| 1 |
1
전자 장치에 있어서,입력된 이미지를 기반으로 수면 단계를 판단하도록 훈련된 인공지능 모델이 저장된 메모리; 및사용자로부터 수집된 다채널의 생체 신호들이 포함된 이미지를 상기 인공지능 모델에 입력하여, 상기 사용자의 수면 단계를 식별하는, 프로세서;를 포함하는, 전자 장치
|
| 2 |
2
제1항에 있어서,상기 이미지는,상기 다채널의 생체 신호들 각각의 시간에 따른 신호 값이 도시된 그래프들을 포함하는, 전자 장치
|
| 3 |
3
제1항에 있어서,상기 프로세서는,상기 다채널의 생체 신호들 각각의 시간 별 로우 데이터를 기반으로, 시간에 따른 생체 신호의 출력이 도시된 그래프를 채널 별로 획득하고,상기 채널 별로 획득된 그래프들이 서로 다른 영역에 포함된 이미지를 합성하고,상기 합성된 이미지를 상기 인공지능 모델에 입력하여, 상기 사용자의 수면 단계를 식별하는, 전자 장치
|
| 4 |
4
제3항에 있어서,상기 프로세서는,상기 합성된 이미지 내 영역 별로 서로 다른 픽셀 값을 추가하여, 상기 이미지를 변환하고,상기 변환된 이미지를 상기 인공지능 모델에 입력하여, 상기 사용자의 수면 단계를 식별하고,상기 인공지능 모델은,상기 영역 별로 추가된 픽셀 값을 기반으로, 각 채널에 매칭되는 그래프를 식별하는, 전자 장치
|
| 5 |
5
제1항에 있어서,상기 프로세서는,복수의 환자 각각의 다채널의 생체 신호들이 포함된 복수의 훈련 이미지를 기반으로, 상기 인공지능 모델을 훈련시키는, 전자 장치
|
| 6 |
6
제5항에 있어서,상기 프로세서는,상기 복수의 훈련 이미지 각각에 대하여, 상기 다채널의 생체 신호들 각각에 매칭되는 영역 별로 서로 다른 픽셀 값을 추가하여, 상기 복수의 훈련 이미지를 변환하고,상기 변환된 복수의 훈련 이미지를 기반으로 상기 인공지능 모델을 훈련시키는, 전자 장치
|
| 7 |
7
제1항에 있어서,상기 인공지능 모델은,입력된 이미지로부터 특징 정보를 획득하기 위한 적어도 하나의 Convolution Layer를 포함하는 제1 모듈;상기 특징 정보를 시간에 따라 입력 받기 위한 LSTM(Long Short-Term Memory) 계층으로 구성된 제2 모듈; 및상기 LSTM 계층의 출력을 기반으로 수면 단계를 분류하기 위한 적어도 하나의 Fully Connected Layer를 포함하는 제3 모듈;을 포함하는, 전자 장치
|
| 8 |
8
제1항에 있어서,상기 다채널의 생체 신호들은,EEG(Electro Encephalogram), EOG(Electro Oculogram), EMG(Electro Myography), ECG(Electro Cardiogram), Flow, Thorax, Abdomen 중 적어도 하나를 포함하는, 전자 장치
|
| 9 |
9
전자 장치에 있어서,입력된 이미지를 기반으로 수면 단계를 판단하기 위한 인공지능 모델이 저장된 메모리; 및환자로부터 수집된 다채널의 생체 신호들이 포함된 이미지를 기반으로 상기 인공지능 모델을 훈련시키는, 프로세서;를 포함하는, 전자 장치
|
| 10 |
10
입력된 이미지를 기반으로 수면 단계를 판단하도록 훈련된 인공지능 모델이 저장된 전자 장치의 수면 단계 분류 방법에 있어서,사용자의 다채널의 생체 신호들을 획득하는 단계; 및상기 획득된 다채널의 생체 신호들이 포함된 이미지를 상기 인공지능 모델에 입력하여, 상기 사용자의 수면 단계를 식별하는 단계;를 포함하는, 전자 장치의 수면 단계 분류 방법
|
| 11 |
11
컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램에 있어서,전자 장치의 프로세서에 의해 실행되어, 상기 전자 장치로 하여금 제10항의 수면 단계 분류 방법을 수행하도록 하는, 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램
|
