분석장치는 대상자의 발성에 따른 진동 데이터를 입력받는 단계;상기 분석장치는 상기 진동 데이터를 특정 유형의 데이터로 변환하는 단계;상기 분석장치는 상기 변화된 데이터를 사전에 학습된 학습모델에 입력하는 단계; 및상기 분석장치는 상기 학습모델의 출력값을 기준으로 상기 대상자의 폐질환을 분류하는 단계를 포함하는 발성에 따른 진동 데이터를 이용하여 대상자의 폐질환을 분류하는 방법.

제1항에 있어서,상기 특정 유형의 데이터는 크로마그램(chromagram), MFCC(Mel frequency cepstral coefficient) 및 멜 스펙트로그램(Mel spectrogram) 중 적어도 하나를 포함하는 발성에 따른 진동 데이터를 이용하여 대상자의 폐질환을 분류하는 방법.

제1항에 있어서,상기 진동 데이터는 특정 단어 내지 문장을 발성하는 상기 대상자의 목 부위에서 발생하는 진동을 가속도 센서를 이용하여 수집되는 발성에 따른 진동 데이터를 이용하여 대상자의 폐질환을 분류하는 방법.

제1항에 있어서,상기 학습 모델은 상기 진동 데이터에 대한 크로마그램(chromagram), MFCC(Mel frequency cepstral coefficient) 및 멜 스펙트로그램(Mel spectrogram)을 입력받아 특징을 추출하는 특징 추출 계층 및 상기 크로마그램, 상기 MFCC 및 상기 멜 스펙트로그램을 입력받아 상기 특징 추출 계층이 출력하는 특징을 결합(concatenation)하여 상기 출력값을 출력하는 출력 계층을 포함하는 발성에 따른 진동 데이터를 이용하여 대상자의 폐질환을 분류하는 방법.

대상자의 발성에 따른 진동 데이터를 입력받는 인터페이스 장치;진동 데이터에서 변환한 특정 유형의 데이터를 입력받아 폐질환을 분류하는 딥러닝 모델을 저장하는 저장장치; 및상기 입력되는 진동 데이터를 상기 특정 유형의 데이터로 변환하여 상기 딥러닝 모델이 입력하고, 상기 딥러닝 모델의 출력값을 기준으로 상기 대상자의 폐질환을 분류하는 연산장치를 포함하는 대상자의 폐질환을 분류하는 분석장치.

제6항에 있어서,상기 특정 유형의 데이터는 크로마그램(chromagram), MFCC(Mel frequency cepstral coefficient) 및 멜 스펙트로그램(Mel spectrogram) 중 적어도 하나를 포함하는 대상자의 폐질환을 분류하는 분석장치.

제6항에 있어서,상기 진동 데이터는 특정 단어 내지 문장을 발성하는 상기 대상자의 목 부위에서 발생하는 진동을 가속도 센서를 이용하여 수집되는 대상자의 폐질환을 분류하는 분석장치.

제6항에 있어서,상기 학습 모델은 상기 진동 데이터에 대한 크로마그램(chromagram), MFCC(Mel frequency cepstral coefficient) 및 멜 스펙트로그램(Mel spectrogram)을 입력받아 특징을 추출하는 특징 추출 계층 및 상기 크로마그램, 상기 MFCC 및 상기 멜 스펙트로그램을 입력받아 상기 특징 추출 계층이 출력하는 특징을 결합(concatenation)하여 상기 출력값을 출력하는 출력 계층을 포함하는 대상자의 폐질환을 분류하는 분석장치.