WO2022030782A1 - 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템 - Google Patents

빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템 Download PDF

Info

Publication number
WO2022030782A1
WO2022030782A1 PCT/KR2021/008868 KR2021008868W WO2022030782A1 WO 2022030782 A1 WO2022030782 A1 WO 2022030782A1 KR 2021008868 W KR2021008868 W KR 2021008868W WO 2022030782 A1 WO2022030782 A1 WO 2022030782A1
Authority
WO
WIPO (PCT)
Prior art keywords
diagnosis
scalp
artificial intelligence
image
data
Prior art date
Application number
PCT/KR2021/008868
Other languages
English (en)
French (fr)
Inventor
박동순
정정일
Original Assignee
아람휴비스 주식회사
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 아람휴비스 주식회사 filed Critical 아람휴비스 주식회사
Priority to CN202180005562.3A priority Critical patent/CN114430850A/zh
Priority to US17/765,281 priority patent/US20230178238A1/en
Priority to EP21852452.8A priority patent/EP4024408A4/en
Priority to JP2022536822A priority patent/JP7353684B2/ja
Publication of WO2022030782A1 publication Critical patent/WO2022030782A1/ko

Links

Images

Classifications

    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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
    • 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
    • G16H50/20—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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Definitions

  • the present invention relates to an artificial intelligence scalp image diagnosis and analysis system using big data and a product recommendation system using the same, and more particularly, an accurate diagnosis function through artificial intelligence (deep learning) image analysis with the image of the scalp measured by the diagnostician. It relates to an artificial intelligence scalp image diagnosis analysis system using big data that implements and recommends products suitable for scalp conditions according to the diagnosis results diagnosed by artificial intelligence, and a product recommendation system using the same.
  • the diagnostician visually compares the reference images for each item with the diagnostic images to find similar images and manually selects the diagnostic values.
  • the diagnostic results for each diagnostic item eg, dry, sensitive, inflammatory, alopecia, good, oily, dandruff, seborrheic
  • the diagnosis result eg, inflammatory among several items
  • This prior art has a problem in that the speed to obtain a diagnostic result is slow and the accuracy (less than 70%) is low.
  • an object of the present invention is to implement an accurate diagnosis function through artificial intelligence (deep learning) image analysis with the image of the scalp measured by the diagnoser and to check the diagnosis result in real time
  • An artificial intelligence scalp image diagnosis analysis system using big data that can provide high-accuracy diagnosis results, and recommend products suitable for scalp conditions according to the diagnosis results diagnosed by artificial intelligence, and a product recommendation system using the same is to provide.
  • the questionnaire information obtained by asking the examiner and the scalp image image obtained by any one of the scalp diagnosis device or the terminal are received and received as a cloud service through API (RESTful).
  • each diagnosis item eg, dryness, sensitivity, inflammatory, alopecia, good, oily, dandruff
  • an artificial intelligence processor that performs AI analysis and recommendation service classified by any part of boredom, etc.
  • a scalp diagnosis AI algorithm that receives information classified as all or part of each diagnosis item from the AI processor, executes learning and reading by a deep learning algorithm, and performs a detailed detailed diagnosis to derive a final result diagnosis class,
  • the questionnaire information obtained by asking the examiner and the scalp image image obtained by any one of the scalp diagnosis device or the terminal are received and received as a cloud service through API (RESTful). All or part of each diagnosis item (for example, Dry, sensitive, inflammatory, alopecia, good, oily, dandruff, seborrheic, etc.)
  • a main processor that transmits the recommended product along with the recommended product back to the diagnostician's terminal in real time through the API in accordance with the diagnosis and appropriate prescription;
  • each diagnosis item eg, dryness, sensitivity, inflammatory, hair loss, good, oily, dandruff,
  • An artificial intelligence processor that performs artificial intelligence (AI) analysis that classifies the whole or any part of boredom, etc.;
  • Deep learning A scalp diagnosis AI algorithm that derives the final result diagnosis by carrying out a detailed detailed diagnosis by the Deep Learning algorithm
  • a scalp image image acquired from a diagnostician by either a scalp diagnostic device or a terminal is received as a cloud service through API (RESTful), and the received questionnaire information is diagnosed
  • An artificial intelligence processor that performs AI analysis to classify all or a part of each item;
  • the final diagnosis result by receiving the information classified as all or part of each diagnosis item from the AI processor, learning and reading by using the information of big data by a deep learning algorithm, and performing a detailed detailed diagnosis This was done by including the scalp diagnosis AI algorithm that derives
  • the 'AI scalp image diagnosis analysis system using big data and product recommendation system using the same' according to the present invention implements and diagnoses an accurate diagnosis function through artificial intelligence (deep learning) image analysis with the image of the scalp measured by the diagnoser. Results can be checked in real time, high-accuracy diagnostic results can be obtained, and products suitable for scalp conditions can be recommended according to the diagnostic results diagnosed by artificial intelligence.
  • artificial intelligence deep learning
  • FIGS. 1 and 2 are diagrams illustrating a method for manually diagnosing the scalp by the naked eye in the prior art.
  • FIG. 3 and 4 are overall block diagrams showing the scalp diagnosis function through artificial intelligence (deep learning) image analysis as “an artificial intelligence scalp image diagnosis and analysis system using big data and a product recommendation system using the same” according to the present invention. to be.
  • FIG 5 and 6 are overall block diagrams showing the scalp diagnosis function through artificial intelligence (deep learning) image analysis as another "AI scalp image diagnosis and analysis system using big data” according to the present invention.
  • FIG. 7 is an exemplary diagram showing the Inception V3 model as a deep learning algorithm in "AI scalp image diagnosis analysis system using big data and product recommendation system using the same" according to the present invention.
  • 8A to 8C are "AI scalp images using big data” according to the present invention.
  • scalp questionnaire and scalp Accurately diagnose the scalp of the patient through image analysis, as well as quickly and real-time It is an exemplary diagram showing that a diagnosis result can be obtained.
  • 10 is an artificial intelligence scalp image diagnosis analysis using big data according to the present invention.
  • 11 is an artificial intelligence scalp image diagnosis analysis using big data according to the present invention. Detailed through AI analysis diagnosis in "System and product recommendation system using it” Mapping algorithm for customized scalp care shampoo and serum products according to scalp type determination Confirmation and system are shown.
  • FIGS. 3 to 4 An embodiment will be described as an artificial intelligence scalp image diagnosis and analysis system using big data of the present invention according to FIGS. 3 to 4 and a product recommendation system using the same, and will be described with reference to other attached drawings as needed .
  • the questionnaire information obtained by asking the examiner and the scalp image image obtained by either the scalp diagnosis device or the terminal 1 are received and received through the API (RESTful) 2 as a cloud service.
  • the main processor (3) that diagnoses the questionnaire information with its own algorithm and transmits the scalp image to the artificial intelligence processor to perform scalp diagnosis, and the scalp received from the main processor (3)
  • all or part of each diagnosis item eg, any part of dryness, sensitivity, inflammatory, alopecia, good, oily, dandruff, seborrhea, etc.
  • An artificial intelligence processor 5 that performs an AI analysis to classify, and all or any part of each diagnostic item from the artificial intelligence processor 5 (eg, dryness, sensitivity, inflammatory, alopecia, good, oily, dandruff,
  • the scalp diagnosis AI algorithm 6 which derives the final result diagnosis by receiving information classified as seborrheic, etc.) Measurement, diagnosis, and recommendation data are accumulated, and
  • the main processor 3 diagnoses the questionnaire information received from the diagnostician and the scalp image image by using its own algorithm built in the main processor 3 for the questionnaire information. That is, the scalp information data constructed from the database is provided and the questionnaire information received from the diagnostician is diagnosed by its own algorithm.
  • the classified information is classified into a certain part, and a precise diagnosis is extracted by the scalp diagnosis AI algorithm, and the diagnosis result and the questionnaire information are used to provide a diagnosis and a prescription suitable for it. .
  • the artificial intelligence service 5 collects data by learning the scalp as a deep learning step by artificial intelligence (AI) analysis by using big data information for the received scalp image image, and collecting data It classifies data, classifies the collected data as training data and test data (8:2), performs classification learning and verification, and derives an inference model (CNN: Convolutional Neural Network).
  • AI artificial intelligence
