KR102304563B1 - 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치 - Google Patents

사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치 Download PDF

Info

Publication number
KR102304563B1
KR102304563B1 KR1020210042780A KR20210042780A KR102304563B1 KR 102304563 B1 KR102304563 B1 KR 102304563B1 KR 1020210042780 A KR1020210042780 A KR 1020210042780A KR 20210042780 A KR20210042780 A KR 20210042780A KR 102304563 B1 KR102304563 B1 KR 102304563B1
Authority
KR
South Korea
Prior art keywords
user
obesity
management method
obesity management
personal health
Prior art date
Application number
KR1020210042780A
Other languages
English (en)
Inventor
김성경
주강민
홍혜미
문지명
Original Assignee
주식회사 인졀미
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 주식회사 인졀미 filed Critical 주식회사 인졀미
Priority to KR1020210042780A priority Critical patent/KR102304563B1/ko
Application granted granted Critical
Publication of KR102304563B1 publication Critical patent/KR102304563B1/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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치가 제공된다. 상기 방법은, 사용자의 단말로부터 상기 사용자의 제1 개인 건강 데이터를 수신하여 획득하는 단계, 인공지능 기반의 학습 모델을 통해 상기 제1 개인 건강 데이터를 분석하여, 상기 사용자의 맞춤 비만관리법을 추천하는 단계, 상기 사용자의 단말로부터 상기 사용자의 제2 개인 건강 데이터를 수신하여 획득하는 단계, 및 상기 제2 개인 건강 데이터에 기초하여 상기 맞춤 비만관리법에 대한 상기 사용자의 수행도를 평가하는 단계를 포함한다.

Description

사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING PERSONALIZED OBESITY MANAGEMENT SERVICE}
본 발명은 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치에 관한 것이다.
2018년 정부는 관계부처를 통합하여 ‘국가 비만관리 종합대책’을 발표하였다. 고도비만 인구의 지속적인 급증세와 이에 따른 사회경제적 손실규모의 증가로 인해, 선진국들과 같이 적극적인 정책개입을 선언하였다. 비만은 발병 이전에 예방 및 관리 하는 것이 가장 효과적인 대책이라는 내용과 함께, 아동 청소년기의 선제적인 대책과 건강한 식생활 및 주기적인 신체활동을 핵심 수단으로 꼽았다.
이에 따라 정부는 범정부 차원의 5개년 중장기 목표 및 추진 전략을 2018년부터 시행했으나, 물리적 한계, 국한된 시범 지역, 홍보 부족, 코로나 19 사태로 인한 집합 금지 등으로 인해 별다른 성과를 얻지 못하였다. 또한 민간 사업으로는 병원의 비만 클리닉, 한의원의 한약 및 침술, 다이어트 전문 클리닉의 집중 관리 등이 존재하지만, 이 역시 물리적 한계, 금전적 한계, 코로나 19 등의 이유로 범용성과 효과성이 크게 떨어지는 문제점이 있었다.
2020년 코로나 19사태 이후 직면한 더 큰 한계점은 이러한 대면 관리 외에는 전세계적으로 온라인 비만관리 방안이 절대적으로 부족하다는 점이다. 온라인 서비스는 단순한 영상 수업 제공 또는 강사 연결 서비스 만이 존재하는 실정이다.
이에, 개인의 데이터를 측정 및 수집하고, 정부와 민간에 존재하는 각종 데이터를 연결하여 건강 빅데이터를 구성하고, 인공지능 분석을 통해 데이터 간의 상관관계를 밝혀낸 뒤 비만 상태를 일상 생활 속에서 관리 혹은 사전에 예방하는 방안이 필요하다.
대한민국 등록특허공보 제10-0786703호, 2007.12.11.
상술한 바와 같은 문제점을 해결하기 위한 본 발명은 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치를 제공하는 것을 그 목적으로 한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 사용자 맞춤형 비만 관리 서비스 제공 방법은, 사용자의 단말로부터 상기 사용자의 제1 개인 건강 데이터를 수신하여 획득하는 단계, 인공지능 기반의 학습 모델을 통해 상기 제1 개인 건강 데이터를 분석하여, 상기 사용자의 맞춤 비만관리법을 추천하는 단계, 상기 사용자의 단말로부터 상기 사용자의 제2 개인 건강 데이터를 수신하여 획득하는 단계, 및 상기 제2 개인 건강 데이터에 기초하여 상기 맞춤 비만관리법에 대한 상기 사용자의 수행도를 평가하는 단계를 포함하고, 상기 제1 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천되기 이전에 획득되며, 상기 제2 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천된 이후, 상기 사용자가 상기 맞춤 비만관리법을 수행함에 따라 누적되어 획득되고, 상기 추천 단계는, 상기 제1 개인 건강 데이터에 기초하여 사용자 비만도를 계산하는 단계, 상기 계산된 사용자 비만도 및 표준 비만도에 기초하여 사용자 목표 비만도를 설정하는 단계, 상기 제1 개인 건강 데이터에 기초하여 상기 사용자를 유사 그룹에 그룹핑하는 단계, 그룹핑된 결과에 기초하여 사용자의 비만관리법 적합도를 계산하는 단계, 및 상기 설정된 목표 비만도와 상기 계산된 비만관리법 적합도에 기초하여 상기 맞춤 비만관리법을 추천하는 단계를 포함한다.
본 발명에서, 상기 제1 개인 건강 데이터 및 상기 제2 개인 건강 데이터는, 사용자 입력과 관련한 입력 데이터, 스마트기기의 측정과 관련한 측정 데이터 및 카메라의 촬영과 관련한 이미지 데이터 중 적어도 하나를 포함할 수 있다.
본 발명에서, 상기 맞춤 비만관리법은, 운동, 수면 및 영양과 관련한 관리법을 포함할 수 있다.
본 발명에서, 상기 학습 모델은, 사용자별 제1 개인 건강 데이터, 사용자별 제2 개인 건강 데이터, 사용자별 맞춤 비만관리법 수행에 따른 변화 데이터 및 기 설정된 기간 동안의 분류별 통계 데이터 중 적어도 하나를 이용한 학습을 통해 구축될 수 있다.
본 발명에서, 상기 평가 단계는, 상기 사용자 단말로부터 상기 맞춤 비만관리법에 대한 피드백 정보를 획득하여, 상기 제2 개인 건강 데이터를 상기 피드백 정보와 연계하여 상기 수행도를 평가할 수 있다.
본 발명에서, 상기 그룹핑 단계는, 상기 사용자를 포함하는 전체 사용자의 제1 개인 건강 데이터 중 키 및 몸무게를 이용하여 1차 그룹핑하는 단계, 및 1차 그룹핑된 결과 및 상기 사용자를 포함하는 전체 사용자의 제1 개인 건강 데이터 중 키 및 몸무게를 제외한 나머지 정보를 이용하여 2차 그룹핑하는 단계를 포함할 수 있다.
본 발명에서, 상기 1차 그룹핑 단계는, 아래 수학식 1을 이용하여 전체 사용자 중 특정 두 사용자 간 거리를 계산하고, 아래 수학식 2를 이용하여 전체 사용자를 복수의 클러스터로 분할할 수 있다.
[수학식 1]
Figure 112021038509653-pat00001
여기서,
Figure 112021038509653-pat00002
는 사용자 i와 사용자 j 사이의 거리,
Figure 112021038509653-pat00003
는 사용자 i의 키,
Figure 112021038509653-pat00004
는 사용자 j의 키,
Figure 112021038509653-pat00005
는 사용자 i의 몸무게,
Figure 112021038509653-pat00006
는 사용자 j의 몸무게일 수 있다.
[수학식 2]
Figure 112021038509653-pat00007
여기서,
Figure 112021038509653-pat00008
는 n번째 사용자의 제1 개인 건강 데이터,
Figure 112021038509653-pat00009
는 k번째 클러스터의 중심,
Figure 112021038509653-pat00010
는
Figure 112021038509653-pat00011
와
Figure 112021038509653-pat00012
사이의 거리일 수 있다.
본 발명에서, 상기 적합도 계산 방법은, 상기 유사 그룹에 포함된 다른 사용자 각각의 비만관리법 수행도와 체중 변화량에 기초하여 각 비만관리법의 효과도를 계산하는 단계, 복수의 비만관리법 중에서 상기 유사 그룹에 포함된 다른 사용자에 의해 선택된 횟수에 기초하여 각 비만관리법의 선호도를 계산하는 단계, 및 상기 계산된 효과도 및 상기 계산된 선호도를 합하여 상기 적합도를 계산하는 단계를 포함할 수 있다.
본 발명에서, 상기 추천 단계는, 상기 계산된 적합도가 큰 순서대로 적어도 하나의 비만관리법을 추출하고, 상기 추출된 적어도 하나의 비만관리법 각각에 대해 상기 설정된 목표 비만도 대비 기대 비만도를 계산하여 추천하되, 상기 기대 비만도는 운동 강도 또는 횟수 조절을 통해 계산되고, 상기 운동 강도 또는 횟수는 사용자의 행동 패턴 정보에 따라 계산된 최대 건강 관리 시간을 초과하지 않고 상기 목표 비만도에 근접하도록 설정될 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 면에 따른 사용자 맞춤형 비만 관리 서비스 제공 장치는, 사용자 단말로부터 제1 개인 건강 데이터 및 제2 개인 건강 데이터를 수신하는 통신부, 상기 사용자 단말로 사용자의 맞춤 비만관리법을 추천하기 위한 적어도 하나의 프로그램이 저장된 메모리, 및 상기 학습 모델을 통해 상기 제1 개인 건강 데이터를 분석하여, 상기 사용자의 맞춤 비만관리법을 추천하고, 상기 제2 개인 건강 데이터에 기초하여 상기 맞춤 비만관리법에 대한 상기 사용자의 수행도를 평가하는 프로세서를 포함하고, 상기 제1 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천되기 이전에 획득되며, 상기 제2 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천된 이후, 상기 사용자가 상기 맞춤 비만관리법을 수행함에 따라 누적되어 획득되고, 상기 프로세서는, 상기 제1 개인 건강 정보에 기초하여 사용자 비만도를 계산하고, 상기 계산된 사용자 비만도 및 표준 비만도에 기초하여 사용자 목표 비만도를 설정하고, 상기 제1 개인 건강 정보에 기초하여 상기 사용자를 유사 그룹에 그룹핑하고, 그룹핑 결과에 기초하여 사용자의 비만관리법 적합도를 계산하고, 상기 설정된 목표 비만도와 상기 계산된 비만관리법 적합도에 기초하여 상기 맞춤 비만관리법을 추천한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 장치, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
상기와 같은 본 발명에 따르면, 사용자의 개인 건강 데이터를 이용하여 운동, 영양 및 수면의 관점에서 맞춤 비만관리법을 제공하고, 사용자가 제공된 비만관리법을 수행하면 그에 대한 보상을 지급하여 서비스 내에서 혹은 제휴 서비스에서 사용할 수 있게 하는 선순환형 온라인(모바일) 비만관리 서비스를 제공할 수 있다.
또한, 고도 비만과 같이 자력으로 일상 생활에서 관리가 불가능한 상태의 사용자에 대해서는 데이터를 기반으로 가장 적합한 전문 서비스 제공자를 추천해주고, 사용자의 동의에 따라 데이터를 전문가에게 전달하여 맞춤형 비만 관리 서비스를 받도록 연결해주는 기능을 통해 온라인과 오프라인을 융합하여 기존 비만 관리의 한계를 넘어 현실적이고 혁신적인 비만관리 체계를 구축할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명에 따른 사용자 맞춤형 비만 관리 서비스 제공을 위한 시스템을 개략적으로 나타내는 도면이다.
도 2는 상기 시스템의 구체적인 프로세스를 설명하기 위한 도면이다.
도 3은 본 발명에 따른 사용자 맞춤형 비만 관리 서비스 제공 방법의 순서도이다.
도 4는 도 3의 단계 S120의 구체적인 방법의 순서도이다.
도 5는 도 4의 단계 S123의 구체적인 방법의 순서도이다.
도 6은 도 4의 단계 S124의 구체적인 방법의 순서도이다.
도 7은 본 발명에 따른 사용자 맞춤형 비만 관리 서비스 제공 장치를 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 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 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명에 따른 사용자 맞춤형 비만 관리 서비스 제공을 위한 시스템을 개략적으로 나타내는 도면이다.
도 2는 상기 시스템의 구체적인 프로세스를 설명하기 위한 도면이다.
도 3은 본 발명에 따른 사용자 맞춤형 비만 관리 서비스 제공 방법의 순서도이다.
도 4는 도 3의 단계 S120의 구체적인 방법의 순서도이다.
도 5는 도 4의 단계 S123의 구체적인 방법의 순서도이다.
도 6은 도 4의 단계 S124의 구체적인 방법의 순서도이다.
도 1을 참조하면, 본 발명의 사용자 맞춤형 비만 관리 서비스 제공을 위한 시스템(1)(이하, 시스템)은 플랫폼 서버(10), 사용자 단말(20), 외부 단말(30) 및 통신망(40)을 포함하여 구성될 수 있다.
본 발명에 따른 시스템(1)에서 발명의 주체는 컴퓨터 또는 서버가 적용 가능하며, 구체적으로는 플랫폼 서버(10)가 수행 주체가 될 수 있다.
본 발명에 따른 시스템(10)은 플랫폼 서버(10)가 사용자 단말(20)로부터 최초 개인 건강 데이터(이하, 제1 개인 건강 데이터)를 수신하여 획득하면, 획득된 제1 개인 건강 데이터를 인공지능 기반의 학습 모델에 적용하여 사용자 맞춤 비만관리법을 도출하여 사용자 단말(20)로 추천할 수 있다.
이때, 인공지능 기반의 학습 모델은 플랫폼에 가입된 모든 사용자의 개인 건강 데이터 및 공공 데이터 등 각종 데이터를 학습하여 구축될 수 있다. 이때, 학습을 위한 개인 건강 데이터와 공공 데이터는 대사량(kcal) 기준으로 균일화되어 빅테이터로 가공된 데이터일 수 있다.
본 발명에 따른 시스템(10)은 플랫폼 서버(10)가 사용자에게 맞춤 비만관리법이 추천된 이후에, 사용자 단말(20)로부터 개인 건강 데이터(이하, 제2 개인 건강 데이터)를 수신하여 획득하면, 획득된 제2 개인 건강 데이터를 이용하여 맞춤 비만관리법에 대한 사용자의 수행도를 평가할 수 있다.
본 발명에 따른 시스템(10)은 플랫폼 서버(10)가 사용자의 수행도에 따라 사용자 단말(20)로 온라인(구체적으로, 플랫폼의 B2B 파트너을 포함한 제휴처)에서 사용 가능한 보상을 제공할 수 있다. 사용자는 제공된 보상을 통해 관리에 대한 동기를 부여받을 수 있어 지속적인 비만 관리가 가능해질 수 있다.
본 발명에 따른 플랫폼 서버(10)는 사용자 맞춤형 비만 관리 서비스 플랫폼을 제공하는 회사, 업체 또는 개인이 운영하는 서버일 수 있다.
플랫폼 서버(10)는 온라인 웹 또는 앱의 형태로 서비스를 제공하고, 온라인 웹 또는 앱을 통해 사용자 단말(20)부터 사용자의 개인 건강 데이터를 수집하고, 수집된 개인 건강 데이터 및 공공 데이터의 합을 통해 빅테이터를 구성하여 사용자별로 비만 관리 및 예방을 지속적으로 지원할 수 있다.
본 발명의 사용자 맞춤형 비만 관리 서비스는 사용자의 특징별로 그룹으로 묶어서 해당 그룹에 적합한 형태의 웹 또는 앱 애플리케이션이 각각 제공되어 서비스가 이루어질 수 있다. 예를 들어, 초등학생 전용 게임형 비만관리 서비스, 중고등학생 전용 컨텐츠형 비만관리 서비스, 직장인 전용 틈새시간 활용 비만관리 서비스 등의 형태로 서비스가 제공될 수 있다.
본 발명에 따른 사용자 단말(20)은 상기 플랫폼에 가입된 사용자가 사용하는 단말일 수 있다. 구체적으로, 사용자는 자신의 사용자 단말(20)에 상기 플랫폼이 제공하는 서비스 웹 또는 앱 애플리케이션을 설치하고 가입하여 상기 플랫폼을 이용할 수 있다.
여기서, 사용자는 비만 관리 및 예방을 목적으로 온라인 비만관리 서비스 플랫폼에 회원 가입, 약관 및 데이터 활용 정책에 동의한 모든 사람을 의미할 수 있다.
사용자 단말(20)은 컴퓨터와 같은 정보처리수단이 적용될 수 있으며, 제어부와 같은 프로세서, 카메라와 같은 촬영 수단, 터치 스크린을 포함하는 입출력 수단을 포함하고, 통신 기능을 포함한 모든 장치를 의미할 수 있다. 즉, 스마트폰, 태블릿, PDA, 랩탑, 데스크탑 등과 같은 디바이스라면 무엇이든 적용이 가능하다.
본 발명에 따른 외부 단말(30)은 상기 플랫폼과 제휴된 B2B 파트너 또는 공공 기관이 사용하는 단말일 수 있다.
여기서, B2B 파트너는 서비스 플랫폼과 제휴 협약을 맺은 비만 관리 또는 건강 관리와 관련이 있는 비즈니스 단체 또는 개인을 의미할 수 있다.
여기서, 공공 기관은 인구, 보건의료, 건강 관련 공공 데이터를 제공하는 기관을 의미하며, 또는 정부정책 등과 같은 데이터를 제공하는 기관을 의미할 수 있다.
외부 단말(30)은 컴퓨터와 같은 정보처리수단이 적용될 수 있으며, 제어부와 같은 프로세서, 카메라와 같은 촬영 수단, 터치 스크린을 포함하는 입출력 수단을 포함하고, 통신 기능을 포함한 모든 장치를 의미할 수 있다. 즉, 스마트폰, 태블릿, PDA, 랩탑, 데스크탑 등과 같은 디바이스라면 무엇이든 적용이 가능하다.
통신망(40)은 플랫폼 서버(10), 사용자 단말(20) 및 외부 단말(30)이 서로 다양한 정보를 송수신할 수 있도록 한다. 통신망(40)은 다양한 형태의 통신망이 이용될 수 있으며, 예컨대, WLAN(Wireless LAN), 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), HSDPA(High Speed Downlink Packet Access) 등의 무선 통신방식 또는 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coax), FTTC(Fiber to The Curb), FTTH(Fiber To The Home) 등의 유선 통신방식이 이용될 수 있다.
그러나, 통신망(40)은 상기에 제시된 통신방식에 한정되는 것은 아니며, 상술한 통신방식 이외에도 기타 널리 공지되었거나 향후 개발될 모든 형태의 통신 방식을 포함할 수 있다.
이하에서는 도 2를 참조하여, 본 발명의 시스템(1)의 프로세스를 구체적으로 설명하도록 한다.
① 플랫폼 서버(10)는 플랫폼에 가입된 모든 사용자 각각의 사용자 단말(20)로부터 제1 개인 건강 데이터 및 제2 개인 건강 데이터를 수신하여 획득할 수 있다.
여기서, 제1 개인 건강 데이터는 사용자에게 맞춤 비만관리법이 추천되기 이전에 획득되는 개인 건강 데이터를 의미할 수 있다.
여기서, 제2 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천된 이후, 상기 사용자가 상기 맞춤 비만관리법을 수행함에 따라 누적되어 획득되는 개인 건강 데이터를 의미할 수 있다.
본 발명의 개인 건강 데이터는 사용자 입력과 관련한 입력 데이터(기본 데이터), 스마트기기의 측정과 관련한 측정 데이터(웨어러블 데이터 및 스마트홈 데이터) 및 카메라의 촬영과 관련한 이미지 데이터를 포함할 수 있다.
기본 데이터는 사용자의 비만 및 건강에 대한 분석과 비만 관리 서비스를 제공하기 위해 기본적으로 필요한 데이터를 의미할 수 있다. 기본 데이터는 신체 정보, 성별 정보, 섭취 정보, 부모 정보, 기타 정보 등을 포함할 수 있다.
신체 정보는 키, 몸무게 등과 같이 사용자의 신체와 관련한 정보를 포함할 수 있다. 섭취 정보는 수분, 영양소, 약제 등의 섭취 횟수, 섭취 시간, 섭취 양 등과 같은 정보를 포함할 수 있다. 부모 정보는 부모의 신체 정보, 부모의 질병 이력 정보 등과 같은 정보를 포함할 수 있다. 기타 정보는 사용자의 과거 비만 이력 정보, 질병 이력 정보, 생활 패턴 정보 등을 포함할 수 있다.
이때, 기본 데이터는 기본적으로 사용자의 입력을 통해 수집되고, 선택적으로 연동을 통해 수집될 수 있다.
웨어러블 데이터는 웨어러블 제품(예를 들어, 스마트워치, 스마트밴드, 스마트반지, 스마트줄넘기 등 신체 부착형의 IoT 지원이 가능한 모든 기기)을 통해 사용자의 움직임에 따라 기록된 모든 데이터를 의미할 수 있다. 웨어러블 데이터는 걸음 정보, 활동 정보, 수면 정보 및 심장박동 정보 등을 포함할 수 있다.
걸음 정보는 걸음 거리, 걸음 시간, 걸음 횟수, 걸음 패턴 등 사용자의 걸음과 관련한 정보를 포함할 수 있다. 활동 정보는 달리기 시간, 달리기 거리, 달리기 코스, 요가 시간, 필라테스 시간, 필라테스 기구 등 사용자의 활동 및 운동과 관련한 정보를 포함할 수 있다. 수면 정보는 수면 시간, 수면 패턴, 수면 종류 등 사용자의 수면과 관련한 정보를 포함할 수 있다.
이때, 웨어러블 데이터는 기본적으로 스마트기기를 통한 측정, 운영 체제 및 기기 제조사에 따른 관련 앱이나 타사의 건강 데이터 스토어와의 연동을 통해 수집될 수 있다.
스마트홈 데이터는 스마트홈 제품(예를 들어, 스마트 체중계, 스마트체지방계, 스마트신장계 등 신체 착용형이 아닌 제한된 장소에서 IoT 지원이 가능한 모든 기기)으로 측정된 모든 데이터를 의미할 수 있다. 스마트홈 데이터는 신체정보 등을 포함할 수 있다.
신체 정보는 스마트 신장계를 통해 측정된 키, 스마트 체중계를 통해 측정된 몸무게 등을 포함할 수 있다.
이때, 스마트홈 데이터는 기본적으로 스마트기기를 통한 측정, 운영 체제 및 기기 제조사에 따른 관련 앱과의 연동을 통해 수집될 수 있다.
이미지 데이터는 실시간 촬영 혹은 갤러리를 통해 업로드되는 이미지를 통해 확인되는 모든 정보를 의미할 수 있다. 이미지 데이터는 섭취 정보 등을 포함할 수 있다.
섭취 정보는 사용자 단말(20)로 촬영된 점심 식사 상차림, 그 상차림에 보여지는 음식물들에 대한 칼로리 정보, 이미지가 촬영된 시간, 급식업체에서 제공하는 급식표 등을 포함할 수 있다.
이때, 이미지 데이터는 기본적으로 수집된 이미지에 대한 기본 정보(이미지 촬영 시간 등)와 인공지능을 이용한 분석(Vision AI, AI OCR(Optical Character Recognition) 등)을 통해 수집될 수 있다.
본 발명에 따라, 제1 개인 건강 데이터는 사용자에게 맞춤 비만관리법이 추천되기 전에, 사용자 단말(20)로부터 최초로 제공받는 데이터로서, 제1 개인 건강 데이터는 상기 입력 데이터, 측정 데이터 및 이미지 데이터 중에서 적어도 하나를 포함할 수 있다.
본 발명에 따라, 제2 개인 건강 데이터는 사용자에게 맞춤 비만관리법이 추천된 이후, 사용자가 맞춤 비만관리법을 수행하면서 시계열적으로 누적되어 수집되는 데이터로서, 제2 개인 건강 데이터는 상기 입력 데이터, 측정 데이터 및 이미지 데이터 중에서 적어도 하나를 포함할 수 있다.
② 상술한 바와 같이 플랫폼 서버(10)는 모든 사용자를 특징별로 묶어서 각각 상이한 온라인 비만 관리 서비스를 제공할 수 있다. 구체적으로, 플랫폼 서버(10)는 각 사용자의 나이대, 경제활동 여부 등에 따라 초등학생 서비스, 중고등학생 서비스, 성인 서비스, 직장인 서비스, 은퇴자 서비스 등으로 온라인 비만관리 서비스를 구분하여 제공할 수 있다.
플랫폼 서버(10)는 모든 사용자 각각의 사용자 단말(20)로부터 수신하여 획득된 제1 개인 건강 데이터 및 제2 개인 건강 데이터를 전처리 또는 가공 등을 통해 빅데이터화하여 빅데이터 데이터스토어에 저장할 수 있다.
이때, 외부 단말(30)로부터 수신되는 공공 데이터도 상기와 같이 전처리 또는 가공 등을 통해 빅데이터화되어 상기 빅데이터 데이터 스토어에 저장될 수 있다. 이때, 공공 데이터는 성인건강검진 정보, 학생건강검진 정보 및 영유아건강검진정보 등을 포함할 수 있다.
③ 이렇게 모든 사용자의 제1 개인 건강 데이터 및 제2 개인 건강 데이터와, 공공 데이터의 상시 업데이트를 통해 통합 처리된 빅데이터는 인공지능 기반의 학습 모델의 학습을 위해 사용될 수 있다.
이때, 플랫폼 서버(10)는 외부 단말(30)로부터 식생활영양안전정책 등을 포함하는 정책 데이터를 수신하여 인공지능 기반의 학습 모델의 학습 시에 상기 빅데이터와 함께 사용할 수 있다.
또한, 상기 학습 모델은, 상기 데이터들뿐만 아니라 사용자별 맞춤 비만관리법 수행에 따른 변화 데이터를 학습하여 구축될 수 있다. 여기서, 변화 데이터는 제1 개인 건강 데이터의 분석을 통해 추출된 변화 예측 데이터와 시계열적으로 수집되는 제2 개인 건강 데이터의 비교를 통해 확인되는 사용자의 신체 변화 데이터를 의미할 수 있다.
또한, 상기 학습 모델은 상기 데이터들뿐만 아니라 기 설정된 기간 동안의 분류별 통계 데이터를 학습하여 구축될 수 있다. 통계 데이터는 사용자별로 수집되는 개인 건강 데이터를 일정 기간마다 특정 분류별로 분류하여 추출되는 데이터를 의미할 수 있다. 이때, 일정 기간은 일간, 주간, 월간 및 년간 등을 포함할 수 있고, 특정 분류는 사용자, 지역, 연령, 성별, 키, 몸무게 및 비만도 등을 포함할 수 있다.
④ 플랫폼 서버(10)는 상기와 같이 구축된 학습 모델을 통해 각 사용자의 제1 개인 건강 데이터 및 제2 개인 건강 데이터를 분석하여, 각 사용자 별 맞춤 비만관리법 및 맞춤 비만관리법 수행에 따른 각 사용자의 건강 상태 변화 추이 등을 예측할 수 있다. 이렇게 분석을 통해 예측된 결과는 비식별 데이터로 B2B 파트너들의 단말로 제공될 수 있다.
여기서, B2B 파트너는 지자체, 교육청, 병원, 한의원, 비만 클리닉, 전문 피트니스 센터, IoT 제조사, 제약사, 건강식품사 및 보험사 등을 포함할 수 있다.
⑤ 플랫폼 서버(10)는 상기 분석된 결과를 사용자 단말(20)로 제공할 수 있다. 구체적으로, 플랫폼 서버(10)는 각 사용자의 제1 개인 건강 데이터의 분석을 통해 영양·운동·수면에 대한 맞춤형 비만관리법 및 비만관리법 수행에 따른 변화 예측 데이터를 제공할 수 있다.
그리고 플랫폼 서버(10)는 사용자의 제2 개인 건강 데이터의 분석을 통해 각 사용자의 비만관리법 수행 여부, 상기 변화 예측 데이터 대비 사용자의 실제 신체 변화 정도 등을 결과 데이터로써 확인하고, 결과 데이터에 따라 각 사용자에게 보상을 제공할 수 있다. 즉, 맞춤 비만관리법 수행에 따른 사용자의 신체 변화가 상기 변화 예측 데이터와 유사하게 나타나는 경우 플랫폼 서버(10)는 사용자에게 보상을 제공할 수 있다.
여기서, 보상은 사용자가 자신에게 제공된 맞춤형 비만관리법을 수행함에 따라 입력·측정·촬영한 데이터(제2 개인 건강 데이터)를 플랫폼에 제공하면, 이를 확인하여 서비스 정책에 따라 지급하는, 온라인(서비스 플랫폼 및 B2B 파트너를 포함한 제휴처) 또는 오프라인(B2B 파트너를 포함한 제휴처)에서 사용가능한 포인트를 의미할 수 있다. 예를 들어, 게임형 서비스에서는 게임 아이템 구매가 가능하며, 이커머스형 서비스에서는 물품 구매에 대한 가상 화폐로 사용이 가능하다.
또한, 플랫폼 서버(10)는 사용자 단말(20)로 사용자 특성에 적합한 전문 서비스 및 제품을 추천할 수 있다. 일 예로, 사용자 단말(20)로부터 전문 서비스 또는 제품에 대한 추천 요청이 입력되면, 플랫폼 서버(10)는 사용자 단말(20)로 해당 사용자에게 적합한(사용자의 맞춤 비만관리법 수행에 따른 현재까지의 변화 등을 고려) 전문 서비스 또는 제품을 추천할 수 있다. 다른 예로, 플랫폼 서버(10)가 특정 사용자의 맞춤 비만관리법 수행에 따른 현재까지의 변화 등을 고려하여 특정 전문 서비스 및 제품이 필요하다고 판단하면, 해당 사용자에게 특정 전문 서비스 및 제품을 추천할 수 있다.
이때, 전문 서비스 및 제품은 B2B 파트너가 제공하는 서비스 및 제품일 수 있다. 특정 B2B 파트너의 서비스 및 제품이 특정 사용자에게 추천되면, 특정 B2B 파트너의 단말에 이전에 상기 비식별 데이터 형태로 수신되었던 특정 사용자의 예측 결과 데이터는 식별 데이터 형태로 전환되어 특정 B2B 파트너가 확인할 수 있도록 할 수 있다.
ⓐ 사용자는 플랫폼 서버(10)로부터 특정 B2B 파트너의 전문 서비스 및 제품을 추천받으면, 온라인 또는 오프라인으로 추천된 해당 전문 서비스 및 제품을 구매하거나 할 수 있다. 이때, 상기 전문 서비스 및 제품 구매 시, 사용자는 플랫폼 서버(10)로부터 제공받은 보상을 이용하여 구매할 수 있다.
이하에서는 도 3 내지 도 6을 참조하여, 사용자 맞춤형 비만 관리 서비스 제공 방법을 상세하게 설명하도록 한다.
먼저, 도 3을 참조하면, 플랫폼 서버(10)는 사용자의 단말(20)로부터 사용자의 제1 개인 건강 데이터를 수신하여 획득할 수 있다(S110).
상술한 바와 같이, 제1 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천되기 이전에 획득되는 데이터로서, 사용자 입력과 관련한 입력 데이터, 스마트기기의 측정과 관련한 측정 데이터 및 카메라의 촬영과 관련한 이미지 데이터 중 적어도 하나를 포함할 수 있다.
다음으로, 플랫폼 서버(10)는 인공지능 기반의 학습 모델을 통해 상기 제1 개인 건강 데이터를 분석하여, 상기 사용자의 맞춤 비만관리법을 추천할 수 있다(S120).
상술한 바와 같이, 인공지능 기반의 학습 모델은 사용자별 제1 개인 건강 데이터, 사용자별 제2 개인 건강 데이터, 사용자별 맞춤 비만관리법 수행에 따른 변화 데이터 및 기 설정된 기간 동안의 분류별 통계 데이터 중 적어도 하나를 이용한 학습을 통해 구축될 수 있다.
여기서, 맞춤 비만관리법은, 운동, 수면 및 영양과 관련한 관리법을 포함할 수 있다. 즉, 플랫폼 서버(10)는 사용자의 제1 개인 건강 데이터를 학습 모델을 이용해 분석하여, 사용자의 특성에 적합한 운동에 대한 맞춤 비만관리법(예를 들어, 운동 횟수, 시간, 강도 등), 수면에 대한 맞춤 비만관리법(예를 들어, 수면 시간, 수면 자세, 수면 환경 등) 및 영양에 대한 맞춤 비만관리법(예를 들어, 식사 횟수, 식사량, 식단 등)을 제공함으로써, 사용자가 효과적으로 비만관리를 할 수 있도록 할 수 있다.
이하에서는 도 4를 참조하여, 플랫폼 서버(10)가 각 사용자에게 맞춤 비만관리법을 추천하는 방법에 대해 상세하게 설명하도록 한다.
도 4를 참조하면, 플랫폼 서버(10)는 상기 제1 개인 건강 데이터에 기초하여 사용자 비만도를 계산할 수 있다(S121).
여기서, 사용자 비만도는 값이 클수록 비만의 정도가 심함을 나타내는 수치일 수 있다.
플랫폼 서버(10)는 사용자의 신체 정보 및 수면 정보를 활용하여 사용자 비만도를 계산할 수 있다. 여기서, 신체 정보는 키, 몸무게, BMI, 체지방량, 기초대사량 등 수치화할 수 있는 신체와 관련된 데이터들을 포함할 수 있다. 수면 정보는 수면의 질, 수면의 단계 변화, 총 수면 시간, 수면 시작 시간 등의 데이터를 포함할 수 있다.
다음으로, 플랫폼 서버(10)는 상기 계산된 사용자 비만도 및 표준 비만도에 기초하여 사용자 목표 비만도를 설정할 수 있다(S122).
플랫폼 서버(10)는 표준 통계 정보를 활용하여 계산된 표준 비만도에 대비하여 사용자 목표 비만도를 설정할 수 있다. 일 예로, 플랫폼 서버(10)는 표준 비만도에 일정 비율을 단계적으로 곱하여 계산된 복수의 비만도값에 단계를 설정하고, 사용자로부터 특정 단계를 선택받으면, 선택된 단계의 비만도값을 사용자 목표 비만도로 설정할 수 있다. 이때, 일정 비율은 상기 사용자 비만도에 기초하여 결정될 수 있다. 사용자 비만도가 높을수록 목표 비만도에 곱해지는 비율값이 클 수 있다.
다음으로, 플랫폼 서버(10)는 상기 제1 개인 건강 데이터에 기초하여 상기 사용자를 유사 그룹에 그룹핑할 수 있다(S123).
플랫폼 서버(10)는 각 사용자 제1 개인 건강 데이터를 기반으로 해당 데이터의 유사성을 갖는 사용자들을 한 그룹으로 분류하여, 사용자를 유사 그룹에 그룹핑할 수 있다.
구체적으로, 제1 개인 건강 데이터 중에서 비만도에 가장 큰 영향을 주는 키와 몸무게를 이용하여 1차 그룹핑을 하고, 각 그룹별로 나머지 제1 개인 건강 데이터를 이용하여 2차 그룹핑을 할 수 있다.
도 6을 참조하면, 플랫폼 서버(10)는 사용자를 포함하는 전체 사용자의 제1 개인 건강 데이터 중 키 및 몸무게를 이용하여 1차 그룹핑할 수 있다(S1231).
플랫폼 서버(10)는 아래 수학식 1을 이용하여 전체 사용자 중 특정 두 사용자 간 거리를 계산하고, 아래 수학식 2를 이용하여 전체 사용자를 복수의 클러스터로 분할할함으로써 1차 그룹핑을 할 수 있다.
구체적으로, 1차 그룹핑은 머신 러닝의 거리 기반 클러스터링 기법을 활용할 수 있다. 이때, 임의의 두 사용자 간의 수학적 거리를 계산하는 방법은 BMI 계산과 동일하게 몸무게와 키의 제곱 값을 이용한 유클리드 거리함수를 응용할 수 있다. 전체 사용자 중에서 임의의 사용자 i와 임의의 사용자 j에 대해, 각 사용자의 키와 몸무게를
Figure 112021038509653-pat00013
라고 하면, 임의의 두 사용자의 거리
Figure 112021038509653-pat00014
는 아래 수학식 1과 같이 계산될 수 있다.
Figure 112021038509653-pat00015
여기서,
Figure 112021038509653-pat00016
는 사용자 i와 사용자 j 사이의 거리,
Figure 112021038509653-pat00017
는 사용자 i의 키,
Figure 112021038509653-pat00018
는 사용자 j의 키,
Figure 112021038509653-pat00019
는 사용자 i의 몸무게,
Figure 112021038509653-pat00020
는 사용자 j의 몸무게
이후, 사용자의 제1 개인 건강 데이터가 어떤 클러스터에 속하는지 계산하기 위해 표준 목적 함수를 이용할 수 있다. 표준 목적 함수는 사용자의 제1 개인 건강 데이터와 각 클러스터의 중심과의 거리가 최소값을 가지는 클러스터를 선택하기 위한 함수로서, n번째 사용자의 제1 개인 건강 데이터
Figure 112021038509653-pat00021
과 k번째 클러스터의 중심
Figure 112021038509653-pat00022
와의 거리
Figure 112021038509653-pat00023
중 최소값은 아래 수학식 2와 같이 계산될 수 있다.
Figure 112021038509653-pat00024
여기서,
Figure 112021038509653-pat00025
는 n번째 사용자의 제1 개인 건강 데이터,
Figure 112021038509653-pat00026
는 k번째 클러스터의 중심,
Figure 112021038509653-pat00027
는
Figure 112021038509653-pat00028
와
Figure 112021038509653-pat00029
사이의 거리
다음으로, 플랫폼 서버(10)는 1차 그룹핑된 결과 및 상기 사용자를 포함하는 전체 사용자의 제1 개인 건강 데이터 중 키 및 몸무게를 제외한 나머지 정보를 이용하여 2차 그룹핑할 수 있다(S1232).
구체적으로, 2차 그룹핑도 머신 러닝의 거리 기반 클러스터링 기법을 활용할 수 있다. 이때 사용되는 제1 개인 건강 데이터는 키와 몸무게를 제외한 나머지 모든 데이터들이 사용되므로 데이터의 차원 수가 클 수 있다. 따라서, 먼저 PCA 기법을 적용하여 차원을 축소한 뒤, K-means를 적용하여 그룹핑할 수 있다. 2차 그룹핑은 1차 그룹핑으로 계산된 각 클러스터에 대해서 개별적으로 적용해야 한다.
1차 그룹핑 과정에서 분류된 임의의 클러스터
Figure 112021038509653-pat00030
가 k개의 데이터를 갖고, 사용자의 제1 개인 건강 데이터의 항목들(예를 들어, 키, 몸무게, 성별, 나이 등)이 N개일 때, 키와 몸무게를 제외한 항목(F1 ~ FN-2)에 대하여 [k, N-2]의 행렬을 만들고 PCA 연산을 수행할 수 있다.
이때, PCA의 수행 결과인 PC Variation을 V라고 한다면, V1 ~ VN-2의 값이 존재하고, 그리디 알고리즘(Greedy Algorighm)으로 가장 큰 V 값부터의 합이 0.9가 될 때가지 선택할 수 있다.
이때, 선택된 항목의 개수가 n개라고 가정했을 때 V1 ~ Vn-2에 대하여, 수치 값이 0~1 사이의 벡터로 변환하고, 카테고리 값이면 One-hot encoding으로 차원을 늘려줄 수 있다. 변환된 항목에 대하여, K-means 클러스터링을 적용하고, 이때 사용되는 거리 함수는 표준 유클리드 거리 함수를 사용할 수 있다. 이를 통해, 1차 그룹핑된 각 클러스터 별로 세부 클러스터를 계산할 수 있고, 2차 클러스터들을 유사한 사용자 그룹으로 사용할 수 있다.
다시 도 4를 참조하면, 플랫폼 서버(10)는 그룹핑된 결과에 기초하여 사용자의 비만관리법 적합도를 계산할 수 있다(S124).
플랫폼 서버(10)는 사용자가 그룹핑된 유사 그룹에 포함된 다른 사용자들의 비만관리법의 효과도와 비만관리법의 선호도를 계산하고, 두 값의 조합으로 비만관리법의 적합도를 계산할 수 있다. 이때, 효과도와 선호도는 각각 비만관리법 별로 0~1 사이의 값을 가지며, 적합도는 아래 수학식 3과 같이 효과도와 선호도의 산술합으로 계산될 수 있다.
Figure 112021038509653-pat00031
여기서,
Figure 112021038509653-pat00032
는 p번째 비만관리법의 효과도,
Figure 112021038509653-pat00033
는 p번째 비만관리법의 선호도,
Figure 112021038509653-pat00034
는 p번째 비만관리법의 적합도
플랫폼 서버(10)는 상기 수학식 3을 통해 유사 그룹의 다른 사용자 각각에게 추천된 P개의 비만관리법의 적합도를 각각 산출하고, 적합도가 가장 높은 순서대로 Q개의 비만관리법을 선택할 수 있다. 이때, 1≤Q≤P 이다.
구체적으로, 도 6을 참조하면, 플랫폼 서버(10)는 상기 유사 그룹에 포함된 다른 사용자 각각의 비만관리법 수행도와 체중 변화량에 기초하여 각 비만관리법의 효과도를 계산할 수 있다(S1241).
즉, 플랫폼 서버(10)는 각 가용자의 체중 변화에 가장 큰 영향을 준 비만관리법을 찾기 위해, 체중 변화량에 대한 각 비만관리법의 수행도를 PCA 기법에 적용하라 수 있다. 이때, 축소할 차원의 개수는 비만관리법의 개수의 세제곱근의 올림으로 할 수 있다.
다음으로, 플랫폼 서버(10)는 복수의 비만관리법 중에서 상기 유사 그룹에 포함된 다른 사용자에 의해 선택된 횟수에 기초하여 각 비만관리법의 선호도를 계산할 수 있다(S1242).
즉, 플랫폼 서버(10)는 일정 기간 이내에 사용자들이 비만관리법을 선택한 횟수에 기초하여 선호도를 계산할 수 있다. 보다 상세하게, 횟수를 일정 기간의 일수로 나누어서 0~1 사이의 값으로 표현할 수 있다.
플랫폼 서버(10)는 상기와 같이 계산된 효과도 및 상기 계산된 선호도를 합하여 상기 적합도를 계산할 수 있다(S1243).
다시 도 4를 참조하면, 플랫폼 서버(10)는 상기 설정된 목표 비만도와 상기 계산된 비만관리법 적합도에 기초하여 상기 맞춤 비만관리법을 추천할 수 있다(S125).
구체적으로, 플랫폼 서버(10)는 상기 계산된 적합도가 큰 순서대로 적어도 하나의 비만관리법을 추출하고, 상기 추출된 적어도 하나의 비만관리법 각각에 대해 상기 설정된 목표 비만도 대비 기대 비만도를 계산하여 추천할 수 있다.
즉, S122에서 설정된 목표 비만도에 대비하여, 상술한 바와 같이 적합도가 큰 순서대로 선택된 Q개의 비만관리법 각각에 대한 기대 비만도를 계산하여 사용자에게 추천할 수 있다. 사용자는 각 비만관리법 수행 시 기대 비만도를 확인하여 원하는 비만관리법을 선택할 수 있다.
이때, 상기 기대 비만도는 운동 강도 또는 횟수 조절을 통해 계산되고, 상기 운동 강도 또는 횟수는 사용자의 행동 패턴 정보에 따라 계산된 최대 건강 관리 시간을 초과하지 않고 상기 목표 비만도에 근접하도록 설정될 수 있다.
이와 같이 각 사용자별로 맞춤 비만관리법이 추천되면, 각 사용자는 자신에게 추천된 맞춤 비만관리법에 따라 운동 관리, 수면 관리 및 식이 관리를 수행할 수 있다.
다시 도 3을 참조하면, 플랫폼 서버(10)는 사용자의 단말(20)로부터 상기 사용자의 제2 개인 건강 데이터를 수신하여 획득할 수 있다(S130).
상술한 바와 같이, 제2 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천된 이후, 상기 사용자가 상기 맞춤 비만관리법을 수행함에 따라 누적되어 획득되는 개인 건강 데이터로서, 사용자 입력과 관련한 입력 데이터, 스마트기기의 측정과 관련한 측정 데이터 및 카메라의 촬영과 관련한 이미지 데이터 중 적어도 하나를 포함할 수 있다.
즉, 플랫폼 서버(10)는 맞춤 비만관리법이 추천된 사용자들로부터, 각 사용자들이 맞춤 비만관리법을 수행함에 따라 수동 입력 또는 촬영되거나 자동 측정되어 제공되는 데이터들, 예를 들어 걸음 정보, 수면 정보, 섭취 정보, 신체 정보 등을 시계열적으로 수집할 수 있다.
다음으로, 플랫폼 서버(10)는 제2 개인 건강 데이터에 기초하여 상기 맞춤 비만관리법에 대한 상기 사용자의 수행도를 평가할 수 있다(S140).
플랫폼 서버(10)는 단계 S130에서 획득된 제2 개인 건강 데이터를 통해 사용자가 맞춤 비만관리법에 제시하고 있는 운동 관리 방법, 수면 관리 방법 및 식이 관리 방법을 제대로 수행하고 있는지를 판단하여 수행도를 평가할 수 있다.
또한, 플랫폼 서버(10)는 단계 S130에서 획득된 제2 개인 건강 데이터를, 이전에 학습 모델을 통해 제1 개인 건강 데이터를 분석하여 도출된 변화 예측 데이터와 비교하여 수행도를 평가할 수 있다. 여기서, 변화 예측 데이터는 사용자가 맞춤 비만관리법을 제대로 수행했을 경우 예측되는 변화 정도를 시계열적으로 나타내는 데이터일 수 있다. 따라서, 플랫폼 서버(10)는 특정 시점에 수집된 제2 개인 건강 데이터의 변화 정도가, 상기 변화 예측 데이터의 특정 시점에서의 변화 정도와 유사하면 수행도를 높게 평가할 수 있다.
실시예에 따라, 플랫폼 서버(10)는 상기 사용자 단말(20)로부터 상기 맞춤 비만관리법에 대한 피드백 정보를 획득하여, 상기 제2 개인 건강 데이터를 상기 피드백 정보와 연계하여 상기 수행도를 평가할 수 있다. 여기서, 피드백 정보는 사용자가 본인에게 추천된 맞춤 비만관리법에 대하여 만족하는지의 여부를 포함하는 정보일 수 있다. 따라서, 플랫폼 서버(10)는 만족도가 높음에도 제2 개인 건강 데이터에 기초하여 분석된 변화 정도가 상기 예측 변화 데이터와 상이하면 상기 수행도를 낮게 평가할 수 있다.
한편, 플랫폼 서버(10)는 상기 제2 개인 건강 데이터에 기초하여 미리 설정된 기간 단위로 통계 데이터를 추출할 수 있다(S150).
상술한 바와 같이, 플랫폼 서버(10)는 단계 S130에서 수집된 제2 개인 건강 데이터를 일정 기간 단위로 특정 분류별로 분류하여 통계 데이터를 추출할 수 있다.
이렇게 각 사용자별로 일정 기간 단위로 추출된 분류별 통계 데이터는 상기 학습 모델의 학습에 사용되어 학습 모델이 더욱 정확한 예측을 할 수 있도록 할 수 있다.
본 발명은 단계 S120 내지 단계 S150을 반복함으로써, 누적되는 제2 개인 건강 데이터와 통계 데이터를 이용한 학습을 통해 학습 모델을 계속해서 업데이트하고, 업데이트된 학습 모델을 통해 사용자에게 더욱 적합하고 정확한 맞춤 비만관리법을 재추천할 수 있다. 처음 추천된 맞춤 비만관리법이 고정되는 것이 아니라, 처음에 추천된 맞춤 비만관리법이 사용자의 현재 상태와는 맞지 않는다고 판단되면 사용자의 현재 상태와 딱 맞는 맞춤 비만관리법을 재추천해줌으로써, 사용자의 건강에 대한 지속적인 관리가 가능해지고, 비만 관리 성공률도 높아져 사용자 만족도가 높아지는 효과가 있다. 이때, 최초로 맞춤 비만관리법을 추천할 때에는 단계 S124에서 플랫폼 서버(10)가 사용자가 그룹핑된 유사 그룹에 포함된 다른 사용자들의 비만관리법의 효과도와 선호도를 통해 적합도를 계산하고, 이후 맞춤 비만관리법을 재추전할 때에는 플랫폼 서버(10)가 사용자가 그룹핑된 유사 그룹에 포함된 모든 사용자(즉, 사용자 및 다른 사용자들)의 비만관리법의 효과도와 선호도를 통해 적합도를 계산할 수 있다.
도 3 내지 도 6은 단계 S110 내지 단계 S150을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3 내지 도 6에 기재된 순서를 변경하여 실행하거나 단계 S110 내지 단계 S150 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3 내지 도 6은 시계열적인 순서로 한정되는 것은 아니다.
한편, 상술한 설명에서, 단계 S110 내지 단계 S150은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다. 아울러, 기타 생략된 내용이라 하더라도 후술하는 도 7의 내용은 도 1 내지 도 6의 사용자 맞춤형 비만 관리 서비스 제공 방법에도 적용될 수 있다.
이하에서는 도 7을 참조하여 본 발명의 일 실시예에 사용자 맞춤형 비만 관리 서비스 제공 장치(200)에 대하여 설명하도록 한다.
도 7은 본 발명에 따른 사용자 맞춤형 비만 관리 서비스 제공 장치를 설명하기 위한 도면이다.
도 7을 참조하면, 사용자 맞춤형 비만 관리 서비스 제공 장치(200)(이하, 서비스 제공 장치)는 통신부(210), 메모리(220) 및 프로세서(230)를 포함한다.
통신부(210)은 사용자 단말(20)로부터 제1 개인 건강 데이터 및 제2 개인 건강 데이터를 수신할 수 있다.
메모리(220)에는 통신부(210)로부터 수신한 데이터에 기초하여 상기 사용자 단말(20)로 사용자의 맞춤 비만관리법을 추천하기 위한 적어도 하나의 프로그램이 프로그램이 저장된다.
프로세서(230)는 메모리(220)에 저장된 프로그램을 실행시킨다. 프로세서(230)는 메모리(220)에 저장된 프로그램을 실행시킴에 따라, 상기 학습 모델을 통해 상기 제1 개인 건강 데이터를 분석하여, 상기 사용자의 맞춤 비만관리법을 추천하고, 상기 제2 개인 건강 데이터에 기초하여 상기 맞춤 비만관리법에 대한 상기 사용자의 수행도를 평가할 수 있다.
이때, 제1 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천되기 이전에 획득되며, 제2 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천된 이후, 상기 사용자가 상기 맞춤 비만관리법을 수행함에 따라 누적되어 획득될 수 있다.
보다 상세하게, 프로세서(230)는 상기 제1 개인 건강 정보에 기초하여 사용자 비만도를 계산하고, 상기 계산된 사용자 비만도 및 표준 비만도에 기초하여 사용자 목표 비만도를 설정하고, 상기 제1 개인 건강 정보에 기초하여 상기 사용자를 유사 그룹에 그룹핑하고, 그룹핑 결과에 기초하여 사용자의 비만관리법 적합도를 계산하고, 상기 설정된 목표 비만도와 상기 계산된 비만관리법 적합도에 기초하여 상기 맞춤 비만관리법을 추천할 수 있다.
도 7을 참조하여 설명한 서비스 제공 장치(200)는 상술한 플랫폼 서버(10)의 구성요소로 제공될 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 사용자 맞춤형 비만 관리 서비스 제공 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
1: 시스템
10: 플랫폼 서버
20: 사용자 단말
30: 외부 단말
40: 통신망
200: 서비스 제공 장치
210: 통신부
220: 메모리
230: 프로세서

Claims (10)

  1. 서버에 의해 수행되는 방법에 있어서,
    사용자의 사용자 단말로부터 상기 사용자의 제1 개인 건강 데이터를 수신하여 획득하는 단계;
    인공지능 기반의 학습 모델을 통해 상기 제1 개인 건강 데이터를 분석하여, 상기 사용자의 맞춤 비만관리법을 추천하는 단계;
    상기 사용자 단말로부터 상기 사용자의 제2 개인 건강 데이터를 수신하여 획득하는 단계; 및
    상기 제2 개인 건강 데이터에 기초하여 상기 맞춤 비만관리법에 대한 상기 사용자의 수행도를 평가하는 단계;를 포함하고,
    상기 제1 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천되기 이전에 획득되며,
    상기 제2 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천된 이후, 상기 사용자가 상기 맞춤 비만관리법을 수행함에 따라 누적되어 획득되고,
    상기 추천 단계는,
    상기 제1 개인 건강 데이터에 기초하여 사용자 비만도를 계산하는 단계;
    상기 계산된 사용자 비만도 및 표준 비만도에 기초하여 사용자 목표 비만도를 설정하는 단계;
    상기 제1 개인 건강 데이터에 기초하여 상기 사용자를 유사 그룹에 그룹핑하는 단계;
    상기 그룹핑된 결과에 기초하여 상기 유사 그룹 별로 사용자의 비만관리법 적합도를 계산하는 단계;
    상기 비만관리법 적합도가 계산된 비만관리법 중에서, 상기 비만관리법 적합도가 큰 순서대로 기 설정된 순위 이상인 비만관리법을 선택하는 단계; 및
    상기 설정된 목표 비만도와 상기 선택된 비만관리법에 기초하여 상기 맞춤 비만관리법을 추천하는 단계;를 포함하고,
    상기 사용자 그룹핑 단계는,
    상기 사용자를 포함하는 전체 사용자의 제1 개인 건강 데이터 중 키 및 몸무게를 이용하여 상기 전체 사용자를 복수의 1차 상위 그룹으로 나누는 1차 그룹핑 단계;
    상기 복수의 1차 상위 그룹 중에서 상기 사용자가 포함된 1차 상위 그룹을 선택하는 단계;
    상기 선택된 1차 상위 그룹에 대해서, 상기 제1 개인 건강 데이터 중 키 및 몸무게를 제외한 나머지 정보를 이용하여 상기 선택된 1차 상위 그룹 각각을 복수의 2차 하위 그룹으로 나누는 2차 그룹핑 단계; 및
    상기 복수의 2차 하위 그룹을 상기 유사 그룹으로 결정하는 단계;를 포함하고,
    상기 2차 그룹핑 단계는,
    상기 선택된 1차 상위 그룹에 포함된 전체 사용자 각각의 나머지 정보에 대하여 데이터의 차원 축소 기법 및 클러스터링 기법을 적용하여 상기 나머지 정보 중 특정 정보가 유사한 사용자끼리 2차 하위 그룹으로 나누는 것이고,
    상기 비만관리법 적합도 계산 단계는,
    상기 유사 그룹 별로, 각각의 유사 그룹에 포함된 전체 사용자 중 상기 사용자를 제외한 다른 사용자 각각의 제2 개인 건강 데이터를 이용하여 상기 다른 사용자가 수행한 모든 비만관리법의 효과도 및 선호도를 계산하는 단계; 및
    상기 유사 그룹 별로 상기 계산된 효과도 및 선호도를 조합하여 상기 비만관리법 적합도를 계산하는 단계;를 포함하는,
    사용자 맞춤형 비만 관리 서비스 제공 방법.
  2. 제1 항에 있어서,
    상기 제1 개인 건강 데이터 및 상기 제2 개인 건강 데이터는, 사용자 입력과 관련한 입력 데이터, 스마트기기의 측정과 관련한 측정 데이터 및 카메라의 촬영과 관련한 이미지 데이터 중 적어도 하나를 포함하는,
    사용자 맞춤형 비만 관리 서비스 제공 방법.
  3. 제1 항에 있어서,
    상기 맞춤 비만관리법은, 운동, 수면 및 영양과 관련한 관리법을 포함하는,
    사용자 맞춤형 비만 관리 서비스 제공 방법.
  4. 제1 항에 있어서,
    상기 학습 모델은,
    사용자별 제1 개인 건강 데이터, 사용자별 제2 개인 건강 데이터, 사용자별 맞춤 비만관리법 수행에 따른 변화 데이터 및 기 설정된 기간 동안의 분류별 통계 데이터 중 적어도 하나를 이용한 학습을 통해 구축되는,
    사용자 맞춤형 비만 관리 서비스 제공 방법.
  5. 제1 항에 있어서,
    상기 평가 단계는,
    상기 사용자 단말로부터 상기 맞춤 비만관리법에 대한 피드백 정보를 획득하여, 상기 제2 개인 건강 데이터를 상기 피드백 정보와 연계하여 상기 수행도를 평가하는,
    사용자 맞춤형 비만 관리 서비스 제공 방법.
  6. 삭제
  7. 제1 항에 있어서,
    상기 1차 그룹핑 단계는,
    아래 수학식 1을 이용하여 전체 사용자 중 특정 두 사용자 간 거리를 계산하고, 아래 수학식 2를 이용하여 전체 사용자를 복수의 클러스터로 분할하는,
    사용자 맞춤형 비만 관리 서비스 제공 방법.
    [수학식 1]
    Figure 112021090109613-pat00035

    여기서,
    Figure 112021090109613-pat00036
    는 사용자 i와 사용자 j 사이의 거리,
    Figure 112021090109613-pat00037
    는 사용자 i의 키,
    Figure 112021090109613-pat00038
    는 사용자 j의 키,
    Figure 112021090109613-pat00039
    는 사용자 i의 몸무게,
    Figure 112021090109613-pat00040
    는 사용자 j의 몸무게
    [수학식 2]
    Figure 112021090109613-pat00041

    여기서,
    Figure 112021090109613-pat00042
    는 n번째 사용자의 제1 개인 건강 데이터,
    Figure 112021090109613-pat00043
    는 k번째 클러스터의 중심,
    Figure 112021090109613-pat00044
    는
    Figure 112021090109613-pat00045
    와
    Figure 112021090109613-pat00046
    사이의 거리
  8. 삭제
  9. 제1 항에 있어서,
    상기 설정된 목표 비만도와 선택된 비만관리법에 기초하여 맞춤 비만관리법을 추천하는 단계는,
    상기 선택된 비만관리법에 대해 상기 설정된 목표 비만도 대비 기대 비만도를 계산하여 추천하되,
    상기 기대 비만도는 운동 강도 또는 횟수 조절을 통해 계산되고,
    상기 운동 강도 또는 횟수는 사용자의 행동 패턴 정보에 따라 계산된 최대 건강 관리 시간을 초과하지 않고 상기 목표 비만도에 근접하도록 설정되는,
    사용자 맞춤형 비만 관리 서비스 제공 방법.
  10. 사용자 맞춤형 비만 관리 서비스 제공 장치에 있어서,
    사용자 단말로부터 제1 개인 건강 데이터 및 제2 개인 건강 데이터를 수신하는 통신부;
    상기 사용자 단말로 사용자의 맞춤 비만관리법을 추천하기 위한 적어도 하나의 프로그램이 저장된 메모리; 및
    인공지능 기반의 학습 모델을 통해 상기 제1 개인 건강 데이터를 분석하여, 상기 사용자의 맞춤 비만관리법을 추천하고, 상기 제2 개인 건강 데이터에 기초하여 상기 맞춤 비만관리법에 대한 상기 사용자의 수행도를 평가하는 프로세서;를 포함하고,
    상기 제1 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천되기 이전에 획득되며,
    상기 제2 개인 건강 데이터는 상기 사용자에게 상기 맞춤 비만관리법이 추천된 이후, 상기 사용자가 상기 맞춤 비만관리법을 수행함에 따라 누적되어 획득되고,
    상기 프로세서는,
    상기 제1 개인 건강 정보에 기초하여 사용자 비만도를 계산하고,
    상기 계산된 사용자 비만도 및 표준 비만도에 기초하여 사용자 목표 비만도를 설정하고,
    상기 제1 개인 건강 정보에 기초하여 상기 사용자를 유사 그룹에 그룹핑하고,
    상기 그룹핑된 결과에 기초하여 상기 유사 그룹 별로 사용자의 비만관리법 적합도를 계산하고,
    상기 비만관리법 적합도가 계산된 비만관리법 중에서, 상기 비만관리법 적합도가 큰 순서대로 기 설정된 순위 이상인 비만관리법을 선택하고,
    상기 설정된 목표 비만도와 상기 선택된 비만관리법에 기초하여 상기 맞춤 비만관리법을 추천하고,
    상기 프로세서는,
    상기 사용자 그룹핑 시,
    상기 사용자를 포함하는 전체 사용자의 제1 개인 건강 데이터 중 키 및 몸무게를 이용하여 상기 전체 사용자를 복수의 1차 상위 그룹으로 나누는 1차 그룹핑하고,
    상기 복수의 1차 상위 그룹 중에서 상기 사용자가 포함된 1차 상위 그룹을 선택하고,
    상기 선택된 1차 상위 그룹에 대해서, 상기 제1 개인 건강 데이터 중 키 및 몸무게를 제외한 나머지 정보를 이용하여 상기 선택된 1차 상위 그룹 각각을 복수의 2차 하위 그룹으로 나누는 2차 그룹핑하고,
    상기 복수의 2차 하위 그룹을 상기 유사 그룹으로 결정하고,
    상기 2차 그룹핑 시,
    상기 선택된 1차 상위 그룹에 포함된 전체 사용자 각각의 나머지 정보에 대하여 데이터의 차원 축소 기법 및 클러스터링 기법을 적용하여 상기 나머지 정보 중 특정 정보가 유사한 사용자끼리 2차 하위 그룹으로 나누고,
    상기 비만관리법 적합도 계산 시,
    상기 유사 그룹 별로, 각각의 유사 그룹에 포함된 전체 사용자 중 상기 사용자를 제외한 다른 사용자 각각의 제2 개인 건강 데이터를 이용하여 상기 다른 사용자가 수행한 모든 비만관리법의 효과도 및 선호도를 계산하고,
    상기 유사 그룹 별로 상기 계산된 효과도 및 선호도를 조합하여 상기 비만관리법 적합도를 계산하는,
    장치.
KR1020210042780A 2021-04-01 2021-04-01 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치 KR102304563B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210042780A KR102304563B1 (ko) 2021-04-01 2021-04-01 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210042780A KR102304563B1 (ko) 2021-04-01 2021-04-01 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102304563B1 true KR102304563B1 (ko) 2021-09-24

Family

ID=77914524

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210042780A KR102304563B1 (ko) 2021-04-01 2021-04-01 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102304563B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102431226B1 (ko) * 2022-03-23 2022-08-11 주식회사 인졀미 인공지능 기반의 개인 맞춤형 영양 관리 서비스 제공 방법 및 장치
KR102472900B1 (ko) 2022-03-28 2022-11-30 최명석 비침습 혈당 측정을 이용한 비만예방 및 체중조절 장치 및 방법
KR102560491B1 (ko) * 2022-04-27 2023-07-28 주식회사 지아이비타 이용자의 적정 체중을 유도 또는 유지하기 위하여 이용자의 라이프로그를 기반으로한 인공지능을 통하여 개인 맞춤형 건강 생활습관 정보를 제공하는 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100786703B1 (ko) 2004-07-24 2007-12-21 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
KR20090026967A (ko) * 2007-09-11 2009-03-16 삼성전자주식회사 생체 신호 및 증상 정보에 기반한 건강관리 프로그램서비스 제공 시스템 및 방법
JP2014229310A (ja) * 2013-05-17 2014-12-08 花王株式会社 体重管理システム
KR20170061223A (ko) * 2015-11-25 2017-06-05 한국전자통신연구원 다차원 건강데이터에 대한 유사사례 검색 방법 및 그 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100786703B1 (ko) 2004-07-24 2007-12-21 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
KR20090026967A (ko) * 2007-09-11 2009-03-16 삼성전자주식회사 생체 신호 및 증상 정보에 기반한 건강관리 프로그램서비스 제공 시스템 및 방법
JP2014229310A (ja) * 2013-05-17 2014-12-08 花王株式会社 体重管理システム
KR20170061223A (ko) * 2015-11-25 2017-06-05 한국전자통신연구원 다차원 건강데이터에 대한 유사사례 검색 방법 및 그 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102431226B1 (ko) * 2022-03-23 2022-08-11 주식회사 인졀미 인공지능 기반의 개인 맞춤형 영양 관리 서비스 제공 방법 및 장치
KR102472900B1 (ko) 2022-03-28 2022-11-30 최명석 비침습 혈당 측정을 이용한 비만예방 및 체중조절 장치 및 방법
KR102560491B1 (ko) * 2022-04-27 2023-07-28 주식회사 지아이비타 이용자의 적정 체중을 유도 또는 유지하기 위하여 이용자의 라이프로그를 기반으로한 인공지능을 통하여 개인 맞춤형 건강 생활습관 정보를 제공하는 방법

Similar Documents

Publication Publication Date Title
KR102304563B1 (ko) 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치
KR102188766B1 (ko) 인공지능 기반의 헬스케어 서비스 제공장치
CN110678932B (zh) 服务提供方处理设备和用于提供定制的锻炼推荐的方法
JP6412429B2 (ja) 栄養摂取量のユーザ特異的な調整のためのシステムおよび方法
US20190267128A1 (en) Determining an Optimal Wellness Regime
Knofczynski et al. Sample sizes when using multiple linear regression for prediction
US11574714B2 (en) Remote health assertion verification and mortality prediction system
Conger Kappa and rater accuracy: Paradigms and parameters
JP6779205B2 (ja) ユーザの知識および活動に基づいて健康判定サービスを提供するためのシステムおよび方法
US20190065684A1 (en) Computer program products, methods, and systems for assisting a user to achieve a health-related goal
US20170345332A1 (en) Method of and system for facilitating operation of a health maintenance device
De Choudhury et al. Computational approaches toward integrating quantified self sensing and social media
Gasparetti et al. Personalized weight loss strategies by mining activity tracker data
Mahyari et al. Real-time learning from an expert in deep recommendation systems with application to mhealth for physical exercises
US20230274834A1 (en) Model-based evaluation of assessment questions, assessment answers, and patient data to detect conditions
Li et al. Design and application of blockchain and IoT-enabled sports injury rehabilitation monitoring system using neural network
JP6799403B2 (ja) 健康指導支援装置、健康指導支援方法及びプログラム
Cui et al. A semiparametric risk score for physical activity
Tseng et al. An expert fitness diagnosis system based on elastic cloud computing
KR102296885B1 (ko) 사용자 맞춤형 헬스 해빗 서비스 장치
KR20230059360A (ko) 비식별화된 개인건강정보를 활용하여 맞춤형서비스를 제공하는 시스템 및 방법
KR20220105718A (ko) 신체정보 및 특허정보를 연계한 ai기반 개인 맞춤예측서비스
Revie et al. On modeling player fitness in training for team sports with application to professional rugby
Velickovski et al. Detection and assessment of behaviours associated with the risk of obesity in adolescents
Bozorgmehr et al. Prediction of Chronic Stress and Protective Factors in Adults: Development of an Interpretable Prediction Model Based on XGBoost and SHAP Using National Cross-sectional DEGS1 Data

Legal Events

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