KR102455262B1 - 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법 - Google Patents

치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법 Download PDF

Info

Publication number
KR102455262B1
KR102455262B1 KR1020220048583A KR20220048583A KR102455262B1 KR 102455262 B1 KR102455262 B1 KR 102455262B1 KR 1020220048583 A KR1020220048583 A KR 1020220048583A KR 20220048583 A KR20220048583 A KR 20220048583A KR 102455262 B1 KR102455262 B1 KR 102455262B1
Authority
KR
South Korea
Prior art keywords
user
information
screen
user terminal
dementia
Prior art date
Application number
KR1020220048583A
Other languages
English (en)
Inventor
김호영
김건하
김보희
김동한
황혜빈
박찬영
최지안
김보리
Original Assignee
주식회사 하이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 하이 filed Critical 주식회사 하이
Priority to KR1020220048583A priority Critical patent/KR102455262B1/ko
Application granted granted Critical
Publication of KR102455262B1 publication Critical patent/KR102455262B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/162—Testing reaction times
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/14—Arrangements specially adapted for eye photography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4803—Speech analysis specially adapted for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/08—Elderly
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G06F3/04886—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures by partitioning the display area of the touch-screen or the surface of the digitising tablet into independently controllable areas, e.g. virtual keyboards or menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Neurology (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Educational Technology (AREA)
  • Multimedia (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Acoustics & Sound (AREA)
  • Neurosurgery (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

본 개시의 몇몇 실시예에 의한 사용자 단말기의 프로세서에 의해 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 방법이 개시된다. 상기 방법은: 서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하도록 디스플레이부를 제어하는 단계; 및 상기 두 개의 테스트를 통해 획득된 디지털 바이오 마커 데이터를 서버에 전송하도록 통신부를 제어하는 단계; 를 포함할 수 있다.

