KR20130024535A - 맥파를 이용한 건강 상태 판단 장치 및 방법 - Google Patents
맥파를 이용한 건강 상태 판단 장치 및 방법 Download PDFInfo
- Publication number
- KR20130024535A KR20130024535A KR1020110088041A KR20110088041A KR20130024535A KR 20130024535 A KR20130024535 A KR 20130024535A KR 1020110088041 A KR1020110088041 A KR 1020110088041A KR 20110088041 A KR20110088041 A KR 20110088041A KR 20130024535 A KR20130024535 A KR 20130024535A
- Authority
- KR
- South Korea
- Prior art keywords
- pulse wave
- health
- information
- constitution
- user
- Prior art date
Links
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Alternative & Traditional Medicine (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
맥파 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법이 개시된다. 본 발명의 일 실시예에 따른 건강 상태 판단 방법은 사용자의 체질에 대한 체질 정보를 입력받는 단계, 사용자의 맥파에 대한 맥파 정보를 입력받는 단계, 체질 정보에 대응하는 건강 분류 함수를 호출하는 단계 및, 맥파 정보 및 호출된 건강 분류 함수를 이용하여 사용자의 건강 상태를 판단하는 단계를 포함한다.
Description
본 발명은 사용자의 맥파 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법에 관한 것이다.
현대 사회는 건강에 대한 관심이 나날이 증가하고 있다. 이러한 시대적인 관심과 더불어, 실시간 데이터 수집에 의한 데이터 분석 방식 및 툴(tool)이 고도화되는 등 기술이 비약적으로 발전함에 따라서, 건강 상태를 모니터링하고 개인화된 건강관리 서비스를 제공받는 것이 가능하게 되었다.
또한, 소비자의 의식 변화에 따른 고객 요구의 다양화와 기대수준의 향상으로 건강 서비스 및 관련 시스템 이용의 편리성 및 맞춤화가 강화되고 있는 추세이며, 축적된 개인의 건강 데이터를 바탕으로 생활 습관병 예방이나 체중관리 등의 개인화(personalized) 건강관리 사업이 급속도로 성장하고 있다.
이는 과거 건강관리 서비스가 환자를 대상으로 병원이나 의료기관에서 이루어지는 질병 치료에만 국한되는 헬스케어(Healthcare) 중심으로 이루어졌다면, 최근 소비자들의 건강관리 니즈(needs)는 건강한 사람을 대상으로 하는 질병의 사전예방 및 건강유지로 선회되고 있음을 반증하는 결과이다.
즉, 생활수준의 향상과 함께 삶의 질(Quality of Life)과 웰빙/wellness에 대한 관심이 증대하면서 소비자들은 차츰 건강상태 측정, 적정 운동량 관리 등의 사전 예방적인 건강관리에 대한 선호도가 높아지고 있다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은 사용자의 신상 정보, 체질 정보 및 맥파 정보를 이용하여 사용자의 건강 상태를 판단하는 건강 상태 판단 장치 및 그 방법을 제공하기 위한 것이다.
또한, 본 발명의 다른 목적은, 사용자의 체질 정보를 기반으로 하고, 사용자의 맥파 특성과 건강 상태 사이의 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성하는 건강 분류 함수 생성 장치 및 그 방법을 제공하기 위한 것이다.
이상과 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 건강 상태 판단 방법은 사용자의 체질에 대한 체질 정보를 입력받는 단계, 상기 사용자의 맥파에 대한 맥파 정보를 입력받는 단계, 상기 체질 정보에 대응하는 건강 분류 함수를 호출하는 단계 및 상기 맥파 정보 및 상기 호출된 건강 분류 함수를 이용하여 상기 사용자의 건강 상태를 판단하는 단계를 포함한다.
본 발명의 일 실시예에 따른 사용자의 건강 상태를 판단하기 위한 건강 분류 함수를 생성하는 건강 분류 함수 생성 방법은 복수 개의 맥파 특성을 포함하는 참조 맥파 정보를 복수 개 입력 받고, 상기 복수 개의 참조 맥파 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는 단계, 상기 복수 개의 참조 맥파 정보 및 상기 복수 개의 임상 데이터를 체질 별로 분류하는 단계, 상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 상기 복수 개의 맥파 특성과 상기 건강 상태 사이의 상관 관계를 상기 체질 별로 연산하는 단계, 상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 상기 분류 모델을 이용하여 상기 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 상기 체질 별로 추출하는 단계 및 상기 적어도 하나의 주요 맥파 특성 및 상기 연산된 상관 관계를 이용하여, 상기 건강 분류 함수를 상기 체질 별로 생성하는 단계를 포함한다.
본 발명의 일 실시예에 따른 건강 상태 판단 장치는 사용자의 맥파에 대한 맥파 정보 및 상기 사용자의 체질에 대한 체질 정보를 입력 받는 입력부, 상기 체질 정보에 대응하는 건강 분류 함수를 호출하는 처리부 및 상기 맥파 정보 및 상기 호출된 건강 분류 함수를 이용하여, 상기 사용자의 건강 상태를 판단하는 판단부를 포함한다.
본 발명의 일 실시예에 따른 사용자의 건강 상태를 판단하기 위한 건강 분류 함수를 생성하는 건강 분류 함수 생성 장치는 복수 개의 맥파 특성을 포함하는 참조 맥파 정보를 복수 개 입력 받고, 상기 복수 개의 참조 맥파 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는 입력부, 상기 복수 개의 참조 맥파 정보 및 상기 복수 개의 임상 데이터를 체질 별로 분류하는 처리부, 상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 상기 복수 개의 맥파 특성과 상기 건강 상태 사이의 상관 관계를 상기 체질 별로 연산하는 연산부, 상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 상기 분류 모델을 이용하여 상기 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 상기 체질 별로 추출하는 추출부 및 상기 적어도 하나의 주요 맥파 특성 및 상기 연산된 상관 관계를 이용하여, 상기 건강 분류 함수를 상기 체질 별로 생성하는 생성부를 포함한다.
본 발명에서 제공하는 건강 상태 판단 장치 및 그 방법은 사용자의 신상 정보, 체질 정보 및 맥파 정보를 이용하여 사용자의 건강 상태를 간편하게 측정할 수 있어 사전 예방적인 건강관리를 가능하게 한다.
또한, 본 발명에서 제공하는 건강 분류 함수 생성 장치 및 그 방법은 신상 정보, 체질 정보 및 맥파 정보를 이용함으로써 정확도가 높은 건강 분류 함수를 생성할 수 있다.
도 1은 본 발명의 일 실시예에 따른 사용자의 건강 상태를 판단하는 건강 상태 판단 방법의 전체 알고리즘을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 건강 상태 판단 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 건강 상태 판단 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 건강 분류 함수 생성 장치의 구성을 나타내는 블록도이다.
도 5는 복수 개의 맥파 특성으로부터 주요 맥파 특성을 체질 별로 추출하는 과정을 나타내는 도면이다.
도 6 은 본 발명의 일 실시예에 따른 건강 분류 함수 생성 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 건강 상태 판단 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 건강 상태 판단 방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 건강 분류 함수 생성 장치의 구성을 나타내는 블록도이다.
도 5는 복수 개의 맥파 특성으로부터 주요 맥파 특성을 체질 별로 추출하는 과정을 나타내는 도면이다.
도 6 은 본 발명의 일 실시예에 따른 건강 분류 함수 생성 방법을 설명하기 위한 흐름도이다.
이하에서, 본 발명에 따른 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일실시예에 따른 사용자의 건강 상태를 판단하는 건강 상태 판단 방법의 전체 알고리즘을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 건강 상태 판단 방법은 사용자의 건강 상태를 판단하기 위하여 사용자에 대한 물리량 정보(100), 신상 정보(110) 및 사용자의 체질 정보(120)를 입력 받을 수 있다.
신상 정보(110)는 사용자의 나이, 성별, 키, 몸무게, BMI(체질량 지수), 직업, 교육 수준 등 사용자의 신상에 대한 정보를 포함할 수 있다.
사용자에 대한 물리량 정보(100)는 사용자의 건강을 판단하기 위한 변수로서 사용자의 물리적 요소에 대한 측정값을 나타낸다. 예를 들어, 사용자에 대한 물리량 정보(100)는 사용자의 음성과 연관된 음성 정보(101), 사용자의 맥파(脈波)와 연관된 맥파 정보(102), 사용자의 안면의 색과 연관된 안색 정보(103), 사용자의 피부와 연관된 피부 정보(104) 및 사용자가 건강과 관련하여 작성한 설문에 대한 설문 정보(105)를 포함할 수 있다. 사용자에 대한 복수 개의 물리량 정보(100)는 사용자의 건강을 판단하기 위한 건강 분류 함수(130)의 변수로서 건강 분류 함수(130)에 입력될 수 있다.
건강 분류 함수(130)는 사용자의 건강을 판단하기 위한 함수로서, 사용자에 대한 물리량 정보(100), 신상 정보(110) 및 체질 정보(120)를 입력 받아 사용자의 건강 상태에 대한 정보를 산출할 수 있는 함수일 수 있다.
건강 분류 함수(130)는 복수 개의 임상 데이터를 이용하여 생성될 수 있다. 예를 들어, 건강 상태 판단 방법은 복수 개의 임상 데이터를 분류 모델에 입력하여 함수식을 산출할 수 있고, 이 때 산출된 함수식이 건강 분류 함수(130)로 사용될 수 있다. 분류 모델은 로지스틱 회귀 분석(Logistic Regression Analysis), 뉴럴 네트워크 분석, 서포트 벡터 머신(Support Vector Machine) 분석, 의사 결정 트리 분석 및 선형 판별 분석(LDA) 중 적어도 어느 하나일 수 있다.
실시예에 따라서는, 건강 분류 함수(130)는 사용자의 체질 별로 별개로 구현될 수 있다. 즉, 태음인(121)에 대한 건강 분류 함수, 소음인(122)에 대한 건강 분류 함수, 소양인(123)에 대한 건강 분류 함수 및 태양인(124)에 대한 건강 분류 함수는 별개로 구현될 수 있다. 이 때, 건강 상태 판단 방법은 사용자의 체질 정보(120)를 입력 받음으로써, 사용자의 체질에 따른 건강 분류 함수를 선택하고, 선택된 건강 분류 함수를 이용하여 사용자의 건강 상태(140)를 판단할 수 있다.
일 실시예에 따른 건강 상태 판단 방법은 입력 받은 정보에 기반하여 사용자의 건강 상태(140)를 건강(141), 반건강(142) 및 질병(143)로 분류할 수 있다.
상술한 것과 같이, 건강 상태 판단 방법은 사용자에 대한 복수 개의 물리량 정보(100)에 기반하여 사용자의 건강 상태(140)를 판단할 수 있고, 본 명세서에서는 복수 개의 물리량 정보(100) 중에서도 특히 맥파 정보를 이용하여 사용자의 건강 상태를 판단하는 새로운 장치 및 방법에 대해서 제안한다.
도 2는 본 발명의 일 실시예에 따른 건강 상태 판단 장치의 구성을 나타내는 블록도이다. 도 2에 도시된 건강 상태 판단 장치(230)는 사용자의 건강 상태를 판단하기 위한 사용자에 대한 물리량 정보로써, 맥파 정보(200)를 이용한다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 건강 상태 판단 장치(230)는 입력부(231), 처리부(232) 및 판단부(233)를 포함한다.
입력부(231)는 사용자의 맥파에 대한 맥파 정보(200), 사용자의 신상에 대한 신상 정보(210) 및 사용자의 체질에 대한 체질 정보(220)를 입력 받는다.
건강 상태 판단 장치(230)가 사용자의 건강 상태를 판단함에 있어서, 건강 상태는 맥파 정보(200), 신상 정보(210) 및 체질 정보(220)에 따라 달라질 수 있다.
맥파 정보(200)는 별도의 맥파 측정 장치에 의해 생성되어 입력부(231)로 입력될 수 있다. 맥파 정보(200)는 복수 개의 맥파 특성을 포함하며, 사용자의 맥파와 연관된 복수 개의 맥파 특성에 대하여 센싱된 값을 포함한다.
복수 개의 맥파 특성으로는 사용자의 왼쪽 손목과 오른쪽 손목에서의 맥파 측정 부위(촌, 관, 척), 맥위의 깊이, 맥동의 세기, 맥박의 빠르기, 맥동의 길이, 맥동의 너비, 맥파의 긴장도, 맥파의 원활도, 맥파 측정시 가압 단계에서의 평균 압맥파, 맥압, 이완기 시작 높이, 맥압 대비 압맥파 면적, 수축기 맥파 면적, 맥박수, 부침계수, 허실계수, 장단계수, 대세계수, 활삽계수, 고조파 비율 및 주요 배음 주파수에서의 에너지 스펙트럼 밀도 함수 중 적어도 하나가 포함될 수 있다. 이 같은 맥파 특성들은 사용자의 건강 상태를 나타내는 변수로 작용할 수 있다.
신상 정보(210)는 사용자의 나이, 성별, 키, 몸무게, BMI(체질량 지수), 직업, 교육 수준 등 사용자의 신상에 대한 정보를 포함할 수 있다.
체질 정보(220)는 태음인(221), 소음인(222), 소양인(223) 및 태양인(224) 중 하나를 포함한다.
처리부(232)는 건강 분류 함수를 생성 및 호출하는 구성이다.
처리부(232)는 입력부(231)에 입력된 체질 정보(220)에 대응하는 건강 분류 함수를 호출한다. 건강 분류 함수를 호출하기 위하여 처리부(232)는 먼저, 건강 분류 함수를 체질 정보(220)에 대응하는 체질 별로 생성하고, 체질 별로 생성된 건강 분류 함수 중에서 입력된 체질 정보(220)에 대응하는 건강 분류 함수를 호출한다.
판단부(233)는 처리부(232)를 통해 호출된 건강 분류 함수를 이용하여 사용자의 건강 상태를 판단한다.
구체적으로, 판단부(233)는 호출된 건강 분류 함수에, 맥파 정보(200), 신상 정보(210) 및 체질 정보(220)를 입력하여 사용자의 건강 상태(230)에 대한 점수를 연산한다. 그리고, 건강 상태(240)와 연관된 기준값과 점수를 비교하여, 사용자의 건강 상태(240)를 건강(241), 반건강(242) 및 질병(243) 중 어느 하나로 판단한다.
도 3은 본 발명의 일 실시예에 따른 건강 상태 판단 방법을 설명하기 위한 흐름도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 건강 상태 판단 방법은 사용자의 체질에 대한 체질 정보를 입력 받고(310 단계), 사용자의 맥파에 대한 맥파 정보를 입력 받으며(320 단계), 사용자의 신상에 대한 신상 정보를 입력 받는다(330 단계).
이후, 건강 상태 판단 방법은 체질 정보에 대응하는 건강 분류 함수를 호출한다(340 단계).
340 단계를 실행함에 있어서, 먼저, 건강 분류 함수를 체질 별로 생성한다. 구체적으로, 복수 개의 맥파 특성을 포함하는 참조 맥파 정보를 복수 개 입력 받고, 복수 개의 참조 맥파 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는다.
복수 개의 맥파 특성은 맥파 측정 부위 및 맥파 측정을 통해 확인할 수 있는 맥파 관련값들을 포함할 수 있다. 또한, 임상 데이터는 임상 시험 대상자의 체질에 대한 체질 정보, 대상자의 신상에 대한 신상 정보 및 대상자의 건강 상태에 대한 건강 상태 정보 중 적어도 하나를 포함할 수 있다.
이후, 복수 개의 참조 맥파 정보 및 복수 개의 임상 데이터를 체질 별로 분류한다. 이는 태음인, 소음인, 소양인, 태양인에 따라 공통적으로 나타나는 참조 맥파 정보 및 임상 데이터를 확인하기 위한 것이다.
다음, 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 맥파 특성과 건강 상태 사이의 상관 관계를 체질 별로 연산한다. 복수 개의 맥파 특성과 건강 상태 사이의 상관 관계란, 소정의 체질을 갖는 사용자가 어떤 맥파 특성을 갖는 경우 건강할 확률이 높은지, 또는 건강할 확률이 낮은지를 나타내는 지표이다. 다시 말해, 소정의 체질을 갖는 사용자에 대한 건강 상태를 보다 잘 반영하는 맥파 특성이 어떤 것인지를 나타내는 것으로, 보다 정확하게는 체질 별로 복수 개의 맥파 특성과 건상 상태 사이의 상관 관계를 나타낸다. 상관 관계 연산에 이용되는 분류 모델은 로지스틱 회귀 분석(Logistic Regression Analysis), 뉴럴 네트워크 분석, 서포트 벡터 머신(Support Vector Machine) 분석, 의사 결정 트리 분석 및 선형 판별 분석(LDA) 중 적어도 어느 하나일 수 있다.
체질 별로 분류된 참조 맥파 특성 및 임상 데이터와 분류 모델을 이용하여 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 체질 별로 추출한다. 즉, 체질 별로 복수 개의 맥파 특성과 건상 상태 사이의 상관 관계를 연산하고, 이들 중 높은 상관 관계 또는 의미있는 상관 관계를 갖는 맥파 특성을 주요 맥파 특성으로 추출할 수 있다.
이후, 추출된 적어도 하나의 주요 맥파 특성 및 연산된 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성한다. 이 같이 체질 별로 생성된 건강 분류 함수 중에서 310 단계를 통해 입력된 체질 정보에 대응하는 건강 분류 함수를 호출할 수 있다.
건강 상태 판단 방법은 호출된 건강 분류 함수에, 맥파 정보 및 신상 정보를 입력하여 사용자의 건강 상태를 판단한다(350 단계).
구체적으로, 건강 분류 함수에, 맥파 정보 및 신상 정보를 입력하여 산출된 점수가 사용자의 맥파 정보 중 주요 맥파 특성이 건강 상태 판단을 위한 기준값보다 높을 경우(또는 낮을 경우) 사용자의 건강 상태를 '건강'으로 판단하고, 상기 기준값보다 낮을 경우(또는 높을 경우) 사용자의 건강 상태를 '반건강' 또는 '질병'으로 판단할 수 있다.
도 4는 본 발명의 일 실시예에 따른 건강 분류 함수 생성 장치의 구성을 나타내는 블록도이다. 건강 분류 함수는 사용자의 건강 상태를 판단하기 위한 것으로, 건강 분류 함수 생성 장치(400)에 의해 체질 별로 생성될 수 있다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 건강 분류 함수 생성 장치(400)는 입력부(410), 처리부(420), 연산부(430), 추출부(440) 및 생성부(450)를 포함한다.
입력부(410)는 복수 개의 맥파 특성을 포함하는 참조 맥파 정보 1 내지 참조 맥파 정보 N을 복수 개 입력받고, 참조 맥파 정보 1 내지 참조 맥파 정보 N 각각에 대응하는 임상 데이터1 내지 임상 데이터 N을 입력 받는다.
참조 맥파 정보 1 내지 참조 맥파 정보 N와, 임상 데이터1 내지 임상 데이터 N은 N명의 임상 시험 대상자들로부터 얻어진 정보가 될 수 있다.
즉, 맥파 측정 시스템을 이용하여 N명의 대상자들에 대한 복수 개의 맥파 특성을 측정하고 이 복수 개의 맥파 특성을 포함하는 맥파 정보를 생성한 것으로, N명의 대상자들에 대한 참조 맥파 정보 1 내지 참조 맥파 정보 N를 건강 분류 함수를 생성하는데 이용될 수 있다.
또한, 임상 데이터 1 내지 임상 데이터 N은 N명의 대상자들의 체질에 대한 체질 정보, 신상 정보 및 건강 상태 정보 중 적어도 하나를 포함할 수 있다. 따라서, 참조 맥파 정보 1 내지 참조 맥파 정보 N와, 임상 데이터1 내지 임상 데이터 N를 이용하여 체질 별로 맥파 정보를 이용하여 따른 건강 상태를 판단할 수 있게 된다.
처리부(420)는 참조 맥파 정보 1 내지 참조 맥파 정보 N 및 임상 데이터1 내지 임상 데이터 N을 체질 별로 분류한다.
연산부(430)는 체질 별로 분류된 참조 맥파 정보 1 내지 참조 맥파 정보 N 및 임상 데이터1 내지 임상 데이터 N과 분류 모델을 이용하여 복수 개의 맥파 특성과 건강 상태 사이의 상관 관계를 상기 체질 별로 연산한다.
추출부(440)는 체질 별로 분류된 참조 맥파 정보 1 내지 참조 맥파 정보 N 및 임상 데이터1 내지 임상 데이터 N와 분류 모델을 이용하여 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 체질 별로 추출한다.
생성부(450)는 적어도 하나의 주요 맥파 특성 및 연산된 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성한다. 일 예로, 생성부(450)는 소정의 체질에 대하여 아래의 수학식 1로 표현되는 건강 분류 함수를 생성할 수 있다.
수학식 1에서, p는 건강/반건강/질병을 구분하는 확률(또는 건강 수준을 나타내는 척도), xi는 i번째 맥파 특성, Bi는 i번째 맥파 특성의 상관 정보를 나타내는 계수, yj는 j번째 보정 변수(예를 들어, 사용자의 신상 정보), Cj는 j번째 보정 변수의 계수를 나타낸다.
도 5는 복수 개의 맥파 특성으로부터 주요 맥파 특성을 체질 별로 추출하는 과정을 나타내는 도면이다.
복수 개의 맥파 특성(511, 512, 513, 514, 515, 516)을 포함하는 맥파 정보(510)로부터 주요 맥파 특성을 소음인(520), 소양인(530) 및 태음인(516) 별로 추출하기 위하여, 먼저, 복수 개의 맥파 특성(511, 512, 513, 514, 515, 516)과 건강 상태 사이의 상관 관계를 체질 별로 연산한다. 이 연산 과정을 통해 주요 맥파 특성을 추출한 일 예를 표 1 내지 표 3에 나타낸다.
| 맥파 특성 | B | S.E | Wald | Df | Sig | Exp[B] | 95% C.I.for EXP(B) | |
| Lower | Upper | |||||||
| 이완기 맥파 시작 높이 | -0.406 | 0.315 | 1.662 | 1 | 0.197 | 0.666 | 0.359 | 1.235 |
| 5th 고조파 비율 | -0.454 | 0.202 | 5.041 | 1 | 0.025 | 0.635 | 0.427 | 0.944 |
표 1은 태음인(516)에 대한 주요 맥파 특성을 나타낸다. 복수 개의 맥파 특성(511, 512, 513, 514, 515, 516)과 건강 상태 사이의 상관 관계를 연산한 결과, 이완기 맥파 시작 높이(512) 및 5th 고조파 비율(515)의 맥파 특성이 태음인(516)의 건강 상태와 의미있는 상관 관계(B)를 갖는다. 따라서, 도 5에 도시된 바와 같이, 이완기 맥파 시작 높이(512) 및 5th 고조파 비율(515)의 맥파 특성이 태음인의 건강 상태를 판단하는데 이용되는 주요 맥파 정보로 이용될 수 있다.
| 맥파 특성 | B | S.E | Wald | Df | Sig | Exp[B] | 95% C.I.for EXP(B) | |
| Lower | Upper | |||||||
| 맥박수 | -9.675 | 6.184 | 2.448 | 1 | 0.118 | 0.000 | 0.000 | 11.540 |
| 4th 고조파 비율 | 0.732 | 0.499 | 2.154 | 1 | 0.142 | 2.080 | 0.782 | 5.530 |
표 2는 소음인(520)에 대한 주요 맥파 특성을 나타낸다. 복수 개의 맥파 특성(511, 512, 513, 514, 515, 516)과 건강 상태 사이의 상관 관계를 연산한 결과, 맥박수(511) 및 4th 고조파 비율(514)의 맥파 특성이 소음인(520)의 건강 상태와 의미있는 상관 관계(B)를 갖는다. 따라서, 도 5에 도시된 바와 같이, 맥박수(511) 및 4th 고조파 비율(514)의 맥파 특성이 소음인(520)의 건강 상태를 판단하는데 이용되는 주요 맥파 정보로 이용될 수 있다.
| 맥파 특성 | B | S.E | Wald | Df | Sig | Exp[B] | 95% C.I.for EXP(B) | |
| Lower | Upper | |||||||
| 6th 고조파 비율 | -1.521 | 0.484 | 9.869 | 1 | 0.002 | 0.219 | 0.085 | 0.564 |
| 맥압 대비 압맥파 면적 | -3.843 | 1.884 | 4.162 | 1 | 0.041 | 0.021 | 0.001 | 0.860 |
표 3은 소양인(530)에 대한 주요 맥파 특성을 나타낸다. 복수 개의 맥파 특성(511, 512, 513, 514, 515, 516)과 건강 상태 사이의 상관 관계를 연산한 결과, 맥압 대비 압맥파 면적(513) 및 6th 고조파 비율(516)의 맥파 특성이 소양인(530)의 건강 상태와 의미있는 상관 관계(B)를 갖는다. 따라서, 도 5에 도시된 바와 같이, 맥압 대비 압맥파 면적(513) 및 6th 고조파 비율(516)의 맥파 특성이 소양인(530)의 건강 상태를 판단하는데 이용되는 주요 맥파 정보로 이용될 수 있다.
도 6은 본 발명의 일 실시예에 따른 건강 분류 함수 생성 방법을 설명하기 위한 흐름도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 건강 분류 함수 생성 방법은 복수 개의 맥파 특성에 대한 참조 맥파 정보를 복수 개 입력 받고, 복수 개의 참조 맥파 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는다(610 단계).
건강 분류 함수 생성 방법은 복수 개의 참조 맥파 정보 및 복수 개의 임상 데이터를 체질 별로 분류한다(620 단계).
건강 분류 함수 생성 방법은 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 맥파 특징과 건강 상태 사이의 상관 관계를 체질 별로 연산한다(630 단계).
건강 분류 함수 생성 방법은 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 체질 별로 추출한다(640 단계).
건강 분류 함수 생성 방법은 적어도 하나의 주요 맥파 특성 및 연산된 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성한다(650 단계).
본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 물리량 정보 110, 210: 신상 정보
120, 220: 체질 정보 130: 건강 분류 함수
140, 240: 건강 상태
400: 건강 분류 함수 생성 장치
410: 입력부 420: 처리부
430: 연산부 440: 추출부
450: 생성부
120, 220: 체질 정보 130: 건강 분류 함수
140, 240: 건강 상태
400: 건강 분류 함수 생성 장치
410: 입력부 420: 처리부
430: 연산부 440: 추출부
450: 생성부
Claims (12)
- 사용자의 체질에 대한 체질 정보를 입력받는 단계;
상기 사용자의 맥파에 대한 맥파 정보를 입력받는 단계;
상기 체질 정보에 대응하는 건강 분류 함수를 호출하는 단계; 및
상기 맥파 정보 및 상기 호출된 건강 분류 함수를 이용하여 상기 사용자의 건강 상태를 판단하는 단계
를 포함하는 건강 상태 판단 방법.
- 제1항에 있어서,
상기 건강 분류 함수를 호출하는 단계는
상기 건강 분류 함수를 상기 체질 별로 생성하는 단계; 및
상기 체질 별로 생성된 건강 분류 함수 중에서 상기 체질 정보에 대응하는 건강 분류 함수를 호출하는 단계
를 포함하는 건강 상태 판단 방법.
- 제2항에 있어서,
상기 건강 분류 함수를 상기 체질 별로 생성하는 단계는
복수 개의 맥파 특성을 포함하는 참조 맥파 정보를 복수 개 입력 받고, 상기 복수 개의 참조 맥파 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는 단계;
상기 복수 개의 참조 맥파 정보 및 상기 복수 개의 임상 데이터를 체질 별로 분류하는 단계;
상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 상기 복수 개의 맥파 특성과 상기 건강 상태 사이의 상관 관계를 상기 체질 별로 연산하는 단계;
상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 상기 분류 모델을 이용하여 상기 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 상기 체질 별로 추출하는 단계; 및
상기 적어도 하나의 주요 맥파 특성 및 상기 연산된 상관 관계를 이용하여, 상기 건강 분류 함수를 상기 체질 별로 생성하는 단계
를 포함하는 건강 상태 판단 방법.
- 제1항에 있어서,
상기 맥파 정보는
상기 사용자의 맥파와 연관된 복수 개의 맥파 특성에 대하여 센싱된 값을 포함하고,
상기 건강 상태를 판단하는 단계는
상기 호출된 건강 분류 함수에 상기 센싱된 값을 입력하여 상기 사용자의 건강 상태에 대한 점수를 연산하고,
상기 건강 상태와 연관된 기준값과 상기 점수를 비교하여, 상기 사용자의 건강 상태를 판단하는 건강 상태 판단 방법.
- 제1항에 있어서,
상기 사용자의 신상에 대한 신상 정보를 입력 받는 단계
를 더 포함하고,
상기 건강 상태를 판단하는 단계는
상기 호출된 건강 분류 함수에 상기 맥파 정보 및 상기 신상 정보를 입력하여, 상기 사용자의 건강 상태를 판단하는 건강 상태 판단 방법.
- 제1항에 있어서,
상기 맥파 정보는,
상기 사용자의 맥파와 연관된 복수 개의 맥파 특성을 포함하고,
상기 복수 개의 맥파 특성은,
상기 사용자의 왼쪽 손목과 오른쪽 손목에 위치한 촌(村), 관(關), 척(尺) 부위 중 하나인 맥파 측정 부위, 맥위의 깊이, 맥동의 세기, 맥박의 빠르기, 맥동의 길이, 맥동의 너비, 맥파의 긴장도, 맥파의 원활도, 맥파 측정시 가압 단계에서의 평균 압맥파, 맥압, 이완기 시작 높이, 전체 압맥파 면적, 수축기 맥파 면적, 맥박수, 부침계수, 허실계수, 장단계수, 대세계수, 활삽계수 및 주요 배음 주파수에서의 에너지 스펙트럼 밀도 함수 중 적어도 하나를 포함하는 건강 상태 판다 방법.
- 사용자의 건강 상태를 판단하기 위한 건강 분류 함수를 생성하는 건강 분류 함수 생성 방법에 있어서,
복수 개의 맥파 특성을 포함하는 참조 맥파 정보를 복수 개 입력 받고, 상기 복수 개의 참조 맥파 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는 단계;
상기 복수 개의 참조 맥파 정보 및 상기 복수 개의 임상 데이터를 체질 별로 분류하는 단계;
상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 상기 복수 개의 맥파 특성과 상기 건강 상태 사이의 상관 관계를 상기 체질 별로 연산하는 단계;
상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 상기 분류 모델을 이용하여 상기 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 상기 체질 별로 추출하는 단계; 및
상기 적어도 하나의 주요 맥파 특성 및 상기 연산된 상관 관계를 이용하여, 상기 건강 분류 함수를 상기 체질 별로 생성하는 단계
를 포함하는 건강 분류 함수 생성 방법.
- 제7항에 있어서,
상기 분류 모델은,
로지스틱 회귀 분석, 뉴럴 네트워크 분석, 서포트 벡터 머신(Support Vector Machine) 분석, 의사 결정 트리 분석 및 선형 판별 분석 중 적어도 하나를 포함하는 건강 분류 함수 생성 방법.
- 제7항에 있어서,
상기 임상 데이터는,
임상 시험 대상자의 체질에 대한 체질 정보, 상기 대상자의 신상에 대한 신상 정보 및 상기 대상자의 건강 상태에 대한 건강 상태 정보 중 적어도 하나를 포함하는 건강 분류 함수 생성 방법.
- 제1항 내지 제9항 중 어느 한 항의 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
- 사용자의 맥파에 대한 맥파 정보 및 상기 사용자의 체질에 대한 체질 정보를 입력 받는 입력부;
상기 체질 정보에 대응하는 건강 분류 함수를 호출하는 처리부; 및
상기 맥파 정보 및 상기 호출된 건강 분류 함수를 이용하여, 상기 사용자의 건강 상태를 판단하는 판단부
를 포함하는 건강 상태 판단 장치.
- 사용자의 건강 상태를 판단하기 위한 건강 분류 함수를 생성하는 건강 분류 함수 생성 장치에 있어서,
복수 개의 맥파 특성을 포함하는 참조 맥파 정보를 복수 개 입력 받고, 상기 복수 개의 참조 맥파 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는 입력부;
상기 복수 개의 참조 맥파 정보 및 상기 복수 개의 임상 데이터를 체질 별로 분류하는 처리부;
상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 분류 모델을 이용하여 상기 복수 개의 맥파 특성과 상기 건강 상태 사이의 상관 관계를 상기 체질 별로 연산하는 연산부;
상기 체질 별로 분류된 참조 맥파 정보 및 임상 데이터와 상기 분류 모델을 이용하여 상기 복수 개의 맥파 특성으로부터 적어도 하나의 주요 맥파 특성을 상기 체질 별로 추출하는 추출부; 및
상기 적어도 하나의 주요 맥파 특성 및 상기 연산된 상관 관계를 이용하여, 상기 건강 분류 함수를 상기 체질 별로 생성하는 생성부
를 포함하는 건강 분류 함수 생성 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110088041A KR101330404B1 (ko) | 2011-08-31 | 2011-08-31 | 맥파를 이용한 건강 상태 판단 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110088041A KR101330404B1 (ko) | 2011-08-31 | 2011-08-31 | 맥파를 이용한 건강 상태 판단 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130024535A true KR20130024535A (ko) | 2013-03-08 |
| KR101330404B1 KR101330404B1 (ko) | 2013-11-15 |
Family
ID=48176589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110088041A KR101330404B1 (ko) | 2011-08-31 | 2011-08-31 | 맥파를 이용한 건강 상태 판단 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101330404B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101653502B1 (ko) * | 2015-06-12 | 2016-09-09 | 한국 한의학 연구원 | 미병 분류를 보조하는 컴퓨팅 장치 및 방법 |
| CN109363632A (zh) * | 2018-09-26 | 2019-02-22 | 北京三医智慧科技有限公司 | 脉象数据的解读方法和脉象数据的解读装置 |
| CN112617758A (zh) * | 2020-12-31 | 2021-04-09 | 厦门越人健康技术研发有限公司 | 一种基于人工智能的中医健康状态辨识方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101752713B1 (ko) * | 2015-08-25 | 2017-06-30 | 조현명 | 녹음 및 맥박 측정 기능을 구비하는 언어폭력 예방 팔찌 사용 방법 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100418190B1 (ko) | 2000-08-05 | 2004-02-11 | 주식회사 뉴메디컴 | 전자식 체질진단시스템 및 신호처리 방법 |
| KR200297522Y1 (ko) * | 2002-09-02 | 2002-12-11 | 두 수 고 | 맥박 감지 시스템 |
| KR100698528B1 (ko) | 2006-04-28 | 2007-03-22 | 삼성전자주식회사 | 휴대단말을 이용한 생활패턴 관리방법 및 장치 |
| KR101009959B1 (ko) * | 2008-09-25 | 2011-01-20 | 한국생산기술연구원 | 건강상태 측정장치 및 방법 그리고 그 방법을 수행하기 위한 프로그램이 기록된 기록매체 |
-
2011
- 2011-08-31 KR KR1020110088041A patent/KR101330404B1/ko active IP Right Grant
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101653502B1 (ko) * | 2015-06-12 | 2016-09-09 | 한국 한의학 연구원 | 미병 분류를 보조하는 컴퓨팅 장치 및 방법 |
| WO2016200243A1 (ko) * | 2015-06-12 | 2016-12-15 | 한국 한의학 연구원 | 미병 분류를 보조하는 컴퓨팅 장치 및 방법 |
| CN109363632A (zh) * | 2018-09-26 | 2019-02-22 | 北京三医智慧科技有限公司 | 脉象数据的解读方法和脉象数据的解读装置 |
| CN112617758A (zh) * | 2020-12-31 | 2021-04-09 | 厦门越人健康技术研发有限公司 | 一种基于人工智能的中医健康状态辨识方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101330404B1 (ko) | 2013-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101970947B1 (ko) | 빅데이터를 활용한 건강정보 예측 장치 및 방법 | |
| Tang et al. | Synthetic photoplethysmogram generation using two Gaussian functions | |
| CN108135485A (zh) | 通过语音分析评估肺部病症 | |
| US20200258627A1 (en) | Systems, devices, software, and methods for a platform architecture | |
| EP3453321A1 (en) | Non-invasive method and system for estimating blood pressure from photoplethysmogram using statistical post-processing | |
| KR102446005B1 (ko) | 딥러닝 기반 건강 위험도 예측을 통한 건강 개선 프로그램 제공 방법 | |
| Poddar et al. | Automated diagnosis of coronary artery diseased patients by heart rate variability analysis using linear and non-linear methods | |
| KR101330404B1 (ko) | 맥파를 이용한 건강 상태 판단 장치 및 방법 | |
| CN107066798A (zh) | 一种心脏健康质量预警系统及其预警方法 | |
| JPWO2020122227A1 (ja) | うつ状態を推定する装置、方法及びそのためのプログラム | |
| Proniewska et al. | Identification of human vital functions directly relevant to the respiratory system based on the cardiac and acoustic parameters and random forest | |
| KR101274431B1 (ko) | 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
| KR20130104882A (ko) | 관상동맥석회화 수치 위험도 예측장치 및 예측방법 | |
| KR20130024875A (ko) | 피부 특성을 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
| Javadi | Combining neural networks and ANFIS classifiers for supervised examining of electrocardiogram beats | |
| Nikolaev et al. | Structural architectural solutions for an intelligence system of cardiological screening of diabetes patients | |
| KR20130025082A (ko) | 음성 정보를 이용한 건강 상태 판단 장치 및 그 방법 | |
| Mantri et al. | Real time multimodal depression analysis | |
| WO2020163593A1 (en) | Systems, devices, software, and methods for a platform architecture | |
| Beh et al. | Machine-Aided PPG Signal Quality Assessment (SQA) for Multi-Mode Physiological Signal Monitoring | |
| KR101253445B1 (ko) | 피부 특성을 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
| KR20140126830A (ko) | 체형 정보를 이용한 한증 및 열증 판별 방법 및 장치 | |
| JP7420266B2 (ja) | 分析装置 | |
| JP7462556B2 (ja) | 患者データ有効性解析のための装置 | |
| US20240008813A1 (en) | Smart wearable device and method for estimating traditional medicine system parameters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20161109 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20171102 Year of fee payment: 5 |