1 |
1
디지털 청진기를 이용하여 다수의 사람으로부터 호흡음을 수집하는 단계;푸리에 변환을 통해 상기 수집된 호흡음들의 특징을 추출하여 프레임으로 생성하여 전처리하는 단계; 및상기 전처리된 호흡음을 입력으로 하여 심층신경망(DNN)을 통해 호흡음이 정상 호흡음인지 천명이 있는 호흡음인지 분류하는 단계를 포함하는, 인공지능 기반 천명 판정 방법
|
2 |
2
제1항에 있어서, 상기 전처리는비정상 호흡음 신호에 대해서는 천명이 있는 구간들을 추출하는 단계;상기 추출된 구간들의 시간영역의 파형을 샘플링하여 윈도윙(windowing)를 취해서 FFT(Fast Fourier Transform)를 통해 복수의 샘플로 이루어지는 프레임을 형성하는 단계; 및학습시 정상적인 호흡음으로 이루어진 프레임과 천명이 있는 호흡음으로 이루어진 프레임을 라벨링을 통해 식별되게 하는 단계를 포함하는 인공지능 기반 천명 판정 방법
|
3 |
3
제1항에 있어서, 상기 DNN 은현재의 프레임을 판정하기 위해 현재 프레임을 중심으로 복수의 이전 프레임과 복수의 미래 프레임을 입력으로 하는 것을 특징으로 하는, 인공지능 기반 천명 판정 방법
|
4 |
4
제1항에 있어서, 상기 DNN 은활성화 함수(activation function)으로 쌍곡 탄젠트(hyperbolic tangent) 함수를 사용하는 것을 특징으로 하는, 인공지능 기반 천명 판정 방법
|
5 |
5
제1항에 있어서, 상기 DNN 은출력 함수(output function)로 소프트맥스(softmax) 함수를 사용하는 것을 특징으로 하는, 인공지능 기반 천명 판정 방법
|
6 |
6
디지털 청진기를 이용하여 다수의 사람으로부터 호흡음을 수집하는 데이터 수집부;푸리에 변환을 통해 상기 수집된 호흡음들의 특징을 추출하여 프레임으로 생성하는 전처리부; 및상기 전처리부에서 전처리된 호흡음을 입력으로 하여 호흡음이 정상 호흡음인지 천명이 있는 호흡음인지 분류하는 DNN부를 포함하는, 인공지능 기반 천명 판정 시스템
|
7 |
7
제5항에 있어서, 상기 전처리부는비정상 호흡음 신호에 대해서는 천명이 있는 구간들을 추출하는 천명신호 추출부;상기 추출된 구간들의 시간영역의 파형을 샘플링하여 윈도윙(windowing)를 취해서 FFT(Fast Fourier Transform)를 통해 복수의 샘플로 이루어지는 프레임을 형성하는 프레임 생성부; 및학습시 정상적인 호흡음으로 이루어진 프레임과 천명이 있는 호흡음으로 이루어진 프레임에 라벨링하여 식별하는 라벨링부를 포함하는 인공지능 기반 천명 판정 시스템
|
8 |
8
제6항에 있어서, 상기 DNN는각 입력노드의 프레임이 정상적인 호흡음 프레임인지 천명 호흡음 프렘임인지 판정하기 위해 현재 프레임을 중심으로 복수의 이전 프레임과 복수의 미래 프레임을 입력으로 하는 것을 특징으로 하는, 인공지능 기반 천명 판정 시스템
|
9 |
9
제6항에 있어서, 상기 DNN 은활성화 함수(activation function)로 쌍곡 탄젠트(hyperbolic tangent) 함수를 사용하는 것을 특징으로 하는, 인공지능 기반 천명 판정 시스템
|
10 |
10
제6항에 있어서, 상기 DNN 은출력 함수(output function)로 소프트맥스(softmax) 함수를 사용하는 것을 특징으로 하는, 인공지능 기반 천명 판정 시스템
|