맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

딥러닝을 이용한 정상동율동 심전도 상태에서의 발작성 심방세동 예측방법

  • 기술번호 : KST2020009147
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 딥러닝을 이용한 정상동율동 심전도 상태에서의 발작성 심방세동 예측방법이 개시된다. 일 실시예에 따른 발작성 심방세동 예측 방법은, 전기적 생체 신호로부터 진단 모델에 기반한 입력 데이터로 변환하는 전처리 과정을 수행하는 단계; 상기 전처리 과정이 수행된 입력 데이터를 발작성 심방세동 예측을 위하여 구성된 진단 모델에 학습시키는 단계; 및 상기 진단 모델을 통하여 학습된 학습 결과를 잠재적으로 PAF로 분류된 그룹(PAF normal case)및 실제의 정상 그룹(Real normal case)을 포함하는 케이스에 따라 발작성 심방세동의 잠재 확률을 평가하는 단계를 포함할 수 있다.
Int. CL A61B 5/00 (2006.01.01) A61B 5/0456 (2006.01.01)
CPC A61B 5/7275(2013.01) A61B 5/7275(2013.01) A61B 5/7275(2013.01)
출원번호/일자 1020190000613 (2019.01.03)
출원인 인하대학교 산학협력단
등록번호/일자
공개번호/일자 10-2020-0084561 (2020.07.13) 문서열기
공고번호/일자 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.01.03)
심사청구항수 5

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 대한민국 인천광역시 미추홀구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이상철 인천광역시 연수구
2 홍슬기 인천광역시 서구
3 백용수 인천광역시 중구
4 김대혁 서울특별시 강남구
5 최원익 인천광역시 연수구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 인천광역시 미추홀구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2019.01.03 수리 (Accepted) 1-1-2019-0006135-54
2 선행기술조사의뢰서
Request for Prior Art Search		 2020.01.07 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2020.03.12 발송처리완료 (Completion of Transmission) 9-6-2020-0093966-24
4 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2020.05.07 수리 (Accepted) 1-1-2020-0464085-03
5 의견제출통지서
Notification of reason for refusal		 2020.07.20 발송처리완료 (Completion of Transmission) 9-5-2020-0490016-64
6 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2020.08.06 수리 (Accepted) 1-1-2020-0825109-23
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2020.08.12 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0846188-56
8 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2020.08.12 수리 (Accepted) 1-1-2020-0846187-11
9 등록결정서
Decision to grant		 2020.08.28 발송처리완료 (Completion of Transmission) 9-5-2020-0590988-29
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
발작성 심방세동 예측 시스템에 의해 수행되는 발작성 심방세동 예측 방법에 있어서,전기적 생체 신호로부터 진단 모델에 기반한 입력 데이터로 변환하는 전처리 과정을 수행하는 단계;상기 전처리 과정이 수행된 입력 데이터를 발작성 심방세동 예측을 위하여 구성된 진단 모델에 학습시키는 단계; 및 상기 진단 모델을 통하여 학습된 학습 결과를 잠재적으로 PAF로 분류된 그룹(PAF normal case) 및 실제의 정상 그룹(Real normal case)을 포함하는 케이스에 따라 발작성 심방세동(PAF-normal)의 잠재 확률을 판단하는 단계를 포함하고, 상기 전처리 과정이 수행된 입력 데이터를 발작성 심방세동 예측을 위하여 구성된 진단 모델에 학습시키는 단계는,심전도에서의 Q 지점을 기점으로 P-wave 구간을 포함하는 방향으로 구간 크기를 늘려가면서 지정된 맥박의 구간길이에 해당하는 구간을 입력 시퀀스를 상기 진단 모델의 입력 신호로 입력하고, RNN 기반의 발작성 심방세동 예측을 위한 진단 모델을 구성하고, 제1 Bi-LSTM layer에서 획득된 값을 제2 Bi-LSTM에 입력함에 따라 복수 개의 코드를 획득하고, 획득된 복수 개의 코드를 fully-connected layer에 입력하여 PAF-normal ECG과 Real-normal ECG의 binary classification을 통과하여 최종 분류를 수행하는 단계를 포함하고, 상기 RNN 기반의 발작성 심방세동 예측을 위한 진단 모델은, 시간축의 흐름을 순방향 및 역방향으로 전후 관계를 고려하기 위한 bi-directional connection을 추가하고, 일련의 정보를 단기 및 장기적으로 유지하기 위하여 Long Short-Term Memory(LSTM)과 Gated Recurrent Unit(GRU)를 사용하는 발작성 심방세동 예측 방법
2 2
제1항에 있어서,상기 발작성 심방세동의 잠재 확률을 판단하는 단계는,통계적인 분석방법을 이용하여 최종적인 발작성 심방세동으로 진단하기 위해 발작성 심방세동으로 검출되는 맥박의 최적 개수를 설정하는 후처리 과정을 수행하는 단계 를 포함하는 발작성 심방세동 예측 방법
3 3
제1항에 있어서,상기 전기적 생체 신호로부터 진단 모델에 기반한 입력 데이터로 변환하는 전처리 과정을 수행하는 단계는,상기 전기적 생체 신호로부터 baseline drift가 제거된 8-by-5000 신호와, R-R interval로 가공하기 위한 R -peak index 정보를 입력 데이터로 변환하는 단계를 포함하는 발작성 심방세동 예측 방법
4 4
제3항에 있어서,상기 전기적 생체 신호로부터 진단 모델에 기반한 입력 데이터로 변환하는 전처리 과정을 수행하는 단계는,상기 전기적 생체 신호로부터 Polynominal curve fitting 방식을 사용하여 baseline drift를 제거하는 단계;상기 baseline drift이 제거된 전기적 생체 신호로부터 Pan Tompkins QRS detector를 사용하여 R-peak 인덱스를 추출하는 단계;상기 추출된 R-peak 인덱스에 기반하여 상기 baseline drift이 제거된 전기적 생체 신호를 R-R Interval로 커팅하고, RRI length에 따라 이상점(Outlier)을 제거하는 단계; 및 상기 이상점이 제거된 신호로부터 QRS complex 부근의 비정상적인 신호로 간주되는 급격한 변화를 학습에서 배제시키는 단계를 포함하는 발작성 심방세동 예측 방법
5 5
삭제
6 6
삭제
7 7
삭제
8 8
발작성 심방세동 예측 시스템에 있어서,전기적 생체 신호로부터 진단 모델에 기반한 입력 데이터로 변환하는 전처리 과정을 수행하는 전처리부;상기 전처리 과정이 수행된 입력 데이터를 발작성 심방세동 예측을 위하여 구성된 진단 모델에 학습시키는 학습부; 및 상기 진단 모델을 통하여 학습된 학습 결과를 잠재적으로 PAF로 분류된 그룹(PAF normal case) 및 실제의 정상 그룹(Real normal case)을 포함하는 케이스에 따라 발작성 심방세동의 잠재 확률을 판단하는 판단부를 포함하고, 상기 학습부는, 심전도에서의 Q 지점을 기점으로 P-wave 구간을 포함하는 방향으로 구간 크기를 늘려가면서 지정된 맥박의 구간길이에 해당하는 구간을 입력 시퀀스를 상기 진단 모델의 입력 신호로 입력하고, RNN 기반의 발작성 심방세동 예측을 위한 진단 모델을 구성하고, 제1 Bi-LSTM layer에서 획득된 값을 제2 Bi-LSTM에 입력함에 따라 복수 개의 코드를 획득하고, 획득된 복수 개의 코드를 fully-connected layer에 입력하여 PAF-normal ECG과 Real-normal ECG의 binary classification을 통과하여 최종 분류를 수행하는 것을 포함하고, 상기 RNN 기반의 발작성 심방세동 예측을 위한 진단 모델은, 시간축의 흐름을 순방향 및 역방향으로 전후 관계를 고려하기 위한 bi-directional connection을 추가하고, 일련의 정보를 단기 및 장기적으로 유지하기 위하여 Long Short-Term Memory(LSTM)과 Gated Recurrent Unit(GRU)를 사용하는 발작성 심방세동 예측 시스템
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
패밀리 정보가 없습니다

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2020141807 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 인하대학교의과대학부속병원 혁신형의사과학자공동연구사업 딥러닝 알고리즘을 이용한 12리드 심전도에서 심방세동 예측 자동화 연구