1 |
1
뇌파 검사 데이터에 대한 전이 학습 기반의 증강데이터 생성방법으로서, 학습용 뇌파 검사 데이터를 입력받아 뇌파 검사 데이터에 대한 특징 정보를 생성하도록 학습된 인공신경망을 포함하는 제1인코더; 및 상기 특징 정보에 기초하여 상기 제1인코더에 입력된 상기 학습용 뇌파 검사 데이터와 유사한 출력값을 복원하도록 학습된 인공신경망을 포함하는 디코더;를 포함하는 뇌파분석모델에 의하여, 상기 학습용 뇌파 검사 데이터를 입력받아 학습하는 뇌파분석모델학습단계;상기 뇌파분석모델의 학습된 제1인코더와 동일한 형태로, 복수의 목표 뇌파 검사 데이터를 입력받아 상기 목표 뇌파 검사 데이터에 대한 특징 정보를 생성하도록 학습된 인공신경망을 포함하는 제3인코더; 상기 제3인코더에 의해 생성된 복수의 특징정보간의 유사도에 기초하여 샘플특징정보를 생성하는 샘플러; 및 상기 뇌파분석모델의 학습된 디코더와 동일한 형태로, 상기 샘플러에 의해 생성된 샘플특징정보에 기초하여 상기 제3인코더에 입력된 목표 뇌파 검사 데이터와 유사한 증강데이터를 생성하도록 학습된 인공신경망을 포함하는 제3디코더;를 포함하는, 데이터증강모델에 의하여, 목표 뇌파 검사 데이터와 유사한 복수의 증강데이터를 생성하는 데이터증강단계; 및상기 증강데이터 및 상기 목표 뇌파 검사 데이터간의 유클리드 거리(Euclidean distance)를 산출하여, 상기 증강데이터 및 상기 목표 뇌파 검사 데이터간의 유클리드 거리의 합이 기설정된 제1기준 이하인 증강데이터를 선별하는 데이터선별단계;를 포함하는, 전이 학습 기반의 증강데이터 생성방법
|
2 |
2
청구항 1에 있어서,상기 뇌파 검사 데이터는,환자 두부에 전극이 부착되어 전극이 부착된 복수의 위치 각각에서 측정된 시간에 따른 전압값에 대한 정보이고,상기 전이 학습 기반의 증강데이터 생성방법은,상기 뇌파 검사 데이터를 정규화하고, 주성분분석(Principal Component Analysis, PCA) 및 독립성분분석(Independent Component Analysis, ICA) 알고리즘에 기초하여 뇌파 검사 데이터의 노이즈를 제거하는 단계를 더 포함하는, 전이 학습 기반의 증강데이터 생성방법
|
3 |
3
청구항 1에 있어서,상기 뇌파분석모델은,우울증 발병에 대한 라벨링정보가 부여되지 않은 환자의 뇌파 검사 데이터에 의해 학습되는, 전이 학습 기반의 증강데이터 생성방법
|
4 |
4
청구항 1에 있어서,상기 데이터증강모델은,상기 학습용 뇌파 검사 데이터에 의해 학습된 상기 뇌파분석모델의 제1인코더와 동일한 가중치(Weight)를 갖는 제3인코더; 및 상기 학습용 뇌파 검사 데이터에 의해 학습된 상기 뇌파분석모델의 제1디코더와 동일한 가중치를 갖는 제3디코더;를 포함하는, 전이 학습 기반의 증강데이터 생성방법
|
5 |
5
청구항 1에 있어서,상기 데이터증강모델은,환자의 뇌파 검사 데이터에 대한 라벨링정보가 우울증을 앓고 있는 여부에 따라 긍정으로 라벨링되어, 우울증을 앓고 있는 환자의 뇌파 검사데이터와 유사한 증강데이터를 생성하는 제1데이터증강모델; 및상기 환자의 뇌파 검사 데이터에 대한 라벨링정보가 우울증을 앓고 있는 여부에 따라 부정으로 라벨링되어, 우울증을 앓고 있지 않은 환자의 뇌파 검사데이터와 유사한 증강데이터를 생성하는 제2데이터증강모델;을 포함하는, 전이 학습 기반의 증강데이터 생성방법
|
6 |
6
청구항 1에 있어서,상기 데이터증강단계는,상기 제3인코더에 입력된 복수의 뇌파 검사 데이터 각각에 대해 생성된 특징정보와 동일한 샘플특징정보에 기초하여 상기 제3인코더에 입력된 뇌파 검사 데이터와 유사한 증강데이터를 생성하는, 전이 학습 기반의 증강데이터 생성방법
|
7 |
7
청구항 1에 있어서,상기 데이터증강단계는,상기 제3인코더에 입력된 복수의 뇌파 검사 데이터 각각에 대해 생성된 특징정보에 대하여, 하기의 [식 1]로 결정되는 샘플특징정보에 기초하여, 상기 제3인코더에 입력된 뇌파 검사 데이터와 유사한 증강 데이터를 생성하는, 전이 학습 기반의 증강데이터 생성방법
|
8 |
8
청구항 1에 있어서,상기 데이터증강단계는,상기 제3인코더에 입력된 복수의 뇌파 검사 데이터 각각에 대해 생성된 특징정보에 대하여, 하기의 [식 2]로 결정되는 샘플특징정보에 기초하여, 상기 제3인코더에 입력된 뇌파 검사 데이터와 유사한 증강 데이터를 생성하는, 전이 학습 기반의 증강데이터 생성방법
|
9 |
9
삭제
|
10 |
10
청구항 1에 있어서,상기 데이터선별단계는,상기 증강데이터 및 상기 목표 뇌파 검사 데이터에 대한 동적 시간 접합(Dynamic Time Warping) 알고리즘을 수행하여, 상기 증강데이터 및 상기 목표 뇌파 검사 데이터간의 유사도가 기설정된 제2기준 이상인 증강데이터를 선별하는 단계;를 포함하는, 전이 학습 기반의 증강데이터 생성방법
|
11 |
11
뇌파 검사 데이터에 대한 전이 학습 기반의 증강데이터 생성시스템으로서, 학습용 뇌파 검사 데이터를 입력받아 뇌파 검사 데이터에 대한 특징 정보를 생성하도록 학습된 인공신경망을 포함하는 제1인코더; 및 상기 특징 정보에 기초하여 상기 제1인코더에 입력된 상기 학습용 뇌파 검사 데이터와 유사한 출력값을 복원하도록 학습된 인공신경망을 포함하는 디코더;를 포함하는 뇌파분석모델을 포함하고, 상기 뇌파분석모델에 의하여 상기 학습용 뇌파 검사 데이터를 입력받아 학습하는 뇌파분석모델학습부;상기 뇌파분석모델의 학습된 제1인코더와 동일한 형태로, 복수의 목표 뇌파 검사 데이터를 입력받아 상기 목표 뇌파 검사 데이터에 대한 특징 정보를 생성하도록 학습된 인공신경망을 포함하는 제3인코더; 상기 제3인코더에 의해 생성된 복수의 특징정보간의 유사도에 기초하여 샘플특징정보를 생성하는 샘플러; 및 상기 뇌파분석모델의 학습된 디코더와 동일한 형태로, 상기 샘플러에 의해 생성된 샘플특징정보에 기초하여 상기 제3인코더에 입력된 목표 뇌파 검사 데이터와 유사한 증강데이터를 생성하도록 학습된 인공신경망을 포함하는 제3디코더;를 포함하는, 데이터증강모델을 포함하고, 상기 데이터증강모델에 의하여 목표 뇌파 검사 데이터와 유사한 복수의 증강데이터를 생성하는 데이터증강부; 및상기 증강데이터 및 상기 목표 뇌파 검사 데이터간의 유클리드 거리(Euclidean distance)를 산출하여, 상기 증강데이터 및 상기 목표 뇌파 검사 데이터간의 유클리드 거리의 합이 기설정된 제1기준 이하인 증강데이터를 선별하는 데이터선별부;를 포함하는, 전이 학습 기반의 증강데이터 생성시스템
|
12 |
12
1 이상의 프로세서 및 1 이상의 메모리를 갖는 컴퓨팅장치에서 수행되는 뇌파 검사 데이터에 대한 전이 학습 기반의 증강데이터 생성방법을 구현하기 위한 컴퓨터-판독가능매체로서, 상기 컴퓨터-판독가능매체는 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 이하의 단계들은,학습용 뇌파 검사 데이터를 입력받아 뇌파 검사 데이터에 대한 특징 정보를 생성하도록 학습된 인공신경망을 포함하는 제1인코더; 및 상기 특징 정보에 기초하여 상기 제1인코더에 입력된 상기 학습용 뇌파 검사 데이터와 유사한 출력값을 복원하도록 학습된 인공신경망을 포함하는 디코더;를 포함하는 뇌파분석모델에 의하여, 상기 학습용 뇌파 검사 데이터를 입력받아 학습하는 뇌파분석모델학습단계;상기 뇌파분석모델의 학습된 제1인코더와 동일한 형태로, 복수의 목표 뇌파 검사 데이터를 입력받아 상기 목표 뇌파 검사 데이터에 대한 특징 정보를 생성하도록 학습된 인공신경망을 포함하는 제3인코더; 상기 제3인코더에 의해 생성된 복수의 특징정보간의 유사도에 기초하여 샘플특징정보를 생성하는 샘플러; 및 상기 뇌파분석모델의 학습된 디코더와 동일한 형태로, 상기 샘플러에 의해 생성된 샘플특징정보에 기초하여 상기 제3인코더에 입력된 목표 뇌파 검사 데이터와 유사한 증강데이터를 생성하도록 학습된 인공신경망을 포함하는 제3디코더;를 포함하는, 데이터증강모델에 의하여, 목표 뇌파 검사 데이터와 유사한 복수의 증강데이터를 생성하는 데이터증강단계; 및상기 증강데이터 및 상기 목표 뇌파 검사 데이터간의 유클리드 거리(Euclidean distance)를 산출하여, 상기 증강데이터 및 상기 목표 뇌파 검사 데이터간의 유클리드 거리의 합이 기설정된 제1기준 이하인 증강데이터를 선별하는 데이터선별단계;를 포함하는, 컴퓨터-판독가능매체
|