KR102418342B1 - 식이정보를 이용한 혈당변화 예측 장치 및 그 방법 - Google Patents

식이정보를 이용한 혈당변화 예측 장치 및 그 방법 Download PDF

Info

Publication number
KR102418342B1
KR102418342B1 KR1020210107147A KR20210107147A KR102418342B1 KR 102418342 B1 KR102418342 B1 KR 102418342B1 KR 1020210107147 A KR1020210107147 A KR 1020210107147A KR 20210107147 A KR20210107147 A KR 20210107147A KR 102418342 B1 KR102418342 B1 KR 102418342B1
Authority
KR
South Korea
Prior art keywords
blood glucose
food
blood sugar
variable
fluctuation time
Prior art date
Application number
KR1020210107147A
Other languages
English (en)
Inventor
김양석
이승재
Original Assignee
주식회사 유투메드텍
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 유투메드텍 filed Critical 주식회사 유투메드텍
Priority to KR1020210107147A priority Critical patent/KR102418342B1/ko
Application granted granted Critical
Publication of KR102418342B1 publication Critical patent/KR102418342B1/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
    • G16H50/50—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • G16H50/30—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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Nutrition Science (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 식이정보를 이용한 혈당변화 예측 장치 및 그 방법에 관한 것이다. 본 발명에 따르면, 혈당변화 예측 장치를 이용한 혈당변화 예측 방법에 있어서, 사용자의 생체정보, 사용자가 식사한 각각의 음식에 대한 식이정보, 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 각각의 변수를 수집하여 데이터베이스화 하는 단계, 상기 사용자의 생체정보 및 상기 음식의 식이정보와 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 다중 회귀식에 적용하여 각각의 변수에 대응하는 가중치를 연산하는 단계, 피검자로부터 음식 메뉴명과 피검자의 생체정보를 입력받는 단계, 상기 데이터베이스로부터 상기 입력된 음식 메뉴명에 대응하는 식이정보를 추출하는 단계, 그리고 상기 각각의 변수에 대응하는 가중치를 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 피검자가 음식 섭취 전에 해당 음식을 섭취할 경우에 측정될 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 예측하므로써, 피검자에게 혈당관리에 긍정적인 영향을 주는 음식인지 부정적인 영향을 주는 음식인지 미리 파악할 수 있다.

Description

식이정보를 이용한 혈당변화 예측 장치 및 그 방법{APPARATUS FOR PREDICTING GLUCOSE CHANGE USING DIETARY INFORMATION AND METHOD THEREOF}
본 발명은 식이정보를 이용한 혈당변화 예측 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 음식의 식이정보를 이용하여 피검자가 음식을 섭취한 후의 최대 혈당치 및 혈당변동의 시간 폭을 예측하는 식이정보를 이용한 혈당변화 예측 장치 및 그 방법에 관한 것이다.
최근, 현대인의 건강 관리에 대한 인식과 필요성이 대두되면서 식단관리에 대한 관심이 증가하고 있다. 잘못된 식생활 관리는 식이정보의 과잉 섭취 혹은 식이정보의 결핍으로 인한 각종 질병을 초래하며, 과식과 운동부족에 의한 비만은 당뇨병, 고혈압 등의 각종 성인병을 초래할 수 있다는 점에서 식생활에 의한 건강 관리의 중요성이 점차 중요하게 인식되고 있다.
일반적으로, 당뇨병은 혈액에 포함된 글루코오스(glucose)의 양이 정상치보다 높은 증상을 말하는 것으로 일반적으로 공복 혈당이 126mg/dL 이상, 식후 2시간이 지났을 무렵 200mg/dL 이상이면 당뇨병으로 분류된다.
이때, 당뇨병은 인슐린 분비의 절대적 또는 상대적인 부족이나 표적세포에서의 인슐린의 지속적이고 적절한 관리의 어려움이 있으며, 망막, 신장, 신경에 나타나는 미세혈관 합병증과 동맥경화, 심혈관 질환 같은 거대 혈관 합병증을 유발하여 심각한 경우 목숨까지 위협할 수 있는 위험한 병이다.
따라서, 당뇨병은 평생관리가 요구되는 만성질환으로 그 자체보다는 그로 인한 합병증이 중요시되며, 항상 혈당을 관리하는 것이 필수적이다.
다만, 사용자가 혈당 조절을 위한 식단을 관리하기에는 한계점이 있으며, 전문가의 피드백을 통해서 맞춤형 식단을 제공하는 서비스가 생겨나고 있으나, 전문가라는 고비용과 시간적 부담으로 소수의 사용자들만 이용하고 있는 실정이다.
따라서, 음식 섭취에 따라 달라지는 피검자의 혈당 변화를 예측할 수 있는 기술이 요구되고 있다.
본 발명의 배경이 되는 기술은 대한민국 국내공개특허 제10-2014-0094111호(2014.07.30 공개)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 음식의 식이정보를 이용하여 피검자가 음식을 섭취한 후의 최대 혈당치 및 혈당변동의 시간 폭을 예측하는 식이정보를 이용한 혈당변화 예측 장치 및 그 방법을 제공하는 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면, 혈당변화 예측 장치를 이용한 혈당변화 예측 방법에 있어서, 사용자의 생체정보, 사용자가 식사한 각각의 음식에 대한 식이정보, 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 각각의 변수를 수집하여 데이터베이스화 하는 단계, 상기 사용자의 생체정보 및 상기 음식의 식이정보와 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 다중 회귀식에 적용하여 각각의 변수에 대응하는 가중치를 연산하는 단계, 피검자로부터 음식 메뉴명과 피검자의 생체정보를 입력받는 단계, 상기 데이터베이스로부터 상기 입력된 음식 메뉴명에 대응하는 식이정보를 추출하는 단계, 그리고 상기 각각의 변수에 대응하는 가중치를 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산하는 단계를 포함한다.
상기 피검자가 상기 입력된 음식을 섭취할 경우의 예측된 혈당 변화값을 표시하는 단계를 더 포함하며, 상기 예측된 혈당 변화값을 표시하는 단계는, 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 그래프 상에 표시할 수 있다.
상기 예측된 혈당 변화값을 표시하는 단계는, 상기 피검자의 과거 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 데이터를 이용하여 상기 최대 혈당치 또는 혈당변동 시간 폭이 가장 작았을 때의 긍정패턴의 혈당 변화 그래프와 상기 최대 혈당치 또는 혈당변동 시간 폭이 가장 컸을 때의 부정패턴의 혈당 변화 그래프를 함께 표시할 수 있다.
상기 생체정보는, 성별, 나이, 체중, 당화혈색소 수치 및 평균 수면시간 중에서 적어도 하나를 포함할 수 있다.
상기 식이정보는, 각각의 음식 메뉴명에 대하여 음식의 제공량(g), 탄수화물(g), 단백질(g), 지방(g), 당(g) 및 칼로리(kcal) 중에서 적어도 하나를 포함할 수 있다.
상기 각각의 변수에 대응하는 가중치를 연산하는 단계는, 상기 사용자의 생체정보 및 음식의 식이정보를 설명변수로 하고, 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 반응변수로 하며, 상기 설명변수 및 반응변수를 이용하여 각각의 변수에 대응하는 가중치를 연산할 수 있다.
상기 각각의 변수에 대응하는 가중치를 연산하는 단계는, 상기 설명변수 및 반응변수를 다중 회귀식에 적용하여 다음의 수학식을 통해 각각의 변수에 대응하는 가중치를 연산할 수 있다.
Figure 112021093600308-pat00001
여기서,
Figure 112022032517848-pat00002
는 n×1의 행렬 형태의 반응변수이고,
Figure 112022032517848-pat00062
는 n×(p+1)의 행렬 형태의 설명변수이며,
Figure 112022032517848-pat00063
는 (p+1)×1의 행렬 형태의 각각의 설명변수 및 반응변수에 대응하는 가중치이고,
Figure 112022032517848-pat00003
는 n×1의 행렬 형태의 평균이 0, 분산이
Figure 112022032517848-pat00004
인 정규분포를 따름을 나타낸다.
상기 각각의 변수에 대응하는 가중치는, 최소 제곱법으로 추정하여 다음의 수학식으로 표현될 수 있다.
Figure 112021093600308-pat00005
상기 최대 혈당치의 추정값을 연산하는 단계는, 다음의 수학식을 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값을 연산할 수 있다.
Figure 112021093600308-pat00006
여기서,
Figure 112022032517848-pat00007
는 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값이고,
Figure 112022032517848-pat00008
는 음식의 식이정보 및 피검자의 생체정보며,
Figure 112022032517848-pat00009
는 각각의 변수에 대응하는 가중치를 나타낸다.
상기 혈당변동 시간 폭의 추정값을 연산하는 단계는, 다음의 수학식을 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값을 연산할 수 있다.
Figure 112021093600308-pat00010
여기서,
Figure 112022032517848-pat00011
는 피검자가 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값이고,
Figure 112022032517848-pat00012
는 각각의 변수에 대응하는 가중치를 나타낸다.
본 발명의 다른 실시예에 따르면, 식이정보를 이용한 혈당변화 예측 장치에 있어서, 사용자의 생체정보, 사용자가 식사한 각각의 음식에 대한 식이정보, 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 각각의 변수를 수집하여 데이터베이스화 하는 데이터베이스부, 상기 사용자의 생체정보 및 상기 음식의 식이정보와 식후 최대 혈당치 또는 혈당변동 시간 폭을 다중 회귀식에 적용하여 각각의 변수에 대응하는 가중치를 연산하는 가중치 연산부, 피검자로부터 음식 메뉴명과 피검자의 생체정보를 입력받는 입력부, 상기 데이터베이스부로부터 상기 입력된 음식 메뉴명에 대응하는 식이정보를 추출하는 식이정보 추출부, 그리고 상기 각각의 변수에 대응하는 가중치를 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산하는 추정값 연산부를 포함한다.
이와 같이 본 발명에 따르면, 피검자가 음식 섭취 전에 해당 음식을 섭취할 경우에 측정될 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 예측하므로써, 피검자에게 혈당관리에 긍정적인 영향을 주는 음식인지 부정적인 영향을 주는 음식인지 미리 파악할 수 있다. 또한, 피검자에게 해당 음식을 섭취했을때 발생되는 혈당관리에 대한 긍정 또는 부정적인 영향을 미리 파악함으로써, 피검자가 스스로 혈당관리를 위한 음식을 선택할 수 있도록 할 수 있다.
도 1은 본 발명의 실시예에 따른 식이정보를 이용한 혈당변화 예측 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 각각의 변수에 대응하는 가중치를 연산하는 방법을 설명하기 위한 순서도이다.
도 3은 도 2의 S210 단계를 설명하기 위한 예시도이다.
도 4는 본 발명의 실시예에 따른 식이정보를 이용한 혈당변화 예측 방법을 설명하기 위한 순서도이다.
도 5a 내지 도 5c는 도 4의 S440 단계를 설명하기 위한 예시도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 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 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.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
이하에서는 도 1을 이용하여 본 발명의 실시예에 따른 식이정보를 이용한 혈당변화 예측 장치(100)의 구성을 설명한다.
도 1은 본 발명의 실시예에 따른 식이정보를 이용한 혈당변화 예측 장치의 구성을 설명하기 위한 도면이다.
도 1에서 도시한 바와 같이, 본 발명의 실시예에 따른 혈당변화 예측 장치(100)는 데이터베이스부(110), 가중치 연산부(120), 입력부(130), 식이정보 추출부(140), 추정값 연산부(150) 및 표시부(160)를 포함한다.
먼저, 데이터베이스부(110)는 사용자의 생체정보, 사용자가 식사한 각각의 음식에 대한 식이정보, 식후 최대 혈당치 및 혈당변동 시간 폭에 대한 각각의 변수를 수집한다.
여기서, 사용자는 정상인과 당뇨환자를 포함할 수 있다.
그리고, 사용자의 생체정보는 사용자의 성별, 나이, 체중, 당화혈색소 수치 및 평균 수면시간 중에서 적어도 하나를 포함하며, 음식의 식이정보는 각각의 음식 메뉴명에 대하여 음식의 제공량(g), 탄수화물(g), 단백질(g), 지방(g), 당(g) 및 칼로리(kcal) 중에서 적어도 하나를 포함할 수 있다.
다음으로, 가중치 연산부(120)는 사용자의 생체정보, 음식의 식이정보와 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 다중 회귀식에 적용하여 각각의 변수에 대응하는 가중치를 연산한다.
또한, 식후 최대 혈당치는 사용자가 음식을 섭취한 후 가장 높은 혈당을 가지는 데이터를 의미하고, 식후 혈당변동 시간 폭은 음식을 섭취하기 전의 사용자의 공복혈당 시점에서 음식을 섭취한 후의 사용자의 공복혈당 시점까지의 시간 폭을 의미한다.
그리고, 가중치 연산부(120)는 사용자의 생체정보 및 음식의 식이정보를 설명변수로하고, 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 반응변수로 설정하며, 설명변수 및 반응변수를 다중회귀식에 적용하여 각각의 변수에 대응하는 가중치를 연산한다.
이때, 연산된 가중치는 최소제곱법으로 추정될 수 있다.
다음으로, 입력부(130)는 피검자로부터 음식 메뉴명과 피검자의 생체정보를 입력받는다.
이때, 입력부(130)는 피검자로부터 음식 사진을 입력받을 수 있다.
그리고, 입력부(130)는 피검자의 생체정보인 피검자의 성별, 나이, 체중, 당화혈색소 수치 및 평균 수면시간 중에서 적어도 하나를 입력받을 수 있다.
다음으로, 식이정보 추출부(140)는 데이터베이스부(110)로부터 입력된 음식 메뉴명에 대응하는 식이정보를 추출한다.
이때, 식이정보 추출부(140)는 데이터베이스부(110)로부터 입력된 음식 메뉴명에 대응하는 식이정보인 음식의 제공량(g), 탄수화물(g), 단백질(g), 지방(g), 당(g) 및 칼로리(kcal) 중에서 적어도 하나를 추출할 수 있다.
다음으로, 추정값 연산부(150)는 가중치를 이용하여 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산한다.
이때, 추정값 연산부(150)는 가중치 연산부(120)로부터 연산된 각각의 변수에 대응하는 가중치를 이용하여 피검자가 입력된 음식 섭취할 경우의 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산할 수 있다.
그러면, 표시부(160)는 피검자가 입력된 음식을 섭취할 경우의 예측된 혈당 변화값인 피검자의 최대 혈당치의 추정값 및 혈당변동 시간 폭의 추정값을 표시한다.
이때, 표시부(160)는 혈당변화 예측 장치(100) 또는 외부의 디스플레이 장치를 통해 표시할 수 있다.
그리고, 표시부(160)는 피검자의 과거 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 데이터를 이용하여 최대 혈당치 또는 혈당변동 시간 폭이 가장 작았을 때의 긍정패턴의 혈당 변화 그래프와 최대 혈당치 또는 혈당변동 시간 폭이 가장 컸을 때의 부정패턴의 혈당 변화 그래프를 함께 표시할 수 있다.
즉, 표시부(160)는 피검자가 입력된 음식을 섭취할 경우의 최대 혈당치의 추정값 및 혈당변동 시간 폭의 추정값을 시각적인 그래프로 표시하며, 피검자는 시각적으로 표시된 그래프를 통해 혈당관리를 할 수 있다.
이하에서는 도 2 및 도 3을 이용하여 각각의 변수에 대응하는 가중치를 연산하는 방법에 대하여 설명한다.
도 2는 본 발명의 실시예에 따른 각각의 변수에 대응하는 가중치를 연산하는 방법을 설명하기 위한 순서도이다.
먼저, 본 발명의 실시예에 따른 혈당변화 예측 장치(100)는 사용자의 생체정보, 사용자가 식사한 각각의 음식에 대한 식이정보, 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 각각의 변수를 수집하여 데이터베이스화 한다(S210).
도 3은 도 2의 S210 단계를 설명하기 위한 예시도이다.
도 3에서 도시한 바와 같이, 혈당변화 예측 장치(100)는 사용자의 성별, 나이, 체중, 당화혈색소 수치, 평균 수면시간, 음식 메뉴명, 음식 제공량, 탄수화물, 단백질, 지방, 당, 칼로리, 식후 최대 혈당치, 식후 혈당변동 시간 폭을 수집할 수 있다.
이때, 식후 최대 혈당치 및 식후 혈당변동 시간 폭은 연속혈당측정기를 통해 측정할 수 있으며, 사용자는 15분 단위로 연속혈당측정기를 이용하여 혈당을 측정하여 식후 최대 혈당치와 식후 혈당변동 시간 폭을 확인할 수 있다.
다음으로, 본 발명의 실시예에 따른 혈당변화 예측 장치(100)는 사용자의 생체정보 및 음식의 식이정보와 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 다중 회귀식에 적용하여 각각의 변수에 대응하는 가중치를 연산한다(S220).
여기서, 혈당변화 예측 장치(100)는 사용자의 생체정보와 음식의 식이정보를 설명변수로 설정하고, 사용자가 음식을 섭취한 후에 측정된 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 반응변수로 설정할 수 있다.
이때, 사용자의 생체정보는 사용자의 성별, 나이, 체중, 당화혈색소 수치 및 평균 수면시간 중에서 적어도 하나를 포함할 수 있으며, 음식의 식이정보는 각각의 음식 메뉴명에 대하여 음식의 제공량(g), 탄수화물(g), 단백질(g), 지방(g), 당(g) 및 칼로리(kcal) 중에서 적어도 하나를 포함할 수 있다.
즉, 혈당변화 예측 장치(100)는 설명변수인 사용자의 생체정보 및 음식의 식이정보와 반응변수인 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 이용하여 각각의 변수에 대응하는 가중치를 연산한다.
이때, 혈당변화 예측 장치(100)는 설명변수 및 반응변수를 다중회귀식에 적용하여 다음의 수학식 1을 통해 각각의 변수에 대응하는 가중치를 연산한다.
Figure 112021093600308-pat00013
여기서,
Figure 112022032517848-pat00014
는 n×1의 행렬 형태의 반응변수이고,
Figure 112022032517848-pat00064
는 n×(p+1)의 행렬 형태의 설명변수이며,
Figure 112022032517848-pat00065
는 (p+1)×1의 행렬 형태의 각각의 설명변수 및 반응변수에 대응하는 가중치이고,
Figure 112022032517848-pat00015
는 n×1의 행렬 형태의 평균이 0, 분산이
Figure 112022032517848-pat00016
인 정규분포를 따름을 나타낸다.
이때, n은 음식 섭취 횟수를 의미하며, 추정이 필요한 회귀계수의 개수는 p개의 설명변수와 1개의 절편항을 포함하여 p+1개가 된다.
따라서, 본 발명에 따른 실시예에서는 10개의 설명변수를 이용하여 기술하므로, 추정이 필요한 회귀계수의 개수는 11개가 된다.
그리고, 설명변수(
Figure 112022032517848-pat00066
)는 다음의 수학식 2로 표현할 수 있으며, 본 발명에 따른 실시예에서는 설명변수가 10개의 사용자의 생체정보 및 음식의 식이정보를 포함하므로, 1×11의 행렬 형태로 표현한다.
Figure 112021093600308-pat00017
그리고, 각각의 변수에 대응하는 가중치(
Figure 112022032517848-pat00067
)는 다음의 수학식 3으로 표현할 수 있으며, 설명변수가 10개의 사용자의 생체정보 및 음식의 식이정보를 포함하므로, 11×1의 행렬 형태로 표현할 수 있다.
Figure 112021093600308-pat00018
이때, 각각의 변수에 대응하는 가중치(
Figure 112022032517848-pat00068
)는 최소제곱법에 추정하여 다음의 수학식 4로 표현할 수 있다.
Figure 112021093600308-pat00019
여기서, 상기 수학식 4에 X와 Y행렬을 대입하면 추정된
Figure 112022032517848-pat00081
행렬을 획득할 수 있으며, 본 발명에 따른 실시예에서는 10개의 설명변수를 이용하므로, 11×1의 행렬 형태인 각각의 변수에 대응하는 가중치(
Figure 112022032517848-pat00020
)를 획득할 수 있다.
예를 들어, 혈당변화 예측 장치(100)는 반응변수인 최대 혈당치를 Y1로 설정하고, 설명변수(X) 중에서 성별을 X1로, 나이를 X2로, 체중을 X3로, 당화혈색소 수치를 X4로, 평균 수면시간을 X5로, 탄수화물을 X6으로, 단백질을 X7로, 지방을 X8로, 당을 X9로, 칼로리를 X10으로 설정할 수 있다.
그리고, 최대 혈당치(Y1)가 [135, 126, 158, 155, 124, 119, 124, 162, 117, 148, 170, …]이고, 성별(X1)이 [여자, 남자, 남자, 남자, 남자, 여자, …]이며, 나이(X2)가 [33, 49, 59, 32, 36, 49, 42, 56, …]이고, 체중(X3)이 [55.8, 82.3, 55.8, 92.2, 91.8, 69.2, …]이라 가정한다. 또한, 당화혈색소 수치(X4)가 [5.5, 5.6, 5.7, 5.5, 5.9, 5.4, 6.2, …]이고, 평균 수면시간(X5)는 [7, 6, 7, 8, 6, 5, 8, 6, 5, …]이며, 탄수화물(X6)은 [72.93, 9.46, 72.93, 73.2, 104.86, 71.51, 77.23, …]이라 가정한다. 그리고, 단백질(X7)이 [20.07, 28.56, 20.07, 29, 33.81, 17.12, 36.02, …]이며, 지방(X8)은 [15, 20.56, 15, 23.3, 12.56, 5.93, 34.31, 2.81, …]이고, 당(X9)가 [3.02, 1.51, 3.02, 5.9, 12.04, 2.15, 3.79, 6.29, …]이며, 칼로리(X10)은 [513.03, 67309, 513.03, 625, 917.7, 163.93, …]이라 가정한다.
그러면, 혈당변화 예측 장치(100)는 성별(X1), 나이(X2), …, 칼로리(X10) 각각의 데이터와 Y1(최대 혈당치)를 수학식 4에 대입하여 각각의 변수에 대응하는 가중치(
Figure 112022032517848-pat00021
)를 연산할 수 있다.
또한, 혈당변화 예측 장치(100)는 최대 혈당치(Y1)을 구하는 것과 마찬가지로 혈당변동 시간 폭(Y2)을 구할 수 있다.
이때, 혈당변동 시간 폭(Y2)은 [120, 100, 150, 210, 210, 100, 180, 300, …]인 것으로 가정한다.
그러면, 혈당변화 예측 장치(100)는 혈당변동 시간 폭(Y2)를 수학식 1의 반응변수(
Figure 112021093600308-pat00022
)에 적용하여 각각의 변수에 대응하는 가중치(
Figure 112021093600308-pat00023
)를 연산한다.
이하에서는 도 4 내지 도 5b를 이용하여 본 발명의 실시예에 따른 식이정보를 이용한 혈당변화 예측 방법에 대하여 설명한다.
도 4는 본 발명의 실시예에 따른 식이정보를 이용한 혈당변화 예측 방법을 설명하기 위한 순서도이다.
먼저, 본 발명의 실시예에 따른 혈당변화 예측 장치(100)는 피검자로부터 원하는 음식 메뉴명과 피검자의 생체정보를 입력받는다(S410).
이때, 혈당변화 예측 장치(100)는 피검자로부터 섭취하길 원하는 음식의 사진 또는 글 형태로 입력받을 수 있다.
예를 들어, 혈당변화 예측 장치(100)는 피검자로부터 김치찌개를 입력받고, 생체정보에 해당하는'남성', '35세', '70kg'를 입력받을 수 있다.
다음으로, 본 발명의 실시예에 따른 혈당변화 예측 장치(100)는 도 3의 S310 단계에서 데이터베이스부(110)로부터 입력된 음식 메뉴명에 대응하는 식이정보를 추출한다(S420).
예를 들면, 혈당변화 예측 장치(100)는 S510 단계에서 입력된 김치찌개에 대응하는 식이정보를 탄수화물(11.93g), 단백질(15.07g), 지방(15g), 당(3.02g), 칼로리(243.03kcal)으로 추출할 수 있다.
그리고, 본 발명의 실시예에 따른 혈당변화 예측 장치(100)는 각각의 변수에 대응하는 가중치를 이용하여 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산한다(S430).
이때, 혈당변화 예측 장치(100)는 다음의 수학식 5를 이용하여 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값을 연산한다.
Figure 112021093600308-pat00024
여기서,
Figure 112022032517848-pat00025
는 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값이고,
Figure 112022032517848-pat00026
는 피검자에 의해 선택된 음식 메뉴에 해당하는 식이정보 및 피검자의 생체정보이며,
Figure 112022032517848-pat00027
는 각각의 변수에 대응하는 가중치를 나타낸다.
즉, 혈당변화 예측 장치(100)는 도 2의 S220 단계에서 사용자의 식후 최대 혈당치 및 반응변수를 이용하여 연산된 각각의 변수에 대응하는 가중치와 입력된 피검자의 생체정보 및 추출된 음식의 식이정보를 수학식 5에 적용하여 피검자에 의해 선택된 음식을 섭취할 경우에 최대 혈당치의 추정값를 연산한다.
또한, 혈당변화 예측 장치(100)는 다음의 수학식 6을 이용하여 피검자가 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값을 연산한다.
Figure 112021093600308-pat00028
여기서,
Figure 112022032517848-pat00029
는 피검자가 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값이고,
Figure 112022032517848-pat00030
는 각각의 변수에 대응하는 가중치를 나타낸다.
즉, 혈당변화 예측 장치(100)는 도 2의 S220 단계에서 사용자의 식후 혈당변동 시간 폭 및 반응변수를 이용하여 연산된 각각의 변수에 대응하는 가중치와 입력된 피검자의 생체정보 및 추출된 음식의 식이정보를 수학식 6에 적용하여 피검자가 입력된 음식을 섭취할 경우에 시간변동 시간 폭의 추정값를 연산한다.
다음으로, 본 발명의 실시예에 따른 혈당변화 예측 장치(100)는 피검자가 입력된 음식을 섭취할 경우의 예측된 혈당 변화값을 표시한다(S540).
이때, 예측된 혈당 변화값은 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간폭의 추정값을 의미한다.
그리고, 혈당변화 예측 장치(100)는 피검자의 과거 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 데이터를 이용하여 최대 혈당치 또는 혈당변동 시간 폭이 가장 작았을 때의 긍정패턴의 혈당 변화 그래프와 최대 혈당치 또는 혈당변동 시간 폭이 가장 컸을 때의 부정패턴의 혈당 변화 그래프를 예측된 혈당 변화값과 함께 표시할 수 있다.
도 5a 내지 도 5c는 도 4의 S440 단계를 설명하기 위한 예시도이다.
도 5a는 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 및 혈당변동 시간 폭의 추정값을 그래프로 표시한 예시도이고, 도 5b는 긍정패턴의 혈당 변화 그래프와 부정패턴의 혈당 변화 그래프를 함께 표시한 예시도이며, 도 5c는 예측되는 혈당 피크 값과 경고 혈당 값에 벗어난 시간 구간의 비율을 설명하기 위한 예시도이다.
도 5a에서 도시한 바와 같이, 혈당변화 예측 장치(100)는 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 및 혈당변동 시간 폭의 추정값을 그래프로 시각화하여 표시할 수 있다.
그리고, 도 5b에서 도시한 바와 같이, 혈당변화 예측 장치(100)는 피검자의 과거 최대 혈당치 또는 혈당변동 시간 폭이 가장 작았을 때의 긍정패턴의 혈당 변화 그래프와 최대 혈당치 또는 혈당변동 시간 폭이 가장 컸을 때의 부정패턴의 혈당 변화 그래프를 오버랩하여 표시할 수 있다.
그러면, 피검자가 직접 섭취하고 싶은 음식을 입력하였을 경우, 혈당변화 예측 장치(100)는 긍정패턴의 혈당 변화 혈당패턴을 표시함으로써, 피검자는 해당 음식이 자신의 혈당 관리에 긍정적 또는 부정적 영향을 주는지 시각적인 그래프로 확인할 수 있다.
또한, 사용자가 입력한 음식에 대한 혈당 패턴을 예측하면, 혈당변화 예측 장치(100)는 관리자가 기 설정한 경고 혈당 값에 벗어난 영역을 그래프 상에서 표시할 수 있다.
그러면, 혈당변화 예측 장치(100)는 예측된 최대 혈당 피크 값과 함께 예측 혈당 패턴의 시간 구간 중 관리자가 기 설정한 경고 혈당 값을 벗어난 시간 구간이 차지하는 비율을 표시한다.
그리고, 관리자가 기 설정한 예측된 최대 혈당 피크 값과 경고 혈당 값을 벗어난 시간 구간이 차지하는 비율 보다 큰 경우, 혈당변화 예측 장치(100)는 사용자에게 경고 알람을 제공할 수 있다.
예를 들어, 관리자는 기준이 되는 경고 혈당 값을 150mg/dL으로 설정하고, 기준이 되는 경고 혈당 값을 벗어난 시간 구간이 차지하는 비율을 15%로 설정할 수 있다.
그러면, 도 5c에서 도시한 바와 같이, 사용자가 입력한 음식으로 예상 되는 혈당 피크 값이 195mg/DL이고, 경고 혈당 값을 벗어난 시간 구간이 차지하는 비율이 39%인 경우, 혈당변화 예측 장치(100)는 관리자가 기 설정한 예측된 최대 혈당 피크 값과 경고 혈당 값을 벗어난 시간 구간이 차지하는 비율보다 크므로 사용자에게 "입력한 음식은 혈당 관리에 부정적인 영향을 줄 수 있습니다"라는 경고 알람을 제공할 수 있다.
이와 같이 본 발명의 실시예에 따르면, 피검자가 음식 섭취 전에 해당 음식을 섭취할 경우에 측정될 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 예측하므로써, 피검자에게 혈당관리에 긍정적인 영향을 주는 음식인지 부정적인 영향을 주는 음식인지 미리 파악할 수 있다. 또한, 피검자에게 해당 음식을 섭취했을때 발생되는 혈당관리에 대한 긍정 또는 부정적인 영향을 미리 파악함으로써, 피검자가 스스로 혈당관리를 위한 음식을 선택할 수 있도록 할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 혈당변화 예측 장치, 110: 데이터베이스부,
120: 가중치 연산부, 130: 입력부,
140: 식이정보 추출부, 150: 추정값 연산부,
160: 표시부

Claims (20)

  1. 혈당변화 예측 장치를 이용한 혈당변화 예측 방법에 있어서,
    사용자의 생체정보, 사용자가 식사한 각각의 음식에 대한 식이정보, 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 각각의 변수를 수집하여 데이터베이스화 하는 단계,
    상기 사용자의 생체정보 및 상기 음식의 식이정보와 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 다중 회귀식에 적용하여 각각의 변수들에 대응하는 가중치를 연산하는 단계,
    피검자로부터 음식 메뉴명과 피검자의 생체정보를 입력받는 단계,
    상기 데이터베이스로부터 상기 입력된 음식 메뉴명에 대응하는 식이정보를 추출하는 단계, 그리고
    상기 각각의 변수들에 대응하는 가중치를 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산하는 단계를 포함하며,
    상기 최대 혈당치의 추정값을 연산하는 단계는,
    다음의 수학식을 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값을 연산하는 혈당변화 예측 방법:
    Figure 112022032517848-pat00069

    여기서,
    Figure 112022032517848-pat00070
    는 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값이고,
    Figure 112022032517848-pat00071
    는 음식의 식이정보 및 피검자의 생체정보며,
    Figure 112022032517848-pat00072
    는 각각의 변수에 대응하는 가중치를 나타낸다.
  2. 제1항에 있어서,
    상기 피검자가 상기 입력된 음식을 섭취할 경우의 예측된 혈당 변화값을 표시하는 단계를 더 포함하며,
    상기 예측된 혈당 변화값을 표시하는 단계는,
    상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 그래프 상에 표시하는 혈당변화 예측 방법.
  3. 제2항에 있어서,
    상기 예측된 혈당 변화값을 표시하는 단계는,
    상기 피검자의 과거 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 데이터를 이용하여 상기 최대 혈당치 또는 혈당변동 시간 폭이 가장 작았을 때의 긍정패턴의 혈당 변화 그래프와 상기 최대 혈당치 또는 혈당변동 시간 폭이 가장 컸을 때의 부정패턴의 혈당 변화 그래프를 함께 표시하는 혈당변화 예측 방법.
  4. 제1항에 있어서,
    상기 생체정보는,
    성별, 나이, 체중, 당화혈색소 수치 및 평균 수면시간 중에서 적어도 하나를 포함하는 혈당변화 예측 방법.
  5. 제1항에 있어서,
    상기 식이정보는,
    각각의 음식 메뉴명에 대하여 음식의 제공량(g), 탄수화물(g), 단백질(g), 지방(g), 당(g) 및 칼로리(kcal) 중에서 적어도 하나를 포함하는 혈당변화 예측 방법.
  6. 제1항에 있어서,
    상기 각각의 변수들에 대응하는 가중치를 연산하는 단계는,
    상기 사용자의 생체정보 및 음식의 식이정보를 설명변수로 하고, 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 반응변수로 하며, 상기 설명변수 및 반응변수를 이용하여 각각의 변수들에 대응하는 가중치를 연산하는 혈당변화 예측 방법.
  7. 제6항에 있어서,
    상기 각각의 변수들에 대응하는 가중치를 연산하는 단계는,
    상기 설명변수 및 반응변수를 다중 회귀식에 적용하여 다음의 수학식을 통해 각각의 변수들에 대응하는 가중치를 연산하는 혈당변화 예측 방법:
    Figure 112022032517848-pat00031

    여기서,
    Figure 112022032517848-pat00032
    는 n×1의 행렬 형태의 반응변수이고,
    Figure 112022032517848-pat00073
    는 n×(p+1)의 행렬 형태의 설명변수이며,
    Figure 112022032517848-pat00074
    는 (p+1)×1의 행렬 형태의 각각의 설명변수 및 반응변수에 대응하는 가중치이고,
    Figure 112022032517848-pat00033
    는 n×1의 행렬 형태의 평균이 0, 분산이
    Figure 112022032517848-pat00034
    인 정규분포를 따름을 나타낸다.
  8. 제7항에 있어서,
    상기 각각의 변수들에 대응하는 가중치는,
    최소 제곱법으로 추정하여 다음의 수학식으로 표현되는 혈당변화 예측 방법.
    Figure 112021093600308-pat00035
  9. 삭제
  10. 제1항에 있어서,
    상기 혈당변동 시간 폭의 추정값을 연산하는 단계는,
    다음의 수학식을 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값을 연산하는 혈당변화 예측 방법:
    Figure 112022032517848-pat00040

    여기서,
    Figure 112022032517848-pat00041
    는 피검자가 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값이고,
    Figure 112022032517848-pat00042
    는 각각의 변수에 대응하는 가중치를 나타낸다.
  11. 식이정보를 이용한 혈당변화 예측 장치에 있어서,
    사용자의 생체정보, 사용자가 식사한 각각의 음식에 대한 식이정보, 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 각각의 변수를 수집하여 데이터베이스화 하는 데이터베이스부,
    상기 사용자의 생체정보 및 상기 음식의 식이정보와 식후 최대 혈당치 또는 혈당변동 시간 폭을 다중 회귀식에 적용하여 각각의 변수들에 대응하는 가중치를 연산하는 가중치 연산부,
    피검자로부터 음식 메뉴명과 피검자의 생체정보를 입력받는 입력부,
    상기 데이터베이스부로부터 상기 입력된 음식 메뉴명에 대응하는 식이정보를 추출하는 식이정보 추출부, 그리고
    상기 각각의 변수들에 대응하는 가중치를 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 연산하는 추정값 연산부를 포함하며,
    상기 추정값 연산부는,
    다음의 수학식을 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값을 연산하는 혈당변화 예측 장치:
    Figure 112022032517848-pat00075

    여기서,
    Figure 112022032517848-pat00076
    는 피검자가 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값이고,
    Figure 112022032517848-pat00077
    는 음식의 식이정보 및 피검자의 생체정보며,
    Figure 112022032517848-pat00078
    는 각각의 변수에 대응하는 가중치를 나타낸다.
  12. 제11항에 있어서,
    상기 피검자가 상기 입력된 음식을 섭취할 경우의 예측된 혈당 변화값을 표시하는 표시부를 더 포함하며,
    상기 표시부는,
    상기 피검자가 상기 입력된 음식을 섭취할 경우에 최대 혈당치의 추정값 또는 혈당변동 시간 폭의 추정값을 그래프 상에 표시하는 혈당변화 예측 장치.
  13. 제12항에 있어서,
    상기 표시부는,
    상기 피검자의 과거 식후 최대 혈당치 및 식후 혈당변동 시간 폭에 대한 데이터를 이용하여 상기 최대 혈당치 또는 혈당변동 시간 폭이 가장 작았을 때의 긍정패턴의 혈당 변화 그래프와 상기 최대 혈당치 또는 혈당변동 시간 폭이 가장 컸을 때의 부정패턴의 혈당 변화 그래프를 함께 표시하는 혈당변화 예측 장치.
  14. 제11항에 있어서,
    상기 생체정보는,
    성별, 나이, 체중, 당화혈색소 수치 및 평균 수면시간 중에서 적어도 하나를 포함하는 혈당변화 예측 장치.
  15. 제11항에 있어서,
    상기 식이정보는,
    각각의 음식 메뉴명에 대하여 음식의 제공량(g), 탄수화물(g), 단백질(g), 지방(g), 당(g) 및 칼로리(kcal) 중에서 적어도 하나를 포함하는 혈당변화 예측 장치.
  16. 제11항에 있어서,
    상기 가중치 연산부는,
    상기 사용자의 생체정보 및 음식의 식이정보를 설명변수로 하고, 식후 최대 혈당치 또는 식후 혈당변동 시간 폭을 반응변수로 하며, 상기 설명변수 및 반응변수를 이용하여 각각의 변수들에 대응하는 가중치를 연산하는 혈당변화 예측 장치.
  17. 제16항에 있어서,
    상기 가중치 연산부는,
    상기 설명변수 및 반응변수를 다중 회귀식에 적용하여 다음의 수학식을 통해 각각의 변수들에 대응하는 가중치를 연산하는 혈당변화 예측 장치:
    Figure 112022032517848-pat00043

    여기서,
    Figure 112022032517848-pat00044
    는 n×1의 행렬 형태의 반응변수이고,
    Figure 112022032517848-pat00079
    는 n×(p+1)의 행렬 형태의 설명변수이며,
    Figure 112022032517848-pat00080
    는 (p+1)×1의 행렬 형태의 각각의 설명변수 및 반응변수에 대응하는 가중치이고,
    Figure 112022032517848-pat00045
    는 n×1의 행렬 형태의 평균이 0, 분산이
    Figure 112022032517848-pat00046
    인 정규분포를 따름을 나타낸다.
  18. 제17항에 있어서,
    상기 각각의 변수들에 대응하는 가중치는,
    최소 제곱법으로 추정하여 다음의 수학식으로 표현되는 혈당변화 예측 장치.
    Figure 112021093600308-pat00047
  19. 삭제
  20. 제11항에 있어서,
    상기 추정값 연산부는,
    다음의 수학식을 이용하여 상기 피검자가 상기 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값을 연산하는 혈당변화 예측 장치:
    Figure 112022032517848-pat00052

    여기서,
    Figure 112022032517848-pat00053
    는 피검자가 입력된 음식을 섭취할 경우에 혈당변동 시간 폭의 추정값이고,
    Figure 112022032517848-pat00054
    는 각각의 변수에 대응하는 가중치를 나타낸다.

KR1020210107147A 2021-08-13 2021-08-13 식이정보를 이용한 혈당변화 예측 장치 및 그 방법 KR102418342B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210107147A KR102418342B1 (ko) 2021-08-13 2021-08-13 식이정보를 이용한 혈당변화 예측 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210107147A KR102418342B1 (ko) 2021-08-13 2021-08-13 식이정보를 이용한 혈당변화 예측 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102418342B1 true KR102418342B1 (ko) 2022-07-08

Family

ID=82407541

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210107147A KR102418342B1 (ko) 2021-08-13 2021-08-13 식이정보를 이용한 혈당변화 예측 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102418342B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102709003B1 (ko) 2023-07-05 2024-09-24 주식회사 유투메드텍 음식-혈당 반응 분석 기반의 혈당 관리 정보를 제공하는 인슐린 렌즈 기술을 이용한 혈당 관리 서비스 제공 방법 및 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011065539A (ja) * 2009-09-18 2011-03-31 Sysmex Corp 食後血糖推定装置、食後血糖推定方法及びコンピュータプログラム
JP2012181804A (ja) * 2011-03-03 2012-09-20 Seiko Epson Corp 血糖値予測方法および血糖値予測システム
KR20160107508A (ko) * 2015-03-04 2016-09-19 주식회사 바이오에이지 생체나이를 이용한 잔여 수명 예측방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011065539A (ja) * 2009-09-18 2011-03-31 Sysmex Corp 食後血糖推定装置、食後血糖推定方法及びコンピュータプログラム
JP2012181804A (ja) * 2011-03-03 2012-09-20 Seiko Epson Corp 血糖値予測方法および血糖値予測システム
KR20160107508A (ko) * 2015-03-04 2016-09-19 주식회사 바이오에이지 생체나이를 이용한 잔여 수명 예측방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102709003B1 (ko) 2023-07-05 2024-09-24 주식회사 유투메드텍 음식-혈당 반응 분석 기반의 혈당 관리 정보를 제공하는 인슐린 렌즈 기술을 이용한 혈당 관리 서비스 제공 방법 및 시스템

Similar Documents

Publication Publication Date Title
JP6047346B2 (ja) 生体情報処理システム、ウェアラブル装置、サーバーシステム及びプログラム
US20150339946A1 (en) System for monitoring and presenting health, wellness and fitness trend data having user selectable parameters
US20150289797A1 (en) System for monitoring and presenting health, wellness and fitness trend data with activity and pattern detection
US20140343370A1 (en) Method and apparatus for providing dervied glucose information utilizing physiological and/or contextual parameters
KR102349961B1 (ko) 헬스 케어 장치 및 그 동작 방법
CN110838367A (zh) 健康风险综合评估方法
US20240008813A1 (en) Smart wearable device and method for estimating traditional medicine system parameters
Kario et al. Simultaneous self‐monitoring comparison of a supine algorithm‐equipped wrist nocturnal home blood pressure monitoring device with an upper arm device
CA3193444A1 (en) Meal and activity logging with a glucose monitoring interface
CN112071381A (zh) 一种基于个人行为数据的健康指标采集分析系统
KR102418342B1 (ko) 식이정보를 이용한 혈당변화 예측 장치 및 그 방법
CN117116490A (zh) 心血管病评估模型构建方法、膳食食疗及健康管理系统
Dorosh et al. Measurement modules of digital biometrie medical systems based on sensory electronics and mobile-health applications
JP2018175488A (ja) 健康支援装置、健康支援システム、健康支援方法及び健康支援装置のプログラム
JP5601102B2 (ja) 血糖値予測システム
JP2004302498A (ja) 食生活習慣改善支援装置
US10646169B2 (en) Process of controlling a device for diagnosing and monitoring individual activity, conditions, and diet
KR102418341B1 (ko) 연속혈당 데이터를 이용한 당 관리 장치 및 그 방법
KR102418340B1 (ko) 표준음식의 혈당 변화 패턴을 이용한 당 대사능력 장애 예측 장치 및 그 방법
CN113871014A (zh) 一种自主健康的辅助方法和装置
JP4499542B2 (ja) 医療情報処理装置、および、プログラム
EP3821447B1 (en) Device, system and method for determining a stress level of a user
CN113628723A (zh) 一种基于智能手环的提供饮食推荐的方法
TW201202991A (en) System and method thereof for generating recipes according to personal physical data
KR102418338B1 (ko) 연속혈당 데이터를 이용한 공복 혈당 측정 장치 및 그 방법

Legal Events

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