1 |
1
바이오 센서, 정신상태의 검진정보를 관리하는 장치 및 환자의 진료이력을 관리하는 장치 중 하나 이상으로부터 정신상태의 기본정보를 수집하는 정신상태 기본정보 수집부;상기 정신상태의 기본정보를 이용하여 객관화된 정신상태의 비연속적인 집합으로 정신상태를 모델링하는 정신상태 모델링부;상기 정신상태의 모델링 결과를 기초로 정신과 치료를 위한 정신상태의 순서를 생성하는 정신상태 순서 생성부; 및상기 정신상태의 순서를 기초로 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측부;를 포함하는 응급 정신상태 예측 장치
|
2 |
2
제 1 항에 있어서,상기 바이오 센서는 정신적인 장애를 측정하기 위한 기능이 탑재된 바이오 센서인 응급 정신상태 예측 장치
|
3 |
3
제 1 항에 있어서,상기 정신상태 모델링부는 MEMM(Maximum Entropy Markov Model)을 적용하여 객관화된 정신상태의 비연속적인 집합으로 정신상태를 모델링하는 응급 정신상태 예측 장치
|
4 |
4
제 3 항에 있어서,상기 정신상태 모델링부는 MEMM(Maximum Entropy Markov Model)을 적용하여 소정의 시간 간격에서 하나의 정신상태에서 다른 정신상태로 천이할 확률을 지수모델로 예측하여 정신상태를 모델링하는 응급 정신상태 예측 장치
|
5 |
5
제 1 항에 있어서,상기 정신상태 순서 생성부는 상기 정신상태의 모델링 결과를 기초로 기계학습기법 중 비터비 알고리즘(Viterbi Algorithm)을 사용하여 정신상태의 순서를 생성하는 응급 정신상태 예측 장치
|
6 |
6
제 1 항에 있어서,상기 정신상태 순서 생성부는 상기 정신상태의 모델링 결과를 기초로 가중치 선호도 기법을 사용하여 정신상태의 순서를 생성하는 응급 정신상태 예측 장치
|
7 |
7
제 1 항에 있어서,상기 응급 정신상태 예측부는 상기 정신상태의 순서를 기초로 앙상블 학습 알고리즘(Ensemble Learning Algorithm)을 사용하여 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측 장치
|
8 |
8
제 7 항에 있어서,상기 응급 정신 상태 예측부는 상기 정신상태의 모델링 결과를 기초로 기계학습기법 중 비터비 알고리즘(Viterbi Algorithm)을 사용하여 생성한 정신상태의 순서와 상기 정신상태의 모델링 결과를 기초로 가중치 선호도 기법을 사용하여 생성한 정신상태의 순서를 기초로 앙상블 학습 알고리즘(Ensemble Learning Algorithm)을 사용하여 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측 장치
|
9 |
9
제 8 항에 있어서,상기 응급 정신상태 예측부는 가중치 선호도 기법을 사용한 결과와 앙상블 학습 알고리즘을 사용한 결과를 비교하여 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측 장치
|
10 |
10
제 7 항에 있어서,상기 응급 정신상태 예측부는 상기 정신상태의 순서 집합에서 앙상블 학습 알고리즘의 다수 투표 원칙에 따라 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측 장치
|
11 |
11
제 1 항에 있어서,상기 응급 정신상태 예측장치는 근거리 통신을 수행하는 근거리 통신부를 더 포함하고,상기 정신상태 기본정보 수집부는 근거리 통신을 통하여 정신적인 장애를 측정하기 위한 기능이 탑재된 바이오 센서, 정신상태의 검진정보를 관리하는 장치 및 환자의 진료이력을 관리하는 장치 중 하나 이상으로부터 정신상태의 기본정보를 수집하는 응급 정신상태 예측 장치
|
12 |
12
제 11 항에 있어서,상기 근거리 통신부는 NFC, RFID, Zigbee, Bluetooth 및 UWB 중에서 하나 이상인 응급 정신상태 예측 장치
|
13 |
13
바이오 센서, 정신상태의 검진정보를 관리하는 장치 및 환자의 진료이력을 관리하는 장치 중 하나 이상으로부터 정신상태의 기본정보를 수집하는 단계;상기 정신상태의 기본정보를 이용하여 객관화된 정신상태의 비연속적인 집합으로 정신상태를 모델링하는 단계;상기 정신상태의 모델링 결과를 기초로 정신과 치료를 위한 정신상태의 순서를 생성하는 단계; 및상기 정신상태의 순서를 기초로 응급한 정신상태인지 여부를 예측하는 단계;를 포함하는 응급 정신상태 예측 방법
|
14 |
14
제 13 항에 있어서,상기 정신상태 모델링 단계는 MEMM(Maximum Entropy Markov Model)을 적용하여 객관화된 정신상태의 비연속적인 집합으로 정신상태를 모델링하는 응급 정신상태 예측 방법
|
15 |
15
제 14 항에 있어서,상기 정신상태 모델링 단계는 MEMM(Maximum Entropy Markov Model)을 적용하여 소정의 시간 간격에서 하나의 정신상태에서 다른 정신상태로 천이할 확률을 지수모델로 예측하여 정신상태를 모델링하는 응급 정신상태 예측 방법
|
16 |
16
제 13 항에 있어서,상기 정신상태 순서 생성 단계는 상기 정신상태의 모델링 결과를 기초로 기계학습기법 중 비터비 알고리즘(Viterbi Algorithm)을 사용하여 정신상태의 순서를 생성하는 응급 정신상태 예측 방법
|
17 |
17
제 13 항에 있어서,상기 정신상태 순서 생성 단계는 상기 정신상태의 모델링 결과를 기초로 가중치 선호도 기법을 사용하여 정신상태의 순서를 생성하는 응급 정신상태 예측 방법
|
18 |
18
제 13 항에 있어서,상기 응급 정신상태 예측 단계는 상기 정신상태의 순서를 기초로 앙상블 학습 알고리즘(Ensemble Learning Algorithm)을 사용하여 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측 방법
|
19 |
19
제 18 항에 있어서,상기 응급 정신 상태 예측 단계는 상기 정신상태의 모델링 결과를 기초로 기계학습기법 중 비터비 알고리즘(Viterbi Algorithm)을 사용하여 생성한 정신상태의 순서와 상기 정신상태의 모델링 결과를 기초로 가중치 선호도 기법을 사용하여 생성한 정신상태의 순서를 기초로 앙상블 학습 알고리즘(Ensemble Learning Algorithm)을 사용하여 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측 방법
|
20 |
20
제 18 항에 있어서,상기 응급 정신상태 예측 단계는 상기 정신상태의 순서 집합에서 앙상블 학습 알고리즘의 다수 투표 원칙에 따라 응급한 정신상태인지 여부를 예측하는 응급 정신상태 예측 방법
|