제1항에 있어서,상기 생체 계측치는 안저 나이를 포함하고,상기 적어도 하나의 국부적 특성은 안저영상에 포함된 적어도 하나의 혈관의 상태를 포함하는 것인, 생체 계측치 예측 방법.

삭제

제2항에 있어서,상기 학습 모델을 생성하는 단계는,상기 적어도 하나의 국부적 특성 및 상기 복수의 학습 안저영상 각각의 피촬영자의 연령 정보를 기초로 상기 생체 계측치를 예측하는 학습 모델을 생성하는 것인, 생체 계측치 예측 방법.

제5항에 있어서,상기 예측 대상 안저영상을 수신하는 단계는,상기 예측 대상 안저영상의 피촬영자의 연령 정보를 획득하는 단계를 포함하고,상기 생체 계측치를 도출하는 단계는,상기 예측 대상 안저영상의 피촬영자의 연령 정보를 고려하여 상기 안축장 길이를 도출하는 것인, 생체 계측치 예측 방법.

안저영상을 기초로 생체 계측치를 예측하는 방법에 있어서,복수의 학습 안저영상을 준비하는 단계;상기 복수의 학습 안저영상에 반영된 적어도 하나의 국부적 특성을 기초로 안저영상의 피촬영자에 대한 소정의 생체 계측치를 예측하는 학습 모델을 생성하는 단계;예측 대상 안저영상을 수신하는 단계; 및상기 생성된 학습 모델을 이용하여 상기 예측 대상 안저영상의 피촬영자의 상기 생체 계측치를 도출하는 단계,를 포함하되, 상기 학습 안저영상을 준비하는 단계는,상기 복수의 학습 안저영상 각각의 피촬영자의 연령 정보 및 안축장 길이 정보를 획득하는 단계; 상기 복수의 학습 안저영상을 상기 연령 정보 또는 상기 안축장 길이 정보를 기준으로 정렬하는 단계; 및상기 예측 대상 안저영상의 사전 예측수치와 소정 수준 이상 유사한 범위에 속하는 학습 안저영상 그룹을 상기 정렬된 복수의 학습 안저영상 중에서 선택하는 단계,를 포함하고,상기 생체 계측치는 안축장 길이를 포함하고, 상기 적어도 하나의 국부적 특성은 맥락막 혈관의 시인성을 포함하고,상기 학습 모델은상기 예측 대상 안저영상에 포함된 상기 맥락막 혈관의 두께가 두껍거나 상기 맥락막 혈관을 포함하는 영역이 다른 안저영상 대비 상대적으로 현저하게 식별되어 상기 맥락막 혈관의 시인성이 높은 것으로 판단될수록 상기 안축장 길이에 대한 예측값을 큰 값으로 도출하도록 학습되고,상기 예측 대상 안저영상에서 상기 생체 계측치의 예측에 미친 영향도가 소정 수준 이상인 근거 영역을 도출하는 단계; 및상기 근거 영역이 강조되도록 상기 예측 대상 안저영상을 출력하는 단계,를 더 포함하되,상기 근거 영역을 도출하는 단계는,상기 학습 모델의 입력 레이어 또는 복수의 컨볼루션 레이어 중 마지막 레이어에서 해당 레이어 내의 각각의 노드에 대한 미분 연산을 적용하여 상기 노드마다의 상기 예측값에 대한 상기 영향도를 산출하는 것인, 생체 계측치 예측 방법.

제1항에 있어서,상기 적어도 하나의 국부적 특성은 맥락막 혈관 및 시신경 유두의 형상을 포함하는 것인, 생체 계측치 예측 방법.

삭제

안저영상을 기초로 생체 계측치를 예측하는 장치에 있어서,복수의 학습 안저영상을 준비하고, 상기 복수의 학습 안저영상에 반영된 적어도 하나의 국부적 특성을 기초로 안저영상의 피촬영자에 대한 소정의 생체 계측치를 예측하는 학습 모델을 생성하는 학습부; 및예측 대상 안저영상을 수신하고, 상기 생성된 학습 모델을 이용하여 상기 예측 대상 안저영상의 피촬영자의 상기 생체 계측치를 도출하는 추론부,를 포함하되, 상기 학습부는,상기 복수의 학습 안저영상 각각의 피촬영자의 연령 정보 및 안축장 길이 정보를 획득하고,상기 복수의 학습 안저영상을 상기 연령 정보 또는 상기 안축장 길이 정보를 기준으로 정렬하고,상기 예측 대상 안저영상의 사전 예측수치와 소정 수준 이상 유사한 범위에 속하는 학습 안저 영상 그룹을 상기 정렬된 복수의 학습 안저영상 중에서 선택하고,상기 생체 계측치는 안축장 길이를 포함하고, 상기 적어도 하나의 국부적 특성은 맥락막 혈관의 시인성을 포함하고,상기 학습 모델은상기 예측 대상 안저영상에 포함된 상기 맥락막 혈관의 두께가 두껍거나 상기 맥락막 혈관을 포함하는 영역이 다른 안저영상 대비 상대적으로 현저하게 식별되어 상기 맥락막 혈관의 시인성이 높은 것으로 판단될수록 상기 안축장 길이에 대한 예측값을 큰 값으로 도출하도록 학습되고,상기 예측 대상 안저영상에서 상기 생체 계측치의 예측에 미친 영향도가 소정 수준 이상인 근거 영역을 도출하고, 상기 근거 영역이 강조되도록 상기 예측 대상 안저영상을 출력하는 시각화부,를 더 포함하되,상기 시각화부는,상기 학습 모델의 입력 레이어 또는 복수의 컨볼루션 레이어 중 마지막 레이어에서 해당 레이어 내의 각각의 노드에 대한 미분 연산을 적용하여 상기 노드마다의 상기 예측값에 대한 상기 영향도를 산출하는 것인, 생체 계측치 예측 장치.

제8항에 있어서,상기 적어도 하나의 국부적 특성은 맥락막 혈관 및 시신경 유두의 형상을 포함하는 것인, 생체 계측치 예측 장치.

삭제

제9항에 있어서,상기 학습부는,상기 적어도 하나의 국부적 특성 및 상기 복수의 학습 안저영상 각각의 피촬영자의 연령 정보를 기초로 상기 생체 계측치를 예측하는 학습 모델을 생성하는 것인, 생체 계측치 예측 장치.

제11항에 있어서,상기 추론부는,상기 예측 대상 안저영상의 피촬영자의 연령 정보를 획득하고, 상기 예측 대상 안저영상의 피촬영자의 연령 정보를 고려하여 상기 안축장 길이를 도출하는 것인, 생체 계측치 예측 장치.

제8항에 있어서,상기 생체 계측치는 안저 나이를 포함하고,상기 적어도 하나의 국부적 특성은 안저영상에 포함된 적어도 하나의 혈관의 상태를 포함하는 것인, 생체 계측치 예측 장치.

제1항, 제2항, 제5항 내지 제7항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체.