KR102143579B1 - 블록체인망을 이용한 헬스케어 관제 시스템 - Google Patents

블록체인망을 이용한 헬스케어 관제 시스템 Download PDF

Info

Publication number
KR102143579B1
KR102143579B1 KR1020180089200A KR20180089200A KR102143579B1 KR 102143579 B1 KR102143579 B1 KR 102143579B1 KR 1020180089200 A KR1020180089200 A KR 1020180089200A KR 20180089200 A KR20180089200 A KR 20180089200A KR 102143579 B1 KR102143579 B1 KR 102143579B1
Authority
KR
South Korea
Prior art keywords
healthcare
blockchain network
svm
user
body temperature
Prior art date
Application number
KR1020180089200A
Other languages
English (en)
Other versions
KR20200013940A (ko
Inventor
이장훈
이재홍
Original Assignee
(주)유비벨록스모바일
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 (주)유비벨록스모바일 filed Critical (주)유비벨록스모바일
Priority to KR1020180089200A priority Critical patent/KR102143579B1/ko
Publication of KR20200013940A publication Critical patent/KR20200013940A/ko
Application granted granted Critical
Publication of KR102143579B1 publication Critical patent/KR102143579B1/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
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B27/00—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations
    • G08B27/005—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations with transmission via computer network
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires

Abstract

블록체인망을 이용한 헬스케어 관제 시스템이 제공된다. 헬스케어 연결 서버는 사용자의 신체 상태를 센싱하는 헬스케어 장치로부터 센싱데이터를 수신하여 사용자의 건강 상태를 체크하고, 사용자의 건강에 응급 상황이 발생한 것으로 판별되면, 사용자의 생체 정보를 기재한 블록을 생성하여 헬스케어 블록체인망으로 브로드캐스팅하고, 헬스케어 블록체인망은 헬스케어 연결 서버로부터 수신되는 블록을 블록체인망 구성원들에게 전달하고, 헬스케어 관제 서버는 헬스케어 블록체인망을 통해 전달받은 블록을 기초로 응급 상황에 대처하기 위한 절차를 수행한다.

Description

블록체인망을 이용한 헬스케어 관제 시스템{Health care monitor-control system using blockchain network}
본 발명은 블록체인망을 이용한 헬스케어 관제 시스템에 관한 것으로서, 보다 상세하게는, 사용자의 건강상태를 체크하기 위한 센싱 데이터를 이용하여 사용자의 건강상태를 판단하고 판단된 건강상태와 관련된 정보를 블록체인망을 이용하여 전달할 수 있는 블록체인망을 이용한 헬스케어 관제 시스템에 관한 것이다.
헬스 케어 밴드는 사용자의 운동량을 쉽게 확인할 수 있는 손목밴드로서, 헬스 케어 시계와 유사하다. 헬스 케어 밴드 또는 헬스 케어 패치와 같은 헬스케어 장치는 사용자가 하루에 몇 걸음을 걷는지 기록하고, 운동 시 심장 박동수를 알려주며 수면 패턴을 분석하는 것은 물론이고, 건강과 직결된 주요 수치를 측정하고, 증상 예방과 관리를 위한 서비스를 제공하기도 한다. 최근에는 통신 기술의 발달로 인해, 헬스 케어 밴드에서 측정되는 데이터는 스마트폰이나 컴퓨터로 제공되어, 수집 및 분석이 가능하기도 하다.
그러나, 기존에는 일반 데이터망을 통해 데이터를 전송함으로써 헬스케어 장치에서 측정되는 데이터의 보안이 취약하다는 문제가 있다. 따라서, 사용자의 건강과 관련된 보안은 유지하면서 신속히 사용자의 건강 상태를 체크하고 그에 대한 응급조치를 취할 수 있는 기술 개선이 필요하다.
공개특허 10-2018-0057233호(2018.05.30. 공개)
전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 사용자의 건강상태를 체크하기 위한 센싱 데이터를 이용하여 사용자의 건강상태를 판단하고 판단된 건강상태와 관련된 정보의 보안을 유지하기 위해 블록체인망을 이용하여 전달하도록 하는 블록체인망을 이용한 헬스케어 관제 시스템을 제시하는 데 있다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따르면, 블록체인망을 이용한 헬스케어 관제 시스템은, 사용자의 신체 상태를 센싱하는 헬스케어 장치로부터 센싱데이터를 수신하여 상기 사용자의 건강 상태를 체크하고, 상기 사용자의 건강에 응급 상황이 발생한 것으로 판별되면, 상기 사용자의 생체 정보를 기재한 블록을 생성하여 헬스케어 블록체인망으로 브로드캐스팅하는 헬스케어 연결 서버; 상기 헬스케어 연결 서버로부터 수신되는 블록을 블록체인망 구성원들에게 전달하는 헬스케어 블록체인망; 및 상기 헬스케어 블록체인망을 통해 전달받은 블록을 기초로 상기 응급 상황에 대처하기 위한 절차를 수행하는 헬스케어 관제 서버;를 포함한다.
상기 헬스케어 연결 서버는, 블록 생성에 필요한 블록 해쉬를 채굴하여 저장하고, 상기 저장된 블록 해쉬를 이용하여 상기 생체정보를 기재한 블록을 생성하여 브로드캐스팅한다.
상기 헬스케어 연결 서버는, 상기 헬스케어 장치에 구비된 센서 및 상기 센서와 동일한 종류의 다른 센서 중 적어도 하나로부터 센싱데이터를 수집하고, 수집된 센싱데이터를 기계 학습 알고리즘에 적용하여 학습된 SVM(Support Vector Machine)에 상기 헬스케어 장치의 센서로부터 수신되는 센싱데이터를 입력하여, 상기 사용자의 건강 상태를 판단한다.
상기 SVM은 심박수에 대해 학습된 심박수 SVM 및 체온에 대해 학습된 체온 SVM을 포함하고, 상기 학습된 심박수 SVM은 심박수의 정상 범위와 오차 범위를 포함하고, 상기 학습된 체온 SVM은 체온의 정상 범위와 응급상황 범위를 포함하며, 상기 헬스케어 연결 서버는, 상기 센서로부터 수신되는 센싱데이터가 심박데이터인 경우, 상기 심박데이터가 상기 학습된 심박수 SVM에 속하는 범위와, 상기 수신되는 센싱데이터가 체온데이터인 경우, 상기 체온데이터가 상기 학습된 체온 SVM에 속하는 범위 중 적어도 하나를 이용하여 사용자의 건강 상태를 판별한다.
상기 헬스케어 연결 서버 및 상기 헬스케어 관제 서버는, 상기 헬스케어 블록체인망의 구성원으로 동작한다.
본 발명에 따르면, 사용자의 건강상태를 체크하기 위한 센싱 데이터를 헬스케어 장치로부터 수신하여 사용자의 건강상태를 판단하고 판단된 건강상태와 관련된 정보를 블록체인망을 이용하여 헬스케어 관제 서버로 전달함으로써 사용자의 건강관련정보의 보안을 유지하면서, 신속 정확히 사용자 상태를 파악하고 그에 대해 대처할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시 예에 의한 블록체인망을 이용한 헬스케어 관제 시스템을 도시한 도면,
도 2는 도 1에 도시된 헬스케어 연결 서버를 자세히 도시한 블록도,
도 3은 일반적인 SVM을 설명하기 위한 도면
도 4는 본 발명의 실시 예에 따른 블록체인망을 이용한 헬스케어 관제 시스템의 헬스케어 관제 방법을 설명하기 위한 흐름도,
도 5는 본 발명의 실시 예에 따른 헬스케어 연결 서버가 기계 학습 알고리즘을 이용하여 심박수 SVM을 학습하는 동작을 설명하기 위한 흐름도,
도 6은 헬스케어 연결 서버가 기계 학습 알고리즘을 이용하여 체온 SVM을 학습하는 동작을 설명하기 위한 흐름도, 그리고,
도 7은 도 5 및 도 6에 의해 도출된 각 SVM을 이용하여 사용자의 건강 상태를 판단하는 동작을 설명하기 위한 흐름도이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다.
또한, 제1 엘리먼트 (또는 구성요소)가 제2 엘리먼트(또는 구성요소) 상(ON)에서 동작 또는 실행된다고 언급될 때, 제1 엘리먼트(또는 구성요소)는 제2 엘리먼트(또는 구성요소)가 동작 또는 실행되는 환경에서 동작 또는 실행되거나 또는 제2 엘리먼트(또는 구성요소)와 직접 또는 간접적으로 상호 작용을 통해서 동작 또는 실행되는 것으로 이해되어야 할 것이다.
어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.
또한, 어떤 엘리먼트(또는 구성요소)가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트(또는 구성요소)는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
이하, 본 발명에서 실시하고자 하는 구체적인 기술내용에 대해 첨부도면을 참조하여 상세하게 설명하기로 한다.
아래의 특정 실시 예들을 기술하는데 있어서, 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될 수 있다는 것을 인지할 수 있다.
어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.
도 1에 도시된 블록체인망을 이용한 헬스케어 관제 시스템의 각각의 구성은 기능 및 논리적으로 분리될 수도 있음을 나타내는 것이며, 반드시 각각의 구성이 별도의 물리적 장치로 구분되거나 별도의 코드로 작성됨을 의미하는 것은 아님을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
상기 블록체인망을 이용한 헬스케어 관제 시스템의 구현을 위한 하나 이상의 프로그램은 소정의 데이터 프로세싱 장치에 설치되어 본 발명의 기술적 사상을 구현할 수 있다.
또한, 본 발명의 실시 예에 따른 블록체인망을 이용한 헬스케어 관제 시스템의 헬스케어 연결 서버(100)와 헬스케어 관제 서버(300)는 데스크탑 PC(Personal Computer), 서버, 랩탑 PC(Laptop PC), 넷북 컴퓨터(Netbook Computer) 등 프로그램의 설치 및 실행이 가능한 모든 전자기기들 중 하나일 수 있다.
도 1은 본 발명의 실시 예에 의한 블록체인망을 이용한 헬스케어 관제 시스템을 도시한 도면이다.
도 1에 도시된 바와 같이, 블록체인망을 이용한 헬스케어 관제 시스템은 헬스케어 장치(10)에 구비된 센서들(미도시)로부터의 센싱데이터와 인공지능 학습을 이용하여 사용자의 건강 상태를 판단하고, 블록체인망을 이용하여 헬스케어 관제 서버(300)로 건강 상태의 응급 상황 정보를 전송하며, 헬스케어 관제 서버(300)는 사용자와 근거리에 위치한 병원 또는 119로 연락하여 응급상황에 신속히 대처하도록 할 수 있다.
도 1을 참조하면, 본 발명의 실시 예에 의한 블록체인망을 이용한 헬스케어 관제 시스템은 헬스케어 장치(10), 헬스케어 연결 서버(100), 헬스케어 블록체인망(200) 및 헬스케어 관제 서버(300)를 포함할 수 있다.
헬스케어 장치(10)는 사용자의 신체 또는 의류에 부착되거나, 손목 밴드 형태의 웨어러블 디바이스 또는 스마트폰과 같이 사용자의 생체 신호를 센싱할 수 있는 모바일 단말기를 예로 들 수 있다.
헬스케어 장치(10)는 사용자의 심박수, 체온, 수면패턴, 보폭수 등 사용자의 생체신호를 센싱하기 위한 하나 이상의 센서를 구비하고, 측정한 센싱데이터를 헬스케어 장치(10)의 현재 위치정보 및 헬스케어 장치(10)의 식별정보와 함께 헬스케어 연결 서버(100)로 전송한다.
헬스케어 연결 서버(100)는 헬스케어 장치(10)에 구비된 센서로부터 실시간으로 수신되는 센싱데이터를 이용하여 사용자의 건강 상태를 체크하고, 사용자 건강에 응급 상황이 발생한 것으로 판별되면, 사용자의 생체 정보를 기재한 블록을 생성하여 헬스케어 블록체인망(200)으로 브로드캐스팅할 수 있다.
헬스케어 연결 서버(100)는 헬스케어 장치(100)와 통신가능하도록 연결된 엣지 컴퓨팅 시스템, 사용자 모바일 단말기, 클라우드 서버 등을 예로 들 수 있다.
헬스케어 연결 서버(100)와 헬스케어 관제 서버(300)는 블록체인망(200)의 구성원으로서 동작할 수 있다. 따라서, 헬스케어 연결 서버(100)는 블록체인망(200)으로부터 전파되는 신규로 생성된 블록을 수신하여 분산저장하거나, 헬스케어 연결 서버(100)에서 생성된 신규 블록을 블록체인망(200)으로 전파하여 분산저장하도록 요청할 수도 있다.
이러한 헬스케어 연결 서버(100)는 수신된 센싱데이터로부터 사용자의 건강이 응급 상황은 아니나 이전에 비해 건강이 악화된 것으로 판단되는 경우, 헬스케어 장치(10)로 사용자의 현재 상태와 주의할 점 등을 알려줄 수도 있으며, 헬스케어 장치(10)는 헬스케어 연결 서버(100)으로부터 수신한 정보를 사용자가 인지가능하도록 출력한다.
도 2는 도 1에 도시된 헬스케어 연결 서버(100)를 자세히 도시한 블록도이다.
도 2를 참조하면, 본 발명의 실시 예에 따른 헬스케어 연결 서버(100)는 버스(110), 블록 해쉬 채굴부(120), 블록 해쉬 저장부(130), 통신부(140), 센싱데이터 수집부(145), 메모리(150) 및 프로세서(160)를 포함할 수 있다.
버스(110)는 블록 해쉬 채굴부(120), 블록 해쉬 저장부(130), 통신부(140), 센싱데이터 수집부(145), 메모리(150) 및 프로세서(160)를 서로 연결하고, 제어 메시지, 상태정보, 및/또는 데이터와 같은 각종 신호를 전달하는 회로를 포함할 수 있다.
블록 해쉬 채굴부(120)는 블록 생성에 필요한 블록 해쉬를 채굴하고, 블록 해쉬 저장부(130)는 채굴된 블록 해쉬를 저장할 수 있다.
통신부(140)는 헬스케어 장치(10) 및 헬스케어 블록체인망(200)과의 통신을 위한 인터페이스 회로를 포함한다. 예를 들어, 통신부(140)는 헬스케어 장치(10)에 구비된 하나 이상의 센서(미도시)로부터 센싱데이터를 수신하고, 헬스케어 블록체인망(200)에게 후술할 블록을 브로드캐스팅할 수 있다.
센싱데이터 수집부(145)는 헬스케어 장치(10)로부터 수신되는 센싱데이터를 수집 및 저장할 수 있다. 수집 및 저장되는 센싱데이터는 각 센서에 의해 센싱된 심박데이터, 체온데이터, 보폭수, 수면패턴데이터, 위치데이터, 헬스케어 장치(10)의 식별정보, 센싱된 시간을 포함할 수 있다.
메모리(150)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다. 메모리(150)에는 헬스케어 연결 서버(100)가 제공하는 동작, 기능 등을 구현 및/또는 제공하기 위하여, 구성요소들에 관계된 명령 또는 데이터, 하나 이상의 프로그램 및/또는 소프트웨어, 운영체제 등이 저장될 수 있다.
메모리(150)에 저장되는 프로그램은 블록 해쉬를 채굴하고, 채굴된 블록 해쉬를 이용하여 신규 블록을 생성하는 블록 채굴 프로그램을 포함할 수 있다.
또한, 메모리(150)에 저장되는 프로그램은 헬스케어 장치(10)로부터 수집되는 센싱데이터들을 학습데이터로 사용하여 헬스케어 장치(10) 별로 기계 학습을 수행하여 SVM(Support Vector Machine)을 도출하는 기계 학습 알고리즘을 포함할 수도 있다.
또한, 메모리(150)에 저장되는 프로그램은 헬스케어 장치(10)에 대해 학습된 SVM을 이용하여 사용자의 건강 상태를 판단하고, 블록을 생성하여 전파하는 건강 판단 프로그램을 포함할 수 있다. 또한, 일 예로 SVM 기계 학습 알고리즘을 설명하고 있으나, 이에 한정되지 않고 인공지능(딥러닝, 러신머닝 등)을 이용한 상황인지 알고리즘 및 상태예측 알고리즘을 통해 사용자의 건강 상태를 판단할 수도 있음은 물론이다.
프로세서(160)는 메모리(150)에 저장된 하나 이상의 프로그램을 실행하여 헬스케어 연결 서버(100)의 전반적인 동작을 제어할 수 있다.
이를 위하여, 프로세서(160)는 학습부(161), 응급 상황 판단부(163), 생체 정보 생성부(165) 및 블록 생성부(167)를 포함할 수 있다.
학습부(161)는 기계 학습 알고리즘을 구현하는 프로그램을 실행하여 헬스케어 장치(10)에 구비된 센서 및 이 센서와 동일한 종류의 다른 센서 중 적어도 하나로부터 센싱데이터를 수집하고, 수집된 센싱데이터를 기계 학습 알고리즘에 적용하여 SVM을 헬스케어 장치(10)에 구비된 센서의 종류마다 학습할 수 있다. 따라서, 학습부(161)는 헬스케어 장치(10)를 사용하는 다수의 사용자들로부터 센싱데이터를 수집 및 저장하여 SVM을 학습하고, 이후 사용자 별로 SVM을 이용하여 건강 상태를 체크하도록 할 수 있다.
또한, 학습부(161)는 센싱데이터의 종류마다 독립적으로 SVM을 학습할 수 있으며, 본 발명의 실시 예에서는 심박수에 대해 학습된 심박수 SVM과 체온에 대해 학습된 체온 SVM을 예로 들며, 이에 한정되지 않음은 물론이다. 학습부(161)는 수집된 센싱데이터 중 심박데이터의 정상 범위와 오차 범위를 이용하여 SVM을 학습하며, 정상 범위는 현재 건강한 상태의 사용자로부터 센싱된 심박데이터의 실제 센싱된 값이고, 오차 범위는 심박수의 정상 범위에 포함되는 것으로 정하기 위한 범위로서, 예를 들어 실제 센싱된 심박데이터 값의 ±40%를 오차 범위의 기준으로 정할 수 있다. 오차 범위는 센서의 종류마다 다르게 설정될 수 있다.
또한, 학습부(161)는 수집된 센싱데이터 중 체온데이터의 정상범위와 응급상황 범위를 이용하여 체온 SVM을 학습한다. 체온의 경우, 정상범위는 현재 건강한 상태의 사용자로부터 센싱된 체온데이터의 실제 센싱된 값(예를 들어, 사전에 설정된 36.5℃의 오차 범위 내)이다. 응급상황 범위는 실제 센싱된 체온의 정상 범위에 포함되는 것으로 정하기 위한 오차범위를 제외한 범위일 수 있다. 예를 들어, 체온에 대한 오차범위가 (센싱된 입력체온-0.75)<입력 체온<(센싱된 입력 체온+3)인 경우, 응급상황 범위는 (센싱된 입력체온-0.75) 이하의 체온과 (센싱된 입력체온+3) 이상의 체온을 포함한다. 도 3은 일반적인 SVM을 설명하기 위한 도면이다. 도 3을 참조하면, Optimal Margin은 정상범위 기준 오차범위에 해당한다.
심박수 SVM과 체온 SVM 학습에 대해서는 도 5 및 도 6을 참조하여 후술한다.
한편, 응급 상황 판단부(163)는 헬스케어 장치(10)가 실제로 사용자에게 부착되어 헬스케어 장치(10)의 센서들로부터 수신되는 센싱데이터를 종류별로 학습된 각 SVM에 입력하여, 사용자의 건강 상태를 판단하는 상황 인지 알고리즘을 수행할 수 있다. 즉, 응급 상황 판단부(163)는 학습된 SVM을 통해 센싱데이터의 정상 범위와 오차 범위를 정하고, 또는 응급상황 범위를 정하고, 수신되는 센싱데이터가 오차 범위를 벗어나거나 응급상황 범위에 속하는 경우 사용자의 건강에 이상이 발생하였으나 응급 상황이 아니거나 또는 응급 상황이 발생한 것으로 판단할 수 있다.
