KR102611534B1 - Appartus for providing treatment service for insomnia based on learning algorithm - Google Patents
Appartus for providing treatment service for insomnia based on learning algorithm Download PDFInfo
- Publication number
- KR102611534B1 KR102611534B1 KR1020220172943A KR20220172943A KR102611534B1 KR 102611534 B1 KR102611534 B1 KR 102611534B1 KR 1020220172943 A KR1020220172943 A KR 1020220172943A KR 20220172943 A KR20220172943 A KR 20220172943A KR 102611534 B1 KR102611534 B1 KR 102611534B1
- Authority
- KR
- South Korea
- Prior art keywords
- sleep
- efficiency index
- sleep efficiency
- algorithm
- index
- Prior art date
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 84
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 title claims abstract description 37
- 206010022437 insomnia Diseases 0.000 title claims abstract description 37
- 230000007958 sleep Effects 0.000 claims abstract description 272
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000007637 random forest analysis Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 9
- 208000019901 Anxiety disease Diseases 0.000 claims description 8
- 230000036506 anxiety Effects 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 claims description 4
- 206010041235 Snoring Diseases 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000004622 sleep time Effects 0.000 claims description 3
- 230000036387 respiratory rate Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000002560 therapeutic procedure Methods 0.000 description 8
- 230000027288 circadian rhythm Effects 0.000 description 7
- 230000001149 cognitive effect Effects 0.000 description 7
- 208000019116 sleep disease Diseases 0.000 description 7
- 230000035882 stress Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 230000035622 drinking Effects 0.000 description 5
- 208000020016 psychiatric disease Diseases 0.000 description 4
- 230000003860 sleep quality Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 206010010219 Compulsions Diseases 0.000 description 1
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000009226 cognitive therapy Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 235000009569 green tea Nutrition 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005056 memory consolidation Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000001126 phototherapy Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
-
- 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
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense
Abstract
학습 알고리즘 기반의 불면증 치료 서비스를 제공하는 장치는, 기 학습된 알고리즘에 수면과 관련된 정보를 입력값으로 입력하고, 상기 기 학습된 알고리즘에 적용된 멀티 태스킹을 통해 객관적 수면효율을 나타내는 제1 수면효율지수, 주관적 수면효율을 나타내는 제2 수면효율지수 및 상기 제1 수면효율지수와 상기 제2 수면효율지수의 차이에 해당하는 제3 수면효율지수를 출력값으로 획득하고, 상기 제1 수면효율지수, 상기 제2 수면효율지수 및 상기 제3 수면효율지수 중 적어도 하나에 근거하여 수면과 관련된 치료방법을 제공한다.A device that provides an insomnia treatment service based on a learning algorithm inputs sleep-related information into a previously learned algorithm as an input value, and generates a first sleep efficiency index that represents objective sleep efficiency through multitasking applied to the previously learned algorithm. , Obtaining a second sleep efficiency index representing subjective sleep efficiency and a third sleep efficiency index corresponding to the difference between the first sleep efficiency index and the second sleep efficiency index as output values, and the first sleep efficiency index and the first sleep efficiency index. 2 Provides sleep-related treatment methods based on at least one of the sleep efficiency index and the third sleep efficiency index above.
Description
본 발명은 학습 알고리즘 기반의 불면증 치료 서비스를 제공하는 장치에 관한 것이다.The present invention relates to a device that provides an insomnia treatment service based on a learning algorithm.
불면증이란, 일반적으로 수면장애를 의미하며, 잠들기가 어려운 입면 장애와, 잠은 들지만 자는 도중 자주 깨거나 너무 일찍 잠에서 깨어나는 수면유지 장애와, 비교적 많은 잠을 잤지만, 본인이 느끼기에 충분한 잠을 이루지 못했다고 느끼는 인지장애 등을 포함한다.Insomnia generally refers to a sleep disorder, including difficulty falling asleep, sleep maintenance disorder that causes the person to fall asleep but wake up frequently or too early, and sleep that is relatively large but feels like enough sleep. This includes cognitive impairment where one feels unable to achieve one's goals.
수면은 인간의 삶에서 약 1/3을 차지하며, 에너지 저장 및 회복뿐만 아니라 호르몬 분비, 기억 응고화 등 중요한 역할을 수행한다. 수면이 부족하거나 숙면을 취하지 못하면 정신활동이 흐려지고 몸도 둔감해진다. 현대사회에서는 인구의 노령화, 스트레스 증가, 노화, 수면주기변화와 같은 환경적 요인으로 인한 수면 장애를 호소하는 사람이 증가하고 있다.Sleep accounts for about one-third of human life, and plays important roles such as energy storage and recovery, as well as hormone secretion and memory consolidation. If you lack sleep or do not get a good night's sleep, your mental activity becomes blurred and your body becomes insensitive. In modern society, the number of people complaining of sleep disorders due to environmental factors such as aging population, increased stress, aging, and changes in sleep cycle is increasing.
나아가, 수면은 우울증과 같은 정신 질환과도 연관된 것으로 보고되어 왔다. 예를 들어 정신 질환 증세가 있거나 이의 정도가 심해질 경우 수면의 상태가 나빠질 수 있다. 또한, 정신 질환의 정도가 개선될 경우, 이에 대한 지표로 수면 상태의 개선이 나타날 수 있다. 이처럼, 수면 상태는 정신 질환의 정도, 예후, 또는 치료 효과와 관련하여 중요한 정보로 이용될 수 있다.Furthermore, sleep has been reported to be associated with mental illnesses such as depression. For example, if you have symptoms of mental illness or their severity worsens, your sleep quality may worsen. Additionally, if the degree of mental illness improves, an improvement in sleep status may appear as an indicator of this. In this way, sleep status can be used as important information regarding the degree, prognosis, or treatment effect of mental illness.
이에, 수면 장애의 치료에 있어서, 개개인에 대하여 수면 상태를 정확하게 분석하고, 수면에 영향을 주는 요소가 무엇인지 파악하는 것은 중요한 요소일 수 있다.Accordingly, in the treatment of sleep disorders, it may be an important factor to accurately analyze each individual's sleep state and identify factors that affect sleep.
한편, 수면 장애는 잠자는 동안 발생하기 때문에 본인조차 증상을 파악하기가 어렵다. 뿐만 아니라 수면 장애를 정확하게 진단하기 위해, 수면 동안의 뇌파, 근육 움직임, 호흡, 심전도, 산소 포화도 등을 종합적으로 검사하는 수면다원검사 (polysomnography) 가 이용될 수 있지만, 고가의 분석 비용 때문에 검사와 치료가 어려운 상황이다. 나아가, 이와 같은 수면 분석 방법은 에러로 인한 불확실성으로 인해 가정에서 수행되기 적합하지 않고, 다수의 전극이 사용자의 머리에 부착되어야만 한다.On the other hand, because sleep disorders occur while sleeping, it is difficult for even the person to identify the symptoms. In addition, to accurately diagnose sleep disorders, polysomnography, which comprehensively examines brain waves, muscle movements, breathing, electrocardiogram, and oxygen saturation during sleep, can be used, but due to the high cost of analysis, examination and treatment are difficult. This is a difficult situation. Furthermore, this sleep analysis method is not suitable to be performed at home due to uncertainty due to errors, and multiple electrodes must be attached to the user's head.
이에 따라, 장비 기반의 수면 분석 방법은 환자에게 큰 부담을 줄 수 있다. 나아가, 이러한 요인들은 수면 분석에 있어서 상당수의 환자가 불안정한 경험으로 인지할 수 있어, 분석 결과에 영향을 미칠 수 있다.Accordingly, equipment-based sleep analysis methods can place a large burden on patients. Furthermore, these factors may be perceived as an unstable experience by a significant number of patients during sleep analysis, which may affect the analysis results.
이에 따라, 이상의 한계를 극복하고 효과적으로 수면의 질을 분석할 수 있는 시스템에 대한 개발이 요구되고 있는 실정이다. 특히, 수면 장애를 갖는 사용자에 대하여 수면의 질을 분석하고, 이에 대한 원인을 분석하여 사용자에게 제공하기 위한 수면 분석 방법 및 디바이스의 개발은 수면 장애의 예방, 진단 나아가, 치료에 있어서 매우 중요할 수 있다.Accordingly, there is a demand for the development of a system that can overcome the above limitations and effectively analyze sleep quality. In particular, the development of a sleep analysis method and device to analyze the sleep quality of users with sleep disorders, analyze the cause, and provide the results to users can be very important in the prevention, diagnosis, and treatment of sleep disorders. there is.
본 발명의 일 목적은, 최적화된 방법으로 수면효율을 측정하고, 이를 기반으로 하는 최적화된 불면증을 치료하는 방법을 제공하는 것이다.One purpose of the present invention is to measure sleep efficiency in an optimized manner and provide an optimized method for treating insomnia based on this.
본 발명의 다른 일 목적은, 객관적 수면효율과 주관적 수면효율을 향상시키고, 객관적 수면효율과 주관적 수면효율의 차이를 줄이도록 불면증을 개선할 수 있는 불면증 치료방법을 제공하는 것이다.Another object of the present invention is to provide a method of treating insomnia that can improve insomnia by improving objective and subjective sleep efficiency and reducing the difference between objective and subjective sleep efficiency.
본 발명의 또 다른 일 목적은, 복수의 수면지표를 활용하여, 시계열적이며, 과적합을 방지하면서 객관적/주관적 수면효율을 함께 검출하는 것이 가능한 불면증 치료방법을 제공하는 것이다.Another purpose of the present invention is to provide an insomnia treatment method that utilizes a plurality of sleep indicators, is time-series, and allows both objective and subjective sleep efficiency to be detected while preventing overfitting.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the problems mentioned above, and other problems not mentioned can be clearly understood by those skilled in the art from the description below.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 학습 알고리즘 기반의 불면증 치료 서비스를 제공하는 장치는, 기 학습된 알고리즘에 수면과 관련된 정보를 입력값으로 입력하고, 상기 기 학습된 알고리즘에 적용된 멀티 태스킹을 통해 객관적 수면효율을 나타내는 제1 수면효율지수, 주관적 수면효율을 나타내는 제2 수면효율지수 및 상기 제1 수면효율지수와 상기 제2 수면효율지수의 차이에 해당하는 제3 수면효율지수를 출력값으로 획득하고, 상기 제1 수면효율지수, 상기 제2 수면효율지수 및 상기 제3 수면효율지수 중 적어도 하나에 근거하여 수면과 관련된 치료방법을 제공한다.An apparatus for providing an insomnia treatment service based on a learning algorithm according to an embodiment of the present invention to solve the above-described problem inputs sleep-related information as an input value into a previously learned algorithm, and inputs sleep-related information into the previously learned algorithm. A first sleep efficiency index representing objective sleep efficiency through applied multitasking, a second sleep efficiency index representing subjective sleep efficiency, and a third sleep efficiency index corresponding to the difference between the first sleep efficiency index and the second sleep efficiency index. is obtained as an output value, and a treatment method related to sleep is provided based on at least one of the first sleep efficiency index, the second sleep efficiency index, and the third sleep efficiency index.
또한, 상기 수면과 관련된 정보는, 이동 단말기 및 웨어러블 기기 중 적어도 하나를 통해 측정된 정보 및 기 작성된 질문에 대한 입력된 정보를 포함할 수 있다.In addition, the sleep-related information may include information measured through at least one of a mobile terminal and a wearable device and information entered in response to a previously written question.
또한, 상기 측정된 정보는, 수면 시작/종료시간, 총 수면시간, 수면 깊이, 수면 중 각성시간, 코골이 데이터, 산소포화도, 심박수, 호흡수, 활동량, 조도를 포함하고, 상기 입력된 정보는, 스트레스 척도, 우울/불안 척도, 임상결과척도를 포함하는 수면과 관련된 질문에 대한 답변을 포함할 수 있다.In addition, the measured information includes sleep start/end time, total sleep time, sleep depth, awakening time during sleep, snoring data, oxygen saturation, heart rate, respiratory rate, activity level, and light intensity, and the input information , may include answers to questions related to sleep, including stress scales, depression/anxiety scales, and clinical outcome scales.
또한, 상기 기 학습된 알고리즘은, 시계열 모델링을 수행하는 LSTM 알고리즘과 과적합을 방지하는 것이 가능한 랜덤 포레스트 알고리즘이 융합된 알고리즘일 수 있다.Additionally, the previously learned algorithm may be an algorithm that combines the LSTM algorithm that performs time series modeling and the random forest algorithm that can prevent overfitting.
또한, 상기 기 학습된 알고리즘은, 의사 결정 트리를 사용하는 상기 랜덤 포레스트 알고리즘에서, 상기 의사 결정 트리 대신 상기 LSTM 알고리즘을 사용하도록 형성되는 것일 수 있다.Additionally, the previously learned algorithm may be formed to use the LSTM algorithm instead of the decision tree in the random forest algorithm that uses a decision tree.
또한, 상기 LSTM 알고리즘은, 상기 제1 수면효율지수 및 상기 제2 수면효율지수를 동시에 산출하도록 공유 계층 및 작업별 계층이 형성되는 것일 수 있다.Additionally, in the LSTM algorithm, a shared layer and a task-specific layer may be formed to simultaneously calculate the first sleep efficiency index and the second sleep efficiency index.
또한, 상기 수면과 관련된 정보는, 복수의 수면지표들을 포함하고, 상기 복수의 수면지표들 중 상기 제1 수면효율지수와 관련된 제1 수면지표 및 상기 제2 수면효율지수와 관련된 제2 수면지표는 각각 소정 개수만큼 추출될 수 있다.In addition, the sleep-related information includes a plurality of sleep indices, and among the plurality of sleep indices, a first sleep index related to the first sleep efficiency index and a second sleep index related to the second sleep efficiency index are A predetermined number of each can be extracted.
또한, 상기 추출된 제1 수면지표 및 상기 제2 수면지표는, 상기 제1 수면효율지수와 상기 제2 수면효율지수에 각각 영향을 많이 주는 상위 소정 개수의 수면지표들일 수 있다.Additionally, the extracted first sleep index and the second sleep index may be a predetermined number of upper sleep indices that have a significant influence on the first sleep efficiency index and the second sleep efficiency index, respectively.
또한, 상기 치료방법은, 상기 제1 수면지표 및 상기 제2 수면지표를 중 적어도 하나와 관련된 것일 수 있다.Additionally, the treatment method may be related to at least one of the first sleep index and the second sleep index.
또한, 상기 장치는, 상기 제공된 치료방법을 적용한 이후의 새로운 수면과 관련된 정보를 수집하고, 상기 새로운 수면과 관련된 정보 및 상기 제공된 치료방법을 상기 기 학습된 알고리즘의 입력값으로 입력하여, 새로운 제1 수면효율지수 및 새로운 제2 수면효율지수를 출력값으로 획득할 수 있다.In addition, the device collects information related to new sleep after applying the provided treatment method, inputs the new sleep-related information and the provided treatment method as input values of the previously learned algorithm, and creates a new first The sleep efficiency index and the new second sleep efficiency index can be obtained as output values.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.
도 1은 본 발명의 대표적인 불면증 치료방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 객관적 수면효율과 주관적 수면효율을 설명하기 위한 개념도이다.
도 3은 객관적 수면효율을 나타내는 제1 수면효율지수와, 주관적 수면효율을 나타내는 제2 수면효율지수를 산출하기 위한 기 학습된 알고리즘을 설명하기 위한 개념도이다.
도 4는 본 발명의 기 학습된 알고리즘에 적용된 멀티 태스킹을 설명하기 위한 개념도이다.
도 5는 본 발명에서 제1 및 제2 수면효율지수에 영향을 주는 수면지표를 설명하기 위한 개념도이다.1 is a flowchart illustrating a representative insomnia treatment method of the present invention.
Figure 2 is a conceptual diagram for explaining the objective and subjective sleep efficiency of the present invention.
Figure 3 is a conceptual diagram for explaining a previously learned algorithm for calculating a first sleep efficiency index representing objective sleep efficiency and a second sleep efficiency index representing subjective sleep efficiency.
Figure 4 is a conceptual diagram for explaining multitasking applied to the previously learned algorithm of the present invention.
Figure 5 is a conceptual diagram for explaining sleep indices that affect the first and second sleep efficiency indices in the present invention.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.The advantages and features of the present invention and methods for achieving them will become clear by referring to the embodiments described in detail below along with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below and may be implemented in various different forms. The present embodiments are merely provided to ensure that the disclosure of the present invention is complete and to provide a general understanding of the technical field to which the present invention pertains. It is provided to fully inform the skilled person of the scope of the present invention, and the present invention is only defined by the scope of the claims.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.The terminology used herein is for describing embodiments and is not intended to limit the invention. As used herein, singular forms also include plural forms, unless specifically stated otherwise in the context. As used in the specification, “comprises” and/or “comprising” does not exclude the presence or addition of one or more other elements in addition to the mentioned elements. Like reference numerals refer to like elements throughout the specification, and “and/or” includes each and every combination of one or more of the referenced elements. Although “first”, “second”, etc. are used to describe various components, these components are of course not limited by these terms. These terms are merely used to distinguish one component from another. Therefore, it goes without saying that the first component mentioned below may also be a second component within the technical spirit of the present invention.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used in this specification may be used with meanings commonly understood by those skilled in the art to which the present invention pertains. Additionally, terms defined in commonly used dictionaries are not interpreted ideally or excessively unless clearly specifically defined.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the attached drawings.
설명에 앞서 본 명세서에서 사용하는 용어의 의미를 간략히 설명한다. 그렇지만 용어의 설명은 본 명세서의 이해를 돕기 위한 것이므로, 명시적으로 본 발명을 한정하는 사항으로 기재하지 않은 경우에 본 발명의 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.Prior to explanation, the meaning of terms used in this specification will be briefly explained. However, since the explanation of terms is intended to aid understanding of the present specification, it should be noted that if it is not explicitly described as limiting the present invention, it is not used in the sense of limiting the technical idea of the present invention.
본 명세서에서 '컴퓨터'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 컴퓨터는 데스크 탑 PC, 노트북(Note Book) 뿐만 아니라 스마트폰(Smart phone), 태블릿 PC, 셀룰러폰(Cellular phone), 피씨에스폰(PCS phone; Personal Communication Service phone), 동기식/비동기식 IMT-2000(International Mobile Telecommunication-2000)의 이동 단말기, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA; Personal Digital Assistant) 등도 해당될 수 있다. 또한, 컴퓨터는 클라이언트로부터 요청을 수신하여 정보처리를 수행하는 서버가 해당될 수 있다.In this specification, 'computer' includes all various devices that can perform computational processing and provide results to the user. For example, computers include not only desktop PCs and laptops (Note Books), but also smart phones, tablet PCs, cellular phones, PCS phones (Personal Communication Service phones), and synchronous/asynchronous computers. This may also include IMT-2000 (International Mobile Telecommunication-2000) mobile terminals, Palm Personal Computers (Palm PCs), and personal digital assistants (PDAs). Additionally, a computer may be a server that receives requests from clients and performs information processing.
본 명세서에서 설명하는 불면증 치료방법은, 앞서 설명한 컴퓨터가 주체가 되어 수행할 수 있다.The insomnia treatment method described in this specification can be performed by the computer described above.
도 1은 본 발명의 대표적인 불면증 치료방법을 설명하기 위한 흐름도이다.1 is a flowchart illustrating a representative insomnia treatment method of the present invention.
우선, 본 발명의 일 실시 예에 따른 컴퓨터가 제공하는 불면증 치료방법은, 컴퓨터가 기 학습된 알고리즘에 수면과 관련된 정보를 입력값으로 입력하고, 객관적 수면효율을 나타내는 제1 수면효율지수 및 주관적 수면효율을 나타내는 제2 수면효율지수를 출력값으로 획득하는 단계가 진행된다(S110).First, in the insomnia treatment method provided by a computer according to an embodiment of the present invention, the computer inputs sleep-related information as input into a previously learned algorithm, and the first sleep efficiency index and subjective sleep efficiency index indicating objective sleep efficiency. The step of obtaining the second sleep efficiency index indicating efficiency as an output value proceeds (S110).
이후, 컴퓨터는, 제1 수면효율지수 및 제2 수면효율지수에 근거하여, 수면과 관련된 치료방법을 제공하는 단계가 진행된다(S120).Afterwards, the computer proceeds with providing a sleep-related treatment method based on the first sleep efficiency index and the second sleep efficiency index (S120).
도 2는 본 발명의 객관적 수면효율과 주관적 수면효율을 설명하기 위한 개념도이다.Figure 2 is a conceptual diagram for explaining the objective and subjective sleep efficiency of the present invention.
우선, 본 발명의 컴퓨터는, 수면과 관련된 정보(또는 수면지표)를 측정 및 수신하고, 이에 근거하여, 수면효율(Sleep Efficiency, SE)을 산출할 수 있다.First, the computer of the present invention can measure and receive sleep-related information (or sleep index) and calculate sleep efficiency (SE) based on this.
여기서, 수면효율은, 객관적 수면효율(Objective SE)와, 주관적 수면효율(Subjective SE)를 포함할 수 있다.Here, sleep efficiency may include objective sleep efficiency (Objective SE) and subjective sleep efficiency (Subjective SE).
컴퓨터는, 수면과 관련된 정보에 근거하여, 객관적 수면효율을 나타내는 제1 수면효율지수(Y1)과, 주관적 수면효율을 나타내는 제2 수면효율지수(Y2)를 산출할 수 있다.The computer can calculate a first sleep efficiency index (Y1) representing objective sleep efficiency and a second sleep efficiency index (Y2) representing subjective sleep efficiency based on information related to sleep.
여기서, 수면과 관련된 정보는, 제1 및 제2 수면효율지수를 산출하는데 이용되는 복수의 수면지표들을 의미할 수 있다.Here, information related to sleep may refer to a plurality of sleep indices used to calculate the first and second sleep efficiency indices.
이 때, 도 2에 도시된 것과 같이, 수면과 관련된 정보는, 이동 단말기 및 웨어러블 기기 중 적어도 하나를 통해 측정된 정보 및 기 작성된 질문에 대한 입력된 정보를 포함할 수 있다.At this time, as shown in FIG. 2, the sleep-related information may include information measured through at least one of a mobile terminal and a wearable device and information entered in response to a previously written question.
도 2를 참조하면, 이동 단말기 및 웨어러블 기기 중 적어도 하나를 통해 측정된 정보는, 수면 시작/종료시간, 총 수면시간, REM/얕은/깊은 수면, 수면 중 각성시간, 코골이 데이터, 산소포화도, 심박수, 호흡수, 활동량, 조도 등 이동 단말기 및 웨어러블 기기에 구비된 센서를 통해 객관적으로 측정된 수면지표를 포함할 수 있다.Referring to FIG. 2, information measured through at least one of a mobile terminal and a wearable device includes sleep start/end time, total sleep time, REM/light/deep sleep, awakening time during sleep, snoring data, oxygen saturation, It can include sleep indicators objectively measured through sensors provided in mobile terminals and wearable devices, such as heart rate, breathing rate, activity level, and light intensity.
또한, 기 작성된 질문에 대한 입력된 정보는, 기 작성된 질문에 대하여 사용자가 입력한 정보를 의미하며, 이는 주관적 수면지표를 의미할 수 있다. 일 예로, 상기 기 작성된 질문에 대한 입력된 정보는, 스트레스 척도, 우울/불안 척도, 임상결과척도 또는 임상설문지표와 같이 수면과 관련된 다양한 질문들에 대한 답변을 포함할 수 있다.In addition, the information entered for the pre-written question refers to information entered by the user for the pre-written question, which may mean a subjective sleep index. As an example, the information entered for the pre-written question may include answers to various questions related to sleep, such as a stress scale, depression/anxiety scale, clinical outcome scale, or clinical questionnaire index.
객관적 수면효율을 나타내는 제1 수면효율지수는, 실질적으로, 잠자리에 누워있던 시간 대비, 실제로 잠을 잔 시간을 백분율로 나타낸 값일 수 있다.The first sleep efficiency index representing objective sleep efficiency may be a value expressed as a percentage of the time actually sleeping compared to the time spent lying in bed.
또한, 주관적 수면효율을 나타내는 제2 수면효율지수는, 실제 사용자가 누워있던 시간 대비 실제로 잠을 잔 시간이 아닌, 사용자가 주관적으로 느끼기에 누워있던 시간 대비 잠을 얼만큼 잤다고 느끼는 것인지를 수치상으로 나타낸 값을 의미할 수 있다.In addition, the second sleep efficiency index, which represents subjective sleep efficiency, is not the actual time the user actually slept compared to the time the user was lying down, but is a numerical representation of how much sleep the user subjectively feels compared to the time the user was lying down. It may mean the indicated value.
본 명세서에서 설명하는 불면증은, 제1 수면효율지수와 제2 수면효율지수가 낮은 경우뿐만 아니라, 제1 수면효율지수와 제2 수면효율지수의 차이(Y3)가 큰 경우(즉, 실제로는 비교적 충분한 수면을 취했지만, 사용자가 느끼기에 충분한 수면을 취하지 못했다고 느껴지는 경우)도 포함할 수 있다. Insomnia described in this specification occurs not only when the first sleep efficiency index and the second sleep efficiency index are low, but also when the difference (Y3) between the first sleep efficiency index and the second sleep efficiency index is large (i.e., in reality, it is relatively It may also include cases where the user feels that he or she did not get enough sleep, even though he or she got enough sleep.
본 발명의 불면증 치료방법은, 제1 수면효율지수(Y1)와 제2 수면효율지수(Y2)를 높이도록 하는 치료방법뿐만 아니라, 제1 수면효율지수(Y1)와 제2 수면효율지수(Y2)의 차이(Y3)가 줄어들도록 하는 치료방법도 제공할 수 있다.The insomnia treatment method of the present invention is not only a treatment method for increasing the first sleep efficiency index (Y1) and the second sleep efficiency index (Y2), but also the first sleep efficiency index (Y1) and the second sleep efficiency index (Y2). It is also possible to provide a treatment method to reduce the difference (Y3).
한편, 본 발명의 불면증 치료방법은, 단순히 웨어러블 기기 또는 사용자에 의해 입력된 정보를 통해 직접적으로 제1 및 제2 수면효율지수를 산출하는 것이 아닌, 머신러닝(Machnie Learning)이 적용된 알고리즘을 통해 상기 제1 및 제2 수면효율지수를 산출할 수 있다.Meanwhile, the insomnia treatment method of the present invention does not simply calculate the first and second sleep efficiency indices directly through wearable devices or information input by the user, but through an algorithm to which machine learning (Machnie Learning) is applied. The first and second sleep efficiency indices can be calculated.
구체적으로, 컴퓨터는, 앞서 설명한 것과 같이, 수면과 관련된 정보를 기 학습된 알고리즘의 입력값으로 입력하고, 제1 및 제2 수면효율지수를 출력값으로 획득할 수 있다.Specifically, as described above, the computer may input sleep-related information as input to a previously learned algorithm and obtain the first and second sleep efficiency indices as output values.
이러한 수면과 관련된 정보는, 웨어러블 기기에서 측정된 다양한 정보(수면 시작/ 종료 시간, 산소 포화도, 심박수 등을 포함하는 객관적 수면지표), 스트레스 척도, 우울/불안 척도 등을 포함하는 주관적 수면관련지표, 생체신호 데이터, 뇌파, 근전도 등을 포함하는 수면다원검사(PSG), 성별, 연령, 질환여부 등을 포함하는 개인별 기본정보를 포함할 수 있으며, 이러한 정보들은 센서/life-log 기반 데이터로 명명될 수 있다.This sleep-related information includes various information measured by wearable devices (objective sleep indicators including sleep start/end time, oxygen saturation, heart rate, etc.), subjective sleep-related indicators including stress scale, depression/anxiety scale, etc. It may include biosignal data, polysomnography (PSG) including brain waves, electromyograms, etc., and basic individual information including gender, age, disease status, etc., and such information will be called sensor/life-log based data. You can.
상기 기 학습된 알고리즘은, 다양한 방식으로 학습될 수 있다.The previously learned algorithm can be learned in various ways.
예를 들어, 본 발명의 불면증 치료방법을 제공하는 장치(컴퓨터)는, 특정 사용자(특정 불면증 환자)로부터 일정 기간동안 데이터를 수집하고, 이를 기반으로 개인별로 알고리즘을 학습시킬 수 있다.For example, a device (computer) that provides the insomnia treatment method of the present invention can collect data from a specific user (a specific insomnia patient) for a certain period of time and learn an algorithm for each individual based on this data.
이는, 환자별로 최적화된 치료방법을 산출하기 위해, 환자별로 머신러닝을 적용한 모델을 학습시키는 개념으로 이해될 수 있다. This can be understood as a concept of learning a model applying machine learning for each patient in order to calculate an optimized treatment method for each patient.
불면증 치료방법을 제공하는 장치는, 환자별로 적용 가능한 모델(알고리즘)을 학습하기 위해, 개별 환자에 대한 데이터가 기 설정된 일수 이상 누적되기 이전까지는 일반적인 가이드(Rule based)로 치료방법을 제공하다가, 환자의 데이터가 상기 기 설정된 일수 이상 누적되면, 누적된 데이터를 통해 알고리즘을 학습하여, 치료방법을 제공하는 것이 가능한 학습된 알고리즘을 생성할 수 있다.In order to learn a model (algorithm) applicable to each patient, a device that provides a treatment method for insomnia provides a treatment method based on a general guide (Rule-based) until data on an individual patient accumulates for more than a preset number of days, and then When the data is accumulated for more than the preset number of days, an algorithm can be learned through the accumulated data to create a learned algorithm capable of providing a treatment method.
다른 예로, 불면증 치료방법을 제공하는 장치(컴퓨터)는, 복수의 사람으로부터 획득된 데이터를 기반으로 일반적으로 적용 가능한 알고리즘(모델)을 학습할 수 있다.As another example, a device (computer) that provides a treatment method for insomnia can learn a generally applicable algorithm (model) based on data obtained from multiple people.
즉, 컴퓨터는, 복수의 사람을 통해 획득된 데이터를 이용하여, 불면증 치료방법을 제공할 수 있는 알고리즘(모델)을 학습하고, 이후, 각 사람별로 적용되는 데이터를 통해, 사람별로 최적화된 알고리즘(모델)이 적용되도록 상기 알고리즘(모델)을 튜닝할 수도 있다.In other words, the computer learns an algorithm (model) that can provide a treatment method for insomnia using data acquired through multiple people, and then uses the data applied to each person to optimize the algorithm (model) for each person. The algorithm (model) may be tuned so that the model is applied.
복수의 사람을 통해 획득된 데이터를 기반으로 학습된 일반적인 모델(일반적인 알고리즘)을 각 개인별로 최적화되도록 튜닝시키기 위해, 컴퓨터는, 복수의 사람(전체 환자) 데이터를 기반으로 학습된 모델(알고리즘)을 특정 환자에(개인별로) 특화시키는 튜닝 프로세스를 진행할 수 있다.In order to tune the general model (general algorithm) learned based on data acquired from multiple people to be optimized for each individual, the computer uses the model (algorithm) learned based on data from multiple people (all patients). A tuning process tailored to a specific patient (per individual) can be performed.
컴퓨터는, 이러한 튜닝 프로세스를 진행하기 위해, 복수의 사람의 데이터를 기반으로 학습(트레이닝)된 알고리즘에, 개인별로 기 설정된 일수만큼 획득된 데이터를 추가로 학습하여, 개인별로 튜닝된 알고리즘(추가 학습된 알고리즘)을 생성할 수 있다.In order to proceed with this tuning process, the computer additionally learns the data acquired for a preset number of days for each individual to the algorithm learned (trained) based on the data of multiple people, and performs an algorithm tuned for each individual (additional learning). algorithm) can be created.
이 때, 기 학습된 알고리즘은, 시계열 모니터링을 수행하는 LSTM(Long Short-Term Memory) 알고리즘과, 과적합(Overfitting)을 방지하는 것이 가능한 랜덤 포레스트(Random Forest) 알고리즘이 융합된 알고리즘일 수 있다.At this time, the previously learned algorithm may be an algorithm that combines the Long Short-Term Memory (LSTM) algorithm that performs time series monitoring and the Random Forest algorithm that can prevent overfitting.
도 3은 객관적 수면효율을 나타내는 제1 수면효율지수와, 주관적 수면효율을 나타내는 제2 수면효율지수를 산출하기 위한 기 학습된 알고리즘을 설명하기 위한 개념도이다.Figure 3 is a conceptual diagram for explaining a previously learned algorithm for calculating a first sleep efficiency index representing objective sleep efficiency and a second sleep efficiency index representing subjective sleep efficiency.
우선, LSTM 알고리즘은, RNN(Recurrent Neural Network)의 한 종류로서, 시간 패턴 및 시계열 분석 학습에 탁월한 알고리즘이다.First of all, the LSTM algorithm is a type of RNN (Recurrent Neural Network) and is an excellent algorithm for learning temporal patterns and time series analysis.
뉴런이 한 방향으로 만 연결되는 DFNN(Deep Feedforward Neural Networks)과 달리 RNN에는 이전 상태 값을 다음 상태 값으로 연결하는 숨겨진 상태가 있습니다. 시간적 피드백이있는 RNN은 입력에서 출력으로의 동적 (시간에 따라) 매핑을 학습하는 데 유용하다.Unlike Deep Feedforward Neural Networks (DFNNs), where neurons are connected in only one direction, RNNs have hidden states that connect previous state values to the next state value. RNNs with temporal feedback are useful for learning dynamic (time-dependent) mappings from inputs to outputs.
LSTM은 소실 문제를 극복하고 메모리 셀과 게이트를 통해 장기 의존성을 효과적으로 학습 할 수 있기 때문에 기본 RNN보다 시계열 데이터를 분석하는 데 더 효과적이다.LSTM is more effective in analyzing time series data than basic RNN because it can overcome the vanishing problem and effectively learn long-term dependencies through memory cells and gates.
또한, LSTM에는 정보 흐름을 조절하는 게이팅 메커니즘이 포함된다. 이에 따라, 보관될 들어오는 정보의 양은 각 시간 단계에서 체계적으로 결정되며, 이로 인해, LSTM은 더 긴 시간 동안 시간 패턴을 기억할 수 있다.Additionally, LSTM includes a gating mechanism to regulate information flow. Accordingly, the amount of incoming information to be stored is systematically determined at each time step, which allows the LSTM to remember temporal patterns for a longer period of time.
랜덤 포레스트(Random Forest) 알고리즘은, 각 의사 결정 트리가 독립적으로 샘플링 된 랜덤 벡터 값에 의존하고 포레스트의 모든 트리에 대해 동일한 분포를 갖는 의사 결정 트리 분류기의 조합을 의미한다.The Random Forest algorithm refers to a combination of decision tree classifiers where each decision tree relies on independently sampled random vector values and has the same distribution for all trees in the forest.
이를 통해, 랜덤 포레스트 알고리즘은, 과적합없이 수천 개의 변수를 사용할 수 있다. 이 알고리즘은 의사 결정 트리의 제한된 견고성과 성능을 개선하기 위해 트리 앙상블을 생성한다.Through this, the random forest algorithm can use thousands of variables without overfitting. This algorithm generates tree ensembles to improve the limited robustness and performance of decision trees.
랜덤 포레스트 알고리즘은 회귀 및 분류 문제에서 효율성과 낮은 오류율로 인해 널리 사용된다.Random forest algorithms are widely used in regression and classification problems due to their efficiency and low error rate.
랜덤 포레스트 알고리즘의 서브 샘플링 데이터 및 변수는 트리 바이어스의 분산과 상관 관계를 줄인다.Subsampling data and variables in the random forest algorithm reduces the variance and correlation of tree bias.
또한, 랜덤 포레스트 알고리즘의 각 의사 결정 트리는 상당한 학습이 있더라도 다양한 변수 및 데이터 조합으로 학습되기 때문에 과적합(Overfitting)에 강하다.Additionally, each decision tree in the random forest algorithm is resistant to overfitting because it is learned with various variable and data combinations, even if there is considerable learning.
과적합(Overfitting)이란, 머신러닝에서 학습 데이터를 과하게 학습하는 것을 의미한다. Overfitting means overtraining training data in machine learning.
본 발명의 기 학습된 알고리즘은, 이러한 LSTM 알고리즘과, 랜덤 포레스트 알고리즘의 장점들을 취합하여, 고차원 시계열적인 수면지표를 과적합 없이 학습하여 수면효율지수를 출력하도록 형성될 수 있다.The pre-learned algorithm of the present invention can be formed to combine the advantages of the LSTM algorithm and the random forest algorithm to learn a high-dimensional time series sleep index without overfitting and output a sleep efficiency index.
이와 같이, 본 발명에서 제시하는 기 학습된 알고리즘은, LSTM-Forest 알고리즘 또는 LSTM-Random forest 알고리즘으로 명명될 수 있다.As such, the previously learned algorithm presented in the present invention may be named the LSTM-Forest algorithm or the LSTM-Random forest algorithm.
구체적으로, 상기 기 학습된 알고리즘은, 의사 결정 트리를 사용하는 랜덤 포레스트 알고리즘에서, 상기 의사 결정 트리 대신, LSTM 알고리즘을 사용하도록 형성될 수 있다.Specifically, the previously learned algorithm may be formed to use the LSTM algorithm instead of the decision tree in a random forest algorithm that uses a decision tree.
즉, 본 발명은 랜덤 포레스트 알고리즘에서 의사 결정 트리 대신 LSTM을 사용하는 수면효율지수 예측 프레임 워크인 LSTM-Forest 알고리즘(또는 모델)을 제공할 수 있다. In other words, the present invention can provide the LSTM-Forest algorithm (or model), which is a sleep efficiency index prediction framework that uses LSTM instead of decision tree in the random forest algorithm.
LSTM-Forest모델은 무작위 데이터 샘플링과 변수의 무작위 선택을 통해 여러 LSTM 모델을 생성할 수 있다.The LSTM-Forest model can create multiple LSTM models through random data sampling and random selection of variables.
LSTM-Forest 모델은 훈련된 모든 LSTM이 포함된 앙상블 모델이며 이 프레임 워크의 각 약한 LSTM 모델은 적은 수의 변수를 사용한다. 그러나, 모든 변수(수면과 관련된 정보)는 LSTM-Forest 모델에서 사용된다. The LSTM-Forest model is an ensemble model containing all trained LSTMs, and each weak LSTM model in this framework uses a small number of variables. However, all variables (information related to sleep) are used in the LSTM-Forest model.
또한 LSTM-Forest 모델은 특정 변수 및 데이터에 대한 편향으로 학습되지 않으므로 LSTM-Forest 모델은 과적합을 방지할 수 있다.Additionally, since the LSTM-Forest model is not trained with bias toward specific variables and data, the LSTM-Forest model can prevent overfitting.
즉, 컴퓨터는, 기 학습된 알고리즘(LSTM-Forest 모델)에 복수의 수면지표들을 포함하는 수면과 관련된 정보를 입력값으로 입력하고, 객관적 수면효율을 나타내는 제1 수면효율지수(Y1)와, 주관적 수면효율을 나타내는 제2 수면효율지수(Y2)를 출력값으로 출력할 수 있다.That is, the computer inputs sleep-related information including a plurality of sleep indices into a previously learned algorithm (LSTM-Forest model) as input, and calculates the first sleep efficiency index (Y1), which represents objective sleep efficiency, and the subjective sleep efficiency index (Y1). The second sleep efficiency index (Y2), which represents sleep efficiency, can be output as an output value.
한편, 본 발명의 기 학습된 알고리즘은, 앞서 설명한 것과 같이, 복수의 출력값을 출력하도록 형성된 멀티 태스킹(Multi-Tasking 또는 Multi-tasking learning)을 수행할 수 있다.Meanwhile, the previously learned algorithm of the present invention can perform multi-tasking (multi-tasking or multi-tasking learning) designed to output a plurality of output values, as described above.
도 4는 본 발명의 기 학습된 알고리즘에 적용된 멀티 태스킹을 설명하기 위한 개념도이다.Figure 4 is a conceptual diagram for explaining multitasking applied to the previously learned algorithm of the present invention.
멀티 태스킹은, 작업 간 공통성과 차이점을 활용하여 여러 학습 작업을 동시에 해결하는 것을 의미한다.Multitasking means solving multiple learning tasks simultaneously by taking advantage of commonalities and differences between tasks.
도 4의 (a)는, 싱글 태스킹을 수행하는 LSTM 모델을 나타낸 것이고, 도 4의 (b)는 멀티 태스킹을 수행하는 LSTM을 모델을 나타낸 것이다.Figure 4(a) shows an LSTM model performing single-tasking, and Figure 4(b) shows an LSTM model performing multi-tasking.
도 4의 (b)를 참조하면, 도 4의 LSTM 모델은, 객관적 수면효율을 나타내는 제1 수면효율지수(Objective SE)와, 주관적 수면효율을 나타내는 제2 수면효율지수(Subjective SE)를 동시에 산출하도록 공유 계층과, 작업별 계층이 형성될 수 있다.Referring to (b) of FIG. 4, the LSTM model of FIG. 4 simultaneously calculates a first sleep efficiency index (Objective SE) representing objective sleep efficiency and a second sleep efficiency index (Subjective SE) representing subjective sleep efficiency. A shared layer and a task-specific layer may be formed to do so.
도 4의 (b)에 도시된 것과 같이, 멀티 태스킹을 수행하기 위한 본 발명의 LSTM-Forset 모델(알고리즘)은, 상기 공유 계층은, LSTM 레이어와 FC(Full Connected) 레이어로 형성되고, 제1 및 제2 수면효율지수를 출력하는 작업별 계층은, FC 레이어로 형성될 수 있다.As shown in (b) of FIG. 4, in the LSTM-Forset model (algorithm) of the present invention for performing multitasking, the shared layer is formed of an LSTM layer and a FC (Full Connected) layer, and the first And the task-specific layer that outputs the second sleep efficiency index may be formed as an FC layer.
본 발명의 불면증 치료방법을 제공하는 컴퓨터는, 기 학습된 알고리즘에 적용된 멀티 태스킹을 통해 제1 수면효율지수 및 제2 수면효율지수를 출력할 수 있다. 또한, 컴퓨터는, 제1 수면효율지수와 제2 수면효율지수의 차이에 해당하는 제3 수면효율지수(Y3)도 산출할 수 있다.The computer providing the insomnia treatment method of the present invention can output the first sleep efficiency index and the second sleep efficiency index through multitasking applied to a previously learned algorithm. Additionally, the computer can also calculate a third sleep efficiency index (Y3) corresponding to the difference between the first sleep efficiency index and the second sleep efficiency index.
이와 같이, 본 발명의 기 학습된 알고리즘은, 하나의 알고리즘을 통해 복수의 출력값을 출력할 수 있어, 복수의 알고리즘(학습모델)을 구비하지 않아도 되어, 데이터 처리의 과부화를 방지할 수 있다.In this way, the pre-learned algorithm of the present invention can output a plurality of output values through one algorithm, so there is no need to provide a plurality of algorithms (learning models), thereby preventing overload of data processing.
도 5는 본 발명에서 제1 및 제2 수면효율지수에 영향을 주는 수면지표를 설명하기 위한 개념도이다.Figure 5 is a conceptual diagram for explaining sleep indices that affect the first and second sleep efficiency indices in the present invention.
한편, 본 발명의 컴퓨터는, 도 5에 도시된 것과 같이, 수면과 관련된 정보에 포함된 복수의 수면지표들 중 제1 수면효율지수(Y1)와 관련된 제1 수면지표(Close, TR, High, Volume 등) 및 제2 수면효율지수와 관련된 제2 수면지표(Volume, SD20, Close, SRSI10 등)를 각각 소정개수만큼 추출할 수 있다.Meanwhile, as shown in FIG. 5, the computer of the present invention uses the first sleep index (Close, TR, High, Volume, etc.) and a predetermined number of second sleep indices (Volume, SD20, Close, SRSI10, etc.) related to the second sleep efficiency index can be extracted.
추출된 제1 수면지표 및 제2 수면지표는, 제1 수면효율지수와 제2 수면효율지수에 각각 영향을 많이 주는 상위 소정 개수의 수면지표들을 의미할 수 있다.The extracted first sleep index and second sleep index may refer to a predetermined number of upper sleep indices that have a significant influence on the first sleep efficiency index and the second sleep efficiency index, respectively.
즉, 본 발명에서 제공하는 기 학습된 알고리즘은, 제1 수면효율지수 및 제2 수면효율지수를 출력할 때, 각 수면효율지수의 산출에 영향을 준 입력값(즉, 수면과 관련된 정보에 포함된 복수의 수면지표들)들의 가중치를 산출할 수 있다. 이후, 컴퓨터는, 상기 가중치에 근거하여, 제1 및 제2 수면효율지수에 각각 영향을 많이 주는 상위 소정 개수의 수면지표들을 산출할 수 있다.In other words, the previously learned algorithm provided by the present invention, when outputting the first sleep efficiency index and the second sleep efficiency index, input values that influenced the calculation of each sleep efficiency index (i.e., included in sleep-related information) The weights of multiple sleep indicators) can be calculated. Thereafter, the computer may calculate a predetermined number of upper sleep indices that have a greater influence on the first and second sleep efficiency indices, respectively, based on the weights.
또한, 컴퓨터는, 제1 및 제2 수면효율지수의 차이에 해당하는 제3 수면효율지수(Y3)에 영향을 많이 끼치는 상위 소정 개수의 제3 수면지표들도 산출할 수 있다.In addition, the computer can also calculate a predetermined number of upper third sleep indices that have a significant influence on the third sleep efficiency index (Y3) corresponding to the difference between the first and second sleep efficiency indices.
이후, 컴퓨터는, 상기 제1 수면지표 및 제2 수면지표 중 적어도 하나와 관련된 치료방법을 제공할 수 있다.Thereafter, the computer may provide a treatment method related to at least one of the first sleep index and the second sleep index.
예를 들어, 상기 제1 수면효율지수에 영향을 가장 많이 준 제1 수면지표가 수면 전 커피를 마시는 것인 경우, 수면 시작 전 1시간 전부터는 커피를 마시지 않도록 하는 치료방법을 제공(제시)할 수 있다.For example, if the first sleep index that most influenced the first sleep efficiency index is drinking coffee before sleep, a treatment method that prevents drinking coffee 1 hour before sleep may be provided. You can.
다른 예로, 심리적인 측면에서도 제2 수면효율지수에 영향을 가장 많이 준 제2 수면지표가 지속적인 스마트폰 사용으로 나타난 경우, 스마트폰 사용시간을 줄이고 취침 전 한시간 전에 운동을 하라는 치료방법을 제공(제시)할 수 있다.As another example, if the secondary sleep index that most influenced the secondary sleep efficiency index from a psychological perspective was continuous smartphone use, a treatment method of reducing smartphone usage time and exercising one hour before bedtime was provided (suggested). )can do.
컴퓨터는, 제1 수면지표 및 제2 수면지표 중 적어도 하나에 근거하여, 제1 및 제2 수면효율지수 중 적어도 하나를 상승시킬 수 있도록 치료/중재하는 치료방법을 제공할 수 있다.The computer may provide a treatment/intervention method to increase at least one of the first and second sleep efficiency indices based on at least one of the first sleep index and the second sleep index.
상기 제1 및 제2 수면효율지수 중 적어도 하나를 상승시킬 수 있도록 치료/중재하는 치료방법은, 일 예로, 인지교정, 자극조절법, 수면제한요법, 건강한 수면습관 교육, 일주기리듬조절기법 및 스트레스 관리요법을 포함할 수 있다.Treatment/intervention methods to increase at least one of the first and second sleep efficiency indices include, for example, cognitive correction, stimulation control, sleep restriction therapy, healthy sleep habit education, circadian rhythm control technique, and stress. May include management therapy.
인지교정은 수면에 대한 인지적 오류를 탐색하고 교정하는 것을 의미한다. 본 발명은, 인지교정을 통해, 수면과 불면증에 대해 환자에게 전반적으로 이해시키고 스스로 개선할 수 있는 토대를 만들어 줄 수 있으며, 불면증 환자에게 잠에 대한 잘못된 생각과 습관을 인식시키고 숙면을 취하기 위한 개선 내용을 실천하도록 하여 '스스로 잠드는 힘'을 되찾는데 도움을 줄 수 있다.Cognitive correction means exploring and correcting cognitive errors about sleep. The present invention, through cognitive correction, can provide patients with a general understanding of sleep and insomnia and create a foundation for self-improvement, and can make insomnia patients aware of their incorrect thoughts and habits about sleep and improve their sleep. Putting the content into practice can help you regain the ‘power to fall asleep on your own.’
자극 조절법은, 외부 자극과 수면 간 조건화 교정을 수행하는 것을 의미한다.Stimulus control refers to performing conditioning correction between external stimuli and sleep.
본 발명은, 자극 조절법을 통해, 잠자리, 취침시간, 침실 등 수면을 조절하는 자극조건들과 수면 간의 관계를 조정하고, 침대에서 독서, TV시청, 간식 섭취 등을 금지하거나 잠들기 4-6시간 전 커피, 녹차 등 카페인이 포함된 음료를 마시지 않는 등의 교정을 제안할 수 있다.The present invention adjusts the relationship between sleep and stimulus conditions that control sleep, such as bedtime, bedtime, and bedroom, through a stimulus control method, and prohibits reading, watching TV, and eating snacks in bed or restricts sleep 4-6 hours before going to bed. Corrections such as not drinking beverages containing caffeine such as coffee or green tea may be suggested.
수면제한요법은, 수면 효율이 최적화되는 알고리즘을 의미하며, 기상 시간을 제한할 수 있다.Sleep restriction therapy refers to an algorithm that optimizes sleep efficiency and can limit wake-up time.
본 발명은, 수면제한요법을 통해, 불면증 환자가 불면을 보충하기 위해 침대에 오래 머무르는 행동으로 인한 불면에의 악영향을 막고, 낮잠과 침대 외에서의 수면, 그리고 침대에 있는 시간 등을 제한함으로써 환자가 취하고 있던 수면들을 통합하고 결과적으로 수면의 효율을 향상시킬 수 있다.The present invention, through sleep restriction therapy, prevents the adverse effects on insomnia caused by the behavior of insomnia patients staying in bed for a long time to make up for insomnia, and limits naps, sleep outside the bed, and time in bed, thereby helping patients You can consolidate the sleep you have been getting and improve your sleep efficiency as a result.
건강한 수면습관 교육은, 대화형 행동 교율을 통해 수행될 수 있다.Healthy sleep habits education can be carried out through interactive behavioral training.
일주기리듬조절 기법은, 수면 주기 최적화를 위한 환경 조도를 제안하는 것을 의미할 수 있다.The circadian rhythm regulation technique may mean suggesting environmental illumination for optimizing the sleep cycle.
본 발명은, 일주기리듬조절 기법을 통해, 생체가 갖고 있는 24시간 주기의 일주기 리듬(circadian rhythm)을 정상화하기 위해, 하루 중 일정한 시간에 인공적인 빛을 쪼이게 하는 광치료나 일정한 시간에 식사를 하고, 운동을 하고, 일을 하는 등의 방법을 제시하여, 일주기리듬을 정상화할 수 있다.The present invention uses circadian rhythm regulation techniques to normalize the body's 24-hour circadian rhythm, such as phototherapy that exposes artificial light at a certain time of the day or eating at a certain time. You can normalize your circadian rhythm by suggesting methods such as exercising, exercising, and working.
스트레스 관리요법은, 불안과 과몰입을 경감시키는 요법을 의미한다.Stress management therapy refers to therapy that reduces anxiety and overindulgence.
컴퓨터는, 산출된 제1 및/또는 제2 수면지표에 근거하여, 앞서 설명한 다양한 치료방법 중 적어도 하나를 제공할 수 있다.The computer may provide at least one of the various treatment methods described above based on the calculated first and/or second sleep index.
예를 들어, 컴퓨터는, 제1 및 제2 수면지표 중 적어도 하나에 근거하여 결정된 치료방법이 인지교정인 경우, 인지요법 중 개인의 인지왜곡 유형에 맞는 대안적 사고 슬로건을 제공할 수 있다.For example, when the treatment method determined based on at least one of the first and second sleep indicators is cognitive correction, the computer may provide an alternative thinking slogan suitable for the individual's cognitive distortion type during cognitive therapy.
일 예로, 컴퓨터는 '오늘 잠이 내일 미치는 영향은 10%도 되지 않아!', '나는 잠을 못 자서가 아니라 잠을 잘자야 한다는 강박에 괴로운 거야.' 등의 슬로건을 제공할 수 있으며, 전체 치료요소 중 인지왜곡의 기여도에 따라 제시하는 빈도를 결정할 수 있다.For example, the computer says, ‘Today’s sleep has less than 10% of the impact on tomorrow!’, ‘It’s not that I can’t sleep, it’s that I’m suffering from the compulsion to sleep well.’ Slogans such as etc. can be provided, and the frequency of presentation can be determined according to the contribution of cognitive distortion among all treatment elements.
다른 예로, 컴퓨터는, 제1 및 제2 수면지표 중 적어도 하나에 근거하여 결정된 치료방법이 자극조절법인 경우, 'OO님의 불면증의 원인 중에 자기 전에 미리 눕는 습관이 XX%로 가장 큰 원인입니다. 치료 이후에도 이 습관을 반드시 고쳐 주세요.'와 같은 멘트를 제공할 수 있다.As another example, if the treatment method determined based on at least one of the first and second sleep indicators is stimulation control, the computer says, 'Among the causes of Mr. OO's insomnia, the habit of lying down before going to bed is the biggest cause (XX%). You can provide comments such as ‘Please be sure to change this habit even after treatment.’
다른 예로, 컴퓨터는, 제1 및 제2 수면지표 중 적어도 하나에 근거하여 결정된 치료방법이 수면제한요법인 경우, 'OO님의 불면증 원인 중 첫번째는 너무 많이 자려고 하는 점이에요. 늦게 잠들어도 정해진 시간에 일어날 수 있으려면 어떤 노력을 해야 할지 선택해 주세요.' 또는 '낮잠을 자는 것이 님의 수면의 질에 안 좋은 주요영향 요소입니다. 낮잠을 자지 않도록 노력하세요'와 같은 멘트를 제공할 수 있다.As another example, if the treatment method determined based on at least one of the first and second sleep indicators is sleep restriction therapy, the computer says, 'The first cause of Mr. OO's insomnia is that he tries to sleep too much. 'Please choose what effort you need to make to be able to wake up at a certain time even if you go to bed late.' Or, ‘Napping is a major negative factor in your sleep quality. You can provide comments such as ‘Try not to nap’.
다른 예로, 컴퓨터는, 제1 및 제2 수면지표 중 적어도 하나에 근거하여 결정된 치료방법이 건강한 수면습관 교육인 경우, 'OO님의 불면증 원인 중 첫번째는 음주에요. OO님은 음주를 한 날과 안 한 날이 OO와 같이 수면 점수의 차이가 크게 납니다. 앞으로 음주량을 조절하는 아래 계획 중 선택해 주세요.'와 같은 멘트를 제공할 수 있다.As another example, if the treatment method decided based on at least one of the first and second sleep indicators is education on healthy sleep habits, the computer says, 'The first cause of Mr. OO's insomnia is drinking. OO, there is a big difference in sleep score between days when he drinks and days when he does not drink. You can provide a message such as 'Please choose from the plans below to control your drinking in the future.'
다른 예로, 컴퓨터는, 제1 및 제2 수면지표 중 적어도 하나에 근거하여 결정된 치료방법이 일주기리듬조절 기법인 경우, 'OO님의 생체리듬이 2시간 20분 뒤로 밀려 있습니다. 기상 직후 야외에서 빛을 보면 생체리듬 회복에 도움이 됩니다. 낮에는 활동적인 운동을 해보세요’와 같은 정보를 제공할 수 있다.As another example, if the treatment method determined based on at least one of the first and second sleep indicators is a circadian rhythm regulation technique, the computer displays 'OO's biological rhythm is set back by 2 hours and 20 minutes. Seeing light outdoors immediately after waking up helps restore your circadian rhythm. Information such as ‘Try to do active exercise during the day’ can be provided.
다른 예로, 컴퓨터는, 제1 및 제2 수면지표 중 적어도 하나에 근거하여 결정된 치료방법이 스트레스 관리요법인 경우, 'OO님의 불면증 원인 중 첫번째는 불안이에요. 불안지수에 따라 수면 점수가 OO와 같이 큰 차이가 났어요. 불안을 조절하기 위해 다음과 같은 방법들을 지켜보세요.' 와 같은 멘트를 제공할 수 있다.As another example, if the treatment method determined based on at least one of the first and second sleep indicators is stress management therapy, the computer says, 'The first cause of Mr. OO's insomnia is anxiety. There was a big difference in sleep scores, such as OO, depending on the anxiety index. Try the following strategies to control your anxiety.' A comment like this can be provided.
또한, 컴퓨터는 제3 수면지표에 기반한 불면증 치료방법도 제시할 수 있다.Additionally, the computer can also suggest insomnia treatment methods based on third sleep indicators.
한편, 본 발명의 컴퓨터는, 제공된 치료방법을 적용한 이후의 새로운 수면과 관련된 정보를 수집할 수 있다.Meanwhile, the computer of the present invention can collect information related to new sleep after applying the provided treatment method.
예를 들어, 컴퓨터는, 치료방법을 사용자가 수행한 후 취침을 수행한 다음날, 이동 단말기 및 웨어러블 기기 중 적어도 하나를 이용하여 측정된 정보와, 사용자에 의해 입력된 정보를 새롭게 수집할 수 있다.For example, the computer may newly collect information measured using at least one of a mobile terminal and a wearable device and information input by the user the day after the user goes to bed after performing the treatment method.
이후, 컴퓨터는, 전날과는 다르게, 새로운 수면과 관련된 정보 및 상기 제공된 치료방법을 기 학습된 알고리즘의 입력값으로 입력하여, 새로운 제1 수면효율지수 및 새로운 제2 수면효율지수를 출력값으로 획득할 수 있다.Thereafter, unlike the previous day, the computer inputs new sleep-related information and the provided treatment method as input values of the previously learned algorithm to obtain a new first sleep efficiency index and a new second sleep efficiency index as output values. You can.
이후, 컴퓨터는 전날에 비교하여 제1 수면효율지수 또는, 제2 수면효율지수가 올랐는지 여부, 제1 및 제2 수면효율지수들의 차이가 줄었는지 여부에 따라, 전날 수면지표를 통해 제시된 불면증 치료방법을 유지할 지, 새로운 불면증 치료방법을 제공할지 여부를 결정할 수 있다.Afterwards, the computer treats insomnia suggested through the sleep index of the previous day according to whether the first sleep efficiency index or the second sleep efficiency index has increased or whether the difference between the first and second sleep efficiency index has decreased compared to the previous day. You can decide whether to maintain the method or provide a new insomnia treatment method.
상기 본 발명에 의하면, 고가의 장비를 이용하지 않더라도 수면효율을 보다 정확하게 측정할 수 있다.According to the present invention, sleep efficiency can be measured more accurately even without using expensive equipment.
또한, 본 발명에 의하면, 고차원의 수면 관련 변수를 시계열적이며 과적합 없는 모델에 입력하여, 객관적 수면효율과 주관적 수면효율을 동시에 산출할 수 있어, 수면효율 측정에 대한 정확성과 신속성을 동시에 획득할 수 있다.In addition, according to the present invention, objective sleep efficiency and subjective sleep efficiency can be calculated simultaneously by inputting high-dimensional sleep-related variables into a time-series, non-overfitting model, thereby simultaneously obtaining accuracy and speed in measuring sleep efficiency. You can.
또한, 본 발명에 의하면, 객관적 수면효율과 주관적 수면효율에 영향을 많이 주는 수면지표를 추출하고, 이와 관련된 치료방법을 제공하여, 불면증에 보다 직접적이면서 효과적인 치료방법을 제공할 수 있다.In addition, according to the present invention, it is possible to extract sleep indicators that have a significant impact on objective and subjective sleep efficiency and provide treatment methods related to them, thereby providing a more direct and effective treatment method for insomnia.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.
이상에서 상술한 본 발명의 일 실시예에 따른 방법인, 환자의 상태를 기반으로 하는 훈련 제공 방법은 하드웨어인 컴퓨터가 결합되어 실행되기 위해 환자의 상태를 기반으로 하는 훈련 제공 컴퓨터 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.The method of providing training based on the patient's condition, which is a method according to an embodiment of the present invention described above, is a computer program (or application) that provides training based on the patient's condition to be executed by combining a hardware computer. It can be implemented and stored in a medium.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.The steps of the method or algorithm described in connection with embodiments of the present invention may be implemented directly in hardware, implemented as a software module executed by hardware, or a combination thereof. The software module may be RAM (Random Access Memory), ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), Flash Memory, hard disk, removable disk, CD-ROM, or It may reside on any type of computer-readable recording medium well known in the art to which the present invention pertains.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.Above, embodiments of the present invention have been described with reference to the attached drawings, but those skilled in the art will understand that the present invention can be implemented in other specific forms without changing its technical idea or essential features. You will be able to understand it. Therefore, the embodiments described above should be understood in all respects as illustrative and not restrictive.
Claims (10)
상기 장치는,
기 학습된 알고리즘에 수면과 관련된 정보를 입력값으로 입력하고, 상기 기 학습된 알고리즘에 적용된 멀티 태스킹을 통해 객관적 수면효율을 나타내는 제1 수면효율지수, 주관적 수면효율을 나타내는 제2 수면효율지수 및 상기 제1 수면효율지수와 상기 제2 수면효율지수의 차이에 해당하는 제3 수면효율지수를 출력값으로 획득하고,
상기 제1 수면효율지수, 상기 제2 수면효율지수 및 상기 제3 수면효율지수 중 적어도 하나에 근거하여 수면과 관련된 치료방법을 제공하고,
상기 치료방법을 적용한 이후의 새로운 수면과 관련된 정보를 수집하고,
상기 새로운 수면과 관련된 정보 및 상기 제공된 치료방법을 상기 기 학습된 알고리즘의 입력값으로 입력하여, 새로운 제3 수면효율지수를 출력값으로 획득하고,
상기 새로운 제3 수면효율지수의 출력값 감소와 관련된 입력값인 수면과 관련된 정보에 포함된 복수의 수면지표들의 수치와 세부조건을 사용자 맞춤으로 설정하여 새로운 치료방법을 제공하는 것을 특징으로 하는, 장치.In a device that provides an insomnia treatment service based on a learning algorithm,
The device is,
Information related to sleep is entered as an input value into the previously learned algorithm, and through multi-tasking applied to the previously learned algorithm, a first sleep efficiency index indicating objective sleep efficiency, a second sleep efficiency index indicating subjective sleep efficiency, and the above Obtaining a third sleep efficiency index corresponding to the difference between the first sleep efficiency index and the second sleep efficiency index as an output value,
Providing a sleep-related treatment method based on at least one of the first sleep efficiency index, the second sleep efficiency index, and the third sleep efficiency index,
Collect new sleep-related information after applying the above treatment method,
Inputting the new sleep-related information and the provided treatment method as input values of the previously learned algorithm to obtain a new third sleep efficiency index as an output value,
A device characterized in that it provides a new treatment method by customizing the values and detailed conditions of a plurality of sleep indicators included in sleep-related information, which is an input value related to a decrease in the output value of the new third sleep efficiency index.
상기 수면과 관련된 정보는,
이동 단말기 및 웨어러블 기기 중 적어도 하나를 통해 측정된 정보 및 기 작성된 질문에 대한 입력된 정보를 포함하는, 장치.According to paragraph 1,
The information related to sleep is,
A device comprising information measured through at least one of a mobile terminal and a wearable device and information entered in response to a pre-written question.
상기 측정된 정보는, 수면 시작/종료시간, 총 수면시간, 수면 깊이, 수면 중 각성시간, 코골이 데이터, 산소포화도, 심박수, 호흡수, 활동량, 조도를 포함하고,
상기 입력된 정보는, 스트레스 척도, 우울/불안 척도, 임상결과척도를 포함하는 수면과 관련된 질문에 대한 답변을 포함하는, 장치.According to paragraph 2,
The measured information includes sleep start/end time, total sleep time, sleep depth, awakening time during sleep, snoring data, oxygen saturation, heart rate, respiratory rate, activity level, and light intensity,
The input information includes answers to questions related to sleep, including stress scales, depression/anxiety scales, and clinical outcome scales.
상기 기 학습된 알고리즘은,
시계열 모델링을 수행하는 LSTM 알고리즘과 과적합을 방지하는 것이 가능한 랜덤 포레스트 알고리즘이 융합된 알고리즘인, 장치.According to paragraph 1,
The previously learned algorithm is,
A device that is an algorithm that combines the LSTM algorithm, which performs time series modeling, and the random forest algorithm, which can prevent overfitting.
상기 기 학습된 알고리즘은,
의사 결정 트리를 사용하는 상기 랜덤 포레스트 알고리즘에서, 상기 의사 결정 트리 대신 상기 LSTM 알고리즘을 사용하도록 형성되는 것인, 장치.According to clause 4,
The previously learned algorithm is,
wherein in the random forest algorithm using a decision tree, the device is configured to use the LSTM algorithm instead of the decision tree.
상기 LSTM 알고리즘은, 상기 제1 수면효율지수 및 상기 제2 수면효율지수를 동시에 산출하도록 공유 계층 및 작업별 계층이 형성되는 것인, 장치.According to clause 5,
In the LSTM algorithm, a shared layer and a task-specific layer are formed to simultaneously calculate the first sleep efficiency index and the second sleep efficiency index.
상기 복수의 수면지표들 중 상기 제1 수면효율지수와 관련된 제1 수면지표 및 상기 제2 수면효율지수와 관련된 제2 수면지표는 각각 소정 개수만큼 추출되는, 장치.According to paragraph 1,
Among the plurality of sleep indicators, a predetermined number of first sleep indicators related to the first sleep efficiency index and second sleep indicators related to the second sleep efficiency index are each extracted, the device.
상기 추출된 제1 수면지표 및 상기 제2 수면지표는, 상기 제1 수면효율지수와 상기 제2 수면효율지수에 각각 영향을 많이 주는 상위 소정 개수의 수면지표들인, 장치.In clause 7,
The extracted first sleep index and the second sleep index are upper predetermined sleep indices that have a significant influence on the first sleep efficiency index and the second sleep efficiency index, respectively.
상기 치료방법은, 상기 제1 수면지표 및 상기 제2 수면지표를 중 적어도 하나와 관련된 것인, 불면증 치료를 위한 컴퓨터 장치.According to clause 8,
The treatment method is a computer device for treating insomnia, which is related to at least one of the first sleep index and the second sleep index.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220172943A KR102611534B1 (en) | 2020-09-11 | 2022-12-12 | Appartus for providing treatment service for insomnia based on learning algorithm |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200117170A KR102478102B1 (en) | 2020-09-11 | 2020-09-11 | Method of treatment for insomnia |
| KR1020220172943A KR102611534B1 (en) | 2020-09-11 | 2022-12-12 | Appartus for providing treatment service for insomnia based on learning algorithm |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200117170A Division KR102478102B1 (en) | 2020-09-11 | 2020-09-11 | Method of treatment for insomnia |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230004366A KR20230004366A (en) | 2023-01-06 |
| KR102611534B1 true KR102611534B1 (en) | 2023-12-07 |
Family
ID=80936622
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200117170A KR102478102B1 (en) | 2020-09-11 | 2020-09-11 | Method of treatment for insomnia |
| KR1020220172943A KR102611534B1 (en) | 2020-09-11 | 2022-12-12 | Appartus for providing treatment service for insomnia based on learning algorithm |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200117170A KR102478102B1 (en) | 2020-09-11 | 2020-09-11 | Method of treatment for insomnia |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102478102B1 (en) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10891356B2 (en) * | 2008-09-24 | 2021-01-12 | Resmed Sensor Technologies Limited | Contactless and minimal-contact monitoring of quality of life parameters for assessment and intervention |
| KR101009959B1 (en) * | 2008-09-25 | 2011-01-20 | 한국생산기술연구원 | System and method health to measure, and record media recorded program for implement thereof |
| US9526429B2 (en) * | 2009-02-06 | 2016-12-27 | Resmed Sensor Technologies Limited | Apparatus, system and method for chronic disease monitoring |
| KR102053604B1 (en) | 2017-11-27 | 2019-12-09 | 연세대학교 산학협력단 | Method for sleeping analysis and device for sleeping analysis using the same |
-
2020
- 2020-09-11 KR KR1020200117170A patent/KR102478102B1/en active IP Right Grant
-
2022
- 2022-12-12 KR KR1020220172943A patent/KR102611534B1/en active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220034594A (en) | 2022-03-18 |
| KR20230004366A (en) | 2023-01-06 |
| KR102478102B1 (en) | 2022-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10582890B2 (en) | Visualizing, scoring, recording, and analyzing sleep data and hypnograms | |
| CN108780663B (en) | Digital personalized medical platform and system | |
| CN109087706B (en) | Human health assessment method and system based on sleep big data | |
| Huang et al. | Knowledge-based identification of sleep stages based on two forehead electroencephalogram channels | |
| JP4192127B2 (en) | Sleep state management device and sleep state management method | |
| US10453567B2 (en) | System, methods, and devices for improving sleep habits | |
| CN111281341A (en) | Sleep evaluation method and device, electronic equipment and storage medium | |
| CN110033866A (en) | Healthalert method, apparatus, computer equipment and storage medium | |
| Clarke et al. | mstress: A mobile recommender system for just-in-time interventions for stress | |
| CN113383395A (en) | Decision support software system for sleep disorder recognition | |
| US20220370757A1 (en) | Personalized sleep wellness score for treatment and/or evaluation of sleep conditions | |
| JP2023547875A (en) | Personalized cognitive intervention systems and methods | |
| US20210287776A1 (en) | User behavior recommendations for improving sleep | |
| US20210358628A1 (en) | Digital companion for healthcare | |
| KR102250775B1 (en) | Digital apparatus and application for treating myopia | |
| Kaneriya et al. | Markov decision-based recommender system for sleep apnea patients | |
| TWI383776B (en) | Weight-predicted system and method thereof | |
| Liu et al. | A novel stress state assessment method for college students based on EEG | |
| WO2021243240A1 (en) | Method and system for remotely monitoring the physical and psychological state of an application user using altitude and/or motion data and one or more machine learning models | |
| CN115253009B (en) | Sleep multidimensional intervention method and system | |
| KR102611534B1 (en) | Appartus for providing treatment service for insomnia based on learning algorithm | |
| CN114582467A (en) | Personal education information management platform based on Internet | |
| CN113288096A (en) | Sleep health management method and system based on short-term and medium-term sleep data analysis | |
| US20180113991A1 (en) | Interactive Apparatus and Devices for Personal Symptom Management and Therapeutic Treatment Systems | |
| KR102612333B1 (en) | Method for providing customized content to a specific user by referring to user metadata and hormone data in saliva and computing device using the same |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |