KR20230089580A - 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템 - Google Patents

인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템 Download PDF

Info

Publication number
KR20230089580A
KR20230089580A KR1020210177245A KR20210177245A KR20230089580A KR 20230089580 A KR20230089580 A KR 20230089580A KR 1020210177245 A KR1020210177245 A KR 1020210177245A KR 20210177245 A KR20210177245 A KR 20210177245A KR 20230089580 A KR20230089580 A KR 20230089580A
Authority
KR
South Korea
Prior art keywords
fetal
data
heart rate
heartbeat
fetal heartbeat
Prior art date
Application number
KR1020210177245A
Other languages
English (en)
Inventor
남영진
류내원
양용석
장웅진
홍순철
Original Assignee
네오컨버전스 주식회사
고려대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 네오컨버전스 주식회사, 고려대학교 산학협력단 filed Critical 네오컨버전스 주식회사
Priority to KR1020210177245A priority Critical patent/KR20230089580A/ko
Publication of KR20230089580A publication Critical patent/KR20230089580A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—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
    • A61B5/02411—Detecting, measuring or recording pulse rate or heart rate of foetuses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0011—Foetal or obstetric data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
    • A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
    • A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
    • A61B5/4362—Assessing foetal parameters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/02—Foetus

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Gynecology & Obstetrics (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Pregnancy & Childbirth (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Reproductive Health (AREA)
  • Mathematical Physics (AREA)
  • Pediatric Medicine (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Critical Care (AREA)
  • Emergency Management (AREA)
  • Emergency Medicine (AREA)
  • Nursing (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

본 발명은 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템에 관한 것이다.
본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단방법은 인공지능을 이용한 태아 박동 진단장치가 인공지능을 이용한 태아의 박동 진단방법에 있어서, 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 단계, 기 설정된 특정 시간동안 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하는 단계, 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하는 단계, 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터를 분석하여 정상/이상을 분류하는 단계를 포함한다.

Description

인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템{METHOD, APPARARUS AND SYSTEM OF DIAGNOSING BEAT OF FUTUS USING ARTIFICAIL INTELLIGENCE}
본 발명은 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템에 관한 것이다.
일반인의 경우 신체 접촉을 통한 일반 심장 박동 장치들로 심장 박동의 측정이 가능하나 태아의 경우 엄마의 뱃속에 있어 일반적 장치로 심장 박동을 측정하는 것은 어려움이 있다.
또한, 태아는 일반인과는 다른 맥박수와 패턴을 가지고 있어 기존 일반인 데이터를 기반으로 하는 진단 기준으로는 판단할 수 없고, 태아의 맥박 이상여부가 태아 이상여부의 가장 중요한 요소이다.
그러나, 심장 박동을 통한 태아를 진단하는 것은 현재 전문의들의 청진에 의해 진행되고 있으며, 국내에서 인공지능(AI)을 이용하여 태아의 심장 박동 소리와 시계열 데이터를 통해 태아 이상을 진단하는 사례는 없었다.
대한민국 등록특허 제10-1936302호 (2019년01월02일 등록)
본 발명이 이루고자 하는 기술적인 과제는 인공지능을 이용하여 태아 박동을 효율적으로 진단하여 태아의 정상/이상을 확인할 수 있는 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템을 제공하는데 있다.
본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단방법은 인공지능을 이용한 태아 박동 진단장치가 인공지능을 이용한 태아의 박동 진단방법에 있어서, 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 단계, 기 설정된 특정 시간동안 상기 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하는 단계, 상기 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하는 단계, 기 학습된 태아 박동 진단 딥러닝 신경망이 상기 전처리 데이터를 분석하여 정상/이상을 분류하는 단계를 포함한다.
상기 특정 그래프는 메디 그래프이며, 상기 전처리 데이터는 상기 특정 그래프를 스펙트로그램 변환하여 생성된 스펙트로그램 데이터인 것을 특징으로 한다.
본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단장치는 기 학습된 태아 박동 진단 딥러닝 신경망을 저장하는 메모리, 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 태아 심박수 계산부와, 기 설정된 특정 시간동안 상기 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하고, 상기 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하고, 기 학습된 태아 박동 진단 딥러닝 신경망이 상기 전처리 데이터를 분석하여 정상/이상을 분류하하는 태아 박동 분석부를 포함하는 제어부를 포함한다.
상기 제어부는 지속적으로 수신되는 상기 태아 심박음 데이터를 버퍼링하고, 기 설정된 샘플링 레이트에 따라 연산 단위 시간의 상기 태아 심박음 데이터로 변환하여 분석 및 재생 가능한 크기로 처리하는 데이터 처리부를 더 포함한다.
본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단시스템은 센서를 통하여 태아 심박음을 수신하고 태아 심박음 데이터로 변환하는 태아 심박음 측정부와, 상기 태아 심박음 데이터를 진단장치 신호 송수신부 송신하는 측정장치 신호 송수신부를 포함하는 측정장치, 상기 측정장치 신호 송수신부로부터 상기 태아 심박음 데이터를 수신하는 진단장치 신호 송수신부와, 상기 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 태아 심박수 계산부와, 기 설정된 특정 시간동안 상기 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하고, 상기 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하고, 기 학습된 태아 박동 진단 딥러닝 신경망이 상기 전처리 데이터를 분석하여 정상/이상을 분류하하는 태아 박동 분석부를 포함하는 제어부를 포함하는 진단장치를 포함한다.
본 발명의 실시예에 따른 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템에 의하면 다음과 같은 효과가 있다.
첫째, 본 발명은 인공지능(AI)을 이용하여 태아의 심장 박동 소리를 통해서 태아 박동의 이상 패턴을 검출하고, 태아의 정상/이상을 진단할 수 있다.
둘째, 본 발명은 병원으로부터 제공 받은 태아 박동 수치 데이터를 딥러닝 기반으로 분석하여 태아 박동의 속도 이상 여부를 확인하고 태아 박동 수치 데이터의 패턴 변화 정보를 이용하여 태아의 정상/이상을 진단할 수 있다.
셋째, 본 발명은 인공지능을 이용하여 태아 박동 패턴 분석 딥러닝 모델을 개발할 수 있다.
넷째, 본 발명은 딥러닝 기술을 적용하여 태아 심장 박동 파형을 분석하여 태아 심장 박동 저하(Deceleration) 검출하고, 자가 검진을 통한 태아 박동 저하 검출로 태아 사망을 줄여, 태아 사망에 의한 사회적 비용을 줄이고, 출산 기피를 막을 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단시스템을 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 다른 실시예에 따른 인공지능을 이용한 태아 박동 진단방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
또한, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 이외의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
이하, 본 발명을 보다 구체적으로 설명하기 위하여 본 발명에 따른 실시예들을 첨부 도면을 참조하면서 보다 상세하게 설명하고자 한다.
본 발명에서 “박동”은 심장의 수축과 확장의 반복운동을 의미한다. 본 발명에서 “태아 박동”은 태아 심장의 수축과 확장의 반복운동을 의미한다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단시스템을 설명하기 위한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단시스템은 태아 박동 측정장치(1)와 태아 박동 진단장치(2)를 포함한다.
이하의 설명에서, 측정장치(1)는 태아 박동 측정장치(1)를, 진단장치(2)는 인공지능을 이용한 태아 박동 진단장치(2)를 의미한다.
측정장치(1)는 태아 심박음 측정부(11)와 측정장치 신호 송수신부(12)를 포함한다.
태아 심박음 측정부(11)는 센서를 통하여 태아 심박음(또는 태아 박동 소리)을 수신하고 태아 심박음 데이터(예를 들어, PCM(Pulse Code Modulation) 형태의 태아 심박음 데이터)로 변환하는 기능을 수행하는 부분이다.
측정장치 신호 송수신부(12)는 전자파와 같은 신호로 데이터를 송수신하는 부분이다. 측정장치 신호 송수신부(12)는 전기신호를 전자파로 변환하며 이 전자파를 통하여 통신 네트워크 및 다른 통신장치와 통신한다.
측정장치 신호 송수신부(12)는 진단장치 신호 송수신부(21)와 페어링을 수행하고 태아 심박음 데이터와 같은 데이터를 진단장치 신호 송수신부(21)로 송신하는 부분이다.
예를 들어, 측정장치 신호 송수신부(12)는 블루투스 통신을 이용하여 진단장치 신호 송수신부(21)와 블루투스 페어링을 수행하고 태아 심박음 데이터와 같은 데이터를 송신할 수 있다.
본 발명은 블루투스 통신 외에 다양한 통신기술을 이용하여 태아 심박음 데이터와 같은 데이터를 송수신할 수 있다.
진단장치(2)는 진단장치 신호 송수신부(21), 제어부(22), 사용자 인터페이스부(23), 메모리(24)를 포함한다. 제어부(22)는 데이터 처리부(221), 태아 심박수 계산부(222), 태아 박동 분석부(223)를 포함할 수 있다.
진단장치 신호 송수신부(21)는 전자파와 같은 신호로 데이터를 송수신하는 부분이다. 진단장치 신호 송수신부(21)는 전기신호를 전자파로 변환하며 이 전자파를 통하여 통신 네트워크 및 다른 통신장치와 통신한다.
진단장치 신호 송수신부(21)는 측정장치 신호 송수신부(12)와 페어링을 수행하고 태아 심박음 데이터와 같은 데이터를 수신하는 부분이다.
예를 들어, 진단장치 신호 송수신부(21)는 블루투스 통신을 이용하여 측정장치 신호 송수신부(12)와 블루투스 페어링을 수행하고 태아 심박음 데이터와 같은 데이터를 수신할 수 있다.
본 발명은 블루투스 통신 외에 다양한 통신기술을 이용하여 태아 심박음 데이터와 같은 데이터를 송수신할 수 있다.
제어부(22)는 본 발명에 따른 진단장치(2)를 제어하는 부분이다. 또한, 제어부(22)는 진단장치(2)의 각 구성요소를 제어하는 부분이다. 이하, 제어부(22)의 각 구성요소를 상세히 설명하도록 한다.
데이터 처리부(221)는 지속적으로 수신되는 태아 심박음 데이터(예를 들어, PCM 형태의 태아 심박음 데이터)를 버퍼링하고, 기 설정된 샘플링 레이트에 따라 연산 단위 시간의 태아 심박음 데이터로 변환하여 분석 및 재생 가능한 크기로 처리하는 부분이다.
태아 심박수 계산부(222)는 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 부분이다. 이때, 태아 심박수는 분당 심박수(BPM: beats per minute)가 가능하다.
예를 들어, 태아 심박수 계산부(222)는 초단위로 변환된 PCM 형태의 태아 심박음 데이터에서 태아 심박음 간 시간 차를 분석하여 태아 심박수를 계산할 수 있다.
태아 박동 분석부(223)는 기 설정된 특정 시간동안 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성할 수 있다. 여기서, 특정 그래프는 기 설정된 특정 시간동안 태아 심박수의 시계열 기록 그래프를 의미한다. 예를 들어, 특정 그래프는 메디 그래프(Medi-Graph)가 가능하다.
이때, 본 발명은 기 설정된 특정 시간에 대해서 사용자가 설정 가능하며, 기 설정된 특정 시간이 없는 경우, 진단장치(2)는 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성한다.
태아 박동 분석부(223)는 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성할 수 있다. 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하는 하나의 실시예로, 진단장치(2)는 특정 그래프를 스펙트로그램(Sprectrogram) 변환하여 스펙트로그램 데이터를 생성할 수 있다.
태아 박동 분석부(223)는 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터를 분석하여 정상/이상을 분류할 수 있다. 여기서, 전처리 데이터는 스펙트로그램 데이터가 가능하다.
태아 박동 분석부(223)는 정상/이상 분류를 이용하여 태아 박동의 이상 여부를 진단할 수 있다.
사용자 인터페이스부(23)는 표시부를 통해서 태아 심박음 데이터를 지정된 샘플링 레이트와 채널 수에 맞게 재생하여 표시하거나, 태아 심박수를 특정 그래프로 표시하거나, 태아 박동의 이상 여부를 진단한 결과를 표시할 수 있다.
메모리(24)는 다양한 데이터 저장하는 부분이다.
예를 들어, 메모리(24)는 태아 심박음(또는 태아 박동 소리), 태아 심박수(제1태아 심박수, 제2태아 심박수, 특정 그래프, 스펙트로그램 데이터, 스펙트로그램 기준, 기 설정된 다양한 정보(예를 들어, 기 설정된 명령, 기 설정된 특정시간 등), 기 학습된 태아 박동 진단 딥러닝 신경망 등을 저장할 수 있다.
또한, 메모리(24)는 인공지능 프로그램을 저장할 수 있다. 예를 들어, 메모리(24)는 기 학습된 태아 박동 진단 딥러닝 신경망 또는 기 학습된 태아 박동 진단 딥러닝 프로그램을 저장할 수 있다.
도 2는 본 발명의 일 실시예에 따른 인공지능을 이용한 태아 박동 진단방법을 설명하기 위한 흐름도이다.
이하의 설명에서, 진단장치(2)는 인공지능을 이용한 태아 박동 진단장치(2)를 의미한다.
도 2를 참조하면, 진단장치(2)는 태아 심박음 데이터를 수신한다(S201).
진단장치(2)는 수신한 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산한다(S202). 예를 들어, 태아 심박수는 분당 심박수(BPM: beats per minute)가 가능하다.
진단장치(2)는 기 설정된 특정 시간동안 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성한다(S203). 여기서, 특정 그래프는 기 설정된 특정 시간동안 태아 심박수의 시계열 기록 그래프를 의미한다. 예를 들어, 특정 그래프는 메디 그래프(Medi-Graph)가 가능하다.
이때, 본 발명은 기 설정된 특정 시간에 대해서 사용자가 설정 가능하며, 기 설정된 특정 시간이 없는 경우, 진단장치(2)는 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성한다.
진단장치(2)는 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성한다(S204). 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하는 하나의 실시예로, 진단장치(2)는 특정 그래프를 스펙트로그램(Sprectrogram) 변환하여 스펙트로그램 데이터를 생성할 수 있다.
아래 표 1은 스펙트로그램 변환에 대한 상세설명과 기준값의 일 예를 나타낸 것이다.
스펙트로그램 기준 기준값
샘플링 주기 48000
최소 주파수 0
최대 주파수 24000
Fast Fourier transform
윈도우크기		 2048
샘플 변환시 이동단위 512
입력 샘플 프레임 입력 샘플 1.0초 프레임 48000/480+1=101
101 *128
입력 샘플 0.4초 프레임 19200/512+1=38
38 * 128
입력 샘플 0.1초 프레임 4800/512+1=1111*128
본 발명에 따른 스펙트로그램 변환은 상기 표 1과 같은 기준값(또는 기준)에 따라 변환할 수 있는데, 이러한 스펙트로그램 변환에 대한 스펙트로그램 기준(또는 스펙트로그램 항목)과 기준값은 다양한 실시예가 가능하며, 본 발명은 다양한 형태의 스펙트로그램 변환에 적용 가능하다. 진단장치(2)는 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터를 분석하여 정상/이상을 분류한다(S205). 여기서, 전처리 데이터는 스펙트로그램 데이터가 가능하다.
예를 들어, 진단장치(2)는 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터(예를 들어, 스펙트로그램 데이터)를 분석하여 태아 박동의 이상 패턴을 검출하면 이상(또는 비정상)으로 분류하고, 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터(예를 들어, 스펙트로그램 데이터)를 분석하여 태아 박동의 이상 패턴을 검출하지 못하면 정상으로 분류한다.
본 발명은 태아 박동 데이터의 패턴 분석에서 단위 시간이 수 십분 이상으로 커지게 되면 데이터의 크기가 커지고 학습 및 분석 성능에 영향을 미치게 되기 때문에 필요한 경우 다음 실시예의 데이터 축소 기법을 혼합하여 사용할 수 있다.
본 발명에서 사용 가능한 데이터 축소 기법은 첫째, 관련이 없거나 중복되는 속성 및 차원을 제거하는 것인 속성부분집합 선택(Attribute subset selection) 기법, 둘째, 원래의 데이터를 압축된 형식으로 축소시키는 것인 차원축소(Dimensionality reduction)기법, 셋째, 데이터의 수치 값을 대체 값으로 변경시킴으로써 데이터의 크기를 줄이는 것인 수치 축소(Numerosity reduction)이다.
진단장치(2)는 정상/이상 분류를 이용하여 태아 박동의 이상 여부를 진단한다(S206).
진단장치(2)는 사용자 인터페이스를 통해서 태아 심박음 데이터를 지정된 샘플링 레이트와 채널 수에 맞게 재생하여 표시하거나, 태아 심박수를 특정 그래프로 표시하거나, 태아 박동의 이상 여부를 진단한 결과를 표시할 수 있다.
여기서, 사용자(예를 들어, 산모 또는 의사)는 진단장치(2)가 정상/이상 분류를 이용하여 태아 박동이 이상으로 진단하면 태아의 정밀 진단을 수행할 수 있다.
도 3은 본 발명의 다른 실시예에 따른 인공지능을 이용한 태아 박동 진단방법을 설명하기 위한 흐름도이다.
도 3을 참조하면, 진단장치(2)는 태아 심박음 데이터를 수신한다(S301).
진단장치(2)는 수신한 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산한다(S302). 여기서, S302단계에서 계산한 태아 심박수를 제1태아 심박수라 할 수 있다. 예를 들어, 태아 심박수는 분당 심박수(BPM: beats per minute)가 가능하다.
진단장치(2)는 태아 박동으로부터 획득한 태아 심박수를 수신한다(S303). 예를 들어, 태아 박동으로부터 획득한 태아 심박수는 병원 등에서 기 보유하고 있는 태아 박동으로부터 획득한 태아 심박수가 될 수 있다. 예를 들어, S303단계에서 수신한 태아 심박수를 제2태아 심박수라 할 수 있다.
진단장치(2)는 기 설정된 명령에 따라 기 설정된 특정 시간동안 태아 심박수(제1태아 심박수 및/또는 제2태아 심박수)를 특정 그래프 변환하여 특정 그래프를 생성한다(S304). 여기서, 특정 그래프는 기 설정된 특정 시간동안 태아 심박수의 시계열 기록 그래프를 의미한다. 예를 들어, 특정 그래프는 메디 그래프(Medi-Graph)가 가능하다.
이때, 본 발명은 기 설정된 명령, 기 설정된 특정 시간에 대해서 사용자가 설정 가능하다.
예를 들어, 진단장치(2)가 S302단계에서 계산한 태아 심박수(예를 들어, 제1태아 심박수)와 S303단계에서 수신한 태아 심박수(예를 들어, 제2태아 심박수) 중 어느 하나를 수신한 경우에 기 설정된 명령이 제1태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하라는 명령이면, 진단장치(2)는 두 태아 심박수 중에서 제1태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성할 수 있다.
다른 실시예로, 진단장치(2)가 S302단계에서 계산한 태아 심박수(예를 들어, 제1태아 심박수)와 S303단계에서 수신한 태아 심박수(예를 들어, 제2태아 심박수) 중 어느 하나를 수신한 경우에 기 설정된 명령이 제2태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하라는 명령이면, 진단장치(2)는 두 태아 심박수 중에서 제2태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성할 수 있다.
본 발명에서 진단장치(2)가 제1태아 심박수와 제2태아 심박수를 모두 수신한 경우에는 기 설정된 명령은 다양한 형태의 실시예가 가능하다.
제1실시예로, 기 설정된 명령은 진단장치(2)가 제1태아 심박수와 제2태아 심박수에서 우선순위가 높은 데이터(태아 심박수)를 이용하라는 명령이 가능하다. 이때, 진단장치(2)는 제1태아 심박수와 제2태아 심박수를 모두 수신 후에, 기 설정된 명령에 따라 우선순위를 파악하고, 우선순위가 높은 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성할 수 있다.
측정장치(1) 비교 분석하여, 두 데이터(제1태아 심박수와 제2태아 심박수)의 평균값을 이용하라는 명령이 가능하다. 이때, 진단장치(2)는 제1태아 심박수와 제2태아 심박수를 모두 수신 후에, 기 설정된 명령에 따라 제1태아 심박수와 제2태아 심박수의 평균값을 계산하고, 두 태아 심박수(제1태아 심박수와 제2태아 심박수)의 평균값을 특정 그래프 변환하여 특정 그래프를 생성할 수 있다.
진단장치(2)는 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성한다(S305). 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하는 하나의 실시예로, 진단장치(2)는 특정 그래프를 스펙트로그램(sprectrogram) 변환하여 스펙트로그램 데이터를 생성할 수 있다.
진단장치(2)는 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터를 분석하여 정상/이상을 분류한다(S306). 여기서, 전처리 데이터는 스펙트로그램 데이터가 가능하다.
예를 들어, 장치는 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터(예를 들어, 스펙트로그램 데이터) 를 분석하여 태아 박동의 이상 패턴을 검출하면 이상(또는 비정상)으로 분류하고, 기 학습된 태아 박동 진단 딥러닝 신경망이 전처리 데이터(예를 들어, 스펙트로그램 데이터)를 분석하여 태아 박동의 이상 패턴을 검출하지 못하면 정상으로 분류한다.
진단장치(2)는 정상/이상 분류를 이용하여 태아 박동의 이상 여부를 진단한다(S307).
진단장치(2)는 사용자 인터페이스를 통해서 태아 심박음 데이터를 지정된 샘플링 레이트와 채널 수에 맞게 재생하여 표시하거나, 태아 심박수를 특정 그래프로 표시하거나, 태아 박동의 이상 여부를 진단한 결과를 표시할 수 있다.
여기서, 사용자(예를 들어, 산모 또는 의사)는 진단장치(2)가 정상/이상 분류를 이용하여 태아 박동이 이상으로 진단하면 태아의 정밀 진단을 수행할 수 있다.
이와 같이, 본 발명은 태아의 박동에서 이상 패턴을 검출하여 태아의 이상 여부를 진단할 수 있다.
본 발명의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 기록매체에 기록될 수 있다. 컴퓨터 판독 가능 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램(프로그램 명령)은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic media), CDROM, DVD와 같은 광기록 매체(Optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광 매체(Magneto-optical media), 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명을 도면에 도시한 실시예를 참고하여 설명하였으나, 이는 발명을 설명하기 위한 것일 뿐이며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 발명의 상세한 설명으로부터 다양한 변형 또는 균등한 실시예가 가능하다는 것을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 권리범위는 특허청구범위의 기술적 사상에 의해 결정되어야 한다.
1: 측정장치
11: 태아 심박음 측정부
12: 측정장치 신호 송수신부
2: 진단장치
21: 진단장치 신호 송수신부
22: 제어부
221: 데이터 처리부
222: 태아 심박수 계산부
223: 태아 박동 분석부
23: 사용자 인터페이스부
24: 메모리

Claims (5)

  1. 인공지능을 이용한 태아 박동 진단장치가 인공지능을 이용한 태아의 박동 진단방법에 있어서,
    태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 단계,
    기 설정된 특정 시간동안 상기 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하는 단계,
    상기 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하는 단계,
    기 학습된 태아 박동 진단 딥러닝 신경망이 상기 전처리 데이터를 분석하여 정상/이상을 분류하는 단계를 포함하는 인공지능을 이용한 태아 박동 진단방법.
  2. 제2항에 있어서,
    상기 특정 그래프는 메디 그래프이며,
    상기 전처리 데이터는 상기 특정 그래프를 스펙트로그램 변환하여 생성된 스펙트로그램 데이터인 것을 특징으로 하는 인공지능을 이용한 태아 박동 진단방법.
  3. 기 학습된 태아 박동 진단 딥러닝 신경망을 저장하는 메모리,
    태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 태아 심박수 계산부와, 기 설정된 특정 시간동안 상기 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하고, 상기 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하고, 기 학습된 태아 박동 진단 딥러닝 신경망이 상기 전처리 데이터를 분석하여 정상/이상을 분류하하는 태아 박동 분석부를 포함하는 제어부를 포함하는 인공지능을 이용한 태아 박동 진단장치.
  4. 제3항에 있어서,
    상기 제어부는 지속적으로 수신되는 상기 태아 심박음 데이터를 버퍼링하고, 기 설정된 샘플링 레이트에 따라 연산 단위 시간의 상기 태아 심박음 데이터로 변환하여 분석 및 재생 가능한 크기로 처리하는 데이터 처리부를 더 포함하는 인공지능을 이용한 태아 박동 진단장치.
  5. 센서를 통하여 태아 심박음을 수신하고 태아 심박음 데이터로 변환하는 태아 심박음 측정부와, 상기 태아 심박음 데이터를 진단장치 신호 송수신부 송신하는 측정장치 신호 송수신부를 포함하는 측정장치,
    상기 측정장치 신호 송수신부로부터 상기 태아 심박음 데이터를 수신하는 진단장치 신호 송수신부와, 상기 태아 심박음 데이터에서 심장 박동 정보를 추출하여 태아 심박수를 계산하는 태아 심박수 계산부와, 기 설정된 특정 시간동안 상기 태아 심박수를 특정 그래프 변환하여 특정 그래프를 생성하고, 상기 특정 그래프에서 특성 추출 및 전처리를 수행하여 전처리 데이터를 생성하고, 기 학습된 태아 박동 진단 딥러닝 신경망이 상기 전처리 데이터를 분석하여 정상/이상을 분류하하는 태아 박동 분석부를 포함하는 제어부를 포함하는 진단장치를 포함하는 인공지능을 이용한 태아 박동 진단시스템.
KR1020210177245A 2021-12-13 2021-12-13 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템 KR20230089580A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210177245A KR20230089580A (ko) 2021-12-13 2021-12-13 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210177245A KR20230089580A (ko) 2021-12-13 2021-12-13 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템

Publications (1)

Publication Number Publication Date
KR20230089580A true KR20230089580A (ko) 2023-06-21

Family

ID=86989763

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210177245A KR20230089580A (ko) 2021-12-13 2021-12-13 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템

Country Status (1)

Country Link
KR (1) KR20230089580A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101936302B1 (ko) 2018-06-29 2019-01-08 이채영 딥러닝 네트워크에 기반한 퇴행성 신경질환 진단 방법 및 진단 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101936302B1 (ko) 2018-06-29 2019-01-08 이채영 딥러닝 네트워크에 기반한 퇴행성 신경질환 진단 방법 및 진단 장치

Similar Documents

Publication Publication Date Title
US20200245952A1 (en) Feature extraction apparatus and method for biometric information detection, biometric information detection apparatus, and wearable device
JP6250198B2 (ja) 異常音診断装置、異常音診断システム、異常音診断方法および異常音診断プログラム
US6931269B2 (en) Multi-domain motion estimation and plethysmographic recognition using fuzzy neural-nets
Andreotti et al. Non-invasive fetal ECG signal quality assessment for multichannel heart rate estimation
EP3803709B1 (en) Detecting abnormalities in ecg signals
EP3366203A1 (en) Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time
US20080058607A1 (en) Categorizing automatically generated physiological data based on industry guidelines
KR20190114694A (ko) 인공지능을 이용한 시계열 데이터 학습 및 분석 방법
JP2012120688A (ja) 呼吸状態分析装置、呼吸状態表示装置およびそれらにおける処理方法ならびにプログラム
Gupta et al. Segmentation and classification of heart sounds
Omarov et al. Artificial Intelligence in Medicine: Real Time Electronic Stethoscope for Heart Diseases Detection.
CN115281688A (zh) 一种基于多模态深度学习的心脏肥大多标签检测系统
KR102319262B1 (ko) 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템
KR20230089580A (ko) 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템
US9772368B2 (en) Detection of an abnormal signal in a compound sampled signal
Geryes et al. Detection of doppler microembolic signals using high order statistics
KR102467211B1 (ko) 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치
Yang et al. Unsupervised clustering and analysis of contraction-dependent fetal heart rate segments
KR102388036B1 (ko) 웨이블릿 변환을 이용한 자궁근전도 신호 분석 기반 조산 위험 모니터링 방법 및 시스템
WO2023113048A1 (ko) 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템
Vimala et al. Classification of cardiac vascular disease from ECG signals for enhancing modern health care scenario
US11903718B2 (en) Automatic noise signal interval detection method and device
Goda et al. A phonography-based method improved by hidden Markov model for fetal breathing movement detection
KR20020043997A (ko) 주성분 분석에 의한 심음 분류 방법
CN117653022A (zh) 监护系统、监护设备、服务器、监护方法及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E601 Decision to refuse application