KR20220091653A - Companion animal disease type and probability analysis system using artificial intelligence-based analysis engine - Google Patents
Companion animal disease type and probability analysis system using artificial intelligence-based analysis engine Download PDFInfo
- Publication number
- KR20220091653A KR20220091653A KR1020200182009A KR20200182009A KR20220091653A KR 20220091653 A KR20220091653 A KR 20220091653A KR 1020200182009 A KR1020200182009 A KR 1020200182009A KR 20200182009 A KR20200182009 A KR 20200182009A KR 20220091653 A KR20220091653 A KR 20220091653A
- Authority
- KR
- South Korea
- Prior art keywords
- disease
- companion animal
- probability
- rate
- analysis
- Prior art date
Links
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
- G16H50/70—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
-
- 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
- A61B5/6867—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive specially adapted to be attached or implanted in a specific body part
- A61B5/6869—Heart
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
- G08B21/0211—Combination with medical sensor, e.g. for measuring heart rate, temperature
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H50/50—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Business, Economics & Management (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Physiology (AREA)
- Software Systems (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- Child & Adolescent Psychology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
본 발명은 반려동물의 질병 종류 및 확률 분석 시스템에 관한 것으로, 보다 상세하게는 동물병원의 EMR에서 반려동물의 진료데이터를 수집하여 데이터베이스화하고, 딥러닝으로 분석하여 반려동물의 질병 종류 및 해당 질병의 확률을 분석하여 제공하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템에 관한 것이다.The present invention relates to a system for analyzing disease types and probability of companion animals, and more particularly, collecting and databaseizing medical data of companion animals in EMR of a veterinary hospital, and analyzing them through deep learning to determine types of diseases and corresponding diseases of companion animals. It relates to a disease type and probability analysis system of companion animals using an artificial intelligence-based analysis engine that analyzes and provides the probability of
반려동물 천만 시대에 진입하면서 펫코노미(Petconomy)가 활성화되고 있으며, 2016년 2조2천900억 규모로 집계된 펫코노미 시장은 2020년에 5조 8천억원 정도의 시장 규모로 빠르게 확대되고 있다.As we enter the era of 10 million companion animals, petconomy is being activated.
여기서, 펫코노미는 반려동물과 관련된 시장 또는 산업을 일컫는 신조어로서, 반려동물을 뜻하는 펫(Pet)과 경제를 뜻하는 이코노미(Economy)의 합성어이며, 펫 택시, 펫 유치원, 펫 장례서비스, 펫 IT 서비스 등 기존에 없던 새로운 펫코노미 시장이 도래하고 있다.Here, pet economy is a new word referring to a market or industry related to companion animals. It is a compound word of pet, meaning companion animal, and economy, meaning economy. Pet taxi, pet kindergarten, pet funeral service, pet A new pet economy market that did not exist before, such as IT services, is coming.
이로 인해, 반려동물의 진료정보 및 건강정보를 체계적으로 관리하고, 반려동물의 입양에서 장례시점까지 품종별/월령별로 관리할 수 있는 반려동물의 건강 및 질병관리 서비스가 요구되고 있으며, 반려동물의 건강정보에 따라 병원비 부담을 경감하기 위하여 펫보험을 포함하는 인슈어테크(Insurtech) 서비스 등이 요구되고 있는 실정이다. For this reason, there is a demand for health and disease management services for companion animals that can systematically manage the medical information and health information of companion animals and manage them by breed/month, from adoption to funeral. In order to reduce the burden of hospital expenses according to health information, Insurtech services including pet insurance are required.
한편, 인공지능 기법을 이용한 다양한 알고리즘들이 개발되어 왔으며, 의료정보에도 인공지능을 적용하여 임상의사결정에 도움을 받고자 하는 시도가 활발히 진행되고 있다.On the other hand, various algorithms using artificial intelligence techniques have been developed, and attempts are actively being made to apply artificial intelligence to medical information to receive help in clinical decision-making.
특허 제10-1884609호는 "모듈강화된 강화학습을 통한 질병 진단 시스템"에 관한 것으로서, 의료영상, 병력, 건강수치, 가족력, 성별, 인종 등의 의료정보를 기반으로 심플 러닝(simple learning)을 통해 생성한 초기 학습데이터를 의사의 의견을 반영하여 정제하고, 정제한 최종 학습데이터를 토대로 기계학습을 수행하여 예측모델을 생성함으로써, 학습데이터의 생성 및 정제를 수행하는 과정에서 양질의 학습 데이터를 최대한 확보하여 기계학습이 이루어지도록 하고, 이를 통해 생성한 예측모델의 예측 성능을 향상시킬 수 있도록 하는 모듈화된 강화학습을 통한 질병 진단 시스템을 제공한다.Patent No. 10-1884609 relates to "a system for diagnosing diseases through modular reinforcement learning," which uses simple learning based on medical information such as medical images, medical history, health values, family history, gender, and race. In the process of generating and refining learning data, high-quality learning data is obtained by refining the initial learning data generated through the process of generating and refining the learning data by refining the initial learning data by reflecting the opinions of doctors, and performing machine learning based on the refined final learning data to generate a predictive model. We provide a disease diagnosis system through modular reinforcement learning that ensures that machine learning is performed as much as possible and improves the predictive performance of the generated predictive model.
특허 제10-1857624호는 "임상 정보를 반영한 의료 진단 방법 및 이를 이용하는 장치"에 관한 것으로서, 임상정보를 반영하고 기계학습 알고리즘을 활용하여 2차원 영상 또는 3차원 영상을 획득하는 단계, 2차원 영상 또는 3차원 영상을 변환한 2차원 영상을 전처리하는 단계, 전처리된 의료영상에서 제1 특징정보를 추출하는 단계, 획득한 임상정보를 전처리하는 단계, 전처리된 임상정보에서 제2 특징정보를 추출하는 단계, 제1 특징정보와 제2 특징정보를 결합 및 적재하는 단계, 및 적재된 특징 정보들을 기계학습 알고리즘에 입력하여 진단하는 단계를 포함하는 의료영상 진단 방법 및 장치를 제공한다.Patent No. 10-1857624 relates to "a medical diagnosis method reflecting clinical information and an apparatus using the same", reflecting clinical information and acquiring a two-dimensional image or a three-dimensional image by using a machine learning algorithm; Or preprocessing a 2D image converted from a 3D image, extracting first characteristic information from the preprocessed medical image, preprocessing the obtained clinical information, extracting second characteristic information from the preprocessed clinical information A method and apparatus for diagnosing a medical image, comprising the steps of: combining and loading first characteristic information and second characteristic information; and inputting the loaded characteristic information into a machine learning algorithm for diagnosis.
특허 제10-1610886호는 "빅데이터에 기초하는 개인 상태 진단 방법 및 개인 상태 진단 시스템"에 관한 것으로서, 빅데이터로부터 일련의 정보를 추출하고 그리고 추출된 정보에 기초하여 환경적인 요인이 개인에게 미치는 영향을 탐색하고 그에 의하여 개인상태를 진단하는 방법 및 시스템을 제공한다.Patent No. 10-1610886 relates to "a personal condition diagnosis method and personal condition diagnosis system based on big data", extracting a series of information from big data, and the effect of environmental factors on individuals based on the extracted information A method and system are provided for detecting impacts and thereby diagnosing individual conditions.
다만, 위와 같은 선행기술들은 사람의 질병 진단 등을 위한 기술이다. 사람의 질병에 대해서는 문진(問診)을 통한 증상 수집과 이에 따른 기초적인 임상정보 수집이 용이하며, 위의 선행기술들 역시 의학적 진단 이전의 증세 파악에 대한 문제는 특별히 거론된 바 없다.However, the above prior arts are techniques for diagnosing human diseases. For human diseases, it is easy to collect symptoms through questionnaires and to collect basic clinical information accordingly.
그러나, 동물은 문진이 불가능하므로 증상 관찰만으로 질병을 진단하고 처방을 도출해야 하는 어려움이 있다. 즉, 사람의 질병 진단은 문진과 증상 관찰을 병행하며 의심 질병의 범위를 좁히고, 좁혀진 질병에 대한 검사를 수행함으로써 확진을 내릴 수 있음에 반해 동물의 질병 진단은 오로지 증상 관찰을 통해서만 의심 질병을 도출할 수 있는 것이다. 따라서 컴퓨터 프로그램을 통한 동물의 질병 진단 과정은 사람의 질병 진단 과정과는 다른 논리 구조 및 솔루션이 필요하다.However, since it is impossible to interview animals, there is a difficulty in diagnosing a disease and deriving a prescription only by observing symptoms. In other words, while human disease diagnosis can be confirmed by narrowing the range of suspected diseases by conducting questionnaires and symptom observation at the same time, and performing tests for the narrowed diseases, animal disease diagnosis derives suspected diseases only through symptom observation. it can be done Therefore, the process of diagnosing an animal disease through a computer program requires a logical structure and solution different from the process of diagnosing a human disease.
본 발명은 정보통신산업진흥원(pj014569222020) "동물병원 EMR과 연동되는 딥러닝을 활용한 반려견 심장 질환 추적 시스템 개발"을 통해 개발된 기술이다.The present invention is a technology developed through the Information and Communication Industry Promotion Agency (pj014569222020) "Development of a dog heart disease tracking system using deep learning interlocked with animal hospital EMR".
본 발명은 상기한 바와 같은 문제점을 개선하기 위한 것으로, 동물병원의 EMR로부터 수집되는 진료기록을 빅데이터화 하고, 딥러닝(Deep Learning) 엔진에 적용하여 학습함으로써, 반려동물의 품종, 나이, 몸무게별로 호흡수, 맥박수에 따라 반려동물의 질병 종류 및 질병의 확률을 분석하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템을 제공하는 것을 목적으로 한다.The present invention is to improve the problems as described above, by converting the medical records collected from the EMR of a veterinary hospital into big data and applying it to a deep learning engine to learn, by breed, age, and weight of companion animals. It aims to provide a system for analyzing disease types and probability of companion animals using an artificial intelligence-based analysis engine that analyzes disease types and disease probability of companion animals according to respiration rate and pulse rate.
또한, 본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.In addition, the technical problems to be achieved by the present invention are not limited to the technical problems mentioned above, and other technical problems not mentioned are clearly understood by those of ordinary skill in the art to which the present invention belongs from the description below. it could be
상기한 바와 같은 목적을 달성하기 위하여 본 발명은, 반려동물의 몸에 착용되어 반려동물의 호흡수를 측정하는 호흡측정수단; 반려동물의 몸에 착용되어 반려동물의 맥박수를 측정하는 맥박측정수단; 상기 호흡측정수단 및 맥박측정수단이 측정한 호흡수와 맥박수와 함께 해당 반려동물의 품종, 나이, 몸무게를 인터넷을 이용하여 동물병원의 EMR 서버로 전송하는 전송수단; 상기 전송수단에서 수신한 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게를 전자차트에 기록하고, 전자차트에 기록된 반려동물의 정보에 대한 수의사의 진단정보를 데이터베이스에 저장하는 동물병원의 EMR(Electronic Medical Record) 서버; 상기 EMR 서버로부터 데이터베이스에 저장된 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게와 이에 대한 수의사의 진단정보를 수집하고, 수집된 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게와 수의사의 진단정보를 딥러닝(Deep Learning) 기반의 질병 분석엔진으로 분석하여 반려동물의 질병 종류 및 확률을 분석하는 질병확률 분석서버; 및 상기 EMR 서버로부터 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게가 접수되면 상기 질병확률 분석서버의 분석 내용을 바탕으로 반려동물의 질병 종류 및 질병 확률을 제시하는 질병 분석부를 포함한다.In order to achieve the above object, the present invention provides a respiration measuring means worn on the body of the companion animal to measure the respiration rate of the companion animal; a pulse measuring means worn on the body of the companion animal to measure the pulse rate of the companion animal; Transmission means for transmitting the breed, age, and weight of the companion animal to the EMR server of the veterinary hospital using the Internet together with the respiration rate and the pulse rate measured by the respiration measuring means and the pulse measuring means; EMR of a veterinary hospital that records the respiration rate, pulse rate, breed, age, and weight of the companion animal received from the transmission means in an electronic chart, and stores the veterinarian's diagnosis information for the companion animal information recorded in the electronic chart in a database (Electronic Medical Record) server; The companion animal's respiration rate, pulse rate, breed, age, and weight stored in the database from the EMR server and the veterinarian's diagnosis information are collected, and the collected companion animal's respiration rate, pulse rate, breed, age, weight and veterinarian's diagnosis a disease probability analysis server that analyzes information with a deep learning-based disease analysis engine to analyze the type and probability of a companion animal's disease; And when the respiratory rate, pulse rate, breed, age, and weight of the companion animal are received from the EMR server, a disease analysis unit that presents the disease type and disease probability of the companion animal based on the analysis contents of the disease probability analysis server.
상기 질병 분석부가 분석한 내용을 수신하는 반려동물 보호자의 보호자 단말을 더 포함하는 것을 특징으로 한다.It characterized in that it further comprises a guardian terminal of the companion animal guardian for receiving the analysis of the disease analysis unit.
상기 질병 분석부는 반려동물의 질병 종류 및 질병 확률에 대해 확률이 높은 순서대로 분석하며, 질병 확률이 일정 수준 이상되는 질병에 대해서는 상기 보호자 단말에 전송시 알람을 통해 알려주는 것을 특징으로 한다.The disease analyzer analyzes the disease type and disease probability of the companion animal in the order of highest probability, and notifies the disease for which the disease probability exceeds a certain level through an alarm when transmitted to the guardian terminal.
상기 전송수단은 호흡측정수단 및 맥박측정수단과 블루투스 통신을 통해 호흡수와 맥박수를 수신한 후 반려동물의 아이디, 품종, 나이, 몸무게와 함께 인터넷을 이용하여 동물병원의 EMR 서버로 전송하는 것을 특징으로 한다.The transmission means receives the respiration rate and pulse rate through Bluetooth communication with the respiration measurement means and the pulse measurement means, and transmits it to the EMR server of the veterinary hospital using the Internet together with the companion animal's ID, breed, age, and weight. do it with
상기 질병 분석부가 판단한 내용에 대해서 반려동물의 보호자와 동물병원의 EMR 서버로부터 피드백을 받아서 질병 분석부가 판단한 내용이 맞거나 틀리다면 이를 상기 딥러닝 기반의 질병 분석엔진에 반영하여 질병 종류 및 확률을 예측하는 학습 정확도를 향상시키는 질병 정확도 보정부를 더 포함하는 것을 특징으로 한다.The disease analysis unit receives feedback from the companion animal's guardian and the EMR server of the veterinary hospital for the contents determined by the disease analysis unit, and if the contents determined by the disease analysis unit are correct or incorrect, it is reflected in the deep learning-based disease analysis engine to predict the disease type and probability It characterized in that it further comprises a disease accuracy correction unit to improve the learning accuracy.
상기 질병 분석부가 각 반려동물의 호흡수, 맥박수 패턴에 대해 일정 주기마다 지속적으로 분석하여 해당하는 질병의 확률이 높아지는 것으로 관찰되는 경우 위험 단계로 진입하기 전에 상기 보호자 단말에 미리 알려주는 질병 사전 예측부를 더 포함하는 것을 특징으로 한다.When the disease analysis unit continuously analyzes the respiratory rate and pulse rate pattern of each companion animal at regular intervals and it is observed that the probability of the corresponding disease increases, a disease pre-prediction unit that notifies the guardian terminal in advance before entering the risk stage It is characterized in that it further comprises.
이상에서 설명한 바와 같이 상기와 같은 구성을 갖는 본 발명은, 반려동물에 장착되는 호흡측정수단과 맥박측정수단에서 측정되는 호흡수와 맥박수는 동물병원의 EMR 서버에 계속적으로 기록되어 저장되고, 이러한 누적 데이터베이스 정보를 딥러닝 기반의 질병 분석엔진으로 분석함으로써, 반려동물의 품종, 나이, 몸무게에 따른 호흡수와 맥박수의 정상 범위를 알 수가 있고, 정상 범위를 벗어나는 경우 반려동물의 품종, 나이, 몸무게에 따른 호흡수와 맥박수를 관찰하여 고혈압 확률 80%, 심장질환 확률 60% 등과 같이 분석하여 동물병원의 수의사 및 반려동물 보호자에게 알려줄 수가 있다.As described above, in the present invention having the above configuration, the respiration rate and pulse rate measured by the respiration measuring means and the pulse measuring means mounted on the companion animal are continuously recorded and stored in the EMR server of the veterinary hospital, and such accumulation By analyzing database information with a deep learning-based disease analysis engine, it is possible to know the normal range of respiratory rate and pulse rate according to the breed, age, and weight of the companion animal. By observing the respiratory rate and pulse rate, it is possible to analyze the high blood pressure probability 80%, heart disease probability 60%, etc.
본 발명에 의하면 반려동물의 품종, 나이, 몸무게에 따른 호흡수와 맥박수를 분석하여 어떤 질병이 의심되는지 그리고 해당하는 질병의 확률을 분석 및 제시함으로써, 반려동물의 각종 질병을 사전에 예측할 수가 있어, 건강 및 질병을 관리할 수 있는 효과를 거둘 수 있다.According to the present invention, various diseases of companion animals can be predicted in advance by analyzing the respiratory rate and pulse rate according to the breed, age, and weight of the companion animal to analyze and suggest which disease is suspected and the probability of the corresponding disease, It can have the effect of managing health and disease.
그리고, 본 발명은, 정부, 동물보호단체, 수의학계 및 관련기업 등 반려동물 산업생태계 참여자들이 다각도로 활용 가능한 신뢰도 높은 빅 데이터(Big Data)를 확보할 수 있고, 반려동물의 입양부터 장례 시점까지 생애주기별 질병정보/건강정보/양육관리정보를 반려동물 관련 모든 서비스와 산업에 활용할 수 있으며, 이로 인해 반려동물 연관 사업 확장에 활용할 수 있어 반려동물 연관 사업의 시장 확대에 기여할 수 있을 뿐만 아니라, 빅 데이터화로 산업적 활용도를 증대하고, 반려동물의 질병/건강/양육관리 데이터를 하나로 통합하여 일관된 관리프로세스 표준안 제시할 수 있어 반려동물 건강 질병 데이터베이스 정보 구축할 수 있으며, 반려동물의 보호자인 반려인이 체감할 수 있는 서비스의 상용화로 동물 등록 서비스의 순기능을 확대할 수 있는 효과를 거둘 수 있다.In addition, the present invention can secure reliable Big Data that can be used in various ways by participants in the companion animal industry ecosystem, such as the government, animal protection organizations, veterinary science circles, and related companies, from adoption of companion animals to funeral time. Disease information / health information / parenting management information for each life cycle can be used for all services and industries related to companion animals, which can be used to expand companion animal related businesses, contributing to market expansion of companion animal related businesses. It is possible to increase industrial utilization through big dataization and to propose a consistent management process standard by integrating the disease/health/nurture management data of companion animals into one, so that it is possible to build companion animal health and disease database information. Commercialization of sensible services can have the effect of expanding the net function of animal registration services.
도 1은 본 발명에 의한 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템의 일 실시예를 나타내는 구성도
도 2는 본 발명에 의한 질병확률 분석서버의 기능 블록도
도 3은 반려동물의 품종, 나이, 몸무게에 따른 호흡수와 맥박수의 관찰 결과 정상인 경우와 이상일 때는 어떤 질병이 의심되는지를 질병 종류별로 나타낸 그래프의 예시도1 is a block diagram showing an embodiment of a system for analyzing disease types and probability of companion animals using an artificial intelligence-based analysis engine according to the present invention;
2 is a functional block diagram of a disease probability analysis server according to the present invention;
3 is an example of a graph showing by disease type what disease is suspected when the observation result of the respiratory rate and pulse rate according to the breed, age, and weight of the companion animal is normal and abnormal
이하, 본 발명에 의한 바람직한 실시예를 첨부된 도면을 참조하면서 상세하게 설명한다. 또한, 본 실시예에서는 본 발명의 권리범위를 한정하는 것은 아니고, 단지 예시로 제시한 것이며, 그 기술적인 요지를 이탈하지 않는 범위 내에서 다양한 변경이 가능하다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings. In addition, the present embodiment does not limit the scope of the present invention, but is presented only as an example, and various changes are possible within the scope without departing from the technical gist of the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고, 상세한 설명에 설명하고자 한다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and described in the detailed description.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. In describing each figure, like reference numerals have been used for like elements.
본 명세서에 사용되는 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.The terms used herein are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the second component may be referred to as the first component, and similarly, the first component may also be referred to as the second component. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.
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.When an element is referred to as being “connected” or “connected” to another element, it is understood that it may be directly connected or connected to the other element, but other elements may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It is to be understood that this does not preclude the possibility of addition or existence of numbers, steps, operations, components, parts, or combinations thereof.
또한, 명세서에 기재된 "부", "유닛", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.Also, terms such as “unit”, “unit”, and “module” described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software or a combination of hardware and software.
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 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical and scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not
이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다. Hereinafter, preferred embodiments of the present invention will be described with reference to the accompanying drawings.
도 1 내지 도 3을 참고하면, 동물병원의 EMR과 연동되는 딥러닝 기반의 반려동물 심장질환 진단 시스템은 반려동물의 몸에 착용되는 호흡측정수단(110) 및 맥박측정수단(120), 호흡측정수단(110)과 맥박측정수단(120)으로부터 블루투스 통신을 통해 데이터를 수신하여 외부로 전송하는 전송수단(200), 동물병원의 EMR 서버(300), 동물병원의 EMR 서버(300)에서 데이터를 수집하여 빅데이터로 가공 및 관리하고 이를 분석하는 질병확률 분석서버(400) 및 질병확률 분석서버(400)의 분석 내용을 수신하는 반려동물 보호자의 보호자 단말(500)로 구성된다.1 to 3, the deep learning-based companion animal heart disease diagnosis system linked with the EMR of the veterinary hospital is a respiration measurement means 110, a pulse measurement means 120, and a respiration measurement worn on the body of the companion animal. Transmitting means 200 for receiving data through Bluetooth communication from the
호흡측정수단(110)과 맥박측정수단(120)은 각각 반려동물의 몸에 착용되어 반려동물의 호흡수와 맥박수를 측정한다.The respiration measuring means 110 and the pulse measuring means 120 are respectively worn on the body of the companion animal to measure the respiration rate and the pulse rate of the companion animal.
전송수단(200)은 상기 호흡측정수단(110) 및 맥박측정수단(120)이 측정한 호흡수와 맥박수와 함께 해당 반려동물의 품종, 나이, 몸무게를 인터넷을 이용하여 동물병원의 EMR 서버(300)로 전송한다. 전송수단(200)은 호흡측정수단(110) 및 맥박측정수단(120)과 블루투스 통신을 하며, 반려동물 보호자의 스마트폰 등을 이용할 수 있다.The transmission means 200 uses the Internet for the breed, age, and weight of the companion animal along with the respiration rate and pulse rate measured by the respiration measuring means 110 and the pulse measuring means 120, and the
동물병원의 EMR 서버(300)는 상기 전송수단(200)에서 수신한 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게를 전자차트에 기록하고, 전자차트에 기록된 반려동물의 정보에 대한 수의사의 진단정보를 데이터베이스에 저장한다.The
질병확률 분석서버(400)는 EMR 서버(300)로부터 데이터베이스에 저장된 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게와 이에 대한 수의사의 진단정보를 수집하고, 수집된 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게와 수의사의 진단정보를 딥러닝(Deep Learning) 기반의 질병 분석엔진(410)으로 분석하여 반려동물의 질병 종류 및 확률을 분석한다.The disease
질병 분석부(420)는 상기 EMR 서버(300)로부터 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게가 접수되면 상기 질병확률 분석서버(400)의 분석 내용을 바탕으로 반려동물의 질병 종류 및 질병 확률을 제시한다.When the respiration rate, pulse rate, breed, age, and weight of the companion animal are received from the
반려동물 보호자의 보호자 단말(500)은 상기 질병 분석부(420)가 분석한 내용을 주기적으로 수신하거나, 질병 발생 확률이 높아졌을 때 수신할 수 있다.The companion animal guardian's terminal 500 may receive the contents analyzed by the
여기서, 질병 분석부(420)는 반려동물의 질병 종류 및 질병 확률에 대해 확률이 높은 순서대로 분석하며, 질병 확률이 일정 수준 이상되는 질병에 대해서는 상기 보호자 단말(500)에 전송시 알람을 통해 알려줄 수 있다. Here, the
예를 들어, 질병 분석부(420)는 반려동물이 고혈압 80%, 심장질환 60%의 확률이 있는 것으로 판단될 때 상기 보호자 단말(500)에 전송하여 모든 질병의 가능성 및 확률을 제공하되, 고혈압은 매우 위험하다고 알람을 통해 알려줄 수 있다. 여기서, 고혈압, 심장질환은 예로 든 것이며, 이 외에 다양한 질병을 분석하여 알려줄 수 있다.For example, when it is determined that the companion animal has a high blood pressure of 80% and a heart disease of 60%, the
전송수단(200)은 호흡측정수단(110) 및 맥박측정수단(120)과 블루투스 통신을 통해 호흡수와 맥박수를 수신한 후 반려동물의 아이디, 품종, 나이, 몸무게와 함께 인터넷을 이용하여 동물병원의 EMR 서버(300)로 전송한다.The transmission means 200 receives the respiration rate and pulse rate through Bluetooth communication with the respiration measurement means 110 and the pulse measurement means 120 and uses the Internet together with the companion animal's ID, breed, age, and weight to use the Internet to veterinary hospital. It is transmitted to the
질병 정확도 보정부(430)는 상기 질병 분석부(420)가 판단한 내용에 대해서 반려동물의 보호자와 동물병원의 EMR 서버(300)로부터 피드백을 받아서 질병 분석부(420)가 판단한 내용이 맞거나 틀리다면 이를 상기 딥러닝 기반의 질병 분석엔진(410)에 반영하여 질병 종류 및 확률을 예측하는 학습 정확도를 향상시킨다.The disease
질병 사전 예측부(440)는 상기 질병 분석부(420)가 각 반려동물의 호흡수, 맥박수 패턴에 대해 일정 주기마다 지속적으로 분석하여 해당하는 질병의 확률이 높아지는 것으로 관찰되는 경우 위험 단계로 진입하기 전에 상기 보호자 단말(500)에 미리 알려줄 수 있다.The
도 3을 참고하면, 질병확률 분석서버(400)는 반려동물의 품종, 나이, 몸무게에 따라 호흡수, 맥박수의 수치를 패턴 분석하고, 질병 분석부(420)는 질병확률 분석서버(400)의 분석 내용을 바탕으로 호흡수와 맥박수가 정상 범위를 벗어나는 경우 심장질환에 해당할 확률과 고혈압에 해당할 확률과 같이 질병의 종류에 따른 확률을 분석하여 제시할 수 있다.Referring to FIG. 3 , the disease
도 3에서 이상 A와 이상 B는 각각 어느 하나의 질병만을 나타내는 것이 아니라 이상 A의 경우 두개 또는 그 이상의 질병에 해당할 수가 있는데, 각 질병의 확률은 다를 것이다. 이상 B의 경우도 하나 또는 그 이상의 질병에 해당할 확률을 분석하여 제시할 수 있다.In FIG. 3 , abnormality A and abnormality B each do not indicate only one disease, but in the case of abnormality A, two or more diseases may correspond to each other, and the probability of each disease will be different. Abnormality B can also be presented by analyzing the probability of one or more diseases.
본 발명은 반려동물의 질병 종류 및 각 질병의 확률을 제공함과 동시에 이에 따른 치료방법을 제공할 수 있으며, 예상 진료비 및 치료비를 제공할 수도 있다. 또한, 반려동물의 건강이 악화되기 전에 미리 정보를 제공할 수가 있어 반려동물의 건강 관리에 도움을 줄 수가 있다.The present invention can provide the type of disease and the probability of each disease of the companion animal, and at the same time provide a treatment method according to it, and can also provide expected medical expenses and treatment costs. In addition, it is possible to provide information in advance before the health of the companion animal deteriorates, thereby helping to manage the health of the companion animal.
더불어, 반려동물의 걸음 수, 칼로리 소모량, 이동 거리, 시간당 활동량 등을 수집하고, 이를 통해 반려동물의 체계적인 건강, 질병 및 양육관리를 도울 수 있다.In addition, it is possible to collect the number of steps, calorie consumption, distance traveled, and hourly activity of the companion animal, and through this, it can help the systematic health, disease, and parenting management of the companion animal.
그리고, 반려동물의 예방접종정보를 제공할 수 있으며, 반려동물의 질병 징후 시 반려동물의 응급상황 대처 방법을 제공할 수 있고, 응급상황 별 동물병원 및 응급상황 별 위치기반으로 응급상황에 적합한 동물병원의 위치를 제공할 수 있을 뿐만 아니라, 응급상황에 적합한 수의사의 위치를 제공할 수 있으며, 반려동물의 보호자가 거주하는 거주지역별 동물병원 및 거주지역에서 가장 가까운 동물병원의 위치를 제공할 수 있다.In addition, it is possible to provide vaccination information for companion animals, provide an emergency response method for companion animals in case of signs of illness in companion animals, and animals suitable for emergency situations based on the location of each emergency and veterinary hospital for each emergency. Not only can the location of the hospital be provided, but also the location of a veterinarian suitable for emergency situations can be provided, and the location of the veterinary hospital for each residential area where the guardian of the companion animal resides and the location of the nearest veterinary hospital from the residential area. .
이상, 본 발명은 특정의 실시예와 관련하여 도시 및 설명하지만, 첨부 특허청구의 범위에 나타난 발명의 사상 및 영역으로부터 벗어나지 않는 한도 내에서 다양한 개조 및 변화가 가능하다는 것은 당업계에서 통상의 지식을 가진 자라면 누구나 쉽게 알 수 있을 것이다.As mentioned above, although the present invention has been shown and described in relation to specific embodiments, it is common knowledge in the art that various modifications and changes are possible without departing from the spirit and scope of the invention as set forth in the appended claims. Anyone who has it will know it easily.
110 : 호흡측정수단
120 : 맥박측정수단
200 : 전송수단
300 : EMR 서버
400 : 질병확률 분석서버
410 : 딥러닝 기반의 질병 분석엔진
420 : 질병 분석부
430 : 질병 정확도 보정부
440 : 질병 사전 예측부
500 : 보호자 단말110: respiration measurement means
120: pulse measuring means
200: means of transmission
300 : EMR Server
400: disease probability analysis server
410: Deep learning-based disease analysis engine
420: disease analysis unit
430: disease accuracy correction unit
440: disease advance prediction unit
500: guardian terminal
Claims (6)
반려동물의 몸에 착용되어 반려동물의 맥박수를 측정하는 맥박측정수단;
상기 호흡측정수단 및 맥박측정수단이 측정한 호흡수와 맥박수와 함께 해당 반려동물의 품종, 나이, 몸무게를 인터넷을 이용하여 동물병원의 EMR 서버로 전송하는 전송수단;
상기 전송수단에서 수신한 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게를 전자차트에 기록하고, 전자차트에 기록된 반려동물의 정보에 대한 수의사의 진단정보를 데이터베이스에 저장하는 동물병원의 EMR(Electronic Medical Record) 서버;
상기 EMR 서버로부터 데이터베이스에 저장된 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게와 이에 대한 수의사의 진단정보를 수집하고, 수집된 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게와 수의사의 진단정보를 딥러닝(Deep Learning) 기반의 질병 분석엔진으로 분석하여 반려동물의 질병 종류 및 확률을 분석하는 질병확률 분석서버; 및
상기 EMR 서버로부터 반려동물의 호흡수, 맥박수, 품종, 나이, 몸무게가 접수되면 상기 질병확률 분석서버의 분석 내용을 바탕으로 반려동물의 질병 종류 및 질병 확률을 제시하는 질병 분석부를 포함하는 것을 특징으로 하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템.
Respiratory measurement means worn on the body of the companion animal to measure the breathing rate of the companion animal;
a pulse measuring means worn on the body of the companion animal to measure the pulse rate of the companion animal;
Transmitting means for transmitting the breed, age, and weight of the companion animal to the EMR server of the veterinary hospital using the Internet together with the respiration rate and the pulse rate measured by the respiration measuring means and the pulse measuring means;
EMR of a veterinary hospital that records the respiration rate, pulse rate, breed, age, and weight of the companion animal received from the transmission means in an electronic chart, and stores the veterinarian's diagnosis information for the companion animal information recorded in the electronic chart in a database (Electronic Medical Record) server;
The companion animal's respiration rate, pulse rate, breed, age, and weight stored in the database from the EMR server and the veterinarian's diagnosis information are collected, and the collected companion animal's respiration rate, pulse rate, breed, age, weight and veterinarian's diagnosis a disease probability analysis server that analyzes information with a deep learning-based disease analysis engine to analyze the type and probability of a companion animal's disease; and
When the respiratory rate, pulse rate, breed, age, and weight of the companion animal are received from the EMR server, it comprises a disease analysis unit that presents the disease type and disease probability of the companion animal based on the analysis contents of the disease probability analysis server. Companion animal disease type and probability analysis system using an artificial intelligence-based analysis engine.
상기 질병 분석부가 분석한 내용을 수신하는 반려동물 보호자의 보호자 단말을 더 포함하는 것을 특징으로 하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템.
The method according to claim 1,
Companion animal disease type and probability analysis system using an artificial intelligence-based analysis engine, characterized in that it further comprises a companion animal guardian's terminal for receiving the analyzed content by the disease analysis unit.
상기 질병 분석부는 반려동물의 질병 종류 및 질병 확률에 대해 확률이 높은 순서대로 분석하며, 질병 확률이 일정 수준 이상되는 질병에 대해서는 상기 보호자 단말에 전송시 알람을 통해 알려주는 것을 특징으로 하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템.
3. The method according to claim 2,
The disease analysis unit analyzes the disease type and disease probability of the companion animal in the order of highest probability, and for diseases in which the disease probability exceeds a certain level, it notifies through an alarm when transmitted to the guardian terminal. Companion animal disease type and probability analysis system using the analysis engine of
상기 전송수단은 호흡측정수단 및 맥박측정수단과 블루투스 통신을 통해 호흡수와 맥박수를 수신한 후 반려동물의 아이디, 품종, 나이, 몸무게와 함께 인터넷을 이용하여 동물병원의 EMR 서버로 전송하는 것을 특징으로 하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템.
The method according to claim 1,
The transmitting means receives the respiration rate and pulse rate through Bluetooth communication with the respiration measuring means and the pulse measuring means, and then transmits it to the EMR server of the veterinary hospital using the Internet together with the ID, breed, age, and weight of the companion animal. Companion animal disease type and probability analysis system using an artificial intelligence-based analysis engine.
상기 질병 분석부가 판단한 내용에 대해서 반려동물의 보호자와 동물병원의 EMR 서버로부터 피드백을 받아서 질병 분석부가 판단한 내용이 맞거나 틀리다면 이를 상기 딥러닝 기반의 질병 분석엔진에 반영하여 질병 종류 및 확률을 예측하는 학습 정확도를 향상시키는 질병 정확도 보정부를 더 포함하는 것을 특징으로 하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템.
The method according to claim 1,
The disease analysis unit receives feedback from the companion animal guardian and the EMR server of the veterinary hospital on the contents determined by the disease analysis unit, and if the contents determined by the disease analysis unit are correct or incorrect, the disease type and probability are predicted by reflecting this in the deep learning-based disease analysis engine Companion animal disease type and probability analysis system using an artificial intelligence-based analysis engine, characterized in that it further comprises a disease accuracy correction unit to improve learning accuracy.
상기 질병 분석부가 각 반려동물의 호흡수, 맥박수 패턴에 대해 일정 주기마다 지속적으로 분석하여 해당하는 질병의 확률이 높아지는 것으로 관찰되는 경우 위험 단계로 진입하기 전에 상기 보호자 단말에 미리 알려주는 질병 사전 예측부를 더 포함하는 것을 특징으로 하는 인공지능 기반의 분석엔진을 이용한 반려동물의 질병 종류 및 확률 분석 시스템.3. The method according to claim 2,
The disease analysis unit continuously analyzes the respiratory rate and pulse rate pattern of each companion animal at regular intervals and when it is observed that the probability of the corresponding disease increases, a disease pre-prediction unit that informs the guardian terminal in advance before entering the dangerous stage Companion animal disease type and probability analysis system using an artificial intelligence-based analysis engine, characterized in that it further comprises.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200182009A KR20220091653A (en) | 2020-12-23 | 2020-12-23 | Companion animal disease type and probability analysis system using artificial intelligence-based analysis engine |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200182009A KR20220091653A (en) | 2020-12-23 | 2020-12-23 | Companion animal disease type and probability analysis system using artificial intelligence-based analysis engine |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220091653A true KR20220091653A (en) | 2022-07-01 |
Family
ID=82396926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200182009A KR20220091653A (en) | 2020-12-23 | 2020-12-23 | Companion animal disease type and probability analysis system using artificial intelligence-based analysis engine |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220091653A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102526577B1 (en) * | 2022-09-27 | 2023-04-27 | 주식회사 비투엔 | Artificial intelligence based risk prediction system and method for patient management |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101544413B1 (en) | 2014-04-07 | 2015-08-13 | (주)인투씨엔에스 | Method for online providing animal and medical treatment information of animal hospital and animal hospital information service server |
| KR101610886B1 (en) | 2014-04-25 | 2016-04-08 | 주식회사 비에스엘 | Method for Diagnosing Personal Health State Based on Big Data and System for the Same |
| KR101857624B1 (en) | 2017-08-21 | 2018-05-14 | 동국대학교 산학협력단 | Medical diagnosis method applied clinical information and apparatus using the same |
| KR101884609B1 (en) | 2017-05-08 | 2018-08-02 | (주)헬스허브 | System for diagnosing disease through modularized reinforcement learning |
-
2020
- 2020-12-23 KR KR1020200182009A patent/KR20220091653A/en not_active Application Discontinuation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101544413B1 (en) | 2014-04-07 | 2015-08-13 | (주)인투씨엔에스 | Method for online providing animal and medical treatment information of animal hospital and animal hospital information service server |
| KR101610886B1 (en) | 2014-04-25 | 2016-04-08 | 주식회사 비에스엘 | Method for Diagnosing Personal Health State Based on Big Data and System for the Same |
| KR101884609B1 (en) | 2017-05-08 | 2018-08-02 | (주)헬스허브 | System for diagnosing disease through modularized reinforcement learning |
| KR101857624B1 (en) | 2017-08-21 | 2018-05-14 | 동국대학교 산학협력단 | Medical diagnosis method applied clinical information and apparatus using the same |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102526577B1 (en) * | 2022-09-27 | 2023-04-27 | 주식회사 비투엔 | Artificial intelligence based risk prediction system and method for patient management |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Stanfill et al. | Health information management: implications of artificial intelligence on healthcare data and information management | |
| US11410758B2 (en) | Medical scan artifact detection system | |
| US9898513B2 (en) | System, method and computer program for multi-dimensional temporal and relative data mining framework, analysis and sub-grouping | |
| KR102067157B1 (en) | Animal disease diagnostic system | |
| CA3137079A1 (en) | Computer-implemented machine learning for detection and statistical analysis of errors by healthcare providers | |
| US20190287661A1 (en) | Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time | |
| US20200373003A1 (en) | Automatic medical scan triaging system and methods for use therewith | |
| Son et al. | A Data Analytics Framework for Smart Asthma Management Based on Remote Health Information Systems with Bluetooth-Enabled Personal Inhalers. | |
| US20160267254A1 (en) | System and method for classifying respiratory and overall health status of an animal | |
| Yang et al. | An approach to automatic process deviation detection in a time-critical clinical process | |
| US11748384B2 (en) | Determining an association rule | |
| US20200395119A1 (en) | Medical scan labeling quality assurance system | |
| EP3547320A2 (en) | Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time | |
| US20230170069A1 (en) | Integrated, ai-enabled value-based care measurement and objective risk assessment clinical and financial management system | |
| KR20220090965A (en) | Companion animal diagnosis system based on artificial intelligence using transfer learning of similar companion animal breeds | |
| CN112908452A (en) | Event data modeling | |
| Shastry et al. | An integrated deep learning and natural language processing approach for continuous remote monitoring in digital health | |
| US20130281871A1 (en) | System and method for classifying the respiratory health status of an animal | |
| KR20220091653A (en) | Companion animal disease type and probability analysis system using artificial intelligence-based analysis engine | |
| WO2023217737A1 (en) | Health data enrichment for improved medical diagnostics | |
| JP2020528185A (en) | Devices, systems, and methods for optimizing image acquisition workflows | |
| KR20220091652A (en) | Heart disease diagnosis system for dogs based on deep learning linked with emr of animal hospital | |
| Lee et al. | A data analytics pipeline for smart healthcare applications | |
| Dey et al. | Patient Health Observation and Analysis with Machine Learning and IoT Based in Realtime Environment | |
| Liubchenko et al. | Methodology for illness detection by data analysis techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |