초록 ▼

본 발명은 설명 가능한 인공지능 시스템으로서, 환자의 뇌파를 수신하는 통신부; 및 노이즈 제거 및 에포킹(epoching) 처리를 통해 상기 측정된 뇌파를 전처리하고, 상기 전처리된 뇌파에서 적어도 하나의 제1 뇌파 특성을 추출하고, 정신질환 진단용으로 학습된 기계학습 모델을 이용하여, 상기 적어도 하나의 제1 뇌파 특성 중 상기 환자의 정신질환 진단을 위해 필요한 적어도 하나의 제2 뇌파 특성 및 상기 적어도 하나의 제2 뇌파 특성 각각의 중요도를 결정하고, 상기 환자의 정신질환 진단을 위한 의사결정 구조를 생성하고, 상기 적어도

본 발명은 설명 가능한 인공지능 시스템으로서, 환자의 뇌파를 수신하는 통신부; 및 노이즈 제거 및 에포킹(epoching) 처리를 통해 상기 측정된 뇌파를 전처리하고, 상기 전처리된 뇌파에서 적어도 하나의 제1 뇌파 특성을 추출하고, 정신질환 진단용으로 학습된 기계학습 모델을 이용하여, 상기 적어도 하나의 제1 뇌파 특성 중 상기 환자의 정신질환 진단을 위해 필요한 적어도 하나의 제2 뇌파 특성 및 상기 적어도 하나의 제2 뇌파 특성 각각의 중요도를 결정하고, 상기 환자의 정신질환 진단을 위한 의사결정 구조를 생성하고, 상기 적어도 하나의 제2 뇌파 특성 및 상기 중요도를 상기 의사결정 구조에 대입하여 상기 환자의 정신질환을 진단하고, 상기 진단 결과 및 상기 진단에 대한 근거를 설명하기 위한 설명정보인 상기 의사결정 구조를 시각화하여 제공하는 프로세서;를 포함한다."이 특허는 2020년도 경기도 글로벌 스타트업 기업지원사업의 재원으로 경기도경제과학진흥원의 지원을 받아 수행된 결과물임"

대표청구항 ▼

환자의 뇌파를 수신하는 통신부; 및노이즈 제거 및 에포킹(epoching) 처리를 통해 상기 수신된 뇌파를 전처리하고,상기 전처리된 뇌파에서 적어도 하나의 제1 뇌파 특성을 추출하고,정신질환 진단용으로 학습된 기계학습 모델을 이용하여, 상기 적어도 하나의 제1 뇌파 특성 중 상기 환자의 정신질환 진단을 위해 필요한 적어도 하나의 제2 뇌파 특성 및 상기 적어도 하나의 제2 뇌파 특성 각각의 중요도를 결정하고,상기 환자의 정신질환 진단을 위한 의사결정 구조를 생성하고,상기 적어도 하나의 제2 뇌파 특성 및 상기 중요도를 상기 의사결정

환자의 뇌파를 수신하는 통신부; 및노이즈 제거 및 에포킹(epoching) 처리를 통해 상기 수신된 뇌파를 전처리하고,상기 전처리된 뇌파에서 적어도 하나의 제1 뇌파 특성을 추출하고,정신질환 진단용으로 학습된 기계학습 모델을 이용하여, 상기 적어도 하나의 제1 뇌파 특성 중 상기 환자의 정신질환 진단을 위해 필요한 적어도 하나의 제2 뇌파 특성 및 상기 적어도 하나의 제2 뇌파 특성 각각의 중요도를 결정하고,상기 환자의 정신질환 진단을 위한 의사결정 구조를 생성하고,상기 적어도 하나의 제2 뇌파 특성 및 상기 중요도를 상기 의사결정 구조에 대입하여 상기 환자의 정신질환을 진단하고,상기 진단 결과 및 상기 진단에 대한 근거를 설명하기 위한 설명정보인 상기 의사결정 구조를 시각화하여 제공하는 프로세서;를 포함하며,상기 진단 결과는 상기 환자가 앓고 있는 적어도 하나의 정신질환에 대한 정보이고,상기 적어도 하나의 제2 뇌파 특성에 대한 설명은 상기 환자의 정신질환 진단을 위해 필요한 채널 명, 상기 채널 내의 뇌파 종류 및 뇌파 파워 및 채널 간의 연결도를 포함하고,상기 의사결정 구조는 상기 프로세서가 상기 환자의 정신질환을 진단하기 위해 순차적으로 고려하여 비교하고 계산하는 일련의 과정으로 이루어진 트리 구조이고,상기 프로세서는,상기 의사결정 구조의 각 단계에서, 상기 적어도 하나의 제2 뇌파 특성 중 어느 하나를 임계값과 비교하고, 상기 비교 결과에 따라, 다음의 제2 뇌파 특성과 임계값의 비교 단계가 결정되고,상기 의사결정 구조를 이해하기 위한 상기 적어도 하나의 제2 뇌파 특성에 대한 설명 및 중요도를 상기 의사결정 구조와 함께 제공하며,상기 환자가 복수의 정신질환을 함께 앓고 있는 경우 상기 환자가 앓고 있는 정신질환에 대한 정보를 상대적인 크기값으로 제공하고,상기 기계학습 모델은 정신질환 진단을 위해 연령별 뇌파 및 상기 연령별 뇌파에 포함된 채널별 뇌파 특성을 학습데이터로 이용하고, 공유된 중요도를 가지는 필터를 사용하며, 상기 진단 결과와 시각화된 상기 의사결정 구조에서 잘못된 부분에 대한 수정 정보를 포함하는 의료진의 피드백 정보를 더 이용하고,상기 기계학습 모델에 환자의 연령, 자가응답식 설문지를 통해 파악된 환자의 정신상태 및 의료진에 의해 파악된 환자의 건강상태 정보가 추가로 입력되어 정신질환 진단이 수행되는, 설명 가능한 인공지능 시스템.