JP7468948B2

JP7468948B2 - 人工知能を用いた疾病分類方法およびそのための電子装置

Info

Publication number: JP7468948B2
Application number: JP2023119199A
Authority: JP
Inventors: イ，ジョンホ; チョ，ウォンヤン; イ，ウンジュ
Original assignee: Smartsound Corp
Current assignee: Smartsound Corp
Priority date: 2022-07-22
Filing date: 2023-07-21
Publication date: 2024-04-16
Anticipated expiration: 2043-07-21
Also published as: KR102502620B1; JP2024014851A; US11937971B2; US20240023922A1

Description

本開示は、聴診音データおよび聴診位置データを含む学習データに基づいて人工知能モデルを学習させ、学習された人工知能モデルを用いてより正確に疾病を分類するための電子装置およびその制御方法に関する。

インターネットの使用が普遍化し、人口の寿命が伸びることによって、ホームヘルスケア（ｈｏｍｅｈｅａｌｔｈｃａｒｅ）市場に対する関心が高まっている。ホームヘルスケアは、ユーザーが病院を訪問せず、ユーザーの家において遠隔で医学的な管理、治療、および支援が提供されるサービスを意味する。

特に、スマート聴診器のような製品を用いて、心臓、肺、または腸などの身体部位の聴診音を測定し、測定された聴診音に基づいて疾病の有無に関する情報を提供するか、疾病が診断されるサービスが脚光を浴びている。但し、現在の技術は、聴診音データのみに基づいて疾病診断サービスを提供するため、疾病診断の正確性において限界が存在する。

開示された実施形態は、人工知能を用いた疾病分類方法およびそのための電子装置を提供しようとする。より具体的には、聴診音データおよび聴診位置データを含む学習データに基づいて人工知能モデルを学習させ、学習された人工知能モデルを用いてより正確に疾病を分類するための電子装置およびその制御方法を提供することを目的とする。

本実施形態が達成しようとする技術的課題は、前記のような技術的課題に限定されず、以下の実施形態からさらに他の技術的課題が類推され得る。

本開示の一側面は、聴診音データおよび聴診位置データを獲得する段階と、前記聴診音データに基づいて特徴情報を獲得し、前記聴診位置データに基づいて聴診位置情報を獲得する段階と、前記特徴情報および聴診位置情報を組み合わせて、結合情報を生成する段階と、人工知能モデルを用いて、前記結合情報に対応する少なくとも１つの疾病情報を確認する段階と、を含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記疾病分類方法は、生体データ（ｂｉｏｍｅｔｒｉｃｄａｔａ）を獲得する段階と、前記生体データに基づいて、生体情報を獲得する段階と、をさらに含み、前記結合情報は、前記生体情報がさらに組み合わされた、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記生体データは、心拍規則度データと、呼吸数データと、呼吸規則度データと、体温データと、年齢データと、血圧データと、血糖値データのうち少なくとも１つを含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記特徴情報および前記聴診位置情報は、ベクトルの形態を有し、前記結合情報を生成する段階は、前記特徴情報および前記聴診位置情報を連結（ｃｏｎｃａｔｅｎａｔｉｏｎ）して前記結合情報を生成する段階を含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記聴診位置情報は、聴診可能位置に対応する１つ以上の成分を含み、前記聴診可能位置に対応する１つ以上の成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有する、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記疾病分類方法は、生体データを獲得する段階と、前記生体データに基づいて、ベクトル形態の生体情報を獲得する段階と、をさらに含み、前記結合情報は、前記生体情報がさらに連結された、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記生体情報は、設定された数の範疇に対応する１つ以上の成分を含み、前記設定された数の範疇に対応する１つ以上の成分のうち、前記生体データの値が含まれた範疇に対応する成分は第１値を有し、残りの成分は第２値を有する、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記特徴情報および前記聴診位置情報は、マップ（ｍａｐ）の形態を有し、前記結合情報を生成する段階は、前記特徴情報に前記聴診位置情報をチャンネルとして追加して前記結合情報を生成する段階を含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記聴診位置情報は、聴診可能位置に対応する１つ以上のマップを含み、前記聴診可能位置に対応する１つ以上のマップのうち、聴診位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有する、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記疾病分類方法は、生体データを獲得する段階と、前記生体データに基づいて、マップ形態の生体情報を獲得する段階と、をさらに含み、前記結合情報は、前記生体情報がチャンネルとしてさらに追加された、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記生体情報は、設定された数の範疇に対応する１つ以上のマップを含み、前記設定された数の範疇に対応する１つ以上のマップのうち、前記生体データの値が含まれた範疇に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有する、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記聴診音データは、心音（ｈｅａｒｔｓｏｕｎｄ）データおよび肺音（ｌｕｎｇｓｏｕｎｄ）データのうち少なくとも１つを含み、前記聴診位置データは、心音聴診位置に関するデータおよび肺音聴診位置に関するデータを含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記聴診音データは心音データを含み、前記人工知能モデルは心臓に関する疾病を分類するための第１人工知能モデルを含み、前記特徴情報を獲得する段階は、前記聴診音データから心音が存在する周波数以外の領域を除去する段階を含み、前記少なくとも１つの疾病情報を確認する段階は、前記第１人工知能モデルを用いて前記結合情報に対応する心臓に関する少なくとも１つの疾病情報を確認する段階を含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記聴診音データは肺音データを含み、前記人工知能モデルは肺に関する疾病を分類するための第２人工知能モデルを含み、前記特徴情報を獲得する段階は、前記聴診音データから肺音が存在する周波数以外の領域を除去する段階を含み、前記少なくとも１つの疾病情報を確認する段階は、前記第２人工知能モデルを用いて前記結合情報に対応する肺に関する少なくとも１つの疾病情報を確認する段階を含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記聴診位置データを獲得する段階は、診療記録データを獲得する段階と、キーワードを抽出する人工知能モデルを用いて、前記診療記録データから前記聴診位置データを獲得する段階と、を含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記人工知能モデルは、１つ以上の聴診音データ、１つ以上の聴診位置データ、および１つ以上の疾病データを含む学習データセットに基づいて学習される、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記学習データセットは、１つ以上の生体データをさらに含む、疾病分類方法を提供することができる。

また、本開示の一実施形態において、前記人工知能モデルは、心臓に関する疾病を分類するための第１人工知能モデルおよび肺に関する疾病を分類するための第２人工知能モデルを含み、前記第１人工知能モデルは、１つ以上の心音データ、１つ以上の心音聴診位置データ、および１つ以上の心臓に関する疾病データを含む学習データセットに基づいて学習され、前記第２人工知能モデルは、１つ以上の肺音データ、１つ以上の肺音聴診位置データ、および１つ以上の肺に関する疾病データを含む学習データセットに基づいて学習される、疾病分類方法を提供することができる。

本開示の他の側面は、通信部と、メモリーと、制御部（ｃｏｎｔｒｏｌｌｅｒ）と、を含み、前記制御部は、聴診音データおよび聴診位置データを獲得し、前記聴診音データに基づいて特徴情報を獲得し、前記聴診位置データに基づいて聴診位置情報を獲得し、前記特徴情報および前記聴診位置情報を組み合わせて、結合情報を生成し、人工知能モデルを用いて、前記結合情報に対応する少なくとも１つの疾病情報を確認する、電子装置を提供することができる。

本開示のさらに他の側面は、電子装置によって遂行される方法を具現するためのプログラムが記録されたコンピュータで読み取り可能な記録媒体を提供することができる。

その他の実施形態の具体的な事項は、詳細な説明および図面に含まれている。

提案される実施形態に係る場合、次のような効果を１つ或いはそれ以上を期待することができる。

本明細書の実施形態による場合、聴診音データだけでなく、聴診位置データに基づいて学習された人工知能モデルを用いることによって、聴診音データおよび聴診位置データが入力されたときに、ユーザーが疾病を有しているか否か、またはユーザーが如何なる疾病を有しているかがより高い正確度で判断され得る。

また、本明細書の実施形態による場合、聴診音データだけでなく、聴診位置データおよび生体データに基づいて学習された人工知能モデルを用いることによって、聴診音データ、聴診位置データ、および生体データが入力されたときに、ユーザーが疾病を有しているか否か、またはユーザーが如何なる疾病を有しているかがより高い正確度で判断され得る。

また、本明細書の実施形態による場合、ユーザーが診断を受けようとする身体部位または種によって相違する学習データに基づいて学習された人工知能モデルを用いることによって、聴診音データおよび聴診位置データが入力されたときに、ユーザーが疾病を有しているか否か、またはユーザーが如何なる疾病を有しているかがより高い正確度で判断され得る。

発明の効果は、以上で言及した効果に制限されず、言及されていないさらに他の効果は、請求の範囲の記載から当該技術分野の通常の技術者に明確に理解され得るであろう。

一実施形態に係るシステムを示す図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が疾病を分類する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が生体データに基づいて生体ベクトルを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が生体データに基づいて生体マップを獲得する過程を説明するための図面である。一実施形態によって電子装置が診療記録データに基づいて、聴診位置情報を獲得する過程を説明するための図面である。一実施形態によって電子装置が人工知能モデルを学習させる過程を説明するための図面である。一実施形態によって電子装置が人工知能モデルを学習させる過程を説明するための図面である。一実施形態によって電子装置が人工知能モデルを学習させる過程を説明するための図面である。一実施形態に係る電子装置の人工知能を用いた疾病分類方法のフローチャートである。一実施形態に係る電子装置のブロック図である。

実施形態において使用される用語は、本開示における機能を考慮しつつ、可能な限り現在広く使用される一般的な用語を選択したが、これは当分野に従事する技術者の意図または判例、新たな技術の出現などによって変わり得る。また、特定の場合は、出願人が任意に選定した用語もあり、この場合、該当する説明の部分において詳細にその意味を記載するであろう。したがって、本開示において使用される用語は、単純な用語の名称ではなく、その用語が有する意味と本開示の全般にわたる内容に基づいて定義されなければならない。

明細書全体において、ある部分がある構成要素を「含む」とするとき、これは特に反対の記載がない限り、他の構成要素を除くものではなく、他の構成要素をさらに含むことができることを意味する。

明細書全体において記載された「ａ、ｂ、およびｃのうち少なくとも１つ」の表現は、「ａ単独」、「ｂ単独」、「ｃ単独」、「ａおよびｂ」、「ａおよびｃ」、「ｂおよびｃ」、または「ａ、ｂ、およびｃすべて」を包括することができる。

以下において言及される「端末」は、ネットワークを通じてサーバーや他端末に接続できるコンピュータや携帯用端末として具現され得る。ここで、コンピュータは、例えば、ウェブブラウザ（ＷＥＢＢｒｏｗｓｅｒ）が搭載されたノートパソコン、デスクトップ（ｄｅｓｋｔｏｐ）、ラップトップ（ｌａｐｔｏｐ）などを含み、携帯用端末は、例えば、携帯性と移動性が保障される無線通信装置として、ＩＭＴ（ＩｎｔｅｒｎａｔｉｏｎａｌＭｏｂｉｌｅＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ）、ＣＤＭＡ（ＣｏｄｅＤｉｖｉｓｉｏｎＭｕｌｔｉｐｌｅＡｃｃｅｓｓ）、Ｗ－ＣＤＭＡ（Ｗ－ＣｏｄｅＤｉｖｉｓｉｏｎＭｕｌｔｉｐｌｅＡｃｃｅｓｓ）、ＬＴＥ（ＬｏｎｇＴｅｒｍＥｖｏｌｕｔｉｏｎ）などの通信基盤端末、スマートフォン、タブレットＰＣなどのようなすべての種類のハンドヘルド（Ｈａｎｄｈｅｌｄ）基盤の無線通信装置を含むことができる。

以下においては、添付した図面を参考にして、本開示の実施形態に関して本開示の属する技術分野において通常の知識を有する者が容易に実施できるように詳細に説明する。しかし、本開示は、いくつかの相違する形態で具現され得、ここで説明する実施形態に限定されない。

本開示に係る人工知能に関連する機能は、プロセッサーとメモリーを通じて動作する。プロセッサーは、１つまたは複数のプロセッサーで構成され得る。このとき、１つまたは複数のプロセッサーは、ＣＰＵ、ＡＰ、ＤＳＰ（ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｏｒ）などのような汎用プロセッサー、ＧＰＵ、ＶＰＵ（ＶｉｓｉｏｎＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）のようなグラフィック専用プロセッサー、またはＮＰＵのような人工知能専用プロセッサーであり得る。１つまたは複数のプロセッサーは、メモリーに保存された既に定義された動作規則または人工知能モデルによって、入力データを処理するように制御する。または、１つまたは複数のプロセッサーが人工知能専用プロセッサーである場合、人工知能専用プロセッサーは、特定の人工知能モデルの処理に特化したハードウェア構造として設計され得る。

既に定義された動作規則または人工知能モデルは、学習を通じて作られたことを特徴とする。ここで、学習を通じて作られるということは、基本の人工知能モデルが学習アルゴリズムによって多数の学習データを用いて学習されることによって、所望の特性（または、目的）を遂行するように設定された既に定義された動作規則または人工知能モデルが作られることを意味する。このような学習は、本開示に係る人工知能が遂行される機器自体においてなされてもよく、別途のサーバーおよび／またはシステムを通じてなされてもよい。学習アルゴリズムの例としては、指導型学習（ｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ）、非指導型学習（ｕｎｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ）、準指導型学習（ｓｅｍｉ－ｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ）、または強化学習（ｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇ）があるが、前述の形態に限定されない。

人工知能（ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）モデルは、複数のニューラルネットワークレイヤーで構成され得る。複数のニューラルネットワークレイヤーのそれぞれは、複数の加重値（ｗｅｉｇｈｔｖａｌｕｅｓ）を有しており、以前（ｐｒｅｖｉｏｕｓ）のレイヤーの演算結果と複数の加重値間の演算を通じてニューラルネットワーク演算を遂行する。複数のニューラルネットワークレイヤーが有している複数の加重値は、人工知能モデルの学習結果によって最適化され得る。例えば、学習過程の間に人工知能モデルから獲得したロス（ｌｏｓｓ）値またはコスト（ｃｏｓｔ）値が減少または最小化するように複数の加重値が更新され得る。人工ニューラルネットワークは、ディープニューラルネットワーク（ｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋ，ＤＮＮ）、畳み込みニューラルネットワーク（ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ＣＮＮ）、回帰型ニューラルネットワーク（ｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋ，ＲＮＮ）、制限付きボルツマンマシン（ｒｅｓｔｒｉｃｔｅｄｂｏｌｔｚｍａｎｎｍａｃｈｉｎｅ，ＲＢＭ）、ＤＢＮ（ｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ）、双方向性再帰型ニューラルネットワーク（ｂｉｄｉｒｅｃｔｉｏｎａｌｒｅｃｕｒｒｅｎｔｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋ，ＢＲＤＮＮ)、またはディープＱ－ネットワーク（ＤｅｅｐＱ－Ｎｅｔｗｏｒｋｓ）などを含むことができるが、前述した形態に限定されない。

本開示において、疾病を分類する動作は、聴診された（ａｕｓｃｕｌｔａｔｅｄ）ユーザーが疾病を有しているか否かを確認する動作またはユーザーが有する疾病が何かを確認する動作を示すことができ、疾病を診断する動作と混用され得るが、これに限定されない。

以下では、図面を参照して本開示の実施形態を詳細に説明する。

図１は、一実施形態に係るシステムを示す。

図１を参照すると、システムは、電子装置１００、１つ以上のユーザー端末１２０、１４０、１６０、およびネットワーク１８０の中から少なくとも１つを含むことができる。一方、図１に図示されたシステムは、本実施形態に関連した構成要素のみが図示されている。したがって、図１に図示された構成要素のほかに他の汎用的な構成要素がさらに含まれ得ることを本実施形態に関連した技術分野において通常の知識を有する者であれば理解することができる。

電子装置１００は、多様な情報を構成して提供する装置である。電子装置１００は、聴診音（ａｕｓｃｕｌｔａｔｉｏｎｓｏｕｎｄ）データおよび聴診位置データを獲得し、人工知能モデルを用いて聴診音データおよび聴診位置データに対応する疾病情報を確認することができる。以後、電子装置１００は、確認された疾病情報をウェブページまたはアプリケーション画面などで提供するか、提供される端末においてウェブページまたはアプリケーション画面などで表示できる形態の情報として提供することができる。

１つ以上のユーザー端末１２０、１４０、１６０は、ユーザーそれぞれが使用する端末であって、ユーザーは各自のユーザー端末１２０、１４０、１６０を用いてネットワーク１８０によって提供されるサービスにアクセスすることができる。例えば、電子装置１００は、ユーザーの疾病を診断するためのアプリケーションを１つ以上のユーザー端末１２０、１４０、１６０に提供することができ、ユーザーは、各自のユーザー端末１２０、１４０、１６０に設置されたアプリケーションを用いて、聴診音を測定し、それに係る疾病診断結果の提供を受けることができる。

１つ以上のユーザー端末１２０、１４０、１６０と電子装置１００は、ネットワーク１８０内において互いに通信することができる。ネットワーク１８０は、ローカルエリアネットワーク（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ；ＬＡＮ）、広域通信網（ＷｉｄｅＡｒｅａＮｅｔｗｏｒｋ；ＷＡＮ）、付加価値通信網（ＶａｌｕｅＡｄｄｅｄＮｅｔｗｏｒｋ；ＶＡＮ）、移動通信網（ｍｏｂｉｌｅｒａｄｉｏｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋ）、衛星通信網、およびこれらの相互組み合せを含み、図１に図示された各ネットワークの構成主体が互いに円滑に通信できるようにする包括的な意味のデータ通信網であり、有線インターネット、無線インターネット、およびモバイル無線通信網を含むことができる。無線通信は、例えば、無線ＬＡＮ（Ｗｉ－Ｆｉ）、ブルートゥース（登録商標）、ブルートゥース（登録商標）低エネルギー（Ｂｌｕｅｔｏｏｔｈｌｏｗｅｎｅｒｇｙ）、ジグビー、ＷＦＤ（Ｗｉ－ＦｉＤｉｒｅｃｔ）、ＵＷＢ（ｕｌｔｒａｗｉｄｅｂａｎｄ）、赤外線通信（ＩｒＤＡ，ｉｎｆｒａｒｅｄＤａｔａＡｓｓｏｃｉａｔｉｏｎ）、ＮＦＣ（ＮｅａｒＦｉｅｌｄＣｏｍｍｕｎｉｃａｔｉｏｎ）などがあり得るが、これに限定されない。

図２ａないし図２ｃは、一実施形態によって電子装置１００が疾病を分類する過程を説明するための図面である。このとき、角丸（ｒｏｕｎｄｅｄ）四角形はデータまたは情報を示す。

図２ａを参照すると、電子装置１００は、一実施形態によって聴診音データ２１０および聴診位置データ２２０を獲得することができる。例えば、ユーザーは、診断を受けようとする身体部位にスマート聴診器などを位置させて聴診音を測定することができ、ユーザー端末は、スマート聴診器などから獲得した聴診音データ２１０を電子装置１００に伝送することができる。また、ユーザー端末は、ユーザーが聴診音を測定するときに使用したスマート聴診器のセンサーなどを通じて聴診位置を確認するか、ユーザー端末のディスプレイに表示された聴診可能位置のうち聴診位置を直接選択するユーザー入力を獲得し、獲得した聴診位置データ２２０を電子装置１００に伝送することができる。

一実施形態によると、電子装置１００は、聴診音データ２１０に基づいて、特徴情報２４０を獲得することができる。例えば、電子装置１００は、獲得した聴診音データ２１０をスペクトログラムイメージに変更した後、ＣＮＮモデル、ＴＣＮＮ（ｔｅｍｐｏｒａｒｙＣＮＮ）モデル、またはＣＮＮ－ＬＳＴＭ（ＣＮＮ－ｌｏｎｇｓｈｏｒｔｔｅｒｍｍｅｍｏｒｙ）モデルなどを用いて特徴ベクトルまたは特徴マップ形態の特徴情報２４０を獲得することができる。このとき、スペクトログラム（ｓｐｅｃｔｒｏｇｒａｍ）は、時間軸と周波数軸の変化に係る振幅の差を印刷濃度または表示色相の差で示すので、音や波動を視覚化して把握するための道具を意味する。

一実施形態によると、電子装置１００は、聴診位置データ２２０に基づいて、聴診位置情報２５０を獲得することができる。例えば、電子装置１００は、聴診位置データ２２０をエンベディング（ｅｍｂｅｄｄｉｎｇ）してベクトル形態の聴診位置情報２５０を獲得することができる。これに関しては、図５ａないし図５ｆ、および図６ａないし図６ｂを参照して詳細に説明することにする。または、電子装置１００は、聴診位置データ２２０からマップ形態の聴診位置情報２５０を獲得することができる。これに関しては、図８ａないし図８ｆ、および図９ａないし図９ｃを参照して詳細に説明することにする。

一実施形態によると、電子装置１００は、特徴情報２４０および聴診位置情報２５０を組み合わせて、結合情報２７０を生成することができる。例えば、電子装置１００は、特徴情報２４０および聴診位置情報２５０を連結して結合情報２７０を生成することができる。これに関しては、図３ａないし図３ｄを参照して、詳細に説明することにする。または、電子装置１００は、特徴情報２４０に聴診位置情報２５０をチャンネルとして追加して結合情報２７０を生成することができる。これに関しては、図４ａないし図４ｄを参照して、詳細に説明することにする。

一実施形態によると、電子装置１００は、人工知能モデル２００を用いて、結合情報２７０に対応する少なくとも１つの疾病情報２８０を確認することができる。例えば、電子装置１００は、生成された結合情報２７０を人工知能モデル２００に入力し、人工知能モデル２００から出力された少なくとも１つの疾病情報２８０を確認することができる。

このとき、人工知能モデル２００は、聴診音データ、聴診位置データ、および疾病データに基づいて学習され、聴診音データ２１０および聴診位置データ２２０から獲得された結合情報２７０に基づいて疾病情報２８０を出力することによって、より高い正確度で疾病を分類することができる。例えば、人工知能モデル２００は、大動脈弁狭窄症（ａｏｒｔｉｃｓｔｅｎｏｓｉｓ，ＡＳ）を有する患者の大動脈弁（ａｏｒｔｉｃｖａｌｖｅ）の位置における聴診音データに基づいて学習され得る。それにより、人工知能モデルは、大動脈弁の位置における聴診音データおよび大動脈弁の位置データが入力されたときに、入力されたデータのユーザーが大動脈弁狭窄症を有しているか否かをより高い正確度で判断することができる。また、人工知能モデル２００は、大動脈弁狭窄症を有する患者の大動脈弁の位置における聴診音データだけでなく、肺動脈弁（ｐｕｌｍｏｎｉｃｖａｌｖｅ）、三尖弁（ｔｒｉｃｕｓｐｉｄｖａｌｖｅ）、および二尖弁（ｍｉｔｒａｌｖａｌｖｅｏｒｂｉｃｕｓｐｉｄｖａｌｖｅ）を含む多様な位置における聴診音データに基づいて学習され得る。それにより、人工知能モデルは、大動脈弁の位置以外の位置における聴診音データおよび該当位置データが入力されたときにおいても、入力されたデータのユーザーが大動脈弁狭窄症を有しているか否かを判断することができる。

一実施形態によると、人工知能モデル２００は、１つまたは複数の疾病情報を出力することができる。例えば、人工知能モデル２００は、ユーザーが測定した聴診音に対応する最も高い確率の疾病を出力するか、ユーザーが測定した聴診音に対応する複数の疾病を出力することができる。

一実施形態によると、電子装置１００は、確認された疾病情報を電子装置１００のディスプレイに表示するか、ユーザー端末に伝送することができる。ユーザー端末は、受信した疾病情報２８０に基づいて、スマート聴診器などを用いて聴診音を測定した身体部位が正常なのか否かまたは異常がある場合に如何なる疾病が予想されるかなどに関する情報をユーザーに提供することができる。

図２ｂを参照すると、電子装置１００は、一実施形態によって聴診音データ２１０、聴診位置データ２２０、および生体データ２３０を獲得することができる。例えば、ユーザーは、ユーザー端末を用いて心拍規則度、呼吸数、呼吸規則度、体温、年齢、血圧、血糖値などを含む生体データ（ｂｉｏｍｅｔｒｉｃｄａｔａ）２３０を測定するか、ユーザー端末に直接生体データ２３０を入力することができ、ユーザー端末は、獲得した生体データ２３０を電子装置１００に伝送することができる。

このとき、生体データに含まれたデータのうち測定対象の規則度は、設定された期間のあいだに確認された測定対象の回数を基準として、後に設定された期間ごとに測定対象が確認された回数の比率を示すことができる。例えば、１０秒間にユーザーの心拍数が５回として確認された場合、後の１０秒間にユーザーの心拍数が４回として確認されれば、ユーザーの心拍規則度は８０％であり得る。または、１分間にユーザーの心拍数が１５回として確認された場合、後の１分間にユーザーの心拍数が１８回として確認されれば、ユーザーの呼吸規則度は１２０％であり得る。

一実施形態によると、電子装置１００は、聴診音データ２１０に基づいて特徴情報２４０を獲得し、聴診位置データ２２０に基づいて聴診位置情報２５０を獲得し、生体データ２３０に基づいて生体情報２６０を獲得することができる。例えば、電子装置１００は、生体データ２３０をエンベディングしてベクトル形態の生体情報２６０を獲得することができる。これに関しては、図７を参照して、詳細に説明することにする。または、電子装置１００は、生体データ２３０からマップ形態の生体情報２６０を獲得することができる。これに関しては、図１０を参照して、詳細に説明することにする。

一実施形態によると、電子装置１００は、特徴情報２４０、聴診位置情報２５０、および生体情報２６０を組み合わせて、結合情報２７０を生成することができる。例えば、電子装置１００は、特徴情報２４０、聴診位置情報２５０、および生体情報２６０を連結して結合情報２７０を生成することができる。これに関しては、図３ａないし図３ｄを参照して、詳細に説明することにする。または、電子装置１００は、特徴情報２４０に聴診位置情報２５０および生体情報２６０をチャンネルとして追加して結合情報２７０を生成することができる。これに関しては、図４ａないし図４ｄを参照して、詳細に説明することにする。

このとき、人工知能モデル２００は、聴診音データ、聴診位置データ、生体データ、および疾病データに基づいて学習され、聴診音データ２１０、聴診位置データ２２０、および生体データ２３０から獲得された結合情報２７０に基づいて疾病情報２８０を出力することによって、より高い正確度で疾病を分類することができる。例えば、心臓に関する疾病を診断しようとする場合、電子装置１００は、心音データおよび心音聴診位置データと共に心拍規則度データを用いて人工知能モデル２００を学習させ、人工知能モデル２００に心音データ、心音聴診位置データ、および心拍規則度データを入力することによって、より高い正確度で心臓に関する疾病を分類することができる。または、肺に関する疾病を診断しようとする場合、電子装置１００は、肺音データおよび肺音聴診位置データと共に呼吸数データ／呼吸規則度データを用いて人工知能モデル２００を学習させ、人工知能モデル２００に肺音データ、肺音聴診位置データ、および呼吸数データ／呼吸規則度データを入力することによって、より高い正確度で肺に関する疾病を分類することができる。動物に関する疾病を診断しようとする場合、電子装置１００は、聴診音データおよび聴診位置データと共に呼吸規則度データおよび体温データを用いて人工知能モデル２００を学習させ、人工知能モデル２００に聴診音データ、聴診位置データ、呼吸規則度データ、および体温データを入力することによって、より高い正確度で動物に関する疾病を分類することができる。

