KR102538356B1 - 수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치 - Google Patents

수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치 Download PDF

Info

Publication number
KR102538356B1
KR102538356B1 KR1020220186927A KR20220186927A KR102538356B1 KR 102538356 B1 KR102538356 B1 KR 102538356B1 KR 1020220186927 A KR1020220186927 A KR 1020220186927A KR 20220186927 A KR20220186927 A KR 20220186927A KR 102538356 B1 KR102538356 B1 KR 102538356B1
Authority
KR
South Korea
Prior art keywords
signal
bio
sleep
user
sleep stage
Prior art date
Application number
KR1020220186927A
Other languages
English (en)
Inventor
이준녕
Original Assignee
주식회사 멜로잉팩토리
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 멜로잉팩토리 filed Critical 주식회사 멜로잉팩토리
Application granted granted Critical
Publication of KR102538356B1 publication Critical patent/KR102538356B1/ko

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4806Sleep evaluation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4806Sleep evaluation
    • A61B5/4812Detecting sleep stages or cycles
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102Ballistocardiography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4806Sleep evaluation
    • A61B5/4818Sleep apnoea
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/746Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02Operational features
    • A61B2560/0223Operational features of calibration, e.g. protocols for calibrating sensors
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0247Pressure sensors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Vascular Medicine (AREA)

Abstract

본 출원의 일 실시예에 따른 수면 단계 예측 장치는 메모리 및 적어도 하나의 프로세서를 포함하되, 상기 적어도 하나의 프로세서는, 사용자의 수면 중에 측정되는 제1 생체 신호 및 제2 생체 신호를 획득하고, 상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하고, 상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하고, 상기 비수면 상태 감지 결과에 기반하여 보정 수면 단계를 생성하되, 상기 제1 생체 신호는 심탄도 신호이고, 상기 보정 수면 단계는 상기 비수면 상태 감지 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것을 특징으로 한다.

Description

수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치{Method and device for monitoring sleep state using sleep prediction model}
본 발명은 수면 중에 발생하는 생체 신호에 대한 분석을 통해 보조 지표를 추출하고, 보조 지표에 기반하여 건강 상태를 모니터링하는 방법 및 이를 수행하는 장치에 관한 것이다.
수면의 질은 삶의 질을 좌우할 정도로 매우 중요하기 때문에 현대 사회에서는 수면의 중요성이 강조되고 있다. 최근에는 기술 발전에 따라 첨단 기술을 활용하여 다양한 방법으로 수면을 도와주는 슬립테크(Sleeptech)와 관련된 비즈니스가 주목받고 있다.
이와 관련하여, 수면 중에 인체로부터 발생하는 생체 신호를 분석하고 수면 상태를 모니터링함으로써 수면의 질을 개선하거나, 건강 상태를 모니터링함으로써 질병 또는 질환을 미리 예측하기 위해서는 생체 신호를 정확하게 측정하는 기술, 측정된 생체 신호를 정확하게 분석하는 기술 및 이를 효과적으로 사용자에게 제공하는 기술이 필수적으로 요구된다.
그러나 종래에는 생체 신호를 측정하기 위하여 사용자가 전자 장치를 신체에 착용한 상태로 수면했어야 하므로 사용자 편의성이 매우 낮다는 한계가 있었으며, 수면 중에 획득되는 생체 신호는 매우 불규칙하기 때문에 이를 정확하게 분석하는 모델을 구현하는데 한계가 있었다.
이에, 사용자가 직접 장치를 신체에 착용하고 있지 않은 상태에서도 정확하게 생체 신호를 측정할 수 있는 장치의 개발 및 측정된 생체 신호를 정확하게 분석하는 모델의 구현과 더불어 수면 상태 또는 건강 상태를 모니터링한 결과를 사용자에게 효과적으로 전달하는 방법의 개발이 요구되고 있는 상황이다.
아래의 종래문헌은 "전자 장치 및 전자 장치에서 수면 모니터링 방법"에 대해서 개시하고 있다.
* 대한민국특허청(KR) 공개특허공보(A) 2014-0111676 (2014.08.26)
본 발명의 일 과제는, 수면 중에 발생하는 생체 신호로부터 보조 지표를 추출하고 건강 상태를 모니터링하는 방법, 이를 수행하는 장치 및 시스템을 제공하는 것이다
본 발명이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 출원에 개시된 수면 단계 예측 장치는 메모리 및 적어도 하나의 프로세서를 포함하되, 상기 적어도 하나의 프로세서는, 사용자의 수면 중에 측정되는 제1 생체 신호 및 제2 생체 신호를 획득하고, 상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하고, 상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하고, 상기 비수면 상태 감지 결과에 기반하여 보정 수면 단계를 생성하되, 상기 제1 생체 신호는 심탄도 신호이고, 상기 보정 수면 단계는 상기 비수면 상태 감지 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것일 수 있다.
본 발명의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 출원의 실시예에 의하면, 수면 중에 발생하는 생체 신호를 측정하고, 미리 학습된 신경망 모델을 이용하여 이를 분석함으로써 신뢰도 높은 건강 상태 모니터링을 할 수 있다.
본 출원의 실시예에 의하면, 수면 중에 발생하는 생체 신호가 유효한지 여부에 대한 검증을 수행함으로써 건강 상태 모니터링의 기초가 되는 보조 지표를 정확하게 추출할 수 있다.
본 출원의 실시예에 의하면, 수면 중에 발생하는 생체 신호를 효과적으로 측정하기 위해 사용자가 직접 착용하고 있지 않는 경우에도 높은 정확도로 생체 신호를 획득할 수 있는 장치를 제공할 수 있다.
본 출원의 실시예에 의하면, 수면 중에 획득되는 복잡하고 다양한 유형의 심탄도 신호를 미리 학습된 신경망 모델을 통해 정확하게 분석하여 건강 상태 모니터링의 기초가 되는 보조 지표를 보다 정확하게 추출할 수 있다.
본 출원의 실시예에 의하면, 수면 중에 발생하는 생체 신호에 기반하여 수면 단계를 모니터링할 수 있고, 이를 통해 사용자가 기상하기 적합한 시점을 판단하고, 해당 시점에 사용자에게 알람을 제공하여 기상을 유도할 수 있다.
본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일 실시예에 따른 생체 신호를 회득하고 이를 분석하는 방법을 설명하기 위한 도면이다.
도 2 및 도 3은 일 실시예에 따른 생체 신호 분석 시스템을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 생체 신호 측정 장치가 생체 신호를 측정 및 획득하여 보조 지표를 추출하는 방법을 예시적으로 설명하기 위한 도면이다.
도 5 내지 도 7은 일 실시예에 따라 생체 신호 측정 장치가 획득할 수 있는 생체 신호의 종류, 생체 신호로부터 추출될 수 있는 보조 지표의 종류 및 보조 지표에 대한 분석을 통해 판단할 수 있는 질병의 종류를 예시적으로 설명하기 위한 도면이다.
도 8은 일 실시예에 따라 복수의 생체 신호 측정 장치로부터 획득되는 생체 신호의 종류, 생체 신호로부터 추출될 수 있는 보조 지표의 종류 및 보조 지표에 대한 분석을 통해 판단할 수 있는 질병의 종류를 예시적으로 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 생체 신호 측정 장치를 통해 무호흡증 또는 혈압에 대한 분석을 수행하는 방법을 예시적으로 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 생체 신호 측정 장치를 통해 수면 상태를 모니터링하는 방법을 예시적으로 설명하기 위한 도면이다.
도 11 내지 도 13은 일 실시예에 다른 생체 신호 측정 장치가 보조 지표 추출의 정확도를 향상시키기 위해 수행하는 방법을 예시적으로 설명하기 위한 도면이다.
도 14 및 도 15는 일 실시예에 따른 생체 신호 측정 장치의 배치가 적법한지를 판단하는 방법을 설명하기 위한 도면이다.
도 16 내지 도 18은 일 실시예에 따른 생체 신호 측정 장치의 배치가 적법한지 판단하기 위하여 심박수 및 호흡수에 관한 확률 값을 획득하는 방법을 예시적으로 설명하기 위한 도면이다.
도 19 및 도 20은 일 실시예에 따른 대상 생체 신호를 획득하기 위한 시스템에 대하여 예시적으로 설명하기 위한 도면이다.
도 21은 일 실시예에 따른 생체 신호 측정 장치를 예시적으로 설명하기 위한 도면이다.
도 22는 일 실시예에 따른 생체 신호 측정 장치의 구성을 설명하기 위한 도면이다.
도 23은 일 실시예에 따른 제1 생체 신호 측정 장치의 구조를 예시적으로 설명하기 위한 도면이다.
도 24는 다른 실시예에 따른 제1 생체 신호 측정 장치의 구조를 예시적으로 설명하기 위한 도면이다.
도 25 내지 도 27은 일 실시예에 따른 생체 신호 측정 장치가 눈 주변부의 압력 값에 기반하여 수면 상태를 모니터링 하는 방법을 예시적으로 설명하기 위한 도면이다.
도 28 내지 도 30은 일 실시예에 따른 생체 신호 측정 장치가 눈의 움직임을 판단하는 방법 및 수면 상태를 모니터링하는 방법을 예시적으로 설명하기 위한 도면이다.
도 31은 다른 실시예에 따른 생체 신호 측정 장치가 눈의 움직임을 판단하는 방법 및 수면 상태를 모니터링하는 방법을 예시적으로 설명하기 위한 도면이다.
도 32 내지 도 34는 일 실시예에 따른 생체 신호 측정 장치에서 동작 가능한 신경망 모델을 예시적으로 설명하기 위한 도면이다.
도 35는 일 실시예에 따른 생체 신호 측정 장치가 미리 학습된 신경망 모델을 이용하여 수면 상태를 모니터링하는 구체적인 방법을 설명하기 위한 도면이다.
도 36 내지 도 38은 일 실시예에 따른 생체 신호 측정 장치가 추가적인 보조 지표를 활용하여 예측된 수면 상태를 보정하는 방법을 설명하기 위한 도면이다.
도 39 및 40은 다른 실시예에 따른 생체 신호 측정 장치가 추가적인 보조 지표를 활용하여 예측된 수면 상태를 보정하는 방법을 설명하기 위한 도면이다.
도 41 및 42는 일 실시예에 따른 생체 신호 측정 장치가 수면 모니터링 결과에 기반하여 사용자에게 알람을 제공하는 방법을 설명하기 위한 도면이다.
도 43은 일 실시예에 따른 생체 신호 측정 장치가 수면 모니터링 결과에 기반하여 주변 기기를 통해 사용자에게 알람을 제공하는 방법을 설명하기 위한 도면이다.
도 44 내지 도 47은 일 실시예에 따른 사용자 단말이 사용자에게 생체 신호 측정 장치의 사용법을 가이드하기 위한 방법을 예시적으로 설명하기 위한 도면이다.
도 48 내지 도 52는 일 실시예에 따른 사용자 단말이 수면 상태 모니터링 결과를 사용자에게 출력하는 방법을 예시적으로 설명하기 위한 도면이다.
본 출원의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 출원은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 가질 수 있는 바, 이하에서는 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명하며, 이에 대한 중복되는 설명은 생략하기로 한다.
본 출원과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 출원의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 이하의 실시예에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타낸 것으로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
어떤 실시예가 달리 구현 가능한 경우에 특정한 프로세스의 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 프로세스가 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.
이하의 실시예에서, 구성 요소 등이 연결되었다고 할 때, 구성 요소들이 직접적으로 연결된 경우뿐만 아니라 구성요소들 중간에 구성 요소들이 개재되어 간접적으로 연결된 경우도 포함한다.
예컨대, 본 명세서에서 구성 요소 등이 전기적으로 연결되었다고 할 때, 구성 요소 등이 직접 전기적으로 연결된 경우뿐만 아니라, 그 중간에 구성 요소 등이 개재되어 간접적으로 전기적 연결된 경우도 포함한다.
일 실시예에 따른 건강 상태 모니터링 장치에 있어서, 메모리; 및 적어도 하나의 프로세서;를 포함하되, 상기 적어도 하나의 프로세서는, 제1 디바이스로부터 제1 생체 신호를 획득하고, 상기 제1 생체 신호에 대한 분석에 기반하여 제1 보조 지표 및 제2 보조 지표를 추출하고, 상기 제1 보조 지표 및 제2 보조 지표에 기반하여 건강 상태를 모니터링하되, 상기 제1 디바이스는 제1 신체 부위에서 발생하는 생체 신호를 획득하기 위한 장치이고, 상기 제1 신체 부위는 상체에 대응하는 부위이며, 상기 제1 생체 신호는 심탄도 신호일 수 있다.
상기 적어도 하나의 프로세서는, 상기 제1 디바이스로부터 제2 생체 신호를 획득하고, 상기 제2 생체 신호에 대한 분석에 기반하여 제3 보조 지표를 추출하고, 상기 제1 보조 지표 내지 상기 제3 보조 지표에 기반하여 무호흡증에 대해 진단하되, 상기 제2 생체 신호는 수면 중에 인체로부터 발생하는 소리 신호일 수 있다.
상기 제1 보조 지표는 호흡수에 관한 것이고, 상기 제2 보조 지표는 호흡 크기에 관한 것이며, 상기 제1 보조 지표 및 상기 제2 보조 지표는 미리 학습된 신경망 모델을 이용하여 추출되고, 상기 미리 학습된 신경망 모델은 심탄도 신호로부터 호흡수 및 호흡 크기에 관한 지표를 추출하도록 학습될 수 있다.
상기 제3 보조 지표는 수면 소리와 관련된 지표이고, 상기 제3 보조 지표는 미리 학습된 신경망 모델을 이용하여 추출되며, 상기 미리 학습된 신경망 모델은 소리 신호로부터 수면 소리에 관한 지표를 추출하도록 학습될 수 있다.
상기 적어도 하나의 프로세서는, 제2 디바이스로부터 제2 생체 신호를 획득하고, 상기 제2 생체 신호에 대한 분석에 기반하여 제3 보조 지표를 추출한 후, 상기 제1 보조 지표 내지 상기 제3 보조 지표에 기반하여 무호흡증에 대해 진단하되, 상기 제2 디바이스는 제2 신체 부위에서 발생하는 생체 신호를 획득하기 위한 장치이고, 상기 제2 신체 부위는 상기 제1 신체 부위와 상이할 수 있다.
상기 제2 신체 부위는 머리에 대응하는 부위이고, 상기 제2 생체 신호는 수면 중에 인체로부터 발생하는 소리 신호일 수 있다.
상기 제1 보조 지표는 호흡수에 관한 것이고, 상기 제2 보조 지표는 호흡 크기에 관한 것이며, 상기 제1 보조 지표 및 상기 제2 보조 지표는 미리 학습된 신경망 모델을 이용하여 추출되고, 상기 미리 학습된 신경망 모델은 심탄도 신호로부터 호흡수 및 호흡 크기에 관한 지표를 추출하도록 학습될 수 있다.
상기 제3 보조 지표는 수면 소리와 관련된 지표인, 상기 제3 보조 지표는 미리 학습된 신경망 모델을 이용하여 추출되며, 상기 미리 학습된 신경망 모델은 소리 신호로부터 수면 소리에 관한 지표를 추출하도록 학습될 수 있다.
상기 적어도 하나의 프로세서는, 제2 디바이스로부터 제2 생체 신호를 획득하고, 상기 제1 생체 신호 및 상기 제2 생체 신호에 기반하여 맥파 전달 속도(PWV) 값을 결정하되, 상기 제2 디바이스는 제2 신체 부위에서 발생하는 생체 신호를 획득하기 위한 장치이고, 상기 제1 신체 부위와 상기 제2 신체 부위는 서로 다를 수 있다.
상기 제2 신체 부위는 머리에 대응하는 부위이고, 상기 제2 생체 신호는 심탄도 신호일 수 있다.
상기 제1 생체 신호는 제1 시간 구간 동안 측정된 심탄도 신호이고, 상기 제2 생체 신호는 제2 시간 구간 동안 측정된 심탄도 신호이되, 상기 제1 시간 구간의 적어도 일부 및 상기 제2 시간 구간의 적어도 일부는 서로 중첩될 수 있다.
상기 적어도 하나의 프로세서는, 상기 제1 디바이스로부터 제2 생체 신호를 획득하고, 상기 제2 생체 신호에 대한 분석에 기반하여 제3 보조 지표를 추출하고, 상기 제1 보조 지표 및 상기 제2 보조 지표에 기반하여 사용자의 예측 수면 단계를 결정하고, 상기 예측 수면 단계 및 상기 제3 보조 지표에 기반하여 상기 사용자의 최종 수면 단계를 결정하되, 상기 제2 생체 신호는 수면 중에 인체로부터 발생하는 소리 신호일 수 있다.
상기 제1 보조 지표는 심박수에 관한 것이고, 상기 제2 보조 지표는 호흡수에 관한 것이며, 상기 제1 보조 지표 및 상기 제2 보조 지표는 미리 학습된 신경망 모델을 이용하여 추출되고, 상기 미리 학습된 신경망 모델은 심탄도 신호로부터 심박수 및 호흡수에 관한 지표를 추출하도록 학습될 수 있다.
상기 적어도 하나의 프로세서는, 제2 디바이스로부터 제2 생체 신호를 획득하고, 상기 제2 생체 신호에 대한 분석에 기반하여 제3 보조 지표를 추출한 후, 상기 제1 보조 지표 및 상기 제2 보조 지표에 기반하여 사용자의 예측 수면 단계를 결정하고, 상기 예측 수면 단계 및 상기 제3 보조 지표에 기반하여 상기 사용자의 최종 수면 단계를 결정하되, 상기 제2 디바이스는 제2 신체 부위에서 발생하는 생체 신호를 획득하기 위한 장치이고, 상기 제2 신체 부위는 머리에 대응하는 부위이며, 상기 제2 생체 신호는 눈 주변부에서 발생하는 압력에 관한 것일 수 있다.
상기 제1 보조 지표는 심박수에 관한 것이고, 상기 제2 보조 지표는 호흡수에 관한 것이며, 상기 제1 보조 지표 및 상기 제2 보조 지표는 미리 학습된 신경망 모델을 이용하여 추출되고, 상기 미리 학습된 신경망 모델은 심탄도 신호로부터 심박수 및 호흡수에 관한 지표를 추출하도록 학습되며, 상기 제3 보조 지표는 상기 사용자의 눈 움직임과 관련된 지표일 수 있다.
상기 적어도 하나의 프로세서는, 상기 건강 상태 모니터링 결과에 기반하여, 상기 제1 디바이스를 통해 사용자에게 진동 알람을 제공할 수 있다.
상기 적어도 하나의 프로세서는, 상기 건강 상태 모니터링 결과에 기반하여, 상기 제1 디바이스를 통해 사용자에게 진동 알람을 제공하고, 상기 제2 디바이스를 통해 사운드 알람 또는 LED 알람을 제공할 수 있다.
일 실시예에 따른 건강 상태를 모니터링하는 방법에 있어서, 제1 디바이스로부터 제1 생체 신호를 획득하는 단계; 상기 제1 생체 신호에 대한 분석에 기반하여 제1 보조 지표 및 제2 보조 지표를 추출하는 단계; 및 상기 제1 보조 지표 및 제2 보조 지표에 기반하여 건강 상태를 모니터링하는 단계;를 포함하되, 상기 제1 디바이스는 제1 신체 부위에서 발생하는 생체 신호를 획득하기 위한 장치이고, 상기 제1 신체 부위는 상체에 대응하는 부위이며, 상기 제1 생체 신호는 심탄도 신호일 수 있다.
일 실시예에 따른 전자 장치와 연결되고 동작을 실행하기 위한 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 동작은, 제1 디바이스로부터 제1 생체 신호를 획득하는 단계; 상기 제1 생체 신호에 대한 분석에 기반하여 제1 보조 지표 및 제2 보조 지표를 추출하는 단계; 및 상기 제1 보조 지표 및 제2 보조 지표에 기반하여 건강 상태를 모니터링하는 단계;를 포함하되, 상기 제1 디바이스는 제1 신체 부위에서 발생하는 생체 신호를 획득하기 위한 장치이고, 상기 제1 신체 부위는 상체에 대응하는 부위이며, 상기 제1 생체 신호는 심탄도 신호인, 비일시적 컴퓨터 판독 가능 저장 매체를 제공할 수 있다.
일 실시예에 따른 건강 상태를 모니터링하는 방법에 있어서, 생체 신호 측정 장치에 의해 측정된 전자 신호를 획득하는 단계; 상기 전자 신호에 기반하여 사용자가 상기 생체 신호 측정 장치와 직 간접적으로 접촉하고 있는지 판단하는 단계; 제1 시점에 상기 생체 신호 측정 장치를 통해 측정된 심탄도 신호를 획득하는 단계; 상기 심탄도 신호가 유효한지 검증하는 단계; 제2 시점에 상기 생체 신호 측정 장치를 통해 측정된 대상 심탄도 신호를 획득하는 단계; 상기 대상 심탄도 신호에 기반하여 상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계; 제3 시점에 상기 생체 신호 측정 장치를 통해 측정된 유효 심탄도 신호를 획득하는 단계; 미리 학습된 신경망 모델을 이용하여 상기 유효 심탄도 신호에 기반하여 적어도 하나의 보조 지표를 획득하는 단계; 및 상기 적어도 하나의 보조 지표에 기반하여 건강 상태를 모니터링하는 단계;를 포함할 수 있다.
상기 제1 시점은 상기 사용자가 상기 생체 신호 측정 장치와 직간접적으로 접촉하고 있다고 판단된 이후 시점이고, 상기 제2 시점은 상기 심탄도 신호가 유효한 것으로 판단된 이후 시점이고, 상기 제3 시점은 상기 생체 신호 측정 장치의 배치가 적법한 것으로 판단된 이후 시점일 수 있다.
상기 사용자가 상기 생체 신호 측정 장치와 직간접적으로 접촉하고 있는지 판단하는 단계는, 제1 알고리즘을 이용하여 상기 전자 신호에 기반하여 상기 생체 신호 측정 장치 상에 상기 사용자가 위치하고 있는지 판단하는 단계를 더 포함할 수 있다.
상기 심탄도 신호가 유효한지 검증하는 단계는, 상기 사용자의 움직임에 관한 제1 보조 지표, 상기 생체 신호 측정 장치 상에 위치하고 있는 사용자의 수에 관한 제2 보조 지표 및 상기 사용자의 복장에 관한 제3 보조 지표 중 적어도 하나를 이용하여 상기 심탄도 신호가 유효한지 검증하는 단계를 포함하되, 상기 제1 보조 지표 내지 상기 제3 보조 지표는 상기 심탄도 신호에 대한 분석에 기반하여 추출될 수 있다.
상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계는 미리 정해진 주기 마다 수행될 수 있다.
상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계는, 미리 학습된 신경망 모델을 통해 상기 대상 심탄도 신호에 기반하여 심박수와 관련된 제1 확률 값을 획득하는 단계; 상기 미리 학습된 신경망 모델을 통해 상기 대상 심탄도 신호에 기반하여 호흡수와 관련된 제2 확률 값을 획득하는 단계; 및 상기 제1 확률 값 및 상기 제2 확률 값 중 적어도 하나에 기반하여 상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계;를 더 포함할 수 있다.
상기 미리 학습된 신경망 모델은 피크 검출 알고리즘을 이용하여 심탄도 신호로부터 심박수 및 호흡수와 관련된 데이터를 추출하도록 학습될 수 있다.
상기 제1 확률 값은 미리 정해진 시간 구간 내에서 상기 심박수가 적법하게 획득되고 있을 확률에 관한 것이고, 상기 제2 확률 값은 상기 미리 정해진 시간 구간 내에서 상기 호흡수가 적법하게 획득되고 있을 확률에 관한 것일 수 있다.
상기 제1 확률 값 및 상기 제2 확률 값 중 적어도 하나에 기반하여 상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계는, 상기 제1 확률 값이 미리 정해진 제1 피크 검출 확률 이상이고, 상기 제2 확률 값이 미리 정해진 제2 피크 검출 확률 이상일 경우에 상기 생체 신호 측정 장치의 배치가 적법하다고 판단하는 단계를 더 포함할 수 있다.
상기 건강 상태 모니터링 방법은, 상기 생체 신호 측정 장치의 배치가 부적법하다고 판단될 경우, 이상 값에 대해 분석하는 단계; 및 상기 이상 값에 대한 분석에 기반하여 상기 생체 신호 측정 장치의 적정 배치에 관한 가이드를 생성하는 단계;를 더 포함할 수 있다.
상기 이상 값에 대해 분석하는 단계는, 미리 학습된 신경망 모델을 통해 상기 대상 심탄도 신호에 기반하여 심박수와 관련된 지표를 추출하는 단계; 상기 미리 학습된 신경망 모델을 통해 상기 대상 심탄도 신호에 기반하여 호흡수와 관련된 지표를 추출하는 단계; 및 상기 심박수와 관련된 지표 및 상기 호흡수와 관련된 지표 중 적어도 하나에 기반하여 이상 값을 분석하는 단계;를 더 포함할 수 있다.
상기 생체 신호 측정 장치의 적정 배치에 관한 가이드를 생성하는 단계는, 상기 심박수와 관련된 지표 및 상기 호흡수와 관련된 지표 중 적어도 하나에 기반하여 상기 생체 신호 측정 장치의 배치 위치 또는 배치 방법에 관한 가이드를 생성하는 단계를 더 포함할 수 있다.
상기 대상 심탄도 신호는 미리 정해진 시간 구간 동안 미리 정해진 횟수만큼 반복해서 획득된 신호일 수 있다.
상기 대상 심탄도 신호는 제1 그룹의 심탄도 신호 및 제2 그룹의 심탄도 신호를 포함하고, 상기 제1 그룹의 심탄도 신호는 미리 정해진 제1 시간 구간 동안 획득되는 심탄도 신호의 집합이고, 상기 제2 그룹의 심탄도 신호는 미리 정해진 제2 시간 구간 동안 획득되는 심탄도 신호의 집합이며, 상기 제1 시간 구간은 상기 제2 시간 구간보다 이전의 시간 구간일 수 있다.
상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계는, 미리 학습된 신경망 모델을 통해 상기 제1 그룹의 심탄도 신호에 기반하여 심박수와 관련된 제1 확률 값을 획득하고, 호흡수와 관련된 제2 확률 값을 획득하는 단계; 상기 미리 학습된 신경망 모델을 통해 상기 제2 그룹의 심탄도 신호에 기반하여 심박수와 관련된 제3 확률 값을 획득하고, 호흡수와 관련된 제4 확률 값을 획득하는 단계; 및 상기 제1 확률 값 내지 상기 제4 확률 값 중 적어도 하나에 기반하여 상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계;를 더 포함할 수 있다.
상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계는, 상기 제3 확률 값 및 상기 제4 확률 값에 기반하여 상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계;를 더 포함할 수 있다.
상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계는, 상기 생체 신호 측정 장치의 배치가 부적법하다고 판단될 경우, 상기 제1 확률 값 및 상기 제2 확률 값에 기반하여 상기 생체 신호 측정 장치의 적정 배치에 관한 가이드를 생성하는 단계;를 더 포함할 수 있다.
일 실시예에 따른 건강 상태 모니터링 장치에 있어서, 메모리; 및 적어도 하나의 프로세서;를 포함하되, 상기 적어도 하나의 프로세서는, 생체 신호 측정 장치에 의해 측정된 전자 신호를 획득하고, 상기 전자 신호에 기반하여 사용자가 상기 생체 신호 측정 장치와 직 간접적으로 접촉하고 있는지 판단하고, 제1 시점에 상기 생체 신호 측정 장치를 통해 측정된 심탄도 신호를 획득하고, 상기 심탄도 신호가 유효한지 검증하고, 제2 시점에 상기 생체 신호 측정 장치를 통해 측정된 대상 심탄도 신호를 획득하고, 상기 대상 심탄도 신호에 기반하여 상기 생체 신호 측정 장치의 배치가 적법한지 판단하고, 제3 시점에 상기 생체 신호 측정 장치를 통해 측정된 유효 심탄도 신호를 획득하고, 미리 학습된 신경망 모델을 이용하여 상기 유효 심탄도 신호에 기반하여 적어도 하나의 보조 지표를 획득하고, 상기 적어도 하나의 보조 지표에 기반하여 건강 상태를 모니터링할 수 있다.
일 실시예에 따른 전자 장치와 연결되고 동작을 실행하기 위한 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 동작은, 생체 신호 측정 장치에 의해 측정된 전자 신호를 획득하는 단계; 상기 전자 신호에 기반하여 사용자가 상기 생체 신호 측정 장치와 직 간접적으로 접촉하고 있는지 판단하는 단계; 제1 시점에 상기 생체 신호 측정 장치를 통해 측정된 심탄도 신호를 획득하는 단계; 상기 심탄도 신호가 유효한지 검증하는 단계; 제2 시점에 상기 생체 신호 측정 장치를 통해 측정된 대상 심탄도 신호를 획득하는 단계; 상기 대상 심탄도 신호에 기반하여 상기 생체 신호 측정 장치의 배치가 적법한지 판단하는 단계; 제3 시점에 상기 생체 신호 측정 장치를 통해 측정된 유효 심탄도 신호를 획득하는 단계; 미리 학습된 신경망 모델을 이용하여 상기 유효 심탄도 신호에 기반하여 적어도 하나의 보조 지표를 획득하는 단계; 및 상기 적어도 하나의 보조 지표에 기반하여 건강 상태를 모니터링하는 단계;를 포함하는, 비일시적 컴퓨터 판독 가능 저장 매체를 제공할 수 있다.
일 실시예에 따른 생체 신호 획득을 위한 전자 장치에 있어서, 길이 방향으로 형성되는 압력 센서; 상기 압력 센서의 일면에 대응하는 영역의 적어도 일부를 감싸도록 형성되는 제1 커버; 상기 압력 센서의 타면에 대응하는 영역의 적어도 일부를 감싸도록 형성되는 제2 커버; 상기 제2 커버와 상기 압력 센서의 타면 사이에 배치되는 하드 페이퍼; 및 상기 하드 페이퍼와 상기 압력 센서의 타면 사이에서 제1 PCB 상에 배치되는 적어도 하나의 진동 모터;를 포함할 수 있다.
상기 압력 센서의 일면은 상기 전자 장치가 매트리스 상에 배치되었을 때 인체를 향하는 방향이고, 상기 압력 센서의 타면은 상기 전자 장치가 매트리스 상에 배치되었을 때 매트리스를 향하는 방향일 수 있다.
상기 압력 센서의 일면은 상기 제1 커버에 부착될 수 있다. 상기 적어도 하나의 진동 모터는 상기 제2 커버를 향하는 방향으로 상기 제1 PCB 상에 배치될 수 있다.
상기 전자 장치는 제3 커버를 더 포함하고, 상기 제3 커버는 상기 제1 커버와 상기 제2 커버 사이에 배치될 수 있다. 상기 제1 커버 내지 상기 제3 커버는 플라스틱 재질 또는 패브릭 재질로 구비될 수 있다. 상기 제1 커버 내지 상기 제3 커버는 방수 기능을 하는 코팅 처리가 되어 있는, 상기 제1 커버 내지 상기 제3 커버 중 적어도 어느 하나의 일면에는 미끄럼 방지용 코팅이 형성될 수 있다.
상기 적어도 하나의 진동 모터는 제1 진동 모터, 제2 진동 모터 및 제3 진동 모터를 포함하되, 상기 제1 진동 모터 내지 상기 제3 진동 모터는 미리 정해진 간격으로 배치될 수 있다.
상기 전자 장치는 제2 PCB를 더 포함하고, 상기 제2 PCB는 상기 압력 센서 및 상기 적어도 하나의 진동 모터와 전기적으로 연결될 수 있다.
상기 제2 PCB는 제1 연결부를 통해 상기 압력 센서와 전기적으로 연결되고, 제2 연결부를 통해 상기 적어도 하나의 진동 모터와 전기적으로 연결될 수 있다.
상기 제1 커버는 상기 제2 PCB의 일면에 대응하는 영역의 적어도 일부를 감싸도록 연장 형성되고, 상기 제2 커버는 상기 제2 PCB의 타면에 대응하는 영역의 적어도 일부를 감싸도록 연장 형성될 수 있다.
상기 전자 장치는 상기 제2 PCB를 수용하는 하우징을 더 포함하고, 상기 하우징은 상기 압력 센서의 적어도 일부와 접하는 압력 센서 수용 영역을 포함할 수 있다.
상기 하우징은 상기 압력 센서 수용 영역을 덮는 커버를 포함하고, 상기 압력 센서 수용 영역은 상기 압력 센서의 적어도 일부와 접하는 면적을 증가시키기 위하여 경사지도록 형성될 수 있다.
상기 하우징은 상기 제1 커버 및 상기 제2 커버와 일체로 형성되될 수 있다. 상기 적어도 하나의 진동 모터는 상기 제1 커버의 중앙에 배치될 수 있다.
상기 전자 장치는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 압력 센서를 통해 획득되는 심탄도 신호에 대한 분석에 기반하여 제1 보조 지표 및 제2 보조 지표를 추출하고, 상기 제1 보조 지표 및 상기 제2 보조 지표에 기반하여 건강 상태를 모니터링할 수 있다.
상기 제1 보조 지표는 심박수에 관한 것이고, 상기 제2 보조 지표는 호흡수에 관한 것이며, 상기 제1 보조 지표 및 상기 제2 보조 지표는 미리 학습된 신경망 모델을 이용하여 추출되고, 상기 미리 학습된 신경망 모델은 상기 심탄도 신호로부터 심박수 및 호흡수에 관한 지표를 추출하도록 학습될 수 있다.
일 실시예에 따른 수면 상태 모니터링을 위한 전자 장치에 있어서, 통신 모듈; 및 적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는, 외부 장치로부터 눈 주변부에서 측정되는 압력 값을 획득하고, 상기 압력 값에 기반하여 사용자의 눈 움직임을 판단하고, 상기 눈 움직임에 대한 판단 결과에 기반하여 상기 사용자의 수면 상태를 모니터링할 수 있다.
상기 외부 장치는 신체 착용 가능한 전자 장치이고, 상기 외부 장치는 적어도 하나의 압력 센서를 포함하되, 상기 적어도 하나의 프로세서는, 상기 적어도 하나의 압력 센서를 이용하여 상기 압력 값을 측정할 수 있다.
상기 적어도 하나의 압력 센서는 상기 사용자의 눈의 상측, 하측, 좌측 및 우측 중 적어도 한 곳에 대응되는 영역에 구비될 수 있다.
상기 적어도 하나의 압력 센서는 제1 압력 센서 및 제2 압력 센서를 포함하고, 상기 제1 압력 센서는 상기 사용자의 눈의 상측 또는 하측에 대응되는 영역에 구비되고, 상기 제2 압력 센서는 상기 사용자의 눈의 좌측 또는 우측에 대응되는 영역에 구비될 수 있다.
상기 적어도 하나의 프로세서는, 상기 압력 값에 기반하여 파형을 생성하고, 미리 정해진 알고리즘을 통해 상기 생성된 파형의 형태에 대한 분석에 기반하여 눈 움직임을 판단할 수 있다.
상기 파형의 형태에 대한 분석은 상기 파형의 형태의 패턴에 대한 분석, 상기 파형의 형태의 변화에 대한 분석 및 상기 파형의 형태로 인해 생기는 피크(peak)에 대한 분석 중 적어도 하나를 포함할 수 있다.
상기 적어도 하나의 프로세서는, 상기 압력 값이 미리 정해진 구간에서 임계 범위 내이고, 상기 파형의 형태가 제1 유형인 경우 사용자의 수면 상태가 제1 상태인 것으로 결정할 수 있다.
상기 제1 상태는 얕은 수면 상태이거나 깊은 수면 상태일 수 있다.
상기 적어도 하나의 프로세서는, 상기 압력 값이 미리 정해진 구간에서 임계 범위를 넘어서고, 상기 파형의 형태가 제2 유형인 경우 상기 사용자의 수면 상태가 제2 상태인 것으로 결정하고, 상기 압력 값이 미리 정해진 구간에서 임계 범위를 넘어서고, 상기 파형의 형태가 제3 유형인 경우 상기 사용자의 수면 상태가 제3 상태인 것으로 결정할 수 있다.
상기 제2 유형은 상기 파형의 형태가 제1 진폭의 크기를 가지는 유형이고, 상기 제3 유형은 상기 파형의 형태가 제2 진폭의 크기를 가지는 유형이되, 상기 제2 진폭의 크기는 상기 제1 진폭의 크기보다 클 수 있다.
상기 제2 상태는 비수면 상태이고, 상기 제3 상태는 렘수면(Rapid Eye Movement: REM) 상태일 수 있다.
상기 제2 유형은 상기 파형의 형태에서 임계 값을 벗어나는 피크(peak)가 미리 정해진 기준 이하인 유형이고, 상기 제3 유형은 상기 파형의 형태에서 임계 값을 벗어나는 피크(peak)가 미리 정해진 기준 이상인 유형일 수 있다.
상기 제2 상태는 비수면 상태이고, 상기 제3 상태는 렘수면(Rapid Eye Movement: REM) 상태일 수 있다.
상기 적어도 하나의 프로세서는, 사용자가 깨어 있는 상태에서 측정되는 압력 값에 기반하여 기준 값을 결정하고, 상기 기준 값에 기반하여 사용자의 수면 상태를 판단하되, 상기 압력 값이 오차 범위 내에서 상기 기준 값을 만족하는 경우 사용자가 비수면 상태인 것으로 판단하고, 상기 압력 값이 상기 기준 값보다 작은 경우 사용자가 비렘수면 상태인 것으로 판단하고, 상기 압력 값이 상기 기준 값보다 큰 경우 사용자가 렘수면 상태인 것으로 판단할 수 있다.
상기 적어도 하나의 프로세서는, 상기 압력 값에 기반하여 사용자의 심박수를 판단하고, 상기 눈 움직임에 대한 판단 결과 및 상기 심박수에 대한 판단 결과에 기반하여 상기 사용자의 수면 상태를 모니터링할 수 있다.
상기 적어도 하나의 프로세서는, 미리 학습된 신경망 모델을 이용하여 상기 압력 값에 기반하여 상기 사용자의 심박수를 판단하되, 상기 미리 학습된 신경망 모델은 눈 주변부 압력 값과 관련된 학습 데이터에 기반하여 심박수에 대한 데이터를 획득하도록 학습될 수 있다.
상기 적어도 하나의 프로세서는, 상기 사용자의 수면 상태 모니터링 결과에 기반하여 상기 사용자에게 알람을 제공하도록 전자 신호를 생성하고, 상기 전자 신호를 상기 외부 장치로 전송하되, 상기 알람은 상기 외부 장치를 통해 상기 사용자에게 출력될 수 있다.
일 실시예에 따른 수면 상태를 모니터링하는 방법에 있어서, 외부 장치로부터 눈 주변부에서 측정되는 압력 값을 획득하는 단계; 상기 압력 값에 기반하여 파형을 생성하는 단계; 상기 압력 값 및 상기 파형의 형태에 기반하여 사용자의 눈 움직임을 판단하는 단계; 및 상기 눈 움직임에 대한 판단 결과에 기반하여 상기 사용자의 수면 상태를 모니터링하는 단계;를 포함할 수 있다.
일 실시예에 따른 전자 장치와 연결되고 동작을 실행하기 위한 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 동작은, 외부 장치로부터 눈 주변부에서 측정되는 압력 값을 획득하는 단계; 상기 압력 값에 기반하여 파형을 생성하는 단계; 상기 압력 값 및 상기 파형의 형태에 기반하여 사용자의 눈 움직임을 판단하는 단계; 및 상기 눈 움직임에 대한 판단 결과에 기반하여 상기 사용자의 수면 상태를 모니터링하는 단계;를 포함하는, 비일시적 컴퓨터 판독 가능 저장 매체를 제공할 수 있다.
일 실시예에 따른 수면 단계 예측 장치에 있어서, 메모리; 및 적어도 하나의 프로세서;를 포함하되, 상기 적어도 하나의 프로세서는, 사용자의 수면 중에 측정되는 제1 생체 신호 및 제2 생체 신호를 획득하고, 상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하고, 상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하고, 상기 비수면 상태 감지 결과에 기반하여 보정 수면 단계를 생성하되, 상기 제1 생체 신호는 심탄도 신호이고, 상기 보정 수면 단계는 상기 비수면 상태 감지 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것일 수 있다.
상기 적어도 하나의 프로세서는, 상기 제2 생체 신호에 기반하여 적어도 하나의 보조 지표를 추출하고, 상기 적어도 하나의 보조 지표에 기반하여 상기 사용자의 비수면 상태를 감지하되, 상기 제2 생체 신호는 심탄도 신호 또는 소리 신호일 수 있다.
상기 적어도 하나의 보조 지표는 사용자의 움직임, 사용자의 유무, 사용자 눈의 움직임, 활동량 및 엔트로피 중 적어도 하나일 수 있다.
상기 적어도 하나의 프로세서는, 상기 제1 생체 신호에 기반하여 제1 시간 구간에서 상기 사용자가 제1 수면 단계인 것으로 결정하고, 제2 시간 구간에서 상기 사용자가 제2 수면 단계인 것으로 결정하고, 제3 시간 구간에서 상기 사용자가 제3 수면 단계인 것으로 결정하여 상기 예상 수면 단계를 생성하고, 상기 제2 생체 신호에 기반하여 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 판단된 경우, 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 상기 예상 수면 단계를 업데이트하여 상기 보정 수면 단계를 생성할 수 있다.
상기 제1 시간 구간 내지 상기 제3 시간 구간은 서로 다른 길이를 갖는 시간 구간이며, 상기 적어도 하나의 프로세서는, 상기 제1 신경망 모델을 통해 상기 제1 시간 구간 내지 상기 제3 시간 구간에 획득된 상기 제1 생체 신호에 기반하여 상기 제1 수면 단계 내지 상기 제3 수면 단계를 결정할 수 있다.
상기 제1 시간 구간 내지 상기 제3 시간 구간은 서로 다른 길이를 갖는 시간 구간이며, 상기 제1 신경망 모델은 제1 부분, 제2 부분 및 제3 부분을 포함하고, 상기 적어도 하나의 프로세서는, 상기 제1 신경망 모델의 상기 제1 부분을 통해 상기 제1 시간 구간동안 획득된 상기 제1 생체 신호에 기반하여 상기 제1 수면 단계를 결정하고, 상기 제1 신경망 모델의 상기 제2 부분을 통해 상기 제2 시간 구간동안 획득된 상기 제1 생체 신호에 기반하여 상기 제2 수면 단계를 결정하고, 상기 제1 신경망 모델의 상기 제3 부분을 통해 상기 제3 시간 구간동안 획득된 상기 제1 생체 신호에 기반하여 상기 제3 수면 단계를 결정할 수 있다.
상기 적어도 하나의 프로세서는, 미리 학습된 제2 신경망 모델을 통해 최종 수면 단계를 생성하되, 상기 비수면 상태 감지 결과 및 상기 보정 수면 단계 중 적어도 하나를 상기 제2 신경망 모델의 입력 데이터로 하여 상기 최종 수면 단계를 생성할 수 있다.
상기 적어도 하나의 프로세서는, 상기 사용자의 수면 중에 측정되는 제3 생체 신호를 추가적으로 획득하고, 상기 비수면 상태 감지 결과, 상기 보정 수면 단계 및 상기 제3 생체 신호 중 적어도 하나를 상기 제2 신경망 모델의 입력 데이터로 하여 상기 최종 수면 단계를 생성하되, 상기 제3 생체 신호는 심탄도 신호일 수 있다.
상기 적어도 하나의 프로세서는, 상기 제3 생체 신호에 기반하여 미리 학습된 제3 신경망 모델을 통해 무호흡증을 판단하고, 상기 비수면 상태 감지 결과, 상기 무호흡증 판단 결과 및 상기 보정 수면 단계 중 적어도 하나를 상기 제2 신경망 모델의 입력 데이터로 하여 상기 최종 수면 단계를 생성할 수 있다.
상기 적어도 하나의 프로세서는, 상기 제3 생체 신호에 기반하여 호흡수와 관련된 제1 보조 지표 및 호흡 크기와 관련된 제2 보조 지표를 추출하고, 상기 제1 보조 지표 및 상기 제2 보조 지표에 기반하여 상기 제3 신경망 모델을 통해 무호흡증을 판단할 수 있다.
상기 적어도 하나의 프로세서는, 상기 제3 신경망 모델을 통해 상기 제3 생체 신호에 기반하여 미리 정해진 시간 동안의 상기 사용자의 무호흡 횟수를 추출하고, 상기 무호흡 횟수에 기반하여 상기 최종 수면 단계를 생성할 수 있다.
상기 적어도 하나의 프로세서는, 상기 사용자의 수면 중에 측정되는 제3 생체 신호를 추가적으로 획득하고, 상기 제3 생체 신호에 기반하여 미리 학습된 제3 신경망 모델을 통해 무호흡증을 판단하고, 상기 무호흡증 판단 결과에 기반하여 보정 수면 단계를 생성하고, 상기 보정 수면 단계는 상기 무호흡증 판단 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것일 수 있다.
일 실시예에 따른 수면 단계 예측 방법은, 사용자의 수면 중에 측정되는 제1 생체 신호 및 제2 생체 신호를 획득하는 단계; 상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하는 단계; 상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하는 단계; 및 상기 비수면 상태 감지 결과에 기반하여 보정 수면 단계를 생성하는 단계;를 포함하되, 상기 제1 생체 신호는 심탄도 신호이고, 상기 보정 수면 단계는 상기 비수면 상태 감지 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것일 수 있다.
일 실시예에 따르면, 전자 장치와 연결되고 동작을 실행하기 위한 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 동작은, 사용자의 수면 중에 측정되는 제1 생체 신호 및 제2 생체 신호를 획득하는 단계; 상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하는 단계; 상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하는 단계; 및 상기 비수면 상태 감지 결과에 기반하여 보정 수면 단계를 생성하는 단계;를 포함하되, 상기 제1 생체 신호는 심탄도 신호이고, 상기 보정 수면 단계는 상기 비수면 상태 감지 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것인, 비일시적 컴퓨터 판독 가능 저장 매체를 제공할 수 있다.
1. 전체 프로세스
도 1은 일 실시예에 따른 생체 신호를 회득하고 이를 분석하는 방법을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 생체 신호를 획득하고 이를 분석하는 방법은 생체 신호 분석 장치(1000)에 의해 수행될 수 있다. 생체 신호 분석 장치(1000)는 적어도 하나의 센서를 구비하며, 상기 적어도 하나의 센서를 이용하여 신체로부터 적어도 하나의 생체 신호를 획득할 수 있다. 생체 신호 분석 장치(1000)는 신체로부터 적어도 하나의 생체 신호를 획득한 후, 이를 분석하여 인간의 건강 상태와 관련된 분석을 수행할 수 있다.
일 실시예에 따르면, 생체 신호 분석 장치(1000)는 수면 중에 생체 신호를 회득하고, 수면 중에 획득된 생체 신호를 분석하여 인간의 건강 상태와 관련된 분석을 수행할 수 있다. 생체 신호 분석 장치(1000)는 수면 계속 중에 획득되는 생체 신호를 분석하여 사용자의 수면 상태를 모니터링할 수 있고, 이에 기반하여 다양한 피드백(예컨대, 수면 분석 결과 제공, 수면 환경 개선안 제안, 최적의 타이밍에 기상 알람 제공 등)을 제공할 수 있다.
수면 계속 중에 신체로부터 획득할 수 있는 생체 신호는 다양하다. 후술하겠지만, 생체 신호 분석 장치(1000)는 수면 계속 중에 신체로부터 심탄도 신호(Ballistocardiogram), 다양한 유형의 소리(sound), 눈 주변부의 압력, PPG(Photoplethysmogram) 값, 온도 및 습도 등의 데이터를 획득할 수 있다. 상술한 다양한 종류의 데이터는 수면 중에 연속적으로 획득할 수 있고, 경우에 따라 수일 또는 수개월에 거쳐 획득된 누적된 데이터를 획득할 수 있으므로, 이에 기반하여 보다 정확도 높게 건강 상태를 모니터링 할 수 있다.
도 2 및 도 3은 일 실시예에 따른 생체 신호 분석 시스템을 설명하기 위한 도면이다. 도 2를 참조하면, 생체 신호 분석 시스템은 생체 신호 측정 장치(1000), 서버(2000) 및 사용자 단말(3000)을 포함할 수 있다.
일 실시예에 따르면, 생체 신호 측정 장치(1000)는 사용자로부터 접촉 또는 비접촉 방법으로 다양한 종류의 생체 신호를 적어도 하나 이상 획득할 수 있다. 생체 신호 측정 장치(1000)로부터 획득되는 적어도 하나의 생체 신호는 서버(2000)로 전송될 수 있으며, 서버(2000)는 수신된 적어도 하나의 생체 신호를 분석하여 사용자의 건강 상태를 모니터링할 수 있다.
서버(2000)에 의해 수행된 사용자의 건강 상태에 대한 모니터링 결과는 생체 신호 측정 장치(1000) 또는 사용자 단말(3000)에 전송될 수 있고, 생체 신호 측정 장치(1000) 또는 사용자 단말(3000)은 건강 상태 모니터링 결과에 기반하여 사용자에게 피드백을 제공할 수 있다. 한편, 서버(2000)는 생세 신호에 기반하여 수면 상태를 모니터링할 수 있는 보조 지표를 추출하기 위한 신경망 모델의 학습을 수행할 수 있다.
보다 구체적으로, 도 3을 참조하면, 생체 신호 측정 장치(1000)는 사용자로부터 생체 신호를 측정할 수 있고, 측정된 생체 신호를 획득하여 저장할 수 있다. 생체 신호 측정 장치(1000)는 획득된 생체 신호를 서버(2000)로 전송할 수 있다. 생체 신호 측정 장치(1000)가 생체 신호를 측정하는 방법 및 이와 관련된 장치의 하드웨어적인 구조에 대한 자세한 설명에 대하여는 후술하도록 한다.
서버(2000)는 수신된 데이터에 기반하여 생체 신호의 유효성에 대하여 판단할 수 있고, 생체 신호가 유효하다고 판단된 경우, 생체 신호 측정 장치(1000)의 배치가 적법한지 여부에 대해 판단할 수 있다. 서버(2000)가 생체 신호의 유효성에 대해 판단하고, 생체 신호 측정 장치(1000)의 배치가 적법한지에 대해 판단하는 구체적인 방법에 대하여는 후술하도록 한다.
서버(2000)는 생체 신호 데이터가 유효하고, 생체 신호 측정 장치(1000)의 배치가 적법하다고 판단된 경우, 획득된 생체 신호를 분석하여 보조 지표를 출력할 수 있다. 이 경우, 서버(2000)는 미리 학습된 신경망 모델을 이용하여 획득된 생체 신호로부터 보조 지표를 추출할 수 있다. 생체 신호로부터 보조 지표를 추출하는 구체적인 방법 및 생체 신호로부터 획득되는 보조 지표의 종류에 대하여는 후술하도록 한다.
서버(2000)는 추출된 보조 지표에 대한 분석을 통해 질병 정보 또는 수면 상태에 대한 모니터링을 수행할 수 있다. 이후, 서버(2000)는 추출된 보조 지표 또는 수면 상태에 대한 모니터링 결과를 사용자 단말(3000)로 전송할 수 있으며, 사용자 단말(3000)은 수신된 데이터에 기반하여 사용자에게 피드백을 제공할 수 있다. 서버(2000)가 질병 정보를 획득하거나 수면 상태에 대해 모니터링을 수행하는 방법 및 사용자 단말(3000)이 사용자에게 피드백을 제공하는 방법에 대한 구체적인 설명은 후술하도록 한다.
한편, 도면에는 도시되지 않았지만, 다른 실시예에 따르면, 생체 신호 측정 장치(1000)는 사용자로부터 접촉 또는 비접촉 방법으로 다양한 종류의 생체 신호를 적어도 하나 이상 획득할 수 있고, 획득된 적어도 하나의 생체 신호를 분석하여 사용자의 건강 상태를 모니터링할 수 있다. 이 경우, 서버(2000)는 생체 신호에 기반하여 수면 상태를 모니터링할 수 있는 보조 지표를 추출하기 위한 신경망 모델의 학습을 수행할 수 있으며, 생체 신호 측정 장치(1000)는 서버(2000)로부터 학습된 신경망 모델에 대한 정보를 수신한 후, 이를 이용하여 상술한 적어도 하나의 생체 신호를 분석할 수 있다.
생체 신호 분석 장치(1000)는 적어도 하나의 생체 신호 분석에 따라 획득되는 건강 상태 모니터링 결과에 기반하여 사용자에게 피드백을 제공할 수 있다. 생체 신호 분석 장치(1000)는 상기 건강 상태 모니터링 결과를 사용자 단말(3000)에 전송할 수 있고, 사용자 단말(3000)은 이에 기반하여 사용자에게 피드백을 제공할 수 있다.
이하에서는 설명의 편의를 위하여 신체로부터 생체 신호를 측정 및 획득하고, 획득된 생체 신호를 분석하는 동작이 생체 신호 측정 장치(1000)에 의해 수행되는 것으로 설명하나, 이에 제한되는 것은 아니며, 상술한 동작 및 이에 상응하는 동작들은 서버(2000) 또는 사용자 단말(3000)에 의해서도 수행될 수 있다.
2. 신체 신호로부터 보조 지표 추출
상술한바와 같이 수면 중에 측정 및 획득될 수 있는 생체 신호는 다양하며, 이에 대한 분석을 통해 건강과 관련된 다양한 유형의 모니터링을 수행할 수 있다. 정확도 높은 모니터링 결과를 획득하기 위해서는, 모니터링하고자 하는 건강 상태와 관련된 생체 신호를 특정하고 이를 정확하게 측정 및 획득하는 것이 중요하며, 동시에 측정 및 획득된 생체 신호를 정확하게 분석하여 보조 지표를 추출하는 것이 중요하다.
일 실시예에 따른 생체 신호 측정 장치(1000)는 수면 중에 측정되는 적어도 하나의 생체 신호를 획득하고, 이에 대한 분석을 통해 보조 지표를 추출할 수 있다.
도 4는 일 실시예에 따른 생체 신호 측정 장치가 생체 신호를 측정 및 획득하여 보조 지표를 추출하는 방법을 예시적으로 설명하기 위한 도면이다.
도 4를 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 생체 신호를 측정하는 단계(S1100), 생체 신호를 획득하는 단계(S1200) 및 보조 지표를 추출하는 단게(S1600)를 수행할 수 있다.
생체 신호 측정 장치(1000)는 적어도 하나의 센서를 이용하여 생체 신호를 측정할 수 있다. 생체 신호 측정 장치(1000)는 제1 생체 신호 측정 장치(1100), 제2 생체 신호 측정 장치(1200) 및 제3 생체 신호 측정 장치(1300)를 포함할 수 있다. 상기 제1 생체 신호 측정 장치(1100) 내지 상기 제3 생체 신호 측정 장치(1300)에는 동일 또는 상이한 센서가 구비될 수 있고, 장치가 배치되는 장소 또는 위치에 따라 다른 종류의 생체 신호를 측정할 수도 있다.
예를 들어, 제1 생체 신호 측정 장치(1100)에는 적어도 하나의 압력 센서가 구비되고, 인체의 상체 부위(예컨대, 인체의 허리, 가슴, 등, 팔 부위)에서 발생하는 생체 신호를 측정하도록 배치될 수 있다. 이 경우, 상기 제1 생체 신호 측정 장치(1100)는 적어도 하나의 압력 센서를 이용하여 인체의 상체 부위(예컨대, 인체의 허리, 가슴, 등, 팔 부위)에서 발생하는 제1 생체 신호를 측정하도록 구비될 수 있다. 또한, 제1 생체 신호 측정 장치(1100)에는 적어도 하나의 압력 센서가 구비되고, 인체의 하체 부위(예컨대, 인체의 허리, 엉덩이, 허벅지, 종아리, 발 부위)에서 발생하는 생체 신호를 측정하도록 배치될 수 있다. 이 경우, 상기 제1 생체 신호 측정 장치(1100)는 적어도 하나의 압력 센서를 이용하여 인체의 상체 부위(예컨대, 인체의 허리, 엉덩이, 허벅지, 종아리, 발 부위)에서 발생하는 제1 생체 신호를 측정하도록 구비될 수 있다.
다른 예로, 제2 생체 신호 측정 장치(1200)에는 적어도 하나의 압력 센서 및 적어도 하나의 사운드 센서가 구비되고, 인체의 머리 부위에서 발생하는 생체 신호를 측정하도록 배치될 수 있다. 이 경우, 상기 제2 생체 신호 측정 장치(1200)는 적어도 하나의 압력 센서를 이용하여 제1 생체 신호를 측정하도록 구비될 수 있고, 적어도 하나의 사운드 센서를 이용하여 제2 생체 신호를 측정하도록 구비될 수 있다.
다만, 이는 예시적인 것이며, 제1 생체 신호 측정 장치(1100) 내지 제3 생체 신호 측정 장치(1300)에는 다양한 센서가 구비될 수 있고, 배치 장소 또는 배치 방법에 따라 다양한 생체 신호를 측정할 수 있도록 구비될 수 있다. 생체 신호 측정 장치(1000)의 구조적인 특징에 대해서는 후술하도록 한다.
도 5 내지 도 7은 일 실시예에 따라 생체 신호 측정 장치가 획득할 수 있는 생체 신호의 종류, 생체 신호로부터 추출될 수 있는 보조 지표의 종류 및 보조 지표에 대한 분석을 통해 판단할 수 있는 질병의 종류를 예시적으로 설명하기 위한 도면이다.
도 5 내지 도 7을 참조하면, 생체 신호 측정 장치(1000)는 다양한 생체 신호를 측정 및 획득할 수 있다. 예컨대, 생체 신호 측정 장치(1000)는 적어도 하나의 센서를 이용하여 심탄도 신호(Ballistocardiogram: BCG), 소리(Sound), 눈 주변부의 압력(Pressure around the eye), PPG(Photoplethysmogram) 값, 온도(Temperature) 및 습도(Humidity) 중 적어도 하나와 관련된 데이터를 획득할 수 있다.
생체 신호 측정 장치(1000)는 획득되는 생체 신호와 관련된 데이터에 기반하여 다양한 종류의 보조 지표를 추출할 수 있다. 예컨대, 생체 신호 측정 장치(1000)는 생체 신호와 관련된 데이터에 기반하여 심박수(Heart rate), 호흡수(Breathing rate), 엔트로피(Entropy), 심탄도 파형 형태(BCG waveform morphology), 호흡 크기(Breathing amplitude), 눈 움직임(Movement of eye), 산소 포화도(Oxygen Saturation), 피부 온도(Skin temperature), 수면 소리(Sleep sounds), PWV(Pulse wave velocity) 및 PTT(Pulse transit time) 중 적어도 하나와 관련된 보조 지표를 추출할 수 있다.
생체 신호 측정 장치(1000)는 획득되는 생체 신호와 관련된 데이터 및 추출된 보조 지표 중 적어도 하나를 이용하여 질병 또는 특정 지표에 대한 분석을 수행할 수 있다. 예컨대, 생체 신호 측정 장치(1000)는 획득되는 생체 신호와 관련된 데이터 및 추출된 보조 지표 중 적어도 하나를 이용하여 수면 상태(Sleep stage), 부정맥(Arrhythmia), 심부전(Heart failure), 심장 마비(Heart attack), 뇌졸증(Stroke), 호흡 곤란(Bradypnea), 호흡 저하(Hypoventilation), 코골이(Snore), 무호흡증(Apnea) 및 혈압 값(Blood peruse) 중 적어도 하나에 대한 분석을 수행할 수 있다.
상술한 바와 같이 생체 신호 측정 장치(1000)의 종류, 배치 장소 및 배치 방법에 따라 생체 신호 측정 장치(1000)가 획득할 수 있는 생체 신호의 종류, 추출되는 보조 지표의 종류 및 분석할 수 있는 질병의 종류는 상이할 수 있다.
일 예로, 도 5를 참조하면, 제1 생체 신호 측정 장치(1000)는 인체의 상체 부위에서 발생하는 심탄도 신호를 측정 및 획득할 수 있고, 미리 학습된 신경망 모델을 이용하여 상기 심탄도 신호로부터 심박수, 호흡수, 엔트로피, 심탄도 파형 형태 및 호흡 크기 중 적어도 하나를 추출할 수 있다.
이 경우, 상기 심탄도 신호는 신체가 심장박동에 의해 진동하는 신호에 관한 것으로, 심장이 박출한 혈액의 운동량을 의미할 수 있다. 본 출원에서 설명하는 심탄도 신호는 맥박 신호 내지 진동에 기반한 맥박 신호로 정의될 수 있다. 상기 심탄도 신호는 인체의 모든 부위(예컨대, 머리, 상체 및 하체를 포함하는 신체의 모든 부위) 중 적어도 어느 한 곳에서 측정되는 신호(예컨대, 맥박 신호 또는 진동에 기반한 맥박 신호)일 수 있다. 이하에서는 설명의 편의를 위하여 심탄도 신호라는 용어로 서술하나, 이는 상기 맥박 신호 내지 진동에 기반한 맥박 신호로도 정의될 수 있다.
제1 생체 신호 측정 장치(1000)는 추출된 심박수로부터 미리 학습된 신경망 모델을 이용하여 부정맥, 심부전 및 심장 마비 중 적어도 하나에 대한 분석을 수행할 수 있다. 제1 생체 신호 측정 장치(1000)는 추출된 호흡수로부터 미리 학습된 신경망 모델을 이용하여 호흡 곤란 및 호흡 저하 중 적어도 하나에 대한 분석을 수행할 수 있다. 제1 생체 신호 측정 장치(1000)는 추출된 심박수 및 호흡수로부터 미리 학습된 신경망 모델을 이용하여 수면 상태에 대한 분석을 수행할 수 있다. 제1 생체 신호 측정 장치(1000)는 추출된 심탄도 파형 형태로부터 미리 학습된 신경망 모델을 이용하여 뇌졸중에 대한 분석을 수행할 수 있다. 제1 생체 신호 측정 장치(1000)는 추출된 심박수 및 심탄도 파형 형태로부터 미리 학습된 신경망 모델을 이용하여 심장 마비에 대한 분석을 수행할 수 있다. 제1 생체 신호 측정 장치(1000)는 추출된 호흡 크기로부터 미리 학습된 신경망 모델을 이용하여 코골이 및 무호흡증 중 적어도 하나에 대한 분석을 수행할 수 있다. 다만, 이는 예시적인 것이며, 제1 생체 신호 측정 장치(1000)는 획득되는 심탄도 신호로부터 다양한 종류의 보조 지표를 추출할 수 있고, 추출된 보조 지표에 기반하여 다양한 종류의 질병에 대해 분석을 수행할 수 있다.
다른 예로, 도 6을 참조하면, 제2 생체 신호 측정 장치(1200)는 인체의 머리 부위에서 발생하는 다양한 종류의 생체 신호를 측정할 수 있다. 예컨대, 제2 생체 신호 측정 장치(1200)는 소리, 눈 주변부의 압력, PPG 값, 온도, 습도 및 심탄도 신호 중 적어도 하나를 획득할 수 있다.
제2 생체 신호 측정 장치(1200)는 소리에 대한 지표로부터 수면 소리에 대한 데이터를 추출할 수 있다. 제2 생체 신호 측정 장치(1200)는 눈 주변부 압력 값으로부터 눈의 움직임에 대한 데이터를 추출할 수 있다. 제2 생체 신호 측정 장치(1200)는 PPG 값으로부터 심박수, 호흡수 및 산소포화도 중 적어도 하나에 대한 데이터를 추출할 수 있다. 제2 생체 신호 측정 장치(1200)는 온도 및 습도에 대한 값으로부터 피부 온도에 대한 데이터를 추출할 수 있다. 제2 생체 신호 측정 장치(1200)는 심탄도 신호로부터 미리 학습된 신경망 모델을 이용하여 심박수, 호흡수, 엔트로피, 심탄도 파형 형태 및 호흡 크기 중 적어도 하나를 추출할 수 있다.
제2 생체 신호 측정 장치(1200)는 추출된 눈의 움직임, 피부 온도 및 수면 소리에 대한 데이터에 기반하여 수면 상태에 대한 분석을 수행할 수 있다. 제2 생체 신호 측정 장치(1200)는 심박수 및 호흡수를 추가적으로 고려하여 수면 상태에 대한 분석을 수행할 수도 있다. 예컨대, 제2 생체 신호 측정 장치(1200)는 심박수 및 호흡수에 기반하여 수면 상태를 분석하고 모니터링하되, 보다 정확한 수면 상태의 분석을 위하여 눈 움직임, 수면 소리 및 피부 온도 중 적어도 하나를 추가적인 보조 지표로 활용할 수 있다.
제2 생체 신호 측정 장치(1200)는 생체 신호로부터 추출되는 보조 지표에 기반하여 무호흡증에 대한 분석 및 진단을 수행할 수 있다. 제2 생체 신호 측정 장치(1200)는 호흡수, 호흡 크기, 산소포화도 및 수면 소리 중 적어도 하나에 기반하여 무호흡증에 대한 분석 및 진단을 수행할 수 있다.
제2 생체 신호 측정 장치(1200)는 심박수, 호흡수, 심탄도 파형 형태 및 호흡 크기에 대한 분석을 수행할 수도 있으며, 이는 제1 생체 신호 측정 장치(1100)를 통해 수행하는 분석과 동일하거나 상응하므로, 중복되는 설명은 생략하도록 한다.
다른 예로, 도 7을 참조하면, 제3 생체 신호 측정 장치(1300)는 소리, 온도, 습도 및 심탄도 신호 중 적어도 하나에 대한 데이터를 획득할 수 있다. 제3 생체 신호 측정 장치(1300)는 획득된 데이터에 기반하여 심박수, 호흡수, 엔트로피, 심탄도 파형 형태, 호흡 크기, 피부 온도 및 수면 소리 중 적어도 하나에 대한 보조 지표를 추출할 수 있고, 추출된 보조 지표를 이용하여 수면 상태, 부정맥, 심부전 등의 질병에 대한 분석을 수행할 수 있다. 제3 생체 신호 측정 장치(1300)가 수행하는 상술한 동작은 도 5 및 도 6을 통해 상술한 내용과 동일하거나 상응하므로 중복되는 설명은 생략하도록 한다.
도 8은 일 실시예에 따라 복수의 생체 신호 측정 장치로부터 획득되는 생체 신호의 종류, 생체 신호로부터 추출될 수 있는 보조 지표의 종류 및 보조 지표에 대한 분석을 통해 판단할 수 있는 질병의 종류를 예시적으로 설명하기 위한 도면이다.
도 8을 참조하면, 복수의 생체 신호 측정 장치를 배치하는 경우, 인체로부터 보다 다양한 생체 신호를 측정할 수 있고, 측정된 생체 신호를 이용하여 특정 종류의 보조 지표를 추출할 수 있다.
예를 들어, 제1 생체 신호 측정 장치(1100)는 인체의 제1 부위를 측정하도록 배치될 수 있고, 제3 생체 신호 측정 장치(1300)는 인체의 제2 부위를 측정하도록 배치될 수 있다. 이 경우, 제1 생체 신호 측정 장치(1100)는 인체의 제1 부위로부터 측정되는 제1 심탄도 신호를 획득하고, 제3 생체 신호 측정 장치(1300)는 인체의 제2 부위로부터 측정되는 제2 심탄도 신호를 획득할 수 있다. 제1 생체 신호 측정 장치(1100) 또는 제3 생체 신호 측정 장치(1300)는 상기 제1 심탄도 신호 및 제2 심탄도 신호에 기반하여 PWV 값 또는 PTT 값을 추출할 수 있고, 이에 기반하여 혈압에 대한 분석을 수행할 수 있다.
도 9는 일 실시예에 따른 생체 신호 측정 장치를 통해 무호흡증 또는 혈압에 대한 분석을 수행하는 방법을 예시적으로 설명하기 위한 도면이다. 도 9를 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 획득되는 생체 신호에 기반하여 무호흡증 또는 혈압에 대한 분석을 수행할 수 있다.
도 9의 (a)를 참조하면, 제1 생체 신호 측정 장치(1100)에는 적어도 하나의 압력 센서 및 사운드 센서가 구비될 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 적어도 하나의 압력 센서를 이용하여 심탄도 신호를 획득할 수 있고, 상기 적어도 하나의 사운드 센서를 이용하여 소리에 대한 데이터를 획득할 수 있다.
제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 상기 심탄도 신호로부터 복수의 보조 지표를 추출할 수 있다. 제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 상기 심탄도 신호로부터 제1 보조 지표 및 제2 보조 지표를 추출할 수 있다. 제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 상기 심탄도 신호로부터 호흡수 및 호흡 크기에 대한 지표를 추출할 수 있다.
제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 상기 소리에 대한 데이터로부터 제3 보조 지표를 추출할 수 있다. 제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 상기 소리에 대한 데이터로부터 수면 소리에 대한 지표를 추출할 수 있다.
제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 상기 제1 보조 지표 내지 제3 보조 지표에 기반하여 무호흡증에 대한 분석 또는 진단을 수행할 수 있다. 제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 호흡수, 호흡 크기 및 수면 소리에 대한 지표에 기반하여 무호흡증에 대한 분석 또는 진단을 수행할 수 있다.
예시적으로, 제1 생체 신호 측정 장치(1100)는 제1 시간 구간 동안 심탄도 신호를 획득할 수 있고, 미리 학습된 신경망 모델을 이용하여 상기 심탄도 신호에 기반하여 상기 제1 보조 지표 및 제2 보조 지표를 추출할 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 제1 보조 지표 및 제2 보조 지표 중 적어도 하나를 이용하여 무호흡증 또는 수면 단계를 판단할 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 제1 시간 구간 동안 사운드 센서를 이용하여 소리에 대한 데이터를 획득할 수 있고, 상기 소리에 대한 데이터에 기반하여 수면 소리에 대한 제3 보조 지표를 추출할 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 제3 보조 지표를 추가적으로 고려하여 상기 무호흡증 또는 수면 단계 판단 결과를 업데이트 할 수 있다.
일 실시예에 따르면, 상기 무호흡증에 대한 분석 또는 진단은 미리 학습된 신경망 모델을 이용하여 수행되되, 상기 신경망 모델은 호흡수, 호흡 크기 및 수면 소리 중 적어도 하나를 포함하는 학습 데이터에 기초하여 무호흡 증상의 유무, 빈도 또는 정도에 대한 데이터를 획득하도록 학습될 수 있다.
상기 신경망 모델은 호흡수, 호흡 크기 및 수면 소리에 관한 데이터 및 라벨링 데이터를 포함하는 학습 데이터를 이용하여 학습될 수 있다. 상기 라벨링 데이터는 무호흡 증상의 유무에 대응되는 제1 라벨링 값, 무호흡증의 빈도에 대응되는 제2 라벨링 값 및 무호흡증의 정도에 대응되는 제3 라벨링 값을 포함할 수 있다.
보다 구체적으로, 상기 신경망 모델은 호흡수, 호흡 크기 및 수면 소리 중 적어도 하나를 입력 받은 후 출력 값을 획득할 수 있다. 이후, 신경망 모델은 출력 값과 라벨링 데이터의 차이를 고려하여 산출된 오차 값에 기초하여 상기 신경망 모델을 갱신하는 방법으로 학습될 수 있다. 상기 출력 값은 상기 제1 라벨링 값에 대응되는 제1 출력 값, 상기 제2 라벨링 값에 대응된는 제2 출력 값 및 상기 제3 라벨링 값에 대응되는 제3 출력 값을 포함할 수 있다.
다른 실시예에 따르면, 상기 신경망 모델은 2개의 신경망 모델(예컨대, 제1 신경망 모델 및 제2 신경망 모델)을 이용하여 호흡수, 호흡 크기 및 수면 소리 중 적어도 하나에 기반하여 무호흡증과 관련된 데이터를 획득하도록 학습될 수 있다.
예를 들어, 제1 신경망 모델은 호흡수 또는 호흡의 크기에 대한 데이터를 입력 받아 호흡 상태 정보를 획득하도록 학습될 수 있다. 제2 신경망 모델은 상기 호흡 상태 정보 및 수면 소리에 대한 데이터를 입력 받아 무호흡증과 관련된 데이터를 획득하도록 학습될 수 있다.
상기 제1 신경망 모델 및 제2 신경망 모델은 독립된 별개의 신경망 모델을 의미할 수 있으나 이에 한정되는 것은 아니며, 하나의 신경망 모델에서 물리적 또는 논리적으로 분리되어 있을 수 있다. 즉, 신경망 모델의 제1 부분은 호흡수 또는 호흡의 크기로부터 호흡 상태 정보를 획득하고, 제2 부분은 상기 호흡 상태 정보 및 수면 소리로부터 무호흡증과 관련된 데이터를 획득하도록 학습될 수 있다.
도 9의 (b)를 참조하면, 복수의 생체 신호 측정 장치를 통해 무호흡증에 대한 분석 또는 진단이 수행될 수도 있다. 예컨대, 제1 생체 신호 측정 장치(1100)에는 적어도 하나의 압력 센서가 구비될 수 있으며, 상기 제1 생체 신호 측정 장치(1100)는 상기 적어도 하나의 압력 센서를 이용하여 심탄도 신호를 측정할 수 있다. 제2 생체 신호 측정 장치(1200)에는 적어도 하나의 사운드 센서가 구비될 수 있으며, 상기 제2 생체 신호 측정 장치(1200)는 상기 적어도 하나의 사운드 센서를 이용하여 소리에 대한 데이터를 획득할 수 있다.
보다 구체적으로, 제1 생체 신호 측정 장치(1100)는 인체의 상체 부위에서 발생하는 심탄도 신호를 측정 및 획득하도록 구비될 수 있다. 수면 중에 인체로부터 발생하는 심탄도 신호를 효과적으로 획득하기 위해서는 생체 신호 측정 장치가 인체의 상체와 인접한 영역에 배치될 필요가 있다. 이에 따라, 제1 생체 신호 측정 장치(1100)는 인체의 상체와 인접한 영역에 배치되어, 인체의 상체 부위에서 발생하는 심탄도 신호를 측정 및 획득할 수 있다.
제2 생체 신호 측정 장치(1200)는 적어도 하나의 사운드 센서가 구비될 수 있고, 상기 적어도 하나의 사운드 센서를 이용하여 수면 중에 발생하는 소리에 대한 데이터를 획득할 수 있다. 수면 중에 발생하는 소리에 대한 데이터를 보다 효과적으로 획득하기 위해서는 생체 신호 측정 장치가 인체의 머리와 인접한 영역에 배치될 필요가 있다. 이에 따라, 제2 생체 신호 측정 장치(1200)는 인체의 머리와 인접한 영역에 배치되어, 인체의 머리 부위에서 발생하는 소리 신호를 측정 및 획득할 수 있다.
다시 말해, 제1 생체 신호 측정 장치(1100)는 인체의 제1 부위(예컨대, 인체의 상체 부위)에 인접한 영역에 배치되어 제1 생체 신호(예컨대, 심탄도 신호)를 측정할 수 있고, 제2 생체 신호 측정 장치(1200)는 인체의 제2 부위(예컨대, 인체의 머리 부위)에 인접한 영역에 배치되어 제2 생체 신호(예컨대, 소리 신호)를 측정할 수 있다. 이 경우, 상기 제1 부위 및 제2 부위는 인체의 서로 다른 부위일 수 있고, 상기 제1 생체 신호 및 제2 생체 신호는 서로 다른 생체 신호일 수 있다.
제1 생체 신호 측정 장치(1100)로부터 획득되는 심탄도 신호에 기반하여 호흡수 및 호흡 크기에 대한 지표가 추출될 수 있고, 제2 생체 신호 측정 장치(1200)로부터 획득되는 소리 신호에 기반하여 수면 소리에 대한 지표가 추출될 수 있다. 제1 생체 신호 측정 장치(1100) 또는 제2 생체 신호 측정 장치(1200)는 추출된 호흡수, 호흡 크기 및 수면 소리에 기반하여 무호흡증에 대한 분석 또는 진단을 수행할 수 있다. 상기 무호흡증에 대한 분석 또는 진단은 제1 생체 신호 측정 장치(1100), 제2 생체 신호 측정 장치(1200) 또는 서버(2000)에 의해 수행될 수 있다.
한편, 호흡수, 호흡 크기 및 소리 신호 중 적어도 하나에 기반하여 무호흡증에 대한 분석 또는 진단은 미리 학습된 신경망 모델을 이용하여 수행될 수 있으며, 이때 신경망 모델의 구조 또는 학습 방법은 도 9의 (a)를 통해 설명한 것과 동일 또는 상응하므로 중복되는 설명은 생략하도록 한다.
도 9의 (c)를 참조하면, 복수의 생체 신호 측정 장치는 심탄도 신호를 이용하여 PWV(Pulse wave velocity) 값 또는 PTT(Pulse transit time) 값을 획득할 수 있고, 이에 기반하여 혈압을 판단할 수 있다.
제1 생체 신호 측정 장치(1100)는 제1 심탄도 신호를 획득할 수 있고, 제2 생체 신호 측정 장치(1200)는 제2 심탄도 신호를 획득할 수 있다.
제1 생체 신호 측정 장치(1100)는 인체의 제1 부위와 인접한 영역에 배치되어 제1 심탄도 신호를 획득할 수 있고, 제2 생체 신호 측정 장치(1200)는 인체의 제2 부위와 인접한 영역에 배치되어 제2 심탄도 신호를 획득할 수 있다. 이 경우, 상기 제1 부위 및 제2 부위는 인체의 서로 다른 부위일 수 있다. 상기 제1 부위 및 제2 부위는 인체의 서로 다른 부위이며, 미리 설정된 거리 이상 떨어져 있는 부위일 수 있다. 예시적으로, 상기 제1 부위는 인체의 상체 부위일 수 있고, 상기 제2 부위는 인체의 머리 부위일 수 있다. 다른 예로, 제1 부위는 인체의 상체 부위일 수 있고, 상기 제2 부위는 인체의 하체 부위일 수 있다.
제1 생체 신호 측정 장치(1100)는 제1 시간 구간 동안 측정된 제1 심탄도 신호를 획득할 수 있고, 제2 생체 신호 측정 장치(1200)는 제2 시간 구간 동안 측정된 제2 심탄도 신호를 획득할 수 있다. 상기 제1 시간 구간의 적어도 일부 및 상기 제2 시간 구간의 적어도 일부는 서로 중첩될 수 있다. 상기 제1 시간 구간 및 제2 시간 구간은 미리 정해진 최소 시간 구간(예컨대, 0.1초 ~ 0.4초) 이상으로 정해질 수 있다.
제1 생체 신호 측정 장치(1100) 또는 제2 생체 신호 측정 장치(1200)는 상기 제1 심탄도 신호 및 제2 심탄도 신호에 기반하여 PWV 값 또는 PTT 값을 획득할 수 있다. 이후, 제1 생체 신호 측정 장치(1100) 또는 제2 생체 신호 측정 장치(1200)는 상기 PWV 값 또는 PTT 값에 기반하여 혈압 값을 획득할 수 있다.
도 10은 일 실시예에 따른 생체 신호 측정 장치를 통해 수면 상태를 모니터링하는 방법을 예시적으로 설명하기 위한 도면이다. 도 10을 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 적어도 하나의 생체 신호에 기반하여 수면 상태를 모니터링할 수 있다.
도 10의 (a)를 참조하면, 제1 생체 신호 측정 장치(1100)는 심탄도 신호를 획득할 수 있고, 제2 생체 신호 측정 장치(1200)는 눈 주변부의 압력 값을 획득할 수 있다.
제1 생체 신호 측정 장치(1100)는 미리 학습된 신경망 모델을 이용하여 획득된 심탄도 신호로부터 심박수를 추출할 수 있다. 이후, 제1 생체 신호 측정 장치(1100)는 상기 추출된 심박수에 기반하여 수면 상태를 모니터링할 수 있다.
제1 생체 신호 측정 장치(1100)는 심박수에 기반하여 수면 상태를 모니터링하되, 보다 정확한 모니터링을 위해 추가적인 보조 지표를 활용할 수 있다. 예컨대, 제1 생체 신호 측정 장치(1100)는 제2 생체 신호 측정 장치(1200)로부터 측정되는 눈 주변부의 압력 값에 기반하여 눈의 움직임에 대한 정보를 추가적인 보조 지표로 이용할 수 있다.
다시 말해, 제1 생체 신호 측정 장치(1100)는 심박수에 기반하여 수면 상태를 모니터링하되, 눈의 움직임을 추가적으로 고려하여 수면 상태를 모니터링할 수 있다. 눈의 움직임을 추가적으로 고려하여 수면 상태를 모니터링할 경우, 심박수만으로 수면 상태를 모니터링하는 것과 비교하여 보다 높은 정확도로 수면 상태를 모니터링할 수 있게 된다.
예시적으로, 제2 생체 신호 측정 장치(1200)는 눈 주변부의 압력 값을 획득할 수 있고, 눈 주변부의 압력 값으로부터 눈의 움직임에 대한 정보를 추출할 수 있다. 상기 눈의 움직임에 대한 정보는 눈의 좌우 움직임, 눈의 상하 움직임, 움직임의 정도, 움직임의 크기, 움직임의 빈도 등에 관한 것일 수 있다. 상기 제1 생체 신호 측정 장치(1100)는 상술한 눈의 움직임에 대한 정보를 추가적인 보조 지표로 활용하여 수면 상태를 모니터링할 수 있다.
한편, 다른 실시예에 따르면, 눈 주변부의 압력 값은 제2 생체 신호 측정 장치(1200)에서 획득될 수도 있고, 심탄도 신호가 획득되는 제1 생체 신호 측정 장치(1100)로부터 획득될 수도 있다. 예컨대, 제1 생체 신호 측정 장치(1100)는 심탄도 신호 및 눈 주변부의 압력 값을 획득할 수 있고, 이에 기반하여 심박수 및 눈의 움직임에 대한 데이터를 추출할 수 있다.
도 10의 (b)를 참조하면, 제2 생체 신호 측정 장치(1200)는 소리 신호를 추가적으로 획득할 수 있고, 상기 소리 신호에 기반하여 수면 소리와 관련된 지표를 추출할 수 있다.
제1 생체 신호 측정 장치(1100)는 심박수에 기반하여 수면 상태를 모니터링하되, 상기 수면 소리와 관련된 지표를 추가적으로 고려하여 수면 상태를 모니터링할 수 있다. 또한, 제1 생체 신호 측정 장치(1100)는 심박수에 기반하여 수면 상태를 모니터링하되, 상기 수면 소리와 관련된 지표 및 상기 눈의 움직임에 대한 정보를 추가적으로 고려하여 수면 상태를 모니터링할 수 있다. 수면 소리와 관련된 지표를 추가적으로 고려하여 수면 상태를 모니터링할 경우, 심박수만으로 수면 상태를 모니터링하는 것과 비교하여 보다 높은 정확도로 수면 상태를 모니터링할 수 있게 된다.
도면에는 도시되지 않았지만, 제1 생체 신호 측정 장치(1100) 또는 제2 생체 신호 측정 장치(1200)는 수면 상태 모니터링 결과에 기반하여 사용자에게 알람을 제공할 수 있다. 예를 들어, 제1 생체 신호 측정 장치(1100)는 수면 상태 모니터링 결과에 기반하여 사용자에게 제1 알람을 제공할 수 있고, 제2 생체 신호 측정 장치(1200)는 수면 상태 모니터링 결과에 기반하여 사용자에게 제2 알람을 제공할 수 있다.
예시적으로, 제1 생체 신호 측정 장치(1100)는 인체의 상체 부위에서 발생하는 심탄도 신호를 측정 및 획득하도록 구비될 수 있고, 이 경우, 제1 생체 신호 측정 장치(1100)는 수면 상태 모니터링 결과에 기반하여 사용자에게 진동 알람을 제공할 수 있다. 제1 생체 신호 측정 장치(1100)는 인체의 상체 부위와 인접한 영역에 배치되므로, 진동을 통하여 사용자에게 효과적으로 알람을 제공할 수 있다.
다른 예로, 제2 생체 신호 측정 장치(1200)는 인체의 머리 부위에서 발생하는 소리 신호 또는 눈 주변 부의 압력 값을 획득하도록 구비될 수 있고, 이 경우, 제2 생체 신호 측정 장치(1200)는 수면 상태 모니터링 결과에 기반하여 사용자에게 사운드 알람 또는 시각적 효과를 제공하는 알람(예컨대, LED 알람)을 제공할 수 있다. 제2 생체 신호 측정 장치(1200)는 인체의 머리 부위와 인접한 영역에 배치되므로, 소리 또는 빛을 통하여 사용자에게 효과적으로 알람을 제공할 수 있다.
생체 신호 측정 장치로부터 획득된 생체 신호에 기반하여 수면 상태를 모니터링하는 보다 구체적인 방법 및 모니터링 결과에 기반하여 사용자에게 알람을 제공하는 보다 구체적인 방법에 대하여는 도면을 참조하여 후술하도록 한다.
3. 보조 지표 추출의 정확도 향상 방법
상술한 바와 같이, 생체 신호 측정 장치(1000)는 생체 신호로부터 추출되는 보조 지표에 기반하여 건강 상태를 모니터링할 수 있다. 이때, 보다 정확한 건강 상태의 모니터링을 위하여는 그 근거가 되는 보조 지표를 정확하게 추출할 필요가 있다.
예컨대, 보조 지표를 정확하게 추출하기 위해서는 생체 신호 측정 장치(1000)를 이용하여 생체 신호를 올바른 방법으로 측정하여야 하고, 측정되는 생체 신호가 분석의 대상이 될 수 있는 유효한 신호인지에 대한 검증이 이뤄져야 한다.
특히, 인체에 직접적으로 또는 간접적으로 접촉되어 생체 신호가 측정되는 경우, 측정 장치가 인체에 올바르게 접촉되어 있는지에 대한 판단 과정이 필수적으로 요구된다. 또한, 수면 중에 발생하는 생체 신호를 획득하고자 하는 경우, 획득되고 있는 생체 신호가 수면 중에 측정된 신호인지에 대한 판단 또는 획득되고 있는 생체 신호가 그 밖의 미리 정해진 조건을 만족하는 신호인지에 대한 판단이 필요하다.
도 11 내지 도 13은 일 실시예에 다른 생체 신호 측정 장치가 보조 지표 추출의 정확도를 향상시키기 위해 수행하는 방법을 예시적으로 설명하기 위한 도면이다.
도 11을 참조하면, 생체 신호 측정 장치(1000)는 생체 신호 측정 단계(S1100), 생체 신호 획득 단계(S1200), 생체 신호의 유효성을 판단하는 단계(S1300), 생체 신호 측정 장치 배치의 적법성을 판단하는 단계(S1400), 생체 신호를 분석하는 단계(S1500), 보조 지표를 추출하는 단계(S1600) 및 보조 지표에 기반하여 질병 정보를 획득하는 단계(S1700)를 수행할 수 있다.
상술한 바와 같이, 생체 신호 측정 장치(1000)는 생체 신호 측정 단계(S1100), 생체 신호 획득 단계(S1200), 생체 신호를 분석하는 단계(S1500), 보조 지표를 추출하는 단계(S1600) 및 보조 지표에 기반하여 질병 정보를 획득하는 단계(S1700)를 통해 수면 중에 발생하는 생체 신호를 측정 및 획득하고, 이로부터 보조 지표를 추출한 후, 보조 지표에 기반하여 질병 정보를 획득할 수 있다.
생체 신호 측정 장치(1000)는 추출되는 보조 지표에 대한 정확도를 향상시키기 위하여 생체 신호의 유효성을 판단하는 단계(S1300) 및 생체 신호 측정 장치 배치의 적법성을 판단하는 단계(S1400)를 추가적으로 수행할 수 있다.
생체 신호 측정 장치(1000)는 생체 신호의 유효성을 판단하는 단계(S1300)를 통하여 측정되는 생체 신호가 유효한지 여부를 판단할 수 있다. 상기 생체 신호의 유효성을 판단하는 단계(S1300)는 제1 알고리즘을 이용하여 생체 신호 측정 장치(1000) 상에 사용자가 위치하고 있는지 판단하는 제1 단계 및 제2 알고리즘을 이용하여 측정되는 생체 신호가 미리 정해진 기준을 만족하는지 판단하는 제2 단계를 포함할 수 있다.
보다 구체적으로, 도 12를 참조하면, 생체 신호 측정 장치(1000)는 제1 알고리즘을 이용하여 생체 신호 측정 장치(1000)로 입력되는 전자 신호에 기반해서 상기 생체 신호 측정 장치(1000) 상에 사용자가 위치하고 있는지 여부를 판단할 수 있다(S2110).
생체 신호 측정 장치(1000)는 생체 신호 측정 장치(1000) 상에 사용자가 위치하고 있는 것으로 판단되는 경우, 사용자가 위치하고 있다고 판단된 이후 시점에 측정되는 대상 생체 신호를 획득할 수 있다(S2130).
생체 신호 측정 장치(1000)는 제2 알고리즘을 이용하여 획득된 대상 생체 신호가 유효한지 검증할 수 있다(S2140). 생체 신호 측정 장치(1000)는 심탄도 신호를 획득한 후, 제2 알고리즘을 이용하여 획득된 심탄도 신호에 대한 분석을 통해 심탄도 신호가 유효한지 판단할 수 있다. 예컨대, 생체 신호 측정 장치(1000)는 제2 알고리즘을 이용하여 획득된 심탄도 신호에 기반하여 엔트로피(entropy) 값을 추출한 후, 추출된 엔트로피 값이 미리 정해진 기준을 만족하는지에 기반하여 심탄도 신호가 유효한지 판단할 수 있다.
예시적으로, 생체 신호 측정 장치(1000)는 제2 알고리즘을 이용하여 심탄도 신호에 대한 분석을 통해 사용자의 움직임에 대한 제1 보조 지표를 추출할 수 있고, 생체 신호 측정 장치(1000) 상에 위치한 사용자의 수에 대한 제2 보조 지표를 추출할 수 있고, 사용자의 복장에 대한 제3 보조 지표를 추출할 수 있다. 이 경우, 생체 신호 측정 장치(1000)는 상기 제1 보조 지표 내지 제3 보조 지표 중 적어도 하나를 이용하여 획득되는 심탄도 신호가 유효한지 판단할 수 있다.
도 11 및 도 12를 참조하면, 생체 신호 측정 장치(1000)는 획득되는 생체 신호가 유효하다고 판단되는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한지 여부에 대해 판단할 수 있다(S1400).
획득되는 생체 신호가 유효한 것으로 판단되는 경우에도, 생체 신호 측정 장치(1000)가 올바르게 배치된 상태에서 생체 신호가 측정되어야 보다 정확한 보조 지표를 추출할 수 있다. 이에 따라, 생체 신호 측정 장치(1000)는 대상 생체 신호가 유효한 것으로 판단되는 경우, 대상 생체 신호에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지 여부에 대해 추가적으로 판단할 수 있다(S2160).
다만, 생체 신호 측정 장치(1000)의 배치가 적법한지 여부를 판단하는 것은 필수적인 단계는 아니며, 선택적으로 수행될 수 있다. 예컨대, 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단하는 것은 사용자가 최초로 생체 신호 측정 장치(1000)를 사용하는 경우에 수행될 수 있다. 또는, 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단하는 것은 미리 정해진 주기(예컨대, 1주일, 1개월 등) 마다 수행될 수 있다.
도 13의 (a)와 같이 생체 신호 측정 장치(1000)는 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단하는 단계를 생략한 채로 건강 상태 모니터링을 수행할 수 있다. 또한, 도 13의 (b)와 같이 생체 신호 측정 장치(1000)는 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단하는 단계를 포함한 채로 건강 상태 모니터링을 수행할 수 있다.
이하에서는 도면을 참조하여, 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단하는 방법에 대하여 상세히 설명하도록 한다.
도 14 및 도 15는 일 실시예에 따른 생체 신호 측정 장치의 배치가 적법한지를 판단하는 방법을 설명하기 위한 도면이다.
도 14를 참조하면, 생체 신호 측정 장치(1000)는 심탄도 신호를 획득하는 단계(S2210), 신경망 모델을 이용하여 심탄도 신호를 분석하는 단계(S2220), 심박수와 관련된 제1 확률 값을 획득하는 단계(S2230), 호흡수와 관련된 제2 확률 값을 획득하는 단계(S2240), 제1 확률 값 및 제2 확률 값에 기반하여 장치의 배치 상태를 판단하는 단계(S2250) 및 판단 결과에 기반하여 피드백을 제공하는 단계(S2260)을 수행할 수 있다.
생체 신호 측정 장치(1000)는 심탄도 신호를 획득한 후 미리 학습된 신경망 모델을 이용하여 심박수 또는 호흡수에 대한 데이터를 획득할 수 있다. 상기 신경망 모델은 피크 검출(peak detection) 알고리즘을 이용하여 심탄도 신호로부터 심박수 또는 호흡수에 대한 데이터를 획득하도록 학습될 수 있다.
일 예로, 상기 신경망 모델은 단일의 신경망 모델로써 심탄도 신호를 입력 받아 심박수 및 호흡수에 대한 데이터를 획득하도록 학습될 수 있다. 다른 예로, 상기 신경망 모델은 심탄도 신호를 입력 받아 심박수에 대한 데이터를 획득하도록 학습된 제1 신경망 모델 및 심탄도 신호를 입력 받아 호흡수에 대한 데이터를 획득하도록 학습된 제2 신경망 모델을 포함할 수 있다. 이 경우, 상기 제1 신경망 모델 및 제2 신경망 모델은 하나의 신경망 모델에서 물리적 또는 논리적으로 분리되어 있을 수 있다.
상기 심박수에 대한 데이터는 심박수와 관련된 확률 값을 포함할 수 있다. 상기 심박수와 관련된 확률 값은 미리 정해진 시간 구간 내에서 심박수가 적법하게 획득되고 있을 확률에 관한 것일 수 있다.
상기 호흡수에 대한 데이터는 호흡수와 관련된 확률 값을 포함할 수 있다. 상기 호흡수와 관련된 확률 값은 미리 정해진 시간 구간 내에서 호흡수가 적법하게 획득되고 있을 확률에 관한 것일 수 있다.
생체 신호 측정 장치(1000)는 심탄도 신호로부터 획득되는 심박수와 관련된 제1 확률 값 및 호흡수와 관련된 제2 확률 값에 기반하여 생체 신호 측정 장치(1000)가 올바르게 배치되었는지에 대해 판단할 수 있다.
생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 제2 확률 값이 미리 정해진 값을 넘을 경우 생체 신호 측정 장치(1000)가 올바르게 배치된 것으로 판단할 수 있다. 예컨대, 생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 제2 확률 값이 미리 정해진 피크 검출 확률(peak probability)을 넘을 경우 생체 신호 측정 장치(1000)가 올바르게 배치된 것으로 판단할 수 있다.
생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 제2 확률 값에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지 판단한 후에, 상기 판단 결과에 기반하여 사용자에게 피드백을 제공할 수 있다.
도 15를 참조하면, 생체 신호 측정 장치(1000)는 생체 신호 측정 장치(1000)의 배치가 부적법한 것으로 판단되면, 이상 값에 대해 분석하는 단계(S2271), 생체 신호 측정 장치의 적정 배치에 관한 가이드를 생성하는 단계(S2272) 및 사용자에게 가이드를 제공하는 단계(S2273)을 추가적으로 수행할 수 있다.
생체 신호 측정 장치(1000)는 생체 신호 측정 장치(1000)의 배치가 부적법한 것으로 판단되면, 심탄도 신호로부터 추출되는 심박수와 관련된 값 및 호흡수와 관련된 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 배치가 부적법한 원인에 대해 판단할 수 있다. 생체 신호 측정 장치(1000)는 심탄도 신호로부터 추출되는 심박수와 관련된 값 및 호흡수와 관련된 값 중 적어도 하나에 기반하여 생체 신호 측정 장치의 적정 배치에 관한 가이드를 생성할 수 있다.
예를 들어, 생체 신호 측정 장치(1000)는 심탄도 신호로부터 추출되는 심박수와 관련된 값 및 호흡수와 관련된 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 배치 위치에 때한 피드백을 생성할 수 있다. 보다 구체적인 예로, 생체 신호 측정 장치(1000)는 심탄도 신호로부터 추출되는 심박수와 관련된 값 및 호흡수와 관련된 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 배치가 사용자의 상체 부위에 조금 더 인접하도록 가이드하는 피드백을 생성할 수 있다.
다른 예로, 생체 신호 측정 장치(1000)는 심탄도 신호로부터 추출되는 심박수와 관련된 값 및 호흡수와 관련된 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 배치 방법에 때한 피드백을 생성할 수 있다. 보다 구체적인 예로, 생체 신호 측정 장치(1000)는 심탄도 신호로부터 추출되는 심박수와 관련된 값 및 호흡수와 관련된 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 수평을 유지할 것을 가이드하는 피드백을 생성하거나, 생체 신호 측정 장치(1000)를 덮고 있는 이불 등을 제거할 것을 가이드하는 피드백을 생성할 수 있다.
생체 신호 측정 장치(1000)는 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단되는 경우, 건강 상태 모니터링을 위한 대상 생체 신호를 획득하는 단계(S2280)을 수행할 수 있다.
도 16 내지 도 18은 일 실시예에 따른 생체 신호 측정 장치의 배치가 적법한지 판단하기 위하여 심박수 및 호흡수에 관한 확률 값을 획득하는 방법을 예시적으로 설명하기 위한 도면이다.
생체 신호 측정 장치(1000)는 미리 정해진 시간 구간 동안 미리 정해진 횟수만큼 반복해서 심탄도 신호를 획득하고, 심탄도 신호로부터 심박수와 관련된 제1 확률 값 및 호흡수와 관련된 제2 확률 값을 획득할 수 있다. 이후, 생체 신호 측정 장치(1000)는 상술한 방법으로 획득된 제1 확률 값 및 제2 확률 값에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단할 수 있다.
도 16을 참조하면, 생체 신호 측정 장치(1000)는 제1 그룹의 심탄도 신호를 획득할 수 있다. 상기 제1 그룹은 미리 정해진 제1 시간 구간 동안 획득되는 심탄도 신호의 집합일 수 있다.
생체 신호 측정 장치(1000)는 미리 학습된 신경망 모델을 이용하여 상기 제1 그룹의 심탄도 신호에 기반하여 제1 확률 값을 획득할 수 있다. 상기 제1 확률 값은 상기 제1 그룹의 심탄도 신호에 기반하여 획득되는 제1 보조 지표(예컨대, 심박수)와 관련된 확률 값 및 제2 보조 지표(예컨대, 호흡수)와 관련된 확률 값일 수 있다.
생체 신호 측정 장치(1000)는 상기 제1 확률 값에 기반하여 생체 신호 측정 장치(1000)의 배치가 올바른지에 대해 판단할 수 있다. 생체 신호 측정 장치(1000)는 상기 제1 확률 값이 미리 정해진 기준을 만족하는 것으로 판단하는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단할 수 있다.
상기 제1 시간 구간은 미리 정해진 최소 시간 이상으로 정해질 수 있다. 예컨대, 심탄도 신호로부터 제1 보조 지표 및 제2 보조 지표를 추출하는 경우, 상기 제1 보조 지표 및 제2 보조 지표 중 적어도 하나는 최소 n초 이상 동안 획득되는 심탄도 신호에 기반하여 추출될 수 있다. 이 경우, 상기 제1 시간 구간은 상기 n초 이상의 시간 구간으로 정해질 수 있다. 보다 구체적인 예로, 심탄도 신호로부터 심박수 및 호흡수를 추출하는 경우, 상기 호흡수는 최소 15초 동안 누적되어 획득되는 심탄도 신호에 기반하여 추출될 수 있다. 이 경우, 상기 제1 시간 구간은 15초 이상으로 정해질 수 있다.
도 17을 참조하면, 생체 신호 측정 장치(1000)는 제1 그룹의 심탄도 신호 및 제2 그룹의 심탄도 신호를 획득할 수 있다. 상기 제1 그룹은 미리 정해진 제1 시간 구간 동안 획득되는 심탄도 신호의 집합일 수 있고, 상기 제2 그룹은 미리 정해진 제2 시간 구간 동안 획득되는 심탄도 신호의 집합일 수 있다. 이때, 상기 제1 시간 구간은 상기 제2 시간 구간보다 이전의 시간 구간일 수 있다. 예를 들어, 상기 제1 시간 구간의 종료 시점은 상기 제2 시간 구간의 시작 시점과 같은 시점이거나 상기 제2 시간 구간의 시작 시점보다 빠른 시점일 수 있다.
생체 신호 측정 장치(1000)는 미리 학습된 신경망 모델을 이용하여 상기 제1 그룹의 심탄도 신호에 기반하여 제1 확률 값을 획득할 수 있고, 상기 제2 그룹의 심탄도 신호에 기반하여 제2 확률 값을 획득할 수 있다.
상기 제1 확률 값은 상기 제1 그룹의 심탄도 신호에 기반하여 획득되는 제1 보조 지표(예컨대, 심박수)와 관련된 확률 값 및 제2 보조 지표(예컨대, 호흡수)와 관련된 확률 값일 수 있다. 상기 제2 확률 값은 상기 제2 그룹의 심탄도 신호에 기반하여 획득되는 제1 보조 지표(예컨대, 심박수)와 관련된 확률 값 및 제2 보조 지표(예컨대, 호흡수)와 관련된 확률 값일 수 있다.
생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 상기 제2 확률 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지에 대해 판단할 수 있다. 생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 상기 제2 확률 값 중 적어도 하나가 미리 정해진 기준을 만족하는 것으로 판단하는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단할 수 있다.
도 17의 (a)와 같이, 생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 상기 제2 확률 값에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지 판단할 수 있다. 생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 상기 제2 확률 값이 미리 정해진 기준을 만족하는 것으로 판단하는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단할 수 있다.
도 17의 (b)와 같이, 생체 신호 측정 장치(1000)는 상기 제2 확률 값에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지 판단할 수 있다. 생체 신호 측정 장치(1000)는 상기 제2 확률 값이 미리 정해진 기준을 만족하는 것으로 판단하는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단할 수 있다.
생체 신호 측정 장치(1000)를 통해 심탄도 신호를 획득하는 경우, 초반에 획득하는 심탄도 신호에는 노이즈가 섞여 있을 확률이 높으므로, 생체 신호 측정 장치(1000)는 심탄도 신호가 안정적으로 획득되는 제2 그룹의 심탄도 신호에 기반하여 심박수 및 호흡수 중 적어도 하나와 관련된 확률 값을 획득할 수 있다. 예를 들어, 상기 제1 그룹의 심탄도 신호는 제1 시간 구간에 획득되는데, 상기 제1 시간 구간 동안에는 생체 신호 측정 장치(1000)의 배치가 적법한지 판단하는 동작이 사용자에 의해 수행될 수 있다. 상기 사용자의 동작으로 인해 생체 신호 측정 장치(1000)에는 많은 움직임이 발생할 수 있는데, 이로 인하여 생체 신호 측정 장치(1000)를 통해 획득되는 심탄도 신호는 노이즈가 많이 섞여 있어서 신경망 모델을 통핸 분석의 대상으로 적법하지 않을 수 있다. 이에 따라, 상기 제1 그룹의 심탄도 신호 및 제2 그룹의 심탄도 신호가 모두 획득되는 경우, 상기 제2 그룹의 심탄도 신호에 기반하여 심박수 및 호흡수 중 적어도 하나와 관련된 확률 값을 획득할 수 있다.
생체 신호 측정 장치(1000)가 제2 그룹의 심탄도 신호에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지 여부를 판단하는 경우, 제1 그룹의 심탄도 신호에 기반하여 사용자의 움직임에 대한 피드백을 생성할 수 있다.
예컨대, 생체 신호 측정 장치(1000)는 제1 그룹의 심탄도 신호에 기반하여 심박수와 관련된 제1 확률 값 및 호흡수와 관련된 제2 확률 값을 획득할 수 있고, 상기 제1 확률 값 및 제2 확률 값 중 적어도 하나에 기반하여 사용자의 움직임에 대한 피드백을 생성할 수 있다. 보다 구체적인 예로, 생체 신호 측정 장치(1000)는 상기 제1 확률 값 및 상기 제2 확률 값 중 적어도 하나에 기반하여 사용자가 현재 움직이고 있는 상태인지 또는 정지하고 있는 상태인지 판단할 수 있으며, 이를 기반으로 사용자의 움직임에 대한 피드백을 생성할 수 있다.
생체 신호 측정 장치(1000)는 상술한 방법으로 생성된 사용자의 움직임에 대한 피드백을 사용자에게 제공함으로써, 사용자의 움직임이 최소로 된 상태에서 생체 신호 측정 장치(1000)의 배치의 적법성에 대해 판단하는 단계를 수행하게 되어 보다 정확한 판단이 가능할 수 있다.
도 18을 참조하면, 생체 신호 측정 장치(1000)는 복수의 시간 구간 동안 심탄도 신호를 획득할 수 있고, 획득된 심탄도 신호에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단할 수 있다.
생체 신호 측정 장치(1000)는 제1 그룹의 심탄도 신호, 제2 그룹의 심탄도 신호, 제3 그룹의 심탄도 신호 및 제4 그룹의 심탄도 신호를 획득할 수 있다. 상기 제1 그룹은 미리 정해진 제1 시간 구간 동안 획득되는 심탄도 신호의 집합일 수 있고, 상기 제2 그룹은 미리 정해진 제2 시간 구간 동안 획득되는 심탄도 신호의 집합일 수 있고, 상기 제3 그룹은 미리 정해진 제3 시간 구간 동안 획득되는 심탄도 신호의 집합일 수 있으며, 상기 제4 그룹은 미리 정해진 제4 시간 구간 동안 획득되는 심탄도 신호의 집합일 수 있다.
생체 신호 측정 장치(1000)는 미리 학습된 신경망 모델을 이용하여 상기 제1 그룹의 심탄도 신호에 기반하여 제1 확률 값을 획득할 수 있고, 상기 제2 그룹의 심탄도 신호에 기반하여 제2 확률 값을 획득할 수 있고, 상기 제3 그룹의 심탄도 신호에 기반하여 제3 확률 값을 획득할 수 있으며, 상기 제4 그룹의 심탄도 신호에 기반하여 제4 확률 값을 획득할 수 있다.
상기 제1 확률 값 내지 제4 확률 값은 도 16 및 도 17을 참조하여 설명한 제1 확률 값 또는 제2 확률 값에 대응되는 개념이며, 이에 대한 설명은 상술한 바 있으므로 중복되는 설명은 생략하도록 한다.
생체 신호 측정 장치(1000)는 상기 제1 확률 값, 제2 확률 값, 제3 확률 값 및 제4 확률 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지에 대해 판단할 수 있다. 생체 신호 측정 장치(1000)는 상기 제1 확률 값, 제2 확률 값, 제3 확률 값 및 제4 확률 값 중 적어도 하나가 미리 정해진 기준을 만족하는 것으로 판단하는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단할 수 있다.
생체 신호 측정 장치(1000)는 제1 시간 구간 내지 제4 시간 구간에서 획득되는 심탄도 신호 중 제1 시간 구간에서 획득되는 심탄도 신호를 제외한 신호에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지 판단할 수 있다. 예컨대, 생체 신호 측정 장치(1000)는 제2 확률 값, 제3 확률 값 및 제4 확률 값 중 적어도 하나에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지에 대해 판단할 수 있다.
예를 들어, 생체 신호 측정 장치(1000)는 제2 확률 값, 제3 확률 값 및 제4 확률 값 중 적어도 하나가 미리 정해진 기준을 만족하는 것으로 판단하는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단할 수 있다. 다른 예로, 생체 신호 측정 장치(1000)는 제2 확률 값, 제3 확률 값 및 제4 확률 값이 모두 미리 정해진 기준을 만족하는 것으로 판단하는 경우, 생체 신호 측정 장치(1000)의 배치가 적법한 것으로 판단할 수 있다.
생체 신호 측정 장치(1000)는 복수의 시간 구간에서 획득되는 심탄도 신호 중 마지막 시간 구간에서 획득되는 심탄도 신호에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지 판단할 수 있다. 예컨대, 생체 신호 측정 장치(1000)는 제4 확률 값에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지에 대해 판단할 수 있다.
상기 제1 시간 구간 내지 제4 시간 구간의 길이는 오차 범위 내에서 서로 동일할 수 있다. 상기 제1 시간 구간 내지 제4 시간 구간 서로 중첩되지 않으며, 연속적인 시간 구간일 수 있다. 예시적으로, 상기 제1 시간 구간 내지 제4 시간 구간은 15초로 설정될 수 있다.
도 19 및 도 20은 일 실시예에 따른 대상 생체 신호를 획득하기 위한 시스템에 대하여 예시적으로 설명하기 위한 도면이다.
도 19를 참조하면, 일 실시예에 따른 대상 생체 신호를 획득하기 위한 시스템은 생체 신호 측정 장치(1000), 서버(2000) 및 사용자 단말(3000)로 구성될 수 있다.
사용자 단말(3000)은 사용자에게 테스트 가이드를 제공할 수 있다. 상기 테스트 가이드는 생체 신호 측정 장치(1000)가 올바르게 배치되었는지 또는 생체 신호 측정 장치(1000)가 올바르게 작동하는지에 대해 판단할 수 있도록 사용자의 동작을 유도하는 가이드일 수 있다.
생체 신호 측정 장치(1000)는 상기 테스트 가이드에 대한 사용자의 입력을 획득한 후에, 적어도 하나의 생체 신호를 획득할 수 있다. 예컨대, 상기 적어도 하나의 생체 신호는 심탄도 신호일 수 있다. 생체 신호 측정 장치(1000)는 획득되는 적어도 하나의 생체 신호를 서버(2000)로 전송할 수 있다.
서버(2000)는 상기 적어도 하나의 생체 신호를 입력받은 후 미리 학습된 신경망 모델을 이용하여 상기 적어도 하나의 생체 신호를 분석할 수 있다. 서버(2000)는 상기 적어도 하나의 생체 신호에 대한 분석에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지에 대해 판단할 수 있다. 서버(2000)는 생체 신호 측정 장치(1000)의 배치가 적법한지에 대한 판단 결과를 사용자 단말(3000) 또는 생체 신호 측정 장치(1000)에 전송할 수 있다.
도 20을 참조하면, 일 실시예에 따른 대상 생체 신호를 획득하기 위한 시스템은 생체 신호 측정 장치(1000) 및 사용자 단말(3000)로 구성될 수 있다.
생체 신호 측정 장치(1000)에 의해 획득되는 적어도 하나의 생체 신호는 생체 신호 측정 장치(1000) 또는 사용자 단말(3000)에서 분석될 수 있다. 예를 들어, 도 20의 (a)와 같이 사용자 단말(3000)은 생체 신호 측정 장치(1000)로부터 측정되는 적어도 하나의 생체 신호를 미리 학습된 신경망 모델을 이용하여 분석한 후, 분석 결과에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단할 수 있다. 다른 예로, 도 20의 (b)와 같이 생체 신호 측정 장치(1000)는 획득된 적어도 하나의 생체 신호를 미리 학습된 신경망 모델을 이용하여 분석한 후, 분석 결과에 기반하여 생체 신호 측정 장치(1000)의 배치가 적법한지를 판단할 수 있다.
4. 생체 신호를 측정하는 장치
상술한 바와 같이 생체 신호 측정 장치(1000)는 수면 중에 인체로부터 발생하는 적어도 하나의 생체 신호를 획득할 수 있다.
종래에는 수면 중에 인체로부터 발생하는 생체 신호를 획득하기 위하여 사용자는 웨어러블 장치(wearable device)를 착용한 상태로 수면해야 했다. 사용자가 수면 중에도 웨어러블 장치를 착용하고 있어야 생체 신호의 획득이 가능하다는 점에서 종래의 장치는 사용자 편의성이 매우 낮았다.
본 출원의 일 실시예에 따른 생체 신호 측정 장치(1000)는 사용자가 직접 장치를 착용하고 있지 않은 경우에도 생체 신호의 획득이 가능하며, 이처럼 간접적인 접촉을 통해 생체 신호를 획득하는 경우에도 정확도 높게 생체 신호를 획득할 수 있다.
일 실시예에 따른 생체 신호 측정 장치(1000)는 하드웨어적인 구조, 측정하고자 하는 생체 신호의 종류, 생체 신호를 측정하는 방법 등에 따라 다양한 형태로 구비될 수 있다.
도 21은 일 실시예에 따른 생체 신호 측정 장치를 예시적으로 설명하기 위한 도면이다. 도 21을 참조하면, 생체 신호 측정 장치(1000)는 제1 생체 신호 측정 장치(1100), 제2 생체 신호 측정 장치(1200) 및 제3 생체 신호 측정 장치(1300)를 포함할 수 있다.
제1 생체 신호 측정 장치(1100) 내지 제3 생체 신호 측정 장치(1300)는 서로 연동하여 동작할 수 있다.
예를 들어, 서버(2000)는 제1 생체 신호 측정 장치(1100)를 통해 획득되는 제1 생체 신호와 제2 생체 신호 측정 장치(1200)를 통해 획득되는 제2 생체 신호를 이용하여 건강 상태를 모니터링할 수 있다. 이 경우, 상기 제1 생체 신호 및 제2 생체 신호는 서로 동일할 수도 있다.
다른 예로, 서버(2000)는 제1 생체 신호 측정 장치(1100)를 통해 획득되는 생체 신호에 기반하여 건강 상태 모니터링을 수행할 수 있으며, 상기 건강 상태 모니터링 결과에 기반하여 제2 생체 신호 측정 장치(1200)를 통해 사용자에게 알림을 제공할 수도 있다.
서버(2000)가 건강 상태 모니터링을 수행하기 위하여 상기 제1 생체 신호 측정 장치(1100) 내지 제3 생체 신호 측정 장치(1300)를 모두 이용하여야만 하는 것은 아니며, 서버(2000)는 상기 제1 생체 신호 측정 장치(1100) 내지 제3 생체 신호 측정 장치(1300) 중 적어도 하나를 이용하여 건강 상태 모니터링을 수행할 수 있다.
도 22는 일 실시예에 따른 생체 신호 측정 장치의 구성을 설명하기 위한 도면이다. 도 22를 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 적어도 하나의 프로세서(100), 센서부(200), 출력부(300), 통신부(400) 및 전원 공급부(500)를 포함할 수 있다.
센서부(200)는 적어도 하나의 센서를 포함할 수 있다. 센서부(200)는 적어도 하나의 프로세서(100)의 제어 명령에 따라 상기 적어도 하나의 센서를 이용하여 인체로부터 발생하는 다양한 생체 신호를 측정할 수 있다. 예를 들어, 센서부(200)는 압력 센서, 사운드 센서, 온도 센서, 습도 센서, 자이로 센서, 모션 센서, 터치 센서 및 근접 센서 중 적어도 하나를 포함할 수 있다. 다만, 센서부(200)에 포함될 수 있는 센서의 종류는 이에 한정되지 않으며 인체로부터 발생하는 생체 신호를 측정하기 위한 기 알려진 다양한 종류의 센서가 포함될 수 있다.
출력부(300)는 적어도 하나의 프로세서(100)의 제어 명령에 따라 다양한 종류의 알람을 출력할 수 있다. 예를 들어, 출력부(300)는 적어도 하나의 프로세서(100)의 제어 명령에 따라 진동 모듈을 이용하여 사용자에게 알람을 제공할 수 있다. 다른 예로, 출력부(300)는 적어도 하나의 프로세서(100)의 제어 명령에 따라 스피커를 이용하여 사용자에게 알람을 제공할 수 있다. 다른 예로, 출력부(300)는 적어도 하나의 프로세서(100)의 제어 명령에 따라 LED를 이용하여 사용자에게 알람을 제공할 수 있다. 다른 예로, 출력부(300)는 디스플레이 패널을 통해 사용자의 건강 상태 또는 수면 상태와 관련된 정보를 출력할 수 있다.
통신부(400)는 무선 통신 모듈 및/또는 유선 통신 모듈을 포함할 수 있다. 여기서, 무선 통신 모듈은 와이파이(Wi-Fi) 통신 모듈, 셀룰러 통신 모듈 등을 포함할 수 있다.
전원 공급부(500)는 배터리를 포함하며, 상기 배터리는 사용자 단말기(1000)에 내장되거나 외부에서 착탈이 가능하게 구비될 수 있다. 전원 공급부(600)는 사용자 단말기(1000)의 각 구성 요소에서 필요로 하는 전력을 공급할 수 있다.
적어도 하나의 프로세서(100)는 메모리에 저장된 적어도 하나의 명령어를 실행시킴으로써, 소정의 동작을 실행할 수 있다. 보다 구체적으로, 적어도 하나의 프로세서(100)는 생체 신호 측정 장치(1000)에 포함되어 있는 구성들의 전체적인 동작을 제어할 수 있다.
도 23은 일 실시예에 따른 제1 생체 신호 측정 장치의 구조를 예시적으로 설명하기 위한 도면이다.
도 23을 참조하면, 제1 생체 신호 측정 장치(1100)는 인체의 상체 부위에서 발생하는 생체 신호를 측정하기 위한 구조를 구비할 수 있다. 예컨대, 제1 생체 신호 측정 장치(1100)는 침대의 매트리스 상에 배치되어 사용자의 상체 부위에서 발생하는 심탄도 신호를 측정하도록 구비될 수 있다.
제1 생체 신호 측정 장치(1100)는 적어도 하나의 압력 센서를 구비할 수 있다. 상기 적어도 하나의 압력 센서는 길이 방향으로 형성될 수 있다.
상기 압력 센서는 일면 및 타면을 구비할 수 있다. 상기 일면은 제1 생체 신호 측정 장치(1100)가 매트리스 상에 배치되었을 때 인체를 향하는 방향이고, 상기 타면은 제1 생체 신호 측정 장치(1100)가 매트리스 상에 배치되었을 때 매트리스를 향하는 방향일 수 있다.
상기 압력 센서는 후술할 제1 커버(top)에 부착될 수 있다. 상기 압력 센서의 일면은 상기 제1 커버(top)에 부착될 수 있다.
제1 생체 신호 측정 장치(1100)는 복수의 커버를 구비할 수 있다. 제1 생체 신호 측정 장치(1100)는 제1 커버(top), 제2 커버(middle) 및 제3 커버(bottom)을 구비할 수 있다. 한편, 제1 생체 신호 측정 장치(1100)는 제1 커버(top) 및 제3 커버(bottom)을 필수적으로 구비하되, 상기 제2 커버(middle)는 선택적으로 구비할 수 있다.
제1 생체 신호 측정 장치(1100)에 제2 커버(middle)가 추가적으로 구비되는 경우, 제1 생체 신호 측정 장치(1100)의 무게가 높아지게 되고, 이에 따라 제1 생체 신호 측정 장치(1100)는 사용자의 움직임에 의한 영향을 덜 받을 수 있게 된다.
상기 제1 커버(top) 내지 제3 커버(bottom)는 패브릭 재질로 구비될 수 있다. 또는, 상기 제1 커버(top) 내지 제3 커버(bottom)는 플라스틱 재질로 구비될 수 있다. 다만, 예시적인 것이며, 상기 제1 커버(top) 내지 제3 커버(bottom)의 재질은 이에 한정되지 않으며, 기 알려진 다양한 재질로 구비될 수 있다.
상기 제1 커버(top) 내지 제3 커버(bottom)에는 방수처리가 되어 있을 수 있다. 상기 제1 커버(top) 내지 제3 커버(bottom)에는 방수 기능을 할 수 있는 코팅 처리가 되어 있을 수 있다. 제1 생체 신호 측정 장치(1100)는 수면 중에 사용자로부터 발생하는 생체 신호를 획득하기 위한 장치이기 때문에, 수면 중에 발생하는 땀 등의 수분에 노출될 가능성이 높다. 이때, 상기 제1 커버(top) 내지 제3 커버(bottom)에 방수 기능이 적용됨으로써, 상기 제1 커버(top)와 제3 커버(bottom) 사이에 배치되는 다양한 부재들이 수분에 노출되지 않고 안전하게 동작할 수 있다.
상기 제3 커버(bottom)의 아랫면에는 미끄럼 방지용 코팅이 추가적으로 형성될 수 있다. 상기 제3 커버(bottom)의 아랫면은 침대의 매트리스 등과 맞닿을 수 있는데, 상기 제3 커버(bottom)의 아랫면에 미끄럼 방지용 코팅이 추가적으로 형성됨으로써 제1 생체 신호 측정(1100)가 사용자의 움직임에 의한 영향을 덜 받을 수 있게 된다.
상기 제1 커버(top)는 상기 압력 센서의 일면에 대응하는 영역의 적어도 일부를 감싸도록 형성될 수 있고, 상기 제3 커버(bottom)는 상기 압력 센서의 타면에 대응하는 영역의 적어도 일부를 감싸도록 형성될 수 있다.
상기 제3 커버(bottom)는 상기 제1 커버(top)의 형상에 대응하도록 형성될 수 있다. 상기 제3 커버(bottom)와 제1 커버(top)가 결합하는 경우 내부 공간이 형성될 수 있으며, 상기 내부 공간에는 압력 센서, 진동 모터 등의 부재가 배치될 수 있다.
제1 생체 신호 측정 장치(1100)는 상기 제3 커버(bottom)와 상기 압력 센서의 타면 사이에 배치되는 하드 페이퍼(hard paper)를 구비할 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 제1 커버(top)와 제3 커버(bottom) 사이에 배치되는 하드 페이퍼(hard paper)를 구비할 수 있다.
상기 하드 페이퍼는 상기 제3 커버(bottom)와 상기 압력 센서의 타면 사이에 배치되어 사용자의 움직임으로 인해 발생하는 압력 센서 및 진동 모터의 움직임을 최소화시킬 수 있다. 보다 구체적으로, 사용자가 제1 생체 신호 측정 장치(1100) 상에서 수면을 취하는 경우, 사용자의 움직임으로 인해 제1 생체 신호 측정 장치(1100) 및 제1 생체 신호 측정 장치(1100)를 구성하는 부품들에도 움직임이 발생할 수 있다. 이러한 움직임으로 인해, 제1 생체 신호 측정 장치(1000)를 통해 측정되는 생체 신호의 정확도가 낮아질 수 있으므로, 사용자의 움직임에도 제1 생체 신호 측정 장치(1000) 및 이를 구성하는 부품들의 움직임이 최소로될 필요가 있다. 이 경우, 하드 페이퍼는 제1 생체 신호 측정 장치(1100)의 내부에 배치되어 사용자의 움직임으로 인해 발생하는 압력 센서 및 진동 모터 등의 움직임이 최소화되도록 하는 기능을 수행할 수 있다.
제1 생체 신호 측정 장치(1100)는 상기 하드 페이퍼와 상기 압력 센서의 타면 사이에 배치되는 진동 모터(vibrator)를 적어도 하나 이상 구비할 수 있다. 도면에는 제1 생체 신호 측정 장치(1100)에 하나의 진동 모터가 구비되는 것으로 도시되었으나, 이에 한정되는 것은 아니며, 제1 생체 신호 측정 장치(1100)는 복수의 진동 모터를 구비할 수 있다.
제1 생체 신호 측정 장치(1100)에 복수의 진동 모터가 구비되는 경우, 각각의 진동 모터는 일정한 간격을 가지도록 배치될 수 있다. 제1 생체 신호 측정 장치(1100)에 복수의 진동 모터가 구비되는 경우, 각각의 진동 모터는 중앙으로 갈수록 점점 좁아지는 간격을 가지도록 배치될 수 있다. 다만, 제1 생체 신호 측정 장치(1100)에 복수의 진동 모터가 구비되는 경우, 각각의 진동 모터의 배치 방법은 이 외에도 다양할 수 있다.
상기 진동 모터는 SUB-PCB 상에 배치될 수 있다. 상기 진동 모터는 상기 제3 커버(bottom)를 향하는 방향으로 상기 SUB-PCB 상에 배치될 수 있다. 상기 진동 모터는 상기 압력 센서의 타면이 향하는 방향으로 상기 SUB-PCB 상에 배치될 수 있다. 상기 진동 모터가 상기 제3 커버(bottom)를 향하는 방향으로 배치되는 경우, 인체에 보다 효과적인 진동을 제공할 수 있다. 상기 진동 모터가 상기 제3 커버(bottom)를 향하는 방향으로 배치되는 경우, 사용자에게 상기 진동 모터로부터 발생하는 이질감을 줄여줄 수 있다. 또한, 상기 진동 모터가 상기 제3 커버(bottom)를 향하는 방향으로 배치되는 경우, 상기 압력 센서를 통한 생체 신호 측정의 정확도가 더욱 향상될 수 있다. 보다 구체적으로, 상기 진동 모터가 상기 제1 커버(top)를 향하는 방향으로 배치되는 경우, 상기 진동 모터의 진동으로 인해 상기 압력 센서가 직접적인 영향을 받게되므로, 상기 진동 모터가 상기 제3 커버(bottom)를 향하는 방향으로 배치되는 것과 비교하여 ㅎ측정되는 생체 신호의 정확도가 낮아질 수 있다.
상기 진동 모터는 상기 제1 커버(top)를 향하는 방향으로 상기 SUB-PCB 상에 배치될 수 있다. 이 경우, 진동 모터로부터 발생하는 진동이 인체에 보다 직접적으로 전달될 수 있다.
제1 생체 신호 측정 장치(1100)는 MAIN-PCB를 구비할 수 있다. 상기 MAIN-PCB는 상기 압력 센서 및 상기 진동 모터와 전기적으로 연결될 수 있다. 상기 MAIN-PCB는 제1 연결부(first connector)를 통해 압력 센서와 전기적으로 연결될 수 있고, 제2 연결부(second connector)를 통해 진동 모터와 전기적으로 연결될 수 있다.
압력 센서는 길이 방향으로 길게 형성되며, 제1 커버(top) 및 제3 커버(bottom) 사이에 배치되므로, 진동 모터와는 별개의 연결부를 통하여 MAIN-PCB와 전기적으로 연결될 경우, 보다 안정적으로 배치될 수 있다.
또한, 압력 센서와 진동 모터가 각각 별개의 연결부를 통하여 MAIN-PCB와 전기적으로 연결될 경우, 제1 생체 신호 측정 장치(1100)를 제조함에 있어서 보다 용이할 수 있다.
일 실시예에 따르면, 제1 생체 신호 측정 장치(1100)는 상기 MAIN-PCB를 수용할 수 있는 하우징을 더 포함할 수 있다. 상기 하우징에는 상기 압력 센서의 적어도 일부와 접하는 압력 센서 수용 영역이 구비될 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 압력 센서 수용 영역을 덮는 커버를 더 구비할 수 있다.
상기 압력 센서 수용 영역은 미리 정해진 각도로 경사지게 형성될 수 있다. 상기 압력 센서 수용 영역이 미리 정해진 각도로 경사지게 형성됨으로써, 상기 압력 센서가 상기 압력 센서 수용 영역과 접하는 면적이 증가되어 압력 센서가 보다 안정적으로 상기 하우징 내에 삽입 배치될 수 있다.
다른 실시예에 따르면, 제1 생체 신호 측정 장치(1100)의 제1 커버(top) 및 제3 커버(bottom)는 상기 MAIN-PCB의 적어도 일부를 감싸도록 연장 형성될 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 MAIN-PCB를 수용하기 위한 별도의 하우징을 구비하는 것이 아니라, 상기 제1 커버(top) 및 제3 커버(bottom)를 이용하여 상기 MAIN-PCB를 수용할 수 있다.
상기 제1 커버(top) 및 제3 커버(bottom)는 MAIN-PCB의 각각 서로 다른 면을 감싸도록 형성됨으로써, MAIN-PCB가 상기 제1 커버(top) 및 제3 커버(bottom) 사이에 배치되도록 할 수 있다. 즉, 상기 제1 커버(top)는 상기 MAIN-PCB의 일면에 대응하는 영역의 적어도 일부를 감싸도록 연장 형성될 수 있고, 제3 커버(bottom)는 상기 MAIN-PCB의 타면에 대응하는 영역의 적어도 일부를 감싸도록 연장 형성될 수 있다.
한편, 일 실시예에 따라 제1 생체 신호 측정 장치(1100)가 상기 MAIN-PCB를 수용할 수 있는 하우징을 더 포함하는 경우에도, 상기 하우징은 상기 제1 커버(top) 및 상기 제3 커버(bottom)와 일체로 형성될 수 있다.
도 24는 다른 실시예에 따른 제1 생체 신호 측정 장치의 구조를 예시적으로 설명하기 위한 도면이다.
도 24를 참조하면, 다른 실시예에 따른 제1 생체 신호 측정 장치(1100)는 압력 센서가 구비될 수 있고, 상기 압력 센서의 일면에는 제1 커버(top)가 배치될 수 있고, 상기 압력 센서의 타면에는 제3 커버(bottom)가 배치될 수 있다. 상기 압력 센서의 타면과 상기 제3 커버(bottom)의 사이에는 SUB-PCB 상에 배치되는 진동 모터(vibrator)가 구비될 수 있다. 제1 생체 신호 측정 장치(1100)는 상기 압력 센서와 제1 연결부를 통해 전기적으로 연결되고 진동 모터와 제2 연결부를 통해 전기적으로 연결되는 MAIN-PCB 및 상기 MAIN-PCB를 수용하는 하우징을 구비할 수 있다.
다른 실시예에 따른 제1 생체 신호 측정 장치(1100)는 도 23을 통해 설명한 일 실시예에 따른 제1 생체 신호 측정 장치(1100)와 비교하여 제2 커버(middle) 및 하드 페이퍼(hard paper)가 생략된 채로 구비될 수 있는데, 이 경우 상기 제1 커버(top) 및 제3 커버(bottom)의 재질은 플라스틱과 같은 단단한 재질일 수 있다.
상기 제1 커버(top) 및 제3 커버(bottom)의 재질이 플라스틱과 같은 단단한 재질로 구비되는 경우, 제2 커버(middle) 또는 하드 페이퍼와 같은 추가적인 구성이 구비되지 않아도 제1 생체 신호 측정 장치(1100)가 사용자의 움직임으로부터 최소한의 영향을 받으며 동작할 수 있다.
한편, 다른 실시예에 따른 제1 생체 신호 측정 장치(1100)를 구성하는 부품들은 도 23을 통해 설명한 부품들과 동일 또는 상응하는 구조를 가지므로 중복되는 설명은 생략하도록 한다.
제2 생체 신호 측정 장치(1200)는 인체의 눈 주변 부위에서 발생하는 생체 신호를 측정하기 위한 구조를 구비할 수 있다. 제2 생체 신호 측정 장치(1200)는 인체의 적어도 일부와 직접적으로 접촉할 수 있다. 예컨대, 제2 생체 신호 측정 장치(1200)는 안대의 형태로 구비되어 인체의 눈 주변 부위에서 발생하는 생체 신호를 측정할 수 있다. 상기 눈 주변 부위에서 발생하는 생체 신호는 심탄도 신호, 소리 신호, 온도 및 습도 중 적어도 하나일 수 있다.
제3 생체 신호 측정 장치(1300)는 인체의 머리 부위에서 발생하는 생체 신호를 측정하기 위한 구조를 구비할 수 있다. 제3 생체 신호 측정 장치(1300)는 인체의 적어도 일부와 직접적으로 접촉할 수 있다. 예컨대, 제3 생체 신호 측정 장치(1300)는 배게의 형태로 구비되어 인체의 머리 부위에서 발생하는 생체 신호를 측정할 수 있다. 상기 머리 부위에서 발생하는 생체 신호는 심탄도 신호, 소리 신호, 온도 및 습도 중 적어도 하나일 수 있다.
보다 구체적인 예로, 제2 생체 신호 측정 장치(1200)에는 압력 센서가 구비될 수 있다. 제2 생체 신호 측정 장치(1200)는 상기 압력 센서를 이용하여 관자 놀이에서 발생하는 압력(temporal pulse)을 측정할 수 있다.
다른 예로, 제2 생체 신호 측정 장치(1200)에는 EOG(Electrooculography) 측정 센서가 구비될 수 있다. 제2 생체 신호 측정 장치(1200)는 상기 EOC 측정 센서를 이용하여 안전도를 측정할 수 있다.
다른 예로, 제2 생체 신호 측정 장치(1200)에는 사운드 센서가 구비될 수 있고, 제2 생체 신호 측정 장치(1200)는 상기 사운드 센서를 이용하여 수면 중에 인체로부터 발생되는 소리 신호를 획득할 수 있다.
다른 예로, 제2 생체 신호 측정 장치(1200)에는 온도 센서 또는 습도 센서가 구비될 수 있으며, 제2 생체 신호 측정 장치(1200)는 상기 온도 센서 또는 습도 센서를 이용하여 피부의 온도 또는 습도에 대한 데이터를 획득할 수 있다.
도 25 내지 도 27은 일 실시예에 따른 생체 신호 측정 장치가 눈 주변부의 압력 값에 기반하여 수면 상태를 모니터링 하는 방법을 예시적으로 설명하기 위한 도면이다.
일반적으로 눈의 움직임을 판단하기 위하여 EOG(Electrooculopraphy) 측정 센서를 통해 측정한 안전도를 활용하고 있다. 다만, 안전도를 측정하기 위해서는 별도의 복잡한 장치가 추가적으로 필요하기 때문에 이러한 방법은 수면 중에 관찰되는 눈의 움직임을 판단하기에는 적합하지 않다. 또한, 기존의 안전도 측정 장치에는 끈적한 전극이 사용되어서 사용자 편의성이 많이 낮았으며, 드라이한 전극이 사용되는 경우에는 접촉이 잘 유지되지 않아 수면 중에 지속적으로 생체 신호를 측정하기에는 어렵다는 한계가 있었다. 나아가, 기존의 안전도 측정을 위해서는 신체의 적어도 2이상의 지점에서 측정이 되어야 한다는 한계점도 존재하였다.
본 출원의 일 실시예에 따른 생체 신호 측정 장치(1000)는 눈 주변부의 압력 값을 이용하여 눈의 움직임을 판단할 수 있고, 이에 기반하여 수면 상태를 모니터링할 수 있다.
도 25를 참조하면, 눈 주변부의 압력 값에 기반하여 획득되는 움직임 신호(mechanical activity) 및 EOG(Electrooculopraphy) 측정 센서를 통해 획득되는 안전도 신호(EOG)를 확인할 수 있다. 상기 움직임 신호(mechanical activity) 및 EOG(Electrooculopraphy) 신호는 각각 동일한 사람을 피험자로 하여 동일한 시간 동안 누적하여 획득된 신호이다.
상기 움직임 신호(mechanical activity)의 파형과 EOG(Electrooculopraphy) 신호의 파형은 서로 대응되는 양상을 보임을 확인할 수 있다. 다시 말해, 눈의 주변부에서 측정되는 압력 값에 기반하여 눈의 움직임에 대한 판단의 척도가 되는 EOG(Electrooculopraphy) 신호의 파형을 얻을 수 있다. 결국, 눈의 주변부에서 측정되는 압력 값에 기반하여 눈의 움직임에 대한 판단이 가능하다.
이하에서는 도면을 참조하여, 일 실시예에 따른 생체 신호 측정 장치(1000)가 눈 주변부의 압력 값을 이용하여 눈의 움직임 및 수면 상태를 모니터링 하는 방법을 설명하도록 한다.
도 26를 참조하면, 생체 신호 측정 장치(1000)는 눈 주변부의 압력 값을 획득하는 단계(S3110), 압력 값에 기반하여 눈 움직임을 판단하는 단게(S3120), 수면 상태를 모니터링하는 단계(S3130) 및 모니터링 결과를 제공하는 단계(S3140)를 수행할 수 있다.
도 27을 참조하면, 생체 신호 측정 장치(1000)는 적어도 하나의 압력 센서를 이용하여 눈 주변부의 압력 값을 획득할 수 있다. 생체 신호 측정 장치(1000)는 적어도 하나의 압력 센서를 이용하여 관자 놀이에서 발생하는 압력(temporal pulse)을 획득할 수 있다.
도 27의 (a)에서와 같이 생체 신호 측정 장치(1000)는 눈의 상측 또는 하측에 대응되는 영역에 압력 센서를 구비할 수 있다. 도 27의 (a)에는 생체 신호 측정 장치(1000)가 눈의 상측 및 하측에 각각 압력 센서를 구비하는 것으로 도시되었으나, 이에 한정되는 것은 아니며, 생체 신호 측정 장치(1000)는 눈의 상측 및 하측 중 어느 한곳에만 압력 센서를 구비할 수 있다. 이 경우, 생체 신호 측정 장치(1000)는 눈의 상하에서 발생하는 압력 값을 획득할 수 있다.
도 27의 (b)에서와 같이 생체 신호 측정 장치(1000)는 눈의 좌측 또는 우측에 대응되는 영역에 압력 센서를 구비할 수 있다. 도 27의 (b)에는 생체 신호 측정 장치(1000)가 눈의 좌측 및 우측에 각각 압력 센서를 구비하는 것으로 도시되었으나, 이에 한정되는 것은 아니며, 생체 신호 측정 장치(1000)는 눈의 좌측 및 우측 중 어느 한곳에만 압력 센서를 구비할 수 있다. 이 경우, 생체 신호 측정 장치(1000)는 눈의 좌우에서 발생하는 압력 값을 획득할 수 있다.
또한, 도면에는 도시되지 않았지만, 생체 신호 측정 장치(1000)는 눈의 상측 및 하측 중 적어도 한곳에 압력 센서를 구비하고, 눈의 좌측 및 우측 중 적어도 한곳에 압력 센서를 구비할 수 있다. 이 경우, 생체 신호 측정 장치(1000)는 눈의 상하 또는 좌우에서 발생하는 압력 값을 모두 획득할 수 있다.
생체 신호 측정 장치(1000)가 눈 주변부의 압력 값을 이용하여 수면 상태를 모니터링하는 경우, 생체 신호 측정 장치(1000)는 신체 착용 가능한 장치(wearable device)의 형태로 구비될 수 있다. 생체 신호 측정 장치(1000)가 신체 착용 가능한 장치일 경우, 상기 압력 센서는 신체와 직간접적으로 접촉할 수 있으며, 신체와 밀착되어 고정된 형태로 구비될 수 있다.
생체 신호 측정 장치(1000)는 상술한 방법으로 획득되는 눈 주변부에서 발생하는 압력 값에 기반하여 눈의 움직임을 판단할 수 있고, 판단 결과에 기반하여 수면 상태를 모니터링할 수 있다. 이하에서는, 도면을 참조하여 생체 신호 측정 장치(1000)가 눈 주변부의 압력 값에 기반하여 눈의 움직임 및 수면 상태를 모니터링하는 방법에 대하여 설명한다.
도 28 내지 도 30은 일 실시예에 따른 생체 신호 측정 장치가 눈의 움직임을 판단하는 방법 및 수면 상태를 모니터링하는 방법을 예시적으로 설명하기 위한 도면이다.
도 28을 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 눈 주변부에서 측정되는 압력 값을 획득하는 단계(S3210), 압력 값에 기반하여 파형을 생성하는 단계(S3220), 압력 값이 미리 정해진 구간에서 임계 범위 내인지 판단하는 단계(S3230), 파형을 분석하는 단계(S3240) 및 수면 상태를 모니터링하는 단계(S3250)을 포함할 수 있다.
생체 신호 측정 장치(1000)는 눈 주변부에서 발생하는 압력 값을 획득한 후, 이에 기반하여 파형을 생성할 수 있다. 상기 눈 주변부에서 측정되는 압력 값에 기반하여 생성되는 파형의 유형은 다양할 수 있다. 상기 파형의 유형은 도 29의 (a)와 같은 제1 유형의 파형, 도 29의 (b)와 같은 제2 유형의 파형, 도 29의 (c)와 같은 제3 유형의 파형을 포함할 수 있다.
생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위 내인지 판단하고, 상기 파형에 대한 분석을 통해 수면 상태를 모니터링할 수 있다.
상기 파형에 대한 분석은 파형의 패턴에 대한 분석, 파형의 변화에 대한 분석, 파형으로 인해 생기는 피크(peak)에 대한 분석, 파형으로 인해 생기는 진폭의 크기에 대한 분석을 포함할 수 있으며, 이는 미리 정해진 알고리즘을 통해 수행될 수 있다.
일 실시예에 따르면, 생체 신호 측정 장치(1000)는 획득된 압력 값 및 압력에 기반하여 생성되는 파형에 대한 분석에 기반하여 수면 단계를 판단할 수 있다. 생체 신호 측정 장치(1000)는 획득된 압력 값 및 압력에 기반하여 생성되는 파형의 유형(예컨대, 제1 유형, 제2 유형 및 제3 유형)에 따라 수면 단계를 판단할 수 있다.
상기 제1 유형 내지 상기 제3 유형은 압력에 기반하여 생성된 파형의 형태가 규칙성을 가지는지에 따라 결정될 수 있다. 예컨대, 상기 제1 유형은 제2 유형에 비하여 생성된 파형의 형태가 비교적 규칙적인 유형일 수 있고, 상기 제2 유형은 제3 유형에 비하여 생성된 파형의 형태가 비교적 규칙적인 유형일 수 있다.
이 경우,, 생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위 내이고, 상기 파형이 제1 유형인 경우 사용자의 수면 상태가 제1 상태인 것으로 판단할 수 있다. 이때, 상기 제1 상태는 얕은 수면(light sleep) 또는 깊은 수면(deep sleep) 상태일 수 있다.
다른 예로, 생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위를 넘어서고, 상기 파형이 제2 유형인 경우 사용자의 수면 상태가 제2 상태인 것으로 판단할 수 있다. 생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위를 넘어서고, 상기 파형이 허용 오차 범위 내에서 일정한 패턴을 유지하는 경우, 사용자의 수면 상태가 제2 상태인 것으로 판단할 수 있다. 이때, 상기 제2 상태는 깨어있는(wake) 상태일 수 있다.
다른 예로, 생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위를 넘어서고, 상기 파형이 제3 유형인 경우 사용자의 수면 상태가 제3 상태인 것으로 판단할 수 있다. 생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위를 넘어서고, 상기 파형이 불규칙하거나 상기 파형에서 임계 값을 벗어나는 피크가 미리 정해진 기준 이상 발견되는 경우 사용자의 수면 상태가 제3 상태인 것으로 판단할 수 있다. 이때, 상기 제3 상태는 램 수면(REM) 상태일 수 있다.
상기 제1 유형 내지 상기 제3 유형은 압력에 기반하여 생성된 파형의 진폭의 크기에 따라 결정될 수 있다. 예컨대, 상기 파형의 유형은 상기 진폭의 크기가 제1 크기일 경우 제1 유형으로, 상기 진폭의 크기가 제2 크기일 경우 제2 유형으로, 상기 진폭의 크기가 제3 크기일 경우 제3 유형으로 결정될 수 있고, 상기 제2 크기는 제1 크기보다 크고, 제3 크기는 제2 크기보다 클 수 있다.
이 경우, 생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위 내이고, 상기 파형의 진폭의 크기가 제1 크기인 경우 사용자의 수면 상태가 비렘수면 상태(예컨대, 얕은 수면 상태 또는 깊은 수면 상태)인 것으로 판단할 수 있다.
다른 예로, 생체 신호 측정 장치(1000)는 획득된 압력 값이 미리 정해진 구간에서 임계 범위를 넘어서고, 상기 파형의 진폭의 크기가 제2 크기인 경우, 사용자가 깨어있는 상태인 것으로 판단할 수 있고, 상기 파형의 진폭의 크기가 제3 크기인 경우, 사용자가 렘수면 상태인 것으로 판단할 수 있다. 이 경우, 상기 제3 크기는 상기 제2 크기보다 클 수 있다.
다른 실시예에 따르면, 생체 신호 측정 장치(1000)는 눈 주변부 압력 값에 기반하여 수면 단계를 판단하되, 기준 값을 추가적으로 고려하여 수면 단계를 판단할 수 있다.
생체 신호 측정 장치(1000)는 사용자가 깨어 있는 상태에서 측정되는 눈 주변부 압력 값에 기반하여 상기 기준 값을 결정할 수 있다. 생체 신호 측정 장치(1000)는 눈 주변부 압력 값을 측정하기 시작한 제1 시점으로부터 미리 정해진 시간(예컨대, 수 초) 동안 측정된 압력 값에 기반하여 상기 기준 값을 결정할 수 있다. 생체 신호 측정 장치(1000)는 눈 주변부 압력 값의 측정을 종료하는 제2 시점으로부터 미리 정해진 과거 시간(예컨대, 수 초) 동안 측정된 압력 값에 기반하여 상기 기준 값을 결정할 수 있다.
상기 기준 값은 사용자가 깨어 있는 상태에서 측정되는 눈 주변부 압력 값이므로, 생체 신호 측정 장치(1000)는 상기 기준 값을 통해 사용자가 깨어 있는 상태인지에 대해 판단할 수 있고, 이를 고려하여 수면 단계를 판단할 수 있다.
보다 구체적인 예로, 생체 신호 측정 장치(1000)는 획득되는 압력 값을 상기 기준 값과 비교하여 사용자의 수면 단계를 예측할 수 있다. 생체 신호 측정 장치(1000)는 획득되는 압력 값과 상기 기준 값의 차이를 고려하여 사용자의 수면 단계를 예측할 수 있다. 생체 신호 측정 장치(1000)는 획득되는 압력 값과 상기 기준 값의 차이를 고려하여 사용자가 깨어있는 상태인지 수면 중인 상태(예컨대, 렘수면 또는 비렘수면)인지 판단할 수 있다.
생체 신호 측정 장치(1000)는 획득되는 압력 값과 상기 기준 값의 차이가 제1 범위를 만족하는 경우 사용자가 렘수면 상태인 것으로 판단할 수 있고, 제2 범위를 만족하는 경우 사용자가 비렘수면 상태(예컨대, 얕은 수면 상태 또는 깊은 수면 상태)인 것으로 판단할 수 있다. 이 경우, 상기 제1 범위는 상기 제2 범위보다 클 수 있다.
한편, 생체 신호 측정 장치(1000)는 상기 기준 값에 기반하여 도 28을 통해 설명한 획득된 압력 값의 임계 범위를 결정할 수 있다. 생체 신호 측정 장치(1000)는 상기 기준 값에 기반하여 획득된 압력 값이 미리 정해진 구간에서 임계 범위 내인지 또는 임계 범위를 넘어서는지 판단할 수 있다. 눈 주변부에서 측정되는 압력 값은 측정 방법에 따라 또는 사용자에 따라 다를 수 있으므로, 미리 기준 값을 결정하고, 상기 기준 값에 기반하여 임계 범위를 판단함으로써 보다 정확하게 수면 상태를 모니터링할 수 있다.
도 30을 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 파형에 대한 분석을 통해 심박수를 판단하는 단계(S3360)을 추가적으로 수행할 수 있다. 생체 신호 측정 장치(1000)는 눈 주변부 압력 값을 획득하고, 이에 기반하여 파형을 생성할 수 있으며, 생성된 파형을 이용하여 사용자의 심박수를 판단할 수 있다.
생체 신호 측정 장치(1000)는 미리 학습된 신경망 모델을 통해 눈 주변부 압력 값에 기반하여 사용자 심박수를 획득할 수 있다. 상기 신경망 모델은 눈 주변부 압력 값과 관련된 학습 데이터에 기초하여 심박수에 대한 데이터를 획득하도록 학습될 수 있다.
생체 신호 측정 장치(1000)는 눈 주변부 압력 값에 기반하여 눈의 움직임에 대한 정보만이 아니라 사용자의 심박수에 대한 정보까지 추가적으로 획득함으로써, 보다 정확하게 수면 상태를 모니터링할 수 있다.
예를 들어, 생체 신호 측정 장치(1000)는 눈 주변부 압력 값에 기반하여 눈의 움직임에 대한 제1 정보를 획득하고, 눈 주변부 압력 값에 기반하여 심박수에 대한 제2 정보를 획득할 수 있다. 생체 신호 측정 장치(1000)는 상기 제1 정보 및 제2 정보에 기반하여 수면 상태 모니터링을 수행할 수 있다. 생체 신호 측정 장치(1000)는 상기 제1 정보 및 제2 정보에 기반하여 수면 단계를 예측할 수 있고, 수면 품질을 판단할 수 있다.
다른 예로, 생체 신호 측정 장치(1000)는 눈 주변부 압력 값에 기반하여 눈의 움직임에 대한 제1 정보를 획득하고, 상기 제1 정보에 기반하여 사용자의 예상 수면 단계를 판단할 수 있다. 생체 신호 측정 장치(1000)는 눈 주변부 압력 값에 기반하여 심박수에 대한 제2 정보를 획득한 후, 상기 사용자의 예상 수면 단계 및 상기 제2 정보에 기반하여 사용자의 수면 상태를 모니터링하거나 사용자의 수면 품질을 판단할 수 있다.
생체 신호 측정 장치(1000)는 상술한 방법으로 판단된 사용자의 수면 상태 모니터링 결과에 기반하여 사용자에게 피드백을 제공할 수 있다.
생체 신호 측정 장치(1000)는 출력부를 구비할 수 있으며, 사용자의 수면 상태 모니터링 결과에 기반하여 상기 출력부를 통해 사용자에게 다양한 종류의 알람(예컨대, 스피커를 이용한 소리 알람, LED를 이용한 시각적인 알람 등)을 제공할 수 있다.
생체 신호 측정 장치(1000)는 통신부를 구비할 수 있으며, 사용자의 수면 상태 모니터링 결과에 기반하여 상기 통신부를 통해 외부 장치(예컨대, 사용자 단말, 기타 전자 장치 등)가 사용자에게 알람을 제공하도록 전자 신호를 전송할 수 있다.
도 31은 다른 실시예에 따른 생체 신호 측정 장치가 눈의 움직임을 판단하는 방법 및 수면 상태를 모니터링하는 방법을 예시적으로 설명하기 위한 도면이다.
도 31을 참조하면, 다른 실시예에 따른 생체 신호 측정 장치(1000)는 눈 주변부에서 측정되는 제1 압력 값을 획득하는 단계(S3410), 눈 주변부에서 측정되는 제2 압력 값을 획득하는 단계(S3420), 제1 압력 값에 기반하여 파형을 분석하는 단계(S3430), 제2 압력 값에 기반하여 파형을 분석하는 단계(S3440) 및 파형 분석 결과에 기반하여 수면 상태를 모니터링 하는 단계(S3450)를 수행할 수 있다.
상기 제1 압력 값은 눈의 상측 또는 하측에서 측정되는 압력 값일 수 있고, 상기 제2 압력 값은 눈의 좌측 또는 우측에서 측정되는 압력 값일 수 있다.
생체 신호 측정 장치(1000)가 상기 제1 압력 값 및 제2 압력 값에 기반하여 수면 상태를 모니터링하는 경우, 제1 압력 값 및 제2 압력 값 중 어느 하나에 기반하여 수면 상태를 모니터링하는 것과 비교하여 보다 정확도 높은 결과를 획득할 수 있다.
생체 신호 측정 장치(1000)가 압력 값에 기반하여 파형을 생성하고, 눈의 움직임을 판단하고, 수면 상태를 모니터링하는 방법은 도 28 내지 도 30을 통하여 상술한 것과 동일하거나 상응하므로 중복되는 설명은 생략하도록 한다.
한편, 설명의 편의를 위하여 생체 신호 측정 장치(1000)로부터 측정된 눈 주변부 압력 값에 기반하여 파형을 생성하고, 눈의 움직임을 판단하고, 수면 상태를 모니터링하는 일련의 동작이 생체 신호 측정 장치(1000)에 의해 수행되는 것으로 서술하였으나, 이에 한정되는 것은 아니다. 신호 측정 장치(1000)로부터 측정된 눈 주변부 압력 값에 기반하여 파형을 생성하고, 눈의 움직임을 판단하고, 수면 상태를 모니터링하는 일련의 동작은 서버(2000) 또는 사용자 단말(3000)에 의해서도 수행될 수 있다.
5. 생체 신호 분석 알고리즘
상술한 바와 같이 일 실시예에 따른 생체 신호 측정 장치(1000)는 수면 중에 인체로부터 발생하는 생체 신호를 획득한 후, 이에 기반하여 다양한 보조 지표를 추출할 수 있다.
일 실시예에 따르면, 생체 신호 측정 장치(1000)는 수면 중에 인체로부터 발생하는 심탄도 신호를 획득하고, 이에 기반하여 적어도 하나의 보조 지표를 추출할 수 있다.
생체 신호 측정 장치(1000)가 획득하는 심탄도 신호는 수면 중에 발생하는 생체 신호이고, 장시간 누적적으로 획득되는 생체 신호이다. 이에 따라, 생체 신호 측정 장치(1000)가 획득하는 심탄도 신호로부터 만들어지는 파형은 동일한 자세로 수면을 취하는 경우에도 사람 마다 다르게 형성될 수 있고, 동일한 사람의 경우에도 수면 자세에 따라 다르게 형성될 수 있다.
상술한 수면 중에 획득되는 심탄도 신호의 특성으로 인하여, 수면 중에 획득되는 심탄도 신호에 대한 분석을 통해 보조 지표를 추출하고, 수면 상태를 모니터링하기 위하여는 단순 알고리즘으로는 한계가 있으므로, 미리 학습된 신경망 모델을 이용하여야 한다.
심탄도 신호를 분석하기 위한 신경망 모델은 서버(2000)에 저장되어 있을 수 있으며, 서버(2000)는 생체 신호 측정 장치(1000)로부터 생체 신호를 전송받아 신경망 모델을 이용하여 적어도 하나의 보조지표를 추출할 수 있다. 또는, 심탄도 신호를 분석하기 위한 신경망 모델은 생체 신호 측정 장치(1000)에 저장되어 있을 수 있으며, 이 경우, 생체 신호 측정 장치(1000)는 저장된 신경망 모델을 이용하여 심탄도 신호로부터 적어도 하나의 보조 지표를 추출할 수 있다.
생체 신호 측정 장치(1000)가 신경망 모델을 메모리에 저장하고, 이를 이용하여 심탄도 신호를 분석하기 위해서는, 상기 신경망 모델의 구조가 가벼울 필요가 있다. 이에, 생체 신호 측정 장치(1000)에 저장 가능하도록 가벼운 구조를 구비하고 높은 정확도를 가질 수 있는 신경망 모델의 개발이 요구되고 있다.
도 32 내지 도 34는 일 실시예에 따른 생체 신호 측정 장치에서 동작 가능한 신경망 모델을 예시적으로 설명하기 위한 도면이다.
도 32를 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 단일의 신경망 모델을 구비할 수 있다.
상기 신경망 모델은 심탄도 신호를 입력 받아 복수의 보조 지표를 추출하도록 학습될 수 있다. 상기 신경망 모델은 심탄도 신호를 입력 받아 제1 보조 지표 및 제2 보조 지표를 추출하도록 학습될 수 있다. 상기 제1 보조 지표 및 제2 보조 지표는 심탄도 신호에 기반하여 추출되되, 하나의 신경망 모델을 통해 추출될 수 있다. 상기 제1 보조 지표는 심박수, 호흡수, 엔트로피, 호흡 크기 및 눈의 움직임 중 적어도 하나일 수 있고, 상기 제2 보조 지표는 상기 제1 보조 지표와 다른 보조 지표일 수 있다.
상기 신경망 모델은 심탄도 신호로부터 제1 보조 지표 및 제2 보조 지표를 추출하는 기능을 수행할 수 있으며, 제1 학습 데이터 및 제2 학습 데이터를 이용하여 학습될 수 있다. 상기 제1 학습 데이터는 상기 제1 보조 지표와 관련된 데이터 및 제1 라벨링 데이터를 포함할 수 있다. 상기 제2 학습 데이터는 상기 제2 보조 지표와 관련된 데이터 및 제2 라벨링 데이터를 포함할 수 있다. 보다 구체적으로, 상기 신경망 모델은 심탄도 신호를 입력 받은 후 제1 보조 지표와 관련된 제1 출력 값을 획득할 수 있다. 이후 신경망 모델은 출력 값과 제1 라벨링 데이터의 차이를 고려하여 산출된 오차 값에 기초하여 신경망 모델을 갱신하는 방법으로 학습될 수 있다.
도 33을 참조하면, 상기 신경망 모델은 하나의 모델 내에서 물리적 또는 논리적으로 분리되어 있을 수 있다. 상기 신경망 모델의 제1 부분은 심탄도 신호로부터 제1 보조 지표를 출력할하도록 학습될 수 있고, 제2 부분은 상기 심탄도 신호 및 상기 제1 보조 지표에 기반하여 제2 보조 지표를 출력하도록 학습될 수 있다.
상기 신경망 모델의 제2 부분은 상기 심탄도 신호로부터 제2 보조 지표를 출력하도록 학습되되, 상기 제1 보조 지표를 추가적인 입력 데이터로 하여 제2 보조 지표를 출력하도록 학습될 수 있다.
상기 신경망 모델로부터 추출되는 제1 보조 지표 및 제2 보조 지표는 서로 연관성이 존재할 수 있다. 상기 신경망 모델은 상기 연관성을 고려함으로써 하나의 신경망 모델을 이용함에도 불구하고 높은 정확도로 제1 보조 지표 및 제2 보조 지표를 동시에 출력할 수 있다.
보다 구체적인 예로, 상기 신경망 모델은 심탄도 신호로부터 심박수 및 호흡수를 획득하도록 학습될 수 있다. 상기 신경망 모델은 심박수와 관련된 제1 학습 데이터 및 호흡수와 관련된 제2 학습 데이터를 이용하여 학습될 수 있다.
상기 신경망 모델은 심탄도 신호로부터 심박수를 획득하도록 학습되는 제1 부분을 포함할 수 있고, 심탄도 신호로부터 호흡수를 획득하도록 학습되는 제2 부분을 포함할 수 있다. 상기 신경망 모델의 제2 부분은 심탄도 신호로부터 호흡수를 획득하도록 학습되되, 상기 제1 부분으로부터 출력되는 심박수를 추가적으로 고려하여 호흡수를 획득하도록 학습될 수 있다.
상기 심탄도 신호는 생체 신호 측정 장치(1000)에 의해 측정된 수면 중에 사용자로부터 발생하는 심탄도 신호일 수 있다. 상기 심탄도 신호는 생체 신호 측정 장치(1000)에 의해 미리 정해진 시간 동안 측정된 심탄도 신호일 수 있다. 상기 심탄도 신호는 생체 신호 측정 장치(1000)에 의해 시간 단위로 연속적으로 측정되는 심탄도 신호일 수 있다. 상기 심탄도 신호는 생체 신호 측정 장치(1000)에 의해 측정되는 복수의 유형의 심탄도 신호일 수 있으며, 상기 복수의 유형은 사용자의 움직임에 기반하여 정해지는 제1 유형, 제2 유형 및 제3 유형 중 적어도 하나를 포함할 수 있다.
도 34의 (a)를 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 단일의 신경망 모델을 이용하여 수면 중에 측정되는 심탄도 신호를 입력 받아 제1 보조 지표 및 제2 보조 지표를 출력할 수 있고, 상기 제1 보조 지표 및 제2 보조 지표에 기반하여 사용자 판단 또는 유효성 판단을 수행할 수 있다.
상기 사용자 판단 및 유효성 판단은 도 11 및 도 12를 참조하여 설명한 사용자가 위치하고 있는지 판단하는 방법, 생체 신호가 유효한지 검증하는 방법 및 생체 신호 측정 장치의 배치가 적법한지 판단하는 방법과 동일하거나 이와 상응하게 이뤄질 수 있다. 이와 관련한 설명은 상술한 바 있으므로 중복되는 설명은 생략한다.
생체 신호 측정 장치(1000)는 하나의 신경망 모델을 이용하여 심탄도 신호에 기반하여 사용자 판단 및 유효성 판단을 동시에 수행할 수 있다. 보다 구체적으로, 상기 사용자 판단 및 유효성 판단은 심탄도 신호로부터 추출되는 심박수 및 호흡수에 기반하여 이뤄지므로, 생체 신호 측정 장치(1000)는 단일의 신경망 모델을 통해 사용자 판단 및 유효성 판단을 동시에 수행할 수 있다.
도 34의 (b)를 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 단일의 신경망 모델을 이용하여 수면 중에 측정되는 심탄도 신호를 입력 받아 수면 무호흡증 및 수면 단계를 판단할 수 있다.
생체 신호 측정 장치(1000)는 신경망 모델을 이용하여 수면 중에 측정되는 심탄도 신호에 기반하여 수면 무호흡증을 판단할 수 있다. 생체 신호 측정 장치(1000)는 수면 중에 측정되는 심탄도 신호에 기반하여 수면 단계를 판단하되, 상기 수면 무호흡증 판단 결과를 추가적으로 고려하여 수면 단계를 판단할 수 있다.
예컨대, 생체 신호 측정 장치(1000)는 신경망 모델의 제1 부분을 통해 심탄도 신호에 기반하여 수면 무호흡증 판단할 수 있고, 신경망 모델의 제2 부분을 통해 심탄도 신호 및 수면 무호흡증 판단 결과에 기반하여 수면 단계를 판단할 수 있다.
6. 생체 신호 분석을 통한 수면 상태 모니터링 및 알람 제공 방법
일 실시예에 따른 생체 신호 측정 장치(1000)는 수면 중에 측정되는 적어도 하나의 생체 신호에 기반하여 수면 모니터링을 수행할 수 있다. 상기 수면 모니터링은 수면 단계를 지속적으로 판단하는 것일 수 있다.
수면 단계는 렘수면(Rapid Eye Movement: REM)과 비렘수면(Non-REM) 단계로 구분될 수 있고, 상기 비렘수면은 복수의 단계로 구분될 수 있다. 일반적으로 수면 중에는 렘수면 단계와 비렘수면 단계가 4회 정도 교차되어 나타날 수 있고, 사용자가 어느 수면 단계에서 기상하는지에 따라서 서로 다른 컨디션을 제공받을 수 있다.
이처럼, 사용자가 최적의 컨디션을 가지며 기상할 수 있도록 사용자의 수면 단계를 판단하는 것은 중요하며, 사용자의 수면 단계가 정확하게 판단되는 경우, 가장 적합한 타이밍에 사용자가 기상할 수 있도록 알람을 제공할 수도 있다.
도 35는 일 실시예에 따른 생체 신호 측정 장치가 미리 학습된 신경망 모델을 이용하여 수면 상태를 모니터링하는 구체적인 방법을 설명하기 위한 도면이다.
도 35의 (a)를 참조하면, 생체 신호 측정 장치(1000)는 수면 중에 측정되는 생체 신호(예컨대, 심탄도 신호)를 획득할 수 있다. 상기 심탄도 신호는 수면 계속 중에 누적적으로 측정되어 획득되는 신호이며, 제1 시간 구간에 측정되는 제1 심탄도 신호, 제2 시간 구간에 측정되는 제2 심탄도 신호 및 제3 시간 구간에 측정되는 제3 심탄도 신호를 포함할 수 있다. 상기 제1 시간 구간 내지 제3 시간 구간은 서로 다른 길이를 가지는 시간 구간일 수 있다.
보다 구체적으로, 사용자가 N시간 동안 수면을 한다고 했을 때, 처음 X시간 동안 잠을 자고, 중간에 Y시간 동안 잠에서 깬 뒤, 다시 Z시간 동안 잠을 잘 수 있다. 상기 X시간이 제1 시간 구간일 수 있고, 상기 제1 심탄도 신호는 상기 X시간 동안 측정되는 심탄도 신호일 수 있다. 상기 Z시간은 제2 시간 구간일 수 있고, 상기 제2 심탄도 신호는 상기 Z시간 동안 측정되는 심탄도 신호일 수 있다. 이때, 상기 X시간 및 Z시간은 서로 다른 길이를 가질 수 있다.
생체 신호 측정 장치(1000)는 상기 제1 시간 구간에 측정되는 제1 심탄도 신호로부터 수면 상태를 모니터링하기 위한 보조 지표를 추출하도록 학습되는 제1 신경망 모델을 포함할 수 있고, 상기 제2 시간 구간에 측정되는 제2 심탄도 신호로부터 수면 상태를 모니터링하기 위한 보조 지표를 추출하도록 학습되는 제2 신경망 모델을 포함할 수 있고, 상기 제3 시간 구간에 측정되는 제3 심탄도 신호로부터 수면 상태를 모니터링하기 위한 보조 지표를 추출하도록 학습되는 제3 신경망 모델을 포함할 수 있다.
상기 제1 신경망 모델은 제1 시간 구간 동안 획득되는 심탄도 신호에 기반하여 수면 상태를 모니터링하기 위한 보조 지표를 추출하도록 학습될 수 있고, 상기 제2 신경망 모델은 제2 시간 구간 동안 획득되는 심탄도 신호에 기반하여 수면 상태를 모니터링하기 위한 보조 지표를 추출하도록 학습될 수 있으며, 상기 제3 신경망 모델은 제3 시간 구간 동안 획득되는 심탄도 신호에 기반하여 수면 상태를 모니터링하기 위한 보조 지표를 추출하도록 학습될 수 있다.
상기 제1 신경망 모델 내지 제3 신경망 모델은 서로 다른 시간 구간 동안 획득되는 심탄도 신호를 타겟하여 학습되므로, 보다 정확도 높은 수면 상태의 모니터링이 가능하다.
보다 구체적으로, 제1 신경망 모델은 상대적으로 짧은 시간 동안(예컨대, 2시간 동안) 획득되는 심탄도 신호로부터 수면 상태를 모니터링 하도록 학습될 수 있으며, 제2 신경망 모델은 중간 시간 동안(예컨대, 4시간 동안) 획득되는 심탄도 신호로부터 수면 상태를 모니터링 하도록 학습될 수 있으며, 제3 신경망 모델은 상대적으로 긴 시간 동안(예컨대, 10시간 동안) 획득되는 심탄도 신호로부터 수면 상태를 모니터링 하도록 학습될 수 있다.
도 35의 (b)를 참조하면, 생체 신호 측정 장치(1000)는 미리 정해진 시간 동안 측정된 생체 신호(예컨대, 심탄도 신호)를 획득할 수 있다. 상기 미리 정해진 시간은 사용자가 수면을 하고 있는 시간 및 사용자가 수면을 하다가 중간에 잠시 깨어 있는 시간을 포함할 수 있다.
예컨대, 상기 미리 정해진 시간 동안 측정되는 심탄도 신호는 제1 시간 구간에 측정되는 제1 심탄도 신호, 제2 시간 구간에 측정되는 제2 심탄도 신호 및 제3 시간 구간에 측정되는 제3 심탄도 신호를 포함할 수 있다. 이때, 상기 제1 심탄도 신호 내지 제3 심탄도 신호 중 적어도 하나는 깨어 있는 상태에서 측정된 심탄도 신호일 수 있다. 예를 들어, 상기 제1 심탄도 신호 및 제3 심탄도 신호는 수면 중에 측정된 심탄도 신호일 수 있고, 제2 심탄도 신호는 깨어 있는 상태에서 측정된 심탄도 신호일 수 있다.
생체 신호 측정 장치(1000)는 미리 학습된 신경망 모델을 이용하여 미리 정해진 시간 동안 측정된 심탄도 신호에 기반하여 수면 상태를 모니터링할 수 있다. 생체 신호 측정 장치(1000)는 미리 학습된 신경망 모델을 이용하여 미리 정해진 시간 중 수면 중에 측정된 제1 심탄도 신호 및 깨어 있는 상태에서 측정된 제2 심탄도 신호에 기반하여 수면 상태를 모니터링할 수 있다.
다시 말해, 생체 신호 측정 장치(1000)는 미리 정해진 시간 동안 측정되는 심탄도 신호에 사용자가 잠시 깨어 있는 상태에서 측정된 심탄도 신호(예컨대, 노이즈 데이터)가 포함된 경우에도, 미리 학습된 신경망 모델을 이용하여 정확하게 수면 상태르 모니터링할 수 있다.
상기 신경망 모델은 수면 중에 측정되는 제1 심탄도 신호 및 노이즈 데이터(예컨대, 깨어 있는 상태에서 측정되는 제2 심탄도 신호)를 학습 데이터로 하여, 심탄도 신호로부터 수면 상태를 모니터링하기 위한 보조 지표를 추출하도록 학습될 수 있다.
도 36 내지 도 38은 일 실시예에 따른 생체 신호 측정 장치가 추가적인 보조 지표를 활용하여 예측된 수면 상태를 보정하는 방법을 설명하기 위한 도면이다.
도 36을 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 제1 모델을 통해 수면 중에 측정된 제1 생체 신호(예컨대, 심탄도 신호)에 기반하여 예상 수면 단계를 생성할 수 있다. 생체 신호 측정 장치(1000)가 상기 제1 모델을 이용하여 예상 수면 단계를 생성하는 것은 도 35를 통해 상술한 내용과 동일하거나 상응하므로 중복되는 설명은 생략한다.
생체 신호 측정 장치(1000)는 수면 중에 측정된 제2 생체 신호를 통해 비 수면 상태를 감지할 수 있다. 일 예로, 상기 제2 생체 신호는 상기 제1 생체 신호와 동일할 수 있다. 다른 예로, 상기 제2 생체 신호는 상기 제1 생체 신호와 다를 수 있다.
생체 신호 측정 장치(1000)는 심탄도 신호 또는 소리 신호를 이용하여 사용자의 움직임, 사용자의 유무, 사용자 눈의 움직임, 활동량 및 엔트로피 중 적어도 하나를 판단할 수 있다. 생체 신호 측정 장치(1000)는 사용자의 움직임, 사용자의 유무, 사용자 눈의 움직임, 활동량 및 엔트로피 중 적어도 하나에 기반하여 사용자가 비수면 상태인지 여부를 판단할 수 있다.
생체 신호 측정 장치(1000)는 사용자의 비수면 상태 감지 결과를 보조 지표로 사용하여 상기 제1 모델을 통해 생성된 예상 수면 단계를 보정하여 보정 수면 단계를 생성할 수 있다.
예시적으로, 생체 신호 측정 장치(1000)는 상기 제1 모델을 이용하여 예상 수면 단계를 판단할 수 있으며, 상기 예상 수면 단계는 사용자가 제1 시간 구간에서 제1 수면 단계이고, 제2 시간 구간에서 제2 수면 단계이며, 제3 시간 구간에서 제3 수면 단계인 것일 수 있다.
생체 신호 측정 장치(1000)는 상기 제2 생체 신호에 기반하여 비수면 상태를 감지할 수 있으며, 상기 비수면 상태 감지 결과 제2 시간 구간동안 사용자가 비수면 상태인 것으로 판단되는 경우, 상기 제2 시간 구간에는 비수면 상태인 것으로 정정하여, 상기 예상 수면 단계를 보정할 수 있다.
도 37 및 도 38을 참조하면, 일 실시예에 따른 생체 신호 측정 장치(1000)는 제2 모델을 추가적으로 이용하여 최종 수면 단계를 판단할 수 있다.
생체 신호 측정 장치(1000)는 제2 모델을 통해 상술한 방법으로 판단되는 보정 수면 단계 판단 결과 및 제2 생체 신호에 기반하여 판단된 비수면 상태 감지 결과를 입력 데이터로 하여 최종 수면 단계를 판단할 수 있다.
또는, 도면과 다르게 생체 신호 측정 장치(1000)는 제2 모델을 통해 상술한 방법으로 판단되는 보정 수면 단계 판단 결과를 입력 데이터로 하여 최종 수면 단계를 판단할 수 있다.
생체 신호 측정 장치(1000)는 수면 중에 측정되는 제3 생체 신호를 추가적으로 고려하여 최종 수면 단계를 판단할 수 있다. 상기 제3 생체 신호는 상기 제1 생체 신호 및 제2 생체 신호와 동일할 수도 있고 상이할 수도 있다.
생체 신호 측정 장치(1000)는 제1 모델을 통해 획득한 보정 수면 단계 판단 결과, 비수면 상태 감지 결과 및 제3 생체 신호 중 적어도 하나를 제2 모델의 입력 데이터로 하여 최종 수면 단계를 판단할 수 있다.
도 39 및 40은 다른 실시예에 따른 생체 신호 측정 장치가 추가적인 보조 지표를 활용하여 예측된 수면 상태를 보정하는 방법을 설명하기 위한 도면이다.
도 39를 참조하면, 생체 신호 측정 장치(1000)는 수면 중에 측정되는 제3 생체 신호를 제3 모델의 입력 데이터로 하여 무호흡증을 판단할 수 있다. 생체 신호 측정 장치(1000)가 제3 모델을 이용하여 무호흡증을 판단하는 구체적인 방법은 상술한 바 있으므로 중복되는 설명은 생략한다.
생체 신호 측정 장치(1000)는 최종 수면 단계를 판단하기 위해 제1 모델을 통해 도출되는 보정 수면 단계 판단 결과, 제2 생체 신호에 기반하여 도출되는 비수면 상태 감지 결과 및 제3 모델을 통해 도출되는 무호흡증 판단 결과 중 적어도 하나를 이용할 수 있다. 생체 신호 측정 장치(1000)는 제2 모델을 이용하여 제1 모델을 통해 도출되는 보정 수면 단계 판단 결과, 제2 생체 신호에 기반하여 도출되는 비수면 상태 감지 결과 및 제3 모델을 통해 도출되는 무호흡증 판단 결과 중 적어도 하나에 기반하여 최종 수면 단계를 판단할 수 있다.
보다 구체적인 예로, 생체 신호 측정 장치(1000)는 상기 제3 모델을 통해 무호흡증을 판단할 수 있다. 상기 무호흡증 판단 결과는 수면 동안의 무호흡증 구간, 무호흡의 강도, 무호흡증이 발생했을 때의 수면 자세, 무호흡증의 발생 횟수 및 빈도 등에 대한 판단 결과를 포함할 수 있다. 상기 생체 신호 측정 장치(1000)는 상술한 바와 같은 무호흡증 판단 결과를 추가적으로 고려하여 수면 단계를 판단할 수 있다.
도 40을 참조하면, 생체 신호 측정 장치(1000)는 제3 모델을 이용하여 무호흡증을 판단할 수 있으며, 상기 무호흡증 판단 결과에 기반하여 제1 모델을 통해 판단된 예상 수면 단계를 보정함으로써 보정 수면 단계를 생성할 수 있다.
생체 신호 측정 장치(1000)는 제1 모델을 통해 판단된 시간 구간 별로 사용자의 예상 수면 단계를 판단할 수 있으며, 동시에 시간 구간 별로 사용자의 무호흡증에 관해 판단할 수 있다. 생체 신호 측정 장치(1000)는 무호흡증 판단 결과를 추가적인 보조 지표로 활용하여 상기 예상 수면 단계를 보정하여 보정 수면 단계를 생성할 수 있다.
생체 신호 측정 장치(1000)는 상술한 방법으로 보정된 보정 수면 단계 판단 결과 및 제2 생체 신호에 기반하여 판단된 비수면 상태 감지 결과 중 적어도 하나를 제2 모델의 입력 데이터로 하여 최종 수면 단계를 판단할 수 있다.
7. 수면 모니터링에 기반한 기상 알람 제공 방법
도 41 및 42는 일 실시예에 따른 생체 신호 측정 장치가 수면 모니터링 결과에 기반하여 사용자에게 알람을 제공하는 방법을 설명하기 위한 도면이다.
도 41 및 42를 참조하면, 생체 신호 측정 장치(1000)는 사용자 기상 시간 획득 단계(S6110), 사용자 기상 시간으로부터 미리 정해진 시간 이전에 미리 정해진 주기로 데이터를 입력하는 단계(S6120), 수면 예측 모델을 통해 수면 단계를 판단하는 단계(S6130), 수면 단계가 미리 정해진 조건을 만족하는지 판단하는 단계(S6140), 기상 유도를 위한 알람을 제공하는 단계(S6160) 및 사용자에게 알람을 제공하는 단계(S6150)를 수행할 수 있다.
생체 신호 측정 장치(1000)는 사용자의 입력으로부터 사용자의 기상 시간을 획득할 수 있다. 이후, 생체 신호 측정 장치(1000)는 상기 획득된 사용자의 기상 시간으로부터 미리 정해진 시간 이전에 미리 정해진 주기로 데이터를 획득할 수 있다. 이때, 상기 데이터는 수면 중에 측정된 적어도 하나의 생체 신호이거나 상기 적어도 하나의 생체 신호에 기반하여 추출되는 적어도 하나의 보조 지표일 수 있다.
상기 미리 정해진 시간 및 미리 정해진 주기는 사용자의 입력으로부터 획득될 수 있다. 예시적으로, 상기 미리 정해진 시간은 30분일 수 있고, 상기 미리 정해진 주기는 1분일 수 있다. 이 경우, 생체 신호 측정 장치(1000)는 사용자의 기상 시간으로부터 30분 전에 1분을 주기로 데이터를 입력 받고, 이에 기반하여 수면 상태를 판단할 수 있다.
생체 신호 측정 장치(1000)는 수면 예측 모델을 이용하여 사용자의 수면 단계를 판단할 수 있다. 이후, 생체 신호 측정 장치(1000)는 사용자의 수면 단계가 미리 정해진 조건을 만족하는지 판단할 수 있다. 생체 신호 측정 장치(1000)는 사용자의 수면 단계가 미리 정해진 조건을 만족한다고 판단되는 경우, 사용자가 기상할 수 있도록 알람을 제공할 수 있다.
상기 미리 정해진 조건은 상기 사용자의 수면 단계가 미리 정해진 수면 단계에 해당하는지에 관한 것일 수 있다. 일 예로, 상기 사용자의 수면 단계는 렘수면 단계 및 비렘수면 단계를 포함할 수 있고, 상기 비렘수면 단계는 깊은 수면 단계 및 얕은 수면 단계를 포함할 수 있다. 이 경우, 상기 미리 정해진 조건은 상기 사용자의 수면 단계가 상기 얕은 수면 단계에 대응하는지에 관한 것일 수 있다.
보다 구체적으로, 상기 비렘수면 단계의 깊은 수면 단계에서는 사용자가 깊게 잠들어 있게 되므로 상기 깊은 수면 단계에서 사용자가 깨어나는 것은 바람직하지 않다. 또한, 상기 렘수면 단계 또한 비교적 사용자가 깊게 잠들어 있다고 볼 수 있으므로 상기 렘수면 단계에서 사용자가 깨어나는 것도 바람직하지는 않다. 가장 바람직하게는, 사용자가 얕게 잠들어 있는 상기 얕은 수면 단계에서 깨어나는 것이며, 이 경우, 보다 좋은 컨디션을 유지할 수 있으므로, 생체 신호 측정 장치(1000)는 사용자의 수면 단계를 판단한 후, 사용자의 수면 상태가 상기 얕은 수면 단계일 때 기상할 수 있도록 알람을 제공할 수 있다.
생체 신호 측정 장치(1000)는 사용자의 수면 단계가 미리 정해진 조건을 만족하지 못하고 있다고 판단되는 경우, 사용자에게 기상을 유도하기 위한 알람을 제공할 수 있다. 생체 신호 측정 장치(1000)는 현재 시간이 사용자 기상 시간에 임박한 것으로 판단되고, 상기 사용자의 수면 상태가 미리 정해진 조건을 만족하지 못하는 경우 사용자가 천천히 기상할 수 있도록 기상을 유도하기 위한 알람을 별도로 제공할 수 있다.
생체 신호 측정 장치(1000)는 수면 단계가 미리 정해진 조건을 만족하지 못하는 경우, 사용자의 수면 단계가 미리 정해진 수면 단계(예컨대, 상기 얕은 수면 단계)가 될 수 있도록 사용자에게 알람을 제공할 수 있다. 이 경우, 상기 알람은 진동 알람일 수 있으며, 생체 신호 측정 장치(1000)는 진동의 세기를 조절하여 사용자에게 알람을 제공할 수 있다.
도 43은 일 실시예에 따른 생체 신호 측정 장치가 수면 모니터링 결과에 기반하여 주변 기기를 통해 사용자에게 알람을 제공하는 방법을 설명하기 위한 도면이다.
도 43을 참조하면, 생체 신호 측정 장치(1000)는 주변 알림 기능 전자 장치를 탐색하는 단계(S6170) 및 탐색된 전자 장치를 통해 알람을 제공하는 단계(S61780)를 추가적으로 수행할 수 있다.
생체 신호 측정 장치(1000)는 도 42를 통해 상술한 방법으로 사용자의 수면 단계가 미리 정해진 조건을 만족하는지 판단할 수 있고, 사용자의 수면 단계가 미리 정해진 조건을 만족하는 것으로 판단되는 경우, 주변의 알람 가능한 전자 장치를 탐색할 수 있다. 상기 전자 장치는 사용자 단말기, 스피커, 텔레비전, 기타 생활 가전 등일 수 있다.
생체 신호 측정 장치(1000)는 사용자의 수면 단계가 미리 정해진 조건을 만족하는 것으로 판단되는 경우, 주변의 알람 가능한 복수의 전자 장치 중 적어도 하나를 통해 사용자에게 알람을 제공할 수 있다.
예시적으로, 생체 신호 측정 장치(1000)는 사용자의 수면 단계가 미리 정해진 조건을 만족하는 것으로 판단되는 경우, 생체 신호 측정 장치(1000)와 통신 연결되어 있는 외부 스피커를 통해 사운드를 출력할 수 있다. 다른 예로, 생체 신호 측정 장치(1000)는 사용자의 수면 단계가 미리 정해진 조건을 만족하는 것으로 판단되는 경우, 생체 신호 측정 장치(1000)와 통신 연결되어 있는 조명을 통해 빛을 출력할 수 있다.
8. 수면 상태 모니터링 결과 제공 방법
도 44 내지 도 47은 일 실시예에 따른 사용자 단말이 사용자에게 생체 신호 측정 장치의 사용법을 가이드하기 위한 방법을 예시적으로 설명하기 위한 도면이다.
도 44를 참조하면, 사용자 단말(3000)은 제품 소유 여부를 확인하는 단계(S7110), 전원 연결 가이드를 제공하는 단계(S7120), 제품 구매 가이드를 제공하는 단계(S7130), 통신 연결 가이드를 제공하는 단계(S7140), 통신 연결이 적법한지 판단하는 단계(S7150), 제품 사용 가이드를 제공하는 단계(S7160) 및 체크리스트를 제공하는 단계(S7170)를 수행할 수 있다.
사용자 단말(3000)은 디스플레이를 통해 사용자에게 생체 신호 측정 장치(1000)를 소유하고 있는지에 대해 확인을 구하는 인터페이스를 출력할 수 있다.
예컨대, 도 45의 (a)와 같이 사용자 단말(3000)은 디스플레이를 통해 사용자에게 생체 신호 측정 장치(1000)의 소유 여부에 대한 사용자의 응답을 수신할 수 있는 적어도 하나의 오브젝트를 출력할 수 있다.
사용자 단말(3000)은 사용자 입력에 기반하여 사용자의 생체 신호 측정 장치(1000) 소유 여부에 대해 판단할 수 있다. 사용자 단말(3000)은 사용자가 생체 신호 측정 장치(1000)를 소유한 것으로 판단되면, 사용자에게 생체 신호 측정 장치(1000)의 전원 연결 가이드를 제공할 수 있다. 사용자 단말(3000)은 사용자가 생체 신호 측정 장치(1000)를 소유하지 않은 것으로 판단되면, 사용자에게 생체 신호 측정 장치(1000)를 구매하는 방법에 관한 가이드를 제공할 수 있다.
예컨대, 도 45의 (b)와 같이 사용자 단말(3000)은 사용자가 생체 신호 측정 장치(1000)를 소유한 것으로 판단되면, 디스플레이를 통해 사용자에게 기기를 등록하는 방법 또는 전원 연결 가이드에 관한 가이드를 출력할 수 있다. 또한, 사용자 단말(3000)은 사용자가 생체 신호 측정 장치(1000)를 소유하지 않은 것으로 판단되면, 도 45의 (c)와 같이 디스플레이를 통해 사용자에게 생체 신호 측정 장치(1000)를 구입하는 방법 또는 도 46의 (a)와 같이 체험하는 방법과 관련된 메시지를 출력할 수 있다.
사용자 단말(3000)은 디스플레이를 통해 사용자에게 생체 신호 측정 장치(1000)와의 통신 연결을 가이드하는 인터페이스를 출력할 수 있다. 이후, 사용자 단말(3000)은 생체 신호 측정 장치(1000)와의 통신 연결이 적법하다고 판단되는 경우, 생체 신호 측정 장치(1000)의 사용 가이드를 출력할 수 있고, 생체 신호 측정 장치(1000)와의 통신 연결이 적법하지 않다고 판단되는 경우, 생체 신호 측정 장치(1000)와 통신 연결을 위한 체크리스트를 출력할 수 있다.
예컨대, 사용자 단말(3000)은 도 46의 (b) 및 (c)와 같이 디스플레이를 통해 사용자에게 생체 신호 측정 장치(1000)를 사용하는 방법에 관하여 가이드하는 화면을 출력할 수 있고, 도 47의 (a) 내지 (c)와 같이 디스플레이를 통해 생체 신호 측정 장치(1000)와의 통신 연결을 가이드하는 화면을 출력할 수 있다.
도 48 내지 도 52는 일 실시예에 따른 사용자 단말이 수면 상태 모니터링 결과를 사용자에게 출력하는 방법을 예시적으로 설명하기 위한 도면이다.
도 48을 참조하면, 사용자 단말(3000)은 생체 신호에 기반한 데이터를 획득하는 단계(S7210), 데이터에 대한 품질을 평가하는 단계(S7220), 종합 점수를 산출하는 단계(S7230), 종합 점수에 기반하여 패드백을 생성하는 단계(S7240) 및 종래 종합 점수 및 현재 종합 점수를 비교하여 비교 문맥 정보를 생성하는 단계(S7250)를 수행할 수 있다.
사용자 단말(3000)은 생체 신호 측정 장치(1000)를 통해 수면 중에 발생하는 적어도 하나의 생체 신호를 획득할 수 있고, 미리 학습된 신경망 모델을 통해 상기 적어도 하나의 생체 신호에 대한 분석을 수행할 수 있다. 사용자 단말(3000)이 적어도 하나의 생체 신호에 대해 분석을 하는 방법에 대해서는 상술한 바 있으므로 중복되는 설명은 생략한다.
사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 적어도 하나의 점수를 산출할 수 있다. 사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석 결과에 기반하여 제1 수면 점수, 제2 수면 점수, 제3 수면 점수, 제4 수면 점수 및 제5 수면 점수를 결정할 수 있다.
사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 깊은 수면(deep sleep)과 관련된 제1 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 수면 시간(sleep duration)에 관한 제1 지표를 추출할 수 있고, 깊은 수면 시간(deep sleep duration)에 관한 제2 지표를 추출할 수 있다. 사용자 단말(3000)은 상기 제1 지표 및 제2 지표에 기반하여 깊은 수면(deep sleep)과 관련된 제1 수면 점수를 결정할 수 있다.
사용자 단말(3000)은 상기 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율에 기반하여 제1 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율에 가중치를 부여하여 제1 수면 점수를 결정할 수 있다.
예컨대, 사용자 단말(3000)은 상기 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 제1 범위에 있는 경우 제1 가중치를 부여하여 제1 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 제2 범위에 있는 경우 제2 가중치를 부여하여 제1 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 제3 범위에 있는 경우 제3 가중치를 부여하여 제1 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 제4 범위에 있는 경우 제4 가중치를 부여하여 제1 수면 점수를 결정할 수 있다.
보다 구체적인 예로, 아래의 표 1을 참조하면, 제1 수면 점수는 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 y를 초과하고 z 이하인 경우, 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율에 제1 가중치가 반영되어 결정될 수 있다. 제1 수면 점수는 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 x를 초과하고 y 이하인 경우, 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율에 제2 가중치가 반영되어 결정될 수 있다. 제1 수면 점수는 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 z를 초과하는 경우, 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율에 제3 가중치가 반영되어 결정될 수 있다. 제1 수면 점수는 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율이 x이하인 경우, 수면 시간(sleep duration) 및 깊은 수면 시간(deep sleep duration)의 비율에 제4 가중치 및 제5 가중치가 반영되어 결정될 수 있다.
Figure 112022141075398-pat00001
사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 수면 효율(sleep efficiency)과 관련된 제2 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 사용자의 전체 수면 시간(total duration) 및 실제 수면 시간(sleep duration)을 결정하고, 상기 전체 수면 시간(total duration) 및 실제 수면 시간(sleep duration)에 기반하여 상기 제2 수면 점수를 결정할 수 있다.
상기 전체 수면 시간은 사용자가 수면을 취하기 시작한 제1 시점부터 사용자가 기상한 제2 시점까지의 전체 시간을 의미할 수 있다. 상기 전체 수면 시간은 상기 제1 시점과 제2 시점 사이의 시간이되, 중간에 사용자가 비수면 상태가 된 경우, 상기 비수면 상태가 지속된 시간을 포함할 수 있다.
상기 실제 수면 시간은 상기 전체 수면 시간 중에서 사용자의 비수면 상태가 지속된 시간이 제외된 시간일 수 있다. 상기 실제 수면 시간은 상기 전체 수면 시간 중에서 사용자의 비수면 상태가 지속된 시간이 제외된 실제로 수면 상태가 지속된 시간만을 의미할 수 있다.
예시적으로, 아래의 표 2를 참조하면, 상기 제2 수면 점수는 상기 전체 수면 시간 및 상기 실제 수면 시간의 비율에 제1 가중치가 반영되어 결정될 수 있다.
Figure 112022141075398-pat00002
사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 수면 대기(sleep latency)와 관련된 제3 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 사용자가 수면 준비를 시작한 시점부터 수면 단계에 접어든 시점까지의 수면 대기 시간을 결정하고, 상기 수면 대기 시간에 기반하여 상기 제3 수면 점수를 결정할 수 있다.
사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 사용자가 수면을 준비하기 시작한 제1 시점을 판단할 수 있고, 사용자가 수면 상태에 접어든 제2 시점을 판단할 수 있다. 사용자 단말(3000)은 상기 제1 시점 및 제2 시점에 기반하여 수면 대기 시간(예컨대, 제1 시점과 제2 시점 사이의 시간)을 결정하고, 상기 수면 대기 시간에 기반하여 상기 제3 수면 점수를 결정할 수 있다.
사용자 단말(3000)은 상기 수면 대기 시간이 제1 범위에 있는 경우 제1 가중치를 부여하여 제3 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 대기 시간이 제2 범위에 있는 경우 제2 가중치를 부여하여 제3 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 대기 시간이 제3 범위에 있는 경우 제3 가중치를 부여하여 제3 수면 점수를 결정할 수 있다.
보다 구체적인 예로, 아래의 표 3을 참조하면, 제3 수면 점수는 상기 수면 대기 시간이 0분을 초과하고 x분 이하인 경우, 상기 수면 대기 시간에 제1 가중치가 반영되어 결정될 수 있다. 제3 수면 점수는 상기 수면 대기 시간이 x분을 초과하고 y분 이하인 경우, 상기 수면 대기 시간에 제2 가중치가 반영되어 결정될 수 있다.
Figure 112022141075398-pat00003
사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 기상 상태(wake condition)와 관련된 제4 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 미리 정해진 시간 구간동안 미리 정해진 횟수만큼 반복하여 사용자의 수면 단계를 판단할 수 있다.
사용자 단말(3000)은 미리 정해진 시간 구간동안 미리 정해진 횟수만큼 반복하여 사용자의 수면 단계를 판단하고, 제1 수면 단계인 것으로 판단된 횟수에 기반하여 기상 상태와 관련된 제4 수면 점수를 결정할 수 있다. 또한, 사용자 단말(3000)은 미리 정해진 시간 구간동안 미리 정해진 횟수만큼 반복하여 사용자의 수면 단계를 판단하고, 제1 수면 단계 및 제2 수면 단계인 것으로 판단된 횟수에 기반하여 기상 상태와 관련된 제4 수면 점수를 결정할 수 있다.
상기 미리 정해진 시간 구간은 사용자의 목표 기상 시점에 기반하여 결정될 수 있다. 예를 들어, 사용자의 목표 기상 시점이 제1 시점인 경우, 상기 미리 정해진 시간 구간은 상기 제1 시점으로부터 역산하여 n분(예컨대, 30분) 동안의 시간 구간일 수 있다. 상기 미리 정해진 횟수는 상기 미리 정해진 시간 구간을 임의의 자연수로 나눈 횟수를 의미할 수 있다. 예를 들어, 상기 미리 정해진 시간 구간이 n분(예컨대, 30분)일 경우, 상기 미리 정해진 횟수는 n회(예컨대, 30회)일 수 있다.
보다 구체적인 예로, 아래의 표 4를 참조하면, 제4 수면 점수는 미리 정해진 정해진 시간구간 동안 미리 정해진 횟수(n번)만큼 사용자의 수면 단계를 판단하고, 제1 수면 단계 및 제2 수면 단계로 판단된 횟수에 기반하여 결정될 수 있다.
Figure 112022141075398-pat00004
사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 수면 총량(sleep duration)과 관련된 제5 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 적어도 하나의 생체 신호에 대한 분석을 통해 사용자가 수면 상태에 접어든 제1 시점 및 사용자가 기상한 제2 시점을 판단할 수 있다. 사용자 단말(3000)은 상기 제1 시점 및 제2 시점에 기반하여 수면 총 시간(예컨대, 제1 시점과 제2 시점 사이의 시간)을 결정하고, 상기 수면 총 시간에 기반하여 상기 제5 수면 점수를 결정할 수 있다.
사용자 단말(3000)은 상기 수면 총 시간이 제1 범위에 있는 경우 제1 가중치를 부여하여 제5 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 총 시간이 제2 범위에 있는 경우 제2 가중치를 부여하여 제5 수면 점수를 결정할 수 있다. 사용자 단말(3000)은 상기 수면 총 시간이 제3 범위에 있는 경우 제3 가중치를 부여하여 제5 수면 점수를 결정할 수 있다.
보다 구체적인 예로, 아래의 포 5를 참조하면, 제5 수면 점수는 상기 수면 총 시간이 y시간을 초과하고 z시간 이하인 경우, 상기 수면 총 시간에 제1 가중치가 반영되어 결정될 수 있다. 제5 수면 점수는 상기 수면 총 시간이 x시간을 초과하고 y시간 이하이거나, z시간을 초과하는 경우, 상기 수면 총 시간에 제2 가중치가 반영되어 결정될 수 있다. 제5 수면 점수는 상기 수면 총 시간이 x시간 미만인 경우, 상기 수면 총 시간에 제3 가중치가 반영되어 결정될 수 있다.
Figure 112022141075398-pat00005
사용자 단말(3000)은 상술한 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나를 이용하여 종합 점수를 결정할 수 있다. 사용자 단말(3000)은 제1 수면 점수에 제1 가중치를 부여하고, 제2 수면 점수에 제2 가중치를 부여하고, 제3 수면 점수에 제3 가중치를 부여하고, 제4 수면 점수에 제4 가중치를 부여하고, 제5 수면 점수에 제5 가중치를 부여하여 종합 점수를 결정할 수 있다. 상기 제1 가중치 내지 제5 가중치는 서로 동일하거나 다르게 정해질 수 있다.
도 49 내지 도 52를 참조하면, 사용자 단말(3000)은 디스플레이를 통해 상술한 방법으로 결정된 제1 수면 점수 내지 제5 수면 점수에 기반하여 수면 모니터링 결과를 사용자에게 시각적으로 제공할 수 있다.
사용자 단말(3000)은, 도 49의 (a)와 같이, 상기 제1 수면 점수 내지 제5 수면 점수 및 종합 점수를 텍스트 형태로 사용자에게 제공할 수도 있고, 임의의 오브젝트를 통해 시각적으로 사용자에게 제공할 수 있다. 사용자 단말(3000)은 제1 시점에 결정된 상기 제1 수면 점수 내지 제5 수면 점수 중 어느 하나를 및 제2 시점에 결정된 제1 수면 점수 내지 제5 수면 점수를 중 어느 하나와 비교하여 사용자에게 제공할 수 있다. 상기 제1 시점과 제2 시점은 서로 다른 시점일 수 있다.
사용자 단말(3000)은 제1 수면 점수 내지 제5 수면 점수를 방사형 그래프(radar graph) 형태로 출력할 수 있다. 예를 들어, 사용자 단말(3000)은 기준 오브젝트(예컨대, 오각형의 오브젝트)의 중심으로부터 꼭지점까지 이어지는 각각의 축에 제1 수면 점수 내지 제5 수면 점수를 반영한 타겟 오브젝트를 출력할 수 있다. 사용자 단말(3000)은 종합 점수를 상기 타겟 오브젝트에 오버랩하여 출력할 수 있다. 이 경우, 상기 종합 점수는 상기 제1 수면 점수 내지 제5 수면 점수에 기반하여 결정될 수 있다.
사용자 단말(3000)은 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나가 임계 값 이하로 내려가는 경우, 상기 타겟 오브젝트의 총 면적을 상기 종합 점수로 결정할 수 있다. 예를 들어, 제1 수면 점수 내지 제5 수면 점수에 기반하여 종합 점수가 결정되는 경우, 상기 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나가 임계 값 이하로 크게 낮아지면 상기 종합 점수는 상기 타겟 오브젝트의 총 면적에 대응하지 않을 수 있다(예컨대, 상기 타겟 오브젝트의 총 면적이 상기 제1 수면 점수 내지 제6 수면 점수에 기반하여 결정되는 종합 점수보다 크게 낮을 수 있다). 이 경우, 사용자는 종합 점수와 타겟 오브젝트의 면적으로 보여지는 시각적 효과와 종합 점수 사이에서 이질감을 느낄 수 있으므로, 이러한 경우 사용자 단말(3000)은 상기 종합 점수를 상기 타겟 오브젝트의 총 면적으로 대체하여 출력할 수 있다.
사용자 단말(3000)은, 도 49의 (b)와 같이, 수면 중에 판단된 사용자의 수면 단계를 디스플레이를 통해 시각적으로 사용자에게 제공할 수 있다. 사용자 단말(3000)은 타임라인 상에 수면 단계에 따라 서로 다르게 시각적으로 표시된 인터페이스를 출력할 수 있다. 이에 따라, 사용자 단말(3000)은 타임라인 상에서 사용자의 수면 상태 변화 상태를 효율적으로 사용자에게 제공할 수 있게 된다.
사용자 단말(3000)은, 도 50의 (a)와 같이, 미리 정해진 기간(예컨대, 일주일, 한달, 일년 등) 동안 판단된 수면 상태 모니터링 결과를 사용자에게 제공할 수 있다. 사용자 단말(3000)은 상기 제1 수면 점수 내지 제5 수면 점수에 기반하여 결정된 다른 사용자들과의 비교 점수 또는 비교 등수를 사용자에게 제공할 수 있다.
사용자 단말(3000)은, 도 50의 (b)와 같이, 미리 정해진 기간에 대응하는 개수의 복수의 오브젝트를 표시하고, 상기 복수의 오브젝트에 순차적으로 상기 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나를 맵핑하여 사용자에게 제공할 수 있다. 예를 들어, 사용자 단말(3000)은 제1일에 측정된 생체 신호에 기반하여 결정된 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나에 기반하여 제1 오브젝트를 생성하고, 제2일에 측정된 생체 신호에 기반하여 결정된 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나에 기반하여 제2 오브젝트를 생성할 수 있다. 이후, 사용자 단말(3000)은 한달에 대응하는 개수만큼 복수의 기준 오브젝트를 표시하고, 상기 제1 오브젝트 및 제2 오브젝트를 상기 기준 오브젝트에 순차적으로 맵핑하여 사용자에게 제공할 수 있다.
사용자 단말(3000)은, 도 50의 (c)와 같이, 수면 중에 판단된 사용자의 수면 단계를 타임라인 상에 표시한 제1 인터페이스 및 상기 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나에 기반하여 생성되는 오브젝트에 관한 제2 인터페이스를 디스플레이를 통해 출력할 수 있다. 사용자 단말(3000)은 상기 제1 인터페이스를 상기 제2 인터페이스와 인접한 영역에 표시하여 출력할 수 있다. 사용자 단말(3000)이 상기 제1 인터페이스와 제2 인터페이스를 서로 인접한 영역에 표시하여 출력함으로써, 사용자는 자신의 수면 단계의 변화를 타임라인 상으로 쉽게 파악할 수 있고, 동시에 자신의 수면 상태 모니터링 결과를 시각적으로 쉽게 파악할 수 있다.
사용자 단말(3000)은, 도 51(a)와 같이 디스플레이를 통해 수면 중에 판단된 사용자의 수면 단계를 타임라인 상에 표시하여 월 단위 또는 연 단위로 사용자에게 제공할 수 있고, 도 51의 (b)와 같이 디스플레이를 통해 상기 제1 수면 점수 내지 제5 수면 점수 중 적어도 하나에 기반하여 생성되는 오브젝트를 월 단위 또는 연 단위로 사용자에게 제공할 수 있다.
사용자 단말(3000)은 디스플레이를 통해 상기 제1 수면 점수 내지 제5 수면 점수를 결정하는데 기준이 되는 보조 지표를 시각적으로 표시하여 출력할 수 있다. 예컨대, 사용자 단말(3000)은 도 52의 (a)와 같이 적어도 하나의 생체 신호로부터 추출되는 제1 보조 지표(예컨대, 심박수) 및 제2 보조 지표(예컨대, 호흡수)를 월 단위로 표시하여 출력할 수 있다. 사용자 단말(3000)은 도 52의 (b)와 같이 같이 적어도 하나의 생체 신호로부터 추출되는 제1 보조 지표(예컨대, 심박수) 및 제2 보조 지표(예컨대, 호흡수)를 연 단위로 표시하여 출력할 수 있다.
이상에서 실시 형태들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시 형태에 포함되며, 반드시 하나의 실시 형태에만 한정되는 것은 아니다. 나아가, 각 실시 형태에서 예시된 특징, 구조, 효과 등은 실시 형태들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시 형태들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
또한, 이상에서 실시 형태를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시 형태의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 즉, 실시 형태에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

  1. 수면 단계 예측 장치에 있어서,
    메모리; 및
    적어도 하나의 프로세서;를 포함하되,
    상기 적어도 하나의 프로세서는,
    사용자의 수면 중에 측정되는 제1 생체 신호, 제2 생체 신호 및 제3 생체 신호를 획득하고,
    상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하고,
    상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하고,
    상기 제3 생체 신호에 기반하여 미리 학습된 제3 신경망 모델을 통해 무호흡증을 판단하고,
    상기 비수면 상태 감지 결과 및 상기 무호흡증 판단 결과에 기반하여 보정 수면 단계를 생성하되,
    상기 제1 생체 신호에 기반하여 제1 시간 구간에서 상기 사용자가 제1 수면 단계인 것으로 결정하고, 제2 시간 구간에서 상기 사용자가 제2 수면 단계인 것으로 결정하고, 제3 시간 구간에서 상기 사용자가 제3 수면 단계인 것으로 결정하여 상기 예상 수면 단계를 생성하고,
    상기 제2 생체 신호에 기반하여 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 판단된 경우, 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 상기 예상 수면 단계를 업데이트하여 상기 보정 수면 단계를 생성하며,
    상기 제1 생체 신호 및 상기 제3 생체 신호는 심탄도 신호이고,
    상기 제2 생체 신호는 상기 제1 생체 신호와 다른 종류의 신호이며,
    상기 보정 수면 단계는 상기 비수면 상태 감지 결과 및 상기 무호흡증 판단 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것인,
    수면 단계 예측 장치.
  2. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제2 생체 신호에 기반하여 적어도 하나의 보조 지표를 추출하고, 상기 적어도 하나의 보조 지표에 기반하여 상기 사용자의 비수면 상태를 감지하되,
    상기 제2 생체 신호는 소리 신호이고,
    수면 단계 예측 장치.
  3. 제2항에 있어서,
    상기 적어도 하나의 보조 지표는 사용자의 움직임, 사용자의 유무, 사용자 눈의 움직임, 활동량 및 엔트로피 중 적어도 하나인,
    수면 단계 예측 장치.
  4. 삭제
  5. 제1항에 있어서,
    상기 제1 시간 구간 내지 상기 제3 시간 구간은 서로 다른 길이를 갖는 시간 구간이며,
    상기 적어도 하나의 프로세서는,
    상기 제1 신경망 모델을 통해 상기 제1 시간 구간 내지 상기 제3 시간 구간에 획득된 상기 제1 생체 신호에 기반하여 상기 제1 수면 단계 내지 상기 제3 수면 단계를 결정하는,
    수면 단계 예측 장치.
  6. 제1항에 있어서,
    상기 제1 시간 구간 내지 상기 제3 시간 구간은 서로 다른 길이를 갖는 시간 구간이며,
    상기 제1 신경망 모델은 제1 부분, 제2 부분 및 제3 부분을 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 제1 신경망 모델의 상기 제1 부분을 통해 상기 제1 시간 구간동안 획득된 상기 제1 생체 신호에 기반하여 상기 제1 수면 단계를 결정하고,
    상기 제1 신경망 모델의 상기 제2 부분을 통해 상기 제2 시간 구간동안 획득된 상기 제1 생체 신호에 기반하여 상기 제2 수면 단계를 결정하고,
    상기 제1 신경망 모델의 상기 제3 부분을 통해 상기 제3 시간 구간동안 획득된 상기 제1 생체 신호에 기반하여 상기 제3 수면 단계를 결정하는,
    수면 단계 예측 장치.
  7. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    미리 학습된 제2 신경망 모델을 통해 최종 수면 단계를 생성하되,
    상기 비수면 상태 감지 결과 및 상기 보정 수면 단계 중 적어도 하나를 상기 제2 신경망 모델의 입력 데이터로 하여 상기 최종 수면 단계를 생성하는,
    수면 단계 예측 장치.
  8. 제7항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 비수면 상태 감지 결과, 상기 보정 수면 단계 및 상기 제3 생체 신호 중 적어도 하나를 상기 제2 신경망 모델의 입력 데이터로 하여 상기 최종 수면 단계를 생성하되,
    수면 단계 예측 장치.
  9. 제8항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 비수면 상태 감지 결과, 상기 무호흡증 판단 결과 및 상기 보정 수면 단계 중 적어도 하나를 상기 제2 신경망 모델의 입력 데이터로 하여 상기 최종 수면 단계를 생성하는,
    수면 단계 예측 장치.
  10. 제9항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제3 생체 신호에 기반하여 호흡수와 관련된 제1 보조 지표 및 호흡 크기와 관련된 제2 보조 지표를 추출하고,
    상기 제1 보조 지표 및 상기 제2 보조 지표에 기반하여 상기 제3 신경망 모델을 통해 무호흡증을 판단하는,
    수면 단계 예측 장치.
  11. 제9항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제3 신경망 모델을 통해 상기 제3 생체 신호에 기반하여 미리 정해진 시간 동안의 상기 사용자의 무호흡 횟수를 추출하고,
    상기 무호흡 횟수에 기반하여 상기 최종 수면 단계를 생성하는,
    수면 단계 예측 장치.
  12. 삭제
  13. 적어도 하나의 프로세서에 의해 수행되는 수면 단계를 예측하는 방법에 있어서,
    상기 적어도 하나의 프로세서가 사용자의 수면 중에 측정되는 제1 생체 신호, 제2 생체 신호 및 제3 생체 신호를 획득하는 단계;
    상기 적어도 하나의 프로세서가 상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하는 단계;
    상기 적어도 하나의 프로세서가 상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하는 단계;
    상기 적어도 하나의 프로세서가 상기 제3 생체 신호에 기반하여 미리 학습된 제3 신경망 모델을 통해 무호흡증을 판단하는 단계; 및
    상기 적어도 하나의 프로세서가 상기 비수면 상태 감지 결과 및 상기 무호흡증 판단 결과에 기반하여 보정 수면 단계를 생성하는 단계;를 포함하되,
    상기 예상 수면 단계를 생성하는 단계는,
    상기 적어도 하나의 프로세서가, 상기 제1 생체 신호에 기반하여, 제1 시간 구간에서 상기 사용자가 제1 수면 단계인 것으로 결정하는 단계, 제2 시간 구간에서 상기 사용자가 제2 수면 단계인 것으로 결정하는 단계 및 제3 시간 구간에서 상기 사용자가 제3 수면 단계인 것으로 결정하는 단계를 포함하고,
    상기 보정 수면 단계를 생성하는 단계는,
    상기 제2 생체 신호에 기반하여 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 판단된 경우, 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 상기 예상 수면 단계를 업데이트하여 상기 보정 수면 단계를 생성하는 단계를 포함하고,
    상기 제1 생체 신호 및 상기 제3 생체 신호는 심탄도 신호이고,
    상기 제2 생체 신호는 상기 제1 생체 신호와 다른 종류의 신호이며,
    상기 보정 수면 단계는 상기 비수면 상태 감지 결과 및 상기 무호흡증 판단 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것인,
    수면 단계를 예측하는 방법.
  14. 전자 장치와 연결되고 동작을 실행하기 위한 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 동작은,
    상기 적어도 하나의 프로세서가 사용자의 수면 중에 측정되는 제1 생체 신호, 제2 생체 신호 및 제3 생체 신호를 획득하는 단계;
    상기 적어도 하나의 프로세서가 상기 제1 생체 신호에 기반하여 미리 학습된 제1 신경망 모델을 통해 예상 수면 단계를 생성하는 단계;
    상기 적어도 하나의 프로세서가 상기 제2 생체 신호에 기반하여 상기 사용자의 비수면 상태를 감지하는 단계;
    상기 적어도 하나의 프로세서가 상기 제3 생체 신호에 기반하여 미리 학습된 제3 신경망 모델을 통해 무호흡증을 판단하는 단계; 및
    상기 적어도 하나의 프로세서가 상기 비수면 상태 감지 결과 및 상기 무호흡증 판단 결과에 기반하여 보정 수면 단계를 생성하는 단계;를 포함하되,
    상기 예상 수면 단계를 생성하는 단계는, 상기 적어도 하나의 프로세서가, 상기 제1 생체 신호에 기반하여, 제1 시간 구간에서 상기 사용자가 제1 수면 단계인 것으로 결정하는 단계, 제2 시간 구간에서 상기 사용자가 제2 수면 단계인 것으로 결정하는 단계 및 제3 시간 구간에서 상기 사용자가 제3 수면 단계인 것으로 결정하는 단계를 포함하고,
    상기 보정 수면 단계를 생성하는 단계는, 상기 제2 생체 신호에 기반하여 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 판단된 경우, 상기 제2 시간 구간에서 상기 사용자가 비수면 상태인 것으로 상기 예상 수면 단계를 업데이트하여 상기 보정 수면 단계를 생성하는 단계를 포함하고,
    상기 제1 생체 신호 및 상기 제3 생체 신호는 심탄도 신호이고,
    상기 제2 생체 신호는 상기 제1 생체 신호와 다른 종류의 신호이며,
    상기 보정 수면 단계는 상기 비수면 상태 감지 결과 및 상기 무호흡증 판단 결과를 보조 지표로 사용하여 상기 예상 수면 단계를 보정한 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
KR1020220186927A 2022-08-08 2022-12-28 수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치 KR102538356B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220098659 2022-08-08
KR1020220098659 2022-08-08

Publications (1)

Publication Number Publication Date
KR102538356B1 true KR102538356B1 (ko) 2023-05-31

Family

ID=86099345

Family Applications (5)

Application Number Title Priority Date Filing Date
KR1020220186925A KR102525996B1 (ko) 2022-08-08 2022-12-28 생체 신호 측정 장치
KR1020220186923A KR102635245B1 (ko) 2022-08-08 2022-12-28 수면 중에 발생하는 생체 신호로부터 보조 지표를 추출하는 방법 및 이를 수행하는 장치
KR1020220186927A KR102538356B1 (ko) 2022-08-08 2022-12-28 수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치
KR1020220186926A KR20240020643A (ko) 2022-08-08 2022-12-28 눈 주변부에서 측정되는 생체 신호를 이용하여 수면 상태를 모니터링하는 방법 및 이를 수행하는 장치
KR1020220186924A KR102525995B1 (ko) 2022-08-08 2022-12-28 수면 중에 발생하는 생체 신호로부터 보조 지표를 추출하는 방법 및 이를 수행하는 장치

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020220186925A KR102525996B1 (ko) 2022-08-08 2022-12-28 생체 신호 측정 장치
KR1020220186923A KR102635245B1 (ko) 2022-08-08 2022-12-28 수면 중에 발생하는 생체 신호로부터 보조 지표를 추출하는 방법 및 이를 수행하는 장치

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020220186926A KR20240020643A (ko) 2022-08-08 2022-12-28 눈 주변부에서 측정되는 생체 신호를 이용하여 수면 상태를 모니터링하는 방법 및 이를 수행하는 장치
KR1020220186924A KR102525995B1 (ko) 2022-08-08 2022-12-28 수면 중에 발생하는 생체 신호로부터 보조 지표를 추출하는 방법 및 이를 수행하는 장치

Country Status (1)

Country Link
KR (5) KR102525996B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024035043A1 (ko) * 2022-08-08 2024-02-15 주식회사 멜로잉팩토리 수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102331184B1 (ko) * 2020-12-28 2021-12-01 (주)멜로잉팩토리 최적 수면 사이클에 기초한 수면 유도 장치 및 방법
KR102403213B1 (ko) * 2022-01-27 2022-05-30 노승완 생체리듬 최적화를 통한 딥러닝 수면 어시스턴트 시스템
KR20220080972A (ko) * 2020-12-08 2022-06-15 삼성전자주식회사 수면 무호흡을 검출하기 위한 방법 및 이를 지원하는 전자 장치

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101188655B1 (ko) * 2008-08-08 2012-10-08 (주)유엔씨 무구속 수면상태 판단장치가 내장된 베개
KR20130080920A (ko) * 2012-01-06 2013-07-16 최지현 Cpu가 내장된 매트리스
KR101629870B1 (ko) * 2014-03-31 2016-06-13 한양대학교 산학협력단 수면 상태 모니터링 시스템 및 방법
KR20150144538A (ko) * 2014-06-17 2015-12-28 대덕대학산학협력단 조용히 깨워주는 알람진동배게
KR101885981B1 (ko) * 2017-01-19 2018-08-06 서울대학교산학협력단 무구속적으로 측정된 심폐신호를 이용한 수면효율의 예측방법
KR101927705B1 (ko) * 2017-03-06 2018-12-11 주식회사 소프트웨어융합연구소 비접촉 생체신호 측정방식을 이용한 환자 관리시스템
KR20190072886A (ko) * 2017-12-18 2019-06-26 임승현 알람용 진동베개
KR102095356B1 (ko) * 2018-01-22 2020-03-31 전남대학교산학협력단 필름형 다채널 압전 센서를 이용한 생체신호 측정 시스템
KR102662836B1 (ko) * 2020-12-03 2024-05-03 한국전자기술연구원 다채널 압력신호 기반 수면 단계 분류 방법
KR20220094412A (ko) * 2020-12-29 2022-07-06 윤태균 폐쇄성 수면무호흡증 개선 기능이 구비된 스마트베개시스템 및 이를 이용한 수면관리방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220080972A (ko) * 2020-12-08 2022-06-15 삼성전자주식회사 수면 무호흡을 검출하기 위한 방법 및 이를 지원하는 전자 장치
KR102331184B1 (ko) * 2020-12-28 2021-12-01 (주)멜로잉팩토리 최적 수면 사이클에 기초한 수면 유도 장치 및 방법
KR102403213B1 (ko) * 2022-01-27 2022-05-30 노승완 생체리듬 최적화를 통한 딥러닝 수면 어시스턴트 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024035043A1 (ko) * 2022-08-08 2024-02-15 주식회사 멜로잉팩토리 수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치

Also Published As

Publication number Publication date
KR102635245B1 (ko) 2024-02-08
KR102525995B1 (ko) 2023-04-26
KR102525996B1 (ko) 2023-04-26
KR20240020643A (ko) 2024-02-15

Similar Documents

Publication Publication Date Title
JP7009556B2 (ja) ヘルスケア用ウェアラブル装置及びそのための方法
US20220022776A1 (en) System and method of monitoring respiration
US11317857B2 (en) Patient monitoring
CN110035691B (zh) 用于测量睡眠呼吸暂停的方法和设备
JP5720295B2 (ja) 睡眠評価装置および睡眠評価装置における表示方法
EP3927234B1 (en) A sleep monitoring system and method
JP2006204742A (ja) 睡眠評価方法、睡眠評価システム及びその動作プログラム、パルスオキシメータ並びに睡眠支援システム
WO2009097548A1 (en) System and method providing biofeedback for anxiety and stress reduction
EP2916734A1 (en) Reactance sensing for improved sensor placement
US11793453B2 (en) Detecting and measuring snoring
CN110366387A (zh) 测量和评估睡眠质量
KR102538356B1 (ko) 수면 예측 모델을 통한 수면 모니터링 방법 및 이를 수행하는 장치
JP2008017947A (ja) 睡眠姿勢モニタシステムおよび空間位置測定システム
CN114587347B (zh) 肺功能检测方法、系统、装置、计算机设备和存储介质
KR20200032480A (ko) 스마트 자율군집 수면 제어 시스템
US20220248967A1 (en) Detecting and Measuring Snoring
EP3515301A1 (en) Systems, devices, and methods for biometric assessment
US20210202078A1 (en) Patient-Observer Monitoring
JP2009172197A (ja) 睡眠状態の判定方法およびシステム
US20220395181A1 (en) System and methods for sensor-based detection of sleep characteristics and generating animation depiction of the same
US20240041396A1 (en) Method and device for monitoring sleep stage using sleep prediction model
JP2017099528A (ja) 生体情報管理システム
JP6716888B2 (ja) 呼吸解析装置、呼吸解析方法及びプログラム
TWI758993B (zh) 基於整合實境與腦機介面之下肢復健系統
US11998355B2 (en) Pressure sensor integration into wearable device

Legal Events

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