| 1 |
1
1) EMR 시스템 서버에 의해, TC(X1), HDL-C(X2) 및 TG(X3)의 특정 값을 입력으로 수신하는 단계; 2) 상기 EMR 시스템 서버에 의해, 상기 수신된 입력을 EMR 데이터베이스에 저장하는 단계;3) 상기 EMR 시스템 서버에 의해, 상기 수신된 입력을 DNN 시스템의 DNN 시스템 서버로 전송하는 단계;4) 상기 DNN 시스템 서버에 의해, 상기 수신된 입력에 기초하여, DNN 모델을 이용하여 LDL-C 값을 예측하는 단계;5) 상기 DNN 시스템 서버에 의해, 상기 LDL-C 값을 상기 EMR 시스템 서버로 전송하는 단계;6) 상기 EMR 시스템 서버에 의해, 상기 LDL-C 값을 상기 EMR 데이터베이스에 저장하고 출력하는 단계를 포함하는, DNN을 이용한 LDL-C 예측 방법
|
| 2 |
2
제1항에 있어서, 상기 DNN 모델은 6개의 은닉 레이어를 포함하고, 상기 각 은닉 레이어에는 30개의 은닉 노드를 포함하는 LDL-C 예측 방법
|
| 3 |
3
제2항에 있어서, 상기 은닉 레이어는 뉴럴 네트워크에 포함된 ReLU(rectified linear unit) 함수의 비선형성과 연결되는 LDL-C 예측 방법
|
| 4 |
4
제2항에 있어서, 상기 DNN 시스템 서버에 의해, 상기 노드의 응답(z)은 [수학식 1] 및 [수학식 2]에 의하여 산출되는 LDL-C 예측 방법:[수학식 1],[수학식 2],여기서, i는 1, 2 및 3 중 어느 하나이고, wi는 가중치 파라미터로 트레이닝 데이터 세트에 의하여 학습된다
|
| 5 |
5
제1항에 있어서, 상기 DNN 시스템 서버에 의해, DNN 모델을 이용하여 LDL-C 예측 값을 계산한 이후, 교차 검증 단계를 더 포함하는 LDL-C 예측 방법
|
| 6 |
6
제5항에 있어서, 상기 교차 검증 단계는 상기 DNN 시스템 서버에 의해, 트레이닝 데이터 세트를 이용한 5중 교차 검증(fivefold cross-validation) 단계를 포함하는 LDL-C 예측 방법
|
| 7 |
7
제6항에 있어서, 상기 5중 교차 검증 단계는a) 상기 DNN 시스템 서버에 의해, 트레이닝 샘플을 무작위로 5개의 동일한 부분으로 분할하는 단계;b) 상기 DNN 시스템 서버에 의해, 한 부분(one part)을 선택하고, 나머지 4개의 부분을 DNN 훈련을 위한 하위 집합으로 병합하는 단계;c) 상기 DNN 시스템 서버에 의해, 단일 부분(single part)을 사용하여 DNN의 예측 오류를 계산하는 단계;d) 상기 DNN 시스템 서버에 의해, 오류 계산에 사용된 부분을 다음 부분으로 교체하여 상기 b) 및 c) 단계를 반복하는 단계를 포함하는 LDL-C 예측 방법
|
| 8 |
8
EMR 시스템 서버 및 DNN 시스템 서버를 포함하는 LDL-C 예측 시스템으로, 상기 EMR 시스템 서버는 사용자 인터페이스로부터 TC(X1), HDL-C(X2) 및 TG(X3)의 특정 값을 입력으로 수신하는 통신부;상기 수신된 특정 값을 식별하는 제어부;상기 수신된 특정 값을 저장하는 EMR 데이터베이스를 포함하는 저장부를 포함하고, 상기 DNN 시스템 서버는 상기 EMR 시스템 서버로부터 상기 특정 값을 수신하는 통신부;DNN 모델을 저장하고, 상기 DNN 모델을 이용하여 LDL-C 값을 예측하는 제어부를 포함하는 시스템
|
| 9 |
9
제8항에 있어서, 상기 DNN 시스템 서버의 통신부는 예측된 LDL-C 값을 상기 EMR 시스템 서버로 전송하고, 상기 EMR 시스템의 통신부는 상기 수신된 LDL-C 값을 상기 사용자 인터페이스로 송신하는 시스템
|
| 10 |
10
제9항에 있어서, EMR 시스템의 저장부는 상기 수신된 LDL-C 값을 EMR 데이터베이스에 저장하는 시스템
|
| 11 |
11
제8항에 있어서, 상기 DNN 시스템 서버 제어부의 DNN 모델은 6개의 은닉 레이어를 포함하고, 상기 각 은닉 레이어에는 30개의 은닉 노드를 포함하는 시스템
|
| 12 |
12
제11항에 있어서, 상기 노드의 응답(z)은 [수학식 1] 및 [수학식 2]에 의하여 산출되는 시스템:[수학식 1],[수학식 2],여기서, i는 1, 2 및 3 중 어느 하나이고, wi는 가중치 파라미터로 트레이닝 데이터 세트에 의하여 학습된다
|
| 13 |
13
제8항에 있어서, 상기 DNN 시스템 서버 제어부는 LPL-C 예측부 및 교차 검증부를 더 포함하고, LPL-C 예측부는 DNN 모델을 이용하여 LDL-C 예측 값을 계산한 이후, 상기 교차 검증부에 의하여 교차 검증 단계를 더 수행하는 시스템
|
| 14 |
14
제13항에 있어서, 상기 교차 검증 단계는 트레이닝 데이터 세트를 이용한 5중 교차 검증(fivefold cross-validation) 단계를 포함하는 시스템
|
| 15 |
15
제14항에 있어서, 상기 5중 교차 검증 단계는a) 트레이닝 샘플을 무작위로 5개의 동일한 부분으로 분할하는 단계;b) 한 부분(one part)을 선택하고, 나머지 4개의 부분을 DNN 훈련을 위한 하위 집합으로 병합하는 단계;c) 단일 부분(single part)을 사용하여 DNN의 예측 오류를 계산하는 단계;d) 오류 계산에 사용된 부분을 다음 부분으로 교체하여 상기 b) 및 c) 단계를 반복하는 단계로 수행되는 시스템
|
