KR20040032451A

KR20040032451A - 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기 및이를 이용한 건강 관리 방법

Info

Publication number: KR20040032451A
Application number: KR1020020061582A
Authority: KR
Inventors: 방석원; 김경환; 이형기; 공동건
Original assignee: 삼성전자주식회사
Priority date: 2002-10-09
Filing date: 2002-10-09
Publication date: 2004-04-17
Also published as: US20040117212A1; EP1407713B1; US8109874B2; JP2004130142A; DE60323717D1; EP1407713A1

Abstract

본 발명은 생체신호 측정이 가능한 모바일 기기 및 이를 이용한 건강 관리 방법에 관한 것으로서, 휴대와 측정의 편리함을 도모할 수 있도록 사용자가 항상 휴대할 수 있는 모바일 기기에 생체신호 측정 모듈을 장착하여 평상시에는 모바일 기기로 사용하다가 필요시에 사용자의 정서상태와 신체상태를 체크함으로써 사용자의 건강을 효율적으로 관리할 수 있으며, 사용자의 신체로부터 생체신호를 검출하여 검출된 생체신호를 각 신호별로 분류하여 출력하는 생체신호 측정 모듈과, 생체신호 측정 모듈로부터 입력된 생체신호와 사용자의 신체정보에 기초하여 사용자의 정서상태 및 신체상태를 분석하는 건강 관리 모듈을 구비하는 것을 특징으로 한다.

Description

생체신호 기반의 건강 관리 기능을 갖는 모바일 기기 및 이를 이용한 건강 관리 방법{MOBILE DEVICE HAVING HEALTH CARE FUNCTION AND METHOD OF HEALTH CARE USING THE SAME}

본 발명은 생체신호 측정이 가능한 모바일 기기 및 이를 이용한 건강 관리 방법에 관한 것으로서, 특히 항상 휴대할 수 있는 모바일 기기에 생체신호 측정 모듈을 장착하여 평상시에는 모바일 기기로 사용하고 필요시에 생체신호를 측정함으로써 사용자의 건강상태를 체크할 수 있는 모바일 기기 및 이를 이용한 건강 관리 방법에 관한 것이다.

산업사회의 발달에 따라 현대인은 과중한 업무로 인한 각종 스트레스 및 운동량의 부족으로 과거에 비해 비만, 고혈압, 당뇨병, 심장질환 등 각종 성인병에 더욱 많이 시달리고 있으며 이로 인한 사망률은 매년 증가하는 추세에 있다. 이러한 성인병의 증가와 이로 인한 사망률의 증가는 현대인으로 하여금 점차 건강에 대하여 보다 많은 관심을 갖게 하였으며, 이러한 추세에 따라 수시로 자신의 건강상태를 검사할 수 있는 장치의 개발이 활발히 전개되고 있다.

현재 건강상태를 검사할 수 있는 대표적인 건강 관리 장치로는 혈압측정기, 체온측정기, 체지방 측정계 등을 들 수 있으며, 이들 장치들은 의료적 또는 비의료적 목적으로 다양한 분야에서 널리 사용되고 있다.

그러나, 대부분의 혈압측정기, 체온측정기, 체지방 측정계들은 단지 건강 체크만을 위해 별도의 장치를 구비해야 하기 때문에 실질적으로 휴대하면서 사용하기에는 부적합하며, 이러한 휴대의 불편함으로 인해 지속적인 건강 관리가 어렵다는 한계점을 가지고 있다.

이러한 휴대의 불편함을 해결하기 위한 것으로, 국내 특허공개 제2002-11730호(공개일: 2002.2.9)에는 도 1에 도시된 바와 같이 사용자의 신체로부터 검출된 심박수와 체지방율을 기초로 심장의 기능을 진단하거나 비만도를 체크할 수는 있는 휴대 통신 단말기가 개시되어 있다. 그러나, 상기 휴대 통신 단말기는 현대와 같이 경쟁이 치열한 사회속에서 살아가는 현대인들에게 치명적인 문제가 될 수 있는 스트레스에 대한 대책은 제시하고 있지 못하며, 따라서 사용자의 신체상태 뿐만 아니라 정신 건강까지도 관리할 수 있는 수단이 요구된다.

본 발명의 목적은 휴대와 측정의 편리함을 도모할 수 있도록 사용자가 항상 휴대할 수 있는 모바일 기기에 생체신호 측정 모듈을 장착하여 평상시에는 모바일 기기로 사용하다가 필요시에 사용자의 정서상태와 신체상태를 체크함으로써 사용자의 건강을 효율적으로 관리할 수 있는 모바일 기기 및 이를 이용한 건강 관리 방법을 제공하는 것이다.

본 발명의 다른 목적은 사용자가 자연스럽게 모바일 기기를 사용하는 동작을 통해 자신의 신체상태 및 정서상태를 간단하게 체크할 수 있는 모바일 기기 및 이를 이용한 건강 관리 방법을 제공하는 것이다.

도 1은 종래의 생체 정보 측정 모듈을 포함하는 휴대 통신 단말기를 나타낸 도면이다.

도 2는 본 발명에 따른 모바일 기기의 개략적인 블록도이다.

도 3은 도 2에 있어서 생체신호 측정 모듈의 내부 구성도이다.

도 4는 도 3의 피부 저항 센서부에서 측정된 EDA 신호의 파형도이다.

도 5는 도 3의 피부 저항 센서부를 통하여 측정된 EDA 신호에서 사용자에 따른 편차를 보정하는 것을 설명하기 위한 도면이다.

도 6은 본 발명에 따른 모바일 기기의 일실시예를 나타낸 도면이다.

도 7은 도 6에 도시된 모바일 기기에서 생체신호 측정 모듈이 분리된 상태를 나타낸 도면이다.

도 8은 본 발명에 따른 모바일 기기를 이용하여 생체신호를 측정하는 것을 설명하기 위한 도면이다.

도 9는 도 2에 있어서 건강 관리 모듈의 내부 구성도이다.

도 10은 심박 신호의 분석에 사용될 PPG 신호의 일례를 보여주는 도면이다.

도 11은 도 9에 도시된 심박 검출부의 상세 구성을 보여주는 도면이다.

도 12는 도 11에 도시된 심박 검출부에 의해 구해진 심박 신호로부터 심박 변화율의 시계열을 구하는 과정을 보여주는 도면이다.

도 13은 피부 전도 특성(SCR)의 검출에 사용되는 EDA 신호의 파형을 보여주는 도면이다.

도 14는 도 9에 도시된 SCR 검출부의 구성을 보여주는 도면이다.

도 15는 피부 온도의 변화를 검출하는데 사용되는 SKT 신호의 파형을 보여주는 도면이다.

도 16은 도 9에 도시된 SKT Mean/Max 계산부의 구성을 보여주는 블록도이다.

도 17a 및 도 17b는 도 9에 도시된 SVM 분류기의 정서 분류 결과를 보여주는 도면이다.

도 18은 본 발명에 따른 모바일 기기를 이용한 건강 관리 방법을 설명하기 위한 흐름도이다.

도 19는 도 18에 있어서 생체신호의 사용자별 편차 보정 단계의 상세 흐름도이다.

도 20은 도 18에 있어서 스트레스 이력 관리 및 스트레스 정보 제공 단계를 설명하기 위한 흐름도이다.

도 21은 도 18에 있어서 다이어트 이력 관리 및 다이어트 정보 제공 단계를 설명하기 위한 흐름도이다.

도 22는 본 발명에 따른 모바일 기기에서 건강 관리 메뉴를 선택한 경우의화면을 나타낸 도면이다.

도 23a 내지 도 23d는 본 발명에 따른 모바일 기기에서 스트레스 매니저 메뉴를 선택한 경우의 화면을 나타낸 도면이다.

도 24a 내지 도 24e는 본 발명에 따른 모바일 기기에서 다이어트 매니저 메뉴를 선택한 경우의 화면을 나타낸 도면이다.

* 도면의 주요부분에 대한 부호의 설명 *

50a, 50b, 52a, 52b,...전극100...생체신호 측정 모듈

150...센서부170...센서 제어부

210...입력부220...디스플레이부

230...메모리부240...중앙제어부

250...무선통신부260...인터페이스부

300...건강 관리 모듈310...특징 분석부

311 : 심박 분석부312 : 심박 검출부

313 : 스펙트럼 분석부314 : Mean/Std 계산부

315 : SCR 분석부316 : SCR 검출부

317 : SCR 계산부318 : SKT Mean/Max 계산부

320...감산부330...SVM 유닛

332 : SVM 분류기334 : 데이터베이스

336...정서상태 판단부350...정서상태 분석부

370...신체상태 분석부371...체지방율 계산부

372...칼로리 소모량 계산부400...모바일 기기

상기 목적을 달성하기 위하여 본 발명에 따른 모바일 기기는, 사용자의 신체로부터 생체신호를 검출하여 검출된 생체신호를 각 신호별로 분류하여 출력하는 생체신호 측정 모듈, 및 생체신호 측정 모듈로부터 입력된 생체신호와 사용자의 신체정보에 기초하여 사용자의 정서상태 및 신체상태를 분석하는 건강 관리 모듈을 포함하는 것을 특징으로 한다.

본 발명의 다른 바람직한 실시예에 있어서, 상기 생체신호 측정 모듈은 모바일 기기에 착탈 가능하게 구성되며, 사용자가 자연스럽게 모바일 기기를 파지할 때 사용자의 손이 모바일 기기와 접촉되는 위치에 설치된 것을 특징으로 한다.

본 발명의 또 다른 바람직한 실시예에 있어서, 상기 생체신호 측정 모듈은 사용자의 신체로부터 검출된 생체신호에서 사용자에 따른 편차를 보정하는 것을 특징으로 한다.

