KR102616045B1 - 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치 - Google Patents
사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치 Download PDFInfo
- Publication number
- KR102616045B1 KR102616045B1 KR1020210167009A KR20210167009A KR102616045B1 KR 102616045 B1 KR102616045 B1 KR 102616045B1 KR 1020210167009 A KR1020210167009 A KR 1020210167009A KR 20210167009 A KR20210167009 A KR 20210167009A KR 102616045 B1 KR102616045 B1 KR 102616045B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- dizziness
- rehabilitation exercise
- rehabilitation
- evaluation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 208000002173 dizziness Diseases 0.000 title claims description 125
- 238000005259 measurement Methods 0.000 claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims description 71
- 230000004424 eye movement Effects 0.000 claims description 15
- 238000003745 diagnosis Methods 0.000 claims description 12
- 239000011521 glass Substances 0.000 claims description 8
- 238000013136 deep learning model Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 210000000707 wrist Anatomy 0.000 claims description 5
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 15
- 238000004891 communication Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 10
- 210000003128 head Anatomy 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 206010047348 Vertigo positional Diseases 0.000 description 2
- 208000001870 benign paroxysmal positional vertigo Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 206010029864 nystagmus Diseases 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 240000001548 Camellia japonica Species 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 201000000691 benign paroxysmal positional nystagmus Diseases 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 235000018597 common camellia Nutrition 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002842 otolith Effects 0.000 description 1
- 210000001265 otolithic membrane Anatomy 0.000 description 1
- 238000002496 oximetry Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 210000002480 semicircular canal Anatomy 0.000 description 1
- 210000003273 vestibular nerve Anatomy 0.000 description 1
- 201000000200 vestibular neuronitis Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
- A61B5/4023—Evaluating sense of balance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1124—Determining motor skills
-
- 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
- A61B5/14551—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 for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
Abstract
실시예는 사용자에게 착용된 사용자 상태 측정 장치에 의해 측정되는 사용자 상태 측정 방법에 있어서, 자세감지 센서를 턴온시키는 단계와, 상기 자세감지 센서에 의해 사용자의 낙상을 감지하는 단계와, 상기 사용자의 낙상이 감지되면 측정 센서를 턴온시키는 단계와, 상기 측정 센서에 의해 사용자의 생체 신호를 측정하는 단계와, 상기 측정된 사용자의 생체 신호를 기초로 진단 지표를 획득하는 단계를 포함할 수 있다.
Description
실시예는 사용자의 어지럼 상태를 측정하는 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치에 관한 것이다.
일반적으로, 어지럼증(dizziness)이란 자신이나 주위 사물이 정지해 있음에도 불구하고 움직이는 듯한 느낌을 받는 모든 증상을 통칭하는 용어이며, 이러한 어지럼증은 크게 생리적 어지럼증과 병적 어지럼증으로 분류될 수 있다.
이 중, 병적 어지럼증의 많은 부분은 인체의 반고리관 내에 이석(otolith)이 침착되어 발생되는 질환인 양성 발작성 체위성 현훈(이석증, Benign Paroxysmal Positional Vertigo, 이하 BPPV로 지칭)과, 전정 신경에 발생한 염증으로 발생되는 질환인 전정신경염(Vestibular neuritis)으로 설명된다.
종래에는 어지럼 발병 시, 환자 스스로 병원에 방문하여 진료를 받고, 진료 이후 환자는 병원에 수시로 방문하여 재활운동 치료를 받거나, 가정 내에서 재활 운동을 실시하도록 하고 있다. 이때, 환자는 가정 내 치료를 위해 재활운동 설명서 또는 재활운동 영상을 병원에서 제공받아 스스로 재활운동을 실시하게 된다.
하지만, 환자가 병원에 방문할 시점에는 어지럼 증세가 완화되어 치료를 받지 못하고 집으로 되돌아 가는 경우가 종종 발생된다.
또한, 어지럼 진단에 있어서, 어지럼 지속 시간이 중요한 진단 요소로 이용되는데, 실제 진단에서는 환자의 기억에 의존하여 어지럼 지속 시간을 체크하게 되어 정확한 진단이 어려운 문제가 있다.
또한, 어지럼 치료는 지속적인 재활 운동이 중요한데, 가정 내에서의 재활 운동을 하는 경우 적절한 재활운동을 수행했는지에 대한 평가가 불가능한 문제가 있다.
상술한 문제점을 해결하기 위해, 실시예는 어지럼 증상 발병 시 환자의 상태를 정확하게 측정하기 위한 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치를 제공하는 것을 그 목적으로 한다.
또한, 실시예는 가정 내에서 재활 운동을 수행하는 환자의 상태를 정확하게 측정하기 위한 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치를 제공하는 것을 다른 목적으로 한다.
실시예에 따른 사용자에게 착용된 사용자 상태 측정 장치에 의해 측정되는 사용자 상태 측정 방법은 사용자로부터의 어지럼 발생 신호 입력을 감지하는 단계; 상기 어지럼 발생 신호 입력이 감지되면, 측정 센서를 턴온시키는 단계; 상기 측정 센서에 의해 사용자의 생체 신호를 측정하는 단계; 및 상기 측정된 사용자의 생체 신호를 기초로 진단 지표를 획득하는 단계를 포함한다.
또한, 상기 방법은 자세감지 센서를 턴온시키는 단계 및 상기 자세감지 센서에 의해 사용자의 낙상을 감지하는 단계; 상기 사용자의 낙상이 감지되면 상기 어지럼 발생 신호 입력 여부와 상관 없이 상기 측정 센서를 턴온시키는 단계를 더 포함할 수 있다.
여기서, 상기 낙상을 감지하는 단계는, 상기 자세감지 센서에 의해 사용자의 회전각, 이동 거리, 걸음 정보, 운동량 정보를 측정하는 단계; 및 상기 측정된 상기 사용자의 회전각, 상기 이동 거리, 상기 걸음 정보, 상기 운동량 정보 중 적어도 하나 이상의 정보를 기초로 상기 사용자의 낙상을 감지하는 단계를 포함할 수 있다.
또한, 상기 진단 지표를 획득하는 단계는,상기 사용자의 생체 신호 이외에 상기 측정 센서에 의해 안구의 움직임 정보, 사용자의 시야 정보, 사용자의 음성 정보 및 주변 음성 정보를 더 측정하는 단계; 및 상기 사용자의 생체 신호, 상기 안구의 움직임 정보, 상기 사용자의 시야 정보, 상기 사용자의 음성 정보 및 상기 주변 음성 정보 중 어느 하나 이상의 정보를 기초로 진단 지표를 획득하는 단계를 포함할 수 있다.
여기서, 상기 진단 지표는 안진의 강도, 어지럼 발생시각 및 어지럼 지속시간 중 적어도 하나 이상을 포함할 수 있다.
또한, 상기 획득된 진단 지표를 기초로 어지럼 진단을 수행하는 단계를 더 포함할 수 있다.
또한, 상기 어지럼 진단을 수행하는 단계에서, 훈련용 생체 신호값을 학습용 입력 데이터로 이용하고, 훈련용 진단 지표를 상기 학습용 입력 데이터에 대한 레이블 데이터로서 이용하여 훈련된 인공 신경망 모델을 기초로 어지럼 진단을 수행할 수 있다.
또한, 상기 방법은 상기 획득된 진단 지표를 서버에 전송하는 단계와, 상기 전송에 대한 응답으로 상기 서버로부터 어지럼 진단 정보를 수신하는 단계를 더 포함할 수 있다.
또한, 실시예에 따른 사용자 상태 측정 장치는 사용자 상태 측정을 위한 프로그램이 저장된 메모리와, 상기 프로그램을 구동하는 프로세서를 포함하고, 상기 프로세서는, 자세감지 센서를 턴온시키고, 상기 자세감지 센서에 의해 사용자의 낙상을 감지하고, 상기 사용자의 낙상이 감지되면 측정 센서를 턴온시키고, 상기 측정 센서에 의해 사용자의 생체 신호를 측정하고, 상기 측정된 사용자의 생체 신호를 기초로 진단 지표를 획득한다.
상기 사용자 상태 측정 장치는 안경형, 목걸이형, 손목 밴드형 또는 이의 조합으로 이루어져 사용자에게 착용될 수 있다.
상기 사용자의 생체 신호는 안구의 움직임, 심박, 동백혈산소포화도 중 적어도 하나 이상을 포함할 수 있다.
또한, 실시예의 사용자의 어지럼증 재활 운동 평가 방법은 기준 재활 진단지표를 정의하는 단계와, 사용자의 재활 운동신호를 측정하는 단계와, 상기 기준 재활 진단지표에 대한 상기 측정된 사용자의 재활 운동신호를 기초로 재활 평가지표를 획득하는 단계와, 재활 운동 중 사용자 입력에 의해 사용자가 느끼는 어지럼 정보를 획득하는 단계와, 상기 어지럼 정보 및 상기 재활 평가지표에 대한 측정값을 기초로 재활운동 평가 점수를 계산하고 저장하는 단계를 포함할 수 있다.
상기 사용자의 재활 운동신호를 측정하는 단계에서, 상기 재활 운동 신호는 사용자의 생체, 안구의 움직임 정보, 사용자의 시야 정보, 사용자의 음성 정보 및 주변 음성 정보 중 적어도 하나 이상을 포함할 수 있다.
상기 사용자 재활 평가지표는 수행시간, 머리회전 최고 속도의 평균, 머리 회전 빈도, 심박 증가량 및 생체 신호 중 적어도 하나 이상을 포함할 수 있다.
상기 평가 점수를 계산하고 저장하는 단계는, 상기 어지럼 정보, 수행시간, 상기 머리회전 최고 속도의 평균, 상기 머리 회전 빈도, 상기 심박 증가량 및 상기 생체 신호 각각에 대해 상기 어지럼 정보에 기초하여 결정된 서로 다른 가중치를 부가하는 단계를 더 포함할 수 있다.
상기 딥러닝 모델에 의해 상기 서로 가중치가 부가된 상기 어지럼 정보, 상기 수행시간, 상기 머리회전 최고 속도의 평균, 상기 머리 회전 빈도, 상기 심박 증가량 및 상기 생체 신호를 기초로 평가 점수를 계산하는 단계를 더 포함할 수 있다.
1회 진료 후 다음 진료까지 재활운동평가 및 1회 진료 후 다음 진료까지의 어지럼 상태를 평가하고, 재활운동평가 및 1회 진료 후 다음 진료까지의 어지럼 상태를 자동으로 기록하는 단계를 더 포함할 수 있다.
또한, 실시예의 사용자의 어지럼증 재활 운동 평가 장치는 사용자 상태 측정을 위한 프로그램이 저장된 메모리와, 상기 프로그램을 구동하는 프로세서를 포함하고, 상기 프로세서는, 기준 재활 진단지표를 정의하고, 사용자의 재활 운동신호를 측정하고, 상기 기준 재활 진단지표에 대한 상기 측정된 사용자의 재활 운동신호를 기초로 재활 평가지표를 획득하고, 재활 운동 중 사용자 입력에 의해 사용자가 느끼는 어지럼 정보를 획득하고, 상기 어지럼 정보 및 상기 재활 평가지표에 대한 측정값을 기초로 재활운동 평가 점수를 계산하고 저장할 수 있다.
상기 사용자 상태 측정 장치는 안경형, 목걸이형, 손목 밴드형 또는 이의 조합으로 이루어져 사용자에게 착용될 수 있다.
실시예는 사용자에게 상시 착용이 가능하도록 사용자 상태 측정 장치를 구현함으로써, 평상 시 어지럼 증상 발병 시 사용자의 상태를 정확하게 측정할 수 있는 효과가 있다.
또한, 실시예는 가정 내에서 재활 운동 시 사용자의 상태를 정확하게 측정할 수 있는 효과가 있다.
도 1은 실시예에 따른 사용자 상태 측정 장치를 포함하는 사용자 상태 측정 시스템을 나타낸 블록도이다.
도 2는 실시예에 따른 사용자 상태 측정 장치의 세부 구성을 나타낸 블록도이다.
도 3은 실시예에 따른 사용자 상태 측정 장치의 센서부의 세부 구성을 나타낸 블록도이다.
도 4는 실시예에 따른 사용자 상태 측정 장치에서 수행되는 사용자 상태 측정 방법을 나타낸 블록도이다.
도 5는 실시예에 따른 사용자 상태 측정 방법에서 낙상을 감지하는 단계를 나타낸 블록도이다.
도 6은 실시예에 따른 사용자 상태 측정 방법에서 진단 지표를 획득하는 단계를 나타낸 블록도이다.
도 7은 실시예에 따른 사용자 상태 측정 장치의 다양한 예를 나타낸 도면이다.
도 8은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치를 포함하는 사용자의 어지럼증 재활 운동 평가 시스템을 나타낸 블록도이다.
도 9는 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치의 세부 구성을 나타낸 블록도이다.
도 10은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치에서 수행되는 사용자의 어지럼증 재활 운동 평가 방법을 나타낸 블록도이다.
도 11은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 방법에서 어지럼 재활 운동 결과를 평가하는 과정을 나타낸 도면이다.
도 2는 실시예에 따른 사용자 상태 측정 장치의 세부 구성을 나타낸 블록도이다.
도 3은 실시예에 따른 사용자 상태 측정 장치의 센서부의 세부 구성을 나타낸 블록도이다.
도 4는 실시예에 따른 사용자 상태 측정 장치에서 수행되는 사용자 상태 측정 방법을 나타낸 블록도이다.
도 5는 실시예에 따른 사용자 상태 측정 방법에서 낙상을 감지하는 단계를 나타낸 블록도이다.
도 6은 실시예에 따른 사용자 상태 측정 방법에서 진단 지표를 획득하는 단계를 나타낸 블록도이다.
도 7은 실시예에 따른 사용자 상태 측정 장치의 다양한 예를 나타낸 도면이다.
도 8은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치를 포함하는 사용자의 어지럼증 재활 운동 평가 시스템을 나타낸 블록도이다.
도 9는 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치의 세부 구성을 나타낸 블록도이다.
도 10은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치에서 수행되는 사용자의 어지럼증 재활 운동 평가 방법을 나타낸 블록도이다.
도 11은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 방법에서 어지럼 재활 운동 결과를 평가하는 과정을 나타낸 도면이다.
이하, 도면을 참조하여 실시예를 상세히 설명하기로 한다.
도 1은 실시예에 따른 사용자 상태 측정 장치를 포함하는 사용자 상태 측정 시스템을 나타낸 블록도이고, 도 2는 실시예에 따른 사용자 상태 측정 장치의 세부 구성을 나타낸 블록도이고, 도 3은 실시예에 따른 사용자 상태 측정 장치의 센서부의 세부 구성을 나타낸 블록도이다.
도 1 내지 도 3을 참조하면, 실시예에 따른 사용자 상태 측정 측정 시스템(100)은 사용자 상태 측정 장치(110) 및 서버(130)를 포함할 수 있다.
실시예에 따른 사용자 상태 측정 장치(110)는 어지럼 증상에 따른 사용자의 상태를 측정하는 역할을 한다. 사용자 상태 측정 장치(110)는 사용자의 낙상 여부를 감지하여 사용자의 상태를 측정할 수 있다. 또한, 사용자 상태 측정 장치(110)는 사용자 상태를 기초로 어지럼 진단을 수행하거나 어지럼 진단을 위한 진단 지표를 서버로 전송할 수도 있다.
도 2에 도시된 바와 같이, 실시예에 따른 사용자 상태 측정 장치(110)는 메모리(111)와, 통신부(113)와, 프로세서(115)와, 센서부(117)를 포함할 수 있다.
메모리(111)는 사용자 상태 측정을 위한 제어 프로그램 등 전반적인 동작을 위한 다양한 데이터가 저장될 수 있다. 구체적으로 메모리(111)에는 사용자 상태 측정 장치에서 구동되는 다수의 응용 프로그램 사용자 상태 측정 장치(110)의 동작을 위한 데이터 및 명령어를 저장할 수 있다. 또한, 메모리(111)에는 센서부(117)에서 측정되는 센싱값이 저장될 수 있다.
메모리(111)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 이에 한정되는 것은 아니다.
통신부(113)는 다른 네트워크 장치 예컨대, 센서부(117) 및 서버(130)와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
통신부(113)는 제어 프로그램에 의해 결정된 사용자 상태 정보가 표시된 화면들을 송수신할 수도 있다.
통신부(113)는 LTE 및 5G 뿐만 아니라, NB-IoT, LoRa, SigFox, LTE-CAT1 과 같은 LPWN(Low Power Wireless Network) 및 LPWAN(Low Power Wide Area Network)을 이용하여 통신을 수행할 수 있다.
통신부(113)는 유선 LAN(Local Area Network) 뿐만 아니라 WiFi 80211a/b/g/n 와 같은 무선 LAN을 이용한 통신 방법을 이용하여 통신을 수행할 수 있다. 이 외에도 통신부(113)는 NFC, Bluetooth와 같은 통신 방법을 이용하여 외부 장치와 통신을 수행할 수도 있다.
통신부(113)는 사용자 상태 측정 장치(110)의 필수적인 구성이 아니며, 필요에 따라 사용자 상태 측정 장치(110)에 장착 또는 비장착될 수 있다.
센서부(117)는 사용자 상태를 측정할 수 있다. 센서부(117)는 자세감지 센서(117-1)와, 측정 센서(117-2)를 포함할 수 있으며, 측정 센서(117-2)는 복수개의 센서로 이루어질 수 있다.
자세감지 센서(117-1)는 일 예로 IMU 센서일 수 있다. IMU 센서는 모션 센서, 가속도 센서, 자이로 센서로 이루어질 수 있으며, 사용자의 자세를 감지할 수 있다. 자세감지 센서(117-1)는 사용자가 이동중인 상태, 정지중인 상태 또는 넘어진 상태를 감지할 수 있다.
측정 센서(117-2)는 사용자의 생체신호 측정 센서, 비디오 센서, 음성 센서를 포함할 수 있다. 생체신호 측정 센서는 안구의 움직임, 심박, 동백혈산소포화도(SpO2) 값의 생체 신호를 측정할 수 있다. 생체신호 측정 센서는 뇌전도, 호흡 파라미터, 식도 온도, 심음도, 혈압, 근전도, 맥박, 백막산소계측, 전류피부저항, 혈류, 혈랍 등의 생체 신호를 더 측정할 수도 있다. 비디오 센서는 안구의 움직임과 사용자가 바라보는 외부 시야 정보를 측정할 수 있다. 음성 센서는 사용자의 음성 및 주변의 음성 정보를 측정할 수 있다.
센서부(117)는 사용자 상태 측정 장치의 필수적인 구성이 아니며, 필요에 따라 사용자 상태 측정 장치(110)에 장착 또는 비장착될 수 있다.
프로세서(115)는 일종의 중앙처리장치로서 사용자 상태 측정 장치(110)의 전체 동작을 제어할 수 있다.
프로세서(115)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 이에 한정되는 것은 아니다.
이하에서는 실시예에 따른 사용자 상태 측정 장치의 프로세서가 수행하는 동작을 살펴본다.
도 4는 실시예에 따른 사용자 상태 측정 장치에서 수행되는 사용자 상태 측정 방법을 나타낸 블록도이고, 도 5는 실시예에 따른 사용자 상태 측정 방법에서 낙상을 감지하는 단계를 나타낸 블록도이고, 도 6은 실시예에 따른 사용자 상태 측정 방법에서 진단 지표를 획득하는 단계를 나타낸 블록도이다.
도 4를 참조하면, 프로세서(115)는 사용자 상태 측정 장치가 온 되면 자세감지 센서를 턴온 시킬 수 있다(S110). 프로세서(115)는 자세감지 센서의 측정 값에 의해 사용자가 이동 중인지, 정지 상태인지, 넘어진 상태인지 판단하여 사용자의 낙상을 감지할 수 있다(S120).
도 5에 도시된 바와 같이, 프로세서(115)는 자세감지 센서에 의해 사용자의 회전각, 이동 거리, 걸음 정보, 운동량 정보를 측정할 수 있다(S121). 프로세서(115)는 측정된 사용자의 회전각, 이동 거리, 걸음 정보, 운동량 정보를 기초로 사용자의 낙상을 감지할 수 있다(S123).
도 4로 돌아가서, 프로세서(115)는 낙상이 발생되었다고 감지하면(S130) 측정 센서가 오프된 상태에서 측정 센서를 턴온시킬 수 있다(S140). 이와 다르게, 프로세서(115)는 낙상의 감지와는 별도로 사용자가 어지럼증을 느껴 사용자가 입력한 입력 정보를 수신하면(S180) 측정 센서를 턴온시킬 수도 있다(S140).
프로세서(115)는 측정 센서에 의해 신호 예컨대, 사용자 정보를 측정할 수 있다(S150). 프로세서(115)는 사용자 정보를 기초로 진단 지표를 획득할 수 있다(S160).
도 6에 도시된 바와 같이, 프로세서(115)는 측정 센서에 의해 사용자의 생체 신호, 안구의 움직임 정보, 사용자의 시야 정보, 사용자의 음성 정보 및 주변 음성 정보를 측정할 수 있다(S161). 프로세서는 측정된 사용자의 생체 신호, 안구의 움직임 정보, 사용자의 시야 정보, 사용자의 음성 정보 및 주변 음성 정보 중 어느 하나 이상을 기초로 진단 지표를 획득할 수 있다(S162). 여기서, 진단 지표는 안진의 강도, 어지럼 발생시각 및 어지럼 지속 시간 중 적어도 하나 이상을 포함할 수 있다.
프로세서(115)는 낙상 상황의 종료 여부를 감지할 수 있다(S170). 예컨대, 프로세서(115)는 낙상 상황이 종료되면 자세감지 센서를 턴온시키도록 제어할 수 있다. 프로세서(115)는 낙상 상황이 종료되지 않으면 측정 센서의 턴온 상태를 유지시킬 수 있다.
프로세서(115)는 측정된 진단 지표를 기초로 어지럼 진단을 수행할 수 있다. 프로세서(115)는 딥러닝 모델을 이용하여 어지럼 진단을 수행할 수 있다. 딥러닝 모델은 훈련용 생체 신호값 및 훈련용 진단 지표를 기초로 딥러닝 모델을 훈련시킬 수 있다. 여기서, 딥러닝 모델은 진단 지표를 레이블로 설정할 수 있다.
이와 다르게, 프로세서(115)는 어지럼 진단을 수행하지 않고, 단계(S160)에서 측정된 진단 지표를 서버로 전송할 수 있다. 서버는 딥러닝 모델을 기초로 어지럼 진단을 판단할 수 있으며, 프로세서는 전송에 대한 응답으로 서버로부터 어지럼 진단 정보를 수신할 수 있다.
사용자 상태 측정 장치(110)는 아래와 같이, 다양한 형태로 구현될 수 있다.
도 7은 실시예에 따른 사용자 상태 측정 장치의 다양한 예를 나타낸 도면이다.
도 7a에 도시된 바와 같이, 사용자 상태 측정 장치(110)는 안경형으로 구현되어 모든 생체 신호, 모션 정보 및 음성 정보를 측정할 수 있다.
이와 다르게, 도 7b에 도시된 바와 같이, 사용자 상태 측정 장치(110)는 목걸이형으로 구현되어 안구 움직임을 제외한 모든 생체 신호, 모션 정보 및 음성 정보를 측정할 수 있다.
이와 다르게, 도 7c에 도시된 바와 같이, 사용자 상태 측정 장치(110)는 손목 밴드형으로 구현되어 안구 움직임을 제외한 모든 생체 신호, 모션 정보 및 음성 정보를 측정할 수 있다.
이와 다르게, 도 7d에 도시된 바와 같이, 사용자 상태 측정 장치(110)는 안경형과 목걸이 형이 결합된 상태로 구현될 수 있다. 이 경우, 평상시에는 사용자 상태 측정 장치를 목걸이로 착용하다가 어지럼 발생 시 안경형으로 펼쳐 모든 생체 신호, 모션 정보 및 음성 정보를 측정할 수 있다.
이와 다르게, 도 7e에 도시된 바와 같이, 사용자 상태 측정 장치(110)는 손목 밴드형으로 구현될 수 있다. 이 경우, 사용자 상태 측정 장치를 손목 밴드로 사용하다가 어지럼이 발생되면 귀에 착용하여 머리 움직임 정보를 측정할 수 있다. 그외 생체 신호, 모션 정보 및 음성 정보를 더 측정할 수도 있다.
실시예에 따른 사용자 상태 측정 장치는 사용자에게 상시 착용이 가능하도록 구현함으로써, 평상 시 어지럼 증상 발병 시 사용자의 상태를 정확하게 측정할 수 있는 효과가 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 메모리(내장 메모리 또는 외장 메모리))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램)로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치를 포함할 수 있다. 상기 명령이 제어부에 의해 실행될 경우, 제어부가 직접, 또는 상기 제어부의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, 비일시적은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다.
일 실시예에 따르면, 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서, 자세감지 센서를 턴온시키는 단계와, 상기 자세감지 센서에 의해 사용자의 낙상을 감지하는 단계와, 상기 사용자의 낙상이 감지되면 측정 센서를 턴온시키는 단계와, 상기 측정 센서에 의해 사용자의 생체 신호를 측정하는 단계와, 상기 측정된 사용자의 생체 신호를 기초로 진단 지표를 획득하는 단계를 수행하기 위한 동작을 포함하는 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
실시예에 따르면, 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서, 자세감지 센서를 턴온시키는 단계와, 상기 자세감지 센서에 의해 사용자의 낙상을 감지하는 단계와, 상기 사용자의 낙상이 감지되면 측정 센서를 턴온시키는 단계와, 상기 측정 센서에 의해 사용자의 생체 신호를 측정하는 단계와, 상기 측정된 사용자의 생체 신호를 기초로 진단 지표를 획득하는 단계를 수행하기 위한 동작을 포함하는 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
도 8은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치를 포함하는 사용자의 어지럼증 재활 운동 평가 시스템을 나타낸 블록도이고, 도 9는 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치의 세부 구성을 나타낸 블록도이다.
도 8 및 도 9를 참조하면, 실시예에 따른 사용자 상태 측정 측정 시스템(200)은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치(210) 및 서버(230)를 포함할 수 있다.
실시예에 따른 어지럼증 재활 운동 평가 장치(210)는 사용자가 가정 내에서 재활 운동 시 사용자의 상태를 측정하고, 측정된 사용자의 상태 정보를 기초로 평가 점수를 계산하고, 계산된 평가 점수를 기초로 어지럼 빈도, 어지럼 패턴, 호전 추이 정보를 생성할 수 있다.
실시예에 따른 어지럼증 재활 운동 평가 장치(210)는 사용자의 상태 정보 및 어지럼 빈도, 어지럼 패턴, 호전 추이 정보 중 적어도 하나 이상을 서버(230)에 전송할 수 있다.
도 9에 도시된 바와 같이, 실시예에 따른 어지럼증 재활 운동 평가 장치(210)는 메모리(211)와, 통신부(213)와, 프로세서(215)와 센서부(217)를 포함할 수 있다.
메모리(211)는 사용자 상태 측정을 위한 제어 프로그램 등 전반적인 동작을 위한 다양한 데이터가 저장될 수 있다. 구체적으로 메모리(211)에는 사용자 상태 측정 장치에서 구동되는 다수의 응용 프로그램 사용자 상태 측정 장치의 동작을 위한 데이터 및 명령어를 저장할 수 있다. 또한, 메모리(211)에는 기준 재활 진단 지표, 센서부(217)에서 측정되는 센싱값, 어지럼 정보, 평가 점수, 어지럼 빈도, 어지럼 패턴 및 호전 추이 정보 중 적어도 하나 이상이 저장될 수 있다.
메모리(211)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 이에 한정되는 것은 아니다.
통신부(213)는 다른 네트워크 장치 예컨대, 센서부(217) 및 서버(230)와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
통신부(213)는 제어 프로그램에 의해 결정된 사용자 상태 정보가 표시된 화면들을 송수신할 수도 있다.
통신부(213)는 LTE 및 5G 뿐만 아니라, NB-IoT, LoRa, SigFox, LTE-CAT1 과 같은 LPWN(Low Power Wireless Network) 및 LPWAN(Low Power Wide Area Network)을 이용하여 통신을 수행할 수 있다.
통신부(213)는 유선 LAN(Local Area Network) 뿐만 아니라 WiFi 80211a/b/g/n 와 같은 무선 LAN을 이용한 통신 방법을 이용하여 통신을 수행할 수 있다. 이 외에도 통신부는 NFC, Bluetooth와 같은 통신 방법을 이용하여 외부 장치와 통신을 수행할 수도 있다.
통신부(213)는 사용자 상태 측정 장치의 필수적인 구성이 아니며, 필요에 따라 사용자 상태 측정 장치(210)에 장착 또는 비장착될 수 있다.
센서부(217)는 사용자 상태를 측정할 수 있다. 센서부(217)는 복수의 측정 센서를 포함할 수 있다. 측정 센서는 사용자의 생체신호 측정 센서, 비디오 센서, 음성 센서 및 IMU 센서를 포함할 수 있다. 생체신호 측정 센서는 안구의 움직임, 심박, 동백혈산소포화도(SpO2) 값 등의 생체 신호를 측정할 수 있다. 비디오 센서는 안구의 움직임과 사용자가 바라보는 외부 시야 정보를 측정할 수 있다. 음성 센서는 사용자의 음성 및 주변의 음성 정보를 측정할 수 있다. IMU 센서는 가속도(x,y,z,axis), 각속도(x,y,z,axis), 자기장(x,y,z,axis), 회전각(Roll, Pitch, Yaw) 신호를 측정할 수 있다.
센서부(217)는 사용자 상태 측정 장치의 필수적인 구성이 아니며, 필요에 따라 사용자 상태 측정 장치(210)에 장착 또는 비장착될 수 있다.
프로세서(215)는 일종의 중앙처리장치로서 어지럼증 재활 운동 평가 장치의 전체 동작을 제어할 수 있다.
프로세서(215)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 이에 한정되는 것은 아니다.
이하에서는 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치의 프로세서가 수행하는 동작을 살펴본다.
도 10은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치에서 수행되는 사용자의 어지럼증 재활 운동 평가 방법을 나타낸 블록도이고, 도 11은 실시예에 따른 사용자의 어지럼증 재활 운동 평가 방법에서 어지럼 재활 운동 결과를 평가하는 과정을 나타낸 도면이다.
도 10에 도시된 바와 같이, 프로세서(215)는 의사 또는 서버에서 제공한 재활 운동을 평가하기 위한 기준 재활 진단 지표를 정의할 수 있다(S200). 기준 재활 진단 지표는 재활 운동 중 환자가 느끼는 어지럼, 수행 시간, 머리 회전 최고 속도의 평균, 머리 회전 빈도, 심박 증가량, 생체 신호의 항목을 포함할 수 있으며, 그 종류는 이에 한정되지 않는다.
프로세서(215)는 사용자의 재활 운동 신호를 측정할 수 있다(S210). 프로세서(215)는 측정 센서에 의해 사용자의 생체 신호, 비디오 정보 및 음성 정보, 관성 신호를 측정할 수 있다.
생체 신호는 안구 움직임(ENG, VNG), 심박(HR), 동백혈산소포화도(SpO2) 값 등의 생체 신호를 포함할 수 있다. 비디오 정보는 외부 시야 및 사용자의 표정을 포함할 수 있다. 음성 정보는 사용자의 목소리 및 주변 상황 음성을 포함할 수 있다. 관성 신호는 가속도, 각속도, 자기장, 회전각 신호를 포함할 수 있다.
프로세서(215)는 기준 재활 진단지표에 대한 안구 움직임(ENG, VNG), 심박(HR), 동백혈산소포화도(SpO2)값, 외부 시야, 사용자의 표정, 사용자의 목소리, 주변 상황 음성, 가속도, 각속도, 자기장, 회전각 신호를 기초로 재활 평가지표에 대한 측정값을 획득할 수 있다(S220).
프로세서(215)는 재활 운동 중 사용자가 느끼는 어지럼 정보를 획득할 수 있다(S230). 어지럼 정보는 사용자 입력에 의해 획득할 수 있다. 이와 다르게, 어지럼 정보는 어지럼 측정 장치로부터 획득될 수 있다.
프로세서(215)는 어지럼 정보 및 기준 재활 평가지표에 대한 측정값을 기초로 재활운동 평가 점수를 획득할 수 있다(S240). 도 11에 도시된 바와 같이, 프로세서(215)는 어지럼 정보 및 재활 진단지표에 대한 측정값에 서로 다른 가중치를 부가하고, 어지럼 정보 및 재활 진단지표에 대한 측정값을 딥러닝 모델(270)에 의해 평가 점수를 계산할 수 있다. 프로세서(215)는 계산된 평가 점수를 저장할 수 있다.
프로세서(215)는 어지럼 상태를 기록할 수 있다. 프로세서(215)는 어지럼 상태를 메모리 또는 외부 저장 매체에 저장하여 전자 다이어리를 형성할 수 있다. 전자 다이어리는 어지럼 상태를 자동으로 추출하고 저장하여 의사의 예후 판단에 도움을 줄 수 있다.
예컨대, 프로세서(215)는 1회 진료 후 다음 진료까지의 재활운동평가와 1회 진료 후 다음 진료까지의 어지럼 상태를 평가할 수 있다. 프로세서(215)는 평가된 재활운동평가와 어지럼 상태를 자동으로 기록할 수 있다. 프로세서(215)는 재활운동평가와 어지럼 상태가 자동으로 기록된 상태에서 다음 진료를 수행하게 되면 자동 기록된 재활운동평가와 어지럼 상태는 업데이트될 수 있다.
실시예는 가정 내에서 재활 운동 시 사용자의 상태를 정확하게 측정할 수 있는 효과가 있다.
실시예에 따른 사용자의 어지럼증 재활 운동 평가 장치(210)는 안경형, 목걸이형, 손목밴드형, 목걸이형과 안경형이 조합된 형태로 형성될 수 있다.
실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다.
일 실시예에 따르면, 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서, 기준 재활 진단지표를 정의하는 단계와, 사용자의 재활 운동신호를 측정하는 단계와, 상기 기준 재활 진단지표에 대한 상기 측정된 사용자의 재활 운동신호를 기초로 재활 평가지표를 획득하는 단계와, 재활 운동 중 사용자 입력에 의해 사용자가 느끼는 어지럼 정보를 획득하는 단계와, 상기 어지럼 정보 및 상기 재활 평가지표에 대한 측정값을 기초로 재활운동 평가 점수를 계산하고 저장하는 단계를 수행하기 위한 동작을 포함하는 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
실시예에 따르면, 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서, 기준 재활 진단지표를 정의하는 단계와, 사용자의 재활 운동신호를 측정하는 단계와, 상기 기준 재활 진단지표에 대한 상기 측정된 사용자의 재활 운동신호를 기초로 재활 평가지표를 획득하는 단계와, 재활 운동 중 사용자 입력에 의해 사용자가 느끼는 어지럼 정보를 획득하는 단계와, 상기 어지럼 정보 및 상기 재활 평가지표에 대한 측정값을 기초로 재활운동 평가 점수를 계산하고 저장하는 단계를 수행하기 위한 동작을 포함하는 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함할 수 있다.
상기에서는 도면 및 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 실시예의 기술적 사상으로부터 벗어나지 않는 범위 내에서 실시예는 다양하게 수정 및 변경시킬 수 있음은 이해할 수 있을 것이다.
110: 사용자 상태 측정 장치.
111: 메모리
115: 프로세서
117: 센서부
130: 서버
111: 메모리
115: 프로세서
117: 센서부
130: 서버
Claims (19)
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 메모리 및 프로세서를 포함하는 어지럼증 재활 운동 평가 장치의 어지럼증 재활 운동 평가 방법에 있어서,
기준 재활 진단지표를 정의하는 단계;
사용자의 재활 운동신호를 측정하는 단계;
상기 기준 재활 진단지표에 대한 상기 측정된 사용자의 재활 운동신호를 기초로 재활 평가지표를 획득하는 단계;
재활 운동 중 사용자 입력에 의해 사용자가 느끼는 어지럼 정보를 획득하는 단계;
상기 어지럼 정보 및 상기 재활 평가지표에 대한 측정값을 기초로 재활운동 평가 점수를 계산하고 저장하는 단계; 및
상기 사용자 입력에 의해 사용자가 느끼는 어지럼 상태를 상기 메모리에 저장하여 전자 다이어리를 형성하는 단계;를 포함하되,
상기 전자 다이어리를 형성하는 단계는,
1회 진료 후 다음 진료까지의 재활운동평가 및 어지럼 상태를 평가하고, 평가되는 상기 재활운동평가 및 상기 어지럼 상태를 자동으로 기록하며, 상기 재활운동평가 및 상기 어지럼 상태가 자동으로 기록된 상태에서 다음 진료를 수행하게 되면 상기 재활운동평가 및 상기 어지럼 상태를 업데이트하는 단계를 포함하는
사용자의 어지럼증 재활 운동 평가 방법. - 제12항에 있어서,
상기 사용자의 재활 운동신호를 측정하는 단계에서,
상기 재활 운동 신호는 사용자의 생체, 안구의 움직임 정보, 사용자의 시야 정보, 사용자의 음성 정보, 주변 음성 정보 및 관성 신호 중 적어도 하나 이상을 포함하는 사용자의 어지럼증 재활 운동 평가 방법. - 제13항에 있어서,
상기 재활 평가지표는 수행시간, 머리회전 최고 속도의 평균, 머리 회전 빈도, 심박 증가량 및 생체 신호 중 적어도 하나 이상을 포함하는 사용자의 어지럼증 재활 운동 평가 방법. - 제14항에 있어서,
상기 평가 점수를 계산하고 저장하는 단계는,
상기 어지럼 정보, 수행시간, 상기 머리회전 최고 속도의 평균, 상기 머리 회전 빈도, 상기 심박 증가량 및 상기 생체 신호 각각에 대해 상기 어지럼 정보에 기초하여 결정된 서로 다른 가중치를 부가하는 단계를 더 포함하는 사용자의 어지럼증 재활 운동 평가 방법. - 제15항에 있어서,
딥러닝 모델에 의해 상기 서로 다른 가중치가 부가된 상기 어지럼 정보, 상기 수행시간, 상기 머리회전 최고 속도의 평균, 상기 머리 회전 빈도, 상기 심박 증가량 및 상기 생체 신호를 기초로 평가 점수를 계산하는 단계를 더 포함하는 사용자의 어지럼증 재활 운동 평가 방법. - 삭제
- 사용자 상태 측정을 위한 프로그램이 저장된 메모리; 및
상기 프로그램을 구동하는 프로세서;를 포함하고,
상기 프로세서는,
기준 재활 진단지표를 정의하고, 사용자의 재활 운동신호를 측정하고, 상기 기준 재활 진단지표에 대한 상기 측정된 사용자의 재활 운동신호를 기초로 재활 평가지표를 획득하고, 재활 운동 중 사용자 입력에 의해 사용자가 느끼는 어지럼 정보를 획득하고, 상기 어지럼 정보 및 상기 재활 평가지표에 대한 측정값을 기초로 재활운동 평가 점수를 계산하고 저장하며, 상기 사용자 입력에 의해 사용자가 느끼는 어지럼 상태를 상기 메모리에 저장하여 전자 다이어리를 형성하되,
1회 진료 후 다음 진료까지의 재활운동평가 및 어지럼 상태를 평가하고, 평가되는 상기 재활운동평가 및 상기 어지럼 상태를 자동으로 기록하며, 상기 재활운동평가 및 상기 어지럼 상태가 자동으로 기록된 상태에서 다음 진료를 수행하게 되면 상기 재활운동평가 및 상기 어지럼 상태를 업데이트하도록 상기 전자 다이어리를 형성하는
사용자의 어지럼증 재활 운동 평가 장치. - 제18항에 있어서,
상기 사용자 상태 측정 장치는 안경형, 목걸이형, 손목 밴드형 또는 이의 조합으로 이루어져 사용자에게 착용되는 사용자의 어지럼증 재활 운동 평가 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210167009A KR102616045B1 (ko) | 2021-11-29 | 2021-11-29 | 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210167009A KR102616045B1 (ko) | 2021-11-29 | 2021-11-29 | 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230081760A KR20230081760A (ko) | 2023-06-08 |
| KR102616045B1 true KR102616045B1 (ko) | 2023-12-22 |
Family
ID=86765905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210167009A KR102616045B1 (ko) | 2021-11-29 | 2021-11-29 | 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102616045B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101898414B1 (ko) * | 2018-04-24 | 2018-09-12 | 한림대학교 산학협력단 | 3차원 안구 움직임 측정 방법 및 전자동 딥러닝 기반 어지럼 진단 시스템 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101112622B1 (ko) * | 2010-02-25 | 2012-02-15 | 한경대학교 산학협력단 | 휴대용 어지럼 진단장치 |
| KR101638408B1 (ko) * | 2014-07-03 | 2016-07-11 | 계명대학교 산학협력단 | 낙상 감지를 위한 웨어러블 모션 센서 장치, 이를 이용한 낙상 감지 시스템 및 낙상 감지 방법 |
| KR102315462B1 (ko) * | 2017-03-28 | 2021-10-20 | 한양대학교 에리카산학협력단 | 어지럼증 진단을 위한 웨어러블 기기 |
| KR102058625B1 (ko) | 2018-01-12 | 2019-12-23 | 서울대학교병원 | 뇌 기능 연결성 분석을 이용한 어지럼증 진단 방법 및 이를 적용하는 시스템 |
-
2021
- 2021-11-29 KR KR1020210167009A patent/KR102616045B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101898414B1 (ko) * | 2018-04-24 | 2018-09-12 | 한림대학교 산학협력단 | 3차원 안구 움직임 측정 방법 및 전자동 딥러닝 기반 어지럼 진단 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230081760A (ko) | 2023-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210307699A1 (en) | Device and method for sequential posture identification and autonomic function information acquisition | |
| JP6799536B2 (ja) | 加速度計を用いるウェアラブル痛みモニタ | |
| JP4828538B2 (ja) | 医療監視方法 | |
| KR102141617B1 (ko) | 인공 신경망을 이용하여 부정맥을 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| JP6903579B2 (ja) | 被験体の興奮状態を判定する装置の作動方法、被験体の興奮状態を導き出すための装置、及び、被験体の興奮状態を導き出すためのプログラム | |
| JP4754447B2 (ja) | 生体解析装置及びプログラム | |
| KR100634549B1 (ko) | 건강관리장치 및 방법 | |
| CN101296651A (zh) | 用于确定患者血压的系统和方法 | |
| CN110612057A (zh) | 用于检测中风的系统和方法 | |
| US11617545B2 (en) | Methods and systems for adaptable presentation of sensor data | |
| US20230245741A1 (en) | Information processing device, information processing system, and information processing method | |
| US20170360334A1 (en) | Device and Method for Determining a State of Consciousness | |
| WO2017100519A1 (en) | Systems and methods for adaptable presentation of sensor data | |
| KR102616045B1 (ko) | 사용자 상태 측정 방법 및 장치, 어지럼증 재활 운동 평가 방법 및 장치 | |
| US20200214613A1 (en) | Apparatus, method and computer program for identifying an obsessive compulsive disorder event | |
| EP3222208A1 (en) | Method and apparatus for triage and subsequent escalation based on biosignals or biometrics | |
| JP2018000230A (ja) | 逐次姿勢識別装置、逐次姿勢識別方法および逐次姿勢識別プログラム | |
| KR102405320B1 (ko) | 근감소증 진단장치 및 진단방법 | |
| TWI802134B (zh) | 癲癇發作及歷程偵測系統及其資訊平台 | |
| Castellanos et al. | Recap on bio-sensorial stress detection methods and technology | |
| JP2023036508A (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
| JP2023038142A (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
| US10506980B2 (en) | Scale for displaying workout readiness | |
| KR20230174226A (ko) | 위-장 장애들을 모니터링하기 위한 시스템 | |
| JP2023507912A (ja) | アレルギー性喘息患者の症状の目立たない監視 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |