| 1 |
1
입력 데이터를 전처리하는 데이터 전처리부;상기 전처리된 데이터를 획득하는 데이터 획득부;상기 획득된 데이터를 딥러닝 알고리즘을 이용해 학습하는 데이터 학습부; 및상기 학습된 데이터를 이용하여 심정지를 예측하는 심정지 예측부;를 포함하는 심정지 발생 예측 시스템
|
| 2 |
2
제 1 항에 있어서,상기 입력 데이터는,환자의 정보 데이터, 생징후 데이터 및 랩 코드 데이터를 포함하는 것을 특징으로 하는 심정지 발생 예측 시스템
|
| 3 |
3
제 1 항에 있어서,상기 데이터 전처리부는, 오버 샘플링 기법을 이용하여 입력 데이터를 전처리하는 것을 특징으로 하는 심정지 발생 예측 시스템
|
| 4 |
4
제 3 항에 있어서,상기 오버 샘플링 기법은,SMOTE(Synthetic Minority Oversampling Technique)인 것을 특징으로 하는 심정지 발생 예측 시스템
|
| 5 |
5
제 1 항에 있어서,상기 딥러닝 알고리즘은, LSTM(Long Short Term Memory)인 것을 특징으로 하는 심정지 발생 예측 시스템
|
| 6 |
6
심정지 발생 예측 시스템에서의 심정지 발생 예측 방법에 있어서,입력 데이터를 전처리하는 단계;상기 전처리된 데이터를 획득하는 단계;상기 획득된 데이터를 딥러닝 알고리즘을 이용해 학습하는 단계; 및상기 학습된 데이터를 이용하여 심정지를 예측하는 단계;를 포함하는 심정지 발생 예측 방법
|
| 7 |
7
제 6 항에 있어서,상기 입력 데이터는,환자의 정보 데이터, 생징후 데이터 및 랩 코드 데이터를 포함하는 것을 특징으로 하는 심정지 예측 방법
|
| 8 |
8
제 6 항에 있어서,입력 데이터를 전처리하는 단계는,오버 샘플링 기법을 이용하여 입력 데이터를 전처리하는 단계를 포함하는 것을 특징으로 하는 심정지 예측 방법
|
| 9 |
9
제 8 항에 있어서,상기 오버 샘플링 기법은,SMOTE(Synthetic Minority Oversampling Technique)인 것을 특징으로 하는 심정지 예측 방법
|
| 10 |
10
제 6 항에 있어서,상기 딥러닝 알고리즘은, LSTM(Long Short Term Memory)인 것을 특징으로 하는 심정지 예측 방법
|
