| 1 |
1
섬망 판별 장치에 있어서,섬망 판별의 대상이 되는 입력 생체신호 데이터를 획득하는 입력부;섬망 판별 모델을 이용하여 상기 입력 생체신호 데이터에 상응하는 섬망 정보를 판별하는 프로세서; 및상기 판별된 섬망 정보를 출력하는 출력부를 포함하고,상기 섬망 판별 모델은기계 학습을 기반으로, 복수의 환자들로부터 수집된 생체신호와 상기 각 생체신호에 상응하는 섬망 상태 정보로 구성된 학습용 생체신호 데이터 중에서 학습에 적합한 데이터를 이용하여 학습된 뉴럴 네트워크(neural network)인, 섬망 판별 장치
|
| 2 |
2
청구항 1에 있어서,상기 판별된 섬망 정보는상기 입력 생체신호 데이터에 상응하는 대상 환자가 섬망을 경험한 적이 있는지 여부, 상기 대상 환자가 섬망을 경험할 가능성이 높은지 여부의 분류, 상기 대상 환자가 상기 입력 생체신호 데이터의 수집 시점에 섬망 상태인지 여부 또는 상기 대상 환자가 섬망 상태에 빠지기 직전인지 여부의 분류 중에서 적어도 하나 이상을 포함하는, 섬망 판별 장치
|
| 3 |
3
청구항 1에 있어서,상기 섬망 판별 모델은지도 학습(supervised learning)을 통해, 상기 학습용 생체신호 데이터에 포함된 생체신호에서 추출된 특징점(feature)을 입력 데이터로 이용하고, 상기 학습용 생체신호 데이터에 포함된 섬망 상태 정보를 라벨로 이용하여 학습된 뉴럴 네트워크인, 섬망 판별 장치
|
| 4 |
4
청구항 3에 있어서,상기 학습용 생체신호 데이터와 상기 입력 생체신호 데이터는생체신호로서 심전도 신호 또는 광전용전맥파 중에서 적어도 하나 이상을 포함하고,상기 특징점은상기 생체신호의 피크 사이의 간격을 이용하여 산출된 하나 이상의 심박 변이도(HRV: Heart Rate Variablity) 지표를 포함하는, 섬망 판별 장치
|
| 5 |
5
청구항 1에 있어서,상기 섬망 판별 모델은분류 방법에 따라 다르게 학습되고, 상기 분류 방법에 상응하는 섬망 정보를 판별하는, 섬망 판별 장치
|
| 6 |
6
청구항 5에 있어서,상기 섬망 판별 모델은제1 분류 방법에 따르는 경우, 상기 학습용 생체신호 데이터에 대하여 섬망 상태와 비섬망 상태로 구분하여 학습되고, 상기 입력 생체신호 데이터의 수집 시점에 대상 환자가 섬망 상태인지 여부 또는 섬망 상태에 빠지기 직전인지 여부를 분류하는 모델이며;제2 분류 방법에 따르는 경우, 상기 학습용 생체신호 데이터에 대하여 섬망을 경험한 적이 있는 환자와 섬망을 경험한 적이 없는 환자로 구분하여 학습되고, 상기 입력 생체신호 데이터의 수집 시점에 상기 대상 환자가 섬망을 경험한 적이 있는지 여부 또는 섬망을 경험할 가능성이 높은지 여부를 분류하는 모델이며;제3 분류 방법에 따르는 경우, 상기 학습용 생체신호 데이터에 대하여 섬망을 경험한 적이 있는 환자의 섬망 상태와 섬망을 경험한 적이 없는 환자의 비섬망 상태로 구분하여 학습되고, 상기 입력 생체신호 데이터의 수집 시점에 상기 대상 환자가 섬망 상태인지 여부 또는 섬망 상태에 빠지기 직전인지 여부를 분류하는 모델인, 섬망 판별 장치
|
| 7 |
7
청구항 6에 있어서,상기 프로세서는상기 제1 분류 방법에 따른 제1 섬망 판별 모델, 상기 제2 분류 방법에 따른 제2 섬망 판별 모델 또는 상기 제3 분류 방법에 따른 제3 섬망 판별 모델 중에서 적어도 하나 이상으로 구성된 섬망 판별 모델 세트를 이용하고, 상기 섬망 판별 모델 세트에 포함된 섬망 판별 모델들 각각을 이용하여 상기 입력 생체신호 데이터에 상응하는 섬망 정보를 판별하는, 섬망 판별 장치
|
| 8 |
8
청구항 1에 있어서,상기 섬망 판별 모델은상기 기계 학습 알고리즘으로써 RBF 커널-서포트 벡터 머신(SVM-RBF: Support Vector Machine with RBF kernel)을 이용하여 학습되는 뉴럴 네트워크인, 섬망 판별 장치
|
| 9 |
9
청구항 1에 있어서,상기 입력부는상기 판별된 섬망 정보에 상응하는 평가 정보를 획득하고,상기 프로세서는상기 섬망 판별 모델을 업데이트하는데 이용할 수 있도록 상기 입력 생체신호 데이터와 상기 평가 정보를 새로운 학습용 생체신호 데이터로 구성하는, 섬망 판별 장치
|
| 10 |
10
청구항 1에 있어서,상기 학습에 적합한 데이터는상기 학습용 생체신호 데이터 중에서, 생체신호의 품질이 나쁜 데이터, 강한 진정제를 투약한 환자로부터 수집된 데이터 또는 생체신호의 수집 기간이 기설정된 기간보다 짧은 환자로부터 수집된 데이터 중에서 적어도 하나 이상이 학습에 부적합한 데이터로 판단되어 필터링되고 잔존한 데이터인, 섬망 판별 장치
|
| 11 |
11
복수의 환자들로부터 수집된 생체신호와 상기 각 생체신호에 상응하는 섬망 상태 정보로 구성된 학습용 생체신호 데이터를 획득하는 단계;기계 학습을 기반으로, 상기 학습용 생체신호 데이터 중에서 학습에 적합한 데이터를 이용하여 섬망 판별 모델을 학습하는 단계;섬망 판별의 대상이 되는 입력 생체신호 데이터를 획득하는 단계;상기 섬망 판별 모델을 이용하여 상기 입력 생체신호 데이터에 상응하는 섬망 정보를 판별하는 단계; 및상기 판별된 섬망 정보를 출력하는 단계를 포함하는, 섬망 판별 방법
|
| 12 |
12
섬망 판별 방법을 수행하기 위한 프로그램이 기록된 기록 매체에 있어서,상기 섬망 판별 방법은복수의 환자들로부터 수집된 생체신호와 상기 각 생체신호에 상응하는 섬망 상태 정보로 구성된 학습용 생체신호 데이터를 획득하는 단계;기계 학습을 기반으로, 상기 학습용 생체신호 데이터 중에서 학습에 적합한 데이터를 이용하여 섬망 판별 모델을 학습하는 단계;섬망 판별의 대상이 되는 입력 생체신호 데이터를 획득하는 단계;상기 섬망 판별 모델을 이용하여 상기 입력 생체신호 데이터에 상응하는 섬망 정보를 판별하는 단계; 및상기 판별된 섬망 정보를 출력하는 단계를 포함하는, 기록 매체
|
