KR102548357B1 - Remote health management system for using artificial intelligence based on lifelog data - Google Patents

Remote health management system for using artificial intelligence based on lifelog data Download PDF

Info

Publication number
KR102548357B1
KR102548357B1 KR1020200114303A KR20200114303A KR102548357B1 KR 102548357 B1 KR102548357 B1 KR 102548357B1 KR 1020200114303 A KR1020200114303 A KR 1020200114303A KR 20200114303 A KR20200114303 A KR 20200114303A KR 102548357 B1 KR102548357 B1 KR 102548357B1
Authority
KR
South Korea
Prior art keywords
information
user
user terminal
sleep
lifelog data
Prior art date
Application number
KR1020200114303A
Other languages
Korean (ko)
Other versions
KR20220032678A (en
Inventor
정해권
Original Assignee
스왈라비(주)
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 스왈라비(주) filed Critical 스왈라비(주)
Priority to KR1020200114303A priority Critical patent/KR102548357B1/en
Publication of KR20220032678A publication Critical patent/KR20220032678A/en
Application granted granted Critical
Publication of KR102548357B1 publication Critical patent/KR102548357B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
    • G08B21/0211—Combination with medical sensor, e.g. for measuring heart rate, temperature
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Abstract

인공지능을 이용한 원격 건강 관리 시스템으로서, 사용자로부터 라이프로그 데이터를 수집하는 사용자 단말, 그리고 상기 라이프로그 데이터를 분석하여 상기 사용자의 생활패턴 정보를 생성하고, 상기 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 제공하는 서버를 포함하고, 상기 서버는, 상기 사용자 단말로부터 상기 라이프로그 데이터를 수신하는 데이터 수집부, 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 상기 라이프로그 데이터를 입력 변수로 하는 기계 학습 모델을 이용하여, 상기 사용자의 생활패턴 정보를 생성하는 인공지능 분석부, 및 상기 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 상기 사용자 단말에게 전송하는 콘텐츠 제공부를 포함하는 원격 건강 관리 시스템이 제공된다.A remote health management system using artificial intelligence, comprising: a user terminal that collects lifelog data from a user; analyzes the lifelog data to generate lifestyle pattern information of the user; and health management corresponding to the user's lifestyle pattern information. It includes a server that provides content, wherein the server performs machine learning based on a data collection unit that receives the lifelog data from the user terminal, previously input learning data, and uses the lifelog data as an input variable. remote health management including an artificial intelligence analysis unit generating lifestyle pattern information of the user using a machine learning model that uses a machine learning model and a content providing unit transmitting health management contents corresponding to the user's lifestyle pattern information to the user terminal. system is provided.

Figure 112020094830617-pat00001
Figure 112020094830617-pat00001

Description

라이프로그 데이터 기반 인공지능을 이용한 원격 건강 관리 시스템{REMOTE HEALTH MANAGEMENT SYSTEM FOR USING ARTIFICIAL INTELLIGENCE BASED ON LIFELOG DATA}Remote health management system using artificial intelligence based on lifelog data {REMOTE HEALTH MANAGEMENT SYSTEM FOR USING ARTIFICIAL INTELLIGENCE BASED ON LIFELOG DATA}

본 발명은 원격 건강 관리 시스템에 관한 것으로, 특히 라이프로그 데이터 기반 인공지능 이용한 원격 건강 관리 시스템에 관한 것이다.The present invention relates to a remote health management system, and more particularly, to a remote health management system using artificial intelligence based on lifelog data.

각종 첨단 정보통신 기술을 이용하여 시간 공간 제약없이 언제 어디서나 건강 관리를 받을 수 있는 디지털 헬스케어에 대한 관심이 증대되고 있다.Interest in digital healthcare, which can receive health care anytime, anywhere using various advanced information and communication technologies, is increasing.

국내 뿐만 아니라 미국, 유럽, 일본 등 세계 각국은 정부 차원에서 디지털 헬스케어 산업 육성책을 추진하고 있다.In addition to Korea, countries around the world, including the United States, Europe, and Japan, are promoting digital healthcare industry fostering policies at the government level.

종래에는 사용자가 건강 상황을 체크하기 위해 직접 병원을 방문하여 검진을 받거나, 질병 치료를 위해 방문하여 검진을 받는 경우에만 사용자 본인의 건강 상태를 확인할 수 있었다. 이로 인해, 실시간 건강 관리가 어려운 문제점이 있었다.In the related art, the user's own health condition could be checked only when the user directly visited a hospital to check his/her health condition and received a checkup, or when the user visited the hospital to receive a checkup to treat a disease. For this reason, real-time health management is difficult.

직장 생활을 하는 사회인은 바쁜 사회생활로 인하여 건강관리에 대해서 신경을 쓰지 못하고 있으며, 이로 인해 사회인은 성인 질병에 노출되어 있는 상황이다.Working people do not pay attention to health care due to busy social life, and because of this, they are exposed to adult diseases.

종래에는 다이어트 및 식단 관리, 운동 보조 관련 솔루션이 있었으나, 사용자의 식단을 일일이 기입하거나 건강 정보를 수시로 입력하는 등 불편한 정보 수집 방법으로 인해 사용자의 꾸준한 사용이 어려운 문제점이 있었다.Conventionally, there have been solutions related to diet, diet management, and exercise assistance, but it is difficult for users to use it consistently due to inconvenient information collection methods, such as entering the user's diet one by one or entering health information from time to time.

이에 따라, 사용자의 라이프로그를 이용하여 시간 공간 제약없이 언제 어디서나 사용자의 건강 상태를 실시간 모니터링할 수 있는 기술이 요구된다.Accordingly, there is a need for a technology capable of real-time monitoring of a user's health condition anytime, anywhere using the user's lifelog without time and space limitations.

KRKR 101720268101720268 B1(2017.03.21)B1(2017.03.21)

본 발명이 이루고자 하는 기술적 과제는 사용자의 라이프로그를 이용하여 시간 공간 제약없이 언제 어디서나 사용자의 건강 상태를 실시간 모니터링하고, 모니터링 결과에 대응하는 관련 콘텐츠를 제공하는 원격 건강 관리 시스템을 제공하는 것이다.A technical problem to be achieved by the present invention is to provide a remote health management system that monitors a user's health condition in real time anytime, anywhere using a user's lifelog and provides related content corresponding to the monitoring result.

한 실시예에 따르면, 라이프로그 데이터 기반 인공지능을 이용한 원격 건강 관리 시스템이 제공된다. 상기 원격 건강 관리 시스템은 사용자로부터 라이프로그 데이터를 수집하는 사용자 단말, 그리고 상기 라이프로그 데이터를 분석하여 상기 사용자의 생활패턴 정보를 생성하고, 상기 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 제공하는 서버를 포함하고, 상기 서버는, 상기 사용자 단말로부터 상기 라이프로그 데이터를 수신하는 데이터 수집부, 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 상기 라이프로그 데이터를 입력 변수로 하는 기계 학습 모델을 이용하여, 상기 사용자의 생활패턴 정보를 생성하는 인공지능 분석부, 및 상기 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 상기 사용자 단말에게 전송하는 콘텐츠 제공부를 포함한다.According to one embodiment, a remote health management system using artificial intelligence based on lifelog data is provided. The remote health management system includes a user terminal that collects lifelog data from a user, analyzes the lifelog data to generate lifestyle pattern information of the user, and provides health management contents corresponding to the user's lifestyle pattern information. A server including a data collection unit that receives the lifelog data from the user terminal, and a machine learning model that performs machine learning based on pre-input learning data and uses the lifelog data as an input variable. An artificial intelligence analyzer for generating life pattern information of the user and a content provider for transmitting health care content corresponding to the user's life pattern information to the user terminal.

상기 라이프로그 데이터는 상기 사용자의 GPS 위치 정보, 심박수 정보, 수면량 정보, 상기 사용자가 앱 또는 웹을 통해 입력한 영양 기록 정보를 포함하고, 상기 생활패턴 정보는 상기 사용자의 이동 경로, 운동량, 수면 패턴 정보를 포함할 수 있다.The lifelog data includes the user's GPS location information, heart rate information, sleep amount information, and nutritional record information input by the user through an app or web, and the life pattern information includes the user's movement route, exercise amount, and sleep pattern. information may be included.

상기 콘텐츠 제공부는, 상기 사용자의 일일 운동량, 주간 운동량, 및 월간 운동량 중 적어도 하나의 운동량이 미리 설정된 기준값 보다 적은 경우, 개인 맞춤형 운동 커리큘럼 정보를 상기 사용자 단말에게 전송할 수 있다.The content providing unit may transmit personalized exercise curriculum information to the user terminal when at least one of the user's daily exercise amount, weekly exercise amount, and monthly exercise amount is less than a preset reference value.

상기 콘텐츠 제공부는, 상기 사용자의 수면 패턴이 미리 저장된 정상 수면 패턴과 다른 경우, 미리 설정된 시간에 취침 알림 및 기상 알림 메시지를 상기 사용자 단말에게 전송할 수 있다.The content provider may transmit a bedtime notification and a wake-up notification message to the user terminal at a preset time when the user's sleep pattern is different from a pre-stored normal sleep pattern.

상기 라이프로그 데이터는 상기 사용자의 혈압 정보, 심박수 정보, 수면량 정보, 상기 사용자가 앱 또는 웹을 통해 입력한 영양 기록 정보, 상기 사용자가 앱 또는 웹을 통해 입력한 건강 정보를 포함하고, 상기 인공지능 분석부는, 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 상기 라이프로그 데이터를 입력 변수로 하는 기계 학습 모델을 이용하여, 상기 사용자의 건강 상태 정보를 생성할 수 있다.The lifelog data includes the user's blood pressure information, heart rate information, sleep amount information, nutrition record information input by the user through an app or web, health information input by the user through an app or web, and the artificial intelligence The analysis unit may perform machine learning based on pre-input learning data and generate health state information of the user by using a machine learning model using the lifelog data as an input variable.

상기 콘텐츠 제공부는, 상기 사용자의 건강 상태 정보에 대응하는 건강 위험 알림 및 대응 가이드 정보를 상기 사용자 단말에게 전송할 수 있다.The content provider may transmit health risk notification and corresponding guide information corresponding to the health state information of the user to the user terminal.

사용자의 라이프로그를 이용하여 시간 공간 제약없이 언제 어디서나 사용자의 건강 상태를 실시간 모니터링하고, 모니터링 결과에 대응하는 관련 콘텐츠를 제공할 수 있다.Using the user's lifelog, the user's health condition can be monitored in real time anytime, anywhere, and related content corresponding to the monitoring result can be provided.

사용자에게 실시간 모니터링 및 최적화된 콘텐츠 제공을 통해 사용자의 질병을 조기에 파악 및 치료할 수 있게 함으로써, 건강관리의 효율성을 높일 수 있다.By providing users with real-time monitoring and optimized content, it is possible to identify and treat the user's disease at an early stage, thereby increasing the efficiency of health management.

업무 현장에서 관리자 내지 책임자는 직원의 건강 상태를 실시간 모니터링할 수 있고, 위급 상황 발생시 신속한 대응이 가능하다.In the workplace, the manager or person in charge can monitor the health status of employees in real time, and can respond quickly in case of an emergency.

도 1은 한 실시예에 따른 원격 건강 관리 시스템의 블록도이다.
도 2 내지 도 5는 한 실시예에 따른 인공지능 분석부의 동작 내용을 설명하기 위한 도면이다.
도 6은 한 실시예에 따른 영역 설정부의 동작 내용을 설명하기 위한 도면이다.
도 7은 한 실시예에 따른 콘텐츠 제공부의 동작 내용을 설명하기 위한 도면이다.
도 8은 한 실시예에 따른 원격 건강 관리 시스템의 블록도이다.
도 9 내지 도 11은 한 실시예에 따른 인공지능 분석부의 동작 내용을 설명하기 위한 도면이다.1 is a block diagram of a remote health management system according to an embodiment.
2 to 5 are diagrams for explaining operation contents of an artificial intelligence analysis unit according to an embodiment.
6 is a diagram for explaining operation details of a region setting unit according to an exemplary embodiment.
7 is a diagram for explaining the contents of operation of a content providing unit according to an exemplary embodiment.
8 is a block diagram of a remote health management system according to an embodiment.
9 to 11 are diagrams for explaining operation contents of an artificial intelligence analysis unit according to an embodiment.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, with reference to the accompanying drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily carry out the present invention. However, the present invention may be embodied in many different forms and is not limited to the embodiments described herein. And in order to clearly explain the present invention in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a certain component is said to "include", it means that it may further include other components without excluding other components unless otherwise stated.

도 1은 한 실시예에 따른 원격 건강 관리 시스템의 블록도이다. 도 2 내지 도 5는 한 실시예에 따른 인공지능 분석부의 동작 내용을 설명하기 위한 도면이다. 도 6은 한 실시예에 따른 영역 설정부를 동작 내용을 설명하기 위한 도면이다. 도 7은 한 실시예에 따른 콘텐츠 제공부의 동작 내용을 설명하기 위한 도면이다. 1 is a block diagram of a remote health management system according to an embodiment. 2 to 5 are diagrams for explaining operation contents of an artificial intelligence analysis unit according to an embodiment. 6 is a diagram for explaining operation contents of a region setting unit according to an exemplary embodiment. 7 is a diagram for explaining the contents of operation of a content providing unit according to an exemplary embodiment.

도 1을 참조하면, 한 실시예에 따른 원격 건강 관리 시스템은 사용자 단말(100), 및 서버(200)를 포함한다.Referring to FIG. 1 , a remote health management system according to an embodiment includes a user terminal 100 and a server 200 .

사용자 단말(100)은 사용자로부터 라이프로그 데이터를 수집한다.The user terminal 100 collects lifelog data from the user.

사용자 단말(100)은 한 실시예로서, 심박수, 수면량, 이동 거리, 소모 칼로리량, GPS 위치 정보를 측정할 수 있는 심박수 센서, 혈압 센서, 가속도 센서, 진동 센서, 압력 센서, GPS 센서를 포함할 수 있다.As an example, the user terminal 100 may include a heart rate sensor, a blood pressure sensor, an acceleration sensor, a vibration sensor, a pressure sensor, and a GPS sensor capable of measuring heart rate, amount of sleep, distance traveled, amount of calories consumed, and GPS location information. can

사용자 단말(100)은 한 실시예로서, 이동 통신 단말기, 데스크톱 컴퓨터, 노트북 컴퓨터, 워크스테이션, 팜톱(palmtop) 컴퓨터, 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 웹 패드 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기, 또는 착용형 웨어러블 기기일 수 있다.The user terminal 100 includes a memory means such as a mobile communication terminal, a desktop computer, a notebook computer, a workstation, a palmtop computer, a personal digital assistant (PDA), a web pad, and the like, as an embodiment. It may be a digital device equipped with a microprocessor and equipped with an arithmetic capability, or a wearable wearable device.

서버(200)는 라이프로그 데이터를 분석하여 사용자의 생활패턴 정보를 생성하고, 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 사용자에게 제공한다.The server 200 analyzes the lifelog data to generate life pattern information of the user, and provides health management contents corresponding to the user's life pattern information to the user.

서버(200)는 한 실시예로서, 데이터 수집부(210), 인공지능 분석부(220), 영역 설정부(230), 콘텐츠 제공부(240)를 포함할 수 있다.As an example, the server 200 may include a data collection unit 210, an artificial intelligence analysis unit 220, a region setting unit 230, and a content providing unit 240.

데이터 수집부(210)는 사용자 단말(100)로부터 라이프로그 데이터를 수신할 수 있다.The data collection unit 210 may receive lifelog data from the user terminal 100 .

라이프로그 데이터는 한 실시예로서, 사용자의 GPS 위치 정보, 심박수 정보, 걸음수 정보, 수면량(수면 시간) 정보, 상기 사용자가 앱 또는 웹을 통해 입력한 영양 기록 정보를 포함할 수 있다.As an example, the lifelog data may include the user's GPS location information, heart rate information, step count information, sleep amount (sleep time) information, and nutrition record information input by the user through an app or the web.

인공지능 분석부(220)는 미리 저장된 알고리즘을 이용하여 라이프로그 학습 데이터를 바탕으로 기계 학습 모델을 생성할 수 있다. 미리 저장된 알고리즘은 한 실시예로서, 머신 러닝(Machine Learning) 학습 알고리즘 또는 딥러닝(Deep Learning) 학습 알고리즘일 수 있다.The artificial intelligence analysis unit 220 may generate a machine learning model based on lifelog learning data using a pre-stored algorithm. As an example, the pre-stored algorithm may be a machine learning algorithm or a deep learning algorithm.

인공지능 분석부(220)는 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 라이프로그 데이터를 입력 변수로 하는 기계 학습 모델을 이용하여, 사용자의 생활패턴 정보를 생성할 수 있다. The artificial intelligence analysis unit 220 may perform machine learning based on pre-input learning data and generate life pattern information of the user by using a machine learning model using lifelog data as an input variable.

생활패턴 정보는 한 실시예로서, 사용자의 이동 경로, 운동량, 수면 패턴 정보, 활동 패턴 정보, 걷기 패턴 정보를 포함할 수 있다.As an example, the life pattern information may include the user's movement path, amount of exercise, sleep pattern information, activity pattern information, and walking pattern information.

도 2를 참조하면, 인공지능 분석부(220)는 사용자 단말(100)로부터 수집한 라이프로그 데이터를 시간대별로 분류할 수 있다.Referring to FIG. 2 , the artificial intelligence analysis unit 220 may classify lifelog data collected from the user terminal 100 by time zone.

도 3을 참조하면, 인공지능 분석부(220)는 한 실시예로서, 사용자 단말(100)로부터 수집한 라이프로그 데이터에서 걸음수 정보를 추출할 수 있다. 인공지능 분석부(220)는 걸음수 정보를 이용하여 요일에 대해서만 계층적 클러스터링을 수행할 수 있다.Referring to FIG. 3 , the artificial intelligence analysis unit 220 may extract step count information from lifelog data collected from the user terminal 100 as an example. The artificial intelligence analysis unit 220 may perform hierarchical clustering only on the day of the week using the number of steps information.

인공지능 분석부(220)는 한 실시예로서, 사용자 단말(100)로부터 수집한 라이프로그 데이터에서 수면량 정보를 추출하고, 미리 저장된 알고리즘을 이용하여 수면량에 따라 수면 부족인지 여부, 수면이 불규칙한지 여부, 기상시간이 불규칙한지 여부, 취침시간이 불규칙한지 여부를 정의하는 학습 모델을 생성할 수 있다. As an embodiment, the artificial intelligence analysis unit 220 extracts sleep amount information from lifelog data collected from the user terminal 100 and uses a pre-stored algorithm to determine whether sleep is insufficient or sleep is irregular according to the amount of sleep. , it is possible to create a learning model that defines whether the wake-up time is irregular and whether the bedtime is irregular.

인공지능 분석부(220)는 생성된 학습 모델을 이용하여, 사용자 단말(100)로부터 수집되는 라이프로그 데이터 중 수면량 정보를 분석하여 수면 패턴 정보(수면 부족인지 여부, 수면이 불규칙한지 여부, 기상시간이 불규칙한지 여부, 취침시간이 불규칙한지 여부에 관한 정보)를 생성할 수 있다.The artificial intelligence analysis unit 220 analyzes sleep amount information among lifelog data collected from the user terminal 100 using the generated learning model to provide sleep pattern information (whether lack of sleep, irregular sleep, wake-up time) information on whether or not the sleeping time is irregular, and whether the bedtime is irregular) may be generated.

도 4를 참조하면, 인공지능 분석부(220)는 한 실시예로서, 기상시간 규칙성 태그 변화, 취침시간 규칙성 태그 변화, 수면 불규칙성 태그 변화를 사용자 단말(100)의 화면 상에 그래프로 표시할 수 있다.Referring to FIG. 4 , the artificial intelligence analysis unit 220 displays a change in a wake-up time regularity tag, a bedtime regularity tag change, and a sleep irregularity tag change on a screen of the user terminal 100 as a graph, as an example. can do.

도 5를 참조하면, 인공지능 분석부(220)는 한 실시예로서, 사용자 단말(100)로부터 수집한 라이프로그 데이터 중 GPS 정보를 추출하고, 미리 저장된 알고리즘을 이용하여 사용자의 GPS 정보와 미리 저장된 지오해시(GeoHash) 정보의 비교를 통해 사용자의 활동 패턴 유형을 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 인공지능 분석부(220)는 추출된 사용자의 GPS 정보가 마트 내지 편의점 지오해시 정보와 일치하는 횟수가 기준 횟수 이상이면, 생활 소비형 유형으로 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 인공지능 분석부(220)는 추출된 사용자의 GPS 정보가 헬스장 또는 야외 운동장 지오해시 정보와 일치하는 횟수가 기준 횟수 이상이면, 운동형 유형으로 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 인공지능 분석부(220)는 추출된 사용자의 GPS 정보가 학교 또는 도서관 지오해시 정보와 일치하는 횟수가 기준 횟수 이상이면, 공부형 유형으로 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 인공지능 분석부(220)는 추출된 사용자의 GPS 정보가 전국 각 지역의 관광지 지오해시 정보와 일치하는 횟수가 기준 횟수 이상이면, 여행형 유형으로 정의하는 학습 모델을 생성할 수 있다. Referring to FIG. 5, as an embodiment, the artificial intelligence analysis unit 220 extracts GPS information from lifelog data collected from the user terminal 100 and uses a pre-stored algorithm to obtain the user's GPS information and pre-stored data. Through the comparison of GeoHash information, it is possible to create a learning model that defines the user's activity pattern type. For example, the artificial intelligence analysis unit 220 may generate a learning model defined as a lifestyle consumption type if the number of times the extracted GPS information of the user matches geohash information of a mart or convenience store is equal to or more than a reference number. . For example, the artificial intelligence analysis unit 220 may generate a learning model defined as an athletic type if the number of times the extracted GPS information of the user matches the geohash information of the gym or outdoor playground is equal to or greater than the reference number. . For example, the artificial intelligence analysis unit 220 may generate a learning model defined as a study type if the number of times the extracted GPS information of the user matches school or library geohash information is equal to or greater than a reference number. For example, the artificial intelligence analysis unit 220 may generate a learning model defined as a travel type if the number of times the extracted GPS information of the user matches geohash information of tourist destinations in each region of the country is equal to or greater than a reference number. there is.

인공지능 분석부(220)는 생성된 학습 모델을 이용하여, 사용자 단말(100)로부터 수집되는 라이프로그 데이터 중 GPS 정보를 분석하여 활동 패턴 정보(생활 소비형 유형, 운동형 유형, 공부형 유형, 여행형 유형에 관한 정보)를 생성할 수 있다.The artificial intelligence analysis unit 220 analyzes GPS information among the lifelog data collected from the user terminal 100 using the generated learning model to provide activity pattern information (life consumption type, exercise type, study type, Information on travel type) can be created.

도 6을 참조하면, 영역 설정부(230)는 미리 저장된 지도 상의 특정 구역을 복수의 구역으로 구획하여 설정할 수 있다. 한 실시예로서, 영역 설정부(230)는 미리 저장된 지도 상의 특정 구역을 복수의 산책 구역으로 구획하여 설정할 수 있다.Referring to FIG. 6 , the region setting unit 230 may divide and set a specific region on a pre-stored map into a plurality of regions. As an embodiment, the area setting unit 230 may divide and set a specific area on a pre-stored map into a plurality of walking areas.

한 실시예로서, 영역 설정부(230)는 미리 저장된 지도 상의 특정 구역을 복수의 챌린지 실행 구역으로 구획하여 설정할 수 있다. 챌린지는 한 실시예로서, 사용자가 앱 또는 웹을 통해 등록한 목표 걸음수 달성 프로그램일 수 있다.As an example, the area setting unit 230 may divide and set a specific area on a pre-stored map into a plurality of challenge execution areas. As an example, the challenge may be a program for achieving a target number of steps registered by the user through an app or web.

콘텐츠 제공부(240)는 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 사용자 단말에게 전송한다.The content provider 240 transmits health management content corresponding to the user's life pattern information to the user terminal.

건강 관리 콘텐츠는 한 실시예로서, 개인 맞춤형 운동 커리큘럼 정보, 건강 위험 알림 및 대응 가이드 정보(예, 고혈압, 비만, 금연 관리 정보)를 포함할 수 있다.As an example, the health management content may include personalized exercise curriculum information, health risk notification, and response guide information (eg, information on managing hypertension, obesity, and smoking cessation).

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 일일 운동량, 주간 운동량, 및 월간 운동량 중 적어도 하나의 운동량이 미리 설정된 기준값 보다 적은 경우, 개인 맞춤형 운동 커리큘럼 정보를 사용자 단말(100)에게 전송할 수 있다.As one embodiment, the content provider 240 may transmit personalized exercise curriculum information to the user terminal 100 when at least one of the user's daily exercise amount, weekly exercise amount, and monthly exercise amount is less than a preset reference value. there is.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 수면 패턴이 미리 저장된 정상 수면 패턴과 다른 경우, 미리 설정된 시간에 취침 알림 및 기상 알림 메시지를 사용자 단말(100)에게 전송할 수 있다.As an example, the content providing unit 240 may transmit a bedtime notification and a wake-up notification message to the user terminal 100 at a preset time when the user's sleep pattern is different from a pre-stored normal sleep pattern.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 영양 섭취량이 미리 설정된 기준값 보다 적거나 또는 영양 섭취 항목 중 누락된 섭취 항목이 존재하는 경우, 식습관 개선 가이드 영상을 사용자 단말(100)에게 전송할 수 있다.As an example, the content providing unit 240 may transmit a guide image for improving eating habits to the user terminal 100 when the user's nutritional intake is less than a preset reference value or there are missing intake items among the nutritional intake items. there is.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 이동 경로가 영역 설정부(230)를 통해 설정된 복수의 산책 구역 중 적어도 하나의 구역에 포함되면, 미리 저장된 추천 산책 경로 정보를 사용자 단말(100)에게 전송할 수 있다.As an example, the content providing unit 240 transmits recommended walking route information stored in advance to the user terminal 100 when the user's moving route is included in at least one of the plurality of walking areas set by the area setting unit 230. ) can be sent to

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 활동 패턴이 생활 소비형 유형인 경우, 마트, 편의점, 쇼핑몰 할인 정보를 사용자 단말(100)에게 전송할 수 있다.As an example, the content providing unit 240 may transmit discount information of a mart, a convenience store, or a shopping mall to the user terminal 100 when the user's activity pattern is a lifestyle consumption type.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 활동 패턴이 운동형 유형인 경우, 운동 방법 정보, 헬스장 정보, 다이어트 식단 정보를 사용자 단말(100)에게 전송할 수 있다.As an example, the content providing unit 240 may transmit exercise method information, gym information, and diet information to the user terminal 100 when the user's activity pattern is an exercise type.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 활동 패턴이 공부형 유형인 경우, 도서관 휴무 정보, 공부 방법 정보, 휴식 방법 정보를 사용자 단말(100)에게 전송할 수 있다.As an example, the content provider 240 may transmit library holiday information, study method information, and break method information to the user terminal 100 when the user's activity pattern is a study type.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 활동 패턴이 여행형 유형인 경우, 관광지 역사 정보, 관광지 휴무 정보, 관광지 할인 정보, 관광지 주변 음식점 정보를 사용자 단말(100)에게 전송할 수 있다.As an example, if the user's activity pattern is a travel type, the content providing unit 240 may transmit information on the history of the tourist destination, information on closure of the tourist destination, discount information on the tourist destination, and information on restaurants nearby the tourist destination to the user terminal 100 .

도 7을 참조하면, 콘텐츠 제공부(240)는 한 실시예로서, 사용자의 이동 경로가 영역 설정부(230)를 통해 설정된 복수의 챌린지 실행 구역 중 적어도 하나의 구역에 포함되면, 미리 저장된 챌린지 정보를 사용자 단말(100)에게 전송할 수 있다.Referring to FIG. 7 , the content providing unit 240, as an embodiment, when the user's movement path is included in at least one of the plurality of challenge execution areas set by the area setting unit 230, provides previously stored challenge information. may be transmitted to the user terminal 100.

인공지능 분석부(220)는 한 실시예로서, 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 라이프로그 데이터를 입력 변수로 하는 기계 학습 모델을 이용하여, 사용자의 건강 상태 정보(예, 질병 유무)를 생성할 수 있다.As an embodiment, the artificial intelligence analysis unit 220 performs machine learning based on pre-input learning data, and uses a machine learning model that uses lifelog data as an input variable, and uses the user's health state information (e.g., disease) can be created.

라이프로그 데이터는 한 실시예로서, 사용자의 혈압 정보, 심박수 정보, 수면량 정보, 사용자가 앱 또는 웹을 통해 입력한 영양 기록 정보, 사용자가 앱 또는 웹을 통해 입력한 건강 정보를 포함할 수 있다.As an example, the lifelog data may include the user's blood pressure information, heart rate information, sleep amount information, nutrition record information input by the user through an app or web, and health information input by a user through an app or web.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 건강 상태 정보에 대응하는 건강 위험 알림 및 대응 가이드 정보를 사용자 단말(100)에게 전송할 수 있다.As an example, the content providing unit 240 may transmit, to the user terminal 100, health risk notification and corresponding guide information corresponding to the user's health condition information.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 혈압이 기준값 보다 높은 경우, 건강 위험 알림 메시지 및 관리 요령 정보(운동 가이드 정보, 음식 섭취 가이드 정보)를 사용자 단말(100)에게 전송할 수 있다.As an example, the content providing unit 240 may transmit a health risk notification message and management information (exercise guide information, food intake guide information) to the user terminal 100 when the user's blood pressure is higher than the reference value.

도 8은 한 실시예에 따른 원격 건강 관리 시스템의 블록도이다. 도 9 내지 도 11은 한 실시예에 따른 인공지능 분석부의 동작 내용을 설명하기 위한 도면이다.8 is a block diagram of a remote health management system according to an embodiment. 9 to 11 are diagrams for explaining operation contents of an artificial intelligence analysis unit according to an embodiment.

도 8을 참조하면, 한 실시예에 따른 원격 건강 관리 시스템은 복수의 사용자 단말(100), 서버(200), 관리자 단말(300)을 포함할 수 있다.Referring to FIG. 8 , a remote health management system according to an embodiment may include a plurality of user terminals 100, a server 200, and an administrator terminal 300.

복수의 사용자 단말(100) 각각은 도 1에서 설명한 사용자 단말(100)과 동일하므로, 상세한 설명은 생략한다.Since each of the plurality of user terminals 100 is the same as the user terminal 100 described in FIG. 1, a detailed description thereof will be omitted.

서버(200)는 한 실시예로서, 복수의 사용자 단말(100)로부터 수신하는 라이프로그 데이터를 분석하여 사용자별 건강 상태 정보를 생성하고, 사용자별 건강 상태 정보에 대응하는 건강 관리 콘텐츠를 제공할 수 있다.As an example, the server 200 may generate health condition information for each user by analyzing lifelog data received from a plurality of user terminals 100 and provide health management content corresponding to the health condition information for each user. there is.

서버(200)는 한 실시예로서, 데이터 수집부(210), 인공지능 분석부(220), 영역 설정부(230), 콘텐츠 제공부(240), 그룹 관리부(250), 정보 관리부(260)를 포함할 수 있다.As an example, the server 200 includes a data collection unit 210, an artificial intelligence analysis unit 220, a region setting unit 230, a content providing unit 240, a group management unit 250, and an information management unit 260. can include

데이터 수집부(210)는 한 실시예로서, 복수의 사용자 단말(100)로부터 라이프로그 데이터를 수신할 수 있다.As an example, the data collection unit 210 may receive lifelog data from a plurality of user terminals 100 .

인공지능 분석부(220)는 한 실시예로서, 미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 라이프로그 데이터를 입력 변수로 하는 기계 학습 모델을 이용하여, 사용자별 건강 상태 정보를 생성할 수 있다.As an embodiment, the artificial intelligence analysis unit 220 performs machine learning based on pre-input learning data and generates health status information for each user by using a machine learning model using lifelog data as an input variable. can

라이프로그 데이터는 한 실시예로서, 사용자의 혈압 정보, 심박수 정보, 수면량 정보, 사용자가 앱 또는 웹을 통해 입력한 영양 기록 정보, 사용자가 앱 또는 웹을 통해 입력한 건강 정보, 사용자가 앱 또는 웹을 통해 입력한 건강 정보 및 나이 정보를 포함할 수 있다.Lifelog data is, as an example, a user's blood pressure information, heart rate information, sleep information, nutrition record information entered by a user through an app or web, health information entered by a user through an app or web, user entered through an app or web Health information and age information entered through may be included.

영역 설정부(230)는 도 1에서 설명한 영역 설정부(230)와 동일하므로, 상세한 설명은 생략한다.Since the area setting unit 230 is the same as the area setting unit 230 described in FIG. 1, a detailed description thereof will be omitted.

콘텐츠 제공부(240)는 한 실시예로서, 사용자별 건강 상태 정보에 대응하는 건강 관리 콘텐츠를 복수의 사용자 단말(100)에게 전송할 수 있다.As an example, the content provider 240 may transmit health management content corresponding to health state information for each user to the plurality of user terminals 100 .

그룹 관리부(250)는 한 실시예로서, 라이프로그 데이터에 기반하여, 공통 나이 또는 공통 질병 정보를 갖는 사용자들을 하나의 그룹으로 설정하고, 그룹별 건강 상태 정보를 관리자 단말(300)에게 전송할 수 있다.As an example, the group management unit 250 may set users having a common age or common disease information as one group based on lifelog data, and transmit health state information for each group to the manager terminal 300. .

콘텐츠 제공부(240)는 한 실시예로서, 공통 나이 또는 공통 질병 정보를 갖는 그룹에 대응하는 맞춤형 운동 커리큘럼 정보, 건강 위험 알림 및 대응 가이드 정보(예, 고혈압, 비만, 금연 관리 정보)를 해당 그룹의 사용자 단말(100)에게 전송할 수 있다. As an example, the content providing unit 240 provides customized exercise curriculum information, health risk notification, and response guide information (eg, hypertension, obesity, smoking cessation management information) corresponding to a group having common age or common disease information to the corresponding group. It can be transmitted to the user terminal 100 of.

예를 들어, 그룹 관리부(250)는 고혈압 질병을 갖는 사용자들을 하나의 그룹으로 설정할 수 있고, 콘텐츠 제공부(240)는 해당 그룹에 대응하는 고혈압 관련 건강 위험 알림 및 대응 가이드 정보를 해당 그룹의 사용자 단말(100)에게 전송할 수 있다. For example, the group management unit 250 may set users having hypertension as one group, and the content provider 240 may provide notification of high blood pressure-related health risks and corresponding guide information corresponding to the corresponding group to users of the corresponding group. It can be transmitted to the terminal 100.

정보 관리부(260)는 한 실시예로서, 사용자 단말(100)로부터 수집한 라이프로그 데이터, 인공지능 분석부(220)를 통해 생성된 생활패턴 정보 및 건강 상태 정보를 블록체인 서버에 저장할 수 있다. 이를 통해, 민감한 개인 정보의 유출을 방지할 수 있다.As an example, the information management unit 260 may store lifelog data collected from the user terminal 100, life pattern information generated through the artificial intelligence analysis unit 220, and health condition information in a blockchain server. Through this, leakage of sensitive personal information can be prevented.

관리자 단말(300)은 한 실시예로서, 그룹 관리부(250)로부터 그룹별 건강 상태 정보를 실시간 수신할 수 있다.As an example, the manager terminal 300 may receive health state information for each group from the group management unit 250 in real time.

관리자 단말(300)은 한 실시예로서, 이동 통신 단말기, 데스크톱 컴퓨터, 노트북 컴퓨터, 워크스테이션, 팜톱(palmtop) 컴퓨터, 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 웹 패드 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기일 수 있다.The manager terminal 300 includes a memory means such as a mobile communication terminal, a desktop computer, a notebook computer, a workstation, a palmtop computer, a personal digital assistant (PDA), a web pad, and the like, as an embodiment. It may be a digital device equipped with a microprocessor and equipped with an arithmetic capability.

도 9를 참조하면, 인공지능 분석부(220)는 복수의 사용자 단말(100)로부터 수집한 라이프로그 데이터에서 전체 사용자의 걸음수 정보를 추출하고, 계층적 클러스터링(예, k-means clustering)을 수행하며, 같은 클러스터에 속하는 사용자들의 걸음수 패턴을 사용자 단말(100)의 화면 상에 단일의 그래프로 표시할 수 있다.Referring to FIG. 9 , the artificial intelligence analysis unit 220 extracts step count information of all users from lifelog data collected from a plurality of user terminals 100 and performs hierarchical clustering (eg, k-means clustering). step pattern of users belonging to the same cluster may be displayed as a single graph on the screen of the user terminal 100 .

도 10을 참조하면, 인공지능 분석부(220)는 미리 설정된 시간 구간 별 일정값 이상의 걸음수를 갖는 사용자를 하나의 클러스터로 선정하고, 각 시간 구간별 클러스터의 걷기 유형을 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 오전 6시부터 9시 사이의 시간 구간에 걸음수가 3000보 이상이 되는 사용자들을 하나의 클러스터로 그룹화하고, 해당 클러스터를 아침 걷기형 유형으로 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 오전 11시부터 오후 14시 사이의 시간 구간에 걸음수가 3000보 이상이 되는 사용자들을 하나의 클러스터로 그룹화하고, 해당 클러스터를 점심 걷기형 유형으로 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 오후 17시부터 20시 사이의 시간 구간에 걸음수가 3000보 이상이 되는 사용자들을 하나의 클러스터로 그룹화하고, 해당 클러스터를 저녁 걷기형 유형으로 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 오후 22시부터 오전 01시 사이의 시간 구간에 걸음수가 3000보 이상이 되는 사용자들을 하나의 클러스터로 그룹화하고, 해당 클러스터를 심야 걷기형 유형으로 정의하는 학습 모델을 생성할 수 있다.Referring to FIG. 10 , the artificial intelligence analysis unit 220 selects users having a number of steps equal to or greater than a certain value for each preset time interval as one cluster, and creates a learning model defining the walking type of the cluster for each time interval. can do. For example, a learning model may be created that groups users who take 3000 or more steps in a time interval between 6:00 am and 9:00 am as one cluster, and defines the cluster as a morning walking type. For example, a learning model may be created that groups users who take 3000 or more steps in a time interval between 11:00 am and 14:00 pm as one cluster, and defines the cluster as a lunch walking type. For example, a learning model may be created that groups users whose number of steps exceeds 3000 in a time interval between 17:00 PM and 20:00 PM into one cluster, and defines the cluster as an evening walking type. For example, a learning model may be created that groups users whose number of steps is 3000 or more in a time interval between 22:00 pm and 01:00 am as one cluster, and defines the cluster as a late-night walking type.

인공지능 분석부(220)는 생성된 학습 모델을 이용하여, 사용자 단말(100)로부터 수집되는 라이프로그 데이터 중 걸음수를 분석하여 사용자의 걷기 패턴 정보(아침 걷기형 유형, 점심 걷기형 유형, 저녁 걷기형 유형, 심야 걷기형 유형에 관한 정보)를 생성할 수 있다.The artificial intelligence analysis unit 220 analyzes the number of steps among the lifelog data collected from the user terminal 100 using the generated learning model to provide walking pattern information (morning walking type, lunch walking type, evening walking type). walking type, late night walking type information) can be created.

콘텐츠 제공부(240)는 한 실시예로서, 사용자의 걷기 패턴 정보를 바탕으로 각 걷기 유형에 대응하는 추천 코스에 관한 정보를 사용자 단말(100)에게 전송할 수 있다. 예를 들어, 사용자의 걷기 유형이 심야 걷기형 유형인 경우, 콘텐츠 제공부(240)는 일정 개수 이상의 가로등 및 CCTV가 설치된 구역을 포함하는 코스에 관한 정보를 사용자 단말(100)에게 전송할 수 있다.As an example, the content provider 240 may transmit information about a recommended course corresponding to each walking type to the user terminal 100 based on the user's walking pattern information. For example, when the user's walking type is a late-night walking type, the content providing unit 240 may transmit information about a course including an area where more than a certain number of streetlights and CCTVs are installed to the user terminal 100 .

한 실시예로서, 인공지능 분석부(220)는 복수의 사용자 단말(100)로부터 수집한 라이프로그 데이터에서 전체 사용자의 수면량 정보를 추출하고, 계층적 클러스터링을 수행할 수 있다.As an embodiment, the artificial intelligence analysis unit 220 may extract sleep amount information of all users from lifelog data collected from a plurality of user terminals 100 and perform hierarchical clustering.

도 11을 참조하면, 인공지능 분석부(220)는 미리 설정된 수면량 구간 별 일정값 미만의 수면량을 갖는 사용자를 하나의 클러스터로 선정하고, 각 수면량 구간별 클러스터의 유형을 정의하는 학습 모델을 생성할 수 있다. 예를 들어, 수면량이 5.5시간 미만인 사용자들을 하나의 클러스터로 그룹화하고, 해당 클러스터를 수면 부족 유형으로 정의하는 학습 모델을 생성할 수 있다.Referring to FIG. 11, the artificial intelligence analysis unit 220 selects users having a sleep amount less than a certain value for each preset sleep amount interval as one cluster, and creates a learning model defining the type of the cluster for each sleep amount interval. can For example, a learning model may be created that groups users who sleep less than 5.5 hours into one cluster and defines the cluster as a sleep deprivation type.

인공지능 분석부(220)는 생성된 학습 모델을 이용하여, 사용자 단말(100)로부터 수집되는 라이프로그 데이터 중 수면량 정보를 분석하여 사용자의 수면 패턴 정보를 생성할 수 있다.The artificial intelligence analyzer 220 may generate sleep pattern information of the user by analyzing sleep amount information among lifelog data collected from the user terminal 100 using the generated learning model.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto, and various modifications and improvements made by those skilled in the art using the basic concept of the present invention defined in the following claims are also included in the scope of the present invention. that fall within the scope of the right.

Claims (6)

라이프로그 데이터 기반 인공지능을 이용한 원격 건강 관리 시스템으로서,
사용자로부터 라이프로그 데이터를 수집하는 사용자 단말, 그리고
상기 라이프로그 데이터를 분석하여 상기 사용자의 생활패턴 정보를 생성하고, 상기 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 제공하는 서버를 포함하고,
상기 사용자 단말은 심박수, 수면량, 이동 거리, 소모 칼로리량, GPS 위치 정보를 측정할 수 있는 심박수 센서, 혈압 센서, 가속도 센서, 진동 센서, 압력 센서, GPS 센서를 포함하는 라이프로그 데이터를 수신하는 이동 통신 단말기, 데스크톱 컴퓨터, 노트북 컴퓨터, 워크스테이션, 팜톱(palmtop) 컴퓨터, 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 웹 패드 중 어느 하나이고,
상기 서버는
상기 사용자 단말로부터 상기 라이프로그 데이터를 수신하는 데이터 수집부;
미리 입력된 학습 데이터를 바탕으로 기계 학습을 수행하고, 상기 라이프로그 데이터를 입력 변수로 하는 기계 학습 모델을 이용하여, 상기 사용자의 생활패턴 정보를 생성하는 인공지능 분석부;
상기 사용자의 생활패턴 정보에 대응하는 건강 관리 콘텐츠를 상기 사용자 단말에게 전송하는 콘텐츠 제공부;
미리 저장된 지도 상의 특정 구역을 복수의 구역으로 구획하여 설정하는 영역 설정부;
동일 질병을 갖는 복수의 사용자들의 상기 사용자 단말들을 하나의 그룹으로 설정하고, 콘텐츠 제공부에서 제공되는 해당 그룹에 대응하는 건강 위험 알림 대응 가이드 정보를 해당 그룹의 상기 사용자 단말에게 전송하는 그룹 관리부; 및
상기 사용자 단말로부터 수집한 라이프로그 데이터, 인공지능 분석부를 통해 생성된 생활패턴 정보 및 건강 상태 정보를 블록체인 서버에 저장하는 정보 관리부; 및
상기 그룹 관리부로부터 그룹별 건강 상태 정보를 실시간 수신하는 관리자 단말;을 포함하고
상기 데이터 수집부는
상기 사용자 단말로부터 수집된 사용자의 GPS 위치 정보, 심박수 정보, 걸음수 정보, 수면 시간을 포함하는 수면량 정보, 상기 사용자가 앱 또는 웹을 통해 입력한 영양 기록 정보 중 적어도 하나를 포함하는 라이프로그 데이터를 수집하고,
상기 인공지능 분석부는
머신 러닝(Machine Learning) 학습 알고리즘 또는 딥러닝(Deep Learning) 학습 알고리즘을 이용하여 라이프로그 학습 데이터를 바탕으로 기계 학습 모델을 생성하여, 사용자의 이동 경로, 운동량, 수면 패턴 정보, 활동 패턴 정보, 걷기 패턴 정보 중 적어도 하나가 포함된 생활 패턴 정보를 제공하고,
상기 사용자 단말로부터 수집한 라이프로그 데이터를 시간대별로 분류하여 상기 사용자 단말로부터 수집한 라이프로그 데이터에서 걸음수 정보를 추출하여 걸음수 정보를 이용하여 요일에 대해서만 계층적 클러스터링을 수행하고, 상기 사용자 단말로부터 수집한 라이프로그 데이터에서 수면량 정보를 추출하고, 수면량에 따라 수면 부족인지 여부, 수면이 불규칙한지 여부, 기상시간이 불규칙한지 여부, 취침시간이 불규칙한지 여부를 정의하는 학습 모델을 생성하고,
생성된 학습 모델을 이용하여, 상기 사용자 단말로부터 수집되는 라이프로그 데이터 중 수면량 정보를 분석하여 수면 부족인지 여부, 수면이 불규칙한지 여부, 기상시간이 불규칙한지 여부, 취침시간이 불규칙한지 여부에 관한 정보중 적어도 하나를 포함하는 수면 패턴 정보를 생성하고,
기상시간 규칙성 태그 변화, 취침시간 규칙성 태그 변화, 수면 불규칙성 태그 변화를 상기 사용자 단말의 화면 상에 그래프로 표시하고,
상기 사용자 단말로부터 수집한 라이프로그 데이터 중 GPS 정보를 추출하고, 미리 저장된 알고리즘을 이용하여 사용자의 GPS 정보와 미리 저장된 지오해시(GeoHash) 정보의 비교를 통해 사용자의 활동 패턴 유형을 정의하는 학습 모델을 생성하되, 추출된 사용자의 GPS 정보가 지오해시 정보와 일치하는 횟수에 따라 생활 소비형과 운동형 유형과 공부형 유형과, 여행형 유형 중 어느 하나로 정의하는 학습 모델을 생성하고,
생성된 학습 모델을 이용하여, 상기 사용자 단말로부터 수집되는 라이프로그 데이터 중 GPS 정보를 분석하여 생활 소비형 유형, 운동형 유형, 공부형 유형 및 여행형 유형에 관한 정보 중 적어도 하나를 포함하는 활동 패턴 정보를 생성하고,
상기 영역 설정부는
미리 저장된 지도 상의 특정 구역을 복수의 산책 구역과, 사용자의 상기 사용자 단말에서 앱 또는 웹을 통해 등록한 목표 걸음수 달성 프로그램에 해당되는 챌린지를 실행할 수 있는 복수의 챌린지 실행 구역으로 구획하여 설정할 수 있고,
상기 콘텐츠 제공부는
사용자의 일일 운동량, 주간 운동량, 및 월간 운동량 중 적어도 하나의 운동량이 미리 설정된 기준값 보다 적은 경우, 개인 맞춤형 운동 커리큘럼 정보를 상기 사용자 단말에게 전송하고,
사용자의 수면 패턴이 미리 저장된 정상 수면 패턴과 다른 경우, 미리 설정된 시간에 취침 알림 및 기상 알림 메시지를 상기 사용자 단말에게 전송하고,
사용자의 영양 섭취량이 미리 설정된 기준값 보다 적거나 또는 영양 섭취 항목 중 누락된 섭취 항목이 존재하는 경우, 식습관 개선 가이드 영상을 상기 사용자 단말에게 전송하고,
사용자의 이동 경로가 영역 설정부를 통해 설정된 복수의 산책 구역 중 적어도 하나의 구역에 포함되면, 미리 저장된 추천 산책 경로 정보를 상기 사용자 단말에게 전송하고,
사용자의 활동 패턴이 생활 소비형 유형인 경우, 마트, 편의점, 쇼핑몰 할인 정보를 상기 사용자 단말에게 전송하고,
사용자의 활동 패턴이 운동형 유형인 경우, 운동 방법 정보, 헬스장 정보, 다이어트 식단 정보를 상기 사용자 단말에게 전송하고,
사용자의 활동 패턴이 공부형 유형인 경우, 도서관 휴무 정보, 공부 방법 정보, 휴식 방법 정보를 상기 사용자 단말에게 전송하고,
사용자의 활동 패턴이 여행형 유형인 경우, 관광지 역사 정보, 관광지 휴무 정보, 관광지 할인 정보, 관광지 주변 음식점 정보를 상기 사용자 단말에게 전송하고,
사용자의 이동 경로가 영역 설정부를 통해 설정된 복수의 챌린지 실행 구역 중 적어도 하나의 구역에 포함되면, 미리 저장된 챌린지 정보를 상기 사용자 단말에게 전송하고,
사용자의 건강 상태 정보에 대응하는 건강 위험 알림 및 대응 가이드 정보를 상기 사용자 단말에게 전송하고,
사용자의 혈압이 기준값 보다 높은 경우, 건강 위험 알림 메시지와, 운동 가이드 정보와 음식 섭취 가이드 정보 중 적어도 하나를 포함하는 관리 요령 정보를 상기 사용자 단말에게 전송하고,
상기 그룹 관리부는
라이프로그 데이터에 기반하여, 공통 나이 또는 공통 질병 정보를 갖는 사용자들을 하나의 그룹으로 설정하고, 그룹별 건강 상태 정보를 관리자 단말에게 전송하고,
상기 콘텐츠 제공부는
공통 나이 또는 공통 질병 정보를 갖는 그룹에 대응하는 고혈압과 비만 및 금연 관리 중 적어도 하나를 포함하는 대응 가이드 정보와, 맞춤형 운동 커리큘럼 정보 및 건강 위험 알림을 해당 그룹의 상기 사용자 단말에게 전송하고,
상기 관리자 단말은
이동 통신 단말기, 데스크톱 컴퓨터, 노트북 컴퓨터, 워크스테이션, 팜톱(palmtop) 컴퓨터, 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 웹 패드 중 어느 하나이고,
상기 인공지능 분석부는
복수의 상기 사용자 단말로부터 수집한 라이프로그 데이터에서 전체 사용자의 걸음수 정보를 추출하고, k-means clustering을 수행하여 같은 클러스터에 속하는 사용자들의 걸음수 패턴을 상기 사용자 단말의 화면 상에 단일의 그래프로 표시하고,
미리 설정된 시간 구간 별 일정값 이상의 걸음수를 갖는 사용자를 하나의 클러스터로 그룹화하고, 각 시간 구간별 클러스터를 그룹화하여 해당 클러스터를 복수의 유형으로 분류 및 정의하는 학습 모델을 생성하고,
상기 콘텐츠 제공부는
사용자의 걷기 유형이 심야 걷기형 유형인 경우 일정 개수 이상의 가로등 및 CCTV가 설치된 구역을 포함하는 코스에 관한 정보를 상기 사용자 단말에게 전송하고,
상기 인공지능 분석부는
미리 설정된 수면량 구간 별 일정값 미만의 수면량을 갖는 사용자들을 하나의 클러스터로 그룹화하고, 해당 클러스터를 수면 부족 유형으로 정의하는 학습 모델을 생성하고, 생성된 학습 모델을 이용하여, 상기 사용자 단말로부터 수집되는 라이프로그 데이터 중 수면량 정보를 분석하여 사용자의 수면 패턴 정보를 생성하는 것; 라이프로그 데이터 기반 인공지능을 이용한 원격 건강 관리 시스템.
As a remote health management system using artificial intelligence based on lifelog data,
A user terminal that collects lifelog data from the user, and
A server that analyzes the lifelog data to generate life pattern information of the user and provides health management contents corresponding to the user's life pattern information;
The user terminal receives lifelog data including a heart rate sensor, a blood pressure sensor, an acceleration sensor, a vibration sensor, a pressure sensor, and a GPS sensor that can measure heart rate, amount of sleep, distance traveled, amount of calories consumed, and GPS location information. Any one of a communication terminal, a desktop computer, a notebook computer, a workstation, a palmtop computer, a personal digital assistant (PDA), and a web pad;
The server
a data collection unit receiving the lifelog data from the user terminal;
an artificial intelligence analysis unit that performs machine learning based on pre-input learning data and generates life pattern information of the user by using a machine learning model using the lifelog data as an input variable;
a content providing unit transmitting health management content corresponding to the user's life pattern information to the user terminal;
an area setting unit that divides and sets a specific area on a pre-stored map into a plurality of areas;
a group management unit which sets the user terminals of a plurality of users having the same disease as one group and transmits health risk notification response guide information corresponding to the corresponding group provided by the content providing unit to the user terminals of the corresponding group; and
an information management unit that stores the lifelog data collected from the user terminal, life pattern information and health condition information generated through the artificial intelligence analysis unit in a blockchain server; and
A manager terminal configured to receive health status information for each group in real time from the group management unit; and
The data collection department
Lifelog data including at least one of the user's GPS location information collected from the user terminal, heart rate information, step information, sleep amount information including sleep time, and nutrition record information input by the user through the app or the web collect,
The artificial intelligence analysis unit
A machine learning model is created based on lifelog learning data using a machine learning learning algorithm or a deep learning learning algorithm, and the user's movement path, momentum, sleep pattern information, activity pattern information, and walking Providing life pattern information including at least one of the pattern information;
The lifelog data collected from the user terminal is classified by time zone, and step count information is extracted from the lifelog data collected from the user terminal, and hierarchical clustering is performed only for days of the week using the step count information, and from the user terminal Extract sleep information from the collected lifelog data, create a learning model that defines whether sleep is insufficient, whether sleep is irregular, whether wake time is irregular, and whether bedtime is irregular according to the amount of sleep,
Using the generated learning model, information on sleep deprivation, irregular sleep, irregular wake-up time, and irregular bedtime by analyzing sleep amount information among lifelog data collected from the user terminal generating sleep pattern information including at least one of;
displaying a change in a wake-up time regularity tag, a change in a bedtime regularity tag, and a change in a sleep irregularity tag as a graph on a screen of the user terminal;
A learning model that extracts GPS information from lifelog data collected from the user terminal and defines the user's activity pattern type by comparing the user's GPS information and pre-stored GeoHash information using a pre-stored algorithm Create a learning model that is defined as one of life consumption type, exercise type, study type, and travel type according to the number of times the extracted GPS information of the user matches the geohash information,
Using the generated learning model, GPS information among the lifelog data collected from the user terminal is analyzed, and an activity pattern including at least one of information about a consumption type, an exercise type, a study type, and a travel type is analyzed. generate information,
The area setting unit
It is possible to divide and set a specific area on a pre-stored map into a plurality of walking areas and a plurality of challenge execution areas in which a challenge corresponding to a program for achieving a target number of steps registered through an app or web by the user can be executed,
The content provider
When at least one of the user's daily exercise amount, weekly exercise amount, and monthly exercise amount is less than a preset reference value, transmits personalized exercise curriculum information to the user terminal,
When the user's sleep pattern is different from the pre-stored normal sleep pattern, sending a bedtime notification and wake-up notification message to the user terminal at a preset time;
When the user's nutritional intake is less than a preset reference value or there are missing intake items among the nutritional intake items, an eating habit improvement guide image is transmitted to the user terminal;
When the user's movement path is included in at least one of the plurality of walking areas set through the area setting unit, transmitting recommended walking path information stored in advance to the user terminal;
If the user's activity pattern is a lifestyle consumption type, transmits discount information for a mart, convenience store, and shopping mall to the user terminal;
If the user's activity pattern is an exercise type, transmits exercise method information, gym information, and diet information to the user terminal;
If the user's activity pattern is a study type, transmits library holiday information, study method information, and break method information to the user terminal,
If the user's activity pattern is a travel type, transmits tourist attraction history information, tourist attraction closure information, tourist attraction discount information, and restaurant information around the tourist destination to the user terminal;
When the user's moving route is included in at least one of the plurality of challenge execution regions set through the region setting unit, pre-stored challenge information is transmitted to the user terminal;
Transmitting health risk notification and response guide information corresponding to the user's health condition information to the user terminal;
When the user's blood pressure is higher than the reference value, transmits a health risk notification message and management information including at least one of exercise guide information and food intake guide information to the user terminal;
The group management department
Based on the lifelog data, users having a common age or common disease information are set as one group, health status information for each group is transmitted to an administrator terminal,
The content provider
Sending corresponding guide information including at least one of hypertension, obesity and smoking cessation management corresponding to a group having common age or common disease information, customized exercise curriculum information, and health risk notification to the user terminal of the corresponding group,
The manager terminal
Any one of a mobile communication terminal, a desktop computer, a notebook computer, a workstation, a palmtop computer, a personal digital assistant (PDA), and a web pad,
The artificial intelligence analysis unit
Step count information of all users is extracted from the lifelog data collected from the plurality of user terminals, and k-means clustering is performed to display the step count patterns of users belonging to the same cluster as a single graph on the screen of the user terminal. display,
Grouping users with a number of steps greater than a certain value for each preset time interval into one cluster, grouping the clusters for each time interval, and creating a learning model that classifies and defines the corresponding cluster into a plurality of types;
The content provider
If the user's walking type is a late-night walking type, transmits information about a course including an area in which a certain number of streetlights and CCTVs are installed to the user terminal,
The artificial intelligence analysis unit
Users having a sleep amount less than a certain value for each preset sleep amount section are grouped into one cluster, a learning model defining the cluster as a sleep deprivation type is created, and the generated learning model is used to collect data from the user terminal. generating sleep pattern information of a user by analyzing sleep amount information among lifelog data; A remote health management system using artificial intelligence based on lifelog data.
 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete
KR1020200114303A 2020-09-08 2020-09-08 Remote health management system for using artificial intelligence based on lifelog data KR102548357B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200114303A KR102548357B1 (en) 2020-09-08 2020-09-08 Remote health management system for using artificial intelligence based on lifelog data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200114303A KR102548357B1 (en) 2020-09-08 2020-09-08 Remote health management system for using artificial intelligence based on lifelog data

Publications (2)

Publication Number Publication Date
KR20220032678A KR20220032678A (en) 2022-03-15
KR102548357B1 true KR102548357B1 (en) 2023-06-28

Family

ID=80816942

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200114303A KR102548357B1 (en) 2020-09-08 2020-09-08 Remote health management system for using artificial intelligence based on lifelog data

Country Status (1)

Country Link
KR (1) KR102548357B1 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102560486B1 (en) * 2022-04-27 2023-07-27 주식회사 지아이비타 Personalized health lifestyle guide system through artificial intelligence based on the user's lifelog
KR20240016648A (en) * 2022-07-29 2024-02-06 주식회사 메디컬에이아이 Method for recommendation of exercise based on electrocardiogram, and computer program recorded on record-medium for executing method thereof
KR20240016647A (en) * 2022-07-29 2024-02-06 주식회사 메디컬에이아이 Method for recommendation of menu based on electrocardiogram, and computer program recorded on record-medium for executing method thereof
KR102633766B1 (en) * 2022-11-09 2024-02-05 (주)아이씨티원 AI emergency prevention system using lifelog data
KR102646653B1 (en) * 2023-11-16 2024-03-12 액티부키 주식회사 Apparatus and method for recommending a healing tourism program based on points

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017164428A2 (en) * 2016-03-22 2017-09-28 서울대학교병원 Diabetes management method and system for same
KR101964733B1 (en) * 2018-08-09 2019-04-02 주식회사 아롬정보기술 Personalized health care system based on block chain and artificial intelligence, and method for providing personalized health care service based on block chain and artificial intelligence using the same

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150000921A (en) * 2013-06-25 2015-01-06 아주대학교산학협력단 System and method for service design lifestyle
KR102179638B1 (en) * 2013-08-08 2020-11-18 삼성전자주식회사 Terminal and method for providing health content
KR101720268B1 (en) 2015-10-26 2017-03-27 (주)아이알엠 Medical Imaging Cloud Database Building and Reading Method for Protecting Patient Information

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017164428A2 (en) * 2016-03-22 2017-09-28 서울대학교병원 Diabetes management method and system for same
KR101964733B1 (en) * 2018-08-09 2019-04-02 주식회사 아롬정보기술 Personalized health care system based on block chain and artificial intelligence, and method for providing personalized health care service based on block chain and artificial intelligence using the same

Also Published As

Publication number Publication date
KR20220032678A (en) 2022-03-15

Similar Documents

Publication Publication Date Title
KR102548357B1 (en) Remote health management system for using artificial intelligence based on lifelog data
Cook et al. Using smart city technology to make healthcare smarter
US20180253991A1 (en) Methods and Systems for Improving a Presentation Function of a Client Device
KR101534328B1 (en) Psychometric apparatus and apparatus for managing mental health included in management System for mental health
EP3726534A1 (en) Information processing device, information processing method, and program
KR100914633B1 (en) System and Method for Patient-oriented Healthcare
JP6701215B2 (en) System and method for generating stress level and stress tolerance level profiles within a population
Eagle et al. Reality mining: Using big data to engineer a better world
Cena et al. Real world user model: Evolution of user modeling triggered by advances in wearable and ubiquitous computing: State of the art and future directions
US20180268735A1 (en) Mobile terminal-based life coaching method, mobile terminal, and computer-readable recording medium, onto which method is recorded
US20160034663A1 (en) Method to increase efficiency, coverage, and quality of direct primary care
EP3005336A2 (en) System and method for managing behavior change applications for mobile users
KR20150069331A (en) Method for providing user life log and system thereof
US20040210117A1 (en) Behavior control support apparatus and method
CN103917993A (en) Using biosensors for sharing emotions via a data network service
US20200194125A1 (en) Method and System for Tracking, Storing, and Processing Data to Identify Risk Factors and Predict Health-Related Conditions
KR102080534B1 (en) Customized health care service system
US10860621B1 (en) Systems and methods for database management
JP2017097401A (en) Behavior modification analysis system, behavior modification analysis method and behavior modification analysis program
Ali et al. Mobile phone sensing: A new application paradigm
EP3016061A1 (en) Discovery of incentive effectiveness
KR102247058B1 (en) Method for diagnosing user's psychiatric status using multiple data processing and system thereof
KR20130065755A (en) Method for providing health care information
KR20170109449A (en) A System for Managing a Personal Nutrition Based on a Health Analysis Using a Application and a Method for the Same
KR20210088103A (en) Apparatus, method and system for providing health care informations using diagnosis

Legal Events

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