KR20140070064A - 가속도 센서를 이용한 환자분석 장치 및 방법 - Google Patents

가속도 센서를 이용한 환자분석 장치 및 방법 Download PDF

Info

Publication number
KR20140070064A
KR20140070064A KR1020120138103A KR20120138103A KR20140070064A KR 20140070064 A KR20140070064 A KR 20140070064A KR 1020120138103 A KR1020120138103 A KR 1020120138103A KR 20120138103 A KR20120138103 A KR 20120138103A KR 20140070064 A KR20140070064 A KR 20140070064A
Authority
KR
South Korea
Prior art keywords
patient
subject
data
acceleration sensor
personal information
Prior art date
Application number
KR1020120138103A
Other languages
English (en)
Inventor
허의남
이승진
Original Assignee
경희대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020120138103A priority Critical patent/KR20140070064A/ko
Priority to PCT/KR2012/010876 priority patent/WO2014084441A1/ko
Publication of KR20140070064A publication Critical patent/KR20140070064A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1101—Detecting tremor
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Neurology (AREA)
  • Pathology (AREA)
  • Neurosurgery (AREA)
  • Physiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Developmental Disabilities (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 파킨슨병 환자에 맞는 객관적 평가 지표를 개발하고 전문의에게 보조 지표로 제공할 수 있는 환자 분석 장치 및 방법을 제공한다. 본 발명에 따른 가속도 센서를 이용한 환자분석 장치는 가속도 센서를 이용하여 대상 환자의 동작을 측정하여 동작 측정 데이터를 생성하는 정보 수집부 및 대상 환자의 개인정보를 수신하고, 수신된 동작 측정 데이터 및 대상 환자의 개인정보에 기초하여 대상 환자의 파킨슨병 상태 진단을 위한 객관적 보조지표를 생성하는 분석 서버부로 구성된다. 대상 환자는 전문의 또는 전문가의 동작 지시에 따라 행동하게 되며, 이러한 대상 환자의 행동을 가속도 센서를 이용하여 측정한다.

Description

가속도 센서를 이용한 환자분석 장치 및 방법{APPARATUS AND METHOD FOR PATIENT ANALYSIS USING ACCELEROMETER SENSOR}
본 발명은 IT 의료기기 분야에 관한 것으로, 보다 상세하게는 대상 환자에 최적화된 진단을 제공하기 위한 환자 분석 장치 및 방법에 대한 것이다.
본 연구는 지식경제부 및 정보통신산업진흥원의 대학 IT 연구센터 육성지원 사업의 연구결과로 수행되었음(u-라이프케어 연구센터 과제번호: NIPA-2012-(H0301-12-2001)).
최근 IT기술의 발전과 유비쿼터스 환경은 각종 분야와 결합하여 현대 생활에 많은 편리함을 제공하며, 특히 유비쿼터스 기술은 무선 센서 네트워크를 기반으로 빠르게 발전하고 있다. 오브젝트(Object)가 지능적으로 연결되어 데이터를 주고받는 사물지능통신(Machine to Machine, M2M) 기반의 유비쿼터스 사회(Ubiquitous-Society)의 실현을 위해 미국, 유럽, 일본 등에서 여러 프로젝트가 진행되고 있으며 한국에서도 정부 주도 하에 다양한 프로젝트 및 시범 사업을 운영하고 있다. 이러한 연구들 중에서 특히 사람들이 건강에 대한 관심이 많아지고 유비쿼터스 개념이 쉽게 적용되어 언제 어디서나 자신의 건강을 자가진단하고 병의 유무 등의 실시간 모니터링하여 활용될 수 있는 분야인 의료분야가 각광받고 있다.
이에 따라 현재 의료IT기술은 뇌졸중, 당뇨, 치매, 암, 파킨슨병, 심장병과 같은 다양한 만성질환에 대한 진단이나 치료에 맞춰서 개발되고 있다. 일반적으로 다양한 질병에 대한 진단을 하기 위해서 오랜 시간 동안 여러 검사를 통해서 판단할 수가 있고 질병이 발견된 후에 환자의 상태를 주기적으로 확인하는데 여러 검사를 주기적으로 할 수가 없어서 전문의가 겉으로 드러나는 증상을 확인하여 주관적으로 환자의 상태를 판단하는 경우가 있다.
현재 파킨슨 증상과 징후를 보이는 질환은 매우 많다. 따라서 파킨슨병 전문의의 진료를 통해 원인 질환을 찾는 일이 매우 중요하다. 파킨슨 증상을 호소하며 신경과 외래를 방문한 환자의 약 75~80%가 파킨슨병에 해당되며, 나머지 20~25%는 파킨슨병 유사질환이다. 파킨슨병은 뇌에서 도파민 이라는 신경전달물질을 분비하는 신경 세포들이 죽어감으로써 도파민 부족으로 인해 느린 운동, 정지 시 떨림, 근육 강직, 질질 끌며 걷기, 굽은 자세와 같은 여러 증세를 나타내는 신경퇴행성 질환으로 파킨슨병은 대개 매우 느리게 진행하므로 대부분의 환자들은 적절한 치료를 받으며 오랜 기간 동안 큰 불편함 없이 일반적인 사회활동을 할 수 있다. 또한, 파킨슨병 유사질환으로는 다른 증상 없이 단순히 떨림증만 있는 본태성 진전증, 약물이나 뇌졸중, 연탄가스 중독증과 같은 이차성 파킨슨 증후군, 그리고 다른 신경퇴행성 질환이 동반된 파킨슨 증후군이 있다. 이러한 질환 중에 신경퇴행성 파킨슨 증후군은 병의 진행 경과가 빠르고 도파민 치료에 반응이 없거나, 일시적인 반응만을 나타내는 경우가 대부분이기 때문에 파킨슨병과의 감별이 매우 중요하다. 이와 같은 파킨슨병에 대한 진단에는 신경과 전문의의 병력청취와 이학적, 신경학적 검사가 가장 중요하다. 그 밖의 다른 검사법들은 대부분 보조적인 수단으로 파킨슨병 자체를 진단하는 목적보다는 파킨슨병과 혼동될 수 있는 다른 질환이나 이차성 파킨슨병의 원인을 밝히는 목적으로 주로 사용한다.
현재에는 파킨슨병을 진단하거나 위와 같은 파킨슨병 유사질환과 감별해 내기 위하여 환자를 초기에 검사할 때, 뇌 자기공명영상촬영(뇌 MRI), 단일혈류광자방출단층촬영(SPECT), 양전자방출단층촬영(PET) 등 힘든 검사를 하여 진단하게 된다. 따라서 파킨슨병 환자로 진단이 되고나면 처음에 파킨슨병을 진단하는 방식은 사용하지 않고 주기적으로 간단한 임상방식으로만 전문의가 환자의 상태를 파악하고 치료와 함께 처방약을 조절하게 된다. 이러한 기존 임상진단 방식은 전문의의 경험에만 의존하게 되기 때문에 치료와 처방약을 잘 조절해야 더욱 오랜 기간 동안 불편함 없이 사회활동을 할 수 있는 파킨슨병 환자에게 문제가 될 수 있다.
기존에 파킨슨병 환자의 완전한 치료방법이 없는 상태로 전문의가 치료와 처방약을 잘 조절하여 가능한 환자가 불편함 없이 오랜 기간 동안 생활하도록 하고 있다. 하지만, 기존에 주기적인 파킨슨병 환자 진단 및 처방에 필요한 데이터는 각각의 전문의가 경험으로 기억하고 있어서 전문의마다 경험이 다르기 때문에 일괄 되어있지가 않는 문제가 있다. 따라서 경험이 부족한 전문의의 경우에는 경험이 많은 전문의보다 파킨슨병 환자에게 치료와 처방약 조절을 잘하지 못하여 약 효과가 짧게 되어 환자가 불편함 없이 생활할 수 있는 기간이 짧게 될 수 있는 문제가 있다.
본 발명이 해결하고자 하는 과제는 주기적으로 기존 파킨슨병 환자의 병의 진행 정도를 판단하는 방법인 전문의가 단순히 전문의가 눈으로 환자의 상태를 판단하는 방식에 객관적 평가 지표를 적용함으로써 오차 없이 정확하게 파킨슨병 환자 상태를 파악하기 위하여, 환자의 상태를 판단하는데 도움이 되는 객관적 평가 지표를 개발하기 위해서 파킨슨병 환자에게 일정거리를 걷도록 하여 환자의 걸음 속도를 측정하고 일반인의 걸음 속도와의 차이를 비교분석함으로써 파킨슨병 환자에 맞는 객관적 평가 지표를 개발하고 전문의에게 보조 지표로 제공할 수 있는 환자 분석 장치 및 방법을 제공한다.
본 발명에 따른 가속도 센서를 이용한 환자분석 장치는 가속도 센서를 이용하여 대상 환자의 동작을 측정하여 동작 측정 데이터를 생성하는 정보 수집부 및 대상 환자의 개인정보를 수신하고, 수신된 동작 측정 데이터 및 대상 환자의 개인정보에 기초하여 대상 환자의 파킨슨병 상태 진단을 위한 객관적 보조지표를 생성하는 분석 서버부로 구성된다. 대상 환자는 전문의 또는 전문가의 동작 지시에 따라 행동하게 되며, 이러한 대상 환자의 행동을 가속도 센서를 이용하여 측정한다.대상 환자의 상기 대상 환자의 개인정보는 나이, 성별, 키, 몸무게, 기존 처방약 정보, 약 복용 시간, 증상 단계 및 진료 시간 등을 포함할 수 있다.
분석 서버부는 수신된 동작 측정 데이터에 기초하여 환자 상태 데이터를 생성하여 전달하고, 생성된 환자 상태 데이터 및 대상 환자의 개인정보를 분석하여 환자 분석 데이터를 생성하는 클라우드 서버 관리부, 대상 환자의 개인정보를 수신하여 클라우드 서버 관리부에 전달하고, 수신된 환자 상태 데이터를 저장하는 데이터 베이스부, 클라우드 서버 관리부로부터 수신된 환자 분석 데이터를 저장하는 지식 베이스 관리부 및 지식 베이스 관리부로부터 수신된 환자 분석 데이터에 기초하여 대상 환자의 파킨슨병 진단을 위한 객관적 보조지표를 생성하는 보조지표부로 구성된다.
환자 상태 데이터는 대상 환자의 현재 동작 상태를 나타내는 데이터로서, 대상 환자의 보행 속도, 보행 자세, 보행 상태, 팔/다리의 움직임 및 몸의 떨림 등의 정보를 포함한다. 환자 분석 데이터는 환자 상태 데이터 및 대상 환자의 기본정보에 기초하여 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 등의 정보를 포함한다.
본 발명에 따른 가속도 센서를 이용한 환자분석 방법은 먼저, 대상 환자의 개인정보를 수신하고, 대상 환자에게 동작 지시를 요청한다. 대상 환자가 동작 지시에 따라 행동을 취하면, 대상 환자의 동작을 가속도 센서를 이용하여 측정한다. 그리고 측정된 대상 환자의 동작 및 대상 환자의 개인정보를 분석하여 객관적 보조지표를 생성하고, 생성된 객관적 보조지표를 전문의에게 전달한다. 측정된 대상 환자의 동작을 통해 객관적 보조지표를 생성하는 방법은 수신된 동작 측정 데이터 및 대상 환자의 개인 정보에 기초하여 환자 상태 데이터를 생성하고, 생성된 환자 상태 데이터를 분석하여 환자 분석 데이터를 생성한다. 그리고 환자 분석 데이터를 통해 상기 객관적 보조지표를 생성한다.
종래의 파킨슨병 환자의 분석 방법은 단순히 전문의의 경험을 바탕으로 환자의 걸음을 주관적으로 판단하여 환자의 상태를 평가하였으나, 본 발명에 따른 환자 분석 장치 및 방법을 적용하면, 환자의 걸음을 객관적으로 판단할 수 있도록 환자의 상태를 수치화하여 전문의에게 제공할 수 있다. 또한, 측정된 환자의 상태 결과와 여러 전문의 지식을 지식베이스에 계속 저장함으로써 데이터가 계속 새롭게
갱신되고 클라우드 서버 상에 데이터를 저장함으로써 객관적 평가 지표를 만들 수 있고 언제 어디서든 데이터를 사용하고 저장할 수 있다. 따라서 앞으로는 파킨슨병 환자들은 스스로 자신의 걸음속도를 측정하여 측정된 결과로 병원에서 제공해주는 객관적 평가 지표를 통해 전문의를 통해서가 아닌 가정에서 환자 스스로 자신의 상태를 알 수 있을 것이다.
본 3축 가속도 센서를 이용한 파킨슨병 환자 상태 분석 기술은 기존에 오랜 시간이 걸리는 여러 검사를 통해 파킨슨병을 환자에게 진단한 후, 주기적으로 파킨슨병에 대한 여러 검사할 수가 없어서 전문의의 주관적으로 환자의 상태를 파악하는 방식에 보조지표를 제공하여 검사 방식에 큰 변화를 줄 수 있는 차세대 의료IT기술에 적용할 수 있다.
도 1은 본 발명에 따른 가속도 센서를 이용한 환자분석 장치의 일 실시예를 나타내는 구성도이다.
도 2는 본 발명의 일 실시예에 따른 분석 서버부의 상세도이다.
도 3은 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법의 상태 데이터 수집 방법의 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법의 데이터 분석 방법을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법의 객관적 보조지표 생성 방법을 나타내는 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법을 나타내는 흐름도이다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예를 상세하게 설명한다. 본 명세서에서 사용되는 용어는 실시예에서의 기능 및 효과를 고려하여 선택된 용어들로서, 그 용어의 의미는 사용자 또는 운용자의 의도 또는 업계의 관례 등에 따라 달라질 수 있다. 따라서 후술하는 실시예들에서 사용된 용어의 의미는, 본 명세서에 구체적으로 명시된 경우에는 명시된 정의에 따르며, 구체적으로 명시하지 않는 경우, 당업자들이 일반적으로 인식하는 의미로 해석되어야 할 것이다.
도 1은 본 발명에 따른 가속도 센서를 이용한 환자분석 장치의 일 실시예를 나타내는 구성도이다.
도 1을 참조하면, 본 발명에 따른 환자 분석 장치는 정보 수집부(110) 및 분석 서버부(130)를 포함한다.
정보 수집부(110)는 전문가(20)로부터 수신된 동작 명령에 기초하여 대상 환자(10)에게 동작 지시를 전달한다. 여기에서 대상 환자(10)는 파킨슨병을 앓고 있는 환자이다. 파킨슨병은 최초 진단시에는 뇌 자기공명영상촬영(뇌 MRI), 단일혈류광자방출단층촬영(SPECT) 및 양전자방출단층촬영(PET) 등의 힘든 검사를 통하여 진단한다. 하지만 일단 파킨슨병으로 진단되면, 이후 파킨슨병의 진행 상태는 복잡한 검사가 아니라 간단한 임상 방식으로 전문의가 환자의 상태를 파악한다. 도 1에서 전문가(20)는 파킨슨병에 걸린 대상 환자(10)를 진단하는 전문의와 같은 의사 또는 장치를 다루는 의공학자(Biomedical Engineer)를 포함하AU, 대상 환자(10)의 파킨슨병 상태 진단을 위한 동작 지시를 전달할 수 있는 모든 사용자를 포함할 수 있다.
대상 환자(10)는 정보 수집부(110)로부터 수신된 동작 지시에 따라 파킨슨병 상태 진단을 위해 걷거나 특정한 동작을 취하게 된다. 동작 지시는 대상 환자(10)의 파킨슨병 진단을 위해 전문가(20)로부터 정보 수집부(110)로 수신된 동작 요청에 기초한다. 전문가(20)는 파킨슨병 상태 진단을 위해 특정한 동작을 포함하는 동작 요청을 정보 수집부(110)로 전달하고, 정보 수집부(110)는 수신된 동작 요청에 기초하여 대상 환자(10)에게 동작 지시를 전달한다.
대상 환자(10)가 수신된 동작 지시에 따라 취한 임의의 행동은 정보 수집부(110)의 3축 가속도 센서에 의해 측정된다. 대상 환자(10)의 동작 측정은 3축 가속도 센서가 부착된 허리보호대 등을 대상 환자(10)에게 착용하는 방법을 적용할 수 있다. 또는 대상 환자(10)가 3축 가속도 센서를 손에 파지하고 측정하는 방법을 적용할 수 있다. 대상 환자(10)의 동작을 3축 가속도 센서로 측정하는 방법은 상술한 방법으로 한정되는 것은 아니며, 3축 가속도 센서를 적용 가능한 모든 방법을 포함할 수 있다.
정보 수집부(110)는 대상 환자(10)의 동작을 3축 가속도 센서를 통해 측정하고, 싱크 노드(Sink Node)를 통해 3축 가속도 센서로부터 동작 센서 데이터를 수신한다. 그리고, 측정된 동작 센서 데이터에 기초하여 대상 환자(10)에 대한 동작 측정 데이터를 생성하여 분석 서버부(130)에 전달한다.
분석 서버부(130)는 전문가(20), 대상 환자(10) 또는 임의의 사용자로부터 대상 환자(10)의 기본정보인 나이, 성별, 키, 몸무게, 기존 처방약 정보, 약 복용 시간, 증상 단계 및 진료 시간 등을 포함하는 대상 환자 개인정보를 수신하여 저장한다.
분석 서버부(130)는 정보 수집부(110)로부터 동작 측정 데이터를 수신하고, 수신된 동작 측정 데이터를 분석한다. 분석 서버부(130)는 수신된 동작 측정 데이터로부터 대상 환자(10)의 현재 상태를 측정할 수 있다. 대상 환자(10)의 현재 상태는 동작 지시에 따른 보행 상태(보행 속도, 보행 자세 등)를 측정할 수 있으며, 팔/다리의 움직임과 몸의 떨림 등을 측정할 수 있다. 분석 서버부(130)는 저장되어 있는 대상 환자 개인정보와 수신된 동작 측정 데이터에 기초하여 환자 상태 데이터를 생성한다. 분석 서버부(130)는 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 등을 포함하는 환자 상태 데이터를 생성한다.
다음으로 분석 서버부(130)는 생성된 환자 상태 데이터에 기초하여 전문가(20)에게 유용한 정보를 제공하기 위한 객관적 보조지표(Secondary Indicator)를 생성한다. 분석 서버부(130)는 전문가(20)로부터 보조지표 요청을 수신하면, 환자 상태 데이터에 기초하여 객관적 보조지표를 생성하고, 생성된 객관적 보조지표를 전문가(20)에게 전달한다.
표 1은 본 발명에 따른 본 발명에 따른 환자분석 장치의 객관적 보조지표의 일 실시예를 나타낸다.
객관적 보조지표의 일 실시예
환자 상태 정보 입력 값 분석 값 기존 환자 분포도(%)
성별 남
구간별
속도
(Velocity)		 1구간 0.028 매우 좋음 좋음 약간 좋음 보통 약간 나쁨 나쁨 매우 나쁨
나이 65
2구간 0.044
11 52 35 2
키(cm) 170
3구간 0.048
과거 진단 내역
몸무게(kg) 60 약 복용
경과 시간		 6시간 50분
처방약 Requip 전문의 진단
약 복용 시간 Am 8:00 평균속력(m/s) 0.51 아무개 -
환자 상태 정보 측정 값 이순신 -
걸음 측정 시 센서 데이터 - 총운동량(J) 1.02 홍길동 -
증상 단계 5 첫 걸음 시간(s) 1.5 .
.
.		 .
.
.
진료 시간 Pm 2:50 걸음 수 56
표 2를 참조하면, 객관적 보조지표는 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 등을 포함하는 환자 상태 데이터에 대상 환자 개인 정보를 고려하여 환자 기본 정보에 맞는 객관적 보조지표를 생성하여 전문의가 객관적으로 파킨슨병 환자를 처방하는데 활용될 수 있다.
분석 서버부(130)는 생성된 객관적 보조지표를 전문가(20)에게 전달한다. 전문가(20)는 수신된 객관적 보조지표에 기초하여 대상 환자(10)의 현재 상태를 확인하고, 대상 환자(10)에 최적화된 진단 및 처방을 내릴 수 있다.
도 2는 본 발명의 일 실시예에 따른 분석 서버부의 상세도이다.
도 2를 참조하면, 분석 서버부(130)는 클라우드 서버 관리부(131), 지식 베이스 관리부(132), 보조지표부(133) 및 데이터 베이스부(134)를 포함한다.
클라우드 서버 관리부(131)는 정보 수집부로부터 동작 측정 데이터를 수신 받는다. 그리고 데이터 베이스부(134)로부터 수신된 환자 개인정보 및 수신된 동작 측정 데이터를 분석하여 환자 상태 데이터를 생성한다.
데이터 베이스부(134)로부터 수신된 환자 개인정보는 대상 환자의 나이, 성별, 키, 몸무게, 기존 처방약 정보, 약 복용 시간, 증상 단계 및 진료 시간 등을 포함하는 대상 환자의 개인정보를 포함한다.
클라우드 서버 관리부(131)는 수신된 동작 측정 데이터로부터 대상 환자의 현재 상태를 측정하여 대상 환자의 동작 지시에 따른 보행 상태(보행 속도, 보행 자세 등)를 측정할 수 있으며, 팔/다리의 움직임과 몸의 떨림 등을 측정할 수 있다. 클라우드 서버 관리부(131)는 저장되어 있는 대상 환자 개인정보와 수신된 동작 측정 데이터에 기초하여 환자 상태 데이터를 생성한다. 생성된 환자 상태 데이터는 대상 환자의 개인정보 및 동작 측정 시 가속도 센서 데이터를 포함한다. 생성된 환자 상태 데이터는 데이터 베이스부(134)로 전달되어 저장된다.
그리고 클라우드 서버 관리부(131)는 환자 상태 데이터를 분석하여 환자 분석 데이터를 생성한다. 환자 분석 데이터는 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 . 생성된 환자 분석 데이터는 지식 베이스 관리부(132)로 전달된다.
지식 베이스 관리부(132)는 클라우드 서버 관리부(131)로부터 환자 분석 데이터를 수신하여 저장 및 관리하고, 저장된 환자 분석 데이터를 보조지표부(133)로 전달한다.
보조지표부(133)는 전문가에게 객관적 보조지표를 제공하기 위해 분석 서버부(130)에 설치되며, 지식 베이스(132)로부터 클라우드 서버 관리부(131)에서 생성된 환자 상태 데이터를 수신한다. 그리고 전문의로부터 보조지표 요청을 수신하면, 수신된 환자 상태 데이터에 기초하여 객관적 보조지표를 생성하고, 생성된 객관적 보조지표를 전문의에게 전달한다.
데이터 베이스부(134)는 클라우드 서버 관리부(131)로부터 수신된 동작 측정 데이터 및 전문가로부터 수신된 대상 환자 개인정보를 저장하며, 저장된 대상 환자 개인 정보를 클라우드 서버 관리부(131)로 전달한다.
도 3은 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법의 상태 데이터 수집 방법의 흐름도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 상태 데이터 수집 방법은 먼저, 데이터 베이스부(134)에서 전문가(20)로부터 대상 환자 개인 정보를 수신한다(301). 대상 환자 개인정보는 대상 환자(10)의 기본정보인 나이, 성별, 키, 몸무게, 기존 처방약 정보, 약 복용 시간, 증상 단계 및 진료 시간 등을 포함할 수 있다. 그리고 데이터 베이스부(134)는 전문가(20)로부터 수신된 대상 환자 개인 정보를 클라우드 서버 관리부(131)로 전달한다(302).
다음으로 정보 수집부(110)는 3축 가속도 센서를 이용하여 대상 환자(10)로부터 동작을 측정한다(303). 대상 환자(10)는 동작 지시에 따라 파킨슨병 상태 진단을 위해 걷거나 특정한 동작을 취한다. 전문가(20)는 병원이나 기타 장소에서 대상 환자(10)를 직접 대면하여 육성으로 동작 지시를 전달하거나, 스마트 기기나 PC 및 유/무선 전화기와 같은 다양한 장치를 이용하여 대상 환자(10)에게 필요한 동작 지시를 전달할 수 있다. 대상 환자(10)가 동작 지시에 따라 해당 동작을 취하면 3축 가속도 센서를 이용하여 대상 환자(10)의 동작을 측정한다. 3축 가속도 센서는 다양한 방법을 통해 대상 환자(10)의 동작을 측정할 수 있다. 예를 들어, 허리보호대 형태의 3축 가속도 센서를 대상 환자(10)에게 착용시킨 후 동작을 측정할 수 있다.
그리고 정보 수집부(110)는 대상 환자(10)로부터 측정된 동작 측정 데이터를 클라우드 서버 관리부(131)로 전달한다(304). 정보 수집부(110)는 대상 환자(10)의 동작을 3축 가속도 센서를 통해 측정하고, 싱크 노드(Sink Node)를 통해 3축 가속도 센서로부터 동작 센서 데이터를 수신한다. 그리고, 측정된 동작 센서 데이터에 기초하여 대상 환자(10)에 대한 동작 측정 데이터를 생성하여 클라우드 서버 관리부(131)에 전달한다.
클라우드 서버 관리부(131)는 수신된 동작 측정 데이터 및 대상 환자 개인 정보에 기초하여, 환자 상태 데이터를 생성한다(305). 클라우드 서버 관리부(131)는 수신된 동작 측정 데이터로부터 대상 환자(10)의 현재 상태를 측정할 수 있다. 대상 환자(10)의 현재 상태는 동작 지시에 따른 보행상태(보행 속도, 보행 자세 등)를 측정할 수 있으며, 팔/다리의 움직임과 몸의 떨림 등을 측정할 수 있다. 클라우드 서버 관리부(131)는 저장되어 있는 대상 환자 개인정보와 수신된 동작 측정 데이터에 기초하여 환자 상태 데이터를 생성한다.
그리고 클라우드 서버 관리부(131)는 생성된 환자 상태 데이터를 데이터 베이스부(134)로 전달한다(306).
도 4는 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법의 데이터 분석 방법을 나타내는 흐름도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 데이터 분석 방법은 먼저, 데이터 베이스부(134)는 저장하고 있는 환자 상태 데이터를 클라우드 서버 관리부(131)로 전달한다(401). 그리고 클라우드 서버 관리부(131)는 수신된 환자 상태 데이터를 분석한다(402). 수신된 환자 상태 데이터는 대상 환자로부터 수집된 동작 측정 데이터와 전문가로부터 입력된 대상 환자 개인정보를 포함하고 있다. 클라우드 서버 관리부(131)는 이러한 환자 상태 데이터를 분석한다. 분석 방법은 예를 들어, 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음, 평균속력, 운동량 및 약 복용 경과 시간 등을 포함할 수 있다.
클라우드 서버 관리부(131)는 수신된 환자 상태 데이터 분석 결과에 기초하여 환자 분석 데이터를 생성한다(403). 생성된 환자 분석 데이터는 분석 결과에 따른 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음, 평균속력, 운동량 및 약 복용 경과 시간 등을 포함할 수 있다. 그리고 생성된 환자 분석 데이터를 지식 베이스 관리부(132)로 전달한다(404).
도 5는 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법의 객관적 보조지표 생성 방법을 나타내는 흐름도이다.
도 5를 참조하면, 보조지표부(133)는 전문가(20)로부터 보조 지표 요청을 수신한다(501). 전문가는 대상 환자의 파킨슨병을 정확히 진단하고 대상 환자에게 최적화된 처방을 내리기 위해 전문가는 분석 서버부의 보조지표부(133)에 보조 지표를 요청한다.
보조 지표 요청을 수신한 보조지표부(133)는 지식 베이스 관리부(132)로 환자 분석 데이터를 요청한다(502). 보조지표부(133)는 전문가(20)의 보조 지표 요청에 따라 대상 환자에 대한 객관적 보조지표 생성을 위해 클라우드 서버 관리부(131)에서 분석한 환자 분석 데이터를 지식 베이스 관리부(132)에 요청한다. 그리고 환자 분석 데이터 요청을 수신한 지식 베이스 관리부(132)는 클라우드 서버 관리부(131)로부터 수신되어 저장하고 있는 환자 분석 데이터를 보조지표부(133)로 전달한다(503).
지식 베이스 관리부(132)로부터 환자 분석 데이터를 수신한 보조지표부(133)는 환자 분석 데이터에 기초하여 객관적 보조지표를 생성한다(504). 객관적 보조지표는 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫 걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 등을 포함하는 환자 상태 데이터에 대상 환자 개인 정보를 고려하여 환자 기본 정보에 맞는 객관적 보조지표를 생성하여 전문의가 객관적으로 파킨슨병 환자를 처방하는데 활용될 수 있다. 그리고 보조지표부(133)는 생성된 객관적 보조지표를 전문가(20)에게 전달한다(505). 전문가(20)는 수신된 객관적 보조지표에 기초하여 대상 환자의 파킨슨병의 정확한 상태를 진단하고, 대상 환자에 최적화된 진단을 내릴 수 있다.
도 6은 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법을 나타내는 흐름도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 가속도 센서를 이용한 환자 분석 방법은 먼저, 전문가로부터 대상 환자 개인정보를 수신한다(601). 전문의를 포함하는 전문가는 대상 환자에 최적화된 처방을 내리기 위해 먼저 대상 환자 개인정보를 가속도 센서를 이용한 환자 분석 장치의 분석 서버부에 입력한다. 대상 환자 개인정보는 대상 환자의 나이, 성별, 키, 몸무게, 기존 처방약 정보, 약 복용 시간, 증상 단계 및 진료 시간 등을 포함하는 대상 환자의 개인정보를 포함한다.
그리고 전문가는 대상 환자에게 동작 지시를 요청한다(602). 파킨슨병은 최초 병을 진단 시, 뇌 자기공명영상촬영(뇌 MRI), 단일혈류광자방출단층촬영(SPECT) 및 양전자방출단층촬영(PET) 등의 힘든 검사를 통하여 진단한다. 하지만 일단 파킨슨병으로 진단되면, 이후 파킨슨병의 진행 상태는 복잡한 검사가 아니라 간단한 임상 방식으로 전문의가 환자의 상태를 파악한다. 간단한 임상 방식은 전문가의 지시에 따른 대상 환자의 동작 반응을 살피는 것이다. 대상 환자는 동작 지시에 따라 파킨슨병 상태 진단을 위해 걷거나 특정한 동작을 취하게 된다. 전문가가 대상 환자에게 동작 지시를 내리는 방법은 직접 대면하여 지시를 내리거나, 네트워크를 이용한 온라인 또는 유무선 전화를 통한 방법을 이용할 수 있다.
다음으로 동작 지시에 따른 대상 환자의 동작을 3축 가속도 센서를 이용하여 측정한다(603). 3축 가속도 센서를 이용하여 대상 환자가 지시된 동작에 따라 행하는 움직임 및 동작을 측정한다. 측정된 동작은 동작 지시에 따라 보행이나 팔/다리의 움직임 및 대상 환자의 떨림 등을 포함할 수 있다.
다음으로 측정된 대상 환자의 동작과 전문가로부터 수신된 대상 환자 개인정보에 기초하여 대상 환자에 대한 객관적 보조지표를 생성한다(605). 먼저, 측정된 대상 환자에 기초하여 대상 환자의 상태를 파악한다. 그리고 환자의 상태와 대상 환자 개인정보를 분석한다. 분석 방법은 예를 들어, 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫 걸음에 걸리는 시간, 총 걸음, 평균속력, 운동량 및 약 복용 경과 시간 등을 포함할 수 있다. 그리고 분석 결과 및 대상 환자 개인정보에 기초하여 객관적 보조지표를 생성한다. 객관적 보조지표는 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫 걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 등을 포함하는 환자 상태 데이터에 대상 환자 개인 정보를 고려하여 환자 기본 정보에 맞는 객관적 보조지표를 생성하여 전문의가 객관적으로 파킨슨병 환자를 처방하는데 활용될 수 있다.
그리고 생성된 대상 환자의 객관적 보조지표를 전문가에게 전달한다(606). 생성된 객관적 보조지표는 전문가에게 전달되고, 전문가는 객관적 보조지표를 이용하여 대상 환자의 파킨슨병의 정확한 상태를 파악한다. 이를 통해 전문가는 대상 환자에 대해 정확한 진단을 내릴 수 있으며, 대상 환자 개인에 최적화된 처방을 내릴 수 있다.
이상 바람직한 실시 예를 들어 본 발명을 상세하게 설명하였으나, 본 발명은 전술한 실시 예에 한정되지 않고, 본 발명의 기술적 사상의 범위 내에서 당 분야에서 통상의 지식을 가진 자에 의하여 여러 가지 변형이 가능하다.
10: 대상 환자
20: 전문가
110: 정보 수집부
130: 분석 서버부
131: 클라우드 서버 관리부
132: 지식 베이스 관리부
133: 보조지표부
134: 데이터 베이스부

Claims (13)

  1. 대상 환자의 파킨슨병 상태 진단을 위한 환자분석 장치에 있어서,
    가속도 센서를 이용하여 상기 대상 환자의 동작을 측정하여 동작 측정 데이터를 생성하는 정보 수집부; 및
    상기 대상 환자의 개인정보를 수신하고, 수신된 상기 동작 측정 데이터 및 상기 대상 환자의 개인정보에 기초하여 상기 대상 환자의 파킨슨병 상태 진단을 위한 객관적 보조지표를 생성하는 분석 서버부;
    를 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 장치.
  2. 제 1항에 있어서,
    상기 대상 환자는 전문의 또는 전문가의 동작 지시에 따라 행동하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 장치.
  3. 제 1항에 있어서,
    상기 대상 환자의 개인정보는 나이, 성별, 키, 몸무게, 기존 처방약 정보, 약 복용 시간, 증상 단계 및 진료 시간 중에서 적어도 하나 이상을 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 장치.
  4. 제 1항에 있어서,
    상기 분석 서버부는,
    상기 수신된 동작 측정 데이터에 기초하여 환자 상태 데이터를 생성하여 전달하고, 상기 생성된 환자 상태 데이터 및 상기 대상 환자의 개인정보를 분석하여 환자 분석 데이터를 생성하는 클라우드 서버 관리부;
    상기 대상 환자의 개인정보를 수신하여 상기 클라우드 서버 관리부에 전달하고, 수신된 상기 환자 상태 데이터를 저장하는 데이터 베이스부;
    상기 클라우드 서버 관리부로부터 수신된 상기 환자 분석 데이터를 저장하는 지식 베이스 관리부; 및
    상기 지식 베이스 관리부로부터 수신된 상기 환자 분석 데이터에 기초하여 상기 대상 환자의 파킨슨병 진단을 위한 객관적 보조지표를 생성하는 보조지표부;
    를 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 장치.
  5. 제 4항에 있어서,
    상기 환자 상태 데이터는,
    상기 대상 환자의 현재 동작 상태를 나타내는 데이터로서, 상기 대상 환자의 보행 속도, 보행 자세, 보행 상태, 팔/다리의 움직임 및 몸의 떨림 중에서 적어도 하나 이상을 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 장치.
  6. 제 4항에 있어서,
    상기 환자 분석 데이터는 상기 환자 상태 데이터 및 상기 대상 환자의 기본정보에 기초하여 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 중에서 적어도 하나 이상을 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 장치.
  7. 제 1항에 있어서,
    상기 가속도 센서는 3축 가속도 센서로서, 허리보호대 형태를 가지는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 장치.
  8. 대상 환자의 파킨슨병 상태 진단을 위한 환자분석 방법에 있어서,
    상기 대상 환자의 개인정보를 수신하는 단계;
    상기 대상 환자에게 동작 지시를 요청하는 단계;
    상기 대상 환자의 동작을 가속도 센서를 이용하여 측정하는 단계;
    상기 측정된 대상 환자의 동작 및 상기 대상 환자의 개인정보를 분석하여 객관적 보조지표를 생성하는 단계; 및
    상기 생성된 객관적 보조지표를 전문의에게 전달하는 단계;
    를 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 방법.
  9. 제 8항에 있어서,
    상기 대상 환자의 개인정보는 나이, 성별, 키, 몸무게, 기존 처방약 정보, 약 복용 시간, 증상 단계 및 진료 시간 중에서 적어도 하나 이상을 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 방법.
  10. 제 8항에 있어서,
    상기 가속도 센서는 3축 가속도 센서로서, 허리보호대 형태를 가지는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 방법.
  11. 제 8항에 있어서,
    상기 측정된 대상 환자의 동작을 통해 객관적 보조지표를 생성하는 단계는,
    상기 수신된 동작 측정 데이터 및 상기 대상 환자의 개인 정보에 기초하여 환자 상태 데이터를 생성하는 단계;
    상기 생성된 환자 상태 데이터를 분석하여 환자 분석 데이터를 생성하는 단계; 및
    상기 환자 분석 데이터를 통해 상기 객관적 보조지표를 생성하는 단계;
    를 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 방법.
  12. 제 11항에 있어서,
    상기 환자 상태 데이터는,
    상기 대상 환자의 현재 동작 상태를 나타내는 데이터로서, 상기 대상 환자의 보행 속도, 보행 자세, 보행 상태, 팔/다리의 움직임 및 몸의 떨림 중에서 적어도 하나 이상을 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 방법.
  13. 제 11항에 있어서,
    상기 환자 분석 데이터는 상기 환자 상태 데이터 및 상기 대상 환자의 기본정보에 기초하여 파킨슨병 환자가 일정 거리를 걷는 동안에 걸은 구간을 3구간으로 분류하여 계산한 구간별 속도, 첫걸음에 걸리는 시간, 총 걸음 수, 평균속력, 운동량 및 약 복용 경과 시간 중에서 적어도 하나 이상을 포함하는 것을 특징으로 하는 가속도 센서를 이용한 환자분석 방법.
KR1020120138103A 2012-11-30 2012-11-30 가속도 센서를 이용한 환자분석 장치 및 방법 KR20140070064A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120138103A KR20140070064A (ko) 2012-11-30 2012-11-30 가속도 센서를 이용한 환자분석 장치 및 방법
PCT/KR2012/010876 WO2014084441A1 (ko) 2012-11-30 2012-12-14 가속도 센서를 이용한 환자분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120138103A KR20140070064A (ko) 2012-11-30 2012-11-30 가속도 센서를 이용한 환자분석 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20140070064A true KR20140070064A (ko) 2014-06-10

Family

ID=50828055

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120138103A KR20140070064A (ko) 2012-11-30 2012-11-30 가속도 센서를 이용한 환자분석 장치 및 방법

Country Status (2)

Country Link
KR (1) KR20140070064A (ko)
WO (1) WO2014084441A1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190091755A (ko) * 2018-01-29 2019-08-07 한림대학교 산학협력단 파킨슨병의 진단을 위한 입력 패턴 분석 장치 및 방법
KR20190091754A (ko) * 2018-01-29 2019-08-07 한림대학교 산학협력단 파킨슨병의 진단을 위한 입력 패턴 생성 장치 및 방법
KR20190123187A (ko) * 2018-04-23 2019-10-31 주식회사 바이탈식스랩 치매 예측 서버의 데이터 서비스 방법
KR20200064948A (ko) * 2018-11-29 2020-06-08 주식회사 더열림 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템
WO2020132501A1 (en) * 2018-12-21 2020-06-25 University Of Southern California System and method for determining human performance
US10786416B2 (en) 2014-11-26 2020-09-29 Samsung Electronics Co., Ltd. Assisting torque setting method and apparatus
WO2021153910A1 (ko) * 2020-01-31 2021-08-05 주식회사 비플렉스 머리부 모션 가속도 센서를 통한 신체 기능 평가 방법 및 장치

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6283923B1 (en) * 1998-05-28 2001-09-04 The Trustees Of Columbia University In The City Of New York System and method for remotely monitoring asthma severity
CN101646470B (zh) * 2007-03-27 2012-08-22 皇家飞利浦电子股份有限公司 基于由加速度传感器测量的患者活动状态的给药
KR20080100658A (ko) * 2007-05-14 2008-11-19 한국전자통신연구원 건강관리 기능을 가진 혁대
JP5251270B2 (ja) * 2008-06-04 2013-07-31 三菱化学株式会社 パーキンソン病の評価装置
KR101126630B1 (ko) * 2010-12-02 2012-03-26 (주)힐닉스 파킨슨 질환 진단용 측정장치

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10786416B2 (en) 2014-11-26 2020-09-29 Samsung Electronics Co., Ltd. Assisting torque setting method and apparatus
US11957636B2 (en) 2014-11-26 2024-04-16 Samsung Electronics Co., Ltd. Assisting torque setting method and apparatus
KR20190091755A (ko) * 2018-01-29 2019-08-07 한림대학교 산학협력단 파킨슨병의 진단을 위한 입력 패턴 분석 장치 및 방법
KR20190091754A (ko) * 2018-01-29 2019-08-07 한림대학교 산학협력단 파킨슨병의 진단을 위한 입력 패턴 생성 장치 및 방법
KR20190123187A (ko) * 2018-04-23 2019-10-31 주식회사 바이탈식스랩 치매 예측 서버의 데이터 서비스 방법
KR20200064948A (ko) * 2018-11-29 2020-06-08 주식회사 더열림 노인의 보행 정보를 통한 낙상 및 치매 위험성 예측 방법 및 시스템
WO2020132501A1 (en) * 2018-12-21 2020-06-25 University Of Southern California System and method for determining human performance
WO2021153910A1 (ko) * 2020-01-31 2021-08-05 주식회사 비플렉스 머리부 모션 가속도 센서를 통한 신체 기능 평가 방법 및 장치

Also Published As

Publication number Publication date
WO2014084441A1 (ko) 2014-06-05

Similar Documents

Publication Publication Date Title
KR102020598B1 (ko) 생체신호 센서 기반 정신질환 진단 및 치유를 위한 바이오피드백 시스템
Thorup et al. Cardiac patients’ walking activity determined by a step counter in cardiac telerehabilitation: Data from the intervention arm of a randomized controlled trial
US20170273601A1 (en) System and method for applying biomechanical characterizations to patient care
KR20140070064A (ko) 가속도 센서를 이용한 환자분석 장치 및 방법
Motl et al. Accelerometry as a measure of walking behavior in multiple sclerosis
US20080319272A1 (en) System and method for remotely evaluating patient compliance status
Sasaki et al. Motion sensors in multiple sclerosis: Narrative review and update of applications
Motl et al. Commercially available accelerometry as an ecologically valid measure of ambulation in individuals with multiple sclerosis
US20140276096A1 (en) Systems and methods for use in diagnosing a medical condition of a patient
KR20200071647A (ko) 가상/증강현실 콘텐츠 및 생체신호에 기반한 정신질환 진단 및 치유를 위한 바이오피드백 방법
US20240016436A1 (en) Brain injury rehabilitation method utilizing brain activity monitoring
US20180070875A1 (en) Determining Stem Cell Treatment Effectiveness By Monitoring Physical Progress
Masoumian Hosseini et al. Smartwatches in healthcare medicine: assistance and monitoring; a scoping review
Kim et al. Development of Parkinson patient generated data collection platform using FHIR and IoT devices
Trentzsch et al. The Dresden Protocol for Multidimensional Walking Assessment (DMWA) in Clinical Practice
O’Brien et al. Wearable sensors improve prediction of post-stroke walking function following inpatient rehabilitation
US11253173B1 (en) Digital characterization of movement to detect and monitor disorders
Moreau et al. Overview on wearable sensors for the management of Parkinson’s disease
Mendoza et al. It's a non-dialysis day… do you know how your patient is doing? A case for research into interdialytic activity
Benning et al. Measurement performance of activity measurements with newer generation of Apple Watch in wheelchair users with spinal cord injury
Daniel et al. Validity study of a triaxial accelerometer for measuring energy expenditure in stroke inpatients of a physical medicine and rehabilitation center
Sprint et al. Designing wearable sensor-based analytics for quantitative mobility assessment
van de Ven et al. A mobile system for treatment of depression
Goodwin et al. Outcome measures of free-living activity in spinal cord injury rehabilitation
Tan et al. Remote patient monitoring system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application