| 1 |
1
인공지능을 기반으로 하여 삼킴장애 여부를 예측하는 장치로서,다수의 뇌졸중 환자의 음성 데이터, 중요 연관 인자 데이터 및 진단 데이터가 입력되는 입력부(100);상기 입력부(100)에 입력된 음성 데이터를 시각화 데이터로 변환하는 변환부(200);상기 시각화 데이터 및 상기 중요 연관 인자 데이터를 독립변수로 하고, 상기 진단 데이터를 종속변수로 하는 학습 데이터를 이용하여 인공지능 모델을 통하여 예측 모델을 구축하는 모델링부(300); 및상기 예측 모델에 예측 대상 환자의 음성 데이터 및 중요 연관 인자 데이터가 포함된 예측 대상 데이터를 적용하여 삼킴장애 여부를 예측하는 예측부(400);를 포함하며,상기 중요 연관 인자 데이터는, 상기 음성 데이터 측정 시의 나이, 키, 체중, 허리둘레, 및 성별 데이터를 포함하는 신체 데이터, 뇌졸중의 종류, 뇌졸중의 크기, 뇌졸중의 심각도, 뇌졸중의 발생위치 데이터, 소혈관질환 여부 및 뇌신경 진찰 소견 데이터를 포함하는 뇌졸중 데이터, 고혈압, 당뇨병, 고지혈증, 협심증, 심근경색, 대사증후군, 심부전증, 구강질환 및 성대질환의 여부 또는 심각도 데이터를 포함하는 기저질환 데이터, 및 흡연 및 알콜 섭취 여부 또는 빈도, 및 약물 섭취 여부, 빈도 또는 종류 데이터를 포함하는 생활습관 데이터를 포함하는,장치
|
| 2 |
2
제 1 항에 있어서,상기 인공지능 모델은 합성곱 신경망(CNN, Convolutional Neural Network)인,장치
|
| 3 |
3
인공지능을 기반으로 하여 삼킴장애 여부를 예측하는 방법으로서,(a) 다수의 뇌졸중 환자로부터 수집된 음성 데이터, 중요 연관 인자 데이터 및 진단 데이터가 입력되는 단계;(b) 입력된 상기 음성 데이터가 시각화 데이터로 변환되는 단계;(c) 상기 시각화 데이터 및 상기 중요 연관 인자 데이터를 독립변수로 하고, 상기 진단 데이터를 종속변수로 하는 학습 데이터가 인공지능 모델에 의해 이용되어 예측 모델이 구축되는 단계; 및(d) 구축된 상기 예측 모델에 예측 대상 환자의 음성 데이터 및 중요 연관 인자 데이터가 포함된 예측 대상 데이터를 적용하여 삼킴장애 여부가 예측되는 단계;를 포함하며,상기 학습 데이터 및 상기 예측 대상 데이터에 각각 포함되는 중요 연관 인자 데이터는, 상기 음성 데이터 수집 시의 나이, 키, 체중, 허리둘레, 및 성별 데이터를 포함하는 신체 데이터, 뇌졸중의 종류, 뇌졸중의 크기, 뇌졸중의 심각도, 뇌졸중의 발생위치 데이터, 소혈관질환 여부 및 뇌신경 진찰 소견 데이터를 포함하는 뇌졸중 데이터, 고혈압, 당뇨병, 고지혈증, 협심증, 심근경색, 대사증후군, 심부전증, 구강질환 및 성대질환의 여부 또는 심각도 데이터를 포함하는 기저질환 데이터, 및 흡연 및 알콜 섭취 여부 또는 빈도, 및 약물 섭취 여부, 빈도 또는 종류 데이터를 포함하는 생활습관 데이터를 포함하는,방법
|
| 4 |
4
제 2 항에 있어서,상기 인공지능 모델은 합성곱 신경망(CNN, Convolutional Neural Network)인,방법
|
| 5 |
5
제 3 항 또는 제 4 항에 따른 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 저장매체
|
| 6 |
6
제 3 항 또는 제 4 항에 따른 방법을 실행시키기 위하여 저장매체에 저장된 컴퓨터 프로그램
|
