백정현
/ 경기도 남양주시 진접읍 내각*로**번길 **-* ,***동***호(남양주진접한신아파트)
방한성
/ 부산광역시 사상구 백양대로 ***, 우신아파트 ***동 ****호 (모라동)
출원인 / 주소
백정현 / 경기도 남양주시 진접읍 내각*로**번길 **-* ,***동***호(남양주진접한신아파트)
대리인 / 주소
특허법인해안
심사청구여부
있음 (2019-07-25)
심사진행상태
등록결정(재심사후)
법적상태
등록
초록▼
일 실시예에 따른 대기질 데이터에 기초한 질병 상관 관계 예측 방법 및 장치는 실내 공기 측정기 및 실외 공기 측정기 중 적어도 하나로부터 제1 대기질 데이터를 획득하고, 제1 대기질 데이터가 획득된 지역에서, 현재를 기준으로 미리 정의된 과거 구간 동안에 획득된 대기질 데이터에 시간 별 가중치를 적용한 제2 대기질 데이터를 생성하고, 제1 대기질 데이터, 제2 대기질 데이터 및 지역의 정보에 기초하여 대기질 관련 정보와 미세 먼지로 인해 발생한 질병 간의 상관 관계에 기초하여 학습된 신경망을 포함하는 질병 예측 모델의 입력 레이어
일 실시예에 따른 대기질 데이터에 기초한 질병 상관 관계 예측 방법 및 장치는 실내 공기 측정기 및 실외 공기 측정기 중 적어도 하나로부터 제1 대기질 데이터를 획득하고, 제1 대기질 데이터가 획득된 지역에서, 현재를 기준으로 미리 정의된 과거 구간 동안에 획득된 대기질 데이터에 시간 별 가중치를 적용한 제2 대기질 데이터를 생성하고, 제1 대기질 데이터, 제2 대기질 데이터 및 지역의 정보에 기초하여 대기질 관련 정보와 미세 먼지로 인해 발생한 질병 간의 상관 관계에 기초하여 학습된 신경망을 포함하는 질병 예측 모델의 입력 레이어에 대응하는 입력 벡터를 생성하고, 입력 벡터를 질병 예측 모델에 인가함으로써 질병 예측 모델에 의해 생성된 출력 벡터를 획득하고, 출력 벡터에 기초하여, 제1 대기질 데이터에 따라 발생 가능한 질병 및 상기 발생 가능한 질병의 발생 빈도 중 적어도 하나를 예측하며, 제1 대기질 데이터, 상기 예측한 질병 및 상기 예측한 질병의 발생 빈도 중 적어도 하나를 표시한다.
대표청구항▼
예측 장치의 프로세서가, 실내 공기 측정기 및 실외 공기 측정기 중 적어도 하나로부터 제1 대기질 데이터(air quality data)를 획득하는 단계;상기 프로세서가, 상기 제1 대기질 데이터가 획득된 지역에서, 현재를 기준으로 미리 정의된 과거 구간 동안에 획득된 대기질 데이터에 시간 별 가중치를 적용한 제2 대기질 데이터를 생성하는 단계;상기 프로세서가, 상기 제1 대기질 데이터, 상기 제2 대기질 데이터 및 상기 지역의 정보에 기초하여 질병 예측 모델- 상기 질병 예측 모델은 대기질 관련 정보와 미세 먼지로 인해 발생한 질
예측 장치의 프로세서가, 실내 공기 측정기 및 실외 공기 측정기 중 적어도 하나로부터 제1 대기질 데이터(air quality data)를 획득하는 단계;상기 프로세서가, 상기 제1 대기질 데이터가 획득된 지역에서, 현재를 기준으로 미리 정의된 과거 구간 동안에 획득된 대기질 데이터에 시간 별 가중치를 적용한 제2 대기질 데이터를 생성하는 단계;상기 프로세서가, 상기 제1 대기질 데이터, 상기 제2 대기질 데이터 및 상기 지역의 정보에 기초하여 질병 예측 모델- 상기 질병 예측 모델은 대기질 관련 정보와 미세 먼지로 인해 발생한 질병 간의 상관 관계를 분석하고, 피어슨 상관 계수, 스피어만 상관 계수, 및 켄달 상관 계수 중 적어도 하나의 상관 계수에 의해 상기 대기질 관련 정보와 상기 질병 간의 상관 관계의 크기를 정량화 함으로써 발생 가능한 질병 및 상기 질병의 발생 빈도를 예측하도록 학습된 신경망을 포함함 -의 입력 레이어에 대응하는 입력 벡터를 생성하는 단계;상기 프로세서가, 상기 입력 벡터를 상기 질병 예측 모델에 인가함으로써 상기 질병 예측 모델에 의해 생성된 출력 벡터를 획득하는 단계; 상기 프로세서가, 상기 출력 벡터에 기초하여, 상기 제1 대기질 데이터에 따라 발생 가능한 질병 및 발생 가능한 질병의 발생 빈도를 예측하는 단계; 및 상기 프로세서가, 상기 제1 대기질 데이터, 상기 예측한 질병 및 상기 예측한 질병의 발생 빈도 중 적어도 하나를 표시하는 단계를 포함하고, 상기 대기질 관련 정보는 실내 미세 먼지 농도, 실외 미세 먼지 농도, 기상 기후 데이터, 및 행정 단위별 인구 통계 기록 중 적어도 하나의 후보 예측 인자, 및 건강 보험 심사 평가원의 환자 진료 내역 정보를 포함하고, 상기 질병 예측 모델은 상기 환자 진료 내역 정보와 상기 후보 예측 인자 간의 상관 관계를 분석한 결과에 기초하여 상기 후보 예측 인자 중 상관성이 없는 후보 예측 인자를 제거함으로써 선정된 잠재 예측 인자에 기초하여 학습된 것이고,상기 예측 장치는빅데이터 통합 데이터베이스(DB)에 포함된 GIS(Geographic Information System) 데이터 및 유동 인구/교통 데이터를 함께 연계하여 질병 발생의 이동 경향을 파악하는, 대기질 데이터에 기초한 질병 상관 관계 예측 방법.
[일본]
DISEASE CONTROL SUPPORT METHOD AND DISEASE CONTROL SUPPORT SYSTEM |
NAKAMURA MASAYUKI,
SAKURAI ATSUSHI,
FURUYASU SHIZUO,
KATO TADASHI,
SHOJI MASASHIGE,
WATANABE TOSHIO
※ AI-Helper는 부적절한 답변을 할 수 있습니다.