KR102133943B1 - 시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치 - Google Patents

시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치 Download PDF

Info

Publication number
KR102133943B1
KR102133943B1 KR1020200005850A KR20200005850A KR102133943B1 KR 102133943 B1 KR102133943 B1 KR 102133943B1 KR 1020200005850 A KR1020200005850 A KR 1020200005850A KR 20200005850 A KR20200005850 A KR 20200005850A KR 102133943 B1 KR102133943 B1 KR 102133943B1
Authority
KR
South Korea
Prior art keywords
senior
health
image
health care
value
Prior art date
Application number
KR1020200005850A
Other languages
English (en)
Inventor
황보택근
윤경목
최규남
Original Assignee
가천대학교 산학협력단
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 가천대학교 산학협력단 filed Critical 가천대학교 산학협력단
Priority to KR1020200005850A priority Critical patent/KR102133943B1/ko
Application granted granted Critical
Publication of KR102133943B1 publication Critical patent/KR102133943B1/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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

본 발명의 일 실시예는. 시니어의 생활공간에서 시니어 건강을 위한 홈 헬스케어 제공방법을 제공함에 있어서, 관리자는 시니어의 생활공간에 설치 된 영상인식기기와 음성인식기기를 통하여 시니어들의 병원방문 없이도 현재 건강이상 여부를 확인할 수 있고, 서버로부터 시니어의 이상행동 및 반복행동에 대한 정보를 전송 받아 시니어의 신체 건강에 이상 여부를 확인 할 수 있다. 또한 서버로부터 시니어의 음성신호의 분석정보를 전송 받아 시니어의 우울증 혹은 파킨슨병과 같은 정신질환 이상여부에 대해서도 확인을 할 수 있으므로, 시니어들의 불필요한 병원 방문을 줄일 수 있다. 시니어들의 신체 건강 이상 또는 정신질환인 노인 우울증 및 파킨슨병을 예방하여 시니어의 건강한 노년 생활을 추구할 수 있다.

