KR102427112B1 - 인공지능 기반의 식재료 매칭 서버, 방법 및 프로그램 - Google Patents

Abstract

본 개시는 인공지능 기반의 식재료 매칭 방법에 관한 것으로, 각 성분에 대하여 검사 항목별 성분 파워를 산출하고, 각 성분에 대한 검사 항목별 성분 파워의 합인 성분 지수를 산출한 후 산출된 성분 지수를 기반으로 생물체를 위한 최적화된 식재료를 도출할 수 있다.

Description

인공지능 기반의 식재료 매칭 서버, 방법 및 프로그램 {Device, method and program that matches ingredients based on AI}

본 개시는 식재료 매칭 방법에 관한 것이다.

특정 질병을 갖고 있는 대상 혹은 건강 상태의 개선이 필요한 대상에게 처방되는 약물의 대부분은 생약 또는 생물체에서 유래한 성분이 근원인 경우가 많다.

이러한 점을 이용하여 상술한 대상에게 최적화된 식재료를 매칭하여 식단을 제공하는 경우, 질병을 빠르게 개선시킬 수 있거나 건강 상태를 빠르게 호전시킬 수 있을 것으로 기대된다.

하지만, 현대 의학의 특성상 의사라 할지라도 본인의 전문 분야를 제외한 다른 분야에 대해서는 의학적 지식이 부족할 수 있으며, 또한 식재료에 대한 방대한 지식을 모두 아는 것은 너무 어렵다는 문제점이 있다.

반대로, 식재료, 영양소에 대한 방대한 지식이 있는 사람의 경우에는 의사와 같은 의학적 지식을 갖추는 것이 너무 어렵다는 문제점이 있다.

생물체의 건강 상태를 정확하게 분석하고 적합한 식재료를 제공하는 경우, 해당 생물체의 건강 상태를 개선시키거나 질병을 호전시킬 수 있을 것으로 기대되지만, 위와 같은 문제점들로 인하여 현재로서는 이러한 기술이 존재하지 않는 실정이다.

대한민국 등록특허 제10-2011836호, (2019.08.12)

상술한 바와 같은 문제점을 해결하기 위한 본 개시는 인공지능 기반의 식재료 매칭 방법을 제공하고자 한다.

또한, 본 개시에 따르면, 각 성분에 대하여 검사 항목별 성분 파워를 산출하고, 각 성분에 대한 검사 항목별 성분 파워의 합인 성분 지수를 산출한 후 산출된 성분 지수를 기반으로 생물체를 위한 식재료를 도출하고자 한다.

본 개시가 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 개시의 일 실시예에 따른 인공지능 기반의 식재료 매칭 방법은, 서비스 서버에 의해 수행되는 방법으로, 제1 성분에 대하여 검사 항목별 성분 파워를 산출하는 단계; 상기 제1 성분에 대한 검사 항목별 성분 파워의 합인 제1 성분 지수를 산출하는 단계; 및 상기 제1 성분 지수를 기반으로 적어도 하나의 식재료를 도출하는 단계;를 포함하고, 상기 성분 파워 산출 단계는, 상기 검사 항목의 항목별 중요도에 대응하는 제1 가중치를 산출하는 단계; 상기 검사 항목의 결과값에 대응하는 제2 가중치를 산출하는 단계;

상기 제2 가중치를 기반으로 제3 가중치를 산출하는 단계; 및 상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치를 곱하여 상기 성분 파워를 산출하는 단계를 포함한다.

또한, 상기 제2 가중치 산출 단계는, 상기 결과값을 기반으로 각 검사 항목에 대하여 검사 결과의 경중에 따라 상기 제2 가중치를 산출하는 것을 특징으로 한다.

또한, 상기 제3 가중치는 상기 제2 가중치의 영향력을 특정 계수만큼 증가, 감소 또는 무효화하기 위한 것으로, 상기 제3 가중치 산출 단계는, 해당 검사 항목의 종류 및 해당 검사 항목에 대하여 산출된 제2 가중치를 기반으로 상기 제3 가중치를 산출하는 것을 특징으로 한다.

또한, 상기 제3 가중치는 상기 검사 항목의 결과값에 따른 상기 제1 성분의 검사 대상에 대한 효능에 대한 가중치로, 상기 제3 가중치 산출 단계는, 상기 제1 성분의 종류, 해당 검사 항목의 종류 및 해당 검사 항목의 결과값을 기반으로 상기 제3 가중치를 산출할 수 있다.

또한, 상기 검사 항목은 적어도 한 단계의 상위 분류 항목을 포함하며, 상기 서비스 서버는, 상기 검사 항목이 속한 적어도 하나의 상위 분류 항목에 대하여 설정된 분류 가중치를 곱하여 상기 제1 가중치를 산출할 수 있다.

또한, 상기 식재료 도출 단계는, 상기 산출된 제1 성분 지수를 보정하는 단계; 상기 보정된 제1 성분 지수를 기준으로 식재료 데이터 추출 개수를 설정하는 단계; 상기 설정된 식재료 데이터 추출 개수만큼 식재료를 추출하는 단계; 상기 추출된 각 식재료에 대응되는 적어도 하나의 제1 성분 지수를 합하여 식재료별 점수를 산출하는 단계; 및 상기 산출된 식재료별 점수를 기반으로, 각 식재료의 필요 섭취량을 제공하는 단계를 포함한다.

또한, 상기 식재료 도출 단계 다음에, 상기 도출된 식재료에 대한 필터링 및 대체 식재료 도출 중 적어도 하나를 수행하여 최종 식재료 정보를 도출하는 식재료 후처리 단계를 더 포함할 수 있다.

또한, 상기 식재료 후처리 단계 다음에, 상기 도출된 최종 식재료 정보에 대응되는 식품을 매칭하는 단계; 및 상기 매칭된 식품을 기반으로 식단을 제공하는 단계를 더 포함할 수 있다.

또한, 상술한 과제를 해결하기 위한 본 개시의 일 실시예에 따른 인공지능 기반의 식재료 매칭 서버는, 가중치 산출 알고리즘이 저장된 메모리; 및 제1 성분에 대하여 검사 항목별 성분 파워를 산출하고, 상기 제1 성분에 대한 검사 항목별 성분 파워의 합인 제1 성분 지수를 산출하고, 상기 제1 성분 지수를 기반으로 적어도 하나의 식재료를 도출하는 프로세서를 포함하며, 상기 프로세서는, 상기 검사 항목의 항목별 중요도에 대응하는 제1 가중치를 산출하고, 상기 검사 항목의 결과값에 대응하는 제2 가중치를 산출하고, 상기 제2 가중치를 기반으로 제3 가중치를 산출하고, 상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치를 곱하여 상기 성분 파워를 산출할 수 있다.

이 외에도, 본 개시를 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.

상기와 같은 본 개시에 따르면, 인공지능 기반의 식재료 매칭 방법을 제공할 수 있다.

또한, 본 개시에 따르면, 각 성분에 대하여 검사 항목별 성분 파워를 산출하고, 각 성분에 대한 검사 항목별 성분 파워의 합인 성분 지수를 산출한 후 산출된 성분 지수를 기반으로 생물체를 위한 최적화된 식재료를 도출할 수 있다.

본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 시스템의 블록도이다.
도 2는 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법의 흐름도이다.
도 3 및 도 4는 검사 항목의 종류를 예시한 도면이다.
도 5는 성분 파워 산출 단계에 대한 상세 흐름도이다.
도 6은 제2 가중치와 제3 가중치를 구간 매칭하는 것을 예시한 도면이다.
도 7은 식재료 도출 단계에 대한 상세 흐름도이다.
도 8은 성분 포함량을 기준으로 정렬된 식재료 DB 중에서 성분 개수 또는 성분 비율만큼 상위 순위 식재료를 추출하는 것을 예시한 도면이다.
도 9는 식재료 도출 단계 다음의 프로세스를 예시한 도면이다.
도 10은 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법의 아웃풋 데이터를 예시한 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 발명되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 발명이 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 개시의 실시예를 상세하게 설명한다.

도 1은 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 시스템(10)의 블록도이다.

본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 시스템(10)은 서비스 서버(100), 클라이언트 단말 및 의료진 단말을 포함한다.

서비스 서버(100)는 프로세서(110), 통신부(130), 메모리(150) 및 입출력부(170)를 포함한다.

다만, 몇몇 실시예에서 식재료 매칭 시스템(10) 또는 서비스 서버(100)는 도 1에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.

본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 장치는 도 1에 도시된 것과 같이 서버 장치를 포함하여 인공지능 기반의 식재료 매칭 서버의 서비스 서버(100)로 구성될 수도 있다.

본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 서버는 분석 대상에 대한 입력 데이터(Input Data)를 입력하게 되면, 내부 알고리즘, 프로세스에 따라 출력 데이터(Output Data)를 생성하여 출력하게 된다.

이때, 분석 대상은 생물체라면 무엇이든 적용이 가능하다.

대표적인 예로, 특정 질병을 갖고 있는 환자, 건강 상태의 개선이 필요한 사람이 적용될 수 있지만, 이에 한정되지 않고 반려동물, 동물원에 있는 동물은 물론 식물에게도 적용될 수 있다.

따라서, 본 개시의 실시예에서는 분석 대상으로 지칭하도록 한다.`

통신부(130)는 클라이언트 단말 및 의료진 단말 중 적어도 하나와 통신하며, 인공지능 기반의 식재료 매칭 서비스를 위한 입력 데이터를 수신하고, 생성된 결과 데이터를 클라이언트 단말로 제공할 수 있다.

클라이언트 단말은 서비스 서버(100)에 분석 대상에 대한 분석을 요청하는 장치로, 컴퓨터, 스마트폰, 태블릿 PC 등과 같은 정보 처리 수단이라면 무엇이든 적용이 가능하다.

