KR101870121B1 - 심층신경망을 이용한 혈류상태 분석시스템, 방법 및 프로그램 - Google Patents

Abstract

본 발명은 심층신경망을 이용한 혈류상태 분석시스템, 방법 및 프로그램에 관한 것이다.
본 발명의 일실시예에 따른 심층신경망을 이용한 혈류상태 분석방법은, 하나 이상의 컴퓨터로 된 분석서버가 하나 이상의 사용자의 특정한 신체부위에 부착 또는 착용되는 음향측정장치로부터 획득된 입력혈류음파신호를 수신하는 단계(S100); 상기 분석서버가 입력혈류음파신호를 누적하여 학습신호데이터를 생성하는 학습신호데이터생성단계(S200); 하나 이상의 컴퓨터에 의해, 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해 혈류상태정보를 획득하되, 상기 혈류상태정보는 정상혈류정보 및 이상특징정보를 포함하는, 혈류상태정보획득단계(S300); 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해, 상기 이상특징정보에 부합하는 이상상황데이터를 탐색하여 매칭하는 단계(S400); 실시간으로 획득되는 특정한 사용자의 입력혈류음파신호 내에서 이상특징정보를 탐색하는 단계(S500); 및 상기 이상특징정보와 이상상황의 매칭관계를 기반으로, 특정한 이상상황의 발생을 예측하는 단계(S600);를 포함한다.
본 발명에 따르면, 혈류음파신호를 이용하여 혈류상태를 진단하여 사용자의 특정 신체부위의 혈관에 이상증상 발생을 예측할 수 있다.

Description

심층신경망을 이용한 혈류상태 분석시스템, 방법 및 프로그램 {SYSTEM, METHOD AND PROGRAM FOR ANALYZING BLOOD FLOW BY DEEP NEURAL NETWORK}

본 발명은 심층신경망을 이용한 혈류상태 분석시스템, 방법 및 프로그램에 관한 것으로, 보다 자세하게는 특정한 신체부위의 혈류음파신호를 분석하여 이상상태의 발생을 예측하는 시스템, 방법 및 프로그램에 관한 것이다.

IT 기술의 발전에 힘입어 건강에 대한 관심이 더욱 증가 되어, 외부 헬스케어 센터와 연결하여 의료기기나 생체정보센서를 이용하여 사용자의 건강상태를 댁내에서 측정하고 측정정보를 원격으로 전송하는 홈 헬스케어 서비스가 점차 홈 네트워크 환경에서 새로운 서비스로 부각되고 있다.

또한, 사회적으로 인구 노령화가 지속되어 실버산업이 발전할 것으로 예상되며, 독신자의 비율이 사회 전체적으로 크게 증가하면서, 환자 이외에도 노약자, 장애인, 독거인 등의 건강을 증진하고, 질병을 예방하며 관리에 활용할 수 있어서 홈 헬스케어 서비스는 각광을 받고 있다.

최근 기술이 발전함에 따라 간단한 생체데이터를 획득하여 외부로 전송하는 헬스케어 디바이스뿐만 아니라, 의료 진단까지 어느 정도 수행할 수 있는 헬스케어 디바이스들이 등장하고 있다.

한국공개특허공보 10-2010-0008832, 2010.01.27.

심층분석망을 이용한 딥러닝 알고리즘을 사용자의 특정 신체부위에 대한 혈류음파신호에 적용하여, 혈류 변화에 따른 특정한 증상 또는 질환의 발생을 인식 또는 예측함에 따라 위험 상황을 사전 예방할 수 있는, 심층신경망을 이용한 혈류상태 분석시스템, 방법 및 프로그램을 제공하고자 한다.

본 발명의 일실시예에 따른 심층신경망을 이용한 혈류상태 분석방법은, 하나 이상의 컴퓨터로 된 분석서버가 하나 이상의 사용자의 특정한 신체부위에 부착 또는 착용되는 음향측정장치로부터 획득된 입력혈류음파신호를 수신하는 단계; 상기 분석서버가 입력혈류음파신호를 누적하여 학습신호데이터를 생성하는 학습신호데이터생성단계; 하나 이상의 컴퓨터에 의해, 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해 혈류상태정보를 획득하되, 상기 혈류상태정보는 정상혈류정보 및 이상특징정보를 포함하는, 혈류상태정보획득단계; 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해, 상기 이상특징정보에 부합하는 이상상황데이터를 탐색하여 매칭하는 단계; 실시간으로 획득되는 특정한 사용자의 입력혈류음파신호 내에서 이상특징정보를 탐색하는 단계; 및 상기 이상특징정보와 이상상황의 매칭관계를 기반으로, 특정한 이상상황의 발생을 예측하는 단계;를 포함하며, 상기 이상특징정보는, 정상혈류정보에서 특정기준을 벗어나는 데이터로서, 이상혈류상태에 상응하는 것이며, 상기 이상상황은 특정한 상기 이상특징정보 탐색 이후에 발생할 것으로 예상되는 질환 또는 증상인 것을 특징으로 한다.

또한, 상기 음향측정장치는, 도플러효과를 통해 혈류의 음파신호를 획득하는 것을 특징으로 할 수 있다.

또한, 상기 분석서버가 이상상황 예측결과를 상기 음향측정장치 또는 이동단말기로 전송하여, 알림요청을 전송하는 단계;를 더 포함할 수 있다.

또한, 실시간으로 상기 입력혈류음파신호의 그래프를 생성하고, 상기 그래프 내 상기 이상특징정보에 상응하는 영역에 식별표지를 표시하는 단계;를 더 포함할 수 있다.

또한, 상기 입력혈류음파신호에 상응하는 신체부위를 인식하는 단계;를 더 포함할 수 있다.

