1 |
1
ECG(Electrocardiogram)신호를 입력받는 입력부;상기 ECG신호를 상기 입력부 측으로부터 전달받으며, 상기 ECG신호에 포함될 수 있는 비정상 데이터인 심방조기수축 데이터 또는 심방세동 데이터에 대하여 가중치를 부여하는 리샘플(resample)부; 상기 ECG신호를 상기 입력부 또는 상기 리샘플부로부터 전달받으며, 상기 ECG신호에서 상기 심방조기수축 데이터를 감지하여 심방세동의 발생을 예측하는 딥러닝 모델이 적용된 예측판단부; 및 상기 예측판단부에서 예측된 결과를 상기 예측판단부로부터 전달받아서 사용자가 인식할 수 있도록 출력하는 출력부; 를 포함하는 것을 특징으로 하는 심방세동 예측시스템
|
2 |
2
제 1항에 있어서, 상기 입력부로부터 상기 ECG신호를 전달받으며, 상기 ECG신호가 에피소드(episode) 형태인 경우 상기 ECG신호를 2차원신호로 변환하여 스펙트로그램을 얻는 신호변환부;를 더 포함하는 것을 특징으로 하는 심방세동 예측시스템
|
3 |
3
제 2항에 있어서, 상기 신호변환부는, 국소 퓨리에 변환(short-term Fourier Transform)을 이용하여 1차원의 상기 ECG신호를 2차원 신호로 변환시키는 것을 특징으로 하는 심방세동 예측시스템
|
4 |
4
제 3항에 있어서,상기 ECG신호가 비트(Beat) 형태인 경우 상기 ECG신호가 상기 입력부로부터 상기 신호변환부를 거치지 않고 상기 리샘플부를 경유하여 상기 예측판단부로 전달되는 것을 특징으로 하는 심방세동 예측 시스템
|
5 |
5
제 4항에 있어서, 상기 신호변환부에서 변환된 상기 ECG신호는 상기 리샘플부로 전달되는 것을 특징으로 하는 심방세동 예측시스템
|
6 |
6
제 5항에 있어서, 상기 리샘플부가 상기 비정상 데이터에 대하여 가중치를 부여하는 것은,상기 ECG신호의 전체 데이터에서 각 클래스가 갖는 데이터의 수의 비율을 역수로 취한 것을 가중치로서 부여하는 것을 특징으로 하는 심방세동 예측시스템
|
7 |
7
제 6항에 있어서,상기 딥러닝 모델이 적용된 상기 예측판단부는, 직교성 정규화 방법을 통해 학습이 이루어지는 것을 특징으로 하는 심방세동 예측시스템
|
8 |
8
제 7항에 있어서,상기 딥러닝 모델이 적용된 상기 예측판단부는, 민감도 정규화 방법을 통해 학습이 이루어지는 것을 특징으로 하는 심방세동 예측시스템
|
9 |
9
심방세동 예측시스템이 ECG신호를 입력받는 입력단계;상기 입력단계에서 입력된 상기 ECG신호에 포함될 수 있는 비정상 데이터인 심방조기수축 데이터 또는 심방세동 데이터에 대하여 가중치를 부여하는 리샘플단계;상기 리샘플단계에서 가중치가 부여된 상기 비정상 데이터를 포함하는 상기 ECG신호에서 상기 심방조기수축 데이터를 감지하여 심방세동의 발생을 예측하는 예측판단단계; 및상기 예측판단단계에서 예측된 결과를 사용자가 인식할 수 있도록 출력하는 출력단계;를 포함하는 것을 특징으로 하는 심방세동 예측방법
|
10 |
10
제 9항에 있어서, 상기 입력단계 및 상기 리샘플단계 사이에 이루어질 수 있는 단계로서,상기 입력단계에서 입력된 상기 ECG신호가 에피소드(episode) 형태인 경우 상기 ECG 신호를 2차원 신호로 변환하여 스펙트로그램을 얻는 신호변환단계;를 더 포함하는 것을 특징으로 하는 심방세동 예측방법
|
11 |
11
제 10항에 있어서, 상기 신호변환단계에서, 국소 퓨리에 변환(short-term Fourier Transform)을 이용하여 1차원의 상기 ECG신호를 2차원 신호로 변환시키는 것을 특징으로 하는 심방세동 예측방법
|
12 |
12
제 11항에 있어서, 상기 리샘플단계에서 상기 비정상 데이터에 대하여 가중치를 부여하는 것은,상기 ECG신호의 전체 데이터에서 각 클래스가 갖는 데이터의 수의 비율을 역수로 취한 것을 가중치로서 부여하는 것을 특징으로 하는 심방세동 예측방법
|