초록 ▼

심장 관련 질환은 인체에 매우 치명적인 질환중 하나로, 그로 인한 사망자 수는 매해 증가하는 경향을 보이고 있다. 이와 관련하여 다양한 심장질환 검사법이 있는데, 주로 이용되는 초음파 심장진단도의 경우 그 비용이 높기 때문에 의료비 부담으로 이어 질 수 있다. 따라서 검사 비용이 낮은 심음도 검사가 다시 주목을 받게 되었다. 하지만 심음도 검사는 전문가가 하기 에도 정확도가 매우 낮은 검사법이기 때문에, 이를 개선하기 위해 컴퓨터 알고리즘을 이용한 다양한 연구가 진행되어왔다. 이렇듯 현재까지 임상 환경에서 수집된 심음도를 이용한 심

심장 관련 질환은 인체에 매우 치명적인 질환중 하나로, 그로 인한 사망자 수는 매해 증가하는 경향을 보이고 있다. 이와 관련하여 다양한 심장질환 검사법이 있는데, 주로 이용되는 초음파 심장진단도의 경우 그 비용이 높기 때문에 의료비 부담으로 이어 질 수 있다. 따라서 검사 비용이 낮은 심음도 검사가 다시 주목을 받게 되었다. 하지만 심음도 검사는 전문가가 하기 에도 정확도가 매우 낮은 검사법이기 때문에, 이를 개선하기 위해 컴퓨터 알고리즘을 이용한 다양한 연구가 진행되어왔다. 이렇듯 현재까지 임상 환경에서 수집된 심음도를 이용한 심장질환 자동분류 알고리즘에 관한 여러 연구가 존재하였는데, 이러한 연구들은 잘 선별된 데이터 또는 소음이 적은 데이터에 대해서만 좋은 성능을 보인다는 결함을 갖고 있다. 따라서 소음이나 잡음이 많은 비임상 환경에서 수집된 심음도에 대해서도 좋은 성능을 보일 수 있는 알고리즘 개발에 대한 필요성이 대두되었다. 특히 이 연구에서 이러한 알고리즘을 개발함에 있어, 최근 이미지 인식이나 음성 인식과 같은 패턴 인식 문제에 대해서 많은 업적을 이루고 있는 딥 러닝 방법론을 고려한다. 심장음을 통해 심장질환 유무를 판단하기 위해, 우리는 필터링, 부분 분류, 기록 분류로 이뤄진, 딥 러닝 알고리즘에 기반한 모델을 이 연구에서 제안하며, 실험 결과 우리가 제안한 모델의 경우 민감도, 특이도, 그리고 정확도가 각각 70.8, 88.2, 79.5를 달성하여, 우리의 알고리즘이 충분히 경쟁력이 있음을 보여주었다.

Abstract

Ⅳ. Results of the research
Experimental results show that the proposed model yielded a sensitivity, specificity, and accuracy of 70.8, 88.2, and 79.5 in classifying patients with a cardiac diagnosis.

목차 Contents

• 표지 ... 1제 출 문 ... 2보고서 초록 ... 3요 약 문 ... 4SUMMARY ... 5CONTENTS ... 6목차 ... 7제 1 장 연구개발과제의 개요 ... 8 제 1 절 연구개발의 필요성 ... 8 제 2 절 연구개발의 목적 ... 9제 2 장 국내외 기술개발 현황 ... 11 제 1 절 심음도 ... 11 제 2 절 기존 심장질환 자동탐지 알고리즘과 그 한계 ... 12제 3 장 연구개발수행 내용 및 결과 ... 14 제 1 절 심층 신경망(Deep neural networks) ... 14 제 2 절 Convolutional neural networks ... 16 제 3 절 제안된 모델과 실험 ... 17 제 4 절 결과 ... 23제 4 장 목표 달성도 및 관련 분야에의 기여도 ... 25 제 1 절 PhysioNet/CinC challenge 2016 결과와의 비교를 통한 목표 달성 평가 ... 25 제 2 절 비임상 환경에서의 심장음을 통한 심장질환 관련 환자분류에 대한 기여 ... 25제 5 장 연구개발결과의 활용계획 ... 27제 6 장 참고 문헌 ... 28끝페이지 ... 30