광용적맥파를 이용한 대동맥판막협착증 위험도 판단 방법을 제공한다. 본 발명의 실시예에 따른 방법은 (a) 이미지 생성 모듈이 정상인의 제1 광용적맥파(Photoplethysmography, PPG), 대동맥판막협착증 환자의 제2 광용적맥파 및 대동맥판막협착증과 심혈관 질환을 모두 갖는 환자의 제3 광용적맥파를 이미지화하여 학습 이미지들을 생성하는 단계, (b) 신경망(Neural Network)에 상기 (a) 단계에서 생성된 학습 이미지들이 학습되는 학습 단계로서, 상기 신경망의 입력층에 상기 학습 이미지들이 입력되고, 상기 신경망
광용적맥파를 이용한 대동맥판막협착증 위험도 판단 방법을 제공한다. 본 발명의 실시예에 따른 방법은 (a) 이미지 생성 모듈이 정상인의 제1 광용적맥파(Photoplethysmography, PPG), 대동맥판막협착증 환자의 제2 광용적맥파 및 대동맥판막협착증과 심혈관 질환을 모두 갖는 환자의 제3 광용적맥파를 이미지화하여 학습 이미지들을 생성하는 단계, (b) 신경망(Neural Network)에 상기 (a) 단계에서 생성된 학습 이미지들이 학습되는 학습 단계로서, 상기 신경망의 입력층에 상기 학습 이미지들이 입력되고, 상기 신경망의 출력층을 통해 입력된 학습 이미지에 대한 대동막판막협착증 위험도 및 심혈관 질환 위험도가 출력되도록 학습되는, 학습 단계 및 (c) 학습이 완료된 상기 신경망에 임의의 개체로부터 획득한 광용적맥파의 이미지가 입력층을 통해 질의되고, 상기 신경망의 출력층을 통해 질의된 이미지에 대한 대동맥판막협착증 위험도 및 심혈관 질환 위험도가 출력되는 단계를 포함할 수 있다.
대표청구항▼
(a) 이미지 생성 모듈(220)이, 정상인의 제1 광용적맥파(Photoplethysmography, PPG), 대동맥판막협착증 환자의 제2 광용적맥파 및 대동맥판막협착증과 심혈관 질환을 모두 갖는 환자의 제3 광용적맥파를 이미지화하여, 학습 이미지들을 생성하는 단계;(b) 외부 장치(200)에 의해, 컨벌루션 신경망(Convolution Neural Network)에 상기 (a) 단계에서 생성된 학습 이미지들이 학습되는 학습 단계로서, 상기 컨벌루션 신경망의 입력층에 상기 학습 이미지들이 입력되고, 상기 컨벌루션 신경망의 출력층을
(a) 이미지 생성 모듈(220)이, 정상인의 제1 광용적맥파(Photoplethysmography, PPG), 대동맥판막협착증 환자의 제2 광용적맥파 및 대동맥판막협착증과 심혈관 질환을 모두 갖는 환자의 제3 광용적맥파를 이미지화하여, 학습 이미지들을 생성하는 단계;(b) 외부 장치(200)에 의해, 컨벌루션 신경망(Convolution Neural Network)에 상기 (a) 단계에서 생성된 학습 이미지들이 학습되는 학습 단계로서, 상기 컨벌루션 신경망의 입력층에 상기 학습 이미지들이 입력되고, 상기 컨벌루션 신경망의 출력층을 통해 입력된 학습 이미지에 대한 대동막판막협착증 위험도 및 심혈관 질환 위험도가 출력되도록 학습되는, 학습 단계; 및(c) 예측 모듈(230)을 통해, 임의의 개체로부터 획득한 질의 대상 광용적맥파의 이미지가 상기 컨벌루션 신경망의 입력층에 질의되고, 상기 컨벌루션 신경망의 출력층을 통해 질의된 이미지에 대한 대동맥판막협착증 위험도 및 심혈관 질환 위험도가 출력되는 단계;를 포함하며,상기 학습 이미지는 2차원 이미지로서, 상기 2차원을 구성하는 어느 하나의 차원은 시간이고, 다른 하나의 차원은 주파수이며, 상기 2차원 상에서 광용적맥파 신호의 주파수 변화도에 따라 서로 다른 색으로 표현된 이미지이고,상기 (a) 단계 이전,전처리 모듈(210)이 제1 내지 제3 광용적맥파를 기설정된 시간마다 분할하여 복수개의 분할 광용적맥파를 생성하는 단계를 더 포함하고,상기 (a) 단계는, 상기 이미지 생성 모듈(220)이 복수개의 분할 제1 내지 제3 광용적맥파 각각을 이미지화하여 복수개의 분할 학습 이미지를 생성하는 단계를 더 포함하며,상기 (b) 단계는, 상기 외부 장치(200)에 의해, 상기 신경망에 상기 분할 학습 이미지가 학습되는 단계를 더 포함하는,광용적맥파를 이용한 대동맥판막협착증 위험도 판단 방법.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.