KR102661791B1 - 생리학적 정보 추정 방법 및 시스템 - Google Patents

Abstract

본 개시는 적어도 하나의 프로세서에 의해 수행되는, 생리학적 정보 추정 방법을 제공한다. 이 방법은, 복수의 포토다이오드(photodiode)가 검출한 제1 세트의 광 데이터를 수신하는 단계 - 복수의 포토다이오드는 신체에 조사된 광과 연관된 빛의 세기를 검출하도록 구성됨 -, 제1 세트의 광 데이터에 기초하여, 복수의 포토다이오드 중 적어도 일부와 연관된 정규화된 확산 반사율(normalized diffuse reflectance)을 산출하는 단계 및 정규화된 확산 반사율에 기초하여, 신체 중 적어도 일부와 연관된 생리학적 정보를 추정하는 단계를 포함할 수 있다.

Description

생리학적 정보 추정 방법 및 시스템{METHOD AND SYSTEM FOR ESTIMATING PHYSIOLOGICAL INFORMATION}

본 개시는 생리학적 정보 추정 방법 및 시스템에 관한 것으로, 구체적으로 신체의 광학적 정보에 기초하여 생리학적 정보 추정 및 시스템에 관한 것이다.

고령화 사회로 접어들면서 60대 이상 10명 중 1명은 배뇨장애를 앓고 있다. 특히, 척추 손상 환자, 치매 환자, 뇌졸중 환자, 요실금 환자, 야뇨증 환자 등은 스스로 배뇨(urination) 및/또는 도뇨(catheterization) 시점을 판단하기 어려울 수 있다. 배뇨 및/또는 도뇨가 적절한 시점에 이루어지지 못하면, 빈뇨, 요실금, 요정제와 같은 가벼운 방광 기능 장애부터 요로 감염, 수신증, 방광요관 역류와 같은 합병증까지 유발될 수 있다.

배뇨장애를 앓고 있는 환자들의 경우, 병원에 내원한 후 의료 장비를 활용하여 도뇨가 이루어질 수 있다. 이 경우, 환자가 매번 병원에 내원하는 것이 어려운 문제점이 있다. 또한, 의료 장비는 고가이므로 자가 모니터링 용도로 활용되기 어려울 수 있다.

대안적으로, 전문가의 가이드라인에 맞추어 개인적으로 배뇨 및/또는 도뇨가 이루어질 수 있다. 이 경우, 적절한 시점에 소변이 배출되지 못해 매번 소변량이 다른 문제점이 있다. 또한, 요로 감염이 지속되는 문제점이 있다. 이외에도, 가이드라인을 준수하기 위해 환자 개인 활동이 어려운 문제점이 있다.

삭제

대한민국 등록특허공보 제10-1930883호(2018.12.19)

본 개시는 상기와 같은 문제점을 해결하기 위한 생리학적 정보 추정 방법 및 시스템(장치)을 제공한다.

본 개시는 방법, 장치(시스템) 및/또는 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램, 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 저장 매체를 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 생리학적 정보 추정 방법에 있어서, 복수의 포토다이오드(photodiode)가 검출한 제1 세트의 광 데이터를 수신하는 단계 - 복수의 포토다이오드는 신체에 조사된 광과 연관된 빛의 세기를 검출하도록 구성됨 -, 제1 세트의 광 데이터에 기초하여, 복수의 포토다이오드 중 적어도 일부와 연관된 정규화된 확산 반사율(normalized diffuse reflectance)을 산출하는 단계 및 정규화된 확산 반사율에 기초하여, 신체 중 적어도 일부와 연관된 생리학적 정보를 추정하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 복수의 포토다이오드는 제1 포토다이오드, 제2 포토다이오드 및 제3 포토다이오드를 포함하고, 정규화된 확산 반사율을 산출하는 단계는, 복수의 포토다이오드와 연관된 캘리브레이션 파라미터를 이용하여 제1 세트의 광 데이터를 보정하는 단계, 보정된 제1 세트의 광 데이터에 기초하여, 제1 포토다이오드와 연관된 제2 포토다이오드의 정규화된 확산 반사율을 산출하는 단계 및 보정된 제1 세트의 광 데이터에 기초하여, 제1 포토다이오드와 연관된 제3 포토다이오드의 정규화된 확산 반사율을 산출하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 신체 중 적어도 일부에 대한 생리학적 정보를 추정하는 단계는, 제2 포토다이오드의 정규화된 확산 반사율 및 제3 포토다이오드의 정규화된 확산 반사율을 초기 광 특성값 추정 모델에 입력하여, 제2 포토다이오드 및 제3 포토다이오드와 연관된 신체의 제1 영역에 대한 초기 광 특성값을 추정하는 단계 및 제1 영역에 대한 초기 광 특성값에 기초하여, 제1 영역에 대한 생리학적 정보를 추정하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 제1 영역에 대한 생리학적 정보를 추정하는 단계는, 수치적 솔버(numerical solver)를 이용하여 제1 영역에 대한 초기 광 특성값으로부터 제1 영역에 대한 최종 광 특성값을 추정하는 단계; 및 제1 영역에 대한 최종 광 특성값을 기초로 제1 영역에 대한 생리학적 정보를 산출하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 신체에 조사된 광을 조사한 광원과 복수의 포토다이오드 각각 사이의 거리가 서로 상이할 수 있다.

본 개시의 일 실시예에 따르면, 초기 광 특성값 추정 모델은 임의의 광 특성값 및 임의의 광 특성값과 연관된 정규화된 이론 확산 반사율을 기초로 학습된 딥러닝 기반 모델 또는 머신러닝 기반 모델일 수 있다.

본 개시의 일 실시예에 따르면, 캘리브레이션 파라미터는 복수의 포토다이오드 각각에 대한 시스템 파라미터의 상대적 관계를 정의할 수 있다.

본 개시의 일 실시예에 따르면, 제1 세트의 광 데이터를 수신하기 이전에, LUT(Look Up Table)에 포함된 정보에 기초하여 광원의 빛의 세기 정보를 보정하는 단계, 복수의 포토다이오드가 표준 반사 물체에 조사된 광원의 광과 연관된 빛의 세기를 검출한 제2 세트의 광 데이터를 수신하는 단계 및 제2 세트의 광 데이터에 기초하여 캘리브레이션 파라미터를 생성하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 신체에 조사된 광은 제1 파장의 광 및 제2 파장의 광을 포함하고, 제1 파장의 광은 제2 파장의 광과 파장이 상이하고, 제1 세트의 광 데이터는 제1 파장의 광과 연관된 데이터 및 제2 파장의 광과 연관된 데이터를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 생리학적 정보는 수분(H₂O)에 대한 정보, 지방(fat)에 대한 정보, 산소화 헤모글로빈(HbO₂)에 대한 정보 및 탈산소화 헤모글로빈(HHb)에 대한 정보를 포함할 수 있다.

본 개시의 일 실시예에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.

본 개시의 일 실시예에 따르면, 사용자 단말로서, 통신부, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은 복수의 포토다이오드가 검출한 제1 세트의 광 데이터를 수신하고 - 복수의 포토다이오드는 신체에 조사된 광과 연관된 빛의 세기를 검출하도록 구성됨 -, 제1 세트의 광 데이터에 기초하여, 복수의 포토다이오드 중 적어도 일부와 연관된 정규화된 확산 반사율을 산출하고, 정규화된 확산 반사율에 기초하여, 신체 중 적어도 일부와 연관된 생리학적 정보를 추정하기 위한 명령어들을 포함할 수 있다.

본 개시의 일부 실시예에 따르면, 의사 등의 전문가 도움 없이 생리학적 정보를 사용자에게 제공할 수 있다. 또한, 사용 방법이 간단하여 사용자 편의성이 높고, 개인 맞춤형으로써 수요자 접근성이 높을 수 있다.

본 개시의 일부 실시예에 따르면, 의료 장치에 포함된 복수의 포토다이오드에 대한 시스템 파라미터를 동일하게 보정할 수 있다. 의료 장치는 한번의 캘리브레이션 파라미터 생성을 수행한 뒤, 추가적인 캘리브레이션이 불필요할 수 있다. 즉, 팬텀(phantom)을 이용한 캘리브레이션 수행이 불필요하여, 사용자 편의성을 증대시킬 수 있다.

본 개시의 일부 실시예에 따르면, 신속한 계산과 높은 정확도를 제공하여 사용자 편의성을 높일 수 있는 장점이 있다.

본 개시의 일부 실시예에 따르면, 복수의 광원 및 복수의 포토다이오드를 이용하여 복수의 영역에 대한 생리학적 정보가 제공될 수 있다. 신체의 국소적인 영역 뿐만 아니라 신체의 광범위한 부위에 관해서 생리학적 정보를 제공할 수 있다. 또한, 복수의 영역에 대한 생리학적 정보가 제공됨으로써 신체 내부에 포함된 장기의 상태(예를 들어, 방광 내에 저장된 소변량, 방광의 위치 등)를 구체적으로 파악할 수 있다.

본 개시의 일부 실시예에 따르면, 요의를 느끼지 못하는 환자들의 경우 자신의 방광에 관한 생리학적 정보가 실시간으로 또는 주기적으로 제공될 수 있다. 환자는 제공받은 정보를 통해 자신의 방광 내에 저장된 소변량을 모니터링할 수 있고, 적절한 시점에 배뇨를 할 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자('통상의 기술자'라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 생리학적 정보를 추정하기 위한 의료 장치의 예시를 나타내는 개요도이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템, 의료 장치 및 복수의 사용자 단말 사이의 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 제1 내지 제3 포토다이오드를 이용하여 확산광을 검출하는 모습의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 생리학적 정보를 추정하는 과정의 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따른 캘리브레이션 박스를 이용하여 캘리브레이션 파라미터를 생성하는 일 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 캘리브레이션 파라미터를 생성하는 과정의 예시를 나타내는 그래프이다.
도 8은 본 개시의 일 실시예에 따른 캘리브레이션 파라미터를 적용한 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 초기 광 특성값 추정 모델의 학습 과정의 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따른 의료 장치의 예시를 나타내는 도면이다.
도 11은 본 개시의 일 실시예에 따른 복수의 광 데이터를 기초로 생리학적 정보를 추정하는 예시를 나타내는 도면이다.
도 12는 본 개시의 일 실시예에 따른 복수의 광 산란계수 데이터 맵을 기초로 생리학적 정보를 추정하는 예시를 나타내는 도면이다.
도 13은 본 개시의 일 실시예에 따른 생리학적 정보 추정 방법을 설명하기 위한 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

또한, 이하의 실시예들에서 사용되는 제1, 제2, A, B, (a), (b) 등의 용어는 어떤 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것일 뿐, 그 용어에 의해 해당 구성요소의 본질이나 차례 또는 순서 등이 한정되지는 않는다.

또한, 이하의 실시예들에서, 어떤 구성요소가 다른 구성요소에 '연결', '결합' 또는 '접속'된다고 기재된 경우, 그 구성요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성요소 사이에 또 다른 구성요소가 '연결', '결합' 또는 '접속'될 수도 있다고 이해되어야 한다.

본 개시에서, '복수의 A 각각' 은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.

또한, 이하의 실시예들에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

본 개시에서, '확산 반사율(diffuse reflectance)'은 광원의 빛의 세기와 광원으로부터 특정 거리에서 측정된 확산광의 빛의 세기의 비율을 지칭할 수 있다. 여기서, 확산광은 광이 조사된 물체로부터 확산된 광을 지칭할 수 있다. 예를 들어, 광을 신체에 조사한 경우, 확산 반사율은 광원의 빛의 세기와 광원으로부터 특정 거리에서 측정된 확산광의 빛의 세기의 비율을 지칭할 수 있다. 구체적으로, 확산 반사율은 아래 수학식 1과 같이 나타낼 수 있다.

R은 확산 반사율을 의미하고, 는 광원으로부터 특정 거리에서 측정된 확산광의 빛의 세기, 는 광원의 빛의 세기를 의미할 수 있다.

본 개시에서, '시스템 파라미터'는 포토다이오드(photodiode)의 광 검출과 연관된 계수를 지칭할 수 있다. 시스템 파라미터는 비례 계수 및 절편 계수를 포함할 수 있다. 시스템 파라미터의 비례 계수 및 시스템 파라미터의 절편 계수는 아래의 설명을 통해 이해될 수 있다.

포토다이오드가 검출한 광 데이터가 전압 값인 경우, 아래 수학식 2와 같이 나타낼 수 있다.

이 때, 는 포토다이오드가 측정한 전압 값, 는 광원으로부터 특정 거리에서 확산광의 빛의 세기를 나타낼 수 있다. 또한, α는 시스템 파라미터의 비례 계수, β는 시스템 파라미터의 절편 계수를 나타낼 수 있다. 여기서, 시스템 파라미터의 비례 계수는 포토다이오드와 광원의 파장에 의존적인 계수일 수 있다. 시스템 파라미터의 절편 계수는 포토다이오드에 의존적인 계수일 수 있다.

이하, 본 개시의 다양한 실시예들에 대하여 첨부된 도면에 따라 상세하게 설명한다.

도 1은 본 개시의 일 실시예에 따른 생리학적 정보를 추정하기 위한 의료 장치(100)의 예시를 나타내는 개요도이다. 도시된 것과 같이, 의료 장치(100)는 사용자 단말(120)과 송수신할 수 있도록 통신부를 포함할 수 있다. 또한, 의료 장치(100)는 복수의 포토다이오드(112_1 내지 112_20) 및 복수의 광원군(114_1 내지 114_4)를 포함할 수 있다. 의료 장치(100)는 복수의 포토다이오드(112_1 내지 112_20) 및 복수의 광원군(114_1 내지 114_4)를 이용하여 신체와 연관된 광 데이터를 획득할 수 있다. 사용자 단말(120)은 신체와 연관된 광 데이터를 수신하고, 수신된 광 데이터에 기초하여 사용자의 생리학적 정보를 추정할 수 있다. 도 1에서는 의료 장치(100)에 20개의 포토다이오드(112_1 내지 112_20) 및 4개의 광원군(114_1 내지 114_4)이 포함된 것으로 도시하고 있으나, 이에 한정되지 않는다. 즉, 의료 장치(100)에 포함된 포토다이오드의 수와 광원군의 수는 필요에 따라 변경될 수 있다.

일 실시예에서, 의료 장치(100)의 일면에 복수의 포토다이오드(112_1 내지 112_20) 및 복수의 광원군(114_1 내지 114_4)가 배치될 수 있다. 이 경우, 해당 일면이 신체를 향하도록 의료 장치(100)가 신체에 부착될 수 있다. 일 예시에서, 해당 일면이 방광이 위치하는 부위를 향하도록 의료 장치(100)가 신체에 부착될 수 있다.

일 실시예에서, 복수의 광원군(114_1 내지 114_4) 각각은 서로 다른 파장을 가진 6개의 광원을 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 제1 광원군(114_1)은 제1 내지 제6 광원을 포함할 수 있다. 제2 광원군(114_2)은 제7 내지 제12 광원을 포함할 수 있다. 제3 광원군(114_3)은 제13 내지 제18 광원을 포함할 수 있다. 제4 광원군(114_4)은 제19 내지 제24 광원을 포함할 수 있다. 제1 내지 제24 광원 각각은 LD(Laser Diode), LED(Light-Emitting Diode) 또는 OLED(Organic Light-Emitting Diode)일 수 있다. 또한, 제1 내지 제24 광원 각각은 Continuous Wave인 광을 조사할 수 있다.

일 실시예에서, 복수의 광원군(114_1 내지 114_4) 각각에 포함된 복수의 광원은 서로 다른 파장의 광을 조사하도록 구성될 수 있다. 예를 들어, 제1 광원군(114_1)에 포함된 제1 내지 제6 광원 각각은 서로 다른 파장의 광을 조사할 수 있다. 또한, 제2 광원군(114_2)에 포함된 제7 광원 내지 제12 광원 각각은 서로 다른 파장의 광을 조사할 수 있다. 또한, 제3 광원군(114_3)에 포함된 제13 광원 내지 제18 광원 각각은 서로 다른 파장의 광을 조사할 수 있다. 또한, 제4 광원군(114_4)에 포함된 제19 광원 내지 제24 광원 각각은 서로 다른 파장의 광을 조사할 수 있다.

여기서, 서로 다른 광원군의 광원은 동일한 파장의 광을 조사할 수 있다. 예를 들어, 제1, 제7, 제13, 제19 광원은 동일한 파장의 광을 조사할 수 있다. 이와 같이, 제2, 제8, 제14 및 제20 광원은 동일한 파장의 광을 조사할 수 있다. 또한, 제3, 제9, 제15 및 제21 광원은 동일한 파장의 광을 조사할 수 있다. 또한, 제4, 제10, 제16 및 제22 광원은 동일한 파장의 광을 조사할 수 있다. 또한, 제5, 제11, 제17 및 제23 광원은 동일한 파장의 광을 조사할 수 있다. 또한, 제6, 제12, 제18 및 제24 광원은 동일한 파장의 광을 조사할 수 있다.

일 실시예에서, 복수의 포토다이오드(112_1 내지 112_20)는 광을 검출하여 광 데이터를 생성할 수 있다. 구체적으로, 복수의 포토다이오드(112_1 내지 112_20)는 신체로부터 확산된 광인 확산광의 빛의 세기를 검출할 수 있다. 또한, 복수의 포토다이오드(112_1 내지 112_20)는 복수의 광원군(114_1 내지 114_4)에 포함된 광원에 의해 조사된 광원과 연관된 확산광을 검출할 수 있다. 또한, 각 포토다이오드는 확산광을 검출하여 확산광 빛의 세기에 대응한 전압값을 측정할 수 있다. 이 때, 하나의 광원이 켜진 상태에서 하나의 포토다이오드가 확산광을 검출할 수 있다.

일 실시예에서, 사용자 단말(120)은 광 데이터 검출 요청을 의료 장치(100)에 송신할 수 있다. 의료 장치(100)는 광 데이터 검출 요청에 응답하여, 복수의 광원군(114_1 내지 114_4)의 작동 및 복수의 포토다이오드(112_1 내지 112_20)의 검출을 수행할 수 있다. 복수의 광원군(114_1 내지 114_4)의 작동 및 복수의 포토다이오드(112_1 내지 112_20)의 검출에 대한 과정은 도 10에서 상세히 후술한다. 이와 달리, 의료 장치(100)는 사용자 단말(120)로부터 광 데이터 검출 요청을 수신하지 않고, 주기적으로 광 데이터를 검출하여 사용자 단말(120)로 전송할 수 있다.

일 실시예에서, 의료 장치(100)는 복수의 포토다이오드(112_1 내지 112_20)를 통해 검출된 복수의 광 데이터를 사용자 단말(120)로 송신할 수 있다. 사용자 단말(120)에 포함된 프로세서는 복수의 광 데이터를 기초로 생리학적 정보를 추정할 수 있다. 여기서, 생리학적 정보는 수분(H₂O)에 대한 정보, 지방(fat)에 대한 정보, 산소화 헤모글로빈(HbO₂)에 대한 정보, 탈산소화 헤모글로빈(HHb)에 대한 정보, 방광 모니터링 정보(배뇨 시점 알림, 도뇨 시점 알림, 방광 소변량 등) 등을 포함할 수 있다. 복수의 광 데이터를 기초로 생리학적 정보를 추정하는 방법에 관해서는 도 4 내지 도 12를 통해 상세히 후술한다. 이와 달리, 의료 장치(100)가 광 데이터를 사용자 단말(120)로 전송하지 않고, 직접 광 데이터에 기초하여 생리학적 정보를 추정할 수 있다.

이러한 구성에 의해, 의료 장치(100)를 통해 획득된 광 데이터를 기초로 생리학적 정보를 추정할 수 있다. 추가적으로, 추정된 생리학적 정보는 사용자 단말(120)을 통해 사용자에게 제공될 수 있다. 이와 같이, 본 개시에 따른 발명은 의사 등의 전문가 도움 없이 생리학적 정보를 사용자에게 제공할 수 있다. 또한, 본 개시에 따른 발명은 사용 방법이 간단하여 사용자 편의성이 높고, 개인 맞춤형으로써 수요자 접근성이 높을 수 있다.

도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템(230), 의료 장치(240) 및 복수의 사용자 단말(210_1, 210_2, 210_3) 사이의 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 도시된 바와 같이, 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 생리학적 정보 추정 서비스를 제공할 수 있는 정보 처리 시스템(230) 및 의료 장치(240)와 연결될 수 있다. 여기서, 복수의 사용자 단말(210_1, 210_2, 210_3)은 생리학적 정보 추정 서비스를 제공받는 사용자의 단말을 포함할 수 있다.

일 실시예에 따르면, 정보 처리 시스템(230)은 생리학적 정보 추정 서비스 제공 등과 연관된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다.

정보 처리 시스템(230)에 의해 제공되는 생리학적 정보 추정 서비스는 복수의 사용자 단말(210_1, 210_2, 210_3) 각각에 설치된 생리학적 정보 추정 서비스 애플리케이션 등을 통해 사용자에게 제공될 수 있다. 예를 들어, 정보 처리 시스템(230)은 생리학적 정보 추정 서비스 애플리케이션 등을 통해 사용자 단말(210_1, 210_2, 210_3) 및/또는 의료 장치(240)로부터 수신되는 생리학적 정보 추정과 연관된 정보를 제공하거나 대응하는 처리를 수행할 수 있다.

일 실시예에 따르면, 정보 처리 시스템(230)은 광 데이터를 기초로 생리학적 정보를 추정할 수 있다. 여기서, 광 데이터는 의료 장치(240)에 의해 측정된 데이터일 수 있다. 정보 처리 시스템(230)은 의료 장치(240)로부터 광 데이터를 직접 받거나, 사용자 단말(210_1, 210_2, 210_3)을 통해 광 데이터를 받을 수 있다. 정보 처리 시스템(230)은 생리학적 정보 추정 결과를 사용자 단말(210_1, 210_2, 210_3) 및/또는 의료 장치(240)로 제공할 수 있다.

복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230) 및 의료 장치(240)와 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3), 정보 처리 시스템(230) 및 의료 장치(240) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 생리학적 정보 추정 서비스 애플리케이션 또는 웹 브라우저 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, AI 스피커, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스, 셋톱 박스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230) 및 의료 장치(240)와 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230) 및 의료 장치(240)와 통신하도록 구성될 수도 있다.

도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 생리학적 정보 추정 서비스 애플리케이션 등을 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 사용자 단말(210)에 설치되어 구동되는 생리학적 정보 추정 서비스 애플리케이션 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(312, 332)에 로딩될 수 있다.

프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(316, 336)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 광 데이터 및 생리학적 정보 추정 요청 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다.

입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.

사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 사용자 단말(210)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 이미지 센서, 근접 센서, 터치 센서, 조도 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(210)에 더 포함되도록 구현될 수 있다.

생리학적 정보 추정 서비스 애플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.

사용자 단말(210)의 프로세서(314)는 입출력 장치(320), 다른 사용자 단말, 정보 처리 시스템(230) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(314)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공될 수 있다. 사용자 단말(210)의 프로세서(314)는 입출력 인터페이스(318)를 통해 입출력 장치(320)로 정보 및/또는 데이터를 전송하여, 출력할 수 있다. 예를 들어, 프로세서(314)는 수신한 정보 및/또는 데이터를 사용자 단말(210)의 화면에 디스플레이할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말(210) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)에 제공할 수 있다.

도 4는 본 개시의 일 실시예에 따른 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3)를 이용하여 확산광을 검출하는 모습의 예시를 나타내는 도면이다. 도시된 바와 같이, 광원(420)은 신체의 일부인 조직(tissue, 410)을 향해 광을 조사할 수 있다. 이 때, 광원에 의해 조사된 광의 빛의 세기는 일 수 있다. 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3)는 조직(410)에 의해 확산된 확산광을 검출할 수 있다. 이 때, 제1 포토다이오드에 도달하는 확산광의 빛의 세기는 , 제2 포토다이오드에 도달하는 확산광의 빛의 세기는 , 제3 포토다이오드에 도달하는 확산광의 빛의 세기는 일 수 있다. 이 때, 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3) 각각은 광원으로부터 거리가 서로 상이할 수 있다.

일 실시예에서, 광원(420)은 도 1에서 설명한 의료 장치(100)의 제1 내지 제24 광원 중 하나일 수 있다. 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3)는 도 1에서 설명한 의료 장치(100)의 복수의 포토다이오드(112_1 내지 112_20) 중 일부일 수 있다. 즉, 광원(420), 제1 포토다이오드(430_1), 제2 포토다이오드(430_2) 및 제3 포토다이오드(430_3)의 예시에 관한 설명을 통해 복수의 포토다이오드에 의해 검출된 광 데이터를 기초로 정규화된 확산 반사율 산출 과정이 이해될 수 있다.

일 실시예에서, 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3)는 광 데이터를 검출할 수 있다. 구체적으로, 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3)는 검출된 확산광의 빛의 세기에 대응하는 전압값을 측정할 수 있다. 예를 들어, 제1 포토다이오드(430_1)는 의 확산광에 대응하는 전압값으로 을 측정할 수 있다. 또한, 제2 포토다이오드(430_2)는 의 확산광에 대응하는 전압값으로 을 측정할 수 있다. 또한, 제3 포토다이오드(430_3)는 의 확산광에 대응하는 전압값으로 을 측정할 수 있다. 여기서, 복수의 측정된 전압값은 상술한 수학식 2를 만족할 수 있다. 즉, 상술한 수학식 2를 이용하여 제1 포토다이오드(430_1)의 확산 반사율 은 , 제2 포토다이오드(430_2)의 확산 반사율 는 , 그리고 제3 포토다이오드(430_3)의 확산 반사율 는 일 수 있다.

일 실시예에서, 측정된 전압값은 캘리브레이션 파라미터를 이용하여 보정될 수 있다. 보정된 전압값은 아래 수학식 3과 같이 나타낼 수 있다.

여기서, 는 제i 포토다이오드의 보정된 전압값, 는 제i 포토다이오드의 측정된 전압값(보정전 전압값), 은 제i 포토다이오드에 대한 캘리브레이션 파라미터의 절편 계수, 은 제i 포토다이오드에 대한 캘리브레이션 파라미터의 비례 계수, 은 제i 포토다이오드에 대한 시스템 파라미터의 비례 계수, 은 제i 포토다이오드에 대한 시스템 파라미터의 절편 계수, 은 보정된 비례 계수를 의미할 수 있다. 이 때, 보정된 비례 계수는 복수의 포토다이오드에 대해 모두 동일할 수 있다. 또한, 캘리브레이션 파라미터의 비례 계수는 이고, 캘리브레이션 파라미터의 절편 계수는 일 수 있다. 캘리브레이션 파라미터의 생성 방법에 대해서는 도 6 내지 도 8에서 상세히 후술한다.

일 실시예에서, 시스템 파라미터는 각각의 포토다이오드마다 상이할 수 있다. 구체적으로, 제조 공정의 오차, 연결된 회로 장치 등의 영향으로 각각의 포토다이오드에 대한 시스템 파라미터의 비례 계수는 서로 상이할 수 있다. 상술한 수학식 3과 같이 각각의 포토다이오드의 시스템 파라미터는 캘리브레이션 파라미터를 이용하여 동일하게 보정될 수 있다.

정규화된 확산 반사율은 특정 포토다이오드의 확산 반사율을 기준으로 다른 포토다이오드의 확산 반사율의 상대적인 관계를 의미할 수 있다. 여기서, 정규화된 확산 반사율은 보정된 전압값에 기초하여 산출될 수 있다. 구체적으로 정규화된 확산 반사율은 아래의 수학식 4을 통해 이해될 수 있다. 이 때, 수학식 4는 수학식 1, 수학식 2 및 수학식 3을 통해 유도될 수 있다.

여기서, 는 정규화된 확산 반사율, 는 제i 포토다이오드의 확산 반사율, 은 제i 포토다이오드의 보정된 측정 전압값을 의미할 수 있다. 또한, 는 기준이 되는 특정 포토다이오드의 확산 반사율, 는 기준이 되는 특정 포토다이오드의 보정된 측정 전압값을 의미할 수 있다. 이 때, 각 포토다이오드는 빛의 세기(가 동일한 광으로부터 확산된 광을 검출할 수 있다. 즉, 위 수학식 4에서 는 서로 소거될 수 있다. 또한, 각 포토다이오드에 대한 보정된 비례 계수는 서로 동일할 수 있다. 즉, 위 수학식 4에서 은 서로 소거될 수 있다. 이와 같이, 정규화된 확산 반사율은 보정된 전압값을 기초로 산출될 수 있다.

도시된 일 예시에 따르면, 제1 포토다이오드(430_1)는 광원(420)과 가장 가까이 위치할 수 있다. 광원(420)과 가장 가까운 제1 포토다이오드(430_1)는 정규화된 확산 반사율을 산출하기 위한 기준으로 선택될 수 있다. 이 경우, 제2 포토다이오드(430_2)의 정규화된 확산 반사율 은 일 수 있다. 유사하게, 제3 포토다이오드(430_3)의 정규화된 확산 반사율 은 일 수 있다.

도 4에서는 광원(420) 및 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3)과 연관된 정규화된 확산 반사율을 산출하는 과정이 상세히 설명되었다. 광원(420) 및 제1 내지 제3 포토다이오드(430_1, 430_2, 430_3)와 연관된 정규화된 확산 반사율을 기초로 생리학적 정보를 추정하는 방법에 대해서 도 5에서 상세히 후술한다.

도 5는 본 개시의 일 실시예에 따른 생리학적 정보를 추정하는 과정의 예시를 나타내는 도면이다. 제1 광 데이터(510_1)는 제1 포토다이오드에 의해 생성된 데이터일 수 있다. 제2 광 데이터(510_2)는 제2 포토다이오드에 의해 생성된 데이터일 수 있다. 제3 광 데이터(510_3)는 제3 포토다이오드에 의해 생성된 데이터일 수 있다. 각 포토다이오드가 검출한 빛의 세기에 대응하는 전압값을 측정하는 경우, 복수의 광 데이터(510_1, 510_2, 510_3)는 측정된 전압값일 수 있다. 예를 들면, 제1 광 데이터(510_1)는 도 4에서 상술한 제1 포토다이오드의 측정된 전압값일 수 있다. 유사하게, 제2 광 데이터(510_2)는 도 4에서 상술한 제2 포토다이오드의 측정된 전압값일 수 있다. 또한, 제3 광 데이터(510_3)는 도 4에서 상술한 제3 포토다이오드의 측정된 전압값일 수 있다.

일 실시예에서, 보정부(520)는 복수의 광 데이터(510_1, 510_2, 510_3)를 기초로 캘리브레이션 파라미터(512)를 이용하여 복수의 보정된 광 데이터(522_1, 522_2, 522_3)를 산출할 수 있다. 구체적으로, 복수의 광 데이터(510_1, 510_2, 510_3) 각각이 보정되어, 복수의 보정된 광 데이터(522_1, 522_2, 522_3) 각각이 산출될 수 있다. 예를 들면, 보정된 제1 광 데이터(522_1)는 도 4에서 상술한 제1 포토다이오드의 보정된 전압값일 수 있다. 유사하게, 보정된 제2 광 데이터(522_2)는 도 4에서 상술한 제2 포토다이오드의 보정된 전압값일 수 있다. 또한, 제3 광 데이터(522_3)는 도 4에서 상술한 제3 포토다이오드의 보정된 전압값일 수 있다. 캘리브레이션 파라미터(512)를 이용하여 광 데이터가 보정되는 과정은 도 4에서 상술한 내용을 통해 이해될 수 있다.

일 실시예에서, 확산반사율 산출부(530)는 복수의 보정된 광 데이터(522_1, 522_2, 522_3)에 기초하여 복수의 정규화된 확산 반사율(532_1, 532_2)을 산출할 수 있다. 예를 들어, 보정된 제1 광 데이터(522_1) 및 보정된 제2 광 데이터(522_2)에 기초하여 제2 포토다이오드의 정규화된 확산 반사율(532_1)이 산출될 수 있다. 유사하게, 보정된 제1 광 데이터(522_1) 및 보정된 제3 광 데이터(522_3)에 기초하여 제3 포토다이오드의 정규화된 확산 반사율(532_2)이 산출될 수 있다. 정규화된 확산 반사율을 산출하는 과정은 도 4에서 상술한 내용을 통해 이해될 수 있다.

일 실시예에서, 광 흡수계수(absorption coefficient) 및 광 산란계수(reduced scattering coefficient)는 복수의 정규화된 확산 반사율(532_1, 532_2)을 기초로 추정될 수 있다. 여기서, 광 흡수계수는 생체 조직에서 파장별 광이 흡수되는 정도에 따라 생체 조직의 생리학적 성분을 분석하기 위한 생체 조직의 광학적 계수일 수 있다. 또한, 광 산란계수는 생체조직의 구조적인 특성을 나타내는 광학적 계수일 수 있다. 예를 들어, 지방 셀(cell)이 큰 비만 환자의 지방 조직은 광의 산란이 상대적으로 적게 일어나고, 지방 셀이 작은 정상체중 환자의 지방 조직은 광의 산란이 상대적으로 잘 일어날 수 있다. 도시된 것과 같이, 광 흡수계수 및 광 산란계수를 추정하기 위해 초기 광 특성값 추정 모델(540) 및/또는 수치적 솔버(550)를 이용할 수 있다.

일 실시예에서, 초기 광 특성값 추정 모델(540)은 복수의 정규화된 확산 반사율(532_1, 532_2)을 기초로 특정 영역에 대한 초기 광 특성값를 추정할 수 있다. 여기서, 특정 영역은 제2 포토다이오드 및 제3 포토다이오드와 연관된 신체 분위일 수 있다. 초기 광 특성값은 초기 광 산란계수(542) 및 초기 광 흡수계수(544)를 포함할 수 있다. 예를 들어, 초기 광 특성값 추정 모델(540)은 복수의 광 특성값 및 복수의 광 특성값과 연관된 정규화된 이론 확산 반사율을 학습한 인공신경망 모델(예를 들어, 딥러닝 기반 모델)일 수 있다. 초기 광 특성값 추정 모델(540)의 학습 과정에 대해서는 도 9에서 상세히 후술한다.

일 실시예에서, 수치적 솔버(numerical solver, 550)는 초기 광 특성값을 기초하여 최종 광 특성값을 추정할 수 있다. 이 때, 최종 광 특성 값은 최종 광 산란계수(554) 및 최종 광 흡수계수(556)를 포함할 수 있다. 일 예시에서, 수치적 솔버(550)는 Levenberg-Marquardt 알고리즘을 이용할 수 있다. 구체적으로, 수치적 솔버(550)는 초기 광 특성값, 복수의 정규화된 확산 반사율(532_1, 532_2)을 초기값으로 입력 받고, 확산 반사율 이론식(552)에 기초하여 최종 광 특성값을 추정할 수 있다.

여기서, 확산 반사율 이론식(552)은 아래 수학식 5와 같다.

여기서, 은 이론 확산 반사율, 는 광원과 포토다이오드 사이의 거리, 는 광 흡수계수, 는 광 산란계수를 의미할 수 있다. 또한, 는 이고, 는 유효감쇄계수(effective attentuatuon coefficient)로서, 일 수 있다. 는 Extrapolate boundary condition의 핵심으로서, 광자의 Flux가 사라진다고 가정하는 가상경계의 값일 수 있다. 는 광원에 대응하여 이론적으로 산출할 수 있는 값일 수 있다. 또한, , 일 수 있다. 여기서, 는 일 수 있다. 위 수학식 5는 , , 에 대한 방정식으로 이해될 수 있다.

일 실시예에서, 수치적 솔버(550)는 특정 영역에 대한 초기 광 특성값 및 복수의 정규화된 확산 반사율(532_1, 532_2)을 초기값으로 입력 받고, 확산 반사율 이론식(552)에 기초하여 특정 영역에 대한 최종 광 특성값을 추정할 수 있다. 구체적으로, 특정 영역에 대한 초기 광 산란계수(542), 특정 영역에 대한 초기 광 흡수계수(544), 제2 포토다이오드의 정규화된 확산 반사율(532_1) 및 제3 포토다이오드의 정규화된 확산 반사율(532_2)이 한 개의 세트로 수치적 솔버(550)에 입력되고, 특정 영역에 대한 최종 광 산란계수(554) 및 특정 영역에 대한 최종 광 흡수계수(556)가 추정될 수 있다.

일 실시예에서, 생리학적 정보 추정부(560)는 최종 광 특성값에 기초하여 특정 영역의 생리학적 정보(564)를 추정할 수 있다. 구체적으로, 생리학적 정보(564)는 흡광 계수(extinction coefficient, 562), 최종 광 산란계수(554) 및 최종 광 흡수계수(556)에 기초하여 추정될 수 있다. 예를 들어, 흡광 계수(562)는 아래 표 1과 같이 흡광 계수 매트릭스(extinction coefficient matrix)로 나타낼 수 있다.

는 제i 파장에 대한 산소화 헤모글로빈의 흡광 계수, 는 제i 파장에 대한 탈산소화 헤모글로빈의 흡광 계수, 는 제i 파장에 대한 수분의 흡광 계수, 는 제i 파장에 대한 지방의 흡광 계수일 수 있다. 여기서, 흡광 계수 매트릭스는 4 X 6 매트릭스일 수 있으나 이에 한정되지 않는다. 예를 들어, 흡광 계수 매트리스의 크기는 포토다이오드의 수, 광원의 수 등에 따라 변경될 수 있다.

일 실시예에서, 표 1과 같은 흡광 계수 매트릭스의 역행렬(pseudo inverse maxtrix of extinction coefficient matrix)이 산출될 수 있다. 흡광 계수 매트릭스의 역행렬을 이용하여 파장별 광 흡수계수를 기초로 생리학적 정보(564)를 산출할 수 있다. 구체적으로, 파장별 광 흡수계수와 흡광 계수 매트릭스의 역행렬을 곱한 아래 수학식 6을 통해 생리학적 정보를 산출하는 과정을 살펴본다.

는 제i 파장에 대한 산소화 헤모글로빈의 역행렬 흡광 계수, 는 제i 파장에 대한 탈산소화 헤모글로빈의 역행렬 흡광 계수, 는 제i 파장에 대한 수분의 역행렬 흡광 계수, 는 제i 파장에 대한 지방의 역행렬 흡광 계수일 수 있다. 또한, [HbO2]은 산소 헤모글로빈 함량, [HHb]은 탈산소화 헤모글로빈 함량, [H₂O]은 수분 함량, [Fat]은 지방 함량, 은 제i 파장에 대한 광 흡수계수를 의미할 수 있다. 여기서 산소 헤모글로빈 함량 및 탈산소화 헤모글로빈 함량은 mol 단위의 절대값으로 산출되고, 수분 함량 및 지방 함량은 %단위의 상대값으로 산출될 수 있다.

위 수학식 6에서 일부를 살펴보면, 산소 헤모글로빈의 함량은 = 일 수 있다. 이 경우, 최종 광 흡수계수(556)는 , , , , 및 중 하나 일 수 있다. 이와 같이, 파장별 광 흡수계수를 기초로 흡광 계수 매트릭스의 역행렬을 이용하여 산소 헤모글로빈의 함량, 탈산소화 헤모글로빈의 함량, 수분 함량, 지방 함량을 추정할 수 있다.

도 5에는 하나의 광원에서 조사하는 광을 이용하여 생리학적 정보(564)를 추정하는 예시가 도시되었으나, 이에 한정되지 않는다. 예를 들어, 서로 상이한 파장을 가진 광원들을 이용하여 신체에 광이 조사되고, 포토다이오드들이 확산광 세기를 검출할 수 있다. 구체적으로, 제1 파장의 광을 조사하는 광원, 제2 파장의 광을 조사하는 광원, 제3 파장의 광을 조사하는 광원, 제4 파장의 광을 조사하는 광원, 제5 파장의 광을 조사하는 광원 및 제6 파장의 광을 조사하는 광원을 포함하는 광원군이 이용될 수 있다. 이 경우, 6개 파장의 광과 연관된 복수의 광 데이터에 기초하여 특정 영역에 대한 6개의 최종 광 흡수계수(556)를 추정할 수 있다. 그 후, 특정 영역에 대한 6개의 최종 광 흡수계수(556)를 기초로 흡광 계수 매트릭스의 역행렬을 이용하여 특정 영역에 대한 산소 헤모글로빈의 함량, 탈산소화 헤모글로빈의 함량, 수분 함량, 지방 함량을 추정할 수 있다.

정리하면, 3개의 광 데이터를 기초로 특정 영역에 대한 1개의 광 흡수 계수를 추정할 수 있다. 6개의 서로 다른 파장의 광이 이용되는 경우, 각각의 파장과 연관된 3개의 광 데이터를 기초로 특정 영역에 대한 6개의 광 흡수 계수를 추정할 수 있고, 6개의 광 흡수 계수를 기초로 특정 영역에 대한 4개의 함량 정보(산소 헤모글로빈의 함량, 탈산소화 헤모글로빈의 함량, 수분 함량, 지방 함량)를 추정할 수 있다.

도 5에는 3개의 포토다이오드가 검출하는 광 데이터를 이용하여 생리학적 정보(564)를 추정하는 예시가 도시되었으나, 이에 한정되지 않는다. 예를 들어, 3개의 포토다이오드보다 많은 수의 포토다이오드(예를 들어, 20개)가 사용될 수 있다. 이 경우, 복수의 영역에 대한 생리학적 정보(564) 추정이 가능하다.

도 4 및 도 5에서 설명한 방법을 통해 도 1에 개시된 의료 장치(100)의 일 예시에 대한 생리학적 정보 추정 과정이 이해될 수 있다. 도 1에 개시된 의료 장치(100)의 일 예시에 대한 광 데이터 구조 흐름에 대해서는 도 10 내지 도 12에서 상세히 후술한다.

도 6은 본 개시의 일 실시예에 따른 캘리브레이션 박스(610)를 이용하여 캘리브레이션 파라미터를 생성하는 일 예시를 나타내는 도면이다. 일 실시예에서, 캘리브레이션 박스(610)의 일면에 복수의 포토다이오드용 개구(612_1 내지 612_20) 및 복수의 광원군용 개구(614_1 내지 614_4)가 형성될 수 있다. 복수의 포토다이오드용 개구(612_1 내지 612_20) 각각은 도 1에 개시된 의료 장치(100)에 포함된 복수의 포토다이오드(112_1 내지 112_20) 각각의 위치에 대응될 수 있다. 또한, 복수의 광원군용 개구(614_1 내지 614_4) 각각은 도 1에 도시된 의료 장치(100)에 포함된 복수의 광원군(114_1 내지 114_4) 각각의 위치에 대응될 수 있다. 이 경우, 복수의 포토다이오드(112_1 내지 112_20) 및 복수의 광원군(114_1 내지 114_4)이 배치된 의료 장치(100)의 일면이 복수의 개구(612_1 내지 612_20 및 614_1 내지 614_4)가 형성된 캘리브레이션 박스(610)의 일면을 향하도록 의료 장치(100)가 캘리브레이션 박스(610)에 배치될 수 있다.

캘리브레이션 박스(610)는 20개의 포토다이오드용 개구(612_1 내지 612_20) 및 4개의 광원군용 개구(614_1 내지 614_4)가 형성된 것으로 도시되어 있으나 이에 한정되지 않는다. 즉, 캘리브레이션 박스(610)에 형성된 개구 수는 도 1에 개시된 의료 장치(100)에 포함된 포토다이오드의 수 및 광원군의 수에 따라 변경될 수 있다.

일 실시예에서, 캘리브레이션 박스(610)는 내부에 표준 반사 물체를 포함할 수 있다. 표준 반사 물체는 조사된 광을 확산(및/또는 반사, 이하 '확산'으로 통일하여 설명함) 시킬 수 있다. 또한, 표준 반사 물체에 관한 광학적 정보(예를 들어, 파장별 확산 반사율 등)는 사전에 정의되어 있을 수 있다.

일 실시예에서, 캘리브레이션 파라미터를 생성하기 전에, 캘리브레이션 박스(610)를 이용하여 LUT(Look Up Table)를 생성할 수 있다. 이 때, LUT는 복수의 포토다이오드용 개구(612_1 내지 612_20) 사이의 확산광의 빛의 세기에 관한 상대적 관계 정보를 포함할 수 있다. 구체적으로, LUT는 각 포토다이오드 개구에 도달하는 확산광의 빛의 세기의 비율에 관한 정보를 포함할 수 있다.

일 예시에서, LUT에 포함된 정보는 다음과 같이 생성될 수 있다. 제1 광원을 제1 광원군용 개구(614_1)에 위치시킬 수 있다. 그 후, 특정 포토다이오드를 제1 포토다이오드용 개구(612_1)에 위치시킬 수 있다. 여기서, 특정 포토다이오드에 대한 시스템 파라미터의 절편 계수 영향을 제거하기 위해, 특정 포토다이오드에 광이 검출되지 않을 때 특정 포토다이오드의 측정된 전압값이 0이 되도록 오프셋(offset)이 설정될 수 있다.

제1 광원에 의해 광을 표준 반사 물체에 조사하는 상태에서 특정 포토다이오드는 확산광을 검출할 수 있다. 이 때, 특정 포토다이오드의 측정 전압값은 일 수 있다. 그 후, 특정 포토다이오드를 제2 포토다이오드용 개구(612_2)에 위치시킬 수 있다. 제1 광원에 의해 광을 표준 반사 물체에 조사하는 상태에서 특정 포토다이오드는 확산광을 검출할 수 있다. 이 때, 특정 포토다이오드의 측정 전압값은 일 수 있다. 마찬가지로 특정 포토다이오드를 제3 내지 제20 포토다이오드용 개구(612_3 내지 612_20)에 위치시킨 뒤, 특정 포토다이오드는 제3 내지 제20 포토다이오드용 개구(612_3 내지 612_20) 각각에 대응하여 , … 의 전압값을 측정할 수 있다. 위 과정 동안 제1 광원의 빛의 세기는 변경되지 않는다.

측정된 전압값의 상대적인 관계를 산출하기 위해, 복수의 포토다이오드용 개구(612_1 내지 612_20)에서 측정된 전압값 중 하나를 기준으로 선택할 수 있다. 예를 들어, 제1 광원군용 개구(614_1)와 가장 가까운 제3 포토다이오드용 개구(612_3)에서 측정된 전압값 가 기준으로 선택될 수 있다. 제3 포토다이오드용 개구(612_3)에서 측정된 전압값 을 기준으로 각 포토다이오드용 개구에서 측정된 전압값의 비율을 구하면 아래의 표 2와 같이 나타낼 수 있다.

표 2에 개시된 측정된 전압값의 비율은 확산광의 빛의 세기 비율을 나타낼 수 있다. 예를 들면, 제1 포토다이오드용 개구(612_1)에 도달한 확산광의 빛의 세기는 제3 포토다이오드용 개구(612_3)에 도달한 확산광의 빛의 세기에 /의 비율을 곱한 값과 같다. 이와 같이, 광원의 빛의 세기가 동일한 경우 LUT는 확산광의 위치별 빛의 세기 비율 정보를 포함할 수 있다.

일 실시예에서, LUT는 조사된 광의 파장별로 확산광의 위치별 빛의 세기 비율 정보를 테이블의 형태로 저장할 수 있다. 이 경우, LUT는 제1 파장(예를 들어, 제1 광원)과 연관된 테이블, 제2 파장(예를 들어, 제2 광원)과 연관된 테이블로 구분하여 저장할 수 있다. 예를 들어, 6개의 서로 다른 파장(예를 들어, 제1 광원 내지 제6 광원)의 광이 이용되는 경우, 6개의 파장에 대해 6개의 테이블을 생성할 수 있고, 1개의 테이블당 20개의 확산광의 빛의 세기의 비율 정보가 생성될 수 있다.

상술한 수학식 1에서 확인할 수 있듯이, 각 포토다이오드에 도달하는 확산광의 빛의 세기는 광원의 빛의 세기와 비례할 수 있다. 또한, LUT에 포함된 정보를 이용하여 다른 포토다이오드에 도달하는 확산광의 빛의 세기는 특정 포토다이오드에 도달하는 확산광의 빛의 세기에 비례할 수 있다. 종합하면, 각 포토다이오드에 도달하는 확산광의 빛의 세기 정보는 LUT에 포함된 정보를 이용하여 광원의 빛의 세기 정보를 보정함으로써 생성될 수 있다. LUT에 포함된 정보를 이용하여 광원의 빛의 세기 정보를 보정하는 과정의 예시를 도 7에서 상세히 후술한다.

일 실시예에서, LUT를 이용하여 보정된 광원의 빛의 세기 정보를 기초로 캘리브레이션 파라미터를 생성할 수 있다. 구체적으로, 캘리브레이션 파라미터는 복수의 포토다이오드 각각에 대해 생성될 수 있다. 여기서, 캘리브레이션 파라미터는 비례 계수 및 절편 계수를 포함할 수 있다.

캘리브레이션 파라미터 생성 과정은 도 1에 개시된 복수의 포토다이오드(112_1 내지 112_20) 및 복수의 광원군(114_1 내지 114_4)을 기준으로 설명한다. 복수의 포토다이오드(112_1 내지 112_20) 및 복수의 광원군(114_1 내지 114_4)이 배치된 의료 장치(100)의 일면이 복수의 개구(612_1 내지 612_20 및 614_1 내지 614_4)가 형성된 캘리브레이션 박스(610)의 일면을 향하도록 의료 장치(100)를 캘리브레이션 박스(610)에 배치시킬 수 있다.

제1 검출 과정은 제1 광원에 의해 표준 반사 물체에 광이 조사되는 상태에서 제1 포토다이오드가 확산광을 검출하는 과정을 포함할 수 있다. 이 때, 제1 광원군에 포함된 제1 광원이 가장 먼저 조사될 수 있으나, 이에 한정되지 않고 제2 내지 제24 광원 중 하나가 먼저 조사될 수 있다. 제1 검출 과정은 제1 광원에 의해 표준 반사 물체에 광이 조사되는 상태에서, 제2 포토다이오드(112_2)가 확산광을 검출하는 과정을 포함할 수 있다. 결국, 제1 검출 과정은 제1 광원에 의해 광이 조사되는 상태에서 복수의 포토다이오드(112_1 내지 112_20) 모두가 확산광을 검출하는 과정을 포함할 수 있다. 여기서, 제1 검출 과정 동안 제1 광원의 빛의 세기는 일정할 수 있다. 제2 검출 과정은 제1 검출 과정에서 제1 광원의 빛의 세기를 변경하는 것 외에는 제1 검출 과정과 동일할 수 있다. 유사하게, 제1 광원의 빛의 세기를 변경한 제3 검출 과정 내지 제n 검출 과정이 연속적으로 수행될 수 있다. 이러한 검출 과정은 수십 회 수행될 수 있다. 일 예시에서, 검출 과정이 진행됨에 따라 제1 광원의 빛의 세기를 지속적으로 증가시키거나 감소시킬 수 있다.

연속된 검출 과정을 통해 각 포토다이오드에 대하여 광원의 빛의 세기에 따른 측정값 그래프를 생성할 수 있다. 이 때, LUT 정보를 이용하여 각 포토다이오드에 대하여 확산광의 빛의 세기에 따른 측정값 그래프를 생성할 수 있다. 그 후, 확산광의 빛의 세기에 따른 측정값 그래프를 기초로 각 포토다이오드에 대하여 추세선을 생성할 수 있다. 그 후, 생성된 추세선 방정식을 기초로 캘리브레이션 파라미터를 생성할 수 있다. 도 7에서는 추세선 생성 과정을, 도 8에서는 추세선 방정식을 기초로 캘리브레이션 파라미터 생성하는 과정을 상세히 후술한다.

도 7은 본 개시의 일 실시예에 따른 캘리브레이션 파라미터를 생성하는 과정의 예시를 나타내는 그래프이다. 도 7에서는 설명의 편의를 위해 도 1에 도시된 2개의 포토다이오드 즉, 제1 포토다이오드(112_1) 및 제3 포토다이오드(112_3)를 중심으로 설명한다.

제1 그래프(710)는 제1 검출 과정을 통해 구한 확산광의 빛의 세기에 따른 측정값 그래프다. x축은 확산광의 빛의 세기이며, y축은 측정 전압값이다. 제1 포토다이오드의 제1 측정값(712)은 이고, 제3 포토다이오드의 제1 측정값(714)은 일 수 있다. 이 때, , 는 LUT에 포함된 /의 , 과 상이할 수 있다. 여기서, 제3 포토다이오드의 제1 측정값(714)을 검출할 당시의 광원의 빛의 세기와 제1 포토다이오드의 제1 측정값(712)을 검출할 당시의 광원의 빛의 세기는 동일할 수 있다.

도 6에서 상술한 바와 같이, 특정 포토다이오드에 도달하는 확산광의 빛의 세기는 광원의 빛의 세기에 비례하여 표현될 수 있다. 예를 들어, 제1 검출 과정에서 광원의 빛의 세기가 16 mW인 경우, 제3 포토다이오드(112_3)에 도달하는 확산광의 빛의 세기의 상대값은 8 a.u.일 수 있다.

이 경우, 제1 포토다이오드(112_1)에 도달하는 확산광의 세기는 LUT에 포함된 정보를 기초로 제3 포토다이오드(112_3)에 도달하는 확산광의 세기를 기준으로 한 상대값으로 표현될 수 있다. 구체적으로, 제1 포토다이오드(112_1)에 도달하는 확산광의 세기는 제3 포토다이오드(112_3)에 도달하는 확산광의 세기에 LUT에 포함된 /를 곱한 값일 수 있다. 이 때, LUT에 포함된 / = 1/2인 경우 제3 포토다이오드(112_3)에 도달하는 확산광의 빛의 세기의 상대값은 4 a.u.일 수 있다. 이와 같이, 각 포토다이오드에 도달하는 확산광의 빛의 세기 정보는 LUT에 포함된 정보를 이용하여 광원의 빛의 세기 정보를 보정하여 생성될 수 있다.

제2 그래프(720)는 제1 검출 과정 내지 제5 검출 과정을 통해 구한 확산광의 빛의 세기에 따른 측정값 그래프이다. 도시된 일 예시에서, 검출 과정이 진행됨에 따라 광원의 빛의 세기는 감소할 수 있다. 이에 따라, 제3 포토다이오드(112_3)에 도달하는 확산광의 빛의 세기도 광원의 빛의 세기에 비례하여 감소할 수 있다. 또한, 제1 포토다이오드(112_1)에 도달하는 확산광의 빛의 세기도 제3 포토다이오드(112_3)에 도달하는 확산광의 빛의 세기에 비례하여 감소할 수 있다.

도시된 것과 같이, 제1 포토다이오드의 제1 내지 제5 측정값을 기초로 제1 포토다이오드의 추세선(722)을 생성할 수 있다. 마찬가지로 제3 포토다이오드의 제1 내지 제5 측정값을 기초로 제3 포토다이오드의 추세선(724)을 생성할 수 있다. 상술한 수학식 2에 따르면, 제1 포토다이오드의 추세선(722)은 과 같은 방정식으로 표현될 수 있다. 제3 포토다이오드의 추세선(724)은 과 같은 방정식으로 표현될 수 있다.

상술한 제1 포토다이오드 및 제3 포토다이오드의 추세선에 대한 설명과 유사하게 복수의 포토다이오드의 추세선이 생성될 수 있다. 그 후, 생성된 추세선의 방정식을 기초로 복수의 포토다이오드에 대한 캘리브레이션 파라미터를 생성할 수 있다. 캘리브레이션 파라미터를 생성하는 구체적인 과정에 대해서는 도 8에서 상세히 후술한다.

도 8은 본 개시의 일 실시예에 따른 캘리브레이션 파라미터를 적용한 예시를 나타내는 도면이다. 제1 그래프(810)는 캘리브레이션 파타미터를 이용하기 이전의 복수의 포토다이오드의 추세선(812, 814, 816, 818)을 나타낸 그래프이다. x축은 확산광의 빛의 세기이고, y축은 측정 전압값이다. 제1 그래프(810)를 이용하여 캘리브레이션 파라미터는 아래 수학식 7을 통해 생성될 수 있다.

는 제i 포토다이오드의 보정된 전압값, 는 제i 포토다이오드의 측정된 전압값, 는 제i 포토다이오드에 대한 캘리브레이션 파라미터의 절편 계수, 는 제i 포토다이오드에 대한 캘리브레이션 파라미터의 비례 계수, 는 제i 포토다이오드에 대한 시스템 파라미터의 비례 계수, 는 제i 포토다이오드에 대한 시스템 파라미터의 절편 계수, 는 보정된 비례 계수를 의미할 수 있다.

이 때, 보정된 비례 계수는 복수의 포토다이오드에 대해 모두 동일할 수 있다. 구체적으로, 보정된 비례 계수는 복수의 포토다이오드 중 하나의 시스템 파라미터의 비례 계수와 같은 값으로 선택될 수 있다. 예를 들어, 제3 포토다이오드의 추세선(816)의 방정식에 따른 시스템 파라미터의 비례 계수인 이 보정된 비례 계수로 선택될 수 있다.

상술한 수학식 7을 통해 포토다이오드의 추세선 방정식을 기초로 캘리브레이션 파라미터를 생성할 수 있다. 구체적으로, , 을 만족하는 캘리브레이션 파라미터가 생성될 수 있다. 예를 들어, 제1 포토다이오드에 대한 캘리브레이션 파라미터의 비례 계수는 을 만족할 수 있다. 또한, 제1 포토다이오드에 대한 캘리브레이션 파라미터의 절편 계수는 을 만족할 수 있다. 생성된 캘리브레이션 파라미터는 도 4에서 상술한 것과 같이 복수의 광 데이터를 보정하는데 이용될 수 있다.

일 실시예에서, 시스템 파라미터의 비례 계수는 광원의 파장과 연관될 수 있다. 즉, 는 광원의 파장에 대응하여 상이할 수 있고, 캘리브레이션 파라미터의 비례 계수는 시스템 파라미터의 비례 계수에 대응하여 상이할 수 있다. 반면, 시스템 파라미터의 절편 계수는 광원의 파장과 무관하고, 캘리브레이션 파라미터의 절편 계수는 광원의 파장과 무관할 수 있다.

일 예시에서, 서로 다른 6개의 파장의 광을 이용하는 경우, 각 포토다이오드는 각 파장의 광과 연관된 6개의 추세선을 생성할 수 있다. 이 때, 6개의 추세선의 캘리브레이션 파라미터의 비례 계수는 각각 1개씩, 총 6개가 생성될 수 있다. 또한, 캘리브레이션 파라미터의 비례 계수 및 절편 계수는 각 포토다이오드 별로 생성될 수 있다. 즉, 서로 다른 6개의 파장의 광 및 20개의 포토다이오드가 이용되는 경우 캘리브레이션 파라미터의 비례 계수는 120개, 캘리브레이션 파라미터의 절편 계수는 20개가 생성될 수 있다.

상술한 것과 같이, 복수의 포토다이오드의 추세선(812, 814, 816, 818)을 기초로 각 포토다이오드에 대한 캘리브레이션 파라미터를 생성할 수 있다. 제2 그래프(820)는 캘리브레이션 파라미터를 이용하여 보정된 추세선(822)을 나타낸다. 도시된 것과 같이, 캘리브레이션 파라미터를 이용함으로써, 보정 전 복수의 포토다이오드의 추세선(812, 814, 816, 818)이 하나의 보정된 추세선(822)으로 표시될 수 있다. 이 때, 보정된 추세선(822) 방정식은 일 수 있다. 여기서, 은 보정된 시스템 파라미터의 비례 계수를 나타낸다.

이러한 구성에 의해, 의료 장치에 포함된 복수의 포토다이오드에 대한 시스템 파라미터를 동일하게 보정할 수 있다. 또한, 도 5에서 상술한 것과 같이 동일하게 보정된 시스템 파라미터를 기초로 정규화된 확산 반사율을 산출할 수 있고, 정규화된 확산 반사율을 기초로 생리학적 정보를 추정할 수 있다. 이와 같이, 본 개시의 발명에 따른 의료 장치는 한번의 캘리브레이션 파라미터 생성을 수행한 뒤, 추가적인 캘리브레이션이 불필요할 수 있다. 즉, 본 개시에 따른 발명은 팬텀(phantom)을 이용한 캘리브레이션 수행이 불필요하여, 사용자 편의성을 증대시킬 수 있다.

도 9는 본 개시의 일 실시예에 따른 초기 광 특성값 추정 모델(930)의 학습 과정의 예시를 나타내는 도면이다. 임의의 광 산란계수(912)는 광 산란계수로서 이론적으로 가능한 범위 내의 임의의 값이 선택될 수 있다. 예를 들어, 임의의 광 산란계수(912)는 0.5 ~ 2.00 중 임의의 값이 선택될 수 있다. 유사하게, 임의의 광 흡수계수(914)는 광 흡수계수로서 이론적으로 가능한 범위 내의 임의의 값이 선택될 수 있다. 예를 들어, 임의의 광 흡수계수(914)는 0 ~ 0.08 중 임의의 값이 선택될 수 있다.

일 실시예에서, 정규화된 이론 확산 반사율 산출부(920)는 임의의 광 산란계수(912) 및 임의의 광 흡수계수(914)를 기초로 제1 정규화된 이론 확산 반사율(922_1) 및 제2 정규화된 이론 확산 반사율(922_2)을 산출할 수 있다. 구체적으로, 정규화된 이론 확산 반사율 산출부(920)는 확산 반사율 이론식을 이용하여 임의의 광 산란계수 및 임의의 광 흡수계수로부터 정규화된 이론 확산 반사율을 산출할 수 있다. 확산 반사율 이론식은 상술한 수학식 5와 같이 나타낼 수 있다.

정규화된 이론 확산 반사율 산출부(920)는 한 쌍의 광 특성값을 기초로 한 쌍의 정규화된 이론 확산 반사율을 산출할 수 있다. 예를 들어, 한 쌍의 광 특성값은 임의의 광 산란계수(912) 및 임의의 광 흡수계수(914)를 포함할 수 있다. 또한, 한 쌍의 정규화된 이론 확산 반사율은 제1 정규화된 이론 확산 반사율(922_1) 및 제2 정규화된 이론 확산 반사율(922_2)을 포함할 수 있다. 이 경우, 한 개의 학습데이터는 한 쌍의 광 특성값 및 한 쌍의 정규화된 이론 확산 반사율을 포함할 수 있다.

일 실시예에서, 정규화된 이론 확산 반사율 산출 과정은 아래의 과정과 같을 수 있다. 도 5에서 상술한 바와 같이, 확산 반사율 이론식은 광 산란계수, 광 흡수 계수, 광원에서 포토다이오드 사이의 거리에 관한 방정식일 수 있다. 즉, 임의의 광 산란계수(912), 임의의 광 흡수계수(914) 및 광원에서 제1 포토다이오드 사이의 제1 거리를 기초로 제1 이론 확산 반사율을 산출할 수 있다. 유사하게, 임의의 광 산란계수(912), 임의의 광 흡수계수(914) 및 광원에서 제2 포토다이오드 사이의 제2 거리를 기초로 제2 이론 확산 반사율을 산출할 수 있다. 또한, 임의의 광 산란계수(912), 임의의 광 흡수계수(914) 및 광원에서 제3 포토다이오드 사이의 제3 거리를 기초로 제3 이론 확산 반사율을 산출할 수 있다. 여기서, 제1 정규화된 이론 확산 반사율(922_1)은 제2 이론 확산 반사율을 제1 이론 확산 반사율로 나눈 값일 수 있다. 또한, 제2 정규화된 이론 확산 반사율(922_2)은 제3 이론 확산 반사율을 제1 이론 확산 반사율로 나눈 값일 수 있다. 이 때, 정규화된 이론 확산 반사율 산출부(920)에 제1 거리, 제2 거리 및 제3 거리에 관한 정보가 사전에 입력될 수 있다.

임의의 광 산란계수(912) 및 임의의 광 흡수계수(914)는 복수 개 생성될 수 있다. 복수 쌍의 광 특성계수 각각을 기초로 복수 개의 정규화된 이론 확산 반사율 쌍이 생성될 수 있다. 복수 개의 광 특성계수 및 광 특성계수 쌍에 대응되는 복수 쌍의 정규화된 이론 확산 반사율을 기초로 제1 세트의 학습데이터가 생성될 수 있다. 일 예시에서, 제1 세트의 학습데이터는 20,000,000개의 광 특성 계수 쌍 및 정규화된 이론 확산 반사율 쌍을 포함할 수 있다.

일 실시예에서, 제1 초기 광 특성값 추정 모델(930_1)은 제1 세트의 학습데이터를 이용하여 학습된 딥러닝 기반 모델 또는 머신러닝 기반 모델일 수 있다. 여기서, 머신러닝 기반 모델은 KNN(K-Nearest Neighbors), GB(Gradient Boost), ANN(Artificial Neural Network)중 하나일 수 있다. 제1 세트의 학습 데이터에 기초하여 학습된 제1 초기 광 특성값 추정 모델(930_1)은 제2 포토다이오드의 정규화된 확산 반사율 및 제3 포토다이오드의 정규화된 확산 반사율을 기초로 초기 광 특성값(광 산란계수 및 광 흡수계수)을 추정할 수 있다.

일 실시예에서, 제4 내지 제6 거리는 각각 광원과 제4 내지 제6 포토다이오드 사이의 거리일 수 있다. 정규화된 이론 확산 반사율 산출부(920)에 제4 거리, 제5 거리 및 제6 거리에 관한 정보가 사전에 입력될 수 있다. 이 때, 제4 거리, 제5 거리, 제6 거리는 각각 제1 거리, 제2 거리 및 제3 거리와 상이할 수 있다. 이 경우, 임의의 광 산란계수(912), 임의의 광 흡수계수(914) 및 광원에서 제4 포토다이오드 사이의 제4 거리를 기초로 제4 이론 확산 반사율을 산출할 수 있다. 또한, 임의의 광 산란계수(912), 임의의 광 흡수계수(914) 및 광원에서 제5 포토다이오드 사이의 제5 거리를 기초로 제5 이론 확산 반사율을 산출할 수 있다. 추가로, 임의의 광 산란계수(912), 임의의 광 흡수계수(914) 및 광원에서 제6 포토다이오드 사이의 제6 거리를 기초로 제6 이론 확산 반사율을 산출할 수 있다. 여기서, 제3 정규화된 이론 확산 반사율은 제5 이론 확산 반사율을 제4 이론 확산 반사율로 나눈 값일 수 있다. 또한, 제4 정규화된 이론 확산 반사율은 제6 이론 확산 반사율을 제4 이론 확산 반사율로 나눈 값일 수 있다. 이러한 과정을 반복함으로써 생성된 복수의 학습데이터는 제2 세트의 학습데이터일 수 있다. 제2 초기 광 특성값 추정 모델(930_2)은 제2 세트의 학습데이터에 기초하여 학습될 수 있다.

제7 거리 내지 제9 거리에 대하여, 위의 과정을 반복함으로써, 제3 세트의 학습 데이터를 생성할 수 있다. 이 경우, 제3 초기 광 특성값 추정 모델(930_3)은 제3 세트의 학습데이터에 기초하여 학습될 수 있다. 제10 거리 내지 제12 거리에 대하여, 위의 과정을 반복함으로써, 제4 세트의 학습 데이터를 생성할 수 있다. 이 경우, 제4 초기 광 특성값 추정 모델(930_4)은 제4 세트의 학습데이터에 기초하여 학습될 수 있다. 도 9에서는 4개의 초기 광 특성값 추정 모델(930_1 내지 930_4)을 생성하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 포토다이오드의 개수 및 포토다이오드와 광원의 배치에 따라 임의의 수의 초기 광 특성값 추정 모델이 생성될 수 있다.

제1 거리, 제2 거리 및 제3 거리와 연관된 정규화된 확산 반사율을 기초로 초기 광 특성값을 추정하는 경우, 제1 초기 광 특성값 추정 모델(930_1)이 이용될 수 있다. 유사하게, 제4 거리, 제5 거리 및 제6 거리와 연관된 정규화된 확산 반사율을 기초로 초기 광 특성값을 추정하는 경우, 제2 초기 광 특성값 추정 모델(930_2)이 이용될 수 있다. 제7 거리, 제8 거리 및 제9 거리와 연관된 정규화된 확산 반사율을 기초로 초기 광 특성값을 추정하는 경우, 제3 초기 광 특성값 추정 모델(930_3)이 이용될 수 있다. 유사하게, 제10 거리, 제11 거리 및 제12 거리와 연관된 정규화된 확산 반사율을 기초로 초기 광 특성값을 추정하는 경우, 제4 초기 광 특성값 추정 모델(930_4)이 이용될 수 있다.

상술한 수치적 솔버가 임의의 광 산란계수(912) 및 임의의 광 흡수계수(914)를 초기값으로 입력 받아, 최종 광 산란계수 및 최종 광 흡수계수를 추정하는 경우, 계산 시간이 지나치게 많이 소요되고, 정확도가 낮은 단점이 있다. 본 개시에 따른 발명의 초기 광 특성값 추정 모델(930)을 이용하여 초기 광 산란계수 및 초기 광 흡수계수를 추정한 뒤, 수치적 솔버를 이용하여 최종 광 산란계수 및 최종 광 흡수계수를 추정하는 경우, 계산 시간이 적게 소요되고, 정확도도 높일 수 있다. 이와 같이, 본 개시에 따른 발명은 신속한 계산과 높은 정확도를 제공하여 사용자 편의성을 높일 수 있는 장점이 있다.

도 10은 본 개시의 일 실시예에 따른 의료 장치의 예시를 나타내는 도면이다. 도시된 바와 같이 의료 장치의 일면에 복수의 포토다이오드 및 복수의 광원군(1012, 1014, 1022, 1024)이 배치될 수 있다. 도시된 일 예시는 도 1에 개시된 의료 장치와 동일한 의료 장치일 수 있다. 제1 광원군(1012)은 6개의 광원을 포함할 수 있다. 6개의 광원은 서로 상이한 파장의 광을 조사할 수 있다. 제2 내지 제4 광원군(1014, 1022, 1024)도 각각 서로 상이한 파장의 광을 조사하도록 구성된 6개의 광원을 포함할 수 있다.

일 실시예에서, 의료 장치는 캘리브레이션이 수행된 장치일 수 있다. 예를 들어, 의료 장치에 대한 캘리브레이션은 제조 과정에서 수행될 수 있다. 또한, 의료 장치는 신체에 부착되어 이용될 수 있다. 신체에 부착된 의료 장치가 광 데이터를 검출하는 과정에 대해서 상세히 서술한다.

일 실시예에서, 제1 상태(1010)는 제1 광원군(1012) 및 제3 광원군(1014)과 제1 세트의 포토다이오드(1016)사이의 검출 관계를 나타낼 수 있다. 제1 측정 과정에서 제1 광원군(1012)에 포함된 제1 광원이 광을 조사하는 상태에서 제1 세트의 포토다이오드(1016) 각각이 확산광을 검출할 수 있다. 이 때, 제1 측정 과정 동안 제1 광원의 세기는 일정할 수 있다. 제1 측정 과정이 수행된 후 제1 세트의 포토다이오드(1016)에 의해 제1 광원과 연관된 광 데이터(12개의 측정 전압값)가 검출될 수 있다. 제2 내지 제6 측정 과정 각각은 제1 측정 과정에서 제1 광원 대신 제1 광원군(1012)에 포함된 제2 내지 제6 광원을 이용하는 것 외에는 제1 측정 과정과 동일할 수 있다. 유사하게, 제3 광원군(1014)에 포함된 제13 내지 제18 광원과 연관된 제13 내지 제18 측정 과정이 수행될 수 있다.

일 실시예에서, 제2 상태(1020)는 제2 광원군(1022) 및 제4 광원군(1024)과 제2 세트의 포토다이오드(1026) 사이의 검출 관계를 나타낼 수 있다. 제7 측정 과정에서 제2 광원군(1022)에 포함된 제7 광원이 광을 조사하는 상태에서 제2 세트의 포토다이오드(1026) 각각이 확산광을 검출할 수 있다. 이 때, 제7 측정 과정 동안 제7 광원의 빛의 세기는 일정할 수 있다. 제7 측정 과정이 수행된 후 제2 세트의 포토다이오드(1026)에 의해 제7 광원과 연관된 광 데이터(12개의 측정 전압값)가 검출될 수 있다. 제8 내지 제12 측정 과정 각각은 제7 측정 과정에서 제7 광원 대신 제2 광원군(1022)에 포함된 제8 내지 제12 광원을 이용하는 것 외에는 제7 측정 과정과 동일할 수 있다. 유사하게, 제4 광원군(1024)에 포함된 제19 내지 제24 광원과 연관된 제19 내지 제24 측정 과정이 수행될 수 있다.

제1 내지 제24 측정 과정을 통해 획득된 광 데이터를 기초로 생리학적 정보를 추정하는 과정에 대하여 도 11 및 도 12를 통해 상세히 후술한다. 광 데이터에 기초하여 추정되는 생리학적 정보는 산소 헤모글리빈 함량 정보, 탈산소화 헤모글로빈 함량 정보, 수분 함량 정보, 지방(Fat) 함량 정보, 방광 내의 소변량 등을 포함할 수 있다.

도 11은 본 개시의 일 실시예에 따른 복수의 광 데이터를 기초로 생리학적 정보를 추정하는 예시를 나타내는 도면이다. 도 11에서는 상술한 제1 내지 제24 측정 과정 중 제1 파장(즉, 제1 광원, 제7 광원, 제13 광원 및 제19 광원)과 연관된 제1 측정 과정, 제13 측정 과정, 제7 측정 과정 및 제19 측정 과정을 통해 검출한 광 데이터(측정된 전압값)를 중심으로 설명한다. 여기서 말하는 측정된 전압값은 캘리브레이션 파라미터를 이용하여 보정된 전압값을 의미할 수 있다. 제2 파장 내지 제6 파장과 연관된 광 데이터는 제1 파장과 연관된 광 데이터와 동일한 방식으로 처리될 수 있다.

일 실시예에서, 광 데이터 맵(1110)은 제1 측정 과정, 제7 측정 과정, 제13 측정 과정 및 제19 측정 과정을 통해 검출된 광 데이터를 포함하는 데이터 맵일 수 있다. 여기서, 제y 광원에 대한 제x 포토다이오드가 측정한 전압값은 와 같이 나타낼 수 있다. 예를 들어, 제7 광원에 대한 제1 포토다이오드가 측정한 전압값(1112)은 과 같이 나타낼 수 있다.

도 4에서 상술하였듯이, 정규화된 확산 반사율은 각 포토다이오드의 전압값을 기준 포토다이오드 전압값으로 나눔으로써 산출될 수 있다. 도시된 것과 같이, 제1 광원 및 제13 광원과 연관된 광 데이터에서 제1 광원 및 제13 광원과 가장 가까운 제5 포토다이오드 및 제15 포토다이오드가 기준 포토다이오드로 선택될 수 있다. 예를 들어, 제1 광원과 연관된 복수의 포토다이오드에 관한 첫번째 행에서는 제5 포토다이오드가, 두번째 행에서는 제15 포토다이오드가 기준 포토다이오드로 선택될 수 있다. 도시된 것과 같이, 제7 광원 및 제19 광원과 연관된 광 데이터에서 제7 광원 및 제19 광원과 가장 가까운 제6 포토다이오드 및 제16 포토다이오드가 기준 포토다이오드로 선택될 수 있다. 예를 들어, 제7 광원과 연관된 복수의 포토다이오드에 관한 첫번째 행에서는 제6 포토다이오드가, 두번째 행에서는 제16 포토다이오드가 기준 포토다이오드로 선택될 수 있다.

일 실시예에서, 정규화된 확산 반사율 데이터 맵(1120)은 측정 전압 데이터 맵(1110)을 기초로 생성될 수 있다. 여기서, 제y 광원에 대한 제x 포토다이오드의 정규화된 확산 반사율은 와 같이 나타낼 수 있다. 이 때, i는 기준 포토다이오드를 나타낼 수 있다. 또한, 를 만족할 수 있다.

도시된 것과 같이, 제7 광원에 대한 제1 포토다이오드의 정규화된 확산 반사율(1122)은 제7 광원에 대한 제1 포토다이오드의 측정된 전압값(1112) 및 제7 광원에 대한 제6 포토다이오드의 측정된 전압값(1114)을 기초로 생성될 수 있다. 여기서, 제6 포토다이오드가 기준 포토다이오드일 수 있다. 또한, 제13 광원에 대한 제7 포토다이오드의 정규화된 확산 반사율(1128)은 제13 광원에 대한 제5 포토다이오드의 측정된 전압값(1116) 및 제13 광원에 대한 제7 포토다이오드의 측정된 전압값(1118)을 기초로 생성될 수 있다. 여기서 제5 포토다이오드가 기준 포토다이오드일 수 있다.

일 실시예에서, 정규화된 확산 반사율 데이터 맵(1120)은 측정 전압 데이터 맵(1110)보다 데이터의 개수가 적을 수 있다. 구체적으로, 기준이 되는 특정 포토다이오드에 대한 정규화된 확산 반사율이 산출되지 않을 수 있다. 예를 들어, 제13 광원에 대한 제5 포토다이오드의 측정 전압값(1116)에 대한 정규화된 확산 반사율은 산출되지 않을 수 있다. 여기서, 제5 포토다이오드는 기준 포토다이오드일 수 있다. 도시된 예에서, 측정 전압 데이터 맵(1110)의 데이터의 개수가 48(4 X 12)개이고, 기준 포토다이오드에 대응하는 측정 전압값이 8개인 경우, 정규화된 확산 반사율의 데이터 개수는 40개일 수 있다.

광 산란계수는 특정 영역과 연관될 수 있다. 여기서, 광 산란계수는 최종 광 산란계수일 수 있다. 일 예시에서, 제1 영역은 제1 포토다이오드 및 제2 포토다이오드와 연관된 신체 부위일 수 있다. 유사하게, 제n 영역은 제n 포토다이오드 및 제n+1 포토다이오드와 연관된 신체 부위일 수 있다.

일 실시예에서, 광 산란 계수 데이터 맵(1130)은 정규화된 확산 반사율 데이터 맵(1120)을 기초로 산출될 수 있다. 도 5에서 설명한 방법을 이용하여 2개의 정규화된 확산 반사율을 기초로 광 산란계수가 추정될 수 있다. 제y 광원에 대한 제n 영역의 광 산란계수는 과 같이 나타낼 수 있다.

일 예시에서, 제y 광원에 대한 제n 영역의 광 산란계수는 제y 광원에 대한 제n 포토다이오드의 정규화된 확산 반사율 및 제y 광원에 대한 제n+1 포토다이오드의 정규화된 확산 반사율을 기초로 추정될 수 있다. 예를 들어, 제7 광원에 대한 제1 영역의 광 산란계수(1132)는 제7 광원에 대한 제1 포토다이오드의 정규화된 확산 반사율(1122) 및 제7 광원에 대한 제2 포토다이오드의 정규화된 확산 반사율(1124)을 기초로 추정될 수 있다. 또 다른 예에서, 제13 광원에 대한 제6 영역의 광 산란계수(1134)는 제13 광원에 대한 제6 포토다이오드의 정규화된 확산 반사율(1126) 및 제13 광원에 대한 제7 포토다이오드의 정규화된 확산 반사율(1128)을 기초로 추정될 수 있다.

유사하게, 광 흡수계수 데이터 맵은 정규화된 확산 반사율 데이터 맵(1120)을 기초로 산출될 수 있다. 여기서, 광 흡수계수는 최종 광 흡수계수일 수 있다. 광 흡수계수는 생리학적 정보 중 일부이므로, 광 흡수계수 데이터 맵은 생리학적 정보로서 이용될 수 있다.

일 실시예에서, 광 산란 계수 데이터 맵(1130)은 정규화된 확산 반사율 데이터 맵(1120)보다 데이터의 개수가 적을 수 있다. 구체적으로, 2개의 정규화된 확산 반사율을 기초로 1개의 광 산란계수를 추정할 수 있다. 예를 들어, 정규화된 확산 반사율 데이터 맵(1120)의 개수가 40(4 X 10)개인 경우, 광 산란 계수 데이터 맵(1130)은 32(4 X 8)개일 수 있다. 광 흡수계수 데이터 맵도 동일하게 정규화된 확산 반사율 데이터 맵(1120)보다 데이터의 개수가 적을 수 있다.

상술한 내용에 기초하여 제1 내지 제24 측정 과정이 수행된 후 검출된 복수의 광 데이터에 대해서 광 산란계수 데이터 맵 및 광 흡수계수 데이터 맵이 산출될 수 있다. 일 실시예에서, 광 산란 계수 데이터 맵 및 광 흡수계수 데이터 맵은 파장별로 생성될 수 있다. 예를 들어, 제2 파장과 연관된 제2 측정 과정, 제8 측정 과정, 제14 측정 과정, 및 제20 측정 과정이 수행된 후 검출된 복수의 광 데이터에 대해서 제2 파장에 대한 광 산란계수 데이터 맵 및 광 흡수계수 데이터 맵이 산출될 수 있다. 유사하게, 제n 파장과 연관된 복수의 측정 과정이 수행된 후 검출된 복수의 광 데이터에 대해서 제n 파장에 대한 광 산란계수 데이터 맵 및 광 흡수계수 데이터 맵이 산출될 수 있다. 복수의 광 산란계수 데이터 맵을 기초로 생리학적 정보 데이터 맵을 산출하는 과정에 대해 도 12에서 상세히 후술한다.

도 12는 본 개시의 일 실시예에 따른 복수의 광 산란계수 데이터 맵을 기초로 생리학적 정보를 추정하는 예시를 나타내는 도면이다. 복수의 광 산란계수 데이터 맵(1210)은 파장별 광 산란계수 데이터 맵을 포함할 수 있다. 일 실시예에서, 제1 파장에 대한 광 산란계수 데이터 맵(1212_1)은 제1 파장과 연관된 복수의 측정 과정이 수행되어 검출된 복수의 광 데이터를 기초로 추정된 광 산란계수를 모두 포함할 수 있다. 유사하게, 제2 파장 내지 제6 파장에 대한 광 산란계수 데이터 맵(1212_2 내지 1212_6) 각각은 제1 파장에 대한 광 산란계수 데이터 맵(1212_1)에서 제1 파장 대신 제2 파장 내지 제6 파장 각각과 연관된 복수의 측정 과정이 수행되어 검출된 복수의 광 데이터를 기초로 하는 것 외에는 제1 파장에 대한 광 산란계수 데이터 맵(1212_1)과 동일할 수 있다. 여기서, 광 산란계수는 최종 광 산란계수를 의미할 수 있다. 도시된 일 예시에서, 제y 광원에 대한 제x 영역의 광 산란계수는 x,y로 나타낼 수 있다.

일 실시예에서, 복수의 광 산란계수 데이터 맵(1210)을 기초로 생리학적 정보 데이터 맵을 산출할 수 있다. 구체적으로, 서로 다른 파장과 연관된 광원에 대한 특정 영역의 복수의 광 산란계수를 기초로 생리학적 정보가 추정될 수 있다. 광 산란계수를 기초로 생리학적 정보를 추정하는 방법에 대해서는 도 5에서 설명한 내용을 참고할 수 있다.

예를 들어, [(x,y), (x,y+1), (x,y+2), (x,y+3), (x,y+4), (x,y+5)]의 광 산란계수를 기초로 제x 영역에 대한 생리학적 정보를 추정할 수 있다. 여기서, (x,y)는 제1 파장에 대한 광 산란계수 데이터 맵(1212_1)에 포함된, 제y 광원에 대한 제x 영역의 광 산란계수일 수 있다. 구체적으로, 제1 광원에 대한 제8 영역의 광 산란계수, 제2 광원에 대한 제8 영역의 광 산란계수, 제3광원에 대한 제8 영역의 광 산란계수, 제4 광원에 대한 제8 영역의 광 산란계수, 제5 광원에 대한 제8 영역의 광 산란계수 및 제6 광원에 대한 제8 영역의 광 산란계수를 기초로 제8 영역에 대한 생리학적 정보(예를 들어, 산소 헤모글로빈 함량 정보, 탈산소화 헤모글로빈 함량 정보, 수분 함량 정보, 지방(Fat) 함량 정보 등)가 추정될 수 있다. 여기서, 제1 내지 제6 광원 각각은 제1 파장 내지 제6 파장의 광 각각을 조사할 수 있다.

일 실시예에서 복수의 생리학적 정보 데이터 맵은 제1 생리학적 정보 데이터 맵(1220), 제2 생리학적 정보 데이터 맵(1230), 제3 생리학적 정보 데이터 맵(1240) 및 제4 생리학적 정보 데이터 맵(1250)을 포함할 수 있다. 여기서, 제1 내지 제4 생리학적 정보 데이터 맵(1220, 1230, 1240, 1250) 각각은 산소 헤모글리빈(HbO2) 데이터 맵, 탈산소화 헤모글로빈(HHb) 데이터 맵, 수분(H₂O) 데이터 맵 및 지방(Fat) 데이터 맵 중 하나일 수 있다.

일 실시예에서, 복수의 생리학적 정보 데이터 맵(1220, 1230, 1240, 1250)은 복수의 광 산란계수 데이터 맵(1210)보다 데이터 개수가 적을 수 있다. 구체적으로, 복수의 생리학적 정보 데이터 맵에 포함된 6개의 데이터를 기초로 4개의 생리학적 정보를 추정할 수 있다. 예를 들어, 복수의 광 산란계수 데이터 맵(1210) 각각은 32(4 X 8)개의 데이터를 포함함으로써, 복수의 광 산란계수 데이터 맵(1210)은 192(4 X 8 X 6)개의 데이터를 포함할 수 있다. 이 때, 복수의 생리학적 정보 데이터 맵(1220, 1230, 1240, 1250)은 128(4 X 8 X 4)개의 데이터를 포함할 수 있다.

복수의 광원 및 복수의 포토다이오드를 이용하여 복수의 영역에 대한 생리학적 정보가 제공될 수 있다. 본 개시에 따른 발명은 신체의 국소적인 영역 뿐만 아니라 신체의 광범위한 부위에 관해서 생리학적 정보를 제공할 수 있다. 또한, 복수의 영역에 대한 생리학적 정보가 제공됨으로써 신체 내부에 포함된 장기의 상태(예를 들어, 방광 내에 저장된 소변량, 방광의 위치 등)를 구체적으로 파악할 수 있다. 요의를 느끼지 못하는 환자들의 경우 본 개시에 따른 발명을 이용하여 자신의 방광에 관한 생리학적 정보가 실시간으로 또는 주기적으로 제공될 수 있다. 환자는 제공받은 정보를 통해 자신의 방광 내에 저장된 소변량을 모니터링할 수 있고, 적절한 시점에 배뇨를 할 수 있다.

도 13은 본 개시의 일 실시예에 따른 생리학적 정보 추정 방법(1300)을 설명하기 위한 흐름도이다. 방법(1300)은 의료 장치의 제어부(또는 적어도 하나의 프로세서), 사용자 단말 및/또는 정보 처리 시스템의 적어도 하나의 프로세서에 의해 수행될 수 있다. 방법(1300)은 프로세서가 포토다이오드와 연관된 캘리브레이션 파라미터를 생성하는 단계(S1310)로 개시될 수 있다. 여기서, 캘리브레이션 파라미터는 복수의 포토다이오드 각각에 대한 시스템 파라미터의 상대적 관계를 정의할 수 있다.

일 실시예에서, 제1 세트의 광 데이터를 수신하기 이전에, LUT에 포함된 정보에 기초하여 광원의 빛의 세기 정보를 보정하는 단계, 복수의 포토다이오드가 표준 반사 물체에 조사된 광원의 광과 연관된 빛의 세기를 검출한 제2 세트의 광 데이터를 수신하는 단계 및 제2 세트의 광 데이터에 기초하여 캘리브레이션 파라미터를 생성하는 단계를 포함할 수 있다.

일 실시예에서, 프로세서는 복수의 포토다이오드가 검출한 제1 세트의 광 데이터를 수신할 수 있다(S1320). 여기서, 복수의 포토다이오드는 신체에 조사된 광과 연관된 빛의 세기를 검출하도록 구성될 수 있다. 이 때, 신체에 조사된 광을 조사한 광원과 복수의 포토다이오드 각각 사이의 거리가 서로 상이할 수 있다.

일 실시예에서, 신체에 조사된 광은 제1 파장의 광 및 제2 파장의 광을 포함하고, 제1 파장의 광은 제2 파장의 광과 파장이 상이하고, 제1 세트의 광 데이터는 제1 파장의 광과 연관된 데이터 및 제2 파장의 광과 연관된 데이터를 포함할 수 있다.

일 실시예에서, 프로세서는 제1 세트의 광 데이터에 기초하여, 복수의 포토다이오드 중 적어도 일부와 연관된 정규화된 확산 반사율을 산출할 수 있다(S1330). 여기서, 복수의 포토다이오드는 제1 포토다이오드, 제2 포토다이오드 및 제3 포토다이오드를 포함하고, 정규화된 확산 반사율을 산출하는 단계는 복수의 포토다이오드와 연관된 캘리브레이션 파라미터를 이용하여 제1 세트의 광 데이터를 보정하는 단계, 보정된 제1 세트의 광 데이터에 기초하여, 제1 포토다이오드와 연관된 제2 포토다이오드의 정규화된 확산 반사율을 산출하는 단계 및 보정된 제1 세트의 광 데이터에 기초하여, 제1 포토다이오드와 연관된 제3 포토다이오드의 정규화된 확산 반사율을 산출하는 단계를 포함할 수 있다.

일 실시예에서, 프로세서는 정규화된 확산 반사율에 기초하여, 신체 중 적어도 일부와 연관된 생리학적 정보를 추정할 수 있다(S1340). 여기서, 생리학적 정보는 수분(H₂O)에 대한 정보, 지방(fat)에 대한 정보, 산소화 헤모글로빈(HbO₂)에 대한 정보 및 탈산소화 헤모글로빈(HHb)에 대한 정보를 포함할 수 있다.

일 실시예에서, 신체 중 적어도 일부에 대한 생리학적 정보를 추정하는 단계는, 제2 포토다이오드의 정규화된 확산 반사율 및 제3 포토다이오드의 정규화된 확산 반사율을 초기 광 특성값 추정 모델에 입력하여, 제2 포토다이오드 및 제3 포토다이오드와 연관된 신체의 제1 영역에 대한 초기 광 특성값을 추정하는 단계 및 제1 영역에 대한 초기 광 특성값에 기초하여, 제1 영역에 대한 생리학적 정보를 추정하는 단계를 포함할 수 있다.

일 실시예에서, 초기 광 특성값 추정 모델은 임의의 광 특성값 및 임의의 광 특성값과 연관된 정규화된 이론 확산 반사율을 기초로 학습된 딥러닝 기반 모델 또는 머신러닝 기반 모델일 수 있다.

일 실시예에서, 제1 영역에 대한 생리학적 정보를 추정하는 단계는, 수치적 솔버(numerical solver)을 이용하여 제1 영역에 대한 초기 광 특성값으로부터 제1 영역에 대한 최종 광 특성값을 추정하는 단계 및 제1 영역에 대한 최종 광 특성값을 기초로 제1 영역에 대한 생리학적 정보를 산출하는 단계를 포함할 수 있다.

상술한 흐름도 및 상술한 설명은 일 예시일 뿐이며, 일부 실시예에서는 다르게 구현될 수 있다. 예를 들어, 일부 실시예에서는 각 단계의 순서가 바뀌거나, 일부 단계가 반복 수행되거나, 일부 단계가 생략되거나, 일부 단계가 추가될 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록 수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안 된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상술된 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

100 : 의료 장치
112_1 : 제1 포토다이오드
112_2 : 제2 포토다이오드
112_20 : 제20 포토다이오드
114_1 : 제1 광원군
114_2 : 제2 광원군
114_3 : 제3 광원군
114_4 : 제4 광원군
120 : 사용자 단말

Claims (12)

1. 적어도 하나의 프로세서에 의해 수행되는, 생리학적 정보 추정 방법에 있어서,
   복수의 포토다이오드(photodiode)가 검출한 제1 세트의 광 데이터를 수신하는 단계 - 상기 복수의 포토다이오드는 신체에 조사된 광과 연관된 빛의 세기를 검출하도록 구성됨 -;
   상기 제1 세트의 광 데이터에 기초하여, 상기 복수의 포토다이오드 중 적어도 일부와 연관된 정규화된 확산 반사율(normalized diffuse reflectance)을 산출하는 단계; 및
   상기 정규화된 확산 반사율에 기초하여, 상기 신체 중 적어도 일부와 연관된 생리학적 정보를 추정하는 단계
   를 포함하고,
   상기 복수의 포토다이오드는 제1 포토다이오드, 제2 포토다이오드 및 제3 포토다이오드를 포함하고,
   상기 정규화된 확산 반사율을 산출하는 단계는,
   상기 복수의 포토다이오드와 연관된 캘리브레이션 파라미터를 이용하여 상기 제1 세트의 광 데이터를 보정하는 단계;
   상기 보정된 제1 세트의 광 데이터에 기초하여, 상기 제1 포토다이오드와 연관된 상기 제2 포토다이오드의 정규화된 확산 반사율을 산출하는 단계; 및
   상기 보정된 제1 세트의 광 데이터에 기초하여, 상기 제1 포토다이오드와 연관된 상기 제3 포토다이오드의 정규화된 확산 반사율을 산출하는 단계
   를 포함하는, 생리학적 정보 추정 방법.
   
2. 삭제
3. 제1항에 있어서,
   상기 신체 중 적어도 일부에 대한 생리학적 정보를 추정하는 단계는,
   상기 제2 포토다이오드의 정규화된 확산 반사율 및 상기 제3 포토다이오드의 정규화된 확산 반사율을 초기 광 특성값 추정 모델에 입력하여, 상기 제2 포토다이오드 및 상기 제3 포토다이오드와 연관된 상기 신체의 제1 영역에 대한 초기 광 특성값을 추정하는 단계; 및
   상기 제1 영역에 대한 초기 광 특성값에 기초하여, 제1 영역에 대한 생리학적 정보를 추정하는 단계
   를 포함하는, 생리학적 정보 추정 방법.
   
4. 제3항에 있어서,
   상기 제1 영역에 대한 생리학적 정보를 추정하는 단계는,
   수치적 솔버(numerical solver)를 이용하여 상기 제1 영역에 대한 초기 광 특성값으로부터 상기 제1 영역에 대한 최종 광 특성값을 추정하는 단계; 및
   상기 제1 영역에 대한 최종 광 특성값을 기초로 상기 제1 영역에 대한 생리학적 정보를 산출하는 단계
   를 포함하는, 생리학적 정보 추정 방법.
   
5. 제1항에 있어서,
   상기 신체에 조사된 광을 조사한 광원과 상기 복수의 포토다이오드 각각 사이의 거리가 서로 상이한, 생리학적 정보 추정 방법.
   
6. 제3항에 있어서,
   상기 초기 광 특성값 추정 모델은 임의의 광 특성값 및 상기 임의의 광 특성값과 연관된 정규화된 이론 확산 반사율을 기초로 학습된 딥러닝 기반 모델 또는 머신러닝 기반 모델인, 생리학적 정보 추정 방법.
   
7. 제1항에 있어서,
   상기 캘리브레이션 파라미터는 상기 복수의 포토다이오드 각각에 대한 시스템 파라미터의 상대적 관계를 정의하는, 생리학적 정보 추정 방법.
   
8. 제1항에 있어서,
   상기 제1 세트의 광 데이터를 수신하기 이전에,
   LUT(Look Up Table)에 포함된 정보에 기초하여 광원의 빛의 세기 정보를 보정하는 단계;
   상기 복수의 포토다이오드가 표준 반사 물체에 조사된 상기 광원의 광과 연관된 빛의 세기를 검출한 제2 세트의 광 데이터를 수신하는 단계; 및
   상기 제2 세트의 광 데이터에 기초하여 상기 캘리브레이션 파라미터를 생성하는 단계
   를 포함하는, 생리학적 정보 추정 방법.
   
9. 제1항에 있어서,
   상기 신체에 조사된 광은 제1 파장의 광 및 제2 파장의 광을 포함하고,
   상기 제1 파장의 광은 상기 제2 파장의 광과 파장이 상이하고,
   상기 제1 세트의 광 데이터는 상기 제1 파장의 광과 연관된 데이터 및 상기 제2 파장의 광과 연관된 데이터를 포함하는, 생리학적 정보 추정 방법.
   
10. 제1항에 있어서,
    상기 생리학적 정보는 수분(H₂O)에 대한 정보, 지방(fat)에 대한 정보, 산소화 헤모글로빈(HbO₂)에 대한 정보 및 탈산소화 헤모글로빈(HHb)에 대한 정보를 포함하는, 생리학적 정보 추정 방법.
    
11. 제1항 및 제3항 내지 제10항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
    
12. 사용자 단말로서,
    통신부;
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    복수의 포토다이오드가 검출한 제1 세트의 광 데이터를 수신하고 - 상기 복수의 포토다이오드는 신체에 조사된 광과 연관된 빛의 세기를 검출하도록 구성됨 -,
    상기 제1 세트의 광 데이터에 기초하여, 상기 복수의 포토다이오드 중 적어도 일부와 연관된 정규화된 확산 반사율을 산출하고,
    상기 정규화된 확산 반사율에 기초하여, 상기 신체 중 적어도 일부와 연관된 생리학적 정보를 추정하기 위한 명령어들을 포함하고,
    상기 복수의 포토다이오드는 제1 포토다이오드, 제2 포토다이오드 및 제3 포토다이오드를 포함하고,
    상기 정규화된 확산 반사율을 산출하는 것은,
    상기 복수의 포토다이오드와 연관된 캘리브레이션 파라미터를 이용하여 상기 제1 세트의 광 데이터를 보정하고,
    상기 보정된 제1 세트의 광 데이터에 기초하여, 상기 제1 포토다이오드와 연관된 상기 제2 포토다이오드의 정규화된 확산 반사율을 산출하고,
    상기 보정된 제1 세트의 광 데이터에 기초하여, 상기 제1 포토다이오드와 연관된 상기 제3 포토다이오드의 정규화된 확산 반사율을 산출하는 것을 포함하는, 사용자 단말.

Images