| 1 |
1
(a) 심방세동의 예후 예측 장치가 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상을 수신하는 단계;(b) 상기 심방세동의 예후 예측 장치가 상기 수신한 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상에 대한 전처리를 수행하는 단계; 및(c) 상기 심방세동의 예후 예측 장치가 상기 전처리를 수행한 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상을 예측 모델에 입력하여 상기 환자에 대한 침습적 임상 예후의 예측 결과 및 침습적 임상 정보의 예측 결과 중 어느 하나를 출력하는 단계;를 포함하는 심방세동의 예후 예측 방법
|
| 2 |
2
제1항에 있어서,상기 (a) 단계에서 수신한 정보가 상기 환자에 대한 비침습적 임상 정보인 경우, 상기 (b) 단계는, (b-1) 상기 수신한 환자에 대한 비침습적 임상 정보 중 결측치(Missing Value)가 존재하는지 판단하는 단계; 및(b-2) 상기 (b-1) 단계의 판단 결과 결측치가 존재한다면, 학습 데이터에 기반하여 상기 결측치를 추정해 기입하는 단계; 를 포함하는 심방세동의 예후 예측 방법
|
| 3 |
3
제2항에 있어서, 상기 (b-2) 단계 이후에,(b-3) 상기 추정하여 기입한 결측치에 대한 재귀 분석 및 보정 중 어느 하나 이상을 수행하는 단계;를 더 포함하는 심방세동의 예후 예측 방법
|
| 4 |
4
제2항에 있어서, 상기 (b-2) 단계 이후에, (b-4) 상기 결측치를 추정하여 기입한 비침습적 임상 정보에 대한 정규화(Normalization)를 수행하는 단계; 및(b-5) 상기 정규화를 수행한 비침습적 임상 정보를 인코딩(Encoding)하는 단계;를 더 포함하는 심방세동의 예후 예측 방법
|
| 5 |
5
제1항에 있어서,상기 (a) 단계에서 수신한 정보가 상기 환자에 대한 심전도 정보이며, 상기 환자에 대한 심전도 정보가 10초 간격으로 측정된 동리듬(Normal Sinus Rhythm) 12-리드(Lead) 심전도 정보인 경우, 상기 (b) 단계는, (b-1′) 상기 수신한 환자에 대한 심전도 정보 중 싱글 리듬(Single Rhythm) 심전도 정보를 추출하는 단계;(b-2′) 상기 추출한 싱글 리듬 심전도 정보에서 하나 이상의 심전도 지표를 추출하는 단계; 및(b-3′) 상기 추출한 하나 이상의 심전도 지표를 이용하여 상기 추출한 싱글 리듬 심전도 정보에서 하나 이상의 피크(Peak) 별 정보를 추출하는 단계;를 포함하는 심방세동의 예후 예측 방법
|
| 6 |
6
제5항에 있어서,상기 피크 별 정보는, P-wave 또는 PR-Wave 중 어느 하나인, 심방세동의 예후 예측 방법
|
| 7 |
7
제1항에 있어서,상기 (a) 단계에서 수신한 정보가 상기 환자에 대한 심전도 정보이며, 상기 환자에 대한 심전도 정보가 10초 간격으로 측정된 동리듬(Normal Sinus Rhythm) 12-리드(Lead) 심전도 정보인 경우, 상기 (b) 단계는, (b-4′) 사용자로부터 고주파 필터 및 저주파 필터 중 어느 하나 이상을 선택 받는 단계; 및(b-5′) 상기 선택 받은 고주파 필터 및 저주파 필터 중 어느 하나 이상에 대한 컷오프 주파수를 입력 받는 단계;를 포함하는 심방세동의 예후 예측 방법
|
| 8 |
8
제1항에 있어서,상기 예측 모델은, (M-1) 사용자로부터 비침습적 임상 정보 및 심전도 정보 중 수신한 정보를 하나 이상 선택 받는 단계;(M-2) 상기 사용자로부터 상기 선택 받은 정보를 통해 예측하고자 하는 침습적 임상 예후 및 침습적 임상 정보 중 어느 하나에 관한 예측 변수를 선택 받는 단계; (M-3) 상기 사용자로부터 초매개변수(Hyperparameters)의 범위를 지정 받는 단계; 및(M-4) Grid Search Manager를 통해 상기 범위를 지정 받은 초매개변수에 대한 탐색을 수행하는 단계;를 거쳐 생성되는 심방세동의 예후 예측 방법
|
| 9 |
9
제1항에 있어서,상기 (a) 단계에서 수신한 정보가 상기 환자에 대한 비침습적 임상 정보인 경우, 상기 (c) 단계는, (c-1) 상기 전처리를 수행한 환자에 대한 비침습적 임상 정보를 상기 예측 모델에 입력하여 합성곱(Convolution) 연산을 위한 제1 형식으로 확장하는 단계;(c-2) 상기 제1 형식으로 확장한 환자에 대한 비침습적 임상 정보를 환자수를 기준으로 정규화하는 단계;(c-3) 상기 정규화한 환자에 대한 비침습적 임상 정보에 합성곱층(Convolution Layer)을 적용하고, 배치 정규화(Batch Normalization)하며, Leaky ReLU 활성화 함수를 적용하여 제2 형식으로 확장하는 단계; 및(c-4) 상기 제2 형식으로 확장한 환자에 대한 비침습적 임상 정보를 신경망 연산을 위해 평탄화(Flatten)하는 단계; 를 포함하는 심방세동의 예후 예측 방법
|
| 10 |
10
제10항에 있어서,상기 환자수를 M, 상기 비침습적 임상 정보의 개수를 Nn, 상기 예측 모델에 적용되는 커널의 개수를 CN이라 한다면, 상기 제1 형식은, [M × Nn × 1]이며,상기 제2 형식은, [M × Nn × CN-1]인, 심방세동의 예후 예측 방법
|
| 11 |
11
제10항에 있어서, (c-7) 상기 평탄화한 환자에 대한 비침습적 임상 정보에 완전 연결층(Fully Connected Layer)을 적용하고, 배치 정규화(Batch Normalization)하며, ReLU 활성화 함수를 적용하고, 드롭아웃층(Dropout Layer)을 적용하는 단계; 및(c-8) 상기 드롭아웃층을 적용한 환자에 대한 비침습적 임상 정보에 출력층(Output Layer)을 적용하여 상기 환자에 대한 침습적 임상 예후의 예측 결과 및 침습적 임상 정보의 예측 결과 중 어느 하나를 출력하는 단계;를 더 포함하는 심방세동의 예후 예측 방법
|
| 12 |
12
제1항에 있어서,상기 (a) 단계에서 수신한 정보가 상기 환자에 대한 심전도 정보인 경우, 상기 (c) 단계는, (c-1′) 상기 전처리를 수행한 환자에 대한 심전도 정보를 상기 예측 모델에 입력하여 합성곱(Convolution) 연산을 위한 제3 형식으로 확장하는 단계;(c-2′) 상기 제3 형식으로 확장한 환자에 대한 심전도 정보를 환자수 및 리드의 개수를 기준으로 정규화하는 단계;(c-3′-1) 상기 정규화한 환자에 대한 심전도 정보에 합성곱층(Convolution Layer)을 적용하고, 배치 정규화(Batch Normalization)하며, Leaky ReLU 활성화 함수를 적용하여 제4 형식으로 확장하는 단계; (c-3′-2) 상기 제4 형식으로 확장한 환자에 대한 심전도 정보에 풀링층(Pooling Layer)을 적용하여 제5 형식으로 확장하는 단계; 및(c-4′) 상기 제5 형식으로 확장한 환자에 대한 심전도 정보를 신경망 연산을 위해 평탄화(Flatten)하는 단계; 를 포함하는 심방세동의 예후 예측 방법
|
| 13 |
13
제12항에 있어서, 상기 환자수를 M, 상기 심전도 정보의 길이를 En, 상기 심전도 리드의 개수를 Ln, 상기 예측 모델에 적용되는 커널의 개수를 CN, 풀링층의 크기를 Ps라 한다면, 상기 제3 형식은, [M × En × Ln × 1]이며, 상기 제4 형식은, [M × En × Ln × CN-1]이고, 상기 제5 형식은, [M × (En/Ps) × (Ln /Ps) × CN-1]인, 심방세동의 예후 예측 방법
|
| 14 |
14
제12항에 있어서, (c-7′) 상기 평탄화한 환자에 대한 심전도 정보에 완전 연결층(Fully Connected Layer)을 적용하고, 배치 정규화(Batch Normalization)하며, ReLU 활성화 함수를 적용하고, 드롭아웃층(Dropout Layer)을 적용하는 단계; 및(c-8′) 상기 드롭아웃층을 적용한 환자에 대한 심전도 정보에 출력층(Output Layer)을 적용하여 상기 환자에 대한 침습적 임상 예후의 예측 결과 및 침습적 임상 정보의 예측 결과 중 어느 하나를 출력하는 단계;를 더 포함하는 심방세동의 예후 예측 방법
|
| 15 |
15
제1항에 있어서, 상기 (a) 단계에서 수신한 정보가 상기 환자에 대한 비침습적 임상 정보 및 심전도 정보인 경우, 상기 (c) 단계는, (c-5) 상기 예측 모델에 입력한 정보의 종류가 복수 개인지 판단하는 단계; 및(c-6) 상기 (d-1) 단계의 판단 결과, 입력 정보의 종류가 복수 개라면, 평탄화한 상기 환자에 대한 비침습적 임상 정보 및 심전도를 상기 예측 모델에 입력하여 연결층(Concatenate Layer)을 적용하는 단계; 를 포함하는 심방세동의 예후 예측 방법
|
| 16 |
16
제1항에 있어서, (d) 상기 (a) 단계 내지 (c) 단계를 학습하는 단계;를 더 포함하며, 상기 (d)단계는, (d-1) 상기 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상이 포함하는 환자 ID를 상기 환자에 대한 침습적 임상 예후 및 침습적 임상 정보 중 어느 하나에 대한 예측 변수의 위험도에 따라 클래스(Class)로 분류하는 단계;(d-2) 상기 분류한 클래스를 인코딩하는 단계; (d-3) 상기 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상에 대한 배치(Batch) 단위를 1:1로 구성하는 단계; 및(d-4) 상기 배치 단위를 1:1로 구성한 상기 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상에 경사 하강법(Adam Optimizer)을 적용하여 학습을 수행하는 단계;를 포함하는 심방세동의 예후 예측 방법
|
| 17 |
17
하나 이상의 프로세서;네트워크 인터페이스;상기 프로세서에 의해 수행되는 컴퓨터 프로그램을 로드(Load)하는 메모리; 및대용량 네트워크 데이터 및 상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,상기 컴퓨터 프로그램은 상기 하나 이상의 프로세서에 의해,(A) 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상을 수신하는 오퍼레이션;(B) 상기 수신한 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상에 대한 전처리를 수행하는 오퍼레이션; 및(C) 상기 전처리를 수행한 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상을 예측 모델에 입력하여 상기 환자에 대한 침습적 임상 예후의 예측 결과 및 침습적 임상 정보의 예측 결과 중 어느 하나를 출력하는 오퍼레이션;을 실행하는 심방세동의 예후 예측 장치
|
| 18 |
18
컴퓨팅 장치와 결합하여,(AA) 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상을 수신하는 단계;(BB) 상기 수신한 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상에 대한 전처리를 수행하는 단계; 및(CC) 상기 전처리를 수행한 환자에 대한 비침습적 임상 정보 및 심전도 정보 중 어느 하나 이상을 예측 모델에 입력하여 상기 환자에 대한 침습적 임상 예후의 예측 결과 및 침습적 임상 정보의 예측 결과 중 어느 하나를 출력하는 단계;를 실행시키기 위하여,매체에 저장된 컴퓨터 프로그램
|
