1 |
1
(a) 심방세동 유관 인자의 예측값 산출 장치가 복수 개의 임상 지표 중, 제N(N은 자연수) 심방세동 연관 항목과 관련성이 있는 하나 이상의 비침습적 임상 지표를 산출하는 단계; (b) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 산출한 하나 이상의 비침습적 임상 지표에 대응되는 환자의 하나 이상의 비침습적 임상 정보에 대한 전처리를 수행하는 단계; 및(c) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 전처리를 수행한 환자의 하나 이상의 비침습적 임상 정보를 예측 모델에 입력하여 상기 환자에 대한 상기 제N 심방세동 연관 항목의 예측값을 산출하여 출력하는 단계;를 포함하는 비침습적 심방세동 유관 인자의 예측값 산출 방법
|
2 |
2
제1항에 있어서, 상기 (a) 단계 이전에, (a′) 상기 심방세동 유관 인자의 예측값 산출 장치가 복수 개의 제N 심방세동 연관 항목을 출력하는 단계; 및(a″) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 출력한 복수 개의 제N 심방세동 유관 인자중, 예측값을 산출하고자 하는 어느 하나의 제N 심방세동 연관 항목을 사용자로부터 선택 받는 단계;를 더 포함하는 심방세동 유관 인자의 예측값 산출 방법
|
3 |
3
제1항에 있어서,상기 (a) 단계는, (a-1) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 복수 개의 임상 지표 중, 하나 이상의 비침습적 임상 지표를 선별하는 단계; 및(a-2) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 선별한 하나 이상의 비침습적 임상 지표를 독립변수(Independent value)로, 상기 제N 심방세동 연관 항목을 종속변수(Dependent value)로 규정하고 선형회귀분석(Linear regression analysis)을 적용하여 P-Value이 0
|
4 |
4
제1항에 있어서, 상기 (b) 단계는, (b-1) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 산출한 하나 이상의 비침습적 임상 지표에 대응되는 환자의 하나 이상의 비침습적 임상 정보 중 결측치(Missing value)가 존재하는지 판단하는 단계; 및(b-2) 상기 (b-1) 단계의 판단 결과 결측치가 존재한다면, 상기 심방세동 유관 인자의 예측값 산출 장치가 학습 데이터에 기반하여 상기 결측치를 추정해 기입하는 단계;를 포함하는 심방세동 유관 인자의 예측값 산출 방법
|
5 |
5
제4항에 있어서, 상기 (b-2) 단계 이후에,(b-3) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 추정하여 기입한 결측치에 대한 재귀 분석 및 보정 중 어느 하나 이상을 수행하는 단계;를 더 포함하는 심방세동 유관 인자 예측 방법
|
6 |
6
제4항에 있어서, 상기 (b-2) 단계 이후에, (b-4) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 결측치를 추정하여 기입한 비침습적 임상 정보에 대한 정규화(Normalization)를 수행하는 단계; 및(b-5) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 정규화를 수행한 비침습적 임상 정보를 인코딩(Encoding)하는 단계;를 더 포함하는 심방세동 유관 인자예측 방법
|
7 |
7
제1항에 있어서, 상기 (c) 단계는, (c-1) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 전처리를 수행한 환자의 하나 이상의 비침습적 임상 정보를 상기 예측 모델에 입력하여 합성곱(Convolution) 연산을 위한 제1 형식으로 확장하는 단계;(c-2) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 제1 형식으로 확장한 환자의 하나 이상의 비침습적 임상 정보를 환자수를 기준으로 정규화하는 단계;(c-3) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 정규화한 환자의 하나 이상의 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 심방세동 유관 인자의 예측값 산출 장치가 상기 제2 형식으로 확장한 환자의 하나 이상의 비침습적 임상 정보를 신경망 연산을 위해 평탄화(Flatten)하는 단계; 를 포함하는 심방세동 유관 인자의 예측값 산출 방법
|
8 |
8
제7항에 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, 심방세동 유관 인자의 예측값 산출 방법
|
9 |
9
제7항에 있어서, 상기 N이 1인 경우, 제1심방세동 연관 항목은, 전극 도자 절제술(Radiofrequency catheter ablation) 적합성이며, 상기 (a) 단계의 하나 이상의 비침습적 임상 지표는, 나이(Age), 성별(Sex), 심방세동 타입(Type of atrial fibrillation), 체질량지수(Body mass index), 울혈성심부전(Congestive heart failure) 여부, 고혈압(Hypertension) 여부, 당뇨 여부(Diabetes mellitus), 뇌졸중 또는 일과성 허혈 발작 여부(Stroke or TIA), 혈관 질환(Vascular disease) 여부, 좌심방 크기(LA dimension), 좌심실 박출률(LV ejection fraction), 심장 도플러 조직 영상의 승모판 내륜 최고 혈류 속도에 대한 경승모판 최대 혈류 속도의 비율(E/em), 혈청 크레아티닌 수치(Serum creatinine), 헤모글로빈 수치(Hemoglobin) 및 심전도 피알 간격(PR interval) 중 어느 하나 이상의 임상 지표인, 심방세동 유관 인자의 예측값 산출 방법
|
10 |
10
제9항에 있어서,상기 (c) 단계의 예측값은, 상기 환자에 대하여 전극 도자 절제술이 적합할 확률값 및 Youden index를 활용하여 결정한 5가지 임상 지표로 나타내어지는 리스크 모델을 통해 산출한 스코어를 기준으로 상기 환자를 포함하는 환자군을 복수 개의 분위수의 그룹으로 나누되, 상기 환자에 대하여 상기 (a) 단계의 하나 이상의 비침습적 임상 지표를 이용하여 전극 도자 절제술이 적합할 확률값을 산출하였을 때, 상기 복수 개의 분위수의 그룹 중, 어느 그룹에 속하게 될 확률값 중 어느 하나 이상인, 심방세동 유관 인자의 예측값 산출 방법
|
11 |
11
제10항에 있어서, 상기 5가지 임상 지표는, 뇌졸중 또는 일과성 허혈 발작 여부(Stroke or TIA), 심방세동 타입(Type of atrial fibrillation), 좌심방 크기(LA dimension), 좌심방 전압(LA voltage) 및 심전도 피알 간격(PR interval)인, 심방세동 유관 인자의 예측값 산출 방법
|
12 |
12
제9항에 있어서, 상기 환자수를 M 이라 한다면, 상기 제1 형식은, [M × 15 × 1]이며
|
13 |
13
제7항에 있어서,상기 N이 2인 경우, 제2 심방세동 연관 항목은, 좌심방벽 긴장도(Left atrial wall stress)이며, 상기 (a) 단계의 하나 이상의 비침습적 임상 지표는, 나이(Age), 심방세동 타입(Type of atrial fibrillation), 고혈압(Hypertension) 여부, 당뇨 여부(Diabetes mellitus), 혈관 질환(Vascular disease) 여부, 울혈성심부전(Congestive heart failure) 여부, 좌심실 박출률(LV ejection fraction) 및 심장 도플러 조직 영상의 승모판 내륜 최고 혈류 속도에 대한 경승모판 최대 혈류 속도의 비율(E/em) 중 어느 하나 이상의 임상 지표인, 심방세동 유관 인자의 예측값 산출 방법
|
14 |
14
제13항에 있어서, 상기 환자수를 M 이라 한다면, 상기 제1 형식은, [M × 8 × 1]이며
|
15 |
15
제7항에 있어서,상기 (C-4) 단계 이후에, (c-5) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 평탄화한 환자의 하나 이상의 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-6) 상기 심방세동 유관 인자의 예측값 산출 장치가 상기 드롭아웃층을 적용한 환자의 하나 이상의 비침습적 임상 정보에 출력층(Output Layer)을 적용하여 상기 환자에 대한 상기 제N 심방세동 연관 항목의 예측값을 산출하여 출력하는 단계;를 더 포함하는 심방세동 유관 인자의 예측값 산출 방법
|
16 |
16
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) 복수 개의 임상 지표 중, 제N(N은 자연수) 심방세동 연관 항목과 관련성이 있는 하나 이상의 비침습적 임상 지표를 산출하는 오퍼레이션; (B) 상기 산출한 하나 이상의 비침습적 임상 지표에 대응되는 환자의 하나 이상의 비침습적 임상 정보에 대한 전처리를 수행하는 오퍼레이션; 및(C) 상기 전처리를 수행한 환자의 하나 이상의 비침습적 임상 정보를 예측 모델에 입력하여 상기 환자에 대한 상기 제N 심방세동 연관 항목의 예측값을 산출하여 출력하는 오퍼레이션;을 실행하는 심방세동 유관 인자의 예측값 산출 장치
|
17 |
17
컴퓨팅 장치와 결합하여,(AA) 복수 개의 임상 지표 중, 제N(N은 자연수) 심방세동 연관 항목과 관련성이 있는 하나 이상의 비침습적 임상 지표를 산출하는 단계; (BB) 상기 산출한 하나 이상의 비침습적 임상 지표에 대응되는 환자의 하나 이상의 비침습적 임상 정보에 대한 전처리를 수행하는 단계; 및(CC) 상기 전처리를 수행한 환자의 하나 이상의 비침습적 임상 정보를 예측 모델에 입력하여 상기 환자에 대한 상기 제N 심방세동 연관 항목의 예측값을 산출하여 출력하는 단계;를 실행시키기 위하여,매체에 저장된 컴퓨터 프로그램
|