삭제

삭제

각각의 센서로부터 제공된 심전도 및 광전용전맥파를 측정하는 측정장치;상기 측정장치로부터 제공된 심전도 및 광전용적맥파에 대한 각각의 피크치를 기반으로 맥파전달시간을 도출하고 도출된 심전도, 광전용전맥파, 및 맥파전달시간을 입력변수로 설정하고 혈압의 (SBP: Systolic Blood Pressure) 및 이완값(DBP: Diastolic Blood Pressure)을 출력 변수로 설정한 후 기 구축된 학습 모델을 토대로 딥러닝을 수행하여 혈압의 이완값 및 수축값을 예측하여 혈압 예측값을 출력하는 학습 장치를 포함하고, 상기 학습 장치에 의거 혈압 예측값과 혈압 실측값을 기반으로 혈압 예측값에 대한 검증을 수행하는 검증장치; 및상기 측정장치로부터 제공받은 심전도 및 광전용적맥파 각각에 대한 전처리하여 상기 학습장치로 제공하는 전처리 장치를 더 포함하고,상기 전처리 장치는, 기 정해진 윈도우 사이즈의 이동 평균법을 이용하여 수신된 심전도 및 광전용적맥파 각각의 노이즈 성분을 제거하는 노이즈 필터부; 상기 노이즈 필터부를 통과한 심전도 및 광전용전맥파 신호를 기 정해진 윈도우 사이즈로 분할하는 데이터 세그먼트부; 상기 데이터 세그먼트부의 통과한 심전도 데이터 및 광전용전맥파 데이터 각각에 대해 기 정해진 임계 범위를 벗어나는 비정상적인 데이터를 제거하는 데이터 가공부; 및 상기 데이터 가공부로부터 제공받은 정상적인 심전도 데이터 및 광전용전맥파 데이터 각각에 대해 샘플링 및 홀더링을 통해 데이터 셔플링을 수행하는 데이터 셔플부를 포함하는 것을 특징으로 하는 딥러닝 기반의 혈압 예측 시스템.

제3항에 있어서, 상기 전처리 장치는,상기 데이터 셔플부에서 출력된 심전도 데이터 및 광전용적맥파 데이터 각각에 대해 혈압에 대한 개인 별 교정을 수행하기 위해 심전도 데이터 및 광전용전맥파 데이터 각각에 대해 중복 허용하여 원래 데이터와 같은 크기의 데이터를 가지는 다수의 붓 스트랩 샘플을 생성하고 생성된 다수의 붓스트랩 중 임의의 붓스트랩 샘플과 변수로 하는 다수개의 트리를 생성하며, 각 트리에 대한 앙상블로부터 학습 분류기를 생성하는 붓 스트랩 수행부를 포함하는 것을 특징으로 하는 딥러닝 기반의 혈압 예측 시스템.

제4항에 있어서 상기 검증 장치는, 상기 학습 장치에서 혈압의 예측값의 수축값과 이완값과 혈압 실측값의 수축값 및 이완값 각각의 비교를 토대로 상기 혈압 예측값에 대한 검증을 수행하고, 수축값 및 이완값 각각에 대해 혈압 예측값과 혈압 실측값의 오차인 에러 횟수를 카운팅하고 에러 횟수의 카운팅값과 기 정해진 임계치를 토대로 예측된 혈압 측정값에 대한 검증을 수행하도록 구비되는 것을 특징으로 하는 딥러닝 기반의 혈압 예측 시스템.

삭제

각각의 센서와 연결되어 컴퓨터 네트워크 기반으로 수행되는 딥러닝 기반의 혈압 예측 시스템의 혈압 예측 방법에 있어서, 각각의 센서로부터 제공된 심전도 및 광전용전맥파를 측정하는 측정 단계; 측정장치로부터 상기 제공된 심전도 및 광전용적맥파에 대한 각각의 피크치를 기반으로 맥파전달시간을 도출하고 도출된 심전도, 광전용전맥파 및 맥파전달시간을 입력변수로 설정하고, 혈압의 이완기 및 수축값을 포함하는 혈압 예측값을 출력 변수로 설정한 후 기 구축된 학습 모델을 토대로 딥러닝을 수행하여 이완값 및 수축값을 포함하는 혈압 예측값을 출력하는 학습 단계를 포함하고, 상기 제공된 심전도 및 광전용적맥파 각각에 대한 전처리하여 학습 장치로 제공하는 전처리 단계를 더 포함하고, 상기 전처리 단계는, 노이즈 필터부에서 기 정해진 윈도우 사이즈의 이동 평균법을 이용하여 수신된 심전도 및 광전용적맥파 각각의 노이즈 성분을 제거하는 노이즈 필터 단계;상기 노이즈 필터부를 통과한 심전도 및 광전용적맥파 신호를 데이터를 데이터 세그먼트부에서 기 정해진 윈도우 사이즈로 분할하는 데이터 세그먼트 단계;상기 데이터 세그먼트부를 통과한 심전도 데이터 및 광전용적맥파 데이터 각각에 대해 데이터 가공부에서 기 정해진 임계 범위를 벗어나는 비정상적인 데이터를 제거하는 데이터 가공 단계; 및 상기 데이터 가공부로부터 제공받은 정상적인 심전도 데이터 및 광전용적맥파 데이터 각각에 대한 샘플링 및 홀더링을 수행하는 데이터 셔플 단계를 포함하는 것을 특징으로 하는 딥러닝 기반의 혈압 예측 방법.

제7항에 있어서, 상기 전처리 단계는,상기 데이터 셔플 단계에서 출력된 심전도 데이터 및 광전용적맥파 데이터 각각에 대해 혈압에 대한 개인 별 교정을 수행하기 위해 심전도 데이터 및 광전용전맥파 데이터 각각에 대해 중복 허용하여 원래 데이터와 같은 크기의 데이터를 가지는 다수의 붓 스트랩 샘플을 생성하는 붓 스트랩 기법 수행 단계를 더 포함하는 것을 특징으로 하는 딥러닝 기반의 혈압 예측 방법.