KR101430817B1 - 체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법 - Google Patents

체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법 Download PDF

Info

Publication number
KR101430817B1
KR101430817B1 KR1020120105086A KR20120105086A KR101430817B1 KR 101430817 B1 KR101430817 B1 KR 101430817B1 KR 1020120105086 A KR1020120105086 A KR 1020120105086A KR 20120105086 A KR20120105086 A KR 20120105086A KR 101430817 B1 KR101430817 B1 KR 101430817B1
Authority
KR
South Korea
Prior art keywords
information
blood
circumference
blood information
unit
Prior art date
Application number
KR1020120105086A
Other languages
English (en)
Other versions
KR20140039407A (ko
Inventor
이범주
김근호
김종열
Original Assignee
한국 한의학 연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국 한의학 연구원 filed Critical 한국 한의학 연구원
Priority to KR1020120105086A priority Critical patent/KR101430817B1/ko
Publication of KR20140039407A publication Critical patent/KR20140039407A/ko
Application granted granted Critical
Publication of KR101430817B1 publication Critical patent/KR101430817B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

혈액 정보 판단 모델 생성 장치가 개시된다. 본 발명의 실시예에 다른 혈액 정보 판단 모델 생성 장치는, 적어도 한 명의 사람에 대한 체형 정보를 입력 받는 입력 유닛 및 머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 모델 생성 유닛을 포함한다.

Description

체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법 {APPARATUS AND METHOD FOR BUILDING BLOOD INFORMATION ESTIMATION MODEL USING BODY SHAPE INFORMATION, APPARATUS AND METHOD FOR BLOOD INFORMATION DETERMINATION USING BLOOD INFORMATION ESTIMATION MODEL}
본 발명의 실시예들은 체형 정보를 이용하여 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법에 관한 것이다.
생활 수준의 향상과, 서구화된 식습관에서 비롯된 만성 질환의 발병이 전 세계적으로 증가하고 있고, 환경 오염 및 유전적인 요인들로 인해 특이 질환의 발병도 증가하고 있다. 다양한 질환들은 남녀노소에 관계없이 다양한 연령층에서 발병되고 있어 건강에 대한 관심이 높아지고 있다.
질환 유무를 검사하기 위한 보편적인 방법으로, 혈액 검사가 이용될 수 있다. 혈액 검사를 통해 혈당(Glucose), 저밀도 지질 단백질(LDL, Low-Density Lipoprotein) 콜레스테롤, 고밀도 지질 단백질(HDL, High-Density Lipoprotein) 콜레스테롤 등의 혈액 정보를 얻을 수 있으며, 이 혈액 정보를 통해 당뇨, 고지혈증, 이상지질혈층, 대사 증후군 등의 질환을 진단할 수 있다.
혈액 검사는 주사기를 이용하여 환자로부터 혈액을 채취하고, 채취된 혈액을 혈액 분석 장치를 이용하여 분석함으로써, 혈액 정보를 얻는 과정으로 이루어진다. 즉, 혈액 검사는 전문적인 의료 기술을 습득한 자에 의한 혈액 채취와, 고가의 혈액 분석 장치를 필요로 한다. 따라서, 의사나 간호사나 없는 환경이거나, 혈액을 채취할 수 있다 하더라도 혈액 분석 장치가 없을 경우에는 사실상 혈액 검사가 불가능하며, 특히 위급한 상황에서의 즉각적인 혈액 검사가 어렵다.
본 발명의 실시예들은 상술한 문제점을 해결하기 위한 것으로, 실시예들의 목적은 사람의 체형 정보를 이용하여 혈액 정보를 판단할 수 있는 혈액 정보 판단 모델을 생성하기 위한 장치 및 방법을 제공하기 위한 것이다.
본 발명의 실시예들의 다른 목적은 의사나 간호사가 없는 환경이거나, 혈액 분석 장치가 없더라도, 혈액 정보 판단 모델을 이용하여 사람의 체형 정보만으로 혈액 정보를 판단하여 혈액 정보의 이상 여부를 판단할 수 있는 장치 및 방법을 제공하기 위한 것이다.
이상과 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 혈액 정보 판단 모델 생성 장치는, 적어도 한 명의 사람에 대한 체형 정보를 입력 받는 입력 유닛 및 머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 모델 생성 유닛을 포함한다.
일 측에 따르면, 상기 체형 정보는 사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈, 및 각 부위 별 비율 중 적어도 하나 이상의 신체 특징을 포함할 수 있다.
일 측에 따르면, 상기 모델 생성 유닛은 상기 입력 유닛을 통해 입력된 상기 체형 정보를 전처리하는 전처리 유닛, 상기 전처리된 체형 정보에서 혈액 정보 판단에 필요한 신체 특징을 선택하는 특징 선택 유닛 및 상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 머신 러닝 유닛을 포함할 수 있다.
일 측에 따르면, 상기 전처리 유닛은 상기 입력 유닛을 통해 입력된 상기 체형 정보에 대한 이진화, 세션화 및 잡음 제거 중 적어도 하나의 전처리를 할 수 있다.
일 측에 따르면, 상기 특징 선택 유닛은 특징 선택 방법(Feature Selection Method)을 이용하여 상기 체형 정보에 대한 최적의 신체 특징을 선택할 수 있다.
일 측에 따르면, 상기 머신 러닝 유닛은 상기 특징 선택 유닛에 의해 선택된 상기 최적의 신체 특징을 머신 러닝 알고리즘에 적용하여 상기 혈액 정보 판단 모델을 생성할 수 있다.
일 측에 따르면, 상기 머신 러닝 알고리즘은 서포트 벡터 머신(Support Vector Machine), 은닉 마르코프 모델(Hidden Markov Model), 회귀 분석(Regression), 신경망(Neural Network), 나이브 베이즈 분류(Naive Bayes Classification), SVM(Support Vector Machine) 및 결정트리(Decision Tree) 중 어느 하나일 수 있다.
일 측에 따르면, 상기 혈액 정보 판단 모델 생성 장치는 상기 입력부에 입력된 체형 정보 및 상기 모델 생성 유닛에 의해 생성된 혈액 정보 판단 모델을 저장하는 저장 유닛 및 외부로부터 상기 혈액 정보 판단 모델에 대한 요청 신호가 수신될 경우, 상기 요청 신호에 대응하여 상기 혈액 정보 판단 모델을 송신하는 통신 유닛을 더 포함할 수 있다.
본 발명의 실시예에 따른 혈액 정보 판단 장치는 적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는 입력 유닛, 머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 모델 생성 유닛 및 외부로부터 혈액 정보 판단을 위한 제2 체형 정보가 수신된 경우, 상기 제2 체형 정보를 상기 혈액 정보 판단 모델에 적용하여 상기 제2 체형 정보에 대한 혈액 정보를 판단하는 혈액 정보 판단 유닛을 포함한다.
일 측에 따르면, 상기 제1 체형 정보 및 상기 제2 체형 정보는 사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 8 부위의 사이즈 및 각 부위 별 비율 중 적어도 하나 이상의 신체 특징을 포함할 수 있다.
일 측에 따르면, 상기 모델 생성 유닛은 상기 입력 유닛을 통해 입력된 상기 체형 정보를 전처리하는 전처리 유닛, 상기 전처리된 체형 정보에서 혈액 정보 판단에 필요한 신체 특징을 선택하는 특징 선택 유닛 및 상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 머신 러닝 유닛을 포함할 수 있다.
일 측에 따르면, 상기 전처리 유닛은 상기 입력 유닛을 통해 입력된 상기 체형 정보에 대한 이진화, 세션화 및 잡음 제거 중 적어도 하나의 전처리할 수 있다.
일 측에 따르면, 상기 특징 선택 유닛은 특징 선택 방법(Feature Selection Method)을 이용하여 상기 체형 정보에 대한 최적의 신체 특징을 선택할 수 있다.
일 측에 따르면, 상기 머신 러닝 유닛은 상기 특징 선택 유닛에 의해 선택된 상기 최적의 신체 특징을 머신 러닝 알고리즘에 적용하여 상기 혈액 정보 판단 모델을 생성할 수 있다.
일 측에 따르면, 상기 머신 러닝 알고리즘은 서포트 벡터 머신(Support Vector Machine), 은닉 마르코프 모델(Hidden Markov Model), 회귀 분석(Regression), 신경망(Neural Network), 나이브 베이즈 분류(Naive Bayes Classification), SVM(Support Vector Machine) 및 결정트리(Decision Tree) 중 어느 하나일 수 있다.
일 측에 따르면, 상기 혈액 정보 판단 장치는 상기 입력부에 입력된 제1 체형 정보 및 상기 모델 생성 유닛에 의해 생성된 혈액 정보 판단 모델을 저장하는 저장 유닛 및 상기 외부로부터 상기 제2 체형 정보를 수신하고, 상기 혈액 정보의 판단 결과를 상기 외부로 전송하는 통신 유닛을 더 포함할 수 있다.
본 발명의 실시예에 따른 혈액 정보 판단 모델 생성 방법은 적어도 한 명의 사람에 대한 체형 정보를 입력 받는 입력 유닛 및 머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 혈액 정보 판단 모델을 생성하는 단계를 포함한다.
일 측에 따르면, 상기 혈액 정보 판단 모델을 생성하는 단계는 상기 입력된 상기 체형 정보를 전처리하는 단계, 상기 전처리된 체형 정보에서 혈액 정보 판단에 필요한 신체 특징을 선택하는 단계 및 상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 혈액 정보 판단 방법은 적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는 단계, 머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 단계, 및 외부로부터 혈액 정보 판단을 위한 제2 체형 정보가 수신된 경우, 상기 제2 체형 정보를 상기 혈액 정보 판단 모델에 적용하여 상기 제2 체형 정보에 대한 혈액 정보를 판단하는 단계를 포함한다.
본 발명의 실시예들에 따른 장치 및 방법은 사람의 체형 정보를 이용하여 혈액 정보의 이상 여부를 판단할 수 있는 혈액 정보 판단 모델을 생성함으로써, 이 혈액 정보 판단 모델을 필요로 하는 곳에 제공할 수 있다. 또한, 본 발명의 실시예들에 따른 장치 및 방법은 혈액 정보 판단 모델을 이용하여 사람의 체형 정보만으로 혈액 정보의 이상 여부를 판단할 수 있다.
본 발명의 실시예들에 따른 장치들 및 방법들에 따르면, 의사나 간호사가 없는 환경이거나, 혈액 분석 장치가 없더라도, 혈액 정보 판단 모델을 제공하거나, 혈액 정보 판단 모델을 이용하여 혈액 정보의 이상 여부를 판단할 수 있게 되어 즉각적인 혈액 검사가 가능하다.
도 1은 본 발명의 실시예에 따른 혈액 정보 판단 모델 생성 장치의 구성을 나타내는 블록도이다.
도 2는 본 발명의 실시예에 따른 혈액 정보 판단 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 혈액 정보 판단 모델 생성 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 실시예에 따른 혈액 정보 판단 방법을 설명하기 위한 흐름도이다.
이하에서, 본 발명에 따른 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 실시예에 따른 혈액 정보 판단 모델 생성 장치의 구성을 나타내는 블록도이다. 도 1을 참조하면, 혈액 정보 판단 모델 생성 장치(100)는 입력 유닛(110), 모델 생성 유닛(120), 통신 유닛(130) 및 저장 유닛(140)을 포함한다.
입력 유닛(110)은 적어도 한 명의 사람에 대한 체형 정보를 입력 받는다. 이 입력 유닛(110)은 사용자 입력 수단(예를 들어, 키보드, 터치 스크린 등)을 통해 사용자가 입력하는 체형 정보를 입력 받을 수 있다. 또는, 통신 유닛(130)을 통해 외부로부터 체형 정보가 수신될 경우, 입력 유닛(110)은 통신 유닛(130)으로부터 체형 정보를 입력 받을 수도 있다. 이 때, 저장 유닛(140)은 입력 유닛(110)을 통해 입력된 체형 정보를 저장할 수 있다.
이 실시예에서, 체형 정보란, 사람의 체형을 나타내는 다양한 신체 특징들을 포함할 수 있다. 구체적으로, 체형 정보는 사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 8 부위 별 사이즈 및 각 부위 별 비율 중 적어도 하나의 신체 특징을 포함할 수 있다.
일반적으로, 사람의 신체 부위는 크게 8 부위로써, 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레 및 엉덩이(hip) 둘레를 포함할 수 있다. 각 부위들의 사이즈(치수)는 줄자를 이용하여 측정할 수 있다. 이렇게 측정된 각 부위 별 사이즈를 사용자 입력 수단을 통해 사용자가 입력할 경우, 입력 유닛(110)은 체형 정보를 입력 받을 수 있다.
또한, 신체 부위 별 비율은 전술한 각 부위들의 비율을 나타낸다. 예를 들어, 신체 부위 별 비율은 "목 둘레/머리 둘레"로 산출할 수 있으며, 상기와 같은 방법으로 다른 부위들에 대해서도 비율을 산출할 수 있다. 입력 유닛(110)은 체형 정보가 입력되면, 이 채형 정보를 이용하여 신체 부위 별 비율을 산출할 수 있다.
모델 생성 유닛(120)은 머신 러닝 기반으로 체형 정보를 학습하여 혈액 정보 판단 모델을 생성할 수 있다. 혈액 정보 판단 모델이란, 불특정 인물의 체형 정보가 입력되었을 경우, 그 체형 정보에 대한 혈액 정보를 예측하고, 예측된 혈액 정보에 이상이 있는지를 판단하는 프로그램이다. 체형 정보를 통해 예측된 혈액 정보는 혈당(Glucose), 저밀도 지질 단백질(LDL, Low-Density Lipoprotein) 콜레스테롤, 고밀도 지질 단백질(HDL, High-Density Lipoprotein) 콜레스테롤, 지질(Triglyceride) 등을 포함할 수 있다. 이 외에도, 헤모글로빈 수치, 총 콜레스테롤, AST(Aspartate Aminotransferase), ALT(Alanine Aminotransferase), GGT(Gamma-Glutamyl Transferase) 등을 더 포함할 수 있다.
모델 생성 유닛(120)은 전처리 유닛(121), 특징 선택 유닛(122) 및 머신 러닝 유닛(123)을 포함한다.
전처리 유닛(121)은 입력 유닛(110)을 통해 입력된 체형 정보를 전처리할 수 있다. 구체적으로, 체형 정보는 일종의 데이터이며, 특히 머신 러닝을 위한 훈련 데이터 셋(training data set)으로, 전처리 유닛(121)은 이 체형 정보를 이진화하거나, 세션화 및 잡음 제거 중 어느 하나의 전처리를 할 수 있다. 이 때, 잡음은 일반적인 에러(error), 결측값(missing value), 이상값(outlier) 등을 포함할 수 있다.
특징 선택 유닛(122)은 전처리 유닛(121)을 통해 전처리된 체형 정보에서 혈액 정보 판단에 필요한 신체 특징을 선택할 수 있다. 구체적으로, 특징 선택 유닛(122)은 특징 선택 방법(Feature Selection Method)을 이용하여 전처리된 체형 정보에 대한 최적의 신체 특징을 선택할 수 있다.
특징 선택 방법이란, 혈액 정보 판단 모델의 판단 정확도(분류 정확도)를 향상시키기 위한 것으로, 원본 데이터(original date)가 주어졌을 때, 가장 좋은 성능/분석을 나타낼 수 있는 데이터의 부분 집합을 원본 데이터에서 검색하는 방법이다. 이 특징 선택 방법을 이용할 경우, 다양한 체형 정보들 중에서 가장 관련도가 높은 신체 정보들을 검색하여 이들을 최적의 체형 특징으로 선택할 수 있다. 특징 선택 방법의 예로는, 래퍼(Wapper) 방식, 필터(Filter) 방식, 임베디드 (Embeded)방식, 기타 통계 방식을 이용할 수 있으나, 이에 한정되는 것은 아니다.
최적의 신체 특징이란, 혈액 정보 판단에 이용되는 중요 신체 특징을 의미한다. 예를 들어, 저체중인 사람은 헤모글로빈 수치가 낮을 수 있으며, 비만이거나 허리 둘레가 큰 사람은 총 콜레스테롤 수치가 높을 수 있다. 따라서, 체중, 체질량지수, 부위 별 사이즈 및 부위 별 비율 등이 최적의 신체 특징으로 선택될 수 있다. 그러나, 최적의 신체 특징은 이에 한정되지 않으며, 사람의 성별, 나이, 거주 환경 및 혈액 이상 원인에 따라 달라질 수 있다.
머신 러닝 유닛(123)은 특징 선택 유닛(122)에 의해 선택된 최적의 신체 특징을 머신 러닝 알고리즘에 적용하여 혈액 정보 판단 모델을 생성할 수 있다. 혈액 정보 판단 모델은 체형 정보에 대한 혈액 정보를 예측하고, 예측된 혈액 정보의 이상 여부를 판단할 수 있다. 이를 위해, 예측된 혈액 정보의 판단 기준이 되는 혈액 수치가 혈액 정보 판단 모델에 기록될 수 있다. 예를 들어, 혈액 정보의 판단 기준이 되는 총 콜레스테롤은 240mg/dl 이상이고, 지질은 200mg/dl 이상이며, HDL 콜레스테롤은 남자의 경우40mg/dl 이하이고 여자의 경우 50mg/dl 이하이며, LDL 콜레스테롤은 160mg/dl 이상이 될 수 있다. 그러나, 이는 일반적인 기준에 해당하는 것으로, 혈액 정보의 이상 여부를 판단하는 기준은 변경될 수 있다.
실시예에 따르면, 머신 러닝 알고리즘은 서포트 벡터 머신(Support Vector Machine), 은닉 마르코프 모델(Hidden Markov Model), 회귀 분석(Regression), 신경망(Neural Network), 나이브 베이즈 분류(Naive Bayes Classification), SVM(Support Vector Machine) 및 결정트리(Decision Tree) 중 어느 하나가 될 수 있다.
머신 러닝 유닛(123)은 혈액 정보 판단 모델이 생성되면, 이 혈액 정보 판단 모델의 성능을 테스트할 수 있다. 즉, 테스트 데이터 셋(test data set)을 혈액 정보 판단 모델에 적용하여 성능을 테스트하여, 테스트 결과, 혈액 정보 판단 모델이 일정 기준 이상의 성능을 가질 경우, 상용화 가능하다. 테스트 데이터 셋은 입력 유닛(110) 또는 통신 유닛(130)을 통해 입력된 체형 정보 중 일부가 될 수 있다. 만약, 두 사람 이상의 체형 정보가 수신되었을 경우, 이 중 일부를 훈련 데이터 셋으로 이용 가능하고, 나머지는 테스트 데이터 셋으로 이용 가능하다. 한 사람의 체형 정보가 수신되었을 경우에는, 체형 정보에 포함된 신체 특징들로 훈련 데이터 셋과, 테스트 데이터 셋을 나눌 수 있다.
머신 러닝 유닛(123)은 혈액 정보 판단 모델이 생성되면, 이를 저장 유닛(140)에 저장할 수 있다.
통신 유닛(130)은 외부와 유선 또는 무선 통신을 수행할 수 있다. 외부란, 혈액 정보 판단 모델을 필요로 하는 환자 개인이 될 수 있으며, 다양한 의료 기관들, 예를 들어, 보건소, 소방서, 요양원, 일반 병원 등이 될 수 있다. 이들은 환자의 혈액 정보의 이상 여부 판단이 필요한 상황에서, 의사나 간호사가 없거나, 혈액 분석 장치가 없다면 이 혈액 정보 판단 모델 생성 장치(100)에 혈액 정보 판단 모델을 요청할 수 있다.
모델 생성 유닛(120)은 통신 유닛(130)을 통해 외부로부터 혈액 정보 판단 모델에 대한 요청 신호가 수신될 경우, 이 요청 신호에 대응하여 혈액 정보 판단 모델을 외부로 전송할 수 있다.
도 1에 도시된 혈액 정보 판단 모델 생성 장치(100)는 독립적인 장치로 이용될 수 있으며, 또는, 원격의료(Telemedicine) 시스템, 유비쿼터스 헬스케어(U-Health Care) 시스템, 원격 헬스케어(Remote Health Care) 시스템 등의 건강 관련 시스템이나, 건강 측정과 관련된 의료용 장비에 연결 또는 내장될 수 있다. 이 경우, 각 시스템이나 장비로부터 혈액 정보 판단 모델이 요청될 경우, 혈액 정보 판단 모델 생성 장치(100)는 혈액 정보 판단 모델을 해당 시스템이나, 장비에 송신할 수 있다.
도 2는 본 발명의 실시예에 따른 혈액 정보 판단 장치의 구성을 나타내는 블록도이다. 도 2를 참조하면, 혈액 정보 판단 모델 생성 장치(200)는 입력 유닛(210), 모델 생성 유닛(220), 혈액 정보 판단 유닛(230), 통신 유닛(240) 및 저장 유닛(250)을 포함한다.
입력 유닛(210)은 적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는다. 입력 유닛(110)은 사용자 입력 수단을 통해 사용자가 입력하는 제1 체형 정보를 입력 받을 수 있다. 이 때, 제1 체형 정보는 혈액 정보 판단 모델을 생성하는데 이용되는 정보가 될 수 있다. 저장 유닛(250)은 입력 유닛(110)을 통해 입력된 제1 체형 정보를 저장할 수 있다.
제1 체형 정보란, 사람의 체형을 나타내는 다양한 신체 특징들을 포함할 수 있다. 구체적으로, 체형 정보는 사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 8 부위 별 사이즈 및 각 부위 별 비율 중 적어도 하나의 신체 특징을 포함할 수 있다.
모델 생성 유닛(220)은 전처리 유닛(221), 특징 선택 유닛(222) 및 머신 러닝 유닛(223)을 포함한다. 전처리 유닛(221), 특징 선택 유닛(222) 및 머신 러닝 유닛(223)은 도 1에 도시된 모델 생성 유닛(120)의 구성들과 동일한 동작을 하는 것으로, 구체적인 설명을 생략한다.
통신 유닛(240)은 외부와 유선 또는 무선 통신을 수행할 수 있다.
혈액 정보 판단 유닛(230)은 통신 유닛(240)을 통해 외부로부터 혈액 정보 판단을 위한 제2 체형 정보가 수신된 경우, 제2 체형 정보를 혈액 정보 판단 모델에 적용하여 제2 체형 정보에 대한 혈액 정보의 이상 여부를 판단할 수 있다.
외부란, 혈액 정보의 이상 여부 판단이 필요한 상황에서 의사나 간호사가 없거나, 혈액 분석 장치를 구비하고 있지 않은 다양한 의료 기관이 될 수 있다. 이들은 환자의 혈액 정보의 이상 여부 판단이 필요한 상황에서, 개인 또는 의료 기관이 소지하고 있는 통신 장치(예를 들어, 휴대폰)를 이용하여 혈액 정보 판단 장치(200)로 제2 체형 정보를 송신할 수 있다. 이 실시예에서 제2 체형 정보란, 혈액 정보 판단 모델을 이용하여 혈액 정보의 이상 여부를 판단 받기 위한 것으로, 제1 체형 정보와 동일 또는 유사한 신체 특징들을 포함할 수 있다. 이 제2 체형 정보는 저장 유닛(250)에 저장될 수 있다.
혈액 정보 판단 유닛(230)은 혈액 정보 판단 모델에 제2 체형 정보를 적용하여 제2 체형 정보에 대한 혈액 정보를 예측하고, 예측된 혈액 정보에 이상이 있는지 여부를 판단한다. 즉, 혈액 정보 판단 유닛(230)은 예측된 혈액 정보들의 수치가 혈액 정보의 이상 여부 판단 기준이 되는 혈당(Glucose), 저밀도 지질 단백질(LDL, Low-Density Lipoprotein) 콜레스테롤, 고밀도 지질 단백질(HDL, High-Density Lipoprotein) 콜레스테롤 중 적어도 하나를 초과할 경우, 혈액 정보에 이상이 있는 것으로 판단하고, 그에 대응하는 판단 결과를 생성할 수 있다.
혈액 정보 판단 유닛(230)은 혈액 정보의 판단 결과를 통신 유닛(240)을 통해 외부로 송신할 수 있다.
사람의 체형 정보는 줄자나 체중계 등을 이용하여 간단하고 빠르게 측정이 가능하며, 줄자나 체중계가 없더라도 환자가 자신의 체형 정보를 미리 파악하고 있을 가능성이 크므로, 이 체형 정보를 혈액 정보 판단 장치(200)에 송신하는 것만으로, 혈액 정보를 즉각적으로 알 수 있게 된다.
도 2에서는 혈액 정보 판단 유닛(230)이 혈액 정보 판단 장치(200)에 내장되어 있는 것으로 도시하였으나, 혈액 정보 판단 유닛(230)은 별도의 장치로 구성될 수도 있다. 즉, 도 1에 도시된 바와 같은 혈액 정보 판단 모델 생성 장치(100)를 일정의 서버 형태로 구비하고, 혈액 정보 판단 유닛(230)을 별개의 장치로 구성하여, 혈액 정보 판단 유닛(230)이 서버 형태의 혈액 정보 판단 모델 생성 장치(100)에 접속하여 혈액 정보 판단 모델을 이용할 수도 있다.
도 3은 본 발명의 실시예에 따른 혈액 정보 판단 모델 생성 방법을 설명하기 위한 흐름도이다. 도 3에 도시된 혈액 정보 판단 모델 생성 방법은 혈액 정보 판단 모델 생성 장치나, 혈액 정보 판단 모델 생성 방법을 실행하는 프로그램을 기록한 컴퓨터 판단 가능 기록 매체에 의해 실행될 수 있다. 이 실시예에서는 혈액 정보 판단 모델 생성 장치에 의한 혈액 정보 판단 모델 생성 방법을 중심으로 설명하나, 이에 한정되지는 않는다.
혈액 정보 판단 모델 생성 장치는 적어도 한 명의 사람에 대한 체형 정보를 입력 받는다 (310 단계).
혈액 정보 판단 모델 생성 장치는 머신 러닝 기반으로 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성한다(320 단계). 구체적으로, 혈액 정보 판단 모델 생성 장치는 입력된 체형 정보를 전처리한 후, 전처리된 체형 정보에서 혈액 정보 판단에 필요한 신체 특징을 선택할 수 있다. 이 때, 체형 정보에 포함된 다수의 신체 특징 중 혈액 정보에 대한 이상 여부를 판단하는데 중요한 의미를 갖는 신체 특징을 선택할 수 있다. 즉, 혈액 정보 판단에 최적의 신체 특징을 선택할 수 있다. 이후, 선택된 신체 특징을 머신 러닝 알고리즘을 통해 학습하여 혈액 정보 판단 모델을 생성할 수 있다.
혈액 정보 판단 모델 생성 장치는 외부로부터 혈액 정보 판단 모델에 대한 요청 신호가 수신될 경우(330 단계), 혈액 정보 판단 모델을 외부로 송신한다(340단계).
도 4는 본 발명의 실시예에 따른 혈액 정보 판단 방법을 설명하기 위한 흐름도이다. 도 4에 도시된 혈액 정보 판단 방법은 혈액 정보 판단 장치나, 혈액 정보 판단 방법을 실행하는 프로그램을 기록한 컴퓨터 판단 가능 기록 매체에 의해 실행될 수 있다. 이 실시예에서는 혈액 정보 판단 장치에 의한 혈액 정보 판단 방법을 중심으로 설명하나, 이에 한정되지는 않는다.
혈액 정보 판단 장치는 적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는다(410 단계).
혈액 정보 판단 장치는 머신 러닝(machine learning) 기반으로, 입력된 제1 체형 정보들을 학습하여 혈액 정보 판단 모델을 생성한다(420 단계).
혈액 정보 판단 장치는 외부로부터 혈액 정보 판단을 위한 제2 체형 정보가 수신된 경우, 제2 체형 정보를 혈액 정보 판단 모델에 적용하여 혈액 정보에 대한 이상 여부를 판단한다(440 단계).
혈액 정보 판단 장치는 혈액 정보의 판단 결과를 외부로 송신한다(450 단계).
본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 혈액 정보 판단 모델 생성 장치
110: 입력 유닛
120: 모델 생성 유닛
130: 통신 유닛

Claims (20)

  1. 적어도 한 명의 사람에 대한 체형 정보를 입력 받는 입력 유닛; 및
    머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 모델 생성 유닛
    을 포함하고,
    상기 체형 정보는,
    사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈, 및 각 부위 별 비율을 포함하며,
    상기 모델 생성 유닛은,
    상기 입력된 체형 정보로부터 혈액 정보 판단과 가장 관련도가 높은 부위 별 비율들을 검색하고, 상기 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 특징 선택 유닛; 및
    상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 머신 러닝 유닛을 포함하고,
    상기 머신 러닝 유닛은, 상기 입력받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 혈액 정보 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 혈액 정보 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는 혈액 정보 판단 모델 생성 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 모델 생성 유닛은,
    상기 입력 유닛을 통해 입력된 상기 체형 정보를 전처리하는 전처리 유닛;
    상기 전처리된 체형 정보에서 혈액 정보 판단에 필요한 신체 특징을 선택하는 특징 선택 유닛; 및
    상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 머신 러닝 유닛
    을 포함하는 혈액 정보 판단 모델 생성 장치.
  4. 제3항에 있어서,
    상기 전처리 유닛은,
    상기 입력 유닛을 통해 입력된 상기 체형 정보에 대한 이진화, 세션화 및 잡음 제거 중 적어도 하나의 전처리를 하는, 혈액 정보 판단 모델 생성 장치.
  5. 제3항에 있어서,
    상기 특징 선택 유닛은,
    특징 선택 방법(Feature Selection Method)을 이용하여 상기 체형 정보에 대한 최적의 신체 특징을 선택하는, 혈액 정보 판단 모델 생성 장치.
  6. 제1항에 있어서,
    상기 머신 러닝 유닛은,
    상기 특징 선택 유닛에 의해 선택된 상기 최적의 신체 특징을 머신 러닝 알고리즘에 적용하여 상기 혈액 정보 판단 모델을 생성하는, 혈액 정보 판단 모델 생성 장치.
  7. 제6항에 있어서,
    상기 머신 러닝 알고리즘은,
    서포트 벡터 머신(Support Vector Machine), 은닉 마르코프 모델(Hidden Markov Model), 회귀 분석(Regression), 신경망(Neural Network), 나이브 베이즈 분류(Naive Bayes Classification), 및 결정트리(Decision Tree) 중 어느 하나인, 혈액 정보 판단 모델 생성 장치.
  8. 제1항에 있어서,
    상기 입력 유닛에 입력된 체형 정보 및 상기 모델 생성 유닛에 의해 생성된 혈액 정보 판단 모델을 저장하는 저장 유닛; 및
    외부로부터 상기 혈액 정보 판단 모델에 대한 요청 신호가 수신될 경우, 상기 요청 신호에 대응하여 상기 혈액 정보 판단 모델을 송신하는 통신 유닛
    을 더 포함하는 혈액 정보 판단 모델 생성 장치.
  9. 적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는 입력 유닛;
    머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 모델 생성 유닛; 및
    외부로부터 혈액 정보 판단을 위한 제2 체형 정보가 수신된 경우, 상기 제2 체형 정보를 상기 혈액 정보 판단 모델에 적용하여 상기 제2 체형 정보에 대한 혈액 정보를 판단하는 혈액 정보 판단 유닛
    을 포함하고,
    상기 제1 체형 정보 및 상기 제2 체형 정보는,
    사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈 및 각 부위 별 비율을 포함하며,
    상기 모델 생성 유닛은,
    상기 입력된 체형 정보로부터 혈액 정보 판단과 가장 관련도가 높은 부위 별 비율들을 검색하고, 상기 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 특징 선택 유닛; 및
    상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 머신 러닝 유닛을 포함하고,
    상기 머신 러닝 유닛은, 상기 입력받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 혈액 정보 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 혈액 정보 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는 혈액 정보 판단 장치.
  10. 삭제
  11. 제9항에 있어서,
    상기 모델 생성 유닛은,
    상기 입력 유닛을 통해 입력된 상기 체형 정보를 전처리하는 전처리 유닛
    을 포함하는, 혈액 정보 판단 장치.
  12. 제11항에 있어서,
    상기 전처리 유닛은,
    상기 입력 유닛을 통해 입력된 상기 체형 정보에 대한 이진화, 세션화 및 잡음 제거 중 적어도 하나의 전처리를 하는, 혈액 정보 판단 장치.
  13. 제9항에 있어서,
    상기 특징 선택 유닛은,
    특징 선택 방법(Feature Selection Method)을 이용하여 상기 체형 정보에 대한 최적의 신체 특징을 선택하는, 혈액 정보 판단 장치.
  14. 제13항에 있어서,
    상기 머신 러닝 유닛은,
    상기 특징 선택 유닛에 의해 선택된 상기 최적의 신체 특징을 머신 러닝 알고리즘에 적용하여 상기 혈액 정보 판단 모델을 생성하는, 혈액 정보 판단 장치.
  15. 제14항에 있어서,
    상기 머신 러닝 알고리즘은,
    서포트 벡터 머신(Support Vector Machine), 은닉 마르코프 모델(Hidden Markov Model), 회귀 분석(Regression), 신경망(Neural Network), 나이브 베이즈 분류(Naive Bayes Classification), 및 결정트리(Decision Tree) 중 어느 하나인, 혈액 정보 판단 장치.
  16. 제9항에 있어서,
    상기 입력 유닛에 입력된 제1 체형 정보 및 상기 모델 생성 유닛에 의해 생성된 혈액 정보 판단 모델을 저장하는 저장 유닛; 및
    상기 외부로부터 상기 제2 체형 정보를 수신하고, 상기 혈액 정보의 판단 결과를 상기 외부로 전송하는 통신 유닛을 더 포함하는, 혈액 정보 판단 장치.
  17. 적어도 한 명의 사람에 대한 체형 정보를 입력 받는 단계; 및
    머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 단계
    를 포함하고,
    상기 체형 정보는,
    사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈, 및 각 부위 별 비율을 포함하며,
    상기 혈액 정보 판단 모델을 생성하는 단계는,
    상기 입력된 체형 정보로부터 혈액 정보 판단과 가장 관련도가 높은 부위 별 비율들을 검색하고, 상기 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 단계;
    상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 단계; 및
    상기 입력받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 혈액 정보 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 혈액 정보 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는 단계를 포함하는 혈액 정보 판단 모델 생성 방법.
  18. 제17항에 있어서,
    상기 머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 상기 혈액 정보 판단 모델을 생성하는 단계는,
    상기 입력된 상기 체형 정보를 전처리하는 단계
    를 포함하는 혈액 정보 판단 모델 생성 방법.
  19. 적어도 한 명의 사람에 대한 제1 체형 정보를 입력 받는 단계;
    머신 러닝(machine learning) 기반으로 상기 입력된 체형 정보를 학습하여 혈액 정보 판단 모델을 생성하는 단계; 및
    외부로부터 혈액 정보 판단을 위한 제2 체형 정보가 수신된 경우, 상기 제2 체형 정보를 상기 혈액 정보 판단 모델에 적용하여 상기 제2 체형 정보에 대한 혈액 정보를 판단하는 단계
    를 포함하고,
    상기 제1 체형 정보 및 상기 제2 체형 정보는,
    사람의 성별, 나이, 신장, 몸무게, 체질량지수(BMI, Body Mass Index), 신체 8부위를 구성하는 머리(forehead) 둘레, 목(neck) 둘레, 겨드랑이(axillary) 둘레, 가슴(chest) 둘레, 늑골(rib) 둘레, 허리(waist) 둘레, 골반(pelvic) 둘레, 엉덩이(hip) 둘레 중 적어도 하나 이상의 사이즈 및 각 부위 별 비율을 포함하며,
    상기 혈액 정보 판단 모델을 생성하는 단계는,
    상기 입력된 체형 정보로부터 혈액 정보 판단과 가장 관련도가 높은 부위 별 비율들을 검색하고, 상기 검색된 목 둘레/머리 둘레의 비율을 최적의 신체 특징으로 선택하는 단계;
    상기 선택된 신체 특징을 학습하여 상기 혈액 정보 판단 모델을 생성하는 단계; 및
    상기 입력받은 체형 정보 중에서 일부의 체형 정보를 상기 머신 러닝을 위한 훈련 데이터 셋으로 사용하고, 나머지의 체형 정보를 상기 혈액 정보 판단 모델의 성능을 테스트하기 위한 테스트 데이터 셋으로 사용하여 상기 혈액 정보 판단 모델이 일정 기준 이상의 성능을 가지는 것을 테스트 하는 단계를 포함하는 혈액 정보 판단 방법.
  20. 제17항 및 제19항 중 어느 한 항의 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
KR1020120105086A 2012-09-21 2012-09-21 체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법 KR101430817B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120105086A KR101430817B1 (ko) 2012-09-21 2012-09-21 체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120105086A KR101430817B1 (ko) 2012-09-21 2012-09-21 체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20140039407A KR20140039407A (ko) 2014-04-02
KR101430817B1 true KR101430817B1 (ko) 2014-08-18

Family

ID=50650031

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120105086A KR101430817B1 (ko) 2012-09-21 2012-09-21 체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101430817B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112133434A (zh) * 2020-09-17 2020-12-25 吾征智能技术(北京)有限公司 基于饮食习惯的高血脂辅助诊断系统、设备、存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
성상훈, 제2형 당뇨병 환자에서 컴퓨터 단층촬영으로 측정한 내장지방량과 대사증후군, 심혈관계위험인자와의 관계, 대가가톨릭대학교 대학원, 2010. *
성상훈, 제2형 당뇨병 환자에서 컴퓨터 단층촬영으로 측정한 내장지방량과 대사증후군, 심혈관계위험인자와의 관계, 대가가톨릭대학교 대학원, 2010.*

Also Published As

Publication number Publication date
KR20140039407A (ko) 2014-04-02

Similar Documents

Publication Publication Date Title
KR101855179B1 (ko) 질환 진단을 위한 최적의 진단 요소 셋 결정 장치 및 방법
JP5475923B2 (ja) 類似症例検索装置および類似症例検索方法
CN108091372B (zh) 医疗字段映射校验方法及装置
CN111564223B (zh) 传染病生存概率的预测方法、预测模型的训练方法及装置
KR20140107714A (ko) 건강 관리 시스템 및 그것의 건강 정보 제공 방법
KR20160043777A (ko) 질환 발병 예측 방법 및 그 장치
CN106663140A (zh) 用于检测对象的健康状况的设备、系统和方法
CN111418024A (zh) 康复状况评估与管理系统及相关方法
KR101603308B1 (ko) 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템
Chan et al. Smart mobile phone based gait assessment of patients with low back pain
JP6379199B2 (ja) データ分析装置、データ分析装置の制御方法、およびデータ分析装置の制御プログラム
CN115312194A (zh) 生理数据分析系统、方法、设备及存储介质
CN111161884A (zh) 针对不平衡数据的疾病预测方法、装置、设备及介质
WO2019107118A1 (ja) 健康管理支援装置、方法およびプログラム
JP7124265B2 (ja) バイオマーカー検出方法、疾病判断方法、バイオマーカー検出装置、及びバイオマーカー検出プログラム
KR20190036356A (ko) 생체 임피던스를 이용하여 잔뇨를 모니터링하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
Masalha et al. Predicting fall probability based on a validated balance scale
KR102342770B1 (ko) 질병 예측치의 분포를 이용한 건강관리 상담 시스템
KR101430817B1 (ko) 체형 정보를 이용한 혈액 정보 판단 모델을 생성하는 장치 및 그 방법, 혈액 정보 판단 모델을 이용한 혈액 정보 판단 장치 및 그 방법
KR101430818B1 (ko) 체형 정보를 이용한 고혈압 판단 모델을 생성하는 장치 및 그 방법, 고혈압 판단 모델을 이용한 고혈압 판단 장치 및 그 방법
US20130253375A1 (en) Automated Method Of Detecting Neuromuscular Performance And Comparative Measurement Of Health Factors
CN114974508B (zh) 一种运动处方的生成装置及电子设备
CN207070264U (zh) 一种心率耳机
KR101274431B1 (ko) 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법
JP2010207272A (ja) 生体情報の評価システム及び評価方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20170703

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180704

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190708

Year of fee payment: 6