KR102438367B1 - Human data managing system - Google Patents

Human data managing system Download PDF

Info

Publication number
KR102438367B1
KR102438367B1 KR1020190157040A KR20190157040A KR102438367B1 KR 102438367 B1 KR102438367 B1 KR 102438367B1 KR 1020190157040 A KR1020190157040 A KR 1020190157040A KR 20190157040 A KR20190157040 A KR 20190157040A KR 102438367 B1 KR102438367 B1 KR 102438367B1
Authority
KR
South Korea
Prior art keywords
biometric information
user
information
unit
user terminal
Prior art date
Application number
KR1020190157040A
Other languages
Korean (ko)
Other versions
KR20210067438A (en
Inventor
김신희
Original Assignee
건국대학교 글로컬산학협력단
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 건국대학교 글로컬산학협력단 filed Critical 건국대학교 글로컬산학협력단
Priority to KR1020190157040A priority Critical patent/KR102438367B1/en
Publication of KR20210067438A publication Critical patent/KR20210067438A/en
Application granted granted Critical
Publication of KR102438367B1 publication Critical patent/KR102438367B1/en

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

생체정보 관리 시스템에 관한 것이며, 생체정보 관리 시스템은, 사용자의 신체 일부에 연계되어, 상기 사용자의 생체 정보를 측정 하는 생체 정보 측정 장치, 상기 생체 정보 측정 장치에서 측정된 상기 생체 정보를 네트워크를 통해서 전송받는 사용자 단말 및 상기 사용자 단말로부터 상기 생체 정보를 수신하고, 상기 생체 정보의 이상 여부를 판단하는 관리 서버를 포함하되, 상기 관리 서버는, 상기 사용자 단말로부터 상기 생체 정보를 수신하는 수신부, 수신된 상기 생체 정보 및 사용자 정보에 기반하여 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 설정하는 범위 설정부 및 수신된 상기 생체 정보를 고려하여 상기 범위 설정부에서 설정한 상기 건강 이상 범위에 기초하여 상기 생체 정보의 이상 여부를 판단하는 판단부를 포함할 수 있다. It relates to a biometric information management system, wherein the biometric information management system is linked to a part of a user's body and measures the user's biometric information through a network and a biometric information measuring device for measuring the user's biometric information, and the biometric information measured by the biometric information measuring device A user terminal receiving the transmission and a management server for receiving the biometric information from the user terminal and determining whether the biometric information is abnormal, wherein the management server includes: a receiving unit for receiving the biometric information from the user terminal; A range setting unit for setting a range of health abnormalities of the user according to types of biometric information based on the biometric information and user information, and a range setting unit for setting the range of health abnormalities set by the range setting unit in consideration of the received biometric information. It may include a determination unit for determining whether the biometric information is abnormal.

Description

생체정보 관리 시스템{HUMAN DATA MANAGING SYSTEM}Biometric information management system {HUMAN DATA MANAGING SYSTEM}

본원은 생체정보 관리 시스템에 관한 것이다.The present application relates to a biometric information management system.

현대 사회에서는 개인주의 문화가 확산되면서 혼자 생활하는 1인 가구의 수가 급격하게 증가하고 있다. 고령화 사회로 진입하면서 독거노인이 늘어나고 있을 뿐만 아니라 젊은 연령층에서도 자유로운 생활방식을 추구하거나 다양한 개인 사정으로 인하여 고시원, 기숙사, 원룸, 오피스텔을 중심으로 독거인이 크게 늘어나고 있는 상황이다.In modern society, the number of single-person households living alone is rapidly increasing with the spread of individualistic culture. As we enter an aging society, not only the elderly living alone are increasing, but also the number of people living alone is greatly increasing mainly in gosiwons, dormitories, studio apartments, and officetels due to various personal circumstances or pursuing a free lifestyle among young people.

이들 독거인은 일상적인 생활은 각자 나름대로 적응하면서 살아갈 수 있으나 응급상황이 발생하는 경우에는 제대로 대응하지 못한다. 이러한 응급상황으로는 심장쇼크, 졸도, 사고, 범죄 등을 생각할 수 있다. 동거인이 있는 경우에는 즉시 또는 얼마간의 시간이 경과한 후에 발견되어 응급센터로 이송이 가능한데, 독거인은 응급상황에서 스스로 구원을 요청하지 못하고 무기력하게 시간이 경과하여 상황이 악화되는 경우가 빈번하게 발생하고 있다.These people living alone can live their daily lives in their own way, but they are not able to properly respond to emergencies. These emergencies include heart shock, fainting, accidents, and crimes. If there is a person living with you, it can be discovered immediately or after a certain amount of time has elapsed and transported to the emergency center. are doing

고령화 및 생활수준의 향상에 의한 건강에 대한 관심의 증가로 인해 새로운 보건의료에 대한 수요의 필요성이 부각되고 있다. 따라서 질병에 대한 사전예방 및 건강관리를 위해 기술적 해결방안이 절실히 요구되고 있는 실정이다.Due to the increasing interest in health due to the aging population and the improvement of living standards, the need for new health care is being emphasized. Therefore, there is an urgent need for technical solutions for prevention and health management of diseases.

본원의 배경이 되는 기술은 한국공개특허공보 제 10-2015-0116206 호에 개시되어 있다.The technology that is the background of the present application is disclosed in Korean Patent Application Laid-Open No. 10-2015-0116206.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자의 신체 일부에 연계되어, 실시간으로 사용자의 생체 정보를 측정하고, 위험 상황 발생 시 호출 및 자동 신고 요청이 가능한 생체정보 관리 시스템을 제공하려는 것을 목적으로 한다. The present application is intended to solve the problems of the prior art described above, and to provide a biometric information management system that is linked to a part of the user's body, measures the user's biometric information in real time, and enables a call and automatic report request when a dangerous situation occurs. aim to

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 네트워크를 기반으로 웨어러블 디바이스로부터 측정되는 생체 정보를 스마트폰 어플리케이션 및 서버를 통해 관리할 수 있는 생체 정보 관리 시스템을 제공하려는 것을 목적으로 한다. An object of the present application is to solve the problems of the prior art described above, and an object of the present application is to provide a biometric information management system capable of managing biometric information measured from a wearable device based on a network through a smartphone application and a server.

다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical problems to be achieved by the embodiments of the present application are not limited to the technical problems as described above, and other technical problems may exist.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른, 생체정보 관리 시스템은, 사용자의 신체 일부에 연계되어, 상기 사용자의 생체 정보를 측정 하는 생체 정보 측정 장치, 상기 생체 정보 측정 장치에서 측정된 상기 생체 정보를 네트워크를 통해서 전송받는 사용자 단말 및 상기 사용자 단말로부터 상기 생체 정보를 수신하고, 상기 생체 정보의 이상 여부를 판단하는 관리 서버를 포함하되, 상기 관리 서버는, 상기 사용자 단말로부터 상기 생체 정보를 수신하는 수신부, 수신된 상기 생체 정보 및 사용자 정보에 기반하여 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 설정하는 범위 설정부 및 수신된 상기 생체 정보와 상기 범위 설정부에서 설정한 상기 건강 이상 범위를 고려하여 상기 생체 정보의 이상 여부를 판단하는 판단부를 포함할 수 있다. As a technical means for achieving the above technical problem, the biometric information management system according to an embodiment of the present application is linked to a part of the user's body and measures the user's biometric information, the biometric information measuring device A user terminal receiving the biometric information measured by the measurement device through a network, and a management server receiving the biometric information from the user terminal and determining whether the biometric information is abnormal, wherein the management server includes the user In the receiving unit for receiving the biometric information from the terminal, the range setting unit for setting a range of health abnormalities of the user according to the type of biometric information based on the received biometric information and user information, and the received biometric information and the range setting unit and a determination unit configured to determine whether the biometric information is abnormal in consideration of the set health abnormality range.

또한, 상기 생체 정보 측정 장치는, 상기 사용자 단말과 네트워크의 통신의 가능상태 또는 불능상태를 판단하고, 상기 판단 결과가 불능상태인 경우, 수집된 상기 생체 정보를 저장하는 저장부를 포함하되, 상기 저장부는, 네트워크가 통신 가능상태로 전환된 경우, 상기 생체 정보를 상기 사용자 단말로 제공할 수 있다. In addition, the biometric information measuring device includes a storage unit that determines whether the communication between the user terminal and the network is possible or inoperable, and stores the collected biometric information when the determination result is in an impossible state. The unit may provide the biometric information to the user terminal when the network is switched to a communicable state.

또한, 상기 생체 정보 수집 장치는 상기 사용자 단말로 복수의 혈류 이미지를 포함하는 생체 정보를 전송하고, 상기 관리 서버는, 상기 사용자 단말로부터 복수의 혈류 이미지를 획득하는 이미지 획득부, 상기 복수의 혈류 이미지를 포함하는 생체 정보와 사용자 정보를 연계하여 데이터 세트를 생성하는 데이터 생성부 및 전처리 과정을 거친 데이터 세트를 입력으로 하고 생체 정보의 종류에 따른 생체 정보의 이상 여부에 관한 항목을 출력으로 하는 학습을 통해 인공신경망을 구축하는 학습부를 포함할 수 있다.In addition, the biometric information collection device transmits biometric information including a plurality of blood flow images to the user terminal, and the management server includes an image acquisition unit configured to acquire a plurality of blood flow images from the user terminal, the plurality of blood flow images A data generation unit that generates a data set by linking biometric information and user information including It may include a learning unit that builds an artificial neural network through the

또한, 상기 판단부는, 신규 데이터 세트를 상기 전처리 과정을 거친 후 상기 인공신경망을 통해 생체 정보의 이상 여부를 판단할 수 있다. In addition, the determination unit may determine whether the biometric information is abnormal through the artificial neural network after the new data set is pre-processed.

또한, 상기 관리 서버는, 사용자의 SNS 기록을 수집하는 기록 정보 수집부 및 상기 기록 정보 수집부에서 수집한 SNS 정보를 기반으로 사용자의 감정 상태를 분석하는 감정 분석부를 더 포함하되, 상기 판단부는, 상기 생체 정보 및 상기 감정 상태의 분석 결과에 기반하여, 상기 생체 정보의 이상 여부를 판단할 수 있다.In addition, the management server further comprises a record information collecting unit for collecting the user's SNS record and an emotion analysis unit for analyzing the user's emotional state based on the SNS information collected by the record information collecting unit, wherein the determining unit, Based on the analysis result of the biometric information and the emotional state, it is possible to determine whether the biometric information is abnormal.

또한, 상기 관리 서버는, 상기 생체 정보의 이상 여부의 판단 결과에 기반하여 알림 신호를 생성하고 상기 생체 정보 측정 장치 또는 상기 사용자 단말로 알림 신호를 제공하는 신호 생성부를 더 포함하되, 상기 생체 정보 측정 장치 또는 상기 사용자 단말은, 상기 관리 서버로부터 제공받은 알림 신호에 기반하여, 청각 신호, 시각 신호, 촉각 신호 중 적어도 어느 하나의 알림 신호를 출력할 수 있다.In addition, the management server further comprises a signal generator for generating a notification signal based on the determination result of whether the biometric information is abnormal and providing a notification signal to the biometric information measuring device or the user terminal, wherein the biometric information measurement The device or the user terminal may output at least one notification signal among an auditory signal, a visual signal, and a tactile signal based on the notification signal provided from the management server.

또한, 상기 생체 정보는, 심박수 정보, 호흡량 정보, 동공크기 정보, 혈중 산소 농도 정보, 혈압 정보, 맥박 정보, 체온 정보, 심전도 정보, 혈류 이미지 정보 중 적어도 어느 하나를 포함할 수 있다.In addition, the biometric information may include at least one of heart rate information, respiratory rate information, pupil size information, blood oxygen concentration information, blood pressure information, pulse information, body temperature information, electrocardiogram information, and blood flow image information.

또한, 상기 범위 설정부는, 복수의 생체 정보 및 복수의 사용자 정보를 입력으로 하여 구축된 인공지능 학습 모델에 수신된 상기 생체 정보 및 사용자 정보를 적용하여 사용자의 건강 이상 범위를 결정 할 수 있다.In addition, the range setting unit may determine the range of health abnormalities of the user by applying the received biometric information and user information to an artificial intelligence learning model built by inputting a plurality of biometric information and a plurality of user information as inputs.

본원의 일 실시예에 따른, 생체정보 관리 서버는, 사용자의 신체 일부에 연계되어, 상기 사용자의 생체 정보를 측정하는 생체 측정 장치가 네트워크를 통해 사용자 단말로 상기 생체 정보를 전송하고, 상기 사용자 단말로부터 상기 생체 정보를 수신하는 수신부, 수신된 상기 생체 정보 및 사용자 정보에 기반하여 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 설정하는 범위 설정부 및 수신된 상기 생체 정보를 고려하여 상기 범위 설정부에서 설정한 상기 건강 이상 범위에 기초하여 상기 생체 정보의 이상 여부를 판단하는 판단부를 포함할 수 있다.According to an embodiment of the present application, the biometric information management server is linked to a part of the user's body so that a biometric measuring device for measuring the user's biometric information transmits the biometric information to the user terminal through a network, and the user terminal a receiving unit for receiving the biometric information from, a range setting unit for setting a range of health abnormalities of the user according to the type of biometric information based on the received biometric information and user information, and a range setting unit considering the received biometric information and a determination unit configured to determine whether the biometric information is abnormal based on the health abnormality range set in .

또한, 생체정보 관리 서버는, 상기 생체 정보 수집 장치가 상기 사용자 단말로 복수의 혈류 이미지를 포함하는 생체 정보를 전송하고, 상기 사용자 단말로부터 복수의 혈류 이미지를 획득하는 이미지 획득부, 상기 복수의 혈류 이미지를 포함하는 상기 생체 정보와 사용자 정보를 연계하여 데이터 세트를 생성하는 데이터 생성부 및 전처리 과정을 거친 데이터 세트를 입력으로 하고 생체 정보의 종류에 따른 생체 정보의 이상 여부에 관한 항목을 출력으로 하는 학습을 통해 인공신경망을 구축하는 학습부를 포함할 수 있다.In addition, the biometric information management server includes an image acquisition unit configured to transmit biometric information including a plurality of blood flow images to the user terminal by the biometric information collection device, and obtain a plurality of blood flow images from the user terminal, the plurality of blood flow images A data generation unit that generates a data set by linking the biometric information including an image and user information, and a data set that has undergone a preprocessing process as input It may include a learning unit that builds an artificial neural network through learning.

또한, 생체정보 관리 서버는, 사용자의 SNS 기록을 수집하는 기록 정보 수집부 및 상기 기록 정보 수집부에서 수집한 SNS 정보를 기반으로 사용자의 감정 상태를 분석하는 감정 분석부를 더 포함하되, 상기 판단부는, 상기 생체 정보 및 상기 감정 상태의 분석 결과에 기반하여, 상기 생체 정보의 이상 여부를 판단할 수 있다.In addition, the biometric information management server further comprises a record information collecting unit for collecting the user's SNS record and an emotion analyzing unit for analyzing the user's emotional state based on the SNS information collected by the record information collecting unit, wherein the determination unit , based on the analysis result of the biometric information and the emotional state, it is possible to determine whether the biometric information is abnormal.

또한, 생체정보 관리 서버는, 상기 생체 정보의 이상 여부의 판단 결과에 기반하여 알림 신호를 생성하고 상기 생체 정보 측정 장치 또는 상기 사용자 단말로 알림 신호를 제공하는 신호 생성부를 더 포함하되, 상기 생체 정보 측정 장치 또는 상기 사용자 단말은, 상기 관리 서버로부터 제공받은 알림 신호에 기반하여, 청각 신호, 시각 신호, 촉각 신호 중 적어도 어느 하나의 알림 신호를 출력할 수 있다. In addition, the biometric information management server further comprises a signal generator for generating a notification signal based on the determination result of whether the biometric information is abnormal and providing a notification signal to the biometric information measuring device or the user terminal, wherein the biometric information The measuring device or the user terminal may output at least one of an auditory signal, a visual signal, and a tactile signal based on the notification signal provided from the management server.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.The above-described problem solving means are merely exemplary, and should not be construed as limiting the present application. In addition to the exemplary embodiments described above, additional embodiments may exist in the drawings and detailed description.

전술한 본원의 과제 해결 수단에 의하면, 사용자의 신체 일부에 연계되어, 실시간으로 사용자의 생체 정보를 측정하고, 위험 상황 발생 시 호출 및 자동 신고 요청함으로써, 보다 빠르게 응급 상황을 대처할 수 있다. According to the above-described problem solving means of the present application, it is possible to respond to an emergency situation more quickly by connecting to a part of the user's body, measuring the user's biometric information in real time, and requesting a call and automatic report when a dangerous situation occurs.

전술한 본원의 과제 해결 수단에 의하면, 복수의 사용자들의 생체 정보를 상시 모니터링하고, 이상 징후 포착 시 호출 또는 자동 신고하여 응급 상황의 발생을 사전에 예방하고, 응급 상황 발생 시 신속하게 대처할 수 있는 효과가 있다. According to the above-described problem solving means of the present application, it is possible to prevent the occurrence of an emergency situation in advance by monitoring the biometric information of a plurality of users at all times, calling or automatically reporting when an abnormality is detected, and to respond quickly when an emergency situation occurs. there is

다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.However, the effects obtainable herein are not limited to the above-described effects, and other effects may exist.

도 1은 본원의 일 실시예에 따른 생체정보 관리 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 생체정보 관리 시스템에 대한 관리 서버의 개략적인 블록도이다.1 is a schematic configuration diagram of a biometric information management system according to an embodiment of the present application.
2 is a schematic block diagram of a management server for a biometric information management system according to an embodiment of the present application.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present application will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art to which the present application pertains can easily implement them. However, the present application may be implemented in several different forms and is not limited to the embodiments described herein. And in order to clearly explain the present application in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다. Throughout this specification, when a part is said to be “connected” to another part, it is not only “directly connected” but also “electrically connected” or “indirectly connected” with another element interposed therebetween. "Including cases where

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.Throughout this specification, when it is said that a member is positioned "on", "on", "on", "under", "under", or "under" another member, this means that a member is located on the other member. It includes not only the case where they are in contact, but also the case where another member exists between two members.

본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout this specification, when a part "includes" a component, it means that other components may be further included, rather than excluding other components, unless otherwise stated.

도 1은 본원의 일 실시예에 따른 생체정보 관리 시스템의 개략적인 구성도이다.1 is a schematic configuration diagram of a biometric information management system according to an embodiment of the present application.

도 1을 참조하면, 생체정보 관리 시스템(1)은 생체 정보 측정 장치(10), 사용자 단말(20) 및 관리 서버(30)를 포함할 수 있다. 다만, 생체정보 관리 시스템(1)이 이에 한정되는 것은 아니다. 예를 들어, 생체정보 관리 시스템(1)은 외부 서버로 데이터를 수집할 수 있다. 외부 서버는, 기상청 서버, 병원 서버, 공공기관 서버 등을 포함할 수 있다. 생체정보 관리 시스템(1)에 포함된 생체 정보 측정 장치(10), 사용자 단말(20) 및 관리 서버(30)는 네트워크(40)를 통해 연동될 수 있다. Referring to FIG. 1 , the biometric information management system 1 may include a biometric information measuring device 10 , a user terminal 20 , and a management server 30 . However, the biometric information management system 1 is not limited thereto. For example, the biometric information management system 1 may collect data to an external server. The external server may include a meteorological agency server, a hospital server, a public institution server, and the like. The biometric information measuring device 10 , the user terminal 20 , and the management server 30 included in the biometric information management system 1 may be linked through the network 40 .

본원의 일 실시예에 따르면, 생체 정보 측정 장치(10)는 사용자의 신체 일부에 연계되어, 사용자의 생체 정보를 측정할 수 있다. 생체 정보는, 심박수 정보, 호흡량 정보, 동공크기 정보, 혈중 산소 농도 정보, 혈압 정보, 맥박 정보, 체온 정보, 심전도 정보, 혈류 이미지 정보, 체성분 분석 정보 중 적어도 어느 하나를 포함할 수 있다. According to an embodiment of the present application, the biometric information measuring apparatus 10 may measure the user's biometric information by being linked to a part of the user's body. The biometric information may include at least one of heart rate information, respiration rate information, pupil size information, blood oxygen concentration information, blood pressure information, pulse information, body temperature information, electrocardiogram information, blood flow image information, and body composition analysis information.

또한, 생체 정보 측정 장치(10)는 사용자의 생체 정보를 측정하기 위해 복수의 센서를 구비할 수 있다. 복수의 센서는 가속도 센서, G-센서, 온도 센서, 광학 센서 등을 포함할 수 있다. 일예로, 생체 정보 측정 장치(10)는 손목시계의 몸체 형상으로, 사용자의 손목에 착용되어, 사용자의 생체 정보를 측정할 수 있다. 생체 정보 측정 장치(10)는 Pulse Oximetry라는 기술에 근거한 광학적인 심박 측정 센서를 이용하여 사용자의 생체 정보를 측정할 수 있다. 이때, 측정되는 사용자의 생체 정보는 심박수 정보일 수 있다. 심박 측정 센서는, 혈액 속에 헤모글로빈이 산소를 머금을 때와 산소가 빠졌을 때의 광학적인 반응이 다르게 나타나는 원리를 이용하여 손목 부분에서 적외선 혹은 붉은 LED를 피부로 주기적으로 쏘아서 반사 정도의 차이를 이용하여 심박을 계산하는 센서일 수 있다. Also, the biometric information measuring apparatus 10 may include a plurality of sensors to measure the user's biometric information. The plurality of sensors may include an acceleration sensor, a G-sensor, a temperature sensor, an optical sensor, and the like. As an example, the biometric information measuring device 10 has a wrist watch body shape and is worn on the user's wrist to measure the user's biometric information. The biometric information measuring device 10 may measure the user's biometric information by using an optical heartbeat sensor based on a technology called pulse oximetry. In this case, the measured user's biometric information may be heart rate information. The heart rate sensor uses the principle that the optical response is different when hemoglobin in the blood contains oxygen and when oxygen is lost. It may be a sensor that calculates a heartbeat.

또한, 생체 정보 측정 장치(10)는 체중계, 인바디로 사용자의 체성분을 측정할 수 있다. 또한, 생체 정보 측정 장치(10)는 웨어러블 장치로서, 사용자의 신체 중 어느 하나에 착용될 수 있다. 또한, 생체 정보 측정 장치(10)는 카메라 모듈을 포함하여 사용자의 신체 중 어느 하나를 촬영하여 사용자의 생체 정보를 측정할 수 있다.In addition, the biometric information measuring apparatus 10 may measure the body composition of the user using a body weight scale or InBody. Also, the biometric information measuring device 10 is a wearable device and may be worn on any one of the user's body. In addition, the biometric information measuring apparatus 10 may measure the user's biometric information by photographing any one of the user's body including the camera module.

또한, 생체 정보 측정 장치(10)는 측정된 사용자의 생체 정보를 사용자 단말(20)로 제공할 수 있다. 생체 정보 측정 장치(10) 및 사용자 단말(20)은 네트워크를 통해 통신 될 수 있다. 생체 정보 측정 장치(10)는 네트워크 통신이 단절된 상황에서도 지속적으로 생체 정보를 수집할 수 있다.Also, the biometric information measuring apparatus 10 may provide the measured user's biometric information to the user terminal 20 . The biometric information measuring device 10 and the user terminal 20 may communicate through a network. The biometric information measuring device 10 may continuously collect biometric information even when network communication is cut off.

도면에 도시하지 않았으나, 생체 정보 측정 장치(10)는 통신 판단부(미도시) 및 저장부(미도시)를 포함할 수 있다.Although not shown in the drawing, the biometric information measuring apparatus 10 may include a communication determining unit (not shown) and a storage unit (not shown).

통신 판단부(미도시)는 사용자 단말(20)과 네트워크 통신의 가능상태 또는 불능상태를 판단할 수 있다. 또한, 통신 판단부(미도시)는 관리 서버(30)와의 네트워크 통신의 가능상태 또는 불능상태를 판단할 수 있다.The communication determination unit (not shown) may determine whether network communication with the user terminal 20 is possible or not. In addition, the communication determination unit (not shown) may determine whether network communication with the management server 30 is possible or disabled.

저장부(미도시)는 통신 판단부(미도시)의 판단 결과에 기반하여, 생체 정보를 저장할 수 있다. 또한, 저장부(미도시)는 사용자 단말(20)과의 네트워크 통신 상태가 불능상태인 경우, 수집된 생체 정보를 저장할 수 있다. 또한, 저장부(미도시)는 네트워크가 통신 가능상태로 전환된 경우, 생체 정보를 사용자 단말(10)로 제공할 수 있다. 달리 말해, 저장부(미도시)는 통신의 가능상태에서 사용자 단말(20)로 미리 설정된 시간마다 지속적으로 측정되는 생체 정보를 제공할 수 있다. 반면, 저장부(미도시)는 통신의 불능상태에서 사용자 단말(10)에서 수집되는 생체 정보를 저장할 수 있다. The storage unit (not shown) may store biometric information based on the determination result of the communication determination unit (not shown). In addition, the storage unit (not shown) may store the collected biometric information when the network communication state with the user terminal 20 is disabled. In addition, the storage unit (not shown) may provide biometric information to the user terminal 10 when the network is switched to a communication enabled state. In other words, the storage unit (not shown) may provide the biometric information continuously measured every preset time to the user terminal 20 in a communication enabled state. On the other hand, the storage unit (not shown) may store the biometric information collected by the user terminal 10 in a communication disabled state.

본원의 일 실시예에 따르면, 생체 정보 측정 장치(10)는 관리 서버(30)가 생체 정보의 이상 여부의 판단 결과에 기반하여 생성한 알림 신호를 출력할 수 있다. 생체 정보 측정 장치(10)는 청각 신호, 시각 신호, 촉각 신호 중 적어도 어느 하나의 알림 신호를 출력할 수 있다. 생체 정보 측정 장치(10)는 스피커, 디스플레이를 포함할 수 있다. 생체 정보 측정 장치(10)는 스피커를 통해 관리 서버(30)에서 제공받은 청각 신호를 출력할 수 있다. 또한, 생체 정보 측정 장치(10)는 디스플레이를 통해 관리 서버(30)에서 제공받은 시각 신호를 출력할 수 있다. 또한, 생체 정보 측정 장치(10)는 진동 및 압박을 통해 관리 서버(30)에서 제공받은 촉각 신호를 출력할 수 있다.According to an embodiment of the present application, the biometric information measuring apparatus 10 may output a notification signal generated by the management server 30 based on the determination result of whether the biometric information is abnormal. The biometric information measuring apparatus 10 may output at least one notification signal among an auditory signal, a visual signal, and a tactile signal. The biometric information measuring apparatus 10 may include a speaker and a display. The biometric information measuring device 10 may output an auditory signal provided from the management server 30 through a speaker. Also, the biometric information measuring device 10 may output a visual signal provided from the management server 30 through a display. Also, the biometric information measuring apparatus 10 may output a tactile signal provided from the management server 30 through vibration and pressure.

본원의 일 실시예에 따르면, 사용자 단말(20)은 생체 정보 측정 장치(10)에서 측정된 생체 정보를 네트워크를 통해서 전송받을 수 있다. 사용자 단말(20)은 생체 정보 측정 장치(10)를 착용한 사용자 본인의 단말일 수 있다. 또한, 사용자 단말(20)은 생체 정보 측정 장치(10)를 착용한 사용자의 가족 및 친구로 등록한 사용자의 단말일 수 있다. 또한, 사용자 단말(20)은 관리 서버(30)가 제공하는 어플리케이션 프로그램을 다운받은 주변인의 단말일 수 있다. 또한, 사용자 단말(20)은 관리 서버(30)가 제공하는 어플리케이션 프로그램을 다운받은 의료기관 단말, 공공기관 단말일 수 있다. 달리 말해, 사용자 단말(20)은 사용자 본인, 사용자의 가족 및 친구, 사용자 본인의 사용자 단말(20)의 위치를 기준으로 미리 지정된 범위 이내에 위치하는 주변인, 공공기관(주민센터, 구청, 시청 등), 병원에서 소지(구비)하고 있는 단말일 수 있다. According to an embodiment of the present application, the user terminal 20 may receive the biometric information measured by the biometric information measuring device 10 through a network. The user terminal 20 may be the user's own terminal wearing the biometric information measuring device 10 . Also, the user terminal 20 may be a terminal of a user who is registered as a family member or friend of a user who wears the biometric information measuring device 10 . In addition, the user terminal 20 may be a terminal of a neighbor who has downloaded an application program provided by the management server 30 . Also, the user terminal 20 may be a medical institution terminal or a public institution terminal from which an application program provided by the management server 30 has been downloaded. In other words, the user terminal 20 is the user himself, the user's family and friends, the surrounding people located within a predetermined range based on the location of the user's own user terminal 20, public institutions (community center, ward office, city hall, etc.) , may be a terminal possessed (equipped) in a hospital.

또한, 사용자 단말(20)은 생체 정보 측정 장치(10)와 블루투스 페어링할 수 있다. 페어링은 블루투스 기기를 서로 연결하여 동작할 수 있도록 해주는 과정이다. 사용자 단말(20)은 복수의 생체 정보 측정 장치(10)와 멀티 페어링할 수 있다. 달리 말해, 사용자 단말(20)은 복수의 생체 정보 측정 장치(10)에서 측정된 생체 정보를 제공받을 수 있다. 복수의 생체 정보 측정 장치(10)는 제 1 사용자의 신체 일부에 연계되어, 제1 사용자의 복수의 생체 정보를 측정하는 측정 장치일 수 있다. 또한, 복수의 생체 정보 측정 장치(10)는 제 1 사용자, 제 2 사용자 등 사용자 각각에 착용되어 제 1 사용자의 생체 정보 및 제 2 사용자의 생체 정보를 측정하는 측정 장치일 수 있다.Also, the user terminal 20 may perform Bluetooth pairing with the biometric information measuring device 10 . Pairing is a process that allows Bluetooth devices to connect and operate. The user terminal 20 may perform multi-pairing with a plurality of biometric information measuring devices 10 . In other words, the user terminal 20 may receive the biometric information measured by the plurality of biometric information measuring devices 10 . The plurality of biometric information measuring devices 10 may be connected to a body part of the first user to measure a plurality of biometric information of the first user. In addition, the plurality of biometric information measuring devices 10 may be worn by each user, such as a first user and a second user, to measure the biometric information of the first user and the biometric information of the second user.

본원의 일 실시예에 따르면, 관리 서버(30)는 사용자 단말(20)로 사용자 정보 입력 메뉴 및 생체 정보 상태 메뉴를 제공할 수 있다. 예를 들어, 관리 서버(30)가 제공하는 어플리케이션 프로그램을 사용자 단말(20)이 다운로드하여 설치하고, 설치된 어플리케이션을 통해 사용자 정보 입력 메뉴 및 생체 정보 상태 메뉴가 제공될 수 있다. 사용자 단말(20)은 설치된 어플리케이션 프로그램으로 생체 정보 측정 장치(10)에서 측정된 생체 정보를 수신할 수 있다. According to an embodiment of the present application, the management server 30 may provide a user information input menu and a biometric information status menu to the user terminal 20 . For example, the user terminal 20 may download and install an application program provided by the management server 30 , and a user information input menu and a biometric information status menu may be provided through the installed application. The user terminal 20 may receive the biometric information measured by the biometric information measuring device 10 through an installed application program.

관리 서버(30)는 생체 정보 측정 장치(10) 및 관리 서버(30)와 데이터, 콘텐츠, 각종 통신 신호를 네트워크를 통해 송수신하고, 데이터 저장 및 처리의 기능을 가지는 모든 종류의 서버, 단말, 또는 디바이스를 포함할 수 있다.The management server 30 transmits/receives data, contents, and various communication signals to and from the biometric information measuring device 10 and the management server 30 through a network, and all kinds of servers, terminals, or It may include a device.

사용자 단말(20) 은 네트워크를 통해 생체 정보 측정 장치(10) 및 관리 서버(30)와 연동되는 디바이스로서, 예를 들면, 스마트폰(Smartphone), 스마트패드(Smart Pad), 태블릿 PC, 웨어러블 디바이스 등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV와 같은 고정용 단말기일 수도 있다. The user terminal 20 is a device that interworks with the biometric information measuring apparatus 10 and the management server 30 through a network, for example, a smartphone, a smart pad, a tablet PC, and a wearable device. PCS (Personal Communication System), GSM (Global System for Mobile communication), PDC (Personal Digital Cellular), PHS (Personal Handyphone System), PDA (Personal Digital Assistant), IMT (International Mobile Telecommunication)-2000, CDMA (Code All kinds of wireless communication devices such as Division Multiple Access)-2000, W-Code Division Multiple Access (W-CDMA), Wireless Broadband Internet (Wibro) terminals and fixed terminals such as desktop computers and smart TVs.

생체 정보 측정 장치(10), 사용자 단말(20) 및 관리 서버(30) 간의 정보 공유를 위한 네트워크(40)의 일 예로는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 유무선 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, Wifi 네트워크, NFC(Near Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함될 수 있으며, 이에 한정된 것은 아니다.As an example of the network 40 for information sharing between the biometric information measuring device 10 , the user terminal 20 and the management server 30 , a 3rd Generation Partnership Project (3GPP) network, a Long Term Evolution (LTE) network, and 5G Network, World Interoperability for Microwave Access (WIMAX) network, Wired and Wireless Internet (Internet), LAN (Local Area Network), Wireless LAN (Wireless Local Area Network), WAN (Wide Area Network), PAN (Personal Area Network), Bluetooth ( Bluetooth) network, Wifi network, NFC (Near Field Communication) network, satellite broadcasting network, analog broadcasting network, DMB (Digital Multimedia Broadcasting) network, etc. may be included, but is not limited thereto.

본원의 일 실시예에 따르면, 관리 서버(30)는 사용자 단말(20)로부터 생체 정보를 수신하고, 생체 정보의 이상 여부를 판단할 수 있다. 관리 서버(30)는 사용자의 신체 일부에 연계되어, 사용자의 생체 정보를 측정하는 생체 정보 측정 장치(10)가 네트워크를 통해 사용자 단말(20)로 전송하고, 사용자 단말(20)로부터 생체 정보를 수신할 수 있다. 또한, 관리 서버(30)는 수신된 생체 정보 및 사용자 정보에 기반하여 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 설정할 수 있다. 또한, 관리 서버(30)는 수신된 생체 정보를 고려하여 설정된 건강 이상 범위에 기초하여 생체 정보의 이상 여부를 판단할 수 있다. According to an embodiment of the present application, the management server 30 may receive the biometric information from the user terminal 20 and determine whether the biometric information is abnormal. The management server 30 is linked to a part of the user's body, and the biometric information measuring device 10 that measures the user's biometric information transmits it to the user terminal 20 through the network, and receives the biometric information from the user terminal 20 . can receive In addition, the management server 30 may set the range of the user's health abnormality according to the type of biometric information based on the received biometric information and user information. Also, the management server 30 may determine whether the biometric information is abnormal based on a health abnormality range set in consideration of the received biometric information.

또한, 관리 서버(30)는 제1사용자 단말(20)로부터 제 1 생체 정보를 수신하고, 제2 사용자 단말(20)로 제2 생체 정보를 수신하고, 제1 생체 정보의 이상 여부 또는 제 2 생체 정보의 이상 여부를 판단할 수 있다. 달리 말해, 관리 서버(30)는 여러 사용자들의 생체 정보를 상시 모니터링하고, 이상 징후 포착 시 호출 또는 자동 신고할 수 있다.In addition, the management server 30 receives the first biometric information from the first user terminal 20, receives the second biometric information to the second user terminal 20, whether the first biometric information is abnormal or the second It is possible to determine whether the biometric information is abnormal. In other words, the management server 30 may constantly monitor the biometric information of several users, and may call or automatically report when an abnormality is detected.

이하 도 2를 통해서 관리 서버(30)에 대해 보다 더 구체적으로 설명하고자 한다. Hereinafter, the management server 30 will be described in more detail with reference to FIG. 2 .

도 2는 본원의 일 실시예에 따른 생체정보 관리 시스템에 대한 관리 서버의 개략적인 블록도이다.2 is a schematic block diagram of a management server for a biometric information management system according to an embodiment of the present application.

도 2를 참조하면, 관리 서버(30)는 수신부(31), 범위 설정부(32), 판단부(33), 이미지 획득부(34), 데이터 생성부(35), 학습부(36), 기록 수집부(37), 감정 분석부(38) 및 신호 분석부(39)를 포함할 수 있다. Referring to FIG. 2 , the management server 30 includes a receiving unit 31 , a range setting unit 32 , a determining unit 33 , an image acquiring unit 34 , a data generating unit 35 , a learning unit 36 , It may include a record collection unit 37 , an emotion analysis unit 38 , and a signal analysis unit 39 .

본원의 일 실시예에 따르면, 수신부(31)는 사용자 단말(10)로부터 생체 정보를 수신할 수 있다. 수신부(31)는 네트워크를 통해 사용자 단말(10)로부터 생체 정보를 수신할 수 있다. 생체 정보는, 심박수 정보, 호흡량 정보, 동공크기 정보, 혈중 산소 농도 정보, 혈압 정보, 맥박 정보, 체온 정보, 심전도 정보, 혈류 이미지 정보, 체성분 분석 정보 중 적어도 어느 하나를 포함할 수 있다. 또한, 수신부(31)는 네트워크를 통해 사용자 단말(10)로부터 사용자 정보를 수신할 수 있다. 사용자 정보는, 사용자의 성별, 나이, 키, 몸무게, 인종, 국적, 흡연량, 음주량, 가족력, 직업, 생활습관, 운동 여부 등을 포함할 수 있다. 관리 서버(30)는 사용자 단말에 설치된 어플리케이션을 통해 사용자 단말(20)로 사용자 정보 입력 메뉴 항목을 제공하고, 수신부(31)는 사용자 정보 입력 메뉴 항목 각각에 대응하는 사용자가 입력한 정보로부터 사용자 정보를 수신할 수 있다. 또한, 수신부(31)는 외부 서버로부터 사용자의 사용자 정보를 수신할 수 있다. 외부 서버는, 기상청 서버, 병원 서버, 공공기관 서버 등을 포함할 수 있다. 수신부(31)는 외부 서버로부터 사용자 단말(10)과 연계된 사용자 정보(예를 들어, 주민등록번호, 이름 등)를 기반으로 병원 의료 기록, 개인 건강 정보, 유전자 정보를 수신할 수 있다. 수신부(31)가 외부 서버로부터 사용자 정보를 수신함으로써, 판단부(33)는 생체 정보의 이상 여부를 보다 더 정확하게 판단할 수 있다. According to an embodiment of the present application, the receiver 31 may receive biometric information from the user terminal 10 . The receiver 31 may receive biometric information from the user terminal 10 through a network. The biometric information may include at least one of heart rate information, respiration rate information, pupil size information, blood oxygen concentration information, blood pressure information, pulse information, body temperature information, electrocardiogram information, blood flow image information, and body composition analysis information. Also, the receiver 31 may receive user information from the user terminal 10 through a network. The user information may include the user's gender, age, height, weight, race, nationality, smoking amount, drinking amount, family history, occupation, lifestyle, exercise status, and the like. The management server 30 provides a user information input menu item to the user terminal 20 through an application installed in the user terminal, and the receiving unit 31 receives user information from information input by the user corresponding to each of the user information input menu items. can receive Also, the receiving unit 31 may receive user information of a user from an external server. The external server may include a meteorological agency server, a hospital server, a public institution server, and the like. The receiver 31 may receive hospital medical records, personal health information, and genetic information from an external server based on user information (eg, resident registration number, name, etc.) associated with the user terminal 10 . When the receiving unit 31 receives the user information from the external server, the determining unit 33 can more accurately determine whether the biometric information is abnormal.

본원의 일 실시예에 따르면, 범위 설정부(32)는 수신부(31)로 제공받은 생체 정보 및 사용자 정보에 기반하여 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 설정할 수 있다. 예를 들어, 범위 설정부(32)는 수신부(31)로 제공받은 사용자 정보 및 심박수 정보를 포함하는 생체 정보에 기반하여 사용자의 건강 이상 범위를 설정할 수 있다. 범위 설정부(32)는 사용자 정보에 포함된 사용자의 나이를 이용하여 사용자의 최대 심박수 범위를 설정할 수 있다. 일예로, 최대 심박수는 220 - 사용자 나이의 계산을 통해 결정될 수 있다. 즉, 사용자의 나이가 25세인 경우, 범위 설정부(32)는 사용자의 최대 심박수를 220-25인 195로 설정할 수 있다. According to an embodiment of the present application, the range setting unit 32 may set the range of the user's health abnormality according to the type of biometric information based on the biometric information and the user information provided to the receiving unit 31 . For example, the range setting unit 32 may set the user's health abnormality range based on biometric information including user information and heart rate information provided to the receiving unit 31 . The range setting unit 32 may set the user's maximum heart rate range by using the user's age included in the user information. For example, the maximum heart rate may be determined by calculating 220 - user age. That is, when the age of the user is 25, the range setting unit 32 may set the maximum heart rate of the user to 195, which is 220-25.

또한, 범위 설정부(32)는 수신부(31)로 제공받은 사용자 정보 및 체온 정보를 포함하는 생체 정보에 기반하여 사용자의 건강 이상 범위를 설정할 수 있다. 범위 설정부(32)는 사용자 정보에 포함된 사용자의 나이를 이용하여 사용자의 정상 체온 범위를 설정할 수 있다. 달리 말해, 범위 설정부(32)는 사용자 정보에 포함된 나이 정보에 기반하여 사용자의 건강 이상 범위를 설정할 수 있다. 나이에 따른 정상 체온 범위는 0~2세의 경우 36.4°C ~ 38°C, 3세~10세의 경우 36.1°C~37.8°C, 11세~65세의 경우 35.9°C ~ 37.6°C, 65세 이상의 경우 35.8°C ~ 37.5°C로 설정될 수 있다. Also, the range setting unit 32 may set the user's health abnormality range based on biometric information including the user information and body temperature information provided to the receiving unit 31 . The range setting unit 32 may set the user's normal body temperature range by using the user's age included in the user information. In other words, the range setting unit 32 may set the user's health abnormality range based on age information included in the user information. Normal body temperature according to age ranges from 36.4°C to 38°C for 0-2 years, 36.1°C to 37.8°C for 3-10 years old, and 35.9°C to 37.6°C for 11-65 years old. , can be set between 35.8°C and 37.5°C for those over 65 years of age.

본원의 일 실시예에 따르면, 범위 설정부(32)는 학습 모델에 기반하여 수신부(31)로부터 수신된 생체 정보 및 사용자 정보를 입력으로 하여, 사용자의 건강 이상 범위를 결정할 수 있다. 달리 말해, 범위 설정부(32)는 복수의 생체 정보 및 복수의 사용자 정보를 입력으로 하여 구축된 인공지능 학습 모델을 기반으로 사용자의 건강 이상 범위를 결정할 수 있다. 일예로, 복수의 생체 정보 및 복수의 사용자 정보는 이전에 수집된 복수의 사용자의 생체 정보 및 사용자 정보일 수 있다. 복수의 생체 정보 및 복수의 사용자 정보를 입력으로 하여 구축된 학습 모델은 비지도 학습 기반의 군집 알고리즘을 이용하여 구축된 학습 모델일 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 범위 설정부(32)는 나이, 성별, 직업, 운동 여부 등을 군집화(그룹핑)하여, 생체 정보에 포함된 심박수의 건강 이상 범위를 결정할 수 있다. According to an embodiment of the present application, the range setting unit 32 may determine the range of the user's health abnormality by inputting the biometric information and the user information received from the receiving unit 31 based on the learning model as inputs. In other words, the range setting unit 32 may determine the range of the user's health abnormality based on an artificial intelligence learning model built by inputting a plurality of biometric information and a plurality of user information. For example, the plurality of biometric information and the plurality of user information may be previously collected biometric information and user information of a plurality of users. The learning model constructed by inputting a plurality of biometric information and a plurality of user information may be a learning model constructed using a clustering algorithm based on unsupervised learning, but is not limited thereto. For example, the range setting unit 32 may determine the range of abnormal health of the heart rate included in the biometric information by grouping (grouping) age, gender, occupation, exercise status, and the like.

비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 범위 설정부(32)는 군집 알고리즘에 기초하여 건강 이상 패턴을 군집하여 산출할 수 있고, 건강 이상 패턴 군집 간 분리도에 기초하여 새로운 건강 이상 패턴을 검출할 수 있다. Unsupervised learning refers to an algorithm that learns while analyzing or clustering data itself, rather than constructing learning data. The range setting unit 32 may cluster and calculate health abnormality patterns based on the clustering algorithm, and may detect a new health abnormality pattern based on the degree of separation between health abnormality pattern clusters.

예시적으로 비지도 학습을 위한 군집 알고리즘에는 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 및 군집 알고리즘이 이용될 수 있다. 또한, 범위 설정부(32)는 상술한 알고리즘 외에도 Extra Tree 알고리즘, XG Boost 알고리즘 및 Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘과 같은 군집 알고리즘을 통해 비지도 학습을 수행할 수 있다. Random Forest 알고리즘은 수많은 Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화하는 알고리즘이고, SVM알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결과를 다음 트리에 적용하는 boost방식의 알고리즘이다. Deep Learning알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 또한, K-means 클러스터링 알고리즘은 전통적인 분류기법으로 대상집단을 거리의 평균값(유사도)을 기준으로 K개의 군집으로 반복 세분화하는 기법이고, SOM알고리즘은 인공신경망을 기반으로 훈련집합의 입력 패턴을 가중치로 학습하여 군집화하는 기법이다. 또한 EM & Canopy 알고리즘은 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신하여 군집화 하는 기법을 의미한다.For example, a logistic regression algorithm, a random forest algorithm, a support vector machine (SVM) algorithm, a decision-making algorithm, and a clustering algorithm may be used as a clustering algorithm for unsupervised learning. In addition, the range setting unit 32, in addition to the above-described algorithm, through a clustering algorithm such as an Extra Tree algorithm, an XG Boost algorithm and a Deep Learning algorithm, a K-means clustering algorithm, a Self-Organizing-Maps (SOM) algorithm, an EM & Canopy algorithm. Unsupervised learning can be performed. The Random Forest algorithm is an algorithm that consists of a forest of numerous decision trees and averages each prediction result into one result variable. It is a non-stochastic algorithm. Extra Tree Algorithm is similar to Random Forest, but it is faster than Random Forest. XGBoost Algorithm is a boost algorithm that applies the result of XGBoost Tree to the next tree if the Tree of Random Forest is independent. The Deep Learning algorithm is an algorithm that learns by controlling the influence of variable patterns on the results with weights based on a multi-layered neural network. In addition, the K-means clustering algorithm is a traditional classification technique that repeatedly subdivides the target group into K clusters based on the average value (similarity) of the distance. It is a learning and clustering technique. In addition, the EM & Canopy algorithm refers to a method of clustering by updating parameter values through an iterative process starting with the maximum possibility with a given initial value.

본원의 일 실시예에 따르면, 판단부(33)는 수신된 생체 정보와 범위 설정부(32)에서 설정한 건강 이상 범위를 고려하여 생체 정보의 이상 여부를 판단할 수 있다. 판단부(33)는 수신부(31)로부터 수신된 생체 정보와 범위 설정부(32)에서 설정한 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 고려하여, 수신부(31)에서 수신된 생체 정보의 이상 여부를 판단할 수 있다. 일예로, 수신부(32)에서 수신된 생체 정보가 심박수 정보일 수 있다. 범위 설정부(32)는 안정 심박수, 최대 심박수가 포함된 생체 정보 및 사용자 정보에 기반하여 심박수에 대한 사용자의 건강 이상 범위를 설정할 수 있다. 판단부(33)는 수신된 심박수 정보와 범위 설정부(32)에서 설정한 건강 이상 범위를 고려하여 생체 정보의 이상 여부를 판단할 수 있다. 달리 말해, 수신부(32)에서 수신된 심박수 정보가 200일 수 있다. 범위 설정부(32)는 안정 심박수를 60~100으로, 최대 심박수를 195로 심박수에 대한 사용자의 건강 이상 범위를 설정할 수 있다. 판단부(33)는 수신된 심박수 정보 200과 범위 설정부(32)에서 설정한 안정 심박수, 최대 심박수를 고려하여, 사용자의 현재 심박수가 최대 심박수를 초과하였기에 생체 정보에 이상이 있다고 판단할 수 있다. 반면, 수신부(21)에서 수신된 심박수 정보가 100인 경우, 판단부(33)는 범위 설정부(32)에서 설정한 안정 심박수 범위에 포함되기 때문에, 생체 정보에 이상이 없다고 판단할 수 있다. According to an embodiment of the present application, the determination unit 33 may determine whether the biometric information is abnormal in consideration of the received biometric information and the health abnormality range set by the range setting unit 32 . The determination unit 33 considers the user's health abnormality range according to the type of biometric information received from the receiving unit 31 and the biometric information set by the range setting unit 32, and It can be judged whether there is an abnormality. For example, the biometric information received by the receiver 32 may be heart rate information. The range setting unit 32 may set the user's health abnormality range with respect to the heart rate based on the biometric information including the stable heart rate, the maximum heart rate, and the user information. The determination unit 33 may determine whether the biometric information is abnormal in consideration of the received heart rate information and the health abnormality range set by the range setting unit 32 . In other words, the heart rate information received by the receiver 32 may be 200 . The range setting unit 32 may set the user's health abnormality range for the heart rate as the stable heart rate of 60 to 100 and the maximum heart rate as 195. The determination unit 33 may determine that there is an abnormality in the biometric information because the current heart rate of the user exceeds the maximum heart rate in consideration of the received heart rate information 200 and the stable heart rate and maximum heart rate set by the range setting unit 32. . On the other hand, when the heart rate information received by the receiver 21 is 100, the determination unit 33 may determine that there is no abnormality in the biometric information because it is included in the stable heart rate range set by the range setting unit 32 .

한편, 판단부(33)는 생체 정보 측정 장치(10)로부터 측정되고, 사용자 단말(20)로부터 제공받은 생체 정보에 포함된 GPS 정보, 가속도 정보, G-센서 정보에 기반하여, 사용자가 현재 운동을 실시하고 있는지 여부를 판단할 수 있다. 판단부(33)는 생체 정보에 포함된 GPS 정보, 가속도 정보, G-센서 정보의 거리 변화로부터 사용자의 운동 실시 여부를 판단할 수 있다. 판단부(33)는 사용자의 거리의 변화가 발생하는 런닝과 같은 심박수가 올라가는 운동을 하는 경우, 운동으로 인해 올라간 심박수라고 판단하고, 수신된 생체 정보에 이상이 없다고 최종 판단할 수 있다. 달리 말해, 판단부(33)는 사용자의 운동 실시 여부를 더 고려하여, 생체 정보의 이상 여부를 보다 더 정확하게 판단할 수 있다. On the other hand, the determination unit 33 is measured by the biometric information measuring device 10, based on the GPS information, acceleration information, and G-sensor information included in the biometric information provided from the user terminal 20, the user is currently exercising It can be determined whether or not The determination unit 33 may determine whether the user is exercising based on distance changes of GPS information, acceleration information, and G-sensor information included in the biometric information. When the user performs an exercise in which the heart rate increases, such as running, in which a change in the distance of the user occurs, the determination unit 33 may determine that the heart rate is increased due to the exercise, and finally determine that there is no abnormality in the received biometric information. In other words, the determination unit 33 may more accurately determine whether the biometric information is abnormal by further considering whether the user has exercised.

본원의 일 실시예에 따르면, 이미지 획득부(34)는 사용자 단말(20)로부터 복수의 혈류 이미지를 획득할 수 있다. 일예로, 생체 정보 수집 장치(10)는 촬영 장치를 이용하여 사용자의 복수의 혈류 이미지를 포함하는 생체 정보를 측정할 수 있다. 생체 정보 수집 장치(10)는 사용자(환자)의 인체 내부에 삽입되는 캡슐 내시경 장치일 수 있다. 생체 정보 수집 장치(10)는 동영상 촬영으로 획득되는 모든 영상을 이미지화하여 복수의 혈류 이미지를 포함하는 생체 정보를 측정할 수 있다. 사용자 단말(20)은 생체 정보 수집 장치(10)에 구비된 촬영 장치(예를 들어, 적외선 카메라)로부터 측정된 복수의 혈류 이미지를 전송받을 수 있다. 이미지 획득부(34)는 사용자 단말(20)이 생체 정보 수집 장치(10)에 구비된 촬영 장치로부터 측정된 복수의 혈류 이미지를 획득할 수 있다. 혈류 이미지는 적외선 카메라 등을 이용하여 획득된 자료일 수 있다.According to an embodiment of the present application, the image acquisition unit 34 may acquire a plurality of blood flow images from the user terminal 20 . For example, the biometric information collection device 10 may measure biometric information including a plurality of blood flow images of a user by using a photographing device. The biometric information collection device 10 may be a capsule endoscope device inserted into the body of a user (patient). The biometric information collecting apparatus 10 may measure biometric information including a plurality of blood flow images by imaging all images obtained by shooting a video. The user terminal 20 may receive a plurality of blood flow images measured from a photographing device (eg, an infrared camera) provided in the biometric information collection device 10 . The image acquisition unit 34 may acquire a plurality of blood flow images measured by the user terminal 20 from a photographing device included in the biometric information collection device 10 . The blood flow image may be data obtained using an infrared camera or the like.

본원의 일 실시예에 따르면, 데이터 생성부(35)는 복수의 혈류 이미지를 포함하는 생체 정보와 사용자 정보를 연계하여 데이터 세트를 생성할 수 있다. 사용자 정보는, 사용자의 성별, 나이, 키, 몸무게, 인종, 국적, 흡연량, 음주량, 가족력, 직업, 생활습관, 운동 여부 등을 포함할 수 있다. 또한, 사용자 정보는 병원 진료과정에서 생성되는 성별, 나이를 포함하는 자료로서, 특정 치료 여부, 급여 청구 및 처방 자료 등을 포함하는 전자 의무 기록 자료를 포함할 수 있다. 또한, 사용자 정보는, 심박수, 심전도, 운동량, 산소포화도, 혈압, 체중 당료와 같은 수치적 데이터를 갖는 생물학적 데이터 자료를 포함할 수 있다. 사용자 정보는 이하 설명되는 학습부(36)에서 합성곱신경망 구조의 결과물과 함께 완전 연결 신경망에 입력되는 데이터이며, 복수의 혈류 이미지 외의 정보를 인공신경망의 입력으로 함으로써 정확도를 보다 향상시키는 효과를 기대할 수 있다.According to an embodiment of the present disclosure, the data generator 35 may generate a data set by linking user information and biometric information including a plurality of blood flow images. The user information may include the user's gender, age, height, weight, race, nationality, smoking amount, drinking amount, family history, occupation, lifestyle, exercise status, and the like. In addition, the user information is data including gender and age generated in the course of hospital treatment, and may include electronic medical record data including whether or not a specific treatment, claim and prescription data, and the like. In addition, the user information may include biological data having numerical data such as heart rate, electrocardiogram, exercise amount, oxygen saturation, blood pressure, and weight glucose. The user information is data input to the fully connected neural network together with the result of the convolutional neural network structure in the learning unit 36 to be described below, and it is expected that the effect of further improving the accuracy is expected by inputting information other than a plurality of blood flow images to the artificial neural network. can

또한, 데이터 생성부(35)는 딥러닝 알고리즘 적용을 위한 학습용 데이터 세트 및 검증용 데이터 세트를 생성할 수 있다. 데이터 세트를 인공신경망 학습에 요구되는 학습용 데이터 세트 및 인공신경망의 학습의 진행 정보를 검증하기 위한 검증용 데이터 세트로 분류하여 데이터 세트를 생성할 수 있다. 일예로, 데이터 생성부(35)는 이미지 획득부(34)로부터 획득된 혈류 이미지 중 랜덤하게 학습용 데이터 세트에 활용될 이미지 및 검증용 데이터 세트에 활용될 이미지를 분류할 수 있다. 또한, 데이터 생성부(35)는 검증용 데이터 세트를 선택한 나머지를 데이터 세트를 학습용 데이터 세트로 사용할 수 있다. 검증용 데이터 세트는 랜덤하게 선택될 수 있다. 검증용 데이터 세트 및 학습용 데이터 세트의 비율은 미리 설정된 기준값에 의해 결정될 수 있다. 예를 들어, 미리 설정된 기준값은 검증용 데이터 세트의 비율이 10%, 학습용 데이터 세트의 비율이 90%로 설정될 수 있으나, 이에 한정되는 것은 아니다. 검증용 데이터 세트는 학습용 데이터 세트와 중복되지 않는 데이터 세트일 수 있다. 검증용 데이터는 인공신경망 구축에 사용되지 않은 데이터이므로, 검증 작업 시에 인공신경망에서 처음 접하는 데이터이다. 따라서 검증용 데이터 세트는 새로운 이미지(학습에 사용되지 않은 신규 이미지)가 입력으로 들어올 경우, 인공신경망의 성능 평가에 적절한 데이터 세트일 수 있다.In addition, the data generator 35 may generate a training data set and a verification data set for applying the deep learning algorithm. The data set may be generated by classifying the data set into a training data set required for artificial neural network learning and a validation data set for verifying learning progress information of the artificial neural network. For example, the data generator 35 may randomly classify an image to be used for the training data set and an image to be used for the verification data set among the blood flow images acquired from the image acquirer 34 . In addition, the data generator 35 may use the remainder of the selection of the data set for verification as the data set for training. The data set for verification may be randomly selected. A ratio of the data set for verification and the data set for training may be determined by a preset reference value. For example, as for the preset reference value, the ratio of the verification data set may be set to 10% and the ratio of the training data set to 90%, but is not limited thereto. The data set for validation may be a data set that does not overlap with the data set for training. Since the data for verification is data that is not used in the construction of the artificial neural network, it is the first data encountered in the artificial neural network during the verification work. Therefore, the data set for verification may be a data set suitable for evaluating the performance of an artificial neural network when a new image (a new image not used for training) is input.

또한, 데이터 생성부(35)는 딥러닝 알고리즘에 적용 가능하도록 데이터 세트를 전처리할 수 있다. 데이터 생성부(35)는 5단계의 전처리 과정 중 적어도 어느 하나를 수행할 수 있다. 달리 말해, 데이터 생성부(35)는 5단계의 전처리 과정 중 적어도 어느 하나를 수행하여 혈류 이미지를 딥러닝 알고리즘에 적용 가능한 데이터 셋으로 생성할 수 있다. 먼저, 데이터 생성부(35)는 자르기(crop) 단계를 수행할 수 있다. 자르기(crop) 단계는 이미지 획득부(34)에서 획득된 혈류 이미지에서 특정 기준점을 중심으로 하여 가장자리의 불필요한 부분(검은색 배경)을 잘라낼 수 있다. 일예로, 데이터 생성부(35)는 임의로 지정한 픽셀 크기(예를 들어, 299 x 299 픽셀, 244x244 픽셀)를 설정하여 혈류 이미지를 자를 수 있다. 달리 말해, 데이터 생성부(35)는 딥러닝 알고리즘에 적용 가능한 사이즈로 혈류 이미지를 자를 수 있다. 다음으로, 데이터 생성부(35)는 평행 이동(shift) 단계를 수행할 수 있다. 데이터 생성부(35)는 혈류 이미지를 상하좌우 방향으로 평행 이동시킬 수 있다. 또한, 데이터 생성부(35)는 뒤집기(flipping) 단계를 수행할 수 있다. 예를 들어, 데이터 생성부(35)는 혈류 이미지를 상하방향으로 뒤집고 이후 좌우방향으로 뒤집는 과정을 수행할 수 있다. 또한, 데이터 생성부(35)는 색상 조정(color adjustment) 단계를 수행할 수 있다. 예를 들어, 색상 조정 단계에서 데이터 생성부(35)는 전체 데이터 세트의 평균 RGB 값으로 평균 감산 방법을 사용하여 추출된 색상을 기반으로 이미지의 색상 조정을 수행할 수 있다. 또한, 데이터 생성부(35)는 확대/축소(resizing) 단계를 더 수행할 수 있다. 확대/축소(resizing) 단계는 혈류 이미지를 미리 설정된 사이즈로 확대 및 축소하는 단계일 수 있다.In addition, the data generator 35 may pre-process the data set to be applicable to the deep learning algorithm. The data generator 35 may perform at least one of the five pre-processing steps. In other words, the data generator 35 may generate a blood flow image as a data set applicable to a deep learning algorithm by performing at least one of the five pre-processing steps. First, the data generator 35 may perform a cropping step. In the cropping step, an unnecessary portion (black background) of an edge may be cut out centering on a specific reference point in the blood flow image acquired by the image acquisition unit 34 . For example, the data generator 35 may crop the blood flow image by setting an arbitrarily designated pixel size (eg, 299 x 299 pixels, 244 x 244 pixels). In other words, the data generator 35 may cut the blood flow image to a size applicable to the deep learning algorithm. Next, the data generator 35 may perform a parallel shift operation. The data generator 35 may move the blood flow image in parallel in up, down, left, and right directions. Also, the data generator 35 may perform a flipping step. For example, the data generating unit 35 may perform a process of inverting the blood flow image in the vertical direction and then in the left and right directions. Also, the data generator 35 may perform a color adjustment step. For example, in the color adjustment step, the data generator 35 may perform color adjustment of the image based on the extracted color using the average subtraction method with the average RGB value of the entire data set. In addition, the data generator 35 may further perform a resizing step. The enlarging/reducing (resizing) step may be a step of enlarging and reducing the blood flow image to a preset size.

본원의 일 실시예에 따르면, 학습부(36)는 전처리 과정을 거친 데이터 세트를 입력으로 하고 생체 정보의 종류에 따른 생체 정보의 이상 여부에 관한 항목을 출력으로 하는 학습을 통해 인공신경망을 구축할 수 있다. 일예로, 인공신경망은 딥러닝 알고즘이 적용된 것으로 합성곱신경망(Convolutional Neural Networks) 구조와 완전연결 심층신경망 (Fully-connected Neural Networks) 구조 두 부분으로 이루어질 수 있다. 학습부(36)는 전처리 과정을 거친 학습용 데이터 세트를 입력으로 하는 합성곱신경망과, 합성곱신경망의 출력을 완전연결 심층 신경망의 입력으로 하는 학습을 통한 훈련 모델을 구축할 수 있다. 합성곱신경망은 혈류 이미지를 분석하는 복수의 특정 특징 패턴을 산출할 수 있다. 이때, 추출된 특정 특징 패턴은 완전연결 심층 신경망에서 최종 분류를 하는데 사용될 수 있다.According to an embodiment of the present application, the learning unit 36 can build an artificial neural network through learning that takes as an input a data set that has undergone a pre-processing process and outputs items related to abnormalities in biometric information according to the type of biometric information. can For example, the artificial neural network is a deep learning algorithm applied, and may be composed of two parts: a structure of a convolutional neural network and a structure of a fully-connected neural network. The learning unit 36 may build a training model through learning in which a convolutional neural network is input to a training data set that has undergone pre-processing as an input, and an output of the convolutional neural network is input to a fully connected deep neural network. The convolutional neural network may calculate a plurality of specific feature patterns for analyzing blood flow images. In this case, the extracted specific feature pattern can be used for final classification in a fully connected deep neural network.

완전연결 심층 신경망은 노드 간에 횡적/종적으로 2차원적 연결을 이루고, 서로 같은 층에 위치한 노드 간에는 연결 관계가 존재하지 않으며, 바로 인접한 층에 위치한 노드들 간에만 연결 관계가 존재한다는 것을 특징으로 하는 신경망이다. 합성곱신경망(Convolutional Neural Networks)은 음성 인식이나 이미지 인식에서 주로 사용되는 신경망의 한 종류이다. 다차원 배열 데이터를 처리하도록 구성되어 있어, 컬러 이미지와 같은 다차원 배열 처리에 특화되어 있다. 따라서 이미지 인식 분야에서 딥러닝을 활용한 기법은 대부분 합성곱신경망을 기초로 한다. 합성곱신경망(CNN)은 이미지를 하나의 데이터가 아닌, 여러 개로 분할하여 처리한다. 이렇게 하면 이미지가 왜곡되더라도 이미지의 부분적 특성을 추출할 수 있어 올바른 성능을 낼 수 있다. 합성곱신경망에서 추출된 복수의 특징 패턴(feature pattern)은 다음 단계인 완전연결 심층 신경망으로 전달되어 분류 작업을 하는 데 활용될 수 있다. 합성곱신경망은 층의 개수를 조절할 수 있다. 합성곱신경망은 층의 개수는 모델 훈련을 위한 훈련용 데이터의 양에 맞추어 조절함으로써 보다 안정된 모델을 구축할 수 있다.A fully connected deep neural network is characterized in that a two-dimensional connection is made between nodes horizontally/vertically, there is no connection relationship between nodes located on the same layer, and only between nodes located on an adjacent layer. is a neural network Convolutional Neural Networks are a type of neural network mainly used in speech recognition and image recognition. It is configured to process multidimensional array data, and is specialized for multidimensional array processing such as color images. Therefore, most of the techniques using deep learning in the image recognition field are based on convolutional neural networks. A convolutional neural network (CNN) processes an image by dividing it into multiple pieces, not one piece of data. In this way, even if the image is distorted, the partial characteristics of the image can be extracted and correct performance can be achieved. A plurality of feature patterns extracted from the convolutional neural network can be transferred to the next step, a fully connected deep neural network, and used for classification. Convolutional neural networks can control the number of layers. Convolutional neural networks can build more stable models by adjusting the number of layers according to the amount of training data for model training.

또한, 학습부(36)는 전처리 과정을 거친 학습용 데이터 세트를 합성곱신경망의 입력으로 하고, 합성곱신경망의 출력 및 사용자 정보를 완전연결 심층 신경망의 입력으로 하는 학습을 통한 진단(훈련) 모델을 구축할 수 있다. 달리 말해, 학습부(36)는 전처리 과정을 거친 이미지 데이터가 우선적으로 합성곱신경망으로 들어가도록 하고, 합성곱신경망을 거치고 나온 결과물이 완전연결 심층 신경망에 들어가도록 할 수 있다. 일예로, 나이가 들수록 동맥의 경화(arteriosclerosis)를 초래하여 동맥을 딱딱하게 하고(특히 대동맥에서), 맥압의 전달 속도를 빠르게 하여 맥압을 증대시키게 된다. 이러한 맥압의 속도가 고령에 많다는 점을 참고하여, 학습용 데이터 세트의 생체 정보 및 사용자 정보를 통해 학습하게 되면, 이미지 특징과 함께 특정 나이가 입력되었을 경우, 맥압 속도의 이상 여부의 판단이 어려운 혈관 이미지 구분에서 고령의 사용자는 맥압 속도의 이상이 있을 것이라는 확률이 높아지는 쪽으로 결과를 도출할 수 있다. In addition, the learning unit 36 uses the training data set that has undergone the pre-processing process as an input of the convolutional neural network, and uses the output and user information of the convolutional neural network as an input of a fully connected deep neural network as an input of a diagnostic (training) model through learning. can be built In other words, the learning unit 36 may allow the image data that has undergone the pre-processing process to enter the convolutional neural network preferentially, and the result from the convolutional neural network to enter the fully connected deep neural network. For example, as the age increases, arteriosclerosis causes arteriosclerosis to harden the arteries (especially in the aorta), and increases the pulse pressure by increasing the speed of pulse pressure transmission. In reference to the fact that the speed of the pulse pressure is high in the elderly, when learning through the biometric information and user information of the training data set, it is difficult to determine whether the pulse pressure speed is abnormal when a specific age is input along with the image characteristics. In the classification, the result can be derived in the direction of increasing the probability that the elderly user will have an abnormality in the pulse pressure velocity.

또한, 판단부(33)는 신규 데이터 세트를 전처리 과정을 거친 후 인공신경망을 통해 생체 정보의 이상 여부를 판단할 수 있다. 달리 말해, 판단부(33)는 앞서 설명된 학습부(36)에서 도출된 인공신경망(최종 진단 모델)을 이용하여 신규 데이터에 대한 생체 정보의 이상 여부를 판단할 수 있다. 신규 데이터는, 생체 정보 측정 장치(10)로부터 측정되고, 사용자 단말(20)로부터 제공받은 생체 정보를 포함하는 데이터일 수 있다. 즉, 신규 데이터는, 수신부(31)가 사용자 단말(20)로부터 제공받은 가장 최근의 데이터일 수 있다. In addition, the determination unit 33 may determine whether the biometric information is abnormal through the artificial neural network after preprocessing the new data set. In other words, the determination unit 33 may determine whether the biometric information for the new data is abnormal using the artificial neural network (final diagnosis model) derived from the learning unit 36 described above. The new data may be data measured by the biometric information measuring device 10 and including biometric information provided from the user terminal 20 . That is, the new data may be the most recent data provided by the receiver 31 from the user terminal 20 .

본원의 일 실시예에 따르면, 기록 수집부(37)는 사용자의 SNS 기록을 수집할 수 있다. 기록 수집부(37)는 생체 정보 수집 장치(10)와 연계된 사용자의 SNS 기록을 수집할 수 있다. 또한, 기록 수집부(37)는 사용자 단말(20)과 연계된 사용자의 SNS 기록을 수집할 수 있다. 또한, 기록 수집부(37)는 사용자 단말(20)과 연계된 사용자의 웹 사이트 기록 정보를 수집할 수 있다. 기록 수집부(37)는 생체 정보 수집 장치(10) 또는 사용자 단말(20)과 연계된 사용자의 웹 사이트 기록 정보 중 사용자의 감정 상태를 분석할 수 있는 웹 사이트 기록 정보를 감정 상태부(38)로 제공할 수 있다. According to an embodiment of the present application, the record collecting unit 37 may collect the user's SNS record. The record collecting unit 37 may collect the SNS record of the user associated with the biometric information collecting device 10 . In addition, the record collection unit 37 may collect the user's SNS records associated with the user terminal 20 . In addition, the record collection unit 37 may collect the user's website record information associated with the user terminal 20 . The record collecting unit 37 collects web site record information that can analyze the user's emotional state among the user's web site record information associated with the biometric information collecting device 10 or the user terminal 20 to the emotional state unit 38 . can be provided as

본원의 일 실시예에 따르면, 감정 분석부(38)는 기록 정보 수집부(37)에서 수집한 SNS 정보를 기반으로 사용자의 감정 상태를 분석할 수 있다. 감정 분석부(38)는 SNS 데이터 베이스에 포함된 SNS 데이터를 기반으로 텍스트를 추출할 수 있다. 감정 분석부(38)는 SNS 데이터에 포함된 텍스트를 정규화, 토큰화, 품사, 태깅, 빈도 측정, 템플릿 매칭 등의 과정을 거쳐 감정 정보와 관련된 텍스트를 추출할 수 있다. 예시적으로, 감정 정보는, 화남, 기쁨, 슬픔, 감정과 관련된 이모티콘일 수 있으나, 이에 한정되는 것은 아니다. 감정 분석부(38)는 수집된 SNS 정보에 긍정적인 텍스트들(예를 들어, 좋음, 신남, 기쁨 등)의 텍스트들이 도출되면 사용자의 감정 상태가 좋음으로 분석할 수 있다. 반면, 감정 분석부(38)는 텍스트 분석을 통해 추출된 텍스트 중 부정적인 텍스트들(예를 들어, 화남, 나쁨, 슬픔 등)의 텍스트들이 도출되면 사용자의 감정 상태가 나쁨으로 분석할 수 있다.According to an embodiment of the present application, the emotion analysis unit 38 may analyze the user's emotional state based on the SNS information collected by the record information collection unit 37 . The emotion analysis unit 38 may extract text based on SNS data included in the SNS database. The emotion analyzer 38 may extract text related to emotion information through normalization, tokenization, part-of-speech, tagging, frequency measurement, template matching, and the like of text included in the SNS data. Illustratively, the emotion information may be an emoticon related to anger, joy, sadness, or emotion, but is not limited thereto. The emotion analysis unit 38 may analyze the user's emotional state as good when the texts of positive texts (eg, good, exciting, joy, etc.) are derived from the collected SNS information. On the other hand, when texts of negative texts (eg, angry, bad, sad, etc.) are derived from the text extracted through text analysis, the emotion analyzer 38 may analyze the user's emotional state as bad.

본원의 일 실시예에 따르면, 판단부(33)는 생체 정보 및 감정 상태의 분석 결과에 기반하여, 생체 정보의 이상 여부를 판단할 수 있다. 일예로, 판단부(33)는 수신된 생체 정보와 범위 설정부(32)에서 설정한 건강 이상 범위를 고려하여 생체 정보의 이상 여부를 1차 판단할 수 있다. 판단부(33)는 감정 분석부(38)의 분석 결과에 기반하여 생체 정보의 이상 여부를 2차 판단(최종 판단)할 수 있다. 예를 들어, 생체 정보는 심박 정보일 수 있다. 판단부(33)는 수신된 심박 정보와 범위 설정부(32)에서 설정한 심박 정보와 관련하여 설정된 건강 이상 범위를 고려하여 생체 정보에 문제가 있다고 판단할 수 있다. 이때, 판단부(33)의 결과는 사용자의 심박수가 건강 이상 범위를 초과하여 심박수에 문제가 있다고 판단된 결과일 수 있다. 판단부(33)는 감정 분석부(38)에서 부정적인 텍스트들이 도출되어 사용자의 감정 상태가 나쁨으로 분석된 분석 결과에 기반하여 생체 정보의 이상 여부를 판단할 수 있다. 판단부(33)는 감정 상태가 나쁨으로 분석되어 일시적으로 올라간 심박수(예를 들어, 흥분된 상태)라고 판단하고, 수신된 생체 정보에 이상이 없다고 최종 판단할 수 있다. 판단부(33)는 단순히 수집되는 생체 정보 및 사용자 정보만을 이용하여 생체 정보의 이상 여부를 판단하는 것이 아니라, 사용자의 감정 상태까지 고려하여, 최종적으로 생체 정보의 이상 여부를 판단하기 때문에 보다 정확한 결과를 도출할 수 있다. According to an embodiment of the present application, the determination unit 33 may determine whether the biometric information is abnormal, based on the analysis result of the biometric information and the emotional state. For example, the determination unit 33 may first determine whether the biometric information is abnormal in consideration of the received biometric information and the health abnormality range set by the range setting unit 32 . The determination unit 33 may make a secondary determination (final determination) whether the biometric information is abnormal based on the analysis result of the emotion analysis unit 38 . For example, the biometric information may be heartbeat information. The determination unit 33 may determine that there is a problem in the biometric information in consideration of the received heart rate information and the range of health abnormalities set in relation to the heart rate information set by the range setting unit 32 . In this case, the result of the determination unit 33 may be a result of determining that there is a problem in the heart rate because the heart rate of the user exceeds the health abnormality range. The determination unit 33 may determine whether the biometric information is abnormal based on the analysis result of the analysis that the emotional state of the user is bad because negative texts are derived from the emotion analysis unit 38 . The determination unit 33 may determine that the heart rate is temporarily increased (eg, excited state) as the emotional state is analyzed as bad, and finally determines that there is no abnormality in the received biometric information. The determination unit 33 does not simply determine whether the biometric information is abnormal using only the collected biometric information and user information, but also considers the user's emotional state and finally determines whether the biometric information is abnormal. can be derived.

본원의 일 실시예에 따르면, 신호 생성부(39)는 판단부(33)에서 판단된 생체 정보의 이상 여부의 판단 결과에 기반하여 알림 신호를 생성하고, 생체 정보 측정 장치(10) 또는 사용자 단말(20)로 알림 신호를 제공할 수 있다. 신호 생성부(39)는 판단부(33)에서 판단된 생체 정보의 이상 여부의 판단 결과에 기반하여 호출 신호 또는 신고 신호를 생성하고, 생체 정보 측정 장치(10) 또는 사용자 단말(20)로 알림 신호를 생성할 수 있다. 신호 생성부(39)가 신고 신호를 생성할 경우, 사용자 본인의 사용자 단말(20) 뿐만 아니라, 생체 정보 측정 장치(10)를 착용한 사용자의 가족 및 친구로 등록한 사용자의 단말, 사용자 본인의 사용자 단말(20)의 위치를 기준으로 미리 지정된 범위 이내에 위치하는 주변인의 단말, 경찰서에 구비된 단말, 소방서에 구비된 단말, 병원에 구비된 단말로 해당 알림 신호(신고 신호)를 제공할 수 있다. 예를 들어, 예를 들어, 생체 정보 측정 장치(10)에서 생체 정보에 심박수, 호흡량 등이 측정되지 않는 경우, 판단부(33)는 생체 정보 측정 장치(10)의 사용자를 위험 수준으로 생체 정보의 이상 여부를 판단할 수 있다. 신호 생성부(39)는 위험 수준의 판단 결과에 기반하여 알림 신호를 생성하고, 생체 정보 측정 장치(10)를 착용하고 있는 사용자의 사용자 단말(20) 뿐만 아니라, 가족, 친구, 주변 공공기관 등의 단말기로 해당 위험 상황의 알림 신호를 네트워크(예를 들어, 블루투스, wifi, 네트워크 등 원거리 전송)를 통해 제공할 수 있다. 즉, 신호 생성부(39)는 판단부(33)에서 판단된 생체 정보의 이상 여부의 판단 결과에 기반하여 알림 신호를 생성하여, 위급 상황을 알림으로써, 보다 빠르게 응급상황을 대처할 수 있도록 할 수 있다.According to an embodiment of the present application, the signal generating unit 39 generates a notification signal based on the determination result of the abnormality of the biometric information determined by the determining unit 33, and the biometric information measuring device 10 or the user terminal (20) may provide a notification signal. The signal generating unit 39 generates a call signal or a report signal based on the determination result of the abnormality of the biometric information determined by the determining unit 33 , and notifies the biometric information measuring device 10 or the user terminal 20 . signal can be generated. When the signal generating unit 39 generates a report signal, not only the user's own user terminal 20, but also the user's terminal and the user's own user who are registered as family and friends of the user who wears the biometric information measuring device 10 A corresponding notification signal (report signal) may be provided to a terminal of nearby people located within a predetermined range based on the location of the terminal 20, a terminal provided in a police station, a terminal provided in a fire station, and a terminal provided in a hospital. For example, when the heart rate, respiration rate, etc. are not measured in the biometric information in the biometric information measuring device 10 , the determination unit 33 sets the user of the biometric information measuring device 10 to a dangerous level. It can be determined whether there is an abnormality in The signal generating unit 39 generates a notification signal based on the determination result of the risk level, and not only the user terminal 20 of the user wearing the biometric information measuring device 10, but also family, friends, nearby public institutions, etc. It is possible to provide a notification signal of a corresponding dangerous situation to a terminal of the network (eg, Bluetooth, wifi, long-distance transmission such as a network). That is, the signal generating unit 39 generates a notification signal based on the determination result of the abnormality of the biometric information determined by the determination unit 33, and informs the emergency situation, so that the emergency situation can be dealt with more quickly. have.

생체 정보 측정 장치(10) 또는 사용자 단말(20)은 신호 생성부(39)로부터 제공받은 알림 신호에 기반하여, 청각 신호, 시각 신호, 촉각 신호 중 적어도 어느 하나의 알림 신호를 출력할 수 있다. 생체 정보 측정 장치(10) 또는 사용자 단말(20)은 스피커를 통해 청각 신호를 출력할 수 있다. 또한, 생체 정보 측정 장치(10) 또는 사용자 단말(20)은 디스플레이부를 통해 시각 신호를 출력할 수 있다. 또한, 생체 정보 측정 장치(10) 또는 사용자 단말(20)은 진동, 압박 등을 통해 촉각 신호를 출력할 수 있다. The biometric information measuring apparatus 10 or the user terminal 20 may output at least one of an auditory signal, a visual signal, and a tactile signal based on the notification signal provided from the signal generator 39 . The biometric information measuring apparatus 10 or the user terminal 20 may output an auditory signal through a speaker. Also, the biometric information measuring apparatus 10 or the user terminal 20 may output a visual signal through the display unit. Also, the biometric information measuring apparatus 10 or the user terminal 20 may output a tactile signal through vibration, pressure, or the like.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present application is for illustration, and those of ordinary skill in the art to which the present application pertains will understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present application. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and likewise components described as distributed may also be implemented in a combined form.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present application is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts should be construed as being included in the scope of the present application.

1: 생체정보 관리 시스템
10: 생체 정보 측정 장치
20: 사용자 단말
30: 관리 서버
31: 수신부 32: 범위 설정부
33: 판단부 34: 이미지 획득부
35: 데이터 생성부 36: 학습부
37: 기록 수집부 38: 감정 분석부
39: 신호 생성부1: Biometric information management system
10: biometric information measuring device
20: user terminal
30: management server
31: receiving unit 32: range setting unit
33: judgment unit 34: image acquisition unit
35: data generating unit 36: learning unit
37: record collection unit 38: sentiment analysis unit
39: signal generator

Claims (12)

생체정보 관리 시스템에 있어서,
사용자의 신체 일부에 연계되어, 상기 사용자의 생체 정보를 측정하는 생체 정보 측정 장치;
상기 생체 정보 측정 장치에서 측정된 상기 생체 정보를 네트워크를 통해서 전송받는 사용자 단말; 및
상기 사용자 단말로부터 상기 생체 정보를 수신하고, 상기 생체 정보의 이상 여부를 판단하는 관리 서버,
를 포함하되,
상기 관리 서버는,
상기 사용자 단말로부터 상기 생체 정보를 수신하는 수신부;
수신된 상기 생체 정보 및 사용자 정보에 기반하여 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 설정하는 범위 설정부; 및
수신된 상기 생체 정보와 상기 범위 설정부에서 설정한 상기 건강 이상 범위를 고려하여 상기 생체 정보의 이상 여부를 판단하는 판단부,
를 포함하고,
상기 생체 정보 측정 장치는 상기 사용자 단말로 복수의 혈류 이미지를 포함하는 생체 정보를 전송하고,
상기 관리 서버는,
상기 사용자 단말로부터 복수의 혈류 이미지를 획득하는 이미지 획득부;
상기 복수의 혈류 이미지를 포함하는 생체 정보에 대한 전처리 과정을 수행하고, 상기 생체 정보와 사용자 정보를 연계하여 데이터 세트를 생성하는 데이터 생성부;
상기 전처리 과정을 거친 데이터 세트를 입력으로 하고 생체 정보의 종류에 따른 생체 정보의 이상 여부에 관한 항목을 출력으로 하는 학습을 통해 인공신경망을 구축하는 학습부;
사용자의 SNS 기록을 수집하는 기록 정보 수집부; 및
상기 기록 정보 수집부에서 수집한 SNS 정보로부터 감정 정보와 관련된 텍스트를 추출하고, 상기 텍스트를 기반으로 사용자의 감정 상태를 분석하는 감정 분석부,
를 포함하고,
상기 전처리 과정은,
상기 혈류 이미지의 기준점을 중심으로 하여 배경 부분의 적어도 일부를 잘라내는 제1과정, 상기 혈류 이미지에 대하여 평행 이동을 수행하는 제2과정, 상기 혈류 이미지를 플리핑하는 제3과정, 상기 혈류 이미지의 색상을 조정하는 제4과정 및 상기 혈류 이미지를 확대 또는 축소하는 제5과정을 포함하는 것이고,
상기 생체 정보는 심박수 정보를 포함하고,
상기 범위 설정부는,
상기 심박수 정보 및 상기 사용자 정보에 기초하여 상기 사용자의 심박수와 연계된 건강 이상 범위로서 최대 심박수를 설정하고,
상기 판단부는,
상기 생체 정보에 기반하여 사용자의 운동 실시 여부를 판단하고, 상기 운동 실시 여부 및 상기 감정 상태의 분석 결과를 고려하여 상기 생체 정보의 이상 여부를 판단하되,
상기 생체 정보에 포함된 심박수가 상기 최대 심박수를 초과하면,
상기 운동 실시 여부에 기초하여 사용자가 심박수가 상승하는 운동을 실시 중인지에 따라 상기 이상 여부를 판단하고, 상기 감정 상태가 부정적 상태인지 여부에 따라 상기 이상 여부를 판단하는 것인, 생체정보 관리 시스템.In the biometric information management system,
a biometric information measuring device connected to a user's body part to measure the user's biometric information;
a user terminal receiving the biometric information measured by the biometric information measuring device through a network; and
a management server that receives the biometric information from the user terminal and determines whether the biometric information is abnormal;
including,
The management server,
a receiving unit for receiving the biometric information from the user terminal;
a range setting unit configured to set a user's health abnormality range according to a type of biometric information based on the received biometric information and user information; and
a determination unit for determining whether the biometric information is abnormal in consideration of the received biometric information and the health abnormality range set by the range setting unit;
including,
The biometric information measuring device transmits biometric information including a plurality of blood flow images to the user terminal,
The management server,
an image acquisition unit for acquiring a plurality of blood flow images from the user terminal;
a data generator configured to perform a pre-processing process on the biometric information including the plurality of blood flow images, and to generate a data set by linking the biometric information and user information;
a learning unit configured to construct an artificial neural network through learning by inputting the data set that has undergone the pre-processing process as an input and outputting items related to abnormalities in biometric information according to the type of biometric information;
Record information collection unit for collecting the user's SNS record; and
an emotion analysis unit that extracts text related to emotion information from the SNS information collected by the record information collection unit, and analyzes the user's emotional state based on the text;
including,
The pre-processing process is
A first process of cutting out at least a portion of a background portion with a reference point of the blood flow image as a center, a second process of performing parallel movement with respect to the blood flow image, a third process of flipping the blood flow image, It will include a fourth process of adjusting the color and a fifth process of enlarging or reducing the blood flow image,
The biometric information includes heart rate information,
The range setting unit,
setting a maximum heart rate as a health abnormality range associated with the heart rate of the user based on the heart rate information and the user information;
The judging unit,
Determining whether the user has exercised based on the biometric information, and determining whether the biometric information is abnormal in consideration of the analysis result of whether the exercise is performed and the emotional state,
When the heart rate included in the biometric information exceeds the maximum heart rate,
The bioinformation management system of claim 1, wherein the abnormality is determined based on whether the user is performing an exercise in which a heart rate rises based on whether the exercise is performed, and whether the abnormality is determined according to whether the emotional state is a negative state. 제1항에 있어서,
상기 생체 정보 측정 장치는,
상기 사용자 단말과 네트워크의 통신의 가능상태 또는 불능상태를 판단하고, 상기 판단 결과가 불능상태인 경우, 수집된 상기 생체 정보를 저장하는 저장부를 포함하되,
상기 저장부는,
네트워크가 통신 가능상태로 전환된 경우, 상기 생체 정보를 상기 사용자 단말로 제공하는 것인, 생체정보 관리 시스템.According to claim 1,
The biometric information measuring device,
and a storage unit for determining whether the communication between the user terminal and the network is possible or inoperable, and storing the collected biometric information when the determination result is in an impossible state,
The storage unit,
When the network is switched to a communication enabled state, the biometric information is provided to the user terminal, the biometric information management system. 삭제delete 제1항에 있어서,
상기 판단부는,
신규 데이터 세트를 상기 전처리 과정을 거친 후 상기 인공신경망을 통해 생체 정보의 이상 여부를 판단하는 것인, 생체정보 관리 시스템.According to claim 1,
The judging unit,
After the new data set is pre-processed, it is determined whether the biometric information is abnormal through the artificial neural network, the biometric information management system. 삭제delete 제1항에 있어서,
상기 관리 서버는,
상기 생체 정보의 이상 여부의 판단 결과에 기반하여 알림 신호를 생성하고 상기 생체 정보 측정 장치 또는 상기 사용자 단말로 알림 신호를 제공하는 신호 생성부를 더 포함하되,
상기 생체 정보 측정 장치 또는 상기 사용자 단말은,
상기 신호 생성부로부터 제공받은 알림 신호에 기반하여, 청각 신호, 시각 신호, 촉각 신호 중 적어도 어느 하나의 알림 신호를 출력하는 것인, 생체정보 관리 시스템.According to claim 1,
The management server,
Further comprising a signal generator for generating a notification signal based on the determination result of the abnormality of the biometric information and providing a notification signal to the biometric information measuring device or the user terminal,
The biometric information measuring device or the user terminal,
Based on the notification signal received from the signal generating unit, the biometric information management system to output at least one of an auditory signal, a visual signal, and a tactile signal. 제1항에 있어서,
상기 생체 정보는,
심박수 정보, 호흡량 정보, 동공크기 정보, 혈중 산소 농도 정보, 혈압 정보, 맥박 정보, 체온 정보, 심전도 정보, 혈류 이미지 정보, 체성분 분석 정보 중 적어도 어느 하나를 포함하는 것인, 생체정보 관리 시스템. According to claim 1,
The biometric information is
The biometric information management system, which includes at least one of heart rate information, respiration rate information, pupil size information, blood oxygen concentration information, blood pressure information, pulse information, body temperature information, electrocardiogram information, blood flow image information, and body composition analysis information. 제1항에 있어서,
상기 범위 설정부는,
복수의 생체 정보 및 복수의 사용자 정보를 입력으로 하여 구축된 인공지능 학습 모델에 수신된 상기 생체 정보 및 사용자 정보를 적용하여 사용자의 건강 이상 범위를 결정하는 것인, 생체정보 관리 시스템. According to claim 1,
The range setting unit,
A biometric information management system that determines a range of health abnormalities of a user by applying the received biometric information and user information to an artificial intelligence learning model built by inputting a plurality of biometric information and a plurality of user information as inputs. 생체정보 관리 서버에 있어서,
사용자의 신체 일부에 연계되어, 상기 사용자의 생체 정보를 측정하는 생체 정보 측정 장치가 네트워크를 통해 사용자 단말로 전송하고, 상기 사용자 단말로부터 상기 생체 정보를 수신하는 수신부;
수신된 상기 생체 정보 및 사용자 정보에 기반하여 생체 정보의 종류에 따른 사용자의 건강 이상 범위를 설정하는 범위 설정부; 및
수신된 상기 생체 정보와 상기 범위 설정부에서 설정한 상기 건강 이상 범위를 고려하여 상기 생체 정보의 이상 여부를 판단하는 판단부,
를 포함하고,
상기 생체 정보 측정 장치는 상기 사용자 단말로 복수의 혈류 이미지를 포함하는 생체 정보를 전송하고,
상기 사용자 단말로부터 복수의 혈류 이미지를 획득하는 이미지 획득부;
상기 복수의 혈류 이미지를 포함하는 생체 정보에 대한 전처리 과정을 수행하고, 상기 생체 정보와 사용자 정보를 연계하여 데이터 세트를 생성하는 데이터 생성부;
상기 전처리 과정을 거친 데이터 세트를 입력으로 하고 생체 정보의 종류에 따른 생체 정보의 이상 여부에 관한 항목을 출력으로 하는 학습을 통해 인공신경망을 구축하는 학습부;
사용자의 SNS 기록을 수집하는 기록 정보 수집부; 및
상기 기록 정보 수집부에서 수집한 SNS 정보로부터 감정 정보와 관련된 텍스트를 추출하고, 상기 텍스트를 기반으로 사용자의 감정 상태를 분석하는 감정 분석부,
를 더 포함하고,
상기 전처리 과정은,
상기 혈류 이미지의 기준점을 중심으로 하여 배경 부분의 적어도 일부를 잘라내는 제1과정, 상기 혈류 이미지에 대하여 평행 이동을 수행하는 제2과정, 상기 혈류 이미지를 플리핑하는 제3과정, 상기 혈류 이미지의 색상을 조정하는 제4과정 및 상기 혈류 이미지를 확대 또는 축소하는 제5과정을 포함하는 것이고,
상기 생체 정보는 심박수 정보를 포함하고,
상기 범위 설정부는,
상기 심박수 정보 및 상기 사용자 정보에 기초하여 상기 사용자의 심박수와 연계된 건강 이상 범위로서 최대 심박수를 설정하고,
상기 판단부는,
상기 생체 정보에 기반하여 사용자의 운동 실시 여부를 판단하고, 상기 운동 실시 여부 및 상기 감정 상태의 분석 결과를 고려하여 상기 생체 정보의 이상 여부를 판단하되,
상기 생체 정보에 포함된 심박수가 상기 최대 심박수를 초과하면,
상기 운동 실시 여부에 기초하여 사용자가 심박수가 상승하는 운동을 실시 중인지에 따라 상기 이상 여부를 판단하고, 상기 감정 상태가 부정적 상태인지 여부에 따라 상기 이상 여부를 판단하는 것인, 생체정보 관리 서버.In the biometric information management server,
a receiving unit connected to a part of the user's body to transmit the biometric information measuring device for measuring the user's biometric information to the user terminal through a network, and receiving the biometric information from the user terminal;
a range setting unit configured to set a user's health abnormality range according to a type of biometric information based on the received biometric information and user information; and
a determination unit for determining whether the biometric information is abnormal in consideration of the received biometric information and the health abnormality range set by the range setting unit;
including,
The biometric information measuring device transmits biometric information including a plurality of blood flow images to the user terminal,
an image acquisition unit for acquiring a plurality of blood flow images from the user terminal;
a data generator configured to perform a pre-processing process on the biometric information including the plurality of blood flow images, and to generate a data set by linking the biometric information and user information;
a learning unit configured to construct an artificial neural network through learning by inputting the data set that has undergone the pre-processing process as an input and outputting items related to abnormalities in biometric information according to the type of biometric information;
Record information collection unit for collecting the user's SNS record; and
an emotion analysis unit that extracts text related to emotion information from the SNS information collected by the record information collection unit, and analyzes the user's emotional state based on the text;
further comprising,
The pre-processing process is
A first process of cutting out at least a portion of a background portion with a reference point of the blood flow image as a center, a second process of performing parallel movement with respect to the blood flow image, a third process of flipping the blood flow image, It will include a fourth process of adjusting the color and a fifth process of enlarging or reducing the blood flow image,
The biometric information includes heart rate information,
The range setting unit,
setting a maximum heart rate as a health abnormality range associated with the heart rate of the user based on the heart rate information and the user information;
The judging unit,
Determining whether the user has exercised based on the biometric information, and determining whether the biometric information is abnormal in consideration of the analysis result of whether the exercise is performed and the emotional state,
When the heart rate included in the biometric information exceeds the maximum heart rate,
The bioinformation management server, which determines whether the abnormality is based on whether the user is performing an exercise in which a heart rate rises based on whether the exercise is performed, and determines whether the abnormality is based on whether the emotional state is a negative state. 삭제delete 삭제delete 제9항에 있어서,
상기 생체 정보의 이상 여부의 판단 결과에 기반하여 알림 신호를 생성하고 상기 생체 정보 측정 장치 또는 상기 사용자 단말로 알림 신호를 제공하는 신호 생성부를 더 포함하되,
상기 생체 정보 측정 장치 또는 상기 사용자 단말은,
상기 관리 서버로부터 제공받은 알림 신호에 기반하여, 청각 신호, 시각 신호, 촉각 신호 중 적어도 어느 하나의 알림 신호를 출력하는 것인, 생체정보 관리 서버.10. The method of claim 9,
Further comprising a signal generator for generating a notification signal based on the determination result of the abnormality of the biometric information and providing a notification signal to the biometric information measuring device or the user terminal,
The biometric information measuring device or the user terminal,
Based on the notification signal provided from the management server, the biometric information management server to output at least one notification signal of an auditory signal, a visual signal, and a tactile signal.
KR1020190157040A 2019-11-29 2019-11-29 Human data managing system KR102438367B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190157040A KR102438367B1 (en) 2019-11-29 2019-11-29 Human data managing system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190157040A KR102438367B1 (en) 2019-11-29 2019-11-29 Human data managing system

Publications (2)

Publication Number Publication Date
KR20210067438A KR20210067438A (en) 2021-06-08
KR102438367B1 true KR102438367B1 (en) 2022-08-30

Family

ID=76399794

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190157040A KR102438367B1 (en) 2019-11-29 2019-11-29 Human data managing system

Country Status (1)

Country Link
KR (1) KR102438367B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101830003B1 (en) * 2016-10-12 2018-02-19 배재대학교 산학협력단 Danger situation alert system based on u-healthcare, and method thereof

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120129401A (en) * 2011-05-20 2012-11-28 주식회사 이-클리오 Health information monitoring system using smart phones
KR101616956B1 (en) * 2014-06-13 2016-04-29 전자부품연구원 System for measuring degree of fatigue and stress
KR102457563B1 (en) * 2015-11-24 2022-10-24 삼성전자주식회사 Wear system and method for providing service
KR20170133003A (en) * 2016-05-25 2017-12-05 한국과학기술원 Wearable device and server for recognizing patient fall
KR102002543B1 (en) * 2017-10-12 2019-07-25 염승민 Biometrics monitoring method and biometrics monitoring system based on nuclear magnetic resonance analysis
KR20190117829A (en) * 2018-03-12 2019-10-17 주식회사 모노라마 System for monitoring medical data

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101830003B1 (en) * 2016-10-12 2018-02-19 배재대학교 산학협력단 Danger situation alert system based on u-healthcare, and method thereof

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
H. Yang 외, "Multimodal MRI-based classification of migraine: using deep learning convolutional neural network", BioMedical Engineering OnLine, 17:138. (2018.10.11.)*

Also Published As

Publication number Publication date
KR20210067438A (en) 2021-06-08

Similar Documents

Publication Publication Date Title
US11862326B1 (en) Biometric characteristic application using audio/video analysis
Climent-Pérez et al. A review on video-based active and assisted living technologies for automated lifelogging
US11776246B2 (en) Method and system for identifying biometric characteristics using machine learning techniques
Parra et al. Multimedia sensors embedded in smartphones for ambient assisted living and e-health
Kang et al. No soldiers left behind: an IoT-based low-power military mobile health system design
KR102045741B1 (en) Device, method and program for providing the health care data of companion animal
KR102154763B1 (en) System and method for predicting the development of dementia using smart devices
KR20190047648A (en) Method and wearable device for providing feedback on action
Gaggioli et al. A system for automatic detection of momentary stress in naturalistic settings.
CN108702418A (en) Levels of priority for determining calling and/or the equipment, system and method for dialogue duration
CN111227789A (en) Human health monitoring method and device
CN110600125A (en) Posture analysis assistant system based on artificial intelligence and transmission method
Deepika et al. Iot based elderly monitoring system
Pogorelc et al. Detecting gait-related health problems of the elderly using multidimensional dynamic time warping approach with semantic attributes
Chauhan et al. A novel patient monitoring system using photoplethysmography and IOT in the age of COVID-19
Alvarez et al. Multimodal monitoring of Parkinson's and Alzheimer's patients using the ICT4LIFE platform
Tabbakha et al. A wearable device for machine learning based elderly's activity tracking and indoor location system
Alsaeedi et al. Ambient assisted living framework for elderly care using Internet of medical things, smart sensors, and GRU deep learning techniques
KR102438367B1 (en) Human data managing system
US20230047199A1 (en) Apparatus and method for predicting biometrics based on fundus image
Uwaoma et al. Proposing a decision support system for automated mobile asthma monitoring in remote areas
US20200365266A1 (en) Systems and methods for providing posture feedback and health data based on motion data, position data, and biometric data of a subject
KR102606193B1 (en) Method, computing device and computer program for providing personal health management service through remote health diagnosis based on camera
EP4109467A1 (en) Patient context detection
KR102403404B1 (en) Method and System for Recognizing Mental Stress Using Respiration and Electrocardiogram Signals

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant