| 1 |
1
환자 정보 및 의료 데이터를 수집하는 수신부;상기 수신된 의료 데이터를 이용하여 의료 데이터에 대한 사망 위험도를 나타내는 사망 위험도 데이터를 생성하고, 의료 데이터 별 사망 위험도 데이터베이스를 구축하는 사망 위험도 데이터베이스 구축부;상기 사망 위험도 데이터에 따라 생존 시간을 나타내는 생존 시간 데이터를 생성하여 의료 데이터 별 사망 위험도에 따른 생존 시간 데이터베이스를 구축하는 생존 시간 데이터베이스 구축부를 포함하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 2 |
2
제1항에 있어서,상기 환자 정보 및 생존 시간 데이터를 이용하여 환자 별 생존 시간을 도출하는 생존 시간 도출부를 더 포함하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 3 |
3
제1항에 있어서,상기 환자 정보는 성별, 나이, 생년월일, 몸무게, 입실일자, 퇴실일자, 사망일자, 진단명 중 적어도 하나인 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 4 |
4
제1항에 있어서,상기 의료 데이터는 비소세포폐암(NSCLC) 데이터, 유방암(METABRIC) 데이터, 심장질환(Heart disease) 데이터, 일차성 담즙성 간경변(PBC) 데이터 중 적어도 하나의 데이터인 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 5 |
5
제4항에 있어서,상기 비소세포폐암 데이터는 T단계, N단계, M단계, TNM단계, 및 조직학 정보 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 6 |
6
제4항에 있어서,상기 유방암 데이터는 림프절 수, 노팅엄 예후 지수(NPI), 세포성, 화학 요법, 면역 상태, 에스트로겐 수용체(ER) 상태, 인간 표피 성장 인자 수용체2(HER2) 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 7 |
7
제4항에 있어서,상기 심장질환 데이터는 흉통 유형, 휴식 혈압, 혈청 콜레스테롤, 공복 혈당, 휴식 심전도, 최대 심박수, 운동 유발 협심증, 운동으로 인해 유발된 ST 우울증 상태, 피크 운동 ST 세그먼트 기울기, 주요 혈관수 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 8 |
8
제4항에 있어서,상기 일차성 담즙성 간경변 데이터는 부종, 빌리루빈 농도, 알부민 농도, 프로트롬빈 시간, 및 질병 단계 정보 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 시스템
|
| 9 |
9
환자 정보 및 의료 데이터를 수집하는 수신 단계;상기 수신된 의료 데이터를 이용하여 의료 데이터에 대한 사망 위험도를 나타내는 사망 위험도 데이터를 생성하고, 의료 데이터 별 사망 위험도 데이터베이스를 구축하는 사망 위험도 데이터베이스 구축 단계;상기 사망 위험도 데이터에 따라 생존 시간을 나타내는 생존 시간 데이터를 생성하여 의료 데이터 별 사망 위험도에 따른 생존 시간 데이터베이스를 구축하는 생존 시간 데이터베이스 구축 단계를 포함하는 딥러닝 기반의 생존 시간 예측 방법
|
| 10 |
10
제9항에 있어서,상기 환자 정보 및 생존 시간 데이터를 이용하여 환자 별 생존 시간을 도출하는 생존 시간 도출 단계를 더 포함하는 딥러닝 기반의 생존 시간 예측 방법
|
| 11 |
11
제9항에 있어서,상기 환자 정보는 성별, 나이, 생년월일, 몸무게, 입실일자, 퇴실일자, 사망일자, 진단명 중 적어도 하나인 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 방법
|
| 12 |
12
제9항에 있어서,상기 의료 데이터는 비소세포폐암(NSCLC) 데이터, 유방암(METABRIC) 데이터, 심장질환(Heart disease) 데이터, 일차성 담즙성 간경변(PBC) 데이터 중 적어도 하나의 데이터인 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 방법
|
| 13 |
13
제12에 있어서,상기 비소세포폐암 데이터는 T단계, N단계, M단계, TNM단계, 및 조직학 정보 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 방법
|
| 14 |
14
제12항에 있어서,상기 유방암 데이터는 림프절 수, 노팅엄 예후 지수(NPI), 세포성, 화학 요법, 면역 상태, 에스트로겐 수용체(ER) 상태, 인간 표피 성장 인자 수용체2(HER2) 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 방법
|
| 15 |
15
제12항에 있어서,상기 심장질환 데이터는 흉통 유형, 휴식 혈압, 혈청 콜레스테롤, 공복 혈당, 휴식 심전도, 최대 심박수, 운동 유발 협심증, 운동으로 인해 유발된 ST 우울증 상태, 피크 운동 ST 세그먼트 기울기, 주요 혈관수 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 방법
|
| 16 |
16
제12항에 있어서,상기 일차성 담즙성 간경변 데이터는 부종, 빌리루빈(bilirubin) 농도, 알부민(Albumin) 농도, 프로트롬빈(prothrombin) 시간, 및 질병 단계 정보 중 적어도 하나로 구성되는 것을 특징으로 하는 딥러닝 기반의 생존 시간 예측 방법
|
