特表 2024-530513 ディープラーニングアルゴリズムに基づいて複数の標準心電図データを生成する方法

(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】2024-08-21

(54)【発明の名称】ディープラーニングアルゴリズムに基づいて複数の標準心電図データを生成する方法

(51)【国際特許分類】

   A61B 5/327 20210101AFI20240814BHJP

【ＦＩ】

A61B5/327

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024508661

(86)(22)【出願日】2022-08-17

(85)【翻訳文提出日】2024-02-13

(86)【国際出願番号】 KR2022012290

(87)【国際公開番号】W WO2023022516

(87)【国際公開日】2023-02-23

(31)【優先権主張番号】10-2021-0107774

(32)【優先日】2021-08-17

(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】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

4C127BB03

4C127CC08

4C127KK03

(57)【要約】

本発明はディープラーニングアルゴリズムに基づいて複数の標準心電図データを生成する方法に関する。本発明によれば、標準１２誘導心電図データを収集し、測定者の特性及び特定方式によって収集された標準１２誘導心電図データを複数のスタイルに分類する段階と、前記複数のスタイルに分類された心電図データを心電図生成モデルに入力して複数の誘導心電図を生成するように学習させる段階と、測定対象者から測定された単一誘導心電図データ又は２個の誘導心電図データを受ける段階と、前記単一誘導心電図データ又は２個の誘導心電図データを心電図生成モデルに入力して複数の誘導心電図を生成させる段階と、を含む。
【選択図】 図２

【特許請求の範囲】

【請求項1】

標準心電図生成装置を用いた複数の標準心電図データを生成する方法であって、
標準１２誘導心電図データを収集し、測定者の特性及び特定方式によって収集された標準１２誘導心電図データを複数のスタイルに分類する段階と、
前記複数のスタイルに分類された心電図データを心電図生成モデルに入力して複数の誘導心電図を生成するように学習させる段階と、
測定対象者から測定された単一誘導心電図データ又は２個の誘導心電図データを受ける段階と、
前記単一誘導心電図データ又は２個の誘導心電図データを心電図生成モデルに入力して複数の誘導心電図を生成させる段階と、を含む、標準心電図データを生成する方法。

【請求項2】

前記複数のスタイルに分類された心電図データを心電図分類モデルに入力して、入力された心電図データが何の誘導の心電図であるかを判別するように学習させる段階をさらに含む、請求項１に記載の標準心電図データを生成する方法。

【請求項3】

前記標準１２誘導心電図データを複数のスタイルに分類する段階は、
心電図データ、前記心電図データが何の誘導の心電図に相当するかを示すスタイル情報、個人の身体及び精神的状態を示す個別情報、及び健康状態情報を収集する、請求項１に記載の標準心電図データを生成する方法。

【請求項4】

前記何の誘導の心電図であるかを判別するように学習させる段階は、
分類された複数の心電図データ及びそれに対応するスタイル情報を用いて誘導心電図に対するそれぞれの特徴を抽出した後、前記心電図データを入力データとし、抽出された特徴を出力データとして、前記心電図分類モデルを学習させる、請求項２に記載の標準心電図データを生成する方法。

【請求項5】

前記複数の誘導心電図を生成するように学習させる段階は、
敵対的生成ネットワークとオートエンコーダー方法を混合した心電図生成モデルを構築し、前記構築された心電図生成モデルに無作為変数及び心電図に対する索引を条件的に入力して学習させる、請求項４に記載の標準心電図データを生成する方法。

【請求項6】

前記複数の誘導心電図を生成させる段階は、
入力された誘導心電図データ又は２個の誘導心電図データを前記心電図分類モデルに入力し、入力された心電図データの特徴を抽出し、前記抽出された特徴によって入力された誘導心電図データ又は２個の誘導心電図データが標準１２誘導心電図のうちのいずれか一つの誘導心電図であるかを判断する、請求項１に記載の標準心電図データを生成する方法。

【請求項7】

前記複数の誘導心電図を生成させる段階は、
判断結果及び誘導心電図データ又は２個の誘導心電図データを心電図生成モデルに入力し、該当の誘導心電図を除いた残りのスタイルの心電図を複数生成する、請求項６に記載の標準心電図データを生成する方法。

【請求項8】

前記心電図分類モデルと前記心電図生成モデルとは同じ学習モデルであるか、又は互いに異なるように構築された学習モデルである、請求項１又は２に記載の標準心電図データを生成する方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明はディープラーニングアルゴリズムに基づいて複数の標準心電図データを生成する方法に関し、より詳細に説明すると、スタイル変換に基づくアルゴリズムを用いて単一又は２個の電極の情報から複数の標準心電図データを生成する方法に関する。

【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、活動中心電図などがある。心電図は循環器疾患の検診及び診断に使用され、簡単で比較的安いし、非侵襲的であり、容易に繰り返し記録することができる利点がある。

【0003】

病院で使用される標準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３個の電極（接地電極を含めば４個の電極）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。１２誘導心電図とは、心臓を中心に１２個の電気的方向に心臓の電位を記録することで、これにより１部位に限られた心臓の疾病を正確に判断することができる。

【0004】

しかし、１２誘導を撮影するためには、胸電極を付着するために胸を露出しなければならず、一般人が９個の電極（四肢３個、胸部６個）を正確な位置に付けにくいので、家庭や日常生活で測定しにくく、１０個の電極を付けて動くことが難しいので、実時間モニタリングに使用しにくい問題点があった。

【0005】

最近では、スマートウォッチのように、１誘導心電図器具を用いて複数の心電図を測定する技術が提案されている。しかし、１誘導心電図器具を用いて心電図を測定する場合には、同一時点に測定された心電図ではないので、心臓の正確な状態を把握することができない問題点があった。

【0006】

本発明の背景となる技術は韓国公開特許第１０－２０２２－０００８４４７号（２０２２．１．２１．公開）公報に開示されている。

【0007】

【発明の概要】

【発明が解決しようとする課題】

【0008】

このように、本発明によれば、スタイル変換に基づくアルゴリズムを用いて単一又は２個の電極の情報から複数の標準心電図データを生成する方法を提供するためのものである。

【0009】

【課題を解決するための手段】

【0010】

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れば、標準心電図生成装置を用いた複数の標準心電図データを生成する方法は、標準１２誘導心電図データを収集し、測定者の特性及び特定方式によって収集された標準１２誘導心電図データを複数のスタイルに分類する段階と、前記複数のスタイルに分類された心電図データを心電図生成モデルに入力して複数の誘導心電図を生成するように学習させる段階と、測定対象者から測定された単一誘導心電図データ又は２個の誘導心電図データを受ける段階と、前記単一誘導心電図データ又は２個の誘導心電図データを心電図生成モデルに入力して複数の誘導心電図を生成させる段階と、を含む。

【0011】

前記複数のスタイルに分類された心電図データを心電図分類モデルに入力して、入力された心電図データが何の誘導の心電図であるかを判別するように学習させる段階をさらに含むことができる。

【0012】

前記標準１２誘導心電図データを複数のスタイルに分類する段階は、心電図データ、前記心電図データが何の誘導の心電図に相当するかを示すスタイル情報、個人の身体及び精神的状態を示す個別情報、及び健康状態情報を収集することができる。

【0013】

前記何の誘導の心電図であるかを判別するように学習させる段階は、分類された複数の心電図データ及びそれに対応するスタイル情報を用いて誘導心電図に対するそれぞれの特徴を抽出した後、前記心電図データを入力データとし、抽出された特徴を出力データとして、前記心電図分類モデルを学習させることができる。

【0014】

前記複数の誘導心電図を生成するように学習させる段階は、敵対的生成ネットワークとオートエンコーダー方法を混合した心電図生成モデルを構築し、前記構築された心電図生成モデルに無作為変数及び心電図に対する索引を条件的に入力して学習させることができる。

【0015】

前記複数の誘導心電図を生成させる段階は、入力された誘導心電図データ又は２個の誘導心電図データを前記心電図分類モデルに入力し、入力された心電図データの特徴を抽出し、前記抽出された特徴によって入力された誘導心電図データ又は２個の誘導心電図データが標準１２誘導心電図のうちのいずれか一つの誘導心電図であるかを判断することができる。

【0016】

前記複数の誘導心電図を生成させる段階は、判断結果及び誘導心電図データ又は２個の誘導心電図データを心電図生成モデルに入力し、該当の誘導心電図を除いた残りのスタイルの心電図を複数生成することができる。

【0017】

前記心電図分類モデルと前記心電図生成モデルとは同じ学習モデルであるか、又は互いに異なるように構築された学習モデルであり得る。

【0018】

【発明の効果】

【0019】

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２誘導の心電図情報から複数の標準心電図情報を生成するので、測定者の年齢、性別、疾病有無及び電極の付着位置にも影響されない高正確度の心電図を提供することができる。

【0020】

【図面の簡単な説明】

【0021】

【図1】本発明の実施例による標準心電図生成装置の構成図である。

【0022】

【図2】本発明の実施例による標準心電図生成装置を用いて複数の標準心電図データを生成する方法を説明するためのフローチャートである。

【0023】

【図3】図２に示すＳ２５０段階を説明するための例示図である。

【0024】

【発明を実施するための形態】

【0025】

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。

【0026】

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、運用者の意図又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。

【0027】

以下では、図１に基づいて本発明の実施例による標準心電図生成装置についてより詳細に説明する。

【0028】

図１は本発明の実施例による標準心電図生成装置の構成図である。

【0029】

図１に示すように、本発明の実施例による標準心電図生成装置１００は、データ収集部１１０と、第１学習部１２０と、第２学習部１３０と、データ入力部１４０と、心電図生成部１５０と、を含む。

【0030】

まず、データ収集部１１０は、心電図データを収集する。このときに収集される心電図データは１２誘導心電図データを示す。

【0031】

第１学習部１２０は、心電図分類モデルを構築し、収集された心電図データを心電図分類モデルに入力し、心電図分類モデルにとって入力された心電図データが何の誘導の心電図であるかを分類するように学習させる。

【0032】

第２学習部１３０は、心電図生成モデルを構築し、収集された心電図データを構築された心電図生成モデルに入力して心電図データに対する特性を学習させ、学習された特性を用いて複数の標準心電図データを生成するように学習させる。

【0033】

データ入力部１４０は、１誘導心電図装置（図示せず）から単一の誘導心電図データ又は２個の誘導心電図データを受ける。

【0034】

最後に、心電図生成部１５０は、データ入力部１４０から伝達された測定対象者の心電図データを学習の完了した心電図分類モデル及び心電図生成モデルにそれぞれ入力し、入力された心電図データを除いた複数の標準心電図データを生成する。

【0035】

以下では、図２を用いて本発明の実施例による標準心電図生成装置１００を用いた複数の標準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。

【0036】

図２は本発明の実施例による標準心電図生成装置を用いて複数の標準心電図データを生成する方法を説明するためのフローチャートである。

【0037】

図２に示すように、本発明の実施例による標準心電図生成装置１００は、標準心電図データを収集する（Ｓ２１０）。

【0038】

さらに説明すると、データ収集部１１０は、病院サーバーから標準１２誘導心電図を収集する。

【0039】

一方、データ収集部１１０は、収集された心電図データに対応して心電図データが何の誘導の心電図に相当するかを示すスタイル情報、個人の身体及び精神的状態を示す個別情報、及び健康状態情報をさらに収集する。

【0040】

その後、データ収集部１１０は、収集された心電図データのスタイル種類によって分類する。

【0041】

Ｓ２１０段階が完了すると、第１学習部１２０は、収集された心電図データ及びそれに対応するスタイル情報を構築された心電図分類モデルに入力して学習させる（Ｓ２２０）。

【0042】

まず、第１学習部１２０は、心電図データをスタイルによって分類することができるように心電図分類モデルを構築する。そして、第１学習部１２０は、構築された心電図分類モデルに心電図データ及びそれに対応するスタイル情報を受信し、受信されたスタイル情報を用いて心電図データに対するそれぞれの特徴を抽出する。

【0043】

第１学習部１２０は、心電図データを入力データとし、抽出された特徴を出力データとして心電図分類モデルを学習させる。

【0044】

第２学習部１２０は、収集された心電図データを入力して心電図生成モデルを学習させる（Ｓ２３０）。

【0045】

まず、第２学習部１２０は、各誘導心電図のスタイルを学習させるためのディープラーニングに基づく心電図生成モデルを構築する。ここで、心電図生成モデルを、スタイルに対応するように複数構築することができる。そして、心電図生成モデルは、１個の心電図データを用いて学習されることもでき、２個以上の複数の心電図データを用いて学習されることもできる。すなわち、心電図生成モデルは、入力された心電図データのスタイルを学習した後、入力される心電図データから学習されたスタイルを用いて仮想の心電図を生成する。

【0046】

Ｓ２３０段階が完了した状態で、データ入力部１４０は、測定対象者に付着された第１誘導心電図測定装置（図示せず）から単一又は２個の心電図データを獲得する（Ｓ２４０）。

【0047】

ここで、入力される心電図が複数の場合には、非同期的心電図データであってもよい。

【0048】

心電図生成部１５０は、入力された単一又は２個の心電図データを用いて複数の標準心電図データを生成する（Ｓ２５０）、

【0049】

これをより詳細に説明すると、心電図生成部１５０は、入力された単一又は２個の心電図データを心電図分類モデルに入力する。すると、心電図分類モデルは、入力された単一又は２個の心電図データに対するスタイルを分析して何の誘導の心電図であるかを分析する。

【0050】

分析が完了すると、心電図生成部１５０は、心電図生成モデルを用いて判別された誘導心電図データを除いた他の心電図スタイルの標準心電図データを生成する。

【0051】

図３は図２に示すＳ２５０段階を説明するための例示図である。

【0052】

図３に示すように、入力された心電図データがＶ１誘導心電図データであると仮定する。すると、心電図生成部１５０は、Ｖ１誘導心電図データを除いた残りの１１個の標準心電図データを生成する。

【0053】

一方、本発明の実施例では、入力された心電図データに対して何の誘導を有する心電図デートであるかを分析し、分析結果によって複数の標準心電図データを生成するために、心電図分類モデルと心電図生成モデルとを分離して構築したが、心電図分類モデルと心電図生成モデルとは同じ学習モデルであることもでき、互いに異なるように構築された学習モデルであることもできる。

【0054】

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２誘導の心電図情報から複数の標準心電図情報を生成するので、測定者の年齢、性別、疾病有無及び電極の付着位置にも影響されない高正確度の心電図を提供することができる。

【0055】

【0056】

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。

【図1】

【図2】

【図3】

【国際調査報告】