KR102575980B1 - 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치 - Google Patents

신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치 Download PDF

Info

Publication number
KR102575980B1
KR102575980B1 KR1020210014049A KR20210014049A KR102575980B1 KR 102575980 B1 KR102575980 B1 KR 102575980B1 KR 1020210014049 A KR1020210014049 A KR 1020210014049A KR 20210014049 A KR20210014049 A KR 20210014049A KR 102575980 B1 KR102575980 B1 KR 102575980B1
Authority
KR
South Korea
Prior art keywords
information
patient
gait
disease
learning model
Prior art date
Application number
KR1020210014049A
Other languages
English (en)
Other versions
KR20220110981A (ko
Inventor
한승현
왕민정
Original Assignee
(주) 로완
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 (주) 로완 filed Critical (주) 로완
Priority to KR1020210014049A priority Critical patent/KR102575980B1/ko
Publication of KR20220110981A publication Critical patent/KR20220110981A/ko
Application granted granted Critical
Publication of KR102575980B1 publication Critical patent/KR102575980B1/ko

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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Physiology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

실시예들은 컴퓨팅 장치에 의해 실행되는 신경계 질병 및 질병 진행 단계 정보를 생성하는 방법을 제공할 수 있다. 여기서, 신경계 질병 및 질병 진행 단계 정보를 생성하는 방법은 복수의 환자 각각에 대한 환자정보 및 보행정보를 획득하는 단계, 복수의 환자 각각에 대한 신경계 질병 정보 및 신경계 질병 단계 정보를 획득하는 단계, 획득된 정보들에 기초하여 학습모델을 구축하는 단계, 제1 환자의 환자정보 및 보행정보를 획득하는 단계 및 구축된 학습모델에 기초하여 출력정보로서 제1 환자의 신경계 질병 정보 및 신경계 질병 단계 정보를 생성하는 단계를 포함할 수 있다.

Description

신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치{THE METHOD AND APPARATUS FOR PROCESSING PATIENT INFORMATION AND GAIT INFORMATION FOR JUDGING AND ESTMATING PROGRESSION OF NERVOUS SYSTEM RELATED DISEASE}
실시예들은 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치에 대한 것이다. 보다 상세하게는, 환자정보 및 보행정보에 기초하여 구축되는 신경계 질병 관련 학습모델에 기초하여 신경계 관련 질병 판단 및 진행속도를 추정하는 방법에 대한 것이다.
신경계는 뇌와 척수로 이루어진 중추신경계 및 중추신경계로 정보를 전달하는 말초신경계로 구성되어 있으며, 이와 관련된 질환들이 신경계 질병일 수 있다. 신경계 질병은 감염이나 신경계 손상 또는 혈관 문제 등에 기초하여 발생될 수 있다. 이때, 신경계 질병이 발생하면 두통과 같은 통증이 발생하거나 기억력, 판단력 등에 문제가 생길 수 있다.
또한, 신경계 질병이 발생하면 보행 운동 장애가 발생할 수 있다. 보행 운동 장애는 보행 시 중심이 과도하게 이동하거나 양측 운동이 불균형하여 정상적으로 보행할 수 없는 상태를 의미할 수 있다. 일 예로, 정상적으로 보행하려면 중추신경계, 말초신경계 및 근골격계 능력을 종합적으로 이용해야 할 필요성이 있다. 따라서, 상술한 부분 중 문제가 생기면 보행 운동 장애가 발생할 수 있다. 특히, 근골격계는 유관상 확인이 되는 문제일 수 있으나, 근골격계에 문제가 없는데도 보행 운동 장애가 발생되면 신경계 질환과 연계될 가능성이 크다. 일 예로, 뇌졸중, 파킨슨병, 뇌성마비 또는 치매 등은 보행 장애를 유발할 수 있으며, 이러한 점을 고려하여 하기에서는 환자정보 및 보행정보에 기초하여 신경계 관련 질병을 판단하고 진행속도를 판단하는 방법에 대해 서술한다.
한국등록특허 제10-1936302호
본 명세서는 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치를 제공할 수 있다.
본 명세서는 환자정보와 보행정보를 통해 학습모델을 구축하고, 이에 기초하여 신경계 관련 질병을 핀단하고 진행속도를 추정하는 방법을 제공할 수 있다.
본 명세서는 새로운 환자정보와 보행정보에 기초하여 학습모델을 업데이트하고, 질병 판단 및 진행속도 추정 정확도를 높이는 방법을 제공할 수 있다.
본 명세서의 해결하고자 하는 과제는 상술한 바에 한정되지 아니하고, 하기에서 설명하는 발명의 실시예들에 의해 도출될 수 있는 다양한 사항들로 확장될 수 있다.
본 명세서의 일 실시예에 따라, 신경계 질병 및 진행 속도 판별하는 방법을 제공할 수 있다. 이때, 신경계 질병 및 진행 속도 판별하는 방법은 복수의 환자 각각에 대한 환자정보 및 보행정보를 획득하는 단계, 복수의 환자 각각에 대한 신경계 질병 정보 및 신경계 질병 단계 정보를 획득하는 단계, 획득된 정보들에 기초하여 학습모델을 구축하는 단계, 제1 환자의 환자정보 및 보행정보를 획득하는 단계 및 구축된 학습모델에 기초하여 출력정보로서 제1 환자의 신경계 질병 정보 및 신경계 질병 단계 정보를 생성하는 단계를 포함할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 환자정보는 환자의 나이 정보, 성별 정보, 다른 질병 정보, 가족력 정보 및 과거 진료 기록 정보 중 적어도 어느 하나를 포함할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 보행정보는 보폭 정보, 압력 관련 정보, 가속도 관련 정보, 이동 방향 관련 정보, 발 각도 정보, 발 움직임 정보, 팔 스윙(arm swing) 정보, 무릎 높이 정보, 허리 숙임 정보, 손 떨림 정보 및 관절의 강직도 정보 중 적어도 어느 하나를 포함할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 학습모델은 출력 정보로서 제1 환자의 신경계 질병 정보 및 신경계 질병 단계 정보를 제1 환자 디바이스로 전송하고, 출력 정보와 제 1 환자의 신경계 질병 기록 정보를 비교하고, 비교된 정보에 기초하여 학습모델을 업데이트할 수 있다.
또한, 본 명세서의 일 실시예에 따라, 보행정보는 환자에 부착되는 디바이스를 통해 획득되되, 디바이스는 모션 센서, 압력 센서, 속도 센서, 중력 센서, 자이로 센서, 초음파 센서 및 이미지 센서 중 적어도 어느 하나 이상의 센서를 구비하고, 적어도 하나 이상의 센서에 기초하여 보행정보가 획득될 수 있다.
본 명세서는 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법을 제공할 수 있다.
본 명세서는 환자정보와 보행정보를 통해 학습모델을 구축하고, 이에 기초하여 신경계 관련 질병을 핀단하고 진행속도를 추정하여 환자 상태를 확인하도록 할 수 있다.
본 명세서는 새로운 환자정보와 보행정보에 기초하여 학습모델을 업데이트하고, 질병 판단 및 진행속도 추정 정확도를 높이는 방법을 제공할 수 있다.
본 명세서의 효과는 위 기재된 사항에 한정되지 아니하며, 아래 발명의 실시예들에 대한 상세한 설명으로부터 도출될 수 있는 다양한 내용들로 확장될 수 있음이 이해되어야 한다.
도 1은 본 명세서의 일실시예에 따른 시스템의 동작 환경의 예를 도시한 도면이다.
도 2는 본 명세서의 일실시예에 있어서 컴퓨팅 장치(200)의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 명세서의 일실시예에 있어서 환자정보 및 보행정보에 기초하여 학습모델을 구축하는 방법을 나타낸 도면이다.
도 4는 본 명세서의 일실시예에 있어서 환자정보 및 보행정보에 기초하여 학습모델을 업데이트하는 방법을 나타낸 도면이다.
도 5는 본 명세서의 일실시예에 있어서 환자정보 및 보행정보에 기초하여 학습모델을 구축하는 방법을 나타낸 도면이다.
도 6은 본 명세서의 일실시예에 있어서 보행정보를 획득하는 방법을 나타낸 도면이다.
도 7a는 본 명세서의 일실시예에 있어서 보행정보를 획득하는 장치를 나타낸 도면이다.
도 7b는 본 명세서의 일실시예에 있어서 보행정보를 획득하는 장치를 나타낸 도면이다.
도 7c는 본 명세서의 일실시예에 있어서 보행정보와 관련된 정보를 획득하는 장치를 나타낸 도면이다.
도 8a은 본 명세서의 일실시예에 있어서 환자의 보행정보를 획득하는 방법을 나타낸 도면이다.
도 8b은 본 명세서의 일실시예에 있어서 환자의 보행정보를 획득하는 방법을 나타낸 도면이다.
도 9는 본 명세서의 일실시예에 있어서 환자정보 및 보행정보에 기초하여 신경계 관련 질병을 판단하고 진행속도를 추정하는 방법을 나타낸 순서도이다.
본 명세서의 실시예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 명세서의 실시예의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 명세서의 실시예에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서의 실시예에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서의 실시예에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들 간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 명세서의 실시예의 범위 내에서 실시예에서의 제1 구성요소는 다른 실시예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 실시예에서의 제2 구성요소를 다른 실시예에서 제1 구성요소라고 칭할 수도 있다.
본 명세서의 실시예에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시예도 본 명세서의 실시예의 범위에 포함된다.
본 명세서에서 네트워크는 유무선 네트워크를 모두 포함하는 개념일 수 있다. 이때, 네트워크는 디바이스와 시스템 및 디바이스 상호 간의 데이터 교환이 수행될 수 있는 통신망을 의미할 수 있으며, 특정 네트워크로 한정되는 것은 아니다.
본 명세서에 기술된 실시예는 전적으로 하드웨어이거나, 부분적으로 하드웨어이고 부분적으로 소프트웨어이거나, 또는 전적으로 소프트웨어인 측면을 가질 수 있다. 본 명세서에서 "부(unit)", "장치" 또는 "시스템" 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다. 예를 들어, 본 명세서에서 부, 모듈, 장치 또는 시스템 등은 실행중인 프로세스, 프로세서, 객체(object), 실행 파일(executable), 실행 스레드(thread of execution), 프로그램(program), 및/또는 컴퓨터(computer)일 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 컴퓨터에서 실행중인 애플리케이션(application) 및 컴퓨터의 양쪽이 모두 본 명세서의 부, 모듈, 장치 또는 시스템 등에 해당할 수 있다.
또한, 본 명세서에서 디바이스는 스마트폰, 태블릿 PC, 웨어러블 디바이스 및 HMD(Head Mounted Display)와 같이 모바일 디바이스뿐만 아니라, PC나 디스플레이 기능을 구비한 가전처럼 고정된 디바이스일 수 있다. 또한, 일 예로, 디바이스는 IoT (Internet of Things) 디바이스일 수 있다. 즉, 본 명세서에서 디바이스는 어플리케이션 동작이 가능한 기기들을 지칭할 수 있으며, 특정 타입으로 한정되지 않는다. 하기에서는 설명의 편의를 위해 어플리케이션이 동작하는 기기를 디바이스로 지칭한다.
본 명세서에 있어서 네트워크의 통신 방식은 제한되지 않으며, 각 구성요소간 연결이 동일한 네트워크 방식으로 연결되지 않을 수도 있다. 네트워크는, 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크는, 객체와 객체가 네트워킹 할 수 있는 모든 통신 방법을 포함할 수 있으며, 유선 통신, 무선 통신, 3G, 4G, 5G, 혹은 그 이외의 방법으로 제한되지 않는다. 예를 들어, 유선 및/또는 네트워크는 LAN(Local Area Network), MAN(Metropolitan Area Network), GSM(Global System for Mobile Network), EDGE(Enhanced Data GSM Environment), HSDPA(High Speed Downlink Packet Access), W-CDMA(Wideband Code Division Multiple Access), CDMA(Code Division Multiple Access), TDMA(Time Division Multiple Access), 블루투스(Bluetooth), 지그비(Zigbee), 와이-파이(Wi-Fi), VoIP(Voice over Internet Protocol), LTE Advanced, IEEE802.16m, WirelessMAN-Advanced, HSPA+, 3GPP Long Term Evolution (LTE), Mobile WiMAX (IEEE 802.16e), UMB (formerly EV-DO Rev. C), Flash-OFDM, iBurst and MBWA (IEEE 802.20) systems, HIPERMAN, Beam-Division Multiple Access (BDMA), Wi-MAX(World Interoperability for Microwave Access) 및 초음파 활용 통신으로 이루어진 군으로부터 선택되는 하나 이상의 통신 방법에 의한 통신 네트워크를 지칭할 수 있으나, 이에 한정되는 것은 아니다.
다양한 실시예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들은 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 실시예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시예도 본 명세서의 실시예의 범위에 포함된다. 또한, 다양한 실시예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시예도 본 명세서의 실시예의 범위에 포함된다.
이하에서, 도면을 참조하여 본 명세서의 실시예들에 대하여 상세히 살펴본다.
도 1은 본 명세서의 일실시예에 따른 시스템의 동작 환경의 예를 도시한 도면이다. 도 1을 참조하면 사용자 디바이스(110), 하나 이상의 서버(120, 130, 140)가 네트워크(1)를 통해 연결되어 있다. 이러한 도 1은 발명의 설명을 위한 일례로 사용자 디바이스의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
사용자 디바이스(110)는 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 사용자 디바이스(110)는 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 일례로 실시예들에서 사용자 디바이스(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(1)를 통해 다른 서버들(120 - 140)과 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.
각 서버는 사용자 디바이스(110)와 네트워크(1)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버는 네트워크(1)를 통해 접속한 사용자 디바이스(110)로 각각의 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버는 사용자 디바이스(110)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, 정보 제공 등)를 사용자 디바이스(110)로 제공할 수 있다. 다른 예로, 서버는 상술한 어플리케이션의 설치 및 구동을 위한 파일을 사용자 디바이스(110)로 배포하고 사용자 입력 정보를 수신해 대응하는 서비스를 제공할 수 있다.
도 2는 본 명세서의 일실시예에 있어서 컴퓨팅 장치(200)의 내부 구성을 설명하기 위한 블록도이다. 이러한 컴퓨팅 장치(200)는 도1을 참조하여 상술한 하나 이상의 사용자 디바이스(110-1, 110-2) 또는 서버(120-140)에 적용될 수 있으며, 각 장치와 서버들은 일부 구성요소를 더 하거나 제외하여 구성됨으로써 동일하거나 유사한 내부 구성을 가질 수 있다.
도 2를 참조하면 컴퓨팅 장치(200)는 메모리(210), 프로세서(220), 통신 모듈(230) 그리고 송수신부(240)를 포함할 수 있다. 메모리(210)는 비-일시적인 컴퓨터 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 상술한 장치나 서버에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 사용자 디바이스(110) 등에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 사용자 디바이스(110) 등에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다.
다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(230)을 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버)이 네트워크(1)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 모듈(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(230)은 네트워크(1)를 통해 사용자 기기(110)와 서버(120 -140)가 서로 통신하기 위한 기능을 제공할 수 있으며, 장치(110) 및/또는 서버(120 - 140) 각각이 다른 전자 기기와 통신하기 위한 기능을 제공할 수 있다.
송수신부(240)는 외부 입력/출력장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 외부 입력장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 외부 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다.
다른 예로 송수신부(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다.
또한, 다른 실시예들에서 컴퓨팅 장치(200)는 적용되는 장치의 성질에 따라서 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 예를 들어, 컴퓨팅 장치(200)가 사용자 디바이스(110)에 적용되는 경우 상술한 입출력 장치 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 사용자 디바이스가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 더 포함되도록 구현될 수 있다.
일 예로, 하기에서 서술하는 환자정보 및 보행정보를 획득하는 디바이스 및 신경계 질병 관련 정보를 획득하는 디바이스는 상술한 도 2의 컴퓨팅 장치(200)일 수 있다. 또한, 하기에서 환자정보 및 보행정보에 기초하여 신경계 질병에 대한 판단 및 진행속도 추정을 위한 분석은 상술한 네트워크를 통해 공유되는 정보를 활용하는 플랫폼에 기초하여 수행될 수 있으며, 플랫폼(또는 시스템)은 상술한 서버에 기초하여 동작할 수 있다. 또한 일 예로, 하기에서 서술하는 디바이스들은 상술한 도 1 및 도 2에 기초하여 플랫폼과 통신을 수행하고, 정보를 교환하는 방식으로 동작할 수 있으며, 특정 동작에 한정되는 것은 아니다.
즉, 하기에서 서술하는 신경계 관련 질병 판단 및 진행속도 추정 방법은 컴퓨팅 장치(200)에 의해 다양한 형태로 구현될 수 있으며, 하기에서는 설명의 편의를 위해 신경계 관련 질병 판단 및 진행속도 추정 방법을 기준으로 서술한다.
도 3은 본 명세서의 일실시예에 있어서 환자정보 및 보행정보에 기초하여 학습모델을 구축하는 방법을 나타낸 도면이다.
도 3을 참조하면, 환자의 환자정보 및 보행정보를 처리하여 신경계 관련 질병을 판단하고 진행속도를 추정할 수 있다. 상술한 동작들은 신경계 질병 관련 플랫폼(또는 시스템)에 기초하여 동작할 수 있으나, 해당 플랫폼은 특정 명칭으로 한정되는 것은 아니다. 일 예로, 신경계 질병 관련 플랫폼은 환자의 보행정보를 센싱하는 디바이스들로부터 환자정보 및 해당 환자의 보행정보를 획득할 수 있다. 또한, 신경계 질병 관련 플랫폼은 해당 환자의 질병 기록 정보를 상기 디바이스 또는 병원서버로부터 획득할 수 있다. 일 예로, 신경계 질병 관련 플랫폼 내에는 환자 질병 기록 데이터베이스를 포함하고, 이로부터 환자의 관련 질병 종류 및 질병 단계에 대한 정보를 획득할 수 있다. 또 다른 일 예로, 신경계 질병 관련 플랫폼은 외부(병원 또는 사용자의 웨어러블 디바이스 또는 건강관련 데이터보관소 등)로부터 환자의 관련 질병 종류 및 질병 단계 정보를 획득할 수도 있으며, 상술한 실시예로 한정되지 않는다. 그 후, 신경계 질병 관련 플랫폼은 획득한 환자의 환자정보 및 보행정보와 환자의 관련 질병 종류 및 질병 단계 정보에 기초하여 의료 정보 관리 서버를 통해 학습모델을 구축할 수 있다.
보다 구체적인 일 예로, 도 3을 참조하면, 신경계 질병 관련 플랫폼은 복수의 환자 각각에 대한 환자정보 및 보행정보를 획득할 수 있다. 여기서 환자정보는 환자의 나이, 성별, 기저질환, 가족력 등일 수 있으나 이에 제한되지 않는다.
일 예에서, 신경계 질병 관련 플랫폼은 복수의 환자 각각의 디바이스로부터 각각의 보행정보를 획득할 수 있으며, 보행정보를 획득하는 디바이스에 대해서는 후술한다. 그 후, 신경계 질병 관련 플랫폼은 환자 각각에 대한 정보(환자정보 및 보행정보를 기초로 전문의에의해 판단된 임상적 판단 결과 등)에 기초하여 다른 환자의 관련 질병 및 질병 단계를 판단할 수 있다. 일 예로, 환자 각각에 대한 질병 종류 및 질병 단계에 대한 정보가 판단될 수 있다. 여기서, 환자 각각에 대한 질병 종류 및 질병 단계는 신경계 관련 질병일 수 있다. 구체적인 일 예로, 신경계 질환으로서 뇌졸중은 일측 대뇌반구에 발생할 수 있으며, 이러한 경우 일부 부분에 마비가 생겨 보행에 영향을 줄 수 있다. 일 예로, 뇌졸중 환자들은 마비된 부분에 대한 보상 동작으로 보행시 몸통이 기울거나 보행 압력이 정상 보행과 상이하게 나타날 수 있다. 또한, 일 예로, 소뇌에 뇌졸중이 오면 균형 감각이 떨어져서 실조성 보행이 나타나기도 하며, 이에 따라 정상인과 보행에서 차이가 존재할 수 있다. 또 다른 일 예로, 파킨슨병은 뇌 또는 신경계 장애로 몸통을 구부정하게 구부리고, 보행을 시작하는 데 어려움을 느낄 수 있다. 또한, 보행시 상체나 골반 움직임이 감소하여 보행 자세 및 보행시 압력이 상이할 수 있다. 또 다른 일 예로, 뇌성마비의 경우에는 양발이 교차되거나 보행시 양발 압력이 불균형하게 나타날 수 있다. 또 다른 일 예로, 치매의 경우에는 집중력이나 균형 저하가 나타나고 근력 약화로 보행에 장애가 발생할 수 있다.
즉, 상술한 바처럼 각각의 신경계 질병에 기초하여 보행이상이 발생할 수 있으며, 질병이 악화되어 질병 단계가 높아질수록 보행에 미치는 영향이 클 수 있다. 상술한 점을 고려하여, 신경계 질병 관련 플랫폼은 각각의 환자로부터 획득한 환자정보와 보행정보를 해당 환자의 질병 종류와 질병 단계와 매칭하여 관련 정보를 도출할 수 있다.
그 후, 신경계 질병 관련 플랫폼은 환자정보, 보행정보, 질병의 종류 및 질병의 단계 정보 중 적어도 어느 하나에 기초하여 획득된 관련 정보를 통해 학습모델을 구축할 수 있다. 여기서, 학습모델은 환자정보 및 보행정보에 기초하여 질병의 종류 및 질병의 단계에 대한 데이터베이스를 포함하여 구축될 수 있다. 그 후, 학습모델은 환자의 나이 정보, 성별 정보, 다른 질병 정보, 가족력 정보, 과거 진료 기록 정보 및 그 밖의 정보로서 환자정보와 디바이스를 통해 획득한 보행정보를 입력정보로 질병의 종류 및 질병의 단계를 출력정보로 활용할 수 있다. 이러한 학습 모델은 지도, 비지도, 강화학습 또는 이들의 조합 등 다양한 방식으로 훈련될 수 있다.
보다 상세하게는, 도 4를 참조하면, 신경계 질병 관련 플랫폼은 구축된 학습모델에 기초하여 새로운 환자에 대한 환자정보 및 보행정보를 기초로 상기 새로운 환자에 대한 신경계 질병의 종류 및 단계를 추정할 수 있다. 여기서, 새로운 환자에 대한 환자정보 및 보행정보는 학습모델에 대한 입력 정보일 수 있으며, 이에 기초하여 질병의 종류 및 질병의 단계 정보가 도출될 수 있다. 신경계 질병 관련 플랫폼은 도출된 질병의 종류 및 질병의 단계 정보를 출력 정보로서 환자에게 제공할 수 있다. 또한, 일 예로, 신경계 질병 관련 플랫폼은 새롭게 획득한 환자에 대한 입력정보 및 출력정보에 기초하여 업데이트를 수행할 수 있다. 여기서, 신경계 질병 관련 플랫폼은 새로운 환자와 관련된 출력 정보를 환자 기록 데이터베이스에 전달하고, 환자 기록 정보에 기초한 피드백 정보를 수신할 수 있으며, 이를 반영하여 학습모델을 업데이트할 수 있다. 이를 통해, 학습모델은 새로운 환자에게 출력 정보를 제공하면서 지속적으로 업데이트할 수 있다.
또한, 일 예로, 도 5를 참조하면, 신경계 질병 관련 플랫폼은 학습모델을 업데이트하는 경우에 있어서 각각의 질병에 대한 정보 및 질병의 진행 단계에 대한 정보를 획득할 수 있다. 여기서, 학습모델은 각각의 질병에 대한 정보 및 질병의 진행 단계 정보에 대한 가중치를 부여하고, 이에 기초하여 획득한 출력 정보 및 피드백 정보로 업데이트를 수행할 수 있다.
또한, 일 예로, 도 6을 참조하면, 입력정보로서 보행정보는 다양한 펙터로 구분되고, 각각의 펙터는 가중치에 따라 모니터링 및 분석될 수 있다. 보다 상세하게는, 보행정보로서 각각의 질병 및 질병의 단계를 판단하기 위해서는 보행과 관련된 구체적인 정보들이 필요할 수 있다. 일 예로, 뇌졸중 환자와 파킨슨병 환자의 보행을 비교하면 일부 특징은 유사한 형태일 수 있고, 일부 특징은 상이한 형태일 수 있으므로, 이를 구분하기 위한 펙터들이 필요할 수 있다. 일 예로, 도 6에서 보행정보는 족저압 비대칭 정보, 보폭주기 비대칭 정보(e.g.왼발간 간격, 왼발 오른발 간격, 보폭 속도) 중 적어도 어느 하나를 포함할 수 있다. 또한, 보행정보는 보폭 정보, 압력 관련 정보, 가속도 관련 정보, 이동 방향 관련 정보, 발 각도 정보 및 발 움직임 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 즉, 보행정보는 보행과 관련된 정보를 포함할 수 있다. 또한, 일 예로, 보행정보는 보행에 영향을 주는 정보로서 팔 스윙(arm swing) 정보, 무릎 높이 정보, 허리 숙임 정보, 손 떨림 정보, 관절의 강직도 및 그 밖의 정보를 더 포함할 수 있으며, 상술한 실시예로 한정되지 않는다. 즉, 보행정보는 다양한 펙터들을 포함할 수 있으며, 각각의 펙터들이 특정 질병 및 질병 단계와 비교되어 학습모델에 반영될 수 있다.
또 다른 일 예로, 학습모델이 구축되는 경우, 개별 환자가 가지고 있는 다른 질병(e.g. 당뇨, 폐렴)에 대한 정보에 가중치가 부여되어 반영될 수 있다. 일 예로, 보행에 미치는 영향이 신경 질환에 한정되지 않을 수 있으며, 다른 질환에 의해서도 영향을 미칠 수 있다. 따라서, 학습모델은 개별 환자가 가지고 있는 다른 질병 정보를 더 고려하여 구축될 수 있으며, 이를 통해 보다 정확한 출력 정보를 생성할 수 있다. 또한, 일 예로, 학습모델은 개별 환자의 성별이나 연령 등을 기준으로 그룹화된 정보를 통해 구축될 수 있다. 일 예로, 치매와 같은 신경 질환은 특정 연령대에 많이 나타날 수 있으며, 유사한 환자들이 다수 존재할 수 있으므로 학습모델은 환자들을 특정 그룹으로 분류하고, 분류된 그룹 정보에 기초하여 구축될 수 있다. 이를 통해, 학습모델은 표본의 정확성을 높일 수 있으며, 출력 정보의 정확도를 높일 수 있다.
또한, 환자의 보행정보는 환자에 부착되는 디바이스의 다양한 센서를 통해 획득될 수 있다. 일 예로, 환자에 부착되는 디바이스는 모션 센서, 압력 센서, 속도 센서, 중력 센서, 자이로 센서, 초음파 센서 및 이미지 센서 중 적어도 어느 하나를 포함할 수 있으며, 이를 통해 보행정보를 획득할 수 있다.
구체적인 일 예로, 도 7a를 참조하면, 인솔에 설치된 압력센서가 디바이스에 연동되어 획득될 수 있다. 또한, 일 예로, 인솔에는 가속도 센서나 그 밖의 센서가 부착되어 환자에 대한 다양한 형태의 보행정보를 획득할 수 있다. 일 예로, 디바이스는 보행자의 보폭 정보나 양발 사이 간격 정보 및 발바닥의 압력 정보 중 적어도 어느 하나 이상을 획득할 수 있다.
또한, 일 예로, 도 7b처럼 신발 형태의 디바이스에 다양한 센서들(e.g. 가속도 센서, 자이로 센서)이 구비되고, 이를 통해 압력 정보나 속도/가속도 정보 및 그 밖의 보행과 관련된 정보들이 획득될 수 있다. 또한, 이를 통해 발의 움직임 정보, 발의 각도 정보, 발의 보폭 정보 및 그 밖의 관련 정보들이 획득될 수 있다.
여기서, 구체적인 일 예로, 도 8a를 참조하면, 발등-발목 각도(a)와의 연관성은 초음파 센서S1~S3에 기초하여 상대적인 거리를 통해 각도a가 추정될 수 있다. 여기서 추정되는 각도a(발등-발목 각도, 구체적으로는 발등을 들어올린 정도)는 보행 단계별로 동적인 요소가 반영될 수도 있다.
일 예로, 도 8a에서 굽힘센서S4를 통해 발가락(엄지) 또는 발등의 각도 변화를 측정할 수 있으며, 이를 통해 신경계 질환 관련 정보를 추정함에 이용할 수 있다. 즉 상술한 센서S1~S4의 센서를 이용하여 획득한 보행정보를 학습모델에 반영할 수 있다. 또한, 일 예로, 도 8b를 참조하면, 센서를 통해 보행시 각각의 압력 정보 및 균형 정보를 비교할 수 있다. 일 예로, 발이 지면에 닿는 면적이나 발이 지면에 닿을 때 압력, 이동 방향 등에 대한 정보가 보행정보로서 획득될 수 있다. 여기서, 각각의 시점을 기준으로 발의 각도나 압력에 대한 변화 정보가 도 8b처럼 획득될 수 있으며, 이는 보행정보로 활용될 수 있다.
또 다른 일 예로, 도 7c를 참조하면 보행과 관련된 다양한 정보들이 더 획득될 수 있다. 일 예로, 보행정보는 발과 관련된 정보뿐 아니라 팔 스윙(arm swing) 정보, 무릎 높이 정보, 허리 숙임 정보, 손 떨림 정보, 관절의 강직도 및 그 밖의 정보를 더 포함할 수 있으며, 이는 상술한 바와 같다. 여기서, 상술한 정보는 도 7c처럼 환자의 신체에 부착된 장치에 기초하여 획득될 수 있다. 일 예로, 환자의 손목이나 발목 등에 센서가 부착되고, 이에 기초하여 팔 스윙 정보나 무릎 높이 정보 등이 추정될 수 있다. 또한, 그 밖의 다양한 센서들의 환자에게 부착되어 다양한 형태의 보행정보를 센싱할 수 있으며, 상술한 실시예로 한정되지 않는다.
또 다른 일 예로, 질병 관련 정보를 더 활용하여 학습모델이 구축될 수 있다. 일 예로, 파킨슨 환자의 경우 특정 미션(e.g.계단 오르내리기, 정해진 거리만큼 걷기 등, 정해진 코스를 따라 걷기)을 주면 보통의 상태보다 좀 더 잘 걷는 경향이 있다. 즉, 미션이 존재하는 것처럼 특수한 경우와 보행을 의식하지 않는 일반 보행의 경우에 차이가 존재할 수 있다. 이때, 보다 정확한 측정을 위해서는 특정 미션이 주어진 경우와 일반 경우에 보행정보에 대한 보상이 필요할 수 있으며, 이를 학습모델에 반영할 필요성이 있다. 여기서, 일 예로, 특정 미션이 주어진 경우와 일반의 경우에 차이가 적은 환자는 보행을 인식하더라도 제어할 수 없는 상태로 진행상태가 높거나 빠를 수 있으며, 의식적으로 보행을 제어하는 경우에는 진행상태가 낮거나 느릴 수 있다. 즉, 상술한 바처럼 특정 상황에 대한 정보를 학습모델에 더 반영할 수 있으며, 이를 통해 정확도를 높일 수 있다. 즉 특정 미션별로 가중치를 달리하여 학습모델을 학습시킬 수도 있다.
상술한 바와 같이, 신경계 질병 관련 플랫폼은 다양한 형태의 환자정보(e.g. 나이, 성별, 개별환자별 다른 질병)와 다양한 형태의 보행정보(e.g. 압력정보, 속도 정보, 팔 스윙 정보, 무릎 높이 정보, 허리 숙임 정보, 손 떨림 정보, 관절의 강직도 및 그 밖의 정보)를 통해 학습모델을 구축하여 질병을 판단하고, 질병 단계를 추정할 수 있다. 또한 신경계 질병 관련 플랫폼은 특정 상황인지 일반 상황인지 여부나 그 밖의 가중치 정보들을 반영하여 학습모델을 구축하여 질병을 판단하고, 질병 단계를 추정할 수 있으며, 상술한 실시예로 한정되지 않는다.
도 9는 본 명세서의 일실시예에 있어서 환자정보 및 보행정보에 기초하여 신경계 관련 질병을 판단하고 진행속도를 추정하는 방법을 나타낸 순서도이다. 본 방법은 상술한 플랫폼에의해 수행될 수 있다.
도 9를 참조하면, 컴퓨팅 장치는 복수의 환자에 대한 환자정보 및 보행정보 획득하고(S910), 이에 대응되는 신경계 질병 정보 및 신경계 질병 단계 정보를 획득할 수 있다.(S920) 그 후, 컴퓨팅 장치는 상술한 정보에 기초하여 학습모델을 구축하고(S930), 구축된 학습모델에 기초하여 새로운 환자에 대한 신경계 질병 정보 및 신경계 질병 단계 정보를 출력 정보로 생성할 수 있다. 구체적인 일 예로, 컴퓨팅 장치는 새로운 환자인 제1 환자의 환자정보 및 보행정보를 획득할 수 있으며(S940), 이를 학습모델의 입력 정보로 이용할 수 있다. 그 후, 컴퓨팅 장치는 상술한 입력 정보에 기초하여 출력정보로서 제1 환자의 신경계 질병 정보 및 신경계 질병 단계 정보를 생성하고, 이를 환자에게 제공할 수 있다.(S950) 또한, 일 예로, 컴퓨팅 장치는 상술한 출력정보와 제1 환자의 질병 기록 정보를 비교하고, 이에 기초하여 학습모델을 업데이트할 수 있다. 여기서, 일 예로, 환자정보는 환자의 나이 정보, 성별 정보, 다른 질병 정보, 가족력 정보, 과거 진료 기록 정보 및 그 밖의 정보 중 적어도 어느 하나 이상을 포함할 수 있다.
또한, 보행정보는 보폭 정보, 압력 관련 정보, 가속도 관련 정보, 이동 방향 관련 정보, 발 각도 정보 및 발 움직임 정보 중 적어도 어느 하나 이상을 포함할 수 있다. 또한, 보행정보는 보행에 영향을 미치는 정보로서 팔 스윙(arm swing) 정보, 무릎 높이 정보, 허리 숙임 정보, 손 떨림 정보, 관절의 강직도 및 그 밖의 정보를 더 포함할 수 있으며, 이는 상술한 바와 같다.
이상에서 설명한 실시예들은 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서 살펴본 본 명세서는 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 명세서의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 명세서의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해서 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 포함하도록 정해져야 할 것이다.

Claims (6)

  1. 컴퓨팅 장치에 의해 실행되는, 신경계 질병 및 질병 진행 단계 정보를 생성하는 방법에 있어서,
    복수의 환자 각각에 대한 환자정보 및 보행정보를 획득하는 단계로서, 상기 환자정보는 상기 복수의 환자 각각에 대한 입력정보를 통해 획득되되, 상기 환자정보는 환자의 나이 정보, 성별 정보, 다른 질병 정보, 가족력 정보 및 과거 진료 기록 정보 중 적어도 어느 하나를 포함하고, 상기 보행정보는 상기 복수의 환자 각각에 부착되는 디바이스를 통해 획득되고, 상기 디바이스는 모션 센서, 압력 센서, 속도 센서, 중력 센서, 자이로 센서, 초음파 센서 및 이미지 센서 중 적어도 어느 하나 이상의 센서를 구비하고, 상기 적어도 하나 이상의 센서에 기초하여 상기 보행정보가 획득되고;상기 복수의 환자 각각에 대한 신경계 질병 정보 및 신경계 질병 단계 정보를 획득하는 단계로서, 상기 복수의 환자 각각에 대한 상기 신경계 질병 정보 및 상기 신경계 질병 단계 정보는 상기 환자정보 및 상기 보행정보를 통해 외부에서 판별되어 제공되는 정보이고;
    상기 획득된 정보들에 기초하여 학습모델을 구축하는 단계로서, 상기 환자정보 및 상기 보행정보는 상기 학습모델의 입력정보로 결정되고, 상기 신경계 질병 정보 및 상기 신경계 질병 단계 정보는 상기 학습모델의 출력정보로 결정되고, 상기 입력정보와 상기 출력정보 사이 관계에 따라 상기 학습모델에 대한 학습이 수행되어 상기 입력정보로서 상기 환자정보 및 상기 보행정보 각각에 대한 가중치를 설정하여 상기 학습모델이 구축되고;
    상기 구축된 학습모델을 통해 새로운 환자로서 제1 환자의 제1 환자정보 및 제1 보행정보를 획득하는 단계로서, 상기 제1 환자정보 및 상기 제1 보행정보는 상기 구축된 학습모델의 입력정보로 제공되고; 및
    상기 구축된 학습모델을 통해 상기 제1 환자정보 및 상기 제1 보행정보에 의해 도출되는 출력정보로서 제1 환자의 제1 신경계 질병 정보 및 제1 신경계 질병 단계 정보를 생성하는 단계;를 포함하되,
    상기 입력정보로서 보행정보는 족저압 비대칭 정보 및 보폭주기 비대칭 정보에 기초하여 상기 구축된 학습모델에서 상기 가중치에 따라 모니터링 및 분석이 수행되고, 상기 보행정보는 보행 관련 정보 및 보행 영향 정보를 포함하고,
    상기 보행 관련 정보는 보폭 정보, 압력 관련 정보, 가속도 관련 정보, 이동 방향 관련 정보, 발 각도 정보 및 발 움직임 정보 중 적어도 어느 하나를 포함하고,
    상기 보행 영향 정보는 팔 스윙(arm swing) 정보, 무릎 높이 정보, 허리 숙임 정보, 손 떨림 정보 및 관절의 강직도 정보 중 적어도 어느 하나를 포함하는, 신경계 질병 및 질병 진행 단계 정보를 생성하는 방법.
  2. 삭제
  3. 삭제
  4. 제1 항에 있어서,
    상기 학습모델은 상기 출력 정보로서 상기 제1 환자의 신경계 질병 정보 및 신경계 질병 단계 정보를 제1 환자 디바이스로 전송하고,
    상기 출력 정보와 상기 제1 환자의 신경계 질병 기록 정보를 비교하고,
    상기 비교된 정보에 기초하여 상기 학습모델을 업데이트하는, 신경계 질병 및 질병 진행 단계 정보를 생성하는 방법.
  5. 삭제
  6. 하드웨어와 결합되어 제1항 및 제4항 중 어느 한 항에 따른 방법을 수행하도록 컴퓨터로 판독 가능한 매체에 저장된 컴퓨터 프로그램.

KR1020210014049A 2021-02-01 2021-02-01 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치 KR102575980B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210014049A KR102575980B1 (ko) 2021-02-01 2021-02-01 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210014049A KR102575980B1 (ko) 2021-02-01 2021-02-01 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20220110981A KR20220110981A (ko) 2022-08-09
KR102575980B1 true KR102575980B1 (ko) 2023-09-07

Family

ID=82844656

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210014049A KR102575980B1 (ko) 2021-02-01 2021-02-01 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102575980B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101936302B1 (ko) * 2018-06-29 2019-01-08 이채영 딥러닝 네트워크에 기반한 퇴행성 신경질환 진단 방법 및 진단 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102102930B1 (ko) * 2018-04-23 2020-04-22 주식회사 바이탈식스랩 치매 예측 서버의 데이터 서비스 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101936302B1 (ko) * 2018-06-29 2019-01-08 이채영 딥러닝 네트워크에 기반한 퇴행성 신경질환 진단 방법 및 진단 장치

Also Published As

Publication number Publication date
KR20220110981A (ko) 2022-08-09

Similar Documents

Publication Publication Date Title
KR102116968B1 (ko) Ai 기반의 스마트 코칭 방법
KR102054134B1 (ko) 교감형 운동 머신 기반의 운동 코칭 방법 및 시스템
US20220022604A1 (en) Receiving feedback based on pressure sensor data and movement data
KR20160063126A (ko) 운동 정보 제공 방법과 이를 지원하는 전자 장치
KR102066001B1 (ko) 운동 지수기반의 운동 코칭 방법 및 시스템
WO2019008657A1 (ja) 情報処理装置、情報処理プログラム及び情報処理方法
JP7227261B2 (ja) 最適なセンサ配置のためのシステム及び方法
JP6998518B2 (ja) 運動機能推定情報生成装置、運動機能推定システム、運動機能推定情報生成方法、運動機能推定方法及び記録媒体
US10542933B2 (en) Exercise test evaluation system, exercise test evaluation apparatus, exercise test evaluation method, and non-transitory computer readable recording medium
AU2017202945B2 (en) Context-aware application programming interface response management
KR102575980B1 (ko) 신경계 관련 질병의 판단 및 진행속도 추정을 위한 환자의 환자정보와 보행정보를 처리하는 방법 및 장치
KR102532419B1 (ko) 실시간 사용자 데이터를 기반으로 한 대시보드 디자인 제공 방법 및 장치
KR20210066698A (ko) 관성 센서 기반의 위치 추정 방법 및 장치
KR102480549B1 (ko) 스마트링을 이용해 건강상태를 모니터링하고 임상적 판단을 셀럽을 통해 제공하는 방법 및 장치
JP7409486B2 (ja) データ処理装置、システム、データ処理方法、およびプログラム
KR102010132B1 (ko) 사용자 능력을 증강시키는 증강 휴먼 서비스 제공 방법 및 그 시스템
WO2023067694A1 (ja) データ生成装置、学習システム、推定装置、データ生成方法、および記録媒体
JP7480852B2 (ja) 計算装置、歩容計測システム、計算方法、およびプログラム
WO2022038663A1 (ja) 検出装置、検出システム、検出方法、およびプログラム記録媒体
CN114662170B (zh) 用于生成鞋垫信息的方法、装置、设备和计算机可读介质
JP7509793B2 (ja) パーキンソン病検出のためのユーザデバイスの作動方法、ユーザデバイス、及びプログラム
Budzyńska et al. Verification of Selected Gait Parameters Derived from Inertial Sensors Using Simple Smartphone Based Optical System
KR20230076173A (ko) 스켈레톤 모델을 활용한 건강상태 평가 방법 및 장치
JP7303473B2 (ja) 処理選択プログラム、処理選択システム、および処理選択方法
JP7061642B2 (ja) 情報処理装置、プログラム、及び、情報処理方法

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
GRNT Written decision to grant