회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2019년 설립 회사입니다. 응용 소프트웨어 개발 및 공급업을 합니다. 2025년 그룹 연결 매출은 48.8억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 96명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-09-23 · 최신 출원순
본 발명은 심전도(ECG)를 기반으로 사용자의 실시간 건강상태에 적합한 식단을 추천할 수 있는 방법을 제안한다. 상기 방법은 사용자를 대상으로 측정된 심전도(ElectroCardioGram, ECG) 신호를 획득하는 단계, 사전에 학습된 인공지능(Artificial Intelligence, AI)를 이용하여 상기 심전도(ECG) 신호를 분석하여, 상기 사용자의 건강상태에 대응하는 결핍 영양분(nutrient) 및 과잉 영양분을 하나 이상 식별하는 단계, 및 상기 식별된 결핍 영양분을 보충하고 상기 과잉 영양분을 회피할 수 있는 하나 이상의 음식을 포함하는 식단(menu)을 설정하는 단계를 포함할 수 있다. 이를 통하여, 사용자는 단순히 심전도(ECG)를 측정하는 것만으로, 그 시점의 건강상태에 최적화된 식단을 추천받을 수 있게 된다.
본 개시는 시계열 데이터를 포함하는 학습 데이터 셋을 증강시키는 방법, 프로그램 및 장치를 제공한다. 시계열 데이터를 포함하는 학습 데이터 셋을 증강시키는 방법은 복수의 시계열 데이터를 포함하는 학습 데이터 셋을 획득하는 단계, 적대적 학습 방법에 기초하여 상기 복수의 시계열 데이터를 시간 이동시켜, 상기 복수의 시계열 데이터에 대응하는 복수의 증강 데이터를 획득하는 단계 및 상기 획득된 복수의 증강 데이터에 기초하여, 상기 학습 데이터 셋을 업데이트하는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 심전도 판독 서비스를 제공하는 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 심전도를 기초로 질환을 진단하도록 사전 학습된 제 1 머신러닝 모델을 이용하여 생성된 판독문을 분석하여, 상기 판독문에 포함된 판독 결과에 대한 제 1 추가 정보를 생성하는 단계; 상기 판독문을 생성하는데 이용된 제 1 머신러닝 모델과 관련된 정보를 제 2 추가 정보로 생성하는 단계; 및 상기 제 1 추가 정보 또는 상기 제 2 추가 정보 중 적어도 하나를 사용자 인터페이스를 통해 제공하는 단계를 포함할 수 있다.
본 개시는 심전도에 기반하여 응급 환자의 이송 서비스 및 입원 환자의 모니터링을 제공하는 방법, 프로그램 및 장치에 관한 것으로서, 기 설정된 시간 간격으로 응급 환자의 심전도 데이터를 획득하는 단계; 사전 학습된 신경망 모델을 사용하여, 상기 심전도 데이터를 기초로 복수의 질환들 각각의 발생 가능성에 대응되는 예측값을 산출하는 단계; 상기 예측값에 기초하여 상기 응급 환자를 분류하기 위한 중증도를 계산하는 단계; 및 상기 계산된 중증도를 이용하여, 상기 응급 환자의 진료에 적합한 대상 기관 또는 대상 시설을 선별하는 단계를 포함하는 방법을 제공하고자 한다.
본 개시의 일 실시 예에 따른 사용자의 생체 정보를 예측하는 사용자 맞춤형 신경망 모델을 획득하는 방법은 제1 생체 정보에 기초하여 상기 제1 생체 정보와 상이한 유형의 제2 생체 정보를 예측하도록 학습된 신경망 모델을 획득하는 단계와 상기 사용자에 관한 새로운 데이터가 획득되면, 상기 신경망 모델이 상기 사용자에 대하여 개인화되도록 상기 획득된 새로운 데이터에 기초하여 상기 신경망 모델을 업데이트 하는 단계를 포함하고, 상기 새로운 데이터는, 상기 사용자에 대한 제1 생체 정보 및 상기 사용자에 대한 제2 생체 정보 중 적어도 하나를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 심전도를 이용한 심근경색 진단 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 관상동맥 조영술을 실시한 환자의 심전도 데이터를 기초로, 학습 데이터를 생성하는 단계; 및 상기 생성된 학습 데이터를 이용하여, 상기 환자의 심근경색의 발병 혹은 진행 경과를 예측하는 딥러닝 모델을 학습시키는 단계를 포함할 수 있다.
본 개시는 사용자 환경에 맞는 신경망 모델을 구축하는 방법, 장치 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 획득된 사용자의 생체 데이터를 기 학습된 제1 신경망 모델에 입력하여, 질병 가능성에 대응하는 제1 스코어를 획득하는 단계와 상기 제1 스코어에 기초하여, 상기 사용자의 상태를 예측하는 단계;를 포함하고, 상기 생체 데이터와 동일한 유형의 복수의 생체 데이터에 기초하여 상기 상태를 예측하도록 학습된 복수의 제2 신경망 모델 중 상기 사용자의 생체 데이터를 획득한 의료 기관의 유형에 대응하여 선별된 것일 수 있다.
본 개시의 일 실시 예에 따른 생체 정보를 식별하는 사용자 맞춤형 신경망 모델을 획득하는 방법은 사용자로부터 감지된 생체 신호를 기 학습된 신경망 모델에 입력하여, 상기 사용자의 상태와 관련된 생체 정보를 예측하는 단계, 상기 사용자에 대한 새로운 데이터가 획득되면, 상기 획득된 새로운 데이터에 기초하여, 상기 기 학습된 신경망 모델이 개인화 되도록 업데이트 하는 단계를 포함하고, 상기 새로운 데이터는, 상기 상태와 관련하여 상기 사용자로부터 측정된 생체 정보를 포함한다.
본 개시는 심전도 판독 서비스를 제공하는 시스템 및 방법에 관한 것으로서, 심전도 데이터를 수신하고, 상기 심전도 데이터에 대해 사용자 비식별화 처리를 위한 비식별화 코드값을 이용하여 비식별 정보를 생성하고, 상기 생성된 비식별 정보와 상기 심전도 데이터를 포함하는 협진 요청 데이터를 제공하는 제1 서버; 및 상기 협진 요청 데이터를 수신하고, 사전 학습된 신경망 모델을 사용하여 상기 협진 요청 데이터를 기초로 하는 상기 심전도 데이터에 대한 심전도 판독 결과 데이터를 생성하는 제2 서버를 포함하되, 상기 제1 서버는, 상기 제2 서버로부터 심전도 판독 결과 데이터를 수신하고, 상기 비식별화 코드값을 이용하여 상기 비식별 정보를 복호화하여 사용자를 식별하고, 식별된 사용자와 상기 심전도 판독 결과 데이터를 연계하여 저장하는 시스템을 제공하고자 한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 심부전의 예후 예측 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 심부전 환자의 심전도 데이터를 획득하는 단계; 및 사전 학습된 딥러닝 모델을 이용하여, 상기 획득된 심전도 데이터를 기초로 상기 환자의 예후 예측을 위한 변수를 출력하는 단계를 포함할 수 있다.
본 개시는 심전도 데이터에 기초하여 입원 치료 이력이 있는 사용자의 재 입원 여부를 판단하는 방법, 컴퓨팅 장치 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 적어도 하나의 프로세서(Processor)를 포함하는 컴퓨팅 장치에 의해 수행되며, 입원 후 퇴원한 사용자의 심전도 데이터를 획득하는 단계, 기 학습된 신경망 모델에 기초하여 상기 심전도 데이터로부터 상기 사용자의 좌심실 수축 기능 부전에 대응하는 제1 스코어와 상기 사용자의 좌심실 이완 기능 부전에 대응하는 제2 스코어를 획득하는 단계 및 상기 제1 스코어와 상기 제2 스코어 중 적어도 하나에 기초하여 상기 사용자의 재 입원 가능성을 예측하는 단계를 포함한다.
본 개시의 일 실시예에 따른, 심전도측정 가이드를 제공하는 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 심전도 신호 및상기 심전도 신호에 대응되는 측정 정보를 저장하는 단계; 상기 저장된 심전도 신호 별로 품질 또는 진단 신뢰도 중 적어도 하나를 분석하는 단계; 및 상기 품질 또는 진단 신뢰도 중 적어도 하나와 상기 저장된 측정 정보를 분석하여, 상기 심전도 측정 대상에 대한 심전도 측정 가이드를 생성하는 단계를 포함할 수 있다.
본 개시는 적어도 하나의 프로세서(processor)를 포함하는 컴퓨팅 장치에 의해 수행되는 인공 지능에 기반하여 심전도 데이터를 분석하여 승압제와 관련된 환자의 상태를 예측하는 컴퓨팅 장치, 방법 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 승압제가 투약된 대상체의 심전도 데이터를 획득하는 단계, 상기 대상체의 승압제 투약 시점과 상기 심전도 데이터의 획득 시점에 기초하여 상기 획득된 심전도 데이터에 라벨을 부여하여 학습 데이터 셋을 획득하는 단계 및 상기 획득된 학습 데이터 셋에 기초하여 환자의 상태를 파악하도록 신경망 모델을 학습 시키는 단계를 포함한다.
본 개시의 일 실시예에 따른, 심전도 판독 정보를 제공하는 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 심전도 판독 서비스를 위한 사용자 인터페이스를 통해 제 1 사용자 명령을 획득하는 단계; 및 심전도 측정 대상의 질환 혹은 건강 상태에 관한 판독 정보, 또는 심전도 판독에 사용된 인공지능과 관련된 제 1 레퍼런스(reference) 정보 중 적어도 하나를 상기 사용자 인터페이스를 통해 표시하는 단계를 포함할 수 있다.
본 발명은, 판독센터서버(110)에서 의료기관소유의 클라우드(120)를 생성하여 의료기관서버(130)와 연계하여 할당하는 제1단계(S110), 의료기관서버(130)로부터 개인정보가 포함된 생체데이터를 클라우드(120)로 전송하여 저장하는 제2단계(S120), 생체데이터와 연동된 개인정보를 비식별화하여 클라우드(120)로부터 판독센터서버(110)로 전송하는 제3단계(S130), 판독센터서버(110)에서 생체데이터를 판독하고, 판독된 생체데이터를 클라우드(120)로 전송하는 제4단계(S140), 비식별화된 개인정보를 식별화하고 판독된 생체데이터와 매칭하는 제5단계(S150), 및 클라우드(120)로부터 의료기관서버(130)로 식별화된 개인정보 및 판독된 생체데이터를 전송하고 판독결과에 따른 판독문을 생성하는 제6단계(S160)를 포함하여, 클라우드를 통해 개인정보를 비식별화하여 생체데이터에 대한 판독을 의뢰할 수 있는, 클라우드기반 생체데이터의 개인정보 비식별화 방법을 개시한다.
본 개시는 적어도 신경망 모델을 통해 사용자의 생체 데이터에 기초하여 실신 가능성을 예측하는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 적어도 하나의 프로세서(processor)를 포함하는 컴퓨팅 장치에 의해 수행되는 방법은 사용자의 생체 데이터를 획득하는 단계와 기 학습된 신경망 모델을 통해 상기 생체 데이터에 기초하여 상기 사용자의 실신 관련 상태를 예측하는 단계를 포함한다.
본 개시는 심전도 신호에 기초하여 심장 질환을 진단하는 방법, 프로그램 및 장치를 제공한다. 본 개시의 일 실시 예에 따른 심전도 신호에 기초하여 심장 질환을 진단하는 방법은 사용자에 대한 심전도 신호를 획득하는 단계와 상기 획득된 심전도 신호에 기초하여, 상기 사용자의 심장 질환을 진단하는 단계를 포함하고, 상기 진단하는 단계는, 상기 획득된 심전도 신호를 기 학습된 신경망 모델에 입력하여, 상기 사용자의 심장 질환에 대응하는 제1 스코어를 산출하는 단계, 상기 산출된 제1 스코어에 기초하여 상기 사용자의 심장 질환에 대한 추가 진단 여부를 결정하여 상기 사용자에 대한 심전도 신호의 재 획득하는 단계와 상기 재 획득된 심전도 신호에 기초하여 상기 사용자의 심장 질환을 추가 진단하는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 심전도 세그먼트를 이용한 건강 상태의 예측 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 심전도 데이터를 분할하여 복수의 세그먼트들을 생성하는 단계; 사전 학습된 머신러닝 모델에 상기 복수의 세그먼트들을 입력하여, 복수의 세그먼트들 각각에 대응되는 질환의 가능성을 산출하는 단계; 복수의 세그먼트들 각각에 대응되는 질환의 가능성 중 이상치(outlier)를 제거하는 단계; 및 상기 이상치가 제거된 질환의 가능성을 조합하여, 건강 상태의 예측에 대한 결과 값을 생성하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 심전도를 이용한 건강 상태의 예측 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 사전 학습된 제 1 딥러닝 모델에 심전도 데이터를 입력하여, 상기 심전도 데이터로부터 특징을 추출하는 단계; 및 사전 학습된 제 2 딥러닝 모델에 상기 추출된 특징을 입력하여, 상기 심전도 데이터를 측정한 대상의 건강 상태를 예측하는 단계를 포함할 수 있다. 이때, 상기 제 1 딥러닝 모델은, 동일한 사람으로부터 측정된 제 1 학습 데이터 세트로부터 유사한 특징을 추출하도록 학습되고, 상이한 사람으로부터 측정된 제 2 학습 데이터 세트로부터 상이한 특징을 추출하도록 학습될 수 있다.
본 개시는 인공 지능에 기초하여 심전도 이미지로부터 심전도 데이터를 획득하는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 방법은 심전도 이미지에서 심전도 그래프를 포함하는 제1 타겟 영역을 식별하는 단계, 상기 식별된 제1 타겟 영역에 포함된 심전도 그래프를 각각의 리드 별로 식별하는 단계, 상기 각각의 리드 별로 식별된 심전도 그래프를 변환하여 상기 각각의 리드에 대응하는 제1 심전도 데이터를 획득하는 단계 및 기 학습된 제1 신경망 모델에 기초하여 상기 획득된 제1 심전도 데이터를 재구성하여 상기 각각의 리드에 대응하는 제2 심전도 데이터를 획득하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서(processor)를 포함하는 컴퓨팅 장치에 의해 수행되는, 대상체의 사망일에 기초하여 라벨이 부여된 시계열 생체 데이터를 이용하여 신경망 모델을 학습시키는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 시계열 생체 데이터에 대응하는 대상체의 사망일을 파악하는 단계, 상기 사망일에 기초하여 상기 시계열 생체 데이터에 라벨을 부여하여 학습 데이터 셋을 획득하는 단계 및 상기 획득된 학습 데이터 셋에 기초하여 신경망 모델을 학습 시키는 단계를 포함하고, 상기 학습 데이터 셋을 획득하는 단계는 상기 시계열 생체 데이터가 획득된 시간으로부터 상기 사망일 까지의 기간을 산출하고, 상기 산출된 기간에 대응하는 라벨을 상기 시계열 생체 데이터에 부여하는 단계를 부여하는 단계 및 상기 라벨이 부여된 시계열 생체 데이터를 포함하는 학습 데이터 셋을 획득하는 단계를 포함한다.
본 개시는 수행되는 심전도 데이터에 기초하여 헬스케어 장치를 제어하는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 상기 방법은 헬스케어 장치를 이용하는 사용자로부터 획득된 심전도 데이터에 기초하여 사용자의 상태를 파악하는 단계, 상기 파악된 사용자의 상태에 기초하여 추천 구동 모드를 식별하는 단계 및 상기 식별된 구동 모드에 기초하여 상기 헬스케어 장치의 구동부를 제어하는 단계를 포함하고, 상기 사용자의 상태를 파악하는 단계는 상기 획득된 심전도 데이터를 기 학습된 신경망 모델에 입력하여, 상기 사용자의 상태에 대응하는 지표를 획득하고, 상기 획득된 지표에 기초하여 상기 사용자의 상태를 파악하는 단계를 포함한다.
본 개시는 듀얼 버퍼에 기초하여 사용자의 생체 데이터를 예측하는 사용자 맞춤형 신경망 모델을 획득하는 장치, 방법 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 사용자의 제1 생체 데이터에 기초하여 상기 사용자의 제2 생체 데이터를 예측하도록 학습된 신경망 모델을 획득하는 단계 및 제1 버퍼에 저장된 제1 생체 데이터와 제2 버퍼에 저장된 제2 생체 데이터 중 적어도 하나에 기초하여 상기 신경망 모델을 업데이트 하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 복수의 학습 데이터 셋에 기초하여 사용자의 상태를 파악하도록 학습된 신경망 모델을 획득하는 장치, 방법 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 복수의 생체 데이터에 기초하여 제1 학습 데이터 셋과 제2 학습 데이터 셋을 획득하는 단계 및 상기 제1 학습 데이터 셋과 상기 제2 학습 데이터 셋에 기초하여 상기 생체 데이터에 기초하여 사용자의 상태를 파악하도록 신경망 모델을 학습 시키는 단계를 포함한다.
본 개시는 건강검진센터에서 심전도를 측정하는 방법 및 그 장치에 관한 것으로서, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 건강검진센터에서 심전도를 측정하는 방법은, 건강검진센터 내 방문하는 검진 대상자마다 검진 접수 데이터를 생성하는 단계; 및 상기 검진 접수 데이터를 기초로, 키오스크형 심전도 측정 방식 혹은 N유도 심전도 측정 방식 중 적어도 하나를 이용하여 심전도 측정을 수행하는 단계를 포함할 수 있다.
본 개시는 대조 학습을 위한 심전도 데이터를 포함하는 학습 데이터를 생성하는 방법, 장치 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 대조 학습을 위한 시계열 데이터를 포함하는 학습 데이터를 생성하는 방법은 대상체에 대응하는 제1 시계열 데이터를 획득하는 단계, 상기 획득된 제1 시계열 데이터에 기초하여, 상기 대상체에 대한 하나 이상의 긍정 쌍(Positive Pair) 및 하나 이상의 부정 쌍(Negative Pair) 중 적어도 하나를 포함하는 대조 학습을 위한 학습 데이터 셋을 획득하는 단계와 상기 생성된 학습 데이터 셋에 기초하여 신경망 모델에 대한 대조 학습을 수행하는 단계를 포함한다.
본 개시는 생체 데이터를 분석하여 사용자의 진단 정보를 생성하는 방법, 컴퓨터 장치 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 기 학습된 신경망 모델에 기초하여 생체 데이터를 분석하여 사용자의 상태를 파악하는 단계, 상기 사용자의 상태 및 상기 생체 데이터에 대응하는 특징 정보에 기초하여, 기 구축된 데이터 베이스로부터 상기 사용자의 상태의 설명을 보조하는 컨텍스트 데이터를 획득하는 단계 및 상기 컨텍스트 데이터에 기초하여 프롬프트(Prompt)를 생성하고, 상기 프롬프트를 언어 모델에 제공하여, 상기 사용자의 상태에 관한 진단 정보를 생성하는 단계를 포함한다.
본 개시는 셀프 라벨링을 통해 획득된 학습 데이터에 기초하여 신경망 모델을 학습시키는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 상기 방법은 셀프 라벨링(Self-Labeling) 방식에 따라 생체 데이터에 라벨을 부여하고, 상기 라벨이 부여된 생체 데이터에 기반한 학습 데이터를 획득하는 단계와 상기 획득된 학습 데이터에 기초하여 신경망 모델을 학습 시키는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 설명 가능한 인공지능에 기반한 의료 데이터의 해석 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 상기 방법은, 심전도 데이터를 포함하는 제 1 의료 데이터를 획득하는 단계; 및 사전 학습된 제 1 신경망 모델을 이용하여, 상기 제 1 의료 데이터를 기초로, 상기 제 1 의료 데이터에 대한 분석 값보다 더 높은 값을 갖도록 변형된 제 2 의료 데이터 또는 상기 제 1 의료 데이터에 대한 분석 값보다 더 낮은 값을 갖도록 변형된 제 3 의료 데이터 중 적어도 하나를 생성하는 단계를 포함할 수 있다.
본 개시는 심전도 데이터에 기초하여 좌심실 이완 기능 부전을 예측하는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 상기 방법은 대상체의 좌심실 이완 기능에 관하여 평가하는 단계와 상기 대상체의 좌심실 이완 기능에 관한 평가 결과에 기초하여 상기 대상체의 심전도 데이터에 라벨링(Labeling)을 수행하여 학습 데이터를 획득하는 단계를 포함한다.
본 개시는 서로 다른 시점에 대응하는 복수의 심전도 데이터에 기초하여 사용자의 상태를 파악하는 방법, 장치 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 사용자에 관하여 서로 다른 시점에 대응하는 복수의 심전도 데이터를 획득하는 단계와 기 설정된 질병 가능성을 예측하도록 학습된 제1 신경망 모델을 통해 상기 복수의 심전도 데이터에 기초하여 상기 사용자의 상태를 파악하는 단계를 포함한다.
본 개시는 임상 시험을 수행하는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 상기 방법은 임상 시험 지원자의 심전도 데이터를 획득하는 단계와 기 학습된 신경망 모델을 통해 상기 획득된 심전도 데이터에 기초하여 상기 지원자의 상기 임상 시험에 대한 적합 여부를 판단하는 단계를 포함한다.
본 개시는 6 유도(6-Lead) 심전도 데이터에 기초하여 사용자의 상태를 판단하는 장치, 방법 및 컴퓨터 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 상기 방법은 사용자의 6 유도 심전도 데이터를 획득하는 단계 및 기 학습된 신경망 모델을 통해 상기 획득된 6 유도 심전도 데이터에 기초하여 사용자의 상태를 판단하는 단계를 포함한다.
본 개시는 생체 데이터를 획득하여 인공 지능 기반의 분석 결과를 제공하는 시스템을 제공한다. 본 개시의 일 실시 예에 따른 시스템은 인공지능 기반의 모델을 이용하여, 환자의 심전도 데이터를 분석하여 AI(Artificial Intelligence, AI) 분석 결과 데이터를 획득하고, 전자 의무 기록 유닛의 프로토콜에 기초하여 상기 AI 분석 결과 데이터를 가공하여 상기 전자 의무 기록 유닛에 송신하는 인공 지능 시스템, 상기 심전도 데이터와 상기 AI 분석 결과 데이터를 포함하는 상기 환자의 의료 기록을 관리하는 전자 의무 기록 유닛을 포함하고, 상기 전자 의무 기록 유닛은, 상기 인공 지능 시스템으로부터 수신한 상기 가공된 AI 분석 결과 데이터를 상기 환자의 타 생체 데이터의 검사 결과 데이터에 통합하여 제공한다.
본 개시의 일 실시예에 따른 이미지 투영 방법을 통한 심전도 데이터의 입력 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 비정형 심전도 데이터에 대한 이미지 투영을 수행하여 정형화된 심전도 데이터를 생성하는 단계; 및 상기 정형화된 심전도 데이터에 포함된 심전도 신호로부터 수치 데이터를 추출하는 단계를 포함할 수 있다.
본 개시는 생체 데이터를 분석하여 사용자의 진단 정보를 생성하는 방법, 컴퓨터 장치 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 획득된 사용자의 생체 데이터로부터 특징 정보를 추출하고, 상기 특징 정보에 기초하여 상기 사용자의 상태를 파악하는 단계, 상기 특징 정보와 상기 사용자의 상태에 기초하여, 기 구축된 데이터 베이스로부터 상기 사용자의 상태의 설명을 보조하는 컨텍스트 데이터를 획득하는 단계와 상기 특징 정보, 상기 사용자의 상태 및 상기 컨텍스트 데이터에 기초하여 프롬프트(Prompt)를 생성하고, 상기 프롬프트를 언어 모델에 제공하여, 상기 사용자의 상태에 관한 진단 정보를 생성하는 단계를 포함한다.
본 발명은 심전도 판독문 제공 시스템 및 그 방법에 관한 것이다. 본 발명에 따르면, 심전도 판독문 제공 시스템은 심전도와 상기 심전도를 판독한 답지 판독문을 수집하는 데이터 수집부, 학습모델을 구축하고, 상기 수집된 심전도 및 답지 판독문을 기 구축된 학습 모델에 입력하여 학습시키는 학습부, 상기 학습 모델로부터 출력된 결과 판독문과 상기 답지 판독문을 상호 비교하여오차를 산출하고, 산출된 오차를 이용하여 상기 학습 모델을 업데이트하는 제어부, 그리고 판독하고자 하는 심전도를 입력받고, 입력된 심전도를 학습이 완료된 학습 모델에 입력하여 판독문을 생성하는 판독문 생성부를 포함한다. 이와 같이 본 발명에 따르면, 심전도 판독에 숙련되지 못한 의사나, 판독문 작성이 어려운 의사 또는 의원 등에 가이드라인을 제시할 수 있으므로, 심전도 판독에 숙련되지 못한 의사의 심전도 판독 오류 가능성을 줄일 수 있고, 짧은 시간에 많은 수의 환자를 진료해야 하는 의료 현장에서 심전도 판독문 작성에 드는 시간과 비용을 줄일 수 있다_
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 심전도 신호의 오류 복원 방법은 심전도 신호를 획득하는 단계, 상기 획득된 심전도 신호를 측정하기 위한 리드들 사이의 상관관계를 기초로, 상기 획득된 심전도 신호의 오류를 추정하는 단계 및 심전도 신호의 오류를 교정하기 위한 복원 정보를 기초로, 상기 오류가 추정된 심전도 신호를 복원하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 인공지능을 이용하여 심전도를 생성하는 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 심전도 측정 장치에서 생성된 제 1 사지 유도 심전도를 획득하는 단계; 사전 학습된 제 1 신경망 모델에 상기 획득된 제 1 사지 유도 심전도를 입력하여, 제 1 사지 유도 심전도와 상이한 제 2 사지 유도 심전도를 생성하는 단계; 상기 제 1 사지 유도 심전도와 상기 제 2 사지 유도 심전도를 기초로 벡터 연산을 수행하여, 상기 제 1 사지 유도 심전도와 상기 제 2 사지 유도 심전도를 제외한 나머지 사지 유도 심전도를 생성하는 단계; 및 사전 학습된 제 2 신경망 모델에 상기 제 1 사지 유도 심전도, 상기 제 2 사지 유도 심전도 및 상기 벡터 연산을 통해 생성된 사지 유도 심전도를 입력하여, 흉부 유도 심전도를 생성하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 심전도를 기초로 좌심실 수축기 장애를 진단하는 방법으로서, 심전도 데이터를 획득하는 단계; 및 사전 학습된 신경망 모델을 사용하여, 상기 심전도 데이터를 기초로 상기 심전도 데이터의 측정 대상에 대한 좌심실 수축기 장애 발병 확률을 추정하는 단계를 포함하고, 상기 신경망 모델은, 좌심실 수축기 장애와 심전도 특성의 변화 간의 상관관계를 기초로 학습된 것인, 방법을 제공하고자 한다.
본 발명은 딥러닝 알고리즘을 기반으로 복수개의 표준 심전도 데이터를 생성하는 방법에 관한 것이다. 본 발명에 따르면, 표준 심전도 데이터를 생성하는 방법은 표준 12 유도 심전도 데이터를 수집하고, 측정자의 특성 및 특정 방식에 따라 수집된 표준 12유도 심전도 데이터를 복수의 스타일로 분류하는 단계, 상기 복수의 스타일로 분류된 심전도 데이터를 심전도 생성 모델에 입력하여 복수의 유도 심전도를 생성하도록 학습시키는 단계, 측정 대상자로부터 측정된 단일 유도 심전도 데이터 또는 2개의 유도 심전도 데이터를 입력받는 단계, 그리고 상기 단일 유도 심전도 데이터 또는 2개의 유도 심전도 데이터를 심전도 생성 모델에 입력하여 복수의 유도 심전도를 생성시키는 단계를 포함한다.
본 발명은, 1유도 이상의 심전도를 측정하여 심전도 데이터를 생성하는 심전도 측정부(110), 1유도 이상의 심전도 및 이에 상응하는 질환의 학습데이터셋으로 학습하여 구축된 딥러닝 알고리즘을 통해, 심전도 측정부(110)로부터 입력된 심전도 데이터로부터 질환을 진단하고 예측하여 질환예측정보를 생성하는, 딥러닝기반 예측부(120), 심전도 데이터 및 이에 상응하는 질환정보로 구축된 지식베이스와 추론규칙으로 구성된 원칙기반 알고리즘을 통해서, 심전도 측정부(110)로부터 입력된 심전도 데이터로부터 질환에 대해 추론하여 질환추론정보를 생성하는, 원칙기반 추론부(130), 및 질환예측정보 및 질환추론정보를 통합 분석하여 질환의 판독을 수행하여 판독정보를 생성하고, 질환 진단의 이유와 근거에 대한 진단정보를 제공하도록 하는, 통합 판독부(140)를 포함하여, 심전도의 오판독을 방지하고 신속하고 정확한 판독이 가능하도록 하는, 딥러닝기반 모델 및 원칙기반 모델 통합 심전도 판독 시스템을 개시한다.
본 발명은, 동일 피검진자의 시차를 둔 서로 다른 시점의 심전도를 각각 측정하여 N개의 심전도 데이터를 각각 획득하는 심전도 측정부(110), 서로 다른 시점의 N개의 심전도 데이터 및 심전도 데이터에 해당하는 질환의 데이터셋을 학습하여 미리 구축된 진단 알고리즘을 통해, 심전도 측정부(110)로부터 제공되는 N개의 심전도 데이터로부터 시멘틱 특징값 또는 출력값을 통합하여 질환의 유무와 추이와 질환의 정도를 예측하는 질환정보를 생성하는, 예측부(120), 및 심전도 측정부(110)로부터의 N개의 심전도 데이터를 예측부(120)로 변환하여 입력하는 입력부(130)를 포함하여, 동일 피검진자의 시차를 둔 복수의 심전도 데이터로부터 건강상태를 보다 더 정확하게 계측, 진단, 검진 및 예측할 수 있는, 복수의 심전도를 이용한 딥러닝기반 건강상태 예측 시스템을 개시한다.
본 발명은, 피검진자의 신체로부터 각 유도별 심전도 데이터를 측정하는 심전도 측정부(110), 및 다수의 심전도 데이터를 기반으로, 노이즈가 적은 각 유도별 심전도 데이터 및 각 유도별 심전도 데이터의 고유 스타일의 학습데이터셋을 미리 학습하여 구축된 심전도 생성 딥러닝 알고리즘(121)을 통해, 피검진자의 특성 및 측정방식의 특성을 반영하여, 심전도 측정부(110)에 의해 측정된 심전도 데이터로부터 고유 스타일을 추출하고, 추출된 고유 스타일을 통해 노이즈가 포함되지 않는 특정 유도 스타일의 심전도 데이터로 변환하여 생성하는, 스타일기반 심전도 생성부(120)를 포함하여, 노이즈가 제거된 심전도 데이터를 생성하여 질환 진단 예측의 정확도를 높일 수 있는, 딥러닝 기반 심전도 데이터의 노이즈 제거 시스템을 개시한다.
본 개시의 일 실시예에 따른 인공 지능에 기반한 생체 데이터의 AI 분석 서비스를 제공하는 의료 시스템은, 인공지능 기반의 모델을 이용하여 환자의 생체 데이터를 분석하여 AI 분석 결과를 획득하는 제1 인공 지능 서버, 환자의 생체 데이터를 획득하고 AI 분석 결과 데이터를 제공하는 환자의 의료 기록을 관리하는 제1 병원 진료 시스템, 제1 인공 지능 서버와 제1 병원 진료 시스템을 연결하고 제1 병원 진료 시스템으로부터 AI 분석 서비스의 오더를 전달 받으면, 생체 데이터를 제1 인공 지능 서버에 전달하여 AI 분석을 요청하고 제1 인공 지능 서버로부터 AI 분석 결과를 획득하여 이를 제1 병원 진료 시스템에 전달하는 미들웨어 서버를 포함하고 미들웨어 서버는 시스템에 새로운 AI 분석 서비스가 등록되면 새로운 제2 인공 지능 서버를 식별하여 해당 서버와 전자 의무 기록 유닛을 연결할 수 있다.
본 개시는 심전도 데이터에 기초하여 부르가다 증후군을 진단하는 방법, 장치 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 방법은 대상체의 심전도 데이터를 획득하는 단계와 기 학습된 제1 신경망 모델을 이용하여 상기 획득된 심전도 데이터에 기초하여 상기 대상체의 부르가다 증후군을 식별하는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 심전도를 기반으로 질환을 진단하는 인공지능을 생성하는 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 심전도 데이터 및 상기 심전도 데이터의 측정 대상자에 관한 진료 데이터를 획득하는 단계; 및 상기 진료 데이터에 존재하는 기록 정보를 분석하여, 상기 심전도 데이터를 학습 데이터 또는 비학습 데이터로 분류하는 단계를 포함할 수 있다.
본 개시는 비정상 심전도 신호에 기초하여 사용자의 상태를 파악하는 방법, 장치 및 프로그램을 제공한다. 본 개시의 일 실시 예에 따른 비정상 심전도 신호에 기초하여 사용자의 상태를 파악하는 방법은 단일 유도 심전도 측정 장치의 제1 측정 방식에 기초하여, 사용자에 대한 제1 유도 심전도 데이터를 획득하는 단계, 상기 획득된 제1 유도 심전도 데이터에 대응하는 심전도 신호가 비정상인지 판단하는 단계 및 상기 심전도 신호가 비정상인 것으로 판단되면, 상기 단일 유도 심전도 측정 장치의 제2 측정 방식에 기초하여 상기 사용자에 대한 제2 유도 심전도 데이터를 획득할 것을 제안하는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 인공지능을 이용하여 질환의 예후를 예측하는 방법, 프로그램 및 장치가 개시된다. 상기 방법은, 특정 치료 이후 N시간이 경과한 시점에 측정된 환자의 심전도 데이터를 획득하는 단계; 및 사전 학습된 신경망 모델을 이용하여, 상기 획득된 심전도 데이터를 기초로 상기 환자가 앓고 있는 질환의 예후를 예측하기 위한 확률 지수를 생성하는 단계를 포함할 수 있다.
본 발명은 2개 유도의 비동시적 심전도를 기반으로 동시적 심전도를 생성하는 방법에 관한 것이다. 본 발명에 따르면, 동시적 심전도를 생성하는 방법은 병원에서 운영하는 서버로부터 복수의 환자들의 심전도 데이터를 수집하고, 상기 수집된 심전도 데이터를 스타일 별로 분류하는 단계, 딥러닝 알고리즘을 구축하고, 상기 분류된 심전도 데이터를 구축된 기계 학습 모델에 입력하여 심전도의 스타일을 학습시키는 단계, 측정대상자의 신체에 설치된 전극을 이용하여 다른 시점에서 측정된 2개의 리드 심전도를 획득하는 단계, 그리고 상기 측정 대상자의 리드 심전도를 학습이 완료된 기계 학습 모델에 입력하여 가상의 동기화된 복수의 유도 심전도를 생성하는 단계를 포함한다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 187건 중 50건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 24.7 | 48.8 |
| 영업비용 | 87.6 | 167.5 |
| 영업이익(손실) | (62.8) | (118.7) |
| 영업외수익 | 1.5 | 2.5 |
| 기타이익 | 0.4 | 0.0 |
| 금융수익 | 1.1 | 2.4 |
| 영업외비용 | (4.2) | (4.4) |
| 기타손실 | (0.2) | (1.4) |
| 금융원가 | (4.0) | (3.0) |
| 법인세비용차감전순이익(손실) | (65.5) | (120.6) |
| 법인세비용 | (0.1) | — |
| 당기순이익(손실) | (65.6) | (120.6) |
매출은 48.8억으로 전년 대비 97.1% 증가한 것으로 나타났다.
영업이익률은 -243.3%로 전년 -253.9%에서 상승했다.
당기순이익은 -120.6억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-08 확인