PURPOSE: A method for detecting myocardial ischemia is provided to improve the overall sensing accuracy of myocardial ischemia. CONSTITUTION: A weighting fuzzy membership function based neural network is learned using data set for the neural learning(S100). A grouping model of a time domain and a grouping model of a frequency domain are constructed based on the learned weighting fuzzy membership function based neural network(S200). The myocardial ischemia data of a patient is detected by applying patient's date to the constructed grouping model of a time domain and a grouping model of a frequency domain(S300). [Reference numerals] (S100) Learning a weighting fuzzy membership function based neural network； (S200) Constructing the grouping model of a time domain and the grouping model of a frequency domain； (S300) Detecting the myocardial ischemia data of a patient본 발명은 심박변이도의 시간과 주파수 영역에서의 특징 비교 분석을 이용한 심근 허혈을 검출하는 방법에 관한 것으로서, 보다 구체적으로는 (1) 신경망 학습을 위한 데이터 세트를 이용하여 가중 퍼지 소속 함수 기반 신경망을 학습시키는 단계； (2) 상기 단계(1)에서 학습된 가중 퍼지 소속 함수 기반 신경망을 토대로 시간 영역의 분류 모델 및 주파수 영역의 분류 모델을 구축하는 단계； 및 (3) 심근 허혈 여부를 검출해야 하는 환자 데이터 세트를, 상기 단계 (2)에서 구축된 시간 영역의 분류 모델 및 주파수 영역의 분류 모델에 적용하여 상기 환자 데이터의 심근 허혈 여부를 검출하는 단계를 포함하는 것을 그 구성상의 특징으로 한다.본 발명에서 제안하고 있는 심박변이도의 시간과 주파수 영역에서의 특징 비교 분석을 이용한 심근 허혈을 검출하는 방법에 따르면, 심근 허혈 감지방법의 데이터 구축에 필요한 데이터량을 줄이고, 심근 허혈 감지에 소요되는 시간 또한 줄여, 총 18개의 시간 및 주파수 영역의 특징들만으로 약 30초안에 심근 허혈을 더욱 효과적으로 감지할 수 있다.또한, 본 발명에 따르면, 평균 정확도가 다른, 시간 영역의 특징을 이용하여 감지하는 방법과 주파수 영역의 특징을 이용하여 감지하는 방법을 동시에 이용 및 비교 분석함으로써, 각각 방법들의 평균 정확도를 상호 보완하여, 심근 허혈 감지의 전체적인 정확도를 높일 수 있다.
