1 |
1
환자의 환측 팔꿈치에서 관성 데이터를 수집하는 데이터 수집부;상기 수집된 관성 데이터를 분석하는 데이터 분석부; 및 상기 분석된 결과를 기초로 경련의 정도를 판단하는 경련 정도 판단부;를 포함하는 관성 센서를 이용한 기계 학습 기반의 팔꿈치 경련 정도 평가 장치
|
2 |
2
제 1 항에 있어서,상기 관성 데이터는 가속도 및 회전 속성 정보이고, 상기 데이터 수집부는,관성 측정 센서를 포함하는 웨어러블 장치로 환자의 환측 팔꿈치에서 관성 데이터를 수집하는 것을 특징으로 하는 관성 센서를 이용한 기계 학습 기반의 팔꿈치 경련 정도 평가 장치
|
3 |
3
제 2 항에 있어서,상기 데이터 수집부는,상기 관성 측정 센서에 의해 측정된 관성 데이터에서 미리 설정된 기준에 따라 관성 신호를 주기별로 분리하고 선택하는 데이터 전처리부;를 더 포함하는 것을 특징으로 하는 관성 센서를 이용한 기계 학습 기반의 팔꿈치 경련 정도 평가 장치
|
4 |
4
제 3 항에 있어서,상기 데이터 분석부는,의사 결정 트리, 랜덤 포레스트(RF), 서포트 벡터 머신, 선형 판별 분석, 다층 퍼셉트 중 적어도 어느 하나의 기계 학습 알고리즘을 이용하여 경련 정도를 분류하는 것을 특징으로 하는 관성 센서를 이용한 기계 학습 기반의 팔꿈치 경련 정도 평가 장치
|
5 |
5
제 4 항에 있어서,상기 데이터 분석부는, 경련의 심각도를 분류하기 위해 아래의 수학식1과 2에 따라 관성 데이터를 회전값으로 변환하는 것을 특징으로 하는 관성 센서를 이용한 기계 학습 기반의 팔꿈치 경련 정도 평가 장치
|
6 |
6
제 5 항에 있어서,상기 경련 정도 판단부는, 수정된 애쉬워스 척도(MAS)를 이용하여 경련 정도를 등급화하는 것을 특징으로 하는 관성 센서를 이용한 기계 학습 기반의 팔꿈치 경련 정도 평가 장치
|
7 |
7
관성 센서를 이용한 기계 학습 기반의 팔꿈치 경련 정도 평가 장치에서의 평가 방법에 있어서,환자의 환측 팔꿈치에서 관성 데이터(환자의 경련 움직임을 나타내는 신호 정보)를 수집하는 데이터 수집 단계;상기 수집된 관성 데이터를 분석하는 데이터 분석 단계; 및 상기 분석된 결과를 기초로 경련의 정도를 판단하는 경련 정도 판단 단계;를 포함하는 평가 방법
|
8 |
8
제 7 항에 있어서,상기 관성 데이터는 가속도 및 회전 속성 정보이고, 상기 데이터 수집 단계는,관성 측정 센서를 포함하는 웨어러블 장치로 환자의 환측 팔꿈치에서 관성 데이터를 수집하는 것을 특징으로 하는 평가 방법
|
9 |
9
제 8 항에 있어서,상기 데이터 수집 단계는,상기 관성 측정 센서에 의해 측정된 관성 데이터에서 미리 설정된 기준에 따라 관성 신호를 주기별로 분리하고 선택하는 데이터 전처리 단계;를 더 포함하는 것을 특징으로 하는 평가 방법
|
10 |
10
제 9 항에 있어서,상기 데이터 분석 단계는,의사 결정 트리, 랜덤 포레스트(RF), 서포트 벡터 머신, 선형 판별 분석, 다층 퍼셉트 중 적어도 어느 하나의 기계 학습 알고리즘을 이용하여 경련 정도를 분류하는 것을 특징으로 하는 평가 방법
|
11 |
11
제 10 항에 있어서,상기 데이터 분석 단계는, 경련의 심각도를 분류하기 위해 아래의 수학식1과 2에 따라 관성 데이터를 회전값으로 변환하는 것을 특징으로 하는 평가 방법
|
12 |
12
제 11 항에 있어서,상기 경련 정도 판단 단계는, 수정된 애쉬워스 척도(MAS)를 이용하여 경련 정도를 등급화하는 것을 특징으로 하는 평가 방법
|