  • the scalp diagnosis AI algorithm 6 receives information classified as all or any part of dryness, sensitivity, inflammation, alopecia, good, oily, dandruff, seborrhea, etc. by item from the artificial intelligence processor 5 And for the received classification information, by utilizing the information of big data in the database, learning and reading are performed using the Inception V3 model (see Fig. 7) as a deep learning algorithm, and a scalp image set is added. By inferring the image through retraining, the final result diagnosis is derived with a specific precise diagnosis.
  • the questionnaire information obtained by asking the examiner and the scalp image image obtained by any one of the scalp diagnosis device or the terminal 1 are received as a cloud service through the API (RESTful) 2
  • AI artificial intelligence
  • the main processor 3 is configured to transmit in real time to the diagnostician's terminal through the API again along with the recommended product in accordance with the diagnosis based on the questionnaire information and the appropriate prescription.
  • the artificial intelligence processor 5 is configured to perform AI analysis and recommendation service classified into all or any part of intelligence, dandruff, seborrhea, etc.).
  • the scalp diagnosis AI algorithm (6) is configured to derive the final result diagnosis by carrying out specific precise diagnosis by the Deep Learning algorithm.
  • a scalp image image acquired from a diagnostician by either the scalp diagnostic device or the terminal 1 is used as a cloud service API (RESTful) (2) Configures the artificial intelligence processor 5-1 to perform AI analysis that is received through and classifies the received scalp image image into all or a part of each diagnostic item.
  • RESTful cloud service API
  • the artificial intelligence processor 5-1 collects data by learning the scalp as a deep learning step by artificial intelligence (AI) analysis by using the information of big data, and classifies the collected learning data (labeling). ), classify the collected data into training data and test data (8:2), learn and verify, and derive an inference model (CNN: Convolutional Neural Network).
  • AI artificial intelligence
  • CNN Convolutional Neural Network
  • the Deep Learning uses TensorFlow and performs scalp classification (CNN: object recognition, object recognition) through retraining using the Inception V3 model. or classified as a part.
  • CNN object recognition, object recognition
  • the scalp diagnosis AI algorithm 6-1 further retrains the scalp image set using the Inception V3 model (see FIG. 7) as a deep learning algorithm for the classified information by item.
  • the final diagnosis result is derived through precise diagnosis by inferring the image.
  • the questionnaire information obtained by asking the examiner and the scalp image image obtained by any one of the scalp diagnosis device or the terminal 1 are received and received through the API (RESTful) 2 as a cloud service.
  • the main processor 3 which diagnoses the questionnaire information with its own algorithm and transmits the scalp image image to the artificial intelligence processor to perform scalp diagnosis, and the main processor 3 Using the accumulated data of the database 4 for the scalp image image, all or any part of each diagnosis item (eg, any part of dryness, sensitivity, inflammatory, alopecia, good, oily, dandruff, seborrhea, etc.)
  • An artificial intelligence processor 5 that performs an AI analysis classified as, and all or any part of each diagnostic item from the artificial intelligence processor 5 (eg, dryness, sensitivity, inflammatory, alopecia, good, oily, dandruff) , seborrheic, etc.), a scalp diagnosis AI algorithm (6) that derives a final result diagnosis by executing learning and reading by a deep learning
  • the main processor 3 diagnoses the questionnaire information received from the diagnostician and the scalp image image by using its own algorithm built in the main processor 3 for the questionnaire information. That is, the scalp information data constructed from the database is provided and the questionnaire information received from the diagnostician is diagnosed by its own algorithm.
  • the classified information is classified into a certain part, and a precise diagnosis is extracted by the scalp diagnosis AI algorithm, and the diagnosis result and the questionnaire information are used to provide a diagnosis and a prescription suitable for it. .
  • the artificial intelligence service 5 collects data by learning the scalp as a deep learning step by artificial intelligence (AI) analysis by using big data information for the received scalp image image, and collecting data It classifies data, classifies the collected data as training data and test data (8:2), performs classification learning and verification, and derives an inference model (CNN: Convolutional Neural Network).
  • AI artificial intelligence
  • TensorFlow is used and the Inception V3 model is used to perform scalp classification (CNN: object recognition) through retraining to diagnose All or part of each item (eg, all or part of dryness, sensitivity, inflammatory, alopecia, good, oily, dandruff, seborrhea, etc.) is classified.
  • CNN object recognition
  • the scalp diagnosis AI algorithm 6 receives information classified as all or any part of dryness, sensitivity, inflammation, alopecia, good, oily, dandruff, seborrhea, etc. by item from the artificial intelligence processor 5 And for the received classification information, by utilizing the information of big data in the database, learning and reading are performed using the Inception V3 model (see Fig. 7) as a deep learning algorithm, and a scalp image set is added. By inferring the image through retraining, the final result diagnosis is derived with a specific precise diagnosis.
  • the diagnosis method uses Google's deep learning model, but is not limited thereto, and other deep learning models such as MS may be used.
  • the derived final result diagnosis is transmitted to the main processor 3 through the artificial intelligence processor 5 .
  • the database 4 accumulates scalp measurement, diagnosis, and recommendation data and provides it to the main processor for learning and reading.
  • the questionnaire information obtained by asking the examiner and the scalp image image obtained by any one of the scalp diagnosis device or the terminal 1 are received as a cloud service through the API (RESTful) 2
  • AI artificial intelligence
  • the main processor 3 is configured to transmit in real time to the diagnostician's terminal through the API again along with the recommended product in accordance with the diagnosis based on the questionnaire information and the appropriate prescription.
  • the artificial intelligence processor 5 is configured to perform AI analysis and recommendation service classified into all or any part of intelligence, dandruff, seborrhea, etc.).
  • the scalp diagnosis AI algorithm (6) is configured to derive the final result diagnosis by carrying out specific precise diagnosis by the Deep Learning algorithm.
  • the present invention provides a scalp questionnaire and scalp image Through analysis, it not only accurately diagnoses the person's scalp, but also quickly real-time diagnostic results can be obtained.
  • the diagnostician user inputs scalp questionnaire information and scalp image image through the terminal, the final analysis result can be obtained immediately in real time by AI analysis as described in detail above.
  • a customized product of the diagnoser (user) is recommended by various algorithms according to the final analysis result of the scalp.
  • product recommendation based on scalp diagnosis results is defined as shampoo and scalp serum, and product segmentation and algorithm are as follows.
  • FIGS. 5 to 6 The scalp image image acquired by either the scalp diagnosis device or the terminal 1 Scalp image received and received through API (RESTful) (2) as a cloud service AI analysis that categorizes images as all or part of each diagnostic item It configures the artificial intelligence processor (5-1) to perform.
  • the artificial intelligence processor 5-1 uses the information of big data to perform artificial intelligence (AI) As a deep learning stage by analysis, the scalp is learned and data Collecting, classifying the collected learning data, and learning the collected data Classification learning and validation are performed with data and test data (8:2), and an inference model is derived (CNN: Convolutional Neural Network).
  • AI artificial intelligence
  • each diagnosis item from the artificial intelligence processor 5-1 By receiving the classified information, the deep learning algorithm By using information to learn and read, and to conduct specific precise diagnosis, It includes a scalp diagnosis AI algorithm (6-1) that derives the final diagnosis result.
  • the scalp diagnosis AI algorithm (6-1) uses the classified information for each item in deep learning (Deep Learning). Learning) using the Inception V3 model (see FIG. 7) as an algorithm By inferring images through additional retraining of the image set, The final diagnosis result is derived through precise diagnosis.
  • the present invention provides artificial intelligence (deep learning) with the image of the scalp measured by the diagnostician. It is possible to implement an accurate diagnosis function through image analysis and to check the diagnosis result in real time. and high-accuracy diagnostic results can be obtained, and According to the diagnosis result, it is possible to recommend a product suitable for the condition of the scalp.
  • the present invention can implement an accurate diagnosis function through artificial intelligence (deep learning) image analysis with the image of the scalp measured by the diagnostician, and recommend a product suitable for the scalp condition according to the diagnosis result diagnosed by artificial intelligence.
  • artificial intelligence deep learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Child & Adolescent Psychology (AREA)
  • Human Resources & Organizations (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 진단자의 측정된 두피의 영상으로 인공지능(딥러닝) 이미지 분석을 통한 정확한 진단 기능을 구현하고 진단결과를 실시간 확인 할 수 있으며 높은 정확도의 진단결과를 얻을 수 있고, 또한 인공지능에 의해 진단된 진단결과에 따라 두피 상태에 적합한 제품을 추전할 수 있는 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템이다.

