KR101764503B1 - 프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법 - Google Patents

프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법 Download PDF

Info

Publication number
KR101764503B1
KR101764503B1 KR1020150178829A KR20150178829A KR101764503B1 KR 101764503 B1 KR101764503 B1 KR 101764503B1 KR 1020150178829 A KR1020150178829 A KR 1020150178829A KR 20150178829 A KR20150178829 A KR 20150178829A KR 101764503 B1 KR101764503 B1 KR 101764503B1
Authority
KR
South Korea
Prior art keywords
fractal dimension
subject
calculated
value
dimension value
Prior art date
Application number
KR1020150178829A
Other languages
English (en)
Other versions
KR20170071009A (ko
Inventor
이시우
진희정
이영섭
유종향
심은보
Original Assignee
한국 한의학 연구원
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
Application filed by 한국 한의학 연구원 filed Critical 한국 한의학 연구원
Priority to KR1020150178829A priority Critical patent/KR101764503B1/ko
Publication of KR20170071009A publication Critical patent/KR20170071009A/ko
Application granted granted Critical
Publication of KR101764503B1 publication Critical patent/KR101764503B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G06F19/32—

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법에 관한 것으로서, 일실시예에 따른 보조 컴퓨팅 장치는 피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산하는 계산부, 및 상기 계산된 프랙탈 차원(fractal dimension) 값과 기계산된 지표에 기초하여 상기 피험자에 대한 미병을 판단하는 판단부를 포함한다.

Description

프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법{APPARATUS AND METHOD FOR PROVIDING CLASSIFYING OF MIBYOU USING MEASURED INDEX OF FRACTAL DIMENSION}
미병을 구별하는 지표를 산정하고, 이를 이용해서 피험자에 대한 미병 상태를 판단하는 기술적 사상에 관한 것이다.
미병은 병은 아니지만 피로와 통증, 소화불량, 수면이상 등의 불편한 증상을 호소하는 상태를 말한다. 즉, 일상적인 휴식으로 건강이 회복되지 않은 인체의 회복력 저하 상태로 해석될 수 있다. 국민건강보험공단의 자료에 따르면 2010년 정상범위를 벗어나는 반건강군이 전체의 61.8%로서 2004년 35%에 비해 크게 증가한 수치이다. 이는 미병 상태에 있는 인구가 점차 증가하고 있다는 것을 의미한다.
한편, 현재 한의학계에서는 미병의 7가지 증상으로 피로감, 통증, 분노, 소화불량, 우울감, 수면장애, 불안감을 고려하고 있다.
특히, 노령에서의 미병은 흔한 현상이나 그 원인과 현상이 매우 복합적이어서 미병군과 비미병군은 현대 의학적 지표로 구분이 어렵다.
대한민국 특허등록공보 제10-1510522호 대한민국 특허공개공보 제10-2012-0119948호
일실시예에 따른 보조 컴퓨팅 장치는 피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산하는 계산부, 및 분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 상기 계산된 프랙탈 차원(fractal dimension) 값을 비교하여 상기 피험자에 대한 미병을 판단하는 판단부를 포함하고, 상기 프랙탈 차원(fractal dimension) 지표는, 미병상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값과, 정상상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값에 기초하여 산출된다.
일실시예에 따른 상기 계산부는, 상기 시계열 데이터에 대해 박스 카운팅(Box Counting) 알고리즘에 따른 박스 개수 및 박스 크기를 계산하고, 상기 계산된 박스 개수 및 박스 크기에 의해 생성되는 최적선(line of best fit)의 기울기를 반영하여 상기 프랙탈 차원(fractal dimension) 값을 계산한다.
일실시예에 따른 보조 컴퓨팅 장치는 처리부를 더 포함하고, 상기 계산된 프랙탈 차원(fractal dimension) 값과 상기 피험자에 대한 미병 상태에 기초하여 상기 분석 모집단에 의한 임상결과를 트래이닝(training)하고, 상기 트래이닝(training) 결과를 반영하여 상기 프랙탈 차원(fractal dimension) 지표를 갱신한다.
일실시예에 따른 상기 판단부는, 상기 계산된 프랙탈 차원(fractal dimension) 값과, 상기 피험자에 대한 개인 데이터를 고려하여 상기 피험자에 대한 미병을 판단한다.
일실시예에 따른 상기 개인 데이터는, 상기 피험자에 대한 키, 나이, 성별, 체중, 및 사상체질 중에서 적어도 하나를 포함한다.
일실시예에 따른 상기 판단부는, 상기 계산된 프랙탈 차원(fractal dimension) 값과, 상기 피험자의 질병 상태, 질병 이력, 및 미병 인자 중에서 적어도 하나를 고려하여 상기 피험자에 대한 미병을 판단한다.
일실시예에 따른 보조 컴퓨팅 장치는 건강상태 또는 미병상태의 구분이 가능한 분석 모집단에 대한 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값들을 계산하는 계산부, 및 상기 계산된 프랙탈 차원(fractal dimension) 값들에 기초하여 상기 프랙탈 차원(fractal dimension) 지표를 결정하는 결정부를 포함하고, 상기 계산부는, 상기 정상상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값과, 상기 미병상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값을 계산한다.
일실시예에 따른 상기 결정부는, 상기 미병상태의 프랙탈 차원(fractal dimension) 값과 상기 정상상태의 프랙탈 차원(fractal dimension) 값들의 평균 값의 사이에서 상기 프랙탈 차원(fractal dimension) 지표를 결정한다.
일실시예에 따른 보조 컴퓨팅 장치는 처리부를 더 포함하고, 피험자의 심박수에 대한 시계열 데이터로부터 계산된 프랙탈 차원(fractal dimension) 값과 상기 피험자에 대한 미병 상태에 기초하여 상기 분석 모집단에 의한 임상결과를 트래이닝(training)하고, 상기 트래이닝(training) 결과를 반영하여 상기 프랙탈 차원(fractal dimension) 지표를 갱신한다.
일실시예에 따른 방법은 피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산하는 단계, 및 분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 상기 계산된 프랙탈 차원(fractal dimension) 값을 비교하여 상기 피험자에 대한 미병을 판단하는 단계를 포함한다.
일실시예에 따른 상기 계산하는 단계는, 상기 시계열 데이터에 대해 박스 카운팅(Box Counting) 알고리즘에 따른 박스 개수 및 박스 크기를 계산하는 단계, 및 상기 계산된 박스 개수 및 박스 크기에 의해 생성되는 최적선(line of best fit)의 기울기를 반영하여 상기 프랙탈 차원(fractal dimension) 값을 계산하는 단계를 포함한다.
일실시예에 따른 상기 판단하는 단계는, 분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 상기 계산된 프랙탈 차원(fractal dimension) 값을 비교하여 상기 피험자에 대한 미병을 판단하는 단계를 포함한다.
일실시예에 따른 방법은 상기 계산된 프랙탈 차원(fractal dimension) 값과 상기 피험자에 대한 미병 상태에 기초하여 상기 분석 모집단에 의한 임상결과를 트래이닝(training)하는 단계, 상기 트래이닝(training) 결과를 반영하여 상기 프랙탈 차원(fractal dimension) 지표를 갱신하는 단계를 더 포함한다.
일실시예에 따른 프로그램은 피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산하는 명령어 세트, 및 분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 상기 계산된 프랙탈 차원(fractal dimension) 값을 비교하여 상기 피험자에 대한 미병을 판단하는 명령어 세트를 포함한다.
도 1은 일실시예에 따른 미병 상태를 판단하기 위한 보조 컴퓨팅 장치를 설명하는 도면이다.
도 2는 심박수에 대한 시계열 데이터를 설명하는 도면이다.
도 3a는 심박수에 대한 시계열 데이터에 박스 카운팅 알고리즘을 적용하여 박스 크기와 박스 개수를 계산하는 실시예를 설명하는 도면이다.
도 3b는 계산된 박스 크기와 박스 개수를 이용해서 최적선을 산출하는 실시예를 설명하는 도면이다.
도 4는 피험자의 심박수에 대한 시계열 데이터를 설명하는 도면이다.
도 5는 피험자의 시계열 데이터로부터 최적선을 산출하는 실시예를 설명하는 도면이다.
도 6은 일실시예에 따른 미병 지표를 산정하기 위한 보조 컴퓨팅 장치를 설명하는 도면이다.
도 7은 일실시예에 따른 미병 상태를 판단하기 위한 보조 컴퓨팅 장치의 동작 방법을 설명하는 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 미병 상태를 판단하기 위한 보조 컴퓨팅 장치(100)를 설명하는 도면이다.
일정한 규칙하에 자기 복제를 순환적으로 반복하고 형상에 대해 자기 유사성(self-similarity)과 반복성의 의미로 해석되는 것을 프랙탈 구조라고 한다. 프랙탈 구조는 존재하는 공간에서 채움의 정도와 복잡성을 나타내는 프랙탈 차원(fractal dimension)으로 평가되며 소수의 형태로 나타나는 것이 특징이고 표면의 불규칙성이나 지형 등과 같이 확대된 구조까지 복잡한 형상을 해석하는 수단으로 사용될 수 있다.
일실시예에 따른 보조 컴퓨팅 장치(100)는 심박수의 시계열 데이터에 대한 프랙탈 차원(fractal dimension) 값이 다양한 건강 상태를 나타내는 지표로 사용될 수 있다는 사실로부터, 프랙탈 차원(fractal dimension) 분석을 미병군 구분을 위해 활용한다.
구체적으로, 일실시예에 따른 보조 컴퓨팅 장치(100)는 계산부(110), 및 판단부(120)를 포함한다.
먼저, 계산부(110)는 피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산한다.
예를 들어, 계산부(110)는 시계열 데이터에 대해 박스 카운팅(Box Counting) 알고리즘에 따른 박스 개수 및 박스 크기를 계산하고, 계산된 박스 개수 및 박스 크기에 의해 생성되는 최적선(line of best fit)의 기울기를 반영하여 프랙탈 차원(fractal dimension) 값을 계산할 수 있다.
다음으로, 판단부(120)는 계산된 프랙탈 차원(fractal dimension) 값에 기초하여 상기 피험자에 대한 미병을 판단한다. 일례로, 판단부(120)는 분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 계산된 프랙탈 차원(fractal dimension) 값을 비교하여 피험자에 대한 미병을 판단할 수 있다.
구체적으로, 판단부(120)는 분석 모집단으로부터 산정한 프랙탈 차원(fractal dimension) 지표를 기준으로 하여, 현재 피험자로부터 산출한 프랙탈 차원(fractal dimension) 값을 비교할 수 있다.
예를 들어, 판단부(120)는 산출한 프랙탈 차원(fractal dimension) 값이 프랙탈 차원(fractal dimension) 지표 이상인 경우에 현재 피험자가 정상 상태라고 판단할 수 있다. 또한, 판단부(120)는 산출한 프랙탈 차원(fractal dimension) 값이 프랙탈 차원(fractal dimension) 지표 이하인 경우에 현재 피험자가 미병 상태라고 판단할 수 있다.
또한, 일실시예에 따른 보조 컴퓨팅 장치(100)는 처리부(130)를 더 포함할 수 있다. 일례로, 처리부(130)는 계산된 프랙탈 차원(fractal dimension) 값과 피험자에 대한 미병 상태에 기초하여 상기 분석 모집단에 의한 임상결과를 트래이닝(training)하고, 트래이닝(training) 결과를 반영하여 프랙탈 차원(fractal dimension) 지표를 갱신할 수 있다.
일실시예에 따른 판단부(120)는 계산된 프랙탈 차원(fractal dimension) 값뿐만 아니라, 피험자에 대한 개인 데이터를 고려하여 피험자에 대한 미병을 판단할 수 있다. 이를 위해, 보조 컴퓨팅 장치(100)는 외부로부터 피험자에 대한 개인 데이터를 수집할 수 있고, 일례로, 피험자에 대한 키, 나이, 성별, 체중, 및 사상체질과 같은 데이터들을 수집할 수 있다. 이 밖에도, 보조 컴퓨팅 장치(100)는 피험자의 질병 상태, 질병 이력, 및 미병 인자와 같은 정보들을 더 수집할 수도 있다. 즉, 보조 컴퓨팅 장치(100)는 계산된 프랙탈 차원(fractal dimension) 값에 더해, 피험자의 질병 상태, 질병 이력, 및 미병 인자 등을 더 고려하여 피험자에 대한 미병을 판단할 수 있다.
이하, 도 2 및 3을 통해 프랙탈 차원(fractal dimension) 지표를 산정하는 실시예를 설명하고, 도 4 및 5를 통해 피험자에 대한 프랙탈 차원(fractal dimension) 값을 계산하는 실시예를 설명한다.
도 2는 심박수에 대한 시계열 데이터를 설명하는 도면이다.
Baish 등(2000)은 프랙탈 차원(fractal dimension) 지표에 의해 암에 대한 분석이 가능하다는 사실을 제시한 바 있다. Cipra(2003)는 건강한 심장의 심장 박동에 대한 시계열 데이터가 건강하지 않은 심장의 시계열 데이터에 비해 프랙탈 차원(fractal dimension) 값이 크다는 것을 보였다. 이를 근거로, 미병을 계량화할 수 있는 생리학적 지표를 제시하고 이를 산정할 수 있다.
도 2는 Cipra(2003)가 제시한 여러 가지 심박수에 대한 시계열 데이터 사례에 해당한다.
도면부호 210 및 230에 해당하는 심박수에 대한 시계열 데이터는 울혈성 심부전(Congestive heart disease)에 해당하며, 도면부호 240는 부정맥(Arrhythmia), 도면부호 220는 정상 박동을 나타낸다. 즉, 가장 불규칙성을 보이는 것이 정상 상태의 피험자로부터 측정된 심박수에 대한 시계열 데이터
본 발명에서는 이러한 불규칙성의 계량화를 위해 프랙탈 차원(fractal dimension) 지표를 산정할 수 있다.
도 3a는 심박수에 대한 시계열 데이터에 박스 카운팅 알고리즘을 적용하여 박스 크기와 박스 개수를 계산하는 실시예를 설명하는 도면이고, 도 3b는 계산된 박스 크기와 박스 개수를 이용해서 최적선을 산출하는 실시예를 설명하는 도면이다.
구체적으로, 도 3a는 도면부호 310 내지 330과 같이, 박스의 크기(L)를 줄여가며 분석 대상 지오메트리(geometry)가 몇 개(N)의 박스에 포함되는지 산정하는 것을 보인 것이며, 도 3b는 측정된 박스 크기(L)과 박스 개수(N)을 log-log 그래프로 나타내고 최적선에 대한 기울기를 계산한 결과를 나타낸다.
도 3b의 그래프(340)에 도시된 최적선의 기울기는 -1.09로서, 최적선의 기울기가 프랙탈 차원(fractal dimension)에 해당한다. 이를 근거로, 이 프랙탈 차원(fractal dimension)이 -1.0에서 멀어질수록 불규칙성이 증가하는 것으로 판단할 수 있다.
프랙탈 차원을 구하는 방법은 다양하게 존재하지만 주로 박스 카운팅(box counting) 알고리즘에 의한 계산 방법으로 많이 사용된다.
박스 카운팅(box counting) 알고리즘에 의한 계산법은 평면상에 존재하는 점이나 곡선 또는 형상을 크기가 e인 격자 N(e)개로 전체를 포함하였다고 하면, 크기 e가 작아질수록 개수 1/e는 늘어나게 되며 그 관계는 다음 [수학식 1]과 같이 표현할 수 있다.
[수학식 1]
Figure 112015122614062-pat00001
여기서 k는 박스 크기의 비이며, D를 요소의 차원식 [수학식 1]에 log를 취하면 아래 [수학식 2]로 변경될 수 있다.
[수학식 2]
Figure 112015122614062-pat00002
또한, [수학식 2]에 대해 크기가 다른 격자의 개수 e1, e2에 대해서 계산하면 [수학식 3]과 같다.
[수학식 3]
Figure 112015122614062-pat00003
[수학식 3]에서 Db는 박수 카운팅에 따른 차원으로 해석될 수 있다.
만약, [수학식 1]에서 만일 e가 무한대로 작다고 가정하면, [수학식 3]은 [수학식 4]와 같이 간략화될 수 있다.
[수학식 4]
Figure 112015122614062-pat00004
그러나 일반적인 경우 분석해야 할 요소(point)의 개수는 한정적이므로 e가 아주 작을 경우 하나의 격자에 하나의 요소를 포함하게 된다. 이때 N(e)는 집합 S에 속한 요소의 개수 ∥S∥가 되어 [수학식 4]를 [수학식 5]와 같이 나타낼 수 있다.
[수학식 5]
Figure 112015122614062-pat00005
여기서 Dc는 용적차원 이다.
만일 임의의 두 요소간의 거리를
Figure 112015122614062-pat00006
로 하여 상관 적분계수(correlation integral) C(r)을 계산하면, 이렇게 만든 N개의 샘플에 대한 상관적분계수의 식은 [수학식 6]과 같다.
[수학식 6]
Figure 112015122614062-pat00007
[수학식 6]에서 H는 헤비사이드 계단함수(heaviside step function)로서 다음과 같이 계산될 수 있다.
Figure 112015122614062-pat00008
[수학식 5]의 log∥S∥대신 [수학식 6]을 사용하면 [수학식 7]과 같이 나타낼 수 있다.
[수학식 7]
Figure 112015122614062-pat00009
본 발명에 따른 프랙탈 분석은 형태의 불규칙성을 정량적으로 계산하는 방법으로서, D0에 해당하는 프랙탈 차원(fractal dimension) 값은 측정 간격의 변화에 따른 값의 변화를 log-log 형태로 변환 시켰을 때 생성되는 최적선(340)의 기울기 값을 의미하며, D0 값이 클수록 측정한 특성이 불규칙하게 또는 다양하게 분포하는 것으로 해석될 수 있다.
본 발명에 따르면, 미병군에 대한 프랙탈 차원(fractal dimension) 지표 개발을 위해, 기존의 3 가지 대상 그룹의 심박수(Heart Rate)의 시계열 데이터에 대해 프랙탈 차원(fractal dimension) 평가를 수행하였다.
아래 [표 1] 내지 [표 3]은 3 가지 그룹(그룹별 20명씩의 분석 모집단)에 대해 프랙탈 차원(fractal dimension) 분석을 수행한 결과를 보인 것으로서, 3 가지 그룹 중 s3 그룹(표 3에 해당)이 정상 그룹에 해당하며 예측한 바와 같이 절대값 기준으로 가장 큰 프랙탈 차원(fractal dimension) 값을 가진다.
[표 1]
Figure 112015122614062-pat00010
[표 2]
Figure 112015122614062-pat00011
[표 3]
Figure 112015122614062-pat00012
도 4는 피험자의 심박수에 대한 시계열 데이터(400)를 나타내는 도면이고, 도 5는 피험자의 시계열 데이터로부터 최적선을 산출하는 실시예를 설명하는 도면이다.
본 발명에 따른 컴퓨팅 보조 장치는, 입력된 피험자의 시계열 데이터(400)로부터 박스 카운팅 알고리즘을 적용하여, 도면부호 500로 식별되는 최적선을 계산할 수 있다. 또한, 이렇게 계산된 최적선의 기울기(1.254)를 프랙탈 차원(fractal dimension) 값으로 하여, 프랙탈 차원(fractal dimension) 지표에 대비하여 피험자에 대한 미병 상태를 판단할 수 있다.
본 발명에 따르면, 정상인의 심박수에 따른 시계열 데이터에 대한 프랙탈 차원(fractal dimension) 값이 절대값 기준으로 1.2보다 크다는 분석 결과에 따라, 어떤 대상의 프랙탈 차원(fractal dimension)의 분석 결과가 절대값 기준 1.2보다 작은 경우 미병의 가능성이 있는 것으로 판정할 수 있다.
즉, 본 발명에 따르면, 프랙탈 차원(fractal dimension) 값 '1.2'를 미병 상태의 판단을 위한 프랙탈 차원(fractal dimension) 지표로 결정할 수 있다. 즉, 도 4의 시계열 데이터(400)에 해당하는 피험자는 프랙탈 차원(fractal dimension) 지표인 1.2 이상의 프랙탈 차원(fractal dimension) 값을 나타내므로, 정상 상태라고 판단할 수 있다.
도 6은 일실시예에 따른 미병 지표를 산정하기 위한 보조 컴퓨팅 장치(600)를 설명하는 도면이다.
도 1에서 프랙탈 차원(fractal dimension) 지표와, 현재 피험자에 대한 프랙탈 차원(fractal dimension) 값을 비교하여 미병 상태를 판단하는 장치를 설명하였다면, 도 6에서는 프랙탈 차원(fractal dimension) 지표를 생성하는 장치를 설명한다.
보조 컴퓨팅 장치(600)는 계산부(610) 및 결정부(620)를 포함할 수 있다.
먼저, 계산부(610)는 건강상태 또는 미병상태의 구분이 가능한 분석 모집단에 대한 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값들을 계산한다. 또한, 결정부(620)는 계산된 프랙탈 차원(fractal dimension) 값들에 기초하여 프랙탈 차원(fractal dimension) 지표를 결정한다.
구체적으로, 계산부(610)는 정상상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값과, 미병상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값을 계산할 수 있다. 또한, 결정부(620)는 미병상태의 프랙탈 차원(fractal dimension) 값과 정상상태의 프랙탈 차원(fractal dimension) 값들의 평균 값의 사이에서 프랙탈 차원(fractal dimension) 지표를 결정할 수 있다.
