메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
문병진 (원주세브란스기독병원) 변준 (연세대학교) 박영철 (연세대학교) 육현 (원주세브란스기독병원) 이희영 (원주의과대학) 추연일 (원주세브란스기독병원)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제59권 제2호(통권 제531호)
발행연도
2022.2
수록면
59 - 66 (8page)
DOI
10.5573/ieie.2022.59.2.59

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
고칼륨혈증(hyperkalemia)은 혈청 칼륨 수치(Serum Potassium Level : SPL)가 5.5mEq/L 이상일 때 진단되며, 심장리듬에 영향을 미쳐 심부전을 일으킬 수 있으므로 빠른 경고가 중요하다. 혈청 칼륨 수치의 증가는 일반적으로 심전도(Electrocardiogram : ECG)의 변형을 일으킨다. 따라서 본 논문에서는 혈청 칼륨 수치에 따른 심전도 변화를 분석하여 고칼륨 혈증의 위험이 있는 환자에게 고칼륨혈증의 위험성을 경고할 수 있는 딥러닝 모델을 제안한다. 본 논문에서는 장단기메모리(Long Short Term Memory : LSTM)와 함께 깊이별 분리 가능한 합성곱 커널을 기반으로 하는 합성곱 순환신경망(Convolutional Recurrent Neural Network : CRNN) 모델을 사용하였다. 실제 1,879명 환자의 심전도 데이터들을 대상으로 수행된 실험은 제안된 딥러닝 모델이 심전도의 변화를 분석하여 혈청 칼륨 수치를 비교적 정확하게 예측하고, 깊이분리 합성곱 커널을 사용함으로 인해 작은 네트워크 매개 변수로도 정확도를 유지할 수 있음을 보여준다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 연구 대상 및 방법
Ⅲ. 실험 및 결과
Ⅳ. 결론
REFERENCES

참고문헌 (13)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-569-001062402