| 1 |
1
수면무호흡증의 중증도를 예측하는 예측 장치가:피진단자의 안면 및 두경부에 대한 CT 영상 데이터를 입력받는 단계;상기 피진단자의 생체정보에 대한 텍스트 데이터를 입력받는 단계;상기 CT 영상 데이터에 대해 전처리를 수행하는 단계;제1 딥러닝 알고리즘을 이용한 생체 특성 추출 모델에 입력변수로 상기 텍스트 데이터를 입력하는 단계;상기 생체 특성 추출 모델의 출력변수를 가중치 벡터로 변환하는 단계; 및복수의 컨볼루션 연산을 수행하는 제2 딥러닝 알고리즘을 이용한 이미지 특성 추출 모델에, 전처리된 상기 CT 영상 데이터를 입력변수로 입력하여 상기 피진단자의 수면무호흡증의 중증도를 출력변수로 예측하는 단계를 포함하되,상기 컨볼루션 연산을 수행하는 연산 필터에 상기 가중치 벡터를 결합하여 상기 컨볼루션 연산을 수행하는 것을 특징으로 하는 수면무호흡증의 중증도를 예측하는 방법
|
| 2 |
2
제1항에 있어서,상기 전처리를 수행하는 단계는,상기 CT 영상 데이터를 구성하는 복수의 슬라이스에서 두개골을 포함하는 경계 상자를 정의하는 단계;상기 복수의 슬라이스에서 경계 상자 외 영역을 절개하는 단계;절개된 상기 복수의 슬라이스를 3D 영상으로 변환하는 단계;상기 3D 영상에서 소정의 임계값을 기준으로 기도 영역을 추출하는 단계; 및추출된 상기 기도 영역을 시각화하는 단계를 포함하는 수면무호흡증의 중증도를 예측하는 방법
|
| 3 |
3
제1항에 있어서,상기 생체정보는 상기 피진단자의 나이, 성별, BMI, 목 사이즈, 힙 사이즈, 허리 사이즈, 키, 몸무게 등으로 이루어진 그룹에서 선택된 적어도 하나를 포함하는 수면무호흡증의 중증도를 예측하는 방법
|
| 4 |
4
제1항에 있어서, 상기 예측 장치는 상기 수면무호흡증의 중증도로서, 정상, 경도 수면무호흡증, 중등도 수면무호흡증 및 중도 수면무호흡증으로 이루어진 그룹에서 어느 하나를 출력하는 것을 특징으로 하는 수면무호흡증의 중증도를 예측하는 방법
|
| 5 |
5
제1항에 있어서, 상기 제1 딥러닝 알고리즘은 DNN(deep neutral network)이고, 상기 제2 딥러닝 알고리즘은 CNN(convolutional neural network)인 것을 특징으로 하는 수면무호흡증의 중증도를 예측하는 방법
|
