| 1 |
1
혈압측정장치의 앙상블 심화신경망을 이용한 혈압측정방법에 있어서, 피시험자가 착용한 혈압측정장치에서 측정된 혈압관련 오실로메트릭 신호를 대상으로, 특징데이터를 추출하는 단계;추출된 상기 특징데이터에 기초하여 심화신경망(DNN) 모델의 입력파라미터를 설정하는 단계;상기 혈압측정장치에서 상기 피시험자의 혈압을 측정할 때 측정된 청진 혈압데이터를 목표데이터로 설정하는 단계; 및설정된 상기 입력파라미터, 심화신경망 모델, 목표데이터에 기초하여 상기 혈압측정장치에서 측정된 혈압 진동 신호와 청진기를 기반으로 측정된 상기 청진 혈압데이터 간의 비선형 관계를 학습하는 단계를 포함하고, 상기 학습하는 단계는,미리 지정된 초기 가중치를 기반으로, 1차 학습을 수행하는 단계; 상기 1차 학습을 수행한 결과값에 기초하여, 가중치를 설정하는 단계; 및설정된 상기 가중치를 기반으로, 2차 학습을 수행하는 단계를 포함하고, 상기 1차 학습을 수행하는 단계는,추출된 상기 특징데이터를 복제하여 부트스트랩 샘플을 생성하는 단계;생성된 상기 부트스트랩 샘플과 추출된 상기 특징데이터를 포함하는 가상특징데이터를 생성하는 단계; 및생성된 상기 가상특징데이터를 대상으로, 상기 1차 학습을 수행하는 단계를 포함하고, 상기 2차 학습을 수행하는 단계는,설정된 상기 가중치를 기반으로, 생성된 상기 가상특징데이터를 갱신하는 단계; 및갱신된 상기 가상특징데이터를 대상으로, 상기 2차 학습을 수행하는 단계를 포함하는 혈압측정방법
|
| 2 |
2
제1항에 있어서,상기 특징데이터를 추출하는 단계는, 상기 오실로메트릭 신호를 대상으로, 신호의 각 피크를 연결한 인벨로프(envelope) 신호를 생성하는 단계; 및상기 오실로메트릭 신호 및 상기 인벨로프 신호로부터 특징데이터를 추출하는 단계를 포함하는 혈압측정방법
|
| 3 |
3
제1항에 있어서,상기 특징데이터는, 평균동맥혈압(mean arterial pressure, MAP), 최대진폭 (maximum amplitude, MA), 인벨로프 신호의 면적 (area under the envelope, AE) 중 적어도 하나를 포함하고,상기 목표데이터는 RSBP(reference systolic blood pressure) 및 RDBP(reference diastolic blood pressure)를 포함하는 것을 특징으로 하는 혈압측정방법
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서,상기 1차 학습을 수행하는 단계는,생성된 상기 가상특징데이터를 대상으로, RBM(Restricted Boltzmann Machine) 확률모델에 기초하여 상기 1차 학습을 수행하는 혈압측정방법
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
앙상블 심화신경망을 이용한 혈압측정시스템에 있어서, 피시험자가 착용한 혈압측정장치에서 측정된 혈압관련 오실로메트릭 신호를 대상으로, 특징데이터를 추출하는 특징데이터 추출부;추출된 상기 특징데이터에 기초하여 심화신경망(DNN) 모델의 입력파라미터를 설정하고, 상기 혈압측정장치에서 상기 피시험자의 혈압을 측정할 때 측정된 청진 혈압데이터를 목표데이터로 설정하는 설정부; 및설정된 상기 입력파라미터, 심화신경망 모델, 목표데이터에 기초하여 상기 혈압측정장치에서 측정된 혈압 진동 신호와 청진기를 기반으로 측정된 상기 청진 혈압데이터 간의 비선형 관계를 학습하는 학습 제어부를 포함하고, 상기 학습 제어부는, 미리 지정된 초기 가중치를 기반으로, 1차 학습을 수행하고, 상기 1차 학습을 수행한 결과값에 기초하여, 가중치를 설정하고, 설정된 상기 가중치를 기반으로, 2차 학습을 수행하고,상기 학습 제어부는, 추출된 상기 특징데이터를 복제하여 부트스트랩 샘플을 생성하고, 생성된 상기 부트스트랩 샘플과 추출된 상기 특징데이터를 포함하는 가상특징데이터를 생성하고, 생성된 상기 가상특징데이터를 대상으로, 상기 1차 학습을 수행하고, 상기 학습 제어부는,설정된 상기 가중치를 기반으로, 생성된 상기 가상특징데이터를 갱신하고, 갱신된 상기 가상특징데이터를 대상으로, 상기 2차 학습을 수행하는 혈압측정시스템
|
| 9 |
9
제8항에 있어서,상기 특징데이터 추출부는, 상기 오실로메트릭 신호를 대상으로, 신호의 각 피크를 연결한 인벨로프(envelope) 신호를 생성하고, 상기 오실로메트릭 신호 및 상기 인벨로프 신호로부터 특징데이터를 추출하는 것을 특징으로 하는 혈압측정시스템
|
| 10 |
10
제8항에 있어서,상기 특징데이터는, 평균동맥혈압(mean arterial pressure, MAP), 최대진폭 (maximum amplitude, MA), 인벨로프 신호의 면적 (area under the envelope, AE) 중 적어도 하나를 포함하고,상기 목표데이터는 RSBP(reference systolic blood pressure) 및 RDBP(reference diastolic blood pressure)를 포함하는 것을 특징으로 하는 혈압측정시스템
|
| 11 |
11
삭제
|
| 12 |
12
제8항에 있어서,상기 학습 제어부는, 생성된 상기 가상특징데이터를 대상으로, RBM(Restricted Boltzmann Machine) 확률모델에 기초하여 상기 1차 학습을 수행하는 것을 특징으로 하는 혈압측정시스템
|
| 13 |
13
삭제
|
| 14 |
14
삭제
|
