| 1 |
1
피험자의 임상 정보를 입력받는 데이터 입력부; 및기계학습 기반의 녹내장 진단 모델을 이용하여 상기 임상 정보로부터 상기 피험자에 대해 녹내장 여부를 진단하고, 진단 결과의 이유를 설명하기 위한 그래픽 차트를 생성하는 진단부; 를 포함하고,상기 임상 정보는 망막신경섬유층 상측 두께, 망막신경섬유층 하측 두께, 망막신경섬유층 이측 두께, 안압 및 시야검사를 통해 획득되는 패턴표준편차를 포함하는,녹내장 진단 장치
|
| 2 |
2
제1항에 있어서,상기 진단부는,상기 녹내장 진단 모델의 생성에 이용된 임상 정보의 분포 내에서 상기 피험자의 임상 정보의 값의 위치를 표현하거나 상기 진단 과정에서의 각 임상 정보의 역할을 표현하는 그래픽 차트를 생성하는,녹내장 진단 장치
|
| 3 |
3
제2항에 있어서,상기 그래픽 차트는 게이지형 차트, 방사형 차트 및 SHAP(Shapley Additive Explanations) 차트를 포함하는,녹내장 진단 장치
|
| 4 |
4
제1항에 있어서,상기 녹내장 진단 모델은 XGboost을 이용하여 생성되는,녹내장 진단 장치
|
| 5 |
5
제1항에 있어서,상기 피험자에 대한 최종 진단 결과를 피드백으로 입력받는 피드백 입력부; 및상기 피드백으로 입력받은 최종 진단 결과와 상기 진단부의 진단 결과가 상이한 경우, 상기 최종 진단 결과와 상기 임상 정보를 기반으로 상기 녹내장 진단 모델을 갱신하는 모델 갱신부; 를 더 포함하는,녹내장 진단 장치
|
| 6 |
6
피험자의 임상 정보를 입력받는 단계;기계학습 기반의 녹내장 진단 모델을 이용하여 상기 임상 정보로부터 상기 피험자에 대해 녹내장 여부를 진단하는 단계; 및진단 결과의 이유를 설명하기 위한 그래픽 차트를 생성하는 단계; 를 포함하고,상기 임상 정보는 망막신경섬유층 상측 두께, 망막신경섬유층 하측 두께, 망막신경섬유층 이측 두께, 안압 및 시야검사를 통해 획득되는 패턴표준편차를 포함하는,녹내장 진단 방법
|
| 7 |
7
제6항에 있어서,상기 그래픽 차트를 생성하는 단계는,상기 녹내장 진단 모델의 생성에 이용된 임상 정보의 분포 내에서 상기 피험자의 임상 정보의 값의 위치를 표현하거나 상기 진단 과정에서의 각 임상 정보의 역할을 표현하는 그래픽 차트를 생성하는,녹내장 진단 방법
|
| 8 |
8
제7항에 있어서,상기 그래픽 차트는 게이지형 차트, 방사형 차트 및 SHAP(Shapley Additive Explanations) 차트를 포함하는,녹내장 진단 방법
|
| 9 |
9
제6항에 있어서,상기 녹내장 진단 모델은 XGboost을 이용하여 생성되는,녹내장 진단 방법
|
| 10 |
10
제6항에 있어서,상기 피험자에 대한 최종 진단 결과를 피드백으로 입력받는 단계; 및상기 피드백으로 입력받은 최종 진단 결과와 상기 녹내장 진단 모델을 이용하여 진단한 결과가 상이한 경우, 상기 최종 진단 결과와 상기 임상 정보를 기반으로 상기 녹내장 진단 모델을 갱신하는 단계; 를 더 포함하는,녹내장 진단 방법
|
| 11 |
11
다수 환자들에 대한 임상 정보와 그에 대응하는 녹내장 진단 결과를 학습 데이터로 수집하고, 상기 수집된 학습 데이터를 기반으로 기계학습 모델을 학습시켜 녹내장 진단 모델을 생성하는 녹내장 진단 모델 생성 장치; 및피험자의 임상 정보를 입력받고, 상기 녹내장 진단 모델을 이용하여 상기 피험자의 임상 정보로부터 상기 피험자에 대해 녹내장 여부를 진단하고, 진단 결과의 이유를 설명하기 위한 그래픽 차트를 생성하는 녹내장 진단 장치; 를 포함하고,상기 임상 정보는 망막신경섬유층 상측 두께, 망막신경섬유층 하측 두께, 망막신경섬유층 이측 두께, 안압 및 시야검사를 통해 획득되는 패턴표준편차를 포함하는,녹내장 진단 시스템
|
