KR20180062417A - 빅데이터 분석을 이용한 건강 정보 제공 시스템 및 방법 - Google Patents

빅데이터 분석을 이용한 건강 정보 제공 시스템 및 방법 Download PDF

Info

Publication number
KR20180062417A
KR20180062417A KR1020170162272A KR20170162272A KR20180062417A KR 20180062417 A KR20180062417 A KR 20180062417A KR 1020170162272 A KR1020170162272 A KR 1020170162272A KR 20170162272 A KR20170162272 A KR 20170162272A KR 20180062417 A KR20180062417 A KR 20180062417A
Authority
KR
South Korea
Prior art keywords
health
analysis
health information
information
server
Prior art date
Application number
KR1020170162272A
Other languages
English (en)
Inventor
홍의재
Original Assignee
엠랩 주식회사
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 엠랩 주식회사 filed Critical 엠랩 주식회사
Publication of KR20180062417A publication Critical patent/KR20180062417A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 일 실시예에 의한 빅데이터 분석을 이용한 건강 정보 제공 시스템은, 모바일 기기로부터 건강 정보 데이터를 획득하는 웨어러블 서버, 상기 웨어러블 서버로부터 인증된 상기 건강 정보 데이터를 수집하여 분석하고, 상기 분석한 분석 결과를 저장하는 건강분석 서버, 및 상기 분석 결과를 기반으로 건강 예측 정보를 제공하는 건강정보 서버를 포함한다.

Description

빅데이터 분석을 이용한 건강 정보 제공 시스템 및 방법{System and method for providing health information using big data analysis}
본 발명은 빅데이터 분석을 이용한 건강 정보 제공 시스템 및 방법에 관한 것이다.
최근 웨어러블 기기들의 발전에 따라, 웨어러블 기기를 통해 사람들의 건강정보를 분석하는 기술이 대두되고 있다. 이러한 건강정보를 분석하여 사람들의 건강을 예측하는 기술이 요구된다.
본 발명은 사용자가 착용하는 웨어러블 기기를 통해 축적되는 빅데이터를 분석하고, 분석한 결과를 기반으로 사용자에 대한 여러가지 건강 정보를 제공하고자 한다.
본 발명의 일 실시예에 의한 빅데이터 분석을 이용한 건강 정보 제공 시스템은 모바일 기기로부터 건강 정보 데이터를 획득하는 웨어러블 서버, 상기 웨어러블 서버로부터 인증된 상기 건강 정보 데이터를 수집하여 분석하고, 상기 분석한 분석 결과를 저장하는 건강분석 서버, 및 상기 분석 결과를 기반으로 건강 예측 정보를 제공하는 건강정보 서버를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 건강 정보 데이터는, 상기 모바일 기기와 연동된 웨어러블 기기로부터 측정된 생체 정보 및 신체 활동 정보와, 사용자가 상기 모바일 기기에 입력한 건강 정보 중 적어도 하나를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 건강분석 서버는, 상기 수집된 건강 정보 데이터를 기반으로 빅데이터 분석 기법을 적용하여 사용자에 맞는 건강 예측 시나리오, 건강 상태 평가, 건강 상태 변화 추적, 및 건강 패턴 분석 중 적어도 하나를 상기 분석 결과로 도출하는 분석부를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 분석부는, 상기 수집된 건강 정보 데이터로부터 정보 이득(information gain)을 이용하여 건강 정보의 속성을 분류하고, 분석 대상자에 대해 상기 분류된 건강 정보의 속성을 기반으로 정확도 평가를 통해 미리 정해진 범주 중 어느 하나에 할당하여 최적의 분석 결과를 도출하는 제1 분석모듈을 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 분석부는, 상기 수집된 건강 정보 데이터로부터 건강 정보의 객체 간 유사도를 산출하고, 상기 건강 정보의 객체 간 유사도에 따라 사용자 간의 건강 패턴을 분류하여 복수의 클러스터를 구성하고, 상기 복수의 클러스터 중 분석 대상자의 건강 패턴과 가장 유사한 클러스터를 검출하여 최적의 분석 결과를 도출하는 제2 분석모듈을 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 분석부, 의료기관들로부터 수집한 데이터 및 상기 건강정보 서버로부터 수집한 데이터 중 적어도 하나를 더 이용하여 상기 분석 결과를 도출하는 것을 특징으로 한다.
일 실시예에서, 상기 건강분석 서버는, 상기 건강 정보 데이터 및 상기 분석 결과를 저장하는 분석 데이터베이스를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 건강정보 서버는, 상기 분석 결과 및 상기 건강 예측 정보를 저장하는 건강정보 데이터베이스를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 건강정보 서버는, 의료기관과 연동하여 상기 건강 예측 정보를 상기 의료기관에 제공하는 것을 특징으로 한다.
일 실시예에서, 상기 모바일 기기는, 상기 건강정보 서버로부터 상기 건강 예측 정보를 수신하여 출력하며, 상기 건강 예측 정보는, 사용자의 선택에 따라 상기 사용자에 맞는 건강 예측 시나리오, 상기 건강 상태 평가, 상기 건강 상태 변화 추적, 및 상기 건강 패턴 분석 중 적어도 하나를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 제1 분석모듈은, 상기 건강 정보의 속성에 대한 기대값을 기반으로 가장 높은 정보 이득을 가지는 속성을 선택하고, 상기 가장 높은 정보 이득을 가지는 속성에 대해 상기 정확도 평가를 수행하며, 상기 건강 정보 속성에 대한 기대값은 다음 식으로 계산되는 것을 특징으로 한다.
Figure pat00001
(여기서,
Figure pat00002
는
Figure pat00003
라는 속성이 선택될 확률임)
일 실시예에서, 상기 제2 분석모듈은, 벡터 공간상에서의 차이를 통해 상기 건강 정보 속성 간의 상이성을 측정한 거리 계수 및 상기 건강 정보 속성의 일치 정도를 측정한 유사 계수 중 적어도 하나를 상기 건강 정보의 객체 간 유사도로 산출하는 것을 특징으로 한다.
일 실시예에서, 상기 제2 분석모듈은, 상기 수집된 건강 정보 데이터 및 상기 구성할 클러스터의 개수에 따라, 상기 건강 정보의 객체 간 유사도를 기반으로 단일 연결, 완전 연결, 집단 평균, 워드 기법, 및 K-means 기법 중 하나를 선택하여 상기 복수의 클러스터를 구성하는 것을 특징으로 한다.
본 발명의 일 실시예에 의한 빅데이터 분석을 이용한 건강 정보 제공 방법은 웨어러블 서버가 모바일 기기로부터 건강 정보 데이터를 획득하는 단계, 건강분석 서버가 상기 웨어러블 서버로부터 인증된 상기 건강 정보 데이터를 수집하여 분석하는 단계, 상기 건강분석 서버가 상기 분석한 결과를 저장하는 단계, 및 건강정보 서버가 상기 분석 결과를 기반으로 건강 예측 정보를 제공하는 단계를 포함하는 것을 특징으로 한다.
본 발명은, 본 발명의 일 실시예에 의한 빅데이터 분석을 이용한 건강 정보 제공 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터프로그램을 포함한다.
본 발명에 따르면, 웨어러블 기기 및 모바일 기기를 통해 다양한 건강 정보 데이터를 수집하고 수집된 데이터에 대해 효율적인 빅데이터 분석 기법을 적용함으로써 향상된 건강 예측 정보를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 방법 및 시스템을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 시스템의 구성을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 건강 정보 제공 시스템의 건강분석 서버를 나타내는 블록도이다.
도 4는 본 발명의 일 실시예에 따른 건강 정보 제공 방법이 모바일 기기의 화면을 통해 제공되는 일례를 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 방법을 나타낸 순서도이다. 도 5의 방법은 상술한 도 2 및 도 3의 건강 정보 제공 시스템에 의해 수행될 수 있다.
이하에서 본 발명의 기술적 사상을 명확화하기 위하여 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성요소에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략할 것이다. 도면들 중 실질적으로 동일한 기능구성을 갖는 구성요소들에 대하여는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 참조번호들 및 부호들을 부여하였다. 설명의 편의를 위하여 필요한 경우에는 장치와 방법을 함께 서술하도록 한다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 방법 및 시스템을 설명하기 위한 개념도이다.
도 1을 참조하면, 사용자는 웨어러블 기기를 착용하거나 모바일 기기를 이용하여 건강 정보 데이터를 획득할 수 있다. 일 실시예로, 사용자는 시계, 팔찌, 안경, 신발 등과 같이 다양한 형태의 웨어러블 기기를 착용하고 신체 활동을 할 수 있으며, 이때 웨어러블 기기에 내장된 센서를 통해 측정된 건강 정보 데이터를 획득할 수 있다. 웨어러블 기기에서 측정된 건강 정보 데이터는 체온, 혈당, 혈압, 체지방, 체중, 심박수 등의 생체 정보와, 수면 시간, 활동량 및 운동량(예를 들어, 이동거리, 걸음수, 오른 층수, 활동적 시간 등), 칼로리 소모량 등의 신체 활동 정보를 포함할 수 있다. 또한, 사용자는 웨어러블 기기나 모바일 기기에 건강 정보를 직접 입력할 수도 있다.
웨어러블 기기나 모바일 기기로부터 획득된 사용자의 건강 정보 데이터는 후술할 웨어러블 서버 및 건강분석 서버로 제공될 수 있다. 건강분석 서버는 사용자의 건강 정보 데이터를 빅데이터로 수집하고, 빅데이터 분석 알고리즘을 사용하여 수집된 건강 정보 데이터를 분석할 수 있다.
사용자는 건강분석 서버에 의해 분석된 건강 예측 정보를 모바일 기기를 이용하여 확인할 수 있다. 일 실시예로, 사용자는 모바일 기기에 설치된 건강 정보를 제공하는 애플리케이션을 통해 다양한 건강 예측 정보를 제공받을 수 있다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 시스템의 구성을 나타낸 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 시스템(10)(이하, 건강 정보 제공 시스템이라 함)은 웨어러블 서버(300), 건강분석 서버(400), 및 건강정보 서버(500)를 포함할 수 있다.
웨어러블 서버(300)는 웨어러블 기기(100)나 모바일 기기(200)로부터 건강 정보 데이터를 획득할 수 있다. 상술한 바와 같이, 웨어러블 기기(100)는 사용자의 생체 정보 및 신체 활동 정보와 같은 여러가지 건강 정보를 측정할 수 있는 센서가 내장되어 있고, 센서를 통해 측정된 건강 정보 데이터를 무선통신장치를 통해 송수신할 수 있다. 일 실시예로, 웨어러블 기기(100)는 모바일 기기(200)와 연동하여 동작할 수 있으며, 이 경우 웨어러블 기기(100)는 측정된 건강 정보 데이터를 무선통신장치를 통해 모바일 기기(200)로 전송할 수 있다. 모바일 기기(200)는 수신한 건강 정보 데이터를 웨어러블 서버(300)로 전송할 수 있다. 또한, 모바일 기기(200)는 사용자로부터 여러가지 건강 정보를 직접 입력 받을 수 있으며, 입력 받은 건강 정보 데이터를 웨어러블 서버(300)로 전송할 수 있다. 물론, 웨어러블 기기(100)는 웨어러블 서버(300)와 직접 연동되어 건강 정보 데이터를 전달할 수도 있으며, 사용자가 웨어러블 기기(100)를 통해 입력한 건강 정보 데이터 역시 웨어러블 서버(300)로 직접 전달될 수 있다.
일 실시예에 있어서, 웨어러블 서버(300)는 로컬 서버일 수 있으며, 예컨대 가정, 학교, 사무실, 건물, 또는 병원 등과 같은 로컬 영역 내에 구축되는 서버일 수 있다. 웨어러블 서버(300)는 로컬 영역 내의 웨어러블 기기(100)나 모바일 기기(200)로부터 실시간으로 또는 주기적으로 건강 정보 데이터를 획득할 수 있다.
건강분석 서버(400)는 웨어러블 서버(300)로부터 건강 정보 데이터를 수집하고, 수집한 건강 정보 데이터를 빅데이터 분석 알고리즘을 사용하여 분석할 수 있다. 또한 건강분석 서버(400)는 건강정보 서버(500) 혹은 의료기관(600)으로부터 사용자의 치료 이력 정보, 질병 정보, 신체 정보 등의 건강 정보 데이터를 더 수집할 수 있으며, 이러한 건강 정보 데이터를 빅데이터로 활용할 수 있다. 건강 정보 데이터는 보안성과 기밀성을 필요로 하는 정보가 포함되어 있으므로, 건강분석 서버(400)는 인증을 통해 웨어러블 서버(300), 건강정보 서버(500) 혹은 의료기관(600)에 접근하여 건강 정보 데이터를 수집할 수 있다. 일 실시예로, 웨어러블 서버(300), 건강정보 서버(500) 혹은 의료기관(600)에 등록된 계정, 비밀번호 등을 이용하여 인증을 수행할 수 있다.
건강분석 서버(400)는 수집한 건강 정보 데이터 및 이를 분석한 결과를 저장하는 분석 데이터베이스(420)를 포함할 수 있다. 분석 데이터베이스(420)는 건강분석 서버(400)의 내부에 구비될 수도 있고, 별도의 데이터베이스 서버로 구비되어 관리될 수도 있다.
본 발명에 따른 건강분석 서버(400)가 건강 정보 데이터를 분석하여 분석 결과를 도출하는 방법은 도 3을 참조하여 구체적으로 설명하도록 한다.
건강정보 서버(500)는 건강분석 서버(400)의 분석 결과를 수신하여 이를 기반으로 건강 예측 정보를 제공할 수 있다. 일 실시예로, 건강정보 서버(500)는 등록된 사용자 또는 의료기관과 연동하여 건강 예측 정보를 제공할 수 있다. 건강 예측 정보가 보안성 및 기밀성과 같은 보안이 요구되는 정보인 경우, 사용자(예컨대, 환자)는 모바일 기기(700) 또는 의료기관에서 제공하는 시스템(600)을 통해 암호화 또는 인증 과정을 거쳐 건강 예측 정보를 수신할 수 있다.
건강정보 서버(500)는 건강분석 서버(400)로부터 수신한 분석 결과 및 건강 예측 정보를 저장하는 건강정보 데이터베이스(520)를 포함할 수 있다. 건강정보 데이터베이스(520)는 건강정보 서버(500)의 내부에 구비될 수도 있고, 별도의 데이터베이스 서버로 구비되어 관리될 수도 있다.
도 3은 본 발명의 일 실시예에 따른 건강 정보 제공 시스템의 건강분석 서버를 나타내는 블록도이다.
도 3을 참조하면, 건강분석 서버(400)는 웨어러블 서버(300)로부터 수집된 건강 정보 데이터를 기반으로 빅데이터 분석 기법을 적용하여 분석 결과를 도출하는 분석부(410)를 포함할 수 있다.
분석부(410)는 빅데이터 분류 기법을 적용하여 분석 결과를 도출하는 제1 분석모듈(411) 및 빅데이터 군집 방법을 적용하여 분석 결과를 도출하는 제2 분석모듈(412)을 포함할 수 있다. 분석부(410)는 제1 및 제2 분석모듈(411, 412)의 분석을 통해 사용자에 맞는 건강 예측 시나리오, 건강 상태 평가, 건강 상태 변화 추적, 건강 패턴 분석 등을 분석 결과로 도출할 수 있다.
제1 분석모듈(411)은 웨어러블 서버(300)로부터 수집된 건강 정보 데이터로부터 정보 이득(information gain)을 이용하여 건강 정보의 속성을 분류하고, 분류된 건강 정보의 속성을 기반으로 정확도 평가를 통해 미리 정해진 범주 중 어느 하나의 범주에 할당하여 분석 대상자에 대해 최적의 분석 결과를 도출할 수 있다.
한편, 데이터는 레코드의 집합으로서, 각 레코드는 튜플 (x, y)로 볼 수 있는데 x는 속성 집합이고 y는 범주 또는 목표 속성으로 불리는 클래스 레이블을 의미한다. 따라서 건강 정보 데이터는 건강분석 서버(400)에 의해서 튜플 형태의 모델로 구축되어 분석 데이터베이스(420)에 저장되어 있을 수 있다.
일 실시예에 있어서, 제1 분석모듈(411)은 건강 정보 데이터를 분류할 때 건강 정보의 속성들 중 어떤 속성으로 데이터를 분류하여야 가장 높은 정보 이득을 취할 수 있는지를 판단할 수 있다. 건강 정보의 속성은 웨어러블 기기(100)나 모바일 기기(200)로부터 측정된 체온, 혈당, 혈압, 체지방, 체중, 심박수 등의 생체 정보, 수면 시간, 활동량 및 운동량(예를 들어, 이동거리, 걸음수, 오른 층수, 활동적 시간 등), 칼로리 소모량 등의 신체 활동 정보, 또는 사용자가 웨어러블 기기(100)나 모바일 기기(200)에 직접 입력한 정보로 정의하여 사용할 수 있다. 예를 들어, 제1 분석모듈(411)은 정보에 대한 기대 값을 이용하여 가장 높은 정보 이득을 취할 수 있는 건강 정보의 속성을 선택할 수 있다. 이때, 정보에 대한 기대 값은 엔트로피를 통해 계산될 수 있으며, 다음 수학식 1 및 수학식 2와 같이 계산될 수 있다.
Figure pat00004
여기서,
Figure pat00005
는
Figure pat00006
라는 분류 항목(속성)이 선택될 확률이다.
Figure pat00007
여기서, H는 분류 가능한 모든 값에 대해 모든 정보의 기대 값으로서,
Figure pat00008
의 확률에 대해
Figure pat00009
의 엔트로피를 곱한 값에 대한 모든 분류 항목의 합계를 말한다.
제1 분석모듈(411)은 수학식 1 및 수학식 2를 이용해 건강 정보 데이터로부터 각 건강 정보의 속성에 따른 엔트로피의 변화를 찾을 수 있고, 이로부터 건강 정보 데이터의 분할 전후에 대한 정보 이득을 구할 수 있다. 제1 분석모듈(411)은 정보 이득이 최대가 되는 건강 정보의 속성을 선택하고, 선택된 건강 정보의 속성에 대해 정확도 평가를 수행할 수 있다. 일 실시예로, 정확도 평가는 건강 정보의 속성에 의해 분류되는 데이터 중 정확하게 분류된 항목의 비율로 나타낼 수 있다. 제1 분석모듈(411)은 정확도 평가의 결과 값이 소정의 기준 값을 만족하는 경우 미리 정해진 범주 중 어느 하나에 분석 대상 데이터를 분류할 수 있다.
제1 분석모듈(411)은 상술한 분류 기법을 건강 정보 데이터에 대해 적용함으로써 분석 대상자에 대한 건강 예측 시나리오, 건강 상태 평가, 건강 상태 변화 추적, 건강 패턴 분석 등을 분석 결과로 도출할 수 있다. 예를 들어, 분석 대상자에 대한 건강 상태를 예측한 결과를 제공하고자 하는 경우, 제1 분석모듈(411)은 좋음, 보통, 주의 등과 같은 건강 상태에 대해 미리 정해진 범주 집합을 정의하여 둘 수 있고, 상술한 분류 기법을 통해 이러한 범주 중 분석 대상자에 가장 적합한 범주를 도출할 수 있다.
제2 분석모듈(412)은 웨어러블 서버(300)로부터 수집된 건강 정보 데이터로부터 건강 정보의 속성별 유사도를 산출하고, 산출된 건강 정보의 속성별 유사도에 따라 사용자 간의 건강 패턴을 분류하여 복수의 클러스터를 구성할 수 있다. 또한 제2 분석모듈(412)은 복수의 클러스터 중 분석 대상자의 건강 패턴과 가장 유사한 클러스터를 검출하여 최적의 분석 결과를 도출할 수 있다.
일 실시예에 있어서, 제2 분석모듈(412)은 상술한 바와 같이 분석 데이터베이스(420)에 저장된 튜플 형태의 건강 정보 데이터로부터 건강 정보의 속성을 파악할 수 있으며, 건강 정보의 속성에 따라 데이터 객체(예: 사용자) 간 유사도를 산출할 수 있다. 이때, 객체 간 유사도는 벡터 공간상에서의 차이를 통해 대상 간의 상이성을 측정하는 거리 계수를 이용하거나, 비교 대상 간 속성의 일치 정도를 측정하는 유사 계수를 이용할 수 있다. 예를 들어, 거리 계수는 유클리드 거리 계수를 통해 계산될 수 있고, 유사 계수는 자카드 계수, 다이스 계수, 코사인 계수, 내적 계수, 피어슨 상관 계수 등을 통해 계산될 수 있다. 제2 분석모듈(412)은 상기와 같은 거리 계수 및 유사 계수 중 어느 하나를 유사도의 척도로 사용하여 클러스터를 구성할 수 있다. 일 실시예로, 제2 분석모듈(412)은 한 클러스터 내 객체 간의 유사성은 최대가 되고, 다른 클러스터 간의 유사성은 최소가 되는 유사도 척도를 선택할 수 있다. 본 발명의 일 실시예에 따르면, 클러스터를 구성하는 과정에서 유사도의 절대적 수치를 적용하기 보다는 클러스터 간의 상대적 유사도 척도를 적용할 수 있으므로, 건강 정보 데이터에 대하여 가장 유사도가 높은 클러스터 그룹으로 분류할 수 있다.
한편, 클러스터를 구성함에 있어서 계층적인 구조와 비계층적 구조로 나눌 수 있으며, 계층적 구조에는 단일 연결, 완전 연결, 집단 평균, 워드 기법 등이 사용될 수 있고, 비계층적 구조에는 K-means 기법 등이 사용될 수 있다. 단일 연결은 통합 대상인 클러스터 쌍의 가장 유사한 두 데이터를 합치는 방법이며, 완전 연결은 클러스터의 유사도가 낮은 두 데이터를 비교하여 클러스터를 구성하는 방법이다. 집단 평균 연결은 클러스터 쌍의 모든 데이터 간의 유사도에 대한 평균을 이용하는 방법이고, 워드(ward) 연결 기법은 클러스터 내 편차들의 제곱합에 근거를 두고 클러스터를 합치는 방법으로서 클러스터의 중심(centroid) 간 유클리드 거리를 최소로 하고 전체 오류제곱합의 증가가 최소화 되는 연결 방법이다. 이때 성능이 좋은 방법은 집단 평균과 워드 기법이고, 이에 비해 단일 연결은 성능이 좋지 않을 수 있다. 비계층적 구조는 임의로 생성된 복수의 초기 중심을 통해 유사도를 측정하며, 초기 클러스터 선택에 따라 결과가 달라질 수 있다. 특히 싱글 패스인 경우는 한번의 배치를 통해 클러스터를 구성하므로, 클러스터의 입력 순서가 매우 중요하나 간단하고 편리하게 클러스터를 구성할 수 있는 장점이 있다. 이와 비교하여 K-means 기법은 클러스터의 재배치가 가능하지만 초기에 클러스터의 개수를 미리 정해야 한다. 이러한 비계층적 구조는 대부분 덴드로그램(dendrogram)으로 간단히 표시될 수 있다. 클러스터링의 경우 계층적인 방법이 비계층적인 방법에 비해 성능이 뛰어나지만 유사도 계산에 많은 시간이 소모될 수 있다. 따라서, 대규모 데이터 처리를 위해서 비계층적 방법을 이용할 수 있다. 계층적 방법 중 단일 연결은 대형 클러스터를 생성하므로, 클러스터의 개수를 많이 필요로 하지 않는 그룹 예측에 적합할 수 있다.
일 실시예에 있어서, 제2 분석모듈(412)은 상술한 바와 같이 수집된 건강 정보 데이터의 크기 및 구성할 클러스터의 개수에 따라 건강 정보의 속성별 유사도를 기반으로 단일 연결, 완전 연결, 집단 평균, 워드 기법, 및 K-means 기법 중 어느 하나를 선택하여 복수의 클러스터를 구성할 수 있다. 예를 들어, 데이터가 대규모이면서 클러스터의 개수를 미리 알 수 있는 경우, 제2 분석모듈(412)은 K-means 기법을 이용하여 클러스터를 구성하여 건강 그룹을 예측할 수 있다.
K-means 기법은 k개의 데이터의 좌표를 초기 클러스터의 중심 좌표로 선정하고, 각 데이터에 대해 각 클러스터의 중심 좌표와의 유클리드 거리를 산출한 후 가장 가까운 클러스터에 해당 데이터를 분류하고, 분류된 데이터를 이용하여 다음 클러스터의 중심 좌표를 재산출하고, 재산출된 중심 좌표 값과 이전 중심 좌표 값을 비교하여 기 설정된 조건을 만족할 때까지 위의 과정을 반복 수행하여 k개의 클러스터를 구성한다. K-means 기법은 다음 수학식 3 및 수학식 4에 따른 절차를 반복 수행할 수 있다.
Figure pat00010
Figure pat00011
도 4는 본 발명의 일 실시예에 따른 건강 정보 제공 방법이 모바일 기기의 화면을 통해 제공되는 일례를 나타낸 도면이다.
도 4를 참조하면, 모바일 기기(700)는 건강분석 서버(400)에 의해 분석된 분석 결과를 건겅정보 서버(500)으로부터 수신할 수 있다. 건강분석 서버(400)에 의해 분석된 결과는, 상술한 바와 같이 제1 분석모듈(411)에 의해 분석된 분석 대상자의 건강 상태 정보와 같은 건강 예측 정보를 포함할 수 있으며, 도 4의 710에 도시된 것처럼 분석 대상자에 대해 좋음, 보통, 주의 중 어느 하나의 건강 상태 예측 정보를 모바일 기기(700)의 화면을 통해 제공해 줄 수 있다. 또한 건강분석 서버(400)에 의해 분석된 결과는, 제2 분석모듈(412)에 의해 분석된 분석 대상자의 건강 패턴 정보와 같은 건강 예측 정보를 포함할 수 있으며, 도 4의 720에 도시된 것처럼 분석 대상자에 대해 1 내지 5의 건강 그룹 중 어느 하나의 건강 패턴 예측 정보를 모바일 기기(700)의 화면을 통해 제공해 줄 수 있다. 예를 들어, 그룹 1은 날씬하며 활동량이 많은 건강한 타입으로, 그룹 2는 날씬하지만 활동량이 적은 건강하지 않은 타입으로, 그룹 3은 보통 체중에 활동량이 적당한 노멀한 타입으로, 그룹 4는 뚱뚱하지만 활동량이 많은 건강한 타입으로, 그룹 5는 뚱뚱하며 활동량이 적은 건강하지 않은 타입으로 정의될 수 있다.
도 5는 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 방법을 나타낸 순서도이다. 도 5의 방법은 상술한 도 2 및 도 3의 건강 정보 제공 시스템에 의해 수행될 수 있다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 빅데이터 분석을 이용한 건강 정보 제공 방법은 웨어러블 서버(300)가 웨어러블 기기(100)나 모바일 기기(200)로부터 건강 정보 데이터를 획득하는 단계(S800), 건강분석 서버(400)가 웨어러블 서버(300)로부터 인증된 건강 정보 데이터를 수집하여 분석하는 단계(S810), 건강분석 서버(400)가 분석한 결과를 저장하는 단계(S820), 및 건강정보 서버(500)가 분석 결과를 기반으로 건강 예측 정보를 제공하는 단계(S830)를 포함할 수 있다. 각 단계에서 수행되는 과정에 대해서는 도 2 및 도 3을 참조하여 상세히 설명한 바 있으므로, 본 실시예에서는 구체적인 설명을 생략하도록 한다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 마그네틱 저장 매체, 광학적 판독 매체 등 모든 저장매체를 포함한다. 또한, 본 발명에서 사용되는 메시지의 데이터 포맷을 기록 매체에 기록하는 것이 가능하다.
지금까지 본 발명에 대하여 도면에 도시된 바람직한 실시예들을 중심으로 상세히 살펴보았다. 이러한 실시예들은 이 발명을 한정하려는 것이 아니라 예시적인 것에 불과하며, 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 진정한 기술적 보호범위는 전술한 설명이 아니라 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다. 비록 본 명세서에 특정한 용어들이 사용되었으나 이는 단지 본 발명의 개념을 설명하기 위한 목적에서 사용된 것이지 의미한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 본 발명의 각 단계는 반드시 기재된 순서대로 수행되어야 할 필요는 없고, 병렬적, 선택적 또는 개별적으로 수행될 수 있다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 특허청구범위에서 청구하는 본 발명의 본질적인 기술사상에서 벗어나지 않는 범위에서 다양한 변형 형태 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 균등물은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 구성요소를 포함하는 것으로 이해되어야 한다.

Claims (15)

  1. 빅데이터 분석을 이용한 건강 정보 제공 시스템에 있어서,
    모바일 기기로부터 건강 정보 데이터를 획득하는 웨어러블 서버;
    상기 웨어러블 서버로부터 인증된 상기 건강 정보 데이터를 수집하여 분석하고, 상기 분석한 분석 결과를 저장하는 건강분석 서버; 및
    상기 분석 결과를 기반으로 건강 예측 정보를 제공하는 건강정보 서버를 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  2. 제1항에 있어서,
    상기 건강 정보 데이터는,
    상기 모바일 기기와 연동된 웨어러블 기기로부터 측정된 생체 정보 및 신체 활동 정보와,
    사용자가 상기 모바일 기기에 입력한 건강 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  3. 제1항에 있어서,
    상기 건강분석 서버는,
    상기 수집된 건강 정보 데이터를 기반으로 빅데이터 분석 기법을 적용하여 사용자에 맞는 건강 예측 시나리오, 건강 상태 평가, 건강 상태 변화 추적, 및 건강 패턴 분석 중 적어도 하나를 상기 분석 결과로 도출하는 분석부를 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  4. 제3항에 있어서,
    상기 분석부는,
    상기 수집된 건강 정보 데이터로부터 정보 이득(information gain)을 이용하여 건강 정보의 속성을 분류하고, 분석 대상자에 대해 상기 분류된 건강 정보의 속성을 기반으로 정확도 평가를 통해 미리 정해진 범주 중 어느 하나에 할당하여 최적의 분석 결과를 도출하는 제1 분석모듈을 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  5. 제3항에 있어서,
    상기 분석부는,
    상기 수집된 건강 정보 데이터로부터 건강 정보의 객체 간 유사도를 산출하고, 상기 건강 정보의 객체 간 유사도에 따라 사용자 간의 건강 패턴을 분류하여 복수의 클러스터를 구성하고, 상기 복수의 클러스터 중 분석 대상자의 건강 패턴과 가장 유사한 클러스터를 검출하여 최적의 분석 결과를 도출하는 제2 분석모듈을 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  6. 제3항에 있어서,
    상기 분석부,
    의료기관들로부터 수집한 데이터 및 상기 건강정보 서버로부터 수집한 데이터 중 적어도 하나를 더 이용하여 상기 분석 결과를 도출하는 것을 특징으로 하는 건강 정보 제공 시스템.
  7. 제1항에 있어서,
    상기 건강분석 서버는,
    상기 건강 정보 데이터 및 상기 분석 결과를 저장하는 분석 데이터베이스를 더 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  8. 제1항에 있어서,
    상기 건강정보 서버는,
    상기 분석 결과 및 상기 건강 예측 정보를 저장하는 건강정보 데이터베이스를 더 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  9. 제1항에 있어서,
    상기 건강정보 서버는,
    의료기관과 연동하여 상기 건강 예측 정보를 상기 의료기관에 제공하는 것을 특징으로 하는 건강 정보 제공 시스템.
  10. 제3항에 있어서,
    상기 모바일 기기는,
    상기 건강정보 서버로부터 상기 건강 예측 정보를 수신하여 출력하며,
    상기 건강 예측 정보는,
    사용자의 선택에 따라 상기 사용자에 맞는 건강 예측 시나리오, 상기 건강 상태 평가, 상기 건강 상태 변화 추적, 및 상기 건강 패턴 분석 중 적어도 하나를 포함하는 것을 특징으로 하는 건강 정보 제공 시스템.
  11. 제4항에 있어서,
    상기 제1 분석모듈은,
    상기 건강 정보의 속성에 대한 기대값을 기반으로 가장 높은 정보 이득을 가지는 속성을 선택하고, 상기 가장 높은 정보 이득을 가지는 속성에 대해 상기 정확도 평가를 수행하며,
    상기 건강 정보 속성에 대한 기대값은 다음 식으로 계산되는 것을 특징으로 하는 건강 정보 제공 시스템.
    Figure pat00012

    (여기서,
    Figure pat00013
    는
    Figure pat00014
    라는 속성이 선택될 확률임)
  12. 제5항에 있어서,
    상기 제2 분석모듈은,
    벡터 공간상에서의 차이를 통해 상기 건강 정보 속성 간의 상이성을 측정한 거리 계수 및 상기 건강 정보 속성의 일치 정도를 측정한 유사 계수 중 적어도 하나를 상기 건강 정보의 객체 간 유사도로 산출하는 것을 특징으로 하는 건강 정보 제공 시스템.
  13. 제12항에 있어서,
    상기 제2 분석모듈은,
    상기 수집된 건강 정보 데이터 및 상기 구성할 클러스터의 개수에 따라, 상기 건강 정보의 객체 간 유사도를 기반으로 단일 연결, 완전 연결, 집단 평균, 워드 기법, 및 K-means 기법 중 하나를 선택하여 상기 복수의 클러스터를 구성하는 것을 특징으로 하는 건강 정보 제공 시스템.
  14. 빅데이터 분석을 이용한 건강 정보 제공 방법에 있어서,
    웨어러블 서버가 모바일 기기로부터 건강 정보 데이터를 획득하는 단계;
    건강분석 서버가 상기 웨어러블 서버로부터 인증된 상기 건강 정보 데이터를 수집하여 분석하는 단계;
    상기 건강분석 서버가 상기 분석한 결과를 저장하는 단계; 및
    건강정보 서버가 상기 분석 결과를 기반으로 건강 예측 정보를 제공하는 단계를 포함하는 것을 특징으로 하는 건강 정보 제공 방법.
  15. 제14항의 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터프로그램.
KR1020170162272A 2016-11-29 2017-11-29 빅데이터 분석을 이용한 건강 정보 제공 시스템 및 방법 KR20180062417A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20160160157 2016-11-29
KR1020160160157 2016-11-29

Publications (1)

Publication Number Publication Date
KR20180062417A true KR20180062417A (ko) 2018-06-08

Family

ID=62600668

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170162272A KR20180062417A (ko) 2016-11-29 2017-11-29 빅데이터 분석을 이용한 건강 정보 제공 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20180062417A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220001247A (ko) * 2020-06-29 2022-01-05 주식회사 안전드림 빅데이터를 이용한 맞춤형 물리치료장치 및 그 제어방법
KR20220068858A (ko) * 2020-11-11 2022-05-26 주식회사 가을디에스 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템
KR102597067B1 (ko) 2023-05-09 2023-11-02 주식회사 글로벌희연 웨어러블 기기와 연동하여 ai 기반의 신체 이상을 탐지하는 방법 및 이를 수행하는 운영 서버

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220001247A (ko) * 2020-06-29 2022-01-05 주식회사 안전드림 빅데이터를 이용한 맞춤형 물리치료장치 및 그 제어방법
KR20220068858A (ko) * 2020-11-11 2022-05-26 주식회사 가을디에스 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템
KR102597067B1 (ko) 2023-05-09 2023-11-02 주식회사 글로벌희연 웨어러블 기기와 연동하여 ai 기반의 신체 이상을 탐지하는 방법 및 이를 수행하는 운영 서버

Similar Documents

Publication Publication Date Title
Shishvan et al. Machine intelligence in healthcare and medical cyber physical systems: A survey
US20210125722A1 (en) System and method for processing human related data including physiological signals to make context aware decisions with distributed machine learning at edge and cloud
Damaševičius et al. Human activity recognition in AAL environments using random projections
EP3189779B1 (en) Electrocardiogram (ecg) authentication method and apparatus
Godi et al. E-healthcare monitoring system using IoT with machine learning approaches
Farhan et al. Multi-view bi-clustering to identify smartphone sensing features indicative of depression
Ahad et al. IoT sensor-based activity recognition
Vhaduri et al. Wearable device user authentication using physiological and behavioral metrics
US20170119283A1 (en) Monitoring activities of daily living of a person
Nurmi et al. Systematic review on machine-learning algorithms used in wearable-based eHealth data analysis
US20160147960A1 (en) Apparatus and method for providing customized personal health service
Cheung et al. Context-dependent implicit authentication for wearable device users
Ahmed et al. Health Monitoring for Elderly: An Application Using Case‐Based Reasoning and Cluster Analysis
Moses et al. A survey of data mining algorithms used in cardiovascular disease diagnosis from multi-lead ECG data
Ortega-Anderez et al. A multi-level refinement approach towards the classification of quotidian activities using accelerometer data
KR20180062417A (ko) 빅데이터 분석을 이용한 건강 정보 제공 시스템 및 방법
Deb et al. Gait identification using a new time-warped similarity metric based on smartphone inertial signals
Liang et al. Identity recognition using biological electroencephalogram sensors
Luqian et al. Human activity recognition using time series pattern recognition model-based on tsfresh features
Yannam et al. Research study and system design for evaluating student stress in Indian Academic Setting
Saxena et al. Ensemble‐Based Machine Learning for Predicting Sudden Human Fall Using Health Data
US11607166B2 (en) Multiparameter method for quantifying balance
Kalogiannis et al. Geriatric group analysis by clustering non-linearly embedded multi-sensor data
US11688264B2 (en) System and method for patient movement detection and fall monitoring
Koren et al. Comparison of data-driven models for cleaning eHealth sensor data: Use case on ECG signal