KR102687002B1 - 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템 - Google Patents
노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템 Download PDFInfo
- Publication number
- KR102687002B1 KR102687002B1 KR1020240013419A KR20240013419A KR102687002B1 KR 102687002 B1 KR102687002 B1 KR 102687002B1 KR 1020240013419 A KR1020240013419 A KR 1020240013419A KR 20240013419 A KR20240013419 A KR 20240013419A KR 102687002 B1 KR102687002 B1 KR 102687002B1
- Authority
- KR
- South Korea
- Prior art keywords
- cognitive function
- cognitive
- rehabilitation program
- function rehabilitation
- program
- Prior art date
Links
- 230000001149 cognitive effect Effects 0.000 title claims description 28
- 230000002787 reinforcement Effects 0.000 title 1
- 230000003920 cognitive function Effects 0.000 claims abstract description 153
- 238000012360 testing method Methods 0.000 claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 37
- 230000037410 cognitive enhancement Effects 0.000 claims description 31
- 230000008449 language Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012015 optical character recognition Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000003557 neuropsychological effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 241001419253 Spathiphyllum cochlearispathum Species 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004040 coloring Methods 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 230000033764 rhythmic process Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000005728 strengthening Methods 0.000 claims 1
- 206010012289 Dementia Diseases 0.000 description 24
- 238000011156 evaluation Methods 0.000 description 16
- 208000010877 cognitive disease Diseases 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000006999 cognitive decline Effects 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 230000003930 cognitive ability Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000001771 impaired effect Effects 0.000 description 4
- 230000008897 memory decline Effects 0.000 description 4
- 208000027061 mild cognitive impairment Diseases 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 230000003935 attention Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 208000003028 Stuttering Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 208000035850 clinical syndrome Diseases 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004793 poor memory Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Neurosurgery (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Human Resources & Organizations (AREA)
- Heart & Thoracic Surgery (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Strategic Management (AREA)
- Veterinary Medicine (AREA)
- Social Psychology (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템이 제공되며, 인지기능검사 결과지를 업로드하고, 인지기능검사 결과지의 검사결과에 대응하는 인지기능 재활 프로그램을 출력하며, 인지기능 재활 프로그램의 영역별 및 중증도별 결과에 기반하여 맞춤화된 인지기능 재활 프로그램을 제공받는 사용자 단말 및 적어도 하나의 종류의 인지기능검사, 검사결과, 인지기능 재활 프로그램을 매핑하여 저장하는 데이터베이스화부, 사용자 단말로부터 인지기능 재활 프로그램의 결과를 수신하는 재활부, 인지기능 재활 프로그램에서 점수가 가장 낮은 영역의 문제 난이도를 조정하는 조정부, 조정된 문제 난이도를 가지는 인지기능 재활 프로그램을 사용자 단말로 제공하는 맞춤화부, 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 기록하는 모니터링부를 포함하는 맞춤화 서비스 제공 서버를 포함한다.
Description
본 발명은 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템에 관한 것으로, 인지검사결과에 따라 맞춤형으로 인지강화를 위한 재활 프로그램을 제공할 수 있는 시스템을 제공한다.
치매는 인지기능 저하로 인해 일상생활을 제대로 영위하지 못하게 되는 임상증후군으로, 현대 의학기술의 발달로 평균 수명이 늘어나면서 조기 발견과 개입이 중요하게 부각되는 질환이다. 치매 발병 이후에는 인지기능을 이전 수준으로 회복시키기 힘들기 때문에 위험요인을 사전에 파악하여 치매 발병이 일어나는 속도를 늦추는 것이 현실적인 대응책으로 여겨진다. 인지기능의 저하는 연속적이지만, 임상적으로 정도에 따라 크게 정상노화, 경도인지장애 및 치매로 구분한다. 경도인지장애는 인지기능이 저하되었지만 일상생활에는 크게 지장이 없는 상태로 치매에 이르기 전에 반드시 거치는 중간 단계이다. 경도인지장애를 가진 고령자는 치매 고위험군으로 분류되기 때문에 조기 발견 및 치매예방을 위한 대책을 수립하기 위해서는 경도인지장애에서 치매로 이완되는 시점을 정확히 파악해야만 한다.
이때, 게임을 이용하여 인지상태를 모니터링하거나 머신러닝에 기반하여 인지강화훈련을 개인화시키는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2023-0045630호(2023년04월05일 공고) 및 한국등록특허 제10-2492368호(2023년01월27일 공고)에는, 사용자 단말로 인지상태진단을 위한 인지게임을 제공하고, 인지게임의 결과를 분석하여 인지상태를 문진 및 모니터링하는 구성과, 채팅을 통하여 인지기능향상에 도움이 되는 운동과 식이요법을 제공하고, 인지강화훈련을 개인화된 난이도로 제공하는 구성이 각각 개시되어 있다.
다만, 전자의 경우 인지상태를 진단하고 분석하는 일반적인 방법만을 개시할 뿐, 인지기능을 개선하기 위한 솔루션을 제공하지 않는다. 후자의 경우 개인화된 난이도로 인지강화훈련을 제공하지만 인지상태의 정확성을 보장할 수 없으므로 이에 따른 인지강화훈련의 효과가 낮을 수 있다. 오프라인에서는 인지기능이 떨어진 환자를 대상으로 의사나 인지재활치료사가 인지능력 개선 재활 프로그램을 제공하지만, 치료사 개개인의 경험치에 기반하여 진행될 뿐 객관화된 프로토콜이 존재하지 않는다. 또, 인지기능저하의 영역별 및 중증도별로 세분화된 프로그램을 자동으로 분배하는 솔루션도 존재하지 않는다. 이에, 인지기능저하를 영역별 및 중증도별로 세분화하고, 개인에 맞는 인지기능 재활 프로그램을 자동으로 분배할 수 있는 솔루션의 연구 및 개발이 요구된다.
본 발명의 일 실시예는, 인지기능저하를 개선하기 위하여 주의집중능력(Attention), 기억력(Memory), 언어기능(Language), 시공간능력(VisuoSpatial Function) 및 수행기능(Frontal Function)을 포함하는 영역별 도메인에서 평가를 하고, 각 도메인에서 수행능력을 6 단계로 세분화하여 측정하며, 최하위 3 개의 도메인의 난이도를 조절하여 영역별 문제를 피드백으로 다시 제공하는 프로세스를 반복함으로써, 각 사용자에게 적합한 인지기능 재활 프로그램을 찾아갈 수 있도록 하고, 인지기능 재활 프로그램이 자동으로 분배될 수 있도록 데이터베이스를 구축할 수 있으며, 각 치료사의 처방 프로토콜을 표준화 및 자동화될 수 있도록 하는, 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 인지기능검사 결과지를 업로드하고, 인지기능검사 결과지의 검사결과에 대응하는 인지기능 재활 프로그램을 출력하며, 인지기능 재활 프로그램의 영역별 및 중증도별 결과에 기반하여 맞춤화된 인지기능 재활 프로그램을 제공받는 사용자 단말 및 적어도 하나의 종류의 인지기능검사, 검사결과, 인지기능 재활 프로그램을 매핑하여 저장하는 데이터베이스화부, 사용자 단말로부터 인지기능 재활 프로그램의 결과를 수신하는 재활부, 인지기능 재활 프로그램에서 점수가 가장 낮은 영역의 문제 난이도를 조정하는 조정부, 조정된 문제 난이도를 가지는 인지기능 재활 프로그램을 사용자 단말로 제공하는 맞춤화부, 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 기록하는 모니터링부를 포함하는 맞춤화 서비스 제공 서버를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 인지기능저하를 파악하기 위하여 주의집중능력(Attention), 기억력(Memory), 언어기능(Language), 시공간능력(VisuoSpatial Function) 및 수행기능(Frontal Function)을 포함하는 영역별 도메인에서 평가를 하고, 각 도메인에서 수행능력을 6 단계로 세분화하여 측정하며, 최하위 3 개의 도메인의 난이도를 조절하여 영역별 문제를 피드백으로 다시 제공하는 프로세스를 반복함으로써, 각 사용자에게 적합한 인지기능 재활 프로그램을 찾아갈 수 있도록 하고, 인지기능 재활 프로그램이 자동으로 분배될 수 있도록 데이터베이스를 구축할 수 있으며, 각 치료사의 처방 프로토콜을 표준화 및 자동화될 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 맞춤화 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
도 2는 도 1의 시스템에 포함된 맞춤화 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 맞춤화 서비스 제공 서버(300), 적어도 하나의 전문가 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.
이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 맞춤화 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 맞춤화 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 전문가 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 전문가 단말(400)은, 네트워크(200)를 통하여 맞춤화 서비스 제공 서버(300)와 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), 5G NR(New Radio), 6G(6th Generation of Cellular Networks), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
적어도 하나의 사용자 단말(100)은, 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 인지기능검사 결과지를 업로드하고, 이에 대응하는 인지기능 재활 프로그램을 출력하며, 인지기능 재활 프로그램의 영역별 및 중증도별 결과에 기반하여 맞춤화된 인지기능 재활 프로그램을 제공받아 출력하는 사용자(User)의 단말일 수 있다.
여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
맞춤화 서비스 제공 서버(300)는, 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 맞춤화 서비스 제공 서버(300)는, 적어도 하나의 종류의 인지기능검사, 검사결과, 인지기능 재활 프로그램을 매핑하여 저장하는 서버일 수 있다. 또, 맞춤화 서비스 제공 서버(300)는, 사용자 단말(100)로부터 인지기능 재활 프로그램의 결과를 수신하고, 인지기능 재활 프로그램에서 점수가 가장 낮은 영역의 문제 난이도를 조정하는 서버일 수 있다. 그리고, 맞춤화 서비스 제공 서버(300)는, 조정된 문제 난이도를 가지는 인지기능 재활 프로그램을 사용자 단말(100)로 제공하고, 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 기록하는 서버일 수 있다.
여기서, 맞춤화 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.
적어도 하나의 전문가 단말(400)은, 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 적어도 하나의 종류의 인지기능검사, 검사결과, 인지기능 재활 프로그램을 매핑하여 저장하는 전문가, 예를 들어, 의료진의 단말일 수 있다.
여기서, 적어도 하나의 전문가 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 전문가 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 전문가 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
도 2는 도 1의 시스템에 포함된 맞춤화 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 맞춤화 서비스 제공 서버(300)는, 데이터베이스화부(310), 재활부(320), 조정부(330), 맞춤화부(340), 모니터링부(350), 문자인식부(360), 보상부(370), 시계열패턴분석부(380)를 포함할 수 있다.
본 발명의 일 실시예에 따른 맞춤화 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 전문가 단말(400)로 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 전문가 단말(400)은, 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 전문가 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 크롬(Chrome), 에지(Microsoft Edge), 사파리(Safari), 파이어폭스(FireFox), 웨일(Whale), UC 브라우저 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.
도 2를 참조하면, 데이터베이스화부(310)는, 적어도 하나의 종류의 인지기능검사, 검사결과, 인지기능 재활 프로그램을 매핑하여 저장할 수 있다. 사용자 단말(100)은, 인지기능검사 결과지를 업로드하고, 인지기능검사 결과지의 검사결과에 대응하는 인지기능 재활 프로그램을 출력할 수 있다. 적어도 하나의 종류의 인지기능검사는, 서울신경심리검사인 SNSB(Seoul Neuropsychological Screening Battery), 간이정신상태검사인 MMSE(Mini-Mental State Examination), 노인인지기능검사인 LICA(Literacy-Independent Cognitive Assessment) 및 몬트리올 인지평가인 MoCA(Montreal Cognitive Assessment)를 포함할 수 있으나, 나열된 것들로 한정되지 않고 열거되지 않은 이유로 배제되지 않는다. 이때, [인지기능검사-검사결과-인지기능 재활 프로그램]이 객관화 및 표준화되어 매핑될 수 있도록 전문가 단말(400)로부터 의견을 수집하고 이를 AHP(Analytic Hierarchy Process)를 이용하여 데이터베이스를 구축할 수 있다.
예를 들어, 1 부터 N 까지 인지기능 재활 프로그램이 있다고 가정하면, 이 중 가장 중요한 것은 무엇인지, 또 1 부터 N 까지 인지기능 재활 프로그램의 우선순위는 어떻게 되는지 등을 나열한 것일 수 있다. 여기서 중요변수(중요 인지기능 재활 프로그램) 및 우선순위를 설정할 때 전문가의 인터뷰 및 설문조사결과를 취합한 결과에 기초하여 정할 수도 있지만, 기계학습으로 중요변수를 추출하고, 각 변수(인지기능 재활 프로그램)의 우선순위를 AHP로 가중치를 부여하여 설정할 수도 있다.
<기계학습>
기계학습 방법들 중 결정나무의 주요한 특징 중 하나는 모델이 학습하는 과정에서 설명변수들의 변수중요도를 계산할 수 있다는 것이다. 이렇게 계산된 변수중요도는 결정나무의 예측값이 어떤 입력변수에 근거하여 결정되는지 파악할 수 있는 척도로 활용될 수 있으며, 다른 예측모델에 사용할 변수 선택의 기준으로도 활용될 수 있다. 변수중요도를 계산하기 위해 평균지니지수감소량(Mean Decrease in Gini Index)을 이용할 수 있으며, 이를 이용하여 설명변수 중에서 모델에 설명력이 높은 변수들을 도식화할 수 있다. 이때, 결정나무에서 사용되는 지니지수는, 높을수록 분류의 불순도가 높다고 판단되어 이 지니지수를 낮추는 방향으로 분류작업을 진행할 때 이용된다.
<AHP>
AHP(Analytic Hierarchy Process)는 의사결정문제가 다수의 평가기준으로 이루어져 있을 때, 우선 평가기준들을 계층화 한 후 계층에 따라 중요도를 정해가는 다기준 의사결정기법으로, 게임이론 전문가들과 협력 작업을 하는 과정에서 의사결정과정의 비능률을 개선하기 위한 대안의 일환으로 개발된 다요인 의사결정기법(Multi-Attribute Decision Making Technique)의 한 가지이다. AHP는 복잡한 문제를 계층화 하여 주요요인과 세부요인들로 분해하고, 이러한 요인들에 한 비교(Pair Wise Comparison)를 통해 평가자의 지식, 경험, 직관을 포착하여 의사결정을 지원하고자 하는 방법으로, 이 기법은 그 단순성, 명확성, 간편성, 범용성이라는 특징으로 여러 의사결정 분야에서 널리 응용되어 왔다. 이 방법은 의사결정 문제가 평가, 선택, 예측되어 질 때와 의사결정 대안의 우선순위를 결정하고자 할 때 주로 이용가능하다.
의사결정에 있어서 고려해야할 요인들과 대안들이 여러가지인 경우, 정확하게 요인들과 대안들을 동시에 비교분석 하는 것은 거의 불가능하다. 하지만 AHP는 평가요인들 간에 쌍대비교를 함으로써 이러한 문제점을 최소화하는 역할을 한다. 뿐만 아니라 평가요인들이 정성적인 것과 정량적인 것들이 혼합되어 있을 경우나 의사결정참여자가 다수이어서 복수의 평가요인에 대한 체계적인 평가나 의견을 수렴하기 어려운 경우에도 의사결정을 용이하게 해주는 장점이 있다. AHP는 다음 네 가지 절차로 실행된다. 첫째 단계는 목표의 설정과 평가요인들의 계층화이다. 전문가회의를 통해서 목표를 명확히 하고 목표달성과 관련된 평가요인들을 도출한 뒤, 최상위 계층에는 최종 목표를 나타내고, 그 다음 1 계층에는 최종 목표의 달성에 영향을 미치는 평가요인들을 나타내며 이를 대항목이라고도 한다. 2 계층은 1 계층에 영향을 미치는 세부평가요인들로 구성되며 이를 소항목이라고도 한다. 최하위층에는 최종 목표의 달성을 위한 대안들로 구성되며 각 대안들은 각 세부평가요인들에 대해서 쌍대비교를 하여 최적 대안을 선정하게 된다.
둘째 단계는, 쌍대비교를 통해서 상대적 중요도를 설정하는 것으로 평가요소 간의 상대적인 중요도(가중치)를 쌍대비교를 통해 구할 수 있다. N 개 평가요소들 간의 쌍대비교행렬 A는 N×N 정방행렬이다. N×N 정방행렬 A는 가중치비(Ratio)로 구성된 행렬이며 대칭행렬(Symmetrical Matrix)이다. 쌍비교행렬 A의 원소는 어느 하나의 요소가 다른 하나의 요소보다 몇 배 더 중요한지 구간척도로 평가한 것이다. 쌍대비교를 하여 대각선을 중심으로 위의 반에 있는 원소들의 값의 역수를 취하여 행과 열의 대칭이 되는 원소값으로 한 것이다. 셋째 단계는, 평가에 대한 논리적인 일관성을 검증하는 것으로 응답자의 응답에서 모순의 정도를 검증하는 단계이고, 넷째 단계는 일관성있게 나온 쌍대비교 결과로 최적대안을 선정하는 단계이다. 의사결정의 최종목표의 달성을 위해서 선정한 몇 가지의 대안을 각 세부평가요인별로 각 대안들을 쌍대비교 하여 대안들의 가중치를 도출한다. 본 발명의 일 실시예에서는 이때의 가중치를 이용하여 우선순위를 결정하게 된다. 그리고 각 세부평가요인들의 최종가중치와 각 대안들의 가중치를 곱하고 더하여서 모든 세부평가요인들을 반영한 대안들의 최종점수를 구하고 최적대안을 선정할 수 있다.
재활부(320)는, 사용자 단말(100)로부터 인지기능 재활 프로그램의 결과를 수신할 수 있다. 인지기능 재활 프로그램은, 도 3의 (a)와 같이 주의집중능력(Attention), 기억력(Memory), 언어기능(Language), 시공간능력(VisuoSpatial Function) 및 수행기능(Frontal Function)을 포함하는 영역으로 이루어질 수 있다. 또, 도 3의 (b)와 같이 영역별 도메인을 중증도에 따라 세분화되도록 결과를 적어도 하나의 퍼센타일로 나눌 수 있다. 예를 들어, 각 영역별로 6 개의 단계로 분류할 수 있다. 예를 들어 6 개의 단계는 도 3의 (b)와 같이 0~10%, 11~20%, 21~40%, 41~60%, 61~80%, 81~100%일 수 있다. 점수가 높을수록 인지기능이 좋은 것이라고 가정하면, 점수가 낮을수록 인지기능이 떨어진 것으로, 즉 중증도가 높은 것으로 해석할 수 있다.
조정부(330)는, 인지기능 재활 프로그램에서 점수가 가장 낮은 영역의 문제 난이도를 조정할 수 있다. 예를 들어, 점수 또는 퍼센타일을 기준으로 점수나 퍼센타일이 가장 낮은순으로 정렬했는데 기억력, 언어기능 및 시공간능력이 최하위 점수순으로 1, 2 및 3 등을 각각 차지했다면 이 영역의 문제의 난이도를 더 낮춰서 풀수 있도록 난이도를 조정해줄 수 있다. 이때, 사용자의 데이터, 예를 들어, 정답률, 문제푸는데 걸린 시간 등에 대한 데이터를 계속 쌓아나가면서 사용자에게 맞춤화된 난이도를 찾고 점수가 안좋은 영역, 즉 중증도가 높은 영역의 문제들을 계속하여 풀어나가도록 유도할 수 있다.
<난이도 조정>
행동패턴에 기반하여 난이도가 조절된 문제를 사용자에게 제공해 적용시킨 후 다시 사용자의 행동패턴을 실시간으로 파악해 인지기능 재활 프로그램의 난이도와 환경을 동적으로 변화시킬 수 있다. 이때 변화된 난이도와 환경으로 인해 사용자의 행동패턴은 다시 변화하게 되고, 이러한 피드백을 통해 인지기능 재활 프로그램의 난이도와 환경은 다시금 바뀌는 순환구조를 가지게 된다. 난이도의 적용은 기본적으로 스테이지를 클리어 했을 경우 한 단계가 늘어나도록 설정될 수 있고, 사용자의 실적과 행동에 따라 사용자가 현재 난이도에 비해 더 잘 할 경우에는 스테이지 클리어 시 난이도를 더 올리도록 할 수 있다. 반대로 사용자가 실력이 상대적으로 떨어질 경우, 스테이지가 클리어되더라도 난이도를 쉽게 만들어 인지기능 재활 프로그램을 플레이하는 데 어려움이 없도록 설정할 수 있다. 스테이지를 클리어 했는데도 난이도가 변경되지 않으면 역시 사용자가 지루함을 느낄 수 있으므로 난이도는 무조건 오르거나 떨어지도록 설정할 수 있다. 또한, 난이도가 어려워지고 쉬워지기를 반복하다가 매번 같은 스테이지가 나올 수 있을 것을 고려해 같은 스테이지라도 고정 변수를 적용하지 않고 일정 범위 내의 난수를 적용하도록 해 작은 변화를 느낄 수 있도록 설정할 수 있다.
<동적 난이도 설정>
인공신경망을 사용해 학습을 하기 위해 Python의 라이브러리 Tensorflow와 Numpy를 사용할 수 있다. Tensorflow는 구글이 오픈소스로 공개한 기계학습 라이브러리로, 딥러닝 및 기계학습을 일반인들도 쉽게 사용할 수 있도록 만들어졌다. Python의 라이브러리 친화성과 맞물려 Tensorflow는 학습 데이터를 손쉽게 시각화할 수 있으며 딥러닝의 경우 별다른 바이너리 단위의 수정 없이도 CUDA를 쉽게 사용할 수 있다. Python뿐만 아니라 다른 언어에서도 사용할 수 있다. Numpy의 경우 수학 및 과학 연산을 위한 Python 패키지로, 데이터를 다루는 데 유용해 수치해석, 통계, 인공지능 관련 작업 시 자주 쓰인다.
<인공신경망>
동적 난이도를 설정하도록 신경망 모델을 이용할 수 있는데, Input Layer와 2개의 Hidden Layer, 그리고 Output Layer로 구성할 수 있고, Input Layer에는 사용자의 행동패턴을 얻어내기 위한 변수를 위한 노드를 설정할 수 있다. 또, Hidden Layer와 그 노드의 경우, 기본적으로 개수 설정에 제한은 없으나 과하거나 모자랄 경우 효율성에 문제가 생긴다. Hidden Layer의 노드의 개수는 Input layer의 2/3 혹은 70~90%를 충족하는 것이 가장 효율적이며 이후 비효율성이 발견되면 추가하는 것이 좋다. 이때, 노드를 추가하더라도 Hidden Layer의 노드 수의 합이 Input Layer의 노드의 개수의 2배보다 적은 것이 더 효율적이다. 인공신경망의 노드에서는 입력받거나 앞 레이어에서 전달받은 값들을 곧 바로 다음 레이어로 전달하지 않고 함수를 통해 값이 일정 기준 이상이면 다음 레이어로 보내고, 기준에 달하지 않으면 보내지 않는다. 이때 사용되는 함수를 활성화 함수(Activation Function)라고 한다. 활성화 함수에는 많은 종류가 있는데, 이 함수를 무엇으로 할 지에 대한 결정이 인공신경망의 학습과 결과에 큰 영향을 미칠 수 있다. 본 발명의 일 실시예에서는 Tanh(Hyperbolic Tangent) 함수를 이용할 수 있다. Tanh는 인공신경망에서 주로 쓰이던 Sigmoid 함수에서 확장되어 매우 유사한 형태를 가진다. 인지기능 재활 프로그램의 난이도는 각 레벨을 구성하고 있는 패턴과 그것을 생성하는 규칙 및 스크립트의 조합으로 이루어진다. 난이도가 높아질수록 난이도를 이루는 요소들의 수치가 높아지며, 반대로 난이도가 쉽게 조정될수록 수치가 낮아질 수 있다. 물론 상술한 방법 이외에도 다양한 방법으로 난이도를 조절하거나 조정할 수 있음은 자명하다 할 것이다.
맞춤화부(340)는, 조정된 문제 난이도를 가지는 인지기능 재활 프로그램을 사용자 단말(100)로 제공할 수 있다. 사용자 단말(100)은, 인지기능 재활 프로그램의 영역별 및 중증도별 결과에 기반하여 맞춤화된 인지기능 재활 프로그램을 제공받을 수 있다. 이때, 맞춤화되었다는 의미는 조정된 문제 난이도를 가지는 인지기능 재활 프로그램을 받았다는 것을 의미한다. 맞춤화는 일회성으로 끝나는 것이 아니라 도 4c의 (b)와 같이 사용자의 결과에 따라 지속적으로 PID 제어(Proportional-Integral-Derivative Controller)와 같이 피드백되는 시스템일 수 있다.
이때, 인지기능 재활 프로그램을 제공하는 것 외에도 최근 각 가정에 설치된 인공지능 스피커 및 ChatGPT를 이용하여 사용자의 음성발화를 이용하여 사용자의 인지기능을 실시간으로 파악해볼 수도 있다. 인지기능을 파악하기 위해 음성인식모델, 대화관리 모델, 음성발화 모델, 인지기능파악 모델을 이용할 수 있다. 음성인식에 사용되는 모델은 Google Cloud STT, 대화관리에 사용되는 모델은 ChatGPT, 음성발화에 사용되는 모델은 Clova TTS일 수 있으나 이에 한정되지는 않는다. 음성인식 모델은 음성녹음을 음성 파일로 저장하고 Google Cloud STT 를 사용하여 텍스트로 변환된 발화를 ChatGPT 와 인지기능파악 모델의 입력 값으로 이용할 수 있다. 대화관리 모델로 ChatGPT를 사용하여 답변을 생성한다. Generative Pre-trained Transformer는 기계학습에서 사용되는 트랜스포머 구조를 기반으로 한 언어모델이다. ChatGPT는 이 GPT-3모델을 기반으로 OpenAI에서 개발한 대화형 AI 모델이다. ChatGPT는 자연어 처리 기술을 이용하여 사용자가 입력한 문장을 이해하고 해당 문장에 대한 정보를 분석하여 의미있는 답변을 생성하며, 이전 대화 내용을 기억하여 이를 토대로 다음 대화를 진행한다. ChatGPT의 이러한 특징을 이용하여 인지기능파악 모델과 결합하여 초기 치매진단이나 인지기능 판단에 이용할 수 있다. 생성된 답변을 발화하기 위해 입력된 텍스트를 분석하고 이를 토대로 언어 모델과 음성 신호 생성 모델을 사용하여 음성 출력을 하는 Text-To-Speech 기술을 이용할 수 있다.
인지기능파악 모델은 음성챗봇으로, 사용자의 대화상대가 되어줌과 동시에 별도의 검사없이 대화만으로 인지기능을 파악할 수 있다. 인지기능을 파악을 위해 사용자와의 대화 중 특정 단어가 발견되면 해당 단어와 관련된 질문을 제시한다. 이에 대한 사용자의 답변을 기록하고 분석하여 치매의 기준에 부합하는지를 확인한다. 예를 들어 MMSE에 제시된 [오늘은 며칠인가], [오늘은 무슨 요일인가], [몇 년도인가], [점심에 먹은 음식은 무엇인가] 등의 질문을 실시간으로 제공할 수 있다. 우선, 인지기능파악 모델의 개발을 위해 먼저 초기 치매의 기준을 정할 수 있다. 초기 치매의 증상은 여러 가지가 있는데, -아, -어, -음 같은 반응의 표시인 간투사의 빈도가 늘거나, 질문을 하였을 때 동문서답과 같이 언어 능력 장애가 나타날 수 있다. 이 외에도 기억력 저하, 인지 능력 저하, 감각 능력 저하, 극심한 감정 변화, 불규칙한 수면 패턴, 공간 인지 능력 저하 등이 있다. 인지기능파악 모델은 위의 증상들을 키로 갖는 파이썬 딕셔너리 Criteria를 정의한다. 가장 중요한 초기 치매 증상은 기억력 저하로, 이는 노화가 진행되면서도 발생할 수 있어 구분이 필요하다.
치매로 인한 기억력 저하는 노화로 인한 영향과 달리 일상생활의 지장으로 이어지는 것이 가장 큰 차이점이므로, 일상생활과 관련된 키워드 발생 시 기억력 저하로 판단되는 대답의 수를 기록하기 위해 Criteria 딕셔너리에 추가한다. 대화 시작 전에 키에 대응하는 값은 모두 0 으로 초기화한다. 치매진단을 위해서 DementiaDiagnosis 함수를 이용할 수 있다. 이 함수는 C 딕셔너리를 입력 값으로 사용하여 치매 점수를 계산하고, 기준 값을 넘으면 초기 치매라고 판단한다. C 딕셔너리의 입력 값을 얻기 위해서 건강, 수면, 친구 등과 같은 키워드를 키로 갖고 관련된 질문들을 저장한 Questions 딕셔너리(Q 딕셔너리)를 이용할 수 있다. 또, ChatGPT 의 역할을 지정해주면 해당 분야에 대한 전문성을 강화할 수 있고, 일관성 있는 대화를 구성할 수 있다. 대화가 시작되면 인지기능파악 모델은 사용자와 ChatGPT 의 중개자 역할을 한다. 대화 중 사용자의 답변을 분석하여 Q 딕셔너리의 키워드가 발견될 경우 미리 정한 질문을 자연스럽게 할 수 있도록 해당 키워드와 키 값을 포함하여 ChatCompletion API 에 요청을 보낸다. 이후 API 의 응답을 사용자에게 전달하고 시니어헬퍼의 질문과 사용자의 답변을 KeyInquiry = [[‘키워드’, ‘질문’, ‘답변’]] 형식리스트에 따로 저장한다. 대화가 30 분 이상 진행되고 리스트의 크기가 50 이상일 때 대화를 멈춘다. 대화가 끝나면 ChatGPT 를 이용해서 C 딕셔너리 키의 값을 구한다. 사용자의 간투사 사용 빈도수와 대화의 어색함 등 언어 장애 여부를 구하여 C 딕셔너리의 ‘Stuttering’, ‘Conversation’ 키의 값에 저장한다. ‘Memory’, ‘Cognition’, ‘Sense’ 키의 값은 대화 중 생성된 KeyInquiry 리스트에 대해 [기억력 저하, 언어 능력 장애, 인지 능력 장애, 감각 능력 장애] 중 어디에 해당하는지를 파악하도록 API 요청을 보내고, 이에 해당하는 키워드의 값에 1 씩 더하여 얻을 수 있다. 이때 ChatGPT 가 기억력 저하라고 판별하고 답변의 키워드가 일상생활일 경우 일상생활 키의 값에 1 을 더한다. 이 작업을 keyInquiry 리스트의 모든 항목에 대해 수행한다. 치매 점수는 C 딕셔너리의 키의 값을 퍼센트지로 변환하고 상응하는 가중치를 곱하여 더한 값이다. 물론 상술한 방법 외에도 다양한 방법으로 인지기능저하나 치매를 실시간으로 판단할 수 있다.
모니터링부(350)는, 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 기록할 수 있다. 만약 난이도가 낮아졌는데도 퍼센타일이 높아지지 않는다면 난이도를 더 낮출 수 있다. 영역에서 점수가 낮아진다고 해서 그 영역의 인지능력을 완전히 포기할 수는 없기 때문이다. 이때, 도 3의 (a)와 같이 주의집중능력(Attention)을 위한 인지기능 재활 프로그램은 예를 들어, DST(Digit Span Test), 숫자 또는 그림, 미로, 틀린그림찾기, 숨은그림찾기, 방금 지나간 물건 맞추기 게임일 수 있고, 기억력(Memory)을 위한 인지기능 재활 프로그램은 예를 들어, 짧은 지문주고 내용 맞추기, 5분 동영상 보고 내용 맞추기, 카드 맞추기 및 순서 나열하기 게임일 수 있으며, 언어기능(Language)을 위한 인지기능 재활 프로그램은 예를 들어 낱말 맞추기, 끝말 잇기, 숫자 계산, 누가 더 큰가, 리듬 연주 및 단어 찾기 게임일 수 있다. 또, 시공간능력(VisuoSpatial Function)을 위한 인지기능 재활 프로그램은 예를 들어, 숨은그림찾기, 틀린그림찾기, 그림그리기, 색칠하기, 따라그리기, 운전게임 및 패턴게임을 포함할 수 있고, 수행기능(Frontal Function)을 위한 인지기능 재활 프로그램은 예를 들어, 청기백기게임, Trail Making, 숫자연결, 숫자만들기, 이야기 만들기, 상식 이야기 및 패턴 게임일 수 있다. 물론, 나열된 것들로 한정되지 않고 열거되지 않은 이유로 배제되지 않는다.
문자인식부(360)는, 사용자 단말(100)에서 인지기능검사 결과지를 업로드하는 경우, OCR(Optical Character ReCognition)로 인지기능검사 결과지를 디지털화할 수 있다. 이때 도 4d와 같이 인지기능검사 결과지의 포맷이 설정되어 있고 각 위치좌표(XY)와 그 결과에 대응하는 값에 대한 검사결과가 모두 매핑되어 저장된 경우에는 문자를 인식하지 않고 각 항목의 좌표 및 결과가 표시된 좌표만 추출해도 검사결과를 해석할 수 있다. 이때에는 OCR보다는 RPA(Robotic Process Automation)가 [항목-좌표-검사결과]를 추출함으로써 검사결과를 파악할 수 있도록 결과를 추출할 수 있다. 만약 스캔된 경우에는 각 좌표를 추출하는데 문제가 발생할 수도 있으므로 네 개의 모서리를 기준으로 회전시켜 정렬을 맞추고 기준 사이즈에 맞게 채워지도록 크기를 조정하는 전처리를 수행할 수 있다.
다만, 텍스트가 기재된 경우에는 OCR로 추출할 수 있는데, 예를 들어, 의료진이 환자의 결과를 기재하는 경우에는 필기체를 읽어내야 할 수 있다. 만약 타이핑이 된 글자라면 인식이 용이할 수 있겠지만 필기체인 경우 인식에 오류가 발생할 수도 있다. 이에, 타이핑이 된 글자 외에도 인지기능검사 결과지에 필기체가 있는 경우 이하의 방법으로 데이터를 읽어낼 수 있다.
<한글 필기체 인식>
인지기능검사 결과지에는 필기체로 검사 결과가 입력되게 되는데, 딥러닝 기반 OCR이 제대로 인식을 해야 하지만, 한글 필기체의 경우 대부분의 딥러닝 기반 OCR이 표준글꼴을 이용하여 학습을 진행했기 때문에 인식성능이 떨어지게 된다. 본 발명의 일 실시예에 따른 플랫폼에서는 인지기능검사 결과지의 필기체를, 한글 필기체를 학습, 검증 및 인식할 재료로 사용하기로 한다. 본 발명의 일 실시예는 GAN 모델을 활용하여 이름에 주로 이용되는 글자를 이용하며, 또 사용자별 필기체를 추출함으로써 필기체 인식에 부족한 한글 데이터셋 문제를 해소할 수 있다. 또, CNN 모델 기반의 한글 문자 인식 정확도 향상을 위하여 생성 및 수집된 필기체 데이터에 대한 잡음 제거 및 등의 전처리 기법을 적용할 수 있다.
<딥러닝 기반 한글문자인식>
딥러닝 기반 한글문자인식 모델은 필기체 생성을 위한 GAN 모델과 생성된 필기체 인식을 위한 CNN 모델로 구성된다. 먼저, GAN은 입력된 기준 이미지의 고유한 특성을 가지고 입력과 유사한 가짜 이미지를 만드는 기술로 데이터 증식, 이미지 복원 등에 이용할 수 있다. GAN 내부에는 가짜 이미지 생성을 위한 생성자(Generator, G) 모델과 생성된 가짜 데이터 판별을 위한 판별자(Discriminator, D) 모델로 구성된다. 생성자 모델에서 실제와 유사한 가짜 이미지를 만들 때까지 두 개의 모델은 서로 경쟁하는 적대적 학습을 거치게 된다. 이를 수학식으로 나타내면 이하 수학식 1과 같게 된다. 판별자(D)는 생성자(G)가 만든 가짜 데이터를 0=D(G(z)), 진짜 데이터는 1=D(x)로 출력할 수 있도록 V(D,G)가 최댓값이 나오는 것을 목표로 한다. 이때, 생성자(G)는 판별자가 가짜 데이터에 대해 D(G(z))의 출력을 1로 하는 것을 목표로 한다.
CNN 모델은 주로 시각적 이미지 분석에 사용되는 딥러닝 기술로 특징 추출을 위한 합성곱 레이어와 분류를 수행하는 신경망 레이어로 구성된다. 기본적인 다층 퍼셉트론 기반의 신경망에서는 이미지 데이터를 처리하기 위해 1차원으로 평면화하는 과정에서 공간적 특징정보가 손실되는 문제가 발생한다. 하지만 CNN의 경우 입력 이미지를 여러 개로 분할하여 처리하기 때문에 공간적 특징정보를 유지한 상태로 학습이 가능하다. 특징을 추출하는 합성곱 레이어는 연산을 통해 입력 이미지의 특징을 추출하며, 특정 크기의 필터를 입력 이미지 전체를 이동하며 합성곱 연산을 수행한다. 합성곱 연산 이미지의 가장 왼쪽 위부터 가장 오른쪽으로 순차적으로 이루어진다. 합성곱의 연산수식은 수학식 2와 같은데, x는 입력 이미지, y는 합성곱 연산을 통해 추출된 특징맵, W는 합성곱 필터 i, j, b는 가중치 위치 및 편향, (bar)h 와 (bar)w 필터의 크기를 의미한다.
이때, CNN을 학습시키기 전에 이미지 전처리 과정을 통해 GAN 모델의 학습에 사용된 데이터와 동일한 사이즈로 크기를 재구성할 수 있다. 이후, ReLU 활성화 함수를 사용한 합성곱 및 폴링 레이어 그리고 신경망으로 모델을 구성할 수 있고, Softmax 활성화 함수를 사용하여 최종 출력 진행할 수 있다. 또한, 모델의 최적화 함수로 Adam을 적용할 수 있고, 오버피팅의 문제를 해결하기 위해 드롭아웃과 일정 시간 손실값이 떨어지지 않는 경우 즉시 학습이 종료되는 조기 학습종료 기능을 추가할 수 있다. 물론 상술한 방법 이외에도 다양한 방법으로 문자를 인식할 수 있음은 물론이라 할 것이다.
재활유도부(370)는, 사용자 단말(100)과 화상전화로 연결되고, 인지기능 재활 프로그램을 완료할 때까지 화상전화로 사용자 단말(100)의 화면 및 사용자를 모니터링할 수 있다. 예를 들어 사용자를 관리하는 의료진과 사용자가 화상통화로 연결되도록 하거나, 동일한 프로그램을 진행하는 복수의 사용자를 다자간 화상통화로 연결할 수 있다. 실제로 노인복지센터나 치매안심센터 등을 방문하지 않아도 화상통화로 매일 정해진 시간에 비대면이지만 온라인으로 참석하여 인지기능 재활 프로그램을 완료하도록 할 수 있다. 예를 들어 최근 줌(Zoom) 화면만 켜놓고 비대면이지만 함께 모여서 스터디를 수행하는 줌 스터디를 수행하는 경우가 있는데, 실제로 만나지는 않지만 전면 카메라로 사용자를 비추고 이를 다른 사용자에게 전달한다는 점에서 인지기능 재활 프로그램을 끝내도록 유도할 수 있다. 타인의 시선이 느껴지면 혼자 하는 경우보다는 동기도 부여되고 임무를 완수하는 경우가 늘기 때문이다.
보상부(380)는, 인지기능 재활 프로그램의 점수에 따라 랭킹을 부여하고, 점수 및 랭킹에 따라 포인트를 제공하며, 포인트를 이용하여 온라인 상점에서 상품 또는 서비스를 구매 또는 이용할 수 있도록 할 수 있다. 예를 들어, 노인에게 필요한 물품이나 도구들을 구매하거나 대여하는데 우선순위를 제공함으로써 보상을 제공할 수도 있다. 랭킹 1 위면 원하는 상품이나 서비스를 지급할 수도 있고 상금을 지급할 수도 있다.
시계열패턴분석부(390)는, 사용자 단말(100)의 인지기능 재활 프로그램의 결과, 문제 난이도 조정 이력(History) 및 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 시계열 데이터로 추이를 기록하고 미래의 인지기능을 예측하여 담당자 단말로 안내할 수 있다. 예를 들어 언어능력을 평가하는 숫자계산 점수가 100-90-70-50-40-30 등으로 추세(Trend)가 낮아지고 있다면 언어능력이 퇴화되고 있고 곧 퇴화될 예정임을 예측할 수 있다. 이러한 방식으로 시계열 데이터를 분석하고 미래를 예측하는 LSTM(Long Short-Term Memory) 등을 이용하면 미래를 예측할 수 있다. 이때 의료 데이터(EMR)까지 더 추가되는 경우 예측력은 더 높아질 수 있는데, 의료 데이터나 건강 데이터의 요소와 치매 간 상관관계를 파악 및 적용하는 경우, 매일 실시하는 인지기능 재활 프로그램의 결과와 함께 정확도 높은 예측력을 제공할 수 있다. 예를 들어 의료 데이터는 MRI 영상, PET-CT 영상, 주상병 및 상병코드 등을 포함할 수 있으나 이에 한정되지는 않는다. 이때, 주상병 및 상병코드를 이용하는 이유는, [치매-치매상병코드]를 보유한 환자가 이를 받기 이전에 어떠한 병이 진단되었는지, 또 이전 질환이나 질병이 치매와 어떠한 관계가 있는지를 파악함으로써, 이전 환자의 데이터로부터 현재 환자의 미래를 예측할 수 있다.
이하, 상술한 도 2의 맞춤화 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.
도 3을 참조하면, (a)와 같이 5 개의 영역에 인지기능 재활 프로그램, 즉 게임을 배치하고 이를 매일 수행하도록 할 수 있다. 매일 수행한 결과는 (b)와 같이 점수화되고 그 다음 날의 게임 난이도에 영향을 주게 된다. 예를 들어 도 4a의 (a)와 같이 게임(가칭, 팔팔해로)은, (b)와 같이 오늘의 학습을 클릭하면 도 4b의 (a) 및 (b)와 같이 사용자에게 맞는 난이도의 게임이 준비되어 있고, 도 4c의 (a)와 같이 진행할 수 있다. 이렇게 (b)와 같이 사용자 정보-데이터베이스-개인화(맞춤화)-사용자 데이터 등과 같이 피드백 및 순환되는 시스템으로 사용자에게 개인화 및 맞춤화된 프로그램을 적용할 수 있다.
이와 같은 도 2 내지 도 4의 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5는 본 발명의 일 실시예에 따른 도 1의 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.
도 5를 참조하면, 맞춤화 서비스 제공 서버는, 적어도 하나의 종류의 인지기능검사, 검사결과, 인지기능 재활 프로그램을 매핑하여 저장한다(S5100).
또, 맞춤화 서비스 제공 서버는, 사용자 단말로부터 인지기능 재활 프로그램의 결과를 수신하고(S5200), 인지기능 재활 프로그램에서 점수가 가장 낮은 영역의 문제 난이도를 조정하고(S5300), 조정된 문제 난이도를 가지는 인지기능 재활 프로그램을 사용자 단말로 제공한다(S5400).
맞춤화 서비스 제공 서버는, 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 기록한다(S5500).
상술한 단계들(S5100~S5500)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5500)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 5의 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5를 통해 설명된 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (7)
- 인지기능검사 결과지를 업로드하고, 상기 인지기능검사 결과지의 검사결과에 대응하는 인지기능 재활 프로그램을 출력하며, 상기 인지기능 재활 프로그램의 영역별 및 중증도별 결과에 기반하여 맞춤화된 인지기능 재활 프로그램을 제공받는 사용자 단말; 및
적어도 하나의 종류의 인지기능검사, 검사결과, 인지기능 재활 프로그램을 매핑하여 저장하는 데이터베이스화부, 상기 사용자 단말로부터 인지기능 재활 프로그램의 결과를 수신하는 재활부, 상기 인지기능 재활 프로그램에서 점수가 가장 낮은 영역의 문제 난이도를 조정하는 조정부, 조정된 문제 난이도를 가지는 인지기능 재활 프로그램을 상기 사용자 단말로 제공하는 맞춤화부, 상기 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 기록하는 모니터링부를 포함하는 맞춤화 서비스 제공 서버;를 포함하며,
상기 인지기능 재활 프로그램은,
주의집중능력(Attention), 기억력(Memory), 언어기능(Language), 시공간능력(VisuoSpatial Function) 및 수행기능(Frontal Function)을 포함하는 영역으로 이루어지고,
영역별 도메인을 중증도에 따라 세분화되도록 결과를 적어도 하나의 퍼센타일로 나누며,
상기 적어도 하나의 종류의 인지기능검사는,
서울신경심리검사인 SNSB(Seoul Neuropsychological Screening Battery), 간이정신상태검사인 MMSE(Mini-Mental State Examination), 노인인지기능검사인 LICA(Literacy-Independent Cognitive Assessment) 및 몬트리올 인지평가인 MoCA(Montreal Cognitive Assessment)를 포함하며,
상기 데이터베이스화부는,
기계학습을 통해 중요변수인 복수의 인지기능 재활 프로그램을 추출하고, 추출된 중요변수의 우선순위를 AHP(Analytic Hierarchy Process)로 가중치를 부여하여 설정하며,
상기 주의집중능력(Attention)을 위한 인지기능 재활 프로그램은, 숫자 또는 그림, 미로, 틀린그림찾기, 숨은그림찾기, 방금 지나간 물건 맞추기 게임으로 구성하고,
상기 기억력(Memory)을 위한 인지기능 재활 프로그램은, 짧은 지문주고 내용 맞추기, 5분 동영상 보고 내용 맞추기, 카드 맞추기 및 순서 나열하기 게임으로 구성하고,
상기 언어기능(Language)을 위한 인지기능 재활 프로그램은, 낱말 맞추기, 끝말 잇기, 숫자 계산, 누가 더 큰가, 리듬 연주 및 단어 찾기 게임으로 구성하고,
상기 시공간능력(VisuoSpatial Function)을 위한 인지기능 재활 프로그램은, 숨은그림찾기, 틀린그림찾기, 그림그리기, 색칠하기, 따라그리기, 운전게임 및 패턴게임으로 구성하고,
상기 수행기능(Frontal Function)을 위한 인지기능 재활 프로그램은, 청기백기게임, Trail Making, 숫자연결, 숫자만들기, 이야기 만들기, 상식 이야기 및 패턴 게임으로 구성하는 것을 특징으로 하는 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템.
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 맞춤화 서비스 제공 서버는,
상기 사용자 단말에서 상기 인지기능검사 결과지를 업로드하는 경우, OCR(Optical Character ReCognition)로 상기 인지기능검사 결과지를 디지털화하는 문자인식부;
를 더 포함하는 것을 특징으로 하는 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 맞춤화 서비스 제공 서버는,
상기 사용자 단말과 화상전화로 연결되고, 상기 인지기능 재활 프로그램을 완료할 때까지 상기 화상전화로 상기 사용자 단말의 화면 및 사용자를 모니터링하는 재활유도부;
를 더 포함하는 것을 특징으로 하는 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 맞춤화 서비스 제공 서버는,
상기 인지기능 재활 프로그램의 점수에 따라 랭킹을 부여하고, 상기 점수 및 랭킹에 따라 포인트를 제공하며, 상기 포인트를 이용하여 온라인 상점에서 상품 또는 서비스를 구매 또는 이용할 수 있도록 하는 보상부;
를 더 포함하는 것을 특징으로 하는 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 맞춤화 서비스 제공 서버는,
상기 사용자 단말의 인지기능 재활 프로그램의 결과, 문제 난이도 조정 이력(History) 및 조정된 문제 난이도에 따른 인지기능 재활 프로그램의 결과를 시계열 데이터로 추이를 기록하고 미래의 인지기능을 예측하여 담당자 단말로 안내하는 시계열패턴분석부;
를 더 포함하는 것을 특징으로 하는 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020240013419A KR102687002B1 (ko) | 2024-01-29 | 2024-01-29 | 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020240013419A KR102687002B1 (ko) | 2024-01-29 | 2024-01-29 | 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102687002B1 true KR102687002B1 (ko) | 2024-07-19 |
Family
ID=92173442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240013419A KR102687002B1 (ko) | 2024-01-29 | 2024-01-29 | 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102687002B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220001875A (ko) * | 2020-06-30 | 2022-01-06 | 주식회사 마이다스아이티 | 원격재가훈련이 가능한 치매예방 인지기능 훈련 서비스 제공 방법 |
| KR20220053378A (ko) * | 2020-10-22 | 2022-04-29 | 주식회사 하이 | 인지 예비능 강화를 위한 디지털 인지 강화 훈련 장치 및 그 방법 |
| KR102406900B1 (ko) * | 2021-08-19 | 2022-06-08 | 의료법인 명지의료재단 | 노인 상태 개선 방법 및 시스템 |
| KR20220118780A (ko) * | 2021-02-19 | 2022-08-26 | 정상원 | 인공지능기반 경도인지장애환자 인지재활 교육 및 관리 플랫폼 |
-
2024
- 2024-01-29 KR KR1020240013419A patent/KR102687002B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220001875A (ko) * | 2020-06-30 | 2022-01-06 | 주식회사 마이다스아이티 | 원격재가훈련이 가능한 치매예방 인지기능 훈련 서비스 제공 방법 |
| KR20220053378A (ko) * | 2020-10-22 | 2022-04-29 | 주식회사 하이 | 인지 예비능 강화를 위한 디지털 인지 강화 훈련 장치 및 그 방법 |
| KR20220118780A (ko) * | 2021-02-19 | 2022-08-26 | 정상원 | 인공지능기반 경도인지장애환자 인지재활 교육 및 관리 플랫폼 |
| KR102406900B1 (ko) * | 2021-08-19 | 2022-06-08 | 의료법인 명지의료재단 | 노인 상태 개선 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11727217B2 (en) | Systems and methods for dynamic user interaction for improving mental health | |
| CN110516161B (zh) | 一种推荐方法及装置 | |
| CN106663383B (zh) | 分析受试者的方法和系统 | |
| Brown et al. | Parent-implemented communication intervention: Sequential analysis of triadic relationships | |
| Bahreini et al. | Towards multimodal emotion recognition in e-learning environments | |
| JP6753707B2 (ja) | コミュニケーションを支援する人工知能システム | |
| US11881010B2 (en) | Machine learning for video analysis and feedback | |
| KR102528953B1 (ko) | 원격재가훈련이 가능한 치매예방 인지기능 훈련 서비스 제공 방법 | |
| Dantas et al. | Recognition of emotions for people with autism: an approach to improve skills | |
| KR102261673B1 (ko) | 기계학습 모델을 이용하여 채용정보를 제공하는 방법 및 컴퓨터-판독가능 매체 | |
| Barnett et al. | Whatever happened to councillors? Problematising the deficiency narrative in English local politics | |
| Yagi et al. | Predicting multimodal presentation skills based on instance weighting domain adaptation | |
| KR102580302B1 (ko) | 발달지연 및 발달장애 아동을 위한 플랫폼 서비스 제공 시스템 | |
| Fruiht et al. | Rising stars and underdogs: The role race and parental education play in predicting mentorship | |
| KR102687002B1 (ko) | 노인 인지강화를 위한 인지기능 재활 프로그램 맞춤화 서비스 제공 시스템 | |
| Van Belle et al. | How to develop a realist programme theory using Margaret Archer’s structure–agency–culture framework: The case of adolescent accountability for sexual and reproductive health in urban resource-constrained settings | |
| CN115081965B (zh) | 一种学情大数据分析系统及学情服务器 | |
| US20220093253A1 (en) | Mental health platform | |
| KR20230163657A (ko) | 인공지능 기반 창업 아이템 평가 방법 및 장치 | |
| KR102488550B1 (ko) | 셀프 마인드 케어 시스템 | |
| Madahana et al. | Application of machine learning approaches to analyse student success for contact learning and emergency remote teaching and learning during the COVID-19 era in speech–language pathology and audiology | |
| KR102310135B1 (ko) | 기계학습 모델을 이용하여 지원자에 대한 채용과정을 수행하는 방법, 시스템 및 컴퓨터-판독가능 매체 | |
| KR102599369B1 (ko) | WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법 | |
| WO2015118556A1 (en) | Fully automated dermatoglyphics based multiple intelligence testing process leading to create an emotional social network and better online security and productivity application based integrated life management system | |
| Huang et al. | [Retracted] Analysis of Ideological and Political Classroom Based on Artificial Intelligence and Data Mining Technology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |