DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 신하용 | - |
dc.contributor.advisor | Shin, Ha Yong | - |
dc.contributor.author | 박희환 | - |
dc.contributor.author | Park, Hee Hwan | - |
dc.date.accessioned | 2017-03-29T02:33:31Z | - |
dc.date.available | 2017-03-29T02:33:31Z | - |
dc.date.issued | 2016 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=649444&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/221461 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 산업및시스템공학과, 2016.2 ,[v, 33 p. :] | - |
dc.description.abstract | 중환자 의료에서 환자의 상태를 정확히 알려주는 경보 시스템은 매우 중요하다. 그러나 무려 86%에 달하는 경우가 보고되었을 정도로 높은 오경보율은 중환자의 회복과 의료진의 적절한 처치를 방해하는 방해물이 되어왔다. 특히 중환자의 생명까지 좌우할 수 있는 치명적인 부정맥 증상에 대한 오경보는 중대한 결과를 유발할 수 있을 정도로 중요하기에, 이를 줄이기 위해선 무엇보다 심전도(electrocardiogram)에서 부정맥 증상을 정확히 탐지해내야 한다. 이 논문에서 우리는 이 문제의 해결책으로 딥 러닝 방법론을 고려한다. 복잡한 다층 구조의 인공 신경망을 학습시키는 딥 러닝은 지난 10년 간 이미지 인식이나 음성 인식과 같은 패턴 인식 문제에 대해서 놀랄만한 성취를 이루어 왔다. 그래서 우리는 ECG에서 부정맥 증상을 탐지하기 위해, 새롭게 개발한 두 종류의 심층 신경망 구조와 convolutional neural networks를 이 논문에서 제안한다. 실험 결과, 우리가 제안한 딥 러닝 알고리즘 중에서도 특히 convolutional neural networks의 경우 민감도, 특이도, 그리고 정확도가 각각 89.47%, 88.03%, 88.67%를 달성하여, 우리의 알고리즘이 충분히 경쟁력이 있음을 보여주었다. | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | 부정맥 | - |
dc.subject | 심전도 | - |
dc.subject | 딥 러닝 | - |
dc.subject | 심층 신경망 | - |
dc.subject | Convolutional neural network | - |
dc.subject | Life-threatening arrhythmias | - |
dc.subject | ECG | - |
dc.subject | Deep learning | - |
dc.subject | Deep neural network | - |
dc.title | 딥 러닝 알고리즘을 이용한 중환자실 내 위급한 부정맥 증상 탐지 | - |
dc.title.alternative | Detecting life threatening arrhythmias in the intensive care unit using deep learning algorithm | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :산업및시스템공학과, | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.