KR20190019397A - 개인 맞춤형 건강 관리 시스템 및 방법 - Google Patents
개인 맞춤형 건강 관리 시스템 및 방법 Download PDFInfo
- Publication number
- KR20190019397A KR20190019397A KR1020170104230A KR20170104230A KR20190019397A KR 20190019397 A KR20190019397 A KR 20190019397A KR 1020170104230 A KR1020170104230 A KR 1020170104230A KR 20170104230 A KR20170104230 A KR 20170104230A KR 20190019397 A KR20190019397 A KR 20190019397A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- user
- bio
- collecting
- health management
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
-
- 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
- A61B5/4869—Determining body composition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Abstract
개인 맞춤형 건강 관리 시스템이 제공된다. 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템은, 사용자의 신체 정보를 획득하는 신체 정보 획득부; 상기 사용자의 생체 신호를 수집하는 생체 신호 수집부; 상기 신체 정보 및 생체 신호를 딥러닝 신경망에 입력하여 상기 사용자에게 적합한 맞춤형 건강 관리 정보를 생성하는 정보 생성부; 및 상기 건강 관리 정보를 상기 사용자에게 제공하는 정보 제공부를 포함한다.
Description
본 발명은 개인 맞춤형 건강 관리 시스템 및 방법에 관한 것이다.
사용자의 건강 상태를 무구속적으로 실시간 모니터링하여 의사나 간호사가 계속하여 관찰하다가 이상 소견이 발견되었을 때 특정 조치를 취하는 것은 현실적으로 불가능하다. 또한, 치료 가이드라인을 미리 입력하여 컴퓨터가 자동으로 판단하게 하는 방식을 이용할 수 있으나, 매우 단순한 상황에서만 제한적으로 활용될 수 밖에 없다.
현재, 개인 맞춤형 접근 또는 인체 생리 모델 기반 예측 시스템 적용 등은 미비한 상태이며, 또한, 개인의 개별차이 또는 개인의 일상적 변화에 기반한 기준 및 자료는 거의 전무한 상태이다.
이에, 일반인들이 쉽게 비침습적 또는 제한적인 침습적 검사를 통해 취득되는 개인의 맞춤형 생리기능 자료를 관리하고 기능을 제시할 수 있고, 특정 시점 기반이 아닌 개인의 일생의 건강을 전반적으로 관리할 수 있는 시스템이 필요하다.
본 발명은 상기 문제점을 해결하기 위한 것으로, 각 개인의 생체신호를 측정하고, 이를 수집하여 데이터베이스를 구축하고, 데이터베이스의 정보 등을 기초로 딥러닝을 이용하여 개인 맞춤형 건강 관리 정보를 생성하여 이를 각 개인에게 제공하는 개인 맞춤형 건강 관리 시스템 및 방법을 제공한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위한 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템은, 사용자의 신체 정보를 획득하는 신체 정보 획득부; 상기 사용자의 생체 신호를 수집하는 생체 신호 수집부; 상기 신체 정보 및 생체 신호를 딥러닝 신경망에 입력하여 상기 사용자에게 적합한 맞춤형 건강 관리 정보를 생성하는 정보 생성부; 및 상기 건강 관리 정보를 상기 사용자에게 제공하는 정보 제공부를 포함한다.
또한, 상기 신체 정보 획득부는, 상기 사용자의 성별, 신장, 체중, 체성분을 포함하는 기본 신체 정보와, 상기 사용자의 이동 거리, 소모 칼로리를 포함하는 신체 운동 정보와, 상기 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등 일상 생활에 관련된 설문 정보를 획득할 수 있다.
또한, 상기 생체 신호 수집부는, 상기 사용자의 심박출량, HRV, 호흡빈도, ROM, COP를 수집할 수 있다.
또한, 상기 정보 생성부는, 상기 신체 운동 정보에 양의 가중치를 부여하며, 상기 설문 정보에 음의 가중치를 부여하여, 상기 사용자의 식단 정보 및 운동 정보를 포함하는 맞춤형 건강 관리 정보를 생성할 수 있다.
그리고, 상기 정보 제공부는, 상기 사용자의 현재 상태를 나타내는 사람 형상으로 시각화한 아바타를 제공할 수 있다.
또한, 상기 생체 신호 수집부는, 상기 심박출량 및 HRV는 바이오 임피던스 분석을 통해 수집할 수 있다.
또한, 상기 생체 신호 수집부는, 상기 호흡 빈도는 호흡 분석을 통해 수집할 수 있다.
또한, 상기 생체 신호 수집부는, 상기 ROM은 스트레치 센서 는 포텐셜 미터(potentiometer)를 이용하여 수집할 수 있다.
또한, 상기 생체 신호 수집부는, 상기 COP는 FSR(Force Sensing Resistor) 또는 로드셀(Load Cell) 을 이용하여 수집할 수 있다.
또한, 상기 생체 신호 수집부는, 한 주기의 ECG 신호에서 두 R 피크 포인트 간의 간격(IBI, Inter-Beat Interval)들을 보간하여 IIBI(Interpolated Inter-Beat Interval)를 산출하고, 이를 RRn-1 및 RRn의 그래프에 표시하여 상기 HRV를 도출할 수 있다.
그리고, 상기 생체 신호 수집부는, 호흡신호로부터 단위 시간당 소정의 값 이상의 진폭을 갖는 피크(peak)가 몇 개 있는지를 셈으로써 호흡빈도를 측정할 수 있다.
상기 과제를 달성하기 위한 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 방법은, 사용자의 신체 정보를 획득하는 단계; 상기 사용자의 생체 신호를 수집하는 단계; 상기 신체 정보 및 생체 신호를 딥러닝 신경망에 입력하여 상기 사용자에게 적합한 맞춤형 건강 관리 정보를 생성하는 단계; 및 상기 건강 관리 정보를 상기 사용자에게 제공하는 단계를 포함한다.
또한, 상기 신체 정보를 획득하는 단계는, 상기 사용자의 성별, 신장, 체중, 체성분을 포함하는 기본 신체 정보와, 상기 사용자의 이동 거리, 소모 칼로리를 포함하는 신체 운동 정보와, 상기 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등 일상 생활에 관련된 설문 정보를 획득하는 단계를 포함할 수 있다.
또한, 상기 생체 신호를 수집하는 단계는, 상기 사용자의 심박출량, HRV, 호흡빈도, ROM, COP를 수집하는 단계를 포함할 수 있다.
또한, 상기 맞춤형 건강 관리 정보를 생성하는 단계는, 상기 신체 운동 정보에 양의 가중치를 부여하며, 상기 설문 정보에 음의 가중치를 부여하여, 상기 사용자의 식단 정보 및 운동 정보를 포함하는 맞춤형 건강 관리 정보를 생성하는 단계를 포함할 수 있다.
또한, 상기 사용자에게 제공하는 단계는, 상기 사용자의 현재 상태를 나타내는 사람 형상으로 시각화한 아바타를 제공하는 단계를 포함할 수 있다.
또한, 상기 생체 신호를 수집하는 단계는, 상기 심박출량 및 HRV는 바이오 임피던스 분석을 통해 수집하는 단계를 포함할 수 있다.
또한, 상기 생체 신호를 수집하는 단계는, 상기 호흡 빈도는 호흡 분석을 통해 수집하는 단계를 포함할 수 있다.
또한, 상기 생체 신호를 수집하는 단계는, 상기 ROM은 스트레치 센서 는 포텐셜 미터(potentiometer)를 이용하여 수집하는 단계를 포함할 수 있다.
또한, 상기 생체 신호를 수집하는 단계는, 상기 COP는 FSR(Force Sensing Resistor) 또는 로드셀(Load Cell) 을 이용하여 수집하는 단계를 포함할 수 있다.
또한, 상기 생체 신호를 수집하는 단계는, 한 주기의 ECG 신호에서 두 R 피크 포인트 간의 간격(IBI, Inter-Beat Interval)들을 보간하여 IIBI(Interpolated Inter-Beat Interval)를 산출하고, 이를 RRn-1 및 RRn의 그래프에 표시하여 상기 HRV를 도출하는 단계를 포함할 수 있다.
그리고, 상기 생체 신호를 수집하는 단계는, 호흡신호로부터 단위 시간당 소정의 값 이상의 진폭을 갖는 피크(peak)가 몇 개 있는지를 셈으로써 호흡빈도를 측정하는 단계를 포함할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명에 따르면, 각 개인의 생체신호를 측정하고, 이를 수집하여 데이터베이스를 구축하고, 데이터베이스의 정보 등을 기초로 딥러닝을 이용하여 개인 맞춤형 건강 관리 정보를 생성하여 이를 각 개인에게 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템이 적용될 수 있는 네트워크 구성을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템의 구성을 도시한 도면이다.
도 3은 바이오 임피던스 신호의 처리 방법을 설명하기 위한 도면이다.
도 4는 도 3을 이용하여 심박 변이도(HRV)를 도시한 도면이다.
도 5는 바이오 임피던스 신호의 미분 최대값을 설명하기 위한 도면이다.
도 6은 딥러닝 신경망을 설명하기 위한 도면이다.
도 7은 딥러닝 신경망을 적용한 개인 건강 관리 결과값을 도시한 도면이다.
도 8은 사용자에게 제공되는 BMI 지수에 따른 아바타 형상을 예시한 도면이다.
도 9는 생애주기에 따른 건강 관리의 개인목표를 예시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 사용자 단말의 구성을 도시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 방법의 순서를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템의 구성을 도시한 도면이다.
도 3은 바이오 임피던스 신호의 처리 방법을 설명하기 위한 도면이다.
도 4는 도 3을 이용하여 심박 변이도(HRV)를 도시한 도면이다.
도 5는 바이오 임피던스 신호의 미분 최대값을 설명하기 위한 도면이다.
도 6은 딥러닝 신경망을 설명하기 위한 도면이다.
도 7은 딥러닝 신경망을 적용한 개인 건강 관리 결과값을 도시한 도면이다.
도 8은 사용자에게 제공되는 BMI 지수에 따른 아바타 형상을 예시한 도면이다.
도 9는 생애주기에 따른 건강 관리의 개인목표를 예시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 사용자 단말의 구성을 도시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 방법의 순서를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
비록 제1, 제2 등이 다양한 소자, 구성요소 및/또는 섹션들을 서술하기 위해서 사용되나, 이들 소자, 구성요소 및/또는 섹션들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자, 구성요소 또는 섹션들을 다른 소자, 구성요소 또는 섹션들과 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자, 제1 구성요소 또는 제1 섹션은 본 발명의 기술적 사상 내에서 제2 소자, 제2 구성요소 또는 제2 섹션일 수도 있음은 물론이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "이루어지다(made of)"는 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 본 발명에 대하여 첨부된 도면에 따라 보다 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템이 적용될 수 있는 네트워크 구성을 개략적으로 도시한 도면이다. 또한, 도 2는 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템의 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템(100)은 네트워크(50)를 통해 사용자 단말(200) 및 클라우드와 같은 외부 데이터베이스(300)와 연결될 수 있다.
네트워크(50)는 유선 네트워크뿐만 아니라 무선 네트워크를 포함함은 물론이다. 이러한 네트워크(50)로 인터넷 등을 들 수 있다.
사용자 단말(200)은 HTML, XML 등 웹 페이지의 내용을 표시할 수 있는 웹 브라우저(넷스케이프, 인터넷 익스플로러, 크롬 등)를 가질 수 있다. 또한, 사용자 단말(200)은 일반적인 이동 통신 단말, 2G/3G/4G/5G, 와이브로 무선망 서비스가 가능한 단말, 팜 PC(Palm Personal Computer), 개인용 디지털 보조기(PDA: Personal Digital Assistant), 스마트폰(Smart phone), 왑폰(WAP phone: Wireless application protocol phone) 등 네크워크(50)에 접속하기 위한 사용자 인터페이스를 갖는 모든 유무선 가전/통신 장치를 포괄적으로 의미할 수 있으며, IEEE 802.11 무선 랜 네트워크 카드 등의 무선랜 접속을 위한 인터페이스가 구비된 기기일 수 있다. 또한, 사용자 단말(200)은 이동 통신 단말 이외에 컴퓨터, 노트북 등의 정보 통신 기기이거나 이를 포함하는 장치일 수도 있다. 사용자 단말(200)의 구체적인 구성에 대해서는 후술하여 살펴 보도록 한다.
데이터베이스(300)는 개인 맞춤형 건강 관리 시스템(100) 및 사용자 단말(200) 등에서 얻은 각종 정보들을 저장한다. 이러한 데이터베이스(300)는 정보 저장 및 검색의 효율성 및 편의성을 높이기 위해, 적어도 3개 이상의 하부 모듈을 포함할 수 있다. 예를 들어, 데이터베이스(300)는 제1 내지 제3 저장모듈(미도시)을 포함할 수 있으며, 제1 저장모듈은 개인 맞춤형 건강 관리 시스템(100)에서 얻은 데이터나 정보들을 저장할 수 있고, 제2 저장모듈은 사용자 단말(200)에서 얻은 데이터나 정보들을 저장할 수 있으며, 제3 저장모듈은 개인 맞춤형 건강 관리 시스템(100) 및 사용자 단말(200) 외의 장치 또는 시스템 등에서 얻은 정보들을 저장할 수 있다. 이러한 데이터베이스(300)는 정보를 저장하기 위한 논리적 또는 물리적인 저장 서버를 의미하며, 예를 들어, 오라클(Oracle) 사의 Oracle DBMS, 마이크로소프트(Microsoft) 사의 MS-SQL DBMS, 사이베이스(Sybase) 사의 SYBASE DBMS 등의 형태일 수 있으나, 이에만 한정되지 않음은 당업자에게 자명하다 할 것이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템(100)은 신체 정보 획득부(110), 생체 신호 수집부(120), 정보 생성부(130), 정보 제공부(140), 저장부(150) 등을 포함한다.
신체 정보 획득부(110)는 사용자의 신체 정보를 획득한다. 신체 정보 획득부(110)에서 획득된 신체 정보를 정보 생성부(130)로 보내고, 저장부(150)에 저장한다.
예를 들어, 신체 정보 획득부(110)는 사용자의 성별, 신장, 체중, 체성분을 포함하는 기본 신체 정보와, 상기 사용자의 이동 거리, 소모 칼로리를 포함하는 신체 운동 정보와, 상기 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등 일상 생활에 관련된 설문 정보를 획득할 수 있다.
여기에서, 기본 신체 정보는 신체 지수를 나타내는 성별, 신장, 체중 외에 체성분을 포함한다. 성별, 신장, 체중 등의 신체 지수는 사용자가 사용자 단말(200)에 입력한 값을 전달받아 사용하거나 또는 데이터베이스(300)에 미리 저장된 사용자의 성별, 신장, 체중 등의 정보를 사용할 수 있다.
또한, 체성분(body composition)은 인체의 수분량, 단백질, 무기질, 체지방 등 체중을 구성하고 있는 성분을 의미한다. 체성분 측정은 중수법(unerwater weighing) 등 직접적인 방법뿐만 아니라, 컴퓨터 단층촬영을 이용한 방법, 전기저항 원리를 이용한 방법, 이중에너지 엑스레이 흡수 계측법 등 간접적인 방법도 사용할 수 있다.
체성분 측정의 편의성을 위해, 사용자 단말(200)은 사용자의 체성분을 측정하기 위한 측정 모듈을 구비할 수 있다. 예를 들어, 체성분 측정 센서 등의 형태로 사용자 단말(200)에 위치할 수 있다. 구체적으로, 체성분 측정 센서가 스마트폰의 단자에 삽입되는 형태로 연결될 수 있다. 이에 체지방 등 체성분 지수를 보다 편리하게 획득할 수 있고, 이를 기초로 개인 건강 관리 정보를 실시간으로 제공할 수 있다. 사용자 단말(200)에 체성분 측정 센서를 삽입하기 위해, 전기저항 원리(bioelectrical impedance analysis, BIA)를 이용한 방법이 사용될 수 있다. 인체는 각 체성분이 서로 특성을 가지고 있다. 이 중에서 가장 큰 특성을 보이는 것은 제지방과 지방이다. 제지방은 인체에서 가장 많은 체수분을 포함하고 있으며, 인체에 미세한 전류를 흘렸을 경우, 잘 통하는 도체의 성질을 가지고 있다. 지방은 수분을 거의 포함하고 있지 않아 전류가 잘 흐르지 않는 부도체의 특성을 가지고 있다, 이러한 체성분 간 상이한 특성을 이용하여 전류를 흘려 보내 임피던스를 측정하고, 이를 기초로 체내 수분의 비율을 구한 뒤 몸의 구성 성분의 비율을 적용해 체지방을 추정한다. 근육량은 체중에서 수분량과 지방량 등을 뺀 값이 된다.
또한, 신체 운동 정보는 사용자의 이동 거리, 소모 칼로리를 포함한다. 이동 거리, 소모 칼로리를 측정하기 위해, 사용자 단말(200)은 측정 모듈을 구비할 수 있다. 예를 들어, 거리 측정 센서 등의 형태로 사용자 단말(200)에 위치할 수 있다. 구체적으로, 거리 측정 센서가 스마트폰의 단자에 삽입되는 형태로 연결될 수 있고, 사용자의 이동 거리를 기초로 사용자의 소모 칼로리를 사용자 단말(200)에서 구하여 전송받거나 또는 사용자의 이동 거리를 신체 정보 획득부에서 전송받아 구할 수 있다. 이를 기초로 개인 건강 관리 정보를 실시간으로 제공할 수 있다.
그리고, 설문 정보는 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등을 포함한다. 이러한 설문 정보는 신체 정보 획득부(110)에서 사용자 단말(200)로 설문 항목을 보내고, 사용자 단말(200)의 사용자가 답변한 설문 정보를 사용자 단말(200)로부터 신체 정보 획득부(110)가 획득한다.
이러한 사용자의 성별, 신장, 체중, 체성분을 포함하는 기본 신체 정보와, 상기 사용자의 이동 거리, 소모 칼로리를 포함하는 신체 운동 정보와, 상기 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등 일상 생활에 관련된 설문 정보 등 신체 정보 획득부(110)에서 획득한 정보들은 딥러닝 신경망에 입력되며, 맞춤형 건강 관리 정보를 생성하기 위한 학습의 기초 자료가 된다.
생체 신호 수집부(120)는 사용자의 생체 신호를 수집한다. 생체 신호 수집부(120)에서 수집한 생체 신호를 정보 생성부(130)로 보내고, 저장부(150)에 저장한다.
예를 들어, 생체 신호 수집부(120)는 사용자의 심박출량, HRV, 호흡빈도, ROM, COP를 수집할 수 있다. 이때, 사용자의 심박출량 및 HRV는 바이오 임피던스 분석을 통해 수집할 수 있다. 또한, 호흡 빈도는 호흡 분석을 통해 수집할 수 있다. 그리고, ROM(Range of Motion, 관절가동범위)은 스트레치 센서(stretch sensor) 및/또는 포텐셜 미터(potentiometer)를 통해 수집할 수 있다. 그리고, COP(압력 중심)은 족저압을 감지하는 센서, 예를 들어 FSR(Force Sensing Resistor) 또는 로드셀(Load Cell) 등을 이용하여 수집할 수 있다.
구체적으로, 생체 신호 수집부(120)는 제1 생체 신호 수집 모듈(미도시), 제2 생체 신호 수집 모듈(미도시), 제3 생체 신호 수집 모듈(미도시)의 세 개의 모듈로 구현될 수 있다. 여기에서, 제1 생체 신호 수집 모듈은 바이오 임피던스 신호를 수집하고, 이를 기초로 사용자의 심박출량 및 HRV를 산출할 수 있다. 또한, 제2 생체 신호 수집 모듈은 호흡 분석을 통해 호흡 빈도를 산출할 수 있다. 그리고, 제3 생체 신호 수집 모듈은 스트레치 센서(stretch sensor), 포텐셜 미터(potentiometer), FSR(Force Sensing Resistor), 로드셀(Load Cell) 등을 구비하여 ROM 및 COP를 산출할 수 있다. 이에 대해서는 후술하여 살펴 보도록 한다.
정보 생성부(130)는 신체 정보 획득부(110)에서 획득한 신체 정보 및 생체 신호 수집부(120)에서 수집한 생체 신호를 딥러닝 신경망에 입력하여 사용자에게 적합한 맞춤형 건강 관리 정보를 생성한다.
아다부스트(AdaBoost) 또는 SVM(Support Vector Machine) 등과 같은 학습기(Learning Machine)를 이용하는 방법과 추출된 특징의 벡터 유사도 등을 이용하는 비학습 방법 등 학습 방법과 비학습 방법을 적절히 추가하여 딥러닝 신경망과 함께 사용함으로써, 맞춤형 건강 관리 정보를 생성할 수도 있다.
여기에서, 정보 생성부(130)는 신체 운동 정보에 양의 가중치를 부여하며, 설문 정보에 음의 가중치를 부여하여, 사용자의 식단 정보 및 운동 정보를 포함하는 맞춤형 건강 관리 정보를 생성할 수 있다. 예를 들어, 사용자의 운동량에 관련된 사용자의 이동 거리, 소모 칼로리에 양의 가중치를 부여하며, 과식, 음주, 운동 미참여 등 각 개인의 나쁜 습관에 관련된 설문 정보에 음의 가중치를 부여할 수 있다.
정보 제공부(140)는 정보 생성부(130)에서 생성된 사용자 맞춤형 건강 관리 정보를 사용자에게 제공한다. 특히, 정보 제공부(140)는 사용자의 현재 상태를 나타내는 사람 형상으로 시각화한 아바타를 제공함으로써, 사용자가 보다 빠르고 정확하게 사용자의 현재 상태를 인지하고, 건강 정보를 확인할 수 있도록 할 수 있다. 예를 들어, 사용자의 이동 거리, 식습관 등 생활 환경에 따라 정보 생성부(130)에 입력되는 데이터들이 달라지게 되며, 이를 기초로 하여 건강 관리 정보가 각 개인마다 맞춤형으로 달라지게 되므로, 정보 제공부(140)를 통해 사용자에게 제공되는 아바타가 유기적으로 변함에 따라 사용자가 아바타를 보며 동질감을 느낄 수 있고, 이에 따른 사용자의 건강 개선 효과를 증대할 수 있다. 이러한 정보 제공부(140)는 사용자 단말(200)이나 데이터베이스(300)로부터 각종 데이터 등을 송수신하는 통신 모듈(미도시)을 포함할 수 있다.
저장부(150)는 신체 정보 획득부(110)에서 획득되는 각종 데이터 및 정보, 생체 신호 수집부(120)에서 수집되는 각종 데이터 및 정보, 정보 생성부(130)에서 생성되는 각종 정보 등을 저장할 수 있다. 또한, 저장부(150)는 외부의 사용자 단말(200)이나, 데이터베이스(300) 등으로부터 전송되는 데이터 및 정보 등도 저장할 수 있다. 특히, 저장부(150)는 외부의 데이터베이스(300)와 마찬가지로 각종 데이터 및 정보 등을 데이터베이스화하여 저장할 수 있고, 저장부(150)와 데이터베이스(300)에 이중으로 데이터 및 정보를 저장하여 데이터의 안정성을 높일 수 있다.
또한, 도면에는 도시하지 않았으나, 개인 맞춤형 건강 관리 시스템(100)에 네트워크(50)를 통해 사용자 단말(200)이 접속할 수 있는바, 개인 맞춤형 건강 관리 시스템(100)은 인증 수단(미도시)을 더 포함할 수 있다. 이러한 인증 수단은 개인 맞춤형 건강 관리 시스템(100)에 접속한 사용자 단말(200) 등의 인증을 처리한다.
예를 들어, 인증 수단은 사용자 단말(200)이 최초 접속한 경우, 회원 가입을 요청하고, 상기 회원 가입이 완료된 후에 상기 사용자 단말(200)의 인증을 수행한다. 일례로, 인증 수단을 통해 사용자 등의 고유 인증 모듈의 색인자 또는 비밀번호를 통해 사용자 단말(200)을 인증한다. 이러한 인증 수단은 텍스트파일 인증모듈(mod_auth), DBM인증모듈 (mod_auth_dbm), Berkeley DB 인증모듈(mod_auth_db), Anonymous 인증모듈(mod_auth_anon), PostgreSQL인증모듈, XNS 인증 서비스 중 적어도 하나의 인증 프로토콜을 이용하여 사용자를 인증하게 되나, 이에만 제한되지 않음은 당업자에게 자명하다 할 것이다.
이하에서는, 상술한 각 구성요소의 동작 및 기능에 대해 상세히 살펴 보도록 한다.
도 3은 바이오 임피던스 신호의 처리 방법을 설명하기 위한 도면이다. 또한, 도 4는 도 3을 이용하여 심박 변이도(HRV)를 도시한 도면이다. 그리고, 도 5는 바이오 임피던스 신호의 미분 최대값을 설명하기 위한 도면이다.
도 3에서, (a)에 도시한 바와 같이, ECG 신호를 획득할 수 있다. ECG 신호를 감지하기 위한 센서는 생체 신호 수집부(120)의 일 구성요소일 수도 있고, 생체 신호 수집부(120)와 ECG 신호를 감지하기 위한 센서가 블루투스 등의 근거리 무선 통신으로 연결되어 생체 신호 수집부(120)로 무선 전송될 수도 있다. 예를 들어, 근거리 무선 통신은 블루투스(Bluetooth), 지그비(Zigbee), NFC(Near Field Communication), 와이브리(Wibree) 중 하나일 수 있다. 물론, 상기 근거리 무선 통신에만 제한되지 않고, 다른 무선 통신 방식을 채택할 수 있음은 당업자에게 자명하다 할 것이다.
ECG 신호는 생체 신호 수집부(120)에서 분석되며, 생체 신호 수집부(120)는 심박출량 및 HRV을 산출할 수 있다. 산출된 심박출량 및 HRV은 정보 생성부(130)의 딥러닝 신경망에 입력하여 사용자에게 적합한 맞춤형 건강 관리 정보를 생성한다.
도 3에서, (b)에 도시한 바와 같이, 한 주기(RR interval)의 ECG 신호에서 R 피크 포인트가 있으며, 인접한 두 R 피크 포인트 간의 간격(IBI, Inter-Beat Interval)을 확인할 수 있다.
도 3에서, (c)에 도시한 바와 같이, IBI를 한 주기의 ECG 신호에서 피크를 보이는 신호들을 IBI를 기준으로 보간하여 IIBI(Interpolated Inter-Beat Interval) 표시할 수 있다.
이러한 IIBI를 기초로 생성한 그래프가 도 4에 도시되어 있다. 도 4에 도시된 그래프는 심박 변이도(Heart Rate Variability, HRV)를 나타낸다. 건강한 사람은 HRV가 크게 나타나지만 심박 변이도가 감소한 사람은 어떤 질병 상태에 있는 것으로 해석할 수 있다. 일반적으로, 변이도 감소는 인체 조절 능력의 상실, 건강 상태의 저하, 스트레스 대처 능력의 감소로 볼 수 있다. 특히, 체중이 증가할수록 운동을 하지 않는 안정 상태에서 심박 변이도는 줄어든다. 정상상태 대비 운동을 한 이후, 심박 변이도의 복원 비율은 체중에 반비례하여 감소한다.
생체 신호 수집부(120)는 한 주기의 ECG 신호에서 두 R 피크 포인트 간의 간격(IBI, Inter-Beat Interval)들을 보간하여 IIBI(Interpolated Inter-Beat Interval)를 산출하고, 이를 RRn-1 및 RRn의 그래프에 표시하여 HRV를 도출할 수 있다. 이러한 HRV는 정신적 스트레스와 심혈관 질환의 연관성을 나타내는 중요한 지표가 된다.
도 5를 참조하면, 생체 신호 수집부(120)는 ECG 신호를 분석하여 심박출량을 도출할 수 있다. 도 5에서, LVET는 좌심실 개방시간을 의미하며, (dZ/dt)max는 임피던스 미분신호의 로컬 최대값을 의미한다. 이를 이용하여 다음의 수학식 1에 의해 1회 박출량(SV, Stroke Volume)을 연산할 수 있다.
여기에서, ρ는 혈액의 고유저항, L은 ECG 신호를 측정하는 센서의 전극 간 거리, Zo는 바이오 임피던스 신호의 DC 성분이다.
생체 신호 수집부(120)는 상기 SV에 1분 동안 심장의 수축 횟수인 심박수(Heart Rate, HR)를 곱하여 심박출량(Cardiac Output, CO)를 도출할 수 있다. 이때, 심박수는 심박수를 측정하는 별도의 센서를 사용할 수도 있으나, ECG 신호를 분석하여 심박수를 도출할 수 있다. 예를 들어, ECG 신호에서 6초 동안의 한 주기(RR interval)를 세고, 이 주기에 10을 곱하여 심박수를 계산할 수 있다.
또한, 도면에는 도시하지 않았으나, 호흡신호를 감지하기 위한 센서는 생체 신호 수집부(120)의 일 구성요소일 수도 있고, 생체 신호 수집부(120)와 호흡신호를 감지하기 위한 센서가 블루투스 등의 근거리 무선 통신으로 연결되어 생체 신호 수집부(120)로 무선 전송될 수도 있다. 예를 들어, 근거리 무선 통신은 블루투스(Bluetooth), 지그비(Zigbee), NFC(Near Field Communication), 와이브리(Wibree) 중 하나일 수 있다. 물론, 상기 근거리 무선 통신에만 제한되지 않고, 다른 무선 통신 방식을 채택할 수 있음은 당업자에게 자명하다 할 것이다.
호흡신호는 심장박동과 비교하여 저주파수 성분으로 이루어져 있기 때문에 저역 통과 필터를 통해 검출할 수 있다. 생체 신호 수집부(120)는 호흡신호로부터 단위 시간당 소정의 값 이상의 진폭을 갖는 피크(peak)가 몇 개 있는지를 셈으로써 호흡빈도를 측정할 수 있다.
또한, 도면에는 도시하지 않았으나, ROM을 측정하기 위한 센서는 생체 신호 수집부(120)와 별도의 모듈로 설계되며, 블루투스 등의 근거리 무선 통신으로 연결되어 측정된 ROM 값을 생체 신호 수집부(120)로 무선 전송될 수도 있다. 예를 들어, 근거리 무선 통신은 블루투스(Bluetooth), 지그비(Zigbee), NFC(Near Field Communication), 와이브리(Wibree) 중 하나일 수 있다. 물론, 상기 근거리 무선 통신에만 제한되지 않고, 다른 무선 통신 방식을 채택할 수 있음은 당업자에게 자명하다 할 것이다.
생체 신호 수집부(120)는 ROM을 수집하며, 이러한 ROM은 딥러닝 신경망의 입력 데이터가 된다. ROM은 관절가동범위로써 근육이나 외부의 힘에 의해 관절을 움직일 수 있는 가능한 최고의 운동 범위를 의미한다. 이러한 ROM을 측정하기 위한 센서는 관절을 중심으로 대응적으로 위치하는 두 프레임을 연결하는 연결 부분에 스트레치 센서나 포텐셜 미터 등의 센서 모듈이 설치될 수 있다. 예를 들어, 무릎 관절의 ROM을 측정할 경우, 스트레치 센서나 포텐셜 미터가 무릎 상에 위치하고, 대퇴부 및 하퇴부에 사용자의 다리의 길이 방향으로 각각 프레임이 위치할 수 있다. 두 프레임을 연결하는 연결 부분은 사용자의 무릎 관절이 굽혀지는 방향으로 회전할 수 있고, 스트레치 센서나 포텐셜 미터가 이 연결 부분에 설치되어 ROM을 측정할 수 있다. 이때, 스트레치 센서는 두 프레임에 각각 연결되어 각 프레임의 회전량을 측정할 수 있고, 포텐셜 미터는 두 프레임을 연결하는 연결 부분의 회전량을 측정할 수 있다. 스트레치 센서나 포텐셜 미터에서 측정한 값을 이용하여 무릎 관절의 회전각을 측정하게 된다. 이러한 방법으로 인체의 각 관절에서 ROM을 측정할 수 있다.
특히, ROM 값은 보행 상태 구분을 위한 기초 자료가 될 수 있다. 예를 들어, 보행 시 보행 시 발생하는 각도 변화 그래프에서 발생하는 Peak to Peak의 데이터 개수 차이를 이용하여 보행 상태를 구분할 수 있다.
또한, 도면에는 도시하지 않았으나, COP는 족저면에 설치되는 압력 감지 센서(미도시)를 이용하여 측정할 수 있다. 압력 감지 생체 신호 수집부(120)와 별도의 모듈로 설계되며, 블루투스 등의 근거리 무선 통신으로 연결되어 측정된 COP 값을 생체 신호 수집부(120)로 무선 전송될 수 있다. 예를 들어, 근거리 무선 통신은 블루투스(Bluetooth), 지그비(Zigbee), NFC(Near Field Communication), 와이브리(Wibree) 중 하나일 수 있다. 물론, 상기 근거리 무선 통신에만 제한되지 않고, 다른 무선 통신 방식을 채택할 수 있음은 당업자에게 자명하다 할 것이다.
족저면에 설치되는 압력 감지 센서로부터 족저압을 측정할 수 있고, 상기 족저압으로부터 COP를 산출할 수 있다. 이러한 압력 감지 센서는 FSR(Force Sensing Resistor) 또는 로드셀(Load Cell) 중 적어도 하나를 포함할 수 있다. FSR(Force Sensing Resistor) 및/또는 로드셀(Load Cell)로 이루어진 압력 감지 센서는 족저면에 복수개가 형성될 수 있다. 예를 들어, FSR(Force Sensing Resistor)은 표면에 힘을 증가시킬 때 감소하는 저항이 발생하는 폴리머 필름(Polymer Film)으로 자체의 저항 값을 가지고 있는 데 이 저항 값은 활동 영역에 가해지는 힘의 크기에 따라 반비례하는 특성을 가지고 있으며 이를 이용하여 족저압을 감지할 수 있다. 또한, 압력 감지 센서를 필름 형태의 로드셀로 구성할 수도 있다. 이러한 FSR(Force Sensing Resistor) 및/또는 로드셀(Load Cell)은 전후좌우 방향으로 대칭으로 설치하는 것이 사용자의 중심이나 이동 방향을 보다 정확하게 파악하는데 도움이 될 수 있다. 그리고, 압력 감지 센서가 사용자의 족저압을 측정할 수 있는 센서이면 다른 형태의 센서가 적용될 수 있음은 물론이다.
생체 신호 수집부(120)는 압력 감지 센서로부터 얻은 족저압을 분석하여 COP을 산출하며, 이러한 COP는 딥러닝 신경망의 입력 데이터가 된다. 생체 신호 수집부(120)는 족저압으로부터 최대 족압을 압력 중심으로 추정할 수 있다.
특히, 사용자의 양 발이 소정 면적을 가진 발판에서만 움직일 경우, 보행의 시간 경과에 따른 SDC(Sway Density Curve)를 산출할 수 있다. 이때, SDC는 원 안에 COP(압력 중심)가 머무르는 시간으로 정의된다. SDC의 peak 점은 보행 훈련 동안의 stable position을 의미하며, SDC의 valley 지점은 상대적으로 불안정한 부분을 의미한다. 이러한 SDC를 기초로 하여 사용자의 보행 시 균형 능력을 평가할 수 있다. 즉, 족저압으로부터 압력 중심을 산출하고, 상기 압력 중심의 궤적으로부터 SDC를 도출하여 사용자의 자세균형 능력을 평가하는 지표로 사용할 수 있다.
상술한 사용자의 심박출량, HRV, 호흡빈도, ROM, COP는 사용자의 생체 신호로써, 딥러닝 신경망에 입력되어 입력 데이터가 되고, 맞춤형 건강 관리 정보를 생성하는 기초 자료가 된다. 여기에서, 심박출량, HRV, 호흡빈도는 심혈관계에 관련된 파라미터가 되며, ROM, COP는 근골격계에 관련된 파라미터가 된다. 이로부터 정보 생성부(130)는 심박출량, HRV, 호흡빈도를 이용하여 심혈관에 관련된 건강 정보를 생성할 수 있고, ROM을 이용하여 관절에 관련된 건강 정보를 생성할 수 있고, COP를 이용하여 척추나 다리 등에 관련된 건강 정보를 생성할 수 있다.
도 6은 딥러닝 신경망을 설명하기 위한 도면이다. 또한, 도 7은 딥러닝 신경망을 적용한 개인 건강 관리 결과값을 도시한 도면이다.
도 6을 참조하면, 정보 생성부(130)는 딥러닝 신경망(132)을 구비한다. 입력(Input)에는 신체 정보, 생체 신호가 입력되어 이를 기초로 출력(Output)을 생성한다.
사용자의 신체 정보 및 생체 신호가 딥러닝(deep learning) 신경망(132)의 입력값으로 입력층에 입력되며, 입력 데이터가 학습 데이터가 되고, 학습 데이터에 가중치를 부여하여 딥러닝 신경망은 은닉층에서 학습을 수행할 수 있고, 건강 상태, 경고 상태, 위험 상태 등으로 출력층에서 출력값을 출력한다.
딥러닝 신경망(132)은 RNN(Recurrent Neural Network)에 의해 생성될 수 있다. RNN은 시간에 따라 순차적인 데이터를 학습하기 위한 심층 신경망(deep neural network)의 구현 방식 중의 하나로써, 시간 t에서 심층 신경망 내 특정 뉴런의 출력이 시간 t+1에서 다른 뉴런의 입력으로 하는 과정의 반복을 통해 신경망을 형성할 수 있다. RNN을 통해 시계열적으로 입력되는 각 개인의 히스토리 정보(실시간 생체 정보 등)에 따른 개인의 건강 상태를 보다 정확히 알 수 있고, 이에 따라 개인에게 딱 맞는 맞춤형 건강 관리 정보를 딥러닝 신경망을 통해 생성할 수 있다.
딥러닝 신경망(132)은 순차적으로 학습 데이터를 획득할 때마다 가중치를 갱신할 수 있으며, 비용 함수를 이용하여 계산된 딥러닝 신경망(132)의 출력 에러에 기초하여 가중치를 갱신할 수 있다. 딥러닝 신경망(132)의 출력 에러를 계산하고 가중치를 갱신하는 것은 피드백 과정에 해당한다. 피드 포워드 과정에서는 샘플 데이터를 사용하여 가중치 및 하이퍼볼릭 함수 등 여러 함수를 적용하여 딥러닝 신경망의 출력을 계산할 수 있다. 이렇게 출력된 정보는 정보 제공부(140)를 통해 사용자에게 제공된다.
도 7을 참조하면, 정보 생성부(130)는 사용자의 생활환경에 따라 양의 가중치 또는 음의 가중치를 부여하여 맞춤형 건강 관리 정보를 생성할 수 있다. 예를 들어, 사용자의 운동량에 관련된 사용자의 이동 거리, 소모 칼로리에 양의 가중치를 부여하며(Positive Input Parameter), 과식, 음주, 운동 미참여 등 각 개인의 나쁜 습관에 관련된 설문 정보에 음의 가중치를 부여할 수 있다(Negative Input Parameter). 이로부터, 사용자의 식단 정보 및 운동 정보를 포함하는 맞춤형 건강 관리 정보를 생성할 수 있다.
도 8은 사용자에게 제공되는 BMI 지수에 따른 아바타 형상을 예시한 도면이다.
도 8을 참조하면, 정보 제공부(140)는 사용자의 현재 상태를 나타내는 사람 형상으로 시각화한 아바타를 제공한다. 도 8에 도시한 바와 같이, 정보 생성부(130)에서 제공되는 맞춤형 건강 관리 정보에 따라 사용자가 식사를 하고, 운동을 수행한 경우, 사용자의 신체 정보 및 생체 신호가 기간 경과에 따라 변하게 되고, 이에 따라 사용자의 BMI 지수 등 건강 관리 지표가 변하게 된다.
도 9는 생애주기에 따른 건강 관리의 개인목표를 예시한 도면이다.
도 9를 참조하면, 개인의 건강 등급을 건강한 상태(상/중/하), 경고(병은 아니나 위험한 상태), 위험(병이 걸린 상태)로 나누고, 생애 주기(어린이, 청소년, 청장년, 노인)에 따라 개인의 목표를 설정한 그래프가 도시되어 있다. 이때, 생애 주기에 따라 목표를 차별화하여 설정하는 것이 바람직하다. 일상 생활을 수행하는 동안 특정 과제(Task)를 수행하도록 하고, 회복 능력 등을 검증하여 개인 건강 평가를 할 수 있다.
여기에서, 일상 생활을 수행하는 동안에, 개인 맞춤형 건강 관리 시스템(100)은 특정 과제를 수행하도록 하면서 체성분, 심박수, 호흡수, 체온 등 상술한 여러 사용자의 신체 정보 및 생체 신호를 수집하고, 이러한 신호에 따른 수치가 얼마나 변하는지를 판단하여 개인의 건강 회복 능력을 검증할 수 있다. 이때, 특정 과제는 개인 맞춤형 건강 관리 시스템(100)에서 사용자에게 제공하는 건강 관리 정보에 포함되어 사용자에게 주어지는 과제로써, 푸쉬업 10회, 한발로 서서 1분간 균형 잡기 등 일상 생활을 영위하는 동안에 사용자가 수행할 수 있는 과제들을 포함한다. 그리고, 개인 맞춤형 건강 관리 시스템(100)은 생체 신호의 분석을 통해 취침, 걷기, 앉아있기 등 사용자의 특정 상황을 확인할 수 있고, 이에 따른 사용자의 신체 정보 및 생체 신호의 변화를 감지하여 사용자의 응급 상황 등도 판단할 수 있다.
도 10은 본 발명의 일 실시예에 따른 사용자 단말의 구성을 도시한 도면이다.
도 10을 참조하면, 본 발명의 일 실시예에 따른 사용자 단말(200)은, 신체 단말 통신부(210), 단말 출력부(220), 단말 제어부(230), 단말 입력부(240), 단말 저장부(250), 정보 측정부(260) 등을 포함한다.
상술한 바와 같이, 사용자 단말(200)은 네크워크(50)에 접속하기 위한 사용자 인터페이스를 갖는 모든 유무선 가전/통신 장치를 포괄적으로 의미할 수 있으며, 이동 통신 단말 이외에 컴퓨터, 노트북 등의 정보 통신 기기이거나 이를 포함하는 장치일 수도 있다.
단말 통신부(210)는 네트워크(50)를 통해 건강 관리 정보 등 각종 정보를 전송받는다. 또한, 단말 통신부(210)는 사용자의 신체 지수 및 체지방 지수를 포함한 신체 정보를 측정한 외부의 측정 기기, 예를 들어 체중 감지 센서, 체지방 감지 센서 등으로부터 측정된 상기 사용자의 신체 정보를 전송받을 수 있고, 이러한 신체 정보를 개인 맞춤형 건강 관리 시스템(100)의 신체 정보 획득부(110)로 전송할 수 있다.
단말 통신부(210)를 통해 전송받은 건강 관리 정보 등 여러 정보는 단말 출력부(220)에서 표시되며, 단말 제어부(230)가 이를 제어한다. 즉, 단말 제어부(230)가 단말 통신부(210)를 제어하여 단말 통신부(210)를 통해 전송받은 건강 관리 정보 등의 각종 정보를 단말 출력부(220)에 표시한다.
단말 입력부(240)는 사용자의 성별, 신장, 체중 등의 기본 신체 정보를 입력하며, 단말 입력부(240)에서 입력된 기본 신체 정보는 단말 통신부(210)를 통해 개인 맞춤형 건강 관리 시스템(100)에 전송되어 맞춤형 건강 관리 정보의 업데이트 자료로 활용할 수 있다. 또한, 단말 입력부(240)는 별도의 정보 측정부(260)에서 측정한 체지방 지수 등의 정보를 이용하는 인터페이스의 역할을 할 수 있다.
단말 저장부(250)는 단말 입력부(240)에 의해 입력된 신체 정보, 단말 통신부(210)를 통해 전송받은 건강 관리 정보 등 각종 정보를 저장한다.
정보 측정부(260)는 사용자 단말(200)에 설치되어 사용자의 신체 정보 및 생체 정보를 측정하는 역할을 한다. 예를 들어, 정보 측정부(260)는 사용자의 신체 정보를 측정하는 제1 측정 모듈(262) 및 사용자의 생체 정보를 측정하는 제2 측정 모듈(264)을 구비할 수 있다.
구체적으로, 제1 측정 모듈(262)은 체지방 측정 센서나 체성분 측정 센서 등의 형태로 사용자 단말(200)에 위치할 수 있다. 체지방, 체성분 등은 별도의 측정 기기를 이용하여 측정할 수도 있으나, 사용자 단말(200)에 결합되는 센서 모듈 형태가 되어 사용자가 센서를 접촉할 경우 사용자의 체지방, 체성분 등을 측정할 수 있다. 예를 들어, 체지방 측정 센서가 스마트폰의 단자에 삽입되는 형태로 연결될 수 있다. 체지방 측정 센서가 사용자 단말(200)에 구현되어 사용자의 체지방 지수를 보다 편리하게 획득할 수 있고, 이를 개인 맞춤형 건강 관리 시스템(100)의 신체 정보 획득부(110)로 전송하고, 전송된 체지방 정보 등을 기초로 정보 생성부(130)에서 사용자의 식단 정보 및 운동 정보 등을 포함하는 맞춤형 건강 관리 정보를 생성하여 정보 제공부(140)를 통해 실시간으로 제공할 수 있다.
또한, 제2 측정 모듈(264)은 ECG 신호를 측정하는 센서, 호흡신호를 측정하는 센서 등의 형태로 사용자 단말(200)에 위치할 수 있다. ECG 신호, 호흡 신호 등은 별도의 측정 기기를 이용하여 측정할 수도 있으나, 사용자 단말(200)에 결합되는 센서 모듈 형태가 되어 사용자가 센서를 접촉할 경우 사용자의 ECG 신호, 호흡 신호 등을 측정할 수 있다. 예를 들어, ECG 신호 측정 센서가 스마트폰의 단자에 삽입되는 형태로 연결될 수 있다. ECG 신호 측정 센서가 사용자 단말(200)에 구현되어 사용자의 ECG 신호를 보다 편리하게 획득할 수 있고, 이를 개인 맞춤형 건강 관리 시스템(100)의 생체 신호 수집부(120)로 전송하고, 전송된 ECG 신호 등을 생체 신호 수집부(120)에서 분석하여 심박출량, HRV 등을 산출하고, 산출된 사용자의 생체 정보에 따라 정보 생성부(130)에서 사용자의 식단 정보 및 운동 정보 등을 포함하는 맞춤형 건강 관리 정보를 생성하여 정보 제공부(140)를 통해 실시간으로 제공할 수 있다.
부가적으로, 사용자 단말(200)은 개인의 유전자 분석 기관에서 분석된 유전자 정보를 개인 맞춤형 건강 관리 시스템(100)에 제공할 수 있다. 개인 맞춤형 건강 관리 시스템(100)은 신체 정보 및 생체 신호 외에 유전자 정보를 딥러닝 신경망에 입력하여 상기 사용자에게 적합한 맞춤형 건강 관리 정보를 생성할 수 있다.
여기에서, 유전자 정보는 보안화된 별도의 유전자 정보 관리 시스템(미도시)으로부터 사용자 단말(200)을 거쳐서 사용자 단말(200)의 사용자가 승인을 한 후에만 개인 맞춤형 건강 관리 시스템(100)에 제공될 수 있다.
사용자 단말(200)에서 승인된 후에, 사용자의 운동의 유전적 요인과, 사용자의 비만 및 식습관의 유전적 요인에 해당하는 유전자 정보가 사용자 단말(200)을 통해 개인 맞춤형 건강 관리 시스템(100)에 제공될 수 있다. 구체적으로, 운동의 유전적 요인에 해당하는 유전자 정보는 EDN1(Endothelin 1) 및 eNOS(Nitric Oxide Synthase 3 (Endothelial Cell))이다. 이러한 유전자 정보는 운동 시 심박출량과 관련되므로, 상기 유전자 정보를 딥러닝 신경망에 입력하여 맞춤형 건강 관리 정보의 운동 정보 생성 시에 기초 자료로 활용할 수 있다. 또한, 비만 및 식습관의 유전적 요인에 해당하는 유전자 정보는 TAS1R3(Taste Receptor, Type 1, Member 3) 및 TAS2R38(Taste Receptor, Type 2, Member 38)이다. TAS1R3는 단맛에 관련된 유전자이며, TAS2R38는 과식에 관련된 유전자이고, 상기 유전자 정보를 딥러닝 신경망에 입력하여 맞춤형 건강 관리 정보의 식단 정보 생성 시에 기초 자료로 활용할 수 있다.
도 11은 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 방법의 순서를 도시한 도면이다.
도 11을 참조하면, 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 방법은, 사용자의 신체 정보를 획득하며(S10), 상기 사용자의 생체 신호를 수집하고(S20), 상기 신체 정보 및 생체 신호를 딥러닝 신경망에 입력하여 상기 사용자에게 적합한 맞춤형 건강 관리 정보를 생성하고(S30), 상기 건강 관리 정보를 상기 사용자에게 제공한다(S40).
신체 정보를 획득하는 경우(S10), 사용자의 성별, 신장, 체중, 체성분을 포함하는 기본 신체 정보와, 상기 사용자의 이동 거리, 소모 칼로리를 포함하는 신체 운동 정보와, 상기 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등 일상 생활에 관련된 설문 정보를 획득할 수 있다.
생체 신호를 수집하는 경우(S20), 사용자의 심박출량, HRV, 호흡빈도, ROM, COP를 수집할 수 있다. 상기 심박출량 및 HRV는 바이오 임피던스 분석을 통해 수집할 수 있다. 호흡 빈도는 호흡 분석을 통해 수집할 수 있다. ROM은 스트레치 센서 는 포텐셜 미터(potentiometer)를 이용하여 수집할 수 있다. COP는 FSR(Force Sensing Resistor) 또는 로드셀(Load Cell) 을 이용하여 수집할 수 있다.
예를 들어, 한 주기의 ECG 신호에서 두 R 피크 포인트 간의 간격(IBI, Inter-Beat Interval)들을 보간하여 IIBI(Interpolated Inter-Beat Interval)를 산출하고, 이를 RRn-1 및 RRn의 그래프에 표시하여 상기 HRV를 도출할 수 있다. 또한, 호흡신호로부터 단위 시간당 소정의 값 이상의 진폭을 갖는 피크(peak)가 몇 개 있는지를 셈으로써 호흡빈도를 측정할 수 있다. 이외 구체적인 방법에 대해서는 상술한 바와 같으므로 생략하도록 한다.
맞춤형 건강 관리 정보를 생성하는 경우(S30), 신체 운동 정보에 양의 가중치를 부여하며, 상기 설문 정보에 음의 가중치를 부여하여, 상기 사용자의 식단 정보 및 운동 정보를 포함하는 맞춤형 건강 관리 정보를 생성할 수 있다.
건강 관리 정보를 상기 사용자에게 제공하는 경우(S40), 사용자의 현재 상태를 나타내는 사람 형상으로 시각화한 아바타를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 개인 맞춤형 건강 관리 시스템 및 방법은 소프트웨어 및 하드웨어에 의해 하나의 모듈로 구현 가능하며, 전술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 롬(ROM), 플로피 디스크, 하드 디스크 등의 자기적 매체, CD, DVD 등의 광학적 매체 및 인터넷을 통한 전송과 같은 캐리어 웨이브와 같은 형태로 구현된다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네크워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
그리고, 본 발명의 실시예에서 사용되는 구성요소 또는 '~부'는 메모리 상의 소정 영역에서 수행되는 태스크, 클래스, 서브 루틴, 프로세스, 오브젝트, 실행 쓰레드, 프로그램과 같은 소프트웨어(software)나, FPGA(field-programmable gate array)나 ASIC(application-specific integrated circuit)과 같은 하드웨어(hardware)로 구현될 수 있으며, 또한 상기 소프트웨어 및 하드웨어의 조합으로 이루어질 수도 있다. 상기 구성요소 또는 '~부'는 컴퓨터로 판독 가능한 저장 매체에 포함되어 있을 수도 있고, 복수의 컴퓨터에 그 일부가 분산되어 분포될 수도 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 개인 맞춤형 건강 관리 시스템
110: 신체 정보 획득부 120: 생체 신호 수집부
130: 정보 생성부 140: 정보 제공부
150: 저장부
110: 신체 정보 획득부 120: 생체 신호 수집부
130: 정보 생성부 140: 정보 제공부
150: 저장부
Claims (22)
- 사용자의 신체 정보를 획득하는 신체 정보 획득부;
상기 사용자의 생체 신호를 수집하는 생체 신호 수집부;
상기 신체 정보 및 생체 신호를 딥러닝 신경망에 입력하여 상기 사용자에게 적합한 맞춤형 건강 관리 정보를 생성하는 정보 생성부; 및
상기 건강 관리 정보를 상기 사용자에게 제공하는 정보 제공부를 포함하는, 개인 맞춤형 건강 관리 시스템. - 제 1항에 있어서,
상기 신체 정보 획득부는,
상기 사용자의 성별, 신장, 체중, 체성분을 포함하는 기본 신체 정보와, 상기 사용자의 이동 거리, 소모 칼로리를 포함하는 신체 운동 정보와, 상기 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등 일상 생활에 관련된 설문 정보를 획득하는, 개인 맞춤형 건강 관리 시스템. - 제 1항에 있어서,
상기 생체 신호 수집부는,
상기 사용자의 심박출량, HRV, 호흡빈도, ROM, COP를 수집하는, 개인 맞춤형 건강 관리 시스템. - 제 2항에 있어서,
상기 정보 생성부는,
상기 신체 운동 정보에 양의 가중치를 부여하며, 상기 설문 정보에 음의 가중치를 부여하여, 상기 사용자의 식단 정보 및 운동 정보를 포함하는 맞춤형 건강 관리 정보를 생성하는, 개인 맞춤형 건강 관리 시스템. - 제 1항에 있어서,
상기 정보 제공부는,
상기 사용자의 현재 상태를 나타내는 사람 형상으로 시각화한 아바타를 제공하는, 개인 맞춤형 건강 관리 시스템. - 제 3항에 있어서,
상기 생체 신호 수집부는,
상기 심박출량 및 HRV는 바이오 임피던스 분석을 통해 수집하는, 개인 맞춤형 건강 관리 시스템. - 제 3항에 있어서,
상기 생체 신호 수집부는,
상기 호흡 빈도는 호흡 분석을 통해 수집하는, 개인 맞춤형 건강 관리 시스템. - 제 3항에 있어서,
상기 생체 신호 수집부는,
상기 ROM은 스트레치 센서 는 포텐셜 미터(potentiometer)를 이용하여 수집하는, 개인 맞춤형 건강 관리 시스템. - 제 3항에 있어서,
상기 생체 신호 수집부는,
상기 COP는 FSR(Force Sensing Resistor) 또는 로드셀(Load Cell) 을 이용하여 수집하는, 개인 맞춤형 건강 관리 시스템. - 제 3항에 있어서,
상기 생체 신호 수집부는,
한 주기의 ECG 신호에서 두 R 피크 포인트 간의 간격(IBI, Inter-Beat Interval)들을 보간하여 IIBI(Interpolated Inter-Beat Interval)를 산출하고, 이를 RRn-1 및 RRn의 그래프에 표시하여 상기 HRV를 도출하는, 개인 맞춤형 건강 관리 시스템. - 제 3항에 있어서,
상기 생체 신호 수집부는,
호흡신호로부터 단위 시간당 소정의 값 이상의 진폭을 갖는 피크(peak)가 몇 개 있는지를 셈으로써 호흡빈도를 측정하는, 개인 맞춤형 건강 관리 시스템. - 사용자의 신체 정보를 획득하는 단계;
상기 사용자의 생체 신호를 수집하는 단계;
상기 신체 정보 및 생체 신호를 딥러닝 신경망에 입력하여 상기 사용자에게 적합한 맞춤형 건강 관리 정보를 생성하는 단계; 및
상기 건강 관리 정보를 상기 사용자에게 제공하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 12항에 있어서,
상기 신체 정보를 획득하는 단계는,
상기 사용자의 성별, 신장, 체중, 체성분을 포함하는 기본 신체 정보와, 상기 사용자의 이동 거리, 소모 칼로리를 포함하는 신체 운동 정보와, 상기 사용자의 식단, 식습관, 음주 여부, 운동 여부, 취침 시간 등 일상 생활에 관련된 설문 정보를 획득하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 12항에 있어서,
상기 생체 신호를 수집하는 단계는,
상기 사용자의 심박출량, HRV, 호흡빈도, ROM, COP를 수집하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 13항에 있어서,
상기 맞춤형 건강 관리 정보를 생성하는 단계는,
상기 신체 운동 정보에 양의 가중치를 부여하며, 상기 설문 정보에 음의 가중치를 부여하여, 상기 사용자의 식단 정보 및 운동 정보를 포함하는 맞춤형 건강 관리 정보를 생성하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 12항에 있어서,
상기 사용자에게 제공하는 단계는,
상기 사용자의 현재 상태를 나타내는 사람 형상으로 시각화한 아바타를 제공하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 14항에 있어서,
상기 생체 신호를 수집하는 단계는,
상기 심박출량 및 HRV는 바이오 임피던스 분석을 통해 수집하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 14항에 있어서,
상기 생체 신호를 수집하는 단계는,
상기 호흡 빈도는 호흡 분석을 통해 수집하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 14항에 있어서,
상기 생체 신호를 수집하는 단계는,
상기 ROM은 스트레치 센서 는 포텐셜 미터(potentiometer)를 이용하여 수집하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 14항에 있어서,
상기 생체 신호를 수집하는 단계는,
상기 COP는 FSR(Force Sensing Resistor) 또는 로드셀(Load Cell) 을 이용하여 수집하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 14항에 있어서,
상기 생체 신호를 수집하는 단계는,
한 주기의 ECG 신호에서 두 R 피크 포인트 간의 간격(IBI, Inter-Beat Interval)들을 보간하여 IIBI(Interpolated Inter-Beat Interval)를 산출하고, 이를 RRn-1 및 RRn의 그래프에 표시하여 상기 HRV를 도출하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법. - 제 14항에 있어서,
상기 생체 신호를 수집하는 단계는,
호흡신호로부터 단위 시간당 소정의 값 이상의 진폭을 갖는 피크(peak)가 몇 개 있는지를 셈으로써 호흡빈도를 측정하는 단계를 포함하는, 개인 맞춤형 건강 관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170104230A KR102033065B1 (ko) | 2017-08-17 | 2017-08-17 | 개인 맞춤형 건강 관리 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170104230A KR102033065B1 (ko) | 2017-08-17 | 2017-08-17 | 개인 맞춤형 건강 관리 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190019397A true KR20190019397A (ko) | 2019-02-27 |
| KR102033065B1 KR102033065B1 (ko) | 2019-10-16 |
Family
ID=65560864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170104230A KR102033065B1 (ko) | 2017-08-17 | 2017-08-17 | 개인 맞춤형 건강 관리 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102033065B1 (ko) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102134154B1 (ko) | 2019-06-21 | 2020-07-16 | 가천대학교 산학협력단 | 1-d cnn 기반의 uwb 호흡 데이터 패턴 인식 시스템 |
| KR102173553B1 (ko) * | 2019-09-26 | 2020-11-03 | 주식회사 베니페 | 딥러닝 기술을 이용한 능동형 맞춤 운동시스템 |
| KR102196766B1 (ko) * | 2019-08-09 | 2020-12-30 | 주식회사 아기잠연구소 | 인공 지능을 이용한 영유아 생활 패턴 분석 방법 및 시스템 |
| WO2021002656A1 (ko) * | 2019-07-02 | 2021-01-07 | 울산대학교 산학협력단 | 심박출량 추정 방법 및 장치 |
| KR102277055B1 (ko) * | 2021-02-27 | 2021-07-14 | (주)핏다이내믹스 | 신체정보 및 운동정보를 연계한 ai기반 개인 맞춤예측시스템 |
| KR20220012066A (ko) * | 2020-07-22 | 2022-02-03 | 건국대학교 글로컬산학협력단 | 스트레스 관련 콘텐츠 제공 장치 및 방법 |
| KR20220060769A (ko) * | 2020-11-05 | 2022-05-12 | 주식회사 피지오닉스 | 심박출량을 통한 혈압 추정 장치 및 방법 |
| KR20220071845A (ko) * | 2020-11-24 | 2022-05-31 | 주식회사 원소프트다임 | 빅데이터 기반 클라우드 연동 플랫폼을 이용한 그룹 건강 관리 정보 제공 시스템 및 방법 |
| WO2024025288A1 (ko) * | 2022-07-29 | 2024-02-01 | 주식회사 메디컬에이아이 | 심전도에 기반한 식단 추천 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
| WO2024025308A1 (ko) * | 2022-07-29 | 2024-02-01 | 주식회사 메디컬에이아이 | 심전도에 기반한 운동 추천 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220003353A (ko) * | 2020-07-01 | 2022-01-10 | 주식회사 클리노믹스 | 개인유전정보를 활용한 맞춤형 다이어트 종합정보를 제공하기 위한 유전건강 모니터링 시스템 및 방법 |
| WO2023229055A1 (ko) * | 2022-05-23 | 2023-11-30 | 엘지전자 주식회사 | 차량 감시 장치, 및 이를 포함하는 차량 및 차량의 동작방법 |
| KR20240053975A (ko) * | 2022-10-18 | 2024-04-25 | 가톨릭대학교 산학협력단 | 사용자 정보에 기초한 관리 정보를 제공하는 헬스 케어 정보 제공 시스템 및 그 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020011198A (ko) * | 2000-08-01 | 2002-02-08 | 주식회사 프리모젠 | 건강 또는 인성 정보를 제공하는 시스템 및 방법 |
| KR101033198B1 (ko) * | 2009-04-30 | 2011-05-06 | (주)더힘스 | 학생 건강 체력 평가 시스템용 일체형 측정 장치 |
| KR20140056752A (ko) | 2012-10-31 | 2014-05-12 | 건양대학교산학협력단 | 운동량 자동 계측과 맞춤형 건강 db를 이용한 휘트니스 케어 시스템 및 이의 운용방법 |
| KR101630611B1 (ko) | 2015-08-11 | 2016-06-15 | (주) 비비비 | 사용자의 생체 정보 및 건강 활동 정보를 기반으로 사용자 맞춤형 건강 관리 지침 정보를 제공하는 방법 |
| KR20160124179A (ko) * | 2014-02-19 | 2016-10-26 | 루미라디엑스 유케이 리미티드 | 건강 모니터 |
| KR20170079999A (ko) | 2015-12-31 | 2017-07-10 | (주)블루와이즈 | 개인 건강정보 기반의 건강 콘텐츠 생성 및 맞춤형 정보 제공시스템 |
-
2017
- 2017-08-17 KR KR1020170104230A patent/KR102033065B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020011198A (ko) * | 2000-08-01 | 2002-02-08 | 주식회사 프리모젠 | 건강 또는 인성 정보를 제공하는 시스템 및 방법 |
| KR101033198B1 (ko) * | 2009-04-30 | 2011-05-06 | (주)더힘스 | 학생 건강 체력 평가 시스템용 일체형 측정 장치 |
| KR20140056752A (ko) | 2012-10-31 | 2014-05-12 | 건양대학교산학협력단 | 운동량 자동 계측과 맞춤형 건강 db를 이용한 휘트니스 케어 시스템 및 이의 운용방법 |
| KR20160124179A (ko) * | 2014-02-19 | 2016-10-26 | 루미라디엑스 유케이 리미티드 | 건강 모니터 |
| KR101630611B1 (ko) | 2015-08-11 | 2016-06-15 | (주) 비비비 | 사용자의 생체 정보 및 건강 활동 정보를 기반으로 사용자 맞춤형 건강 관리 지침 정보를 제공하는 방법 |
| KR20170079999A (ko) | 2015-12-31 | 2017-07-10 | (주)블루와이즈 | 개인 건강정보 기반의 건강 콘텐츠 생성 및 맞춤형 정보 제공시스템 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102134154B1 (ko) | 2019-06-21 | 2020-07-16 | 가천대학교 산학협력단 | 1-d cnn 기반의 uwb 호흡 데이터 패턴 인식 시스템 |
| WO2021002656A1 (ko) * | 2019-07-02 | 2021-01-07 | 울산대학교 산학협력단 | 심박출량 추정 방법 및 장치 |
| KR20210003606A (ko) * | 2019-07-02 | 2021-01-12 | 울산대학교 산학협력단 | 심박출량 추정 방법 및 장치 |
| KR102196766B1 (ko) * | 2019-08-09 | 2020-12-30 | 주식회사 아기잠연구소 | 인공 지능을 이용한 영유아 생활 패턴 분석 방법 및 시스템 |
| KR102173553B1 (ko) * | 2019-09-26 | 2020-11-03 | 주식회사 베니페 | 딥러닝 기술을 이용한 능동형 맞춤 운동시스템 |
| KR20220012066A (ko) * | 2020-07-22 | 2022-02-03 | 건국대학교 글로컬산학협력단 | 스트레스 관련 콘텐츠 제공 장치 및 방법 |
| KR20220060769A (ko) * | 2020-11-05 | 2022-05-12 | 주식회사 피지오닉스 | 심박출량을 통한 혈압 추정 장치 및 방법 |
| KR20220071845A (ko) * | 2020-11-24 | 2022-05-31 | 주식회사 원소프트다임 | 빅데이터 기반 클라우드 연동 플랫폼을 이용한 그룹 건강 관리 정보 제공 시스템 및 방법 |
| KR102277055B1 (ko) * | 2021-02-27 | 2021-07-14 | (주)핏다이내믹스 | 신체정보 및 운동정보를 연계한 ai기반 개인 맞춤예측시스템 |
| WO2024025288A1 (ko) * | 2022-07-29 | 2024-02-01 | 주식회사 메디컬에이아이 | 심전도에 기반한 식단 추천 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
| WO2024025308A1 (ko) * | 2022-07-29 | 2024-02-01 | 주식회사 메디컬에이아이 | 심전도에 기반한 운동 추천 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102033065B1 (ko) | 2019-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102033065B1 (ko) | 개인 맞춤형 건강 관리 시스템 및 방법 | |
| CN104239415B (zh) | 一种健康信息数据监控系统及其监控方法 | |
| TWI393579B (zh) | The state of the muscle movement state analysis system, methods and computer program products | |
| Sasaki et al. | Measurement of physical activity using accelerometers | |
| KR102008196B1 (ko) | 심전도 데이터를 이용한 혈중 칼륨농도 예측모델 생성장치 및 그 방법 | |
| Subramaniam et al. | Wearable sensor systems for fall risk assessment: A review | |
| Altini et al. | Energy expenditure estimation using wearable sensors: A new methodology for activity-specific models | |
| JP3871247B2 (ja) | 運動能力の評価が可能な重心検出装置 | |
| CN104244814A (zh) | 心输出量的监测 | |
| Similä et al. | Accelerometry-based berg balance scale score estimation | |
| CN104700140B (zh) | 多功能体适能检测装置 | |
| JP2022523631A (ja) | 心拍数測定システム | |
| JP2004503316A (ja) | 自律神経系機能の指標を与えるための方法及び装置 | |
| Pande et al. | Using smartphone sensors for improving energy expenditure estimation | |
| JP2002149831A (ja) | 健康管理システム及び情報処理装置 | |
| Altini et al. | Personalizing energy expenditure estimation using a cardiorespiratory fitness predicate | |
| JP2023524526A (ja) | 運動の変動性、疾病および傷害の予測、ならびに回復準備状態を判定するためのシステム、デバイス、および方法 | |
| Fontecha et al. | A proposal for elderly frailty detection by using accelerometer-enabled smartphones | |
| Cvetković et al. | Towards human energy expenditure estimation using smart phone inertial sensors | |
| JP7033362B1 (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
| KR102033063B1 (ko) | 개인 히스토리 데이터 기반 맞춤형 건강 관리 시스템 및 방법 | |
| WO2020196812A1 (ja) | 情報提供システム、情報提供プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体 | |
| Li | Exercises intensity estimation based on the physical activities healthcare system | |
| JP2020523162A (ja) | 指標の決定 | |
| JP6978143B1 (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム |
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 |