図２ｃを参照すると、電子装置１００は、一実施形態によって聴診音データ２１０、聴診位置データ２２０、および設定データ２９０を獲得することができる。例えば、ユーザーは、心臓、肺、または腸など、どの身体部位に関する疾病の診断を受けようとするのか、または動物に関して診断しようとするのか否かなどに関する設定値をユーザー端末に入力することができ、ユーザー端末は獲得した設定データ２９０を電子装置１００に伝送することができる。

一実施形態によると、電子装置１００は、聴診音データ２１０および設定データ２９０に基づいて、特徴情報２４０を獲得することができる。より具体的には、電子装置１００は、設定データ２９０に基づいてユーザーが診断を受けようとする身体部位を確認することができる。以後、電子装置１００は、バンドパスフィルタ（ｂａｎｄｐａｓｓｆｉｌｔｅｒ，ＢＰＦ）を用いて聴診音データ２１０からユーザーが診断を受けようとする身体部位の聴診音が存在する周波数以外の領域を除去し、残った周波数領域のデータに基づいて特徴情報２４０を獲得することができる。

例えば、ユーザーが心臓に関する疾病の診断を受けようとする場合、電子装置１００は、バンドパスフィルタを用いて、聴診音データ２１０から心音が存在する周波数領域である２０～３００Ｈｚ以外の領域を除去し、２０～３００Ｈｚ領域のデータに基づいて特徴情報２４０を獲得することができる。または、ユーザーが肺に関する疾病の診断を受けようとする場合、電子装置１００は、バンドパスフィルタを用いて、聴診音データ２１０から肺音が存在する周波数領域である１００～１５００Ｈｚ以外の領域を除去し、１００～１５００Ｈｚ領域のデータに基づいて特徴情報２４０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ２２０に基づいて、聴診位置情報２５０を獲得することができる。以後、電子装置１００は、特徴情報２４０および聴診位置情報２５０を組み合わせて、結合情報２７０を生成することができる。

一実施形態によると、人工知能モデル２００は、複数の人工知能モデル２０２、２０４、２０６を含むことができ、複数の人工知能モデル２０２、２０４、２０６それぞれは、相違する身体部位または相違する種（ｓｐｅｃｉｅｓ）に係る聴診音データおよび聴診位置データに基づいて学習され得る。例えば、第１人工知能モデル２０２は、心音データ、心音聴診位置データ、および心臓に関する疾病データに基づいて学習され得、第２人工知能モデル２０４は、肺音データ、肺音聴診位置データ、および肺に関する疾病データに基づいて学習され得、第３人工知能モデル２０６は、腸音データ、腸音聴診位置データ、および腸に関する疾病データに基づいて学習され得る。または、第４人工知能モデルは、犬の心音データ、犬の心音聴診位置データ、および犬の心臓に関する疾病データに基づいて学習され得、第５人工知能モデルは、猫の心音データ、猫の心音聴診位置データ、および猫の心臓に関する疾病データに基づいて学習され得る。但し、これは、一実施形態に過ぎず、人工知能モデルを学習させることに用いられ得るデータは、前述した形態に限定されない。

一実施形態によると、電子装置１００は、人工知能モデル２００に含まれた複数の人工知能モデル２０２、２０４、２０６のうち、設定データに基づいて選択された人工知能モデルを用いて、結合情報２７０に対応する少なくとも１つの疾病情報２８０を確認することができる。より具体的には、電子装置１００は、設定データ２９０に基づいてユーザーが診断を受けようとする身体部位を確認した後、ユーザーが診断を受けようとする身体部位に対応する人工知能モデルに結合情報２７０を入力し、人工知能モデルから出力された少なくとも１つの疾病情報２８０を確認することができる。

例えば、ユーザーが心臓に関する疾病の診断を受けようとする場合、電子装置１００は、心音データに基づいて学習された第１人工知能モデル２０２に結合情報２７０を入力し、第１人工知能モデル２０２から出力された少なくとも１つの心臓に関する疾病情報２８０を確認することができる。または、ユーザーが肺に関する疾病の診断を受けようとする場合、電子装置１００は、肺音データに基づいて学習された第２人工知能モデル２０４に結合情報２７０を入力し、第２人工知能モデル２０４から出力された少なくとも１つの肺に関する疾病情報２８０を確認することができる。このように、ユーザーが特定身体部位に対して診断を受けようとする場合、電子装置１００は、該当身体部位に関するデータに基づいて学習された人工知能モデルを用いることによって、より高い正確度で疾病を分類することができる。

図３ａないし図３ｄは、一実施形態によって電子装置１００が疾病を分類する過程を説明するための図面である。図２ａないし図２ｃと重複する内容は、簡略に説明または省略することにする。

図３ａを参照すると、電子装置１００は、一実施形態によって聴診音データ３１０および聴診位置データ３２０を獲得することができる。例えば、ユーザー端末は、スマート聴診器などから聴診音データ３１０および聴診位置データ３２０を獲得するか、ユーザー端末のディスプレイに表示された聴診可能位置のうち聴診位置を直接選択するユーザー入力を獲得し、獲得した聴診音データ３１０および聴診位置データ３２０を電子装置１００に伝送することができる。

一実施形態によると、電子装置１００は、聴診音データ３１０に基づいて、特徴ベクトル３４０を獲得することができる。例えば、電子装置１００は、獲得した聴診音データ３１０をスペクトログラムイメージに変更した後、人工知能モデルを用いて特徴ベクトル３４０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ３２０に基づいて、聴診位置ベクトル３５０を獲得することができる。例えば、電子装置１００は、聴診位置データ３２０をエンベディングして聴診位置ベクトル３５０を獲得することができ、聴診位置ベクトル３５０の大きさは、ユーザーがどの身体部位に関する疾病の診断を受けようとするのか、または動物に関して診断しようとするのか否かなどによって相違して決定され得る。これに関しては、図５ａないし図５ｆ、および図６ａないし図６ｂを参照して、詳細に説明することにする。

一実施形態によると、電子装置１００は、特徴ベクトル３４０と聴診位置ベクトル３５０を連結（ｃｏｎｃａｔｅｎａｔｉｏｎ）して、結合ベクトル３７０を生成することができる。例えば、特徴ベクトル３４０の大きさがＮであり、聴診位置ベクトル３５０の大きさがＭである場合、電子装置１００は、特徴ベクトル３４０と聴診位置ベクトル３５０を連結することによって、大きさが（Ｎ＋Ｍ）の結合ベクトル３７０を生成することができる。

一実施形態によると、電子装置１００は、人工知能モデル３００を用いて、結合ベクトル３７０に対応する少なくとも１つの疾病情報３８０を確認することができる。例えば、電子装置１００は、生成された結合ベクトル３７０を人工知能モデル３００に入力し、人工知能モデル３００から出力された少なくとも１つの疾病情報３８０を確認することができる。

図３ｂを参照すると、電子装置１００は、一実施形態によって聴診音データ３１０、聴診位置データ３２０、および生体データ３３０を獲得することができる。例えば、ユーザーは、ユーザー端末を用いて心拍規則度、呼吸数、呼吸規則度、体温、年齢、血圧、血糖値などを含む生体データ３３０を測定するか、ユーザー端末に直接生体データ３３０を入力することができ、ユーザー端末は、獲得した生体データ３３０を電子装置１００に伝送することができる。

一実施形態によると、電子装置１００は、聴診音データ３１０に基づいて特徴ベクトル３４０を獲得し、聴診位置データ３２０に基づいて聴診位置ベクトル３５０を獲得し、生体データ３３０に基づいて生体ベクトル３６０を獲得することができる。例えば、電子装置１００は、生体データ３３０をエンベディングして生体ベクトル３６０を獲得することができ、生体ベクトル３６０の大きさは、生体データの種類の数および生体データそれぞれの種類に対応する範疇の数で設定された値によって相違して決定され得る。これに関しては、図７を参照して、詳細に説明することにする。

一実施形態によると、電子装置１００は、特徴ベクトル３４０、聴診位置ベクトル３５０、および生体ベクトル３６０を連結して結合ベクトル３７０を生成することができる。例えば、特徴ベクトル３４０の大きさがＮであり、聴診位置ベクトル３５０の大きさがＭであり、生体ベクトル３６０の大きさがＬである場合、電子装置１００は、特徴ベクトル３４０、聴診位置ベクトル３５０、および生体ベクトル３６０を連結することによって、サイズ（Ｎ＋Ｍ＋Ｌ）の結合ベクトル３７０を生成することができる。

図３ｃを参照すると、電子装置１００は、一実施形態によって複数の聴診音データ３１５および複数の聴診位置データ３２５を獲得することができる。このとき、複数の聴診音データ３１５および複数の聴診位置データ３２５それぞれは、対応するデータと対になり得る。例えば、複数の聴診音データ３１５および複数の聴診位置データ３２５は、（聴診音データ、聴診位置データ）の形式で獲得され得る。

一実施形態によると、複数の聴診位置データ３２５に含まれた聴診位置データは、同一の値を有するか、相違する値を有し得る。例えば、複数の聴診音データ３１５および複数の聴診位置データ３２５は、（第１聴診音データ、第１聴診位置データ）、（第２聴診音データ、第２聴診位置データ）、または（第３聴診音データ、第３聴診位置データ）などのデータを含むことができる。または、複数の聴診音データ３１５および複数の聴診位置データ３２５は、（第１聴診音データ、第１聴診位置データ）、（第２聴診音データ、第１聴診位置データ）、または（第３聴診音データ、第２聴診位置データ）などのデータを含むことができる。

一実施形態によると、電子装置１００は、複数の聴診音データ３１５に基づいて、複数の特徴ベクトル３４５を獲得することができる。例えば、電子装置１００は、ｎ個の聴診音データ３１５をスペクトログラムイメージに変更した後、人工知能モデルを用いてｎ個の特徴ベクトル３４５を獲得することができる。

一実施形態によると、電子装置１００は、複数の聴診位置データ３２５に基づいて、複数の聴診位置ベクトル３５５を獲得することができる。例えば、電子装置１００は、ｎ個の聴診位置データ３２５をエンベディングしてｎ個の聴診位置ベクトル３５５を獲得することができる。

一実施形態によると、電子装置１００は、複数の特徴ベクトル３４５と複数の聴診位置ベクトル３５５を連結して、複数の結合ベクトル３７５を生成することができる。例えば、電子装置１００は、ｎ個の特徴ベクトル３４５およびｎ個の聴診位置ベクトル３５５に対応するベクトル同士を連結することによって、ｎ個の結合ベクトル３７５を生成することができる。

一実施形態によると、電子装置１００は、人工知能モデル３００を用いて、複数の結合ベクトル３７５に対応する少なくとも１つの疾病情報３８０を確認することができる。例えば、電子装置１００は、生成された複数の結合ベクトル３７５を人工知能モデル３００に入力し、人工知能モデル３００から出力された少なくとも１つの疾病情報３８０を確認することができる。

図３ｄを参照すると、電子装置１００は、一実施形態によって複数の聴診音データ３１５、複数の聴診位置データ３２５、および１つ以上の生体データ３３５を獲得することができる。このとき、１つ以上の生体データ３３５は１つであってもよく、複数であってもよい。例えば、生体データ３３５が聴診音データ獲得時ごとに測定されたデータを含む場合、電子装置１００は、複数の聴診音データそれぞれに対応する複数の生体データ３３５を獲得することができる。一方、生体データ３３５が聴診音データ獲得時ごとに測定されたデータを含まず、同一のデータ値が用いられる場合（一例として、年齢）、電子装置１００は１つの生体データ３３５を獲得することができる。

一実施形態によると、電子装置１００は、複数の聴診音データ３１５に基づいて複数の特徴ベクトル３４５を獲得し、複数の聴診位置データ３２５に基づいて複数の聴診位置ベクトル３５５を獲得し、１つ以上の生体データ３３５に基づいて１つ以上の生体ベクトル３６５を獲得することができる。例えば、電子装置１００は、ｎ個の聴診音データ３１５に基づいてｎ個の特徴ベクトル３４５を獲得し、ｎ個の聴診位置データ３２５をエンベディングしてｎ個の聴診位置ベクトル３５５を獲得することができる。また、電子装置１００は、１つ以上の生体データ３３５をエンベディングして１つ以上の生体ベクトル３６５を獲得することができる。

一実施形態によると、電子装置１００は、複数の特徴ベクトル３４５、複数の聴診位置ベクトル３５５、および１つ以上の生体ベクトル３６５を連結して、複数の結合ベクトル３７５を生成することができる。例えば、１つ以上の生体データ３３５が聴診音データ獲得時ごとに測定されたデータを含む場合、電子装置１００はｎ個の特徴ベクトル３４５、ｎ個の聴診位置ベクトル３５５、およびｎ個の生体ベクトル３６５に対応するベクトル同士を接続することによって、ｎ個の結合ベクトル３７５を生成することができる。または、１つ以上の生体データ３３５が聴診音データ獲得時ごとに測定されたデータを含まず、同一のデータ値が用いられる場合、電子装置１００は、ｎ個の特徴ベクトル３４５およびｎ個の聴診位置ベクトル３５５に対応するベクトル同士を連結した後、１つの生体ベクトル３６５を特徴ベクトルと聴診位置ベクトルが連結されたｎ個のベクトルにそれぞれ結合させることによって、ｎ個の結合ベクトル３７５を生成することができる。

図４ａないし図４ｄは、一実施形態によって電子装置１００が疾病を分類する過程を説明するための図面である。図３ａないし図３ｄと重複する内容は、簡略に説明または省略することにする。

図４ａを参照すると、電子装置１００は、一実施形態によって聴診音データ４１０および聴診位置データ４２０を獲得することができる。例えば、ユーザー端末は、スマート聴診器などから聴診音データ４１０および聴診位置データ４２０を獲得するか、ユーザー端末のディスプレイに表示された聴診可能位置のうち聴診位置を直接選択するユーザー入力を獲得し、獲得した聴診音データ４１０および聴診位置データ４２０を電子装置１００に伝送することができる。

