# 인공지능 전처리 기술 - JLK 인스펙션 인공지능 특허 분석

학습 데이터에서 노이즈를 제거하는 것은 인공지능 모델을 학습시킬 때 상당히 중요하다. 노이즈가 많은 데이터를 이용해서 학습된 인공지능 모델은 정확도가 낮기 때문이다.

Source: https://www.iplexlaw.co.kr/forum/view/849033

HOME / NEWS & INSIGHTS NEWS & INSIGHTS 인공지능 전처리 기술 - JLK 인스펙션 인공지능 특허 분석 학습 데이터에서 노이즈를 제거하는 것은 인공지능 모델을 학습시킬 때 상당히 중요하다. 노이즈가 많은 데이터를 이용해서 학습된 인공지능 모델은 정확도가 낮기 때문이다. 인공지능 2023.05.23 게시 IPLEX 4분 읽기 학습 데이터에서 노이즈를 제거하는 것은 인공지능 모델을 학습시킬 때 상당히 중요하다. 노이즈가 많은 데이터를 이용해서 학습된 인공지능 모델은 정확도가 낮기 때문이다. 본 포스팅은 이미지 형태 변환 방법과 이를 이용하여 노이즈를 제거하는 방법에 대해 설명하고자 한다. 오늘 설명할 이미지 형태 변환 방법은 Erosion / Dilation이다. Erosion / Dilation 이는 흑백 이미지에서 주로 사용되는 방법이다. 커널이라고 하는 특정 크기를 갖는 네모 박스를 이미지 내에서 이동시키면서 네모 박스 안에 있는 이미지를 분석하여 이미지 변환을 수행한다. 여기서, 적당한 사이즈의 커널을 이용해야 원본 이미지의 형태를 유지시키면서 이미지를 변환시킬 수 있다. Erosion Erosion은 네모 박스(커널)로 이미지를 훑어 가면서 네모 박스 안에 흰색(0)이 포함되어 있으면 네모 박스 안의 색상을 전부 흰색(0)으로 바꾸는 이미지 변환을 수행한다. 만약 네모 박스 안에 검은색(1)만 있거나 흰색(0)만 있으면 이미지 변환을 수행하지 않는다. 이렇게 이미지 변환을 수행하면 검은색 영역이 원본 이미지 보다 좀 더 좁아진다. 검은색 영역이 좁아진다는 의미에서 erosion(침식)이라는 단어를 사용한 것으로 보인다. Dilation Erosion과 반대로 Dilation은 네모 박스(커널) 안에 검은색(1)이 조금이라도 있으면 네모 박스 안의 색상을 전부 검은색(1)으로 바꾸는 이미지 변환을 수행한다. 이 방법을 이용하면 검은색 영역이 확장된다는 의미에서 dilation(팽창)이라는 단어를 사용한 것으로 보인다. 그럼 학습용 데이터에서 노이즈 제거 시 Erosion과 Dilation을 어떻게 이용하는지 살펴보자. 이에 대한 설명은 MRI 영상에서 노이즈를 제거하는 기술과 관련된 JLK 인스펙션 사의 특허를 보면서 설명하겠다. 이미지를 클릭하면 특허공보 전문을 확인할 수 있다. MRI 영상에 병변이 포함되어 있는지를 인식할 수 있도록 인공지능 모델을 학습시키기 위해서는, 의사들이 직접 여러 MRI 영상(인공지능 학습용으로 사용할 영상)에서 어느 부분에 병변이 존재하는 표시를 해줘야 한다. 즉, 의사들이 Annotation 작업을 수행하는 것이다. 다만, 사람이 손가락으로 Annotation 작업을 수행하다 보면 사람의 손가락 크기 보다 작은 영역에 병변이 존재할 때 병변만 존재하는 위치를 사람이 정확하게 표시할 수 없다. 사람이 마우스로 Annotaion 작업을 수행하는 경우에도 정확하게 병변만 존재하는 위치를 표시하기는 어렵다. 따라서, Annotation 작업이 완료된 인공지능 학습용 이미지에는, 병변이 존재하지 않는 영역이지만 병변이 존재한다고 잘못 체크된 부분(노이즈)이 존재할 수 있다. 좀 더 기술적인 내용으로 파고 들어서 설명하자면, 사람이 병변을 체크한 MRI 영상을 3차원 사이노그램으로 변환해 주면 아래 이미지와 같이 의사가 병변 위치라고 체크한 부분이 검은색으로 표시된다. 본 발명 내용에 따르면 연속적으로 이어지는 부분이 병변이 있는 위치이고 주변에 점(빨간색)처럼 찍히게 되는 부분이 노이즈라고 한다. 노이즈가 존재하는 3차원 사이노그램 이런 노이즈를 제거하기 위해서 Erosion / Dilation을 수행하겠다는 게 이 특허의 핵심 내용이다. 즉, Erosion / Dilation을 수행하게 되면 최종적으로 아래 이미지와 같이 병변만 존재하는 3차원 사이노그램으로 이미지가 변환된다고 한다. 노이즈가 제거된 3차원 사이노그램 최종적으로, 노이즈가 제거된 3차원 사이노그램을 다시 MRI 영상으로 변환하게 되면, 노이즈가 제거된 학습용 데이터가 만들어지게 된다. 이렇게 노이즈가 제거된 학습용 데이터를 이용해서 인공지능 모델을 학습시키는 경우 의료 영상 분석의 정확도가 높은 인공지능 모델이 생성된다는 것이 이 발명의 핵심 내용이다. 본 포스팅에서 설명한 특허처럼, 기존에 잘 알려진 기술(Erosion/Dilation)이 어느 분야(의료 영상 분석 분야)에서 어떠한 문제점(Annotation 작업 시 노이즈 발생하는 문제점)을 해결하기 위해 그 분야에 적합하게 변형(MRI 영상을 변환한 사이노그램에 Erosion/Dilation 적용)되어 사용하게 되는 경우, 이러한 내용도 특허로 보호될 수 있다. 이 글은 표시된 게시일을 기준으로 작성된 자료입니다. 개별 사안에 대한 검토는 상담을 통해 안내합니다. 관련 업무 상담 ↗ 전체 글 보기 TALK TO IPLEX 우리 기업에 맞는 IP 전략이 필요하다면 기술과 사업의 상황에 맞춰 필요한 업무를 함께 살펴봅니다. ↗ 상담 문의 최근 글 사고를 막는 인공지능(이상 탐지) - Anomaly detection 및 오토인코더 특허 분석 ↗ 이전 글 2hrs Academy와 MOU 체결 [아이피렉스 특허법률사무소] ↗ 함께 읽을 인사이트 인공지능 2026.10.01 AI가 잊는 방식까지 세밀하게, FiX 김용덕 변리사가 FiX의 특징별 망각 게이트, 수치 안정성과 캐시 설계, 실험 결과 및 적용 한계를 분석합니다. ↗ 본문 읽기 인공지능 2026.09.30 층의 정보를 다르게 읽는 MHAR 김용덕 변리사가 MHAR의 깊이 정보 선택 구조, 논문 실험 결과와 구현 비용을 살펴보고 기술적 구성과 효과를 분석합니다. ↗ 본문 읽기 인공지능 2026.09.28 [기고 소식] 클로드 Computer Use 특허 분석, AI는 어떻게 컴퓨터 사용법을 배울까? 김용덕 대표변리사의 클로드 Computer Use·AI 에이전트 특허 분석 칼럼이 인공지능신문(AI Times)에 게재되었습니다. ↗ 본문 읽기

- https://www.iplexlaw.co.kr/
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4/category/ai
- https://drive.google.com/file/d/1rGW2NrOql5eO60OlmGToWAkwxAIZRujN/view
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/forum/view/849417
- https://www.iplexlaw.co.kr/forum/view/846854
- https://www.iplexlaw.co.kr/ko/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ko/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ko/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ko/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/forum/view/1546549
- https://www.iplexlaw.co.kr/forum/view/1546549