[go: up one dir, main page]

WO2023287118A1 - 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 - Google Patents

생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 Download PDF

Info

Publication number
WO2023287118A1
WO2023287118A1 PCT/KR2022/009926 KR2022009926W WO2023287118A1 WO 2023287118 A1 WO2023287118 A1 WO 2023287118A1 KR 2022009926 W KR2022009926 W KR 2022009926W WO 2023287118 A1 WO2023287118 A1 WO 2023287118A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
bio
biosignal
clustering
type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2022/009926
Other languages
English (en)
French (fr)
Inventor
김진국
장재성
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huinno Co Ltd
Original Assignee
Huinno Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020210101667A external-priority patent/KR102573416B1/ko
Application filed by Huinno Co Ltd filed Critical Huinno Co Ltd
Publication of WO2023287118A1 publication Critical patent/WO2023287118A1/ko
Priority to US18/412,934 priority Critical patent/US20240153646A1/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Definitions

  • the present invention relates to a method, system, and non-transitory computer readable recording medium for managing output data of a biosignal analysis model.
  • Such a wearable monitoring device is equipped with a bio-signal analysis model to analyze a subject's bio-signal, and in many cases, a model implemented based on artificial intelligence technology is loaded in order to increase the accuracy of the analysis.
  • a hospital medical staff doctor, etc.
  • the object of the present invention is to solve all of the above problems.
  • the present invention obtains analysis result data for a plurality of bio-signal data from a bio-signal analysis model, and performs clustering on a plurality of first-type bio-signal data analyzed as corresponding to the first type among the plurality of bio-signal data. and extracting at least one sample bio-signal data from at least one cluster generated by clustering, and performing clustering again with reference to feedback on whether the analysis result data for the at least one sample bio-signal data is accurate, thereby performing clustering again.
  • Another object is to efficiently inspect analysis results output from a biosignal analysis model without inspecting all biosignal data.
  • Another object of the present invention is to effectively increase the accuracy and reliability of analysis result data output from a bio-signal analysis model implemented based on artificial intelligence technology and provided to medical staff.
  • a method for managing output data of a bio-signal analysis model includes obtaining analysis result data for a plurality of bio-signal data from the bio-signal analysis model, and performing the analysis on the basis of the analysis result data.
  • Clustering is performed on the plurality of first type biosignal data analyzed as corresponding to the first type among the plurality of biosignal data, and at least one sample biosignal data is extracted from at least one cluster generated by the clustering. and re-performing clustering with reference to feedback on whether analysis result data for the at least one sample biosignal data is accurate.
  • a system for managing output data of a bio-signal analysis model comprising: a data acquisition unit that acquires analysis result data for a plurality of bio-signal data from the bio-signal analysis model; Based on this, clustering is performed on a plurality of first type biosignal data analyzed as corresponding to the first type among the plurality of biosignal data, and at least one sample biosignal is selected from at least one cluster generated by the clustering.
  • a system including a clustering management unit configured to extract data and re-perform clustering with reference to feedback regarding accuracy of data as a result of analysis of the at least one sample bio-signal data.
  • an effect of enabling a medical staff to efficiently inspect analysis results output from a biosignal analysis model without inspecting all biosignal data is achieved.
  • the effect of effectively increasing the accuracy and reliability of the analysis result data output from the bio-signal analysis model implemented based on artificial intelligence technology and provided to medical staff is achieved.
  • 1 is a diagram schematically showing the configuration of the entire system according to the present invention.
  • FIG. 2 is a diagram showing the internal configuration of a biological signal analysis system according to an embodiment of the present invention by way of example.
  • FIG. 3 is a diagram exemplarily illustrating a process of clustering biosignal data according to an embodiment of the present invention.
  • control unit 240 control unit
  • 1 is a diagram schematically showing the configuration of the entire system according to the present invention.
  • the entire system may include a communication network 100 , a biosignal analysis system 200 and a device 300 .
  • the communication network 100 may be configured regardless of communication aspects such as wired communication or wireless communication, and may include a local area network (LAN) and a metropolitan area network (MAN). ), wide area network (WAN), etc. can be configured with various communication networks.
  • the communication network 100 referred to in this specification may include a known local area wireless communication network such as Wi-Fi, Wi-Fi Direct, LTE Direct, and Bluetooth.
  • the communication network 100 may include, at least in part, a known wired/wireless data communication network, a known telephone network, or a known wire/wireless television communication network without being limited thereto.
  • the communication network 100 is a wireless data communication network, WiFi communication, WiFi-Direct communication, Long Term Evolution (LTE) communication, Bluetooth communication (Bluetooth Low Energy (BLE; Bluetooth Low Energy) Energy), infrared communication, ultrasonic communication, etc. may be implemented at least in part.
  • the communication network 100 is an optical communication network, and may implement a conventional communication method such as LiFi (Light Fidelity) in at least a part thereof.
  • the bio-signal analysis system 200 acquires analysis result data for a plurality of bio-signal data from the bio-signal analysis model, and corresponds to a first type of the plurality of bio-signal data.
  • Clustering is performed on the plurality of first-type bio-signal data analyzed to be, extracting at least one sample bio-signal data from at least one cluster generated by the clustering, and analyzing the at least one sample bio-signal data.
  • the bio-signal analysis model may be a model that outputs a result of determining whether bio-signal data to be analyzed corresponds to arrhythmia, and the bio-signal analysis model is a bio-signal to be analyzed. It can also be a model that outputs the discrimination result of what type of arrhythmia the data corresponds to.
  • the biosignal analysis model according to an embodiment of the present invention may be implemented as a binary-class artificial neural network having two types (classes) of normal and abnormal. there is.
  • bio-signal analysis system 200 Functions of the bio-signal analysis system 200 will be described in more detail below. Meanwhile, although the biosignal analysis system 200 has been described as above, this description is exemplary, and at least some of the functions or components required for the biosignal analysis system 200 are provided in the device 300 as needed. It is obvious to those skilled in the art that it may be realized or included in the device 300 .
  • the device 300 is a digital device having a function to communicate after being connected to the biosignal analysis system 200, and is equipped with a memory means and is equipped with a microprocessor to perform calculations. Any digital device having the capability can be adopted as the device 300 according to the present invention.
  • the device 300 is a wearable device such as smart glasses, smart watch, smart patch, smart band, smart ring, smart necklace, etc., or a smart phone, smart pad, desktop computer, notebook computer, workstation, PDA, web pad, mobile phone, etc. It may be a more or less traditional device such as
  • the device 300 may include a sensing means (eg, a contact electrode, an image capture device, etc.) It may include a display means for providing various information about the user to the user.
  • a sensing means eg, a contact electrode, an image capture device, etc.
  • a display means for providing various information about the user to the user.
  • the device 300 may further include an application program for performing functions according to the present invention.
  • an application may exist in the form of a program module within the corresponding device 300 . Characteristics of these program modules may be generally similar to those of the data acquisition unit 210, the clustering management unit 220, the communication unit 230, and the control unit 240 of the biosignal analysis system 200, which will be described later.
  • at least a part of the application may be replaced with a hardware device or a firmware device capable of performing substantially the same or equivalent functions as necessary.
  • bio-signal analysis system 200 that performs important functions for the implementation of the present invention and the functions of each component will be reviewed.
  • FIG. 2 is a diagram showing the internal configuration of a biological signal analysis system according to an embodiment of the present invention by way of example.
  • the biosignal analysis system 200 may include a data acquisition unit 210, a clustering management unit 220, a communication unit 230, and a control unit 240.
  • the data acquisition unit 210, the clustering management unit 220, the communication unit 230, and the control unit 240 of the biosignal analysis system 200 are external systems (not shown).
  • It may be program modules that communicate with each other).
  • These program modules may be included in the biosignal analysis system 200 in the form of an operating system, application program module, and other program modules, and may be physically stored on various known storage devices. Also, these program modules may be stored in a remote storage device capable of communicating with the biological signal analysis system 200 .
  • these program modules include, but are not limited to, routines, subroutines, programs, objects, components, data structures, etc. that perform specific tasks or execute specific abstract data types according to the present invention.
  • the data acquisition unit 210 may perform a function of acquiring analysis result data for a plurality of biosignal data from a biosignal analysis model.
  • the biosignal analysis model outputs an analysis result of whether the biosignal data to be analyzed corresponds to arrhythmia or outputs an analysis result of what type of arrhythmia.
  • the bio-signal analysis model analyzes the bio-signal data of the subject using a machine learning algorithm such as an artificial neural network, so that the bio-signal data corresponds to a normal state in terms of arrhythmia. You can calculate a score for whether (or not).
  • the bio-signal analysis model analyzes the bio-signal data of the subject using a machine learning algorithm such as an artificial neural network to determine whether the bio-signal data corresponds to a specific type of arrhythmia. (or not applicable) can be calculated.
  • a machine learning algorithm such as an artificial neural network
  • the score calculated by the bio-signal analysis model corresponds to a normal state (or not) or a certain type of arrhythmia (or not) as a probability ( probability), a vector, a matrix, and a value related to at least one of coordinates.
  • biosignals that can be analyzed by the biosignal analysis model include electrocardiogram (ECG), electromyography (EMG), brain waves (EEG), pulse waves (PPG), heart rate, body temperature, blood sugar, pupil change, blood pressure, and blood dissolution.
  • ECG electrocardiogram
  • EMG electromyography
  • EEG brain waves
  • PPG pulse waves
  • heart rate body temperature
  • blood sugar blood sugar
  • pupil change blood pressure
  • blood dissolution blood dissolution
  • the clustering management unit 220 clusters the plurality of first-type bio-signal data analyzed as corresponding to the first type by the bio-signal analysis model among the plurality of bio-signal data. can be performed.
  • the first type is the broadest concept indicating a type that can be discriminated by the biosignal analysis model, and includes a normal state from the perspective of arrhythmia, an abnormal state from the viewpoint of arrhythmia, and arrhythmia.
  • Conditions corresponding to certain types of e.g., atrial premature contraction (APC), atrial fibrillation (A.Fib), paroxysmal supra ventricular tachycardia (PSVT), premature ventricular contraction) (VPC; Ventricular Premature Complexes), etc.
  • API atrial premature contraction
  • A.Fib atrial fibrillation
  • PSVT paroxysmal supra ventricular tachycardia
  • VPC Ventricular Premature Complexes
  • the clustering management unit 220 may cluster the plurality of first type biosignal data analyzed as corresponding to the first type into at least one cluster.
  • biosignal data that belong to the same cluster as a result of such clustering may include common features (pattern, feature point, waveform, etc.).
  • k-means k-means, mean shift, and Gaussian Mixture Model (GMM) , DBSCAN (Density-Based Spatial Clustering of Applications with Noise), Self-Organizing Map (SOM), etc.
  • GMM Gaussian Mixture Model
  • DBSCAN Density-Based Spatial Clustering of Applications with Noise
  • SOM Self-Organizing Map
  • the clustering management unit 220 may perform a function of extracting at least one sample biosignal data from at least one cluster generated by clustering.
  • the clustering management unit 220 may randomly select and extract at least one sample biosignal data from among a plurality of biosignal data belonging to a specific cluster.
  • the information providing unit (not shown) included in the biometric information analysis system 200 transmits at least one sample biosignal data extracted as above and analysis result data thereof to the inspector's device ( 300) can be provided.
  • the number of at least one sample bio-signal data extracted as above and provided to the inspector is the bio-signal belonging to the corresponding cluster. It may be less than a predetermined level compared to the total number of data, and may be less than a predetermined level compared to the total number of the plurality of first type biosignal data determined to correspond to the first type. Therefore, according to the present invention, it is possible to drastically reduce the number of biosignal data to be inspected by the inspector.
  • the clustering management unit 220 refers to the feedback on whether the analysis result data for at least one sample bio-signal data extracted as above is correct, and determines the plurality of first type bio-signal data. clustering can be repeated.
  • feedback regarding whether analysis result data for at least one sample bio-signal data is correct may be obtained from the inspector device 300 .
  • the inspector medical staff such as a doctor
  • analysis result data for a vast number (tens of thousands) of biosignal data output from the biosignal analysis model instead of being provided with analysis result data for a vast number (tens of thousands) of biosignal data output from the biosignal analysis model, as described above
  • Only the analysis result data for a small number (less than dozens) of sample bio-signal data extracted through clustering can be provided, and only the analysis result data is inspected for the small number of sample bio-signal data provided in this way, and the analysis result data can provide feedback on whether is correct.
  • sample biosignal data A analyzed to correspond to an atrial premature contraction (APC) type of arrhythmia by a biosignal analysis model is extracted as a sample and provided to an inspector, the inspector can determine the sample biosignal data A and After the analysis result data is inspected, feedback to the effect that the analysis result data is correct (or incorrect) may be provided.
  • APC atrial premature contraction
  • the clustering management unit 220 may re-perform clustering on the plurality of first-type biosignal data with reference to the above feedback.
  • the clustering management unit 220 may update the clustering algorithm by referring to the above feedback.
  • the sample biosignal data A corresponds to an atrial premature contraction (APC) type of arrhythmia
  • APC atrial premature contraction
  • the sample biosignal data A is a clustering target for the atrial premature contraction type ( That is, the biosignal data analyzed as corresponding to the atrial premature contraction type may continue to remain in the biosignal data subject to clustering.
  • the sample biosignal data B may be excluded from clustering, Accordingly, clustering may be re-performed in a state in which sample biosignal data B is excluded.
  • APC atrial premature contraction
  • sample bio-signal data receiving feedback indicating that the analysis result data is correct and sample bio-signal data indicating that the analysis result data are incorrect within a certain cluster are mixed to a predetermined level or more, the corresponding A clustering algorithm applied to biosignal data belonging to a type may be changed.
  • clustering is repeatedly performed with reference to the feedback of the inspector, and accordingly, the accuracy of the analysis result shown in the biosignal data clustered as belonging to a specific cluster can gradually increase, and further Accuracy of analysis results obtained from all biosignal data clustered within a specific type including multiple clusters may gradually increase.
  • the clustering management unit 220 dynamically calculates the accuracy of the analysis result for at least one sample bio-signal data extracted from a specific cluster based on the feedback on the analysis result, and If the accuracy is higher than a predetermined level, it is possible to estimate (or determine) that data as an analysis result of all biosignal data belonging to a specific cluster are accurate.
  • the clustering management unit 220 dynamically adjusts the accuracy of the analysis result for the plurality of first-type biosignal data analyzed as corresponding to the first type based on the feedback on the analysis result. , and if the calculated accuracy is equal to or higher than a predetermined level, the analysis result data for all biosignal data analyzed to correspond to the first type may be estimated (or determined) to be accurate.
  • the inspection result i.e., feedback
  • the accuracy and reliability of the analysis result data output from the bio-signal analysis model and provided to the inspector can be increased while increasing the The effect of being able to increase efficiency is achieved.
  • the communication unit 230 may perform a function of enabling data transmission/reception from/to the data acquisition unit 210 and the clustering management unit 220 .
  • control unit 240 may perform a function of controlling data flow between the data acquisition unit 210 , the clustering management unit 220 and the communication unit 230 . That is, the controller 240 according to the present invention controls the flow of data from/to the outside of the biosignal analysis system 200 or the flow of data between components of the biosignal analysis system 200, thereby controlling the data acquisition unit 210 ), the clustering management unit 220 and the communication unit 230 may be controlled to perform unique functions.
  • FIG. 3 is a diagram exemplarily illustrating a process of clustering biosignal data according to an embodiment of the present invention.
  • biosignal data may be analyzed as a normal state or an abnormal state through analysis using a biosignal analysis model, and more specifically, among abnormal states, a first type (C 1 ) 310, a second It may be assumed that the second type (C 2 ) or the nth type (C n ) is determined.
  • the biosignal analysis system 200 includes a plurality of first type biosignals determined to correspond to the first type (C 1 ) 310 by the biosignal analysis model.
  • a plurality of first-type biosignal data may be clustered into at least one cluster by performing clustering on the data (320).
  • bio-signal analysis system 200 selects at least one sample bio-signal data from at least one of the plurality of clusters 311, 312, and 313 generated according to the above clustering. can be extracted.
  • bio-signal analysis system 200 refers to the inspector's feedback on the at least one sample bio-signal data extracted as above, and generates a plurality of first-type bio-signal data 310. Clustering may be re-performed (330).
  • the bio-signal analysis system 200 updates the clustering as described above, when the accuracy of the discrimination result for the bio-signal data belonging to a specific cluster or a specific type becomes equal to or higher than a predetermined level. In this case, it is possible to estimate (or determine) that the discrimination result of all biosignal data belonging to the corresponding cluster or the corresponding type is accurate.
  • the embodiment of analyzing the biosignal of arrhythmia has been mainly described, but the disease that can be analyzed according to the present invention is not necessarily limited to arrhythmia, and the scope of achieving the object of the present invention
  • Analysis of sensing data obtained from a plurality of sensors in other diseases for example, whether or not other body organs such as the brain and respiratory system are affected and the type of disease
  • other technical fields for example, device abnormality diagnosis
  • Embodiments according to the present invention described above may be implemented in the form of program instructions that can be executed through various computer components and recorded in a non-temporary computer readable recording medium.
  • the non-transitory computer readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
  • Program instructions recorded on the non-transitory computer readable recording medium may be specially designed and configured for the present invention or may be known and usable to those skilled in the art of computer software.
  • non-transitory computer-readable recording media examples include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROM and DVD, and magneto-optical media such as floptical disks ( magneto-optical media), and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • program instructions include high-level language codes that can be executed by a computer using an interpreter or the like as well as machine language codes such as those produced by a compiler.
  • the hardware device may be configured to act as one or more software modules to perform processing according to the present invention and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 발명의 일 태양에 따르면, 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법으로서, 생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하는 단계, 상기 분석 결과 데이터에 기초하여 상기 복수의 생체 신호 데이터 중 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하고, 상기 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하는 단계, 및 상기 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 군집화를 재수행하는 단계를 포함하는 방법이 제공된다.

Description

생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
본 발명은 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
최근 과학 기술의 비약적인 발전으로 인하여 인류 전체의 삶의 질이 향상되고 있으며, 의료 환경에서도 많은 변화가 발생하고 있다. 특히, 근래에 들어, 병원에 가지 않고 일상 생활 중에 생체 신호를 분석할 수 있는 웨어러블 모니터링 디바이스가 대중들에게 널리 보급되고 있다.
이러한 웨어러블 모니터링 디바이스는 피측정자의 생체 신호를 분석하기 위하여 생체 신호 분석 모델을 탑재하게 되는데, 분석의 정확도를 높이기 위하여 인공지능 기술에 기반하여 구현된 모델을 탑재하는 경우가 많다. 분석의 정확도가 높아지고 있음에도 불구하고, 최종적인 판별 또는 진단을 내리기 위해서는 병원의 의료진(의사 등)이 생체 신호 분석 모델의 분석 결과를 다시 검수하는 과정을 거쳐야 한다.
그런데, 수일 또는 수주에 걸쳐서 측정된 생체 신호 데이터 및 그 생체 신호 데이터에 대한 분석 모델의 분석 결과 데이터는 수만 건에 이를 정도로 방대하기 때문에, 의료진이 분석 모델의 분석 결과를 일일이 검수하는 데에는 많은 시간과 노력이 소요된다는 문제점이 있다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
본 발명은 생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하고, 복수의 생체 신호 데이터 중 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하고, 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하고, 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 군집화를 재수행함으로써, 의료진이 모든 생체 신호 데이터를 검수하지 않고도 생체 신호 분석 모델로부터 출력되는 분석 결과를 효율적으로 검수할 수 있도록 하는 것을 다른 목적으로 한다.
또한, 본 발명은 인공지능 기술에 기반하여 구현되는 생체 신호 분석 모델로부터 출력되어 의료진에게 제공되는 분석 결과 데이터의 정확도 및 신뢰도를 효과적으로 높이는 것을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법으로서, 생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하는 단계, 상기 분석 결과 데이터에 기초하여 상기 복수의 생체 신호 데이터 중 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하고, 상기 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하는 단계, 및 상기 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 군집화를 재수행하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 시스템으로서, 생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하는 데이터 획득부, 및 상기 분석 결과 데이터에 기초하여 상기 복수의 생체 신호 데이터 중 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하고, 상기 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하고, 상기 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 군집화를 재수행하는 군집화 관리부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하기 위한 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 의료진이 모든 생체 신호 데이터를 검수하지 않고도 생체 신호 분석 모델로부터 출력되는 분석 결과를 효율적으로 검수할 수 있게 되는 효과가 달성된다.
또한, 본 발명에 의하면, 인공지능 기술에 기반하여 구현되는 생체 신호 분석 모델로부터 출력되어 의료진에게 제공되는 분석 결과 데이터의 정확도 및 신뢰도를 효과적으로 높일 수 있게 되는 효과가 달성된다.
도 1은 본 발명에 따른 전체 시스템의 구성을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 생체 신호 분석 시스템의 내부 구성을 예시적으로 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따라 생체 신호 데이터를 군집화하는 과정을 예시적으로 나타내는 도면이다.
<부호의 설명>
100: 통신망
200: 생체 신호 분석 시스템
210: 데이터 획득부
220: 군집화 관리부
230: 통신부
240: 제어부
300: 디바이스
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
전체 시스템의 구성
이하, 본 발명에 따른 생체 신호 분석 시스템의 바람직한 실시예에 관하여 상세히 설명하면 다음과 같다.
도 1은 본 발명에 따른 전체 시스템의 구성을 개략적으로 나타내는 도면이다.
도 1에 도시되어 있는 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은, 통신망(100), 생체 신호 분석 시스템(200) 및 디바이스(300)로 구성될 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN, Local Area Network), 도시권 통신망(MAN, Metropolitan Area Network), 광역 통신망(WAN, Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 와이파이(Wi-Fi), 와이파이 다이렉트(Wi-Fi Direct), LTE 다이렉트(LTE Direct), 블루투스(Bluetooth)와 같은 공지의 근거리 무선 통신망을 포함할 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE, Long Term Evolution) 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다. 다른 예를 들면, 통신망(100)은 광 통신망으로서, 라이파이(LiFi, Light Fidelity) 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
다음으로, 본 발명의 일 실시예에 따른 생체 신호 분석 시스템(200)은, 생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하고, 복수의 생체 신호 데이터 중 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하고, 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하고, 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 군집화를 재수행함으로써, 의료진이 모든 생체 신호 데이터를 검수하지 않고도 생체 신호 분석 모델로부터 출력되는 분석 결과를 효율적으로 검수할 수 있도록 하는 기능을 수행할 수 있다.
본 발명의 일 실시예에 따르면, 생체 신호 분석 모델은 분석 대상이 되는 생체 신호 데이터가 부정맥에 해당하는지 여부에 대한 판별 결과를 출력하는 모델일 수 있고, 생체 신호 분석 모델은 분석 대상이 되는 생체 신호 데이터가 어떤 유형의 부정맥에 해당하는지에 대한 판별 결과를 출력하는 모델일 수도 있다. 예를 들면, 본 발명의 일 실시예에 따른 생체 신호 분석 모델은 정상(normal) 및 비정상(abnormal)을 두 가지 유형(클래스)으로 갖는 이진 분류(binary-class) 기반의 인공 신경망으로 구현될 수 있다.
생체 신호 분석 시스템(200)의 기능에 관하여는 아래에서 더 자세하게 알아보기로 한다. 한편, 생체 신호 분석 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 생체 신호 분석 시스템(200)에 요구되는 기능이나 구성요소의 적어도 일부가 필요에 따라 디바이스(300) 내에서 실현되거나 디바이스(300) 내에 포함될 수도 있음은 당업자에게 자명하다.
마지막으로, 본 발명의 일 실시예에 따른 디바이스(300)는 생체 신호 분석 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(300)로서 채택될 수 있다. 디바이스(300)는 스마트 글래스, 스마트 워치, 스마트 패치, 스마트 밴드, 스마트 링, 스마트 넥클리스 등과 같은 웨어러블 디바이스이거나 스마트폰, 스마트 패드, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같은 다소 전통적인 디바이스일 수 있다.
특히, 본 발명의 일 실시예에 따른 디바이스(300)는 인체로부터 소정의 생체 신호를 획득하기 위한 센싱 수단(예를 들면, 접촉 전극, 영상 촬영 장치 등)을 포함할 수 있고, 생체 신호 측정에 관한 다양한 정보를 사용자에게 제공하기 위한 표시 수단을 포함할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 디바이스(300)에는 본 발명에 따른 기능을 수행하기 위한 애플리케이션 프로그램이 더 포함되어 있을 수 있다. 이러한 애플리케이션은 해당 디바이스(300) 내에서 프로그램 모듈의 형태로 존재할 수 있다. 이러한 프로그램 모듈의 성격은 후술할 바와 같은 생체 신호 분석 시스템(200)의 데이터 획득부(210), 군집화 관리부(220), 통신부(230) 및 제어부(240)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
생체 신호 분석 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 생체 신호 분석 시스템(200)의 내부 구성 및 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 생체 신호 분석 시스템의 내부 구성을 예시적으로 나타내는 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 생체 신호 분석 시스템(200)은 데이터 획득부(210), 군집화 관리부(220), 통신부(230) 및 제어부(240)를 포함할 수 있다. 본 발명의 일 실시예에 따르면, 생체 신호 분석 시스템(200)의 데이터 획득부(210), 군집화 관리부(220), 통신부(230) 및 제어부(240)는 그 중 적어도 일부가 외부 시스템(미도시됨)과 통신하는 프로그램 모듈들일 수 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 생체 신호 분석 시스템(200)에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 또한, 이러한 프로그램 모듈들은 생체 신호 분석 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
먼저, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하는 기능을 수행할 수 있다. 본 발명의 일 실시예에 따르면, 생체 신호 분석 모델은 분석의 대상이 되는 생체 신호 데이터가 부정맥에 해당하는지 여부에 대한 분석 결과를 출력하거나 어떤 유형의 부정맥에 해당하는지에 대한 분석 결과를 출력하는 모델일 수 있다.
예를 들어, 본 발명의 일 실시예에 따르면, 생체 신호 분석 모델은, 인공 신경망 등 머신 러닝 알고리즘을 이용하여 피측정자의 생체 신호 데이터를 분석함으로써, 생체 신호 데이터가 부정맥의 관점에서 정상 상태에 해당하는지(아니면 해당하지 않는지)에 관한 스코어를 산출할 수 있다.
다른 예를 들어, 본 발명의 일 실시예에 따르면, 생체 신호 분석 모델은, 인공 신경망 등 머신 러닝 알고리즘을 이용하여 피측정자의 생체 신호 데이터를 분석함으로써, 생체 신호 데이터가 특정 유형의 부정맥에 해당하는지(아니면 해당하지 않는지)에 관한 스코어를 산출할 수 있다.
여기서, 본 발명의 일 실시예에 따르면, 생체 신호 분석 모델에 의하여 산출되는 스코어는 정상 상태에 해당하는지(아니면 해당하지 않는지) 또는 특정 유형의 부정맥에 해당하는지(아니면 해당하지 않는지)에 관한 확률(probability), 벡터(vector), 행렬(matrix) 및 좌표(coordinate) 중 적어도 하나에 관한 값을 포함하는 개념일 수 있다.
한편, 생체 신호 분석 모델에 의하여 분석될 수 있는 생체 신호에는, 심전도(ECG), 근전도(EMG), 뇌파(EEG), 맥파(PPG), 심장 박동, 체온, 혈당, 동공 변화, 혈압, 혈중 용존 산소량 등에 관한 신호가 포함될 수 있다.
다음으로, 본 발명의 일 실시예에 따른 군집화 관리부(220)는, 복수의 생체 신호 데이터 중 생체 신호 분석 모델에 의하여 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행할 수 있다.
여기서, 본 발명의 일 실시예에 따르면, 제1 유형은, 생체 신호 분석 모델에 의하여 판별될 수 있는 유형을 가리키는 최광의의 개념으로서, 부정맥 관점에서의 정상 상태, 부정맥 관점에서의 비정상 상태, 부정맥 중 특정 유형에 해당하는 상태(예를 들면, 심방 조기 수축(Atrial Premature Contraction, APC), 심방세동(A.Fib; Atrial fibrillation), 발작성상실성빈맥(PSVT; Paroxysmal Supra Ventricular Tachycardia), 심실조기수축(VPC; Ventricular Premature Complexes) 등)를 모두 포괄할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 군집화 관리부(220)는, 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터를 적어도 하나의 군집으로 군집화(clustering)할 수 있다. 본 발명의 일 실시예에 따르면, 이렇게 군집화가 수행됨에 따라 같은 군집에 속하게 되는 생체 신호 데이터들은 서로 공통되는 특징(패턴, 특징점, 파형 등)을 포함할 수 있다.
예를 들면, 본 발명의 일 실시예에 따른 생체 신호 데이터 군집화에 이용될 수 있는 알고리즘으로서, k-평균(k-means), 평균 이동(mean shift), 가우스 혼합 모델(Gaussian Mixture Model; GMM), DBSCAN(Density-Based Spatial Clustering of Applications with Noise), 자기 조직화 지도(Self-Organizing Map; SOM) 등을 상정할 수 있지만, 본 발명에 따른 군집화 알고리즘이 반드시 상기 열거된 것에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.
또한, 본 발명의 일 실시예에 따른 군집화 관리부(220)는, 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하는 기능을 수행할 수 있다. 여기서, 본 발명의 일 실시예에 따른 군집화 관리부(220)는, 특정 군집에 속하는 복수의 생체 신호 데이터 중에서 적어도 하나의 표본 생체 신호 데이터를 무작위로(randomly) 선택하여 추출할 수 있다.
본 발명의 일 실시예에 따르면, 생체 정보 분석 시스템(200)에 포함되는 정보 제공부(미도시됨)는 위와 같이 추출되는 적어도 하나의 표본 생체 신호 데이터 및 그에 대한 분석 결과 데이터를 검수자의 디바이스(300)에게 제공할 수 있다.
즉, 본 발명의 일 실시예에 따르면, 위와 같이 추출되어 검수자에게 제공되는 적어도 하나의 표본 생체 신호 데이터의 수(즉, 검수자가 검수해야 하는 생체 신호 데이터의 수)는, 해당 군집에 속하는 생체 신호 데이터 전체의 수에 비하여 소정 수준 이하로 작을 수 있고, 나아가 제1 유형에 해당하는 것으로 판별되는 복수의 제1 유형 생체 신호 데이터 전체의 수에 비하여 소정 수준 이하로 작을 수 있다. 따라서, 본 발명에 의하면, 검수자가 검수해야 하는 생체 신호 데이터의 수를 획기적으로 줄일 수 있게 된다.
또한, 본 발명의 일 실시예에 따른 군집화 관리부(220)는, 위와 같이 추출되는 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 복수의 제1 유형 생체 신호 데이터에 대한 군집화를 재수행할 수 있다.
여기서, 본 발명의 일 실시예에 따르면, 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백은 검수자 디바이스(300)로부터 획득될 수 있다. 구체적으로, 본 발명의 일 실시예에 따르면, 검수자(의사 등 의료진)는, 생체 신호 분석 모델로부터 출력되는 방대한 수의(수만 개의) 생체 신호 데이터에 대한 분석 결과 데이터를 제공받는 대신에, 위와 같이 군집화를 거쳐 추출되는 적은 수의(수십 개 이하의) 표본 생체 신호 데이터에 대한 분석 결과 데이터만 제공받을 수 있고, 이렇게 제공되는 적은 수의 표본 생체 신호 데이터에 분석 결과 데이터만을 검수하여 그 분석 결과 데이터가 정확한지에 관한 피드백(feedback)을 제공할 수 있다.
예를 들면, 생체 신호 분석 모델에 의하여 심방 조기 수축(APC) 유형의 부정맥에 해당한다고 분석된 표본 생체 신호 데이터 A가 표본으로서 추출되어 검수자에게 제공된 경우에, 검수자는 표본 생체 신호 데이터 A 및 그에 대한 분석 결과 데이터를 검수한 후에 그 분석 결과 데이터가 맞다는(혹은 틀리다는) 취지의 피드백을 제공할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 군집화 관리부(220)는, 위의 피드백을 참조하여 복수의 제1 유형 생체 신호 데이터에 대한 군집화를 재수행할 수 있다.
나아가, 본 발명의 일 실시예에 따른 군집화 관리부(220)는 위의 피드백을 참조하여 군집화 알고리즘을 업데이트할 수도 있다.
예를 들어, 표본 생체 신호 데이터 A가 심방 조기 수축(APC) 유형의 부정맥에 해당한다는 분석 결과 데이터가 맞다는 취지의 피드백이 제공되면, 표본 생체 신호 데이터 A는 심방 조기 수축 유형에 대한 군집화 대상(즉, 심방 조기 수축 유형에 해당하는 것으로 분석된 생체 신호 데이터로서 군집화의 대상이 되는 생체 신호 데이터)에 계속해서 남아 있을 수 있다.
다른 예를 들어, 표본 생체 신호 데이터 B가 심방 조기 수축(APC) 유형의 부정맥에 해당한다는 분석 결과 데이터가 틀리다는 취지의 피드백이 제공되면, 표본 생체 신호 데이터 B는 군집화 대상에서 배제될 수 있고, 이에 따라 표본 생체 신호 데이터 B가 배제된 상태에서 군집화가 재수행될 수 있다.
또 다른 예를 들어, 소정 비율(혹은 소정 수) 이상의 표본 생체 신호 데이터에 대하여 심방 조기 수축(APC) 유형의 부정맥에 해당한다는 분석 결과 데이터가 틀리다는 취지의 피드백이 제공되면, 해당 군집에 속하는 모든 생체 신호 데이터가 배제된 상태에서 군집화가 재수행될 수 있다.
또 다른 예를 들어, 어떤 군집 내에서 분석 결과 데이터가 맞다는 취지의 피드백을 받은 표본 생체 신호 데이터와 분석 결과 데이터가 틀리다는 취지의 표본 생체 신호 데이터가 소정 수준 이상으로 혼재되어 나타나는 경우에, 해당 유형에 속하는 생체 신호 데이터에 대하여 적용되는 군집화 알고리즘이 변경될 수도 있다.
이상에서 살펴본 바와 같이, 본 발명에 따르면, 검수자의 피드백을 참조하여 군집화를 반복적으로 수행하게 되고, 이에 따라 특정 군집에 속하는 것으로 군집화된 생체 신호 데이터에서 나타나는 분석 결과의 정확도가 점차 높아질 수 있고, 나아가 여러 군집을 포함하는 특정 유형 내에서 군집화된 모든 생체 신호 데이터에서 나타나는 분석 결과의 정확도가 점차 높아질 수 있다.
본 발명의 일 실시예에 따른 군집화 관리부(220)는, 분석 결과에 대한 피드백에 기초하여 특정 군집에서 추출된 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과의 정확도를 동적으로 산출하고, 이렇게 산출되는 정확도가 소정 수준 이상이면 특정 군집에 속한 모든 생체 신호 데이터에 대한 분석 결과 데이터가 정확한 것으로 추정(또는 결정)되도록 할 수 있다.
또한, 본 발명의 일 실시예에 따른 군집화 관리부(220)는, 분석 결과에 대한 피드백에 기초하여 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대한 분석 결과의 정확도를 동적으로 산출하고, 이렇게 산출되는 정확도가 소정 수준 이상이면 제1 유형에 해당하는 것으로 분석된 모든 생체 신호 데이터에 대한 분석 결과 데이터가 정확한 것으로 추정(또는 결정)되도록 할 수 있다.
따라서, 본 발명에 의하면, 검수자가 생체 신호 분석 모델로부터 출력되는 모든 생체 신호 데이터에 대한 분석 결과 데이터를 전부 검수하지 않고 군집화에 기초하여 추출되는 소수의 표본 생체 신호 데이터에 대한 분석 결과 데이터만 검수하더라도, 그 검수 결과(즉, 피드백)가 모든 생체 신호 데이터에 대한 분석 결과 데이터에 영향을 미치게 할 수 있으므로, 생체 신호 분석 모델로부터 출력되어 검수자에게 제공되는 분석 결과 데이터의 정확도 및 신뢰도를 높이면서도 검수의 효율성을 높을 수 있게 되는 효과가 달성된다.
다음으로, 본 발명의 일 실시예에 따른 통신부(230)는 데이터 획득부(210) 및 군집화 관리부(220)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(240)는 데이터 획득부(210), 군집화 관리부(220) 및 통신부(230) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(240)는 생체 신호 분석 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 생체 신호 분석 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 데이터 획득부(210), 군집화 관리부(220) 및 통신부(230)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
도 3은 본 발명의 일 실시예에 따라 생체 신호 데이터를 군집화하는 과정을 예시적으로 나타내는 도면이다.
도 3을 참조하면, 생체 신호 데이터는 생체 신호 분석 모델에 의한 분석을 거쳐서 정상 상태 혹은 비정상 상태로 판별될 수 있고, 더 구체적으로는, 비정상 상태 중에서 제1 유형(C1)(310), 제2 유형(C2) 또는 제n 유형(Cn)으로 판별되는 경우를 가정할 수 있다.
이러한 경우에, 본 발명의 일 실시예에 따른 생체 신호 분석 시스템(200)은, 생체 신호 분석 모델에 의하여 제1 유형(C1)(310)에 해당하는 것으로 판별된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하여 복수의 제1 유형 생체 신호 데이터를 적어도 하나의 군집으로 군집화할 수 있다(320).
그리고, 본 발명의 일 실시예에 따른 생체 신호 분석 시스템(200)은, 위의 군집화에 따라 생성되는 복수의 군집(311, 312, 313) 중 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출할 수 있다.
그리고, 본 발명의 일 실시예에 따른 생체 신호 분석 시스템(200)은, 위와 같이 추출되는 적어도 하나의 표본 생체 신호 데이터에 대한 검수자의 피드백을 참조하여, 복수의 제1 유형 생체 신호 데이터(310)에 대하여 군집화를 재수행할 수 있다(330).
그리고, 본 발명의 일 실시예에 따른 생체 신호 분석 시스템(200)은, 위와 같이 군집화를 갱신함에 따라 특정 군집 또는 특정 유형에 속하는 생체 신호 데이터에 대한 판별 결과의 정확도가 기설정된 수준 이상이 되는 경우에, 해당 군집 또는 해당 유형에 속하는 생체 신호 데이터 전체의 판별 결과가 정확한 것으로 추정(또는 결정)되도록 할 수 있다.
이상에서는, 부정맥에 관한 생체 신호를 분석하는 실시예에 대하여 주로 설명되어 있지만, 본 발명에 따른 분석 대상이 될 수 있는 질환이 반드시 부정맥에만 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다른 질병(예를 들어, 뇌, 호흡기 등 다른 신체 기관의 질환 여부 및 그 질환 유형)이나 다른 기술 분야(예를 들어, 기기의 이상 진단 분야; 복수의 센서로부터 획득되는 센싱 데이터에 대한 분석 모델로부터 출력되는 데이터를 후처리 또는 가공하는 기술)에까지 얼마든지 이용될 수 있음을 밝혀 둔다.
이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 비일시성의 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 비일시성의 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 비일시성의 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 비일시성의 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (13)

  1. 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법으로서,
    생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하는 단계,
    상기 분석 결과 데이터에 기초하여 상기 복수의 생체 신호 데이터 중 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하고, 상기 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하는 단계, 및
    상기 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 군집화를 재수행하는 단계를 포함하는
    방법.
  2. 제1항에 있어서,
    상기 생체 신호 분석 모델은 상기 복수의 생체 신호 데이터가 부정맥에 해당하는지 여부에 대한 분석 결과 데이터를 출력하거나 상기 복수의 생체 신호 데이터가 어떤 유형의 부정맥에 해당하는지에 대한 분석 결과 데이터를 출력하는
    방법.
  3. 제1항에 있어서,
    상기 적어도 하나의 표본 생체 신호 데이터의 수는 상기 복수의 제1 유형 생체 신호 데이터의 수에 비하여 소정 수준 이하로 작은
    방법.
  4. 제1항에 있어서,
    상기 재수행 단계에서, 군집화에 사용되는 알고리즘이 업데이트되는
    방법.
  5. 제1항에 있어서,
    상기 피드백에 기초하여 특정 군집에서 추출된 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과의 정확도를 동적으로 산출하고, 상기 정확도가 소정 수준 이상이면 상기 특정 군집에 속한 모든 생체 신호 데이터에 대한 분석 결과 데이터가 정확한 것으로 추정되도록 하는
    방법.
  6. 제1항에 있어서,
    상기 피드백에 기초하여 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대한 분석 결과의 정확도를 동적으로 산출하고, 상기 정확도가 소정 수준 이상이면 상기 제1 유형에 해당하는 것으로 분석된 모든 생체 신호 데이터에 대한 분석 결과 데이터가 정확한 것으로 추정되도록 하는
    방법.
  7. 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
  8. 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 시스템으로서,
    생체 신호 분석 모델로부터 복수의 생체 신호 데이터에 대한 분석 결과 데이터를 획득하는 데이터 획득부, 및
    상기 분석 결과 데이터에 기초하여 상기 복수의 생체 신호 데이터 중 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대하여 군집화를 수행하고, 상기 군집화에 의하여 생성되는 적어도 하나의 군집에서 적어도 하나의 표본 생체 신호 데이터를 추출하고, 상기 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과 데이터가 정확한지에 관한 피드백을 참조하여 군집화를 재수행하는 군집화 관리부를 포함하는
    시스템.
  9. 제8항에 있어서,
    상기 생체 신호 분석 모델은 상기 복수의 생체 신호 데이터가 부정맥에 해당하는지 여부에 대한 분석 결과 데이터를 출력하거나 상기 복수의 생체 신호 데이터가 어떤 유형의 부정맥에 해당하는지에 대한 분석 결과 데이터를 출력하는
    시스템.
  10. 제8항에 있어서,
    상기 적어도 하나의 표본 생체 신호 데이터의 수는 상기 복수의 제1 유형 생체 신호 데이터의 수에 비하여 소정 수준 이하로 작은
    시스템.
  11. 제8항에 있어서,
    군집화 관리부는, 군집화를 재수행함에 있어서 군집화에 사용되는 알고리즘을 업데이트하는
    시스템.
  12. 제8항에 있어서,
    상기 군집화 관리부는, 상기 피드백에 기초하여 특정 군집에서 추출된 적어도 하나의 표본 생체 신호 데이터에 대한 분석 결과의 정확도를 동적으로 산출하고, 상기 정확도가 소정 수준 이상이면 상기 특정 군집에 속한 모든 생체 신호 데이터에 대한 분석 결과 데이터가 정확한 것으로 추정되도록 하는
    시스템.
  13. 제8항에 있어서,
    상기 군집화 관리부는, 상기 피드백에 기초하여 제1 유형에 해당하는 것으로 분석된 복수의 제1 유형 생체 신호 데이터에 대한 분석 결과의 정확도를 동적으로 산출하고, 상기 정확도가 소정 수준 이상이면 상기 제1 유형에 해당하는 것으로 분석된 모든 생체 신호 데이터에 대한 분석 결과 데이터가 정확한 것으로 추정되도록 하는
    시스템.
PCT/KR2022/009926 2021-07-16 2022-07-08 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 Ceased WO2023287118A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/412,934 US20240153646A1 (en) 2021-07-16 2024-01-15 Method, system, and non-transitory computer-readable recording medium for managing output data of biosignal analysis model

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20210093828 2021-07-16
KR10-2021-0093828 2021-07-16
KR1020210101667A KR102573416B1 (ko) 2021-07-16 2021-08-02 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
KR10-2021-0101667 2021-08-02

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/412,934 Continuation US20240153646A1 (en) 2021-07-16 2024-01-15 Method, system, and non-transitory computer-readable recording medium for managing output data of biosignal analysis model

Publications (1)

Publication Number Publication Date
WO2023287118A1 true WO2023287118A1 (ko) 2023-01-19

Family

ID=84920433

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/009926 Ceased WO2023287118A1 (ko) 2021-07-16 2022-07-08 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Country Status (2)

Country Link
US (1) US20240153646A1 (ko)
WO (1) WO2023287118A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110113392A (ko) * 2010-04-09 2011-10-17 한국 한의학 연구원 유비쿼터스 헬스 케어 서비스 방법
KR101756827B1 (ko) * 2016-02-18 2017-07-11 주식회사 핸디소프트 생체정보 기반의 이상징후 알림 시스템 및 이를 이용한 이상징후 알림 방법
KR20190083919A (ko) * 2018-01-05 2019-07-15 주식회사 옴니씨앤에스 정신 건강을 진단하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
JP6661839B1 (ja) * 2018-07-23 2020-03-11 三菱電機株式会社 時系列データ診断装置、追加学習方法およびプログラム
KR102141617B1 (ko) * 2019-11-25 2020-08-05 주식회사 휴이노 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3263032B1 (en) * 2003-12-09 2024-01-24 Dexcom, Inc. Signal processing for continuous analyte sensor
US8346772B2 (en) * 2010-09-16 2013-01-01 International Business Machines Corporation Systems and methods for interactive clustering
EP3865056B1 (en) * 2012-09-14 2025-11-05 InteraXon Inc. Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
US9427169B2 (en) * 2013-05-08 2016-08-30 Cardioinsight Technologies, Inc. Analysis and detection for arrhythmia drivers
US10765379B2 (en) * 2017-05-01 2020-09-08 Cardiac Pacemakers, Inc. Systems and methods for medical alert management
US20200237240A1 (en) * 2019-01-28 2020-07-30 Mediatek Inc. Vital-sign estimation apparatus and calibration method for vital-sign estimator

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110113392A (ko) * 2010-04-09 2011-10-17 한국 한의학 연구원 유비쿼터스 헬스 케어 서비스 방법
KR101756827B1 (ko) * 2016-02-18 2017-07-11 주식회사 핸디소프트 생체정보 기반의 이상징후 알림 시스템 및 이를 이용한 이상징후 알림 방법
KR20190083919A (ko) * 2018-01-05 2019-07-15 주식회사 옴니씨앤에스 정신 건강을 진단하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
JP6661839B1 (ja) * 2018-07-23 2020-03-11 三菱電機株式会社 時系列データ診断装置、追加学習方法およびプログラム
KR102141617B1 (ko) * 2019-11-25 2020-08-05 주식회사 휴이노 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Also Published As

Publication number Publication date
US20240153646A1 (en) 2024-05-09

Similar Documents

Publication Publication Date Title
KR102886070B1 (ko) 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
Gradl et al. Real-time ECG monitoring and arrhythmia detection using Android-based mobile devices
WO2020141807A2 (ko) 딥러닝을 이용한 정상동율동 심전도 상태에서의 발작성 심방세동 예측방법
KR20140063100A (ko) 원격 심질환 관리 장치 및 방법
WO2019035639A1 (ko) 딥러닝 기반의 패혈증 조기 감지방법 및 프로그램
WO2022119155A1 (ko) 설명 가능한 다중 심전도 부정맥 진단 장치 및 방법
Bridge et al. Artificial intelligence to detect abnormal heart rhythm from scanned electrocardiogram tracings
WO2024049052A1 (ko) 복합 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2023048502A1 (ko) 심전도를 기초로 갑상선 기능 장애를 진단하는 방법, 프로그램 및 장치
KR102573416B1 (ko) 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2023287118A1 (ko) 생체 신호 분석 모델의 출력 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2025023629A1 (ko) 심정지 및 사망에 관한 위험도를 추정하기 위한 방법 및 시스템
WO2022158843A1 (ko) 조직 검체 이미지 정제 방법, 및 이를 수행하는 컴퓨팅 시스템
WO2020091229A1 (ko) 인공 신경망을 이용하여 부정맥을 인식하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2022119347A1 (ko) 초음파 영상 기반의 딥 러닝을 통한 관상동맥 경화반 조직 분석 방법, 장치 및 기록매체
WO2024049053A1 (ko) 클러스터링을 이용하여 생체 신호 분석을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2023003236A1 (ko) 생체 신호 분석 모델의 학습 데이터를 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
CN118557166A (zh) 一种基于心电数据的心功能检测系统、存储介质及装置
WO2024043749A1 (ko) 심전도 분석을 위한 사용자 인터페이스를 제공하는 방법 및 장치
WO2023182622A1 (ko) 동맥 및 정맥을 기준으로 안저 영상을 표준화하는 방법 및 영상처리장치
WO2023140453A1 (ko) 운동 장애 관련 정보제공방법 및 이에 사용되는 장치
WO2024019575A1 (ko) 심전도를 이용한 건강 상태의 예측 방법, 프로그램 및 장치
WO2025105848A1 (ko) 심전도 판독 정보를 제공하는 방법, 프로그램 및 장치
WO2025230144A1 (ko) 추론 모델을 이용하여 생체 신호 데이터에 대한 레이블링을 하기 위한 방법 및 시스템
CN115862843B (zh) 心肌肌钙蛋升高类型、心血管疾病的辅助判识系统及设备

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22842380

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22842380

Country of ref document: EP

Kind code of ref document: A1