[논문]특허 데이터 기반 생성형 AI 기술 동향 분석

유성무; 송태원; 이민정; 최윤주; 설순욱

doi:10.17661/jkiiect.2024.17.1.1

특허 데이터 기반 생성형 AI 기술 동향 분석
Analysis of Generative AI Technology Trends Based on Patent Data 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.17 no.1, 2024년, pp.1 - 9

유성무 (School of Electrical, Electronics and Communication Engineering, Korea University of Technology and Education) , 송태원 (School of Electrical, Electronics and Communication Engineering, Korea University of Technology and Education) , 이민정 (School of Electrical, Electronics and Communication Engineering, Korea University of Technology and Education) , 최윤주 (School of Electrical, Electronics and Communication Engineering, Korea University of Technology and Education) , 설순욱 (School of Electrical, Electronics and Communication Engineering, Korea University of Technology and Education)

초록
AI-Helper

본 논문은 특허 출원 문서를 기초로 하여 생성형 AI 기술의 동향을 분석한다. 이를 위해 2003년부터 2023년까지 한국, 미국, 유럽에서 출원된 생성형 AI 관련 특허 5,433건을 선별하고, 국가별, 기술 분야별, 연도별, 출원인별 데이터를 분석하고 시각적으로 제시함으로써 시사점을 찾고 기술 흐름을 확인하고자 한다. 분석 결과, 이미지 분야의 특허가 36.9%로 가장 많고 지속적으로 출원 건수가 상승하고 있지만, 문장/문서나 음악/음성 분야는 2019년 이후로 출원이 감소하거나 유지되고 있다. 가장 많은 특허를 출원한 기업은 한국 기업이지만 상위 5개 출원인 중 4개가 미국 기업이며 모든 기업이 미국에 가장 많은 특허를 출원하고 있어 생성형 AI는 미국 시장을 중심으로 성장하고 경쟁하고 있음을 확인하였다. 논문의 분석 결과는 향후 생성형 AI 연구 개발과 지식 재산 확보 전략을 수립하는 데 활용될 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

This paper analyzes the trends in generative AI technology based on patent application documents. To achieve this, we selected 5,433 generative AI-related patents filed in South Korea, the United States, and Europe from 2003 to 2023, and analyzed the data by country, technology category, year, and applicant, presenting it visually to find insights and understand the flow of technology. The analysis shows that patents in the image category account for 36.9%, the largest share, with a continuous increase in filings, while filings in the text/document and music/speech categories have either decreased or remained stable since 2019. Although the company with the highest number of filings is a South Korean company, four out of the top five filers are U.S. companies, and all companies have filed the majority of their patents in the U.S., indicating that generative AI is growing and competing centered around the U.S. market. The findings of this paper are expected to be useful for future research and development in generative AI, as well as for formulating strategies for acquiring intellectual property.

주제어

표/그림 (10)

표 표 1. 기술 분야별 특허 수 Table 1. Number of patents by technology category
그림 그림 1. 유효 특허의 상위 10개 IPC 분류 코드 Fig. 1. Top 10 IPC of Valid Patents
표 표 2. IPC 분류 코드 설명 Table 2. Description of IPC
그림 그림 3. 연도별 기술 분야별 특허 출원 건수 Fig. 3. Number of patent applications by technology category and year
그림 그림 2. 연도별 생성형 AI 특허 출원 건수 Fig. 2. Number of generative AI patent applications by year
그림 그림 4. 주요 출원인별 생성형 AI 특허 출원 Fig. 4. Generative AI Patent Applications by major applicants
표 표 3. 연도별 특허 출원 변화 비교 - 유효 특허 데이터와 대략적 검색 데이터 Table 3. Comparison of Annual Patent Application Changes - Valid Patent Data vs. General Search Data
그림 그림 5. 주요 출원인의 기술 분야별 특허 출원 Fig. 5. Patent applications in focused technology areas by major applicants
표 표 4. 국가별 생성형 AI 특허 비율 Table 4. Percentage of Generative AI patent office registrations by country
그림 그림 6. 이미지 분야에 활용된 생성형 AI 사례: (a) 이미지 복원 예시 (b) 이미지 생성 예시 Fig. 6. Examples of generative AI used in imagery: (a) An example of image restoration (b) An example of image generation

AI 본문요약
AI-Helper

문제 정의

이미지 분야에서 가장 많은 특허를 출원하고 있는 Samsung Electronics와 Adobe의 세부적인 기술 분야를 살펴보고자 한다. 이미지 분야의 경우 생성, 합성, 복원, 변형으로 세부 기술 분야를 나눌 수 있다.

제안 방법

이러한 동향은 최근 챗 GPT를 통한 문장 생성의 활성화라든지, AI가 기존 노래를 커버하는 영상이나 실시간 AI 통역처럼 음악/음성 생성 분야의 관심과 응용 사례가 증가하는 추세와는 대조적으로 보일 수 있다. 기술 분야별 출원 동향을 정확하게 검증하기 위해 상세 검색식이 아닌 핵심 키워드만으로 구성된 넓은 범위의 특허를 검색하여 출원 추세를 비교 검증하고자 한다. 예를 들어, ‘인공지능’ 키워드와 ‘음악 or 음성 ’ 키워드만을 AND 조건으로 검색하고 유효하지 않은 특허(노이즈)를 제거하지 않은 포괄적인 특허의 개수를 비교한다.
또한, 상위 5개 기업이 집중하고 있는 기술 분야를 분석하였고, 이미지 분야에서 가장 많은 특허를 출원하고 있는 Samsung Electronics와 Adobe의 경우 세부 기술을 비교 분석하였다.
59,399건의 특허는 비정제 데이터(Raw Data)로서 생성형 AI 특허와 관련성이 없는 특허도 다수 포함되기 때문에 내용을 확인하여 노이즈를 제거하는 절차가 필요하다. 본 논문에서는 유효한 특허를 걸러내기 위해서 논문의 목적에 따라 두 가지 기준을 적용한다. 첫 번째 기준은 특허가 인공지능 기술을 실제로 사용하는지를 확인하는 것이다.
본 논문에서는 인공지능을 통해 생성하는 콘텐츠의 종류에 따라 이미지, 문장/문서, 맞춤 데이터, 동영상, 음악/음성 5개의 분야로 나눈다.
본 논문에서는 특허 데이터를 기반으로 생성형 AI의 기술 흐름을 파악하고 주요 기업이 집중하고 있는 기술 분야 및 적용 사례를 비교 분석하였다. 향후 생성형 AI 연구 개발과 지식 재산 확보 전략을 수립하는 데 활용될 수 있을 것으로 기대된다.
본 장에서는 주요 국가를 대상으로 관련 특허를 검색하고, 그중 특허의 내용이 생성형 AI에 해당하는 유효 특허를 선별한 뒤, 기술 분야별로 분류하여 전반적인 특허 출원 수를 분석한다.
본 논문에서는 생성형 AI의 기술 분야별 동향과 기업별 특징 비교에 초점을 둔다. 생성형 AI가 생성하는 결과물에 따라 기술 분야를 나누고, 연도별 활용 분야가 어떻게 변화하고 있는지 분석한다. 또한, 기업별 집중 출원 기술 분야와 해당 기술을 활용한 사례를 제시한다.
본 장에서는 주요 출원인의 동향을 분석한다. 출원인은 기업, 연구소, 대학, 정부, 개인 등 다양하지만, 본 논문에서는 기업이 출원한 특허를 대상으로 하고 기업별로 어떤 기술 분야에 집중하고 있는지 분석한다. 이를 통해 생성형 AI의 시장 동향 및 기업들의 연구 개발 방향을 파악한다.
특허 검색을 위한 키워드는 논문, 뉴스 기사, 알려진 특허의 명세서를 바탕으로 생성형 AI 및 인공지능 모델, 동작 방식, 생성 결과물 등의 관련 단어들이 조합되도록 하였다. 특허 검색의 범위는 연구의 효율성을 위해 대상 국가를 한국, 미국, 유럽으로 하고, 검색 기간은 특허 존속기간이 20년인 것을 고려하여 2003년부터 2023년 7월까지로 설정한다.
특허 분류에 참고할 수 있는 International Patent Classification (IPC) 코드를 기준으로 기술 분야별 특허의 수를 비교하고자 한다. IPC는 발명의 기술 분야를 나타내는 국제적으로 통일된 특허 분류 체계로, 특허 문헌의 분류 및 검색을 용이하게 할 수 있도록 모든 출원 건에 대하여 IPC 분류 코드를 부여하고 있다.

대상 데이터

본 논문은 생성형 AI의 기술 활용 분야를 파악하고자 2003년 1월부터 2023년 7월까지 한국, 미국, 유럽 특허 총 5,433건을 분석하였다.
특허 검색을 위한 키워드는 논문, 뉴스 기사, 알려진 특허의 명세서를 바탕으로 생성형 AI 및 인공지능 모델, 동작 방식, 생성 결과물 등의 관련 단어들이 조합되도록 하였다. 특허 검색의 범위는 연구의 효율성을 위해 대상 국가를 한국, 미국, 유럽으로 하고, 검색 기간은 특허 존속기간이 20년인 것을 고려하여 2003년부터 2023년 7월까지로 설정한다. 특허의 상태는 등록특허와 공개 특허를 포함한다.

성능/효과

3개국 특허청에 등록된 유효 특허 수를 기준으로 상위 5개 출원인은 Samsung Electronics, Google, Adobe, IBM, Microsoft로 나타났다. Samsung Electronics를 제외한 다른 기업은 모두 미국 기업이라는 점과 모든 출원인이 미국 특허청 등록 비율이 가장 높다는 점에서 생성형 AI는 미국 시장을 중심으로 성장하고 경쟁하고 있음을 확인하였다.
59,399건의 특허는 비정제 데이터(Raw Data)로서 생성형 AI 특허와 관련성이 없는 특허도 다수 포함되기 때문에 내용을 확인하여 노이즈를 제거하는 절차가 필요하다. 본 논문에서는 유효한 특허를 걸러내기 위해서 논문의 목적에 따라 두 가지 기준을 적용한다.
이미지 분야의 경우 생성, 합성, 복원, 변형으로 세부 기술 분야를 나눌 수 있다. Samsung Electronics가 이미지 분야에 출원한 172건의 특허 중에서 이미지 복원 분야가 75건으로 가장 많았고, Adobe는 130건 중에서 이미지 생성 분야에 58건으로 가장 많은 특허를 출원하여 기업별 집중 분야의 차이를 확인할 수 있다.
3개국 특허청에 등록된 유효 특허 수를 기준으로 상위 5개 출원인은 Samsung Electronics, Google, Adobe, IBM, Microsoft로 나타났다. Samsung Electronics를 제외한 다른 기업은 모두 미국 기업이라는 점과 모든 출원인이 미국 특허청 등록 비율이 가장 높다는 점에서 생성형 AI는 미국 시장을 중심으로 성장하고 경쟁하고 있음을 확인하였다.
각 기술 분야별 출원 동향을 분석한 결과, 이미지와 동영상 분야는 특허 출원이 꾸준히 상승하고 있지만, 문장/문서와 음악/음성 분야는 2019년 이후로는 감소하거나 유지되고 있음을 확인할 수 있었다.
특허의 상태는 등록특허와 공개 특허를 포함한다. 검색 결과, 총 59,399건의 특허가 검색되었으며, 한국 12,168건, 미국 37,455건, 유럽 9,776건이 포함되었다.
기술 분야별로 상세히 살펴보면, 이미지 분야에서 Samsung Electronics와 Adobe는 각각 172건, 130건의 특허를 출원한 것에 비해 나머지 기업은 55건 이하로 출원하고 있어 기업 간의 특허 출원 건수 차이가 큰 것을 알 수 있다. 문장/문서 분야에서는 대규모 언어 모델 GPT를 개발한 Google이 82건의 가장 많은 특허를 보유하고 있으며, 다른 기업들도 40건 이상의 특허를 출원하고 있어 기업 간 출원 건수 차이는 상대적으로 적은 편이다.
기술 분야별로 해당하는 특허의 수를 확인한 결과, 표 1에 나타낸 것과 같이 이미지 2,004건(36.9%), 문장/문서 1,282건(23.6%), 맞춤 데이터 657건(12.1%), 동영상 885건(16.3%), 음악/음성 605건(11.1%)으로 확인되었다.
동영상 기술 분야에서는 Samsung Electronics와 Google이 각각 80건, 41건의 특허를 출원하여 해당 분야에서 높은 기술력을 가진 것으로 판단된다. 기업별로 살펴보면 Samsung Electronics가 이미지와 동영상에서는 가장 많은 특허를 출원했지만, 문장/문서와 음악/음성 분야에서는 Google이 앞서는 것을 알 수 있다. IBM은 여러 기술 분야 중 문장/문서에서 가장 많은 출원을 하고 있다.
문장/문서 분야에서는 대규모 언어 모델 GPT를 개발한 Google이 82건의 가장 많은 특허를 보유하고 있으며, 다른 기업들도 40건 이상의 특허를 출원하고 있어 기업 간 출원 건수 차이는 상대적으로 적은 편이다. 동영상 기술 분야에서는 Samsung Electronics와 Google이 각각 80건, 41건의 특허를 출원하여 해당 분야에서 높은 기술력을 가진 것으로 판단된다. 기업별로 살펴보면 Samsung Electronics가 이미지와 동영상에서는 가장 많은 특허를 출원했지만, 문장/문서와 음악/음성 분야에서는 Google이 앞서는 것을 알 수 있다.
가장 많은 특허를 출원한 Samsung Electronics를 제외한 나머지 4개 기업은 모두 미국의 빅테크 기업이다. 또한, 표 4에 따르면, 상위 5개 기업 모두 미국 특허청에서의 점유율이 54% 이상으로 가장 높다. 특히 Adobe와 IBM은 한국과 유럽을 제외한 미국 특허청에만 특허를 출원하고 있다.
상위 10개의 IPC 분류 코드의 설명은 표 2에 정리하였으며 내용을 보면 이미지 분야의 특허가 가장 많은 것을 알 수 있다. G06T, G06K, G06V 분류 코드는 이미지, 영상, 이미지 데이터의 인식, 이해, 처리, 판독 등과 같이 이미지와 관련된 특허가 주를 이룬다.
생성형 AI 기술 분야는 생성하는 콘텐츠의 유형에 따라 이미지, 문장/문서, 맞춤 데이터, 동영상, 음악/음성 총 5개의 기술 분야로 나누었으며 이미지 분야의 특허가 36.9%로 가장 많고 꾸준하게 증가 추세에 있음을 확인하였다. 이는 생성형 AI 분야에서 이미지 기술 분야가 중요한 역할을 하고 있음을 보여준다.
연도별 특허 출원 건수의 변화를 분석해보면, 그림2에 나타낸 것과 같이 2018년에서 2019년 사이에 524건에서 1,170건으로 특허 출원이 급격하게 증가한 것을 확인할 수 있다. 이후 2019년부터는 특허 출원량이 1,302건에서 1,385건으로 증가율이 다소 완화되었다.
예를 들어, 단순히 머신 러닝을 적용해서 객체를 식별하거나 분류하는 특허는 제외한다. 이러한 기준을 적용하여 유효 특허를 선별한 결과 총 5,433건의 특허가 확인되었고, 표 1과 같이 국가별로는 한국 1,830건, 미국 3,017건, 유럽 586건의 특허가 포함된다.
진단/수술 분야에서는 생성형 AI를 사용하여 의료기기의 영상에서 노이즈를 감소시키는 특허[20]와 암에 대한 이미지 정보 훈련을 통해 종양의 이미지를 미리 생성하여 예측하는 특허[21]가 있다. 이처럼 표1의 기술 분류에서 이미지 분야에 가장 많은 특허(36.9%)가 존재하는데, 특허의 IPC 분류 코드에서도 이미지 분야의 특허가 많음을 확인할 수 있다.
연도별 특허 출원 건수의 변화를 분석해보면, 그림2에 나타낸 것과 같이 2018년에서 2019년 사이에 524건에서 1,170건으로 특허 출원이 급격하게 증가한 것을 확인할 수 있다. 이후 2019년부터는 특허 출원량이 1,302건에서 1,385건으로 증가율이 다소 완화되었다.
특허 출원율이 증가한 이유는 2017년 Transformer 모델과 2018년에 등장한 GPT(OpenAI) 및 BERT(Google) 모델로 인해 생성형 AI 시장이 크게 성장하였고, 이에 따라 특허 증가율이 상승하였다고 판단된다.
문장/문서 및 음악/음성 분야에 대한 유효 특허 데이터와 포괄적 데이터를 표 3에 나타내었으며 증감률을 함께 비교하였다. 특허 출원이 증가하다가 감소하는 시점이 문장/문서의 경우 2021년, 음악/음성의 경우 2020년으로 일치하는 것을 확인할 수 있다.
한국, 미국, 유럽 특허청에 등록된 생성형 AI 특허 수를 기준으로 상위 5개 기업을 도출한 결과 그림 4와 같이 Samsung Electronics (389건), Google (243건), Adobe (210건), IBM (152건), Microsoft (114건) 순으로 나타났다. 한국과 미국의 주요 기업이 생성형 AI 기술에서 높은 영향력을 가진 다출원 기업으로 나타났다.
한국, 미국, 유럽 특허청에 등록된 생성형 AI 특허 수를 기준으로 상위 5개 기업을 도출한 결과 그림 4와 같이 Samsung Electronics (389건), Google (243건), Adobe (210건), IBM (152건), Microsoft (114건) 순으로 나타났다. 한국과 미국의 주요 기업이 생성형 AI 기술에서 높은 영향력을 가진 다출원 기업으로 나타났다. 가장 많은 특허를 출원한 Samsung Electronics를 제외한 나머지 4개 기업은 모두 미국의 빅테크 기업이다.

후속연구

생성형 AI가 생성하는 결과물에 따라 기술 분야를 나누고, 연도별 활용 분야가 어떻게 변화하고 있는지 분석한다. 또한, 기업별 집중 출원 기술 분야와 해당 기술을 활용한 사례를 제시한다.
출원인은 기업, 연구소, 대학, 정부, 개인 등 다양하지만, 본 논문에서는 기업이 출원한 특허를 대상으로 하고 기업별로 어떤 기술 분야에 집중하고 있는지 분석한다. 이를 통해 생성형 AI의 시장 동향 및 기업들의 연구 개발 방향을 파악한다.
본 논문에서는 특허 데이터를 기반으로 생성형 AI의 기술 흐름을 파악하고 주요 기업이 집중하고 있는 기술 분야 및 적용 사례를 비교 분석하였다. 향후 생성형 AI 연구 개발과 지식 재산 확보 전략을 수립하는 데 활용될 수 있을 것으로 기대된다.

참고문헌 (24)

Kyoung-Geun Cho, Taek-Gwon Nam,？Zahra-Batool Jaffrey, Sung-Uk Hur,？Seo-Young Won, Yeon-Tae Lee, Tae-Koo？Kang, "Development of Generative AI？Models for Human Pose Estimation", KIEE, vol. 320, pp.31-34, November, 2023.？
Soo-Hyung Choi, Jin-Guk Lee, "Automation？of Floor Plan Generation for Urban Housing？Using Generative AI", Journal of the Korea？CDE Society, vol.28, no. 4, pp.514-523,？December, 2023.？
Yeongro Yun, Kyunwoo Park, Dongkyu Ryu,？"Vision Fail-Safe Image Generation using？Generative AI: A Case Study on Unpaired？Image-to-Image Translation", Proc. of the？2023 KSAE Autumn Conference, pp.1401-1402, November, 2023.？
Staphord Bengesi, Hoda El-Sayed, Md？Kamruzzaman Sarker, Yao Houkpati, John？Irungu, Timothy Oladunni. "Advancements？in Generative AI: A Comprehensive Review？of GANs, GPT, Autoencoders, Diffusion？Model, and Transformers.", arXiv preprint？arXiv:2311.10242, November, 2023.？
Balagopal Ramdurai & Prasanna Adhithya, "The Impact Advancements and Applications？of Generative AI", SSRG International？Journal of Computer Science and？Engineering, vol. 10, no. 6, pp. 1-8, June,？2023.？
Dong-Yeon Son, Jong-Ho Lee, Chul Oh, "A？Study of the Technological Development？Direction and Economic Security of the AI？Semiconductor Industry: With Emphasis on an Analysis Using U.S. Patent Data", Journal？of the Digital Contents Society, Vol. 24 No.？7, pp. 1555-1565, July, 2023.？
Seon-Gon Kim, "Comparative Analysis Study？of Technology Convergence in the？Secondary Battery Field: Focused on Patents？in Korea and the U.S.", Doctoral？Dissertation, Dept. of Industrial Information？Systems, Seoul National University of？Science and Technology, February, 2023.？
Hyun-jo Park, Choon-seoung Leem, "A？Competitiveness Analysis of Autonomous？Vehicle through Patent Analysis", Proc. of？the 2021 KIICE Autumn Conference, pp.173-176, October, 2021.？
Gayun Kim, Beom-Seok Kim, Jinhong Yang,？"Research on Core Patent Mining Methods？Based on Key Components of Generative？AI", Journal of the Korea Information and？Electronics Communication Technology？Society, Vol.16, No.5, pp.292-300, October,？2023.？
Dae-Hee Kim, Jong-Hyun Lee, Beom-Seok？Kim, Jinhong Yang, "A Study on the？Development Direction of Language？Model-Based Generative Artificial？Intelligence through Patent Trend Analysis",？Journal of the Korean Institute of？Information and Electronics Communication？Technology, Vol. 16, No. 5, pp. 279-291,？October, 2023.？
Lemon lnc, "High-resolution Portrait？Stylization Frameworks using a Uierarchical？Variational Encoder", US17/321384, May？2021？
Adobe Inc, "Systems and Methods for？Generating Text Descriptive of Digital？Images", US16/998730, August,？2020.
Sony Interactive Entertainment LLC,？"Method and Systems for Dynamic Quest？Generation", US17/107713, November,？2020.
Samsung Electronics co. LTD, "Image？Processing Apparatus and Method of？oPerating the same" US16/529942, August,？2019.？
LG Electronics Inc, "Artificial intelligence？Apparatus for Converting text and speech？in Consideration of Style and Method for？the same", US16/490316, May, 2019.？
The Hong Kong University of Science and？Technology, "VistGAN: Unsupervised Video？Super-resolution with Temporal Consistency？using GAN", US17/184518, February, 2021.？
LG Electronics Inc, "Method and Apparatus？for Compressing or Restoring Image",？US16/738585, January,？2020.
Samsung Life Public Welfare Foundation,？"The System For Diagnosis Of Anterior Eye？Diseases And Method For Diagnosis By The？System", KR102354980B1, June, 2018.？
Daegu Gyeongbuk Institute Of Science And？Technology, "Method and Apparatus for？Prediting Medical Image Using Conditional？Generative Adversarial Network",？KR102348869B1, May,？2020.
Konyang University Industrial Cooperation？Group, "Speckle pattern Reduction system？for Ultrasound Diagnostic Image",？KR102175923B1, December, 2018.？
Korea Advanced Institute of Science and？Technology, "Method for Generating breast？Masses According to the Lesion？Characteristics and the system thereof",？KR102067340B1, July, 2018.？
Alec Radford, Karthik Narasimhan, Tim？Salimans, Ilya Sutskever, "Improving？Language Understanding by Generative？Pre-Training", Semantic Scholar, 2018.？
Alec Radford, Jeffrey Wu, Rewon Child,？David Luan, Dario Amodei, Ilya Sutskever,？"Language Models are Unsupervised？Multitask Learners", Semantic Scholar, 2019.？
Tom B. Brown, Benjamin Mann, Nick？Ryder, Melanie Subbiah, Jared Kaplan,？Prafulla Dhariwal, Arvind Neelakantan, Pranav Shyam, Girish Sastry, Amanda Askell,？Sandhini Agarwal, Ariel Herbert-Voss,？Gretchen Krueger, Tom Henighan, Rewon？Child, Aditya Ramesh, Daniel M. Ziegler,？Jeffrey Wu, Clemens Winter, Christopher？Hesse, Mark Chen, Eric Sigler, Mateusz？Litwin, Scott Gray, Benjamin Chess, Jack？Clark, Christopher Berner, Sam McCandlish,？Alec Radford, Ilya Sutskever, Dario Amodei,？"Language Models are Few-Shot Learners",？Advances in Neural Information Processing？Systems, vol. 33, pp.1877-1901, June, 2020.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증