1 |
1
프로세서에 의해 수행되는, 심전도 진단 장치의 뉴럴 네트워크(Neural Network)를 트레이닝시키는 방법에 있어서,트레이닝 심전도(electrocardiogram, ECG) 데이터로부터 상기 뉴럴 네트워크의 어텐션 브랜치에 기초하여 미리 지정되는 개수의 클래스 별로 특징 맵(feature map)을 생성하는 단계;상기 특징 맵으로부터 어텐션 맵(attention map) 및 기준 응답 맵(reference response map)을 생성하는 단계;상기 어텐션 맵 및 상기 기준 응답 맵에 기초하여 손실 값을 산출하는 단계; 및상기 산출된 손실 값에 기초하여 상기 뉴럴 네트워크의 파라미터를 업데이트하는 단계를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
2 |
2
제1항에 있어서,상기 어텐션 맵 및 기준 응답 맵을 생성하는 단계는,상기 어텐션 브랜치에 의해 생성된 복수의 특징 맵들 중 모든 클래스에 대응하는 특징 맵으로부터 상기 어텐션 맵을 생성하는 단계; 및상기 복수의 특징 맵들 중 참값 클래스(Ground Truth class)에 대응하는 특징 맵으로부터 상기 기준 응답 맵을 생성하는 단계를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
3 |
3
제2항에 있어서,상기 기준 응답 맵을 생성하는 단계는,상기 복수의 특징 맵들 중 상기 참값 클래스에 대응하는 특징 맵의 평균을 상기 기준 응답 맵으로 생성하는 단계를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
4 |
4
제1항에 있어서,상기 손실 값을 산출하는 단계는,상기 어텐션 맵 및 상기 기준 응답 맵 간의 차이를 산출하는 단계;를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
5 |
5
제4항에 있어서,상기 차이를 산출하는 단계는,상기 어텐션 맵 및 상기 기준 응답 맵 간의 유클리드 노름(Euclidean norm)을 산출하는 단계;를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
6 |
6
제5항에 있어서,상기 산출된 유클리드 노름에 가중치를 적용하는 단계를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
7 |
7
제4항에 있어서,상기 손실 값을 산출하는 단계는,참값 레이블(Ground Truth label) 및 상기 어텐션 브랜치로부터 출력되는 클래스 스코어(class score) 사이의 제1 이진 교차 엔트로피(binary cross-entropy) 값을 산출하는 단계;참값 레이블 및 인지 브랜치(perception branch)로부터 출력되는 클래스 스코어 사이의 제2 이진 교차 엔트로피 값을 산출하는 단계; 및상기 산출된 상기 어텐션 맵 및 상기 기준 응답 맵 간의 차이, 제1 이진 교차 엔트로피 값, 및 제2 이진 교차 엔트로피 값을 합산하여 상기 손실 값을 산출하는 단계를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
8 |
8
제4항에 있어서,상기 손실 값을 산출하는 단계는,참값 레이블 및 상기 어텐션 브랜치로부터 출력되는 클래스 스코어 사이의 제1 이진 교차 엔트로피 값을 산출하는 단계;참값 레이블 및 인지 브랜치로부터 출력되는 클래스 스코어 사이의 제2 이진 교차 엔트로피 값을 산출하는 단계; 및상기 산출된 상기 어텐션 맵 및 상기 기준 응답 맵 간의 유클리드 노름에 가중치가 적용된 값, 제1 이진 교차 엔트로피 값, 및 제2 이진 교차 엔트로피 값을 합산하여 상기 손실 값을 산출하는 단계를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
9 |
9
제1항에 있어서,상기 트레이닝 심전도 데이터에 정규화(normalized) 및 제로 패딩(zero-padding)를 포함하는 전처리를 적용하여 상기 뉴럴 네트워크에 입력될 입력 데이터를 생성하는 단계를 더 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
10 |
10
제1항에 있어서,상기 특징 맵을 생성하는 단계는,트레이닝 심전도 데이터로부터 복수의 질병 분류 클래스들의 각각 별로 특징 맵을 추출하는 단계심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
11 |
11
하드웨어와 결합되어 제1항 내지 제10항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
12 |
12
심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 장치에 있어서,어텐션 브랜치를 포함하는 상기 뉴럴 네트워크를 저장한 메모리;트레이닝 심전도 데이터로부터 상기 뉴럴 네트워크의 어텐션 브랜치에 기초하여 미리 지정되는 개수의 클래스 별로 특징 맵을 생성하고, 상기 특징 맵으로부터 어텐션 맵 및 기준 응답 맵을 생성하며, 상기 어텐션 맵 및 상기 기준 응답 맵에 기초하여 손실 값을 산출하고, 상기 산출된 손실 값에 기초하여 상기 뉴럴 네트워크의 파라미터를 업데이트하는 프로세서를 포함하는 심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 장치
|
13 |
13
제12항에 있어서,상기 프로세서는,상기 어텐션 브랜치에 의해 생성된 복수의 특징 맵들 중 모든 클래스에 대응하는 특징 맵으로부터 상기 어텐션 맵을 생성하고, 상기 복수의 특징 맵들 중 참값 클래스(Ground Truth class)에 대응하는 특징 맵으로부터 상기 기준 응답 맵을 생성하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
14 |
14
제13항에 있어서,상기 프로세서는,상기 복수의 특징 맵들 중 상기 참값 클래스에 대응하는 특징 맵의 평균을 상기 기준 응답 맵으로 생성하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
15 |
15
제12항에 있어서,상기 프로세서는,상기 어텐션 맵 및 상기 기준 응답 맵 간의 차이를 산출하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
16 |
16
제15항에 있어서,상기 프로세서는,상기 어텐션 맵 및 상기 기준 응답 맵 간의 유클리드 노름(Euclidean norm)을 산출하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
17 |
17
제16항에 있어서,상기 프로세서는,상기 산출된 유클리드 노름에 가중치를 적용하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
18 |
18
제15항에 있어서,상기 프로세서는, 참값 레이블(Ground Truth label) 및 상기 어텐션 브랜치로부터 출력되는 클래스 스코어(class score) 사이의 제1 이진 교차 엔트로피(binary cross-entropy) 값을 산출하고, 참값 레이블 및 인지 브랜치(perception branch)로부터 출력되는 클래스 스코어 사이의 제2 이진 교차 엔트로피 값을 산출하며, 상기 산출된 상기 어텐션 맵 및 상기 기준 응답 맵 간의 차이, 제1 이진 교차 엔트로피 값, 및 제2 이진 교차 엔트로피 값을 합산하여 상기 손실 값을 산출하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
19 |
19
제15항에 있어서,상기 프로세서는, 참값 레이블 및 상기 어텐션 브랜치로부터 출력되는 클래스 스코어 사이의 제1 이진 교차 엔트로피 값을 산출하고, 참값 레이블 및 인지 브랜치로부터 출력되는 클래스 스코어 사이의 제2 이진 교차 엔트로피 값을 산출하며, 상기 산출된 상기 어텐션 맵 및 상기 기준 응답 맵 간의 유클리드 노름에 가중치가 적용된 값, 제1 이진 교차 엔트로피 값, 및 제2 이진 교차 엔트로피 값을 합산하여 상기 손실 값을 산출하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|
20 |
20
제11항에 있어서,상기 프로세서는,상기 트레이닝 심전도 데이터에 정규화(normalized) 및 제로 패딩(zero-padding)를 포함하는 전처리를 적용하여 상기 뉴럴 네트워크에 입력될 입력 데이터를 생성하는,심전도 진단 장치의 뉴럴 네트워크를 트레이닝시키는 방법
|