또한, 분석서버가 예측되는 상기 이상상황에 부합하는 대처방안을 산출하여 사용자 클라이어트로 전송하는 단계;를 더 포함할 수 있다.

또한, 특정한 제1이상특징정보에 대응되는 이상상황이 복수 개 존재하는 경우, 상기 이상상황발생 예측단계는, 분석서버가 상기 제1이상특징정보 이후에 발생할 수 있는 복수의 이상상황을 추출하는 단계; 각 이상상황별로 제1이상특징정보 발생 이후에 등장하는 제2이상특징정보를 추출하는 단계; 및 각 이상상황별 제2이상특징정보의 등장여부를 실시간으로 확인하고, 상기 제1이상특징정보 및 실시간으로 확인된 제2이상특징정보에 대응하는 이상상황을 추출하는 단계;를 포함할 수 있다.

또한, 분석서버가 상기 제1이상특징정보에 의해 도출된 복수의 이상상황에 공통적으로 대응하기에 적합한 대응방안을 도출하여 사용자 클라이언트로 제공하는 단계;를 더 포함할 수 있다.

또한, 특정한 주기마다 특정한 이상특징정보가 입력혈류음파신호 분석을 통해 발견되거나 특정기간 내에 특정 횟수만큼의 이상특징정보가 발견되면, 분석서버가 상기 사용자를 위험군으로 분류하는 단계를 더 포함할 수 있다.

본 발명의 다른 일실시예에 따른 심층신경망을 이용한 혈류상태 분석프로그램은, 하드웨어와 결합되어 상기 언급된 심층신경망을 이용한 혈류상태 분석방법을 실행하며, 매체에 저장된다.

첫째, 혈류음파신호를 이용하여 혈류상태를 진단하여 사용자의 특정 신체부위의 혈관에 이상증상 발생을 예측할 수 있다.

둘째, 분석서버가 구축된 혈류음파신호 빅데이터를 심층분석망을 통해 분석하므로, 빅데이터 구축만으로 신체부위별 혈류음파신호의 특징정보, 이상특징정보 등을 파악할 수 있는 효과가 있다.

셋째, 분석서버는, 특정한 혈류음파신호를 획득한 신체부위를 직접 입력하지 않아도, 심층분석망을 이용한 특징 추출을 통해 자동으로 측정부위를 파악할 수 있다.

도 1은 본 발명의 일실시예에 따른 심층신경망을 이용한 혈류상태 분석시스템의 구성도이다.
도 2는 본 발명의 실시예들에 적용 가능한 심층신경망 중 하나의 연결구조도이다.
도 3는 본 발명의 일실시예에 따른 심층신경망을 이용한 심층신경망을 이용한 혈류상태 분석방법에 대한 순서도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.

본 명세서에서 컴퓨터는 연산처리를 수행하여 사용자에게 결과를 시각적으로 제시할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다. 또한, 컴퓨터는 의료영상을 획득하거나 관찰하는 의료장비도 해당될 수 있다. 또한, 컴퓨터는 다양한 클라이언트 컴퓨터와 연결되는 서버 컴퓨터가 해당될 수 있다.

본 명세서에서 혈류음파신호는, 혈관에 대해 입력되는 입력음파가 혈류의 상태가 반영되어 반사된 신호를 의미한다. 예를 들어, 혈류음파신호는, 특정한 신체부위의 혈관에 대해 초음파를 제공하면, 혈관에 반사되면서 혈류 흐름의 영향을 받아 도플러 효과가 적용된 음파신호일 수 있다.

이하, 도면을 참조하여 본 발명의 실시예들에 따른 심층신경망을 이용한 혈류상태 분석시스템, 방법 및 분석프로그램에 대해 설명하기로 한다.

분석서버(100)는 하나 이상의 컴퓨터로 구성되어 심층신경망을 형성하여 혈류음파신호를 분석하는 역할을 수행한다.

본 발명의 실시예들에 따른 심층신경망(Deep Neural Network; DNN)은, 하나 이상의 컴퓨터 내에 하나 이상의 레이어(Layer)를 구축하여 복수의 데이터를 바탕으로 판단을 수행하는 시스템 또는 네트워크를 의미한다. 예를 들어, 심층신경망은 컨볼루션 풀링 층(Convolutional Pooling Layer), 로컬 접속 층(a locally-connected layer) 및 완전 연결 층(fully-connected layer)을 포함하는 층들의 세트로 구현될 수 있다. 컨볼루션 풀링 층 또는 로컬 접속 층은 영상 내 특징들을 추출하도록 구성 될 수 있다. 완전 연결 층은 영상의 특징 간의 상관 관계를 결정할 수 있다. 일부 실시 예에서, 심층신경망의 전체적인 구조는 컨볼루션 풀링 층에 로컬 접속 층이 이어지고, 로컬 접속 층에 완전 연결 층이 이러지는 형태로 이루어질 수 있다. 심층신경망은 다양한 판단기준(즉, 파라미터(Parameter))를 포함할 수 있고, 입력되는 영상 분석을 통해 새로운 판단기준(즉, 파라미터)를 추가할 수 있다.

본 발명의 실시예들에 따른 심층신경망은, 도 2에서와 같이, 영상분석에 적합한 콘볼루셔널 신경망이라고 부르는 구조로서, 주어진 영상 데이터들로부터 가장 분별력(Discriminative Power)가 큰 특징을 스스로 학습하는 특징 추출층(Feature Extraction Layer)와 추출된 특징을 기반으로 가장 높은 예측 성능을 내도록 예측 모델을 학습하는 예측층(Prediction Layer)이 통합된 구조로 구성될 수 있다.

특징 추출층은 영상의 각 영역에 대해 복수의 필터를 적용하여 특징 지도(Feature Map)를 만들어 내는 콘볼루션 층(Convolution Layer)과 특징 지도를 공간적으로 통합함으로써 위치나 회전의 변화에 불변하는 특징을 추출할 수 있도록 하는 통합층(Pooling Layer)을 번갈아 수 차례 반복하는 구조로 형성될 수 있다. 이를 통해, 점, 선, 면 등의 낮은 수준의 특징에서부터 복잡하고 의미 있는 높은 수준의 특징까지 다양한 수준의 특징을 추출해낼 수 있다.

콘볼루션 층은 입력 영상의 각 패치에 대하여 필 터와 국지 수용장(Local Receptive Field)의 내적에 비선형 활성 함수(Activation Function)을 취함으로 서 특징지도(Feature Map)을 구하게 되는데, 다른 네트워크 구조와 비교하여, CNN은 희소한 연결성 (Sparse Connectivity)과 공유된 가중치(Shared Weights)를 가진 필터를 사용하는 특징이 있다. 이러한 연결구조는 학습할 모수의 개수를 줄여주고, 역전파 알고리즘을 통한 학습을 효율적으로 만들어 결과적으로 예측 성능을 향상 시킨다.

통합 층(Pooling Layer 또는 Sub-sampling Layer)은 이전 콘볼루션 층에서 구해진 특징 지도의 지역 정보를 활용하여 새로운 특징 지도를 생성한다. 일반적으로 통합 층에 의해 새로 생성된 특징지도는 원래의 특징 지도보다 작은 크기로 줄어드는데, 대표적인 통합 방법으로는 특징 지도 내 해당 영역의 최대값을 선택하는 최대 통합(Max Pooling)과 특징 지도 내 해당 영역의 평균값을 구하는 평균 통합(Average Pooling) 등이 있다. 통합 층의 특징지도는 일반적으로 이전 층의 특징 지도보다 입력 영상에 존재하는 임의의 구조나 패턴의 위치에 영향을 적게 받을 수 있다. 즉, 통합층은 입력 영상 혹은 이전 특징 지도에서의 노이즈나 왜곡과 같은 지역적 변화에 보다 강인한 특징을 추출할 수 있게 되고, 이러한 특징은 분류 성능에 중요한 역할을 할 수 있다. 또 다른 통합 층의 역할은, 깊은 구조상에서 상위의 학습 층으로 올라갈수록 더 넓은 영역의 특징을 반영할 수 있게 하는 것으로서, 특징 추출 층이 쌓이면서, 하위 층에서는 지역적인 특징을 반영하고 상위 층으로 올라 갈수록 보다 추상적인 전체 영상의 특징을 반영하는 특징 생성할 수 있다.

이와 같이, 콘볼루션 층과 통합 층의 반복을 통해 최종적으로 추출된 특징은 다중 신경망(MLP: Multi-layer Perception)이나 서포트 벡터 머신(SVM: Support Vector Machine)과 같은 분류 모델이 완전 연결 층(Fully-connected Layer)의 형태로 결합되어 분류 모델 학습 및 예측에 사용될 수 있다.

다만, 본 발명의 실시예들에 따른 심층신경망의 구조는 이에 한정되지 아니하고, 다양한 구조의 신경망으로 형성될 수 있다.

클라이언트는 사용자의 혈류음파신호를 측정하는 장치(즉, 음향측정장치(200)) 또는 분석서버(100)의 혈류상태 분석결과를 제공하는 장치(즉, 출력장치(300))를 포함할 수 있다.

음향측정장치(200)는 혈류음파신호를 측정하여 분석서버(100)로 전송하는 장치에 해당할 수 있다. 음향측정장치(200)를 초음파기기를 포함할 수 있고, 다양한 웨어러블 장치를 포함할 수 있다. 예를 들어, 음향측정장치(200)가 목걸이형 웨어러블 장치(예를 들어, 목걸이형 블루투스 이어폰 장치)에 해당하는 경우, 목걸이형 웨어러블 장치가 경동맥이 지나는 지점의 피부에 배치되어 경동맥의 혈류상태(예를 들어, 혈류속도, 이상혈류 발생 여부 등)를 측정할 수 있다.

또한, 예를 들어, 음향측정장치는 소형화된 도플러센서를 구비할 수 있다. 음향측정장치가 환자의 경동맥 쪽으로 소형화된 도플러 센서가 배치됨에 따라 혈류신호(예를 들어, 경동맥 쪽으로 입력된 음파속도와 반사된 후 돌아오는 음파속도의 차이)를 측정할 수 있다.

또한, 예를 들어, 음향측정장치(200)가 발찌형태의 웨어러블 장치인 경우, 발목 주변의 피부에 배치되어 당뇨 증상에 따른 혈류막힘을 인식할 수 있다. 또한, 음향측정장치(200)가 복부 장기에 인접한 피부에 부착하는 장치인 경우, 사용자는 혈관촬영을 하지 않고서도 종양의 혈관분포 및 혈행역학(Hemodynamics)을 파악할 수 있어서 종양 상태의 변화, 종양의 감별진단, 치료 필요여부 판단을 제공받을 수 있다.

본 발명의 일실시예에 따른 출력장치(300)는 분석서버(100)로부터 혈류상태 분석결과를 수신하여 다양한 방식으로 사용자에게 혈류상태 분석결과를 제공할 수 있다. 예를 들어, 출력장치(300)는 디스플레이부를 구비하여, 혈류상태 분석결과를 시각적으로 표시하여 사용자에게 제공할 수 있다. 또한, 이상혈류가 발생하였다는 혈류상태 분석결과를 수신하는 경우, 출력장치(300)는 진동을 발생하여 사용자에게 해당 부위에 이상혈류가 발생하였음을 알릴 수 있다. 다만, 출력장치(300)가 사용자에게 혈류상태 분석결과를 제공하는 방식은 이에 한정되지 아니하고, 음향출력 등의 사용자에게 제공할 수 있는 다양한 출력방식을 활용할 수 있다. 또한, 본 발명의 일실시예에 따른 출력장치(300)는 이동단말기를 포함할 수 있다.

음향측정장치(200)와 출력장치(300)는 하나의 장치로 구현될 수도 있다. 예를 들어, 착용형 음향측정장치(200)(예를 들어, 목걸이형 음향측정장치(200))에 진동모듈이 포함되어, 분석서버(100)로부터 혈류상태 분석결과를 수신하면 진동을 통해 사용자에게 알림을 요청할 수 있다. 또한, 예를 들어, 음향측정장치(200)를 이동단말기의 인터페이스부(예를 들어, 유/무선 헤드셋 포트, 외부 충전기 포트, 유/무선 데이터 포트, 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트, 오디오 I/O(Input/Output) 포트, 비디오 I/O(Input/Output) 포트, 이어폰 포트 등)에 결합할 수 있는 모듈로 제작하여, 이동단말기에 결합한 음향측정모듈을 특정신체부위에 접촉하여 혈류음파신호를 측정하고, 그에 따른 분석결과를 이동단말기의 디스플레이부 상에 표시할 수 있다.

본 발명의 일실시예에 따른 음향측정장치(200)는 도플러효과를 통해 혈류의 음파신호를 획득할 수 있다. 예를 들어, 음향측정장치(200)는 초음파를 신체 내부로 발생하여 제공하고, 도플러 효과에 따른 반사파를 혈류음파신호로 획득할 수 있다.

음파는 매질을 따라 진행하다가 성질이 다른 매질을 만나면 그 경계면 에서 반사가 일어나는데 이 되돌아온 음파를 전기신호로 바꾸어 영상 또는 그래프로 나타낼 수 있다. 그런데 음파와 물체간의 상호작용 중에는 이러한 반사 외에 여러 가지 작용이 있는데 그 중에 하나가 도플러 효과(Doppler Effect)일 수 있다. 도플러 효과는 음파가 움직이는 물체에 부딪히면 탐촉자에서 내보낸 음파의 주파수와 되돌아오는 음파의 주파수가 차이가 생기게 되는 현상으로서 음원(Sound source)으로부터 멀어지는 물체에 부딪히면 원래의 주파수보다 떨어지고 음원으로 다가오는 물체에 부딪히면 주파수가 증가하게 되는 현상이다.

본 발명의 일실시예에 따른 음향측정장치(200)는 파형도플러(spectral Doppler) 초음파 검사 방식을 이용할 수 있다. 파형 도플러 검사는 연속파(continuous wave)를 사용하는 방식, 일정한 간격을 두고 초음파를 끊어서 보내는 펄스파(pulsed wave) 사용 방식 등을 적용할 수 있다. 특히, 연속파 방식은 한 단면에 한 개의 혈관만 존재하는 부위에 유용하게 사용될 수 있다.

이러한 파형도플러 검사로서 알 수 있는 것은 혈류의 존재 유무 및 혈류량 뿐 아니라 혈류의 수축기 최고속도(peak systolic velocity), 이완기 최저속도(end diastolic velocity), 가속시간(acceleration time), 감속시간(deceleration time)등을 알 수 있고, 이러한 정보를 바탕으로 저항지수(Resistive Index), 박동지수(Pulsatility Index), 가속시간지수(Acceleration Time Index) 등을 측정하여 혈류역동(hemodynamics)에 관한 많은 정보를 파악할 수 있다.

따라서, 심층신경망을 이용한 혈류상태 분석시스템은 다음과 같이 혈류상태 분석을 수행할 수 있다. 분석서버(100)는 제1클라이언트에 해당하는 음향측정장치(200)가 도플러효과 등을 통해 획득한 입력혈류음파신호를 유무선통신을 통해 수신할 수 있고, 수신된 입력혈류음파신호를 심층분석망을 이용한 딥러닝을 통해 분석할 수 있다. 그 후, 분석서버(100)는 혈류상태 분석결과를 산출하여 출력장치(300)로 송신하여 사용자에게 알림을 제공할 수 있다.

이하, 도면을 참조하여 본 발명의 실시예들에 따른 심층신경망을 이용한 혈류상태 분석방법에 대해 설명하기로 한다.

도 3은 본 발명의 일실시예에 따른 심층신경망을 이용한 혈류상태 분석방법에 대한 순서도이다.

도 3을 참조하면,

하나 이상의 컴퓨터로 된 분석서버가 하나 이상의 사용자의 특정한 신체부위에 부착 또는 착용되는 음향측정장치로부터 획득된 입력혈류음파신호를 수신하는 단계(S100); 상기 분석서버가 입력혈류음파신호를 누적하여 학습신호데이터를 생성하는 학습신호데이터생성단계(S200); 하나 이상의 컴퓨터에 의해, 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해 혈류상태정보를 획득하되, 상기 혈류상태정보는 정상혈류정보 및 이상특징정보를 포함하는, 혈류상태정보획득단계(S300); 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해, 상기 이상특징정보에 부합하는 이상상황데이터를 탐색하여 매칭하는 단계(S400); 실시간으로 획득되는 특정한 사용자의 입력혈류음파신호 내에서 이상특징정보를 탐색하는 단계(S500); 및 상기 이상특징정보와 이상상황의 매칭관계를 기반으로, 특정한 이상상황의 발생을 예측하는 단계(S600);를 포함한다. 본 발명의 일 실시예에 따른 심층신경망을 이용한 혈류상태 분석방법을 순서대로 설명한다.

하나 이상의 컴퓨터로 된 분석서버가 하나 이상의 사용자의 특정한 신체부위에 부착 또는 착용되는 음향측정장치로부터 획득된 입력혈류음파신호를 수신한다(S100). 입력혈류음파신호는 혈류상태 진단을 위해 사용자의 특정 신체부위로부터 음향측정장치(200)를 통해 획득되는 혈류음파신호를 의미할 수 있다. 예를 들어, 분석서버(100)는 음향측정장치(200)로부터 획득된 입력혈류음파신호를 유선 또는 무선통신을 통해 수신할 수 있다. 또한, 예를 들어, 분석서버(100)는 음향측정장치(200)를 통해 획득되어 저장되어 있는 특정한 입력혈류음파신호를 불러올 수 있다. 상기 음향측정장치는, 도플러효과를 통해 혈류의 음파신호를 획득하는 것을 특징으로 할 수 있다.

상기 분석서버가 입력혈류음파신호를 누적하여 학습신호데이터를 생성한다(S200; 학습신호데이터생성단계). 분석서버(100)는 심층신경망을 이용하여, 혈류상태 분석기준을 생성하기 위해 하나 이상의 사용자가 사용하는 하나 이상의 음향측정장치(200)로부터 수신한 혈류음파신호를 누적할 수 있다. 분석서버는 복수의 사용자로부터 특정한 신체부위에 대해 혈류음파신호를 수신할 수 있고, 하나의 사용자의 복수의 신체부위로부터 혈류음파신호를 수신할 수 있다. 분석서버는 신체부위별로 혈류음파신호를 분류하여 학습신호데이터를 생성할 수 있다. 또한, 사용자의 신상정보(예를 들어, 성별, 나이, 신체조건, 직업 등)을 획득하는 경우, 사용자는 빅데이터로 형성된 혈류음파신호를 사용자의 상태에 영향을 미치는 요소에 따라 분류하여 학습신호데이터를 생성할 수도 있다.

분석서버가, 하나 이상의 컴퓨터에 의해, 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해 혈류상태정보를 획득한다(S300; 혈류상태정보획득단계). 상기 혈류상태정보는 정상혈류정보 및 이상특징정보를 포함할 수 있다. 상기 이상특징정보는, 정상혈류정보에서 특정기준을 벗어나는 데이터로서, 이상혈류상태에 상응하는 것일 수 있다. 즉, 분석서버(100)는 누적된 학습신호데이터를 학습하여 분석기준을 생성할 수 있다.

하나 이상의 컴퓨터로 구현되는 분석서버(100)는 다양한 방식으로 이상혈류를 인식하기 위한 분석기준을 생성할 수 있다. 혈류상태정보 획득방식의 일실시예로, 혈류상태정보획득단계 (S300)는, 학습신호데이터의 분석을 통해 정상음파신호를 산출하는 단계; 및 상기 입력혈류음파신호가 상기 정상음파신호를 기준으로 형성된 특정범위를 초과하는지 여부를 판단하는 단계;를 더 포함할 수 있다. 즉, 분석서버(100)는 심층분석망을 이용하여 학습신호데이터의 분석을 수행하여 정상음파신호를 산출할 수 있다. 예를 들어, 분석서버(100)가 특정 신체부위에 대해 누적된 혈류음파신호를 학습하여 정상 혈류신호범위를 생성할 수 있다. 그 후, 분석서버(100)는 입력혈류음파신호가 정상음파신호를 기준으로 형성된 특정범위(즉, 정상범위)를 초과하는지 여부를 판단할 수 있다.

또한, 혈류상태정보 획득방식의 다른 일실시예로, 혈류상태정보획득단계 (S300)는, 학습신호데이터에서 이상특징정보를 추출하는 단계;를 포함할 수 있다. 즉, 분석서버(100)는 심층신경망을 이용하여 학습신호데이터에서 특정 신체부위에 대한 혈류음파신호의 예외적으로 발생하는 이상특징을 추출해낼 수 있다.

분석서버는 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해, 상기 이상특징정보에 부합하는 이상상황데이터를 탐색하여 매칭한다(S400). 상기 이상상황은 특정한 상기 이상특징정보 탐색 이후에 발생할 것으로 예상되는 질환 또는 증상일 수 있다. 상기 이상상황은, 예를 들어, 혈류의 특정한 이상특징이 발생하는 경우의 질병 등에 해당할 수 있다.

구체적으로 설명하면, 분석서버(100)는 환자로부터 획득된 학습신호데이터 분석을 통해 특정한 상황이 발생하기 전에 등장하는 이상특징정보(즉, 정상상태에서 등장하지 않는 이상특징정보)를 파악할 수 있다. 분석서버는 이상특징정보에 상응하는 상황데이터(즉, 특정한 증상 또는 질환이 발생하는 이상상황)을 매칭하여 저장할 수 있다. 예를 들어, 분석서버는 특정한 환자에게 특정한 이상특징정보가 발생한 후의 어떠한 질환 또는 증상이 나타났었는지를 파악하여, 이상특징정보와 장래 발생할 이상상황 간의 매칭관계를 형성할 수 있다. 이를 위해, 분석서버(100)는 사용자의 혈류음파신호데이터 및 획득시점을 저장하고, 사용자에게 발생한 질환/증상 및 발생시점도 저장하여, 이상특징정보와 이상상황의 매칭관계 산출 시에 활용할 수 있다.

분석서버는 실시간으로 획득되는 특정한 사용자의 입력혈류음파신호 내에서 이상특징정보를 탐색한다(S500). 즉, 분석서버(100)는 각 환자의 하나 이상의 음향측정장치로부터 특정한 시점의 혈류음파신호데이터를 실시간으로 수신하여 특정한 이상특징정보의 포함여부를 탐색할 수 있다.

그 후, 분석서버는 상기 이상특징정보와 이상상황의 매칭관계를 기반으로, 특정한 이상상황의 발생을 예측한다(S600). 분석서버(100)는 특정한 이상특징정보가 발견되면 이에 매칭된 이상상황을 도출할 수 있고, 사용자(예를 들어, 환자)에게 해당 이상상황이 발생될 수 있다고 판단할 수 있다.

또한, 분석서버는 이상특징정보를 누적하여 혈류상태의 이상상황을 예측할 수 있다. 일실시예로, 분석서버는 특정기간 내에 주기적으로 이상특징정보를 사용자 클라이언트로부터 수신할 수 있다. 예를 들어, 분석서버는 아침, 점심, 저녁의 이상특징정보를 수신할 수 있다. 아침, 점심, 저녁에 획득된 측정값 자체에서는 이상이 없으나, 측정값의 변화가 크면 이상상황으로 판단할 수 있다. 또한, 예를 들어, 분석서버는 날마다 측정되는 혈류음파신호 값의 변화를 파악하고, 측정값 변화를 바탕으로 사용자에게 예상되는 질환 또는 증상을 예측할 수 있다, 또한, 분석서버는 예측된 질환 또는 증상에 상응하는 대처방안을 제시할 수 있다.

또한, 상기 분석서버가 이상상황 예측결과를 상기 음향측정장치 또는 이동단말기로 전송하여, 알림요청을 전송하는 단계;를 더 포함할 수 있다. 즉, 분석서버(100)는 예상되는 이상상황에 대한 알림을 환자에게 제공할 수 있다. 이를 통해, 분석서버는 환자에게 이상특징정보가 발생된 시점에 이상상황 발생을 대비하도록 알림을 제공할 수 있다.

또한, 분석서버(100)는 예상되는 이상상황에 부합하게 환자에게 적절한 대처방안을 제시할 수 있다. 예를 들어, 혈압을 낮출 필요가 있는 경우, 분석서버는 혈압을 낮출 수 있는 방안을 환자 클라이언트로 전송할 수 있다. 또한, 예를 들어, 분석서버(100)는 음향측정장치 또는 환자 클라이언트에 구비된 센서를 통해 파악된 환자의 현재 상황(예를 들어, 환자가 운동을 수행하고 있는지 여부)을 기초로 대응방안(예를 들어, 운동 중지 및 특정 시간 동안의 휴식)을 제시할 수 있다.

또한, 특정한 이상특징정보에 대응되는 이상상황이 복수 개 존재하는 경우, 분석서버(100)는 가장 부합하는 이상상황을 탐색할 수 있다. 일실시예로, 분석서버는 이상상황을 예측할 수 있는 특정한 이상특징정보 형태를 세분화(예를 들어, 분석서버(100)는 정상범위에서 벗어나는 이상특징정보 값의 크기별로 이상상황을 구별이 가능한 경우, 이상특징정보 값의 크기를 기반으로 이상상황을 세분화할 수 있다.

또한, 다른 일실시예로, 분석서버(100)는 해당 이상특징정보 이후에 발생할 수 있는 복수의 이상상황을 추출하고, 각 이상상황별로 해당 이상특징정보(즉, 제1이상특징정보) 발생 이후에 등장하는 다음 이상특징정보(즉, 제2이상특징정보)를 추출하여 등장여부를 실시간으로 확인할 수 있다. 분석서버(100)는 특정한 제2이상특징정보가 등장하면 정확도가 높게 이상상황을 판단할 수 있고 해당 이상상황에 대한 대응방안을 환자에게 제시할 수 있다. 예를 들어, stroke 환자에게서 발생되는 패턴(즉, 이상특징정보)이 여러 번 등장하면, 미리 사용자에게 경고해 생활습관 또는 생활패턴을 바꾸는 것을 제안할 수 있다.

즉, 구체적으로, 특정한 제1이상특징정보에 대응되는 이상상황이 복수 개 존재하는 경우, 상기 이상상황발생 예측단계는, 분석서버가 상기 제1이상특징정보 이후에 발생할 수 있는 복수의 이상상황을 추출하는 단계; 각 이상상황별로 제1이상특징정보 발생 이후에 등장하는 제2이상특징정보를 추출하는 단계; 및 각 이상상황별 제2이상특징정보의 등장여부를 실시간으로 확인하고, 상기 제1이상특징정보 및 실시간으로 확인된 제2이상특징정보에 대응하는 이상상황을 추출하는 단계;를 포함할 수 있다.

또한, 분석서버(100)는 제1이상특징정보가 등장한 시점과 제2이상특징정보가 등장하는 시점 사이에도 적절한 대응방안을 제시하여야, 이상상황 발생을 미리 대비할 수 있다. 이를 위해, 분석서버(100)는 제1이상특징정보에 의해 도출된 복수의 이상상황에 공통적으로 대응하기에 적합한 대응방안을 도출하여 환자 클라이언트로 제공할 수 있다.

또한, 분석서버(100)는 환자가 착용하는 복수의 음향측정장치를 통해 획득된 각각의 신체부위에 대한 혈류음파신호에서 획득되는 복수의 이상특징정보를 기초로 정확한 이상상황을 예측할 수 있다.

또한, 분석서버(100)는 특정한 이상특징정보가 빈번하게 등장하는 환자를 추출하여 위험군으로 분류할 수 있다. 예를 들어, 특정한 주기마다 이상특징정보가 입력혈류음파신호 분석을 통해 발견되거나 특정기간 내에 특정 횟수만큼의 이상특징정보가 발견되는 경우, 분석서버(100)는 특정한 질환이 발현될 위험군 환자로 분류하여 저장할 수 있다. 분석서버(100)는 해당 환자에 대해서는 발현 또는 발생 가능성이 높은 질환에 상응하는 이상특징정보가 발생하는지를 계속적으로 확인할 수 있다.

또한, 분석서버(100)가 인식된 실시간 혈류상태를 클라이언트에 제공하는 단계;를 더 포함할 수 있다. 즉, 분석서버(100)는 사용자에게 혈류상태에 관한 정보를 알리기 위해 클라이언트(즉, 출력장치(300) 또는 음향측정장치(200))로 혈류상태정보를 전송할 수 있다. 예를 들어, 분석서버(100)는 특정한 신체에 부착된 클라이언트에 진동발생을 요청할 수 있고, 사용자는 진동발생을 통해 특정한 신체부위에 이상혈류상태가 발생하였음을 인지할 수 있다. 또한, 예를 들어, 분석서버(100)는 출력장치(300)의 디스플레이부를 통해 특정한 신체부위에 이상혈류상태가 발생하였음을 안내하거나 병원에 방문하여 진료를 받을 필요가 있음을 안내하도록 요청할 수 있고, 특정한 질병 또는 증상이 발생하였을 가능성이 높음을 안내하도록 요청할 수 있다.

또한, 혈류상태 제공단계는, 상기 입력혈류음파신호의 그래프를 생성하여 클라이언트로 제공할 수 있다. 이를 통해, 사용자는 그래프를 확인하면서 이상특징정보의 발생주기 등의 정보를 확인할 수 있다. 또한, 분석서버(100)는 생성된 그래프 내 상기 이상특징정보에 상응하는 영역에 식별표지를 표시할 수 있다. 이를 통해, 사용자는 어떠한 이상특징정보가 발생하였는지 쉽게 확인할 수 있다.

또한, 입력혈류음파신호에 상응하는 신체부위를 인식하는 단계;를 더 포함할 수 있다. 음향측정장치(200)는 모든 신체부위에 범용적으로 사용되는 장치일 수 있으므로, 입력혈류음파신호가 획득된 신체부위를 파악할 수 있어야 정확한 혈류상태 분석이 가능할 수 있다. 따라서, 분석서버(100)는 심층분석망을 통해 분석을 수행하여 입력혈류음파신호가 어떠한 신체부위에 상응하는지 파악할 수 있다. 신체부위 인식방식의 일실시예로, 분석서버(100)는 각 부위별 혈류음파신호의 특징정보를 심층분석망을 통해 추출하여 생성하고, 입력혈류음파신호가 어떠한 신체부위의 특징정보를 포함하는지를 파악할 수 있다. 또한, 신체부위 인식방식의 다른 일실시예로, 분석서버(100)는 신체부위별로 분류된 하나 이상의 혈류음파신호 그룹과 입력혈류음파신호의 파형 형태를 비교하여, 입력혈류음파신호에 상응하는 신체부위를 인식할 수 있다.

또한, 상기 학습신호데이터 생성단계(S200)는, 사용자의 신상정보를 바탕으로 그룹을 분류하는 것을 특징으로 할 수 있다. 사용자의 나이, 키, 성별 등의 신상정보에 따라서 혈류음파신호의 특성이 달라질 수 있다. 따라서, 분석서버(100)는 다양한 신상정보를 바탕으로 혈류음파신호를 분류하여 하나 이상의 그룹으로 된 학습신호데이터를 생성할 수 있다.

또한, 분석서버(100)는 심층분석망을 이용한 학습을 통해 혈류음파신호에 영향을 주는 신상정보 요소를 파악할 수 있다. 예를 들어, 분석서버(100)는 특정한 신체부위에 대해 동일한 특징정보를 가지는 사용자들의 신상정보 요소를 추출할 수 있다. 이를 통해, 특정한 신체부위의 혈류음파신호에 어떠한 신상정보요소가 영향을 미치는지 파악할 수 있고, 혈류음파신호에 영향을 미치는 요소를 기준으로 학습신호데이터의 그룹을 세분화함에 따라 혈류상태 진단의 정확도를 높일 수 있다.

이상에서 전술한 본 발명의 일 실시예에 따른 심층신경망을 이용한 혈류상태 분석방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.

상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.

상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.

상기와 같은 본 발명에 따르면, 아래와 같은 다양한 효과들을 가진다.

첫째, 혈류음파신호를 이용하여 혈류상태를 진단하여 사용자의 특정 신체부위의 혈관에 이상증상 발생을 예측할 수 있다.

둘째, 분석서버가 구축된 혈류음파신호 빅데이터를 심층분석망을 통해 분석하므로, 빅데이터 구축만으로 신체부위별 혈류음파신호의 특징정보, 이상특징정보 등을 파악할 수 있는 효과가 있다.

셋째, 분석서버는, 특정한 혈류음파신호를 획득한 신체부위를 직접 입력하지 않아도, 심층분석망을 이용한 특징 추출을 통해 자동으로 측정부위를 파악할 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

100 : 분석서버 200 : 음향측정장치
300 : 출력장치

Claims (10)

1. 하나 이상의 컴퓨터로 된 분석서버가 하나 이상의 사용자의 특정한 신체부위에 부착 또는 착용되는 음향측정장치로부터 획득된 입력혈류음파신호를 수신하는 단계;
   상기 분석서버가 입력혈류음파신호를 누적하여 학습신호데이터를 생성하는 학습신호데이터생성단계; 및
   하나 이상의 컴퓨터에 의해, 심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해 혈류상태정보를 획득하되, 상기 혈류상태정보는 정상혈류정보 및 이상특징정보를 포함하는, 혈류상태정보획득단계;
   심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해, 상기 이상특징정보에 부합하는 이상상황데이터를 탐색하여 매칭하는 단계;
   실시간으로 획득되는 특정한 사용자의 입력혈류음파신호 내에서 이상특징정보를 탐색하는 단계; 및
   상기 이상특징정보와 이상상황의 매칭관계를 기반으로, 특정한 이상상황의 발생을 예측하는 단계;를 포함하며,
   상기 이상특징정보는, 정상혈류정보에서 특정기준을 벗어나는 데이터로서, 이상혈류상태에 상응하는 것이며,
   상기 이상상황은 특정한 상기 이상특징정보 탐색 이후에 발생할 것으로 예상되는 질환 또는 증상이고,
   특정한 제1이상특징정보에 대응되는 이상상황이 복수 개 존재하는 경우,
   상기 이상상황발생 예측단계는,
   분석서버가 상기 제1이상특징정보 이후에 발생할 수 있는 복수의 이상상황을 추출하는 단계;
   각 이상상황별로 제1이상특징정보 발생 이후에 등장하는 제2이상특징정보를 추출하는 단계; 및
   각 이상상황별 제2이상특징정보의 등장여부를 실시간으로 확인하고, 상기 제1이상특징정보 및 실시간으로 확인된 제2이상특징정보에 대응하는 이상상황을 추출하는 단계;를 포함하는, 심층신경망을 이용한 혈류상태 분석방법.
2. 제1항에 있어서,
   상기 음향측정장치는,
   도플러효과를 통해 혈류의 음파신호를 획득하는 것을 특징으로 하는, 심층신경망을 이용한 혈류상태 분석방법.
3. 제1항에 있어서,
   상기 분석서버가 이상상황 예측결과를 상기 음향측정장치 또는 이동단말기로 전송하여, 알림요청을 전송하는 단계;를 더 포함하는, 심층신경망을 이용한 혈류상태 분석방법.
4. 제1항에 있어서,
   실시간으로 상기 입력혈류음파신호의 그래프를 생성하고, 상기 그래프 내 상기 이상특징정보에 상응하는 영역에 식별표지를 표시하는 단계;를 더 포함하는, 심층신경망을 이용한 혈류상태 분석방법.
5. 제1항에 있어서,
   상기 입력혈류음파신호에 상응하는 신체부위를 인식하는 단계;를 더 포함하는, 심층신경망을 이용한 혈류상태 분석방법.
6. 제1항에 있어서,
   분석서버가 예측되는 상기 이상상황에 부합하는 대처방안을 산출하여 사용자 클라이어트로 전송하는 단계;를 더 포함하는, 심층신경망을 이용한 혈류상태 분석방법.
7. 제1항에 있어서,
   분석서버가 상기 제1이상특징정보에 의해 도출된 복수의 이상상황에 공통적으로 대응 가능한 대응방안을 도출하여 사용자 클라이언트로 제공하는 단계;를 더 포함하는, 심층신경망을 이용한 혈류상태 분석방법.
8. 제1항에 있어서,
   특정한 주기마다 특정한 이상특징정보가 입력혈류음파신호 분석을 통해 발견되거나 특정기간 내에 특정 횟수만큼의 이상특징정보가 발견되면,
   분석서버가 상기 사용자를 위험군으로 분류하는 단계를 더 포함하는, 심층신경망을 이용한 혈류상태 분석방법.
9. 하드웨어인 컴퓨터와 결합되어, 제1항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위하여 매체에 저장된, 심층신경망을 이용한 혈류상태 분석프로그램.
10. 하나 이상의 사용자의 특정한 신체부위에 부착 또는 착용되는 음향측정장치로부터 획득된 입력혈류음파신호를 수신하는, 입력혈류음파신호 수신부;
    입력혈류음파신호를 누적하여 학습신호데이터를 생성하는 학습신호데이터생성부;
    심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해 혈류상태정보를 획득하되, 상기 혈류상태정보는 정상혈류정보 및 이상특징정보를 포함하는, 혈류상태정보획득부;
    심층신경망을 이용하여 상기 학습신호데이터의 분석을 통해, 상기 이상특징정보에 부합하는 이상상황데이터를 탐색하여 매칭하는, 이상상황데이터 매칭부;
    실시간으로 획득되는 특정한 사용자의 입력혈류음파신호 내에서 이상특징정보를 탐색하는, 이상특징정보 탐색부; 및
    상기 이상특징정보와 이상상황의 매칭관계를 기반으로, 특정한 이상상황의 발생을 예측하는, 이상상황발생 예측부;를 포함하며,
    상기 이상특징정보는, 정상혈류정보에서 특정기준을 벗어나는 데이터로서, 이상혈류상태에 상응하는 것이며,
    상기 이상상황은 특정한 상기 이상특징정보 탐색 이후에 발생할 것으로 예상되는 질환 또는 증상이고,
    특정한 제1이상특징정보에 대응되는 이상상황이 복수 개 존재하는 경우,
    상기 이상상황발생 예측부는,
    분석서버가 상기 제1이상특징정보 이후에 발생할 수 있는 복수의 이상상황을 추출하는, 이상상황 추출부;
    각 이상상황별로 제1이상특징정보 발생 이후에 등장하는 제2이상특징정보를 추출하는, 제2이상특징정보 추출부; 및
    각 이상상황별 제2이상특징정보의 등장여부를 실시간으로 확인하고, 상기 제1이상특징정보 및 실시간으로 확인된 제2이상특징정보에 대응하는 이상상황을 추출하는, 이상상황 추출부;를 포함하는, 심층신경망을 이용한 혈류상태 분석 서버장치.

Images