Description

치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법{A TECHNIQUE FOR ACQUIRING DIGITAL BIOMARKERS TO IDENTIFY DEMENTIA}
본 개시는 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법에 관한 것으로, 구체적으로 디지털 바이오 마커를 획득하기 위한 혼합 테스트를 수행하는 방법 및 이를 수행하는 장치에 관한 것이다.
알츠하이머 질환(Alzheimer's Disease, AD)은 노화에 따라 수반되는 뇌 질환으로서, 점진적인 기억력 장애, 인지력 결손, 개인 성격의 변화 등을 초래하는 질병이다. 그리고, 치매(dementia)는 정상적으로 생활해오던 사람이 다양한 원인에 인해 뇌기능이 손상되면서 발생하는, 지속적이고 전반적인 인지 기능의 저하 상태를 의미한다. 여기서 인지 기능이란 기억력, 언어 능력, 시공간 파악 능력, 판단력 및 추상적 사고력 등 다양한 지적 능력을 가리키는 것으로서, 각 인지 기능은 뇌의 특정 부위와 밀접한 관련이 있다. 치매의 가장 흔한 형태가 알츠하이머 질환이다.
알츠하이머 질환, 치매 또는 경도 인지 장애를 진단하기 위한 다양한 방법들이 제시되고 있다. 예컨대, 후각 조직의 miR-206의 발현 수준을 이용하여 알츠하이머 질환 또는 경도 인지 장애를 진단하는 방법, 혈액 내에서 특징적으로 증가하는 바이오 마커를 이용하여 치매를 진단하는 방법 등이 알려져 있다.
그러나, 후각 조직의 miR-206을 이용하기 위해서는 조직 검사에 필요한 특수 장비 또는 검사가 필요하고, 혈액 내의 바이오 마커를 이용하기 위해서는 침습적인 방법으로 환자의 혈액을 채취해야 하므로, 환자의 거부감이 상대적으로 크다는 단점이 각각 존재한다.
따라서, 별도의 특수 장비 또는 검사 없이 환자가 거부감을 거의 느끼지 않는 방법으로 치매를 진단할 수 있는 방법을 개발할 필요성이 절실한 실정이다.
대한민국 특허출원번호 10-2019-0135908 (2019.02.01 출원)
본 개시는 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다. 본 개시의 몇몇 실시예가 이루고자 하는 기술적 과제는, 환자가 거부감을 거의 느끼지 않는 방법으로 정확하게 치매를 진단하는 것을 그 목적으로 한다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시의 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 몇몇 실시예에 의한 사용자 단말기의 프로세서에 의해 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 방법은: 서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하도록 디스플레이부를 제어하는 단계; 및 상기 두 개의 테스트를 통해 획득된 디지털 바이오 마커 데이터를 서버에 전송하도록 통신부를 제어하는 단계; 를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 적어도 세 개의 화면은: 문장이 포함된 문장 암기용 화면; 움직이는 객체가 포함된 시선 확보용 화면; 및 상기 문장이 가려진 음성 획득용 화면;을 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 움직이는 객체는, 기 설정된 경로를 따라 기 설정된 속도로 특정 방향을 향해 움직일 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하도록 디스플레이부를 제어하는 단계는, 상기 문장 암기용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계; 상기 문장 암기용 화면 대신 상기 시선 확보용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계; 및 상기 시선 확보용 화면 대신 상기 음성 획득용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계;를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 문장 암기용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계는, 상기 문장 암기용 화면에 포함된 상기 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 상기 디스플레이부를 제어하는 단계;를 더 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 문장 암기용 화면 대신 상기 시선 확보용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계는, 상기 시선 확보용 화면을 디스플레이하는 것과 연동하여 상기 사용자 단말기의 상기 사용자의 눈이 포함된 영상을 획득하기 위해 영상 획득부를 제어하는 단계;를 더 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 시선 확보용 화면 대신 상기 음성 획득용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계는, 상기 음성 획득용 화면을 디스플레이하는 것과 연동하여 상기 사용자 단말기의 사용자의 음성이 포함된 녹음 파일을 획득하기 위해 음향 획득부를 제어하는 단계;를 더 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 디지털 바이오 마커 데이터를 이용하여 사용자가 치매인지 여부를 식별할 수 있는 치매 식별 모델은, 상기 사용자 단말기의 저장부에 저장되어 있지 않고, 상기 서버의 저장부에 저장되어 있을 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 디지털 바이오 마커 데이터는: 상기 사용자 단말기의 사용자의 시선과 관련된 제1 디지털 바이오 마커 데이터; 및 상기 사용자의 음성과 관련된 제2 디지털 바이오 마커 데이터;를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 제1 디지털 바이오 마커 데이터는: 상기 사용자의 눈이 포함된 영상; 또는 상기 영상을 분석하여 획득된 사용자의 시선 변화와 관련된 제1 정보;를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 제1 정보는, 상기 사용자의 눈이 움직인 거리와 상기 적어도 세 개의 화면 중 어느 하나의 화면에 포함된 움직이는 객체가 움직인 거리에 기초하여 산출되는 정확도 정보, 상기 움직이는 객체가 움직이기 시작한 시점과 상기 사용자의 상기 눈이 움직이기 시작한 시점에 기초하여 산출되는 레이턴시(latency) 정보 및 상기 사용자의 눈이 움직인 속도와 관련된 속도 정보 중 적어도 하나를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 제2 디지털 바이오 마커 데이터는: 상기 사용자의 음성을 포함하는 녹음 파일; 또는 상기 녹음 파일을 이용하여 획득되는 제2 정보;를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 제2 정보는, 상기 녹음 파일을 음성 인식 기술을 통해 변환한 텍스트 데이터와 상기 적어도 세 개의 화면 중 어느 하나의 화면에 포함된 문장과 관련된 원문 데이터 사이의 유사도를 나타내는 유사도 정보 및 상기 녹음 파일에 의해 분석된 사용자의 음성 분석 정보 중 적어도 하나를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 유사도 정보는, 삽입 작업, 삭제 작업 및 대체 작업 중 적어도 하나를 통해 상기 텍스트 데이터를 상기 원문 데이터로 변환 시 수행되는 작업의 횟수에 대한 정보를 포함할 수 있다.
본 개시의 몇몇 실시예에 의하면, 상기 음성 분석 정보는, 상기 사용자의 말하기 속도 정보 및 상기 사용자의 응답 속도 정보 중 적어도 하나를 포함할 수 있다.
본 개시의 몇몇 실시예에 의한 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 사용자 단말기의 프로세서에서 실행되는 경우, 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 단계들을 수행하며, 상기 단계들은: 서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하도록 디스플레이부를 제어하는 단계; 및 상기 두 개의 테스트를 통해 획득된 디지털 바이오 마커 데이터를 서버에 전송하도록 통신부를 제어하는 단계;를 포함할 수 있다.
본 개시의 몇몇 실시예에 따른 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 사용자 단말기는: 서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하는 디스플레이부; 및 상기 두 개의 테스트를 통해 획득된 디지털 바이오 마커 데이터를 서버에 전송하는 통신부;를 포함할 수 있다.
본 개시에서 얻을 수 있는 기술적 해결 수단은 이상에서 언급한 해결 수단들로 제한되지 않으며, 언급하지 않은 또 다른 해결 수단들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시에 따른 치매를 식별하는 기법의 효과에 대해 설명하면 다음과 같다.
본 개시의 몇몇 실시예에 의하면, 환자가 거부감을 거의 느끼지 않는 방법으로 정확하게 치매를 진단할 수 있다.
본 개시를 통해 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 다양한 실시예들이 도면들을 참조로 설명되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 실시예들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 실시예(들)가 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 몇몇 실시예에 따른 치매를 식별하는 시스템을 설명하기 위한 개략도이다.
도 2는 본 개시의 몇몇 실시예에 따라 치매 식별을 위한 디지털 바이오 마커를 획득하기 위한 방법의 일례를 설명하기 위한 흐름도이다.
도 3은 본 개시의 몇몇 실시예에 따라 사용자의 눈의 기하학적인 특징을 획득하는 방법의 일례를 설명하기 위한 도면이다.
도 4는 본 개시의 몇몇 실시예에 따라 문장이 포함된 제1 화면을 디스플레이하는 방법의 일례를 설명하기 위한 도면이다.
도 5는 본 개시의 몇몇 실시예에 따라 예비 녹음 파일을 획득하여 음성 분석이 가능한 상태인지 여부를 확인하는 방법의 일례를 설명하기 위한 흐름도이다.
도 6은 본 개시의 몇몇 실시예에 따라 움직이는 객체를 디스플레이하는 방법의 일례를 설명하기 위한 도면이다.
도 7은 본 개시의 몇몇 실시예에 따라 문장이 가려진 제2 화면을 디스플레이하는 것과 연동하여 녹음 파일을 획득하는 방법의 일례를 설명하기 위한 도면이다.
도 8은 본 개시의 몇몇 실시예에 따라 사용자의 시선 변화와 관련된 제1 정보 및 녹음 파일을 분석하여 획득된 제2 정보를 이용하여 사용자의 치매 여부를 식별하는 방법의 일례를 설명하기 위한 흐름도이다.
이하에서는 도면을 참조하여 본 개시에 따른 장치 및 장치의 제어 방법의 다양한 실시예(들)를 상세하게 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
본 개시의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 개시의 하나 이상의 실시예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 적어도 하나의 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 개시의 용어들은 본 개시에서의 기능을 고려하여 정의된 용어들로써 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 또한, 첨부된 도면은 본 개시의 하나 이상의 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 개시의 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 본 개시의 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 따라서, 이하에서 언급되는 제1 구성요소는 본 개시의 기술적 사상 내에서 제2 구성 요소가 될 수도 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 즉, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우, 본 개시와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
본 개시에서, "포함하는", "포함한다" 또는 "가지다" 등의 용어는 본 개시상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시에서 "또는"이라는 용어는 배타적 의미의 "또는"이 아니라 내포적 의미의 "또는"으로 이해되어야 한다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 개시에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
본 개시에서 사용되는 용어 "정보" 및 "데이터"는 서로 상호 교환 가능하도록 사용될 수 있다.
다른 정의가 없다면, 본 개시에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 개시의 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 특별히 정의되어 있지 않는 한 과도하게 해석되지 않는다.
그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 개시의 몇몇 실시예들은 본 개시의 기술분야에서 통상의 지식을 가진 자에게 본 개시의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시는 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 개시 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 개시의 몇몇 실시예에 따르면, 장치의 적어도 하나의 프로세서(이하, '프로세서'라고 지칭함)는 치매 식별 모델을 이용하여 사용자가 치매인지 여부를 결정할 수 있다. 구체적으로, 프로세서는 사용자의 눈이 포함된 영상을 분석하여 획득된 사용자의 시선 변화와 관련된 제1 정보 및 문장을 암기하는 테스트를 통해 획득된 녹음 파일을 분석하여 획득된 제2 정보를 치매 식별 모델에 입력하여 스코어 값을 획득할 수 있다. 그리고, 프로세서는 스코어 값에 기초하여 사용자가 치매인지 여부를 결정할 수 있다. 이하에서는, 도 1 내지 도 8을 참조하여 치매를 식별하는 방법에 대해서 설명한다.
도 1은 본 개시의 몇몇 실시예에 따른 치매를 식별하는 시스템을 설명하기 위한 개략도이다.
도 1을 참조하면 치매를 식별하는 시스템은 치매를 식별하는 장치(100) 및 치매 식별을 필요로 하는 사용자의 사용자 단말기(200)를 포함할 수 있다. 그리고, 장치(100)와 사용자 단말기(200)는 유/무선 네트워크(300)를 통해 통신이 연결될 수 있다. 다만, 도 1에 도시된 시스템을 구성하는 구성요소들은 치매를 식별하는 시스템을 구현하는데 있어서 필수적인 것은 아니어서, 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
본 개시의 장치(100)는 유/무선 네트워크(wire/wireless network)(300)를 통하여 사용자 단말기(200)와 페어링 또는 연결(pairing or connecting) 가능하며, 이를 통해 소정 데이터를 송/수신할 수 있다. 이 경우, 유/무선 네트워크(300)를 통해 송/수신되는 데이터는 송/수신 전에 변환(converting)될 수 있다. 여기서, “유/무선 네트워크”(300)라 함은, 장치(100)와 사용자 단말기(200) 사이에서 페어링 또는/및 데이터 송수신을 위해 다양한 통신 규격 내지 프로토콜을 지원하는 통신 네트워크를 통칭한다. 이러한 유/무선 네트워크(300)는, 규격에 의해 현재 또는 향후 지원될 통신 네트워크를 모두 포함하며, 그를 위한 하나 또는 그 이상의 통신 프로토콜들을 모두 지원 가능하다.
치매를 식별하는 장치(100)는 프로세서(110), 저장부(120) 및 통신부(130)를 포함할 수 있다. 도 1에 도시된 구성요소들은 장치(100)를 구현하는데 있어서 필수적인 것은 아니어서, 본 개시에서 설명되는 장치(100)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
본 개시의 장치(100)의 각 구성요소는 실제 구현되는 장치(100)의 사양에 따라 통합, 추가, 또는 생략될 수 있다. 즉, 필요에 따라, 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나 하나의 구성요소가 2 이상의 구성요소로 세분화될 수 있다. 또한, 각 블록에서 수행하는 기능은 본 개시의 실시예를 설명하기 위한 것이며, 그 구체적인 동작이나 장치는 본 발명의 권리범위를 제한하지 아니한다.
본 개시에서 설명되는 장치(100)는 데이터(data), 콘텐츠(content), 서비스(service) 및 애플리케이션(application) 등을 송신 및 수신 중 적어도 하나 이상을 수행하는 모든 디바이스를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 장치(100)에는 예를 들어, 서버(server), PC(Personal Computer), 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 디바이스 제어기 등과 같은 고정형 디바이스(standing device) 스마트 폰(Smart Phone), 태블릿 PC(Tablet PC), 노트북(Notebook) 등과 같은 모바일 디바이스(mobile device or handheld device)가 모두 포함될 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시에서, "서버"라 함은, 다양한 종류의 사용자 단말기 즉, 클라이언트(client)로 데이터를 공급 또는 그로부터 데이터를 수신하는 장치 혹은 시스템을 의미한다. 서버로 예컨대, 웹 페이지(web page), 웹 컨텐트 또는 웹 서비스(web content or web service)를 제공하는 웹 서버(Web server)나 포털 서버(portal server), 광고 데이터(advertising data)를 제공하는 광고 서버(advertising server), 컨텐트를 제공하는 컨텐트 서버(content server), SNS(Social Network Service)를 제공하는 SNS 서버, 제조업체(manufacturer)에서 제공하는 서비스 서버(service server), VoD(Video on Demand)나 스트리밍(streaminng) 서비스 제공을 위한 MVPD(Multichannel Video Programming Distributor), 유료 서비스(pay service) 등을 제공하는 서비스 서버 등이 포함될 수 있다.
본 개시에서 장치(100)로 명명하는 경우, 그 의미는 문맥에 따라 서버를 의미하나, 고정형 디바이스 또는 모바일 디바이스를 의미할 수도 있고 특별히 언급하지 않는다면 모두 포함하는 의미로 사용될 수도 있다.
프로세서(110)는 응용 프로그램과 관련된 동작 외에도 통상적으로 장치(100)의 전반적인 동작을 제어할 수 있다. 프로세서(110)는 장치(100)의 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 저장부(120)에 저장된 응용 프로그램을 구동함으로써, 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
프로세서(110)는 저장부(120)에 저장된 응용 프로그램을 구동하기 위하여 장치(100)의 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(110)는 응용 프로그램의 구동을 위하여 장치(100)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 예를 들어, 프로세서(110)는 장치의 중앙 처리 장치(CPU: Central Processing Unit), 범용 그래픽 처리 장치 (GPUGP: General Purpose Graphics Processing Unit), 텐서 처리 장치(TPU: Tensor Processing Unit) 등을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 프로세서(110)는 듀얼 프로세서 또는 기타 멀티프로세서 아키텍처로 구성될 수 있다. 다만, 이에 한정되는 것은 아니다.
프로세서(110)는 저장부(120)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 몇몇 실시예에 따른 치매 식별 모델을 이용하여 사용자가 치매인지 여부를 식별할 수 있다.
저장부(120)는, 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 저장부(120)는 장치(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 장치(100)의 동작을 위한 데이터들, 명령어들, 적어도 하나의 프로그램 명령을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운될 수 있다. 또한, 이러한 응용 프로그램 중 적어도 일부는, 장치(100)의 기본적인 기능을 위하여 출고 당시부터 장치(100) 상에 존재할 수도 있다. 한편, 응용 프로그램은, 저장부(120)에 저장되고, 장치(100) 상에 설치되어 프로세서(110)에 의하여 장치(100)의 동작(또는 기능)을 수행하도록 구동될 수 있다.
저장부(120)는 프로세서(110)에서 생성하거나 결정한 임의의 형태의 정보 및 통신부(130)를 통해 수신한 임의의 형태의 정보를 저장할 수 있다.
저장부(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 장치(100)는 인터넷(internet) 상에서 저장부(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작될 수도 있다.
통신부(130)는 장치(100)와 유선/무선 통신 시스템 사이, 장치(100)와 다른 장치 사이 또는 장치(100)와 외부 서버 사이의 유선/무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 통신부(130)는 장치(100)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.
통신부(130)는 유선/무선 인터넷 접속을 위한 모듈을 말하는 것으로 장치(100)에 내장되거나 외장될 수 있다. 통신부(130)는 유선/무선 신호를 송수신하도록 이루어질 수 있다.
통신부(130)는 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말 및 서버 중 적어도 하나와 무선 신호를 송수신할 수 있다.
무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있을 수 있다. 다만, 상기에서 나열되지 않은 인터넷 기술까지 포함한 범위에서 적어도 하나의 무선 인터넷 기술에 따라 통신부(130)는 데이터를 송수신할 수 있다.
더불어, 통신부(130)는 근거리 통신(Short range communication)을 통해 신호를 송수신하도록 이루어질 수도 있다. 통신부(130)는 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra-Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여 근거리 통신을 수행할 수 있다. 통신부(130)는 근거리 통신망(Wireless Area Networks)을 통해 무선 통신을 지원할 수 있다. 근거리 무선 통신망은 근거리 무선 개인 통신망(Wireless Personal Area Networks)일 수 있다.
본 개시의 몇몇 실시예에 따른 장치(100)는 통신부(130)를 통해 사용자 단말기(200)와 유/무선 네트워크(300)가 연결될 수 있다.
본 개시에서 사용자 단말기(200)는 유/무선 네트워크(wire/wireless network)(300)를 통하여 치매 식별 모델이 저장된 장치(100)와 페어링 또는 연결(pairing or connecting) 가능하며, 이를 통해 소정 데이터를 송/수신 및 디스플레이할 수 있다.
본 개시에서 설명되는 사용자 단말기(200)는 데이터(data), 콘텐츠(content), 서비스(service) 및 애플리케이션(application) 등을 송신, 수신 및 디스플레이 중 적어도 하나 이상을 수행하는 모든 디바이스를 포함할 수 있다. 그리고, 사용자 단말기(200)는 치매인지 여부를 확인하고 싶어하는 사용자의 단말기를 의미할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시에서 사용자 단말기(200)는 예를 들어, 휴대폰, 스마트 폰(smart phone), 태블릿 PC(tablet PC), 울트라북(ultrabook) 등과 같은 이동 단말기(mobile device)를 포함할 수 있다. 다만, 이에 한정되는 것은 아니고, 사용자 단말기(200)는 PC(Personal Computer), 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 디바이스 제어기 등과 같은 고정형 디바이스(standing device)도 포함할 수 있다.
사용자 단말기(200)는 프로세서(210), 저장부(220), 통신부(230), 영상 획득부(240), 디스플레이부(250), 음향 출력부(260) 및 음향 획득부(270)를 포함할 수 있다. 도 1에 도시된 구성요소들은 사용자 단말기(200)를 구현하는데 있어서 필수적인 것은 아니어서, 본 개시에서 설명되는 사용자 단말기(200)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
본 개시의 사용자 단말기(200)의 각 구성요소는 실제 구현되는 사용자 단말기(200)의 사양에 따라 통합, 추가, 또는 생략될 수 있다. 즉, 필요에 따라, 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나 하나의 구성요소가 2 이상의 구성요소로 세분화될 수 있다. 또한, 각 블록에서 수행하는 기능은 본 개시의 실시예를 설명하기 위한 것이며, 그 구체적인 동작이나 장치는 본 발명의 권리범위를 제한하지 아니한다.
사용자 단말기(200)의 프로세서(210), 저장부(220) 및 통신부(230)는 장치(100)의 프로세서(110), 저장부(120) 및 통신부(130)와 동일한 구성 요소이므로, 중복되는 설명은 생략하고, 이하 차이점을 중심으로 설명한다.
본 개시에서 사용자 단말기(200)의 프로세서(210)는 치매 여부를 식별하기 위해 혼합 테스트를 위한 화면을 디스플레이하도록 디스플레이부(250)를 제어할 수 있다. 여기서, 혼합 테스트는 사용자의 시선 변화와 관련된 제1 정보를 획득하기 위한 제1 테스트와 사용자의 음성과 관련된 제2 정보를 획득하기 위한 제2 테스트를 결합한 것을 의미할 수 있다. 다만, 이에 한정되는 것은 아니다.
구체적으로, 프로세서(210)는 사용자가 문장을 암기할 수 있도록 문장이 포함된 제1 화면, 움직이는 객체가 포함된 화면 및 사용자가 암기한 문장을 획득하기 위한 제2 화면을 순차적으로 디스플레이하도록 디스플레이부(250)를 제어할 수 있다. 그리고, 프로세서(210)는 제2 화면이 디스플레이되기 전에 사용자의 시선 변화와 관련된 제1 정보를 획득하기 위해 움직이는 객체를 디스플레이하도록 디스플레이부(250)를 제어할 수 있다. 다만, 이에 한정되는 것은 아니다. 이에 대한 자세한 설명은, 도 2를 참조하여 후술한다.
한편, 치매 식별 모델을 이용한 연산을 수행하기 위해서는 높은 처리 속도 및 연산 능력이 필요하기 때문에 치매 식별 모델은 장치(100)의 저장부(120)에만 저장되어 있고, 사용자 단말기(200)의 저장부(220)에는 저장되어 있지 않을 수 있다. 다만, 이에 한정되는 것은 아니다.
영상 획득부(240)는 하나 또는 복수의 카메라를 포함할 수 있다. 즉, 사용자 단말기(200)는 전면부 또는 후면부 중 적어도 하나에 하나 또는 복수의 카메라를 포함하고 있는 장치일 수 있다.
영상 획득부(240)는 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리할 수 있다. 처리된 화상 프레임은 디스플레이부(250)에 표시되거나 저장부(220)에 저장될 수 있다. 한편, 사용자 단말기(200)에 구비되는 영상 획득부(240)는 복수의 카메라가 매트릭스 구조를 이루도록 매치될 수 있다. 이와 같이 매트릭스 구조를 이루는 카메라를 통하여 사용자 단말기(200)에는 다양한 각도 또는 초점을 잦는 복수의 영상 정보가 입력될 수 있다.
본 개시의 영상 획득부(240)는 적어도 하나의 라인을 따라 배열되는 복수의 렌즈를 포함할 수 있다. 복수의 렌즈는 행렬(matrix) 형식으로 배열될 수 있다. 이러한 카메라는, 어레이 카메라로 명명될 수 있다. 영상 획득부(240)가 어레이 카메라로 구성되는 경우, 복수의 렌즈를 이용하여 다양한 방식으로 영상을 촬영할 수 있으며, 보다 나은 품질의 영상을 획득할 수 있다.
본 개시의 몇몇 실시예에 따르면, 영상 획득부(240)는 사용자 단말기(200)에 움직이는 객체가 디스플레이되는 것과 연동하여 사용자 단말기의 사용자의 눈이 포함된 영상을 획득할 수 있다.
디스플레이부(250)는 사용자 단말기(200)에서 처리되는 정보를 표시(출력)할 수 있다. 예를 들어, 디스플레이부(250)는 사용자 단말기(200)에서 구동되는 응용 프로그램의 실행 화면 정보 또는 이러한 실행 화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(250)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 디스플레이부(250)는 프로세서(210)의 제어 하에 문장이 포함된 제1 화면, 움직이는 객체가 포함된 화면 또는 상기 문장이 가려진 제2 화면을 디스플레이할 수 있다.
음향 출력부(260)는 통신부(230)로부터 수신되거나 저장부(220)에 저장된 오디오 데이터(또는 음향 데이터 등)를 출력할 수 있다. 음향 출력부(260)는 사용자 단말기(200)에서 수행되는 기능과 관련된 음향 신호를 출력하기도 한다.
음향 출력부(260)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 등을 포함할 수 있다. 즉, 음향 출력부(260)는 리시버(receiver)로 구현될 수도 있으며 라우드 스피커(loud speaker)의 형태로 구현될 수도 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 음향 출력부(260)는 제1 태스크, 제2 태스크 또는 제3 태스크를 수행하는 것과 연동하여 기 설정된 음향(예를 들어, 제1 태스크, 제2 태스크 또는 제3 태스크를 통해 사용자가 수행해야 되는 작업을 설명하는 음성)을 출력할 수 있다. 다만, 이에 한정되는 것은 아니다.
음향 획득부(270)는 외부의 음향 신호를 전기적인 음향 데이터로 처리할 수 있다. 처리된 음향 데이터는 사용자 단말기(200)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 음향 획득부(270)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 구현될 수 있다.
본 개시에서 음향 획득부(270)는 프로세서(210)의 제어 하에 제1 화면 또는 제2 화면이 디스플레이되는 것과 연동하여 사용자의 음성을 녹음한 녹음 파일을 획득할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 사용자 단말기에 기 설정된 화면을 디스플레이함으로써 치매 식별을 위한 디지털 바이오 마커(디지털 기기로부터 획득되는 바이오 마커)가 획득될 수 있다. 이는 도 2를 참조하여 자세히 후술한다.
도 2는 본 개시의 몇몇 실시예에 따라 치매 식별을 위한 디지털 바이오 마커를 획득하기 위한 방법의 일례를 설명하기 위한 흐름도이다. 도 2와 관련하여 도 1과 관련하여 상술한 바와 중복되는 내용은 다시 설명하지 않으며, 이하 차이점을 중심으로 설명한다.
도 2를 참조하면, 장치(100)의 프로세서(110)는 문장이 포함된 제1 화면이 사용자 단말기(200)에 디스플레이되도록 야기하는 제1 태스크를 수행할 수 있다(S110).
일례로, 장치(100)의 저장부(120)에는 복수의 문장이 저장되어 있을 수 있다. 여기서, 복수의 문장은 서로 다른 단어를 이용하여 육하원칙에 맞게 생성된 문장일 수 있다. 그리고, 복수의 문장의 길이는 서로 상이할 수 있다. 프로세서(110)는 저장부(120)에 저장된 복수의 문장 중 하나의 문장을 선택하여 해당 문장을 디스플레이하라는 신호를 사용자 단말기(200)에 전송하도록 통신부(130)를 제어할 수 있다. 사용자 단말기(200)의 프로세서(210)는 통신부(230)를 통해 상기 신호를 수신한 경우, 상기 신호에 포함된 문장을 디스플레이하도록 디스플레이부(250)를 제어할 수 있다.
다른 일례로, 장치(100)의 저장부(120)에는 복수의 단어가 저장되어 있을 수 있다. 여기서, 복수의 단어는 서로 다른 품사와 서로 다른 의미를 갖고 있는 단어일 수 있다. 장치(100)의 프로세서(110)는 기 설정된 알고리즘에 기초하여 복수의 단어 중 적어도 일부를 조합하여 육하원칙에 맞는 문장을 생성할 수 있다. 프로세서(110)는 생성된 문장을 디스플레이하라는 신호를 사용자 단말기(200)에 전송하도록 통신부(130)를 제어할 수 있다. 사용자 단말기(200)의 프로세서(210)는 통신부(230)를 통해 상기 신호를 수신한 경우, 상기 신호에 포함된 문장을 디스플레이하도록 디스플레이부(250)를 제어할 수 있다.
또 다른 일례로, 사용자 단말기(200)의 저장부(220)에는 복수의 문장이 저장되어 있을 수 있다. 여기서, 복수의 문장은 서로 다른 단어를 이용하여 육하원칙에 맞게 생성된 문장일 수 있다. 그리고, 복수의 문장의 길이는 서로 상이할 수 있다. 장치(100)의 프로세서(110)는 문장이 포함된 화면을 디스플레이하라는 신호를 사용자 단말기(200)에 전송할 수 있다. 이 경우, 사용자 단말기(200)의 프로세서(210)는 저장부(220)에 저장된 복수의 문장 중 어느 하나의 문장을 선택하여 디스플레이하도록 디스플레이부(250)를 제어할 수 있다.
또 다른 일례로, 사용자 단말기(200)의 저장부(220)에는 복수의 단어가 저장되어 있을 수 있다. 여기서, 복수의 단어는 서로 다른 품사와 서로 다른 의미를 갖고 있는 단어일 수 있다. 장치(100)의 프로세서(110)는 문장이 포함된 화면을 디스플레이하라는 신호를 사용자 단말기(200)에 전송할 수 있다. 이 경우, 사용자 단말기(200)의 프로세서(210)는 기 설정된 알고리즘에 기초하여 저장부(220)에 저장된 복수의 단어 중 적어도 일부를 조합하여 육하원칙에 맞는 문장을 생성할 수 있다. 그리고, 프로세서(210)는 생성된 문장을 디스플레이하도록 디스플레이부(250)를 제어할 수 있다.
상술한 예시들은 본 개시의 설명을 위한 예시들에 불과하며, 본 개시는 상술한 예시들에 한정되는 것은 아니다.
한편, 프로세서(110)는 사용자 단말기(200)가 제1 화면 대신 움직이는 객체를 디스플레이하는 것과 연동하여 사용자의 눈이 포함된 영상을 획득하도록 야기하는 제2 태스크를 수행할 수 있다(S120). 사용자는 사용자 단말기(200)의 디스플레이부(250)를 통해 디스플레이되는 움직이는 객체를 응시함으로써 제1 테스트를 진행할 수 있다. 즉, 프로세서(110)는 제2 태스크를 통해 획득된 사용자의 눈이 포함된 영상을 분석하여 사용자의 시선 변화와 관련된 제1 정보를 획득할 수 있다.
본 개시에서 움직이는 객체는 기 설정된 경로를 기 설정된 속도로 특정 방향을 향해 움직이는 객체일 수 있다.
기 설정된 경로는 코사인 파형 또는 사인 파형을 갖도록 움직이는 경로일 수 있다. 다만, 이에 한정되는 것은 아니고 기 설정된 경로는 다양한 형상(예를 들어, 클락(clock) 형상 등)을 갖도록 움직이는 경로일 수 있다.
움직이는 객체가 움직이는 속도가 20 deg/sec 내지 40deg/sec인 경우에, 사용자의 시선을 자극하면서 정확하게 사용자의 치매 여부를 식별할 수 있다. 따라서, 기 설정된 속도는 20 deg/sec 내지 40deg/sec일 수 있다. 다만, 이에 한정되는 것은 아니다.
특정 방향은 화면의 좌측에서 우측을 향하는 방향 또는 화면의 우측에서 좌측을 향하는 방향일 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시에서 움직이는 객체는 기 설정된 크기의 특정 형상을 갖는 객체일 수 있다. 예를 들어, 객체는 직경이 0.2cm인 원형 객체일 수 있다. 상술한 크기의 형상을 갖는 객체가 움직이는 경우, 사용자의 시선이 상기 객체를 따라서 원활하게 움직일 수 있다.
한편, 프로세서(110)는 사용자 단말기가 문장이 가려진 제2 화면을 디스플레이하는 것과 연동하여 녹음 파일을 획득하도록 야기하는 제3 태스크를 수행할 수 있다(S130). 여기서, 제2 화면에서 가려진 문장은 단계(S110)의 제1 화면에 포함된 문장이랑 동일할 수 있다. 따라서, 사용자는 제1 화면에 디스플레이된 문장을 암기한 후 제2 화면이 디스플레이되었을 때 해당 문장을 이야기하는 형태로 제2 테스트를 진행할 수 있다.
본 개시에서 사용자는 단계(S120)를 통해 사용자의 시선 변화를 획득하기 위한 제1 테스트를 진행할 수 있고, 단계들(S110, S130)을 통해 사용자의 음성을 획득하기 위한 제2 테스트를 진행할 수 있다. 상술한 제1 테스트와 제2 테스트를 혼합한 혼합 테스트를 진행하여 획득된 사용자의 시선 변화와 관련된 제1 정보 및 녹음 파일을 분석하여 획득된 제2 정보를 이용하여 사용자가 치매인지 여부를 식별하는 경우 치매 식별의 정확도가 향상될 수 있다. 여기서, 제1 정보와 제2 정보는 디지털 기기를 통해 획득될 수 있는 치매 식별과 관련된 바이오 마커(디지털 바이오 마커)이다.
한편, 본 개시의 몇몇 실시예에 따르면, 사용자의 시선 변화와 관련된 제1 정보를 획득하기 전에 사용자 단말기(200)는 특정 화면을 디스플레이하는 것과 연동하여 사용자의 눈이 포함된 영상을 획득할 수 있다. 그리고, 장치(100)는 상기 영상을 분석하여 사용자의 눈의 기하학적인 특징을 획득할 수 있다. 장치(100)는 사용자의 눈의 기하학적인 특징을 사전 분석하여 사용자의 시선 변화를 정확하게 인식할 수 있다. 이는 도 3을 참조하여 좀더 자세히 설명한다.
도 3은 본 개시의 몇몇 실시예에 따라 사용자의 눈의 기하학적인 특징을 획득하는 방법의 일례를 설명하기 위한 도면이다. 도 3과 관련하여 도 1 및 도 2에서 상술한 바와 중복되는 내용은 다시 설명하지 않으며 이하 차이점을 중심으로 설명한다.
본 개시의 몇몇 실시예에 따르면, 사용자의 시선 변화와 관련된 제1 정보를 획득하기 전에 사용자 단말기(200)는 사용자의 눈의 기하학적인 특징을 획득하기 위한 특정 화면(S)을 디스플레이할 수 있다. 여기서, 특정 화면(S)은 도 2의 단계(S110) 이전에 디스플레이될 수도 있고, 도 2의 단계(S110)와 단계(S120) 사이에 디스플레이될 수도 있다. 다만, 이에 한정되는 것은 아니다.
도 3을 참조하면, 사용자 단말기(200)에 특정 화면(S)이 디스플레이될 때 기 설정된 객체가 기 설정된 시간 동안 복수의 영역(R1, R2, R3, R4, R5) 각각에 디스플레이될 수 있다. 여기서, 기 설정된 객체는 도 2의 단계(S120)에서 디스플레이되는 움직이는 객체와 동일한 크기 및 형상을 가질 수 있다. 즉, 기 설정된 객체는 직경이 0.2cm인 원형 객체일 수 있다. 다만, 이에 한정되는 것은 아니다.
예를 들어, 사용자 단말기(200)의 프로세서(210)는 먼저 제1 영역(R1)에 기 설정된 객체가 기 설정된 시간(예를 들어, 3~4초) 동안 디스플레이되도록 디스플레이부(250)를 제어할 수 있다. 그 다음, 프로세서(210)는 제2 영역(R2)에 기 설정된 객체가 기 설정된 시간(예를 들어, 3~4초) 동안 디스플레이되도록 디스플레이부(250)를 제어할 수 있다. 그리고, 프로세서(210)는 기 설정된 객체가 기 설정된 시간(예를 들어, 3~4초) 동안 제3 영역(R3), 제4 영역(R4) 및 제5 영역(R5) 각각에 순차적으로 디스플레이되도록 디스플레이부(250)를 제어할 수 있다. 이 경우, 복수의 영역(R1, R2, R3, R4, R5) 중 어느 하나의 영역에 기 설정된 객체가 디스플레이되고 있으면, 다른 영역에는 기 설정된 객체가 디스플레이되지 않을 수 있다. 여기서, 기 설정된 객체가 디스플레이되는 위치의 순서는 상술한 순서에 한정되는 것은 아니다.
프로세서(210)는 기 설정된 객체를 복수의 영역(R1, R2, R3, R4, R5) 각각에 기 설정된 시간 동안 디스플레이하는 경우, 사용자의 눈이 포함된 영상을 영상 획득부(240)를 통해 획득할 수 있다. 그리고, 사용자의 눈의 기하학적인 특징은 영상을 분석하여 획득될 수 있다. 여기서, 사용자의 눈의 기하학적인 특징은 사용자의 시선 변화를 정확하게 인식하기 위해 필요한 정보로 동공의 중심점의 위치, 동공의 크기 및 사용자의 눈의 위치 등이 포함될 수 있다. 다만, 이에 한정되는 것은 아니다.
일례로, 사용자 단말기(200)의 프로세서(210)가 영상을 분석하여 사용자의 눈의 기하학적인 특징을 획득할 수 있다. 이 경우, 사용자 단말기(200)의 저장부(220)에 영상을 분석하여 사용자의 눈의 기하학적인 특징을 산출하는 모델이 저장되어 있을 수 있다. 프로세서(210)는 상기 모델에 사용자의 눈이 포함된 영상을 입력하여 사용자의 눈의 기하학적인 특징을 획득할 수 있다.
다른 일례로, 사용자 단말기(200)의 프로세서(210)는 영상 획득부(240)를 통해 영상을 획득한 경우, 영상을 장치(100)에 전송하도록 통신부(230)를 제어할 수 있다. 장치(100)의 프로세서(110)는 통신부(130)를 통해 영상을 수신한 경우, 영상을 분석하여 사용자의 눈의 기하학적인 특징을 획득할 수 있다. 이 경우, 장치(100)의 저장부(120)에 영상을 분석하여 사용자의 눈의 기하학적인 특징을 산출하는 모델이 저장되어 있을 수 있다. 프로세서(110)는 상기 모델에 사용자의 눈이 포함된 영상을 입력하여 사용자의 눈의 기하학적인 특징을 획득할 수 있다.
본 개시의 몇몇 실시예에 따르면, 사용자의 눈의 기하학적인 특징은, 기 설정된 객체가 디스플레이되는 위치가 변경될 때 사용자의 동공의 위치가 변화하는 것에 기초하여 획득될 수 있다. 다만, 이에 한정되는 것은 아니고, 다양한 방법으로 사용자의 눈의 기하학적인 특징이 획득될 수 있다.
본 개시의 몇몇 실시예에 따르면, 특정 화면(S)은 현재 디스플레이되는 화면을 통해 사용자가 수행해야하는 작업이 무엇인지 알려주는 내용의 메시지(M1)를 포함할 수 있다. 예를 들어, 메시지(M1)는 특정 화면(S)에 디스플레이되는 객체를 응시하라는 내용을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 메시지(M1)가 디스플레이되는 것과 연동하여 음향 출력부(260)를 통해 메시지(M1)와 관련된 음향(예를 들어, 메시지(M1) 내에 포함된 내용을 설명하는 음성)이 출력될 수도 있다. 이와 같이, 메시지(M1)와 함께 음향을 출력하여 사용자가 수행해야하는 작업을 사용자에게 인지시키는 경우 사용자가 현재 수행해야하는 작업이 무엇인지 명확하게 이해할 수 있다. 따라서, 단순 실수로 잘못된 작업을 수행할 가능성이 낮아질 수 있다.
상술한 몇몇 실시예와 같이 특정 화면(S)을 디스플레이하면서 사용자의 눈의 기하학적인 특징을 분석한 후에 사용자의 시선 변화와 관련된 제1 정보를 획득하는 경우, 사용자 단말기(200)에 별도의 구성요소 추가 없이 시선 변화를 정확하게 인지할 수 있다.
도 4는 본 개시의 몇몇 실시예에 따라 문장이 포함된 제1 화면을 디스플레이하는 방법의 일례를 설명하기 위한 도면이다. 도 4와 관련하여 도 1 및 도 2와 관련하여 상술한 바와 중복되는 내용은 다시 설명하지 않고, 이하 차이점을 중심으로 설명한다.
도 4의(a)를 참조하면, 장치(100)의 프로세서(110)는 문장(400)이 포함된 제1 화면(S1)이 사용자 단말기(200)에 디스플레이되도록 야기하는 제1 태스크를 수행할 수 있다. 여기서, 문장(400)은 서로 다른 단어를 이용하여 육하원칙에 맞게 생성된 문장일 수 있다.
본 개시에서 제1 화면(S1)은 녹음 버튼(Br)을 포함할 수 있다. 여기서, 녹음 버튼(Br)은 기 설정된 시간 동안 녹음 버튼에 대한 터치 입력이 비활성화된 상태로 제1 화면(S1)에 디스플레이될 수 있다. 즉, 제1 태스크는 사용자 단말기(200)가 녹음 버튼(Br)에 대한 터치 입력이 기 설정된 시간 동안 비활성화된 상태로 제1 화면(S1)을 디스플레이하도록 야기하는 제1 서브 태스크를 포함할 수 있다.
사용자 단말기(200)의 프로세서(210)는 기 설정된 시간이 경과된 경우, 녹음 버튼(Br)에 대한 터치 입력을 활성화시킬 수 있다. 즉, 제1 태스크는 기 설정된 시간이 경과된 경우 제1 화면(S1)에 포함된 녹음 버튼(Br)에 대한 터치 입력을 활성화하는 제2 서브 태스크를 포함할 수 있다.
일례로, 장치(100)의 프로세서(110)는 제1 화면(S1)이 디스플레이된 시점부터 기 설정된 시간이 경과되었는지 여부를 확인할 수 있다. 프로세서(110)는 제1 화면(S1)이 디스플레이된 시점부터 기 설정된 시간이 경과했다고 인식한 경우, 사용자 단말기(200)에 녹음 버튼(Br)을 활성화하라는 신호를 전송할 수 있다. 사용자 단말기(200)는 상기 신호를 수신한 경우, 녹음 버튼(Br)에 대한 터치 입력을 활성화할 수 있다.
다른 일례로, 사용자 단말기(200)의 프로세서(210)는 제1 화면(S1)이 디스플레이된 시점부터 기 설정된 시간이 경과되었는지 여부를 확인할 수 있다. 프로세서(210)는 제1 화면(S1)이 디스플레이된 시점부터 기 설정된 시간이 경과했다고 인식한 경우, 녹음 버튼(Br)에 대한 터치 입력을 활성화할 수 있다.
다만, 상술한 예시들은 본 개시의 일 예시들을 설명하기 위한 것으로 본 개시가 상술한 예시들에 한정되는 것은 아니다.
한편, 본 개시의 몇몇 실시예에 따르면, 녹음 버튼(Br)에 대한 터치 입력의 활성화와 무관하게 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경될 수 있다.
일례로, 프로세서(110)는 사용자 단말기(200)에 제1 화면(S1)이 디스플레이된 후 기 설정된 시간이 경과된 경우(예를 들어, 1~2초) 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 야기할 수 있다. 이 경우, 녹음 버튼(Br)에 대한 터치 입력은 활성화되어 있을 수도 있고, 비활성화되어 있을 수도 있다.
좀더 구체적으로, 프로세서(110)는 사용자 단말기(200)에 제1 화면(S1)이 디스플레이된 후 기 설정된 시간이 경과되었는지 여부를 확인할 수 있다. 그리고, 프로세서(110)는 기 설정된 시간이 경과되었다고 인식한 경우, 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 색상을 변경하라는 신호를 사용자 단말기(200)에 전송하도록 통신부(130)를 제어할 수 있다. 이 경우, 사용자 단말기(200)의 프로세서(210)는 상기 신호를 수신함에 따라 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 디스플레이부(250)를 제어할 수 있다. 다만, 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상을 순서대로 변경시키는 방법은 상술한 예시에 한정되는 것은 아니다.
다른 일례로, 프로세서(110)는 사용자 단말기(200)에 제1 화면(S1)이 디스플레이된 후 바로 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 야기할 수도 있다. 이 경우, 제1 화면(S1)을 디스플레이하라는 신호에 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 색상을 순서대로 변경하라는 신호가 포함되어 있을 수도 있고, 사용자 단말기(200)에서 제1 화면(S1)을 디스플레이할 때 자동으로 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경될 수도 있다. 이 경우, 녹음 버튼(Br)에 대한 터치 입력은 활성화되어 있을 수도 있고, 비활성화되어 있을 수도 있다.
또 다른 일례로, 제1 화면(S1)에 포함된 녹음 버튼(Br)의 터치 입력은 처음부터 활성화된 상태를 유지하고 있을 수 있다. 프로세서(110)는 사용자 단말기(200)에 제1 화면(S1)이 디스플레이된 후 녹음 버튼(Br)에 터치 입력이 감지되었다고 인식한 경우, 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 야기할 수 있다.
좀더 구체적으로, 사용자 단말기(200)의 프로세서(210)는 제1 화면(S1)에 포함된 녹음 버튼(Br)에 대한 터치 입력이 감지된 경우, 녹음 버튼(Br)에 대한 터치가 수행되었다는 정보를 장치(100)에 전송하도록 통신부(230)를 제어할 수 있다. 장치(100)의 프로세서(110)는 사용자 단말기(200)로부터 통신부(130)를 통해 상기 정보를 수신한 경우, 녹음 버튼(Br)에 대한 터치 입력이 감지되었다고 인식할 수 있다. 그리고, 프로세서(110)는 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 색상을 변경하라는 신호를 사용자 단말기(200)에 전송하도록 통신부(130)를 제어할 수 있다. 이 경우, 사용자 단말기(200)의 프로세서(210)는 상기 신호를 수신함에 따라 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 디스플레이부(250)를 제어할 수 있다. 다만, 제1 화면(S1)에 포함된 문장을 구성하는 적어도 하나의 어절의 색상을 순서대로 변경시키는 방법은 상술한 예시에 한정되는 것은 아니다.
한편, 본 개시의 몇몇 실시예에 따르면, 제1 화면(S1)은 현재 디스플레이되는 화면을 통해 사용자가 수행해야하는 작업이 무엇인지 알려주는 내용의 메시지(M2)를 포함할 수 있다. 예를 들어, 메시지(M2)는 제1 화면(S1)에 포함된 문장을 암기하라는 내용을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 메시지(M2)가 디스플레이되는 것과 연동하여 음향 출력부(260)를 통해 메시지(M2)와 관련된 음향(예를 들어, 메시지(M2) 내에 포함된 내용을 설명하는 음성)이 출력될 수도 있다. 이와 같이, 메시지(M2)와 함께 음향을 출력하여 사용자가 수행해야하는 작업을 사용자에게 인지시키는 경우 사용자가 현재 수행해야하는 작업이 무엇인지 명확하게 이해할 수 있다. 따라서, 단순 실수로 잘못된 작업을 수행할 가능성이 낮아질 수 있다.
한편, 도 4의 (b)를 참조하면, 녹음 버튼(Br)이 활성화된 후 녹음 버튼(Br)에 대한 터치 입력이 감지된 경우, 사용자 단말기(200)의 프로세서(210)는 제1 화면(S1)에 포함된 문장(400)을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 디스플레이부(250)를 제어할 수 있다. 여기서, 적어도 하나의 어절의 색상이 순서대로 변경될 때 텍스트의 색상만 변경될 수도 있고, 도 4의 (b)와 같이 텍스트에 색상이 하이라이트되는 형태로 색상이 변경될 수도 있다. 즉, 제1 태스크는 제1 화면(S1)에 포함된 녹음 버튼에 대한 터치 입력에 따라 제1 화면(S1)에 포함된 문장(400)에 포함된 적어도 하나의 어절의 색상이 순서대로 변경되도록 야기하는 제3 서브 태스크를 포함할 수 있다.
일례로, 사용자 단말기(200)의 프로세서(210)는 녹음 버튼(Br)에 대한 터치 입력에 따라 특정 신호를 생성하여 장치(100)에 전송하도록 통신부(230)를 제어할 수 있다. 장치(100)의 프로세서(110)는 상기 특정 신호를 통신부(130)를 통해 수신한 경우, 제1 화면(S1)에 포함된 문장(400)을 구성하는 적어도 하나의 어절의 색상을 순서대로 변경하라는 신호를 사용자 단말기(200)에 전송할 수 있다. 사용자 단말기(200)의 프로세서(210)는 상기 신호를 통신부(230)를 통해 수신한 경우, 제1 화면(S1)에 포함된 문장(400)을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 디스플레이부(250)를 제어할 수 있다.
다른 일례로, 사용자 단말기(200)의 프로세서(210)는 녹음 버튼(Br)에 대한 터치 입력에 따라 녹음 버튼(Br)이 선택되었다는 신호를 장치(100)에 전송하도록 통신부(230)를 제어할 수 있다. 그 다음, 사용자 단말기(200)의 프로세서(210)는 제1 화면(S1)에 포함된 문장(400)을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 디스플레이부(250)를 제어할 수 있다. 즉, 사용자 단말기(200)는 장치(100)로부터 별도의 신호를 수신하지 않고 바로 제1 화면(S1)에 포함된 문장(400)을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 디스플레이부(250)를 제어할 수 있다.
한편, 제1 화면(S1)에 포함된 문장(400)을 구성하는 적어도 하나의 어절 중 첫번째 어절부터 순차적으로 색상이 변경될 수 있다.
예를 들어, 제1 화면(S1)에 포함된 문장(400)이 "영희는 화요일에 도서관에서 동생을 35분동안 만났다."인 경우, 프로세서(210)는 문장(400)의 첫번째 어절("영희는")의 색상이 먼저 변경되도록 디스플레이부(250)를 제어할 수 있다. 그리고, 프로세서(210)는 기 설정된 시간(예를 들어, 1~2초)이 경과된 후에 두번째 어절이 첫번째 어절과 동일한 색상으로 변경되도록 디스플레이부(250)를 제어할 수 있다. 프로세서(210)는 이런 식으로 제1 화면(S1)에 포함된 문장(400)을 구성하는 적어도 하나의 어절 전체의 색상을 순차적으로 변경할 수 있다.
본 개시의 프로세서(210)는 자체적으로 또는 장치(100)로부터 특정 신호를 수신한 경우에 문장(400)의 적어도 하나의 어절의 색상을 순차적으로 변경하도록 디스플레이부(250)를 제어할 수 있다.
제1 화면(S1) 상에 문장(400)이 단순히 디스플레이되는 경우 사용자가 문장을 전체적으로 읽지 않을 수도 있다. 하지만, 상술한 바와 같이 사용자가 녹음 버튼(Br)을 터치함에 따라 문장(400)을 구성하는 적어도 하나의 어절의 색상이 순차적으로 변경되는 경우, 사용자가 문장을 전체적으로 읽을 가능성이 높아진다. 즉, 사용자가 문장(400)을 전체적으로 읽지 않아서 제2 테스트가 제대로 수행되지 못하는 문제점이 상술한 실시예를 통해 해결될 수 있다.
한편, 본 개시의 몇몇 실시예에 따르면, 녹음 버튼(Br)에 대한 터치 입력이 감지된 경우, 녹음 버튼(Br)에 기 설정된 효과가 부가되면서 디스플레이될 수 있다. 예를 들어, 녹음 버튼(Br)을 중심으로 기 설정된 색상이 퍼져 나가는 형태의 효과가 녹음 버튼(Br)에 부가될 수 있다. 다만, 기 설정된 효과는 상술한 예시에 한정되는 것은 아니고 다양한 효과가 녹음 버튼(Br)에 부가될 수 있다. 상술한 바와 같이 녹음 버튼(Br)에 대한 터치 입력이 감지된 경우 녹음 버튼(Br)에 기 설정된 효과가 부가되면 사용자가 현재 녹음이 진행 중이라는 것을 인지할 수 있다.
본 개시의 몇몇 실시예에 따르면, 장치(100)의 프로세서(110)는 녹음 버튼(Br)에 대한 터치 입력이 감지된 경우, 예비 녹음 파일을 획득할 수 있다. 그리고, 프로세서(110)는 사용자 단말기(200)에서 획득된 예비 녹음 파일을 통해 음성 분석이 가능한 상태인지 여부를 인식할 수 있다. 이는 도 5를 참조하여 좀더 자세히 후술한다.
도 5는 본 개시의 몇몇 실시예에 따라 예비 녹음 파일을 획득하여 음성 분석이 가능한 상태인지 여부를 확인하는 방법의 일례를 설명하기 위한 흐름도이다. 도 5와 관련하여 도 1 내지 도 4와 관련하여 상술한 바와 중복되는 내용은 다시 설명하지 않고, 이하 차이점을 중심으로 설명한다.
도 5를 참조하면, 장치(100)의 프로세서(110)는 녹음 버튼에 대한 터치 입력에 따라 예비 녹음 파일을 획득하는 제4 서브 태스크를 수행할 수 있다(S111).
구체적으로, 사용자 단말기(200)의 프로세서(210)는 녹음 버튼에 대한 터치 입력이 감지된 경우 기 설정된 시간 동안 사용자의 음성이 포함된 예비 녹음 파일을 음향 획득부(270)를 통해 획득할 수 있다. 사용자 단말기(200)의 프로세서(210)는 예비 녹음 파일을 획득한 경우, 예비 녹음 파일을 장치(100)에 전송할 수 있다. 그리고, 장치(100)의 프로세서(110)는 통신부(130)를 제어하여 사용자 단말기(200)로부터 사용자의 음성을 포함하는 예비 녹음 파일을 수신할 수 있다.
프로세서(110)는 단계(S111)에서 획득된 예비 녹음 파일을 분석하여 음성 분석이 가능한지 여부를 결정하는 제5 서브 태스크를 수행할 수 있다(S112).
구체적으로, 프로세서(110)는 음성 인식 기술을 통해 예비 녹음 파일을 예비 텍스트 데이터로 변환할 수 있다. 그리고, 프로세서(110)는 예비 텍스트 데이터와 원문 데이터 사이의 유사도를 나타내는 유사도 정보(제2 유사도 정보)에 기초하여 음성 분석이 가능한지 여부를 결정할 수 있다. 여기서, 원문 데이터는 도 2의 단계(S110)에서 제1 화면에 포함된 문장일 수 있다.
좀더 구체적으로, 장치(100)의 저장부(120)에는 녹음 파일을 텍스트 데이터로 변환하는 음성 인식 기술(예를 들어, Speech To Text; STT)과 관련된 알고리즘이 저장되어 있을 수 있다. 예를 들어, 음성 인식 기술과 관련된 알고리즘은 HMM(Hidden Markov Model) 등일 수 있다. 프로세서(110)는 저장부(120)에 저장된 음성 인식 기술과 관련된 알고리즘을 이용하여 예비 녹음 파일을 예비 텍스트 데이터로 변환할 수 있다. 그리고, 프로세서(110)는 예비 텍스트 데이터와 원문 데이터 사이의 유사도를 나타내는 유사도 정보(제2 유사도 정보)에 기초하여 음성 분석이 가능한지 여부를 결정할 수 있다. 여기서, 음성 분석이 가능하다는 것은 녹음 파일에 노이즈가 적고 녹음 파일에서 사용자의 음성 데이터 추출이 제대로 이루어질 수 있다는 것을 의미할 수 있다.
본 개시에서 유사도 정보(제2 유사도 정보)는 프로세서(110)가 예비 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 횟수에 대한 정보를 포함할 수 있다. 여기서, 작업은 삽입 작업, 삭제 작업 및 대체 작업 중 적어도 하나를 포함할 수 있다.
삽입 작업은 예비 텍스트 데이터에 적어도 하나의 글자를 삽입하는 작업을 의미할 수 있다. 예를 들어, 예비 텍스트 데이터가 2개의 글자를 포함하고 있고 원문 데이터가 예비 텍스트 데이터와 동일한 글자를 포함하면서 1개의 글자를 더 포함하고 있는 경우, 원문 데이터에만 포함되어 있는 1개의 글자를 예비 텍스트 데이터에 삽입하는 작업이 삽입 작업일 수 있다.
삭제 작업은 예비 텍스트 데이터에 포함된 적어도 하나의 글자를 삭제하는 작업을 의미할 수 있다. 예를 들어, 원문 데이터가 2개의 글자를 포함하고 있고 예비 텍스트 데이터가 원문 데이터와 동일한 글자를 포함하면서 1개의 글자를 더 포함하고 있는 경우, 원문 데이터에 포함되어 있지 않은 1개의 글자를 예비 텍스트 데이터에서 삭제하는 작업이 삭제 작업일 수 있다.
대체 작업은 예비 텍스트 데이터에 포함된 적어도 하나의 글자를 다른 글자로 대체하는 작업을 의미할 수 있다. 예를 들어, 원문 데이터가 2개의 글자를 포함하고 있고, 예비 텍스트 데이터도 2개의 글자를 포함하되 원문 데이터와 1개의 글자만 동일한 경우, 원문 데이터와 상이한 예비 텍스트 데이터에 포함된 글자를 원문 데이터와 동일하게 수정하는 작업이 대체 작업일 수 있다.
프로세서(110)는 예비 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 횟수가 기 설정된 값을 초과하는지 여부에 기초하여 음성 분석이 가능한지 여부를 결정할 수 있다. 여기서, 기 설정된 값은 저장부(120)에 사전 저장되어 있을 수 있다. 다만, 이에 한정되는 것은 아니다.
일례로, 프로세서(110)는 예비 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 횟수가 기 설정된 값을 초과하는 경우, 음성 분석이 불가능하다고 결정할 수 있다. 즉, 제5 서브 태스크는 예비 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 획수가 기 설정된 값을 초과하는 경우 음성 분석이 불가능하다고 결정하는 동작을 수행할 수 있다.
다른 일례로, 프로세서(110)는 예비 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 횟수가 기 설정된 값 이하인 경우 음성 분석이 가능하다고 결정할 수 있다. 즉, 제5 서브 태스크는 예비 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 획수가 기 설정된 값 이하인 경우 음성 분석이 가능하다고 결정하는 동작을 수행할 수 있다.
한편, 프로세서(110)는 단계(S112)에서 음성 분석이 불가능하다고 인식한 경우(S112, No), 사용자 단말기(200)가 기 설정된 알람을 출력하도록 야기하는 제6 서브 태스크를 수행할 수 있다(S113).
구체적으로, 프로세서(110)는 유사도 정보에 기초하여 텍스트 데이터와 원문 데이터가 상이하다고 인식한 경우(예비 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 횟수가 기 설정된 값을 초과하는 경우), 사용자 단말기(200)가 기 설정된 알람을 출력하도록 하는 신호를 사용자 단말기(200)에 전송할 수 있다. 사용자 단말기(200)의 프로세서(210)는 상기 신호를 통신부(230)를 통해 수신한 경우, 디스플레이부(250) 및 음향 출력부(260) 중 적어도 하나를 통해 기 설정된 알람을 출력할 수 있다. 여기서, 기 설정된 알람은 조용한 곳에서 녹음을 진행하라는 내용이 포함된 메시지일 수도 있고, 조용한 곳에서 녹음을 진행하라는 내용의 음성 데이터일 수도 있다. 다만, 기 설정된 알람의 종류는 상술한 예시에 한정되는 것은 아니고 다양한 종류의 알람이 사용자 단말기(200)에서 출력될 수 있다.
한편, 프로세서(110)는 음성 분석이 가능하다고 인식한 경우(S112, Yes), 사용자 단말기(200)가 제1 화면 대신 움직이는 객체를 디스플레이하는 것과 연동하여 사용자의 눈이 포함된 영상을 획득하는 제2 태스크를 수행할 수 있다.
결과적으로, 사용자 단말기가 문장이 포함된 제1 화면을 디스플레이하도록 야기하는 제1 태스크는, 터치 입력에 따라 예비 녹음 파일을 획득하는 제4 서브 태스크, 예비 녹음 파일을 분석하여 음성 분석이 가능한지 여부를 결정하는 제5 서브 태스크 및 음성 분석이 불가능하다고 결정된 경우 사용자 단말기가 기 설정된 알람을 출력하도록 야기하는 제6 서브 태스크를 더 포함할 수 있다. 그리고, 상기 제5 서브 태스크는 예비 녹음 파일을 음성 인식 기술을 통해 변환한 예비 텍스트 데이터와 원문 데이터 사이의 유사도를 나타내는 제2 유사도 정보에 기초하여 음성 분석이 가능한지 여부를 결정할 수 있다.
한편, 도 5에서 상술한 적어도 하나의 실시예는 도 2의 단계(S110)와 단계(S120) 사이에서 수행될 수 있다. 다만, 이에 한정되는 것은 아니고, 도 2의 단계(S110) 이후에 바로 단계(S120)가 수행될 수도 있다. 즉, 도 5에서 상술한 적어도 하나의 실시예는 장치(100)에서 수행되지 않을 수도 있다.
도 6은 본 개시의 몇몇 실시예에 따라 움직이는 객체를 디스플레이하는 방법의 일례를 설명하기 위한 도면이다. 도 6과 관련하여 도 1 내지 도 5와 관련하여 상술한 바와 중복되는 내용은 다시 설명하지 않고 이하 차이점을 중심으로 설명한다.
도 6을 참조하면, 사용자 단말기(200)에 디스플레이되는 움직이는 객체(Om)는 기 설정된 경로(P)를 따라 기 설정된 속도로 특정 방향(D)을 향해 움직일 수 있다.
본 개시에서 움직이는 객체(Om)는 기 설정된 크기의 특정 형상을 갖는 객체일 수 있다. 예를 들어, 움직이는 객체(Om)는 직경이 0.2cm인 원형 객체일 수 있다. 상술한 크기의 형상을 갖는 객체(Om)가 움직이는 경우, 사용자의 시선이 상기 객체를 따라서 원활하게 움직일 수 있다.
본 개시에서 기 설정된 경로(P)는 코사인(cosine) 파형 또는 사인(sine) 파형을 갖도록 움직이는 경로일 수 있다. 여기서, 코사인 파형 또는 사인 파형의 진폭(amplitude)은 일정할 수 있다. 다만, 이에 한정되는 것은 아니다.
기 설정된 속도는 20 deg/sec 내지 40deg/sec인 경우에, 사용자의 시선을 자극하면서 정확하게 사용자의 치매 여부를 식별하기에 적당할 수 있다. 따라서, 기 설정된 속도는 20 deg/sec 내지 40deg/sec일 수 있다. 다만, 이에 한정되는 것은 아니다.
특정 방향(D)은 화면의 좌측에서 우측을 향하는 방향 또는 화면의 우측에서 좌측을 향하는 방향일 수 있다. 다만, 이에 한정되는 것은 아니다.
한편, 본 개시의 몇몇 실시예에 따르면, 사용자 단말기가 문장이 포함된 제1 화면을 디스플레이하도록 야기하는 제1 태스크, 사용자 단말기가 제1 화면 대신 움직이는 객체를 디스플레이하는 것과 연동하여 사용자의 눈이 포함된 영상을 획득하도록 야기하는 제2 태스크 및 사용자 단말기가 문장이 가려진 제2 화면을 디스플레이하는 것과 연동하여 녹음 파일을 획득하도록 야기하는 제3 태스크는 기 설정된 라운드(round)만큼 수행될 수 있다. 여기서, 움직이는 객체의 속도와 움직이는 객체가 움직이는 방향 중 적어도 하나는 라운드가 변경됨에 따라 변경될 수 있다. 더불어, 제1 태스크 및 제3 태스크와 관련된 문장도 라운드가 변경됨에 따라 변경될 수 있다.
예를 들어, 첫 라운드에서 제2 태스크를 수행할 때 움직이는 객체의 속도는 그 다음 라운드에서 제2 태스크를 수행할 때 움직이는 객체의 속도보다 느릴 수 있다. 그리고, 첫 라운드에서 제2 태스크를 수행할 때 움직이는 객체가 왼쪽에서 오른쪽 방향으로 움직였다면, 그 다음 라운드에서 제2 태스크를 수행할 때 움직이는 객체는 왼쪽에서 오른쪽 방향으로 움직일 수 있다. 더불어, 첫 라운드에서 제1 태스크 및 제3 태스크를 수행할 때의 문장은 제1 길이의 문장일 수 있고, 다음 라운드에서 제1 태스크 및 제3 태스크를 수행할 때의 문장은 제1 길이보다 긴 제2 길이의 문장일 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 제1 태스크를 수행한 후 제2 태스크를 수행하기 전에 사용자가 수행해야하는 작업이 무엇인지를 알려주는 화면이 디스플레이될 수 있다. 즉, 제1 태스크가 완료되면, 사용자가 제2 태스크에서 수행해야되는 작업이 무엇인지 알려주는 메시지를 포함하는 화면이 사용자 단말기(200)에 디스플레이될 수 있다.
한편, 도 6에는 도시되지 않았지만, 움직이는 객체가 디스플레이되는 화면은 현재 디스플레이되는 화면을 통해 사용자가 수행해야하는 작업이 무엇인지 알려주는 내용의 메시지를 포함할 수 있다. 예를 들어, 메시지는 움직이는 객체를 응시하라는 내용을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 메시지가 디스플레이되는 것과 연동하여 음향 출력부(260)를 통해 메시지와 관련된 음향(예를 들어, 메시지 내에 포함된 내용을 설명하는 음성)이 출력될 수도 있다. 이와 같이, 메시지(M1)와 함께 음향을 출력하여 사용자가 수행해야하는 작업을 사용자에게 인지시키는 경우 사용자가 현재 수행해야하는 작업이 무엇인지 명확하게 이해할 수 있다. 따라서, 단순 실수로 잘못된 작업을 수행할 가능성이 낮아질 수 있다.
한편, 본 개시의 몇몇 실시예에 따르면, 장치(100)의 프로세서(110)는 움직이는 객체를 디스플레이하는 것과 연동하여 사용자의 눈이 포함된 영상을 획득할 수 있다. 그리고, 프로세서(110)는 상기 영상을 분석하여 시선 변화와 관련된 제1 정보를 획득할 수 있다. 여기서, 제1 정보는 사용자의 눈이 포함된 영상에서 분석된 사용자의 동공의 좌표 값을 이용하여 산출될 수 있다. 그리고, 동공의 좌표 값은, 동공의 중심점이 위치하는 지점의 좌표 값일 수도 있고, 동공의 테두리와 관련된 좌표 값들일 수도 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 제1 정보는 사용자의 눈이 움직인 거리와 움직이는 객체(Om)가 움직인 거리에 기초하여 산출되는 정확도 정보, 움직이는 객체(Om)가 움직이기 시작한 시점과 사용자의 눈이 움직이기 시작한 시점에 기초하여 산출되는 레이턴시(latency) 정보 및 사용자의 눈이 움직인 속도와 관련된 속도 정보 중 적어도 하나를 포함할 수 있다. 다만, 제1 정보가 정확도 정보, 레이턴시 정보 및 속도 정보를 모두 포함하는 경우 치매 식별의 정확도가 향상될 수 있다.
본 개시에서 정확도 정보는 사용자의 시선이 움직이는 객체(Om)를 정확하게 응시하고 있는지에 대한 정보일 수 있다. 여기서, 정확도 정보는 사용자의 시선이 움직인 거리에 대한 정보와 움직이는 객체(Om)가 움직인 거리에 대한 정보를 이용하여 결정될 수 있다. 구체적으로, 사용자의 시선이 움직인 거리를 움직이는 객체(Om)가 움직인 거리로 나눠서 나오는 값이 1에 가까울수록 사용자의 시선이 움직이는 객체(Om)를 정확하게 응시하고 있다고 인식할 수 있다.
본 개시에서 레이턴시 정보는 사용자의 반응 속도를 확인하기 위한 정보일 수 있다. 즉, 레이턴시 정보는 움직이는 객체(Om)가 움직이기 시작한 시점부터 사용자의 눈이 움직이기 시작한 시점까지 소요된 시간에 대한 정보를 포함할 수 있다.
본 개시에서 속도 정보는 사용자의 눈의 움직임 속도를 의미할 수 있다. 즉, 속도 정보는 사용자의 눈동자가 이동한 거리에 대한 정보와 사용자의 눈동자가 이동할 때 소용되는 시간에 대한 정보에 기초하여 산출될 수 있다. 다만, 이에 한정되는 것은 아니고, 프로세서(110)는 다양한 방법으로 속도 정보를 산출할 수 있다. 예를 들어, 프로세서(110)는 사용자의 시선의 위치 궤적을 생성하고, 위치 궤적을 미분해서 속도 값을 환원함으로써 속도 정보를 산출할 수 있다.
한편, 본 개시의 몇몇 실시예에 따르면, 움직이는 객체를 디스플레이하는 것과 연동하여 사용자의 눈이 포함된 영상을 획득한 경우, 문장이 가려진 제2 화면을 디스플레이하는 것과 연동하여 녹음 파일을 획득할 수 있다. 이는 도 7을 참조하여 좀더 자세히 후술한다.
도 7은 본 개시의 몇몇 실시예에 따라 문장이 가려진 제2 화면을 디스플레이하는 것과 연동하여 녹음 파일을 획득하는 방법의 일례를 설명하기 위한 도면이다. 도 7과 관련하여 도 1 내지 도 6과 관련하여 상술한 바와 중복되는 내용은 다시 설명하지 않으며, 이하 차이점을 중심으로 설명한다.
도 7의 (a)를 참조하면, 사용자 단말기(200)의 프로세서(210)는 문장이 가려진 제2 화면(S2)을 디스플레이할 수 있다. 여기서, 제2 화면(S2)은 문장이 몇 개의 어절로 구성되는지 알 수 있도록 문장을 구성하는 적어도 하나의 어절이 구분되어 가려진 화면일 수 있다. 상술한 바와 같이 적어도 하나의 어절이 구분되어 가려지는 경우, 사용자가 어절의 개수를 확인할 수 있다. 따라서, 사용자가 이전에 암기했던 문장을 어절의 개수를 확인함으로써 자연스럽게 생각해 낼 수 있다.
본 개시에서 제2 화면(S2)은 제1 화면(S1)과 마찬가지로 녹음 버튼(Br)을 포함할 수 있다. 다만, 제1 화면이 디스플레이될 때와는 상이하게 녹음 버튼(Br)은 계속 터치 입력이 활성화된 상태일 수 있다.
본 개시의 몇몇 실시예에서 사용자가 녹음 버튼(Br)을 터치하는 터치 입력이 감지된 경우, 장치(100)의 프로세서(110)는 사용자 단말기(200)가 녹음 파일을 획득하도록 야기할 수 있다.
구체적으로, 사용자 단말기(200)의 프로세서(210)는 녹음 버튼(Br)을 터치하는 터치 입력이 감지된 경우, 사용자의 음성이 포함된 녹음 파일을 음향 획득부(270)를 통해 획득할 수 있다. 프로세서(210)는 녹음 파일을 장치(100)에 전송하도록 통신부(230)를 제어할 수 있다. 이 경우, 장치(100)의 프로세서(110)는 녹음 파일을 통신부(130)를 통해 수신함으로써 녹음 파일을 획득할 수 있다.
한편, 녹음 버튼(Br)에 대한 터치 입력이 감지된 경우, 녹음 버튼(Br)에 기 설정된 효과가 부가되면서 디스플레이될 수 있다. 예를 들어, 녹음 버튼(Br)을 중심으로 기 설정된 색상이 퍼져나가는 형태의 효과가 녹음 버튼(Br)에 부가될 수 있다. 다만, 기 설정된 효과는 상술한 예시에 한정되는 것은 아니고 다양한 효과가 녹음 버튼(Br)에 부가될 수 있다. 상술한 바와 같이 녹음 버튼(Br)에 대한 터치 입력이 감지된 경우 녹음 버튼(Br)에 기 설정된 효과가 부가되면 사용자가 현재 녹음이 진행 중이라는 것을 인지할 수 있다.
본 개시의 몇몇 실시예에 따르면, 제2 화면(S2)은 현재 디스플레이되는 화면을 통해 사용자가 수행해야하는 작업이 무엇인지 알려주는 내용의 메시지(M3)를 포함할 수 있다. 예를 들어, 메시지(M3)는 암기한 문장을 소리내서 말하라는 내용을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 메시지(M3)가 디스플레이되는 것과 연동하여 음향 출력부(260)를 통해 메시지(M3)와 관련된 음향(예를 들어, 메시지(M3) 내에 포함된 내용을 설명하는 음성)이 출력될 수도 있다. 이와 같이, 메시지(M3)와 함께 음향을 출력하여 사용자가 수행해야하는 작업을 사용자에게 인지시키는 경우 사용자가 현재 수행해야하는 작업이 무엇인지 명확하게 이해할 수 있다. 따라서, 단순 실수로 잘못된 작업을 수행할 가능성이 낮아질 수 있다.
한편, 도 7의 (b)를 참조하면, 문장을 구성하는 적어도 하나의 어절 중 특정 어절(A)은 디스플레이되고 특정 어절(A)을 제외한 나머지 어절은 가려지는 형태로 제2 화면이 디스플레이될 수 있다. 여기서, 특정 어절(A)은 서술어가 포함된 어절일 수도 있고 문장의 맨 마지막에 배치되는 어절일 수도 있다. 다만, 이에 한정되는 것은 아니다.
상술한 바와 같이, 특정 어절(A)이 가려지지 않고 제2 화면에 디스플레이되는 경우, 특정 어절(A)은 사용자가 암기한 전체 문장을 기억해내도록 만드는 힌트가 될 수 있다.
사용자가 치매인 경우, 특정 어절(A)이 디스플레이되더라도 사용자는 전체 문장을 기억해낼 수 없다. 하지만, 사용자가 치매가 아닌 경우 특정 어절(A)이 디스플레이되면 사용자는 전체 문장을 기억해낼 수 있다. 따라서, 특정 어절(A)이 제2 화면에서 가려지지 않고 디스플레이된 후 획득된 녹음 파일을 분석하여 치매 여부를 분석하는 디지털 바이오 마커로 활용하는 경우 치매 식별의 정확도가 높아질 수 있다.
한편, 본 개시의 몇몇 실시예에 따르면, 장치(100)의 프로세서(110)는 사용자의 시선 변화와 관련된 제1 정보 및 녹음 파일을 분석하여 획득된 제2 정보를 이용하여 사용자의 치매 여부를 식별할 수 있다. 이는 도 8을 참조하여 좀더 자세히 설명한다.
도 8은 본 개시의 몇몇 실시예에 따라 사용자의 시선 변화와 관련된 제1 정보 및 녹음 파일을 분석하여 획득된 제2 정보를 이용하여 사용자의 치매 여부를 식별하는 방법의 일례를 설명하기 위한 흐름도이다. 도 8과 관련하여 도 1 내지 도 7에서 상술한 바와 중복되는 내용은 다시 설명하지 않으며 이하 차이점을 중심으로 설명한다.
도 8을 참조하면, 장치(100)의 프로세서(110)는 사용자의 시선 변화와 관련된 제1 정보 및 녹음 파일을 분석하여 획득된 제2 정보를 치매 식별 모델에 입력하여 스코어 값을 산출할 수 있다(S210). 다만, 치매 식별 모델의 치매 식별의 정확도를 향상시키기 위해서 장치(100)의 프로세서(110)는 제1 정보 및 제2 정보 전부를 치매 식별 모델에 입력할 수도 있다. 여기서, 제1 정보와 제2 정보는 치매 식별을 위한 디지털 바이오 마커(디지털 기기를 통해 획득되는 바이오 마커)일 수 있다.
본 개시에서 사용자의 시선 변화와 관련된 제1 정보와 녹음 파일을 분석하여 획득된 제2 정보는 다양한 종류의 디지털 바이오 마커들 중 치매 식별과 상관 계수가 높은 디지털 바이오 마커일 수 있다. 따라서, 제1 정보 및 제2 정보를 이용하여 치매 여부를 결정하는 경우, 정확도가 향상될 수 있다.
본 개시에서 제1 정보는 사용자의 눈이 움직인 거리와 움직이는 객체가 움직인 거리에 기초하여 산출되는 정확도 정보, 움직이는 객체가 움직이기 시작한 시점과 사용자의 눈이 움직이기 시작한 시점에 기초하여 산출되는 레이턴시 정보 및 사용자의 눈이 움직인 속도와 관련된 속도 정보 중 적어도 하나를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
한편, 제1 정보가 정확도 정보, 레이턴시 정보 및 속도 정보를 모두 포함할 수 있다. 이 경우, 치매 식별의 정확도가 보다 향상될 수 있다.
본 개시에서 제1 정보는 장치(100)에서 획득될 수도 있고, 사용자 단말기(200)에서 획득된 후 장치(100)가 수신할 수도 있다.
일례로, 사용자 단말기(200)의 프로세서(210)는 제2 태스크를 수행하는 동안 영상 획득부(240)를 통해 사용자의 눈이 포함된 영상을 획득할 수 있다. 프로세서(210)는 상기 영상을 바로 장치(100)에 전송하도록 통신부(230)를 제어할 수 있다. 장치(100)의 프로세서(110)는 통신부(130)를 통해 상기 영상을 수신할 수 있다. 이 경우, 프로세서(110)는 상기 영상을 분석하여 제1 정보를 획득할 수 있다.
다른 일례로, 사용자 단말기(200)의 프로세서(210)는 제2 태스크를 수행하는 동안 영상 획득부(240)를 통해 사용자의 눈이 포함된 영상을 획득할 수 있다. 프로세서(210)는 상기 영상을 분석하여 제1 정보를 생성할 수 있다. 프로세서(210)는 제1 정보를 장치(100)에 전송하기 위해 통신부(230)를 제어할 수 있다. 이 경우, 프로세서(110)는 통신부(130)를 통해 제1 정보를 수신하는 방법으로 제1 정보를 획득할 수 있다.
본 개시에서 제2 정보는 녹음 파일을 음성 인식 기술을 통해 변환한 텍스트 데이터와 원문 데이터 사이의 유사도를 나타내는 제1 유사도 정보 및 녹음 파일에 의해 분석된 사용자의 음성 분석 정보 중 적어도 하나를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
한편, 제2 정보는 제1 유사도 정보 및 음성 분석 정보를 모두 포함할 수 있다. 이 경우 치매 식별의 정확도 보다 향상될 수 있다.
본 개시에서 프로세서(110)는 음성 인식 기술을 통해 녹음 파일을 텍스트 데이터로 변환할 수 있다. 그리고, 프로세서(110)는 텍스트 데이터와 원문 데이터 사이의 유사도를 나타내는 유사도 정보(제1 유사도 정보)를 생성할 수 있다. 여기서, 원문 데이터는 도 2의 단계(S110)에서 제1 화면에 포함된 문장일 수 있다.
구체적으로, 장치(100)의 저장부(120)에는 녹음 파일을 텍스트 데이터로 변환하는 음성 인식 기술(예를 들어, Speech To Text; STT)과 관련된 알고리즘이 저장되어 있을 수 있다. 예를 들어, 음성 인식 기술과 관련된 알고리즘은 HMM(Hidden Markov Model) 등일 수 있다. 프로세서(110)는 저장부(120)에 저장된 음성 인식 기술과 관련된 알고리즘을 이용하여 녹음 파일을 텍스트 데이터로 변환할 수 있다. 그리고, 프로세서(110)는 텍스트 데이터와 원문 데이터 사이의 유사도를 나타내는 제1 유사도 정보를 생성할 수 있다.
제1 유사도 정보를 생성하는 방법은 상술한 예시에 한정되는 것은 아니고, 사용자 단말기(200)의 프로세서(210)가 동일한 방법으로 제1 유사도 정보를 생성할 수도 있다. 이 경우, 장치(100)는 사용자 단말기(200)로부터 제1 유사도 정보를 수신함으로써 제1 유사도 정보를 획득할 수 있다.
본 개시에서 제1 유사도 정보는 삽입 작업, 삭제 작업 및 대체 작업 중 적어도 하나를 통해 텍스트 데이터를 원문 데이터로 변환 시 수행되는 작업의 횟수에 대한 정보를 포함할 수 있다. 여기서, 작업의 횟수가 많으면 많을수록 원문 데이터와 텍스트 데이터가 비유사하다고 판단될 수 있다.
삽입 작업은 텍스트 데이터에 적어도 하나의 글자를 삽입하는 작업을 의미할 수 있다. 예를 들어, 텍스트 데이터가 2개의 글자를 포함하고 있고 원문 데이터가 텍스트 데이터와 동일한 글자를 포함하면서 1개의 글자를 더 포함하고 있는 경우, 원문 데이터에만 포함되어 있는 1개의 글자를 텍스트 데이터에 삽입하는 작업이 삽입 작업일 수 있다.
삭제 작업은 텍스트 데이터에 포함된 적어도 하나의 글자를 삭제하는 작업을 의미할 수 있다. 예를 들어, 원문 데이터가 2개의 글자를 포함하고 있고 텍스트 데이터가 원문 데이터와 동일한 글자를 포함하면서 1개의 글자를 더 포함하고 있는 경우, 원문 데이터에 포함되어 있지 않은 1개의 글자를 텍스트 데이터에서 삭제하는 작업이 삭제 작업일 수 있다.
대체 작업은 텍스트 데이터에 포함된 적어도 하나의 글자를 다른 글자로 대체하는 작업을 의미할 수 있다. 예를 들어, 원문 데이터가 2개의 글자를 포함하고 있고, 텍스트 데이터도 2개의 글자를 포함하되 원문 데이터와 1개의 글자만 동일한 경우, 원문 데이터와 상이한 텍스트 데이터에 포함된 글자를 원문 데이터와 동일하게 수정하는 작업이 대체 작업일 수 있다.
본 개시에서 음성 분석 정보는 사용자의 말하기 속도 정보 및 제2 화면이 디스플레이된 제1 시점과 녹음 파일의 녹음이 시작된 제2 시점에 기초하여 산출된 응답 속도 정보 중 적어도 하나를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.
한편, 음성 분석 정보는 말하기 속도 정보 및 응답 속도 정보를 모두 포함할 수 있다. 이 경우, 치매 식별의 정확도가 보다 향상될 수 있다.
본 개시에서 말하기 속도 정보는 사용자가 발화한 단어의 수에 대한 정보와 사용자가 발화를 완료할 때까지 소요된 총 소요 시간에 대한 정보에 기초하여 산출될 수 있다. 다만, 이에 한정되는 것은 아니고, 프로세서(110)는 다양한 알고리즘에 기초하여 말하기 속도 정보를 획득할 수 있다.
본 개시에서 응답 속도 정보는 제2 화면이 디스플레이된 제1 시점부터 녹음 파일의 녹음이 시작된 제2 시점까지 소요된 시간을 나타낼 수 있다. 즉, 제1 시점부터 제2 시점까지 소요된 시간이 짧은 경우 응답 속도가 빠르다고 인식될 수 있고, 제1 시점부터 제2 시점까지 소요된 시간이 긴 경우 응답 속도가 느리다고 인식될 수 있다.
본 개시에서 제2 정보는 장치(100)에서 획득될 수도 있고, 사용자 단말기(200)에서 획득된 후 장치(100)가 수신할 수도 있다.
일례로, 사용자 단말기(200)의 프로세서(210)는 제3 태스크를 수행하는 동안 음향 획득부(270)를 통해 녹음 파일을 획득할 수 있다. 프로세서(210)는 상기 녹음 파일을 바로 장치(100)에 전송하도록 통신부(230)를 제어할 수 있다. 장치(100)의 프로세서(110)는 통신부(130)를 통해 상기 녹음 파일을 수신할 수 있다. 이 경우, 프로세서(110)는 상기 녹음 파일을 분석하여 제2 정보를 획득할 수 있다.
다른 일례로, 사용자 단말기(200)의 프로세서(210)는 제3 태스크를 수행하는 동안 음향 획득부(270)를 통해 녹음 파일을 획득할 수 있다. 프로세서(210)는 상기 녹음 파일을 분석하여 제2 정보를 생성할 수 있다. 프로세서(210)는 제2 정보를 장치(100)에 전송하기 위해 통신부(230)를 제어할 수 있다. 이 경우, 프로세서(110)는 통신부(130)를 통해 제2 정보를 수신하는 방법으로 제2 정보를 획득할 수 있다.
본 개시에서 치매 식별 모델은 제1 정보 및 제2 정보 중 적어도 하나를 입력하였을 때 스코어 값을 산출할 수 있도록 기 학습된 뉴럴 네트워크 구조를 갖는 인공지능 모델을 의미할 수 있다. 그리고, 스코어 값은 크기에 따라 치매 여부를 인식할 수 있는 값을 의미할 수 있다.
본 개시의 몇몇 실시예에 따르면, 장치(100)의 저장부(120)는 기 학습된 치매 식별 모델을 저장하고 있을 수 있다.
치매 식별 모델은, 학습용 데이터에 라벨링 된 라벨 데이터와 치매 식별 모델에서 출력된 예측 데이터 사이의 차이 값을 역전파(back propagation)하여 신경망의 가중치를 업데이트하는 방법으로 학습될 수 있다.
본 개시에서 학습 데이터는 복수의 테스트 사용자가 자신의 테스트 장치를 통해 본 개시의 몇몇 실시예에 따른 제1 태스크, 제2 태스크 및 제3 태스크를 수행하여 획득될 수 있다. 여기서, 학습 데이터는 사용자의 시선 변화와 관련된 제1 정보 및 녹음 파일을 분석하여 획득된 제2 정보 중 적어도 하나를 포함할 수 있다.
본 개시에서 테스트 사용자는, 경도 인지 장애가 존재하는 환자로 분류되는 사용자, 알츠하이머 환자로 분류되는 사용자, 정상으로 분류되는 사용자 등을 포함할 수 있다. 다만 이에 한정되는 것은 아니다.
본 개시에서 테스트 장치는 학습 데이터를 확보할 때 다양한 테스트 사용자들이 테스트를 수행하는 장치를 의미할 수 있다. 여기서, 테스트 장치는, 치매 식별에 사용되는 사용자 단말기(200)와 동일하게 휴대폰, 스마트 폰(smart phone), 태블릿 PC(tablet PC), 울트라북(ultrabook) 등과 같은 이동 단말기(mobile device)일 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시에서 라벨 데이터는 정상, 알츠하이머 환자 및 경도 인지 장애가 존재하는 환자인지 여부를 인지할 수 있는 스코어 값일 수 있다. 다만, 이에 한정되는 것은 아니다.
치매 식별 모델은 일반적으로 노드로 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나의 노드들을 포함하여 구성될 수 있다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
치매 식별 모델 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다.
예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 치매 식별 모델은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성할 수 있다. 치매 식별 모델 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관 관계, 링크들 각각에 부여된 가중치의 값에 따라, 치매 식별 모델의 특성이 결정될 수 있다.
치매 식별 모델은 하나 이상의 노드들의 집합으로 구성될 수 있다. 치매 식별 모델을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 치매 식별 모델을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 치매 식별 모델 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터(즉, 제1 정보 및 제2 정보 중 적어도 하나)가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 치매 식별 모델 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 몇몇 실시예에 따른 치매 식별 모델은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 그리고, 입력 레이어의 노드 각각에 제1 정보 및 제2 정보 중 적어도 하나가 입력될 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 치매 식별 모델은 딥 뉴럴 네트워크 구조를 가질 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다.
딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
본 개시의 치매 식별 모델은 교사 학습(supervised learning) 방식으로 학습될 수 있다. 다만, 이에 한정되는 것은 아니고, 치매 식별 모델은 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수도 있다.
치매 식별 모델의 학습은 치매 식별 모델이 치매를 식별하는 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
치매 식별 모델은 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 치매 식별 모델의 학습에서 반복적으로 학습 데이터(학습용 테스트 결과 데이터)를 치매 식별 모델에 입력시키고 학습 데이터에 대한 치매 식별 모델의 출력(뉴럴 네트워크를 통해 예측된 스코어 값)과 타겟(라벨 데이터로 사용된 스코어 값)의 에러를 계산하고, 에러를 줄이기 위한 방향으로 치매 식별 모델의 에러를 치매 식별 모델의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 치매 식별 모델의 각 노드의 가중치를 업데이트 하는 과정이다.
업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 치매 식별 모델의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 치매 식별 모델의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 치매 식별 모델의 학습 초기에는 높은 학습률을 사용하여 치매 식별 모델이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
치매 식별 모델의 학습에서 학습 데이터는 실제 데이터(즉, 학습된 치매 식별 모델을 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다.
과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
한편, 프로세서(110)는 단계(S210)를 통해 스코어 값을 획득한 경우, 스코어 값에 기초하여 치매 여부를 결정할 수 있다(S220).
구체적으로, 프로세서(110)는 스코어 값이 기 설정된 임계 값을 초과하는지 여부에 기초하여 치매 여부를 결정할 수 있다.
일례로, 프로세서(110)는 치매 식별 모델에서 출력된 스코어 값이 기 설정된 임계 값을 초과한다고 인식한 경우 사용자가 치매라고 결정할 수 있다.
다른 일례로, 프로세서(110)는 치매 식별 모델에서 출력된 스코어 값이 기 설정된 임계 값 이하라고 인식한 경우 사용자가 치매가 아니라고 결정할 수 있다.
상술한 예시는 일 예시에 불과할 뿐 본 개시는 상술한 예들에 한정되는 것은 아니다.
본 개시의 몇몇 실시예에 따르면, 장치(100)의 프로세서(110)는 상술한 제1 태스크, 제2 태스크 및 제3 태스크를 진행하기 앞서 사용자 식별 정보를 획득할 수 있다. 여기서, 사용자 식별 정보는 사용자의 나이 정보, 성별 정보, 이름, 주소 정보 등을 포함할 수 있다. 그리고, 사용자 식별 정보의 적어도 일부는 제1 정보 및 제2 정보 중 적어도 하나와 함께 치매 식별 모델의 입력 데이터로 이용될 수 있다. 구체적으로, 나이 정보 및 성별 정보는 제1 정보 및 제2 정보 중 적어도 하나와 함께 치매 식별 모델의 입력 데이터로 이용될 수 있다. 이와 같이 사용자 식별 정보의 적어도 일부를 제1 정보 및 제2 정보 중 적어도 하나와 함께 이용하여 치매 식별 모델에 입력한 후에 스코어 값을 획득하는 경우 치매 식별의 정확도가 보다 향상될 수 있다. 이 경우, 치매 식별 모델은 사용자 식별 정보의 적어도 일부와 제1 정보 및 제2 정보 중 적어도 하나에 기초하여 학습이 완료된 모델일 수 있다.
인지 정상군 120명과 인지 저하군 9명이 자신의 사용자 단말기를 통해 치매 여부를 식별하는 실험을 진행한 바 있다. 이 실험의 목표는 기 학습된 치매 식별 모델의 정확도를 확인하는 것이었다. 구체적으로, 장치(100)는 제1 태스크, 제2 태스크 및 제3 태스크를 진행하여 획득된 제1 정보 및 제2 정보 중 적어도 하나를 본 개시의 치매 식별 모델에 입력하여 생성된 스코어 값에 기초하여 치매 여부를 판별하였다. 상술한 실험을 통해 산출된 분류의 정확도는 80% 이상인 것을 확인하였다.
상술한 본 발명의 몇몇 실시예들 중 적어도 하나에 의하면, 환자가 거부감을 거의 느끼지 않는 방법으로 정확하게 치매를 진단할 수 있다.
본 개시에서 장치(100)는 상기 설명된 몇몇 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 몇몇 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
본 개시에서 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 디바이스로 읽을 수 있는 기록매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 몇몇 실시예는 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays, 프로세서, 제어기, 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 개시에서 설명되는 몇몇 실시예가 적어도 하나의 프로세서로 구현될 수 있다.
소프트웨어적인 구현에 의하면, 본 개시에서 설명되는 절차 및 기능과 같은 몇몇 실시예는 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 개시에서 설명되는 하나 이상의 기능, 태스크 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 애플리케이션으로 소프트웨어 코드(software code)가 구현될 수 있다. 여기서, 소프트웨어 코드는, 저장부(120)에 저장되고, 적어도 하나의 프로세서(110)에 의해 실행될 수 있다. 즉, 적어도 하나의 프로그램 명령이 저장부(120)에 저장되어 있고, 적어도 하나의 프로그램 명령이 적어도 하나의 프로세서(110)에 의해 실행될 수 있다.
본 개시의 몇몇 실시예에 따른 장치(100)의 적어도 하나의 프로세서(110)가 치매 식별 모델을 이용하여 치매를 식별하는 방법은 장치(100)에 구비된 적어도 하나의 프로세서(110)가 읽을 수 있는 기록매체에 적어도 하나의 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 적어도 하나의 프로세서가 읽을 수 있는 기록매체는 적어도 하나의 프로세서(110)에 의해 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록 디바이스를 포함한다. 적어도 하나의 프로세서가 읽을 수 있는 기록 매체의 예로는 ROM(Read Only Memory), RAM(Random Access Memory), CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장 디바이스 등이 포함된다.
한편, 본 개시에서 첨부된 도면을 참조하여 설명하였으나, 이는 실시예일 뿐 특정 실시예에 한정되지 아니하며, 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 변형실시가 가능한 다양한 내용도 청구범위에 따른 권리범위에 속한다. 또한, 그러한 변형실시들이 본 발명의 기술 사상으로부터 개별적으로 이해되어서는 안 된다.

Claims (17)

  1. 사용자 단말기의 프로세서에 의해 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 방법에 있어서, 상기 방법은:
    서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하도록 디스플레이부를 제어하는 단계; 및
    상기 두 개의 테스트를 통해 획득된 디지털 바이오 마커 데이터를 서버에 전송하도록 통신부를 제어하는 단계;
    를 포함하고,
    상기 디지털 바이오 마커 데이터는:
    상기 사용자 단말기의 사용자의 시선과 관련된 제1 디지털 바이오 마커 데이터; 및
    상기 사용자의 음성을 포함하는 녹음 파일 또는 상기 녹음 파일을 이용하여 획득되는 제2 정보를 포함하는 제2 디지털 바이오 마커 데이터;
    를 포함하고,
    상기 제2 정보는,
    상기 녹음 파일을 음성 인식 기술을 통해 변환한 텍스트 데이터와 상기 적어도 세 개의 화면 중 어느 하나의 화면에 포함된 문장과 관련된 원문 데이터 사이의 유사도를 나타내는 유사도 정보 및 상기 녹음 파일에 의해 분석된 사용자의 음성 분석 정보 중 적어도 하나를 포함하는,
    방법.
  2. 제1항에 있어서,
    상기 적어도 세 개의 화면은:
    문장이 포함된 문장 암기용 화면;
    움직이는 객체가 포함된 시선 확보용 화면; 및
    상기 문장이 가려진 음성 획득용 화면;
    을 포함하는,
    방법.
  3. 제2항에 있어서,
    상기 움직이는 객체는,
    기 설정된 경로를 따라 기 설정된 속도로 특정 방향을 향해 움직이는,
    방법.
  4. 제2항에 있어서,
    상기 서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하도록 디스플레이부를 제어하는 단계는,
    상기 문장 암기용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계;
    상기 문장 암기용 화면 대신 상기 시선 확보용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계; 및
    상기 시선 확보용 화면 대신 상기 음성 획득용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계;
    를 포함하는,
    방법.
  5. 제4항에 있어서,
    상기 문장 암기용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계는,
    상기 문장 암기용 화면에 포함된 상기 문장을 구성하는 적어도 하나의 어절의 색상이 순서대로 변경되도록 상기 디스플레이부를 제어하는 단계;
    를 더 포함하는,
    방법.
  6. 제4항에 있어서,
    상기 문장 암기용 화면 대신 상기 시선 확보용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계는,
    상기 시선 확보용 화면을 디스플레이하는 것과 연동하여 상기 사용자 단말기의 상기 사용자의 눈이 포함된 영상을 획득하기 위해 영상 획득부를 제어하는 단계;
    를 더 포함하는,
    방법.
  7. 제4항에 있어서,
    상기 시선 확보용 화면 대신 상기 음성 획득용 화면을 디스플레이하도록 상기 디스플레이부를 제어하는 단계는,
    상기 음성 획득용 화면을 디스플레이하는 것과 연동하여 상기 사용자 단말기의 사용자의 음성이 포함된 녹음 파일을 획득하기 위해 음향 획득부를 제어하는 단계;
    를 더 포함하는,
    방법.
  8. 제1항에 있어서,
    상기 디지털 바이오 마커 데이터를 이용하여 사용자가 치매인지 여부를 식별할 수 있는 치매 식별 모델은,
    상기 사용자 단말기의 저장부에 저장되어 있지 않고, 상기 서버의 저장부에 저장되어 있는,
    방법.
  9. 삭제
  10. 제1항에 있어서,
    상기 제1 디지털 바이오 마커 데이터는:
    상기 사용자의 눈이 포함된 영상; 또는
    상기 영상을 분석하여 획득된 사용자의 시선 변화와 관련된 제1 정보;
    를 포함하는,
    방법.
  11. 제10항에 있어서,
    상기 제1 정보는,
    상기 사용자의 눈이 움직인 거리와 상기 적어도 세 개의 화면 중 어느 하나의 화면에 포함된 움직이는 객체가 움직인 거리에 기초하여 산출되는 정확도 정보, 상기 움직이는 객체가 움직이기 시작한 시점과 상기 사용자의 상기 눈이 움직이기 시작한 시점에 기초하여 산출되는 레이턴시(latency) 정보 및 상기 사용자의 눈이 움직인 속도와 관련된 속도 정보 중 적어도 하나를 포함하는,
    방법.
  12. 삭제
  13. 삭제
  14. 제1항에 있어서,
    상기 유사도 정보는,
    삽입 작업, 삭제 작업 및 대체 작업 중 적어도 하나를 통해 상기 텍스트 데이터를 상기 원문 데이터로 변환 시 수행되는 작업의 횟수에 대한 정보를 포함하는,
    방법.
  15. 제1항에 있어서,
    상기 음성 분석 정보는,
    상기 사용자의 말하기 속도 정보 및 상기 사용자의 응답 속도 정보 중 적어도 하나를 포함하는,
    방법.
  16. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 사용자 단말기의 프로세서에서 실행되는 경우, 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 단계들을 수행하며, 상기 단계들은:
    서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하도록 디스플레이부를 제어하는 단계; 및
    상기 두 개의 테스트를 통해 획득된 디지털 바이오 마커 데이터를 서버에 전송하도록 통신부를 제어하는 단계;
    를 포함하고,
    상기 디지털 바이오 마커 데이터는:
    상기 사용자 단말기의 사용자의 시선과 관련된 제1 디지털 바이오 마커 데이터; 및
    상기 사용자의 음성을 포함하는 녹음 파일 또는 상기 녹음 파일을 이용하여 획득되는 제2 정보를 포함하는 제2 디지털 바이오 마커 데이터;
    를 포함하고,
    상기 제2 정보는,
    상기 녹음 파일을 음성 인식 기술을 통해 변환한 텍스트 데이터와 상기 적어도 세 개의 화면 중 어느 하나의 화면에 포함된 문장과 관련된 원문 데이터 사이의 유사도를 나타내는 유사도 정보 및 상기 녹음 파일에 의해 분석된 사용자의 음성 분석 정보 중 적어도 하나를 포함하는,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
  17. 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 사용자 단말기에 있어서, 상기 사용자 단말기는:
    서로 다른 두 개의 테스트를 수행하기 위한 적어도 세 개의 화면을 순차적으로 디스플레이하는 디스플레이부; 및
    상기 두 개의 테스트를 통해 획득된 디지털 바이오 마커 데이터를 서버에 전송하는 통신부;
    를 포함하고,
    상기 디지털 바이오 마커 데이터는:
    상기 사용자 단말기의 사용자의 시선과 관련된 제1 디지털 바이오 마커 데이터; 및
    상기 사용자의 음성을 포함하는 녹음 파일 또는 상기 녹음 파일을 이용하여 획득되는 제2 정보를 포함하는 제2 디지털 바이오 마커 데이터;
    를 포함하고,
    상기 제2 정보는,
    상기 녹음 파일을 음성 인식 기술을 통해 변환한 텍스트 데이터와 상기 적어도 세 개의 화면 중 어느 하나의 화면에 포함된 문장과 관련된 원문 데이터 사이의 유사도를 나타내는 유사도 정보 및 상기 녹음 파일에 의해 분석된 사용자의 음성 분석 정보 중 적어도 하나를 포함하는,
    사용자 단말기.
KR1020220048583A 2022-01-17 2022-04-20 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법 KR102455262B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220048583A KR102455262B1 (ko) 2022-01-17 2022-04-20 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220006348A KR102392318B1 (ko) 2022-01-17 2022-01-17 혼합 테스트에 기초하여 치매를 식별하는 기법
KR1020220048583A KR102455262B1 (ko) 2022-01-17 2022-04-20 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020220006348A Division KR102392318B1 (ko) 2022-01-17 2022-01-17 혼합 테스트에 기초하여 치매를 식별하는 기법

Publications (1)

Publication Number Publication Date
KR102455262B1 true KR102455262B1 (ko) 2022-10-18

Family

ID=81593406

Family Applications (4)

Application Number Title Priority Date Filing Date
KR1020220006348A KR102392318B1 (ko) 2022-01-17 2022-01-17 혼합 테스트에 기초하여 치매를 식별하는 기법
KR1020220048586A KR102638481B1 (ko) 2022-01-17 2022-04-20 혼합 테스트에 기초하여 치매를 식별하는 기법
KR1020220048583A KR102455262B1 (ko) 2022-01-17 2022-04-20 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법
KR1020240019456A KR20240023572A (ko) 2022-01-17 2024-02-08 혼합 테스트에 기초하여 치매를 식별하는 기법

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020220006348A KR102392318B1 (ko) 2022-01-17 2022-01-17 혼합 테스트에 기초하여 치매를 식별하는 기법
KR1020220048586A KR102638481B1 (ko) 2022-01-17 2022-04-20 혼합 테스트에 기초하여 치매를 식별하는 기법

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020240019456A KR20240023572A (ko) 2022-01-17 2024-02-08 혼합 테스트에 기초하여 치매를 식별하는 기법

Country Status (4)

Country Link
US (1) US20230225650A1 (ko)
KR (4) KR102392318B1 (ko)
CN (1) CN116453679A (ko)
WO (1) WO2023136409A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102392318B1 (ko) * 2022-01-17 2022-05-02 주식회사 하이 혼합 테스트에 기초하여 치매를 식별하는 기법
KR102487440B1 (ko) 2022-06-09 2023-01-11 주식회사 하이 음성 데이터에 기초한 치매 식별 기법
KR102487420B1 (ko) * 2022-06-09 2023-01-11 주식회사 하이 치매 식별을 위한 디지털 바이오 마커 데이터인 음성 데이터를 획득하는 방법
KR102539191B1 (ko) * 2022-08-05 2023-06-02 주식회사 실비아헬스 인지 상태 정보 제공 방법 및 이를 위한 전자 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101357493B1 (ko) * 2012-08-13 2014-02-04 성균관대학교산학협력단 듀얼 태스크 패러다임을 이용한 치매 진단 장치 및 방법
KR20180048125A (ko) * 2016-11-02 2018-05-10 삼성전자주식회사 디스플레이 장치 및 디스플레이 장치의 제어 방법
KR20180108954A (ko) * 2017-03-23 2018-10-05 사회복지법인 삼성생명공익재단 가상현실을 이용한 신경질환 진단 장치 및 방법
KR20190135908A (ko) 2019-02-01 2019-12-09 (주)제이엘케이인스펙션 인공지능 기반 치매 진단 방법 및 장치

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4748868B2 (ja) * 2001-03-22 2011-08-17 灰田 宗孝 痴呆症診断装置
KR101164379B1 (ko) * 2011-08-01 2012-08-07 민병철 사용자 맞춤형 컨텐츠 제작이 가능한 학습 장치 및 이를 이용한 학습 방법
KR101951674B1 (ko) * 2012-06-01 2019-02-25 엘지전자 주식회사 적어도 하나 이상의 이미지 코드를 처리하는 디지털 수신기 및 그 제어 방법
US9959775B2 (en) * 2013-09-09 2018-05-01 Alexis Pracar Monitoring, tracking, and managing symptoms of Alzheimer's disease
US20170150907A1 (en) * 2015-02-04 2017-06-01 Cerebral Assessment Systems, LLC Method and system for quantitative assessment of visual motor response
KR102371697B1 (ko) * 2015-02-11 2022-03-08 삼성전자주식회사 음성 기능 운용 방법 및 이를 지원하는 전자 장치
KR102414228B1 (ko) * 2019-11-27 2022-06-27 박도영 경도인지장애 개선 시스템
KR102349805B1 (ko) * 2019-12-20 2022-01-11 순천향대학교 산학협력단 뇌졸중 진단 시스템 및 방법
KR102392318B1 (ko) * 2022-01-17 2022-05-02 주식회사 하이 혼합 테스트에 기초하여 치매를 식별하는 기법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101357493B1 (ko) * 2012-08-13 2014-02-04 성균관대학교산학협력단 듀얼 태스크 패러다임을 이용한 치매 진단 장치 및 방법
KR20180048125A (ko) * 2016-11-02 2018-05-10 삼성전자주식회사 디스플레이 장치 및 디스플레이 장치의 제어 방법
KR20180108954A (ko) * 2017-03-23 2018-10-05 사회복지법인 삼성생명공익재단 가상현실을 이용한 신경질환 진단 장치 및 방법
KR20190135908A (ko) 2019-02-01 2019-12-09 (주)제이엘케이인스펙션 인공지능 기반 치매 진단 방법 및 장치

Also Published As

Publication number Publication date
KR102638481B1 (ko) 2024-02-20
WO2023136409A1 (en) 2023-07-20
KR20240023572A (ko) 2024-02-22
CN116453679A (zh) 2023-07-18
KR102392318B1 (ko) 2022-05-02
KR20230111126A (ko) 2023-07-25
US20230225650A1 (en) 2023-07-20

Similar Documents

Publication Publication Date Title
KR102455262B1 (ko) 치매를 식별하기 위한 디지털 바이오 마커를 획득하는 기법
US11010645B2 (en) Interactive artificial intelligence analytical system
US11367434B2 (en) Electronic device, method for determining utterance intention of user thereof, and non-transitory computer-readable recording medium
EP3756185B1 (en) Electronic device for outputting response to speech input by using application and operation method thereof
US11367441B2 (en) Electronic apparatus and control method thereof
US20180165581A1 (en) Electronic apparatus, method of providing guide and non-transitory computer readable recording medium
US11817097B2 (en) Electronic apparatus and assistant service providing method thereof
KR102206181B1 (ko) 단말기 및 그의 동작 방법
KR102498426B1 (ko) 디지털 바이오 마커에 기초하여 인지 강화 훈련을 제공하는 기법
KR102455264B1 (ko) 치매를 식별하는 기법
US20230233138A1 (en) Technique for identifying dementia based on plurality of result data
US11850059B1 (en) Technique for identifying cognitive function state of user
KR102529344B1 (ko) 시선 정보에 기초하여 경도 인지 장애를 식별하는 기법
KR102421879B1 (ko) 시선 정보에 기초하여 치매를 식별하는 기법
KR102431261B1 (ko) 테스트 결과 데이터에 기초하여 치매 식별 모델을 학습시키는 기법
KR102487440B1 (ko) 음성 데이터에 기초한 치매 식별 기법
KR102487420B1 (ko) 치매 식별을 위한 디지털 바이오 마커 데이터인 음성 데이터를 획득하는 방법
KR102718120B1 (ko) 인공지능을 이용한 음성 대화 분석 방법 및 장치

Legal Events

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