본 발명의 또 다른 바람직한 실시예에 있어서, 상기 건강 관리 모듈은 사용자의 정서상태를 분석하는 정서상태 분석부와 사용자의 신체상태를 분석하는 신체상태 분석부를 포함하는데, 상기 정서상태 분석부는 사용자의 신체로부터 검출된 생체신호들의 특징을 분석하는 특징 분석부, 상기 특징 분석부에서 분석된 결과와 사용자의 정서상태를 판단하는데 기준이 되는 특징값들과의 차이를 구하는 감산부, 및 상기 감산부에서 구해진 특징값들의 차이를 분석하여 사용자의 정서상태를 분류하고 분류된 정서들 중에서 스트레스에 대한 지수와 레벨을 계산하여 출력하는 SVM 유닛을 포함하며, 상기 신체상태 분석부는 생체신호 측정 모듈을 통하여 검출된 신체 임피던스값과 사용자의 신장, 체중, 나이 및 성별로부터 체지방율을 계산하는 체지방율 계산부, 및 생체신호 측정 모듈을 통하여 검출된 운동 전후의 평균 심박율 및 체지방율을 기초로 운동에 따른 칼로리 소모량을 계산하는 칼로리 소모량 계산부를 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 모바일 기기를 이용한 건강 관리 방법은, 사용자가 생체신호 측정 모듈이 구비된 모바일 기기에서 건강 관리 메뉴를 선택하는 단계, 사용자가 정서상태 측정을 선택한 경우 상기 모바일 기기에서 생체신호 측정 모듈이 활성화되는 단계, 사용자의 신체로부터 적어도 하나 이상의 생체신호를 검출하는 단계, 상기 검출된 생체신호들을 분석하여 정서상태 판단에 사용되는 복수개의 특징값들을 추출하는 단계, 상기 추출된 복수개의 특징값들과 정서상태 판단의 기준이 되는 특징값들간의 차이를 계산하는 단계, 상기 계산된 특징값들의 차이에 따라 SVM 분류에 의하여 사용자의 정서상태를 각 정서별로 구분하는 단계, 및 상기 구분된 각각의 정서들 중에서 선택된 정서에 관련된 값을 선택하여 정서상태에 대한 지수와 레벨을 계산한 후 계산된 정서상태 지수와 레벨을 화면에 디스플레이하는 단계를 포함하는 것을 특징으로 한다.

이하에서, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 상세히 설명한다.

도 2는 본 발명에 따른 모바일 기기의 개략적인 블록도로서, 도 2에 도시된 바와 같이 본 발명에 따른 모바일 기기(400)는 생체신호 측정 모듈(100), 입력부(210), 디스플레이부(220), 메모리부(230), 중앙제어부(240), 및 건강 관리 모듈(300)로 이루어져 있으며, 평상시에는 모바일 기기로 사용하다가 필요시에 생체신호 측정 모듈(100)과 건강 관리 모듈(300)을 통하여 사용자의 건강상태를 체크할 수 있도록 구성되어 있다.

본 발명에 따른 모바일 기기(400)는 무선통신 기기로도 사용할 수 있는데, 이 경우 무선으로 음성과 문자를 송수신할 수 있는 무선통신부(250)를 더 포함할 수 있으며, 따라서 본 실시예에서 모바일 기기(400)는 휴대 가능한 전자 기기, 예를 들면 PDA(Personal Digital Assistants), 팜탑 컴퓨터(Palm-Top PC), 휴대형 컴퓨터(Handheld PC), PCS(Personal Communication Service)폰, 셀룰러폰(cellular phone), IMT-2000 단말기 등으로 이해될 수 있다.

또한, 본 발명에 따른 모바일 기기(400)에 다른 외부 기기를 접속하여 사용하는 것도 가능한데, 이 경우 외부 기기와의 데이터 송수신을 위한 인터페이스부(260)를 더 포함할 수 있다.

생체신호 측정 모듈(100)은 사용자의 신체로부터 하나 이상의 생체신호를 검출하기 위한 센서부(150), 및 상기 센서부(150)를 제어하거나 센서부(150)로부터 입력된 생체신호를 각 신호별로 분류하여 출력하는 센서 제어부(170)를 포함한다.

입력부(210)는 키패드, 스크롤 버튼, 숫자 패드 등을 통하여 숫자와 기호, 한글과 영어 등의 문자를 입력하기 위한 것으로서, 사용자는 입력부(210)를 통하여 모바일 기기로 사용할 때 전화번호 숫자와 기호, 통화, 종료 그리고 각종 기능을 사용할 수 있으며, 건강 관리 장치로 사용할 때 사용자의 신장, 체중, 나이, 성별 등을 입력할 수도 있다.

디스플레이부(220)는 사용자가 입력한 숫자나 문자를 화면에 디스플레이 하거나, 생체신호 측정 모듈(100)로부터 측정된 사용자의 생체신호 데이터를 화면에디스플레이 한다.

메모리부(230)에는 전화번호를 포함하여 각종 데이터들이 저장되어 있으며, 사용자의 신체정보, 모바일 기기 사용법, 건강 정보들도 저장되어 있다.

중앙제어부(240)는 모바일 기기(400)의 전체 동작을 제어하며, 필요시에 생체신호 측정 모듈(100)을 통하여 생체신호를 측정한 다음 건강 관리 모듈(300)을 통하여 측정된 생체신호를 분석하여 사용자의 건강상태를 체크한다.

무선통신부(250)는 무선으로 음성 및 문자를 송수신하기 위한 것으로, 무선통신 단말기 분야에서 일반적으로 사용되는 무선통신부와 그 구성 및 동작이 동일하므로 이에 대한 자세한 설명은 생략한다.

인터페이스부(260)는 모바일 기기에 접속된 외부 기기로부터 데이터를 입력받아 이를 중앙제어부(240)로 출력하는데, 상기 생체신호 측정 모듈(100)이 모바일 기기의 외부에 장착되는 경우 생체신호 측정 모듈(100)로부터 입력된 사용자의 생체신호들을 중앙제어부(240)로 출력하는 역할을 한다. 이 때, 인터페이스부(260)는 생체신호 측정 모듈(100)과 RS232C와 같은 통신 프로토콜을 사용하여 신호를 송수신하는데, 이는 신호 전송 방법의 일례에 불과하며, 회로의 구성에 따라 다양한 통신 프로토콜이 사용될 수 있다.

이하 도 3를 참조하여 상기 생체신호 측정 모듈(100)에 대하여 더 자세히 설명한다.

도 3은 도 2에 있어서 생체신호 측정 모듈(100)의 내부 구성도로서, 도 3에 도시된 바와 같이 생체신호 측정 모듈(100)은 사용자의 신체로부터 하나 이상의 생체신호를 검출하기 위한 센서부(150), 및 상기 센서부(150)를 제어하거나 센서부(150)로부터 입력된 생체신호를 각 신호별로 분류하여 출력하는 센서 제어부(170)를 포함한다.

일반적으로 심리적 안정상태에서는 심장박동이 느려지고 말초 혈관이 확장되어 피부의 체온이 상승하며 피부 저항이 증가하는 반면, 스트레스를 받거나 흥분하게 되면 심장박동이 빨라지고 혈액이 피부로부터 근육으로 이동되어 체온이 저하되며 피부 저항이 감소하는 경향을 나타내므로, 이러한 심장박동, 피부 온도, 피부 저항의 변화는 스트레스 상태를 결정하기 위한 중요한 요소로 인식되고 있다.

따라서, 본 실시예에서는 사용자의 스트레스 상태를 체크하기 위해 사용자의 신체로부터 감정의 변화에 따라 반응 속도가 빠른 심장박동, 피부 온도, 피부 저항을 측정하며, 이를 위하여 생체신호 측정 모듈(100)의 센서부(150)는 심장 박동에 대한 생체신호를 검출하는 심박 검출 센서부(110), 피부 온도에 대한 생체신호를 검출하는 피부 온도 센서부(120), 및 피부 저항에 대한 생체신호를 검출하는 피부 저항 센서부(130)를 포함한다.

본 실시예에 있어서, 심박 검출 센서부(110)는 심장 박동에 의한 혈관 굵기의 변화에 따른 광혈류량의 변화를 측정하는 PPG(Photo-electric pulse PlethysmoGraph) 센서부(111)를 포함하는 것이 바람직하며, 피부 온도 센서부(120)는 온도 변화에 반응하여 저항값이 변화하는 것에 따라 피부 온도(skin temperature ; SKT)를 측정하는 더미스터(thermistor)와 같은 SKT 센서부(121)를 포함하는 것이 바람직하다. 또한, 피부 저항 센서부(130)는 피부에 직접 또는 간접으로 접촉하는 전극 및 이 전극과 연결되는 비교기를 이용하여 피부에서 배출되는 땀의 영향으로 피부 저항이 변화하는 것을 측정하는 EDA(electrodermal Activity) 센서부(131)를 포함하는 것이 바람직하며, 상기 EDA 센서부 대신 피부 전기 저항(Galvanic skin resistance ; GSR)을 측정하는 GSR 센서부를 포함하는 것도 가능하다.

본 발명의 바람직한 일실시예에 의하면, 심박 검출 센서부(110), 피부 온도 센서부(120), 및 피부 저항 센서부(130)는 각각 검출된 생체신호를 필터링하는 필터링부(112, 122, 132)와 필터링된 생체신호를 증폭하는 증폭부(113, 123, 133)를 포함한다.

한편, 상기 센서부(150)를 통하여 검출된 생체신호들은 반응 민감도 및 측정 환경에 따라 사용자마다 편차가 크기 때문에 사용자의 스트레스 상태를 정확하게 체크할 수 없는 경우가 발생할 수 있다.

특히 상기 피부 저항 센서부(130)에 있어서 장시간 동안 사용자의 피부 저항(R_h)을 측정할 수 있도록 EDA 센서부(131)에 니켈 전극을 사용하는데, 니켈 전극은 종래의 Ag/AgCl 전극 보다 내구성이 양호하다는 장점이 있지만, 니켈 전극을 통하여 측정된 피부 저항값(R_h)은 개인에 따라 DC값에 있어서 편차가 매우 심하게 나타난다는 문제점이 있다. 예를 들어, 도 4에 도시된 바와 같이 A라는 사람은 평소에 피부가 건조하여 피부 저항(R_h)이 1.5 MΩ ∼ 2.0 MΩ 사이의 저항값을 갖는 반면에 B라는 사람은 평소에 피부가 습하고 땀분비가 많아서 0.5 MΩ ∼ 1.0 MΩ의저항값(R_h)을 가질 수 있다. 따라서, 이러한 피부 저항(R_h)의 변화는 사용자의 정서상태가 제대로 반영된 것으로 볼 수 없기 때문에 측정 초기화 단계에서 사용자에 따른 편차 보정이 필요하다.

이를 위하여, 생체신호 측정 모듈(100)의 센서 제어부(170)는 EDA 센서부(131)로부터 증폭부(133)를 거쳐 출력된 전압값(V₀)에 따라 증폭부(133)의 이득값(Gain)을 감소 또는 증가시켜 피부 저항값에서 사용자에 따른 편차를 보정하는데, 이하 도 5를 참조하여 센서 제어부(170)의 편차 보정에 대하여 더 자세히 설명한다.

도 5에 도시된 바와 같이, EDA 센서부(131)에서 측정된 전류를 i, 사용자의 피부 저항을 R_h, 증폭부(133)의 이득값을 제어하는 가변저항을 R이라고 하면, 센서 제어부(170)로 입력되는 전압값(V₀)은 다음과 같은 관계식으로 표현될 수 있다.

여기에서,이기 때문에 상기 관계식은 다음과 같이 표현될 수 있다.

따라서, V₀∝ R 이 되며, 이에 따라 센서 제어부(170)로 입력되는 전압값(V₀)은 증폭부(133)의 이득값을 제어하는 가변저항(R)의 값과 비례관계에 있기 때문에 가변저항(R)의 값을 감소시키면 전압값(V₀)이 감소되고 반대로 가변저항(R)의 값을 증가시키면 전압값(V₀)이 증가된다.

이러한 원리를 이용하여 센서 제어부(170)는 입력된 전압값(V₀)이 최대 한계 전압 이상인 경우 가변저항(R)의 값을 감소시켜, 즉, 증폭부(133)의 이득값을 감소시켜 전압값(V₀)을 감소시키는 반면, 입력된 전압값(V₀)이 최소 한계 전압 이하인 경우 가변저항(R)의 값을 증가시켜, 즉, 증폭부(133)의 이득값을 증가시켜 전압값(V₀)을 증가시킨다.

이와 같은 센서 제어부(170)의 사용자별 편차 보정에 따라 증폭부(133)에서 출력되는 전압값(V₀)은 최소 한계 전압 이상 최대 한계 전압 이하로 유지될 수 있으며, 이로 인하여 사용자의 정서상태 변화가 제대로 반영된 생체신호를 검출할 수 있다.

본 실시예에서는 사용자의 정서상태를 판단하기 위한 반응인자로서 심박, 체온 및 피부저항을 측정하였지만, 이들 생체신호 중 어느 하나 또는 두 개 요소만 측정하는 것도 가능하다. 그러나, 보다 정확하게 사용자의 정신상태를 판단하기 위해서는 이들 세가지 요소를 모두 측정하는 것이 바람직하다.

다시 도 3을 참조하면, 생체신호 측정 모듈(100)의 센서부(150)는 사용자의 체지방을 측정할 수 있도록 체지방율 산출에 필요한 신체 임피던스를 측정하는 체지방 센서부(140)를 포함한다.

체지방율은 체중에서 지방이 차지하는 비율을 말하는데, 적당한 체지방은 신체기관을 보호하고 열을 차단하거나 체온을 유지하기 위해 필수적으로 필요하지만, 과다한 체지방은 신진대사를 원활하지 않게 하여 고지혈증, 동맥경화, 고혈압, 당뇨병 등의 성인병과 노화현상을 증가시키는 요인이 되므로, 인체에서 적당한 체지방율을 유지하는 것은 건강을 유지하는데 매우 중요하다.

체지방 센서부(140)는 사용자의 신체 표면에 접촉된 전극에 미세한 교류전류를 흘려주고 이 전극 양단의 전압을 측정하여 신체의 임피던스를 측정하는 임피던스 센서부(141)를 포함하는데, 임피던스 센서부(141)에서 측정된 신체 임피던스값은 제1 증폭부(142)에 의해 증폭된 다음 필터링부(143)를 통하여 필터링된 후 제 2증폭부(144)에서 한번 더 증폭된 다음 센서 제어부(170)로 입력된다.

체지방 센서부(140)에서 측정된 신체 임피던스값과 사용자의 신체정보(성별, 연령, 키, 몸무게)를 기초로 임피던스법에 따라 체지방율을 계산할 수 있는데, 임피던스법이란 신체의 제한 조직(제지방 조직, fat-free tissue)은 수분을 많이 함유하고 있기 때문에(전해질을 포함하여 72%~73%) 전기를 통하기 쉽지만, 지방 조직은 수분을 거의 함유하지 않기 때문에 조직 자체가 절연으로 되어 전기를 흘리지 않는 원리를 이용하여 체내의 전기 저항을 측정하고 측정된 전기 저항을 기초로 체지방율을 계산하는 방법이다.

한편, 생체신호 측정 모듈(100)은 휴대와 측정의 편리함을 도모할 수 있는 형태로 구성되는 것이 바람직한데, 이하 생체신호 측정 모듈(100)의 구현 방법에 대하여 도 6 내지 도 8을 참조하여 더 자세히 설명한다.

도 6은 본 발명에 따른 모바일 기기의 일실시예를 나타낸 도면이고, 도 7은 도 6에 도시된 모바일 기기에서 생체신호 측정 모듈이 분리된 상태를 나타낸 도면이며, 도 8은 본 발명에 따른 모바일 기기를 이용하여 생체신호를 측정하는 것을 설명하기 위한 도면이다.

상기 생체신호 측정 모듈(100)은 휴대의 편리성을 위해 모바일 기기에 착탈이 가능한 형태로 구성되는 것이 바람직한데, 예를 들면 도 6 및 도 7에 도시된 바와 같이 모바일 기기를 수용할 수 있는 수납공간을 가지는 케이스 형태로 구성될 수 있다.

생체신호 측정 모듈(100)을 케이스 형태로 구성한 경우, 생체신호 측정 모듈(100)의 전체적인 외형은 모바일 기기에 대응되는 형상으로 하고 전면부는 디스플레이부(220)가 노출될 수 있도록 개방하는 것이 바람직하다. 케이스 형태로 구성된 생체신호 측정 모듈(100)에 모바일 기기를 삽입하면, 인터페이스부(260)를 통하여 생체신호 측정 모듈(100)과 모바일 기기가 전기적으로 접속되면서 생체신호 측정 모듈(100)이 모바일 기기의 외측으로 밀착 결합된다.

또한, 생체신호 측정 모듈(100)을 별도의 목걸이 형태로 구성하여 모바일 기기에 착탈할 수 있도록 하는 것도 가능하며, 모바일 기기에 내장하는 형태로 구성할 수도 있다.

한편, 도 7 및 도 8에 도시된 바와 같이, 생체신호 측정 모듈(100)에 있어서 측정의 편리함을 도모할 수 있도록 PPG 센서부(111)는 사용자가 모바일 기기(400)를 자연스럽게 파지하였을 때 엄지 손가락이 접촉되는 위치에 설치되고, SKT 센서부(121)는 검지 또는 중지 손가락이 접촉되는 위치에 설치되며, EDA 센서부(131)는 PPG 센서부(111) 및 SKT 센서부(121)의 바로 아래, 즉, 모바일 기기(400)를 자연스럽게 파지하였을 때 엄지 손가락 하부와 검지 또는 중지 손가락의 하부가 접촉되는 위치에 설치되는 것이 바람직하다. 또한, 임피던스 센서부(141)에 있어서 2개의 전극은 생체신호 측정 모듈(100)의 후면에 설치하고 나머지 2개의 전극은 생체신호 측정 모듈(100)의 전면에 설치함으로써, 모바일 기기(400)를 파지하였을 때 후면의 2개 전극은 모바일 기기(400)를 파지한 손의 손바닥에 접촉되도록 하고 전면의 2개 전극은 반대편 손의 손가락(예를 들면, 검지와 중지)에 접촉되도록 하는 것이 바람직하다.

따라서, 사용자가 모바일 기기(400)를 파지하는 것만으로도 손가락 또는 손바닥이 PPG 센서부(111), SKT 센서부(121), EDA 센서부(131), 및 임피던스 센서부(141)에 접촉될 수 있기 때문에 사용자가 모바일 기기(400)를 자연스럽게 파지하는 동작을 통해 사용자의 생체신호를 간편하게 검출할 수 있다.

다시 도 2를 참조하면, 건강 관리 모듈(300)은 생체신호 측정 모듈(100)로부터 입력된 생체신호 데이터와 사용자의 신체정보에 기초하여 사용자의 정서상태 및 신체상태를 분석하기 위한 것으로서, 이하 도 9를 참조하여 건강 관리 모듈(300)에 대하여 더 자세히 설명한다.

도 9는 도 2에 있어서 건강 관리 모듈(300)의 내부 구성도로서, 도 9에 도시된 바와 같이 건강 관리 모듈(300)은 생체신호 측정 모듈(100)로부터 입력된 생체신호 데이터와 메모리부(230)에 저장된 사용자의 신체정보에 기초하여 정서상태 및신체상태를 분석하는 정서상태 분석부(350) 및 신체상태 분석부(370)로 구성되어 있다.

정서상태 분석부(350)는 사용자의 신체로부터 측정된 생체신호들의 특징을 분석하여 분석 결과와 사용자의 평상시 정서를 나타내는 특징값들과의 차이값에 따라 정서를 인식한 후 인식된 정서에서 스트레스에 대한 지수와 레벨을 출력하는 데, 이러한 정서 인식 알고리즘에 대하여는 특허출원번호 제2002-3868호("생리 신호의 단시간 모니터링을 통한 사용자 정서 인식 장치 및 방법")에 상세히 설명되어 있으며, 이하 본 발명의 이해를 돕기 위하여 이에 대하여 간단히 설명한다.

정서상태 분석부(350)는 생체신호 측정 모듈(100)로부터 측정된 생체신호들의 특징을 분석하는 특징 분석부(310), 특징 분석부(310)에서 분석된 결과와 사용자의 평상시 정서를 나타내는 특징값들과의 차이를 구하는 감산부(320), 및 감산부(320)에서 구해진 특징값들의 차이를 분석하여 정서상태를 분류하고 분류된 정서들 중에서 선택된 정서상태에 대한 지수와 레벨을 계산하여 출력하는 SVM 유닛(Support Vector Machine Unit; 330)을 포함한다.

특징 분석부(310)는 PPG 신호를 받아들여 심박을 검출하고 심박과 관련된 특징값들을 추출하는 심박 분석부(311), EDA 신호를 받아들여 피부 전도 특성(skin resistance response ; SCR)과 관련된 특징값들을 추출하는 SCR 분석부(315), 및 SKT 신호를 받아들여 SKT와 관련된 특징값들(즉, SKT의 평균값(Mean) 및 최대값(Max))을 추출하는 SKT Mean/Max 계산부(318)를 포함한다.

심박 분석부(311)는 PPG 신호를 받아들여 심박을 검출하는 심박검출부(312), 검출된 심박 신호(Det)의 스펙트럼을 분석하는 스펙트럼 분석부(313), 및 검출된 심박 신호(Det)의 평균값(Mean) 및 표준 편차값(standard deviation ; Std)을 구하는 Mean/Std 계산부(314)를 포함한다. 그리고, SCR 분석부(315)는 EDA 신호를 받아들여 SCR을 검출하는 SCR 검출부(316), 및 SCR의 크기(amplitude) 등과 같은 파라미터들을 계산하는 SCR 계산부(317)를 포함한다.

도 10은 심박 신호의 분석에 사용될 PPG 신호의 일례를 보여주는 도면이고, 도 11은 도 9에 도시된 심박 검출부(312)의 상세 구성을 보여주는 도면이다.

도 11에 도시된 바와 같이, 본 발명에 의한 심박 검출부(312)는 밴드패스 필터(340), 메디안 필터(341), 가산부(342), 정합 필터(Matched Filter ; 343), 및 제로 클리퍼(zero clipper ; 344)를 포함한다.

밴드패스 필터(340)는 PPG 신호가 입력되면 PPG 신호에 존재하는 특정 대역의 신호를 추출한다. 그리고, 메디안 필터(341)는 밴드패스 필터링 된 결과에 존재하는 노이즈를 제거한다. 가산부(342)는 밴드패스 필터링 결과에 메디안 필터링결과의 역수를 더해주어, 두 필터링 결과에 존재하는 차이를 구한다. 가산부(342)를 통해 구해진 두 필터링 결과 사이의 차이는 정합 필터(343)로 입력되어, PPG 신호가 가지고 있는 특정 신호(즉, 심박 신호)를 추출한다. 정합 필터(343)를 통해 추출된 특정 신호는 제로 클리퍼(344)를 통해 제로 클리핑 과정을 거친 후 심박 신호(Det)로서 출력된다. 여기서, 정합 필터(343)의 파라미터는 필요시 업데이트 될 수 있다. 이와 같은 구성을 가지는 심박 검출부(312)에 의하면, 도 10에 도시된 PPG 신호상에 화살표로 표시된 부분이 심박 신호(Det)로서 추출된다.

도 12는 도 11에 도시된 심박 검출부(312)에 의해 구해진 심박 신호(Det)로부터 심박 변화율(heart rate variability ; HRV)의 시계열(time series)을 구하는 과정을 보여주는 도면이다.

도 12를 참조하면, PPG 신호(1200)가 취득된 경우, 이를 확대해 보면 1210과 같은 형태의 파형이 나타나게 된다. PPG 신호는 참조번호 1210과 같이 주기적인 펄스를 나타내는데, 이 펄스는 최대값 부분인 R과, R을 중심으로 좌우에 위치한 최소값 부분인 Q, S로 구성된 QRS 파형을 나타낸다.

도 12에서 1210으로 표시된 파형에서 화살표로 표시된 부분이 심박 신호의 최대값 부분인 R 파형이 되며, 이 부분이 도 11에 도시된 심박 검출부(312)에 의해 추출되어 PPG 신호의 순간 R-R 파형(1230)을 나타내게 된다. 이 순간 R-R 파형(1230)에 이동 평균 보간법(moving average interpolation)을 적용하게 되면 1250으로 표시된 바와 같은 심박 변화율(HRV)의 시계열(time series)이 추출된다. 이와 같은 심박 변화율의 시계열(1250)을 구하는 방법은 1986년 R. D. Berger 등에 의해 IEEE Trans. Biomed. Eng., vol. 33에 실린 논문, "An efficient algorithm for spectral analysis of heart rate variability" 등에 개시되어 있다. 이 같은 심박 변화율(HRV) 신호는 교감신경계/부교감 신경계의 활성정도를 정량적으로 파악할 수 있는 지표가 된다.

다시 도 9를 참조하면, 도 11에 도시된 심박 검출부(312)에 의해 구해진 심박 신호(Det)는 도 12에 도시된 방법에 의해 심박 변화율(HRV)의 시계열로 변환된 후 스펙트럼 분석부(313) 및 Mean/Std 계산부(314)로 입력된다.

스펙트럼 분석부(313)에서는 주어진 시계열에 대하여 다양한 차수의 AR(autoregressive), MA(moving average), ARMA(autoregressive moving average) 모델들을 추정한 후, 추정 오차를 나타내는 지표가 최소가 되는 특정 차수의 특정 모델을 선택하여 최적의 시계열 모델을 선정하고, 선정된 최적 모델로부터 스펙트럼을 구하는 ARMAsel 알고리즘을 사용하여 심박 변화율(HRV)의 스펙트럼을 분석한다. 이를 위해 사용되는 추정오차의 지표와 각 시계열 모델의 추정 방법은, P. M. T. Broersen에 의해 2000년, IEEE Transactions on instrumentation and measurement, vol. 49, no. 4, pp. 766-772에 발표된 논문, "Fact and fictions in spectral analysis"에 상세히 설명되어 있다.

이와 같은 심박 변화율(HRV)의 주파수 영역 파라미터들은 이미 이전의 많은 연구에서 중요하게 취급되어 왔으며, 생리심리학적 연구에 있어서도 중요한 지표로 취급되어 오고 있다.

본 발명에 의한 스펙트럼 분석부(313)에서는 심박 변화율의 스펙트럼 해석에 있어서, 수 분에서 24 시간에 이르는 긴 신호를 대상으로 하는 기존의 피리어드그램(periodogram) 방법 대신, ARMAsel 알고리즘을 사용하여 50초 정도의 짧은 시간 동안의 신호 관측을 통해 심박 변화율(HRV)의 스펙트럼을 분석한다. 스펙트럼 분석부(313)에 의해 분석된 결과는 감산부(320)에게 사용자의 정서상태 판단을 위한 특징값으로서 전달된다.

한편, 심박 검출부(312)로부터 심박 변화율(HRV)의 시계열 신호를 받아들인 Mean/Std 계산부(314)는, 주어진 시계열에 대한 평균(Mean) 및 표준 편차(Std)를계산하여 이를 감산부(320)에게 사용자의 정서상태 판단을 위한 특징값으로서 전달한다.

이어서, 도 9에 도시된 특징 분석부(310)에 구비된 SCR 분석부(315)의 상세 구성 및 동작을 살펴보면 다음과 같다.

도 13은 피부 전도 특성(SCR)의 검출에 사용되는 EDA 신호의 파형을 보여주는 도면이다. 도 13에는 사용자로부터 발생된 EDA 신호의 파형(1600)과, EDA 신호의 파형(1600) 중 SCR의 특성이 추출되는 부분에 대한 확대 파형(1610)이 도시되어 있다. 1600 및 1610으로 표시된 신호는 SCR 분석부(315)에 구비된 SCR 검출부(316)로 입력된다.

도 14는 도 9에 도시된 SCR 검출부(316)의 구성을 보여주는 도면이다.

도 14를 참조하면, EDA 신호를 받아들여 피부 전도 특성을 검출하는 SCR 검출부(316)는, 다운샘플러(down-sampler ; 345), 미분기(differentiator ; 346), 및 스무딩 컨볼루션 유닛(smoothing convolution unit ; 347)으로 구성된다.

다운샘플러(345)는 입력된 EDA 신호를 10 내지 12 개의 데이터로 다운 샘플링한다. 미분기(346)는 다운 샘플링된 결과를 미분하고, 스무딩 컨볼루션 유닛(347)은 길이가 20인 Bartlett 윈도우를 사용하여 미분 결과에 대한 스무딩 컨볼루션을 수행한다. 이와 같은 SCR 검출부(316)에 의하면, 입력된 EDA 신호는 이산 SCR 데이터(discrete SCR data) 형태로 출력된다.

SCR 검출부(316)에 의해 취득된 이산 SCR 데이터는 SCR 분석부(315)에 구비된 SCR 계산부(317)로 입력되어, 일정시간 동안의 SCR 발생빈도(number ofSCR/time), SCR의 크기(SCR amplitude), 및 SCR 상승 시간(SCR rise time) 등의 특징값들을 발생한다. SCR 계산부(317)에 의해 구해진 SCR 특징 데이터들(즉, SCR 발생빈도, SCR의 크기, SCR 상승 시간 등)은 도 9에 도시된 바와 같이 감산부(320)로 각각 입력된다.

계속해서, 도 9에 도시된 특징 분석부(310)의 SKT Mean/Max 계산부(318)에 대한 상세 구성 및 동작을 살펴보면 다음과 같다.

도 15는 피부 온도의 변화를 검출하는데 사용되는 SKT 신호의 파형을 보여주는 도면이고, 도 16은 도 9에 도시된 SKT Mean/Max 계산부(318)의 구성을 보여주는 블록도이다.

도 16을 참조하면, SKT Mean/Max 계산부(318)는 다운 샘플러(348)와 Mean/Max 계산기(349)로 구성된다. SKT Mean/Max 계산부(318)는 도 15에 도시된 바와 같은 SKT 신호를 받아들여 상기 신호를 100 개 정도의 데이터로 다운 샘플링하고, 다운 샘플링된 데이터의 평균값(Mean_SKT) 및 최대값(Max_SKT)을 SKT의 특징 데이터로서 발생한다.

앞에서 설명한 바와 같이, 특징 분석부(310)에 구비된 심박 분석부(311), SCR 분석부(315) 및 SKT Mean/Max 계산부(318)가 사용자로부터 입력된 복수개의 생체 신호들로부터 사용자의 정서인식에 필요한 특징값들을 추출하고 나면, 상기 특징값들은 감산부(320) 및 SVM 유닛(330)에 순차적으로 입력되어 사용자의 정서를 인식하게된다.

다시 도 9를 참조하면, 감산부(320)에는 사용자의 정서인식에 기준이 되는특징값들로서 사용자의 평상시 정서상태에 대한 특징값들(Feature 1' - Feature 4')이 저장되어 있다. 감산부(320)는 특징 분석부(310)에 구비된 심박 분석부(311), SCR 분석부(315), 및 SKT Mean/Max 계산부(318)로부터 입력되는 복수개의 특징값들(Feature 1 - Feature 4)과 사용자의 평상시 정서상태에 대한 특징값들(Feature 1' - Feature 4')과의 차이를 구하여 이를 SVM 유닛(330)으로 전송한다.

SVM 유닛(330)은, 감산부(320)에서 출력된 특징값들의 차이에 응답해서 사용자의 정서상태를 학습(training) 및 분류(classify)하는 SVM 분류기(Support Vector Machine Classifier ; 332)와, SVM 분류기(332)에 의해 학습된 결과를 저장하는 데이터베이스(334), 및 SVM 분류기(332)에서 분류된 복수개의 정서상태 값들중에서 스트레스에 대한 지수와 레벨을 판단하여 출력하는 정서상태 판단부(336)를 포함한다.

SVM 분류기(332)처럼 사용자의 정서를 분류하는데 사용되는 패턴 분류기는, 일반적으로 특정 정서상태를 나타내는 특징 벡터가 다차원 공간상에 하나의 확률분포를 형성하고 있고, 각 상태에 해당되는 확률 밀도 함수가 알려져 있기만 하면, 2000년, R. O. Duda, P. E. Hart 및 D. G. Stock에 의해 Wiley에서 출판된 Pattern classification, 2nd ed.에서 설명하고 있는 Bayes' 법칙에 의해서 통계적으로 최적의 분류기가 될 수 있다.

그러나, 실제에 있어서 확률 밀도 함수를 정확히 아는 것은 불가능하기 때문에, 제한된 수의 데이터에 의한 학습을 통하여 Bayes' 법칙에 상응하는 규칙을 함축적으로 구현하는 파젠 윈도우 분류기(Parzen window classifier), 다중 퍼셉트론(multilayer perceptron) 등이 주로 사용되고 있다. 하지만, 이와 같은 종래의 분류기들은 일반화(generalization) 특성이 좋지 못하기 때문에, 학습에 사용되지 않은 새로운 데이터에 대해서는 오동작율이 상당히 높은 문제점을 가지고 있다. 이 외에도, 상기 종래의 패턴 분류기는 특징벡터들의 분포가 상당히 넓고, 서로 다른 상태에 해당되는 분포들 간의 겹치는 부분들이 많기 때문에, 오동작율이 높아질 가능성이 매우 높다. 따라서, 본 발명에서는 상기와 같은 문제점을 해결하기 위해서, 높은 일반화 특성을 보이는 것으로 알려진 SVM 분류기(332)를 정서 인식을 위한 패턴 분류기로서 사용한다.

SVM 분류기(332)는 고차원으로의 비선형적인 매핑(mapping)에 의해서 선형적 분리 가능성을 높일 수 있다. SVM 분류기(332)는, Vapnik의 통계적 학습 이론(statistical learning theory)을 근거로 하여 최적의 일반화 성능(generalization performance)을 갖는 선형분리기를 구현하는 방법을 기반으로 하여 구성된다. 이와 같은 특성을 갖는 SVM 분류기에 대한 보다 상세한 설명은, 1999년, V. Vapnik에 의해 IEEE Transactions on neural network, Vol. 10, No. 5, pp. 988-999에 발표된 논문, "An overview of statistical learning theory" 등에 개시되어 있다.

도 17a 및 도 17b는 도 9에 도시된 SVM 분류기(332)의 정서 분류 결과를 보여주는 도면이다. 본 발명에 의한 SVM 분류기(332)는, 입력 공간의 비선형적인 높은 차수를 특징 공간(feature space)에서 선형적으로 투영하여 해석함으로써, 도17a 및 도 17b에 도시된 바와 같이 각 특징 데이터(즉, 사용자의 정서) 사이에 최적의 경계(즉, 최적분리면)를 제시한다.

다시 도 9를 참조하면, SVM 분류기(332)에 의해 수행된 정서 분류의 결과는 각 정서별로 분류된 후, 각 정서별 강도가 숫자로 표시되어 출력된다. 예를 들어, 스트레스(Stress)에 해당되는 정서는 0.3(또는 30%), 슬픔(Sad)에 해당되는 정서는 0.6(또는 60%), 그리고, 분노(Anger)에 해당되는 정서는 0.1(또는 10%) 등과 같이 각 정서별 강도가 숫자로 표시된다.

정서상태 판단부(336)는 SVM 분류기(332)로부터 출력되는 복수개의 정서에 대한 강도를 받아들여, 복수개의 정서상태 값들중에서 스트레스에 대한 지수와 레벨을 판단하여 출력한다. 이 때, 데이터베이스(334)에는 어떤 특징값들이 입력되는 경우에는 어떤 정서로 인식되는가에 대한 정보들이 저장된다. 이와 같은 데이터베이스(334)에 대한 데이터의 갱신은 SVM 분류기(332)의 학습시 수행되고, 일단 SVM 분류기(332)의 학습이 끝나게 되면 데이터베이스(334)에 대한 데이터의 갱신은 수행되지 않는다. 따라서, 데이터베이스(334)는 개발자 입장에서 필요한 부분이고, 사용자를 위해 개발이 완료된 정서 인식 시스템에는 데이터베이스(334)가 제공되지 않아도 된다.

상기 SVM 분류기(332)에 의해 수행된 정서인식의 결과는 기쁨, 슬픔, 분노, 공포, 혐오, 놀람 등 여러 정서상태값들을 갖는데, 본 실시예에서는 정서상태 판단부(336)를 통하여 정신 건강의 지표가 되는 스트레스에 대한 상태값만을 출력하도록 함으로써 육체적 피로나 정신적 스트레스 상태만을 판단할 수 있도록 하였으며,이에 대한 다른 실시예로서 기쁨, 슬픔, 분노, 공포, 혐오, 놀람 등 여러 정서상태에 대한 상대값을 출력하여 정서상태를 판단하는 것도 가능하다.

한편, 신체상태 분석부(370)는 체지방율 계산부(371)와 칼로리 소모량 계산부(372)를 포함하는데, 체지방율 계산부(371)는 체지방 센서부(140)를 통하여 검출된 신체 임피던스값과 메모리부(230)에 저장된 사용자의 신장, 체중, 나이 및 성별로부터 체지방율을 계산하고 계산된 값을 디스플레이부(220)를 통해 화면에 디스플레이 한다.

한편, 사람은 운동을 거치고 난후 혈류량의 증가로 인해 체온이 상승하고 맥박수가 증가되며 열량의 소모를 겪게 된다. 체온의 상승과 맥박수 증가에 따른 열량의 소모량은 적정량이 되어야 하는데, 적정 열량의 소모는 인체의 항상성을 유지시켜 건강을 유지하는 데 아주 중요하며, 이에 따라 칼로리 소모량 계산부(372)는 운동 전후의 평균 심박율 및 체지방율을 기초로 운동에 따른 칼로리 소모량을 계산하고 계산된 값을 디스플레이부(220)를 통해 화면에 디스플레이 한다. 이 때, 운동 전후의 평균 심박율은 생체신호 측정 모듈(100)의 심박 검출 센서부(110)에서 측정된 PPG 신호를 분석하여 얻어진 값, 즉, 심박 분석부(311)에서 분석된 평균 심박율을 사용하며, 체지방율은 생체신호 측정 모듈(100)의 체지방 센서부(140)에서 측정된 신체 임피던스값을 분석하여 얻어진 값, 즉, 체지방율 계산부(371)에서 계산된 체지방율을 사용한다.

이하, 본 발명에 따른 모바일 기기를 이용한 건강 관리 방법에 대하여 첨부된 도면들을 참조하여 상세히 설명한다.

도 18은 본 발명에 따른 모바일 기기를 이용한 건강 관리 방법을 보여주는 흐름도이다.

먼저, 사용자가 모바일 기기(400)에서 건강 관리 메뉴를 선택하면 도 22(a)에 도시된 바와 같이 건강 관리 메인 화면이 디스플레이부(220)에 디스플레이되며(S10), 이 상태에서 사용자는 도 22(b)에 도시된 바와 같이 자신의 프로파일을 선택한다(S20).

이 때, 사용자의 프로파일이 없는 경우 도 22(c)에 도시된 바와 같이 사용자의 이름, 신장, 체중, 성별, 연령 등의 데이터를 직접 입력하여 사용자 프로파일을 생성할 수도 있다.

그 다음, 사용자가 스트레스 매니저 메뉴를 선택한 경우 도 23(a)에 도시된 바와 같이 스트레스 매니저 메인 화면이 화면에 디스플레이 되며(S30~S40), 이 상태에서 사용자가 스트레스 측정 메뉴를 선택하면 도 23(b)에 도시된 바와 같이 생체신호 측정을 위한 안내 메시지가 화면에 디스플레이되는 동시에 생체신호 측정 모듈(100)이 활성화된다(S50~S60).

그 다음, 사용자가 안내 메시지에 따라 모바일 기기(400)를 파지하고 측정시작 버튼을 누르면, 생체신호 측정 모듈(100)을 통하여 사용자의 신체로부터 심장 박동, 피부 온도, 피부 저항과 같은 복수개의 생체신호가 검출되며, 검출된 생체신호는 사용자가 그 결과를 확인할 수 있도록 도 23(b)에 도시된 바와 같이 화면에 디스플레이 된다(S70). 이 때, 화면에는 생체신호 측정 완료율을 표시하는 상태창도 디스플레이될 수 있다.

한편, 생체신호 측정 모듈(100)을 통하여 측정된 생체신호들은 반응 민감도 및 측정 환경에 따라 사용자마다 편차가 크기 때문에 이러한 편차로 인하여 사용자의 정서상태를 정확하게 판단할 수 없는 경우가 발생할 수도 있다. 이를 위하여 측정 초기 단계에서 사용자에 따른 편차를 보정하는데(S80), 이하 생체신호의 사용자별 편차 보정 단계(S80)에 대하여 도 19를 참조하여 더 자세히 설명한다.

전술한 도 4 및 도 5에 관련된 설명에서와 같이, 생체신호 측정 모듈(100)을 통하여 측정된 생체신호들 중에서 피부 저항값은 사용자에 따라 편차가 심하기 때문에 이를 중심으로 설명한다.

우선, 생체신호 측정 모듈(100)의 피부 저항 센서부(130)로부터 입력된 전압값(V₀)이 문턱 전압값(V_th) 이상인지를 체크하여 생체신호 측정 모듈(100)에 사용자의 신체가 접촉되었는지를 판단한다(S81). 여기에서, 상기 문턱 전압값(V_th)은 사용자의 신체가 접촉된 상태라고 인정되기 위한 최소의 전압값으로서 미리 메모리부(230)에 저장되어 있는 것이 바람직하다.

사용자의 신체가 접촉된 상태로 판단된 경우, 즉, V₀≥ V_th인 경우, 입력된 전압값(V₀)이 최소 한계 전압(V_{cutoff_min}) 이상 최대 한계 전압(V_{cutoff_max}) 이하인지를 체크하여, 즉, V_{cutoff_min}≤ V₀≤ V_{cutoff_max}인지를 체크하여 피부 저항값에 있어서 사용자에 따른 편차 보정이 필요한지를 판단한다(S82).

사용자에 따른 편차 보정이 필요하다고 판단된 경우, 즉, V_{cutoff_min}≤ V₀≤V_{cutoff_max}이 아닌 경우, 입력된 전압값(V₀)이 최대 한계 전압(V_{cutoff_max}) 이상인지를 체크하여(S83), 최대 한계 전압(V_{cutoff_max}) 이상인 경우에는 가변저항(R)의 값을 감소시켜 증폭부(133)의 이득값을 감소시킨다(S84).

만약 입력된 전압값(V₀)이 최대 한계 전압(V_{cutoff_max}) 이상이 아닌 경우에는 입력된 전압값(V₀)이 최소 한계 전압(V_{cutoff_min}) 이하인지를 체크하여(S85), 최소 한계 전압(V_{cutoff_min}) 이하인 경우에는 가변저항(R)의 값을 증가시켜 증폭부(133)의 이득값을 증가시킨다(S86).

이와 같은 사용자별 편차 보정 단계를 통하여 피부 저항 센서부(130)로부터 입력된 전압값(V₀)은 최소 한계 전압 이상 최대 한계 전압 이하로 유지될 수 있으며, 이로 인하여 반응 민감도 및 측정 환경에 따른 편차가 보정되어 사용자의 정서상태 변화가 제대로 반영된 생체신호를 검출할 수 있다.

생체신호의 사용자별 편차 보정이 완료된 후, 건강 관리 모듈(300)은 사용자의 신체로부터 검출된 PPG 신호, EDA 신호, SKT 신호 등의 생체신호를 분석하여 사용자의 정서상태 판단에 사용되는 복수개의 특징값들을 추출한다(S90).

상기 S90 단계에서 추출되는 특징값으로는 PPG 신호로부터 추출된 심박신호의 스펙트럼, 심박신호의 평균값/표준편차값, EDA 신호로부터 검출된 SCR 관련 파라미터들, 및 SKT 신호로부터 추출된 SKT 신호의 평균값/최대값 등이 있다.

그 다음, 추출된 복수개의 특징값들과 정서상태 판단의 기준이 되는 특징값들간의 차이를 계산하는데(S100), 여기에서 정서상태 판단의 기준이 되는 특징값들은 사용자가 특정 정서에 치우치지 않은 평상시의 정서를 나타내는 특징값으로서 상기 기준이 되는 특징값들은 미리 저장되어 있는 것이 바람직하다.

특징값들의 차이가 구해지면 상기 차이값들에 따라 SVM 분류에 의하여 사용자의 정서상태를 판단하는데, 먼저 사용자의 정서상태를 각 정서별로 구분한 다음 구분된 각각의 정서들 중에서 스트레스에 관련된 값을 선택하여 스트레스 지수와 레벨을 계산한다(S110).

계산된 스트레스 지수와 레벨은 도 23(b)에 도시된 바와 같이 사용자가 확인할 수 있도록 화면에 디스플레이 되며(S120), 이 상태에서 사용자는 스트레스가 일어난 상황에 대한 코멘트를 추가하거나 일간, 주간, 월간 단위로 스트레스 상태를 확인할 수도 있다.

한편, 사용자가 도 23(a)의 스트레스 매니저 메인 화면에서 스트레스 이력 관리 메뉴 또는 스트레스 정보 메뉴를 선택한 경우에 대하여 도 20을 참조하여 설명한다.

사용자가 스트레스 매니저 메인 화면에서 스트레스 이력 관리 메뉴를 선택하면 도 23(c)에 도시된 바와 같이 스트레스 이력 관리 화면이 디스플레이되며(S130~S140), 이 상태에서 사용자가 원하는 기간을 선택하면 선택된 기간별로 스트레스 이력이 화면에 디스플레이 된다(S150~S160). 스트레스 이력이 화면에 디스플레이된 상태에서, 사용자가 특정 일자에 대한 코멘트를 선택하면 선택된 코멘트를 화면에 디스플레이 한다(S170~S180).

또한, 사용자가 스트레스 매니저 메인 화면에서 스트레스 정보 메뉴를 선택하면 도 23(d)에 도시된 바와 같이 스트레스에 대한 정보를 화면에 디스플레이한다(S190~S200).

본 발명에 의한 정서상태 판단 방법은, 수분에서 24시간에 이르는 긴 신호를 대상으로 하는 기존의 피리어드그램(periodogram) 방법 대신 ARMAsel 알고리즘을 사용하여 50초 정도의 짧은 시간 동안 생체신호를 관측하여 분석한다. 그리고, 정서상태 판단에 있어서도 높은 일반화 특성을 보이는 SVM 분류기를 사용하여 판단을 수행한다. 따라서, 짧은 시간 동안 사용자의 생체신호를 모니터링 하여 사용자의 정서상태를 정확하게 인식할 수 있게 된다.

다시 도 18을 참조하면, 사용자가 건강 관리 메인 화면에서 다이어트 매니저 메뉴를 선택한 경우에는 도 24(a)에 도시된 바와 같이 다이어트 매니저 메인 화면이 화면에 디스플레이 된다(S210).

이 상태에서 사용자가 체지방 측정 메뉴를 선택하면 도 24(b)에 도시된 바와 같이 체지방 측정을 위한 안내 메시지가 화면에 디스플레이 되는 동시에 생체신호 측정 모듈(100)의 체지방 센서부(140)가 활성화된다(S220~S230).

사용자가 안내 메시지에 따라 모바일 기기(400)를 파지하고 측정시작 버튼을 누르면, 체지방 센서부(140)를 통하여 사용자의 신체로부터 신체 임피던스를 측정하고, 측정된 신체 임피던스값은 사용자가 그 결과를 확인할 수 있도록 도 24(b)에 도시된 바와 같이 화면에 디스플레이 된다(S240). 이 때 화면에는 생체신호 측정 완료율을 표시하는 상태창도 디스플레이될 수 있다.

그 다음, 측정된 임피던스값과 메모리부(230)에 저장되어 있는 사용자의 신장, 체중, 나이, 성별을 기초로 신체의 체지방율(BodyFat %)을 계산하여 계산된 체지방율을 도 24(b)에 도시된 바와 같이 화면에 디스플레이한다(S250~S260). 이 때, 체지방율(BodyFat %)은 측정된 신체 임피던스값(R)과, 신장(Height), 체중(Weight), 나이(Age), 성별(Sex)의 함수로부터 다음의 수학식 1과 같이 주어진다.

상기 수학식 1에 있어서 FFM(Fat Free Mass)은 지방을 제외한 체중으로, 사용자의 신체 임피던스값(R), 신장(Height), 체중(Weight), 나이(Age), 성별(Sex)이 입력되면 이에 따라 다중 회귀 모델(Multiple Regression Model)이 선택되어 a, b, c, d 값이 결정되며, 결정된 a, b, c, d 값에 따라 지방을 제외한 체중(FFM)이 산출된다.

본 실시예에서는 사용자의 신체정보 중에서 비교적 FFM에 많은 영향을 미치는 신장, 체중, 나이, 성별을 변수로 하여 체지방율을 계산하였지만, 이들 외에 다른 변수들도 체지방율 계산에 사용할 수 있다.

한편, 사용자가 다이어트 매니저 메인 화면에서 칼로리 소모량 측정 메뉴를 선택하면 도 24(c)에 도시된 바와 같이 칼로리 소모량 측정을 위한 안내 메시지가화면에 디스플레이 되는 동시에 생체신호 측정 모듈(100)의 심박 검출 센서부(110)와 체지방 센서부(140)가 활성화된다(S270~S280).

그 다음, 사용자가 안내 메시지에 따라 모바일 기기(400)를 파지하고 측정시작 버튼을 누르면, 심박 검출 센서부(110)를 통하여 사용자의 신체로부터 운동 전의 PPG 신호를 측정하는 동시에 체지방 센서부(140)를 통하여 사용자의 신체로부터 신체 임피던스를 측정하며, 운동이 끝난 후 다시 한번 심박 검출 센서부(110)를 통하여 사용자의 신체로부터 PPG 신호를 측정한다(S290). 이 때, 측정된 PPG 신호는 사용자가 그 결과를 확인할 수 있도록 도 24(c)에 도시된 바와 같이 화면에 디스플레이 되며, 생체신호 측정 완료율을 표시하는 상태창도 디스플레이될 수 있다.

그 다음, 운동 전/후의 심박 신호 및 신체 임피던스를 분석하여 운동 전/후의 평균 심박율 및 체지방율을 계산하고, 계산된 운동 전/후의 평균 심박율, 체지방율, 운동시간, 신장, 체중, 나이, 성별을 기초로 운동에 따른 칼로리 소모량을 계산하여 계산된 칼로리 소모량을 도 24(c)에 도시된 바와 같이 화면에 디스플레이한다(S300~S310).

칼로리 소모량 계산에 대하여 더 자세히 설명하자면, 운동에 따른 칼로리 소모량은 사용자의 기초대사량에 따라 달라질 수 있는데, 기초대사량은 사용자의 체중과 체지방율에 따라 결정되기 때문에 정확한 칼로리 소모량을 계산하기 위해서는 정확하게 사용자의 기초대사량을 측정하는 것이 필요하다.

그러나, 사용자의 기초대사량을 정확하게 측정하기 위해서는 고가의 장비가 필요할 뿐만 아니라 사용자가 안면마스크 및 마우스피스를 착용한 채로 장시간 동안 휴식을 취해야하기 때문에, 이러한 이유로 인하여 성별 및 연령에 기초한 기초대사량의 표준값을 정해놓고 이 기초대사량의 표준값에 체중을 곱하여 칼로리 소모량을 계산하는 방법이 일반적으로 사용되고 있다.

그러나, 상기 기초대사량의 표준값은 표준 체형을 가진 사람을 기준으로 산출된 값이기 때문에 비만인 사람, 마른 사람, 성별, 나이에 따라 실제 사용자의 기초대사량과는 많은 차이가 있을 수 있어 운동에 따른 칼로리 소모량을 정확하게 체크할 수 없다.

이를 위하여 본 발명에서는 체지방 센서부(140)를 통하여 측정된 신체 임피던스를 기초로 체지방율을 구하고 이 체지방율을 기초로 사용자의 기초대사량을 계산하는데, 이와 같은 칼로리 소모량 계산 방법은 일본공개특허 1996-52119호에 상세히 설명되어 있으므로 이에 대한 자세한 설명은 생략한다.

한편, 사용자가 도 24(a)의 다이어트 매니저 메인 화면에서 다이어트 이력 관리메뉴 또는 다이어트 정보 메뉴를 선택한 경우에 대하여 도 21을 참조하여 설명한다.

사용자가 다이어트 매니저 메인 화면에서 다이어트 이력 관리 메뉴를 선택하면 도 24(d)에 도시된 바와 같이 다이어트 이력 관리 화면이 디스플레이되며(S320~S330), 이 상태에서 사용자가 원하는 기간을 선택하면 선택된 기간별로 다이어트 이력이 화면에 디스플레이 된다(S340~S350). 다이어트 이력이 화면에 디스플레이된 상태에서, 사용자가 특정 일자에 대한 코멘트를 선택하면 선택된 코멘트를 화면에 디스플레이 한다(S360~S370).

또한, 사용자가 다이어트 매니저 메인 화면에서 다이어트 정보 메뉴를 선택하면 도 24(e)에 도시된 바와 같이 다이어트에 대한 정보를 화면에 디스플레이한다(S380~S390).

상기한 바와 같이 본 발명에 따른 모바일 기기를 이용하면 필요시에 언제든지 스트레스 레벨과 신체의 체지방율, 운동에 따른 칼로리 소모량을 측정할 수 있다.

본 발명은 도면에 도시된 일 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 특히, 본 발명에 있어서, 여러 정서들 중에서 스트레스를 선택하여 스트레스의 레벨을 체크하는 것을 예로 들어 설명하였으나, 본 발명에 따른 건강 관리 방법은 이에 국한되지 않으며 생체신호 측정 모듈에서 측정된 여러 생체신호들을 기초로 하여 다양한 정서에 대한 레벨을 체크할 수도 있다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.

상기한 바와 같이, 본 발명에 따르면 사용자는 모바일 기기를 이용하여 언제 어디서나 자신의 정서상태와 신체상태를 간편하게 체크할 수 있으므로, 건강을 돌볼 시간이 부족한 현대인들이 보다 용이하게 항상 자신의 건강상태를 관리할 수 있는 효과가 있다.

또한, 본 발명에 따르면 사용자가 자연스럽게 모바일 기기를 사용하는 동작을 통해 자신의 정서상태와 신체상태를 간단하게 체크할 수 있는 효과가 있다.

또한, 본 발명에 따르면 모바일 기기에 사용자들의 큰 관심을 끌 수 있는 기능을 부가하여 서비스의 차별화를 도모할 수 있으므로, 모바일 기기 제조업자는 각종 건강상태 측정기와 연동할 수 있는 단말기를 제조하여 수익을 증대시킬 수 있는 효과도 기대할 수 있다.

Claims

입력부, 디스플레이부, 메모리부, 및 중앙제어부를 포함하는 모바일 기기에 있어서,

사용자의 신체로부터 생체신호를 검출하여 검출된 생체신호를 각 신호별로 분류하여 출력하는 생체신호 측정 모듈; 및

상기 생체신호 측정 모듈로부터 입력된 생체신호와 사용자의 신체정보에 기초하여 사용자의 정서상태 및 신체상태를 분석하는 건강 관리 모듈을 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 1항에 있어서, 상기 생체신호 측정 모듈은,

사용자의 신체로부터 하나 이상의 생체신호를 검출하는 센서부; 및

상기 센서부를 제어하며 상기 센서부로부터 입력된 생체신호를 각 생체신호별로 분류하여 출력하는 센서 제어부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 2항에 있어서, 상기 센서부는,

심장 박동에 대한 생체신호를 검출하는 심박 검출 센서부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 3항에 있어서, 상기 심장 박동에 대한 생체신호는 PPG 신호인 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 2항에 있어서, 상기 센서부는,

피부 온도에 대한 생체신호를 검출하는 피부 온도 센서부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 5항에 있어서, 상기 피부 온도에 대한 생체신호는 SKT 신호인 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 2항에 있어서, 상기 센서부는,

피부 저항에 대한 생체신호를 검출하는 피부 저항 센서부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 7항에 있어서, 상기 피부 저항에 대한 생체신호는 EDA 신호인 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 2항에 있어서, 상기 센서부는,

체지방율 산출에 필요한 신체 임피던스를 측정하는 체지방 센서부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 3항, 제 5항, 제 7항, 또는 제 9항 중 어느 한 항에 있어서, 상기 심박 검출 센서부, 피부 온도 센서부, 피부 저항 센서부, 및 체지방 센서부는, 각각 상기 검출된 생체신호를 필터링하는 필터링부 및 상기 필터링된 생체신호를 증폭하는 증폭부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 3항, 제 5항, 제 7항, 또는 제 9항 중 어느 한 항에 있어서, 상기 심박 검출 센서부, 피부 온도 센서부, 피부 저항 센서부, 및 체지방 센서부는, 사용자가 모바일 기기를 파지할 때 사용자의 손이 모바일 기기에 접촉되는 위치에 설치된 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 2항에 있어서, 상기 센서 제어부는 상기 센서부에서 출력된 생체신호에서 사용자에 따른 편차를 보정하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 1항에 있어서, 상기 생체신호 측정 모듈은 모바일 기기에 착탈 가능하게 구성된 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 13항에 있어서, 상기 생체신호 측정 모듈은 모바일 기기를 수용할 수 있는 케이스 형태로 구성된 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 1항에 있어서, 상기 건강 관리 모듈은,

상기 생체신호 측정 모듈로부터 입력된 생체신호들을 분석하여 사용자의 정서상태를 판단하는 정서상태 분석부; 및

상기 생체신호 측정 모듈로부터 입력된 생체신호와 사용자의 신체정보에 기초하여 사용자의 신체상태를 분석하는 신체상태 분석부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 15항에 있어서, 상기 정서상태 분석부는,

상기 사용자의 신체로부터 검출된 생체신호들의 특징을 분석하는 특징 분석부;

상기 특징 분석부에서 분석된 결과와 사용자의 정서상태를 판단하는데 기준이 되는 특징값들과의 차이를 구하는 감산부; 및

상기 감산부에서 구해진 특징값들의 차이를 분석하여 사용자의 정서상태를 분류하고 분류된 정서들 중에서 특정 정서에 대한 지수와 레벨을 계산하여 출력하는 SVM 유닛을 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 16항에 있어서, 상기 특징 분석부는,

상기 PPG 신호를 받아들여 심박 신호를 검출하고 상기 심박 신호와 관련된 특징값들을 추출하는 심박 분석부;

상기 EDA 신호를 받아들여 피부 전도 특성과 관련된 특징값들을 추출하는 피부 전도 특성 분석부; 및

상기 SKT 신호를 받아들여 피부 온도와 관련된 특징값들을 추출하는 피부 온도 분석부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 17항에 있어서, 상기 심박 분석부는,

상기 PPG 신호를 받아들여 심박 신호를 검출하고, 검출된 상기 심박 신호를 심박 변화율의 시계열로 변환하는 심박 검출부;

상기 심박 변화율의 시계열 신호에 응답해서 상기 심박 신호의 스펙트럼을 분석하는 스펙트럼 분석부; 및

상기 심박 변화율의 시계열 신호에 응답해서 상기 심박 신호의 평균값과 표준편차값을 계산하는 평균/표준편차 계산부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 18항에 있어서, 상기 심박 검출부는,

상기 PPG 신호에 존재하는 특정 대역의 신호를 추출하는 밴드패스 필터;

상기 밴드패스 필터링 결과에 존재하는 노이즈를 제거하는 메디안 필터;

상기 밴드패스 필터링 결과에 상기 메디안 필터링 결과의 역수를 더해주어, 상기 두 필터링 결과 사이에 존재하는 차이를 계산하는 가산부;

상기 가산부의 출력 신호로부터 상기 심박 신호를 추출하는 정합 필터; 및

상기 심박 신호에 대한 제로 클리핑을 수행하는 제로 클리퍼를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 16항에 있어서, 상기 감산부는,

상기 사용자의 정서상태를 판단하는 데 기준이 되는 특징값으로서 사용자의 평상시 정서에 대한 특징값들을 사용하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 16항에 있어서, 상기 SVM 유닛은,

상기 감산부에서 구해진 특징값들의 차이를 분석하여 사용자의 정서상태를 복수개의 카테고리로 분류하는 SVM(Support Vector Machine) 분류기; 및

상기 SVM 분류기를 통해 분류된 복수개의 정서상태 값들중에서 특정 정서상태에 관련된 값을 선택하여 지수와 레벨을 계산하여 출력하는 정서상태 판단부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 21항에 있어서, 상기 SVM 유닛은,

상기 SVM 분류기를 학습시키기 위한 복수개의 정서 데이터 및 상기 정서 데이터에 의한 상기 SVM 분류기의 학습 결과를 저장하는 데이터베이스를 더 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
제 15항에 있어서, 상기 신체상태 분석부는,

상기 생체신호 측정 모듈을 통하여 검출된 신체 임피던스값과 사용자의 신장, 체중, 나이 및 성별로부터 체지방율을 계산하는 체지방율 계산부; 및

상기 생체신호 측정 모듈을 통하여 검출된 운동 전후의 평균 심박율 및 체지방율을 기초로 운동에 따른 칼로리 소모량을 계산하는 칼로리 소모량 계산부를 포함하는 것을 특징으로 하는 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기.
사용자가 생체신호 측정 모듈이 구비된 모바일 기기에서 건강 관리 메뉴를 선택하는 단계;

사용자가 정서상태 측정을 선택한 경우 상기 모바일 기기에서 생체신호 측정 모듈이 활성화되는 단계;

사용자의 신체로부터 적어도 하나 이상의 생체신호를 검출하는 단계;

상기 검출된 생체신호들을 분석하여 사용자의 정서상태 판단에 사용될 복수개의 특징값들을 추출하는 단계;

상기 추출된 복수개의 특징값들과 정서상태 판단의 기준이 되는 특징값들간의 차이를 계산하는 단계;

상기 계산된 특징값들의 차이에 따라 SVM 분류에 의하여 사용자의 정서상태를 각 정서별로 구분하는 단계; 및

상기 구분된 각각의 정서들 중에서 상기 선택된 정서에 관련된 값을 선택하여 정서상태 지수와 레벨을 계산한 후 계산된 정서상태 지수와 레벨을 화면에 디스플레이하는 단계를 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 사용자의 신체로부터 검출된 생체신호는,

심장 박동에 대한 생체신호를 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 25항에 있어서, 상기 심장 박동에 대한 생체신호는 PPG 신호인 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 사용자의 신체로부터 검출된 생체신호는,

피부 온도에 대한 생체신호를 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 27항에 있어서, 상기 피부 온도에 대한 생체신호는 SKT 신호인 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 사용자의 신체로부터 검출된 생체신호는,

피부 저항에 대한 생체신호를 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 29항에 있어서, 상기 피부 저항에 대한 생체신호는 EDA 신호인 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 사용자의 신체로부터 검출된 생체신호는 필터링부를 통하여 필터링된 후 증폭부를 통하여 증폭되는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 사용자의 신체로부터 검출된 생체신호에서 사용자에 따른 편차를 보정하는 단계를 더 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 32항에 있어서, 상기 생체신호에서 사용자에 따른 편차를 보정하는 단계는,

상기 생체신호 측정 모듈에 사용자의 신체가 접촉되었는지 판단하는 단계;

사용자의 신체가 접촉된 경우 상기 검출된 생체신호값에 있어서 사용자에 따른 편차 보정이 필요한지 판단하는 단계;

사용자에 따른 편차 보정이 필요하다고 판단된 경우, 상기 검출된 생체신호값이 최대 한계 레벨 이상인지를 체크하여 최대 한계 레벨 이상인 경우 증폭부의 이득값을 감소시키는 단계; 및

상기 검출된 생체신호값이 최대 한계 레벨 이상이 아닌 경우 상기 검출된 생체신호값이 최소 한계 레벨 이하인지를 체크하여 최소 한계 레벨 이하인 경우 증폭부의 이득값을 증가시키는 단계를 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 생체신호들을 분석하여 정서상태 판단에 사용되는 복수개의 특징값들을 추출하는 단계는,

상기 PPG 신호를 받아들여 심박 신호를 검출하고 상기 심박 신호와 관련된 특징값들을 추출하는 심박 분석 단계;

상기 EDA 신호를 받아들여 피부 저항과 관련된 특징값들을 추출하는 피부 저항 분석 단계; 및

상기 SKT 신호를 받아들여 피부 온도와 관련된 특징값들을 추출하는 피부 온도 분석 단계를 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 사용자 정서상태 판단의 기준이 되는 특징값들은 사용자의 평상시 정서에 대한 특징값들인 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 사용자의 정서상태를 각 정서별로 구분하는 단계는,통계적 학습 이론을 근거로 하여 사용자의 정서를 복수개의 카테고리로 분류하는 SVM 분류기를 사용하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 상기 생체신호 측정 모듈은 모바일 기기에 착탈 가능하게 구성된 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 37항에 있어서, 상기 생체신호 측정 모듈은 모바일 기기를 수용할 수 있는 케이스 형태로 구성된 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 사용자가 체지방 측정을 선택한 경우,

상기 모바일 기기에 장착된 생체신호 측정 모듈에서 체지방 센서부가 활성화되는 단계;

상기 체지방 센서부를 통하여 사용자의 신체로부터 신체 임피던스를 측정하는 단계; 및

상기 측정된 임피던스값과 사용자의 신체정보를 기초로 신체의 체지방율을 계산하여 계산된 체지방율을 화면에 디스플레이하는 단계를 더 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항에 있어서, 사용자가 칼로리 소모량 측정을 선택한 경우,

상기 생체신호 측정 모듈에서 심박 검출 센서부 및 체지방 센서부가 활성화되는 단계;

상기 심박 검출 센서부 및 체지방 센서부를 통하여 사용자의 신체로부터 운동 전/후의 심박 신호 및 신체 임피던스를 측정하는 단계; 및

상기 운동 전/후의 심박 신호 및 신체 임피던스를 분석하여 운동 전/후의 평균 심박율 및 체지방율을 계산하고, 계산된 운동 전/후의 평균 심박율, 체지방율, 운동시간, 사용자의 신체정보를 기초로 운동에 따른 칼로리 소모량을 계산하여 계산된 칼로리 소모량을 화면에 디스플레이하는 단계를 더 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.
제 24항, 제 39항 또는 제 40항 중 어느 한 항에 있어서, 사용자가 이력 관리를 선택하면 원하는 기간별로 측정 결과를 화면에 디스플레이하는 단계를 더 포함하는 것을 특징으로 하는 모바일 기기를 이용한 건강 관리 방법.