1 |
1
1 이상의 프로세서 및 메모리를 포함하는 심음 분석 시스템에 의해 수행되는 심음 분석 방법으로서,심음 데이터를 입력 받는 심음입력단계;상기 심음 데이터를 시간-주파수의 심음 2차원 데이터로 변환하는 심음전처리단계;변환된 상기 심음 2차원 데이터에 기초하여 2 이상의 카테고리의 심음특징데이터를 추출하는 심음특징추출단계;2 이상의 카테고리의 상기 심음특징데이터 중 선별된 카테고리에 해당하는 심음특징데이터를 선별하는 심음특징선별단계; 및학습된 모델 및 선별된 심음특징데이터에 기초하여 심음 데이터의 분류를 도출하는 심음분류단계; 를 포함하고,상기 선별된 카테고리는,2 이상의 분류로 구분된 복수의 학습 심음 데이터에 대하여 상기 심음전처리단계, 심음특징추출단계와 동일한 과정으로 2 이상의 카테고리의 심음특징데이터를 추출하고, 상기 학습 심음 데이터의 2 이상의 카테고리의 심음특징데이터 중 상기 분류에 따른 피어슨 상관계수(Pearson Correlation Coefficient)가 기설정된 기준에 부합하는 심음특징데이터의 카테고리를 도출하여 결정되는, 심음 분석 방법
|
2 |
2
청구항 1에 있어서,상기 심음분류단계는,1 이상의 선별된 심음특징데이터를 각각 가중 퍼지 소속 함수 기반의 퍼지 신경망에 입력하여, 가중 퍼지 소속 함수의 경계합을 학습시키는, 심음 분석 방법
|
3 |
3
청구항 2에 있어서,상기 심음분류단계는,학습된 가중 퍼지 소속 함수의 경계합을 기설정된 값과 비교하여 심음 데이터의 분류를 도출하는, 심음 분석 방법
|
4 |
4
청구항 3에 있어서,상기 기설정된 값은,2 이상의 분류의 선별된 학습 심음 데이터의 심음특징데이터를 각각 가중 퍼지 소속 함수 기반의 퍼지 신경망에 입력하여 가중 퍼지 소속 함수의 경계합을 학습시킨 결과에 기초하여 설정되는, 심음 분석 방법
|
5 |
5
청구항 1에 있어서,상기 심음전처리단계는,입력 받은 상기 심음 데이터를 멜-스펙트로그램으로 변환하는, 심음 분석 방법
|
6 |
6
청구항 5에 있어서,상기 심음전처리단계는,변환된 멜-스펙트로그램을 기설정된 시간길이 및 기설정된 시간간격으로 분할하여 분할 멜-스펙트로그램을 생성하는, 심음 분석 방법
|
7 |
7
청구항 1에 있어서,상기 심음특징추출단계는,상기 심음 2차원 데이터에 대해 컨볼루션 신경망의 컨볼루션 및 풀링을 적용하여 특징데이터를 추출하는, 심음 분석 방법
|
8 |
8
청구항 1에 있어서,상기 심음특징추출단계는,상기 심음 2차원 데이터에 대해 VGG16 신경망 모델의 컨볼루션 및 풀링을 적용하여 특징데이터를 추출하는, 심음 분석 방법
|
9 |
9
심음 분석 시스템으로서,심음 데이터를 입력 받는 데이터입력부;상기 심음 데이터를 시간-주파수의 심음 2차원 데이터로 변환하는 데이터전처리부;변환된 상기 심음 2차원 데이터에 기초하여 2 이상의 카테고리의 심음특징데이터를 추출하는 데이터특징추출부;2 이상의 카테고리의 상기 심음특징데이터 중 선별된 카테고리에 해당하는 심음특징데이터를 선별하는 특징선별부; 및학습된 모델 및 선별된 심음특징데이터에 기초하여 심음 데이터의 분류를 도출하는 심음분류부; 를 포함하고,상기 선별된 카테고리는,2 이상의 분류로 구분된 복수의 학습 심음 데이터에 대하여 상기 데이터전처리부 및 상기 데이터특징추출부를 통해 2 이상의 카테고리의 심음특징데이터를 추출하고, 상기 2 이상의 카테고리의 심음특징데이터 중 상기 분류에 따른 피어슨 상관계수(Pearson Correlation Coefficient)가 기설정된 기준에 부합하는 심음특징데이터의 카테고리를 도출하여 결정되는, 심음 분석 시스템
|
10 |
10
청구항 9에 있어서,상기 심음분류부는,1 이상의 선별된 심음특징데이터를 각각 가중 퍼지 소속 함수 기반의 퍼지 신경망에 입력하여, 가중 퍼지 소속 함수의 경계합을 학습시키는, 심음 분석 시스템
|