KR20170133003A - 환자 낙상 인식을 위한 웨어러블 장치 및 서버 - Google Patents

환자 낙상 인식을 위한 웨어러블 장치 및 서버 Download PDF

Info

Publication number
KR20170133003A
KR20170133003A KR1020160063883A KR20160063883A KR20170133003A KR 20170133003 A KR20170133003 A KR 20170133003A KR 1020160063883 A KR1020160063883 A KR 1020160063883A KR 20160063883 A KR20160063883 A KR 20160063883A KR 20170133003 A KR20170133003 A KR 20170133003A
Authority
KR
South Korea
Prior art keywords
patient
signal information
bio
wearable device
fall
Prior art date
Application number
KR1020160063883A
Other languages
English (en)
Inventor
노영훈
권동수
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020160063883A priority Critical patent/KR20170133003A/ko
Publication of KR20170133003A publication Critical patent/KR20170133003A/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
    • A61B5/103—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
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6825—Hand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work

Abstract

환자 낙상 인식을 위한 웨어러블 장치 및 서버 및 장치가 제공된다. 일 실시예에 따른, 서버는 환자가 착용한 웨어러블 장치로부터 상기 환자의 생체 신호 정보 및 상기 환자의 움직임 신호 정보를 수신하는 통신부와 상기 수신한 생체 신호 정보와 움직임 신호 정보에 기초하여 상기 환자의 낙상을 인식하는 낙상 인식부를 포함할 수 있다.

Description

환자 낙상 인식을 위한 웨어러블 장치 및 서버{WEARABLE DEVICE AND SERVER FOR RECOGNIZING PATIENT FALL}
아래의 설명은 환자 낙상 인식을 위한 웨어러블 장치 및 서버에 관한 것이다.
환자의 낙상은 환자 본인의 의사와 상관없이 의도하지 않은 자세의 변화로 몸이 낮은 위치로 갑자기 넘어지는 것으로서, 병원 사건 보고의 30%를 차지할 만큼 빈번하게 발생하고 있다. 낙상의 발생은 병실 내에서 주로 일어나고, 그 중에서도 침대로부터의 낙상이 대부분을 차지하고 있다. 병원 내 환자의 낙상은 심각한 의료 사고를 초래할 수도 있다. 예를 들어, 낙상 환자는 대퇴부 골절이나 머리 손상을 입을 수 있으며, 심각한 경우에는 사망에까지 이를 수도 있다. 이러한 환자의 낙상을 효과적으로 인식함으로써 환자의 안전을 보호하고, 병원 내 병실 사고를 방지하기 위한 기술의 연구가 요구된다.
일 실시예에 따른 환자 낙상 인식을 위한 웨어러블 장치는, 환자의 생체 신호 정보를 센싱하는 생체 신호 센서; 상기 환자의 손목에 부착되어 상기 환자의 움직임 신호 정보를 센싱하는 움직임 센서; 및 상기 센싱한 생체 신호 정보와 상기 센싱한 움직임 신호 정보를 병원 내 서버에 전송하는 통신부를 포함할 수 있다.
일 실시예에 따른 상기 웨어러블 장치는, 손목형 웨어러블 장치이고, 상기 생체 신호 센서는, 상기 환자의 손목 또는 손가락 끝에서 상기 생체 신호 정보를 센싱할 수 있다.
일 실시예에 따른 상기 병원 내 서버는, 상기 웨어러블 장치로부터 상기 생체 신호 정보와 상기 움직임 신호 정보를 수신하고, 인식기를 이용하여 상기 수신한 생체 신호 정보 및 상기 수신한 움직임 신호 정보로부터 상기 환자의 낙상 여부를 결정할 수 있다.
일 실시예에 따른 상기 생체 신호 센서는, 상기 환자의 생체조직의 광학적 특성을 이용하여 혈관에 흐르는 혈류량의 변화를 측정할 수 있다.
일 실시예에 따른 환자 낙상 인식을 위한 서버는, 환자가 착용한 웨어러블 장치로부터 상기 환자의 생체 신호 정보 및 상기 환자의 움직임 신호 정보를 수신하는 통신부; 및 상기 수신한 생체 신호 정보와 움직임 신호 정보에 기초하여 상기 환자의 낙상을 인식하는 낙상 인식부를 포함할 수 있다.
일 실시예에 따른 상기 낙상 인식부는, 인식기를 이용하여 상기 수신한 생체 신호 정보와 움직임 신호 정보로부터 상기 환자의 낙상 여부를 결정할 수 있다.
일 실시예에 따른 상기 낙상 인식부는, 상기 수신한 생체 신호 정보로부터 생체 신호 특징을 추출하고, 상기 움직임 신호 정보로부터 움직임 신호 특징을 추출하고, 상기 추출된 생체 신호 특징과 움직임 신호 특징이 단일 인식기에 입력되어 상기 단일 인식기로부터 출력된 결과를 기초로 상기 환자의 낙상 여부를 결정할 수 있다.
일 실시예에 따른 상기 낙상 인식부는, 상기 수신한 생체 신호 정보로부터 생체 신호 특징을 추출하고, 상기 움직임 신호 정보로부터 움직임 신호 특징을 추출하고, 상기 생체 신호 특징이 제1 인식기에 입력되어 상기 제1 인식기로부터 출력된 결과와 상기 움직임 신호 특징이 제2 인식기에 입력되어 상기 제2 인식기로부터 출력된 결과를 기초로 상기 환자의 낙상 여부를 결정할 수 있다.
일 실시예에 따른 상기 낙상 인식부는, 초기 일정 시간 동안 상기 웨어러블 장치로부터 상기 생체 신호 정보와 움직임 신호 정보를 수집하고, 수집한 정보를 기초로 상기 인식기를 학습시킬 수 있다.
일 실시예에 따르면, 환자의 낙상을 보다 정확하고 효과적으로 인식할 수 있다.
일 실시예에 따르면, 환자의 낙상을 자동으로 인식하여 병원 내 의료진 또는 환자의 보호자에게 알릴 수 있어 환자 낙상에 대한 신속한 대처를 가능하게 한다.
도 1은 일 실시예에 따른 환자 낙상 인식을 위한 웨어러블 장치와 서버의 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 환자 낙상 인식을 위한 웨어러블 장치 및 서버의 구성을 도시하는 블록도이다.
도 3은 일 실시예에 따른 환자 낙상 인식을 위한 웨어러블 장치의 일례를 나타내는 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시 형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 환자 낙상 인식을 위한 웨어러블 장치와 서버의 동작을 설명하기 위한 도면이다.
먼저, 도 1을 참조하면, 환자 낙상 인식을 위한 시스템은 병원에 서버(110) 및 웨어러블 장치(120)를 포함할 수 있다. 서버(110)는 병원 내부 또는 외부에 위치할 수 있다. 웨어러블 장치(120)는 예를 들어, 팔찌, 밴드, 시계 타입의 손목형 웨어러블 장치일 수 있으나, 이에 한정되는 것은 아니다. 환자는 웨어러블 장치(120)를 착용하고, 웨어러블 장치(120)는 센서를 이용하여 환자로부터 측정한 신호를 서버(110)에 전송할 수 있다. 웨어러블 장치(120)는 심박과 같은 생체 신호 정보를 센싱하는 생체 신호 센서와 환자의 움직임을 센싱하는 움직임 센서를 포함할 수 있다. 실시예에 따라, 환자가 위치한 병실에는 웨어러블 장치(120)로부터 신호를 수신하는 중계기(미도시)가 설치될 수 있고, 중계기는 하나 이상의 웨어러블 장치(120)로부터 수신한 신호를 서버(110)에 전송할 수 있다. 웨어러블 장치(120)는 블루투스, 와이파이 등의 무선 통신을 이용하여 서버(110) 또는 중계기와 통신할 수 있다.
서버(110)는 웨어러블 장치(120)로부터 수신한 신호에 기초하여 환자 맞춤형 인식기를 구성하고, 인식기를 이용하여 환자가 낙상하였는지 여부를 결정할 수 있다. 예를 들어, 서버(110)는 초기 일정한 시간 동안 웨어러블 장치(120)로부터 수신한 정보에 기초하여 낙상 인식을 위한 인식기를 학습시키고, 그 이후에 웨어러블 장치(120)로부터 전달되는 신호를 인식기에 입력시킨 결과에 기초하여 환자가 낙상하였는지 여부를 판단할 수 있다. 이 때, 서버(110)는 비지도 학습 기반 방식으로 인식기를 학습시킬 수 있다. 환자가 낙상한 것으로 결정된 경우, 서버(110)는 병원 내 의료진 또는 환자의 보호자에게 해당 환자의 낙상 사실을 알릴 수 있다. 서버(110)는 예를 들어, 경고 메시지나 경고음 등을 통해 환자의 낙상 사실을 알릴 수 있다.
도 2는 일 실시예에 따른 환자 낙상 인식을 위한 웨어러블 장치 및 서버의 구성을 도시하는 블록도이다.
도 2를 참조하면, 서버(210)와 웨어러블 장치(220) 각각의 구성이 도시되어 있다. 일 실시예에 따르면, 서버(210) 및 웨어러블 장치(220)는 각각 도 1에서 설명한 서버(110) 및 웨어러블 장치(120)에 대응될 수 있다. 서버(210)와 웨어러블 장치(220)는 각각의 통신부(211, 223)를 통하여 서로 무선으로 연결될 수 있으며, 각각의 통신부(211, 223)는 다른 장치로 데이터 또는 신호를 송수신할 수 있다.
웨어러블 장치(220)는 생체 신호 센서(221), 움직임 센서(222) 및 통신부(223)를 포함할 수 있다. 생체 신호 센서(221)는 환자의 생체 신호 정보를 센싱할 수 있다. 예를 들어, 생체 신호 센서(221)는 환자의 손목 또는 손가락 끝에서 광전용적맥파(photoplethysmography, PPG)를 측정하는 센서로서, 혈관에 흐르는 혈류량의 변화를 측정할 수 있다. 생체 신호 정보에 기초하여 환자의 심박 정보가 결정될 수 있다. 움직임 센서(222)는 환자의 손목에 부착되어 환자의 움직임 신호 정보를 센싱할 수 있다. 예를 들어, 움직임 센서(222)는 가속도 센서 또는 자이로 센서일 수 있다. 통신부(223)는, 생체 신호 센서(221)에 의해 센싱된 생체 신호 정보와 움직임 센서(222)에 의해 센싱된 움직임 신호 정보를 서버(210)로 전송할 수 있다. 이 때, 생체 신호 정보와 움직임 신호 정보는 원 데이터(raw data) 형식으로 서버(210)에 전송되거나 또는 웨어러블 장치(220)에 의한 신호 처리 과정을 거쳐 적절한 형태로 변형된 후 서버(210)에 전송될 수도 있다.
서버(210)는 통신부(211) 및 낙상 인식부(212)를 포함할 수 있다. 통신부(211)는 웨어러블 장치(220)로부터 생체 신호 정보와 움직임 신호 정보를 수신하고, 낙상 인식부(212)는 생체 신호 정보와 움직임 신호 정보에 기초하여 환자의 낙상을 인식할 수 있다. 일 실시예에 따르면, 낙상 인식부(212)는 웨어러블 장치(220)로부터 수신한 데이터에 기초하여 환자의 낙상을 인식하기 위한 인식기를 이용하여 환자의 낙상 여부를 결정할 수 있다. 여기서, 인식기는 학습 기반 모델로서 가우시안 혼합 모델(GMM, Gaussian mixture model)일 수 있다.
일 실시예에 따르면, 낙상 인식부(212)는 단일 인식기를 이용하여 환자의 낙상을 인식할 수 있다. 낙상 인식부(212)는 생체 신호 정보로부터 생체 신호 특징을 추출하고, 움직임 신호 정보로부터 움직임 신호 특징을 추출할 수 있다. 예를 들어, 낙상 인식부(212)는 RMSSD(Root Mean Square of Successive Differences), SDSD(Standard Deviation of Successive Differences), NN50(Normal to Normal 50), NN20(Normal to Normal 20), SDNN(Standard Deviation of Normal to Normal interval) 등의 특징점 추출 방법을 이용 또는 조합하여 생체 신호 정보로부터 생체 신호 특징을 추출할 수 있으나, 실시예의 범위가 예로 든 특징점 추출 방법에 한정되는 것은 아니다. 또한, 낙상 인식부(212)는 MAD(Mean Absolute Deviation), AC(Activity Count), SE(Spectral Entropy), SMA(Signal Magnitude Area) 등의 특징점 추출 방법을 이용 또는 조합하여 움직임 신호 정보로부터 움직임 신호 특징을 추출할 수 있으나, 실시예의 범위가 예로 든 특징점 추출 방법에 한정되는 것은 아니다. 낙상 인식부(212)는 추출된 생체 신호 특징과 움직임 신호 특징을 단일 인식기에 입력시키고, 단일 인식기로부터 출력된 결과를 기초로 환자의 낙상 여부를 결정할 수 있다. 이와 같이, 환자의 생체 신호 특징과 움직임 신호 특징을 단일 인식기에 입력하여 환자의 낙상을 인식하는 특징 레벨 퓨전(feature level fusion) 방식의 경우, 단일 센서만을 이용하여 낙상을 인식할 때보다 높은 인식 성능을 제공할 수 있다.
다른 실시예에 따르면, 낙상 인식부(212)는 복수의 인식기들을 이용하여 환자의 낙상을 인식할 수 있다. 이 경우, 낙상 인식부(212)는 인식기들을 학습시키기 위해 초기 일정 시간 동안 웨어러블 장치(220)로부터 생체 신호 정보와 움직임 신호 정보를 수집할 수 있다. 낙상 인식부(212)는 초기 일정 시간 동안 수집한 생체 신호 정보와 움직임 신호 정보에 기초하여 인식기들을 학습시킬 수 있다. 예를 들어, 낙상 인식부(212)는 웨어러블 장치(220)로부터 수집한 데이터를 클러스터링(clustering)한 후, 선형 서포트 벡터 머신(support vector machine; SVM)을 이용하여 환자의 낙상 상태와 정상 상태를 결정하는데 이용되는 낙상 기준 함수로서 하이퍼플레인(hyperplane)을 결정할 수 있다. 여기서, 선형 서포트 벡터 머신은 2 class linear SVM일 수 있다. 인식기에 대한 학습이 종료된 이후, 낙상 인식부(212)는 웨어러블 장치(220)로부터 전달되는 생체 신호 정보와 움직임 신호 정보에 기초하여 환자의 낙상을 인식할 수 있다. 낙상 인식부(212)는 학습 과정에서 결정된 하이퍼플레인에 기초하여 환자의 낙상을 인식할 수 있다. 낙상 인식부(212)는 생체 신호 정보로부터 생체 신호 특징을 추출하고, 움직임 신호 정보로부터 움직임 신호 특징을 추출하고, 생체 신호 특징이 제1 인식기에 입력되어 제1 인식기로부터 출력된 결과와 움직임 신호 특징이 제2 인식기에 입력되어 제2 인식기로부터 출력된 결과를 기초로 환자의 낙상 여부를 결정할 수 있다. 낙상 인식부(212)는 생체 신호 정보로부터 심박 변이도(Heart Rate Variability; HRV)에 대한 특징 벡터를 추출하고, 움직임 신호 정보로부터 가속도에 대한 특징 벡터를 추출할 수 있다. 예를 들어,심박 변이도에 대한 특징 벡터는 Mean HRV, SDNN(Standard Deviation of all Normail R-R Intervals), Complexity, HRV index, pNN50 RMSSD, SDSD 등의 시간 영역 분석 또는 Ln(TP), Ln(VLF), Ln(HF), normailized LF, normailized HF 등의 주파수 영역 분석에 기초하여 추출될 수 있으나, 이에 한정되는 것은 아니다. 낙상 인식부(212)는 심박 변이도에 대한 특징 벡터가 제1 인식기에 입력되어 도출된 결과 값과 가속도에 대한 특징 벡터 벡터가 제2 인식기에 입력되어 도출된 결과의 조합과 학습 과정에서 결정된 하이퍼플레인에 기초하여 환자의 낙상 여부를 결정할 수 있다. 이와 같이, 환자의 생체 신호 특징과 움직임 신호 특징을 각각 독립적인 인식기에 입력하여 환자의 낙상을 인식하는 결정 레벨 퓨전(decision level fusion) 방식의 경우, 단일 센서만을 이용하여 낙상을 인식할 때보다 높은 인식 성능을 제공할 수 있다.
위 특징 레벨 퓨전 방식과 결정 레벨 퓨전 방식 중 사용 목적 또는 인식 성능에 따라 보다 적절한 방식이 선택되어 운용될 수 있다. 특징 레벨 퓨전 방식 및 결정 레벨 퓨전 방식 모두 단일 센서를 이용하는 방식보다 낙상 상태를 낙상이라고 인식하는 인식률 및 정상 상태를 정상이라고 인식하는 인식률을 개선시킬 수 있다.
도 3은 일 실시예에 따른 환자 낙상 인식을 위한 웨어러블 장치의 일례를 나타내는 도면이다.
도 3을 참조하면, 웨어러블 장치(310)는 생체 신호 센서(320)를 포함하고, 생체 신호 센서(320)를 이용하여 환자의 생체 신호를 측정할 수 있다. 생체 신호 센서(320)는 도시된 바와 같이 환자의 손가락 끝에서 생체 신호를 측정할 수도 있으나, 웨어러블 장치(310)의 스트랩(strap) 부분에 위치하여 환자의 손목 부분에서 생체 신호를 측정할 수도 있다. 웨어러블 장치(310)는 움직임 센서를 더 포함할 수 있고, 움직임 센서를 이용하여 환자의 움직임을 측정할 수 있다. 웨어러블 장치(310)는 센서들을 통해 측정한 데이터를 서버로 전송할 수 있다. 이 때, 웨어러블 장치(310)는 센서들을 통해 수집된 데이터를 증폭, 필터링, 디지털 신호로 변환 등의 신호 전처리 과정을 수행할 수도 있다. 일 실시예에 따르면, 웨어러블 장치(310)는 손목형으로 구현되어 착용시 환자의 불편함을 최소화할 수 있고, 웨어러블 장치(310)에는 환자를 식별하기 위한 개별 식별자(ID)가 부여될 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 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 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
110, 210: 서버
120, 220: 웨어러블 장치
211: 통신부
212: 낙상 인식부
221: 생체 신호 센서
222: 움직임 센서
223: 통신부

Claims (9)

  1. 환자의 생체 신호 정보를 센싱하는 생체 신호 센서;
    상기 환자의 손목에 부착되어 상기 환자의 움직임 신호 정보를 센싱하는 움직임 센서; 및
    상기 센싱한 생체 신호 정보와 상기 센싱한 움직임 신호 정보를 병원 내 서버에 전송하는 통신부를 포함하고,
    상기 병원 내 서버는, 상기 생체 신호 정보 및 상기 움직임 신호 정보에 기초하여 상기 환자의 낙상을 인식하는 것을 특징으로 하는, 환자 낙상 인식을 위한 웨어러블 장치.
  2. 제1항에 있어서,
    상기 웨어러블 장치는, 손목형 웨어러블 장치이고,
    상기 생체 신호 센서는, 상기 환자의 손목 또는 손가락 끝에서 상기 생체 신호 정보를 센싱하는, 환자 낙상 인식을 위한 웨어러블 장치.
  3. 제1항에 있어서,
    상기 병원 내 서버는,
    상기 웨어러블 장치로부터 상기 생체 신호 정보와 상기 움직임 신호 정보를 수신하고, 인식기를 이용하여 상기 수신한 생체 신호 정보 및 상기 수신한 움직임 신호 정보로부터 상기 환자의 낙상 여부를 결정하는, 환자 낙상 인식을 위한 웨어러블 장치.
  4. 제1항에 있어서,
    상기 생체 신호 센서는,
    상기 환자의 생체조직의 광학적 특성을 이용하여 혈관에 흐르는 혈류량의 변화를 측정하는, 환자 낙상 인식을 위한 웨어러블 장치.
  5. 환자가 착용한 웨어러블 장치로부터 상기 환자의 생체 신호 정보 및 상기 환자의 움직임 신호 정보를 수신하는 통신부; 및
    상기 수신한 생체 신호 정보와 움직임 신호 정보에 기초하여 상기 환자의 낙상을 인식하는 낙상 인식부
    를 포함하는 환자 낙상 인식을 위한 서버.
  6. 제5항에 있어서,
    상기 낙상 인식부는,
    인식기를 이용하여 상기 수신한 생체 신호 정보와 움직임 신호 정보로부터 상기 환자의 낙상 여부를 결정하는, 환자 낙상 인식을 위한 서버.
  7. 제5항에 있어서,
    상기 낙상 인식부는,
    상기 수신한 생체 신호 정보로부터 생체 신호 특징을 추출하고, 상기 움직임 신호 정보로부터 움직임 신호 특징을 추출하고, 상기 추출된 생체 신호 특징과 움직임 신호 특징이 단일 인식기에 입력되어 상기 단일 인식기로부터 출력된 결과를 기초로 상기 환자의 낙상 여부를 결정하는, 환자 낙상 인식을 위한 서버.
  8. 제5항에 있어서,
    상기 낙상 인식부는,
    상기 수신한 생체 신호 정보로부터 생체 신호 특징을 추출하고, 상기 움직임 신호 정보로부터 움직임 신호 특징을 추출하고, 상기 생체 신호 특징이 제1 인식기에 입력되어 상기 제1 인식기로부터 출력된 결과와 상기 움직임 신호 특징이 제2 인식기에 입력되어 상기 제2 인식기로부터 출력된 결과를 기초로 상기 환자의 낙상 여부를 결정하는, 환자 낙상 인식을 위한 서버.
  9. 제5항에 있어서,
    상기 낙상 인식부는,
    초기 일정 시간 동안 상기 웨어러블 장치로부터 상기 생체 신호 정보와 움직임 신호 정보를 수집하고, 수집한 정보를 기초로 상기 인식기를 학습시키는, 환자 낙상 인식을 위한 서버.
KR1020160063883A 2016-05-25 2016-05-25 환자 낙상 인식을 위한 웨어러블 장치 및 서버 KR20170133003A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160063883A KR20170133003A (ko) 2016-05-25 2016-05-25 환자 낙상 인식을 위한 웨어러블 장치 및 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160063883A KR20170133003A (ko) 2016-05-25 2016-05-25 환자 낙상 인식을 위한 웨어러블 장치 및 서버

Publications (1)

Publication Number Publication Date
KR20170133003A true KR20170133003A (ko) 2017-12-05

Family

ID=60921021

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160063883A KR20170133003A (ko) 2016-05-25 2016-05-25 환자 낙상 인식을 위한 웨어러블 장치 및 서버

Country Status (1)

Country Link
KR (1) KR20170133003A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190119879A (ko) * 2018-04-13 2019-10-23 성균관대학교산학협력단 낙상 예측 시스템 및 그 방법
KR20210067438A (ko) * 2019-11-29 2021-06-08 건국대학교 글로컬산학협력단 생체정보 관리 시스템
KR102309022B1 (ko) * 2021-02-09 2021-10-07 메디팜소프트(주) 인공지능 기반의 생체 신호 원격 모니터링 시스템
KR20220115024A (ko) * 2021-02-09 2022-08-17 메디팜소프트(주) 웨어러블 다중 생체 신호 측정장치
KR20230049145A (ko) * 2021-10-05 2023-04-13 (주)디트리플 환자의 상태에 맞춰 낙상감지 및 신경자극이 가능한 스마트손목밴드
KR20230049144A (ko) * 2021-10-05 2023-04-13 (주)디트리플 입원환자 모니터링용 스마트손목밴드

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190119879A (ko) * 2018-04-13 2019-10-23 성균관대학교산학협력단 낙상 예측 시스템 및 그 방법
KR20210067438A (ko) * 2019-11-29 2021-06-08 건국대학교 글로컬산학협력단 생체정보 관리 시스템
KR102309022B1 (ko) * 2021-02-09 2021-10-07 메디팜소프트(주) 인공지능 기반의 생체 신호 원격 모니터링 시스템
KR20220115024A (ko) * 2021-02-09 2022-08-17 메디팜소프트(주) 웨어러블 다중 생체 신호 측정장치
WO2022173103A1 (ko) * 2021-02-09 2022-08-18 메디팜소프트(주) 웨어러블 다중 생체 신호 측정장치 및 이를 이용한 인공지능 기반의 원격 모니터링 시스템
KR20230049145A (ko) * 2021-10-05 2023-04-13 (주)디트리플 환자의 상태에 맞춰 낙상감지 및 신경자극이 가능한 스마트손목밴드
KR20230049144A (ko) * 2021-10-05 2023-04-13 (주)디트리플 입원환자 모니터링용 스마트손목밴드

Similar Documents

Publication Publication Date Title
KR20170133003A (ko) 환자 낙상 인식을 위한 웨어러블 장치 및 서버
EP3427653B1 (en) Biological information analysis device, system, and program
EP3363351B1 (en) System for detection of coronary artery disease in a person using a fusion approach
US10791938B2 (en) Smartglasses for detecting congestive heart failure
US11660053B2 (en) Apparatus and method for monitoring bio-signal measuring condition, and apparatus and method for measuring bio-information
WO2017049957A1 (zh) 智能跌倒监护装置及其处理方法
KR102129730B1 (ko) 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법
WO2016078258A1 (zh) 一种生理体征监测方法、装置及计算机存储介质
US20080319281A1 (en) Device for Detecting and Warning of Medical Condition
US10582862B1 (en) Determination and monitoring of basal heart rate
CN109328034B (zh) 用于确定对象的睡眠阶段的确定系统和方法
KR102655739B1 (ko) 생체신호 측정 상태 모니터링 장치 및 방법과, 생체정보 측정 장치 및 방법
KR102346824B1 (ko) 인공지능 기반 생체신호 모니터링 및 분석을 통한 복합 생활 지원 솔루션 제공 시스템 및 그 동작 방법
Zurbuchen et al. A comparison of machine learning algorithms for fall detection using wearable sensors
KR20180046354A (ko) 저전력 모션 센서를 이용한 코골이 검출 방법
Nizam et al. A study on human fall detection systems: Daily activity classification and sensing techniques
Nho et al. User-adaptive fall detection for patients using wristband
US20220031193A1 (en) Apparatus and methods for detecting stroke in a patient
WO2022232992A1 (en) System and method for determining risk of stroke for person
CN115120236A (zh) 情绪识别方法、装置、可穿戴设备及存储介质
CN209789865U (zh) 一种震颤检测提示帕金森患病风险手环
Klonovs et al. Monitoring technology
KR20170102669A (ko) 사용자들의 생체 신호들 간의 정합도를 제공하는 방법 및 장치
Darwin et al. A detailed review on embedded based heartbeat monitoring systems
Diaz et al. Android based warning system for the early detection of allergic reactions

Legal Events

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