| 번호 | 청구항 |
|---|---|
| 13 | 제 11 항에 있어서,상기 복수의 학습모델은, 상기 입력 데이터를 기초로 상기 수면무호흡증의 중증도를 생성하는 학습모델 및 상기 적어도 하나의 요인에 대응되는 적어도 하나의 학습모델을 포함하고,상기 적어도 하나의 학습모델 각각은, 상기 입력 데이터를 기초로 상기 적어도 하나의 요인 중 어느 하나에 대한 분류 정보를 생성하는, 장치. |
| 14 | 제 10 항에 있어서,상기 획득하는 것은,상기 피검사자에 대한 PSG(polysomnography) 데이터를 더 획득하고,상기 입력 데이터는, 상기 신체 정보, 상기 수면 설문 데이터 및 상기 PSG 데이터에 기반하여 생성된 것인, 장치. |
| 15 | 제 10 항에 있어서,상기 생성하는 것은,소정의 보안화 기법에 기반하여 상기 복수의 학습모델 각각의 출력에 대하여 노이즈를 부가함으로써 상기 수면무호흡증의 중증도 및 상기 분류 정보를 보안화하는 것을 포함하는, 장치. |
| 1 | 피검사자의 신체 정보 및 수면 설문 데이터를 획득하는 단계; 및기 학습된 복수의 학습모델을 이용하여, 상기 신체 정보 및 상기 수면 설문 데이터에 기반하여 생성된 입력 데이터를 기초로 상기 피검사자에 대한 수면무호흡증의 중증도 및 상기 중증도의 적어도 하나의 요인에 관한 분류 정보를 생성하는 단계;를 포함하는, 수면무호흡증의 중증도를 예측하는 방법. |
| 2 | 제 1 항에 있어서,상기 분류 정보는, 상기 중증도가 상기 적어도 하나의 요인에 영향을 받는지 여부 및 상기 영향의 정도 중 적어도 하나를 포함하는, 방법. |
| 3 | 제 2 항에 있어서,상기 적어도 하나의 요인은, 수면 자세 및 수면 종류 중 적어도 하나를 포함하는, 방법. |
| 4 | 제 2 항에 있어서,상기 복수의 학습모델은, 상기 입력 데이터를 기초로 상기 수면무호흡증의 중증도를 생성하는 학습모델 및 상기 적어도 하나의 요인에 대응되는 적어도 하나의 학습모델을 포함하고,상기 적어도 하나의 학습모델 각각은, 상기 입력 데이터를 기초로 상기 적어도 하나의 요인 중 어느 하나에 대한 분류 정보를 생성하는, 방법. |
| 5 | 제 1 항에 있어서,상기 획득하는 단계는,상기 피검사자에 대한 PSG(polysomnography) 데이터를 더 획득하고,상기 입력 데이터는, 상기 신체 정보, 상기 수면 설문 데이터 및 상기 PSG 데이터에 기반하여 생성된 것인, 방법. |
| 6 | 제 1 항에 있어서,상기 생성하는 단계는,소정의 보안화 기법에 기반하여 상기 복수의 학습모델 각각의 출력에 대하여 노이즈를 부가함으로써 상기 수면무호흡증의 중증도 및 상기 분류 정보를 보안화하는 단계;를 포함하는, 방법. |
| 7 | 제 1 항에 있어서,상기 복수의 학습모델 각각에 대한 학습은, 소정의 보안화 기법에 기반하여 초기 학습 데이터의 원본 레이블에 노이즈가 부가되거나, 상기 소정의 보안화 기법에 기반하여 상기 학습모델로부터 출력된 출력 레이블에 노이즈가 부가됨으로써 생성된 보안화된 학습 데이터에 기초하여 수행되는, 방법. |
| 8 | 제 1 항에 있어서,상기 복수의 학습모델 각각에 대한 학습은, 소정의 데이터 임퓨테이션 기법에 기반하여 초기 학습 데이터의 결측이 보완됨으로써 생성된 보완된 학습 데이터에 기초하여 수행되는, 방법. |
| 9 | 제 1 항에 있어서,상기 방법은,상기 입력 데이터를 구성하는 복수의 입력 항목 각각이 상기 복수의 학습모델의 출력에 대하여 가지는 기여도를 산출하는 단계;를 더 포함하는, 방법. |
| 10 | 통신을 수행하는 통신 모듈;적어도 하나의 프로그램이 저장된 메모리; 및상기 적어도 하나의 프로그램을 실행함으로써 동작하는 프로세서;를 포함하되,상기 프로세서는,피검사자의 신체 정보 및 수면 설문 데이터를 획득하도록 상기 통신 모듈을 제어하고,기 학습된 복수의 학습모델을 이용하여, 상기 신체 정보 및 상기 수면 설문 데이터에 기반하여 생성된 입력 데이터를 기초로 상기 피검사자에 대한 수면무호흡증의 중증도 및 상기 중증도의 적어도 하나의 요인에 관한 분류 정보를 생성하는, 수면무호흡증의 중증도를 예측하는 장치. |
| 11 | 제 10 항에 있어서,상기 분류 정보는, 상기 중증도가 상기 적어도 하나의 요인에 영향을 받는지 여부 및 상기 영향의 정도 중 적어도 하나를 포함하는, 장치. |
| 12 | 제 11 항에 있어서,상기 적어도 하나의 요인은, 수면 자세 및 수면 종류 중 적어도 하나를 포함하는, 장치. |
| 16 | 제 10 항에 있어서,상기 복수의 학습모델 각각에 대한 학습은, 소정의 보안화 기법에 기반하여 초기 학습 데이터의 원본 레이블에 노이즈가 부가되거나, 상기 소정의 보안화 기법에 기반하여 상기 학습모델로부터 출력된 출력 레이블에 노이즈가 부가됨으로써 생성된 보안화된 학습 데이터에 기초하여 수행되는, 장치. |
| 17 | 제 10 항에 있어서,상기 복수의 학습모델 각각에 대한 학습은, 소정의 데이터 임퓨테이션 기법에 기반하여 초기 학습 데이터의 결측이 보완됨으로써 생성된 보완된 학습 데이터에 기초하여 수행되는, 장치. |
| 18 | 제 10 항에 있어서,상기 프로세서는,상기 입력 데이터를 구성하는 복수의 입력 항목 각각이 상기 복수의 학습모델의 출력에 대하여 가지는 기여도를 산출하는, 장치. |
| 19 | 제 1 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 비일시적 기록매체. |