생체 정보 생성부(165)는 응급 상황이 발생한 것으로 판단되면, 헬스케어 장치(10)로부터 수신된 일정 시간 동안의 센싱데이터로부터 생체 정보(심박수, 체온, 수면 패턴 등)와 헬스케어 장치(10)의 식별정보와 위치정보를 포함하는 생체 정보를 생성한다.
블록 생성부(167)는 블록 해쉬 저장부(130)로부터 사용가능한 블록 해쉬를 제공받아 생체 정보 생성부(165)에서 생성된 생체정보를 블록 해쉬에 기재하여 신규 블록을 생성할 수 있다. 그리고, 블록 생성부(167)는 생체정보가 실린 블록을 블록체인망(200)으로 브로드캐스팅하여 헬스케어 관제 서버(300)로 전파되도록 할 수 있다.
다시 도 1을 참조하면, 헬스케어 블록체인망(200)은 헬스케어 연결 서버(100)로부터 수신되는 블록을 블록체인망(200)의 구성원들에게 전달하여 분산저장되도록 할 수 있다. 헬스케어 블록체인망(200)은 하나 이상의 헬스케어 연결 서버(100)와 하나 이상의 헬스케어 관제 서버(300)를 포함하므로, 헬스케어 연결 서버(100)와 헬스케어 관제 서버(300)는 블록체인망의 노드로서 동작할 수 있다.
헬스케어 관제 서버(300)는 헬스케어 블록체인망(200)을 통해 전달받은 블록을 기초로 사용자의 응급 상황에 대처할 수 있는 사용자 주위의 병원 및/또는 소방 기관을 검색한 후 사용자의 위치 정보를 전송하여 응급상황을 통지한다. 헬스케어 관제 서버(300) 또는 헬스케어 연결 서버(100)에 헬스케어 장치(10)의 사용자에 매핑된 보호자의 연락처가 저장되어 있는 경우, 헬스케어 관제 서버(300) 또는 헬스케어 연결 서버(100)는 보호자에게도 사용자의 응급 상황을 통지할 수 있다.
도 4는 본 발명의 실시 예에 따른 블록체인망을 이용한 헬스케어 관제 시스템의 헬스케어 관제 방법을 설명하기 위한 흐름도이다.
도 4에 도시된 헬스케어 장치(10), 헬스케어 연결 서버(100), 블록체인망(200) 및 헬스케어 관제 서버(300)는 도 1 내지 도 3을 참조하여 설명하였으므로 상세한 설명은 생략한다.
도 4를 참조하면, 헬스케어 연결 서버(100)는 블록체인망(200)의 구성원, 즉 노드로서 동작하여 블록체인망(200)으로 전파되는 신규 생성 블록을 분산저장한다(S405, S410).
또한, 헬스케어 연결 서버(100)는 자체적으로 사용할, 즉, 블록 생성에 필요한 블록 해쉬를 채굴하여 저장한다(S415, S420).
S405단계 내지 S420단계가 진행되는 동안 헬스케어 연결 서버(100)는 S425단계 내지 S465단계를 병행할 수 있다.
즉, 헬스케어 연결 서버(100)는 헬스케어 장치(10)로부터 센싱데이터를 수신하여 시간의 흐름에 따라 수집 및 저장한다(S425~S430).
헬스케어 연결 서버(100)는 수집 및 저장된 센싱데이터들을 바탕으로 상황인지 알고리즘을 통해 사용자의 건강 상태, 특히 응급 상황 발생 여부를 판단할 수 있다(S435, S440).
자세히 설명하면, 헬스케어 연결 서버(100)는 수집 및 저장된 센싱데이터들에 대해 기계 학습 알고리즘을 적용하여 각 센서 별 SVM을 학습하고, 학습된 SVM에 해당하는 종류의 센싱데이터를 입력으로 하여 사용자의 건강 상태를 판단할 수 있다. S435단계에서 센서 별로, 즉, 센싱데이터의 종류 별로 SVM을 학습하는 동작은 기수행될 수 있다.
도 5는 본 발명의 실시 예에 따른 헬스케어 연결 서버(100)가 기계 학습 알고리즘을 이용하여 심박수 SVM을 학습하는 동작을 설명하기 위한 흐름도로서, 도 4의 S435단계의 일부에 해당하거나 사전에 학습된 동작일 수도 있다.
도 5를 참조하면, 헬스케어 연결 서버(100)는 헬스케어 장치(10)에 구비된 하나 이상의 센서로부터 수집된 심박수와 관련된 센싱데이터(이하, '심박데이터'라 한다)를 입력받아(S510), 입력된 심박데이터의 오차범위(예를 들어, 입력된 심박데이터의 40%)를 산출한다(S520). 심박수의 오차범위는 연령대 또는 건강상태마다 다르게 설정되어 SVM 학습에 사용될 수도 있다.
헬스케어 연결 서버(100)는 입력된 심박데이터와 오차 범위로 계산된(즉, 40% 계산된) 심박데이터를 훈련데이터로서 정하고(S530), 훈련데이터의 특정 벡터(Optimal Vector)를 훈련데이터마다 추출한다(S540).
헬스케어 연결 서버(100)는 추출된 다수의 특정 벡터들에 기초하여 훈련데이터를 입력된 심박데이터와 입력된 심박데이터의 40% 백분율로 계산된 데이터로 분류하고, 분류된 훈련데이터에 대해 기계 학습을 수행하여 심박수의 정상범위와 오차범위가 정해지는 심박수 SVM을 도출한다(S550, S560).
수집된 심박데이터가 더 존재하면(S570-Yes), 헬스케어 연결 서버(100)는 S520단계로 진입하고, 존재하지 않으면 학습을 종료한다.
도 6은 본 발명의 실시 예에 따른 헬스케어 연결 서버(100)가 기계 학습 알고리즘을 이용하여 체온 SVM을 학습하는 동작을 설명하기 위한 흐름도로서, 도 4의 S435단계의 일부에 해당하거나 사전에 학습된 동작일 수도 있다.
도 6을 참조하면, 헬스케어 연결 서버(100)는 헬스케어 장치(10)에 구비된 하나 이상의 센서로부터 수집된 체온과 관련된 센싱데이터(이하, '체온데이터'라 한다)를 입력받아(S610), 입력된 체온데이터의 오차범위(예를 들어, 입력된 체온의 -0.75~+3) 데이터를 산출하고, 산출된 오차범위 데이터를 필터링으로 제외하여 응급상황 범위로 정한다(S620). 체온의 정상범위와 오차범위는 연령대 또는 건강상태마다 다르게 설정되어 상용화될 수도 있다. 즉, 체온 SVM도 체온의 정상 범위와 응급상황 범위를 상이하게 하여 각 응급상황 범위마다 학습될 수 있으며, 헬스케어 연결 서버(100)는 사용자의 평상 시 건강상태(즉, 평상 시 체온)에 해당하는 체온 SVM을 이용하여 사용자 건강 상태를 체크할 수 있다. 이는 심박수 SVM에 대해서도 동일하다.
헬스케어 연결 서버(100)는 입력된 체온데이터 중 응급상황 범위로 계산된 데이터(즉, 필터링에 의한 남은 체온데이터)를 훈련데이터로서 정하고(S630), 훈련데이터의 특정 벡터를 훈련데이터마다 추출한다(S640).
헬스케어 연결 서버(100)는 추출된 다수의 특정 벡터들에 기초하여 훈련데이터를 정상적인 체온데이터와 정상적인 체온데이터로부터 -0.75한 체온데이터와, +3을 한 체온데이터로 분류하고, 분류된 훈련데이터에 대해 기계 학습을 수행하여 체온의 정상범위와 응급상황 범위가 정해지는 체온 SVM을 도출한다(650, S660). 도 7은 도 5 및 도 6에 의해 학습된 각 SVM을 이용하여 사용자의 건강 상태를 판단하는 동작을 설명하기 위한 흐름도이다.
도 7을 참조하면, 헬스케어 연결 서버(100)는 학습된 심박수 SVM에 실시간으로 수신되는 심박데이터를 입력한다(S710, S720).
헬스케어 연결 서버(100)는 학습된 심박수 SVM에 심박데이터를 입력하여 상황 인지 알고리즘을 수행하여 정상 범위와 40% 계산된 오차 범위의 분류를 통해 입력된 심박데이터를 분류한다(S730).
헬스케어 연결 서버(100)는 S730단계에서의 분류 결과에 따라 심박수의 정상 범위 여부를 판단한다(S740). S740단계에서, 헬스케어 연결 서버(100)는 심박데이터가 오차 범위를 벗어난 것으로 분류되면 심박수와 관련된 건강에 이상이 발생한 것으로 판단한다.
또한, 헬스케어 연결 서버(100)는 학습된 체온 SVM에 실시간으로 수신되는 체온데이터를 입력한다(S750, S760). 이 때, 헬스케어 연결 서버(100)은 체온의 정상 범위 별로 학습된 다수의 체온 SVM들 중 사용자에게 설정된 체온 SVM을 이용한다.
헬스케어 연결 서버(100)는 학습된 체온 SVM에 체온데이터를 입력하여 상황 인지 알고리즘을 수행하여 입력된 체온데이터가 정상 범위와 응급상황 범위 중 어디에 속하는지 분류한다(S770).
헬스케어 연결 서버(100)는 S770단계에서의 분류 결과에 따라 체온의 정상 범위 여부를 판단한다(S780). S780단계에서, 헬스케어 연결 서버(100)는 체온데이터가 응급상황 범위를 벗어난 것으로 분류되면 체온과 관련된 건강에 이상이 발생한 것으로 판단한다.
그리고, 헬스케어 연결 서버(100)는 S740단계에서 판단된 심박수의 정상 범위 여부와 S780단계에서 판단된 체온의 정상 범위 여부 중 적어도 하나를 이용하여 응급 상황이 발생하였는지를 판단한다(S790).
다시 도 4를 참조하면, 헬스케어 연결 서버(100)는 응급상황이 발생한 사용자의 생체정보를 생성하여 저장한다(S445).
그리고, 헬스케어 연결 서버(100)는 채굴된 블록 해쉬를 요청 및 전달받아 생체정보를 담은 블록을 생성한 후 생성된 블록을 블록체인망으로 브로드캐스팅한다(S450~S465).
블록체인망(200) 즉, 블록체인망(200)의 구성원들 중 헬스케어 관제 서버(300)와 연결된 노드에서 생체정보를 헬스케어 관제 서버(300)로 전송하면(S470), 헬스케어 관제 서버(300)는 생체정보를 저장한다(S475). S470단계에서 헬스케어 관제 서버(300)는 생체정보가 담긴 블록을 수신하여 파싱한 후 생체정보를 확인할 수 있다.
헬스케어 관제 서버(300)는 저장된 생체정보에 따라 사용자의 부근에 위치한 병원 또는 119와 같은 소방 기관으로 환자가 발생하였음을 알릴 수 있다 (S480). 또는, 헬스케어 관제 서버(300)는 S480단계를 수행하기 전에 사용자에게 직접 안부를 확인하는 절차를 수행할 수도 있다.
상술한 본 발명의 실시 예에 따르면, 헬스케어 연결 서버(100)는 프로세서(160)가 사용자에게 구비된 헬스케어 장치(10)의 센싱데이터를 더 이용하여 SVM을 학습하는 경우를 설명하고 있으나, 이에 한정되지 않고 사용자에게 구비되기 전에 제조사에서 각 센서마다 미리 학습하여 헬스케어 연결 서버(100)에서 응용가능하도록 설치할 수도 있다.
전자의 경우, 프로세서(160)는 실제로 사용 중인 헬스케어 장치(10)로부터 수신되는 센싱데이터를 이용하여 주기적으로 SVM을 학습하여 업데이트함으로써 헬스케어 장치(10)의 상태를 고려하여 보다 정확하게 SVM을 도출하고, 따라서 사용자의 건강 상태를 보다 정확히 판단하도록 할 수 있다.
또한, 프로세서(160)는 하나의 헬스케어 장치(10)에 다른 종류의 센서가 2개 구비된 경우, 각 센서에 해당하는 SVM에 해당하는 센싱데이터를 입력하여 센서마다 건강 이상 여부를 판단한다. 이로써, 프로세서(160)는 하나의 센서를 이용하는 경우에도 사용자 건강 상태를 판단할 수 있다.
한편, 이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 헬스케어 장치 100: 헬스케어 연결 서버
200: 헬스케어 블록체인망 300: 헬스케어 관제 서버들

Claims (5)

  1. 사용자의 신체 상태를 센싱하는 헬스케어 장치에 구비된 센서 및 상기 센서와 동일한 종류의 다른 센서 중 적어도 하나로부터 센싱데이터를 수집하고, 수집된 센싱데이터를 기계 학습 알고리즘에 적용하여 학습된 SVM(Support Vector Machine)에 상기 헬스케어 장치의 센서로부터 수신되는 센싱데이터를 입력하여 상기 사용자의 건강 상태를 판별하고, 상기 사용자의 건강에 응급 상황이 발생한 것으로 판별되면, 상기 사용자의 생체 정보를 기재한 블록을 생성하여 헬스케어 블록체인망으로 브로드캐스팅하는 헬스케어 연결 서버;
    상기 헬스케어 연결 서버로부터 수신되는 블록을 블록체인망 구성원들에게 전달하는 헬스케어 블록체인망; 및
    상기 헬스케어 블록체인망을 통해 전달받은 블록을 기초로 상기 응급 상황에 대처하기 위한 절차를 수행하는 헬스케어 관제 서버;를 포함하고,
    상기 SVM은 심박수에 대해 학습된 심박수 SVM 및 체온에 대해 학습된 체온 SVM을 포함하고,
    상기 학습된 심박수 SVM은 심박수의 정상 범위와 오차 범위를 포함하고, 상기 학습된 체온 SVM은 체온의 정상 범위와 응급상황 범위를 포함하며,
    상기 헬스케어 연결 서버는,
    상기 센서로부터 수신되는 센싱데이터가 심박데이터인 경우, 상기 심박데이터가 상기 학습된 심박수 SVM에 속하는 범위와, 상기 수신되는 센싱데이터가 체온데이터인 경우, 상기 체온데이터가 상기 학습된 체온 SVM에 속하는 범위 중 적어도 하나를 이용하여 사용자의 건강 상태를 판별하는 것을 특징으로 하는 블록체인망을 이용한 헬스케어 관제 시스템.
  2. 제1항에 있어서,
    상기 헬스케어 연결 서버는,
    블록 생성에 필요한 블록 해쉬를 채굴하여 저장하고, 상기 저장된 블록 해쉬를 이용하여 상기 생체정보를 기재한 블록을 생성하여 브로드캐스팅하는 것을 특징으로 하는 블록체인망을 이용한 헬스케어 관제 시스템.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 헬스케어 연결 서버 및 상기 헬스케어 관제 서버는, 상기 헬스케어 블록체인망의 구성원으로 동작하는 것을 특징으로 하는 블록체인망을 이용한 헬스케어 관제 시스템.
KR1020180089200A 2018-07-31 2018-07-31 블록체인망을 이용한 헬스케어 관제 시스템 KR102143579B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180089200A KR102143579B1 (ko) 2018-07-31 2018-07-31 블록체인망을 이용한 헬스케어 관제 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180089200A KR102143579B1 (ko) 2018-07-31 2018-07-31 블록체인망을 이용한 헬스케어 관제 시스템

Publications (2)

Publication Number Publication Date
KR20200013940A KR20200013940A (ko) 2020-02-10
KR102143579B1 true KR102143579B1 (ko) 2020-08-12

Family

ID=69627477

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180089200A KR102143579B1 (ko) 2018-07-31 2018-07-31 블록체인망을 이용한 헬스케어 관제 시스템

Country Status (1)

Country Link
KR (1) KR102143579B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102200481B1 (ko) * 2020-05-11 2021-01-08 주식회사 위드블록 블록체인 기반 집단방역 관리 시스템
KR20230044232A (ko) * 2020-09-21 2023-04-03 주식회사 에스앤피랩 바이러스 감염 위험도를 측정하는 휴대용 전자 장치 및 시스템
KR102343338B1 (ko) * 2020-11-04 2021-12-27 주식회사 인피아이 휴대용 체온 측정기를 이용한 블록체인 기반 체온 측정 모니터링 시스템 및 그 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101763827B1 (ko) * 2016-04-07 2017-08-02 주식회사 라이프시맨틱스 블록체인 기반 의료데이터전송시스템, 방법 및 프로그램

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180057233A (ko) 2016-11-22 2018-05-30 하피주르 칼리파 스마트 밴드 및 스마트 밴드 관리 서버
KR101887102B1 (ko) * 2018-03-29 2018-08-09 (주)허니냅스 헬스케어 디바이스 및 그 동작 방법, 및 센서 확장성을 포함한 헬스케어 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101763827B1 (ko) * 2016-04-07 2017-08-02 주식회사 라이프시맨틱스 블록체인 기반 의료데이터전송시스템, 방법 및 프로그램

Also Published As

Publication number Publication date
KR20200013940A (ko) 2020-02-10

Similar Documents

Publication Publication Date Title
KR102143579B1 (ko) 블록체인망을 이용한 헬스케어 관제 시스템
JP6913311B2 (ja) 人工知能を有するシステム
US20190095313A1 (en) Log-based system maintenance and management
CN108965399B (zh) 智能合约的执行方法、装置、设备及存储介质
US8751414B2 (en) Identifying abnormalities in resource usage
Sagha et al. On-line anomaly detection and resilience in classifier ensembles
JP2018045403A (ja) 異常検知システム及び異常検知方法
KR102081274B1 (ko) 블록체인망을 이용한 iot 가전 상태 관제 시스템
KR20190060021A (ko) 맞춤형 지능시스템 및 그 동작방법
US11741986B2 (en) System and method for passive subject specific monitoring
WO2022047272A9 (en) Electronic devices with a static artificial intelligence model for contextual situations, including age blocking for vaping and ignition start, using data analysis and operating methods thereof
KR101183124B1 (ko) 상황 모니터링을 지원하는 모바일 장치, 이를 이용하는 상황 모니터링 방법 및 이를 포함하는 상황 모니터링 시스템
CN109995751B (zh) 上网设备标记方法、装置及存储介质、计算机设备
Fayad et al. Toward a design model-oriented methodology to ensure QoS of a cyber-physical healthcare system
CN112329633A (zh) 基于张量分解的情感识别方法、装置、介质及电子设备
Maglogiannis et al. Intelligent health monitoring based on pervasive technologies and cloud computing
Kim et al. Modeling of child stress-state identification based on biometric information in mobile environment
US20210134469A1 (en) Electronic device for providing activity information about user and method of operating the same
Jain et al. An energy efficient health monitoring approach with wireless body area networks
US11890424B2 (en) Augmented reality enabled motion sickness reduction
CN114282940A (zh) 用于意图识别的方法及装置、存储介质及电子设备
Chotipant et al. Differentiative Feature-based Fall Detection System
Heyer et al. Posture based detection of attention in human computer interaction
Ianculescu et al. Addressing mild cognitive impairment and boosting wellness for the elderly through personalized remote monitoring. Healthcare 2022; 10: 10
Li et al. Design of SaaS based health care system for disease detection and prediction

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