1 |
1
적어도 하나의 컴퓨팅 장치에 의해 수행되는 설문 기반 진단 방법으로서,복수의 설문 문항에 대한 피진단자의 응답 정보를 획득하는 단계 - 상기 복수의 설문 문항은 기혈 생성 기능을 진단하기 위한 제1 설문 문항, 기혈 순환 기능을 진단하기 위한 제2 설문 문항 및 기혈의 균형 조절 기능을 진단하기 위한 제3 설문 문항을 포함함 -; 및상기 획득된 응답 정보를 기초로 상기 피진단자에 대한 진단을 수행하는 단계를 포함하는,설문 기반 진단 방법
|
2 |
2
제1항에 있어서,상기 진단을 수행하는 단계는,상기 응답 정보를 기초로 상기 피진단자의 건강 상태를 나타내는 상태 벡터를 생성하는 단계; 및상기 생성된 상태 벡터와 질병 벡터와의 유사도를 기초로 상기 피진단자의 건강 상태를 진단하는 단계를 포함하는,설문 기반 진단 방법
|
3 |
3
제2항에 있어서,상기 상태 벡터를 생성하는 단계는,상기 제1 설문 문항 내지 상기 제3 설문 문항의 배점을 기초로 각각의 설문 문항에 대한 벡터를 생성하는 단계; 및상기 생성된 벡터를 상기 각각의 설문 문항에 대한 가중치를 기초로 종합하여 상기 상태 벡터를 생성하는 단계를 포함하되,상기 가중치는 상기 피진단자의 인구통계학적 특성과 질병 이력에 따라 달라지는,설문 기반 진단 방법
|
4 |
4
제2항에 있어서,상기 상태 벡터를 생성하는 단계는,상기 복수의 설문 문항에 대한 환자 클래스의 응답 정보를 이용하여 트레이닝된 오토인코더 기반 딥러닝 모델을 획득하는 단계;상기 획득된 딥러닝 모델을 이용하여 상기 획득된 응답 정보에 대한 잠재 벡터(latent vector)를 추출하는 단계; 및상기 추출된 잠재 벡터를 기초로 상기 상태 벡터를 생성하는 단계를 포함하는,설문 기반 진단 방법
|
5 |
5
제1항에 있어서,상기 진단을 수행하는 단계는,상기 복수의 설문 문항에 대한 정상 클래스의 응답 정보를 이용하여 트레이닝된 오토인코더 기반 딥러닝 모델을 획득하는 단계;상기 획득된 딥러닝 모델을 이용하여 상기 획득된 응답 정보에 대한 복원 손실(reconstruction loss) 값을 산출하는 단계; 및상기 산출된 복원 손실 값을 기초로 상기 피진단자의 건강 상태를 진단하는 단계를 포함하는,설문 기반 진단 방법
|
6 |
6
제1항에 있어서,상기 진단을 수행하는 단계는,상기 복수의 설문 문항에 대한 정상 클래스와 환자 클래스의 응답 정보를 이용하여 트레이닝된 오토인코더 기반 딥러닝 모델을 획득하는 단계 - 상기 딥러닝 모델은 인코더, 디코더 및 상기 정상 클래스와 상기 환자 클래스를 분류하는 분류기를 포함하고, 상기 인코더 및 디코더는 복원 손실(reconstruction loss) 값을 기초로 트레이닝된 것이며, 상기 인코더는 상기 디코더가 프리징(freezing)된 상태에서 잠재 벡터(latent vector)에 대한 상기 분류기의 분류 손실(classification loss) 값을 기초로 더 트레이닝된 것임 - ;상기 인코더를 통해 상기 획득된 응답 정보에 대한 잠재 벡터를 추출하는 단계;상기 분류기를 통해 상기 추출된 잠재 벡터에 대한 클래스별 컨피던스 스코어를 획득하는 단계; 및상기 획득된 컨피던스 스코어를 기초로 상기 피진단자의 건강 상태를 진단하는 단계를 포함하는,설문 기반 진단 방법
|
7 |
7
제1항에 있어서,상기 진단을 수행하는 단계는,상기 복수의 설문 문항에 대한 환자 클래스의 응답 정보를 이용하여 트레이닝된 오토인코더 기반 딥러닝 모델을 획득하는 단계 - 상기 환자 클래스는 제1 질병 클래스와 제2 질병 클래스의 환자로 구성되고, 상기 제1 질병 클래스는 상기 제2 질병 클래스와 다른 질병의 클래스이며, 상기 딥러닝 모델은 인코더, 디코더 및 상기 제1 질병 클래스와 상기 제2 질병 클래스를 분류하는 분류기를 포함하고, 상기 인코더 및 디코더는 복원 손실(reconstruction loss) 값을 기초로 트레이닝된 것이며, 상기 인코더는 상기 디코더가 프리징(freezing)된 상태에서 잠재 벡터(latent vector)에 대한 상기 분류기의 분류 손실(classification loss) 값을 기초로 더 트레이닝된 것임- ;상기 인코더를 통해 상기 획득된 응답 정보에 대한 잠재 벡터를 추출하는 단계;상기 분류기를 통해 상기 추출된 잠재 벡터에 대한 클래스별 컨피던스 스코어를 획득하는 단계; 및상기 획득된 컨피던스 스코어를 기초로 상기 피진단자의 질병 종류를 진단하는 단계를 포함하는,설문 기반 진단 방법
|
8 |
8
제1항에 있어서,상기 획득된 응답 정보는 특정 설문 문항에 대한 결측치를 포함하고,상기 진단을 수행하는 단계는,상기 복수의 설문 문항에 대한 응답 정보를 이용하여 트레이닝된 오토인코더 기반의 딥러닝 모델을 획득하는 단계;상기 결측치에 특정 값을 할당하는 단계;상기 획득된 딥러닝 모델을 이용하여 상기 특정 값이 할당된 응답 정보에 대한 복원 손실(reconstruction loss) 값을 산출하는 단계;상기 산출된 복원 손실 값이 기준치 이하라는 판단에 응답하여, 상기 특정 값으로 상기 결측치를 보정하는 단계; 및상기 결측치가 보정된 응답 정보를 기초로 상기 피진단자에 대한 보정을 수행하는 단계를 포함하는,설문 기반 진단 방법
|
9 |
9
제8항에 있어서,상기 딥러닝 모델을 획득하는 단계는,상기 복수의 설문 문항에 대한 제1 클래스의 응답 정보를 이용하여 트레이닝된 제1 딥러닝 모델과 제2 클래스의 응답 정보를 이용하여 트레이닝된 제2 딥러닝 모델을 획득하는 단계 - 상기 제1 클래스는 상기 제2 클래스와 다른 인구통계학적 특성을 갖는 설문 응답자의 클래스임 - ; 및상기 제1 딥러닝 모델과 상기 제2 딥러닝 모델 중에서 상기 피진단자의 인구통계학적 특성에 매칭되는 딥러닝 모델을 결정하는 단계를 포함하는,설문 기반 진단 방법
|
10 |
10
하나 이상의 프로세서; 및하나 이상의 인스트럭션을 저장하는 메모리를 포함하고,상기 하나 이상의 프로세서는,상기 저장된 하나 이상의 인스트럭션을 실행함으로써,복수의 설문 문항에 대한 피진단자의 응답 정보를 획득하는 동작 - 상기 복수의 설문 문항은 기혈 생성 기능을 진단하기 위한 제1 설문 문항, 기혈 순환 기능을 진단하기 위한 제2 설문 문항 및 기혈의 균형 조절 기능을 진단하기 위한 제3 설문 문항을 포함함 - 및상기 획득된 응답 정보를 기초로 상기 피진단자에 대한 진단을 수행하는 동작을 수행하는,설문 기반 진단 시스템
|
11 |
11
컴퓨팅 장치와 결합되어,복수의 설문 문항에 대한 피진단자의 응답 정보를 획득하는 단계 - 상기 복수의 설문 문항은 기혈 생성 기능을 진단하기 위한 제1 설문 문항, 기혈 순환 기능을 진단하기 위한 제2 설문 문항 및 기혈의 균형 조절 기능을 진단하기 위한 제3 설문 문항을 포함함 -; 및상기 획득된 응답 정보를 기초로 상기 피진단자에 대한 진단을 수행하는 단계를 실행시키기 위하여 컴퓨터 판독가능한 기록매체에 저장된,컴퓨터 프로그램
|