KR20180090902A - 개인용 uv 노출 측정 장치 및 시스템 - Google Patents

Abstract

개인용 자외선(UV) 방사선 측정들을 결정하기 위한 시스템으로서, UV 조사(irradiation)를 측정하도록 구성된 측정 디바이스와; 그리고 상기 측정 디바이스로부터의 측정된 UV 조사의 출력을 수신 또는 캡처하고, 그리고 적어도 상기 측정된 UV 조사 및 특정 사용자의 피부 유형의 정보에 기초한 특정 사용자의 개인 UV 노출 위험 레벨을 결정하도록 구성된 단말기 디바이스를 포함하는 시스템이 제공된다. UV 방사선 노출을 측정하도록 구성된 측정 디바이스는, 각각 UV 방사선 노출에 대해 상이한 감도를 갖는 복수의 상이한 섹션들을 포함하는 표면을 포함하며, 그리고 상기 복수의 상이한 섹션들 각각은 상기 UV 방사선 노출에 응답하여 상이한 컬러를 디스플레이하도록 구성된다.

Description

개인용 UV 노출 측정 장치 및 시스템

관련 출원에 대한 상호 참조

본 출원은 2016년 1월 4일 출원된 미국 출원 번호 제62/274,689호 및 2016 년 9월 30일 출원된 미국 출원 번호 제62/402,253호에 기초하여 우선권 주장의 이익을 청구하며, 이들의 전체 내용은 본 명세서에 참조로서 포함된다.

기술 분야

본 발명은 사용자의 위치에서의 UV 노출의 검출 및 특정 사용자에 관한 특정 정보에 기초하여 특정 사용자에 대한 UV 노출량을 결정하는 시스템 및 방법에 관한 것이다.

과도한 자외선(UV)은 피부, 눈 및 면역 체계에 급성 및 만성 영향을 미친다. 따라서, 자외선의 개인화된 모니터링은 환경, 생활 습관 및 자외선 차단제 사용에 따라 다를 수 있는 개인의 태양 노출 정도를 측정하는 데 가장 중요하다.

자외선은 비타민 D의 생산에 필수적이며 인체 건강에 유익하지만, UV에 과다 노출은 자외선 노출이 끝난 후에도 피부암 및 광 노화를 비롯한 많은 위험 요인을 가지고 있다. 과도한 UVA 및 UVB 노출의 급성 영향은 일반적으로 기간이 짧고 가역적이다. 이러한 효과에는 홍반, 색소 침착 및 일광 화상이 포함된다. 홍반 이하의 자외선 노출에도 장기간 노출되면 각질 세포가 두껍게되고 각질 세포, 엘라스틴, 콜라겐 및 혈관이 손상되어 조기에 피부 노화가 유발된다. 임상 증상으로는 주름이나 탄력 감소가 있다. 연구에 따르면 UVA와 UVB 방사선 모두 피부암 발병에 중요한 역할을 한다고 여겨지는 국소 면역 억제 성질을 가지고 있다. 자외선 유발 DNA 손상은 흑색종, 비 흑색종 피부암, 기저 세포 암종 및 편평 세포 암종을 비롯한 모든 유형의 피부암을 전개하는데 중요한 요소이다. UVA와 UVB는 공기, 에어로졸 및 구름에 의해 강하게 산란된다. 높은 태양 각에 대해 대부분의 UV가 도착하면 구름 효과는 UVA 및 UVB 파장에서 비슷하다; 그러나 낮은 태양 조건에서는 UVB 감쇠가 더 강 해지는 경향이 있다. UVB와 달리 UVA는 유리창을 관통하므로 실내 환경에서도 과도한 UV 노출을 초래할 수 있다. 또한, UVA는 오존층을 통과하기 쉽기 때문에 지구 표면에서 태양 스펙트럼의 UVA 부분의 강도가 높아진다. 피부를 보호하고 피부암을 예방하려면 지속적인 자외선 차단 및 개인 UV 노출 모니터링이 중요하다.

그러나, 종래의 착용가능한 디바이스들은, 딱딱하고, 부피가 크며, 자외선 차단제들과 호환되지 않는다.

일 실시예에서, 자외선(UV) 방사선 노출을 측정하도록 구성된 장치가 제공되고, 이 장치는, 각각이 UV 방사선 노출에 대해 상이한 감도를 갖는 복수의 상이한 섹션들을 포함하는 표면을 포함하고, 상기 복수의 상이한 섹션들 각각은 상기 UV 방사선 노출에 응답하여 상이한 컬러를 디스플레이하도록 구성된다.

일 실시예에서, 상기 복수의 상이한 섹션들은 상기 복수의 상이한 섹션들 위에 침착된(deposited) 상이한 UV 반응성 화학 물질을 포함한다. 일 실시예에서, 상기 UV 반응성 화학물은 UV 응답성 잉크이다.

일 실시예에서, 상기 복수의 상이한 섹션들은 상이한 UV 응답 전기 소자를 포함한다.

일 실시예에서, 각각 상이한 대응하는 UV 노출 레벨을 나타도록 복수의 상이한 고정된 기준 컬러들을 디스플레이하기 위한 영역이 제공된다.

일 실시예에서, 개인용 자외선(UV) 방사선 측정들을 결정하기 위한 시스템으로서, 상기 시스템은, UV 조사(irradiation)를 측정하도록 구성된 측정 디바이스와; 그리고 상기 측정 디바이스로부터의 측정된 UV 조사의 출력을 수신 또는 캡처하고, 그리고 적어도 상기 측정된 UV 조사 및 특정 사용자의 피부 유형의 정보에 기초한 특정 사용자의 개인 UV 노출 위험 레벨을 결정하도록 구성된 단말기 디바이스를 포함한다.

일 실시예에서, 상기 측정 디바이스는 UV 방사선 노출에 대해 각각 상이한 감도를 갖는 복수의 상이한 섹션들을 포함하는 표면을 포함하고, 상기 복수의 상이한 섹션들 각각은 상기 UV 방사선 노출에 응답하여 상이한 컬러를 디스플레이하도록 구성되며, 그리고 상기 단말기 디바이스는, 상기 측정된 UV 조사의 캡처된 출력으로서 상기 복수의 상이한 섹션들의 이미지를 캡처하도록 구성된 이미지 캡처 디바이스와; 그리고 상기 캡처된 이미지의 이미지 분석을 수행하는 것에 기초하여 상기 측정된 UV 조사를 결정하도록 구성된 처리 회로를 포함한다.

일 실시예에서, 상기 단말기 디바이스는, 적어도 상기 사용자의 피부 유형 및 상기 측정된 UV 조사의 정보에 기초하여 상기 특정 사용자에 대한 개인 UV 도즈 량의 정보를 외부 디바이스로부터 수신하도록 구성된다.

일 실시예에서, 상기 단말기 디바이스는 상기 특정 사용자의 상기 결정된 개인 UV 노출 위험 레벨에 기초하여 추천 보호 방법을 출력하도록 구성된다.

일 실시예에서, 개인용 자외선(UV) 방사선 측정들을 결정하기 위한 시스템으로서, 상기 시스템은, UV 조사를 측정하도록 구성된 측정 디바이스와; 그리고 상기 측정 디바이스로부터의 측정된 UV 조사의 출력을 수신 또는 캡처하고, 그리고 적어도 상기 측정된 UV 조사 및 특정 사용자의 피부 유형의 정보에 기초한 특정 사용자의 개인 UV 노출 위험 레벨을 결정하도록 구성된 단말기 디바이스를 포함한다.

일 실시예에서, 상기 측정 디바이스는 UV 방사선 노출에 대해 각각 상이한 감도를 갖는 복수의 상이한 섹션들을 포함하는 표면을 포함하고, 상기 복수의 상이한 섹션들 각각은 상기 UV 방사선 노출에 응답하여 상이한 컬러를 디스플레이하도록 구성되며, 그리고 상기 단말기 디바이스는, 상기 측정된 UV 조사의 캡처된 출력으로서 상기 복수의 상이한 섹션들의 이미지를 캡처하도록 구성된 이미지 캡처 디바이스와; 그리고 상기 캡처된 이미지의 이미지 분석을 수행하는 것에 기초하여 상기 측정된 UV 조사를 결정하도록 구성된 처리 회로를 포함한다.

일 실시예에서, 상기 단말기 디바이스는, 적어도 상기 사용자의 피부 유형 및 상기 측정된 UV 조사의 정보에 기초하여 상기 특정 사용자에 대한 개인 UV 도즈 량의 정보를 외부 디바이스로부터 수신하도록 구성된다.

일 실시예에서, 복수의 상이한 섹션들은 그 위에 침착된 상이한 UV 반응성 화학 물질을 포함한다.

일 실시예에서, UV 응답성 화학 물질은 UV 응답성 잉크이다.

일 실시예에서, 복수의 상이한 섹션들은 상이한 UV 응답 전기 소자를 포함한다.

일 실시예에서, 이미지 분석은, a) 형상 인식 및 피처 위치 알고리즘; b) 조명 상태 보정 알고리즘; c) 컬러 정량화 알고리즘; 및 d) UV 도즈 결정 알고리즘 중 적어도 하나를 포함한다.

특허 또는 애플리케이션 파일은 색상으로 실행되는 도면이 하나 이상 포함되어 있다. 컬러 도면들이 있는 이 특허 또는 특허 출원 간행물의 사본들은 요청 및 필요한 수수료 지불시 오피스 10에서 제공될 것이다.
도 1은 개인용 UV 노출 측정들을 위한 시스템을 도시한다.
도 2는 시스템에 관한 추가 세부 사항들을 제공한다.
도 3a 및 도 3b는 시스템에서 수행되는 일련의 프로세스들을 도시한다.
도 4는 모든 분석들이 수행된 후의 사용자 인터페이스의 출력들을 도시한다.
도 5는 UV 패치의 각 사각형의 색에 대한 기준 값들의 예들을 도시한다.
도 6은 UV 노출이 증가한 특정 사각형들의 색상 변화의 예들을 도시한다.
도 7은 상이한 UV 값들에 대응하는 UV 패치 예들을 도시한다.
도 8은 UV 센서 구조를 도시한다. (a) UV 센서의 구성 (상단부터 하단까지) : 접착제를 포함하는 보호 라이너, 인쇄된 UV 잉크를 포함하는 투과성 폴리 우레탄(TPU, 16㎛), 자외선 차단제들 및 기준 색들, 상부 피부 접착층(25㎛), NFC 안테나(황색, 18㎛) 및 폴리이미드 필름(PI, 12.7㎛), NFC 태그(0.5mm), 폴리에틸렌 테레프탈레이트 층(PET, 12㎛), 하부 피부 접착층(25㎛) 및 하부 라이너. (b) UV 센서 패치의 전면. (c) UV 센서 패치 뒷면. 바 = 10mm. (d) (d) UV 센서 패치를 손등에 착용. (e) 당사자의 UV 패치 앱을 사용하여 UV 센서 패치 판독.
도 9는 UV 센서의 색 변화 및 색 변화의 정량화 메커니즘을 도시한다. (a) UV 센서 패치는 일련의 기준 색상 1 내지 10, UV 가변 잉크 사각형 11 내지 16 및 UV 가역 잉크 사각형 17과 18로 구성된다. 기준 색상 1 내지 10은 자외선에 노출 된 UV 잉크 사각형들의 서로 다른 색상에 해당한다. (b) 여섯 개의 UV 민감성 잉크 사각형들은, 사각형 11이 가장 민감하고 사각형 16이 가장 덜 민감한 정사각형인 사각형이 UVA 방사선에 노출될 때 특유의 속도로 색상을 변경한다. 색상 변화는 CIE 랩 색상 공간에서 정량화된다. (c) UVA 방사선 노출 전후의 UV 센서 패치를 나타내는 개략도.
도 10은 앱 알고리즘의 흐름도를 도시한다.
도 11은 표 1(개인 UV 매일의 선스톡)과 표 2(개인 UV 위험 결정)를 도시한다.
도 12는 UV 패치와 사이언테라 UV 선량계의 비교를 도시한다.
도 13은 UV 패치의 임상 평가를 도시한다. (a) 연구 대상자들은 정규 도시와 해변 활동 중에 UV 패치와 사이언테라 선량계들을 착용. 두 장치들 모두 UV 선량 측정에 동의함. (b) 연구 대상자는 통제된 활동을 수행 : 특정 방향으로의 단일 대열 걷기. 이 활동은 아침, 오후, 저녁에 반복됨. 각 연구 대상자는 1개의 사이언테라 선량계와 2개의 UV 패치들을 착용함. 하나는 자외선 차단제가 적용되지 않았고 다른 하나는 자외선 차단제가 적용됨. 자외선 차단제 없는 전자 선량계 및 자외선 패치 모두 일관된 결과들을 나타냄. 자외선 차단제로 덮인 패치는 측정된 자외선을 현저하게 감소시킴.
도 14는 패치 이미지 분석, 사이언테라 선량계 및 모바일 애플리케이션 간의 UV 판독 값들의 비교를 도시한다. 패치 사진 분석에 의한 UVA 판독 값은 UV 센서 이미지 기술을 검증하는 사이언테라 선량계 판독 값과 좋은 상관 관계를 보여줌 (a). 패치 사진 분석과 앱 판독 사이를 비교할 때, 여전히 우수한 상관 관계를 나타내지만 향상된 사용자 경험에 대한 빠른 패치 검색 요구 사항이 데이터 품질에 영향을 미침 (b). 비슷한 결과가 사이언테라 선량계와 앱 판독 값 사이에 표시됨 (c). 총 UV 선량은 사이언테라 선량계와 패치 사진 분석 사이의 좋은 상관 관계를 보여줌 (d). 95% 예측 타원이 표시된다. 3가지 측정값 사이의 강한 상관 관계는 센서 시스템의 유효성을 더욱 확실하게 한다.
도 15는 세계 평균 자외선 노출의 예를 나타낸다. (a) 세계 평균 UV 노출은 2016년 6월 6일부터 2016년 8월 18일까지의 마이 UV 패치 앱 사용자 데이터(도 7a)를 기반으로 생성된다. 지도들에서의 줌은 (b) 미국 대륙 및 (c) 유럽의 일부로 표시된다. 데이터를 제공한 국가와 주를 노란색에서 빨간색으로 표시하고, 컬러 맵은 UV 노출을 0(최소 UV 노출, 노란색)과 1(최대 UV 노출, 빨간색) 사이의 범위로 정규화하여 생성된다.

도 1은 개인용 UV 노출 측정을 위한 시스템(100)을 도시한다. 시스템은 상이한 지리적 위치들에 있을 수 있는 하나 이상의 측정 디바이스들(101)을 포함함을 알 수 있다. 디바이스들(101) 각각은 컴퓨터, 태블릿, PDA 또는 스마트 폰일 수 있는 사용자 디바이스(102)에 접속할 수 있다. 디바이스(101)는 이 명세서 전반에 걸쳐 "패치(patch)"로 지칭될 수 있으며, 사용자의 피부 표면에 부착되도록 구성된다. 사용자 디바이스는 개인 UV 레벨을 결정하기 위해 사용자의 피부 유형에 대한 사용자로부터의 입력을 수신하도록 구성된다. 사용자 디바이스는 또한 UVI 분석 서버, 일기 예보 서버 및/또는 오염 분석 서버와 같은 외부 서버들로부터 (예를 들어 인터넷 접속을 통해) 입력들을 수신하도록 구성된다. 사용자 디바이스는, 또한, 상술된 입력들에 따라 사용자 디바이스에 의해 제공된 정보에 기초하여 사용자에 대한 개인화된 UV 도즈를 결정하기 위해 데이터 분석 서버에 연결된 클라우드 컴퓨팅 환경에 연결하도록 구성된다. 예를 들어, 데이터 분석 서버는, 패치 ID, 피부 유형, 시계열 데이터 누적 UVA 노출, 날짜/시간/위치 정보, 및 UVA에서 UVB로의 변환 및 전체 UV 중 하나 이상에 기초하여 사용자에 대한 개인화 된 UV 도즈를 결정할 수 있다. 또 다른 구성에서, 디바이스(102)는 패치 ID, 피부 유형, 시계열 데이터 누적 UVA 노출, 날짜/시간/위치 정보, 및 UVA에서 UVB로의 변환 및 전체 UV 중 하나 이상에 기초하여 사용자에 대한 개인화 된 UV 도즈를 결정할 수 있다.

도 2는 시스템(100)에 관한 부가적인 세부 사항들을 제공한다. 도 2는 측정 디바이스(101)가 데이터 해석을 위해 상이한 감도 및 대응하는 기준 색 세트를 갖는 일련의 UV 응답성 잉크들로 구성될 수 있음을 도시한다. UV 반응성 잉크의 비 제한적인 예는 스펙트라 그룹 리미티드에 의한 CR234-BT2B이다. 그러나, 실시예들은 화학적 UV 검출 소자를 사용하는 것으로 제한되지 않으며, 디바이스(101)는 UV 다이오드 또는 포토 다이오드와 같은 전기적 UV 응답 소자를 사용할 수 있다.

도 2는, 하나 이상의 이미지 인식, 선택 및 처리; 전반적인 UV 노출; 피부 유형과 UV 강도에 근거한 UV 노출 위험도; 시계열 UV 노출 추적기; 및 자외선 차단제 어드바이저를 제공하는 개인화된 UV 노출 "코치(coach)"를 제공하는 모바일 소프트웨어로 디바이스(102)가 프로그래밍될 수 있음을 또한 나타낸다.

