KR102620506B1 - 생체 정보를 이용한 심리 분석 및 빅데이터 구축 방법, 장치 및 시스템 - Google Patents
생체 정보를 이용한 심리 분석 및 빅데이터 구축 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102620506B1 KR102620506B1 KR1020220184000A KR20220184000A KR102620506B1 KR 102620506 B1 KR102620506 B1 KR 102620506B1 KR 1020220184000 A KR1020220184000 A KR 1020220184000A KR 20220184000 A KR20220184000 A KR 20220184000A KR 102620506 B1 KR102620506 B1 KR 102620506B1
- Authority
- KR
- South Korea
- Prior art keywords
- test subject
- psychological
- therapy
- state
- signal
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000010276 construction Methods 0.000 title claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 153
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 95
- 238000000537 electroencephalography Methods 0.000 claims abstract description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 13
- 239000004575 stone Substances 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000000222 aromatherapy Methods 0.000 claims description 5
- 210000002751 lymph Anatomy 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 4
- 230000005281 excited state Effects 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001126 phototherapy Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000238558 Eucarida Species 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—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
-
- 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
-
- 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
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Data Mining & Analysis (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 문서에 개시된 다양한 실시예에 따른, 전자 장치에 의해 수행되는, 생체 정보를 이용한 심리 분석 및 빅데이터 구축하는 방법은, 제1 피검사자에 부착된 맥박 센서를 통하여, 상기 제1 피검사자의 맥박 신호를 수집하는 단계; 상기 제1 피검사자에 부착된 뇌파 센서를 통하여, 상기 제1 피검사자의 뇌전도 신호를 수집하는 단계; 상기 제1 피검사자에 부착된 심전도 센서를 통하여, 상기 제1 피검사자의 심전도 신호를 수집하는 단계; 상기 제1 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호에 기초하여, 복수의 심리 상태 중 상기 제1 피검사자의 심리 상태를 판단하는 단계; 상기 제1 피검사자의 심리 상태에 대응하는 심리 지수를 결정하는 단계; 상기 심리 지수에 기초하여, 복수의 테라피 중 상기 제1 피검사자를 위한 제1 추천 테라피를 결정하는 단계; 및 상기 제1 피검사자를 위한 제1 추천 테라피를 상기 제1 피검사자의 단말 장치로 전송하는 단계를 포함할 수 있다.
Description
본 발명은 생체 정보를 이용한 심리 분석 및 빅데이터 구축 방법, 장치 및 시스템에 관한 것이다.
본 발명에 관련된 종래기술에는 사용자의 생체정보 분석을 통해 감정 상태를 분석하는 기술이 있다. 특허문헌 1에는 사용자의 생체 정보 분석을 통한 감정 상태를 분석하는 장치를 개시한다. 특허문헌 2에는 사용자의 제1 생체신호와 제2 생체신호를 각각 분석하여 제1 특징 및 제2 특징을 추출하고 이에 기초하여 사용자의 심리 상태를 판단하는 심리 상태 판단부를 개시한다. 특허문헌 3에는 시리 상태 판단용 키트를 통해 획득되는 사용자의 심리 상태 데이터를 분석함으로써, 사용자의 심리 상태를 판단하는 방법을 개시한다. 특허문헌 4에는 생체 정보 기반의 심리 상태 케어 방법 및 장치를 개시한다.
본 개시의 다양한 실시예에 따르면, 피검사자의 생체 정보를 수집하고, 수집한 생체 정보에 기초하여 피검사자의 심리 상태를 판단하는 것을 기술적 과제로 한다.
본 개시의 다양한 실시예에 따르면, 피검사자의 심리 상태에 대응하는 심리 지수를 결정하고, 심리 지수에 기초하여 피검사자를 위한 추천 테라피를 결정하는 것을 기술적 과제로 한다.
본 개시의 다양한 실시예에 따르면, 피검사자의 심리 상태를 검사자가 정성적인 판단으로 결정하는 것이 아니라, 학습된 인공지능 모델을 이용하여 피검사자의 심리 상태를 결정하는 것을 기술적 과제로 한다.
본 개시의 다양한 실시예에 따르면, 심리 검사를 수행한 피검사자에게 적절한 보상을 제공하는 것을 기술적 과제로 한다.
본 문서에 개시된 다양한 실시예에 따른, 전자 장치에 의해 수행되는, 생체 정보를 이용한 심리 분석 및 빅데이터 구축하는 방법은, 제1 피검사자에 부착된 맥박 센서를 통하여, 상기 제1 피검사자의 맥박 신호를 수집하는 단계; 상기 제1 피검사자에 부착된 뇌파 센서를 통하여, 상기 제1 피검사자의 뇌전도 신호를 수집하는 단계; 상기 제1 피검사자에 부착된 심전도 센서를 통하여, 상기 제1 피검사자의 심전도 신호를 수집하는 단계; 상기 제1 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호에 기초하여, 복수의 심리 상태 중 상기 제1 피검사자의 심리 상태를 판단하는 단계; 상기 제1 피검사자의 심리 상태에 대응하는 심리 지수를 결정하는 단계; 상기 심리 지수에 기초하여, 복수의 테라피 중 상기 제1 피검사자를 위한 제1 추천 테라피를 결정하는 단계; 및 상기 제1 피검사자를 위한 제1 추천 테라피를 상기 제1 피검사자의 단말 장치로 전송하는 단계를 포함할 수 있다.
다양한 실시예에 따른 상기 제1 피검사자의 심리 상태를 판단하는 단계는, 상기 제1 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호를 인공지능 모델에 입력하는 단계; 및 상기 인공지능 모델로부터, 상기 제1 피검사자의 심리 상태에 관한 정보를 획득하는 단계를 포함하고, 상기 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각의 맥박 신호, 뇌전도 신호 및 심전도 신호를 포함하는 데이터를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 정보를 포함하는 데이터를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델일 수 있다.
다양한 실시예에 따른 복수의 심리 상태는, 행복 상태, 기쁨 상태, 슬픔 상태, 지루함 상태, 분노 상태, 흥분 상태 및 짜증 상태를 포함하고, 상기 복수의 테라피는, 조명 테라피, 아로마 테라피, 림프 테라피, 허브 테라피, 스톤 테라피 및 쥬얼리 테라피를 포함하고, 상기 심리 지수에 기초하여, 복수의 테라피 중 상기 제1 피검사자를 위한 제1 추천 테라피를 결정하는 단계는, 복수의 심리 지수 구간 중, 상기 심리 지수가 포함되는 특정 심리 지수 구간을 확인하는 단계; 및 상기 특정 심리 지수 구간에 대응하는 테라피를 상기 제1 피검사자를 위한 제1 추천 테라피로 결정하는 단계를 포함할 수 있다. 상기 복수의 심리 지수 구간 각각은 상기 복수의 테라피 각각과 일대일로 대응될 수 있다.
다양한 실시예에 따른 상기 방법은, 상기 제1 피검사자의 단말 장치로부터, 상기 제1 추천 테라피를 수행하겠다는 응답을 수신한 경우, 상기 제1 추천 테라피를 수행하는 제1 치료사의 단말 장치로 상기 제1 피검사자의 정보 및 상기 제1 피검사자가 상기 제1 추천 테라피를 수행하겠다는 사실을 전송하는 단계; 상기 제1 피검사자의 단말 장치로부터, 상기 제1 추천 테라피를 수행하지 않겠다는 응답을 수신한 경우, 상기 특정 심리 지수 구간에 가장 근접한 예비 심리 지수 구간을 확인하는 단계; 상기 예비 심리 지수 구간에 대응하는 테라피를 상기 제1 피검사자를 위한 제2 추천 테라피로 결정하는 단계; 및 상기 제1 피검사자를 위한 제2 추천 테라피를 상기 제1 피검사자의 단말 장치로 전송하는 단계를 더 포함할 수 있다.
다양한 실시예에 따른 방법은, 상기 복수의 피검사자 각각을 노드로하여 형성된 블록체인 네트워크에 상기 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장하는 단계; 상기 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장한 것에 응답하여, 코인을 획득하는 단계; 및 상기 코인을 상기 제1 피검사자에게 할당된 코인 지갑으로 제공하는 단계를 더 포함할 수 있다.
일 실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다. 일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
본 개시의 다양한 실시예에 따르면, 피검사자의 생체 정보를 수집하고, 수집한 생체 정보에 기초하여 피검사자의 심리 상태를 판단할 수 있다.
본 개시의 다양한 실시예에 따르면, 피검사자의 심리 상태에 대응하는 심리 지수를 결정하고, 심리 지수에 기초하여 피검사자를 위한 추천 테라피를 결정할 수 있다.
본 개시의 다양한 실시예에 따르면, 피검사자의 심리 상태를 검사자가 정성적인 판단으로 결정하는 것이 아니라, 학습된 인공지능 모델을 이용하여 피검사자의 심리 상태를 결정할 수 있다.
본 개시의 다양한 실시예에 따르면, 심리 검사를 수행한 피검사자에게 적절한 보상을 제공할 수 있다.
도 1은 본 개시의 다양한 실시예에 따른 시스템을 도시한 도면이다.
도 2는 다양한 실시예에 따른 전자 장치의 구성의 예시도이다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 5는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 2는 다양한 실시예에 따른 전자 장치의 구성의 예시도이다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 5는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 본 개시의 다양한 실시예에 따른 생체 정보를 이용한 심리 분석 및 빅데이터 구축하기 위한 서비스를 운용하는 시스템(10)을 도시한 도면이다.
다양한 실시예에 따른 시스템은, 전자 장치(110), 복수의 피검사자 각각의 단말 장치(120) 및 복수의 치료사 단말 장치(130)를 포함할 수 있다. 전자 장치(110)는 복수의 피검사자 각각의 단말 장치(120) 및 복수의 치료사 각각의 단말 장치(130)와 통신망을 통해 유선 또는 무선으로 통신 연결될 수 있다. 피검사자의 단말 장치(120)는 심리 상태를 검사하기 위한 검사 대상인 피검사자가 소유한 단말 장치일 수 있다. 본 문서에서는 설명의 편의를 위해, 복수의 피검사자 단말 장치(120)에, 제1 피검사자의 단말 장치(120a), 제2 피검사자의 단말 장치(120b), 제3 피검사자의 단말 장치(120c) 및 제4 피검사자의 단말 장치(120d)를 포함하는 것으로 도시되었지만, 피검사자 단말 장치(120)의 수는 이에 제한되는 것은 아니다. 또한, 설명의 편의를 위하여, 본 도면에서는 복수의 치료사 단말 장치(130)에는, 제1 치료사 단말 장치(130a), 제2 치료사 단말 장치(130b), 제3 치료사 단말 장치(130c), 및 제4 치료사 단말 장치(130d)를 포함하는 것으로 도시되었지만, 치료사 단말 장치(130)의 수는 이에 제한되는 것은 아니다.
다양한 실시예에 따른 전자 장치(110)는 상술한 서비스를 운용하는 서버 장치 일 수 있다. 상기 서비스는 애플리케이션을 통해 운용될 수도 있고, 웹사이트를 통해 운용될 수도 있다. 서비스에 관한 구체적인 설명은 후술하기로 한다.
도 2는 다양한 실시예에 따른 전자 장치(110)의 구성의 예시도이다.
일 실시예에 따른 전자 장치(110)는 프로세서(111), 메모리(113), 통신 회로(115) 및 데이터베이스(117)를 포함한다. 일실시예에 따른 전자 장치(110)는 상술한 시스템을 운영하기 위한 서버 장치일 수 있다. 프로세서(111)는 본 문서에 개시된 적어도 하나의 장치들을 포함하거나, 본 문서에 개시된 적어도 하나의 방법을 수행할 수 있다. 메모리(113)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(113)는 휘발성 메모리(113) 또는 비휘발성 메모리(113)일 수 있다.
프로세서(111)는 프로그램을 실행하고, 전자 장치(110)를 제어할 수 있다. 프로세서(111)에 의하여 실행되는 프로그램의 코드는 메모리(113)에 저장될 수 있다. 전자 장치(110)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 프로세서(111)는 전자 장치(110)의 구성 요소들과 작동적으로 연결될 수 있다. 프로세서(111)는 전자 장치(110)의 다른 구성 요소로부터 수신된 명령 또는 데이터를 메모리(113)에 로드하고 메모리(113)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 저장할 수 있다.
통신 회로(115)는 외부 장치(예: 고객 단말 장치, 전문가 단말 장치)와 통신 채널을 설립하고, 외부 장치와 다양한 데이터를 송수신할 수 있다. 다양한 실시예에 따르면, 통신 회로(115)는 셀룰러 통신 모듈을 포함하여 셀룰러 네트워크(예: 3G, LTE, 5G, Wibro 또는 Wimax)에 연결되도록 구성할 수 있다. 다양한 실시예에 따르면, 통신 회로(115)는 근거리 통신 모듈을 포함하여 근거리 통신(예를 들면, Wi-Fi, Bluetooth, Bluetooth Low Energy(BLE), UWB)을 이용해 외부 장치와 데이터 송수신을 할 수 있으나, 이에 제한되지 않는다.
데이터베이스(117)는 다양한 정보를 저장할 수 있다. 데이터베이스(117)는, 프로세서(111)의 제어 하에, 심리 검사에 필요한 다양한 정보를 저장할 수 있다. 데이터베이스(117)는, 복수의 심리 상태에 관한 정보를 저장할 수 있다. 복수의 심리 상태는, 예를 들어, 행복 상태, 기쁨 상태, 슬픔 상태, 지루함 상태, 분노 상태, 흥분 상태 및 짜증 상태를 포함할 수 있다. 데이터베이스(117)는 복수의 테라피에 관한 정보를 포함할 수 있다. 복수의 테라피는 조명 테라피, 아로마 테라피, 림프 테라피, 허브 테라피, 스톤 테라피 및 쥬얼리 테라피를 포함할 수 있다.
다양한 실시예에 따른 데이터베이스(117)는, 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호를 입력하면, 피검사자의 심리 상태에 관한 정보를 출력하도록 학습된 인공지능 모델을 저장할 수 있다. 상기 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각의 맥박 신호, 뇌전도 신호 및 심전도 신호를 포함하는 데이터를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 정보를 포함하는 데이터를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델일 수 있다.
다양한 실시예에 따른 전자 장치(110)는 센서 모듈(119)을 포함할 수 있다. 센서 모듈(119)은 다양한 생체 신호를 측정할 수 있는 복수의 센서를 포함할 수 있다. 센서 모듈(119)은, 피검사자에 신체에 부착되어 피검사자의 맥박 신호를 수집(측정)할 수 있는 맥박 센서를 포함할 수 있다. 센서 모듈(119)은, 피검사자의 신체에 부착되어 피검사자의 뇌전도 신호를 수집(측정)할 수 있는 뇌파 센서를 포함할 수 있다. 센서 모듈(119)은, 피검사자의 신체에 부착되어 피검사자의 심전도 신호를 수집(측정)할 수 있는 심전도 센서를 포함할 수 있다.
다양한 실시예에 따른 전자 장치(110)는 입력 장치(미도시)를 더 포함할 수 있다. 입력 장치는 전자 장치(110)의 구성 요소에 사용될 명령 또는 데이터를 전자 장치(110)의 외부(예: 구매자, 판매자)로부터 수신할 수 있다. 입력 장치는, 예를 들어, 마이크, 마우스, 키보드, 또는 디지털 펜을 포함할 수 있다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도(300)이다.
단계 310에서, 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는 제1 피검사자에 부착된 맥박 센서를 통하여, 상기 제1 피검사자의 맥박 신호를 수집할 수 있다. 검사자는 제1 피검사자의 심리 상태를 분석하기 위하여, 전자 장치(110)의 센서 모듈(119)에 포함된 맥박 센서를 제1 피검사자의 신체(예: 목 또는 가슴)에 부착하고, 맥박 센서를 통하여 제1 피검사자의 맥박 신호를 수집할 수 있다. 맥박 신호(또는 맥파 신호)란, 심장 박동에 의해 생성되는 흉벽 및 동맥의 박동을 파형으로 기록한 신호를 의미한다. 맥박 신호를 분석하여, 파형의 특성을 나타내는 특징점을 추출할 수 있다.
단계 320에서, 다양한 실시예에 따른 프로세서(111)는, 제1 피검사자에 부착된 뇌파 센서를 통하여, 상기 제1 피검사자의 뇌전도 신호를 수집할 수 있다. 검사자는 제1 피검사자의 심리 상태를 분석하기 위하여, 전자 장치(110)의 센서 모듈(119)에 포함된 뇌파 센서를 제1 피검사자의 신체(예: 머리)에 부착하고, 뇌파 센서를 통하여 제1 피검사자의 뇌전도 신호를 수집할 수 있다.
단계 330에서, 다양한 실시예에 따른 프로세서(111)는, 제1 피검사자에 부착된 심전도 센서를 통하여, 상기 제1 피검사자의 심전도 신호를 수집할 수 있다. 검사자는 제1 피검사자의 심리 상태를 분석하기 위하여, 전자 장치(110)의 센서 모듈(119)에 포함된 심전도 센서를 제1 피검사자의 신체(예: 가슴)에 부착하고, 심전도 센서를 통하여 제1 피검사자의 심전도 신호를 수집할 수 있다. 심전도 신호란 신체 내에 흐르는 전기, 즉 심박동과 함께 발생하는 전위차를 적당한 부위에서 일정한 방법으로 유도 증폭하여 심전계에 의해 그림으로 나타낸 신호를 의미한다.
단계 340에서, 다양한 실시예에 따른 프로세서(111)는, 제1 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호에 기초하여, 복수의 심리 상태 중 상기 제1 피검사자의 심리 상태를 판단할 수 있다. 프로세서(111)는 맥박 신호, 뇌전도 신호 및 심전도 신호 각각을 정규화할 수 있다. 프로세서(111)는 정규화된 데이터를 통해 특징점을 구하고, 특징점들의 값들을 데이터베이스(117)에 저장할 수 있다. 프로세서(111)는, 피검사자로부터 자신이 실제 느낀 심리 상태를 선택하게 함으로써, 피드백을 획득할 수 있다. 프로세서(111)는 데이터베이스(117)에 저장된 특징점들의 값들 및 피검사자의 피드백으로부터 얻은 심리 상태를 학습시킬 수 있다. 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호는 피검사자의 심리 상태와 상관 관계가 있기 때문에, 이 상관 관계를 학습한 인공지능 모델을 생성할 수 있다. 즉, 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호는 피검사자의 심리 상태에 의해 변경되기 때문에, 이들 사이의 상관 관계를 학습할 수 있다.
다양한 실시예에 따른 프로세서(111)는 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호와 피검사자의 심리 상태 사이의 상관 관계를 학습시킴으로써, 인공지능 모델을 생성할 수 있다. 즉, 프로세서(111)는 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호를 입력하면, 피검사자의 심리 상태를 출력하도록 학습된 인공지능 모델을 구축할 수 있다. 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각의 맥박 신호, 뇌전도 신호 및 심전도 신호를 포함하는 데이터를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 정보를 포함하는 데이터를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델일 수 있다. 기계 학습 알고리즘은, 예를 들어, 교사 학습 방법인 SVM (support vector machine) 및 클러스터링 방법인 k-NN (k-Nearest Neighbor)일 수 있다. 심리 상태는, 행복 상태, 기쁨 상태, 슬픔 상태, 지루함 상태, 분노 상태, 흥분 상태 및 짜증 상태 중 하나일 수 있다. 기계 학습 모델은, 예를 들어, 심층 신경망, 합성곱 신경망, 순환 신경망, 강화 학습 모델 또는 분류-회귀 분석을 위한 머신 러닝 모델 중 하나일 수 있다.
다양한 실시예에 따른 프로세서(111)는, 제1 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호를 인공지능 모델에 입력할 수 있다. 프로세서(111)는 인공지능 모델로부터 제1 피검사자의 심리 상태에 관한 정보를 획득할 수 있다.
일 실시예에 따르면, 프로세서(111)(111)는, 복수의 피검사자 각각을 노드(node)로 하여 형성된 블록체인 네트워크(blockchain network)에 상기 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장할 수 있다. 프로세서(111)(111)는, 상기 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장한 것에 응답하여, 코인을 획득할 수 있다. 프로세서(111)(111)는 상기 코인을 상기 제1 피검사자에게 할당된 코인 지갑으로 제공할 수 있다.
단계 350에서, 다양한 실시예에 따른 프로세서(111)는, 제1 피검사자의 심리 상태에 대응하는 심리 지수를 결정할 수 있다. 예를 들어, 프로세서(111)는 0부터 100까지의 점수 중 제1 피검사자의 심리 상태에 대응하는 심리 지수를 결정할 수 있다. 복수의 심리 상태 각각은 대응하는 심리 지수가 정해져 있을 수 있다. 예를 들어, 행복 상태인 경우, 제1 피검사자의 심리 지수는 100점으로 결정될 수 있다. 예를 들어, 분노 상태인 경우, 제1 피검사자의 심리 지수는 0점으로 결정될 수 있다. 상술한 바와 같이 복수의 심리 상태 각각에 대응하는 심리 지수가 정해져 있을 수 있다.
단계 360에서, 다양한 실시예에 따른 프로세서(111)는, 상기 심리 지수에 기초하여, 복수의 테라피 중 상기 제1 피검사자를 위한 제1 추천 테라피를 결정할 수 있다. 복수의 테라피는 조명 테라피, 아로마 테라피, 림프 테라피, 허브 테라피, 스톤 테라피 및 쥬얼리 테라피를 포함할 수 있다. 심리 지수는 복수의 심리 지수 구간으로 구분될 수 있다. 예를 들어, 심리 지수가 0이상 15점 미만인 경우, 제1 심리 지수 구간에 해당하고, 심리 지수가 15점 이상 30점 미만인 경우, 제2 심리 지수 구간에 해당하며, 심리 지수가 30점 이상 45점 미만인 경우, 제3 심리 지수 구간에 해당하고, 심리 지수가 45점 이상 60점 미만인 경우, 제4 심리 지수 구간에 해당하며, 심리 지수가 60점 이상 75점 미만인 경우, 제5 심리 지수 구간에 해당하고, 심리 지수가 75점 이상 100점 이하인 경우, 제6 심리 지수 구간에 해당한다. 복수의 심리 지수 구간 각각은 복수의 테라피 각각과 일대일로 대응될 수 있다. 예를 들어, 제1 심리 지수 구간은 조명 테라피와 대응되고, 제2 심리 지수 구간은 아로마 테라피와 대응되며, 제3 심리 지수 구간은 림프 테라피와 대응되고, 제4 심리 지수 구간은 허브 테라피와 대응되며, 제5 심리 지수 구간은 스톤 테라피와 대응되고, 제6 심리 지수 구간은 쥬얼리 테라피와 대응될 수 있다.
심리 지수에 기초하여 복수의 테라피 중 제1 피검사자를 위한 제1 추천 테라피를 결정하는 구체적인 방법은 후술하기로 한다.
단계 370에서, 다양한 실시예에 따른 프로세서(111)는, 제1 피검사자를 위한 제1 추천 테라피를 제1 피검사자의 단말 장치(120a)로 전송할 수 있다. 제1 피검사자는 제1 피검사자의 단말 장치(120a)를 통해 자신에게 적합한 추천 테라피에 관한 정보를 제공받을 수 있다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도이다. 도 4는 심리 지수에 기초하여 제1 피검사자를 위한 제1 추천 테라피를 결정하는 방법에 관한 도면이다.
단계 410에서, 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는 복수의 심리 지수 구간 중 제1 피검사자의 심리 지수가 포함되는 특정 심리 지수 구간을 확인할 수 있다. 제1 피검사자의 심리 지수가 70점인 경우, 제1 피검사자의 심리 지수가 포함되는 심리 지수 구간은 제5 심리 지수 구간(즉, 60점 이상 75점 미만인 구간)임을 확인할 수 있다.
단계 420에서, 다양한 실시예에 따른 프로세서(111)는, 특정 심리 지수구간에 대응하는 테라피를 제1 피검사자를 위한 제1 추천 테라피로 결정할 수 있다. 예를 들어, 제1 피검사자의 심리 지수가 제5 심리 지수 구간에 포함되는 경우, 제5 심리 지수 구간에 대응하는 스톤 테라피를 제1 피검사자를 위한 제1 추천 테라피로 결정할 수 있다.
도 5는 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도(500)이다.
단계 510에서, 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는, 제1 피검사자의 단말 장치(120a)로 제1 추천 테라피를 전송할 수 있다. 제1 추천 테라피를 결정하는 방법은 도 3에서 설명하였으므로 생략하기로 한다.
단계 520에서, 다양한 실시예에 따른 프로세서(111)는 제1 피검사자의 단말 장치(120a)로부터 제1 추천 테라피를 수행하겠다는 응답을 수신하였는지 여부를 확인할 수 있다.
제1 피검사자의 단말 장치(120a)로부터, 상기 제1 추천 테라피를 수행하겠다는 응답을 수신한 경우, 단계 520에서 단계 530으로 진행하여, 상기 제1 추천 테라피를 수행하는 제1 치료사의 단말 장치로 상기 제1 피검사자의 정보 및 상기 제1 피검사자가 상기 제1 추천 테라피를 수행하겠다는 사실을 전송할 수 있다. 예를 들어, 제1 피검사자의 단말 장치(120a)로 제1 추천 테라피인 스톤 테라피에 관한 정보를 전송하고, 제1 피검사자의 단말 장치(120a)로부터 스톤 테라피를 수행하겠다는 응답을 수신할 수 있다. 제1 피검사자의 단말 장치(120a)로부터 스톤 테라피를 수행하겠다는 응답을 수신한 경우, 스톤 테라피를 수행하는 제1 치료사의 단말 장치로 제1 피검사자의 정보 및 제1 피검사자가 스톤 테라피를 수행하겠다는 사실을 전송할 수 있다.
제1 피검사자의 단말 장치(120a)로부터, 상기 제1 추천 테라피를 수행하지 않겠다는 응답을 수신한 경우, 단계 520에서 단계 540으로 진행하여, 상기 특정 심리 지수 구간에 가장 근접한 예비 심리 지수 구간을 확인할 수 있다. 예를 들어, 제1 피검사자의 단말 장치(120a)로부터 스톤 테라피르 수행하지 않겠다는 응답을 수신한 경우, 프로세서(111)는 제1 피검사자의 심리 지수(70점)는 포함되는 특정 심리 지수 구간(제5 심리 지수 구간)에 가장 근접한 예비 심리 지수 구간인 제6 심리 지수 구간을 확인할 수 있다.
단계 550에서, 다양한 실시예에 따른 프로세서(111)는, 예비 심리 지수 구간에 대응하는 테라피를 상기 제1 피검사자를 위한 제2 추천 테라피로 결정할 수 있다. 예를 들어, 예비 심리 지수 구간을 제6 심리 지수 구간이라고 확인한 경우, 프로세서(111)는 제6 심리 지수 구간에 대응하는 쥬얼리 테라피를 제2 추천 테라피로 결정할 수 있다.
단계 560에서, 다양한 실시예에 따른 프로세서(111)는 제1 피검사자를 위한 제2 추천 테라피를 상기 제1 피검사자의 단말 장치(120a)로 전송할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (3)
- 전자 장치에 의해 수행되는, 생체 정보를 이용한 심리 분석 및 빅데이터 구축하는 방법에 있어서,
제1 피검사자에 부착된 맥박 센서를 통하여, 상기 제1 피검사자의 맥박 신호를 수집하는 단계;
상기 제1 피검사자에 부착된 뇌파 센서를 통하여, 상기 제1 피검사자의 뇌전도 신호를 수집하는 단계;
상기 제1 피검사자에 부착된 심전도 센서를 통하여, 상기 제1 피검사자의 심전도 신호를 수집하는 단계;
상기 제1 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호에 기초하여, 복수의 심리 상태 중 상기 제1 피검사자의 심리 상태를 판단하는 단계;
상기 제1 피검사자의 심리 상태에 대응하는 심리 지수를 결정하는 단계;
상기 심리 지수에 기초하여, 복수의 테라피 중 상기 제1 피검사자를 위한 제1 추천 테라피를 결정하는 단계; 및
상기 제1 피검사자를 위한 제1 추천 테라피를 상기 제1 피검사자의 단말 장치로 전송하는 단계를 포함하고,
상기 제1 피검사자의 심리 상태를 판단하는 단계는,
상기 제1 피검사자의 맥박 신호, 뇌전도 신호 및 심전도 신호 각각을 정규화하는 단계;
정규화된 맥박 신호, 뇌전도 신호 및 심전도 신호 각각에 대하여 특징점들을 구하고, 특징점들에 대응하는 값을 저장하는 단계;
상기 저장된 특징점들에 대응하는 값을 인공지능 모델에 입력하는 단계; 및
상기 인공지능 모델로부터, 상기 제1 피검사자의 심리 상태에 관한 정보를 획득하는 단계를 포함하고,
상기 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각의 맥박 신호, 뇌전도 신호 및 심전도 신호를 포함하는 데이터를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 정보를 포함하는 데이터를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델이며,
상기 복수의 심리 상태는, 행복 상태, 기쁨 상태, 슬픔 상태, 지루함 상태, 분노 상태, 흥분 상태 및 짜증 상태를 포함하고,
상기 복수의 테라피는, 조명 테라피, 아로마 테라피, 림프 테라피, 허브 테라피, 스톤 테라피 및 쥬얼리 테라피를 포함하고,
상기 심리 지수에 기초하여, 복수의 테라피 중 상기 제1 피검사자를 위한 제1 추천 테라피를 결정하는 단계는,
복수의 심리 지수 구간 중, 상기 심리 지수가 포함되는 특정 심리 지수 구간을 확인하는 단계; 및
상기 특정 심리 지수 구간에 대응하는 테라피를 상기 제1 피검사자를 위한 제1 추천 테라피로 결정하는 단계를 포함하며,
상기 복수의 심리 지수 구간 각각은 상기 복수의 테라피 각각과 일대일로 대응되고,
상기 생체 정보를 이용한 심리 분석 및 빅데이터 구축하는 방법은,
제1 추천 테라피를 상기 제1 피검사자의 단말 장치로 전송하는 단계 이후, 상기 제1 피검사자의 단말 장치로부터, 상기 제1 추천 테라피를 수행하겠다는 응답을 수신한 경우, 상기 제1 추천 테라피를 수행하는 제1 치료사의 단말 장치로 상기 제1 피검사자의 정보 및 상기 제1 피검사자가 상기 제1 추천 테라피를 수행하겠다는 사실을 전송하는 단계;
상기 제1 피검사자의 단말 장치로부터, 상기 제1 추천 테라피를 수행하지 않겠다는 응답을 수신한 경우, 상기 특정 심리 지수 구간에 가장 근접한 예비 심리 지수 구간을 확인하는 단계;
상기 예비 심리 지수 구간에 대응하는 테라피를 상기 제1 피검사자를 위한 제2 추천 테라피로 결정하는 단계; 및
상기 제1 피검사자를 위한 제2 추천 테라피를 상기 제1 피검사자의 단말 장치로 전송하는 단계를 더 포함하는, 생체 정보를 이용한 심리 분석 및 빅데이터 구축하는 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220184000A KR102620506B1 (ko) | 2022-12-26 | 2022-12-26 | 생체 정보를 이용한 심리 분석 및 빅데이터 구축 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220184000A KR102620506B1 (ko) | 2022-12-26 | 2022-12-26 | 생체 정보를 이용한 심리 분석 및 빅데이터 구축 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102620506B1 true KR102620506B1 (ko) | 2024-01-03 |
Family
ID=89538755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220184000A KR102620506B1 (ko) | 2022-12-26 | 2022-12-26 | 생체 정보를 이용한 심리 분석 및 빅데이터 구축 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102620506B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100101844A (ko) | 2009-03-10 | 2010-09-20 | 주식회사 엘지화학 | 점착력 및 저장안정성이 우수한 수성 아크릴계 에멀젼 점착제 및 이의 제조방법 |
| KR20150002757A (ko) | 2012-05-03 | 2015-01-07 | 웨이브라이트 게엠베하 | 광학 코히어런스 단층 촬영을 위한 촬상 기술 |
| KR20180038167A (ko) | 2016-10-06 | 2018-04-16 | 연영흠 | 검로진 유도체를 포함하는 전착제 조성물 및 이의 제조방법 |
| KR20210028999A (ko) * | 2019-09-05 | 2021-03-15 | 조현우 | 위치 기반의 음식점 추천 서비스 장치 및 그 방법 |
| KR20220018433A (ko) | 2020-08-06 | 2022-02-15 | 성균관대학교산학협력단 | 아데노신 삼인산 및 폴리젖산에 기반한 난연성 플라스틱 |
| KR20220019558A (ko) * | 2020-08-10 | 2022-02-17 | 가천대학교 산학협력단 | 비접촉식 생체센서 기반의 행동 추천 시스템 및 그 방법 |
| KR20220071727A (ko) * | 2020-11-24 | 2022-05-31 | (주)싱스웰 | Ai 기반의 캡슐형 스마트 쉘터 |
-
2022
- 2022-12-26 KR KR1020220184000A patent/KR102620506B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100101844A (ko) | 2009-03-10 | 2010-09-20 | 주식회사 엘지화학 | 점착력 및 저장안정성이 우수한 수성 아크릴계 에멀젼 점착제 및 이의 제조방법 |
| KR20150002757A (ko) | 2012-05-03 | 2015-01-07 | 웨이브라이트 게엠베하 | 광학 코히어런스 단층 촬영을 위한 촬상 기술 |
| KR20180038167A (ko) | 2016-10-06 | 2018-04-16 | 연영흠 | 검로진 유도체를 포함하는 전착제 조성물 및 이의 제조방법 |
| KR20210028999A (ko) * | 2019-09-05 | 2021-03-15 | 조현우 | 위치 기반의 음식점 추천 서비스 장치 및 그 방법 |
| KR20220018433A (ko) | 2020-08-06 | 2022-02-15 | 성균관대학교산학협력단 | 아데노신 삼인산 및 폴리젖산에 기반한 난연성 플라스틱 |
| KR20220019558A (ko) * | 2020-08-10 | 2022-02-17 | 가천대학교 산학협력단 | 비접촉식 생체센서 기반의 행동 추천 시스템 및 그 방법 |
| KR20220071727A (ko) * | 2020-11-24 | 2022-05-31 | (주)싱스웰 | Ai 기반의 캡슐형 스마트 쉘터 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kaushik et al. | EEG-based age and gender prediction using deep BLSTM-LSTM network model | |
| Lin et al. | Advanced artificial intelligence in heart rate and blood pressure monitoring for stress management | |
| KR20160098960A (ko) | 심전도에 기초한 인증 방법, 인증 장치, 심전도 기반 인증을 위한 학습 방법 및 학습 장치 | |
| Ali et al. | Cnn based subject-independent driver emotion recognition system involving physiological signals for adas | |
| KR102333992B1 (ko) | 응급 정신상태 예측 장치 및 방법 | |
| Massaro et al. | Decisional support system with artificial intelligence oriented on health prediction using a wearable device and big data | |
| Prakash et al. | An optimal criterion feature selection method for prediction and effective analysis of heart disease | |
| Vairachilai et al. | Body sensor 5 G networks utilising deep learning architectures for emotion detection based on EEG signal processing | |
| Hwang et al. | Implementation of interactive healthcare advisor model using chatbot and visualization | |
| Gong et al. | Adapting to unknown conditions in learning-based mobile sensing | |
| Zhao et al. | Attention‐based sensor fusion for emotion recognition from human motion by combining convolutional neural network and weighted kernel support vector machine and using inertial measurement unit signals | |
| US20200253548A1 (en) | Classifying a disease or disability of a subject | |
| WO2024032728A1 (zh) | 一种智能人机协同系统测评方法、装置及存储介质 | |
| Cernian et al. | Mood detector-on using machine learning to identify moods and emotions | |
| WO2018207619A1 (en) | Data collection apparatus and learning apparatus | |
| KR102620506B1 (ko) | 생체 정보를 이용한 심리 분석 및 빅데이터 구축 방법, 장치 및 시스템 | |
| Saad et al. | Situation-aware recommendation system for personalized healthcare applications | |
| Gu et al. | A novel method to process surface electromyography signal for pedestrian lower limb motion pattern recognition | |
| Zhang et al. | Efficient and generalizable cross-patient epileptic seizure detection through a spiking neural network | |
| Nixon et al. | A novel AI therapy for depression counseling using face emotion techniques | |
| Gupta et al. | A hybrid approach based stress monitoring system for office environment using IoT | |
| JP2022514206A (ja) | 被検体の危険度を評価して危険度に基づいて被検体を分類する方法及びそれを用いた装置 | |
| KR102514361B1 (ko) | 스티커 부착을 통한 피검사자의 심리 검사를 제공하는 교재를 결정하고 이를 이용하여 심리 검사를 수행하는 방법, 장치 및 시스템 | |
| Abdukalikova | Machine Learning assisted system for the resource-constrained atrial fibrillation detection from short single-lead ECG signals | |
| Jacob et al. | Heart diseases classification using 1D CNN |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |