KR20230082495A - 두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 - Google Patents

두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 Download PDF

Info

Publication number
KR20230082495A
KR20230082495A KR1020210170455A KR20210170455A KR20230082495A KR 20230082495 A KR20230082495 A KR 20230082495A KR 1020210170455 A KR1020210170455 A KR 1020210170455A KR 20210170455 A KR20210170455 A KR 20210170455A KR 20230082495 A KR20230082495 A KR 20230082495A
Authority
KR
South Korea
Prior art keywords
scalp
data
image data
region
generating
Prior art date
Application number
KR1020210170455A
Other languages
English (en)
Inventor
문외숙
안성재
Original Assignee
주식회사 에코마인
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 주식회사 에코마인 filed Critical 주식회사 에코마인
Priority to KR1020210170455A priority Critical patent/KR20230082495A/ko
Publication of KR20230082495A publication Critical patent/KR20230082495A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/446—Scalp evaluation or scalp disorder diagnosis, e.g. dandruff
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0013—Medical image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Psychiatry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Dermatology (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 태양에 따르면, 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성하는 방법으로서, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 단계, 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 상기 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 단계, 및 상기 제1 가공 데이터를 참조하여 상기 두피 분석 모델의 학습 데이터를 생성하는 단계를 포함하는 방법이 제공된다.

Description

두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체{METHOD, SYSTEM AND NON-TRANSITORY COMPUTER-READABLE RECODING MEDIUM FOR GENERATING LEARNING DATA OF SCALP ANALYSIS MODEL}
본 발명은 두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
현대사회의 환경오염 및 스트레스의 영향으로 사람들의 두피 건강이 악화되는 추세이다. 이러한 사정으로 인하여, 두피 건강 및 분석에 대한 사람들의 관심이 크게 증가하고 있다. 이와 함께, 두피 분석 모델에 대한 다양한 연구가 진행되고 있다.
특히, 머신 러닝 기술을 적용한 두피 분석 모델의 학습데이터를 생성하는 기술에 대한 필요성이 대두되고 있다.
종래 기술의 일 예로서, 한국등록특허공보 제10-2047237호의 영상 데이터를 분석하는 인공 지능을 이용한 질병 진단 방법 및 진단 시스템에 관한 기술을 예로 들 수 있다. 하지만, 위의 종래 기술은 두피 영역별로 서로 다른 신경망 모델을 구축하는 것에 불과하여, 머신 러닝 기술을 적용한 두피 분석 모델에 효과적으로 적용되기 어렵다는 한계가 존재한다.
또한, 이러한 종래 기술에 따르면, 타겟이 되는 두피 이상 증상에 맞게 가공된 두피 분석 모델을 각각 생성하기 어렵다는 한계도 존재한다.
한국등록특허공보 제10-2047237호 (2019. 11. 15)
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 단계, 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 단계, 및 제1 가공 데이터를 참조하여 상기 두피 분석 모델의 학습 데이터를 생성하는 단계를 포함하는 방법을 제공하는 것을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성하는 방법으로서, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 단계, 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 상기 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 단계, 및 상기 제1 가공 데이터를 참조하여 상기 두피 분석 모델의 학습 데이터를 생성하는 단계를 포함하는 방법이 제공된다.
또한, 본 발명의 다른 태양에 따르면, 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성하는 시스템으로서, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 이미지 데이터 획득부, 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 상기 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 제1 가공 데이터 생성부, 및 상기 제1 가공 데이터를 참조하여 상기 두피 분석 모델의 학습 데이터를 생성하는 학습 데이터 생성부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성함으로써, 효율적으로 사용자의 두피를 분석할 수 있게 되는 효과가 달성된다.
또한, 본 발명의 의하면, 타겟이 되는 두피 이상 증상에 맞게 가공된 두피 분석 모델을 생성할 수 있게 되는 효과가 달성된다.
도 1은 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터를 생성하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터 생성 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터 생성을 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터를 생성하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 학습 데이터 생성 시스템(200) 및 디바이스(300)를 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 무선주파수(RF; Radio Frequency) 통신, 와이파이(WiFi) 통신, 셀룰러(LTE 등) 통신, 블루투스 통신(더 구체적으로는, 저전력 블루투스(BLE; Bluetooth Low Energy)), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
다음으로, 본 발명의 일 실시예에 따른 학습 데이터 생성 시스템(200)은, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 단계, 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 단계, 및 제1 가공 데이터를 참조하여 두피 분석 모델의 학습 데이터를 생성하는 단계를 포함하는 방법으로 구성되며, 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성하는 기능을 수행할 수 있고, 두피 이상 증상에 맞게 가공된 두피 분석 모델을 생성함으로써 두피 모델을 다양화하는 기능을 수행할 수 있다.
본 발명의 일 실시예에 따른 학습 데이터 생성 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다.
다음으로, 본 발명의 일 실시예에 따른 디바이스(300)는 학습 데이터 생성 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿, 스마트 워치, 스마트 밴드, 스마트 글래스, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(300)로서 채택될 수 있다.
한편, 본 발명의 일 실시예에 따른 디바이스(300)는, 학습 데이터 생성 시스템(200)으로부터 본 발명에 따른 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 학습 데이터 생성 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 학습 데이터 생성 시스템(200)의 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230), 통신부(240) 및 제어부(250)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
다음으로, 본 발명의 일 실시예에 따르면, 디바이스(300)는 통신망(100)을 통해 학습 데이터 생성 시스템(200)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿 PC 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 휴대 가능한 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(300)로서 채택될 수 있다.
학습 데이터 생성 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 학습 데이터 생성 시스템(200)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터 생성 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 학습 데이터 생성 시스템(200)은, 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230), 통신부(240) 및 제어부(250)를 포함할 수 있다. 본 발명의 일 실시예에 따르면, 학습 데이터 생성 시스템(200)의 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 학습 데이터 생성 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 학습 데이터 생성 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 학습 데이터 생성 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 학습 데이터 생성 시스템(200)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 디바이스(300) 또는 서버(미도시됨) 내에서 실현되거나 외부 시스템(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.
먼저, 본 발명의 일 실시예에 따른 이미지 데이터 획득부(210)는, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득함으로써, 학습 데이터 생성을 위한 이미지 데이터의 획득을 수행할 수 있다.
예를 들어, 피측정자의 복수의 두피 영역 중 적어도 하나의 두피 영역에 대하여 소정의 촬영 장치 또는 이미지 획득 장치를 통하여 이미지 데이터를 획득할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 이미지 데이터 획득부(210)에 의하여 획득되는 이미지 데이터에는 두피 영역별 이미지, 두피 영역 좌표별 이미지 및 두피 부위별 이미지 등이 포함될 수 있다. 또한, 본 발명의 일 실시예에 따른 이미지 데이터 획득부(210)의 이미지 데이터 획득 장치는 두피 카메라를 포함한 소정의 촬영 장치 또는 두피 현미경, 두피 확대 촬영 장치를 포함한 소정의 이미지 획득 장치를 포함할 수 있다. 다만, 이미지 획득 장치로 결정되는 다양한 유형의 장치는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 유형의 영역이 포함될 수 있다.
다음으로, 도 3 및 도 4는 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터 생성을 예시적으로 나타내는 도면이다.
먼저, 도 3에는 제1 가공 데이터 생성부(220)에서 이용되는 이미지 데이터(211)를 피측정자의 두피 영역의 위치에 따라 결정되는 과정을 예시적으로 보여준다.
본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)는, 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 상기 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서, 적어도 하나의 이미지 데이터에 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 라벨링함으로써, 상기 제1 가공 데이터를 생성할 수 있다. 위의 이미지 데이터는 이미지 데이터 획득부(210)로부터 획득된 이미지를 포함할 수 있다. 한편, 라벨링은 피측정자의 두피 영역을 복수의 위치로 구획하고 적어도 하나의 영역에 하나 이상의 라벨을 부여하여 구별하는 것을 포함한다. 다만, 피측정자의 두피 영역에 포함되는 복수의 영역은 반드시 상호 일정한 크기일 필요가 없음을 밝혀 둔다. 또한, 제1 가공 데이터 생성부(220)의 두피 영역 위치의 라벨링 대상이 되는 다양한 유형의 라벨은 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.
또한, 본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서, 적어도 하나의 이미지 데이터에 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치에 따라 적어도 하나의 이미지 데이터를 두피 영역 기준 좌표계상 적어도 하나의 좌표에 대응시킴으로써, 제1 가공 데이터를 생성할 수 있다. 구체적으로, 위의 좌표계는 두피 영역을 직선 또는 곡선으로 구획하고 소정의 공간 내의 임의의 지점을 표시하기 위하여 도입될 수 있으며, 직각 좌표계 또는 곡선 좌표계를 포함할 수 있다. 한편, 제1 가공 데이터 생성부(220)의 두피 영역 기준 좌표계의 대상이 되는 다양한 유형의 좌표계는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.
또한, 본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서, 적어도 하나의 이미지 데이터에 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 적어도 하나의 영역 데이터로 지정하고 적어도 하나의 영역 데이터의 영역 정보에 따라 제1 가공 데이터를 생성할 수 있다. 구체적으로, 영역 데이터의 영역 정보에는 피측정자의 두피 영역의 위치 데이터를 포함할 수 있다. 한편, 제1 가공 데이터 생성부(220)의 영역 데이터의 영역 정보의 대상이 되는 다양한 유형의 데이터는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.
다음으로, 도 4는 이미지 데이터(211), 제1 가공 데이터(221) 및 제2 가공 데이터(222)를 이용하여 학습 데이터(231)가 생성되는 과정을 예시적으로 보여준다.
본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서 생성된 제1 가공 데이터(221)를 두피 영역에 관한 문맥 정보에 맞게 적응적으로 가공하여 제2 가공 데이터(222)를 생성할 수 있다. 구체적으로, 제2 가공 데이터(222)는 제1 가공 데이터(221)에 기초하여 두피 영역의 소정의 정보에 따라 가공 및 수정된 것을 포함할 수 있다.
한편, 두피 영역에 관한 문맥 정보에는 피측정자의 두피 크기, 두피 형상, 두피 온도, 두피 영역의 위치 정보 및 두피 이상 증상 중 적어도 하나가 포함될 수 있다. 한편, 피측정자의 두피 영역을 복수의 위치로 구획하는 경우에, 피측정자의 두피 면적에 따라 구획된 개별 영역의 면적 또는 크기가 결정될 수 있고, 피측정자의 두피 곡률에 따라 구획된 개별 영역의 곡률 또는 크기가 결정될 수 있다. 다만, 두피 영역에 관한 문맥정보의 대상이 되는 다양한 유형의 정보는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.
그리고, 위의 두피 이상 증상에는, 탈모 두피, 건성 두피, 지성 두피, 각질 두피, 민감 두피 및 염증 두피 중 적어도 하나가 포함될 수 있다. 한편, 피측정자의 두피 영역을 복수의 위치로 구획하는 경우에, 위의 두피 이상 증상의 유무 따라 두피 영역을 구획할 수 있고, 두피 이상 증상의 종류에 따라 두피 영역을 구획할 수 있고, 두피 이상 증상의 형태에 따라 두피 영역을 구획할 수 있음을 밝혀 둔다. 다만, 두피 이상 증상의 대상이 되는 다양한 유형의 이상 증상은 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.
또한, 본 발명의 일 실시예에 따른 학습 데이터 생성부(230)에서 생성된 학습 데이터(231)는 인공지능 기반 두피 분석 모델의 데이터로서 활용될 수 있다. 구체적으로, 피측정자의 두피를 분석하는 모델은 머신 러닝 모델을 이용할 수 있다. 보다 더 구체적으로, 인공지능 기반 모델은 머신 러닝(Machine-learning), 딥러닝(Deep-learning), 비지도학습, 강화학습, 및 인공 신경망 등을 포함할 수 있다. 예를 들면, 인공 신경망은 그 적어도 일부가 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등으로 이루어질 수 있다. 또 다른 예를 들면, 머신 러닝 기반 분석 모델을 이용하여 피측정자의 두피 이미지 데이터를 분석한 결과, 피지 유무, 각질 유무, 두피톤, 모공 상태, 염증 및 모밀도 중 적어도 하나에 대한 결과가 산출될 수 있다.
다만, 본 발명에서 머신 러닝 기반 분석 모델을 구현하고 학습시키는 데에 이용될 수 있는 기술이 반드시 상기 열거된 것에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다. 또한, 두피 분석 모델의 대상이 되는 다양한 유형의 인공지능 기반 모델은 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.
다음으로, 본 발명의 일 실시예에 따른 통신부(240)는 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220) 및 학습 데이터 생성부(230)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(250)는 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(250)는 학습 데이터 생성 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 학습 데이터 생성 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 통신망
200: 학습 데이터 생성 시스템
210: 이미지 데이터 획득부
211: 이미지 데이터
220: 제1 가공 데이터 생성부
221: 제1 가공 데이터
222: 제2 가공 데이터
230: 학습 데이터 생성부
231: 학습 데이터
240: 통신부
250: 제어부
300: 디바이스

Claims (13)

  1. 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성하는 방법으로서,
    피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 단계,
    상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 상기 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 단계, 및
    상기 제1 가공 데이터를 참조하여 상기 두피 분석 모델의 학습 데이터를 생성하는 단계를 포함하는
    방법.
  2. 제1항에 있어서,
    상기 제1 가공 데이터 생성 단계에서, 상기 적어도 하나의 이미지 데이터에 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 라벨링함으로써, 상기 제1 가공 데이터를 생성하는
    방법.
  3. 제1항에 있어서,
    상기 제1 가공 데이터 생성 단계에서, 상기 적어도 하나의 이미지 데이터에 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치에 따라 상기 적어도 하나의 이미지 데이터를 두피 영역 기준 좌표계상 적어도 하나의 좌표에 대응시킴으로써, 상기 제1 가공 데이터를 생성하는
    방법.
  4. 제1항에 있어서,
    상기 제1 가공 데이터 생성 단계에서, 상기 적어도 하나의 이미지 데이터에 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 적어도 하나의 영역 데이터로 지정하고 적어도 하나의 영역 데이터의 영역 정보에 따라 상기 제1 가공 데이터를 생성하는
    방법.
  5. 제1항에 있어서,
    상기 제1 가공 데이터를 상기 두피 영역에 관한 문맥 정보에 맞게 적응적으로 가공하여 제2 가공 데이터를 생성하는
    방법.
  6. 제5항에 있어서,
    상기 두피 영역에 관한 문맥 정보에는, 상기 피측정자의 두피 크기, 두피 형상, 두피 온도, 두피 영역의 위치 정보 및 두피 이상 증상 중 적어도 하나가 포함될 수 있는
    방법.
  7. 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
  8. 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성하는 시스템으로서,
    피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 이미지 데이터 획득부,
    상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 상기 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 제1 가공 데이터 생성부, 및
    상기 제1 가공 데이터를 참조하여 상기 두피 분석 모델의 학습 데이터를 생성하는 학습 데이터 생성부를 포함하는
    시스템.
  9. 제8항에 있어서,
    상기 제1 가공 데이터 생성부에서, 상기 적어도 하나의 이미지 데이터에 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 라벨링함으로써, 상기 제1 가공 데이터를 생성하는
    시스템.
  10. 제8항에 있어서,
    상기 제1 가공 데이터 생성부에서, 상기 적어도 하나의 이미지 데이터에 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치에 따라 상기 적어도 하나의 이미지 데이터를 두피 영역 기준 좌표계상 적어도 하나의 좌표에 대응시킴으로써, 상기 제1 가공 데이터를 생성하는
    시스템.
  11. 제8항에 있어서,
    상기 제1 가공 데이터 생성부에서, 상기 적어도 하나의 이미지 데이터에 상기 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 적어도 하나의 영역 데이터로 지정하고 적어도 하나의 영역 데이터의 영역 정보에 따라 상기 제1 가공 데이터를 생성하는
    시스템.
  12. 제8항에 있어서,
    상기 제1 가공 데이터를 상기 두피 영역에 관한 문맥 정보에 맞게 적응적으로 가공하여 제2 가공 데이터를 생성하는
    시스템.
  13. 제12항에 있어서,
    상기 두피 영역에 관한 문맥 정보에는, 상기 피측정자의 두피 크기, 두피 형상, 두피 온도, 두피 영역의 위치 정보 및 두피 이상 증상 중 적어도 하나가 포함될 수 있는
    시스템.
KR1020210170455A 2021-12-01 2021-12-01 두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 KR20230082495A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210170455A KR20230082495A (ko) 2021-12-01 2021-12-01 두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210170455A KR20230082495A (ko) 2021-12-01 2021-12-01 두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Publications (1)

Publication Number Publication Date
KR20230082495A true KR20230082495A (ko) 2023-06-08

Family

ID=86765947

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210170455A KR20230082495A (ko) 2021-12-01 2021-12-01 두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Country Status (1)

Country Link
KR (1) KR20230082495A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102047237B1 (ko) 2017-12-13 2019-12-02 (주)엔텔스 영상 데이터를 분석하는 인공 지능을 이용한 질병 진단 방법 및 진단 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102047237B1 (ko) 2017-12-13 2019-12-02 (주)엔텔스 영상 데이터를 분석하는 인공 지능을 이용한 질병 진단 방법 및 진단 시스템

Similar Documents

Publication Publication Date Title
CN109214343B (zh) 用于生成人脸关键点检测模型的方法和装置
US10853623B2 (en) Method and apparatus for generating information
US10691928B2 (en) Method and apparatus for facial recognition
US10565442B2 (en) Picture recognition method and apparatus, computer device and computer- readable medium
US11367313B2 (en) Method and apparatus for recognizing body movement
CN109871800B (zh) 一种人体姿态估计方法、装置和存储介质
CN109829432B (zh) 用于生成信息的方法和装置
CN111652250B (zh) 基于多边形的遥感影像建筑物提取方法、装置及存储介质
US20190347824A1 (en) Method and apparatus for positioning pupil, storage medium, electronic device
US10831631B2 (en) Continuous time alignment of a collection of independent sensors
US20190114541A1 (en) Method and system of controlling computing operations based on early-stop in deep neural network
US11586977B2 (en) Electronic apparatus and control method thereof
CN111523640A (zh) 神经网络模型的训练方法和装置
CN110189252B (zh) 生成平均脸图像的方法和装置
CN109977905B (zh) 用于处理眼底图像的方法和装置
US11108844B1 (en) Artificial intelligence based imaging systems and methods for interacting with individuals via a web environment
JP2014170488A (ja) 推定顔生成装置、顔照合装置、推定顔生成方法及び推定顔生成プログラム
US11216067B2 (en) Method for eye-tracking and terminal for executing the same
US20200236427A1 (en) Personalized content aggregation & delivery
US11497455B2 (en) Personalized monitoring of injury rehabilitation through mobile device imaging
CN113159188B (zh) 用于图像分类的模型生成方法、装置、设备及存储介质
KR20230082495A (ko) 두피 분석 모델의 학습 데이터를 생성하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
CN111276138B (zh) 一种语音唤醒系统中处理语音信号的方法及装置
US9900783B2 (en) Adaptively position objects through mobile signal sources
US20220181006A1 (en) Universal image representation based on a multimodal graph

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application