시스템의 동작은 다음과 같다. 태양으로부터 자극을 받으면, 디바이스(101)는 화학적 또는 전기적 변화에 의한 일사 조사에 의한 변화를 측정한다. 모바일 디바이스(102)는 그러한 변화들을 판독하고 UV 도즈로 전환시키는데 사용된다. 사용자는, 개인 정보를 업로드하고 개인 UV 계산을 위한 정보를 다운로드하기 위해 모바일 디바이스들을 사용하여 클라우드/서버와 통신한다. 클라우드/서버는 날짜, 시간, 위치, 피부 유형 및 UV(UVA, UVB, UVI 레벨)가 포함된 개인 정보를 수집한다.

도 3a 및 도 3b는 시스템에서 수행되는 일련의 프로세스들을 도시한다. 도 3a에 도시된 "감지(sensing)" 단계 I에서, 패치/사용자 ID는 스마트 폰(102)으로 디바이스(101)/패치상의 NFC 태그를 스캐닝함으로써 획득된다. 이 시스템은 상이한 패치들을 스캔함으로써 동일한 스마트 폰으로 여러 사용자를 추적할 수 있다. 이후, 각 패치의 이미지들은 스마트 폰 이미지 캡처 디바이스(카메라) 기능을 통해 획득된다.

스마트 폰은 반복성을 분석하고 신뢰할 수 없는 이미지를 거부하여 품질 관리를 수행하도록 구성된다. 스마트 폰은, 예를 들어, 특정 허용 오차 및 평균 내에서 3개의 이미지들을 추출하도록 구성된다.

스마트 폰은, 또한, 왜곡, 반사, 불균일한 조명, 화이트 밸런스 또는 인쇄물을 보정함으로써 패치의 캡쳐된 이미지에 이미지 보정을 수행하도록 구성된다.

스마트 폰은 이미지 분석을 수행하도록 추가 구성된다. 예를 들어, 이미지 분석을 통해 패치에 기준 색상들을 배치하고, 품질 관리를 위한 선형성을 분석하며, 그리고 비선형성을 교정함으로써 품질 관리를 제공할 수 있다. 보다 구체적으로, 스마트 폰은 목표 색상을 찾고, 목표 색상을 기준 색상과 비교하고, 그리고 사전 결정된 UV/색상 보정을 사용하여 UV 값을 얻도록 이미지 분석을 수행한다.

도 3b의 단계 II는, 오존 기상학, 태양 천정각(SZA), 고도 및 에어로졸 기후학과 같은 상이한 팩터들을 고려하는 UVA/UVB 변환 알고리즘을 보여 주며, 이들 각각은 디바이스(101)의 위도, 경도 및 날짜/시간 중 하나 이상에 기초할 수 있다.

도 4의 단계 III은 모든 분석들이 수행된 후 사용자 인터페이스의 출력을 도시한다. 예를 들어, 출력은 특정 UVF가 권장되는지 여부 또는 UV 레벨이 주어진 날에 높거나 낮으면 사용자의 UV 노출이 안전한지 여부를 나타낼 수 있다.

시스템이 수행하는 방법에 대한 자세한 설명은 이제 제공된다.

UV 디바이스 파트 1 : 색상 변경 추출

일반 설명 :

입력은 휴대 전화 카메라로 찍은 사진이다. 각 사각형의 색(도 5 참조)은 CIE L * a * b 공간(L, A, B로 표시)에서 표시되고, 값들은 정량화를 위해 사용된다. 값은 연속적인 숫자 형식의 배-정밀도 부동 소수점이다. 정사각형 1 내지 10은 기준 색상들이며, a 값은 1에서 10으로 증가한다

. 정사각형 11 내지 16은 UV 가변 색상들이고(도 6 참조),

. 정사각형 17 및 18은 가역성의 UV 가변 색상이고,

. A₁₁-A₁₆는 A₁-A₁₀와 비교될 것이고, 매칭

, (

는 두 인접 색상들 사이의 편차의 절반 이하이다)을 발견. 출력은 다음과 같이 룩업 테이블에 의해 미리 결정된 UV 노출이다:

여기서 UVj,i는 연속 숫자이며, 배-정밀도 부동 소수점 형식이다(j=11, 12, ... , 16, i=1, 2, 3, ... , 10). 정사각형 11 내지 16의 경우, 판독값은 UV_11,i11; UV_{12,i12 ;} UV_{13,i13 ;} UV_{14,i14 ;} UV_{15,i15 ;} UV_16,i16. 최종 출력 UV 값은 UV_{11,i11 ;} UV_{12,i12 ;} UV_13,i13; UV_{14,i14 ;} UV_{15,i15 ;} UV_16,i16의 교차점이 될 것이다. 구체적인 계산은 아래에 설명되어 있다.

프로토콜:

1. 카메라의 자동 초점 기능을 사용하여 선명한 사진 촬영

2. 이미지에서 "하트(heart)"를 추출하고, 이미지를 기존 템플리트로 재조정하며, 기준 색상들을 찾음

a. 상자 안에 "하트"에 대한 상자를 강조 표시

b. "하트"를 추출하지 못하면, 이미지를 다시 찍을 것인지 물음

3. 이미지 전처리 : 화이트 밸런스 수정 및 광원들 확인

4. 기준 색상(1 내지 10) L, A, B 값 (평균)

를 판독, 사전 저장된 표준 값들로 L, A, B 값의 선형화를 실행. 값은 연속적인 숫자 형식의 배-정밀도 부동 소수점이다. 사진 1에서 그들은 128, 129, 134, 136, 139, 141, 145, 147, 151, 153이다.

a. 특이치들이 너무 많으면, 사진이 균등하게 빛나지 않고 이미지를 다시 조사해야 한다.

b. A1<A2<A3<A4<A5<A6<A7<A8<A9<A10, 그렇지 않으면, 사진에 과다 노출 또는 과소 노출이 있다.

UV 디바이스 파트 2 : 색상 변경을 UVA 및 UVB로 변환하는 알고리즘

5. 사전 결정된 룩업 테이블은 다음과 같이 추출된다 :

UV (단위: MJ/m2)

6. UV 가변 값들(11 내지 16) L, A, B 값들 (평균),

, 여기서,

, 상기 값들과,

비교, 그리고 매칭,

(

는 두 인접 색상들 사이의 편차의 절반 이하이다)을 발견.

와

사이의 선형 보간법.

도 7의 테스트 이미지들에서, 사진 7-1은 UV 0.001에 해당하고, 사진 7-2는 UV 0.01에 해당하고, 사진 7-3은 UV 0.1에 해당하며, 사진 7-4는 UV 0.02에 해당하고, 사진 7-5는 UV 0.3에 해당하고, 사진 7-6은 UV 0.005에 해당하고, 사진 7-7은 UV 0.05에 해당하고, 사진 7-8은 UV 0.5에 해당하고, 사진 7-9는 UV 0.8에 해당하며, 사진 7-10은 UV 1.2에 해당(판독 값> 1이어야 함)함을 참조해야 한다.

7. 이상적인 조건하에서, UV_{11,i11 ;} UV_{12,i12 ;} UV_{13,i13 ;} UV_{14,i14 ;} UV_{15,i15 ;} UV_16,i16은 교차점이 있는 6개의 범위들을 만들고, 상기 교차점은 최종 UV 판독값이다.

충돌이 발생하면 한 번에 하나씩 폐기하여 이상 값을 찾는다. 충돌이 해결되면 5개의 범위들을 사용하여 교차점을 찾는다. 1개보다 큰 가능성이 있는 경우, 모든 솔루션들과 이전 시점들을 비교하고, 새로운 숫자가 >= 이전 숫자라면 그것은 유효한 대답이며, 둘 이상의 솔루션이 유효하면 중간 값을 솔루션으로 얻는다.

충돌이 여전히 발생하면, 한 번에 두 개씩 폐기하여 이상치를 찾는다. 충돌이 해결되면 4개의 범위들을 사용하여 교차점을 찾는다. 또한, 이전 시간과 비교하여 새로운 숫자가 >= 이전 숫자라면 유효한 대답이다.

충돌이 여전히 발생하면, 한 번에 3개를 폐기하여 이상치를 찾는다. 6개의 범위들은 이제 이전의 시점과 비교하여 두 개의 그룹들로 분리되며, 새로운 숫자가 >= 이전 숫자라면 유효한 답변이며, 그렇지 않으면 '신뢰할 수 없는 측정(unreliable measurement)'이라는 경고 메시지를 표시하고 사진을 다시 찍을 것인지 묻는다.

8. 최종 UVA 값이 저장된다.

파트 A : 변환을 위한 핵심 알고리즘

알고리즘의 이 부분의 목적은 그림 3b에서 도시된 것처럼, 측정된 UVA 값들을 사용하여 UVB 측정을 얻는 것이다.

UVA 값들은 위에 나열된 알고리즘 파트 1에서 얻는다.

1. UVA와 UVB 사이의 변환은 다음과 같은 조회 테이블에서 수행할 수 있다.

고도 = 0 km(해수면)

오존: 0-600

태양 천정각(SZA)(도)

UVI 대 태양 각도와 오존량

_{태양 천정각 (도)}

_{태양 고도(도)}

2. UVI를 얻기 위해, 상기의 표는 오존과 SZA를 사용하며, 추가적인 팩터들은 고도, 에어로졸 상태 및 구름 상태를 포함한다. 추가적인 팩터들은 이후 버전에 포함될 수 있다.

3. 오존은 위도, 경도 및 날짜로 계산된다. 오존은 또한 역사적 데이터를 통해 오존 기후학을 사용하여 획득될 수 있다(덜 정확함).

4. 주어진 날짜, 시간, 위도 및 경도에 대한 태양 천정각을 계산한다.

소스 코드 정보 :

(www.planet-source-code.com/vb/scripts/ShowCode.asp?txtCodeId=43299&lngWId=l)

5. GPS 위치를 통해 위도, 경도, 고도를 구한다.

6. 시간, 날짜는 휴대폰 시계 및 시간대와의 동기화를 통해 얻는다.

파트 B : 모바일 소프트웨어 (앱) 알고리즘

1. 패치 스캔

a. 휴대 전화에 NFC 리더가 있으면 NFC 태그 정보를 기록한다.

b. 휴대 전화에 NFC 리더가 없으면 사진을 찍는다.

2. GPS 위치 파일, 타임 스탬프 및 시간대를 얻는다.

a. GPS 위치(위도, 경도, 고도)를 기록. GPS 위치를 사용할 수 없는 경우 이전 GPS 위치를 사용하고 위치 업데이트 알림을 표시.

b. GPS 위치를 얻을 수 없는 경우, 앱은 마지막 저장된 GPS 위치를 사용하고 예상 계산을 표시한다.

c. 시간대 및 시간 기록 (분/시간/일/월/년)

d. 시간/날짜 스탬프들은 UTC(즉, GMT)이어야 한다. NOAA 파일들 상의 모든 시간/날짜 스탬프는 UTC(즉, GMT)이다. 이것은 앱 전체에서 일관될 것이다.

3. 주어진 날짜, 시간, 위도 및 경도에 대한 태양 천정각을 계산한다. 소스 코드 정보: (www.planet-sourcecode.com/vb/scripts/ShowCode.asp?txtCodeId=43299&lngWId=l)

4. 오존 정보는, NOAA 관련 grib2 파일들을 다운로드하고, grib2 파일을 판독가능한 포맷으로 변환하며, 다운로드할 MSF 용 오존 정보를 구문 분석하는 웹 서비스에서 얻을 수 있다.

올바른 오존 정보를 얻기 위해, 필요한 것:

1. 시간대

2. 위도

3. 경도

오존 파일의 선택을 위한 절차

1. UTC로 변환

2. UTC 시간이 05:00보다 늦으면 파일은 바로 갱신된다. 현재 날짜 버전을 선택하시오.

3. UTC 시간이 05:00보다 빠르면, 파일은 어제 마지막으로 업데이트된다. 어제의 버전을 선택하십시오. 그러나 당신이 얻는 파일의 타임 스탬프는 1일 차이를 설명하기 위해 +24 시간이 필요하다.

오프라인 모드:

1. 앱에서 다운로드된 오존 파일들은 3-일간의 예측 정보를 포함한다(현지 시간으로 12 시간(정오), 60 시간(3 일) 및 108 시간(5 일)이다.).

2. 올바른 파일을 찾으려면 표준 시간대 정보를 사용할 필요가 있다.

3. 오프라인 모드에서, 앱은 마지막으로 저장된 오존 파일(1일, 3일, 5일의 3일치를 예측)의 값을 사용할 것이다.

a. 예측은 1일, 3일, 5일이다. 1일 및 2일은 1일의 값을 사용할 것이고, 3일 및 4일은 4일의 값을 사용할 것이며, 5일 및 6일은 5일의 값을 사용할 것이다.

b. 날짜가 예측된 범위를 벗어나면, 앱은 가장 가까운 시간을 기준으로 계산을 실행하지만 오프라인 모드에서는 예상 값을 표시한다.

c. 예제 파일에서, 첫 번째 줄에는 예측 날짜(UTC)가 표시되고 그리고 파일 이름은 적용되는 UTC 이후 시간(예를 들어, 이 경우 00 시간)이 포함된다. 출력은 6516 라인들을 갖는 라인당 10개의 값이므로 360 x 181의 행렬에 해당된다. 첫 번째 값은 경도 = 0, 두 번째 값은 동쪽 1도, 다음 36 라인은 위도 90N (모두 동일), 다음 36 라인은 위도 89N 등 ... 마지막 36 라인 위도 90S이다. 첫 번째 값은 경도 = 0이고, 두 번째 값은 동쪽 1도이다.

오존 파일 선택 절차

a. 현재 시간을 UTC 시간 및 날짜로 변환한다(UTC = GMT).

b. 해당 날짜에 00GMT 예측 파일이 있는 폴더가 있는지 확인한다(UTC 시간이 04:50(매일 파일 생성 시간)보다 늦은 경우, 파일이 방금 업데이트되었어야 한다. 그렇지 않으면 전날 생성된 예측을 사용해야할 필요가 있다).

c. 전환(경도/15도)을 사용하여 현재 경도에 대한 정오에 해당하는 가장 가까운 3시간 버전을 선택한다.

*: 이러한 것들은 ftp://ftp.ncep.noaa.gov/pub/data/nccf/com/gfs/prod/gfs.2015110500/gfs,t00z.pgrb2.1 pOO.fFFF에서의 FFF이다.

**: 이러한 것들은 ftp://ftp.ncep.noaa.gov/pub/data/nccf/com/gfs/prod/gfs.2015110400/gfs.t00z.pgrb2.1 pOO.fFFF에서의 FFF이다.

5. UVA와 UVB 사이의 변환은 룩업 테이블에 의해 달성될 수 있다.

6. 손상을 초래할 수 있는 UVB 및 UVA 용량의 정의

UVB 부분에 대해

상이한 레벨들은 MED에 기반하여 정의된다.

위험한 도즈는 0.5 MED로 표시되었고, 안전한 도즈는 0.25 MED로 정의되고 너무 높은 도즈는 1 MED로 정의될 수 있다.

MED는 순수한 UVB 또는 전체 UV(UVB + UVA)(mJ/cm²)로 표현될 수 있다.

도즈들은 포토타입에 따라 조정된다.

포토타입 I에 대한 위험이 가장 낮은 UV 도즈는 1835 mJ/cm²(약 100 mJ/cm² UVB 및 1700 mJ/cm² UVA)이며, 이는 패치가 2000 mJ/cm²의 도즈에 민감해야 함을 의미한다.

UVA 부분에 대해

상이한 레벨들은 UVA 도즈 임계값을 기준으로 손상을 유발할 수 있다.

UVA 용량은 mJ/cm² 단위로 표시된다.

위험한 도즈는 15000 mJ/cm²로 표시되었고, 안전한 도즈는 7500 mJ/cm²로 정의되고 너무 높은 도즈는 20000 mJ/cm²로 정의될 수 있다.

포토타입에는 아무런 조정이 없다(큰 차이 없음).

상술된 시스템 및 알고리즘은 측정 디바이스(101)에 의해 제공될 수 있는 다른 형태의 입력(예를 들어, 다른 화학적, 전기 화학적, 전기적 등)에 적용될 수 있다.

UV 패치 센서 추가 정보

전반적인 시스템 및 알고리즘이 위에 설명되었지만, 일 실시예에 따른 UV 패치의 상세한 설명은 아래에 있다. 여기에서, 우리는 초탄성 계수, 신축성, 피부에 장착된 UV 패치를 보여주고, 이 패치는 개인적인 UV 도즈들을 측정한다. 이 패치에는 초박형 신축성 전자 장치의 기능성 층과 자외선에 반응하는 감광성 패턴화된 염료가 포함되어 있다. 감광성 염료의 색상 변화는 자외선 강도에 해당하며 스마트 폰 카메라로 분석된다. 스마트 폰의 소프트웨어 애플리케이션에는 색상의 변화를 감지하고 정량화하는 피처 인식, 조명 상태 보정 및 수량화 알고리즘들을 갖는다. 이러한 색상 변화는 UV 도즈의 변화와 관련이 있으며 기존의 UV 도즈 위험 레벨과 비교된다. UV 패치의 소프트 매커니즘은 자외선 차단제와 물의 존재하에서 여러날의 마모를 허용한다. 2개의 임상 연구들은 자외선 차단제를 사용하거나 사용하지 않은 일상 생활에서 UV 패치의 유용성을 입증한다.

상기 종래의 웨어러블 디바이스들은 강직하고, 부피가 크며, 차외선 차단과 양립할 수 없다는 것이 상기되었다. 최근 물질 및 전력 관리 분야의 발전으로 더욱 소형화된 통합 센서 시스템이 가능하다. 여기에서는, 착용 가능한, 초박형 신축성 및 통기성 UV 센서의 설계 및 개발에 대해 보고하고, 이 UV 센서는 개인 UV 노출 및 자외선 차단 기능의 정량을 정확하게 계량화한다. 초박형 패치 구조와 탄성 특성으로 최대 5일 동안 피부에 컨포멀 컨택 및 연속 마모가 가능하다. 패치는 피부 관리 제품과 자외선차단 애플리케이션을 허용하는 피부 연화제와 자외선 차단제이다. 이 제품에는 자외선에 노출되면 색이 변하는 염료가 포함되어 있다. 이 색상 변화는 스마트폰 앱과 정량화 알고리즘을 사용하여 정량화된다. 이 알고리즘은 상이한 조명 조건에서의 색상 변화를 정확하게 정량화할 수 있도록 기준 색상 시스템을 사용한다. 개인 UV 노출 레벨들을 결정하고 정확한 개인화된 권장 사항을 제공하기 위해 알고리즘은 여러 파라미터들을 고려한다. 먼저, 색 변화는 UVA 방사량에 대한 색 변화를 링크시키는 미리결정된 캘리브레이션 테이블에 기초하여 UVA 방사선으로 변환된다. 둘째, 해당 UVB 노출은 대기 및 기상 천정각(SZA)에서 오존의 칼럼 양의 함수로 환산 계수를 제공하는 사전 계산된 검색 테이블을 사용하여 계산된다. 사용자의 GPS 위치가 결정되고 사용자 위치 및 시간에 기초하여 SZA가 계산된다. 경도, 위도 및 시간은 위성 측정으로부터 예측된 오존 양을 추출하는 데에도 사용된다.

우리는 두 가지 임상 평가 연구들에서 센서를 테스트했다. 첫 번째 연구는 바다에서 수영, 해변 활동, 샤워뿐 아니라 자외선 차단제 및 스킨 케어 제품 응용 프로그램과의 호환성을 비롯한 다양한 실생활 활동에서 장치 기능을 시연했다. 또한, 정확한 UV 도즈 측정을 위해 디바이스를 최적화하고 보정하는데도 도움이 되었다. 두 번째 연구는 통제된 실제 일상 생활에서 패치 UV 판독 정확도를 입증했다.

실험 결과들

패치 설계 :

UV 패치는 피부 표면에 적합하도록 설계되었으며, 피부의 기계적 특성들과 자외선 차단제와의 상호 작용을 모방한다. 패치가 피부에 부착되면 주위 피부와 유사한 자외선을 겪는다. 자외선에 노출되면 패치 색상이 변경되며, 스마트폰 앱을 사용하여 정량화된다(도 8). UV 감지 메커니즘은 투과성 폴리 우레탄(TPU) 필름에 인쇄된 UV 감광 잉크들 및 차단제로 구성된다. TPU 아래에서, 패치는 스마트폰과의 통신을 위한 NFC(Near Field Communication) 칩 및 구리/플라이미드(PI) 안테나를 포함한다. 폴리에틸렌 테레프탈레이트(PET)의 얇은 층은 NFC와 안테나가 사용자 피부에 직접 접촉하는 것을 방지한다. PET 층 아래에서, UV 패치와 피부를 결합시키는 피부 접착제의 얇은 층이 존재한다(도 8a).

UV에 민감한 염료 디자인 및 최적화

자외선에 노출되면 패치가 색이 변하고 이미지 처리 알고리즘으로 정량화된다(도 9). UV 패치는 10개의 기준 색상 정사각형 1 내지 10 및 6개의 비가역적인 UV 감응 잉크 정사각형 11 내지 16으로 구성된다(도 9a). 6개의 UV 가변 잉크 사각형들은 넓은 감도 범위를 커버하기 위해 점진적으로 감소하는 속도로 색상을 변경하도록 최적화된다. 이것은 또한 더 나은 데이터 정확성을 위해 여러 사각형들의 판독 값들을 평균화할 수 있다(도 9b). 10개의 기준 색상들은 파란색으로 10 내지 100%의 투명도로 각각 10%씩 단계적으로 표시되고, 조명의 거리 메트릭에 대한 국제위원회를 사용하여 인접한 색상들 사이에 최소 ΔE가 5이다. 사전 노출로부터 완전히 UV에 노출된 UV 센서 패치가 도 9c에 도시된다. UVA 노출량은 6개의 UV 가변 잉크 사각형들의 색상 변화를 정량하여 측정된다. UV 센서 패치의 이미지는 휴대 전화 앱에서 캡처 및 처리된다.

알고리즘 설계

앱 알고리즘은 UV에 대한 사용자의 피부 감도를 결정하는 설계이다. 이 앱은 또한 사용자의 위치와 해당 지역의 UV 인덱스를 결정한다. 사용자가 패치를 스캔 할 때 앱은 사용자의 개인 UV 도즈 및 위험 레벨을 계산할 수 있으며 최상의 보호와 편안함을 제공하는 자외선 차단 제품을 권장한다.

개인용 UV 도즈 정량화를 위한 알고리즘은 4개의 서브 알고리즘: a) 형상 인식 및 피처 위치 알고리즘; b) 조명 상태 보정 알고리즘; c) 색상 정량화 알고리즘; d) UV 도즈 결정 알고리즘(도 10)을 포함한다.

모양 인식:

형상 인식 알고리즘은 패치 모양을 자동으로 감지하고 모양 왜곡을 보정하도록 설계된다. 그런 다음, 모든 UV 감지 사각형 및 참조 색상의 위치를 결정한다. 구체적으로, 첫 번째 단계는 심장 모양이 존재하고 이미지의 일반적인 위치를 결정하는 것이며, 이것은 하르(Haar) 피처 기반의 계단식 분류기들을 사용하여 수행되고, 이 분류기는 다수의 양화 이미지와 음화 이미지를 사용하여 트레이닝된다. 이후, 심장이 이미지에서 격리된다. 두 번째 단계는 피처 매칭을 사용하여 모양을 더 가깝게 감지하고 원근감 제어를 사용하여 추가로 왜곡을 보정하는 것이다. 심장 모양의 키 포인트들이 감지되면, 기준 색상 사각형들 및 UV 감응 잉크 사각형들이 템플릿을 사용하여 배치된다.

조명 보정:

이 앱은 패치를 여러 번 스캔하고 그리고 모든 스캔은 불균일한 조명과 불균일한 빛 반사로 스캔들을 제거하는 품질 관리 프로세스를 통과한다. 이후, 이미지의 색상을 보정하고 그리고 화이트밸런스를 보정한다. 최고 품질의 이미지만 받아 들여서 색상 정량화에 사용된다. 특히, 색상들은 각 기준 색상 사각형과 모든 UV 민감성 잉크 사각형들로부터 샘플링된다. 색상 샘플링 중에, 각 사각형에 대한 색상 히스토그램이 계산되고 추가 처리를 위해 픽셀 색상들의 중앙 50%가 유지된다. 이 단계는 주름, 빛 반사 및 그림자들을 제거하여 이미지의 노이즈를 줄이는 것이다. 각 기준 색상 사각형의 샘플링된 색상들은, 잉크들의 색상 코드로 미리 결정된 "실제 색상(ture color)"과 비교된다. 색상 보정은 각 사각형에 대해 수행되며 그리고 동일한 보정 매트릭스가 주변의 UV 감응형 잉크 사각형들에 적용된다.

색상 정량화:

조명 조건에 맞게 이미지들을 보정한 후, 알고리즘은 UV 감광성 염료들의 색상을 측정하고 그리고 이를 기준 색상들과 비교한다. 기준 색상은 UV에 민감성 염료들의 색상과 밀접하게 매칭되고 그리고 상이한 UV 노출 레벨들에서 UV 염료들을 모방한다. 이는, 임의의 특정 조명 조건이 기준 색상들 및 UV 염료 색상들에 유사한 정도로 영향을 미치기 때문에, 상이한 조명 조건들에서 정확한 색상 정량화를 가능하게 한다.

이미지는 국제 조명위원회(CIE) Lab 색 공간(L*a*b 공간)에서 처리되며, 사각형 11 내지 16(UV 가변 잉크 사각형들)과 사각형 1 내지 10(기준 색상 사각형) 사이의 ΔE는, [수학식 1]을 사용하여 각각 계산되고, 여기서, i = 11, 12, 13, 14, 15, 16은 UV 가변 사각형 잉크 사각형들을 나타내며; j = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10은 기준 색상 사각형들을 나타낸다. 색상과 UVA 값들 사이의 변환은 교정 도중 생성된 룩업 테이블을 통해 이루어지며 그리고 [수학식 2]를 사용하여 계산되고, 여기서, i = 11, 12, 13, 14, 15, 16; j = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10이다. 구체적으로, UV 가변 잉크 사각형은 ΔE를 비교함으로써 가장 가까운 기준 컬러 사각형에 매칭된다. UVA는 두 개의 가장 가까운 기준 색상들에 해당하는 UVA 값들 사이에 보간된다([수학식 2]).

경계 조건과 최소 스캔 빈도는, 도 3 경계 조건과 빈번한 스캔 조건으로 설정된다. 이것들은 판독 값들의 노이즈를 더 제거하는 것이다.

UV 도즈 결정:

사용자의 개인 자외선 노출 레벨을 결정하고 그리고 정확한 권장 사항을 제공하기 위해, 알고리즘은 많은 파라미터들을 고려한다. 첫째, 색상 변화는 UVA 방사선으로 색상 변화를 연결시키는 미리결정된 보정표에 기초하여 UVA 방사선으로 직접 변환된다. 둘째, 해당 UVB 노출은 대기 및 태양 천정각(SZA)에서 오존의 칼럼 양의 함수로 환산 계수를 제공하는 사전 계산된 검색표를 사용하여 계산된다. SZA는 GPS 위치 및 시간을 기반으로 결정된다. 사용자 위도, 경도 및 시간은 또한 위성 측정들로부터 예측 오존양을 추출하기 위해 사용된다. 이러한 변환에서, 구름과 에어러솔의 영향은 UVA와 UVB 파장에서 유사하다고 가정된다. 그러나, 일부 유기 에어로졸(밀도가 높은 지역에서 보편적으로 나타나는)의 경우, 에어로졸 멸종은 일반적으로 UVA 지역보다 UVB 지역에서 더 크다. 따라서, 이 방법을 사용하여 예측 된UVB는 상한을 나타낼 것이다. 오존 칼럼 양 데이터(Dobson 단위(DU)로 측정, 1 DU = 2.69 x 10¹⁶ 분자/평방 센티미터)는 국립 해양 대기 관리국(National Oceanic and Atmospheric Administration)의 국립 환경 센터(National Center for Environmental Prediction)(NCEP/NOAA)의 오존의 매일 전체적인 분야로부터 추출된다. UVA 및 UVB 결과는 UVI 예측 웹 서비스들을 기반으로 결정된 사용자 위치에 대해 예상되는 최대값들로 교차 점검된다. 다시, 오존과 SZA의 함수인 미리 계산된 룩업 테이블들이 수량을 관련시키는데 사용된다. 이 프로세스는 산발적이고 잘못된 판독들을 방지한다. 인터넷 연결을 사용할 수 없는 경우, 결과는 상이한 지리적 위치와 시간에 UVA 및 UVB에 대한 대응하는 최대값과 최대 UVI 데이터를 관련시키는 룩업 테이블들을 사용하여 교차 점검된다.

CIE에 따르면, UVB와 UVA 사이의 파장 임계 값은 315nm이다.

개인의 일일 안전한 UV 도즈들 및 위첨 레벨들

개인 일일 안전한 UV 도즈들은 피부 포토타입과 최소 홍반량(MED)을 기반으로 계산된다(도 11a, 표 1). 피부 포토타입은, 사용자가 앱을 처음 열 때 사용자가 완료한 간략화된 사용자 설문서에서 피츠패트릭 포토타이핑 스케일에 따라 결정된다. 최대 일일 안전한 UV 도즈는 각 피부 포토타입에 대해 0.4 MED로 설정되며 그리고 0.5 MED에 노출된 후에도 어느 정도의 UV 유도 피부 손상이 관찰될 수 있다는 연구에 근거한다.

하루 동안 UV 노출의 변화율은 "노출(exposure)"로 정의되며, 그리고 현재 및 이전 패치 스캔 사이의 시간 동안 매(every) 스캔마다 계산된다. 그것은 3개의 존들로 나뉘어진다: 1) 녹색- 일일 안전한 UV 도즈 내에서 머물 수 있는 정상 범위 2) 오렌지 - 일일 안전한 UV 도즈를 초과할 위험이 있음; 3) 적색 - UV 과다 노출 위험이 높음(도 11b, 표 2).

센서 검증:

UV 패치 보정을 위한 참조 디바이스들로서 전자 사이언테라 UV 선량계를 사용했다. 사이언테라 선량계는 NREL(National Renewable Energy Laboratory)(미국 캘리포니아 주 데이비스 소재)의 태양광 조사 모니터링 스테이션(Solar Irradiance Monitoring Station)에서 교정되었다. 이후, 이 패치는 개선된 빔 광 설계 클래스 A + AA 태양 시뮬레이터 모델 TSS-156을 사용하여 300 내지 1800nm의 AM1.5G 스펙트럼(OAI Inc. USA)을 사용하여 자연광 아래 및 인공조명 아래에서 검증되었다. UV 패치 판독값들과 사이언테라(Scienterra) UV 선량계 판독 값 사이에 강한 상관관계가 입증되었다(0 내지 0.6 MJ/m²의 범위에서 R² = 0.99; 도 12). 이 패치는 2명의 임상 연구들에서 인간 지원자들에 대해 평가되었다. 14명의 자원 봉사자들과의 첫 번째 5일간의 연구는 수영, 해변 활동, 샤워, 자외선 차단제 및 스킨 케어 제품 애플리케이션과의 호환성을 비롯한 다양한 실생활 활동들에서 장치 기능을 테스트하도록 설계되었다. 두 번째 연구는 통제된 실제 일상 생활에서 패치 UV 판독 정확도를 테스트하기 위해 설계되었다. 피험자는 자유로운 해변 활동 동안 오전 10시부 터 오후 2시까지 평균 0.2593±0.0499 MJ/㎡ UVA 노출을 받았고, UV 센서 패치 앱 판독에 의해 측정된 자유로운 도시 보행 중 오후 3시부터 오후 4시까지 평균 0.0000±0.0000 MJ/m² UVA 노출을 받았다. 사이언테라 선량계는 해변 활동에 대해서는 유사한 값을 나타내지만, 도시 보행시 더 높은 값을 나타낸다. 즉, 해변 활동에 대해서는 0.2479±0.0248 MJ/m², 도시 보행에 대해서는 0.0078±0.0048 MJ/m²를 각각 판독한다(도 13a). UV 센서 패치는 자외선 차단제와 호환된다. UV 센서 패치로 측정한 결과, 자외선 차단제는 아침, 오후 및 저녁의 간헐적인 UV 노출 동안 UV 노출을 크게 감소시켰다.

자외선 차단제가 없는 경우, UVA 노출은, 오전 11:50, 오후 2:45 및 오후 6:13에서 각각 측정된 0.0711±0.0215 MJ/m², 0.1716±0.0581 MJ/m², 0.1861±0.0600 MJ/m² 이었다. 자외선 차단제가 있는 경우, UVA 노출은, 각각 0.0021±0.0047 MJ/m², 0.0061±0.0084 MJ/m² 및 0.0111±0.0139 MJ/m²이었다. UV 선량계 판독값들을 패치 이미지 분석 결과들과 비교했고, 유사한 UVA 노출은, 오전 11:50, 오후 2:45 및 오후 6:13에서 각각에서, 자외선 차단제가 없는 경우 0.0896±0.0185 MJ/m², 0.1858±0.0372 MJ/m² 및 0.2001±0.372 MJ/m²으로 표시된다. 사이언테라 선량계들의 한계로 인해, 자외선 차단 효과는 측정될 수 없었다(도 13b). 이후, 패치 이미지들, UV 선량계 판독값들 및 앱 판독값들을 상관 관계에 대해 비교했다. 통계 분석은, 사이언테라 선량계들로 측정된 UVA와 패치 사진 분석 간에 강한 상관 관계(p<0.0001, r=0.88, n=30)(도 14a), UV 센서 패치 앱 판독과 패치 사진 분석 간에 강한 상관 관계(p<0.0001, r=0.92, n=30)(도 14b), 사이언테라 선량계와 UVA 센서 패치 앱 판독 간에 강한 상관 관계(p<0.0001 , r=0.92, n=24)(도 14c)를 나타낸다. 사이언테라 선량계와 패치 사진 분석에 의해 측정된 UVA와 UVB를 모두 포함하는 총 UV 도즈는 높은 상관 관계를 보였다(p<0.0001, r=0.87, n=24)(도 14c). 95% 예측 타원이 표시된다. 3가지 측정값 사이의 강한 상관 관계는 센서 시스템의 유효성을 더욱 확실하게 한다. UV 센서 패치 앱 판독과 다른 두 측정들 사이의 불일치는 향상된 사용자 경험을 위한 빠른 패치 검색 요구 사항 때문이다.

상이한 지리적 위치의 개인 UV 데이터 수집

휴대 전화 앱을 사용하면 대규모의 데이터 시각화가 가능하다. X 디바이스들은 라로슈포제를 통해 X 국들에서 무료로 배포되었다. 데이터는 클라우드 서버들에서 수집되어 분석되었다. 도 15는 마이 UV 패치 앱 사용자 데이터를 기반으로 평균 개인 UV 노출 레벨을 보여준다. 각 휴대 전화 디바이스에 대한 최대 UV 노출은 각 국가(도 15a, 15c) 및 미국의 주들(도 15b) 내에서 수집되고 평균화된다. 2016년 6 월 6일부터 2016년 8월 18일까지 총 39개 국가 및 26개 미국의 주들로부터 데이터가 접수되었으며 그리고 지도에 대해 처리되었다.

논의

자외선 지수(UVI)는 일반적으로 사용되는 국제 표준 UV 측정 스케일이다. UVI는 햇볕에 의한 UV 복사의 강도를 나타낸다. 그것은 수평면에 떨어지는 홍반으로 가중된 복사 조도의 스케일링된 버전이고; 그에 따라 암묵적으로 천정각 코사인 의존성을 포함한다. 사람의 피부와 같은 복잡한 표면 형태의 경우, 개인적인 노출은 수평면에서의 이상적인 방사선의 경우와 상당히 다를 수 있다. 태양의 위치와 표면 방향의 기하학에 따라, 개인 UV 노출은 UVI에서 예상 한 노출보다 크거나 적을 수 있고, 때로는 30%보다 큰 팩터들에에 의해 표시된다. 예를 들어, 흐린 조건에서 실제 UV 노출은 UVI의 50 % 미만이 될 수 있다. 사람의 피부가 받는 UV 도즈는 신체 부위에 따라 다르다. 예를 들어, 허벅지의 UV 노출은 일반적으로 머리 또는 어깨의 상단보다 적다. 그러나, 손목과 같은 특정 부위의 방사선은 평균값의 대표값으로 간주될 수 있음이 입증되었다.

UVI의 또 다른 한계는 UVB가 매우 가중되어 UVA가 피부 노화와 피부암에 기여한다는 데이터가 증가하고 있다는 것이다. 또한, UVB와 달리 UVA 방사는 유리창을 통과할 수 있다. 태양 스펙트럼의 UVA 부분도 UVB보다 훨씬 더 강하다(대기 중 오존에 의한 UVB의 감쇠로 인해 부분적으로 UVA 도즈는 일반적으로 UVB 도즈의 20 배 또는 30배이다). 이러한 팩터들은 인간의 피부가 UVB 도즈보다 높은 누적 UVA 도즈에 노출되게 한다. UVA는 UVB만큼 선탠이나 일광 화상에 기여하지 않기 때문에 사람들은 종종 흐린 날이나 실내 환경에서 과도한 UVA 노출을 인식하지 못한다. 또한, 자외선 노출로 인한 피부 손상은 즉시 나타나지 않는다. 홍반 반응은 노출 후 12 시간 이상 발생할 수 있어 평균적인 사람이 안전한 양의 자외선을 아는 것이 어렵다.

현대의 광대역 자외선 차단제는 UVA 및 UVB 방사선에 대한 효과적인 보호를 제공한다. 하지만, 자외선 차단제를 사용하더라도 피부가 여전히 해로운 UV 도즈에 노출될 수 있다. 따라서, 자외선 차단제의 존재 및 부재 하에서 지속적인 개인용 UV 노출 모니터링은 피부 보호 및 피부암 예방에 중요하다.

이 프로젝트의 목적은, 개인용 UV 노출 및 자외선 차단제에 의한 보호 정도를 정확하게 계량화할 수 있는 저가의 착용가능한 UV 센서를 설계하고 개발하는 것이다. 마이 UV 패치는 자외선 차단제 적용 여부에 관계없이 지속적인 개인용 자외선 노출 모니터링을 제공하고 그리고 사용자에게 더 나은 UV 차단을 위한 권장 사항을 제공한다. 마이 UV 패치 신축성이 있고 통기성이 있으며 인체 피부와 비슷한 기계적 성질을 가지고 있다. 사용자는 나머지 신체 부위에 적용되는 것과 같은 방식으로 패치에 자외선 차단제를 적용할 수 있다. 패치는, 자외선 차단제가 사용자의 UV 노출을 얼마나 감소 시켰는지에 대한 정보를 제공한다. 센서 사용 다양성과 데이터 정확성을 입증하는 두 가지 임상 연구가 수행되어졌다. 이 패치는 해수, 고온 다습, 과도한 땀, 피부 관리 제품 및 자외선 차단제에 노출된 후에도 정확한 판독 값을 유지했다. 사실, 패치의 주된 이점은, 자외선 차단제가 있는 상태에서 UV 도즈들을 측정할 수 있기 때문에, 자외선 차단제로 보호했을 때 사용자의 UV 노출을 직접 측정할 수 있다는 것이다. 개인 UV 노출들을 포함하는 조사 연구에서 널리 사용되어진 사이언테라 전자 선량계에 대한 패치 판독 정확도가 평가되었다. 패치 발색 분석은 사이언테라 디바이스들과 양호한 상관 관계를 보여준다. 궁극적인 테스트는 2016년 7월에 디바이스를 대중에게 널리 배포하고 결과 데이터를 분석하여 패치 수를 라로슈포제를 통해 무료로 전세계 국가에 배포되었다. 이를 통해, 우리는 서로 다른 지리적 위치들에 있는 일일 개인 UV 도즈들에 대한 데이터를 수집하고 이들 위치의 자외선 차단제 사용 및 UVI와 관련시킬 수 있었다(도 15).

방법들

프린팅

기준 색상들은 TPU 필름(딩징 어드밴스드 머티어리얼즈 인크., 타이완)에 롤러 프린팅을 사용하여 프린트된다. 이후, UV 잉크 및 블로커들(스텍트라 그룹 인크., 미국)은 110 내지 380 um 범위의 메시 크기를 갖는 스크린 프린팅을 사용하여 프린트되었다. TPU 필름 아래에는 근거리 통신 안테나(NXP 반도체)가 존재한다. 패치에 사용된 접착제는 의료 등급(플렉스콘 인크., 미국)이다.

교정 방법들

UV 염료들의 반응을 보정하기 위해, 자외선 센서 패치들은 태양 자외선을 이용한 자연 태양 광선 아래에서 먼저 보정된다. 태양 UV 방사선은 전자 UV 선량계 (사이언테라 인크, 뉴질랜드)로 측정한다. 사이언테라 선량계는 NREL(National Renewable Energy Laboratory)의 UV-B 모니터링 및 연구 프로그램의 태양 방사 조도 모니터링 스테이션에서 계측기에 대해 사전 보정되어 있다. 사이언테라 선량계는 샌프란시스코에서 여러 맑은 날에 대류권 자외선 및 가시 광선(TUV) 방사 모델을 사용하는 방사 전송 계산과도 비교된다.

개발 과정에서, UV 센서 패치의 대량 배치가 300 내지 1800nm의 AM 1.5G 스펙트럼(OAI 인크. 미국)을 사용하는 어드밴스드 빔 옵틱스 디자인 클래스 A+AA 솔라 시뮬레이터 모델 TSS-156에 노출된다. UV 강도는 OAI 308 미터 및 365nm 프로브 (OAI 인크. USA)를 사용하여 측정되고 일정하게 유지된다. 자외선 센서 패치의 이미지들은 니콘 D5100 디지털 카메라(니콘 인크, 미국)에 의해 캡처된다. 이미지는 매트랩 루틴(매스웍스 인크., USA)을 사용하여 처리된다. UV 센서 패치의 반응 곡선들은 솔라 시뮬레이터 노출과 자연 태양 광선 노출 사이에서 비교되어 일관성을 유지한다.

소프트웨어

개발 과정에서, 이미지 프로세싱 알고리즘은 매트랩으로 작성되었다. 이미지 처리 알고리즘은 안드로이드 및 iOS 앱용 오픈CV 라이브러리와 함께 C/C++를 사용하여 구현된다. 이미지 프로세싱의 일부는 iOS 용 오브젝티브-C와 안드로이드용 자바로 작성되었다. 세계 UV 맵 시각화는 자바스크립트, 노드.js, require.js, HMTL 및 CSS를 사용하여 집안에 구축된 맞춤 웹 프레임 워크에 의해 구현된다.

임상 연구 프로토콜

조사 지역에서 온전하고 건강한 피부를 가진 피츠페트릭 분류 [19]에 따른 피부 사진 유형 IV 내지 VI를 지닌 건강한 자원 봉사자가 미국 텍사스의 힐 톱 리서치에서 검사되고 채용되었다. 연구하는 동안, 매일, 팔뚝 안쪽, 손목 및 손등을 포함한 조사 영역은 이소프로필 알콜 패치들로 부드럽게 청소되었다. 피부 자극을 평가하기 위해 패치를 적용하기 전과 패치를 제거한 후에 연구 영역 사진을 찍었다. 각 피험자는, 왼손의 뒤쪽에 하나의 패치를 부착하고, 하나는 오른손 뒤에, 다른 하나는 팔뚝 안쪽에 각각 부착한다. 각 피험자는 UVA 사이언테라 선량계와 UVB 사이언테라 선량계를 손목에 착용했다. 팔뚝 안쪽의 패치가 매일 교체되는 동안 손등의 패치들은 여러 날 연속 측정을 위해 유지된다. 패치 평가 연구는 플로리다주, 세인트 피터스 버그에서 실시되었다. 1일차에, 피험자는 아침에, 정오에, 그리고 오후에 미리 설정된 경로를 따라 각각 4마일씩 걸었다. 2일차에, 피험자는 해변 활동을 2시간 동안 실시한 후 미리 결정된 경로를 따라 1시간 동안 자유롭게 도시 산책을 실시했다. 3일차에, 피험자는 라로슈포제 안텔리오스 30 자외선 차단제를 자외선 센서 패치들 중 하나에 적용하여 1일차를 반복했다. 피험자는 사전-설치된 스마트폰 앱으로 패치를 스캐닝한다. 동시에, 패치 사진도 숙련된 강사가 찍었다. 패치 이미지들, UV 선량계 판독값들 및 앱 판독값이 비교되었다. 임상 연구 프로토콜은 기관 검토위원회(IRB)의 승인을 받았다.

통계 분석

디스크립터들의 분산된 매트릭스들은 시간에 따라 쌍방향 관계를 시각화한다. 연관된 피어슨 상관 계수들은 표들 또는 히트 맵 표현들로 표시된다. 모든 통계 분석은 SAS 통계 소프트웨어 릴리스 9.3, SAS 인스티튜트 인크.(미국, 노스 캐롤라이나주, 캐리) 및 JMP 통계 소프트웨어 릴리스 10.0(JMP는 SAS 인스티튜트의 상표 임)을 사용하여 수행되었다.

하드웨어

스마트폰(사용자 단말기)은 통상의 기술자에게 공지된 바와 같이 회로 및 하드웨어를 포함할 수 있다. 스마트폰은, CPU, I/O 인터페이스 및 네트워크와의 인터페이스를 위해 BCM43342 Wi-Fi, 주파수 변조 및 브로드컴의 블루투스 콤보 칩과 같은 네트워크 컨트롤러가 포함될 수 있다. 하드웨어는 축소된 크기로 설계될 수 있다. 예를 들어, CPU는 애플 인크.의 APL0778일 수 있거나 또는 통상의 기술자가 인식할 수 있는 다른 프로세서 유형들일 수 있다. 대안적으로, CPU는 통상의 기술자가 인식할 수 있는 바와 같이, FPGA, ASIC, PLD 상에서 또는 이산 논리 회로를 이용하여 구현될 수 있다. 또한, CPU는 전술한 진보된 프로세스의 명령을 수행하기 위해 (클라우드 컴퓨팅 환경과 같은) 병렬로 협력하여 동작하는 다수의 프로세서로서 구현될 수 있다.

Claims (15)

1. 자외선(UV) 방사선 노출을 측정하도록 구성된 디바이스로서,
   각각이 UV 방사선 노출에 대해 상이한 감도를 갖는 복수의 상이한 섹션들을 포함하는 표면을 포함하고,
   상기 복수의 상이한 섹션들 각각은 상기 UV 방사선 노출에 응답하여 상이한 컬러를 디스플레이하도록 구성되는 것을 특징으로 하는
   자외선 방사선 노출을 측정하도록 구성된 디바이스.
2. 제1항에 있어서,
   상기 복수의 상이한 섹션들은 상기 복수의 상이한 섹션들 위에 침착된(deposited) 상이한 UV 반응성 화학 물질을 포함하는 것을 특징으로 하는
   자외선 방사선 노출을 측정하도록 구성된 디바이스.
3. 제2항에 있어서,
   상기 UV 반응성 화학물은 UV 응답성 잉크인 것을 특징으로 하는
   자외선 방사선 노출을 측정하도록 구성된 디바이스.
4. 제1항에 있어서,
   상기 복수의 상이한 섹션들은 상이한 UV 응답 전기 소자를 포함하는 것을 특징으로 하는
   자외선 방사선 노출을 측정하도록 구성된 디바이스.
5. 제1항에 있어서,
   각각 상이한 대응하는 UV 노출 레벨을 나타도록 복수의 상이한 고정된 기준 컬러들을 디스플레이하기 위한 영역을 더 포함하는 것을 특징으로 하는
   자외선 방사선 노출을 측정하도록 구성된 디바이스.
6. 개인용 자외선(UV) 방사선 측정들을 결정하기 위한 시스템으로서,
   UV 조사(irradiation)를 측정하도록 구성된 측정 디바이스와; 그리고
   상기 측정 디바이스로부터의 측정된 UV 조사의 출력을 수신 또는 캡처하고, 그리고 적어도 상기 측정된 UV 조사 및 특정 사용자의 피부 유형의 정보에 기초한 특정 사용자의 개인 UV 노출 위험 레벨을 결정하도록 구성된 단말기 디바이스를 포함하는 것을 특징으로 하는
   개인용 자외선 방사선 측정들을 결정하기 위한 시스템.
7. 제6항에 있어서,
   상기 측정 디바이스는 UV 방사선 노출에 대해 각각 상이한 감도를 갖는 복수의 상이한 섹션들을 포함하는 표면을 포함하고, 상기 복수의 상이한 섹션들 각각은 상기 UV 방사선 노출에 응답하여 상이한 컬러를 디스플레이하도록 구성되며, 그리고
   상기 단말기 디바이스는,
   상기 측정된 UV 조사의 캡처된 출력으로서 상기 복수의 상이한 섹션들의 이미지를 캡처하도록 구성된 이미지 캡처 디바이스와; 그리고
   상기 캡처된 이미지의 이미지 분석을 수행하는 것에 기초하여 상기 측정된 UV 조사를 결정하도록 구성된 처리 회로를 포함하는 것을 특징으로 하는
   개인용 자외선 방사선 측정들을 결정하기 위한 시스템.
8. 제6항에 있어서,
   상기 단말기 디바이스는, 적어도 상기 사용자의 피부 유형 및 상기 측정된 UV 조사의 정보에 기초하여 상기 특정 사용자에 대한 개인 UV 도즈 량(UV dose amount)의 정보를 외부 디바이스로부터 수신하도록 구성되는 것을 특징으로 하는
   개인용 자외선 방사선 측정들을 결정하기 위한 시스템.
9. 제6항에 있어서,
   상기 단말기 디바이스는 상기 특정 사용자의 상기 결정된 개인 UV 노출 위험 레벨에 기초하여 추천 보호 방법을 출력하도록 구성되는 것을 특징으로 하는
   개인용 자외선 방사선 측정들을 결정하기 위한 시스템.
10. 제7항에 있어서,
    상기 이미지 분석은, a) 형상 인식 및 피처 위치 알고리즘; b) 조명 상태 보정 알고리즘; c) 컬러 정량화 알고리즘; 및 d) UV 도즈 결정 알고리즘 중 적어도 하나를 포함하는 것을 특징으로 하는
    개인용 자외선 방사선 측정들을 결정하기 위한 시스템.
11. 개인용 자외선(UV) 방사선 측정들을 결정하기 위한 시스템에 의해 구현되는 방법으로서,
    측정 디바이스에 의해, UV 조사를 측정하는 단계와;
    단말기 디바이스에 의해, 상기 측정 디바이스로부터의 측정된 UV 조사의 출력을 수신 또는 캡처하고, 그리고 적어도 상기 측정된 UV 조사 및 특정 사용자의 피부 유형의 정보에 기초한 특정 사용자의 개인 UV 노출 위험 레벨을 결정하는 단계를 포함하는 것을 특징으로 하는
    시스템에 의해 구현되는 방법.
12. 제11항에 있어서,
    상기 측정 디바이스는 UV 방사선 노출에 대해 각각 상이한 감도를 갖는 복수의 상이한 섹션들을 포함하는 표면을 포함하고,
    상기 복수의 상이한 섹션들 각각은 상기 UV 방사선 노출에 응답하여 상이한 컬러를 디스플레이하도록 구성되며,
    상기 방법은,
    상기 단말기 디바이스의 이미지 캡처 디바이스에 의해, 상기 측정된 UV 조사의 캡처된 출력으로서 상기 복수의 상이한 섹션들의 이미지를 캡처하는 단계와; 그리고
    상기 캡처된 이미지의 이미지 분석을 수행하는 것에 기초하여 상기 측정된 UV 조사를 결정하는 단계를 더 포함하는 것을 특징으로 하는
    시스템에 의해 구현되는 방법.
13. 제11항에 있어서,
    적어도 상기 사용자의 피부 유형 및 상기 측정된 UV 조사의 정보에 기초하여 상기 특정 사용자에 대한 개인 UV 도즈 량의 정보를 외부 디바이스로부터, 상기 단말기 디바이스에 의해 수신하는 단계를 포함하는 것을 특징으로 하는
    시스템에 의해 구현되는 방법.
14. 제11항에 있어서,
    상기 특정 사용자의 결정된 개인 UV 노출 위험 레벨에 기초하여 추천된 보호 방법을, 상기 단말기 디바이스에 의해 출력하는 단계를 더 포함하는 것을 특징으로 하는
    시스템에 의해 구현되는 방법.
15. 제12항에 있어서,
    상기 이미지 분석은, a) 형상 인식 및 피처 위치 알고리즘; b) 조명 상태 보정 알고리즘; c) 컬러 정량화 알고리즘; 및 d) UV 도즈 결정 알고리즘 중 적어도 하나를 포함하는 것을 특징으로 하는
    시스템에 의해 구현되는 방법.

Images