WO2018079975A1 - 데이터 유사도 평가 시스템 - Google Patents

데이터 유사도 평가 시스템 Download PDF

Info

Publication number
WO2018079975A1
WO2018079975A1 PCT/KR2017/006499 KR2017006499W WO2018079975A1 WO 2018079975 A1 WO2018079975 A1 WO 2018079975A1 KR 2017006499 W KR2017006499 W KR 2017006499W WO 2018079975 A1 WO2018079975 A1 WO 2018079975A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
change amount
similarity
value
time series
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2017/006499
Other languages
English (en)
French (fr)
Inventor
조성진
최광호
류연희
김준범
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Institute of Oriental Medicine KIOM
Original Assignee
Korea Institute of Oriental Medicine KIOM
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 Korea Institute of Oriental Medicine KIOM filed Critical Korea Institute of Oriental Medicine KIOM
Publication of WO2018079975A1 publication Critical patent/WO2018079975A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • 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

Definitions

  • a data similarity evaluation system is disclosed. Specifically, a data similarity evaluation system is disclosed that can evaluate similarity of data such as a plurality of time series data, two-dimensional and three-dimensional spatial distribution data, and calculate an average of each similarity value to provide an overall similarity.
  • Time series data are recorded at regular intervals over time. Examples include continuous graphs such as stock chart graphs and electroencephalographs (EEGs), and electrocardiographs (ECGs) divided into individual pulses. have.
  • EEGs electroencephalographs
  • ECGs electrocardiographs
  • time series data Various methods are used to analyze such time series data and extract information desired by a user. For example, in order to analyze the components of the time series data, the signal in the time domain is transformed into the frequency domain to analyze each synthesized signal. Fourier transform or peak analysis, which can perform the frequency or characteristics of each signal, is utilized. In order to predict the trend, volatility, which is a percentage indicating the degree to which the numerical value is expected to fluctuate over time, or a trend line which predicts a trend of moving in the same direction generally for a period of time by the collected sample is used. do.
  • a method for analyzing and using time series data is disclosed in an ECG signal based continuous biometric device and method, filed Jan. 14, 2013.
  • the time series data uses the Pearson correlation coefficient that determines how similarly the variation of the waveforms of the two time series data proceeds.
  • An object according to an embodiment is to provide a data similarity evaluation system that can also determine the similarity of the data structure spatially distributed with all data recorded in the time series, such as finance, climate, etc. using a function.
  • Another object according to an embodiment is to provide a data similarity evaluation system that can calculate the similarity in consideration of the overall information of the data waveform, such as the shape, size, and amplitude of the data waveform in order to increase the similarity accuracy.
  • Another object according to an embodiment is to provide a data similarity evaluation system that can adjust sensitivity by weighting according to the characteristics of the data waveform so that it can be appropriately used in various fields including ECG stability evaluation.
  • Another object according to an embodiment is to provide a data similarity evaluation system capable of measuring similarity between data measured in real time.
  • Another object according to an embodiment is to provide a data similarity evaluation system that simplifies the method of calculating the similarity evaluation.
  • Another object according to an embodiment is to provide a data similarity evaluation system for reducing errors in the similarity evaluation calculation.
  • Another object according to an embodiment is to provide an ECG stability evaluation system that can more accurately diagnose an ECG abnormality using a data similarity evaluation system.
  • Another object according to an embodiment is to provide an ECG stability evaluation system capable of managing health in real time in everyday life using a wearable device.
  • Another object according to one embodiment is to provide an ECG stability evaluation system that simplifies the method of diagnosing ECG abnormalities.
  • a data similarity evaluation system may include a collector configured to collect data; A processing unit for comparing the data collected through the collection unit; And a display unit for displaying a result compared from the processing unit, wherein the processing unit is a value at the same point of the first change amount and other data, which is a difference between a value at one point of the data and a reference value.
  • Calculates a change amount ratio that is a ratio of a second change amount that is a difference between and a reference value and the processor calculates a similarity between the data as a maximum value when the change amount ratio is 1, and the similarity degree when the change amount ratio is -1. Is calculated as a minimum value, and the similarity may be calculated as 0 when the change ratio is 0 and when the change ratio is infinitely divergent.
  • the similarity is the following similarity evaluation function
  • the first change amount is represented by ⁇ A i
  • the second change amount is represented by ⁇ Bi
  • n ′ is the number of valid points among the points of the data
  • r i is the change rate ratio. 1 change amount ⁇ Bi / second change amount ⁇ Ai
  • s (r i ) is
  • the function w (x) in the w (r i ) is a weight applied to a specific interval, and is 1 when none of the first change amount and the second change amount has a value of 0, When both the first change amount and the second change amount have a value of 0, they may be excluded from the calculation.
  • w (x) is any one of being expressed as w ( ⁇ Ai, ⁇ Bi) in the time-series data of the pulse type
  • w ( ⁇ Ai, ⁇ Bi) is the first change amount and the second amount of change When the value is not 0,
  • the first change amount may be a value obtained by subtracting the average of the A data from one point of the A data
  • the second change amount may be a value obtained by subtracting the average of the B data from one point of the B data.
  • the data may be spatial data distributed in a two-dimensional or three-dimensional space, wherein the first data and the second data each include a two-dimensional or three-dimensional coordinate value, and the processing unit may include first data in one coordinate. And second data in coordinates corresponding to the one coordinate.
  • the time series data similarity evaluation system may include a collector configured to collect time series data; A processor configured to calculate a similarity level using the time series data collected through the collector; And a display unit for displaying a result compared from the processing unit, wherein the processing unit includes a first change amount which is a difference between a value at a first point of the time series data and a reference value, and a value at a second point of the time series data.
  • a change amount ratio that is a ratio of a second change amount that is a difference between a reference value
  • the processor calculates a similarity between the first data and the second data as a maximum value when the change amount ratio is 1, and the change rate ratio is When -1, the similarity is calculated as the minimum value, and the similarity can be calculated as 0 when the change ratio is 0 and when the change ratio is infinitely divergent.
  • the similarity is the next similarity evaluation function
  • the first change amount is represented by ⁇ A i
  • the second change amount is represented by ⁇ Bi
  • n ′ is the number of valid points among the points of the data
  • r i is the change rate ratio. 1 change amount ⁇ Bi / second change amount ⁇ Ai
  • s (r i ) is Calculated by Is, Calculated as above Where a is And b is Can be.
  • the time series data may be electrocardiogram data
  • the processor may divide the plurality of pulses of the electrocardiogram data into sections, and the first change amount is a change amount in one pulse section of the electrocardiogram data, and the second change amount is It may be a change amount in another pulse section of the ECG data.
  • first change amount and the second change amount may be a change amount calculated using data adjacent to each other on time series data.
  • the time series data may include measured electrocardiogram data and stored time series data, and the processor may calculate similarity by comparing the measured time series data and the same view data of the stored time series data with each other.
  • FIG. 1 illustrates similarity evaluated using a similarity evaluation system according to an embodiment using time series data and time series data.
  • 3A and 3B show similarity graphs of exemplary time series data having the same waveform and a similarity evaluation system according to one embodiment.
  • 4A-4E illustrate similarity calculated by a similarity evaluation system in accordance with one embodiment of exemplary time series data.
  • 5A-5D show time series data in the form of exemplary pulses and similarity values calculated by a similarity evaluation system according to one embodiment.
  • 6A-6D illustrate diagrams of exemplary two-dimensional spatial data and similarities calculated with a similarity evaluation system in accordance with one embodiment.
  • first, second, A, B, (a), and (b) may be used. These terms are only for distinguishing the components from other components, and the nature, order or order of the components are not limited by the terms. If a component is described as being “connected”, “coupled” or “connected” to another component, that component may be directly connected or connected to that other component, but between components It will be understood that may be “connected”, “coupled” or “connected”.
  • the data similarity evaluation system may include a collector, a processor, a display, and a database.
  • the collector may collect various data such as frequency data, numerical data, and spatial data such as two-dimensional or three-dimensional data.
  • the collected data may be represented as first data and second data below.
  • the processor may calculate one or more similarities by analyzing one or more data collected through the collector.
  • the display unit may visualize and output the similarity calculated from the processing unit.
  • the database may store the collected data and deliver the stored data to the processing unit.
  • the stored data transmitted to the processing unit may be a reference value to be compared when processing the collected data.
  • FIG. 1 illustrates similarity evaluated using a similarity evaluation system according to an embodiment using time series data and time series data.
  • FIG. 1 illustrates a change over time of the first data D1 and the second data D2, and the similarity (Sim) calculated using the similarity evaluation system according to the time series data and the time series data at each time point, according to an exemplary embodiment. ).
  • the similarity Sim is a similarity value Sim evaluated at the same time as the first data D1 and the second data D2 and may be displayed at the same time as shown in FIG. 1.
  • the processor calculates a ratio of change amount that is a ratio between a first change amount that is a difference between a value at one point in time of the first data and a reference value, and a second change amount that is a difference between a value at the same point in time of the second data and the reference value. do.
  • the reference value may be an average of data or a previously specified value.
  • the processor may evaluate the similarity between the first data and the second data as the maximum value when the ratio of change amount is 1, and set the similarity as the minimum value when the ratio of change amount is ⁇ 1.
  • the opposite value can be evaluated. Similarity can be evaluated as 0 when the rate of change is 0, and similarity can be evaluated as 0 when the rate of change is infinitely divergent. That is, the rate of change may be a value between -1 and 1.
  • the similarity may be continuous and differentiable.
  • Equation 1 r i is the first change amount (change rate) ) / Second variation ( )to be.
  • s (r i ) is the first change amount ( ) And the second change amount ( ) When both values are nonzero, Calculated by the first change amount ( ) And the second change amount ( Is zero when one of the values is 0, or the first change amount ( ) And the second change amount ( ) When both values are zero, they can be excluded from the operation.
  • A is the first data which is one of the data
  • B is the second data which is one of the data
  • n is the number of points of the data
  • n ' is the number of valid points among the points of the data. to be. Descriptions of valid points are described below.
  • the weighting function w (x) in w (r i ) denotes a weight applied to a specific interval, and the first change amount ( ) And the second change amount ( ) Is 1 when none of the values is 0, and the first change amount ( ) And the second change amount ( ) Can both be excluded from the operation when both have a value of zero.
  • the weighting function w (x) is Expressed as Is the first change amount ( ) And the second change amount ( If any value of) is nonzero, Calculated by the first change amount ( ) And the second change amount ( ) When both values are zero, they can be excluded from the operation.
  • 3A to 6D described below are similarity values calculated using the data similarity evaluation system Sim and the Pearson correlation coefficient Cor according to an embodiment of the present application.
  • 3A and 3B show similarity graphs of exemplary time series data having the same waveform and a similarity evaluation system according to one embodiment.
  • 3A illustrates a plurality of data graphs with the same period of waveform and different amplitudes.
  • the plurality of data graphs may be calculated using the data similarity evaluation system Sim of the present disclosure, and the plurality of data graphs may be calculated using the Pearson correlation coefficient Cor.
  • the graph of the similarity calculated using the Pearson correlation coefficient (Cor) has a value of 1 in the same direction and always -1 in the opposite direction even when the plurality of data graphs have different amplitudes. It is calculated to have a value. That is, the similarity calculated using the Pearson correlation coefficient Cor is calculated by applying only the shape of the variance without considering the size of the variance of the data.
  • graphs of similarity calculated using the data similarity evaluation system (sim) of the present application may have a value of 1 only on completely identical waveforms (both in size and shape) and may have a value of -1 only on completely opposite waveforms. .
  • 4A-4E illustrate similarity calculated by a similarity evaluation system in accordance with one embodiment of exemplary time series data.
  • 4A represents the similarity of two data graphs with similar widths but opposite directions, and the similarity value calculated using the data similarity evaluation system (Sim) of the present invention is -0.981 and uses the Pearson correlation coefficient (Cor). The similarity value calculated by using is -0.999.
  • 4B represents the similarity of two data graphs having different widths and directions of two changes, and the similarity value calculated using the data similarity evaluation system (Sim) of the present application is -0.500 and uses the Pearson correlation coefficient (Cor). The similarity value calculated by this is -0.748.
  • Figure 4c represents the similarity when the two data graphs change irrespective of each other, the similarity value calculated using the data similarity evaluation system (Sim) of the present application is 0, calculated using the Pearson correlation coefficient (Cor) The similarity value is 0.009.
  • FIG. 4D shows two data graphs having different amounts of variation and similar directions, and the similarity value calculated using the data similarity evaluation system Sim of the present application is 0.501, and the similarity value calculated using the Pearson correlation coefficient Cor. Is 0.923.
  • 4E shows two nearly similar data graphs, wherein the similarity value calculated using the data similarity evaluation system (Sim) of the present application is 0.985, and the similarity value calculated using the Pearson correlation coefficient (Cor) is 0.998.
  • 5A-5D show time series data in the form of exemplary pulses and similarity values calculated by a similarity evaluation system according to one embodiment.
  • Similarity values calculated using the data similarity evaluation system Sim of the present application used in FIGS. 5A to 5D may be calculated by applying the aforementioned weights.
  • ECG measurement data which is exemplary pulse shape time series data.
  • the data similarity evaluation system may evaluate the similarity of time series data having one continuous frequency.
  • the time series data may be electrocardiogram data.
  • the processor may evaluate the similarity by comparing two pulses in the first interval a1 of time series data, respectively.
  • the processor may evaluate the similarity by comparing the two pulses in the second section a2 of the time series data, respectively.
  • the first section a1 is a section in which the shapes of the front and rear pulses are similar, and the second section a2 is a section in which the shapes of the front and rear pulses are relatively different.
  • FIG. 5B illustrates the similarity calculated through the data similarity evaluation system Sim of the present application and the Pearson correlation coefficient Cor using adjacent front and rear pulses of each of the first section a1 and the second section a2.
  • the similarity value calculated through the data similarity evaluation system Sim of the two pulses in the first interval a1 is 0.962, and the similarity value calculated through the Pearson correlation coefficient Cor is 0.995. to be.
  • the similarity value calculated by the data similarity evaluation system Sim of the two pulses in the second section a2 is 0.809
  • the similarity value calculated by the Pearson correlation coefficient Cor is 0.983.
  • FIG. 5C shows a graph in which two adjacent pulses are overlapped with each other and the first interval a1 is the highest, and FIG. 5D compares two adjacent pulses with the least similarity. Show overlapping graphs.
  • the similarity calculated through the data similarity evaluation system of the present application and the similarity calculated through the Pearson correlation coefficient have a difference in sensitivity.
  • this sensitivity may be increased or decreased by applying weights.
  • 6A-6D illustrate diagrams of exemplary two-dimensional spatial data and similarities calculated with a similarity evaluation system in accordance with one embodiment.
  • FIGS. 6A to 6D show two-dimensional spatial data changing from FIGS. 6A to 6D based on FIG. 6A, and express the similarity between FIGS. 6A to 6D and 6A.
  • the collector of the data similarity evaluation system may collect a plurality of two-dimensional data through a plurality of channels.
  • the collected data may have two-dimensional coordinates and data values, respectively.
  • the data value may be formed in 256 steps, which may be expressed as color data values 0 (black) to 255 (white).
  • 6A and 6A are similar to each other in the form of distribution and color data, and the similarity is calculated as 0.992.
  • FIGS. 6A and 6C are similar to each other in distribution and color data.
  • FIG. 6A has a high color data value overall
  • FIG. 6D has a low color data value overall, and evaluated as a similarity of 0.301.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

일 실시예에 따른 데이터 유사도 평가 시스템은 데이터들이 수집되는 수집부; 상기 수집부를 통해 수집된 상기 데이터들을 비교하는 처리부; 및 상기 처리부로부터 비교된 결과를 표시하는 표시부;를 포함할 수 있고, 상기 처리부는 상기 데이터들 중 하나의 일 지점에서의 값과 기준 값의 차이인 제1 변화량과 다른 데이터의 동일 지점에서의 값과 기준 값의 차이인 제2 변화량의 비율인 변화량 비율를 산출하며, 상기 처리부는 상기 변화량 비율이 1일 때 상기 데이터들 사이의 유사도를 최대값으로 산정하고, 상기 변화량 비율이 -1일 때 상기 유사도를 최소값으로 산정하며, 상기 변화량 비율이 0일 때와 변화량 비율이 무한대로 발산할 때에는 상기 유사도를 0으로 계산할 수 있다.

Description

데이터 유사도 평가 시스템
데이터 유사도 평가 시스템이 개시된다. 구체적으로, 복수 개의 시계열 데이터, 2차원 및 3차원 공간 분포 데이터 등 데이터의 유사도를 평가하고, 각 유사도 값의 평균을 산출하여 전체 유사도를 제공할 수 있는, 데이터 유사도 평가 시스템이 개시된다.
시계열 데이터는 시간 경과에 따라서 일정한 간격마다 기록한 값으로서, 주식 차트 그래프, 뇌전도 그래프(EEG; electroencephalograph)와 같이 연속적인 그래프와 개별 펄스의 형태로 나누어지는 심전도 그래프(ECG;electrocardiograph) 등을 예로 들 수 있다.
이러한 시계열 데이터를 분석하여 사용자가 원하는 정보를 추출하기 위하여, 다양한 방법이 이용되고 있다. 예를 들어, 시계열 데이터의 성분 분석을 위하여 시간영역에서의 신호를 주파수영역으로 변환하여 각각의 합성 신호를 분석하는 방법으로서, 각 신호의 주파수나 특성을 할 수 있는 푸리에 변환이나 peak analysis 등이 활용되고, 추세 예측을 위하여 시간이 경과함에 따라서 수치가 변동할 것으로 예상되는 정도를 백분율로 나타내는 변동률(volatility)이나 수집된 샘플에 의해 일반적으로 어느 기간 동안 같은 방향으로 움직이는 경향을 예측하는 추세선 등이 활용된다.
시계열 데이터를 분석하고 이용하는 방법은 2013년 1월 14일 출원된 "심전도 신호 기반의 연속적 생체인식 장치 및 방법"에 개시되어 있다.
또한, 일반적으로 시계열 데이터는 두 시계열 데이터의 파형의 변동이 얼마나 유사하게 진행되는지 판단하는 피어슨 상관계수가 이용되고 있다.
일 실시예에 따른 목적은 함수를 이용하여 금융, 기후, 등 시계열로 기록되는 모든 데이터와 공간적으로 분포하는 데이터 구조도 또한 유사도를 판정할 수 있는 데이터 유사도 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 유사도 정확도를 상승시키기 위해 데이터 파형의 모양과 크기, 진폭 등 데이터 파형의 전반적인 정보를 모두 고려하여 유사도를 산출할 수 있는 데이터 유사도 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 심전도 안정성 평가를 비롯한 다양한 분야에서 적절하게 이용될 수 있도록 데이터 파형의 특징에 따라서 가중치를 주어 민감도를 조절할 수 있는 데이터 유사도 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 실시간으로 측정되는 데이터들 간의 유사도를 측정할 수 있는 데이터 유사도 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 유사도 평가 계산 방법을 간단화 시키는 데이터 유사도 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 유사도 평가 계산의 오차를 저감시키는 데이터 유사도 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 데이터 유사도 평가 시스템을 이용하여 심전도의 이상을 보다 정확하게 진단할 수 있는 심전도 안정성 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 웨어러블 디바이스를 이용하여 일상에서 실시간으로 건강을 관리할 수 있는 심전도 안정성 평가 시스템을 제공하는 것이다.
일 실시예에 따른 다른 목적은 심전도 이상을 진단하는 방법을 간단화하는 심전도 안정성 평가 시스템을 제공하는 것이다.
일 실시예에 따른 데이터 유사도 평가 시스템은 데이터들이 수집되는 수집부; 상기 수집부를 통해 수집된 상기 데이터들을 비교하는 처리부; 및 상기 처리부로부터 비교된 결과를 표시하는 표시부;를 포함할 수 있고, 상기 처리부는 상기 데이터들 중 하나의 일 지점에서의 값과 기준 값의 차이인 제1 변화량과 다른 데이터의 동일 지점에서의 값과 기준 값의 차이인 제2 변화량의 비율인 변화량 비율를 산출하며, 상기 처리부는 상기 변화량 비율이 1일 때 상기 데이터들 사이의 유사도를 최대값으로 산정하고, 상기 변화량 비율이 -1일 때 상기 유사도를 최소값으로 산정하며, 상기 변화량 비율이 0일 때와 변화량 비율이 무한대로 발산할 때에는 상기 유사도를 0으로 계산할 수 있다.
또한, 상기 유사도는 다음 유사도 평가 함수
Figure PCTKR2017006499-appb-I000001
에 의해 계산되며, 제1 변화량은 ΔAi로 표현되고, 제2 변화량은 ΔBi로 표현되며, 상기 n'은 상기 데이터의 지점들 중 유효한 지점들의 개수이고, 상기 ri는 상기 변화량 비율인 제1 변화량(ΔBi)/제2 변화량(ΔAi)이며, 상기 s(ri)는,
Figure PCTKR2017006499-appb-I000002
에 의해 연산되고, 상기
Figure PCTKR2017006499-appb-I000003
는
Figure PCTKR2017006499-appb-I000004
으로 계산되고, 상기
Figure PCTKR2017006499-appb-I000005
에서 a 및 b는 상수 값일 수 있다.
또한, 상기 a는
Figure PCTKR2017006499-appb-I000006
이며, 상기 b는
Figure PCTKR2017006499-appb-I000007
일 수 있다.
또한, 상기 유사도에는 가중치가 더해져서 다음 식
Figure PCTKR2017006499-appb-I000008
에 의해 계산되고, 상기 w(ri)에서 함수 w(x)는 특정 구간에 적용되는 가중치를 의미하며, 상기 제1 변화량과 상기 제2 변화량 중 어떤 것도 0의 값을 가지지 않을 때 1이고, 상기 제1 변화량과 상기 제2 변화량 둘 모두 0의 값을 가질 때 연산에서 제외될 수 있다.
또한, 상기 함수 w(x)는 펄스 형태의 시계열 데이터에서 w(ΔAi, ΔBi)으로 표현되며, w(ΔAi, ΔBi)은, 상기 제1 변화량과 상기 제2 변화량 중 어떠한 하나의 값이라도 0이 아닐 때, |ΔAi| + |ΔBi| 으로 연산되고, 상기 제1 변화량과 상기 제2 변화량 둘 모두의 값이 0일 때, 연산에서 제외될 수 있다.
또한, 상기 제1 변화량은 상기 A데이터의 일 지점에서 상기 A데이터의 평균을 뺀 값이고, 상기 제2 변화량은 상기 B데이터의 일 지점에서 상기 B데이터의 평균을 뺀 값일 수 있다.
또한, 상기 데이터는 2차원 또는 3차원 공간에 분포되는 공간데이터이며,상기 제1 데이터 및 상기 제2 데이터는 각각 2차원 또는 3차원 좌표값을 포함하고, 상기 처리부는 일 좌표에서의 제1 데이터와 상기 일 좌표에 대응되는 좌표에서의 제2 데이터를 비교할 수 있다.
또는, 일 실시예에 따른 시계열 데이터 유사도 평가 시스템은 시계열 데이터를 수집하는 수집부; 상기 수집부를 통해 수집된 상기 시계열 데이터를 이용하여 유사도를 산출하는 처리부; 및 상기 처리부로부터 비교된 결과를 표시하는 표시부;를 포함하고, 상기 처리부는 상기 시계열 데이터의 제1 지점에서의 값과 기준 값의 차이인 제1 변화량과 상기 시계열 데이터의 제2 지점에서의 값과 기준 값의 차이인 제2 변화량의 비율인 변화량 비율를 산출하며, 상기 처리부는 상기 변화량 비율이 1일 때 상기 제1 데이터 및 상기 제2 데이터들 사이의 유사도를 최대값으로 산정하고, 상기 변화량 비율이 -1일 때 상기 유사도를 최소값으로 산정하며, 상기 변화량 비율이 0일 때와 변화량 비율이 무한대로 발산할 때에는 상기 유사도를 0으로 계산할 수 있다.
상기 유사도는 다음 유사도 평가 함수
Figure PCTKR2017006499-appb-I000009
에 의해 계산되며, 제1 변화량은 ΔAi로 표현되고, 제2 변화량은 ΔBi로 표현되며, 상기 n'은 상기 데이터의 지점들 중 유효한 지점들의 개수이고, 상기 ri는 상기 변화량 비율인 제1 변화량(ΔBi)/제2 변화량(ΔAi)이며,상기 s(ri)는
Figure PCTKR2017006499-appb-I000010
에 의해 연산되고, 상기
Figure PCTKR2017006499-appb-I000011
는,
Figure PCTKR2017006499-appb-I000012
으로 계산되고, 상기
Figure PCTKR2017006499-appb-I000013
에서 상기 a는
Figure PCTKR2017006499-appb-I000014
이며 상기 b는
Figure PCTKR2017006499-appb-I000015
일 수 있다.
또한, 상기 시계열 데이터는 심전도 데이터이고, 상기 처리부는 상기 심전도 데이터의 복수 개의 상기 펄스를 구간별로 구분하며, 상기 제1 변화량은 상기 심전도 데이터의 일 펄스 구간에서의 변화량이며, 상기 제2 변화량은 상기 심전도 데이터의 다른 일 펄스 구간에서의 변화량일 수 있다.
또한, 상기 제1 변화량과 상기 제2 변화량은 시계열 데이터 상에서 서로 인접한 데이터를 이용하여 산출하는 변화량일 수 있다.
또한, 상기 시계열 데이터는 측정된 심전도 데이터와 저장된 시계열 데이터를 포함하고, 상기 처리부는 각각의 상기 측정된 시계열 데이터와 상기 저장된 시계열 데이터들의 동일 시점 데이터를 서로 비교하여 유사도를 산출할 수 있다.
도 1은 시계열 데이터 및 시계열 데이터를 이용하여 일 실시예에 따른 유사도 평가 시스템을 통해 평가한 유사도를 도시한다.
도 2는 일 실시예에 따른 유사도 평가 시스템의 변화량 비율을 시각적으로 도시한다.
도 3a 및 도 3b는 파형이 동일한 예시적인 시계열 데이터들과 일 실시예에 따른 유사도 평가 시스템의 유사도 그래프를 도시한다.
도 4a 내지 도 4e는 예시적인 시계열 데이터를 일 실시예에 따른 유사도 평가 시스템에 의해 산출된 유사도를 도시한다.
도 5a 내지 도 5d는 예시적인 펄스 형태의 시계열 데이터와 일 실시예에 따른 유사도 평가 시스템에 의해 산출된 유사도 값을 도시한다.
도 6a 내지 도 6d는 예시적인 2차원 공간 데이터의 도면과 데이터를 일 실시예에 따른 유사도 평가 시스템으로 산출한 유사도를 도시한다.
이하, 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
일 실시예에 따른 데이터 유사도 평가 시스템은 수집부, 처리부, 표시부 및 데이터베이스를 포함할 수 있다.
수집부는 주파수 데이터나 수치 데이터, 2차원 또는 3차원 데이터와 같은 공간 데이터 등 다양한 데이터들을 수집할 수 있다. 수집된 데이터는 아래에서 제1 데이터 및 제2 데이터로 표현될 수 있다.
처리부는 수집부를 통해서 수집된 하나 이상의 데이터를 분석하여 유사도를 산출할 수 있다.
표시부는 상기 처리부로부터 산출된 유사도를 시각화하여 출력할 수 있다.
데이터베이스는 수집된 데이터를 저장할 수 있고, 저장된 데이터를 처리부에 전달할 수 있다.
처리부에 전달된 저장된 데이터는 수집된 데이터들을 가공할 때 비교 대상이 되는 기준값이 될 수 있다.
도 1은 시계열 데이터 및 시계열 데이터를 이용하여 일 실시예에 따른 유사도 평가 시스템을 통해 평가한 유사도를 도시한다.
구체적으로, 도 1은 제1 데이터(D1) 및 제2 데이터(D2)의 시간에 따른 변화를 나타내고 시계열 데이터 및 각 시점에서 시계열 데이터를 일 실시예에 따른 유사도 평가 시스을 이용하여 산출한 유사도(Sim)를 도시한다.
제1 데이터(D1) 및 제2 데이터(D2)는 각각 다른 데이터일 수 있거나 동일한 데이터 상에서 다른 구간을 의미할 수 있다. 유사도(Sim)는 제1 데이터(D1) 및 제2 데이터(D2)와 동일 시점에서 평가되는 유사도(Sim) 값이며 도 1에서와 같이 동일한 시점에서 표시될 수 있다.
일 실시예에 따른 유사도 평가 시스템은 아래에서 자세히 설명된다.
도 2는 일 실시예에 따른 유사도 평가 시스템의 변화량 비율을 시각적으로 도시한다.
처리부는 제1 데이터의 일 시점에서의 값과 기준 값과의 차이인 제1 변화량과, 제2 데이터의 동일 시점에서의 값과 기준 값과의 차이인 제2 변화량 사이의 비율인 변화량 비율을 산출한다.
기준 값은 데이터들의 평균 또는 이전에 지정된 값일 수 있다.
도 2에 도시된 바와 같이, 처리부는 변화량의 비율이 1일 때 제1 데이터 및 제2 데이터들 사이의 유사도를 최대값으로 평가할 수 있고, 변화량의 비율이 -1일 때 유사도를 최소값, 즉 정 반대되는 값으로 평가할 수 있으며, 변화량 비율이 0일 때는 유사도를 0으로 평가하고, 마찬가지로 변화량 비율이 무한대로 발산할 때에는 유사도를 0으로 평가할 수 있다. 즉, 변화량 비율은 -1 내지 1사이의 값일 수 있다.
또한, 두 데이터의 변화 비율에 따라 유사도는 연속적이고 미분가능할 수 있다.이러한 조건을 만족하는 수치는,
Figure PCTKR2017006499-appb-I000016
으로 계산될 수 있다. 여기서, a는 상수로써, 경험에 의해
Figure PCTKR2017006499-appb-I000017
으로 이용될 수 있고, 마찬가지로 b는
Figure PCTKR2017006499-appb-I000018
일 수 있다.
수학식 1에서, ri는 변화량 비율인 제1 변화량(
Figure PCTKR2017006499-appb-I000019
)/제2 변화량(
Figure PCTKR2017006499-appb-I000020
)이다.
수학식 1을 참조로 하여, s(ri)는,
Figure PCTKR2017006499-appb-I000021
에 의해 연산될 수 있다.
보다 상세하게는, s(ri)는 제1 변화량(
Figure PCTKR2017006499-appb-I000022
)과 제2 변화량(
Figure PCTKR2017006499-appb-I000023
) 둘 모두의 값이 0이 아닐 때,
Figure PCTKR2017006499-appb-I000024
으로 계산되거나, 제1 변화량(
Figure PCTKR2017006499-appb-I000025
)과 제2 변화량(
Figure PCTKR2017006499-appb-I000026
) 중 하나의 값이 0일 때, 0이며 또는, 제1 변화량(
Figure PCTKR2017006499-appb-I000027
)과 제2 변화량(
Figure PCTKR2017006499-appb-I000028
) 둘 모두의 값이 0일 때, 연산에서 제외될 수 있다.
수학식 1과 수학식 2를 참조하여, 일 실시예에 따른 데이터 유사도 평가는
Figure PCTKR2017006499-appb-I000029
으로 연산될 수 있고, 여기서 A는 데이터들 중 하나인 제1 데이터이며, B는 데이터들 중 하나인 제2 데이터이고, n은 데이터의 지점 개수이며, n'은 데이터의 지점 중 유효한 지점의 개수이다. 유효한 지점에 대한 설명은 아래에서 기술된다.
데이터 유사도 평가 시스템은 위에서 언급된
Figure PCTKR2017006499-appb-I000030
에 가중치를 곱한
Figure PCTKR2017006499-appb-I000031
으로 연산될 수 있고, w(ri)에서 가중치 함수 함수 w(x)는 특정 구간에 적용되는 가중치를 의미하며 제1 변화량(
Figure PCTKR2017006499-appb-I000032
)과 제2 변화량(
Figure PCTKR2017006499-appb-I000033
) 중 어떤 것도 0의 값을 가지지 않을 때 1이고, 제1 변화량(
Figure PCTKR2017006499-appb-I000034
)과 제2 변화량(
Figure PCTKR2017006499-appb-I000035
) 둘 모두 0의 값을 가질 때 연산에서 제외될 수 있다.
특히, 펄스 형태의 시계열 데이터에서 가중치 함수 w(x)는 펄스 형태의 시계열 데이터에서
Figure PCTKR2017006499-appb-I000036
으로 표현되며,
Figure PCTKR2017006499-appb-I000037
은 제1 변화량(
Figure PCTKR2017006499-appb-I000038
)과 제2 변화량(
Figure PCTKR2017006499-appb-I000039
) 중 어떠한 하나의 값이라도 0이 아닐 때,
Figure PCTKR2017006499-appb-I000040
으로 연산되고, 제1 변화량(
Figure PCTKR2017006499-appb-I000041
)과 제2 변화량(
Figure PCTKR2017006499-appb-I000042
) 둘 모두의 값이 0일 때, 연산에서 제외될 수 있다.
아래에서 설명되는 도 3a 내지 도 6d는 본원의 일 실시예에 따른 데이터 유사도 평가 시스템(Sim)과 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도 값에 대한 것이다.
도 3a 및 도 3b는 파형이 동일한 예시적인 시계열 데이터들과 일 실시예에 따른 유사도 평가 시스템의 유사도 그래프를 도시한다.
도 3a는 파형의 주기는 동일하고 진폭은 다른 복수 개의 데이터 그래프들을 도시한다.
도 3b를 참조하여, 복수 개의 데이터 그래프들은 본원의 데이터 유사도 평가 시스템(Sim)을 이용하여 산출될 수 있으며, 또한 복수 개의 데이터 그래프들은 피어슨 상관계수(Cor)를 이용하여 산출될 수 있다.
도 3b에 도시된 바와 같이, 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도의 그래프는 복수 개의 데이터 그래프들이 서로 진폭이 달라도 동일한 방향에서는 항상 1의 값을 가지고 서로 반대 방향으로는 항상 -1의 값을 가지도록 산출된다. 즉, 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도는 데이터의 분산의 크기는 고려하지 않고 분산의 형태만을 적용하여 산출된다.
반면에, 본원의 데이터 유사도 평가 시스템(sim)을 이용하여 산출되는 유사도의 그래프는 완전히 동일한 파형(크기와 형태 모두)에서만 1의 값을 가지고, 완전히 반대인 파형에서만 -1의 값을 가질 수 있다.
도 4a 내지 도 4e는 예시적인 시계열 데이터를 일 실시예에 따른 유사도 평가 시스템에 의해 산출된 유사도를 도시한다.
도 4a는 변화의 폭은 유사하지만 방향이 반대인 두 데이터 그래프의 유사도를 표현하며, 본원의 데이터 유사도 평가 시스템(Sim)을 이용하여 산출되는 유사도 값은 -0.981이고 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도 값은 -0.999이다.
도 4b는 두 변화의 폭이 다르고 방향도 다른 두 데이터 그래프의 유사도를 표현하며, 본원의 데이터 유사도 평가 시스템(Sim)을 이용하여 산출되는 유사도 값은 -0.500이고, 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도 값은 -0.748이다.
도 4c는 두 데이터 그래프가 서로 무관하게 변화하는 경우의 유사도를 표현하며, 본원의 데이터 유사도 평가 시스템(Sim)을 이용하여 산출되는 유사도 값은 0이고, 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도 값은 0.009이다.
도 4d는 변화 량이 다르고 유사한 방향성을 가지는 두 데이터 그래프들을 도시하며, 본원의 데이터 유사도 평가 시스템(Sim)을 이용하여 산출되는 유사도 값은 0.501이고, 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도 값은 0.923이다.
도 4e는 거의 유사한 두 데이터 그래프들을 도시하며, 본원의 데이터 유사도 평가 시스템(Sim)을 이용하여 산출되는 유사도 값은 0.985이고, 피어슨 상관계수(Cor)를 이용하여 산출되는 유사도 값은 0.998이다.
도 5a 내지 도 5d는 예시적인 펄스 형태의 시계열 데이터와 일 실시예에 따른 유사도 평가 시스템에 의해 산출된 유사도 값을 도시한다.
도 5a 내지 도 5d에서 이용되는 본원의 데이터 유사도 평가 시스템(Sim)을 이용하여 산출되는 유사도 값에는 앞에서 언급된 가중치가 적용되어서 산출될 수 있다.
도 5a는 예시적인 펄스 형태 시계열 데이터인 ECG 측정 데이터를 도시한다.
도 5a 내지 도 5d를 참조하여, 데이터 유사도 평가 시스템은 연속되는 하나의 주파수를 가진 시계열 데이터의 유사도를 평가할 수 있다.
예를 들어, 시계열 데이터는 심전도 데이터일 수 있다. 도 5a를 참조하여,처리부는 시계열 데이터의 제1 구간(a1) 내의 두 펄스를 각각 비교하여 유사도를 평가할 수 있다. 마찬가지로 처리부는 시계열 데이터의 제2 구간(a2) 내의 두 펄스를 각각 비교하여 유사도를 평가할 수 있다.
제1 구간(a1)은 상대적으로 전방 펄스와 후방 펄스의 모양이 유사한 구간이고, 제2 구간(a2)은 상대적으로 전방 펄스와 후방 펄스의 모양이 차이가 있는 구간이다.
도 5b는 제1 구간(a1) 및 제2 구간(a2) 각각의 인접한 전후방 펄스를 이용하여, 본원의 데이터 유사도 평가 시스템(Sim)을 통해 산출되는 유사도와 피어슨 상관계수(Cor)를 통해 산출되는 유사도의 값을 표현하는 그래프이다.
도 5b를 참조하여, 제1 구간(a1) 내의 두 펄스의 본원의 데이터 유사도 평가 시스템(Sim)을 통해 산출되는 유사도 값은 0.962이고, 피어슨 상관계수(Cor)를 통해 산출되는 유사도의 값은 0.995이다.
또한, 제2 구간(a2) 내의 두 펄스의 본원의 데이터 유사도 평가 시스템(Sim)을 통해 산출되는 유사도 값은 0.809이고, 피어슨 상관계수(Cor)를 통해 산출되는 유사도의 값은 0.983이다.
도 5c는 인접한 두 펄스를 비교하여 유사도가 가장 높은 부분인 제1 구간(a1)을 겹친 그래프를 도시하고, 도 5d는 인접한 두 펄스를 비교하여 유사도가 가장 적은 부분인 제2 구간(a2)을 겹친 그래프를 도시한다.
도 5c 및 도 5d를 참조하여, 도 5c의 두 펄스는 거의 유사한 반면, 도 5d의 두 펄스는 차이가 있음을 알 수 있다. 하지만 피어슨 상관계수를 이용하여 산출된 두 그래프의 유사도 값은 각각 0.995 및 0.983으로 큰 차이가 없음을 알 수 있고, 본원의 데이터 유사도 평가 시스템을 통해 산출되는 유사도 값은 각각 0.962 및 0.809로 상대적으로 차이가 있음을 알 수 있다.
이를 통해 본원의 데이터 유사도 평가 시스템을 통해 산출되는 유사도와 피어슨 상관계수를 통해 산출되는 유사도는 민감도의 차이가 있음을 알 수 있다. 특히 이러한 민감도는 가중치를 적용함으로써 증가될 수 있고 또는 감소될 수도 있다.
도 6a 내지 도 6d는 예시적인 2차원 공간 데이터의 도면과 데이터를 일 실시예에 따른 유사도 평가 시스템으로 산출한 유사도를 도시한다.
구체적으로, 도 6a 내지 도 6d는 도 6a를 기본으로 도 6a 내지 도 6d로 변화하는 2차원 공간 데이터를 도시하고, 도 6a 내지 도 6d와 도 6a 사이의 유사도를 표현한다.
예를 들어, 일 실시예에 따른 데이터 유사도 평가 시스템의 수집부는 복수 개의 채널을 통해서 복수 개의 2차원 데이터를 수집할 수 있다. 수집된 데이터들은 각각 2차원 좌표와 데이터 수치를 가질 수 있다. 데이터 수치는 256단계로 형성될 수 있으며, 이는 색상데이터 수치 0(검정)~255(흰색)로 표현될 수 잇다. 도 6a와 도 6a는 분포는 물론 색상데이터 수치도 거의 동일한 형태로 유사도가 0.992로 계산되었고, 도 6a와 도 6c는 분포와 색상데이터 수치와 분포도 달라 유사도가 0.646으로 계산되었다. 또한, 도 6a는 전반적으로 색상데이터 수치가 높고, 도 6d는 전체적으로 색상데이터 수치가 낮아서 0.301의 유사도로 평가되었다.
이상과 같이 본 발명의 실시예에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (12)

  1. 데이터들이 수집되는 수집부;
    상기 수집부를 통해 수집된 상기 데이터들을 비교하는 처리부; 및
    상기 처리부로부터 비교된 결과를 표시하는 표시부;
    를 포함하고,
    상기 데이터들은 제1 데이터 및 제2 데이터를 포함하며,
    상기 처리부는 상기 제1 데이터의 일 지점에서의 값과 기준 값의 차이인 제1 변화량과 상기 제2 데이터의 일 지점에서의 값과 기준 값의 차이인 제2 변화량의 비율인 변화량 비율를 산출하며,
    상기 처리부는 상기 변화량 비율이 1일 때 상기 제1 데이터 및 상기 제2 데이터들 사이의 유사도를 최대값으로 산정하고, 상기 변화량 비율이 -1일 때 상기 유사도를 최소값으로 산정하며, 상기 변화량 비율이 0일 때와 변화량 비율이 무한대로 발산할 때에는 상기 유사도를 0으로 계산하는, 데이터 유사도 평가 시스템.
  2. 제 1항에 있어서,
    상기 유사도는 다음 유사도 평가 함수
    Figure PCTKR2017006499-appb-I000043
    에 의해 계산되며,
    제1 변화량은 ΔAi로 표현되고,
    제2 변화량은 ΔBi로 표현되며,
    상기 n'은 상기 데이터의 지점들 중 유효한 지점들의 개수이고,
    상기 ri는 상기 변화량 비율인 제1 변화량(ΔBi)/제2 변화량(ΔAi)이며,
    상기 s(ri)는,
    Figure PCTKR2017006499-appb-I000044
    에 의해 연산되고,
    상기
    Figure PCTKR2017006499-appb-I000045
    는,
    Figure PCTKR2017006499-appb-I000046
    으로 계산되고,
    상기
    Figure PCTKR2017006499-appb-I000047
    에서 a 및 b는 상수 값인, 데이터 유사도 평가 시스템.
  3. 제 2항에 있어서,
    상기 a는
    Figure PCTKR2017006499-appb-I000048
    이며,
    상기 b는
    Figure PCTKR2017006499-appb-I000049
    인, 데이터 유사도 평가 시스템
  4. 제 2항에 있어서,
    상기 유사도에는 가중치가 더해져서 다음 식
    Figure PCTKR2017006499-appb-I000050
    에 의해 계산되고,
    상기 w(ri)에서 함수 w(x)는 특정 구간에 적용되는 가중치를 의미하며,
    상기 제1 변화량과 상기 제2 변화량 중 어떤 것도 0의 값을 가지지 않을 때 1이고,
    상기 제1 변화량과 상기 제2 변화량 둘 모두 0의 값을 가질 때 연산에서 제외되는, 데이터 유사도 평가 시스템.
  5. 제 4항에 있어서,
    상기 함수 w(x)는
    펄스 형태의 시계열 데이터에서
    w(ΔAi, ΔBi)
    으로 표현되며,
    w(ΔAi, ΔBi)은,
    상기 제1 변화량과 상기 제2 변화량 중 어떠한 하나의 값이라도 0이 아닐 때,
    |ΔAi| + |ΔBi|
    으로 연산되고,
    상기 제1 변화량과 상기 제2 변화량 둘 모두의 값이 0일 때, 연산에서 제외되는, 데이터 유사도 평가 시스템.
  6. 제 2항에 있어서,
    상기 제1 변화량은 상기 A데이터의 일 지점에서 상기 A데이터의 평균을 뺀 값이고,
    상기 제2 변화량은 상기 B데이터의 일 지점에서 상기 B데이터의 평균을 뺀 값인, 데이터 유사도 평가 시스템.
  7. 제 1항에 있어서,
    상기 데이터는 2차원 또는 3차원 공간에 분포되는 공간데이터이며,
    상기 제1 데이터 및 상기 제2 데이터는 각각 2차원 또는 3차원 좌표값을 포함하고,
    상기 처리부는 일 좌표에서의 제1 데이터와 상기 일 좌표에 대응되는 좌표에서의 제2 데이터를 비교하는, 데이터 유사도 평가 시스템.
  8. 시계열 데이터를 수집하는 수집부;
    상기 수집부를 통해 수집된 상기 시계열 데이터를 이용하여 유사도를 산출하는 처리부; 및
    상기 처리부로부터 비교된 결과를 표시하는 표시부;
    를 포함하고,
    상기 처리부는 상기 시계열 데이터의 제1 지점에서의 값과 기준 값의 차이인 제1 변화량과 상기 시계열 데이터의 제2 지점에서의 값과 기준 값의 차이인 제2 변화량의 비율인 변화량 비율를 산출하며,
    상기 처리부는 상기 변화량 비율이 1일 때 상기 제1 데이터 및 상기 제2 데이터들 사이의 유사도를 최대값으로 산정하고, 상기 변화량 비율이 -1일 때 상기 유사도를 최소값으로 산정하며, 상기 변화량 비율이 0일 때와 변화량 비율이 무한대로 발산할 때에는 상기 유사도를 0으로 계산하는, 데이터 유사도 평가 시스템.
  9. 제 8항에 있어서,
    상기 유사도는 다음 유사도 평가 함수
    Figure PCTKR2017006499-appb-I000051
    에 의해 계산되며,
    제1 변화량은 ΔAi로 표현되고,
    제2 변화량은 ΔBi로 표현되며,
    상기 n'은 상기 데이터의 지점들 중 유효한 지점들의 개수이고,
    상기 ri는 상기 변화량 비율인 제1 변화량(ΔBi)/제2 변화량(ΔAi)이며,
    상기 s(ri)는,
    Figure PCTKR2017006499-appb-I000052
    에 의해 연산되고,
    상기
    Figure PCTKR2017006499-appb-I000053
    는,
    Figure PCTKR2017006499-appb-I000054
    으로 계산되고,
    상기
    Figure PCTKR2017006499-appb-I000055
    에서 상기 a는
    Figure PCTKR2017006499-appb-I000056
    이며 상기 b는
    Figure PCTKR2017006499-appb-I000057
    인, 데이터 유사도 평가 시스템
  10. 제 8항에 있어서,
    상기 시계열 데이터는 심전도 데이터이고,
    상기 처리부는 상기 심전도 데이터의 복수 개의 상기 펄스를 구간별로 구분하며,
    상기 제1 변화량은 상기 심전도 데이터의 일 펄스 구간에서의 변화량이며,
    상기 제2 변화량은 상기 심전도 데이터의 다른 일 펄스 구간에서의 변화량인, 데이터 유사도 평가 시스템.
  11. 제 10항에 있어서,
    상기 제1 변화량과 상기 제2 변화량은 시계열 데이터 상에서 서로 인접한 데이터를 이용하여 산출하는 변화량인, 데이터 유사도 평가 시스템.
  12. 제 8항에 있어서,
    상기 시계열 데이터는 측정된 심전도 데이터와 저장된 시계열 데이터를 포함하고,
    상기 처리부는 각각의 상기 측정된 시계열 데이터와 상기 저장된 시계열 데이터들의 동일 시점 데이터를 서로 비교하여 유사도를 산출하는, 데이터 유사도 평가 시스템.
PCT/KR2017/006499 2016-10-31 2017-06-21 데이터 유사도 평가 시스템 Ceased WO2018079975A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020160143596A KR101908786B1 (ko) 2016-10-31 2016-10-31 데이터 유사도 평가 시스템
KR10-2016-0143596 2016-10-31

Publications (1)

Publication Number Publication Date
WO2018079975A1 true WO2018079975A1 (ko) 2018-05-03

Family

ID=62025085

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/006499 Ceased WO2018079975A1 (ko) 2016-10-31 2017-06-21 데이터 유사도 평가 시스템

Country Status (2)

Country Link
KR (1) KR101908786B1 (ko)
WO (1) WO2018079975A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113855040A (zh) * 2021-11-09 2021-12-31 郑州大学第一附属医院 一种嵌入式儿童心电监护设备及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102536201B1 (ko) 2019-09-24 2023-05-24 주식회사 디셈버앤컴퍼니자산운용 시계열 데이터 유사도 계산 시스템 및 방법
KR102440304B1 (ko) 2019-09-24 2022-09-05 주식회사 디셈버앤컴퍼니자산운용 시계열 데이터 유사도 계산 시스템 및 방법
KR20240121359A (ko) 2023-02-01 2024-08-09 주식회사 디셈버앤컴퍼니 시계열 데이터 유사도 계산 시스템 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980702852A (ko) * 1996-01-08 1998-08-05 모리시타 요이찌 시계열 신호예측장치
JP2002015000A (ja) * 2000-06-29 2002-01-18 Toshiba Corp 多変数時系列データ類似度判定装置
KR20110116519A (ko) * 2010-04-19 2011-10-26 강원대학교산학협력단 마취심도 지표 산출을 위한 뇌전도 분석 장치
KR20150138559A (ko) * 2014-05-29 2015-12-10 경북대학교 산학협력단 심전도 생체정보를 이용한 실시간 개인 인증방법
JP2016050830A (ja) * 2014-08-29 2016-04-11 日置電機株式会社 波形記録装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980702852A (ko) * 1996-01-08 1998-08-05 모리시타 요이찌 시계열 신호예측장치
JP2002015000A (ja) * 2000-06-29 2002-01-18 Toshiba Corp 多変数時系列データ類似度判定装置
KR20110116519A (ko) * 2010-04-19 2011-10-26 강원대학교산학협력단 마취심도 지표 산출을 위한 뇌전도 분석 장치
KR20150138559A (ko) * 2014-05-29 2015-12-10 경북대학교 산학협력단 심전도 생체정보를 이용한 실시간 개인 인증방법
JP2016050830A (ja) * 2014-08-29 2016-04-11 日置電機株式会社 波形記録装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113855040A (zh) * 2021-11-09 2021-12-31 郑州大学第一附属医院 一种嵌入式儿童心电监护设备及系统
CN113855040B (zh) * 2021-11-09 2023-04-14 郑州大学第一附属医院 一种嵌入式儿童心电监护设备及系统

Also Published As

Publication number Publication date
KR20180047484A (ko) 2018-05-10
KR101908786B1 (ko) 2018-10-17

Similar Documents

Publication Publication Date Title
US6638232B1 (en) System and method for detecting and locating heart disease
US8494621B2 (en) Method and apparatus with reduced electrode system specific ECG interpretation
WO2018079975A1 (ko) 데이터 유사도 평가 시스템
Pinna et al. The accuracy of power-spectrum analysis of heart-rate variability from annotated RR lists generated by Holter systems
US11006874B2 (en) Real-time stress determination of an individual
US8214028B2 (en) Electrocardiogram analysis and parameter estimation
JPS63153045A (ja) システム活動の変化検出方法および装置
WO2015199258A1 (ko) 진단모델 생성 시스템 및 방법
JPS63279823A (ja) 生物電気信号の検出処理装置と方法
WO2001091627B1 (en) System and device for multi-scale analysis and representation of electrocardiographic data
WO2009005734A2 (en) Diagnostic and predictive system and methodology using multiple parameter electrocardiography superscores
CN107260161A (zh) 一种心电动力学数据量化分析方法
WO2023120775A1 (ko) 심전도 판독을 수정하기 위한 방법 및 장치
WO2024043453A1 (ko) 다중 생체신호 기반 노인성 인지장애 진단 방법 및 장치
WO2001052715A2 (en) Method and system for measuring heart rate variability
AU2003231150B2 (en) System and method for predicting the onset of cardiac pathology using fractal analysis
US11464458B2 (en) System for evaluating the maturation of a premature baby
CN109770891A (zh) 心电信号预处理方法及预处理装置
WO2020196309A1 (en) Physiological information measurement device, arrhythmia analysis system, arrhythmia analysis method, and arrhythmia analysis program
EP2754390A1 (en) TWA measuring apparatus and TWA measuring method
IL109721A (en) Analysis of heart wave forms
US10512434B2 (en) Brain activity measurement device, program, and method
CN118557166A (zh) 一种基于心电数据的心功能检测系统、存储介质及装置
Miyahara et al. The reproducibility of interpretation of 10 computer ECG systems by means of a microprocessor-based ECG signal generator
JP2015084813A (ja) 心電図測定装置、導出心電図生成方法および導出心電図生成プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17863670

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17863670

Country of ref document: EP

Kind code of ref document: A1