| 1 |
1
암 결정기가 수행하는 학습 모델 훈련 방법에 있어서,암 환자의 암 조직 및 정상 조직으로부터 추출한 샘플별 질량 스펙트럼을 식별하는 단계;상기 식별된 질량 스펙트럼을 전처리하는 단계; 및상기 전처리된 질량 스펙트럼으로부터 결정된 피쳐를 이용하여, 테스트 사용자의 암 발병 여부를 판단하기 위한 학습 모델을 훈련하는 단계를 포함하는 학습 모델 훈련 방법
|
| 2 |
2
제1항에 있어서,상기 식별하는 단계는,상기 암 환자의 암 조직 및 정상 조직에 포함된 분자 물질의 농도(intensity) 및 분자 물질의 질량 지표(mass)로 구성된 질량 스펙트럼을 식별하는 학습 모델 훈련 방법
|
| 3 |
3
제1항에 있어서,상기 전처리하는 단계는,상기 질량 스펙트럼을 구성하는 분자 물질의 농도의 분포를 정규 분포로 변형하는 단계;상기 샘플간에 측정된 질량 스펙트럼을 정규화하는 단계;상기 정규화된 질량 스펙트럼에서, SNR(Signal to Noise Ratio)에 기초하여 상기 분자 물질의 농도의 분포에 포함된 노이즈를 제거하는 단계;상기 정규화된 질량 스펙트럼에서, 미리 설정된 허용 범위(tolerance) 이내의 분자 물질의 질량 지표를 동일한 피크로 설정하는 단계; 및상기 샘플간 질량 지표의 정렬을 수행하는 단계를 포함하는 학습 모델 훈련 방법
|
| 4 |
4
제3항에 있어서,상기 전처리하는 단계는,상기 질량 지표의 정렬이 수행된 질량 스펙트럼에서, 미리 설정된 사이즈를 가지는 윈도우 내의 극대 값을 피크로 탐지하는 단계;상기 허용 범위 이내의 질량 지표를 동일한 피크로 처리하는 단계; 및상기 탐지된 피크 중에서, 미리 설정된 비율 이하로 존재하는 질량 지표를 제거하는 단계를 더 포함하는 학습 모델 훈련 방법
|
| 5 |
5
제1항에 있어서,상기 학습 모델의 훈련 결과는,상기 암 발병 여부에 따라 변경되는 주요 질량 지표로써, (1) 상기 학습 모델의 변수의 중요도에 기초하여 결정된 질량 지표, (2) 질량 지표의 그룹별로 결정된 유의 확률(p-value)에 대하여, 미리 설정된 임계치 이하의 유의 확률을 가지는 질량 지표 및 (3) 상기 피쳐를 PCA(Principal Component Analysis) 변환한 결과에 기초하여, PCA 차원(dimension)에 기여하는 변수의 기여도에 기초하여 결정된 질량 지표 중 적어도 하나를 추출한 결과를 포함하는 학습 모델 훈련 방법
|
| 6 |
6
암 결정기가 수행하는 학습 모델 적용 방법에 있어서,테스트 사용자의 암 발병 여부를 판단하기 위한 학습 모델을 획득하는 단계; 및상기 테스트 사용자의 신체 조직으로부터 추출된 질량 스펙트럼을 상기 학습 모델에 적용함으로써, 상기 테스트 사용자의 암 발병 여부를 판단하는 단계를 포함하고,상기 학습 모델은,암 환자의 암 조직과 정상 조직으로부터 추출한 샘플별 질량 스펙트럼에 기초하여 훈련되는 학습 모델 적용 방법
|
| 7 |
7
제6항에 있어서,상기 테스트 사용자의 신체 조직으로부터 추출된 질량 스펙트럼은,상기 테스트 사용자의 신체 조직에 포함된 분자 물질의 농도 및 분자 물질의 질량 지표를 대응한 데이터인 학습 모델 적용 방법
|
