JP7696125B2 - ディープラーニングアルゴリズムに基づく心電図生成システム及びその方法 - Google Patents

Description

本発明はディープラーニングアルゴリズムに基づく心電図生成システム及びその方法に関するものであり、より詳細には、ディープラーニングアルゴリズムを用いて一つ以上の誘導心電図から複数の心電図を生成する心電図生成システム及びその方法に関するものである。

病院で使用される標準１２誘導心電図は、胸部の全面に６個の電極を付着し、四肢にもそれぞれ３個の電極（接地電極を含むと、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、心臓を中心として１２個の電気的方向への心臓の電位を記録するものであり、これにより多方向で心臓の状態を判断することで、一部位に限られた心臓の疾病を正確に判読することができる。

心臓の電位を多方向で測定することは心臓の特性を各方向で把握することができるという点で意味があり、このために、医療では心臓疾患（心筋梗塞など）の診断のために標準１２誘導心電図を測定するように勧告している。

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部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）を正確な位置に付着しくいので、家庭や日常生活で測定しにくい。また、１０個の電極を付着した後には動きにくいので、実時間モニタリングに使用しにくい。

したがって、最近では、日常生活でも使用できるように１誘導心電図または２以上の誘導心電図を測定することができる機器が開発された。

まず、２個の電極を使用する１誘導心電図機器は、時計型心電図機構（アップルウォッチまたはギャラクシーウォッチ）を含む。時計型心電図機構は、時計の背面と左側手首とが接触し、右指と時計のクラウンとが接触して左腕電極と右腕電極とが接触し、両電極の電位差を活用してＩ誘導心電図を測定する。

また、時計型心電図機構は左腕に着用し、右手でクラウンと接触することでＩ誘導を測定し、時計を腹上に載せた状態で右手でクラウンと接触することでＩＩ誘導を測定し、腹上に載せた状態で左手でクラウンと接触することでＩＩＩ誘導を測定する。その後、時計クラウンに左手で接触した状態でＶ１－６電極位置に時計の背面を接触することでＶ１－６誘導心電図を測定する。

前記方法は、使用者がＶ１－６位置に正確に心電図を接触しなければならないという点で使用性が落ち、Ｖ１－６誘導心電図の場合は、当該部位に接触しても仮想の中心点とＶ電極との間の電位差を図示しなければならない標準胸部誘導心電図とは違い、右腕電極とＶ電極との間の電位差を図示するという点で、標準胸部誘導を具現することができないという問題点があった。

また、両手で電極を握り、脚または足首に機器背面の電極を接触させ、左腕、右腕、左脚にそれぞれ電極を接触させた状態で２個以上の誘導心電図を測定することもできる。しかし、前記方法は長時間（１時間、２４時間、７日など）モニタリングすることができない方法であり、機器自体が３個の電極を有していなければならないという欠点がある。

本発明の背景となる技術は韓国登録特許第１０－２１８０１３５号（２０２０．１１．１７．公告）に開示されている。

このように、本発明は、ディープラーニングアルゴリズムを用いて一つ以上の誘導心電図から複数の心電図を生成する心電図生成システム及びその方法を提供するためのものである。

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、ディープラーニングアルゴリズムに基づく心電図生成システムは、複数の患者で測定された１２誘導心電図及び前記１２誘導心電図に対応する患者情報を入力されるデータ入力部と、前記入力された１２誘導心電図を前記患者情報によって分類して保存し、保存された１２誘導心電図から学習データを抽出するデータ抽出部と、前記抽出された学習データを１個以上の学習モデルに入力して心電図の特性を学習させる学習部と、前記測定対象者から１個以上の基準心電図を入力され、前記入力された基準心電図を学習の完了した１個以上の学習モデルに入力して仮想心電図を生成する心電図生成部と、前記基準心電図と生成された仮想心電図とを互いに同期化し、同期化した基準心電図及び仮想心電図に対する波形を出力する制御部とを含む。

前記患者情報は、性別、年齢、心臓疾患有無、及び測定された心電図の電位ベクターのうちの少なくとも一つを含むことができる。

前記学習部は、四肢６誘導心電図及び胸部６誘導心電図のうちの一部であるｎ個誘導の心電図を第１学習モデルに入力することで、前記第１学習モデルにとって入力された心電図に対する電位ベクターを判別して１２－ｎ個の心電図を生成するように学習させることができる。

前記学習部は、四肢６誘導心電図及び胸部６誘導心電図に対する１２個の第２学習モデルを構築し、前記構築された第１学習モデルから出た１２－ｎ個の生成された心電図を第２学習モデルに入力すると、前記入力された誘導心電図を該当電位ベクターを有するスタイルに変換してｎ個の仮想心電図として出力するように学習させることができる。

前記第１学習モデル及び第２学習モデルは、敵対的生成ネットワークとオートエンコーダー方法とを混合して構築することができる。

前記心電図生成部は、入力された基準心電図を第１学習モデルに入力し、前記基準心電図に対する電位ベクターを抽出して残りの複数の仮想心電図を生成し、抽出された電位ベクターによって学習された第２学習モデルに前記生成された仮想心電図を入力することで、再び基準心電図と同一である誘導の仮想心電図を生成することができる。

前記制御部は、前記基準心電図と前記複数の仮想心電図とをマッチングして同期化し、同期化した複数の心電図をモニターを介して出力する。

また、本発明の実施例によれば、心電図生成システムを用いた心電図生成方法は、ディープラーニングアルゴリズムに基づく心電図生成システムは、複数の患者で測定された１２誘導心電図及び前記１２誘導心電図に対応する患者情報を入力される段階と、前記入力された１２誘導心電図を前記患者情報によって分類して保存し、保存された１２誘導心電図から学習データを抽出する段階と、前記抽出された学習データを１個以上の学習モデルに入力して心電図の特性を学習させる段階と、前記測定対象者から１個以上の基準心電図を入力され、前記入力された基準心電図を学習の完了した１個以上の学習モデルに入力して仮想心電図を生成する段階と、前記基準心電図と生成された仮想心電図とを互いに同期化し、同期化した基準心電図及び仮想心電図に対する波形を出力する段階とを含む。

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互いに異なる地点で測定した二つの心電図から同期化した複数の心電図を生成することができるので、１２誘導心電図のように心臓の疾病を正確に判読することができる。

また、本発明によれば、２個の誘導心電図を用いるので、家庭や日常生活でも測定可能であり、動く状態でも測定することができて実時間モニタリングが可能であり、互いに異なる時点に測定された心電図情報を活用して同期化した心電図を生成するので、医療陣にとって該当拍動に合わせて同期化した誘導心電図情報を判読することができ、これに基づいてより正確な診断が可能である。

本発明の実施例による心電図生成システムを説明するための構成図である。 本発明の実施例による心電図生成システムを用いた心電図生成方法を説明するためのフローチャートである。 一般的な１２誘導心電図を測定する方法を説明する例示図である。 図２に示したＳ２４０段階を説明するための例示図である。 図２に示したＳ２６０段階を説明するための例示図である。

本発明の実施例による心電図生成システム１００は、データ入力部１１０、データ抽出部１２０、学習部１３０、心電図生成部１４０、及び制御部１５０を含む。

まず、データ入力部１１０は、複数の患者で測定された１２誘導心電図及び１２誘導心電図に対応する患者情報を入力される。

ここで、１２誘導心電図は、四肢６誘導心電図及び胸部６誘導心電図を含み、患者情報は、性別、年齢、心臓疾患有無、及び測定された心電図の電位ベクターのうちの少なくとも一つを含む。

データ抽出部１２０は、入力された患者情報を用いて１２誘導心電図を分類してデータベースに保存する。そして、データ抽出部１２０は、データベースに保存された複数の１２誘導心電図を無作為に抽出して学習データを生成する。

その後、学習部１３０は、学習データを用いて構築した学習モデルを学習させる。より詳細に説明すると、学習部１３０は、入力された誘導心電図についての電位ベクター情報を抽出してｎ個誘導の基準心電図から１２－ｎ個誘導仮想の心電図を生成する第１学習モデルと、１２－ｎ個誘導仮想の心電図からｎ個誘導の仮想心電図を生成する第２学習モデルとを構築する。