또한, 전술한 바와 같이, 클라이언트 단말로부터 분석이 요청되는 분석 대상은 클라이언트 본인이 될 수도 있지만, 클라이언트의 가족, 지인은 물론 동식물 등이 적용될 수도 있다.

의료진 단말은 서비스 서버(100)에 분석 대상에 대한 의료 데이터를 제공하는 장치로, 의사의 단말, 의료진의 단말, 병원 서버 등 다양한 예시가 적용 가능하다.

몇몇 실시예에서, 서비스 서버(100)는 클라이언트 단말로부터 분석 대상에 대한 식재료 매칭 서비스 요청이 수신되면, 제휴된 의료기관의 서버에 접속하여 분석 대상에 대한 의료 데이터를 수신하고, 이를 자동으로 알고리즘에 입력하여 결과값을 출력할 수도 있다.

서비스 서버(100)는 서비스 애플리케이션(Application) 또는 웹(Web)을 통해서 인공지능 기반의 식재료 매칭 서비스를 제공할 수 있다.

메모리(150)는 가중치 산출 알고리즘, 인공지능 모델, 분석 대상의 식재료 매칭 내역 등이 저장될 수 있다.

또한, 메모리(150)는 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 서비스를 제공하기 위한 각종 명령어, 알고리즘 등이 저장되어 있다.

입출력부(170)는 서비스 서버(100)에 직접 제어 신호를 입력 받거나, 생성된 결과, 매칭 결과 등의 정보를 출력할 수 있다.

몇몇 실시예에서 입출력부(170)는 서비스 서버(100)의 관리자가 사용할 수 있으며, 알고리즘, 펌웨어 업데이트, 오류 여부 확인을 위한 점검 결과 출력 등에 활용될 수도 있다.

프로세서(110)는 서비스 서버(100) 내 구성들의 동작을 제어하며, 메모리(150)에 저장되어 있는 명령어, 알고리즘, 인공지능 모델을 이용하여 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법을 제공할 수 있다.

아래에서는 도 2의 흐름도와 다른 예시 도면들을 참조하여, 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 서버, 방법에 대해서 보다 상세하게 설명하도록 한다.

도 2는 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법의 흐름도이다.

도 3 및 도 4는 검사 항목의 종류를 예시한 도면이다.

프로세서(110)가 제1 성분에 대하여 검사 항목별 성분 파워를 산출한다. (S100)

프로세서(110)가 제1 성분에 대한 검사 항목별 성분 파워의 합인 제1 성분 지수를 산출한다. (S200)

프로세서(110)가 제1 성분 지수를 기반으로 적어도 하나의 식재료를 도출한다. (S300)

본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 서버는 다양한 성분에 대하여 검사 항목별 성분 파워를 산출한다.

따라서, 제1 성분이란 칼슘, 마그네슘, 구리, 비타민, 오메가3 지방산, 메타오닌, 크립토판, 셀레늄, 아연, 글루텐 등 다양한 성분 중 하나를 의미하며, 최종적으로 서비스 서버(100)는 분석 대상을 분석하고 최적화된 식재료를 제공하기 위해 모든 성분에 대한 분석을 진행하게 된다.

프로세서(110)는 S100을 통해 특정 성분에 대한 검사 항목별 성분 파워를 산출하고, 해당 성분의 모든 검사 항목에 대하여 산출된 성분 파워를 합하여 성분 지수를 산출한다.

이는, 각각의 검사 항목에 대한 분석 대상의 입력값에 따른 결과값에 따라서 분석 대상에게 어떠한 성분이 얼마만큼 중요하고 필요한지 성분 파워를 산출하게 되는데, 하나의 성분이 하나의 검사 항목에만 해당되는 것이 아니고, 복수 개의 검사 항목에 해당될 수 있기 때문이다.

예를 들어, 검사 대상에 대하여 제1 검사 항목에서 비타민 C의 성분 파워가 10이 산출되었고, 제2 검사 항목에서 20의 성분 파워가 산출되었다면, 그만큼 비타민 C는 성분 대상에게 중요한 성분인 것을 의미하기 때문에 10과 20을 합하여 30을 성분 지수로서 산출하는 것을 의미한다.

프로세서(110)는 S100, S200을 통해서 모든 성분에 대한 검사 항목별 성분 파워의 합인 성분 지수 산출이 완료되면, S300을 진행하여 모든 성분에 대하여 산출된 성분 지수를 기반으로 분석 대상을 위한 적어도 하나의 식재료를 도출한다.

도 3를 참조하면, 검사 항목의 종류가 예시되어 있으며, 검사 항목은 적어도 한 단계의 상위 분류 항목을 포함하며, 도 3의 분류 항목에서 최하위 분류 항목 리스트가 각각의 검사 항목을 의미한다.

본 개시의 실시예에서 최상위로 분류된 검사 항목은 검사 데이터 및 비검사 데이터 항목을 포함한다.

검사 데이터 항목(제2 검사 항목)은 의학적인 검사가 필요한 검사 항목을 포함하며, 일반 검사(임상 의학 검사) 및 분자 생물학 검사(기초 의학 정밀 검사)를 포함한다.

도 3를 참조하면, 일반 검사(임상 의학 검사)는 혈액 검사, 대변, 소변 검사, 이비인후과 검사, 안과 검사, 폐기능 검사, 체성분 분석, CT 촬영, MRI 촬영, X선 촬영, 골밀도, 초음파, 내시경, 심전도, 조직검사 중 적어도 하나를 포함하며, 도 3에 도시된 것 이외에도 일반 검사(임상 의학 검사)에 해당되는 검사 항목이라면 무엇이든 포함될 수 있다.

도 3를 참조하면, 분자 생물학 검사(기초 의학 정밀 검사)는 세포대사 검사(소변), 아미노산 검사(혈액), NK세포 활성도 검사(혈액), 지방산 검사(혈액), 혈중 중금속, 미네랄 검사(혈액), 활성산소 항산화 검사(혈액), 모발 중금속, 미네랄 검사(모발), 치매 검사(혈액), MAST 알레르기 검사(혈액), lgG 음식 반응 검사(혈액), lgG4 음식 반응 검사(혈액), 암 위험도 검사(혈액), 텔로미어 유전자 검사(혈액), 유전자 검사(혈액) 중 적어도 하나를 포함하며, 도 3에 도시된 것 이외에도 분자 생물학 검사(기초 의학 정밀 검사)에 해당되는 검사 항목이라면 무엇이든 포함될 수 있다.

비검사 데이터 항목은 의학적인 검사가 필요하지 않은 검사 항목을 포함한다.

하지만, 의학적인 검사가 필요하지 않다고 하여 비검사 데이터 항목에 포함된 검사 항목에 대해서 클라이언트, 분석 대상이 스스로 입력할 수 있는 것은 아니다.

상세하게는, 비검사 데이터 항목은 의사(Doctor)를 거치지 않고 클라이언트가 직접 입력할 수 있는 데이터 항목(제3 검사 항목), 의사(Doctor)를 거쳐서 입력해야 하는 데이터 항목(제4 검사 항목)로 분류된다.

이때, 의사를 거친 데이터 항목(제4 검사 항목)는 의사의 판단/진단이 필요한 데이터를 의미할 수 있다.

의사를 거친 데이터 항목(제4 검사 항목)은 기 병력 항목과 진찰 데이터 항목(이학적 검사)으로 분류될 수 있다.

도 3를 참조하면, 기 병력 항목은 무월경, 알코올 중독, 편도선염, 협심증, 정맥부전증, 녹내장, 독감, 홍역, 파킨슨병, 부비동염, 종양, 암 중 적어도 하나를 포함하며, 도 3에 도시된 것 이외에도 기 병력 항목에 해당되는 검사 항목이라면 무엇이든 포함될 수 있다.

도 3를 참조하면, 진찰 데이터 항목은 이학적 검사가 필요한 검사 항목을 의미하며, 생체 증후, 분석 대상의 일반적인 모습 및 행동, 체온, 맥박수, 호흡수, 혈압, 전체적인 시진, 전체적인 촉진, 안색, 발진, 안압, 사시 중 적어도 하나를 포함하며, 도 3에 도시된 것 이외에도 진찰 데이터 항목에 해당되는 검사 항목이라면 무엇이든 포함될 수 있다.

의사를 거치지 않은 데이터 항목(제3 검사 항목)은 분석 대상의 단순 개인 정보 항목과 분석 대상에 대한 질의 데이터 항목을 포함할 수 있다.

도 3를 참조하면, 단순 개인 정보 항목은 분석 대상의 이름, 연락처, 성별, 생년월일 중 적어도 하나를 포함하며, 도 3에 도시된 것 이외에도 단순 개인 정보에 해당되는 항목이라면 무엇이든 포함될 수 있다.

질의 데이터 항목은 증상 항목, 가족력 항목 및 사회력 항목을 포함할 수 있다.

증상 항목은 피로감, 체중 감소, 발열, 탈모, 색소 침착, 두통, 가려움, 기침, 두근거림, 변비, 생리통, 생리전 증후군, 불면증, 불안 중 적어도 하나를 포함하며, 도 3에 도시된 것 이외에도 증상 항목에 해당되는 검사 항목이라면 무엇이든 포함될 수 있다.

가족력 항목은 고혈압, 당뇨, 고지혈증, 암 중 죽어도 하나를 포함하며, 도 3에 도시된 것 이외에도 가족력 항목에 해당되는 검사 항목이라면 무엇이든 포함될 수 있다.

사회력 항목은 임신, 흡연, 체질, 비건, 종교, 직업, 국적 중 적어도 하나를 포함하며, 도 3에 도시된 것 이외에도 사회력 항목에 해당되는 검사 항목이라면 무엇이든 포함될 수 있다.

본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법은 분석 대상에 대한 검사 항목별 입력 데이터를 기반으로 식재료를 도출하지만, 이를 그대로 이용하지 않고 각종 가중치를 반영하여 적용함으로써, 분석 대상에 최적화된 결과물을 도출할 수 있게 된다.

