초록 ▼

본 발명은 수면호흡장애 환자의 심전도와 심혈관질환 위험인자(CVD risk factor)를 인공지능 기반의 심혈관질환 예측 모델에 적용하여, 수면호흡장애 환자의 향후의 심혈관 질환을 예측하는 심혈관질환 예측 시스템에 관한 것이다.본 발명은, 수면다원검사시 검출된 심전도 신호 및 심혈관질환 위험인자(CVD risk factor)를 이용하여 심혈관질환의 발생을 예측하는 연산처리부를 포함하는, 심혈관질환 예측시스템에 있어서, 연산처리부는, 상기 심전도(ECG) 신호로부터, STTc(ST-segment and T-wave (ST-T) ch

본 발명은 수면호흡장애 환자의 심전도와 심혈관질환 위험인자(CVD risk factor)를 인공지능 기반의 심혈관질환 예측 모델에 적용하여, 수면호흡장애 환자의 향후의 심혈관 질환을 예측하는 심혈관질환 예측 시스템에 관한 것이다.본 발명은, 수면다원검사시 검출된 심전도 신호 및 심혈관질환 위험인자(CVD risk factor)를 이용하여 심혈관질환의 발생을 예측하는 연산처리부를 포함하는, 심혈관질환 예측시스템에 있어서, 연산처리부는, 상기 심전도(ECG) 신호로부터, STTc(ST-segment and T-wave (ST-T) changes) 세그먼트를 포함하는 시간도메인 심전도 파라미터를 검출하고, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)를 포함하는 주파수도메인 심전도 파라미터를 검출하고, 검출된 시간도메인 심전도 파라미터 및 주파수도메인 심전도 파라미터의 평균 및 표준편차를, '신호처리된 심전도 특징'으로서 메모리부에 저장하는, 신호처리된 심전도 특징 추출부; 기 학습된 CNN 기반의 인공지능 모델에, 30초 동안의 심전도 신호를 입력하고, 상기 CNN 기반의 인공지능 모델에서 플래튼 계층(flatten layer)의 각 노드의 결과를의 평균과 표준편차를 구하여, '인공지능 기반의 심전도 특징'으로서 메모리부에 저장하는, 인공지능 기반의 심전도 특징 추출부; 메모리부에 저장된 CVD 위험인자를 읽어들이는, CVD 위험인자 로딩부; 서보트 벡터 머신(SVM)들을 포함하여 이루어진 심혈관질환(CVD) 예측 모델을 포함하되, 신호처리된 심전도 특징, 인공지능 기반의 심전도 특징 및 CVD 위험인자를 포함하는 심전도 특징을, 심혈관질환 예측 모델에 입력하고, 심혈관질환 예측 모델로부터 향후 심혈관질환이 발생할 지 여부 및, 심혈관질환이 발생한다면 관상동맥심장병(coronary heart disease, CHD), 심부전(heart failure, HF), 뇌졸중(stroke) 중 어느 질병이 발생할 지를 심혈관질환 예측결과로서 출력하는, 심혈관질환(CVD) 예측부;를 포함하는 것을 특징으로 한다.

대표청구항 ▼

수면다원검사시에 검출된 심전도 신호 및 심혈관질환 위험인자(CVD risk factor)를 이용하여 심혈관질환의 발생을 예측하는 연산처리부를 포함하는, 심혈관질환 예측시스템에 있어서, 연산처리부는,수면다원검사시 심전도 검출부에 의해 검출된 심전도(ECG) 신호로부터, STTc(ST-segment and T-wave (ST-T) changes) 세그먼트를 포함하는 시간도메인 심전도 파라미터를 검출하고, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)를 포함하는 주파수도메인 심전도 파라미터를 검출하고, 검출된 시간도메인 심전

수면다원검사시에 검출된 심전도 신호 및 심혈관질환 위험인자(CVD risk factor)를 이용하여 심혈관질환의 발생을 예측하는 연산처리부를 포함하는, 심혈관질환 예측시스템에 있어서, 연산처리부는,수면다원검사시 심전도 검출부에 의해 검출된 심전도(ECG) 신호로부터, STTc(ST-segment and T-wave (ST-T) changes) 세그먼트를 포함하는 시간도메인 심전도 파라미터를 검출하고, 저주파수대 고주파수 대역 강도비(PLF/PHF ratio)를 포함하는 주파수도메인 심전도 파라미터를 검출하고, 검출된 시간도메인 심전도 파라미터 및 주파수도메인 심전도 파라미터의 평균 및 표준편차를, '신호처리된 심전도 특징'으로서 메모리부에 저장하는, 신호처리된 심전도 특징 추출부;기 학습된 CNN 기반의 인공지능 모델에, 30초 동안의 심전도 신호를 입력하고, 상기 CNN 기반의 인공지능 모델에서 플래튼 계층(flatten layer)의 각 노드의 결과를의 평균과 표준편차를 구하여, '인공지능 기반의 심전도 특징'으로서 메모리부에 저장하는, 인공지능 기반의 심전도 특징 추출부;메모리부에 저장된 CVD 위험인자를 읽어들이는, CVD 위험인자 로딩부;서보트 벡터 머신(SVM)들을 포함하여 이루어진 심혈관질환(CVD) 예측 모델을 포함하되, 신호처리된 심전도 특징, 인공지능 기반의 심전도 특징 및 CVD 위험인자를 포함하는 심전도 특징을, 심혈관질환 예측 모델에 입력하고, 심혈관질환 예측 모델로부터 향후 심혈관질환이 발생할 지 여부 및, 심혈관질환이 발생한다면 관상동맥심장병(coronary heart disease, CHD), 심부전(heart failure, HF), 뇌졸중(stroke) 중 어느 질병이 발생할 지를 심혈관질환 예측결과로서 출력하는, 심혈관질환(CVD) 예측부;를 포함하는 것을 특징으로 하는, 심혈관질환 예측시스템.