KR101876618B1 - 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법 - Google Patents

사용자의 신체에 대한 데이터를 활용하는 장치 및 방법 Download PDF

Info

Publication number
KR101876618B1
KR101876618B1 KR1020150191493A KR20150191493A KR101876618B1 KR 101876618 B1 KR101876618 B1 KR 101876618B1 KR 1020150191493 A KR1020150191493 A KR 1020150191493A KR 20150191493 A KR20150191493 A KR 20150191493A KR 101876618 B1 KR101876618 B1 KR 101876618B1
Authority
KR
South Korea
Prior art keywords
user
data
content
record
composite
Prior art date
Application number
KR1020150191493A
Other languages
English (en)
Other versions
KR20170080195A (ko
Inventor
손창식
이동하
강원석
최락현
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020150191493A priority Critical patent/KR101876618B1/ko
Publication of KR20170080195A publication Critical patent/KR20170080195A/ko
Application granted granted Critical
Publication of KR101876618B1 publication Critical patent/KR101876618B1/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
    • G06F17/30—
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

수집한 사용자의 신체에 대한 데이터를 구조화된 데이터(레코드)로 변환하여 저장할 수 있는 신체 데이터 처리 장치, 구조화된 데이터를 사용자 별로 결합한 다음, 사용자별로 결합한 데이터(복합 레코드)를 비교함으로써, 신체에 대한 데이터 및 비만 정도간의 상관관계를 계산할 수 있는 신체 데이터 분석장치를 포함하는 신체 데이터를 활용하는 시스템이 제공된다. 또한, 신체 데이터를 활용하는 시스템은 사용자에게 콘텐츠를 추천하는 콘텐츠 추천 장치를 포함할 수 있다.

Description

사용자의 신체에 대한 데이터를 활용하는 장치 및 방법{APPRATUS AND METHOD FOR UTILIZING BIOLOGICAL DATA OF USER}
본 발명은 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법에 관한 것으로, 보다 구체적으로 신체에 대한 데이터에 기초하여 사용자의 질환 위험도를 추정하고, 신체에 대한 데이터를 콘텐츠 추천에 활용하는 장치 및 방법에 관한 것이다.
사물 인터넷(IoT, Internet of Things)의 발달에 따라 각종 웨어러블 기기(wearable devices)가 개발되고 있다. 웨어러블 기기는 다양한 분야에서 활용되고 있는데, 특히 헬스케어 시장에서 큰 영향을 미치고 있다. 사용자의 신체에 대한 데이터는 다양한 형태의 웨어러블 기기(또는 모바일 기기)로부터 다양한 포맷으로 수집될 수 있다.
수집된 사용자의 신체에 대한 데이터는 결측치를 포함할 수 있다. 결측치는 웨어러블 기기, 모바일 기기 또는 데이터 처리 장치에서 데이터를 처리하는 도중에 누락으로 발생할 수 있다. 또한, 결측치는 웨어러블 기기 또는 모바일 기기로부터 데이터가 수집되지 않았거나 또는 측정되지 않은 경우 발생할 수 있다.
신체에 대한 데이터를 처리하는 장치는 결측치를 추정할 수 있다. 또한, 장치는 결측치를 포함하는 데이터를 제거할 수 있다. 결측치를 추정하거나 또는 제거하는 것은 데이터가 본래 가지고 있던 특성을 왜곡할 수 있다.
<선행문헌>
한국특허공개공보 제2014-0118293호 (2014.10.08 공개)
한국특허공개공보 제2014-0024845호 (2014.03.03 공개)
본 발명은 신체에 대한 데이터 및 질환 위험도 간의 상관관계를 추출할 수 있는 신체 데이터 분석 장치를 제안한다.
본 발명은 신체에 대한 데이터가 결측치를 포함하고 있음에도 불구하고, 데이터의 왜곡을 최소화할 수 있는 신체 데이터 분석 장치를 제안한다.
본 발명은 상관관계 및 콘텐츠 추천 이력에 기초하여 사용자에게 건강 증진에 대한 콘텐츠를 보다 효과적으로 추천할 수 있는 콘텐츠 추천 장치를 제안한다.
본 발명의 일실시예에 따르면, 사용자의 신체에 대한 데이터를 수집하는 단계, 및 상기 데이터 및 상기 데이터와 관련된 정보를 결합하여 상기 사용자에 대한 레코드를 생성하는 단계를 포함하는 신체 데이터 처리 방법이 제공된다.
일실시예에 따르면, 상기 레코드를 라이프-로그 데이터베이스에 저장하는 단계를 더 포함하는 신체 데이터 처리 방법이 제공된다.
일실시예에 따르면, 상기 데이터를 수집하는 단계는, 상기 사용자에게 설문 조사를 송신하고, 이에 대한 응답을 수신함으로써, 상기 데이터를 수집하는 신체 데이터 처리 방법이 제공된다.
일실시예에 따르면, 상기 데이터를 수집하는 단계는, 상기 사용자로부터 상기 데이터를 수집하는 디바이스와 통신함으로써, 상기 데이터를 수집하는 신체 데이터 처리 방법이 제공된다.
일실시예에 따르면, 상기 레코드를 생성하는 단계는, 상기 데이터 중 호흡 또는 맥파와 관련된 데이터에 대하여, 상기 사용자의 교감 신경계 또는 부교감 신경계에 대한 데이터를 결합함으로써, 상기 레코드를 생성하는 신체 데이터 처리 방법이 제공된다.
일실시예에 따르면, 상기 레코드를 생성하는 단계는, 상기 데이터 중 심전도와 관련된 데이터에 대하여, 상기 사용자의 평균 심박수, 심박간격의 표준 편차 및 상기 심전도를 주파수 영역에서 분석한 데이터 중 적어도 하나를 결합함으로써, 상기 레코드를 생성하는 신체 데이터 처리 방법이 제공된다.
본 발명의 일실시예에 따르면, 사용자의 신체에 대한 데이터를 수집하는 데이터 수집부, 상기 데이터 및 상기 데이터와 관련된 정보를 결합하여 상기 사용자에 대한 레코드를 생성하는 레코드 생성부, 및 상기 레코드를 저장하는 라이프-로그 데이터베이스를 포함하는 신체 데이터 처리 장치가 제공된다.
일실시예에 따르면, 상기 신체 데이터 처리 장치는, 상기 사용자로부터 상기 데이터를 수집하는 디바이스와 통신하는 통신부를 더 포함하는 신체 데이터 처리 장치가 제공된다.
본 발명의 일실시예에 따르면, 사용자의 비만 정도에 기초하여, 상기 사용자에 대한 복합 레코드에 포함된 데이터를 해석하는 기준값을 계산하는 단계, 상기 기준값에 따라 구별되는 상기 복합 레코드간의 특징에 기초하여, 상기 데이터 및 상기 비만 정도간의 상관관계를 계산하는 단계를 포함하는 신체 데이터 분석 방법이 제공된다.
일실시예에 따르면, 상기 신체 데이터 분석 방법은, 상기 상관관계를 만족하는 상기 복합 레코드의 개수에 기초하여, 상기 상관관계의 신뢰도를 계산하는 단계를 더 포함하는 신체 데이터 분석 방법이 제공된다.
일실시예에 따르면, 상기 신체 데이터 분석 방법은, 상기 상관관계 및 상기 복합 레코드간의 유사성에 기초하여, 상기 복합 레코드에 대응하는 상기 사용자의 질환 위험도를 추정하는 단계를 더 포함하는 신체 데이터 분석 방법이 제공된다.
일실시예에 따르면, 상기 상관관계를 계산하는 단계는, 상기 특징에 기초하여, 복합 레코드간의 차이를 표현한 식별가능 행렬(discernibility matrix)을 생성하는 신체 데이터 분석 방법이 제공된다.
일실시예에 따르면, 상기 상관관계를 계산하는 단계는, 상기 식별가능행렬에 기초하여, 상기 상관관계를 불리언 논리식(Boolean equation)의 형태로 계산하는 신체 데이터 분석 방법이 제공된다.
본 발명의 일실시예에 따르면, 사용자의 신체에 대한 데이터에 기초하여, 상기 사용자의 비만 정도를 결정하는 단계, 및 상기 비만 정도 및 일정 기간 내에 생성된 상기 사용자에 대한 레코드들을 병합하여, 상기 사용자에 대한 복합 레코드를 생성하는 단계를 포함하는 복합 레코드 생성 방법이 제공된다.
일실시예에 따르면, 상기 레코드는, 상기 데이터 및 상기 데이터와 관련된 정보를 포함하는 복합 레코드 생성 방법이 제공된다.
본 발명의 일실시예에 따르면, 사용자의 신체에 대한 데이터에 기초하여, 상기 사용자의 비만 정도를 결정하는 비만 정도 결정부, 상기 비만 정도 및 일정 기간 내에 생성된 상기 사용자에 대한 레코드들을 병합하여, 상기 사용자에 대한 복합 레코드를 생성하는 복합 레코드 생성부, 상기 비만 정도에 기초하여, 상기 데이터를 해석하는 기준값을 계산하는 기준값 계산부, 및 상기 기준값에 따라 구별되는 상기 복합 레코드간의 특징에 기초하여, 상기 데이터 및 상기 비만 정도간의 상관관계를 계산하는 상관관계 계산부를 포함하는 신체 데이터 분석 장치가 제공된다.
일실시예에 따르면, 상기 신체 데이터 분석 장치는, 상기 상관관계를 저장하는 상관관계 데이터베이스를 더 포함하는 신체 데이터 분석 장치가 제공된다.
일실시예에 따르면, 상기 신체 데이터 분석 장치는, 상기 상관관계를 만족하는 상기 복합 레코드의 개수에 기초하여, 상기 상관관계의 신뢰도를 계산하는 상관관계 평가부를 포함하는 신체 데이터 분석 장치가 제공된다.
일실시예에 따르면, 상기 신체 데이터 분석 장치는, 상기 상관관계 및 상기 복합 레코드간의 유사성에 기초하여, 상기 복합 레코드에 대응하는 상기 사용자의 질환 위험도를 추정하는 질환 위험 추정부를 포함하는 신체 데이터 분석 장치가 제공된다.
본 발명의 일실시예에 따르면, 사용자의 질환 위험도에 기초하여, 다른 사용자에게 콘텐츠를 추천한 이력을 검색하는 단계, 상기 질환 위험도와 유사한 질환 위험도를 가진 다른 사용자에 대한 상기 이력에 기초하여, 상기 사용자에게 콘텐츠를 추천하는 단계를 포함하는 콘텐츠 추천 방법이 제공된다.
일실시예에 따르면, 상기 콘텐츠를 추천하는 단계는, 상기 이력에 대응하는 상기 다른 사용자의 신체에 대한 데이터에 기초하여, 상기 이력을 확률 공간상에 표현한 추천 사례 맵을 생성하는 콘텐츠 추천 방법이 제공된다.
일실시예에 따르면, 상기 콘텐츠를 추천하는 단계는, 상기 콘텐츠의 프로파일에 기초하여, 상기 사용자에게 콘텐츠를 추천하는 콘텐츠 추천 방법이 제공된다.
본 발명의 일실시예에 따르면, 콘텐츠를 저장하는 콘텐츠 저장부, 상기 콘텐츠 저장부에 저장된 상기 콘텐츠를 검색 및 제공하는 콘텐츠 제공부, 사용자의 질환 위험도를 추정하는 질환 위험 추정부, 사용자에게 콘텐츠를 추천한 이력을 저장하는 사례 데이터 베이스, 및 상기 질환 위험도 및 상기 이력에 기초하여, 상기 사용자에게 콘텐츠를 추천하는 콘텐츠 추천부를 포함하는 콘텐츠 추천 장치가 제공된다.
일실시예에 따르면, 상기 콘텐츠 저장부는, 상기 콘텐츠에 대한 프로파일을 저장하고, 상기 프로파일은, 상기 콘텐츠의 내용과 관련된 신체 부위, 제약 사항, 난이도 중 적어도 하나를 포함하는 콘텐츠 추천 장치가 제공된다.
본 발명의 일실시예에 따르면, 신체에 대한 데이터 및 질환 위험도 간의 상관관계를 추출할 수 있는 신체 데이터 분석 장치를 제공 받을 수 있다.
본 발명의 일실시예에 따르면, 신체에 대한 데이터가 결측치를 포함하고 있음에도 불구하고, 데이터의 왜곡을 최소화할 수 있는 신체 데이터 분석 장치를 제공 받을 수 있다.
본 발명의 일실시예에 따르면, 상관관계 및 콘텐츠 추천 이력에 기초하여 사용자에게 건강 증진에 대한 콘텐츠를 보다 효과적으로 추천할 수 있는 콘텐츠 추천 장치를 제공 받을 수 있다.
도 1은 본 발명의 일실시예에 따른 신체 데이터를 활용하는 시스템의 구조를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 콘텐츠 추천 장치의 구조를 도시한 도면이다.
도 3은 일실시예에 따른 신체 데이터 처리 장치가 수행하는 동작을 도시한 순서도이다.
도 4는 신체 데이터 처리 장치가 생성한 레코드를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 신체 데이터 분석 장치가 수행하는 동작을 도시한 순서도이다.
도 6a 내지 6b는 본 발명의 일실시예에 따른 신체 데이터 분석 장치가 생성한 복합 레코드의 일례를 도시한 도면이다.
도 7은 신체 데이터 분석 장치가 도 6b에 도시된 복합 레코드에 기초하여 생성한 식별가능 행렬을 도시한 도면이다.
도 8은 본 발명의 일실시예에 따른 콘텐츠 추천 장치가 수행하는 동작을 도시한 순서도이다.
도 9는 본 발명의 일실시예에 따른 추천 사례 맵을 도시한 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일실시예에 따른 신체 데이터를 활용하는 시스템의 구조를 도시한 도면이다.
본 발명의 일실시예에 따르면, 사용자로부터 신체에 대한 데이터를 수집하고, 수집한 데이터를 처리할 수 있는 신체 데이터 처리 장치(100)가 제공될 수 있다. 신체 데이터 처리 장치(100)는 신체에 대한 데이터를 수집하는 데이터 수집부(101) 및 처리한 데이터를 가공하여 사용자에 대한 레코드를 생성하는 레코드 생성부(102)를 포함할 수 있다.
일실시예에 따른 데이터 수집부(101)는 사용자와 상호작용하는 인터페이스를 생성함으로써, 신체에 대한 데이터를 수집할 수 있다. 또한, 데이터 수집부(101)는 신체에 대한 데이터를 수집하는 디바이스와 통신함으로써, 신체에 대한 데이터를 수집할 수 있다. 비록 도시하지는 않았지만, 데이터 수집부(101)는 디바이스와 통신하기 위한 통신부를 포함할 수 있다. 통신부는 NFC, 블루투스, USB 등의 인터페이스를 이용하여 디바이스와 통신할 수 있다.
사용자로부터 신체에 대한 데이터를 수집하는 디바이스는 스마트폰(smartphone), 웨어러블 기기(wearable device)를 포함할 수 있다. 웨어러블 기기는 밴드, 시계, 안경, 패치, 렌즈 또는 임플란트 등의 다양한 형태로 사용자의 신체에 착용 또는 이식될 수 있는 기기이다.
일실시예에 따른 레코드 생성부(102)는 신체에 대한 데이터 및 데이터와 관련된 정보를 결합하여 사용자에 대한 레코드를 생성할 수 있다. 데이터와 관련된 정보는 사용자에 대한 정보, 데이터를 측정한 시간 등을 포함할 수 있다.
또한, 데이터와 관련된 정보는 데이터를 분석하는데 도움이 될 수 있는 정보를 포함할 수 있다. 예를 들어, 레코드 생성부(102)는 사용자의 활동량에 대한 데이터에 대하여, 사용자가 미리 설정한 활동량 목표치, 목표 소비 칼로리를 데이터와 결합할 수 있다. 레코드 생성부(102)는 사용자가 하루에 섭취한 음식을 기록한 데이터에 대하여, 각각의 음식의 칼로리 및 영양소에 대한 정보를 결합할 수 있다.
도 1을 참고하면, 레코드 생성부(102)는 생성한 레코드를 라이프-로그 데이터베이스(110)에 저장할 수 있다. 복수의 사용자의 레코드가 라이프-로그 데이터 베이스(110)에 저장될 수 있다. 또한, 라이프-로그 데이터베이스(110)는 사용자 별로 복수의 레코드를 결합함으로써 생성된 복합 레코드를 저장할 수 있다.
본 발명의 일실시예에 따르면, 신체에 대한 데이터를 분석함으로써, 사용자의 신체 상태 및 건강 간의 상관관계를 계산할 수 있는 신체 데이터 분석 장치(120)가 제공될 수 있다. 신체 데이터 분석 장치(120)는 비만 정도 결정부(121), 복합 레코드 생성부(122), 기준값 계산부(123), 상관관계 계산부(124) 및 상관관계 평가부(125)를 포함할 수 있다.
도 1을 참고하면, 신체 데이터 분석 장치(120)는 사용자의 신체에 대한 데이터에 기초하여, 사용자의 비만 정도를 결정하는 비만 정도 결정부(121)를 포함할 수 있다. 비만 정도 결정부(121)는 사용자의 비만 정도를 {낮음, 보통, 증가, 중증도, 고도, 매우고도}로 구분할 수 있다.
비만 정도 결정부(121)는 사용자의 인종적 분류 또는 기본 신체정보(키, 몸무게, 허리둘레 등)에 기초하여, 사용자의 비만 정도를 결정할 수 있다. 비만 정도 결정부(121)는 사용자의 인종적 분류 또는 기본 신체정보를 데이터 수집부(101)로부터 수신할 수 있다. 또한, 비만 정도 결정부(121)는 사용자의 인종적 분류 또는 기본 신체정보를 라이프-로그 데이터베이스(110)로부터 식별할 수 있다.
도 1을 참고하면, 신체 데이터 분석 장치(120)는 비만 정도 및 일정 기간 내에 생성된 레코드들을 병합하여, 사용자에 대한 복합 레코드를 생성하는 복합 레코드 생성부(122)를 포함할 수 있다. 복합 레코드 생성부(122)는 레코드에 포함된 데이터가 측정된 시간 또는 사용자를 식별할 수 있는 정보에 기초하여, 라이프-로그 데이터베이스(110)를 검색할 수 있다. 복합 레코드 생성부(122)는 검색된 레코드를 사용자별로 병합함으로써, 복합 레코드를 생성할 수 있다. 복합 레코드 생성부(122)는 생성한 복합 레코드를 라이프-로그 데이터베이스(110)에 저장할 수 있다.
도 1을 참고하면, 신체 데이터 분석 장치(120)는 비만 정도에 기초하여, 데이터를 해석하는 기준값을 계산하는 기준값 계산부(123)를 포함할 수 있다. 기준값 계산부(123)는 복수의 복합 레코드를 사용자의 비만 정도에 기초하여 분석함으로써, 기준값을 계산할 수 있다. 기준값 계산부(123)는 기준값을 임계값 또는 구간의 형태로 계산할 수 있다. 신체 데이터 분석 장치(120)는 기준값에 기초하여, 복합 레코드의 수치 데이터를 부호적(symbolic) 데이터로 변환할 수 있다.
도 1을 참고하면, 신체 데이터 분석 장치(120)는 기준값에 따라 구별되는 복합 레코드간의 특징에 기초하여, 데이터 및 비만 정도간의 상관관계를 계산하는 상관관계 계산부(124)를 포함할 수 있다. 또한, 상관관계 계산부(124)는 복합 레코드에 포함된 데이터를 기준값에 기초하여 변경할 수 있다. 바꾸어 말하면, 상관관계 계산부(124)는 데이터의 수치 값(numeric value)을 부호적 값(symbolic value)으로 변경할 수 있다.
상관관계 계산부(124)는 변경된 복합 레코드간의 차이를 식별한 다음, 차이가 존재하는 특정 데이터에 기초하여 상관관계를 계산할 수 있다. 예를 들어, 두 복합 레코드간에 심박수 및 비만 정도에 차이가 있을 경우, 상관관계 계산부(124)는 차이에 기초하여 심박수 및 비만 정도간의 상관관계를 계산할 수 있다. 상관관계 계산부(124)는 복합 레코드간의 차이를 행렬의 형태로 표현할 수 있다. 상관관계 계산부(124)는 복합 레코드간의 차이를 표현한 행렬을 상관관계 데이터베이스(111)에 저장할 수 있다. 복합 레코드간의 차이를 표현한 행렬을 식별가능 행렬(discernibility matrix)이라 한다.
상관관계 계산부(124)는 식별가능 행렬을 분석하여, 데이터 및 비만 정도간의 상관관계를 계산할 수 있다. 상관관계는 불리언 논리식(Boolean equation)의 형태로 표현될 수 있다. 상관관계 계산부(124)는 상관관계를 불리언 논리식(Boolean equation)의 형태로 상관관계 데이터베이스(111)에 저장할 수 있다.
도 1을 참고하면, 신체 데이터 분석 장치(120)는 상관관계를 만족하는 복합 레코드의 개수에 기초하여, 상관관계의 신뢰도를 계산하는 상관관계 평가부(125)를 포함할 수 있다. 상관관계 평가부(125)는 라이프-로그 데이터베이스(110)에 저장된 복수의 복합 레코드 중에서, 상관관계를 만족하는 복합 레코드의 비율을 계산함으로써, 상관관계의 신뢰도를 계산할 수 있다.
도 2는 본 발명의 일실시예에 따른 콘텐츠 추천 장치의 구조를 도시한 도면이다. 일실시예에 따른 콘텐츠 추천 장치는 복수의 사용자에게 디지털 콘텐츠를 추천하거나 또는 제공할 수 있다. 콘텐츠 추천 장치는 추천 이력에 기초하여, 디지털 콘텐츠를 사용자에게 추천할 수 있다.
도 2를 참고하면, 콘텐츠 추천 장치는 콘텐츠를 저장하는 콘텐츠 저장부(200)를 포함할 수 있다. 콘텐츠 저장부(200)가 저장하는 콘텐츠는 사용자의 건강 상태를 증진할 수 있는 음성, 음악, 영상, 게임 등을 포함할 수 있다. 콘텐츠 저장부(200)는 콘텐츠의 특징을 서술한 프로파일을 포함할 수 있다. 프로파일은 콘텐츠의 제작자가 작성할 수 있다. 또한, 프로파일은 콘텐츠를 사용한 사용자의 콘텐츠에 대한 평가 정보를 포함할 수 있다.
도 2를 참고하면, 콘텐츠 추천 장치는 콘텐츠 저장부(200)에 저장된 상기 콘텐츠를 검색 및 제공하는 콘텐츠 제공부(201)를 포함할 수 있다. 콘텐츠 제공부(201)는 콘텐츠의 프로파일에 기초하여, 콘텐츠의 다운로드 권한을 조절할 수 있다. 콘텐츠 제공부(201)는 키워드를 입력받을 수 있으며, 키워드와 관련된 콘텐츠만을 제공할 수 있다.
도 2를 참고하면, 콘텐츠 추천 장치는 사용자의 신체에 대한 데이터 및 비만 정도 간의 상관관계를 저장한 상관관계 데이터베이스(202)를 포함할 수 있다. 상관관계 데이터베이스(202)는 도 1의 상관관계 데이터베이스(111)와 동일하므로, 상세한 설명을 생략한다. 일실시예에 따른 콘텐츠 추천 장치는 도 1에 도시된 신체 데이터를 활용하는 시스템에 포함될 수 있다.
도 2를 참고하면, 콘텐츠 추천 장치는 상관관계 및 복합 레코드간의 유사성에 기초하여, 복합 레코드에 대응하는 사용자의 질환 위험도를 추정하는 질환 위험 추정부(203)를 포함할 수 있다. 일실시예에 따르면, 질환 위험 추정부(203)는 라이프-로그 데이터베이스를 탐색함으로써, 사용자에 대한 복합 레코드를 탐색할 수 있다.
질환 위험 추정부(203)는 상관관계 데이터베이스(202)에 포함된 상관관계 및 탐색한 복합 레코드를 비교함으로써, 사용자의 질환 위험도를 추정할 수 있다. 앞서 설명한 바와 같이, 상관관계는 불리언 논리식의 형태로 제공될 수 있다. 질환 위험 추정부(203)는 복합 레코드가 불리언 논리식을 참(true)으로 만드는지에 기초하여, 질환 위험도를 추정할 수 있다. 질환 위험 추정부(203)는 질환 위험도를 콘텐츠 추천부(204)에 전달할 수 있다.
도 2를 참고하면, 콘텐츠 추천 장치는 사용자에게 콘텐츠를 추천한 이력을 저장하는 사례 데이터베이스(205)를 포함할 수 있다. 사례 데이터베이스(205)는 추천한 콘텐츠, 추천한 사용자에 대한 정보(성별, 나이, ID)를 결합하여 저장할 수 있다.
도 2를 참고하면, 콘텐츠 추천 장치는 질환 위험도 및 이력에 기초하여, 사용자에게 콘텐츠를 추천하는 콘텐츠 추천부(204)를 포함할 수 있다. 콘텐츠 추천부(204)는 사용자에 대한 정보를 수신하면, 질환 위험 추정부(203)에 사용자에 대한 정보를 전달한다. 질환 위험 추정부(203)가 사용자의 질환 위험도를 전달하면, 콘텐츠 추천부(204)는 사례 데이터베이스(205)를 탐색함으로써, 유사한 질환 위험도를 가진 다른 사용자에 대한 추천 이력을 검색한다.
콘텐츠 추천부(204)는 검색된 추천 이력에 기초하여, 사용자에게 콘텐츠를 추천할 수 있다. 콘텐츠 추천부(204)는 콘텐츠를 제공하기 위하여, 콘텐츠 제공부(201)에 특정 콘텐츠를 제공할 것을 요청할 수 있다. 추천 이력이 검색되지 않은 경우, 질환 위험 추정부(203)는 사용자에 대한 정보에 기초하여, 콘텐츠 제공부(201)가 콘텐츠를 검색하게 할 수 있다. 콘텐츠 제공부(201)는 프로파일에 기초하여 콘텐츠를 검색할 수 있다.
도 3은 일실시예에 따른 신체 데이터 처리 장치가 수행하는 동작을 도시한 순서도이다.
단계(310)에서, 일실시예에 따른 신체 데이터 처리 장치는 사용자의 신체에 대한 데이터를 수집할 수 있다.
신체 데이터 처리 장치는 사용자에게 설문 조사를 송신한 다음, 이에 대한 응답을 수신함으로써, 상기 데이터를 수집할 수 있다. 이를 위하여, 신체 데이터 처리 장치는 인터페이스를 생성할 수 있다. 신체 데이터 처리 장치가 생성하는 인터페이스는 웹페이지 또는 어플리케이션일 수 있다. 설문 조사를 통해 수집하는 데이터는 사용자의 인종적 분류, 기본 신체정보(키, 몸무게, 허리둘레 등) 뿐만 아니라 사용자의 삶에 대한 사용자의 주관적 평가를 포함할 수 있다.
신체 데이터 처리 장치는 사용자의 주관적 평가를 수집하기 위하여, 표 1과 같은 설문 조사 문항을 사용자에게 출력할 수 있다. 신체 데이터 처리 장치는 사용자가 리커드 척도(1점, 전혀 그렇지 않다; 2점, 대체로 그렇다; 3점, 보통이다; 4점, 대체로 그렇다; 5점, 매우 그렇다)에 따라 설문 조사에 응답하도록 인터페이스를 구성할 수 있다.
[신체적 웰니스]
1. 나는 1주일에 3회 이상 활발한 운동을 한다. (예: 빠르게 걷기, 자전거타기, 에어로빅, 축구, 줄넘기 등)
2. 나는 1주일에 3회 정도 근력강화운동을 한다.
3. 나는 저체중이나 과제중을 피하고 건강체중을 유지한다.
4. 나는 매일 곡류, 채소과일류, 어육류, 유제품 등 다양한 식품을 섭취한다.
[정서적/인지적 웰니스]
5. 나는 내 삶의 목표를 이루기 위해 노력한다.
6. 나는 내 삶의 진정한 목적이 있다고 믿는다.
7. 나는 어려운 일에 부딪혀도 잘 대처할 수 있다.
8. 나는 자기계발을 위해서 꾸준하게 노력한다.
9. 나는 내가 가진 단점에도 불구하고 나 자신을 좋아한다.
[사회적 웰니스]
10. 나에게는 내 생각과 감정을 신뢰해주는 사람이 있다.
11. 내가 어려울 때 나에게 도움을 줄 수 있는 사람이 있다.
12. 나의 가족은 내가 사랑 받고 있음을 느끼게 해 준다.
[직업적 웰니스]
13. 나는 내 삶에 만족한다.
14. 나는 나의 일을 즐긴다.
15. 나는 내가 하고 있는 일에 만족한다.
16. 현재 자신의 신체, 정신, 사회적 건강을 포함한 전반적 건강에 대한 생각은 어떠하십니까
신체 데이터 처리 장치는 디바이스와 통신함으로써, 사용자의 신체에 대한 데이터를 수집할 수 있다. 신체 데이터 처리 장치가 통신하는 디바이스는 사용자로부터 데이터를 수집할 수 있는 디바이스이다. 신체 데이터 처리 장치는 디바이스를 통하여, 사용자의 맥파(PPG), 호흡(RSP), 활동량, 식습관 및 심전도에 대한 데이터 중 적어도 하나를 수집할 수 있다.
단계(320)에서, 일실시예에 따른 신체 데이터 처리 장치는 수집한 데이터 및 데이터와 관련된 정보를 결합하여 사용자에 대한 레코드를 생성할 수 있다. 신체 데이터 처리 장치는 레코드를 생성함으로써, 수집한 데이터를 구조화된 데이터로 가공할 수 있다. 신체 데이터 처리 장치가 생성하는 레코드는 수집한 데이터 및 데이터와 관련된 정보를 포함할 수 있다.
단계(330)에서, 일실시예에 따른 신체 데이터 처리 장치는 생성한 레코드를 라이프-로그 데이터베이스에 저장할 수 있다.
도 4는 신체 데이터 처리 장치가 생성한 레코드를 도시한 도면이다. 신체 데이터 처리 장치는 도 4에 도시된 레코드를 라이프-로그 데이터 베이스에 저장할 수 있다.
도 4를 참고하면, 맥파/호흡에 대한 레코드(400)는 맥파/호흡을 측정하는 디바이스에서 수집된 로우 데이터(401) 및 맥파/호흡과 관련된 정보(402)를 포함한다. 맥파/호흡과 관련된 정보(402)는 사용자 ID, 측정시간, HR(PPG 센서로부터 분당 검출된 피크값들 사이의 간격), HF(자율신경계에서 교감신경계의 활동정도), LF(자율신경계에서 부교감 신경계의 활동정도), LF/HF (교감 신경계와 부교감 신경계의 밸런스 정도), RSP(분당 호흡횟수)등을 포함한다.
신체 데이터 처리 장치는 디바이스로부터 수집한 활동량에 대한 로우 데이터(411) 및 수집한 데이터에 대한 정보(412)를 결합함으로써, 활동량에 대한 레코드(410)를 생성할 수 있다. 유사하게, 신체 데이터 처리 장치는 사용자로부터 수집한 섭취한 음식에 대한 로우 데이터(421) 및 수집한 데이터에 대한 정보(422)를 결합함으로써, 섭취한 음식에 대한 레코드(420)를 생성할 수 있다.
도 4를 참고하면, 심전도에 대한 레코드(430)는 심전도를 측정하는 디바이스로부터 수집한 로우 데이터(431) 및 심전도와 관련된 정보(432)를 포함한다. 심전도와 관련된 정보(432)는 심전도를 시간 영역에서 분석한 정보 또는 주파수 영역에서 분석한 정보를 포함할 수 있다.
심전도를 시간 영역에서 분석한 정보는 Mean HR(최소 5분 동안 측정된 심전도 신호 상에서, 평균 심박 수), SDNN(5분 동안 측정된 심전도 신호 상에서 정상 심박간격에 대한 표준편차), rMSSD(이웃한 심박 간격의 차이에 대한 제곱 평균의 제곱근 값) 등을 포함할 수 있다.
심전도를 주파수 영역에서 분석한 정보는 TP(5분 동안 측정된 심전도 신호 상에서 초저주파수, 저주파수, 및 고주파수 파워스펙트럼 대역(예, 0.4Hz 미만 대역)), VLF(0.003-0.04Hz 대역에 포함된 초저주파 파워스펙트럼 대역), HF(0.15-0.4Hz 대역에 포함된 고주파 영역, 주로 부교감 신경계의 활성정도를 나타냄), LF(0.04-0.15Hz 대역에 포함된 저주파 영역, 주로 교감 신경계의 활성정보를 나타냄), LF/HF (교감 신경계와 부교감 신경계의 밸런스 정보) 등을 포함할 수 있다.
도 5는 본 발명의 일실시예에 따른 신체 데이터 분석 장치가 수행하는 동작을 도시한 순서도이다.
단계(510)에서, 일실시예에 따른 신체 데이터 분석 장치는 사용자의 신체에 대한 데이터에 기초하여, 사용자의 비만 정도를 결정할 수 있다. 신체 데이터 분석 장치는 사용자의 인종적 분류 또는 기본 신체정보를 식별할 수 있다. 신체 데이터 분석 장치는 이에 기초하여, 사용자의 비만 정도를 {낮음, 보통, 증가, 중증도, 고도, 매우고도}의 6단계로 구분할 수 있다. 신체 데이터 분석 장치는 표 2에 기초하여 사용자의 비만 정도를 구분할 수 있다.
신체 상태 BMI(kg/m2) 동반질환 위험도
허리 둘레
<90cm(남성) >90cm(여성)
<80cm(여성) >80cm(여성)
저체중 <18.5 낮음 보통
정상 18.5 - 22.9 보통 증가
과체중 >23
위험체중 23.0 - 24.9 증가 중증도
1단계 비만 25.0 - 24.9 중증도 고도
2단계 비만 >30.0 고도 매우고도
표 2를 참고하면, 신체 데이터 처리 장치는 남성으로써, 허리둘레가 90cm이하이고, BMI가 18.5이하인 사용자의 비만 정도를 낮음으로 설정할 수 있다. 상기 표 2는 아시아인의 비만 정도를 구분한 표이다. 인종적 분류는 비만 정도를 결정하는 중요한 기준인데, 상기 표 2의 허리 둘레, BMI 등이 인종적 분류에 기초하여 변경되기 때문이다. 예를 들어, WHO는 유럽인에 대하여 상기 허리 둘레를 남성은 94cm 여성은 80cm를 기준으로 분류한다.
단계(520)에서, 일실시예에 따른 신체 데이터 분석 장치는 사용자의 비만 정도 및 일정 기간 내에 생성된 사용자에 대한 레코드들을 병합하여, 사용자에 대한 복합 레코드를 생성할 수 있다. 즉, 신체 데이터 분석 장치는 일정 기간 내의 특정 사용자에 대한 모든 레코드를 병합함으로써, 하나의 복합 레코드를 생성할 수 있다. 결측치가 발생할 수 있으므로, 복합 레코드는 결측치를 포함할 수 있다. 신체 데이터 분석 장치는 생성한 복합 레코드를 라이프-로그 데이터베이스에 저장할 수 있다.
도 6a 내지 6b는 본 발명의 일실시예에 따른 신체 데이터 분석 장치가 생성한 복합 레코드의 일례를 도시한 도면이다. 이하에서는, 도 5의 동작을 도 6a 내지 6b를 참고하여 보다 상세히 설명한다.
도 6a를 참고하면, 하나의 행이 특정 사용자의 복합 레코드에 대응한다. 예를 들어, 사용자 ID가 S1인 행은 S1을 ID로 가지는 사용자(이후에서는, 편의상 S1 사용자라 한다)에 대하여, 2015년 3월 2일 하루 동안 수집된 데이터를 결합한 복합 레코드이다.
도 6a에 전부 도시하지는 않았지만, S1 사용자에 대한 복합 레코드를 참고하면, 복합 레코드는 사용자의 기본 정보(610), 맥파/호흡에 대한 레코드(611) 및 심전도에 대한 레코드(612)를 포함함을 알 수 있다. 또한, S1 사용자에 대한 복합 레코드는 S1 사용자에 대한 비만 정도를 포함함을 알 수 있다. 도 6a를 참고하면, 결측치는 ‘?’ 또는 ‘-‘ 로 도시된다.
도 5를 참고하면, 단계(530)에서, 일실시예에 따른 신체 데이터 분석 장치는 사용자의 비만 정도에 기초하여, 상기 사용자에 대한 복합 레코드에 포함된 데이터를 해석하는 기준인 기준값을 계산할 수 있다. 신체 데이터 분석 장치는 기준값을 임계값 또는 구간의 형태로 계산할 수 있다.
보다 구체적으로, 도 6a의 맥파/호흡에 대한 레코드(611) 및 비만 정도를 비교하면, HR값이 122.13인 경우 ‘중증도’로 분류되고, 114.04 및 111.24인 경우 ‘고도’로 분류됨을 알 수 있다. 신체 데이터 분석 장치는 ‘중증도’의 최저치인 122.13 및 ‘고도’의 최고치인 114.04의 중간값인 118.09를 ‘중증도’ 및 ‘고도’를 구분하는 기준값으로 설정할 수 있다. HR 전체에 대해 살펴보면, ‘고도’ 및 ‘증가’를 구분하는 기준값으로 107.70이, ‘증가’ 및 ‘낮음’을 구분하는 기준값으로 91.72가, ‘낮음’ 및 ‘보통’을 구분하는 기준값으로 85.02가 설정될 것이다.
기준값은 새롭게 추가되는 복합 레코드를 분석하는 기준이 될 수 있다. 예를 들어, 추가된 복합 레코드의 HR 값이 112인 경우, 112는 107.70보다 크고 118.09보다 작으므로, HR 값이 ‘고도’와 관련 있음을 알 수 있다.
신체 데이터 분석 장치는 기준값에 기초하여 데이터를 복수의 구간으로 구별할 수 있다. 더 나아가서, 신체 데이터 분석 장치는 복수의 구간과 비만 정도를 연관지을 수 있다. 또 다른 예로써 HF를 살펴보면, ‘보통’은 구간 [78.34, 85.02)과, ‘낮음’은 구간 [85.02, 91.72)과, ‘증가’는 구간 [91.72, 107.70)과, ‘고도’는 구간 [107.70, 118.09)과, 중증도는 구간 [118.09, 122.13]과 관계됨을 알 수 있다.
신체 데이터 분석 장치는 복합 레코드를 기준값에 기초하여 변경할 수 있다. 기준값은 수치 값으로 표현된 데이터를 부호적 값으로 변경하는 기준이 될 수 있다. 도 6b는 기준값에 기초하여 변경된 복합 레코드를 도시한 도면이다. 도 6b를 참고하면, 신체 데이터 분석 장치는 복합 레코드의 각 데이터를 기준값에 기초하여 구간으로 표현할 수 있다. 각 데이터가 기준값에 기초하여 표현되므로, 신체 데이터 분석 장치는 각 데이터 및 비만 정도 간의 관계를 보다 쉽게 파악할 수 있다.
도 5를 참고하면, 단계(540)에서, 일실시예에 따른 신체 데이터 분석 장치는 기준값에 따라 구별되는 복합 레코드간의 특징에 기초하여, 데이터 및 비만 정도간의 상관관계를 계산할 수 있다.
단계(541)에서, 일실시예에 따른 신체 데이터 분석 장치는 복합 레코드간의 특징에 기초하여, 복합 레코드간의 차이를 표현한 식별가능 행렬(discernibility matrix)을 생성할 수 있다. 도 7은 신체 데이터 분석 장치가 도 6b에 도시된 복합 레코드에 기초하여 생성한 식별가능 행렬을 도시한 도면이다. 이하에서는, 도 5의 동작을 도 6b 내지 도 7을 참고하여 보다 상세히 설명한다.
신체 데이터 분석 장치는 식별가능 행렬의 각 원소를 수학식 1에 기초하여 계산할 수 있다.
Figure 112015129470586-pat00001
수학식 1을 참고하면, Sk는 Sk 사용자를 의미한다. f(Sk,a)는 Sk 사용자의 a 데이터의 값을 의미한다. 도 6b를 참고하면, a = {HR, HF, LF, RSP, Mean HR, SDNN, rMSSD}이다. F는 복합 레코드로써, F = {사용자 ID, 성별, 나이, 측정 시작시간, HR, HF, LF, RSP, 측정 시작시간, Mean HR, SDNN, rMSSD, 비만 정도}이다.
결론적으로, 수학식 1에 기초하여, 두 복합 레코드 간에 구별되는 데이터의 종류가 출력된다. 앞서 설명한 바와 같이, 복합 레코드는 한 명의 사용자에 대응할 수 있으므로, 두 사용자간에 구별되는 데이터의 종류가 출력된다.
신체 데이터 분석 장치는 수학식 2가 참일 경우에만, 각 원소를 수학식 1에 기초하여 계산할 수 있다.
Figure 112015129470586-pat00002
수학식 2를 참고하면, ∧는 불리언 논리식의 AND 연산자, ∨는 불리언 논리식의 OR 연산자를 의미한다. ‘-‘ 및 ‘?’는 결측치로써, 각각 누락으로 발생된 결측치(unknown) 및 수집되지 않은 결측치(missing value)를 의미한다. f(Sk,d)는 Sk 사용자의 비만 정도를 의미한다.
결론적으로, 신체 데이터 분석 장치는 두 복합 레코드간의 비만 정도가 다르거나 또는 두 복합 레코드의 a 데이터가 결측치가 아닌 경우에만 수학식 1에 기초하여 원소를 계산한다. 데이터를 분석하는 과정에서 결측치가 제외되므로, 결측치를 예측하거나 또는 결측치를 포함하는 레코드를 완전히 삭제함으로써 발생하는 데이터의 왜곡을 최소화할 수 있다.
도 6b를 참고하면, S7 사용자의 HR 데이터 및 SDNN 데이터는 결측치임을 알 수 있다. 따라서, 신체 데이터 분석 장치는 S7 사용자와 다른 사용자를 비교할 때에, HR 데이터 및 SDNN 데이터를 비교하지 않는다. 또한, S7 사용자는 ‘중증도’로 분류되므로, 신체 데이터 분석 장치는 ‘중증도’로 분류되는 S1 사용자를 S7 사용자와 비교하지 않는다. 도 7을 참고하면, S1 사용자 및 S7 사용자 간의 원소에는 어떠한 값도 없음(x)을 알 수 있다.
이하에서는, 신체 데이터 분석 장치가 S7 사용자 및 S2 사용자를 비교하는 경우를 구체적으로 설명한다. 도 6b를 참고하면, S2 사용자의 Mean HR, SDNN, rMSSD 데이터는 결측치임을 알 수 있다. 따라서, 신체 데이터 분석 장치는 결측치인 HR, Mean HR, SDNN, rMSSD 데이터에 대해서는 비교를 수행하지 않는다. S2 사용자는 ‘증가’로 분류되므로, HF, LF, RSP 데이터는 수학식 2의 조건을 만족한다.
도 6b를 참고하면, S7 사용자 및 S2 사용자의 HF, LF, RSP 데이터가 서로 차이가 있음을 알 수 있다. 따라서, 도 7을 참고하면, 신체 데이터 분석 장치는 S7 사용자 및 S2 사용자 간의 원소를 ‘HF, LF, RSP’로 계산한다. 다른 예로써 도 6b를 참고하면, S2 사용자 및 S8 사용자를 비교하면, HR 데이터만 다름을 알 수 있다. 따라서 도 7을 참고하면, 신체 데이터 분석 장치는 S2 사용자 및 S8 사용자 간의 원소를 ‘HR’로 계산한다.
도 5를 참고하면, 단계(542)에서, 일실시예에 따른 신체 데이터 분석 장치는 식별가능 행렬을 분석함으로써, 복합 레코드 간의 차이를 생성하는 원인을 주항(prime implicants)의 형태로 추출할 수 있다. 보다 구체적으로, 신체 데이터 분석 장치는 수학식 3에 기초하여 주항을 추출할 수 있다.
Figure 112015129470586-pat00003
수학식 3을 참고하면, Sk 사용자의 주항은 Sk 사용자 및 St 사용자간의 식별가능 행렬의 원소에 기초하여 생성됨을 알 수 있다. 도 7을 참고하면, 신체 데이터 분석 장치는 S2 사용자에 대한 주항을 수학식 4와 같이 추출할 수 있다.
Figure 112015129470586-pat00004
수학식 4를 참고하면, 두 개의 주항 {HR, LF} 및 {HR, RSP}이 포함되며, {HR}은 필수주항(essential prime implicant)임을 알 수 있다. 필수 주항은 사용자의 필수 불가결한 특징으로 활용될 수 있다. 신체 데이터 분석 장치는 필수 주항을 추출할 수 있으므로, 다양한 데이터를 포함하는 고차원 데이터 중에서 유의미한 바이오 마커를 추출할 수 있다.
도 5를 참고하면, 단계(543)에서, 일실시예에 따른 신체 데이터 분석 장치는 추출한 주항 및 식별가능 행렬에 기초하여, 데이터 및 비만 정도간의 상관관계를 획득할 수 있다. 예를 들어, 신체 데이터 분석 장치는 도 6b에 도시된 S2 사용자의 데이터 및 수학식 4에 기초하여, 수학식 5의 형태의 상관관계를 획득할 수 있다.
Figure 112015129470586-pat00005
Figure 112015129470586-pat00006
일실시예에 따른 신체 데이터 분석 장치는 획득한 상관관계를 상관관계 데이터베이스에 저장할 수 있다. 획득된 상관관계는 사용자의 건강 상태를 추론하는데 사용될 수 있다. 또한, 신체 데이터 분석 장치는 다양한 데이터를 포함하는 고차원 데이터를 상관관계에 기초하여 차원을 축소할 수 있다.
상관관계는 새로운 복합 레코드 또는 신체에 대한 데이터를 분석하는데 사용될 수 있다. 일실시예에 따르면, 신체 데이터 분석 장치는 상관관계 및 사용자의 신체에 대한 데이터간의 유사성에 기초하여, 사용자의 질환 위험도를 추정할 수 있다. 예를 들어, 데이터의 HR 값이 93 이고 LF가 2.5인 경우, 신체 데이터 분석 장치는 다른 데이터가 없어도 사용자의 비만 정도가 ‘증가’인 것으로 판단할 수 있다. 신체 데이터 분석 장치는 판단한 비만 정도에 기초하여, 사용자의 질환 위험도를 추정할 수 있다.
일실시예에 따른 신체 데이터 분석 장치는 상관관계를 만족하는 복합 레코드의 개수에 기초하여, 상관관계의 신뢰도를 계산할 수 있다. 신체 데이터 분석 장치는 전체 복합 레코드 중에서 상관관계를 만족하는 복합 레코드의 개수 및 상관관계를 만족하지 않는 복합 레코드의 개수를 측정할 수 있다. 신체 데이터 분석 장치는 측정 결과에 기초하여, 신뢰도를 계산할 수 있다. 신체 데이터 분석 장치는 계산한 신뢰도를 상관관계 데이터베이스에 저장할 수 있다.
본 발명의 일실시예에 따르면, 상관관계는 사용자의 건강을 증진하는데 필요한 콘텐츠를 추천하는데 사용될 수 있다. 이하에서는, 사용자에게 콘텐츠를 추천하는 실시예를 구체적으로 설명한다.
도 8은 본 발명의 일실시예에 따른 콘텐츠 추천 장치가 수행하는 동작을 도시한 순서도이다.
단계(810)에서, 일실시예에 따른 콘텐츠 추천 장치는 사용자의 질환 위험도에 기초하여, 다른 사용자에게 콘텐츠를 추천한 이력을 검색할 수 있다. 콘텐츠 추천 장치는 사용자로부터 질환 위험도를 측정하기 위한 데이터를 입력받을 수 있다. 콘텐츠 추천 장치는 질환 위험도를 상관관계 데이터베이스에 기초하여 계산할 수 있다. 질환 위험도를 계산하는 상세한 동작은 도 5에서 설명한 바와 동일하다.
콘텐츠 추천 장치는 사례 데이터베이스를 이용하여, 이력을 검색할 수 있다. 사례 데이터베이스는 추천한 콘텐츠 및 콘텐츠를 추천 받은 사용자에 대한 정보가 결합된 이력 데이터를 포함할 수 있다. 콘텐츠 추천 장치는 사례 데이터베이스로부터, 유사한 질환 위험도를 가진 사용자에 대한 이력을 추출할 수 있다.
단계(820)에서, 일실시예에 따른 콘텐츠 추천 장치는 이력이 한 건도 존재하지 않는 경우, 단계(830)를 수행한다.
단계(830)에서, 일실시예에 따른 콘텐츠 추천 장치는 콘텐츠의 프로파일에 기초하여 사용자에게 추천할 콘텐츠를 검색할 수 있다. 일실시예에 따르면, 콘텐츠 추천 장치는 콘텐츠를 저장하는 콘텐츠 저장부를 포함할 수 있다. 콘텐츠 저장부는 콘텐츠 뿐만 아니라 콘텐츠에 대한 정보를 서술한 프로파일을 포함할 수 있다. 콘텐츠 저장부는 표 3의 포맷에 따라 작성된 프로파일을 포함할 수 있다.
필드 이름 내용
콘텐츠 분류 음성 | 음악 | (동)영상 | 게임 등
재생시간 hh:mm:ss 혹은 없음
저작권 분류 허용 | 영리금지 | 개작금지 | 영리 및 개작금지 등
콘텐츠 등급 전연령대 | 10대 | 20대 | 30대 | 40대 | 50대 등
서비스 대분류 건강 등
서비스 하위분류 정신 | 신체 | 환경 | 기타
부위 전신 | 머리 | 목 | 어깨 | 팔 | 등 | 허리 | 다리 등
강도 고강도 | 중강도 | 저강도
제약사항(옵션) 넓은 공간(거실 등) | 좁은 공간 | 없음
기타
프로파일은 표 3에 제시한 필드 외에도 콘텐츠의 사용에 관한 이력을 포함할 수 있다. 예를 들어, 프로 파일은 콘텐츠를 이용한 사용자의 성별, 연령, 콘텐츠 이용 시간대 및 콘텐츠 평가정보 중 적어도 하나를 포함할 수 있다.
콘텐츠 추천 장치는 프로파일에 기초하여, 추천할 콘텐츠를 선정할 수 있다. 단계(840)에서, 콘텐츠 추천 장치는 검색한 콘텐츠를 사용자에게 추천할 수 있다. 콘텐츠 추천 장치는 콘텐츠를 추천하면서, 콘텐츠 및 사용자에 대한 정보를 대응하여 이력 데이터를 생성할 수 있다. 콘텐츠 추천 장치는 생성된 이력 데이터를 사례 데이터베이스에 저장할 수 있다.
단계(820)에서, 일실시예에 따른 콘텐츠 추천 장치는 이력이 적어도 한 건 이상 검색된 경우, 단계(850)를 수행한다.
단계(850)에서, 일실시예에 따른 콘텐츠 추천 장치는 추천 사례 맵에 기초하여 사용자에게 추천할 콘텐츠를 선정할 수 있다. 콘텐츠 추천 장치는 검색된 이력을 이력에 기초하여 계산된 질환 위험도에 따라 확률 공간상에 배치함으로써, 추천 사례 맵을 생성할 수 있다. 추천 사례 맵은 도 9에서 보다 구체적으로 설명한다. 콘텐츠 추천 장치는 생성된 추천 사례 맵을 일정한 격자(grid) 공간으로 구분할 수 있다. 콘텐츠 추천 장치는 사용자가 어느 격자 공간에 포함되는지에 기초하여, 사용자에게 추천할 콘텐츠를 선정할 수 있다. 콘텐츠 추천 장치는 콘텐츠를 선정한 다음, 단계(840)로 진행하여 사용자에게 콘텐츠를 추천할 수 있다.
도 9는 본 발명의 일실시예에 따른 추천 사례 맵을 도시한 도면이다. 콘텐츠 추천 장치는 검색된 이력을 질환 위험도를 축으로 하는 확률 공간 상에 배치할 수 있다.
도 9를 참고하면, 콘텐츠 추천 장치는 추천 사례 맵의 X축을 활동량, 섭취한 음식과 같은 신체적 건강 상태에 대한 레코드에 기초하여 계산된 질환 위험도로 설정할 수 있다. 콘텐츠 추천 장치는 추천 사례 맵의 Y축을 맥파, 호흡 및 심전도와 같은 자율 신경계에 대한 레코드에 기초하여 계산된 질환 위험도로 설정할 수 있다. 콘텐츠 추천 장치는 설정한 X축 및 Y축에 기초하여 이력을 확률 공간상에 배치할 수 있다.
더 나아가서, 콘텐츠 추천 장치는 사용자의 질환 위험도에 기초하여 사용자를 확률 공간상에 배치할 수 있다. 콘텐츠 추천 장치는 확률 공간 상에 사용자와 인접한 이력을 탐색할 수 있다. 콘텐츠 추천 장치는 인접한 이력에 기초하여, 사용자에게 콘텐츠를 추천할 수 있다.
일실시예에 따른 콘텐츠 추천 장치는 축으로 설정된 데이터에 기초하여, 확률 공간을 일정한 격자 공간으로 분할할 수 있다. 도 9를 참조하면 9개의 격자 공간이 파선으로 구분되어 도시된다. 콘텐츠 추천 장치는 사용자가 포함된 격자 공간에 기초하여, 사용자에게 콘텐츠를 추천할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 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 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 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 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100 : 신체 데이터 처리 장치
101 : 데이터 수집부
102 : 레코드 생성부
110 : 라이프-로그 데이터베이스
111 : 상관관계 데이터베이스
120 : 신체 데이터 분석 장치
121 : 비만 정도 결정부
122 : 복합 레코드 생성부
123 : 기준값 계산부
124 : 상관관계 계산부
125 : 상관관계 평가부

Claims (5)

  1. 콘텐츠 추천 장치가 수행하는 콘텐츠 추천 방법에 있어서,
    상기 콘텐츠 추천 장치가 사용자의 질환 위험도에 기초하여, 다른 사용자에게 콘텐츠를 추천한 이력을 검색하는 단계;
    상기 콘텐츠 추천 장치가 상기 질환 위험도와 유사한 질환 위험도를 가진 다른 사용자에 대한 상기 이력에 기초하여, 상기 사용자에게 콘텐츠를 추천하는 단계
    를 포함하고,
    상기 질환 위험도는,
    상기 사용자의 신체에 대한 데이터로부터 생성된 복합 레코드 및 상기 사용자의 비만 정도 간의 상관 관계에 기초하여 결정되고,
    상기 복합 레코드는,
    (1) 일정 기간 내에 생성된 상기 사용자에 대한 레코드 및 (2) 상기 데이터로부터 결정된 상기 사용자의 비만 정도를 병합하여 생성되고,
    상기 복합 레코드에 병합되는 레코드는,
    미리 설정된 기준값에 기초하여 상기 데이터를 구간으로 변경한 값을 포함하고,
    상기 상관 관계는,
    서로 다른 비만 정도를 가지는 사용자들의 복합 레코드에 포함된 구간을 서로 비교한 결과에 기초하여 결정되고,
    상기 기준값에 따라 구별되는 상기 복합 레코드간의 특징에 따라 상기 복합 레코드간의 차이를 표현한 식별가능 행렬(discernibility matrix)에 기초하여, 불리언 논리식 형태로 계산되는 콘텐츠 추천 방법.
  2. 제1항에 있어서,
    상기 콘텐츠를 추천하는 단계는,
    상기 이력에 대응하는 상기 다른 사용자의 신체에 대한 데이터에 기초하여, 상기 이력을 확률 공간상에 표현한 추천 사례 맵을 생성하는 콘텐츠 추천 방법.
  3. 제1항에 있어서,
    상기 콘텐츠를 추천하는 단계는,
    상기 콘텐츠의 프로파일에 기초하여, 상기 사용자에게 콘텐츠를 추천하는 콘텐츠 추천 방법.
  4. 콘텐츠를 저장하는 콘텐츠 저장부;
    상기 콘텐츠 저장부에 저장된 상기 콘텐츠를 검색 및 제공하는 콘텐츠 제공부;
    사용자의 질환 위험도를 추정하는 질환 위험 추정부;
    사용자에게 콘텐츠를 추천한 이력을 저장하는 사례 데이터 베이스; 및
    상기 질환 위험도 및 상기 이력에 기초하여, 상기 사용자에게 콘텐츠를 추천하는 콘텐츠 추천부
    를 포함하고,
    상기 질환 위험도는,
    상기 사용자의 신체에 대한 데이터로부터 생성된 복합 레코드 및 상기 사용자의 비만 정도 간의 상관 관계에 기초하여 결정되고,
    상기 복합 레코드는,
    (1) 일정 기간 내에 생성된 상기 사용자에 대한 레코드 및 (2) 상기 데이터로부터 결정된 상기 사용자의 비만 정도를 병합하여 생성되고,
    상기 복합 레코드에 병합되는 레코드는,
    미리 설정된 기준값에 기초하여 상기 데이터를 구간으로 변경한 값을 포함하고,
    상기 상관 관계는,
    서로 다른 비만 정도를 가지는 사용자들의 복합 레코드에 포함된 구간을 서로 비교한 결과에 기초하여 결정되고,
    상기 기준값에 따라 구별되는 상기 복합 레코드간의 특징에 따라 상기 복합 레코드간의 차이를 표현한 식별가능 행렬(discernibility matrix)에 기초하여, 불리언 논리식 형태로 계산되는 콘텐츠 추천 장치.
  5. 제4항에 있어서,
    상기 콘텐츠 저장부는,
    상기 콘텐츠에 대한 프로파일을 저장하고,
    상기 프로파일은,
    상기 콘텐츠의 내용과 관련된 신체 부위, 제약 사항, 난이도 중 적어도 하나를 포함하는 콘텐츠 추천 장치.
KR1020150191493A 2015-12-31 2015-12-31 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법 KR101876618B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150191493A KR101876618B1 (ko) 2015-12-31 2015-12-31 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150191493A KR101876618B1 (ko) 2015-12-31 2015-12-31 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170080195A KR20170080195A (ko) 2017-07-10
KR101876618B1 true KR101876618B1 (ko) 2018-07-09

Family

ID=59356359

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150191493A KR101876618B1 (ko) 2015-12-31 2015-12-31 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101876618B1 (ko)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090026967A (ko) * 2007-09-11 2009-03-16 삼성전자주식회사 생체 신호 및 증상 정보에 기반한 건강관리 프로그램서비스 제공 시스템 및 방법
KR20130000078A (ko) * 2011-06-22 2013-01-02 (주)솔트웍스 의료 정보 제안 시스템의 정보 처리 방법
KR20140093795A (ko) * 2013-01-16 2014-07-29 에스케이플래닛 주식회사 컨텐츠 추천 서비스 시스템 및 컨텐츠 추천 서비스 방법
KR101510600B1 (ko) * 2014-11-11 2015-04-08 국민건강보험공단 빅데이터 개인 건강 기록 시스템
KR20150061700A (ko) * 2013-11-27 2015-06-05 포항공과대학교 산학협력단 컨텐츠 추천 시스템을 위한 사용자 프로파일링 방법 및 장치
KR20150068688A (ko) * 2013-12-12 2015-06-22 서울대학교병원 헬스케어 서비스 제공 방법 및 이를 위한 장치들
KR20150078236A (ko) * 2013-12-30 2015-07-08 주식회사 케이티 개인 건강관리 방법 및 시스템
KR20150113429A (ko) * 2014-03-28 2015-10-08 포항공과대학교 산학협력단 컨텐츠 추천 방법 및 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090026967A (ko) * 2007-09-11 2009-03-16 삼성전자주식회사 생체 신호 및 증상 정보에 기반한 건강관리 프로그램서비스 제공 시스템 및 방법
KR20130000078A (ko) * 2011-06-22 2013-01-02 (주)솔트웍스 의료 정보 제안 시스템의 정보 처리 방법
KR20140093795A (ko) * 2013-01-16 2014-07-29 에스케이플래닛 주식회사 컨텐츠 추천 서비스 시스템 및 컨텐츠 추천 서비스 방법
KR20150061700A (ko) * 2013-11-27 2015-06-05 포항공과대학교 산학협력단 컨텐츠 추천 시스템을 위한 사용자 프로파일링 방법 및 장치
KR20150068688A (ko) * 2013-12-12 2015-06-22 서울대학교병원 헬스케어 서비스 제공 방법 및 이를 위한 장치들
KR20150078236A (ko) * 2013-12-30 2015-07-08 주식회사 케이티 개인 건강관리 방법 및 시스템
KR20150113429A (ko) * 2014-03-28 2015-10-08 포항공과대학교 산학협력단 컨텐츠 추천 방법 및 장치
KR101510600B1 (ko) * 2014-11-11 2015-04-08 국민건강보험공단 빅데이터 개인 건강 기록 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
최희경. "10년 내 동맥경화성 심혈관 질환 위험도와 비만 지표의 상관성: 2010년도 국민건강영양조사 자료를 이용하여". 경북대학교 석사논문, 2014.06.30. 공개. 1부. *

Also Published As

Publication number Publication date
KR20170080195A (ko) 2017-07-10

Similar Documents

Publication Publication Date Title
US10950335B2 (en) Health tracking device
Staudenmayer et al. Methods to estimate aspects of physical activity and sedentary behavior from high-frequency wrist accelerometer measurements
Righini et al. The Simplified Pulmonary Embolism Severity Index (PESI): validation of a clinical prognostic model for pulmonary embolism
US20170300655A1 (en) Apparatus and methodologies for personal health analysis
Becker et al. ICU scoring systems allow prediction of patient outcomes and comparison of ICU performance
Sarker et al. From markers to interventions: The case of just-in-time stress intervention
US20170329918A1 (en) Internet of things based monitoring and assessment platform
US20230233152A1 (en) Methods, apparatus and systems for adaptable presentation of sensor data
US20210345896A1 (en) Heart Rate Variability Monitoring and Analysis
TWI510948B (zh) Health activity plan establishment system, establishment method and computer program product
KR101330404B1 (ko) 맥파를 이용한 건강 상태 판단 장치 및 방법
KR101876618B1 (ko) 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법
KR101935583B1 (ko) 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법
KR101847250B1 (ko) 사용자의 신체에 대한 데이터를 활용하는 장치 및 방법
CN113168918A (zh) 作成健康定位映射及健康函数的方法、系统及程序、以及它们的使用方法
Karimi Moridani An automated method for sleep apnoea detection using HRV
Reisner et al. Automatically-computed prehospital severity scores are equivalent to scores based on medic documentation
Hansen et al. Accuracy of a clinical applicable method for prediction of VO2max using seismocardiography
KR102555479B1 (ko) 국민건강보험 검진 데이터를 이용한 심혈관질환 발병 예측 방법 및 그 장치
CN108600361B (zh) 一种体育活动监测方法及系统
KR20130026845A (ko) 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법
US20230238137A1 (en) Information processing apparatus, information processing method, and information processing program
US20230210503A1 (en) Systems and Methods for Generating Menstrual Cycle Cohorts and Classifying Users into a Cohort
KR102562774B1 (ko) 질병 발생 위험도를 효율적으로 개선 가능한 우선순위 행동 가이드를 제공하는 건강 관리 방법 및 이를 수행하는 전자 장치
KR20230030688A (ko) 운동 처방 알고리즘을 이용한 운동 처방 방법 및 그 시스템

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
GRNT Written decision to grant