KR102514957B1

KR102514957B1 - 사용자의 치매 정도 결정 방법 및 장치

Info

Publication number: KR102514957B1
Application number: KR1020220055242A
Authority: KR
Inventors: 김형준; 심용수; 신유진; 백찬은
Original assignee: 주식회사 에이블테라퓨틱스
Priority date: 2022-05-04
Filing date: 2022-05-04
Publication date: 2023-03-29

Abstract

사용자의 치매 정도를 결정하기 위해, 사용자 단말을 통해 사용자의 치매 정도를 결정하기 위해 미리 제작된 컨텐츠를 출력하고, 사용자 단말을 통해 컨텐츠에 대한 사용자의 리액션 정보를 획득하고, 리액션 정보에 기초하여 사용자의 치매 정도를 결정한다.

Description

사용자의 치매 정도 결정 방법 및 장치{METHOD AND APPARATUS FOR DETERMINING A DEGREE OF DEMENTIA OF A USER}

기술 분야는 사용자의 치매 레벨을 결정하는 기술에 관한 것으로, 특히 사용자에게 행동을 지시하고, 지시된 행동에 대한 사용자의 리액션에 기초하여 사용자의 치매 정도를 결정하는 장치 및 방법에 관한 것이다.

치매는 사회 고령화와 함께 노년기 삶의 가장 심각한 질환으로 지난 10년간 급격한 증가세를 보이고 있으며 사회·경제적 비용도 급증하는 추세이다. 또한 환자가 독립적으로 생활할 수 없고, 실종, 자살 등 본인의 삶 뿐만 아니라 돌보는 가족에게도 큰 고통을 주는 질환이다. 치매는 조기진단과 적절한 치료로 추가적인 인지기능의 저하를 막거나 늦출 수 있으나 이 질환의 기존 조기진단에는 문제점이 있다. 기존에는 병원 등 전문의료기관을 방문해야 하므로, 건망증이 심해졌다고 느끼고 내원하는 환자 중 이미 경도인지장애(MCI) 또는 알츠하이머병(AD)으로 진행된 사람이 많고, 진단을 위한 신경인지기능검사(SNSB-II, CERAD-K 등)는 충분한 경험과 노하우를 갖춘 의료진을 통해야 높은 신뢰도를 기대할 수 있으며, 자기공명검사(MRI)나 단일광자방출촬영(SPECT), 양전자단층촬영(PET), 뇌척수액검사 등은 진단 비용이 고가일 뿐만 아니라 진단을 받는 환자의 불편도 크다.
선행기술 문헌번호: 한국 공개번호 제10-2021-0103761호(2021.08.24. 공개)

일 실시예는 사용자의 치매 정도를 결정하는 장치 및 방법을 제공할 수 있다.

일 실시예는 사용자의 드로잉에 기초하여 사용자의 치매 정도를 결정하는 장치 및 방법을 제공할 수 있다.

일 실시 예에 따른, 전자 장치에 의해 수행되는, 사용자의 치매 정도를 결정하는 방법은, 사용자 단말을 통해 사용자의 치매 정도를 결정하기 위해 미리 제작된 컨텐츠를 출력하는 동작, 상기 사용자 단말을 통해 상기 컨텐츠에 대한 상기 사용자의 리액션 정보를 획득하는 동작 - 상기 리액션 정보는 상기 사용자가 생성한 그림에 대한 그림 정보 및 상기 사용자가 상기 그림을 그리기 위해 이용한 디지털 펜에 의해 획득된 펜 정보를 포함함 -, 및 상기 리액션 정보에 기초하여 상기 사용자의 치매 정도를 결정하는 동작을 포함하고, 상기 결정된 치매 정도가 상기 사용자 단말을 통해 출력될 수 있다.

상기 미리 제작된 컨텐츠는, 상기 사용자에게 행동을 지시하는 음성 또는 텍스트로 나타나는 지시(instruction)를 포함할 수 있다.

상기 지시는 상기 사용자에게 미리 설정된 시각을 나타내는 바늘 시계의 그림을 그리도록 지시할 수 있다.

상기 펜 정보는 상기 디지털 펜이 상기 사용자 단말의 터치 디스플레이 상에 닿아있는 제1 시간, 상기 디지털 펜이 상기 터치 디스플레이 상에 닿아있지 않은 제2 시간, 상기 제1 시간 동안의 상기 디지털 펜의 제1 이동 속도, 상기 제2 시간 동안의 상기 디지털 펜의 제2 이동 속도, 상기 제1 시간 동안의 필압, 미리 설정된 시간 동안 그려지는 선의 개수, 그림을 그리지 않는 제3 시간 중 적어도 하나를 포함할 수 있다.

상기 리액션 정보에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은, 치매 정도를 결정하기 위해 미리 갱신된 신경망(neural network: NN)에 상기 리액션 정보를 입력함으로써 상기 사용자의 치매 정도를 결정하는 동작을 포함할 수 있다.

상기 미리 갱신된 신경망은 심층 신경망(deep neural network: DNN)일 수 있다.

