KR102590718B1 - 라만 신호 기반 연속 혈당 측정 장치 - Google Patents
라만 신호 기반 연속 혈당 측정 장치 Download PDFInfo
- Publication number
- KR102590718B1 KR102590718B1 KR1020230069417A KR20230069417A KR102590718B1 KR 102590718 B1 KR102590718 B1 KR 102590718B1 KR 1020230069417 A KR1020230069417 A KR 1020230069417A KR 20230069417 A KR20230069417 A KR 20230069417A KR 102590718 B1 KR102590718 B1 KR 102590718B1
- Authority
- KR
- South Korea
- Prior art keywords
- light
- blood sugar
- raman spectrum
- raman
- housing
- Prior art date
Links
- 239000008280 blood Substances 0.000 title claims abstract description 97
- 210000004369 blood Anatomy 0.000 title claims abstract description 97
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 title claims abstract description 29
- 239000008103 glucose Substances 0.000 title claims abstract description 29
- 238000001069 Raman spectroscopy Methods 0.000 title claims abstract description 24
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 32
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 8
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 8
- 230000001678 irradiating effect Effects 0.000 claims abstract 2
- 238000005259 measurement Methods 0.000 claims description 56
- 230000003287 optical effect Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 25
- 238000012546 transfer Methods 0.000 claims description 11
- 230000007704 transition Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 36
- 238000013473 artificial intelligence Methods 0.000 description 22
- 230000015654 memory Effects 0.000 description 12
- 238000000034 method Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000000306 recurrent effect Effects 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 2
- 238000010241 blood sampling Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000000225 synapse Anatomy 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 101100009348 Mus musculus Depp1 gene Proteins 0.000 description 1
- 101100009350 Rattus norvegicus Depp gene Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Classifications
-
- 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6831—Straps, bands or harnesses
-
- 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0214—Operational features of power management of power generation or supply
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Optics & Photonics (AREA)
- Hematology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Emergency Medicine (AREA)
- Computer Networks & Wireless Communication (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Ecology (AREA)
- Urology & Nephrology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명은 라만 신호에 기반하여 연속적으로 혈당을 측정하기 위한 장치에 관한 것이다. 본 개시에 따른 라만스펙트럼을 활용한 혈당 측정 장치는, 내부 수용 공간을 형성하는 하우징, 상기 하우징 내에 배치되며, 피검체에 광을 조사하는 광원부, 상기 하우징 내에 배치되며, 피검체로부터 반사 또는 산란된 광을 수신하여 라만스펙트럼을 획득하는 수광부 및 상기 하우징 내에 배치되며, 상기 라만스펙트럼에 포함된 피크의 면적을 활용하여 피검체에 대한 글루코스, 단백질 및 지방 정보를 추출하는 프로세서를 포함하고, 상기 프로세서는 상기 혈당 측정 장치가 구동을 시작하거나, 사용자의 신체에 재착용되는 경우, 상기 광원부 및 상기 수광부를 제어하어 캘리브레이션을 수행하는 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치를 제공할 수 있다.
Description
본 발명은 라만 신호에 기반하여 연속적으로 혈당을 측정하기 위한 장치에 관한 것이다. 보다 구체적으로, 본 발명은 신체에 착용하여 비침습적으로 혈당을 측정할 수 있는 혈당 측정 장치에 관한 것이다.
연속 혈당 측정 장치는 측정기가 환자에게 장기간 부착되어 해당 기간동안 환자의 혈당을 측정하여 혈당의 증가와 감소 추세를 확인하여 환자 스스로 식이를 조절하거나 인슐린 등의 약제 주입 시기를 결정하게끔 정보를 제공하는 의료기기이다.
이 때문에 당뇨병환자의 보다 적절한 건강관리를 위하여 국내외 당뇨병 및 내분비 학회들에서는 가이드라인을 개정하여 당뇨병 종류와 무관하게 연속혈당측정기의 사용을 권고하고 있다.
현재 미식품의약청(FDA)의 의료기기 승인을 받아 판매되어 상용화 되어있는 대다수의 연속혈당측정기기는 측정기의 바늘을 환자에게 주사하여 해당 바늘에서 측정되는 혈당 수치를 스마트폰 등의 다른 기기를 이용하여 읽어내는 방식을 사용한다.
바늘을 사용하여 침습적인 방식으로 혈당을 측정하기에 기존의 연속 혈당 측정 장치들은 측정 장치의 장착 시 고통이 동반되며 또한 바늘의 침습적인 방식으로 인해 염증 반응 등의 부작용이 유발될 수 있으며 15일 이상의 장기간 사용도 불가능한 단점이 있다. 때문에 이러한 단점을 해결하기 위하여 비침습적으로 혈당을 측정하기 위한 기술이 필요하다.
본 개시에 개시된 실시예는 신체에 착용하여 비침습적으로 혈당을 측정할 수 있도록 하는 연속 혈당 측정 장치를 제공하는데 그 목적이 있다.
또한, 본 개시에 개시된 실시예는 신체에 착용하여 혈당을 측정할 수 있는 소형화된 혈당 측정 장치를 제공하는데 그 목적이 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 본 개시에 따른 라만스펙트럼을 활용한 혈당 측정 장치는, 내부 수용 공간을 형성하는 하우징, 상기 하우징 내에 배치되며, 피검체에 광을 조사하는 광원부, 상기 하우징 내에 배치되며, 피검체로부터 반사 또는 산란된 광을 수신하여 라만스펙트럼을 획득하는 수광부 및 상기 하우징 내에 배치되며, 상기 라만스펙트럼에 포함된 피크의 면적을 활용하여 피검체에 대한 글루코스, 단백질 및 지방 정보를 추출하는 프로세서를 포함하고, 상기 프로세서는 상기 혈당 측정 장치가 구동을 시작하거나, 사용자의 신체에 재착용되는 경우, 상기 광원부 및 상기 수광부를 제어하어 캘리브레이션을 수행하는 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치를 제공할 수 있다.
일 실시 예에 있어서, 상기 캘리브레이션 수행 시 상기 프로세서는 소정 시간동안 소정 출력으로 빛이 출력되도록 상기 광원부를 제어하고, 상기 소정 시간동안 상기 수광부를 통해 획득된 라만스펙트럼 중 소정 라만 전이값에 대응되는 피크를 기준으로, 혈당 측정 시 상기 광원부의 광량 및 노출시간을 설정할 수 있다.
