特許ウォッチ

公開番号2025179005
公報種別公開特許公報(A)
公開日2025-12-09
出願番号2025049307
出願日2025-03-25
発明の名称12誘導心電図信号の不整脈分類方法およびこれを行うための装置
出願人アジョウ・ユニバーシティ・インダストリー-アカデミック・コーポレイション・ファウンデイション,AJOU UNIVERSITY INDUSTRY-ACADEMIC COOPERATION FOUNDATION
代理人個人
主分類A61B 5/363 20210101AFI20251202BHJP(医学または獣医学;衛生学)
要約【課題】12誘導心電図信号の不整脈分類方法およびこれを行うための装置が開示される。
【解決手段】本発明の一実施形態による12誘導心電図信号の不整脈分類を行うための装置は、1つ以上のプロセッサと、前記1つ以上のプロセッサによって実行される1つ以上のプログラムを記憶するメモリを備えるコンピューティング装置であって、12誘導心電図信号の入力を受けるデータ入力モジュールと、前記入力された12誘導心電図信号に基づいて機械学習(Machine Learning)ベースの技術を使用して前記12誘導心電図信号についての分類結果を出力する分類モジュールと、を含む。
【選択図】図1
特許請求の範囲【請求項１】
１つ以上のプロセッサと、
前記１つ以上のプロセッサによって実行される１つ以上のプログラムを記憶するメモリを備えるコンピューティング装置であって、
１２誘導心電図信号の入力を受けるデータ入力モジュールと、
前記入力された１２誘導心電図信号に基づいて機械学習（ＭａｃｈｉｎｅＬｅａｒｎｉｎｇ）ベースの技術を使用して前記１２誘導心電図信号についての分類結果を出力する分類モジュールと、を含むコンピューティング装置。
続きを表示（約 2,100 文字）【請求項２】
前記分類モジュールは、
前記１２誘導心電図信号の入力を受け、前記１２誘導心電図信号に基づいて不整脈情報を分類するように学習される人工ニューラルネットワークモデルを含む請求項１に記載のコンピューティング装置。
【請求項３】
前記人工ニューラルネットワークモデルは、
前記入力された１２誘導心電図信号に基づいて畳み込み演算を通じて初期特徴マップを出力する初期特徴ブロックと、
前記初期特徴ブロックから出力された初期特徴マップに基づいて要素ごとの重み演算を通じて集中特徴マップを出力する注意ブロックと、
前記初期特徴ブロックから出力された初期特徴マップに基づいてショートカット演算を通じて深い特徴マップを出力する残差ブロックと、
前記注意ブロックから出力された集中特徴マップおよび前記残差ブロックから出力された深い特徴マップを結合して最終特徴マップを出力する結合ブロックと、
前記結合ブロックから出力された最終特徴マップに基づいて不整脈の種類を分類する分類ブロックと、を含む請求項２に記載のコンピューティング装置。
【請求項４】
前記注意ブロックは、
前記初期特徴ブロックから出力された前記初期特徴マップに対して最大プーリングレイヤーおよび平均プーリングレイヤーを通じて最大プーリングおよび平均プーリングを並列に行い、前記最大プーリングレイヤーおよび前記平均プーリングレイヤーを通じて出力された各プーリング結果を第１結合レイヤーを通じて結合を行って重み特徴マップを出力し、第２結合レイヤーを通じて前記初期特徴マップと前記重み特徴マップ間の結合を行って集中特徴マップを出力する請求項３に記載のコンピューティング装置。
【請求項５】
前記残差ブロックは、
前記初期特徴ブロックから出力された前記初期特徴マップの特徴を反映するように順次連結されたＮ個（Ｎは、２以上の自然数）の短い残差ブロックを含むように構成され、
前記Ｎ個の短い残差ブロックは、
前の特徴マップ（Ｎ－１番目の短い残差ブロックから出力された特徴マップ）が入力され、畳み込みレイヤーを通じて前記前の特徴マップから新しい特徴マップを出力し、第３結合レイヤーを通じて前記前の特徴マップおよび前記新しい特徴マップを結合して出力する請求項４に記載のコンピューティング装置。
【請求項６】
前記第１結合レイヤーおよび前記第３結合レイヤーは、要素ごとの和（Ｅｌｅｍｅｎｔ－ＷｉｓｅＳｕｍ）を使用し、
前記第２結合レイヤーは、要素ごとの積（Ｅｌｅｍｅｎｔ－ＷｉｓｅＭｕｌｔｉｐｌｉｃａｔｉｏｎ）を使用する請求項５に記載のコンピューティング装置。
【請求項７】
前記分類ブロックは、
前記最終特徴マップに対してグローバル最大プーリングレイヤーおよびグローバル平均プーリングレイヤーを通じてグローバル最大プーリングおよびグローバル平均プーリングを並列に行い、前記グローバル最大プーリングレイヤーおよび前記グローバル平均プーリングレイヤーを通じて出力された各プーリング結果を連結レイヤーを通じて連結を行う請求項３に記載のコンピューティング装置。
【請求項８】
１つ以上のプロセッサと、
前記１つ以上のプロセッサによって実行される１つ以上のプログラムを記憶するメモリを備えるコンピューティング装置で行われる方法であって、
１２誘導心電図信号の入力を受けるステップと、
前記入力された１２誘導心電図信号に基づいて機械学習（ＭａｃｈｉｎｅＬｅａｒｎｉｎｇ）ベースの技術を使用して前記１２誘導心電図信号についての分類結果を出力するステップと、を含む１２誘導心電図信号の不整脈分類方法。
【請求項９】
前記分類結果を出力するステップは、
人工ニューラルネットワークモデルを通じて前記１２誘導心電図信号の入力を受け、前記１２誘導心電図信号に基づいて不整脈情報を分類する請求項８に記載の１２誘導心電図信号の不整脈分類方法。
【請求項１０】
前記分類するステップは、
初期特徴ブロックにより、前記入力された１２誘導心電図信号に基づいて畳み込み演算を通じて初期特徴マップを出力するステップと、
注意ブロックにより、前記出力された初期特徴マップに基づいて要素ごとの重み演算を通じて集中特徴マップを出力するステップと、
残差ブロックにより、前記出力された初期特徴マップに基づいてショートカット演算を通じて深い特徴マップを出力するステップと、
結合ブロックにより、前記出力された集中特徴マップおよび前記出力された深い特徴マップを結合して最終特徴マップを出力するステップと、
分類ブロックにより、前記出力された最終特徴マップに基づいて不整脈の種類を分類するステップと、をさらに含む請求項９に記載の１２誘導心電図信号の不整脈分類方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明の実施形態は、心電図信号から不整脈を分類する技術に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
世界保健機関（ＷＨＯ）によると、心疾患によって年間世界の数百万の人口が死亡に至るという。心疾患の有無を検査する方法として知られる心電図検査は、皮膚に電極を付着させて心拍周期中に心臓で現れる電気的活動状態を感知して記録する非侵襲的で最もよく知られた検査方法である。一般に、腕と脚、そして胸部に付着した１０個の電極を用いて１２個の心電図信号を取得して分析することによって、不整脈などの心疾患の有無を判断する。
【０００３】
従来は、患者ごとに記録された心電図信号の記録を通じて医師が心疾患を判断しており、最近、心電図信号の分析および診断にディープラーニングを用いた試みが増えている。
【０００４】
従来の心電図信号の分析および診断ディープラーニング技術は、シングルリード心電図信号から時間－周波数特徴を抽出して心不整脈を分類したが、いくつかの心不整脈は、特定の心電図チャネルでのみ観察されるため、分類しようとする心不整脈の種類に応じて分類精度が減少する可能性がある。
【０００５】
したがって、正確な心不整脈の診断のためには、１２個のチャネルで得られた心電図信号を統合的かつ綿密に確認する必要がある。すなわち、不整脈の種類によって１２誘導を通じて測定される心電図信号が異なるため、患者の不整脈を正確に判断するためには、１２個のチャネルで得られた心電図信号を統合的に分析する必要がある。
【先行技術文献】
【特許文献】
【０００６】
韓国登録特許公報第１０－２１６３２１７号（２０２０.０９.２９.）
【発明の概要】
【発明が解決しようとする課題】
【０００７】
本発明の実施形態は、機械学習技術を用いて標準の１２誘導心電図信号から不整脈を分類する方法を提供するためのものである。
【課題を解決するための手段】
【０００８】
本発明の例示的な実施形態によると、１つ以上のプロセッサと、前記１つ以上のプロセッサによって実行される１つ以上のプログラムを記憶するメモリを備えるコンピューティング装置であって、１２誘導心電図信号の入力を受けるデータ入力モジュールと、前記入力された１２誘導心電図信号に基づいて機械学習（ＭａｃｈｉｎｅＬｅａｒｎｉｎｇ）ベースの技術を使用して前記１２誘導心電図信号についての分類結果を出力する分類モジュールと、を含むコンピューティング装置が提供される。
【０００９】
前記分類モジュールは、前記１２誘導心電図信号の入力を受け、前記１２誘導心電図信号に基づいて不整脈情報を分類するように学習される人工ニューラルネットワークモデルを含み得る。
【００１０】
前記人工ニューラルネットワークモデルは、前記入力された１２誘導心電図信号に基づいて畳み込み演算を通じて初期特徴マップを出力する初期特徴ブロックと、前記初期特徴ブロックから出力された初期特徴マップに基づいて要素ごとの重み演算を通じて集中特徴マップを出力する注意ブロックと、前記初期特徴ブロックから出力された初期特徴マップに基づいてショートカット演算を通じて深い特徴マップを出力する残差ブロックと、前記注意ブロックから出力された集中特徴マップおよび前記残差ブロックから出力された深い特徴マップを結合して最終特徴マップを出力する結合ブロックと、前記結合ブロックから出力された最終特徴マップに基づいて不整脈の種類を分類する分類ブロックと、を含み得る。
（【００１１】以降は省略されています）

関連特許