KR20210054975A - Ai 기반 심전도 판독 시스템 - Google Patents

Ai 기반 심전도 판독 시스템 Download PDF

Info

Publication number
KR20210054975A
KR20210054975A KR1020200094742A KR20200094742A KR20210054975A KR 20210054975 A KR20210054975 A KR 20210054975A KR 1020200094742 A KR1020200094742 A KR 1020200094742A KR 20200094742 A KR20200094742 A KR 20200094742A KR 20210054975 A KR20210054975 A KR 20210054975A
Authority
KR
South Korea
Prior art keywords
reading
electrocardiogram
data
ecg
data analysis
Prior art date
Application number
KR1020200094742A
Other languages
English (en)
Other versions
KR102471086B1 (ko
Inventor
전재후
Original Assignee
메디팜소프트(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020190141008A external-priority patent/KR102142841B1/ko
Application filed by 메디팜소프트(주) filed Critical 메디팜소프트(주)
Priority to KR1020200094742A priority Critical patent/KR102471086B1/ko
Publication of KR20210054975A publication Critical patent/KR20210054975A/ko
Application granted granted Critical
Publication of KR102471086B1 publication Critical patent/KR102471086B1/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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/353—Detecting P-waves
    • 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/355—Detecting T-waves
    • 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/36—Detecting PQ interval, PR interval or QT interval
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Nursing (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

실시예는 심전도 데이터를 획득하는 심전도 측정장치; 및 상기 심전도 데이터를 이용하여 세부 질환을 판독하는 서버를 포함하고, 상기 서버는, 상기 심전도 데이터의 P,Q,R,S,T 피크 검출을 통해 세부질환을 1차 판독하는 시계열 데이터 분석부, AI 기반 이미지 데이터 분석 알고리즘을 통해 세부질환을 2차 판독하는 이미지 데이터 분석부, 및 상기 1차 판독과 2차 판독을 통합하여 판독 결과를 생성하는 데이터 분석결과 통합부를 포함하는 AI 기반 심전도 판독 시스템을 개시한다.

Description

AI 기반 심전도 판독 시스템{AI-based ECG reading system}
본 발명은 인공지능 기반의 심전도 판독 시스템에 관한 것이다. 구체적으로 본 발명은 단일채널 심전도 데이터만으로 정확도 높은 심전도 판독 결과를 제공할 수 있는 판독 시스템에 관한 것이다.
최근의 돌연사 증가 속도가 빨라지고 있다. 질병관리본부 통계를 보면 심장 문제로 돌연사한 사람은 2008년 1만2271명에서 2015년 1만8658명으로 6천명 넘게 증가하였으며, 2017년에는 1만8261명이 숨졌다.
세계보건기구에 따르면 심혈관 질환은 전 세계 사망원인 1위 질환이다. 2030년에는 사망자 수가 2300만명에 달할 것으로 추정된다.
인구 고령화와 함께 국내 심장질환 환자 수와 진료비도 점점 증가하고 있어 심혈관질환 예방과 관리에 관심이 요구되며 심장병 가족력이나, 부정맥환자와 같이 돌연사 위험인자를 가지고 있는 사람은 더욱더 일상생활에서 세심한 관리가 필요하다.
심장 박동은 신체가 전달하는 생체 신호 중 하나이다. 가슴이 두근거리거나 숨이 차오르는 불편한 증상이 나타났을 땐 심장 이상이 발생했을 가능성을 염두에 두고, 증상이 있을 당시의 심전도를 찍어봐야 정확한 진단을 할 수 있다.
이와 같이 심장 이상을 느끼는 즉시 심전도 측정 및 진단을 위해 언제 어디서나 손쉽게 측정할 수 있는 가정용 웰리스 건강관리용 의료기기의 필요성이 대두된다. 현재 출시된 주요제품으로는 단일 채널의 심전도 측정 데이터를 병원으로 전송하여 의사가 원격으로 진단하고 환자의 방문 필요성을 결정하는 형태의 서비스(AliveCor등)와 심전도 그래프와 심방세동 알림 기능을 제공하는 애플 위치 4가 대표적이다. 이들 심전도 기기는 진단이 비교적 간단한 부정맥 질환의 진단이 가능하며 심전도 데이터 모니터링을 통한 원격의료의 한 형태로서 해외에서 서비스 되고 있다.
본 발명은 일반적으로 병원에서 사용되는 심전도 판독 장치가 아닌 상대적으로 가벼운 2개의전극을 사용하여 단일채널 신호만을 획득함에도 불구하고, 병원에서 사용되는 심전도 판독 장치와 유사한 퀄리티의 심전도 신호를 획득하여 결과적으로 유사한 판독 정확도를 갖는 심전도 판독 시스템을 제공하는 것을 목적으로 한다.
특히, 본 발명은 시계열적 분석과 이미지 분석의 두가지 방법을 함께 사용하여 통합함으로써, 2개 전극만을 사용하여 발생할 수 있는 정확도 하락의 문제를 해결하고, 사용자가 휴대 가능한 수준의 심전도 판독 시스템을 제공하는 것을 목적으로 한다.
단일채널 심전도 데이터를 AI를 통해 판독할 수 있는 상대적으로 가벼운 AI 기반 심전도 판독 시스템이 개시된다. 본 발명의 일 실시 예에 따른 심전도 판독 시스템은, 2개의 전극을 사용하여 단일채널 심전도 데이터를 획득하는 단일채널 심전도 측정장치, 상기 단일채널 심전도 측정장치로부터 획득되는 데이터를 실시간으로 출력하고, 서버로 전송하고, 서버로부터 심전도 데이터 판독 결과를 받아 출력하는 단말기 및 상기 단말기로부터 단일채널 심전도 측정 데이터를 획득하여 AI 기반 시계열 데이터 분석 알고리즘을 통해 1차 판독하는 시계열 데이터 분석부, 1차 판독과 독립적으로 AI 기반 이미지 데이터 분석 알고리즘을 통해 2차 판독하는 이미지 데이터 분석부, 및 상기 1차 판독과 2차 판독을 통합하여 통합 판독 결과를 생성하는 데이터 분석결과 통합부를 포함하는 서버를 포함한다.
본 발명의 일 실시 예에 따른 심전도 판독 시스템은, 일반적인 심전도 판독 시스템과 같이 2개의 전극만을 사용하여 일반인도 간편하게 심전도 판독을 할 수 있다.
또한, 본 발명의 일 실시 예에 따른 심전도 판독 시스템은, AI 기반의 판독 알고리즘을 이용하여 판독 정확도를 높일 수 있다.
또한, 본 발명의 일 실시 예에 따른 심전도 판독 시스템은, 판독 절차에서 전문의의 판독 결과에 관한 빅데이터가 반영된 판독 알고리즘을 사용하여 기존의 피크만을 가지고 판단하는 판독 시스템에 비해 판독 정확도를 높일 수 있다.
도 1은 본 발명의 일 실시 예에 따른 심전도 판독 시스템을 나타내는 개념도이다.
도 2는 본 발명의 일 실시 예에 따른 단말기를 설명하기 위한 블록도이다.
도 3은 서버의 구성을 나타내는 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 심전도 판독 절차를 나타내는 흐름도이다.
도 5는 단말기에서 표시되는 최종 판독 결과를 포함하는 사용자 인터페이스의 일 예를 나타낸다.
본 발명에 따른 실시 예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있으므로 실시 예를 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나 이는 본 발명에 따른 실시 예를 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
어떤 구성 요소가 다른 구성 요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성 요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 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 나타낸다. 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. "및/또는"은 언급된 항목들의 각각 및 하나 이상의 모든 조합을 포함한다.
이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세하게 설명한다.
도 1은 본 발명의 일 실시 예에 따른 심전도 판독 시스템을 나타내는 개념도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시 예에 따른 심전도 판독 시스템은 단말기(100), 단일채널 심전도 측정 장치(200) 및 서버(300)로 구성될 수 있다.
일반적으로 대형 병원에서 사용하는 심전도 측정 장치는 다수개의 전극을 환자 신체에 부착하여 심전도 데이터를 측정한다. 표준 12유도 심전도의 경우 가슴 전면에 6개 사지에 4개로 총 10개의 전극을 환자에게 부착하는데, 10개의 전극이 모두 직접적으로 심전도를 나타내는 것은 아니며, 일부 전극은 의사가 심전도의 판독 정확도를 높이기 위해 추가적인 심전도 데이터를 제공하는 것이다.
그러나, 대형 병원에서 사용하는 심전도 측정 장치의 경우 다수개의 전극을 사용하기 때문에 대형화될 수밖에 없으며 당연하게도 휴대가 불가하고 반드시 병원에 환자가 도착하여야만 심전도를 측정할 수 있다는 문제가 있다.
따라서, 본 발명의 일 실시 예에 따른 심전도 판독 시스템은 단일채널 심전도 측정 장치(200)를 포함한다. 본 발명의 단일채널 심전도 측정 장치(200)는 2개의 전극만을 포함하며, 따라서 휴대 가능할 수 있다. 단일채널 심전도 측정 장치(200)는 환자 신체 접촉을 통해 단일채널의 심전도 데이터를 획득한다.
단말기(100)는 단일채널 심전도 측정 장치(200)로부터 심전도 데이터를 획득하여 출력하고 서버(300)로 전달한다. 단말기(100)는 서버(300)로부터 획득한 심전도 판독 결과에 기초하여 환자에게 심전도 판독 서비스를 제공한다. 단말기(100)에는 심전도 판독 데이터를 환자에게 제공하기 위한 일련의 절차를 수행하는 애플리케이션이 설치 및 실행될 수 있다.
일 실시 예에서 단말기(100)는 단일채널 심전도 측정 장치(200)와 근거리 무선 통신을 통해서 연결될 수 있다. 일 실시 예에서 단말기(100)는 서버와 유선 또는 무선 통신을 통해서 연결될 수 있다.
서버(300)는 단말기(100)로부터 심전도 데이터를 전송받고, 일련의 판독 알고리즘에 따라 심전도 판독 결과를 생성한다. 구체적으로, 서버(300)는 인공지능 기반의 판독 알고리즘을 통해 심전도 판독 결과를 생성할 수 있다. 서버(300)는 인공지능 심전도 판독을 위해 대량의 심전도 판독 데이터베이스를 구축하고 있을 수 있다. 서버(300)는 심전도 판독 때마다 심전도 판독 데이터베이스를 학습을 통해 업데이트할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 단말기를 설명하기 위한 블록도이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시 예에 따른 단말기(100)는 통신부(110), A/V 입력부(120), 사용자 입력부(130), 메모리(140), 출력부(150), 전원 공급부(160) 및 제어부(170)을 포함할 수 있다. 한편 도 2에 도시된 구성요소들이 필수적인 것은 아니어서, 그보다 많은 구성요소들을 갖거나 그보다 적은 구성요소들을 갖는 단말기가 구현될 수도 있다.
본 발명의 일 실시 예에 따른 단말기(100)는 상술한 바와 같이 착용가능한 단말기일 수 있다.
이하, 상기 구성요소들에 대해 차례로 살펴본다.
통신부(110)는 도 1에서 설명한 서버(200) 또는 조이스틱을 포함하는 또 다른 단말기와 통신을 가능하게 하는 적어도 하나 이상의 모듈을 포함할 수 있다. 예를 들어, 통신부(110)는 인터넷 모듈(111), 근거리 통신 모듈(112) 및 위치정보 모듈(113)중 적어도 하나를 포함할 수 있다.
인터넷 모듈(111)은 유선 또는 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 단말기(100)에 내장되거나 외장될 수 있다. 무선 인터넷 기술로는 WLAN(Wireless LAN)(Wi-Fi), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등이 이용될 수 있다.
근거리 통신 모듈(112)은 근거리 통신을 위한 모듈을 말한다. 근거리 통신(short range communication) 기술로 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.
위치정보 모듈(113)은 단말기(100)의 위치를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Position System) 모듈이 있다.
도 2를 참조하면, A/V(Audio/Video) 입력부(120)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(121)와 마이크(122) 등이 포함될 수 있다. 카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(151)에 표시될 수 있다.
카메라(121)에서 처리된 화상 프레임은 메모리(140)에 저장되거나 통신부(110)를 통하여 외부로 전송될 수 있다. 카메라(121)는 사용 환경에 따라 2개 이상이 구비될 수도 있다.
마이크(122)는 마이크로폰(Microphone)에 의해 외부의 음향 신호를 입력받아 전기적인 음성 데이터로 처리한다. 마이크(122)에는 외부의 음향 신호를 입력받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 구현될 수 있다.
사용자 입력부(130)는 사용자가 단말기의 동작 제어를 위한 입력 데이터를 발생시킨다. 사용자 입력부(130)는 조이스틱, 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(정압/정전), 조그 휠, 조그 스위치, 마우스 등으로 구성될 수 있다.
메모리(140)는 제어부(170)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 임시 저장할 수도 있다. 상기 메모리(140)는 상기 터치스크린 상의 터치 입력시 출력되는 다양한 패턴의 진동 및 음향에 관한 데이터를 저장할 수 있다.
메모리(140)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 단말기(100)는 인터넷(internet)상에서 상기 메모리(140)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 이에는 디스플레이부(151), 음향 출력 모듈(152), 알람부(153), 및 햅틱 모듈(154) 등이 포함될 수 있다. 여기에서 햅틱모듈(154)은 사용자 입력부(130)에도 포함될 수 있다.
디스플레이부(151)는 단말기(100)에서 처리되는 정보를 표시(출력)한다.
디스플레이부(151)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다.
이들 중 일부 디스플레이는 그를 통해 외부를 볼 수 있도록 투명형 또는 광투과형으로 구성될 수 있다. 이는 투명 디스플레이라 호칭될 수 있는데, 상기 투명 디스플레이의 대표적인 예로는 TOLED(Transparant OLED) 등이 있다. 디스플레이부(151)의 후방 구조 또한 광 투과형 구조로 구성될 수 있다. 이러한 구조에 의하여, 사용자는 단말기 바디의 디스플레이부(151)가 차지하는 영역을 통해 단말기 바디의 후방에 위치한 사물을 볼 수 있다.
단말기(100)의 구현 형태에 따라 디스플레이부(151)가 2개 이상 존재할 수 있다. 예를 들어, 단말기(100)에는 복수의 디스플레이부들이 하나의 면에 이격되거나 일체로 배치될 수 있고, 또한 서로 다른 면에 각각 배치될 수도 있다.
음향 출력 모듈(152)은 통신부(110)로부터 수신되거나 메모리(140)에 저장된 오디오 데이터를 출력할 수 있다. 음향 출력 모듈(152)은 단말기(100)가 획득한 데이터(예를 들어, 고장 알림 신호 등)과 관련된 음향 신호를 출력하기도 한다. 이러한 음향 출력 모듈(152)에는 리시버(receiver), 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.
알람부(153)는 단말기(100)의 이벤트 발생을 알리기 위한 신호를 출력한다. 이동 단말기에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 터치 입력 등이 있다. 알람부(153)는 비디오 신호나 오디오 신호 이외에 다른 형태, 예를 들어 진동으로 이벤트 발생을 알리기 위한 신호를 출력할 수도 있다. 상기 비디오 신호나 오디오 신호는 디스플레이부(151)나 음성 출력 모듈(152)을 통해서도 출력될 수 있어서, 그들(151,152)은 알람부(153)의 일부로 분류될 수도 있다.
햅틱 모듈(haptic module)(154)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(154)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 있다. 햅틱 모듈(154)이 발생하는 진동의 세기와 패턴 등은 제어가능하다. 예를 들어, 서로 다른 진동을 합성하여 출력하거나 순차적으로 출력할 수도 있다.
햅틱 모듈(154)은, 진동 외에도, 접촉 피부면에 대해 수직 운동하는 핀 배열, 분사구나 흡입구를 통한 공기의 분사력이나 흡입력, 피부 표면에 대한 스침, 전극(eletrode)의 접촉, 정전기력 등의 자극에 의한 효과와, 흡열이나 발열 가능한 소자를 이용한 냉온감 재현에 의한 효과 등 다양한 촉각 효과를 발생시킬 수 있다.
햅틱 모듈(154)은 직접적인 접촉을 통해 촉각 효과의 전달할 수 있을 뿐만 아니라, 사용자가 손가락이나 팔 등의 근 감각을 통해 촉각 효과를 느낄 수 있도록 구현할 수도 있다. 햅틱 모듈(154)은 모티터링 장치(400)의 구성 태양에 따라 2개 이상이 구비될 수 있다.
전원 공급부(160)는 제어부(170)의 제어에 의해 외부의 전원, 내부의 전원을 인가받아 각 구성요소들의 동작에 필요한 전원을 공급한다.
제어부(controller, 170)는 통상적으로 단말기(100)의 전반적인 동작을 제어한다.
여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 실시예는 ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 그러한 실시예들이 제어부(170)에 의해 구현될 수 있다.
소프트웨어적인 구현에 의하면, 절차나 기능과 같은 실시예들은 적어도 하나의 기능 또는 작동을 수행하게 하는 별개의 소프트웨어 모듈과 함께 구현될 수 있다. 소프트웨어 코드는 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션에 의해 구현될 수 있다. 소프트웨어 코드는 메모리(140)에 저장되고, 제어부(170)에 의해 실행될 수 있다.
도 3은 서버의 구성을 나타내는 블록도이다.
도 3에 도시된 바와 같이, 서버(300)는 데이터 송수신부(310), 데이터 분석부(320), 심전도 데이터베이스(330) 및 데이터 학습부(340)를 포함할 수 있다.
데이터 송수신부(310)는 도 2에서 설명한 통신부(110)와 같은 구성을 포함할 수 있다. 데이터 송수신부(310)는 단말기(100)로부터 단일채널 심전도 데이터를 수신할 수 있다. 데이터 송수신부(310)는 심전도 판독 결과를 단말기(100)로 전송할 수도 있다.
데이터 분석부(320)는 데이터 송수신부(310)로부터 획득한 단일채널 심전도 데이터를 전처리하고 분석하여 심전도 판독 결과를 생성한다. 구체적으로 데이터 분석부(320)는 시계열 데이터 분석부(321), 이미지 데이터 분석부(322) 및 데이터 분석결과 통합부(323)를 포함할 수 있다.
시계열 데이터 분석부(321)는 단일채널 심전도 데이터를 전처리하고, PQRST 피크를 이용하여 세부 질환을 진단한다. 시계열 데이터 분석부(321)는 기존의 PQRST 피크를 이용한 진단 방법을 딥 러닝 기반의 알고리즘으로 강화한 판단 알고리즘에 따라 세부 질환을 진단할 수 있다. 구체적인 실시 예에서, 시계열 데이터 분석부(321)는 QRS들간의 간격이나, QRS의 너비 값 등에 기초한 판단 기준을 지속적으로 딥 러닝 기반 알고리즘으로 강화하여 진단의 정확도를 높일 수 있다.
시계열 데이터 분석부(321)는 심전도에 관한 Raw 데이터를 획득하여 영역분할, 데이터 규격화 및 특징 추출, 딥 러닝 기반의 PQST 피크 검출을 통해 심전도 진단을 수행할 수 있다.
이미지 데이터 분석부(322)는 단일채널 심전도 파형 이미지를 분석하여 세부 질환을 진단한다. 이미지 데이터 분석부(322)는 심전도 패턴 이미지에 대한 전문가 판단 데이터에 기초하여 생성된 판독 알고리즘에 따라 세부 질환을 진단한다. 구체적으로 지난 수십년간 심전도 패턴 이미지를 보고 실제 의사가 판독한 결과가 축적되어 있으며, 이러한 빅 데이터가 머신 러닝 및 딥 러닝 알고리즘을 통해 데이터베이스화 될 수 있다. 이미지 데이터 분석부(322)는 심전도 판독 데이터베이스에 기초하여 세부 질환을 판독할 수 있다.
데이터 분석결과 통합부(323)는 시계열 데이터 분석부(321)의 분석결과와 이미지 데이터 분석부(322)의 분석 결과를 통합한다. 구체적으로 데이터 분석결과 통합부(323)는 시계열 데이터 분석부(321)에서 판단한 세부 질환들과 이미지 데이터 분석부(322)에서 판단한 세부 질환을 종합하여 하나의 세부 질환 판독 결과를 도출한다.
일 실시 예에서, 데이터 분석결과 통합부(323)는 시계열 데이터 분석부(321)에서 분석한 하나 이상의 세부 질환과 이미지 데이터 분석부(322)에서 분석한 하나 이상의 세부 질환들 간에 겹치는 질환이 있는지 여부를 판단하여 세부 질환 판독 리스트를 생성할 수 있다. 세부 질환 판독 리스트는 현재의 심전도 데이터에 기초하여 가장 가능성이 높은 세부 질환부터 일정 수의 차 순위 세부 질환을 포함하는 리스트 일 수 있다. 데이터 분석결과 통합부(323)는 각각의 판독 결과에서 중복되는 세부 질환과 세부 질환의 순위에 기초하여 통합 리스트를 생성할 수 있다.
한편, 데이터 분석결과 통합부(323)에서 비교 결과 서로 다른 질환간에 순위 충돌이 일어나는 경우가 있을 수 있다. 예를 들어, 시계열 데이터 분석부(321)에서는 심전도 판독 결과 a 질환을 2순위로 판독하고 b 질환을 3순위로 판독했는데, 이미지 데이터 분석부(322)에서는 a 질환을 3순위로 판독하고, b 질환을 2순위로 판독할 수 있다.
이때 일 실시 예에서, 데이터 분석결과 통합부(323)는 질병별로 가중치를 활용할 수 수 있으며, 가중치에 따라 통합 리스트를 작성할 수 있다. 가중치의 질병의 중증도에 따라 결정될 수 있다. 여기에서 질병별 가중치는 학습을 통해 강화될 수 있다.
또 다른 일 실시 예에서, 데이터 분석결과 통합부(323)는 질병별로 두 분석부간의 가중치를 활용할 수 있다. 예를 들어 a질병에 대해서는 시계열 데이터 분석부(321)의 분석 결과가 이미지 데이터 분석부(322)의 분석 결과보다 신뢰성이 높을 수 있으며, 이때 시계열 데이터 분석부(321)가 이미지 데이터 분석부(322)보다 높은 가중치를 가지고 있을 수 있다. 분석부간 가중치는 학습을 통해 강화될 수 있다.
심전도 데이터베이스(330)는 도 2에서 설명한 메모리(140)와 동일한 구성이거나, 메모리에 저장되어 있는 데이터를 지칭할 수 있다. 심전도 데이터 베이스(330)는 이미지 데이터 분석에 활용되는 빅데이터를 저장하고 있을 수 있다. 여기에서의 빅 데이터는 수십년간 누적된 심전도 이미지와 그에 대한 전문가에 의한 판독결과일 수 있다.
또한, 심전도 데이터베이스(330)는 시계열 데이터 분석부(321)에서 활용하는 PQST 피크를 이용한 심전도 판독 빅데이터를 저장하고 있을 수 있다. 또한, 심전도 데이터베이스(330)는 데이터 분석결과 통합부(323) 사용하는 하나 이상의 가중치 데이터를 저장하고 있을 수 있다.
데이터 학습부(340)는 머신 러닝이나 딥 러닝을 포함하는 학습 알고리즘을 통해 시계열 데이터 분석 결과 및 이미지 데이터 분석결과를 학습하여 강화한다. 구체적인 실시 예에서, 시계열 데이터 분석부(321)는 QRS들간의 간격이나, QRS의 너비 값 등에 기초한 판단 기준을 지속적으로 딥 러닝 기반 알고리즘으로 강화하여 진단의 정확도를 높일 수 있다.
강화된 판단 알고리즘은 심전도 데이터베이스(330)에 저장되거나, 시계열 데이터 분석부(321) 및 이미지 데이터 분석부(322)에 제공될 수 있다. 또한, 데이터 학습부(340)는 데이터 분석결과 통합부(323)에서 사용하는 가중치를 판독 결과에 따라 학습하여 강화할 수 있다. 마찬가지로 강화된 가중치 데이터는 심전도 데이터베이스(330)에 저장되거나, 데이터 분석결과 통합부에 제공될 수 있다.
더하여, 데이터 분석부(320) 및 데이터 학습부(340)는 서버(300)에 포함되어 있는 제어부에 의해 동작할 수 있으며, 서버의 제어부는 도 2에서 설명한 제어부(170)에 관한 설명을 참고하도록 한다.
한편, 상술한 구성 중에서 데이터 분석부(320) 또는 데이터 학습부(340)는 서버(300)가 아닌 단말기(100)의 일 구성이거나, 단말기(100)에서 실행되는 애플리케이션에 의해 실행되는 일 모듈일 수도 있다. 다시 말해서, 데이터 분석부(320) 또는 데이터 학습부(340)는 구체적인 실시 예에 따라 단말기(100)에 구현될 수도 있고 서버(300)에 구현될 수도 있다.
도 4는 본 발명의 일 실시 예에 따른 심전도 판독 절차를 나타내는 흐름도이다.
도 4에서 설명되는 각 단계는 실시 예에 따라 단말기(100)의 제어부를 통해 수행될 수도 있고 서버(300)에서 수행될 수도 있다. 이하에서는 도 3의 실시 예에 따라 각 절차를 설명하기로 한다.
서버(300)가 단일채널 심전도 데이터를 획득한다(S101). 서버(300)가 획득하는 단일채널 심전도 데이터는 상술한 단일채널 심전도 측정장치(200)로부터 획득되는 심전도 데이터로서, 일반적인 12채널 심전도 측정 데이터와 달리 2개의 전극을 통해서만 획득되는 데이터이다. 단일채널 심전도 측정장치(200)는 2개의 전극을 통해서 양팔로부터의 심전도 데이터를 획득할 수 있다.
서버(300)는 단일채널 심전도 데이터를 단일채널 심전도 측정장치(200)로부터 직접 받을 수도 있으며, 단말기(100)를 통해 받을 수도 있다. 만약 단말기를 통해 심전도 데이터를 받는 경우, 심전도 데이터는 단말기(100)에 실시간으로 출력되어 사용자에게 표시될 수도 있다.
서버(300)는 획득한 단일채널 심전도 데이터를 전처리한다(S103). 구체적으로 서버(300)는 획득한 단일채널 심전도 데이터에서 노이즈를 제거하고, 데이터를 2차원 이미지 데이터로 변환시킬 수 있다. 예를 들어 서버(300)는 Fourier, 웨이블렛 변형 또는 Taken's embedding을 이용하여 노이즈를 제거하고, 신호를 증폭시킬 수 있다. 또한, 서버(300)는 변환된 2차원 이미지 데이터 결과물을 합쳐 2차원 다채널 이미지를 만들 수도 있다.
서버(300)는 전처리된 데이터에 영역분할을 수행한다(S105). 기본적으로 서버(300)는 알고리즘으로 찾기 쉬운 R 피크를 이용하여 R 피크 사이의 심전도 데이터인 비트(beat) 데이터를 만든다.
더하여, 서버(300)는 더 자세한 영역분할을 위해 CPD 알고리즘을 이용할 수도 있다. 각 피크가 있는 대략적인 범위를 추정할 수 있다. 이 경우, 서버(300)는 비트보다 더 작은 길이의 데이터로 심전도 데이터를 분할할 수 있다.
서버(300)는 분할된 데이터를 규격화하고 특징을 추출한다(S107). 구체적으로 서버(300)는 데이터의 포맷을 맞추고 규격화를 수행한다. 그리고 서버(300)는 특징 추출 알고리즘을 이용하여 데이터 분석에 필요한 특징을 추출한다. 여기에서 추출하는 특징은 R 피크에 비해 찾기 어려운 P,Q,S,T 피크일 수 있으며, 서버(300)는 딥 러닝에 기반하여 P,Q,S,T 피크를 추출하는 정확도를 향상시킬 수 있다.
서버(300)는 딥 러닝 기반의 1차 판독을 수행한다(S109). 여기에서 1차 판독은 P,Q,S,T 피크에 기반한 시계열 데이터 분석에 의한 판독이다. 더하여, 앞에서 언급한바와 같이, 서버(300)는 시계열 데이터 분석부(321)를 통해 딥 러닝에 기반하여 보다 정확도가 높은 시계열 데이터 분석을 수행할 수 있다.
1차 판독의 결과로 심전도 데이터에 대한 주요 세부 질환과, 그에 따르는 후순위 세부 질환이 하나 이상 판독될 수 있다.
서버(300)는 전문가 판독 데이터에 기반한 2차 판독을 수행한다(S111). 여기에서 2차 판독은 전처리된 2차원 이미지 데이터 분석에 의한 판독이다. 구체적으로 서버(300)는 이미지 데이터 분석부(322)를 통해 2차 판독을 수행할 수 있다. 마찬가지고 2차 판독의 결과로 심전도 데이터에 대한 주요 세부 질환과, 그에 따르는 후순위 세부 질환이 하나 이상 판독될 수 있다. 또한, 1차 판독과 2차 판독은 독립된 판독 절차로서, 서로의 판단에 영향을 주지 않는다.
서버(300)는 1차 판독 결과와 2차 판독 결과를 통합한다(S113). 구체적으로 서버(300)는 데이터 분석결과 통합부(323)를 통해 1차 판독 결과와 2차 판독 결과를 통합하여 통합 리스트를 생성한다. 통합 리스트는 심전도 데이터에 기반하여 가장 유력한 질환부터 내림차순으로 가능성 있는 질환이 나열되어 있을 수 있으며, 리스트에 포함되는 질환의 수는 따로 정해질 수 있다.
서버(300)는 통합된 결과를 단말기(100)를 통해 출력한다(S115). 구체적으로 서버(300)는 통합된 분석 결과를 단말기(100)로 전달하고, 단말기(100)는 디스플레이부(151)를 통해 분석 결과를 출력한다. 이때, 단말기(100)는 판독 질환 뿐 아니라 부가적인 정보를 더 출력할 수 있는데, 이는 도 5를 참고하여 설명하도록 한다.
도 5는 단말기에서 표시되는 최종 판독 결과를 포함하는 사용자 인터페이스의 일 예를 나타낸다.
도 5에 도시된 바와 같이, 최종 판독 결과를 포함하는 사용자 인터페이스는 환자 심전도의 상태(정상, 상담필요, 즉시상담), 질환구간의 표시(QRS 너비(0.32초), 질환에 관한 텍스트 설명(심실빈맥에 관한 설명), 질환에 관한 판독 확률(95.5%), 판독 날짜, 심전도 그래프 또는 심장전문의 연결 메뉴 중 적어도 하나를 포함할 수 있다. 더하여, 최종 판독 결과를 포함하는 사용자 인터페이스는 환자의 심전도 데이터에서 의심되는 질환을 일정 개수 표시할 수 있으며, 가능성이 높은 순으로 표시할 수 있다.
심전도 상태의 경우, 환자 심전도가 정상인지 비정상인지, 더하여 전문의와 상담이 필요한 긴급한 상태인지를 일반인이 알기 쉽게 표시하는 것이다. 환자 심전도의 상태 정보는 서버(300)에서 최종 판독 결과와 함께 전달될 수 있다.
일 실시 예에서, 환자 심전도 상태 정보와 연계하여, 정상 상태인 경우 심장전문의 연결 메뉴가 비활성될 수 있다. 또 다른 실시 예에서, 환자 심전도 상태 정보와 연계하여, 즉시 상담이 필요하거나 매우 위중하다고 판단되는 경우, 단말기는 자동으로 심장전문의에게 연결을 수행할 수도 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (9)

  1. 심전도 데이터를 획득하는 심전도 측정장치; 및
    상기 심전도 데이터를 이용하여 세부 질환을 판독하는 서버를 포함하고,
    상기 서버는,
    상기 심전도 데이터의 P,Q,R,S,T 피크 검출을 통해 세부질환을 1차 판독하는 시계열 데이터 분석부,
    AI 기반 이미지 데이터 분석 알고리즘을 통해 세부질환을 2차 판독하는 이미지 데이터 분석부, 및
    상기 1차 판독과 2차 판독을 통합하여 판독 결과를 생성하는 데이터 분석결과 통합부를 포함하는 AI 기반 심전도 판독 시스템.
  2. 제1 항에 있어서,
    상기 서버는,
    상기 1차 판독과 2차 판독에 사용되는 빅데이터를 포함하는 심전도 데이터베이스, 및
    분석 결과를 학습하여 상기 심전도 데이터베이스를 강화하는 데이터 학습부를 더 포함하는 AI 기반 심전도 판독 시스템.
  3. 제2 항에 있어서,
    상기 시계열 데이터 분석부는 검출된 P,Q,R,S,T 피크들의 특성을 상기 심전도 데이터베이스부에 저장된 빅데이터에 기초하여 생성된 판독 알고리즘을 이용하여 분석하는 AI 기반 심전도 판독 시스템.
  4. 제3 항에 있어서,
    상기 P,Q,R,S,T 피크들의 특성은 QRS의 너비값, PR 간격값, QRS들간의 간격 편차값, PR 간격 편차값, P파 유무, P와 QRS 갯수의 상관 관계값을 포함하는 AI 기반 심전도 판독 시스템.
  5. 제1 항에 있어서,
    상기 서버는 상기 판독 결과를 단말기에 출력하고,
    상기 단말기에 출력되는 정보는 환자 심전도의 상태, 심전도 그래프, 질환구간의 표시, 질환에 관한 판독 확률, 질환에 관한 텍스트 설명을 포함하는 AI 기반 심전도 판독 시스템.
  6. 제5 항에 있어서,
    상기 단말기에 출력되는 정보는 적어도 하나 이상의 의심 질환 정보를 포함하며, 상기 하나 이상의 의심 질환 정보는 의심 질환 중에서 가능성이 높은 순으로 표시되는 AI 기반 심전도 판독 시스템.
  7. 제5 항에 있어서,
    상기 단말기에 출력되는 정보는 심장전문의 연결 메뉴를 포함하는 AI 기반 심전도 판독 시스템.
  8. 제1 항에 있어서,
    상기 데이터 분석결과 통합부는 상기 1차 판독되어 순위화된 세부질환과 상기 2차 판독되어 순위화된 세부질환을 통합하여 가장 가능성이 높은 세부질환부터 차 순위 세부질환들을 포함하는 세부질환 판독 리스트를 생성하는 AI 기반 심전도 판독 시스템.
  9. 제8항에 있어서,
    상기 데이터 분석결과 통합부는 상기 1차 판독되어 순위화된 세부질환과 상기 2차 판독되어 순위화된 세부질환을 비교하여 서로 다른 질환 간에 순위 충돌이 있는 경우 질환별 가중치에 따라 세부질환 판독 리스트를 생성하는 AI 기반 심전도 판독 시스템.
KR1020200094742A 2019-11-06 2020-07-29 Ai 기반 심전도 판독 시스템 KR102471086B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200094742A KR102471086B1 (ko) 2019-11-06 2020-07-29 Ai 기반 심전도 판독 시스템

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190141008A KR102142841B1 (ko) 2019-11-06 2019-11-06 Ai 기반 심전도 판독 시스템
KR1020200094742A KR102471086B1 (ko) 2019-11-06 2020-07-29 Ai 기반 심전도 판독 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190141008A Division KR102142841B1 (ko) 2019-11-06 2019-11-06 Ai 기반 심전도 판독 시스템

Publications (2)

Publication Number Publication Date
KR20210054975A true KR20210054975A (ko) 2021-05-14
KR102471086B1 KR102471086B1 (ko) 2022-11-25

Family

ID=84237269

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200094742A KR102471086B1 (ko) 2019-11-06 2020-07-29 Ai 기반 심전도 판독 시스템

Country Status (1)

Country Link
KR (1) KR102471086B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102437348B1 (ko) 2021-12-20 2022-08-29 (주)씨어스테크놀로지 웨어러블 심전도 신호 분석 방법
KR20230025962A (ko) 2021-08-17 2023-02-24 주식회사 메디컬에이아이 딥러닝기반 모델 및 원칙기반 모델 통합 심전도 판독 시스템
KR20230025963A (ko) 2021-08-17 2023-02-24 주식회사 메디컬에이아이 복수의 심전도를 이용한 딥러닝기반 건강상태 예측 시스템
KR20230146956A (ko) 2022-04-13 2023-10-20 주식회사 메디컬에이아이 위험도별 계층적 심전도 판독 및 분류 시스템
WO2024025327A1 (ko) * 2022-07-29 2024-02-01 주식회사 메디컬에이아이 심전도 판독 서비스의 과금 방법, 프로그램 및 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014100473A (ja) * 2012-11-16 2014-06-05 Samsung Electronics Co Ltd 遠隔疾病管理装置及び遠隔疾病管理方法並びに無線センサ
KR20170040322A (ko) * 2014-08-06 2017-04-12 베릴리 라이프 사이언시즈 엘엘시 피부 저항 및 커패시턴스 측정들 사이의 단일 전극의 공유
CN106901723A (zh) * 2017-04-20 2017-06-30 济南浪潮高新科技投资发展有限公司 一种心电图异常自动诊断方法
KR101873926B1 (ko) * 2017-11-22 2018-07-04 김광호 빅데이터 기반 의료자문 서비스 제공 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014100473A (ja) * 2012-11-16 2014-06-05 Samsung Electronics Co Ltd 遠隔疾病管理装置及び遠隔疾病管理方法並びに無線センサ
KR20170040322A (ko) * 2014-08-06 2017-04-12 베릴리 라이프 사이언시즈 엘엘시 피부 저항 및 커패시턴스 측정들 사이의 단일 전극의 공유
CN106901723A (zh) * 2017-04-20 2017-06-30 济南浪潮高新科技投资发展有限公司 一种心电图异常自动诊断方法
KR101873926B1 (ko) * 2017-11-22 2018-07-04 김광호 빅데이터 기반 의료자문 서비스 제공 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230025962A (ko) 2021-08-17 2023-02-24 주식회사 메디컬에이아이 딥러닝기반 모델 및 원칙기반 모델 통합 심전도 판독 시스템
KR20230025963A (ko) 2021-08-17 2023-02-24 주식회사 메디컬에이아이 복수의 심전도를 이용한 딥러닝기반 건강상태 예측 시스템
KR102437348B1 (ko) 2021-12-20 2022-08-29 (주)씨어스테크놀로지 웨어러블 심전도 신호 분석 방법
KR20230146956A (ko) 2022-04-13 2023-10-20 주식회사 메디컬에이아이 위험도별 계층적 심전도 판독 및 분류 시스템
WO2024025327A1 (ko) * 2022-07-29 2024-02-01 주식회사 메디컬에이아이 심전도 판독 서비스의 과금 방법, 프로그램 및 장치

Also Published As

Publication number Publication date
KR102471086B1 (ko) 2022-11-25

Similar Documents

Publication Publication Date Title
KR102142841B1 (ko) Ai 기반 심전도 판독 시스템
US10595731B2 (en) Methods and systems for arrhythmia tracking and scoring
KR20210054975A (ko) Ai 기반 심전도 판독 시스템
Wang et al. Enabling smart personalized healthcare: A hybrid mobile-cloud approach for ECG telemonitoring
RU2768581C2 (ru) Устройства, системы и способы для прогнозирования, скрининга и контроля энцефалопатии/делирия
Lau et al. Supporting patient monitoring using activity recognition with a smartphone
US20210275109A1 (en) System and method for diagnosing and notification regarding the onset of a stroke
US20120220835A1 (en) Wireless physiological sensor system and method
JP2019523027A (ja) 記憶及び機能の衰えの記録及び分析のための装置及び方法
JP2018513727A (ja) 心血管劣化の警告スコア
Leijdekkers et al. Personal heart monitoring system using smart phones to detect life threatening arrhythmias
US20220245812A1 (en) Platform to detect patient health condition based on images of physiological activity of a patient
US20200058209A1 (en) System and method for automated health monitoring
WO2019212934A1 (en) Seizure detection using multiple biomedical signals
lata Sahu et al. Comprehensive investigation on IoT based smart HealthCare system
Oresko Portable heart attack warning system by monitoring the ST segment via smartphone electrocardiogram processing
Panagiotou et al. A multi: modal decision making system for an ambient assisted living environment
WO2024025932A1 (en) Method and apparatus for detecting conditions from physiology data
US20210338174A1 (en) Method and system for assessing emergency risk for patients
Khan et al. Severe analysis of cardiac disease detection using the wearable device by artificial intelligence
KR20200098289A (ko) 긴급상황 모니터링 시스템 및 방법
AU2021103601A4 (en) System and method for monitoring post covid patient using machine learning and block chain
US20240006067A1 (en) System by which patients receiving treatment and at risk for iatrogenic cytokine release syndrome are safely monitored
US20240115213A1 (en) Diagnosing and tracking stroke with sensor-based assessments of neurological deficits
WO2023092009A1 (en) Remote health monitoring system

Legal Events

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