| 1 |
1
질병 진단 장치에 의해 수행되는 질병 진단 방법에 있어서, 진단 대상의 음성 데이터로부터 추출된 음성 특징을 정규화하고, 상기 정규화된 음성 특징을 선형 결합하고 선형 결합된 출력을 정규화하는 단계; 질병 및 정상 데이터에 대해 상기 정규화된 출력 분포의 베타 파라미터(Beta parameter)를 결정하여 불확실성 측도(Uncertainty Measure) 값을 계산하는 단계; 상기 결정된 베타 파라미터를 이용하여 질병 클래스 및 정상 클래스를 검사하기 위한 유의확률(p-value)을 추정하는 단계; 상기 계산된 불확실성 측도 값에 따라 상기 추정된 유의확률을 이용하여 상기 진단 대상의 질병을 진단하는 단계를 포함하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 2 |
2
제1항에 있어서, 상기 정규화하는 단계는, 상기 정규화된 음성 특징을 특징 공간에서 분류 오류를 최소화하는 방식으로 가우시안 커널 함수를 이용하여 선형 결합하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 3 |
3
제1항에 있어서, 상기 진단하는 단계는, 상기 질병 클래스에 대한 제1 유의확률 값이 상기 정상 클래스에 대한 제2 유의확률 값을 초과하면 상기 진단 대상을 질병 클래스로 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 4 |
4
제1항에 있어서, 상기 진단하는 단계는, 상기 정상 클래스에 대한 제2 유의확률 값이 상기 질병 클래스에 대한 제1 유의확률 값 이상이면 상기 진단 대상을 정상 클래스로 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 5 |
5
제1항에 있어서, 상기 진단하는 단계는, 상기 계산된 불확실성 측도 값이 기 설정된 값을 초과하면 결정 네트워크(Decision network)를 이용하여 질병을 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 6 |
6
제5항에 있어서, 상기 진단하는 단계는, 상기 정규화된 음성 특징 중에서 기 설정된 불확실성 측도 값 보다 큰 불확실성 측도 값을 갖는 정규화된 음성 데이터를 기준 패턴으로 선택하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 7 |
7
제5항에 있어서, 상기 진단하는 단계는, 상기 추정된 유의확률을 이용하여 유의확률 값의 비율을 계산하고, 상기 계산된 유의확률 값의 비율을 기 설정된 비율 값과 비교하여 상기 진단 대상을 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 8 |
8
제7항에 있어서, 상기 진단하는 단계는, 상기 계산된 유의확률 값의 비율이 상기 기 설정된 제1 비율 값 미만이면, 상기 진단 대상을 정상 클래스로 결정하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 9 |
9
제7항에 있어서, 상기 진단하는 단계는, 상기 계산된 유의확률 값의 비율이 상기 기 설정된 제2 비율 값을 초과하면, 상기 진단 대상을 질병 클래스로 결정하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 10 |
10
제7항에 있어서, 상기 진단하는 단계는, 상기 계산된 유의확률 값의 비율이 상기 기 설정된 제1 비율 값 및 상기 기 설정된 제2 비율 값 사이이면, 상기 정규화된 음성 특징의 입력 패턴과 가장 근접한 기준 패턴의 레이블을 사용하여 상기 진단 대상을 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 방법
|
| 11 |
11
진단 대상의 음성 데이터를 획득하는 데이터 획득 모듈; 하나 이상의 프로그램을 저장하는 메모리; 및 상기 저장된 하나 이상의 프로그램을 실행하는 프로세서를 포함하고, 상기 프로세서는, 상기 획득된 진단 대상의 음성 데이터로부터 추출된 음성 특징을 정규화하고, 상기 정규화된 음성 특징을 선형 결합하고 선형 결합된 출력을 정규화하고, 질병 및 정상 데이터에 대해 상기 정규화된 출력 분포의 베타 파라미터(Beta parameter)를 결정하여 불확실성 측도(Uncertainty Measure) 값을 계산하고, 상기 결정된 베타 파라미터를 이용하여 질병 클래스 및 정상 클래스를 검사하기 위한 유의확률(p-value)을 추정하고, 상기 계산된 불확실성 측도 값에 따라 상기 추정된 유의확률을 이용하여 상기 진단 대상의 질병을 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 12 |
12
제11항에 있어서, 상기 프로세서는, 상기 정규화된 음성 특징을 특징 공간에서 분류 오류를 최소화하는 방식으로 가우시안 커널 함수를 이용하여 선형 결합하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 13 |
13
제11항에 있어서, 상기 프로세서는, 상기 질병 클래스에 대한 제1 유의확률 값이 상기 정상 클래스에 대한 제2 유의확률 값을 초과하면 상기 진단 대상을 질병 클래스로 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 14 |
14
제11항에 있어서, 상기 프로세서는, 상기 정상 클래스에 대한 제2 유의확률 값이 상기 질병 클래스에 대한 제1 유의확률 값 이상이면 상기 진단 대상을 정상 클래스로 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 15 |
15
제11항에 있어서, 상기 프로세서는, 상기 계산된 불확실성 측도 값이 기 설정된 값을 초과하면 결정 네트워크(Decision network)를 이용하여 질병을 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 16 |
16
제15항에 있어서, 상기 프로세서는, 상기 정규화된 음성 특징 중에서 기 설정된 불확실성 측도 값 보다 큰 불확실성 측도 값을 갖는 정규화된 음성 데이터를 기준 패턴으로 선택하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 17 |
17
제15항에 있어서, 상기 프로세서는, 상기 추정된 유의확률을 이용하여 유의확률 값의 비율을 계산하고, 상기 계산된 유의확률 값의 비율을 기 설정된 비율 값과 비교하여 상기 진단 대상을 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 18 |
18
제17항에 있어서, 상기 프로세서는, 상기 계산된 유의확률 값의 비율이 상기 기 설정된 제1 비율 값 미만이면, 상기 진단 대상을 정상 클래스로 결정하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 19 |
19
제17항에 있어서, 상기 프로세서는, 상기 계산된 유의확률 값의 비율이 상기 기 설정된 제2 비율 값을 초과하면, 상기 진단 대상을 질병 클래스로 결정하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 20 |
20
제17항에 있어서, 상기 진단하는 단계는, 상기 계산된 유의확률 값의 비율이 상기 기 설정된 제1 비율 값 및 상기 기 설정된 제2 비율 값 사이이면, 상기 정규화된 음성 특징의 입력 패턴과 가장 근접한 기준 패턴의 레이블을 사용하여 상기 진단 대상을 진단하는, 클래스 확률 출력 망 기반 음성자료를 이용한 파킨슨 질병 진단 장치
|
| 21 |
21
프로세서에 의해 실행될 때, 상기 프로세서로 하여금 방법을 실행하게 하는 명령어들을 저장하기 위한 비일시적 컴퓨터 판독가능 저장 매체로서, 상기 방법은: 진단 대상의 음성 데이터로부터 추출된 음성 특징을 정규화하고, 상기 정규화된 음성 특징을 선형 결합하고 선형 결합된 출력을 정규화하는 단계; 질병 및 정상 데이터에 대해 상기 정규화된 출력 분포의 베타 파라미터(Beta parameter)를 결정하는 단계; 상기 결정된 베타 파라미터를 이용하여 질병 클래스 및 정상 클래스를 검사하기 위한 유의확률(p-value)을 추정하는 단계; 상기 결정된 베타 파라미터를 이용하여 불확실성 측도(Uncertainty Measure) 값을 계산하는 단계; 및 상기 계산된 불확실성 측도 값에 따라 상기 추정된 유의확률을 이용하여 상기 진단 대상의 질병을 진단하는 단계를 포함하는, 비일시적 컴퓨터 판독 가능한 저장 매체
|
