特表 2023-534001 敵対的生成ネットワークアルゴリズムに基づく心電図生成装置及びその方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-08-07

(54)【発明の名称】敵対的生成ネットワークアルゴリズムに基づく心電図生成装置及びその方法

(51)【国際特許分類】

   A61B 5/327 20210101AFI20230731BHJP

   A61B 5/346 20210101ALI20230731BHJP

【ＦＩ】

A61B5/327

A61B5/346

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2023501654

(86)(22)【出願日】2021-07-07

(85)【翻訳文提出日】2023-01-10

(86)【国際出願番号】 KR2021008627

(87)【国際公開番号】W WO2022014943

(87)【国際公開日】2022-01-20

(31)【優先権主張番号】10-2020-0086485

(32)【優先日】2020-07-14

(33)【優先権主張国・地域又は機関】KR

(81)【指定国・地域】

(71)【出願人】

【識別番号】518358871

【氏名又は名称】ボディーフレンド カンパニー リミテッド

【氏名又は名称原語表記】ＢＯＤＹＦＲＩＥＮＤ Ｃｏ．，Ｌｔｄ．

【住所又は居所原語表記】１６３，Ｙａｎｇｊａｅｃｈｅｏｎ－ｒｏ，Ｇａｎｇｎａｍ－ｇｕ，Ｓｅｏｕｌ，Ｋｏｒｅａ

(71)【出願人】

【識別番号】523010225

【氏名又は名称】メディカル・エーアイ・カンパニー・リミテッド

【氏名又は名称原語表記】Ｍｅｄｉｃａｌ ＡＩ Ｃｏ．， Ｌｔｄ．

【住所又は居所原語表記】１６３， Ｙａｎｇｊａｅｃｈｅｏｎ－ｒｏ Ｇａｎｇｎａｍ－ｇｕ Ｓｅｏｕｌ ０６３０２ Ｒｅｐｕｂｌｉｃ ｏｆ Ｋｏｒｅａ

(74)【代理人】

【識別番号】110002789

【氏名又は名称】弁理士法人ＩＰＸ

(72)【発明者】

【氏名】クォン・ジュン・ミョン

【テーマコード（参考）】

4C127

【Ｆターム（参考）】

4C127AA02

4C127CC06

4C127GG09

4C127KK03

(57)【要約】

本発明は敵対的生成ネットワークアルゴリズムに基づく心電図生成装置及びその方法に関するものである。本発明による敵対的生成ネットワークアルゴリズムに基づく心電図生成装置は、病症の診断を受けようとする患者の心電図データの入力を受ける入力部と、前記入力された心電図データを既に学習された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、合成された複数の心電図データを生成する制御部と、前記入力された患者の実際心電図データ及び生成された複数の心電図データを出力する出力部とを含む。このように、本発明によれば、ディープラーニングアルゴリズムを用いて心電図データを特性別に学習し、学習されたモデルを用いて心臓疾患のうちの一つである不整脈を診断することで、正確度が向上し、不整脈診断の理由を一緒に提示することができるので、診断信頼度を向上させることができる。
【選択図】図３

【特許請求の範囲】

【請求項1】

敵対的生成ネットワークアルゴリズムに基づく心電図生成装置であって、
病症の診断を受けようとする患者の心電図データの入力を受ける入力部と、
前記入力された心電図データを既に学習された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、合成された複数の心電図データを生成する制御部と、
前記入力された患者の実際心電図データ及び生成された複数の心電図データを出力する出力部と、を含む、心電図生成装置。

【請求項2】

心臓疾患の診断を受けた患者のすべての心電図データから誘導心電図データを抽出し、前記抽出された誘導心電図データを既に構築された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力して複数の合成された心電図データを生成するように学習する学習部をさらに含む、請求項１に記載の心電図生成装置。

【請求項3】

前記学習部は、
入力されたすべての心電図データから抽出された誘導心電図データからｎ個の合成心電図データを生成する第１生成モデルと、
前記第１生成モデルで生成されたｎ個の合成心電図データからｍ個の合成心電図データを生成する第２生成モデルと、を含む、請求項２に記載の心電図生成装置。

【請求項4】

前記学習部は、
誘導心電図データまたはｍ個の合成心電図データの入力を受けて実際であるか合成であるかを区分する第１区分モデルと、
前記誘導心電図データを除いたすべての心電図データまたはｎ個の合成心電図データの入力を受けて実際であるか合成であるかを区分する第２区分モデルと、を含む、請求項２に記載の心電図生成装置。

【請求項5】

心電図生成装置を用いた心電図生成方法であって、
病症の診断を受けようとする患者の心電図データの入力を受ける段階と、
前記入力された心電図データを既に学習された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、合成された複数の心電図データを生成する段階と、
前記入力された患者の実際心電図データ及び生成された複数の心電図データを出力する段階と、を含む、心電図生成方法。

【請求項6】

心臓疾患の診断を受けた患者のすべての心電図データから誘導心電図データを抽出し、前記抽出された誘導心電図データを既に構築された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力して複数の合成心電図データを生成するように学習する段階をさらに含む、請求項５に記載の心電図生成方法。

【請求項7】

前記心電図データを生成するように学習する段階は、
第１生成モデルを用いて入力されたすべての心電図データから抽出された誘導心電図データからｎ個の合成心電図データを生成する段階と、
第２生成モデルを用いて前記第１生成モデルから生成されたｎ個の合成心電図データからｍ個の合成心電図データを生成する段階と、を含む、請求項６に記載の心電図生成方法。

【請求項8】

前記心電図データを生成するように学習する段階は、
第１区分モデルを用いて誘導心電図データまたはｍ個の合成心電図データの入力を受けて実際であるか合成であるかを区分する段階と、
第２区分モデルを用いて前記誘導心電図データを除いた残りの心電図データまたはｎ個の合成心電図データの入力を受けて実際であるか合成であるかを区分する段階と、を含む、請求項６に記載の心電図生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は敵対的生成ネットワークアルゴリズムに基づく心電図生成装置及びその方法に関するものであり、より詳しくはディープラーニングアルゴリズムを用いてｎ個の電極の情報から残りの１２－ｎ個の電極の情報を生成し、生成された電極の情報を用いて患者の状態を診断する敵対的生成ネットワークアルゴリズムに基づく心電図生成装置及びその方法に関するものである。

【背景技術】

【0002】

心電図とは心拍動に関連した電位を身体の表面で図形として記録したものであり、標準１２誘導心電図の他に、運動負荷心電図、活動中心電図（ホルター記録及び事件記録心電図）などがある。循環器疾患の診断に多くの検査が用いられているが、そのうちでも心電図は多くの利点を有し、臨床で一番多く使われる検査である。心電図は正確で簡単であり、再現性があり、容易に繰り返し記録することができ、検査費用が高くない非侵襲的検査である。心電図は不整脈及び冠状動脈疾患の診断に一番多く使われている。

【0003】

標準１２誘導心電図は、胸の前面に６個の電極を付着し、四肢にもそれぞれ三つの電極を付着した後、１２誘導情報を全部収集し、これを総合して疾患を診断する。しかし、１２誘導電極は胸を露出しなければならなく、１２個の電極を全部付けることが難しいので、家庭や日常生活では測定しにくい。

【0004】

最近では、１２個の電極のうち、手足に三つの電極を使う６電極情報のみを使うか、あるいはパッチ型製品のように１個の電極情報のみを用いて測定するウェアラブル心電図装備が開発されている。
図１は１２誘導心電図データを示す図である。

【0005】

例えば、図１に示すように、病院で使用する１２誘導電極による心電図は、左側及び右側の総１２個リードの心電図を同時に測定する。しかし、ウェアラブル心電図装備では、最左側の四肢電極情報（手足に三つの電極を付けてＩ、ＩＩ、ＩＩＩ、ａＶＬ、ａＶＦ、ａＶＬの６個の電極の情報を測定する）のみを使うか、またはそのうちのＩまたはＩＩなどの一つの電極の心電図情報のみを収集する。

【0006】

前記のように、６個の電極の情報のみを使うか、または１個の電極の情報のみを使えば、元の１２誘導電極の情報を使うより半分または１／１２の情報のみを使うしかないので、正確度が低下する問題点があった。
本発明の背景になる技術は韓国登録特許第１０－１１０９７３８号公報（２０１２．０２．２４．公告）に開示されている。

【発明の概要】

【発明が解決しようとする課題】

【0007】

本発明が達成しようとする技術的課題は、ディープラーニングアルゴリズムを用いてｎ個の電極の情報から残りの１２－ｎ個の電極の情報を生成し、生成された電極の情報を用いて患者の状態を予測する敵対的生成ネットワークアルゴリズムに基づく心電図生成装置及びその方法を提供することである。

【課題を解決するための手段】

【0008】

このような技術的課題を達成するための本発明の実施例によるディープラーニングアルゴリズム（敵対的生成ネットワークアルゴリズム）に基づく心電図生成装置は、病症の診断を受けようとする患者の心電図データの入力を受ける入力部と、前記入力された心電図データを既に学習された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、合成された複数の心電図データを生成するデータ生成部（制御部）と、前記入力された患者の実際心電図データ及び生成された複数の心電図データを出力する出力部とを含む。

【0009】

心臓疾患の診断を受けた患者のすべての心電図データから誘導心電図データを抽出し、前記抽出された誘導心電図データを既に構築された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力して複数の合成された心電図データを生成するように学習する学習部をさらに含むことができる。

【0010】

前記学習部は、入力されたすべての心電図データから抽出された誘導心電図データからｎ個の合成心電図データを生成する第１生成モデルと、前記第１生成モデルで生成されたｎ個の合成心電図データからｍ個の合成心電図データを生成する第２生成モデルとを含むことができる。

【0011】

前記学習部は、誘導心電図データまたはｍ個の合成心電図データの入力を受けて実際であるか合成であるかを区分する第１区分モデルと、前記誘導心電図データを除いたすべての（残りの）心電図データまたはｎ個の合成心電図データの入力を受けて実際であるか合成であるかを区分する第２区分モデルとを含むことができる。

【0012】

また、本発明の他の実施例による心電図生成装置を用いたディープラーニングアルゴリズム（敵対的生成ネットワークアルゴリズム）に基づく心電図生成方法は、病症の診断を受けようとする患者の心電図データの入力を受ける段階と、前記入力された心電図データを既に学習された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、合成された複数の心電図データを生成する段階と、前記入力された患者の実際心電図データ及び生成された複数の心電図データを出力する段階とを含む。

【発明の効果】

【0013】

このように、本発明によれば、ディープラーニングアルゴリズムを用いて一つの電極または三つの電極で測定された心電図を用いてｎ個の追加心電図を生成することで、心臓関連疾患診断の正確度を高めることができる。また、本発明によれば、携帯用ウェアラブル心電図装備に適用可能であるので、家庭や日常生活にも使用可能である。

【図面の簡単な説明】

【0014】

【図1】一般的な標準１２誘導心電図方法を説明するための図である。

【図2】本発明の実施例による敵対的生成ネットワークアルゴリズムに基づく心電図生成装置を示すブロック構成図である。

【図3】本発明の実施例による敵対的生成ネットワークアルゴリズムに基づく心電図生成方法の動作の流れを示すフローチャートである。

【図4】心電図データの種類を示す図である。

【図5】本発明の実施例による生成モデル及び区分モデルを説明するための図である。

【発明を実施するための形態】

【0015】

ディープラーニングアルゴリズムに基づく心電図生成装置であって、前記心電図生成装置は、病症の診断を受けようとする患者の心電図データの入力を受ける入力部と、前記入力された心電図データを既に学習された敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、合成された複数の心電図データを生成するデータ生成部と、前記入力された患者の実際心電図データ、生成された複数の心電図データ及び診断結果を出力する出力部とを含む。
発明の実施のための形態

【0016】

以下、添付図面に基づいて本発明による好適な実施例を詳細に説明する。以下の説明で、図面に示す線の厚さや構成要素の大きさなどは説明の明瞭性及び便宜性のために誇張して示されていることがあり得る。

【0017】

また、後述する用語は本発明における機能を考慮して定義した用語であり、これは使用者、運用者の意図または慣例によって変わることができる。したがって、このような用語に対する定義はこの明細書全般にわたる内容に基づいて決定されなければならないであろう。
まず、図２を参照して本発明の実施例によるディープラーニングアルゴリズムに基づく心電図生成装置について説明する。
図２は本発明の実施例による敵対的生成ネットワークアルゴリズムに基づく心電図生成装置を示すブロック構成図である。

【0018】

図２に示すように、本発明の実施例による敵対的生成ネットワークアルゴリズムに基づく心電図生成装置１００は、入力部１１０、データ生成部（制御部）１２０、学習部１３０、及び出力部１４０を含む。

【0019】

まず、入力部１１０は、患者の心電図データの入力を受ける。ここで、入力部１１０は入力された心電図データがどの信号であるかを示す情報（ｉｎｄｉｃａｔｏｒ）をさらに受ける。

【0020】

データ生成部１２０は、入力された心電図データを学習の完了した敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、複数の合成された心電図データを生成する。

【0021】

学習部１３０は、心臓疾患を有している患者から測定された心電図データの入力を受ける。そして、入力された心電図データから誘導データを抽出し、抽出された誘導データを敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力することで、合成された心電図データを出力するように学習する。

【0022】

ここで、学習部１３０は、敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに基づく複数の生成モデル及び区分モデルを構築する。よって、学習部１３０は、生成モデルを用いて合成された心電図データを生成するように学習させ、区分モデルを用いて生成された合成心電図データ及び実際心電図データを分析して合成であるかを区分するように学習させる。
最後に、出力部は、入力された心電図データ及び合成されて生成された複数の心電図データを用いた診断結果を出力する。
以下では、図３及び図４を参照して心電図データを生成する方法についてより詳細に説明する。

【0023】

図３は本発明の実施例による敵対的生成ネットワークアルゴリズムに基づく心電図生成方法の動作の流れを示すフローチャートであり、図４は心電図データの種類を示す図であり、図５は本発明の実施例による生成モデル及び区分モデルを説明するための図である。
図３に示すように、本発明の実施例による入力部１１０は、１２誘導電極を用いて測定した心電図データの入力を受ける（Ｓ３１０）。

【0024】

詳述すると、入力部１１０は、不整脈または心臓疾患に関連した診断を受けた患者の身体一部に１２誘導電極を付着して測定した心電図データの入力を受ける。ここで、入力部１１０は、入力された心電図データがどの信号であるかを示す情報（ｉｎｄｉｃａｔｏｒ）をさらに受ける。

【0025】

本発明の実施例では、入力された心電図データは１２誘導電極で獲得した心電図データを記載したが、これに限定されず、必要に応じては、６誘導電極、１８誘導電極または２４誘導電極などで獲得した心電図データを使っても関係ない。
その後、入力部１１０は、入力された１２個の心電図データ及びそれに対応する診断結果を学習部１３０に伝達する。

【0026】

すると、学習部１３０は、１２個の心電図データのうちからｎ個の誘導心電図データを抽出し、抽出されたｎ個の誘導心電図データを第１生成モデルに入力して１２－ｎ個の合成心電図データを抽出するように学習させる（Ｓ３２０）。

【0027】

これを再び説明すると、学習部１３０は、複数の患者から測定された心電図データを収集する。その後、学習部１３０はそれぞれのグループからｎ個の誘導心電図データを抽出する。抽出された誘導心電図データは敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに基づく第１生成モデルに入力される。

【0028】

これを再び説明すると、図４に示すように、心電図は、三つの標準誘導（Ｉ／ＩＩ／ＩＩＩ）、三つの四肢誘導（ａＶＲ／ａＶＲ／ａＶＦ）、及び６個の胸部誘導（Ｖ１～Ｖ６）のグラフとして記録される。

【0029】

したがって、第１生成モデルは、入力されたｎ個の誘導心電図データ及び誘導心電図データに対応する信号についての情報（ｉｎｄｉｃａｔｏｒ）の入力を受ける。
すると、第１生成モデルは、入力された誘導心電図データを除いた残りの心電図データを合成して生成する。

【0030】

例えば、入力された誘導心電図データが三つの四肢誘導データであると仮定すれば、第１生成モデルは三つの四肢誘導データを除いた９個の合成心電図データを生成する。

【0031】

その後、学習部１３０は、合成して生成された１２－ｎ個の心電図データ及び実際の１２－ｎ個の心電図データを第１区分モデルに入力して合成であるかを判断するように学習させる（Ｓ３３０）。

【0032】

詳述すると、第１区分モデルは９個の合成心電図データ及び三つの四肢誘導データを除いた９個の実際心電図データを相互分析する。そして、第１区分モデルは、９個の合成心電図データが合成された心電図データであるかまたは実際の心電図データであるかを判断する。

【0033】

その後、学習部１３０は、Ｓ３２０段階で生成された１２－ｎ個の合成心電図データを第２生成モデルに入力して、ｎ個の合成心電図データを再び生成するように学習させる（Ｓ３４０）

【0034】

Ｓ３２Ｏ段階で、第１生成モデルは、三つの四肢誘導データから９個の合成心電図データを生成する。よって、第２生成モデルは、９個の合成心電図データを用いて三つの四肢誘導データを合成して生成する。

【0035】

Ｓ３４０段階が完了すると、学習部１３０はｎ個の合成心電図データ及びｎ個の誘導心電図データを第２区分モデルに入力して合成であるかを判断するように学習させる（Ｓ３５０）。

【0036】

学習部１３０は、心電図データを生成する生成モデル及び合成であるかを判断する区分モデルを繰り返し学習させることで、実際のものに近い心電図モデルを生成するように学習させる。

【0037】

一方、本発明の実施例では、図５に示すように、生成モデル及び区分モデルをそれぞれ二つずつ構築して互いに競争することができるようにしたが、生成モデル及び区分モデルの個数は増加または減少して構築することもできる。
Ｓ３５０段階が完了すると、入力部１１０は、測定対象者の心電図データの入力を受ける（Ｓ３６０）。

【0038】

ここで、入力される心電図データは１２個のすべての心電図データではなく一部の心電図データである。入力部１１０は、心電図データを制御部１２０に伝達する。

【0039】

すると、制御部１２０は、伝達されたｎ個の心電図データを誘導心電図データとして学習が完了した敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力して１２－ｎ個の合成心電図データを生成する（Ｓ３７０）。

【0040】

ウェアラブル機器の場合、一つ乃至三つの電極を用いて心電図を測定する。したがって、制御部１２０は、一つまたは三つの心電図データを敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムに入力する。

【0041】

すると、敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムは、一つの誘導心電図データから１１個の合成心電図データを生成する。また、三つの誘導心電図データの入力を受ければ、敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）アルゴリズムは９個の合成心電図データを生成する。
その後、出力部１４０は、生成された心電図データを出力する（Ｓ３８０）。

【0042】

すなわち、出力部１４０は、入力された心電図データ及び生成された心電図データを出力し、出力された１２個の心電図データは測定対象者の端末機を介して出力されるかまたは医療関係者が使用する端末機に出力されることができる。すると、医療関係者は出力された心電図データを用いて心臓疾患を診断する。

【0043】

このように、本発明によれば、ディープラーニングアルゴリズムを用いて一つ電極または三つの電極で測定された心電図を用いてｎ個の追加の心電図を生成することで、心臓関連疾患の診断の正確度を高めることができる。また、本発明によれば、携帯用ウェアラブル心電図装備に適用することができるので、家庭や日常生活にも使用可能である。

【0044】

本発明は図面に示した実施例を参照して説明したが、これは例示的なものに過ぎなく、当該技術が属する分野で通常の知識を有する者であればこれから多様な変形及び均等の他の実施例が可能であることが理解可能であろう。したがって、本発明の真正な技術的保護範囲は以下の特許請求の範囲の技術的思想によって決定されなければならないであろう。

【符号の説明】

【0045】

１００ 心電図生成装置
１１０ 入力部
１２０ 制御部
１３０ 学習部
１４０ 出力部

【図1】

【図2】

【図3】

【図4】

【図5】

【国際調査報告】