상기 리액션 정보에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은, 상기 그림 정보에 기초하여 상기 그림을 정규화하는 동작을 더 포함하고, 상기 정규화된 그림이 상기 미리 갱신된 신경망에 입력될 수 있다.

상기 리액션 정보에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은, 상기 그림에 대한 균형 점수를 계산하는 동작, 및 상기 균형 점수를 상기 미리 갱신된 신경망에 입력하는 동작을 더 포함할 수 있다.

상기 리액션 정보에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은, 치매 스코어를 결정하기 위해 미리 갱신된 신경망(neural network: NN)에 상기 리액션 정보를 입력함으로써 치매 스코어를 결정하는 동작, 및 상기 치매 스코어에 기초하여 상기 사용자의 상기 치매 정도를 결정하는 동작을 포함할 수 있다.

상기 치매 정도 결정 방법은, 상기 신경망을 갱신하는 동작을 더 포함할 수 있다.

상기 신경망을 갱신하는 동작은, 상기 컨텐츠에 대한 테스트 사용자의 테스트 리액션 정보를 수신하는 동작, 상기 테스트 사용자에 대한 GT(ground truth) 치매 정도를 수신하는 동작, 및 상기 테스트 리액션 정보 및 상기 GT 치매 정도에 기초하여 상기 신경망을 갱신하는 동작을 포함할 수 있다.

상기 GT 치매 정도는 정상, 경도인지장애(MCI) 및 알츠하이머병(AD) 중 어느 하나일 수 있다.

상기 GT 치매 정도는 미리 설정된 스코어 범위 내의 타겟 스코어일 수 있다.

일 실시 예에 따른, 사용자의 치매 정도를 결정하는 전자 장치는, 사용자의 치매 정도를 결정하는 프로그램이 기록된 메모리, 및 상기 프로그램을 수행하는 프로세서를 포함하고, 상기 프로그램은, 사용자 단말을 통해 사용자의 치매 정도를 결정하기 위해 미리 제작된 컨텐츠를 출력하는 동작, 상기 사용자 단말을 통해 상기 컨텐츠에 대한 상기 사용자의 리액션 정보를 획득하는 동작 - 상기 리액션 정보는 상기 사용자가 생성한 그림에 대한 그림 정보 및 상기 사용자가 상기 그림을 그리기 위해 이용한 디지털 펜에 의해 획득된 펜 정보를 포함함 -, 및 상기 리액션 정보에 기초하여 상기 사용자의 치매 정도를 결정하는 동작을 수행하고, 상기 결정된 치매 정도가 상기 사용자 단말을 통해 출력될 수 있다.

사용자의 치매 정도를 결정하는 장치 및 방법이 제공될 수 있다.

사용자의 드로잉에 기초하여 사용자의 치매 정도를 결정하는 장치 및 방법이 제공될 수 있다.

도 1은 일 예에 따른 사용자의 치매 정도를 결정하는 시스템의 구성도이다.
도 2는 일 예에 따른 사용자의 치매 정도를 결정하기 위해 사용자 단말에 출력되는 영상들을 도시한다.
도 3은 일 실시예에 따른 사용자의 치매 정도를 결정하는 전자 장치의 구성도이다.
도 4는 일 실시예에 따른 사용자의 치매 정도를 결정하는 방법의 흐름도이다.
도 5는 일 예에 따른 미리 제작된 컨텐츠를 도시한다.
도 6은 일 예에 따른 사용자에 의해 그려진 시계 그림들을 도시한다.
도 7은 일 예에 따른 리액션 정보에 기초하여 사용자의 치매 정도를 결정하는 방법의 흐름도이다.
도 8은 일 예에 따른 리액션 정보에 기초하여 결정된 치매 스코어에 기초하여 사용자의 치매 정도를 결정하는 방법의 흐름도이다.
도 9는 일 예에 따른 치매 정도를 결정하는 신경망을 갱신하는 방법의 흐름도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

도 1은 일 예에 따른 사용자의 치매 정도를 결정하는 시스템의 구성도이다.

일 실시 예에 따르면, 사용자의 치매 정도를 결정하는 시스템은 사용자의 치매 정도를 결정하는 전자 장치(110), 컨텐츠를 출력하는 사용자 단말(120), 및 의료 기관의 모니터링 단말(130)을 포함할 수 있다. 예를 들어, 전자 장치(110)는 서버일 수 있다.

전자 장치(110)는 사용자 단말(120)로 사용자의 치매 정도를 결정할 수 있도록 미리 제작된 컨텐츠를 제공할 수 있다. 예를 들어, 컨텐츠는 사용자로부터 그림(또는, 드로윙)을 획득하기 위한 컨텐츠일 수 있다. 사용자로부터 그림을 획득하기 위한 컨텐츠에 대해 아래에서 도 5를 참조하여 상세하게 설명된다.

예를 들어, 사용자 단말(120)은 터치 디스플레이를 포함하는 태블릿 PC(personal computer) 및 스마트 폰과 같은 모바일 단말일 수 있다. 다른 예로, 사용자 단말(120)은 입력 도구로서의 타블렛이 연결된 전자 장치일 수 있다. 사용자는 디지털 펜을 이용하여 사용자 단말(120)을 통해 그림을 그릴 수 있다.

사용자 단말(120)은 전자 장치(110)와 오프라인 또는 온라인으로 연결되어 서로 통신할 수 있다. 전자 장치(110)는 사용자 단말(120)로 컨텐츠를 제공하고, 사용자 단말(120)은 디스플레이를 통해 컨텐츠를 사용자에게 출력한다. 예를 들어, 사용자 단말(120)은 터치 디스플레이 또는 타블렛을 통해 사용자로부터 그림을 수신할 수 있다. 사용자 단말(120)은 사용자가 그린 그림을 사용자 단말(120)의 디스플레이(또는, 터치 디스플레이)를 통해 출력할 수 있다. 추가적으로, 사용자 단말(120)은 사용자가 그림을 그리기 위해 이용한 디지털 펜으로부터 펜 정보를 수신할 수 있다. 사용자 단말(120)은 획득된 그림에 대한 그림 정보 및 펜 정보를 전자 장치(110)로 전송할 수 있다.

사용자 단말(120)이 모바일 단말인 경우, 사용자는 시간 및 장소의 제약을 받지 않으며, 저렴한 비용으로 치매 정도를 측정할 수 있다.

아래에서, 사용자의 치매 정도를 결정하는 방법에 대해 도 2 내지 도 9를 참조하여 상세하게 설명된다.

도 2는 일 예에 따른 사용자의 치매 정도를 결정하기 위해 사용자 단말에 출력되는 영상들을 도시한다.

아래의 영상들(210 내지 240)은 치매 정도를 결정하기 위한 어플리케이션의 영상들일 수 있다. 예를 들어, 전자 장치(110)의 사용자는 어플리케이션을 제작하여 배포할 수 있고, 사용자는 사용자 단말(120)을 통해 어플리케이션을 실행할 수 있다.

제1 영상(210)은 어플리케이션의 시작 화면이다.

제2 영상(220)은 어플리케이션이 지원하는 기능들을 나타낸다

제3 영상(230)은 사용자에게 제공되는 컨텐츠의 일 예이다. 사용자에게 하나 이상의 컨텐츠들이 제공될 수 있다.

제4 영상(240)은 결정된 사용자의 치매 정도를 나타낸다. 예를 들어, 사용자의 치매 정도로서 결정된 정상, 경도인지장애(MCI) 또는 알츠하이머병(AD)가 출력될 수 있다. 개별적인 질병에 대한 주의 정도 이외에도 종합적인 판단이 함께 출력될 수도 있다.

도 3은 일 실시예에 따른 사용자의 치매 정도를 결정하는 전자 장치의 구성도이다.

전자 장치(300)는 통신부(310), 프로세서(320) 및 메모리(330)를 포함한다. 예를 들어, 전자 장치(300)는 도 1을 참조하여 전술된 전자 장치(110)일 수 있다.

통신부(310)는 프로세서(320) 및 메모리(330)와 연결되어 데이터를 송수신한다. 통신부(310)는 외부의 다른 장치와 연결되어 데이터를 송수신할 수 있다. 이하에서 "A"를 송수신한다라는 표현은 "A를 나타내는 정보(information) 또는 데이터"를 송수신하는 것을 나타낼 수 있다.

통신부(310)는 전자 장치(300) 내의 회로망(circuitry)으로 구현될 수 있다. 예를 들어, 통신부(310)는 내부 버스(internal bus) 및 외부 버스(external bus)를 포함할 수 있다. 다른 예로, 통신부(310)는 전자 장치(300)와 외부의 장치를 연결하는 요소일 수 있다. 통신부(310)는 인터페이스(interface)일 수 있다. 통신부(310)는 외부의 장치로부터 데이터를 수신하여, 프로세서(320) 및 메모리(330)에 데이터를 전송할 수 있다.

프로세서(320)는 통신부(310)가 수신한 데이터 및 메모리(330)에 저장된 데이터를 처리한다. "프로세서"는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.

프로세서(320)는 메모리(예를 들어, 메모리(330))에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(320)에 의해 유발된 인스트럭션들을 실행한다.

메모리(330)는 통신부(310)가 수신한 데이터 및 프로세서(320)가 처리한 데이터를 저장한다. 예를 들어, 메모리(330)는 프로그램(또는 어플리케이션, 소프트웨어)을 저장할 수 있다. 저장되는 프로그램은 사용자의 치매 정도를 결정할 수 있도록 코딩되어 프로세서(320)에 의해 실행 가능한 신텍스(syntax)들의 집합일 수 있다.

일 측면에 따르면, 메모리(330)는 하나 이상의 휘발성 메모리, 비휘발성 메모리 및 RAM(Random Access Memory), 플래시 메모리, 하드 디스크 드라이브 및 광학 디스크 드라이브를 포함할 수 있다.

메모리(330)는 전자 장치(300)를 동작 시키는 명령어 세트(예를 들어, 소프트웨어)를 저장한다. 전자 장치(300)를 동작 시키는 명령어 세트는 프로세서(320)에 의해 실행된다.

통신부(310), 프로세서(320) 및 메모리(330)에 대해, 아래에서 도 4 내지 도 9를 참조하여 상세히 설명된다.

도 4는 일 실시예에 따른 사용자의 치매 정도를 결정하는 방법의 흐름도이다.

아래의 동작들 410 내지 440은 도 3을 참조하여 전술된 전자 장치(300)에 의해 수행된다.

동작 410에서, 전자 장치(300)는 사용자 단말(예를 들어, 사용자 단말(120))의 디스플레이를 통해 사용자의 치매 정도를 결정하기 위해 미리 제작된 컨텐츠를 출력한다. 컨텐츠가 사용자 단말에 출력되고, 사용자는 컨텐츠에 대한 리액션을 수행한다.

일 실시 예에 따르면, 사용자에게 하나 이상의 컨텐츠들이 제공되고, 하나 이상의 컨텐츠들 각각에 대한 리액션 정보가 생성될 수 있다. 예를 들어, 제1 컨텐츠는 사용자에게 특정한 시각을 나타내는 바늘 시계의 그림을 그리도록 요구하는 컨텐츠일 수 있다. 제1 컨텐츠 이외에 제2 컨텐츠는 사용자에게 다른 그림을 그리도록 요구하는 컨텐츠일 수 있다. 예를 들어, 제2 컨텐츠는 사용자에게 특정한 도형을 그리도록 요구하는 컨텐츠일 수 있다.

사용자는 디지털 펜을 이용하여 터치 디스플레이 또는 타블렛 상에 그림을 그릴 수 있다. 사용자 단말은 터치 디스플레이 또는 타블렛을 통해 컨텐츠에 대한 리액션으로서의 그림을 수신하고, 추가적으로 사용자 단말과 유선 또는 무선으로 연결된 디지털 펜으로부터 펜 정보를 수신할 수 있다. 사용자 단말은 그림에 대한 그림 정보 및 펜 정보 중 적어도 하나를 포함하는 리액션 정보를 생성할 수 있다. 그림 정보는 데이터 파일 형태일 수 있다. 사용자 단말은 사용자가 그린 그림에 대한 그림 정보 및 펜 정보 중 적어도 하나를 포함하는 리액션 정보를 전자 장치(300)로 전송할 수 있다.

일 실시 예에 따르면, 제1 컨텐츠가 사용자 단말에 출력되기 전에 사용자가 디지털 펜의 이용에 익숙해지기 위한 몸풀기 컨텐츠가 사용자에게 제공될 수 있다. 예를 들어, 몸 풀기 컨텐츠는 이름을 쓰는 컨텐츠, 그림을 따라 그리는 컨텐츠 및 특정한 도형을 그리는 컨텐츠일 수 있다.

동작 420에서, 전자 장치(300)는 사용자 단말을 통해 컨텐츠에 대한 사용자의 리액션 정보를 획득할 수 있다.

일 실시 예에 따르면, 리액션 정보의 그림 정보는 사용자가 그린 그림에 대한 정보를 포함한다. 예를 들어, 그림 정보는 그림의 전체 크기에 대한 정보 및 픽셀 정보를 포함할 수 있다.

일 실시 예에 따르면, 리액션 정보의 펜 정보는 아래의 [표 1]의 특징 요소들을 포함할 수 있다.

특징 요소	내용
time on surface	Pen-down 상태로 펜이 바닥에 닿아있는 시간
time in air	Pen-up 상태로 하나의 선(stroke)에서 다른 선으로 이동할 때의 시간
total time	Time in air 및 Time on surface의 합
velocity on surface	그림을 그리는 속도
velocity in air	펜 이동 속도
pressure	필압
strokes per minute	분당 그리는 선들의 수
time not painting	중간 휴식 시간(intermission)
pen-up stoke length	하나의 선에서 다른 선으로 이동할 때의 거리

Time on surface는 디지털 펜이 사용자 단말의 터치 디스플레이 상에 닿아있는 제1 시간일 수 있다. Time in air는 디지털 펜이 터치 디스플레이 상에 닿아있지 않은 제2 시간일 수 있다. Total time는 제1 시간 및 제2 시간의 합일 수 있다. Velocity on surface는 제1 시간 동안의 디지털 펜의 제1 이동 속도일 수 있다. Velocity in air는 제2 시간 동안의 디지털 펜의 제2 이동 속도일 수 있다. 제2 이동 속도는 Time in air 및 Pen-up stoke length에 기초하여 계산될 수 있다. Pressure는 제1 시간 동안의 필압일 수 있다. Strokes per minute는 미리 설정된 시간(예: 1분) 동안 그려지는 선의 개수일 수 있다. Time not painting는 그림을 그리지 않는 제3 시간일 수 있다.

동작 430에서, 전자 장치(300)는 리액션 정보에 기초하여 사용자의 치매 정도를 결정할 수 있다.

일 실시 예에 따르면, 전자 장치(300)는 리액션 정보를 미리 설정된 치매 정도 분류 모델에 입력함으로써 사용자의 치매 정도를 결정할 수 있다. 치매 정도 분류 모델은 신경망(neural network: NN)에 기초하여 미리 갱신(또는, 훈련)될 수 있다. 예를 들어, 미리 갱신된 신경망은 YOLO 또는 DenseNet에 기반한 신경망일 수 있다.

일 실시 예에 따르면, 신경망은 콘볼루션 신경망(convolutional neural network: CNN) 또는 심층 신경망(deep neural network: DNN)으로 구성될 수 있다.

다른 일 실시 예에 따르면, 신경망은 CNN 및 DNN의 조합으로 구성될 수 있다. 예를 들어, CNN에 기초하여 그림 정보가 전처리되고, 전처리된 결과 및 펜 정보가 DNN에 기초하여 처리될 수 있다.

치매 정도 분류 모델에 기초하여 사용자의 치매 정도를 결정하는 방법에 대해, 아래에서 도 7 내지 도 8을 참조하여 상세히 설명된다.

일 실시 예에 따르면, 결정된 사용자의 치매 정도는 정상, MCI 및 AD 중 어느 하나일 수 있다.

단계(440)가 수행된 후, 전자 장치(300)는 사용자 단말을 통해 결정된 치매 정도를 출력할 수 있다.

도 5는 일 예에 따른 미리 제작된 컨텐츠를 도시한다.

일 측면에 따르면, 사용자에게 제공되는 컨텐츠(또는 제1 컨텐츠)는 사용자에게 특정 시각(예: 11시 10분)을 가리키는 바늘 시계를 그리도록 유도하기 위한 컨텐츠일 수 있다.

컨텐츠는 사용자 단말(예: 도 1의 사용자 단말(120))의 디스플레이(510)(예: 터치 디스플레이) 상에 출력될 수 있다. 컨텐츠는 컨텐츠에 대한 지시(instruction) 사항을 사용자에게 전달할 수 있다. 예를 들어, 지시 사항은 텍스트(511)를 통해 출력될 수 있다. 다른 예로, 지시 사항은 소리를 통해 출력될 수 있다.

일 측면에 따르면, 컨텐츠는 시계의 외곽 형상(예: 원형)을 미리 출력할 수 있다.

일 실시 예에 따르면, 사용자는 디지털 펜을 이용하여 디스플레이(510) 또는 사용자 단말과 연결된 타블렛을 통해 특정 시각을 가리키는 바늘 시계 그림을 그릴 수 있다. 예를 들어, 사용자는 그림을 완성한 후에 제출 버튼(512)을 터치함으로써 컨텐츠의 제공을 종료시킬 수 있다. 사용자 단말은 사용자에 의해 그려진 그림에 대한 그림 정보 및 디지털 펜에 의해 획득된 펜 정보 중 적어도 하나를 포함하도록 리액션 정보를 생성할 수 있다.

사용자 별로 그린 그림들은 다양한 특징들을 가질 수 있으나, 치매 정도가 높을수록 시계의 형상 및 시계가 나타내는 시각 등이 불명확하게 나타날 수 있다.

도 6은 일 예에 따른 사용자에 의해 그려진 시계 그림들을 도시한다.

일 실시 예에 따르면, 사용자의 치매 정도가 낮을수록 그림은 정교한 시계의 형상 및 정확한 시각을 나타낼 수 있고, 반대로 치매 정도가 높을수록 그림은 불명확한 시계의 형상 및 부정확한 시각을 나타낼 수 있다.

도 7은 일 예에 따른 리액션 정보에 기초하여 사용자의 치매 정도를 결정하는 방법의 흐름도이다.

일 실시 예에 따르면, 도 4를 참조하여 전술된 동작 430은 아래의 동작들 710 내지 750을 포함할 수 있다.

동작 710에서, 전자 장치(300)는 리액션 정보의 그림 정보에 기초하여 그림을 정규화할 수 있다.

일 실시 예에 따르면, 전자 장치(300)는 그림의 전체 영역 중 실제 그림이 그려진 영역을 ROI(region of interest)로 설정할 수 있다. 전자 장치(300)는 ROI를 정규화된 크기로 조절함으로써 그림을 정규화할 수 있다.

일 실시 예에 따르면, 그림이 정규화된 정보인 정규화 정보가 더 생성될 수 있다. 조절된 ROI의 크기 및/또는 비율이 정규화 정보로 생성될 수 있다.

동작 720에서, 전자 장치(300)는 미리 갱신된 신경망에 정규화된 그림을 입력할 수 있다. 예를 들어, 미리 갱신된 신경망은 CNN 및/또는 DNN에 기반한 신경망일 수 있다.

일 실시 예에 따르면, 미리 갱신된 신경망에 정규화 정보가 더 입력될 수 있다.

동작 730에서, 전자 장치(300)는 정규화된 그림에 대한 균형(balance) 점수를 계산할 수 있다. 예를 들어, 계산된 균형 점수는 미리 설정된 범위(예: 0 내지 5) 내의 값일 수 있다.

일 실시 예에 따르면, 전자 장치(300)는 그림의 요소들을 각각 분리하고, 분리된 요소들 간의 균형의 정도를 결정함으로써 균형 점수를 계산할 수 있다. 복수의 요소들을 결정하기 의해 그림에 대한 세그먼테이션이 먼저 수행될 수 있다. 예를 들어, 시계의 시각들을 나타내는 숫자들의 배치를 나타내는 제1 요소 및 바늘들의 배치를 나타내는 제2 요소가 각각 결정될 수 있고, 제1 요소 및 제2 요소 간의 균형에 기초하여 균형 점수가 계산될 수 있다.

예를 들어, 배치된 시각들이 대칭성이 높을수록 균형 점수가 높아질 수 있다. 다른 예로, 제1 요소의 크기 및 제2 요소의 크기가 적절할수록 균형 점수가 높아질 수 있다.

동작 740에서, 전자 장치(300)는 미리 갱신된 신경망에 정규화된 그림(또는, 그림 정보)을 입력할 수 있다. 예를 들어, 미리 갱신된 신경망은 동작 720에서 이용되는 신경망과 동일하거나 또는 상이할 수 있다.

동작 750에서, 전자 장치(300)는 리액션 정보에 기초하여 사용자의 치매 정도를 결정할 수 있다. 리액션 정보는 정규화된 그림 정보 및 펜 정보를 포함할 수 있다. 선택적으로, 리액션 정보는 균형 점수를 더 포함할 수 있다.

일 실시 예에 따르면, 전자 장치(300)는 미리 갱신된 신경망에 리액션 정보를 입력함으로써 치매 정도를 결정할 수 있다. 동작 750에서 이용되는 신경망은 최종 결과로서 치매 정도를 정상, MCI 및 AD 중 어느 하나로 결정할 수 있다.

일 실시 예에 따르면, 동작들 730 및 740은 선택적으로 수행될 수 있다. 예를 들어, 동작들 730 및 740이 수행되지 않는 경우, 동작 750에서 미리 갱신된 신경망에 입력되는 리액션 정보는 균형 점수를 포함하지 않을 수 있다.

도 8은 일 예에 따른 리액션 정보에 기초하여 결정된 치매 스코어에 기초하여 사용자의 치매 정도를 결정하는 방법의 흐름도이다.

일 실시 예에 따르면, 도 4를 참조하여 전술된 동작 430은 아래의 동작들 810 및 820을 포함할 수 있다.

동작 810에서, 전자 장치(300)는 미리 갱신된 신경망에 리액션 정보를 입력함으로써 치매 스코어를 결정할 수 있다. 예를 들어, 리액션 정보는 도 7을 참조하여 전술된 정규화된 그림 정보 및 펜 정보를 포함할 수 있다. 선택적으로, 리액션 정보는 균형 점수를 더 포함할 수 있다.

일 실시 예에 따르면, 동작 810에서 이용되는 미리 갱신된 신경망(이하에서, 제2 신경망)은 도 7을 참조하여 전술된 신경망(이하에서, 제1 신경망)과 상이할 수 있다. 예를 들어, 제1 신경망과는 다르게 제2 신경망은 리액션 정보에 기초하여 중간 결과로서 치매 스코어를 결정할 수 있다. 예를 들어, 치매 스코어는 미리 설정된 범위(예: 0 내지 5) 내의 값일 수 있다. 높은 치매 스코어일수록 높은 치매 정도에 대응할 수 있다.

동작 820에서, 전자 장치(300)는 치매 스코어에 기초하여 치매 정도를 결정할 수 있다. 예를 들어, 각각의 치매 스코어에 대응하는 치매 정도가 전자 장치(300)의 관리자(또는, 의사)에 의해 미리 결정될 수 있다. 예를 들어, 치매 스코어가 0 내지 1인 경우 치매 정도가 정상으로 결정되고, 치매 스코어가 2 내지 3인 경우 치매 정도가 MCI로 결정되고, 치매 스코어가 4 내지 5인 경우 치매 정도가 AD로 결정될 수 있다. 시스템의 관계자에 의해 각각의 치매 스코어에 대응하는 치매 정도는 변경될 수 있다.

일 실시 예에 따르면, 동작 820은 동작 810에서 이용되는 신경망과 결합되는 추가의 레이어(또는, 모델 또는 알고리즘)로 구현될 수 있다.

다른 일 실시 예에 따르면, 동작 820은 동작 810에서 이용되는 신경망의 일부 레이어로 구현될 수 있다.

도 9는 일 예에 따른 치매 정도를 결정하는 신경망을 갱신하는 방법의 흐름도이다.

일 실시 예에 따르면, 도 4를 참조하여 전술된 단계(410)가 수행되기 전에 아래의 단계(900)가 선행적으로 수행된다. 단계(900)는 치매 정도를 결정하기 위한 신경망을 갱신하기 위한 방법에 관한 것으로서, 아래의 단계들(910 내지 930)을 포함할 수 있다.

단계(910)에서, 전자 장치(300)는 테스트 사용자에게 사용자의 치매 정도를 결정하기 위해 미리 제작된 컨텐츠를 출력하고, 컨텐츠에 대한 텍스트 사용자의 테스트 리액션 정보를 수신할 수 있다. 테스트 리액션 정보에 대한 설명은 전술된 리액션 정보에 대한 설명으로 유사하게 대체될 수 있다. 예를 들어, 전자 장치(300)는 테스트 사용자의 사용자 단말을 통해 컨텐츠를 출력할 수 있다.

테스트 사용자는 의사의 전문 진단을 통해 치매 정도가 결정된 사람일 수 있다. 예를 들어, 테스트 사용자의 치매 정도는 정상이거나, MCI이거나 또는 AD일 수 있다. 다른 예로, 테스트 사용자의 치매 정도는 미리 설정된 범위(예: 0 내지 5) 내의 값일 수 있다.

단계(920)에서, 전자 장치(300)는 전자 장치(300)의 관리자로부터 테스트 사용자에 대한 GT(ground truth) 치매 정도를 수신할 수 있다. 테스트 사용자는 의사의 전문 진단을 통해 치매 정도가 결정된 사람이므로, 테스트 사용자에 대한 치매 정도는 GT 치매 정도일 수 있다. 예를 들어, GT 치매 정도는 정상, MCI 및 AD 중 어느 하나일 수 있다. 다른 예로, GT 치매 정도는 미리 설정된 범위(예: 0 내지 5) 내의 값일 수 있다.

일 실시 예에 따르면, 테스트 리액션 정보에는 테스트 사용자의 GT 치매 정도가 라벨링될 수 있다.

단계(930)에서, 전자 장치(300)는 테스트 리액션 정보 및 GT 치매 정도에 기초하여 신경망을 갱신할 수 있다.

일 실시 예에 따르면, 전자 장치(300)는 테스트 리액션 정보를 신경망에 입력함으로써 테스트 사용자에 대한 테스트 치매 정도를 결정할 수 있다. 예를 들어, 신경망은 테스트 치매 정도로서 정상, MCI 및 AD 중 어느 하나를 결정할 수 있다. 다른 예로, 결정된 신경망은 테스트 치매 정도를 결정하기 위한 테스트 치매 스코어를 결정할 수 있다.

전자 장치(300)는 테스트 치매 정도(또는, 테스트 치매 스코어) 및 GT 치매 정도에 기초하여 신경망을 갱신한다. 예를 들어, 테스트 치매 정도 및 GT 치매 정도 사이에 차이가 있는 경우, 신경망을 갱신하기 위해 상기의 차이를 에러 값으로 하는 역-전파(back-propagation)가 수행될 수 있다. 신경망을 갱신하는 방법은 지도 학습(supervised learning)일 수 있다.

일 실시 예에 따르면, 많은 수의 테스트 사용자들을 통해 신경망이 반복적으로 갱신될 수 있고, 갱신된 신경망의 출력 정확도가 미리 설정된 임계 값 이상이 되는 경우 신경망의 갱신이 종료될 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

전자 장치에 의해 수행되는, 사용자의 치매 정도를 결정하는 방법은,
사용자 단말을 통해 사용자의 치매 정도를 결정하기 위해 미리 제작된 컨텐츠를 출력하는 동작 - 상기 컨텐츠는 상기 사용자에게 바늘 시계의 그림을 그리도록 지시함 -;
상기 사용자 단말을 통해 상기 컨텐츠에 대한 상기 사용자의 리액션 정보를 획득하는 동작 - 상기 리액션 정보는 상기 사용자가 생성한 그림에 대한 그림 정보 및 상기 사용자가 상기 그림을 그리기 위해 이용한 디지털 펜에 의해 획득된 펜 정보를 포함함 -;
상기 그림 정보에 기초하여 상기 그림을 정규화함으로써 정규화된 그림 및 정규화 정보를 생성하는 동작;
상기 정규화된 그림에 대한 균형 점수를 계산하는 동작; 및
치매 정도를 결정하기 위해 미리 갱신된 신경망(neural network: NN)에 상기 균형 점수, 상기 정규화된 그림, 상기 정규화 정보 및 상기 펜 정보를 입력함으로써 상기 사용자의 치매 정도를 결정하는 동작
을 포함하고,
상기 그림 정보에 기초하여 상기 그림을 정규화함으로써 정규화된 그림 및 정규화 정보를 생성하는 동작은,
상기 그림의 전체 영역 중 실제 그림이 그려진 영역을 ROI(region of interest)로 설정하는 동작;
상기 ROI를 정규화된 크기로 조절함으로써 상기 정규화된 그림을 생성하는 동작; 및
조절된 상기 ROI의 크기 또는 비율에 기초하여 상기 정규화 정보를 생성하는 동작
을 포함하고,
상기 정규화된 그림에 대한 균형 점수를 계산하는 동작은,
상기 정규화된 그림에 대한 세그먼테이션을 수행함으로써 바늘 시계의 시각들을 나타내는 숫자들의 배치를 나타내는 제1 요소 및 바늘 시계의 바늘들의 배치를 나타내는 제2 요소를 결정하는 동작; 및
상기 제1 요소 및 상기 제2 요소 간의 균형에 기초하여 상기 균형 점수를 계산하는 동작
을 포함하고,
상기 결정된 치매 정도가 상기 사용자 단말을 통해 출력되는,
치매 정도 결정 방법.
제1항에 있어서,
상기 미리 제작된 컨텐츠는, 상기 사용자에게 행동을 지시하는 음성 또는 텍스트로 나타나는 지시를 포함하는,
치매 정도 결정 방법.
삭제
제1항에 있어서,
상기 펜 정보는 상기 디지털 펜이 상기 사용자 단말의 터치 디스플레이 상에 닿아있는 제1 시간, 상기 디지털 펜이 상기 터치 디스플레이 상에 닿아있지 않은 제2 시간, 상기 제1 시간 동안의 상기 디지털 펜의 제1 이동 속도, 상기 제2 시간 동안의 상기 디지털 펜의 제2 이동 속도, 상기 제1 시간 동안의 필압, 미리 설정된 시간 동안 그려지는 선의 개수, 그림을 그리지 않는 제3 시간 중 적어도 하나를 포함하는,
치매 정도 결정 방법.
삭제
제1항에 있어서,
상기 미리 갱신된 신경망은 심층 신경망(deep neural network: DNN)인,
치매 정도 결정 방법.
삭제
삭제
제1항에 있어서,
상기 사용자의 치매 정도를 결정하는 동작은,
상기 신경망에 기초하여 치매 스코어를 결정하는 동작; 및
상기 치매 스코어에 기초하여 상기 사용자의 상기 치매 정도를 결정하는 동작
을 포함하는,
치매 정도 결정 방법.
제1항에 있어서,
상기 신경망을 갱신하는 동작
을 더 포함하는,
치매 정도 결정 방법.
제10항에 있어서,
상기 신경망을 갱신하는 동작은,
상기 컨텐츠에 대한 테스트 사용자의 테스트 리액션 정보를 수신하는 동작;
상기 테스트 사용자에 대한 GT(ground truth) 치매 정도를 수신하는 동작; 및
상기 테스트 리액션 정보 및 상기 GT 치매 정도에 기초하여 상기 신경망을 갱신하는 동작
을 포함하는,
치매 정도 결정 방법.
제11항에 있어서,
상기 GT 치매 정도는 정상, 경도인지장애(MCI) 및 알츠하이머병(AD) 중 어느 하나인,
치매 정도 결정 방법.
제11항에 있어서,
상기 GT 치매 정도는 미리 설정된 스코어 범위 내의 타겟 스코어인,
치매 정도 결정 방법.
제1항, 제2항, 제4항, 제6항, 제9항, 제10항, 제11항, 제12항 및 제13항 중 어느 한 항의 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.
사용자의 치매 정도를 결정하는 전자 장치는,
사용자의 치매 정도를 결정하는 프로그램이 기록된 메모리; 및
상기 프로그램을 수행하는 프로세서
를 포함하고,
상기 프로그램은,
사용자 단말을 통해 사용자의 치매 정도를 결정하기 위해 미리 제작된 컨텐츠를 출력하는 동작 - 상기 컨텐츠는 상기 사용자에게 바늘 시계의 그림을 그리도록 지시함 -;
상기 사용자 단말을 통해 상기 컨텐츠에 대한 상기 사용자의 리액션 정보를 획득하는 동작 - 상기 리액션 정보는 상기 사용자가 생성한 그림에 대한 그림 정보 및 상기 사용자가 상기 그림을 그리기 위해 이용한 디지털 펜에 의해 획득된 펜 정보를 포함함 -;
상기 그림 정보에 기초하여 상기 그림을 정규화함으로써 정규화된 그림 및 정규화 정보를 생성하는 동작;
상기 정규화된 그림에 대한 균형 점수를 계산하는 동작; 및
치매 정도를 결정하기 위해 미리 갱신된 신경망(neural network: NN)에 상기 균형 점수, 상기 정규화된 그림, 상기 정규화 정보 및 상기 펜 정보를 입력함으로써 상기 사용자의 치매 정도를 결정하는 동작
을 수행하고,
상기 그림 정보에 기초하여 상기 그림을 정규화함으로써 정규화된 그림 및 정규화 정보를 생성하는 동작은,
상기 그림의 전체 영역 중 실제 그림이 그려진 영역을 ROI(region of interest)로 설정하는 동작;
상기 ROI를 정규화된 크기로 조절함으로써 상기 정규화된 그림을 생성하는 동작; 및
조절된 상기 ROI의 크기 또는 비율에 기초하여 상기 정규화 정보를 생성하는 동작
을 포함하고,
상기 정규화된 그림에 대한 균형 점수를 계산하는 동작은,
상기 정규화된 그림에 대한 세그먼테이션을 수행함으로써 바늘 시계의 시각들을 나타내는 숫자들의 배치를 나타내는 제1 요소 및 바늘 시계의 바늘들의 배치를 나타내는 제2 요소를 결정하는 동작; 및
상기 제1 요소 및 상기 제2 요소 간의 균형에 기초하여 상기 균형 점수를 계산하는 동작
을 포함하고,
상기 결정된 치매 정도가 상기 사용자 단말을 통해 출력되는,
전자 장치.
삭제
삭제
삭제
제15항에 있어서,
상기 사용자의 치매 정도를 결정하는 동작은,
상기 신경망에 기초하여 치매 스코어를 결정하는 동작; 및
상기 치매 스코어에 기초하여 상기 사용자의 상기 치매 정도를 결정하는 동작
을 포함하는,
전자 장치.