Description

시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치 {DEVICES AND METHODS FOR PROVIDING HOME HEALTH CARE FOR SENIOR HEALTH}
본 발명은 시니어 건강을 위한 홈 헬스케어 제공 방법에 관한 것으로서, 보다 상세하게는, 시니어의 생활공간에서 시니어의 행동과 음성을 분석하여 건강이상 여부를 판단하고, 노인 우울증 및 파킨슨병을 예방하여 시니어의 건강한 노년 생활을 위한 홈 헬스케어 방법에 관한 것이다
최근 우리나라는 기대 수명의 증가와 저 출산의 영향으로 고령화가 빠른 속도로 진행 되고 있다. 우리나라의 65세 이상의 노인인구는 2015년 전체 인구의 13.1%로 이미 고령화 사회에 진입한 상태이고, 2020년에는 15.7%, 2030년에는 24.3%까지 증가하여 초고령화 사회에 진입하게 될 것으로 예상되고 있다.
100세 시대가 도래하면서 노인들이 만족스럽고 행복한 노후가 보장되는 삶을 살아야 하는데 노년기에 겪게 되는 신체, 심리, 사회적 제반 문제를 노인들이 혼자 극복하기는 쉽지 않다. 인구의 고령화는 노인인구의 건강문제를 수반하는데, 이 중 노년기의 대표적인 정신장애인 우울 증상은 유병율이 높은 질환이다.
우리나라 에서 실시된 전국단위의 정신질환 역학조사에서 2011년을 기준으로 65세 이상 노인의 29.2%가 심각한 수준의 우울 증상을 지니고 있는 것으로 조사되었다. 우울 증상은 신체적인 건강과 삶의 만족도에 부정적인 영향을 미치면서 많은 사회적 문제를 야기한다는 점에서 많은 관심이 필요한 사회문제이다. 특히 노인의 우울 증상은 개인의 삶의 질 저하를 가져올 뿐만 아니라 인지기능의 장애와 치매로까지 진행 될 수 있으며 자살의 원인이 될 수 있는 심리적인 상태이자 질환이다.
또한 연령이 중요한 발병요인의 하나로 밝혀진 파킨슨병은 전체 연령에서 발병한 파킨슨병 발생률에 비해 60세 이상에서 약 4 배 정도가 많았으며, 해마다 발생률이 증가하여 연평균 60세 이상 파킨슨병 발생률의 증가율은 약 8.0%이다. 이렇듯 파킨슨병은 노인에게 가장 흔한 만성 퇴행성 신경계 질환으로 초 고령사회로 다가서며 노인독거가구가 급증하고 있는 현 시점에서 주목해야 할 건강문제이다.
(특허문헌 1) 대한민국 공개특허공보 제 10-2010-0025769호 (발명의 명칭: 원격 건강 모니터링 시스템)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 시니어가 생활하는 공간에서 병원을 방문하지 않고 시니어의 영상정보와 음성신호를 통하여 시니어의 신체 건강이상과 정신질환 여부를 판단하고, 시니어의 건강한 노년 생활과 시니어의 삶의 만족도를 향상 시키는 것을 목적으로 한다.
또한 상술한 목적을 달성하기 위해, 시니어의 생활공간에 설치 된 영상인식기기 및 마이크가 시니어의 행동과 음성신호를 인식하여 획득한 정보를 서버로 전송하되, 서버는 전송 받은 정보를 통해 시니어의 건강 이상여부를 판단하는 것을 목적으로 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 서버에 의해 수행되는 시니어 건강을 위한 홈 헬스케어 제공방법은 (a) 연령을 기준으로 규정되는 시니어 레벨에 대한 데이터베이스와 대상 시니어의 식별정보를 포함한 개인정보를 수집하는 단계; (b) 시니어가 생활하는 공간에 설치 된 적어도 하나의 영상인식기기로부터 촬영된 이미지를 수집하는 단계; (c) 상기 이미지를 통하여 객체를 식별한 후, 상기 식별된 객체들 중 각 시니어를 식별하고, 상기 영상인식기기를 통해 촬영된 이미지를 저장하되, 각 시니어의 행동에 대한 이미지를 저장하는 단계; (d) 상기 시니어의 행동에 대한 이미지를 분석하여, 각 시니어의 행동이 이상행동이거나 반복행동인 경우, 이미지 캡션모델을 통한 라벨링을 수행하고 저장하는 단계; 및 (e) 라벨링 된 상기 이미지를 통하여 시니어의 현재 건강 이상여부를 판단하고, 관리자 단말로 알림을 제공하는 단계;를 포함할 수 있다.
또한, (a-1) 상기 (a) 단계 전에, 사람의 음성신호에 대한 학습데이터를 구축한 후, 입력 값을 상기 학습데이터 내 복수의 음성신호의 특징 값으로 설정하고, 출력 값을 상기 학습데이터 내 우울정도에 대한 수치로 설정하여 NEWFM(Neural Network with Weighted Fuzzy Membership functions) 알고리즘을 수행함으로써 우울증 예측모델을 구축하는 단계를 더 포함할 수 있다.
또한, 상기 (a)단계 이후에, 상기 서버는 시니어가 생활하는 공간에 설치 된 마이크를 통해 시니어의 음성신호를 입력을 받은 후, 기 설정 된 음성분석 알고리즘을 통하여 복수의 음성신호의 특징 값을 추출하고, 추출된 특징 값을 상기 우울증 예측모델에 입력함으로써, 상기 시니어의 우울정도를 판단하는 단계를 더 포함할 수 있다.
또한, 상기 복수의 음성신호 특징 값은 음성신호의 피치(Pitch)에 대한 중간 값, 최대값, 최소값 및 음성신호를 구성하는 펄스의 개수를 포함할 수 있다.
또한, 시니어의 우울정도를 나타내는 수치가 기 설정된 수치 이상을 기록 한 경우, 추가적인 ECG (ElectroCardioGram)검사를 수행하여, 상기 수치를 보정하는 단계를 더 포함한다.
또한, 시니어의 우울정도 수치 보정은ECG (ElectroCardioGram)검사를 통하여 상기 시니어의 HRV(심박변이도: Heart Rate Variability)를 측정하고 이를 바탕으로 측정된 RSA(호흡동성부정맥: Respiratory Sinus Arrhythmia)를 산출하여, 상기 HRV와 RSA를 기반으로 상기 시니어의 우울정도를 보정한다.
또한, 상기 (a-1) 단계는, 입력 값을 상기 학습데이터 내 복수의 음성신호를 특징 값으로 설정하고, 출력 값을 파킨슨병에 해당여부에 대한 값으로 설정하여 ZNN(Zeroing Neural Network) 알고리즘을 수행함으로써, 파킨슨병 예측모델을 구축하는 단계를 더 포함할 수 있다.
또한, 상기 (a)단계 이후에, 상기 서버는 시니어가 생활하는 공간에 설치 된 마이크를 통해 시니어의 음성신호를 입력을 받은 후, 기 설정 된 음성분석 알고리즘을 통하여 복수의 음성신호의 특징 값을 추출한다.
추출된 특징 값을 상기 파킨슨병 예측모델에 입력함으로써, 상기 시니어의 파킨슨병 해당여부를 확인하는 단계를 더 포함할 수 있다.
또한, 상기 (c) 단계는 안면인식 프로그램을 이용하여 상기 저장된 이미지로부터 시니어를 식별한다.
또한, 시니어를 식별 한 후 상기 시니어를 개인별로 분류하여 상기 이미지를 저장한다.
또한, 상기 영상인식기기를 통해 식별 된 시니어의 상기 시니어 레벨에 따른 컨텐츠 프로그램을 제공하는 단계를 더 포함 할 수 있다.
또한, 상기 (c) 단계는 상기 시니어를 식별한 이미지를 Action Classification Model을 통해 분류하여 저장한다.
또한, 상기 (c) 단계는 상기 분류하여 저장 된 이미지를 Sentence Analyzer모델을 통해 관련성 있는 행동을 갖는 연속적인 이미지들을 매칭하여 연속적인 저장 한다.
또한, 상기 시니어가 생활하는 공간에 온도, 습도를 포함한 대기환경을 제어할 수 있는 환경제어시스템을 통하여 상기 시니어 레벨과 상기 현재 건강 이상여부에 따라 자동으로 컨트롤 하는 단계를 더 포함할 수 있다.
또한, 상기 환경제어시스템은 상기 시니어가 특정 어플리케이션 또는 프로그램이 설치 된 시니어 개인 단말 또는 관리자가 제공하는 단말을 이용하여 온도, 습도를 포함한 대기환경을 임의로 설정 할 수 있다. 또한, 상기 (d) 단계는, 각 이미지간의 픽셀 값 차이를 기반으로 시니어의 움직임 벡터를 추출하고 상기 움직임 벡터의 X축, Y축값이 MVx, MVy 라고 할 때,
Figure 112020005036347-pat00001
을 통해 상기 직임 벡터의 크기(psMVz)를 추출하고,
Figure 112020005036347-pat00002
을 통해 상기 움직임 벡터의 방향(θ)을 파악하고, 상기 움직임 벡터의 크기와 상기 움직임 벡터의 방향을 기반으로 이미지 내 상기 시니어의 폭(W)과 높이(H)를 추출하고,
Figure 112020005036347-pat00003
을 통하여 상기 시니어의 두드러진 움직임(Ar)을 추출하여, 상시 시니어가 누운 상태 또는 앉은 상태 인지 판단하여, 상기 이상행동 또는 반복행동 판단 시에 고려할 수 있다.
또한, 시니어 건강을 위한 홈 헬스케어 제공시스템은 시니어가 생활하는 공간에 설치 된 적어도 하나의 영상인식기기; 및 서버를 포함하고 상기 서버는 연령을 기준으로 규정되는 시니어 레벨에 대한 데이터베이스와 대상 시니어의 식별정보를 포함한 개인정보를 수집하고, 서버는 상기 영상인식기기로부터 촬영된 이미지를 수집하고 이미지를 통하여 객체를 식별한 후, 상기 식별된 객체들 중 각 시니어를 식별하고, 상기 영상인식기기를 통해 촬영된 이미지를 저장하되, 각 시니어의 행동에 대한 이미지를 저장하고, 상기 시니어의 행동에 대한 이미지를 분석하고, 각 시니어의 행동이 이상행동이거나 반복행동인 경우, 이미지 캡션모델을 통한 라벨링을 수행하고 저장하고 라벨링 된 상기 이미지를 통하여 시니어의 현재 건강 이상여부를 판단하고, 관리자 단말로 알림을 제공하는 시니어 건강을 위한 홈 헬스케어 제공 할 수 있다.
또한, 시니어 건강을 위한 홈 헬스케어 제공방법을 수행하는 프로그램이 기록된 컴퓨터 판독가능 기록매체를 포함할 수 있다.
본 발명은 시니어가 생활하는 공간에서 병원을 방문하지 않고 시니어의 영상정보와 음성신호를 통하여 시니어의 정신질환 여부를 판단하고, 병원 혹은 보호자에게 이상징후를 알림으로써, 노인 우울증과 파킨슨병에 대한 빠른 처치와 예방이 가능하게 되어 시니어의 건강한 노년 생활과 시니어의 삶의 만족도를 향상 시킬 수 있다.
도 1은 본 발명의 일 실시예에 따르는 시스템의 구성도 이다.
도 2는 본 발명의 일 실시예에 따르는 서버의 구성에 대한 도면이다.
도3은 본 발명의 일 실시예에 따르는 시스템의 동작 흐름을 설명하기 위한 순서도이다.
도4는 본 발명의 일 실시예에 따르는 우울증 예측모델 구축 및 동작 흐름을 설명하기 위한 순서도이다.
도 5는 본 발명의 일 실시예에 따르는 파킨슨병 예측모델 구축 및 동작 흐름을 설명하기 위한 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하에서 언급되는 "사용자 단말"은 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), VR HMD(예를 들어, HTC VIVE, Oculus Rift, GearVR, DayDream, PSVR 등)등을 포함할 수 있다. 여기서, VR HMD 는 PC용 (예를 들어, HTC VIVE, Oculus Rift, FOVE, Deepon 등)과 모바일용(예를 들어, GearVR, DayDream, 폭풍마경, 구글 카드보드 등) 그리고 콘솔용(PSVR)과 독립적으로 구현되는 Stand Alone 모델(예를 들어, Deepon, PICO 등) 등을 모두 포함한다. 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 스마트폰(smart phone), 태블릿 PC, 웨어러블 디바이스뿐만 아니라, 블루투스(BLE, Bluetooth Low Energy), NFC, RFID, 초음파(Ultrasonic), 적외선, 와이파이(WiFi), 라이파이(LiFi) 등의 통신 모듈을 탑재한 각종 디바이스를 포함할 수 있다. 또한, "네트워크"는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
이하, 도 1을 참조하여 본 발명의 일 실시예에 따르는, 서버(300)에 의해 수행되는 시니어 건강을 위한 홈 헬스케어 제공방법에 대해 구체적으로 설명한다.
본 발명의 일 실시예에 따르는, 시스템(10)은 영상인식기기(100), 음성인식기기(200), 서버(300), 관리자단말(400)을 포함할 수 있다.
영상인식기기(100)는 장치 내의 통신 모듈을 이용하여 서버(300)에 이미지를 전송할 수 있으며, 관리자단말(400)로도 이미지를 전송 할 수 있다.
적어도 하나의 영상인식기기(100)는 시니어의 생활공간에서 시니어의 행동반경 내에 설치가 될 수 있으며, 생활공간의 형태와 크기에 따라서 다른 위치에 설치 될 수 있다.
또한, 영상인식기기(100)는 카메라 형태의 기기일 수도 있고, 특정 프로그램 또는 어플리케이션이 설치 된 사용자 단말일 수 있다.
음성인식기기(200)는 장치 내의 통신 모듈을 이용하여 서버(300)에 음성신호를 전송할 수 있으며, 음성인식기기(200)는 마이크 형태의 기기일 수고 있고, 특정 프로그램 또는 어플리케이션이 설치 된 사용자 단말일 수 있다.
적어도 하나의 음성인식기기(200)는 시니어의 생활공간에서 시니어의 행동반경 내에 설치 될 수 있으며, 생활공간의 형태와 크기에 따라 설치 위치가 변경 될 수 있다.
서버(300)는 시니어의 건강을 위한 홈 헬스케어를 제공하는 프로그램(또는 어플리케이션)이 저장된 메모리, 위 프로그램을 실행하는 시니어정보 저장부(310), 이상행동 판단부(320), 정신질환 판단부(330), 환경시스템 제어부(340)를 포함하는 프로세서들이 포함되어 있다.
서버(300)는 영상인식기기(100)로부터 시니어를 식별한 후, 시니어 레벨에 맞는 프로그램을 제공할 수 있다.
제공되는 프로그램은 시니어 신체 건강을 위한 트레이닝 프로그램과 시니어의 정신 건강을 위한 프로그램 그리고 시니어의 개인 정보를 바탕으로 시니어의 관심분야에 대한 영상 혹은 체험 프로그램과 시니어의 활동을 유도하기 위한 VR 프로그램을 포함 할 수 있다.
서버(300)는 시니어 영상인식기기(100)로부터 시니어의 행동에 대한 이미지를 전송 받을 수 있고, 음성 인식기기로부터 시니어의 음성신호를 전송 받을 수 있다.
전송 받은 행동 이미지와 음성신호를 이용하여 시니어의 건강이상 여부를 판단하고, 이상이 있을 경우 관리자단말(400)을 통하여 알림을 제공한다.
관리자단말(400)은 특정 프로그램 또는 어플리케이션이 설치 된 단말로 서버(300) 또는 영상인식기기(100)로부터 정보를 전송 받을 수 있다.
서버(300)로부터 시니어의 행동이 이상이 있을 경우에 시니어의 이상행동 또는 반복행동에 대한 알림이나 시니어의 우울증, 파킨슨병 여부에 대한 알림을 제공 받을 수 있다.
이하 도2를 참조하여, 본 발명의 일 실시예를 따르는, 시니어의 건강을 위한 홈 헬스케어를 제공하는 서버(300)에 대하여 구체적으로 설명한다.
서버(300)는 시니어정보 저장부(310), 이상행동 판단부(320), 정신질환 판단부(330), 환경시스템 제어부(340) 등으로 구성되어 있다.
서버(300)는 시니어의 생활공간에 설치 된 적어도 하나의 영상인식기기(100)로부터 시니어의 이미지 정보를 입력 받아 시니어정보 저장부(310)를 통하여 시니어를 식별한다.
식별 된 시니어의 이미지 정보는 이상행동 판단부(320)를 통하여 시니어의 행동이 이상행동 또는 반복행동인지 판단하되, 이상행동 또는 반복행동인 경우에는 관리자단말(400) 또는 보호자에게 시니어의 이상행동에 대한 알림을 전송할 수 있다.
또한, 시니어의 생활공간에 설치 된 적어도 하나의 음성인식기기(200)로부터 시니어의 음성신호를 입력 받아 시니어정보 저장부(310)를 통하여 시니어를 식별한다.
식별 된 시니어의 음성신호는 정신질환 판단부(330)를 통해 시니어의 정신건강 이상 여부를 판단하고 이상이 있을 경우 관리자단말(400) 또는 보호자에게 알림을 제공할 수 있다.
시니어정보 저장부(310)는 시니어의 식별 정보를 포함한 개인정보를 저장하며, 영상인식기기(100) 또는 음성인식기기(200)로부터 입력 받은 이미지 정보와 음성신호를 통하여 시니어를 식별할 수 있다.
시니어의 개인정보는 시니어의 보호자에 대한 정보를 포함하고 대상 시니어의 사진, 생년월일, 개인 식별정보들과, 시니어의 과거 업무경력 및 관심분야, 취미 등을 포함 할 수 있다.
또한, 개인 민감 정보인 시니어의 가족병력, 과거병력, 현재병력 및 추후 예상되는 질병에 대한 정보를 더 포함 할 수 있다.
또한, 시니어정보 저장부(310)는 영상인식기기(100)를 통해 촬영된 시니어의 이미지를 이용하여 시니어를 식별하고 해당 시니어의 이미지를 저장하며, 각 시니어의 행동에 대한 이미지를 분류하여 저장한다.
시니어를 식별한 이미지는 Action Classification Model을 통해 분류하여 저장할 수 있다.
분류되어 저장 된 이미지를 Sentence Analyzer모델을 통해 관련성 있는 행동을 갖는 연속적인 이미지들을 매칭하여 연속적인 이미지를 저장할 수 있다.
이상행동 판단부(320)는 시니어정보 저장부(310)에 저장 되어 있는 시니어의 행동에 대한 이미지를 분석하여 각 시니어의 행동이 이상행동 이거나 반복행동인 경우, 이미지 캡션 모델을 통하여 라벨링을 수행하고 라벨링 된 이미지 정보를 저장할 수 있다.
라벨링 된 이미지를 통하여 시니어의 현재 건강 이상여부를 판단하고, 이상이 있을 경우에는 관리자단말(400)로 알림을 제공해 줄 수 있다.
예를 들면 시니어의 걸음걸이가 부자연스럽거나 또는 누워있는 상태가 일정 시간 이상을 경과한 경우 이상행동 판단부(320)는 시니어의 행동이 이상행동으로 판단한다.
이상행동으로 판단 된 시니어의 행동은 이미지 정보를 캡션 모델을 통하여 이미지정보를 라벨링하여 저장하고, 관리자단말(400) 또는 보호자에게 알림을 전송하여 확인을 요청할 수 있다.
정신질환 판단부(330)는 시니어정보 저장부(310)에 저장 된 시니어의 음성신호 정보를 이용하여 우울증 예측모델과 파킨슨병 예측모델에 입력하고 시니어가 정신 건강에 이상이 있는지 여부를 판단한다.
시니어의 정신건강에 이상이 있는 경우, 관리자단말(400) 또는 보호자에게 알림을 제공해 줄 수 있다.
서버(300)는 환경시스템 제어부(340)를 통하여 시니어의 생활 공간에 환경을 시니어 레벨 및 시니어의 건강 상태에 따라 생활 환경을 설정 할 수 있다.
환경시스템 제어부(340)는 시니어가 생활하는 생활 공간의 온도, 습도를 포함한 대기환경을 시니어 레벨과 시니어의 현재 건강 이상여부에 따라 자동으로 컨트롤 할 수 있다.
또한, 시니어가 특정 어플리케이션 또는 프로그램이 설치 된 시니어의 개인 단말 또는 관리자가 제공해주는 단말로 임의로 생활하는 생활 공간의 온도, 습도를 포함한 대기환경을 설정할 수도 있다.
또한, 시니어의 개인 단말 또는 관리자가 제공해주는 단말에는 챗봇 시스템이 설치 되어 있어, 시니어는 음성으로 챗봇과 대화를 통하여 시니어가 생활하는 생활 공간의 온도, 습도를 포함한 대기환경을 임의로 설정할 수도 있다.
도3을 참조하여 본 발명의 실시예에 따르는 서버(300)에 의해 수행하는 시니어 건강을 위한 홈 헬스케어 시스템의 동작 흐름을 설명하기 위한 도면이다.
서버(300)는 시니어 레벨에 대한 데이터베이스 및 시니어의 식별정보를 포함한 개인정보를 수집한다. (S710)
시니어의 개인정보는 시니어의 보호자에 대한 정보와 시니어의 가족병력, 과거병력, 현재병력 및 추후 예상되는 질병에 대한 정보를 포함한다.
시니어의 생활공간에 설치 된 적어도 하나의 영상인식기기(100)가 시니어의 이미지를 수집하여 서버(300)로 전송을 한다. (S720)
전송 된 이미지는 시니어정보 저장부(310)를 통해 시니어를 식별하고, 각 시니어 별 행동에 대한 이미지를 저장한다. (S730)
시니어정보 저장부(310)는 영상인식기기(100)를 통해 입력 된 이미지에서 활동 지수가 있는 객체를 식별하고 안면인식 프로그램을 이용하여 시니어를 식별 할 수 있다.
식별 된 시니어의 이미지는 시니어 별로 분류하여 저장 할 수 있다.
분류 된 시니어 별 행동 이미지는 이상행동 판단부(320)를 통해 이미지를 분석하여 시니어의 행동이 이상행동 또는 반복행동인지 대한 판단할 수 있다. (S740)
이상행동 판단부(320)는 움직임 추정 알고리즘을 이용하여 시니어의 행동 이미지에서 시니어의 움직임을 추정한다.
입력 된 이미지에서 움직임 추정 알고리즘을 이용하여 이동하는 객체의 움직임 벡터 값을 추출하고, 배경과 구별되는 객체의 흐름을 검출한다.
움직임 벡터란 움직임을 추정하였을 때 이동 된 거리를 벡터로 나타낸 것으로 본 시스템의 경우 해상도를 1280 X 720 를 기준으로 하였을 때, 16 X 16 블록에 대한 움직임 벡터 값을 추출하기 때문에 X와 Y의 움직임 벡터는 80(X축), 45(Y축) 개의 제곱인 총 3600개의 움직임 벡터 값이 나온다. 이때 저장되는 변수를 MVz 라고 하면, MVz[X][Y]의 형태로 나타낼 수 있고, 아래 수학식1로 표현 할 수 있다.
[수학식1]
Figure 112020005036347-pat00004
움직임 벡터(MVz) 값과 더불어 움직임 벡터(MVz) 값을 통해 움직임 벡터의 방향성(θ)을 아래 파악할 수 있고, 아래 수학식 2로 표현 할 수 있다.
[수학식2]
Figure 112020005036347-pat00005
두드러진 움직임(Ar)을 검출 한 뒤 아래 식을 통해 시니어의 상태를 분석할 수 있고, 아래 수학식3으로 표현 할 수 있다.
[수학식3]
Figure 112020005036347-pat00006
위의 수학식에서 Ar은 두드러진 움직임이 발생하는 사람의 폭과 높이에 대한 비율을 나타내며 W는 폭, H는 높이를 나타낸다. Ar의 값에 따라 시니어가 누운 상태인지 앉은 상태인지 등 시니어의 현재 상태를 판단할 수 있다.
시니어의 행동이 이상행동 또는 반복행동 인 경우 해당 이미지를 이미지 캡션모델을 통해 라벨링을 수행하고 저장할 수 있다. (S750)
이미지 캡션 모델은 Word Embedding Layer, Image Feature Extractor, Caption Generator 로 구성된 이미지 캡션 모듈을 통하여 입력된 이미지에서 사람을 검출하고 특징을 추출한다.
추출된 특징은 Action Classification Model 작성 모듈을 통해 Morphology 분석과 Tense 전환을 수행하여 캡션 이미지를 완성하고 라벨링을 수행하여 캡션 이미지를 저장할 수 있다.
라벨링 된 이미지를 통하여 시니어의 현재 건강이상 여부를 판단하고 관리자단말(400)로 알림을 제공 할 수 있다. (S760)
서버(300)를 통해 전송 된 이미지를 특정 어플리케이션 또는 프로그램이 설치 된 관리자단말(400)로 의료진이 시니어의 현재 상태를 확인 할 수 있고, 처치가 간단한 진료의 경우에는 원격으로 진료를 할 수 있다.
관리자단말(400)은 시니어의 생활공간에 설치 된 영상인식기기(100) 또는 음성인식기기(200) 내 장치된 통신 모듈을 이용하여 원격으로 조정하여 작동을 할 수 있고, 관리자단말(400)을 통해 시니어의 영상정보와 음성신호를 수집하고 저장할 수 있다.
도 4를 참조하여 본 발명의 일 실시예에 따르는 NEWFM(Neural Network with Weighted Fuzzy Membership functions)알고리즘 기반의 우울증 예측모델의 구축과 예측모델을 활용하여 시니어의 우울정도를 판단하는 방법에 대하여 구체적으로 설명한다.
정신질환 판단부(330)에서 사람의 음성신호를 대한 학습데이터를 구축하고 학습데이터 내의 복수의 음성신호를 특징 값으로 설정한다. (S810)
우울증 예측모델 생성을 위한 사람의 음성신호는 USC(University of Southern California)에서 제공하는 DAIC-WOZ 데이터베이스를 사용할 수 있다.
서버(300)는 학습데이터를 기반으로 NEWFM(Neural Network with Weighted Fuzzy Membership functions) 알고리즘을 수행하여 우울증 예측모델을 구축한다. (S820)
우울증 예측모델은 학습데이터를 수집하고 학습데이터를 기준으로 입력 값과 출력 값을 미리 설정 한 후, NEWFM(Neural Network with Weighted Fuzzy Membership functions) 알고리즘을 수행하여 생성 할 수 있다.
생성된 예측모델에 새로운 값을 입력하면 예측모델이 예상 값을 출력 할 수 있다.
입력 된 시니어의 음성신호는 기 설정 된 음성분석 알고리즘을 이용하여 특징 값을 추출하고 우울증 예측모델로 시니어의 우울 정도를 판단할 수 있다. (S830)
우울정도는 USC(University of Southern California)에서 제공하는 DAIC-WOZ 데이터베이스를 통하여 사람의 음성신호로부터 0-24의 값의 범위로 우울정도를 분류할 수 있다.
입력 된 시니어의 음성신호는 기 설정 된 음성분석 알고리즘을 통하여 13개의 음성특징을 추출할 수 있다.
추출 된 13개의 음성특징을 우울증 예측모델에 입력 값으로 입력하게 되면, 우울정도에 대한 출력 값을 확인 할 수 있다.
시니어의 우울정도가 기 설정 된 수치 이상일 경우, 추가적인 ECG 검사를 통하여 우울정도의 수치를 보정한다. (S840)
시니어의 우울정도가 기 설정된 수치 이상일 때, 서버(300)는 관리자에게 ECG검사를 요청하는 알림을 제공하며, 관리자가 대상 시니어에게 ECG 검사로 우울 정도 수치를 보정하도록 할 수 있다.
우울정도가 기 설정된 수치 이상으로 측정 된 시니어 대상으로ECG (ElectroCardioGram)검사를 수행하여 수치를 보정하는 이유는 ECG검사를 통하여 우울증이나 기타 정신질환을 구분할 수 있다.
관리자는 ECG (ElectroCardioGram)검사를 통하여 HRV(심박변이도: Heart Rate Variability)를 측정하고 이를 바탕으로 측정 된 RSA (호흡동성부정맥: Respiratory Sinus Arrhythmia)를 산출하여, HRV와 RSA를 기반으로 우울수치를 보정할 수 있고 그 결과로 우울증 여부를 판단할 수 있다.
예를 들어 우울증과 조울증은 증상이 비슷한 부분이 있지만 다른 정신 질환이며 치료 방법도 다르다. 시니어의 음성신호를 입력 받은 예측모델이 시니어의 우울정도 수치를 높게 출력 한 경우, 관리자는 해당 시니어에게 ECG ECG (ElectroCardioGram)검사를 시행하고 검사의 결과로 나오는 HRV(심박변이도: Heart Rate Variability)와 이를 바탕으로 측정 된 RSA(호흡동성부정맥: Respiratory Sinus Arrhythmia)를 기반으로 우울 수치를 보정하는데, 우울증 환자가 조울증 환자보다 RSA(호흡동성부정맥: Respiratory Sinus Arrhythmia)가 더 심하게 나오게 되므로 환자가 우울증인지 조울증인지 관리자가 판단을 할 수 있다.
보정 된 수치가 기 설정된 수치 이상일 경우, 관리자단말(400)로 알림을 제공할 수 있다. (S850)
서버(300)는 관리자단말(400)로 알림을 제공할 수 있고, 기 등록 된 보호자에게 알림을 전송 할 수도 있다.
도 5를 참조하여 본 발명의 일 실시예에 따르는ZNN (Zeroning Neural Network) 알고리즘 기반의 파킨슨병 예측모델의 구축과 예측모델을 활용하여 시니어의 파킨슨병을 판단하는 방법에 대하여 구체적으로 설명한다.
정신질환 판단부(330)에서 사람의 음성신호를 대한 학습데이터를 구축하고 학습데이터 내의 복수의 음성신호를 특징 값으로 설정한다. (S910)
파킨슨병 예측모델 생성을 위한 사람의 음성신호는 USC(University of Southern California)에서 제공하는 Multiple Types of Sound Recordings데이터베이스를 사용할 수 있다.
서버(300)는 학습데이터를 기반으로 ZNN(Zeroning Neural Network)알고리즘 을 수행하여 파킨슨 병 예측모델을 구축한다. (S920)
파킨슨병 예측모델은 학습데이터를 수집하고 학습데이터를 기준으로 입력 값과 출력 값을 미리 설정 한 후, ZNN(Zeroning Neural Network) 알고리즘을 수행하여 생성 할 수 있다. 생성 된 파킨슨병 예측모델에 새로운 값을 입력하면 파킨슨병 예측모델이 예상 값을 출력 할 수 있다.
음성인식기기(200)로부터 입력 된 시니어의 음성신호는 기 설정 된 음성분석 알고리즘을 이용하여 특징 값을 추출하고 파킨슨병 예측모델로 시니어의 파킨슨병 여부를 판단할 수 있다. (S930)
입력 된 시니어의 음성신호는 기 설정 된 음성분석 알고리즘을 통하여 13개의 음성특징을 추출할 수 있다.
추출 된 13개의 음성특징을 파킨슨병 예측모델에 입력 값으로 입력하게 되면, 시니어가 파킨슨병을 앓고 있는지 판단할 수 있는 출력 값을 확인 할 수 있다.
예측모델 내 에서 파킨슨병의 유무는 USC(University of Southern California)에서 제공하는 Multiple Types of Sound Recordings 데이터베이스를 통하여 20명의 PD(Parkinson's disease) 환자와 20명의 정상인 대조군의 데이터를 비교하여 확인 할 수 있다.
대상 시니어가 파킨슨병으로 판단 되는 경우, 관리자단말(400)로 알림을 제공할 수 있다. (S940)
서버(300)는 관리자단말(400)로 알림을 제공할 수 있고, 기 등록 된 보호자에게 알림을 전송 할 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 시스템 100: 영상인식기기
200: 음성인식기기 300: 서버
310: 시니어정보 저장부 320: 이상행동 판단부
330: 정신질환 판단부 340: 환경시스템제어부

Claims (18)

  1. 서버에 의해 수행되는 시니어 건강을 위한 홈 헬스케어 제공방법에 있어서
    (a) 연령을 기준으로 규정되는 시니어 레벨에 대한 데이터베이스와 대상 시니어의 식별정보를 포함한 개인정보를 수집하는 단계;
    (b) 시니어가 생활하는 공간에 설치 된 적어도 하나의 영상인식기기로부터 촬영된 이미지를 수집하는 단계;
    (c) 상기 이미지를 통하여 객체를 식별한 후, 상기 식별된 객체들 중 각 시니어를 식별하고, 상기 영상인식기기를 통해 촬영된 이미지를 저장하되, 각 시니어의 행동에 대한 이미지를 저장하는 단계;
    (d) 상기 시니어의 행동에 대한 이미지를 분석하여, 각 시니어의 행동이 이상행동이거나 반복행동인 경우, 이미지 캡션모델을 통한 라벨링을 수행하고 저장하는 단계; 및
    (e) 라벨링 된 상기 이미지를 통하여 시니어의 현재 건강 이상여부를 판단하고, 관리자 단말로 알림을 제공하는 단계;
    를 포함하고,
    (a-1) 상기 (a) 단계 전에, 사람의 음성신호에 대한 학습데이터를 구축한 후, 입력 값을 상기 학습데이터 내 복수의 음성신호의 특징 값으로 설정하고, 출력 값을 상기 학습데이터 내 우울정도에 대한 수치로 설정하여 NEWFM(Neural Network with Weighted Fuzzy Membership functions) 알고리즘을 수행함으로써 우울증 예측모델을 구축하는 단계; 를 더 포함하며,
    상기 (a-1) 단계는,
    입력 값을 상기 학습데이터 내 복수의 음성신호를 특징 값으로 설정하고, 출력 값을 파킨슨병에 해당여부에 대한 값으로 설정하여 ZNN(Zeroing Neural Network) 알고리즘을 수행함으로써, 파킨슨병 예측모델을 구축하는 단계;를 더 포함하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법.
  2. 삭제
  3. 제 1항에 있어서
    상기 (a)단계 이후에,
    상기 서버는 시니어가 생활하는 공간에 설치 된 마이크를 통해 시니어의 음성신호를 입력을 받은 후, 기 설정 된 음성분석 알고리즘을 통하여 복수의 음성신호의 특징 값을 추출하고, 추출된 특징 값을 상기 우울증 예측모델에 입력함으로써, 상기 시니어의 우울정도를 판단하는 단계를 더 포함하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  4. 제 3항에 있어서
    상기 복수의 음성신호 특징 값은 음성신호의 피치(Pitch)에 대한 중간 값, 최대값, 최소값 및 음성신호를 구성하는 펄스의 개수를 포함하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  5. 제 3항에 있어서
    상기 시니어의 우울정도를 나타내는 수치가 기 설정된 수치 이상을 기록 한 경우, 추가적인 ECG (ElectroCardioGram)검사를 수행하여, 상기 수치를 보정하는 단계를 더 포함하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  6. 제 5항에 있어서
    시니어의 우울정도 수치 보정은ECG (ElectroCardioGram)검사를 통하여 상기 시니어의 HRV(심박변이도:Heart Rate Variability)를 측정하고 이를 바탕으로 측정 된 RSA(호흡동성부정맥:Respiratory Sinus Arrhythmia)를 산출하여, 상기 HRV와 RSA를 기반으로 상기 시니어의 우울정도를 보정하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  7. 삭제
  8. 제 1항에 있어서
    상기 (a)단계 이후에,
    상기 서버는 시니어가 생활하는 공간에 설치 된 마이크를 통해 시니어의 음성신호를 입력을 받은 후, 기 설정 된 음성분석 알고리즘을 통하여 복수의 음성신호의 특징 값을 추출하고, 추출된 특징 값을 상기 파킨슨병 예측모델에 입력함으로써, 상기 시니어의 파킨슨병 해당여부를 확인하는 단계를 더 포함하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  9. 제 1항에 있어서
    상기 (c) 단계는
    안면인식 프로그램을 이용하여 상기 저장된 이미지로부터 시니어를 식별하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  10. 제 9항에 있어서
    상기 (c) 단계는
    시니어를 식별 한 후 상기 시니어를 개인별로 분류하여 상기 이미지를 저장하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  11. 제 10항에 있어서
    상기 (c)단계 이후에
    상기 영상인식기기를 통해 식별 된 시니어의 상기 시니어 레벨에 따른 컨텐츠 프로그램을 제공하는 단계를 더 포함하는 것인
    시니어 건강을 위한 홈 헬스케어 제공방법
  12. 제 10항에 있어서
    상기 (c) 단계는
    상기 시니어를 식별한 이미지를 Action Classification Model을 통해 분류하여 저장하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  13. 제 12항에 있어서
    상기 (c) 단계는
    상기 분류하여 저장 된 이미지를 Sentence Analyzer모델을 통해 관련성 있는 행동을 갖는 연속적인 이미지들을 매칭하여 연속적인 저장 하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  14. 제 1항에 있어서
    상기 시니어가 생활하는 공간에 온도, 습도를 포함한 대기환경을 제어할 수 있는 환경제어시스템을 통하여 상기 시니어 레벨과 상기 현재 건강 이상여부에 따라 자동으로 컨트롤 하는 단계를 더 포함하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  15. 제 14항에 있어서
    상기 환경제어시스템은 상기 시니어가 특정 어플리케이션 또는 프로그램이 설치 된 시니어 개인 단말 또는 관리자가 제공하는 단말을 이용하여 온도, 습도를 포함한 대기환경을 임의로 설정 할 수 있는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  16. 제 1항에 있어서
    상기 (d) 단계는,
    각 이미지간의 픽셀 값 차이를 기반으로 시니어의 움직임 벡터를 추출하고 상기 움직임 벡터의 X축, Y축값이 MVx, MVy 라고 할 때,
    Figure 112020005036347-pat00007

    을 통해 상기 움직임 벡터의 크기(psMVz)를 추출하고,
    Figure 112020005036347-pat00008

    을 통해 상기 움직임 벡터의 방향(θ)을 파악하고, 상기 움직임 벡터의 크기와 상기 움직임 벡터의 방향을 기반으로 이미지 내 상기 시니어의 폭(W)과 높이(H)를 추출하고
    Figure 112020005036347-pat00009

    을 통하여 상기 시니어의 두드러진 움직임(Ar)을 추출하여, 상시 시니어가 누운 상태 또는 앉은 상태 인지 판단하여, 상기 이상행동 또는 반복행동 판단시에 고려하는 것인,
    시니어 건강을 위한 홈 헬스케어 제공방법
  17. 시니어 건강을 위한 홈 헬스케어 제공시스템에 있어서
    시니어가 생활하는 공간에 설치 된 적어도 하나의 영상인식기기; 및
    서버를 포함하되,
    상기 서버는
    사람의 음성신호에 대한 학습데이터를 구축한 후, 입력 값을 상기 학습데이터 내 복수의 음성신호의 특징 값으로 설정하고, 출력 값을 상기 학습데이터 내 우울정도에 대한 수치로 설정하여 NEWFM(Neural Network with Weighted Fuzzy Membership functions) 알고리즘을 수행함으로써 우울증 예측모델을 구축하고, 입력 값을 상기 학습데이터 내 복수의 음성신호를 특징 값으로 설정하고, 출력 값을 파킨슨병에 해당여부에 대한 값으로 설정하여 ZNN(Zeroing Neural Network) 알고리즘을 수행함으로써, 파킨슨병 예측모델을 추가로 구축하고,
    연령을 기준으로 규정되는 시니어 레벨에 대한 데이터베이스와 대상 시니어의 식별정보를 포함한 개인정보를 수집하며 상기 영상인식기기로부터 촬영된 이미지를 수집하고 이미지를 통하여 객체를 식별한 후, 상기 식별된 객체들 중 각 시니어를 식별하고, 상기 영상인식기기를 통해 촬영된 이미지를 저장하되, 각 시니어의 행동에 대한 이미지를 저장하고, 상기 시니어의 행동에 대한 이미지를 분석하여, 각 시니어의 행동이 이상행동이거나 반복행동인 경우, 이미지 캡션모델을 통한 라벨링을 수행하고 저장하고 라벨링 된 상기 이미지를 통하여 시니어의 현재 건강 이상여부를 판단하고, 관리자 단말로 알림을 제공하는 시니어 건강을 위한 홈 헬스케어 제공 시스템
  18. 제 1항에 따른 시니어 건강을 위한 홈 헬스케어 제공방법을 수행하는 프로그램이 기록된 컴퓨터 판독가능 기록매체.
KR1020200005850A 2020-01-16 2020-01-16 시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치 KR102133943B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200005850A KR102133943B1 (ko) 2020-01-16 2020-01-16 시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200005850A KR102133943B1 (ko) 2020-01-16 2020-01-16 시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치

Publications (1)

Publication Number Publication Date
KR102133943B1 true KR102133943B1 (ko) 2020-07-14

Family

ID=71526742

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200005850A KR102133943B1 (ko) 2020-01-16 2020-01-16 시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치

Country Status (1)

Country Link
KR (1) KR102133943B1 (ko)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102344186B1 (ko) * 2021-02-17 2021-12-28 가천대학교 산학협력단 체온 보정 알고리즘 기반의 시니어 헬스케어서비스 제공 방법
WO2022035282A1 (ko) * 2020-08-13 2022-02-17 김형숙 움직임코드 기반 감성행동 분석 시스템
KR102369182B1 (ko) 2021-07-03 2022-03-03 웰나우 주식회사 장기요양 기관의 시니어 케어 맞춤형 동영상 콘텐츠를 기반으로 하는 프로그램 서비스운영 시스템
CN114224330A (zh) * 2021-12-31 2022-03-25 上海健指树智能系统有限公司 老年人活力指数确定方法、装置、电子设备及存储介质
KR102432275B1 (ko) * 2021-02-22 2022-08-16 주식회사 히포티앤씨 우울증 진단을 위한 다중지표 기반의 인공지능을 이용한 데이터 처리 방법
KR20220125023A (ko) * 2021-03-04 2022-09-14 아주대학교산학협력단 자폐인의 이미지를 분석하는 방법 및 장치
KR20230006618A (ko) 2021-07-03 2023-01-10 웰나우(주) 시니어케어 센터 장기요양수급자의 욕구사정 및 돌봄 서비스 운영 시스템
KR20230085713A (ko) 2021-12-07 2023-06-14 헬스클라우드(주) 방문 목욕 매칭을 기반으로 하는 서비스 운영 시스템
KR20230085717A (ko) 2021-12-07 2023-06-14 헬스클라우드(주) 시니어케어 맞춤형 프로그램 전문강사 매칭을 기반으로 하는 서비스 운영 시스템
CN116631063A (zh) * 2023-05-31 2023-08-22 武汉星巡智能科技有限公司 基于用药行为识别的老人智能看护方法、装置及设备
CN116740598A (zh) * 2023-05-10 2023-09-12 广州培生信息技术有限公司 基于视频ai识别的老人能力识别方法和系统
KR20230158742A (ko) 2022-05-12 2023-11-21 (주) 군월드 시니어 빌딩에서의 지능형 시니어 케어 시스템, 서버 및 방법
CN117133464A (zh) * 2023-10-26 2023-11-28 中国人民解放军总医院第二医学中心 一种老年人健康智能监测系统及监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060084916A (ko) * 2005-01-21 2006-07-26 천홍구 위치 이동이 가능한 지능형 로봇을 이용한 원격건강관리시스템 및 서비스
KR20100025769A (ko) 2008-08-28 2010-03-10 건양대학교산학협력단 원격 건강 모니터링 시스템
KR101330268B1 (ko) * 2012-09-12 2013-11-15 가천대학교 산학협력단 가중 퍼지 소속 함수 기반 뉴로 퍼지 네트워크를 이용한 음성 감정 인식 모델 생성 방법
KR101679728B1 (ko) * 2013-11-29 2016-11-25 문찬곤 생체활력지수 산출 방법 및 시스템
KR20170066110A (ko) * 2015-12-04 2017-06-14 성기배 실내 환경 자동제어 시스템 및 제어방법
KR101879735B1 (ko) * 2017-03-15 2018-07-18 (주)넥셀 자동적인 학습데이터 생성 방법 및 장치와 이를 이용하는 자가 학습 장치 및 방법
KR102013235B1 (ko) * 2018-11-21 2019-08-29 주식회사 노다시스템 독거노인 모니터링 시스템
KR20190113245A (ko) * 2018-03-28 2019-10-08 손수정 안면 정보를 이용한 서비스 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060084916A (ko) * 2005-01-21 2006-07-26 천홍구 위치 이동이 가능한 지능형 로봇을 이용한 원격건강관리시스템 및 서비스
KR20100025769A (ko) 2008-08-28 2010-03-10 건양대학교산학협력단 원격 건강 모니터링 시스템
KR101330268B1 (ko) * 2012-09-12 2013-11-15 가천대학교 산학협력단 가중 퍼지 소속 함수 기반 뉴로 퍼지 네트워크를 이용한 음성 감정 인식 모델 생성 방법
KR101679728B1 (ko) * 2013-11-29 2016-11-25 문찬곤 생체활력지수 산출 방법 및 시스템
KR20170066110A (ko) * 2015-12-04 2017-06-14 성기배 실내 환경 자동제어 시스템 및 제어방법
KR101879735B1 (ko) * 2017-03-15 2018-07-18 (주)넥셀 자동적인 학습데이터 생성 방법 및 장치와 이를 이용하는 자가 학습 장치 및 방법
KR20190113245A (ko) * 2018-03-28 2019-10-08 손수정 안면 정보를 이용한 서비스 방법
KR102013235B1 (ko) * 2018-11-21 2019-08-29 주식회사 노다시스템 독거노인 모니터링 시스템

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022035282A1 (ko) * 2020-08-13 2022-02-17 김형숙 움직임코드 기반 감성행동 분석 시스템
KR102344186B1 (ko) * 2021-02-17 2021-12-28 가천대학교 산학협력단 체온 보정 알고리즘 기반의 시니어 헬스케어서비스 제공 방법
KR102432275B1 (ko) * 2021-02-22 2022-08-16 주식회사 히포티앤씨 우울증 진단을 위한 다중지표 기반의 인공지능을 이용한 데이터 처리 방법
KR20220125023A (ko) * 2021-03-04 2022-09-14 아주대학교산학협력단 자폐인의 이미지를 분석하는 방법 및 장치
KR102477571B1 (ko) * 2021-03-04 2022-12-14 아주대학교 산학협력단 자폐인의 이미지를 분석하는 방법 및 장치
KR20230006618A (ko) 2021-07-03 2023-01-10 웰나우(주) 시니어케어 센터 장기요양수급자의 욕구사정 및 돌봄 서비스 운영 시스템
KR102369182B1 (ko) 2021-07-03 2022-03-03 웰나우 주식회사 장기요양 기관의 시니어 케어 맞춤형 동영상 콘텐츠를 기반으로 하는 프로그램 서비스운영 시스템
KR20230085713A (ko) 2021-12-07 2023-06-14 헬스클라우드(주) 방문 목욕 매칭을 기반으로 하는 서비스 운영 시스템
KR20230085717A (ko) 2021-12-07 2023-06-14 헬스클라우드(주) 시니어케어 맞춤형 프로그램 전문강사 매칭을 기반으로 하는 서비스 운영 시스템
CN114224330A (zh) * 2021-12-31 2022-03-25 上海健指树智能系统有限公司 老年人活力指数确定方法、装置、电子设备及存储介质
CN114224330B (zh) * 2021-12-31 2024-01-30 上海健指树智能系统有限公司 老年人活力指数确定方法、装置、电子设备及存储介质
KR20230158742A (ko) 2022-05-12 2023-11-21 (주) 군월드 시니어 빌딩에서의 지능형 시니어 케어 시스템, 서버 및 방법
CN116740598A (zh) * 2023-05-10 2023-09-12 广州培生信息技术有限公司 基于视频ai识别的老人能力识别方法和系统
CN116740598B (zh) * 2023-05-10 2024-02-02 广州培生信息技术有限公司 基于视频ai识别的老人能力识别方法和系统
CN116631063A (zh) * 2023-05-31 2023-08-22 武汉星巡智能科技有限公司 基于用药行为识别的老人智能看护方法、装置及设备
CN116631063B (zh) * 2023-05-31 2024-05-07 武汉星巡智能科技有限公司 基于用药行为识别的老人智能看护方法、装置及设备
CN117133464A (zh) * 2023-10-26 2023-11-28 中国人民解放军总医院第二医学中心 一种老年人健康智能监测系统及监测方法
CN117133464B (zh) * 2023-10-26 2024-03-12 中国人民解放军总医院第二医学中心 一种老年人健康智能监测系统及监测方法

Similar Documents

Publication Publication Date Title
KR102133943B1 (ko) 시니어의 건강을 위한 홈 헬스케어 제공방법 및 제공장치
US11862326B1 (en) Biometric characteristic application using audio/video analysis
US11776246B2 (en) Method and system for identifying biometric characteristics using machine learning techniques
Zhou et al. Tackling mental health by integrating unobtrusive multimodal sensing
US20190216333A1 (en) Thermal face image use for health estimation
WO2019161607A1 (zh) 心电信息动态监护方法和动态监护系统
US20210145306A1 (en) Managing respiratory conditions based on sounds of the respiratory system
CN108778097A (zh) 用于评估心力衰竭的装置和方法
US20160314784A1 (en) System and method for assessing the cognitive style of a person
CN109492595B (zh) 适用于固定群体的行为预测方法和系统
Parra et al. Multimedia sensors embedded in smartphones for ambient assisted living and e-health
US11232857B2 (en) Fully automated non-contact remote biometric and health sensing systems, architectures, and methods
US11081227B2 (en) Monitoring and reporting the health condition of a television user
JP7028787B2 (ja) 視覚的コンテキストを用いる、生理学的パラメータの測定の適時トリガ
CN109935317A (zh) 人工智能健康云平台
US10431343B2 (en) System and method for interpreting patient risk score using the risk scores and medical events from existing and matching patients
KR102552220B1 (ko) 정신건강 진단 및 치료를 적응적으로 수행하기 위한 컨텐츠 제공 방법, 시스템 및 컴퓨터 프로그램
CN111227789A (zh) 人体健康监护方法和装置
KR20200052175A (ko) 사용자의 건강을 관리하기 위한 장치 및 이를 위한 방법
JP4631464B2 (ja) 体調判定装置およびそのプログラム
US20170103178A1 (en) Device, system and method for detecting a health condition of a subject
KR102407457B1 (ko) 인공지능을 이용한 보청기 적합 시스템
KR20230154380A (ko) 행동 및 발화 패턴 기반 감성 인식 결과에 의해 사용자의 감성 상태에 적합한 헬스케어 서비스를 제공하는 시스템 및 방법
KR102344186B1 (ko) 체온 보정 알고리즘 기반의 시니어 헬스케어서비스 제공 방법
KR102645192B1 (ko) 인공지능 모델을 기반으로 욕창을 관리하는 방법 및 이를 수행하는 전자 장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant