1 |
1
피검사자의 심박 신호를 수집하는 단계;상기 수집된 심박 신호에서 소정 개수의 특징값 후보를 추출하는 단계; 적합성 함수로서 최근접 이웃 알고리즘(k-NN)에 기반하여, 상기 후보 중 4개의 특징값의 조합을 선택하는 단계; 및상기 선택된 4개의 특징값의 조합을 서포트 벡터 머신(SVM) 분류기에 입력하여, 상기 심박 신호에서 쇼크가능한 리듬과 쇼크 불가능한 리듬을 판별하는 단계를 포함하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
2 |
2
제1항에 있어서, 상기 특징값 후보를 추출하는 단계는,5-s 세그먼트 길이의 심전도 신호 구간들에 대해 11개의 특징값 후보를 추출하는 단계인,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
3 |
3
제1항에 있어서, 상기 4개의 특징값의 조합을 선택하는 단계는,상기 적합성 함수로서 3개의 최근접 이웃 알고리즘(3-nearest neighbor algorithm)을 이용한 이진 유전 알고리즘(Binary Genetic Algorithm; BGA)에 기반하여 개별 특징값들에 순위를 매기는 단계를 포함하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
4 |
4
제3항에 있어서, 상기 4개의 특징값의 조합을 선택하는 단계는,특징값들의 순위에 따라서 상위 5개의 특징값과 추가적인 2개의 특징값을 양호한 특징값으로 선정하는 단계를 더 포함하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
5 |
5
제4항에 있어서, 상기 4개의 특징값의 조합을 선택하는 단계는,상기 선정된 양호한 특징값들의 조합들 중 일부를 선택하여, 선택된 조합들을 이용하는 SVM 분류기의 성능 측정자를 연산하는 단계를 더 포함하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
6 |
6
제5항에 있어서, 상기 4개의 특징값의 조합을 선택하는 단계는,상기 연산된 성능 측정자의 수치에 따라서, 상기 성능 측정자 수치가 가장 높은 4개의 특징값의 조합을 선택하는 단계를 포함하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
7 |
7
제1항에 있어서, 상기 4개의 특징값은 카운트2, 엘케이(Lk)값, 임계치 크로싱 인터벌(TCI) 및 중심 주파수(CF)인 것을 특징으로 하는, SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
8 |
8
제4항에 있어서, 상기 상위 5개의 특징값은 2
|
9 |
9
제5항에 있어서, 상기 성능측정자는, 정확도 파라미터(Ac), 민감도(Se), 특이도(Sp), AUC, 및 PPV를 포함하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
10 |
10
제5항에 있어서, 상기 연산하는 단계는 상기 성능측정자의 평균 및 표준 편차를 연산하는 단계인,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
11 |
11
제9항에 있어서, 상기 성능 측정자 중에서 Ac, Sp, PPV에 가중치를 두는 것을 특징으로 하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|
12 |
12
제5항에 있어서,상기 선택된 조합들의 개수는 총 6개인 것을 특징으로 하는,SVM을 이용하여 쇼크 가능한 리듬과 쇼크불가능한 리듬을 분류하는 방법
|