| 1 |
1
수면다원검사시 검출된 심전도 신호 및 심혈관질환 위험인자(CVD risk factor)를 이용하여 심혈관질환의 발생을 예측하는 연산처리부를 포함하는, 심혈관질환 예측시스템에 있어서, 연산처리부는,상기 심전도(ECG) 신호로부터, STTc(ST-segment and T-wave (ST-T) changes) 세그먼트를 포함하는 시간도메인 심전도 파라미터를 검출하고, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)를 포함하는 주파수도메인 심전도 파라미터를 검출하고, 검출된 시간도메인 심전도 파라미터 및 주파수도메인 심전도 파라미터의 평균 및 표준편차를, '신호처리된 심전도 특징'으로서 메모리부에 저장하는, 신호처리된 심전도 특징 추출부;기 학습된 CNN 기반의 인공지능 모델에, 30초 동안의 심전도 신호를 입력하고, 상기 CNN 기반의 인공지능 모델에서 플래튼 계층(flatten layer)의 각 노드의 결과를의 평균과 표준편차를 구하여, '인공지능 기반의 심전도 특징'으로서 메모리부에 저장하는, 인공지능 기반의 심전도 특징 추출부;메모리부에 저장된 CVD 위험인자를 읽어들이는, CVD 위험인자 로딩부;서보트 벡터 머신(SVM)들을 포함하여 이루어진 심혈관질환(CVD) 예측 모델을 포함하되, 신호처리된 심전도 특징, 인공지능 기반의 심전도 특징 및 CVD 위험인자를 포함하는 심전도 특징을, 심혈관질환 예측 모델에 입력하고, 심혈관질환 예측 모델로부터 향후 심혈관질환이 발생할 지 여부 및, 심혈관질환이 발생한다면 관상동맥심장병(coronary heart disease, CHD), 심부전(heart failure, HF), 뇌졸중(stroke) 중 어느 질병이 발생할 지를 심혈관질환 예측결과로서 출력하는, 심혈관질환(CVD) 예측부;를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 2 |
2
제1항에 있어서, 심혈관질환(CVD) 예측부는,기 학습된 제1 서보트 벡터 머신으로 이루어져, 향후 심혈관질환이 발생할 것인지, 아닌지를 판별하고, 만약 심혈관질환이 발생하지 않는다고 판별하면 심혈관질환이 발생하지 않음을 나타내는 값을 심혈관질환(CVD) 예측 값으로 출력하는, 심혈관질환 발생 판별부;심혈관질환 발생 판별부에서 향후 심혈관질환이 발생할 것으로 판별된 경우, 1대1(OvO, One-Vs-One) 다중 클래스 분류기를 이용하여, 향후 발생될 심혈관질환으로서 관상동맥심장병(coronary heart disease, CHD), 심부전(heart failure, HF), 뇌졸중(stroke) 중 하나를 선택하여 심혈관질환(CVD) 예측 값으로 출력하는, 세부 질환 판별부;를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 3 |
3
제2항에 있어서, 세부 질환 판별부는관상동맥심장병, 심부전 중의 하나를 판별하기 위해 기 학습된 서보트 벡터 머신으로, 관상동맥심장병, 심부전 중의 하나를 선택하여 제2서보트 벡터 머신의 결과로서 출력하는, 제2서보트 벡터 머신;관상동맥심장병과 뇌졸중(stroke) 중의 하나를 판별하기 위해 기 학습된 서보트 벡터 머신으로, 관상동맥심장병과 뇌졸중 중의 하나를 선택하여 제3서보트 벡터 머신의 결과로서 출력하는, 제3서보트 벡터 머신;심부전과 뇌졸중 중의 하나를 판별하기 위해 기 학습된 서보트 벡터 머신으로, 심부전과 뇌졸중 중의 하나를 선택하여 제4서보트 벡터 머신의 결과로서 출력하는, 제4서보트 벡터 머신;을 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 4 |
4
제3항에 있어서, 세부 질환 판별부는 제2서보트 벡터 머신의 결과, 제3서보트 벡터 머신의 결과, 제4서보트 벡터 머신의 결과로 부터, 관상동맥심장병, 심부전, 뇌졸중 각각이, 선택된 횟수를 카운트하여 출력하는 투표부;를 더 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 5 |
5
제5항에 있어서, 투표부는 관상동맥심장병, 심부전, 뇌졸중 선택된 횟수가 가장 많은 질병에 대한 값이, 심혈관질환(CVD) 예측 값으로 출력하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 6 |
6
제5항에 있어서, 제1 서보트 벡터 머신의 입력벡터는, 플래튼 계층(flatten layer)의 15번째노드의 결과의 평균, STTc 세그먼트의 평균, BMI 지수, 수축기 혈압, AHI 지수, 플래튼 계층(flatten layer)의 11번째노드의 결과의 표준편차, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 평균, 요통기능 장애지수(ODI), 흡연정도, 플래튼 계층(flatten layer)의 12번째노드의 결과의 평균, 플래튼 계층(flatten layer)의 1번째노드의 결과의 평균, 플래튼 계층(flatten layer)의 7번째노드의 결과의 표준편차, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 표준편차, STTc 세그먼트의 표준편차, 저주파수 대역 강도(PLF)의 평균, 플래튼 계층(flatten layer)의 3번째노드의 결과의 평균 중 11개의 심전도 특징을 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 7 |
7
제5항에 있어서, 제2서보트 벡터 머신의 입력벡터는, 플래튼 계층(flatten layer)의 4번째노드의 결과의 평균, HDL 콜레스테롤 지수, 저주파수 대역 강도(PLF)의 평균, 플래튼 계층(flatten layer)의 10번째노드의 결과의 평균, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 표준편차, 플래튼 계층(flatten layer)의 12번째노드의 결과의 표준편차, AHI 지수 중 6개의 심전도 특징을 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 8 |
8
제5항에 있어서, 제3서보트 벡터 머신는, 플래튼 계층(flatten layer)의 10번째노드의 결과의 평균, STTc 세그먼트의 평균, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 평균, 확장기 혈압, HDL 콜레스테롤 지수, 저주파수 대역 강도(PLF)의 평균, BMI 지수 중 3개를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 9 |
9
제6항에 있어서, 제4서보트 벡터 머신의 입력벡터는, HDL 콜레스테롤 지수, 플래튼 계층(flatten layer)의 3번째노드의 결과의 평균, 저주파수 대역 강도(PLF)의 표준편차, 콜레스테롤 지수, AHI 지수, 플래튼 계층(flatten layer)의 2번째노드의 결과의 평균, 수축기 혈압, 고주파수 대역 강도(PHF)의 표준편차, 플래튼 계층(flatten layer)의 4번째노드의 결과의 평균, 흡연정도, 플래튼 계층(flatten layer)의 6번째노드의 결과의 표준편차 중 7개를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템
|
| 10 |
10
수면다원검사시 검출된 심전도 신호 및 심혈관질환 위험인자(CVD risk factor)를 이용하여 심혈관질환의 발생을 예측하는 연산처리부를 포함하는, 심혈관질환 예측시스템의 구동방법에 있어서, 연산처리부는 상기 심전도(ECG) 신호로부터, STTc(ST-segment and T-wave (ST-T) changes) 세그먼트를 포함하는 시간도메인 심전도 파라미터를 검출하고, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)를 포함하는 주파수도메인 심전도 파라미터를 검출하고, 검출된 시간도메인 심전도 파라미터 및 주파수도메인 심전도 파라미터의 평균 및 표준편차를, '신호처리된 심전도 특징'으로서 메모리부에 저장하는, 신호처리된 심전도 특징 추출단계;연산처리부는, 기 학습된 CNN 기반의 인공지능 모델에, 30초 동안의 심전도 신호를 입력하고, 상기 CNN 기반의 인공지능 모델에서 플래튼 계층(flatten layer)의 각 노드의 결과를의 평균과 표준편차를 구하여, '인공지능 기반의 심전도 특징'으로서 메모리부에 저장하는, 인공지능 기반의 심전도 특징 추출단계;연산처리부는, 메모리부에 저장된 CVD 위험인자를 읽어들이는, CVD 위험인자 로딩단계;연산처리부는, 서보트 벡터 머신(SVM)들을 포함하여 이루어진 심혈관질환(CVD) 예측 모델을 이용하되, 심전도 특징 추출단계에서 구하여진 신호처리된 심전도 특징과, 인공지능 기반의 심전도 특징 추출단계에서 구하여진 인공지능 기반의 심전도 특징과, CVD 위험인자 로딩단계에서 읽어들인 CVD 위험인자를 포함하는 심전도 특징을, 심혈관질환 예측 모델에 입력하고, 심혈관질환 예측 모델로부터 출력된 결과를, 향후 심혈관질환이 발생할 지 여부 및, 심혈관질환이 발생한다면 관상동맥심장병(coronary heart disease, CHD), 심부전(heart failure, HF), 뇌졸중(stroke) 중 어느 질병이 발생할 지에 대한 심혈관질환 예측결과로서 출력하는, 심혈관질환(CVD) 예측단계;를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 11 |
11
제10항에 있어서, 심혈관질환(CVD) 예측단계는,연산처리부가, 기 학습된 제1 서보트 벡터 머신에, STTc 세그먼트의 평균을 포함하는 심전도 특징을 입력벡터로서 입력하고, 제1 서보트 벡터 머신의 출력값을, 향후 심혈관질환이 발생할 것인지 여부를 판별한 값으로 출력하되, 만약 제1 서보트 벡터 머신의 출력값이 심혈관질환이 발생하지 않는다고 판별하면 심혈관질환이 발생하지 않음을 나타내는 값을 심혈관질환(CVD) 예측 값으로 출력하는, 심혈관질환 발생 판별단계;연산처리부가, 심혈관질환 발생 판별부에서 향후 심혈관질환이 발생할 것으로 판별된 경우, 1대1(OvO, One-Vs-One) 다중 클래스 분류기를 이용하여, 향후 발생될 심혈관질환으로서 관상동맥심장병(coronary heart disease, CHD), 심부전(heart failure, HF), 뇌졸중(stroke) 중 하나를 선택하여 심혈관질환(CVD) 예측 값으로 출력하는, 세부 질환 판별단계;를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 12 |
12
제11항에 있어서, 세부 질환 판별단계는연산처리부가, 저주파수 대역 강도(PLF)의 평균을 포함하는 심전도 특징을, 기 학습된 제2서보트 벡터 머신에 입력하고, 제2서보트 벡터 머신으로터, 제2서보트 벡터 머신의 결과값으로, 관상동맥심장병, 심부전 중의 하나가 출력되는, 제2서보트 벡터 머신 연산단계;연산처리부가, 저주파수 대역 강도(PLF)의 평균을 포함하는 심전도 특징을, 기 학습된 제3서보트 벡터 머신에 입력하고, 제3서보트 벡터 머신으로터, 제3서보트 벡터 머신의 결과값으로, 관상동맥심장병과 뇌졸중 중의 하나가 출력되는, 제3서보트 벡터 머신 연산단계;연산처리부가, 저주파수 대역 강도(PLF)의 표준편차를 포함하는 심전도 특징을, 기 학습된 제4서보트 벡터 머신에 입력하고, 제4서보트 벡터 머신으로터, 제4서보트 벡터 머신의 결과값으로, 심부전과 뇌졸중 중의 하나가 출력되는, 제4서보트 벡터 머신;을 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 13 |
13
제12항에 있어서, 세부 질환 판별단계는연산처리부가, 제2서보트 벡터 머신의 결과값, 제3서보트 벡터 머신의 결과값, 제4서보트 벡터 머신의 결과값으로 부터, 관상동맥심장병, 심부전, 뇌졸중 각각이, 선택된 횟수를 카운트하여, 관상동맥심장병, 심부전, 뇌졸중별로 카운트된 값을 출력하는 투표단계;를 더 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 14 |
14
제13항에 있어서, 투표단계에서 연산처리부는 관상동맥심장병, 심부전, 뇌졸중에, 카운트 값이 가장 많은 질병값을, 심혈관질환(CVD) 예측 값으로 출력하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 15 |
15
제13항에 있어서, 제1 서보트 벡터 머신의 입력벡터는, 플래튼 계층(flatten layer)의 15번째노드의 결과의 평균, STTc 세그먼트의 평균, BMI 지수, 수축기 혈압, AHI 지수, 플래튼 계층(flatten layer)의 11번째노드의 결과의 표준편차, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 평균, 요통기능 장애지수(ODI), 흡연정도, 플래튼 계층(flatten layer)의 12번째노드의 결과의 평균, 플래튼 계층(flatten layer)의 1번째노드의 결과의 평균, 플래튼 계층(flatten layer)의 7번째노드의 결과의 표준편차, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 표준편차, STTc 세그먼트의 표준편차, 저주파수 대역 강도(PLF)의 평균, 플래튼 계층(flatten layer)의 3번째노드의 결과의 평균 중 11개의 심전도 특징을 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 16 |
16
제13항에 있어서, 제2서보트 벡터 머신의 입력벡터는, 플래튼 계층(flatten layer)의 4번째노드의 결과의 평균, HDL 콜레스테롤 지수, 저주파수 대역 강도(PLF)의 평균, 플래튼 계층(flatten layer)의 10번째노드의 결과의 평균, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 표준편차, 플래튼 계층(flatten layer)의 12번째노드의 결과의 표준편차, AHI 지수 중 6개의 심전도 특징을 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 17 |
17
제13항에 있어서, 제3서보트 벡터 머신는, 플래튼 계층(flatten layer)의 10번째노드의 결과의 평균, STTc 세그먼트의 평균, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)의 평균, 확장기 혈압, HDL 콜레스테롤 지수, 저주파수 대역 강도(PLF)의 평균, BMI 지수 중 3개를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 18 |
18
제13항에 있어서, 제4서보트 벡터 머신의 입력벡터는, HDL 콜레스테롤 지수, 플래튼 계층(flatten layer)의 3번째노드의 결과의 평균, 저주파수 대역 강도(PLF)의 표준편차, 콜레스테롤 지수, AHI 지수, 플래튼 계층(flatten layer)의 2번째노드의 결과의 평균, 수축기 혈압, 고주파수 대역 강도(PHF)의 표준편차, 플래튼 계층(flatten layer)의 4번째노드의 결과의 평균, 흡연정도, 플래튼 계층(flatten layer)의 6번째노드의 결과의 표준편차 중 7개를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템의 구동방법
|
| 19 |
19
제10항 내지 제18힝 중 어느 한 항의 심혈관질환 예측시스템의 구동방법에 대한 컴퓨터 프로그램 소스를 저장하는 기록매체
|