そして、学習部１３０は、構築された第１学習モデルまたは第２学習モデルに生成された学習データを入力して第１学習モデルまたは第２学習モデルを学習させる。

心電図生成部１４０は、測定対象者から一つ以上の基準心電図を獲得する。そして、心電図生成部１４０は、獲得した基準心電図を学習の完了した第１学習モデルに入力することで、基準心電図に対する電位ベクターに基づいて第１仮想心電図を生成する。心電図生成部１４０は、学習した第２学習モデルに生成された第１仮想心電図を入力することで、第２学習モデルにとって第２仮想心電図を出力するようにする。

最後に、制御部１５０は、基準心電図と仮想心電図とを同期化し、基準心電図及び仮想心電図から同期化した複数の心電図をモニター装置を介して出力する。

発明の実施のための形態

以下、添付図面に基づいて本発明の好適な実施例を詳細に説明する。ここで、図面に示した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図示されていることもある。

また、後述する用語は本発明での機能を考慮して定義した用語であり、これは使用者や運用者の意図また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本明細書全般にわたった内容に基づいて下さらなければならないであろう。

以下では、図１に基づいて本発明の実施例によるディープラーニングアルゴリズムに基づく心電図生成システムについてより詳細に説明する。

図１は本発明の実施例による心電図生成システムを説明するための構成図である。

図１に示したように、本発明の実施例による心電図生成システム１００は、データ入力部１１０、データ抽出部１２０、学習部１３０、心電図生成部１４０、及び制御部１５０を含む。

まず、データ入力部１１０は、複数の患者で測定された１２誘導心電図及び１２誘導心電図に対応する患者情報を入力される。

ここで、１２誘導心電図は、四肢６誘導心電図及び胸部６誘導心電図を含み、患者情報は、性別、年齢、心臓疾患有無、及び測定された心電図の電位ベクターのうちの少なくとも一つを含む。

データ抽出部１２０は、入力された患者情報を用いて１２誘導心電図を分類してデータベースに保存する。そして、データ抽出部１２０は、データベースに保存された複数の１２誘導心電図を無作為に抽出して学習データを生成する。

その後、学習部１３０は、学習データを用いて構築した学習モデルを学習させる。より詳細に説明すると、学習部１３０は、入力された誘導心電図についての電位ベクター情報を抽出して、ｎ個誘導の基準心電図から１２－ｎ個誘導仮想の心電図を生成する第１学習モデルと、１２－ｎ個誘導仮想の心電図からｎ個誘導の仮想心電図を生成する第２学習モデルとを構築する。

そして、学習部１３０は、構築された第１学習モデルまたは第２学習モデルに生成された学習データを入力して第１学習モデルまたは第２学習モデルを学習させる。

心電図生成部１４０は、測定対象者から一つ以上の基準心電図を獲得する。そして、心電図生成部１４０は、獲得した基準心電図を学習の完了した第１学習モデルに入力することで、基準心電図に対する電位ベクターに基づいて第１仮想心電図を生成する。心電図生成部１４０は、学習した第２学習モデルに生成された第１仮想心電図を入力することで、第２学習モデルにとって第２仮想心電図を出力するようにする。

最後に、制御部１５０は、基準心電図と仮想心電図とを同期化し、基準心電図及び仮想心電図から同期化した複数の心電図をモニター装置を介して出力する。

以下では、図２～図５に基づいて本発明の実施例による心電図生成システム１００を用いた心電図生成方法についてより詳細に説明する。

図２は本発明の実施例による心電図生成システムを用いた心電図生成方法を説明するためのフローチャートである。

図２に示したように、本発明の実施例による心電図生成システムを用いた心電図生成方法は、学習モデルを学習させる段階と、学習の完了した学習モデルを用いて心電図を生成する段階とに区分される。

学習モデルを学習させる段階で、まず、心電図生成システム１００は、複数の患者で測定された誘導心電図及び患者の情報を入力される（Ｓ２１０）。

まず、１２誘導心電図は心臓を中心に１２個の電気的方向への心臓の電位を記録したものである。

誘導心電図を撮影する一般的な方法を調べると、まず、患者の両腕及び両脚に４個の電極（四肢電極（ｌｉｍｂ ｌｅａｄ））を付ける。ここで、心電図測定装置は、このうち両腕電極及び左脚電極で電位を測定し、右脚電極は接地電極の役割を果たす。

図３は一般的な１２誘導心電図を測定する方法を説明する例示図である。

図３に示したように、心電図測定装置は、左腕の電位から右腕の電位を差し引いてＩ誘導心電図を生成し、左脚の電位から右腕電位を差し引いてＩＩ誘導心電図を生成し、左脚の電位から左腕の電位を差し引いてＩＩＩ誘導心電図を生成する。

心電図測定装置は、両腕及び左脚電極の電位の平均を求めて仮想の中心点の電位を求める。そして、心電図測定装置は、左腕の電位から仮想の中心点の電位を差し引いてａＶＬ誘導の心電図を生成し、右腕の電位から仮想の中心点の電位を差し引いてａＶＲ誘導の心電図を生成する。また、心電図測定装置は、左脚電極の電位から仮想の中心点の電位を差し引いてａＶＦ誘導の心電図を生成する。前記のように、心電図測定装置は、３個（接地電極まで４個）の四肢電極を使用して総６個誘導（６個列の）心電図を生成する。

その後、心電図測定装置は、四肢誘導で決定した仮想の中心点の電位と、胸部に付着した６個の電極の電位との差を用いて胸部６誘導心電図を生成する。すなわち、胸に、Ｖ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５、Ｖ６の６個の電極を所定の位置の前側から左側胸部まで付ける。

そして、心電図測定装置は、Ｖ１電極で測定された電位と前記四肢電極の平均によって求めた仮想の中心点の電位を差し引いてＶ１誘導心電図を生成する。

前記のように、心電図測定装置は、複数の患者に付着された電極を用いて１２誘導心電図を生成する。そして、生成された１２誘導心電図は心電図生成システム１００に伝達する。

ここで、心電図生成システム１００は生成された１２誘導心電図及びそれに対応する患者情報をさらに入力される。

ここで、患者情報は、性別、年齢、心臓疾患有無、及び測定された心電図の電位ベクターのうちの少なくとも一つを含む。

Ｓ２１０段階が完了すると、心電図生成システム１００は、収集された１２誘導心電図及び患者情報を用いて学習データを抽出する（Ｓ２２０）。

これをまた説明すると、データ抽出部１２０は、収集された１２誘導心電図を患者情報によって分類してデータベースに保存する。そして、データ抽出部１２０は、保存された複数の１２誘導心電図から無作為に抽出して学習データを生成する。

その後、学習部１３０は、生成された学習データを用いて第１学習モデル及び第２学習モデルをそれぞれ学習させる（Ｓ２３０）。

まず、学習部１３０は、１２誘導心電図から構成された学習データを第１学習モデル及び第２学習モデルに入力して心電図の特性を学習させる。これをまた説明すると、誘導心電図は、電位ベクターによって電気の流れ方向が異なり、患者の年令や性別によって心電図スタイルに影響を与える。すなわち、年寄りになるほど心臓筋肉が減少するので心電図の振幅は減少する傾向を示し、女性の場合には、乳房によって心電図の電極位置が低くなるか心臓と電極との間の距離が大きくなることによって心電図形状の変形が発生する。

また、慢性肺疾患（晩成閉鎖性肺疾患）がある場合、肺の容量が大きくなり、肺の間にある心臓が垂直方向に立てられるので、３次元空間で心臓の電気的流れが垂直方向に変化する。

したがって、学習部１３０は、患者情報、すなわち、患者の年齢、性別、健康程度、及び電位ベクターによってそれぞれ分離されて保存された誘導心電図を第１学習モデル及び第２学習モデルに入力する。すると、第１学習モデル及び第２学習モデルは、入力された誘導心電図の特性を学習して、入力される誘導心電図の電位ベクター情報を抽出する。しかし、患者情報によって区分せずに心電図を受けて学習することもでき、この方法によって一つの特性に限られない学習モデルを学習することもできる。

また、学習部１３０は、１２誘導心電図に対応する１２個の第２学習モデルを構築する。そして、学習部１３０は、心電図の特性によってそれぞれの第２学習モデルを学習させる。

これをまた説明すると、第１学習モデルは、ディープラーニングアルゴリズムに基づき、入力される心電図と１２誘導心電図との連関性を学習して、入力された心電図の特徴、すなわち、年齢、性別、及び電位ベクターのうちの少なくとも一つを抽出し、これによりｎ個誘導の基準心電図から１２－ｎ個誘導の仮想心電図を生成する。一方、第２学習モデルは、１２－ｎ個誘導の仮想心電図からｎ個誘導の仮想心電図を生成する。例えば、Ｖ１誘導心電図を生成すると仮定すると、学習部１３０は、第１学習モデルでＶ１誘導の心電図から仮想のＩ、ＩＩ、ＩＩＩ、ａＶＬ、ａＶＲ、ａＶＦ、Ｖ２、Ｖ３、Ｖ４、Ｖ５、Ｖ６誘導の心電図を生成するようにスタイルを学習させ、第２学習モデルは、仮想のＩ、ＩＩ、ＩＩＩ、ａＶＬ、ａＶＲ、ａＶＦ、Ｖ２、Ｖ３、Ｖ４、Ｖ５、Ｖ６誘導の心電図から仮想のＶ１誘導の心電図を生成するようにスタイルを学習させる。すると、第２学習モデルは、入力された心電図をＶ１誘導スタイルに変換して仮想心電図を生成する。

第１学習モデルには、入力された心電図がどの誘導の心電図であるかを判別するように、どの誘導の心電図であるかを一緒に入力して学習する。これにより学習された後に使用するとき、誘導が分からない任意の心電図が入力されても１２誘導心電図を生成することができる。

ここで、第１学習モデル及び第２学習モデルは、オートエンコーダーまたは敵対的生成ネットワークから構成されたディープラーニングアルゴリズムを基にし、ディープラーニングアルゴリズムは、オートエンコーダーまたは敵対的生成ネットワークのうちから選択された一つを用いて具現することもでき、オートエンコーダーと敵対的生成ネットワークとを混合して具現することもできる。

Ｓ２１０段階及びＳ２３０段階で学習モデルに対する学習が完了すると、本発明の実施例による心電図生成システム１００は、学習された学習モデルを用いて心電図を生成する。

まず、心電図生成システム１００は、測定対象者の身体に付着された電極を介して測定された基準心電図を入力される（Ｓ２４０）。

ここで、基準心電図は電位ベクターについての情報を含まない。

その後、心電図生成部１４０は、入力された基準心電図を第１学習モデル及び第２学習モデルに入力して複数の仮想心電図を生成する（Ｓ２５０）。

まず、心電図生成部１４０は、基準心電図を第１学習モデルに入力して基準心電図の特性を抽出する。

ここで、特性は、測定対象者の年齢、性別、及び電位ベクターのうちの少なくとも一つを含む。

これにより、基準心電図から第１仮想の心電図を生成する。

その後、心電図生成部１４０は、生成された第１仮想の心電図を第２学習モデルに入力する。すると、第２学習モデルは、入力された第１仮想の心電図に基づいて第２仮想の心電図を生成する。

図４は図２に示したＳ２４０段階を説明するための例示図である。

図４に示したように、一番目の心電図は基準心電図を示す。ここで、第１学習モデルが基準心電図の特性をＬ１とすると仮定する。すると、心電図生成部１４０は、第１学習モデルがＬ１心電図に基づいて残りの１１個誘導の仮想心電図を生成する。生成された１１個誘導の仮想心電図を第２学習モデルに入力した後、仮想のＬ１誘導心電図を生成する。それぞれの学習モデルには、心電図を生成する生成子と一緒に生成された心電図が正確に生成されたかを判別し、フィードバックによって生成された心電図の正確度を高めるための判別子が一緒に構成される。

Ｓ２５０段階が完了すると、制御部１５０は、基準心電図及び１１個の仮想心電図をモニタリング装置を介して出力する（Ｓ２６０）。

図５は図２に示したＳ２６０段階を説明するための例示図である。

制御部１５０は、基準心電図と１１個の仮想心電図とを出力する。そして、図５に示したように、制御部１５０は、出力された基準心電図と１１個の仮想心電図とを同期化させて、測定対象者の健康異常有無を判断する。ここで、基準心電図と同一である誘導の仮想心電図も第２学習モデルで生成されるので、１２個の仮想心電図によって判別することもできる。

前述したように、心電図は、測定対象者の年齢、性別、及び健康異常有無によって心電図の傾き、振幅の大きさなどが異なって出力される。よって、制御部１５０は、基準心電図、及び１１個の仮想心電図によって同期化した１２個の心電図をモニタリング装置を介して出力する。

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互いに異なる地点で測定された二つの心電図から同期化した複数の心電図を生成することができるので、１２誘導心電図のように心臓の疾病を正確に判読することができる。

また、本発明による心電図生成システムは、２個の誘導心電図を用いるので、家庭や日常生活でも測定可能であり、動く状態でも測定することができて実時間モニタリングが可能であり、互いに異なる時点に測定された心電図情報を活用して同期化した心電図を生成するので、医療陣にとって該当拍動に合わせて同期化した誘導心電図情報を判読することができ、これに基づいてより正確な診断が可能である。

本発明は図面に示した実施例に基づいて説明したが、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な他の実施例が可能であるという点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。

本発明はディープラーニングアルゴリズムを用いて互いに異なる地点で測定された二つの心電図から同期化した複数の心電図を生成することができるので、１２誘導心電図のように心臓の疾病を正確に判読することができ、多様なディープラーニングアルゴリズムに基づく心電図生成システムに産業上利用可能である。

１００ 心電図生成システム
１１０ データ入力部
１２０ データ抽出部
１３０ 学習部
１４０ 心電図生成部
１５０ 制御部

Claims (14)

1. ディープラーニングアルゴリズムに基づく心電図生成システムであって、
   複数の患者で測定された１２誘導心電図を入力されるデータ入力部と、
   前記入力された１２誘導心電図から学習データを抽出するデータ抽出部と、
   前記抽出された学習データを複数の学習モデルに入力して、前記ディープラーニングアルゴリズムに基づいて、心電図の特性を学習させる学習部と、
   前記複数の学習モデルは、ｎ個誘導の心電図から、１２－ｎ個誘導の仮想心電図であって１以上の仮想心電図を生成する第１学習モデルと、前記第１学習モデルから生成された１２－ｎ個誘導の仮想心電図からｎ個誘導の仮想心電図を生成する第２学習モデルとを含み、
   前記第１学習モデル及び前記第２学習モデルは、前記ディープラーニングアルゴリズムに基づいて学習させたモデルであり、
   測定された対象者から１個以上の基準心電図を入力されると、前記入力された基準心電図を学習の完了した前記第１学習モデルに入力して１２－ｎ個誘導の仮想心電図を生成し、続いて、前記第１学習モデルから生成された１２－ｎ個誘導の仮想心電図を学習の完了した前記第２学習モデルに入力してｎ個誘導の仮想心電図を生成する心電図生成部と、
   前記基準心電図と、前記第１学習モデル及び前記第２学習モデルから生成された仮想心電図とを互いに同期化し、同期化した基準心電図及び仮想心電図に対する波形を出力する制御部と、を含む、
   心電図生成システム。
2. 前記データ入力部には、前記１２誘導心電図に対応する患者の情報が入力され、
   前記患者の情報は、性別、年齢、心臓疾患有無、及び測定された心電図の電位ベクターのうちの少なくとも一つを含む、
   請求項１に記載の心電図生成システム。
3. 前記学習部は、四肢６誘導心電図及び胸部６誘導心電図の一部であるｎ個誘導の心電図を前記第１学習モデルに入力して、前記第１学習モデルにとって入力された心電図に対する電位ベクターを判別して１２－ｎ個誘導の仮想心電図を生成するように、前記第１学習モデルを学習させる、
   請求項２に記載の心電図生成システム。
4. 前記学習部は、前記第２学習モデルに、前記第１学習モデルから生成された１２－ｎ個誘導の心電図を入力すると、前記入力された誘導心電図を、前記電位ベクターを有するスタイルに変換してｎ個誘導の仮想心電図として出力するように学習させる、
   請求項３に記載の心電図生成システム。
5. 前記第１学習モデル及び第２学習モデルは、敵対的生成ネットワークとオートエンコーダー方法とを混合するかまたはそれぞれ使用することによって構築される、
   請求項１に記載の心電図生成システム。
6. 前記心電図生成部は、入力された基準心電図を第１学習モデルに入力して前記基準心電図に対する電位ベクターを抽出し、第１仮想心電図を生成し、前記第１仮想心電図を第２学習モデルに入力して第２仮想心電図を生成する、
   請求項５に記載の心電図生成システム。
7. 前記制御部は、前記基準心電図と、前記第１仮想心電図または前記第２仮想心電図とをマッチングして同期化し、同期化した複数の心電図をモニターを介して出力する、
   請求項６に記載の心電図生成システム。
8. 心電図生成システムを用いた心電図生成方法であって、
   複数の患者で測定された１２誘導心電図及び前記１２誘導心電図に対応する患者情報を入力される段階と、
   前記入力された１２誘導心電図を前記患者情報によって分類して保存し、保存された１２誘導心電図から学習データを抽出する段階と、
   前記抽出された学習データを複数の学習モデルに入力して心電図の特性を学習させる段階と、
   前記複数の学習モデルは、ｎ個誘導の心電図から、１２－ｎ個誘導の仮想心電図であって１以上の仮想心電図を生成する第１学習モデルと、前記第１学習モデルから生成された１２－ｎ個誘導の仮想心電図からｎ個誘導の仮想心電図を生成する第２学習モデルとを含み、
   測定された対象者から１個以上の基準心電図を入力されると、前記入力された基準心電図を学習の完了した前記第１学習モデルに入力して１２－ｎ個誘導の仮想心電図を生成し、続いて、前記第１学習モデルから生成された１２－ｎ個誘導の仮想心電図を学習の完了した前記第２学習モデルに入力してｎ個誘導の仮想心電図を生成する段階と、
   前記基準心電図と、前記第１学習モデル及び前記第２学習モデルから生成された仮想心電図とを互いに同期化し、同期化した基準心電図及び仮想心電図に対する波形を出力する段階と、を含む、
   心電図生成方法。
9. 前記患者情報は、性別、年齢、心臓疾患有無、及び測定された心電図の電位ベクターのうちの少なくとも一つを含む、
   請求項８に記載の心電図生成方法。
10. 前記心電図の特性を学習させる段階は、四肢６誘導心電図及び胸部６誘導心電図の一部であるｎ個誘導の心電図を前記第１学習モデルに入力して、前記第１学習モデルにとって入力された心電図に対する電位ベクターを判別するように、及び、１２－ｎ個誘導の仮想心電図を生成するように、前記第１学習モデルを学習させる、
    請求項８に記載の心電図生成方法。
11. 前記心電図の特性を学習させる段階は、前記第２学習モデルに、前記第１学習モデルから生成された１２－ｎ個誘導の心電図を入力すると、前記入力された誘導心電図を、前記電位ベクターを有するスタイルに変換してｎ個誘導の仮想心電図として出力するように学習させる、
    請求項１０に記載の心電図生成方法。
12. 前記第１学習モデル及び第２学習モデルは、敵対的生成ネットワークとオートエンコーダー方法とを混合するかまたはそれぞれ使用することによって構築される、
    請求項８に記載の心電図生成方法。
13. 前記仮想心電図を生成する段階は、入力された基準心電図を第１学習モデルに入力して、前記基準心電図に対する電位ベクターを抽出し、第１仮想心電図を生成し、前記第２学習モデルに前記第１仮想心電図を入力して第２仮想心電図を生成する、
    請求項１２に記載の心電図生成方法。
14. 同期化した複数の心電図を出力する段階は、前記基準心電図と、前記仮想心電図または前記第２仮想心電図とをマッチングして同期化し、同期化した複数の心電図をモニターを介して出力する、
    請求項１３に記載の心電図生成方法。