| 1 |
1
복수의 학습대상환자에 대한 심전도데이터 및 메타데이터를 수신하는 단계;상기 복수의 학습대상환자 각각에 대하여, 상기 심전도데이터를 이용하여 합성곱 신경망 모델에 포함된 잔차블록(Resnet Block) 기반의 합성곱층을 학습시키는 단계;상기 복수의 학습대상환자 각각에 대하여, 상기 합성곱층의 출력인 출력심전도데이터와 상기 메타데이터를 이용하여 상기 합성곱 신경망 모델에 포함된 완전 연결 계층(Fully Connected Neural Network)을 학습시키는 단계; 및상기 학습된 합성곱 신경망 모델, 예측대상환자의 심전도데이터 및 메타데이터를 이용하여 상기 예측대상환자의 심실성 부정맥을 예측하는 단계를 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 방법
|
| 2 |
2
제1항에 있어서, 상기 심전도데이터 및 메타데이터를 수신하는 단계와 상기 합성곱층을 학습시키는 단계의 사이에,상기 심전도데이터를 구성하는 복수의 벡터를 1차원의 벡터 데이터로 재구성하는 단계를 더 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 방법
|
| 3 |
3
제2항에 있어서, 상기 1차원의 벡터 데이터로 재구성하는 단계는상기 복수의 벡터 각각에 대하여 소정의 시간동안 측정한 심전도 측정 결과를 벡터 단위로 재구성하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 방법
|
| 4 |
4
제1항에 있어서, 상기 합성곱층은직렬로 연결된 복수의 잔차블록을 포함하고, 상기 복수의 잔차블록 각각은2번의 단위 합성곱연산을 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 방법
|
| 5 |
5
제4항에 있어서, 상기 단위 합성곱연산은정규화, 활성화, 드롭아웃 및 합성곱을 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 방법
|
| 6 |
6
제4항에 있어서, 상기 복수의 잔차블록 각각은상기 2번의 합성곱연산과 병렬적으로 수행되는 풀링연산을 더 포함하며, 상기 2번의 합성곱연산의 결과와 상기 풀링연산의 결과를 합하여 출력하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 방법
|
| 7 |
7
제1항에 있어서,상기 메타데이터는환자의 성별, 나이 및 질병이력 중 적어도 하나에 관한 정보를 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 방법
|
| 8 |
8
복수의 학습대상환자에 대한 심전도데이터 및 메타데이터를 수신하는 수신부;상기 복수의 학습대상환자 각각에 대하여, 상기 심전도데이터를 이용하여 합성곱 신경망 모델에 포함된 잔차블록 기반의 합성곱층을 학습시키고, 상기 합성곱층의 출력인 출력심전도데이터와 상기 메타데이터를 이용하여 상기 합성곱 신경망 모델에 포함된 완전 연결 계층을 학습시키는 학습부; 및상기 학습된 합성곱 신경망 모델, 예측대상환자의 심전도데이터 및 메타데이터를 이용하여 상기 예측대상환자의 심실성 부정맥을 예측하는 예측부를 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 장치
|
| 9 |
9
제8항에 있어서, 상기 심전도데이터를 구성하는 복수의 벡터를 1차원의 벡터 데이터로 재구성하는 전처리부를 더 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 장치
|
| 10 |
10
제9항에 있어서, 상기 전처리부는상기 복수의 벡터 각각에 대하여 소정의 시간동안 측정한 심전도 측정 결과를 벡터 단위로 재구성하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 장치
|
| 11 |
11
제8항에 있어서, 상기 합성곱층은직렬로 연결된 복수의 잔차블록을 포함하고, 상기 복수의 잔차블록 각각은2번의 단위 합성곱연산을 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 장치
|
| 12 |
12
제11항에 있어서, 상기 단위 합성곱연산은정규화, 활성화, 드롭아웃 및 합성곱을 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 장치
|
| 13 |
13
제11항에 있어서, 상기 복수의 잔차블록 각각은상기 2번의 합성곱연산과 병렬적으로 수행되는 풀링연산을 더 포함하며, 상기 2번의 합성곱연산의 결과와 상기 풀링연산의 결과를 합하여 출력하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 장치
|
| 14 |
14
제8항에 있어서,상기 메타데이터는환자의 성별, 나이 및 질병이력 중 적어도 하나에 관한 정보를 포함하는 것을 특징으로 하는 합성곱 신경망을 이용한 심실성 부정맥 예측 장치
|
