| 1 |
1
환자의 제1 심전도 데이터 및 제1 신체 정보를 획득하는 획득부; 및상기 제1 심전도 데이터를 증강시켜 제2 심전도 데이터로 생성하고, 상기 제1 신체 정보를 전처리하여 제2 신체 정보를 생성하고, 제1 딥러닝 모델을 이용하여 상기 제2 심전도 데이터로부터 상기 환자에게 심장 질환이 발병할 제1 발병 확률 정보를 생성하고, 제2 딥러닝 모델을 이용하여 상기 제2 심전도 데이터 및 상기 제2 신체 정보로부터 상기 환자에게 심장 질환이 발병할 제2 발병 확률 정보를 생성하고, 상기 제1 발병 확률 정보 및 상기 제2 발병 확률 정보를 통합하여 통합 발병 확률 정보를 생성하는 프로세서;를 포함하는 장치에 있어서,상기 프로세서는, 상기 제2 심전도 데이터 및 상기 제2 신체 정보에 대응하여 임의의 세부 딥러닝 모델을 선택하고, 상기 선택된 세부 딥러닝 모델로 상기 제2 딥러닝 모델을 구성하는 딥러닝 모델 구성 자동화 모듈을 이용하여 상기 제2 딥러닝 모델을 구성하고, 상기 제2 딥러닝 모델을 이용하여 상기 제2 심전도 데이터 및 상기 제2 신체 정보로부터 제2 발병 확률 정보를 생성하는 제2 예측부;를 포함하는 것을 특징으로 하는 심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 장치
|
| 2 |
2
제1항에 있어서,상기 프로세서는심전도 데이터의 측정 리드의 개수가 미리 설정된 개수가 되도록 상기 제1 심전도 데이터를 증강시켜 상기 제2 심전도 데이터를 생성하는 데이터 증강부;를 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 장치
|
| 3 |
3
제1항에 있어서,상기 프로세서는상기 제1 신체 정보에 기초하여 신체 지수를 산출하고, 상기 제1 신체 정보 및 상기 신체 지수가 상기 제2 딥러닝 모델에 입력될 수 있도록 상기 제1 신체 정보 및 상기 신체 지수를 전처리하여 제2 신체 정보를 생성하는 신체 정보 처리부;를 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 장치
|
| 4 |
4
제1항에 있어서,상기 프로세서는잔차 블록이 적용된 합성곱 신경망 모델로 구성된 상기 제1 딥러닝 모델을 이용하여 상기 제2 심전도 데이터로부터 상기 제1 발병 확률 정보를 생성하는 제1 예측부;를 포함하고,상기 제1 예측부는상기 제1 발병 확률 정보가 생성되는데 영향을 미친 인자를 나타내는 영향 인자 정보를 어텐션 모듈을 이용하여 생성하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 장치
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서,상기 프로세서는상기 통합 발병 확률 정보를 최대가 되도록 하는 심장 질환 종류 정보를 확인하고, 상기 확인된 심장 질환 종류 정보에 대응되는 상기 통합 발병 확률 정보가 미리 설정된 기준 확률을 초과하면 상기 확인된 심장 질환 종류 정보를 발병이 예측되는 발병 예측 심장 질환 종류 정보로 생성하는 예측결과 통합부;를 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 장치
|
| 7 |
7
획득부가 환자의 제1 심전도 데이터 및 제1 신체 정보를 획득하는 단계; 및프로세서가 상기 제1 심전도 데이터를 증강시켜 제2 심전도 데이터로 생성하는 단계; 상기 프로세서가 상기 제1 신체 정보를 전처리하여 제2 신체 정보를 생성하는 단계; 상기 프로세서가 제1 딥러닝 모델을 이용하여 상기 제2 심전도 데이터로부터 상기 환자에게 심장 질환이 발병할 제1 발병 확률 정보를 생성하는 단계; 상기 프로세서가 제2 딥러닝 모델을 이용하여 상기 제2 심전도 데이터 및 상기 제2 신체 정보로부터 상기 환자에게 심장 질환이 발병할 제2 발병 확률 정보를 생성하는 단계; 및 상기 프로세서가 상기 제1 발병 확률 정보 및 상기 제2 발병 확률 정보를 통합하여 통합 발병 확률 정보를 생성하는 단계;를 포함하고,상기 프로세서의 제2 예측부가 상기 제2 심전도 데이터 및 상기 제2 신체 정보에 대응하여 임의의 세부 딥러닝 모델을 선택하고 상기 선택된 세부 딥러닝 모델로 상기 제2 딥러닝 모델을 구성하는 딥러닝 모델 구성 자동화 모듈을 이용하여 상기 제2 딥러닝 모델을 구성하는 단계; 및상기 프로세서의 제2 예측부가 상기 제2 딥러닝 모델을 이용하여 상기 제2 심전도 데이터 및 상기 제2 신체 정보로부터 제2 발병 확률 정보를 생성하는 단계;를 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 방법
|
| 8 |
8
제7항에 있어서,상기 프로세서의 데이터 증강부가 심전도 데이터의 측정 리드의 개수가 미리 설정된 개수가 되도록 상기 제1 심전도 데이터를 증강시켜 상기 제2 심전도 데이터를 생성하는 단계;를 더 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 방법
|
| 9 |
9
제7항에 있어서,상기 프로세서의 신체 정보 처리부가 상기 제1 신체 정보에 기초하여 신체 지수를 산출하고, 상기 제1 신체 정보 및 상기 신체 지수가 상기 제2 딥러닝 모델에 입력될 수 있도록 상기 제1 신체 정보 및 상기 신체 지수를 전처리하여 제2 신체 정보를 생성하는 단계;를 더 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 방법
|
| 10 |
10
제7항에 있어서,상기 프로세서의 제1 예측부가 잔차 블록이 적용된 합성곱 신경망 모델로 구성된 상기 제1 딥러닝 모델을 이용하여 상기 제2 심전도 데이터로부터 상기 제1 발병 확률 정보를 생성하는 단계; 및상기 제1 예측부가 상기 제1 발병 확률 정보가 생성되는데 영향을 미친 인자를 나타내는 영향 인자 정보를 어텐션 모듈을 이용하여 생성하는 단계;를 더 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 방법
|
| 11 |
11
삭제
|
| 12 |
12
제7항에 있어서,상기 프로세서의 예측결과 통합부가 상기 통합 발병 확률 정보를 최대가 되도록 하는 심장 질환 종류 정보를 확인하고, 상기 확인된 심장 질환 종류 정보에 대응되는 상기 통합 발병 확률 정보가 미리 설정된 기준 확률을 초과하면 상기 확인된 심장 질환 종류 정보를 발병이 예측되는 발병 예측 심장 질환 종류 정보로 생성하는 단계;를 더 포함하는 것을 특징으로 하는심전도 데이터 및 신체 정보를 이용하는 딥러닝 모델 기반 심장 질환 발병 예측 방법
|