Description

빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템
본 발명은 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템에 관한 것으로서, 더욱 상세하게는 진단자의 측정된 두피의 영상으로 인공지능(딥러닝) 이미지 분석을 통한 정확한 진단 기능을 구현하고 인공지능에 의해 진단된 진단결과에 따라 두피 상태에 적합한 제품을 추천하는 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템에 관한 것이다.
기존에는 도 1 및 도 2에서와 같이 진단자가 육안으로 항목별 기준 영상을 진단자가 진단영상과 비교하여 유사 영상을 찾고 수동으로 진단값을 선택하였다.
즉, 사용자가 진단기를 사용하여 두피를 영상으로 측정한 후 진단 항목별(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성) 진단 결과를 실시간 확인이 아닌 추후에 별도로 확인해야 하고, 전문가에 의해 육안 비교 후 두피 측정 데이터에 대한 분석 및 진단결과를 입력이 이루어져야 비로소 진단결과(예컨대, 여러 항목 중 염증성)를 얻을 수 있다.
이러한 종래 기술은 진단결과를 얻기까지 속도가 늦고 정확도(70% 미만)가 낮은 문제가 있다.
따라서, 본 발명은 상기에서의 문제점을 해결하기 위하여 발명된 것으로 본 발명의 목적은 진단자의 측정된 두피의 영상으로 인공지능(딥러닝) 이미지 분석을 통한 정확한 진단 기능을 구현하고 진단결과를 실시간 확인 할 수 있으며 높은 정확도의 진단결과를 얻을 수 있고, 또한 인공지능에 의해 진단된 진단결과에 따라 두피 상태에 적합한 제품을 추전하는 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템을 제공함에 있다.
상기 본 발명의 목적을 달성하기 위한 제1 실시예로서, 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 인공지능 프로세서로 전송하여 두피진단을 수행하도록 하는 메인 프로세서(Main Processor)와,
상기 메인 프로세서(Main Processor)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스의 축적된 데이터를 활용하여 진단 항목별 중 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 중에서 어느 일부)로 분류하는 AI분석 및 추천서비스를 수행하는 인공지능 프로세서와,
상기 인공지능 프로세서로부터 진단 항목별 중 전체이거나 어느 일부로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 학습과 판독을 실행하여 구체적인 정밀진단을 실시함으로써 최종결과진단을 도출하는 두피진단 AI 알고리즘과,
두피측정, 진단, 추천데이터가 축적되어 자체 두피진단과 추천 서비스를 수행할 수 있도록 메인 프로세서에 제공하는 데이터베이스를 포함하여서 된 것이다.
상기 본 발명의 목적을 달성하기 위한 제2 실시예로서, 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 데이터 베이스에 구축되어 있는 빅데이터의 정보를 활용하여 인공지능 프로세서의 인공지능(AI) 분석에 의해 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류하고 분류된 정보는 두피진단 AI 알고리즘에 의해 정밀한 진단을 추출하고 이에 대한 진단결과와 문진정보에 의한 진단 및 이에 적합한 처방에 맞춰 추천제품과 함께 다시 API를 통해 진단자의 단말기로 실시간 전송하는 메인 프로세서(Main Processor)와,
상기 메인 프로세서(Main Processor)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스의 축적된 데이터를 활용하여 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류하는 인공지능(AI)분석을 수행하는 인공지능 프로세서와,
상기 인공지능 프로세서로부터 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 구체적인 정밀진단을 실시하여 최종결과진단을 도출하는 두피진단 AI 알고리즘과,
두피측정, 진단, 추천데이터가 축적되어 학습 및 판독을 할 수 있도록 메인 프로세서에 제공하는 데이터베이스를 포함하여서 된 것이다.
상기 본 발명의 목적을 달성하기 위한 제3 실시예로서, 진단자로부터 두피진단기나 단말기 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)를 통해 수신되고 수신된 문진정보에 대해 진단 항목별 전체이거나 어느 일부로 분류하는 AI분석을 수행하는 인공지능 프로세서와,
상기 인공지능 프로세서로부터 진단 항목별 중 전체이거나 어느 일부로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 빅데이터의 정보를 활용하여 학습과 판독을 실행하고 구체적인 정밀진단을 실시함으로써 최종진단결과를 도출하는 두피진단 AI 알고리즘을 포함하여서 된 것이다.
본 발명에 따른 '빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템'은 진단자의 측정된 두피의 영상으로 인공지능(딥러닝) 이미지 분석을 통한 정확한 진단 기능을 구현하고 진단결과를 실시간 확인 할 수 있으며 높은 정확도의 진단결과를 얻을 수 있고, 또한 인공지능에 의해 진단된 진단결과에 따라 두피 상태에 적합한 제품을 추전할 수 있다.
도 1 및 도 2는 종래기술의 육안에 의한 수동으로 두피를 진단하는 방법을 도시한 도면이다.
도 3 및 도 4는 본 발명에 따른 "빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템"으로서 인공지능(딥러닝) 이미지 분석을 통한 두피진단 기능을 나타낸 전체 블럭 구성도이다.
도 5 및 도 6은 본 발명에 따른 다른 "빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템"으로서 인공지능(딥러닝) 이미지 분석을 통한 두피진단 기능을 나타낸 전체 블럭 구성도이다.
도 7은 본 발명에 따른 "빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템"에서 딥러닝(Deep Learning) 알고리즘으로서 인셉션(Inception) V3 모델을 나타낸 예시도이다.
[규칙 제91조에 의한 정정 26.07.2021]　
도 8a 내지 도 8c는 본 발명에 따른 "빅데이터를 활용한 인공지능 두피영상
진단 분석 시스템 및 이를 이용한 제품 추천 시스템"에서 두피문진과 두피
이미지 분석을 통해 진단자의 두피진단을 정확히 함은 물론 신속하게 실시간
진단결과를 얻을 수 있음을 나타낸 예시도이다.
[규칙 제91조에 의한 정정 26.07.2021]　
도 9는 본 발명에 따른 "빅데이터를 활용한 인공지능 두피영상 진단 분석
시스템 및 이를 이용한 제품 추천 시스템"에서 두피진단 결과 기반의 제품추천은
샴푸, 두피세럼으로 정의하고 제품 세분화 및 알고리즘을 나타낸 예시도이다.
[규칙 제91조에 의한 정정 26.07.2021]　
도 10은 본 발명에 따른 "빅데이터를 활용한 인공지능 두피영상 진단 분석
시스템 및 이를 이용한 제품 추천 시스템"에서 사용자 문진에 따른 두피타입 1차
결정, 두피 이미지 인공지능분석 진단을 통한 2차 세부두피타입 결정 및
알고리즘/시스템을 나타낸 것이다.
[규칙 제91조에 의한 정정 26.07.2021]　
도 11은 본 발명에 따른 "빅데이터를 활용한 인공지능 두피영상 진단 분석
시스템 및 이를 이용한 제품 추천 시스템"에서 인공지능분석 진단을 통한 세부
두피타입 결정에 따른 맞춤 두피케어 샴푸, 세럼 제품에 대한 맵핑 알고리즘
확정 및 시스템을 나타낸 것이다.
[규칙 제91조에 의한 정정 26.07.2021]　
도 12는 본 발명에 따른 "빅데이터를 활용한 인공지능 두피영상 진단 분석
시스템 및 이를 이용한 제품 추천 시스템"에서 사용자 두피 인공지능 진단결과에
따른 추천 제품 세분화를 통해 맞춤 두피케어 샴푸, 세럼을 각각 정의하여
제품추천 알고리즘 시스템을 나타낸 것이다.
이하, 바람직한 실시예로서 도시하여 첨부된 도면에 따라 상세히 설명하면 다음과 같다.
도 3 내지 도 4에 따라 본 발명의 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템으로서 실시예를 설명하고 설명의 필요에 따라 다른 첨부된 도면을 참조하여 설명하기로 한다.
본 발명의 제1 실시예로서 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기(1) 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 인공지능 프로세서로 전송하여 두피진단을 수행하는 메인 프로세서(Main Processor)(3)와, 상기 메인 프로세서(Main Processor)(3)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스(4)의 축적된 데이터를 활용하여 진단 항목별 중 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 중에서 어느 일부)로 분류하는 AI분석을 수행하는 인공지능 프로세서(5)와, 상기 인공지능 프로세서(5)로부터 진단 항목별 중 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 중에서 어느 일부)로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 학습과 판독을 실행하여 구체적인 정밀진단을 실시함으로써 최종결과진단을 도출하는 두피진단 AI 알고리즘(6)과, 두피측정, 진단, 추천데이터가 축적되어 자체 두피진단과 추천 서비스를 수행할 수 있도록 메인 프로세서에 제공하는 데이터베이스(4)를 포함하여서 된 것이다.
상기 메인 프로세서(Processor)(3)에서는 진단자로부터 수신된 문진정보와 두피 영상 이미지에 대해 상기 문진정보에 대해서는 메인 프로세서(Processor)(3) 내에 구축된 자체 알고리즘에 의해 진단한다. 즉, 데이터베이스로부터 구축된 두피정보 데이터를 제공받아 진단자로부터 수신된 문진정보에 대해 자체 알고리즘에 의해 진단한다.
그리고 두피 영상 이미지에 대해서는 데이터 베이스에 구축되어 있는 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등의 전체이거나 이들 중 어느 일부분으로 분류하고 분류된 정보는 두피진단 AI 알고리즘에 의해 정밀한 진단을 추출하고 이에 대한 진단결과와 문진정보에 의한 진단 및 이에 적합한 처방으로서 추천제품과 함께 다시 API를 통해 진단자의 단말기로 실시간 전송한다.
상기 인공지능 서비스(5)는 수신된 두피 영상 이미지에 대해 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 딥러닝(Deep Learning)단계로서 두피를 학습하여 데이터를 수집하고, 수집된 학습데이터를 분류(labeling)하며, 수집된 데이터를 학습 데이터, 테스트 데이터(8:2)로 분류 학습과 검증을 하고 추론 모델을 도출(CNN : Convolutional Neural Network, 합성곱신경망)한다.
상기 두피진단 AI 알고리즘(6)은 상기 인공지능 프로세서(5)로부터 항목별 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등의 전체이거나 이들 중 어느 일부분으로 분류된 정보를 수신하고 수신된 분류정보에 대해 데이터베이스의 빅데이터의 정보를 활용하여 딥러닝(Deep Learning) 알고리즘으로서 인셉션(Inception) V3 모델(도 7참조)을 이용하여 학습과 판독을 실행하고 두피 이미지 세트를 추가 리트레이닝(Retraining)을 통해 이미지를 추론함으로써 구체적인 정밀진단으로 최종결과진단을 도출한다.
다음, 본 발명의 제2 실시예로서, 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기(1) 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 데이터 베이스에 구축되어 있는 빅데이터의 정보를 활용하여 인공지능 프로세서의 인공지능(AI) 분석에 의해 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류하고 분류된 정보는 두피진단 AI 알고리즘에 의해 정밀한 진단을 추출하고 이에 대한 진단결과와 문진정보에 의한 진단 및 이에 적합한 처방에 맞춰 추천제품과 함께 다시 API를 통해 진단자의 단말기로 실시간 전송하는 메인 프로세서(Processor)(3)를 구성한다.
상기 메인 프로세서(Processor)(3)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스(4)의 축적된 데이터를 활용하여 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류하는 AI분석 및 추천서비스를 수행하는 인공지능 프로세서(5)를 구성한다.
상기 인공지능 프로세서(5)로부터 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 구체적인 정밀진단을 실시하여 최종결과진단을 도출하는 두피진단 AI 알고리즘(6)을 구성한다.
두피측정, 진단, 추천데이터가 축적되어 학습 및 판독을 할 수 있도록 메인 프로세서에 제공하는 데이터베이스(4)를 포함하여서 된 것이다.
다음, 본 발명의 제3 실시예로서, 도시된 도 5 내지 6에서와 같이 진단자로부터 두피진단기나 단말기(1) 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 두피 영상 이미지에 대해 진단 항목별 전체이거나 어느 일부로 분류하는 AI분석을 수행하는 인공지능 프로세서(5-1)를 구성한다.
상기 인공지능 프로세서(5-1)는 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 딥러닝(Deep Learning)단계로서 두피를 학습하여 데이터를 수집하고, 수집된 학습데이터를 분류(labeling)하며, 수집된 데이터를 학습 데이터, 테스트 데이터(8:2)로 분류 학습과 검증을 하며 추론 모델을 도출(CNN : Convolutional Neural Network, 합성곱신경망)한다.
상기 딥러닝(Deep Learning)은 텐서플로우(TensorFlow)를 이용하고 인셉션(Inception) V3 모델을 활용하여 리트레이닝(Retraining)을 통해 두피 분류(CNN : object recognition, 물체인식)를 하여 진단 항목별 전체이거나 어느 일부로 분류한다.
상기 인공지능 프로세서(5-1)로부터 진단 항목별 중 전체이거나 어느 일부로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 빅데이터의 정보를 활용하여 학습과 판독을 실행하고 구체적인 정밀진단을 실시함으로써 최종진단결과를 도출하는 두피진단 AI 알고리즘(6-1)을 포함한다.
상기 두피진단 AI 알고리즘(6-1)은 항목별 분류된 정보를 딥러닝(Deep Learning) 알고리즘으로서 인셉션(Inception) V3 모델(도 7참조)을 이용하여 두피 이미지 세트를 추가 리트레이닝(Retraining)을 통해 이미지를 추론하여 정밀진단으로 최종진단결과를 도출한다.
이하, 바람직한 실시예로서 도시하여 첨부된 도면에 따라 상세히 설명하면 다음과 같다.
본 발명을 설명함에 있어서 정의되는 용어들은 본 발명에서의 기능이나 형태 등을 고려하여 정의 내려진 것으로, 본 발명의 기술적 구성요소를 한정하는 의미로 이해되어서는 아니 될 것이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 구현예(態樣, aspect)(또는 실시예)들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
또 각 도면에서 구성요소들은 이해의 편의 등을 고려하여 크기나 두께를 과장되게 크거나(또는 두껍게) 작게(또는 얇게) 표현하거나, 단순화하여 표현하고 있으나 이에 의하여 본 발명의 보호범위가 제한적으로 해석되어서는 안 된다.
본 명세서에서 사용한 용어는 단지 특정한 구현예(태양, 態樣, aspect)(또는 실시예)를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 발명의 목적을 달성하기 위한 실시예를 첨부된 도면을 참조하여 설명한다.
먼저 도 3 내지 도 4에서와 같이 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기(1) 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 인공지능 프로세서로 전송하여 두피진단을 수행하는 메인 프로세서(Main Processor)(3)와, 상기 메인 프로세서(Main Processor)(3)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스(4)의 축적된 데이터를 활용하여 진단 항목별 중 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 중에서 어느 일부)로 분류하는 AI분석을 수행하는 인공지능 프로세서(5)와, 상기 인공지능 프로세서(5)로부터 진단 항목별 중 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 중에서 어느 일부)로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 학습과 판독을 실행하여 구체적인 정밀진단을 실시함으로써 최종결과진단을 도출하는 두피진단 AI 알고리즘(6)과, 두피측정, 진단, 추천데이터가 축적되어 자체 두피진단과 추천 서비스를 수행할 수 있도록 메인 프로세서에 제공하는 데이터베이스(4)를 포함하여서 된 것이다.
상기 메인 프로세서(Processor)(3)에서는 진단자로부터 수신된 문진정보와 두피 영상 이미지에 대해 상기 문진정보에 대해서는 메인 프로세서(Processor)(3) 내에 구축된 자체 알고리즘에 의해 진단한다. 즉, 데이터베이스로부터 구축된 두피정보 데이터를 제공받아 진단자로부터 수신된 문진정보에 대해 자체 알고리즘에 의해 진단한다.
그리고 두피 영상 이미지에 대해서는 데이터 베이스에 구축되어 있는 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등의 전체이거나 이들 중 어느 일부분으로 분류하고 분류된 정보는 두피진단 AI 알고리즘에 의해 정밀한 진단을 추출하고 이에 대한 진단결과와 문진정보에 의한 진단 및 이에 적합한 처방으로서 추천제품과 함께 다시 API를 통해 진단자의 단말기로 실시간 전송한다.
상기 인공지능 서비스(5)는 수신된 두피 영상 이미지에 대해 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 딥러닝(Deep Learning)단계로서 두피를 학습하여 데이터를 수집하고, 수집된 학습데이터를 분류(labeling)하며, 수집된 데이터를 학습 데이터, 테스트 데이터(8:2)로 분류 학습과 검증을 하고 추론 모델을 도출(CNN : Convolutional Neural Network, 합성곱신경망)한다.
예를들면 구글의 딥러닝 모델을 사용할 경우 텐서플로우(TensorFlow)를 이용 하고 인셉션(Inception) V3 모델을 활용하여 리트레이닝(Retraining)을 통해 두피 분류(CNN : object recognition, 물체인식)를 하여 진단 항목별 중 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 중에서 전체이거나 어느 일부)로 분류해 낸다.
상기 두피진단 AI 알고리즘(6)은 상기 인공지능 프로세서(5)로부터 항목별 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등의 전체이거나 이들 중 어느 일부분으로 분류된 정보를 수신하고 수신된 분류정보에 대해 데이터베이스의 빅데이터의 정보를 활용하여 딥러닝(Deep Learning) 알고리즘으로서 인셉션(Inception) V3 모델(도 7참조)을 이용하여 학습과 판독을 실행하고 두피 이미지 세트를 추가 리트레이닝(Retraining)을 통해 이미지를 추론함으로써 구체적인 정밀진단으로 최종결과진단을 도출한다.
상기 진단방법은 구글의 딥러닝(Deep Learning) 모델을 사용한 것이나 이에 한정되는 것은 아니고 기타 MS 등의 딥러닝(Deep Learning) 모델을 사용할 수도 있다.
도출된 최종결과진단은 인공지능 프로세서(5)를 통해 메인 프로세서(Main Processor)(3)에 전송된다.
상기 데이터베이스(4)는 두피측정, 진단, 추천데이터가 축적되어 학습 및 판독을 할 수 있도록 메인 프로세서에 제공한다.
다음, 본 발명의 제2 실시예로서, 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기(1) 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 데이터 베이스에 구축되어 있는 빅데이터의 정보를 활용하여 인공지능 프로세서의 인공지능(AI) 분석에 의해 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류하고 분류된 정보는 두피진단 AI 알고리즘에 의해 정밀한 진단을 추출하고 이에 대한 진단결과와 문진정보에 의한 진단 및 이에 적합한 처방에 맞춰 추천제품과 함께 다시 API를 통해 진단자의 단말기로 실시간 전송하는 메인 프로세서(Processor)(3)를 구성한다.
상기 메인 프로세서(Processor)(3)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스(4)의 축적된 데이터를 활용하여 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류하는 AI분석 및 추천서비스를 수행하는 인공지능 프로세서(5)를 구성한다.
상기 인공지능 프로세서(5)로부터 진단 항목별 전체이거나 어느 일부(예컨대, 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부)로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 구체적인 정밀진단을 실시하여 최종결과진단을 도출하는 두피진단 AI 알고리즘(6)을 구성한다.
두피측정, 진단, 추천데이터가 축적되어 학습 및 판독을 할 수 있도록 메인 프로세서에 제공하는 데이터베이스(4)를 포함하여서 된 것이다.
[규칙 제91조에 의한 정정 26.07.2021]　
도시된 도 8a, 도 8b 및 도 8c에서와 같이 본 발명은 두피문진과 두피 이미지
분석을 통해 진단자의 두피진단을 정확히 함은 물론 신속하게 실시간
진단결과를 얻을 수 있다.
즉, 진단자(사용자)가 두피문진 정보와 두피 영상 이미지를 단말기를 통해 입력하면 위에서 상세히 설명한 대로 AI분석에 의해 최종분석결과를 곧바로 실시간 얻을 수 있게 된다.
AI분석에 따른 두피의 최종분석결과를 얻게 되면 이와 아울러 최종분석결과에 따른 처방과 진단자(사용자)의 맞춤 제품을 추천 받게 된다.
즉, 두피의 최종분석결과에 따른 각종 알고리즘에 의해 진단자(사용자)의 맞춤 제품을 추천 받게 된다.
예를들어, 두피진단 결과 기반의 제품추천은 샴푸, 두피세럼으로 정의하고 제품 세분화 및 알고리즘은 아래와 같다.
[규칙 제91조에 의한 정정 26.07.2021]　
[표1]
사용자 두피 측정 이미지에 대한 인공지능 분석/진단을 통해 제품추천을 위한
사용자별 맞춤 두피케어를 위한 분류 알고리즘 기술
Figure WO-DOC-FIGURE-table1
[규칙 제91조에 의한 정정 26.07.2021]　
[규칙 제91조에 의한 정정 26.07.2021]　
도시된 도 10은 사용자 문진에 따른 두피타입 1차 결정, 두피 이미지
인공지능분석 진단을 통한 2차 세부두피타입 결정 및 알고리즘/시스템을 나타낸
것이다.
[규칙 제91조에 의한 정정 26.07.2021]　
[표2]
사용자 세부 두피타입에 따라 추천이 가능한 맞춤 두피 샴푸 11종, 세럼 12종을
정의 및 확정
Figure WO-DOC-FIGURE-table2
[규칙 제91조에 의한 정정 26.07.2021]　
[규칙 제91조에 의한 정정 26.07.2021]　
도시된 도 11은 인공지능분석 진단을 통한 세부 두피타입 결정에 따른 맞춤
두피케어 샴푸, 세럼 제품에 대한 맵핑 알고리즘 확정 및 시스템을 나타낸
것이다.
[규칙 제91조에 의한 정정 26.07.2021]　
도시된 도 12는 사용자 두피 인공지능 진단결과에 따른 추천 제품 세분화를
통해 맞춤 두피케어 샴푸, 세럼을 각각 정의하여 제품추천 알고리즘 시스템을
나타낸 것이다.
[규칙 제91조에 의한 정정 26.07.2021]　
다음, 본 발명의 제3 실시예로서, 도시된 도 5 내지 6에서와 같이 진단자로부터
두피진단기나 단말기(1) 중 어느 하나에 의해 취득한 두피 영상 이미지를
클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 두피 영상
이미지에 대해 진단 항목별 전체이거나 어느 일부로 분류하는 AI분석을
수행하는 인공지능 프로세서(5-1)를 구성한다.
[규칙 제91조에 의한 정정 26.07.2021]　
상기 인공지능 프로세서(5-1)는 빅데이터의 정보를 활용하여 인공지능(AI)
분석에 의해 딥러닝(Deep Learning)단계로서 두피를 학습하여 데이터를
수집하고, 수집된 학습데이터를 분류(labeling)하며, 수집된 데이터를 학습
데이터, 테스트 데이터(8:2)로 분류 학습과 검증을 하며 추론 모델을 도출(CNN :
Convolutional Neural Network, 합성곱신경망)한다.
[규칙 제91조에 의한 정정 26.07.2021]　
상기 딥러닝(Deep Learning)은 텐서플로우(TensorFlow)를 이용하고
인셉션(Inception) V3 모델을 활용하여 리트레이닝(Retraining)을 통해 두피
분류(CNN : object recognition, 물체인식)를 하여 진단 항목별 전체이거나 어느
일부로 분류한다.
[규칙 제91조에 의한 정정 26.07.2021]　
상기 인공지능 프로세서(5-1)로부터 진단 항목별 중 전체이거나 어느 일부로
분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 빅데이터의
정보를 활용하여 학습과 판독을 실행하고 구체적인 정밀진단을 실시함으로써
최종진단결과를 도출하는 두피진단 AI 알고리즘(6-1)을 포함한다.
[규칙 제91조에 의한 정정 26.07.2021]　
상기 두피진단 AI 알고리즘(6-1)은 항목별 분류된 정보를 딥러닝(Deep
Learning) 알고리즘으로서 인셉션(Inception) V3 모델(도 7참조)을 이용하여 두피
이미지 세트를 추가 리트레이닝(Retraining)을 통해 이미지를 추론하여
정밀진단으로 최종진단결과를 도출한다.
[규칙 제91조에 의한 정정 26.07.2021]　
상기 진단방법은 구글의 딥러닝(Deep Learning) 모델을 사용한 것이나 이에
한정되는 것은 아니고 기타 MS 등의 딥러닝(Deep Learning) 모델을 사용할 수도
있다.
[규칙 제91조에 의한 정정 26.07.2021]　
상기 진단 항목별 전체이거나 어느 일부는, 건성, 민감성, 염증성, 탈모성, 양호,
지성, 비듬성, 지루성 등 전체이거나 이들 중에서 어느 일부로 한다.
[규칙 제91조에 의한 정정 26.07.2021]　
이상과 같은 본 발명은 진단자의 측정된 두피의 영상으로 인공지능(딥러닝)
이미지 분석을 통한 정확한 진단 기능을 구현하고 진단결과를 실시간 확인 할 수
있으며 높은 정확도의 진단결과를 얻을 수 있고, 또한 인공지능에 의해 진단된
진단결과에 따라 두피 상태에 적합한 제품을 추전할 수 있다.
본 발명은 진단자의 측정된 두피의 영상으로 인공지능(딥러닝) 이미지 분석을 통한 정확한 진단 기능을 구현하고 인공지능에 의해 진단된 진단결과에 따라 두피 상태에 적합한 제품을 추전할 수 있다.

Claims (6)

  1. 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 인공지능 프로세서로 전송하여 두피진단을 수행하는 메인 프로세서(Main Processor)(3)와,
    상기 메인 프로세서(Main Processor)(3)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스(4)의 축적된 데이터를 활용하여 진단 항목별 전체이거나 어느 일부로 분류하는 AI분석을 수행하는 인공지능 프로세서(5)와,
    상기 인공지능 프로세서(5)는 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 딥러닝(Deep Learning)단계로서 두피를 학습하여 데이터를 수집하고, 수집된 학습데이터를 분류(labeling)하며, 수집된 데이터를 학습 데이터, 테스트 데이터로 분류 학습과 검증을 하고 추론 모델을 도출(CNN : Convolutional Neural Network, 합성곱신경망)하며,
    상기 딥러닝은 텐서플로우(TensorFlow)를 이용하고 인셉션(Inception) V3 모델을 활용하여 리트레이닝(Retraining)을 통해 두피 분류(CNN : object recognition, 물체인식)를 하여 진단 항목별 전체이거나 어느 일부로 분류하고,
    상기 인공지능 프로세서(5)로부터 진단 항목별 중 전체이거나 어느 일부로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 학습과 판독을 실행하여 구체적인 정밀진단을 실시함으로써 최종결과진단을 도출하는 두피진단 AI 알고리즘(6)과,
    두피측정, 진단, 추천데이터가 축적되어 자체 두피진단과 추천 서비스를 수행할 수 있도록 메인 프로세서에 제공하는 데이터베이스(4)와,
    상기 진단 항목별은 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성임을 포함하여서 된 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템.
  2. 제1항에 있어서, 두피진단 AI 알고리즘(6)은 항목별 분류된 정보를 딥러닝 알고리즘(Deep Learning)으로서 인셉션(Inception) V3 모델을 이용하여 두피 이미지 세트를 추가 리트레이닝(Retraining)을 통해 이미지를 추론하여 정밀진단으로 최종진단결과를 도출하는 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템.
  3. 진단자로부터 문진하여 얻어진 문진정보와 두피진단기나 단말기(1) 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 문진정보에 대해 자체 알고리즘으로 진단하고 두피 영상 이미지에 대해서는 데이터 베이스에 구축되어 있는 빅데이터의 정보를 활용하여 인공지능 프로세서의 인공지능(AI) 분석에 의해 진단 항목별 전체이거나 어느 일부로 분류하고 분류된 정보는 두피진단 AI 알고리즘에 의해 정밀한 진단을 추출하고 이에 대한 진단결과와 문진정보에 의한 진단 및 이에 적합한 처방에 맞춰 추천제품과 함께 다시 API를 통해 진단자의 단말기로 실시간 전송하는 메인 프로세서(Processor)(3)와,
    상기 메인 프로세서(Processor)(3)로부터 수신된 두피 영상 이미지에 대해 데이터 베이스(4)의 축적된 데이터를 활용하여 진단 항목별 전체이거나 어느 일부로 분류하는 AI분석 및 추천서비스를 수행하는 인공지능 프로세서(5)와,
    상기 인공지능 프로세서(5)는 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 딥러닝(Deep Learning)단계로서 두피를 학습하여 데이터를 수집하고, 수집된 학습데이터를 분류(labeling)하며, 수집된 데이터를 학습 데이터, 테스트 데이터로 분류 학습과 검증을 하고 추론 모델을 도출(CNN : Convolutional Neural Network, 합성곱신경망)하며,
    상기 딥러닝은 텐서플로우(TensorFlow)를 이용하고 인셉션(Inception) V3 모델을 활용하여 리트레이닝(Retraining)을 통해 두피 분류(CNN : object recognition, 물체인식)를 하여 진단 항목별 전체이거나 어느 일부로 분류하고,
    상기 인공지능 프로세서(5)로부터 진단 항목별 전체이거나 어느 일부로 분류된 정보를 수신하여 딥러닝 (Deep Learning)알고리즘에 의해 구체적인 정밀진단을 실시하여 최종결과진단을 도출하는 두피진단 AI 알고리즘(6)과,
    두피측정, 진단, 추천데이터가 축적되어 학습 및 판독을 할 수 있도록 메인 프로세서에 제공하는 데이터베이스(4)와,
    상기 진단 항목별은 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성임을 포함하여서 된 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템을 이용한 제품 추천 시스템.
  4. 제3항에 있어서, 두피의 최종분석결과에 따른 각종 알고리즘에 의해 진단자(사용자)의 맞춤 제품을 추천 받는 것을 특징으로 하는 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템을 이용한 제품 추천 시스템.
  5. 진단자로부터 두피진단기나 단말기 중 어느 하나에 의해 취득한 두피 영상 이미지를 클라우드 서비스로서 API(RESTful)(2)를 통해 수신되고 수신된 문진정보에 대해 진단 항목별 전체이거나 어느 일부로 분류하는 AI분석을 수행하는 인공지능 프로세서(5-1)와,
    상기 인공지능 프로세서(5-1)는 빅데이터의 정보를 활용하여 인공지능(AI) 분석에 의해 딥러닝(Deep Learning)단계로서 두피를 학습하여 데이터를 수집하고, 수집된 학습데이터를 분류(labeling)하며, 수집된 데이터를 학습 데이터, 테스트 데이터로 분류 학습과 검증을 하고 추론 모델을 도출(CNN : Convolutional Neural Network, 합성곱신경망)하며,
    상기 딥러닝(Deep Learning)은 텐서플로우(TensorFlow)를 이용하고 인셉션(Inception) V3 모델을 활용하여 리트레이닝(Retraining)을 통해 두피 분류(CNN : object recognition, 물체인식)를 하여 진단 항목별 전체이거나 어느 일부로 분류하며,
    상기 인공지능 프로세서(5-1)로부터 진단 항목별 중 전체이거나 어느 일부로 분류된 정보를 수신하여 딥러닝(Deep Learning) 알고리즘에 의해 빅데이터의 정보를 활용하여 학습과 판독을 실행하고 구체적인 정밀진단을 실시함으로써 최종진단결과를 도출하는 두피진단 AI 알고리즘(6-1)과,
    상기 진단 항목별은 건성, 민감성, 염증성, 탈모성, 양호, 지성, 비듬성, 지루성임을 포함하여서 된 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템.
  6. 제5항에 있어서, 두피진단 AI 알고리즘(6-1)은 항목별 분류된 정보를 딥러닝(Deep Learning) 알고리즘으로서 인셉션(Inception) V3 모델을 이용하여 두피 이미지 세트를 추가 리트레이닝(Retraining)을 통해 이미지를 추론하여 정밀진단으로 최종진단결과를 도출하는 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템.
PCT/KR2021/008868 2020-08-03 2021-07-12 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템 WO2022030782A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202180005562.3A CN114430850A (zh) 2020-08-03 2021-07-12 利用大数据的人工智能头皮影像诊断分析系统及利用其的产品推荐系统
US17/765,281 US20230178238A1 (en) 2020-08-03 2021-07-12 Artificial Intelligence-based Scalp Image Diagnostic Analysis System Using Big Data, and Product Recommendation System Using the Same.
EP21852452.8A EP4024408A4 (en) 2020-08-03 2021-07-12 SCALP IMAGE DIAGNOSTIC ANALYSIS SYSTEM BASED ON ARTIFICIAL INTELLIGENCE USING BIG DATA AND PRODUCT RECOMMENDATION SYSTEM USING THE SAME
JP2022536822A JP7353684B2 (ja) 2020-08-03 2021-07-12 ビッグデータを活用した人工知能頭皮画像診断分析システム、及びこれを用いた製品推薦システム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0096968 2020-08-03
KR1020200096968A KR102271558B1 (ko) 2020-08-03 2020-08-03 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템

Publications (1)

Publication Number Publication Date
WO2022030782A1 true WO2022030782A1 (ko) 2022-02-10

Family

ID=76859865

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/008868 WO2022030782A1 (ko) 2020-08-03 2021-07-12 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템

Country Status (6)

Country Link
US (1) US20230178238A1 (ko)
EP (1) EP4024408A4 (ko)
JP (1) JP7353684B2 (ko)
KR (1) KR102271558B1 (ko)
CN (1) CN114430850A (ko)
WO (1) WO2022030782A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102271558B1 (ko) * 2020-08-03 2021-07-01 아람휴비스 주식회사 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템
KR102398034B1 (ko) 2021-11-02 2022-05-16 아람휴비스 주식회사 두피상태 정보를 기반으로 한 두피유형 진단 시스템 및 이를 이용한 두피 개선 방법
KR102425118B1 (ko) * 2022-02-25 2022-07-27 주식회사 유패럿 유저에게 맞춤형 영양제를 정기적으로 제공하는 두피 케어 토탈솔루션 구독 플랫폼을 운영하는 방법
KR102413879B1 (ko) * 2022-03-11 2022-06-29 (주) 이문원 바이오 탈모 치료에 관한 정보를 제공하는 방법 및 서버
KR102551815B1 (ko) * 2022-04-14 2023-07-07 주식회사 에코마인 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체
TWI816529B (zh) * 2022-08-26 2023-09-21 南臺學校財團法人南臺科技大學 頭皮檢測裝置系統及其運作方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150025830A (ko) * 2013-08-30 2015-03-11 (주)이노진 스마트폰을 활용한 개인용 탈모 치료 시스템 및 그 방법
JP2018097899A (ja) * 2018-02-09 2018-06-21 プロモツール株式会社 画像処理技術を用いた被検者の肌または頭皮状態の判定システムを用いたビジネス方法
WO2018140014A1 (en) * 2017-01-25 2018-08-02 Athelas, Inc. Classifying biological samples using automated image analysis
KR20190071911A (ko) * 2017-12-15 2019-06-25 (주)초위스컴퍼니 고객별 제품 추천 방법, 전자장치 및 시스템
KR20200081885A (ko) * 2018-12-28 2020-07-08 (주)셀리턴 헤어 상태 분석 기능을 갖는 헤어 관리 장치
KR102139801B1 (ko) * 2017-09-21 2020-07-30 (주)릴리커버 피부진단방법, 피부진단장치 및 기록매체
KR102271558B1 (ko) * 2020-08-03 2021-07-01 아람휴비스 주식회사 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101981470B1 (ko) 2016-10-17 2019-05-23 주식회사 엔또롱 피부 상태의 학습을 통한 가이드 및 보상의 제공 방법 및 이를 수행하는 서버
KR102575272B1 (ko) * 2017-01-13 2023-09-06 삼성전자주식회사 유전 정보에 기반하여 가이드 정보를 제공하는 전자 장치 및 그 방법
SG11202003337VA (en) * 2017-10-13 2020-05-28 Ai Tech Inc Deep learning-based diagnosis and referral of ophthalmic diseases and disorders
KR102001337B1 (ko) 2018-02-01 2019-07-17 (주)위드어스커뮤니케이션즈 빅데이터 및 ａｉ를 이용한 피부 타입 맞춤형 서비스 통합제공시스템
US20210366614A1 (en) * 2018-03-12 2021-11-25 T-Biomax Sdn Bhd Hair and scalp diagnosis and treatment
KR102211884B1 (ko) 2018-11-19 2021-02-03 유소현 빅데이터 기반 인공지능 기계학습을 이용한 피부관리 추천 서비스 제공 방법
KR102036052B1 (ko) * 2019-05-14 2019-10-24 주식회사 에프앤디파트너스 인공지능 기반으로 비규격화 피부 이미지의 의료 영상 적합성을 판별 및 변환하는 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150025830A (ko) * 2013-08-30 2015-03-11 (주)이노진 스마트폰을 활용한 개인용 탈모 치료 시스템 및 그 방법
WO2018140014A1 (en) * 2017-01-25 2018-08-02 Athelas, Inc. Classifying biological samples using automated image analysis
KR102139801B1 (ko) * 2017-09-21 2020-07-30 (주)릴리커버 피부진단방법, 피부진단장치 및 기록매체
KR20190071911A (ko) * 2017-12-15 2019-06-25 (주)초위스컴퍼니 고객별 제품 추천 방법, 전자장치 및 시스템
JP2018097899A (ja) * 2018-02-09 2018-06-21 プロモツール株式会社 画像処理技術を用いた被検者の肌または頭皮状態の判定システムを用いたビジネス方法
KR20200081885A (ko) * 2018-12-28 2020-07-08 (주)셀리턴 헤어 상태 분석 기능을 갖는 헤어 관리 장치
KR102271558B1 (ko) * 2020-08-03 2021-07-01 아람휴비스 주식회사 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템

Also Published As

Publication number Publication date
JP7353684B2 (ja) 2023-10-02
KR102271558B9 (ko) 2021-09-17
JP2023511010A (ja) 2023-03-16
CN114430850A (zh) 2022-05-03
KR102271558B1 (ko) 2021-07-01
EP4024408A1 (en) 2022-07-06
US20230178238A1 (en) 2023-06-08
EP4024408A4 (en) 2022-12-28

Similar Documents

Publication Publication Date Title
WO2022030782A1 (ko) 빅데이터를 활용한 인공지능 두피영상 진단 분석 시스템 및 이를 이용한 제품 추천 시스템
CN111656383B (zh) 个性化化妆品信息提供分析系统及方法
CN113052113B (zh) 一种基于紧凑型卷积神经网络的抑郁症识别方法及系统
KR102265525B1 (ko) 인공지능 기반의 피부 진단 방법 및 시스템
US20160253549A1 (en) Estimating personal information from facial features
CN111862020B (zh) 一种眼前节生理年龄预测方法、装置、服务器及存储介质
CN110706786A (zh) 非接触式心理参数智能分析与评测系统
CN113903082A (zh) 一种基于动态时间规划的人体步态监测算法
JP5812505B2 (ja) マルチモーダル情報に基づく人口学的分析方法及びシステム
CN110415818A (zh) 一种基于可观察病症的智能儿科疾病问诊系统及方法
CN116740426A (zh) 一种功能磁共振影像的分类预测系统
CN110192860B (zh) 一种面向网络信息认知的脑成像智能测试分析方法及系统
CN110827271A (zh) 基于功能影像数据构建个体辨识力提高的脑功能网络方法
KR102639558B1 (ko) 관심영역별 골 성숙 분포를 이용한 성장 분석 예측 장치 및 방법
US20240062582A1 (en) Method and Device for Dynamic Recognition of Emotion Based on Facial Muscle Movement Monitoring
CN117052970A (zh) 用于气动球阀装配的智能控制系统及其方法
CN115760822B (zh) 一种图像质量检测模型建立方法及系统
Blackledge et al. Texture classification using fractal geometry for the diagnosis of skin cancers
EP4086811A1 (en) Problematic behavior classification system and method based on deep neural network algorithm
JP6397439B2 (ja) 属性推定装置
Gahiwad et al. Brain Stroke Detection Using CNN Algorithm
Gonzales et al. Bmi estimation from 2d face images using support vector machine
Kunz Taxonomic history of the genus Anoura (Chiroptera: Phyllostomidae) with insights into the challenges of morphological species delimitation
CN114724720B (zh) 一种基于深度学习的产前电子胎心监护自动识别系统
KR20230161131A (ko) 인공지능 기반 피부 진단 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21852452

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021852452

Country of ref document: EP

Effective date: 20220330

ENP Entry into the national phase

Ref document number: 2022536822

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE