KR102574088B1 - 분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법 - Google Patents

분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법 Download PDF

Info

Publication number
KR102574088B1
KR102574088B1 KR1020180098772A KR20180098772A KR102574088B1 KR 102574088 B1 KR102574088 B1 KR 102574088B1 KR 1020180098772 A KR1020180098772 A KR 1020180098772A KR 20180098772 A KR20180098772 A KR 20180098772A KR 102574088 B1 KR102574088 B1 KR 102574088B1
Authority
KR
South Korea
Prior art keywords
spectrum
raman
analyte
concentration
blood glucose
Prior art date
Application number
KR1020180098772A
Other languages
English (en)
Other versions
KR20200018177A (ko
Inventor
박윤상
남성현
이우창
장호준
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US16/527,983 priority Critical patent/US11627895B2/en
Priority to EP19191000.9A priority patent/EP3607875A1/en
Priority to CN201910738775.1A priority patent/CN110811635B/zh
Publication of KR20200018177A publication Critical patent/KR20200018177A/ko
Application granted granted Critical
Publication of KR102574088B1 publication Critical patent/KR102574088B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • 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
    • G01N33/49—Blood

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Hematology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Ecology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

일 양상에 따른 농도 추정 장치는, 피검체의 라만 스펙트럼을 획득하는 스펙트럼 획득부와, 상기 획득된 라만 스펙트럼에서 분석 물질과 관련된 적어도 하나의 분석 물질 스펙트럼 및 분석 물질 이외의 생체 성분과 관련된 적어도 하나의 비 분석 물질 스펙트럼을 추출하고, 상기 추출된 적어도 하나의 분석 물질 스펙트럼 및 상기 추출된 적어도 하나의 비 분석 물질 스펙트럼의 면적을 기반으로 상기 분석 물질의 농도를 추정하는 프로세서를 포함할 수 있다.

Description

분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법{Apparatus and method for estimating analyte concentration, Apparatus and method for generating analyte concentration estimation model}
비침습 방식으로 분석 물질의 농도를 추정하는 기술과 관련된다.
당뇨병은 다양한 합병증을 일으키며 치료가 잘 안 되는 만성질환이어서 규칙적으로 혈당을 체크해서 합병증 발생을 예방해야 한다. 또한 인슐린을 투여하는 경우에는 저혈당을 대비하고 인슐린 투여량을 조절하기 위해 혈당을 체크해야 한다. 일반적으로 혈당을 측정하기 위해 침습적인 방식이 이용되고 있다. 침습적으로 혈당을 측정하는 방식은 측정의 신뢰성이 높다고 할 수 있으나 주사를 이용하여 혈액 채취의 고통, 번거로움 및 질병 감염 위험이 존재한다. 최근에는 혈액을 직접 채취하지 않고 분광기를 이용하여 비침습적으로 혈당을 측정하는 방법이 연구되고 있다.
비침습 방식으로 분석 물질의 농도를 추정하는 장치 및 방법과, 비침습 방식으로 분석 물질의 농도를 추정할 수 있는 모델을 생성하는 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 농도 추정 장치는, 피검체의 라만 스펙트럼을 획득하는 스펙트럼 획득부와, 상기 획득된 라만 스펙트럼에서 분석 물질과 관련된 적어도 하나의 분석 물질 스펙트럼 및 분석 물질 이외의 생체 성분과 관련된 적어도 하나의 비 분석 물질 스펙트럼을 추출하고, 상기 추출된 적어도 하나의 분석 물질 스펙트럼 및 상기 추출된 적어도 하나의 비 분석 물질 스펙트럼의 면적을 기반으로 상기 분석 물질의 농도를 추정하는 프로세서를 포함할 수 있다.
상기 스펙트럼 획득부는, 외부 장치로부터 상기 라만 스펙트럼을 수신하거나, 상기 피검체에 광을 조사하고 상기 피검체로부터 되돌아오는 라만 산란광을 수신하여 상기 라만 스펙트럼을 측정할 수 있다.
상기 분석 물질은, 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 중 하나일 수 있다.
상기 프로세서는, 상기 획득된 라만 스펙트럼에서 적어도 하나의 분석 물질 스펙트럼 및 적어도 하나의 비 분석 물질 스펙트럼을 추출하는 스펙트럼 추출부와, 상기 추출된 적어도 하나의 분석 물질 스펙트럼 및 상기 추출된 적어도 하나의 비 분석 물질 스펙트럼에서 배경 신호를 제거하는 배경 신호 제거부와, 상기 배경 신호가 제거된 적어도 하나의 분석 물질 스펙트럼 및 상기 배경 신호가 제거된 적어도 하나의 비 분석 물질 스펙트럼의 면적을 산출하는 면적 산출부와, 상기 산출된 면적을 기반으로 상기 분석 물질의 농도를 추정하는 농도 추정부를 포함할 수 있다.
상기 스펙트럼 추출부는, 상기 분석 물질과 관련된 라만 밴드의 스펙트럼을 분석 물질 스펙트럼으로 추출하고, 상기 분석 물질 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 비 분석 물질 스펙트럼으로 추출할 수 있다.
상기 분석 물질은 포도당이고, 상기 스펙트럼 추출부는, 911 cm-1 라만 밴드 스펙트럼, 1060 cm-1 라만 밴드 스펙트럼, 및 1125 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 분석 물질 스펙트럼으로 추출하고, 1003 cm-1 라만 밴드 스펙트럼 및 1450 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 비 분석 물질 스펙트럼으로 추출할 수 있다.
상기 배경 신호 제거부는, 각 분석 물질 스펙트럼 및 각 비 분석 물질 스펙트럼의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거할 수 있다.
상기 농도 추정부는, 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 농도 추정 모델을 이용하여 분석 물질의 농도를 추정할 수 있다.
상기 농도 추정 모델은, 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이때의 분석 물질의 농도와의 관계를 정의할 수 있다.
상기 농도 추정 모델은, 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이에 대응하는 분석 물질의 농도를 이용하여 회귀분석 또는 기계학습을 통해 생성될 수 있다.
상기 프로세서는, 상기 획득된 라만 스펙트럼에서 잡음을 제거하는 전처리부를 더 포함할 수 있다.
다른 양상에 따른 농도 추정 모델 생성 장치는, 피검체의 라만 스펙트럼 및 이에 대응하는 분석 물질의 농도 정보를 학습 데이터로 수집하는 학습 데이터 수집부와, 상기 수집된 라만 스펙트럼에서 분석 물질과 관련된 적어도 하나의 분석 물질 스펙트럼 및 분석 물질 이외의 생체 성분과 관련된 적어도 하나의 비 분석 물질 스펙트럼을 추출하고, 상기 추출된 적어도 하나의 분석 물질 스펙트럼 및 상기 추출된 적어도 하나의 비 분석 물질 스펙트럼의 면적과 이에 대응하는 분석 물질의 농도를 기반으로 농도 추정 모델을 생성하는 프로세서를 포함할 수 있다.
상기 프로세서는, 상기 획득된 라만 스펙트럼에서 적어도 하나의 분석 물질 스펙트럼 및 적어도 하나의 비 분석 물질 스펙트럼을 추출하는 스펙트럼 추출부와, 상기 추출된 적어도 하나의 분석 물질 스펙트럼 및 상기 추출된 적어도 하나의 비 분석 물질 스펙트럼에서 배경 신호를 제거하는 배경 신호 제거부와, 상기 배경 신호가 제거된 적어도 하나의 분석 물질 스펙트럼 및 상기 배경 신호가 제거된 적어도 하나의 비 분석 물질 스펙트럼의 면적을 산출하는 면적 산출부와, 상기 산출된 면적과 이에 대응하는 분석 물질의 농도를 학습하여 농도 추정 모델을 생성하는 모델 생성부를 포함할 수 있다.
상기 분석 물질은 포도당이고, 상기 스펙트럼 추출부는, 911 cm-1 라만 밴드 스펙트럼, 1060 cm-1 라만 밴드 스펙트럼, 및 1125 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 분석 물질 스펙트럼으로 추출하고, 1003 cm-1 라만 밴드 스펙트럼 및 1450 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 비 분석 물질 스펙트럼으로 추출할 수 있다.
상기 배경 신호 제거부는, 각 분석 물질 스펙트럼 및 각 비 분석 물질 스펙트럼의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거할 수 있다.
상기 농도 추정부는, 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이에 대응하는 분석 물질의 농도를 이용하여 회귀분석 또는 기계학습을 통해 상기 농도 추정 모델을 생성할 수 있다.
또 다른 양상에 따른 농도 추정 방법은, 피검체의 라만 스펙트럼을 획득하는 단계와, 상기 획득된 라만 스펙트럼에서 적어도 하나의 분석 물질 스펙트럼 및 적어도 하나의 비 분석 물질 스펙트럼을 추출하는 단계와, 상기 추출된 적어도 하나의 분석 물질 스펙트럼 및 상기 추출된 적어도 하나의 비 분석 물질 스펙트럼에서 배경 신호를 제거하는 단계와, 상기 배경 신호가 제거된 적어도 하나의 분석 물질 스펙트럼 및 상기 배경 신호가 제거된 적어도 하나의 비 분석 물질 스펙트럼의 면적을 산출하는 단계와, 상기 산출된 면적을 기반으로 상기 분석 물질의 농도를 추정하는 단계를 포함할 수 있다.
상기 라만 스펙트럼을 획득하는 단계는, 외부 장치로부터 상기 라만 스펙트럼을 수신하여 획득하거나, 상기 피검체에 광을 조사하고 상기 피검체로부터 되돌아오는 라만 산란광을 수신하여 상기 라만 스펙트럼을 측정하여 획득할 수 있다.
상기 분석 물질은, 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 중 하나일 수 있다.
상기 적어도 하나의 분석 물질 스펙트럼 및 적어도 하나의 비 분석 물질 스펙트럼을 추출하는 단계는, 상기 분석 물질과 관련된 라만 밴드의 스펙트럼을 분석 물질 스펙트럼으로 추출하고, 상기 분석 물질 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 비 분석 물질 스펙트럼으로 추출할 수 있다.
상기 분석 물질은 포도당이고, 상기 적어도 하나의 분석 물질 스펙트럼 및 적어도 하나의 비 분석 물질 스펙트럼을 추출하는 단계는, 911 cm-1 라만 밴드 스펙트럼, 1060 cm-1 라만 밴드 스펙트럼, 및 1125 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 분석 물질 스펙트럼으로 추출하고, 1003 cm-1 라만 밴드 스펙트럼 및 1450 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 비 분석 물질 스펙트럼으로 추출할 수 있다.
상기 배경 신호를 제거하는 단계는, 각 분석 물질 스펙트럼 및 각 비 분석 물질 스펙트럼의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거할 수 있다.
상기 분석 물질의 농도를 추정하는 단계는, 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 농도 추정 모델을 이용하여 분석 물질의 농도를 추정할 수 있다.
상기 농도 추정 모델은, 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이에 대응하는 분석 물질의 농도를 이용하여 회귀분석 또는 기계학습을 통해 생성될 수 있다.
농도 추정 방법은, 상기 획득된 라만 스펙트럼에서 잡음을 제거하는 단계를 더 포함할 수 있다.
분석 물질과 관련된 라만 밴드의 스펙트럼과 분석 물질 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 이용하여 분석 물질의 농도를 추정함으로써, 농도 추정의 정확도를 향상시킬 수 있다.
도 1은 분석 물질의 농도 추정 장치의 일 실시예를 도시한 블록도이다.
도 2는 스펙트럼 획득부의 일 실시예를 도시한 블록도이다.
도 3은 프로세서의 일 실시예를 도시한 블록도이다.
도 4는 스펙트럼 추출 및 배경 신호 제거 방법을 설명하기 위한 예시도이다.
도 5는 피검체의 라만 스펙트럼의 예시도이다.
도 6은 배경 신호가 제거된 분석 물질 스펙트럼 및 비 분석 물질 스펙트럼의 예시도이다.
도 7은 분석 물질 스펙트럼의 면적과 혈당의 관계, 및 비 분석 물질 스펙트럼의 면적과 배경 신호의 관계를 도시한 예시도이다.
도 8a 및 도 8b는 일반적인 라만 분광 분석법을 이용한 혈당 추정 결과와 일 실시예의 농도 추정 방법을 이용한 혈당 추정 결과를 비교한 예시도이다.
도 9는 프로세서의 다른 실시예를 도시한 블록도이다.
도 10은 분석 물질의 농도 추정 장치의 다른 실시예를 도시한 블록도이다.
도 11은 농도 추정 모델 생성 장치의 일 실시예를 도시한 블록도이다.
도 12는 프로세서의 일 실시예를 도시한 블록도이다.
도 13은 프로세서의 다른 실시예를 도시한 블록도이다.
도 14는 분석 물질의 농도 추정 장치의 다른 실시예를 도시한 블록도이다.
도 15는 분석 물질의 농도 추정 방법의 일 실시예를 도시한 흐름도이다. 도
도 16은 농도 추정 모델 생성 방법의 일 실시예를 도시한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
한편, 각 단계들에 있어, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 수행될 수 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하고, '포함하다' 또는 '가지다' 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주 기능별로 구분한 것에 불과하다. 즉, 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있다. 각 구성부는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 분석 물질의 농도 추정 장치의 일 실시예를 도시한 블록도이고, 도 2는 스펙트럼 획득부의 일 실시예를 도시한 블록도이다. 도 1의 농도 추정 장치(100)는 피검체의 라만 스펙트럼을 분석하여 비침습적으로 피검체 내 분석 물질의 농도를 추정할 수 있는 장치로서, 전자 장치에 탑재될 수 있다. 이때, 전자 장치는 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
도 1을 참조하면, 농도 추정 장치(100)는 스펙트럼 획득부(110) 및 프로세서(120)를 포함할 수 있다.
스펙트럼 획득부(110)는 피검체의 라만 스펙트럼을 획득할 수 있다.
일 실시예에 따르면, 스펙트럼 획득부(110)는 피검체의 라만 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 라만 스펙트럼을 수신할 수 있다. 이때, 스펙트럼 획득부(110)는 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등 다양한 통신 기술을 이용할 수 있다.
다른 실시예에 따르면, 스펙트럼 획득부(110)는 피검체에 광을 조사하고 피검체로부터 되돌아오는 라만 산란광을 수신하여 라만 스펙트럼을 측정할 수 있다. 이를 위해 도 2에 도시된 바와 같이, 스펙트럼 획득부(110)는 광원부(210), 집광부(220) 및 광 검출부(230)를 포함할 수 있다.
광원부(210)는 피검체에 광을 조사할 수 있다. 예를 들어, 광원부(210)는 소정 파장의 광, 예컨대, 근적외선(Near Infrared Ray, NIR) 또는 중적외선(Mid Infrared Ray, MIR)을 피검체에 조사할 수 있다. 그러나, 측정 목적이나 측정하고자 하는 구성 성분의 종류에 따라서 광원부(210)으로부터 조사되는 광의 파장은 달라질 수 있다. 그리고 광원부(210)은 반드시 단일의 광원으로 구성될 필요는 없으며, 다수의 광원의 집합으로 구성될 수도 있다. 광원부(210)가 다수의 광원의 집합으로 구성되는 경우, 다수의 광원은 측정 목적에 적합하도록 서로 다른 파장의 광을 방출할 수도 있고 모두 동일한 파장의 광을 방출할 수도 있다. 일 실시예에 따르면 광원부(210)는 발광 다이오드(light emitting diode, LED) 또는 레이저 다이오드(laser diode) 등을 포함할 수 있으나 이는 일 실시예에 불과할 뿐 이에 한정되는 것은 아니다.
일 실시예에 따르면, 광원부(210)는 특정 파장대의 광을 선택하기 위한 필터(예컨대, long pass filter, clean up filter, bandpass filter 등) 및/또는 광원부(210)에서 조사된 광이 피검체의 원하는 위치를 향하도록 하는 광학 요소(예컨대, 반사 거울 등)를 포함할 수 있다.
집광부(220)는 피검체로부터의 라만 산란광을 수집할 수 있다. 이를 위해 집광부(220)는 필터(예컨대, 롱패스 필터(long pass filter), 클린업 필터(clean up filter) 등), 렌즈(예컨대, 평행화 렌즈(collimating lens), 포커싱 렌즈(focusing lens) 등), 파이버(fiber), 도파관, grating 등을 포함할 수 있다.
광 검출부(230)는 집광부(220)에서 수집된 라만 산란광을 수신하여 라만 스펙트럼을 측정할 수 있다. 일 실시예에 따르면, 광 검출부(230)는 포토 다이오드(photo diode), 포토 트랜지스터(photo transistor) 또는 전자 결합 소자(charge-coupled device, CCD)등을 포함할 수 있다. 광 검출부(230)는 반드시 하나의 소자로 구성될 필요는 없으며, 다수의 소자들이 모여 어레이 형태로 구성될 수도 있다.
프로세서(120)는 분석 물질의 농도 추정과 관련된 각종 신호 및 동작을 처리할 수 있다. 프로세서(120)는 설정된 주기 또는 사용자 요청에 따라, 스펙트럼 획득부(1110)를 제어하여 피검체의 라만 스펙트럼을 획득하고, 획득된 라만 스펙트럼을 분석하여 분석 물질의 농도를 추정할 수 있다.
프로세서(120)는 피검체의 라만 스펙트럼이 획득되면, 획득된 라만 스펙트럼에서 분석 물질과 관련된 적어도 하나의 라만 밴드 스펙트럼(이하. 분석 물질 스펙트럼)과 분석 물질 이외의 생체 성분과 관련된 적어도 하나의 라만 밴드 스펙트럼(이하, 비 분석 물질 스펙트럼)을 추출하고, 추출된 분석 물질 스펙트럼 및 추출된 비 분석 물질 스펙트럼의 면적을 기반으로 분석 물질의 농도를 추정할 수 있다. 이때, 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 등을 포함할 수 있으나 이에 한정되지 않는다. 한편, 분석 물질이 포도당인 경우, 분석 물질의 농도는 혈당을 나타낼 수 있다.
도 3은 프로세서의 일 실시예를 도시한 블록도이다. 도 3의 프로세서(300)는 도 1의 프로세서(120)의 일 실시예일 수 있다.
도 3을 참조하면 프로세서(300)는 스펙트럼 추출부(310), 배경 신호 제거부(320), 면적 산출부(330) 및 농도 추정부(340)를 포함할 수 있다.
스펙트럼 추출부(310)는 피검체의 라만 스펙트럼으로부터 적어도 하나의 분석 물질 스펙트럼과 적어도 하나의 비 분석 물질 스펙트럼을 추출할 수 있다. 예컨대, 스펙트럼 추출부(310)는 분석 물질과 관련된 라만 밴드의 스펙트럼을 분석 물질 스펙트럼으로 추출하고, 분석 물질 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 비 분석 물질 스펙트럼으로 추출할 수 있다. 이때, 분석 물질과 관련된 라만 밴드 및 분석 물질 이외의 생체 성분과 관련된 라만 밴드에 관한 정보는 분석 물질의 종류에 따라 실험적으로 미리 도출되어 내부 또는 외부 데이터베이스에 저장될 수 있다.
예컨대, 라만 스펙트럼에서 포도당은 911 cm-1 라만 밴드, 1060 cm-1 라만 밴드, 및 1125 cm-1 라만 밴드 등과 관련되며, 페닐알라닌(phenylalanine)은 1003 cm-1 라만 밴드 등과 관련되며, 단백질 및 지질은 1450 cm-1 라만 밴드 등과 관련될 수 있다. 따라서, 일 실시예에 따르면, 분석 물질이 포도당인 경우, 스펙트럼 추출부(310)는 라만 스펙트럼에서 911 cm-1 라만 밴드 스펙트럼, 1060 cm-1 라만 밴드 스펙트럼, 및 1125 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 분석 물질 스펙트럼으로 추출하고, 1003 cm-1 라만 밴드 스펙트럼 및 1450 cm-1 라만 밴드 스펙트럼 중 적어도 하나에서 비 분석 물질 스펙트럼으로 추출할 수 있다. 이때, 라만 밴드는 해당 파수(wave number)의 피크가 형성되는 구간을 나타내며, 라만 밴드 스펙트럼은 해당 구간의 스펙트럼을 나타낼 수 있다. 예컨대 911 cm-1의 피크가 910 cm-1 ~ 925 cm-1 에 걸쳐 형성되어 있다면, 911 cm-1 라만 밴드는 910 cm-1 ~ 925 cm- 1 일 수 있고, 911 cm-1 라만 밴드 스펙트럼은 910 cm-1 ~ 925 cm- 1 구간의 스펙트럼일 수 있다.
배경 신호 제거부(320)는 추출된 적어도 하나의 분석 물질 스펙트럼 및 추출된 적어도 하나의 비 분석 물질 스펙트럼에서 형광 등의 배경 신호를 제거할 수 있다. 일 실시예에 따르면, 배경 신호 제거부(320)는 추출된 각 스펙트럼(분석 물질 스펙트럼 및 비 분석 물질 스펙트럼)의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거할 수 있다.
면적 산출부(330)는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적을 산출할 수 있다. 예컨대, 면적 산출부(330)는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)을 적분하여 각 스펙트럼의 면적을 산출할 수 있다.
농도 추정부(340)는 산출된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적을 기반으로 분석 물질의 농도를 추정할 수 있다. 예컨대, 농도 추정부(340)는 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 농도 추정 모델을 이용하여 피검체에 대한 분석 물질의 농도를 추정할 수 있다. 이때, 농도 추정 모델은 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이때의 분석 물질의 농도와의 관계를 정의한 것으로 프로세서(300)의 외부 또는 내부 데이터베이스에 저장될 수 있다. 일 실시예에 따르면 농도 추정 모델은 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이에 대응하는 분석 물질의 농도를 이용하여 회귀분석 또는 기계학습을 통해 생성될 수 있다. 이때, 회귀분석 알고리즘은 선형 회귀(linear regression)(예컨대, Partial least squares regression), 로지스틱 회귀(logistic regression), Cox 비례회귀(proportional Cox regression) 등을 포함할 수 있으며, 기계학습 알고리즘은 인공 신경망(Artificial Neural Network), 결정 트리(Decision Tree), 유전 알고리즘(Genetic Algorithm), 유전자 프로그래밍(Genetic Programming), K 근접 이웃(K-Nearest Neighbor), 방사 기저 함수 네트워크(Radial Basis Function Network), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support Vector Machine), 및 딥러닝(deep-learning) 등을 포함할 수 있다.
일 실시예에 따르면 농도 추정 모델은 수학식 1 또는 수학식 2로 표현될 수 있다.
여기서, 는 분석 물질의 농도를 나타내고, (i=1,…n)는 배경 신호가 제거된 분석 물질 스펙트럼의 면적을, (j=1,…m)는 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적을, , (i=1,…n) 및 (j=1,…m)는 계수를, 는 정규화 계수를 각각 나타낼 수 있다. 이때, , (i=1,…n) 및 (j=1,…m)는 회귀분석 알고리즘을 통해 산출될 수 있다. 또한, 는 소정의 값, (i=1,…n) 또는 (j=1,…m)가 될 수 있다.
도 4는 스펙트럼 추출 및 배경 신호 제거 방법을 설명하기 위한 예시도이다. 도 4는 포도당과 관련된 라만 밴드 스펙트럼을 추출하고, 추출된 라만 밴드 스펙트럼에서 배경 신호를 제거하는 예를 도시한다.
도 3 및 도 4를 참조하면, 스펙트럼 추출부(310)는 피검체의 라만 스펙트럼(410)을 분석하여 911 cm-1의 피크가 910 cm-1 ~ 925 cm-1에 걸쳐 형성되어 있음을 판단하고, 910 cm-1 ~ 925 cm- 1 구간의 스펙트럼(420)을 포도당과 관련된 라만 밴드 스펙트럼으로 추출할 수 있다. 이때, 910 cm-1 및 925 cm- 1는 라만 스펙트럼(410)에서 형광 등의 배경 신호를 제거하고 배경 신호가 제거된 라만 스펙트럼의 1차 미분값이 음수에서 양수로 변하기 시작하는 파수에 해당될 수 있다.
배경 신호 제거부(320)는 추출된 라만 밴드 스펙트럼(420)의 시작점과 끝점을 직선 또는 곡선으로 연결하여 기준선(baseline)(430)을 생성하고, 추출된 라만 밴드 스펙트럼(420)에서 기준선(430)을 차감하여 형광 등의 배경 신호가 제거된 라만 밴드 스펙트럼(440)을 생성할 수 있다.
도 5 및 도 6은 분석 물질의 농도 추정 방법을 설명하기 위한 예시도이다. 도 5 및 도 6은 분석 물질이 포도당인 경우로서, 혈당 추정 방법을 설명하기 위한 예시도이다. 더욱 상세하게는, 도 5는 피검체의 라만 스펙트럼의 예시도이고, 도 6은 배경 신호가 제거된 분석 물질 스펙트럼 및 비 분석 물질 스펙트럼의 예시도이다.
도 3, 도 5 및 도 6을 참조하면, 스펙트럼 추출부(310)는 피검체의 라만 스펙트럼(510)에서 포도당과 관련된 911 cm-1 라만 밴드 스펙트럼(511), 1060 cm-1 라만 밴드 스펙트럼(512), 및 1125 cm-1 라만 밴드 스펙트럼(513)을 분석 물질 스펙트럼으로 추출하고, 페닐알라닌(phenylalanine)과 관련된 1003 cm-1 라만 밴드 스펙트럼(514), 및 단백질 및 지질과 관련된 1450 cm-1 라만 밴드 스펙트럼(515)을 비 분석 물질 스펙트럼으로 추출할 수 있다.
배경 신호 제거부(320)는 추출된 각 라만 밴드 스펙트럼(511 내지 515)의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 추출된 각 라만 밴드 스펙트럼(511 내지 515)에서 해당 배경선을 차감하여, 배경 신호가 제거된 라만 밴드 스펙트럼(610 내지 650)을 생성할 수 있다. 도 6에서 라만 밴드 스펙트럼(610)은 911 cm-1 라만 밴드 스펙트럼(511)에 대응하고, 라만 밴드 스펙트럼(620)은 1060 cm-1 라만 밴드 스펙트럼(512)에 대응하고, 라만 밴드 스펙트럼(630)은 1125 cm-1 라만 밴드 스펙트럼(513)에 대응하고, 라만 밴드 스펙트럼(640)은 1003 cm-1 라만 밴드 스펙트럼(514)에 대응하고, 라만 밴드 스펙트럼(650)은 1450 cm-1 라만 밴드 스펙트럼(515)에 대응할 수 있다.
면적 산출부(330)는 배경 신호가 제거된 각 라만 밴드 스펙트럼(610 내지 650)을 적분하여 각 라만 밴드 스펙트럼(610 내지 650)의 면적(A_glu1, A_glu2, A_glu3, A_amino, A_lipid)을 산출하고, 농도 추정부(340)는 산출된 면적(A_glu1, A_glu2, A_glu3, A_amino, A_lipid)과 농도 추정 모델을 이용하여 피검체의 혈당을 추정할 수 있다. 예컨대, 농도 추정부(340)는 수학식 1 또는 수학식 2를 이용하여 피검체의 혈당을 추정할 수 있다.
도 7은 분석 물질 스펙트럼의 면적과 혈당의 관계, 및 비 분석 물질 스펙트럼의 면적과 배경 신호의 관계를 도시한 예시도이다.
도 7을 참조하면, 911 cm-1 라만 밴드 스펙트럼의 면적(A_glu1), 1060 cm-1 라만 밴드 스펙트럼의 면적(A_glu2) 및 1125 cm-1 라만 밴드 스펙트럼의 면적(A_glu3)의 변화는 포도당 농도의 변화와 유사하다. 즉, 각 분석 물질 스펙트럼의 면적(A_glu1, A_glu2, A_glu3)은 포도당 농도와 관련된다는 것을 알 수 있다.
또한, 1003 cm-1 라만 밴드 스펙트럼의 면적(A_amino) 및 1450 cm-1 라만 밴드 스펙트럼의 면적(A_lipid)의 변화는 배경 신호 즉, 형광(fluorescence)의 변화와 유사하다. 즉, 각 비 분석 물질 스펙트럼의 면적(A_amino, A_lipid)은 배경 신호와 관련된다는 것을 알 수 있다.
도 8a 및 도 8b는 일반적인 라만 분광 분석법을 이용한 혈당 추정 결과와 일 실시예의 농도 추정 방법을 이용한 혈당 추정 결과를 비교한 예시도이다. 도 8a 는 일반적인 라만 분광 분석법을 이용한 혈당 추정 결과의 그래프이고, 도 8b는 일 실시예의 농도 추정 방법을 이용한 혈당 추정 결과의 그래프이다.
도 8a에 도시된 바와 같이, 일반적인 라만 분광 분석법을 이용하여 혈당을 추정한 경우에는 상관 계수(correlation coefficient, R)가 0.17, 예측 표준 오차(standard error of prediction, SEP)가 422.5 mg/dL, 절대 상대 차이의 평균값(mean absolute relative difference, MARD)이 175.9%인 반면, 도 8b에 도시된 바와 같이, 일 실시예의 농도 추정 방법을 이용하여 혈당을 추정한 경우에는 R이 0.82, SEP가 125.2 mg/dL, MARD가 64.1%임을 알 수 있다. R이 크고 SEP와 MARD가 작을수록 추정의 정확도가 높다는 것을 의미하므로, 일 실시예의 농도 추정 방법을 이용하여 혈당을 추정한 경우(도 8b)가 일반적인 라만 분광 분석법을 이용하여 혈당을 추정한 경우(도 8a)보다 추정의 정확도가 향상된다는 것을 알 수 있다.
특히, 형광의 변화가 큰 혈당 추정 시작 초기 구간의 경우, 일반적인 라만 분광 분석법을 이용하여 혈당을 추정한 경우(도 8a)에는 추정의 정확도가 상대적으로 낮은 반면, 일시예의 농도 추정 방법을 이용하여 혈당을 추정한 경우(도 8b)에는 추정의 정확도가 상대적으로 높은 수준으로 유지된다는 것을 알 수 있다.
도 9는 프로세서의 다른 실시예를 도시한 블록도이다. 도 9의 프로세서(900)는 도 1의 프로세서(120)의 다른 실시예일 수 있다.
도 9를 참조하면 프로세서(900)는 전처리부(910), 스펙트럼 추출부(920), 배경 신호 제거부(930), 면적 산출부(940) 및 농도 추정부(950)를 포함할 수 있다. 여기서, 스펙트럼 추출부(920), 배경 신호 제거부(930), 면적 산출부(940) 및 농도 추정부(950)는 도 3의 스펙트럼 추출부(310), 배경 신호 제거부(320), 면적 산출부(330) 및 농도 추정부(340)와 각각 동일하므로 그 상세한 설명은 생략하기로 한다.
전처리부(910)는 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다. 일 실시예에 따르면, 전처리부(910)는 ALS(asymmetric least square), detrend, MSC(multiplicative scatter correction), EMSC(extended multiplicative scatter correction), SNV(standard normal variate), MC(mean centering), FT(fourier transform), OSC(orthogonal signal correction), 및 SG(Savitzky-Golay smoothing) 등을 다양한 잡음 제거 알고리즘을 이용하여 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다. 그러나 이에 한정되는 것은 아니다.
도 10은 분석 물질의 농도 추정 장치의 다른 실시예를 도시한 블록도이다. 도 10의 농도 추정 장치(1000)는 피검체의 라만 스펙트럼을 분석하여 비침습적으로 피검체 내 분석 물질의 농도를 추정할 수 있는 장치로서, 전자 장치에 탑재될 수 있다. 이때, 전자 장치는 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
도 10을 참조하면, 농도 추정 장치(100)는 스펙트럼 획득부(1010), 프로세서(1020), 입력부(1030), 저장부(1040), 통신부(1050) 및 출력부(1060)를 포함할 수 있다. 여기서, 스펙트럼 획득부(1010) 및 프로세서(1020)는 도 1의 스펙트럼 획득부(110) 및 프로세서(120)와 각각 동일하므로 그 상세한 설명은 생략하기로 한다.
입력부(1030)는 사용자로부터 다양한 조작신호를 입력 받을 수 있다. 일 실시예에 따르면, 입력부(1030)는 키 패드(key pad), 돔 스위치(dome switch), 터치 패드(touch pad)(정압/정전), 조그 휠(Jog wheel), 조그 스위치(Jog switch), H/W 버튼 등을 포함할 수 있다. 특히, 터치 패드가 디스플레이와 상호 레이어 구조를 이룰 경우, 이를 터치 스크린이라 부를 수 있다.
저장부(1040)는 농도 추정 장치(1000)의 동작을 위한 프로그램 또는 명령들을 저장할 수 있고, 농도 추정 장치(1000)에 입력되는 데이터 및 농도 추정 장치(1000)로부터 출력되는 데이터를 저장할 수 있다. 또한, 저장부(1040)는 라만 스펙트럼, 농도 추정 모델, 분석 물질의 농도 추정값 등을 저장할 수 있다. 저장부(1040)는 플래시 메모리 타입(flash memory type), 하드 디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예컨대, SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read Only Memory), PROM(Programmable Read Only Memory), 자기 메모리, 자기 디스크, 광디스크 등 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 농도 추정 장치(1000)는 인터넷 상에서 저장부(1040)의 저장 기능을 수행하는 웹 스토리지(web storage) 등 외부 저장 매체를 운영할 수도 있다.
통신부(1050)는 외부 장치와 통신을 수행할 수 있다. 예컨대, 통신부(1050)는 농도 추정 장치(1000)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 외부 장치로 전송하거나, 외부 장치로부터 분석 물질의 농도 추정에 도움이 되는 다양한 데이터를 수신할 수 있다.
이때, 외부 장치는 농도 추정 장치(1000)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 사용하는 의료 장비, 결과물을 출력하기 위한 프린트 또는 디스플레이 장치일 수 있다. 이외에도 외부 장치는 디지털 TV, 데스크탑 컴퓨터, 휴대폰, 스마트 폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등 일 수 있으나, 이에 제한되지 않는다.
통신부(1050)는 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 이용하여 외부 장치와 통신할 수 있다. 그러나, 이는 일 예에 불과할 뿐이며, 이에 한정되는 것은 아니다.
출력부(1060)는 농도 추정 장치(1000)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 출력할 수 있다. 일 실시예에 따르면, 출력부(1060)는 농도 추정 장치(1000)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 청각적 방법, 시각적 방법 및 촉각적 방법 중 적어도 하나의 방법으로 출력할 수 있다. 이를 위해 출력부(1060)는 디스플레이, 스피커, 진동기 등을 포함할 수 있다.
도 11은 농도 추정 모델 생성 장치의 일 실시예를 도시한 블록도이다. 도 11의 농도 추정 모델 생성 장치(1100)는 피검체 내 분석 물질의 농도를 추정할 수 있는 모델을 생성할 수 있는 장치로서, 전자 장치에 탑재될 수 있다. 이때, 전자 장치는 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
도 11을 참조하면, 농도 추정 모델 생성 장치(1100)는 학습 데이터 수집부(1110) 및 프로세서(1120)를 포함할 수 있다.
학습 데이터 수집부(1110)는 피검체의 라만 스펙트럼 및 이에 대응하는 분석 물질의 농도 정보를 학습 데이터로 수집할 수 있다. 이때, 학습 데이터로서 수집되는 라만 스펙트럼은, 소정 시간 동안 소정의 시간 간격으로 측정된 복수의 라만 스펙트럼일 수 있으며, 이들 복수의 라만 스펙트럼 중에서 추출된 대표 라만 스펙트럼일 수도 있다. 또한, 학습 데이터로서 수집되는 라만 스펙트럼은 잡음이 제거되지 않은 로우 데이터(raw data)일 수도 있으며, 잡음이 제거된 데이터일 수도 있다.
프로세서(1120)는 피검체의 라만 스펙트럼이 수집되면, 수집된 라만 스펙트럼에서 적어도 하나의 분석 물질 스펙트럼과 적어도 하나의 비 분석 물질 스펙트럼을 추출하고, 추출된 분석 물질 스펙트럼 및 추출된 비 분석 물질 스펙트럼의 면적과, 이에 대응하는 분석 물질의 농도값을 학습하여 농도 추정 모델을 생성할 수 있다.
도 12는 프로세서의 일 실시예를 도시한 블록도이다. 도 12의 프로세서(1200)는 도 11의 프로세서(1120)의 일 실시예일 수 있다.
도 12를 참조하면 프로세서(1200)는 스펙트럼 추출부(1210), 배경 신호 제거부(1220), 면적 산출부(1230) 및 모델 생성부(1240)를 포함할 수 있다.
스펙트럼 추출부(1210)는 피검체의 라만 스펙트럼으로부터 적어도 하나의 분석 물질 스펙트럼과 적어도 하나의 비 분석 물질 스펙트럼을 추출할 수 있다. 예컨대, 스펙트럼 추출부(1210)는 분석 물질과 관련된 라만 밴드의 스펙트럼을 분석 물질 스펙트럼으로 추출하고, 분석 물질 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 비 분석 물질 스펙트럼으로 추출할 수 있다. 이때, 분석 물질과 관련된 라만 밴드 및 분석 물질 이외의 생체 성분과 관련된 라만 밴드에 관한 정보는 분석 물질의 종류에 따라 실험적으로 미리 도출되어 내부 또는 외부 데이터베이스에 저장될 수 있다.
배경 신호 제거부(1220)는 추출된 적어도 하나의 분석 물질 스펙트럼 및 추출된 적어도 하나의 비 분석 물질 스펙트럼에서 형광 등의 배경 신호를 제거할 수 있다. 일 실시예에 따르면, 배경 신호 제거부(1220)는 추출된 각 스펙트럼(분석 물질 스펙트럼 및 비 분석 물질 스펙트럼)의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거할 수 있다.
면적 산출부(1230)는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적을 산출할 수 있다. 예컨대, 면적 산출부(1230)는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)을 적분하여 각 스펙트럼의 면적을 산출할 수 있다.
모델 생성부(1240)는 산출된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적과 이에 대응하는 분석 물질의 농도값을 기반으로 분석 물질의 농도 추정 모델을 생성할 수 있다. 예컨대, 모델 생성부(1240)는 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이에 대응하는 분석 물질의 농도값을 이용하여 회귀분석 또는 기계학습을 통해 농도 추정 모델을 생성할 수 있다. 이때, 회귀분석 알고리즘은 선형 회귀(linear regression)(예컨대, Partial least squares regression), 로지스틱 회귀(logistic regression), Cox 비례회귀(proportional Cox regression) 등을 포함할 수 있으며, 기계학습 알고리즘은 인공 신경망(Artificial Neural Network), 결정 트리(Decision Tree), 유전 알고리즘(Genetic Algorithm), 유전자 프로그래밍(Genetic Programming), K 근접 이웃(K-Nearest Neighbor), 방사 기저 함수 네트워크(Radial Basis Function Network), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support Vector Machine), 및 딥러닝(deep-learning) 등을 포함할 수 있다.
예컨대, 농도 추정 모델은 수학식 1 또는 수학식 2로 표현될 수 있다.
도 13은 프로세서의 다른 실시예를 도시한 블록도이다. 도 13의 프로세서(1300)는 도 11의 프로세서(1120)의 다른 실시예일 수 있다.
도 13을 참조하면 프로세서(1300)는 전처리부(1310), 스펙트럼 추출부(1320), 배경 신호 제거부(1330), 면적 산출부(1340) 및 모델 생성부(1350)를 포함할 수 있다. 여기서, 스펙트럼 추출부(1320), 배경 신호 제거부(1330), 면적 산출부(1340) 및 모델 생성부(1350)는 도 12의 스펙트럼 추출부(1210), 배경 신호 제거부(1220), 면적 산출부(1230) 및 모델 생성부(1240)와 각각 동일하므로 그 상세한 설명은 생략하기로 한다.
전처리부(1310)는 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다. 일 실시예에 따르면, 전처리부(910)는 ALS(asymmetric least square), detrend, MSC(multiplicative scatter correction), EMSC(extended multiplicative scatter correction), SNV(standard normal variate), MC(mean centering), FT(fourier transform), OSC(orthogonal signal correction), 및 SG(Savitzky-Golay smoothing) 등을 다양한 잡음 제거 알고리즘을 이용하여 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다. 그러나 이에 한정되는 것은 아니다.
도 14는 분석 물질의 농도 추정 장치의 다른 실시예를 도시한 블록도이다. 도 14는 농도 추정 모델 생성 장치와 농도 추정 장치가 하나의 장치로 구현된 실시예일 수 있다.
도 14에 도시된 바와 같이, 농도 추정 장치(1400)는 농도 추정 모델 생성부(1410)와 농도 추정부(1420)를 포함할 수 있다. 이때, 농도 추정 모델 생성부(1410)는 도 11 내지 도 13을 참조하여 전술한 농도 추정 모델 생성 장치(1100)이고, 농도 추정부(1420)는 도 1 내지 도 10을 참조하여 전술한 농도 추정 장치(100, 1000)일 수 있다.
즉, 농도 추정 모델 생성부(1410)는 소정의 기간 동안 학습 데이터를 수집하고 수집된 학습 데이터를 학습하여 분석 물질에 대한 농도 추정 모델을 생성하고, 농도 추정부(1420)는 농도 추정 모델의 생성이 완료되면, 피검체의 라만 스펙트럼을 획득하고 획득된 라만 스펙트럼 및 생성된 농도 추정 모델을 이용하여 분석 물질의 농도를 추정할 수 있다.
도 15는 분석 물질의 농도 추정 방법의 일 실시예를 도시한 흐름도이다. 도 15의 농도 추정 방법은 도 1 및 도 10의 농도 추정 장치(100, 1000)에 의해 수행될 수 있다.
도 15를 참조하면, 농도 추정 장치는 피검체의 라만 스펙트럼을 획득할 수 있다(1510). 예컨대, 농도 추정 장치는 피검체의 라만 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 라만 스펙트럼을 수신함으로써 획득하거나, 피검체에 광을 조사하고 피검체로부터 되돌아오는 라만 산란광을 수신하여 라만 스펙트럼을 측정함으로써 획득할 수 있다.
농도 추정 장치는 획득된 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다(1515). 일 실시예에 따르면, 농도 추정 장치는 ALS(asymmetric least square), detrend, MSC(multiplicative scatter correction), EMSC(extended multiplicative scatter correction), SNV(standard normal variate), MC(mean centering), FT(fourier transform), OSC(orthogonal signal correction), 및 SG(Savitzky-Golay smoothing) 등을 다양한 잡음 제거 알고리즘을 이용하여 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다. 그러나 이에 한정되는 것은 아니다.
농도 추정 장치는 피검체의 라만 스펙트럼으로부터 적어도 하나의 분석 물질 스펙트럼과 적어도 하나의 비 분석 물질 스펙트럼을 추출할 수 있다(1520). 예컨대, 농도 추정 장치는 분석 물질과 관련된 라만 밴드의 스펙트럼을 분석 물질 스펙트럼으로 추출하고, 분석 물질 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 비 분석 물질 스펙트럼으로 추출할 수 있다. 이때, 분석 물질과 관련된 라만 밴드 및 분석 물질 이외의 생체 성분과 관련된 라만 밴드에 관한 정보는 분석 물질의 종류에 따라 실험적으로 미리 도출되어 내부 또는 외부 데이터베이스에 저장될 수 있다.
농도 추정 장치는 추출된 적어도 하나의 분석 물질 스펙트럼 및 추출된 적어도 하나의 비 분석 물질 스펙트럼에서 형광 등의 배경 신호를 제거할 수 있다(1530). 예컨대, 농도 추정 장치는 추출된 각 스펙트럼(분석 물질 스펙트럼 및 비 분석 물질 스펙트럼)의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거할 수 있다.
농도 추정 장치는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적을 산출할 수 있다(1540). 예컨대, 농도 추정 장치는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)을 적분하여 각 스펙트럼의 면적을 산출할 수 있다.
농도 추정 장치는 산출된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적을 기반으로 분석 물질의 농도를 추정할 수 있다(1550). 예컨대, 농도 추정 장치는 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 농도 추정 모델을 이용하여 피검체에 대한 분석 물질의 농도를 추정할 수 있다. 일 실시예에 따르면 농도 추정 모델은 수학식 1 또는 수학식 2로 표현될 수 있다.
도 16은 농도 추정 모델 생성 방법의 일 실시예를 도시한 흐름도이다. 도 16의 농도 추정 모델 생성 방법은 도 11의 농도 추정 모델 생성 장치(1100)에 의해 수행될 수 있다.
도 16을 참조하면 농도 추정 모델 생성 장치는 피검체의 라만 스펙트럼 및 이에 대응하는 분석 물질의 농도 정보를 학습 데이터로 수집할 수 있다(1610). 이때, 학습 데이터로서 수집되는 라만 스펙트럼은, 소정 시간 동안 소정의 시간 간격으로 측정된 복수의 라만 스펙트럼일 수 있으며, 이들 복수의 라만 스펙트럼 중에서 추출된 대표 라만 스펙트럼일 수도 있다.
농도 추정 모델 생성 장치는 획득된 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다(1615). 일 실시예에 따르면, 농도 추정 모델 생성 장치는 ALS(asymmetric least square), detrend, MSC(multiplicative scatter correction), EMSC(extended multiplicative scatter correction), SNV(standard normal variate), MC(mean centering), FT(fourier transform), OSC(orthogonal signal correction), 및 SG(Savitzky-Golay smoothing) 등을 다양한 잡음 제거 알고리즘을 이용하여 피검체의 라만 스펙트럼에서 잡음을 제거할 수 있다. 그러나 이에 한정되는 것은 아니다.
농도 추정 모델 생성 장치는 피검체의 라만 스펙트럼으로부터 적어도 하나의 분석 물질 스펙트럼과 적어도 하나의 비 분석 물질 스펙트럼을 추출할 수 있다(1620). 예컨대, 농도 추정 장치는 분석 물질과 관련된 라만 밴드의 스펙트럼을 분석 물질 스펙트럼으로 추출하고, 분석 물질 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 비 분석 물질 스펙트럼으로 추출할 수 있다. 이때, 분석 물질과 관련된 라만 밴드 및 분석 물질 이외의 생체 성분과 관련된 라만 밴드에 관한 정보는 분석 물질의 종류에 따라 실험적으로 미리 도출되어 내부 또는 외부 데이터베이스에 저장될 수 있다.
농도 추정 모델 생성 장치는 추출된 적어도 하나의 분석 물질 스펙트럼 및 추출된 적어도 하나의 비 분석 물질 스펙트럼에서 형광 등의 배경 신호를 제거할 수 있다(1630). 예컨대, 농도 추정 모델 생성 장치는 추출된 각 스펙트럼(분석 물질 스펙트럼 및 비 분석 물질 스펙트럼)의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거할 수 있다.
농도 추정 모델 생성 장치는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적을 산출할 수 있다(1640). 예컨대, 농도 추정 모델 생성 장치는 배경 신호가 제거된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)을 적분하여 각 스펙트럼의 면적을 산출할 수 있다.
농도 추정 모델 생성 장치는 산출된 각 스펙트럼(분석 물질 스펙트럼, 비 분석 물질 스펙트럼)의 면적과 이에 대응하는 분석 물질의 농도값을 기반으로 분석 물질의 농도 추정 모델을 생성할 수 있다(1650). 예컨대, 농도 추정 모델 생성 장치는 배경 신호가 제거된 분석 물질 스펙트럼의 면적 및 배경 신호가 제거된 비 분석 물질 스펙트럼의 면적과, 이에 대응하는 분석 물질의 농도값을 이용하여 회귀분석 또는 기계학습을 통해 농도 추정 모델을 생성할 수 있다.
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
100: 농도 추정 장치
110: 스펙트럼 획득부
120: 프로세서

Claims (25)

  1. 피검체의 라만 스펙트럼을 획득하는 스펙트럼 획득부;
    학습용 라만 스펙트럼으로부터 추출된 학습용 혈당 스펙트럼과 학습용 비혈당 스펙트럼 각각의 곡선하 면적, 및 이에 대응하는 학습용 혈당 농도를 이용하여 회귀분석 또는 기계학습을 통해 생성된 농도 추정 모델을 저장하는 메모리; 및
    상기 스펙트럼 획득부에서 혈당 농도 추정을 위해 획득된 라만 스펙트럼에서 혈당과 관련된 적어도 하나의 혈당 스펙트럼 및 혈당 이외의 생체 성분과 관련된 적어도 하나의 비혈당 스펙트럼을 추출하고, 상기 추출된 적어도 하나의 혈당 스펙트럼의 곡선하 면적 및 상기 추출된 적어도 하나의 비혈당 스펙트럼의 곡선하 면적을 산출하며, 산출된 적어도 하나의 혈당 스펙트럼의 곡선하 면적 및 적어도 하나의 비혈당 스펙트럼의 곡선하 면적과, 상기 농도 추정 모델을 이용하여 상기 혈당의 농도를 추정하는 프로세서; 를 포함하는,
    농도 추정 장치.
  2. 제1항에 있어서,
    상기 스펙트럼 획득부는,
    외부 장치로부터 상기 라만 스펙트럼을 수신하거나, 상기 피검체에 광을 조사하고 상기 피검체로부터 되돌아오는 라만 산란광을 수신하여 상기 라만 스펙트럼을 측정하는,
    농도 추정 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 프로세서는,
    상기 추출된 적어도 하나의 혈당 스펙트럼 및 상기 추출된 적어도 하나의 비혈당 스펙트럼에서 배경 신호를 제거하고,
    상기 배경 신호가 제거된 적어도 하나의 혈당 스펙트럼을 적분하여 상기 적어도 하나의 혈당 스펙트럼의 곡선하 면적을 산출하고, 배경 신호가 제거된 적어도 하나의 비혈당 스펙트럼을 적분하여 상기 적어도 하나의 비혈당 스펙트럼의 곡선하 면적을 산출하는,
    농도 추정 장치.
  5. 제4항에 있어서,
    상기 프로세서는,
    상기 혈당과 관련된 라만 밴드의 스펙트럼을 상기 혈당 스펙트럼으로 추출하고, 상기 혈당 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 상기 비혈당 스펙트럼으로 추출하는,
    농도 추정 장치.
  6. 제4항에 있어서,
    상기 프로세서는,
    911 cm-1 라만 밴드 스펙트럼, 1060 cm-1 라만 밴드 스펙트럼, 및 1125 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 혈당 스펙트럼으로 추출하고,
    1003 cm-1 라만 밴드 스펙트럼 및 1450 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 비혈당 스펙트럼으로 추출하는,
    농도 추정 장치.
  7. 제4항에 있어서,
    상기 프로세서는,
    각 혈당 스펙트럼 및 각 비혈당 스펙트럼의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거하는,
    농도 추정 장치.
  8. 삭제
  9. 삭제
  10. 삭제
  11. 제4항에 있어서,
    상기 프로세서는,
    상기 획득된 라만 스펙트럼에서 잡음을 제거하는,
    농도 추정 장치.
  12. 피검체에 광을 조사하는 광원부;
    피검체에서 산란된 라만 산란광을 수신하여 라만 스펙트럼을 측정하는 광 검출부;
    학습용 라만 스펙트럼으로부터 추출된 학습용 혈당 스펙트럼과 학습용 비혈당 스펙트럼 각각의 곡선하 면적, 및 이에 대응하는 학습용 혈당 농도를 이용하여 회귀분석 또는 기계학습을 통해 생성된 농도 추정 모델을 저장하는 메모리;
    광원부 및 광 검출부를 제어하여 혈당 농도 추정용 라만 스펙트럼을 획득하고, 상기 획득된 혈당 농도 추정용 라만 스펙트럼에서 혈당과 관련된 적어도 하나의 혈당 스펙트럼 및 혈당 이외의 생체 성분과 관련된 적어도 하나의 비혈당 스펙트럼을 추출하고, 추출된 적어도 하나의 혈당 스펙트럼의 곡선하 면적 및 적어도 하나의 비혈당 스펙트럼의 곡선하 면적을 산출하며, 산출된 적어도 하나의 혈당 스펙트럼의 곡선하 면적 및 적어도 하나의 비혈당 스펙트럼의 곡선하 면적과, 상기 농도 추정 모델을 이용하여 혈당 농도를 추정하는 프로세서; 및
    상기 혈당 농도 추정 결과를 출력하는 디스플레이를 포함하는,
    웨어러블 기기.
  13. 제12항에 있어서,
    상기 프로세서는,
    상기 추출된 적어도 하나의 혈당 스펙트럼 및 상기 추출된 적어도 하나의 비혈당 스펙트럼에서 배경 신호를 제거하고,
    배경 신호가 제거된 적어도 하나의 혈당 스펙트럼의 곡선하 면적 및 배경 신호가 제거된 적어도 하나의 비혈당 스펙트럼의 곡선하 면적을 산출하는,
    웨어러블 기기.
  14. 제13항에 있어서,
    상기 프로세서는,
    911 cm-1 라만 밴드 스펙트럼, 1060 cm-1 라만 밴드 스펙트럼, 및 1125 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 혈당 스펙트럼으로 추출하고,
    1003 cm-1 라만 밴드 스펙트럼 및 1450 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 비혈당 스펙트럼으로 추출하는,
    웨어러블 기기.
  15. 제13항에 있어서,
    상기 프로세서는,
    각 혈당 스펙트럼 및 각 비혈당 스펙트럼의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거하는,
    웨어러블 기기.
  16. 삭제
  17. 피검체의 라만 스펙트럼을 획득하는 단계;
    상기 획득된 라만 스펙트럼에서 적어도 하나의 혈당 스펙트럼 및 적어도 하나의 비혈당 스펙트럼을 추출하는 단계;
    상기 추출된 적어도 하나의 혈당 스펙트럼 및 상기 추출된 적어도 하나의 비혈당 스펙트럼에서 배경 신호를 제거하는 단계;
    상기 배경 신호가 제거된 적어도 하나의 혈당 스펙트럼의 곡선하 면적 및 상기 배경 신호가 제거된 적어도 하나의 비혈당 스펙트럼의 곡선하 면적을 산출하는 단계;
    학습용 라만 스펙트럼으로부터 추출된 학습용 혈당 스펙트럼과 학습용 비혈당 스펙트럼 각각의 곡선하 면적, 및 이에 대응하는 학습용 혈당 농도를 이용하여 회귀분석 또는 기계학습을 통해 생성된 농도 추정 모델을 메모리로부터 획득하는 단계; 및
    상기 농도 추정 모델을 이용하여, 상기 산출된 혈당 스펙트럼의 곡선하 면적 및 상기 비혈당 스펙트럼의 곡선하 면적을 기반으로 혈당의 농도를 추정하는 단계; 를 포함하는,
    농도 추정 방법.
  18. 제17항에 있어서,
    상기 라만 스펙트럼을 획득하는 단계는,
    외부 장치로부터 상기 라만 스펙트럼을 수신하여 획득하거나, 상기 피검체에 광을 조사하고 상기 피검체로부터 되돌아오는 라만 산란광을 수신하여 상기 라만 스펙트럼을 측정하여 획득하는,
    농도 추정 방법.
  19. 삭제
  20. 제17항에 있어서,
    상기 적어도 하나의 혈당 스펙트럼 및 적어도 하나의 비혈당 스펙트럼을 추출하는 단계는,
    혈당과 관련된 라만 밴드의 스펙트럼을 상기 혈당 스펙트럼으로 추출하고, 상기 혈당 이외의 생체 성분과 관련된 라만 밴드의 스펙트럼을 상기 비혈당 스펙트럼으로 추출하는,
    농도 추정 방법.
  21. 제17항에 있어서,
    상기 적어도 하나의 혈당 스펙트럼 및 적어도 하나의 비혈당 스펙트럼을 추출하는 단계는,
    911 cm-1 라만 밴드 스펙트럼, 1060 cm-1 라만 밴드 스펙트럼, 및 1125 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 혈당 스펙트럼으로 추출하고,
    1003 cm-1 라만 밴드 스펙트럼 및 1450 cm-1 라만 밴드 스펙트럼 중 적어도 하나를 비혈당 스펙트럼으로 추출하는,
    농도 추정 방법.
  22. 제17항에 있어서,
    상기 배경 신호를 제거하는 단계는,
    각 혈당 스펙트럼 및 각 비혈당 스펙트럼의 시작점과 끝점을 직선 또는 곡선으로 연결하여 배경선을 생성하고, 생성된 배경선을 해당 스펙트럼에서 차감하여 배경 신호를 제거하는,
    농도 추정 방법.
  23. 삭제
  24. 삭제
  25. 제17항에 있어서,
    상기 획득된 라만 스펙트럼에서 잡음을 제거하는 단계; 를 더 포함하는,
    농도 추정 방법.
KR1020180098772A 2018-08-10 2018-08-23 분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법 KR102574088B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/527,983 US11627895B2 (en) 2018-08-10 2019-07-31 Apparatus and method for estimating analyte concentration, and apparatus and method for generating analyte concentration estimation model
EP19191000.9A EP3607875A1 (en) 2018-08-10 2019-08-09 Estimating analyte concentration using raman spectroscopy
CN201910738775.1A CN110811635B (zh) 2018-08-10 2019-08-09 估计浓度的装置和方法以及生成浓度估计模型的装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862717232P 2018-08-10 2018-08-10
US62/717,232 2018-08-10

Publications (2)

Publication Number Publication Date
KR20200018177A KR20200018177A (ko) 2020-02-19
KR102574088B1 true KR102574088B1 (ko) 2023-09-04

Family

ID=69670265

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180098772A KR102574088B1 (ko) 2018-08-10 2018-08-23 분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102574088B1 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102532757B1 (ko) * 2020-09-24 2023-05-12 서강대학교산학협력단 라만 분광 신호를 기초로 수용액의 용존 가스 농도를 예측하기 위한 장치 및 이를 위한 방법
KR102271995B1 (ko) 2021-01-12 2021-07-05 국방과학연구소 인공 신경망을 이용한 지표면 화학 작용제 탐지 시스템
KR102334588B1 (ko) * 2021-06-29 2021-12-02 국방과학연구소 비음 우도비 검정기법을 활용한 지표면 독성 화학 작용제 탐지 장치, 탐지 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
KR20230011110A (ko) 2021-07-13 2023-01-20 주식회사 엘지화학 스펙트럼 학습기반 물질농도 측정장치 및 방법
KR102644079B1 (ko) * 2021-09-24 2024-03-07 주식회사 휘라포토닉스 광학 혈당 센서용 광도파로 모듈
KR20230052231A (ko) * 2021-10-12 2023-04-19 주식회사 유케어트론 측정스펙트럼 분석장치 및 분석방법
KR102628110B1 (ko) 2022-01-19 2024-01-23 울산과학기술원 파장가변 양자폭포 레이저 기반의 비접촉식 액상 화학물질 탐지 방법 및 장치
KR20230126523A (ko) * 2022-02-23 2023-08-30 재단법인 아산사회복지재단 라만 분광 분석을 이용한 세포 치료제의 car 단백질 정량화 방법 및 장치
CN118355263A (zh) 2022-11-16 2024-07-16 株式会社Lg化学 基于光谱学习的浓度测量装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003534087A (ja) * 2000-05-31 2003-11-18 ミューラー−デトレフス，クラオス ラマン分光検査法を使用して体液中の物質を検出する方法および装置
US8027033B2 (en) 2007-08-13 2011-09-27 C8 Medisensors Inc. Calibrated analyte concentration measurements in mixtures

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06505183A (ja) * 1991-02-26 1994-06-16 マサチユセツツ・インスチチユート・オブ・テクノロジー 組織を診断するための分子分光計のシステムおよび方法
KR102497849B1 (ko) * 2016-05-09 2023-02-07 삼성전자주식회사 분석물질 농도 예측 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003534087A (ja) * 2000-05-31 2003-11-18 ミューラー−デトレフス，クラオス ラマン分光検査法を使用して体液中の物質を検出する方法および装置
US8027033B2 (en) 2007-08-13 2011-09-27 C8 Medisensors Inc. Calibrated analyte concentration measurements in mixtures

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Zanyar Movasaghi 등. Raman Spectroscopy of Biological Tissues. Applied Spectroscopy Reviews. Vol.42, No.5, pp.493-541, 2007.09.10.*

Also Published As

Publication number Publication date
KR20200018177A (ko) 2020-02-19

Similar Documents

Publication Publication Date Title
KR102574088B1 (ko) 분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법
EP3981329A1 (en) Apparatus and method for estimating analyte concentration, and signal measuring apparatus
CN110811635B (zh) 估计浓度的装置和方法以及生成浓度估计模型的装置
JP7165542B2 (ja) グルコース露出量推定装置、方法及びプログラム、グルコース露出量推定モデル生成装置、並びに糖指数測定装置
KR102610589B1 (ko) 피부 상태 추정 장치 및 방법
KR102693439B1 (ko) 스펙트럼 측정 장치, 스펙트럼의 광원 온도 변화 보정 방법, 농도 추정 장치 및 방법
US10684226B2 (en) Raman probe, Raman spectrum obtaining apparatus, and method of obtaining Raman spectrum and detecting distribution of target material using Raman probe
KR102539144B1 (ko) 개인화된 단위 스펙트럼 획득 장치 및 방법과, 생체 성분 추정 장치 및 방법
US11596331B2 (en) Apparatus and method for estimating analyte concentration
KR102574086B1 (ko) 라만 프로브
KR20210057506A (ko) 피부 장벽 기능 추정 장치 및 방법
KR20200144333A (ko) 라만 스펙트럼 측정 장치 및 방법
KR102694546B1 (ko) 광 센서, 광 신호 측정 방법 및 혈중 농도 추정 장치
KR102627146B1 (ko) 스펙트럼 처리 장치 및 방법
KR20210022319A (ko) 생체정보 추정 장치 및 방법
CN116413222A (zh) 用于估计目标成分的设备和方法
KR102658237B1 (ko) 분석 물질의 혈중 농도 추정 장치 및 방법과, 모델 생성 장치 및 방법
KR102717373B1 (ko) 분석 물질의 농도 추정 장치 및 방법
KR102671886B1 (ko) 분석 물질의 농도 추정 장치 및 방법
KR20200100997A (ko) 분석 물질의 농도 추정 장치 및 방법
US20220233149A1 (en) Apparatus and method for estimating body component
KR102715921B1 (ko) 혈중 성분의 농도 예측 장치 및 방법
US20220061704A1 (en) Apparatus and method for estimating target component
KR20210031061A (ko) 렌즈, 렌즈가 적용된 광원 장치 및 분석 물질의 농도 추정 장치
KR20190101867A (ko) 혈중 성분의 농도 예측 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant