KR102546256B1 - 체외진단기를 이용한 딥러닝 헬스케어 서비스 플랫폼 및 이를 이용한 헬스케어 추천방법 - Google Patents
체외진단기를 이용한 딥러닝 헬스케어 서비스 플랫폼 및 이를 이용한 헬스케어 추천방법 Download PDFInfo
- Publication number
- KR102546256B1 KR102546256B1 KR1020210065302A KR20210065302A KR102546256B1 KR 102546256 B1 KR102546256 B1 KR 102546256B1 KR 1020210065302 A KR1020210065302 A KR 1020210065302A KR 20210065302 A KR20210065302 A KR 20210065302A KR 102546256 B1 KR102546256 B1 KR 102546256B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- exercise
- urine
- diet
- deep learning
- Prior art date
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 41
- 230000036541 health Effects 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title claims description 27
- 238000003745 diagnosis Methods 0.000 title description 6
- 235000005911 diet Nutrition 0.000 claims abstract description 61
- 230000037213 diet Effects 0.000 claims abstract description 50
- 238000009535 clinical urine test Methods 0.000 claims abstract description 41
- 238000005353 urine analysis Methods 0.000 claims abstract description 15
- 230000000378 dietary effect Effects 0.000 claims abstract description 11
- 235000012054 meals Nutrition 0.000 claims abstract description 6
- 210000002700 urine Anatomy 0.000 claims description 36
- 235000013305 food Nutrition 0.000 claims description 25
- 238000009207 exercise therapy Methods 0.000 claims description 24
- 201000010099 disease Diseases 0.000 claims description 22
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 15
- 238000000338 in vitro Methods 0.000 claims description 9
- 230000007774 longterm Effects 0.000 claims description 8
- 238000002560 therapeutic procedure Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 206010020751 Hypersensitivity Diseases 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 208000030961 allergic reaction Diseases 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 210000000577 adipose tissue Anatomy 0.000 description 16
- 210000003205 muscle Anatomy 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000010411 cooking Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 235000021109 kimchi Nutrition 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 241001149724 Cololabis adocetus Species 0.000 description 3
- 208000008589 Obesity Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 210000002216 heart Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 235000020824 obesity Nutrition 0.000 description 3
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 235000013527 bean curd Nutrition 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 235000018823 dietary intake Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 235000015277 pork Nutrition 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 235000013547 stew Nutrition 0.000 description 2
- OBHRVMZSZIDDEK-UHFFFAOYSA-N urobilinogen Chemical compound CCC1=C(C)C(=O)NC1CC1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(CC3C(=C(CC)C(=O)N3)C)N2)CCC(O)=O)N1 OBHRVMZSZIDDEK-UHFFFAOYSA-N 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010020880 Hypertrophy Diseases 0.000 description 1
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000005417 food ingredient Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 235000004213 low-fat Nutrition 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003932 urinary bladder Anatomy 0.000 description 1
- 235000001366 vegetable intake Nutrition 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14507—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue specially adapted for measuring characteristics of body fluids other than blood
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/493—Physical analysis of biological material of liquid biological material urine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Urology & Nephrology (AREA)
- Data Mining & Analysis (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Optics & Photonics (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Analytical Chemistry (AREA)
Abstract
본 발명은 딥러닝 알고리즘을 이용한 헬스케어 서비스 플랫폼에 관한 것으로서, 구체적으로 체외진단기를 이용하여 획득된 사용자의 건강진단결과 데이터에 기초하여 각 사용자에게 최적화된 식이요법과 운동요법을 추천하는 헬스케어 서비스 플랫폼에 관한 것이다. 구체적으로 본 발명은 소변검사지로부터 사용자의 건강데이터를 측정하는 소변분석단말기; 사용자의 기본정보, 소변분석데이터, 식사내용 및 운동내용이 입력되는 개인단말기; 상기 개인단말기로부터 입력되는 개인신체조건DB, 상기 소변분석단말기로부터 측정된 소변검사결과 데이터를 수신받아 저장하는 소변검사데이터 DB와, 상기 개인단말기를 통해서 입력된 식사데이터 및 운동데이터 수신받아 저장하는 식이운동데이터 DB를 포함하는 DB서버; 및 상기 개인신체조건DB, 소변검사데이터 DB와 식이운동데이터 DB를 바탕으로 맞춤형 식이요법 및 운동요법을 추천하는 딥러닝 알고리즘을 구비한 추천서버;를 포함한다.
Description
본 발명은 딥러닝 알고리즘을 이용한 헬스케어 서비스 플랫폼에 관한 것으로서, 구체적으로 체외진단기를 이용하여 획득된 사용자의 건강진단결과 데이터에 기초하여 각 사용자에게 최적화된 식이요법과 운동요법을 추천하는 헬스케어 서비스 플랫폼 및 이를 이용한 추천방법에 관한 것이다.
국내 인구의 삶의 질이 매년 향상됨에 따라 건강관리에 대한 관심도가 매우 높아지고 있고 이에 관련된 의료기기 대한 시장 규모가 해마다 증가하고 있다. 특히, 질병의 발생을 사전에 예방하고자 하는 예방의학 차원에서 평상시에 건강관리의 중요성이 높아지고 있다. 이를 위한 건강관리시스템의 경우, 신체의 상태를 체크하기 위한 웨어러블 디바이스와 연계하여 국내 건강관리 시스템 분야에 대한 기술개발이 활발하게 진행되고 있다.
웨어러블 장치를 이용한 심박수 및 혈압 측정을 실시간으로 측정하는 건강관리시스템의 경우, 심박수와 혈압은 다양한 조건에 의해서 일시적으로 변화될 수 있는 것으로서, 사용자의 정확한 건강상태를 측정하는 것이 어렵고 그에 대한 정확한 처방이 내려지는 것이 곤란하다.
이에 따라서 본 발명의 발명자들은 쉬운 사용법과 비교적 빠르고 정확한 건강진단 정보를 제공하는 소변분석기와 같은 체외진단기에 기초하여 소변분석결과를 반영하는 딥러닝기반 헬스케어 플랫폼을 제공하는 것을 착안하게 되었다.
본 발명은 쉬운 사용법과 비교적 빠르고 정확한 건강진단 정보를 제공하는 소변분석기의 소변분석결과를 반영하는 딥러닝기반 헬스케어 플랫폼을 제공하는 것을 목적으로 한다.
본 발명은 딥러닝 알고리즘을 이용하여 개인별 차이를 최대한 반영한 식이요법 및 운동요법을 추천하는 딥러닝기반 헬스케어 플랫폼을 제공하는 것을 목적으로 한다.
상기와 같은 기술적 과제를 해결하기 위하여 본원 발명은 체외진단기를 이용한 딥러닝기반 헬스케어 서비스 플랫폼으로서,
소변검사지로부터 사용자의 건강데이터를 측정하는 소변분석단말기;
사용자의 기본정보, 상기 소변분석단말기에서 측정된 소변검사데이터, 사용자의 식사내용 및 운동내용이 입력되는 개인단말기;
상기 개인단말기로부터 입력되는 사용자의 기본정보 DB, 상기 소변분석단말기로부터 측정된 소변검사결과 데이터를 수신받아 저장하는 소변검사데이터 DB, 장기질환과 식이요법과의 상관관계에 대한 정보가 저장된 식이종류 DB와 장기질환과 운동요법과의 상관관계에 대한 정보가 저장된 운동종류 DB를 포함하는 DB서버; 및
상기 사용자 기본정보 DB, 소변검사데이터 DB, 식이 DB와 운동DB를 바탕으로 사용자에게 맞춤형 식이요법 및 운동요법을 추천하는 딥러닝 알고리즘을 구비한 추천서버;를 포함한다.
본 발명의 플랫폼을 이용한 운동요법 및 식이요법 추천방법은
사용자의 성별, 신장, 체중 등 신체조건을 사용자 단말기를 통해서 입력하는 단계;
사용자의 소변를 분석하는 소변검사기를 통해 소변검사결과 데이터를 획득하는 소변검사단계;
상기 딥러닝 처리를 통하여 사용자 맞춤형 식이요법 및 운동요법을 추천하는 단계;
상기 추천 식이요법 및 운동요법의 실시여부를 개별적으로 입력하는 단계;
소변검사기를 통해서 사용자의 소변을 다시 측정하여 소변검사결과 데이터를 다시 획득하는 단계;
상기 추천 식이요법 및 운동요법의 실시 여부에 따른 소변검사결과 데이터 변화를 분석하는 단계;
상기 식이요법 및 운동요법의 실시 단계와 소변검사결과 데이터 변화사이의 상관관계를 딥러닝 처리하여 식이요법 및 운동요법을 다시 추천하는 단계;를 포함한다.
본 발명은 가장 대중화되어 있으면서도 어렵지 않은 방법으로 측정이 가능한 소변분석기를 이용하여 쉬운 사용법과 비교적 빠르고 정확한 건강진단 정보를 제공하고, 이를 바탕으로 딥러닝 알고리즘을 이용하여 개인별 차이를 최대한 반영한 식이요법 및 운동요법을 추천하는 것이 가능하게 된다.
본 발명의 딥러닝 기반 식이운동 추천은 사용자의 기본정보에서 사용자의 기호식품, 사용자가 거부반응을 일으키는 혐오식품 또는 알레르기반응식품을 입력하여 반영하도록 하기 때문에 사용자가 자주 섭취하더라도 쉽게 싫증이 나지 않으며 동시에 섭취하기 곤란한 식품을 가급적 배제하는 것이 가능하게 된다.
도 1은 본 발명에 따른 플랫폼 전개 개념도
도 2는 본 발명에 따른 기본정보 입력창의 실시 예시도
도 3는 본 발명에 따른 딥러닝 알고리즘 개발단계에 대한 순서도
도 4은 소변검사지 변화에 따른 질병진단표
도 5는 서비스 상황에 따른 딥러닝 흐름도
도 6는 본 발명에 따른 식이요법 추천 개념도
도 7는 본 발명에 따른 운동요법 추천 개념도
도 8은 본 발명에 부가된 챗봇 시스템에 대한 개념도
도 2는 본 발명에 따른 기본정보 입력창의 실시 예시도
도 3는 본 발명에 따른 딥러닝 알고리즘 개발단계에 대한 순서도
도 4은 소변검사지 변화에 따른 질병진단표
도 5는 서비스 상황에 따른 딥러닝 흐름도
도 6는 본 발명에 따른 식이요법 추천 개념도
도 7는 본 발명에 따른 운동요법 추천 개념도
도 8은 본 발명에 부가된 챗봇 시스템에 대한 개념도
이하, 본 발명의 다양한 실시 예들 중 실질적인 구현성이 높으며, 산업적 이용 가능성이 높은 일 실시예에 따른 딥러닝 기술을 이용한 능동형 맞춤 식이요법 및 운동요법 추천서비슬 제공하는 플랫폼을 설명한다.
본원 발명의 헬스케어 서비스 플랫폼은 다음과 같은 구성을 포함한다.
본 발명의 헬스케어 서비스 플랫폼은,
소변검사지로부터 사용자의 건강데이터를 측정하는 소변분석단말기를 포함하는 체외진단기; 사용자의 기본정보가 입력되는 개인단말기; 상기 기본정보 외에도 상기 소변분석단말기로부터 측정된 소변검사결과 데이터를 수신받아 저장하는 소변검사데이터 DB와, 장기질환과 식이요법과의 상관관계에 대한 정보가 저장된 식이종류 DB와 장기질환과 운동요법과의 상관관계에 대한 정보가 저장된 운동종류 DB를 포함하는 DB서버; 및 상기 사용자 기본정보 DB, 소변검사데이터 DB, 식이종류 DB와 운동종류 DB를 바탕으로 사용자에게 맞춤형 식이요법 및 운동요법을 추천하는 딥러닝 알고리즘을 구비한 추천서버;를 포함한다.
상기 개인단말기를 통해서는 사용자의 기본정보가 입력된다. 상기 입력창은 도 2와 같은 형태일 수 있다. 즉, 사용자 개인마다 식이스타일 또는 운동스타일에서 차이가 있을 밖에 없으므로 이를 반영하여 딥러닝 알고리즘이 식이용법 및 운동요법을 추천하도록 한다.
특히 사용자의 기호식품과 알레르기를 일으키는 것과 같은 또는 손이 잘 가지 않는 혐오식품이 있다면 이를 반영하도록 하는 것이 추천서비스의 성패를 가르게 된다. 아무리 좋은 음식과 운동을 추천하더라도 사용자가 이를 받아드릴수 없다면 이는 바람직한 추천서비스라고 할 수 없다.
상기 체외진단기는 소변분석기 외에 체지방체중계를 포함할 수 있다. 소변분석기에 사용되는 소변검사지는 10가지의 화학시트지로 구성되며, 도 3에서 보는 바와 같이 실체 내 질병이 발생할 경우 소변내의 성분에 따라서 화학반응으로 색상변화를 확인할 수 있다. 이를 통해서 진단 가능한 질병은 12가지이며, 이와 관련된 장기는 간, 심장, 신장, 방광이고, 당뇨는 특정한 장기와 연관성이 없다.
상기 소변분석기는 백혈구, 아질산염, 단백질, 산성도, 포도당, 케톤체, 우로빌리노겐, 빌리루빈, 잠혈 등의 요화학반응을 측정할 수 있다. 이러한 요화학반응을 통해서 사용자가 가지고 있을 수 있는 질병을 진단하는 것이 가능하게 되고, 이를 반영하여 식이 및 운동을 추천할 수 있다.
한편, 상기 체지방체중계는 체중, 골격근량, 체지방량, BMI, 체지방률을 측정하고 일정 시간간격으로 측정함으로써 신체 피지컬의 변화를 반영하여 식이 및 운동종류 및 운동량을 추천할 수 있게 된다.
이와 같이 사용자는 자신의 소변을 체취한 후에 소변분석기와 체지방체중계를 이용하여 자신의 신체상태에 대한 분석을 시도한다. 체외진단기는 소변분석기를 필수적으로 하고, 그외에 체지방체중계를 보조적으로 활용하는 것이 바람직하다. 상기 소변분석기와 체지방체중계을 통해서 분석된 각각의 항목에 대한 분석결과는 스마트단말기의 어플을 통해서 자동 또는 수동으로 입력되는 것으로, 상기 소변분석기와 체지방체중계는 블루투스를 통해서 스마트단말기와 통신되는 것이 바람직하다. 따라서 상기 체외진단기를 통해서 분석된 신체상태에 대한 데이터는 자동적으로 스마트단말기로 입력되고, 스마트단말기의 어플을 통해서 외부의 헬스케어 추천서버(이하 '추천서버'라 한다)로 전송된다.
상기 추천서버는 외부에서 수신된 각종 데이터, 즉 기본정보 및 소변분석데이터를 기반으로 식이종류 DB, 운동종류 DB를 참조하여 사용자에게 바람직한 음식종류 및 음식량, 운동종류 및 운동량을 추천하게 된다.
상기 기초정보 DB는 성별, 신장, 체중, 체지방율, 근육량과 같이 체지방측정기에 의해서 측정된 피지컬데이터와 소변분석기에 의해서 측정된 소변데이터를 저장한다. 또한 상기 DB서버는 식이요법에 대한 DB, 즉 음식 및 질병과의 관계에 대한 식이종류 DB를 포함하게 되므로, 상기 추천서버는 사용자의 질환에 적합한 식이요업을 추천할 수 있게 된다. 또한 상기 DB서버는 운동요법에 대한 DB, 즉 운동종류 DB를 포함한다. 이를 통해서 소변데이터와 피지컬데이터를 통해서 검출된 사용자의 신체의 허약함 또는 장기질환을 인식하고 사용자에게 적합한 식이요법 및 운동요법을 추천할 수 있게 된다.
구체적으로 상기 DB 서버는,
운동종류 DB는 각 운동의 종류와 운동량에 따른 에너지 소모량 및 질환과의 상관관계에 대한 정보를 포함하며 장기(臟器)질환과 관련된 각 신체부위별 운동의 종류를 추천할 수 있다. 또한 식이종류 DB는 각 식품 및 조리된 음식에 따른 칼로리 및 영양정보를 포함하고, 장기질환에 영향을 미치는 식품 및 요리의 종류 및 조리방법, 섭취방법에 대한 정보를 포함하며 이에 의해서 장기(臟器)질환과 관련된 식재료의 선택 및 조리방법에 대한 정보, 그리고 섭취방법에 대한 정보를 추천할 수 있게 된다.
상기 음식종류 DB가 사용자에게 음식 재료만을 제공할 경우 제공된 식단대로 식사를 하지 않을 가능성 높고 동일한 재료를 활용하더라도 전혀 다른 음식을 조리하는 것이 가능하기 때문에 서비스 제공시 실천율을 높이기 위해 음식 재료가 아닌 식단과 요리 재료, 조리방법 및 섭취방법에 대해서 구체적으로 추천하는 서비스를 제공한다. 즉, 두부100g, 감자50g, 돼지고기80g, 꽁치70g, 김치100g 를 섭취하도록 추천하는 것이 아니라, 바람직하게는 두부100g, 돼지고기80g이 포함된 김치찌개, 꽁치70g와 김치100g가 포함된 꽁치김치찌게를 추천한다.
한편 상기 추천서버는,
사용자 단말기를 통해서 사용자의 성별, 나이, 신장과 같은 기본정보를 저장하는 기본정보 저장모듈; 소변검사기를 통해 분석된 소변검사데이터를 수신하고 저장하는 소변검사데이터 획득모듈; 입력되는 식이요법 및 운동요법의 실시량이 저장되는 실시량저장모듈;를 포함하며,
상기 딥러닝 알고리즘은, 상기 기본정보 DB, 소변검사데이터 DB와 사용자의 식이요법 및 운동요법 실시량을 반영하고, 식이종류 DB, 운동종류 DB를 기초로 상기 딥러닝 처리를 통하여 사용자에게 새로운 맞춤형 식이요법 및 운동요법을 추천하는 식이추천모듈과 운동추천모듈;를 각각 포함한다.
바람직하게는 사용자의 체중 및 체지방율, 그리고 BMI 등을 분석하는 체지방체중계를 통해서 수신되는 체지방데이터 획득모듈를 더 구비하도록 한다.
본 발명은 딥러닝 알고리즘의 정확도를 향상시키기 위하여 4가지의 딥러닝 고도화기법을 구현하는 단계는 아래와 같다.
첫째, Sigmoid 함수를 적용한다. 통상 Cost 함수는 선형회귀분석시 일부분에서 계단 함수가 생성되어 미분이 불가능한 경우 딥러닝 정확도가 하락하지만, Sigmoid 함수는 미분이 불가능한 지점이 계산함수를 미분이 가능하도록 곡선화 해준다. (P1)
둘째, Weight, Bias 값을 정의시 값이 현저하게 작아지는 현상인 Vanishing gradient 현상이 발생하게 되므로, 이러한 현상을 방지하기 위해서 ReLU 함수 기반으로 딥러닝 적용한다. (P2)
셋째, ReLU 함수 적용시 발생하는 Cost함수의 변형 문제를 해결하기 위해서 가중치 초기화를 적용한다. (P3)
넷째, Hidden Layer에서 복수개의 Hidden Layer를 사용할 경우 과도한 학습으로 Cost함수가 불안정해지므로, 불안정한 Cost함수를 안정화시키기 위해서 Dropout를 적용하여 과도한 학습을 방지한다. (P4)
운동요법에서는 근력운동의 운동 스케줄을 추천하기 위해선 사용자의 기초적인 근력의 값을 이용해야 하는데 기초근력은 RM(Repetition Maximum, 최대근력)을 사용한다. 하지만 RM을 직접 측정하는 것이 어렵고 위험할 수도 있어 간접 추정식을 사용하기로 하고, 1RM을 간접적으로 도출하기 위한 추정식은 다음과 같다.
(상기 w는 개인 운동시 사용해오던 기구의 중량이며,
상기 r은 개인 운동시 실천했던 반복 회수이다)
예측 모델을 생성하기 위해서 훈련데이터를 DNN 알고리즘의 입력 후 모델링한다. 훈련 후 생성된 예측모델은 서비스시 DNN 알고리즘에 의해서 보다 빠르게 결과를 도출할 수 있으며, 예측 모델의 도출된 RM은 사용자에게 운동 스케줄을 위해 활용되며 6개의 RM의 평균치를 최종결과 값으로 이용한다.
구체적으로, 입력되는 데이터는 사용자 기초 설명항목 중 사용자 기본정보 5개(성별, 나이, 신장, 체중, 임신여부)와 활동량을 포함해서 총 6개이다. 그리고 예측모델은 훈련데이터를 통해 구축된 모델이며, 데이터를 입력시 정의된 Weight, Bias 값을 활용하여 처리후 결과를 도출한다. 예측모델의 은닉층(Hidden Layer)의 갯수는 구성될 장비스펙, 서비스제공시간, 정확도를 고려하여 결정한다.
도 2는 본 발명에 따른 헬스케어 서비스 플랫폼의 설계 과정을 도시한 것이다.
- 텐서프롤우(tensorflow) 플랫폼을 이용하여 기초 플랫폼을 형성한다.
상기 텐서플로우는 머신러닝을 위한 엔드 투 엔드 오픈소스 플랫폼이다. 도구, 라이브러리, 커뮤니티 리소스로 구성된 포괄적이고 유연한 생태계를 통해 ML(Machine Learing)에서 첨단 기술을 구현할 수 있고 개발자들은 ML이 접목된 애플리케이션을 손쉽게 빌드 및 배포할 수 있게 된다.
그 다음, 딥러닝 모델에 사용될 파라미터를 정의한다.
- 딥러닝 모델의 입력변수와 레이어의 수, 각 레이어의 웨이트, 바이어스 값을 초기화한다.
- 딥러닝모델에 사용할 코스트함수와 최적화 방법을 정의한다.
- 상기에서 정의된 내용을 기반으로 모델을 학습시킨다.
- 학습된 모델로 테스트를 수행하고 모델의 정확도를 평가한다.
- 새로운 데이터로 학습된 모델에 적용하고 검증한다.
본 발명은 상기의 딥러닝기반 헬스케어 서비스 플랫폼을 이용한 헬스케어 추천방법에 대한 것으로서,
사용자의 성별, 신장, 체중 등 기초정보를 사용자 단말기를 통해서 입력하는 단계;(S1)
사용자의 소변를 분석하는 소변검사기를 통해 소변검사결과 데이터를 획득하는 소변검사단계;(S2)
상기 딥러닝 처리를 통하여 사용자 맞춤형 식이요법 및 운동요법을 추천하는 단계;(S3)
상기 추천 식이요법 및 운동요법의 실시여부를 개별적으로 입력하는 단계;(S4)
소변검사기를 통해서 사용자의 소변을 다시 측정하여 소변검사결과 데이터를 다시 획득하는 단계;(S5)
상기 추천 식이요법 및 운동요법의 실시 여부에 따른 소변검사결과 데이터 변화를 분석하는 단계;(S6)
상기 식이요법 및 운동요법의 실시 단계와 소변검사결과 데이터 변화사이의 상관관계를 딥러닝 처리하여 식이요법 및 운동요법을 다시 추천하는 단계;(S7)를 포함한다.
<실시예1>
당뇨환자의 사용자분류 및 이에 따른 식이요법 운동요법 추천 실시예
| 구성 | 성별 | 나이 | 특징 |
| 청장년 | 남여 | 20~64 | 영양균형이 바로 잡혀 있으며, 식사량을 일정하게 유지 |
| 노인 | 남여 | 65이상 | 근육 노화현상으로 저지방, 고단백 섭취로 근육 노화현상억제 |
| 임산부 | 여 | - | 고지방, 고단백, 높은 철분 섭취필요 및 풍부한 채소섭취 |
<사용자 분류>
나이를 분류하는 것은 사용자의 나이에 따른 섭취필요 영양구성이 변화하고 정확한 영양섭취 정보를 제공하기 위한 것이며, 여성의 임신여부를 확인하는 것은 산모와 태아의 정확한 영양섭취에 대한 정보를 제공하기 위한 것이다.
소변분석기에 의해서 요화학반응 결과를 확인함으로써, 요분석을 통해서 질병을 확인하는 것이 가능하고, 질환자를 분류하여 질환에 맞는 식이종류DB를 확인하여 사용자에게 맞는 음식 종류 및 섭취방법에 대한 정보를 제공한다.
| 구성 | 성별 | 나이 | 특징 |
| 청장년 | 남여 | 20-64 | 신체가 건강하며 근육량을 유지하고 증가시키는 것이 중요 |
| 노인 | 남여 | 65이상 | 근육이 노화되는 현상이 발생하는 것을 방지하고 근육량 유지중요 |
| 임산부 | 여 | - | 무리한 운동보다 적당량의 운동을 실시하는 것이 중요 |
<사용자 분류>
나이를 분류하는 것은 사용자의 나이에 따른 운동스케줄을 변화시켜서 안정한 운동스케줄 정보를 제공하기 위함이다.
체지방체중계를 이용하여 비만을 확인하고 분류하는 것이 가능하다. 비만을 분류하는 것은 체중감소 또한 목표로 하며 건강한 생활을 유지하도록 하기 위함이다.
사용자의 성별, 나이, 임신여부, 비만여부에 따라서 운동기구, 운동중량, 반복 횟수 등을 결정한다. 기구에 대한 운동 중량과 반복횟수는 비만환자의 경우 도출된 RM을 통해 운동 유형을 나눌 수 있으며 무게와 반복 횟수를 적용 가능하다.
| 구성 | RM 비율 | 반복횟수 | 세트 | 휴식시간 |
| 근력증가 | 85% | 6회미만 | 2~6 | 120~300초 |
| 근비대 향상 | 67-85% | 6~12회 | 3~6 | 30~90초 |
| 근지구력 강화 | 67% | 12회이상 | 2~3 | 30초 |
본 발명은 체외진단기를 활용하여 각 개인에게 최적화된 식이요법 및 운동요법에 대한 추천을 제공함으로써, 꾸준하게 식단을 관리하고 운동을 지속하여 장기질환에 대해서 극복할 수 있도록 돕는 것이다. 특히, 어렵지 않은 방법으로 측정이 가능한 소변분석기 및 체지방체중계를 이용하여 쉬운 사용법과 비교적 빠르고 정확한 건강진단 정보를 제공하고, 이를 바탕으로 딥러닝 알고리즘을 이용하여 개인별 차이를 최대한 반영한 식이요법 및 운동요법을 추천하는 것이 가능하게 된다.
본원 발명의 알고리즘은 사용자의 활동정보를 딥러닝 트레이닝 데이터로 반영하는 것을 특징으로 한다. 즉, 사용자가 소정기간동안 섭취한 식이정보, 사용자가 소정기간동안 수행한 운동의 종류 및 운동량 정보, 그리고 이로 인해서 나타나는 소변데이터를 반영한다. 성별은 변화되지 않지만, 기타 신체정보도 소량씩 변화된다. 신장, 체중도 변화되며 더 나아가 체지방율, 근육량 등도 함께 변화된다. 이를 구체적으로 반영하도록 한다.
본원 발명에 있어서 사용자피드백은 행동기반의 동적데이터, 횟수, 중량, 운동 스케줄 등을 반영하되, 이러한 운동의 종류 및 운동량에 대해서 어느 정도의 고통이 뒤따르는지에 대해서도 피드백을 수행한다. 운동이 쉬운정도인지 보통인지, 어려운 정도인지를 운동을 수행하면서 입력을 하도록 한다. 이를 기초로 본 발명의 딥러닝 알고리즘은 운동방법, 운동횟수, 중량, 스케줄을 조정하여 재추천한다.
바람직하게 본원 발명의 운동 또는 이식방법에 대한 추천은 챗봇을 통해서 이루어지도록 한다. 챗봇은 사용자와 대화방식에 의해서 사용자에게 현재 컨디션 및 사용자의 의지에 대해서 묻고 이를 반영한 운동 및 이식방식을 추천하게 된다.
본 발명의 헬스케어 플랫폼은 도 8에 도시된 바와 같은 사용자가 용이하게 접근하고 사용할 수 있도록 챗봇 서비를 제공하도록 한다.
챗봇(ChatBot)은 사람과의 문자 대화를 통해 질문에 알맞은 답이나 각종 연관 정보를 제공하는 ‘인공지능(AI) 기반의 커뮤니케이션 소프트웨어’챗봇은 텍스트 기반의 메신저를 활용할 수 있어 대중화가 쉽고, 사용자의 상황을 기반으로 자연스러운 개입이 가능하며, 양방향의 상호작용과 개인화를 통해 원하는 목적을 직접 처리 가능 챗봇 NLP(Natural Language Processing)는 사용자의 자연어 입력을 받아 의도를 파악하고 문장 내에서 Entity를 추출하는 챗봇의 주요 기술 NLP 처리 순서는 사용자가 자연어를 입력하면 AI 챗봇은 문장 전체에서 사용자의 의도를 파악하여 의도를 이해하고 문장 내에서 사용된 단어 중 사전에 정의된 개체명과 매칭되는 개체명을 추출함으로써 문장 전체에서 사용자의 의도를 파악하여 답변할 수 있게된다.
즉, 딥러닝 분석 서비스 제공서버에서 전달받은 사용자 맞춤형 식단 및 운동방법을 사용자에게 채팅으로 전달하고, 아침, 점심, 저녁 하루 식단의 내용을 음식 종류, 양, 총 칼로리, 섭취시 주의점 등의 정보를 채팅으로 전달하면, 사용자는 운동 스케줄을 확인하고 실시간으로 운동을 하며 세트가 진행 될 때마다 소모 칼로리를 확인하고, 운동 시 AI 챗봇이 알려주는 운동방법 이미지 및 동영상을 통해 단계별로 세부 운동방법을 확인할 수 있게 된다.
Claims (6)
- 소변검사지로부터 사용자의 건강데이터를 측정하는 소변분석단말기;
사용자의 기본정보, 상기 소변분석단말기에서 측정된 소변검사데이터, 사용자의 식사내용 및 운동내용이 입력되는 개인단말기;
상기 개인단말기로부터 입력되는 사용자의 기본정보 DB, 상기 소변분석단말기로부터 측정된 소변검사결과 데이터를 수신받아 저장하는 소변검사데이터 DB, 장기질환과 식이요법과의 상관관계에 대한 정보가 저장된 식이종류 DB와 장기질환과 운동요법과의 상관관계에 대한 정보가 저장된 운동종류 DB를 포함하는 DB서버; 및
상기 사용자 기본정보 DB, 소변검사데이터 DB, 식이 DB와 운동DB를 바탕으로 사용자에게 맞춤형 식이요법 및 운동요법을 추천하는 딥러닝 알고리즘을 구비한 추천서버;를 포함하되,
상기 개인단말기에 입력되는 사용자의 기본정보는 사용자의 기호식품, 사용자가 거부반응을 일으키는 혐오식품 또는 알레르기반응식품을 입력하도록 하여, 상기 추천서버가 사용자에게 추천하는 음식 및 운동의 종류는 사용자의 기호식품과 혐오식품에 대한 정보가 반영되어 추천되는 것이며,
상기 DB서버는,
사용자 단말기를 통해서 사용자의 성별, 신장, 체중에 관한 기본정보를 수신하고 저장하는 기본정보 저장모듈;
사용자의 소변을 분석하는 소변검사기를 통해 소변검사데이터를 수신하고 저장하는 소변검사데이터 획득모듈;
사용자의 식이 및 운동의 실시량을 개별적으로 입력하는 실시량저장모듈;를 포함하여,
상기 개인단말기를 통해서 입력된 사용자의 식사종류와 식사량을 저장하는 식이량 DB 및 상기 개인단말기를 통해서 입력된 사용자의 운동종류 및 운동량을 저장하는 운동량 DB를 더 포함하고,
상기 추천서버는 사용자의 운동종류 및 운동량, 그리고 사용자의 식이종류 및 섭취량을 참조하여 사용자에게 새로운 식이요법 및 운동요법을 추천하되,
상기 추천서버는,
상기 사용자의 기본정보 DB, 소변검사데이터 DB, 식이 DB와 운동 DB를 기초로 상기 딥러닝 처리를 통하여 사용자 맞춤형 식이요법 및 운동요법을 추천하는 추천모듈; 를 포함하고,
상기 딥러닝 알고리즘은,
- 미분이 불가능한 지점이 계산함수를 미분이 가능하도록 곡선화하는 단계(P1)
- 가중치(Weight)와 바이어스(Bias) 값을 정의시 값이 현저하게 작아지는 현상인 Vanishing gradient 현상이 발생하는 것을 방지하기 위해서 ReLU 함수 기반으로 딥러닝을 적용하는 단계(P2)
- ReLU 함수 적용시 발생하는 Cost함수의 변형 문제를 해결하기 위해서 가중치 초기화하는 단계(P3)
- 히든레이어(Hidden Layer)에서 복수개의 히든레이어(Hidden Layer)를 사용할 경우 과도한 학습으로 Cost함수가 불안정해지므로, 불안정한 Cost함수를 안정화시키기 위해서 Dropout를 적용하여 과도한 학습을 방지하는 단계 (P4)로 이루어지는 것을 특징으로 하는 체외진단기를 이용한 딥러닝기반 헬스케어 서비스 플랫폼.
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항의 딥러닝기반 헬스케어 서비스 플랫폼을 이용한 헬스케어 추천방법에 있어서,
사용자의 성별, 신장, 체중 등 기본정보를 사용자 단말기를 통해서 입력하는 단계;
사용자의 소변를 분석하는 소변검사기를 통해 소변검사결과 데이터를 획득하는 소변검사단계;
상기 딥러닝 처리를 통하여 사용자 맞춤형 식이요법 및 운동요법을 추천하는 단계;
상기 추천 식이요법 및 운동요법의 실시여부를 개별적으로 입력하는 단계;
소변검사기를 통해서 사용자의 소변을 다시 측정하여 소변검사결과 데이터를 다시 획득하는 단계;
상기 추천 식이요법 및 운동요법의 실시 여부에 따른 소변검사결과 데이터 변화를 분석하는 단계;
상기 식이요법 및 운동요법의 실시 단계와 소변검사결과 데이터 변화사이의 상관관계를 딥러닝 처리하여 식이요법 및 운동요법을 다시 추천하는 단계;를 포함하는 체외진단기를 이용한 딥러닝기반 헬스케어 추천방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210065302A KR102546256B1 (ko) | 2021-05-21 | 2021-05-21 | 체외진단기를 이용한 딥러닝 헬스케어 서비스 플랫폼 및 이를 이용한 헬스케어 추천방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210065302A KR102546256B1 (ko) | 2021-05-21 | 2021-05-21 | 체외진단기를 이용한 딥러닝 헬스케어 서비스 플랫폼 및 이를 이용한 헬스케어 추천방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220158158A KR20220158158A (ko) | 2022-11-30 |
| KR102546256B1 true KR102546256B1 (ko) | 2023-06-22 |
Family
ID=84234469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210065302A KR102546256B1 (ko) | 2021-05-21 | 2021-05-21 | 체외진단기를 이용한 딥러닝 헬스케어 서비스 플랫폼 및 이를 이용한 헬스케어 추천방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102546256B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117457208B (zh) * | 2023-11-03 | 2024-04-23 | 青岛众精普汇医学科技有限公司 | 一种基于数据分析的尿液数字健康管理系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020517019A (ja) * | 2017-04-13 | 2020-06-11 | インテュイティ メディカル インコーポレイテッド | 分析物および患者データを使用して慢性疾病を管理するためのシステムおよび方法 |
| KR102173553B1 (ko) * | 2019-09-26 | 2020-11-03 | 주식회사 베니페 | 딥러닝 기술을 이용한 능동형 맞춤 운동시스템 |
| KR102188766B1 (ko) * | 2020-03-09 | 2020-12-11 | 주식회사 글로벌비즈텍 | 인공지능 기반의 헬스케어 서비스 제공장치 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019116679A1 (ja) * | 2017-12-13 | 2019-06-20 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| KR102229614B1 (ko) * | 2019-01-24 | 2021-03-18 | 계명대학교 산학협력단 | 휴대용 자동 소변분석기 시스템 및 그 이용방법 |
| KR102278104B1 (ko) | 2019-08-22 | 2021-07-15 | 호스트웨이아이디씨(주) | 운동 추천 시스템 |
-
2021
- 2021-05-21 KR KR1020210065302A patent/KR102546256B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020517019A (ja) * | 2017-04-13 | 2020-06-11 | インテュイティ メディカル インコーポレイテッド | 分析物および患者データを使用して慢性疾病を管理するためのシステムおよび方法 |
| KR102173553B1 (ko) * | 2019-09-26 | 2020-11-03 | 주식회사 베니페 | 딥러닝 기술을 이용한 능동형 맞춤 운동시스템 |
| KR102188766B1 (ko) * | 2020-03-09 | 2020-12-11 | 주식회사 글로벌비즈텍 | 인공지능 기반의 헬스케어 서비스 제공장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220158158A (ko) | 2022-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Trends in consumption of ultraprocessed foods among US youths aged 2-19 years, 1999-2018 | |
| Conner et al. | The theory of planned behavior and healthy eating. | |
| EP3488369B1 (en) | Determining an optimal wellness regime | |
| Schmidt et al. | Fast-food intake and diet quality in black and white girls: the National Heart, Lung, and Blood Institute Growth and Health Study | |
| Hoyt et al. | “Obesity is a disease” examining the self-regulatory impact of this public-health message | |
| Wood et al. | Using revealed mate preferences to evaluate market force and differential preference explanations for mate selection. | |
| US20140052722A1 (en) | Optimization-based regimen method and system for personalized diabetes and diet management | |
| CN111902878A (zh) | 用于食品分析、个性化推荐和健康管理的系统和方法 | |
| US20200227156A1 (en) | System and methods for calculating, displaying, modifying, and using single dietary intake score reflective of optimal quantity and quality of consumables | |
| Darling et al. | Does social support buffer the association between stress eating and weight gain during the transition to college? Differences by gender | |
| Omondi et al. | Predicting dietary practice behavior among type 2 diabetics using the theory of planned behavior and mixed methods design | |
| Kilpela et al. | Body image in older women: a mediator of BMI and wellness behaviors | |
| KR102546256B1 (ko) | 체외진단기를 이용한 딥러닝 헬스케어 서비스 플랫폼 및 이를 이용한 헬스케어 추천방법 | |
| Amorim et al. | Competences for self-care and self-control in diabetes mellitus type 2 in primary health care | |
| Lee et al. | Intelligent ontological agent for diabetic food recommendation | |
| KR20200049438A (ko) | 식단케어 서비스 방법 | |
| Sun et al. | An AI dietitian for type 2 diabetes mellitus management based on large language and image recognition models: preclinical concept validation study | |
| Macknin et al. | Three healthy eating patterns and cardiovascular disease risk markers in 9 to 18 year olds with body mass index> 95%: a randomized trial | |
| Abbasian et al. | Knowledge-Infused LLM-Powered Conversational Health Agent: A Case Study for Diabetes Patients | |
| Amiri et al. | Personalized Flexible Meal Planning for Individuals With Diet-Related Health Concerns: System Design and Feasibility Validation Study | |
| Li et al. | Overeating and overweight: extra calories increase fat mass while protein increases lean mass | |
| Meule | Interactive effects between flexible and rigid control of eating behavior on body weight: a moderated serial multiple mediation model | |
| Kearney et al. | Influences on older women’s adherence to a low-fat diet in the Women’s Health Initiative | |
| Roy et al. | OBESEYE: Interpretable Diet Recommender for Obesity Management using Machine Learning and Explainable AI | |
| Al-Dhuhli et al. | Developing a nutrition and diet expert system prototype |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |