KR20210053545A - 질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치 - Google Patents
질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치 Download PDFInfo
- Publication number
- KR20210053545A KR20210053545A KR1020190139276A KR20190139276A KR20210053545A KR 20210053545 A KR20210053545 A KR 20210053545A KR 1020190139276 A KR1020190139276 A KR 1020190139276A KR 20190139276 A KR20190139276 A KR 20190139276A KR 20210053545 A KR20210053545 A KR 20210053545A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- clinical data
- user interface
- disease
- providing
- Prior art date
Links
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 57
- 201000010099 disease Diseases 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 22
- 208000024172 Cardiovascular disease Diseases 0.000 claims abstract description 62
- 238000011976 chest X-ray Methods 0.000 claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000007635 classification algorithm Methods 0.000 claims abstract description 9
- 238000013145 classification model Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000000747 cardiac effect Effects 0.000 abstract 2
- 210000004351 coronary vessel Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 208000010125 myocardial infarction Diseases 0.000 description 4
- 210000002376 aorta thoracic Anatomy 0.000 description 3
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 210000001147 pulmonary artery Anatomy 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- 206010008469 Chest discomfort Diseases 0.000 description 1
- 208000002330 Congenital Heart Defects Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000005764 Peripheral Arterial Disease Diseases 0.000 description 1
- 208000030831 Peripheral arterial occlusive disease Diseases 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008209 cardiovascular development Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000028831 congenital heart disease Diseases 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 208000004124 rheumatic heart disease Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- 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
-
- 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
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Optics & Photonics (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Pulmonology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 발명은, 프로세서에 의해 구현되는 질환 예측을 위한 사용자 인터페이스 제공 방법으로서, 개체에 대한 심음 데이터, 심전도 데이터 및 흉부 X 선 데이터 중 적어도 하나의 임상 데이터를 수신하는 단계, 임상 데이터에 기초하여 이의 종류를 분류하도록 구성된 분류 알고리즘에 기초하여 임상 데이터의 종류를 분류하고, 분류된 임상 데이터에 대하여, 임상 데이터의 종류에 따라 미리 결정된 전처리를 수행하는 단계, 심음 데이터, 심전도 데이터 흉부 X선 데이터, 및 임상 데이터 중 적어도 하나의 데이터에 기초하여 심혈관계 질환을 예측하도록 각각 구성된 복수의 모델 중 적어도 하나를 이용하여, 전처리가 수행된 임상 데이터를 기초로 개체에 대한 심혈관계 질환의 발병 위험도를 예측하는 단계, 및 개체에 대한 심혈관계 질환의 발병 위험도를 제공하는 단계를 포함하는, 질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 장치를 제공한다.
Description
본 발명은 질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치에 관한 것으로, 보다 구체적으로는 심혈관계 질환 의심 개체에 대한 다양한 임상 데이터의 종류를 고려하여 추가적인 검사 필요성 여부를 판단하도록 구성된, 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치에 관한 것이다.
심혈관계 질환은 심장과 주요 동맥에 발생하는 질환으로, 전세계적으로 가장 많은 원인을 제공하는 질환으로 보고되어 왔다. 이러한 심혈관계 질환은 심장과 혈관의 장애에 기인하며 특히 관상 심장 질환 (심장마비), 관상 동맥 질환, 혈압 상승 (고혈압), 말초 동맥 질환, 류마티스성 심장 질환, 선천성 심장병 및 심부전이 이에 포함될 수 있다. 보다 구체적으로, 관상 동맥 질환은 대개 동맥 경화에 의해서 심장에 혈액을 공급하는 관상 동맥이 막히거나 좁아져서 발생할 수 있다. 또한, 심근경색증은 동맥경화에 의해 관상동맥이 완전히 막혀 심장 근육조직이 죽게 되면서 발병될 수 있고, 협심증은 관상동맥이 좁아져서 발생하는 질환으로 흉부 압박감 또는 흉부 통증을 유발할 수 있다.
한편, 심혈관계 질환이 발전될 위험이 있는 개인을 확인하는 것은 심혈관계 질환을 더욱 효과적으로 예방하거나 치료하기 위한 중요한 전략일 수 있다. 종래 심혈관계 질환은 어느 정도 진행되어야 물리적인 방법을 사용하여 진단할 수 있어 조기에 진단 혹은 예측하는데 한계가 있었다. 통상 조영 장비를 이용하여 심장 내부 및 관상동맥을 X-선 및 초음파 촬영하여 진단을 하고 있으나, 의료진의 숙련도에 따라 진단의 결과가 상이할 수도 있다. 나아가, 혈액 샘플로부터 측정할 수 있는 심혈관 질병을 예견하는 몇몇 위험인자, 예를 들어 LDL 및 HDL 콜레스테롤 수치와 관련된 인자가 현재 임상적으로 사용되고 있으나, 죽상경화증을 앓는 많은 환자들은 이러한 위험 인자를 갖고 있지 않다. 더욱이, 심혈관계 질환은 이러한 위험 인자가 나타나지 않은 많은 개인에서 발생할 수 있다.
따라서, 환자에서 심혈관계 질환이 발전될 위험을 탐지하는 방법에 대한 요구가 지속되고 있는 실정이다.
발명의 배경이 되는 기술은 본 발명에 대한 이해를 보다 용이하게 하기 위해 작성되었다. 발명의 배경이 되는 기술에 기재된 사항들이 선행기술로 존재한다고 인정하는 것으로 이해되어서는 안 된다.
한편, 본 발명의 발명자들은, 임상적으로 심혈관계 질환이 발병하기 이전에 미리 인체의 생리학적 대응 반응의 일환으로 임상 데이터의 변화가 선행 할 것이라는 점에 주목하였다.
보다 구체적으로, 본 발명의 발명자들은 개체로부터 획득 가능한 임상 데이터의 특징이 심혈관계 질환의 발병 위험도와 연관성을 가질 수 있음에 주목하였다.
결과적으로, 본 발명의 발명자들은, 심전도 데이터, 심음 데이터의 데이터와 흉부 X선 데이터들로부터 추출된 특징들이, 심혈관계 질환의 위험도를 예측하는 것에 이용될 수 있음을 인지할 수 있었다.
그 결과, 본 발명의 발명자들은 개체로부터 획득한 심전도 데이터, 심음 데이터의 데이터와 흉부 X선 데이터들의 특징에 기초하여 심혈관계 질환의 발병 위험도를 제공하는, 사용자 인터페이스 제공 시스템을 개발하기에 이르렀다.
한편, 본 발명의 발명자들은, 사용자 인터페이스 제공 시스템에 대하여, 심전도 데이터, 심음 데이터의 데이터와 흉부 X선 데이터를 기초로 심혈관계 질환의 발병 위험도를 예측하도록 학습된 예측 모델을 적용할 수 있었다.
특히, 본 발명의 발명자들은, 개체마다 이들로부터 획득 가능한 임상 데이터가 다를 수 있음을 인지하였다. 따라서, 본 발명의 발명자들은, 3 가지의 임상 데이터가 모두 획득 가능한 경우, 이들 중 2 가지의 임상 데이터가 획득 가능한 경우, 또는 단일의 임상 데이터만이 획득 가능한 경우를 고려하여, 각각에 대한 학습 모델을 구축하고자 하였다.
더욱이, 본 발명의 발명자들은, 개체로부터 획득된 데이터의 종류가 무엇인지 분류하도록 구성되어, 각각의 데이터에 대한 적절한 전처리가 가능하도록 하는, 분류 모델을 더욱 적용하고자 하였다.
그 결과, 본 발명의 발명자들은, 사용자가 임상 데이터를 불러올 경우, 이를 기초로 심혈관계 질환의 발병 위험도를 예측하여 제공할 뿐만 아니라, 임의의 임상 데이터가 선택되었을 때, 이의 종류가 구별되어 출력되는 사용자 인터페이스를 제공할 수 있었다.
결과적으로, 예측 모델 및 분류 모델에 기초한 사용자 인터페이스 제공 시스템은, 개체에 대하여 정확도 및 신뢰도 높은 예측 정보를 제공할 수 있었다.
본 발명의 발명자들은 이러한 사용자 인터페이스 제공 시스템을 통해, 개체의 심혈관계 발병 위험도가 제공됨에 따라 의료진 또는 환자로 하여금 추가적인 검진의 필요 여부를 보다 빠르게 결정할 수 있음을 기대할 수 있었다. 더욱이, 본 발명의 발명자들은 이와 같은 시스템이 치료 처치 시점을 앞당겨 치료의 성과를 높이고, 환자의 생존률 증가 및 치료 비용의 감소를 제공할 수 있다는 것을 더욱 기대할 수 있었다.
이에, 본 발명이 해결하고자 하는 과제는, 분류 모델을 통해 수신된 개체에 대한 임상 데이터를 분류 하고, 분류된 임상 데이터에 대하여 미리 결정된 전처리를 수행하고, 예측 모델을 이용하여 심혈관계 질환의 발병 위험도를 예측하여 제공하도록 구성된, 질환 예측을 위한 사용자 인터페이스 제공 방법 및 장치를 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법을 제공한다. 본 발명의 일 실시예에 따른 정보 제공 방법은, 프로세서에 의해 수행되고, 개체에 대한 심음 데이터, 심전도 데이터 및 흉부 X 선 데이터 중 적어도 하나의 임상 데이터를 수신하는 단계, 임상 데이터의 종류를 분류하도록 구성된 분류 알고리즘에 기초한 분류 모델을 이용하여, 적어도 하나의 임상 데이터의 종류를 분류하는 단계, 분류된 임상 데이터에 대하여, 임상 데이터의 종류에 따라 미리 결정된 전처리를 수행하는 단계, 심음 데이터, 심전도 데이터 흉부 X선 데이터, 및 임상 데이터 중 적어도 하나의 조합 데이터에 기초하여 심혈관계 질환을 예측하도록 각각 구성된 복수의 모델 중 적어도 하나를 이용하여, 전처리가 수행된 임상 데이터를 기초로 개체에 대한 심혈관계 질환의 발병 위험도를 예측하는 단계, 및 개체에 대한 심혈관계 질환의 발병 위험도를 제공하는 단계를 포함한다.
전술한 바와 같은 과제를 해결하기 위하여 본 발명의 다른 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치를 제공한다. 본 발명의 일 실시예에 따른 정보 제공용 장치는, 개체에 대한 심음 데이터, 심전도 데이터 및 흉부 X 선 데이터 중 적어도 하나의 임상 데이터를 수신하도록 구성된 수신부, 프로세서, 및 출력부를 포함한다. 이때, 프로세서는, 임상 데이터의 종류를 분류 하도록 구성된 분류 알고리즘에 기초한 분류 모델을 이용하여, 적어도 하나의 임상 데이터를 분류하고, 분류된 임상 데이터에 대하여, 임상 데이터의 종류에 따라 미리 결정된 전처리를 수행하고, 심음 데이터, 심전도 데이터 흉부 X선 데이터, 및 임상 데이터 중 적어도 하나의 조합 데이터에 기초하여 심혈관계 질환을 예측하도록 각각 구성된 복수의 모델 중 적어도 하나를 이용하여, 전처리가 수행된 임상 데이터를 기초로 개체에 대한 심혈관계 질환의 발병 위험도를 예측하도록 구성된다. 나아가, 출력부는, 개체에 대한 심혈관계 질환의 발병 위험도를 제공하도록 구성된다.
기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명은, 다양한 임상 데이터에 기초하여 심혈관계 질환을 예측하도록 구성된 복수의 예측 모델을 제공함에 따라, 심혈관계 질환의 정확한 진단에 기여할 수 있다.
특히, 본 발명은 데이터 각각의 종류를 분류하고, 특징 추출 및 앙상블을 위한 전처리 절차가 적용됨에 따라, 보다 높은 정확도로 심혈관계 질환의 발병 위험도를 예측하는 사용자 인터페이스를 제공할 수 있다.
보다 구체적으로, 본 발명은, 임상 데이터의 종류에 따라 학습되어 심혈관계 질환의 발병 위험도를 확률적으로 제공하도록 구성된
복수의 예측 모델을 적용한, 사용자 인터페이스 제공 시스템을 제공함으로써, 추가적인 임상 검사의 필요성의 결정에 기여할 수 있는 임상적 정보를 제공할 수 있다.
이에, 본 발명은, 개체의 심혈관계 발병 위험도를 제공함에 따라, 의료진 또는 환자는 추가적인 검진의 필요 여부를 보다 빠르게 결정할 수 있다.
더욱이, 본 발명은 치료 처치 시점을 앞당겨 치료의 성과를 높이고, 환자의 생존률 증가 및 치료 비용의 감소를 제공할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 발명 내에 포함되어 있다.
도 1a은 본 발명의 일 실시예에 따른 생체 신호 데이터를 이용한 질환 예측을 위한 사용자 인터페이스 제공 시스템을 설명하기 위한 개략도이다.
도 1b는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치를 설명하기 위한 개략도이다.
도 2a 및 2b는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법을 설명하기 위한 개략적인 순서도이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치의 출력부를 예시적으로 도시한 것이다.
도 1b는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치를 설명하기 위한 개략도이다.
도 2a 및 2b는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법을 설명하기 위한 개략적인 순서도이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치의 출력부를 예시적으로 도시한 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
비록 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.
이하에서는, 도 1a 및 도 1b를 참조하여, 본 발명의 다양한 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치를 상세히 설명한다.
도 1a은 본 발명의 일 실시예에 따른 생체 신호 데이터를 이용한 질환 예측을 위한 사용자 인터페이스 제공 시스템을 설명하기 위한 개략도이다. 도 1b는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치를 설명하기 위한 개략도이다.
먼저, 도 1a을 참조하면, 질환 예측을 위한 사용자 인터페이스 제공 시스템 (1000) 은, 개체에 대한 임상 데이터 (300) 에 기초하여, 심혈관 질환의 발병 위험도와 같은 임상적 정보를 제공하도록 구성된다. 이때, 질환 예측을 위한 사용자 인터페이스 제공 시스템 (1000) 에 적용되는 임상 데이터 (300) 는, 심음 데이터 (310), 심전도 데이터 (320) 및 흉부 X선 데이터 (330) 중 적어도 하나일 수 있다. 본 발명의 일 실시예에 따른 사용자 인터페이스 제공용 장치 (100) 는, 획득된 임상 데이터의 종류를 출력하고, 이들 데이터에 의해 예측된 심혈관계 질환의 발병 위험도를 출력하도록 구성된다.
보다 구체적으로, 도 1b를 함께 참조하면, 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치 (100) 는 수신부 (110), 입력부 (120), 출력부 (130), 저장부 (140) 및 프로세서 (150) 를 포함할 수 있다.
이때, 수신부 (110) 는 심음 데이터 (310), 심전도 데이터 (320) 및 흉부 X선 데이터 (330) 중 적어도 하나의 임상 데이터를 수신하도록 구성될 수 있다. 이때, 수신부는, 심전도 또는 심음 측정용 장치, 나아가 의료 영상 촬영 장치와 통신하도록 연결되어 각 장치로부터 해당 데이터를 직접 수신하도록 더욱 구성될 수 있다.
입력부 (120) 는 키보드, 마우스, 터치 스크린 패널 등 제한되지 않는다. 입력부 (120) 는 질환 예측을 위한 사용자 인터페이스 제공용 장치 (100) 를 설정하고, 이의 동작을 지시하도록 구성될 수 있다. 보다 구체적으로, 입력부 (120) 는, 사용자로부터 임상 데이터에 대한 선택을 입력 받도록 더욱 구성될 수 있다.
출력부 (130) 는, 수신부 (110) 에 의해 수신된 임상 데이터들을 표시할 수 있다. 나아가, 표시부 (130) 는 프로세서 (150) 에 의해 생성된, 심혈관계 질환에 관한 정보를 표시할 수 있다.
저장부 (140) 는, 수신부 (110) 에 수신된 다양한 임상 데이터, 입력부 (120) 를 통해 입력된 사용자의 선택을 저장하도록 구성될 수 있다. 나아가, 저장부 (140) 는 후술할 프로세서 (150) 에 의해 분류되거나 결정된 심혈관계 질환과 연관된 정보를 저장하도록 더욱 구성될 수 있다. 그러나, 이에 제한되지 않고, 저장부 (140) 는 프로세서 (150) 가 새로운 임상 데이터에 기초하여, 데이터를 분류하고, 심혈관계 질환의 발병 위험도를 예측하는 과정에서 생성되는 모든 데이터들을 저장하도록 구성될 수 있다.
프로세서는 (150) 는, 임상 데이터의 종류를 분류 하도록 구성된 분류 알고리즘에 기초한 분류 모델, 데이터의 조합에 따라 심혈관계 질환의 발병 위험도를 예측하도록 각각 학습된 복수의 예측 모델에 기초할 수 있다.
보다 구체적으로, 프로세서 (150) 는, 임상 데이터의 종류를 분류 하도록 구성된 분류 알고리즘에 기초한 분류 모델을 이용하여, 적어도 하나의 임상 데이터를 분류하고, 분류된 임상 데이터에 대하여, 임상 데이터의 종류에 따라 미리 결정된 전처리를 수행하도록 구성될 수 있다. 나아가, 프로세서 (150) 는, 심음 데이터, 심전도 데이터 흉부 X선 데이터, 및 임상 데이터 중 적어도 하나에 기초하여 심혈관계 질환을 예측하도록 각각 구성된 복수의 모델 중 적어도 하나를 이용하여, 전처리가 수행된 임상 데이터를 기초로 개체에 대한 심혈관계 질환의 발병 위험도를 예측하도록 구성된다.
한편, 프로세서 (150) 내의 분류 모델은, 분류 알고리즘에 기초한 분류 서버로서 이용될 수 있다. 따라서, 본원 명세서 내에서 분류 모델은 분류 서버와 상호 교환적으로 이용될 수 있다.
따라서, 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치 (100) 는, 높은 정확도로 심혈관계 질환과 연관된 정보를 결정할 수 있다.
이에, 사용자는, 질환 예측을 위한 사용자 인터페이스 제공 시스템 (1000) 에 의해, 추가적인 임상 검사의 필요성의 결정에 기여할 수 있는 임상적 정보를 제공받을 수 있다.
이하에서는 도 2a 및 2b를 참조하여 본 발명의 다양한 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법을
도 2a 및 2b는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법을 설명하기 위한 개략적인 순서도이다.
도 2a를 참조하면, 먼저 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법에 따라, 임상 데이터가 수신된다 (S210). 그 다음, 분류 모델에 의해 임상 데이터의 종류가 분류되고 (S220), 이들 데이터의 종류에 따라 미리 결정된 전처리가 수행된다 (S230). 그 다음, 임상 데이터에 따라 미리 학습된 예측 모델을 이용하여, 개체의 심혈관계 질환의 발병 위험도가 예측되고 (S240), 최종 결과가 제공된다 (S250).
보다 구체적으로, 임상 데이터가 수신되는 단계 (S210) 에서, 심음 데이터, 심전도 데이터 및 흉부 X선 데이터 중 적어도 하나의 임상 데이터가 수신될 수 있다. 이때, 심음 데이터는 AA (aortic arch), PA (pulmonary artery), TA (transverse arch) 및 MA 중 적어도 하나일 수 있다. 나아가, 심전도 데이터는 PDF 파일 형식을 가질 수 있다. 그러나, 이들 임상 데이터의 종류 및 형식은 전술한 것에 제한되는 것은 아니다.
본 발명의 특징에 따르면, 임상 데이터가 수신되는 단계 (S210) 에서, 크기가 조절되거나, 차원이 변경되는 등의 전처리가 미리 수행된 임상 데이터가 수신될 수도 있다.
다음으로, 임상 데이터의 종류가 분류되는 단계 (S220) 에서, 획득된 임상 데이터가 어떤 종류인지 분류될 수 있다.
예를 들어, 도 2b를 함께 참조하면, 임상 데이터의 종류가 분류되는 단계 (S220) 에서, 수신된 개체에 대한 임상 데이터 (300) 가, 임상 데이터의 종류를 분류하도록 구성된 알고리즘에 기초한 분류 모델 (220) 에 입력될 수 있다. 그 다음, 분류 모델 (220) 에 의해 종류가 분류된 심전도 데이터 (310), 심음 데이터 (320) 및 흉부 X선 데이터 (330) 가 획득될 수 있다.
그러나, 임상 데이터의 종류의 분류는 보다 다양한 방법에 의해 수행될 수도 있다. 예를 들어, 임상 데이터의 종류가 분류되는 단계 (S220) 에서, 사용자가 임상 데이터를 분류 서버에 HTTP POST로 업로드하면, 분류 알고리즘에 의해 임상 데이터의 종류가 구별되어 출력될 수도 있다.
다음으로, 미리 결정된 전처리가 수행되는 단계 (S230) 에서, 각각의 데이터에 대한 특징이 추출된 후 표준화되고, 분류된 데이터가 복수개일 경우 이들이 앙상블되어 통합되는 전처리가 수행될 수 있다.
예를 들어, 도 2b를 다시 참조하면, 미리 결정된 전처리가 수행되는 단계 (S230) 에서, 심전도 데이터 (310), 심음 데이터 (320) 및 흉부 X선 데이터 (330) 각각에 대한 전처리가 수행될 수 있다. 보다 구체적으로, 미리 결정된 전처리가 수행되는 단계 (S230) 에서, 심전도 데이터 (310) 의 경우, 신호 정보가 추출되고, 표준화가 수행될 수 있다. 나아가, 심음 데이터 (320) 의 경우, 특징 정보가 추출되고 표준화될 수 있다. 또한, 흉부 X선 데이터의 경우, 이미지 정보가 추출되고 표준화가 수행될 수 있다. 나아가, 미리 결정된 전처리가 수행되는 단계 (S230) 에서, 표준화된 심전도 데이터 (312), 전처리된 심음 데이터 (322) 및 전처리된 흉부 X선 데이터 (332) 의 경우 앙상블되어 하나의 데이터로 통합될 수 있다. 이때, 이들 데이터가 통합된 앙상블 데이터 (232) 는, 숫자 배열 형태일 수 있으나 이에 제한되는 것은 아니다.
다음으로, 심혈관계 질환의 발병 위험도가 예측되는 단계 (S240) 에서, 임상 데이터의 종류 또는 조합에 따라 미리 학습된 예측 모델에 의해, 심혈관계 질환의 발병 확률이 예측될 수 있다.
예를 들어, 다시 도 2b를 참조하면, 심혈관계 질환의 발병 위험도가 예측되는 단계 (S240) 에서, 앙상블 데이터 (232) 가 심전도 데이터 (310), 심음 데이터 (320) 및 흉부 X선 데이터 (330) 로부터 유래된 것임에 따라, 복수의 질환 예측 모델 (240) 모델 중, 심전도, 심음 및 흉부 X선 데이터에 기초한 질환 예측 모델 (242) 에 선택적으로 입력될 수 있다. 이때, 복수의 질환 예측 모델 (240) 은, 심전도 데이터에 기초한 질환 예측 모델, 심음 데이터에 기초한 질환 예측 모델, 흉부 X선 데이터에 기초한 질환 예측 모델의 단일 데이터를 이용하여 질환 발병 위험도를 예측하도록 구성된 모델을 포함할 수 있다. 나아가, 복수의 질환 예측 모델 (240) 은, 심전도 및 심음 데이터에 기초한 질환 예측 모델, 심전도 및 흉부 X선 데이터에 기초한 질환 예측 모델, 심음 및 흉부 X선 데이터에 기초한 질환 예측 모델, 및 심전도, 심음 및 흉부 X선 데이터에 기초한 질환 예측 모델 (242) 의 두 개 이상의 데이터의 조합에 기초한 예측 모델을 포함할 수 있다. 심혈관계 질환의 발병 위험도가 예측되는 단계 (S240) 의 결과로, 심전도, 심음 및 흉부 X선 데이터에 기초한 질환 예측 모델 (242) 로부터 출력값 (252) 이 출력될 수 있다. 이때, 출력값 (252) 은 심근경색과 같은 심혈관계 질환의 발병 확률로, 0 내지 1 사이의 값일 수 있다. 그러나, 출력 형태는 이에 제한되는 것이 아니다.
마지막으로, 최종 결과가 제공되는 단계 (S250) 에서, 예측 모델에 선택적 입력에 따른 출력값이 사용자에게 제공될 수 있다.
예를 들어, 다시 도 2b를 참조하면, 최종 결과가 제공되는 단계 (S250) 에서, 심근경색 발병 확률인 '0.8'이 출력부를 통해 제공되고, 사용자는 개체에 대한 심혈관계 질환 발병 위험도를 확인할 수 있다.
한편, 최종 결과가 제공되는 단계 (S250) 에서, 예측 모델들에 의한 출력 정보가 HTTP 응답 및 JSON 형식으로 전환된 후, 시각화 소프트웨어에 의해 JSON 응답이 파싱되어 출력부를 통해 출력될 수도 있다.
이와 같은 본 발명의 다양한 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법에 의해 사용자는 보다 용이하게, 개체에 대한 추가 검진 여부를 결정할 수 있다.
다음으로, 도 3a 내지 3c를 참조하여, 본 발명의 다양한 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공 방법에 의해 제공되는 사용자 인터페이스를 예시적으로 설명한다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치의 출력부를 예시적으로 도시한 것이다.
먼저, 도 3a를 참조하면, 본 발명의 일 실시예에 따른 질환 예측을 위한 사용자 인터페이스 제공용 장치 (100) 는 터치 스크린 패널로 입력부 (120) 및 출력부 (130) 가 동일할 수 있다. 이때, 출력부 (130) 는, 개체 정보란 (132), 흉부 X선 데이터 표시란 (133), 심전도 데이터 표시란 (134), 심음 데이터 표시란 (135), 및 심혈관계 질환 발병 확률 표시란 (137) 을 제공한다.
보다 구체적으로, 개체 정보란 (132) 은 환자의 성별, 나이, 생년월일, 이름, 환자 ID와 같은 정보를 제공할 수 있다. 나아가, 흉부 X선 데이터 표시란 (133) 은 사용자에 의해 분류 서버에 업로드된 임상 데이터 중, 개체의 흉부 X-선 데이터를 표시하여 제공할 수 있다. 또한, 심전도 데이터 표시란 (134) 은 사용자에 의해 분류 서버에 업로드된 임상 데이터 중, 개체의 심전도 데이터를 표시하여 제공하고, 심음 데이터 표시란 (135) 은 사용자에 의해 분류 서버에 업로드된 임상 데이터 중, 개체의 심음 데이터를 표시하여 제공할 수 있다. 이때, 심음 데이터 표시란 (135) 에 표시되는 심음 데이터는, AA, PA, MA, TA일 수 있고, 사용자에 의해 재생 버튼에 대한 선택이 이루어지면, 심음 데이터 (320) 각각이 출력될 수 있다.
한편, 사용자는, 심혈관계 질환의 발병 위험도의 예측을 위해 이용하고자 하는 임상 데이터를, 흉부 X선 데이터 표시란 (133), 심전도 데이터 표시란 (134), 심음 데이터 표시란 (135) 내의 선택 버튼을 통해 선택할 수도 있다.
예를 들어, 도 3b를 함께 참조하면, 사용자가 흉부 X선 데이터 표시란 (133) 내의 선택 버튼 및 심음 데이터 표시란 (135) 내의 선택 버튼을 통해, 이들 데이터들을 제외할 경우, 심전도 데이터 표시란 (134) 내에 제공되는 심전도 데이터만으로 개체에 대한 심혈관계 질환 발병 위험도가 산출될 수 있다. 나아가, 도 3c를 더욱 참조하면, 심전도 데이터 표시란 (134) 내의 선택 버튼을 통해, 제외할 경우, 흉부 X선 데이터 표시란 (133) 에 제공되는 흉부 X선 데이터 및 심음 데이터 표시란 (135) 에 제공되는 심음 데이터로 개체에 대한 심혈관계 질환 발병 위험도가 산출될 수 있다.
나아가, 사용자가 임의의 임상 데이터를 드레그할 경우, 임의의 임상 데이터는, 데이터의 종류에 따라 흉부 X선 데이터 표시란 (133), 또는 심전도 데이터 표시란 (134), 또는 심음 데이터 표시란 (135) 으로 이동할 수 있다. 이에, 해당 데이터가 무엇인지 확인할 수 있다.
한편, 심혈관계 질환 발병 확률 표시란 (137) 은, 사용자에 의해 선택된 데이터에 기초하여 출력된 심혈관계 질환의 발병 확률을 제공할 수 있다. 즉, 사용자는, 심혈관계 질환 발병 확률 표시란 (137) 을 통해, 환자에 대한 질환 발병 위험도를 확인할 수 있다.
이에, 사용자는 보다 용이하게 개체에 대한 심혈관계 질환의 발병 위험도를 확인하고, 추가 검진 여부를 결정할 수 있다.
이상의 다양한 실시예와 같이, 본 발명은, 임상 데이터의 종류에 따라 학습되어 심혈관계 질환의 발병 위험도를 확률적으로 제공하도록 구성된 복수의 예측 모델에 기초한, 사용자 인터페이스 제공 시스템을 제공함으로써, 추가적인 임상 검사의 필요성의 결정에 기여할 수 있는 임상적 정보를 제공할 수 있다.
이에, 본 발명은, 개체의 심혈관계 발병 위험도를 제공함에 따라, 의료진 또는 환자는 추가적인 검진의 필요 여부를 보다 빠르게 결정할 수 있다.
더욱이, 본 발명은 치료 처치 시점을 앞당겨 치료의 성과를 높이고, 환자의 생존률 증가 및 치료 비용의 감소를 제공할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 일 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 질환 예측을 위한 사용자 인터페이스 제공용 장치
110: 수신부
120: 입력부
130: 출력부
132: 개체 정보란
133: 흉부 X선 데이터 표시란
134: 심전도 데이터 표시란
135: 심음 데이터 표시란
137: 심혈관계 질환 발병 확률 표시란
140: 저장부
150: 프로세서
220: 분류 모델
232: 앙상블 데이터
240: 질환 예측 모델
242: 심전도, 심음, 흉부 X선 데이터에 기초한 질환 예측 모델
252: 출력값
300: 임상 데이터
310: 심전도 데이터
312: 전처리된 심전도 데이터
320: 심음 데이터
322: 전처리된 심음 데이터
330: 흉부 X선 데이터
332: 전처리된 흉부 X선 데이터
1000: 질환 예측을 위한 사용자 인터페이스 제공 시스템
110: 수신부
120: 입력부
130: 출력부
132: 개체 정보란
133: 흉부 X선 데이터 표시란
134: 심전도 데이터 표시란
135: 심음 데이터 표시란
137: 심혈관계 질환 발병 확률 표시란
140: 저장부
150: 프로세서
220: 분류 모델
232: 앙상블 데이터
240: 질환 예측 모델
242: 심전도, 심음, 흉부 X선 데이터에 기초한 질환 예측 모델
252: 출력값
300: 임상 데이터
310: 심전도 데이터
312: 전처리된 심전도 데이터
320: 심음 데이터
322: 전처리된 심음 데이터
330: 흉부 X선 데이터
332: 전처리된 흉부 X선 데이터
1000: 질환 예측을 위한 사용자 인터페이스 제공 시스템
Claims (2)
- 프로세서에 의해 구현되는 질환 예측을 위한 사용자 인터페이스 제공 방법으로서,
개체에 대한 심음 데이터, 심전도 데이터 및 흉부 X 선 데이터 중 적어도 하나의 임상 데이터를 수신하는 단계;
임상 데이터의 종류를 분류 하도록 구성된 분류 알고리즘에 기초한 분류 모델을 이용하여, 상기 적어도 하나의 임상 데이터의 종류를 분류하는 단계;
분류된 임상 데이터에 대하여, 상기 임상 데이터의 종류에 따라 미리 결정된 전처리를 수행하는 단계;
심음 데이터, 심전도 데이터 흉부 X선 데이터, 및 임상 데이터 중 적어도 하나의 데이터에 기초하여 심혈관계 질환을 예측하도록 각각 구성된 복수의 모델 중 적어도 하나를 이용하여, 상기 전처리가 수행된 임상 데이터를 기초로 상기 개체에 대한 심혈관계 질환의 발병 위험도를 예측하는 단계, 및
상기 개체에 대한 심혈관계 질환의 발병 위험도를 제공하는 단계를 포함하는, 질환 예측을 위한 사용자 인터페이스 제공 방법. - 개체에 대한 심음 데이터, 심전도 데이터 및 흉부 X 선 데이터 중 적어도 하나의 임상 데이터를 수신하도록 구성된 수신부;
프로세서, 및
출력부를 포함하고,
상기 프로세서는, 임상 데이터의 종류를 분류 하도록 구성된 분류 알고리즘에 기초한 분류 모델을 이용하여, 상기 적어도 하나의 임상 데이터의 종류를 분류하고, 분류된 임상 데이터에 대하여 상기 임상 데이터의 종류에 따라 미리 결정된 전처리를 수행하고, 심음 데이터, 심전도 데이터 흉부 X선 데이터, 및 임상 데이터 중 적어도 하나의 데이터에 기초하여 심혈관계 질환을 예측하도록 각각 구성된 복수의 모델 중 적어도 하나를 이용하여, 상기 전처리가 수행된 임상 데이터를 기초로 상기 개체에 대한 심혈관계 질환의 발병 위험도를 예측하도록 구성되고,
상기 출력부는, 개체에 대한 심혈관계 질환의 발병 위험도를 제공하도록 구성된, 질환 예측을 위한 사용자 인터페이스 제공용 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190139276A KR20210053545A (ko) | 2019-11-04 | 2019-11-04 | 질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190139276A KR20210053545A (ko) | 2019-11-04 | 2019-11-04 | 질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210053545A true KR20210053545A (ko) | 2021-05-12 |
Family
ID=75918962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190139276A KR20210053545A (ko) | 2019-11-04 | 2019-11-04 | 질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210053545A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220168930A (ko) | 2021-06-17 | 2022-12-26 | 주식회사 휴이노 | 생체 신호 분석 모델을 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| WO2023195554A1 (ko) * | 2022-04-06 | 2023-10-12 | 경상국립대학교병원 | 녹내장 위험도 진단 장치 및 방법 |
| WO2024053993A1 (ko) * | 2022-09-07 | 2024-03-14 | 연세대학교 산학협력단 | 알고리즘을 이용한 전이성 또는 다발성 원발성 폐암의 분류 방법 및 그 장치 |
-
2019
- 2019-11-04 KR KR1020190139276A patent/KR20210053545A/ko unknown
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220168930A (ko) | 2021-06-17 | 2022-12-26 | 주식회사 휴이노 | 생체 신호 분석 모델을 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| WO2023195554A1 (ko) * | 2022-04-06 | 2023-10-12 | 경상국립대학교병원 | 녹내장 위험도 진단 장치 및 방법 |
| WO2024053993A1 (ko) * | 2022-09-07 | 2024-03-14 | 연세대학교 산학협력단 | 알고리즘을 이용한 전이성 또는 다발성 원발성 폐암의 분류 방법 및 그 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Strain imaging in cardio-oncology | |
| Adamson et al. | Comparison of international guidelines for assessment of suspected stable angina: insights from the PROMISE and SCOT-HEART | |
| Fischer et al. | Feature tracking myocardial strain incrementally improves prognostication in myocarditis beyond traditional CMR imaging features | |
| US20210338333A1 (en) | Systems and methods for treatment planning based on plaque progression and regression curves | |
| Johnson et al. | Invasive FFR and noninvasive CFR in the evaluation of ischemia: what is the future? | |
| Wolk et al. | ACCF/AHA/ASE/ASNC/HFSA/HRS/SCAI/SCCT/SCMR/STS 2013 multimodality appropriate use criteria for the detection and risk assessment of stable ischemic heart disease: a report of the American College of cardiology Foundation appropriate use criteria Task force, American heart association, American Society of echocardiography, American Society of nuclear cardiology, heart failure Society of America, heart rhythm Society, Society for cardiovascular angiography and interventions, society of cardiovascular computed tomography, Society for cardiovascular magnetic resonance, and society of thoracic surgeons | |
| Rybicki et al. | 2015 ACR/ACC/AHA/AATS/ACEP/ASNC/NASCI/SAEM/SCCT/SCMR/SCPC/SNMMI/STR/STS appropriate utilization of cardiovascular imaging in emergency department patients with chest pain: a joint document of the American College of Radiology Appropriateness Criteria Committee and the American College of Cardiology Appropriate Use Criteria Task Force | |
| Fihn et al. | 2012 ACCF/AHA/ACP/AATS/PCNA/SCAI/STS guideline for the diagnosis and management of patients with stable ischemic heart disease: a report of the American College of Cardiology Foundation/American Heart Association task force on practice guidelines, and the American College of Physicians, American Association for Thoracic Surgery, Preventive Cardiovascular Nurses Association, Society for Cardiovascular Angiography and Interventions, and Society of Thoracic Surgeons | |
| Diamond | A clinically relevant classification of chest discomfort | |
| Genders et al. | The external validity of prediction models for the diagnosis of obstructive coronary artery disease in patients with stable chest pain: insights from the PROMISE trial | |
| Schumann et al. | Functional and economic impact of INOCA and influence of coronary microvascular dysfunction | |
| Georgiou et al. | Screening patients with chest pain in the emergency department using electron beam tomography: a follow-up study | |
| Zornoff et al. | Right ventricular dysfunction and risk of heart failure and mortality after myocardial infarction | |
| Rosen et al. | Relationship between baseline coronary calcium score and demonstration of coronary artery stenoses during follow-up: MESA (Multi-Ethnic Study of Atherosclerosis) | |
| Miller et al. | Stress CMR reduces revascularization, hospital readmission, and recurrent cardiac testing in intermediate-risk patients with acute chest pain | |
| KR20220104144A (ko) | Ecg 기반 미래 심방세동 예측기 시스템들 및 방법들 | |
| Dai et al. | Stable ischemic heart disease in the older adults | |
| Frederiksen et al. | Assessment of cardiac pathology by point-of-care ultrasonography performed by a novice examiner is comparable to the gold standard | |
| KR20210053545A (ko) | 질환 예측을 위한 사용자 인터페이스 제공 방법 및 이를 이용한 질환 예측을 위한 사용자 인터페이스 제공용 장치 | |
| US11769591B2 (en) | Computer aided diagnosis and monitoring of heart failure patients | |
| Shaw et al. | Improved near-term coronary artery disease risk classification with gated stress myocardial perfusion SPECT | |
| Ryd et al. | Utility of fetal cardiovascular magnetic resonance for prenatal diagnosis of complex congenital heart defects | |
| Sharman et al. | Accuracy of blood pressure monitoring devices: a critical need for improvement that could resolve discrepancy in hypertension guidelines | |
| Shemesh | Coronary artery calcification in clinical practice: what we have learned and why should it routinely be reported on chest CT? | |
| US10368753B2 (en) | Method and system for determining strain relaxation of left ventricular diastolic function |