KR20190004295A - 배뇨 예측 및 모니터링 - Google Patents
배뇨 예측 및 모니터링 Download PDFInfo
- Publication number
- KR20190004295A KR20190004295A KR1020187032633A KR20187032633A KR20190004295A KR 20190004295 A KR20190004295 A KR 20190004295A KR 1020187032633 A KR1020187032633 A KR 1020187032633A KR 20187032633 A KR20187032633 A KR 20187032633A KR 20190004295 A KR20190004295 A KR 20190004295A
- Authority
- KR
- South Korea
- Prior art keywords
- urination
- data
- user
- model
- received
- Prior art date
Links
- 230000027939 micturition Effects 0.000 title claims abstract description 265
- 238000012544 monitoring process Methods 0.000 title description 5
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 abstract description 37
- 230000008569 process Effects 0.000 abstract description 30
- 230000002747 voluntary effect Effects 0.000 abstract description 6
- 238000013480 data collection Methods 0.000 abstract description 3
- 210000002700 urine Anatomy 0.000 description 52
- 238000004422 calculation algorithm Methods 0.000 description 23
- 230000033001 locomotion Effects 0.000 description 23
- 230000006870 function Effects 0.000 description 22
- 238000001514 detection method Methods 0.000 description 20
- 230000006854 communication Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 19
- 208000008967 Enuresis Diseases 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 11
- 230000007958 sleep Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000000638 stimulation Effects 0.000 description 8
- 230000036760 body temperature Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000036772 blood pressure Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 208000007101 Muscle Cramp Diseases 0.000 description 4
- 230000008827 biological function Effects 0.000 description 4
- 230000001012 protector Effects 0.000 description 4
- 208000005392 Spasm Diseases 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010046543 Urinary incontinence Diseases 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004118 muscle contraction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000002562 urinalysis Methods 0.000 description 2
- 230000002485 urinary effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010002199 Anaphylactic shock Diseases 0.000 description 1
- 206010048610 Cardiotoxicity Diseases 0.000 description 1
- 206010008635 Cholestasis Diseases 0.000 description 1
- 206010010144 Completed suicide Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 201000004311 Gilles de la Tourette syndrome Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 206010028293 Muscle contractions involuntary Diseases 0.000 description 1
- MKYBYDHXWVHEJW-UHFFFAOYSA-N N-[1-oxo-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propan-2-yl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical compound O=C(C(C)NC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 MKYBYDHXWVHEJW-UHFFFAOYSA-N 0.000 description 1
- 208000026251 Opioid-Related disease Diseases 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 208000000323 Tourette Syndrome Diseases 0.000 description 1
- 208000016620 Tourette disease Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 208000003455 anaphylaxis Diseases 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 231100000259 cardiotoxicity Toxicity 0.000 description 1
- 230000007681 cardiovascular toxicity Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000007870 cholestasis Effects 0.000 description 1
- 231100000359 cholestasis Toxicity 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000008029 eradication Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000001087 myotubule Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- 208000005346 nocturnal enuresis Diseases 0.000 description 1
- 230000008452 non REM sleep Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000003989 repetitive behavior Effects 0.000 description 1
- 208000013406 repetitive behavior Diseases 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/226—Character recognition characterised by the type of writing of cursive writing
- G06V30/2264—Character recognition characterised by the type of writing of cursive writing using word shape
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
- G16H10/65—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records stored on portable record carriers, e.g. on smartcards, RFID tags or CD
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Urology & Nephrology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Accommodation For Nursing Or Treatment Tables (AREA)
- Emergency Alarm Devices (AREA)
Abstract
사용자의 배뇨 이벤트를 예측하고 검출하기 위한 시스템이 개시된다. 상기 시스템은 데이터를 수집, 공유, 처리, 및 해석하고, 사용자와 보호자에게 자극을 주는 웨어러블 디바이스, 모바일 디바이스, 허브, 컴퓨팅 디바이스, 및 서버를 포함할 수 있다. 사용자와 관련된 생체 인식 및/또는 환경 데이터가 수집되고 예측된 배뇨 시간을 결정하기 위해 배뇨 모델에 적용될 수 있다. 사용자 또는 보호자에게는 예측된 배뇨 시간에 관한 정보를 전달하는 직접적인 또는 환경적인 자극이 제공될 수 있다. 진행중인 생체 인식 및/또는 환경 데이터의 수집은 임박한 배뇨 이벤트를 식별하고 그에 대한 자극 경고를 제공하는데 사용될 수 있다. 실제 배뇨 이벤트에 대한 자발적인 그리고 비자발적인 피드백뿐만 아니라 계속적인 생체 인식 및/또는 환경 데이터 수집은 개인 및 집단 배뇨 모델을 트레이닝(training)하기 위해 사용될 수 있다.
Description
관련 출원에 대한 상호 참조
본 출원은 2016년 7월 22일자로 출원된 "배뇨 예측 및 모니터링(URINATION PREDICTION AND MONITORING)"이라는 명칭의 미국 임시출원 제62/365,714호와, 2016년 4월 12일자로 출원된 "야뇨증 트레이닝 디바이스 및 방법(BEDWETTING TRAINING DEVICE AND METHOD)"이라는 명칭의 미국 임시출원 제62/321,690호를 우선권 주장의 기초로 하고, 이들은 전체로서 참조에 의해 본 명세서에 편입된다.
본 발명은 일반적으로 생리학적 이벤트의 예측에 관한 것으로, 보다 구체적으로는, 유뇨증(enuresis)을 앓고 있는 개인에 있어서와 같은 배뇨의 예측에 관한 것이다.
많은 사람들이 어떤 형태의 유뇨증이나 비자발적 배뇨로 고통을 받는다. 소아 유뇨증은 특히 야간 방뇨 또는 주간(diurnal) 비자발성 배뇨와 같이 널리 퍼져 있다. 소아 유뇨는 전세계에서 2억명이 넘는 어린이에게 영향을 미치는, 가장 현저한 만성 어린이 건강 증상 중 하나이다. 유뇨증은 고통받는 개인에게 신체적 그리고 정신적 건강 문제를 나타낼 수 있다.
유뇨증에 대한 현재의 치료법은 약물 치료 또는 유뇨증 경보의 사용을 포함한다. 약물 치료는 일시적으로 소변/방광 기능을 차단하고 높은 재발율 및 발작과 심장 독성을 포함하는 심각한 부작용과 관련이 있다. 주간 경보 시스템은 하루 종일 고정된 간격에 기초한 경보를 보내 사용자에게 소변을 보거나 배뇨 욕구에 대한 자가 점검을 수행하도록 상기시킨다. 야간 경보 시스템은 습기 센서를 사용하여 과도한 습기를 감지한다. 이러한 시스템들은 일반적으로 사용하기 어렵고, 파손되기 쉽고, 어린이에게 친숙하지 않다.
야간 경보 시스템은 일반적으로 다루기 힘들고, 신뢰할 수 없고, 불편한 감지 기술에 의존한다. 예를 들어, 일부 경보 시스템은 습기 센서를 침대에 통합하여 비자발적인 배뇨로 인해 침대가 충분히 젖었을 때 경보를 발령한다. 그러나, 이러한 시스템은 실질적인 양의 유체를 방출할 때에만 작동하여, 실질적인 배뇨가 일어난 후에야 고통받는 개인이나 보호자의 주의를 환기시킨다. 따라서, 경보에 응답하여 취해진 임의의 치료 조치는 배뇨가 시작되고 상당한 시간이 지난 후에 일어날 수 있고, 따라서 개인 및 보호자는 비자발적 배뇨가 발생한 후에만 반응하는 처지가 된다.
일부 경보 시스템은 개인의 속옷에 부착된 대형 센서에 의존하며 유선 또는 무선 접속을 통해 데이터를 중계한다. 대형 센서는 사용자에게 불편할 수 있고, 수면 중에 분리되거나 무심코 제거될 수 있으며, 배뇨원으로부터 먼 위치에 배치해야 할 수 있다. 유선 연결은 사용자의 수면을 방해할 수 있고 잠재적인 엉킴 위험을 초래할 수 있다. 무선 접속을 사용하는 기존 센서는 밤새 지속되는 대형 배터리와 회로를 요구한다.
보호자와 유뇨증을 앓고있는 개인에게 유뇨증 퇴치를 위한 향상된 도구를 제공할 필요가 존재한다.
본 발명의 특정 국면 및 특징들은 어린이(예를 들어, 18세 미만, 5세 이상 18세 이하, 또는 2세 이상 5세 이하) 또는 노인(예를 들어, 55세 이상) 등과 관련된 배뇨 이벤트를 검출 또는 예측하기 위한 방법 뿐만 아니라 전체 시스템에 관한 것이다. 개인과 연관된 생체 인식(biometric) 데이터 및/또는 환경 데이터는 수집되어 배뇨 이벤트(예를 들어, 의도적 또는 의도하지 않은 배뇨 또는 배뇨 욕구)의 발생 또는 예상 배뇨 시간을 예측하기 위해 사용될 수 있다. 배뇨 예측 데이터는, 웨어러블 밴드 또는 사용자로부터 생체 인식 데이터를 수집하거나 사용자가 있거나 있을 수 있는 환경으로부터 환경 데이터를 수집하기 위한 임의의 다른 적절한 디바이스와 같은 웨어러블 디바이스로부터 수집될 수 있다. 원격 측정 데이터(예를 들어, 생체 인식 및/또는 환경 데이터)는 배뇨 욕구가 있는지를 판단하거나 또는 배뇨 욕구가 곧 나타날지를 예측하기 위해 저장된 데이터 및/또는 저장된 알고리즘을 사용하여 처리될 수 있다. 저장된 데이터 및/또는 저장된 알고리즘은 일반적인 예측 모델을 기반으로 할 수 있다. 경우에 따라, 저장된 데이터 및/또는 저장된 알고리즘은 미리 또는 실시간으로(예를 들어, 실시간, 대략 실시간, 신속하게, 또는 가능한 한 신속하게) 개별 사용자에게 맞춰진 사용자 정의된 예측 모델을 기반으로 할 수 있다. 배뇨 욕구를 검출하거나 배뇨 욕구가 곧 있을 것으로 판단되면, 경보 또는 경고를 제공하거나, 사용자 디바이스, 네트워크 디바이스, 및/또는 클라우드 디바이스에 신호 또는 업데이트를 제공하거나, 다른 작업을 수행하는 것과 같은 조치가 취해 질 수 있다. 수집된 원격 측정 데이터의 예는, 심박수, 체온, 피부 전도도, 움직임, 음식 섭취량, 액체 섭취량, 혈압, 수면 레벨 등을 포함한다. 패치(patch) 센서는 웨어러블 원격 측정 디바이스와 함께 또는 원격 측정 디바이스없이 사용되어 배뇨 검출 기능을 제공할 수 있다. 패치 센서는 수분 감지에 적합한 능동 또는 수동 무선 주파수 식별(RFID) 태그일 수 있다. 경우에 따라, 패치 센서는 수분 감지 회로에 연결된 블루투스 저에너지(Bluetooth low energy: BTLE) 모듈일 수 있다. 패치 센서는 근처의 허브 또는 컴퓨팅 디바이스(예를 들어, 스마트 폰)와 같은 근처의 리더(reader)에서 읽을 수 있다. RFID 기반 또는 BTLE 기반 패치 센서는 센서가 매우 작은 폼팩터를 갖게 할 수 있으므로 복잡한 회로 및/또는 배터리 전력이 거의 또는 전혀 필요하지 않다. 이러한 패치 센서의 소형 폼팩터(small form factor)는 센서가 이상적인 위치(예를 들어, 배뇨의 근원에 인접한 속옷)에 배치될 수 있게 하고, 센서가 불편 함 또는 손상의 걱정없이 착용될 수 있게 한다. 리더 또는 허브는 주기적으로 패치 센서를 읽거나 패치 센서로부터 업데이트를 수신할 수 있다. 습기가 감지되면 리더 또는 허브가 작업을 수행할 수 있다. 리더 또는 허브가 수행할 수 있는 작업은 경보 또는 경고의 전송, 사용자 디바이스, 네트워크 디바이스 및/또는 클라우드 디바이스로의 신호 또는 업데이트의 제공, 또는 기타 작업의 수행을 포함할 수 있다. 경우에 따라 패치 센서는 사용 후 버릴 수 있는, 일회용 또는 재사용 가능한 센서일 수 있다. 경우에 따라 패치는 방수가 가능하다. 경우에 따라, 패치는 배터리 전원(예를 들어, 사용자가 교체 가능하거나 사용자가 교체할 수 없음)일 수 있고 충분한 습기가 감지될 때까지 저전력 모드에서 동작할 수 있다.
본 명세서는 다음의 첨부된 도면을 참조하고, 상이한 도면에서 동일한 도면 부호의 사용은 유사하거나 동일한 구성 요소를 묘사하기 위한 것이다.
도 1은 본 발명의 특정 국면에 의한 배뇨 검출 및 예측 생태계를 도시하는 개념도이다.
도 2는 본 발명의 특정 국면에 의한 허브의 개념도이다.
도 3은 본 발명의 특정 국면에 의한 웨어러블 디바이스의 개념도이다.
도 4는 본 발명의 특정 국면에 의한 배뇨 검출 센서를 도시하는 개념도이다.
도 5는 본 발명의 특정 국면에 의한 배뇨 모델을 개시하기 위한 프로세스를 도시하는 흐름도이다.
도 6은 본 발명의 특정 국면에 의한 예상 배뇨 시간을 업데이트하는 프로세스를 도시하는 흐름도이다.
도 7은 본 발명의 특정 국면에 의한 배뇨 모델을 업데이트하는 프로세스를 도시하는 흐름도이다.
도 8은 본 발명의 특정 국면에 의한, 기본 배뇨 모델을 생성하고 사용자 배뇨 모델을 초기화하는 프로세스를 도시하는 흐름도이다.
도 1은 본 발명의 특정 국면에 의한 배뇨 검출 및 예측 생태계를 도시하는 개념도이다.
도 2는 본 발명의 특정 국면에 의한 허브의 개념도이다.
도 3은 본 발명의 특정 국면에 의한 웨어러블 디바이스의 개념도이다.
도 4는 본 발명의 특정 국면에 의한 배뇨 검출 센서를 도시하는 개념도이다.
도 5는 본 발명의 특정 국면에 의한 배뇨 모델을 개시하기 위한 프로세스를 도시하는 흐름도이다.
도 6은 본 발명의 특정 국면에 의한 예상 배뇨 시간을 업데이트하는 프로세스를 도시하는 흐름도이다.
도 7은 본 발명의 특정 국면에 의한 배뇨 모델을 업데이트하는 프로세스를 도시하는 흐름도이다.
도 8은 본 발명의 특정 국면에 의한, 기본 배뇨 모델을 생성하고 사용자 배뇨 모델을 초기화하는 프로세스를 도시하는 흐름도이다.
본 발명의 특정 국면 및 특징들은 어린이(예를 들어, 18세 미만, 5세 이상 18세 이하, 또는 2세 이상 5세 이하) 또는 노인(예를 들어, 55세 이상) 등과 관련된 배뇨 이벤트를 검출 또는 예측하기 위한 방법 뿐만 아니라 전체 시스템에 관한 것이다. 개인과 연관된 생체 인식(biometric) 데이터 및/또는 환경 데이터는 수집되어 배뇨 이벤트(예를 들어, 의도적 또는 의도하지 않은 배뇨 또는 배뇨 욕구)의 발생 또는 예상 배뇨 시간을 예측하기 위해 사용될 수 있다. 배뇨 예측 데이터는, 웨어러블 밴드 또는 사용자로부터 생체 인식 데이터를 수집하거나 사용자가 있거나 있을 수 있는 환경으로부터 환경 데이터를 수집하기 위한 임의의 다른 적절한 디바이스와 같은 웨어러블 디바이스로부터 수집될 수 있다. 원격 측정 데이터(예를 들어, 생체 인식 및/또는 환경 데이터)는 배뇨 욕구가 있는지를 판단하거나 또는 배뇨 욕구가 곧 나타날지를 예측하기 위해 저장된 데이터 및/또는 저장된 알고리즘을 사용하여 처리될 수 있다. 저장된 데이터 및/또는 저장된 알고리즘은 일반적인 예측 모델을 기반으로 할 수 있다. 경우에 따라, 저장된 데이터 및/또는 저장된 알고리즘은 미리 또는 실시간으로(예를 들어, 실시간, 대략 실시간, 신속하게, 또는 가능한 한 신속하게) 개별 사용자에게 맞춰진 사용자 정의된 예측 모델을 기반으로 할 수 있다. 배뇨 욕구를 검출하거나 배뇨 욕구가 곧 있을 것으로 판단되면, 경보 또는 경고를 제공하거나, 사용자 디바이스, 네트워크 디바이스, 및/또는 클라우드 디바이스에 신호 또는 업데이트를 제공하거나, 다른 작업을 수행하는 것과 같은 조치가 취해 질 수 있다. 수집된 원격 측정 데이터의 예는, 심박수, 체온, 피부 전도도, 움직임, 음식 섭취량, 액체 섭취량, 혈압, 수면 레벨 등을 포함한다. 패치(patch) 센서는 웨어러블 원격 측정 디바이스와 함께 또는 원격 측정 디바이스없이 사용되어 배뇨 검출 기능을 제공할 수 있다. 패치 센서는 수분 감지에 적합한 능동 또는 수동 무선 주파수 식별(RFID) 태그일 수 있다. 경우에 따라, 패치 센서는 수분 감지 회로에 연결된 블루투스 저에너지(Bluetooth low energy: BTLE) 모듈일 수 있다. 패치 센서는 근처의 허브 또는 컴퓨팅 디바이스(예를 들어, 스마트 폰)와 같은 근처의 리더(reader)에서 읽을 수 있다. RFID 기반 또는 BTLE 기반 패치 센서는 센서가 매우 작은 폼팩터를 갖게 할 수 있으므로 복잡한 회로 및/또는 배터리 전력이 거의 또는 전혀 필요하지 않다. 이러한 패치 센서의 소형 폼팩터(small form factor)는 센서가 이상적인 위치(예를 들어, 배뇨의 근원에 인접한 속옷)에 배치될 수 있게 하고, 센서가 불편 함 또는 손상의 걱정없이 착용될 수 있게 한다. 리더 또는 허브는 주기적으로 패치 센서를 읽거나 패치 센서로부터 업데이트를 수신할 수 있다. 습기가 감지되면 리더 또는 허브가 작업을 수행할 수 있다. 리더 또는 허브가 수행할 수 있는 작업은 경보 또는 경고의 전송, 사용자 디바이스, 네트워크 디바이스 및/또는 클라우드 디바이스로의 신호 또는 업데이트의 제공, 또는 기타 작업의 수행을 포함할 수 있다. 경우에 따라 패치 센서는 사용 후 버릴 수 있는, 일회용 또는 재사용 가능한 센서일 수 있다. 경우에 따라 패치는 방수가 가능하다. 경우에 따라, 패치는 배터리 전원(예를 들어, 사용자가 교체 가능하거나 사용자가 교체할 수 없음)일 수 있고 충분한 습기가 감지될 때까지 저전력 모드에서 동작할 수 있다.
소변 및 방광 기능을 제어하려면 먼저 뇌에서 방광의 완전한 신호를 인지하고 방광의 제어를 실행해야 한다. 이 기능들은 행동 제어 과정을 통해 습득될 수 있다. 본 발명의 특정 국면 및 특징은 사용자가 방광 제어를 학습하는 능력을 향상시킬 수 있다.
지능형 예고 경보 시스템이 제공하는 사전 통지(advance notice)는 개인이나 보호자에게 유뇨증에 대한 향상된 통제력을 제공하여 우발적인 배뇨를 피할 수 있다. 또한, 사전 통지는 적절한 행동 훈련을 도울 수 있어 치료 속도를 높이고 재발률을 낮출 수 있다. 패치 센서의 고유한 폼팩터는 센서가 더 쉽게 착용될 수 있게 하여 환자의 순응도를 향상시킨다. 또한, 패치 센서의 소형 폼팩터는 센서가 적절한 위치에 배치될 수 있게 하고, 실질적인 젖음이 발생하기를 기다릴 필요없이 센서가 과도한 수분의 최초 징후에서 즉각적인 피드백을 제공하게 할 수 있다. 패치 센서로 인해 이용가능한 조기 경보는 유뇨증으로 인한 피해와 당혹감을 줄이고 행동 훈련에 대한 개인의 능력을 향상시킬 수 있다. 치료 속도는 빨라지고 재발률은 감소될 수 있다.
어떤 경우에, 웨어러블 디바이스로부터의 원격 측정 데이터(예를 들어, 생체 인식 및/또는 환경 데이터)는 다른 예측 인자를 위해 추가로 분석될 수 있다. 예를 들어, 아나필락시성(anaphylactic) 쇼크, 천식 발작, 편두통, 불면증, 심장 문제, 투어렛 증후군 틱(Tourette syndrome tics), 신체의 수분 상태, 오피오이드 중독(opioid addiction), 자살 또는 우울증의 상태, 또는 수면 무호흡증과 같은 미래의 증상 또는 질환으로 고통받을 가능성을 판단하기 위해 원격 측정 데이터를 분석할 수 있다.
어떤 경우에는, 배뇨가 임박한 것과 같은 이벤트의 예측을 생성할 때 기계 학습 알고리즘과 휴리스틱(heuristic) 규칙 중 하나 또는 이들의 조합을 사용할 수 있다. 휴리스틱 규칙은 사용자에 따라(예를 들면, 사용자의 유체 섭취량, 사용자의 마지막 배뇨 이벤트, 사용자의 체중 등에 기초해서) 달라질 수 있고/있거나 일반적일 수 있다(예를 들어, 교차 사용자 데이터에 기초한 알람 사이의 전체적인 평균 시간에 기초한 예측).
본 명세서의 다양한 실시예에서 사용되는 바와 같이, 수집된 데이터는 하나 이상의 센서로부터 수집된 미가공 데이터를 포함하거나 미가공 데이터에 기초한 가공된 데이터를 포함할 수 있다. 가공된 데이터는, 데이터 수집 디바이스 또는 별개의 처리 디바이스의 프로세서와 같은 하나 이상의 프로세서를 사용하여 적절한 형식으로 처리되거나 분석될 수 있다. 어떤 경우에는, 데이터 처리 또는 분석은 주파수 및 시간 도메인뿐 아니라 다른 도메인의 데이터로의 변환을 적용하는 것을 포함할 수 있다. 어떤 경우에는, 필요에 따라 데이터를 처리하거나 분석하기 위해 웨이브렛(wavelet) 변환을 적용할 수 있다. 일 예에서, 심박수 데이터의 측정은 광 센서로부터 수집된 미가공, 아날로그 센서 데이터를 포함할 수 있다; 센서 데이터로부터 처리되고 시간에 따른 개별 펄스들을 나타내는 제1 데이터 세트; 센서 데이터 또는 상기 제1 데이터 세트로부터 처리되고 시간에 따른 평균 심박수를 나타내는 제2 데이터 세트; 및 이전 데이터 중 임의의 것으로부터 처리되고 시간에 따른 심박수 변동성(variability)을 나타내는 제3 데이터 세트.
어떤 경우에는, 데이터 수집(예를 들어, 생체 인식 데이터 수집)이 실시간으로 일어날 수 있다. 데이터는 데이터 포인트의 서브세트(subset)에 대한 데이터의 분석을 수행하기 위해 전처리 및 윈도우화될 수 있다(예를 들어, 다수의 샘플, 주기, 또는 진동과 같은 다수의 도메인 이벤트에 기초함). 어떤 경우에는, 본 명세서에 설명된 센서 또는 적합한 데이터 소스로부터의 데이터가 1, 2, 4, 8, 16, 32, 64, 128, 256, 512, 또는 다른 수의 샘플을 포함하는 임의의 적절한 샘플 크기로 수집, 분석 및/또는 다르게 처리될 수 있다.
어떤 경우에는, 사용자 또는 보호자는 컴퓨터, 스마트폰, 전용 제어기, 또는 기타 디바이스와 같은 컴퓨팅 디바이스를 사용하여 웨어러블 원격 측정 디바이스 또는 패치 센서에 액세스하거나, 이를 제어하거나, 또는 상호 작용할 수 있다. 어떤 경우에는, 사용자가 컴퓨팅 디바이스 또는 웨어러블 디바이스를 통해, 향후의 예측을 향상시키기 위해 저장되고 사용될 수 있는 피드백을 제공할 수 있다. 이러한 피드백은 배뇨 욕구가 느껴지는 때, 배뇨 이벤트가 발생한 때(예를 들어, 부주의 또는 의도적), 예측이 정확한 때, 예측이 틀린 때, 소비된 유체의 양, 또는 임의의 다른 적절한 피드백을 포함할 수 있다.
본 발명의 특정 국면은 사용자에 의해 착용된 하나 이상의 웨어러블 디바이스를 통해 사용자의 생체 인식 데이터를 수집하는 것과, 선택적으로 허브, 웨어러블 디바이스, 로컬 모바일 컴퓨팅 디바이스, 또는 임의의 다른 디바이스를 통해 사용자에 의해 점유되거나 사용자에 근접한 공간의 환경 데이터를 수집하는 것에 관련된다. 이러한 수집된 데이터는 하나 이상의 생물학적 기능이 발생할 수 있는 예정 시간을 예측하거나 예상하는데 사용되는 생물학적 기능 모델을 생성하기 위해 시간 경과에 따라 수집될 수 있다. 예측은 오프라인이나 실시간으로 일어날 수 있다. 상기 시스템은 생물학적 기능의 발생(예를 들어, 배뇨의 발생)뿐만 아니라 생물학적 기능과 관련된 욕구(예를 들어, 소변 욕구)를 예측할 수 있다. 본원의 개시 내용은 임의의 적합한 생물학적 기능과 관련하여 사용될 수 있지만, 본 명세서는 이하에서 배뇨 이벤트의 예측과 같은 배뇨와 관련된 예측을 언급할 것이다. 배뇨 이벤트는 의도적 또는 의도하지 않은 배뇨의 발생일 수 있다.
사용자 모델은 수집된 데이터(예를 들어, 생체 인식 또는 환경 데이터)에 기초하여 생성되거나 업데이트 될 수 있다. 본 명세서에 사용된 바와 같이, 사용자 모델 또는 사용자 배뇨 모델이라는 용어는, 예를 들어 사용자 식별자(user identifier)(예를 들어, 고유 식별자)의 사용자를 통해, 상기 사용자와 연관된 배뇨를 예측하기 위한 모델을 의미할 수 있다. 따라서, 사용자 모델에 데이터를 적용하면 예측된 배뇨 시간 및/또는 배뇨 가능성이 시간의 함수로 나타날 수 있다. 사용자 모델은 다가오는 사용자 관련 배뇨 이벤트를 예측 및/또는 감지하는 데 사용될 수 있다. 사용자 모델은 현재, 과거, 및/또는 최근의(예를 들어, 지난 수 시간의 데이터와 같이 충분히 높은 정도의 예측 영향력을 갖는 과거 데이터의 서브세트) 수집된 데이터의 임의의 적절한 조합에 기초하여 그러한 예측을 할 수 있다. 예측을 하기 위해 사용자 모델에 적용된 데이터는 이전의 64, 128 또는 256 샘플로부터의 데이터, 지난 1, 5, 10, 20, 또는 30초로부터의 데이터, 또는 임의의 도메인의 이벤트로부터의 데이터와 같은 데이터의 서브세트 또는 윈도우에 적용될 수 있다. 다른 수의 샘플 및/또는 시간 프레임이 사용될 수 있다. 예측을 하면, 사용자, 보호자 또는 디바이스(예를 들어, 허브, 컴퓨팅 디바이스, 컴퓨터, 또는 서버) 등의 임의의 조합에 대하여 실시간으로, 동적으로 경고 및/또는 통지를 제공할 수 있다. 특히, 시스템은 시간 경과에 따라 사용자 생체 인식 및 환경 데이터를 수집하기 위한, 상기 수집된 데이터에 기초하여 사용자의 생리학적 상태(예를 들어, 보류중인 배뇨)를 모델링하기 위한, 사용자의 생리학적 상태와 관련된 미래의 이벤트의 추정(예를 들어, 사용자의 배뇨 이벤트가 일어날 것임을 예측가능한 특정 시간 윈도우 세트)을 추론하기 위한, 태블릿, 스마트워치(smartwatch) 또는 보호자와 연관된 다른 컴퓨팅 디바이스를 통해서와 같이 사용자 및/또는 사용자의 보호자(예를 들어, 부모, 조부모, 또는 베이비시터)에게 이러한 추정을 선제적으로 제공하기 위한, 그리고, 빛, 사운드, 진동, 온도 변화 또는 다른 자극과 같은 자극을 직접적으로 또는 간접적으로 사용자에게 제공함으로써 사용자에게 선제적으로 영향을 주기 위한 다양한 방법 및 기술을 구현하기 위해 협력하는 다양한 하드웨어 및 소프트웨어 요소를 통합할 수 있다.
시스템은 사용자 데이터 및 사용자 관련 환경 데이터를 저장하는 외부 서버(예를 들어, 애플리케이션 서버)를 포함할 수 있다. 이러한 데이터는, 예를 들어, 고유한 사용자 식별자 등을 통해 사용자에게 할당된 계정과 연관될 수 있다. 시스템은 다양한 사용자 생체 정보(예를 들어, 심장 박동수, 움직임 또는 본 명세서에 언급된 다른 생체 인식 데이터)를 측정할 수 있는 다양한 센서와, 예를 들어, 사용자 계정과 연관된 허브 또는 외부 컴퓨팅 디바이스(예를 들어, 사용자 또는 보호자의 스마트폰 또는 태블릿)를 통해서 사용자의 계정(예를 들어, 상기 애플리케이션 서버에 연결된 원격 데이터베이스 내의)으로 이러한 생체 인식 데이터를 업로드하는 무선 송신기를 통합한 하나 이상의 웨어러블 디바이스를 포함할 수 있다. 시스템은 또한 환경 조건(예를 들어, 온도, 습도, 광도, 및 소음 레벨)을 감지하는 다양한 센서와, 예를 들어, 로컬 Wi-Fi 라우터 또는 다른 네트워크 연결을 통해, 수집된 환경 조건 데이터를 하나 이상의 사용자 계정에 업로드하기 위한 무선 송신기를 통합할 수 있는 허브를 포함할 수 있다. 애플리케이션 서버는 수신된 생체 인식 및 환경 조건 데이터를 사용자와 연관된 현재의 배뇨 모델에 적용하여 사용자의 배뇨 이벤트가 일어날 수 있는 특정 시간 윈도우와 같은 사용자 배뇨 모델에 대한 업데이트에 대한 예측을 결정하고 출력할 수 있다. 애플리케이션 서버는 또한 수신된 생체 인식 및 환경 조건 데이터를 시간에 따라 저장할 수 있고, 새로운 사용자 관련 데이터가 수집되고 수신될 때 새로운 배뇨 모델을 생성하거나 시간에 따라 사용자에 특정한 기존의 사용자 특정 배뇨 모델을 업데이트(예를 들어, 재 트레이닝(retrain))할 수 있다. 어떤 경우에는, 허브 및/또는 사용자의 계정에 연결된 컴퓨팅 디바이스에서 실행되는 허브 및/또는 네이티브 애플리케이션이, 예를 들어, 애플리케이션 서버와의 접속이 일시적으로 이용 불가능할 때, 혹은 애플리케이션 서버가 필요없이, 본 명세서에 개시된 방법 및 기술을 실행할 수 있다.
시스템은 사용자 집단 또는 다른 집단의 사용자들로부터 시간 경과에 따라 수집된 과거 데이터에 기초하여 상기 사용자 집단에 의해 사용이 가능하고(예를 들어, 초기 사용 또는 계속된 사용) 상기 사용자 집단에 통용되는 집단 배뇨 모델(예를 들어, 기준(baseline) 배뇨 모델)을 더욱 생성할 수 있다. 어떤 경우에는, 사용자가 기준 배뇨 모델을 생성하는데 도움이 되는 데이터(예를 들어, 수집된 생체 인식 및/또는 환경 데이터, 자발적 및/또는 비자발적 피드백, 인구 통계학적 정보, 또는 기타 데이터)를 제공하고 이에 참여할 수 있다. 기준 배뇨 모델은 특정 사용자에게 적용되어 해당 사용자와 관련된 미래의 배뇨 이벤트를 예측할 수 있다. 예를 들어, 사용자의 계정이 처음 활성화 될 때와 같이 사용자에 특정한 충분한 데이터(예들 들어, 생체 인식 또는 환경)가 현재 사용 가능하지 않거나 현존하지 않으면, 시스템의 첫 번째 사용 중에 상기 사용자의 장래의 배뇨 시간 윈도우의 대략적인 예측이 가능하도록 기준 배뇨 모델을 상기 사용자에게 적용할 수 있다. 이 예에서, 시스템 사용 첫 주 후에와 같이 충분한 데이터 집합이 해당 사용자로부터 수집되면, 시스템은 수집된 데이터에 기초하여 새로운 사용자 특정 배뇨 모델을 생성할 수 있다.
어떤 경우에, 특정 사용자에 대한 배뇨 사건의 예측은 기준 배뇨 모델 및 사용자 배뇨 모델과 같은 여러 모델을 사용할 수 있다. 전이 학습(transfer learning)은 새로운 사용자 또는 기존 사용자의 배뇨 이벤트의 예측을 향상시키는데 활용 될 수 있다. 경우에 따라, 배뇨 이벤트를 예측하기 위해 하나 이상의 기준 배뇨 모델 및 사용자 배뇨 모델과 같은 여러 모델을 적용할 때 각 모델에 개별 가중치를 적용할 수 있다. 신규 사용자의 경우, 기준 배뇨 모델이 초기에 높은 가중치를 갖는 반면 사용자 배뇨 모델은 가중치가 높지 않을 수 있다. 그러나, 사용자와 연관된 더 많은 데이터가 수신됨에 따라, 사용자 배뇨 모델을 트레이닝시킬 수 있고, 사용자 배뇨 모델의 가중치가 증가하는 한편 기준 배뇨 모델의 가중치가 너무 크지 않도록 가중 인자가 변화될 수 있다. 어떤 경우에는, 상이한 하위 사용자 집단들에 대해 다수의 기준 배뇨 모델이 존재할 수 있는 경우, 개별 사용자의 배뇨 이벤트의 예측은 해당 사용자가 속하는 하위 집단과 연관된 다수의 하위 집단 기준 배뇨 모델을 사용하는 것을 포함할 수 있고, 이러한 다수의 기준 배뇨 모델은 해당 개인이 속하거나 각 하위 집단에 들어 맞는 정도에 대응하는 가중치와 같은 서로 다른 가중치를 가질 수 있다.
시스템의 구성 요소는 하나 이상의 컴퓨터 네트워크, 컴퓨터 시스템, 애플리케이션 서버, 또는 다른 적절한 디바이스 상에 구현될 수 있다. 컴퓨터 시스템은 하나 이상의 클라우드 기반 컴퓨터, 하나 이상의 메인 프레임 컴퓨터 시스템, 하나 이상의 그리드 기반 컴퓨터 시스템, 또는 임의의 다른 적합한 컴퓨터 시스템을 포함할 수 있다. 상기 컴퓨터 시스템은, 예를 들어, 웨어러블 디바이스 및/또는 허브로부터의, 본 명세서에 기술된 것과 같은 데이터의 수집, 수집된 데이터의 처리, 및 사용자의 계정에 연결된 또는 연관된 하나 이상의 디바이스로의 경고, 통지, 자극 및/또는 유저 인터페이스 업데이트의 전송을 지원할 수 있다. 예를 들어, 컴퓨터 시스템은 사용자의 생체 인식 데이터를 수신하고, 예를 들어, 셀룰러 네트워크 또는 인터넷 연결을 통해서와 같이, 분산 네트워크를 통해 경고 및 통지를 배포할 수 있다. 이 예에서, 컴퓨터 시스템은 사용자 또는 보호자의 컴퓨팅 디바이스(예를 들어, 스마트폰, 태블릿, 컴퓨터 또는 다른 적절한 디바이스) 상에서 실행되는 네이티브(native) 사용자 모니터링 애플리케이션에 경고 및 통지를 전송할 수 있다. 본 명세서에서 경고 및 통지는 상태 업데이트, 코맨드(command), 정보 또는 임의의 적절한 신호를 포함할 수 있다.
어떤 경우에는, 랩탑 컴퓨터, 데스크탑 컴퓨터, 태블릿, 스마트폰, 개인 휴대 정보 단말기(PDA), 또는 다른 적합한 디바이스와 같은 시스템(예를 들어, 사용자의 계정과 연관된)과 연관된 하나 이상의 컴퓨팅 디바이스가, 사용자의 계정과 관련된 정보를 유지관리하고, 계정과 연관된 사용자 특정 생리학적 모델을 생성하고 유지관리하며, 경고 및 통지를 생성, 수신 및/또는 디스플레이하고 그리고/또는 사용자 또는 보호자에게 제시하기 위한 생리학적 상태 변화 예측을 업데이트하기 위해 모니터링 애플리케이션을 실행할 수 있다.
일 예에서, 시스템은 사용자의 수면 기간 동안 사용자 근처의 환경 조건 및 사용자의 생체 인식 데이터(예를 들어, 심박수, 움직임, 수면 품질, 등)를 추적할 수 있다. 시스템은 사용자와 연관된 수집된 생체 인식 및/또는 환경 데이터에 기초하여 사용자에 대해 특별히 할당되거나 생성된 배뇨 모델을 동적으로, 실시간으로 처리하여, 자고 있는 동안 사용자가 배뇨를 할 가능성이 있는 예측 시간을 추측 및/또는 수정할 수 있다. 어떤 경우에는, 시스템이 사용자가 배뇨를 할 추정되고 수정된 예측 시간에 따라 사용자 또는 보호자의 컴퓨팅 디바이스 상에 렌더링된 시각적 인터페이스를 동적으로, 실시간으로 업데이트할 수 있다. 어떤 경우에는, 시스템이 예측된 배뇨 이벤트의 직전에, 예를 들어, 사용자 또는 보호자의 환경에서 빛을 증가시킴으로써(예를 들어, 램프를 켜거나 램프의 밝기를 높이거나 혹은 자동 블라인드를 개방함으로써), 사용자 또는 보호자 환경에서 사운드(예를 들어, 알람 또는 기타 파형)를 발생시킴으로써, 또는 사용자 또는 보호자에게 진동을 발생시킴으로써(예를 들어, 웨어러블 디바이스를 진동시키고, 의자 또는 침대를 진동시키고, 또는 사용자 또는 보호자와 신체 접촉한 구조물을 진동시킴으로써), 사용자 및/또는 보호자에게 추가적으로 또는 선택적으로 자극을 제공할 수 있다.
이 기능을 일관성있게 또는 정기적으로 수행하고, 본 명세서에 개시된 배뇨 검출 센서를 통한 배뇨 검출을 포함할 수 있는 수집된 생체 인식 및/또는 환경 데이터에 기초하여 사용자 특정 배뇨 모델을 동적으로 업데이트함으로써, 시스템은 야간 유뇨증(야간의 소아과 및 노인병 형태 모두)의 신뢰성 있고 효과적인 교정 또는 치료를 제공할 수 있다. 시스템의 주기적 또는 일회 사용도 도움이 될 수 있다.
어떤 경우에는, 시스템은 인터넷, 애플리케이션 프로그램 서버, 또는 허브 또는 베이스 스테이션에 접속할 수 없을 때 사용자가 휴대하거나 착용하거나 사용자에 근접한 하나 이상의 디바이스를 사용하여 오프라인 모드로 작동할 수 있다. 오프라인 모드에서는 웨어러블 디바이스 및 컴퓨팅 디바이스와 같은 하나 이상의 디바이스가 독립적으로 동작하거나 또는 서로 통신하여 동작할 수 있다. 오프라인 모드에 들어가기 전에, 디바이스(예를 들어, 웨어러블 디바이스 또는 스마트폰)는 애플리케이션 서버와 같은 현재 배뇨 모델 및/또는 예측된 배뇨 시간(들)을 획득하고 저장할 수 있다. 예를 들어, 웨어러블 밴드는 사용자가 허브의 범위 내에 있는 동안 허브를 통해 현재의 배뇨 모델 및/또는 예측된 배뇨 시간을 자동으로 다운로드(예를 들어, 정보 요청 또는 푸시 알림 수신에 의해)할 수 있다. 오프라인 모드에 있을 때, 디바이스는 저장된 모델 또는 예측(들)에 기초하여 통지, 경보, 자극 등을 제공하도록 동작할 수 있다. 어떤 경우에는, 디바이스(들)가 업데이트된 예측된 배뇨 시간(들)(예를 들어, 새로 수집된 데이터에 기초하여 변경된)을 생성하기 위해 저장된 모델 및/또는 예측(들)에 의해 처리될 수 있는 데이터를 계속 수집할 수 있다. 업데이트된 예측된 배뇨 시간(들)은 통지, 경보, 자극 등을 제공하는데 사용될 수 있다. 경우에 따라서는, 디바이스가 온라인 모드에서 작동하더라도(예를 들어, 애플리케이션 서버에 대한 접속이 가능한 경우), 디바이스는, 예를 들면, 적어도 만료 기간의 종료까지, 이용가능한 업데이트된 모델 및/또는 예측에 대한 통지가 수신될 때까지, 또는 저장된 모델 및/또는 예측 시간의 정확도가 최소 문턱값 이하인 것으로 결정될 때까지는, 대역폭 및/또는 전력을 절약하기 위해 저장된 모델 및/또는 예측(들)에 의존할 수도 있다.
어떤 경우에는, 자극을 받거나 받지 못하면, 사용자가 자발적인 피드백을 시스템에 제공할 수 있다. 웨어러블 디바이스 또는 컴퓨팅 디바이스와 같은 임의의 적합한 디바이스의 인터페이스를 사용하여 피드백을 제공할 수 있다. 예를 들어, 웨어러블 디바이스에 의해 수신된 자극은 개인이 배뇨를 필요로 하는지 또는 배뇨 욕구가 있는지를 판단하기 위해 사용자가 자가 점검을 수행하도록 신호를 준다. 사용자는 웨어러블 디바이스의 인터페이스(예를 들어, 버튼, 가속도계, 용량 센서, 또는 기타 인터페이스 소자)를 통해 배뇨의 필요성이나 욕구가 존재함으로 나타내는 긍정적 피드백 또는 그러한 필요성이나 욕구가 없음을 나타내는 부정적인 피드백과 같은 피드백을 제공할 수 있다. 다른 예에서, 사용자는 독립적으로 자가 점검을 수행하거나 독립적으로 배뇨의 필요 또는 욕구를 자각할 수 있고, 이 경우에도 사용자는 피드백을 제공할 수 있다. 다른 예에서, 사용자는 배뇨 후 웨어러블 디바이스에서 일련의 탭을 행하는 것과 같이, 배뇨 이벤트가 발생했을 때 피드백을 제공할 수 있다. 어떤 경우에는, 예를 들어, 배뇨의 필요나 욕구에 대해 사용자에게 물어보거나 배뇨 이벤트를 목격한 후에, 보호자와 같은 제 3자가(예를 들어, 스마트폰 또는 태블릿을 통해) 사용자와 연관된 자발적인 피드백을 제공할 수 있다.
경우에 따라, 비자발적 피드백이 시스템에 제공될 수 있다. 비자발적 피드백은 자동으로 수신될 수 있고(예를 들어, 피드백을 제공할 목적으로 사용자가 의도적으로 유저 인터페이스를 조작하지 않고), 예측된 이벤트(예를 들어, 예측된 배뇨 시간)의 정확성에 대한 확인 또는 확인의 정도를 제공하는 임의의 피드백일 수 있다. 비자발적 피드백은 직접적인 데이터 또는 추론(inference) 데이터의 형태를 취하거나 이를 기반으로 할 수 있다. 직접적인 데이터는 예측된 이벤트의 발생을 직접 검출하도록 설계된 디바이스의 모든 데이터를 포함할 수 있다. 예를 들어, 직접적인 데이터는 배뇨 이벤트가 발생했는지 또는 발생하지 않았는지 확인할 수 있는, 사용자의 속옷이나 사용자의 신체에 배치된 배뇨 검출 센서로부터의 데이터를 포함할 수 있다. 추론 데이터는 예측된 이벤트 발생과 높은 상관 관계가 있는 임의의 데이터일 수 있다. 예를 들어, 추론 데이터는 사용자가 욕실에 입장 및/또는 욕실에 남아 있음(예를 들어, 적어도 소정의 기간 동안)을 나타내는 사용자와 연관된 디바이스의 위치 기반 데이터, 사용자에 의해 사용되기 쉬운 소변기 또는 화장실로부터의 pH 데이터(예를 들어, 사용자의 예측된 배뇨 시간 또는 그 부근의 일정 기간과 연관된 데이터만을 포함하도록 선택적으로 필터링된 pH 데이터), 사용자가 이용할 가능성이 있는 욕실과 연관된 점유 센서 데이터(예를 들어, 사용자의 예측된 배뇨 시간 또는 그 부근의 일정 기간과 연관된 데이터만을 포함하도록 선택적으로 필터링된 점유 데이터), 또는 예측된 이벤트의 발생과 높은 상관 관계가 있는 임의의 다른 적합한 데이터의 임의의 조합을 포함할 수 있다. 어떤 경우에는, 욕실에 있거나 또는 근처에 있는 센서가 사용자와 연관된 웨어러블 디바이스의 존재를 식별하여 사용자가 화장실에 있거나 화장실을 사용하고 있다는 표시(indication)를 제공할 수 있다. 경우에 따라 시스템은 다양한 소스 또는 다양한 유형의 추론 데이터와 연관된 상관 값들을 트레이닝하는데 도움이 되도록 자발적인 피드백을 사용할 수 있다.
피드백은, 다음 예측 배뇨 시간 또는 미래의 예측 배뇨 시간들의 세트와 같은, 예측된 배뇨 시간(들)을 변경하기 위해 사용될 수 있다. 피드백은 또한, 오프라인 모드에서 웨어러블 디바이스에서 이용가능한 저장된 사용자 모델 또는 애플리케이션 서버 또는 허브에서 유지 관리되는 사용자 특정 모델과 같은, 사용자 특정 모델을 업데이트하는데 사용될 수 있다. 따라서, 피드백은 디바이스(예를 들어, 오프라인 모드로 작동하는 웨어러블 디바이스)에 의해 국지적으로(locally), 다수의 디바이스에 의해(예를 들어, 웨어러블 디바이스와 허브 또는 스마트폰 간의 통신을 통해) 국지적으로, 또는 애플리케이션 서버 또는 기타 클라우드 기반 디바이스에 의해 사용될 수 있다. 피드백 신호를 생성하는 디바이스 이외의 디바이스에 의해 사용될 때, 피드백은 피드백 신호, 모델 또는 예측된 배뇨 시간(들)을 수정하기 위한 명령, 또는 모델 또는 예측된 배뇨 시간(들)과 같은 임의의 적합한 형태로 수신될 수 있다.
어떤 경우에는, 예측된 배뇨 시간에 기초하여 자극을 개시하는 것에 대신해서 또는 그에 더하여, 사용자 내의, 사용자 상의, 또는 사용자에 인접한 하나 이상의 센서로부터 수신된 현재 센서 데이터에 기초하여 자극이 개시될 수 있다(예를 들어, 임박한 배뇨 이벤트를 나타내기 위해). 현재 센서 데이터는 임박한 배뇨 이벤트를 독립적으로 결정하는데 사용되거나, 또는 결정을 내리기 위해 모델 및/또는 예측된 배뇨 시간과 함께 사용될 수 있다. 예를 들어, 웨어러블 디바이스는 생체 인식 데이터(예를 들어, 심박수 변화 또는 피부 전도도 변화)를 검출할 수 있고 임박한 배뇨 이벤트를 나타내는 자극을 제공할 수 있다. 따라서, 시스템은 미래의 배뇨 이벤트를 예측하고 감지하기 위해 작동할 수 있다.
본 명세서에 설명하는 바와 같이, 모바일 디바이스와 같은 컴퓨팅 디바이스는 정보를 애플리케이션 서버에 통신하는 것과 관련하여 허브와 동일한 기능 중 일부 또는 전부를 수행할 수 있고, 상기 기능은 배뇨 모델을 계산하고 업데이트하는 것, 추가적인 센서 데이터를 수집하는 것, 보호자에게 이벤트, 예측된 이벤트 및 사용자가 하루 동안 어떻게 행하는지를 업데이트하고 통지하는 것을 포함한다.
이 기능을 기본적으로 일관되게 수행하고 수집된 생체 인식 및/또는 환경 데이터뿐만 아니라 자발적 및 비자발적 피드백에 기초해서 사용자 특정 배뇨 모델을 동적으로 업데이트함으로써, 시스템은 주간 유뇨증(소아 및 노인병의 형태 모두)에 대한 신뢰성있고 효과적인 교정 또는 치료법까지도 제공할 수 있다. 시스템의 주기적 또는 일회 사용도 도움이 될 수 있다. 경우에 따라 시스템은 유아용 변기 훈련과 같은 방광 제어 훈련 솔루션으로서도 작동할 수 있다.
경우에 따라, 생체 인식 데이터에는 방광이 얼마나 꽉 차는 지와 같은 방광 내용물의 측정을 포함할 수 있다. 그러나, 어떤 경우에는, 생체 인식 데이터는 방광 측정 이외의 다양한 유형의 생체 인식 데이터를 포함할 수 있다. 그러한 경우에, 방광을 직접 측정할 필요없이(예를 들어, 방광이 가득참을 측정하지 않고) 예측이 생성될 수 있다.
어떤 경우에, 본 명세서에 개시된 시스템은 사용자 및/또는 보호자를 식별하기 위해 계정을 이용할 수 있다. 경우에 따라, 계정 시스템은 추가 계정 설정, 사용자 정의 설정 제어, 디바이스 액세스 제어, 구매 및 기타 기능 수행에 대한 액세스 권한이 있는 관리 계정을 포함할 수 있다. 관리 계정은 생체 인식 데이터 또는 환경 데이터와 연관되지 않도록 설정될 수 있지만, 주로 관리 기능을 수행하는데 사용될 수 있다. 경우에 따라 관리 계정은 하나 이상의 사용자 계정과 연관된 데이터 및/또는 디바이스에 액세스하고 이를 조작할 수 있다. 관리 계정은 보호자에게 적합할 수 있다. 경우에 따라서는, 관리 계정을 사용하지 않고 사용자 계정별로 관리 기능을 수행할 수도 있다.
배뇨 예측을 위해 모니터될 각 사용자에 대해 사용자 계정을 설정할 수 있다. 사용자 계정은 허브, 웨어러블 디바이스, 배뇨 센서, 제어가능한 장치(예를 들어, 광원(light source)), 제어가능한 사운드 소스, 및 기타 디바이스와 연관될 수 있다. 임의의 연관된 컴포넌트로부터 수집된 데이터는 (예를 들어, 사용자 식별자를 사용하여) 사용자와 연관될 수 있다. 애플리케이션 서버는 데이터와 사용자 간의 연관성을 이용하여 특정 사용자에게 데이터를 추적하고 데이터를 원하는 대로 처리할 수 있도록 보장할 수 있다(예를 들어, 사용자 특정 모델을 생성하거나 업데이트). 사용자는 사용자의 일생 동안 다양한 컴포넌트를 연관시킬 수 있지만(예를 들어, 여러 대의 웨어러블 디바이스를 사용하거나 디바이스를 교체할 수 있음), 연관된 디바이스에 의해 생성된 데이터는(예를 들어, 디바이스가 사용자와 연관되어 있는 동안) 계속해서 해당 사용자와 연관될 수 있다. 특정 사용자와 연관된 컴포넌트의 이력이 유지 관리될 수 있다. 경우에 따라 사용자 계정은 관리자 계정과 관련하여 위에서 설명한 다양한 관리 기능을 수행할 수 있다.
예를 들어 두 명의 사용자가 있는 보호자(예를 들어, 두 명의 자녀가 있는 학부모)는 보호자를 위한 관리 계정과 두 개의 사용자 계정(각 사용자마다 하나씩)을 설정할 수 있다. 보호자는 디바이스를 획득하고 각 디바이스를 각 사용자와 연관시킬 수 있다. 경우에 따라, 단일 디바이스(예를 들어, 허브)가 다수의 사용자와 연관될 수 있다. 다른 예에서, 한 개인이 당해 개인을 위해 사용자 계정과 관리 계정을 둘 다 설정할 수 있다. 또 다른 예에서, 한 개인이 해당 개인에 대한 관리 권한을 가진 사용자 계정을 설정할 수 있다.
어떤 경우에는, 모바일 디바이스(예를 들어, 스마트폰 또는 태블릿)와 같은 컴퓨팅 디바이스를 사용하여 관리 계정 또는 사용자 계정과 연관된 일부, 대부분 또는 모든 작업을 수행할 수 있다. 컴퓨팅 디바이스는 사용자가 웨어러블 디바이스 및 애플리케이션 서버와 같은, 시스템의 임의의 디바이스와 인터페이스할 수 있게 하는 애플리케이션(예를 들어, 웹 애플리케이션 또는 네이티브 애플리케이션)을 실행할 수 있다. 어떤 경우에는, 애플리케이션이 예측된 배뇨 이벤트, 임박한 배뇨 이벤트, 실제 이벤트, 및 다른 데이터와 같은 다양한 정보를 사용자 또는 보호자에게 제공할 수 있다. 애플리케이션은, 예를 들어, 사용자가 자가 검사를 수행해야 하는 시기 또는 보호자가 사용자를 검사해야 하는 시기를 나타내기 위해 다양한 자극을 생성할 수 있다. 애플리케이션은 미처리 또는 처리된 데이터의 시각화를 가능하게 할 수 있을 뿐 아니라 디바이스 특정 데이터 및/또는 설정에 액세스하고 이를 조작하는 것을 가능하게 할 수 있다. 애플리케이션은 이력 데이터, 현재 데이터 및 예상 데이터를 저장 및/또는 시각화할 수 있다. 경우에 따라서는, 애플리케이션이 사용자의 데이터를 다른 사용자의 데이터(예를 들어, 동일한 보호자 집단이 돌보는 다른 사용자 또는 임의의 다른 사용자의 익명화된 데이터)와 비교할 수 있다. 또한 애플리케이션은 상기 시스템으로 더 나은 결과를 얻기 위해 사용자나 보호자에게 피드백, 팁 및/또는 정보를 제공하는 가상 코치 또는 조수를 포함할 수 있다. 애플리케이션의 이러한 다양한 기능은 컴퓨터 및 특정 목적의 디바이스(예를 들어, 이러한 향상된 기능을 갖춘 웨어러블 디바이스 또는 허브)와 같은 적절한 디바이스를 통해 액세스할 수 있는 네이티브 애플리케이션 또는 웹 애플리케이션에 통합될 수 있다.
본 발명의 특정 국면은 현재 비약물 기반 치료보다 유뇨증을 처치하고 치료하는데 훨씬 더 효과적이라는 것이 판명되었다. 예를 들어, 본원발명의 특정 국면을 이용한 소아 유뇨증의 평균 사용자 치료율은 현재의 비약물 기반 치료법보다 2배 높다.
이러한 예시들은 본 명세서에서 논의된 일반적인 주제를 독자에게 소개하기 위해 제공되며 개시된 개념의 범위를 제한하려는 것은 아니다. 이하의 섹션들은 도면을 참조하여 다양한 부가적인 특징 및 예를 설명하고, 도면에서 동일한 도면 부호는 동일한 구성요소를 나타내며, 방향성을 갖는 설명은 예시적인 실시예를 설명하기 위해 사용되지만 예시적인 실시예와 마찬가지로 본원 명세서의 개시 내용을 제한하는데 사용되어서는 안 된다. 본 명세서의 예시에 포함된 구성요소들은 일정한 비율로 도시되지는 않는다.
도 1은 본 발명의 특정 국면에 의한 배뇨 검출 및 예측 생태계(100)를 도시하는 개념도이다. 생태계(100)는 웨어러블 디바이스(102), 배뇨 검출 센서(104), 허브(106), 네트워크 제어가능한 기기(116), 컴퓨팅 디바이스(110), 애플리케이션 서버(112), 및 임의의 다른 적합한 디바이스(예를 들어, 개인 또는 환경을 모니터링하는 다른 센서)와 같은 임의의 수의 네트워킹된 디바이스들을 포함할 수 있다. 상기 네트워킹된 디바이스들은 직접적으로 서로 연결되거나, 근거리 통신망에 연결되거나, 하나 이상의 근거리 통신망을 포함하는 논리적 네트워크에 연결되거나, 그리고/또는 클라우드와 같은 인터넷에 연결될 수 있다. 상기 네트워킹된 디바이스는 본 명세서에 개시된 다양한 국면을 달성하기 위해 서로 또는 클라우드 서버(예를 들어, 애플리케이션 서버(112))로부터 또는 해당 서버로 전송할 수 있다. 애플리케이션 서버(112)는 단일 컴퓨팅 디바이스 또는 서로 통신하는 다수의 컴퓨팅 디바이스(예컨대, 그리드 컴퓨팅 환경)일 수 있다. 어떤 경우에는, 근거리 통신망 내의 디바이스가 게이트웨이(114) 또는 라우터를 통해 서로 및/또는 클라우드와 통신할 수 있다.
일 예에서, 웨어러블 디바이스(102)는 웨어러블 디바이스(예를 들어, 손목 밴드, 시계, 또는 패치)와 같이 사용자로부터 생체 인식 데이터를 수집하기에 적합한 디바이스일 수 있다. 생체 인식 데이터는 개인과 관련된 데이터를 포함할 수 있다. 어떤 경우에는, 생체 인식 데이터가 사용자의 환경과 관련된 데이터를 더 포함할 수 있다. 수집가능한 생체 인식 데이터의 예는 심박수, 움직임, 주변 온도, 체온, 혈액 산소 공급, 피부 전도도, 혈압, 심전도 데이터, 뇌파도(electroencephalogram) 데이터, 근전도(electromyographic) 데이터, 호흡 수, 수면 품질, 수면의 깊이, 편안함, 또는 심박수 변동성 데이터를 포함할 수 있다. 어떤 경우에는, 수집가능한 생체 인식 데이터가 배뇨 이벤트, 배뇨 욕구, 배뇨 이벤트의 부족, 또는 배뇨 욕구의 부족 등을 나타내기 위한 웨어러블 디바이스의 버튼 누름과 같은 사용자 입력을 포함할 수 있다. 다른 유형의 생체 인식 데이터를 수집할 수 있다. 어떤 경우에는, 생체 인식 데이터가 웨어러블 디바이스(102) 상에 위치되거나, 내장되거나, 그렇지 않으면 물리적으로 연관된 센서를 사용하여 수집될 수 있다. 어떤 경우에는, 웨어러블 디바이스(102) 또는 다른 네트워크 디바이스와의 연속적인, 간헐적인, 또는 요구에 따른(on-demand) 통신을 하는 외부 센서가 생태계(100) 또는 생태계(100)의 임의의 디바이스에 의한 사용을 위해 생체 인식 데이터를 수집할 수 있다. 일 예에서는, 웨어러블 디바이스(102)(예를 들어, 손목 밴드), 허브(106)를 통한 배뇨 검출 센서(104), 허브(106) 내의 광 센서 및 사운드 센서, 네트워크 접속된 저울(도시되지 않음) 및 스마트폰(예컨대, 컴퓨팅 디바이스(110))을 통한 스마트폰과 연결된 혈압 모니터(도시되지 않음)를 포함하는 일군의 디바이스로부터 생체 인식 데이터가 수집될 수 있다.
본원발명의 다양한 국면은 생태계(100) 내의 임의의 적절한 디바이스에 의해 수행될 수 있지만, 어떤 경우에는 많은 양의 데이터 처리가 클라우드를 통해 액세스가능한(예를 들어, 임의의 표준 인터넷 접속을 통해 액세스가능한) 애플리케이션 서버(112)에 의해 수행될 수 있다. 다양한 센서들 및 디바이스들에 의해 수집된 생체 인식 데이터는 사용자 모델에 기초하여 예상 배뇨 시간을 예측하는 처리를 위해 애플리케이션 서버(112)에 업로드될 수 있다. 데이터, 예상 배뇨 시간, 및 사용자 모델은 모두 생체 인식 데이터가 수집되고 예상 배뇨 시간이 적용되는 개인을 나타내는 사용자 식별자와 연관될 수 있다. 배뇨를 예측하기 위한 개인의 사용자 모델은 초기에, 다른 사용자, 기존 모델, 이들의 임의의 조합, 또는 다른 소스로부터의 기존의 종합 데이터를 사용하여 채워질 수 있다. 개인의 사용자 모델은 초기에, 사용자 입력 및/또는 사용자와 연관된 수집된 생체 인식 데이터와 관련하여 또는 그와 상관없이 채워질 수 있다.
일 예에서, 사용자는 웨어러블 디바이스(102) 및 배뇨 검출 센서(104)를 착용하고 잠들 수 있다. 생체 인식 데이터는 웨어러블 디바이스(102)에 의해 수집될 수 있고 처리를 위해 애플리케이션 서버(112)에 연속적으로 또는 주기적으로 업로드될 수 있다. 애플리케이션 서버(112)는 애플리케이션 서버(112)에 저장된 사용자의 모델에 기초하여 배뇨 이벤트가 일어날 것으로 예상되는 시기를 결정할 수 있다(예를 들어, 배뇨 이벤트의 가능성이 최소 문턱값을 초과하는 시점을 결정함으로써). 예상 배뇨 시간이 결정되면 애플리케이션 서버(112)는 예상 배뇨 시간을 웨어러블 디바이스(102) 및/또는 보호자의 컴퓨팅 디바이스(110)에 송신할 수 있다. 어떤 경우에는, 애플리케이션 서버(112)가 예상 배뇨 시간 전에 소정의 간격(예를 들어, 15분, 10분, 5분, 2분, 1분, 30초, 또는 임의의 다른 적절한 시간 프레임)까지 대기한 다음 업데이트 또는 경고를 전송할 수 있다. 경우에 따라, 업데이트 또는 경고가 잡음, 진동, 디스플레이, 또는 다른 식별가능한 자극과 같은 웨어러블 디바이스(102) 상의 자극을 유발할 수 있다. 상기 자극은 임박한 배뇨 이벤트를 사용자에게 알릴 수 있다. 경우에 따라, 업데이트 또는 경고는 네트워크 제어가능한 기기(116)(예를 들어, 제어가능한 전구)가 소정 기능을 수행하게 할 수 있고, 상기 소정 기능은, 예를 들어, 제어가능한 전구를 활성화 및/또는 원하는 컬러 또는 강도로 변경하는 것 또는 네트워크 제어가능한 음원(sound source)(108)(예를 들어, 스피커)이 음악 파일 또는 임의의 적절한 사운드와 같은 청각 자극을 제공하게 하는 것을 포함한다. 경우에 따라, 업데이트 또는 경고는 컴퓨팅 디바이스(110)(예를 들어, 보호자의 컴퓨팅 디바이스 또는 사용자의 컴퓨팅 디바이스)로 하여금 잡음, 진동, 디스플레이, 또는 다른 식별가능한 자극과 같은 자극을 일으키게 하여 보호자 또는 사용자에게 임박한 배뇨 이벤트를 경고할 수 있다. 어떤 경우에는, 애플리케이션 서버(112)가 예상 배뇨 시간을 결정하고 웨어러블 디바이스(102)에 상기 예상 배뇨 시간을 전송할 때, 웨어러블 디바이스(102)는 현재의 생체 인식 데이터를 계속 모니터링하고 현재의 생체 인식 데이터에 따라 예상 배뇨 시간을 동적으로 업데이트할 수 있다. 또한, 의도하지 않은 배뇨 이벤트가 발생할 때, 배뇨 검출 센서(104)는 허브(106) 또는 웨어러블 디바이스(102)와 같은 다른 네트워크 디바이스에 의해 액세스가능한 배뇨 발생 피드백을 제공할 수 있다. 어떤 경우에는, RFID 기반 또는 BTLE 기반 배뇨 검출 센서(104)가 배뇨 발생 피드백을 애플리케이션 서버(112)와 같은 다른 디바이스로 중계할 수 있는 허브에 의해 판독될 수 있다. 애플리케이션 서버(112)는 선택적으로 수집된 및/또는 현재의 생체 인식 데이터와 함께, 배뇨 발생 피드백을 사용하여 애플리케이션 서버(112)에 저장된 사용자 모델을 개선할 수 있다.
사용자 또는 보호자는 생태계(100)를 통해 예상 배뇨 시간에 대한 현재, 미래, 또는 과거 예측, 과거의 배뇨 이벤트(예를 들어, 수동으로 입력된 것 뿐만 아니라 검출된 것), 과거 및 현재의 생체 인식 데이터, 및 다른 정보에 액세스할 수 있다. 스마트폰, 스마트 워치, 랩톱 컴퓨터, 데스크톱 컴퓨터, 웨어러블 디바이스(102), 또는 다른 디바이스와 같은 임의의 적합한 컴퓨팅 디바이스를 통해 이러한 정보에 액세스할 수 있다. 상기 정보는 애플리케이션 서버(112)로부터 액세스될 수 있거나 하나 이상의 로컬 디바이스에 의해 국지적으로 저장될 수 있다. 경우에 따라, 예상 배뇨 시간의 예측은 사용자 또는 보호자의 컴퓨팅 디바이스(110)(예를 들어, 스마트폰)에 의해 이용될 수 있고 컴퓨팅 디바이스(110) 상에서 실행되는 다른 애플리케이션과 공유되거나 그에 통합될 수 있다. 예를 들어, 예상 배뇨 시간의 예측은 달력 애플리케이션에 자동으로 포함되어 유뇨증을 앓고 있는 개인이나 보호자가 장래의 약속이나 여행을 계획하는데 도움을 줄 수 있다. 예상 배뇨 시간의 예측은 또한 애플리케이션 프로그래밍 인터페이스(API)를 이용하여 애플리케이션 서버(112)를 통해 제3자 소프트웨어에 이용가능하게 될 수 있다.
애플리케이션 서버(112)에 의해 수행가능한 동작들은 하나의 외부 또는 내부 서버 또는 외부 또는 내부 서버의 클러스터 또는 그룹을 포함하는 생태계(100)의 임의의 디바이스에 의해 수행될 수 있음을 이해할 수 있다.
어떤 경우에는, 네트워크 제어가능한 기기(116)가 제어가능한 광원을 포함 할 수 있다. 허브(106) 또는 컴퓨팅 디바이스(110)는 임의의 적합한 통신 프로토콜(예를 들어, WiFi 또는 BTLE)을 사용하여 광원을 제어할 수 있다. 생태계(100)의 임의의 디바이스로부터 발생하는 경고, 통지, 또는 다른 신호는 네트워크 제어가능 기기(116)를 제어하기 위해 (예를 들어, 허브(106) 또는 컴퓨팅 디바이스(110)에 의해) 사용될 수 있다. 어떤 경우에는, 네트워크 제어가능 기기(116)가 허브(106) 또는 컴퓨팅 디바이스(110)를 필요로 하지 않고 애플리케이션 서버(112)와 통신할 수 있다.
일 예로서, 광원은 예측된 배뇨 이벤트와 연관된 시간에 환경에서 주변 빛을 상승시키도록 제어될 수 있다. 이러한 환경의 조명은 여러가지 목적을 달성할 수 있는데, 여기에는 수면중인 사용자를 깨워서 배뇨가 필요한지 혹은 배뇨 욕구가 있는지에 대한 의도적인 자가 점검을 유도하는 것, 깨어있는 사용자에게 자가 점검을 행하도록 유도하는 것, 사용자에게 주의를 기울이도록 보호자를 유도하거나 깨우는 것, 및 사용자를 검사하거나 사용자에게 주의를 기울이도록 보호자에게 충분한 주변 광을 제공하는 것이 포함된다. 예를 들어, 한밤중에 잠재적으로 임박한 배뇨 이벤트와 연관된 사용자를 확인하려 할 때 방에 이미 조명이 켜져 있는 것은 보호자의 의무를 용이하게 할 수 있다. 또한, 시스템에 의한 환경의 자동 조명은 신호가 적절하게 기능하고 있음을 나타내는 피드백을 제공할 수 있다. 경우에 따라서는, 경고가 예측된, 임박한, 또는 이전에 발생한 배뇨 이벤트에 속하는지 여부와 같은 추가 정보를 전달하기 위해 광원을 변조하거나 추가로 제어할 수 있다(예를 들어, 정의된 광 레벨 또는 컬러로).
어떤 경우에는, 네트워크 제어가능한 기기(116)가 어떻게 제어되는지와 유사하게 네트워크 제어가능한 음원(108)이 제어될 수 있다. 예를 들어, 시스템은 네트워크 제어가능한 음원(108)을 제어하여 잡음, 음악, 음성, 또는 다른 사운드와 같은 청각 자극을 생성할 수 있다. 경우에 따라, 청각 자극은 이벤트의 유형(예를 들어, 예측된, 임박한, 또는 이전에 발생한)과 관련된 정보 및 임의의 다른 정보와 같은 추가 정보를 제공할 수 있다. 정보는 연관된 사운드, 저장된 사운드 파일(예를 들어, 저장된 음성 사운드), 또는 동적으로 생성된 음성 사운드를 통해 제공될 수 있다.
어떤 경우에는, 예측과 관계없이 잠자는 개인을 깨우는 알람으로서 시스템을 사용할 수 있다. 이러한 알람은 네트워크 제어가능한 음원(108) 또는 임의의 적합한 네트워크 제어가능한 기기(116)를 이용할 수 있다. 이러한 알람은 저장된 시간(예를 들어, 사용자가 깨어날 시간을 설정), 저장된 기간(예를 들어, 수면 시간을 설정하는 사용자의 타이머 설정), 생체 인식 데이터(예를 들어, 가벼운 수면이 감지된 때에 알람을 생성), 환경 데이터(예를 들어, 충분한 광 레벨이 감지되면 알람을 생성), 기타 다른 규칙 또는 데이터, 또는 이들의 임의의 조합에 기초할 수 있다.
어떤 경우에는, 애플리케이션 서버(112)가 임의의 수의 물리적 또는 가상 서버, 로드 밸런서, 방화벽, 네트워킹 컴포넌트(예를 들어, 스위치), 데이터 저장 서버, 및 기타 범용 컴퓨팅 장비를 포함할 수 있다. 애플리케이션 서버(112)는, 사용자 또는 보호자에 의해 자가 호스팅되거나, 애플리케이션 서버(112)를 운영하는 회사에 의해 호스팅되고 생태계(100)와 직접 연관되거나, 또는 애플리케이션 서버(112)와 연관된 장비를 유지보수하지만 생태계(100)와 직접적으로 연관되지는 않는 제3자 솔루션(예를 들어, Google CloudTM 또는 Microsoft AzureTM)에 의해 호스팅될 수 있다.
애플리케이션 서버(112)는 데이터 저장소(118)를 포함할 수 있다. 데이터 저장소(118)는 프로그램 정보, 저장된 생체 인식 데이터, 저장된 환경 데이터, 저장된 일반 모델, 저장된 사용자 특정 모델, 집단(예를 들어, 기준) 모델, 알고리즘, 사용자 정보, 디바이스 정보, 암호화 키, 및 생태계(100) 또는 본 발명의 다른 국면을 동작시키는데 필요한 임의의 다른 데이터를 포함한다. 애플리케이션 서버(112)는 개별 사용자와 연관된, 사용자 그룹(예를 들어, 단일 보호자 또는 보호자 그룹과 연관된 사용자 그룹)과 연관된, 모집단(예를 들어, 유사한 특성을 공유하는 사용자 그룹)과 연관된, 또는 사용자들의 전체 코퍼스(corpus)(예를 들어, 애플리케이션 서버(112)에 이용가능한 모든 사용자 데이터)와 연관된 데이터를 처리 할 수 있다.
애플리케이션 서버(112)는 최적의 모델을 선택하고 모델을 업데이트하기 위한 다양한 머신러닝 알고리즘 및 기술을 사용할 수 있다. 애플리케이션 서버(112)는 지도 학습 모델 (supervised learning model) 상에서 동작하여, 수집된 데이터가 예측 능력을 더욱 향상시키는데 사용될 수 있게 한다. 예를 들어, 애플리케이션 서버(112)는 생체 인식 데이터, 환경 데이터, 자발적 피드백, 및 비자발적 피드백을 포함하는, 사용자와 연관된 데이터를 수신할 수 있다. 데이터는 (예를 들어, 실제 시간 또는 상대 시간에 기초하여) 타임 스탬프(time stamp)되거나 타이밍 상관관계(correlation)에 대해 분석될 수 있다. 따라서, 애플리케이션 서버(112)는 그것이 예측하려고 하는 실제 분류(예를 들어, 실제 배뇨 이벤트의 피드백) 및 예측 데이터(예를 들어, 예측을 생성하기 위해 애플리케이션 서버(112)에 의해 사용되는 데이터)에 액세스할 수 있다. 그러므로, 애플리케이션 서버(112)는 모델 정확도를 최적화하기 위해 모델을 생성 및/또는 업데이트하기 위해 예측 데이터 및 분류를 다양한 머신러닝 기술에 적용할 수 있다. 어떤 경우에는, 머신러닝 기술을 사용하여 예측 속도 및/또는 다른 변수를 최적화할 수 있다. 지도 학습 동작은 데이터의 도착에 의해 트리거되거나, 특정 시간 간격으로 실행되거나, 또는 달리 개시될 수 있다(예를 들어, 애플리케이션 서버(112) 상의 요구가 낮거나 문턱값 이하일 때 자동으로 실행됨). 또한, 애플리케이션 서버(112)는 표준 애플리케이션(예를 들어, 보안된 또는 보안되지 않은 하이퍼텍스트 전송 프로토콜을 통해 도달가능한 웹 애플리케이션)을 호스팅할 수 있다. 이러한 다른 응용 프로그램은 사용자 및/또는 보호자가 그들의 연관 디바이스를 등록하고, 추가 디바이스를 구입하고, 그리고/또는 다른 작업 또는 상호 작용을 행하도록 허용할 수 있다.
도 2는 본 발명의 특정 국면에 의한 허브(200)의 개념도이다. 허브(200)는 도 1의 허브(106)일 수 있다. 허브(200)는 웨어러블 디바이스, 로컬 네트워크 및/또는 인터넷과 통신하기 위한 임의의 적합한 유선 또는 무선 통신 표준을 지원할 수 있다. 예를 들어, 허브(200)는 BTLE 통신, WiFi 통신 및/또는 RFID 통신에 적합한 무선 통신 장치를 포함할 수 있다. 허브(200)는 임의의 수의 웨어러블 디바이스(예를 들어, 도 1의 웨어러블 디바이스(102)), 센서(예를 들어, 도 1의 배뇨 검출 센서(104)), 네트워크 제어가능한 기기(예를 들어, 네트워크 제어가능한 광원과 같은 도 1의 네트워크 제어가능한 기기(116)), 네트워크 제어가능한 음원(예를 들어, 도 1의 네트워크 제어가능한 음원(108)), 애플리케이션 서버(예를 들어, 도 1의 애플리케이션 서버(112)), 및 컴퓨팅 디바이스(예를 들어, 스마트폰 또는 태블릿과 같은 도 1의 컴퓨팅 디바이스(110))와 통신할 수 있다. 허브(200)는 컴퓨팅 디바이스일 수 있고 현대 컴퓨터에서 일반적으로 발견되는 기능(예를 들어, 프로세서(131), 메모리, 유저 인터페이스, 전원, 입력 및 출력 기능)을 포함할 수 있다. 허브(200)는 접속된 시스템 컴포넌트로부터 오는 정보를 처리할 수 있다. 이러한 정보는 다양한 다른 시스템 컴포넌트를 통해 또는 그로부터 프록시되고, 처리 및 증강될 수 있다. 허브(200)는 수신된 데이터를 처리하여 이를 시스템을 제어하기에 적합한 데이터로 변환하고(예를 들어, 사용자 모델을 업데이트하기 위한 명령을 생성하기 위해 수신된 데이터를 처리), 저장을 위해 적합한 데이터로 변환하고(예를 들어, 생체 인식 데이터 및/수신된 데이터에 기초한 추론을 생성하기 위해 수신된 데이터를 처리), 또는 다른 적절한 용도를 위해 적합한 데이터로 변환할 수 있다. 허브 (200)는 (예를 들어, 고유한 사용자 식별자를 통해 식별된) 하나 이상의 사용자와 연관될 수 있고, 수신된 또는 처리된 데이터를 하나 이상의 사용자와 연관시킬 수 있다.
허브(200)는 (예를 들어, 애플리케이션 서버에) 데이터를 송신하기 전에 선택적으로 데이터 압축 및/또는 암호화를 적용할 수 있다. 데이터 압축은 애플리케이션 서버로 송신되는 정보의 양을 줄여서 사용되는 대역폭을 최소화할 수 있다. 암호화(예를 들어, 공용/개인 키 비대칭 암호화)는 데이터를 가로채기로부터 보호할 수 있다. 애플리케이션 서버는 제3자 클라우드 솔루션에 위치할 수 있기 때문에, 애플리케이션 서버와 허브(200) 사이에서 전송되는 데이터는 안전하지 않은 네트워크를 통해 미지의 거리를 가로질러 송신될 수 있고, 따라서 데이터 압축 및/또는 암호화가 유익하고 바람직할 수 있다. 어떤 경우에는, 연결된 컴포넌트들이 압축 및/또는 암호화 작업 또는 의무를 허브(200)로 분산시켜, 상기 컴포넌트들에 의해 사용되는 처리 능력 및 에너지를 최소화할 수 있다. 예를 들어, 웨어러블 디바이스는 압축되지 않고 그리고/또는 암호화되지 않은 데이터를 허브(200)에 전송할 수 있고, 허브(200)는 이 데이터를 애플리케이션 서버와 같은 다른 디바이스로 중계하기 전에 압축 및/또는 암호화할 수 있다.
어떤 경우에는, 허브(200)가 전원(202)으로부터 전력을 공급받을 수 있다. 적합한 전원은 주전원(예를 들어, 120볼트 교류), 충전식 또는 비충전식 배터리 전원, 또는 임의의 다른 적합한 전원을 포함한다. 어떤 경우에는, 허브(200)가 주전원 및 충전식 배터리와 같은 다수의 전원(202)을 통합할 수 있어서, 허브(200)가 주전원에 연결되어 있을 때는 충전식 배터리가 재충전되게 하고 허브(200)가 주전원으로부터 분리되어 있는 동안에(예를 들어, 잠자는 동안 침대 근처와 같은 다른 위치로 허브를 이동) 허브(200)가 동작하게 할 수 있다. 허브(200) 내의 전력 제어 회로는 전원(202)을 통해 제공된 전력을 원하는 출력(예를 들어, 허브(200)의 내부 회로를 동작시키기에 적합한 직류)으로 적응시킬 수 있다. 어떤 경우에는, 허브(200)가 다른 디바이스(예컨대, 도 1의 웨어러블 디바이스(102))를 충전하거나 다른 디바이스의 제거가능한 전원을 충전하기 위한 전력을 제공할 수 있다(예를 들어, 허브(200)는 웨어러블 디바이스 또는 배터리식 배뇨 검출 센서의 교체가능한 배터리를 충전하기 위한 독(dock)을 포함할 수 있다). 일 예에서, 허브(200)는 USB(universal serial bus)를 사용하여 다른 디바이스를 충전할 수 있다. 다른 예에서, 허브(200)는 유도 충전을 통해 다른 디바이스를 충전할 수 있다.
어떤 경우에는, 허브(200)가 임의의 연결된 시스템 컴포넌트들에 양방향 또는 단방향 방식으로 데이터(예를 들어, 사운드 파형)를 송신할 수 있다. 예를 들어, 시스템 컴포넌트는 BTLE 통신의 애드버타이징 솔루션만을 사용할 수 있다. 충분한 정보가 허브(200)에 대한 애드버타이징 데이터에 포함되어 시스템 컴포넌트와 연관된 상태를 결정하거나 추론할 수 있다. 다른 예에서, 시스템 컴포넌트는 허브(200)가 해당 컴포넌트와 연관된 데이터를 읽고 쓸 수 있게 하기 위해 양방향 통신(예를 들어, BTLE의 전체 프로토콜을 사용)을 사용할 수 있다. 어떤 경우에는, 허브(200)가 양방향 통신을 사용하여 이벤트의 검출시에 통지를 전송하도록 컴포넌트를 설정할 수 있다.
허브(200)는 특정 전자 컴포넌트를 보호하기 위한 엔클로저(204)를 포함할 수 있다. 허브(200)는 가청 자극을 생성하기 위해 음원(206)(예를 들어, 스피커, 진동 모터, 또는 다른 음향 변환기(acoustic transducer))을 포함할 수 있다. 허브(200)는 경고 또는 정보를 사용자 또는 보호자에게 제공할 수 있는 사운드(예를 들어, 음성, 음악, 일반적인 사운드)를 생성하는 스피커를 포함할 수 있다. 일 예에서, 보호자는 허브(200)의 청각 범위 내의 사운드를 사용자에게 제공하기 위해 허브(200)에 직접 오디오 정보를 송신할 수 있다.
허브는 보통의 근접 범위 내에서 발생하는 사운드를 녹음하기에 적합한 마이크로폰(208)를 포함할 수 있고, 이 사운드는 일반적으로 허브(200)에 근접한 사용자 또는 보호자의 근처에서 발생할 수 있다. 마이크로폰(208) 및 스피커(206)에 의해, 허브(200)는 허브(200)와 다른 컴퓨팅 디바이스 사이에서 양방향(예를 들어, 전이중(full duplex) 또는 반이중(half duplex)) 음성 통신을 제공할 수 있다. 일 예에서, 보호자는 스마트폰을 사용하여 허브(200) 부근의 사용자와 통신할 수 있다. 어떤 경우에는, 허브(200)가 마이크로폰(208)으로부터 오디오 신호를 수신하고 해석하여 명령을 수행하거나 또는 시스템의 다른 컴포넌트로 신호를 전송할 수 있다. 음성-텍스트 변환(speech to text), 동작, 또는 인텐트 소프트웨어(intent software)를 더함으로써, 시스템은 허브(200)에서 수신된 음성 명령에 기초하여 동작을 수행할 수 있다. 이러한 음성 명령은 버튼(210)이 눌려질 때 그리고/또는 특정 오디오 신호가 검출되는 경우에 개시될 수 있다. 음성 소프트웨어는 허브(200), 애플리케이션 서버, 다른 시스템 컴포넌트, 또는 이들의 임의의 조합에 저장될 수 있다.
허브(200)는 또한 허브(200)가 위치하는 환경과 연관된 온도 데이터를 수집하기 위한 주변 온도 센서(212)를 포함할 수 있으며, 이 환경은 아마도 경우에 따라 사용자의 환경일 수 있다. 허브(200)는 또한 허브(200)가 위치하는 환경과 연관된 광 레벨 데이터를 검출하기 위한 주변 광 센서(214)를 포함할 수 있으며, 이 환경은 아마도 경우에 따라 사용자의 환경일 수 있다. 허브(200)는 추가적인 환경 센서를 더 포함할 수 있다. 허브(200)에 의해 수집된 데이터는 사용자의 계정(예를 들어, 사용자 식별자)과 연관될 수 있다.
허브(200)는 또한 디스플레이(216)를 포함할 수 있다. 디스플레이(216)는 풀 컬러 디스플레이(예를 들어, 유기 발광 다이오드 또는 액정 디스플레이) 또는 이산(discrete) 발광체의 단순한 집합과 같은 임의의 적합한 디스플레이일 수 있다. 디스플레이(216)는 사용자로부터의 상호 작용을 수신할 수있는 터치 감지 인터페이스(예를 들어, 용량성 터치 센싱)와 같은 유저 인터페이스를 포함할 수 있다.
허브(200)는 또한 사용자 입력을 위한 하나 이상의 버튼(210)을 포함할 수 있다. 버튼(210)은 코맨드(command)를 개시하는 명령, 동작을 수행하는 명령, 저장된 값을 변경하는 명령, 또는 디스플레이(216) 상에 표시된 정보를 단순히 순환시키는 명령과 같은 사용자로부터의 명령을 해석하는데 사용될 수 있다.
어떤 경우에는, 허브(200)의 다양한 기능 중 일부 또는 전부가 스마트폰, 태블릿 또는 퍼스널 컴퓨터와 같은 컴퓨팅 디바이스에서 실행되는 애플리케이션에 의해 수행될 수 있다. 어떤 경우에는, 컴퓨팅 디바이스가 허브(200)의 사용을 요구하지 않고 모든 원하는 기능을 수행하는데 사용될 수 있다.
도 3은 본 발명의 특정 국면에 의한 웨어러블 디바이스(300)의 개념도이다. 웨어러블 디바이스(300)는 도 1의 웨어러블 디바이스(102)일 수 있다. 웨어러블 디바이스(300)는 심박수 센서(302), 모션 센서(304)(예를 들어, 가속도계 또는 자이로스코프), 체온 센서(306), 주변 온도 센서(308), 피부 전도도 센서(310), 심전도(예를 들어, ECG) 센서(312), 뇌파도(EEG) 센서(314), 혈압 센서(334), 및 임의의 다른 적절한 센서와 같은 하나 이상의 센서를 포함할 수 있다. 웨어러블 디바이스(300)는 또한 심박수 변동성 데이터와 같은 추가적인 생체 인식 데이터를 얻기 위해 국부적인 처리(예를 들어, 알고리즘을 적용)를 수행할 수 있다. 웨어러블 디바이스(300)는 무선 송수신기(316)와 같은 유선 또는 무선 통신 장비를 포함할 수 있다. 웨어러블 디바이스(300)는 사용자로부터 다양한 생체 인식 데이터를 수집하고, 환경 데이터를 수집하고, 수집된 데이터를 처리하고, 처리된 또는 처리되지 않은 데이터를 허브 또는 컴퓨팅 디바이스와 같은 다른 디바이스로 전송하고, 다른 작업을 수행할 수 있다.
웨어러블 디바이스는 모듈 하우징(320)을 포함하거나 지지하는, 예를 들어, 식품에 안전한 또는 피부에 안전한(예를 들어, 실리콘) 밴드(318)를 포함할 수 있다. 센서, 무선 송수신기(316), 배터리(336), 및 기타 관련된 또는 필요한 컴포넌트는 모듈 하우징(320) 내에 포함되거나 그에 의해 지지될 수 있고, 선택적으로 밴드(318)에 포함되거나 그에 의해 지지될 수 있다. 예를 들어, 피부 전도도 센서(310)는 밴드(318) 내의 센서에 전기적으로 연결된 하우징(320) 내의 감지 회로를 포함할 수 있다. 하우징(320) 및/또는 밴드(318)는 내진(dust-resistant), 방진(dust-proof), 내수(water-resistant) 및/또는 방수 밀폐를 제공할 수 있다. 밴드(318)는 웨어러블 디바이스(300)가 상이한 크기의 개인 또는 시간이 경과함에 따라 성장할 수 있는 동일한 개인에 의해 착용될 수 있게 할 뿐만 아니라, 웨어러블 디바이스(300)가 다양한 위치(예를 들어, 손목, 팔, 발목, 허벅지, 허리, 가슴, 발가락, 또는 귀)에 위치될 수 있도록 크기가 조절될 수 있다. 어떤 경우에는, 밴드(318)가 제거가능하거나 교체가능할 수 있다. 어떤 경우에는, 하우징(320)이 밴드(318)의 포켓에 삽입될 수 있지만, 다른 경우에는 밴드(318)가 하우징(320)에 부착된다. 어떤 경우에는, 하우징(320)이 다른 부착 메커니즘(예를 들어, 접착 패치 또는 흉부 벨트)에 의해서와 같이 밴드(318)없이 사용될 수 있다.
웨어러블 디바이스는 또한 본 명세서에 개시된 다양한 동작을 수행하기 위한 프로세서(322)를 포함할 수 있다. 프로세서(322)는 웨어러블 디바이스(300)에 통합되거나 그렇지 않으면 (예를 들어, 유선 또는 무선 통신을 통해) 웨어러블 디바이스(300)에 액세스가능한 센서를 통해 수집된 데이터를 압축, 분석, 필터링, 타임 스탬프 또는 달리 조작할 수 있다. 이러한 동작은 센서 데이터를 허브 및/또는 로컬 컴퓨팅 디바이스와 같은 다른 디바이스로 전송하기 전에 취해질 수 있지만, 처리되지 않은 센서 데이터 또한 송신될 수 있다.
웨어러블 디바이스(300)는 또한 펌웨어, 배뇨 모델, 배뇨 모델 입력, 배뇨 모델 출력, 생체 인식 데이터, 유도된 생체 인식 데이터, 배뇨 시간 윈도우, 예측된 배뇨 시간, 속성 및 날짜/타임 스탬프를 포함하는 배뇨 이벤트, 사용자 입력 정보, 사용자 정의 데이터, 환경 데이터, 및 기타 다양한 타입의 데이터와 같은 정보를 저장하기 위한 휘발성 및/또는 비휘발성 메모리(324)를 포함할 수 있다. 메모리(324)는 프로세서(322)가 본 명세서에 설명된 동작을 수행할 수 있게 하는 명령들을 저장할 수 있다.
웨어러블 디바이스(300)는 또한 디스플레이(324)를 포함할 수 있다. 디스플레이(324)는 풀 컬러 디스플레이(예를 들어, 유기 발광 다이오드 또는 액정 디스플레이) 또는 단순한 한 세트의 이산 발광기와 같은 임의의 적합한 디스플레이일 수 있다. 디스플레이(324)는 사용자로부터의 상호 작용을 수신할 수 있는, 터치 감지 인터페이스(예를 들어, 용량성 터치 센싱)와 같은, 유저 인터페이스를 포함할 수 있다.
웨어러블 디바이스(300)는 또한 사운드 생성 소스(326)(예를 들어, 스피커)를 포함할 수 있다. 사운드 발생 디바이스는 사용자에게 경고하거나 청취가능한 피드백(예를 들어, 사용자 입력을 수용)을 제공하는데 사용될 수 있다. 어떤 경우에는, 웨어러블 디바이스(300)가 마이크로폰을 더 포함할 수 있다.
웨어러블 디바이스(300)는 또한 진동 메커니즘(330)을 포함할 수 있다. 진동 메커니즘(330)은 진동 경고, 청각적 경고, 및/또는 촉각 피드백(예를 들어, 사용자 입력을 수용)을 제공할 수 있다.
웨어러블 디바이스(300)는 사용자 입력을 위한 하나 이상의 버튼(332)을 포함할 수 있다. 버튼(332)은 코맨드를 개시하고, 동작을 수행하고, 저장된 값을 변경하거나, 또는 디스플레이(324) 상에 표시된 정보를 단순히 순환시키는 명령과 같은, 사용자로부터의 명령을 해석하는데 사용될 수 있다.
경우에 따라, 심박수 센서(302)는 웨어러블 디바이스(300)가 설치되는 사용자의 심장 펄스를 광학적으로 검출하기 위해 협력하는 하나 이상의 광 방출기 및 하나 이상의 광 검출기를 포함할 수 있다. 피부 색조 또는 문신과 같은 어둡게 처리된 영역과 관련하여 더 잘 수행하기 위해 빛의 상이한 주파수들이 사용될 수 있다. 주파수는 셋업 단계 동안(예를 들어, 밝은 또는 어두운 스킨 톤을 선택함으로써) 사용자에 의해 선택되거나 (예를 들어, 센서 데이터를 분석함으로써) 자동으로 결정될 수 있다. 심박수 데이터는 주기적으로(예를 들어, 1Hz 또는 0.2Hz), 지속적으로, 또는 요구가 있을 때 수집될 수 있다. 심박수 데이터는 실질적으로 실시간으로 또는 사후 캡처(post capture)으로 캡처되기 때문에 배뇨 모델 또는 다른 알고리즘에 의한 심박수 데이터의 분석은 임박한 또는 미래의 배뇨 이벤트를 예측하는데 사용될 수 있다.
웨어러블 디바이스(300)는 또한 사용자와 연관된 움직임 및 방위 데이터를 캡처하기 위해 모션 센서(304)(예를 들어, 가속도계 또는 자이로스코프)를 포함할 수 있다. 움직임 데이터는 배뇨 이벤트와 움직임 및 이동을 상관시키기 위해 사용될 수있는 활동 측정치를 계산하기 위해 프로세서(322)로의 입력으로서 사용될 수 있다. 움직임 데이터는 사용자 움직임을 설명하기 위해 심박수 데이터의 계산을 개량하는데 사용될 수 있다. 움직임 데이터는 주기적으로, 지속적으로, 또는 요구가 있을 때 수집될 수 있다. 움직임 데이터는 실질적으로 실시간으로 또는 사후 캡처로 캡처되기 때문에, 배뇨 모델 또는 다른 알고리즘에 의한 움직임 데이터의 분석은 임박한 또는 미래의 배뇨 이벤트를 예측하는데 사용될 수 있다. 다른 예에서, 모션 센서(304)는 사용자의 근육 섬유다발성연축(muscle fasciculation)(예를 들어, 근육 경련)을 검출하는데 사용될 수 있다. 눈에 보이거나 보이지 않는 근육 경련은 모션 센서(304)에 의해 구별가능한 몸의 근육 수축을 포함할 수 있다. 근육 경련은 임박한 또는 미래의 배뇨 이벤트의 표시일 수 있고 임박한 또는 미래의 배뇨 이벤트를 예측하기 위해 배뇨 모델에 의해 사용될 수 있다.
모션 센서(304)는 또한 입력 디바이스로서 작용할 수 있다. 일 예에서, 사용자는 웨어러블 디바이스(300)를 단일 또는 일련의 탭(tap)으로 탭할 수 있다. 모션 센서(304)는 이 탭을 감지하고 프로세서(322)에 움직임 데이터를 제공할 수 있고, 프로세서(322)는 해당 움직임 데이터가 사용자 탭 패턴(예를 들어, 하나 또는 그 이상의 탭)을 나타내는지를 식별할 수 있으며, 이 경우 프로세서(322)는 검출된 탭 패턴에 기초하여 동작을 수행한다. 예를 들어, 동작은 정보를 저장(예컨대, 배뇨 이벤트를 로그)하거나 허브(예컨대, 도 2의 허브(200)) 및/또는 애플리케이션 서버(예컨대, 도 1의 애플리케이션 서버(112))에 신호를 보내는 것일 수 있다.
어떤 경우에는, 심박수 데이터 및 움직임 데이터를 사용하여 사용자가 잠자는 동안 가벼운 수면 및 깊은 수면 상태를 분류할 수 있다. 가벼운 수면과 깊은 수면은 배뇨 이벤트가 발생할 수 있는 시기의 지표가 될 수 있다. 배뇨 모델은 이 수면 데이터를 사용하여 임박한 배뇨 이벤트가 언제 발생할지를 감지할 수 있다.
웨어러블 디바이스(300)는 또한 적외선 온도계, 저항 온도계(resistance thermometer), 실리콘 밴드갭 온도 센서, 또는 서미스터(thermistor)와 같은 체온 센서(306)를 포함할 수 있다. 센서(306)는 웨어러블 디바이스(300)를 착용하는 사용자의 피부에 가깝게 또는 접촉하도록 배치될 수 있고, 이는 보다 효과적인 데이터 캡처를 제공할 수 있다. 체온 데이터는 주기적으로(예를 들어, 1Hz 또는 0.2Hz), 지속적으로, 또는 요구가 있을 때 수집될 수 있다. 체온 데이터는 실질적으로 실시간으로 또는 사후 캡처로 캡처되기 때문에, 배뇨 모델 또는 다른 알고리즘에 의한 체온 데이터의 분석은 임박한 또는 미래의 배뇨 이벤트를 예측하는 데 사용될 수 있다.
웨어러블 디바이스(300)는 주변 온도 센서(308)를 더 포함할 수 있다. 센서(308)는 웨어러블 디바이스(300)를 착용하는 사용자의 피부로부터 먼 방향으로 하우징(320)의 측면에 위치되는 것과 같이, 사용자의 열에 의해 영향을 받지 않고 주변 공기의 온도를 감지하도록 위치될 수 있다. 주변 온도 데이터는 주기적으로(예를 들어, 1Hz 또는 0.2Hz), 지속적으로, 또는 요구가 있을 때 수집될 수 있다. 주변 온도 데이터는 실질적으로 실시간으로 또는 사후 캡처로 캡처되기 때문에, 배뇨 모델 또는 다른 알고리즘에 의한 주변 온도 데이터의 분석은 임박한 또는 미래의 배뇨 이벤트를 예측하는데 사용될 수 있다.
웨어러블 디바이스(300)는 또한 피부 전도도 센서(310)를 포함할 수 있다. 센서(310)는 웨어러블 디바이스(300)를 착용하는 사용자의 피부에 가깝게 또는 접촉하도록 웨어러블 디바이스(300) 상에 위치될 수 있다. 피부 전도도 데이터는 주기적으로(예를 들어, 1Hz 또는 0.2Hz), 지속적으로, 또는 요구가 있을 때 수집 될 수 있다. 피부 전도도 데이터는 실질적으로 실시간으로 또는 사후 캡처로 수집되기 때문에, 배뇨 모델 또는 다른 알고리즘에 의한 피부 전도도 데이터의 분석은 임박한 또는 미래의 배뇨 이벤트를 예측하는데 사용될 수 있다.
웨어러블 디바이스(300)는 또한 심전도(ECG) 센서(312)를 포함할 수 있다. 심전도 데이터는 주기적으로(예를 들어, 1Hz 또는 10HZ), 지속적으로, 또는 요구가 있을 때 수집될 수 있다. 센서(312)는 심박수를 계산하는데 사용될 수 있고, 심박수 데이터의 전체적인 품질 및/또는 정확도를 향상시키고 심박수 변동성을 계산하기 위해 심박수 센서(302)와 별도로 또는 조합하여 사용될 수 있다. 또한, ECG 데이터는 스트레스, 피로, 심장 연령, 호흡 지수, 및 기분의 지표를 제공할 수 있다. ECG 데이터는 실질적으로 실시간으로 또는 사후 캡처로 캡처되기 때문에 배뇨 모델 또는 다른 알고리즘에 의한 ECG 데이터의 분석은 임박한 또는 미래의 배뇨 이벤트를 예측하는 데 사용될 수 있다.
웨어러블 디바이스(300)는 또한 뇌파도(EEG) 센서(314)를 포함할 수 있다. EEG 데이터는 주기적으로(예를 들어, 1Hz 또는 10HZ), 지속적으로, 또는 요구가 있을 때 수집될 수 있다. EEG 데이터는 뇌파(brain wave) 패턴을 검출하는데 사용될 수 있는 뇌파 정보를 포함할 수 있다. 이러한 패턴은 주의력, 명상, 눈 깜빡임, 귀 경련, 근육 수축, 또는 구별가능한 뇌파 패턴을 갖는 다른 반복적인 행동이나 상태를 나타낼 수 있다. 또한, EEG 데이터는 뇌의 델타, 세타, 저 알파, 고 알파, 저 베타, 고 베타 및 감마파에 대한 정보를 제공할 수 있다. EEG 데이터는 빠른 안구 운동(REM) 및 비 REM 수면 상태를 결정하는데 사용할 수 있고, 이러한 수면 상태는 배뇨 이벤트와 높은 상관 관계가 있을 수 있다. EEG 데이터는 실질적으로 실시간으로 또는 사후 캡처로 캡처되기 때문에, 배뇨 모델 또는 다른 알고리즘에 의한 EEG 데이터의 분석은 임박한 또는 미래의 배뇨 이벤트를 예측하는데 사용될 수 있다.
웨어러블 디바이스(300) 상에 다수의 센서가 있을 수 있으므로, 특정 센서로부터 수집된 생체 인식 데이터 및 다양한 알고리즘에 따라 이 데이터를 처리하여 얻어진 유도된 또는 처리된 데이터는 독립적으로 또는 다른 센서의 데이터와 함께 분석 및 예측을 최적화하기 위해 사용될 수 있다. 배뇨 모델 또는 다른 알고리즘을 통한 분석은 전체적으로 웨어러블 디바이스(300)에서, 부분적으로는 웨어러블 디바이스(300)에서 그리고 부분적으로는 다른 컴퓨팅 디바이스(예를 들어, 허브, 모바일 디바이스와 같은 컴퓨터 또는 애플리케이션 서버)에서, 또는 완전히 다른 컴퓨팅 디바이스에서 수행된다. 결과는 웨어러블 디바이스(300), 허브, 모바일 디바이스 또는 애플리케이션 서버와 같은 컴퓨터, 또는 다른 장치의 임의의 조합에 저장될 수 있다.
웨어러블 디바이스(300)가 허브 또는 컴퓨팅 디바이스(예를 들어, 모바일 디바이스)와 연결되어 있지 않은 때에도, 프로세서(322)는 메모리(324)와 함께, 생체 인식 데이터, 환경 데이터 및 유도된 데이터를 저장하기 위해 사용될 수 있고, 이렇게 해서 웨어러블 디바이스(300)가 다른 디바이스(예를 들어, 허브 또는 애플리케이션 서버)와의 연결을 재확립하고 데이터를 다른 디바이스 또는 애플리케이션 서버로 오프로드(예를 들어, 동기화)할 수 있을 때까지 데이터가 유지되게 할 수 있다. 이에 더하여, 메모리(324)는 사용자에 대한 예측된 배뇨 시간 윈도우와 같은 정보를 저장할 수 있어서, 웨어러블 디바이스(300)가 허브 또는 컴퓨팅 디바이스(예를 들어, 모바일 디바이스)에 연결되어 있지 않을 때조차도 상기 시간 윈도우가 접근, 임박, 진행 또는 통과할 때 웨어러블 디바이스(300)가 경보 또는 피드백(예를 들어, 진동)을 제공할 수 있다. 프로세서(322)는 또한 웨어러블 디바이스(300)가 사용자에게 적절하게 위치되어 있는지 여부를 결정하기 위해 생체 인식 데이터 및/또는 환경 데이터를 활용할 수 있다. 어떤 경우에는, 웨어러블 디바이스(300)를 사용자에게 적절하게 또는 최적으로 위치시키기 위해 웨어러블 디바이스(300)가 어떻게 조작되어야 하는지를 결정하기 위해 이러한 데이터가 사용될 수 있다. 사용자에게 적절하게 위치되지 않았을 때, 웨어러블 디바이스(300)는 사용자 및/또는 보호자에게 피드백을 제공할 수 있다. 일부 실시예에서는, 웨어러블 디바이스(300)가 사용자에게 적절하게 위치되지 않았을 경우, 명령이 수신될 때까지, 웨어러블 디바이스(300)의 전원을 껐다 켜거나 리셋할 때까지, 교정(correction) 움직임이 감지될 때까지, 또는 소정 기간이 경과할 때까지, 웨어러블 디바이스(300)가 임의의 수의 기능들, 센서들, 또는 동작들이 전력이 공급되지 않거나 정지된 채로 유지되는 저전력 모드로 진입할 수 있다.
웨어러블 디바이스(300)는 또한, 센서, 메모리(324), 프로세서(322), 및 웨어러블 디바이스(300)의 다른 전자 컴포넌트에 전력을 공급하기 위한 배터리(336) 또는 다른 전원 공급 장치를 포함할 수 있다. 배터리(336)는 재충전가능한(예를 들어, 리튬 이온 또는 리튬 폴리머) 또는 비충전식 배터리 기술을 포함할 수 있다. 어떤 경우에는, 재충전가능한 배터리(330)가, 하우징(320)을 밴드로부터 제거하고, 직접 또는 테더를 통해 하우징(320)을 허브의 일부와 같은 충전 스테이션에 부착함으로써 재충전될 수 있다. 그러나, 배터리(330)는, 예를 들어, 내부 다이나모(internal dynamo), 자기 유도, 또는 스왑가능한(swappable) 배터리를 통한, 배터리 기술 또는 통합된 배터리 충전 전자 장치에 기초한 임의의 다른 적절한 충전 기술로 충전될 수도 있다.
웨어러블 디바이스(300)는 허브, 컴퓨팅 디바이스(예를 들어 모바일 디바이스) 및/또는 애플리케이션 서버(예를 들어, 직접 또는 허브와 같은 프록시를 통해)와 정보를 교환하기 위한 무선 통신 기능을 포함할 수 있다. 웨어러블 디바이스(300)는 또한 유선 통신(예를 들어, 범용 직렬 버스)을 사용하여 데이터를 전송하기 위해 허브, 컴퓨터(예를 들어, 모바일 디바이스) 및/또는 애플리케이션 서버에 물리적으로 도킹될 수 있다. 도킹하는 동안, 웨어러블 디바이스(300)는 충전식 배터리(336)를 재충전할 수도 있다.
웨어러블 디바이스(300)는 생체 인식 정보의 소스를 식별하기에 적합한, 연관된 고유 식별자(unique identification: UID)를 포함할 수 있다. 이 UID는 소프트웨어 애플리케이션, 페어링 프로토콜 또는 다른 메커니즘을 통해 디바이스를 착용한 사용자와 더욱 연관될 수 있다. 유효한 연관성을 가지고, 웨어러블 디바이스(300)로부터 수집된 데이터는 사용자와 연관될 수 있다. 웨어러블 디바이스(300)는 시간 경과에 따라 다수의 다른 사용자들에서 사용될 수 있지만, 임의의 특정 시간에는 한 명의 사용자에게서만 사용될 수 있다. 어떤 경우에는, 웨어러블 디바이스(300)가 UID 또는 사용자 식별자를 수집된 데이터와 연관시킴으로써 수집된 데이터를 준비할 수 있다. 경우에 따라, 웨어러블 디바이스(300)는 수집된 데이터에 사용자 식별자를 연관시키지 않고, 오히려 다른 디바이스가 사용자 식별자를 해당 디바이스의 UID와 연관시킬 수 있고, 그 연관성을 통해 특정 사용자 식별자가 상기 UID와 연관된 특정 데이터 세트와 관계가 있다는 것을 추적 할 수 있다. 생체 인식 데이터와 유도된 정보의 연관성은 사용자의 맞춤형 배뇨 모델 및 다른 알고리즘을 업데이트하는데 사용될 수 있다. 또한 UID는 연결이 설정된 후 무선 접속을 구축하거나 또는 데이터를 전송하는 것을 용이하게 하는데 사용될 수 있다.
웨어러블 디바이스(300)는 수집된 데이터를 타임 스탬프하는데 사용될 수 있는 실제 또는 상대적인 시간 클럭(clock)을 유지할 수 있다. 클럭은 허브, 컴퓨팅 디바이스(예 : 모바일 디바이스) 또는 애플리케이션 서버와 같은 다른 디바이스와의 통신을 통해 업데이트될 수 있다. 클럭 정보는 통신 프로토콜을 통해 다른 데이터와 함께 전송될 수 있다. 허브, 컴퓨팅 디바이스(예를 들어, 모바일 디바이스) 또는 애플리케이션 서버는 글로벌 클럭을 보다 정확히 반영하기 위해 상기 데이터를 수정(예를 들어, 보정)할 수 있고, 이로써 상이한 디바이스들 간의 작은 편차에도 불구하고 시스템이 정확하도록 동기화될 수 있다.
웨어러블 디바이스(300)는, 웨어러블 디바이스(300)의 기능을 최적화하고 사용자 경험을 최적화하기 위해 상이한 동작 상태에 진입할 수 있다. 예를 들어, 웨어러블 디바이스(300)는 생체 인식 데이터 샘플들이 수집되지 않는 때를 검출할 수 있다. 이 시점에서, 웨어러블 디바이스(300)는 유저 인터페이스를 통해 사용자에게 경고하거나 다른 디바이스에 신호를 전송함으로써 전력을 아낄 수 있다. 웨어러블 디바이스(300)는 저전력 모드로 들어가서 전력을 아낄 수 있다. 사용자 요구가 있을 때 또는 다른 자극의 수신시(예를 들어, 컴퓨팅 디바이스 또는 허브로부터 전송된 무선 신호를 통해), 웨어러블 디바이스(300)는 생체 인식 데이터 또는 환경 데이터의 캡처를 시작할 수 있고, 성공적이면 정상 동작 상태로 들어갈 수 있다. 데이터를 캡처할 수 없는 경우, 웨어러블 디바이스(300)는 저전력 상태로 다시 들어가거나, 정상 동작 상태로 들어가기 위해 동일한 캡처 테스트를 수행하기 전에 미리 정해진 시간 동안 대기할 수 있다.
웨어러블 디바이스(300)는 또한 웨어러블 디바이스(300)의 구성(configuration)을 용이하게 하는 설정 상태로 들어갈 수 있다. 웨어러블 디바이스(300)가 초기에, 필요할 때, 또는 웨어러블 디바이스(300)의 수명 내내 임의의 시간에 사용될 때 설정 상태에 들어갈 수 있다. 또한, 웨어러블 디바이스(300)는 사용자가 웨어러블 디바이스(300)를 적절한 충전 메커니즘(예를 들어, 유선 또는 무선)에 연결할 때 충전 상태가 될 수 있다. 웨어러블 디바이스(300)는 충전식 배터리가 더욱 빠른 속도로 충전될 수 있도록 특정 컴포넌트로의 전력을 감소시키거나 충전 상태에서 전력 사용을 감소시키려고 시도할 수도 있다.
도 4는 본 발명의 특정 국면에 의한 배뇨 검출 센서(400)를 도시하는 개념도이다. 센서(400)는 사용자, 사용자의 의복 또는 다른 표면(예를 들어, 침대)에 부착되도록 설계될 수 있다. 배뇨 이벤트가 발생하면 센서(400)는 배뇨가 빠르게 누적되는 일반적인 영역(예를 들어, 속옷, 파자마 바닥)에서 사용자 또는 사용자의 의복에 최적으로 배치될 수 있다. 센서(400)는 전원(404), 디스플레이(408)(예를 들어, 디바이스가 전력 공급 및/또는 연결될 때를 나타내는 발광 다이오드), 및 무선 안테나 (406)를 선택적으로 포함하는 재사용가능한 베이스(402)를 포함할 수 있다. 재사용가능한 베이스(402)는 연결 메커니즘(410)에 연결될 수 있다. 베이스(402)의 연결 메커니즘(410)은 소변 또는 습기 센서(412)의 연결 메커니즘(414)에 제거가능하게 연결될 수 있다. 접속 메커니즘(414)을 갖는 센서(412)는 일회용 또는 세척가능하고 재사용가능 할 수 있다. 적합한 연결 메커니즘(410, 414)의 예는 훅 앤 루프 패스너(hook and loop fastner), 제거가능한 접착제, 기계적 패스너 및 다른 적절한 메커니즘을 포함한다.
어떤 경우에는, 베이스(402)와 센서(412)가 영구적으로 함께 연결된다. 베이스(402) 및 센서(412)는 방수 엔클로저와 같은 단일 하우징 또는 엔클로저 내에 위치될 수 있다. 따라서, 배뇨 검출 센서(400)는 본 명세서에 개시된 기능을 수행하는데 필요한 모든 필요한 장비(예를 들어, 센서, 안테나, 선택적 배터리) 및 회로를 포함하는 완전 밀폐형 센서일 수 있다.
베이스(402)는 센서(412)로부터 정보를 수신하고 배뇨 이벤트를 나타내는 신호를 통신하기 위해 임의의 필요한 통신 장비 및/또는 프로세싱 장비를 포함할 수 있다.
어떤 경우에는, 전원(404) 또는 디스플레이(408)가 존재하지 않고, 무선 안테나(406)에 의해 수신된 무선 신호가 소변 또는 습기가 센서(412)에 존재하는지를 결정기에 충분한 전력을 제공하고 소변 또는 습기가 검출되는지를 나타내는 무선 응답을 제공하는 수동 모드로 센서(400)가 동작한다. 어떤 경우에는, 센서(400)가 일회용일 수 있는데, 이 경우 베이스(402)는 일회용 베이스일 수 있다(예를 들어, 베이스(402)는 재사용가능 하지 않고 선택적으로 하나의 엔클로저 내의 센서(412)에 영구적으로 연결되거나 이 센서(412)와 함께 배치될 수도 있다).
일 예에서, 통신 채널을 형성하기 위해 베이스(402)를 허브, 애플리케이션 서버, 및/또는 컴퓨팅 디바이스에 연관시킴으로써 센서(400)가 사용될 수 있다. 베이스(402)는 센서(412)가 베이스(402)에 연결되어 있는지 여부를 나타내는 신호를 전송할 수 있다. 센서(412)가 베이스(402)에 부착될 때, 센서(400)는 소변 또는 수분이 센서(412)에 존재하는지를 나타내는 신호를 전송할 수 있다. 센서(400)는 초기에는 소변을 검출하지 않고 적합한 위치에 설치될 수 있다. 일단 센서(412)가 소변 또는 습기를 검출하면, 센서(400)는 소변 또는 습기가 검출되었음을 나타내는 신호를 전송할 수 있다. 이러한 신호를 수신하는 컴포넌트는 타임 스탬프 및 배뇨 이벤트가 발생했다는 표시를 포함하는 데이터를 생성할 수 있다. 신호가 거의 즉각적일 수 있으므로, 타임 스탬프는 매우 정확할 수 있다. 센서(400)로부터 수신된 신호는 또한 시스템에 경고하고 사용자 또는 보호자에 대한 자극을 생성하는 것과 같은 적절한 조치를 취하기 위해 사용될 수 있다.
도 5는 본 발명의 특정 국면에 의한, 배뇨 모델을 초기화하고 트레이닝시키기 위한 프로세스(500)를 도시한 흐름도이다. 프로세스(500)는 웨어러블 디바이스, 허브, 컴퓨팅 디바이스, 또는 애플리케이션 서버와 같은 임의의 적절한 디바이스에 의해, 전체적으로 또는 부분적으로, 수행될 수 있다.
선택적인 블록(502)에서, 데이터(예를 들어, 생체 인식 및/또는 환경)가 수신된다. 수신된 데이터는 사용자 식별자와 연관될 수 있다. 본 명세서에서 사용된 바와 같이, 임의의 데이터, 모델 또는 다른 컴포넌트와 사용자 식별자와의 연관은 많은 형태를 취할 수 있다. 일 예에서, 사용자 식별자와 연관된 데이터는 데이터에 사용자 식별자를 첨부하는 것을 포함할 수 있다. 다른 예에서, 데이터는 해당 데이터가 전송되는 디바이스, 데이터가 수신되는 디바이스, 또는 데이터가 통과한 다른 디바이스에 기초할 수 있는 디바이스 식별자를 포함할 수 있다. 연관 데이터베이스는 특정 사용자 식별자 또는 다수의 사용자 식별자와 어떤 디바이스 식별자가 연관되는지를 추적할 수 있다. 따라서, 사용자 식별자와 연관되는 특정 디바이스 식별자와 연관된 데이터는 해당 사용자 식별자와 연관되는 것으로 간주될 수 있다. 어떤 경우에는, 연관 데이터베이스가 다른 고유 식별자 및 특정 사용자 식별자 또는 다수의 사용자 식별자와의 연관성을 추적할 수 있고, 이에 따라 임의의 수의 고유 식별자를 특정 사용자 식별자에 연관시킬 수 있다. 이러한 고유 식별자는 데이터 식별자, 네트워크 식별자, 또는 임의의 다른 적합한 식별자일 수 있다. 연관 데이터베이스는 웨어러블 디바이스, 허브, 컴퓨팅 디바이스, 또는 애플리케이션 서버와 같은 적합한 디바이스에 저장될 수 있다. 어떤 경우에는, 연관 데이터베이스의 일부 또는 전부가 단일 생태계(예를 들어, 도 1의 생태계(100)) 내의 다수의 디바이스에 걸쳐 복제 및/또는 동기화될 수 있다. 따라서, 일 예에서, 메인 연관 데이터베이스가 애플리케이션 서버에 저장될 수 있지만, 허브는 그럼에도 불구하고 애플리케이션 서버로의 접속이 이용가능하지 않을 때 또는 대역폭 사용을 감소시키는 것이 바람직할 때 국지적으로 사용하기 위해 적어도 부분적인 연관 데이터베이스를 유지할 수 있다.
블록(503)에서, 기준 배뇨 모델이 선택된다. 기준 배뇨 모델은 랜덤으로 또는 블록 (502)에서 수신된 데이터, 사용자 식별자와 연관된 저장된 데이터 및/또는 사용자 식별자와 연관된 다른 데이터를 사용하는 선택 알고리즘에 따라 선택될 수 있다. 블록(504)에서, 사용자 배뇨 모델이 초기화될 수 있다. 사용자 배뇨 모델을 초기화하는 것은 블록(503)에서 선택된 기준 배뇨 모델을 사용하여 사용자 배뇨 모델을 생성하는 것을 포함할 수 있다. 사용자 배뇨 모델은 초기에는 선택된 상기 기준 배뇨 모델과 동일하거나 또는 그것의 복사본일 수 있다. 사용자 배뇨 모델이 생성되거나 초기화되면, 사용자 식별자와 연관될 수 있다. 따라서, 사용자 배뇨 모델은 특정 사용자, 즉 사용자 식별자와 연관된 사용자에 특정한 예상 배뇨 시간을 예측하기 위한 모델일 수 있다.
블록(506)에서, 업데이트된 데이터(예를 들어, 생체 인식 및/또는 환경)가 수신된다. 업데이트된 데이터는 블록(504)의, 그리고, 선택적인 블록(502)의 사용자 식별자와 연관된다. 블록(508)에서는, 블록(506)에서 수신된 업데이트된 데이터를 사용하여 사용자 모델이 업데이트된다. 블록(508)에서 업데이트된 후에, 사용자 모델은 사용자에게 특정적이고 초기 예측 배뇨 모델과 상이할 수 있다.
블록(510)에서, 업데이트된 사용자 모델은 예상 배뇨 시간을 예측하는데 사용된다. 경우에 따라, 업데이트된 사용자 모델은 예상되는 배뇨 시간을 예측하기 위해 현재, 과거, 및/또는 최근 데이터에 적용될 수 있다. 예를 들어, 업데이트된 사용자 모델은, 선택적으로는 선택적 블록(502)에서 수신된 데이터를 포함해서, 블럭(506)에서 수신된 업데이트된 데이터에 적용될 수 있다. 어떤 경우에는, 블록(510)이 예상 배뇨 시간을 예측하기 위해 업데이트된 사용자 모델과 함께 사용될 수 있는 현재 데이터를 취득하는 것을 포함할 수 있다.
블록(512)에서는, 블록(510)에서 결정된 예상 배뇨 시간에 기초하여 상태 업데이트(status update)가 생성될 수 있다. 블록(514)에서는, 상태 업데이트가 전송된다. 상태 업데이트는 즉시 전송되거나(예를 들어, 배뇨가 예상되는 때를 나타내는 메시지를 송신하기 위해) 또는 예상 배뇨 시간 직전의 시간까지 지연될 수 있다(예를 들어, 상태 업데이트가 배뇨가 임박해 있음을 나타내는 자극을 포함할 때). 상태 업데이트는, 수신 디바이스에 의해 처리될 때, 예상 배뇨 시간에 기초한 또는 이를 포함하는 자극을 생성할 수 있다. 어떤 경우에는, 블록(514)이 프로세스(500)를 수행하는 디바이스에서 자극을 제공하는 것을 포함한다.
도 6은 본 발명의 특정 국면에 의한, 예상 배뇨 시간을 업데이트하기 위한 프로세스(600)를 도시하는 흐름도이다. 프로세스(600)는 웨어러블 디바이스, 허브, 컴퓨팅 디바이스, 또는 애플리케이션 서버와 같은 임의의 적절한 디바이스에 의해, 전체적으로 또는 부분적으로 수행될 수 있다.
블록(602)에서, 예상 배뇨 시간이 수신된다. 예상 배뇨 시간은 프로세스(600)을 수행하는 디바이스 또는 다른 디바이스로부터 수신될 수 있다. 예상 배뇨 시간은 사용자 식별자와 연관될 수 있다.
블록(604)에서, (예를 들어, 프로세스(600)을 수행하는 디바이스 또는 다른 디바이스로부터) 사용자 식별자와 연관된 현재 데이터(예를 들어, 생체 인식 또는 환경)가 수신된다. 블록(606)에서는, 블록(602)으로부터의 예상 배뇨 시간이 블록(604)에서 수신된 현재 데이터에 기초하여 업데이트된다.
선택적 블록(608)에서는, 상태 업데이트가 전송될 수 있다. 상태 업데이트는 사용자 식별자와 연관될 수 있고 사용자 식별자와 연관된 디바이스(예를 들어, 사용자 또는 보호자의 디바이스)로 전송될 수 있다. 수신되면, 상기 상태 업데이트는 자극(예를 들어, 진동, 사운드, 시각적 자극, 또는 임의의 다른 적절한 직접적인 또는 환경 자극)의 발생을 촉진 또는 유도할 수 있다. 자극은 업데이트된 예상 배뇨 시간에 기초하거나 이를 포함할 수 있다. 어떤 경우에는, 블록(608)에서, 프로세스(600)를 수행하는 디바이스가 자극을 생성할 수 있다.
도 7은 본 발명의 특정 국면에 의한 배뇨 모델을 업데이트하기 위한 프로세스(700)를 도시하는 흐름도이다. 프로세스(700)는 웨어러블 디바이스, 허브, 컴퓨팅 디바이스, 또는 애플리케이션 서버와 같은 임의의 적합한 디바이스에 의해, 전체적으로 또는 부분적으로, 수행될 수 있다.
블록(702)에서, 데이터(예를 들어, 생체 인식 또는 환경)가 수신된다. 데이터는 프로세스(700)를 수행하는 디바이스 또는 다른 디바이스에서 비롯되고 그로부터 수신될 수 있다. 상기 데이터는 사용자 식별자와 연관될 수 있다.
블록(704)에서, 사용자 식별자와 연관된 실제 배뇨 이벤트의 표시(indication)가 수신된다. 상기 표시는 배뇨 감지 센서로부터 수신된 신호의 형태일 수 있다. 상기 표시는 자발적 또는 비자발적 피드백 신호와 같은 피드백 신호의 형태일 수 있다. 상기 표시는 프로세스(700)를 수행하는 디바이스 또는 다른 디바이스에서 비롯되고 그로부터 수신될 수 있다.
블록(706)에서, 실제 배뇨 이벤트는 블록(704)에서 수신된 표시를 사용하여 블록(702)에서 수신된 데이터와 연관된다. 실제 배뇨 이벤트를 블록(702)의 수신된 데이터로부터의 적절한 데이터 서브세트와 연관시키기 위해 타임 스탬프 데이터가 사용될 수 있다.
블록(708)에서, 사용자 모델은 연관된 실제 배뇨 이벤트 및 수신된 데이터에 기초하여 업데이트된다. 사용자 모델의 업데이트는 사용자 모델의 최적화를 포함할 수 있다. 사용자 모델의 최적화는, 블록(706)에서 실제 배뇨 이벤트와 연관된 수신된 데이터가 업데이트 이전에 사용자 모델을 사용하여 처리된 경우보다 업데이트 후의 사용자 모델을 사용하여 처리될 때 배뇨 이벤트의 더 강한 예측을 제공하도록 모델을 업데이트하는 것을 포함할 수 있다. 어떤 경우에는, 블록(708)이 프로세스(700)을 수행하는 디바이스 이외의 디바이스에 의해 생성될 수 있는, 업데이트된 사용자 모델을 수신하는 것을 포함할 수 있다.
블록(710)에서는, 예상 배뇨 시간을 예측하기 위해 업데이트된 사용자 모델이 사용된다. 경우에 따라서는, 예상 배뇨 시간을 예측하기 위해 업데이트된 사용자 모델이 현재, 과거, 및/또는 최근 데이터에 적용될 수 있다. 예를 들어, 업데이트된 사용자 모델은 블록(702)에서 수신된 데이터에 적용될 수 있다. 어떤 경우에는, 블록(710)이 예상 배뇨 시간을 예측하기 위해 업데이트된 사용자 모델과 함께 사용될 수 있는 현재 데이터를 취득하는 것을 포함할 수 있다.
블록(712)에서, 블록(710)에서 결정된 예상 배뇨 시간에 기초하여 상태 업데이트가 전송된다. 상태 업데이트는 즉시(예를 들어, 배뇨가 예상되는 때를 나타내는 메시지를 전송하기 위해) 전송되거나 또는 예상 배뇨 시간 직전의 시간까지 지연될 수 있다(예를 들어, 상태 업데이트가 배뇨가 임박했다는 것을 나타내는 자극을 포함하는 경우). 상태 업데이트는, 수신 디바이스에 의해 처리될 때, 예상 배뇨 시간에 기초한 또는 이를 포함하는 자극을 생성할 수 있다. 어떤 경우에는, 블록(712)이 프로세스(700)를 수행하는 디바이스에서 자극을 제공하는 것을 포함한다.
도 8은 본 발명의 특정 국면에 의한, 기준 배뇨 모델을 생성하고 사용자 배뇨 모델을 초기화하는 프로세스(800)를 도시하는 흐름도이다. 프로세스(800)는 웨어러블 디바이스, 허브, 컴퓨팅 디바이스 또는 애플리케이션 서버와 같은 임의의 적합한 디바이스에 의해 전체적으로 또는 부분적으로 수행될 수 있다. 프로세스(800)는 다수의 사용자 식별자와 연관된 데이터를 수신하기에 적합한 디바이스에 의해 수행되는 것이 유리할 수 있고, 따라서 애플리케이션 서버 상에서 수행되는 것이 유리할 수 있다.
블록(802)에서, 사용자 식별자의 코퍼스(corpus)와 연관된 데이터가 수신될 수 있다. 데이터는 다수의 개별 데이터 아이템을 포함 할 수 있고, 각각은 사용자 식별자들의 코퍼스 내의 하나의 집합의 사용자 식별자들 중 하나와 연관된다. 따라서, 많은 상이한 사용자 식별자들과 연관된 많은 상이한 사용자들로부터의 데이터를 포함하는, 데이터의 데이터세트(dataset)가 생성될 수 있다. 블록(802)에서 데이터를 수신하는 것은 블록(804, 806, 808) 중 하나 이상을 포함할 수 있다. 블록(804)에서, 인구 통계학적(demographic) 정보가 수신된다. 블록(806)에서는, 생체 인식 및/또는 환경 데이터가 수신된다. 블록(808)에서는, 배뇨 피드백(예컨대, 자발적 또는 비자발적)이 수신된다. 블록(804, 806, 808) 모두에서, 수신된 데이터(예를 들어, 인구 통계학적 정보, 생체 인식 및/또는 환경 데이터, 및/또는 배뇨 피드백)는 사용자 식별자와 연관될 수 있다.
블록(810)에서, 하나 이상의 기준 배뇨 모델이 블록(802)에서(예를 들어, 블록(804, 806, 808)에서) 수신된 데이터를 사용하여 생성될 수 있다. 기준 배뇨 모델을 생성하는 것은 다수의 사용자 식별자와 연관된 데이터를 처리하여 이들 사용자 식별자와 연관된 데이터가 주어졌을 때 주어진 결과(예를 들어, 배뇨 이벤트)를 잘 예측(예를 들어, 최적으로 예측)하는 예측 모델을 생성하는 것을 포함할 수 있다. 따라서, 기준 배뇨 모델은 특정 사용자에 대해 가장 최적의 예측 모델이 아닐 수도 있고, 모델이 생성되는 모든 사용자에 대한 최적의 예측 모델일 수 있다.
블록(810)에서 기준 배뇨 모델을 생성하는 것은 블록(812)에서 크로스-코퍼스(cross-corpus) 기준 배뇨 모델을 생성하는 것을 포함할 수 있다. 크로스-코퍼스 기준 배뇨 모델은 사용자 식별자들의 코퍼스 내의 각각의 사용자 식별자와 연관된 모든 데이터에 대해 바람직한 또는 최적의 예측 모델을 나타낼 수 있다. 즉, 크로스-코퍼스 기준 배뇨 모델은 데이터가 수신되는 모든 사용자로부터의 데이터에 대해 트레이닝된 최적의 모델을 나타낼 수 있다.
선택적으로, 부가적으로, 또는 대안적으로, 블록(810)에서 기준 배뇨 모델을 생성하는 것은 블록(814)에서 하나 이상의 하위 집단(sub-population) 기준 배뇨 모델을 생성하는 것을 포함할 수 있다. 하위 집단 기준 배뇨 모델은 사용자 식별자들의 코퍼스의 사용자 식별자들의 하위 집단과 연관된 모든 데이터에 대해 바람직한 또는 최적의 예측 모델을 나타낼 수 있다. 즉, 하위 집단 기준 배뇨 모델은 데이터가 수신되는 사용자들의 서브세트로부터의 데이터에 대해 트레이닝된 최적의 모델을 나타낼 수 있다. 하위 집단 기준 배뇨 모델을 생성하는 것은 클러스터링 알고리즘과 같은 적합한 알고리즘에 기초하여 사용자 식별자들을 지능적으로 그룹화함으로써 하위 집단을 설정하는 것을 포함할 수 있다. 따라서, 하위 집단은 특정 하위 집단 기준 배뇨 모델에 따라 배뇨 이벤트가 높은 정확도로 예측될 수 있는 사용자 식별자들의 집합(예를 들어, 코퍼스의 모든 사용자 식별자들보다 적음)을 나타낼 수 있다. 블록(802)에서 수신된 임의의 데이터에 기초하여 하위 집단이 설정(예를 들어, 지능적으로 그룹화)될 수 있다.
제1 예에서는, 블록(806)에서 수신된 생체 인식 데이터를 사용하여 하위 집단이 설정될 수 있다. 머신러닝 및 지능형 그룹화를 통해, 소정의 한도를 초과하는 평균 안정시 심박수 및/또는 소정의 한도 이하의 평균 피부 전도도를 갖는 개인이 하나의 특정 하위 집단 기준 배뇨 모델(예를 들어, 피부 전도도 변수에 더 큰 가중치를 제공하는 모델)을 사용하여 잘 모델링될 수 있음을 결정할 수 있다. 제2 예에서는, 블록(806)에서 수신된 환경 데이터를 이용하여 하위 집단이 설정될 수 있다. 머신러닝 및 지능형 그룹화를 통해, 적어도 어떤 최저 주변 온도 및/또는 어떤 최대 습도 미만의 습도를 갖는 환경에서 매일 특정 시간 이상을 지내는 개인이 특정 하위 집단 기준 기본 배뇨 모델(예를 들어, 다른 모델 또는 크로스-코퍼스 기준 배뇨 모델보다 배뇨 시간 예측을 지연시키는 모델)을 사용하여 잘 모델링될 수 있음을 결정할 수 있다. 경우에 따라, 인구 통계학적 정보는 하위 집단을 그룹화하는데 특히 유용할 수 있다.
블록(816)에서, 새로운 사용자 식별자와 연관된 인구 통계학적, 생체 인식 및/또는 환경 데이터가 수신될 수 있다. 블록(818)에서는, 새로운 사용자 식별자와 연관된, 블록(816)에서 수신된 데이터가 적합한(예를 들어, 높은 정확도의 가능성을 갖는) 기준 배뇨 모델을 선택하는데 사용될 수 있다. 어떤 경우에는, 블록(818)에서 데이터가 수신되지 않으면, 크로스-코퍼스 기준 배뇨 모델이 자동으로 선택될 수 있다. 어떤 경우에는, 블록(816)에서 수신된 데이터가 블록(814)의 임의의 하위 집단과 매칭되지 않거나 적합하지 않으면, 크로스-코퍼스 기준 배뇨 모델이 선택될 수 있다. 그러나, 블록(816)에서 수신된 데이터의 일부 또는 전부가 블록(814)의 하위 집단 중 임의의 집단과 매칭되거나 적합하면, 가장 적합한 하위 집단의 하위 집단 기준 배뇨 모델이 선택될 수 있다.
예를 들어, 새로운 사용자 식별자와 연관된 데이터가 제1 예를 참조하여 위에서 설명된 소정의 한도를 초과하는 평균 안정시 심박수 및/또는 소정의 한도 이하의 평균 피부 전도도를 나타내는 경우, 상기 사용자 식별자는 제1 예의 하위 집단과 연관될 수 있고 제1 예의 하위 집단 기저 배뇨 모델이 선택될 수 있다. 다른 예에서는, 새로운 사용자 식별자와 연관된 데이터가 상기 사용자 식별자와 연관된 사용자가 적어도 어떤 최저 주변 온도 및/또는 어떤 최대 습도 미만의 습도를 갖는 환경에서 매일 특정 시간 이상을 지내는 것을 나타내는 경우, 상기 사용자 식별자는 제2 예의 하위 집단과 연관될 수 있고 제2 예의 하위 집단 기준 배뇨 모델이 선택될 수 있다. 또 다른 예에서는, 새로운 사용자 식별자와 연관된 데이터가 제1 예의 한위 집단 및 제2 예의 하위 집단 모두와 맞으면, 두 개의 하위 집단 중 어느 것이 더 적합한지를 결정할 수 있고, 그 하위 집단에 대한 하위 집단 기저 배뇨 모델을 사용할 수 있다.
새로운 사용자 식별자로부터의 데이터가 하나 이상의 하위 집단에 적합할 수 있는 경우에는, 블록(818)에서 선택된 기준 배뇨 모델은 매칭되거나 적합한 하위 집단들의 개별 하위 집단 기준 배뇨 모델의 평균 또는 다른 조합된 특성들을 나타내는 조합된, 선택적으로는 새로운 기준 배뇨 모델일 수 있다.
블록(820)에서는 사용자 배뇨 모델이 초기화 될 수 있다. 사용자 배뇨 모델을 초기화하는 것은 블록(818)에서 선택된 기준 배뇨 모델을 사용하여 사용자 배뇨 모델을 생성하는 것을 포함할 수 있다. 사용자 배뇨 모델은 초기에는 선택된 기준 배뇨 모델과 동일하거나 또는 그것의 복사본일 수 있다. 사용자 배뇨 모델이 생성되거나 초기화될 때, 새로운 사용자 식별자와 연관될 수 있다. 따라서, 사용자 배뇨 모델은 특정 사용자, 즉 상기 사용자 식별자와 연관된 사용자에 특정한 예상 배뇨 시간을 예측하기 위한 모델일 수 있다.
블록(822)에서, 사용자 식별자와 연관된 예상 배뇨 시간을 예측하기 위해 사용자 배뇨 모델이 사용될 수 있다. 어떤 경우에는, 사용자 배뇨 모델을 현재, 과거 및/또는 최근 데이터에 적용하여 예상 배뇨 시간을 예측할 수 있다. 예를 들어, 업데이트된 사용자 모델은 블록(816)에서 수신된 데이터에 적용될 수 있다. 어떤 경우에는, 블록(822)이 예상 배뇨 시간을 예측하기 위해 사용자 배뇨 모델과 함께 사용될 수 있는 현재 데이터를 취득하는 것을 포함할 수 있다.
도시된 실시예들를 포함해서, 실시예들에 관한 상기 설명은 단지 예시 및 설명의 목적으로 제공되었으며, 개시된 정확한 형태를 모두 망라하거나 한정하려는 것은 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게는 다수의 수정, 개조 및 사용이 자명할 것이다.
아래에서 사용된 바와 같이, 일련의 예들에 대한 참조는 이 예들의 각각에 대한 참조로서 구별하여 이해되어야 한다(예를 들어, "예 1-4"는 "예 1, 2, 3 또는 4"로 이해되어야 함).
예 1은 하나 이상의 데이터 프로세서; 및 상기 하나 이상의 데이터 프로세서에서 실행될 때, 상기 하나 이상의 데이터 프로세서로 하여금, 고유 식별자와 연관된 생체 인식 데이터를 수신하는 단계; 상기 고유 식별자와 연관된 배뇨 예측 모델에 액세스하는 단계; 수신된 생체 인식 데이터를 사용하여 업데이트된 배뇨 예측 모델을 생성하는 단계; 업데이트된 배뇨 예측 모델 및 수신된 생체 인식 데이터를 사용하여 예상 배뇨 시간을 예측하는 단계; 및 상기 예상 배뇨 시간 및 상기 고유 식별자를 사용하여 상태 업데이트를 생성하는 단계를 포함하는 동작을 수행하게 하는 명령어들을 포함하는 비일시적(non-transitory) 컴퓨터 판독가능 저장 매체를 포함하는 시스템으로서, 상기 상태 업데이트를 생성하는 단계는 자극의 생성을 용이하게 한다.
예 2는 예 1의 시스템이고, 상기 동작은 상태 업데이트를 전송하는 단계를 더 포함하고, 상기 상태 업데이트는 수신될 때 자극의 생성을 용이하게 한다.
예 3은 예 2의 시스템이고, 상기 상태 업데이트를 전송하는 단계는 상기 고유 식별자 또는 상기 고유 식별자와 연관된 디바이스 식별자를 상기 상태 업데이트에 첨부하는 단계를 포함하고, 상기 상태 업데이트는, 중간 디바이스에 의해 수신될 때, 상기 중간 디바이스가 상기 상태 업데이트를 상기 고유 식별자와 연관된 다음 디바이스로 전달할 수 있게 한다.
예 4는 예 1 내지 3의 시스템이고, 상기 동작은 상기 고유 식별자와 연관된 인구 통계학적 정보를 수신하는 단계; 상기 수신된 인구 통계학적 정보를 사용하여 기준 모델을 선택하는 단계; 및 기준 모델을 사용하여 배뇨 예측 모델을 초기화하는 단계를 더 포함한다.
예 5는 예 1 내지 4의 시스템으로서, 상기 동작은 상기 고유 식별자와 연관된 피드백 신호를 수신하는 단계를 더 포함하고, 상기 피드백 신호는 배뇨 이벤트의 발생을 나타내며, 업데이트된 배뇨 예측 모델을 생성하는 단계는 피드백 신호 및 수신된 생체 인식 데이터를 사용하여 배뇨 예측 모델에 머신러닝 기술을 적용하는 단계를 포함한다.
예 6은 예 5의 시스템이며, 상기 동작은 피드백 요청 신호를 전송하는 단계를 더 포함하고, 상기 피드백 요청 신호는 수신될 때 피드백 요청 자극의 생성을 유도한다.
예 7은 컴퓨터로 구현되는 방법으로서, 컴퓨팅 디바이스에 의해, 고유 식별자와 연관된 생체 인식 데이터를 수신하는 단계; 상기 고유 식별자와 연관된 배뇨 예측 모델에 액세스하는 단계; 상기 수신된 생체 인식 데이터를 사용하여 업데이트된 배뇨 예측 모델을 생성하는 단계; 업데이트된 배뇨 예측 모델 및 수신된 생체 인식 데이터를 사용하여 예상 배뇨 시간을 예측하는 단계; 및 상기 예상 배뇨 시간 및 상기 고유 식별자를 사용하여 상태 업데이트를 생성하는 단계를 포함하고, 상기 상태 업데이트를 생성하는 단계는 자극의 생성을 용이하게 한다.
예 8은 실시 예 7의 방법이며, 상태 업데이트를 전송하는 단계를 더 포함하고, 상기 상태 업데이트는 수신될 때 자극의 생성을 용이하게 한다.
예 9는 예 8의 방법으로, 상태 업데이트를 전송하는 단계는 고유 식별자 또는 상기 고유 식별자와 연관된 디바이스 식별자를 상태 업데이트에 첨부하는 단계를 포함하고, 상기 상태 업데이트는, 중간 디바이스에 의해 수신될 때, 상기 중간 디바이스가 상기 상태 업데이트를 상기 고유 식별자와 연관된 다음 디바이스로 전달할 수 있게 한다.
예 10은 예 7 내지 9의 방법으로서, 상기 고유 식별자와 연관된 인구 통계학적 정보를 수신하는 단계; 수신된 인구 통계학적 정보를 사용하여 기준 모델을 선택하는 단계; 및 기준 모델을 사용하여 배뇨 예측 모델을 초기화하는 단계를 포함한다.
예 11은 예 7 내지 9의 방법으로서, 고유 식별자와 연관된 피드백 신호를 수신하는 단계를 더 포함하고, 상기 피드백 신호는 배뇨 이벤트의 발생을 나타내며, 업데이트된 배뇨 예측 모델을 생성하는 단계는 피드백 신호 및 수신된 생체 인식 데이터를 사용하여 배뇨 예측 모델에 머신러닝 기술을 적용하는 단계를 포함한다.
예 12는 예 11의 방법으로서, 피드백 요청 신호를 전송하는 단계를 더 포함하고, 상기 피드백 요청 신호는 수신될 때 피드백 요청 자극의 생성을 유도한다.
예 13은 비일시적 기계 판독가능 저장 매체에 유형적으로 구현된 컴퓨터 프로그램 제품으로서, 데이터 처리 장치로 하여금 고유 식별자와 연관된 생체 인식 데이터를 수신하는 단계; 상기 고유 식별자와 연관된 배뇨 예측 모델에 액세스하는 단계; 수신된 생체 인식 데이터를 사용하여 업데이트된 배뇨 예측 모델을 생성하는 단계; 업데이트된 배뇨 예측 모델 및 수신된 생체 인식 데이터를 사용하여 예상 배뇨 시간을 예측하는 단계; 및 상기 예상 배뇨 시간 및 상기 고유 식별자를 사용하여 상태 업데이트를 생성하는 단계를 포함하는 동작을 수행하게 하도록 구성된 명령어들을 포함하고, 상기 상태 업데이트를 생성하는 단계는 자극의 생성을 용이하게 한다.
예 14는 예 13의 컴퓨터 프로그램 제품으로서, 상기 동작은 상태 업데이트를 전송하는 단계를 더 포함하고, 상기 상태 업데이트는 수신될 때 자극의 생성을 용이하게 한다.
예 15는 예 14의 컴퓨터 프로그램 제품으로서, 상태 업데이트를 전송하는 단계는 고유 식별자 또는 상기 고유 식별자와 연관된 디바이스 식별자를 상태 업데이트에 첨부하는 단계를 포함하고, 상기 상태 업데이트는, 중간 디바이스에 의해 수신될 때, 상기 중간 디바이스가 상기 상태 업데이트를 상기 고유 식별자와 연관된 다음 디바이스로 전달할 수 있게 한다.
예 16은 예 13 내지 15의 컴퓨터 프로그램 제품으로서, 상기 동작은 상기 고유 식별자와 연관된 인구 통계학적 정보를 수신하는 단계; 수신된 인구 통계학적 정보를 사용하여 기준 모델을 선택하는 단계; 및 기준 모델을 사용하여 배뇨 예측 모델을 초기화하는 단계를 더 포함한다.
예 17은 예 13 내지 16의 컴퓨터 프로그램 제품으로서, 상기 동작은 상기 고유 식별자와 연관된 피드백 신호를 수신하는 단계를 더 포함하며, 상기 피드백 신호는 배뇨 이벤트의 발생을 나타내고, 업데이트된 배뇨 예측 모델을 생성하는 단계는 피드백 신호 및 수신된 생체 인식 데이터를 사용하여 배뇨 예측 모델에 머신러닝 기술을 적용하는 단계를 포함한다.
예 18은 예 17의 컴퓨터 프로그램 제품으로서, 상기 동작은 피드백 요청 신호를 전송하는 단계를 더 포함하고, 상기 피드백 요청 신호는 수신될 때 피드백 요청 자극의 생성을 유도한다.
예 19는 예 1 내지 6의 시스템으로서, 생체 인식 데이터가 심박수 변동성을 포함한다.
예 20은 예 1-6 또는 20의 시스템으로서, 생체 인식 데이터는 방광이 가득참의 측정을 배제한다.
예 21은 예 1-6, 20 또는 21의 시스템으로서, 상기 동작은 상기 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및 상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계를 더 포함한다. 경우에 따라, 상기 동작은 추가적인 생체 인식 데이터를 수신하는 단계; 상기 추가적인 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및 상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계를 대신 포함할 수 있다.
예 22는 예 7 내지 12의 방법으로서, 생체 인식 데이터는 심박수 변동성을 포함한다.
예 23은 예 7 내지 12 또는 22의 방법으로서, 생체 인식 데이터는 방광이 가득참의 측정을 배제한다.
예 24는 예 7-12, 22, 또는 23의 방법으로서, 상기 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및 상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계를 더 포함한다. 경우에 따라, 상기 동작은 추가적인 생체 인식 데이터를 수신하는 단계; 상기 추가적인 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및 상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계를 대신 포함할 수 있다.
예 25는 예 13 내지 18의 컴퓨터 프로그램 제품으로서, 생체 인식 데이터는 심박수 변동성을 포함한다.
예 26은 예 13 내지 18 또는 23의 컴퓨터 프로그램 제품으로서, 생체 인식 데이터는 방광이 가득참의 측정을 배제한다.
예 27은 예 13-18, 25, 또는 26의 컴퓨터 프로그램 제품으로서, 상기 동작은 상기 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및 상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계를 더 포함한다. 경우에 따라, 상기 동작은 추가적인 생체 인식 데이터를 수신하는 단계; 상기 추가적인 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및 상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계를 대신 포함할 수 있다.
Claims (21)
- 하나 이상의 데이터 프로세서; 및
비일시적(non-transitory) 컴퓨터 판독가능 저장 매체를 포함하는 시스템에 있어서,
상기 저장 매체는, 상기 하나 이상의 데이터 프로세서에서 실행될 때 상기 하나 이상의 데이터 프로세서로 하여금,
고유 식별자와 연관된 생체 인식 데이터를 수신하는 단계;
상기 고유 식별자와 연관된 배뇨 예측 모델에 액세스하는 단계;
상기 수신된 생체 인식 데이터를 사용하여 업데이트된 배뇨 예측 모델을 생성하는 단계;
상기 업데이트된 배뇨 예측 모델 및 수신된 생체 인식 데이터를 사용하여 예상 배뇨 시간을 예측하는 단계; 및
상기 예상 배뇨 시간 및 상기 고유 식별자를 사용하여 상태 업데이트를 생성하는 단계
를 포함하는 동작을 수행하게 하는 명령어들을 포함하고,
상기 상태 업데이트를 생성하는 단계는 자극의 생성을 용이하게 하는 시스템.
- 제1항에 있어서,
상기 동작은 상기 상태 업데이트를 전송하는 단계를 더 포함하고, 상기 상태 업데이트는 수신될 때 상기 자극의 생성을 용이하게 하는, 시스템.
- 제2항에 있어서,
상기 상태 업데이트를 전송하는 단계는, 상기 고유 식별자 또는 상기 고유 식별자와 연관된 디바이스 식별자를 상기 상태 업데이트에 첨부하는 단계를 포함하고,
상기 상태 업데이트는, 중간 디바이스에 의해 수신될 때, 상기 중간 디바이스가 상기 상태 업데이트를 상기 고유 식별자와 연관된 다음 디바이스로 전달할 수 있게 하는, 시스템.
- 제1항에 있어서,
상기 동작은 상기 고유 식별자와 연관된 인구 통계학적 정보를 수신하는 단계;
상기 수신된 인구 통계학적 정보를 사용하여 기준 모델을 선택하는 단계; 및
상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계
를 더 포함하는 시스템.
- 제1항에 있어서,
상기 동작은 상기 고유 식별자와 연관된 피드백 신호를 수신하는 단계를 더 포함하고,
상기 피드백 신호는 배뇨 이벤트의 발생을 나타내며,
상기 업데이트된 배뇨 예측 모델을 생성하는 단계는 상기 피드백 신호 및 상기 수신된 생체 인식 데이터를 사용하여 상기 배뇨 예측 모델에 머신러닝 기술을 적용하는 단계를 포함하는, 시스템.
- 제5항에 있어서,
상기 동작은 피드백 요청 신호를 전송하는 단계를 더 포함하고,
상기 피드백 요청 신호는 수신될 때 피드백 요청 자극의 생성을 유도하는, 시스템.
- 제1항에 있어서,
상기 동작은,
상기 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및
상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계
를 더 포함하는 시스템.
- 컴퓨터로 구현되는 방법에 있어서,
컴퓨팅 디바이스에 의해, 고유 식별자와 연관된 생체 인식 데이터를 수신하는 단계;
상기 고유 식별자와 연관된 배뇨 예측 모델에 액세스하는 단계;
상기 수신된 생체 인식 데이터를 사용하여 업데이트된 배뇨 예측 모델을 생성하는 단계;
상기 업데이트된 배뇨 예측 모델 및 수신된 생체 인식 데이터를 사용하여 예상 배뇨 시간을 예측하는 단계; 및
상기 예상 배뇨 시간 및 상기 고유 식별자를 사용하여 상태 업데이트를 생성하는 단계
를 포함하고,
상기 상태 업데이트를 생성하는 단계는 자극의 생성을 용이하게 하는 방법.
- 제8항에 있어서,
상기 상태 업데이트를 전송하는 단계를 더 포함하고,
상기 상태 업데이트는 수신될 때 상기 자극의 생성을 용이하게 하는 방법.
- 제9항에 있어서,
상기 상태 업데이트를 전송하는 단계는, 상기 고유 식별자 또는 상기 고유 식별자와 연관된 디바이스 식별자를 상기 상태 업데이트에 첨부하는 단계를 포함하고,
상기 상태 업데이트는, 중간 디바이스에 의해 수신될 때, 상기 중간 디바이스가 상기 상태 업데이트를 상기 고유 식별자와 연관된 다음 디바이스로 전달할 수 있게 하는, 방법.
- 제8항에 있어서,
상기 고유 식별자와 연관된 인구 통계학적 정보를 수신하는 단계;
상기 수신된 인구 통계학적 정보를 사용하여 기준 모델을 선택하는 단계; 및
상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계
를 더 포함하는 방법.
- 제8항에 있어서,
상기 고유 식별자와 연관된 피드백 신호를 수신하는 단계를 더 포함하고,
상기 피드백 신호는 배뇨 이벤트의 발생을 나타내며, 상기 업데이트된 배뇨 예측 모델을 생성하는 단계는 상기 피드백 신호 및 상기 수신된 생체 인식 데이터를 사용하여 상기 배뇨 예측 모델에 머신러닝 기술을 적용하는 단계를 포함하는 방법.
- 제12항에 있어서,
피드백 요청 신호를 전송하는 단계를 더 포함하고,
상기 피드백 요청 신호는 수신될 때 피드백 요청 자극의 생성을 유도하는 방법.
- 제8항에 있어서,
상기 생체 인식 데이터를 사용하여 기준 모델을 선택하는 단계; 및
상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계
를 더 포함하는 방법.
- 비일시적 기계 판독가능 저장 매체에 유형적으로 구현된 컴퓨터 프로그램 제품에 있어서, 데이터 처리 장치로 하여금,
고유 식별자와 연관된 생체 인식 데이터를 수신하는 단계;
상기 고유 식별자와 연관된 배뇨 예측 모델에 액세스하는 단계;
상기 수신된 생체 인식 데이터를 사용하여 업데이트된 배뇨 예측 모델을 생성하는 단계;
상기 업데이트된 배뇨 예측 모델 및 수신된 생체 인식 데이터를 사용하여 예상 배뇨 시간을 예측하는 단계; 및
상기 예상 배뇨 시간 및 상기 고유 식별자를 사용하여 상태 업데이트를 생성하는 단계
를 포함하는 동작을 수행하게 하도록 구성된 명령어들을 포함하고,
상기 상태 업데이트를 생성하는 단계는 자극의 생성을 용이하게 하는, 컴퓨터 프로그램 제품.
- 제15항에 있어서,
상기 동작은 상기 상태 업데이트를 전송하는 단계를 더 포함하고,
상기 상태 업데이트는 수신될 때 상기 자극의 생성을 용이하게 하는, 컴퓨터 프로그램 제품.
- 제16항에 있어서,
상기 상태 업데이트를 전송하는 단계는, 상기 고유 식별자 또는 상기 고유 식별자와 연관된 디바이스 식별자를 상기 상태 업데이트에 첨부하는 단계를 포함하고,
상기 상태 업데이트는, 중간 디바이스에 의해 수신될 때, 상기 중간 디바이스가 상기 상태 업데이트를 상기 고유 식별자와 연관된 다음 디바이스로 전달할 수 있게 하는, 컴퓨터 프로그램 제품.
- 제15항에 있어서,
상기 동작은 상기 고유 식별자와 연관된 인구 통계학적 정보를 수신하는 단계;
상기 수신된 인구 통계학적 정보를 사용하여 기준 모델을 선택하는 단계; 및
상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계
를 더 포함하는 컴퓨터 프로그램 제품.
- 제15항에 있어서,
상기 동작은 상기 고유 식별자와 연관된 피드백 신호를 수신하는 단계를 더 포함하고,
상기 피드백 신호는 배뇨 이벤트의 발생을 나타내며, 상기 업데이트된 배뇨 예측 모델을 생성하는 단계는 상기 피드백 신호 및 상기 수신된 생체 인식 데이터를 사용하여 상기 배뇨 예측 모델에 머신러닝 기술을 적용하는 단계를 포함하는, 컴퓨터 프로그램 제품.
- 제19항에 있어서,
상기 동작은 피드백 요청 신호를 전송하는 단계를 더 포함하고, 상기 피드백 요청 신호는 수신될 때 피드백 요청 자극의 생성을 유도하는, 컴퓨터 프로그램 제품.
- 제15항에 있어서,
상기 동작은,
상기 생체 데이터를 사용하여 기준 모델을 선택하는 단계; 및
상기 기준 모델을 사용하여 상기 배뇨 예측 모델을 초기화하는 단계
를 더 포함하는 컴퓨터 프로그램 제품.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662321690P | 2016-04-12 | 2016-04-12 | |
US62/321,690 | 2016-04-12 | ||
US201662365714P | 2016-07-22 | 2016-07-22 | |
US62/365,714 | 2016-07-22 | ||
PCT/US2017/027065 WO2017180661A1 (en) | 2016-04-12 | 2017-04-11 | Urination prediction and monitoring |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190004295A true KR20190004295A (ko) | 2019-01-11 |
KR102470666B1 KR102470666B1 (ko) | 2022-11-23 |
Family
ID=59998222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020187032633A KR102470666B1 (ko) | 2016-04-12 | 2017-04-11 | 배뇨 예측 및 모니터링 |
Country Status (10)
Country | Link |
---|---|
US (3) | US10685249B2 (ko) |
EP (1) | EP3442420B1 (ko) |
JP (1) | JP7000342B2 (ko) |
KR (1) | KR102470666B1 (ko) |
CN (1) | CN109640822B (ko) |
AU (1) | AU2017249318B2 (ko) |
BR (1) | BR112018071072A8 (ko) |
CA (1) | CA3020748C (ko) |
IL (1) | IL262263B (ko) |
WO (1) | WO2017180661A1 (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102185227B1 (ko) * | 2020-07-14 | 2020-12-01 | 단국대학교 천안캠퍼스 산학협력단 | 방광 모니터링 장치 및 방법 |
WO2021101216A1 (ko) * | 2019-11-19 | 2021-05-27 | 연세대학교 산학협력단 | 모바일 기반 방광 모니터링를 위한 패치형 초음파센서의 포지셔닝 최적화 장치 및 방법 |
KR20220059825A (ko) * | 2020-11-03 | 2022-05-10 | 재단법인대구경북과학기술원 | 방광 모니터링 장치 및 방광 모니터링 장치의 제어 방법 |
KR102528242B1 (ko) * | 2022-03-18 | 2023-05-03 | (주) 엠큐브테크놀로지 | 인공지능을 이용하여 방광용적을 측정하는 의료영상장치 및 의료영상장치의 동작 방법 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10226213B2 (en) * | 2002-10-01 | 2019-03-12 | Zhou Tian Xing | Wearable digital device for personal health use for saliva, urine and blood testing and mobile wrist watch powered by user body |
US10073953B2 (en) * | 2002-10-01 | 2018-09-11 | World Award Academy, World Award Foundation, Amobilepay, Inc. | Wearable personal digital device for facilitating mobile device payments and personal use |
US10905368B2 (en) | 2016-04-12 | 2021-02-02 | GOGO Band, Inc. | Bedwetting training device and method |
CA3020748C (en) | 2016-04-12 | 2022-10-04 | GOGO Band, Inc. | Urination prediction and monitoring |
US20180059714A1 (en) * | 2016-08-23 | 2018-03-01 | Qualcomm Incorporated | Smart device with detachable band |
WO2018049412A1 (en) * | 2016-09-12 | 2018-03-15 | Graftworx, Inc. | Wearable device with multimodal diagnostics |
US11018959B1 (en) * | 2016-10-15 | 2021-05-25 | Rn Technologies, Llc | System for real-time collection, processing and delivery of data-telemetry |
US11305113B2 (en) * | 2017-11-11 | 2022-04-19 | Neurostim Solutions LLC | Nocturia reduction system |
KR102118158B1 (ko) * | 2017-12-05 | 2020-06-09 | 주식회사 굿보이딩헬스 | 웨어러블 디바이스를 이용한 여성 배뇨 감지 시스템 및 이를 이용한 판단 방법 |
US10856792B2 (en) * | 2018-02-22 | 2020-12-08 | Medtronic, Inc. | Urinary symptom management |
EP3549519A1 (en) * | 2018-04-06 | 2019-10-09 | Koninklijke Philips N.V. | Method and apparatus for monitoring a subject |
US11367041B2 (en) * | 2018-06-25 | 2022-06-21 | Robert Bosch Gmbh | Occupancy sensing system for custodial services management |
JP7314252B2 (ja) | 2018-08-10 | 2023-07-25 | シー・アール・バード・インコーポレーテッド | 自動尿量測定システム |
EP3890598A4 (en) * | 2018-12-07 | 2022-07-27 | Emory University | PASSIVE DATA COLLECTION AND USE OF MACHINE LEARNING MODELS FOR EVENT PREDICTION |
CN110051371A (zh) * | 2019-03-27 | 2019-07-26 | 苏州威斯德医疗科技有限公司 | 一种基于物联网的排尿预警方法及预警装置 |
CN110236572B (zh) * | 2019-05-07 | 2021-10-26 | 平安科技(深圳)有限公司 | 基于体温信息的抑郁症预测系统 |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
CN112656401B (zh) * | 2019-10-15 | 2023-08-22 | 梅州市青塘实业有限公司 | 一种智能监护方法、装置及设备 |
CN110811650B (zh) * | 2019-10-29 | 2022-05-20 | 广东工业大学 | 一种排尿预测方法及装置 |
CN110742731A (zh) * | 2019-11-08 | 2020-02-04 | 云南豪漫科技有限公司 | 纸尿裤及其监控系统 |
US12027277B1 (en) * | 2019-12-05 | 2024-07-02 | Evidation Health, Inc. | Active learning for wearable health sensor |
US20210186399A1 (en) * | 2019-12-19 | 2021-06-24 | Medtronic, Inc. | Urinary tract infection determination |
US12033761B2 (en) | 2020-01-30 | 2024-07-09 | Evidation Health, Inc. | Sensor-based machine learning in a health prediction environment |
KR102392785B1 (ko) * | 2020-03-05 | 2022-05-02 | 림헬스케어 주식회사(RIM Healthcare Co., Ltd.) | 웨어러블 디바이스를 이용한 배뇨 감지 방법 및 시스템 |
US11903746B2 (en) * | 2020-06-25 | 2024-02-20 | Hill-Rom Services, Inc. | Incontinence prediction systems and methods |
TWI753506B (zh) * | 2020-07-24 | 2022-01-21 | 戴德森醫療財團法人嘉義基督教醫院 | 預測夜間排尿時間方法 |
WO2022055948A1 (en) * | 2020-09-08 | 2022-03-17 | Beacon Biosignals, Inc. | Systems and methods for measuring neurotoxicity in a subject |
CN112116967B (zh) * | 2020-09-25 | 2022-12-27 | 苏州市立医院 | 一种提高尿液样本收集效率的信息处理方法和装置 |
TWI763403B (zh) * | 2021-03-29 | 2022-05-01 | 國立勤益科技大學 | 智慧馬桶偵測裝置 |
CN113208618A (zh) * | 2021-04-06 | 2021-08-06 | 北京脑陆科技有限公司 | 一种基于eeg信号的大小便排泄预警方法、系统 |
US11983549B2 (en) * | 2021-04-09 | 2024-05-14 | The Procter & Gamble Company | Multi-tiered graphical user interface (GUI) systems and methods for interoperating between multiple mobile application modes during a real-time caregiving event |
EP4102517A1 (en) * | 2021-06-11 | 2022-12-14 | Siemens Healthcare GmbH | Risk determination for a ct-examination |
CN114027795A (zh) * | 2021-11-11 | 2022-02-11 | 展讯半导体(南京)有限公司 | 婴儿睡眠状态监测方法、装置、终端设备及可读存储介质 |
CN113786205A (zh) * | 2021-11-17 | 2021-12-14 | 华南理工大学 | 基于卷积网络和长短期记忆网络的二便预警系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005087543A (ja) * | 2003-09-18 | 2005-04-07 | Hitachi Maxell Ltd | 尿蓄積量検出装置、センサーユニットおよび尿蓄積量を監視あるいは排尿を予告する方法 |
JP2009279435A (ja) * | 2002-08-09 | 2009-12-03 | Diagnostic Ultrasound Europe Bv | 膀胱体積の超音波瞬時測定 |
KR20130040876A (ko) | 2010-04-08 | 2013-04-24 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 배뇨 예측 |
JP2014079506A (ja) * | 2012-10-18 | 2014-05-08 | Fujitsu Ltd | 膀胱内尿量推定装置、膀胱内尿量推定方法及びプログラム |
KR20140141425A (ko) * | 2013-05-29 | 2014-12-10 | 주식회사 아이엠바이오 | 배뇨 조절용 자극 정보 제공 장치 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07255764A (ja) | 1994-03-18 | 1995-10-09 | Kanda Tsushin Kogyo Co Ltd | 排尿警告方法及びその装置 |
IL124703A0 (en) | 1998-06-01 | 1999-01-26 | Abramovitch Aron | Method and device for measurement of urine bladder functions and urination |
WO2002002006A1 (en) | 2000-07-05 | 2002-01-10 | Seely Andrew J E | Method and apparatus for multiple patient parameter variability analysis and display |
US6603403B2 (en) * | 2000-12-12 | 2003-08-05 | Kimberly-Clark Worldwide, Inc. | Remote, wetness signaling system |
US6911912B2 (en) | 2001-11-08 | 2005-06-28 | The Procter & Gamble Company | Method of urinary continence training based on an objective measurement of the bladder |
JP4463506B2 (ja) * | 2003-08-13 | 2010-05-19 | 株式会社シェイプアップハウス | 多チャンネル式電気刺激装置 |
JP4677615B2 (ja) | 2004-03-31 | 2011-04-27 | 独立行政法人産業技術総合研究所 | 超音波尿量センサ |
US7977529B2 (en) * | 2004-11-03 | 2011-07-12 | Fred Bergman Healthcare Pty Ltd. | Incontinence management system and diaper |
US8664467B2 (en) * | 2006-03-31 | 2014-03-04 | The Procter & Gamble Company | Absorbent articles with feedback signal upon urination |
JP2008217724A (ja) * | 2007-03-07 | 2008-09-18 | Nec Corp | オモラシ監視システム及び該システムに用いられるオモラシ監視方法、オモラシ監視プログラム |
US8204597B2 (en) * | 2007-05-30 | 2012-06-19 | Medtronic, Inc. | Evaluating patient incontinence |
WO2010034054A1 (en) | 2008-09-23 | 2010-04-01 | The Royal Alexandra Hospital For Children | A wireless code game enuresis alarm for the treatment of enuresis |
AU2009325847B2 (en) * | 2008-12-09 | 2013-09-05 | Nephera Ltd. | Stimulation of the urinary system |
US8221337B2 (en) | 2009-07-02 | 2012-07-17 | Odu Research Foundation | System and method for monitoring bladder distention in a variety of patients having differing anatomical proportions |
JP2011182954A (ja) * | 2010-03-09 | 2011-09-22 | Panasonic Corp | 排尿障害治療器 |
BR112012024065A2 (pt) * | 2010-03-23 | 2017-08-08 | Reproductive Research Tech Lp | método operacional para prever um trabalho de parto prematuro verdadeiro e parto, e sistema operacional para prever um trabalho de parto prematuro verdadeiro e parto |
WO2011152676A2 (ko) * | 2010-06-04 | 2011-12-08 | 디트론 주식회사 | 배변/배뇨 검출 시스템 및 그 방법 |
US20120172783A1 (en) | 2010-12-29 | 2012-07-05 | Ethicon Endo-Surgery, Inc. | Obesity therapy and heart rate variability |
WO2013019941A2 (en) * | 2011-08-02 | 2013-02-07 | Reproductive Research Technologies, Lp | Method and system to monitor, detect, diagnose and predict the separation/rupture of the uterine scar associated with vaginal birth after cesarean procedures |
KR101306506B1 (ko) * | 2011-09-21 | 2013-09-09 | 주식회사 엘지화학 | 침수 검출 회로 및 이를 이용한 침수 검출 장치 |
JP6262145B2 (ja) * | 2011-12-21 | 2018-01-17 | エスセーアー・ハイジーン・プロダクツ・アーベー | 吸収性製品の使用を監視するための方法およびコンピュータプログラム |
JP2013242668A (ja) * | 2012-05-18 | 2013-12-05 | Sharp Corp | 情報通知装置、情報通知装置の制御方法、制御プログラム、および、制御プログラムを記録したコンピュータ読み取り可能な記録媒体 |
CN102961152B (zh) * | 2012-11-01 | 2015-12-02 | 中山大学 | 低负荷膀胱尿量实时监测与自动报警方法 |
CN103126672B (zh) * | 2013-03-13 | 2015-04-22 | 中山大学 | 基于生物电阻抗的膀胱积尿实时监测方法及装置 |
US20140275849A1 (en) | 2013-03-15 | 2014-09-18 | Peerbridge Health, Inc. | System and method for monitoring and diagnosing a patient condition based on wireless sensor monitoring data |
CN103445770B (zh) * | 2013-09-02 | 2015-04-22 | 中山大学 | 排尿感知检测方法及装置 |
US20160125759A1 (en) | 2014-10-29 | 2016-05-05 | Transcontinental Industries, Inc. | Conditioned response toilet training systems and methods |
US20160120455A1 (en) | 2014-11-04 | 2016-05-05 | Stichting Imec Nederland | Method for monitoring incontinence |
CN104605850B (zh) * | 2015-01-19 | 2017-08-01 | 中山大学 | 一种基于电阻抗断层成像技术的膀胱尿量实时监测装置和方法 |
EP3308713B1 (en) | 2015-06-12 | 2020-05-06 | Triple W Japan K.K. | Urine amount estimation device and urine amount estimation method |
GB201513208D0 (en) | 2015-07-27 | 2015-09-09 | Univ Central Lancashire | Methods and apparatuses for estimating bladder status |
US10905368B2 (en) | 2016-04-12 | 2021-02-02 | GOGO Band, Inc. | Bedwetting training device and method |
CA3020748C (en) | 2016-04-12 | 2022-10-04 | GOGO Band, Inc. | Urination prediction and monitoring |
-
2017
- 2017-04-11 CA CA3020748A patent/CA3020748C/en active Active
- 2017-04-11 US US15/485,057 patent/US10685249B2/en active Active
- 2017-04-11 EP EP17783007.2A patent/EP3442420B1/en active Active
- 2017-04-11 CN CN201780036246.6A patent/CN109640822B/zh active Active
- 2017-04-11 WO PCT/US2017/027065 patent/WO2017180661A1/en active Application Filing
- 2017-04-11 AU AU2017249318A patent/AU2017249318B2/en active Active
- 2017-04-11 KR KR1020187032633A patent/KR102470666B1/ko active IP Right Grant
- 2017-04-11 BR BR112018071072A patent/BR112018071072A8/pt unknown
- 2017-04-11 JP JP2018554491A patent/JP7000342B2/ja active Active
-
2018
- 2018-10-10 IL IL262263A patent/IL262263B/en unknown
-
2020
- 2020-06-09 US US16/896,857 patent/US11430245B2/en active Active
-
2022
- 2022-08-26 US US17/896,478 patent/US20220415075A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009279435A (ja) * | 2002-08-09 | 2009-12-03 | Diagnostic Ultrasound Europe Bv | 膀胱体積の超音波瞬時測定 |
JP2005087543A (ja) * | 2003-09-18 | 2005-04-07 | Hitachi Maxell Ltd | 尿蓄積量検出装置、センサーユニットおよび尿蓄積量を監視あるいは排尿を予告する方法 |
KR20130040876A (ko) | 2010-04-08 | 2013-04-24 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 배뇨 예측 |
JP2014079506A (ja) * | 2012-10-18 | 2014-05-08 | Fujitsu Ltd | 膀胱内尿量推定装置、膀胱内尿量推定方法及びプログラム |
KR20140141425A (ko) * | 2013-05-29 | 2014-12-10 | 주식회사 아이엠바이오 | 배뇨 조절용 자극 정보 제공 장치 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021101216A1 (ko) * | 2019-11-19 | 2021-05-27 | 연세대학교 산학협력단 | 모바일 기반 방광 모니터링를 위한 패치형 초음파센서의 포지셔닝 최적화 장치 및 방법 |
KR102185227B1 (ko) * | 2020-07-14 | 2020-12-01 | 단국대학교 천안캠퍼스 산학협력단 | 방광 모니터링 장치 및 방법 |
KR20220059825A (ko) * | 2020-11-03 | 2022-05-10 | 재단법인대구경북과학기술원 | 방광 모니터링 장치 및 방광 모니터링 장치의 제어 방법 |
KR102528242B1 (ko) * | 2022-03-18 | 2023-05-03 | (주) 엠큐브테크놀로지 | 인공지능을 이용하여 방광용적을 측정하는 의료영상장치 및 의료영상장치의 동작 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102470666B1 (ko) | 2022-11-23 |
US20200302201A1 (en) | 2020-09-24 |
BR112018071072A2 (pt) | 2019-02-12 |
EP3442420A4 (en) | 2019-11-27 |
JP7000342B2 (ja) | 2022-01-19 |
IL262263A (en) | 2018-11-29 |
CA3020748C (en) | 2022-10-04 |
CA3020748A1 (en) | 2017-10-19 |
EP3442420B1 (en) | 2024-06-12 |
IL262263B (en) | 2021-09-30 |
CN109640822A (zh) | 2019-04-16 |
US20220415075A1 (en) | 2022-12-29 |
US10685249B2 (en) | 2020-06-16 |
CN109640822B (zh) | 2022-11-22 |
JP2019522500A (ja) | 2019-08-15 |
AU2017249318B2 (en) | 2022-03-24 |
WO2017180661A1 (en) | 2017-10-19 |
AU2017249318A1 (en) | 2018-11-29 |
BR112018071072A8 (pt) | 2023-03-14 |
US11430245B2 (en) | 2022-08-30 |
EP3442420A1 (en) | 2019-02-20 |
US20170293846A1 (en) | 2017-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11430245B2 (en) | Urination prediction and monitoring | |
US20220157145A1 (en) | Daily Activity Sensor and System | |
KR101687321B1 (ko) | 수면 유도 장치 및 이를 포함하는 수면 관리 시스템 | |
US20110267196A1 (en) | System and method for providing sleep quality feedback | |
US20160292982A1 (en) | Caregiver monitoring device | |
US10223497B2 (en) | Infant learning receptivity detection system | |
US20070249952A1 (en) | Systems and methods for sleep monitoring | |
US20210401314A1 (en) | Illness Detection Based on Nervous System Metrics | |
CN107072541A (zh) | 用于利用可穿戴装置监测个体警觉度并提供通知的方法和设备 | |
EP2950707A1 (en) | Sensory stimuli to increase accuracy of sleep staging | |
KR102101809B1 (ko) | 수면 및 각성 유도 장치 | |
US20160287073A1 (en) | Infant monitoring hub | |
US20160287097A1 (en) | Remotely aggregating measurement data from multiple infant monitoring systems | |
US20160293026A1 (en) | Intelligent infant monitoring system | |
US20160292986A1 (en) | Remote aggregation of data relating to effects of environmental conditions on infants | |
Xiong et al. | iBlink: Smart glasses for facial paralysis patients | |
US20160292984A1 (en) | System for determining the orientation of an infant | |
CN207220827U (zh) | 一种心理健康监测装置 | |
KR101906550B1 (ko) | 웨어러블 장치 및 이를 이용한 테라피 시스템 | |
US20160287185A1 (en) | Analysis of aggregated infant measurement data | |
US20160287098A1 (en) | Infant health monitoring | |
US20160292981A1 (en) | System for monitoring the suitablility of environmental conditions for an infant | |
KR20060127678A (ko) | 지능형 알람 발생 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |