KR20220167001A - Method and device for standardizing animal medical data, and method for predicting animal disease using the same - Google Patents
Method and device for standardizing animal medical data, and method for predicting animal disease using the same Download PDFInfo
- Publication number
- KR20220167001A KR20220167001A KR1020210075994A KR20210075994A KR20220167001A KR 20220167001 A KR20220167001 A KR 20220167001A KR 1020210075994 A KR1020210075994 A KR 1020210075994A KR 20210075994 A KR20210075994 A KR 20210075994A KR 20220167001 A KR20220167001 A KR 20220167001A
- Authority
- KR
- South Korea
- Prior art keywords
- companion animal
- medical data
- medical information
- medical
- information item
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 241001465754 Metazoa Species 0.000 title claims description 328
- 208000031295 Animal disease Diseases 0.000 title claims description 6
- 238000013135 deep learning Methods 0.000 claims description 48
- 238000011425 standardization method Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 15
- 201000010099 disease Diseases 0.000 claims description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 10
- 238000003702 image correction Methods 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 28
- 238000010586 diagram Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 17
- 229940109239 creatinine Drugs 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 9
- 238000005534 hematocrit Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 210000003743 erythrocyte Anatomy 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000003862 health status Effects 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004820 blood count Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009966 trimming 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
-
- 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
-
- 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)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Bioethics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
본 발명은 반려동물 의료데이터 표준화 방법 및 장치, 그리고 이를 이용한 반려동물 질병 발생 예측 방법에 관한 것이다. 구체적으로, 본 발명은 다양한 형식과 다양한 단위로 존재하는 반려동물 의료데이터를 수집하여, 미리정한 기준으로 표준화하여 표준화된 반려동물 의료데이터를 생성하는 방법에 관해 기술한다. 또한, 표준화된 반려동물 의료데이터를 딥러닝으로 학습하여, 반려동물 의료데이터와 반려동물의 질병발생확률에 대한 예측하는 방법에 관해 기술한다. The present invention relates to a companion animal medical data standardization method and apparatus, and a companion animal disease prediction method using the same. Specifically, the present invention describes a method for generating standardized companion animal medical data by collecting companion animal medical data existing in various formats and in various units and standardizing them according to predetermined standards. In addition, a method for predicting the probability of disease occurrence of companion animals and companion animal medical data by learning standardized companion animal medical data through deep learning is described.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The contents described in this part merely provide background information on the present embodiment and do not constitute prior art.
반려동물에 대한 관심이 증가하면서, 반려동물 시장이 점차 확대되고 있다. 특히, 반려동물의 의료서비스가 개선되고, 반려동물용 영양제, 반려동물용 프리미엄 식품 등 반려동물의 건강에 대한 관심이 지속적으로 증가하고 있다. As interest in companion animals increases, the companion animal market is gradually expanding. In particular, medical services for companion animals are improving, and interest in companion animal health is continuously increasing, such as nutritional supplements and premium food for companion animals.
그러나, 반려동물용 의료기기, 진단기기, 동물병원 차트 등에 대한 반려동물 의료데이터는 형식의 표준화가 이루어지지 않아, 각 반려동물 의료데이터의 생성 주체 사이의 데이터 교환이 어려우므로, 호환이 자유롭지 못하다는 문제가 있다.However, companion animal medical data for companion animal medical devices, diagnostic devices, veterinary hospital charts, etc. are not standardized in format, making it difficult to exchange data between the creators of each companion animal medical data, so compatibility is not free. there is a problem.
또한, 만약 반려동물이 주기적으로 측정 또는 진단해야 하는 정보는 반드시 동일한 기기 또는 동일한 동물 병원에서 측정 또는 진단해야, 경과 추이에 대한 정확한 비교를 할 수 있다는 문제가 있다. In addition, there is a problem in that information that needs to be periodically measured or diagnosed by a companion animal must be measured or diagnosed by the same device or the same veterinary hospital so that accurate comparison of progress can be made.
또한, 반려동물 의료데이터는 형식의 표준화가 이루어지지 않아, 딥 러닝 모듈에 이용되는 학습데이터로 사용되기 어렵다는 문제가 있다. In addition, companion animal medical data has a problem in that it is difficult to use as learning data used in a deep learning module because the format is not standardized.
본 발명의 목적은, 의료기기, 진단기기 및 동물병원 등 반려동물 의료데이터 생성 주체 간에 자유롭게 데이터 교환을 수행할 수 있도록, 반려동물 의료데이터의 표준화 방법 및 장치를 제공하는 것이다. An object of the present invention is to provide a method and apparatus for standardizing companion animal medical data so that data can be freely exchanged between entities that generate companion animal medical data, such as medical devices, diagnostic devices, and veterinary hospitals.
또한, 본 발명의 목적은, 반려동물 의료데이터의 형식이 표준화되어, 측정 또는 진단 주체에 관계없이, 반려동물의 건강상태의 시점별 추이를 비교하기 용이한 반려동물 의료데이터의 표준화 방법 및 장치를 제공하는 것이다.In addition, an object of the present invention is to provide a method and apparatus for standardizing companion animal medical data, in which the format of companion animal medical data is standardized, and it is easy to compare trends in the health status of companion animals by time regardless of the subject of measurement or diagnosis. is to provide
또한, 본 발명의 목적은, 표준화된 반려동물 의료데이터를 학습데이터로 이용하여, 반려동물의 질병발생확률을 예측하는 방법을 제공하는 것이다. In addition, an object of the present invention is to provide a method for predicting a disease occurrence probability of a companion animal by using standardized companion animal medical data as learning data.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects and advantages of the present invention not mentioned above can be understood by the following description and will be more clearly understood by the examples of the present invention. It will also be readily apparent that the objects and advantages of the present invention may be realized by means of the instrumentalities and combinations indicated in the claims.
본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 방법은 반려동물 의료데이터를 제공받는 단계, 상기 반려동물 의료데이터에서 제1 의료정보항목 및 상기 제1 의료정보항목과 연관된 제1 의료정보값을 분류하는 단계, 상기 제1 의료정보항목을 미리 정한 제1 표준의료정보항목과 대응시키는 단계, 및 상기 제1 표준의료정보항목과 상기 제1 의료정보값을 이용하여 표준화된 반려동물 의료데이터를 생성하는 단계를 포함한다.Companion animal medical data standardization method according to some embodiments of the present invention includes the step of receiving companion animal medical data, a first medical information item and a first medical information value associated with the first medical information item in the companion animal medical data. Classifying, matching the first medical information item with a predefined first standard medical information item, and generating standardized companion animal medical data using the first standard medical information item and the first medical information value. It includes steps to
또한, 상기 표준화된 반려동물 의료데이터는 상기 제1 표준의료정보항목 및 상기 제1 표준의료정보항목과 다른 제2 표준의료정보항목을 포함하고, 상기 표준화된 반려동물 의료데이터를 생성하는 단계는, 상기 반려동물 의료데이터에 상기 제2 표준의료정보항목과 대응되는 의료정보항목이 불포함되는 경우, 상기 제2 표준의료정보항목과 대응되는 정보를 결측정보로 결정하는 것을 포함할 수 있다.In addition, the standardized companion animal medical data includes the first standard medical information item and a second standard medical information item different from the first standard medical information item, and generating the standardized companion animal medical data, When the medical information item corresponding to the second standard medical information item is not included in the companion animal medical data, information corresponding to the second standard medical information item may be determined as missing information.
또한, 상기 표준화된 반려동물 의료데이터를 생성하는 단계는, 상기 결측정보의 예측 가부를 판단하고, 상기 결측정보가 예측가능한 경우, 상기 결측정보의 제1 예측값을 결정하여, 상기 제2 표준의료정보항목에 상기 제1 예측값을 대응시키고, 상기 결측정보가 예측불가능한 경우, 상기 제2 표준의료정보항목에 널(NULL) 값을 대응시키는 것을 더 포함할 수 있다.In addition, in the step of generating the standardized companion animal medical data, it is determined whether the missing information is predictable, and when the missing information is predictable, a first predicted value of the missing information is determined, and the second standard medical information The method may further include mapping the first prediction value to an item and, when the missing information is unpredictable, mapping a null value to the second standard medical information item.
또한, 상기 표준화된 반려동물 의료데이터를 생성하는 단계는 표준화된 반려동물 의료데이터를 이용하여 학습된 딥러닝 모듈을 이용하여, 상기 결측정보를 결정하는 것을 더 포함할 수 있다.In addition, the generating of the standardized companion animal medical data may further include determining the missing information using a deep learning module learned using the standardized companion animal medical data.
또한, 상기 표준화된 반려동물 의료데이터를 생성하는 단계는, 상기 반려동물 의료데이터가 제1 시점에 생성된 제1 의료정보값, 및 상기 제1 시점과 다른 제2 시점에 생성된 제2 의료정보값을 포함하는지 여부를 판단하는 것을 포함하고, 상기 제1 표준의료정보항목에 상기 제1 시점에 관한 정보 및 상기 제1 의료정보값을 대응시키고, 상기 제1 표준의료정보항목에 상기 제2 시점에 관한 정보 및 상기 제2 의료정보값을 대응시키는 것을 포함할 수 있다.In addition, the step of generating the standardized companion animal medical data includes the first medical information value generated at a first time point of the companion animal medical data and the second medical information generated at a second time point different from the first time point. value, and the first standard medical information item corresponds to information about the first point in time and the first medical information value, and the first standard medical information item corresponds to the second point in time. It may include matching information about and the second medical information value.
또한, 상기 표준화된 반려동물 의료데이터를 생성하는 단계는, 상기 제1 표준의료정보항목의 제1 표준단위와 상기 제1 의료정보항목의 제1 단위를 비교하고, 상기 제1 표준단위와 상기 제1 단위가 다른 경우, 상기 제1 표준단위와 상기 제1 단위가 일치하도록 상기 제1 의료정보값을 변환하여, 상기 제1 표준의료정보항목에 상기 변환된 제1 의료정보값을 대응시키고, 상기 제1 표준단위와 상기 제1 단위가 동일한 경우, 상기 제1 표준의료정보항목에 상기 제1 의료정보값을 대응시키는 것을 포함할 수 있다.In addition, the generating of the standardized companion animal medical data may include comparing the first standard unit of the first standard medical information item with the first unit of the first medical information item, and comparing the first standard unit with the first standard unit of the first medical information item. When 1 unit is different, the first medical information value is converted so that the first standard unit and the first unit are identical, and the converted first medical information value is corresponded to the first standard medical information item. When the first standard unit and the first unit are the same, it may include matching the first medical information value to the first standard medical information item.
또한, 상기 제1 의료정보항목의 제1 단위가 부존재하는 경우, 상기 제1 표준의료정보항목에 널(NULL) 값을 대응시키는 것을 포함할 수 있다.In addition, when the first unit of the first medical information item does not exist, a null value may be mapped to the first standard medical information item.
또한, 상기 반려동물 의료데이터는 이미지 데이터이고, 상기 반려동물 의료데이터를 분류하는 것은, 상기 반려동물 의료데이터에 이미지 보정이 필요한지 여부를 결정하고, 상기 반려동물 의료데이터의 이미지를 인식하여 상기 제1 의료정보항목과 상기 제1 의료정보값을 결정하는 것을 포함할 수 있다.In addition, the companion animal medical data is image data, and classifying the companion animal medical data determines whether image correction is required for the companion animal medical data, recognizes an image of the companion animal medical data, and It may include determining a medical information item and the first medical information value.
본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 방법을 이용하여 결정된 복수의 표준화된 반려동물 의료데이터를 기초로 미리 학습된 딥러닝 모델을 이용하여, 반려동물의 질병발생확률을 도출하는 단계를 더 포함한다.Deriving the disease occurrence probability of a companion animal using a deep learning model pre-learned based on a plurality of standardized companion animal medical data determined using the companion animal medical data standardization method according to some embodiments of the present invention contains more
본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치는 반려동물 의료데이터가 제공되는 반려동물 의료데이터 입력부, 상기 반려동물 의료데이터에서 제1 의료정보항목 및 상기 제1 의료정보항목과 연관된 제1 의료정보값을 분류하는 반려동물 의료데이터 분류부, 상기 제1 의료정보항목과 미리 정한 제1 표준의료정보항목을 대응시키고, 상기 제1 표준의료정보항목에 상기 제1 의료정보값을 대응시키는 반려동물 의료데이터 표준화부를 포함한다.An apparatus for standardizing companion animal medical data according to some embodiments of the present invention includes a companion animal medical data input unit providing companion animal medical data, a first medical information item in the companion animal medical data, and a first medical information item related to the first medical information item. Companion animal medical data classification unit for classifying medical information values, companion for matching the first medical information item with a pre-determined first standard medical information item, and matching the first medical information value with the first standard medical information item Includes animal medical data standardization department.
또한, 상기 반려동물 의료데이터를 전처리하여 상기 반려동물 의료데이터 분류부에 제공하는 반려동물 의료데이터 전처리부를 더 포함할 수 있다.In addition, the companion animal medical data pre-processing unit may further include pre-processing the companion animal medical data and providing the companion animal medical data classification unit.
본 발명의 반려동물 의료데이터의 표준화 방법 및 장치는, 다양한 형식으로 관리되는 반려동물 의료데이터를 이용하여, 표준화된 반려동물 의료데이터를 생성함으로써, 반려동물 의료데이터 생성 주체 간에 자유롭게 데이터 교환을 수행하도록 할 수 있다. 따라서, 표준화된 반려동물 의료데이터를 이용하여, 클라우드, 인공지능, 빅데이터 등 첨단 ICT 기술을 활용한 초지능형 의료서비스를 이용할 수 있다.The companion animal medical data standardization method and apparatus of the present invention generate standardized companion animal medical data using companion animal medical data managed in various formats, so as to freely exchange data between companion animal medical data generators. can do. Therefore, it is possible to use super-intelligent medical services using advanced ICT technologies such as cloud, artificial intelligence, and big data using standardized companion animal medical data.
또한, 본 발명의 반려동물 의료데이터의 표준화 방법 및 장치는, 다양한 형식의 반려동물 의료데이터를 표준화하기 때문에, 측정 또는 진단 수단에 관계없이 반려동물의 시점별 건강상태의 추이를 쉽게 비교할 수 있다. 따라서, 반려동물 의료데이터를 비교하기 위해 항상 동일한 측정 또는 진단 수단을 이용할 필요 없으므로, 장소와 시간에 대한 제약조건이 감소할 수 있다.In addition, since the method and apparatus for standardizing companion animal medical data of the present invention standardizes various types of companion animal medical data, it is possible to easily compare the trend of the companion animal's health status at each point in time regardless of measurement or diagnosis means. Therefore, since it is not always necessary to use the same measurement or diagnostic means to compare companion animal medical data, constraints on place and time can be reduced.
또한, 본 발명의 반려동물 의료데이터의 표준화 방법 및 장치를 이용하여, 다양한 형식의 반려동물 의료데이터를 표준화하면, 표준화된 반려동물 의료데이터를 딥러닝 학습 데이터로 이용할 수 있다는 장점이 있다. 이를 통해, 비정형화된 반려동물 의료데이터를 입력하여, 표준화된 반려동물 의료데이터를 출력하는 딥러닝 모듈을 학습하거나, 표준화된 반려동물 의료데이터를 입력하여, 반려동물의 질병발생확률을 예측하는 딥러닝 모듈을 학습할 수 있다. In addition, there is an advantage in that standardized companion animal medical data can be used as deep learning learning data when various types of companion animal medical data are standardized using the companion animal medical data standardization method and apparatus of the present invention. Through this, a deep learning module that inputs unstructured companion animal medical data and outputs standardized companion animal medical data, or inputs standardized companion animal medical data to predict the probability of occurrence of a companion animal’s disease You can learn the learning module.
상술한 내용과 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.In addition to the above description, specific effects of the present invention will be described together while explaining specific details for carrying out the present invention.
도 1은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 전처리 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 분류 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 과정을 설명하기 위한 예시적인 도면이다.
도 6은 본 발명의 몇몇 실시예에 따른 의료정보값을 표준화하는 방법을 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 방법을 예시적으로 설명하기 위한 도면이다.
도 8은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 방법에 따라 반려동물 의료데이터에 표준의료정보항목과 대응되는 의료정보항목이 부존재하는 경우의 데이터 표준화 방법에 대해 설명하기 위한 도면이다.
도 9 및 도 10은 본 발명의 몇몇 실시예들에 따른 딥러닝 모듈을 이용한 반려동물 의료데이터 표준화 방법을 설명하기 위한 도면이다.
도 11 및 도 12는 본 발명의 몇몇 실시예들에 따른 딥러닝 모듈을 이용한 반려동물의 질병발생확률을 예측하는 방법을 설명하기 위한 도면이다.
도 13은 도 9 및 도 11의 딥러닝 모듈의 일 예를 설명하기 위한 도면이다.
도 14는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 방법을 수행하는 시스템의 하드웨어 구현을 설명하기 위한 도면이다.
도 15는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치가 활용되는 예시를 설명하기 위한 도면이다.1 is a diagram for explaining an apparatus for standardizing companion animal medical data according to some embodiments of the present invention.
2 is a diagram for explaining a standardization method of companion animal medical data according to some embodiments of the present invention.
3 is a diagram for explaining a pre-processing process of companion animal medical data according to some embodiments of the present invention.
4 is a diagram for explaining a classification process of companion animal medical data according to some embodiments of the present invention.
5 is an exemplary diagram for explaining a standardization process of companion animal medical data according to some embodiments of the present invention.
6 is an exemplary diagram for explaining a method of standardizing medical information values according to some embodiments of the present invention.
7 is a diagram for exemplarily explaining a method for standardizing companion animal medical data according to some embodiments of the present invention.
8 is a diagram for explaining a data standardization method when there is no medical information item corresponding to a standard medical information item in companion animal medical data according to the companion animal medical data standardization method according to some embodiments of the present invention.
9 and 10 are views for explaining a companion animal medical data standardization method using a deep learning module according to some embodiments of the present invention.
11 and 12 are diagrams for explaining a method of predicting a disease occurrence probability of a companion animal using a deep learning module according to some embodiments of the present invention.
13 is a diagram for explaining an example of the deep learning module of FIGS. 9 and 11 .
14 is a diagram for explaining hardware implementation of a system that performs a method for standardizing companion animal medical data according to some embodiments of the present invention.
15 is a diagram for explaining an example in which an apparatus for standardizing companion animal medical data according to some embodiments of the present invention is utilized.
본 명세서 및 특허청구범위에서 사용된 용어나 단어는 일반적이거나 사전적인 의미로 한정하여 해석되어서는 아니된다. 발명자가 그 자신의 발명을 최선의 방법으로 설명하기 위해 용어나 단어의 개념을 정의할 수 있다는 원칙에 따라, 본 발명의 기술적 사상과 부합하는 의미와 개념으로 해석되어야 한다. 또한, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명이 실현되는 하나의 실시예에 불과하고, 본 발명의 기술적 사상을 전부 대변하는 것이 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 및 응용 가능한 예들이 있을 수 있음을 이해하여야 한다.Terms or words used in this specification and claims should not be construed as being limited to a general or dictionary meaning. According to the principle that an inventor may define a term or a concept of a word in order to best describe his/her invention, it should be interpreted as meaning and concept consistent with the technical spirit of the present invention. In addition, the embodiments described in this specification and the configurations shown in the drawings are only one embodiment in which the present invention is realized, and do not represent all of the technical spirit of the present invention, so they can be replaced at the time of the present application. It should be understood that there may be many equivalents and variations and applicable examples.
본 명세서 및 특허청구범위에서 사용된 제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. '및/또는' 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as first, second, A, and B used in this specification and claims may be used to describe various components, but the components should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention. The term 'and/or' includes a combination of a plurality of related recited items or any one of a plurality of related recited items.
본 명세서 및 특허청구범위에서 사용된 용어는 단지 특정한 실시 예를 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 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in this specification and claims are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. It should be understood that terms such as "include" or "having" in this application do not exclude in advance the possibility of existence or addition of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification. .
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해서 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in the present application, they should not be interpreted in an ideal or excessively formal meaning. don't
또한, 본 발명의 각 실시예에 포함된 각 구성, 과정, 공정 또는 방법 등은 기술적으로 상호 간 모순되지 않는 범위 내에서 공유될 수 있다. In addition, each configuration, process, process or method included in each embodiment of the present invention may be shared within a range that does not contradict each other technically.
이하에서, 도 1 내지 도 15를 참조하여 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 방법 및 장치, 그리고 이를 이용한 반려동물 질병 발생 예측 방법에 대해 살펴보도록 한다.Hereinafter, with reference to FIGS. 1 to 15 , companion animal medical data standardization methods and apparatuses according to some embodiments of the present invention and companion animal disease prediction methods using the same will be described.
도 1은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치를 설명하기 위한 도면이다. 1 is a diagram for explaining an apparatus for standardizing companion animal medical data according to some embodiments of the present invention.
우선, 도 1을 참조하면, 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터 입력부(100), 반려동물 의료데이터 전처리부(110), 반려동물 의료데이터 분류부(120) 및 반려동물 의료데이터 표준화부(130)를 포함할 수 있다. First of all, referring to FIG. 1, the companion animal medical
반려동물 의료데이터 입력부(100)는 다양한 형식의 반려동물 의료데이터가 입력될 수 있다. 반려동물 의료데이터라 함은, 반려동물용 진단기기에서 측정한 진단데이터, 반려동물용 의료기기에서 측정한 반려동물 의료데이터, 동물병원에서 수의사에 의해 작성된 검사차트데이터 등 반려동물과 관련된 모든 진단 결과 데이터를 의미할 수 있다. The companion animal medical
또한, 반려동물 의료데이터는 반려동물과 관련된 모든 진단 결과 데이터가 컴퓨터 프로그램으로 저장되어 있는 프로그램 데이터 파일과, 반려동물과 관련된 모든 진단 결과 데이터가 인쇄되어 있는 용지를 촬영/스캔한 이미지 파일 모두 포함할 수 있다. 프로그램 데이터 파일의 경우 필요한 정보를 곧바로 분류할 수 있으나, 이미지 파일의 경우 이를 보정하고 인식하는 등의 추가적인 절차가 필요할 수 있다. 이에 대한 구체적인 설명은 후술한다. In addition, companion animal medical data may include both program data files in which all diagnosis result data related to companion animals are stored as computer programs, and image files taken/scanned on paper on which all diagnosis result data related to companion animals are printed. can In the case of program data files, necessary information can be immediately classified, but in the case of image files, additional procedures such as correcting and recognizing them may be required. A detailed description of this will be given later.
반려동물 의료데이터 전처리부(110)는 입력된 반려동물 의료데이터에 대해 전처리 작업을 수행할 수 있다. 예를 들어, 반려동물 의료데이터 전처리부(110)는 이미지 파일 형식의 반려동물 의료데이터를 보정하여 이미지 인식률을 증가시킬 수 있다. 다른 예를 들어, 반려동물 의료데이터 전처리부(110)는 이미지 파일 형식의 반려동물 의료데이터에 포함된 문자를 추출(OCR)할 수 있다. 그러나, 실시예들이 상술한 전처리 작업들에 제한되는 것은 아니고, 반려동물 의료데이터 전처리부(110)는 데이터를 분류하고 표준화하기 전 일련의 작업들을 모두 수행할 수 있다. 또한, 반려동물 의료데이터 전처리부(110)는 반드시 필수적인 것은 아니고, 필요에 따라 생략되거나 선택적으로 이용될 수도 있다. The companion animal medical
반려동물 의료데이터 분류부(120)는 반려동물 의료데이터에서 복수의 의료정보항목과, 상기 복수의 의료정보항목 각각과 연관된 복수의 의료정보값을 분류할 수 있다. 몇몇 실시예에 따르면, 반려동물 의료데이터 분류부(120)는 반려동물 의료데이터에서 제1 의료정보항목을 분류하고, 상기 제1 의료정보항목과 연관된 제1 의료정보값을 분류할 수 있다. The companion animal medical
의료정보항목은 반려동물에 대해 진단을 수행한 항목을 의미한다. 예를 들어, 의료정보항목은 반려동물의 키, 몸무게, 혈당량, 혈중 크레아티닌 농도, 평균 적혈구 용적, 적혈구 용적률, 적혈구 수 등 진단을 통해 측정되는 항목을 의미한다. 의료정보값은 각 의료정보항목에 대응되는, 진단을 통해 측정된 수치를 의미한다. The medical information item refers to an item that has been diagnosed for companion animals. For example, the medical information items refer to items measured through diagnosis, such as height, weight, blood sugar level, blood creatinine concentration, mean hematocrit, hematocrit, and red blood cell count of the companion animal. The medical information value means a numerical value corresponding to each medical information item and measured through diagnosis.
반려동물 의료데이터 표준화부(130)는 반려동물 의료데이터를 표준화할 수 있다. 구체적으로, 반려동물 의료데이터 표준화부(130)는 반려동물 의료데이터 분류부(120)에서 분류된 의료정보항목 각각을 표준의료정보항목으로 대응시킬 수 있다. 이를 통해, 실제로는 동일한 의료정보항목을 의미하지만, 표기상 차이가 있는 의료정보항목들을 일원화할 수 있다. 예를 들어, 혈중 크레아티닌 수치는 'CRE', 'CREA' 또는 'creatinine'으로 표기될 수 있다. 이때, 'CRE', 'CREA', 'creatinine'은 의료정보항목이고, 이 중 하나인 'creatinine'을 표준의료정보항목으로 결정할 수 있다. 만약, 반려동물 의료데이터 분류부(120)에서 분류된 의료정보항목이 'CRE'인 경우, 반려동물 의료데이터 표준화부(130)는 이를 'creatinine'과 대응시킬 수 있다. The companion animal medical
몇몇 실시예에 따르면, 의료정보항목과 표준의료정보항목의 대응 관계는 룩업 테이블에 미리 저장될 수 있다. 반려동물 의료데이터 표준화부(130)는 미리 저장된 룩업 테이블을 참조하여 의료정보항목과 표준의료정보항목을 대응시킬 수 있으나, 이는 예시적인 설명일 뿐 실시예들이 이에 제한되는 것은 아니다. 다른 몇몇 실시예에서, 반려동물 의료데이터 표준화부(130)는 미리 학습된 딥러닝 모듈에 의료정보항목을 입력하여, 표준의료정보항목을 결정할 수도 있다. According to some embodiments, a correspondence relationship between medical information items and standard medical information items may be pre-stored in a lookup table. The companion animal medical
또한, 반려동물 의료데이터 표준화부(130)는 반려동물 의료데이터 분류부(120)에서 분류된 의료정보값 각각을, 표준의료정보항목의 표준단위와 일치하도록 변형시켜, 의료정보값을 표준화할 수 있다. 반려동물 의료데이터 표준화부(130)는 표준의료정보항목에, 표준화된 의료정보값을 대응시킴으로써, 반려동물 의료데이터를 표준화할 수 있다. 예를 들어, 의료정보항목 'CRE'의 단위는 mg/L이고, 의료정보값이 0.08인 것으로 가정하고, 표준의료정보항목은 'creatinine', 표준의료정보항목의 표준단위는 mg/dL인 경우를 가정한다. 반려동물 의료데이터 표준화부(130)는 의료정보항목 'CRE'를 표준의료정보항목 'creatinine'과 대응시키고, 의료정보항목과 표준의료정보항목의 표준단위를 일치시켜, 의료정보항목의 값을 0.8로 변환할 수 있다. 다시 말해서, 반려동물 의료데이터 표준화부(130)는 'CRE = 0.08 mg/L'를 'creatinine = 0.8 mg/dL'로 변환하여, 반려동물 의료데이터를 표준화할 수 있다. 이어서, 도 2 내지 도 8을 더 참조하여, 반려동물 의료데이터의 표준화 방법에 대해 설명한다. In addition, the companion animal medical
도 2는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 방법을 설명하기 위한 도면이다. 2 is a diagram for explaining a standardization method of companion animal medical data according to some embodiments of the present invention.
도 1 및 도 2를 참조하면, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터를 입력으로 제공받을 수 있다(S200). 반려동물 의료데이터 표준화 장치(10)는 제공된 반려동물 의료데이터를 전처리할 수 있다(S210). 다만, 반려동물 의료데이터의 전처리는 제공된 반려동물 의료데이터의 형식에 따라 선택적으로 수행될 수 있다. 구체적 설명을 위해, 도 3을 더 참조한다. Referring to FIGS. 1 and 2 , the companion animal medical
도 3은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 전처리 과정을 설명하기 위한 도면이다. 이하에서는, 순서도를 이용하여 본 발명의 몇몇 실시예에 따른 다양한 방법을 소개한다. 그러나, 본 명세서에 도시된 순서도는 설명의 편의를 위한 것으로만 이해하여야 한다. 즉, 순서도에 기재된 각 단계들은 반드시 도시된 순서에 따라 순차적으로 수행될 필요 없다. 예를 들어, 본 발명의 몇몇 실시예에 따른 다양한 방법들을 수행하기 위해, 순서도의 기재된 각 단계들의 적어도 일부는 선후 관계가 뒤바뀔 수도 있다. 다른 예로서, 본 발명의 몇몇 실시예에 따른 다양한 방법들을 수행하기 위해, 각 단계들의 적어도 일부는 생략되어 수행될 수 있다. 또 다른 예로서, 본 발명의 몇몇 실시예에 따른 다양한 방법들을 수행하기 위해, 순서도에 기재된 각 단계들의 적어도 일부는 동시에 수행될 수도 있다. 또 다른 예로서, 본 발명의 몇몇 실시예에 따른 다양한 방법들을 수행하기 위해, 본 명세서에 기재되지 않은 다른 단계들이 부가되어 수행될 수도 있다. 3 is a diagram for explaining a pre-processing process of companion animal medical data according to some embodiments of the present invention. In the following, various methods according to some embodiments of the present invention are introduced using flowcharts. However, it should be understood that the flowchart shown in this specification is only for convenience of description. That is, each step described in the flowchart does not necessarily have to be performed sequentially according to the shown order. For example, in order to perform various methods according to some embodiments of the present invention, at least some of the steps described in the flowchart may be reversed in order. As another example, in order to perform various methods according to some embodiments of the present invention, at least a part of each step may be omitted. As another example, in order to perform various methods according to some embodiments of the present invention, at least some of the steps described in the flow chart may be performed concurrently. As another example, other steps not described herein may be added and performed to perform various methods according to some embodiments of the present invention.
도 1 및 도 3을 참조하면, 반려동물 의료데이터 표준화 장치(10)는 입력된 반려동물 의료데이터가 이미지 데이터인지 여부를 판단할 수 있다(S211). 반려동물 의료데이터가 이미지 데이터인 경우(S211, 예), 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터인 반려동물 의료데이터에 보정이 필요한 지 여부를 판단할 수 있다(S212). 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터의 해상도가 낮거나, 불필요한 배경이 삽입되었는지 여부를 결정할 수 있다. 다만, 낮은 해상도나 불필요한 배경의 존부는 단순히 보정이 필요한 경우의 예시를 설명한 것이며, 실시예들이 이에 제한되는 것은 아니다. Referring to FIGS. 1 and 3 , the companion animal medical
이미지 데이터인 반려동물 의료데이터에 보정이 필요한 경우(S212, 예), 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터의 인식률을 증가시키기 위해, 이미지 보정 작업을 수행할 수 있다(S213). 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 낮은 해상도의 이미지 데이터의 해상도를 증가시킬 수 있다. 다른 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터에 대해, 크롭핑 또는 트리밍을 통해 특정 이미지 영역을 설정할 수 있다. 다만, 이는 예시적인 설명이며 반려동물 의료데이터 표준화 장치(10)는 상술한 보정 작업 외에도 이미지 데이터의 인식률을 증가시키기 위한 다양한 보정 작업을 수행할 수 있다. If correction is required for companion animal medical data that is image data (S212, Yes), the companion animal medical
이어서, 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터를 인식할 수 있다(S214). 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터인 반려동물 의료데이터를 인식하여 문자 부분을 추출(OCR)할 수 있다. Subsequently, the
한편, 이미지 데이터인 반려동물 의료데이터에 보정이 필요 없는 경우(S212, 아니오), 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터를 보정하는 S213 단계의 수행 없이 이미지 데이터를 인식할 수 있다(S214). On the other hand, if the companion animal medical data, which is image data, does not require correction (S212, No), the companion animal medical
반려동물 의료데이터 표준화 장치(10)는 이미지 데이터를 인식한 후 반려동물 의료데이터를 분류할 수 있다(S220). 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 이미지 데이터를 인식하여 문자 부분을 추출하고, 추출된 문자 부분에서 의료정보항목과 의료정보값을 분류할 수 있다. The companion animal medical
한편, 반려동물 의료데이터가 이미지 데이터가 아닌 경우(S211, 아니오), 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터를 분류할 수 있다(S220). 예를 들어, 반려동물 의료데이터가 진단 결과가 기록된 컴퓨터 프로그램 데이터인 경우, 반려동물 의료데이터 표준화 장치(10)는 컴퓨터 프로그램 데이터에 기록된 의료정보항목과 의료정보값을 분류할 수 있다. Meanwhile, if the companion animal medical data is not image data (S211, No), the companion animal medical
다시 도 2를 참조하면, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터를 분류할 수 있다(S220). 전술한 바와 같이, 반려동물 의료데이터를 분류하는 것은 반려동물 의료데이터에서 의료정보항목과 의료정보값을 추출하는 것을 의미할 수 있다. Referring back to FIG. 2 , the companion animal medical
몇몇 실시예에 따르면, 반려동물 의료데이터는 하나의 의료정보항목과, 이와 대응되는 다양한 시점에서의 의료정보값을 포함할 수 있다. 예를 들어, 'CRE'는 제1 시점에서의 의료정보값 '0.08 mg/L', 제2 시점에서의 의료정보값 '0.07 mg/L'를 포함할 수 있다. 다른 몇몇 실시예에 따르면, 제1 반려동물 의료데이터는 제1 시점에서의 의료정보항목 및 의료정보값을 포함하고, 제2 반려동물 의료데이터는 제2 시점에서의 의료정보항목 및 의료정보값을 포함할 수 있다. 이와 같이, 수집된 반려동물 의료데이터에 여러 시점의 의료정보값이 포함된 경우, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터를 표준화할 때, 시점에 관한 정보를 더 포함시킬 수 있다. 다시 말해서, 반려동물 의료데이터 표준화 장치(10)는 의료정보값을 시점 별로 분류하고 표준화할 수 있다. 예시적인 설명을 위해 도 4를 더 참조한다. According to some embodiments, companion animal medical data may include one medical information item and corresponding medical information values at various points in time. For example, 'CRE' may include a medical information value of '0.08 mg/L' at a first time point and a medical information value of '0.07 mg/L' at a second time point. According to some other embodiments, the first companion animal medical data includes medical information items and medical information values at a first time point, and the second companion animal medical data includes medical information items and medical information values at a second time point. can include In this way, when the collected companion animal medical data includes medical information values of several time points, the companion animal medical
도 4는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 분류 과정을 설명하기 위한 도면이다. 4 is a diagram for explaining a classification process of companion animal medical data according to some embodiments of the present invention.
도 1 및 도 4를 참조하면, 반려동물 의료데이터 표준화 장치(10)는 하나 이상의 반려동물 의료데이터에 서로 다른 시점의 의료정보값이 포함되는지 여부를 판단할 수 있다(S221). 반려동물 의료데이터에 서로 다른 시점의 의료정보값이 포함되면(S221, 예), 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터에서 의료정보항목, 의료정보값 및 각 의료정보값이 진단된 시점을 분류할 수 있다(S222). Referring to FIGS. 1 and 4 , the companion animal medical
한편, 하나 이상의 반려동물 의료데이터에 하나의 시점의 의료정보값만 포함되면(S221, 아니오), 반려동물 의료데이터 표준화 장치(10)는 의료정보항목과 의료정보값을 분류할 수 있다(S223).On the other hand, if one or more companion animal medical data includes only the medical information value of one point in time (S221, No), the companion animal medical
다시 도 2를 참조하면, 반려동물 의료데이터 표준화 장치(10)는 분류된 반려동물 의료데이터를 표준화할 수 있다(S230). 만약, 반려동물 의료데이터에 서로 다른 시점의 의료정보값이 포함된다면, 반려동물 의료데이터 표준화 장치(10)는 분류된 반려동물 의료데이터를 시점별로 표준화할 수 있다. 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 표준의료정보항목에 표준화된 의료정보값 및 해당 의료정보값이 생성된 시점에 관한 정보를 대응시킬 수 있다. 반려동물 의료데이터의 표준화 과정을 설명하기 위해, 도 5를 더 참조한다. Referring back to FIG. 2 , the companion animal medical
도 5는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 과정을 설명하기 위한 예시적인 도면이다. 5 is an exemplary diagram for explaining a standardization process of companion animal medical data according to some embodiments of the present invention.
도 1 및 도 5를 참조하면, 반려동물 의료데이터 표준화 장치(10)는 분류된 의료정보항목의 명칭을 표준화할 수 있다(S231). 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터에 포함된 의료정보항목 'CRE'를 미리 정한 표준의료정보항목인 'creatinine'에 대응시킴으로써, 의료정보항목의 명칭을 표준화할 수 있다. Referring to FIGS. 1 and 5 , the
이어서, 반려동물 의료데이터 표준화 장치(10)는 의료정보값을 표준화할 수 있다(S232). 예시적 설명을 위해, 도 6을 더 참조한다. Subsequently, the
도 6은 본 발명의 몇몇 실시예에 따른 의료정보값을 표준화하는 방법을 설명하기 위한 예시적인 도면이다. 6 is an exemplary diagram for explaining a method of standardizing medical information values according to some embodiments of the present invention.
도 1 및 도 6을 참조하면, 반려동물 의료데이터 표준화 장치(10)는 미리정한 표준의료정보항목의 표준단위에 기초하여, 의료정보값의 변환여부를 결정할 수 있다(S232_1). Referring to FIGS. 1 and 6 , the
의료정보항목의 단위와 이와 대응되는 표준의료정보항목의 표준단위가 불일치하면(S232_2, 아니오), 표준단위에 기초하여 의료정보항목과 대응되는 의료정보값을 변환할 수 있다(S232_3). 예를 들어, 의료정보항목 'CRE'의 단위는 mg/L이고, 의료정보값이 0.08인 것으로 가정하고, 표준의료정보항목은 'creatinine', 표준의료정보항목의 표준단위는 mg/dL인 경우를 가정한다. 반려동물 의료데이터 표준화 장치(10)는 표준단위에 기초하여, 의료정보값을 0.8로 변환하여 의료정보값을 표준화할 수 있다. If the unit of the medical information item and the standard unit of the corresponding standard medical information item do not match (S232_2, No), the medical information value corresponding to the medical information item may be converted based on the standard unit (S232_3). For example, assuming that the unit of the medical information item 'CRE' is mg/L and the medical information value is 0.08, the standard medical information item is 'creatinine' and the standard unit of the standard medical information item is mg/dL. Assume The companion animal medical
한편, 의료정보항목의 단위와 이와 대응되는 표준의료정보항목의 표준단위가 일치하면(S232_2, 예), 반려동물 의료데이터에 포함된 의료정보값을 따로 변환할 필요가 없을 수 있다. On the other hand, if the unit of the medical information item and the standard unit of the corresponding standard medical information item match (S232_2, Yes), it may not be necessary to separately convert the medical information value included in the companion animal medical data.
반려동물 의료데이터 표준화 장치(10)는 미리 정한 표준의료정보항목에 의료정보값을 대응시킬 수 있다(S233). The companion animal medical
다시 도 5를 참조하면, 반려동물 의료데이터 표준화 장치(10)는 미리 정한 표준의료정보항목에 표준화된 의료정보값을 대응시킬 수 있다(S233). 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 '0.08 mg/L'인 의료정보값을 '0.8 mg/dL'로 변환하고, 이를 표준의료정보항목인 'creatinine'과 대응시킬 수 있다. 이때, 의료정보값이 특정 기준에 따라 변환된 경우에는 '변환된 의료정보값'이 '표준화된 의료정보값'이 되고, 의료정보값이 변환되지 않은 경우에는 '의료정보값' 자체가 '표준화된 의료정보값'이 된다.Referring back to FIG. 5 , the
다만, 의료정보항목과 표준의료정보항목의 단위가 서로 다른 조건은 의료정보값을 표준화하는 예시 중 하나에 불과하며, 실시예들이 이에 제한되는 것은 아니다. 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 의료정보값의 소수점 자릿수가 미리 정한 소수점 자릿수와 일치하지 않는 경우, 의료정보값을 미리 정한 기준에 따라 변환할 수도 있다. 본 발명의 기술 분야에서 통상의 지식을 가진 자는 본 발명의 범위를 벗어나지 않고 특정 기준에 따라 의료정보값을 표준화할 수 있을 것이다. 이해를 돕기 위해, 도 7을 참조하여 예시적인 상황을 설명한다. However, the condition in which the unit of the medical information item and the standard medical information item are different is only one example of standardizing the medical information value, and the embodiments are not limited thereto. For example, the companion animal medical
도 7은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 방법을 예시적으로 설명하기 위한 도면이다. 7 is a diagram for exemplarily explaining a standardization method of companion animal medical data according to some embodiments of the present invention.
도 1 및 도 7을 참조하면, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터를 제공받아, 이를 의료정보항목인 'CRE'와 이와 대응되는 의료정보값인 '제1 시점 - 0.08', '제2 시점 - 0.07'로 분류할 수 있다. 1 and 7, the companion animal medical
반려동물 의료데이터 표준화 장치(10)는 의료정보항목 'CRE'를 표준의료정보항목 'creatinine'과 대응시킬 수 있다. The companion animal medical
의료정보항목의 단위는 'mg/L' 이고, 표준의료정보항목의 표준단위는 'mg/dL'이기 때문에, 반려동물 의료데이터 표준화 장치(10)는 표준단위에 기초하여, 의료정보값을 '제1 시점 - 0.8', '제2 시점 - 0.7'으로 변환할 수 있다. Since the unit of the medical information item is 'mg/L' and the standard unit of the standard medical information item is 'mg/dL', the companion animal medical
반려동물 의료데이터 표준화 장치(10)는 표준의료정보항목 'creatinine'에 의료정보값 '제1 시점 - 0.8', '제2 시점 - 0.7'을 시점 별로 대응시킬 수 있다. The
몇몇 실시예에 따르면, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터에 포함된 의료정보항목을 미리 정한 표준의료정보항목과 대응시키고, 표준의료정보항목에 표준화된 의료정보값을 할당함으로써 반려동물 의료데이터를 표준화한다. 이때, 반려동물의 진단을 위한 반려동물용 의료기기, 진단기기 등은 표준화된 진단 요소가 존재하지 않는다. 따라서, 의료기기, 진단기기 등의 종류 따라, 특정 의료정보항목은 진단하지 않을 수 있다. 다시 말해서, 특정 반려동물 의료데이터는 표준의료정보항목과 대응되는 의료정보항목이 존재하지 않을 수 있다. 이러한 경우, 반려동물 의료데이터 표준화 방법에 대해 도 8을 참조하여 추가적으로 설명한다.According to some embodiments, the companion animal medical
도 8은 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 방법에 따라 반려동물 의료데이터에 표준의료정보항목과 대응되는 의료정보항목이 부존재하는 경우의 데이터 표준화 방법에 대해 설명하기 위한 도면이다.8 is a diagram for explaining a data standardization method when there is no medical information item corresponding to a standard medical information item in companion animal medical data according to the companion animal medical data standardization method according to some embodiments of the present invention.
도 1 및 도 8을 참조하면, 반려동물 의료데이터 표준화 장치(10)는 표준의료정보항목과 반려동물 의료데이터에서 분류된 의료정보항목이 모두 대응되는지 여부를 판단할 수 있다(S234). 다시 말해서, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터에 결측정보가 있는지 여부를 판단할 수 있다.Referring to FIGS. 1 and 8 , the companion animal medical
반려동물 의료데이터에 결측정보가 있는 경우(S234, 아니오), 반려동물 의료데이터 표준화 장치(10)는 해당 결측정보를 예측할 수 있는지 여부를 판단할 수 있다(S235). If there is missing information in the companion animal medical data (S234, No), the companion animal medical
결측정보가 예측될 수 없는 경우(S235, 아니오), 반려동물 의료데이터 표준화 장치(10)는 결측정보를 널값(NULL)으로 대체할 수 있다(S236). If the missing information cannot be predicted (S235, No), the companion animal medical
한편, 결측정보가 예측될 수 있는 경우(S235, 예), 반려동물 의료데이터 표준화 장치(10)는 결측정보를 예측값(EST)으로 대체할 수 있다(S236). 예를 들어, 표준의료정보항목에 '적혈구 용적률', '적혈구 수', '평균 적혈구 용적' 항목이 존재하나, 반려동물 의료데이터에 포함된 의료정보항목은 '적혈구 용적률'과 '적혈구수'만 존재하는 경우를 가정한다. 이때, 평균 적혈구 용적은 아래 [수학식 1]에 의해 예측될 수 있다. Meanwhile, when missing information can be predicted (S235, Yes), the companion animal medical
[수학식 1][Equation 1]
즉, 반려동물 의료데이터에 표준의료정보항목 '평균 적혈구 용적'과 대응되는 의료정보항목이 존재하지 않지만, 반려동물 의료데이터 표준화 장치(10)는 '적혈구 용적률' 및 '적혈구 수'에 관한 의료정보값으로 '평균 적혈구 용적'에 관한 의료정보값을 예측할 수 있다. 다만, 이는 예시적인 설명일 뿐이며 실시예들이 이에 제한되는 것은 아니다. That is, although there is no medical information item corresponding to the standard medical information item 'average red blood cell volume' in the companion animal medical data, the companion animal medical
몇몇 실시예에 따르면, 반려동물 의료데이터 표준화 장치(10)는 결측정보를 예측값(EST)으로 대체한 경우, 이를 반려동물 의료데이터에서 분류된 의료정보값(실제 진단 결과)과 구분하기 위해 해당 정보는 예측된 정보임을 나타내는 플래그(flag)를 별도로 설정할 수도 있으나, 실시예들이 이에 제한되는 것은 아니다.According to some embodiments, when the companion animal medical
몇몇 실시예에 따르면, 반려동물 의료데이터 표준화 장치(10)는 반려동물 의료데이터에 표준의료정보항목과 대응되는 의료정보항목이 없는 경우 이를 결측정보로 결정할 수 있다. 그러나, 이는 결측정보로 결정하는 예시에 불과하며, 실시예들이 이에 제한되는 것은 아니다. 몇몇 실시예에 따르면, 반려동물 의료데이터 표준화 장치(10)는 의료정보값을 표준의료정보항목에 직접적으로 대응시키기 어려운 상황에서 이를 결측정보로 결정할 수 있다. 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 분류된 의료정보항목에 단위가 부존재하는 경우 이를 결측정보로 결정할 수 있다. 이때, 반려동물 의료데이터 표준화 장치(10)가 분류된 의료정보항목의 단위를 예측할 수 있다면 이를 예측하여(예컨대, 딥러닝 모듈을 이용하여) 예측값(EST)으로 대체할 수 있다. 반면, 반려동물 의료데이터 표준화 장치(10)가 분류된 의료정보항목의 단위를 예측할 수 없다면 이를 널값(NULL)으로 대체할 수 있다.According to some embodiments, if there is no medical information item corresponding to a standard medical information item in the companion animal medical data, the companion animal medical
반려동물 의료데이터 표준화 장치(10)는 미리 정한 표준의료정보항목에 표준화된 의료정보값을 대응시켜, 반려동물 의료데이터를 표준화할 수 있다(S233). 이때, 표준화된 의료정보값은 결측 정보를 포함할 수 있다. 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 결측정보를 예측할 수 없는 표준의료정보항목은 널값(NULL)을 대응시키고, 결측정보를 예측할 수 있는 표준의료정보항목은 예측값(EST)을 대응시킴으로써 반려동물 의료데이터를 표준화할 수 있다. The companion animal medical
본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 방법 및 장치는, 다양한 형식으로 관리되는 반려동물 의료데이터를 이용하여, 표준화된 반려동물 의료데이터를 생성함으로써, 반려동물 의료데이터 생성 주체 간에 자유롭게 데이터 교환을 수행하도록 할 수 있다. 따라서, 표준화된 반려동물 의료데이터를 이용하여, 클라우드, 인공지능, 빅데이터 등 첨단 ICT 기술을 활용한 초지능형 의료서비스를 이용할 수 있다.A method and apparatus for standardizing companion animal medical data according to some embodiments of the present invention generate standardized companion animal medical data using companion animal medical data managed in various formats, so that companion animal medical data generation subjects can freely data exchange can be performed. Therefore, it is possible to use super-intelligent medical services using advanced ICT technologies such as cloud, artificial intelligence, and big data using standardized companion animal medical data.
또한, 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터의 표준화 방법 및 장치는, 다양한 형식의 반려동물 의료데이터를 표준화하기 때문에, 측정 또는 진단 수단에 관계없이 반려동물의 시점별 건강상태의 추이를 쉽게 비교할 수 있다. 따라서, 반려동물 의료데이터를 비교하기 위해 항상 동일한 측정 또는 진단 수단을 이용할 필요 없으므로, 장소와 시간에 대한 제약조건이 감소할 수 있다. 이하, 도 9 내지 도 14를 이용하여, 딥러닝 모듈을 이용하는 추가적인 실시예들에 대해 설명한다.In addition, since the companion animal medical data standardization method and apparatus according to some embodiments of the present invention standardize companion animal medical data in various formats, regardless of measurement or diagnosis means, the trend of the companion animal's health status at each point in time can be measured. can be easily compared. Therefore, since it is not always necessary to use the same measurement or diagnostic means to compare companion animal medical data, constraints on place and time can be reduced. Hereinafter, additional embodiments using the deep learning module will be described with reference to FIGS. 9 to 14 .
도 9 및 도 10은 본 발명의 몇몇 실시예들에 따른 딥러닝 모듈을 이용한 반려동물 의료데이터 표준화 방법을 설명하기 위한 도면이다. 이하에서는, 전술한 내용과 중복되는 내용은 생략하고 차이점을 위주로 설명하도록 한다.9 and 10 are diagrams for explaining a companion animal medical data standardization method using a deep learning module according to some embodiments of the present invention. In the following, overlapping content with the above description will be omitted and the differences will be mainly described.
도 9를 참조하면, 제1 딥러닝 모듈(900)의 입력 노드에는 비정형 반려동물 의료데이터가 입력되고, 출력 노드에는 표준화된 반려동물 의료데이터가 입력될 수 있다. 이때, 제1 딥러닝 모듈(900)은 복수의 레이어를 포함할 수 있으며, 각 레이어들의 노드를 연결하는 에지(edge)에는 가중치가 설정될 수 있다. 학습과정에서 입력노드와 출력노드 사이에 배치되는 노드들 및 에지들의 가중치는 업데이트될 수 있다. Referring to FIG. 9 , unstructured companion animal medical data may be input to the input node of the first
구체적으로, 제1 딥러닝 모듈(900)은 입력된 데이터를 기초로 도출된 별도의 파라미터에 대한 매핑 데이터를 이용하여 인공신경망 학습을 수행할 수 있다. 제1 딥러닝 모듈(900)은 학습 인자로 입력되는 파라미터들에 대하여 머신 러닝(machine learning)을 수행할 수 있다. 이때, 반려동물 의료데이터 표준화 장치(10)의 메모리에는 머신 러닝에 사용되는 데이터 및 결과 데이터 등이 저장될 수 있다.Specifically, the first
보다 자세히 설명하자면, 머신 러닝(Machine Learning)의 일종인 딥러닝(Deep Learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습하는 것이다.To explain in more detail, deep learning technology, a type of machine learning, learns by going down to a deep level in multiple stages based on data.
딥러닝(Deep learning)은, 단계를 높여가면서 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝(Machine Learning) 알고리즘의 집합을 나타낸다.Deep learning represents a set of machine learning algorithms that extract core data from a plurality of data while stepping up.
제1 딥러닝 모듈(900)은 공지된 다양한 딥러닝 구조를 이용할 수 있다. 예를 들어, 제1 딥러닝 모듈(900)은 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), DBN(Deep Belief Network), GNN(Graph Neural Network) 등의 구조를 이용할 수 있다.The first
구체적으로, CNN(Convolutional Neural Network)은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델이다.Specifically, CNN (Convolutional Neural Network) extracts the basic features of an object when a person recognizes an object, and then performs complex calculations in the brain to recognize the object based on the result. It is a simulated model.
RNN(Recurrent Neural Network)은 자연어 처리 등에 많이 이용되며, 시간의 흐름에 따라 변하는 시계열 데이터(Time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다.RNN (Recurrent Neural Network) is widely used in natural language processing, etc., and is an effective structure for processing time-series data that changes over time.
DBN(Deep Belief Network)은 딥러닝 기법인 RBM(Restricted Boltzman Machine)을 다층으로 쌓아 구성되는 딥러닝 구조이다. RBM(Restricted Boltzman Machine) 학습을 반복하여 일정 수의 레이어가 되면, 해당 개수의 레이어를 가지는 DBN(Deep Belief Network)이 구성될 수 있다.DBN (Deep Belief Network) is a deep learning structure composed of multiple layers of RBM (Restricted Boltzman Machine), a deep learning technique. When a certain number of layers is obtained by repeating RBM (Restricted Boltzman Machine) learning, a DBN (Deep Belief Network) having a corresponding number of layers may be configured.
GNN(Graphic Neural Network, 그래픽 인공신경망, 이하, GNN)는 특정 파라미터 간 매핑된 데이터를 기초로 모델링된 모델링 데이터를 이용하여, 모델링 데이터 간의 유사도와 특징점을 도출하는 방식으로 구현된 인공신경망 구조를 나타낸다.GNN (Graphic Neural Network, hereinafter, GNN) represents an artificial neural network structure implemented in a way to derive similarities and feature points between modeling data using modeling data modeled on the basis of data mapped between specific parameters. .
한편, 제1 딥러닝 모듈(900)의 인공신경망 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(Back Propagation) 등의 방법이 사용될 수 있다.Meanwhile, learning of the artificial neural network of the first
한편, 반려동물 의료데이터 표준화 장치(10)의 메모리(미도시)에는 머신 러닝으로 미리 학습된 인공신경망(Artificial Neural Network)이 탑재될 수 있다.Meanwhile, a memory (not shown) of the
제1 딥러닝 모듈(900)은 인공신경망의 머신 러닝 방법으로 준지도학습(semi-supervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 또한, 제1 딥러닝 모듈(900)은 설정에 따라 이상여부가 발견된 샘플데이터에 대하여 정확한 결과값을 출력하기 위한 인공신경망 구조를 자동 업데이트하도록 제어될 수 있다.In the first
도 10을 참조하면, 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치(10)는 표준화된 반려동물 의료데이터를 기초로 제1 딥러닝 모듈(900)을 학습할 수 있다(S300). Referring to FIG. 10 , the
반려동물 의료데이터 표준화 장치(10)는 학습된 제1 딥러닝 모듈(900)에 비정형 반려동물 의료데이터를 입력하여(S310), 표준화된 반려동물 의료데이터를 예측할 수 있다(S320). The companion animal medical
몇몇 실시예에 따르면, 반려동물 의료데이터 표준화 장치(10)는 제1 딥러닝 모듈(900)을 이용하여 결측정보를 결정할 수 있다. 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 미리 정한 표준의료정보항목과 대응되는 의료정보항목이 존재하지 않는 경우, 제1 딥러닝 모듈(900)을 이용하여 해당 표준의료정보항목과 대응되는 의료정보값을 예측할 수 있다. 다른 예를 들어, 반려동물 의료데이터 표준화 장치(10)는 분류된 의료정보항목에 단위가 존재하지 않는 경우, 해당 반려동물 의료데이터의 주변값들을 참고하여, 분류된 의료정보항목의 단위를 예측할 수 있다.According to some embodiments, the companion animal medical
도 11 및 도 12는 본 발명의 몇몇 실시예들에 따른 딥러닝 모듈을 이용한 반려동물의 질병발생확률을 예측하는 방법을 설명하기 위한 도면이다. 11 and 12 are diagrams for explaining a method of predicting a disease occurrence probability of a companion animal using a deep learning module according to some embodiments of the present invention.
도 11을 참조하면, 제2 딥러닝 모듈(1100)의 입력 노드에는 반려동물 의료데이터가 입력되고, 출력 노드에는 반려동물의 질병발생여부가 입력될 수 있다. 이때, 제2 딥러닝 모듈(1100)은 복수의 레이어를 포함할 수 있으며, 각 레이어들의 노드를 연결하는 에지(edge)에는 가중치가 설정될 수 있다. 학습과정에서 입력노드와 출력노드 사이에 배치되는 노드들 및 에지들의 가중치는 업데이트될 수 있다. Referring to FIG. 11 , companion animal medical data may be input to the input node of the second
도 12를 참조하면, 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치(10)는 반려동물의 질병발생여부를 기초로 제2 딥러닝 모듈(1100)을 학습할 수 있다(S400). Referring to FIG. 12 , the companion animal medical
반려동물 의료데이터 표준화 장치(10)는 학습된 제2 딥러닝 모듈(1100)에 반려동물 의료데이터를 입력하여(S410), 반려동물의 질병발생확률을 예측할 수 있다(S420). The companion animal medical
몇몇 실시예에 따르면, 반려동물 의료데이터 표준화 장치(10)에서 표준화된 반려동물 의료데이터는 제2 딥러닝 모듈(1100)에 제공될 수 있다. 표준화된 반려동물 의료데이터는 반려동물의 나이, 특정 의료정보항목 및 의료정보값 등을 포함할 수 있다. 제2 딥러닝 모듈(1100)은 이를 기초로 해당 반려동물의 질병발생확률을 예측할 수 있다. According to some embodiments, the companion animal medical data standardized by the companion animal medical
도 13은 도 9 및 도 11의 딥러닝 모듈의 일 예를 설명하기 위한 도면이다. 13 is a diagram for explaining an example of the deep learning module of FIGS. 9 and 11 .
도 13을 참조하면, 제1 및 제2 딥러닝 모듈(900, 1100)은 입력 레이어(input)와, 출력 레이어(Output)와, 입력 레이어와 출력 레이어 사이에 배치되는 M 개의 히든 레이어를 포함한다.Referring to FIG. 13 , the first and second
여기서, 각 레이어들의 노드를 연결하는 에지(edge)에는 가중치가 설정될 수 있다. 이러한 가중치 혹은 에지의 유무는 학습 과정에서 추가, 제거, 또는 업데이트 될 수 있다. 따라서, 학습 과정을 통하여, k개의 입력노드와 i개의 출력노드 사이에 배치되는 노드들 및 에지들의 가중치는 업데이트될 수 있다.Here, a weight may be set to an edge connecting nodes of each layer. The presence or absence of these weights or edges can be added, removed, or updated in the learning process. Therefore, through the learning process, weights of nodes and edges disposed between k input nodes and i output nodes may be updated.
제1 및 제2 딥러닝 모듈(900, 1100)이 학습을 수행하기 전에는 모든 노드와 에지는 초기값으로 설정될 수 있다. 그러나, 누적하여 정보가 입력될 경우, 노드 및 에지들의 가중치는 변경되고, 이 과정에서 학습인자로 입력되는 파라미터들과 출력노드로 할당되는 값 사이의 매칭이 이루어질 수 있다.All nodes and edges may be set to initial values before the first and second
추가적으로, 클라우드 서버(미도시)를 이용하는 경우, 제1 및 제2 딥러닝 모듈(900, 1100)은 많은 수의 파라미터들을 수신하여 처리할 수 있다. 따라서, 제1 및 제2 딥러닝 모듈(900, 1100)은 방대한 데이터에 기반하여 학습을 수행할 수 있다.Additionally, when using a cloud server (not shown), the first and second
제1 및 제2 딥러닝 모듈(900, 1100)을 구성하는 입력노드와 출력노드 사이의 노드 및 에지의 가중치는 제1 및 제2 딥러닝 모듈(900, 1100)의 학습 과정에 의해 업데이트될 수 있다. 또한, 제1 및 제2 딥러닝 모듈(900, 1100)에서 입력 또는 출력되는 파라미터는 다양한 데이터로 추가 확장될 수 있음은 물론이다. The weights of the nodes and edges between the input node and the output node constituting the first and second
도 14는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 방법을 수행하는 시스템의 하드웨어 구현을 설명하기 위한 도면이다.14 is a diagram for explaining hardware implementation of a system that performs a method for standardizing companion animal medical data according to some embodiments of the present invention.
도 14를 참조하면, 본 발명의 몇몇 실시예들에 따른 반려동물 의료데이터 표준화 방법을 수행하는 반려동물 의료데이터 표준화 장치(10)는 전자 장치(1400)로 구현될 수 있다. 전자 장치(1400)는 컨트롤러(1410, controller), 입출력 장치(1420, I/O), 메모리 장치(1430, memory device), 인터페이스(1440, interface) 및 버스(1450, bus)를 포함할 수 있다. 컨트롤러(1410), 입출력 장치(1420), 메모리 장치(1430) 및/또는 인터페이스(1440)는 버스(1450)를 통하여 서로 결합될 수 있다. 이때, 버스(1450)는 데이터들이 이동되는 통로(path)에 해당한다.Referring to FIG. 14 , the companion animal medical
구체적으로, 컨트롤러(1410)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit), 마이크로프로세서, 디지털 신호 프로세스, 마이크로컨트롤러, 어플리케이션 프로세서(AP, application processor) 및 이들과 유사한 기능을 수행할 수 있는 논리 소자들 중에서 적어도 하나를 포함할 수 있다. Specifically, the
입출력 장치(1420)는 키패드(keypad), 키보드, 터치스크린 및 디스플레이 장치 중 적어도 하나를 포함할 수 있다. The input/
메모리 장치(1430)는 데이터 및/또는 프로그램 등을 저장할 수 있다.The
인터페이스(1440)는 통신 네트워크로 데이터를 전송하거나 통신 네트워크로부터 데이터를 수신하는 기능을 수행할 수 있다. 인터페이스(1440)는 유선 또는 무선 형태일 수 있다. 예컨대, 인터페이스(1440)는 안테나 또는 유무선 트랜시버 등을 포함할 수 있다. 도시하지 않았지만, 메모리 장치(1430)는 컨트롤러(1410)의 동작을 향상시키기 위한 동작 메모리로서, 고속의 디램 및/또는 에스램 등을 더 포함할 수도 있다. 메모리 장치(1430)는 내부에 프로그램 또는 어플리케이션을 저장할 수 있다. The
본 발명의 몇몇 실시예에 따르면, 반려동물 의료데이터의 표준화 방법 및 장치를 이용하여, 다양한 형식의 반려동물 의료데이터를 표준화하면, 표준화된 데이터를 딥러닝 학습 데이터로 이용할 수 있다는 장점이 있다. 이를 통해, 비정형화된 반려동물 의료데이터를 입력하여, 표준화된 반려동물 의료데이터를 출력하는 딥러닝 모듈을 학습하거나, 표준화된 반려동물 의료데이터를 입력하여, 반려동물의 질병발생확률을 예측하는 딥러닝 모듈을 학습할 수 있다. According to some embodiments of the present invention, when companion animal medical data in various formats is standardized using the companion animal medical data standardization method and apparatus, there is an advantage in that the standardized data can be used as deep learning learning data. Through this, a deep learning module that inputs unstructured companion animal medical data and outputs standardized companion animal medical data, or inputs standardized companion animal medical data to predict the probability of occurrence of a companion animal’s disease You can learn the learning module.
도 15는 본 발명의 몇몇 실시예에 따른 반려동물 의료데이터 표준화 장치가 활용되는 예시를 설명하기 위한 도면이다. 15 is a diagram for explaining an example in which an apparatus for standardizing companion animal medical data according to some embodiments of the present invention is utilized.
도 15를 참조하면, 동물병원, 동물보호기관, 각 반려동물의 보호자 등 복수의 소스로부터 반려동물 의료데이터가 수집될 수 있다. 이때, 반려동물 의료데이터 표준화 장치(10)는 복수의 소스에서 수집된 반려동물 의료데이터를 표준화하여, 표준화된 반려동물 의료데이터를 생성할 수 있다. 표준화된 반려동물 의료데이터는 모두 동일한 기준으로 정렬되기 때문에, 국가기관 및 연구기관에서 이를 활용하여 반려동물을 위한 정책을 결정할 수 있다. 또한, 보험회사에서는 표준화된 반려동물 의료데이터를 이용하여 반려동물용 보험 상품을 개발할 수도 있다. 또한, 반려동물의 보호자 입장에서는 반려동물의 건강 상태 등을 정확하고 일목요연하게 비교해볼 수 있다는 장점이 있다. Referring to FIG. 15 , companion animal medical data may be collected from a plurality of sources, such as a veterinary hospital, an animal protection institution, and a guardian of each companion animal. In this case, the companion animal medical
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely an example of the technical idea of the present embodiment, and various modifications and variations can be made to those skilled in the art without departing from the essential characteristics of the present embodiment. Therefore, the present embodiments are not intended to limit the technical idea of the present embodiment, but to explain, and the scope of the technical idea of the present embodiment is not limited by these embodiments. The scope of protection of this embodiment should be construed according to the claims below, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of rights of this embodiment.
Claims (11)
상기 반려동물 의료데이터에서 제1 의료정보항목 및 상기 제1 의료정보항목과 연관된 제1 의료정보값을 분류하는 단계;
상기 제1 의료정보항목을 미리 정한 제1 표준의료정보항목과 대응시키는 단계; 및
상기 제1 표준의료정보항목과 상기 제1 의료정보값을 이용하여 표준화된 반려동물 의료데이터를 생성하는 단계를 포함하는
반려동물 의료데이터 표준화 방법.
Receiving companion animal medical data;
Classifying a first medical information item and a first medical information value associated with the first medical information item in the companion animal medical data;
Corresponding the first medical information item with a predefined first standard medical information item; and
Generating standardized companion animal medical data using the first standard medical information item and the first medical information value
Companion animal medical data standardization method.
상기 표준화된 반려동물 의료데이터는 상기 제1 표준의료정보항목 및 상기 제1 표준의료정보항목과 다른 제2 표준의료정보항목을 포함하고,
상기 표준화된 반려동물 의료데이터를 생성하는 단계는,
상기 반려동물 의료데이터에 상기 제2 표준의료정보항목과 대응되는 의료정보항목이 불포함되는 경우, 상기 제2 표준의료정보항목과 대응되는 정보를 결측정보로 결정하는 것을 포함하는 반려동물 의료데이터 표준화 방법.
According to claim 1,
The standardized companion animal medical data includes the first standard medical information item and a second standard medical information item different from the first standard medical information item,
The step of generating the standardized companion animal medical data,
Companion animal medical data standardization method comprising determining information corresponding to the second standard medical information item as missing information when the medical information item corresponding to the second standard medical information item is not included in the companion animal medical data .
상기 표준화된 반려동물 의료데이터를 생성하는 단계는,
상기 결측정보의 예측 가부를 판단하고,
상기 결측정보가 예측가능한 경우, 상기 결측정보의 제1 예측값을 결정하여, 상기 제2 표준의료정보항목에 상기 제1 예측값을 대응시키고,
상기 결측정보가 예측불가능한 경우, 상기 제2 표준의료정보항목에 널(NULL) 값을 대응시키는 것을 더 포함하는 반려동물 의료데이터 표준화 방법.
According to claim 2,
The step of generating the standardized companion animal medical data,
Determining whether or not the missing information is predicted;
When the missing information is predictable, determining a first predicted value of the missing information and matching the first predicted value to the second standard medical information item;
Companion animal medical data standardization method further comprising matching a null value to the second standard medical information item when the missing information is unpredictable.
상기 표준화된 반려동물 의료데이터를 생성하는 단계는 표준화된 반려동물 의료데이터를 이용하여 학습된 딥러닝 모듈을 이용하여, 상기 결측정보를 결정하는 것을 더 포함하는 반려동물 의료데이터 표준화 방법.
According to claim 2,
The step of generating the standardized companion animal medical data further comprises determining the missing information using a deep learning module learned using the standardized companion animal medical data.
상기 표준화된 반려동물 의료데이터를 생성하는 단계는,
상기 반려동물 의료데이터가 제1 시점에 생성된 제1 의료정보값, 및 상기 제1 시점과 다른 제2 시점에 생성된 제2 의료정보값을 포함하는지 여부를 판단하는 것을 포함하고,
상기 제1 표준의료정보항목에 상기 제1 시점에 관한 정보 및 상기 제1 의료정보값을 대응시키고,
상기 제1 표준의료정보항목에 상기 제2 시점에 관한 정보 및 상기 제2 의료정보값을 대응시키는 것을 포함하는 반려동물 의료데이터 표준화 방법.
According to claim 1,
The step of generating the standardized companion animal medical data,
Determining whether the companion animal medical data includes a first medical information value generated at a first time point and a second medical information value generated at a second time point different from the first time point;
Corresponding information about the first time point and the first medical information value to the first standard medical information item;
Companion animal medical data standardization method comprising corresponding the information about the second point in time and the second medical information value to the first standard medical information item.
상기 표준화된 반려동물 의료데이터를 생성하는 단계는,
상기 제1 표준의료정보항목의 제1 표준단위와 상기 제1 의료정보항목의 제1 단위를 비교하고,
상기 제1 표준단위와 상기 제1 단위가 다른 경우, 상기 제1 표준단위와 상기 제1 단위가 일치하도록 상기 제1 의료정보값을 변환하여, 상기 제1 표준의료정보항목에 상기 변환된 제1 의료정보값을 대응시키고,
상기 제1 표준단위와 상기 제1 단위가 동일한 경우, 상기 제1 표준의료정보항목에 상기 제1 의료정보값을 대응시키는 것을 포함하는 반려동물 의료데이터 표준화 방법.
According to claim 1,
The step of generating the standardized companion animal medical data,
Comparing the first standard unit of the first standard medical information item and the first unit of the first medical information item,
When the first standard unit is different from the first unit, the first medical information value is converted so that the first standard unit and the first unit match, and the converted first standard medical information item is entered into the first standard medical information item. Corresponding medical information value,
Companion animal medical data standardization method comprising corresponding the first medical information value to the first standard medical information item when the first standard unit and the first unit are the same.
상기 제1 의료정보항목의 제1 단위가 부존재하는 경우, 상기 제1 표준의료정보항목에 널(NULL) 값을 대응시키는 것을 포함하는 반려동물 의료데이터 표준화 방법.
According to claim 1,
Companion animal medical data standardization method comprising matching a null value to the first standard medical information item when the first unit of the first medical information item does not exist.
상기 반려동물 의료데이터는 이미지 데이터이고,
상기 반려동물 의료데이터를 분류하는 것은,
상기 반려동물 의료데이터에 이미지 보정이 필요한지 여부를 결정하고,
상기 반려동물 의료데이터의 이미지를 인식하여 상기 제1 의료정보항목과 상기 제1 의료정보값을 결정하는 것을 포함하는 반려동물 의료데이터 표준화 방법.
According to claim 1,
The companion animal medical data is image data,
Classifying the companion animal medical data,
Determine whether image correction is required for the companion animal medical data,
Companion animal medical data standardization method comprising recognizing an image of the companion animal medical data and determining the first medical information item and the first medical information value.
Deriving a disease occurrence probability of a companion animal by using a pre-learned deep learning model based on a plurality of standardized companion animal medical data determined using the companion animal medical data standardization method according to claim 1 A method for predicting the occurrence of companion animal diseases.
상기 반려동물 의료데이터에서 제1 의료정보항목 및 상기 제1 의료정보항목과 연관된 제1 의료정보값을 분류하는 반려동물 의료데이터 분류부;
상기 제1 의료정보항목과 미리 정한 제1 표준의료정보항목을 대응시키고, 상기 제1 표준의료정보항목에 상기 제1 의료정보값을 대응시키는 반려동물 의료데이터 표준화부를 포함하는 반려동물 의료데이터 표준화 장치.
Companion animal medical data input unit providing companion animal medical data;
a companion animal medical data classification unit classifying a first medical information item and a first medical information value associated with the first medical information item in the companion animal medical data;
Companion animal medical data standardization device comprising a companion animal medical data standardization unit that matches the first medical information item with a first standard medical information item defined in advance and corresponds the first medical information value to the first standard medical information item .
상기 반려동물 의료데이터를 전처리하여 상기 반려동물 의료데이터 분류부에 제공하는 반려동물 의료데이터 전처리부를 더 포함하는 반려동물 의료데이터 표준화 장치.
According to claim 10,
Companion animal medical data standardization apparatus further comprising a companion animal medical data pre-processing unit pre-processing the companion animal medical data and providing the companion animal medical data classification unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210075994A KR102526161B1 (en) | 2021-06-11 | 2021-06-11 | Method and device for standardizing animal medical data, and method for predicting animal disease using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210075994A KR102526161B1 (en) | 2021-06-11 | 2021-06-11 | Method and device for standardizing animal medical data, and method for predicting animal disease using the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220167001A true KR20220167001A (en) | 2022-12-20 |
| KR102526161B1 KR102526161B1 (en) | 2023-04-27 |
Family
ID=84539115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210075994A KR102526161B1 (en) | 2021-06-11 | 2021-06-11 | Method and device for standardizing animal medical data, and method for predicting animal disease using the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102526161B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090281792A1 (en) * | 2007-05-23 | 2009-11-12 | Silver Creek Systems, Inc. | Self-learning data lenses |
| KR20160036801A (en) | 2014-09-26 | 2016-04-05 | 박상진 | A Health Monitoring Device of Companion Animal and a Health Monitoring System Using the Same |
| KR102097741B1 (en) * | 2019-07-25 | 2020-04-06 | 주식회사 딥노이드 | System for refining medical image data of training artificial intelligence and Driving method thereof |
| KR102246603B1 (en) * | 2018-07-30 | 2021-04-30 | (주)플라잉마운틴 | Method For Converting Health Information And System For Managing Health Information |
| KR20210062265A (en) * | 2019-11-21 | 2021-05-31 | (주)가이온 | System and method for predicting life cycle based on EMR data of companion animals |
-
2021
- 2021-06-11 KR KR1020210075994A patent/KR102526161B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090281792A1 (en) * | 2007-05-23 | 2009-11-12 | Silver Creek Systems, Inc. | Self-learning data lenses |
| KR20160036801A (en) | 2014-09-26 | 2016-04-05 | 박상진 | A Health Monitoring Device of Companion Animal and a Health Monitoring System Using the Same |
| KR102246603B1 (en) * | 2018-07-30 | 2021-04-30 | (주)플라잉마운틴 | Method For Converting Health Information And System For Managing Health Information |
| KR102097741B1 (en) * | 2019-07-25 | 2020-04-06 | 주식회사 딥노이드 | System for refining medical image data of training artificial intelligence and Driving method thereof |
| KR20210062265A (en) * | 2019-11-21 | 2021-05-31 | (주)가이온 | System and method for predicting life cycle based on EMR data of companion animals |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102526161B1 (en) | 2023-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110459287B (en) | Structured report data from medical text reports | |
| RU2703679C2 (en) | Method and system for supporting medical decision making using mathematical models of presenting patients | |
| US11645833B2 (en) | Generative adversarial network medical image generation for training of a classifier | |
| US10937540B2 (en) | Medical image classification based on a generative adversarial network trained discriminator | |
| US10540578B2 (en) | Adapting a generative adversarial network to new data sources for image classification | |
| CN109920501B (en) | Electronic medical record classification method and system based on convolutional neural network and active learning | |
| US20180144241A1 (en) | Active Learning Method for Training Artificial Neural Networks | |
| Rezaei et al. | Zero-shot learning and its applications from autonomous vehicles to COVID-19 diagnosis: A review | |
| Caruccio et al. | Can ChatGPT provide intelligent diagnoses? A comparative study between predictive models and ChatGPT to define a new medical diagnostic bot | |
| CN111126024B (en) | Statement generation | |
| López-Úbeda et al. | Automatic medical protocol classification using machine learning approaches | |
| Agu et al. | AnaXNet: anatomy aware multi-label finding classification in chest X-ray | |
| RU2720363C2 (en) | Method for generating mathematical models of a patient using artificial intelligence techniques | |
| US20220375576A1 (en) | Apparatus and method for diagnosing a medical condition from a medical image | |
| KR101955526B1 (en) | Method and system for generating clinical opinion of blood screening test | |
| CN112216379A (en) | Disease diagnosis system based on intelligent joint learning | |
| Duvieusart et al. | Multimodal cardiomegaly classification with image-derived digital biomarkers | |
| KR102526161B1 (en) | Method and device for standardizing animal medical data, and method for predicting animal disease using the same | |
| CN116844731A (en) | Disease classification method, disease classification device, electronic device, and storage medium | |
| Pathak | Automatic structuring of breast cancer radiology reports for quality assurance | |
| JP2023510667A (en) | Character Acquisition, Page Processing and Knowledge Graph Construction Method and Apparatus, Medium | |
| Shekerbek et al. | APPLICATION OF MATHEMATICAL METHODS AND MACHINE LEARNING ALGORITHMS FOR CLASSIFICATION OF X-RAY IMAGES. | |
| CN113658688A (en) | Clinical decision support method based on word segmentation-free deep learning | |
| Moosavi et al. | Segmentation and classification of lungs CT-scan for detecting COVID-19 abnormalities by deep learning technique: U-Net model | |
| US20240028831A1 (en) | Apparatus and a method for detecting associations among datasets of different types |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |