ETRI 기술이전 홈페이지

태아 초음파 2D 영상으로부터 휴먼팩터 기반의 딥 네트워크 학습을 통하여 추출된 특징점을 참조해 3D 변환을 위한 표준 모델을 자동으로 선택하는 기술

태아 초음파 2D 영상을 이용하여 얻어진 3D 모델을 이용하여 가상현실(Virtual reality) 기반의 3D 영상 가시화 및 3D 프린팅 서비스를 하기 위한 목적이다.

단순한 객체 인식과는 달리, 수많은 왜곡과 잡음를 포함하는 저해상도의 초음파 영상으로부터 구조적 의미를 지니는 한 차원 높은 코드워드 라벨로 변환하며 학습을 통해 해당하는 3D 표준 모델로의 강인한 분류 기능을 보유

단계 : 5 기술의 성숙도란?

태아의 초음파를 이용하여 얻어진 3D모델을 이용하여 의료 가상현실 서비스가 가능하고 산모를 위한 가상현실 기반의 태교 서비스와 3D 프린팅 서비스도 가능하다.

[기술이전의 내용]

A. 기능 : 딥 네트워크 모델 생성
- 각 레이어의 메소드 화로 원하는 형태의 딥 네트워크 모델 생성 가능
- 레이어 할당 시의 scope 지정을 통한 변수 관리 가능
- 최신 네트워크 구현 샘플 제공 (ResNet, DenseNet)

B. 기능 : 모델 학습
- Adam/Adagrad 등 다양한 최적화 기능을 통한 모델 학습 가능
- GPU위에서의 그래프 생성 및 병렬 처리 기능
- Trainable variable 혹은 global variable 관리를 통한 네트워크 back propagation의 범위 지정 가능
- 초음파 2D 영상이 입력 시, 학습된 모델을 이용하여 최적의 3D 표준 모델 선택하는 기능

C. 기능 : 데이터-라벨 페어의 mini-batch 할당 및 permutation 지원
- 하이퍼파라미터 지정을 통한 mini-batch 크기 및 learning rate 조절 가능
- one-hot 벡터 형태의 라벨과 이미지 데이터의 쌍 유지 및 랜덤 셔플링 지원

D. 기능 : 학습 resume 및 모델 로드 기능 지원
- 학습 중단 시 체크포인트를 통한 중단 시점부터의 학습 재개 가능
- 체크포인트 관리를 통해 원하는 iteration에서의 모델 로드 가능


[기술이전의 범위]
A. 태아 초음파 영상을 인식하여 최적의 3D 표준 모델을 선택하는 기술
- 태아 초음파 2D 영상을 입력으로 학습하는 학습 모듈
- 학습된 모델을 이용하여 최적의 3D 모델로 인식하는 테스트 모듈
* 제공형태: Tensorflow 라이브러리 기반의 python 언어로 구현된 소스 제공

B. 기술 문서
- VR멀미 기계학습 특징점 추출 가이드라인
- 요구사항정의서
- 시스템 설계서
- 시험절차 및 결과서

비독점적 통상실시권 계약체결일로부터 5 년간 ※ 착수기본료(단위:천원)

구분	중소기업	중견기업	대기업
착수기본료	30,000	60,000	60,000
매출정률사용료(%)	1.25	3.75	5

1 개월 / 0 천원정(부가세 별도)

기술개발 발표당시	CG/Vision기술연구그룹 손욱호 (042-860-6320, whson@etri.re.kr)
현재	공간콘텐츠연구실 손욱호 (042-860-6320, whson@etri.re.kr)

기술이전실 박양화 (042-860-, parkyh@etri.re.kr)