일실시예에 따른 보조 컴퓨팅 장치(600)는 처리부(630)를 더 포함할 수 있다.
처리부(630)는 피험자의 심박수에 대한 시계열 데이터로부터 계산된 프랙탈 차원(fractal dimension) 값과 피험자에 대한 미병 상태에 기초하여 분석 모집단에 의한 임상결과를 트래이닝(training)할 수 있다. 또한, 처리부(630)는 트래이닝(training) 결과를 반영하여 프랙탈 차원(fractal dimension) 지표를 갱신할 수 있다.
도 7은 일실시예에 따른 미병 상태를 판단하기 위한 보조 컴퓨팅 장치의 동작 방법을 설명하는 도면이다.
일실시예에 따른 미병 상태를 판단하기 위한 보조 컴퓨팅 장치의 동작 방법은 피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산할 수 있다.
이를 위해, 보조 컴퓨팅 장치의 동작 방법은 피험자의 심박수에 대한 시계열 데이터를 측정 또는 수집하고, 시계열 데이터와 함께 개인데이터로서 키, 나이, 성별, 체중, 및 사상체질과 같은 데이터들을 수집할 수 있다(단계 701).
이에, 보조 컴퓨팅 장치의 동작 방법은 심박수 시계열 데이터에 대한 프랙탈 차원(fractal dimension) 분석을 통해 프랙탈 차원(fractal dimension) 값을 계산할 수 있다(단계 702).
한편, 보조 컴퓨팅 장치의 동작 방법은 심박수 시계열 데이터와 병행하여, 피험자 개인의 질병 상태 및 미병 인자를 입력 받아(단계 703), 질병 또는 미병 상태를 점검할 수 있다(단계 704).
또한, 보조 컴퓨팅 장치의 동작 방법은 분석 후 계산한 프랙탈 차원(fractal dimension) 값과 피험자의 질병 또는 미병 이력을 참고하여 피험자가 현재 미병 상태인지 여부를 판단할 수 있다(단계 705). 또한, 보조 컴퓨팅 장치의 동작 방법은 단계 705의 판단 결과에 따라, 피험자가 현재 미병인지(706) 또는 미병이 아닌지(707)를 결정할 수 있다.
결국, 본 발명을 이용하면 미병을 구별하는데 필요한 과학적이고 객관적인 지표를 산정할 수 있고, 이렇게 산정된 지표를 활용하여 피험자가 미병군에 속하는지, 아니면 비미병군에 속하는지를 빠르고 정확하게 판단할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 컴퓨터에 의해 적어도 일시적으로 구현되는:
    피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산하는 계산부; 및
    분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 상기 계산된 프랙탈 차원(fractal dimension) 값을 비교한 결과 및 상기 피험자의 질병 상태, 질병 이력, 및 미병 인자에 기초하여 상기 피험자에 대한 미병을 판단하는 판단부
    를 포함하고,
    상기 프랙탈 차원(fractal dimension) 지표는, 미병상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값과, 정상상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값에 기초하여 산출되는 보조 컴퓨팅 장치.
  2. 제1항에 있어서
    상기 계산부는,
    상기 시계열 데이터에 대해 박스 카운팅(Box Counting) 알고리즘에 따른 박스 개수 및 박스 크기를 계산하고, 상기 계산된 박스 개수 및 박스 크기에 의해 생성되는 최적선(line of best fit)의 기울기를 반영하여 상기 프랙탈 차원(fractal dimension) 값을 계산하는 보조 컴퓨팅 장치.
  3. 제1항에 있어서,
    처리부를 더 포함하고,
    상기 계산된 프랙탈 차원(fractal dimension) 값과 상기 피험자에 대한 미병 상태에 기초하여 상기 분석 모집단에 의한 임상결과를 트래이닝(training)하고, 상기 트래이닝(training) 결과를 반영하여 상기 프랙탈 차원(fractal dimension) 지표를 갱신하는 보조 컴퓨팅 장치.
  4. 제1항에 있어서,
    상기 판단부는,
    상기 계산된 프랙탈 차원(fractal dimension) 값과, 상기 피험자에 대한 개인 데이터를 고려하여 상기 피험자에 대한 미병을 판단하는 보조 컴퓨팅 장치.
  5. 제4항에 있어서,
    상기 개인 데이터는,
    상기 피험자에 대한 키, 나이, 성별, 체중, 및 사상체질 중에서 적어도 하나를 포함하는 보조 컴퓨팅 장치.
  6. 삭제
  7. 컴퓨터에 의해 적어도 일시적으로 구현되는:
    건강상태 또는 미병상태의 구분이 가능한 분석 모집단에 대한 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값들을 계산하는 계산부; 및
    상기 계산된 프랙탈 차원(fractal dimension) 값들에 기초하여 상기 프랙탈 차원(fractal dimension) 지표를 결정하는 결정부; 및
    상기 결정된 프랙탈 차원(fractal dimension) 지표와 피험자의 심박수에 대한 시계열 데이터로부터 계산된 프랙탈 차원(fractal dimension) 값을 비교한 결과 및 상기 피험자의 질병 상태, 질병 이력, 및 미병 인자에 기초하여 상기 피험자에 대한 미병을 판단하는 판단부를 포함하고,
    상기 계산부는,
    상기 건강상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값과, 상기 미병상태의 분석 모집단으로부터 추출된 프랙탈 차원(fractal dimension) 값들의 평균 값을 계산하는 보조 컴퓨팅 장치.
  8. 제7항에 있어서,
    상기 결정부는,
    상기 미병상태의 프랙탈 차원(fractal dimension) 값과 상기 건강상태의 프랙탈 차원(fractal dimension) 값들의 평균 값의 사이에서 상기 프랙탈 차원(fractal dimension) 지표를 결정하는 보조 컴퓨팅 장치.
  9. 제7항에 있어서,
    처리부를 더 포함하고,
    피험자의 심박수에 대한 시계열 데이터로부터 계산된 프랙탈 차원(fractal dimension) 값과 상기 피험자에 대한 미병 상태에 기초하여 상기 분석 모집단에 의한 임상결과를 트래이닝(training)하고, 상기 트래이닝(training) 결과를 반영하여 상기 프랙탈 차원(fractal dimension) 지표를 갱신하는 보조 컴퓨팅 장치.
  10. 컴퓨터에 의해 적어도 일시적으로 구현되는 프로세서의 동작 방법에 있어서:
    피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산하는 단계; 및
    분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 상기 계산된 프랙탈 차원(fractal dimension) 값을 비교한 결과 및 상기 피험자의 질병 상태, 질병 이력, 및 미병 인자에 기초하여 상기 피험자에 대한 미병을 판단하는 단계
    를 포함하는 방법.
  11. 제10항에 있어서
    상기 계산하는 단계는,
    상기 시계열 데이터에 대해 박스 카운팅(Box Counting) 알고리즘에 따른 박스 개수 및 박스 크기를 계산하는 단계; 및
    상기 계산된 박스 개수 및 박스 크기에 의해 생성되는 최적선(line of best fit)의 기울기를 반영하여 상기 프랙탈 차원(fractal dimension) 값을 계산하는 단계
    를 포함하는 방법
  12. 삭제
  13. 제11항에 있어서,
    상기 계산된 프랙탈 차원(fractal dimension) 값과 상기 피험자에 대한 미병 상태에 기초하여 상기 분석 모집단에 의한 임상결과를 트래이닝(training)하는 단계;
    상기 트래이닝(training) 결과를 반영하여 상기 프랙탈 차원(fractal dimension) 지표를 갱신하는 단계
    를 더 포함하는 방법.
  14. 제10항 내지 제13항 중에서 어느 한 항의 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  15. 기록매체에 저장되는 프로그램으로서, 상기 프로그램은 컴퓨팅 시스템에서 실행되는:
    피험자의 심박수에 대한 시계열 데이터로부터 프랙탈 차원(fractal dimension) 값을 계산하는 명령어 세트; 및
    분석 모집단에 의한 임상결과가 반영된 프랙탈 차원(fractal dimension) 지표와 상기 계산된 프랙탈 차원(fractal dimension) 값을 비교한 결과 및 상기 피험자의 질병 상태, 질병 이력, 및 미병 인자에 기초하여 상기 피험자에 대한 미병을 판단하는 명령어 세트
    를 포함하는, 기록매체에 저장되는 프로그램.
KR1020150178829A 2015-12-15 2015-12-15 프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법 KR101764503B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150178829A KR101764503B1 (ko) 2015-12-15 2015-12-15 프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150178829A KR101764503B1 (ko) 2015-12-15 2015-12-15 프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170071009A KR20170071009A (ko) 2017-06-23
KR101764503B1 true KR101764503B1 (ko) 2017-08-02

Family

ID=59283659

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150178829A KR101764503B1 (ko) 2015-12-15 2015-12-15 프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101764503B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102007580B1 (ko) * 2017-12-14 2019-08-05 경북대학교 산학협력단 심박 변이도의 프랙탈 속성을 이용한 수면 단계 판정 방법 및 장치
KR101991250B1 (ko) 2018-01-22 2019-06-20 재단법인 아산사회복지재단 프랙탈 차원값을 이용한 만성폐질환 예측방법 및 장치
CN111430037B (zh) * 2020-03-30 2024-04-09 讯飞医疗科技股份有限公司 相似病历查找方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008104529A (ja) * 2006-10-23 2008-05-08 Rokko Bussan:Kk 健康／疾患度測定方法、健康／疾患度測定装置、健康／疾患度測定システム
JP2008173160A (ja) * 2007-01-16 2008-07-31 Tokyo Metropolitan Univ 心拍のゆらぎの解析方法およびそれを用いた健康状態の判断方法
JP2011115270A (ja) * 2009-12-01 2011-06-16 Fujifilm Ri Pharma Co Ltd 診断支援システム、方法及びコンピュータプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008104529A (ja) * 2006-10-23 2008-05-08 Rokko Bussan:Kk 健康／疾患度測定方法、健康／疾患度測定装置、健康／疾患度測定システム
JP2008173160A (ja) * 2007-01-16 2008-07-31 Tokyo Metropolitan Univ 心拍のゆらぎの解析方法およびそれを用いた健康状態の判断方法
JP2011115270A (ja) * 2009-12-01 2011-06-16 Fujifilm Ri Pharma Co Ltd 診断支援システム、方法及びコンピュータプログラム

Also Published As

Publication number Publication date
KR20170071009A (ko) 2017-06-23

Similar Documents

Publication Publication Date Title
JP6718975B2 (ja) 冠動脈において健全な管腔径を推定し狭窄を定量化するためのシステム及び方法
Wosiak et al. Integrating correlation-based feature selection and clustering for improved cardiovascular disease diagnosis
Guthman Fatuous measures: the artifactual construction of the obesity epidemic
CN108597601B (zh) 基于支持向量机的慢性阻塞性肺疾病诊断辅助系统及方法
JP7337788B2 (ja) 機械学習法において使用するゲノムの発見
US11813055B2 (en) Posture determination apparatus
KR101764503B1 (ko) 프랙탈 차원 지표를 산정하여 미병 분류를 보조하는 컴퓨팅 장치 및 방법
KR20200079676A (ko) 딥러닝 기반의 수면다원 검사장치 및 그 방법
JP4254892B1 (ja) 特徴量候補作成装置および特徴量候補作成方法
Sankar et al. Effective enhancement of classification of respiratory states using feed forward back propagation neural networks
KR102205806B1 (ko) 호흡상태 분류기의 생성 방법 및 생성한 호흡상태 분류기를 이용한 호흡상태 판단 방법
JP7173482B2 (ja) ヘルスケアデータ分析システム、ヘルスケアデータ分析方法およびヘルスケアデータ分析プログラム
JP6053166B2 (ja) 数値データ解析装置及びプログラム
KR101653502B1 (ko) 미병 분류를 보조하는 컴퓨팅 장치 및 방법
KR101330404B1 (ko) 맥파를 이용한 건강 상태 판단 장치 및 방법
KR102588694B1 (ko) 생체신호를 이용한 단위시간당 호흡수 산출 방법과, 호흡상태 판단 방법 및 장치
CN111466877B (zh) 一种基于lstm网络的氧减状态预测方法
WO2020146326A1 (en) Computer-based dynamic rating of ataxic breathing
Dürichen et al. Prediction of electrocardiography features points using seismocardiography data: a machine learning approach
WO2019160504A1 (en) System and method for assessing clinical event risk based on heart rate complexity
Kerr et al. Towards pulse detection and rhythm analysis using a biomimetic fingertip
Pavithra et al. Heart Disease Detection Using Machine Learning Algorithms
KR20170050033A (ko) 맥의 긴장도를 검출하는 장치 및 방법
Pérez-Acosta et al. Analysis and Application of Regression Models to ICU Patient Monitoring Check for updates Sergio Celada-Bernal, Carlos M. Travieso-González
KR101640315B1 (ko) 태음인 판단 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant