Loading the company…
Loading the company…
㈜퍼즐에이아이
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-09 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Seoul, founded in 2018. Industry: Software & IT Services. Group consolidated revenue for 2025 was ₩3.3bn — this includes subsidiaries and is not the revenue of this entity alone. It has 65 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2025-11-05 · latest registration 2026-08-20 · newest first
일 실시예는 음성 데이터와 병합하여 전자 동의서의 전자 서명을 입력받는 전자 문서 동의 절차 서비스 제공 장치 및 방법에 관한 것으로, 하이라이트 처리 요청된 적어도 일부를 별색으로 하이라이트 처리하여 전자 동의서 화면을 출력하고, 출력된 전자 동의서 출력 화면 중 하이라이트 처리 요청된 부분에 매칭되는 음성 데이터 및 숙지 완료 음성 메시지를 입력받아 숙지 완료 음성 메시지가 입력되면, 전자 동의서 출력 화면에서 숙지 완료 음성 메시지와 함께 입력받은 음성 데이터에 매칭되는 하이라이트 처리 요청된 부분의 하이라이트 처리를 제거하고 전자 동의서 출력 화면의 모든 하이라이트 처리 요청된 부분의 하이라이트 처리가 제거되면 전자 서명을 입력받는 전자 문서 동의 절차 서비스 제공 장치에 의해 환자 또는 보호자의 음성을 이용한 동의서 작성 기능과 작성자 본인 음성 확인이 가능한 전자 문서 동의 절차 서비스 제공 장치 및 방법을 제공할 수 있는 효과가 도출된다.
본 발명은 AI 오케스트레이션 기반의 의료 진료 데이터 통합을 통한 전자 의무 기록 자동 생성 시스템에 관한 것으로, 해결하고자 하는 과제는 진료 중 유입되는 다양한 의료데이터를 실시간으로 탐지하고, 데이터의 유형에 따라 적절한 인공지능 모델을 동적으로 선택 및 실행하며, 그 처리 결과를 자동으로 통합하여 진료 목적에 적합한 전자 의무기록지를 자동으로 생성하는데 있다. 일례로, 진료 중 발생하는 적어도 하나의 의료데이터를 탐지하고, 탐지된 의료데이터의 유형을 각각 판별하고, 판별된 데이터 유형 정보를 전달하는 의료데이터 탐지부; 상기 의료데이터 탐지부로부터 전달받은 데이터 유형 정보에 따라 적어도 하나의 AI 모델을 선택하고, 선택된 AI 모델의 실행을 제어하되, LLM(Large Language Model)을 기반으로 동작하여, 클라이언트의 요청에 따라 AI 모델 또는 도구를 판단하고 연결하며, 실행 흐름을 오케스트레이션하는 모델 구성 제어부; 및 상기 모델 구성 제어부에 의한 실행 결과 데이터를 진료 컨텍스트에 따라 미리 정의된 전자 의무기록 템플릿에 적용하여 전자의무기록지를 생성하는 의무 기록 생성부를 포함하는 전자 의무 기록 자동 생성 시스템을 개시한다.
본 발명은 데이터 수집부; 템플릿 저장부; 추출부; FSM(Finite State Machine) 생성부; 및 포매팅 처리부를 포함하며, 상기 데이터 수집부는 거대언어모델의 프롬프트에 입력된 사용자의 입력 내용을 수집하며, 상기 템플릿 저장부는 사전 정의된 템플릿 또는 사용자 지정 템플릿을 저장하며, 상기 추출부는 템플릿 내 필드별로 grammar 및/또는 instruction 정보를 {name|grammar|instruction} 형태로 추출하며, 상기 FSM 생성부는 상기 grammar 및/또는 instruction 정보를 FSM으로 변환하여 LLM의 토큰 생성 과정에서 FSM 상태에 맞지 않는 토큰의 생성 확률을 0으로 설정하고, 상기 포매팅 처리부는 사용자가 선택한 포매팅 강도에 따라 소프트 포매팅, 하드 포매팅 및 커스텀 포매팅 중 어느 하나의 방식으로 포매팅 데이터를 생성하는 것을 특징으로 한다.
본 발명은 대규모 언어 모델 기반의 진료 대화 분석을 통한 전자 의무 기록 자동 생성 시스템에 관한 것으로, 해결하고자 하는 과제는 환자와 의료진 간 진료 대화를 실시간으로 분석하여 진료 중 필요한 질환 추정, 문진 지원, 치료 계획 도출을 수행하고, 진료 종료 후에는 진료 전 과정을 반영한 구조화된 전자의무기록을 자동 생성함으로써, 의료진의 문서화 부담을 경감하고 진료 품질을 향상시킬 수 있으며, 이를 통해 단순한 음성 기록 전사 수준을 넘어서 진단 보조, 문진 흐름 안내, 치료 계획 구성, 문서 자동화까지 실현하는데 있다. 일례로, 환자의 과거진료기록 및 대화로그를 분석하여 대규모 언어 모델을 통해 요약정보를 생성하는 과거 기록 요약부; 진료 중 발생하는 음성데이터를 수집하여 텍스트데이터로 변환하고, 상기 텍스트데이터 기반의 진료대화정보를 생성하는 진료 대화 수집부; 상기 진료대화정보를 기반으로 질병정보를 추정하고, 상기 질병정보에 대한 근거정보를 생성하는 질환 추정부; 상기 질병정보에 대응하는 문진정보를 생성하는 문진 생성부; 및 진료 종료 시 상기 요약정보, 상기 진료대화정보 및 상기 문진정보를 기반으로 SOAP(Subjective, Objective, Assessment, Plan) 구조의 전자의무기록을 생성하는 의무 기록 생성부를 포함하는 전자 의무 기록 자동 생성 시스템을 개시한다.
본 발명의 일 실시예에 따른 거대언어모델 기록 템플릿 생성 및 라우팅 자동화 시스템은 사용자 입력값을 분석하여 최적화된 템플릿을 생성하고, 생성된 템플릿을 벡터 DB에 등록하는 템플릿 LLM; 사용자 입력값을 기반으로 벡터 DB에 등록된 템플릿들 중 유사 템플릿을 검색 및 선택하는 템플릿 라우팅부; 및 상기 템플릿 라우팅부에서 선택된 최종 템플릿과 사용자 입력값을 결합하여 완성된 기록 서식을 작성하는 템플릿 자동완성 LLM를 포함한다.
본 발명의 일 실시예에 따른 안과용 AI 기반 음성인식 기술을 이용한 의무기록 생성 및 표시 장치는 의료진이 발화한 의학적 소견에 대한 발화정보를 입력받는 음성 입력부; 의료진이 지정한 환자에 대한 의료 진료 차트를 병원 ERM 시스템으로부터 호출하는 의료차트 호출부; 상기 의료차트 호출부에서 호출된 의료 진료 차트를 조회 및 시각화하는 조회 및 시각화부; 의료진이 발화한 상기 의료 진료 차트 내의 진료기록에 대한 발화정보를 텍스트로 변환하고, 상기 텍스트의 컨텍스트를 이미지화하는 텍스트 및 이미지 처리부; 및 상기 의료 차트 내에 상기 텍스트 및 이미지 처리부에서 변환된 텍스트 및 이미지를 진료 항목에 따라 삽입하여 상기 의료 차트의 진료 기록을 업데이트하는 의료차트 업데이트부를 포함한다.
본 발명은 인공지능 기반의 조건부 이미지 생성을 이용한 의료 영상 생성 시스템에 관한 것으로, 해결하고자 하는 과제는 CT, MRI, 초음파(ultrasonography), 심전도(EKG), 내시경 등 다양한 의료영상과 해당 의료영상을 설명하는 텍스트데이터를 이용하여 특정 조건에 부합하며 다양한 의료 상황에 대응하는 새로운 의료 영상을 생성함으로써, 진단, 치료 계획 수립, 교육 및 연구에 있어 의료 전문가들에게 더 나은 시각적 정보를 제공하고, 임상 의료 데이터의 한계를 극복하는데 있다. 일례로, 입력의료영상 및 상기 입력의료영상에 대한 설명텍스트데이터를 각각 수집하는 데이터 수집부; 컨볼루션 신경망을 이용하여 상기 입력의료영상에 대한 특징데이터를 추출하고, 임베딩 알고리즘을 이용하여 상기 설명텍스트데이터를 벡터데이터로 변환하는 데이터 처리부; 및 미리 학습된 조건부 생성 모델을 이용하여 상기 입력의료영상을 상기 벡터데이터 및 상기 특징데이터에 따른 조건에 부합하는 다른 종류의 예측의료영상으로 변환하여 출력하는 의료영상 변환부를 포함하는 인공지능 기반의 조건부 이미지 생성을 이용한 의료 영상 생성 시스템을 개시한다.
본 발명은 시각 기반 멀티모달 거대언어모델의 관심영역 증강 시스템에 관한 것으로, 해결하고자 하는 과제는 입력이미지를 의미론적 객체 이미지로 분할하고, 분할된 각 객체 이미지의 어텐션 스코어를 측정하여 가장 많이 집중된 ROI(Region Of Interest) 객체 이미지를 선정하고, 이를 보충 이미지 입력으로서 제공함으로써, 입력이미지에 대한 LMM의 세부적인 이해도를 향상시키고, 원본 이미지의 전역 기능이 제공하지 않는 세부 기능을 제공하는데 있다. 일례로, 의미분할모델(semantic segmentation model)을 이용하여 입력이미지로부터 픽셀단위의 시각적 객체 이미지를 분류하여 추출하는 시각적 객체 이미지 추출부; 멀티모달모델(multimodal model)의 비전 인코더(vision encoder)로부터 입력이미지의 분석을 통해 얻은 어텐션 레이어 가중치(attention layer weight)를 이용하여 입력이미지 안의 영역에 대한 집중도를 픽셀단위로 계산하여 시각화한 어텐션 롤아웃 맵(attention rollout map)을 생성하는 어텐션 롤아웃 맵 생성부; 및 상기 시각적 객체 이미지와 상기 어텐션 롤아웃 맵 간의 비교 과정을 통해 상기 시각적 객체 이미지 중에서 상기 어텐션 롤아웃 맵에 가장 집중된 객체 이미지를 ROI(Region Of Interest) 객체 이미지...(이하생략)
본 발명은 CTC 강제 정렬을 이용하여 완전한 엔드투엔드 방식으로 작동하는 스트리밍 개방형 어휘 키워드 스폿팅 시스템에 관한 것으로, 해결하고자 하는 과제는 스트리밍이 가능한 인코더를 적용하고, W-CTC(Wild-card Connectionist Temporal Classification)를 이용함으로써 학습 중에 키워드를 정렬하여 완전한 엔드투엔드 학습이 가능하고, 노이즈가 포함되어 있는 음성에 대해서도 실시간 스트리밍 검증이 가능하며, W-CTC 강제 정렬 결과에서 빈(blank or empty) 토큰의 점수도 포함시켜 검증함으로써, 어려운 검증 데이터 셋에 대해서도 성능을 높이는데 있다. 일례로, 연속된 음성신호로부터 오디오 임베딩을 추출하고, 추출된 오디오 임베딩을 소프트맥스 함수와 매핑하는 오디오 임베딩 유닛; 연속된 음성신호에 따른 입력 텍스트를 음소 단위의 텍스트 라벨로 변환하고, 변환된 텍스트 라벨의 시작과 끝에 스타 토큰을 삽입하는 텍스트 라벨 처리 유닛; 상기 오디오 임베딩 유닛의 오디오 임베딩에 포함된 빈 토큰에 대한 로그 소프트맥스 함수의 점수를 기준으로 상기 텍스트 라벨 처리 유닛의 텍스트 라벨에 삽입된 스타 토큰에 대한 로그 소프트맥스 함수의 점수를 설정한 후, 오디오 임베딩을 텍스트 라벨과 W-CTC(Wild-card Connectionist Temporal Class...(이하생략)
일 실시예는 음성 데이터와 병합하여 전자 동의서의 전자 서명을 입력받는 전자 문서 동의 절차 서비스 제공 장치 및 방법에 관한 것으로, 하이라이트 처리 요청된 적어도 일부를 별색으로 하이라이트 처리하여 전자 동의서 화면을 출력하고, 출력된 전자 동의서 출력 화면 중 하이라이트 처리 요청된 부분에 매칭되는 음성 데이터 및 숙지 완료 음성 메시지를 입력받아 숙지 완료 음성 메시지가 입력되면, 전자 동의서 출력 화면에서 숙지 완료 음성 메시지와 함께 입력받은 음성 데이터에 매칭되는 하이라이트 처리 요청된 부분의 하이라이트 처리를 제거하고 전자 동의서 출력 화면의 모든 하이라이트 처리 요청된 부분의 하이라이트 처리가 제거되면 전자 서명을 입력받는 전자 문서 동의 절차 서비스 제공 장치에 의해 환자 또는 보호자의 음성을 이용한 동의서 작성 기능과 작성자 본인 음성 확인이 가능한 전자 문서 동의 절차 서비스 제공 장치 및 방법을 제공할 수 있는 효과가 도출된다.
본 발명은 멀티모달 거대언어모델을 활용한 의무 기록 자동 생성 기술에 관한 것으로, 환자의 의무 기록에 기록된 내용을 분석하여 학습하는 단계, 환자의 의료 영상을 입력받는 단계, 상기 학습된 의무 기록 학습 내용과 입력받은 의료 영상에 기반하여 멀티 모달 거대 언어 모델(Large Language Model, LLM)기반 분석을 수행하고, 상기 의료 영상과 해당 영상에 대해 의료진이 작성중인 중간 기록 코멘트에 매칭되는 추가 코멘트를 자동 완성하여 의무 기록을 생성하는 단계 및 상기 자동 완성된 추가 코멘트를 기존에 의료진으로부터 입력받은 중간 기록 코멘트와 구분되도록 식별 가능한 색으로 표시하고, 생성된 추가 코멘트에 대한 확정 신호가 입력되면 기존에 의료진으로부터 입력받은 중간 기록 코멘트와 동일한 색으로 표시하는 단계를 포함하는, 멀티모달 거대언어모델을 활용한 의무 기록 자동 생성 방법에 의해 의무 기록을 자동 생성함에 있어서 그 정확도를 향상시킴과 동시에 업무 효율을 높일 수 있는 멀티모달 거대언어모델을 활용한 의무 기록 자동 생성 장치 및 방법을 제공할 수 있는 효과가 도출된다.
본 발명의 일 실시예에 따른 사용자 별 맞춤형 정규 표현식을 이용한 텍스트 변환 서비스를 지원하는 시스템은 사용자의 발화음성을 입력받는 입력부; 상기 발화음성을 1차 텍스트로 변환하고, 상기 1차 텍스트에서 사용자 별로 활용될 미리 설정한 정규 표현식을 적용하여 정규 표현식으로 변환한 2차 텍스트로 변환하는 음성 인식 모델부; 및 사용자 별 정규 표현식을 설정 및 제공하는 정규표현식 설정부를 포함한다.
본 발명의 일 실시예에 따른 수술 동영상 분석을 통한 자동 수술 기록 생성 및 전자의무기록 통합관리시스템은 수술영상을 입력받는 입력부: 상기 수술영상의 영상 프레임의 전처리를 수행하는 영상처리부; 전처리된 영상 프레임 내의 오브젝트 특징을 분석한 후, 오브젝트 특징에 따라 수술 도구, 조직 유형, 수술 단계를 분류 및 분석하는 영상분석부; 상기 영상분석부에서 분류된 수술단계 별 주요 특징 데이터를 시간적 순서에 따라 추출한 후, 정제하는 데이터 추출 및 변환부; 자연어 처리 알고리즘(NLP)을 이용하여 추출된 주요 특징 데이터를 자연어 텍스트로 변환한 후, 수술과정을 텍스트화시키는 텍스트 생성부; 환자의 전자의무기록(EMR) 내에 상기 수술과정에 대한 텍스트 정보를 EMR 시스템에서 적용가능한 포맷으로 변환하여 상기 EMR 시스템에 제공하는 EMR 연동부를 포함한다.
본 발명은 화자 등록을 이용한 본인 인증 시스템 및 방법에 관한 것으로, 해결하고자 하는 과제는 화자의 음성특징정보에 기반한 음성ID를 이용하여 보다 강력한 사용자 본인인증 서비스를 제공하는데 있다. 일례로, 사용자의 회원가입 시 제1 음성데이터를 획득하여 회원가입을 요청하고, 사용자의 본인인증 시 제공되는 인증문구에 따른 제2 음성데이터를 획득하여 본인인증을 요청하며, 상기 제2 음성데이터에 따른 본인인증결과를 제공 받아 출력하는 사용자 단말; 및 상기 사용자 단말의 회원가입 요청 시 상기 제1 음성데이터를 기반으로 사용자의 음성ID를 생성하고, 생성된 음성ID를 기반으로 회원가입을 처리하고, 상기 사용자 단말의 본인인증 요청 시 인증문구를 생성하여 상기 사용자 단말로 제공하며, 생성된 인증문구와 기 등록된 음성ID를 기반으로 상기 제2 음성데이터에 대한 본인인증을 처리하여 본인인증결과를 제공하는 본인인증 서버를 포함하는 화자 등록을 이용한 본인 인증 시스템을 개시한다.
본 발명은 음성 인식 및 자연어 처리를 이용한 인공수정체 도수 및 굴절력 계산 장치에 관한 것으로, 해결하고자 하는 과제는 기존의 인공수정체 도수 및 굴절력 계산 방법에 있어서 데이터의 수동 입력과 여러 웹사이트의 사용으로 인한 시간적 소모 및 오류 발생 가능성을 최소화하고, 다양한 인터페이스에 적응할 필요 없이 누구나 사용 가능하여 편의성을 향상시키는데 있다. 일례로, 미리 구축된 챗봇을 기반으로, 사용자의 음성을 인식하고, 음성인식결과로부터 인공수정체의 도수 및 굴절력 계산을 위한 측정데이터를 추출하며, 추출된 측정데이터에 따른 계산결과를 제공하는 데이터 입출력부; 및 상기 측정데이터를 입력 받고, 미리 구축된 인공지능 연산 알고리즘의 연산 과정을 통해 인공수정체의 도수 및 수술 후 굴절력을 계산하여 상기 계산결과로서 상기 데이터 입출력부로 제공하는 데이터 연산부를 포함하는 음성 인식 및 자연어 처리를 이용한 인공수정체 도수 및 굴절력 계산 장치를 개시한다.
본 발명의 일 실시예에 따른 다변량 의료 데이터 기반 인공지능 진료이력 대조 및 과거 연관 진료 이력 참조 추천 시스템은 음성 정보를 의료 진료 상담 텍스트로 변환하는 입력부; 상기 의료 진료 상담 텍스트 내의 문장 마다 형태소 및/또는 명사를 추출한 후, 관리자 키워드에 부합하는 형태소 및/또는 명사를 선별한 후, 선별한 형태소 및/또는 명사에 의료 NER 키워드 태그를 할당하고, 각 문장에 포함하는 형태소 및/또는 명사의 키워드 벡터를 산출하여 모델링하는 NER 모델 관리부; 상기 의료 진료 상담 텍스트 내에서 추출한 형태소 및/또는 명사를 적어도 하나 이상의 LLM(Large Language Model)에 NER 키워드 검증을 요청하고, 검증결과가 불일치 할 경우, 미일치 NER 키워드와 상기 NER 모델 관리부의 의료 키워드 벡터와의 유사도 분석을 통해 의료 NER 키워드의 정확성을 검증하는 NER 추론부; 환자의 의료 진료 데이터, 예컨대, 환자의 성별, 연령, 임신유무, 병증, 발명기간, 병원 방문 횟수 중 적어도 하나 이상의 의료 진료 정보를 분석하여, 해당 환자의 현재상태에 적합 및/또는 가중되어야 하는 의료 진단 키워드를 추출하는 다변량 의료 데이터 분석부; 및 상기 NER 추론부에서 검증된 의료 NER 키워드와 상기 다변량 의료 데이터 분석부에서 분석한 의료 진단 키워드로 구성된 ...(이하생략)
본 발명의 일 실시예에 따른 의료 텍스트에서 개체명 인식 및 보정을 통한 의료 데이터를 통합 관리 하기 위한 서비스를 지원하는 시스템은 음성 정보를 의료 진료 상담 텍스트로 변환하는 입력부; 상기 의료 진료 상담 텍스트 내의 문장 마다 형태소 및/또는 명사를 추출한 후, 관리자 키워드에 부합하는 형태소 및/또는 명사를 선별한 후, 선별한 형태소 및/또는 명사에 의료 NER 키워드 태그를 할당하고, 각 문장에 포함하는 형태소 및/또는 명사의 키워드 벡터를 산출하여 모델링하는 NER 모델 관리부; 및 상기 의료 진료 상담 텍스트 내에서 추출한 형태소 및/또는 명사를 적어도 하나 이상의 LLM(Large Language Model)에 NER 키워드 검증을 요청하고, 검증결과가 불일치 할 경우, 미일치 NER 키워드와 상기 NER 모델 관리부의 의료 키워드 벡터와의 유사도 분석을 통해 의료 NER 키워드의 정확성을 검증하는 NER 추론부를 포함한다.
본 발명은 진료 내용 및 환자 정보에 기반한 개인화 약물 처방 추천 시스템에 관한 것으로, 해결하고자 하는 과제는 환자와 의료진 사이의 진료 대화와 환자 정보를 통합 분석하여 유사 환자 집단과 매칭시키고, 인공지능 기술과 함께 룰셋(Ruleset) 기반의 분석 결과를 이용하여 개인화된 약물 처방을 지원하는데 있다. 일례로, 미리 저장된 진료상담정보 및 처방이력정보를 기계 학습하여 인공지능 기반의 처방이력 학습모델을 구축하는 처방이력 학습모델 구축부; 상기 진료상담정보 및 상기 처방이력정보에 대하여 의료전문가에 의해 적합한 특이사항으로 판정된 특이처방조건이 정의된 룰셋을 관리하는 룰셋 관리부; 환자로부터 진료상담정보를 획득하는 진료상담정보 획득부; 상기 처방이력 학습모델을 기반으로 상기 진료상담정보 획득부를 통해 획득된 진료상담정보와 가장 유사한 처방이력정보를 도출하여 추천처방기본정보를 제공하는 추천처방기본정보 제공부; 및 상기 진료상담정보 획득부를 통해 획득된 진료상담정보가 상기 특이사항에 부합되는 경우 상기 룰셋에 정의된 특이처방조건을 추출하여 추천처방추가정보로 제공하는 추천처방추가정보 제공부를 포함하는 진료 내용 및 환자 정보에 기반한 개인화 약물 처방 추천 시스템을 개시한다.
본 발명은 의료 진료 상담 이력의 통합 요약 시스템에 관한 것으로, 해결하고자 하는 과제는 환자의 이전 진료상담내용과 현재 진료상담내용을 통합적으로 요약하여 진료대화의 특수성을 이해하고, 환자의 건강이력과 현재 상태를 종합적으로 파악하여 정확한 진단결과를 제공하는데 있다. 일례로, 환자 별 진단명을 기준으로 과거진료상담정보 및 현재진료상담정보를 수집하는 진료상담정보 수집부; 및 상기 과거진료상담정보 및 현재진료상담정보로부터 기 등록된 의료 개체명을 포함하는 적어도 하나의 중요문장을 추출하고, 상기 중요문장의 내용을 결합하여 진료상담 통합요약문을 생성하는 진료상담 통합요약문 생성부를 포함하는 의료 진료 상담 이력의 통합 요약 시스템을 개시한다.
본 발명의 일 실시예에 따른 단어의 인식 실패를 용인하는 음서 인식 검증 시스템은 외부단말로부터 발화 텍스트를 제공하는 발화 텍스트 제공부; 상기 외부단말에서 상기 발화 텍스트를 발화한 음성정보를 수신하여 전처리하는 입력부; 전처리된 발화정보인 음성을 발음의 기본 단위에 해당하는 음절로 변환 또는 치환하는 음성 변환 모델링부; 변환된 소리음절들로 조합된 소리단어를 음절 간의 경계 단위로 인식하고, 변환된 소리음절을 기 설정된 인식 경계값(threshold)에 따라 소리단어의 인식유무(인식성공 or 인식실패)를 제공하는 단어 인식부; 상기 단어 인식부에서 기 설정된 개수의 소리단어들이 연속적으로 인식실패될 경우, 상기 음소단위의 인식 경계값(threshold)를 하향조정하여 상기 단어 인식부의 소리단어 인식률(acceptance)을 상향조정시키는 인식 경계값 조정부; 및 상기 단어 인식부에서 인식된 소리단어와 사용자 단말로 제공된 텍스트의 단어들 간을 매칭시켜 상기 단어 인식부의 소리단어 (오)인식률을 검증하는 단어 인식률 검증부를 포함한다.
본 발명은 음성명령을 이용한 EMR 조회 호출 시스템에 관한 것으로, 해결하고자 하는 과제는 사용자가 음성명령을 통해 접근하고자 하는 EMR 차트의 메뉴(기록지)명 또는 기타 관련 키워드 정보를 발화하면, 해당 EMR 차트를 조회하고 호출하는 방식을 통해 기존에 복잡하고 번거로운 EMR 메뉴 접근 프로세스를 간소화함으로써 의료진들의 EMR 작성 업무 상 발생될 수 있는 불편함을 최소화하고 사용상 편의성을 향상시키는데 있다. 일례로, 사용자로부터 음성명령을 입력 받고, 입력된 음성명령에 따른 EMR 조회 및 호출을 요청하고, EMR 차트를 수신하여 화면 상에 출력하는 사용자 통신단말; 및 상기 사용자 통신단말로부터 요청된 음성명령을 기반으로 의료정보시스템으로부터 EMR 차트를 조회하여 상기 사용자 통신단말로 호출하는 EMR 조회 호출 서버를 포함하는 음성명령을 이용한 EMR 조회 호출 시스템을 개시한다.
본 발명은 문진정보 및 진료대화정보 기반의 초진차트 생성을 통한 진료차트 작성 시스템에 관한 것으로, 해결하고자 하는 과제는 초진환자가 사전에 작성한 문진표를 기반으로 적합한 기본 진료차트를 추천하고, 추천된 진료차트를 보다 편하고 빠르게 수정할 수 있는 인터페이스를 제공함으로써 사용자(의사)가 쉽고 빠르게 진료차트를 기록할 수 있도록 하는데 있다. 일례로, 문진전자서식을 제공하고, 문진정보를 입력 받는 문진정보 입력부; 담당의사와 초진환자 간의 진료대화정보를 입력 받고, 상기 문진정보와 상기 진료대화정보에 포함된 키워드 분석을 통한 예상 진단명 후보군을 도출하고, 도출된 예상 진단명 후보군에 해당하는 초진차트초안 리스트를 생성하여 선택 가능하게 제공하는 초진차트초안 추천부; 및 상기 초진차트초안 리스트 중 선택된 초진차트초안을 통하여 담당의사로부터 진료정보를 입력 받아 진료차트를 작성하는 진료차트 작성부를 포함하는 초진차트 생성을 통한 진료차트 작성 시스템을 개시한다.
본 발명은 문제에 관한 사용자 맞춤형 음성 문서서식 설정시스템에 관한 것이다. 본 발명의 일측면에 따르면, 디스플레이부, 사용자의 음성을 입력받는 음성입력부 및 상기 음성입력부로부터 입력된 음성을 텍스트로 변환하여 상기 디스플레이부에 표시할 때, 상기 음성이 데이터베이스에 저장된 명령어와 일치여부를 확인하여, 상기 명령어에 해당하는 특정양식으로 상기 텍스트를 변환하여 상기 디스플레이부에 표시는 제어부를 포함한다.
본 발명의 일 실시예에 따른 다중경로 CTC 정렬 기반의 음성 인식 및 본인 검증을 지원하는 시스템은 API에서 제시된 화자검증 키워드 문장을 발화한 발화정보를 제공하는 사용자 단말; 및 상기 사용자 단말로 상기 화자검증 키워드 문장을 제공하고, 상기 발화정보를 다중 경로 CTC(Connectionist Temporal Classification) 정렬 알고리즘에 적용하여 발음기호로 정렬한 후, 상기 화자검증 키워드 문장 내에 포함된 적어도 2개 이상의 개인 키워드의 발음기호가 기 등록된 발음기호와 일치하면, 사용자의 본인인증을 확인하는 API 서버를 포함한다.
음성 입력 및 터치 입력을 지원하는 ENR(Electronic Nursing Recording)을 구비하는 전자 시스템 및 및 그의 동작 방법이 개시된다. 본 개시의 일 실시예에 따른 ENR의 동작 방법은, ENR 어플리케이션이 실행된 화면에서, 사용자의 바코드를 스캔하는 바코드 스캔 및 사용자의 사원증에 구비된 RFID를 태그하는 RFID 태그 중 어느 하나의 방법을 통해 ENR 어플리케이션에 대한 로그인 화면을 제공하는 단계; 로그인 완료에 응답하여, 간호메모 메뉴, 사용자의 터치 입력 및 사용자의 음성 입력을 인식 가능한 퀵메뉴, 및 바코드 스캔 메뉴를 포함하는 ENR 어플리케이션의 홈 화면을 제공하는 단계; 및 환자의 바코드를 스캔하고, 사용자의 터치 입력을 받아 환자에 대해 수행될 투약, 채혈, 및 수혈 중 어느 하나에 관한 제1 간호 업무 화면, 및 사용자의 음성 입력을 받아 환자의 바이탈 사인 및 수혈 간호 기록 중 어느 하나에 관한 제2 간호 업무 화면 중 어느 하나의 간호 업무 화면을 제공하는 단계를 포함한다.
본 발명은 문제에 관한 비대면 진료 시스템에 관한 것이다. 본 발명의 일측면에 따르면, 사용자가 환자정보를 입력하여 전문가와 연결되는 사용자 디바이스, 상기 사용자 디바이스와 연결 가능하여, 상기 환자정보를 전달받는 전문가 디바이스 및 상기 사용자 디바이스 및 상기 전문가 디바이스와 연결 시, 상기 사용자와 상기 전문가를 매칭시키고, 상기 사용자와 상기 전문가의 원격 상담을 제어하며, 상기 원격 상담 시, 상기 전문가 디바이스에 상기 환자정보에 따라 분류된 필수키워드를 생성하여 상기 원격 상담 시, 상기 전문가에게 상기 필수키워드를 표시하는 중앙서버를 포함한다. 본 발명은 서울특별시 서울산업진흥원 기술사업화 지원사업인 "2021년 바이오.의료 기술사업화지원" 과제를 통해 개발된 기술이다.
본 발명은 음성 인증 시스템을 제공한다. 본 발명의 일 실시예에 따른 음성 인증 시스템은, 화자의 음성을 디지털화한 음성 정보를 수집하는 음성 수집부, 수집된 상기 화자의 음성 정보를 기반으로 음성 이미지를 생성하고, 상기 음성 이미지를 심층 신경망(DNN; Deep Neural Network) 모델에 학습시키며, 상기 음성 이미지에 대한 특징 벡터를 추출하는 학습모델 서버, 상기 특징 벡터를 기반으로 워터마크(watermark)를 생성하고, 상기 음성 이미지 또는 음성 변환 데이터에 상기 워터마크 및 개별 정보를 삽입하는 워터마크 서버 및 상기 특징 벡터를 기반으로 비밀키(private key)를 생성하고, 인증 결과에 따라 상기 워터마크 및 상기 개별 정보의 추출 여부를 결정하는 인증 서버를 포함한다.
본 발명은 원격 진료 상황에서 전달되는 영상 및 음성 정보 중 음성 정보를 선택적으로 추출하는 음성 정보 추출부, 상기 음성 정보 추출부에 수집된 음성 정보 중 발화 위치를 선별하는 발화 위치 선별부 및 상기 발화 위치에 포함된 복수의 음성 프레임이 미리 설정된 검증 구간에 해당하도록 누적됨에 따라, 누적된 복수의 음성 프레임을 분석하여 검증 대상 화자 정보가, 접근이 허용된 사전 등록 화자 정보와 일치하는지 여부를 실시간 검증하는 화자 인식부를 포함하고, 상기 화자 인식부는, 상기 검증 대상 화자 정보와 상기 사전 등록 화자 정보의 일치 여부에 따른 검증 결과에 따라 선택적으로 원격 진료가 제한되게 한다.
본 발명은 음성 인증 시스템을 제공한다. 본 발명의 일 실시예에 따른 음성 인증 시스템은, 화자의 음성을 디지털화한 음성 정보를 수집하는 음성 수집부, 수집된 상기 화자의 음성 정보를 기반으로 음성 이미지를 생성하고, 상기 음성 이미지를 심층 신경망(DNN; Deep Neural Network) 모델에 학습시키며, 상기 음성 이미지에 대한 특징 벡터를 추출하는 학습모델 서버, 상기 특징 벡터를 기반으로 워터마크(watermark)를 생성하고, 상기 음성 이미지 또는 음성 변환 데이터에 상기 워터마크 및 개별 정보를 삽입하는 워터마크 서버 및 상기 특징 벡터를 기반으로 비밀키(private key)를 생성하고, 인증 결과에 따라 상기 워터마크 및 상기 개별 정보의 추출 여부를 결정하는 인증 서버를 포함한다.
본 발명은 키보드 매크로 기능을 활용한 자동 음성 인식기 및 음성 인식 방법에 관한 것으로, 전사 데이터 생성부가 마이크로 입력되는 음성 데이터에 기초하여 전사(transcription) 데이터를 생성하는 단계 및 라벨링부가 상기 생성된 전사 데이터에 매크로 기능을 수행하기 위해 기설정된 라벨링 대상 단어가 포함되면, 상기 생성된 전사 데이터에 라벨링하고 세션화하여 저장하는 단계, 상기 생성된 전사 데이터를 가상 키보드가 입력하는 방식으로 유틸리티 프로그램 상의 데이터 입력 가능한 공간에 표시하여 디스플레이 하는 단계를 포함하는 것을 특징으로 하는 키보드 매크로 기능을 활용한 자동 음성 인식 방법에 의해 의료 현장에서 전자의무기록, 수술기록지 작성 등 실제 환자 진료시에 진료 기록을 위해 손을 사용하기 힘든 상황에서 음성을 바로 텍스트 형태로 기록하여 편리한 자동 음성 인식기 및 음성 인식 방법을 제공할 수 있는 효과가 도출된다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 30 of 30 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 4.2 | 3.3 |
| Operating expenses | 8.5 | 9.8 |
| Operating income (loss) | (4.3) | (6.5) |
| Non-operating income | 2.0 | 1.1 |
| Other gains | 0.1 | 0.0 |
| Finance income | 1.8 | 1.1 |
| Non-operating expenses | 4.0 | 1.7 |
| Other losses | 3.6 | 0.0 |
| Finance costs | 0.4 | 1.7 |
| Profit (loss) before tax | (6.4) | (7.0) |
| Net income (loss) | (6.4) | (7.0) |
Revenue ₩3.3bn, down 21.2% YoY.
Operating margin -195.9% (prior -103.2%).
Net income ₩-7bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-08