KR101814448B1 - 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템 - Google Patents

모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템 Download PDF

Info

Publication number
KR101814448B1
KR101814448B1 KR1020160030792A KR20160030792A KR101814448B1 KR 101814448 B1 KR101814448 B1 KR 101814448B1 KR 1020160030792 A KR1020160030792 A KR 1020160030792A KR 20160030792 A KR20160030792 A KR 20160030792A KR 101814448 B1 KR101814448 B1 KR 101814448B1
Authority
KR
South Korea
Prior art keywords
data
framework
information
disease
health
Prior art date
Application number
KR1020160030792A
Other languages
English (en)
Other versions
KR20170107189A (ko
Inventor
이병관
정은희
정이나
Original Assignee
가톨릭관동대학교산학협력단
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 가톨릭관동대학교산학협력단 filed Critical 가톨릭관동대학교산학협력단
Priority to KR1020160030792A priority Critical patent/KR101814448B1/ko
Publication of KR20170107189A publication Critical patent/KR20170107189A/ko
Application granted granted Critical
Publication of KR101814448B1 publication Critical patent/KR101814448B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G06F17/3053—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • H04W4/008—
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2225/00—Miscellaneous features of sport apparatus, devices or equipment
    • A63B2225/50—Wireless data transmission, e.g. by radio transmitters or telemetry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Child & Adolescent Psychology (AREA)
  • Fuzzy Systems (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 실시예에 의한 모바일 헬스케어 대시보드 제작 시스템은, 호환성 프레임워크, 빅데이터 프레임워크, 분류 및 추론 프레임워크, 시각화 프레임워크 및 헬스케어 프레임워크를 통해 수집되는 컴포넌트들을 적어도 하나 선택하여 독립적인 헬스케어 애플리케이션을 생성하는 비주얼 프로그래밍 환경을 제공하는 빌더 컴포넌트; 및 표준에 따라 개발한 가변 컴포넌트를 애플리케이션 생성기(App Generator) 에 등록해주는 커스터마이징 컴포넌트가 포함되는 모바일 헬스케어 애플리케이션 제작 시스템을 포함하며, 상기 생성된 모바일 헬스 애플리케이션을 이용하여 휴대폰, 노트북, TV, PC 중 적어도 하나의 버전에 대응되는 컴포넌트 기반 대시보드로 생성하고, Windows버전 대시보드 컴포넌트와, Web기반 대시보드 컴포넌트를 자동생성도구에 추가하여 환자의 질병 및 건강정보를 확인할 수 있다.

Description

모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템{mobile health care system and mobile health dashboard providing system based on components using the same}
본 발명은 모바일 헬스케어 시스템에 관한 것으로, 특히 모바일 헬스케어 시스템을 통해 다양하게 수집되는 컴포넌트들을 이용하여 상기 모바일 헬스 대시보드를 제작 하는 시스템에 관한 것이다.
최근 헬스케어(Healthcare) 관련 기반 기술의 성장과 함께 모바일 헬스케어 기술의 필요성이 다양하게 언급되고 있다.
종래의 홈 헬스케어 기술은 네트워크 기반 서비스와 무관하게 단말기만으로 이용하던 기술이 널리 사용되어 왔다. 예를 들면, 당뇨 환자는 자신의 혈당 관리를 위해 가정용(홈 헬스케어용) 혈당기를 이용하여 혈당을 측정하고, 그 측정치는 혈당기 단말에 일정 개수 저장되어 측정 평균치 등의 간단한 통계를 이용할 수 있었다.
그러나, 이렇게 단말기만을 이용한 홈 헬스케어는, 저장 용량 및 통계 분석에 제약이 있어서 사용자에게 양질의 서비스를 제공하는데 어려움이 있고, 측정 기록을 장기 보관하기 위해 '혈당 수첩'과 같이 수기로 측정 기록을 관리해야만 한다.
또한, 담당 간호사나 헬스케어 관리 센터에서 혈당 관리 추이를 파악하여, 사용자의 혈당 관리 상태를 파악하고 적절한 의료 서비스를 제공하는 등의 서비스가 불가능하다.
따라서, 이러한 종래의 기술을 발전시켜, 복수의 헬스케어 센서들에 네트워크 기능을 탑재하고, 헬스케어 게이트웨이를 통해 헬스케어 서비스 서버로 측정 데이터를 전송하며, 헬스케어 서비스 서버에서는 전송받은 헬스 데이터를 장기간에 걸쳐 안전하게 보관하고 또한 다양한 통계 및 맞춤형 식단/운동 등의 서비스를 제공하는 역할을 하는 기술이 개발되고 있다.
특히 최근에는 스마트 폰과 같은 모바일 기기에 장착된 센서가 기존의 헬스케어 센서와 동일한 기능을 수행할 수 있고, 상기 모바일 기기의 네트워크 기능을 활용함을 통해 사용자가 보다 손쉽게 헬스케어 기능을 사용할 수 있게 되었다.
이에 따라 모바일 기기를 이용하여 헬스케어 서비스를 제공받을 수 있는 모바일 헬스케어 애플리케이션의 개발이 요구되고 있다.
또한, 이와 같은 모바일 헬스케어 애플리케이션에 의해 생성되는 다양한 메뉴 및 아이콘 등을 사용자가 여러 전자장치들(휴대폰, 노트북, PC, TV 등)을 통해 쉽게 접할 수 있는 형태의 대시보드 개발도 요구되고 있다.
본 발명의 실시예는 모바일 헬스케어 시스템을 통해 다양하게 수집되는 컴포넌트들에 기반하여 모바일 헬스 애플리케이션을 제공하는 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템을 제공함을 목적으로 한다.
상기 목적을 달성하기 위하여 본 발명의 실시예에 의한 모바일 헬스케어 시스템은, 서로 다른 통신 프로토콜을 사용하는 복수의 헬스 기기들; 상기 헬스 기기들로부터 정보를 수집하는 복수의 정보 수집 서버들; 상기 정보 수집 서버들 각각에 포함된 정보 수집부들 및 상기 정보 수집부들에서 수집된 다양한 타입의 정보들을 분석하여 필요한 데이터를 추출하고, 상기 추출한 데이터를 통합 데이터로 변환시키는 변환부를 포함하는 호환성 프레임워크; 실시간으로 수집되는 상기 통합 데이터들을 컬럼 형태로 기록하고, 상기 기록된 데이터들을 다시 분산 저장한 뒤 사용자의 요청에 맞는 데이터를 추출할 수 있는 빅데이터 프레임워크; 상기 수집된 데이터들에 근거하여 사용자의 질병에 대응되는 정보를 효율적으로 분류하며, 각 질병에 대한 질병 규칙을 생성하고, 규칙을 활용하여 상기 사용자의 질병을 추론하는 분류 및 추론 프레임워크; 헬스케어 서비스에서 공통으로 필요한 시각화 방법을 이용하여 상기 분석된 정보들을 시각화 하는 컴포넌트들을 제공하는 시각화 프레임워크; 비 IP(non-IP) 센서 네트워크의 센서들에게 계층형 주소를 할당하여 데이터 전송 경로를 생성하는 IoT 통신 프레임워크; 애플리케이션을 기반으로 설계된 컴포넌트 프로그램 내부 정보 및 주요 콘텐츠와 클래스를 추출하여 고품질 해상도를 제공하는 애플리케이션 콘텐츠 및 클래스 변환 프레임워크; 및 네트워크를 통해 상기 호환성 프레임워크, 빅데이터 프레임워크, 분류 및 추론 프레임워크, 시각화 프레임워크, IoT 통신 프레임워크, 및 애플리케이션 콘텐츠 및 클래스 변환 프레임워크와 연결되어 상기 변환된 통합 데이터를 제공받는 헬스케어 서버를 포함한다.
또한, 본 발명의 실시예에 의한 모바일 헬스 대시보드 제작 시스템은, 호환성 프레임워크, 빅데이터 프레임워크, 분류 및 추론 프레임워크, 시각화 프레임워크 및 헬스케어 프레임워크를 통해 수집되는 컴포넌트들을 적어도 하나 선택하여 독립적인 헬스케어 애플리케이션을 생성하는 비주얼 프로그래밍 환경을 제공하는 빌더 컴포넌트; 및 표준에 따라 개발한 가변 컴포넌트를 애플리케이션 생성기(App Generator)에 등록해주는 커스터마이징 컴포넌트가 포함되는 모바일 헬스케어 애플리케이션 제작 시스템을 포함하며, 상기 생성된 모바일 헬스 애플리케이션을 이용하여 휴대폰, 노트북, TV, PC 중 적어도 하나의 버전에 대응되는 컴포넌트 기반 대시보드로 생성하고, Windows버전 대시보드 컴포넌트와, Web기반 대시보드 컴포넌트를 자동생성도구에 추가하여 환자의 질병 및 건강정보를 확인할 수 있다.
이와 같은 본 발명의 실시예에 의하면, 특정 헬스기기 즉, 특정 헬스케어 센서의 통신 프로토콜에 종속되지 않는 표준 I/O 인터페이스 기능을 수행하고, 각 헬스케어 센서들로부터 제공되는 정보들에 포함된 필수 데이터를 추출하여 변환함으로써, 상이한 통신 프로토콜을 사용하는 복수의 헬스케어 센서들과 헬스케어 서비스 서버 간에 원활한 통신이 이루어질 수 있다는 장점이 있다.
또한, 데이터 수집 기간이 늘어나더라도 안정적인 빅데이터 관리 서비스가 가능하도록 하는 시스템 확장성을 제공하는 장점이 있다.
이와 같은 모바일 헬스케어 시스템을 통해 다양하게 수집되는 컴포넌트들을 이용하여 사용자는 손쉽게 사용자가 원하는 컴포넌트들을 조합하여 다양한 형태의 모바일 헬스 애플리케이션을 제작할 수 있게 된다.
또한, 상기 다양한 형태의 모바일 헬스 애플리케이션들을 조합하여 휴대폰, 노트북, PC, TV 등에서 사용자가 손쉽게 정보를 취득할 수 있는 모바일 헬스 대시보드를 제공할 수 있게 된다.
도 1은 본 발명의 실시예에 의한 모바일 헬스케어 시스템을 개략적으로 나타내는 블록도.
도 2는 도 1에 도시된 빅데이터 프레임워크의 개략적인 구성을 나타내는 블록도.
도 3은 도 2에 도시된 빅데이터 프레임워크의 구체적인 구성 및 동작을 설명하는 도면.
도 4는 도 1에 도시된 호환성 프레임워크의 기본 구성을 개략적으로 나타내는 블록도.
도 5는 도 1에 도시된 분류 및 추론 프레임워크의 동작을 설명하는 도면.
도 6은 도 1에 도시된 시각화 프레임워크의 동작을 설명하는 도면.
도 7은 도 1에 도시된 IoT 통신 프레임워크의 동작을 설명하는 도면.
도 8은 도 1에 도시된 App 콘텐츠 및 클래스 변환 프레임워크의 동작을 설명하는 도면.
도 9는 본 발명의 실시예에 의한 모바일 헬스케어 애플리케이션 제작 시스템 및 모바일 헬스케어 대시보드 제작 시스템의 기본적인 구성 및 동작을 설명하는 도면.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시 예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시 예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시 예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시 예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시 예로 구현될 수 있다. 또한, 각각의 개시된 실시 예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는 적절하게 설명된다면 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 실시 예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 의한 모바일 헬스케어 시스템을 개략적으로 나타내는 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 의한 모바일 헬스케어 시스템(100)은 서로 다른 통신 프로토콜을 사용하는 복수의 헬스 기기들(20a, 20b,..., 20n)과 상기 헬스 기기들(20a, 20b,..., 20n)로부터 정보를 수집하는 복수의 정보 수집 서버들(40a, 40b,..., 40m), 상기 정보 수집 서버들(40a, 40b,..., 40m) 각각에 포함된 정보 수집부들(12a, 12b,..., 12m), 상기 정보 수집부들(12a, 12b,..., 12m)에서 수집된 다양한 타입의 정보들을 분석하여 필요한 데이터를 추출하고, 상기 추출한 데이터를 통합 데이터로 변환시키는 변환부(14)를 포함하는 호환성 프레임워크(10)와, 네트워크(50)를 통해 상기 호환성 프레임워크(10)와 연결되어 상기 변환된 통합 데이터를 제공받는 헬스케어 서버(60) 및 실시간으로 수집되는 상기 통합 데이터들을 컬럼 형태로 기록하고, 상기 기록된 데이터들을 다시 분산 저장한 뒤 사용자의 요청에 맞는 데이터를 추출할 수 있는 빅데이터 프레임워크(70)을 포함하여 구성된다.
또한, 상기 헬스케어 서버(60)에 연결되어 상기 수집된 데이터들에 근거하여 사용자의 질병에 대응되는 정보를 효율적으로 분류하며, 각 질병에 대한 질병 규칙을 생성하고, 규칙을 활용하여 상기 사용자의 질병을 추론하는 분류 및 추론 프레임워크(80)가 더 포함된다.
또한, 상기 헬스케어 서버(60)에 연결되어 헬스케어 서비스에서 공통으로 필요한 시각화 방법 예를 들면, Picture, Distribution, Chart, Icon, 3D graph, bar graph, line graph 및 bar & line graph을 이용하여 상기 분석된 정보들을 시각화 하는 컴포넌트들을 상기 헬스케어 서버(60)에 제공하는 시각화 프레임워크(90)가 더 포함된다.
또한, 모바일 헬스케어 시스템(100)에는 non-IP 센서 네트워크의 센서들에게 계층형 주소를 할당하여 데이터 전송 경로를 생성하는 IoT 통신 프레임워크(200)이 더 포함된다.
또한, 상기 헬스케어 서버(60)는 내부에 질병에 대한 환자 돌봄 가이드 라인 데이터베이스, 건강 관리에 대한 돌봄 가이드 라인 데이터베이스 등을 저장할 수 있으며, 이와 같은 데이터베이스는 헬스케어 프레임워크(미도시)로서 이에 대응되는 컴포넌트들이 생성될 수 있다.
상기 헬스케어 서버(60)는 상기 호환성 프레임워크(10), 빅데이터 프레임워크(70), 분류 및 추론 프레임워크(80), 시각화 프레임워크(90) 및 헬스케어 프레임워크(미도시)를 통해 얻은 사용자의 헬스케어 정보들 즉, 상기 모바일 헬스케어 시스템(100)을 통해 다양하게 수집되는 컴포넌트들을 이용하여 다양한 형태의 모바일 헬스 애플리케이션을 제작할 수 있다.
또한, 애플리케이션을 기반으로 설계된 컴포넌트 프로그램 내부 정보 및 주요 콘텐츠와 클래스를 추출하여 고품질 해상도를 제공하고, 상기 모바일 헬스 애플리케이션에 웹킷 기반의 웹 컴포넌트 기술과 HTML5기반의 웹 기술을 도입한 하이브리드 어플리케이션으로 확장해주는 App 콘텐츠 및 클래스 변환 프레임워크(210)을 더 포함할 수 있다.
이에 따라 상기 헬스케어 서버(60)는 컴포넌트를 선택하여 Mobile 버전, PDA 버전, 헬스 모니터링 PC 버전, 그리고 PC 버전의 컴포넌트 기반 대시보드를 자동으로 생성해주는 모바일 헬스 대시보드 제작 시스템(220)을 더 포함할 수 있다.
상기 헬스기기(20a, 20b,..., 20n)는 혈당기, 혈압기 등의 헬스케어 센서(21a, 21b,..., 21n)를 포함하여 구성될 수 있다.
이 때, 상기 헬스케어 센서(21a, 21b,..., 21n)는 단순히 센싱 기능만 갖춘 디바이스를 의미하는 것이 아니라, 센싱된 데이터를 디지털적으로 처리하는 MCU와 메모리 등의 프로세서 및 블루투스(Bluetooth)나 지그비(ZigBee) 노드와 같은 WPAN 노드 또는 와이파이(Wifi), 3G/4G와 같은 무선 통신 노드를 포함하여 구성될 수 있다.
즉, 헬스기기(20a, 20b,..., 20n)는, 센서 자체의 기능을 센서 유닛과, 센싱 데이터를 저장 및 프로토콜 프로세싱을 하는 헬스케어 센서 제어유닛 및 이를 WPAN(블루투스, 지그비 등) 무선통신을 통해 정보수집 서버(40a, 40b,..., 40m)로 전송하기 위한 헬스케어 센서 노드를 포함하는 헬스케어 센서(21a, 21b,..., 21n)를 포함한다.
여기서, 센서 유닛(예로서, 혈당 센서, 심전도 센서 등)(11)는 생체 신호 및 그에 준하는 헬스 정보를 수집하는 역할을 한다. 또한, 헬스케어 센서 제어 유닛은 센서 유닛의 동작을 제어하고, 헬스케어 센서 노드와의 통신을 담당한다. 통상적으로 센서유닛과 직접 연결된 메모리를 포함하는 MCU를 지칭하며, 정보수집 서버(40a, 40b,..., 40m)와의 프로토콜을 직접 다루는 프로세서 역할을 한다. 또한, 헬스케어 센서 노드는 센서 제어 유닛으로부터 받은 헬스케어 센싱 정보를 WPAN을 통해 상위단의 디바이스로 전송하는 역할을 한다. 즉, 헬스케어 센서(21a, 21b,..., 21n)에 장착된 ZigBee 혹은 BlueTooth 모듈이 노드에 해당된다.
이와 같은 구성을 갖는 헬스 기기(20a, 20b,..., 20n)는 무선통신(블루투스, 지그비 등의 WPAN 통신 또는 Wifi, 3G/4G)(30)을 통해 각각의 정보수집 서버(40a, 40b,..., 40m)에 구비되는 호환성 프레임워크의 정보수집부(12a, 12b,..., 12m)와 통신을 수행한다.
호환성 프레임워크(10)는 각기 서로 다른 통신환경을 사용하는 헬스기기(20a, 20b,..., 20n)로부터 헬스 정보를 수집할 수 있도록 상기 헬스기기(20a, 20b,..., 20n)의 통신 프로토콜에 종속되지 않는 표준 I/O 인터페이스 기능을 수행하는 정보 수집부(12a, 12b,..., 12m) 및 상기 정보 수집부(12a, 12b,..., 12m)에서 수집된 다양한 타입의 정보들을 분석하여 필요한 데이터를 추출하고, 상기 추출한 데이터를 통합 데이터로 변환시키는 변환부(14)를 포함하여 구성된다.
정보 수집부(12a, 12b,..., 12m)는 서로 다른 통신 프로토콜 즉, Zigbee, Bluetooth, Wi-Fi, 3G/4G와 같이 각기 다른 통신환경을 지원하는 헬스 기기(20a, 20b,..., 20n)로부터 전달되는 데이터를 수신할 수 있다. 즉, 상기 정보 수집부(12a, 12b,..., 12m)는 상기 헬스 기기(20a, 20b,..., 20n)가 지원하는 통신 프로토콜들에 종속되지 않는 표준 I/O 인터페이스 역할을 한다.
앞서 설명한 바와 같이 상기 헬스 기기(20a, 20b,..., 20n)들은 다양한 헬스 정보를 수집할 수 있도록 다양한 기능을 수행하는 헬스케어 센서들(21a, 21b,..., 21n)과 각각 연동될 수 있다. 즉, 상기 헬스 기기(20a, 20b,..., 20n) 내에 헬스케어 센서(21a, 21b,..., 21n)가 포함될 수 있는 것이다.
일 예로 최근 스마트 폰에는 심박수 측정이 가능한 심박 센서, 피부상태를 체크할 수 있는 자외선 센서 등이 구비될 수 있다.
단, 이와 같은 다양한 센서들 및 헬스 기기들의 통신은 앞서 언급한 바와 같이 종류별로 Wi-Fi, 3G/4G, Zigbee, Bluetooth 등 각각 다른 통신 프로토콜을 사용하고 있는 실정이다.
그러나, 이와 같은 헬스 기기(20a, 20b,..., 20n) 및/또는 헬스케어 센서(21a, 21b,..., 21n)가 수집한 정보들을 헬스케어 서버(60)로 전달하기 위해서는 일반적인 네트워크 일 예로 Wi-Fi 또는 3G/4G 통신을 통해 전달해야 하지만 특정 헬스케어 센서들은 Wi-Fi 통신 등을 지원하지 않을 수 있다.
이에 본 발명의 실시예에 의한 정보 수집부(12a, 12b,..., 12m)는 각각 다른 헬스 기기(20a, 20b,..., 20n)의 통신 프로토콜로 전송되는 데이터를 각각의 프로토콜 정책에 따라 수집할 수 있는 것으로서, 각 헬스 기기(20a, 20b,..., 20n)의 서로 다른 통신 환경을 연동하기 위하여 각 헬스 기기(20a, 20b,..., 20n)에 등록된 Zigbee, Bluetooth, Wi-Fi, 3G/4G의 각각의 프로토콜을 분석하는 역할을 수행할 수 있다.
또한, 상기 정보 수집부(12a, 12b,..., 12m)는, Application Support Sub Layer, Application Framework으로 구성될 수 있는 것으로, 이는 데이터를 수집하는 각 정보 수집 서버(40a, 40b,..., 40m)의 Application Layer에 탑재되도록 설계될 수 있다.
보다 구체적으로 상기 Application Support Sub Layer와 Application Framework는 네트워크 환경에 접속한 노드 즉, 복수의 정보 수집 서버들(40a, 40b,..., 40m)의 메시지 송수신을 관리하고, 복수의 정보 수집부(12a, 12b,..., 12m)를 각각 구성하는 Application Support Sub Layer와 Application Framework가 상기 정보 수집 서버(40a, 40b,..., 40m) 각각에 탑재되어 구동할 수 있는 어플리케이션을 관리할 수 있다.
또한, 상기 복수의 정보 수집 서버(40a, 40b,..., 40m) 각각에 구비된 정보 수집부들(12a, 12b,..., 12m)을 통해 수집된 헬스케어 센싱 정보들은 상기 변환부(14)로 전달될 수 있다. 일 예로 Wi-Fi, 3G/4G, Zigbee, Bluetooth 등 각각 다른 통신 프로토콜을 통해 수집된 데이터는 모두 바이너리 형태로 전달되고 있으나, 이러한 바이너리 데이터의 필드 구성은 모두 다르다.
이에 상기 변환부(14)는 각기 다른 바이너리 데이터를 읽어 들여 데이터 공유에 필요한 필드만을 추출하고, 헬스 기기(20a, 20b,..., 20n)의 통신 프로토콜의 제약을 받지않는 통합 XML 데이터로 변환할 수 있다. 즉, 수신한 다양한 형태의 데이터를 분석하여 통합 XML 데이터로 변환하여 클라우드 환경에 전달하는 Data extraction and transformation을 설계한다.
호환성 프레임워크(10)에서 지원하는 통신 프로토콜은 Wi-Fi, 3G/4G, Zigbee, Bluetooth로 모두 바이너리 형태로 데이터를 전달하지만, 패킷 포맷의 다양성으로 인해 바이너리 배치가 모두 다르다. 즉, 동일한 데이터라 하더라도 실제 데이터가 저장된 Data 필드 혹은 Payload 필드의 위치가 각기 다르기 때문에 다른 통신 환경을 갖는 기기에 호환성이 보장되지 않는다는 것이다.
본 발명의 실시예에 의한 변환부(14)는 상기 정보 수집부(12a, 12b,..., 12m)로부터 전달받은 다양한 패킷 포맷에 따른 데이터를 분석하여, 데이터만을 추출하고 통합 XML 데이터로 변환하여 클라우드 환경으로 구현될 수 있는 헬스케어 서버(60)에 전달할 수 있다.
보다 구체적으로 상기 변환부(14)는 정보 수집부들(12a, 12b,..., 12m)로부터 전달받은 각 헬스 기기(20a, 20b,..., 20n)의 패킷 포맷으로 binary 데이터를 읽어내고, 상기 binary 데이터 중에서 Profile Identifier, Frame Type, Duration the file accepted, Payload(Data), Source Address, Source Device를 추출하여 XML 파일에 저장함으로써 통합 XML 데이터로 변환하며, 상기 변환된 데이터는 네트워크를 통해 클라우드 환경의 헬스케어 서버(60)로 전송될 수 있다.
또한, 실시간으로 수집되는 상기 통합 데이터들은 상기 빅데이터 프레임워크(70)을 통해 컬럼 형태로 기록하고, 상기 기록된 데이터들을 다시 분산 저장한 뒤 사용자의 요청에 맞는 데이터를 추출할 수 있게 된다.
도 2는 도 1에 도시된 빅데이터 프레임워크의 개략적인 구성을 나타내는 블록도이다.
상기 빅데이터 프레임워크(70)은 분산 컬럼 기반 데이터베이스(이하, Hbase)(72)와 분산 컴퓨팅 프레임워크(framework)를 지원하기 위한 분산 파일 시스템(이하 HDFS: Hadoop Distributed File System)(74)으로 구성되며, 상기 HDFS(74)는 분산 프로그래밍 모델인 맵 리듀스 기법으로 구동된다.
하둡(Hadoop)은 빅 데이터를 저장, 관리, 처리, 분석하기 위한 도구로 잘 알려진 오픈 플랫폼으로서, 빅 데이터에서는 처리 속도가 아주 중요한 요소인데, 하둡의 맵 리듀스(Map Reduce) 기법은 빅데이터에 대한 처리, 검색, 분석을 효율적으로 하기 위한 병렬 분산 처리 프로그래밍으로서 다양한 형태로 활용되고 있다.
하둡 환경에서 맵 리듀스의 응용은 클라이언트가 수행하는 작업단위인 잡(job)으로 구성된다. 잡은 입력 데이터, 맵 리듀스 프로그램과 설정 정보로 구성된다. 또한, 잡은 맵 태스크(task)와 리듀스 테스트로 나누어 실행된다. 잡 실행 과정의 제어를 위해, 하나의 잡 트래커(job tracker)와 다수의 태스크 트래커(task tracker)가 사용될 수 있다. 잡 트래커는 태스크 트래커들이 수행할 태스크를 스케줄링(scheduling)함으로써 시스템 전체에서 모든 잡이 수행되도록 조정한다. 태스크 트래커는 태스크를 수행하고 각 잡의 전체 결과를 잡트래커에 보낸다. 이때 태스크가 실패하면, 잡 트래커는 그것을 다른 태스크 트래커에 다시 스케줄링 한다.
상기 Hbase(72)는 헬스기기(20)를 통해 헬스케어 서버(60)로 전달된 헬스케어 빅 데이터를 대용량 HTable의 Row 키와 Column 패밀리로 변환시키고, 이 변환된 데이터를 임시로 HBase(72)의 복수의 저장 영역(HRegion)들에 저장하는 분산 컬럼 기반 데이터베이스로서, 본 발명의 실시예는 HDFS(74)의 맵 리듀스(Map Reduce) 기법이 함께 사용될 수 있도록 상기 Hbase(72)를 설계함을 특징으로 한다.
도 2를 참고하면, 상기 Hbase(72)는 클라이언트를 관리하는 마스터 서버(HMaster)를 포함하며, 상기 마스터 서버(HMaster)는 복수의 저장영역(HRegion) 서버들을 포함한다. 또한, 각각의 상기 저장영역(HRegion) 서버는 복수의 복수의 저장 영역(HRegion)들을 관할한다.
즉, 상기 Hbase(72)는 마스터 서버(HMaster)를 통해 클라이언트를 관리하고, 수집된 데이터를 저장 영역(HRegion)들의 임시 메모리 장치(Store)들에 저장을 위해 HTable을 생성하고, 수정하고 삭제하는 작업을 수행한다.
이 때, 상기 빅 데이터 프레임워크의 HTable 형식은 헬스케어 센서들이 센싱한 데이터에 대응되는 통합 XML 데이터를 하기 표 1에서와 같이 저장하도록 설계한다.
Row 키 타임스탬프 Index Column Family1 Family Family2
사용자ID 식별정보 Device정보 Device Data
ID Data ID Data
사용자
No.		 Time 1 Index 1 User1 txt1 txt1
Time 3 Index 2 User2 txt2 txt2
... ... ... ... ...
Time n Index n User n txt n txt n
사용자
No.		 Time 2 Index 10 User 10 txt 10 txt 10
... ... ... ... ...
Time n1 Index n1 User n1 txt n1 txt n1
저장영역(HRegion) 서버들는 각각의 저장영역(HRegion)을 관리하고, 이에 대응되는 HTable의 데이터를 임시 메모리 장치(store)에 저장하도록 설계한다.
또한, 각 저장영역(HRegion) 서버는 여러 개의 임시 메모리 장치를 포함하며, 데이터를 상기 임시 메모리 장치에 임시로 저장하였다가 상기 임시 메모리 장치가 가득 차면 디스크에 저장하고 임시 파일은 삭제하는 방식으로 설계할 수 있다.
또한, 각 저장영역(HRegion)들 내에 하나씩 존재하는 로그(HLog)에는 상기 임시 메모리 장치에 저장된 내용의 유실을 방지하기 위해 저장영역(HRegion)의 접속 기록을 저장하도록 설계할 수 있다.
또한, Hbase(72)에 저장된 데이터는 다시 HDFS(74)에 분산 저장되며, 이 분산 저장된 데이터는 하둡 시스템(Hadoop System)에 의해 맵(Map), 소트(Sort), 리듀스(Reduce) 과정을 거쳐 사용자의 요청에 맞는 데이터를 추출하여 전달하도록 설계할 수 있다.
도 3은 도 2에 도시된 빅데이터 프레임워크(70)의 구체적인 구성 및 동작을 설명하는 도면이다.
즉, 도 3을 통해 하나의 마스터(master)와 복수의 슬레이브(slave)들로 구성된 분산 파일 시스템에 데이터를 저장하고, 데이터에 대한 접근과 통합을 위한 맵 리듀스 기법을 통한 병렬처리를 제공하는 HDFS 동작을 설명할 수 있다.
이 때, 상기 슬레이브는 태스크 트래커(task tracker)를 포함하는 데이터 노드(Data node)들이 될 수 있고, 마스터는 상기 슬레이브에 포함되는 태스크 트래커(task tracker)가 데이터들을 병렬적으로 처리하도록 지시하는 잡 트래커(job tracker)를 포함한 네임 노드(Name node)가 될 수 있다.
또한, 도 3에 도시된 클라이언트 노드(Client node), 네임 노드(Name node), 데이터 노드(Data node)들은 상기 하둡 시스템(Hadoop System)에 의해 맵(Map), 소트(Sort), 리듀스(Reduce) 과정을 수행할 수 있도록 동작하는 것으로, 본 발명의 실시예에 의한 빅데이터 프레임워크(70)에는 도시된 바와 같이 맵 필터(Map filter), 맵 모듈(Map module), 소트 모듈(sort module), 리듀스 모듈(Reduce module)이 포함될 수 있다.
상기 빅데이터 프레임워크(70)는 맵(Map) 과정에서 발생하는 병목현상과 리듀스(Reduce) 과정에서 생성되는 병목현상을 감소시키고자 우선순위 스케줄링과 필터링을 설계하고, 병합과정이 필요 없는 데이터임에도 불구하고 리듀스(Reduce) 모듈에서 병합 작업을 하는 단점을 해결하기 위하여 병합에 필요한 데이터만을 리듀스(Reduce) 작업에 참여시키는 맵 필터(Map Filter)를 포함함을 특징으로 한다.
여기서, 상기 우선순위 스케줄링과 맵 필터(Map Filter)의 생성 과정은 다음과 같이 설계할 수 있다.
맵 리듀스 어플리케이션(Map Reduce Application)은 클라이언트 노드(Client node)에 포함된 잡 클라이언트(Job Client)와 마스터의 역할을 수행하는 네임 노드((Name node)에 포함된 잡 트래커(Job Tracker)을 통해 수행할 잡(Job)에 대한 정보를 확인한 뒤 잡(Job) 초기화 및 네트워크상 가장 가까운 위치에 존재하는 태스크 트래커(Task Tracker) 순으로 작업을 할당하는 초기 스케줄링 과정을 설계하여 본 발명의 실시예에 의한 빅데이터 프레임워크(70)의 스케줄링 기반 환경을 구축할 수 있다.
또한, 상기 초기 스케줄링에 의해 작업을 할당받은 잡 트래커(Job Tracker)가 HDFS로부터 분할된 파일의 정보를 획득하고, 태스크 트래커(Task Tracker)들에게 맵(Map) 또는 소트(Sort), 리듀스(Reduce) 작업을 할당하도록 설계할 수 있다.
상기 맵(Map), 소트(Sort), 리듀스(Reduce) 과정에서 작업지연과 병목현상과 같은 단점을 보완하기 위하여 본 발명의 실시예는 잡 트래커(Job Tracker)와 태스크 트래커(Task Tracker) 간에 특정 비트 신호(예: Heart Beat)로 주고받음으로써, 태스크 트래커(Task Tracker)의 성능을 계산하고, 계산된 성능에 따라 우선순위를 정할 수 있다.
또한, 태스크 트래커(Task Tracker)가 소트(Sort) 작업을 수행할 때, 리듀스(Reduce) 작업을 수행하려는 태스크 트래커(Task Tracker)의 대기 현상을 줄이기 위한 키(Key) 우선순위 스케줄링을 설계할 수 있다.
또한, 잡 트래커(Job Tracker)로부터 맵(Map) 작업을 할당받은 태스크 트래커(Task Tracker)들은 자신의 태스크(Task)를 통해 맵 필터(Map Filter)를 생성할 수 있다.
또한, 상기 HDFS로부터 첫 번째 파티션에 있는 실제 분할 데이터를 획득한 후, 맵(Map) 함수를 이용하여 키(Key), 인덱스(index), 값(Value)으로 구분되는 중간 결과물을 생성하여 상기 맵 필터(Map Filter)의 데이터를 수집할 수 있다.
또한, 상기 맵(Map) 함수를 이용한 중간 결과물에서 상기 키(Key)와 인덱스(Index)를 색출하고, k개의 해시함수를 이용해 블룸 필터(Bloom Filter)를 설계할 수 있다.
또한, 태스크 트래커(Task Tracker)와 각 태스크(Task) 간의 통신규약을 통한 상기 블룸 필터(Bloom Filter)의 데이터 공유 과정을 수립할 수 있다.
또한, 상기 블룸 필터(Bloom Filter)를 통해 산출된 False positive rate를 통해 오류 발생율이 높은 블룸 필터(Bloom Filter)를 색출할 수 있다.
또한, 맵 필터(Map Filter)를 이용하여 해시 함수를 적용한 수집 데이터와, 상기 필터 내부의 블룸 필터(Bloom Filter) 데이터를 비교 분석하여 대기 버퍼(Buffer) 또는 소트 모듈(Sort Module)로 전달하는 맵 필터링(Map Filtering) 기능을 탑재한 맵 모듈(Map Module)을 설계할 수 있다.
도 4는 도 1에 도시된 호환성 프레임워크의 기본 구성을 개략적으로 나타내는 블록도이다.
도 4를 참조하면, 상기 호환성 프레임워크(10)는 각기 서로 다른 통신환경을 사용하는 헬스기기로부터 헬스 정보를 수집할 수 있도록 상기 헬스기기의 통신 프로토콜에 종속되지 않는 표준 I/O 인터페이스 기능을 수행하는 정보 수집부(12) 및 상기 정보 수집부(12)에서 수집된 다양한 타입의 정보들을 분석하여 필요한 데이터를 추출하고, 상기 추출한 데이터를 통합 데이터로 변환시키는 변환부(14)를 포함하여 구성된다.
정보 수집부(12)는 서로 다른 통신 프로토콜 즉, Zigbee, Bluetooth, Wi-Fi, 3G/4G와 같이 각기 다른 통신환경을 지원하는 헬스 기기로부터 전달되는 데이터를 수신할 수 있다. 즉, 상기 정보 수집부(12)는 상기 헬스 기기가 지원하는 통신 프로토콜들에 종속되지 않는 표준 I/O 인터페이스 역할을 한다.
상기 헬스 기기들은 다양한 헬스 정보를 수집할 수 있도록 다양한 기능을 수행하는 헬스케어 센서들과 각각 연동될 수 있다. 일 예로 최근 스마트 폰에는 심박수 측정이 가능한 심박 센서, 피부상태를 체크할 수 있는 자외선 센서 등이 구비될 수 있다.
단, 이와 같은 다양한 센서들 및 헬스 기기들의 통신은 앞서 언급한 바와 같이 종류별로 Wi-Fi, 3G/4G, Zigbee, Bluetooth 등 각각 다른 통신 프로토콜을 사용하고 있는 실정이다.
보다 구체적으로 상기 블루투스 통신은 FHSS (Frequency Hopping Spread Spectrum) 방식을 사용하는 대표적인 근거리 무선 통신 방으로, 블루투스 기술주관 단체인 블루투스 SIG(Special Interest Group)은 건강 관리 기기를 위한 기술 규격을 별도로 규정하고 있다.
또한, 지그비 통신은 센서 네트워크와 같은 버티컬 애플리케이션 영역에서 주로 사용되는 근거리 무선 통신 기술로 저전력 무선 PAN(Personal Area Network) 기술을 정의하는 802.15.4 규격을 따른다.
또한, 와이파이 통신은 무선 접속 장치(AP: Access Point)를 통해 네트워크에 연결되는 근거리 무선 통신 방식으로 무선랜(Wiress LAN)과 같은 의미로 통용되며 802.11b 규격을 따른다.
그러나, 이와 같은 헬스 기기 및/또는 헬스케어 센서가 수집한 정보들을 헬스케어 서버로 전달하기 위해서는 일반적인 네트워크 일 예로 Wi-Fi 또는 3G/4G 통신을 통해 전달해야 하지만 특정 헬스케어 센서들은 Wi-Fi 통신 등을 지원하지 않을 수 있다.
이에 상기 정보 수집부(12)는 각각 다른 헬스 기기의 통신 프로토콜로 전송되는 데이터를 각각의 프로토콜 정책에 따라 수집할 수 있는 것으로서, 각 헬스 기기의 서로 다른 통신 환경을 연동하기 위하여 각 헬스 기기에 등록된 Zigbee, Bluetooth, Wi-Fi, 3G/4G의 각각의 프로토콜을 분석하는 역할을 수행할 수 있다.
또한, 상기 정보 수집부(12)는, Application Support Sub Layer, Application Framework으로 구성될 수 있는 것으로, 이는 데이터를 수집하는 각 정보 수집 서버의 Application Layer에 탑재되도록 설계될 수 있다.
보다 구체적으로 상기 Application Support Sub Layer와 Application Framework는 네트워크 환경에 접속한 노드 즉, 정보 수집 서버의 메시지 송수신을 관리하고, 각 정보 수집 서버에 탑재되어 구동할 수 있는 어플리케이션을 관리할 수 있다.
또한, 상기 정보 수집부(12)를 통해 수집된 정보는 상기 변환부(14)로 전달될 수 있다. 일 예로 Wi-Fi, 3G/4G, Zigbee, Bluetooth 등 각각 다른 통신 프로토콜을 통해 수집된 데이터는 모두 바이너리 형태로 전달되고 있으나, 이러한 바이너리 데이터의 필드 구성은 모두 다르다.
이에 상기 변환부(14)는 각기 다른 바이너리 데이터를 읽어 들여 데이터 공유에 필요한 필드만을 추출하고, 헬스 기기의 통신 프로토콜의 제약을 받지않는 통합 XML 데이터로 변환할 수 있다. 즉, 수신한 다양한 형태의 데이터를 분석하여 통합 XML 데이터로 변환하여 클라우드 환경에 전달하는 Data extraction and transformation을 설계한다.
호환성 프레임워크(10)에서 지원하는 통신 프로토콜은 Wi-Fi, 3G/4G, Zigbee, Bluetooth로 모두 바이너리 형태로 데이터를 전달하지만, 패킷 포맷의 다양성으로 인해 바이너리 배치가 모두 다르다. 즉, 동일한 데이터라 하더라도 실제 데이터가 저장된 Data 필드 혹은 Payload 필드의 위치가 각기 다르기 때문에 다른 통신 환경을 갖는 기기에 호환성이 보장되지 않는다는 것이다.
본 발명의 실시예에 의한 변환부(14)는 상기 정보 수집부(12)로부터 전달받은 다양한 패킷 포맷에 따른 데이터를 분석하여, 데이터만을 추출하고 통합 XML 데이터로 변환하여 클라우드 환경으로 구현될 수 있는 헬스케어 서버(60)에 전달할 수 있다.
보다 구체적으로 상기 변환부(14)는 정보 수집부(12)로부터 전달받은 각 헬스 기기의 패킷 포맷으로 binary 데이터를 읽어내고, 상기 binary 데이터 중에서 Profile Identifier, Frame Type, Duration the file accepted, Payload(Data), Source Address, Source Device를 추출하여 XML 파일에 저장함으로써 통합 XML 데이터로 변환하며, 상기 변환된 데이터는 클라우드 환경의 헬스케어 서버로 전송될 수 있다.
도 5는 도 1에 도시된 분류 및 추론 프레임워크의 동작을 설명하는 도면이다. 보다 구체적으로 도 5(a)는 분류 및 추론 프레임워크(80)에 포함되는 분류 엔진의 동작을 설명하는 도면이고, 도 5 (b)는 상기 분류 및 추론 프레임워크(80)에 포함되는 규칙기반 추론 엔진의 동작을 설명하는 도면이다.
또한, 도 5 (c)는 상기 분류 및 추론 프레임워크(80)에 포함되는 퍼지 기반 추론 엔진의 동작을 설명하는 도면이고, 도 5 (d)는 상기 분류 및 추론 프레임워크(80)에 포함되는 마이닝 기반 추론 엔진의 동작을 설명하는 도면이다.
상기 분류 및 추론 프레임워크(80)는 상기 헬스케어 서버(60)에 연결되어 상기 수집된 데이터들에 근거하여 사용자의 질병에 대응되는 정보를 효율적으로 분류하며, 각 질병에 대한 질병 규칙을 생성하고, 규칙을 활용하여 상기 사용자의 질병을 추론하는 동작을 수행한다.
먼저 도 5 (a)를 참조하면, 헬스 기기(도 1의 20a, 20b,...,20n)를 통해 수집된 사용자의 헬스 정보는 실시간으로 수집된 정보이고, 혈압, 혈당, 심박수 등의 다양한 정보이므로 이 중에서 사용자의 질병관리 또는 질병 추론에 꼭 필요한 정보만을 분류하는 분류엔진을 설계할 수 있다.
상기 분류 엔진은 SVM와 Recursive Feature Elimination을 접목하여 설계할 수 있으며, 이는 사용자로부터 수집되는 헬스정보를 training data로 활용하고, 상기 헬스정보의 training data의 각 Feature에 대한 rank 생성할 수 있다.
보다 구체적으로, 제일 작은 rank 값을 갖는 Feature를 삭제하여 training data의 Feature 수를 줄일 수 있으며, 상기 Feature가 삭제된 training data를 이용하여 support vector를 계산하여 최대 margin값을 갖는 Hyper-plane을 찾아 training data를 분류할 수 있다. 또한, 상기 분류한 데이터를 이용하여 추론엔진에 전달하여 질병 추론 규칙 생성에 활용할 수 있게 된다.
다음 도 5 (b)를 참조하면, 질병의 발생요인들을 분석하여 질병을 판단하는 임계치를 정의하고, 이 임계치에 대한 우선순위를 평가하여 질병 규칙을 생성할 수 있으며, 상기 질병 규칙과 환자의 헬스정보를 비교하여 질병을 추론할 수 있는 규칙기반 추론 엔진을 설계할 수 있다.
보다 구체적으로 상기 규칙기반 추론 엔진의 구성을 설명하면 다음과 같다.
상기 규칙기반 추론 엔진은 질병정보 수집 모듈을 포함할 수 있으며, 상기 질병정보 수집 모듈은 각종 질병에 대한 정보와 관련 질병 정보 등을 수집하고, 질병에 대한 발병 여부를 판단할 수 있는 질병 발병 요인을 분류하며, 분류한 질병 발병 요인을 질병정보 DB에 저장할 수 있다.
또한, 상기 규칙기반 추론 엔진은 질병규칙 생성 모듈을 포함할 수 있으며, 상기 질병규칙 생성 모듈은 질병 발병 요인들을 분석하여 질병 판단의 각 발병 요인에 대한 규칙(임계치) 생성하고, 규칙의 조건들에 대한 우선순위를 분석하며, 분석결과에 따른 질병 규칙 생성할 수 있다.
또한, 상기 규칙기반 추론 엔진은 질병 규칙 데이터베이스(DB)를 포함할 수 있으며, 상기 질병 규칙 DB는 질병정보 수집 모듈에 의해 수집된 질병 정보를 저장하는 것으로서, 질병에 대한 발병 요인 저장하고, 질병규칙 생성 모듈에 의해 생성된 질병 규칙 저장할 수 있다.
도 5 (c)를 참조하면, 상기 분류 엔진 및 규칙기반 추론 엔진을 통해 수집한 질병정보와 임계치를 이용하여 질병에 대한 Fuzzy set과 linguistic variable을 정의하고, 이 Fuzzy set과 linguistic variable을 이용하여 Fuzzy 규칙을 정의할 수 있으며, 이를 통해 상기 Fuzzy 규칙과 환자의 질병정보 또는 헬스정보를 비교하여 질병을 추론하는 퍼지 기반 추론 엔진을 설계할 수 있다.
일 예로, Fuzzy rules 생성 모듈은 질병 규칙에 대한 linguistic variable 생성하고, linguistic variable를 이용한 Fuzzy rule 생성하며, Fuzzy rule의 membership 함수 설정하고, Fuzzy rules에 대한 Fuzzification을 설계할 수 있다.
또한, Fuzzy 기반 추론 엔진은 Fuzzy set 연산을 설정하고, Fuzzy 기반 추론 엔진의 Fuzzification 설계하며, Fuzzy 기반 추론 엔진의 Defuzzification 설계하고, Fuzzy set 연산자와 Fuzzy rules를 이용한 질병 추론 절차를 설계할 수 있다.
도 5 (d)를 참조하면, 환자의 가족력, 현재 건강상태, 병력, 헬스 디바이스로부터 전달받은 헬스 정보 등의 모든 정보를 이용하여 환자의 현재 질병상태와 발생 가능한 질병을 추론하는 마이닝 기반 추론 엔진을 설계할 수 있다.
일 예로, 환자 정보 분석 모듈 설계 즉, 환자의 질병, 가족력, 생체 정보, 개인정보, 생활환경 등에 대한 연관관계를 분석하여 연관 규칙을 생성할 수 있다.
또한, Mining 기반 규칙 생성 모듈 설계, 즉, 당뇨병과 같이 합병증이 발생하는 질병에 대한 합병증 발생 요인에 대한 연관 규칙을 생성할 수 있다.
또한, 질병 사례를 분석하여 사례 기반 규칙 생성하거나, Decision Tree와 같은 Mining 기법을 이용한 질병 규칙을 생성할 수 있다.
도 6은 도 1에 도시된 시각화 프레임워크의 동작을 설명하는 도면이다.
시각화 프레임워크(90)는 상기 헬스케어 서버(60)에 연결되어 헬스케어 서비스에서 공통으로 필요한 시각화 방법을 이용하여 상기 분석된 정보들을 시각화 하는 컴포넌트들을 상기 헬스케어 서버(60)에 제공하는 동작을 수행한다.
도 6을 참조하면, 헬스케어 서비스는 IT기술과 의료기술이 통합된 서비스로서, 의료 서비스를 제공받는 사용자들이 건강관리 및 증진을 목적으로 사전에 질병을 예방하는 새로운 패러다임의 의료 서비스를 말한다. 이러한 헬스케어 서비스가 수집된 의료 정보를 의료진 혹은 일반인에게 의료 서비스를 제공하기 위해, 센서 또는 의료기기를 통해 받아들인 데이터를 다양한 차트, 그래프 등으로 시각화 해주는 작업이 필요하며, 상기 시각화 프레임워크(90)는 시각화된 데이터를 종합하여 사용자에 맞는 종합 App이 생성되도록 차트, 그래프 등을 설계하는 동작을 수행한다.
일 예로, 기존에 제공되고 있는 대시보드의 형태는 암 환자는 ‘X-ray, CT, MRI 판독 결과 그래프, 바이탈 정보, 종양 표지자 치료 반응 정보 및 종양 부하 수치’, 당뇨 환자는 ‘채혈 정보, 혈당분석수치, 바이탈 정보’를 표기함과 같이 정형화된 대시보드 형태로 제공하고 있으나, 상기 시각화 프레임워크(90)는 실제 사용자가 본인의 질병뿐만 아니라 건강 증진을 위해 필요한 데이터 또는 원하는 데이터만을 수집하여 하나의 대시보드를 기획할 수 있도록 지원한다.
즉, 기존의 정형화된 대시보드의 단점인 이에 참여할 수 있는 데이터 종류의 한계가 있을 뿐만 아니라, 새로운 센서 또는 의료기기 데이터가 수집되는 경우 소프트웨어 재구성 또는 새로운 대시보드 제작을 해야 문제점을 극복하기 위해 시각화 프레임워크(90)는 병원에서 제공하는 정보 중에서 시각화할 정보를 선정할 수 있고, 헬스 정보 또는 질병 정보에 적합한 차트, 그림 등을 선정할 수 있다.
보다 구체적으로, 시각화 프레임워크(90)는 환자의 헬스정보와 질병 정보를 차트, 문자, 숫자, 그림으로 표현할 수 있는 각각의 컴포넌트를 설계하는 것으로서, 이때, 시각화 프레임워크(90)는 헬스 정보와 질병 정보를 종류별로 세분화하여 표현 방식을 Picture, Distribution Chart, Icon, 3D Graph, Bar Graph, Line Graph, Bar&Line Graph로 구분하도록 설계할 수 있으며, 상기 세분화 되어 표현 방식이 결정된 데이터는 표현 방식에 맞는 블록에 삽입되어 시각화하는 코드로 변환하는 코드화 블록을 설계할 수 있다.
또한, 상기 코드화 블록은 사용자의 요구에 따라 다양하게 업데이트 될 수 있도록 설계될 수 있으며, 일 예로 혈액 정보에 대한 컴포넌트를 설명하면, 상기 혈액 컴포넌트에 제공된 데이터를 혈액에서 측정한 데이터의 종류에 따라 혈압, 혈당, 염증수치 등과 같이 세분화하고, 세분화된 데이터에 맞는 표현방식을 선택하여 대시보드에 디스플레이 할 컴포넌트를 완성할 수 있게 된다.
또한, 상기 헬스케어 서버(60)는 내부에 질병에 대한 환자 돌봄 가이드 라인 데이터베이스, 건강 관리에 대한 돌봄 가이드 라인 데이터베이스 등을 저장할 수 있으며, 이와 같은 데이터베이스는 헬스케어 프레임워크(미도시)로서 이에 대응되는 컴포넌트들이 생성될 수 있다.
일 예로 상기 헬스케어 프레임워크는 모바일 헬스를 위한 간호 프로토콜을 수립할 수 있다. 즉, 모바일 헬스의 법적 규제 및 의료 관점의 위험 요소를 고려한 서비스 범위와 방법을 정의하고, 질병 가이드라인 DB 구축할 수 있다. 즉, 기존 의료정보 시스템의 한 축을 구성하는 CDSS(Clinical Decision Support Service)에서 제공하는 서비스의 범위를 참고하고 모바일 헬스의 기술적 법적 제약 조건을 고려하여 정의할 수 있으며, 모바일 헬스에서 근거기반 서비스를 위해서는 간호프로토콜이 컴퓨터가 이해할 수 있는 형태(CIP: Computer Interpretable Protocol)로 정의해야 하므로 CIP 저작에 필요한 절차와 기법을 정의할 수 있다.
또한, 헬스케어 프레임워크는 대사증후군 간호프로토콜을 수립할 수 있다. 일 예로 지역 보건소 중심으로 방문간호사가 활용할 수 있는 대사증후군 간호프로토콜을 수립하고, 상기 CIP 표준에 따라서 규칙 엔진이 이해할 수 있는 형태로 생성하여, 돌봄 가이드라인 DB를 구축할 수 있다.
도 7은 도 1에 도시된 IoT 통신 프레임워크의 동작을 설명하는 도면이다.
보다 구체적으로 도 7 (a)는 Data Collection Engine의 전체 구성을 설명하는 도면이고, 도 7 (b)는 상기 분류 및 추론 프레임워크(80)에 적용되는 통신 프로토콜의 데이터 형식 및 Cache 기록 과정을 설명하는 도면이다.
또한, 도 7 (c)는 LOPE 라우팅 프로토콜의 전체 흐름을 나타내는 도면이고, 도 7 (d)는 LOPE 라우팅 프로토콜의 주소할당 기법 동작 흐름을 설명하는 도면이다.
도 7 (a)를 참조하면, 상기 Data Collection Engine은 여러 헬스 디바이스에서 지원하는 다양한 통신 프로토콜 환경으로 인해, 데이터 전달의 신속성 및 정확성이 떨어지는 것을 방지하기 위하여, 서로 다른 통신 프로토콜을 갖는 디바이스의 효율적인 상호 연동을 지원한다. Data Collection Engine은 게이트웨이 혹은 디바이스의 Application 계층에 설계된다.
보다 구체적으로 설명하면, Application Support Sub Layer은 네트워크 환경에 접속한 노드의 메시지 송수신을 관리하도록 설정하고, Application Framework는 노드에 탑재되어 구동할 수 있는 어플리케이션을 관리하도록 설정할 수 있다.
또한, Data Collection Engine은 각 센서 노드의 서로 다른 통신환경을 연동하기 위하여 Device에 등록된 Zigbee, Bluetooth, Wi-fi의 각각의 프로토콜을 분석하는 역할을 수행하며, 다양한 디바이스가 Wi-fi, Zigbee, Bluetooth로 각기 다른 프로토콜을 갖는 경우, 센서와 Health 디바이스가 수집한 정보를 전달받기를 원한다면 Wi-fi 통신을 통해 전달받아야 하지만, 모든 기기 혹은 센서가 Wi-fi 통신을 지원하고 있지 않기 때문에, 각기 서로 다른 통신 프로토콜로 전송된 데이터를 각 프로토콜 정책에 따라 수집하고 프로토콜이 가진 패킷 포맷에 따라 데이터를 추출하여 상호 연동을 지원할 수 있다. 여기서, 도 7 (b)를 참조하면, 특정 프로토콜의 데이터 형식을 디바이스로부터 전달받아 Payload와 Address 정보를 추출하고, Cache에 기록하고, 목적지의 통신 프로토콜에 맞춰 데이터를 전달하도록 설계될 수 있다.
도 7 (c)를 참조하면, LOPE(LOAD considering Path and Energy) 프로토콜은 의료기기와 웨어러블 헬스 디바이스의 센서들의 월활한 통신을 지원하기 위하여 Non-IP 센서 네트워크의 각각의 센서들에게 계층형 주소를 할당하는 6LoWPAN기반 LOPE 주소할당 기법을 설계하고, 방위각, SNR, 센서 에너지를 고려하여 메시지 손실이 적고 데이터 전송 경로 단절의 가능성이 가장 적은 데이터 전송 경로를 생성하는 LOPE 라우팅 프로토콜을 설계하며, 경로 단절 시에 신속하게 경로를 재설정할 수 있도록 중간경로를 저장하는 IPS 노드를 설계할 수 있다.
도 7 (d)를 참조하면, 센서 네트워크의 mesh 토폴로지 형태는 기존의 고유 IP 주소 할당 방식을 이용할 수 없을 뿐만 아니라 센서 노드가 많은 통신 환경에서는 IP할당이 더욱 어려워지는 문제점이 있다. 이에 따라 도 7 (d)에 도시된 LOPE 주소할당 기법은, 센서 네트워크내의 센서 노드들에 대한 토폴로지 정보를 생성한 후에 센서 노드에 주소를 할당하기 위한 TID(Topology ID)를 센서 노드들에게 배포하고, 배포된 TID에 따라 고유 IP 주소를 할당하는 6LoWPAN 환경 기반의 LOPE 주소 할당 모듈을 설계할 수 있다. 이 때, LOPE 주소 할당 모듈은 게이트웨이가 Beacon ACK를 이용하여 센서 노드들을 점검한 후, 사용가능한 센서 노드들에 대한 토폴로지 정보를 생성하며, LOPE 주소할당 모듈은 기존의 센서 노드 리스트의 Life Time을 체크, Time out된 센서 노드들을 탐색하여 icmp6 메시지를 통해 Time out된 센서 노드들에게 연결 시도를 3회 실시하고, 만약, 연결에 대한 응답이 없으면, LOPE 주소할당 모듈은 센서 노드를 노드 리스트에서 삭제(delete)하도록 설계할 수 있다.
또한, LOPE 주소할당 모듈이 탐색한 센서 노드가 노드 리스트에 존재하는 센서 노드일 경우, LOPE 주소할당 모듈은 센서 노드의 내용을 갱신(update)하도록 설계할 수 있으며, LOPE 주소할당 모듈이 새로운 센서 노드를 발견한 경우, LOPE 주소할당 모듈은 센서 노드를 노드 리스트에 추가(insert)하도록 설계할 수 있다.
LOPE 주소할당 모듈은 위와 같이 삭제(delete), 갱신(Update), 추가(Insert)한 토폴로지 정보를 상위계층 CoAP에게 전달하고, CoAP는 Callback 함수로 토폴로지 정보를 구조화하여 CoAP 메시지를 생성하여 게이트웨이에 토폴로지 정보를 전송할 수 있다. 게이트웨이는 센서 노드의 주소를 할당하기 위한 TID(Topology ID)를 부여하기 위해, 센서 노드 토폴로지 내에 존재하는 모든 노드들에게 Beacon 메시지를 브로드캐스팅하고, Beacon ACK가 도착한 순서대로 TID를 부여할 수 있다.
게이트웨이는 TID를 이용하여 부모 노드가 가질 수 있는 최대 자식 노드 수를 설정하고, 최대 자식 수가 에 따른 임시계층을 형성한다. 게이트웨이는 이렇게 생성된 임시 계층의 각 노드에 하기 수학식을 이용하여 각 노드의 주소를 할당하도록 설계할 수 있다.
노드 주소= 부모노드의 주소 × TID + 현재 부모의 자식 수 + 1
게이트웨이가 생성된 주소를 자신의 Address Table에 임시 저장한 후, 주소 중복 여부를 확인할 수 있도록 중복 확인 알고리즘 추가할 수 있으며, 주소 중복이 발견되면, 토폴로지 재구성하고, TID를 다시 부여받은 후 주소를 다시 할당하도록 설정할 수 있다.
또한, LOPE Routing Protocol은 LOPE 주소 할당 기법을 통해 각 노드들에게 할당된 고유 IP 주소를 이용하여 데이터를 전송하는 최적의 경로를 설정하도록 설계하고, LOPE 라우팅 프로토콜은 데이터를 전송하는 최적의 경로를 선정하기 위하여 노드의 에너지 잔량, hop 수, 신호대 잡음과 같은 조건 정보를 이용하도록 설계할 수 있다.
이를 위해, LOPE 라우팅 프로토콜은 경로 탐색 요청 메시지인 LOPE-RREQ 메시지를 이용하여 이러한 조건 정보들을 전달하고, 전달된 정보는 LOPE-RREQ Table과 LOPE Routing Table에 기록하도록 설계하고, LOPE 라우팅 프로토콜에서는 경로 효율성(Path Effectiveness) 필드를 LOPE-RREQ Table과 LOPE Routing Table에 추가하며, 이 Table들의 정보를 이용하여 최적의 경로를 선정하도록 설계한다.
LOPE-RREQ 메시지에 메시지 전송 범위를 결정하는 방위각(Azimuth) 필드를 추가하여 메시지 생성을 최소화하고 네트워크 오버헤드를 줄일 수 있도록 설계할 수 있으며, LOPE-RREQ 메시지에 신호 대 잡음(S/N) 필드를 추가하여 신호 대 잡음 비율이 가장 낮은 경로를 설정함으로써 경로 단절로 인해 메시지 재전송 문제를 해결하도록 설계할 수 있다.
또한, LOPE-RREQ 메시지에 에너지 잔량 필드를 추가하여 센서 노드들의 에너지를 점검하여 메시지 전송 경로를 선정함으로써 에너지 고갈로 인한 경로 단절 발생 가능성을 줄이도록 설계하며, LOPE-RREP 메시지에 특징은 메시지의 유니캐스트 방향을 알려주는 Azimuth 필드를 추가하고, 신속한 경로 재설정을 위해 중간 경로를 저장하고 있는 IPS(Intermedia Path Storage) 노드를 저장하는 IPS node 필드를 추가하고, 경로의 효율성을 저장하는 하기 수식의 PE(Path Effectiveness)를 추가하여, 경로가 단절되었을 때, IPS 노드 필드를 이용하여 새로운 경로를 신속하게 선정함으로써 경로 탐색 시간을 줄일 수 있도록 설계할 수 있다.
PE=RouteCost.LOPE-RREQ + Energy.LOPE-RREQ + 1/SN.LOPE-RREQ
LOPE-RRER 메시지에 IPS 노드의 주소를 저장하는 IPS Node Address필드를 추가하여 경로 재설정을 신속하게 설정하도록 설계할 수 있다.
또한, IPS 노드를 선정하기 위해 다음과 같은 조건에 만족하는 노드를 선정할 수 있다. 보다 구체적으로, 첫째, 근원지에서 목적지까지의 Route Cost가 3 이하일 경우, 근원지-중간노드-목적지로 경로가 설정된 것으로, 중간노드를 IPS노드로 선정하는 것은 비효율적이기 때문에 노드 선정에서 제외한다. 둘째, LOPE-RREP 메시지를 수신한 노드의 Route Cost가 4의 배수인 노드를 IPS 노드로 선정할 수 있다. 이 때, LOPE 라우팅 프로토콜에서 경로 단절을 탐지한 노드는 LOPE-RRER 메시지를 생성하여 브로드캐스트 하도록 설계할 수 있다. LOPE-RRER 메시지를 전달받은 이웃노드가 IPS노드인 경우, IPS 노드는 근원지 노드까지의 경로를 점검하고, IPS 노드의 경로가 연결되어 있으면, IPS 노드는 LOPE-RRER 메시지의 IPS node 필드에 자신의 주소를 저장하고, LOPE-RRER 메시지를 브로드캐스트하여 경로를 재설정할 수 있다. 또한, LOPE-RRER 메시지를 전달받은 이웃노드가 IPS노드가 아닌 경우. 근원지 노드까지 연결되어 있는 IPS 노드를 찾을 때까지 LOPE-RRER 메시지를 브로드캐스트 한다.
도 8은 도 1에 도시된 App 콘텐츠 및 클래스 변환 프레임워크의 동작을 설명하는 도면이다.
도 8을 참조하면, 본 과제의 App 콘텐츠 및 클래스 변환 프레임워크(210)는 Mobile과 PDA에서 제공하는 Android OS기반 컴포넌트를 Windows환경과 Web기반 환경 디바이스에 지원하기 위한 컴포넌트 변환기능을 제공한다. 기존 Android OS기반 App은 Web과 공통적인 언어 환경으로, Web에는 동일한 대시보드를 제공할 수 있으나 화면 해상도에 대한 문제가 발생하고, PC에서 지원하는 실행파일 형태로 대시보드를 제공하기 위해서는 새로운 제작환경을 마련해야하는 문제가 발생한다. 이러한 문제점들을 해결하기 위해 본 과제의 App 콘텐츠 및 클래스 변환 프레임워크(210)는 시스템의 해상도를 해결하는 그리드 시스템을 구현하고, Web을 기반으로 PC에 호환적인 실행파일을 생성하기 위해 기존의 App을 보다 완벽한 환경을 제공하는 하이브리드 App으로 확장하며, 확정된 App을 이용하여 URL기반 어플리케이션 진입 방식을 활용하여 독립적인 실행파일을 생성하도록 설계한다.
보다 구체적으로, App을 기반으로 구성된 컴포넌트 프로그램 내부 정보 및 주요 콘텐츠와 클래스를 추출하고, 화면의 크기에 구애받지 않는 %단위 해상도를 제공하기 위한 그리드 시스템을 구현할 수 있다.
또한, 그리드 시스템을 적용한 컴포넌트의 프로그램을 Web과 App에 웹킷 기반의 웹 컴포넌트 기술 도입하고, HTML5기반의 웹 기술을 도입한 하이브리드 어플리케이션으로 확장하며, PC에 호환적인 실행파일을 생성하기 위해 노드 웹킷 적용할 수 있다. 그리고, Web기반으로 생성된 대시보드의 URL을 사용하여 어플리케이션 진입방식을 활용하는 실행파일을 생성할 수 있다.
도 9는 본 발명의 실시예에 의한 모바일 헬스케어 애플리케이션 제작 시스템 및 모바일 헬스케어 대시보드 제작 시스템의 기본적인 구성 및 동작을 설명하는 도면이다.
헬스케어 서버(60)는 앞서 설명한 상기 호환성 프레임워크(10), 빅데이터 프레임워크(70), 분류 및 추론 프레임워크(80), 시각화 프레임워크(90) 및 헬스케어 프레임워크(65)를 통해 얻은 사용자의 헬스케어 정보들 즉, 상기 모바일 헬스케어 시스템(100)을 통해 다양하게 수집되는 컴포넌트들을 이용하여 다양한 형태의 모바일 헬스 애플리케이션을 제작할 수 있다.
즉, 상기 헬스케어 서버(60)는 모바일 헬스케어 애플리케이션 제작 시스템(110)을 포함할 수 있다.
도 9를 참조하면, 상기 모바일 헬스케어 애플리케이션 제작 시스템(110)은 빌더 컴포넌트(Builder component)(112) 및 커스터마이징 컴포넌트(Customizing component)(114)를 포함할 수 있다.
상기 빌더 컴포넌트(Builder component)(112)는 프로그래밍을 잘 모르는 사용자도 필요한 컴포넌트를 선택하여 독립적인 헬스케어 애플리케이션을 쉽게 개발할 수 있도록 비주얼 프로그래밍 환경을 제공하는 동작을 하는 것으로서, 직관적으로 원하는 헬스케어 서비스를 개발하는 방법을 제공하는 비주얼한 개발 도구로 개발할 수 있다. 즉, 이는 헬스케어 서비스 플랫폼이 제공하는 공통 컴포넌트 및 제품 특화 컴포넌트를 조립해 나가는 방식으로 서비스를 개발할 수 있도록 제공한다.
또한, 상기 커스터마이징 컴포넌트(Customizing component)(114)는 표준에 따라 개발한 가변 컴포넌트를 애플리케이션 생성기(App Generator) 에 등록해주는 소프트웨어를 개발하는 것으로, 이는 표준 준수 여부, 다른 컴포넌트들과의 호환성 여부, 가변 컴포넌트의 품질 검증을 수행할 수 있다.
본 발명의 실시예에 의한 모바일 헬스케어 애플리케이션 제작 시스템(110)은 블록으로 구성된 명령어들을 드래그 앤 드랍으로 조합하여 애플리케이션을 제작하고, 디자이너 화면 지원을 통해 스마트폰에 디스플레이 할 화면 설계까지 조립형으로 제작할 수 있다. 즉, 앞서 설명한 모든 프레임워크인 호환성 프레임워크(10), 빅데이터 프레임워크(70), 분류 및 추론 프레임워크(80), 시각화 프레임워크(90) 및 헬스케어 프레임워크(미도시)의 컴포넌트들을 Visualization Programing 시스템에 등록을 하여, 드래그 앤 드롭 방식의 프로그램을 지원하도록 설계할 수 있다.
이에 따라, 모바일 헬스케어 애플리케이션 제작 시스템(110)은 상기 빌더 컴포넌트(Builder component)(112)와 외부 컴포넌트와의 호환성을 보장하기 위한 커스터마이징 컴포넌트(Customizing component)(114)로 구성될 수 있다.
보다 구체적으로, 각 프레임워크들(10, 70, 80, 90) 컴포넌트들을 사용자의 편의에 따라 조립하여 하나의 애플리케이션으로 생성하는 빌더 컴포넌트(Builder component)(112)는 디자인 모드와 블록 모드로 구성될 수 있다.
상기 디자인 모드는 선택한 컴포넌트에 대한 시각화 데이터를 모바일의 어느 위치에 넣을 것인지 사용자 선택형 제작을 지원하는 모드로서, 프로그래밍을 잘 모르더라도 각 프레임워크 내부에 원하는 서비스를 제공하는 컴포넌트만을 선택하여 드래그 앤 드롭으로 쉽게 개발할 수 있는 비주얼한 개발 도구를 제공하도록 설계될 수 있다.
상기 블록 모드는 비주얼 개발 도구를 이용하여 실제 프로그램을 제작하는 과정으로 각 프레임워크를 기준으로 미리 구현된 컴포넌트들을 카테고리 형태로 표시하도록 설계될 수 있으며, 사용자가 블록모드를 이용하여 애플리케이션을 생성할 때, 원하는 컴포넌트 블록을 드래그 앤 드롭으로 모바일 화면에 삽입하면, 컴포넌트 블랙 내부에 구현되어 있는 코드가 조립되어 하나의 독립적인 애플리케이션이 생성되도록 설계될 수 있다.
또한, 커스터마이징 컴포넌트(Customizing component)(114)는 특화영역을 처리하기 위한 컴포넌트 등록기로서, 각 프레임워크에서 미리 제작된 컴포넌트가 아닌, 새로 생성된 컴포넌트를 등록하는 경우에 사용하도록 설계될 수 있다.
각 컴포넌트는 개발 표준에 근거하여 제작되며, 표준에 따라 개발한 가변 컴포넌트는 상기 애플리케이션 생성기(App Generator)에 새로이 등록할 수 있어야 하므로 새로운 컴포넌트가 생성되었다면 서비스 저작 환경에 새로 등록을 시켜 업데이트하도록 설계될 수 있다.
이 때, 새로운 컴포넌트는 표준 준수 여부와 다른 컴포넌트와의 호환성 여부를 검증하여 등록하도록 설계될 수 있으며, 업데이트 되는 컴포넌트 또한 블록 단위로 구성되고, 빌더 컴포넌트(Builder component)(112) 카테고리에 등록하도록 설계될 수 있다.
상기 모바일 헬스케어 애플리케이션 제작 시스템(110)을 사용자가 자유롭게 선택한 컴포넌트들을 이용하여 환자의 질병정보와 건강정보를 디스플레이 하는 모바일 헬스 애플리케이션을 생성할 수 있다.
이때 상기 모바일 헬스케어 대시보드 제작 시스템(220)은 생성된 모바일 헬스 애플리케이션을 이용하여 Mobile, PDA 버전의 컴포넌트 기반 대시보드로 생성하고, App 콘텐츠 및 클래스 변환 프레임워크(210)를 이용하여 Windows버전 대시보드 컴포넌트와, Web기반 대시보드 컴포넌트를 자동생성도구에 추가하여 환자의 질병 및 건강정보를 언제, 어디서나 디바이스 기종 및 OS에 한정되지 않는 대시보드를 통해 확인할 수 있도록 설계한다.
즉, App 콘텐츠 및 클래스 변환 프레임워크(210)에서 생성하는 Windows버전 및 Web버전 컴포넌트를 기존의 자동 App 생성 저작 Tool과 연계하여 환자의 질병과 건강상태를 Mobile과 PDA 뿐만 아니라, PC 및 Web환경에서도 표현될 수 있도록 설계할 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
10: 호환성 프레임워크 12: 정보 수집부
14: 변환부 20: 헬스기기
21: 헬스케어 센서 40: 정보수집 서버
50: 네트워크 60: 헬스케어 서버
70: 빅데이터 프레임워크 80: 분류 및 추론 프레임워크
90: 시각화 프레임워크
110: 모바일 헬스케어 애플리케이션 제작 시스템
200: IoT 통신 프레임워크
210: App 콘텐츠 및 클래스 변환 프레임워크
220: 모바일 헬스케어 대시보드 제작 시스템

Claims (19)

  1. 서로 다른 통신 프로토콜을 사용하는 복수의 헬스 기기들
    상기 헬스 기기들로부터 정보를 수집하는 복수의 정보 수집 서버들;
    상기 정보 수집 서버들 각각에 포함된 정보 수집부들 및 상기 정보 수집부들에서 수집된 다양한 타입의 정보들을 분석하여 필요한 데이터를 추출하고, 상기 추출한 데이터를 통합 데이터로 변환시키는 변환부를 포함하는 호환성 프레임워크;
    실시간으로 수집되는 상기 통합 데이터들을 컬럼 형태로 기록하고, 상기 기록된 데이터들을 다시 분산 저장한 뒤 사용자의 요청에 맞는 데이터를 추출할 수 있는 빅데이터 프레임워크;
    상기 수집된 데이터들에 근거하여 사용자의 질병에 대응되는 정보를 효율적으로 분류하며, 각 질병에 대한 질병 규칙을 생성하고, 규칙을 활용하여 상기 사용자의 질병을 추론하는 분류 및 추론 프레임워크;
    헬스케어 서비스에서 공통으로 필요한 시각화 방법을 이용하여 상기 분석된 정보들을 시각화 하는 컴포넌트들을 제공하는 시각화 프레임워크;
    비 IP(non-IP) 센서 네트워크의 센서들에게 계층형 주소를 할당하여 데이터 전송 경로를 생성하는 IoT 통신 프레임워크;
    애플리케이션을 기반으로 설계된 컴포넌트 프로그램 내부 정보 및 주요 콘텐츠와 클래스를 추출하여 고품질 해상도를 제공하는 애플리케이션 콘텐츠 및 클래스 변환 프레임워크; 및
    네트워크를 통해 상기 호환성 프레임워크, 빅데이터 프레임워크, 분류 및 추론 프레임워크, 시각화 프레임워크, IoT 통신 프레임워크, 및 애플리케이션 콘텐츠 및 클래스 변환 프레임워크와 연결되어 상기 변환된 통합 데이터를 제공받는 헬스케어 서버를 포함하고,
    상기 분류 및 추론 프레임워크는,
    사용자로부터 수집되는 헬스정보를 트레이닝 데이터(training data)로 활용하고, 상기 헬스정보의 트레이닝 데이터(training data)의 각 특징(Feature)에 대한 순위(rank)를 생성하는 분류엔진과,
    질병의 발생요인들을 분석하여 질병을 판단하는 임계치를 정의하고, 이 임계치에 대한 우선순위를 평가하여 질병 규칙을 생성하며, 상기 질병 규칙과 환자의 헬스정보를 비교하여 질병을 추론하는 규칙기반 추론 엔진과;
    상기 수집한 질병정보와 임계치를 이용하여 질병에 대한 퍼지 세트(Fuzzy set)과 언어적 변수(linguistic variable)을 정의하고, 상기 퍼지 세트와 언어적 변수(linguistic variable)을 이용하여 퍼지 규칙을 정의할 수 있으며, 상기 퍼지 규칙과 환자의 질병정보 또는 헬스정보를 비교하여 질병을 추론하는 퍼지 기반 추론 엔진; 및
    환자의 가족력, 현재 건강상태, 병력, 헬스 디바이스로부터 전달받은 헬스 정보 중 적어도 하나를 이용하여 환자의 현재 질병상태와 발생 가능한 질병을 추론하는 마이닝 기반 추론 엔진을 포함함을 특징으로 하는 모바일 헬스케어 시스템.
  2. 제 1항에 있어서,
    상기 수집된 정보들은 서로 다른 통신 프로토콜을 통해 수집된 바이너리 형태의 데이터임을 특징으로 하는 모바일 헬스케어 시스템.
  3. 제 1항에 있어서,
    상기 서로 다른 통신 프로토콜은 Zigbee, Bluetooth, Wi-Fi, 3G/4G임을 특징으로 하는 모바일 헬스케어 시스템.
  4. 제 1항에 있어서,
    상기 변환부는 상기 서로 다른 통신 프로토콜을 통해 수집된 각기 다른 바이너리 데이터를 읽어 들여 데이터 공유에 필요한 필드만을 추출하여 통합 XML 데이터로 변환함을 특징으로 하는 모바일 헬스케어 시스템.
  5. 제 1항에 있어서,
    상기 호환성 프레임워크는, 각기 서로 다른 통신 프로토콜을 사용하는 헬스기기로부터 헬스 정보를 수집할 수 있도록 상기 헬스기기의 통신 프로토콜에 종속되지 않는 표준 I/O 인터페이스 기능을 수행하는 정보 수집부를 더 포함함을 특징으로 하는 모바일 헬스케어 시스템.
  6. 제 1항에 있어서,
    상기 빅데이터 프레임워크는,
    상기 복수의 헬스기기들을 통해 헬스케어 서버로 전달된 헬스케어 빅 데이터들을 컬럼 형태로 기록하여 변환시키고, 상기 변환된 데이터를 임시로 복수의 저장영역들에 저장하는 분산 컬럼 기반 데이터베이스와;
    상기 변환된 데이터들을 다시 분산 저장한 뒤 사용자의 요청에 맞는 데이터를 추출하는 분산 파일 시스템을 포함함을 특징으로 하는 모바일 헬스케어 시스템.
  7. 제 6항에 있어서,
    상기 분산 컬럼 기반 데이터베이스는 클라이언트를 관리하는 마스터 서버를 포함하며, 상기 마스터 서버는 복수의 저장영역 서버들을 포함함을 특징으로 하는 모바일 헬스케어 시스템.
  8. 제 7항에 있어서,
    상기 분산 컬럼 기반 데이터베이스는 상기 마스터 서버를 통해 클라이언트를 관리하고, 수집된 데이터를 저장 영역들의 임시 메모리 장치들에 저장을 위해 HTable을 생성하고, 수정하고 삭제하는 작업을 수행함을 특징으로 하는 모바일 헬스케어 시스템.
  9. 제 6항에 있어서,
    상기 분산 저장된 데이터들은 맵(Map), 소트(Sort), 리듀스(Reduce) 과정을 거쳐 사용자의 요청에 맞는 데이터로 추출됨을 특징으로 하는 모바일 헬스케어 시스템.
  10. 제 6항에 있어서,
    상기 분산 파일 시스템은, 하나의 마스터(master)와 복수의 슬레이브(slave)들로 구성됨을 특징으로 하는 모바일 헬스케어 시스템.
  11. 삭제
  12. 제 1항에 있어서,
    상기 시각화 프레임워크는,
    헬스 정보와 질병 정보를 종류별로 세분화하여 표현 방식을 구분하고, 상기 세분화 되어 표현 방식이 결정된 데이터는 표현 방식에 맞는 블록에 삽입되어 시각화하는 코드로 변환하는 코드화 블록을 수행함을 특징으로 하는 모바일 헬스케어 시스템.
  13. 제 1항에 있어서,
    상기 헬스케어 서버 내부에 질병에 대한 환자 돌봄 가이드 라인 데이터베이스, 건강 관리에 대한 돌봄 가이드 라인 데이터베이스를 포함하는 헬스케어 프레임워크가 포함됨을 특징으로 하는 모바일 헬스케어 시스템.
  14. 제 13항에 있어서,
    상기 헬스케어 서버는 상기 호환성 프레임워크, 빅데이터 프레임워크, 분류 및 추론 프레임워크, 시각화 프레임워크 및 헬스케어 프레임워크를 통해 수집되는 컴포넌트들을 이용하여 모바일 헬스 애플리케이션을 제작하는 모바일 헬스케어 애플리케이션 제작 시스템을 포함함을 특징으로 하는 모바일 헬스케어 시스템.
  15. 호환성 프레임워크, 빅데이터 프레임워크, 분류 및 추론 프레임워크, 시각화 프레임워크 및 헬스케어 프레임워크를 통해 수집되는 컴포넌트들을 적어도 하나 선택하여 독립적인 헬스케어 애플리케이션을 생성하는 비주얼 프로그래밍 환경을 제공하는 빌더 컴포넌트; 및
    표준에 따라 개발한 가변 컴포넌트를 애플리케이션 생성기(App Generator) 에 등록해주는 커스터마이징 컴포넌트가 포함되는 모바일 헬스케어 애플리케이션 제작 시스템을 포함하며,
    분류 및 추론 프레임워크는,
    사용자로부터 수집되는 헬스정보를 트레이닝 데이터(training data)로 활용하고, 상기 헬스정보의 트레이닝 데이터(training data)의 각 특징(Feature)에 대한 순위(rank)를 생성하는 분류엔진과,
    질병의 발생요인들을 분석하여 질병을 판단하는 임계치를 정의하고, 이 임계치에 대한 우선순위를 평가하여 질병 규칙을 생성하며, 상기 질병 규칙과 환자의 헬스정보를 비교하여 질병을 추론하는 규칙기반 추론 엔진을 포함하고,
    생성된 모바일 헬스 애플리케이션을 이용하여 휴대폰, 노트북, TV, PC 중 적어도 하나의 버전에 대응되는 컴포넌트 기반 대시보드로 생성하고, Windows버전 대시보드 컴포넌트와, Web기반 대시보드 컴포넌트를 자동생성도구에 추가하여 환자의 질병 및 건강정보를 확인할 수 있는 모바일 헬스 대시보드 제작 시스템.
  16. 제 15항에 있어서,
    상기 호환성 프레임워크는,
    각기 서로 다른 통신 프로토콜을 사용하는 헬스기기로부터 헬스 정보를 수집할 수 있도록 상기 헬스기기의 통신 프로토콜에 종속되지 않는 표준 I/O 인터페이스 기능을 수행하는 정보 수집부;
    상기 정보 수집부에서 수집된 헬스케어 센싱 정보들을 분석하여 필요한 데이터를 추출하고, 상기 추출한 데이터를 통합 데이터로 변환시키는 변환부가 포함됨을 특징으로 하는 모바일 헬스 대시보드 제작 시스템.
  17. 제 16항에 있어서,
    상기 빅데이터 프레임워크는,
    상기 헬스기기를 통해 헬스케어 서버로 전달된 헬스케어 빅 데이터들을 컬럼 형태로 기록하여 변환시키고, 상기 변환된 데이터를 임시로 복수의 저장영역들에 저장하는 분산 컬럼 기반 데이터베이스와;
    상기 변환된 데이터들을 다시 분산 저장한 뒤 사용자의 요청에 맞는 데이터를 추출하는 분산 파일 시스템을 포함함을 특징으로 하는 모바일 헬스 대시보드 제작 시스템.
  18. 삭제
  19. 제 15항에 있어서,
    상기 시각화 프레임워크는,
    헬스 정보와 질병 정보를 종류별로 세분화하여 표현 방식을 구분하고, 상기 세분화 되어 표현 방식이 결정된 데이터는 표현 방식에 맞는 블록에 삽입되어 시각화하는 코드로 변환하는 코드화 블록을 수행함을 특징으로 하는 모바일 헬스 대시보드 제작 시스템.
KR1020160030792A 2016-03-15 2016-03-15 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템 KR101814448B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160030792A KR101814448B1 (ko) 2016-03-15 2016-03-15 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160030792A KR101814448B1 (ko) 2016-03-15 2016-03-15 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템

Publications (2)

Publication Number Publication Date
KR20170107189A KR20170107189A (ko) 2017-09-25
KR101814448B1 true KR101814448B1 (ko) 2018-01-30

Family

ID=60035311

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160030792A KR101814448B1 (ko) 2016-03-15 2016-03-15 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템

Country Status (1)

Country Link
KR (1) KR101814448B1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101917043B1 (ko) * 2017-11-13 2019-01-30 인하대학교 산학협력단 AI를 활용한 IoT 기반 u-Health 지원 시스템 및 방법
KR102022875B1 (ko) * 2017-12-22 2019-09-19 가톨릭관동대학교산학협력단 빅데이터 탐색적 자료 분석 기반 시각화 시스템
KR20190076377A (ko) 2017-12-22 2019-07-02 인천대학교 산학협력단 에너지 하베스팅 시스템
KR102177792B1 (ko) * 2019-02-26 2020-11-11 주식회사 퍼즐시스템즈 컬럼 별 바이너리 파일 저장 구조를 이용하여 대용량 데이터를 메모리 용량 제약없이 차트로 표시하는 시스템
KR102449253B1 (ko) * 2019-11-19 2022-09-30 한국전기연구원 열 기반의 데이터베이스관리장치
KR102406484B1 (ko) * 2020-06-03 2022-06-09 오스템임플란트 주식회사 치과 업무 관리 방법 및 그 장치
KR102532419B1 (ko) * 2022-05-04 2023-05-16 주식회사 슬라운드 실시간 사용자 데이터를 기반으로 한 대시보드 디자인 제공 방법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Oresti Banos 외 10인. "빅 데이터기반 마이닝 마인즈 헬스케어 프레임 워크". 한국통신학회지(정보와통신). 32(11), 12-20(9pages), 2015.10.30. 공개.*
홍승태 외 2인. "대용량 데이터의 분산 처리를 위한 클라우드 컴퓨팅 환경 최적화 및 성능평가". 한국공간정보학회지. 제19권, 제4호, 2011.08.31. 공개.*

Also Published As

Publication number Publication date
KR20170107189A (ko) 2017-09-25

Similar Documents

Publication Publication Date Title
KR101814448B1 (ko) 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 대시보드 제작 시스템
Kalid et al. Based real time remote health monitoring systems: A review on patients prioritization and related" big data" using body sensors information and communication technology
Devarajan et al. Fog-assisted personalized healthcare-support system for remote patients with diabetes
Dautov et al. Hierarchical data fusion for smart healthcare
Maia et al. A web platform for interconnecting body sensors and improving health care
US9830801B2 (en) Alarm management system
CN105389619A (zh) 用于改进健康护理生态系统内的连接的方法和系统
Rajasekaran et al. Sensor grid applications in patient monitoring
US10812426B1 (en) Data derived user behavior modeling
CN111383748A (zh) 基于弹性计算和5g技术的医疗集成平台系统
CN106355022A (zh) 显示方法和装置
US10795795B1 (en) Intermediate check points and controllable parameters for addressing process deficiencies
US10319056B1 (en) Biased task assignments based on geotracking of discharge vehicles
US11289200B1 (en) Authorized user modeling for decision support
US11276293B1 (en) Contextual assessment of current conditions
Su et al. A novel framework for a remote patient monitoring (RPM) system with abnormality detection
Gomes et al. A middleware with comprehensive quality of context support for the internet of things applications
Donahue et al. Veterans health information exchange: successes and challenges of nationwide interoperability
CN110321283A (zh) 接口测试用例生成方法、装置、计算机装置及存储介质
Thangaraj et al. Agent based semantic internet of things (IoT) in smart health care
Balakrishnan et al. A personalized eccentric cyber-physical system Architecture for smart healthcare
CN107944461A (zh) 一种数据处理方法、装置和设备
Abdulrazak et al. IoT Architecture with Plug and Play for fast deployment and system reliability: AMI Platform
KR101836103B1 (ko) 모바일 헬스케어 시스템 및 이를 이용한 컴포넌트 기반 모바일 헬스 애플리케이션 제공 시스템
KR102043678B1 (ko) 코앱기반의 파이어 리소스를 사용하는 개인의료장치 정보모델 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant