subject's concerns or wishes based on the areas of concern extracted from the questionnaire data included in the learning data, or the keywords of interest corresponding to the desired contents. learning can be performed according to

이를 통해, 신체 변화 관리 인공지능 모델은 압박스타킹 착용 전 이미지, 수치 데이터 및 문진 데이터에 포함된 고민 부위, 희망 내용 등에 따라, 형태 및 사이즈가 고려된 서로 다른 압박스타킹 착용에 따른 착용 후 이미지의 학습을 수행할 수 있다.Through this, the body change management artificial intelligence model learns the image after wearing the compression stockings in consideration of the shape and size according to the concerns and wishes included in the image before wearing the compression stockings, the numerical data and the questionnaire data. can be performed.

이에 따라, 신체 변화 관리 인공지능 모델은 신체 변화 시뮬레이션을 수행하되, 예진 데이터에 기초하여 추출된 관리 키워드에 상응하여 산출된 신체변화에 따른 최적화 수치 데이터, 압박스타킹의 종류(형태 및 사이즈)가 적용된 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출하며, 추출된 최적화 수치 데이터와 추출된 형태 및 사이즈의 압박스타킹 착용에 따른 착용 후 이미지 시뮬레이션 데이터에 기초하여 변환된 예측 이미지를 생성할 수 있다.Accordingly, the body change management artificial intelligence model performs a body change simulation, but the optimization numerical data according to the body change calculated according to the management keyword extracted based on the preliminary data, and the type (shape and size) of the compression stocking are applied Image simulation data after wearing compression stockings is extracted, and a converted prediction image can be generated based on the extracted optimization numerical data and the image simulation data after wearing according to the extracted shape and size of the compression stockings.

키워드 추출부(112b)는 문진 데이터에 기초한 텍스트 데이터를 비교분석할 키워드를 순위에 따라 생성하는 텍스트 랭크 인공지능 모델을 생성하고, 문진 데이터에 기초한 텍스트 데이터로부터 예를 들어, 피검자에 의해 설정된 가중치, 선택 및 반복 횟수 등의 순위에 따라 비교 분석할 키워드를 추출 할 수 있다.The keyword extraction unit 112b generates a text rank artificial intelligence model that generates keywords to be comparatively analyzed based on the questionnaire data according to the ranking, and from the text data based on the questionnaire data, for example, a weight set by the examinee, Keywords to be compared and analyzed can be extracted according to the ranking such as selection and repetition number.

여기서, 문진 데이터는 고민 부위에 대하여 피검자가 입력한 내용으로서, 키워드 추출부(112b)는 텍스트 랭크 인공 지능 모델을 이용하여 키워드, 예를 들어 '알 없는 종아리', '일자다리(또는 휜다리 교정)', '얇은 발목', '예쁜 허벅지', '바지 입었을 때 엉덩이 처짐', '근육과 지방의 비율' 등의 비교분석을 위한 키워드를 추출할 수 있다.Here, the questionnaire data is the content input by the examinee for the troublesome part, and the keyword extraction unit 112b uses the text rank artificial intelligence model to obtain keywords, for example, 'calf without egg', 'straight leg (or straight leg correction). ', 'thin ankles', 'pretty thighs', 'buttocks sag when wearing pants', and 'muscle-to-fat ratio' can be extracted keywords for comparative analysis.

압박스타킹 추출부(113c)는 학습데이터 학습을 통해, 압박스타킹 착용 전 이미지, 압박스타킹 착용 후 이미지, 착용된 압박스타킹의 종류, 압박스타킹 착용 전후의 신체수치, 문진데이터의 관리키워드 등의 관계를 파악하고, 예진데이터 및 문진데이터에 기초하여 압박스타킹 착용 후 이미지에 적용된 압박스타킹의 종류를 추출할 수 있는 압박스타킹 추천 인공지능 모델을 생성할 수 있다.The compression stocking extraction unit (113c) through learning data learning, the image before and after wearing the compression stocking, the type of the worn compression stocking, the body figure before and after wearing the compression stocking, the relationship between the management keyword of the questionnaire data, etc. It is possible to identify and create a compression stocking recommendation artificial intelligence model that can extract the type of compression stocking applied to the image after wearing the compression stocking on the basis of the pre-diagnosis data and the questionnaire data.

모델 서비스부(120)는 모델 생성부(110)에서 학습된 신체 변화 관리 인공지능 모델을 이용하여 신체 변화 시뮬레이션을 수행한다. 또한, 모델 서비스부(120)는 모델 생성부(110)에서 학습된 신체 변화 관리 인공지능 모델을 이용하여 피검자로부터 측정된 신체수치와 이미지를 포함한 예진 데이터에서 신체 변화에 따른 최적화 수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출할 수 있다.The model service unit 120 performs a body change simulation using the body change management artificial intelligence model learned by the model generation unit 110 . In addition, the model service unit 120 uses the body change management artificial intelligence model learned from the model generation unit 110 to optimize numerical data according to body changes in the pre-diagnosis data including body measurements and images measured from the subject, compression stockings After wearing, image simulation data can be extracted.

또한, 모델 서비스부(120)는 모델 생성부(110)에서 학습된 텍스트랭크 인공지능 모델을 이용하여 피검자가 입력한 문진 데이터로부터 관리 키워드를 추출할 수 있다.Also, the model service unit 120 may extract a management keyword from the questionnaire data input by the examinee using the textrank artificial intelligence model learned by the model generation unit 110 .

또한, 모델 서비스부(120)는 추출된 최적화 수치 데이터와 압박스타킹 착용에 따른 착용 후 이미지 시뮬레이션 데이터에 기초하여 변환된 예측 이미지, 관리 키워드에 기초하여 생성한 관리 방안, 예측이미지에 적용된 압박스타킹의 종류를 추출하여 생성된 추천 압박스타킹 정보를 출력하여 제공할 수 있다. In addition, the model service unit 120 is a prediction image converted based on the extracted optimization numerical data and the image simulation data after wearing according to the wearing of the compression stockings, the management plan generated based on the management keyword, the compression stockings applied to the prediction image The recommended compression stocking information generated by extracting the type may be output and provided.

모델 서비스부(120)는 모니터링부(121)와, 피드백부(122)를 포함할 수 있고, 애플리케이션 프로그램의 설치가 가능한 모바일 단말기, 데스크탑 PC, 노트북 PC, xo태블릿 PC, 서버 시스템 등에 설치되어 동작할 수 있다.The model service unit 120 may include a monitoring unit 121 and a feedback unit 122, and is installed and operated in mobile terminals, desktop PCs, notebook PCs, xo tablet PCs, server systems, etc. capable of installing application programs. can do.

모니터링부(121)는 학습된 신체 변화 관리 인공지능 모델을 이용하여 피검자로부터 측정된 수치와 이미지를 포함한 예진 데이터의 신체 변화 시뮬레이션을 수행한다.The monitoring unit 121 performs a body change simulation of preliminary data including numerical values and images measured from the subject by using the learned body change management artificial intelligence model.

또한, 모니터링부(121)는 압박스타킹 착용에 의한 신체 변화에 따른 최적화 수치 데이터, 압박스타킹의 착용 후 이미지 시뮬레이션 데이터를 추출하고, 추출된 최적화 수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초한 시뮬레이션 이미지를 예측 이미지로 변환할 수 있다.In addition, the monitoring unit 121 extracts the optimization numerical data according to the body change by wearing the compression stockings, the image simulation data after wearing the compression stockings, and a simulation image based on the extracted optimization numerical data and the image simulation data after wearing the compression stockings can be converted into a predictive image.

또한, 모니터링부(121)는 학습된 텍스트 랭크 인공지능 모델을 이용하여 피검자가 입력한 문진 데이터로부터 관리 키워드를 추출하고, 추출된 관리 키워드에 기초하여 생성한 관리 방안과 변환된 예측 이미지를 출력할 수 있다.In addition, the monitoring unit 121 extracts a management keyword from the questionnaire data input by the examinee using the learned text rank artificial intelligence model, and outputs a management plan generated based on the extracted management keyword and a converted prediction image. can

또한, 모니터링부(121)는 학습된 압박스타킹 추천 인공지능 모델을 이용하여, 예측이미지에 적용된 착용 압박스타킹의 종류(형태 및 사이즈)를 추출하여 추천 압박스타킹 정보로 제공할 수 있다. In addition, the monitoring unit 121 may use the learned compression stocking recommendation artificial intelligence model to extract the type (shape and size) of the compression stocking applied to the prediction image and provide it as recommended compression stocking information.

모니터링부(121)는 추출된 최적화 수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초한 시뮬레이션 이미지를 예측 이미지로 변환하고, 예측이미지, 텍스트 랭크 인공지능 모델을 이용하여 추출된 키워드를 기반으로 하는 관리 키워드를 포함한 임의의 포맷과 예측이미지에 적용된 압박스타킹의 정보가 디스플레이 되도록 시뮬레이션부(121a), 관리 키워드 생성부(121b), 압박스타킹 추천부(121c)를 포함할 수 있다.The monitoring unit 121 converts a simulation image based on the extracted optimization numerical data and image simulation data after wearing compression stockings into a prediction image, and a management keyword based on the keyword extracted using the prediction image and the text rank artificial intelligence model It may include a simulation unit 121a, a management keyword generation unit 121b, and a compression stocking recommendation unit 121c to display information of compression stockings applied to an arbitrary format and prediction image including

시뮬레이션부(121a)는 신체 변화 관리 인공지능 모델을 이용한 신체변화 시뮬레이션을 통해 신체 변화에 따른 최적화 수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출한다.The simulation unit 121a extracts optimized numerical data according to body changes and image simulation data after wearing compression stockings through body change simulation using an artificial intelligence model for managing body changes.

시뮬레이션부(121a)는 추출된 최적화 수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초한 시뮬레이션 이미지를 예측 이미지로 변환하고, 변환된 예측 이미지가 디스플레이될 수 있도록 한다.The simulation unit 121a converts the simulation image based on the extracted optimization numerical data and the image simulation data after wearing the compression stockings into a prediction image, so that the converted prediction image can be displayed.

즉, 시뮬레이션부(121a)는 모델 생성부(110)에서 학습된 구분자의 기준 이미지와 피검자의 예진 데이터 이미지의 비교를 통해 분류 또는 표시되는 압박스타킹 착용 후 시뮬레이션 이미지를 통해 학습된 이미지에 매핑된 신체 관련 수치 데이터와 키워드 등으로부터 피검자의 압박스타킹 착용 후 신체 변화에 따른 최적화된 수치 데이터와 압박스타킹 착용 후 예측 이미지를 표시한다.That is, the simulation unit 121a is the body mapped to the image learned through the simulation image after wearing the compression stockings classified or displayed through comparison of the reference image of the classifier learned by the model generating unit 110 and the subject's preliminary data image From the related numerical data and keywords, the optimized numerical data according to the body changes after wearing the compression stockings of the examinee and the predicted image after wearing the compression stockings are displayed.

또한, 압박스타킹 추천부(121c)는 압박스타킹 추출 인공지능 모델에, 입력데이터로 예진데이터, 문진데이터와 함께, 예측이미지를 압박스타킹 착용 후 이미지로 입력하여, 예진데이터, 문진데이터 및 예측이미지에 대응되는 압박스타킹 착용 후 이미지의 관계를 기반으로 분류되는 압박스타킹의 종류를, 예측 이미지에 적용된 압박스타킹의 종류로 추천할 수 있다. 또는, 압박스타킹 추천부(121c)는 예측 이미지에 매핑된 압박스타킹 종류를 추출하여 추천 압박스타킹으로 추천할 수도 있다.In addition, the compression stocking recommendation unit (121c) to the compression stocking extraction artificial intelligence model, as input data, the prediction data, along with the questionnaire data, and input the prediction image as an image after wearing the compression stocking, the preliminary diagnosis data, the questionnaire data and the prediction image The type of compression stockings classified based on the relationship between the images after wearing the corresponding compression stockings may be recommended as the type of compression stockings applied to the predicted image. Alternatively, the compression stocking recommendation unit 121c may extract the type of the compression stocking mapped to the prediction image and recommend it as the recommended compression stocking.

압박스타킹 추천부(121c)는 추천된 압박스타킹 종류에 대응되는 압박스타킹의 형태 및 사이즈를 시뮬레이션부(121a)로 제공하여, 시뮬레이션부(121a)에서 예측이미지에 압박스타킹이 시뮬레이션된 이미지를 생성할 수 있게 한다.The compression stocking recommendation unit 121c provides the simulation unit 121a with the shape and size of the compression stocking corresponding to the recommended type of compression stocking, and the simulation unit 121a generates a simulated image of the compression stocking in the prediction image. make it possible

시뮬레이션부(121a)는 압박스타킹 착용 후 예측된 이미지를 360°회전 가능하게 표시함으로써, 전체 이미지를 직관적으로 확인할 수 있게 구성할 수 있으며, 이때 도 14와 같이 예측이미지에 적용된 압박스타킹의 정보(형태 및 사이즈에 대한 상세정보)를 함께 제공할 수 있다.The simulation unit (121a) can be configured to intuitively check the entire image by displaying the image predicted after wearing the compression stockings to be 360° rotatable, and at this time, information (shape) of the compression stockings applied to the prediction image as shown in FIG. 14 . and detailed information about the size) may be provided together.

여기서, 예진 데이터는 엉덩이, 허벅지, 종아리, 발목 중 적어도 하나의 둘레 및 길이를 포함한 신체 측정 정보이고, 피검자의 신체를 측정하여 획득한 신체수치 데이터, 피검자의 신체를 촬영을 통해 획득한 이미지 데이터, 피검자로부터 입력되는 문진 데이터를 포함한 텍스트 데이터일 수 있다.Here, the preliminary data is body measurement information including the circumference and length of at least one of hips, thighs, calves, and ankles, body numerical data obtained by measuring the subject's body, image data obtained by photographing the subject's body, It may be text data including questionnaire data input from the subject.

또한, 예진 데이터는 피검자의 신체 정보를 획득하기 위해 스캐너, 센서 등의 측정 장치, 카메라 등의 촬영 장치, 스마트폰 태블릿 PC 등의 모바일 단말기 등으로부터 획득될 수 있다.In addition, the pre-diagnosis data may be obtained from a scanner, a measurement device such as a sensor, a photographing device such as a camera, or a mobile terminal such as a smartphone tablet PC, etc. to obtain body information of the subject.

신체 수치 데이터는 스캐너, 센서 등을 이용한 측정 장치를 통해 피검자의 신체 정보, 예를 들어 신체 골반고에서 지면까지의 높이, 신체 사이즈 (발사이즈, 발목둘레, 종아리둘레, 비복근 두께, 발목지방층 두께, 허벅지둘레, 승마살 지방층 두께, 허벅지 안쪽살 지방층 두께, 무릎 안쪽살 두께, 엉덩이 밑살 지방층 두께, 엉덩이 옆살 지방층 두께) 등의 데이터를 포함할 수 있다.Numerical body data are collected through measuring devices using scanners and sensors, such as body information of the subject, such as height from the pelvic height to the ground, body size (foot size, ankle circumference, calf circumference, gastrocnemius muscle thickness, ankle fat layer thickness, It can include data such as thigh circumference, equestrian fat layer thickness, inner thigh fat layer thickness, knee inner fat layer thickness, lower hip fat layer thickness, and hip side fat layer thickness).

이미지 데이터는 카메라, 초음파 등의 촬영 장치를 이용해 피검자의 신체를 촬영한 데이터로서, 종아리, 허벅지, 엉덩이, 발목 등을 포함한 신체의 촬영 이미지로 구성될 수 있고, 종아리는 뒷면, 까치발, 정면, 오른쪽 45도, 오른쪽45도 뒷면 까치발, 오른쪽 45도 정면, 오른쪽 90도 뒷면, 오른쪽 90도 뒷면 까치발, 오른쪽 90도 정면, 왼쪽 45도 뒷면, 왼쪽 45도 뒷면 까치발, 왼쪽 45도 앞면, 왼쪽 90도 뒷면, 왼쪽 90도 뒷면 까치발, 왼쪽 90도 앞면 등을 촬영한 이미지일 수 있다.Image data is data obtained by photographing the subject's body using a photographing device such as a camera or ultrasound, and may consist of photographed images of the body including calves, thighs, buttocks, and ankles. 45 degrees, right 45 degrees rear bracket, right 45 degrees front, right 90 degrees back, right 90 degrees rear bracket, right 90 degrees front, left 45 degrees back, left 45 degrees rear rear bracket, left 45 degrees front, left 90 degrees back , it may be an image of a left 90-degree rear bracket, a left 90-degree front view, etc.

텍스트 데이터는 모니터 등의 디스플레이 수단을 통해 출력되는 질문 내용에 대하여 피검자가 키보드 또는 키패드 등의 입력 수단을 통해 입력하는 문진 데이터로서, 피검자의 이름, 연락처 등의 개인정보와, 피검자의 고민부위, 희망 내용, 다이어트와 같은 과거이력, 운동화, 구두 등의 데이터일 수 있다.Text data is questionnaire data that the examinee inputs through input means such as a keyboard or keypad with respect to the question content output through display means such as a monitor It may be content, past history such as diet, and data such as sneakers and shoes.

또한, 피검자의 신체 정보는 발목, 종아리, 허벅지, 엉덩이 등을 포함한 허리 이하의 신체를 기반으로 하는 측정 데이터이고, 측정된 수치 데이터와 이미지 데이터와 텍스트 데이터는 서로 매핑시켜 저장 또는 입력되도록 한다.In addition, the body information of the subject is measured data based on the body below the waist including ankles, calves, thighs, buttocks, etc., and the measured numerical data, image data, and text data are mapped to each other and stored or input.

또한, 최적화된 수치 데이터는 피검자의 예진 데이터로부터 추출된 신체 이미지와, 신체 측정 수치 데이터와, 문진 데이터에 기반한 피검자의 고민 부위 및 희망 내용에 기반하여 신체 변화 관리 인공지능 모델이 신체 변화에 따라 산출한 예측 결과이다.In addition, the optimized numerical data is based on the body image extracted from the subject's pre-diagnosis data, the body measurement numerical data, and the subject's concerns and wishes based on the questionnaire data. The body change management artificial intelligence model is calculated according to the body changes It is a prediction result.

예를 들어, 최적화된 수치 데이터는 '알 없는 종아리', '일자다리', '얇은 발목', '예쁜 허벅지', '엉덩이 처짐', '근육과 지방의 비율' 등의 관리 키워드의 각각에 맞게 최적화되어 산출되는 수치 데이터이다. For example, the optimized numerical data is tailored to each of the management keywords such as 'unknown calf', 'straight leg', 'thin ankle', 'pretty thigh', 'sagging hip', and 'muscle-to-fat ratio'. It is numerical data that is optimized and calculated.

따라서, '알 없는 종아리'를 고민 또는 관심사로 하는 피검자에게는 '알 없는 종아리'의 고민 또는 관심사에 맞게 최적화된 수치 데이터가 산출되고, '일자다리'를 고민 또는 관심사로 하는 피검자에게는 '일자다리'의 고민 또는 관심사에 맞게 최적화된 수치데이터가 산출될 수 있다.Therefore, for subjects who have 'unknown calf' as a concern or concern, numerical data optimized for the concern or interest of 'unknown calf' is calculated, and for subjects who have 'one leg' as a concern or concern, 'one leg' Numerical data optimized for the concerns or interests of people can be calculated.

'알 없는 종아리', '일자다리', '얇은 발목', '예쁜 허벅지', '엉덩이 처짐', '근육과 지방의 비율' 등의 고민 또는 관심사에 맞게 최적화된 수치 데이터를 산출하는 구체적인 기준에 대하여는 다양한 사항들이 고려될 수 있다. 'Unknown calf', 'straight leg', 'thin ankle', 'pretty thigh', 'sagging hip', 'muscle-to-fat ratio', etc. Various factors may be considered.

예를들어, 시대에 따라 국가, 도시에 따라, 세대에 따라, 성별에 따라, 나이에 따라 다양할 수 있으며, 기본적으로는 사회 통계나 통념적으로 또는 미감적으로 통용될 수 있는 범위내에서 적정한 범위와 근사치로 설정하는 것이 바람직할 것이다.For example, it may vary according to age, country, city, generation, gender, and age. It would be desirable to set the range and approximation.

또한, 압박스타킹의 종류는, 형태와 사이즈로 구분되며, 형태는 압박부위에 따라 팬티형, 허벅지형, 무릎형, 종아리형 및 발목형으로 구분될 수 있고, 사이즈는 각 형태별로 해당 압박기준부위의 둘레 및 길이를 기준으로 일예로, 한국인 여성 체형에 따른 XS, S, M, L, XL, XXL 등으로 구분될 수 있다.In addition, the types of compression stockings are divided into shape and size, and the shape can be divided into panty type, thigh type, knee type, calf type and ankle type depending on the compression site, and the size is the size of the corresponding compression standard area for each type. Based on the circumference and length, as an example, it can be divided into XS, S, M, L, XL, XXL, etc. according to the Korean female body type.

도 4는 본 발명의 일 실시 예에 따른 압박스타킹을 설명하기 위한 도면이다. 도 4를 참고하면, 압박스타킹(20)은 상단 밴드(21), 바디부(22), 하단 밴드(23)를 포함하며, 각 형태 별 사이즈는 상단 밴드(21) 및 하단 밴드(23)의 길이 및 너비, 바디부(22) 및 압박스타킹(20) 전체의 길이에 대한 수치정보를 포함할 수 있다. Figure 4 is a view for explaining the compression stockings according to an embodiment of the present invention. Referring to FIG. 4 , the compression stocking 20 includes an upper band 21 , a body portion 22 , and a lower band 23 , and the size for each shape is the upper band 21 and the lower band 23 . Numerical information about the length and width, the body portion 22 and the entire length of the compression stockings 20 may be included.

본 발명의 일 실시 예에 따른 압박스타킹의 형태 및 사이즈에 따른 수치정보의 일 예로, 종아리형은 다음의 표1과 같은 사이즈로 구성될 수 있다.As an example of numerical information according to the shape and size of compression stockings according to an embodiment of the present invention, the calf type may be configured in the size shown in Table 1 below.

Figure 112021111059587-pat00001
Figure 112021111059587-pat00001

여기서, a는 압박스타킹(20)의 전체 길이(신체 하부 길이방향 기준), b는 하단밴드(23)의 너비, c는 상단밴드(21)의 너비, d는 하단밴드(23)의 길이, e는 상단밴드(21)의 길이가 되며, 바디부(22)의 길이는 전체길이(a) - (상단밴드(21) 길이(e) + 하단밴드(23) 길이(d))가 될 수 있다. Here, a is the overall length of the compression stockings 20 (based on the longitudinal direction of the lower body), b is the width of the lower band 23, c is the width of the upper band 21, d is the length of the lower band 23, e is the length of the upper band 21, the length of the body 22 can be the total length (a) - (the upper band 21 length (e) + the lower band 23 length (d)) have.

이와 같이, 본 발명의 일 실시 예에 따른 압박스타킹 추천시스템은 산출된 최적화된 수치 데이터에 기반하여, 특정 형태 및 사이즈의 압박스타킹을 착용한 피검자의 신체 변화에 따른 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 생성하여 예측 이미지로 출력할 수 있고, 예측이미지에 적용된 압박스타킹의 종류(형태 및 사이즈)를 추출하여 최적 압박스타킹으로 추천할 수 있다.As such, the compression stocking recommendation system according to an embodiment of the present invention provides image simulation data after wearing compression stockings according to changes in the body of the subject who wears compression stockings of a specific shape and size, based on the calculated optimized numerical data. It can be generated and output as a prediction image, and the type (shape and size) of the compression stocking applied to the prediction image can be extracted and recommended as the optimal compression stocking.

따라서, 생성되는 피검자의 예측 이미지는 신체 조건이 동일한 피검자들이라 할지라도 각 피검자들의, 고민 부위, 희망 내용 등에 따라 서로 다른 이미지로 생성될 수 있다. 즉, 생성되는 피검자의 예측 이미지는 신체조건이 동일한 피검자들이라 할지라도 착용되는 압박스타킹의 형태 및 사이즈에 따라 서로 다른 이미지로 생성될 수 있다. Accordingly, the generated predicted images of the subject may be generated as different images according to the areas of concern, desired contents, etc. of each subject, even for subjects with the same physical condition. That is, the generated predicted images of the subject may be generated as different images according to the shape and size of the compression stockings worn even for subjects with the same physical condition.

또한, 시뮬레이션에 의해 생성되는 가상의 압박스타킹 착용 후 예측 이미지는 3차원 이미지로 구현되어 디스플레이될 수 있다.In addition, the predicted image after wearing the virtual compression stockings generated by the simulation may be implemented and displayed as a three-dimensional image.

또한, 가상의 압박스타킹 착용 후 예측 이미지를 학습 데이터에 포함된 압박스타킹 착용 후 이미지와 비교하여 학습 데이터 중 가장 유사한 값을 갖는 압박스타킹 착용 후 이미지를 취사선택하여 디스플레이 할 수도 있다.In addition, it is also possible to select and display the image after wearing the compression stockings having the most similar value among the learning data by comparing the predicted image after wearing the virtual compression stocking with the image after wearing the compression stocking included in the learning data.

관리 키워드 생성부(121b)는 텍스트 랭크 인공지능 모델을 이용하여 문진 데이터로부터 관리 키워드를 추출하고, 추출한 관리 키워드를 기반으로 레이더 차트(Radar Chart)를 생성하여 디스플레이할 수 있다.The management keyword generating unit 121b may extract a management keyword from the questionnaire data using the text rank artificial intelligence model, and may generate and display a radar chart based on the extracted management keyword.

또한, 관리 키워드 생성부(121b)는 생성된 관리 키워드에 대응하는 관리 방안을 생성하여 모니터 등의 디스플레이 수단을 통해 디스플레이할 수 있다.Also, the management keyword generating unit 121b may generate a management plan corresponding to the generated management keyword and display the generated management method through a display means such as a monitor.

피드백부(122)는 모니터링부(121)를 통해 디스플레이 되는 결과 데이터가 외부 단말을 통해 출력되도록 동작하는 구성으로, 외부 단말은 네트워크를 통해 연결된 피검자의 데스크 탑 PC, 노트북 PC, 태블릿 PC, 스마트폰 등의 단말일 수 있고, 외부 단말로 변환된 예측 이미지와 레이더 차트 등이 포함된 파일을 전송하여 디스플레이될 수 있도록 한다.The feedback unit 122 is configured to operate so that the result data displayed through the monitoring unit 121 is output through an external terminal, and the external terminal is a desktop PC, notebook PC, tablet PC, or smartphone of the subject connected through a network. It may be a terminal such as a terminal, and transmits a file including a prediction image and a radar chart converted to an external terminal to be displayed.

도 5는 본 발명의 일 실시 예에 따른 인공지능을 이용한 압박스타킹 추천 방법을 설명하기 위한 흐름도이며, 도 1 내지 도 4를 참고하여 설명할 수 있다.5 is a flowchart for explaining a method for recommending compression stockings using artificial intelligence according to an embodiment of the present invention, which may be described with reference to FIGS. 1 to 4 .

인공지능을 이용한 압박스타킹 추천시스템(100)의 모델 생성부(110)는 미리 저장된 학습 데이터로부터 압박스타킹 착용전 이미지와, 압박스타킹 착용후 이미지의 변화 과정을 구분자(Discriminator)로 학습하여 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델을 생성(S100)할 수 있다.The model generating unit 110 of the compression stocking recommendation system 100 using artificial intelligence learns the process of changing the image before wearing the compression stocking and the image after wearing the compression stocking as a discriminator from the pre-stored learning data to respond to changes in the body. It is possible to generate a virtual body image according to the following and generate a body change management artificial intelligence model that processes the generated virtual body image as a simulation image (S100).

또한, S100 단계에서, 신체 변화 관리 인공지능 모델은 학습 데이터, 예를들어 미리 저장된 예진 데이터의 압박스타킹 착용전 이미지와 착용후 이미지의 변화 과정에 대한 이미지들을 구분자(Discriminator)로 학습할 수 있다.In addition, in step S100, the body change management artificial intelligence model can learn the learning data, for example, the images for the change process of the image before wearing the compression stockings of the pre-stored pre-examination data and the image after wearing as a discriminator.

또한, 신체 변화 관리 인공지능 모델은 신체와 관련된 데이터를 생성적 적대 신경망(Generative Adversarial Network; GAN) 모델을 사용하여 가상의 신체 이미지를 생성하고, 학습을 통해 시뮬레이션 이미지로 처리하는 구성으로서, 신규 피검자의 예진 데이터 이미지를 생성자(Generator)의 입력 데이터로 설정할 수 있다.In addition, the body change management artificial intelligence model is a configuration that generates a virtual body image using a generative adversarial network (GAN) model for body-related data, and processes it as a simulation image through learning. can be set as the input data of the generator.

또한, 신체 변화 관리 인공지능 모델은 학습 데이터의 이미지를 학습한 구분자의 기준 이미지를 상기 신규 피검자의 예진 데이터 이미지와 비교하여 구분자의 이미지 데이터 분포에 따라 분류 또는 표시하며, 신체 변화에 따른 가상의 신체 이미지를 생성하여 시뮬레이션 이미지로 처리할 수 있다.In addition, the body change management artificial intelligence model compares the reference image of the classifier who has learned the image of the learning data with the preliminary data image of the new examinee, classifies or displays it according to the image data distribution of the classifier, and displays the virtual body according to the body change. You can create an image and process it as a simulation image.

또한, 모델 생성부(110)는 학습 데이터의 학습을 통해 문진 데이터에 기초한 텍스트 데이터로부터 키워드를 추출하는 텍스트 랭크 인공지능 모델을 생성(S200)한다.In addition, the model generation unit 110 generates a text rank artificial intelligence model for extracting keywords from text data based on the questionnaire data through learning of the training data (S200).

S200 단계에서, 모델 생성부(110)는 문진 데이터에 기초한 텍스트 데이터를 비교 분석할 키워드를 순위에 따라 생성하는 텍스트 랭크 인공지능 모델을 생성한다. 또한, S200 단계에서, 모델 생성부(110)는 문진 데이터에 기초한 텍스트 데이터로부터 예를 들어, 피검자에 의해 설정된 가중치, 선택 및 반복 횟수 등의 순위에 따라 비교 분석할 키워드를 추출할 수 있다.In step S200, the model generation unit 110 generates a text rank AI model that generates keywords to be compared and analyzed based on the questionnaire data according to the ranking. In addition, in step S200 , the model generator 110 may extract a keyword to be compared and analyzed according to, for example, a weight set by the examinee, a number of selections and repetitions, and the like, from the text data based on the questionnaire data.

S300 단계에서, 모델 생성부(110)는 학습데이터의 기계학습을 통해, S100단계의 신체변화관리 인공지능 모델에 의해 생성되는 신체 변화에 따른 가상의 신체 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성할 수 있다. In step S300, the model generating unit 110 presses to extract the type of compression stocking applied to the virtual body image according to the body change generated by the body change management artificial intelligence model of step S100 through machine learning of the learning data. A stocking extraction AI model can be created.

S300단계에서, 일 예로 모델 생성부(110)는 압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 압박스타킹 착용 전후의 신체수치, 착용 압박스타킹의 종류 및 문진 데이터의 관계에 기초하여 기계학습을 수행하고, 신규 피검자의 신체수치 데이터와 문진 데이터에 기초하여 압박스타킹 착용 후 이미지(가상의 신체 이미지)에 적용된 압박 스타킹 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성한다(S300). In step S300, for example, the model generation unit 110 performs machine learning based on the relationship between the image before and after wearing the compression stockings, the image after wearing the compression stockings, the body values before and after wearing the compression stockings, the type of the compression stockings to be worn, and the questionnaire data. and creates a compression stocking extraction artificial intelligence model that extracts the type of compression stocking applied to the image (virtual body image) after wearing the compression stocking based on the new subject's body numerical data and questionnaire data (S300).

S100 단계 내지 S300 단계에서 학습이 완료된 신체 변화 관리 인공지능 모델과, 텍스트 랭크 인공지능 모델, 압박스타킹 추출 인공지능 모델은 모델 서비스부(120)에 설치되어 병원 등의 단말 또는 서버를 통해 동작할 수 있다.The body change management artificial intelligence model, the text rank artificial intelligence model, and the compression stocking extraction artificial intelligence model, which has been learned in steps S100 to S300, are installed in the model service unit 120 and can be operated through a terminal or server such as a hospital. have.

모델 서비스부(120)는 신체 변화 관리 인공지능 모델과, 텍스트 랭크 인공지능 모델 및 압박스타킹 추출 인공지능 모델을 이용한 시뮬레이션을 수행하기 위해, 피검자의 예진 데이터를 입력(S400) 받는다.The model service unit 120 receives the pre-diagnosis data of the subject in order to perform a simulation using the body change management artificial intelligence model, the text rank artificial intelligence model, and the compression stocking extraction artificial intelligence model (S400).

이때, S400 단계에서는 도6(a), 도6(b), 도6(c)와 같이 피검자의 신체를 촬영한 다양한 이미지와 함께, 촬영된 이미지와 연동하여 피검자의 신체와 관련된 신체 치수와, 피검자의 문진 데이터도 입력될 수 있다.At this time, in step S400, various images of the subject's body are photographed as shown in Figs. Questionnaire data of the subject may also be input.

또한, 도7(a) 및 도7(b), 도8(a) 및 도8(b)에 나타낸 바와 같은 허리 이하의 신체 이미지(130, 130')와, 근육 이미지(130a, 130'a)와 함께, 엉덩이, 허벅지, 종아리, 발목 등의 둘레 및 길이 등의 데이터가 입력될 수 있다.In addition, as shown in Figs. 7(a) and 7(b), Figs. 8(a) and 8(b), body images 130 and 130' below the waist and muscle images 130a and 130'a ), data such as the circumference and length of the hip, thigh, calf, and ankle may be input.

또한, 모델 서비스부(120)는 압박스타킹 착용에 의한 신체변화에 따른 최적화된 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초하여 변환된 예측 이미지를 생성할 수 있다(S500).In addition, the model service unit 120 may generate a converted prediction image based on the optimized numerical data according to the body change by wearing the compression stockings and the image simulation data after wearing the compression stockings (S500).

즉, S500 단계에서, 모델 서비스부(120)는 신체 변화 관리 인공지능 모델을 이용한 신체 변화 시뮬레이션을 통해 학습된 구분자의 기준 이미지와 피검자의 예진 데이터 이미지의 비교에 따라 분류 또는 표시되는 압박스타킹 착용 후 시뮬레이션 이미지와, 그 시뮬레이션 이미지로부터 분류 또는 표시되는 이미지에 매핑된 신체관련 수치 데이터와 키워드로부터 피검자의 압박스타킹 착용 후 신체 변화에 따른 최적화된 수치 데이터와 도9와 같은 가상의 압박스타킹 착용 후 예측 이미지(140)를 생성하여 표시되도록 한다.That is, in step S500, the model service unit 120 after wearing the compression stockings classified or displayed according to the comparison of the reference image of the classifier learned through body change simulation using the body change management artificial intelligence model and the pre-diagnosis data image of the subject Optimized numerical data according to changes in the subject's body after wearing the compression stockings from the simulation image, the body-related numerical data mapped to the image classified or displayed from the simulation image, and keywords, and the predicted image after wearing the virtual compression stockings as shown in FIG. (140) is created and displayed.

또한, S500 단계에서 모델 서비스부(120)는 압박스타킹 착용 후 예측 이미지(140)를 360도 회전 가능하게 표시함으로써, 전체 이미지를 직관적으로 확인할 수 있도록 한다.In addition, in step S500, the model service unit 120 displays the prediction image 140 after wearing the compression stockings to be able to rotate 360 degrees, so that the entire image can be intuitively checked.

또한, S500 단계에서 모델 서비스부(120)는 도 10과 같이, 압박스타킹 착용 후 바지(예를 들면, 스키니 진) 또는 스커트 등과 같은 의복 착용 후 예측 이미지(150)를 생성하여 표시할 수도 있다.In addition, in step S500, the model service unit 120 may generate and display the prediction image 150 after wearing the clothes such as pants (eg, skinny jeans) or a skirt after wearing compression stockings, as shown in FIG. 10 .

또한, S600 단계에서, 모델 서비스부(120)는 텍스트 랭크 인공지능모델을 이용하여 피검자가 입력한 문진 데이터로부터 관리 키워드를 추출하고, 추출된 관리 키워드에 기초한 관리 방안을 생성할 수 있다(S600).In addition, in step S600, the model service unit 120 may extract a management keyword from the questionnaire data input by the examinee using the text rank artificial intelligence model, and generate a management plan based on the extracted management keyword (S600) .

즉, 모델 서비스부(120)는 텍스트 랭크 인공지능 모델을 이용하여 문진 데이터에 기초한 텍스트 데이터로부터 순위, 예를 들어 피검자에 의해 설정된 가중치, 선택 및 반복 횟수 등의 순위에 따라 비교 분석할 키워드를 추출한다.That is, the model service unit 120 extracts keywords to be compared and analyzed according to the ranking, for example, the weight set by the examinee, the number of times of selection and repetition, etc. from the text data based on the questionnaire data using the text rank artificial intelligence model. do.

또한, S600 단계에서, 모델 서비스부(120)는 텍스트 랭크 인공지능모델을 이용하여 추출된 키워드를 기반으로 신체 상태 및 변화를 쉽게 확인 할 수 있도록 도11과 같이, '알 없는 종아리', '일자다리', '얇은 발목', '예쁜 허벅지','엉덩이 처짐', '근육과 지방의 비율' 등의 관리 키워드를 포함한 레이더 차트(Radar Chart)를 생성할 수 있다.In addition, in step S600, the model service unit 120, as shown in FIG. 11, 'unknown calf', 'date You can create a radar chart including management keywords such as 'legs', 'thin ankles', 'pretty thighs', 'sagging hips', and 'muscle-to-fat ratio'.

S700 단계에서, 모델 서비스부(120)는 압박스타킹 추출 인공지능 모델을 이용하여, S500 단계에서 생성된 예측이미지에 적용된 압박스타킹의 종류를 추출할 수 있다. 모델 서비스부(120)는 압박스타킹 추출 인공지능 모델에, 피검자의 예진데이터, 문진데이터와, S500단계에서 생성된 예측이미지를 압박스타킹 착용 후 이미지로 입력하여, 예측 이미지에 적용된 압박스타킹의 종류를 추출함으로써(S700) 최적 압박스타킹으로 추천할 수 있다. In step S700, the model service unit 120 may extract the type of compression stockings applied to the prediction image generated in step S500 by using the compression stocking extraction artificial intelligence model. The model service unit 120 inputs the compression stocking extraction artificial intelligence model, the patient's pre-diagnosis data, questionnaire data, and the prediction image generated in step S500 as the image after wearing the compression stocking, the type of compression stocking applied to the prediction image By extracting (S700), it can be recommended as an optimal compression stocking.

다음으로, 모델 서비스부(120)는 상기 모델 서비스부가, S700단계에서 추천된 압박스타킹의 종류(형태 및 사이즈)에 기초하여 예측이미지에 압박스타킹이 시뮬레이션된 이미지를 생성하여 출력함으로써, 시뮬레이션 결과를 확인 할 수 있도록 한다. 이때, 압박스타킹 디자인 및 수치정보를 표시할 수 있다(S800).Next, the model service unit 120 generates and outputs an image in which the compression stocking is simulated in the prediction image based on the type (form and size) of the compression stocking recommended in step S700 by the model service unit and outputs the simulation result. so you can check At this time, it is possible to display the compression stocking design and numerical information (S800).

일 예로, S700단계에서 추천된 압박스타킹의 종류가 다음의 표2와 같은 경우, S800단계에서는 도 14와 같은 시뮬레이션된 이미지를 제공할 수 있다.For example, if the type of compression stockings recommended in step S700 is as shown in Table 2 below, a simulated image as shown in FIG. 14 may be provided in step S800.

Figure 112021111059587-pat00002
Figure 112021111059587-pat00002

한편, 이는 하나의 일 실시 예일 뿐이며, 도 9 내지 도 13의 예측이미지에 수치정보와 함께 압박스타킹이 시뮬레이션된 이미지를 제공할 수도 있다.On the other hand, this is only one embodiment, and may provide an image in which compression stockings are simulated together with numerical information in the prediction images of FIGS. 9 to 13 .

또한, S800 단계는 모델 서비스부(120)가 디스플레이 되는 결과 데이터, 예를 들어 네트워크를 통해 연결된 관리자 단말 또는 피검자의 데스크탑 PC, 노트북 PC, 태블릿 PC, 스마트폰 등의 단말로 전송하여 도12과 같이 현재의 피검자 이미지와, 1개월 후 예측 이미지, 3개월 후 예측 이미지가 디스플레이될 수 있도록 한다.In step S800, the model service unit 120 transmits the displayed result data, for example, to a terminal such as an administrator terminal connected through a network or a desktop PC, a notebook PC, a tablet PC, a smart phone, etc. of the subject, as shown in FIG. The current subject image, the prediction image after 1 month, and the prediction image after 3 months can be displayed.

이때, 모델 서비스부(120)는 현재 상태의 데이터, 1개월 후 예측 이미지와 수치 데이터 및 3개월 후 예측 이미지와 수치 데이터 등에 기반하여 피검자의 다리 상태를 평가하고, 예를 들어, "현재 ○○○님의 다리는 평균 다리 입니다.", "현재 ○○○님의 다리는 예쁜 다리 입니다.", "○○형(형태) 및 ○○사이즈의 압박스타킹을 착용하면 예쁜 다리가 될 것입니다." 또는 "○○형(형태) 및 ○○사이즈의 압박스타킹을 ○○개월 착용하면 극세사 다리가 될 것입니다." 등의 평가 결과를 출력할 수도 있다.At this time, the model service unit 120 evaluates the leg condition of the subject based on the data of the current state, the predicted image and numerical data after 1 month, and the predicted image and numerical data after 3 months, for example, "current ○○ ○Your legs are average.", "Currently, ○○○'s legs are pretty.", "If you wear ○○ type (shape) and ○○ size compression stockings, you will have beautiful legs. " Or "If you wear ○○ type (shape) and ○○ size compression stockings for ○○ months, you will have microfiber legs." It is also possible to output evaluation results such as.

또한, S800 단계는 도9 또는 도10에 나타낸 가상의 압박스타킹 착용 후 예측 이미지(140), 의복 착용 후 예측 이미지(150)와 학습 데이터의 압박스타킹 착용 후 이미지 중에서 가장 유사한 값을 갖는 압박스타킹 착용 후 이미지를 검색하여 도 13과 같이 외부 단말을 통해 디스플레이 할 수도 있다.In addition, step S800 is to wear compression stockings having the most similar value among the prediction image 140 after wearing the virtual compression stockings shown in FIG. 9 or 10, the prediction image 150 after wearing the clothes, and the image after wearing the compression stocking of the learning data. After the image is retrieved, it may be displayed through an external terminal as shown in FIG. 13 .

또한, S800 단계는 도9 내지 도14에서 변환된 예측 이미지와 레이더 차트, 추천 압박스타킹 종류 등이 포함된 파일을 관리자 단말 또는 피검자의 외부 단말(200)로 전송하여 디스플레이 될 수 있도록 한다.In addition, step S800 transmits the file including the prediction image converted in FIGS. 9 to 14 , the radar chart, the recommended type of compression stocking, etc. to the manager terminal or the external terminal 200 of the examinee so that it can be displayed.

또한, 외부 단말(200)은 피검자로부터 입력되는 전화 연결, 상담 요청, 예약 등의 추가 요청에 대하여 모델 서비스부(120)로 전송할 수도 있다. 따라서, 피검자의 신체와 관련된 데이터를 기초로 시뮬레이션을 통해 최적의 신체 변환 예측 데이터를 제공할 수 있고, 피검자의 고민 또는 관심사를 기초로 시뮬레이션 데이터를 생성하고, 해당 고민 또는 관심사와 관련된 최적의 신체 변환 예측 데이터를 기반으로 피검자에게 최적의 압박스타킹을 추천 제공할 수 있다.In addition, the external terminal 200 may transmit to the model service unit 120 in response to additional requests such as phone connection, consultation request, reservation, etc. input from the examinee. Therefore, it is possible to provide optimal body transformation prediction data through simulation based on data related to the subject's body, generate simulation data based on the subject's concerns or concerns, and optimal body transformation related to the subject's concerns or concerns. Based on the predictive data, it is possible to recommend and provide optimal compression stockings to the subject.

상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.As described above, although described with reference to the preferred embodiment of the present invention, those skilled in the art can variously modify and change the present invention within the scope without departing from the spirit and scope of the present invention described in the claims below. You will understand that it can be done.

예를 들어, 본 발명의 일실시예 및 도면에서는 예진 데이터 및 압박스타킹의 종류가 엉덩이, 허벅지, 종아리, 발목의 둘레 및 길이인 것에 대하여 설명되었다. 본 발명은 이에 제한되지 않으며 그밖의 신체의 원통형 및 유사한 구조를 갖는 구조(방추형, 타원형 등)에도 적용될 수 있다.For example, in one embodiment and drawings of the present invention, it has been described that the types of pre-diagnosis data and compression stockings are the circumference and length of the buttocks, thighs, calves, and ankles. The present invention is not limited thereto and may be applied to other structures having a cylindrical and similar structure (fusiform, oval, etc.) of the body.

즉, 예진 데이터는 원통형, 타원형, 방추형 등의 형상을 가지는 신체의 다양한 부위인 상박, 하박, 목, 얼굴, 가슴, 배, 허리, 손가락, 발가락, 머리의 둘레 및 길이에도 적절하게 변형되어 적용되어, 얼굴둘레형, 팔뚝형, 복부형, 엉덩이둘레형, 가슴둘레형 등의 압박스타킹 종류를 구분할 수도 있다.In other words, the pre-exam data is appropriately deformed and applied to the circumference and length of the upper arm, lower arm, neck, face, chest, belly, waist, fingers, toes, and head, which are various parts of the body that have cylindrical, oval, and spindle-shaped shapes. , face circumference type, forearm type, abdomen type, hip circumference type, chest circumference type, such as compression stocking types can also be distinguished.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.Although the embodiments of the present invention have been described in more detail with reference to the accompanying drawings, the present invention is not necessarily limited to these embodiments, and various modifications may be made within the scope without departing from the technical spirit of the present invention. . Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. The protection scope of the present invention should be construed by the following claims, and all technical ideas within the equivalent range should be construed as being included in the scope of the present invention.

100 : 압박스타킹 추천시스템
110 : 모델 생성부
111 : 입력부
112 : 처리부
112a : 모델링부 112b : 키워드 추출부 112c : 압박스타킹 추출부
120 : 모델 서비스부
121 : 모니터링부 122 : 피드백부
121a : 시뮬레이션부 121b : 관리키워드 생성부 121c : 압박스타킹 추천부
130, 130' : 신체 이미지 130a, 130'a : 근육 이미지
140 : 압박스타킹 착용 후 예측 이미지
150 : 의복 착용 후 예측 이미지
200 : 외부 단말
10 : 신체 20 : 압박스타킹100: compression stocking recommendation system
110: model generation unit
111: input unit
112: processing unit
112a: modeling unit 112b: keyword extraction unit 112c: compression stocking extraction unit
120: model service department
121: monitoring unit 122: feedback unit
121a: simulation unit 121b: management keyword generation unit 121c: compression stocking recommendation unit
130, 130': body image 130a, 130'a: muscle image
140: Prediction image after wearing compression stockings
150: Prediction image after wearing clothes
200: external terminal
10: body 20: compression stockings

Claims (12)

입력된 학습 데이터로부터 압박스타킹의 착용 전 이미지와 착용 후 이미지의 변화 과정을 기계 학습을 통해 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델과, 상기 학습 데이터의 학습을 통해 문진 데이터에 기초한 텍스트 데이터로부터 고민부위, 또는 희망 내용에 상응하는 키워드를 추출하는 텍스트 랭크 인공지능 모델과, 상기 학습 데이터의 학습을 통해 상기 가상의 신체 이미지의 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성하는 모델 생성부; 및
상기 신체 변화 관리 인공지능 모델을 이용하여 신체 변화 시뮬레이션을 수행하되, 피검자로부터 측정된 신체수치와 이미지를 포함한 예진 데이터에서 문진 데이터로부터 추출된 고민 부위, 또는 희망 내용에 상응하는 관리 키워드에 상응하여 산출된 신체 변화에 따른 최적화 신체수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출하고, 상기 추출된 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초하여 변환된 예측 이미지를 생성하며,
상기 텍스트 랭크 인공지능 모델을 이용하여 피검자가 입력한 문진 데이터로부터 관리 키워드를 추출하고,
상기 압박스타킹 추출 인공지능 모델을 이용하여, 상기 예측 이미지에 적용된 압박스타킹의 종류를 추출하며,
상기 생성된 예측 이미지, 상기 관리 키워드에 기초하여 생성된 관리 방안 및 상기 추출된 압박스타킹의 종류에 기초하여 생성된 추천 압박스타킹 정보를 출력하는 모델 서비스부;를 포함하고,
상기 모델 생성부는 압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 착용 압박스타킹의 종류 및 문진 데이터를 포함한 학습 데이터를 수신하는 입력부; 및
상기 착용 전 이미지와 착용 후 이미지의 변화 과정을 기계 학습을 통해 압박스타킹 착용시의 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델과, 상기 학습 데이터를 학습하여 문진 데이터에 기초한 텍스트 데이터로부터 고민 부위 또는 희망 내용에 상응하는 키워드를 추출하는 텍스트 랭크 인공지능 모델과, 상기 학습 데이터의 학습을 통해 상기 가상의 신체 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성하는 처리부;를 포함하는, 인공지능을 이용한 압박스타킹 추천시스템.From the input learning data, the process of changing the image before and after wearing the compression stockings is machine learning to generate a virtual body image according to body changes, and body change management by processing the generated virtual body image as a simulation image An artificial intelligence model, a text rank artificial intelligence model that extracts a keyword corresponding to a troublesome part or desired content from text data based on questionnaire data through learning of the learning data, and the virtual body through learning of the learning data A model generation unit for generating an artificial intelligence model for extracting compression stockings for extracting the type of compression stockings applied to the image of the image; and
A body change simulation is performed using the body change management artificial intelligence model, but calculated according to the trouble area extracted from the questionnaire data or the management keyword corresponding to the desired content from the pre-exam data including the body values and images measured from the subject Extracting optimized body numerical data according to the changed body changes, image simulation data after wearing compression stockings, and generating a converted prediction image based on the extracted optimized numerical data and image simulation data after wearing compression stockings,
Extracting management keywords from the questionnaire data input by the examinee using the text rank artificial intelligence model,
Using the compression stocking extraction artificial intelligence model, extracting the type of compression stocking applied to the prediction image,
A model service unit for outputting the generated prediction image, the management plan generated based on the management keyword, and the recommended compression stocking information generated based on the extracted type of the compression stocking; includes;
The model generating unit includes: an input unit for receiving training data including an image before wearing compression stockings, an image after wearing compression stockings, types of compression stockings to be worn, and questionnaire data; and
Body change management artificial intelligence that generates a virtual body image according to body changes when wearing compression stockings through machine learning the process of changing the image before and after wearing the image, and processes the generated virtual body image as a simulation image A model, a text rank AI model that learns the learning data and extracts a keyword corresponding to a troublesome part or desired content from text data based on the questionnaire data, and a pressure applied to the virtual body image through learning of the learning data A compression stocking recommendation system using artificial intelligence, including; a processing unit for generating an artificial intelligence model for extraction of compression stockings to extract the type of stocking. 제1항에 있어서,
상기 처리부는 학습 데이터의 압박스타킹 착용 전 이미지와 압박스타킹 착용 후 이미지의 변화과정에 대한 이미지들을 생성적 적대 신경망(Generative Adversarial Network;GAN)으로 학습하되,
신규 피검자의 예진 데이터 이미지를 생성자(Generator)의 입력 데이터로 설정하고, 상기 학습 데이터의 이미지를 학습한 구분자(Discriminator)의 기준 이미지를 상기 신규 피검자의 예진 데이터 이미지와 비교하여 구분자의 이미지 데이터분포에 따라 분류 또는 표시하며, 신체수치 데이터와 문진 데이터에 기초한 신체 변화에 따른 가상의 신체 이미지를 생성하여 시뮬레이션 이미지로 처리하는 신체 변화관리 인공지능 모델을 생성하는, 인공지능을 이용한 압박스타킹 추천시스템.According to claim 1,
The processing unit learns the images for the process of changing the image before wearing compression stockings and after wearing the compression stockings of the learning data with a generative adversarial network (GAN),
The preliminary diagnosis data image of the new subject is set as the input data of the generator, and the reference image of the discriminator, which has learned the image of the learning data, is compared with the preliminary diagnosis data image of the new subject to determine the image data distribution of the discriminator. Compression stocking recommendation system using artificial intelligence that classifies or displays according to the data and creates a virtual body image according to body changes based on body numerical data and questionnaire data and creates an artificial intelligence model for body change management that processes it as a simulation image. 제1항에 있어서,
상기 처리부는,
상기 문진 데이터에 기초한 텍스트 데이터를 비교 분석할 키워드를, 순위에 따라 생성하는 텍스트 랭크 인공지능 모델을 생성하는, 인공지능을 이용한 압박스타킹 추천시스템. According to claim 1,
The processing unit,
A compression stocking recommendation system using artificial intelligence that generates a text rank artificial intelligence model that generates keywords to compare and analyze text data based on the questionnaire data according to the ranking. 제1항에 있어서,
상기 처리부는,
압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 착용 압박스타킹의 종류 및 문진 데이터에 기초하여 기계학습을 수행하고, 신체수치 데이터와 문진 데이터에 기초하여 압박스타킹 착용 후 이미지에 적용된 압박 스타킹 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성하는, 인공지능을 이용한 압박스타킹 추천시스템. According to claim 1,
The processing unit,
Machine learning is performed based on the image before wearing the compression stocking, the image after wearing the compression stocking, the type of compression stocking worn and the questionnaire data, and the type of compression stocking applied to the image after wearing the compression stocking based on the body numerical data and the questionnaire data A compression stocking recommendation system using artificial intelligence that creates an artificial intelligence model for extraction of compression stockings to extract. 제 1 항에 있어서,
상기 모델서비스부는,
상기 신체 변화 관리 인공지능 모델을 이용한 신체 변화 시뮬레이션을 통해 문진 데이터로부터 추출된 고민 부위, 또는 희망 내용에 상응하는 관리 키워드에 상응하여 신체 변화에 따른 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출하고, 추출된 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초한 시뮬레이션 이미지를 예측 이미지로 변환하며, 변환된 예측 이미지를 디스플레이 하는 시뮬레이션부(121a);
상기 텍스트 랭크 인공지능 모델을 이용하여 문진 데이터로부터 고민 부위 또는 희망 내용에 상응하는 관리 키워드를 추출하고, 추출한 관리 키워드를 기반으로 레이더 차트(Radar Chart)를 생성하여 디스플레이하는 관리 키워드 생성부(121b); 및
상기 압박스타킹 추출 인공지능 모델을 이용하여 추출된 추천 압박스타킹 정보를 디스플레이하는 압박스타킹 추천부를 포함하는, 인공지능을 이용한 압박스타킹 추천시스템.The method of claim 1,
The model service department,
Through body change simulation using the body change management artificial intelligence model, optimization numerical data according to body changes and image simulation data after wearing compression stockings are extracted corresponding to the areas of concern extracted from the questionnaire data or management keywords corresponding to the desired contents and a simulation unit (121a) for converting a simulation image based on the extracted optimization numerical data and image simulation data after wearing compression stockings into a prediction image, and displaying the converted prediction image;
A management keyword generating unit 121b that extracts a management keyword corresponding to the troublesome part or desired content from the questionnaire data using the text rank artificial intelligence model, and generates and displays a radar chart based on the extracted management keyword. ; and
Compression stocking recommendation system using artificial intelligence, including a compression stocking recommendation unit for displaying the recommended compression stocking information extracted using the compression stocking extraction artificial intelligence model. 제4항에 있어서,
상기 모델 서비스부는,
상기 압박스타킹 추출 인공지능 모델에, 상기 예진데이터, 문진데이터 및 상기 예측이미지를 상기 압박스타킹 착용 후 이미지로 입력하여, 상기 예진데이터 및 문진데이터를 기반으로 상기 예측 이미지에 적용된 압박스타킹의 종류를 추출하는, 인공지능을 이용한 압박스타킹 추천시스템. 5. The method of claim 4,
The model service department,
In the compression stocking extraction artificial intelligence model, the pre-diagnosis data, the questionnaire data and the prediction image are input as the images after wearing the compression stockings, and the type of compression stocking applied to the prediction image is extracted based on the pre-diagnosis data and the questionnaire data A compression stocking recommendation system using artificial intelligence. 제1항에 있어서,
상기 예진데이터는,
신체부위인 상박, 하박, 목, 얼굴, 가슴, 배, 허리, 손가락, 발가락, 머리, 엉덩이, 허벅지, 종아리, 발목 중 적어도 하나의 둘레 및 길이를 포함한 신체 측정 정보인, 인공지능을 이용한 압박스타킹 추천시스템.According to claim 1,
The preliminary data is
Compression stockings using artificial intelligence, which is body measurement information including the circumference and length of at least one of the upper and lower arms, neck, face, chest, belly, waist, fingers, toes, head, buttocks, thighs, calves, and ankles recommendation system. 제7항에 있어서,
상기 압박스타킹의 종류는, 복수 개의 형태 및 사이즈로 구분되되,
신체 압박부위에 따라 얼굴둘레형, 팔뚝형, 복부형, 엉덩이둘레형, 가슴둘레형, 팬티형, 허벅지형, 무릎형, 종아리형 및 발목형 중 하나의 형태로 구분되어 상기 관리 키워드에 매칭저장되며, 각 형태는 해당 압박기준부위의 상기 신체 측정 정보에 기반하여 분류된 복수 개의 사이즈로 구분되고,
상기 추천된 압박스타킹의 정보는, 압박스타킹의 형태 및 사이즈의 상세 정보가 되는, 인공지능을 이용한 압박스타킹 추천시스템.8. The method of claim 7,
The type of the compression stocking is divided into a plurality of shapes and sizes,
It is classified into one of face circumference type, forearm type, abdomen type, hip circumference type, chest circumference type, panty type, thigh type, knee type, calf type and ankle type according to the body pressure part, and is matched with the management keyword and stored. , each shape is divided into a plurality of sizes classified based on the body measurement information of the corresponding compression reference part,
The information of the recommended compression stockings, which becomes detailed information of the shape and size of the compression stockings, a compression stocking recommendation system using artificial intelligence. 제1항에 있어서,
상기 모델 서비스부는,
상기 추출된 압박스타킹의 종류에 기초하여 상기 예측이미지에 압박스타킹이 시뮬레이션된 최종 이미지를 생성하여 출력하는, 인공지능을 이용한 압박스타킹 추천시스템.According to claim 1,
The model service department,
Compression stocking recommendation system using artificial intelligence to generate and output a final image in which the compression stocking is simulated in the prediction image based on the extracted type of compression stocking. 모델 생성부가, 입력된 학습 데이터로부터 압박스타킹의 착용 전 이미지와 착용 후 이미지의 변화 과정을 기계 학습을 통해 신체 변화에 따른 가상의 신체 이미지를 생성하고, 생성된 가상의 신체 이미지를 시뮬레이션 이미지로 처리하는 신체 변화 관리 인공지능 모델을 생성하는 단계;
상기 모델 생성부가, 상기 학습 데이터의 학습을 통해 문진 데이터에 기초한 텍스트 데이터로부터 고민부위, 또는 희망 내용에 상응하는 키워드를 추출하는 텍스트 랭크 인공지능 모델을 생성하는 단계;
상기 모델 생성부가, 상기 학습 데이터의 학습을 통해 상기 가상의 신체 이미지에 적용된 압박스타킹의 종류를 추출하는 압박스타킹 추출 인공지능 모델을 생성하는 단계;
모델 서비스부가, 상기 신체 변화 관리 인공지능 모델을 이용하여 신체 변화 시뮬레이션을 수행하되, 피검자로부터 측정된 신체수치와 이미지를 포함한 예진 데이터에서 문진 데이터로부터 추출된 고민 부위, 또는 희망 내용에 상응하는 관리 키워드에 상응하여 산출된 신체 변화에 따른 최적화 신체수치 데이터, 압박스타킹 착용 후 이미지 시뮬레이션 데이터를 추출하는 단계;
상기 모델 서비스부가, 상기 추출된 최적화 수치 데이터와 압박스타킹 착용 후 이미지 시뮬레이션 데이터에 기초하여 변환된 예측 이미지를 생성하는 단계;
상기 모델 서비스부가, 상기 텍스트 랭크 인공지능 모델을 이용하여 피검자가 입력한 문진 데이터로부터 관리 키워드를 추출하는 단계;
상기 모델 서비스부가, 상기 압박스타킹 추출 인공지능 모델을 이용하여, 상기 예측 이미지에 적용된 압박스타킹의 종류를 추출하는 단계; 및
상기 모델 서비스부가, 상기 관리 키워드에 기초하여 생성된 관리 방안 및 상기 추출된 압박스타킹의 종류에 기초하여 생성된 추천 압박스타킹 정보를 출력하는 단계를 포함하고,
상기 학습데이터는, 압박스타킹의 착용 전 이미지, 압박스타킹 착용 후 이미지, 압박스타킹 착용 전후의 신체수치, 착용 압박스타킹의 종류 및 문진 데이터를 포함하는, 인공지능을 이용한 압박스타킹 추천방법.The model generator generates a virtual body image according to body changes through machine learning for the process of changing the image before and after wearing the compression stocking from the input learning data, and processes the generated virtual body image as a simulation image generating an artificial intelligence model for managing body changes;
generating, by the model generating unit, a text rank AI model for extracting a keyword corresponding to a troublesome part or desired content from text data based on questionnaire data through learning of the learning data;
generating, by the model generation unit, a compression stocking extraction artificial intelligence model for extracting the type of compression stocking applied to the virtual body image through learning of the learning data;
The model service unit performs a body change simulation using the body change management artificial intelligence model, but a management keyword corresponding to the troublesome part extracted from the questionnaire data from the preliminary data including the body figure and image measured from the subject, or the desired content extracting optimized body numerical data according to the calculated body changes and image simulation data after wearing compression stockings;
generating, by the model service unit, a converted prediction image based on the extracted optimization numerical data and image simulation data after wearing compression stockings;
extracting, by the model service unit, a management keyword from the questionnaire data input by the examinee using the text rank artificial intelligence model;
The model service unit, using the compression stocking extraction artificial intelligence model, extracting the type of compression stockings applied to the prediction image; and
Comprising the step of outputting, by the model service unit, the recommended compression stocking information generated based on the type of the extracted compression stocking and the management plan generated based on the management keyword,
The learning data, the compression stocking recommendation method using artificial intelligence, including an image before and after wearing compression stockings, an image after wearing compression stockings, body values before and after wearing compression stockings, types of wearing compression stockings, and questionnaire data. 제10항에 있어서,
상기 모델 서비스부가, 상기 추출된 압박스타킹의 종류에 기초하여 상기 예측이미지에 압박스타킹이 시뮬레이션된 최종 이미지를 생성하여 출력하는 단계를 더 포함하는, 인공지능을 이용한 압박스타킹 추천방법,11. The method of claim 10,
Compression stocking recommendation method using artificial intelligence, further comprising the step of the model service unit generating and outputting a final image in which the compression stocking is simulated in the prediction image based on the type of the extracted compression stocking, 제11항에 있어서,
상기 압박스타킹의 종류는, 복수 개의 형태 및 사이즈로 구분되되,
신체 압박부위에 따라 얼굴둘레형, 팔뚝형, 복부형, 엉덩이둘레형, 가슴둘레형, 팬티형, 허벅지형, 무릎형, 종아리형 및 발목형 중 하나의 형태로 구분되어 상기 관리 키워드에 매칭저장되며, 각 형태는 해당 압박기준부위의 상기 신체 측정 정보에 기반하여 분류된 복수 개의 사이즈로 구분되고,
상기 추천된 압박스타킹의 정보는, 압박스타킹의 형태 및 사이즈의 상세 정보가 되는, 인공지능을 이용한 압박스타킹 추천방법.

12. The method of claim 11,
The type of the compression stocking is divided into a plurality of shapes and sizes,
It is classified into one of face circumference type, forearm type, abdomen type, hip circumference type, chest circumference type, panty type, thigh type, knee type, calf type and ankle type according to the body pressure part, and is matched with the management keyword and stored. , each shape is divided into a plurality of sizes classified based on the body measurement information of the corresponding compression reference part,
The information of the recommended compression stockings, the form and size of the compression stockings are detailed information, compression stocking recommendation method using artificial intelligence.
KR1020210127694A 2021-09-28 2021-09-28 System and method for recommending compression stocking using artificial intelligence KR102465770B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210127694A KR102465770B1 (en) 2021-09-28 2021-09-28 System and method for recommending compression stocking using artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210127694A KR102465770B1 (en) 2021-09-28 2021-09-28 System and method for recommending compression stocking using artificial intelligence

Publications (1)

Publication Number Publication Date
KR102465770B1 true KR102465770B1 (en) 2022-11-10

Family

ID=84101852

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210127694A KR102465770B1 (en) 2021-09-28 2021-09-28 System and method for recommending compression stocking using artificial intelligence

Country Status (1)

Country Link
KR (1) KR102465770B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101524019B1 (en) 2014-02-11 2015-05-29 전남대학교산학협력단 Leg model for standard pressure setting and measurement of medical compression stocking
JP2018518609A (en) * 2015-06-25 2018-07-12 シックス オクロック エンタープライズ ピーティーワイ リミテッド６ Ｏ’Ｃｌｏｃｋ Ｅｎｔｅｒｐｒｉｓｅｓ Ｐｔｙ Ｌｔｄ Resistance garment having a seamless integral resistance zone
KR102224056B1 (en) * 2019-10-07 2021-03-09 주식회사 예스나우 System and method for ai based prediction of wearing fit
KR20210070623A (en) * 2019-12-05 2021-06-15 엘지전자 주식회사 An artificial intelligence apparatus for extracting user interest and method for the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101524019B1 (en) 2014-02-11 2015-05-29 전남대학교산학협력단 Leg model for standard pressure setting and measurement of medical compression stocking
JP2018518609A (en) * 2015-06-25 2018-07-12 シックス オクロック エンタープライズ ピーティーワイ リミテッド６ Ｏ’Ｃｌｏｃｋ Ｅｎｔｅｒｐｒｉｓｅｓ Ｐｔｙ Ｌｔｄ Resistance garment having a seamless integral resistance zone
KR102224056B1 (en) * 2019-10-07 2021-03-09 주식회사 예스나우 System and method for ai based prediction of wearing fit
KR20210070623A (en) * 2019-12-05 2021-06-15 엘지전자 주식회사 An artificial intelligence apparatus for extracting user interest and method for the same

Similar Documents

Publication Publication Date Title
JP6013669B1 (en) Human body model providing system, human body model transformation method, and computer program
US20060089543A1 (en) Method, medium, and apparatus generating health state based avatars
US11211162B1 (en) Methods and systems for identifying body part or body area anatomical landmarks from digital imagery for the fitting of compression garments for a person in need thereof
JP7057589B2 (en) Medical information processing system, gait state quantification method and program
KR102242377B1 (en) Musculoskeletal Pain Management Method through Musculoskeletal Cause Analysis
Kim et al. South Korean anthropometric data and survey methodology:‘Size Korea’project
Donofrio et al. Development and validation of a photonumeric scale for evaluation of infraorbital hollows
EP3933851A1 (en) Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin laxity
JP2017176803A (en) Human body model providing system, human body model deforming method, and computer program
EP4082435A1 (en) Methods and systems for identifying body part or body area anatomical landmarks from digital imagery for the fitting of compression garments for a person in need thereof
CN114947756B (en) Atopic dermatitis severity intelligent evaluation decision-making system based on skin image
Landau et al. Validated assessment scales for décolleté wrinkling and pigmentation
KR102465770B1 (en) System and method for recommending compression stocking using artificial intelligence
Chi et al. A new parametric 3D human body modeling approach by using key position labeling and body parts segmentation
KR20100013821A (en) Remote-diagnosis system and method using network
US20230116033A1 (en) Methods and systems for generating accurately fitting compression garments having glove or glove-like features for a person in need thereof
KR102323667B1 (en) Method and apparatus for providing simulation information for body management procedure using artificial intelligence
Cloud et al. “Drawing” conclusions about perceptions of ideal male and female body shapes
Kalbande et al. An artificial intelligence approach for the recognition of early stages of eczema
Carter et al. Physique: phenotype, somatotype and 3D scanning
Karageorgos et al. Intelligent recommendation system for customized ergonomic furniture design
Petre et al. Towards Fast and Robust Body Measurements Extraction.
Cheung Study on the effect of sports bra on senior women exercise behavior based on the psychological and biomechanical analysis
KR102210550B1 (en) Musculoskeletal Pain Management Method of sports damage
Xie Investigation on body sizes and skin surface area variations due to joint movements and its application on woven uniform fit improvements

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant