1 |
1
부정맥 분류 방법에 있어서,심전도 신호를 입력 받는 단계;합성곱 신경망 기반의 덴스넷(DenseNet)을 이용하여 상기 입력 받은 심전도 신호를 분석하는 단계; 및상기 분석한 심전도 신호를 기초로 부정맥을 판단하는 단계를 포함하고, 상기 분석하는 단계는,상기 합성곱 신경망 기반의 덴스넷을 이용하는 심전도 분류 모델을 사용하여 상기 입력 받은 심전도 신호를 분석하는 것을 특징으로 하는 부정맥 분류 방법
|
2 |
2
제1항에 있어서,상기 심전도 분류 모델은,과적합(Overfitting)과 과소적합(Underfitting)을 최소로 하도록 획득된 층 깊이(Layer Depth)와 하이퍼 파라미터(Hyper Parameter)를 이용하여 생성된 것을 특징으로 하는 부정맥 분류 방법
|
3 |
3
제2항에 있어서,상기 하이퍼 파라미터는,성장률(Growth Rate), 윈도우 크기(Window Size), 축소(Reduction) 중 적어도 하나를 포함하는 것을 특징으로 하는 부정맥 분류 방법
|
4 |
4
제1항에 있어서,상기 합성곱 신경망 기반의 덴스넷은,합성곱 블록(Convolution Block), 전이 블록(Transition Block)을 포함하는 것을 특징으로 하는 부정맥 분류 방법
|
5 |
5
제4항에 있어서,상기 합성곱 블록은,제1 합성곱 연산과 제2 합성곱 연산을 포함하는 것을 특징으로 하는 부정맥 분류 방법
|
6 |
6
제5항에 있어서,상기 제1 합성곱 연산 또는 상기 제2 합성곱 연산은,성장률을 기초로 특징 맵(Feature Map)을 생성하는 것을 특징으로 하는 부정맥 분류 방법
|
7 |
7
제4항에 있어서,상기 전이 블록은,상기 합성곱 블록에서 획득된 정보를 압축하는 것을 특징으로 하는 부정맥 분류 방법
|
8 |
8
제4항에 있어서,상기 전이 블록은,상기 합성곱 블록의 출력 중 심전도 특성을 추출하는 것을 특징으로 하는 부정맥 분류 방법
|
9 |
9
제1항에 있어서,상기 합성곱 신경망 기반의 덴스넷은,배치정규화 또는 정류 선형 유닛을 이용하여 연산하는 것을 특징으로 하는 부정맥 분류 방법
|