KR20170126310A - 분석물질 농도 예측 방법 및 장치 - Google Patents
분석물질 농도 예측 방법 및 장치 Download PDFInfo
- Publication number
- KR20170126310A KR20170126310A KR1020160056569A KR20160056569A KR20170126310A KR 20170126310 A KR20170126310 A KR 20170126310A KR 1020160056569 A KR1020160056569 A KR 1020160056569A KR 20160056569 A KR20160056569 A KR 20160056569A KR 20170126310 A KR20170126310 A KR 20170126310A
- Authority
- KR
- South Korea
- Prior art keywords
- analyte
- spectrum
- concentration
- estimating
- predicting
- Prior art date
Links
- 239000012491 analyte Substances 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001228 spectrum Methods 0.000 claims abstract description 164
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 64
- 239000008103 glucose Substances 0.000 claims description 64
- 238000001727 in vivo Methods 0.000 claims description 29
- 238000000338 in vitro Methods 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 19
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 10
- 241000124008 Mammalia Species 0.000 claims description 10
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 10
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 9
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims description 8
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 241001465754 Metazoa Species 0.000 claims description 5
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 claims description 5
- 239000004202 carbamide Substances 0.000 claims description 5
- 235000012000 cholesterol Nutrition 0.000 claims description 5
- 238000012885 constant function Methods 0.000 claims description 5
- 238000012886 linear function Methods 0.000 claims description 5
- 244000005700 microbiome Species 0.000 claims description 5
- 102000004169 proteins and genes Human genes 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims description 5
- 238000000862 absorption spectrum Methods 0.000 claims description 4
- 235000014655 lactic acid Nutrition 0.000 claims description 4
- 239000004310 lactic acid Substances 0.000 claims description 4
- 239000008280 blood Substances 0.000 description 23
- 210000004369 blood Anatomy 0.000 description 23
- 239000007864 aqueous solution Substances 0.000 description 12
- 238000012937 correction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004566 IR spectroscopy Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 238000005284 basis set Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 101001033280 Homo sapiens Cytokine receptor common subunit beta Proteins 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 102000055647 human CSF2RB Human genes 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/3103—Atomic absorption analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0045—Devices for taking samples of body liquids
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/14—Devices for taking samples of blood ; Measuring characteristics of blood in vivo, e.g. gas concentration within the blood, pH-value of blood
- A61B5/1405—Devices for taking blood samples
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0181—Memory or computer-assisted visual determination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
- G01N21/5907—Densitometers
- G01N2021/5915—Processing scan data in densitometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Optics & Photonics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Artificial Intelligence (AREA)
- Emergency Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계, 추정된 체내 고유 스펙트럼과, 체내에서 분석물질의 농도가 실질적으로 변하지 않는 구간 동안 획득된 체내 스펙트럼을 바탕으로 농도 예측 알고리즘을 이용하여 분석물질의 체내 농도를 예측하는 방법 및 장치가 제공된다.
Description
본 발명은 생체신호로부터 체내에 포함된 분석물질의 농도를 예측하는 방법 및 장치에 관한 것이다.
생체신호로부터 체내의 분석물질의 농도를 예측하기 위해, 부분 최소 제곱(partial least squares, PLS) 알고리즘 또는 순 분석물질 신호(net analyte signal, NAS) 알고리즘이 사용될 수 있다. 그리고, 위와 같은 체내 분석물질의 농도를 예측하기 위한 알고리즘에서는, 실험 대상(test subject)에 대해 적외선 등의 전자기파를 투사한 후 전자기파와 분석물질 간의 상호 작용의 결과로 획득된 체내 스펙트럼을 이용할 수 있다. 이때 체내 스펙트럼은 적외선 분광법(infra-red spectroscopy), 라만 분광법(Raman spectroscopy) 등의 광학적 방법을 통해 획득될 수 있다.
PLS 알고리즘은, 실험 등을 통해 얻은 데이터를 활용하여 다변량 입력변수(독립변수)와 출력변수(종속변수)간에 상관관계를 구하는 통계적 모델링 도구로서, 본 알고리즘을 생체신호분석에 적용할 경우 분석물질의 농도에 따른 스펙트럼 변화를 학습하여 특정 시각의 분석물질 농도를 생체신호로부터 예측할 수 있다. PLS 알고리즘은 생체신호로부터 분석물질 농도를 예측하기 위하여 복수의 시각의 분석물질 농도와 해당 시각에서의 스펙트럼을 필요로 하며, 예측능력 감소를 막기 위하여 분석물질의 농도변화에 대한 스펙트럼 변화를 주기적으로 재학습해야한다.
NAS 알고리즘은, 분석물질의 고유 스펙트럼, 그리고 분석물질 농도변화와 무관한 스펙트럼 변화요인을 학습하여 분석물질의 농도를 예측하는 알고리즘이다. 체내 포도당이 분석물질인 경우 NAS 알고리즘에서 분석물질 농도 변화와 무관한 스펙트럼 변화요인은 공복 동안 획득된 체내 스펙트럼을 바탕으로 얻어지고, 분석물질의 고유 스펙트럼은 체외에서 분석물질의 용액에 빛(적외선, 레이저 등)을 통과시킴으로써 얻어질 수 있다. 이때 체외에서 획득된 분석물질의 고유 스펙트럼이 체내 분석물질의 고유 스펙트럼과 다를 경우, 즉 분석물질의 고유 스펙트럼이 체내에서 왜곡되면, NAS 알고리즘의 성능이 저하되는 문제점이 있다.
고유 스펙트럼 획득시 부가되는 노이즈 등의 신호 왜곡 요인을 정교하게 보정할 수 있는 농도 예측 장치 및 방법을 제공하는 것이다.
한 실시예에 따르면, 분석물질의 체내 농도를 예측하는 장치가 제공된다. 상기 농도 예측 장치는, 적어도 하나의 프로세서, 메모리, 그리고 송수신부를 포함하고, 적어도 하나의 프로세서는 메모리에 저장된 적어도 하나의 프로그램을 실행하여, 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계, 추정된 체내 고유 스펙트럼과, 체내에서 분석물질의 농도가 실질적으로 변하지 않는 구간 동안 획득된 체내 스펙트럼을 바탕으로 농도 예측 알고리즘을 이용하여 분석물질의 체내 농도를 예측하는 단계를 수행한다.
상기 농도 예측 장치에서 적어도 하나의 프로세서는 추정하는 단계를 수행할 때, 분석물질의 용액을 이용하여 분석물질에 대한 체외 고유 스펙트럼을 획득하는 단계, 그리고 체외 고유 스펙트럼을 보정하여 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계를 수행할 수 있다.
상기 농도 예측 장치에서 적어도 하나의 프로세서는 체외 고유 스펙트럼을 보정하여 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계를 수행할 때, 체외 고유 스펙트럼과, 상수함수 항 및 선형함수 항의 선형 결합으로 체내 고유 스펙트럼을 추정하는 단계를 수행할 수 있다.
상기 농도 예측 장치에서 적어도 하나의 프로세서는 예측하는 단계를 수행할 때, 체내 스펙트럼을 구성하는 적어도 하나의 주성분을 포함하는 기저 세트를 생성하는 단계, 그리고 체내 고유 스펙트럼을 추정하는 과정에서 얻어진 추가 기저 세트, 기저 세트, 그리고 추정된 체내 고유 스펙트럼을 이용하여 최소자승법을 수행함으로써 분석물질의 체내 농도를 예측하는 단계를 수행할 수 있다.
상기 농도 예측 장치에서 분석물질은, 인체, 동물, 포유류, 비포유류 또는 미생물 중 하나에 포함된 분석물질일 수 있다.
상기 농도 예측 장치에서 분석물질은, 포도당, 요소, 젖산, 트리글리세리드, 단백질, 콜레스테롤 또는 에탄올 중 적어도 하나일 수 있다.
상기 농도 예측 장치에서 분석물질은 포도당이고, 분석물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간일 수 있다.
상기 농도 예측 장치에서 체내 스펙트럼은 적외선의 흡수 스펙트럼 또는 반사 스펙트럼 중 하나일 수 있다.
상기 농도 예측 장치에서 체내 스펙트럼은 단일 파장 전자기파의 산란 스펙트럼일 수 있다.
상기 농도 예측 장치에서 농도 예측 알고리즘은 순 분석물질 신호(net analyte signal, NAS) 알고리즘일 수 있다.
다른 실시예에 따르면, 분석물질의 체내 농도를 예측하는 방법이 제공된다. 상기 농도 예측 방법은, 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계, 추정된 체내 고유 스펙트럼과, 체내에서 분석물질의 농도가 실질적으로 변하지 않는 구간 동안 획득된 체내 스펙트럼을 바탕으로 농도 예측 알고리즘을 이용하여 분석물질의 체내 농도를 예측하는 단계를 포함한다.
상기 농도 예측 방법에서 추정하는 단계는, 분석물질의 용액을 이용하여 분석물질에 대한 체외 고유 스펙트럼을 획득하는 단계, 그리고 체외 고유 스펙트럼을 보정하여 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계를 포함할 수 있다.
상기 농도 예측 방법에서 체외 고유 스펙트럼을 보정하여 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계는, 체외 고유 스펙트럼과, 상수함수 항 및 선형함수 항의 선형 결합으로 체내 고유 스펙트럼을 추정하는 단계를 포함할 수 있다.
상기 농도 예측 방법에서 예측하는 단계는, 체내 스펙트럼을 구성하는 적어도 하나의 주성분을 포함하는 기저 세트를 생성하는 단계, 그리고 체내 고유 스펙트럼을 추정하는 과정에서 얻어진 추가 기저 세트, 기저 세트, 그리고 추정된 체내 고유 스펙트럼을 이용하여 최소자승법을 수행함으로써 분석물질의 체내 농도를 예측하는 단계를 포함할 수 있다.
상기 농도 예측 방법에서 분석물질은, 인체, 동물, 포유류, 비포유류 또는 미생물 중 하나에 포함된 분석물질일 수 있다.
상기 농도 예측 방법에서 분석물질은, 포도당, 요소, 젖산, 트리글리세리드, 단백질, 콜레스테롤 또는 에탄올 중 적어도 하나일 수 있다.
상기 농도 예측 방법에서 분석물질은 포도당이고, 분석물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간일 수 있다.
상기 농도 예측 방법에서 체내 스펙트럼은 적외선의 흡수 스펙트럼 또는 반사 스펙트럼 중 하나일 수 있다.
상기 농도 예측 방법에서 체내 스펙트럼은 단일 파장 전자기파의 산란 스펙트럼일 수 있다.
상기 농도 예측 방법에서 농도 예측 알고리즘은 순 분석물질 신호(net analyte signal, NAS) 알고리즘일 수 있다.
분석물질의 고유 스펙트럼의 왜곡을 보정하여 NAS 알고리즘의 성능을 향상시킴으로써, 농도 예측 장치는 분석물질의 체내 농도를 더욱 정확하게 예측할 수 있다.
도 1은 일 실시예에 따른 분석물질의 농도를 예측하는 농도 예측 장치를 나타낸 블록도이다.
도 2는 일 실시예에 따른 NAS 알고리즘을 설명하기 위한 개념도이다.
도 3은 일 실시예에 따른 포도당 수용액의 스펙트럼을 획득하는 방법을 나타낸 개념도이다.
도 4는 일 실시예에 따른 베이스 라인 피팅을 위한 물 및 포도당 수용액의 스펙트럼과, 베이스 라인 피팅을 통해 획득된 포도당의 고유 스펙트럼을 나타낸 그래프이다.
도 5는 일 실시예에 따른 포도당의 체외 고유 스펙트럼 및 보정항을 나타낸 그래프와, 포도당의 체내 고유 스펙트럼을 나타낸 그래프이다.
도 6은 일 실시예에 따른 공복 스펙트럼의 기저 세트를 나타낸 그래프이다.
도 7은 일 실시예에 따른 분석물질의 농도를 예측하는 방법을 나타낸 흐름도이다.
도 8은 일 실시예에 따른 인체를 대상으로 한 NAS 알고리즘의 성능을 비교한 그래프이다.
도 9는 다른 실시예에 따른 분석물질의 농도를 예측하는 농도 예측 장치를 나타낸 블록도이다.
도 2는 일 실시예에 따른 NAS 알고리즘을 설명하기 위한 개념도이다.
도 3은 일 실시예에 따른 포도당 수용액의 스펙트럼을 획득하는 방법을 나타낸 개념도이다.
도 4는 일 실시예에 따른 베이스 라인 피팅을 위한 물 및 포도당 수용액의 스펙트럼과, 베이스 라인 피팅을 통해 획득된 포도당의 고유 스펙트럼을 나타낸 그래프이다.
