KR20190008992A - 기준 상황 및 스트레스 대처 능력의 결정 - Google Patents
기준 상황 및 스트레스 대처 능력의 결정 Download PDFInfo
- Publication number
- KR20190008992A KR20190008992A KR1020197001237A KR20197001237A KR20190008992A KR 20190008992 A KR20190008992 A KR 20190008992A KR 1020197001237 A KR1020197001237 A KR 1020197001237A KR 20197001237 A KR20197001237 A KR 20197001237A KR 20190008992 A KR20190008992 A KR 20190008992A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- health
- stress
- noise
- measurements
- Prior art date
Links
- 230000010485 coping Effects 0.000 title description 6
- 230000036541 health Effects 0.000 claims abstract description 396
- 238000012544 monitoring process Methods 0.000 claims abstract description 256
- 238000000034 method Methods 0.000 claims abstract description 245
- 238000005259 measurement Methods 0.000 claims abstract description 243
- 230000000694 effects Effects 0.000 claims abstract description 85
- 230000003252 repetitive effect Effects 0.000 claims abstract description 4
- 230000015654 memory Effects 0.000 claims description 41
- 230000000306 recurrent effect Effects 0.000 claims 2
- 230000035882 stress Effects 0.000 description 268
- 238000004458 analytical method Methods 0.000 description 68
- 238000001514 detection method Methods 0.000 description 45
- 210000003403 autonomic nervous system Anatomy 0.000 description 35
- 238000005070 sampling Methods 0.000 description 35
- 238000004422 calculation algorithm Methods 0.000 description 33
- 235000021251 pulses Nutrition 0.000 description 31
- 238000004364 calculation method Methods 0.000 description 29
- 238000004891 communication Methods 0.000 description 25
- 230000000875 corresponding effect Effects 0.000 description 24
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 24
- 238000013459 approach Methods 0.000 description 23
- 238000012806 monitoring device Methods 0.000 description 22
- 239000008280 blood Substances 0.000 description 21
- 210000004369 blood Anatomy 0.000 description 21
- 210000002820 sympathetic nervous system Anatomy 0.000 description 20
- 238000012360 testing method Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 19
- 210000001002 parasympathetic nervous system Anatomy 0.000 description 19
- 239000000872 buffer Substances 0.000 description 18
- 230000002996 emotional effect Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 238000012937 correction Methods 0.000 description 15
- 238000007726 management method Methods 0.000 description 15
- 238000011002 quantification Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 229960000890 hydrocortisone Drugs 0.000 description 12
- 230000037081 physical activity Effects 0.000 description 12
- 230000004044 response Effects 0.000 description 12
- 230000037328 acute stress Effects 0.000 description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 10
- 230000007774 longterm Effects 0.000 description 10
- 229910052760 oxygen Inorganic materials 0.000 description 10
- 239000001301 oxygen Substances 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- 230000001413 cellular effect Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 239000003550 marker Substances 0.000 description 9
- 230000028327 secretion Effects 0.000 description 9
- 238000006467 substitution reaction Methods 0.000 description 9
- 239000000055 Corticotropin-Releasing Hormone Substances 0.000 description 8
- 230000000739 chaotic effect Effects 0.000 description 8
- 238000000537 electroencephalography Methods 0.000 description 8
- 230000017531 blood circulation Effects 0.000 description 7
- 238000009530 blood pressure measurement Methods 0.000 description 7
- 230000037326 chronic stress Effects 0.000 description 7
- 230000005021 gait Effects 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 230000037007 arousal Effects 0.000 description 6
- 238000009529 body temperature measurement Methods 0.000 description 6
- 230000001684 chronic effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000005802 health problem Effects 0.000 description 6
- 230000013632 homeostatic process Effects 0.000 description 6
- 150000002632 lipids Chemical class 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000033764 rhythmic process Effects 0.000 description 6
- 230000004622 sleep time Effects 0.000 description 6
- 102100021752 Corticoliberin Human genes 0.000 description 5
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 239000008103 glucose Substances 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 210000000707 wrist Anatomy 0.000 description 5
- 102400000739 Corticotropin Human genes 0.000 description 4
- 101800000414 Corticotropin Proteins 0.000 description 4
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 4
- 229960000258 corticotropin Drugs 0.000 description 4
- IDLFZVILOHSSID-OVLDLUHVSA-N corticotropin Chemical compound C([C@@H](C(=O)N[C@@H](CO)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1NC=NC=1)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC=1C=CC(O)=CC=1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CC(N)=O)C(=O)NCC(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)NC(=O)[C@@H](N)CO)C1=CC=C(O)C=C1 IDLFZVILOHSSID-OVLDLUHVSA-N 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 210000003734 kidney Anatomy 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 230000007958 sleep Effects 0.000 description 4
- 230000003860 sleep quality Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000037396 body weight Effects 0.000 description 3
- 238000002567 electromyography Methods 0.000 description 3
- 238000009532 heart rate measurement Methods 0.000 description 3
- 230000002267 hypothalamic effect Effects 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 230000002459 sustained effect Effects 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 2
- 208000019693 Lung disease Diseases 0.000 description 2
- 208000019022 Mood disease Diseases 0.000 description 2
- 206010033664 Panic attack Diseases 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000007429 general method Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000003284 homeostatic effect Effects 0.000 description 2
- 230000036571 hydration Effects 0.000 description 2
- 238000006703 hydration reaction Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 208000019906 panic disease Diseases 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000003304 psychophysiological effect Effects 0.000 description 2
- 230000003938 response to stress Effects 0.000 description 2
- 231100000430 skin reaction Toxicity 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 208000011117 substance-related disease Diseases 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 239000000275 Adrenocorticotropic Hormone Substances 0.000 description 1
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 108010022152 Corticotropin-Releasing Hormone Proteins 0.000 description 1
- 108010056643 Corticotropin-Releasing Hormone Receptors Proteins 0.000 description 1
- 206010013654 Drug abuse Diseases 0.000 description 1
- 241001364929 Havel River virus Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- -1 LHPA axis activation Chemical compound 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 208000004301 Sinus Arrhythmia Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000003329 adenohypophysis hormone Substances 0.000 description 1
- 210000004404 adrenal cortex Anatomy 0.000 description 1
- 210000004100 adrenal gland Anatomy 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 229940041967 corticotropin-releasing hormone Drugs 0.000 description 1
- KLVRDXBAMSPYKH-RKYZNNDCSA-N corticotropin-releasing hormone (human) Chemical compound C([C@@H](C(=O)N[C@@H](CO)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@H](C(=O)N[C@@H]([C@@H](C)CC)C(N)=O)[C@@H](C)CC)NC(=O)[C@H](C)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](C)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](C)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](C)NC(=O)[C@H](CCSC)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@@H](NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1N=CNC=1)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@@H](NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@H]1N(CCC1)C(=O)[C@H]1N(CCC1)C(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@@H](N)CO)[C@@H](C)CC)C(C)C)C(C)C)C1=CNC=N1 KLVRDXBAMSPYKH-RKYZNNDCSA-N 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000001667 episodic effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000000887 hydrating effect Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000001817 pituitary effect Effects 0.000 description 1
- 229920001451 polypropylene glycol Polymers 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 108020003175 receptors Proteins 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000012536 storage buffer Substances 0.000 description 1
- 201000009032 substance abuse Diseases 0.000 description 1
- 231100000736 substance abuse Toxicity 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000005010 torso Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001515 vagal effect Effects 0.000 description 1
- 210000001186 vagus nerve Anatomy 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0013—Medical image data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Bio-feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
-
- 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
-
- 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
- G16H40/67—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 remote operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/10—Athletes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0209—Operational features of power management adapted for power saving
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6832—Means for maintaining contact with the body using adhesives
- A61B5/6833—Adhesive patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Developmental Disabilities (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Dermatology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Power Engineering (AREA)
- Educational Technology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
하나 이상의 생물학적 측정치들에 기반하여 사용자의 건강 특성을 모니터링하는 방법은: 복수의 상황들로부터 상황을 선택하되, 각 상황은 기준 건강값에 상응하고 복수의 기록된 이벤트들에 의해 정의되며, 상기 복수의 기록된 이벤트들 각각은 반복되는 생물학적 상태들, 반복되는 사용자 활동, 또는 상기 사용자의 시공간 좌표 중 하나 이상을 포함하는 단계; 및 상기 선택된 상황에 상응하는 상기 기준 건강값과 비교되는 하나 이상의 생체감지 측정치들에 기반하여 상기 사용자의 상기 건강 특성을 모니터링하는 단계를 포함할 수 있다.
Description
본 개시는 일반적으로 웨어러블 전자 장치들에 대한 사용 및 콘텐트를 향상시키는 것에 관한 것이다.
모바일 전자 장치들은, 사용자가 다양한 위치를 이동하는 경우에도, 사용자에게 컴퓨팅 기능에 대한 액세스를 제공한다. 모바일 전자 장치들의 예에는 모바일 폰, 미디어 플레이어, 랩탑, 태블릿, 개인 정보 단말기(personal digital assistant: PDA), 또는 다수의 이러한 유형의 장치들의 기능을 포함하는 하이브리드 장치가 포함된다.
모바일 전자 장치들은, 로컬 영역 네트워크, 광역 네트워크, 셀룰러 네트워크, 인터넷, 또는 다른 어떤 적절한 네트워크와 같은, 통신 네트워크의 일부일 수 있다. 모바일 전자 장치는, 다른 전자 장치들과 통신하여, 예를 들면, 원격 저장된 데이터에 액세스하기 위해, 원격 처리 전력에 액세스하기 위해, 원격 디스플레이에 액세스하기 위해, 로컬 저장된 데이터를 제공하기 위해, 로컬 처리 전력을 제공하기 위해, 또는 로컬 디스플레이에 대한 액세스를 제공하기 위해, 통신 네트워크를 이용할 수 있다. 예를 들면, 네트워크들은, 모바일 전자 장치들을 통해 사용자들에 의해 액세스되거나 또는 이용될 수 있는 애플리케이션, 콘텐트, 및 서비스를 호스팅할 수 있는, 통신 경로들 및 링크들을 제공할 수 있다. 상기 콘텐트는 텍스트, 비디오 데이터, 오디오 데이터, 사용자 설정들, 또는 기타 유형의 데이터를 포함할 수 있다. 네트워크들은 모바일 전자 장치들 간의 통신이 용이하도록 하기 위해, 예를 들면, 블루투스(BLUETOOTH), IEEE WI-FI (802.11a/b/g/n/ac), 또는 전송 제어 프로토콜/인터넷 프로토콜(Transmission Control Protocol/Internet Protocol: TCP/IP)과 같은, 어떤 적절한 통신 프로토콜 또는 기술을 이용할 수 있다.
특정 실시예들에서, 측정 데이터 세트에 기반하여 계산된 교감-미주 신경 균형(sympathovagal balance: SVB) 값에 기반하여 사용자의 스트레스 레벨을 결정하는 방법은 상기 측정 데이터 세트의 제1 부분 내의 자율 신경계(autonomic nervous system: ANS) 활동 표지자들(activity markers)의 수와 상기 측정 데이터 세트의 제2 부분 내의 ANS 활동 표지자들의 수가 관여된 비(ratio)로서 심박 변이도(heart rate variability: HRV) 특성을 결정하는 단계, 및 상기 HRV 특성에 기반하여 상기 사용자의 상기 스트레스 레벨을 결정하는 단계를 포함할 수 있다.
도 1은 내부 신체 조직 및 뼈에 대한 광학 검출 시스템의 특정 실시예들에 대한 예시적 네트워크 환경을 도시한다.
도 2A는 특정 실시예들에 따른, 시스템들 및 장치들을 포함하는 예시적 건강 모니터링 시스템을 도시하고, 도 2B는 특정 실시예들에 따른, 시스템들 및 장치들을 포함하는 다른 예시적 건강 모니터링 시스템을 도시한다.
도 3은 예시적 모바일 클라이언트를 도시한다.
도 4A 및 도 4B는 본 발명의 특정 실시예들에 따른, 예시적 사용자 인터페이스들을 도시한다.
도 5A는 기준 데이터 히스토그램(baseline data histogram)의 예를 도시하고, 도 5B는 교감-미주 신경 균형이 왼쪽으로 이동된 테스트 데이터 히스토그램의 예를 도시하며, 도 5C는 교감-미주 신경 균형이 오른쪽으로 이동된 테스트 데이터 히스토그램의 예를 도시한다.
도 6은 스트레스 검출의 예시적 방법을 도시한다.
도 7A는 데이터 측정치들에서의 낮은 잡음에 대한 확률적 접근법을 도시하고, 도 7B는 데이터 측정치들에서의 높은 잡음에 대한 확률적 접근법을 도시하며, 도 7C는 확률적 결정에 기반하여 기준 SVB를 업데이트하는 확률적 접근법을 도시하고, 도 7D는 사용자에 대한 시간 경과 따른 스트레스 값들의 범위를 보여주는 그래프(730)를 도시한다.
도 8은 기준 상태로부터의 좌측 이동(left shift)을 나타내는 히스토그램의 예를 도시한다.
도 9는 잡음 있는 센서들(noisy sensors)을 이용하여 건강 측정치들을 계산하는 예시적 방법을 도시한다.
도 10은 잡음 있는 센서들을 이용하여 건강 측정치들을 계산하는 잡음 보상 시스템(noise compensation system)을 도시한다.
도 11은 사용자의 건강 변이도(health-variability) 측정치를 결정하는 예시적 방법을 도시한다.
도 12A 및 도 12B는 심박 변이도(heart rate variability: HRV) 측정치 잡음 보상 결과의 예들을 도시한다.
도 13은 본 발명의 특정 실시예들에 따른, 알고리즘의 예시적 이용을 도시한다.
도 14A, 도 14B, 및 도 14C는 잡음 예측 및 신호 스티칭 또는 교체(signal stitching or replacement)를 위한 잡음 보정 시스템을 도시한다.
도 15는 본 발명의 특정 실시예들에 따른, 예시적 신호를 도시한다.
도 16은 본 발명의 특정 실시예들에 기반하여, 신호 특징들을 검출 및 분석하는 예시적 방법을 도시한다.
도 17은 사용자의 생물학적 측정치들에 기반하여 사용자의 스트레스 레벨을 지속적이고 전력-효율적으로 모니터링하는 예시적인 일반적 방법을 도시한다.
도 18은 건강 모니터링 시스템을 이용하여 경보 피로(alarm fatigue)를 감소시키는 예시적 방법을 도시한다.
도 19는 건강 모니터링 시스템을 이용한 전력-효율적 모니터링의 예시적방법을 도시한다.
도 20은 건강 모니터링 시스템의 예시적인 소프트웨어 및 하드웨어 구성요소들을 도시한다.
도 21은 사용자의 상황 레코드들(context records)을 생성 및/또는 업데이트하는 예시적 방법을 도시한다.
도 22는 사용자에 대한 건강 특성 출력(health characteristic output)을 생성하는 예시적 방법을 도시한다.
도 23은 건강 탄력성(health-resiliency) 측정치에 기반하여 사용자의 정서적 건강(emotional health)을 결정하는 예시적 방법을 도시한다.
도 24는 본 발명의 특정 실시예들에 따른, 예시적 컴퓨터 시스템을 도시한다.
도 2A는 특정 실시예들에 따른, 시스템들 및 장치들을 포함하는 예시적 건강 모니터링 시스템을 도시하고, 도 2B는 특정 실시예들에 따른, 시스템들 및 장치들을 포함하는 다른 예시적 건강 모니터링 시스템을 도시한다.
도 3은 예시적 모바일 클라이언트를 도시한다.
도 4A 및 도 4B는 본 발명의 특정 실시예들에 따른, 예시적 사용자 인터페이스들을 도시한다.
도 5A는 기준 데이터 히스토그램(baseline data histogram)의 예를 도시하고, 도 5B는 교감-미주 신경 균형이 왼쪽으로 이동된 테스트 데이터 히스토그램의 예를 도시하며, 도 5C는 교감-미주 신경 균형이 오른쪽으로 이동된 테스트 데이터 히스토그램의 예를 도시한다.
도 6은 스트레스 검출의 예시적 방법을 도시한다.
도 7A는 데이터 측정치들에서의 낮은 잡음에 대한 확률적 접근법을 도시하고, 도 7B는 데이터 측정치들에서의 높은 잡음에 대한 확률적 접근법을 도시하며, 도 7C는 확률적 결정에 기반하여 기준 SVB를 업데이트하는 확률적 접근법을 도시하고, 도 7D는 사용자에 대한 시간 경과 따른 스트레스 값들의 범위를 보여주는 그래프(730)를 도시한다.
도 8은 기준 상태로부터의 좌측 이동(left shift)을 나타내는 히스토그램의 예를 도시한다.
도 9는 잡음 있는 센서들(noisy sensors)을 이용하여 건강 측정치들을 계산하는 예시적 방법을 도시한다.
도 10은 잡음 있는 센서들을 이용하여 건강 측정치들을 계산하는 잡음 보상 시스템(noise compensation system)을 도시한다.
도 11은 사용자의 건강 변이도(health-variability) 측정치를 결정하는 예시적 방법을 도시한다.
도 12A 및 도 12B는 심박 변이도(heart rate variability: HRV) 측정치 잡음 보상 결과의 예들을 도시한다.
도 13은 본 발명의 특정 실시예들에 따른, 알고리즘의 예시적 이용을 도시한다.
도 14A, 도 14B, 및 도 14C는 잡음 예측 및 신호 스티칭 또는 교체(signal stitching or replacement)를 위한 잡음 보정 시스템을 도시한다.
도 15는 본 발명의 특정 실시예들에 따른, 예시적 신호를 도시한다.
도 16은 본 발명의 특정 실시예들에 기반하여, 신호 특징들을 검출 및 분석하는 예시적 방법을 도시한다.
도 17은 사용자의 생물학적 측정치들에 기반하여 사용자의 스트레스 레벨을 지속적이고 전력-효율적으로 모니터링하는 예시적인 일반적 방법을 도시한다.
도 18은 건강 모니터링 시스템을 이용하여 경보 피로(alarm fatigue)를 감소시키는 예시적 방법을 도시한다.
도 19는 건강 모니터링 시스템을 이용한 전력-효율적 모니터링의 예시적방법을 도시한다.
도 20은 건강 모니터링 시스템의 예시적인 소프트웨어 및 하드웨어 구성요소들을 도시한다.
도 21은 사용자의 상황 레코드들(context records)을 생성 및/또는 업데이트하는 예시적 방법을 도시한다.
도 22는 사용자에 대한 건강 특성 출력(health characteristic output)을 생성하는 예시적 방법을 도시한다.
도 23은 건강 탄력성(health-resiliency) 측정치에 기반하여 사용자의 정서적 건강(emotional health)을 결정하는 예시적 방법을 도시한다.
도 24는 본 발명의 특정 실시예들에 따른, 예시적 컴퓨터 시스템을 도시한다.
특정 실시예들에서, 측정 데이터 세트에 기반하여 계산된 교감-미주 신경 균형(sympathovagal balance: SVB) 값에 기반하여 사용자의 스트레스 레벨을 결정하는 방법은 상기 측정 데이터 세트의 제1 부분 내의 자율 신경계(autonomic nervous system: ANS) 활동 표지자들(activity markers)의 수와 상기 측정 데이터 세트의 제2 부분 내의 ANS 활동 표지자들의 수가 관여된 비(ratio)로서 심박 변이도(heart rate variability: HRV) 특성을 결정하는 단계, 및 상기 HRV 특성에 기반하여 상기 사용자의 상기 스트레스 레벨을 결정하는 단계를 포함할 수 있다. 상기 측정 데이터 세트의 상기 제1 및 제2 부분들은, 상기 측정 데이터 세트의 히스토그램 표현을 상기 제1 및 제2 부분들로 분할하는, 사용자 특정적 기준 SVB 값에 기반하여 선택될 수 있다.
특정 실시예들에서, 사용자의 HRV 측정치를 결정하는 방법은 상기 사용자의 전자 장치의 센서로부터 심장 센서 데이터를 수신하는 단계, 상기 심장 센서 데이터의 잡음 레벨을 결정하는 단계, 및 상기 결정된 잡음 레벨에 기반하여 계산된 양으로 상기 HRV 측정치를 조정하는 단계를 포함할 수 있다. 상기 센서 데이터는 잡음 계산 시간에 걸친 광용적맥파(photoplethysmogram: PPG) 신호에 관한 데이터를 포함할 수 있다.
특정 실시예들에서, 사용자의 스트레스 레벨을 모니터링하는 방법은, 제1 샘플링 모드에서 수신되는 하나 이상의 생리학적 표지자들에 대한 생물학적 측정치들에 기반하여, 상기 사용자의 상기 스트레스 레벨을 결정하는 단계, 및 상기 생리학적 표지자들 중 하나 이상이 임계 레벨을 초과한다고 결정되는 경우, 상기 제1 샘플링 모드와 상이한 제2 샘플링 모드로 동적으로 전환하는 단계를 포함할 수 있다.
특정 실시예들에서, 하나 이상의 생물학적 측정치들에 기반하여 사용자의 건강 특성을 모니터링하는 방법은: 복수의 상황들(contexts)로부터 상황을 선택하되, 각 상황은 기준 건강값에 상응하고 복수의 기록된 이벤트들에 의해 정의되며, 상기 복수의 기록된 이벤트들 각각은 반복되는 생물학적 상태들, 반복되는 사용자 활동, 또는 상기 사용자의 시공간 좌표 중 하나 이상을 포함하는 단계; 및 상기 선택된 상황에 상응하는 상기 기준 건강값과 비교되는 하나 이상의 생체감지(bio-sensing) 측정치들에 기반하여 상기 사용자의 상기 건강 특성을 모니터링하는 단계를 포함할 수 있다.
특정 실시예들에서, 상기 건강 특성은 상기 사용자의 추정된 심박수(heart rate)에 상응한다.
특정 실시예들에서, 상기 건강 특성은 상기 사용자의 추정된 심박 변이도(HRV)에 상응한다.
특정 실시예들에서, 상기 건강 특성은 상기 사용자의 추정된 스트레스 레벨에 상응하며, 제1 이벤트가 스트레스 이벤트와 연관되고 제2 이벤트가 긴장완화(relaxation) 이벤트와 연관되는 경우, 건강 탄력성 측정치는 상기 사용자가 상기 스트레스 이벤트로부터 상기 긴장완화 이벤트로 회복하는 데 걸리는 시간량의 측정치이다.
상기 개시된 실시예들은 단지 예일 뿐이며, 본 개시의 범위가 이에 제한되는 것은 아니다. 특정 실시예들은 상기 개시된 실시예들의 구성요소들, 요소들, 특징들, 기능들, 동작들, 또는 단계들을 모두 또는 일부 포함하거나 아무것도 포함하지 않을 수 있다. 본 발명에 따른 실시예들은 특히, 방법, 저장 매체, 시스템, 및 컴퓨터 프로그램 제품에 지향점을 두는 첨부된 청구항들에 개시되어 있으며, 하나의 청구항 카테고리 - 예를 들면, 방법 - 에서 언급된 어떤 특징이라도 다른 청구항 카테고리 - 예를 들면, 시스템 - 에서도 또한 청구될 수 있다. 첨부된 청구항들에 있어서 앞선 것에 대한 종속성 또는 참조는 형식적인 이유로만 선택된다. 그러나, 이전의 어떤 청구항에 대한 의도적인 참조(특히 다중 의존성)의 결과로 발생된 어떤 대상(subject matter)이라도 또한 청구될 수 있으므로, 청구항들 및 그 특징들의 어떤 조합이라도, 첨부된 청구항들에 있어서 선택된 종속성에 상관없이, 개시되고 청구될 수 있다. 청구될 수 있는 대상은 첨부된 청구항들에 기술된 바와 같은 특징들의 조합들 뿐만 아니라 청구항들에서의 특징들의 다른 어떤 조합이든지 포함하며, 청구항들에서 언급된 각 특징은 청구항들에서의 다른 어떤 특징 또는 다른 특징들의 어떤 조합과도 조합될 수 있다. 나아가, 본 명세서에서 설명 또는 묘사된 실시예들 및 특징들 중 어떤 것이라도 별도의 청구항에서 및/또는 본 명세서에서 설명 또는 묘사된 어떤 실시예 또는 특징과의 또는 첨부된 청구항들의 특징들 중 어떤 것과의 어떤 조합으로 청구될 수 있다.
시스템 개관(System Overview)
도 1은 건강 모니터링 시스템의 특정 실시예들에 대한 예시적 네트워크 환경(100)을 도시한다. 상기 네트워크 환경(100)은 사용자(110), 클라이언트 시스템(120), 네트워크(130), 하나 이상의 서버들(140), 및 하나 이상의 데이터 저장소들(150)을 포함한다. 상기 사용자(110), 상기 클라이언트 시스템(120), 상기 서버들(140), 및 상기 데이터 저장소들(150)은 링크들(160)을 통해 상기 네트워크(130)에 의해 서로 연결될 수 있다. 도 1은 상기 사용자(110), 상기 클라이언트 시스템(120), 상기 네트워크(130), 상기 서버들(140), 및 상기 데이터 저장소들(150)의 특정 배치를 도시하고 있지만, 본 개시는 상기 사용자(110), 상기 클라이언트 시스템(120), 상기 네트워크(130), 상기 서버들(140), 및 상기 데이터 저장소들(150)의 어떤 적절한 배치든지 고려하고 있다. 제한으로서가 아니라 예로서, 상기 클라이언트 시스템(120), 상기 서버들(140), 및 상기 데이터 저장소들(150) 중 둘 이상은 상기 네트워크(130)를 우회하여 서로 직접 연결될 수 있다. 다른 예로서, 상기 클라이언트 시스템(120), 상기 서버들(140), 및 상기 데이터 저장소들(150) 중 둘 이상은 전부 또는 일부가 서로 물리적으로 또는 논리적으로 함께 위치할 수 있다. 또한, 도 1은 특정한 수의 사용자(110), 클라이언트 시스템(120), 네트워크(130), 서버들(140), 및 데이터 저장소들(150)을 도시하고 있지만, 본 개시는 어떤 적절한 수의 사용자(110), 클라이언트 시스템(120), 네트워크(130), 서버들(140), 및 데이터 저장소들(150)이든지 고려하고 있다. 제한으로서가 아니라 예로서, 상기 네트워크 환경(100)은 다수의 사용자들(110), 클라이언트 시스템들(120), 네트워크들(130), 서버들(140), 및 데이터 저장소들(150)을 포함할 수 있다.
특정 실시예들에서, 상기 사용자(110)는, 상기 클라이언트 시스템(120)과 상호작용 또는 통신하는, 개인(예를 들면, 인간 사용자), 엔티티(entity)(예를 들면, 기업, 사업체, 또는 제3자(third-party) 애플리케이션), 또는 그룹(예를 들면, 개인들의 또는 엔티티들의 그룹)일 수 있다. 특정 실시예들에서, 상기 클라이언트 시스템(120)은, 예를 들면, 웨어러블 컴퓨팅 장치, 모바일 컴퓨팅 장치, 스마트폰, 셀룰러 전화, 태블릿 컴퓨터, 랩탑 컴퓨터, 개인용 컴퓨터, 증강/가상 현실 장치, 또는 이들의 어떤 조합과 같은, 어떤 적절한 컴퓨팅 장치일 수 있다. 상기 사용자(110)는 이러한 장치들 중 하나 이상과 상호작용할 수 있다. 또한, 이러한 장치들은 상기 네트워크(130)를 통해, 직접적으로(예를 들면, 비-네트워크 연결들에 의해), 다른 어떤 적절한 방법들에 의해, 또는 이들의 어떤 조합으로, 서로 통신할 수 있다. 제한으로서가 아니라 예로서, 상기 클라이언트 시스템(120)의 상기 장치들은, Wi-Fi 또는 블루투스(BLUETOOTH)와 같은, 무선 통신 프로토콜을 통해 상기 네트워크(130)와 통신할 수 있다. 특정 실시예들에서, 상기 클라이언트 시스템(120)은 마이크로소프트 인터넷 익스플로러, 구글 크롬, 또는 모질라 파이어폭스와 같은 웹 브라우저를 포함할 수 있고, 툴바(TOOLBAR) 또는 야후 툴바(YAHOO TOOLBAR)와 같은 하나 이상의 애드온들(add-ons), 플러그인들(plug-ins), 또는 기타 확장 프로그램들(extensions)을 가질 수 있다.. 상기 클라이언트 시스템(120)에서 사용자는 통합 자원 위치표시자(Uniform Resource Locator: URL) 또는 상기 웹 브라우저를 특정 서버(예를 들면, 상기 서버(140))로 안내하는 기타 주소를 입력할 수 있고, 상기 웹 브라우저는 하이퍼텍스트 전송 프로토콜(Hyper Text Transfer Protocol: HTTP) 요청을 생성하고 상기 HTTP 요청을 서버에 전달할 수 있다. 상기 서버는 상기 HTTP 요청을 수락하고 상기 HTTP 요청에 응답하여 하나 이상의 하이퍼텍스트 마크업 언어(Hyper Text Markup Language: HTML) 파일들을 상기 클라이언트 시스템(120)에 전달할 수 있다. 상기 클라이언트 시스템(120)은 상기 사용자에게 제시하기 위해 상기 서버로부터의 상기 HTML 파일들에 기반하여 웹 페이지를 렌더링할 수 있다. 본 개시는 어떤 적절한 웹 페이지 파일이든지 고려하고 있다. 제한으로서가 아니라 예로서, 웹 페이지들은, HTML 파일들로부터, 특정한 필요에 따라, 확장성 하이퍼텍스트 마크업 언어(Extensible Hyper Text Markup Language: XHTML) 파일들, 또는 확장성 마크업 언어(Extensible Markup Language: XML) 파일들을 렌더링할 수 있다. 그러한 페이지들은 또한, 비제한적으로 예를 들면, 자바스크립트(JAVASCRIPT), 자바(JAVA), 마이크로소프트 실버라이트(MICROSOFT SILVERLIGHT), 및 비동기 자바스크립트 및 XML(Asynchronous JAVASCRIPT and XML: AJAX)과 같은 마크업 언어들의 조합들 등으로 작성된 스크립트들을 실행할 수 있다. 본 명세서에서, 적절한 경우, 웹 페이지에 대한 언급은 하나 이상의 상응하는 웹페이지 파일들(브라우저가 상기 웹 페이지를 렌더링하는 데 사용할 수 있음)을 포함하며 그 반대도 마찬가지이다.
특정 실시예들에서, 상기 네트워크(130)는 어떤 적절한 네트워크라도 될 수 있다. 제한으로서가 아니라 예로서, 상기 네트워크(130)의 하나 이상의 부분들은 애드혹(ad hoc) 네트워크, 인트라넷, 엑스트라넷, 가상 사설 네트워크(virtual private network: VPN), 로컬 영역 네트워크(local area network: LAN), 무선 LAN(wireless LAN: WLAN), 광역 네트워크(wide area network: WAN), 무선 WAN(wireless WAN: WWAN), 도시권 네트워크(metropolitan area network: MAN), 인터넷의 일부, 공중 교환 전화망(Public Switched Telephone Network: PSTN)의 일부, 셀룰러 전화 네트워크, 또는 이들 중 둘 이상의 조합을 포함할 수 있다. 상기 네트워크(130)는 하나 이상의 네트워크들을 포함할 수 있다.
특정 실시예들에서, 상기 링크들(160)은 상기 클라이언트 시스템(120), 상기 서버들(140), 및 상기 데이터 저장소들(150)을 상기 네트워크(130)에 또는 서로서로 연결할 수 있다. 본 개시는 어떤 적절한 링크들(160)이든지 고려하고 있다. 특정 실시예들에서, 하나 이상의 링크들(160)은 하나 이상의 유선(예를 들면, 디지털 가입자 회선(Digital Subscriber Line: DSL) 또는 케이블 통한 데이터 서비스 인터페이스 규격(Data Over Cable Service Interface Specification: DOCSIS)과 같은), 무선(예를 들면, Wi-Fi 또는 마이크로파 액세스를 위한 전세계 상호운용성(Worldwide Interoperability for Microwave Access: WiMAX)과 같은), 또는 광학적(예를 들면, 동기식 광네트워크(Synchronous Optical Network: SONET) 또는 동기식 디지털 계층구조(Synchronous Digital Hierarchy: SDH)와 같은) 링크들을 포함한다. 특정 실시예들에서, 상기 하나 이상의 링크들(160)은 각각 애드혹 네트워크, 인트라넷, 엑스트라넷, VPN, LAN, WLAN, WAN, WWAN, MAN, 인터넷의 일부, PSTN의 일부, 셀룰러 기술 기반 네트워크, 위성 통신 기술 기반 네트워크, 다른 링크(160), 또는 둘 이상의 이러한 링크들(160)의 조합을 포함한다. 상기 링크들(160)은 상기 네트워크 환경(100) 전체에 걸쳐 반드시 동일할 필요는 없다. 하나 이상의 제1 링크들(160)은 하나 이상의 제2 링크들과(160) 하나 이상의 측면에서 다를 수 있다.
특정 실시예들에서, 상기 서버들(140)은 어떤 적절한 서버들이라도 될 수 있다. 각 서버(140)는 일원화된(unitary) 서버 또는 다수의 컴퓨터들 또는 다수의 데이터센터들을 포괄하는 분산형 서버(distributed server)일 수 있다. 상기 서버들(140)은, 비제한적으로 예를 들면, 웹 서버, 파일 서버, 애플리케이션 서버, 교환 서버, 데이터베이스 서버, 프록시(proxy) 서버, 본 명세서에서 설명되는 기능들 또는 프로세스들을 수행하기에 적절한 다른 서버, 또는 이들의 어떤 조합과 같이, 다양한 유형일 수 있다. 특정 실시예들에서, 각 서버(140)는, 상기 서버(140)에 의해 구현 또는 지원되는 적절한 기능들을 수행하기 위해, 하드웨어, 소프트웨어 또는 내장 논리 구성요소들, 또는 둘 이상의 그러한 구성요소들의 조합을 포함할 수 있다.
특정 실시예들에서, 상기 데이터 저장소들(150)은 어떤 적절한 데이터 저장소들이라도 될 수 있다. 상기 데이터 저장소들(150)은 다양한 유형의 정보를 저장하는 데 이용될 수 있다. 특정 실시예들에서, 상기 데이터 저장소들(150)에 저장되는 정보는 특정 데이터 구조들에 따라 체계화될(organized) 수 있다. 특정 실시예들에서, 각 데이터 저장소(150)는 관계형, 컬럼형, 상관성, 또는 다른 적합한 데이터베이스일 수 있다. 상기 데이터 저장소들(150)은, 클라우드 저장소 또는 기타 네트워크 액세스가능 저장소와 같은, 네트워크화된 저장소를 포함할 수 있다. 추가적으로 또는 대안적으로, 상기 데이터 저장소들(150)은, 고체 상태 드라이브(solid state drive: "SSD") 또는 하드 디스크 드라이브(hard disk drive: "HDD")와 같이, 상기 클라이언트 시스템(120)의 상기 장치들 중 어떤 것에든 그 내부에 있거나 그에 직접 부착된 로컬 저장소를 포함할 수 있다. 본 개시가 상기 네트워크 환경(100)의 특정한 유형의 구성요소들 및 이러한 구성요소들의 용도들을 설명 또는 예시하고 있지만, 본 개시는, 상기 네트워크 환경(100)의, 어떤 적절한 유형의 구성요소들, 어떤 적절한 네트워크 토폴로지(예를 들면, 독립형 장치 토폴로지(standalone-device topology)를 포함), 및 이러한 구성요소들에 대한 어떤 적절한 용도들이든지 고려하고 있다.
건강 모니터링 및 애플리케이션 개관 (Health Monitoring and Applications Overview)
스트레스는 다양한 건강 문제들에 대한 가장 큰 원인 중 하나로 간주되며, 모든 질병 중 80%를 넘는 질병에 있어서 기여 인자(contributory factor)로 추정된다. 하기에 논의되는 특정 실시예들은 건강 및/또는 웰니스(wellness)의 모바일 모니터링 및 관리의 상황에서 스트레스의 측정에 초점을 맞추고 있다. 모바일 모니터링 및 관리에 있어서, 웨어러블 센서들의 사용은 스트레스 및 기타 생리학적 특성의 분석 및 관리를 위한 핵심 신기술일 수 있는데, 왜냐하면 이러한 관리가 당뇨병, 고혈압, 심혈관 질환, 폐질환, 기분 장애(mood disorder), 약물 남용(substance-abuse), 전반적 삶의 질 등을 포함하는 매우 다양한 건강 문제들의 관리에 대한 가교 역할을 할 수 있기 때문이다. 웨어러블 기술이, 전자 제품들(electronics), 소프트웨어, 센서들, 및 네트워크 연결성이 내장된 물리적 객체들/사물들의 네트워크가 이러한 객체들/사물들로 하여금 서로 통신하고 데이터를 수집하여 서로 교환할 수 있도록 하는, 사물 인터넷(Internet of Things)의 통합적인 일부(integral part)가 됨에 따라, 전세계 웨어러블 장치 시장은 급성장하는 시장이 되고 있다.
스트레스 관리 기법들은, 심한 각성(high arousal)이 스트레스의 징후로 간주되는, 자율 신경계(autonomic nervous system: ANS)의 활동/각성을 측정함으로써 운용될 수 있다. 예를 들면, ANS의 각성은 심박수, 피부 전도도(skin conductance), 혈압, 호흡, 뇌전도(electroencephalography: EGG)를 통한 뇌파 패턴, 기타 관련 메트릭들, 또는 이들의 어떤 조합에 있어서의 변화를 통해 쉽게 측정될 수 있는 생리학적 변화를 초래한다. 스트레스 측정 기법들은 심박 변이도(heart-rate variability: HRV)의 측정에 의존할 수 있다. HRV의 측정치들은, 둘 다 많은 단점이 있는, 시간 도메인 분석 또는 주파수 도메인 분석에 기반할 수 있다.
일 예로, 고속 푸리에 변환(fast Fourier transform: FFT)에 기반한 방법들과 같은 주파수 도메인 분석 방법들은 잡음 아티팩트들(noise artifacts)에 매우 민감하므로 모바일 플랫폼들에 구현하기에 매우 부적합하며, 긴 측정 시간을 필요로 할 수 있다. 연속적 심장박동 간격 차이의 제곱 평균 제곱근(root mean square of successive heartbeat interval differences: RMSSD), NN(박동-박동(beat-to-beat)) 간격의 표준 편차(standard deviation of NN intervals: SDNN), 및 50 밀리초 초과의 차이가 나는 연속적 NN 쌍들의 수를 NN들의 총 수로 나눈 비율(proportion of the number of pairs of successive NNs that are different by more than 50 millisecond divided by the total number of NNs: pNN50)과 같은, 시간 도메인 방법들이 순간 심박수 신호를 분석하는 데 자주 이용된다. 그러나, 이러한 방법들은 부정확하고 불안정할 수 있고, 이러한 불안정성은, 웨어러블 센서들의 상황에서와 같이, 여러 가지 사용 모델들에 나타나는 현상인 잡음이 있는 경우, 현저해질 수 있다. 또한, 스트레스의 단기적 급등이, 매우 급격하고 특이한 경우가 아니라면, 사용자에게 경고하기에 별로 의미 있는 것은 아니므로, 스트레스의 측정은, 많은 경우, 만성적이고 장기적인 스트레스 상황에서만 의미가 있다. 또한, 그러한 방법들은 주어진 사용자에 대한 측정치 또는 기준의 상황을 고려하지 않고 스트레스를 정량화할 수 있다. 이와 같이, 상기 방법들은 사용자의 정서적 건강의 진상(true picture)을 캡처하지 못하는 정보를 제공할 수 있고, 따라서 이러한 방법들에 의해 제공된 정보는 실행 가능성이 현저히 더 낮아진다.
또한, HRV를 정량화하는 기술들의 애플리케이션들은, 대량 채택/구현(mass adoption/implementation)에 대해 이들을 비실용적이고 어렵게 만드는, 많은 제한들에 의해 방해 받을 수 있다. 예를 들면, 이러한 기술들은 취약하고 실제적으로 효과적이지 못한 스트레스 검출 방법들에 기반한다. 또한, 이러한 기술들은 관련된 생리학적 문제들(급성 및 장기적인 스트레스)에 초점을 맞추지 않는다. 나아가, 이러한 기술들은 잡음 탄력적이지(noise resilient) 못하고 잡음에 대한 어떤 보상도 감안하고 있지 않다. 스트레스의 측정치는, 다음에 다양한 접근법을 통한 스트레스 관리 및 조절(modulation)로 이어질 수 있는, 정서적 건강의 측정치를 제공하는 데 도움이 된다. 그러나, 이러한 기술들은 정서적 건강의 좋은 표지자(예를 들면, 스트레스 탄력성(stress resilience))를 생성하는 데 상당히 취약할 수 있다. 마지막으로, 기존 애플리케이션들은, 장기적인 24시간 스트레스 모니터링의 상황에서, 전력 소비가 매우 많고(very power hungry) 구현하기에 어렵다.
하기 특정 실시예들은, 다양한 사용자 건강 지시자들(indicators)을 측정 및 모니터링하고 유용하고 실행 가능한 피드백을 사용자에게 제공하기 위한 상호작용 특징들의 총체적인 세트를 제공함으로써, 기존 방법들의 부족한 점들을 다룬다. 예를 들면, 하기 특정 실시예들은, 교감 신경계(sympathetic nervous system: SNS)와 부교감 신경계(parasympathetic nervous system: PSNS)를 동일한 비중으로 취급하는 교감-미주 신경 균형(sympathovagal balance: SVB)의 분석으로부터 결정되는 선형적이고, 비(ratio) 기반이며 정신생리학적 측정(psychophysiological-measurement) 기반의 계산을 포함하는, 스트레스 모니터링 및 측정을 위한 시스템들 및 방법들에 지향점을 둔다. 이 SVB 측정치는, 다양한 다른 건강 측정치들에 대한 광범위한 적용가능성을 가지는 것에 부가하여, 사용자들의 정신적 상태 및 스트레스 레벨을 검출함에 있어 매우 민감하고 특정적(specific)인 것으로 결정되었다.
또한, 하기 특정 실시예들은, 다양한 건강 측정치들을 결정하는 데 필요한(예를 들면, 심박수 측정을 통해 스트레스의 발생(onset)을 검출하기 위해) 제한된 시간 동안에만 데이터 수집(data-gathering) 센서들을 유지함에 있어서 샘플링 및 전력 효율을 위한 시스템들 및 방법들에 지향점을 둔다. 나아가, 하기 특정 실시예들은, 허위 경보들이 보다 적을 뿐 아니라, 사용자가 건강 이벤트 및/또는 스트레스 발생 메시지들의 홍수에 빠지지 않도록 하면서 사용자에게 정확한 데이터를 제공하기 위한 시스템들 및 방법들에 지향점을 둔다. 일 예로, 사용자는 매우 해로운 건강 이벤트들 및/또는 스트레스 이벤트들만 통지를 받으며, 이는 경보 피로(alarm fatigue)를 피하는 데 도움이 된다.
또한, 하기 특정 실시예들은, 개별화되고, 상황화되며(contextualized), 정규화된(normalized) 방식으로, 데이터를 획득하고 사용자 피드백을 제공하기 위한 시스템들 및 방법들에 지향점을 둔다. 예를 들면, 건강 측정치 기준들(baselines)은 각 사용자 별 개별화에 기초하여 결정될 수 있으며, 건강 측정 데이터는 사용자 특정적 상황에 기반하여 분석되고, 사용자에게 의미 있는 측정치를 피드백으로서 제공하도록 모든 사용자들에 대해 정규화될 수 있다. 나아가, 스트레스를 측정하는 예에 있어서, 하기 특정 실시예들은, 사용자의 스트레스 대처 기술의 표지자로서, 스트레스 뿐만 아니라 스트레스 탄력성도 분석하고 모니터링하기 위한 시스템들 및 방법들에 지향점을 둔다. 또한, 하기 특정 실시예들은, 사용자 및/또는 기타 제3자들(예를 들면, 의료 전문가들)에게 더 많은 이용 및 통찰력을 제공하기 위해, 수집된 데이터의 맞춤형 개량(customizable refinement)을 감안하는 시스템들 및 방법들에 지향점을 둔다.
또한, 하기 특정 실시예들은, 높은 레벨의 잡음 존재 하에서 잡음 탄력성을 개선하고 잡음-신호 대체(noise-signal substitution)를 제공하는 것을 포함하는, 신호 보정(signal correction) 기법들에 의해 잡음 존재 하의 일정 건강 측정치들의 성능을 향상시킴으로써, 건강 데이터의 집합(collection)을 향상시키는 시스템들 및 방법들에 지향점을 둔다. 나아가, 하기 특정 실시예들은, 사용자가 측정치들의 신뢰성을 이해할 수 있도록 사용자에게 잡음의 정도를 표시하는 것을 계산하는 것에 부가하여, 잡음으로 인해 가능한 오류들의 범위를 결정함으로써, 잡음의 영향을 보상하는 시스템들 및 방법들에 지향점을 둔다.
특정 실시예들에서, 하기에 상세히 논의되는 바와 같이, 사용자의 스트레스 레벨을 결정하는 방법은 측정 데이터 세트에 기반하여 계산된 SVB 값에 기반할 수 있다. 상기 방법은 상기 측정 데이터 세트의 제1 부분 내의 ANS 활동 표지자들(activity markers)의 수와 상기 측정 데이터 세트의 제2 부분 내의 ANS 활동 표지자들의 수가 관여된 비(ratio)로서 HRV 특성을 결정하는 단계, 및 상기 HRV 특성에 기반하여 상기 사용자의 상기 스트레스 레벨을 결정하는 단계를 포함할 수 있다. 상기 측정 데이터 세트의 상기 제1 및 제2 부분들은, 상기 측정 데이터 세트의 히스토그램 표현을 상기 제1 및 제2 부분들로 분할하는, 사용자 특정적 기준 SVB 값에 기반하여 선택될 수 있다.
특정 실시예들에서, 하기에 상세히 논의되는 바와 같이, 방법은 잡음의 존재 하에서 사용자의 HRV 측정을 결정하고, 상기 잡음에 대해 검출 및 보정할 수 있다. 상기 방법은 상기 사용자의 전자 장치의 센서로부터 센서 데이터를 수신하는 단계, 상기 센서 데이터의 잡음 레벨을 결정하는 단계, 및 상기 결정된 잡음 레벨에 기반하여 계산된 양으로 상기 HRV 측정치를 조정하는 단계를 포함할 수 있다. 상기 센서 데이터는 잡음 계산 시간에 걸친 PPG 신호에 관한 데이터를 포함할 수 있다.
특정 실시예들에서, 하기에 상세히 논의되는 바와 같이, 방법은 경보 피로를 줄임과 함께 지속적인 방식으로 사용자의 스트레스 레벨을 모니터링할 수 있다. 상기 방법은 제1 샘플링 모드에서 수신되는 하나 이상의 생리학적 표지자들에 대한 생물학적 측정치들에 기반하여, 상기 사용자의 상기 스트레스 레벨을 결정하는 단계, 및 상기 생리학적 표지자들 중 하나 이상이 임계 레벨을 초과한다고 결정되는 경우, 상기 제1 샘플링 모드와 상이한 제2 샘플링 모드로 동적으로 전환하는 단계를 포함할 수 있다.
특정 실시예들에서, 하기에 상세히 논의되는 바와 같이, 방법은 하나 이상의 생물학적 측정치들에 기반하여 사용자의 건강 특성을 모닝터링하여 상기 측정치들과 연관된 하나 이상의 상황들(예를 들면, 기준 상황, 기타 관련 상황들 등)을 결정할 수 있다. 상기 방법은 복수의 상황들로부터 상황을 선택하는 하되, 각 상황은 기준 건강 값에 상응하고 복수의 기록된 이벤트들에 의해 정의되며, 상기 복수의 기록된 이벤트들 각각은 반복되는 생물학적 상태들, 반복되는 사용자 활동, 또는 상기 사용자의 시공간 좌표 중 하나 이상을 포함하는 단계, 및 상기 선택된 상황에 상응하는 상기 기준 건강 값과 비교되는 하나 이상의 생체감지(bio-sensing) 측정치들에 기반하여 상기 사용자의 상기 건강 특성을 모니터링하는 단계를 포함할 수 있다.
건강 모니터링 시스템 및 사용자 인터페이스의 예시적 실시예들(Example Embodiments of Health Monitoring Systems and User Interfaces)
도 2A는 특정 실시예들에 따른, 시스템들 및 방법들을 포함하는 예시적 건강 모니터링 시스템(200)을 도시하고, 도 2B는 특정 실시예들에 따른, 시스템들 및 방법들을 포함하는 다른 예시적 건강 모니터링 시스템(270)을 도시한다.
특정 실시예들에서, 도 2A에 도시한 바와 같이, 상기 건강 모니터링 시스템(200)은 건강 모니터링 장치(210)(예를 들면, 사용자 손목(220)에 위치함) 및 모바일 전자 장치(230)를 포함할 수 있다. 상기 건강 모니터링 장치(210)는, 팔, 손목, 손가락, 다리, 발목, 발가락, 몸통, 목, 머리, 사용자의 신체의 다른 어떤 적절한 부분, 또는 이들의 어떤 조합과 같이, 상기 사용자의 신체의 일부에 착용할 수 있는 웨어러블 전자 장치(예를 들면, 상기 클라이언트 시스템(120)의 장치)일 수 있다. 상기 건강 모니터링 장치(210)는, 하나 이상의 애플리케이션들(250)(예를 들면, 날씨 애플리케이션, 운동 애플리케이션, 채팅 애플리케이션 등)에 더하여 시계 유형의 사용자 인터페이스를 포함할 수 있는, 사용자 인터페이스(240)를 포함할 수 있다.
특정 실시예들에서, 도 2B에 도시한 바와 같이, 상기 건강 모니터링 시스템은 건강 모니터링 패치(270)(예를 들면, 사용자 팔(280)에 위치함) 및 모바일 전자 장치(230)를 포함할 수 있다. 상기 건강 모니터링 장치(210)와 유사하게, 상기 건강 모니터링 패치(270)는, 팔, 손목, 다리, 발목, 몸통, 목, 머리, 사용자의 신체의 다른 어떤 적절한 부분, 또는 이들의 어떤 조합과 같이, 상기 사용자의 신체의 일부에 부착될 수 있다.
특정 실시예들에서, 상기 건강 모니터링 장치(210) 및/또는 상기 건강 모니터링 패치(270)는 상기 모바일 전자 장치(230)에 직접 또는, 상기 건강 모니터링 장치(210) 및 상기 모바일 전자 장치(230) 및/또는 상기 건강 모니터링 패치(270) 사이의 상호작용 및/또는 데이터의 전송을 용이하게 할 수 있는, 상기 네트워크(130)를 통해 연결될 수 있다. 특정 실시예들에서, 상기 모바일 전자 장치(230)는 스마트폰 유형의 장치일 수 있다. 상기 건강 모니터링 장치(210), 상기 건강 모니터링 패치(270), 및 상기 모바일 전자 장치(230)는 상기 네트워크(130), 상기 서버들(140), 상기 데이터 저장소들(150), 또는 이들의 어떤 조합에 연결될 수 있다. 데이터(예를 들면, 심박수, 스트레스 레벨, 수면 시간, 정서 상태 등)는 상기 건강 모니터링 장치(210), 상기 건강 모니터링 패치(270), 및 상기 모바일 전자 장치(230), 다른 클라이언트 시스템들(120), 데이터 저장소들(150), 다른 적절한 데이터베이스들, 또는 이들의 어떤 조합에 저장될 수 있다. 또한, 상기 데이터의 처리 및 특정 알고리즘들(하기에 논의되는 바와 같은 것들)의 계산은 상기 건강 모니터링 장치(210)에 의해, 건강 모니터링 패치(270)에 의해, 상기 모바일 전자 장치(230)에 의해, 상기 서버들(140) 상에서, 다른 어떤 클라이언트 시스템(120)에 의해, 다른 적절한 장치들/시스템들에 의해, 또는 이들의 어떤 조합에 의해 수행될 수 있다.
특정 실시예들에서, 상기 데이터의 처리 및 특정 알고리즘들의 계산은, 상기 네트워크(130)를 통해 상기 데이터 저장소들(150)로부터, 사용자 데이터, 참조/기준 프레임(frame of reference/baseline) 데이터, 의료 데이터, 다른 관련 데이터, 또는 이들의 어떤 조합을 액세스함으로써 수행될 수 있다. 본 개시가 특정 방식의 건강 모니터링 시스템을 설명하고 있지만, 본 개시는 어떤 적절한 방식의 및 어떤 적절한 구성요소들을 갖는 건강 모니터링 시스템이든 고려하고 있다.
도 3은 예시적 모바일 클라이언트 시스템(120)(예를 들면, 상기 모바일 전자 장치(230))을 도시한다. 본 개시는 어떤 적절한 물리적 형태든 취하는 상기 모바일 클라이언트 시스템(120)을 고려하고 있다. 특정 실시예들에서, 상기 모바일 클라이언트 시스템(120)은 하기 설명되는 바와 같은 컴퓨팅 시스템일 수 있다.
제한으로서가 아니라 예로서, 상기 모바일 클라이언트 시스템(120)은 단일 보드 컴퓨터 시스템(single-board computer system: SBC)(예를 들면, 컴퓨터-온-모듈(computer-on-module: COM) 또는 시스템-온-모듈(system-on-module: SOM)), 랩탑 또는 노트북 컴퓨터 시스템, 모바일 전화, 스마트폰, 개인 정보 단말기(personal digital assistant: PDA), 태블릿 컴퓨터 시스템, 또는 이들 중 둘 이상의 조합일 수 있다. 특정 실시예들에서, 상기 모바일 클라이언트 시스템(120)은 입력 구성요소로서 디스플레이 화면(310) 및 터치 센서(320)를 가질 수 있다.
도 3의 예에서, 상기 터치 센서(320)는 상기 모바일 클라이언트 시스템(130)의 전면(front surface)(예를 들면, 상기 디스플레이 화면(310))에 통합되어 있다. 상기 터치 센서(320)는 터치(예를 들면, 사용자의 손가락으로부터의 터치)의 존재 및 위치 또는 물체(예를 들면, 스타일러스)의 근접을 검출할 수 있다. 정전용량 터치 센서들(capacitive touch sensors)의 경우, 두 가지 유형의 전극, 송신 전극 및 수신 전극이 있을 수 있다. 이 전극들은, 전기 펄스로 상기 송신 전극을 구동하고 터치 또는 근접 입력으로 인한 상기 수신 전극으로부터의 정전용량 변화를 측정하도록 설계된, 제어기에 연결될 수 있다.
특정 실시예들에서, 사용자는 상기 모바일 클라이언트 시스템(120)의 상기 디스플레이 화면 (310) 상에 하나 이상의 애플리케이션들(예를 들면, 모바일 애플리케이션들)의 사용자 인터페이스(user interface: "UI")를 제시 받을 수 있으며, 상기 사용자는 상기 터치 센서(320)를 통해 상기 애플리케이션들 각각의 상기 UI와 상호작용할 수 있다.
도 3의 예에서, 하나 이상의 안테나들(330, 340)은 상기 모바일 클라이언트 시스템(120)의 하나 이상의 측면들에 통합될 수 있다. 상기 안테나들(330, 340)은 전류를 전파(radio wave)로 변환하고 그 반대로도 변환하는 구성요소들이다. 신호의 전송 시에, 전송기는 발진 무선 주파수(radio frequency: RF) 전류를 상기 안테나들(330, 340)의 단자들에 인가하고, 상기 안테나들(330, 340)은 상기 인가된 전류의 에너지를 전자기(electromagnetic: EM)파로서 방출한다. 신호의 수신 시에, 상기 안테나들(330, 340)은 착신되는(incoming) EM 파의 전력을 상기 안테나들(330, 340)의 상기 단자들에서의 전압으로 변환한다. 상기 전압은 증폭을 위해 수신기로 전송될 수 있다.
특정 실시예들에서, 상기 모바일 클라이언트 시스템(120)은 이더넷 또는 기타 유선 기반 네트워크와 통신하기 위해 상기 안테나(330, 340)에 결합된 통신 구성요소, WI-FI 네트워크와 같은 무선 네트워크와 통신하기 위한 무선 NIC(wireless NIC: WNIC) 또는 무선 어댑터, 또는 3세대 이동 통신(third generation mobile telecommunications: 3G) 또는 롱 텀 에볼루션(Long Term Evolution: LTE) 네트워크와 같은 셀룰러 네트워크와 통신하기 위한 모뎀을 포함할 수 있다. 본 개시는 어떤 적절한 네트워크 및 이를 위한 어떤 적절한 통신 구성요소든지 고려하고 있다.
제한으로서가 아니라 예로서, 상기 모바일 클라이언트 시스템(120)은 애드혹 네트워크, 개인 영역 네트워크(personal area network: PAN), 로컬 영역 네트워크(LAN), 광역 네트워크(WAN), 도시권 네트워크(MAN), 인터넷의 하나 이상의 부분들, 또는 이들 중 둘 이상의 조합과 통신할 수 있다.
다른 예로서, 상기 모바일 클라이언트 시스템(300)은 무선 PAN(wireless PAN: WPAN)(예를 들면, 블루투스 WPAN), WI-FI 네트워크, WI-MAX 네트워크, 셀룰러 전화 네트워크(예를 들면, 이동 통신용 글로벌 시스템(Global System for Mobile Communications: GSM), 3G, 또는 LTE 네트워크), 기타 적절한 무선 네트워크, 또는 이들 중 둘 이상의 조합과 통신할 수 있다. 적절한 경우, 상기 모바일 클라이언트 시스템(120)은 이 네트워크들 중 어떤 것을 위해 어떤 적절한 통신 구성요소라도 포함할 수 있다.
특정 실시예들에서, 상기 모바일 클라이언트 시스템(120)의 상기 안테나들(330, 340)에 결합된 상기 통신 구성요소는, 전세계 위치확인 시스템(global positioning system: GPS) 신호들, 셀룰러 삼각측량, 무선 핫스팟들(hotspots), 또는 위치 데이터를 결정하는 어떤 적절한 방법들에 기반하여 위치 데이터를 결정하도록 구성될 수 있다.
특정 실시예들에서, 상기 모바일 클라이언트 시스템(120)의 위치 서비스는, 예를 들면, 하나 이상의 셀룰러 타워들의 위치, WI-FI 핫스팟과 연관된 크라우드소싱된(crowd-sourced) 위치 정보, 또는 상기 모바일 클라이언트 시스템(120)의 GPS 기능을 이용하는, 하나 이상의 위치 결정 방법들을 이용할 수 있다.
제한으로서가 아니라 예로서, 애플리케이션은, 적어도 부분적으로 상기 모바일 클라이언트 시스템(120)이 미리 결정된 시간 이내에 GPS 데이터를 획득할 수 있는지 여부에 따라, GPS 데이터를 위치 정보의 주요 소스로서 사용할 수 있다. 다른 예로서, 상기 모바일 클라이언트 시스템(120)이 미리 결정된 샘플링 시간 이내에 GPS 데이터를 획득할 수 없는 경우, 상기 애플리케이션은 하나 이상의 셀룰러 타워들 또는 WI-FI 핫스팟들을 이용하여 결정된 위치를 이용할 수 있다. 본 개시가 특정 위치 결정 방법들을 이용하여 위치 서비스를 설명하고 있지만, 본 개시는 위치 검출의 어떤 적절한 방법 또는 방법들의 조합이든지 이용하는 위치 서비스를 고려하고 있다.
도 4A 및 도 4B는 본 발명의 특정 실시예들에 따른, 예시적 사용자 인터페이스들을 도시한다.
도 4A는 사용자(410)("Julie")에 대한 정보의 유형들을 보여주는 예시적 사용자 인터페이스(400)을 도시한다. 제1 부분(420)에서, 상기 사용자 인터페이스(400)는 특정한 날의 특정 시간 동안 상기 사용자(410)가 걸은 걸음 수(number of steps)에 관한 정보를 보여준다. 제2 부분(430)에서, 상기 사용자 인터페이스(400)는 사용자 정보를 수집하기 위해 상기 사용자가 이용할 수 있는 활동(예를 들면, 달리기)에 관한 정보를 보여준다. 제3 부분(440)에서, 상기 사용자 인터페이스(400)는 현재의 사용자 측정치들(예를 들면, 심박수)에 관한 정보를 보여준다.
도 4B는, 제1 사용자 인터페이스(450a) 및 제2 사용자 인터페이스(450b)를 포함하는, 스트레스 결정을 위한 예시적 사용자 인터페이스(450)을 도시한다. 상기 제1 사용자 인터페이스(450a)는 예시된 정보를 설명하는 카테고리(예를 들면, "스트레스"(460)), 및 상기 사용자와 연관된 스트레스 레벨의 그래픽 표현(470)을 포함한다. 상기 제1 사용자 인터페이스(450a)는 또한, 상기 사용자 인터페이스(450)를 상기 제2 사용자 인터페이스(450b)로 변경하는, 차트 옵션(472)를 포함한다. 상기 제2 사용자 인터페이스(450b)는 상기 사용자에 대해 저장된 과거 스트레스 레벨 정보(490)의 로그(log)(480)를 보여준다.
특정 실시예들에서, 상기 사용자 인터페이스(450)를 통해, 다른 스트레스 관련 정보가 상기 사용자에게 제공될 수 있다(또는 특정 유형의 스트레스 관련 정보를 수집하기 위한 옵션이 상기 사용자에게 제공될 수 있다). 본 개시가 특정 방식으로 건강 모니터링 시스템에 대한 예시적 사용자 인터페이스를 설명하고 있지만, 본 개시는 상기 사용자에게 정보를 제공하기 위해 어떤 적절한 방식으로든 건강 모니터링 시스템에 대한 사용자 인터페이스를 제공하는 것을 고려하고 있다.
스트레스 검출(Stress Detection)
상기한 바와 같이, 스트레스는 다양한 건강 문제들에 대한 가장 큰 원인 중 하나로 간주된다. 스트레스 관리 기법들은, 특히 잡음의 존재 하에서, 부정확하고 불안정한 경향이 있다. 따라서, 하기에 논의되는 특정 실시예들은, SVB의 분석에 기반하는, 스트레스 검출 및 긴장완화 측정에 적용 가능한 HRV 알고리즘를 제공함으로써 이러한 이슈들을 다룬다. SVB는 스트레스의 정신 생리학적 설명을 뒷받침하는 하나의 개념이며, SVB의 분석은, 정상적 경우와의 백분율 편차로 HRV(예를 들면, 스트레스) 값들을 제공하는, 비(ratio) 접근법에 기반한다. 이 접근법은 본질적으로 선형적이며, 이는 이 접근법을 잡음(본질적으로 비선형적인 경향이 있음)에 대해 매우 안정적이게 만든다. 또한, 이 접근법은 사용자, 다른 사용자들, 또는 의료 전문가들의 고유한 요구사항들을 다루는 데 매우 맞춤화될 수 있다.
심한 각성(high arousal)이 스트레스의 징후로 간주되는, ANS의 활동/각성을 측정함으로써 운용되는 스트레스 관리 기법들은 교감 신경계(SNS)보다는 부교감 신경계(PSNS)에 초점을 맞추는 경향이 있다. 그러나, 이는 PSNS에서의 증가가 반드시 SNS에서의 감소를 암시하지 않을 수 있기 때문에 문제가 될 수 있으며, 따라서 SNS의 분석은 PSNS의 분석만큼 유용할 수 있다. 반면에, 하기에 보다 상세히 논의되는 바와 같이, SVB의 분석에 기반한 방법들은, 교감 신경계 유출과 PSNS(예를 들면, 미주 신경) 유출이 안정된 균형을 이루는, 항상성 평형(homeostatic equilibrium)을 관찰한다. 따라서, SVB, 이런 이유로 스트레스는, SNS와 PSNS 간(예를 들면, 부교감 신경계 유출과 교감 신경계 유출 간) 상대적 우위 및 균형을 분석함으로써 결정될 수 있다.
SNS 및 PSNS는 모두 이들이 정량화의 용인된 단위가 없기 때문에 쉽게 정량화되고 비교되지 못한다는 점에서 또한 문제가 발생하며, 이는 해석 및 평가하기 어려운 숫자들을 초래한다. 설명되는 SVB의 분석은 SNS 및 PSNS를 동일한 가중치로 다루고(예를 들면, 이들이 모두 ANS 각성을 분석하는 데 유용하기 때문에), 심박수(HR)가 아닌 RR-델타(예를 들면, 연속적인 심장 박동들 간의 RR 간격 차이)인, HRV의 가장 기본적인 단위를 사용한다. 또한, 저렴하고 사용자 친화적인 웨어러블 센서들이 풍부해짐에 따라 실제 설정들(real-life settings)로 및 실시간으로 많은 양의 데이터를 사용하여 데이터를 수십하고 SVB를 분석하는 것이 더 쉬워진다.
특정 실시예들에서, SVB를 결정하기 위해, 스트레스는 테스트 데이터 t의 RR-델타 히스토그램 Ht에서의 SNS의 증가된 우위(increased dominance)로 정의되고, 상기 히스토그램 상의 데이터 포인트들은 테스트 데이터 세트에서 인접한 RR 간격들의 길이들 간의 차이에 상응한다.
특정 실시예들에서, 하기 방법들은 상대적으로 SNS에 매핑된 이벤트들의 수 대 상대적으로 PSNS에 매핑된 이벤트들의 수의 비(ratio)만 계산한다. SNS와 PSNS 간의 구분들, 주어진 사용자에 대한 이들의 개별적인 범위는, RMSSD, SDNN, pNN50 등과 같은 방법들을 이용하여 라벨링될 수 있다. 또한, 어느 측정 방법이 선택되는가와 상관없이, 계산된 데이터 포인트들은 차원이 없다. 제한으로서가 아니라 예로서, 사용자의 기본 SVB, 및 RR-델타 히스토그램 Ht를 고려할 때, 상기 SVB는 모든 RR-델타들의 중간값(median), 모든 RR-델타들의 평균값(mean value), Ht에 대해 계산된 RMSSD의 50%, Ht에 대해 계산된 SDNN의 50%, 다른 관련 값들, 또는 이들의 어떤 조합으로서 계산될 수 있다.
특정 실시예들에서, 기준 데이터 히스토그램 Hb, 테스트 데이터 히스토그램 Ht, 및 테스트 데이터 히스토그램 Ht의 ANS 활동의 표지자를 결정하기 위한 알고리즘 ALGX (예를 들면, 상기 히스토그램에 대해 HRV를 계산할 수 있는 알고리즘, 또는 상기 히스토그램 계산 알고리즘의 상이한 세그먼트들에서 RR-델타들의 인스턴스들의 수를 카운트할 수 있는 알고리즘)를 고려할 때, 방법은 (1) 상기 기준 데이터 히스토그램 Hb로부터 SVB를 계산하는 단계, (2) 상기 테스트 데이터 히스토그램 Ht에서 각각 SVB 포인트의 왼쪽 및 오른쪽에 있는, 세그먼트 HLt 및 세그먼트 HRt를 결정하는 단계, (3) 상기 알고리즘 ALGX를 사용하여 상기 왼쪽 세그먼트 HLt 및 상기 오른쪽 세그먼트 HRt 모두에서 RR-변이도(ANS 각성의 직접적 효과)의 원하는 척도(measure)를 계산하는 단계, 및 (4) 상기 왼쪽 세그먼트(ALGX(HLT))에서의 RR-변이도의 상기 알고리즘 ALGX 척도와 오른쪽 세그먼트(ALGX(HRT))에서의 RR-변이도의 상기 척도의 비로서, 또는 총 히스토그램 ALGX(HT)로부터, 상기 HRV를 계산하는 단계를 포함한다. 다음에, 상이한 사용자들 간에 표준화 또는 비교를 쉽게 하기 위해, HRV 존들(zones)은 다음과 같이 미리 정의될 수 있다: 0 내지 20은 "매우 스트레스 받음"을 나타내고, 20 내지 40은 "스트레스 받음"을 나타내고, 40 내지 60은 "정상"을 나타내고, 60 내지 80은 "긴장완화됨"을 나타내고, 및 80 내지 100은 "매우 긴장완화됨"을 나타냄.
도 5A는 기준 데이터 히스토그램(500)의 예를 도시한다. 도 5A에 도시한 바와 같이, 상기 기준 데이터 히스토그램(500)의 x-축은 심박수 변동들(fluctuations)(예를 들면, RR-델타들)에 상응하고, 상기 기준 데이터 히스토그램(500)의 y-축은 기준 데이터 세트에 대한 상기 심박수 변동들의 횟수에 상응한다. 상기 기준 데이터 세트의 데이터 포인트들의 50%는 상기 SVB의 왼쪽에 있고 상기 기준 데이터 세트의 데이터 포인트들의 50%는 상기 SVB의 오른쪽에 있도록, 상기 SVB 포인트는 상기 기준 데이터 히스토그램(500)의 50:50 분포의 포인트이다. 상기 기준 데이터 히스토그램(500)을 이용하여, 상기 SVB가 계산될 수 있고 "정상"(예를 들면, 스트레스 받지 않음) 상태를 나타내는 HRV 존에 상응할 수 있다.
도 5B는 SVB가 왼쪽으로 이동된 테스트 데이터 히스토그램(510)의 예를 도시하고, 도 5C는 SVB가 오른쪽으로 이동된 테스트 데이터 히스토그램(520)의 예를 도시한다.
도 5B에 도시한 바와 같이, 도 5A와 유사하게, 상기 테스트 데이터 히스토그램(510)의 x-축은 심박수 변동들(fluctuations)(예를 들면, RR-델타들)에 상응하고, 상기 테스트 데이터 히스토그램(510)의 y-축은 테스트 데이터 세트에 대한 상기 심박수 변동들의 횟수에 상응한다. 평균적으로 상기 테스트 데이터 세트에 대한 상기 심박수 변동들이 히스토그램 A1(예를 들면, 상기 기준 데이터에 상응함)으로부터 히스토그램 A2로 왼쪽 방향으로 균형을 이동시키는 결과를 가져오는 경우, 또는 다시 말해, 상기 SVB(예를 들면, 상기 기준 데이터에 기반하여 결정됨)의 왼쪽에 있는 상기 히스토그램 A2의 심박수 변동들의 측정치들의 수가 상기 SVB의 오른쪽에 있는 상기 히스토그램 A2의 심박수 변동들의 측정치들의 수보다 큰 경우, 사용자의 상태는 "스트레스 받음" 상태를 나타내는 HRV 존에 상응하는 것으로 결정된다.
다른 방식으로 설명하면, 도 5B에 도시한 바와 같이, 총 면적 A를 고려할 때, 상기 히스토그램이 왼쪽으로 이동하는 경우 A분의 A2의 면적(예를 들면, A2의 곡선 아래 면적)은 A분의 A1의 면적(예를 들면, A1 곡선 아래 면적)보다 작은 것으로 결정되고, 상기 사용자의 상태는 "스트레스 받음" 상태를 나타내는 HRV 존에 상응하는 것으로 결정된다.
반면에, 도 5C에 도시한 바와 같이, 도 5A와 유사하게, 상기 테스트 데이터 히스토그램(520)의 x-축은 심박수 변동들(fluctuations)(예를 들면, RR-델타들)에 상응하고, 상기 테스트 데이터 히스토그램(520)의 y-축은 테스트 데이터 세트에 대한 상기 심박수 변동들의 횟수에 상응한다. 평균적으로 상기 테스트 데이터 세트에 대한 상기 심박수 변동들이 히스토그램 A1(예를 들면, 상기 기준 데이터에 상응함)으로부터 히스토그램 A2로 오른쪽 방향으로 균형을 이동시키는 결과를 가져오는 경우, 또는 다시 말해, 상기 SVB(예를 들면, 상기 기준 데이터에 기반하여 결정됨)의 오른쪽에 있는 상기 히스토그램 A2의 심박수 변동들의 측정치들의 수가 상기 SVB의 왼쪽에 있는 상기 히스토그램 A2의 심박수 변동들의 측정치들의 수보다 큰 경우, 사용자의 상태는 "긴장완화됨" 상태를 나타내는 HRV 존에 상응하는 것으로 결정된다.
다른 방식으로 설명하면, 도 5C에 도시한 바와 같이,총 면적 A를 고려할 때, 상기 히스토그램이 오른쪽으로 이동하는 경우 A분의 A2의 면적(예를 들면, A2의 곡선 아래 면적)은 A분의 A1의 면적(예를 들면, A1 곡선 아래 면적)보다 큰 것으로 결정되고, 상기 사용자의 상태는 "긴장완화됨" 상태를 나타내는 HRV 존에 상응하는 것으로 결정된다
본 실시예의 특정 실시예들은, 상황적으로 적절한 SVB의 개념(notion)에 기반하여, RR-델타 히스토그램 HT를 창의적으로 분할하는 것에 의존한다. 제한으로서가 아니라 예로서, 상황이 기록 주기의 변이성(variability)의 원인이 되는 모든 주기적 구성요소들인 경우, SVB에 대한 상기 비(ratio)는 SDNN(H) 모델을 통해 평가될 수 있다.
특정 실시예들에서, 상기 히스토그램을 채우는 데 사용되는 RR-델타 데이터의 버퍼의 길이는 스트레스의 계산 동안 어떤 고정된 크기로 제한될 필요는 없다. 상기 알고리즘은 SVB의 척도를 제공하므로, 일정 최소 길이를 넘는, 데이터의 더 긴 길이가 사용되는 경우에도, 상기 SVB는, 스트레스 플롯(plot)의 성질(nature)이 약간 다르더라도, 의미 있게 묘사될 것이다. 이와 같이, 상기 버퍼 길이는, 가변적 길이가 유익할 수 있는, 정확성, 안정성, 또는 다른 어떤 속성의 요건들에 기반하여 달라질 수 있다.
특정 실시예들에서, HR 분석에만 초점을 맞추지 않는 다수의 다른 유형의 센서들 또는 생체표지자들(biomarkers)을 이용하면 상기 알고리즘이 훨씬 더 풍부해질 수 있다. 제한으로서가 아니라 예로서, PPG로부터의 혈류(blood flow)의 성질, ECG 특징들, 피부 전기 반응(galvanic skin response: GSR) 측정치들, EEG 특성, 또는 맥파 전달 시간(pulse wave transit time: PWTT)에 있어서 혈압에 관한 데이터는 ANS에 관한 추가적인 정보를 제공하는 데 이용될 수 있다. 이 정보는 상기 제안된 HRV 알고리즘을 더 알리거나 조정하는 데 이용될 수 있다.
제한으로서가 아니라 예로서, 상기 언급한 가변적 길이 버퍼는 그러한 정보를 이용하여 조정될 수 있다. 또한, 계산되는 최종 스트레스는 상기 제안된 HRV 알고리즘에 의해 제공되는 ANS 정량화 및, PPG, ECG, EEG, GSR 등과 같이, 센서들로부터 오는 다른 표지자들의 복합물로서 간주될 수 있다. 그러한 데이터 융합은, 예를 들면, 경보를 울리기 전에 HRV 계산이 더 검토되거나 조정될 수 있도록 계산되는 스트레스가 일정 임계값을 초과하는 시간 동안, 사용자의 선택마다 개시될 수 있다. 여러 유형의 측정치들을 이용하는 것은 한꺼번에 고려될 수 있거나, 또는 필요에 따라(예를 들면, 하나씩 하나씩) 고려될 수 있다.
제한으로서가 아니라 예로서, HRV 데이터 및 혈류 데이터가 수집될 수 있고, 다음에 이 데이터 세트들에 기반하여, 스트레스 레벨이 추정될 수 있다. 제한으로서가 아니라 다른 예로서, HRV 데이터가 수집될 수 있고 스트레스 레벨이 결정될 수 있다. 상기 스트레스 레벨이 임계값 초과 또는 미만인 경우, 혈류 데이터는 스트레스 레벨 추정치를 확인하거나 조정하는 데 이용될 수 있다.
제한으로서가 아니라 또 다른 예로서, 상이한 센서 측정치들이 동적으로 선택되어 상기 센서 측정의 잡음 레벨에 기반한 스트레스 추정에 이용될 수 있다(예를 들면, 혈류 데이터가 신뢰할 수 없는 것으로 결정되면, 상기 건강 모니터링 장치(210)는 혈류 데이터 사용의 생략을 선택할 수 있다).
또한, 상기 논의한 알고리즘들은 높은 유연성의 이점을 갖는다. 특정 실시예들에서, 상기 알고리즘들은 다음과 같은 것을 포함할 수 있는 다양한 서비스들을 제공하는 데 이용될 수 있다: 공황적 스트레스 에피소드 시 의사에게 경고를 제공하는 것(예를 들면, 이러한 경우 계산된 스트레스가 가능한 많은 방법으로 유효성-검증될(validated) 수 있도록 상기 알고리즘들은 상이한 길이의 다양한 히스토그램들을 계산할 수 있다); 높은 스트레스 하에서 고속 운전 시 운전자에게 경고하는 것(예를 들면, 가능한 한 일찍 경고할 수 있도록, 계산된 히스토그램이 가능한 최소 길이인 경우); 학교에서 심한 스트레스 에피소드 시 학생에게 경고하는 것(예를 들면, 여기서 계산된 스트레스는, 시험 전반에 걸쳐 또는 학교에서 지속적으로 상승하는 스트레스와 같이, 시험 중 존재할 것으로 예상되는, 또는 HR이 기준에 비해 매우 낮게 내려간 상태에서 HRV가 매우 높은 경우와 같이, 비정상적으로 심한 에피소드들을 밝혀낼 것으로 예상되는, 특징들을 갖는다); 등.
따라서, 스트레스 계산/경고 알고리즘들에 고유한 상기 유연성 및 그러한 정보가 유용할 수 있는 다양한 애플리케이션들이 주어지면, 정신생리학적 스트레스 계산에 필요한 다양한 단계들이 쉽게 조정될 수 있거나 또는 제안된 알고리즘마다 상기 SVB도 쉽게 조정될 수 있다(예를 들면, 상기 건강 모니터링 장치(210), 상기 사용자, 또는 제3자 등에 의해 자동적으로).
또한, 상기 논의된 알고리즘들은 여러 서비스들을 용이하게 할 수 있다. 제한으로서가 아니라 예로서, 예시적 서비스들은 자동차와의 통합, 사용자가 착용하는 패치들(예를 들면, 도 2B에 도시한 바와 같이), 가상 현실 장치 또는 게임 콘솔과의 인터페이스 접속(interfacing) 등을 포함할 수 있다. 마지막 상황에서, 상기 가상 현실 장치 또는 게임 콘솔은 상기 사용자의 스트레스 레벨에 기반하여 그 콘텐츠를 조정할 수 있다(예를 들면, 사운드트랙의 드럼 레벨을 조정하거나 게임의 난이도를 조정할 수 있음).
도 6은 스트레스 검출의 예시적 방법(600)을 도시한다. 상기 예시적 방법(600)은, 적절한 통신, 처리, 감지 설비들을 갖는, 하나 이상의, 모바일 전화, 태블릿 컴퓨터, 스마트 워치, 머리 착용형(head-mounted) 장치 및 바디-하네스 고정식(body-harness-secured) 장치들 등과 같은 전자 장치들, 모바일 장치들, 웨어러블 장치들, 고정 위치 컴퓨팅 장치들, 및 또는 네트워크 또는 클라우드 배치형 시스템들, 기타 적절한 장치들, 또는 이들의 어떤 조합에 배치될 수 있다.
특정 실시예들에서, 측정 데이터는 박동-박동(beat to beat) 심박수(RR-델타), 피부 전도도, 두피 상의 전기 활동에 고유한 주파수 성분들, 흡입(inhalation) 및 호기(exhalation) 패턴들 등에 있어서 편차(variation)를 포함할 수 있다. 제한으로서가 아니라 예로서, 상기 측정 데이터는, 심전도(electrocardiogram: ECG)와 같은 심박수 측정 센서들, 피부전기(electrodermal) 분석 센서들, EEG 헤드셋, 호흡 센서들, 기타 적절한 센서들, 또는 이들의 어떤 조합을 이용하여, 측정될 수 있다.
제한으로서가 아니라 다른 예로서, 프로세서 또는 회로가 상기 방법을 구현할 수 있다(예를 들면, 하나 이상의 컴퓨터 프로세서들은, 상기 하나 이상의 컴퓨터 프로세서들에 의해 상기 스트레스 검출의 예시적 방법(600)의 동작들을 수행하도록 실행될 수 있는 명령어들을 저장하는, 데이터 저장 장치와 통신적으로(communicatively) 결합될 수 있다).
특정 실시예들에서, 상기 방법(600)은 상기 건강 모니터링 시스템(200)에 의해 수행될 수 있다. 상기 방법(600)은 측정 데이터 세트로부터 계산된 SVB 값에 기반하여 사용자의 스트레스 레벨을 결정하기 위한 것일 수 있다. 상기 방법(600)은, 건강 모니터링 시스템(200)이 적어도 기준 데이터에 기반하여 기준 SVB를 결정할 수 있는, 단계(610)에서 시작된다.
단계(620)에서, 상기 건강 모니터링 시스템(200)은, 상기 기준 SVB의 한 쪽에 있는, 측정 데이터 세트의 제1 부분을 결정할 수 있다.
단계(630)에서, 상기 건강 모니터링 시스템(200)은 상기 제1 부분 내의 ANS 활동 표지자들의 수를 결정하기 위해 상기 측정 데이터 세트의 상기 제1 부분을 처리할 수 있다.
다음에, 단계(640)에서, 상기 건강 모니터링 시스템(200)은 상기 제1 부분 내의 ANS 활동 표지자들의 수와 상기 측정 데이터의 제2 부분 내의 ANS 활동 표지자들의 수가 관여된 비(ratio)로서 HRV 특성을 결정할 수 있다. 상기 측정 데이터 세트의 상기 제1 및 제2 부분들은, 상기 측정 데이터 세트의 히스토그램 표현을 상기 제1 및 제2 부분들로 분할하는, 기준 SVB 값(예를 들면, 사용자 특정적 기준 SVB 값)에 기반하여 선택된다. 다음에, 상기 방법(600)은 종료될 수 있다. 대안적으로, 상기 방법(600)은, 종료 이전에, 상기 HRV 특성에 기반하여 상기 사용자의 상기 스트레스 레벨을 결정할 수 있다.
특정 실시예들에서, 상기 HRV 특성을 결정하기 이전에, 상기 방법(600)은 적어도 사용자 특정적 기준 데이터에 기반하여 기준 SVB 값을 결정하고, 상기 SVB의 제1 측에 있는 상기 측정 데이터 세트의 상기 제1 부분을 결정하며, 다음으로 상기 제1 부분 내의 ANS 활동 표지자들의 수를 결정하기 위해 상기 측정 데이터 세트의 상기 제1 부분을 처리할 수 있다. 상기 측정 데이터 세트의 상기 제2 부분은 상기 측정 데이터 세트의 상기 제1 부분보다 더 적은 측정 데이터 세트를 포함할 수 있다.
특정 실시예들에서, 상기 방법(600)은 상기 제2 부분 내의 ANS 활동 표지자들의 수를 결정하기 위해 상기 측정 데이터 세트의 상기 제2 부분을 처리할 수 있다.
특정 실시예들에서, 상기 방법(600)은, 상기 사용자의 전자 장치의 센서로부터, 상기 측정 데이터 세트를 수신하고, 상기 측정 데이터 세트에 기반하여 상기 ANS 활동 표지자들의 히스토그램을 생성할 수 있다. 상기 ANS 활동 표지자들의 히스토그램은, 상기 제1 부분 내의 ANS 활동 표지자들의 수가 상기 제2 부분 내의 ANS 활동 표지자들의 수와 실질적으로 동일하도록, 상기 제1 및 제2 부분들로 분할될 수 있다. 상기 사용자 특정적 기준 SVB 값은, 상기 제1 부분 내의 ANS 활동 표지자들의 수가 상기 제2 부분 내의 ANS 활동 표지자들의 수와 실질적으로 동일한, 상기 히스토그램 상의 위치에 상응할 수 있다.
또한, 상기 전자 장치는 적어도 웨어러블 장치를 포함할 수 있고, 상기 ANS 활동 표지자들의 히스토그램은 상기 웨어러블 장치에 의해 결정될 수 있다. 상기 사용자 특정적 기준 SVB 값은 상기 전자 장치에 의해 결정될 수 있다. 또한, 상기 사용자의 상기 스트레스 레벨은 상기 제1 부분 내의 ANS 활동 표지자들의 수와 상기 제2 부분 내의 ANS 활동 표지자들의 수를 비교함으로써 결정될 수 있다.
특정 실시예들에서, 상기 ANS 활동 표지자들은 하나 이상의 SNS 활동 표지자들 및 하나 이상의 PSNS 활동 표지자들을 포함할 수 있다. 상기 측정 데이터 세트의 상기 제1 부분 내의 상기 ANS 활동 표지자들은 상기 하나 이상의 SNS 활동 표지자들을 포함할 수 있고, 상기 측정 데이터 세트의 상기 제2 부분 내의 상기 ANS 활동 표지자들은 상기 하나 이상의 PSNS 활동 표지자들을 포함할 수 있다. 상기 HRV 특성은 상기 SNS 활동 표지자들의 수 대 상기 PSNS 활동 표지자들이 수가 관여된 비에 기반하여 결정될 수 있다. 또한, 상기 HRV 특성은 대략 50:50인 상기 SNS 활동 표지자들의 수 대 상기 PSNS 활동 표지자들의 수의 비에 기반하여 결정될 수 있다.
특정 실시예들에서, 상기 ANS 활동 표지자들은 상기 제1 부분에 상응하는 제1 확률 가중치 및 상기 제2 부분에 상응하는 제2 확률 가중치에 기반하여 상기 제1 및 제2 부분들에 기여할 수 있다. 상기 ANS 활동 표지자들 각각은 상기 제1 확률 가중치에 기반하여 교감 신경계(SNS) 활동에 기여하고 상기 제2 확률 가중치에 기반하여 부교감 신경계(PSNS) 활동에 기여할 수 있다. 또한, 상기 사용자 특정적 기준 SVB 값은 SVB 값들의 범위에 상응할 수 있고, 상기 사용자의 상기 스트레스 레벨은 스트레스 레벨 값들의 범위에 상응할 수 있다.
특정 실시예들은, 적절한 경우, 도 6의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 6의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 6의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다. 또한, 본 개시가 도 6의 상기 방법의 상기 특정 단계들을 포함하는 스트레스 검출의 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 6의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는 어떤 스트레스 검출 방법이든지 고려하고 있다.
나아가, 본 개시가 도 6의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 6의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
특정 실시예들에서, 확률적 접근법은 바람직하게는 센서들의 한계들에 기초할 수 있다. 제한으로서가 아니라 예로서, 1 KHz 샘플링율(sampling rate)이 ANS 정량화에 필요할 수 있으나, 많은 센서들이 100 KHz 샘플링율을 갖고 이에 따라 10 밀리초 "빈들(bins)"을 갖기 때문에 이는 여러 가지 문제들을 야기할 수 있다.
특정 실시예들에서, 중간값(median)에 가까운 데이터 포인트들은 상기 히스토그램의 다른 쪽에서 분수로 존재할 수 있다. 제한으로서가 아니라 예로서, 데이터 포인트 "X"가 빈 번호 "i"의 위치를 할당 받았고, 여기서 제1 빈은 빈 번호 1로 라벨링된다고 가정한다. 빈 크기에 기반하여, 히스토그램의 기준에 인접한 위치는 상기 히스토그램의 다른 쪽에 존재할 가능성이 매우 클 수 있다.
도 7A는 데이터 측정치들에서의 낮은 잡음에 대한 확률적 접근법을 도시하고, 도 7B는 데이터 측정치들에서의 높은 잡음에 대한 확률적 접근법을 도시한다. 도 7A 및 도 7B에 도시한 바와 같이, 히스토그램(700)(또는 히스토그램(710))의 x-축은 심박수 변동들(예를 들면, RR-델타들)에 상응하고, 상기 히스토그램(700)(또는 히스토그램(710))의 y-축은 데이터 세트에 대한 상기 심박수 변동들의 횟수에 상응한다. 일 예로, 도 7A에 도시한 바와 같이, 상기 기준 SVB는 30이고, 데이터 포인트가 31인 경우, 상기 히스토그램(700)의 왼쪽 및 오른쪽에 대한 예시적 할당들은 Prob(x_left) = 0, 및 Prob(x_right) = 1을 포함할 수 있다.
특정 실시예들에서, 이 할당은 빈 크기 뿐 아니라 신호에 고유한 잡음의 함수이다. 따라서, 특정 빈 크기 α를 고려할 때, 시계열 βt에서 j번째 위치의 Noise_x(βt,j), 및 RR-간격 계산 방식 
k에 대해, 다음과 같이 결정될 수 있다:
Prob(x_left) 
0, 여기서 Prob(x_left) = f(Noise_x(βt,j), α, 
k)
일반적으로, 포인트 x의 확률은 상기 기준 주위의 왼쪽 또는 오른쪽 부분들에서 뿐만 아니라 상기 히스토그램의 각 빈(bin)에서도 정량화될 수 있다. 이는 상기 기준 SVB가 업데이트 되는 것을 감안할 수 있는데, 이는 정량화가 상기 기준의 양쪽 포인트의 확률적 위치에만 의존하는 경우에는 가능하지 않다. 제한으로서가 아니라 예로서, 30의 기준 SRV의 양쪽 각각에 5 포인트들이 있고, 여기서 빈 크기는 1 밀리초라고 가정한다.
도 7B에 도시한 바와 같이, 다음 포인트 x가 31의 RR-델타를 갖고 시계열에서 잡음이 매우 큰 상황(situation)에서, 상기 방법은 상기 기준의 양쪽에 0.5의 분수 가중치(존재)를 할당할 것이다. 이는 실제 RR-델타 계산에 도입되는 높은 불확실성에 기인한다. 따라서, 상기 히스토그램(710)의 왼쪽 및 오른쪽에 대한 예시적 할당들은 Prob(x_left) = 0.5 - ε, 및 Prob(x_right) = 0.5 + ε을 포함하며, 여기서 ε은, 히스토그램 포락선(envelop)에 가장 잘 피팅되는 편측 가우시안(one-sided Gaussian) 또는 다항식에 의해 근사될 수 있는, 잡음 및 상기 기준 SVB로부터의 거리 x의 함수이다. 또한, Noise_x(βt,j)의 강건한 측정치들(robust measurements)에 대한 잡음의 정량화는 하기에서 보다 상세히 논의된다.
도 7C는 확률적 결정에 기반하여 기준 SVB를 업데이트하는 확률적 접근법을 도시한다. 도 7C에 도시한 바와 같이, 히스토그램(720)의 x-축은 x-축은 심박수 변동들(예를 들면, RR-델타들)에 상응하고, 상기 히스토그램(720)의 y-축은 데이터 세트에 대한 상기 심박수 변동들의 횟수에 상응한다. 특정 실시예들에서, 원래의 빈(bin) i로부터 h의 거리의 다른 빈에 있는 포인트 x의 확률 Prob(x[i±h])은 더 큰 잡음의 존재 하에서 증가한다.
제한으로서가 아니라 예로서, 도 7C에 도시한 바와 같이, 빈 i-1과 연관된 확률은 Prob(x[i-1])이고, 빈 i-2와 연관된 확률은 Prob(x[i-2])이다. 또한, 이 확률은 동일한 정도의 잡음 존재 하에서도 두 명의 사용자들에 있어서 다를 수 있는데, 이는 그들의 HRV 신호의 고유한 확률성(stochasticity) 때문이다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은, 사용자에 의해 지시된 바와 같은, 정상 조건 하에서 뿐만 아니라, 일부 예상되거나 합리적인 잡음 있는 조건들 하에서 몇 분 동안과 같이, 짧은 기간 동안, 신호 데이터를 수집할 수 있다. 이는 상이한 빈들 하에서 신호 데이터의 확률의 척도를 제공하는 데 도움이 될 수 있다. 일단 잡음이 정량화되면, 상기 건강 모니터링 시스템(200)은 원래의 빈 번호 i로부터 h의 거리의 다른 빈에 있는 포인트 x의 확률 Prob(x[i±h])의 척도를 얻을 수 있다.
특정 실시예들에서, 잡음이 실제 물리적 운동에 의해 도입될 필요는 없지만, 확률 모델들을 계산하기 위한 데이터 베이스를 제공하고 이에 따라 더 정확한 SVB 척도를 제공하기 위해, 상기 기준 SVB 신호에 합성적으로 도입될 수 있는, 잡음 있는 조건 하에서 신호 데이터의 거동을 결정하기 위해 다양한 시뮬레이션들이 수행될 수 있다.
도 7D는 사용자에 대해 시간에 따른 스트레스 범위를 보여주는 그래프(730)을 도시한다. 도 7D에 도시한 바와 같이, 상기 기준 SVB와 연관된 스트레스 값들은 잡음 있는 신호들에 의해 손상될(corrupted) 수 있으며, 따라서 상기 건강 모니터링 시스템(200)은 스트레스 값들의 범위에 상응하는 SVB의 측정치를 얻을 수 있다. 상기 그래프는 예시적 실시예에 따른, 도 4B의 상기 사용자 인터페이스(450) 내에 표시될 수 있다.
마지막으로, 예시적 실시예에서, RR 값들은 다수의 핵심 PPG 특징들을 참조하여 계산됨에 주의하라. 예를 들면, 별개의 RR은 각각 트로프(trough), 피크(peak), 및 영-교차점(zero-crossing) 특징들로부터 계산될 수 있다. 또는, 별개의 RR은 상호정보량(mutual information)(하기에서 상세히 설명됨)과 같은 다른 신호 처리 기법들로부터 계산될 수도 있다. 다음에, 최종 RR 값은 주어진 신호 특징의 품질 뿐만 아니라 생리학적 인자들에 기반하여 선택될 수 있다. 상기 신호 특징의 품질은 해당 특징 주위의 잡음을 조사함으로써 판단될 수 있다.
예를 들면, PPG의 가정된 피크 주위의 신호가 트로프 주위의 신호에 비해 매우 잡음이 많은 것으로 밝혀지면, PPG 피크에서 선택된 RR에는 PPG 트로프로부터 계산된 RR에 비해 더 낮은 우선순위(priority)가 주어진다. 예시적 양태에서, 무엇보다도, RR을 선택 또는 가중하는 배후의 생리학적 추론은 주로 신체가 스트레스 항상성(homeostasis)을 유지하려고 한다는 고려에 의해 추동된다. 따라서, 다수의 특징들과의 큰 RR 차이(discrepancy)가 주어지면, 스트레스의 변화를 최소화하는 RR은 상대적으로 정확할 수 있다. 이는 상이한 RR이 상기 기준의 상이한 측들에 속할 때 큰 효과를 낼 수 있다.
예시적인 실시예에 따라, 동률(tie) 존재 하에서, 상기 방법은, 영-교차 포인트에서 급격히 상승하는 신호에 의해 정확성이 정당화될 수 있는, 영-교차 기반 RR을 선택한다. 따라서, 신호에서 영(zero)을 추정하는 데 있어서 적당히(moderately) 큰 오차조차도 타임 스탬프(time stamp)에서 큰 오차로 변환되지 않을 수 있다. 영-교차점들의 이런 성질은, 수축기(systolic phase) 동안 혈액량이 매우 급격하게 증가하는, 혈류 패턴의 결과이다(영-교차점은 수축기에 있음).
가중된 좌측 이동(Weighted Left-Shift) 및 히스토그램 프로파일 개량(Histogram Profile Refinement)
특정 실시예들에서, 스트레스 검출을 위한 대부분의 HRV 기반 알고리즘들은 연속적인 박동-박동 RR-델타들의 히스토그램이 왼쪽으로(예를 들면, 더 스트레스 받는 상태로) 이동된 정도를 간단히 측정할 수 있다.
특정 실시예들에서, 스마트 좌측 이동 알고리즘들은 SVB 계산 접근법과 유사하지만, 동시에 상기 히스토그램의 상이한 부분들은 중요성이 달라질 수 있음을 이해해야 한다. 또한, 스트레스는 기준 상태로부터 히스토그램의 좌측 이동에 상응할 수 있으므로, 이는, 상이한 히스토그램 영역들의 "예상된 가중치"에 기반하여 히스토그램의 면적을 조정함으로써, 상기 히스토그램의 스케일링된 면적의 감소로서 계산될 수 있다. 상기 히스토그램은, 제한된 샘플링율을 갖는 센서들로 인해 각각 생성되는 "n" 개의 빈들로 나누어지는 것으로 간주될 수 있으므로, 좌측 이동 알고리즘은, 스트레스의 존재 하에 기준 면적에 비해 감소된 히스토그램의 스케일링된 면적을 계산함으로써, 생성될 수 있다.
도 8은 기준 상태로부터의 좌측 이동을 나타내는 히스토그램(800)의 예를 도시한다. 도 8에 도시한 바와 같이, 상기 히스토그램(800)은 기준 위치(820)로부터 상기 히스토그램의 좌측 부분으로 심하게 편중된 위치(810)로 이동된 것으로 도시되어 있다.
특정 실시예들에서, SVB 계산을 위한 히스토그램의 종래의 면적 = 
yi * (밴드 i의 폭)이지만, 상기 좌측 이동 알고리즘에 기반하여 결정된 스케일링된 면적 = SA = 
xiyiki이며, 여기서 xi = 밴드 i의 x축 값이고, yi = 밴드 i에서의 총 샘플들이며, ki = 값 평가(value assessment)에 기반한 빈 'i'에 대한 A 스케일링 인자이다.
특정 실시예들에서, 상기 스케일링된 면적의 예상된 가중치는, 예를 들면, 신호의 잡음 프로파일에 기반하여 치료사(therapist)에 의해 또는 상기 사용자 자신에 의해 설정된 함수에 기반하여, 계산될 수 있다. 미리 설정된 바이어스는, 필요에 따라, 일정 면적들에서 RR-델타 인스턴스들의 확률을 더 낮춤으로써, 보정될 수 있다. 또한, 가중치들은, 잡음의 정도에 의해 도입된 불확정성에 기반하여 하나 이상의 빈에 속하도록 인스턴스들을 할당하는, 확률 분포에 기반하여 결정될 수 있다.
특정 실시예들에서, 상기 스케일링 인자들을 계산함에 있어서, 상기 히스토그램의 좌측 부분에 더 큰 가중치를 주기 위해, RR-델타 = 0이 잡음 있는 심장박동-심장박동 변이도(heartbeat-to-heartbeat variability) 존재 하에서의 디폴트 할당인 경우, 가장 좌측 영역은 더 낮은 가중치를 할당 받을 수 있다. 데이터 포인트들의 인스턴스들이 크고 드문 경우, 가장 우측 영역에 더 높은 가중치가 할당될 수 있다. 또한, 상기 스케일링 인자는 가속도계에 기반하여(예를 들면, 활동 검출을 통해) 변조될 수 있다.
특정 실시예들에서, 상기 히스토그램에서 이상치들(outliers)은 결과에 강한 변이성을 발생시킬 수 있으며, 따라서 SVB 계산은 상기 히스토그램의 포락선의 프로파일을 특성화하여 좌측 이동을 계산함으로써 더 개량될 수 있다.
도 8에 도시한 바와 같이, 상기 "포락선(envelope)"은 개념적으로 소수의 "골 포스트들(goal posts)"(예를 들면, 사분위수 범위(interquartile range) 또는 모드 기반 골 포스트들)에 의해 특성화되는 것으로 간주될 수 있다. 상기 좌측 이동 알고리즘은 일정 클래스의 이상치들을 거부함으로써 더 개량될 수 있다.
특정 실시예들에서, 스트레스를 계산하기 위해, 이러한 기법들은 히스토그램 "꼬리(tail)"를 적절히 둔감화(desensitization)하려고 한다. 또한, 상기 좌측 이동 알고리즘은 예상되는 성능 또는 과거 이력 경향을 이용함으로써 더 개량될 수 있으며, 가중치들이 확률 분포에 기반하여 할당되는 접근법으로 이어진다.
잡음 검출/보정(Noise Detection/Correction) 및 오차 보상(Error Compensation)
상기 논의한 바와 같이, 스트레스는 다양한 건강 문제들의 원인이 될 수 있고, 따라서 심리적 스트레스의 정확하고, 강건하며(robust), 의미 있는 측정은 건강 및/또는 웰니스(wellness)의 모니터링 및 관리에 유리할 수 있다. 실생활 생체감지(bio-sensing) 측정치들은 잡음이 있을 수 있으며, 이 측정치들로부터 파생된 생체신호들은 잡음에 민감할 수 있다. 예를 들면, 잡음의 소스는 모션 아티팩트들, 불규칙한(erratic) 및/또는 느슨한 신체 센서 접촉들, 매우 다양한 주변 방해, 기타 관련 잡음, 또는 이들의 어떤 조합일 수 있다. 이러한 잡음은, 이상적인 수집 및 분석 방법들보다 작은 것에 대해서는 낮은 공차(tolerance)를 갖는 민감한 생체신호인, 광용적맥파(photoplethysmogram: PPG) 신호들에서 매우 두드러진다.
하기에서 논의되는 특정 실시예들은 잡음 있는 측정치들로 PPG 신호들의 정확한 생체감지를 수행하는 방법에 관한 것이다. 또한, 하기에서 논의되는 특정 실시예들은 또한 잡음 있는 측정치들로 건강 및/또는 웰니스에 관련된 다른 적절한 생체신호들을 모니터링하고 분석하는 것에 관한 것이다.
특정 실시예들에서, 이러한 방법들은, 부정확하고 해석하기 어려운 측정 알고리즘들, 수집될 필요 없는 (예를 들면, 데이터에서의 높은 잡음 가능성을 알기 때문에) 불필요한 데이터를 계산 및/또는 수집하는 동안의 전력 낭비, 수집된 데이터의 유용성(usability), 실행가능성(actionability), 상황화(contextualization) 및 개인화(personalization)의 부족(예를 들면, 잡음 아티팩트들로 인해), 및 잡음 존재 하에서의 불규칙한 성능과 같은, 이슈들을 다루는 데 도움이 될 수 있다.
도 9는 잡음 있는 센서들을 이용하여 건강 측정치들을 계산하는 예시적 방법(900)을 도시한다. 상기 방법(900)은, 웨어러블 장치(예를 들면, 상기 건강 모니터링 장치(210)와 유사한 스마트 워치, 상기 건강 모니터링 패치(270)와 같은 패치 등), 모바일 장치(예를 들면, 상기 모바일 전자 장치(230) 등과 같은 스마트폰), 전문화된 모니터링 장치(예를 들면, 의료 장치 등), 기타 적절한 장치들, 및 이들의 어떤 조합(도 1, 도 2A 및 도 2B를 참조하여 설명한 바와 같음)과 같은, 생체감지 장치(예를 들면, 상기 건강 모니터링 시스템(200)의 하나 이상의 장치들)에 의해 수행될 수 있다. 제한으로서가 아니라 예로서, 건강 측정치들은 스트레스, 심박수, 수면, 정서 상태, 기타 관련 측정치들, 또는 이들의 어떤 조합을 포함할 수 있다.
상기 방법은, 상기 건강 모니터링 시스템(200)이 센서 신호를 수신할 수 있는, 단계(902)에서 시작될 수 있다. 제한으로서가 아니라 예로서, 상기 센서 신호는 PPG 신호, ECG 신호, 생체 임피던스(bio-impedance) 신호, 동맥 혈압(BP 신호), 기타 적절한 신호들, 또는 이들의 어떤 조합에 상응할 수 있다. 예를 들면, 상기 PPG 신호는 HRV를 계산하는 데 이용될 수 있으며, 상기 HRV는 이어서 사용자의 스트레스 레벨을 계산하는 데 이용될 수 있다. 그러나, 상기 PPG 신호의 잡음은 HRV 계산의 변이도 증가를 야기할 수 있으며, 이는 잘못되게 낮은 스트레스 측정치를 초래할 수 있다. 따라서, 하기 설명되는 특정 실시예들의 주요 목표는 상기 PPG 신호의 잡음으로 인한 이 오차를 보정하고 상기 사용자에게 건강 측정치들의 품질 및 효율(efficacy)에 관한 피드백을 제공하는 것이다.
단계(904)에서, 상기 건강 모니터링 시스템(200)은 상기 수신된 신호의 잡음을 정량화할 수 있다. 특정 실시예들에서, 상기 잡음은 상기 신호의 예상되는 크기(amplitude)의 편차(variation)로 측정 또는 정량화될 수 있다. 제한으로서가 아니라 예로서, 평균 기준 크기로부터 상기 신호 크기의 예상치 못한 변화는 상기 신호에 잡음이 존재한다는 매우 신뢰할만한 표시일 수 있다. 도 11, 도 12A 및 도 12B와 관련하여, 예시적인 잡음 정량화가 하기에서 보다 상세히 설명될 것이다.
예시적 실시예들에 따르면, 잡음은 다양한 상이한 방식들로 계산될 수 있다. 예시적 실시예의 하나의 접근법은 상기 잡음을 상기 신호의 총 면적과 깨끗한 PPG 신호의 평균 신호의 비로서 계산하는 것이다. 이 비가 예상되는 범위를 크게 벗어나는 경우, 상기 신호는 잡음이 있는 것으로 간주될 수 있고, 이 비는 상기 잡음의 레벨을 정량화하는 역할을 할 수 있다.
예시적 실시예의 다른 접근법은 주어진 펄스에서의 피크들(또는 트로프들)의 수를 추정하는 것이며, 주어진 수가 임계값을 초과하는 경우, 이것은 상기 신호의 잡음의 정량자(quantifier)이다. 예시적 실시예의 또 다른 접근법은 예상되는 프로파일로부터의 상기 신호의 RMS 편차(deviation)를 측정하는 것이며, 이 척도는 상기 신호의 잡음으로서 취해질 수 있다. 예시적 실시예의 또 다른 접근법은, 계산된 각각의 피크, 트로프, 및 영-교차점에 대해, 그러한 특징들 근처에서 예상되는 신호 프로파일이 곡선 피팅(curve fitting)에 의해 계산되는 것이다. 다음에, 예상되는 신호로부터의 실제 신호의 RMS 편차는, 주어진 특징에 대해, 상기 신호의 전체적인 잡음의 정량화로서 이용된다. 이 접근법을 더 개량한 것으로서, 상기 신호의 특정 특징이 RR 계산에 이용되는 경우, 해당 특징 근처의 잡음은 상기 신호의 잡음의 표지자로서 이용된다.
하나의 오차-잡음(error-noise) 모델이 주어진 설정에서 오차 보정에 더 적절할 수 있으며, 이 특정 잡음 모델은 바람직한 모델로서 취해질 수 있다. 예시적 실시예에서, 상기 건강 모니터링 시스템(200)은 어느 오차-잡음 모델이 자동적으로 선택되어야 하는지 결정한다. 예를 들면, 상기 건강 모니터링 시스템(200)은 깨끗한 PPG에 합성 잡음(synthetic noise)을 도입하여 각각의 오차-잡음 모델의 보정의 정확도를 측정할 수 있다. 가장 높은 정확도(예를 들면, 가장 작은 오차)를 갖는 오차-잡음 모델이 선택될 수 있다.
또한, 많은 상황들에서, 상기 신호는 너무 손상되어 전혀 아무런 특징도 추정할 수 없을 수 있다. 그러한 경우, 전체 신호에서 그러한 펄스들의 수(평균 심박수로부터 외삽법(extrapolation)에 의해 얻어짐)는 상기 신호의 전체적인 잡음의 표지자로서 이용된다. 그러나, 각각의 잡음 있는 RR은, 예를 들면, 세 개의 RR-델타 측정치들을 손상시킬 수 있다. 따라서, 상기 신호에서 이산적으로(discretely) 분포된 잡음은 연속적으로 펼쳐져 존재하는 잡음보다 더 큰 영향을 미칠 수 있다.
예를 들면, 잡음이 오직 하나의 펄스에만 영향을 미치고, 이러한 단일의 잡음 있는 펄스 인스턴스들이 상기 신호 전체에 걸쳐 분포된 경우, 이는, 예를 들면, 30 개의 잡음 있는 RR-델타 계산치들로 이어질 수 있고, 따라서 이 경우는, 예를 들면, 10 개의 잡음 있는 펄스들이 연속되어 있는 경우보다 상기 신호를 더 많이 손상시킨다. 잘못되어 있거나 아니면 단순히 계산할 수 없는 RR-델타의 예상되는 총 수에 관한 이 정보는 상기 신호의 총 잡음의 의미 있는 정량화일 수 있다.
상기 건강 모니터링 시스템(200)은, 단계들(906 내지 910)을 순차적으로 또는 병렬적으로 수행함으로써, 방법(900)을 계속할 수 있다. 단계들(906 및 908)에서, 상기 건강 모니터링 시스템(200)은 피드백을 위해 상기 잡음 정량화를 상기 사용자에게 제공할 수 있고, 통계적 보정을 위해 상기 잡음 정량화를 더 제공할 수 있다. 예시적인 통계적 보정이 도 14와 관련하여 하기에서 보다 상세히 설명될 것이다.
단계(910)에서, 상기 건강 모니터링 시스템(200)은 상기 수신된 신호의 피크 검출이 가능한지 여부를 결정할 수 있다. 제한으로서가 아니라 예로서, 상기 건강 모니터링 시스템(200)은, 각 주기(cycle)마다 반복되고 검출 가능한 특징들을 갖는 잘 형성된 모폴로지(예를 들면, 잘 형성된 PPG 신호에서의 피크에 근접한 정현파형(sinusoidal-type) 신호)와 같은, 일정 특성을 갖는 센서 신호의 피크들을 결정하려고 시도할 수 있다.
상기 단계(910)에서 피크 검출이 가능한 것으로 결정되는 경우(예를 들면, "예(YES)"의 결정), 상기 건강 모니터링 시스템(200)은, 상기 건강 모니터링 시스템(200)이 피크 검출을 수행할 수 있는, 단계(912)로 진행될 수 있다.
다음에, 검출된 피크 정보에 기반하여, 단계(914)에서, 상기 건강 모니터링 시스템(200)은 건강 알고리즘(예를 들면, 스트레스 알고리즘)을 위한 신호 특징들을 결정할 수 있다. 제한으로서가 아니라 예로서, 상기 신호 특징들은, 도 15 및 도 16과 관련하여 하기에서 보다 상세히 설명되는, HRV 계산을 위한 피크-피크 시간(peak-to-peak time)을 포함할 수 있다.
반면에, 상기 단계(910)에서 피크 검출이 가능하지 않은 것으로 결정되는 경우(예를 들면, "아니오(NO)"의 결정), 상기 건강 모니터링 시스템(200)은, 상기 건강 모니터링 시스템(200)이 통계적 예측이 가능한지 여부를 결정할 수 있는, 단계(916)로 진행될 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 이전의 PPG 신호들의 통계적 특성들을 살펴 봄으로써 통계적 예측이 가능한지 여부를 결정한 다음, 이 정보에 기반하여, 신호의 하나 이상의 누락된 조각들을 합당한 정확도로 재구축할 수 있는지 여부를 결정한다. 그러나, 상기 이전의 PPG 신호들이 순수한 잡음인 것으로 결정되는 경우, 상기 건강 모니터링 시스템(200)은, 누락된 신호의 구축에 도움이 되는 아무런 정보도 추출할 수 없으며 따라서 상기 신호의 재구축(reconstruction) 또는 예측도 또한 가능하지 않다고, 결정할 수 있다.
다시 말하면, 상기 단계(916)에서 신호 예측이 가능하다고 결정되는 경우(예를 들면, "예"의 결정), 상기 건강 모니터링 시스템(200)은 신호 예측을 수행하고 상기 예측된 신호에 기반하여 상기 수신된 신호를 조정하기 위해 단계(918)로 이동한 다음, 잡음의 영향을 감소시키기 위해 단계(920)로 이동할 수 있다.
반면에, 상기 단계(916)에서 신호 예측이 가능하지 않다고 결정되는 경우(예를 들면, "아니오"의 결정), 상기 건강 모니터링 시스템(200)은, 도 14와 관련하여 하기에서 보다 상세히 설명하는 바와 같이, 잡음-오차 플롯들을 이용하여 잡음 보상을 수행하기 위해 단계(922)로 이동할 수 있다. 다음에, 단계(924)에서, 상기 건강 모니터링 시스템(200)은 상기 단계(922)에서의 상기 잡음 보상에 기반하여 건강(예를 들면, 스트레스) 계산을 보정할 수 있다. 상기 건강 계산을 보정한 후, 상기 방법은 종료될 수 있다.
특정 실시예들은, 도 9의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 9의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 9의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가, 도 9의 상기 방법의 상기 특정 단계들을 포함하는, 잡음 있는 센서들을 이용하여 건강 측정치들을 계산하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 9의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 잡음 있는 센서들을 이용하여 건강 측정치들을 계산하는 어떤 적절한 방법이든지 고려하고 있다.
나아가, 본 개시가 도 9의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 9의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
도 10은 잡음 있는 센서들을 이용하여 건강 측정치들을 계산하는 (예를 들면, 상기 건강 모니터링 시스템(200)의) 잡음 보상 시스템(1000) 을 도시한다. 상기 잡음 보상 시스템(1000)은 상기 사용자로부터 및/또는 상기 건강 모니터링 시스템(200)으로부터 센서 데이터를 수신하기 위해 하나 이상의 센서들(또는 센서 인터페이스)(1002)을 포함할 수 있다. 상기 센서들(202)은 상기 센서 데이터(예를 들면, HR 데이터, 사용자 활동 데이터 등)를 입력으로서 실시간 잡음 정량화 모듈(1004) 및 실시간 건강 모니터 모듈(1006)에 제공할 수 있다. 상기 실시간 잡음 정량화 모듈(204))은 상기 센서 데이터에서의 계산된 잡음 레벨을 발생시킬 수 있고(예를 들면, 상기 수신된 신호의 잡음을 정량화하는 도 9의 상기 단계(904)), 상기 실시간 건강 모니터 모듈(1006)은 상기 잡음 있는 센서 데이터에 기반하여 계산된 건강 측정치를 발생시킬 수 있다.
다음에, 상기 센서 데이터의 상기 계산된 잡음 레벨(상기 실시간 잡음 정량화 모듈(1004)로부터 온 것) 및 상기 계산된 건강 측정치(상기 실시간 건강 모니터 모듈(1006)로부터 온 것)는, 실시간 잡음 분석을 발생시키기 위해, 입력들로서 건강-오차 모듈(1008)에 제공될 수 있다.
다음에, 상기 건강-오차 모듈(1008)의 출력들은, 상기 센서 데이터의 잡음 레벨에 대해 상기 사용자에게 피드백을 제공하기 위해, 사용자 인터페이스(user interface: UI)(1010)를 통해(예를 들면, 도 4A 및 도 4B에 도시한 사용자 인터페이스들을 통해) 상기 사용자에게 제공될 수 있다. 상기 건강-오차 모듈(208)의 실시간 잡음 분석은 도 14와 관련하여 하기에서 보다 상세히 설명될 것이다.
추가적으로 또는 대안적으로, 상기 계산된 건강 측정들(상기 실시간 건강 모니터 모듈(1006)로부터 온 것)은, 건강 데이터베이스(1014)에 통신적으로 결합될 수 있는, 사후(post-hoc) 잡음 분석 모듈(1012)에 제공될 수 있다. 상기 건강 데이터베이스(1014)는 과거 계산된 건강 값들 및 다양한 기준 값들(예를 들면, 사용자 특정적 기준 값들)의 데이터 기록을 유지할 수 있다.
상기 사후 잡음 분석 모듈(1012)은 상기 수신된 계산된 건강 측정치를 상기 건강 데이터베이스(1014)에 저장할 수 있다. 주기적으로(예를 들면, 매 24시간마다), 상기 사후 잡음 분석 모듈(1012)은 상기 저장된 건강 측정치들 및/또는 기준 값들을 처리할 수 있고, 피드백을 위해 사후 분석 데이터를 상기 사용자에게(예를 들면, 상기 논의된 UI(1010)를 통해) 제공할 수 있다. 또한, 상기 사후 잡음 분석 모듈(1012)은 상기 잡음 보상 시스템(1000)의 잡음 모델을 업데이트하기 위해 상기 사후 분석 데이터를 이용할 수 있다. 상기 사후 잡음 분석 모듈(212)은 도 13과 관련하여 하기에서 보다 상세히 설명될 것이다.
특정 실시예들은, 적절한 경우, 하나 이상의 추가적인 모듈들을 포함할 수 있고 및/또는 도 10의 상기 잡음 보상 시스템(1000)과 관련하여 설명한 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 10과 관련하여 설명한 특정 모듈들 및 특정 단계들을 특정 설비(setup)의 일부로서 및/또는 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는 도 10의 상기 잡음 보상 시스템(1000)에 관해 어떤 적절한 설비(setup)든지 고려하고 있다.
또한, 본 개시가 특정 방식으로 이용되는 특정 모듈들을 포함하는 예시적 잡음 보상 시스템(1000)을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 10의 상기 모듈들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 모듈들을 포함하는 어떤 적절한 잡음 보상 시스템(1000)이든지 고려하고 있다.
나아가, 본 개시가 도 10의 상기 잡음 보상 시스템(1000)과 관련하여 설명된 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 10의 상기 잡음 보상 시스템(1000)과 관련하여 설명된 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
신호 보정(Signal Correction)
상기 논의한 바와 같이, 모션 아티팩트들, 잡음 있는 접촉들, 및 센서 오차들 등과 같은, 많은 잡음 소스들이 있을 수 있으며, 정확한 피크 검출 또는 신호 보정이 어려울 수 있다. 그러한 경우에, 잡음의 제거 및/또는 잡음의 보상에 의한 잡음 보상은 스트레스 및/또는 HRV의 정확한 측정치들의 결정을 용이하게 할 수 있다. 구체적으로, 잡음은 수집된 신호 데이터의 변이도를 증가시킬 수 있고, 이는 HRV 계산에 있어서 인지된 변이도를 그릇되게 증가시킬 수 있으며, 이어서 스트레스 출력에 그릇되게 영향을 미칠 수 있다.
도 11은, 예를 들면, 사용자의 건강 변이도 측정치(예를 들면, HRV 또는 스트레스 레벨)를 결정하는 예시적 방법(1100)을 도시한다. 상기 방법(1100)은, 상기 건강 모니터링 시스템(200)이 상기 사용자의 전자 장치(예를 들면, 상기 모바일 전자 장치(230))의 센서로부터 센서 데이터를 수신할 수 있는, 단계(1110)에서 시작될 수 있다.
특정 실시예들에서, 상기 센서 데이터는 잡음 계산 시간에 걸친 PPG 신호에 관한 데이터를 포함할 수 있고, 상기 건강 변이도 측정치는 HRV 측정치를 포함할 수 있다. 단계(1120)에서, 상기 건강 모니터링 시스템(200)은 상기 수신된 센서 데이터의 잡음 레벨을 결정할 수 있다. 상기 잡음 레벨의 결정은 도 9의 블록(904)과 관련하여 상기에서 설명한 접근법들 중 하나 이상에 기반할 수 있다.
다음에, 단계(1130)에서, 상기 건강 모니터링 시스템(200)은 상기 결정된 잡음 레벨에 기반하여 계산된 양으로 상기 건강 변이도 측정치를 조정할 수 있다. 특정 실시예들에서, 상기 결정된 잡음 레벨에 기반하여 계산된 양으로 상기 건강 변이도 측정치를 조정하는 단계는 계산된 오차-조정(error-adjustment) 측정치 만큼 상기 건강 변이도 측정치를 감소시키는 단계를 포함할 수 있다.
예를 들면, 도 12A 및 도 12B는 HRV 측정치 잡음 보상 결과들의 예들을 도시한다. 구체적으로, 도 12A는 잡음 있는 스트레스 신호 및 60초 시간 윈도우에 대한 보상 후의 조정된 스트레스 신호를 포함하는 잡음 보상 결과들(1200)을 도시하고, 도 12B는 잡음 있는 스트레스 신호 및 120초 시간 윈도우에 대한 보상 후의 조정된 스트레스 신호를 포함하는 잡음 보상 결과들(1210)을 도시한다. 오차-잡음 곡선들과 관련하여 도 12A 및 도 12B에 도시한 바와 같이, 잡음의 백분율이 신호에서 증가함에 따라, 결과적인 오차의 백분율도 또한 증가한다.
따라서, 잡음 있는 신호는 인위적으로 상승된(따라서 부정확한) HRV 계산치를 초래하고 따라서 잡음 보상 후의 신호와 비교하여 인위적으로 감소된 스트레스 계산치를 초래할 수 있다. 잡음 보상을 통해, 상기 스트레스 레벨은, 상기 사용자의 더 정확한 스트레스 레벨을 얻기 위해 상기 잡음 레벨 및 상기 오차-잡음 곡선에 기반하여 결정된 오차만큼, 상향 조정될 수 있다.
특정 실시예들에서, 상기 스트레스 측정치를 조정한 후, 상기 건강 모니터링 시스템(200)은 상기 조정된 스트레스 측정치를 상기 사용자의 전자 장치(예를 들면, 상기 모바일 전자 장치(230))로 전송할 수 있다.
도 11의 상기 방법은 잡음을 보상하기 위해 직접적으로 상기 스트레스 계산치를 조정하는 상황에서 설명되었다. 그러나, 그렇게 하는 대신에, 잡음을 보상하기 위해 상기 스트레스 계산치가 간접적으로 조정되도록, 대안적인 예시적 실시예들에서, 상기 HRV 값은 상기 스트레스 레벨을 계산하기 전에 조정될 수 있다.
특정 실시예들은, 적절한 경우, 도 11의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 11의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 11의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가, 도 11의 상기 방법의 상기 특정 단계들을 포함하는, 사용자의 건강 변이도 측정치를 결정하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 11의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 사용자의 건강 변이도 측정치를 결정하는 어떤 적절한 방법이든지 고려하고 있다.
나아가, 본 개시가 도 11의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 11의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
사후 데이터 처리(Post-Hoc Data Processing)
특정 실시예들에서, 사용자 건강의 조감도(bird's eye view)를 얻기 위해, 사후 데이터 프로세스는 센서들의 사용을 수반할 수 있다. 센서 기반 건강 관리 모니터링 시스템에서, 한 가지 용법은 사용자의 건강 상태에 관해 사용자에게 알려주고 동기 부여하기 위해 기록된 데이터의 일별 요약 및 분석을 제공하는 것이다.
그러나, 특히 더 미묘한 차이들(subtler nuances)을 분석하기 위해서, 더 심도 있는 통찰을 하려면 깨끗한 데이터가 필요할 수 있다. 모션 아티팩트들 및 잡음 있는 신호는 해결하기 어렵기 때문에, 사용자들에게 제공되는 대부분의 요약들은 많은 오차들을 포함한다(특히, HR 및 HRV와 같은 아티팩트 민감성 측정치들의 경우). 스트레스 및 ANS 모니터링 분야에서, 그러한 잡음은 중요한 순간들을 가릴 수 있으며, 정확도의 손실은 많은 유형의 24X7 모니터링 시스템들을 비실용적이게 만드는 결과를 초래할 정도일 수 있다.
이와 같이, 하기 설명되는 방법들은 차원 분석(dimension analysis)을 이용하여 센서 데이터로부터 잡음 있는 신호들(예를 들면, 잡음 있는 HRV 또는 RR-델타 데이터)을 식별 및 제거하기 위한 것이다.
도 10과 관련하여 상기 논의한 바와 같이, 사후 잡음 분석 모델(1012)은 입력들로서 과거 건강값들 및 다양한 기준값들(예를 들면, PPG 데이터, 및 RR 및 RR-델타와 같은 PPG 파생값들 등에 상응하는 것들)의 이력을 수신하고 출력으로서 사후 잡음 분석을 제공할 수 있다. 예를 들면, 작동 시, 상기 사후 잡음 분석 모델(1012)은 상기 실시간 건강 모니터 모듈(1006)로부터의 계산된 건강 측정치들을 상기 건강 데이터베이스(1014)에 저장할 수 있다. 따라서, 시간 경과에 따라, 상기 사후 잡음 분석 모델(1012)은, 사후 분석을 수행하는 데 이용될 수 있는, 과거 건강값들 및 기준값들의 이력을 생성할 수 있다.
사후 분석은, 예를 들면, 건강 측정치들을 업데이트하는 것, 상기 실시간 잡음 정량화 모듈(1004) 및 상기 건강-오차 모듈(1008)의 잡음 모델들을 업데이트하는 것, 기타 관련된 사후 분석, 또는 이들의 어떤 조합에 상응할 수 있다. 특정 실시예들에서, 하기 설명하는 바와 같이, 상기 사후 잡음 분석 모델(1012)은 실시간 PPG 데이터 및 PPG 파생 데이터를 파싱(parsing) 및 저장한 다음 상기 파싱 및 저장된 데이터에 대해 혼돈(chaotic) 비선형 분석을 수행함으로써 사후 분석을 수행할 수 있다.
상기 사후 잡음 분석 모델(1012)이 상기 실시간 건강 모니터 모듈(1006)로부터 입력으로서 수신하는 상기 계산된 건강 측정치들은 PPG 데이터, 박동-박동 심박수(RR) 및 박동-박동 심박 변이도(RR-델타)와 같은 PPG 파생값들, 기타 관련된 입력들, 또는 이들의 어떤 조합에 상응할 수 있다.
특정 실시예들에서, 계산된 건강 측정치들은 생체측정치들(biomeasurements)을 나타내는 어떤 적절한 센서 데이터 뿐만 아니라 그러한 생체측정치들로부터 파생된 계산된 값들(예를 들면, 스트레스 레벨)에 상응할 수 있다. 상기 사후 잡음 분석 모델(1012)은 상기 입력의 시스템 차원을 결정하기 위해 상기 입력(예를 들면, 상기 건강 데이터베이스(1014)에 저장될 수 있는 것)의 세그먼트를 파싱 및 분석할 수 있다. 상기 시스템 차원은 상기 파싱된 세그먼트들에서의 잡음 레벨을 나타내는 값에 상응할 수 있다. 일단 파싱된 세그먼트에서 상기 잡음 레벨이 정량화되면, 계산된 실시간 스트레스 값들의 신뢰도(confidence)는 보정 또는 제거를 위해 재평가될 수 있다.
사후 분석 처리 시, 상기 사후 잡음 분석 모델(1012)은 상기 과거 건강값들 및 다양한 기준값들의 이력을, 수렴이 있는 경우 임베딩 차원(embedding dimension)으로서 저장하고 수렴이 없는 경우 잡음 지시자(noise indicator)로서 저장할 수 있다. 보다 구체적으로, 상기 파싱된 세그먼트들은 각각 그에 연관된 태그(tag)를 가질 수 있다. 상기 태그는 시작 타임스탬프, 종료 타임스탬프, 임베딩 차원, 및 차원 수렴 테스트의 결과들(예를 들면, 수렴이 있었다는 사실의 표시)로 구성될 수 있다.
특정 실시예들에서, 오직 더 높은 차수의 생리학적 데이터만이 오프라인 데이터베이스에 저장되어, 효율적인 저장 및 데이터 성능을 용이하게 할 수 있다. RR-델타, 타임스탬프들, 및 임베딩 차원 값들은 오프라인 처리를 위해 저장될 수 있다.
특정 실시예들에서, 이러한 프로세스가 정상적 스트레스 처리보다 더 긴 시간 척도(time scale)로 동작될 수 있으므로, 이러한 데이터베이스는 주기적으로(예를 들면, 하루에 한 번) 동기화될 수 있다.
언급한 바와 같이, 상기 사후 잡음 분석 모델(1012)은 상기 과거 값들의 이력을 오프라인으로 사후적 방식으로 처리할 수 있다. 제한으로서가 아니라 예로서, 상기 사후 잡음 분석 모델(1012)은 트리거 조건(trigger condition)에 응답하여 상기 건강 데이터베이스(1014)에 저장된 데이터의 이력을 처리하도록 구성될 수 있다. 상기 트리거 조건은 여러 조건들에 기반할 수 있다.
제한으로서가 아니라 예로서, 상기 트리거 조건은, 매일, 매주, 매달, 기타 적절한 시간 프레임, 또는 이들의 어떤 조합에 따른 주기적 트리거 분석과 같이, 시간 기반일 수 있다. 추가적으로 또는 대안적으로, 상기 트리거는, 장치의 상태(예를 들면, 충전 상태, 충전 상태로의 전환, 전원 켜짐(power-on) 상태 등), 사용자 활동의 상태(예를 들면, 가속도계 통합 신호에 의해 표시되는 극심한 잡음 시작 또는 종료, 극심한 스트레스 기간, 수면 단계, 수동 사용자 요청 등), 이력 데이터의 상태(예를 들면, 사후 처리를 위해 저장된 측정치들의 양, 장기적 스트레스 측정치 경향, 스트레스 프로세서 사용의 빈도(frequency), 이전 잡음 검출의 빈도, 마지막 업데이트 이후의 시간 등), 기타 관련된 상태, 또는 이들의 어떤 조합과 같이, 이벤트 기반일 수 있다.
특정 실시예들에서, 상기 사후 잡음 분석 모델(1012)은 상기 센서 데이터에서 잡음을 분리하기 위해 상기 과거 건강 값들 및 다양한 기준들의 이력을 처리할 수 있다. 사후적 성질(예를 들면, 실시간 제약이 없음)로 인해, 상기 사후 잡음 분석 모델(1012)은, 실시간 분석을 하기에는 계산적으로 너무 비쌀 수 있는 더 고차의 동역학 및/또는 복잡한 특성을 갖는, 신호 모델을 이용할 수 있다.
예를 들면, 예시적 실시예에서, 상기 사후 잡음 분석 모델(1012)은 잡음으로부터 혼돈 신호 거동을 식별하도록 구성되어, 상기 잡음 모델 및 상기 계산된 건강 측정치들의 정확도를 높일 수 있다. 예시적 실시예에 따른, 사후 분석을 생성하기 위해 상기 이력 데이터를 처리하는 방법은 하기에서 보다 상세히 설명된다.
먼저, 건강 측정치 데이터는 단순한 시계열(time-series) 표현에서 위상 공간(phase space) 표현으로 변환될 수 있다. 즉, 시계열의 세그먼트에서 각 포인트는, 크기(magnitude) 및 방향이 가능한 모든 상태들의 집합(collection)에서의 포인트를 나타내는, 더 큰 벡터 X(t)의 특정 원소(element)로 간주될 수 있다. 상기 시계열 이력 세그먼트들을 위상 공간에서의 고유한 벡터들로 파싱함으로써, 공간 자체가 구축될 수 있다:
[수학식 1]
변수 τ는 결정되어야 할 시스템 지연을 나타낸다. 주어진 시스템 지연 τ에 대해, 상호정보량 MI는 다음 식에 따라 계산될 수 있다:
[수학식 2]
상기 사후 잡음 분석 모델(1012)은, 상호정보량의 제1 최소값을 초래하는, 상기 시스템 지연 τ를 검색할 수 있다. 확률 함수 P를 평가하는 방법의 세부 사항은 예시적 실시예에 따라 하기에서 제공된다.
상호정보량으로부터 상기 시스템 지연 τ를 결정한 후, 상기 사후 잡음 분석 모델(1012)은 생리학적 신호를 지배하는 끌개(attractor)를 분리 및 재구축할 수 있다. 제한으로서가 아니라 예로서, 상기 임베딩 차원이 증가함에 따라, 계산된 상관차원(correlation dimension)은 저차원 혼돈 시계열 데이터에 대해 평탄화될(level off) 수 있다. 순전히 확률론적인(stochastic) 시계열 데이터에 대해, 상기 상관차원은 계속해서 증가해야 한다. 이 두 가지 경우에, 확률론적 및 혼돈 신호들은 시스템 지연 τ에 대한 MI의 추세에 기반하여 구별될 수 있다. 이것은 시스템의 엔트로피 및 결합(joint) 엔트로피를 계산함으로써 계산될 수 있다.
이 임베딩 차원이 주어지면, 상기 사후 잡음 분석 모델(1012)은 상관차원을 계산할 수 있다. 제한으로서가 아니라 예로서, 상기 사후 잡음 분석 모델(1012)은 멱법칙(power-law) 차원 형태를 가정하고, 포인트별 차원(point-wise dimension)을 계산하고, 이를 상관차원에 외삽함으로써 상기 상관차원을 계산할 수 있다. 특정 실시예들에서, 멱법칙 차원성(dimensionality) 함수는 다음의 형태 A(ε)π εd를 취할 수 있으며, 여기서 ε은 시계열에서 벡터화된 포인트들을 둘러싸는 원의 반경이다. 이 A(ε) 계산은 이제 시계열에서 상기 포인트들 주위에서 수행되고, 포인트별 차원을, Cx라 칭하는 상관차원으로 변환하기 위해 결과들의 평균을 낸다. 결국 원은 끌개를 벗어나고 더 이상 추가할 포인트가 없거나 또는 오직 한 포인트(예를 들면, 2차원에서 원의 중심)만 가질 정도로 충분히 구가 축소되므로, ε의 큰 값들 및 ε의 작은 값들에서, Cx의 평탄 곡선들(flat curves)이 있어야 한다. 그러나, 이들 두 가지 극한들(limits) 사이에, 상대적으로 일정한(constant) 라인(예들 들면, log(ε) v. log(Cx) 공간에 그려짐)이 존재해야 한다.
이 처리는 단일 시스템-임베딩 차원(single system-embedding)에 대해 행해질 수 있다. 대안적인 예시적 실시예들에서, 끌개의 제대로 된(proper) 검출은 임베딩 차원의 수렴을 측정함으로써 수행될 수 있다. 이 수렴은 도 13에서 이 알고리즘의 예시적 사용으로부터 시각적으로 보여질 수 있다. 도 13에서, 상기 임베딩 차원은 화살표 방향으로 증가될 수 있다. 임베딩 차원에서의 수렴(convergence)은 이 곡선들의 기울기들이 동일한 값에 근접하는 것으로서 보여질 수 있다.
각 차원에는 잡음 분포가 있기 때문에, 매우 확률론적인 신호들은 무한 차원성을 가질 수 있다; 확률성(stochasticity)은 무한 자유도(infinite degrees of freedom)로 이어진다. 혼돈 신호들은, 상기 시스템-임베딩 차원을 더 증가시키는 것이 상기 상관 차원(correlation dimension)에 영향을 주지 않는, 일정 포인트에 도달한다. 이 포인트에서, 끌개가 "풀렸다(disentangled)"고 말한다.확률성을 혼동 결정론(chaotic determinism)과 구별하면, 임베딩 차원이 순차적으로 증가됨에 따라 상관차원이 안정화된다. 그렇지 않으면, 신호는 확률론적이다.
특정 실시예들에 따른, 상기 설명한 방법의 개별 단계들은 하기에서 보다 상세히 설명된다.
이 방법은 상호정보량(MI) 및 혼돈 신호들에 대한 차원 임베딩의 이용을 포함할 수 있다. MI는, 주어진 측정치 X(t)가 이후에 다른 측정치 X(t+τ)에 관해 제공하는, 데이터의 평균 비트(bit)량을 나타낸다. 다시 말하면, MI는 하나의 랜덤 변수(예를 들면, X(i))가 다른 것(예를 들면, X(i+τ))에 관해 제공하는 평균 정보량(비트 단위로)에 상응할 수 있으며, 이는 다음 식 형태로 쓸 수 있다:
[수학식 3]
상기 식은 주기적 신호의 주기의 배수에 상응하는 지연에 대해서 높은 MI를 시사한다. 지연 τ를 증가시키는 동안, 비교되는 두 개의 데이터 세트들이 매우 많이 지연되지(예를 들면, 상이하지) 않으므로, MI는 상대적으로 높게 시작된다. 보다 구체적으로, X(t)는 τ가 작은 경우 X(t+τ)에 관해 많은 정보를 제공하고, 따라서 이 동일한 영역에서 MI가 높다는 것을 의미한다. τ가 커질수록, 비-지연된 측정치 X(t)가 이후의 측정치에 관해 제공하는 정보는 더 적어진다. 이러한 MI의 감소는 상기 지연이 신호의 주기성(주기성이 있는 경우)에 상응할 때까지 계속된다. PPG 유형의 데이터에 대해, 신호들은 주기 신호들에 결합된 혼돈 기반 신호들에 상응할 수 있고, 상기 사후 잡음 분석 모델(1012)은 혼돈 표지자들로부터 주기성을 분리할 수 있다. 이렇게 하기 위해, 상기 사후 잡음 분석 모델(1012)은 τ가 증가함에 따라 MI를 평가하고 상호정보량의 제1 최소값을 생성하는 지연 τ를 선택할 수 있다. 이는 데이터 포인트들 X(t) 및 X(t+τ)가, 완전히 독립적이지는 않지만, 어느 정도 분리될 수 있도록 한다. 예시적 실시예에 따른, 상기 프로세스는 하기에서 단계들 1 내지 9로서 설명된다.
단계 1. 데이터(RR-델타 샘플들)의 윈도우가 분석을 위해 저장된다. 상기 사후 잡음 분석 모델(1012)은 상기 데이터를 어레이로서 상기 데이터베이스(1014)에 저장할 수 있다. 신호의 더 미세한 포인트들은 장기적 신호들에 대해 문제되지 않으므로, 상기 어레이의 크기는 충분히 커야 한다. 상기 어레이의 크기는 여러 가지 고려 사항들에 기반하여 선택될 수 있다. 특정 실시예들에서, 이 어레이의 크기는 검출되는 특징과 유사할 수 있다. 이 어레이에 대한 하나의 예시적 크기는, 대략 8분의 스트레스 모니터링에 상응하는, 400 개의 샘플이다. 그러나, 이용 가능한 샘플의 수가 이보다 작은 경우, 알고리즘은 더 적은 수의 샘플을 가지고 진행될 수 있다. 지연된 x(t+τ),…,x(t+(m-1)τ) 포인트들이 이 데이터 어레이로부터 생성된다.
단계 2. 상기 데이터 어레이 x는 τ만큼 지연되어(τ가 1부터 N까지 변함에 따라) N개의 어레이들로 된다. 각 어레이 포인트는 원본 어레이와 비교될 수 있다.
단계 3. 일단 이 어레이들이 생성되면, MI는 x와 x(t+τ) 사이에서 계산된다. 이것은 다음에 τ가 증가하는 순서로 MI에 대한 어레이에 저장된다.
평균 상호정보량을 계산하기 위해, 상기 사후 잡음 분석 모델(1012)은 다음 동작들을 수행할 수 있다:
(I.) 최소값을 뺀 다음 최대값으로 나누어 0에서 시작되도록 X를 정규화하고 데이터를 수직으로 시킨다.
[수학식 4]
[수학식 5]
(II.) 데이터를 
에서 τ만큼 지연시키고 이를 
라 칭한다. 
는
의 지연된 이미지이며, 지연된 위상 묘사(delayed-phase portrait)는 상호정보량 계산이 수행되는 대상이다.
(III.) 분포 함수들을 몇 개의 빈들로 분할할 것인지 정의한다. 이는
의 2차원 묘사이므로, 분할들(partitions)은 2차원 박스 분할들(box partitions)이다. 상기 빈들의 크기는 애플리케이션에 기반하여 선택될 수 있다. 또한, 상기 빈들의 크기는 고정될 수 있거나 또는 적응적으로 달라질 수 있다. 특정 실시예들에서, 상기 빈 크기는 다음 식에 기반하여 선택될 수 있다:
[수학식 6]
상기 식은 이 위상 묘사에 N^2개의 박스들이 있음을 시사한다. 여기서, N은 
및 
의 길이이다.
(IV.) 분산(variance)을 체크한다. 분산이 대략 0인 경우, MI는 대략 0일 것이다. 특정 실시예들에서, 이 단계는 생략될 수 있다.
(V.) 박스-검색 변수들 S1 및 S2를 정의한다. 여기서 특정 박스는 포인트 (S1j,S2j)에 상응한다. 이제 이들은 각각 τ의 모든 인스턴스에 대해 트래버스(traverse)된다. 이는 구현 시 중첩 for-루프(nested for-loop)를 이용하여 수행될 수 있다. 예를 들면, S2는 위상 공간의 내부 수평축을 따르는 분할(partition)일 수 있고, S1은 내부 수직축을 따르는 분할일 수 있다.
확률 분포들 p, px 및 py를 정의한다. 이 세 개의 값들은 각각 결합(joint) 확률 분포, 
의 확률 분포, 및
의 확률 분포이다. 다음 조건들을 만족시키는
의 인스턴스들을 구한다.
[수학식 7]
(VI.) 위에서 계산된 확률 분포들이 주어지는 최종 MI를 계산한다. 예를 들면, 이 계산은 대략 다음 식과 동등할 수 있다:
[수학식 8]
(VII.) 이 계산은 다수의 지연들에 걸쳐 MI의 분포를 얻기 위해 τ의 여러 값들에 대해 반복될 수 있다.
단계 4. 다양한 지연들에 대해 MI의 어레이에서 피크를 검출한다. 구체적으로, 로컬 피크들(상호정보량 최소치에 상응함)이 탐색된다(being sought). 이들은, 그 주파수 변환이 주기적-분리된 RR-델타들을 제공하는 t에 상응하는, τ이다.
단계 5. 포인트별 차원을 결정한다. 이는 다음 식에서 정의되는 m의 증가하는 값들에 대해 행해질 수 있다.
[수학식 9]
즉, 상기 사후 잡음 분석 모델(1012)은 m 값들에 걸쳐 증가하고 각각에 대해 포인트별 계산을 수행할 수 있다. 여기서, X(n)은, 시스템의 위상 공간에서의 단일 포인트를 나타내는, m-차원 공간에서의 벡터이다. n의 증가는 위상 공간 궤적(trajectory)을 따르는 전파 방향이다. 상기 사후 잡음 분석 모델(1012)은 n의 값을 선택하고 입력 함수 X(t)를 길이 m의 벡터들로 파싱할 수 있다. 다음에, 상기 사후 잡음 분석 모델(112)은 이 위상 공간에서 각 포인트(X(n))로부터 주어진 반경(ε)에서 이웃 포인트들의 수를 계산할 수 있다. 이 값은 다음에 모든 포인트들에 대해 평균 내어지고, 다음에 ε은 한 단계 증가되어 집계(counting) 및 평균 계산(averaging)이 다시 한 번 수행된다. 상기 언급한 바와 같이, 상기 사후 잡음 분석 모델(1012)은 포인트들의 집계된 수가 다음 형태에 지수적으로 비례하는 모델을 이용할 수 있다.
[수학식 10]
이런 식으로, C(ε)은 ε의 이산 함수(discrete function)로서 계산될 수 있다.
단계 6. 임베딩 차원 d를 얻기 위해, 상기 사후 잡음 분석 모델(1012)은 이 비례의 각 변에 알고리즘 함수를 적용한 다음 d에 대해 풀 수 있다.
[수학식 11]
단계 7. 단계 5 및 단계 6은 증가하는 m 값들에 대해 반복될 수 있다.
단계 8. 수렴은 m=2에서 m=mmin까지 테스트된다. mmin 값은 예시적 실시예들에서 데이터 저장 버퍼 내의 샘플들의 길이에 좌우될 수 있다. 기울기가 임계값 Δdthresh를 초과하여 계속 변하는 경우, 상기 데이터는 잡음이 있는 것으로 태그되고 이 RR-델타 값들은 스트레스 계산으로부터 제거되며, 상기 스트레스 계산은 다음에 이 값들 없이 다시 수행된다.
단계 9. 수렴이 검증된(verified) 후의 d 값인, dconverge 값들은 생리학적 중요성의 향후 분석을 위해 저장될 것이다.
잡음 예측(Noise Prediction) 및 신호 스티칭/교체(Signal Stitching/Replacement)
특정 실시예들에서, 잡음 있는 신호(예를 들면, PPG 신호)를 보정하는 방법은 지터(jitter) 또는 신호 왜곡(signal distortion)이 피크 또는 트로프(trough) 또는 영-교차점(zero crossing)에 국부적일 수 있다는 관찰에 기반할 수 있다. 신호 최대치, 최소치, 또는 영-교차점 근처의 신호 왜곡에 대해, 잡음은, 먼저 예상되는 신호 프로파일을 계산한 다음, 상기 예상되는 신호 프로파일에 기반하여 결정되는 구축된(constructed) 신호를 원시(raw) 신호와 블렌딩함으로써, 추정될 수 있다. 신호 왜곡이 심한 경우, 관련된 신호 부분은 완전히 폐기되고 상기 예상 신호 프로파일에 기반하여 결정되는 상기 구축된 신호로 교체될 수 있다.
이렇게 하여, 상기 방법은 결과적으로, 사용 및 분석을 위해, 사용자에게 낮은 잡음의 양호한 PPG 신호를 제공한다. 또한, 상기 논의된 사후 잡음 분석과 비교하여, 하기에 논의되는 잡음 있는 신호들을 스티칭 및/또는 교체하는 방법들은, 사용자에게 비교적 잡음 없는 신호를 출력하기 위해, 실시간으로 그리고 매우 빨리 수행될 수 있다.
상기 논의한 바와 같이, 도 9에 도시한 바와 같이, 상기 단계(916)에서, 상기 건강 모니터링 시스템(200)은 통계적 예측이 가능하지 여부를 결정할 수 있다. 특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 이전의 PPG 신호들의 통계적 특성들을 살펴 봄으로써 통계적 예측이 가능한지 여부를 결정한 다음, 이 정보에 기반하여, 신호의 하나 이상의 누락된 조각들을 합당한 정확도로 재구축할 수 있는지 여부를 결정할 수 있다.
그러나, 상기 이전의 PPG 신호들이 순수한 잡음인 것으로 결정되는 경우, 상기 건강 모니터링 시스템(200)은, 누락된 신호의 구축에 도움이 되는 아무런 정보도 추출할 수 없으며 따라서 상기 신호의 재구축 또는 예측도 또한 가능하지 않다고, 결정할 수 있다. 다시 말하면, 상기 단계(916)에서 신호 예측이 가능하다고 결정되는 경우(예를 들면, "예"의 결정), 상기 건강 모니터링 시스템(200)은 신호 예측을 수행하고 상기 예측된 신호에 기반하여 상기 수신된 신호를 조정하기 위해 상기 단계(918)로 이동한 다음, 잡음의 영향을 감소시키기 위해 상기 단계(920)로 이동할 수 있다.
반면에, 상기 단계(916)에서 신호 예측이 가능하지 않다고 결정되는 경우(예를 들면, "아니오"의 결정), 상기 건강 모니터링 시스템(200)은 잡음-오차 플롯들을 이용하여 잡음 보상을 수행하기 위해 상기 단계(922)로 이동할 수 있다. 또한, 도 10에 도시한 바와 같이, 상기 센서 데이터는, 상기 센서 데이터의 잡음 레벨을 결정할 수 있는, 상기 실시간 잡음 정량화 모듈(1004) 및, 상기 센서 데이터에서의 잡음을 보상한 후 건강 측정치를 생성할 수 있는, 상기 실시간 건강 모니터 모듈(1006)에 입력될 수 있다.
도 14A 내지 도 14C는 잡음 예측 및 신호 스티칭 또는 교체를 위한 잡음 보정 시스템(1400)을 도시한다. 상기 실시간 잡음 정량화 모듈(1004) 및/또는 상기 실시간 건강 모니터 모듈(1006)을 통해 실행될 수 있는, 상기 잡음 보정 시스템(1400)(예를 들면, 상기 건강 모니터링 시스템(200)의)은 초기에 원시 신호들(1410)의 입력을 수신할 수 있다. 상기에서 논의한 바와 같이, 상기 원시 신호들(1410)은 상기 센서(또는 센서 인터페이스)(1002)로부터 수신될 수 있다. 상기 원시 신호들(1410)은 기본 필터링 및 특징 추출(feature extraction)(1420)을 통해 처리될 수 있다.
제한으로서가 아니라 예로서, 상기 원시 신호들(1410)은, 잡음 부분(예를 들면, 15 Hz 초과의 주파수를 갖는 상기 원시 신호들의 어떤 블록들)을 제거하고 원치 않는 DC 오프셋(offset) 및 저주파 진동(oscillation)을 제거하기 위해, 기본 필터링을 통해 처리될 수 있다. 또한, 상기 원시 신호들(1410)은, 피크, 트로프, 및 영-교차 시간들이 상기 신호로부터 추출될 수 있도록, 다중대역 필터 뱅크(multi-band filter bank)로 처리될 수 있고, 이 정보는 차후의 이용을 위해(예를 들면, 신호가 잡음이 있는지 여부를 결정하기 위해) 저장될 수 있다.
PPG 신호의 신호 처리 시, 일부 실시예들은 예상되는 위치들에서 신호 피크들을 탐색할 수 있다. 운동(excercise)과 같은 갑작스런 힘씀(exertion)으로 인해 심박수가 높은 상황에 있어서, 예상되는 위치들에서 신호 피크들을 탐색하는 실시예들은, 예상되는 신호 거동이 급격히, 그리고 종종 갑자기 변하기 때문에 - 예를 들면, 심박수가 5 BPM에서 100 BPM으로 증가한 다음 계속하여 200 BPM까지 증가함에 따라 - 잘못된 결과를 제공할 수 있다.
특정 실시예들은 평균 신호 프로파일들(예를 들면, RR-간격들 또는 신호의 변화율의 1차 또는 2차 도함수)을 보유함으로써 PPG 프로파일의 급격한 변화에 적응할 수 있다. 이 정보는 로컬 신호(즉, 예상되는 심장 박동 주변의 신호) 뿐만 아니라 주어진 지역(locality) 주변의 글로벌 신호(즉, 여러 심장 박동들 주변의 신호)의 측면에서 유지된다. 이는 특정 실시예들이 글로벌 추세의 인지 하에 로컬 처리를 수행할 수 있도록 한다. 예를 들면, 글로벌 특징들이 심박수가 일반적으로 가속되고 있음을 나타내는 것처럼 보이는 경우, 로컬 신호 처리 파라미터들은 이에 따라 상응하여 조정될 수 있다(예를 들면, 특정 실시예들이 보다 이른 시점에 가능한 신호 특징(예를 들면, 신호 피크)을 탐색하도록).
시간-지연(time-lagged) 상호정보량 블록(1422)은 상기 필터링된 원시 신호로부터의 PPG 샘플들의 어레이에 대한 시간-지연 상호정보량 출력을 계산할 수 있다. 예를 들면, X(t)는 상기 기본 필터 및 피크 검출(1420)에 의해 출력되는 N(> 0)개의 샘플들의 어레이를 나타낼 수 있다. 예시적 실시예들에 따라, 상기 시간-지연 상호정보량 블록(1422)은 N개의 PPG 샘플들의 어레이를 이용하여, 예를 들면, 상기 사후 잡음 분석 모델(1012)과 관련하여 상기에서 설명한 바와 같이, 지연 τ에 대한 상호정보량 출력 MI(τ)를 계산한다.
이 분포 MI(τ)의 피크들은 상기 PPG 신호에 존재하는 특징들을 제공할 수 있다. 이 특징들 중 하나는 심박수(예를 들면, 의사-주기적인(pseudo-periodic)인 것)일 수 있다. 예를 들면, M의 피크를 초래하는 지연 τ는 HR 추정치에 상응할 수 있다.
무엇보다, HR 계산에 MI을 이용하는 예시적 실시예의 예시적 이점은, 자기 유사성(self-similarity)이 PPG 모폴로지(morphology)에서의 어떤 현저한 포인트(예를 들면, 영-교차점 또는 피크)에서도 잡음에 의해 급격히 감소되지 않을 수 있으므로, 잡음 면역성(noise immunity)이 촉진될 수 있다는 것이다. 또한, 이상치들(outliers)이 보다 쉽게 제거될 수 있도록 HR이 존재하는 범위를 결정하는 강건한 방법이 제공될 수 있다. 따라서, 잡음으로 인한 것이지만 RSA 기반 변동인 것 같은 모습을 보이는 HR의 교란요인들(confounders)이 보다 쉽게 식별될 수 있다. 이와 같이, 상호정보량 접근법은 다른 파형(waveform) 특징들보다 상이한 유형의 잡음에 대해 더 잡음-탄력적일 수 있다.
도 14를 더 참조하면, 상기 필터링된 원시 신호는 상기 잡음 정량화 시스템(1430)에 전송될 수 있다. 상기 잡음 정량화 시스템(1430)은 신호 지연(1432), 신호 필터(1436), 데이터 게이트(1438), 잡음 검출기(1440), 및 파형 버퍼(1446)를 포함할 수 있다. 특정 실시예들에서, 상기 필터링된 원시 신호는, 지연-필터링된 신호(1434)가 상기 신호 필터(1436) 및 상기 데이터 게이트(1438) 둘 모두에 전송될 수 있는, 상기 신호 지연(1432)에 전송될 수 있다.
특정 실시예들에서, 상기 신호 지연(1432)은, 잡음 존재 여부를 결정하기 위해(예를 들면, 상기 잡음이 거의 실시간으로 검출되고 다루어질 수 있도록) 상기 신호 필터(1436)에 전송된 상기 지연-필터링된 신호(1434)가 상기 잡음 검출기(1440)에 의해 분석될 수 있도록, 상기 지연-필터링된 신호(1434)를 상기 데이터 게이트(1438)에 전달하기 전에 미리 결정된 시간 동안 상기 필터링된 원시 신호를 저장 및 유지할 수 있다. 잡음 존재 여부를 결정함에 있어서, 상기 잡음 검출기(1440)는 상대적인 펄스 폭 및 펄스 진폭(예를 들면, 제1 펄스와 하나 이상의 제2 후속 펄스들 사이의)을 계산하여 생리학적으로 용인될 수 있는 편차들과 비교할 수 있으며, 생리학적으로 용인될 수 있는 편차들보다 큰 메트릭 변화들은 잡음으로 간주될 수 있다.
제한으로서가 아니라 예로서, PPG 파형 신호에 대해, 상기 신호 지연(1432)은, 심장 박동의 약 단일 펄스에 상응하는, 약 100개의 샘플들의 기간 동안 상기 필터링된 원시 신호를 유지(예를 들면, "지연")시킬 수 있다. 이렇게 하여, 상기 필터링된 원시 신호가 잡음을 포함한 것으로 결정되는 경우, 상기 잡음 보정 시스템(1400)은 상기 단일 펄스의 시초(예를 들면, 상기 100개의 샘플들에서 어딘가에 위치함)로 돌아가 상기 잡음이 발생하기 전에 상기 필터링된 원시 신호를 보정할 수 있다.
특정 실시예들에서, 상기 PPG 파형 신호에 대해, 상기 단일 파형의 시초는 피크(예를 들면, 상기 단일 펄스가 펄스-피크 대 그 다음 펄스-피크에 기반하여 결정되는 경우), 트로프(예를 들면, 상기 단일 펄스가 트로프 대 그 다음 트로프에 기반하여 결정되는 경우), 영-교차점(예를 들면, 상기 단일 펄스가 영-교차점 대 그 다음 영-교차점에 기반하여 결정되는 경우), 기타 관련된 파형 특징, 또는 이들의 어떤 조합일 수 있다 특정 파형 특징들 및 특정 파형 특징들의 이점들은 하기에서 보다 상세히 논의된다.
일단 상기 잡음 검출기(1440)가 상기 지연-필터링된 신호(1434)에 잡음이 존재하는지 여부를 결정하면, 이 결정은 상기 데이터 게이트(1438) 뿐만 아니라 블렌더(1462)에 전송된다. 잡음이 없다고 결정되는 경우(예를 들면, 단계(1442)), 상기 지연-필터링된 신호(1434)는 저장되고 상기 파형 버퍼(1444)에 입력됨과 동시에, 상기 블렌더(1462)(하기에서 논의됨)에 전송된다. 특정 실시예들에서, 상기 파형 버퍼(1444)(예를 들면, 메모리 버퍼)는 오직 미리 결정된 데이터 양만 저장할 수 있다.
제한으로서가 아니라 예로서, 상기 PPG 파형 신호에 대해, 상기 파형 버퍼(1444)는 오직 세 개의 심장 박동 펄스들(예를 들면, N=3)에 상응하는 데이터만 저장할 수 있다. 상기 파형 버퍼(1444)는, 잡음 있는 신호들(예를 들면, 하나 이상의 이전 펄스 신호들과 비교하여 하나 이상의 특징들에 있어서 큰 편차들을 갖는 펄스 신호들)이 이전 신호들과 비교하여 잡음 있는 것으로 결정될 수 있지만 동시에 신호의 점진적 변화를 감안할 수 있도록, 소수의 펄스들을 저장하도록 구성될 수 있다. 또한, 상기 파형 버퍼(1444)가 버퍼에 아무것도 없이(예를 들면, 저장된 PPG 파형 없이) 시작하는 경우, 초기 결정은, 이전 PPG 펄스의 파형으로 현재 PPG 펄스의 파형을 분석하기 전에 적어도 세 개의 PPG 펄스들이 저장될 수 있도록, 상기 지연-필터링된 신호가 잡음을 포함하지 않는다는 것이 될 것이다.
다음에, 상기 파형 버퍼(1444)에 세 개의 잡음 없는 PPG 파형들이 저장된 후, 잡음 없다고 결정되는 추가적인 각 PPG 파형은 상기 파형 버퍼(1444)에 저장되는 반면에, 예전 PPG 파형(예를 들면, 4개의 펄스 전의 PPG 파형)은 제거될 것이다. 이렇게 하여, 상기 파형 버퍼(1444)는 마지막 세 개의 펄스들에 상응하는 마지막 세 개의 PPG 파형들을 항상 유지할 수 있다.
특정 실시예들에서, 상기 파형 버퍼(1444)에 저장되는 펄스들의 수는 의미 있는 비교가 가능할 정도로 충분히 작을 수 있고, 또한 펄스간(inter-pulse) 편차 및 잡음의 평균을 낼 정도로 충분히 클 수도 있다.
제한으로서가 아니라 예로서, 호흡과 동기적인 심박 변이도이며, ECG 상의 R-R 간격이 흡기(inspiration) 시 단축되고 호기(expiration) 시 연장되는, 호흡 동성 부정맥(respiratory sinus arrhythmia: RSA) 현상으로 인해, 세 개의 심장 박동 펄스들이 상기 파형 버퍼(1444)에 저장된다. PPG 파형에 대한 RSA의 영향으로 인해, 흡기(inhalation) 는 HR을 점차 증가시키는 동시에 PPG 파형 진폭을 감소시키지만, 반면에 호기(exhalation)는 HR을 점차 감소시키는 동시에 PPG 파형 진폭을 증가시킨다. 특정 실시예들에서, PPG 파형에 대한 RSA의 영향은 PPG 파형의 잡음 결정에 있어 반영될 수도 있고 별개일 수도 있다(예를 들면, 알려진 RSA 사이클에 속하도록 N=3이 선택됨).
반면에, 상기 지연-필터링된 신호(1434)에 잡음이 존재한다고 결정되는 경우(예를 들면, 단계(1446)), 도 14에 도시한 바와 같이, 잡음 있는 데이터(1456)는 파형 발생기(waveform builder)(1450)의 지연(1458)에 전송된다. 특정 실시예들에서, 상기 파형 발생기(1450)는 통계 엔진(1452), 지연(1458), 및 블렌더(1462)를 포함할 수 있다.
특정 실시예들에서, 상기 파형 버퍼(1444)를 통해 처리된 상기 지연-필터링된 신호(1434)는, 상기 파형 버퍼(1444)에 저장된 데이터(예를 들면, 마지막 3개의 펄스들)에 기반하여 통계적 파형(1454)을 생성하는, 상기 통계 엔진(1452)에 입력되며, PPG 파형 신호가 잡음 있는 상태에서 깨끗한 상태로 되고 상기 통계적 파형(1454)이 실시간 데이터로 전환됨에 따라 보다 양호한 신호 매칭을 가능하게 하기 위해, 상기 데이터는 또한 신호의 변화 주기와 매칭되도록 조정될 수 있다. 이 통계적 파형(1454)은 다음에 상기 블렌더(1462)로 전송된다.
또한, 상기 잡음 있는 데이터(1456)는, 상기 통계적 파형(1454)이 상기 통계 엔진(1452)(예를 들면, 거의 실시간으로 신호 보정을 가능하도록 함)에 의해 생성될 수 있도록 상기 잡음 있는 데이터(1456)가 미리 결정된 시간량 동안 저장되는, 상기 지연(1458)에 입력된다.
다음에, 상기 잡음 검출기(1440) 및 상기 지연-필터링된 신호(1434)(예를 들면, 상기 데이터 게이트(1438)에 의해 출력된 것)로부터의 결정에 부가하여, 지연-잡음성(delay-noisy) 데이터(1460) 및 상기 통계적 파형(1454)은 상기 블렌더(1462)에 입력된다. 상기 블렌더(1462)는 다음에, 잡음이 상기 지연-필터링된 신호(1434)에서 검출되는 경우, 상기 통계적 파형(1454)(예를 들면, 상기 구축된 파형)을 상기 지연-필터링된 신호(1434)(예를 들면, 상기 원시-신호 파형)와 블렌딩할 수 있다.
제한으로서가 아니라 예로서, 상기 블렌딩은 선택된 특징(예를 들면, 영-교차점, 피크, 또는 트로프)에 가장 가까운 포인트에서 상기 구축된 파형에 주어지는 0의 강도(zero strength)(예를 들면, 0%) 및 상기 원시-신호 파형에 주어지는 100% 강도로 시작하는 단계, 및 신호가 100%의 구축된 파형 및 0%의 원시-신호 파형이 될 때까지 상기 구축된 파형에 더 심하게 계속해서 가중치를 부여하는 단계를 포함할 수 있다. 또한, 상기 신호에서 잡음이 더 이상 검출되지 않게 된 후, 두 가지 신호들을 병합하기 위해, 이 프로세스는 역으로 점진적으로 수행될 수 있다.
특정 실시예들에서, 결과적인 블렌딩된 신호는 다음에, 파형 상의 포인트들이 원활하게 이 결과적인 블렌딩된 신호로 블렌딩되는 것을 확실하게 하기 위해, 추가적인 필터를 통해 전송될 수 있다. 다음에, 상기 블렌더(1462)는 잡음-보상된 데이터(1464)(예를 들면, 잡음-보상된 신호)를 펄스 보정기(pulse corrector)(1470)로 출력할 수 있다.
도 14에 도시한 바와 같이, 상기 펄스 보정기(1470)는 심박수(HR) 계산기(1472), RSA 보간기(interpolator)(1474), RSA 품질 체크(1480), 및 OR 게이트(1486)을 포함할 수 있다. 상기 펄스 보정기(1470)는 잡음 있는 신호 존재 시 HR 제안할 때 RSA 사이클을 고려하기 위한 것이며, 이는 HR 신호의 2차 보간(quadratic interpolation)을 이용하여 수행될 수 있다.
먼저, 상기 잡음-보상된 데이터(1464)는, 상기 잡음-보상된 데이터(1464)에 기반하여 심박수 신호를 결정하도록, 상기 HR 계산기(1472)로 입력된다. 다음에, 상기 HR 계산기(1472)를 통해 결정된 상기 심박수 신호는 상기 RSA 보간기(1474)로 전송된다. 특히, 심박수가 계산되는 각 특징(트로프, 피크 등)에 대해, 상기 심박수(상기 HR 계산기(1472))는, 이상치의 존재를 감소시키기 위해, 먼저 시간(샘플) 중간값 필터(median filter)에 이어서 이동 평균 필터(도 14에 시간-중간값/평균 필터(1466)로서 총괄적으로 도시됨)로 전송될 수 있다.
상기 RSA 보간기(1474)는 2차-피팅된(quadratic-fit) 신호(1476)를 계산하고, 이를 상기 RSA 품질 체크(1480)를 통해 잡음-보상된 HR 신호(1478)와 비교할 수 있다. 상기 2차-피팅된 신호(1476)가 상기 잡음-보상된 HR 신호(1478)로부터 미리 결정된 양(예를 들면, 용인 가능 편차의 임계량)을 초과하여 벗어난 것으로 결정된 경우, 즉, 상기 잡음-보상된 HR 신호(1478)가 품질이 불량하다고 결정된 경우, 2차 평균(quadratic average) 신호(1482)가 상기 2차-피팅된 신호(1476) 및 상기 잡음-보상된 HR 신호(1478) 둘 모두에 기반하여 계산되고, 이 2차 평균 신호(1482)는 상기 OR 게이트(1486)를 통해 보정된 출력(1490)(예를 들면, 거의 실시간으로 보정된 출력 신호)으로서 출력된다.
반면에, 상기 2차-피팅된 신호(1476)가 상기 잡음-보상된 HR 신호로부터 상기 미리 결정된 양을 초과하여 벗어나지 않은 것으로 결정된 경우, 상기 잡음-보상된 HR 신호(1484)는 상기 OR 게이트(1486)를 통해 상기 보정된 출력(1490)으로서 출력된다. 특정 실시예들에서, 상기 용인 가능 편차의 임계값 양은 상황들(circumstances)에 좌우될 수 있다.
제한으로서가 아니라 예로서, 잡음이 검출되지 않는 경우, 데이터의 제1 세트와 데이터의 제2 후속 세트 간의 허용 가능 최대 편차는 15%일 수 있다. 그러나, 잡음이 검출되는 경우, 상기 데이터의 제1 세트와 상기 데이터의 제2 후속 세트 간의 상기 허용 가능 최대 편차는 5%로 감소될 수 있다. 심박수가 계산되는 각 특징(트로프, 피크 등)에 대해, 상기 심박수(상기 보정된 출력(1490))는, 이상치의 존재를 감소시키기 위해서, 먼저 글로벌 특징-중간값 필터에 이어서 이동 평균 필터(도 14에 글로벌 특징 중간값 필터(1492)로서 총괄적으로 도시됨)로 전송될 수 있다. 상기 글로벌 특징 중간값 필터(1492)는 트로프, 피크, 펄스-보정된 위치들 및 상호정보량에서 얻은 심박수의 처리 블록들로부터의 동기화된 최종 보정된 출력들을 포함할 수 있다.
특정 실시예들은, 적절한 경우, 도 14의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 14의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 14의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가 도 14에 도시한 특정 시스템들 및 단계들을 포함하는 잡음 예측 및 신호 스티칭 또는 교체를 위한 예시적 시스템 및 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 14의 상기 방법의 상기 시스템들 및 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는 어떤 적절한 시스템들 및 단계들을 포함하는, 잡음 예측 및 신호 스티칭 또는 교체를 위한 어떤 적절한 시스템 및 방법이든지 고려하고 있다.
나아가, 본 개시가 도 14의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 14의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
특징 검출 및 분석(Feature Detection and Analysis)
상기 논의한 바와 같이, 도 9에 도시한 바와 같이, 상기 단계(910)에서, 상기 건강 모니터링 시스템(200)은 상기 수신된 신호의 피크 검출이 가능한지 여부를 결정할 수 있다. 제한으로서가 아니라 예로서, 상기 건강 모니터링 시스템(200)은, 각 주기(cycle)마다 반복되고 검출 가능한 특징들을 갖는 잘 형성된 모폴로지(예를 들면, 잘 형성된 PPG 신호에서의 피크에 근접한 정현파형 신호)와 같은, 일정 특성을 갖는 센서 신호의 피크들을 결정하려고 시도할 수 있다.
상기 단계(910)에서 피크 검출이 가능한 것으로 결정되는 경우(예를 들면, "예"의 결정), 상기 건강 모니터링 시스템(200)은, 상기 건강 모니터링 시스템(200)이 피크 검출을 수행할 수 있는, 상기 단계(912)로 진행될 수 있다. 다음에, 검출된 피크 정보에 기반하여, 상기 단계(914)에서, 상기 건강 모니터링 시스템(200)은 건강 알고리즘(예를 들면, 스트레스 알고리즘)을 위한 신호 특징들을 결정할 수 있다.
정확한 피크 검출 방법은, 신호가 왜곡될 수 있다 하더라도, 그 신호의 일부 양태들(aspects)은 분석에 부합할 수 있다는 관찰에 기반한다. 본 발명의 특정 실시예들에 따른 예시적 신호를 도시하는, 도 15와 관련하여 하기에서 논의되는 바와 같이, 이러한 양태들은 피크, 트로프, 또는 영-교차점들(예를 들면, 상승 또는 하강 에지 시 신호가 영(zero) 라인과 교차하는 경우)일 수 있다.
제한으로서가 아니라 예로서, 모호한 피크 위치들은 이러한 피크들의 검출 시의 오차 및 이 측정치들(예를 들면, 심박수 및 스트레스 레벨의 부정확한 결정들)을 이용한 계산 상의 오차를 초래할 수 있다. 제한으로서가 아니라 다른 예로서, 최대 기울기의 포인트(예를 들면, 탈경향(detrended) PPG 신호들의 영-교차점들)는 오차에 대해 더 강건할 수 있다.
특정 실시예들에서, 피크들, 트로프들, 또는 영-교차점들 각각은 2차 피팅(예를 들면, 피크들 또는 트로프들 근처에서) 또는 선형 피팅(예를 들면, 영-교차점들 근처에서)에 의해 근사될 수 있다. 일단 근사가 행해지면, 생성된 신호들(예를 들면, 수신된 원시 신호들)과 근사된 그래프(예를 들면, 근사된 포인트들에 기반함)의 편차를 계산함으로써 잡음의 정도가 계산될 수 있다.
도 16은 본 발명의 특정 실시예들에 기반하여 신호 특징들을 검출 및 분석하는 예시적 방법(1600)을 도시한다. 상기 방법은, 상기 건강 모니터링 시스템(200)이 PPG 신호의 미리 결정된 특징들에서 잡음을 분석할 수 있는, 단계(1610)에서 시작될 수 있다. 단계(1620)에서, 상기 건강 모니터링 시스템(200)은 상기 특징들 중 하나 이상이 잡음에 의해 손상되었는지 여부를 결정할 수 있다. 단계(1630)에서, 상기 건강 모니터링 시스템(200)은 잡음 없는 상기 특징들 중 하나 이상에 기반하여 RR 간격들을 계산할 수 있다.
신호 검출 및 분석의 일 예가 PPG 신호들 및 도 15를 이용하여 설명된다. 특정 실시예들에서, PPG 신호의 잡음의 양의 정량화하는 단계는 상기 PPG 신호의 복수의 미리 결정된 특징들 각각과 연관된 잡음의 양을 정량화하는 단계를 포함할 수 있다. 하기 논의되는 바와 같이, 상기 PPG 신호의 상기 복수의 미리 결정된 특징들은 상기 PPG 신호와 연관된 하나 이상의 피크들, 상기 PPG 신호와 연관된 하나 이상의 트로프들, 상기 PPG 신호와 연관된 하나 이상의 영-교차점들, 또는 이들의 어떤 조합을 포함할 수 있다.
특정 실시예들에서, PPG 신호들은, LED들 및 광검출기들을(예를 들면, 상기 건강 모니터링 시스템(200)의 일부로서) 포함하는 센서 플랫폼을 이용하여, 상이한 샘플링율들로 사용자의 손목으로부터 획득될 수 있다. 상기 건강 모니터링 시스템(200)으로부터 수신된 데이터는 다양한 주파수들에서, 예를 들면, 25 Hz 내지 800Hz 범위에서, 디지털화될 수 있다.
도 15는 본 발명의 특정 실시예들에 따른 예시적 신호를 도시한다. 도 15에 도시한 바와 같이, 예시적 PPG 신호(1500)는 피크들(1510), 트로프들(1520), 영-교차점들(1530), 및 RR들(1540)(심장박동-심장박동 간격들)을 포함할 수 있다. 상기 플롯은 사용자의 손목을 통해 상기 건강 모니터링 시스템(200)에 의해 샘플링된 4초의 PPG 신호들을 포함할 수 있다. 제한으로서가 아니라 예로서, 도 15에 도시한 바와 같이, 상기 PPG 신호들의 시계열은 여러 피크들(예를 들면, 4개의 피크들)을 포함할 수 있고, PPG 신호의 형태학적(morphological) 특징들은 각 피크들 사이에서 변화될 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 각 특징에 대해 결정된 잡음 레벨에 기반하여 PPG 신호의 특징들을 선택적으로 이용할 수 있다. 또한, 각 특징 근처의 신호는, 잡음이 존재하는지 여부를 결정하여 해당 특징이 신뢰할 수 있는 특징인지 여부를 결정하기 위해, 분석될 수 있다. 제한으로서가 아니라 예로서, 상기 건강 모니터링 시스템(200)이 상기 PPG 신호의 피크가 잡음이 있다고 결정하는 경우, 상기 건강 모니터링 시스템(200)은 제1 피크부터 제2 후속 피크까지가 아니라 영-교차점부터 후속 영-교차점까지 RR 간격을 계산할 수 있다. 다시 말하면, 상기 건강 모니터링 시스템(200)은 신호에 연관된 모든 특징들을 분석하여 상기 특징들 중 하나 이상의 잡음에 기반하여 신호 분석에 사용할 하나 이상의 특징들을 선택할 수 있으며, 또한 잡음이 있는 것으로 결정된 어떤 특징이든 폐기할 수 있다.
특정 실시예들은, 적절한 경우, 도 16의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 16의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 16의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가, 도 16의 상기 방법의 특정 단계들을 포함하는, 신호 특징들을 검출 및 분석하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 16의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는 어떤 적절한 단계들을 포함하는, 신호 특징들을 검출 및 분석하는 어떤 적절한 방법이든지 고려하고 있다.
나아가, 본 개시가 도 16의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 16의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
지속적인 생물학적 측정 및 경보 피로 방지 특징들(Continuous Biological Measurements and Alarm Fatigue Proof Features)
상기 논의한 바와 같이, 스트레스는 다양한 건강 문제들에 대한 가장 큰 원인 중 하나로 간주된다. 스트레스 모니터링 기술은 스트레스의 실시간 순간 측정치들을 제공하는 데 초점을 맞출 수 있다. 그러나, 스트레스의 단기적 급등이, 매우 급격하고 특이한 경우가 아니라면, 사용자의 건강에 별로 중요한 것은 아니므로, 스트레스 측정치들은 만성적이고 장기적인 스트레스 상황에서만 의미가 있을 수 있다. 사실, 단기적 스트레스 이벤트의 빈번한 경보들은, 사용자가 스트레스 알림들에 대해 둔감해지고 경보들을 모두 무시하기 시작하는, "경보 피로"를 초래할 수 있다.
또한, 만성적인 스트레스에 대한 지속적인 모니터링은 많은 전력 소모를 필요로 하고, 따라서 웨어러블 전자 장치들의 전력 제약에 기반하여 구현하기에 어렵다. 따라서, 하기 논의되는 특정 실시예들은, 전력 효율적 방식으로 수행되는, 심리적 스트레스의 정확하고 의미 있는 측정을 용이하게 하기 위해 상술한 이슈들을 다룬다.
제한으로서가 아니라 예로서, 특정 실시예들은 스트레스 항상성에 있어서 비교적 더 장기간의 장애(disturbances)의 징후들을 검출한다. 또한, 특정 실시예들은, 측정의 사용자 특정적 상황 및/또는 주어진 사용자의 사용자 특정적 기준을 고려하면서, 생체감지 및 전력 효율(예를 들면, 적어도 4배만큼)에 모두 매우 적합한 건강 및/또는 웰니스의 모니터링 및 관리의 상황에서 그러한 측정치들에 초점을 맞춘다.
도 17은 사용자의 생물학적 측정치들에 기반하여 사용자의 스트레스를 지속적이고 전력-효율적으로 모니터링하는 예시적인 일반적 방법(1700)을 도시한다. 상기 방법은, 하기에서 특정 실시예들과 관련하여 보다 상세히 설명되는 바와 같이, 상기 건강 모니터링 시스템(200)이 센서 데이터를 분석할 수 있는, 단계(1710)에서 시작된다.
단계(1720)에서, 상기 건강 모니터링 시스템(200)은, 하기에서 특정 실시예들과 관련하여 보다 상세히 설명되는 바와 같이, 심박수 및 활동을 분석할 수 있다. 단계(1730)에서, 상기 건강 모니터링 시스템(200)은, 하기에서 특정 실시예들과 관련하여 보다 상세히 설명되는 바와 같이, 스트레스 및 LHPA 축 활성화(LHPA axis activation)를 분석할 수 있다.
단계(1740)에서, 상기 건강 모니터링 시스템(200)은, 하기에서 특정 실시예들과 관련하여 보다 상세히 설명되는 바와 같이, 사용자 선호 및 상호작용을 분석할 수 있다. 다음에, 단계(1750)에서, 상기 건강 모니터링 시스템(200)은, 하기에서 특정 실시예들과 관련하여 보다 상세히 설명되는 바와 같이, 경보 피로를 감소시키고 전력 효율적이고 지속적인 방식으로 샘플링 및/또는 모니터링을 할 수 있다.
특정 실시예들은, 적절한 경우, 도 16의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 16의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 16의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가, 도 16의 상기 방법의 상기 특정 단계들을 포함하는, 사용자의 스트레스 레벨을 모니터링하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 16의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 어떤 관련 있는 생리학적 표지자들(예를 들면, PPG 측정치, 심전도(EKG) 측정치, 혈압 측정치, 혈당 측정치, 혈중 산소 레벨, 온도 측정치, 수면 시간 측정치, 수면의 질 측정치, 호흡 파라미터 측정치(예를 들면, 속도(rate), 리듬(rhythm) 또는 용량(volume) 관련된 것), 심장 출력 측정치, 활동 측정치, 자세 측정치, 수분(hydration) 측정치, 혈중 헤모글로빈 레벨 측정치, 혈중 지질 레벨 측정치, 체중 측정치, 신장 측정치, 지방 측정치, 보행(gait) 측정치, 자세 측정치, 피부 전도도 측정치, 기타 적절한 건강/생리학적 측정치들, 또는 이들의 어떤 조합)을 모니터링하는 어떤 적절한 방법이든지 고려하고 있다.
나아가, 본 개시가 도 16의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 16의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
상기 논의한 바와 같이, 사용자의 스트레스 레벨을 지속적이고 전력 효율적으로 모니터링하는 상기 방법(1700)은 상기 건강 모니터링 시스템(200)을 통해 수행될 수 있다. 상기 장치는 웨어러블 전자 장치(예를 들면, 상기 건강 모니터링 장치(210)), 모바일 장치(예를 들면, 상기 클라이언트 시스템(120)), 전용 건강 모니터링 장치, 다른 어떤 적절한 모니터링 장치, 또는 이들의 어떤 조합을 포함할 수 있다.
상기에서 상세히 논의한 바와 같이, 상기 장치는 프로세서, 프로그램 명령어들 및 데이터를 저장하는 메모리, 하나 이상의 센서들, 및 디스플레이를 포함할 수 있으며, 여기서 상기 프로세서는 상기 센서들을 이용하여 사용자의 생물학적 측정치들을 취하도록 구성될 수 있고, 상기 센서들은 PPG 센서들, 가속도계, 기타 적절한 센서, 또는 이들의 어떤 조합(예를 들면, 사용자의 심박수를 결정하기 위한 것, 사용자의 활동 레벨을 결정하기 위한 것, 등)을 포함할 수 있다.
특정 실시예들에서, 상기 프로세서는 상기 생물학적 측정치들을 처리하고 사용자의 스트레스 레벨을 결정할 수 있다. 하기에 설명하는 바와 같이, 상기 생물학적 측정치들의 처리에 기반하여, 상기 프로세서는 일정 스트레스 이벤트들을 사용자에게 경고하기 위해 사용자에게 알림을 제공할 수 있다.
경보 피로 감소(Alarm Fatigue Reduction)
상기 논의한 바와 같이, 경보 피로는 사용자들에게 중요한 장애물이다. 예를 들면, 경보 피로는, 많은 스트레스 에피소드들이 해로운 것은 아니기 때문에(예를 들면, 단기간의 스트레스 에피소드들, 단기적 항상성 장애 후 사람에 의해 조절되는 스트레스 에피소드들, 등), 사용자가 하루 종일 발생하는 모든 스트레스 이벤트에 대해 경고를 받는 경우 발생할 수 있다. 경보 피로는 건강 상태의 보고가 너무 빈번하게 발생하여 사용자가 더 이상의 경고들을 무시하기 시작하는 경우 사용자들이 생체감지를 끌 가능성이 있는 상황을 초래할 수 있으며, 이는 지속적인 생체감지 및 건강 모니터링에 심각한 문제가 될 수 있다.
하기 설명하는 특정 실시예들은, 정말로 의미 있고 실행할 가능성이 있는(예를 들면, 사용자는 스트레스 레벨을 감소 또는 완화하기 위해 스트레스 해소 활동을 할 수 있음) 생리학적 표지자들에 초점을 맞춤으로써, 사용자에게 경보를 울리는 이벤트들의 수를 감소시키도록 구성된다. 이러한 생리학적 표지자들은, 만성적 또는 장기적인 스트레스와 같이, 쇠약하게 만들고 생리학적으로 해로운 스트레스 레벨들의 발생을 결정하는 데 이용될 수 있다.
배경 설명으로서, 변연계-시상하부-뇌하수체-부신(limbic-hypothalamic- pituitary-adrenal: LHPA) 축은 중심적인 스트레스 반응 시스템(stress response system)이다. 스트레스 이벤트가 발생하는 경우, 상기 LHPA 축은 스트레스 반응을 담당하고, 이 반응은, 부신피질자극호르몬 분비 호르몬(corticotropin-releasing hormone: CRF)이 뇌하수체 전엽의 CRF 수용체에 결합하는 경우 부신피질자극호르몬(adrenocorticotropic hormone: ACTH)이 분비되도록, CRF의 시상하부 분비(hypothalamic release)로 특징 지워진다.
다음에, ACTH는 부신 피질의 수용체들에 결박되고 코티솔(cortisol)의 부신 분비를 자극한다. 코티솔은 대부분의 사람들에 있어서 스트레스 이벤트의 발생(onset) 이후 25분 내지 30분 후 분비될 수 있다.
다음에, 코티솔은 CRF의 시상하부 분비 및 ACTH의 뇌하수체 분비에 음성 피드백을 가하여, 시스템이 스트레스 항상성을 회복하는 것을 돕는다. 그러나, 코티솔의 장기적이고 반복적인 분비는, 심장 질환, 소화 장애, 수면 장애, 체중 문제, 자가면역 질환, 및 심리적인 문제(예를 들면, 우울증)와 같은, 많은 건강 문제들을 유발하거나 또는 악화시킬 수 있다.
따라서, 특정 실시예들은 사용자에게 스트레스 이벤트의 발생을 경고하고 어떻게 스트레스를 줄이고 항상성을 회복하는지에 대한 권장사항들을 제공하는 것에 지향점을 둔다. 또한, 특정 실시예들은, 사용자가 코티솔의 분비를 완화 및/또는 회피할 수 있는 스트레스-감소 활동들에 참여할 수 있도록, 스트레스 발생 후 코티솔의 분비 전에 스트레스를 경보를 제공하는 것에 또한 지향점을 둔다.
도 18은 상기 건강 모니터링 시스템(200)을 이용하여 경보 피로를 감소시키는 예시적 방법(1800)을 도시한다. 상기 방법은, 상기 건강 모니터링 시스템(200)이 스트레스 이벤트가 있는지 여부를 결정할 수 있는, 단계(1810)에서 시작된다.
도 18에 도시한 바와 같이, 상기 건강 모니터링 시스템(200)이 스트레스 이벤트가 발생하지 않았다고(예를 들면, 단계(1810)에서 "아니오") 결정하는 경우, 아무런 알림도 사용자에게 전송되지 않고 상기 방법은 종료된다. 반면에, 상기 건강 모니터링 시스템(200)이 스트레스 이벤트가 발생했다고(예를 들면, 단계(1810)에서 "예") 결정하는 경우, 다음에, 단계(1820)에서, 상기 건강 모니터링 시스템(200)은 상기 스트레스 이벤트가 임계 시간량보다 오래 지속되는지 여부를 결정할 수 있다.
도 18에 도시한 바와 같이, 상기 건강 모니터링 시스템(200)이 상기 스트레스 이벤트가 상기 임계 시간량보다 오래 지속되지 않는다고(예를 들면, 단계(1820)에서 "아니오") 결정하는 경우, 아무런 알림도 사용자에게 전송되지 않고 상기 방법은 종료된다. 반면에, 상기 건강 모니터링 시스템(200)이 상기 스트레스 이벤트가 상기 임계 시간량보다 오래 지속된다고(예를 들면, 단계(1820)에서 "예") 결정하는 경우, 상기 건강 모니터링 시스템(200)은 단계(1830)로 진행된다. 상기 단계(1830)에서, 상기 건강 모니터링 시스템(200)은 상기 사용자에게 상기 스트레스 이벤트를 알려줄 수 있다. 다음에, 상기 방법은 종료될 수 있다.
특정 실시예들에서, 스트레스 이벤트(예를 들면, 심한 스트레스)는 스트레스 항상성 레벨이 임계 시간보다 더 오랫동안 현저히 교란된 상태로(예를 들면, 특정 상황에 대해 기준 스트레스 레벨로부터 상승된 상태로) 있는 이벤트로서 정의될 수 있다.
제한으로서가 아니라 예로서, 상기 임계 시간은 인간이 LHPA 축 활성화에 응답하여 코티솔을 분비할 수 있는 시간(예를 들면, 15분 내지 20분보다 길고 25분 내지 30분보다는 짧은 시간)에 상응할 수 있다. 상기에서 논의한 바와 같이, 코티솔은 대부분의 사람들에 있어서 25분 내지 30분 후에 분비될 수 있으므로, 이 임계 시간은 코티솔의 분비를 야기할 수 있는 스트레스 이벤트를 사용자에게 경고함으로써 LHPA 축의 활성화를 감소시킬 수 있고 및/또는 사용자가 코티솔의 분비 이전에 및 코티솔 분비를 피하여 스트레스 레벨을 감소시킬 기회를 가지도록 할 수 있다.
제한으로서가 아니라 다른 예로서, 현저한 항상성 장애는 미리 결정된 측정 시간 동안의 스트레스 레벨의 임계 변동(예를 들면, 상기 측정 시간의 95%와 같이 거의 상기 측정 시간 내내 유지되는 스트레스 레벨의 30% 초과의 변동)에 상응할 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 스트레스 레벨이 측정되는 시간 동안의 사용자의 물리적 활동의 성질(nature), 레벨, 또는 강도(intensity)(예를 들면, 활동 레벨의 상황)를 결정할 수 있다.
제한으로서가 아니라 예로서, 상기 건강 모니터링 시스템(200), 상기 건강 모니터링 장치(210), 상기 클라이언트 장치(120), 또는 이들의 어떤 조합과 연관된 센서들(예를 들면, 가속도계, 자이로스코프 등)은 상기 물리적 활동의 상기 성질, 레벨, 또는 강도를 감지하는 데 사용될 수 있다. 이는 정서 상태로 인해 증가된 심박수(또는 다른 생리학적 표지자)와 물리적 활동으로 인해 증가된 심박수를 구별하는 데 이용될 수 있다.
특정 실시예들에서, 사용자에 대한 알림은, 상기 건강 모니터링 시스템(200), 상기 건강 모니터링 장치(210), 상기 클라이언트 장치(120), 상기 건강 모니터링 시스템(200)과 페어링된 다른 장치, 또는 이들의 어떤 조합에 의한, 사용자-인터페이스 알림들(예를 들면, 메시지 알림들, 그래픽 알림들 등), 햅틱(haptic) 반응들(예를 들면, 진동 등), 또는 청각적 신호들(예를 들면, 어떤 유형의 잡음 신호) 중 하나 이상을 포함할 수 있다. 또한, 사용자 선호에 기반하여, 상기 알림은 또한, 가족 구성원들, 친구들, 가까운 연락중계자들(contacts), 건강관리(care) 제공자들, 기타 적절한 자, 또는 이들의 어떤 조합을 포함하는, 제3자들 몇 명에게든 전달될 수 있다.
또한, 특정 실시예들에서, 알림과 함께, 상기 건강 모니터링 시스템(200)은 사용자에게, 사용자와 연관된 활동 레벨의 상황을 상세히 알려주는 저장된 센서 데이터로부터 발생하는 논리적 결과인 활동들을 포함할 수 있는, 스트레스 레벨을 감소시키는 접근법에 대한 제안/권고를 제공할 수 있다.
제한으로서가 아니라 예로서, 이는, 일어나서 스트레칭하기, 자세 바꾸기, 가벼운 산책하기, 수분 섭취(hydrating oneself), 짧은 지압 같은 마사지 등과 같은, 일정 물리적 활동들을 포함할 수 있다. 제한으로서가 아니라 다른 예로서, 상기 센서들이 사용자가 오랫동안 앉아 있는 상태였다는 것을 검출하는 경우, 상기 건강 모니터링 시스템(200)은 스트레스를 완화하기 위해 일어나서 스트레칭하거나 또는 가벼운 산책을 할 것을 사용자에게 권고할 수 있다.
제한으로서가 아니라 다른 예로서, 상기 센서들이 사용자가 움직이고 있지만 높은 스트레스 상태에 있다는 것을 검출하는 경우, 상기 건강 모니터링 시스템(200)은 사용자에게 수분 섭취할 것을 권고할 수 있다.
제한으로서가 아니라 다른 예로서, 상기 센서들이 사용자가 특정 미팅 장소(예를 들면, 중역 회의실(board room))에 있다는 것 또는 평소와 달리 계속해서 앉아 있거나 서 있는 상태로 있다는 것을 검출하는 경우, 또는 상기 건강 모니터링 시스템(200)이 스트레스 레벨이 매우 짧은 시간에 매우 높이 상승했음을 검출하는 경우, 상기 건강 모니터링 시스템(200)은 신체의 다양한 스트레스 지점들에 대한 개별적인 지압 자극을 권고할 수 있다.
본 개시가 도 18의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 18의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가, 도 18의 상기 방법의 상기 특정 단계들을 포함하는, 상기 건강 모니터링 시스템(200) 이용하여 경보 피로를 감소시키는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 18의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 경보 피로를 감소시키기 위한 어떤 적절한 방법 및 어떤 관련된 생리학적 표지자들(예를 들면, PPG 측정치, EKG 측정치, 혈압 측정치, 혈당 측정치, 혈중 산소 레벨, 온도 측정치, 수면 시간 측정치, 수면의 질 측정치, 호흡 파라미터 측정치(예를 들면, 속도, 리듬 또는 용량 관련된 것), 심장 출력 측정치, 활동 측정치, 자세 측정치, 수분 측정치, 혈중 헤모글로빈 레벨 측정치, 혈중 지질 레벨 측정치, 체중 측정치, 신장 측정치, 지방 측정치, 보행 측정치, 자세 측정치, 피부 전도도 측정치, 기타 적절한 건강/생리학적 측정치들, 또는 이들의 어떤 조합)이든지 고려하고 있다.
나아가, 본 개시가 도 18의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 18의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
전력 효율적 샘플링(Power Efficient Sampling)
상기 논의한 바와 같이, 스트레스 레벨의 전력 효율적 샘플링 및/또는 모니터링은 만성 및 급성 스트레스를 모니터링하는 데 유용한다. 특정 실시예들에서, 전력 효율성을 위해, 상기 건강 모니터링 시스템(200)은, 코티솔의 분비(예를 들면, 상기 논의한 바와 같은, LHPA 축 활성화)가 해로운 스트레스의 진정한 단기적 징후라는 개념에 기초하여, 15분보다 긴 단기 지속 스트레스를 검출함으로써 만성적인 것을 모니터링할 수 있다.
제한으로서가 아니라 예로서, 상기 방법은 심박수를 계산하기 위해 분당 8초 심박수 샘플링을 포함할 수 있다. 이 심박수 윈도우는 사용자가 앉아 있는 상태거나 가벼운 활동에 참여하고 있는 경우에만 이용될 수 있다(예를 들면, 스트레스 검출과 높은 활동 레벨을 혼동하지 않기 위한 것임). 심박수 상승의 결정이 있는 경우, 상기 건강 모니터링 시스템(200)은 스트레스 레벨을 검출하기 위해 대안적인 윈도우들을 샘플링할 수 있다.
실험 결과들에 기반하면, 이 방법은 센서에 의한 전력 소비가 지속적인 모니터링보다 약 8배 내지 약 10배 더 낮은 결과를 가져올 수 있다. 또한, 전력 효율성을 위해, 상기 건강 모니터링 시스템(200)은 단 몇 분 동안 지속되는 급성 스트레스 에피소드들을 검출함으로써(예를 들면, LHPA 축 활성화에 초점을 맞추지 않고) 급성 스트레스를 모니터링할 수 있다.
제한으로서가 아니라 예로서, 상기 방법은, 사용자가 앉아 있는 상태거나 가벼운 활동에 참여하고 있는 경우에만, 분당 20초의 심박수 샘플링을 포함할 수 있다. 심박수 상승의 결정이 있는 경우, 상기 건강 모니터링 시스템(200)은 매 60초마다 40초 내지 60초의 스트레스 샘플링을 수행할 수 있다.
도 19는 상기 건강 모니터링 시스템(200)을 이용하여 전력 효율적으로 모니터링하는 예시적 방법(1900)을 도시한다. 상기 방법은, 상기 건강 모니터링 시스템(200)이 제1 샘플링 모드에서 시작하는, 단계(1910)에서 시작될 수 있다.
특정 실시예들에서, 이 단계는, 상기 제1 샘플링 모드에서 수신되는 하나 이상의 생리학적 표지자들에 대한 생물학적 측정치들에 기반하여, 사용자의 스트레스 레벨을 결정하는 단계를 포함할 수 있다. 단계(1920)에서, 상기 건강 모니터링 시스템(200)은 스트레스 이벤트가 있는지 여부를 결정할 수 있다. 도 19에 도시한 바와 같이, 상기 건강 모니터링 시스템(200)이 스트레스 이벤트가 발생하지 않았다고(예를 들면, 단계(1920)에서 "아니오") 결정하는 경우, 아무런 알림도 사용자에게 전송되지 않고 상기 방법은 종료된다. 반면에, 상기 건강 모니터링 시스템(200)이 스트레스 이벤트가 발생했다고(예를 들면, 단계(1920)에서 "예") 결정하는 경우, 다음에, 단계(1930)에서, 상기 건강 모니터링 시스템(200)은 제2 샘플링 모드로 동적으로 전환할 수 있다.
특정 실시예들에서, 이 단계는, 생리학적 표지자들 중 하나 이상이 임계 레벨을 초과한다고 결정되는 경우, 상기 제1 샘플링 모드와는 상이한 상기 제2 샘플링 모드로 동적으로 전환하는 단계를 포함할 수 있다. 다음에, 단계(1940)에서, 상기 건강 모니터링 시스템(200)은 사용자에게 알려줄 수 있다. 사용자에게 알려준 후, 상기 방법은 종료될 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 상기 건강 모니터링 시스템(200)의 센서로부터 생리학적 표지자들에 대한 생물학적 측정치들을 수신할 수 있다.
제한으로서가 아니라 예로서, 센서들은 상기 건강 모니터링 시스템(200), 상기 건강 모니터링 장치(210), 상기 클라이언트 장치(120), 또는 이들의 어떤 조합과 연관될 수 있고, 가속도계, 자이로스코프, 활동 인식 센서, UV 센서, 습도 센서, 수면 센서, 수분 센서, 및 ECG, PPG, EEG, 근전도(electromyography: EMG), 안전도(electrooculograpy: EOG), 호흡 센서와 같은 생체센서들(bio-sensors), 기타 적절한 센서들, 또는 이들의 어떤 조합과 같은, 센서들을 포함할 수 있다. 상기 센서들에 의해 캡처된 측정치들은 물리적 활동의 성질, 레벨, 또는 강도를 포함할 수 있다. 또한, 상기 센서들에 의해 캡처된 생리학적 표지자들은 PPG 측정치, EKG 측정치, 혈압 측정치, 혈당 측정치, 혈중 산소 레벨, 온도 측정치, 수면 시간 측정치, 수면의 질 측정치, 호흡 파라미터 측정치(예를 들면, 속도, 리듬 또는 용량 관련된 것), 심장 출력 측정치, 활동 측정치, 자세 측정치, 수분 측정치, 혈중 헤모글로빈 레벨 측정치, 혈중 지질 레벨 측정치, 체중 측정치, 신장 측정치, 지방 측정치, 보행 측정치, 자세 측정치, 피부 전도도 측정치, 기타 적절한 건강/생리학적 측정치들, 또는 이들의 어떤 조합을 포함할 수 있다.
특정 실시예들에서, 상기 알림은 상기 논의한 바와 같이 연관될 수 있고, 상기 건강 모니터링 시스템(200)은, 상기 건강 모니터링 장치(210), 상기 클라이언트 장치(120), 기타 적절한 장치, 또는 이들의 어떤 조합을 통해, 상기 알림을 사용자에게 전송할 수 있다. 상기 논의한 바와 같이, 상기 알림은, 상기 건강 모니터링 시스템(200), 상기 건강 모니터링 장치(210), 상기 클라이언트 장치(120), 상기 건강 모니터링 시스템(200)과 페어링된 다른 장치, 또는 이들의 어떤 조합에 의한, 사용자-인터페이스 알림들(예를 들면, 메시지 알림들, 그래픽 알림들 등), 햅틱 반응들(예를 들면, 진동 등), 또는 청각적 신호들(예를 들면, 어떤 유형의 잡음 신호) 중 하나 이상을 포함할 수 있다. 또한, 사용자 선호에 기반하여, 상기 알림은 또한, 가족 구성원들, 친구들, 가까운 연락중계자들(contacts), 건강관리(care) 제공자들, 기타 적절한 자, 또는 이들의 어떤 조합을 포함하는, 제3자들 몇 명에게든 전달될 수 있다.
특정 실시예들에서, 상기 제1 샘플링 모드는 저전력 모드일 수 있고 상기 제2 샘플링 모드는 고전력 모드일 수 있으며, 상기 저전력 모드는 제1 검출 시간과 연관되고 상기 고전력 모드는 제2 검출 시간과 연관될 수 있다. 상기 제2 검출 시간은, 상기 제1 검출 시간보다, 미리 결정된 시간 중에서 더 긴 검출 시간에 상응할 수 있다(예를 들면, 상기 제1 검출 시간은 매분 20초 심박수 샘플링 윈도우에 상응할 수 있는 반면, 상기 제2 검출 시간은 매분 40초 심박수 샘플링 윈도우에 상응할 수 있다). 또한, 상기 제2 검출 시간은, 상기 제1 검출 시간보다, 미리 결정된 시간을 갖는 검출 시간의 더 높은 빈도에 상응할 수 있다(예를 들면, 상기 제1 검출 시간은 매분 중 10초당 5초의 검출 윈도우에 상응하는 반면, 상기 제2 검출 시간은 매분 중 10초당 8초의 검출 윈도우에 상응할 수 있다).
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은, 생물학적 측정치들에 기반하여, 상기 제1 샘플링 모드 동안 사용자와 연관된 상황(context)을 결정할 수 있으며, 상기 상황은 상기 제1 샘플링 모드 동안의 물리적 활동의 성질, 레벨, 또는 강도 중 하나 이상에 의해 정의된다.
제한으로서가 아니라 예로서, 상기 논의한 바와 같이, 상기 건강 모니터링 시스템(200), 상기 건강 모니터링 장치(210), 상기 클라이언트 장치(120), 또는 이들의 어떤 조합과 연관된 상기 센서들(예를 들면, 가속도계, 자이로스코프 등)은 상기 물리적 활동의 상기 성질, 레벨, 또는 강도를 감지하는 데 이용될 수 있다. 이는 정서 상태로 인해 증가된 심박수(또는 다른 생리학적 표지자)와 물리적 활동으로 인해 증가된 심박수를 구별하는 데 이용될 수 있다.
특정 실시예들에서, 하기에서 보다 상세히 논의하는 바와 같이, 상기 건강 모니터링 시스템(200)은, 상기 하나 이상의 생리학적 표지자들이 상기 임계 레벨을 초과하지 않는다고 결정되는 경우, 상기 제1 샘플링 모드로 동적으로 다시 전환할 수 있다.
특정 실시예들에서, 에피소드적 샘플링(episodic-sampling)은 상기 건강 모니터링 시스템(200)과 연관된 상기 센서들로부터 심장박동, 물리적 활동, 및 기타 생리학적 정보를 수신하는 단계를 포함할 수 있다.
제한으로서가 아니라 예로서, 심박수 정보는 매분 약 8초의 단일하고 연속적인 시계열 동안 센서로부터 발생되고, 물리적 활동 정보는 지속적으로 수신된다. 다음에, 상기 건강 모니터링 시스템(200)은 (예를 들면, 가속도계를 이용하여) 평균 심박수 및 사용자 활동의 성질, 레벨 및 강도를 계산할 수 있다. 상기 심박수가 기준 심박수(예를 들면, 사용자 특정적 기준 심박수)를 일정 임계치(예를 들면, 10%)만큼 초과하고 그러한 심박수 상승을 설명할 수 있는 물리적 활동에 기인한 것이 아닌 경우, 상기 건강 모니터링 시스템(200)은 샘플링 윈도우를 매분 30초의 단일하고 연속적인 시계열로 조정될 수 있다.
다음에, 상기 건강 모니터링 시스템(200)은, 이전에 샘플링된 윈도우에서 계산된 스트레스가 (예를 들면, 사용자 정의 임계치를 초과하여 높은 ) 한, 대안적인 30초 시간 윈도우의 향후 샘플링을 개시할 수 있다. 반면에, 상기 건강 모니터링 시스템(200)이 상기 이전에 샘플링된 윈도우가 더 이상 높지(예를 들면, 사용자 정의 임계치를 초과하여) 않다고 결정하는 경우, 상기 건강 모니터링 시스템(200)은 매분 8초 동안 심박수를 계산하는 것으로 돌아갈 수 있다. 또한, 대안으로서, 오직 모든 대안적 윈도우에 대해서만 스트레스를 계산하는 대신에, 상기 건강 모니터링 시스템(200)은 상기 대안적인 윈도우들을 추가하여 주어진 시간(예를 들면, 1 시간, 하루 종일 등)에 걸친 평균 스트레스 값을 계산할 수 있다.
특정 실시예들에서, 상기 저전력 모드는 제1 생리학적 표지자의 측정치에 상응할 수 있고, 상기 고전력 모드는 상기 제1 생리학적 표지자와 상이한 제2 생리학적 표지자의 측정치에 상응할 수 있다. 제한으로서가 아니라 예로서, 하기에서 보다 상세히 논의하는 바와 같이, 상기 저전력 모드는 사용자의 평균 심박수 측정치(예를 들면, 덜 집중적인(less intensive) 알고리즘들을 포함하고 계산적으로 덜 비쌈)에 상응할 수 있고, 상기 고전력 모드는 사용자의 HRV 측정치(더 집중적인 알고리즘들을 포함하고 계산적으로 더 비쌈)에 상응할 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은, 사용자의 스트레스 레벨을 결정하기 이전에, 상기 사용자로부터 하나 이상의 스트레스 모니터링 모드들의 셀렉션(selection)을 수신할 수 있으며, 상기 스트레스 모니터링 모드들은 만성 스트레스 모니터링 모드 및 급성 스트레스 모니터링 모드를 포함한다. 다시 말하면, 상기 사용자는 상기 건강 모니터링 시스템(200)이 상기 만성 스트레스 모니터링 모드 또는 급성 스트레스 모니터링 모드에서, 또는 둘 다에서 작동되어야 할지를 선택할 수 있다.
제한으로서가 아니라 예로서, 사용자가 상기 두 가지 모드들을 모두 선택하는 경우, 이는, 즉각적인 주의가 필요한 급성 스트레스 이벤트는 사용자의 스트레스 레벨이 심하게 높은 경우(예를 들면, 스트레스 레벨이 극히 낮은 HRV에, 예를 들면, 정량화된 스트레스 값들이 변할 수 있는 추정 범위의 10% 미만인 값에 근접하는 경우)일 것이기 때문에, 급성 스트레스 모니터링 모드에 대해 높은 임계치가 트리거링되도록 설정함으로써 달성될 수 있다.
반면에, 만성 스트레스 에피소드는 장시간 동안 지속되는 스트레스 에피소드로서 정의되며, 그러한 에피소드를 캡처하기 위해, 상기 건강 모니터링 시스템(200)은, 장시간의 높은 레벨의 스트레스가 결정되도록, 사용자의 스트레스를 지속적으로 감지할 수 있다. 그러나, 사용자의 스트레스 레벨을 지속적으로 감지하는 것은 스트레스 모니터링을 위해 배치된 센서들에 의해 소비되는 전력과 관련하여 매우 에너지 소비적인 것일 수 있다.
특정 실시예들에서, 보다 양호한 전력 효율성을 위해, 상기 건강 모니터링 시스템(200)은 상기 건강 모니터링 시스템(200)이 사용자의 스트레스를 모니터링하는 데 관여하는 전체 시간 동안 상기 센서들을 온(ON) 상태로 유지하지 않을 수 있다.
대신에, 특정 실시예들에서, 만성적/장기적 또는 급성 스트레스를 결정하는 방법은 상기 건강 모니터링 시스템(200)이 먼저 만성 스트레스, 또는 급성 스트레스, 또는 둘 모두에 대해 모니터링하는 것에 대한 사용자 선호를 수신하는 단계를 포함할 수 있다. 다음에, 상기 건강 모니터링 시스템(200)은 상기 설명한 에피소드적 샘플링 방법에 기반하여 생리학적 표지자들(예를 들면, 사용자의 심박수)을 검출할 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은, 계산된 스트레스 레벨이 임계치(예를 들면, 상기 계산된 스트레스 레벨의 40% 이상의 지속된 상승)를 초과하며 급성 스트레스 레벨의 식별과 연관된 다른 기준(criterion)(예를 들면, 5분 이상의 총 스트레스 레벨 상승 시간)에 부합하는 경우, 검출된 스트레스 레벨이 급격히 높다고 결정할 수 있다. 다음에, 상기 건강 모니터링 시스템(200)은 상기 급성 스트레스 레벨에 기반하여 사용자에게 알림 및 피드백/권고를 제공할 수 있다(예를 들면, 그러한 선호가 상기 사용자에 의해 선택된 경우).
반면에, 특정 실시예들에서, 상기 건강 모니터링 시스템(200)은, 계산된 스트레스가 임계치(예를 들면, 상기 계산된 스트레스 레벨의 40% 이상의 지속된 상승)를 초과하며 만성 스트레스 레벨의 식별과 연관된 다른 기준(예를 들면, 25분 이상의 총 스트레스 레벨 상승 시간)에 부합하는 경우, 검출된 스트레스 레벨이 만성적으로 높다고/지속된다고 결정할 수 있다. 다음에, 상기 건강 모니터링 시스템(200)은 상기 만성 스트레스 레벨에 기반하여 사용자에게 알림 및 피드백/권고를 제공할 수 있다(예를 들면, 그러한 선호가 상기 사용자에 의해 선택된 경우).
또한, 상기 건강 모니터링 시스템(200)이 스트레스 항상성을 압도할 수 있는 임박한 LHPA 축 활성화에 대한 경고를 제공하도록 설정된 경우, 상기 건강 모니터링 시스템(200)은 해당 시간 이후(예를 들면, 초기의 높은 스트레스 및/또는 스트레스 이벤트가 검출되고 약 15분 후) 그러한 알림을 제공할 수 있다.
특정 실시예들에서, 가속도계 활동이 지속되는 상태에서, 상기 건강 모니터링 시스템(200)은 동시적인(concurrent) 심박수 감지를 끄도록 옵션(예를 들면, 디폴트 옵션)을 제공할 수 있다. 이는 전력 효율성에 있어서 추가적인 이득을 제공할 수 있다.
특정 실시예들에서, 상기 방법은 계층적 의사결정 기능(hierarchical decision-making capabilities)을 포함할 수 있다. 제한으로서가 아니라 예로서, 상기 건강 모니터링 시스템(200)은, PPG 신호들에 기반한 더 값비싼 모니터링을 시작하기 전에, 저에너지 센서를 사용하여(예를 들면, 피부 전기 반응(galvanic skin response: GSR) 유형의 센서를 사용하여) 스트레스 레벨의 상승을 테스트할 수 있다. 유사하게, 상기 건강 모니터링 시스템(200)은 더 값비싼 감지 양식(modality)을 호출하기 전에 하나 이상의 정교한 파일러(filer)를 이용할 수 있다.
제한으로서가 아니라 예로서, 30초 간격으로 30초 동안 사용자의 스트레스 레벨을 감지할 수 있는 상기 건강 모니터링 시스템(200)은 길이가 더 짧은 중간 간격(interim gap)(예를 들면, 15초)으로 또는 길이가 더 긴 중간 간격(예를 들면, 45초)으로 45초 동안 사용자의 스트레스 레벨을 감지하는 것으로 교체될 수 있다. 일반적으로, 샘플링 결정(sampling decision)은 감지된 스트레스 레벨 및, 상기 건강 모니터링 시스템(200)이 소비 에너지를 최적화하고 사용자의 모니터링 요건을 만족시킬 수 있는, 사용자 선호에 기반하여 결정될 수 있다.
본 개시가 도 19의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 19의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다. 또한, 본 개시가, 도 19의 상기 방법의 상기 특정 단계들을 포함하는, 상기 건강 모니터링 시스템(200)을 이용하여 전력 효율적으로 모니터링하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 19의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 전력 효율적으로 모니터링하기 위한 어떤 적절한 방법 및 어떤 관련된 생리학적 표지자들(예를 들면, PPG 측정치, EKG 측정치, 혈압 측정치, 혈당 측정치, 혈중 산소 레벨, 온도 측정치, 수면 시간 측정치, 수면의 질 측정치, 호흡 파라미터 측정치(예를 들면, 속도, 리듬 또는 용량 관련된 것), 심장 출력 측정치, 활동 측정치, 자세 측정치, 수분 측정치, 혈중 헤모글로빈 레벨 측정치, 혈중 지질 레벨 측정치, 체중 측정치, 신장 측정치, 지방 측정치, 보행 측정치, 자세 측정치, 피부 전도도 측정치, 기타 적절한 건강/생리학적 측정치들, 또는 이들의 어떤 조합)이든지 고려하고 있다.
나아가, 본 개시가 도 19의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 19의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
사용자 기준 상황들 및 스트레스 대처 능력(User Baseline Contexts and Stress Coping Capacity)
상기 논의한 바와 같이, 모바일 건강 모니터링 및 관리에 있어서, 웨어러블 장치의 사용은 건강 관리에 있어서 신규한 방법들 및 시스템들을 창출하는 데 핵심적인 것으로 여겨진다. 건강 측정치들은, 당뇨병, 스트레스, 고혈압, 심혈관 질환, 폐질환, 기분 장애, 약물 남용, 전반적 삶의 질 등과 같은 매우 다양한 건강 문제들의 관리에 대해 가교가 될 수 있다. 상황적 기준 접근법은 사용자 특정적인 생리학적 측정치 세트에 적용되어 그 측정치들이 합리성을 갖도록 만들어, 사용자가 무엇을 하면 사용자의 건강을 향상시키거나 해치는지, 및 사용자의 신체가 상이한 상황들에 어떻게 반응하고 있는지에 대해 실제 피드백을 제공할 수 있다.
유사하게, 스트레스 모니터링 및 관리는 또한 상황을 인식해야 한다(예를 들면, 스트레스 측정 상황을 기준으로 스트레스 측정치들을 분석하는 것). 따라서, 상황 인식과 결합된 비침습적(non-invasive) 스트레스 측정치들은 스트레스 및/또는 기타 생리학적 측정치들을 다루는 것, 해로운 스트레스 레벨을 인식하는 것, 스트레스를 증상의 원인으로서 진단하는 것 등을 위한 강력한 도구를 제공할 수 있다.
건강 모니터링 엔진(Health Monitoring Engine)과 연관된 상황 엔진(Context Engine)의 예시적 실시예들
도 20은 상기 건강 모니터링 시스템(200)의 예시적인 소프트웨어 및 하드웨어 구성요소들을 도시한다. 특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 상황 엔진(2010), 건강 모니터 엔진(2020), 하나 이상의 상황 센서들(2030), 하나 이상의 생체센서들(2040), 및 메모리 시스템(2050)을 포함할 수 있다. 상기 건강 모니터링 시스템(200)은, 웨어러블 장치(예를 들면, 상기 건강 모니터링 장치(210)), 모바일 장치(예를 들면, 상기 클라이언트 시스템(120)), 개인용 컴퓨터(예를 들면, 상기 클라이언트 시스템(120)), 전용 의료 모니터링 장치, 스마트 TV, 기타 적절한 장치, 및 이들의 어떤 조합과 같이, 여러 유형의 장치들에 배치될 수 있다.
하기에서 보다 상세히 논의하는 바와 같이, 상기 건강 모니터링 시스템(200)은 사용자의 건강 측정치들(2042)(예를 들면, 생리학적 측정치들)을 검출, 모니터링, 및 분석하고 상기 사용자의 건강 특성을 출력으로서 결정하도록 구성될 수 있다. 제한으로서가 아니라 예로서, 상기 건강 측정치들(2042)은 PPG 측정치, EKG 측정치, 혈압 측정치, 혈당 측정치, 혈중 산소 레벨, 온도 측정치, 수면 시간 측정치, 수면의 질 측정치, 호흡 파라미터 측정치(예를 들면, 속도, 리듬 또는 용량 관련된 것), 심장 출력 측정치, 활동 측정치, 자세 측정치, 수분 측정치, 혈중 헤모글로빈 레벨 측정치, 혈중 지질 레벨 측정치, 체중 측정치, 신장 측정치, 지방 측정치, 보행 측정치, 자세 측정치, 피부 전도도 측정치, 기타 적절한 건강/생리학적 측정치들, 또는 이들의 어떤 조합을 포함할 수 있다.
또한, 제한으로서가 아니라 예로서, 건강 특성은 스트레스, 심박수, 혈압, 혈당 레벨, 부정맥(arrhythmia), 속도, 리듬 및 용량과 같은 호흡 파라미터들, 주변부(peripheral) 및/또는 중심부(core) 온도, 수분(hydration) 레벨, 피부 전기 반응, EEG 특성, EMG 특성, 보행, 자세, 활동, 수면, 심장 출력, 체중, 체질량지수(body mass index: BMI), 골밀도(bone mineral density: BMD), 기타 관련된 건강 특성, 또는 이들의 어떤 조합을 포함할 수 있다.
특정 실시예들에서, 상기 건강 특성은 하나 이상의 상황들을 기준으로 결정될 수 있다. 제한으로서가 아니라 예로서, 상기 상황들은 사무실에서 대 집에서, 깨어 있는 상태 대 잠든 상태, 주중 대 주말, 낮 대 밤, 아침 대 저녁, 잠들기 전 대 잠든 후, 실내 대 실외, 레저 활동 대 미리 결정된 일상 잡무(daily chores), 운동 전 대 운동 후, 혼자서 대 동료와, 건강한 것 대 아픈 것, 불량한 자세 대 올바른 자세, 차분함 대 조바심 내는 것(fidgety), 조용함 대 목소리 냄(vocal), 촉촉함(hydrated) 대 건조함(dehydrated), 고혈압 대 정상 혈압, 배고픈 것 대 잘 먹은 것, 낮은 산소 포화도 대 정상 산소 포화도, 기타 관련된 상황들, 또는 이들의 어떤 조합을 포함할 수 있다.
특정 실시예들에서, 상기 상황은, 현재 건강 특성이 측정될 수 있는, 상기 건강 특성의 기준(baseline)(예를 들면, 사용자 특정적 기준)과 연관될 수 있다. 특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 자동, 반자동, 또는 수동 방식으로 상기 상황을 결정할 수 있다. 또한, 상기 건강 모니터링 시스템(200)은 자동, 반자동, 또는 수동 방식으로 각 상황의 기준을 업데이트할 수 있다.
특정 실시예들에서, 상기 상황 엔진(2010)은 하나 이상의 상황 측정치들(2032)을 수신하고 상황을 결정하도록 구성될 수 있다. 제한으로서가 아니라 예로서, 상황들은 시공간 좌표에 의해 정의될 수 있으며, 달력, 시간기록 시계(time-clock), GPS, 평면정렬 스위칭(in-plane switching: IPS), 자외선(ultraviolet: UV) 센서, 습도 센서, 기압계(barometer), 기타 적절한 상황 정의들/선택들, 또는 이들의 어떤 조합을 이용하여 결정 또는 선택될 수 있다. 상기 상황 측정치들(2032)은 상기 상황 센서들(2030)에 의해 제공될 수 있다.
제한으로서가 아니라 예로서, 상기 상황 측정치들(2032)은 GPS 측정치, 가속도계 측정치, 달력 측정치, 시간 측정치, IPS 측정치, 온도 측정치, 소리 측정치, 자세 측정치, 활동 측정치, 자외선 측정치, 소리 측정치, 기압계 측정치, 기타 적절한 측정치들, 또는 이들의 어떤 조합을 포함할 수 있다. 또한, 상기 상황 센서들(2030)은 UV 센서, 습도 센서, 기압계, GPS, IPS, 달력, 기타 적절한 센서들, 또는 이들의 어떤 조합을 포함할 수 있다. 상기 상황은 상기 메모리 시스템(2050)에 의해 저장된 상황 레코드들의 데이터베이스로부터 선택될 수 있다. 또한, 상기 건강 모니터 엔진(2020)은 상기 상황 엔진으로부터 출력되는 상기 상황을 수신하고 또한 상기 생체센서들(2040)로부터 상기 건강 측정치들(2042)을 수신하도록 구성될 수 있다.
특정 실시예들에서, 상기 메모리 시스템(2050)은, 상기 상황 엔진(2010)을 통해 이용 가능한, 복수의 상황 레코드들(2060)을 저장한다. 상황들의 집합(collection)이 상기 건강 모니터링 시스템(200)이 구별할 수 있는 각각의 가능한 상황(예를 들면, 사용자 특정적 상황)을 나타내도록, 상기 상황 레코드들(2060) 각각은 사용자의 상황을 나타낼 수 있다.
도 20에 도시한 바와 같이, 상기 상황 레코드들(2060)은 상황 ID(2062), 상황 시그니처(2064), 기준값(2066), 저장된 측정 데이터(2068), 및 지속성 인자(persistency factor)(2070)를 나타내는 여러 데이터 엔트리들(예를 들면, 데이터 필드들)을 포함한다. 상기 상황 ID(2062)는 상기 상황 레코드들(2060) 중 하나의 상황 레코드에 대한 고유한 식별자 및/또는 이름일 수 있다.
제한으로서가 아니라 예로서, 상기 상황 ID(2062)는 "주간 근무시간(work week)", "주말", "출퇴근(commute)", "운동", "비디오 게임하기", 기타 적절한 상황 식별자들, 또는 이들의 어떤 조합에 상응할 수 있다. 상기 상황 시그니처(2064)는 상기 상황 측정치(2032)가 비교되는 값들의 세트일 수 있다. 제한으로서가 아니라 예로서, 상기 상황 엔진(2010)은, 상기 상황 측정치들(2062)이 특정 상황 레코드의 상황 시그니처(2064)와 매칭된다는 결정에 응답하여, 복수의 상황 레코드들(2060) 중 상기 특정 상황 레코드를 선택할 수 있다.
상기 기준(2066) 은 해당 상황에 대한 사용자의 건강 특성의 기준값을 나타낼 수 있다. 상기 저장된 측정 데이터(2068)는 저장된 상황 측정치들(예를 들면, 이전에 상기 상황 센서들(2030)에 의해 수집된 것) 및/또는 건강 측정치들(예를 들면, 이전에 상기 생체센서들(2040)에 의해 수집된 것)을 포함할 수 있다. 상기 저장된 측정 데이터(2068)는 상기 상황 시그니처(2064)를 업데이트하는 데 및/또는 사용자 거동 또는 활동의 패턴들에 기반하여 새로운 상황들을 식별하는 데 이용될 수 있다.
제한으로서가 아니라 예로서, 상기 건강 모니터링 시스템(200)은 사용자의 상기 상황 측정치들(2032)을 추적하여 이들의 패턴들을 분석할 수 있다. 패턴에 일치하는 것에 응답하여, 상기 건강 모니터링 시스템(200)은 사용자에게 상응하는 새로운 상황이 발생했다는 것 및/또는 상기 사용자가 향후 모니터링을 위해 상기 새로운 상황을 "활성화"하고자 하는지 여부를 확인하도록 촉구할(prompt) 수 있다. 상기 지속성 인자(2070)는 특정 상황의 효과가 얼마나 오랫동안 고려될 수 있는지를 나타내는 데이터일 수 있다. 제한으로서가 아니라 예로서, 스트레스를 많이 받는 출퇴근은 상기 출퇴근이 끝난 후 최대 4시간 동안 사용자의 상황에 영향을 미칠 수 있다.
도 21은 사용자의 상황 레코드들을 생성 및/또는 업데이트하는 예시적 방법(2100)을 도시한다. 상기 방법은, 상기 건강 모니터링 시스템(200)이 건강 측정치(예를 들면, 상기 생체센서들(2040)을 통한 상기 건강 측정치들(2042))를 수신할 수 있는, 단계(2110)에서 시작될 수 있다.
특정 실시예들에서, 상기 건강 측정치의 수신에 응답하여, 상기 건강 모니터링 시스템(200)은 상기 상황 엔진(2010)이 현재의 상황을 결정할 것을 요청할 수 있다. 이와 같이, 단계(2120)에서, 상기 건강 모니터링 시스템(200)은 상황 측정치(예를 들면, 상기 상황 센서(2030)를 통한 상기 상황 측정치들(2032))를 수신할 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은, 상기 상황 엔진(2010)을 통해, 상기 수신된 상황 측정치들을, 상기 메모리 시스템(2050)에 의해 상기 사용자에 대해 저장된, 상기 상황 레코드들(2060)의 상황 시그니처 데이터 필드들(예를 들면, 상기 상황 시그니처(2064))과 비교할 수 있다. 다음에, 단계(2130)에서, 상기 건강 모니터링 시스템(200)은 상기 상황 측정치들과 매칭되는 상황 시그니처를 갖는 복수의 저장된 상황 레코드들로부터(예를 들면, 상기 메모리 시스템(2050)에 저장된 상황 레코드(2060)로부터) 상황 레코드를 선택할 수 있다.
특정 실시예들에서, 상기 상황은 주어진 위치, 활동, 날씨에 관한 정보, 및 기타 관련된 시공간 정보를 포함할 수 있다. 제한으로서가 아니라 예로서, 상기 활동 정보와 관련하여, 단지 가속도계 및 자이로스코프를 이용하여, 상기 건강 모니터링 시스템(200)은, 걷기, 달리기, 자전거 타기(biking), 운동, 기타 유사한 활동들, 및 이들의 어떤 적용 가능한 조합과 같이, 일정 활동들을 식별할 수 있다.
제한으로서가 아니라 다른 예로서, UV 센서, 습도 센서, 수면 센서, 수분 센서, 및 ECG, PPG, EEG, EMG, EOG, 호흡 센서들 등의 생체센서들과 같은, 추가적인 센서들을 이용하여, 상기 센서들 중 하나가 사용자의 활동에 부과할 수 있는 어떤 라벨(예를 들면, 상황_A)에 대해 먼저 이벤트를 정의하려고 시도하고, 이것이 사용자에 의해 시스템에 제공되거나 아니면 상기 센서들의 값(예를 들면, 상황_S)에 의해 결정될 수 있는 방법에 의해 활동이 정의될 수 있다.
제한으로서가 아니라 예로서, 상기 상황_A는, 사용자가 중역 회의실에 있는 경우, 평일 아침에 특정 시간 후, 사용자가 병원에 또는 노인 요양원에 있는 경우, 집안일(예를 들면, 활동 인식 센서에 의해 검출될 수 있는 것)을 한 후, 사용자가 그의 책상에서 좋지 않은 자세로 1시간 넘게 앉아 있는 경우, 사용자가 일정 시각보다 늦게 자는 경우, 사용자가 일정 시각 후에 일어나는 경우, 기타 적절한 상황들, 또는 이들의 어떤 조합과 같은, 상황들을 포함할 수 있다. 이 상황들은 사용자에 대한 특정한 속뜻(connotation) 또는 의미를 가질 수 있으며 따라서 상기 사용자는 그러한 상황들에서 그의 스트레스를 모니터링하는 것에 관심을 갖는다.
특정 실시예들에서, 상황은 상기 건강 모니터링 시스템(200)에 의해 자동적으로 검출될 수 있다. 자동적으로 검출된 상황들은 상기 건강 모니터링 시스템(200)의 상기 메모리 시스템(2050)에 미리 채워지거나 또는 사용자 특유의 건강/스트레스 프로파일을 학습한 후 동적으로 결정될 수 있다.
제한으로서가 아니라 예로서, 상기 상황_S는 사용자의 주말 또는 평일(규칙적인) 출퇴근, 사용자가 근무중인 경우, 사용자가 주말에 공원에 있는 경우, 사용자가 시끄러운 환경에 있는 경우, 사용자가 높은 고도에 있는 경우, 낮은 산소 포화도, 사용자가 높은 자외선 지수에 밖에 있는 경우, 사용자가 불안하거나 짧은 수면을 취하고 깬 경우, 사용자가 건조한 상태인 경우, 사용자가 매우 오랜 시간 동안 앉은 상태로 근무중인 경우, 사용자가 방금 격렬한 육체 활동을 완료했거나 또는 장시간 동안 거실 텔레비전 앞에 앉아 있는 경우, 사용자가 분노를 폭발시킨 경우(예를 들면, 모바일 장치 센서들로부터의 목소리 분석에 의해 검출됨), 기타 자동적으로 검출 가능한 상황들, 및 이들이 어떤 적용 가능한 조합을 포함할 수 있다. 특정 실시예들에서, 상황들은 다수의 센서들의 동시적 분석에 의해 동시에 발생될 수 있다.
단계(2140)에서, 상기 건강 모니터링 시스템(200)은 선택된 상황 레코드를 업데이트할지 여부를 결정할 수 있다. 상기 단계(2140)에서의 결정이 예(YES)인 경우, 상기 방법은, 상기 건강 모니터링 시스템(200)이 상기 수신된 건강 측정치 또는 상기 수신된 상황 측정치 중 적어도 하나에 기반하여 상기 선택된 상황 레코드를 업데이트할 수 있는, 단계(2150)로 이동한다.
특정 실시예들에서, 상기 상황 레코드가 업데이트되어야 할지 여부의 결정은 여러 인자들(예를 들면, 상기 상황 레코드의 미처리된 저장된 건강 측정치들의 수, 상기 상황 레코드에 대한 마지막 업데이트 이후의 시간량 등)에 기반할 수 있다. 제한으로서가 아니라 예로서, 각 상황은 다른 상황에 대한 정상값들이 무엇인지와 연관될 수 있으며, 주어진 상황에 대한 기준 데이터는 이러한 다른 상황 값들이 정상적인/미리 결정된 범위 내에서 유지되는 경우에만 업데이트될 수 있다.
특정 실시예들에서, 상황 레코드가 업데이트되어야 한다는 결정에 응답하여, 상기 건강 모니터링 시스템(200)의 상기 상황 엔진(2010)은 선택된 상황 레코드의 기준값을 업데이트할 수 있다. 제한으로서가 아니라 예로서, 상황에 대한 기준값은 해당 상황에 대한 판독치들(readings)의 세트(예를 들면, 상기 세트는 사용자에 의해 정의될 수 있거나 아니면 주어진 해당 상황에 대한 모든 판독치들의 세트일 수 있음)의 평균을 취함으로써 생성될 수 있다.
제한으로서가 아니라 다른 예로서, 상기 기준은, 오래된 측정치들이 시간 경과에 따라 폐기되도록, 감쇠(decaying) 윈도우 또는 이동(moving) 윈도우로 가중된 평균에 기반하여 생성될 수 있다. 특정 실시예들에서, 상기 건강 모니터링 시스템(200)의 상기 상황 엔진(2010)은 선택된 상황 레코드의 기준값을 자동적으로 업데이트할 수 있다. 상기 선택된 상황 레코드가 업데이트된 후, 상기 방법은 종료될 수 있다.
반면에, 상기 단계(2140)에서의 결정이 아니오(NO)인 경우, 상기 방법은, 상기 건강 모니터링 시스템(200)이 상기 건강 측정치 또는 상기 상황 측정치 중 적어도 하나를 상기 선택된 상황 레코드에 저장할 수 있는, 단계(2160)로 이동한다.. 특정 실시예들에서, 상기 상황 레코드가 업데이트되지 않을 것이라는 결정에 응답하여, 상기 건강 모니터링 시스템(200)의 상기 상황 엔진(2010)은 상기 수신된 건강 측정치들을 상기 선택된 상황 레코드의 저장된 측정 데이터 필드에(예를 들면, 상기 저장된 측정 데이터(2068)를 통해) 저장할 수 있다. 다음에, 상기 저장된 건강 측정치들은 차후에 액세스 및/또는 처리될 수 있다. 다음에, 상기 방법은 종료될 수 있다.
특정 실시예들에서, 스트레스 모니터링을 위해, 사용자들은 각각 상이한 기준 스트레스 레벨을 가질 수 있고(예를 들면, HRV에 기반하여), 따라서 스트레스 레벨 결정은 각각의 개별 사용자의 기준을 고려해야만 한다. 그러나, 기준 스트레스 레벨 자체는, 상황(예를 들면, 사무실에서 대 집에서, 깨어 있는 상태 대 잠든 상태, 평일 대 주말 등) 및/또는 활동(예를 들면, 수면, 식사, 운동, 미디어 콘텐트 소비, 집안일 하기 등 이전, 도중, 또는 이후)에 따라, 상이할 수 있다. 상기 설명한 방법들은 수집된 상황 측정치들(2032) 및 건강 측정치들(2042)에 기반하여 상이한 상황들에 대해 올바른 기준들을 자동적으로 생성하도록 구성될 수 있다. 이와 같이, 상기 상황은, 시공간 좌표를 이용함으로써 뿐만 아니라 상황(예를 들면, 반복되는 생물학적 상태들) 및/또는 수행되는 활동(예를 들면, 반복되는 사용자 활동) 측면에서, 정의될 수 있다.
특정 실시예들은, 적절한 경우, 도 21의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 21의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 21의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가, 도 21의 상기 방법의 상기 특정 단계들을 포함하는, 사용자의 상황 레코드들을 생성 및/또는 업데이트하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 21의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 사용자의 상황 레코드들을 생성 및/또는 업데이트하는 어떤 적절한 방법이든지 고려하고 있다.
나아가, 본 개시가 도 21의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 21의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
상황들(Contexts)에 기반한 건강 모니터링의 수행
도 22는 사용자에 대한 건강 특성 출력을 생성하는 예시적 방법(2200)을 도시한다.
상기 방법은, 상기 건강 모니터링 시스템(200)이 건강 측정치(예를 들면, 상기 생체센서들(2040)을 통한 상기 건강 측정치들(2042))를 수신할 수 있는, 단계(2210)에서 시작될 수 있다. 이에 응답하여, 상기 건강 모니터링 시스템(200)은, 상기 건강 측정치를 평가하기 위해, 상기 상황 엔진(2010)에게 현재의 상황을 결정할 것을 요청할 수 있다.
단계(2220)에서, 상기 건강 모니터링 시스템(200)은 상황 측정치(예를 들면, 상기 상황 센서(2030)를 통한 상기 상황 측정치들(2032))를 수신할 수 있다.
단계(2230)에서, 상기 건강 모니터링 시스템(200)은 복수의 저장된 상황 레코드들로부터(예를 들면, 상기 메모리 시스템(2050)에 저장된 상기 상황 레코드(2060)로부터) 상황 레코드를 선택할 수 있다. 특정 실시예들에서, 상기 상황 엔진(2010)은 다음에 상기 수신된 상황 측정치들을 상기 메모리 시스템(2050)에 의해 저장된 복수의 상황 레코드들(2060)의 상황 시그니처 데이터 필드들(예를 들면, 상기 상황 시그니처(2064)를 통한)과 비교함으로써, 상기 메모리 시스템(2050)에 의해 저장된 상기 복수의 상황 레코드들(2060) 중의 상황 레코드를 선택할 수 있다. 상기 상황 엔진(2010)은 상황 시그니처가 매칭되거나 또는 실질적으로 상기 수신된 상황 측정치들과 유사한 레코드들 중에서 상기 상황 레코드를 선택한다. 상기 선택된 상황 레코드는 상기 결정된 상황의 기준값(예를 들면, 상기 기준(2066) 을 통해)을 포함한다.
제한으로서가 아니라 예로서, 상기 기준값은 특정 상황에 대한 사용자 특정적 기준값일 수 있다. 다음에, 단계(2240)에서, 상기 건강 모니터링 시스템(200)은 상기 선택된 상황 레코드의 기준값에 대해 건강 특성을 결정할 수 있다. 이와 같이, 상기 건강 모니터링 시스템(200)은, 상기 수신된 건강 측정치에 기반하여 및 상기 선택된 상황의 기준값과 비교하여, 상기 건강 특성을 계산할 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 사용자의 하나 이상의 건강 특성들(예를 들면, 스트레스 레벨, 심박수, HRV 등)을 모니터링하고 상기 건강 특성을 나타내는 출력을 상기 사용자에게 제공할 수 있다. 추가적으로 또는 대안적으로, 상기 건강 특성은 차후의 검색(retrieval)을 위해, 예를 들면, 진단 목적으로 의사에 의해, 저장될 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 상황을 선택하기 위해 사용자-인-루프(user-in-loop) 동작을 용이하게 할 수 있다. 제한으로서가 아니라 예로서, 상기 건강 모니터링 시스템(200)은, 사용자가 여러 가지 상황들을 정의하기 위해 및/또는 현재의 상황을 표시하기 위해 사용자 입력을 제공할 수 있도록, 완전히 수동 방식으로 작동될 수 있다.
추가적으로 또는 대안적으로, 상기 건강 모니터링 시스템(200)은 사용자에게 선택할 미리 채워진 상황 리스트를 제공할 수 있다. 시간 경과에 따라, 상기 건강 모니터링 시스템(200)은, 사용자가 상황을 선택하는 경우, 기준값들을 업데이트할 수 있다. 대안적으로, 특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 반자동 방식으로 작동될 수 있으며, 여기서 상기 건강 모니터링 시스템(200)은 사용자에게 상황의 자동 검출을 확인하는 프롬프트 또는 시스템이 상황을 결정할 수 없는 경우 사용자가 상황을 선택할 것을 요청하는 프롬프트를 제공할 수 있다. 또한, 특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 상기 수신된 상황 측정치들에 기반하여 자동적으로 상황을 선택할 수 있다.
특정 실시예들은, 적절한 경우, 도 22의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 22의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 22의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다.
또한, 본 개시가, 도 22의 상기 방법의 상기 특정 단계들을 포함하는, 사용자에 대한 건강 특성 출력을 생성하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 22의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 사용자에 대한 건강 특성 출력을 생성하는 어떤 적절한 방법이든지 고려하고 있다. 나아가, 본 개시가 도 22의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 22의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
정서적 건강(Emotional Health) 및 탄력성(Resiliency)의 결정
많은 기존의 스트레스 모니터링 도구들은, 건강 유지를 위한, 즉, 사용자의 탄력성을 위한 유용한 척도를 제공하지 못 하는, 다양한 형태의 원시 스트레스 값들만을 제공한다. 일 예로, 상기 건강 모니터링 시스템(200)은 사용자가 주어진 HRV 존(zone)(예를 들면, 높은 스트레스 또는 높은 긴장완화를 나타내는)에서 보내는 시간을 계산할 수 있다. 이 시간이 증가 또는 감소함에 따라, 사용자는 그의 스트레스 대처 기술 또는 긴장완화 유지 능력이 어떤 향상을 보였는지 여부에 대한 탄력성 인자(resiliency factor)를 얻는다. 상기 건강 모니터링 시스템(200)은 사용자의 스트레스 대처 기술의 유용한 척도, 또는 스트레스 극복 또는 긴장완화 상태의 유지에 있어서 상기 사용자가 착수할 수 있는 어떤 웰니스 프로그램으로부터의 혜택(benefit)과 같은 그러한 다양한 측정치들을 계산할 수 있다.
특정 실시예들에서, 상기 건강 모니터링 시스템(200)은 이벤트들의 지속적인 영향을 결정하기 위해 상황 레코드의 탄력성 인자(예를 들면, 건강 탄력성 측정치)를 이용할 수 있다. 제한으로서가 아니라 예로서, 스트레스를 많이 받는 운전의 영향, 스트레스를 많이 받는 근무시간의 영향, 또는 독서를 함으로써 얻는 평온함이 고려될 수 있다.
특정 실시예들에서, 상기 탄력성 인자는, 시간이 경과함에 따라 이전 상황의 영향이 갑자기 또는 점차적으로 감소할 수 있다는 결정에 기반하여, 상황이 끝난 후 상기 상황의 기준값을 분석하는 시간에 상응할 수 있다. 특정 실시예들에서, 상기 기준값은 활성 상황들(active contexts)(예를 들면, 상기 탄력성 기간 내의 이전 상황 및 현재의 상황을 포함함)의 기준들의 조합일 수 있다. 제한으로서가 아니라 예로서, 상기 기준들의 조합은 상기 기준들의 최대치, 최소치, 평균치, 또는 볼록 조합(convex combination)에 기반하여 결정될 수 있다.
도 23은 건강 탄력성 측정치에 기반하여 사용자의 정서적 건강을 결정하는 예시적 방법(2300)을 도시한다. 상기 방법은, 상기 건강 모니터링 시스템(200)이 제1 레벨에 있는 상기 사용자의 건강 특성에 상응하는 제1 이벤트를 검출할 수 있는, 단계(2310)에서 시작될 수 있다.
단계(2320)에서, 상기 건강 모니터링 시스템(200)은 제2 레벨에 있는 상기 사용자의 건강 특성에 상응하는 제2 이벤트를 검출할 수 있다.
단계(2330)에서, 상기 건강 모니터링 시스템(200)은 상기 제1 및 제2 이벤트들 사이의 경과 시간을 정서적 건강의 표시(indication)로서 결정할 수 있으며, 여기서 상기 제1 및 제2 이벤트들 사이의 경과 시간은 상기 사용자와 연관된 건강 탄력성 측정치에 상응할 수 있다.
특정 실시예들에서, 주어진 상황에 대한 어떤 사용자에 대한 스트레스 탄력성은 상기 사용자가 스트레스 값들의 제1 범위(예를 들면, 가능한 스트레스 값들의 라벨 세트로서 또는 수치값으로서 정의됨)로부터 스트레스 값들의 제2 범위로 전환하는 데 걸린 시간 T를 결정함으로써 측정될 수 있으며, 여기서 상기 후자의 범위는 상기 특정 상황에 대한 기준 상태로서 정의될 수 있다. 대안적으로, 특정 실시예들에서, 스트레스 탄력성은 D/T로서 정의될 수 있으며, 여기서 D는 원래의 스트레스 값과 최종 스트레스 값 간의 차이이고, T는 이렇게 전환하는 데 걸린 시간이다. 또한, "긴장완화(relaxation)" 탄력성은 유사한 접근법을 이용하여 정의될 수 있다. 제한으로서가 아니라 예로서, 건강 탄력성이 미리 정의된 스트레스 존(예를 들면, 40 내지 60의 HRV 존)으로 다시 회복하는 평균 시간에 상응하는, 스트레스에 상응하는 건강 탄력성 측정치의 다수의 인스턴스들이 이미 계산된 경우, 상황 C에 대한 상기 스트레스 탄력성은 다음 식에 기반하여 결정될 수 있다.
[수학식 12]
여기서 상황 C는 n개의 이벤트들(예를 들면, {e1, ..., en})을 포함하고, 회복 시간은 {t1, ..., tn}이다. 특정 실시예들에서, 이러한 정보는 상황 및 HRV의 실제값에 따른 HRV 회복 시간을 보여주는 차트들을 이용하여 상기 사용자에게 제공될 수 있다.
특정 실시예들에서, 상기 논의한 바와 같이, 상기 건강 탄력성 측정치를 해석하는 데 도움이 되도록 이벤트들/상황들의 유형들을 포함함으로써, 상기 건강 탄력성 측정치가 향상될 수 있다. 이와 같이, 상술한 탄력성 계산의 확장은 "상황적 탄력성(contextual resilience)"의 기능을 포함할 수 있다.
특정 실시예들에서, 상황적 탄력성은 이벤트들 및 상황들에 의해 부과되는 알로스타틱 부하(allostatic load)의 표지자일 수 있으며, 그러한 정보는, 그것이 어떤 상황들이 정서적 건강을 감소시키는지 및 생활방식의 어떤 변화들이 더 나은 탄력성 및 더 나은 정서적 대처 능력을 가져올 수 있는지를 결정하는 기능을 제공하기 때문에, 사용자에게 도움이 될 수 있다.
제한으로서가 아니라 예로서, 평일에 사용자의 스트레스 탄력성이 매우 낮은 경우, 상기 건강 모니터링 시스템(200)은 상기 사용자에게 이 기간에 그가 정서적 건강이 더 낮다는 피드백을 제공할 수 있다. 반면에, 상기 사용자가 운동 후 기간에 있는 경우, 상기 건강 모니터링 시스템(200)은 상기 사용자에게 이 기간에 그가 정서적 건강이 높고 스트레스 탄력성이 높다는 피드백을 제공할 수 있다.
특정 실시예들에서, 탄력성과 연관된 정량화 스케일은 심한 스트레스, 높은 스트레스, 중간 스트레스 등에 대한 일관된 단계들을 감안한다. 공황 발작(panic attack) 또는 심한 스트레스 에피소드들에서, 회복 시간은 단계적으로 정의될 수 있으며, 따라서 탄력성 특정치는 어떤 특정 상태에서든 스트레스 레벨보다 더 유용하다.
제한으로서가 아니라 예로서, 공황 발작 또는 심한 스트레스 에피소드의 인스턴스에서, 사용자의 스트레스 건강은 상기 건강 모니터링 시스템(200)에 의해 (탄력성_탈출(resilience_escape), 탄력성_정상(resilience_normal))과 같은 튜플(tuple)로서 제공될 수 있으며, 여기서 탄력성_탈출은 사용자가 심한 스트레스 존에서 완전히 빠져 나오는 데 필요한 시간(보류 시간(hold time))에 상응하고, 탄력성_정상은 정상 존으로 완전히 돌아오는 데 필요한 시간(회복 시간(recovery time))이다. 상기 보류 시간은 대안적으로 상기 스트레스 존에서 어떤 특정 포인트로부터의 출발로서 정의될 수 있다. 따라서, 탄력성과 연관된 이 정량화 스케일은 다양한 스트레스 시나리오들이 수용될 수 있도록 한다. 또한, 상술한 것에 외에도, 이 스트레스 관리 기능들은 스트레스 감소 기법들이 상기 사용자에 대해 얼마나 잘 작동하고 있는지를 결정 및 정량화하는 데 이용될 수 있다.
특정 실시예들에서, 탄력성과 연관된 사용자에 대한 알림들과 관련하여, 상기 건강 모니터링 시스템(200)이 상기 사용자의 기준이 사용 후 위로 이동되었다고 결정한 경우, 또는 그의 스트레스 기준이 이와 달리 현저하게 영향 받는 경우, 그는 이러한 상황들 및 그의 선호에 따라 스트레스 감소 옵션들을 제공받을 수 있다. 유사하게, 상기 건강 모니터링 시스템(200)이 사용자의 스트레스 탄력성이 악화되었다고 결정하는 경우, 상기 건강 모니터링 시스템(200)은 상기 사용자에게 이 새로운 건강 상태에 상응하는 도움 및/또는 권고를 제공할 수 있다. 이러한 제안들은 상기 사용자에게 자동적으로 제공되거나 또는 상기 사용자의 건강 상태에 기반하여 변화하는 옵션들의 메뉴로부터 상기 사용자가 선택할 수 있다.
특정 실시예들에서, 상술한 탄력성은 스트레스에 제한되지 않으며, 정신 상태, 각성(arousal)(예를 들면, 슬픔, 짜증(irritation) 등), 기타 적절한 측정치들, 및 이들의 어떤 조합과 같이, 다른 측정치들을 정량화하는 데 이용될 수 있다.
상기 논의한 바와 같이, 상황들은 시공간 좌표 뿐만 아니라 활동들 또는 활동들의 패턴들에 기반하여 계산될 수 있다. 특정 실시예들에서, 사용자에 대한 알림들은 상황, 기준값, 및 해당 탄력성 측정치에 관해 이루어진 측정치들의 유형에 기반하여 재단될 수 있다(예를 들면, 상황의 필요성에 대한 인식 뿐만 아니라 상기 사용자에게 효과적이라고 알려져 있는 것에 기반한 권고를 제공하는 것). 제한으로서가 아니라 예로서, 중역회의실 회의 상황에서 검출된 스트레스가 높으며 그러한 측정치들의 기준값이 계속해서 증가하고 및/또는 탄력성이 계속해서 악화되는 경우, 사용자의 설정에 의해 부과된 제약들에 부합하는 스트레스 감소 알림이 사용자에게 전송될 수 있다.
특정 실시예들에서, 탄력성의 향상은 특정 스트레스 관리 서비스의 혜택을 정량화 또는 평가하는 데 이용될 수 있다. 이와 같이, 상황적 기준값들 및 탄력성 측정치 결정은 진단 및 서비스들이 구축될 수 있는 논리적 메트릭(metric)을 제공할 수 있다.
특정 실시예들은, 적절한 경우, 도 23의 상기 방법의 하나 이상의 단계들을 반복할 수 있다. 본 개시가 도 23의 상기 방법의 특정 단계들이 특정 순서로 발생하는 것으로 설명 및 예시하고 있지만, 본 개시는, 어떤 적절한 순서로든지 발생하는, 도 23의 상기 방법의 어떤 적절한 단계들이든지 고려하고 있다. 또한, 본 개시가, 도 23의 상기 방법의 상기 특정 단계들을 포함하는, 건강 탄력성 측정치에 기반하여 사용자의 정서적 건강을 결정하는 예시적 방법을 설명 및 예시하고 있지만, 본 개시는, 적절한 경우, 도 23의 상기 방법의 상기 단계들 모두 또는 일부를 포함하거나 아무것도 포함하지 않을 수 있는, 어떤 적절한 단계들을 포함하는, 건강 탄력성 측정치에 기반하여 사용자의 정서적 건강을 결정하는 어떤 적절한 방법이든지 고려하고 있다. 나아가, 본 개시가 도 23의 상기 방법의 특정 단계들을 수행하는 특정 구성요소들, 장치들, 또는 시스템들을 설명 및 예시하고 있지만, 본 개시는 도 23의 상기 방법의 어떤 적절한 단계들을 수행하는 어떤 적절한 구성요소들, 장치들, 또는 시스템들의 어떤 적절한 조합이든지 고려하고 있다.
시스템들 및 방법들
도 24는 본 발명의 일부 실시예들에 따른 예시적 컴퓨터 시스템(2400)을 도시한다. 특정 실시예들에서, 하나 이상의 컴퓨터 시스템들(2400)은 본 명세서에서 설명 또는 도시한 하나 이상의 방법들의 하나 이상의 단계들을 수행한다.
특정 실시예들에서, 상기 하나 이상의 컴퓨터 시스템들(2400)은 본 명세서에서 설명 또는 도시한 기능을 제공한다. 특정 실시예들에서, 상기 하나 이상의 컴퓨터 시스템들(2400)에서 실행되는 소프트웨어는 본 명세서에서 설명 또는 도시한 하나 이상의 방법들의 하나 이상의 단계들을 수행하거나 또는 본 명세서에서 설명 또는 도시한 기능을 제공한다. 특정 실시예들은 상기 하나 이상의 컴퓨터 시스템들(2400)의 하나 이상의 부분들을 포함한다. 본 명세서에서, 적절한 경우, 컴퓨터 시스템에 대한 언급은 컴퓨팅 장치를 포함할 수 있으며, 그 반대도 마찬가지다. 또한, 적절한 경우, 컴퓨터 시스템에 대한 언급은 하나 이상의 컴퓨터 시스템들을 포함할 수 있다.
본 개시는 어떤 적절한 수의 컴퓨터 시스템들(2400)이든지 고려하고 있다. 본 개시는 어떤 적절한 물리적 형태를 갖는 컴퓨터 시스템(2400)이든지 고려하고 있다. 제한으로서가 아니라 예로서, 상기 컴퓨터 시스템(2400)은 내장형 컴퓨터 시스템, 시스템-온-칩(SOC), 단일 보드 컴퓨터 시스템(SBC)(예를 들면, 컴퓨터-온-모듈(COM) 또는 시스템-온-모듈(SOM)), 데스크탑 컴퓨터 시스템, 랩탑 또는 노트북 컴퓨터 시스템, 대화형 키오스크(interactive kiosk), 메인프레임, 컴퓨터 시스템 망, 모바일 전화, 개인 정보 단말기(PDA), 서버, 태블릿 컴퓨터 시스템, 또는 이들 중 둘 이상의 조합일 수 있다. 적절한 경우, 상기 컴퓨터 시스템(2400)은 하나 이상의 컴퓨터 시스템들(2400)을 포함하거나; 일원화(unitary) 또는 분산화(distributed)되거나; 다수의 위치들에 걸쳐 있거나; 다수의 기계들에 걸쳐 있거나; 다수의 데이터 센터들에 걸쳐 있거나; 또는 하나 이상의 네트워크들에 하나 이상의 클라우드 구성요소들을 포함할 수 있는 클라우드에 상주할 수 있다. 적절한 경우, 상기 하나 이상의 컴퓨터 시스템들(2400)은, 실질적인 공간적 또는 시간적 제한 없이, 본 명세서에서 설명 또는 도시한 하나 이상의 방법들의 하나 이상의 단계들을 수행할 수 있다.
제한으로서가 아니라 예로서, 상기 하나 이상의 컴퓨터 시스템들(2400)은, 실시간으로 또는 배치 모드(batch mode)로, 본 명세서에서 설명 또는 도시한 하나 이상의 방법들의 하나 이상의 단계들을 수행할 수 있다. 적절한 경우, 상기 하나 이상의 컴퓨터 시스템들(2400)은, 상이한 시간에 또는 상이한 장소에서, 본 명세서에서 설명 또는 도시한 하나 이상의 방법들의 하나 이상의 단계들을 수행할 수 있다.
특정 실시예들에서, 상기 컴퓨터 시스템(2400)은 프로세서(2402), 메모리(2404), 저장소(2406), 입/출력(input/output: I/O) 인터페이스(2408), 통신 인터페이스(2410), 및 버스(2412)를 포함한다. 본 개시가 특정 배치로 특정 개수의 특정 구성요소들을 갖는 특정 컴퓨터 시스템을 설명 및 예시하고 있지만, 본 개시는 어떤 적절한 배치로 어떤 적절한 개수의 어떤 적절한 구성요소들을 갖는 어떤 적절한 컴퓨터 시스템이든지 고려하고 있다.
특정 실시예들에서, 상기 프로세서(2402)는, 컴퓨터 프로그램을 구성하는 명령어들과 같은, 명령어들을 실행하기 위한 하드웨어를 포함한다. 특정 실시예들에서, 상기 컴퓨터 프로그램은 상기 프로세서(2402)로 하여금 본 명세서에서 설명 또는 도시한 하나 이상의 방법들의 하나 이상의 단계들을 수행하거나 또는 본 명세서에서 설명 또는 도시한 기능을 제공하도록 한다. 이런 식으로, 상기 컴퓨터 프로그램과 결합된 상기 프로세서(2402)는 상기 컴퓨터 프로그램에 의해 정의된 기능들을 수행하기 위한 특수 목적(special purpose) 프로세서이다.
제한으로서가 아니라 예로서, 명령어들을 실행하기 위해, 상기 프로세서(2402)는 내부 레지스터, 내부 캐시(cache), 상기 메모리(2404), 또는 상기 저장소(2406)로부터 상기 명령어들을 검색(또는 페치(fetch))하고; 상기 명령어들을 디코딩 및 실행한 다음; 하나 이상의 결과들을 내부 레지스터, 내부 캐시, 상기 메모리(2404), 또는 상기 저장소(2406)에 기입할 수 있다.
특정 실시예들에서, 상기 프로세서(2402)는 데이터, 명령어들, 또는 주소들(addresses)을 위한 하나 이상의 내부 캐시들을 포함할 수 있다. 본 개시는, 적절한 경우, 어떤 적절한 개수의 어떤 적절한 내부 캐시들이든지 포함하는 상기 프로세서(2402)를 고려하고 있다.
제한으로서가 아니라 예로서, 상기 프로세서(2402)는 하나 이상의 명령어 캐시들, 하나 이상의 데이터 캐시들, 및 하나 이상의 변환 색인 버퍼들(translation lookaside buffers: TLBs)을 포함할 수 있다. 상기 명령어 캐시들 내의 명령어들은 상기 메모리(2404) 또는 저장소(2406) 내의 명령어들의 복사본일 수 있으며, 상기 명령어 캐시들은 상기 프로세서(2402)에 의한 상기 명령어들의 검색 속도를 높일 수 있다. 상기 데이터 캐시들 내의 데이터는, 상기 프로세서(2402)에서 실행되는 명령어들이 작용할, 상기 메모리(2404) 또는 저장소(2406) 내의 데이터의 복사본이거나; 상기 프로세서(2402)에서 실행되는 후속 명령어들에 의한 액세스를 위한 또는 상기 메모리(2404) 또는 저장소(2406)에 기입하기 위한, 상기 프로세서(2402)에서 실행된 이전 명령어들의 결과들이거나; 또는 기타 적절한 데이터일 수 있다. 상기 데이터 캐시들은 상기 프로세서(2402)에 의한 판독 또는 기입 동작들의 속도를 높일 수 있다. 상기 TLB들은 상기 프로세서(2402)를 위한 가상 주소 변환(virtual address translation)의 속도를 높일 수 있다.
특정 실시예들에서, 상기 프로세서(2402)는 데이터, 명령어들, 또는 주소들을 위한 하나 이상의 내부 레지스터들을 포함할 수 있다. 본 개시는, 적절한 경우, 어떤 적절한 개수의 어떤 적절한 내부 레지스터들이든지 포함하는 상기 프로세서(2402)를 고려하고 있다. 적절한 경우, 상기 프로세서(2402)는 하나 이상의 산술 논리 연산 장치들(arithmetic logic units: ALUs)을 포함하거나; 멀티-코어 프로세서이거나; 또는 하나 이상의 프로세서들(2402)을 포함할 수 있다. 본 개시가 특정 프로세서를 설명 및 예시하고 있지만, 본 개시는 어떤 적절한 프로세서든지 고려하고 있다.
특정 실시예들에서, 상기 메모리(2402)는 상기 프로세서(2402)가 실행할 명령어들 또는 상기 프로세서(2402)가 작용할 데이터를 저장하기 위한 메인 메모리를 포함한다.
제한으로서가 아니라 예로서, 상기 컴퓨터 시스템(2400)은 상기 저장소(2406) 또는 다른 소스(예를 들면, 다른 컴퓨터 시스템(2400))로부터 상기 메모리(2404)로 명령어들을 로딩할 수 있다. 상기 프로세서(2402)는 다음에 상기 메모리(2404)로부터 내부 레지스터 또는 내부 캐시로 상기 명령어들을 로딩할 수 있다. 상기 명령어들을 실행하기 위해, 상기 프로세서(2402)는 상기 내부 레지스터 또는 내부 캐시로부터 상기 명령어들을 검색하고 이들을 디코딩할 수 있다. 상기 명령어들의 실행 중에 또는 이후에, 상기 프로세서(2402)는 하나 이상의 결과들(최종 결과들의 중간 생성물일 수 있음)을 상기 내부 레지스터 또는 내부 캐시에 기입할 수 있다. 상기 프로세서(2402)는 다음에 상기 결과들 중 하나 이상을 상기 메모리(2404)에 기입할 수 있다.
특정 실시예들에서, 상기 프로세서(2402)는 하나 이상의 내부 레지스터들 또는 내부 캐시들 내의 또는 상기 메모리(2404)(상기 저장소(2406) 또는 다른 곳이 아니라) 내의 명령어들만 실행하고 하나 이상의 내부 레지스터들 또는 내부 캐시들 내의 또는 상기 메모리(2404)(상기 저장소(2406) 또는 다른 곳이 아니라) 내의 데이터에만 작용한다. 하나 이상의 메모리 버스들(각각 주소 버스 및 데이터 버스를 포함할 수 있음)은 상기 프로세서(2402)와 상기 메모리(2404)를 결합시킬 수 있다. 상기 버스(2412)는, 하기 설명하는 바와 같이, 하나 이상의 메모리 버스들을 포함할 수 있다. 특정 실시예들에서, 하나 이상의 메모리 관리 장치들(memory management units: MMUs)은 상기 프로세서(2402)와 상기 메모리(2404) 사이에 상주하여 상기 프로세서(2402)에 의해 요청된 상기 메모리(2404)에 대한 액세스를 용이하게 한다.
특정 실시예들에서, 상기 메모리(2404)는 랜덤 액세스 메모리(random access memory: RAM)를 포함한다. 이 RAM은 휘발성 메모리일 수 있거나, 동적 RAM(dynamic RAM: DRAM) 또는 정적 RAM(static RAM: SRAM)일 수 있다. 또한, 적절한 경우, 이 RAM은 단일 포트(single-ported) 또는 다중 포트(multi-ported) RAM일 수 있다. 본 개시는 어떤 적절한 RAM이든지 고려하고 있다. 상기 메모리(2404)는, 적절한 경우, 하나 이상의 메모리들(2404)을 포함할 수 있다. 본 개시가 특정 메모리를 설명 및 예시하고 있지만, 본 개시는 어떤 적절한 메모리든지 고려하고 있다.
특정 실시예들에서, 상기 저장소(2406)는 데이터 또는 명령어들을 위한 대용량 저장소(mass storage)를 포함한다. 제한으로서가 아니라 예로서, 상기 저장소(2406)는 하드디스크 드라이브(hard disk drive: HDD), 플로피 디스크 드라이브, 플래시 메모리, 광디스크, 광자기 디스크(magneto-optical disc), 자기 테이프, 범용 직렬 버스(Universal Serial Bus: USB) 드라이브, 또는 이들 중 둘 이상의 조합을 포함할 수 있다. 상기 저장소(2406)는, 적절한 경우, 이동식(removable) 또는 비이동식(또는 고정식) 매체를 포함할 수 있다. 상기 저장소(2406)는, 적절한 경우, 상기 컴퓨터 시스템(2400)의 내부 또는 외부에 있을 수 있다. 특정 실시예들에서, 상기 저장소(2406)는 비휘발성 고체 상태 메모리이다.
특정 실시예들에서, 상기 저장소(2406)는 읽기 전용 메모리(read-only memory: ROM)를 포함한다. 적절한 경우, 이 ROM은 마스크-프로그램된(mask-programmed) ROM, 프로그램가능 ROM(programmable ROM: PROM), 소거가능 PROM(erasable PROM: EPROM), 전기적 소거가능 PROM(electrically erasable PROM: EEPROM), 전기적 소거-재기록가능 ROM(electrically alterable ROM: EAROM), 플래시 메모리, 또는 이들 중 둘 이상의 조합일 수 있다.
본 개시는 어떤 적절한 물리적 형태든지 취하는 대용량 저장소(2406)를 고려하고 있다. 상기 저장소(2406)는, 적절한 경우, 상기 프로세서(2402)와 상기 저장소(2406) 간의 통신을 용이하게 하는 하나 이상의 저장 제어 장치들(storage control units)을 포함할 수 있다. 적절한 경우, 상기 저장소(2406)는 하나 이상의 저장소들(2406)을 포함할 수 있다. 본 개시가 특정 저장소를 설명 및 예시하고 있지만, 본 개시는 어떤 적절한 저장소든지 고려하고 있다.
특정 실시예들에서, 상기 I/O 인터페이스(2408)는 상기 컴퓨터 시스템(2400)과 하나 이상의 I/O 장치들 간의 통신을 위한 하나 이상의 인터페이스들을 제공하는 하드웨어, 소프트웨어, 또는 이 둘 모두를 포함한다. 상기 컴퓨터 시스템(2400)은, 적절한 경우, 이러한 I/O 장치들 중 하나 이상을 포함할 수 있다. 이러한 I/O 장치들 중 하나 이상은 사람과 상기 컴퓨터 시스템(2400) 간의 통신을 가능하게 할 수 있다. 제한으로서가 아니라 예로서, I/O 장치는 키보드, 키패드, 마이크, 모니터, 마우스, 프린터, 스캐너, 스피커, 스틸 카메라, 스타일러스(stylus), 태블릿, 터치 스크린, 트랙볼, 비디오 카메라, 다른 적절한 I/O 장치, 또는 이들 중 둘 이상의 조합을 포함할 수 있다. I/O 장치는 하나 이상의 센서들을 포함할 수 있다.
본 개시는 어떤 적절한 I/O 장치들 및 이들을 위한 어떤 적절한 I/O 인터페이스들(2408)이든지 고려하고 있다. 적절한 경우, 상기 I/O 인터페이스(2408)는 상기 프로세서(2402)가 이러한 I/O 장치들 중 하나 이상을 구동시키도록 할 수 있는 하나 이상의 장치들 또는 소프트웨어 드라이버들을 포함할 수 있다. 상기 I/O 인터페이스(2408)는, 적절한 경우, 하나 이상의 I/O 인터페이스들(2408)을 포함할 수 있다. 본 개시가 특정한 I/O 인터페이스를 설명 및 예시하고 있지만, 본 개시는 어떤 적절한 I/O 인터페이스든지 고려하고 있다.
특정 실시예들에서, 상기 통신 인터페이스(2410)는 상기 컴퓨터 시스템(2400)과 하나 이상의 다른 컴퓨터 시스템들(2400) 또는 하나 이상의 네트워크들 간의 통신(예를 들면, 패킷(packet) 기반 통신)을 위한 하나 이상의 인터페이스들을 제공하는 하드웨어, 소프트웨어, 또는 이 둘 모두를 포함한다.
제한으로서가 아니라 예로서, 상기 통신 인터페이스(2410)는 이더넷 또는 기타 유선 기반 네트워크와 통신하기 위한 네트워크 인터페이스 제어기(network interface controller: NIC) 또는 네트워크 어댑터, 또는 WI-FI 네트워크와 같은 무선 네트워크와 통신하기 위한 무선 NIC(wireless NIC: WNIC) 또는 무선 어댑터를 포함할 수 있다. 본 개시는 어떤 적절한 네트워크 및 이를 위한 어떤 적절한 통신 인터페이스(2410)든지 고려하고 있다.
제한으로서가 아니라 예로서, 상기 컴퓨터 시스템(2400)은 애드혹 네트워크, 개인 영역 네트워크(PAN), 로컬 영역 네트워크(LAN), 광역 네트워크(WAN), 도시권 네트워크(MAN), 인터넷의 하나 이상의 부분들, 또는 이들 중 둘 이상의 조합과 통신할 수 있다. 이 네트워크들 중 하나 이상의 하나 이상 부분들은 유선 또는 무선일 수 있다. 일 예로, 상기 컴퓨터 시스템(2400)은 무선 PAN(WPAN)(예를 들면, 블루투스 WPAN), WI-FI 네트워크, WI-MAX 네트워크, 셀룰러 전화 네트워크(예를 들면, GSM 네트워크), 기타 적절한 무선 네트워크, 또는 이들 중 둘 이상의 조합과 통신할 수 있다. 상기 컴퓨터 시스템(2400)은, 적절한 경우, 이 네트워크들 중 어떤 것을 위한 어떤 적절한 통신 인터페이스(2410)든지 포함할 수 있다. 상기 통신 인터페이스(2410)는, 적절한 경우, 하나 이상의 통신 인터페이스들(2410)을 포함할 수 있다. 본 개시가 특정한 통신 인터페이스를 설명 및 예시하고 있지만, 본 개시는 어떤 적절한 통신 인터페이스든지 고려하고 있다.
특정 실시예들에서, 상기 버스(2412)는 상기 컴퓨터 시스템(2400)의 구성요소들을 서로 결합시키는 하드웨어, 소프트웨어, 또는 이 둘 모두를 포함한다. 제한으로서가 아니라 예로서, 상기 버스(2412)는 가속 그래픽 포트(Accelerated Graphics Port: AGP) 또는 기타 그래픽 버스, 향상된 산업 표준 아키텍처(Enhanced Industry Standard Architecture: EISA) 버스, 프론트-사이드 버스(front-side bus: FSB), 하이퍼트랜스포트(HYPERTRANSPORT: HT) 인터커넥트, 산업 표준 아키텍처(Industry Standard Architecture: ISA) 버스, 인피니밴드(INFINIBAND) 인터커넥트, 로우-핀-카운트(low-pin-count: LPC) 버스, 메모리 버스, 마이크로 채널 아키텍처(Micro Channel Architecture: MCA) 버스, 주변 장치 인터커넥트(Peripheral Component Interconnect: PCI) 버스, PCI-익스프레스(PCI-Express: PCIe) 버스, 직렬 고급 기술 결합(serial advanced technology attachment: SATA) 버스, 비디오 전자공학 표준 협회 로컬 버스(Video Electronics Standards Association local bus: VLB), 다른 적절한 버스, 또는 이들 중 둘 이상의 조합을 포함할 수 있다. 상기 버스(2412)는, 적절한 경우, 하나 이상의 버스들(2412)을 포함할 수 있다. 본 개시가 특정한 버스를 설명 및 예시하고 있지만, 본 개시는 어떤 적절한 버스 또는 인터커넥트든지 고려하고 있다.
본 명세서에서, 컴퓨터 판독가능 비일시적 저장 매체 또는 매체들은, 적절한 경우, 하나 이상의 반도체-기반 또는 다른 집적 회로들(integrated circuits: ICs)(예를 들면, 필드 프로그램가능 게이트 어레이들(field-programmable gate arrays: FPGAs) 또는 애플리케이션 특정적 IC들(application-specific ICs: ASICs), 하드디스크 드라이브들(HDDs), 하이브리드 하드 드라이브들(hybrid hard drives: HHDs), 광디스크들, 광디스크 드라이브들(optical disc drives: ODDs), 광자기 디스크들, 광자기 드라이브들, 플로피 디스켓들, 플로피 디스크 드라이브들(floppy disk drives: FDDs), 자기 테이프들, 고체 상태 드라이브들(solid-state drives: SSDs), RAM 드라이브들, 시큐어 디지털(SECURE DIGITAL) 카드들 또는 드라이브들, 다른 어떤 적절한 컴퓨터 판독가능 비일시적 저장 매체들, 또는 이들 중 둘 이상의 어떤 적절한 조합을 포함할 수 있다. 컴퓨터 판독가능 비일시적 저장 매체는, 적절한 경우, 휘발성, 비휘발성, 또는 휘발성 및 비휘발성의 조합일 수 있다.
기타 사항들(Miscellaneous)
본 명세서에서, 명백히 달리 표시되거나 문맥상 달리 표시되지 않는 한, "또는(or)"은 포괄적(inclusive)이며 배타적(exclusive)이지 않다. 그러므로, 본 명세서에서, 명백히 달리 표시되거나 문맥상 달리 표시되지 않는 한, "A 또는 B"는 A, B, 또는 둘 모두를 의미한다. 또한, 명백히 달리 표시되거나 문맥상 달리 표시되지 않는 한, "및(그리고)(and)"은 공동적(joint)인 동시에 개별적(several)이다. 그러므로, 명백히 달리 표시되거나 문맥상 달리 표시되지 않는 한, "A 및 B"는 "A 및 B, 공동으로 또는 개별적으로"를 의미한다.
본 개시의 범위는, 본 개시가 속하는 기술분야의 통상의 지식을 가진 자가 이해할 수 있는, 본 명세서에 설명 및 예시된 예시적 실시예들에 대한 모든 변경들, 대체들, 변동들, 변화들, 및 변형들을 포함한다. 본 개시의 범위는 본 명세서에 설명 및 예시된 예시적 실시예들에 제한되지 않는다. 또한, 본 개시가 본 명세서에서 각각의 실시예들이 특정한 구성요소들, 요소들, 특징들, 기능들, 동작들, 또는 단계들을 포함하는 것으로 설명 및 예시하고 있지만, 이 실시예들 중 어떤 것이든, 본 개시가 속하는 기술분야의 통상의 지식을 가진 자가 이해할 수 있는, 본 명세서에 어디서든 설명 또는 예시된 상기 구성요소들, 요소들, 특징들, 기능들, 동작들, 또는 단계들 중 어떤 것들의 어떤 조합(combination) 또는 순열(permutation)도 포함할 수 있다.
나아가, 첨부된 청구항들에서 기기(apparatus) 또는 시스템 또는 기기나 시스템의 구성요소가 특정 기능을 수행하도록 적응되거나(adapted to), 배치되거나(arranged to), 가능하거나(capable of), 구성되거나(configured to), 가능화되거나(enabled to), 작동 가능하거나(operable to), 또는 작동적(operative to)이라고 언급하는 것은, 해당 기기, 시스템, 또는 구성요소가 그렇게 적응되거나, 배치되거나, 가능하거나, 구성되거나, 가능화되거나, 작동 가능하거나, 또는 작동적인 한, 해당 기기, 시스템, 구성요소, 이들 또는 해당 특정 기능이 활성화되는지, 켜지는지, 또는 잠금 해제되는지 여부를 포괄한다. 또한, 본 개시가 특정 실시예들이 특정 이점들을 제공하는 것으로 설명 또는 예시하고 있지만, 특정 실시예들은 이러한 이점들 중 모두 또는 일부를 제공하거나 아무런 이점도 제공하지 않을 수 있다.
Claims (15)
- 하나 이상의 생물학적 측정치들(biological measurements)에 기반하여 사용자의 건강 특성을 모니터링하는 방법에 있어서,
복수의 상황들(contexts)로부터 상황을 선택하되, 각 상황은 기준 건강값(baseline health value)에 상응하고 복수의 기록된 이벤트들에 의해 정의되며, 상기 복수의 기록된 이벤트들 각각은 반복되는 생물학적 상태들, 반복되는 사용자 활동, 또는 상기 사용자의 시공간 좌표 중 하나 이상을 포함하는 것인, 단계; 및
상기 선택된 상황에 상응하는 상기 기준 건강값과 비교되는 하나 이상의 생체감지 측정치들(bio-sensing measurements)에 기반하여 상기 사용자의 상기 건강 특성을 모니터링하는 단계를 포함하는 방법. - 제1 항에 있어서, 상기 생체감지 측정치들은 상기 사용자의 전자 장치의 하나 이상의 센서들로부터 수신된 하나 이상의 건강 측정치들 및 하나 이상의 상황 측정치들을 포함하는 방법.
- 제2 항에 있어서, 상기 복수의 상황들로부터 상기 상황을 선택하는 단계는 상기 수신된 상황 측정치들 중 하나 이상에 기반하여 상기 상황을 선택하는 단계를 포함하는 방법.
- 제3 항에 있어서, 상기 상황은 상기 사용자의 상기 전자 장치에 의해 자동적으로 선택되는 방법.
- 제2 항에 있어서, 상기 사용자의 상기 건강 특성을 모니터링하는 단계는:
상기 수신된 건강 측정치들 중 하나 이상에 기반하여 상기 건강 특성을 결정하는 단계; 및
상기 건강 특성을 상기 선택된 상황에 상응하는 상기 건강 기준값과 비교하는 단계를 더 포함하는 방법. - 제2 항에 있어서, 상기 복수의 상황들 중 하나의 상황에 상응하는 각각의 기준 건강값은 사용자 특정적인(user-specific) 방법.
- 제2 항에 있어서, 상기 건강 특성은 상기 사용자의 추정된 스트레스 레벨에 상응하는 방법.
- 제7 항에 있어서, 상기 건강 기준값은 상기 복수의 상황들의 각 상황에 상응하는 상기 사용자의 기준 스트레스 레벨에 상응하는 방법.
- 제2 항에 있어서,
상기 생체감지 측정치들에 기반하여 상기 사용자의 반복되는 생물학적 상태들 또는 반복되는 활동의 패턴을 식별함으로써 제1 상황(first context)을 생성하는 단계; 및
상기 제1 상황과 연관된 기준 건강값을 결정하는 단계를 더 포함하는 방법. - 제9 항에 있어서, 상기 사용자의 상기 전자 장치는 상기 식별된 패턴에 기반하여 상기 제1 상황을 자동적으로 생성하는 방법.
- 제9 항에 있어서, 상기 사용자의 상기 전자 장치는 상기 생체감지 측정치들에 기반하여 상기 복수의 상황들과 상이한 하나 이상의 새로운 상황들을 자동적으로 검출하는 방법.
- 제2 항에 있어서, 상기 건강 특성은 상기 사용자의 상기 전자 장치에 또는 상기 전자 장치와 연관된 다른 장치에 저장되는 방법.
- 제1 항에 있어서,
제1 레벨에 있는 상기 사용자의 상기 건강 특성에 상응하는 제1 이벤트를 검출하는 단계;
상기 제1 레벨과 상이한 제2 레벨에 있는 상기 사용자의 상기 건강 특성에 상응하는 제2 이벤트를 검출하는 단계; 및
상기 제1 이벤트와 상기 제2 이벤트 사이의 시간량을 결정하되, 상기 시간량은 상기 사용자와 연관된 건강 탄력성 측정치(health-resiliency measurement)에 상응하는 방법. - 하나 이상의 생물학적 측정치들에 기반하여 사용자의 건강 특성을 모니터링하기 위한 소프트웨어를 포함하는 하나 이상의 컴퓨터 판독가능 저장 매체에 있어서, 상기 소프트웨어는 실행 시:
복수의 상황들로부터 상황을 선택하되, 각 상황은 기준 건강값에 상응하고 복수의 기록된 이벤트들에 의해 정의되며, 상기 복수의 기록된 이벤트들 각각은 반복되는 생물학적 상태들, 반복되는 사용자 활동, 또는 상기 사용자의 시공간 좌표 중 하나 이상을 포함하는 동작; 및
상기 선택된 상황에 상응하는 상기 기준 건강값과 비교되는 하나 이상의 생체감지 측정치들에 기반하여 상기 사용자의 상기 건강 특성을 모니터링하는 동작을 실행하는 하나 이상의 컴퓨터 판독가능 저장 매체. - 시스템에 있어서, 상기 시스템은
하나 이상의 프로세서들; 및
상기 프로세서들에 결합되고, 하나 이상의 생물학적 측정치들에 기반하여 사용자의 건강 특성을 모니터링하기 위해 상기 프로세서들에 의해 실행되는 명령어들을 포함하는 비일시적 메모리를 포함하고,
상기 프로세서들은 상기 명령어들을 실행할 때:
복수의 상황들로부터 상황을 선택하되, 각 상황은 기준 건강값에 상응하고 복수의 기록된 이벤트들에 의해 정의되며, 상기 복수의 기록된 이벤트들 각각은 반복되는 생물학적 상태들, 반복되는 사용자 활동, 또는 상기 사용자의 시공간 좌표 중 하나 이상을 포함하는 동작 및
상기 선택된 상황에 상응하는 상기 기준 건강값과 비교되는 하나 이상의 생체감지 측정치들에 기반하여 상기 사용자의 상기 건강 특성을 모니터링하는 동작을 실행하는 시스템.
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562193509P | 2015-07-16 | 2015-07-16 | |
| US201562202153P | 2015-08-06 | 2015-08-06 | |
| US201562202135P | 2015-08-06 | 2015-08-06 | |
| US201562202685P | 2015-08-07 | 2015-08-07 | |
| US15/183,472 | 2016-06-15 | ||
| US15/183,472 US10478131B2 (en) | 2015-07-16 | 2016-06-15 | Determining baseline contexts and stress coping capacity |
| PCT/KR2016/010836 WO2017217597A1 (en) | 2016-06-15 | 2016-09-28 | Determining baseline contexts and stress coping capacity |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190008992A true KR20190008992A (ko) | 2019-01-25 |
| KR102317685B1 KR102317685B1 (ko) | 2021-10-26 |
Family
ID=58256914
Family Applications (4)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197001237A KR102317685B1 (ko) | 2015-07-16 | 2016-09-28 | 기준 상황 및 스트레스 대처 능력의 결정 |
| KR1020197001236A KR102219913B1 (ko) | 2015-07-16 | 2016-09-28 | 내장된 알람 피로도 감소 특성을 이용한 지속적인 스트레스 측정 |
| KR1020197000940A KR102220228B1 (ko) | 2015-07-16 | 2016-09-28 | 자율신경 균형에 기반한 스트레스 검출 |
| KR1020187038153A KR102220229B1 (ko) | 2015-07-16 | 2016-09-28 | 잡음 존재 시 생체 측정 성능 개선 |
Family Applications After (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197001236A KR102219913B1 (ko) | 2015-07-16 | 2016-09-28 | 내장된 알람 피로도 감소 특성을 이용한 지속적인 스트레스 측정 |
| KR1020197000940A KR102220228B1 (ko) | 2015-07-16 | 2016-09-28 | 자율신경 균형에 기반한 스트레스 검출 |
| KR1020187038153A KR102220229B1 (ko) | 2015-07-16 | 2016-09-28 | 잡음 존재 시 생체 측정 성능 개선 |
Country Status (2)
| Country | Link |
|---|---|
| US (4) | US10390764B2 (ko) |
| KR (4) | KR102317685B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210034179A (ko) * | 2019-09-20 | 2021-03-30 | 백우민 | 센서 처리 정보 조합을 이용한 근무자 건강 상태 판단 시스템 |
Families Citing this family (80)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12080421B2 (en) | 2013-12-04 | 2024-09-03 | Apple Inc. | Wellness aggregator |
| US20160019360A1 (en) | 2013-12-04 | 2016-01-21 | Apple Inc. | Wellness aggregator |
| US11903680B2 (en) * | 2015-06-14 | 2024-02-20 | Facense Ltd. | Wearable-based health state verification for physical access authorization |
| WO2016201500A1 (en) | 2015-06-15 | 2016-12-22 | Medibio Limited | Method and system for monitoring stress conditions |
| EP3307165A4 (en) | 2015-06-15 | 2019-01-02 | Medibio Limited | Method and system for assessing mental state |
| JP6985005B2 (ja) * | 2015-10-14 | 2021-12-22 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 感情推定方法、感情推定装置、及び、プログラムを記録した記録媒体 |
| CN106856490A (zh) * | 2015-12-08 | 2017-06-16 | 阿里巴巴集团控股有限公司 | 一种基于场景提供服务的方法及设备 |
| CN205582205U (zh) * | 2016-03-02 | 2016-09-14 | 福州领头虎软件有限公司 | 人体状况及行为监控报警系统 |
| US20170251967A1 (en) * | 2016-03-04 | 2017-09-07 | FlourishiQ Inc. | System, apparatus and method for individualized stress management |
| CN109475742B (zh) * | 2016-07-06 | 2022-07-01 | 心脏起搏器股份公司 | 节能心音数据收集 |
| US20180025077A1 (en) * | 2016-07-20 | 2018-01-25 | International Business Machines Corporation | Providing perpetual media geo-synchronization |
| US10765831B1 (en) | 2016-09-23 | 2020-09-08 | NightWare, Inc. | Traumatic nightmare detection and intervention |
| US20180107984A1 (en) * | 2016-10-14 | 2018-04-19 | International Business Machines Corporation | Calendar managment to prevent stress |
| US20180116607A1 (en) * | 2016-10-28 | 2018-05-03 | Garmin Switzerland Gmbh | Wearable monitoring device |
| US11157880B2 (en) * | 2017-01-09 | 2021-10-26 | International Business Machines Corporation | Enforcement of services agreement and management of emotional state |
| WO2018147850A1 (en) * | 2017-02-09 | 2018-08-16 | Sony Mobile Communications Inc. | System and method for controlling notifications in an electronic device according to user status |
| US20180249939A1 (en) * | 2017-03-06 | 2018-09-06 | Intel Corporation | Stress detection and management system |
| US11694771B2 (en) * | 2017-03-22 | 2023-07-04 | Bragi GmbH | System and method for populating electronic health records with wireless earpieces |
| FI127893B (en) | 2017-04-28 | 2019-05-15 | Meru Health Oy | System and Method for Monitoring Personal Health and Method for the Treatment of Dysfunction Related to the Autonomic Nervous System |
| US10939834B2 (en) * | 2017-05-01 | 2021-03-09 | Samsung Electronics Company, Ltd. | Determining cardiovascular features using camera-based sensing |
| US10973423B2 (en) | 2017-05-05 | 2021-04-13 | Samsung Electronics Co., Ltd. | Determining health markers using portable devices |
| EP3403572A1 (en) | 2017-05-17 | 2018-11-21 | My-Vitality SàRL | Pulse wave diagnostic device and method of calculating and determining fatigue |
| US10945675B2 (en) | 2017-05-24 | 2021-03-16 | Samsung Electronics Co., Ltd. | Determining a health status for a user |
| WO2018231193A1 (en) * | 2017-06-12 | 2018-12-20 | Icahn School Of Medicine At Mount Sinai | Apparatus and method for calculating a pulse deficit value |
| US11382511B2 (en) * | 2017-07-27 | 2022-07-12 | Logicmark, Inc. | Method and system to reduce infrastructure costs with simplified indoor location and reliable communications |
| US11257573B2 (en) | 2017-08-16 | 2022-02-22 | Disney Enterprises, Inc. | System for adjusting an audio/visual device based on health and wellness data |
| CN111629661A (zh) * | 2017-09-01 | 2020-09-04 | Lvl科技股份有限公司 | 非侵入性饮水检测系统和设备 |
| US11723579B2 (en) | 2017-09-19 | 2023-08-15 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement |
| US10959624B2 (en) * | 2017-10-06 | 2021-03-30 | The Regents Of The University Of California | Methods of monitoring for hemodynamically significant heart rhythm disturbances and devices for practicing same |
| US11653845B2 (en) * | 2017-10-26 | 2023-05-23 | International Business Machines Corporation | Continuous physiological sensing in energy-constrained wearables |
| US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
| US11029834B2 (en) * | 2017-12-20 | 2021-06-08 | International Business Machines Corporation | Utilizing biometric feedback to allow users to scroll content into a viewable display area |
| EP3506314B1 (en) | 2017-12-29 | 2020-09-16 | Tata Consultancy Services Limited | Systems and methods for detecting anomaly in a cardiovascular signal using hierarchical extremas and repetitions |
| US11478603B2 (en) | 2017-12-31 | 2022-10-25 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
| EP3745958A1 (en) | 2018-02-02 | 2020-12-09 | Sony Corporation | Method and device for sensing physiological stress |
| JP2021517007A (ja) * | 2018-03-02 | 2021-07-15 | 日東電工株式会社 | 生理学的データを用いたストレス評価のためのデバイスおよび方法 |
| WO2019173283A1 (en) | 2018-03-05 | 2019-09-12 | Marquette University | Method and apparatus for non-invasive hemoglobin level prediction |
| DK180246B1 (en) | 2018-03-12 | 2020-09-11 | Apple Inc | User interfaces for health monitoring |
| US11331003B2 (en) * | 2018-03-27 | 2022-05-17 | Samsung Electronics Co., Ltd. | Context-aware respiration rate determination using an electronic device |
| US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
| US11707225B2 (en) | 2018-04-27 | 2023-07-25 | Samsung Electronics Co., Ltd. | Bio-sensing based monitoring of health |
| US11284834B1 (en) * | 2018-05-07 | 2022-03-29 | NightWare, Inc. | Systems and methods for automated stress monitoring and intervention |
| US11317833B2 (en) | 2018-05-07 | 2022-05-03 | Apple Inc. | Displaying user interfaces associated with physical activities |
| DK179992B1 (en) | 2018-05-07 | 2020-01-14 | Apple Inc. | DISPLAY OF USER INTERFACES ASSOCIATED WITH PHYSICAL ACTIVITIES |
| US10645017B2 (en) | 2018-05-09 | 2020-05-05 | Biosig Technologies, Inc. | Systems, apparatus, and methods for conveying biomedical signals between a patient and monitoring and treatment devices |
| JP7262006B2 (ja) * | 2018-05-30 | 2023-04-21 | パナソニックＩｐマネジメント株式会社 | ストレス評価装置、ストレス評価方法及びプログラム |
| EP3594962A1 (en) | 2018-07-11 | 2020-01-15 | Koninklijke Philips N.V. | Device, system and method for determining a stress level of a user |
| KR102043376B1 (ko) | 2018-08-16 | 2019-11-11 | 한국과학기술연구원 | 심층 신경망 알고리즘을 이용하는 실시간 스트레스 분석 방법 |
| US20210169415A1 (en) * | 2018-08-19 | 2021-06-10 | Sensority Ltd. | Machine classification of significant psychophysiological response |
| KR102190211B1 (ko) | 2018-08-23 | 2020-12-11 | 한국과학기술연구원 | 장기간 신경신호 획득 및 자극이 가능한 신경 탐침 구조체 |
| AU2019335010A1 (en) * | 2018-09-06 | 2021-04-08 | Vanderbilt University | Non-invasive venous waveform analysis for evaluating a subject |
| US11452839B2 (en) | 2018-09-14 | 2022-09-27 | Neuroenhancement Lab, LLC | System and method of improving sleep |
| KR20200120105A (ko) * | 2019-04-11 | 2020-10-21 | 삼성전자주식회사 | 전자 장치 및 그의 스트레스 해소를 위한 정보를 제공하는 방법 |
| DK201970532A1 (en) | 2019-05-06 | 2021-05-03 | Apple Inc | Activity trends and workouts |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
| US11209957B2 (en) | 2019-06-01 | 2021-12-28 | Apple Inc. | User interfaces for cycle tracking |
| US11234077B2 (en) | 2019-06-01 | 2022-01-25 | Apple Inc. | User interfaces for managing audio exposure |
| US11152100B2 (en) | 2019-06-01 | 2021-10-19 | Apple Inc. | Health application user interfaces |
| US11228835B2 (en) | 2019-06-01 | 2022-01-18 | Apple Inc. | User interfaces for managing audio exposure |
| US12002588B2 (en) | 2019-07-17 | 2024-06-04 | Apple Inc. | Health event logging and coaching user interfaces |
| EP4004702A1 (en) | 2019-09-09 | 2022-06-01 | Apple Inc. | Research study user interfaces |
| JP7279812B2 (ja) * | 2019-11-06 | 2023-05-23 | 日本電気株式会社 | ストレス推定装置、ストレス推定装置の作動方法、及び、プログラム |
| CN114830691A (zh) * | 2019-12-20 | 2022-07-29 | 大北欧听力公司 | 包括压力评估器的听力设备 |
| IL271771A (en) * | 2019-12-30 | 2021-06-30 | Minerva Goods Ltd | System and method for customizing functional food |
| KR20210094192A (ko) * | 2020-01-20 | 2021-07-29 | 삼성전자주식회사 | 사용자의 생체 정보를 획득하는 전자 장치 및 그 동작 방법 |
| DK181037B1 (en) | 2020-06-02 | 2022-10-10 | Apple Inc | User interfaces for health applications |
| US11698710B2 (en) | 2020-08-31 | 2023-07-11 | Apple Inc. | User interfaces for logging user activities |
| JP7255580B2 (ja) * | 2020-10-29 | 2023-04-11 | 株式会社村田製作所 | 心身調子表示装置、心身調子表示システム、心身調子表示方法、プログラムおよび記録媒体 |
| US20220199224A1 (en) * | 2020-12-21 | 2022-06-23 | International Business Machines Corporation | De-escalating situations |
| US11944436B2 (en) * | 2021-04-10 | 2024-04-02 | Koa Health Digital Solutions S. L. U. | Determining a stress level of a smartphone user based on the user's touch interactions and motion sensor data |
| KR102318215B1 (ko) | 2021-04-12 | 2021-10-27 | (주)이지템 | 가상 심박동 기기 및 그 기기의 구동 방법 |
| CN113112752B (zh) * | 2021-04-21 | 2022-04-08 | 青岛工程职业学院 | 一种智慧型居家养老智能看护系统及方法 |
| US20220361788A1 (en) * | 2021-05-11 | 2022-11-17 | Mahir Shah | System and method for measuring acute and chronic stress |
| KR102670475B1 (ko) | 2021-09-28 | 2024-05-28 | 연세대학교 산학협력단 | 정형외과 수술 중 의사의 실시간 스트레스를 분석 및 출력하기 위한 방법 및 장치 |
| US11311220B1 (en) * | 2021-10-11 | 2022-04-26 | King Abdulaziz University | Deep learning model-based identification of stress resilience using electroencephalograph (EEG) |
| US20230233123A1 (en) * | 2022-01-24 | 2023-07-27 | Samsung Electronics Co., Ltd. | Systems and methods to detect and characterize stress using physiological sensors |
| US11750736B1 (en) | 2022-02-14 | 2023-09-05 | International Business Machines Corporation | Detecting and preventing exploitative calls |
| WO2024096580A1 (ko) * | 2022-11-01 | 2024-05-10 | (주)포티파이 | 사용자 맞춤형 스트레스 케어 장치 및 방법 |
| CN116015296B (zh) * | 2022-12-02 | 2023-09-29 | 北京津发科技股份有限公司 | 一种基于多模态脑成像的信号采样系统 |
| TWI846538B (zh) * | 2023-07-11 | 2024-06-21 | 國立中央大學 | 抗壓性檢測系統、主機裝置、方法以及電腦可讀取儲存媒體 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110045658A (ko) * | 2009-10-27 | 2011-05-04 | 연세대학교 산학협력단 | 신체활동 측정 시스템, 그 측정방법, 이를 이용한 신체활동 및 응급상황 안내방법 |
| KR101107062B1 (ko) * | 2003-09-12 | 2012-01-25 | 보디미디어 인코퍼레이티드 | 체중 및 기타 생리 상태를 모니터링하고 반복적이고개별화된 플래닝, 중재 및 보고 기능을 포함하여 관리하기위한 시스템 |
| KR20120098365A (ko) * | 2011-02-28 | 2012-09-05 | 중앙대학교 산학협력단 | 스트레스 분석 장치 및 방법 |
| KR101308522B1 (ko) * | 2012-05-23 | 2013-09-17 | 부산대학교 산학협력단 | 다중 생체 신호를 이용한 실시간 혈압 모니터링 및 바이오피드백 시스템 및 방법 |
Family Cites Families (61)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3631155A1 (de) | 1986-09-12 | 1988-03-24 | Alt Eckhard | Frequenzvariabler herzschrittmacher mit belastungsadaequatem frequenzverhalten |
| US5891044A (en) | 1992-10-06 | 1999-04-06 | Gw Scientific, Inc. | Detection of abnormal and induction of normal heart rate variability |
| US5593431A (en) | 1995-03-30 | 1997-01-14 | Medtronic, Inc. | Medical service employing multiple DC accelerometers for patient activity and posture sensing and method |
| US5967994A (en) | 1998-03-26 | 1999-10-19 | Hewlett-Packard Company | Method and system for characterizing the quality of signals indicative of heart function |
| US7079888B2 (en) | 2002-04-11 | 2006-07-18 | Ansar, Inc. | Method and apparatus for monitoring the autonomic nervous system using non-stationary spectral analysis of heart rate and respiratory activity |
| US7532924B2 (en) * | 2003-09-22 | 2009-05-12 | Cardiac Pacemakers, Inc. | Cardiac rhythm management system with exercise test interface |
| US7474223B2 (en) | 2005-04-18 | 2009-01-06 | Warsaw Orthopedic, Inc. | Method and apparatus for implant identification |
| US20070021678A1 (en) | 2005-07-19 | 2007-01-25 | Cardiac Pacemakers, Inc. | Methods and apparatus for monitoring physiological responses to steady state activity |
| US8019622B2 (en) | 2005-10-24 | 2011-09-13 | CellTrak Technologies, Inc. | Home health point-of-care and administration system |
| KR20060031837A (ko) | 2006-03-24 | 2006-04-13 | 김명관 | 이동통신 단말기의 심박변동율을 이용한 바이오유니트 |
| KR100871565B1 (ko) | 2006-05-30 | 2008-12-02 | 삼성전자주식회사 | 동잡음 제거된 혈류량 신호 검출 장치 및 방법 |
| US8852093B2 (en) | 2006-08-31 | 2014-10-07 | Health Hero Network, Inc. | Home care logistics and quality assurance system |
| CN101616629A (zh) | 2006-08-31 | 2009-12-30 | 非线性医药有限公司 | 用于预测心律失常死亡的自动降噪系统 |
| KR101435680B1 (ko) | 2007-09-11 | 2014-09-02 | 삼성전자주식회사 | 다중 측정된 생체신호를 기반으로한 스트레스 분석방법 |
| US8125314B2 (en) | 2008-02-05 | 2012-02-28 | International Business Machines Corporation | Distinguishing between user physical exertion biometric feedback and user emotional interest in a media stream |
| US7988647B2 (en) | 2008-03-14 | 2011-08-02 | Bunn Frank E | Assessment of medical conditions by determining mobility |
| US20090287103A1 (en) | 2008-05-14 | 2009-11-19 | Pacesetter, Inc. | Systems and methods for monitoring patient activity and/or exercise and displaying information about the same |
| US8187182B2 (en) | 2008-08-29 | 2012-05-29 | Dp Technologies, Inc. | Sensor fusion for activity identification |
| US20100113889A1 (en) | 2008-10-30 | 2010-05-06 | Medtronic, Inc. | Cardiac risk stratification utilizing baroreflex sensitivity measurement |
| KR100954817B1 (ko) | 2009-03-13 | 2010-04-28 | (주)바이오센스크리에티브 | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 |
| US20120065480A1 (en) | 2009-03-18 | 2012-03-15 | Badilini Fabio F | Stress monitor system and method |
| US20100292545A1 (en) | 2009-05-14 | 2010-11-18 | Advanced Brain Monitoring, Inc. | Interactive psychophysiological profiler method and system |
| US8271072B2 (en) * | 2009-10-30 | 2012-09-18 | Medtronic, Inc. | Detecting worsening heart failure |
| AU2010338285B2 (en) | 2009-12-28 | 2014-01-16 | Gambro Lundia Ab | Monitoring a property of the cardiovascular system of a subject |
| US20150099987A1 (en) | 2010-06-07 | 2015-04-09 | Affectiva, Inc. | Heart rate variability evaluation for mental state analysis |
| US20120029300A1 (en) | 2010-07-27 | 2012-02-02 | Carefusion 303, Inc. | System and method for reducing false alarms and false negatives based on motion and position sensing |
| US9017256B2 (en) | 2010-09-22 | 2015-04-28 | Milieu Institute, Llc | System and method for physiological monitoring |
| US10004406B2 (en) | 2010-09-30 | 2018-06-26 | Fitbit, Inc. | Portable monitoring devices for processing applications and processing analysis of physiological conditions of a user associated with the portable monitoring device |
| US10131419B2 (en) | 2010-10-15 | 2018-11-20 | Goodrich Corporation | Systems and methods for detecting landing gear ground loads |
| US8428720B2 (en) | 2010-10-29 | 2013-04-23 | Medtronic, Inc. | Posture-induced changes to physiological parameters |
| US9173567B2 (en) | 2011-05-13 | 2015-11-03 | Fujitsu Limited | Triggering user queries based on sensor inputs |
| US8529447B2 (en) | 2011-05-13 | 2013-09-10 | Fujitsu Limited | Creating a personalized stress profile using renal doppler sonography |
| US8540629B2 (en) | 2011-05-13 | 2013-09-24 | Fujitsu Limited | Continuous monitoring of stress using a stress profile created by renal doppler sonography |
| US8617067B2 (en) | 2011-05-13 | 2013-12-31 | Fujitsu Limited | Continuous monitoring of stress using environmental data |
| US9189599B2 (en) | 2011-05-13 | 2015-11-17 | Fujitsu Limited | Calculating and monitoring a composite stress index |
| US8622901B2 (en) | 2011-05-13 | 2014-01-07 | Fujitsu Limited | Continuous monitoring of stress using accelerometer data |
| US20130194066A1 (en) | 2011-06-10 | 2013-08-01 | Aliphcom | Motion profile templates and movement languages for wearable devices |
| US8961185B2 (en) | 2011-08-19 | 2015-02-24 | Pulson, Inc. | System and method for reliably coordinating musculoskeletal and cardiovascular hemodynamics |
| FI124367B (fi) | 2011-11-11 | 2014-07-31 | Firstbeat Technologies Oy | Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi |
| US20150119728A1 (en) | 2011-12-02 | 2015-04-30 | Fitlinxx, Inc. | Health monitor |
| CN104203088B (zh) | 2012-01-16 | 2017-09-22 | 瓦伦赛尔公司 | 利用惯性频率减少生理指标误差 |
| EP2626005A1 (de) | 2012-02-08 | 2013-08-14 | PULSE7 GmbH | Verfahren zur Bestimmung des physischen und/oder psychischen Zustands eines Probanden anhand einer Analyse seiner Herzratenvariabilität |
| US8914500B1 (en) | 2012-05-21 | 2014-12-16 | Google Inc. | Creating a classifier model to determine whether a network user should be added to a list |
| WO2014022586A1 (en) | 2012-08-03 | 2014-02-06 | Arizona Board Of Regents, A Body Corporate Of The State Of Arizona, Acting For And On Behalf Of Arizona State University | System and method for stress sensing |
| EP2892421A1 (en) | 2012-09-04 | 2015-07-15 | Whoop, Inc. | Systems, devices and methods for continuous heart rate monitoring and interpretation |
| US20140085050A1 (en) | 2012-09-25 | 2014-03-27 | Aliphcom | Validation of biometric identification used to authenticate identity of a user of wearable sensors |
| JP2014132934A (ja) | 2013-01-08 | 2014-07-24 | Seiko Instruments Inc | 計測装置および計測方法 |
| US9301695B2 (en) | 2013-01-18 | 2016-04-05 | Fujitsu Limited | Stress model based on RR integral average |
| WO2014125159A1 (en) | 2013-02-14 | 2014-08-21 | Polar Electro Oy | Improvements in heart activity monitoring during physical exercise |
| US9357922B2 (en) | 2013-03-04 | 2016-06-07 | Hello Inc. | User or patient monitoring systems with one or more analysis tools |
| KR20170066702A (ko) | 2013-05-31 | 2017-06-14 | 나이키 이노베이트 씨.브이. | 동적 샘플링 |
| US20140371608A1 (en) | 2013-06-13 | 2014-12-18 | Dyansys, Inc. | Stimulative electrotherapy using autonomic nervous system control |
| US9421420B2 (en) | 2013-08-23 | 2016-08-23 | Futurewei Technologies, Inc. | Wellness/exercise management method and system by wellness/exercise mode based on context-awareness platform on smartphone |
| US10321829B2 (en) | 2013-12-30 | 2019-06-18 | JouZen Oy | Measuring chronic stress |
| US20150206053A1 (en) * | 2014-01-21 | 2015-07-23 | Samsung Electronics Co., Ltd. | Computing system with comprehensive sensor mechanism and method of operation thereof |
| US8941500B1 (en) * | 2014-01-23 | 2015-01-27 | Google Inc. | Somatosensory type notification alerts |
| EP2904964B1 (fr) | 2014-02-11 | 2019-10-02 | Sorin CRM SAS | Ensemble avec dispositif médical à stimulation kinesthésique pour l'évaluation non invasive de l'équilibre sympathovagal d'un patient. |
| EP3076865B1 (en) | 2014-03-17 | 2017-05-10 | Koninklijke Philips N.V. | Heart rate monitor device |
| US20150374310A1 (en) | 2014-06-26 | 2015-12-31 | Salutron, Inc. | Intelligent Sampling Of Heart Rate |
| US10492464B2 (en) | 2014-07-15 | 2019-12-03 | Lely Patent N.V. | Livestock farming system |
| KR20170126521A (ko) | 2014-11-27 | 2017-11-17 | 인텔 코포레이션 | 착용가능한 개인용 컴퓨터 및 건강관리 디바이스 |
-
2016
- 2016-06-15 US US15/183,484 patent/US10390764B2/en active Active
- 2016-06-15 US US15/183,479 patent/US10456088B2/en active Active
- 2016-06-15 US US15/183,481 patent/US10231673B2/en active Active
- 2016-06-15 US US15/183,472 patent/US10478131B2/en active Active
- 2016-09-28 KR KR1020197001237A patent/KR102317685B1/ko active IP Right Grant
- 2016-09-28 KR KR1020197001236A patent/KR102219913B1/ko active IP Right Grant
- 2016-09-28 KR KR1020197000940A patent/KR102220228B1/ko active IP Right Grant
- 2016-09-28 KR KR1020187038153A patent/KR102220229B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101107062B1 (ko) * | 2003-09-12 | 2012-01-25 | 보디미디어 인코퍼레이티드 | 체중 및 기타 생리 상태를 모니터링하고 반복적이고개별화된 플래닝, 중재 및 보고 기능을 포함하여 관리하기위한 시스템 |
| KR20110045658A (ko) * | 2009-10-27 | 2011-05-04 | 연세대학교 산학협력단 | 신체활동 측정 시스템, 그 측정방법, 이를 이용한 신체활동 및 응급상황 안내방법 |
| KR20120098365A (ko) * | 2011-02-28 | 2012-09-05 | 중앙대학교 산학협력단 | 스트레스 분석 장치 및 방법 |
| KR101308522B1 (ko) * | 2012-05-23 | 2013-09-17 | 부산대학교 산학협력단 | 다중 생체 신호를 이용한 실시간 혈압 모니터링 및 바이오피드백 시스템 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210034179A (ko) * | 2019-09-20 | 2021-03-30 | 백우민 | 센서 처리 정보 조합을 이용한 근무자 건강 상태 판단 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190008426A (ko) | 2019-01-23 |
| US20170071537A1 (en) | 2017-03-16 |
| KR102317685B1 (ko) | 2021-10-26 |
| KR20190008991A (ko) | 2019-01-25 |
| US20170071551A1 (en) | 2017-03-16 |
| US10231673B2 (en) | 2019-03-19 |
| US20170071523A1 (en) | 2017-03-16 |
| US20170071546A1 (en) | 2017-03-16 |
| KR102220228B1 (ko) | 2021-02-25 |
| KR20190002762A (ko) | 2019-01-08 |
| KR102220229B1 (ko) | 2021-02-25 |
| US10390764B2 (en) | 2019-08-27 |
| US10478131B2 (en) | 2019-11-19 |
| US10456088B2 (en) | 2019-10-29 |
| KR102219913B1 (ko) | 2021-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102317685B1 (ko) | 기준 상황 및 스트레스 대처 능력의 결정 | |
| EP3419519B1 (en) | Improving performance of biological measurements in the presence of noise | |
| US10426359B2 (en) | Methods and systems for arrhythmia tracking and scoring | |
| US9655532B2 (en) | Wearable physiological monitoring and notification system based on real-time heart rate variability analysis | |
| EP3407781B1 (en) | Sensor-based detection of changes in health and ventilation thresholds | |
| US9968288B2 (en) | Systems and methods for predicting seizures | |
| WO2021052362A1 (zh) | 数据显示方法及电子设备 | |
| CA2747057A1 (en) | Method and apparatus for determining heart rate variability using wavelet transformation | |
| JPWO2018105447A1 (ja) | 接触状態推定装置及び生体信号測定装置 | |
| Rader et al. | The slow evolution of blood pressure monitoring: but wait, not so fast! | |
| EP3439537B1 (en) | Determining baseline contexts and stress coping capacity | |
| EP3419502B1 (en) | Stress detection based on sympathovagal balance | |
| EP3426131B1 (en) | Continuous stress measurement with built-in alarm fatigue reduction features | |
| US20240057925A1 (en) | Health Monitoring and Management System Using Ectopic Beats as Early Cardiac Health Marker | |
| Orhan et al. | Heart rate detection on single-arm ECG by using dual-median approach | |
| US20210052229A1 (en) | Systems and methods to detect cardiac events | |
| US20240245307A1 (en) | Multi-sensor upper arm band for physiological measurements and algorithms to predict glycemic events | |
| US20230337924A1 (en) | State information determination method and device, control method and device | |
| Kher et al. | RPCA-based detection and quantification of motion artifacts in ECG signals | |
| Forouzanfar | Application of Mobile Phone-Based ECG, Heart-Rate and Physical Activity Monitor for Heart Failure Management |
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 |