1 |
1
심장 질환자에 관한 데이터를 웨어러블 센서 측정 및 전자 의료 테스트를 통해 수집하는 단계; FRF(Framingham Risk Functions)를 EMR(Electronic Medical Record)에서 추출하는 단계; 형상 융합 접근법을 사용하여 FRF와 웨어러블 센서 측정을 통해 수집된 데이터를 결합하고 심장병에 관한 의료 데이터를 생성하는 단계; 정보 획득 기법에 기초하여 형상을 선택하고, 조건부 확률에 기초하여 형상 가중치 계산하는 단계; 및 정보 획득 기법에 기초하여 선택된 형상 및 조건부 확률에 기초하여 형상 가중치를 이용하여 앙상블 딥러닝 분류기를 통해 환자의 심장병을 예측하도록 훈련하는 단계 를 포함하는 앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 방법
|
2 |
2
제1항에 있어서,FRF를 EMR에서 추출하는 단계는, 텍스트 마이닝 기법 및 규칙 기반 엔진을 사용하고, 형태학 및 표준형 결정(lemmatization) 알고리즘을 모든 비구조화 데이터에 적용하여 각 단어의 표준형(lemma)을 식별하며, 비구조화 텍스트를 작은 덩어리로 구분하는 토큰화를 수행하고, N-그램 접근방식을 사용하여 FRF를 추출하는 앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 방법
|
3 |
3
제1항에 있어서,정보 획득 기법에 기초하여 형상을 선택하고, 조건부 확률에 기초하여 형상 가중치 계산하는 단계는, 정보 획득 기법을 이용하여 분류 과제에 따라 중요성을 측정하는 형상을 선택하고, 시스템 불확실성을 측정하기 위해 엔트로피를 사용하여 주어진 두 개의 개별 변수의 선행 엔트로피와 후행 엔트로피 사이의 차이를 발견하는 앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 방법
|
4 |
4
제1항에 있어서,정보 획득 기법에 기초하여 형상을 선택하고, 조건부 확률에 기초하여 형상 가중치 계산하는 단계는, 각 클래스에 대해 형상 중요성을 결정하고, 모든 클래스에 대한 전체 형상 유의성을 식별하기 위해 최대화 및 합계 기능을 사용하고, 확률론적 접근법을 사용하여 각 클래스에 대한 특정 형상 가중치를 계산하는 앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 방법
|
5 |
5
심장 질환자에 관한 데이터를 웨어러블 센서 측정을 통해 수집하는 게이트웨이 장치; 게이트웨이 장치를 통해 수집된 심장 질환자에 관한 데이터 및 EMR(Electronic Medical Record)에서 추출된 FRF(Framingham Risk Functions)를 저장하는 데이터 베이스; 형상 융합 접근법을 사용하여 FRF와 웨어러블 센서 측정을 통해 수집된 데이터를 결합하고 심장병에 관한 의료 데이터를 생성하여, 정보 획득 기법에 기초하여 형상을 선택하고, 조건부 확률에 기초하여 형상 가중치 계산하면, 정보 획득 기법에 기초하여 선택된 형상 및 조건부 확률에 기초하여 형상 가중치를 이용하여 앙상블 딥러닝 분류기를 통해 환자의 심장병을 예측하는 건강 상태 예측 및 질병 진단 엔진을 포함하는 앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 시스템
|
6 |
6
제5항에 있어서, 건강 상태 예측 및 질병 진단 엔진은, 형상 융합 접근법을 사용하여 FRF와 웨어러블 센서 측정을 통해 수집된 데이터를 결합하고 심장병에 관한 의료 데이터를 생성하는 데이터 생성부; 정보 획득 기법에 기초하여 형상을 선택하고, 조건부 확률에 기초하여 형상 가중치 계산하는 형상 선택 및 가중치 계산부; 및 정보 획득 기법에 기초하여 선택된 형상 및 조건부 확률에 기초하여 형상 가중치를 이용하여 앙상블 딥러닝 분류기를 통해 환자의 심장병을 예측하도록 훈련하는 학습부를 포함하는 앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 시스템
|
7 |
7
제6항에 있어서, 형상 선택 및 가중치 계산부는, 정보 획득 기법을 이용하여 분류 과제에 따라 중요성을 측정하는 형상을 선택하고, 시스템 불확실성을 측정하기 위해 엔트로피를 사용하여 주어진 두 개의 개별 변수의 선행 엔트로피와 후행 엔트로피 사이의 차이를 발견하는앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 시스템
|
8 |
8
제6항에 있어서, 형상 선택 및 가중치 계산부는, 각 클래스에 대해 형상 중요성을 결정하고, 모든 클래스에 대한 전체 형상 유의성을 식별하기 위해 최대화 및 합계 기능을 사용하고, 확률론적 접근법을 사용하여 각 클래스에 대한 특정 형상 가중치를 계산하는 앙상블 딥러닝과 형상 융합 기반 심장병 예측을 위한 스마트 헬스케어 모니터링 시스템
|