일 실시 예에 있어서, 외부 단말기와 데이터를 송수신하도록 이루어지는 통신부를 더 포함하고, 상기 캘리브레이션 수행 시 상기 광원부의 최대 출력 및 최대 노출시간에 도달하더라도 상기 소정 라만 전이값에 대응되는 라만신호 세기가 기준값에 도달하지 않는 경우, 상기 프로세서는 상기 외부 단말기로 에러 메시지가 송신되도록 상기 통신부를 제어할 수 있다.
일 실시 예에 있어서, 상기 소정 라만 전이값에 대응되는 라만신호 세기는 1450cm-1의 피크에 대한 세기일 수 있다.
일 실시 예에 있어서, 상기 수광부는 피검체에서 반사 또는 산란된 빛을 파장대별로 분산시키는 회절 격자 및 상기 회절 격자에서 회절된 빛을 수신하여 전기신호로 변환하는 광검출부를 포함할 수 있다.
일 실시 예에 있어서, 상기 수광부는, 서로 다른 파장대역의 빛을 투과시키는 복수의 광필터를 포함하는 필터 어레이, 상기 필터 어레이를 일방향으로 이송시키는 필터 이송부 및 상기 필터 어레이를 통과한 빛을 수신하여 전기신호로 변환하는 광수신부를 포함할 수 있다.
일 실시 예에 있어서, 상기 수광부는, 필터의 영역별로 통과시키는 빛의 파장대가 상이한 선형가변필터, 상기 필터 어레이를 일방향으로 이송시키는 필터 이송부 및 상기 필터 어레이를 통과한 빛을 수신하여 전기신호로 변환하는 광수신부를 포함할 수 있다.
일 실시 예에 있어서, 상기 하우징은 피검체와 접촉하는 접촉면을 구비하며, 상기 접촉면은 상기 광원부에서 발광된 빛이 상기 혈당 측정 장치 외부로 방출되도록 하고, 피검체에서 반사 또는 산란된 빛이 상기 혈당 측정 장치 내부로 들어오도록 하는 홀을 포함하고, 상기 홀은 상기 접촉면 중앙부에 형성될 수 있다.
일 실시 예에 있어서, 상기 하우징과 결합되어, 상기 하우징을 사용자의 신체에 고정시키는 밴드 및 상기 밴드에 탈착 가능하도록 형성되는 배터리를 더 포함할 수 있다.
일 실시 예에 있어서, 상기 배터리 교체 중 상기 혈당 측정 장치가 오프 상태로 전환되지 않도록 하고, 상기 하우징 내에 배치되는 보조 배터리를 더 포함할 수 있다.
본 개시의 전술한 과제 해결 수단에 의하면, 본 개시에 따른 연속 혈당 측정 장치는 비침습적인 방식으로 연속혈당의 측정이 가능하기 때문에 바늘 주입이 필수적인 기존 연속 혈당 측정 장치에 비하여 착용시 부작용이 현저히 적다.
또한, 본 개시에 따르면, 장착 시 발생되는 혈당측정 정확도의 저하를 피할 수 있게 된다.
도 1은 본 개시에 따른 연속 혈당 측정 장치를 나타내는 블록도이다.
도 2는 본 개시에 따른 연속 혈당 측정 장치의 내부 구조를 나타내는 사시도이다.
도 3은 본 개시에 따른 연속 혈당 측정 장치의 내부 구조를 나타내는 평면도이다.
도 4는 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 사시도이다.
도 5는 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 평면도이다.
도 6은 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 측면도이다.
도 7은 홀이 중앙부에 위치한 연속 혈당 측정 장치의 내부를 나타내는 평면도이다.
도 8은 밴드형 연속 혈당 측정 장치를 나타내는 개념도이다.
도 2는 본 개시에 따른 연속 혈당 측정 장치의 내부 구조를 나타내는 사시도이다.
도 3은 본 개시에 따른 연속 혈당 측정 장치의 내부 구조를 나타내는 평면도이다.
도 4는 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 사시도이다.
도 5는 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 평면도이다.
도 6은 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 측면도이다.
도 7은 홀이 중앙부에 위치한 연속 혈당 측정 장치의 내부를 나타내는 평면도이다.
도 8은 밴드형 연속 혈당 측정 장치를 나타내는 개념도이다.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 '부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제 1, 제 2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.
본 개시에 따른 연속 혈당 측정 장치는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드 형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 다만, 이에 한정되지 않고, 본 개시에 따른 연속 혈당 측정 장치는 신체에 고정할 수 있는 형태로 구현될 수 있다.
도 1은 본 개시에 따른 연속 혈당 측정 장치를 나타내는 블록도이고, 도 2는 본 개시에 따른 연속 혈당 측정 장치의 내부 구조를 나타내는 사시도이고, 도 3은 본 개시에 따른 연속 혈당 측정 장치의 내부 구조를 나타내는 평면도이고, 도 4는 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 사시도이고, 도 5는 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 평면도이고, 도 6은 광 필터를 포함하는 연속 혈당 측정 장치의 내부 구조를 나타내는 측면도이다.
도 1을 참조하면, 본 개시에 따른 연속 혈당 측정 장치는 광원부(110), 수광부(120), 입력부(130), 출력부(140), 통신부(150), 저장부(160), 프로세서(170)를 포함한다. 다만, 이에 한정되지 않고, 본 개시에 따른 연속 혈당 측정 장치는 상술한 구성요소보다 많거나 적은 구성요소를 포함할 수 있다. 이하, 상술한 구성요소 각각에 대하여 구체적으로 설명한다.
광원부(110)는 빛을 발광시켜 피검체(예를 들어, 피부)까지 빛이 도달할 수 있도록 이루어진다. 이를 위해, 광원부(110)는 빛을 발광하는 광원, 발광된 빛을 한 곳에 집중시키는 렌즈, 발광된 빛의 일부 파장대를 필터링하는 광 필터, 발광된 빛의 진행 방향을 변경하는 미러, 광선의 일부는 반사하고, 다른 부부은 투과하도록 이루어지는 빔 스플리터 중 적어도 하나의 광학요소를 포함할 수 있다.
상술한 바와 같이, 광원부(110)는 광원을 포함하며, 광원에서 발광된 빛이 피검체에 도달할 때까지, 빛의 진행 방향, 파장, 편광 및 광량 중 적어도 하나를 변경하는 적어도 하나의 광학 요소를 포함할 수 있다. 광원부(110)의 구체적인 실시 예는 후술한다.
수광부(120)는 피검체에서 반사 또는 산란된 빛을 수신하고, 라만 신호 분석을 위한 라만 스펙트럼을 생성하도록 이루어진다. 이를 위해, 수광부(120)는 피검체에서 반사 또는 산란된 빛을 한곳에 집중시키는 렌즈, 빛의 일부 파장대를 필터링하는 광 필터, 빛이 진행 방향을 변경하는 미러 및 빛을 파장대별로 분산시켜 빛의 스펙트럼을 생성하는 분광기 중 적어도 하나를 포함할 수 있다.
상술한 바와 같이, 수광부(120)는 피검체에서 반사 또는 산란된 빛을 수신하여 라만 스펙트럼을 생성하기 위해, 빛의 진행 방향, 파장, 편광 및 광량 중 적어도 하나를 변경하거나, 빛을 파장대 별로 분광시켜 스펙트럼을 생성하는 적어도 하나의 구성을 포함할 수 있다. 수광부(120)의 구체적인 실시 예는 후술한다.
입력부(130)는 사용자로부터 정보를 입력받기 위한 것으로서, 입력부(130)를 통해 정보가 입력되면, 프로세서(170)는 입력된 정보에 대응되도록 본 장치의 동작을 제어할 수 있다. 이러한, 입력부(130)는 하드웨어식 물리 키(예를 들어, 본 장치의 전면, 후면 및 측면 중 적어도 하나에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 소프트웨어식 터치 키를 포함할 수 있다. 일 예로서, 터치 키는, 소프트웨어적인 처리를 통해 터치스크린 타입의 디스플레이부 상에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다. 한편, 상기 가상키 또는 비주얼 키는, 다양한 형태를 가지면서 터치스크린 상에 표시되는 것이 가능하며, 예를 들어, 그래픽(graphic), 텍스트(text), 아이콘(icon), 비디오(video) 또는 이들의 조합으로 이루어질 수 있다.
출력부(140)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부, 음향 출력부, 햅틱 모듈 및 광 출력부 중 적어도 하나를 포함할 수 있다.
디스플레이부는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 본 장치와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부로써 기능함과 동시에, 본 장치와 사용자 간에 출력 인터페이스를 제공할 수 있다.
디스플레이부는 본 장치에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부는 본 장치에서 구동되는 응용 프로그램(일 예로, 어플리케이션)의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
음향 출력부는 통신부를 통해 수신되거나 또는 메모리에 저장된 오디오 데이터를 출력하거나, 본 장치에서 수행되는 기능과 관련된 음향 신호를 출력할 수 있다. 이러한 음향 출력부에는 리시버(receiver), 스피커(speaker), 버저(buzzer) 등이 포함될 수 있다.
통신부(150)는 외부 장치와 통신을 가능하게 하는 하나 이상의 구성 요소를 포함할 수 있으며, 예를 들어, 유선통신 모듈, 무선통신 모듈 및 근거리 통신 모듈 중 적어도 하나를 포함할 수 있다.
유선 통신 모듈은, 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
근거리 통신 모듈은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.
저장부(160)는 본 장치의 다양한 기능을 지원하는 데이터와, 프로세서(170)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 저장할 있고, 본 장치에서 구동되는 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.
이러한, 메모리는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 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 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리는 본 장치와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스가 될 수도 있다.
프로세서(170)는 본 장치 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장하는 저장부(160), 및 저장부(160)에 저장된 데이터를 이용하여 전술한 동작을 수행하는 적어도 하나의 프로세서로 구현될 수 있다. 이때, 저장부(160)와 프로세서(170)는 각각 별개의 칩으로 구현될 수 있다. 또는, 저장부(160)와 프로세서(170)는 단일 칩으로 구현될 수도 있다.
또한, 프로세서(170)는 이하의 도 2 내지 도 8에서 설명되는 본 개시에 따른 다양한 실시 예들을 본 장치 상에서 구현하기 위하여, 위에서 살펴본 구성요소들을 중 어느 하나 또는 복수를 조합하여 제어할 수 있다.
한편, 본 개시에 따른 인공지능과 관련된 기능은 프로세서와 메모리를 통해 동작된다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도 형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들 (weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경 망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
본 개시의 예시적인 실시예에 따르면, 프로세서는 인공지능을 구현할 수 있다. 인공지능이란 사람의 신경세포(biological neuron)를 모사하여 기계가 학습하도록 하는 인공신경망(Artificial Neural Network) 기반의 기계 학습법을 의미한다. 인공지능의 방법론에는 학습 방식에 따라 훈련데이터로서 입력데이터와 출력데이터가 같이 제공됨으로써 문제(입력데이터)의 해답(출력데이터)이 정해져 있는 지도학습(supervised learning), 및 출력데이터 없이 입력데이터만 제공되어 문제(입력데이터)의 해답(출력데이터)이 정해지지 않는 비지도학습(unsupervised learning), 및 현재의 상태(State)에서 어떤 행동(Action)을 취할 때마다 외부 환경에서 보상(Reward)이 주어지는데, 이러한 보상을 최대화하는 방향으로 학습을 진행하는 강화학습(reinforcement learning)으로 구분될 수 있다. 또한, 인공지능의 방법론은 학습 모델의 구조인 아키텍처에 따라 구분될 수도 있는데, 널리 이용되는 딥러닝 기술의 아키텍처는, 합성곱신경망(CNN; Convolutional Neural Network), 순환신경망(RNN; Recurrent Neural Network), 트랜스포머(Transformer), 생성적 대립 신경망(GAN; generative adversarial networks) 등으로 구분될 수 있다.
본 장치는 인공지능 모델을 포함할 수 있다. 인공지능 모델은 하나의 인공지능 모델일 수 있고, 복수의 인공지능 모델로 구현될 수도 있다. 인공지능 모델은 뉴럴 네트워크(또는 인공 신경망)로 구성될 수 있으며, 기계학습과 인지과학에서 생물학의 신경을 모방한 통계학적 학습 알고리즘을 포함할 수 있다. 뉴럴 네트워크는 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 뉴럴 네트워크의 뉴런은 가중치 또는 바이어스의 조합을 포함할 수 있다. 뉴럴 네트워크는 하나 이상의 뉴런 또는 노드로 구성된 하나 이상의 레이어(layer)를 포함할 수 있다. 예시적으로, 장치는 input layer, hidden layer, output layer를 포함할 수 있다. 장치를 구성하는 뉴럴 네트워크는 뉴런의 가중치를 학습을 통해 변화시킴으로써 임의의 입력(input)으로부터 예측하고자 하는 결과(output)를 추론할 수 있다.
프로세서는 뉴럴 네트워크를 생성하거나, 뉴럴 네트워크를 훈련(train, 또는 학습(learn)하거나, 수신되는 입력 데이터를 기초로 연산을 수행하고, 수행 결과를 기초로 정보 신호(information signal)를 생성하거나, 뉴럴 네트워크를 재훈련(retrain)할 수 있다. 뉴럴 네트워크의 모델들은 GoogleNet, AlexNet, VGG Network 등과 같은 CNN(Convolution Neural Network), R-CNN(Region with Convolution Neural Network), RPN(Region Proposal Network), RNN(Recurrent Neural Network), S-DNN(Stacking-based deep Neural Network), S-SDNN(State-Space Dynamic Neural Network), Deconvolution Network, DBN(Deep Belief Network), RBM(Restrcted Boltzman Machine), Fully Convolutional Network, LSTM(Long Short-Term Memory) Network, Classification Network 등 다양한 종류의 모델들을 포함할 수 있으나 이에 제한되지는 않는다. 프로세서는 뉴럴 네트워크의 모델들에 따른 연산을 수행하기 위한 하나 이상의 프로세서를 포함할 수 있다. 예를 들어 뉴럴 네트워크는 심층 뉴럴 네트워크 (Deep Neural Network)를 포함할 수 있다.
뉴럴 네트워크는 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), 퍼셉트론(perceptron), 다층 퍼셉트론(multilayer perceptron), FF(Feed Forward), RBF(Radial Basis Network), DFF(Deep Feed Forward), LSTM(Long Short Term Memory), GRU(Gated Recurrent Unit), AE(Auto Encoder), VAE(Variational Auto Encoder), DAE(Denoising Auto Encoder), SAE(Sparse Auto Encoder), MC(Markov Chain), HN(Hopfield Network), BM(Boltzmann Machine), RBM(Restricted Boltzmann Machine), DBN(Depp Belief Network), DCN(Deep Convolutional Network), DN(Deconvolutional Network), DCIGN(Deep Convolutional Inverse Graphics Network), GAN(Generative Adversarial Network), LSM(Liquid State Machine), ELM(Extreme Learning Machine), ESN(Echo State Network), DRN(Deep Residual Network), DNC(Differentiable Neural Computer), NTM(Neural Turning Machine), CN(Capsule Network), KN(Kohonen Network) 및 AN(Attention Network)를 포함할 수 있으나 이에 한정되는 것이 아닌 임의의 뉴럴 네트워크를 포함할 수 있음은 통상의 기술자가 이해할 것이다.
본 개시의 예시적인 실시예에 따르면, 프로세서는 GoogleNet, AlexNet, VGG Network 등과 같은 CNN(Convolution Neural Network), R-CNN(Region with Convolution Neural Network), RPN(Region Proposal Network), RNN(Recurrent Neural Network), S-DNN(Stacking-based deep Neural Network), S-SDNN(State-Space Dynamic Neural Network), Deconvolution Network, DBN(Deep Belief Network), RBM(Restrcted Boltzman Machine), Fully Convolutional Network, LSTM(Long Short-Term Memory) Network, Classification Network, Generative Modeling, eXplainable AI, Continual AI, Representation Learning, AI for Material Design, 자연어 처리를 위한 BERT, SP-BERT, MRC/QA, Text Analysis, Dialog System, GPT-3, GPT-4, 비전 처리를 위한 Visual Analytics, Visual Understanding, Video Synthesis, ResNet 데이터 지능을 위한 Anomaly Detection, Prediction, Time-Series Forecasting, Optimization, Recommendation, Data Creation 등 다양한 인공지능 구조 및 알고리즘을 이용할 수 있으며, 이에 제한되지 않는다. 이하, 첨부된 도면을 참조하여 본 개시의 실시예를 상세하게 설명한다.
이하, 상술한 구성요소를 포함하는 연속 혈당 분석 장치의 일 구현 예에 대하여 설명한다.
후술할 구성요소는 내부 수용 공간을 형성하는 하우징 내에 배치될 수 있다.
도 2 및 3을 참조하면, 광원(111)은 피검체에 광을 조사할 수 있다. 예를 들어, 광원(111)은 근적외선 (Near Infrared Ray, NIR) 또는 중적외선(Mid Infrared Ray, MIR)을 피검체에 조사할 수 있다. 다만, 상기 광원에서 발광되는 파장은 측정 목적에 따라 달라질 수 있다.
일 실시예에 있어서, 광원(111)은 발광 다이오드(light emitting diode, LED) 또는 레이저 다이오드(laser diode)일 수 있으나, 이에 한정되지 않는다.
광원(111)에서 발광된 빛은 제1렌즈(112)를 통과하여 제1미러(113)로 집광된다. 제1렌즈(112)는 광원(111)에서 발광된 빛을 제1미러(113)로 집중시킨다. 이를 통해, 제1렌즈(112)는 광원(111)의 출력을 일정 수준 이상으로 높일 필요 없도록 하여 배터리 소모량을 최소화할 수 있다.
제1렌즈(112)를 통과한 빛은 제1미러(113)에서 반사된다. 반사된 빛은 제1파장판(114)를 통과한다. 제1파장판(114)은 복굴절판으로 이루어져 빛의 편광 방향을 변화시킨다.
제1파장판(114)을 통과한 빛은 홀(210)을 통해 연속 혈당 측정 장치 밖으로 방출된다. 여기서, 홀(210)은 상기 하우징의 일면에 형성될 수 있다. 구체적으로, 상기 하우징은 피검체와 접촉하는 접촉면을 구비하며, 상기 접촉면에는 상기 광원부에서 발광된 빛이 상기 혈당 측정 장치 외부로 방출되도록 하고, 피검체에서 반사 또는 산란된 빛이 상기 혈당 측정 장치 내부로 들어오도록 하는 홀(210)이 형성된다.
본 개시에 따른 연속 혈당 측정 장치를 상기 접촉면이 신체와 맞닿도록 장착한 경우, 외부로 방출된 빛은 피검체(예를 들어, 피부)에 도달한다.
피검체에 도달한 빛은 반사 또는 산란되어 홀(210)로 들어온다. 홀(210)로 들어온 빛은 제2파장판(121)를 통과한다. 제2파장판(121)은 복굴절판으로 이루어져 빛의 편광 방향을 변화시킨다. 제2파장판(121)을 통과한 빛은 제2미러(122)에서 반사된다.
제2미러(122)에서 반사된 빛은 광필터(123)를 통과한다. 광필터(123)는 기 설정된 파장대의 빛만 통과시킨다. 광필터(123)로 입사한 빛 중 상기 기 설정된 파장대가 아닌 빛은 광필터(123)를 통과하지 못한다.
광필터(123)를 통과한 빛은 제2렌즈(124)를 통해 집광된다. 제2렌즈(124)를 통해 집광된 빛은 단색화부(125)로 입사한다. 단색화부(125)로 입사된 빛은 파장대별로 분광되어 광검출부(126)로 입사한다. 본 개시에 따른 단색화부(125)는 크게 두 가지 다른 형태로 구현될 수 있다.
첫 번째로, 단색화부(125)는 빛을 분산시키는 방식으로 구현될 수 있다. 구체적으로, 단색화부(125)는 회절 격자 또는 프리즘을 통해 광을 분산시키는 형태로 구현될 수 있다. 일 실시 예에 있어서, 단색화부(125)는 회절 격자일 수 있으며, 격자의 크기 및 간격을 조절하여 빛을 원하는 형태로 분산시킬 수 있다.
광검출부(126)는 상기 단색화부(125)에서 회절된 빛을 수신하여 전기신호로 변환한다. 프로세서(170)는 상기 전기 신호를 통해 라만 스펙트럼을 생성할 수 있도록 한다. 예를 들어, 광검출부(126)는 CCD(Charge Coupled Device)일 수 있으나, 이에 한정되는 것은 아니다.
두 번째로, 단색화부(125)는 빛의 일부를 간섭하여 원하는 성분만 골라내는 방식으로 구현될 수 있다. 도 4 내지 6을 참조하면, 단색화부(125)는 필터 이송부(310), 광필터부(320) 및 광수신부(330)를 포함할 수 있다.
필터 이송부(310)는 필터 이송부(310)에 체결된 회전부(311)를 회전시킨다. 필터 어레이 또는 선형가변 필터(320)는 회전부(311)가 회전함에 따라 일 방향으로 이송되도록 회전부(311)와 결합된다. 회전부(311)가 제1방향으로 회전함에 따라, 필터 어레이 또는 선형가변 필터(320)는 제1방향으로 이동한다. 회전부(311)가 제1방향과 반대방향인 제2방향으로 회전함에 따라, 필터 어레이 또는 선형가변 필터(320)는 제1방향과 반대방향인 제2방향으로 이동한다. 다만, 필터 어레이 또는 선형가변 필터(320)를 일 방향으로 이송시키는 수단은 상술한 필터 이송부(310)에 한정하지 않는다.
필터 어레이는 서로 다른 파장대역의 빛을 투과시키는 복수의 광필터를 포함한다. 필터 어레이로 광이 입사하는 상태에서 필터 어레이가 일 방향으로 이동하는 경우, 광수신부(330)로 서로 다른 파장태의 빛이 순차적으로 입사한다.
여기서, 광수신부(330)는 CCD(Charge Coupled Device)일 수 있으나, 이에 한정되는 것은 아니다.
선형가변 필터는 필터의 영역별로 통과시키는 빛의 파장대가 상이한 필터이다. 선형가변 필터로 광이 입사하는 상태에서 선형가변 필터가 일 방향으로 이동하는 경우, 광수신부(330)로 서로 다른 파장태의 빛이 순차적으로 입사한다.
필터 이송부(310)는 필터 어레이 또는 선형가변 필터(320)에 피검체로부터 반사 또는 산란된 빛이 입사하는 상태에서 필터 어레이 또는 선형가변 필터(320)를 일방향으로 이송시켜 광수신부(330)에 원하는 파장 대역의 빛이 순차적으로 입사하도록 한다.
프로세서(170)는 순차적으로 입사한 서로 다른 파장대역의 빛을 통해 생성된 전기신호를 활용하여 라만 스펙트럼을 생성할 수 있다.
일 실시 예에 있어서, 본 개시에 따른 연속 혈당 측정 장치는 타겟 물질 측정에 필요한 830nm에서의 라만 산란에 의해 변화한 파장대역(혈당 특이적 신호: 911cm-1, 1060cm-1, 1125cm-1 898nm, 910nm, 915nm, 피부 구성 단백질 특이적 라만 신호: 1450 cm-1 943nm 등)의 필터 어레이 또는 선형가변 필터를 사용하여 필요한 파장대의 신호만을 선별하여 광수신부(330)에 도달하도록 할 수 있다. 이를 통해, 본 개시는 분광기 사용으로 필요한 광경로를 단축시켜 연속 혈당 측정 장치를 소형화할 수 있게 된다.
프로세서(170)은 광검출부(126)에서 생성된 신호에 기반하여 라만 스펙트럼을 생성한다. 라만 스펙트럼은 x축이 라만 전이 값(raman shift, 단위: cm-1)이고, y축이 신호 강도(Intensity)인 형태의 그래프로 생성될 수 있다.
프로세서(170)는 생성된 라만 스펙트럼을 분석하여 피검체의 혈당을 측정할 수 있다. 피검체의 혈당 측정 전 프로세서(170)는 혈당 및 피부 구성 단백질 특이적 라만 스펙트럼에 대해 캘리브레이션 과정을 수행할 수 있다.
일 실시 예에 있어서, 캘리브레이션 시 프로세서(170)는 생성한 스펙트럼에서 Savitzky-Golay filtering을 통해 노이즈를 줄여주고 polynomial fitting을 통해 생성한 스펙트럼의 배경을 제거한다. 처음 파장과 4분의 2지점의 파장 4분의 3지점의 파장 끝 파장 이렇게 4개의 파장의 intensity에 기반하여 배경 제거에 적합한 polynomial fitting order를 정한다.
한편, 프로세서(170) 장치의 구동을 시작하거나, 혈당 측정을 중지한 후 재시작하거나, 장치를 일시적으로 착용하고 재착용하는 경우, 다시 캘리브레이션을 수행할 수 있다.
일 실시 예에 있어서, 프로세서(170)는 장치가 구동을 시작하거나 재 착용시 소정 시간동안 소정 출력으로 빛이 출력되도록 상기 광원부를 제어하고, 상기 소정 시간동안 상기 수광부를 통해 획득된 라만스펙트럼 중 소정 라만 전이값에 대응되는 피크를 기준으로 혈당 측정 시 상기 광원부의 광량 및 노출시간을 설정할 수 있다.
여기서, 상기 소정 라만 전이값에 대응되는 라만신호 세기는 1450cm-1의 피크일 수 있다.
상기 캘리브레이션 수행 시 상기 광원부의 최대 출력 및 최대 노출시간에 도달하더라도 상기 소정 라만 전이값에 대응되는 라만신호 세기가 기준값에 도달하지 않는 경우, 프로세서(170)는, 상기 외부 단말기로 에러 메시지가 송신되도록 상기 통신부를 제어할 수 있다.
사용자는 본 개시에 따른 연속 혈당 측정 장치와 연결된 외부 단말기를 통해 에러 메시지를 확인할 수 있다. 에러 메시지는 부착 부위 변경 또는 부착 재실시를 요청하는 텍스트 또는 이미지를 포함할 수 있다.
한편, 일반적인 라만 신호 픽들간의 intensity비율과 획득한 라만 신호 픽들간의 intensity비율이 일정 기준이상 차이나는 경우, 프로세서(170)는 피검체와 장치간 접촉불량으로 판단하고, 통신부(150)를 제어하여 외부 단말기로 에러 메시지를 전송할 수 있다.
다만, 이에 한정되지 않고, 프로세서(170)는 상술한 에러 메시지를 외부 단말기로 전송하지 않고, 연속 혈당 측정 장치에 포함된 출력부(140)를 통해 에러 메시지를 표시할 수 있다.
이후, 프로세서(170)는 partial least squares (PLS), Support vector machine(SVM) 또는 Autoencoder, ResNet 등을 활용한 딥러닝 등의 머신러닝 기법을 활용하여 글루코스, 단백질, 지방 3개의 peak 각각의 면적과 측정 당시의 포도당 수치를 데이터로 학습시키고 학습된 모델을 바탕으로 피검체의 혈당을 연속적으로 측정한다.
일 실시 예에 있어서, 상기 포도당 수치는 손가락 채혈, 정맥 채혈, 연속 CGM을 통한 방식을 통해 측정될 수 있으나, 포도당 수치 측정 방식은 이에 한정하지 않는다.
일 실시 예에 있어서, 프로세서(170)는 중심 값이 1450cm-1인 peak의 면적 및 1660cm-1인 peak의 면적과 1125cm-1인 peak의 면적 비율로 간질액 내 글루코스 양을 추정한다.
여기서, 중심값이 1450cm-1인 peak의 경우, 단백질에 대응되는 peak으로 1415 cm-1 ~ 1480 cm-1 범위를 이용하여 면적을 구한다.
한편, 중심값이 1660cm-1인 peak의 경우, 지방에 대응되는 peak으로 1630 cm-1 ~ 1685 cm-1 범위를 이용해 면적을 구한다.
한편, 글루코스에 대응되는 1125cm-1 peak의 경우 총 3가지 범위를 이용하여 면적을 구할 수 있다. 구체적으로, 1089cm-1 ~ 1160cm-1(제1범위), 1115cm-1 ~ 1140 cm-1(제2범위), 1120cm-1 ~ 1130cm-1(제3범위)를 이용하여 글루코스에 대응되는 면적을 구할 수 있다.
한편, 본 개시에 따른 연속 혈당 측정 장치는 상술한 구성요소의 구동을 위한 배터리(220)를 포함한다.
상술한 바와 같이, 본 개시에 따른 연속 혈당 측정 장치는 비침습적인 방식으로 연속혈당의 측정이 가능하기 때문에 바늘 주입이 필수적인 기존 연속 혈당 측정 장치에 비하여 착용시 부작용이 현저히 적다.
이하에서는, 본 개시에 따른 연속 혈당 측정 장치의 다양한 실시 예에 대하여 설명한다.
도 7은 홀이 중앙부에 위치한 연속 혈당 측정 장치의 내부를 나타내는 평면도이다.
종래 라만 스펙트럼 생성을 위한 분광기 설계에서는 단색화부의 광 분산 각도의 확보를 위한 안정적인 광경로를 확보 해야하기 때문에 홀이 장치의 중앙이 아닌 모서리 외각으로 배치되는 형태를 사용하였다.
하지만, 상기 홀은 본체의 중앙부에 배치되는 것이 바람직하다. 신체에 고정되는 웨어러블 디바이스의 경우, 사용자의 활동에 따라 본체와 사용자의 신체가 이격될 수 있다. 웨어러블 디바이스 본체의 중앙부는 사용자의 신체와 가장 강하게 밀착되므로, 홀이 하우징의 접촉면의 중앙부에 위치할수록 광원부와 피검체간의 거리가 안정적으로 일정하게 유지될 수 있다.
이를 위해, 도 7을 참조하면, 본 개시는 홀(210)을 하우징에 포함된 접촉면 중앙부에 배치하고, 광검출부(126)와 내부 배터리(220)는 본체 내부 최외각에 배치하며, 광원은 접촉면 중앙부에 배치된 홀(210)을 향하도록 배치할 수 있다. 이에 따라, 광원에서 제1미러로 입사하는 광의 경로와 단색화부(125)로 입사하는 광의 경로가 이루어는 각도가 90보다 커지게 된다.
결과적으로, 본 개시에 따른 연속 혈당 측정 장치는 광분산각도 및 광경로가 부족하게 되어, 측정 파장대역이 협소화될 수 있다. 본 개시는 혈당 특이적 파장대역만 선택적으로 분석함으로써, 측정 파장대역 협소화 문제를 해결한다. 이를 통해, 본 개시는 홀을 하우징에 구비된 피검체 접촉면 중앙부에 배치할 수 있도록 한다.
상술한 바와 같이, 본 개시는 피검체에 조사되는 빛이 방출되는 홀을 장치 중앙부에 위치하도록 함으로써, 혈당 측정 정확도를 높일 수 있다.
한편, 본 개시는 혈당 측정을 종료하지 않고도 배터리 교체를 할 수 있도록 한다.
도 8은 밴드형 연속 혈당 측정 장치를 나타내는 개념도이다.
본 개시에 따른 연속 혈당 측정 장치는 팔목, 발목, 팔뚝 등에 고정시킬 수 있는 밴드 형태로 구현될 수 있다. 이를 위해, 연속 혈당 측정 장치는 하우징(410) 및 밴드(420)를 포함할 수 있다.
나아가, 본 개시에 따른 연속 혈당 측정 장치는 배터리(430)를 포함할 수 있다. 배터리(430)는 하우징(410) 다른 위치에 배치될 수 있다. 일 예로, 배터리(430)는 하우징(410)과 반대방향에 배치될 수 있다.
한편, 밴드(420) 내에는 배터리(430)와 하우징(410) 내 구성 요소들을 전기적으로 연결하는 회로가 배치될 수 있다.
배터리(430)는 밴드(420)에 탈착 가능하도록 형성될 수 있으며, 이를 위해, 밴드는 배터리 체결부(440)를 포함할 수 있다. 배터리 체결부(440)는 배터리(430)를 밴드에 고정시키며, 배터리(430)와 밴드(420) 내에 배치된 회로를 전기적으로 연결시킨다.
한편, 하우징(410) 내에는 보조 배터리가 배치될 수 있다. 보조 배터리는 배터리(430) 교환 중 연속 혈당 측정 장치가 오프 상태로 전환되지 않고, 기능을 유지할 수 있도록 한다.
배터리 교환 시 장치가 오프 상태로 전환되는 경우, 배터리 교환 후 혈당 측정 시작 시 캘리브레이션을 수행해야 한다. 이에 따라, 혈당 측정 시간에 공백이 생길 수 있으며, 사용자는 배터리 교체시마다 캘리브레이션을 수행해야하는 불편함이 있다.
본 개시는 배터리 교환 시에도 장치가 오프 상태로 전환되지 않도록 하여, 사용자 편의성을 높일 수 있다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
Claims (10)
- 라만스펙트럼을 활용한 혈당 측정 장치에 있어서,
내부 수용 공간을 형성하는 하우징;
상기 하우징 내에 배치되며, 피검체에 광을 조사하는 광원부;
상기 하우징 내에 배치되며, 피검체로부터 반사 또는 산란된 광을 수신하여 라만스펙트럼을 획득하는 수광부; 및
상기 하우징 내에 배치되며, 피검체에 대한 글루코스, 단백질 및 지방의 라만스펙트럼 범위가 상이하여 각 범위의 피크 면적값을 통해 상기 피검체에 대한 글루코스, 단백질 및 지방 정보를 추출하는 프로세서를 포함하고,
상기 수광부는,
서로 다른 파장대역의 빛을 투과시키는 복수의 광필터를 포함하는 필터 어레이; 또는 필터의 영역별로 통과시키는 빛의 파장대가 상이한 선형가변필터를 포함하며,
상기 수광부는,
상기 필터 어레이 또는 상기 선형가변필터를 일방향으로 이송시키는 필터 이송부; 및
상기 필터 어레이 또는 선형가변필터를 통과한 빛을 수신하여 전기신호로 변환하는 광수신부를 포함하며,
상기 프로세서는,
상기 혈당 측정 장치가 구동을 시작하거나, 사용자의 신체에 재착용되는 경우,상기 광원부 및 상기 수광부를 제어하어 캘리브레이션을 수행하는 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치. - 제1항에 있어서,
상기 캘리브레이션 수행 시 상기 프로세서는,
소정 시간동안 소정 출력으로 빛이 출력되도록 상기 광원부를 제어하고,
상기 소정 시간동안 상기 수광부를 통해 획득된 라만스펙트럼 중 소정 라만 전이값에 대응되는 피크를 기준으로, 혈당 측정 시 상기 광원부의 광량 및 노출시간을 설정하는 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치. - 제2항에 있어서,
외부 단말기와 데이터를 송수신하도록 이루어지는 통신부를 더 포함하고,
상기 캘리브레이션 수행 시 상기 광원부의 최대 출력 및 최대 노출시간에 도달하더라도 상기 소정 라만 전이값에 대응되는 라만신호 세기가 기준값에 도달하지 않는 경우,
상기 프로세서는,
상기 외부 단말기로 에러 메시지가 송신되도록 상기 통신부를 제어하는 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치. - 제3항에 있어서,
상기 소정 라만 전이값에 대응되는 라만신호 세기는 1450cm-1의 피크에 대한 세기인 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치. - 제4항에 있어서,
상기 수광부는,
피검체에서 반사 또는 산란된 빛을 파장대별로 분산시키는 회절 격자; 및
상기 회절 격자에서 회절된 빛을 수신하여 전기신호로 변환하는 광검출부를 포함하는 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치. - 삭제
- 삭제
- 제4항에 있어서,
상기 하우징은 피검체와 접촉하는 접촉면을 구비하며,
상기 접촉면은 상기 광원부에서 발광된 빛이 상기 혈당 측정 장치 외부로 방출되도록 하고, 피검체에서 반사 또는 산란된 빛이 상기 혈당 측정 장치 내부로 들어오도록 하는 홀을 포함하고,
상기 홀은 상기 접촉면 중앙부에 형성되는 것을 특징으로 하는 라만스펙트럼을 활용한 혈당 측정 장치. - 제4항에 있어서,
상기 하우징과 결합되어, 상기 하우징을 사용자의 신체에 고정시키는 밴드; 및
상기 밴드에 탈착 가능하도록 형성되는 배터리를 더 포함하는 라만스펙트럼을 활용한 혈당 측정 장치. - 제9항에 있어서,
상기 배터리 교체 중 상기 혈당 측정 장치가 오프 상태로 전환되지 않도록 하고, 상기 하우징 내에 배치되는 보조 배터리를 더 포함하는 라만스펙트럼을 활용한 혈당 측정 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230069417A KR102590718B1 (ko) | 2023-05-30 | 2023-05-30 | 라만 신호 기반 연속 혈당 측정 장치 |
| US18/455,492 US11986295B1 (en) | 2023-05-30 | 2023-08-24 | Apparatus for measuring blood glucose continuously based on Raman signal |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230069417A KR102590718B1 (ko) | 2023-05-30 | 2023-05-30 | 라만 신호 기반 연속 혈당 측정 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102590718B1 true KR102590718B1 (ko) | 2023-10-19 |
Family
ID=88507552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230069417A KR102590718B1 (ko) | 2023-05-30 | 2023-05-30 | 라만 신호 기반 연속 혈당 측정 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11986295B1 (ko) |
| KR (1) | KR102590718B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117783088A (zh) * | 2024-02-23 | 2024-03-29 | 广州贝拓科学技术有限公司 | 激光显微拉曼光谱仪的控制模型训练方法及装置、设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180061959A (ko) * | 2016-11-30 | 2018-06-08 | 삼성전자주식회사 | 생체 성분 추정 장치 및 방법 |
| JP2018530373A (ja) * | 2015-10-05 | 2018-10-18 | ディア−ビット リミテッドＤｉａ−Ｖｉｔ Ｌｔｄ． | 血糖値の非侵襲的測定のための装置 |
| JP2022512369A (ja) * | 2018-12-14 | 2022-02-03 | エコール ポリテクニーク フェデラル デ ローザンヌ （イーピーエフエル） | 非侵襲性グルコースセンサ |
| KR102408951B1 (ko) | 2017-09-18 | 2022-06-13 | 삼성전자주식회사 | 글루코스 노출량 추정 장치 및 방법과, 글루코스 노출량 추정 모델 생성 장치 및 방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050187439A1 (en) * | 2003-03-07 | 2005-08-25 | Blank Thomas B. | Sampling interface system for in-vivo estimation of tissue analyte concentration |
| CA3190995A1 (en) * | 2020-08-07 | 2022-02-10 | Endectra, Llc | Wearable spectrometer for biomolecule interrogation in biological tissue |
-
2023
- 2023-05-30 KR KR1020230069417A patent/KR102590718B1/ko active IP Right Grant
- 2023-08-24 US US18/455,492 patent/US11986295B1/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018530373A (ja) * | 2015-10-05 | 2018-10-18 | ディア−ビット リミテッドＤｉａ−Ｖｉｔ Ｌｔｄ． | 血糖値の非侵襲的測定のための装置 |
| KR20180061959A (ko) * | 2016-11-30 | 2018-06-08 | 삼성전자주식회사 | 생체 성분 추정 장치 및 방법 |
| KR102408951B1 (ko) | 2017-09-18 | 2022-06-13 | 삼성전자주식회사 | 글루코스 노출량 추정 장치 및 방법과, 글루코스 노출량 추정 모델 생성 장치 및 방법 |
| JP2022512369A (ja) * | 2018-12-14 | 2022-02-03 | エコール ポリテクニーク フェデラル デ ローザンヌ （イーピーエフエル） | 非侵襲性グルコースセンサ |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117783088A (zh) * | 2024-02-23 | 2024-03-29 | 广州贝拓科学技术有限公司 | 激光显微拉曼光谱仪的控制模型训练方法及装置、设备 |
| CN117783088B (zh) * | 2024-02-23 | 2024-05-14 | 广州贝拓科学技术有限公司 | 激光显微拉曼光谱仪的控制模型训练方法及装置、设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11986295B1 (en) | 2024-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11291374B2 (en) | Apparatus and method for estimating bio-information | |
| Ali et al. | Continuous blood glucose level prediction of type 1 diabetes based on artificial neural network | |
| KR102655737B1 (ko) | 생체 성분 추정 장치 및 방법 | |
| KR102610590B1 (ko) | 생체 내 물질 추정 장치 및 방법, 단위 스펙트럼 획득 장치 및 웨어러블 기기 | |
| US20190076031A1 (en) | Continuous monitoring of a user's health with a mobile device | |
| KR102590718B1 (ko) | 라만 신호 기반 연속 혈당 측정 장치 | |
| 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 | |
| CN109984735A (zh) | 生物信号测量装置及其操作方法 | |
| US20210298648A1 (en) | Calibration of a noninvasive physiological characteristic sensor based on data collected from a continuous analyte sensor | |
| KR20180051196A (ko) | 분광기, 생체정보 측정 장치 및 방법 | |
| Savaridass et al. | Development of smart health monitoring system using Internet of Things | |
| Huang et al. | The tufts fnirs mental workload dataset & benchmark for brain-computer interfaces that generalize | |
| Hebbale et al. | IoT and machine learning based self care system for diabetes monitoring and prediction | |
| US20200129095A1 (en) | Apparatus and method for estimating biological component | |
| KR102638310B1 (ko) | 분석 물질의 농도 추정 장치 및 방법 | |
| KR20200129409A (ko) | 광 센서, 생체 정보 추정 장치 및 방법 | |
| US20210307624A1 (en) | Non-invasive device and methods for monitoring muscle tissue condition | |
| US11471133B2 (en) | Apparatus and method for measuring blood concentration of analyte | |
| EP3632311B1 (en) | Apparatus for estimating blood concentration of analyte, and method for generating model | |
| KR102441334B1 (ko) | 생체 정보 처리 장치 및 방법 | |
| US11911157B2 (en) | Apparatus and method for estimating target component | |
| KR102712776B1 (ko) | 그레이팅 회전 및 슬릿 통과를 통한 소형 라만 분광 분석 방법 및 장치 | |
| KR20230163535A (ko) | 인체 간질액의 체적 및 특성의 변화 모니터링, 및 이를 달성하기 위한 광학 장치의 전자 기계적 설계 | |
| US11287374B2 (en) | Apparatus and method for updating bioinformation estimation model | |
| KR102712768B1 (ko) | 라만 신호 분석 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |