| 1 |
1
사용자가 착용하는 것으로서, 상기 사용자의 심전도를 측정하는 스마트 밴드;상기 스마트 밴드에서 측정된 상기 사용자의 심전도에 대한 정보를 수집하는 정보 수집부;상기 정보 수집부에서 수집된 상기 사용자의 심전도를, 심전도에 따른 고칼륨 혈증을 예측하기 위해 기구축된 신경망 모델에 적용하여 해당 사용자의 고칼륨 혈증 여부를 판별하는 판별모듈;을 구비하는,심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 2 |
2
제1항에 있어서, 상기 스마트 밴드는 상기 사용자의 손목에 착용되는,심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 3 |
3
제1항에 있어서, 상기 고칼륨 혈증 환자의 심전도 데이터를 이용하여 상기 신경망 모델을 구축하고, 구축된 상기 신경망 모델을 상기 판별모듈에 제공하는 모델 구축유닛;을 더 구비하는,심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 4 |
4
제3항에 있어서, 상기 모델 구축유닛은다수의 상기 고칼륨 혈증 환자의 심전도 데이터를 수집하는 데이터 수집부;상기 데이터 수집부에서 수집된 심전도 데이터를 토대로 기계학습을 위한 훈련 데이터 세트를 생성하는 데이터 가공부; 및상기 데이터 가공부에서 제공되는 훈련 데이터 세트를 토대로 심전도를 이용하여 고칼륨 혈증을 예측하기 위한 신경망 모델을 구축하는 모델 생성부;를 구비하는, 심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 5 |
5
제4항에 있어서, 상기 데이터 수집부는 고칼륨 혈증의 증상 발현 시점으로부터 기설정된 제1기준시간 이전 시점에서, 해당 고칼륨 혈증의 증상 발현 시점으로부터 기설정된 제2기준시간 이후 시점까지의 상기 고칼륨 혈증 환자의 심전도 데이터를 수집하는,심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 6 |
6
제4항에 있어서, 상기 데이터 가공부는 상기 데이터 수집부에서 제공되는 심전도 데이터 중 고칼륨 혈증의 증상 발현 시점의 심전도 데이터를 비정상 상태의 데이터로 분류하며, 해당 고칼륨 혈증의 증상 발현 시점으로부터 기설정된 제1기준시간 이전 시점까지의 심전도 데이터를 정상 상태의 데이터로 분류하고, 분류된 상기 정상 상태의 데이터 및 비정상 상태의 데이터가 포함되도록 상기 훈련 데이터 세트를 생성하는, 심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 7 |
7
제4항에 있어서, 상기 데이터 가공부는 상기 데이터 수집부에서 제공되는 심전도 데이터 중 고칼륨 혈증의 증상 발현 시점의 심전도 데이터를 비정상 상태의 데이터로 분류하며, 해당 고칼륨 혈증의 증상 발현 시점으로부터 기설정된 제2기준시간 이후 시점까지의 심전도 데이터를 정상 상태의 데이터로 분류하고, 분류된 상기 정상 상태의 데이터 및 비정상 상태의 데이터가 포함되도록 상기 훈련 데이터 세트를 생성하는, 심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 8 |
8
제4항에 있어서, 상기 데이터 가공부는 상기 데이터 수집부에서 제공되는 심전도 데이터 중 고칼륨 혈증의 증상 발현 시점의 심전도 데이터를 비정상 상태의 데이터로 분류하며, 해당 고칼륨 혈증의 증상 발현 시점으로부터 기설정된 제1기준시간 이전 시점에서 해당 고칼륨 혈증의 증상 발현 시점으로부터 기설정된 제2기준시간 이후 시점까지의 심전도 데이터 중 상기 고칼륨 혈증의 증상 발현 시점의 심전도 데이터를 제외한 심전도 데이터를 정상 상태의 데이터로 분류하고, 분류된 상기 정상 상태의 데이터 및 비정상 상태의 데이터가 포함되도록 상기 훈련 데이터 세트를 생성하는, 심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 9 |
9
제6항 내지 제8항 중 어느 한 항에 있어서, 상기 데이터 가공부는 상기 데이터 수집부에서 제공되는 심전도 데이터에서 분류된 데이터들 중 무작위로 선택된 일부는 상기 훈련 데이터 세트로 분류하고, 나머지는 상기 신경망 모델을 테스트 또는 검증하기 위한 샘플 세트로 분류하는, 심전도를 이용한 고칼륨 혈증 예측 시스템
|
| 10 |
10
제9항에 있어서, 상기 샘플 세트를 상기 신경망 모델에 적용하여 해당 신경망 모델의 성능을 분석하는 검증모듈;을 더 구비하는,심전도를 이용한 고칼륨 혈증 예측 시스템
|