아래에서는 가중치 산출에 대한 실시예를 상세하게 설명하도록 한다.

도 5는 성분 파워 산출 단계(S100)에 대한 상세 흐름도이다.

도 5를 참조하면, 성분 파워 산출 단계(S100)은 아래와 같은 단계들을 포함한다.

프로세서(110)가 검사 항목의 항목별 중요도에 대응되는 제1 가중치를 산출한다. (S110)

도 3 및 도 4를 참조하여 다양한 검사 항목에 대하여 설명하였으며, 이를 통해 검사 항목이 속한 카테고리마다 그 중요도가 다르다는 것을 알 수 있다.

제1 가중치는 카테고리 가중치로, 각각의 검사 방법에 대한 진단 신뢰도를 반영하여 부여된 가중치를 의미한다.

예를 들어, 검사 데이터 항목이 비검사 데이터 항목, 의사를 거친 데이터(제4 검사 항목)보다 높은 가중치를 가질 수 있으며, 비검사 데이터 항목, 의사를 거친 데이터(제4 검사 항목)가 의사를 거치지 않은 데이터(제3 검사 항목)보다 높은 가중치를 가질 수 있다.

하지만, 이는 단순 예시일 뿐 반드시 이와 같이 한정되는 것은 아니다.

도 3 및 도 4를 참조하여 전술한 바와 같이, 검사 항목은 적어도 하나의 상위 분류 항목을 포함하고 있다.

그리고, 각각의 분류 항목은 분류 가중치가 설정되어 있다.

도 4를 참조하면, 제1 검사 항목(제1 분류 가중치)과 제2 검사 항목(제2 분류 가중치)은 제1 분류 가중치가 설정되어 있다.

일 실시예로, 제3 검사 항목(제2-1 분류 가중치), 제4 검사 항목(제2-2 분류 가중치), 일반 검사 항목(제2-3 분류 가중치), 분자 생물학 검사 항목(제2-4 분류 가중치)은 제2 분류 가중치가 설정되어 있다.

일 실시예로, 단순 개인 정보 항목(제3-1 분류 가중치), 질의 데이터 항목(제3-2 분류 가중치), 기 병력 항목(제3-3 분류 가중치), 진찰 데이터 항목(제3-4 분류 가중치)은 제3 분류 가중치가 설정되어 있다.

일 실시예로, 증상 항목(제4-1 분류 가중치), 가족력 항목(제4-2 분류 가중치), 사회력 항목(제4-3 분류 가중치)은 제4 분류 가중치가 설정되어 있다.

일 실시예로, 검사 항목은 적어도 한 단계의 상위 분류 항목을 포함할 수 있다.

그리고, 프로세서(110)는 검사 항목이 속한 적어도 하나의 상위 분류 항목에 대하여 설정된 분류 가중치를 곱하여 제1 가중치를 산출할 수 있다.

보다 상세하게는, 프로세서(110)는 각각의 검사 항목이 속한 모든 상위 분류 항목에 대하여 설정된 분류 가중치를 곱하여 제1 가중치를 산출할 수 있다.

예를 들어, 도 4와 같이 사회력에 대한 제1 가중치는 사회력에 대한 분석 대상의 결과값(사회력에 대한 제4 분류 가중치) X 질의 데이터에 대한 제3 분류 가중치 X 제3 검사 항목에 대한 제2 분류 가중치 X 제1 검사 항목에 대한 제1 분류 가중치를 기반으로 산출할 수 있다.

이때, 사회력에 대한 제4 분류 가중치는 해당 검사 항목에 대한 분석 대상의 입력값을 기반으로 산출된 결과값을 의미한다.

상세하게는, 사회력에 대한 제1 가중치는 제1 분류 가중치 X 제2-1 분류 가중치 X 제3-2 분류 가중치 X 사회력에 대한 분석 대상의 결과값(제4-3 분류 가중치)를 기반으로 산출될 수 있다.

프로세서(110)가 검사 항목의 입력값에 따른 결과값에 대응하는 제2 가중치를 산출한다. (S130)

제2 가중치는 검사 결과의 심한 정보(경중)에 따라 부여된 가중치로, 데이터 값의 수치 범위별로 부여되어 있으며, 수치 범위는 데이터의 종류에 따라 상이할 수 있다.

예를 들어, A 검사 항목은 4개의 수치 범위를 포함할 수 있고, B 검사는 5개의 수치 범위, C 검사는 7개의 수치 범위를 포함할 수 있다.

제2 가중치는 반드시 가중되어야 하는 것은 아니며, 마이너스, 0, 플러스가 모두 적용 가능하고, 소수점의 수치도 적용 가능하다.

제1 실시예로, 프로세서(110)는 검사 수치(검사 대상에 대한 입력값을 통해 출력된 결과값)가 기 설정된 기준치에서 벗어난 정도에 따라 부여되도록 제2 가중치를 산출할 수 있다.

제2 실시예로, 프로세서(110)는 검사 수치(검사 대상에 대한 입력값을 통해 출력된 결과값)가 속하는 등급(Grade)별로 부여되도록 제2 가중치를 산출할 수 있다. (예: 매우 심함/심함/경증 or 성분 매우 부족/약간 부족 등)

프로세서(110)가 S130에서 산출된 제2 가중치를 기반으로 제3 가중치를 산출한다. (S150)

제3 가중치는 아래와 같은 목적을 가질 수 있다.

① 제3 가중치는 제2 가중치의 영향력을 특정 계수만큼 증가시키거나, 감소시키거나, 무효화하기 위한 것일 수 있다.

② 제3 가중치는 검사 항목의 결과값(Output Data)에 따른 제1 성분의 검사 대상에 대한 효능에 대한 가중치를 위한 것일 수 있다.

프로세서(110)는 해당 검사 항목의 종류 및 해당 검사 항목에 대하여 산출된 제2 가중치를 기반으로 제3 가중치를 산출할 수 있다.

보다 상세하게는, 검사 항목에 대한 제2 가중치는 적어도 하나의 수치 범위를 포함한다고 언급하였다.

도 6은 제2 가중치와 제3 가중치를 구간 매칭하는 것을 예시한 도면이다.

프로세서(110)는 제3 가중치를 산출할 때, 제2 가중치와 구간 매칭하여 산출할 수 있다.

동일한 검사 항목에 대하여 제3 가중치는 제2 가중치와 동일한 수의 수치 범위를 포함할 수 있다.

이는, ① 특징과 같이 제2 가중치의 영향력을 특정 계수만큼 증가시키거나 감소시키거나 무효화하기 위해서이다.

예를 들어, 제1 검사 항목은 결과값의 범위에 따라 0/0/1/5 4개의 수치범위를 갖도록 제2 가중치가 설정될 수 있다.

이 경우, 제1 검사 항목의 제3 가중치는 제2 가중치와 동일하게 4개의 수치범위를 갖도록 설정될 수 있다.

하지만, 제2 가중치와 제3 가중치는 수치범위의 수만 같을 뿐, 가중치는 상이할 수 있다.

도 7은 식재료 도출 단계에 대한 상세 흐름도이다.

도 8은 성분 포함량을 기준으로 정렬된 식재료 DB 중에서 성분 개수 또는 성분 비율만큼 상위 순위 식재료를 추출하는 것을 예시한 도면이다.

도 7을 참조하면, 식재료 도출 단계는 아래와 같은 단계들을 포함한다.

프로세서(110)가 S200에서 산출된 제1 성분 지수를 보정한다. (S310)

상세하게는, 프로세서(110)는 S200에서 산출된 모든 성분들의 성분 지수를 백분위로 조정함으로써, 성분 지수를 보정할 수 있다.

프로세서(110)가 식재료 데이터 추출 개수를 설정한다. (S330)

프로세서(110)가 S330에서 설정된 식재료 데이터 추출 개수만큼 식재료를 추출한다. (S350)

프로세서(110)는 S310에서 보정된 성분 지수를 기준으로 식재료 데이터 추출 개수를 설정하며 아래와 같은 실시예가 적용될 수 있다.

① 프로세서(110)는 보정된 성분 지수의 백분위 숫자에 대응되는 개수만큼 식재료 데이터를 추출할 수 있다.

도 8을 참조하면, ①과 같이 진행하게 되는 경우 프로세서(110)는 식재료 DB에서 칼슘을 포함하는 식재료 중에서 1위에서 17위에 해당하는 식재료를 추출할 수 있다.

② 프로세서(110)는 보정된 성분 지수의 백분위 숫자에 대응되는 비율만큼 식재료 데이터를 추출할 수 있다.

도 8을 참조하면, ②와 같이 진행하게 되는 경우 프로세서(110)는 식재료 DB에서 칼슘을 포함하는 식재료 중에서 상위 17%에 해당하는 식재료를 추출할 수 있다.

프로세서(110)가 S350에서 추출된 각 식재료에 대응되는 제1 성분 지수를 합하여 식재료별 점수를 산출한다. (S370)

예를 들어, 도 8에 도시된 예가 상추이고, 상추가 칼슘, 마그네슘 성분 각각에서 상위 식재료로 추출되었다면, 상추의 점수는 칼슘에 대한 성분 지수(400) + 마그네슘에 대한 성분지수(380)을 합하여 780으로 산출될 수 있다.

일 실시예로, 프로세서(110)는 식재료별 함량 가중치를 부여할 수 있다.

상세하게는, 프로세서(110)는 성분 지수 1순위에 해당하는 식재료 대비 함량 비율을 곱하여 식재료별 점수를 산출할 수 있다.

예를 들어, 칼슘을 포함하는 식재료가 5개 추출되었고, 1~5순위 식재료가 각각 100g 당 50mg, 40mg, 30mg, 20mg, 10mg의 칼슘을 포함하는 경우, 프로세서(110)는 제1 식재료 점수=400, 제2 식재료 점수=400x0.8=420, 제3 식재료 점수=400x0.6=240, 제4 식재료 점수=400x0.4=160, 제5 식재료 점수=400x0.2=80으로 식재료 점수를 산출할 수 있다.

프로세서(110)가 S370에서 산출된 식재료별 점수를 기반으로 각 식재료의 필요 섭취량을 산출한다. (S390)

상세하게는, 프로세서(110)는 S370에서 산출된 식재료별 점수를 기반으로 각 식재료의 필요 섭취량을 산출하되, 분석 대상의 1회 분량에 대하여 식재료 정보를 도출할 수 있다.

또는, 프로세서(110)는 S370에서 산출된 식재료별 점수를 기반으로 각 식재료의 필요 섭취량을 산출하되, 특정 중량 단위로 필요 섭취량을 산출하여 식재료 정보를 제공할 수 있다. (예: 100g당)

도 9는 식재료 도출 단계 다음의 프로세스를 예시한 도면이다.

도 9를 참조하면, 식재료 도출 단계(S300) 다음에 아래와 같은 단계들이 더 포함될 수 있다.

프로세서(110)가 S300에서 도출된 식재료에 대한 후처리 프로세스를 진행한다. (S400)

프로세서(110)가 S400에서 후처리된 식재료를 기반으로 식품을 매칭한다. (S500)

프로세서(110)가 S500에서 매칭된 식품을 기반으로 식단을 제공한다. (S600)

상세하게는, 프로세서(110)는 S300에서 도출된 식재료에 대한 필터링 및 대체 식재료 도출 중 적어도 하나를 수행하여 최종 식재료 정보를 도출하는 식재료 후처리 프로세스를 진행한다.

메모리(150)는 기 설정된 제1 예외 조건, 분석 대상에 대하여 설정된 제2 예외 조건 및 증상 또는 질병에 대하여 설정된 특수 가중치 중 적어도 하나가 저장되어 있다.

프로세서(110)는 제1 예외 조건, 제2 예외 조건 및 특수 가중치 중 적어도 하나를 적용하여 식재료의 종류를 결정할 수 있다.

제1 예외 조건은 각 식재료의 획득 난이도를 포함한다.

이때, 획득 난이도는 중량 대비 획득 난이도, 중량당 가격 등을 포함할 수 있다.

제2 예외 조건은 분석 대상의 음식 알레르기 및 음식 성향 중 적어도 하나를 포함한다.

메모리(150)는 획득 난이도가 기 설정된 난이도 이상인 식재료에 대한 대체 식재료 정보가 저장되어 있다.

예를 들어, 애초에 가격이 너무 비싼 식재료이거나, 사용자의 국가, 위치에서 획득하기 어려운 식재료의 경우 프로세서(110)가 필터링하여 대체 식재료로 대체할 수 있다.

프로세서(110)는 분석 대상을 위해 결정된 식재료의 획득 난이도가 기 설정된 난이도를 초과하는 경우, 해당 식재료에 대하여 설정된 대체 식재료를 분석 대상의 식재료로 결정할 수 있다.

도 10은 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법의 아웃풋 데이터를 예시한 도면이다.

도 10을 참조하면, 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법, 장치는 분석 대상이 보충해야 할 성분의 종류 및 중요도에 대한 정보를 제공하는 것은 물론, 피해야할 성분의 종류와 중요도를 제공할 수 있다.

또한, 본 개시의 실시예에 따른 인공지능 기반의 식재료 매칭 방법, 장치는 분석 대상에게 적합한 식재료를 제공하고, 식품은 물론 메뉴 식단의 레시피까지 제공할 수 있는 효과가 있다.

이상에서 전술한 본 개시의 일 실시예에 따른 방법은, 하드웨어인 서버와 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 개시의 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 개시가 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

이상, 첨부된 도면을 참조로 하여 본 개시의 실시예를 설명하였지만, 본 개시가 속하는 기술분야의 통상의 기술자는 본 개시가 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.

10: 인공지능 기반의 식재료 매칭 시스템
100: 서비스 서버
110: 프로세서
130: 통신부
150: 메모리
170: 입출력부

Claims (10)

1. 서비스 서버에 의해 수행되는 방법으로,
   적어도 하나의 성분에 대하여 복수의 검사 항목 각각에 대한 성분 파워를 산출하는 단계;
   상기 복수의 검사 항목 각각에 대하여 산출된 성분 파워를 합하여 상기 적어도 하나의 성분에 대한 성분 지수를 산출하는 단계; 및
   상기 성분 지수를 기반으로 적어도 하나의 식재료를 도출하는 단계;를 포함하고,
   상기 성분 지수는 상기 적어도 하나의 성분이 분석 대상에게 미치는 영향력을 수치화한 것이고,
   상기 성분 파워 산출 단계는,
   상기 검사 항목의 항목별 중요도에 대응하는 제1 가중치를 산출하는 단계;
   상기 검사 항목의 결과값에 대응하는 제2 가중치를 산출하는 단계;
   상기 제2 가중치를 기반으로 제3 가중치를 산출하는 단계; 및
   상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치를 곱하여 상기 성분 파워를 산출하는 단계를 포함하고,
   상기 식재료 도출 단계는,
   상기 적어도 하나의 성분에 대하여 산출된 성분 지수를 기반으로 식재료 데이터 추출 개수를 결정하여 식재료를 추출하는 단계;
   상기 추출된 각 식재료에 대응되는 적어도 하나의 성분 지수를 합하여 식재료별 점수를 산출하는 단계; 및
   상기 산출된 식재료별 점수를 기반으로 각 식재료의 필요 섭취량을 제공하는 단계를 포함하는,
   인공지능 기반의 식재료 매칭 방법.
   
2. 제1항에 있어서,
   상기 제2 가중치 산출 단계는,
   상기 결과값을 기반으로 각 검사 항목에 대하여 검사 결과의 경중에 따라 상기 제2 가중치를 산출하는 것을 특징으로 하는,
   인공지능 기반의 식재료 매칭 방법.
   
3. 제2항에 있어서,
   상기 제3 가중치는 상기 제2 가중치의 영향력을 특정 계수만큼 증가, 감소 또는 무효화하기 위한 것으로,
   상기 제3 가중치 산출 단계는,
   상기 검사 항목의 종류 및 상기 검사 항목에 대하여 산출된 상기 제2 가중치를 기반으로 상기 제3 가중치를 산출하는 것을 특징으로 하는,
   인공지능 기반의 식재료 매칭 방법.
   
4. 제2항에 있어서,
   상기 제3 가중치는 상기 검사 항목의 결과값에 따른 상기 적어도 하나의 성분의 상기 검사 대상에 대한 효능에 대한 가중치이고,
   상기 제3 가중치 산출 단계는,
   상기 성분의 종류, 상기 검사 항목의 종류 및 상기 검사 항목의 결과값을 기반으로 상기 제3 가중치를 산출하는,
   인공지능 기반의 식재료 매칭 방법.
   
5. 제1항에 있어서,
   상기 검사 항목은 적어도 한 단계의 상위 분류 항목을 포함하며,
   상기 서비스 서버는,
   상기 검사 항목이 속한 적어도 하나의 상위 분류 항목에 대하여 설정된 분류 가중치를 곱하여 상기 제1 가중치를 산출하는 것을 특징으로 하는,
   인공지능 기반의 식재료 매칭 방법.
   
6. 제1항에 있어서,
   상기 식재료 도출 단계는,
   상기 산출된 성분 지수를 보정하고, 상기 보정된 성분 지수를 기준으로 상기 식재료 데이터 추출 개수를 설정하는 것을 특징으로 하는,
   인공지능 기반의 식재료 매칭 방법.
   
7. 제1항에 있어서,
   상기 식재료 도출 단계 다음에,
   상기 도출된 식재료에 대한 필터링 및 대체 식재료 도출 중 적어도 하나를 수행하여 최종 식재료 정보를 도출하는 식재료 후처리 단계를 더 포함하는,
   인공지능 기반의 식재료 매칭 방법.
   
8. 제7항에 있어서,
   상기 식재료 후처리 단계 다음에,
   상기 도출된 최종 식재료 정보에 대응되는 식품을 매칭하는 단계; 및
   상기 매칭된 식품을 기반으로 식단을 제공하는 단계를 더 포함하는,
   인공지능 기반의 식재료 매칭 방법.
   
9. 가중치 산출 알고리즘이 저장된 메모리; 및
   적어도 하나의 성분에 대하여 복수의 검사 항목 각각에 대한 성분 파워를 산출하고,
   상기 복수의 검사 항목 각각에 대하여 산출된 성분 파워를 합하여 상기 적어도 하나의 성분에 대한 성분 지수를 산출하고,
   상기 성분 지수를 기반으로 적어도 하나의 식재료를 도출하는 프로세서를 포함하며,
   상기 성분 지수는 상기 적어도 하나의 성분이 분석 대상에게 미치는 영향력을 수치화한 것이고,
   상기 프로세서는,
   상기 검사 항목의 항목별 중요도에 대응하는 제1 가중치를 산출하고, 상기 검사 항목의 결과값에 대응하는 제2 가중치를 산출하고, 상기 제2 가중치를 기반으로 제3 가중치를 산출하고, 상기 제1 가중치, 상기 제2 가중치 및 상기 제3 가중치를 곱하여 상기 성분 파워를 산출하고,
   상기 적어도 하나의 성분에 대하여 산출된 성분 지수를 기반으로 식재료 데이터 추출 개수를 결정하여 식재료를 추출하고,
   상기 추출된 각 식재료에 대응되는 적어도 하나의 성분 지수를 합하여 식재료별 점수를 산출하고,
   상기 산출된 식재료별 점수를 기반으로 각 식재료의 필요 섭취량을 제공하는 것을 특징으로 하는,
   인공지능 기반의 식재료 매칭 서버.
   
10. 하드웨어인 컴퓨터와 결합되어, 제1항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.

Images