1 |
1
복수의 피험자의 수술 중 의료정보 및 수술 후 의료정보를 수집하는 의료정보 수집부;상기 의료정보 수집부에서 수집한 수술 중 의료정보 및 수술 후 의료정보를 이용하여 뇌졸중 추정 모델을 생성하는 모델 훈련부;대상 환자의 수술 중 의료정보를 획득하는 의료정보 획득부; 및상기 모델 훈련부에서 생성된 상기 뇌졸중 추정 모델을 이용하여 상기 의료정보 획득부에서 획득된 수술 중 의료정보로부터 수술 중 또는 수술 후 상기 대상 환자의 뇌졸중 발생을 예측하는 뇌졸중 예측부를 포함하되,상기 의료정보 수집부 또는 상기 의료정보 획득부는 수집 또는 획득된 의료정보의 시계열 데이터를 정량의 1차 데이터로 변환하는 것을 포함하고,상기 모델 훈련부 및 상기 뇌졸중 예측부에서의 의료정보는 상기 의료정보 수집부 또는 상기 의료정보 획득부에서 변환된 1차 데이터를 포함하며,상기 의료정보 수집부 또는 상기 의료정보 획득부에서 변환된 1차 데이터를 임계점을 활용하여 각 환자별 데이터 세트를 생성하는 데이터 가공부를 더 포함하고,상기 모델 훈련부 및 상기 뇌졸중 예측부에서의 의료정보는 상기 데이터 가공부에서 생성된 각 환자별 데이터 세트이며,상기 데이터 가공부는 뇌졸중 예측의 신뢰성을 확보하기 위해 심장 혈관 수술 환자의 의료정보, 환자의 나이가 18세 미만인 의료정보, 몸무게가 30kg 미만 혹은 140kg 이상인 환자의 의료정보, 수술 시간이 20분 이하인 환자의 의료정보 등을 필터링하는것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 의료정보 수집부 또는 상기 의료정보 획득부에서 수집 또는 획득된 의료정보는 활력 징후 데이터를 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
5 |
5
제4항에 있어서,상기 활력 징후 데이터는 수술 중에 측정된 동맥 내 혈압, 수술 중에 측정된 산소 포화도 및 수술 중에 측정된 심전도를 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
6 |
6
제1항, 제4항 및 제5항 중 어느 한 항에 있어서,상기 모델 훈련부에서 생성된 상기 뇌졸중 추정 모델의 예측 신뢰성을 검증하기 위한 모델 검증부를 더 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
7 |
7
제6항에 있어서,상기 모델 검증부에서 도출된 모델 파라미터의 중요도를 복수의 기법을 사용하여 각 기법에 따른 파라미터 중요도로 나열한 후 상위 파라미터들을 종합하여 상기 모델 훈련부의 대표 파라미터들로 반영하는 모델 파라미터 반영부를 더 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
8 |
8
제7항에 있어서,상기 모델 파라미터 반영부의 복수의 기법은 특징 중요도, 순열 중요도 및 SHAP(SHapley Additive exPlanations) Values 기법을 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
9 |
9
제6항에 있어서,상기 모델 훈련부는 상기 뇌졸중 추정 모델을 이용한 의료정보의 예측률을 높이기 위하여 트리 기반의 결정트리, 랜덤포레스트, XGBoost(eXtreme Gradient Boosting) 및 LightGBM(Light Gradient Boosting Machine) 모델들 중 적어도 하나의 머신러닝을 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
10 |
10
제9항에 있어서,상기 모델 훈련부는 상기 머신러닝의 훈련시 교차 검증 기법을 활용하여 복수회를 지정하고, 각 교차 검증시마다 상기 의료정보 수집부에서 수집한 의료정보를 언더샘플링하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 장치
|
11 |
11
수술 중 또는 수술 후 뇌졸중 예측 장치에서의 뇌졸중 예측 방법에 있어서,복수의 피험자의 수술 중 의료정보 및 수술 후 의료정보를 수집하는 단계;상기 수집하는 단계에서 수집한 수술 중 의료정보 및 수술 후 의료정보를 이용하여 뇌졸중 추정 모델을 훈련하여 생성하는 단계;대상 환자의 수술 중 의료정보를 획득하는 단계; 및상기 생성하는 단계에서 생성된 상기 뇌졸중 추정 모델을 이용하여 상기 획득하는 단계에서 획득된 수술 중 의료정보로부터 수술 중 또는 수술 후 상기 대상 환자의 뇌졸중 발생을 예측하는 단계를 포함하되,상기 수집하는 단계 또는 상기 획득하는 단계는 수집 또는 획득된 의료정보의 시계열 데이터를 정량의 1차 데이터로 변환하는 것을 포함하고,상기 생성하는 단계 및 상기 예측하는 단계에서의 의료정보는 상기 수집하는 단계 또는 상기 획득하는 단계에서 변환된 1차 데이터를 포함하며,상기 뇌졸중 예측 방법은, 상기 수집하는 단계 또는 상기 획득하는 단계에서 변환된 1차 데이터를 임계점을 활용하여 각 환자별 데이터 세트를 생성하는 데이터 가공 단계를 더 포함하고,상기 생성하는 단계 및 상기 예측하는 단계에서의 의료정보는 상기 데이터 가공 단계에서 생성된 각 환자별 데이터 세트이며,상기 데이터 가공 단계는, 뇌졸중 예측의 신뢰성을 확보하기 위해 심장 혈관 수술 환자의 의료정보, 환자의 나이가 18세 미만인 의료정보, 몸무게가 30kg 미만 혹은 140kg 이상인 환자의 의료정보, 수술 시간이 20분 이하인 환자의 의료정보 등을 필터링하는것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 방법
|
12 |
12
삭제
|
13 |
13
삭제
|
14 |
14
제11항에 있어서,상기 수집하는 단계 또는 상기 획득하는 단계에서 수집 또는 획득된 의료정보는 활력 징후 데이터를 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 방법
|
15 |
15
제14항에 있어서,상기 활력 징후 데이터는 수술 중에 측정된 동맥 내 혈압, 수술 중에 측정된 산소 포화도 및 수술 중에 측정된 심전도를 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 방법
|
16 |
16
제11항, 제14항 및 제15항 중 어느 한 항에 있어서,상기 생성하는 단계에서 훈련된 상기 뇌졸중 추정 모델의 예측 신뢰성을 검증하는 단계를 더 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 방법
|
17 |
17
제16항에 있어서,상기 검증하는 단계에서 도출된 모델 파라미터의 중요도를 복수의 기법을 사용하여 각 기법에 따른 파라미터 중요도로 나열한 후 상위 파라미터들을 종합하여 상기 뇌졸중 추정 모델의 대표 파라미터들로 반영하는 단계를 더 포함하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 방법
|
18 |
18
제16항에 있어서,상기 생성하는 단계는 상기 뇌졸중 추정 모델을 이용한 의료정보의 예측률을 높이기 위하여 트리 기반의 결정트리, 랜덤포레스트, XGBoost(eXtreme Gradient Boosting) 및 LightGBM(Light Gradient Boosting Machine) 모델들 중 적어도 하나의 머신러닝을 활용하는 것을 특징으로 하는 수술 중 또는 수술 후 뇌졸중 예측 방법
|