| 1 |
1
각 단계가 스마트폰 또는 컴퓨터 시스템의 실행에 의해 수행되는 것으로서,a) 스마트폰을 이용하여 사용자로부터 기침음, 호흡음, 성음의 음향 데이터를 수집하는 단계와;b) 상기 수집된 음향 데이터를 1차로 이벤트 구간과 무음 구간으로 라벨링하고, 상기 1차로 라벨링된 이벤트 구간에 대하여 2차로 복수의 단계의 비정상 호흡음 정도를 라벨링하는 단계와;c) 상기 1차로 라벨링된 이벤트 구간과 무음 구간을 이용하여 음향데이터 이벤트 구간 분류 모델을 생성하는 단계와;d) 상기 음향데이터 이벤트 구간 분류 모델이 입력된 음향데이터로부터 이벤트 구간과 무음 구간을 분류하는 단계와;e) 상기 분류된 이벤트 구간의 후미에 무음 데이터(무음 구간)를 붙여서 하나의 음향데이터로 만들고, 붙여진 음향데이터에 대해 구간 샘플링하는 단계와;f) 상기 기침음, 호흡음, 성음의 음향 데이터로부터 샘플링 데이터를 추출하고, 추출된 샘플링 데이터를 이용한 기계학습을 통해 비정상 호흡음의 정도를 나타내는 단계 값을 출력하는 비정상 호흡음 분류 모델을 생성하는 단계; 및g) 사용자(환자)로부터 수집된 모든 기침음, 호흡음, 성음의 음향 데이터를 상기 비정상 호흡음 분류 모델로 중첩구간 점수를 산출하고, 산출된 중첩구간 점수에 대응하여 호흡기 질환 건강지수 신호등 형태로 결과를 표시하는 단계를 포함하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 2 |
2
제1항에 있어서,상기 단계 a)에서 상기 기침음의 음향 데이터는 스마트폰의 녹음 기능을 이용하여 사용자(환자)의 기침소리를 다수회 반복적으로 녹음함으로써 수집하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 3 |
3
제1항에 있어서,상기 단계 a)에서 상기 호흡음의 음향 데이터는 스마트폰의 녹음 기능을 이용하여 사용자(환자)의 들숨 및 날숨을 다수회 반복적으로 녹음함으로써 수집하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 4 |
4
제1항에 있어서,상기 단계 a)에서 상기 성음의 음향 데이터는 스마트폰의 녹음 기능을 이용하여 사용자가 음의 높낮이가 있는 음을 익숙한 멜로디에 따라 부르면서 나오는 소리를 녹음함으로써 획득하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 5 |
5
제1항에 있어서,상기 단계 b)에서 2차로 0∼K의 단계의 비정상 호흡음 정도를 라벨링하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 6 |
6
제1항에 있어서,상기 단계 d)에서 상기 음향데이터 이벤트 구간 분류 모델이 입력된 음향데이터로부터 이벤트 구간과 무음 구간을 분류함에 있어서, 이벤트 구간의 시작과 종료의 시간 값을 각각 출력하여 이벤트 구간과 무음 구간을 분류하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 7 |
7
제1항에 있어서,상기 단계 e)에서 상기 분류된 이벤트 구간의 후미에 샘플링 윈도우의 시간길이 M의 길이만큼의 무음 데이터(무음 구간)를 붙여서 하나의 음향데이터로 만드는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 8 |
8
제1항에 있어서,상기 단계 e)에서 상기 붙여진 음향데이터에 대해 중첩 윈도우를 이용하여 구간 샘플링하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 9 |
9
제1항에 있어서,상기 단계 e)에서 상기 샘플링 윈도우의 크기는 일정 크기의 밀리초(millisecond) 단위로 설정되는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 10 |
10
제9항에 있어서,상기 샘플링 윈도우의 중첩은 윈도우의 크기의 절반 크기(M/2)가 중첩되도록 설정되는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 11 |
11
제9항에 있어서,상기 샘플링 윈도우는 음향 데이터 시작 시점에서 중첩되는 크기로 이동시켜 샘플링하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 12 |
12
제1항에 있어서,상기 단계 e)에서 상기 이벤트 구간의 후미에 붙는 무음 데이터(무음 구간)는 비정상 호흡 정도를 0(zero)으로 라벨링하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 13 |
13
제1항에 있어서,상기 단계 e)에서 샘플링 데이터는 해당 샘플링 데이터가 포함되는 이벤트 구간의 라벨을 이용하여 라벨링하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 14 |
14
제1항에 있어서,상기 단계 e)에서 2개의 무음 구간과 이벤트 구간에 겹치는 샘플링 데이터의 경우, 샘플링 데이터가 각 무음 구간과 이벤트 구간에 겹치는 구간 영역 중 가장 큰 영역을 해당 샘플링 데이터의 라벨로 지정하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 15 |
15
제1항에 있어서,상기 단계 f)에서 상기 추출된 샘플링 데이터를 이용한 기계학습을 통해 비정상 호흡음의 정도를 나타내는 단계 값인 0∼K를 출력하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 16 |
16
제1항에 있어서,상기 단계 g)에서 상기 기침음, 호흡음, 성음의 음향 데이터를 상기 비정상 호흡음 분류 모델로 중첩구간 점수를 산출함에 있어서, 상기 기침음, 호흡음, 성음 각각을 중첩 윈도우로 샘플링하고, 각 샘플링 데이터를 각각의 기침음 모델, 호흡음 모델, 성음 모델로부터 비정상 호흡음의 정도 단계 값을 획득하여, 상기 중첩 윈도우에 대해서 중첩된 영역의 합산값을 2로 나눔으로써 중첩구간 점수를 산출하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 17 |
17
제16항에 있어서,상기 중첩구간 점수를 모두 더하고, 이 더해진 값을 중첩 구간의 수로 나누어 평균값을 구한 후, 이 평균값을 다시 비정상 호흡음 정도 단계의 최고 점수로 나누어 0∼1의 값으로 정규화하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
| 18 |
18
제1항에 있어서,상기 단계 g)에서 상기 기침음, 호흡음, 성음의 음향 데이터를 상기 비정상 호흡음 분류 모델로 중첩구간 점수를 산출한 후, 산출된 값을 0
|
| 19 |
19
제18항에 있어서,상기 정상, 주의, 경계를 3가지의 색상으로 표현하는 호흡기 질환 건강지수 신호등 형태로 사용자의 기침음, 호흡음, 성음에 대한 결과를 표시하는 스마트폰으로 수집한 기침음, 호흡음, 성음 측정 데이터를 이용한 호흡기 질환 예측 방법
|