一実施形態によると、電子装置１００は、聴診音データ４１０に基づいて、特徴マップ４４０を獲得することができる。例えば、電子装置１００は、獲得した聴診音データ４１０をスペクトログラムイメージに変更した後、人工知能モデルを用いて特徴マップ４４０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ４２０に基づいて、聴診位置マップ４５０を獲得することができる。例えば、電子装置１００は、聴診位置データ４２０に基づいて聴診位置マップ４５０を獲得することができ、聴診位置マップ４５０に含まれたマップの数は、ユーザーがどの身体部位に関する疾病の診断を受けようとするのか、または動物に関して診断しようとするのか否かによって相違して決定され得る。これに関しては、図８ａないし図８ｆ、および図９ａないし図９ｃを参照して、詳細に説明することにする。

一実施形態によると、電子装置１００は、特徴マップ４４０に聴診位置マップ４５０をチャンネルとして追加して、結合マップ４７０を生成することができる。例えば、聴診位置マップ４５０に含まれたマップの数がＭである場合、電子装置１００は、特徴マップ４４０に聴診位置マップ４５０をチャンネルとして追加することによって、（Ｍ＋１）個のマップを含む結合マップ４７０を生成することができる。

一実施形態によると、電子装置１００は、人工知能モデル４００を用いて、結合マップ４７０に対応する少なくとも１つの疾病情報４８０を確認することができる。例えば、電子装置１００は、生成された結合マップ４７０を人工知能モデル４００に入力し、人工知能モデル４００から出力された少なくとも１つの疾病情報４８０を確認することができる。

図４ｂを参照すると、電子装置１００は、一実施形態によって聴診音データ４１０、聴診位置データ４２０、および生体データ４３０を獲得することができる。例えば、ユーザーは、ユーザー端末を用いて心拍規則度、呼吸数、呼吸規則度、体温、年齢、血圧、血糖値などを含む生体データ４３０を測定するか、ユーザー端末に直接生体データ４３０を入力することができ、ユーザー端末は獲得した生体データ４３０を電子装置１００に伝送することができる。

一実施形態によると、電子装置１００は、聴診音データ４１０に基づいて特徴マップ４４０を獲得し、聴診位置データ４２０に基づいて聴診位置マップ４５０を獲得し、生体データ４３０に基づいて生体マップ４６０を獲得することができる。例えば、電子装置１００は、生体データ４３０に基づいて生体マップ４６０を獲得することができ、生体マップ４６０に含まれたマップの数は、生体データの種類の数および生体データそれぞれの種類に対応する範疇の数として設定された値によって相違して決定され得る。これに関しては、図１０を参照して、詳細に説明することにする。

一実施形態によると、電子装置１００は、特徴マップ４４０に聴診位置マップ４５０および生体マップ４６０をチャンネルとして追加して、結合マップ４７０を生成することができる。例えば、聴診位置マップ４５０に含まれたマップの数がＭであり、生体マップ４６０に含まれたマップの数がＬである場合、電子装置１００は、特徴マップ４４０に聴診位置マップ４５０および生体マップ４６０をチャンネルとして追加することによって、（Ｍ＋Ｌ＋１）個のマップを含む結合マップ４７０を生成することができる。

図４ｃを参照すると、電子装置１００は、一実施形態によって複数の聴診音データ４１５および複数の聴診位置データ４２５を獲得することができる。このとき、複数の聴診音データ４１５および複数の聴診位置データ４２５それぞれは、対応するデータと対になり得る。例えば、複数の聴診音データ４１５および複数の聴診位置データ４２５は、（聴診音データ、聴診位置データ）の形式で獲得され得る。

一実施形態によると、電子装置１００は、複数の聴診音データ４１５に基づいて、複数の特徴マップ４４５を獲得することができる。例えば、電子装置１００は、ｎ個の聴診音データ４１５をスペクトログラムイメージに変更した後、人工知能モデルを用いてｎ個の特徴マップ４４５を獲得することができる。

一実施形態によると、電子装置１００は、複数の聴診位置データ４２５に基づいて、複数の聴診位置マップ４５５を獲得することができる。例えば、電子装置１００は、ｎ個の聴診位置データ４２５に基づいてｎ個の聴診位置マップ４５５を獲得することができる。

一実施形態によると、電子装置１００は、複数の特徴マップ４４５に複数の聴診位置マップ４５５をチャンネルとして追加して、複数の結合マップ４７５を生成することができる。例えば、電子装置１００は、ｎ個の特徴マップ４４５それぞれに対応するｎ個の聴診位置マップ４５５をチャンネルとして追加することによって、ｎ個の結合マップ４７５を生成することができる。

一実施形態によると、電子装置１００は、人工知能モデル４００を用いて、複数の結合マップ４７５に対応する少なくとも１つの疾病情報４８０を確認することができる。例えば、電子装置１００は、生成された複数の結合マップ４７５を人工知能モデル４００に入力し、人工知能モデル４００から出力された少なくとも１つの疾病情報４８０を確認することができる。

図４ｄを参照すると、電子装置１００は、一実施形態によって複数の聴診音データ４１５、複数の聴診位置データ４２５、および１つ以上の生体データ４３５を獲得することができる。このとき、１つ以上の生体データ４３５は、１つであってもよく、複数であってもよい。例えば、生体データ４３５が聴診音データ獲得時ごとに測定されたデータを含む場合、電子装置１００は、複数の聴診音データそれぞれに対応する複数の生体データ４３５を獲得することができる。一方、生体データ４３５が聴診音データ獲得時ごとに測定されたデータを含まず、同一のデータ値が用いられる場合、電子装置１００は、１つの生体データ４３５を獲得することができる。

一実施形態によると、電子装置１００は、複数の聴診音データ４１５に基づいて複数の特徴マップ４４５を獲得し、複数の聴診位置データ４２５に基づいて複数の聴診位置マップ４５５を獲得し、１つ以上の生体データ４３５に基づいて１つ以上の生体マップ４６５を獲得することができる。例えば、電子装置１００は、ｎ個の聴診音データ４１５に基づいてｎ個の特徴マップ４４５を獲得し、ｎ個の聴診位置データ４２５に基づいてｎ個の聴診位置マップ４５５を獲得することができる。また、電子装置１００は、１つ以上の生体データ４３５をエンベディングして１つ以上の生体マップ４６５を獲得することができる。

一実施形態によると、電子装置１００は、複数の特徴マップ４４５に複数の聴診位置マップ４５５および１つ以上の特徴マップ４６５をチャンネルとして追加して、複数の結合マップ４７５を生成することができる。例えば、１つ以上の生体データ４３５が聴診音データ獲得時ごとに測定されたデータを含む場合、電子装置１００は、ｎ個の特徴マップ４４５それぞれに対応するｎ個の聴診位置マップ４５５およびｎ個の生体マップ４６５をチャンネルとして追加することによって、ｎ個の結合マップ４７５を生成することができる。または、１つ以上の生体データ４３５が聴診音データ獲得時ごとに測定されたデータを含まず、同一のデータ値が用いられる場合、電子装置１００は、ｎ個の特徴マップ４４５それぞれに対応するｎ個の聴診位置マップ４５５をチャンネルとして追加した後、１つの生体マップ４６５をそれぞれのチャンネルとして追加することによって、ｎ個の結合マップ４７５を生成することができる。

図５ａないし図５ｆは、一実施形態によって電子装置１００が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。

図５ａを参照すると、電子装置１００は、一実施形態によって聴診位置データ５００を獲得することができる。例えば、電子装置１００は、心音聴診可能位置のうち心音を測定した位置に関するデータを含む聴診位置データ５００を獲得することができる。このとき、心音聴診可能位置は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置を含むことができ、聴診位置データ５００は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置のうち心音が測定された位置に関するデータを含むことができる。

一実施形態によると、心音聴診可能位置は、心臓に関する疾病を診断するために、聴診器を位置させる身体部位を示し得る。例えば、Ｐ1位置は第２肋間腔（ｉｎｔｅｒｃｏｓｔａｌｓｐａｃｅ，ＩＣＳ）および傍胸骨右縁（Ｒｔ. ｐａｒａｓｔｅｒｎａｌｂｏｒｄｅｒ）に位置する大動脈弁の位置を示し、Ｐ２位置は、第２肋間腔および傍胸骨左縁に位置する肺動脈弁の位置を示し得る。また、Ｐ３位置は、第４または第５肋間腔および胸骨左縁に位置する三尖弁の位置を示し、Ｐ４位置は、第５肋間腔および左鎖骨中線（ｍｉｄ－ｃｌａｖｉｃｕｌａｒｌｉｎｅ）内側に位置する二尖弁の位置を示し得る。但し、これは一実施形態に過ぎず、心臓に関する疾病を診断するために聴診器を位置させる身体部位は、前述した形態に限定するものではない。

一実施形態によると、電子装置１００は、聴診位置データ５００または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ５００が心音聴診位置データを含む場合、電子装置１００は、心音聴診可能位置を聴診可能位置として確認することができる。または、設定データが心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は設定データを獲得し、設定データに基づいて心音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ５００をエンベディングして聴診位置ベクトル５１０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００は、大きさがｎの聴診位置ベクトル５１０を獲得することができる。例えば、心音聴診可能位置が４である場合、電子装置１００は大きさが４の聴診位置ベクトル５１０を獲得することができ、聴診位置ベクトル５１０の成分はそれぞれの心音聴診可能位置に対応し得る。

一実施形態によると、聴診位置ベクトル５１０に含まれた成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。例えば、聴診位置データ５００がＰ２に対応する聴診位置データを含む場合、聴診位置ベクトル５１０に含まれた成分のうち、Ｐ２位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。即ち、聴診位置ベクトル５１０は、［第２値，第１値，第２値，第２値］として表現され得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ５００または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ５００が心音聴診位置データを含む場合、電子装置１００は、心音データ、心音聴診位置データ、および心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、心音データ、心音聴診位置データ、および心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。

図５ｂを参照すると、電子装置１００は、一実施形態によって聴診位置データ５２０を獲得することができる。例えば、電子装置１００は、肺音聴診可能位置のうち肺音を測定した位置に関するデータを含む聴診位置データ５２０を獲得することができる。このとき、肺音聴診可能位置は、Ｐ１位置ないしＰ１２位置を含むことができ、聴診位置データ５２０は、Ｐ１位置ないしＰ１２位置のうち肺音が測定された位置に関するデータを含むことができる。

一実施形態によると、肺音聴診可能位置は、肺に関する疾病を診断するために、聴診器を位置させる身体部位を示し得る。例えば、Ｐ１位置は前面右側上部の位置を示し、Ｐ５位置は前面左側中部の位置を示し得る。また、Ｐ９位置は後面左側下部の位置を示し、Ｐ１０位置は後面右側上部の位置を示し得る。但し、これは一実施形態に過ぎず、肺に関する疾病を診断するために聴診器を位置させる身体部位は、前述の形態に限定されない。

一実施形態によると、電子装置１００は、聴診位置データ５２０または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ５２０が肺音聴診位置データを含む場合、電子装置１００は、肺音聴診可能位置を聴診可能位置として確認することができる。または、設定データが肺に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は設定データを獲得し、設定データに基づいて肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ５２０をエンベディングして聴診位置ベクトル５３０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００は、大きさがｎの聴診位置ベクトル５３０を獲得することができる。例えば、肺音聴診可能位置が１２である場合、電子装置１００は、大きさが１２の聴診位置ベクトル５３０を獲得することができ、聴診位置ベクトル５３０の成分はそれぞれ肺音聴診可能位置に対応し得る。

一実施形態によると、聴診位置ベクトル５３０に含まれた成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。例えば、聴診位置データ５２０がＰ７に対応する聴診位置データを含む場合、聴診位置ベクトル５３０に含まれた成分のうち、Ｐ７位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。即ち、聴診位置ベクトル５３０は、［第２値，第２値，第２値，第２値，第２値，第２値，第１値，第２値，第２値，第２値，第２値，第２値］として表現され得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ５２０または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ５２０が肺音聴診位置データを含む場合、電子装置１００は、肺音データ、肺音聴診位置データ、および肺に関する疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが肺に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、肺音データ、肺音聴診位置データ、および肺に関する疾病データに基づいて学習された人工知能モデルを使用することができる。

図５ｃを参照すると、電子装置１００は、一実施形態によって聴診位置データ５４０を獲得することができる。例えば、電子装置１００は、心音および肺音聴診可能位置のうち聴診音を測定した位置に関するデータを含む聴診位置データ５４０を獲得することができる。このとき、心音聴診可能位置はＰ１位置ないしＰ４位置を含むことができ、肺音聴診可能位置はＰ５位置ないしＰ１６位置を含むことができ、聴診位置データ５４０はＰ１位置ないしＰ１６位置のうち聴診音が測定された位置に関するデータを含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ５４０または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ５４０が心音または肺音聴診位置データを含む場合、電子装置１００は、心音および肺音聴診可能位置を聴診可能位置として確認することができる。または、設定データが診断を受けようとする身体部位に関するユーザー入力を含まないか、すべての身体部位に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は設定データを獲得し、設定データに基づいて心音、肺音、および腸音聴診可能位置を聴診可能位置として確認することができる。但し、これは一実施形態に過ぎず、聴診可能位置として確認され得る身体部位は、前述の形態に限定されない。

一実施形態によると、電子装置１００は、聴診位置データ５４０をエンベディングして聴診位置ベクトル５５０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００は大きさがｎの聴診位置ベクトル５５０を獲得することができる。例えば、心音聴診可能位置が４であって、肺音聴診可能位置が１２である場合、電子装置１００は大きさが１６の聴診位置ベクトル５５０を獲得することができ、聴診位置ベクトル５５０の成分はそれぞれ心音または肺音聴診可能位置に対応し得る。

一実施形態によると、聴診位置ベクトル５５０に含まれた成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。例えば、聴診位置データ５４０がＰ１１に対応する聴診位置データを含む場合、聴診位置ベクトル５５０に含まれた成分のうち、Ｐ１１位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。即ち、聴診位置ベクトル５５０は、［第２値，第２値，第２値，第２値，第２値，第２値，第２値，第２値，第２値，第２値，第１値，第２値，第２値，第２値，第２値，第２値］として表現され得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ５４０または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ５４０が肺音聴診位置データを含む場合、電子装置１００は、１つ以上の聴診音データ、１つ以上の聴診位置データ、および１つ以上の疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが診断を受けようとする身体部位に関するユーザー入力を含まないか、すべての身体部位に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、１つ以上の聴診音データ、１つ以上の聴診位置データ、および１つ以上の疾病データに基づいて学習された人工知能モデルを使用することができる。

図５ｄを参照すると、電子装置１００は、一実施形態によって聴診位置データ５６０を獲得することができる。例えば、電子装置１００は、心音聴診可能位置のうち第３の位置において心音を測定したというデータを含む聴診位置データ５６０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ５６０に基づいて聴診可能位置を確認することができる。例えば、聴診位置データ５６０が心音聴診位置データを含むことにより、電子装置１００は心音聴診可能位置を聴診可能位置として確認することができる。または、聴診位置データ５６０が心音聴診位置データを含むことにより、電子装置１００は心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、設定データに基づいて聴診可能位置を確認することができる。例えば、設定データが心臓に関する疾病の診断を受けようとするユーザー入力を含むことにより、電子装置１００は、設定データに基づいて心音聴診可能位置を聴診可能位置として確認することができる。または、設定データが診断を受けようとする身体部位に関するユーザー入力を含まないか、すべての身体部位に関する疾病の診断を受けようとするユーザー入力を含むことにより、電子装置１００は、設定データに基づいて心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ５６０をエンベディングして聴診位置ベクトル５６５を獲得することができる。例えば、聴診可能位置が４として確認された場合、電子装置１００は、［０，０，１，０]の値を有する聴診位置ベクトル５６５を獲得することができる。または、聴診可能位置が１６として確認された場合、電子装置１００は、［０，０，１，０，０，０，０，０，０，０，０，０，０，０，０，０］の値を有する聴診位置ベクトル５６５を獲得することができる。

図５ｅを参照すると、電子装置１００は、一実施形態によって聴診位置データ５７０を獲得することができる。例えば、電子装置１００は、肺音聴診可能位置のうち第３の位置において肺音を測定したというデータを含む聴診位置データ５７０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ５７０に基づいて聴診可能位置を確認することができる。例えば、聴診位置データ５７０が肺音聴診位置データを含むことにより、電子装置１００は、肺音聴診可能位置を聴診可能位置として確認することができる。または、聴診位置データ５７０が肺音聴診位置データを含むことにより、電子装置１００は、心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、設定データに基づいて聴診可能位置を確認することができる。例えば、設定データが肺に関する疾病の診断を受けようとするユーザー入力を含むことにより、電子装置１００は、設定データに基づいて肺音聴診可能位置を聴診可能位置として確認することができる。または、設定データが診断を受けようとする身体部位に関するユーザー入力を含まないか、すべての身体部位に関する疾病の診断を受けようとするユーザー入力を含むことにより、電子装置１００は、設定データに基づいて心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ５７０をエンベディングして聴診位置ベクトル５７５を獲得することができる。例えば、聴診可能位置が１２として確認された場合、電子装置１００は、［０，０，１，０，０，０，０，０，０，０，０，０］の値を有する聴診位置ベクトル５７５を獲得することができる。または、聴診可能位置が１６として確認された場合、電子装置１００は、［０，０，０，０，０，０，１，０，０，０，０，０，０，０，０，０］の値を有する聴診位置ベクトル５７５を獲得することができる。

図５ｆを参照すると、電子装置１００は、一実施形態によって聴診位置データ５８０を獲得することができる。例えば、電子装置１００は、肺音聴診可能位置のうち第１１の位置において肺音を測定したというデータを含む聴診位置データ５８０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ５８０に基づいて聴診可能位置を確認することができる。例えば、聴診位置データ５８０が肺音聴診位置データを含むことにより、電子装置１００は、肺音聴診可能位置を聴診可能位置として確認することができる。または、聴診位置データ５８０が肺音聴診位置データを含むことにより、電子装置１００は、心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ５８０をエンベディングして聴診位置ベクトル５８５を獲得することができる。例えば、聴診可能位置が１２として確認された場合、電子装置１００は、［０，０，０，０，０，０，０，０，０，０，１，０］の値を有する聴診位置ベクトル５８５を獲得することができる。または、聴診可能位置が１６として確認された場合、電子装置１００は、［０，０，０，０，０，０，０，０，０，０，０，０，０，０，１，０］の値を有する聴診位置ベクトル５８５を獲得することができる。

図６ａないし図６ｂは、一実施形態によって電子装置１００が聴診位置データに基づいて聴診位置ベクトルを獲得する過程を説明するための図面である。図５ａないし図５ｆと重複する内容は、省略または簡略に説明することにする。

図６ａを参照すると、電子装置１００は、一実施形態によって聴診位置データ６００を獲得することができる。例えば、電子装置１００は、犬の心音聴診可能位置のうち犬の心音を測定した位置に関するデータを含む聴診位置データ６００を獲得することができる。このとき、犬の心音聴診可能位置は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置を含むことができ、聴診位置データ６００は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置のうち心音が測定された位置に関するデータを含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ６００または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ６００が犬の心音聴診位置データを含む場合、電子装置１００は、犬の心音聴診可能位置を聴診可能位置として確認することができる。または、設定データが犬の心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は設定データを獲得し、設定データに基づいて犬の心音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ６００をエンベディングして聴診位置ベクトル６２０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００は大きさがｎの聴診位置ベクトル６２０を獲得することができる。例えば、犬の心音聴診可能位置が４である場合、電子装置１００は大きさが４の聴診位置ベクトル６２０を獲得することができ、聴診位置ベクトル６２０の成分はそれぞれ犬の心音聴診可能位置に対応し得る。但し、これは一実施形態に過ぎず、犬の心音聴診可能位置は、前述の形態に限定されない。

一実施形態によると、聴診位置ベクトル６２０に含まれた成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。例えば、聴診位置データ６００がＰ２位置に対応する聴診位置データを含む場合、聴診位置ベクトル６２０に含まれた成分のうち、Ｐ２位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。即ち、聴診位置ベクトル６２０は、［第２値，第１値，第２値，第２値］として表現され得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ６００または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ６００が犬の心音聴診位置データを含む場合、電子装置１００は、犬の心音データ、犬の心音聴診位置データ、および犬の心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが犬の心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、犬の心音データ、犬の心音聴診位置データ、および犬の心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。

図６ｂを参照すると、電子装置１００は、一実施形態によって聴診位置データ６４０を獲得することができる。例えば、電子装置１００は、犬の心音聴診可能位置のうち第２の位置において心音を測定したというデータを含む聴診位置データ６４０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ６４０または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ６４０が犬の心音聴診位置データを含むことにより、電子装置１００は、犬の心音聴診可能位置を聴診可能位置として確認することができる。または、設定データが犬の心臓に関する疾病の診断を受けようとするユーザー入力を含むことにより、電子装置１００は、犬の心音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ６４０をエンベディングして聴診位置ベクトル６６０を獲得することができる。例えば、聴診可能位置が４として確認された場合、電子装置１００は、［０，１，０，０］の値を有する聴診位置ベクトル６６０を獲得することができる。

図７は、一実施形態によって電子装置１００が生体データに基づいて生体ベクトルを獲得する過程を説明するための図面である。

一実施形態によると、電子装置１００は、生体データ７００を獲得することができる。例えば、電子装置１００は、ユーザーの年齢が４６歳であって、最高血圧が１２８ｍｍＨｇであり、最低血圧が８５ｍｍＨｇであり、血糖値が１３５ｍｇ／ｄＬであることを示す生体データ７００を獲得することができる。

一実施形態によると、電子装置１００は、生体データ７００をエンベディングするための範疇の個数を設定することができる。より具体的には、電子装置１００は、生体データ７００をエンベディングするための範疇の個数をｎに設定することができる。これにより、生体データ７００をエンベディングしたベクトルの大きさがｎであり、ｎ個の成分それぞれは生体データ７００の範疇に対応し得る。

例えば、電子装置１００は、年齢データをエンベディングするための範疇の個数を１０に設定し、それぞれの範疇に含まれる年齢の範囲を１０歳に設定することができる。これにより、年齢データをエンベディングしたベクトルの大きさは１０であり、第１成分は０歳～９歳、第２成分は１０歳～１９歳、・・・、第９成分は８０歳～８９歳、第１０成分は９０歳以上の年齢に対応し得る。

または、電子装置１００は、最高血圧データをエンベディングするための範疇の個数を５に設定し、それぞれの範疇に含まれる最高血圧の範囲を３０ｍｍＨｇに設定することができる。これにより、最高血圧データをエンベディングしたベクトルの大きさは５であり、第１成分は６０ｍｍＨｇ以下の血圧、第２成分は６０ｍｍＨｇ～９０ｍｍＨｇ、第３成分は９０ｍｍＨｇ～１２０ｍｍＨｇ、第４成分は１２０ｍｍＨｇ～１５０ｍｍＨｇ、第５成分は１５０ｍｍＨｇ以上の血圧に対応し得る。

または、電子装置１００は、最低血圧データをエンベディングするための範疇の個数を５に設定し、それぞれの範疇に含まれる最低血圧の範囲を３０ｍｍＨｇに設定することができる。これにより、最低血圧データをエンベディングしたベクトルの大きさは５であり、第１成分は３０ｍｍＨｇ以下の血圧、第２成分は３０ｍｍＨｇ～６０ｍｍＨｇ、第３成分は６０ｍｍＨｇ～９０ｍｍＨｇ、第４成分は９０ｍｍＨｇ～１２０ｍｍＨｇ、第５成分は１２０ｍｍＨｇ以上の血圧に対応し得る。

または、電子装置１００は、血糖値データをエンベディングするための範疇の個数を８に設定し、それぞれの範疇に含まれる血糖値の範囲を２０に設定することができる。これにより、血糖値データをエンベディングしたベクトルの大きさは８であり、第１成分は６０ｍｇ／ｄＬ以下の血糖値、第２成分は６０ｍｇ／ｄＬ～８０ｍｇ／ｄＬ、・・・、第７成分は１６０ｍｇ／ｄＬ～１８０ｍｇ／ｄＬ、第８成分は１８０ｍｇ／ｄＬ以上の血糖値に対応し得る。

一実施形態によると、電子装置１００は、生体データ７００をエンベディングして１つ以上の生体ベクトル７２０、７４０、７６０、７８０を獲得することができる。このとき、１つ以上の生体ベクトル７２０、７４０、７６０、７８０の大きさは、生体データの種類の数および生体データそれぞれの種類に対応する範疇の数として設定された値によって相違し得る。例えば、電子装置１００は、年齢データをエンベディングして、［０，０，０，０，１，０，０，０，０，０］の値を有する生体ベクトル７２０を獲得することができ、最高血圧データをエンベディングして、［０，０，０，１，０］の値を有する生体ベクトル７４０を獲得することができる。また、電子装置１００は、最低血圧データをエンベディングして、［０，０，１，０，０］の値を有する生体ベクトル７６０を獲得することができ、血糖値データをエンベディングして、［０，０，０，０，１，０，０，０］の値を有する生体ベクトル７８０を獲得することができる。

一実施形態によると、電子装置１００は、１つ以上の生体ベクトル７２０、７４０、７６０、７８０を連結することによって、最終生体ベクトルを獲得することができる。これにより、生体データそれぞれの種類によって生体データをエンベディングするための範疇の数に設定された値の合計が最終生体ベクトルの大きさであり得る。例えば、電子装置１００は、１つ以上の生体ベクトル７２０、７４０、７６０、７８０連結することによって、［０，０，０，０，１，０，０，０，０，０，０，０，０，１，０，０，０，１，０，０，０，０，０，１，０，０，０，０］の値を有する最終生体ベクトルを獲得することができ、これにより、最終生体ベクトルの大きさは、年齢データ、最高血圧データ、最低血圧データ、および血糖値データをエンベディングするための範疇の個数それぞれの合計である２８であり得る。

図８ａないし図８ｆは、一実施形態によって電子装置１００が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。図５ａないし図５ｆと重複する内容は、簡略に説明または省略することにする。

図８ａを参照すると、電子装置１００は、一実施形態によって聴診位置データ８００を獲得することができる。例えば、電子装置１００は、心音聴診可能位置のうち心音を測定した位置に関するデータを含む聴診位置データ８００を獲得することができる。このとき、心音聴診可能位置は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置を含むことができ、聴診位置データ８００は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置のうち心音が測定された位置に関するデータを含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ８００または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ８００が心音聴診位置データを含む場合、電子装置１００は、心音聴診可能位置を聴診可能位置として確認することができる。または、設定データが心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は設定データを獲得し、設定データに基づいて心音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ８００に基づいて聴診位置マップ８１０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００はｎ個のマップを含む聴診位置マップ８１０を獲得することができる。例えば、心音聴診可能位置が４である場合、電子装置１００は４個のマップを含む聴診位置マップ８１０を獲得することができ、４個のマップそれぞれは心音聴診可能位置に対応し得る。

一実施形態によると、聴診位置マップ８１０に含まれたマップのうち、聴診位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。例えば、聴診位置データ８００がＰ２に対応する聴診位置データを含む場合、聴診位置マップ８１０に含まれたマップのうち、Ｐ２位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ８００または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ８００が心音聴診位置データを含む場合、電子装置１００は、心音データ、心音聴診位置データ、および心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、心音データ、心音聴診位置データ、および心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。

図８ｂを参照すると、電子装置１００は、一実施形態によって聴診位置データ８２０を獲得することができる。例えば、電子装置１００は、肺音聴診可能位置のうち肺音を測定した位置に関するデータを含む聴診位置データ８２０を獲得することができる。このとき、肺音聴診可能位置はＰ１位置ないしＰ１２位置を含むことができ、聴診位置データ８２０はＰ１位置ないしＰ１２位置のうち肺音が測定された位置に関するデータを含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ８２０または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ８２０が肺音聴診位置データを含む場合、電子装置１００は、肺音聴診可能位置を聴診可能位置として確認することができる。または、設定データが肺に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は設定データを獲得し、設定データに基づいて肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ８２０に基づいて聴診位置マップ８３０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００はｎ個のマップを含む聴診位置マップ８３０を獲得することができる。例えば、肺音聴診可能位置が１２である場合、電子装置１００は１２個のマップを含む聴診位置マップ８３０を獲得することができ、１２個のマップそれぞれは肺音聴診可能位置に対応し得る。

一実施形態によると、聴診位置マップ８３０に含まれたマップのうち、聴診位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。例えば、聴診位置データ８２０がＰ５に対応する聴診位置データを含む場合、聴診位置マップ８３０に含まれたマップのうち、Ｐ５位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ８２０または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ８２０が肺音聴診位置データを含む場合、電子装置１００は、肺音データ、肺音聴診位置データ、および肺に関する疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが肺に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、肺音データ、肺音聴診位置データ、および肺に関する疾病データに基づいて学習された人工知能モデルを使用することができる。

図８ｃを参照すると、電子装置１００は、一実施形態によって聴診位置データ８４０を獲得することができる。例えば、電子装置１００は、心音および肺音聴診可能位置のうち聴診音を測定した位置に関するデータを含む聴診位置データ８４０を獲得することができる。このとき、心音聴診可能位置はＰ１位置ないしＰ４位置を含むことができ、肺音聴診可能位置はＰ５位置ないしＰ１６位置を含むことができ、聴診位置データ８４０はＰ１位置ないしＰ１６位置のうち聴診音が測定された位置に関するデータを含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ８４０または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ８４０が心音または肺音聴診位置データを含む場合、電子装置１００は、心音および肺音聴診可能位置を聴診可能位置として確認することができる。または、設定データが診断を受けようとする身体部位に関するユーザー入力を含まないか、すべての身体部位に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は設定データを獲得し、設定データに基づいて心音、肺音、および腸音聴診可能位置を聴診可能位置として確認することができる。但し、これは一実施形態に過ぎず、聴診可能位置として確認され得る身体部位は、前述の形態に限定されない。

一実施形態によると、電子装置１００は、聴診位置データ８４０に基づいて聴診位置マップ８５０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００はｎ個のマップを含む聴診位置マップ８５０を獲得することができる。例えば、心音聴診可能位置が４であり、肺音聴診可能位置が１２である場合、電子装置１００は１６個のマップを含む聴診位置マップ８５０を獲得することができ、１６個のマップそれぞれは心音聴診可能位置に対応し得る。

一実施形態によると、聴診位置マップ８５０に含まれたマップのうち、聴診位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。例えば、聴診位置データ８４０がＰ１３に対応する聴診位置データを含む場合、聴診位置マップ８５０に含まれたマップのうち、Ｐ１３位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ８４０または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ８４０が肺音聴診位置データを含む場合、電子装置１００は、１つ以上の聴診音データ、１つ以上の聴診位置データ、および１つ以上の疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが診断を受けようとする身体部位に関するユーザー入力を含まないか、すべての身体部位に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、１つ以上の聴診音データ、１つ以上の聴診位置データ、および１つ以上の疾病データに基づいて学習された人工知能モデルを使用することができる。

図８ｄを参照すると、電子装置１００は、一実施形態によって聴診位置データ８６０を獲得することができる。例えば、電子装置１００は、心音聴診可能位置のうち第３の位置において心音を測定したというデータを含む聴診位置データ８６０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ８６０に基づいて聴診可能位置を確認することができる。例えば、聴診位置データ８６０が心音聴診位置データを含むことにより、電子装置１００は心音聴診可能位置を聴診可能位置として確認することができる。または、聴診位置データ８６０が心音聴診位置データを含むことにより、電子装置１００は心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ８６０に基づいて聴診位置マップ８６５を獲得することができる。例えば、聴診可能位置が４として確認された場合、電子装置１００は、４個のマップを含む聴診位置マップ８６５を獲得することができ、４個のマップのうち第３のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。または、聴診可能位置が１６として確認された場合、電子装置１００は１６個のマップを含む聴診位置マップ８６５を獲得することができ、１６個のマップのうち第３のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。

図８ｅを参照すると、電子装置１００は、一実施形態によって聴診位置データ８７０を獲得することができる。例えば、電子装置１００は、肺音聴診可能位置のうち第１の位置において肺音を測定したというデータを含む聴診位置データ８７０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ８７０に基づいて聴診可能位置を確認することができる。例えば、聴診位置データ８７０が肺音聴診位置データを含むことにより、電子装置１００は、肺音聴診可能位置を聴診可能位置として確認することができる。または、聴診位置データ８７０が肺音聴診位置データを含むことにより、電子装置１００は、心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ８７０に基づいて聴診位置マップ８７５を獲得することができる。例えば、聴診可能位置が１２として確認された場合、電子装置１００は１２個のマップを含む聴診位置マップ８７５を獲得することができ、１２個のマップのうち第１のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。または、聴診可能位置が１６として確認された場合、電子装置１００は１６個のマップを含む聴診位置マップ８７５を獲得することができ、１６個のマップのうち第５のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。

図８ｆを参照すると、電子装置１００は、一実施形態によって聴診位置データ８８０を獲得することができる。例えば、電子装置１００は、肺音聴診可能位置のうち第１１の位置において肺音を測定したというデータを含む聴診位置データ８８０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ８８０に基づいて聴診可能位置を確認することができる。例えば、聴診位置データ８８０が肺音聴診位置データを含むことにより、電子装置１００は、肺音聴診可能位置を聴診可能位置として確認することができる。または、聴診位置データ８８０が肺音聴診位置データを含むことにより、電子装置１００は、心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、設定データに基づいて聴診可能位置を確認することができる。例えば、設定データが肺に関する疾病の診断を受けようとするユーザー入力を含むことにより、電子装置１００は、設定データに基づいて肺音聴診可能位置を聴診可能位置として確認することができる。または、設定データが診断を受けようとする身体部位に関するユーザー入力を含まないか、すべての身体部位に関する疾病の診断を受けようとするユーザー入力を含むことによって、電子装置１００は、設定データに基づいて心音および肺音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ８８０に基づいて聴診位置マップ８８５を獲得することができる。例えば、聴診可能位置が１２として確認された場合、電子装置１００は１２個のマップを含む聴診位置マップ８８５を獲得することができ、１２個のマップのうち第１１のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。または、聴診可能位置が１６として確認された場合、電子装置１００は１６個のマップを含む聴診位置マップ８８５を獲得することができ、１６個のマップのうち第１５のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。

図９ａないし図９ｂは、一実施形態によって電子装置１００が聴診位置データに基づいて聴診位置マップを獲得する過程を説明するための図面である。図８ａないし図８ｆと重複する内容は、省略または簡略に説明することにする。

図９ａを参照すると、電子装置１００は、一実施形態によって聴診位置データ９００を獲得することができる。例えば、電子装置１００は、犬の心音聴診可能位置のうち犬の心音を測定した位置に関するデータを含む聴診位置データ９００を獲得することができる。このとき、犬の心音聴診可能位置は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置を含むことができ、聴診位置データ９００は、Ｐ１位置、Ｐ２位置、Ｐ３位置、およびＰ４位置のうち心音が測定された位置に関するデータを含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ９００または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ９００が犬の心音聴診位置データを含む場合、電子装置１００は、犬の心音聴診可能位置を聴診可能位置として確認することができる。または、設定データが犬の心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、設定データを獲得し、設定データに基づいて犬の心音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ９００に基づいて聴診位置マップ９２０を獲得することができる。このとき、確認された聴診可能位置の数がｎである場合、電子装置１００はｎ個のマップを含む聴診位置マップ９２０を獲得することができる。例えば、犬の心音聴診可能位置が４である場合、電子装置１００は４個のマップを含む聴診位置マップ９２０を獲得することができ、４個のマップそれぞれは犬の心音聴診可能位置に対応し得る。但し、これは一実施形態に過ぎず、犬の心音聴診可能位置は、前述の形態に限定されない。

一実施形態によると、聴診位置マップ９２０に含まれたマップのうち、聴診位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。例えば、聴診位置データ９００がＰ２位置に対応する聴診位置データを含む場合、聴診位置マップ９２０に含まれたマップのうち、Ｐ２位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。このとき、第１値は１を含み、第２値は０を含むことができる。

一実施形態によると、電子装置１００は、聴診位置データ９００または設定データに基づいて、使用する人工知能モデルを確認することができる。例えば、聴診位置データ９００が犬の心音聴診位置データを含む場合、電子装置１００は、犬の心音データ、犬の心音聴診位置データ、および犬の心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。または、設定データが犬の心臓に関する疾病の診断を受けようとするユーザー入力を含む場合、電子装置１００は、犬の心音データ、犬の心音聴診位置データ、および犬の心臓に関する疾病データに基づいて学習された人工知能モデルを使用することができる。

図９ｂを参照すると、電子装置１００は、一実施形態によって聴診位置データ９４０を獲得することができる。例えば、電子装置１００は、犬の心音聴診可能位置のうち第２の位置において心音を測定したというデータを含む聴診位置データ９４０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ９４０または設定データに基づいて聴診可能位置を確認することができる。例えば、聴診位置データ９４０が犬の心音聴診位置データを含むことにより、電子装置１００は、犬の心音聴診可能位置を聴診可能位置として確認することができる。または、設定データが犬の心臓に関する疾病の診断を受けようとするユーザー入力を含むことにより、電子装置１００は、犬の心音聴診可能位置を聴診可能位置として確認することができる。

一実施形態によると、電子装置１００は、聴診位置データ９４０に基づいて聴診位置マップ９６０を獲得することができる。例えば、聴診可能位置が４として確認された場合、電子装置１００は４個のマップを含む聴診位置マップ９６０を獲得することができ、４個のマップのうち第２のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。

図１０は、一実施形態によって電子装置１００が生体データに基づいて生体マップを獲得する過程を説明するための図面である。図７と重複する内容は、簡略に説明または省略することにする。

一実施形態によると、電子装置１００は、生体データ１０００を獲得することができる。例えば、電子装置１００は、ユーザーの年齢が６歳であって、最高血圧が１２８ｍｍＨｇであり、最低血圧が８５ｍｍＨｇであり、血糖値が１１５ｍｇ／ｄＬであることを示す生体データ１０００を獲得することができる。

一実施形態によると、電子装置１００は、生体データ１０００をマップに変換するための範疇の個数を設定することができる。より具体的には、電子装置１００は、生体データ１０００をマップに変換するための範疇の個数をｎに設定することができる。これにより、生体データ１０００を変換したマップに含まれたマップの数がｎであり、ｎ個のマップそれぞれは生体データ１０００の範疇に対応し得る。

一実施形態によると、電子装置１００は、生体データ１０００に基づいて１つ以上の生体マップ１０２０、１０４０、１０６０、１０８０を獲得することができる。このとき、１つ以上の生体マップ１０２０、１０４０、１０６０、１０８０に含まれたマップの数は、生体データの種類の数および生体データそれぞれの種類に対応する範疇の数として設定された値によって相違し得る。例えば、電子装置１００は、年齢データに基づいて、１０個のマップを含む生体マップ１０２０を獲得することができ、１０個のマップのうち第１のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。電子装置１００は、最高血圧データに基づいて、５個のマップを含む生体マップ１０４０を獲得することができ、５個のマップのうち第４のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。電子装置１００は、最低血圧データに基づいて、５個のマップを含む生体マップ１０６０を獲得することができ、５個のマップのうち第３のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。電子装置１００は、血糖値データに基づいて、８個のマップを含む生体マップ１０８０を獲得することができ、８個のマップのうち第４のマップの成分は１の値を有し、残りのマップの成分は０の値を有し得る。

一実施形態によると、電子装置１００は、１つ以上の生体マップ１０２０、１０４０、１０６０、１０８０を組み合わせることによって、最終生体マップを獲得することができる。これにより、生体データそれぞれの種類によって生体データをマップに変換するための範疇の数として設定された値の合計が最終生体マップに含まれたマップの個数であり得る。例えば、１つ以上の生体マップ１０２０、１０４０、１０６０、１０８０を組み合わせることによって、２８個のマップを含む最終生体マップを獲得することができ、２８個のマップのうち第１のマップ、第１４のマップ、第１８のマップ、および第２４のマップは１つの値を有し、残りのマップは０の値を有し得る。

図１１は、一実施形態によって電子装置１００が診療記録データに基づいて、聴診位置情報を獲得する過程を説明するための図面である。

一実施形態によると、電子装置１００は、診療記録データ１１２０を獲得することができる。例えば、ユーザー端末は、診療記録を直接記入するユーザー入力を獲得するか、外部装置から診療記録データ１１２０を受信し、獲得した診療記録データ１１２０を電子装置１００に伝送することができる。このとき、診療記録データは、専門医療従事者が記述した文章データを含むことができるが、前述の形態に限定されない。

一実施形態によると、電子装置１００は、人工知能モデル１１００を用いて、診療記録データ１１２０から聴診位置データ１１４０を獲得することができる。より具体的には、電子装置１００は、キーワードを抽出する人工知能モデルを用いて、診療記録データ１１２０からキーワードを抽出することによって、聴診位置データ１１４０を獲得することができる。例えば、電子装置１００は、「前胸左側の第１の部分において異常音が聞こえる」という文章を含む診療記録データ１１２０を獲得することができる。電子装置１００は、診療記録データ１１２０から「前胸、左側第１の部分」というキーワードを抽出することによって、聴診位置データ１１４０を獲得することができる。

一実施形態によると、電子装置１００は、聴診位置データ１１４０に基づいて聴診位置情報１１６０を獲得することができる。例えば、電子装置１００は、Ｗｏｒｄ２Ｖｅｃのようなニューラルネットワークモデルを用いて、聴診位置データ１１４０から聴診位置情報１１６０を獲得することができる。

図１２ａないし図１２ｃは、一実施形態によって電子装置１００が人工知能モデルを学習させる過程を説明するための図面である。

図１２ａを参照すると、電子装置１００は、一実施形態によって１つ以上の聴診音データ１２２０、１つ以上の聴診位置データ１２３０、および１つ以上の疾病データ１２４０を含む学習データセット１２１０を用いて人工知能モデル１２００を学習させることができる。このとき、１つ以上の聴診音データ１２２０、１つ以上の聴診位置データ１２３０、および１つ以上の疾病データ１２４０のそれぞれは、対応するデータと対になり得る。例えば、学習データセット１２１０は、（聴診音データ、聴診位置データ、疾病データ）形式の学習データを含むことができる。

一実施形態によると、学習データセット１２１０は、心臓に関するデータを含むことができる。例えば、聴診音データ１２２０は、クリック音（ｃｌｉｃｋｓ）、弾き音（ｓｎａｐ）、または心雑音（ｈｅａｒｔｍｕｒｍｕｒ）などに関するデータを含むことができ、聴診位置データ１２３０は、大動脈弁の位置、肺動脈弁の位置、三尖弁の位置、または二尖弁の位置などに関するデータを含むことができる。また、疾病データ１２４０は、大動脈弁狭窄症、大動脈弁閉鎖不全症（ａｏｒｔｉｃｉｎｓｕｆｆｉｃｉｅｎｃｙ，ＡＩ）、僧帽弁狭窄症（ｍｉｔｒａｌｓｔｅｎｏｓｉｓ，ＭＳ）、僧帽弁閉鎖不全症（ｍｉｔｒａｌｖａｌｖｅｉｎｓｕｆｆｉｃｉｅｎｃｙ，ＭＶＩ）などに関するデータを含むことができる。

一実施形態によると、学習データセット１２１０は、肺に関するデータを含むことができる。例えば、聴診音データ１２２０は、肺胞呼吸音（ｖｅｓｉｃｕｌａｒｂｒｅａｔｈｓｏｕｎｄ）、気管支呼吸音（ｂｒｏｎｃｈｉａｌｂｒｅａｔｈｓｏｕｎｄ）、呼気性喘鳴（ｗｈｅｅｚｉｎｇ）、水泡音（ｃｒａｃｋｌｉｎｇ）、胸膜摩擦音（ｐｌｅｕｒａｌｆｒｉｃｔｉｏｎｒｕｂ）、類鼾音（ｒｈｏｎｃｕｓ）などに関するデータを含むことができ、聴診位置データ１２３０は、肺音聴診可能位置データを含むことができる。また、疾病データ１２４０は、喘息（ａｓｔｈｍａ）、慢性閉塞性肺疾患（ｃｈｒｏｎｉｃｏｂｓｔｒｕｃｔｉｖｅｐｕｌｍｏｎａｒｙｄｉｓｅａｓｅ，ＣＯＰＤ）、肺炎（ｐｎｅｕｍｏｎｉａ）、気管支拡張症（ｂｒｏｎｃｈｉｅｃｔａｓｉｓ）、間質性肺疾患（ｉｎｔｅｒｓｔｉｔｉａｌｌｕｎｇｄｉｓｅａｓｅ，ＩＬＤ）、胸水（ｈｙｄｒｏｔｈｏｒａｘ）などに関するデータを含むことができる。

一実施形態によると、学習データセット１２１０は、動物に関するデータを含むことができる。例えば、聴診音データ１２２０は、クリック音、弾き音、または心雑音などに関するデータを含むことができ、聴診位置データ１２３０は、大動脈弁の位置、肺動脈弁の位置、三尖弁の位置、または二尖弁の位置などに関するデータを含むことができる。また、疾病データ１２４０は、大動脈弁狭窄症、肺動脈弁狭窄症（ｐｕｌｍｏｎｉｃｓｔｅｎｏｓｉｓ，ＰＳ）、動脈管開存症（ｐａｔｅｎｔｄｕｃｔｕｓａｒｔｅｒｉｏｓｕｓ，ＰＤＡ）、僧帽弁閉鎖不全症、大動脈弁下狭窄症（ｓｕｂａｏｒｔｉｃｓｔｅｎｏｓｉｓ，ＳＡＳ）、三尖弁閉鎖不全症（ｔｒｉｃｕｓｐｉｄｖａｌｖｅｉｎｓｕｆｆｉｃｉｅｎｃｙ，ＴＶＩ）、または心室中隔欠損症（ｖｅｎｔｒｉｃｕｌａｒｓｅｐｔａｌｄｅｆｅｃｔ，ＶＳＤ）などに関するデータを含むことができる。

一実施形態によると、学習データセット１２１０は、特定疾病を有する人の多様な身体部位において測定した聴診音データを含むことができる。例えば、学習データセットは（第１聴診音、二尖弁の位置、僧帽弁狭窄症)の学習データだけでなく、(第２聴診音、大動脈弁の位置、僧帽弁狭窄症)、(第３聴診音、肺動脈弁の位置、僧帽弁狭窄症)、または(第４聴診音、三尖弁の位置、僧帽弁狭窄症)などの多様な学習データを含むことができる。または、学習データセットは、（第１聴診音、第１の位置、肺炎）の学習データだけでなく、（第２聴診音、第２の位置、肺炎）、（第３聴診音、第３の位置、肺炎）、または（第４聴診音、第４の位置、肺炎)などの多様な学習データを含むことができる。

このように、人工知能モデル１２００が聴診音データ１２２０だけでなく、聴診位置データ１２３０に基づいて学習することによって、聴診音データ１２２０および聴診位置データ１２３０が入力されたときに、電子装置１００は、人工知能モデル１２００を用いて入力したデータのユーザーが疾病を有しているか否かをより高い正確度で判断することができる。また、人工知能モデル１２００が特定疾病を診断するための最適な位置における聴診音データ１２２０だけでなく、多様な位置における聴診音データ１２２０に基づいて学習することによって、最適な位置以外の位置からの聴診音データ１２２０および該当位置データ１２３０が入力されたときも、電子装置１００は人工知能モデル１２００を用いて入力したデータのユーザーが疾病を有しているか否かを判断することができる。

図１２ｂを参照すると、電子装置１００は、一実施形態によって１つ以上の聴診音データ１２２０、１つ以上の聴診位置データ１２３０、１つ以上の疾病データ１２４０、および１つ以上の生体データ１２５０を含む学習データセット１２１０を用いて人工知能モデル１２００を学習させることができる。このとき、１つ以上の聴診音データ１２２０、１つ以上の聴診位置データ１２３０、１つ以上の疾病データ１２４０、および１つ以上の生体データ１２５０それぞれは、対応するデータと対になり得る。例えば、学習データセット１２１０は、（聴診音データ、聴診位置データ、疾病データ、生体データ）形式の学習データを含むことができる。

一実施形態によると、学習データセット１２１０は、特定疾病を有する人の多様な身体部位において測定した聴診音データおよび生体データを含むことができる。例えば、学習データセットは、（第１聴診音、二尖弁の位置、大動脈弁閉鎖不全症、年齢、体温、心拍規則度）、（第２聴診音、三尖弁の位置、大動脈弁閉鎖不全症、年齢、体温、心拍規則度）、（第３聴診音、大動脈弁の位置、大動脈弁閉鎖不全症、年齢、体温、心拍規則度）、または（第４聴診音，肺動脈弁の位置，大動脈弁閉鎖不全症、年齢、体温、心拍規則度）などの多様な学習データを含むことができる。または、学習データセットは、（第１聴診音、第１の位置、間質性肺疾患、年齢、呼吸数）、（第２聴診音、第２の位置、間質性肺疾患、年齢、呼吸数）、または（第３聴診音、第３の位置、間質性肺疾患、年齢、呼吸数）などの多様な学習データを含むことができる。

このように、人工知能モデル１２００が聴診音データ１２２０および聴診位置データ１２３０だけでなく、生体データ１２４０に基づいて学習することによって、聴診音データ１２２０、聴診位置データ１２３０、および生体データ１２４０が入力されたときに、電子装置１００は、人工知能モデル１２００を用いて入力したデータのユーザーが疾病を有しているか否かをより高い正確度で判断することができる。

図１２ｃを参照すると、電子機器１００は、一実施形態によって１つ以上の聴診音データ１２２０、１つ以上の聴診位置データ１２３０、および１つ以上の疾病データ１２４０を含む学習データセット１２１０を用いて人工知能モデル１２００に含まれた１つ以上の人工知能モデル１２０２、１２０４、１２０６を学習させることができる。

例えば、電子装置１００は、１つ以上の心音データ、１つ以上の心音聴診位置データ、および１つ以上の心臓に関する疾病データを含む学習データセットを用いて、心臓に関する疾病を分類するための第１人工知能モデル１２０２を学習させることができる。または、電子装置１００は、１つ以上の肺音データ、１つ以上の肺音聴診位置データ、および１つ以上の肺に関する疾病データを含む学習データセットを用いて、肺に関する疾病を分類するための第２人工知能モデル１２０４を学習させることができる。電子装置１００は、１つ以上の犬の心音データ、１つ以上の犬の心音聴診位置データ、および１つ以上の犬の心臓に関する疾病データを含む学習データセットを用いて、犬の心臓に関する疾病を分類するための第３人工知能モデル１２０６を学習させることができる。

このように、人工知能モデル１２００に含まれた１つ以上の人工知能モデル１２０２、１２０４、１２０６が、ユーザーが診断を受けようとする身体部位または種によって相違する学習データに基づいて学習することによって、電子装置１００は、入力されたデータに対応する人工知能モデルを用いることで、より高い正確度で疾病を分類することができる。

図１３は、一実施形態に係る電子装置の人工知能を用いた疾病分類方法のフローチャートを示す。重複する内容に関しては、前述の記載が適用され得る。

Ｓ１３００段階において、電子装置は、聴診音データおよび聴診位置データを獲得することができる。

一実施形態によると、聴診音データは心音（ｈｅａｒｔｓｏｕｎｄ）データ、および肺音（ｌｕｎｇｓｏｕｎｄ）データのうち少なくとも１つを含み、聴診位置データは心音聴診位置に関するデータおよび肺音聴診位置に関するデータを含むことができる。

一実施形態によると、電子装置は、聴診位置データを獲得するときに、診療記録データを獲得し、キーワードを抽出する人工知能モデルを用いて、診療記録データから聴診位置データを獲得することができる。

Ｓ１３２０段階において、電子装置は、聴診音データに基づいて特徴情報を獲得し、聴診位置データに基づいて聴診位置情報を獲得することができる。

Ｓ１３４０段階において、電子装置は、特徴情報および聴診位置情報を組み合わせて、結合情報を生成することができる。

一実施形態によると、特徴情報および聴診位置情報はベクトルの形態を有し得、電子装置は結合情報を生成するときに、特徴情報および聴診位置情報を連結（ｃｏｎｃａｔｅｎａｔｉｏｎ）して結合情報を生成することができる。このとき、聴診位置情報は、聴診可能位置に対応する１つ以上の成分を含み、聴診可能位置に対応する１つ以上の成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有し得る。

一実施形態によると、特徴情報および聴診位置情報はマップ（ｍａｐ）の形態を有し得、電子装置は結合情報を生成するときに、特徴情報に聴診位置情報をチャンネルとして追加して結合情報を生成することができる。このとき、聴診位置情報は、聴診可能位置に対応する１つ以上のマップを含み、聴診可能位置に対応する１つ以上のマップのうち、聴診位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。

Ｓ１３６０段階において、電子装置は、人工知能モデルを用いて、結合情報に対応する少なくとも１つの疾病情報を確認することができる。

一実施形態によると、電子装置は、生体データ（ｂｉｏｍｅｔｒｉｃｄａｔａ）を獲得し、生体データに基づいて、生体情報を獲得することができる。このとき、結合情報は生体情報がさらに組み合わされ得、生体データは心拍規則度データ、呼吸数データ、呼吸規則度データ、体温データ、年齢データ、血圧データ、および血糖値データのうち少なくとも１つを含むことができる。

例えば、電子装置は、生体データを獲得し、生体データに基づいて、ベクトル形態の生体情報を獲得することができる。このとき、生体情報は、設定された数の範疇に対応する１つ以上の成分を含み、設定された数の範疇に対応する１つ以上の成分のうち、生体データの値が含まれた範疇に対応する成分は第１値を有し、残りの成分は第２値を有し得る。

または、電子装置は、生体データを獲得し、生体データに基づいてマップ形態の生体情報を獲得することができる。このとき、生体情報は、設定された数の範疇に対応する１つ以上の成分を含み、設定された数の範疇に対応する１つ以上のマップのうち、生体データの値が含まれた範疇に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有し得る。

一実施形態によると、聴診音データは心音データを含み、人工知能モデルは心臓に関する疾病を分類するための第１人工知能モデルを含むことができる。また、電子装置は、特徴情報を獲得するときに、聴診音データから心音が存在する周波数以外の領域を除去することができ、少なくとも１つの疾病情報を確認するときに、第１人工知能モデルを用いて結合情報に対応する心臓に関する少なくとも１つの疾病情報を確認することができる。

一実施形態によると、聴診音データは肺音データを含み、人工知能モデルは肺に関する疾病を分類するための第２人工知能モデルを含むことができる。また、電子装置は、特徴情報を獲得するときに、聴診音データから肺音が存在する周波数以外の領域を除去することができ、少なくとも１つの疾病情報を確認するときに、第２人工知能モデルを用いて結合情報に対応する肺に関する少なくとも１つの疾病情報を確認することができる。

一実施形態によると、人工知能モデルは、１つ以上の聴診音データ、１つ以上の聴診位置データ、および１つ以上の疾病データを含む学習データセットに基づいて学習され得る。このとき、学習データセットは、１つ以上の生体データをさらに含むことができる。

一実施形態によると、人工知能モデルは、心臓に関する疾病を分類するための第１人工知能モデルおよび肺に関する疾病を分類するための第２人工知能モデルを含むことができる。第１人工知能モデルは、１つ以上の心音データ、１つ以上の心音聴診位置データ、および１つ以上の心臓に関する疾病データを含む学習データセットに基づいて学習され得、第２人工知能モデルは、１つ以上の肺音データ、１つ以上の肺音聴診位置データ、および１つ以上の肺に関する疾病データを含む学習データセットに基づいて学習され得る。

図１４は、一実施形態に係る電子装置１００のブロック図を示す。

電子装置１００は、一実施形態によって、通信部（ｃｏｍｍｕｎｉｃａｔｉｏｎｄｅｖｉｃｅ）１４２０、メモリー１４４０、および制御部（ｃｏｎｔｒｏｌｌｅｒ）１４６０を含むことができる。図１４に図示された電子装置１００は、本実施形態に関連した構成要素のみが図示されている。したがって、図１４に図示された構成要素以外に他の汎用的な構成要素がさらに含まれ得ることを本実施形態に関連した技術分野において通常の知識を有する者であれば理解することができる。電子装置１００は、前述のサーバーに関する内容を含むことができ、重複する内容に関しては説明を省略する。実施形態において、通信部は、１つ以上のトランシーバー（ｔｒａｎｓｃｅｉｖｅｒ）を含むことができる。また、実施形態において、制御部は、１つ以上のプロセッサー（ｐｒｏｃｅｓｓｏｒ）を含むことができる。

通信部１４２０は、有／無線通信を遂行するための装置であって、外部の電子装置と通信することができる。外部の電子装置は、端末またはサーバーになり得る。また、通信部１４２０が用いる通信技術には、ＧＳＭ（ＧｌｏｂａｌＳｙｓｔｅｍｆｏｒＭｏｂｉｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ）、ＣＤＭＡ（ＣｏｄｅＤｉｖｉｓｉｏｎＭｕｌｔｉＡｃｃｅｓｓ）、ＬＴＥ（ＬｏｎｇＴｅｒｍＥｖｏｌｕｔｉｏｎ）、５Ｇ、ＷＬＡＮ（ＷｉｒｅｌｅｓｓＬＡＮ）、Ｗｉ－Ｆｉ（Ｗｉｒｅｌｅｓｓ－Ｆｉｄｅｌｉｔｙ）、ブルートゥース（登録商標）（Ｂｌｕｅｔｏｏｔｈ^ＴＭ）、ＲＦＩＤ（ＲａｄｉｏＦｒｅｑｕｅｎｃｙＩｄｅｎｔｉｆｉｃａｔｉｏｎ）、赤外線通信（ＩｎｆｒａｒｅｄＤａｔａＡｓｓｏｃｉａｔｉｏｎ；ＩｒＤＡ）、ＺｉｇＢｅｅ、ＮＦＣ（ＮｅａｒＦｉｅｌｄＣｏｍｍｕｎｉｃａｔｉｏｎ）などがあり得る。

制御部１４６０は、電子装置１００の全般的な動作を制御し、データおよび信号を処理することができる。制御部１４６０は、少なくとも１つのハードウェアユニットとして構成され得る。また、制御部１４６０は、メモリー１４４０に保存されたプログラムコードを実行して生成される１つ以上のソフトウェアモジュールによって動作することができる。制御部１４６０はプロセッサーおよびメモリーを含むことができ、プロセッサーはメモリーに保存されたプログラムコードを実行して電子装置１００の全般的な動作を制御し、データおよび信号を処理することができる。また、実施形態において、制御部１４６０は、少なくとも１つのプロセッサーを含むことができる。

制御部１４６０は、聴診音データおよび聴診位置データを獲得し、聴診音データに基づいて特徴情報を獲得し、聴診位置データに基づいて聴診位置情報を獲得し、特徴情報および聴診位置情報を組み合わせて、結合情報を生成し、人工知能モデルを用いて、結合情報に対応する少なくとも１つの疾病情報を確認することができる。

前述した実施形態に係る電子装置は、プロセッサー、プログラムデータを保存して実行するメモリー、ディスクドライブのような永久保存部（ｐｅｒｍａｎｅｎｔｓｔｏｒａｇｅ）、外部装置と通信する通信ポート、タッチパネル、キー（ｋｅｙ）、ボタンなどのようなユーザーインターフェイス装置などを含むことができる。ソフトウェアモジュールまたはアルゴリズムとして具現される方法は、前記プロセッサー上において実行可能なコンピュータが読み取り可能なコードまたはプログラム命令としてコンピュータが読み取り可能な記録媒体上に保存され得る。ここで、コンピュータが読み取り可能な記録媒体として、マグネティック保存媒体（例えば、ＲＯＭ（ｒｅａｄ－ｏｎｌｙｍｅｍｏｒｙ）、ＲＡＭ（ｒａｎｄｏｍ-Ａｃｃｅｓｓｍｅｍｏｒｙ）、フロッピーディスク、ハードディスクなど）、および光学的読み取り媒体（例えば、シーディーロム（ＣＤ－ＲＯＭ）、ディーブイディー（ＤＶＤ：ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｃ））などがある。コンピュータが読み取り可能な記録媒体は、ネットワークで連結されたコンピュータシステムに分散されて、分散方式としてコンピュータが読み取り可能なコードが保存され実行され得る。媒体は、コンピュータによって読み取り可能であり、メモリーに保存され、プロセッサーにおいて実行され得る。

本実施形態は、機能的なブロック構成および多様な処理段階として示され得る。このような機能ブロックは、特定の機能を実行する多様な個数のハードウェアまたは／およびソフトウェアの構成として具現され得る。例えば、実施形態は、１つ以上のマイクロプロセッサーの制御または他の制御装置によって多様な機能を実行することができる、メモリー、プロセッシング、ロジック（ｌｏｇｉｃ）、ルックアップテーブル（ｌｏｏｋ－ｕｐｔａｂｌｅ）などのような集積回路の構成を採用することができる。構成要素がソフトウェアプログラミングまたはソフトウェア要素として実行され得ることと同様に、本実施形態は、データ構造、プロセス、ルーチン、または他のプログラミング構成の組み合わせとして具現される多様なアルゴリズムを含み、Ｃ、Ｃ＋＋、ジャバ（Ｊａｖａ）、アセンブラー（ａｓｓｅｍｂｌｅｒ）などのようなプログラミングまたはスクリプト言語として具現され得る。機能的な側面は、１つ以上のプロセッサーにおいて実行されるアルゴリズムとして具現され得る。また、本実施形態は、電子的な環境設定、信号処理、および／またはデータ処理などのために、従来の技術を採用することができる。「メカニズム」、「要素」、「手段」、「構成」のような用語は、広く使用され得、機械的かつ物理的な構成として限定されるものではない。前記用語は、プロセッサーなどと連携してソフトウェアの一連の処理（ｒｏｕｔｉｎｅｓ）の意味を含むことができる。

前述した実施形態は、一例示に過ぎず、後述する請求項の範囲内において他の実施形態が具現され得る。

Claims

電子装置によって遂行される、人工知能を用いた疾病分類方法であって、
前記電子装置は制御部を備え、
前記制御部が、聴診音データ、聴診位置データ、および身体部位に関する情報を含む設定データを獲得する段階と、
前記制御部が、前記聴診音データに基づいて特徴情報を獲得し、前記聴診位置データに基づいて聴診位置情報を獲得する段階と、
前記制御部が、前記特徴情報および前記聴診位置情報を組み合わせて、結合情報を生成する段階と、
前記制御部が、前記結合情報を人工知能モデルに入力して、前記結合情報に対応する少なくとも１つの疾病情報を前記人工知能モデルから出力する段階と、を含み、
前記特徴情報、前記聴診位置情報、および前記結合情報は、ベクトルの形態を有し、
前記聴診位置情報を獲得する段階は、前記聴診位置データをエンベディングして前記聴診位置情報を獲得する段階を含み、
前記結合情報を生成する段階は、前記特徴情報および前記聴診位置情報を連結して前記結合情報を生成する段階を含み、
前記聴診位置情報は、聴診可能位置に対応する設定された数の成分を含み、
前記聴診可能位置に対応する設定された数の成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有し、
前記設定された数は、前記身体部位に関する情報に基づいて決定される、疾病分類方法。
前記疾病分類方法は、前記制御部が、生体データを獲得する段階と、前記生体データに基づいて、生体情報を獲得する段階と、をさらに含み、
前記結合情報は、前記生体情報がさらに組み合わされた、請求項１に記載の疾病分類方法。
前記生体データは、
心拍規則度データと、
呼吸数データと、
呼吸規則度データと、
体温データと、
年齢データと、
血圧データと、
血糖値データと、のうち少なくとも１つを含む、請求項２に記載の疾病分類方法。
前記疾病分類方法は、前記制御部が、生体データを獲得する段階と、前記生体データに基づいて、ベクトル形態の生体情報を獲得する段階と、をさらに含み、
前記結合情報は、前記生体情報がさらに連結された、請求項１に記載の疾病分類方法。
前記電子装置は、前記生体データをエンベディングするための範疇の個数を予め設定しており、
前記生体情報のベクトルは複数の成分を含み、前記複数の成分の各々は、予め設定された前記範疇に対応し、
前記複数の成分のうち、前記生体データの値が含まれた範疇に対応する成分は第１値を有し、残りの成分は第２値を有する、請求項４に記載の疾病分類方法。
前記特徴情報および前記聴診位置情報は、マップの形態を有し、
前記結合情報を生成する段階は、前記特徴情報に前記聴診位置情報をチャンネルとして
追加して前記結合情報を生成する段階を含む、請求項１に記載の疾病分類方法。
前記聴診位置情報は、聴診可能位置に対応する１つ以上のマップを含み、
前記聴診可能位置に対応する１つ以上のマップのうち、聴診位置に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有する、請求項６に記載の疾病分類方法。
前記疾病分類方法は、前記制御部が、生体データを獲得する段階と、前記生体データに基づいて、マップ形態の生体情報を獲得する段階と、をさらに含み、
前記結合情報は、前記生体情報がチャンネルとしてさらに追加された、請求項６に記載の疾病分類方法。
前記電子装置は、前記生体データをエンベディングするための範疇の個数を予め設定しており、
前記生体情報は複数のマップから構成され、
前記複数のマップの各々は、予め設定された前記範疇に対応し、かつ、値を持つ成分を有し、
前記複数のマップのうち、前記生体データの値が含まれた範疇に対応するマップの成分は第１値を有し、残りのマップの成分は第２値を有する、請求項８に記載の疾病分類方法。
前記聴診音データは、心音データおよび肺音データのうち少なくとも１つを含み、
前記聴診位置データは、心音聴診位置に関するデータおよび肺音聴診位置に関するデータを含む、請求項１に記載の疾病分類方法。
前記聴診音データは、心音データを含み、
前記人工知能モデルは、心臓に関する疾病を分類するための第１人工知能モデルを含み、
前記特徴情報を獲得する段階は、前記聴診音データから心音が存在する周波数以外の領域を除去する段階を含み、
前記少なくとも１つの疾病情報を出力する段階は、前記結合情報を前記第１人工知能モデルに入力して前記結合情報に対応する心臓に関する少なくとも１つの疾病情報を確認する段階を含む、請求項１に記載の疾病分類方法。
前記聴診音データは、肺音データを含み、
前記人工知能モデルは、肺に関する疾病を分類するための第２人工知能モデルを含み、
前記特徴情報を獲得する段階は、前記聴診音データから肺音が存在する周波数以外の領域を除去する段階を含み、
前記少なくとも１つの疾病情報を確認する段階は、前記結合情報を前記第２人工知能モデルに入力して前記結合情報に対応する肺に関する少なくとも１つの疾病情報を確認する段階を含む、請求項１に記載の疾病分類方法。
前記聴診位置データを獲得する段階は、
診療記録データを獲得する段階と、
キーワードを抽出する人工知能モデルを用いて、前記診療記録データから前記聴診位置データを獲得する段階と、を含む、請求項１に記載の疾病分類方法。
前記人工知能モデルは、
１つ以上の聴診音データ、１つ以上の聴診位置データ、および１つ以上の疾病データを含む学習データセットに基づいて学習される、請求項１に記載の疾病分類方法。
前記学習データセットは、
１つ以上の生体データをさらに含む、請求項１４に記載の疾病分類方法。
前記人工知能モデルは、心臓に関する疾病を分類するための第１人工知能モデルおよび肺に関する疾病を分類するための第２人工知能モデルを含み、
前記第１人工知能モデルは、１つ以上の心音データ、１つ以上の心音聴診位置データ、および１つ以上の心臓に関する疾病データを含む学習データセットに基づいて学習され、
前記第２人工知能モデルは、１つ以上の肺音データ、１つ以上の肺音聴診位置データ、および１つ以上の肺に関する疾病データを含む学習データセットに基づいて学習される、
請求項１に記載の疾病分類方法。
請求項１に記載の方法をコンピュータにおいて実行させるためのプログラム。
電子装置であって、
通信部と、
メモリーと、
制御部と、を含み、前記制御部は、
聴診音データ、聴診位置データ、および身体部位に関する情報を含む設定データを獲得し、
前記聴診音データに基づいて特徴情報を獲得し、前記聴診位置データに基づいて聴診位置情報を獲得し、
前記特徴情報および前記聴診位置情報を組み合わせて、結合情報を生成し、
前記結合情報を人工知能モデルに入力して、前記結合情報に対応する少なくとも１つの疾病情報を確認し、
前記特徴情報、前記聴診位置情報、および前記結合情報は、ベクトルの形態を有し、
前記制御部は、前記聴診位置情報を獲得するときに、前記聴診位置データをエンベディングして前記聴診位置情報を獲得し、
前記制御部は、前記結合情報を生成するときに、前記特徴情報および前記聴診位置情報を連結して前記結合情報を生成し、
前記聴診位置情報は、聴診可能位置に対応する設定された数の成分を含み、
前記聴診可能位置に対応する設定された数の成分のうち、聴診位置に対応する成分は第１値を有し、残りの成分は第２値を有し、
前記設定された数は、前記身体部位に関する情報に基づいて決定される、電子装置。