도 5는 일 실시예에 따른 포도당의 체외 고유 스펙트럼 및 보정항을 나타낸 그래프와, 포도당의 체내 고유 스펙트럼을 나타낸 그래프이다.
도 6은 일 실시예에 따른 공복 스펙트럼의 기저 세트를 나타낸 그래프이다.
도 7은 일 실시예에 따른 분석물질의 농도를 예측하는 방법을 나타낸 흐름도이다.
도 8은 일 실시예에 따른 인체를 대상으로 한 NAS 알고리즘의 성능을 비교한 그래프이다.
도 9는 다른 실시예에 따른 분석물질의 농도를 예측하는 농도 예측 장치를 나타낸 블록도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 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.
도 1은 일 실시예에 따른 분석물질의 농도를 예측하는 농도 예측 장치를 나타낸 블록도이다.
일 실시예에 따른 농도 예측 장치(100)는, 분석물질 농도 예측 알고리즘을 이용하여 체내 스펙트럼(in vivo spectrum)을 분석함으로써, 분석물질의 농도를 예측할 수 있다. 이때, 체내 스펙트럼은, 생체에 대해 적외선 또는 레이저가 투과(transmission) 또는 확산 반사(diffuse reflectance)된 후 분석물질에 의해 흡수 또는 산란됨으로써 생성될 수 있고, 미리 설정된 시간 간격에 따라 연속적으로 획득될 수 있다. 이렇게 획득된 체내 스펙트럼은 적외선 분광법(infra-red spectroscopy) 또는 라만 분광법(Raman spectroscopy) 등을 통해 획득된 후 농도 예측 알고리즘에 적용될 수 있다.
일 실시예에 따른 농도 예측 장치(100)는 NAS 알고리즘을 분석물질의 체내 농도를 예측하는 알고리즘으로서 사용할 수 있고, 도 2는 일 실시예에 따른 NAS 알고리즘을 설명하기 위한 개념도이다. NAS 알고리즘은 학습 구간에서 획득한 체내 스펙트럼에 대한 주성분 스펙트럼과, 체외에서 별도로 얻은 분석물질의 고유 스펙트럼을 바탕으로 예측 구간의 체내 분석물질의 농도를 예측할 수 있다. 이때 학습 구간은 체내에서 혈당의 농도가 거의 변하지 않는 구간이 될 수 있다. 또한, NAS 알고리즘을 위해서, 체외에서 실험적으로 얻어지는 분석물질의 고유 스펙트럼은 분석물질 용액을 통과한 빛을 감지함으로써 획득될 수 있다.
그리고, 일 실시예에 따른 농도 예측 장치(100)는, 인체, 동물, 포유류, 비포유류 및 미생물의 체내에 포함된 분석물질의 농도를 예측할 수 있다. 또한, 체내에 포함된 분석물질은, 포도당(glucose), 요소(urea), 젖산(lactate), 트리글리세리드(triglyceride), 단백질(protein), 콜레스테롤(cholesterol) 및 에탄올(ethanol) 중 적어도 하나가 될 수 있다. 아래 실시예에서는 농도 예측 장치(100)의 분석물질이 포도당이고, 농도 예측 장치(100)가 체내 혈당을 예측하는 경우를 예로 들어 설명하며, 위에서 열거된 분석물질 이외의 다른 물질도 농도 예측 장치(100)의 농도 예측의 대상이 될 수 있다.
일 실시예에 따른 농도 예측 장치(100)는, 프로세서(processor), 메모리(memory), 그리고 송수신부(transceiver)를 통해 동작될 수 있다. 메모리는 프로세서와 연결되어 프로세서를 구동하기 위한 다양한 정보를 저장할 수 있다. 송수신부는 프로세서와 연결되어 단말 또는 서버 등과 유무선 신호를 송수신 할 수 있다. 프로세서는 실시예에서 제안한 기능, 과정, 또는 방법을 구현할 수 있다. 실시예에 따른 농도 예측 장치의 동작은 프로세서에 의해 구현될 수 있다.
실시예에서 메모리는 프로세서의 내부 또는 외부에 위치할 수 있고, 메모리는 이미 알려진 다양한 수단을 통해 프로세서와 연결될 수 있다. 메모리는 다양한 형태의 휘발성 또는 비휘발성 저장 매체이며, 예를 들어, 메모리는 읽기 전용 메모리(read-only memory, ROM) 또는 랜덤 액세스 메모리(random access memory, RAM)를 포함할 수 있다.
일 실시예에서 체내 분석물질이 포도당인 경우 분석물질의 농도는 혈당을 나타낼 수 있고, 분석물질 농도가 실질적으로 일정하게 유지되는 시간 구간으로 공복 구간이 적용될 수 있으며, 포도당의 경우 근적외선(near infra-red, NIR) 또는 중간 적외선(middle infra-red, MIR)이 체내 스펙트럼 생성에 사용될 수 있다.
도 1을 참조하면, 일 실시예에 따른 농도 예측 장치(100)는, 학습부(110), 고유 스펙트럼 추정부(120) 및 농도 예측부(130)를 포함한다.
학습부(110)는, 학습 구간의 공복 스펙트럼을 바탕으로 분석물질 농도변화와 무관한 스펙트럼 변화요인을 학습한다. 일 실시예에 따른, 학습부(110)는, 주성분 분석(Principal Component Analysis, PCA)을 이용하여 분석물질의 농도 변화와 무관한 스펙트럼 변화요인을 학습할 수 있다.
일 실시예에 따르면, 분석물질이 포도당인 경우, 학습 구간 동안 획득된 복수의 공복 스펙트럼은, 공복 스펙트럼에 대한 주성분 분석을 통해서 획득된 주성분 스펙트럼의 조합을 바탕으로 근사적으로 표현될 수 있다. 이때, 주성분 스펙트럼은 혈당 이외의 다른 체내 스펙트럼 변화요인을 대표할 수 있고, 상대적으로 우세한 n개의 주성분 스펙트럼이 기저 세트(basis set)로 그룹핑 될 수 있다.
고유 스펙트럼 추정부(120)는, 피부 내 분석물질의 고유 스펙트럼(앞으로, '체내 고유 스펙트럼'이라 함)을 정확하게 표현할 수 있도록, 보정항 및 수용액으로부터(즉, 체외에서) 획득된 분석물질의 고유 스펙트럼(앞으로, '체외 고유 스펙트럼'이라 함)을 이용하여 체내 고유 스펙트럼을 추정한다. 고유 스펙트럼 추정부(120)에서 체내 고유 스펙트럼을 추정하는 방법은 아래 수학식 1과 같으며, 아래 설명에서는 분석물질이 포도당인 경우를 예로 든다. 포도당의 체내 고유 스펙트럼 fglu,skin(ω)은 아래 수학식 1과 같이 표현될 수 있다.
수학식 1에서 fglu,exp(ω)는 포도당 수용액으로부터 얻어진 체외 고유 스펙트럼이고, a(ω), b(ω), 그리고 c(ω)는 체외 고유 스펙트럼을 보정하기 위한 보정항이다. 즉, 체내 고유 스펙트럼 fglu,skin(ω)은 포도당의 체외 고유 스펙트럼 fglu,exp(ω)를 바탕으로 a(ω), b(ω), 그리고 c(ω) 등의 보정항을 이용하여 수학식 1과 같이 표현될 수 있다.
이때, 수용액에 녹아 있는 포도당에 대한 체외 고유 스펙트럼 fglu,exp(ω)은 실험적으로 획득될 수 있으며, 도 3에 도시된 바와 같이, 포도당 수용액을 통과한 빛이 감지됨으로써 획득될 수 있다. 이때, 체내에 빛을 조사하고 수신하기 위한 광 송수신부(140)가 농도 예측 장치의 외부에 위치하는 경우, 일 실시예에 따른 농도 예측 장치(100)는, 광 송수신부(150)로부터 유/무선 통신 네트워크를 통해 스펙트럼을 획득할 수 있는 통신부(150)를 더 포함할 수 있다. 그리고 통신부(150)는 농도 예측 장치(100)의 외부로 유무선 통신을 통해 분석물질의 농도 예측 결과를 전송할 수 있다. 또는, 다른 실시예에 따른 농도 예측 장치(100)는, 광 송수신부(140)를 더 포함하여 체내 스펙트럼을 직접 획득할 수 있다.
도 4는 일 실시예에 따른 베이스 라인 피팅을 위한 물 및 포도당 수용액의 스펙트럼과, 베이스 라인 피팅을 통해 획득된 포도당의 체외 고유 스펙트럼을 나타낸 그래프이다.
도 4의 (A) 및 (B)를 참조하면, 포도당 수용액으로부터 포도당의 체외 고유 스펙트럼을 획득하기 위해서, 물 스펙트럼 및 포도당 수용액 스펙트럼 간 상호 베이스 라인 피팅(baseline-fitting)이 수행된다. 즉, 물 스펙트럼 및 포도당 수용액의 스펙트럼 차이를 바탕으로 포도당의 체외 고유 스펙트럼이 획득된다. 이때, 베이스라인 피팅 과정에서 포도당의 체외 고유 스펙트럼에 포함되어 있는 일부 신호가 제거된다. 또한, 광 송수신부(140)의 스펙트럼 획득 모드(반사 또는 투과), 기기 특성, 기기 온도, 노이즈, 스펙트럼의 진폭 변화 등의 요인에 따라 체내 고유 스펙트럼이 왜곡될 수 있다. 따라서, 포도당의 체내 고유 스펙트럼이 정교하게 추정되어야 NAS 알고리즘의 농도 예측 정확도가 제고될 수 있다.
한편, 수학식 1의 보정항인 a(ω), b(ω), 그리고 c(ω)는 테일러 급수(tayler series)를 바탕으로 수학식 2와 같이 근사될 수 있다.
수학식 2를 수학식 1에 대입하면 수학식 3을 얻을 수 있다.
수학식 3에서 α0 는 a0이고, α1은 a1이고, β0는 a0b0+c0이고, β1은 a0b1+a1b0+c1이며, ω2항은 생략되었다.
수학식 3에서, α0를 1로, α1을 0으로 가정하면, 수학식 3은 수학식 4와 같이 표현될 수 있다.
즉, 포도당의 체내 고유 스펙트럼은 수학식 4와 같이 포도당의 체외 고유 스펙트럼과, 상수함수 항인 β0항 및 선형함수 항인 β1ω항의 선형 결합으로 추정될 수 있다.
또는, 수학식 3은 아래 수학식 5와 같이 표현될 수 있다.
수학식 5에서 α는 실험을 통해 통계적으로 결정될 수 있다. 즉, α는, 복수의 피험자에 대한 통계적 대푯값으로 결정될 수 있다. 예를 들어, α는, 피험자의 실제 혈당 값을 잘 표현할 수 있는 값의 평균값이다. 수학식 5에서와 같이 α가 통계적으로 결정되면, 포도당의 체내 고유 스펙트럼을 추정하기 위한 기저 세트가 수학식 4와 같이 3개가 될 수 있다.
도 5는 일 실시예에 따른 포도당의 체외 고유 스펙트럼 및 보정항을 나타낸 그래프와, 포도당의 체내 고유 스펙트럼을 나타낸 그래프이다. 도 5의 (A)를 참조하면, 왼쪽부터 차례대로 수용액으로부터 획득한 포도당의 체외 고유 스펙트럼, β0 항의 그래프, 그리고 β1ω 항의 그래프가 도시되어 있다. 도 5의 (B)를 참조하면, 포도당 체외 고유 스펙트럼(점선)이 β0 항 및 β1ω 항의 영향으로 인해 추정되었음(실선)을 알 수 있다. 일 실시예에서 이 β0 항 및 β1ω 항은 NAS 알고리즘의 정확도를 높이기 위해 얻어진 추가 기저 세트이다.
농도 예측부(130)는, 학습부(110)에서 획득된 공복 스펙트럼에 대한 주성분 스펙트럼의 기저 세트(도 6), 고유 스펙트럼 추정부(120)에서 획득된 추가 기저 세트, 그리고 추정된 분석물질의 체내 고유 스펙트럼을 바탕으로 최소 자승법(least square method)을 수행하여 예측 구간에서의 분석물질 농도를 예측한다. 이때, NAS 알고리즘을 위한 피부 스펙트럼 fskin(ω)은 수학식 6과 같다.
수학식 6에서 fPC,i(ω)는 공복 스펙트럼의 주성분 스펙트럼이고, 각 주성분 스펙트럼의 계수는 피부 스펙트럼 fskin(ω)에 대한 기여 정도를 나타낸다.
농도 예측부(130)는 피부 스펙트럼을 나타낸 수학식 6에 대해 최소 자승법을 적용함으로써 αglu, β0, β1을 계산한다. 학습 구간에서 측정된 스펙트럼은 혈당에 의한 변화를 포함하고 있지 않으므로 주성분 스펙트럼(즉, 주성분 스펙트럼의 기저 세트)의 계수 αi는 혈당과 무관하다. 그리고 혈당에 의한 스펙트럼의 변화는 포도당의 체내 고유 스펙트럼 항의 계수 αglu에 의해 결정될 수 있다. 즉, 피부 내 포도당의 농도(Iglu)는 αglu에 비례(Iglu∝αglu)하기 때문에 αglu를 바탕으로 피부 내 포도당의 농도를 예측할 수 있다.
이후, 농도 예측부(130)는 통신부(150)를 통해 혈당의 예측 결과를 사용자에게 전달할 수 있고, 또는 농도 예측 장치(100)에 포함된 인터페이스 등을 통해 혈당의 예측 결과를 사용자에게 표시할 수 있다. 농도 예측 장치(100)는 웨어러블(wearable) 장치 등에 포함될 수 있고, 위에서 설명한 방법에 따라서 혈당(즉, 체내 분석물질의 농도)의 측정 결과를 웨어러블 장치의 사용자에게 디스플레이 할 수 있다. 이때 혈당의 측정 결과는 사용자의 요구에 따라, 원하는 시각의 혈당 수치, 입력된 기간 동안의 혈당 변화 그래프 등이 될 수 있다.
도 7은 일 실시예에 따른 분석물질의 농도를 예측하는 방법을 나타낸 흐름도이다.
먼저, 학습 구간 동안 체내 스펙트럼이 획득되고, 학습부(110)는 획득된 체내 스펙트럼을 바탕으로 PCA를 수행하여, 주성분 스펙트럼의 기저 세트를 생성한다(S101). 그리고, 고유 스펙트럼 추정부(120)는 수용액으로부터 획득한 분석물질의 체외 고유 스펙트럼 및 보정항을 바탕으로 분석물질의 체내 고유 스펙트럼을 추정하고, 추가 기저 세트를 생성한다(S102). 고유 스펙트럼 추정부(120)에서 분석물질의 체내 고유 스펙트럼을 추정하는 방법은 위에서 설명하였으므로, 여기서는 생략한다. 이후, 농도 예측부(130)는 학습 구간 동안의 체내 스펙트럼의 주성분으로부터 획득된 기저 세트, 분석물질의 체내 고유 스펙트럼을 추정하는 과정에서 얻어진 추가 기저 세트, 그리고 분석물질의 체내 고유 스펙트럼에 최소자승법을 적용하여 분석물질의 체내 고유 스펙트럼의 계수를 계산함으로써, 예측 구간에서의 분석물질의 체내 농도를 예측한다(S103).
도 8은 일 실시예에 따른 인체를 대상으로 한 NAS 알고리즘의 성능을 비교한 그래프이다.
도 8을 참조하면, 왼쪽 그래프는 보정 되지 않은 체내 고유 스펙트럼을 바탕으로(즉, 종래 NAS 알고리즘을 바탕으로) 예측된 혈당과 측정된 혈당이 비교된 그래프이고, 가운데 그래프는 보정된 체내 고유 스펙트럼을 바탕으로(즉, 향상된 NAS 알고리즘을 바탕으로) 예측된 혈당과 측정된 혈당이 비교된 그래프이며, 오른쪽 그래프는 향상된 NAS 알고리즘에 15분의 지연시간을 적용한 결과이다. 피부 내 포도당 농도와 혈당 사이에는 일반적으로 약 15분 정도의 지연시간이 존재하기 때문에 오른쪽 그래프는 가운데 그래프에 대해 15분의 시간 지연이 더해졌다.
도 8의 왼쪽 그래프와 오른쪽 그래프를 비교하면, 기존 NAS 알고리즘에 따르는 경우 체내 고유 스펙트럼에 보정항이 고려되지 않아서 8시30분 이후의 혈당 예측 결과와 실제로 측정된 혈당 사이의 차이가 크지만, 정교하게 추정된 체내 고유 스펙트럼에 기반한 향상된 NAS 알고리즘에 따르면 예측 혈당 및 측정 혈당이 거의 유사하게 표시되고 있음을 알 수 있다.
도 9는 다른 실시예에 따른 분석물질의 농도를 예측하는 농도 예측 장치를 나타낸 블록도이다.
도 9를 참조하면, 일 실시예에 따른 농도 예측 장치(900)는, 프로세서(processor)(910), 메모리(memory)(920), 그리고 송수신부(transceiver)(930)를 포함한다.
메모리(920)는 프로세서(910)와 연결되어 프로세서(910)를 구동하기 위한 다양한 정보 또는 프로세서(910)에 의해 실행되는 적어도 하나의 프로그램을 저장할 수 있다. 송수신부(930)는 프로세서(910)와 연결되어 외부와 유무선 신호를 송수신 할 수 있다. 프로세서(910)는 본 기재의 실시예에서 제안한 기능, 과정, 또는 방법을 구현할 수 있다. 또한, 일 실시예에 따른 농도 예측 장치(900)의 동작은 프로세서(910)에 의해 구현될 수 있다.
본 기재의 실시예에서 메모리는 프로세서의 내부 또는 외부에 위치할 수 있고, 메모리는 이미 알려진 다양한 수단을 통해 프로세서와 연결될 수 있다. 메모리는 다양한 형태의 휘발성 또는 비휘발성 저장 매체이며, 예를 들어, 메모리는 읽기 전용 메모리(read-only memory, ROM) 또는 랜덤 액세스 메모리(random access memory, RAM)를 포함할 수 있다.
이상에서 실시예에 대하여 상세하게 설명하였지만 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 권리범위에 속하는 것이다.
Claims (20)
- 분석물질의 체내 농도를 예측하는 장치로서,
적어도 하나의 프로세서,
메모리, 그리고
송수신부
를 포함하고,
상기 적어도 하나의 프로세서는 상기 메모리에 저장된 적어도 하나의 프로그램을 실행하여,
상기 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계,
상기 추정된 체내 고유 스펙트럼과, 체내에서 상기 분석물질의 농도가 실질적으로 변하지 않는 구간 동안 획득된 체내 스펙트럼을 바탕으로 농도 예측 알고리즘을 이용하여 상기 분석물질의 체내 농도를 예측하는 단계
를 수행하는 농도 예측 장치. - 제1항에서,
상기 적어도 하나의 프로세서는 상기 추정하는 단계를 수행할 때,
상기 분석물질의 용액을 이용하여 상기 분석물질에 대한 체외 고유 스펙트럼을 획득하는 단계, 그리고
상기 체외 고유 스펙트럼을 보정하여 상기 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계
를 수행하는, 농도 예측 장치. - 제2항에서,
상기 적어도 하나의 프로세서는 상기 체외 고유 스펙트럼을 보정하여 상기 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계를 수행할 때,
상기 체외 고유 스펙트럼과, 상수함수 항 및 선형함수 항의 선형 결합으로 상기 체내 고유 스펙트럼을 추정하는 단계
를 수행하는, 농도 예측 장치. - 제3항에서,
상기 적어도 하나의 프로세서는 상기 예측하는 단계를 수행할 때,
상기 체내 스펙트럼을 구성하는 적어도 하나의 주성분을 포함하는 기저 세트를 생성하는 단계, 그리고
상기 체내 고유 스펙트럼을 추정하는 과정에서 얻어진 추가 기저 세트, 상기 기저 세트, 그리고 상기 추정된 체내 고유 스펙트럼을 이용하여 최소자승법을 수행함으로써 상기 분석물질의 체내 농도를 예측하는 단계
를 수행하는, 농도 예측 장치. - 제1항에서,
상기 분석물질은, 인체, 동물, 포유류, 비포유류 또는 미생물 중 하나에 포함된 분석물질인, 농도 예측 장치. - 제1항에서,
상기 분석물질은, 포도당, 요소, 젖산, 트리글리세리드, 단백질, 콜레스테롤 또는 에탄올 중 적어도 하나인, 농도 예측 장치. - 제1항에서,
상기 분석물질은 포도당이고, 상기 분석물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간인, 농도 예측 장치. - 제1항에서,
상기 체내 스펙트럼은 적외선의 흡수 스펙트럼 또는 반사 스펙트럼 중 하나인, 농도 예측 장치. - 제1항에서,
상기 체내 스펙트럼은 단일 파장 전자기파의 산란 스펙트럼인, 농도 예측 장치. - 제1항에서,
상기 농도 예측 알고리즘은 순 분석물질 신호(net analyte signal, NAS) 알고리즘인, 농도 예측 장치. - 분석물질의 체내 농도를 예측하는 방법으로서,
상기 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계,
상기 추정된 체내 고유 스펙트럼과, 체내에서 상기 분석물질의 농도가 실질적으로 변하지 않는 구간 동안 획득된 체내 스펙트럼을 바탕으로 농도 예측 알고리즘을 이용하여 상기 분석물질의 체내 농도를 예측하는 단계
를 포함하는 농도 예측 방법. - 제11항에서,
상기 추정하는 단계는,
상기 분석물질의 용액을 이용하여 상기 분석물질에 대한 체외 고유 스펙트럼을 획득하는 단계, 그리고
상기 체외 고유 스펙트럼을 보정하여 상기 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계
를 포함하는, 농도 예측 방법. - 제12항에서,
상기 체외 고유 스펙트럼을 보정하여 상기 분석물질에 대한 체내 고유 스펙트럼을 추정하는 단계는,
상기 체외 고유 스펙트럼과, 상수함수 항 및 선형함수 항의 선형 결합으로 상기 체내 고유 스펙트럼을 추정하는 단계
를 포함하는, 농도 예측 방법. - 제13항에서,
상기 예측하는 단계는,
상기 체내 스펙트럼을 구성하는 적어도 하나의 주성분을 포함하는 기저 세트를 생성하는 단계, 그리고
상기 체내 고유 스펙트럼을 추정하는 과정에서 얻어진 추가 기저 세트, 상기 기저 세트, 그리고 상기 추정된 체내 고유 스펙트럼을 이용하여 최소자승법을 수행함으로써 상기 분석물질의 체내 농도를 예측하는 단계
를 포함하는, 농도 예측 방법. - 제11항에서,
상기 분석물질은, 인체, 동물, 포유류, 비포유류 또는 미생물 중 하나에 포함된 분석물질인, 농도 예측 방법. - 제11항에서,
상기 분석물질은, 포도당, 요소, 젖산, 트리글리세리드, 단백질, 콜레스테롤 또는 에탄올 중 적어도 하나인, 농도 예측 방법. - 제1항에서,
상기 분석물질은 포도당이고, 상기 분석물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간인, 농도 예측 방법. - 제11항에서,
상기 체내 스펙트럼은 적외선의 흡수 스펙트럼 또는 반사 스펙트럼 중 하나인, 농도 예측 방법. - 제11항에서,
상기 체내 스펙트럼은 단일 파장 전자기파의 산란 스펙트럼인, 농도 예측 방법. - 제11항에서,
상기 농도 예측 알고리즘은 순 분석물질 신호(net analyte signal, NAS) 알고리즘인, 농도 예측 방법.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160056569A KR102497849B1 (ko) | 2016-05-09 | 2016-05-09 | 분석물질 농도 예측 방법 및 장치 |
EP17168232.1A EP3244193B1 (en) | 2016-05-09 | 2017-04-26 | Method and apparatus for predicting concentration of analyte |
JP2017090491A JP6947531B2 (ja) | 2016-05-09 | 2017-04-28 | 濃度予測方法、濃度予測プログラム、および濃度予測装置 |
CN201710306695.XA CN107440684B (zh) | 2016-05-09 | 2017-05-04 | 用于预测分析物的浓度的方法和设备 |
US15/590,094 US10966689B2 (en) | 2016-05-09 | 2017-05-09 | Method and apparatus for predicting concentration of analyte |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160056569A KR102497849B1 (ko) | 2016-05-09 | 2016-05-09 | 분석물질 농도 예측 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170126310A true KR20170126310A (ko) | 2017-11-17 |
KR102497849B1 KR102497849B1 (ko) | 2023-02-07 |
Family
ID=58638718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020160056569A KR102497849B1 (ko) | 2016-05-09 | 2016-05-09 | 분석물질 농도 예측 방법 및 장치 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10966689B2 (ko) |
EP (1) | EP3244193B1 (ko) |
JP (1) | JP6947531B2 (ko) |
KR (1) | KR102497849B1 (ko) |
CN (1) | CN107440684B (ko) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190071379A (ko) * | 2017-12-14 | 2019-06-24 | 광주과학기술원 | 레이저 유도 붕괴 분광법을 이용한 성분 표시 장치 |
KR20200009869A (ko) * | 2018-07-20 | 2020-01-30 | 삼성전자주식회사 | 스펙트럼 처리 장치 및 방법 |
KR20200018177A (ko) * | 2018-08-10 | 2020-02-19 | 삼성전자주식회사 | 분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법 |
CN110811635A (zh) * | 2018-08-10 | 2020-02-21 | 三星电子株式会社 | 估计浓度的装置和方法以及生成浓度估计模型的装置 |
KR20210104487A (ko) * | 2020-02-17 | 2021-08-25 | 한양대학교 산학협력단 | 딥러닝을 이용한 광물 조성 예측 방법 및 그 장치 |
US11350878B2 (en) | 2019-02-07 | 2022-06-07 | Samsung Electronics Co.. Ltd. | Apparatus and method for estimating bio-information |
US11872032B2 (en) | 2019-02-19 | 2024-01-16 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating analyte concentration |
CN110811635B (zh) * | 2018-08-10 | 2024-04-26 | 三星电子株式会社 | 估计浓度的装置和方法以及生成浓度估计模型的装置 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3531110A1 (en) * | 2018-02-23 | 2019-08-28 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating concentration of blood compound |
KR102638310B1 (ko) * | 2018-10-04 | 2024-02-19 | 삼성전자주식회사 | 분석 물질의 농도 추정 장치 및 방법 |
CN109100324A (zh) * | 2018-10-08 | 2018-12-28 | 厦门卓越生物质能源有限公司 | 生物柴油酯交换生产过程中中性油的近红外光谱测定方法 |
KR20200058948A (ko) * | 2018-11-20 | 2020-05-28 | 삼성전자주식회사 | 스펙트럼 측정 장치, 스펙트럼의 광원 온도 변화 보정 방법, 농도 추정 장치 및 방법 |
CN113196053A (zh) * | 2018-12-20 | 2021-07-30 | 佳能株式会社 | 信息处理装置、信息处理装置的控制方法及程序 |
KR20200133525A (ko) * | 2019-05-20 | 2020-11-30 | 삼성전자주식회사 | 생체 정보 추정 모델의 유효성 판단 장치 및 방법 |
KR20200137103A (ko) * | 2019-05-29 | 2020-12-09 | 삼성전자주식회사 | 생체 정보 추정 모델 갱신 장치 및 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050119541A1 (en) * | 1999-10-08 | 2005-06-02 | Lorenz Alexander D. | Method of adapting in-vitro models to aid in noninvasive glucose determination |
JP2006512931A (ja) * | 2002-01-25 | 2006-04-20 | センシス メディカル インク | 組織の特性による組織検体の間接的な測定 |
US20060167348A1 (en) * | 2005-01-24 | 2006-07-27 | Arnold Mark A | Method for generating a net analyte signal calibration model and uses thereof |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5511033B2 (ko) | 1972-03-09 | 1980-03-21 | ||
US6240306B1 (en) * | 1995-08-09 | 2001-05-29 | Rio Grande Medical Technologies, Inc. | Method and apparatus for non-invasive blood analyte measurement with fluid compartment equilibration |
US6040578A (en) * | 1996-02-02 | 2000-03-21 | Instrumentation Metrics, Inc. | Method and apparatus for multi-spectral analysis of organic blood analytes in noninvasive infrared spectroscopy |
WO2002065090A2 (en) * | 2001-01-26 | 2002-08-22 | Sensys Medical | Noninvasive measurement of glucose through the optical properties of tissue |
US20060009633A9 (en) * | 1997-11-13 | 2006-01-12 | Genset, S.A. | Complementary DNAs encoding proteins with signal peptides |
US8974386B2 (en) * | 1998-04-30 | 2015-03-10 | Abbott Diabetes Care Inc. | Analyte monitoring device and methods of use |
US20080184017A1 (en) | 1999-04-09 | 2008-07-31 | Dave Stuttard | Parallel data processing apparatus |
WO2000062182A2 (en) | 1999-04-09 | 2000-10-19 | Clearspeed Technology Limited | Parallel data processing apparatus |
MXPA04008713A (es) | 2002-03-08 | 2006-02-24 | Sensys Medical Inc | Aparato compacto para la medicion no invasiva de glucosa a traves de espectroscopia del infrarrojo cercano. |
KR100493154B1 (ko) * | 2002-03-20 | 2005-06-03 | 삼성전자주식회사 | 광음향분광학을 이용한 비침습적 생체성분 측정장치 |
US7725144B2 (en) | 2002-04-04 | 2010-05-25 | Veralight, Inc. | Determination of disease state using raman spectroscopy of tissue |
US6801316B2 (en) * | 2002-07-19 | 2004-10-05 | Optix Lp | Measurement of an analyte concentration in a scattering medium |
US20090118605A1 (en) * | 2002-08-30 | 2009-05-07 | Northwestern University | Surface-enhanced raman nanobiosensor |
US7633621B2 (en) * | 2003-04-11 | 2009-12-15 | Thornton Robert L | Method for measurement of analyte concentrations and semiconductor laser-pumped, small-cavity fiber lasers for such measurements and other applications |
US20120078473A1 (en) * | 2004-05-24 | 2012-03-29 | Trent Ridder | Apparatus and Method for Controlling Operation of Vehicles or Machinery by Intoxicated or Impaired Individuals |
CN100522059C (zh) | 2004-10-15 | 2009-08-05 | 日本国长崎县政府 | 血糖值的非侵入测量装置 |
US20060173260A1 (en) * | 2005-01-31 | 2006-08-03 | Gmms Ltd | System, device and method for diabetes treatment and monitoring |
WO2007014173A2 (en) | 2005-07-22 | 2007-02-01 | Massachusetts Institute Of Technology | Intrinsic raman spectroscopy |
US7946985B2 (en) | 2006-12-29 | 2011-05-24 | Medtronic Minimed, Inc. | Method and system for providing sensor redundancy |
KR100883153B1 (ko) | 2007-04-20 | 2009-02-10 | 나가사끼-켄 | 혈당치의 비침습 측정 장치 |
US7783442B2 (en) | 2007-10-31 | 2010-08-24 | Medtronic Minimed, Inc. | System and methods for calibrating physiological characteristic sensors |
EP2268197A1 (en) * | 2008-03-31 | 2011-01-05 | Onablab AB | Method and device for non-invasive determination of the concentration of a substance in a body fluid |
US20110168575A1 (en) | 2010-01-08 | 2011-07-14 | Roche Diaagnostics Operations, Inc. | Sample characterization based on ac measurement methods |
KR101656746B1 (ko) | 2010-10-26 | 2016-09-12 | 엘지전자 주식회사 | 혈당농도 보정 장치 및 방법 |
US8976358B2 (en) * | 2012-03-23 | 2015-03-10 | Spectrasensors, Inc. | Collisional broadening compensation using real or near-real time validation in spectroscopic analyzers |
JP5511033B1 (ja) | 2012-12-04 | 2014-06-04 | Necシステムテクノロジー株式会社 | 血糖値予測装置、測定装置、血糖値予測方法、及びプログラム |
CA2905564A1 (en) | 2013-03-15 | 2014-09-18 | Richard Harry Turner | A system and methods for the in vitro detection of particles and soluble chemical entities in body fluids |
JP5675889B2 (ja) | 2013-05-08 | 2015-02-25 | メドトロニック ミニメド インコーポレイテッド | センサ値を用いてインスリンを注入するための閉ループ装置または半閉ループ装置 |
CN103876749A (zh) * | 2014-04-04 | 2014-06-25 | 王素常 | 内置光谱法快速血糖检测系统 |
CN204318763U (zh) * | 2014-11-12 | 2015-05-13 | 杭州欣安医疗科技有限公司 | 一种基于近红外检测人体生化参数的检测装置 |
CN104367327B (zh) * | 2014-11-12 | 2016-09-14 | 杭州欣安医疗科技有限公司 | 一种基于近红外检测人体生化参数的检测装置及方法 |
-
2016
- 2016-05-09 KR KR1020160056569A patent/KR102497849B1/ko active IP Right Grant
-
2017
- 2017-04-26 EP EP17168232.1A patent/EP3244193B1/en active Active
- 2017-04-28 JP JP2017090491A patent/JP6947531B2/ja active Active
- 2017-05-04 CN CN201710306695.XA patent/CN107440684B/zh active Active
- 2017-05-09 US US15/590,094 patent/US10966689B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050119541A1 (en) * | 1999-10-08 | 2005-06-02 | Lorenz Alexander D. | Method of adapting in-vitro models to aid in noninvasive glucose determination |
JP2006512931A (ja) * | 2002-01-25 | 2006-04-20 | センシス メディカル インク | 組織の特性による組織検体の間接的な測定 |
US20060167348A1 (en) * | 2005-01-24 | 2006-07-27 | Arnold Mark A | Method for generating a net analyte signal calibration model and uses thereof |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190071379A (ko) * | 2017-12-14 | 2019-06-24 | 광주과학기술원 | 레이저 유도 붕괴 분광법을 이용한 성분 표시 장치 |
KR20200009869A (ko) * | 2018-07-20 | 2020-01-30 | 삼성전자주식회사 | 스펙트럼 처리 장치 및 방법 |
KR20200018177A (ko) * | 2018-08-10 | 2020-02-19 | 삼성전자주식회사 | 분석 물질의 농도 추정 장치 및 방법과, 농도 추정 모델 생성 장치 및 방법 |
CN110811635A (zh) * | 2018-08-10 | 2020-02-21 | 三星电子株式会社 | 估计浓度的装置和方法以及生成浓度估计模型的装置 |
US11627895B2 (en) | 2018-08-10 | 2023-04-18 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating analyte concentration, and apparatus and method for generating analyte concentration estimation model |
CN110811635B (zh) * | 2018-08-10 | 2024-04-26 | 三星电子株式会社 | 估计浓度的装置和方法以及生成浓度估计模型的装置 |
US11350878B2 (en) | 2019-02-07 | 2022-06-07 | Samsung Electronics Co.. Ltd. | Apparatus and method for estimating bio-information |
US11872032B2 (en) | 2019-02-19 | 2024-01-16 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating analyte concentration |
KR20210104487A (ko) * | 2020-02-17 | 2021-08-25 | 한양대학교 산학협력단 | 딥러닝을 이용한 광물 조성 예측 방법 및 그 장치 |
Also Published As
Publication number | Publication date |
---|---|
US10966689B2 (en) | 2021-04-06 |
JP2017202309A (ja) | 2017-11-16 |
CN107440684B (zh) | 2022-08-23 |
US20170319185A1 (en) | 2017-11-09 |
JP6947531B2 (ja) | 2021-10-13 |
EP3244193A1 (en) | 2017-11-15 |
EP3244193B1 (en) | 2022-10-19 |
CN107440684A (zh) | 2017-12-08 |
KR102497849B1 (ko) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102497849B1 (ko) | 분석물질 농도 예측 방법 및 장치 | |
JP4672147B2 (ja) | 分光学的な較正モデルを作るための方法 | |
Blank et al. | Clinical results from a noninvasive blood glucose monitor | |
KR100762659B1 (ko) | 비관혈 혈액 성분치 측정 장치 및 방법 | |
US6456870B1 (en) | Non-invasive method of determining skin thickness and characterizing layers of skin tissue in vivo | |
US6441388B1 (en) | Methods and apparatus for spectroscopic calibration model transfer | |
US7098037B2 (en) | Accommodating subject and instrument variations in spectroscopic determinations | |
KR102443262B1 (ko) | 분석물질 농도 예측 방법 및 장치 | |
KR102498121B1 (ko) | 생체정보 추정 장치 및 방법 | |
US20010041829A1 (en) | Non-invasive method of determining skin thickness and characterizing layers of skin tissue in vivo | |
EP3916376B1 (en) | Portable device and method for non-invasive blood glucose level estimation | |
JP2010082246A (ja) | 生体スペクトルの測定データ処理方法 | |
KR20170063039A (ko) | 스펙트럼 분석법을 이용한 혈중 성분 수치의 추정 장치 | |
JP6813848B2 (ja) | 成分濃度測定装置及び方法 | |
JP6521307B2 (ja) | 近赤外分光法を用いた生体特性値測定方法及び測定装置 | |
KR20200010991A (ko) | 혈당 농도를 결정하는 장치 및 방법 |
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 |