KR20190130447A

KR20190130447A - 건강 증진 정보 제공 장치 및 방법

Info

Publication number: KR20190130447A
Application number: KR1020180120943A
Authority: KR
Inventors: 홍정한
Original assignee: 울산과학기술원
Priority date: 2018-05-14
Filing date: 2018-10-11
Publication date: 2019-11-22
Also published as: KR102187952B1

Abstract

건강 정보 제공 장치 및 방법에 연관된다. 보다 상세하게는, 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 저장부; 사용자의 인체 데이터에 대응하는 3D 체형 이미지를 생성하고, 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정하는 프로세서; 및 상기 3D 체형 이미지와 상기 체형을 표시하는 디스플레이부를 포함할 수 있다.

Description

건강 증진 정보 제공 장치 및 방법{HEALTH ENHANCEMENT INFORMATION PROVIDING APPARATUS AND METHOD}

사용자들에게 맞춤형 건강 증진 정보를 제공하는 장치 및 방법에 연관되며, 보다 구체적으로 PCR(Polymerase Chain Reaction) 진단 키트가 제공하는 결과 데이터, 병력, 라이프 로그(수면/섭식/음주/흡연/운동/활동)데이터, 실내외 공기 질(초미세먼지/화학물질/온도/습도/자외선)데이터를 이용하여 개개인 별 맞춤형 운동 처방, 생활습관변경 처방, 맞춤형 웰니스(화장품/ 두피케어/다이어트) 제품추천 카운슬링 및 맞춤형 제품의 정기 배송 서비스를 제공하는 장치 및 방법에 연관된다.

인간의 게놈(genome) 지도가 완성됨에 따라 질병에 대한 위험도의 측정, 질병의 진단 또는 예측, 그리고 약물에 대한 반응 예측을 수행할 수 있게 되었다. 또한, 최근 연구로는 인간의 다양한 유전자들에 대한 기능들이 밝혀지고 있다.

이에 따라 PCR 기술을 이용하여 특정인의 특정 유전자에 대한 변이분석을 수행하고, 특정 질병에 대한 위험도가 어느 정도인지 예측하고, 해당 질병을 예방하도록 유도하는 기술에 대한 관심이 더욱 높아지고 있는 추세이다. 비교적 제약이 많았던 우리 나라에서도 2016년 6월 30일 생명윤리 및 안전에 관한 법률이 개정 시행되어 건강 관련 6가지 비만, 콜레스테롤, 중성지방, 혈당혈압, 카페인대사와 미용 관련 6가지 비타민C 대사, 피부색소 침착, 피부노화, 피부탄력, 탈모, 모발 굵기 등 총 12가지 항목 46개 유전자 검사에 대해서는 개인 의뢰 유전자 검사(DTC: Direct-TO-Consumer)가 허용되었다. 그러나 오늘날 PCR 진단은 사용자에게 고가의 가격 부담을 지우면서도 결과 데이터를 이용한 맞춤형 처방 정보를 제공하는 서비스를 제공하지 못한다는 한계가 존재한다. 단순히 해당 유전자 정보를 통해 건강 고위험군을 판별 예측하기는 불가능하며, 정확한 유발 확률을 계산하기 위해 해당 유전자 단일 염기서열 다항성(SNP: Single-Nucleotide polymorphism) 정보 이외 개인 전장 유전체(Whole Genome)의 단일 염기서열 다항성(SNP: Single-Nucleotide polymorphism) 연관성 분석, 병력, 생활습관변화, 실내외 대기환경변화 등 유전자-생활환경 상호작용 정보를 모두 융합한 데이터베이스(DB)의 축적 및 심층 신경망 추론 기반 기계학습 알고리즘을 확보해야만 가능하다. 유전체 빅데이터와 인공지능 분석기술을 융합함으로써 개개인의 유전자형 및 생활습관환경변화의 상호 연관성 분석을 통하여 건강 고위험군을 판별하고, 해당 위험군에 맞는 운동 처방, 생활습관변경 처방, 맞춤형 뷰티헬스(화장품/다이어트/ 두피케어) 제품추천 카운슬링 및 맞춤형 제품 정기배송 서비스를 제공하는 기술의 필요성이 나날이 증가하고 있는 실정이다.

한국 공개특허 10-2018-0060962호 (공개일자 2018년06월07일)는 건강 데이터 수집 장치, 이를 이용한 건강 평가 방법, 및 건강 데이터 수집 장치를 포함하는 건강 평가 시스템를 제시한다.

일실시예에 따르면 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 저장부; 사용자의 인체 데이터에 대응하는 3D 체형 이미지를 생성하고, 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정하는 프로세서; 및 상기 3D 체형 이미지와 상기 체형을 표시하는 디스플레이부를 포함하는 건강 정보 제공 장치가 개시된다.

다른 일실시예에 따르면 상기 인체 데이터는, 키, 몸무게, 허리둘레, 체질량지수(BMI), 체지방량, 근육량, 및 골격근량 중 적어도 하나 이상을 포함하는 건강 정보 제공 장치도 개시된다.

또 다른 일실시예에 따르면 상기 프로세서는 상기 사용자의 생활습관 정보를 이용하여 미래의 3D 체형 이미지를 생성할 수 있다.

일측에 따르면 무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 통신부; 수신되는 상기 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 비지도학습을 수행하여 건강 증진 정보를 출력하는 딥러닝부; 및 사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하는 프로세서를 포함하는 건강 정보 제공 장치도 개시된다.

다른 일측에 따르면 상기 인체 데이터는, 유전자 PCR(Polymerase Chain Reaction) 검사 결과, 질병 가족력, 건강 검진 결과에 연관되는 질환 감수성 정보; 및 키, 몸무게, 체질량 지수, 체지방량, 근육량, 골격근량에 연관되는 신체 측정 정보를 포함할 수 있다.

또한 상기 라이프 로그는, 수면과 운동 활동에 연관되는 신체 활성 정보; 식사와 음료에 연관되는 영양 균형 정보; 음주와 흡연에 연관되는 스트레스 정보; 및 실내와 실외의 공기질에 연관되는 공기 환경 정보를 포함할 수 있다.

일실시예에 따르면 무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 통신부; 상기 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 저장부; 수신되는 상기 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 비지도학습을 수행하여 건강 증진 정보를 출력하는 딥러닝부; 및 사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하고, 상기 인체 데이터에 대응하는 3D 체형 이미지를 생성하며, 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정 프로세서를 포함하는 건강 정보 제공 장치도 제시된다.

다른 일실시예에 따르면 저장부가 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 단계; 프로세서가 사용자의 인체 데이터에 대응하는 3D 체형 이미지를 생성하고, 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정하는 단계; 및 디스플레이부가 상기 3D 체형 이미지와 상기 체형을 표시하는 단계를 포함하는 건강 정보 제공 방법도 개시된다.

또 다른 일실시예에 따르면 상기 인체 데이터는, 키, 몸무게, 허리둘레, 체질량지수(BMI), 체지방량, 근육량, 및 골격근량 중 적어도 하나 이상을 포함할 수 있다.

일측에 따르면 상기 프로세서가 상기 사용자의 생활습관 정보를 이용하여 미래의 3D 체형 이미지를 생성하는 단계를 더 포함하는 건강 정보 제공 방법도 개시된다.

다른 일측에 따르면 통신부가 무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 단계; 수신되는 상기 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 건강 증진 정보를 출력하도록 딥러닝부가 비지도학습을 수행하는 단계; 프로세서가 사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하는 단계를 포함하는 건강 정보 제공 방법이 제시된다.

또 다른 일측에 따르면 상기 인체 데이터는, 유전자 PCR(Polymerase Chain Reaction) 검사 결과, 질병 가족력, 건강 검진 결과에 연관되는 질환 감수성 정보; 및 키, 몸무게, 체질량 지수, 체지방량, 근육량, 골격근량에 연관되는 신체 측정 정보를 포함하는 방법도 가능하다.

또는 상기 라이프 로그는, 수면과 운동 활동에 연관되는 신체 활성 정보; 식사와 음료에 연관되는 영양 균형 정보; 음주와 흡연에 연관되는 스트레스 정보; 및 실내와 실외의 공기질에 연관되는 공기 환경 정보를 포함하는 건강 정보 제공 방법이 개시된다.

일실시예에 따르면 통신부가 무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 단계; 저장부가 상기 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 단계; 딥러닝부가 수신되는 상기 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 건강 증진 정보를 출력하는 비지도학습을 수행하는 단계; 프로세서가 사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하는 단계; 상기 인체 데이터에 대응하는 3D 체형 이미지를 생성하는 단계; 및 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정하는 단계를 포함하는 건강 정보 제공 방법이 개시된다.

또한 상기 건강 정보 제공 방법들을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체도 가능하다.

도 1은 일실시예에 따른 건강 정보 제공 장치의 전체 시스템을 개략적으로 도시한다.
도 2는 일실시예에 따른 건강 정보 제공 장치의 구성을 나타낸 블록도이다.
도 3은 일실시예에 따른 건강 정보 제공 장치의 다른 구성을 도시한다.
도 4는 일실시예에 따른 건강 정보 제공 방법을 나타낸 흐름도이다.
도 5는 일실시예에 따른 3D 체형 이미지를 출력하는 건강 정보 제공 방법을 나타낸 흐름도이다.
도 6은 일실시예에 따른 미래 3D 체형 이미지를 제공하는 건강 정보 제공 방법을 도시한다.

이하에서, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 권리범위는 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

아래 설명에서 사용되는 용어는, 연관되는 기술 분야에서 일반적이고 보편적인 것으로 선택되었으나, 기술의 발달 및/또는 변화, 관례, 기술자의 선호 등에 따라 다른 용어가 있을 수 있다. 따라서, 아래 설명에서 사용되는 용어는 기술적 사상을 한정하는 것으로 이해되어서는 안 되며, 실시예들을 설명하기 위한 예시적 용어로 이해되어야 한다.

또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.

용어의 설명

이하의 설명에서 심층 신경망(Deep Neural Network) 추론 기반 기계 학습(machine learning)은 PCR(Polymerase Chain Reaction) 검사의 결과 데이터가 포함하는 유전자 정보, 병력, 라이프 로그(수면/섭식/음주/흡연/운동/활동) 데이터, 실내외 대기환경(초미세먼지/화학물질/온도/습도/자외선) 변화 등의 다양한 빅데이터를 융합하여 사용자에 맞는 맞춤형 건강 증진 정보를 생성하는 기술을 의미한다. 심층 신경망 추론 기반 기계 학습을 구현하는 과정에는 비지도 학습(Unsupervised Learning)의 예로서 이용되는 k-중앙값(k-medoids) 분할 알고리즘, 자기조직화지도(Self Organizing Map, SOM) 및 그룹 희박성(Group Sparse) 독립성분 분석(Independent Components Analysis, ICA) 알고리즘 등과 심화 학습(Deep learning)의 예로서 이용되는 합성곱 신경망(Convolutional Neural Network, CNN), 재귀신경망(Recurrent Neural Network, RNN), 장단기기억연결망(Long Short Term Network, LSTM) 등 다양한 형태의 알고리즘이 융합되어 앙상블 모형(Ensemble Model)으로 이용될 수 있다. 심층 신경망 추론 기계 학습을 이용한 맞춤형 건강 증진 정보제공, 맞춤형 웰니스(화장품/다이어트/두피케어) 제품추천 카운슬링 및 맞춤형 제품 정기배송 서비스를 위한 제공 장치 및 방법에 관한 다양한 설명이 아래와 같이 기재된다.

서비스 가입 과정

특정 사용자에 연관되는 사용자 단말과 해당 사용자에게 맞춤형 건강 정보를 제공하는 서버가 존재한다. 먼저, 사용자는 사용자 단말을 통해 자신의 PCR 검진의 결과 데이터, 병력, 개인 생활습관 라이프 로그 데이터, 실내 공기질 센서데이터 등을 상기 서버로 전송할 수 있다. 상기 사용자와 상기 서버를 운영하는 서비스 회사 사이에는 PCR 검진의 결과 데이터, 병력, 라이프 로그(수면/섭식/음주/흡연/운동/활동) 데이터 및 실내 공기 질(초미세먼지/화학물질/온도/습도/자외선) 센서 데이터의 제공과 건강 증진 관리 서비스의 제공에 대한 사전 계약이 미리 체결될 수 있다. 구체적으로, PCR 검진의 결과 데이터에는 특정 사용자가 가지고 있는 유전자 번호와 각각의 유전자 번호가 나타내는 유전 형질 및 해당 유전 형질에 따라 발생 가능성이 높은 질병 등의 정보가 포함될 수 있다. PCR 검진의 결과 데이터는 단일 염기 다형성(Single Nucleotide Polymorphism, SNP) 순서, SNP주석 번호, 대립인자, 염색체 위치, SNP 위치, 관련유전자, 관련유전자 ID 등을 포함한다.

특정 사용자의 병력 데이터는 사용자가 국민건강보험공단 웹페이지 개인민원 건강검진 결과조회 PDF 파일을 사업자 서버에 업로드하면 광학 문서인식(OCR: Optical character recognition) 소프트웨어를 이용해 텍스트로 자동 변환 후 데이터베이스(DB)에 저장된다. 특정 사용자의 개인생활습관 라이프 로그 데이터는 특정 사용자가 사용하는 단말에서 찍은 식사/운동/활동의 사진, 캡처 이미지의 보관함 구글 포토 맵(Google Photo Map)의 공유 링크를 통하여 자동으로 수집, 가공, 저장, 제공할 수 있다. 특정 사용자가 사용하는 각종 디지털 센서(보행/수면/활동량계, 체성분계, 혈압계, 혈당계, 실내 공기질 센서)가 생산하는 라이프 로그 데이터를 디바이스 연동 오픈 API를 통해 자동으로 수집, 가공, 저장, 제공할 수 있다. 또한 기상자료 개방포털을 제공하는 기상청 웹 서버로부터 오픈 API를 통해 초미세먼지, 황사, 자외선, 온도, 습도, 강수량, 운량, 풍속 데이터를 자동으로 수집, 가공, 저장, 제공할 수 있다. 사용자가 생산한 라이프 로그 데이터와 디지털 센서 데이터를 일정 기간 사업자에 성실히 제공하는 조건으로 PCR검사 결과 데이터와 맞춤형 건강증진 정보를 일정 기간 무료로 제공받을 수 있다. 사업자 플랫폼에서 제공되는 건강 증진 정보 컨텐츠의 질을 제고할 목적으로 사용자에게 동기 부여와 보상으로 제공되는 포인트 토큰의 적립 비율을 데이터 제공 기간, 제공 데이터 유형, 데이터의 정확성, 일관성, 유효성에 따라 차등 적용할 수 있다.

분류

서버는 사용자에게 해당 PCR 검진의 결과 데이터를 포함하는 암호화 데이터 패킷을 전달할 수 있다. 구체적으로, 암호화 데이터 패킷은 블록체인 기술에 기반하여 사용자 단말과 서버 각각이 비대칭 공개키-비밀키를 공유하는 방식으로 암호화될 수 있다. 이하의 설명에서, 블록체인이란 특정 정보를 하나의 블록으로 생성하고, 생성된 블록을 차례차례 연결한 장부를 나타낼 수 있다. 통상적으로 블록체인 기술은 거래 정보를 하나의 블록으로 생성하여 생성된 블록에 대한 거래를 순차적으로 포함시키는 거래 장부로 이용된다. 다만, 본 실시예에서 블록체인 기술은 PCR 검진의 결과 데이터와 해당 결과 데이터를 이용하여 생성된 맞춤형 건강 정보가 실시간으로 업데이트되는 과정에 적용될 수 있다. 사용자 단말 및 서버는 상호 간에 블록체인을 공유함으로써 개개인의 건강 정보를 암호화하여 보관할 수 있다.

또한, 서버는 사용자 단말로 포인트 토큰을 제공할 수 있다. 서버는 소정 기간 동안 사용자가 사용자 단말을 통해 개인의 라이프 로그 데이터 및 실내 공기 질 센서 데이터를 제공하면 포인트 토큰이 증가되도록 관리할 수 있다. 이를테면, 개인의 라이프 로그 데이터는 수면(입면시간, REM, Non-REM, Awakenings, 수면시간, 취침시각), 운동(유형, 시간, 횟수), 식사(시각, 식단, 칼로리), 음료(시각, 종류, 음용량), 물(시각, 음용량), 음주(시각, 종류, 음주량), 흡연(주흡연담배, 흡연량, 횟수, 흡연시작연령)과 같이 건강에 연관되는 개인의 생활습관 데이터를 포함할 수 있다. 또한 실내 공기 질 센서 데이터는 초미세먼지, 화학물질, 온도, 습도 데이터를 포함할 수 있다. 사용자는 사용자 단말에 저장된 포인트 토큰을 이용하여 실시간으로 맞춤형 건강 증진 정보를 제공 받을 수 있다. 서버는 포인트 토큰에 저장된 포인트를 차감하고, 사용자 단말로 특정 사용자에 맞는 맞춤형 건강 증진 정보를 제공할 수 있다. 또한 사용자는 사용자 단말에 저장된 포인트 토큰(130)을 이용하여 맞춤형 웰니스(에스테틱/다이어트/두피케어) 제품 정기 배송 서비스를 제공 받을 수 있다. 서버는 포인트 토큰에 저장된 포인트를 차감하고, 사용자 단말로 특정 사용자에 맞는 맞춤형 제품 정기 배송 서비스를 제공할 수 있다. 또한 PCR 업체, 화장품 업체를 비롯한 웰니스 케어업체 및 방문판매사업자가 사업자의 전자상거래 플랫폼에 사업자회원으로 가입하여 개인회원으로 가입한 사용자에게 제품광고와 할인쿠폰을 제공할 수 있다.

서비스 제공 과정

종래의 PCR 검진의 경우, 대략 50만원 이상의 고가의 비용에도 불구하고, 해당 결과 데이터를 이용한 사후 관리 서비스를 제공하지는 못한다는 문제점이 존재한다. 웰니스(wellness)는 웰빙(well-being)과 건강(fitness)의 합성어로서, 신체적, 정신적, 사회적 건강이 조화를 이루는 이상적인 상태를 의미한다. 오늘날 사회 전반에서 웰니스에 대한 관심은 나날이 높아지고 있는 추세이다. 본 실시예의 서버는 PCR 검진의 결과 데이터, 개인생활습관 및 환경변화 데이터를 이용하여 사용자에게 실시간으로 맞춤형 건강 정보를 제공할 수 있다. 구체적으로, 맞춤형 건강 정보는 사용자가 종합적인 건강을 유지할 수 있도록 고객의 체중, 식습관, 피부, 모발, 스트레스 등을 관리하고 건강 목표를 달성할 수 있도록 하는 정보를 나타낼 수 있다. 이를테면, 맞춤형 건강 정보는 사용자에 대한 수면증진 프로그램(취침시각 푸시 알람, 조도소음 노출 세기 조절 알람, 야식/커피/TV/스마트폰 시청 자제 푸시 알람), 개개인별 생활습관환경변화에 맞게 필요 영양소와 흡수를 극대화하는 맞춤 식재료로 구성된 영양균형 식단 처방, 적절한 기초대사량/체지방/근육량 조절요법 제안, 개인별 운동 강도 맞춤형 유산소/근력/유연성 운동 처방, 건강한 수분 섭취법(음용 권장 시각, 권장 음용량, 탄산음료/카페인음료 자제 알람) 제안 등과 같은 건강 증진 정보를 나타낼 수 있다.

일실시예에 따른 서버에 의해 구현된 건강 정보 제공 장치가 도시된다. 건강 정보 제공 장치는 복수의 사용자들에 관한 PCR 검진의 결과 데이터와 메타 데이터를 융합 분석하여 생성될 수 있다

보다 구체적으로, 복수의 사용자들에 관한 유전자 정보 및 유전 형질, 해당 결과 데이터에 연관되는 질병 위험군, 생활습관 및 환경변화와의 연관 관계를 예측 분석하는 방식으로 건강 정보 제공 장치가 생성될 수 있다. 또한, 건강 정보 제공 장치는 복수의 사용자들에 관한 PCR 검진의 결과 데이터를 입력값으로 지정하고, 유전체/전사체/후성유전체/단백질체와 같은 오믹스 데이터들과 임상 정보를 구축한 공개 데이터베이스들(GTEx, NCI-60, ENCODE, ICGC, 1000 Genome, NIH Epigenomics Project, GIANT)을 활용하여 심층 신경망 추론 기반 기계 학습을 수행하는 방식으로 결과 데이터에 대한 연관 관계(질병 위험도 등)를 출력값으로 지정하여 생성할 수 있다.

건강 정보 제공 장치는 심층 신경망 추론 기반 기계학습을 통하여 예측된 건강 정보를 토대로 지정된 사용자 단말로 생성된 건강 정보를 전송할 수 있다. 예를 들면, y1은 제1 유전자 정보에 의해 결정된 제1 건강 정보를 나타내고, 이러한 방식으로 yn은 제n 유전자 정보에 의해 결정된 제n 건강 정보를 나타낼 수 있다. 건강 정보 제공 장치는 PCR 검진의 결과 데이터 및 메타 데이터를 이용하여 개인 맞춤형 건강 증진 솔루션을 건강정보로서 제공한다. 예를 들면, 건강 정보 제공 장치는 1) 사용자의 피부 관리 상태, 주름 탄력성, 손상 및 자극을 관리하는 에스테틱(aesthetic) 건강 정보, 2) 사용자의 체지방 관리, 과체중, 비만 관리 등을 관리하는 다이어트 건강 정보 및 3) 탈모 예방/치료 정보 등을 사용자에게 제공할 수 있다.

아래에서는 건강 정보 제공 장치의 전체 시스템과 각 구성의 동작을 구체적으로 설명한다.

도 1은 일실시예에 따른 건강 정보 제공 장치의 전체 시스템을 개략적으로 도시한다. 건강 정보 제공 장치(100)는 사용자(110)의 다양한 정보를 수집하고, 수집된 정보들을 이용하여 상기 사용자(110)에 최적화된 맞춤형 건강 정보를 제공할 수 있다.

일실시예에 따르면 다양한 정보는 예시적으로 질환 감수성 정보(121), 신체 활성 정보(122), 영양 균형 정보(123), 스트레스 정보(124), 및 공기 환경 정보(125)가 있다.

질환 감수성 정보(121)에는 유전자 정보, 가족력 정보, 건강 검진 정보 등이 있고, 신체 활성 정보(122)에는 수면 관련 정보, 운동 활동 관련 정보가 있을 수 있다. 영양 균형 정보(123)에는 먹은 음식, 마신 물 및 음료 정보를 포함하고, 스트레스 정보(124)에는 음주 및 흡연에 연관되는 정보를 포함할 수 있다. 공기 환경 정보(125)는 실내 및 실외의 공기질 정보를 포함할 수 있다.

건강 정보 제공 장치(100)는 상기 정보들을 이용하여 머신러닝을 통해 비지도 기계학습하고, 입력되는 사용자의 정보에 대응하는 건강 증진 정보를 출력할 수 있다.

건강 정보 제공 장치의 상세한 구성에 대하여 도 2 및 도 3에서 설명한다.

도 2는 일실시예에 따른 건강 정보 제공 장치의 구성을 나타낸 블록도이다. 건강 정보 제공 장치(200)는 프로세서(210), 통신부(220) 및 딥러닝부(230)로 구성될 수 있다.

통신부(220)는 외부의 사용자 단말 또는 서버로부터 건강 정보를 수신한다. 수신되는 건강 정보는 도 1에서 예시적으로 설명한 질환 감수성 정보(121), 신체 활성 정보(122), 영양 균형 정보(123), 스트레스 정보(124), 및 공기 환경 정보(125)일 수 있다.

상기 통신부(220)가 수신하는 정보들을 이용하여 딥러닝부(230)는 기계학습을 수행한다. 입력 데이터를 수신하는 상기 정보들이며, 출력 데이터는 상기 정보들에 대응하는 건강 증진 정보일 수 있다.

건강 증진 정보란, 사용자의 건강을 증진시킬 수 있는 정보들로서, 예를 들면 '(운동 강도/시간/횟수)를 (늘리/줄이)세요', '(음식/물/음료) 섭취량을 (늘리/줄이)세요', '11시에 취침하세요', '흡연량을 줄이세요' 등의 정보일 수 있다. 즉, 상기 통신부(220)가 수집하는 데이터로부터 건강 상태를 증진시킬 수 있도록 하는 정보를 딥러닝 방법을 이용하여 추출할 수 있다.

프로세서(210)는, 학습된 상기 딥러닝부(230)를 이용하여, 사용자에 대한 건강 정보를 입력 받는 경우에 그에 대응하는 건강 증진 정보를 제공할 수 있다. 예시적으로 그러나 한정되지 않게 상기 딥러닝부(230)로 수면 시간이 불규칙한 사용자의 정보를 제공하여, 딥러닝부가 기계학습된 내용을 바탕으로 출력하는 '규칙적인 시간에 취침하세요'라는 정보를 상기 사용자의 단말로 제공할 수 있다.

또는 다른 일실시예에 따르면, 섭취 음식량이 많고 섭취 칼로리는 많으나, 해당 식단의 특정 영양소가 부족한 경우에, 딥러닝부의 기계학습된 내용을 바탕으로 '탄수화물 섭취량을 줄이고, 단백질 섭취량을 늘리세요' 등의 건강 증진 정보를 제공할 수 있다.

도 3은 일실시예에 따른 건강 정보 제공 장치의 다른 구성을 도시한다. 다른 일실시예에 따른 건강 정보 제공 장치(300)는 프로세서(310), 저장부(320) 및 디스플레이부(330)로 구성될 수 있다.

저장부(320)는 다양한 사용자의 신체 치수에 연관되는 3D 체형 정보를 저장할 수 있다. 구체적으로 다수 사용자의 신체 치수와 그에 대응하는 3D 체형 이미지를 저장할 수 있다.

상기 저장부(320)가 저장하는 신체 치수 데이터는 키, 몸무게, 체지방률, 골격근량, 근육량, 체질량지수, 팔/다리 근육량, 팔/다리 체지방량 등이 될 수 있다. 또한 상기 데이터를 기반으로 하여 그에 연관되는 3D 체형 이미지를 저장할 수 있다. 즉, 상기 데이터에 대응하는 예측 3D 체형 이미지를 저장할 수 있다.

예시적으로 그러나 한정되지 않게 상기 저장부(320)가 저장하는 3D 체형 정보와 신체 치수에 연관되는 데이터 형식은 다음과 같을 수 있다. 키: 170cm, 몸무게: 70kg, 체지방률: 15%, 골격근량: 40kg, 및 상기 각 데이터에 연관되는 3D 체형 이미지를 저장할 수 있다.

프로세서(310)는 입력되는 사용자의 신체 치수 데이터를 이용하여 저장부(320)에 저장된 가장 유사한 데이터를 탐색한다. 탐색 결과 가장 유사한 데이터의 3D 체형 이미지를 사용자의 현재 체형 이미지로 결정할 수 있다.

상기 프로세서(310)는 입력되는 사용자의 신체 치수 데이터에 더하여, 라이프 로그를 제시하는 방법과 같이 변경하는 경우에 상기 사용자의 미래 3D 체형 이미지를 제공하는 것도 가능하다.

구체적으로 설명하면, 상기 사용자의 현재 신체 치수 데이터에 더하여 라이프 로그 데이터를 입력 받고, 현재 3D 체형 이미지를 현재 라이프 로그 데이터에 기반한 체형이라고 할 때에, 라이프 로그에 변화를 준다면 변형이 가능한 미래의 3D 체형 이미지를 제공할 수 있다.

예를 들면, 상기 사용자로부터 입력 받은 라이프 로그에 주 3회 음주를 하고, 식사 량이 3000 kcal 인 경우, 음주를 주 1회로 줄이고 식사량을 2000 kcal 로 줄인다면 변화될(체지방이 줄어들) 미래의 3D 체형 이미지를 제공할 수 있다. 이는 예시적일 뿐, 입력 받은 라이프 로그보다 단백질 섭취량을 증가시키도록 제시하는 경우에 근육이 증가한 미래의 3D 체형 이미지를 제공하는 방법도 가능하다.

또한 상기 신체 치수 데이터에 따라 대응하는 배엽 관련 체형의 종류를 결정할 수 있다.

배엽(Germinal Layer)이란 동물의 수정란이 발생, 성장하는 과정에서 세포분열을 거듭할 때 나타나는 3개 세포층인 내배엽, 중배엽, 외배엽을 총칭하는 용어이다.

내배엽은 3개 배엽 가운데 가장 안쪽에 위치한 것으로, 나중에 소화기관, 배설기관 등이 분화되어 형성된다. 반면 외배엽은 3개 배엽 가운데 가장 바깥쪽에 위치한 층으로, 우리 몸의 신경조직과 피부조직으로 발달한다. 그리고 내배엽과 외배엽 중간에 위치하는 중배엽에서는 결합조직 성분인 뼈, 연골, 근육 등이 형성된다. 상기 배엽을 근거로 체형을 분류하여 내배엽형, 외배엽형, 중배엽형 등 세 가지로 구분될 수 있다.

내배엽형(Endomorphs)은 신체 가운데 태생기 내배엽에서 기원한 내장, 특히 소화기관이 잘 발달한 경우이다. 내배엽형 사람은 둥근 얼굴에 큰 몸집을 지니며, 특히 몸 중앙 부위에 지방 축적이 많은 전형적인 비만체질이다.

외배엽형(ectomorphs)은 태생기 외배엽에서 발생하는 조직인 신경조직과 피부조직이 발달한 경우다. 외배엽형 사람은 마르고 날렵한 몸매를 유지하지만 근육량이 부족한 편이다.

중배엽형(mesomosphs)은 뼈대가 굵고 근육과 골격이 잘 발달한 체형으로 널따란 어깨, 잘록한 허리에 태생적으로 신진대사가 활발하다. 전형적인 운동가 형인 중배엽형은 운동을 조금만 해도 체중 조절이 잘되고, 신진대사율이 높다. 체중 변화가 많지 않고, 체지방율이 낮으며, 복근이 선명한 이상적인 조건을 지닌다.

따라서 상기 프로세서(310)는 입력되는 신체 치수를 기반으로 그에 대응하는 사용자의 배엽 체형을 결정할 수 있다.

디스플레이부(330)는 상기 프로세서(310)가 생성하는 3D 체형 이미지 및/또는 배엽 체형 정보를 표시할 수 있다. 예시적으로 사용자의 현재 3D 체형 이미지를 표시하면서 배엽 체형 정보를 함께 표시하는 방법도 가능하다. 또한 다른 일실시예에 따르면 상기 프로세서(310)가 생성하는 사용자의 미래 3D 체형 이미지도 표시할 수 있다.

도 4는 일실시예에 따른 건강 정보 제공 장치가 기계학습을 수행하는 단계를 나타낸 흐름도이다. 일실시예에 따른 건강 정보 제공 방법은 인체 데이터 획득 단계(411), 라이프 로그 획득 단계(412), 데이터 분류 단계(420), 기계학습 단계(430) 및 건강 정보 출력 단계(440)로 구성될 수 있다.

인체 데이터 획득 단계(411) 및 라이프 로그 획득 단계(412)는 다양한 사용자의 인체 데이터와 라이프 로그를 획득할 수 있다. 인체 데이터는 사용자의 키, 몸무게, 체질량 지수, 체지방량, 근육량, 골격근량, 가슴 둘레, 허리 둘레, 엉덩이 둘레 등의 사용자의 신체에 연관되는 정보일 수 있다.

한편, 라이프 로그는 사용자의 수면 및 운동 활동에 연관되는 신체 활성 정보, 식음료에 연관되는 영양 균형 정보, 음주/흡연에 연관되는 스트레스 정보, 실내외 공기질에 연관되는 공기 환경 정보 등을 포함할 수 있다. 또한 사용자의 PCR(Polymerase Chain Reaction) 검사 결과에 의한 사용자의 유전자 정보, 유전 질환 정보 및 가족력 정보 등을 포함할 수 있다.

즉, 인체 데이터 획득 단계(411) 및 라이프 로그 획득 단계(412)는 기계학습에 필요한 다양한 정보를 획득한다.

데이터 분류 단계(420)는 획득한 데이터를 미리 지정되는 카테고리로 분류하는 단계이다. 획득 되는 인체 데이터 또는 라이프 로그를 각 카테고리 별로 분류하여 기계학습 데이터로 입력할 수 있다.

특히 라이프 로그의 경우에는 질환 감수성 정보, 신체 활성 정보, 영양 균형 정보, 스트레스 정보 및 공기 환경 정보를 포함할 수 있으므로 각 정보를 카테고리로 분류할 수 있다. 구체적인 카테고리 분류는 추후에 다시 설명하도록 한다.

기계학습 단계(430)는 상기 데이터 분류 단계(420)에서 분류되는 카테고리별 데이터를 이용하여 기계학습을 수행하는 단계이다. 다양한 인체 데이터와 라이프 로그 데이터를 기반으로 하여 건강 정보를 출력하도록 기계학습 할 수 있다. 상기 기계학습의 방법은 앞서 설명한 대로 CNN, RNN 방법 등을 사용할 수 있으며, 이는 예시적일뿐 이에 한정되는 것은 아니다. 다양한 비지도 기계학습 방법이 사용될 수 있다.

입력 데이터로는 분류된 다양한 데이터를 사용할 수 있고, 출력 데이터는 입력 데이터에 대응하는 건강 정보이며 보다 상세하게는 건강 증진 정보일 수 있다.

건강 증진 정보란 입력 데이터에 대응하는 사용자의 건강을 증진시킬 수 있는 정보로서, 상기 대응하는 사용자 마다 최적화 되는 정보일 수 있다.

건강 정보 출력 단계(440)는 기계 학습 단계(430)의 출력으로 건강 정보가 출력되는 단계이다. 건강 정보 제공 장치가 상기 기계학습의 전체 과정을 반복함으로써 출력되는 건강 정보의 퀄리티가 높아질 수 있다.

인체 데이터와 라이프 로그에 관해 상세히 설명하면, 인체 데이터는 사용자의 신체 치수에 관한 데이터 일 수 있다. 예를 들면 키, 몸무게 등을 예시할 수 있다.

라이프 로그는 질환 감수성 정보, 신체 활성 정보, 영양 균형 정보, 스트레스 정보 및 공기 환경 정보를 포함하는 데이터 로그를 의미한다. 각 정보를 하나씩 상세히 설명한다.

질환 감수성 정보란 PCR 검사를 통해 알 수 있는 유전자 정보, 가족력 정보, 건강 검진 정보를 포함할 수 있다. 유전자 정보는 비만, 혈압, 혈당, 지질, 피부, 탈모 등에 관한 유전자 정보를 의미한다. 가족력 정보는, 골다공증, 고혈압, 당뇨병, 심장병, 여성질환 등에 관한 가족력 정보를 의미한다. 그리고 건강 검진 정보는 건강 검진시에 알 수 있는 비만, 혈압, 혈당, 지질, 피부, 탈모 등에 관한 정보를 의미한다.

유전자 정보와 건강 검진 정보와의 차이는, 유전자 정보는 상기 PCR 검사를 통해 유전자에 의해 발현될 수 있는 내용에 관한 정보를 의미하고, 건강 검진 정보는 실세 건강 검진 결과에 따른 현재 상대에 관한 정보라는 점에서 차이가 있다.

즉, 비만 정보의 경우 유전자 정보는 비만이 될 수 있는 유전자를 갖고 있는지 여부를 의미한다면 건강 검진 정보의 비만 정보는 허리 둘레, 체지방률, 체질량 지수 등에 따른 현재 비만 여부에 관한 정보일 수 있다.

건강 검진 정보에서 혈압은 수축기 및 이완기 혈압, 맥압에 관한 정보이며, 혈당은 공복시 혈당, 지질은 LDL, 중성 지방 수치, 피부는 바우만 피부 분류법에 따른 피부 종류, 탈모는 BASP 분류법에 따른 탈모 종류에 관한 정보일 수 있다.

신체 활성 정보는 수면과 운동에 관한 정보이다. 수면 정보는 수면 효율, 입면 지연 시간, 수면 만족도, 취침 시각, 깨는 횟수 등에 관한 정보를 포함할 수 있다. 또한 수면 만족도는 매우 만족, 만족, 보통, 불만족, 매우 불만족 5단계로 표현되는 만족도 정보일 수 있다.

운동 정보는 운동의 종류, 운동의 시간 및 운동의 강도에 관한 정보일 수 있다. 운동의 종류는 유산소 또는 무산소 운동일 수 있고, 운동 시간은 주당 운동 횟수 및 회당 운동 시간일 수 있으며, 운동 강도는 강, 중, 약으로 표현되는 정보일 수 있다.

영양 균형 정보는 식사 또는 물/음료에 관한 정보일 수 있다. 식사는 시각, 장소, 메뉴, 식사량에 관한 정보이며, 물/음료도 마찬가지이다.

스트레스 정보는 음주 및 흡연으로 인한 스트레스 정보를 의미한다. 음주와 흡연 또한 시각, 장소, 종류, 음주량/흡연량으로 세분화 할 수 있다.

마지막으로 공기 환경 정보는 실내 및 실외의 공기질에 관한 정보이다. 실외 공기질은 미세먼지(PM10), 초미세먼지(PM2.5), 오존, 일산화탄소, 아황산가스 및 이산화탄소에 관한 정보일 수 있고, 실내 공기질은 미세먼지, 초미세먼지, 오존, 일산화탄소, 라돈, 휘발성 유기 화합물(VOC) 및 포름 알데히드에 관한 정보일 수 있다.

도 5는 일실시예에 따른 3D 체형 이미지를 출력하는 건강 정보 제공 방법을 나타낸 흐름도이다. 일실시예에 따른 건강 정보 제공 방법은 인체 데이터 획득 단계(510), 3D 체형 이미지 생성 단계(520), 체형 종류 결정 단계(530) 및 3D 체형 이미지 및 체형 표시 단계(540)로 구성될 수 있다.

인체 데이터 획득 단계(510)는 3D 체형 이미지를 표시하고자 하는 사용자의 인체 데이터를 획득하는 단계이다. 구체적으로, 사용자의 키, 몸무게, 체지방량, 허리 둘레, 가슴 둘레 등을 토대로 3D 체형 이미지를 생성하기 위한 다양한 데이터를 입력 받는 단계이다.

인체 데이터는 사용자 단말을 통해 입력 받을 수 있고, 경우에 따라서는 외부 서버로부터 수신하는 방법도 가능하다. 경우에 따라서는 두 가지 경우를 혼합하여, 사용자 단말과 외부 서버로부터 동시에 데이터를 수신하는 방법도 가능하다. 예를 들어 사용자 단말을 통해 사용자가 키, 몸무게 등을 입력 받고, 외부 서버로부터 체지방률, 골격근량, /다리 근육량 등의 정보를 획득할 수 있다.

3D 체형 이미지 생성 단계(520)는 획득한 정보들로부터 3D 체형 이미지를 생성하는 단계이다. 3D 체형 이미지를 생성하는 방법은 예시적으로 Google 사의 3D 이미지 API를 사용할 수도 있으며, 저장된 데이터를 기반으로 가장 유사한 3D 체형 이미지를 입력된 사용자의 3D 체형 이미지로 생성하는 방법도 가능하다.

체형 종류 결정 단계(530)는 배엽 체형의 종류를 결정하는 단계이다. 앞에서 설명한 대로, 사용자의 인체 데이터를 기반으로 외배엽, 내배엽, 중배엽 중 어느 하나로 결정하는 단계이다.

마지막으로 3D 체형 이미지 및 체형 표시 단계(540)는 3D 체형 이미지 생성 단계(520)와 체형 종류 결정 단계(530)에서 생성된 3D 체형 이미지 및 결정된 체형 종류를 디스플레이부를 이용하여 표시하는 단계다.

기본적으로 출력되는 상기 3D 체형 이미지는 사용자의 현재 3D 체형 이미지일 수 있고, 경우에 따라서는 미래의 3D 체형 이미지일 수도 있다. 즉, 사용자의 현재 인체 데이터를 기반으로 현재 3D 체형 이미지를 출력하고, 별도의 라이프 로그 개선을 고려하여 미래의 3D 체형 이미지를 출력할 수 있다. 미래의 3D 체형 이미지를 출력하는 방법은 도 6에서 상세히 설명한다.

도 6은 일실시예에 따른 미래 3D 체형 이미지를 제공하는 건강 정보 제공 방법을 도시한다. 일실시예에 따른 미래의 3D 체형 이미지를 제공하는 건강 정보 제공 방법은 인체 데이터 획득 단계(610), 3D 체형 이미지 생성 단계(620), 라이프 로그 획득 단계(630), 라이프 로그 개선 방법 판단 단계(640), 미래 3D 체형 이미지 생성 단계(650) 및 개선 방법 및 미래 3D 체형 이미지 출력 단계(660)를 포함할 수 있다.

인체 데이터 획득 단계(610)는 도 5에서와 마찬가지로 3D 체형 이미지를 출력하고자 하는 사용자의 인체 데이터를 획득하는 단계이다.

다음으로 3D 체형 이미지 생성 단계(620)도 획득한 상기 인체 데이터를 이용하여 3D 체형 이미지를 생성하는 단계이다.

라이프 로그 획득 단계(630) 미래의 3D 체형 이미지 생성을 위해 라이프 로그를 획득하는 단계이다. 상기 사용자의 라이프 로그를 획득하고 분석함으로써 미래의 3D 체형 이미지를 생성할 수 있기 때문이다.

상기 라이프 로그 획득 단계(630)에서 사용자에 연관되는 신체 활성 정보, 영양 균형 정보, 스트레스 정보, 공기 환경 정보 등을 획득할 수 있다.

라이프 로그 개선 방법 판단 단계(640)는 상기 획득한 라이프 로그를 기반으로 상기 프로세서가 라이프 로그의 개선 방법을 판단하는 단계이다. 상기 프로세서는 상기 라이프 로그에서 획득된 다양한 정보를 기반으로 개선되어야 할 부분을 파악하고 개선 방법을 판단할 수 있다.

구체적으로, 라이프 로그와 인체 데이터를 종합하여 판단할 수 있다. 상기 인체 데이터에 의한 사용자의 체형이 비만인 경우에는 라이프 로그에서 체중을 감량할 수 있도록 운동 강도, 시간 등을 늘리도록 판단할 수 있다.

또 다른 일실시예에 따르면 사용자가 폐 질환 가족력이 있는 경우에 실내 공기 질을 개선하라고 판단할 수 있다. 또는 실외 미세 먼지 수치가 높은 날에는 외출을 자제하도록 개선 방법을 제안할 수 있다.

미래 3D 체형 이미지 생성 단계(650)는 현재의 3D 체형 이미지에서 개선된 라이프 로그 대로 수행할 경우에 미래의 3D 체형 이미지를 생성할 수 있다. 비만인 사람의 경우에 운동 강도, 시간을 늘리면 미래의 3D 체형 이미지에서는 표준 체형의 이미지가 생성될 수 있다. 또는 폐 질환 가족력이 있는 경우에 실내 공기 질을 개선하면 미래 3D 체형 이미지에서 폐 영역의 건강이 개선 됨을 색깔 등을 달리 하여 생성할 수 있다. 예를 들어 현재의 3D 체형 이미지에서 붉은색으로 폐 영역의 건강이 위험함을 나타내도록 생성했다면, 미래의 3D 체형 이미지에서는 초록색으로 폐 영역의 건강이 개선됨을 나타내도록 생성할 수 있다.

개선 방법 및 미래 3D 체형 이미지 출력 단계(660)는 상기 640 단계 및 650 단계에서 생성된 정보들을 표시하는 단계이다. 보다 상세하게는, 640 단계에서 생성된 라이프 로그 개선 방법을 디스플레이부를 이용하여 출력할 수 있다. 또한 단계 650에서 생성된 미래의 3D 체형 이미지를 출력할 수 있다.

다른 일실시예에 따르면 3D 체형 이미지를 현재와 미래 3D 체형 이미지를 함께 출력하는 방법도 가능하다. 예시적으로 그러나 한정되지 않게 디스플레이부가 표시하는 화면의 좌측에는 현재의 3D 체형 이미지를 표시하고, 우측에는 미래의 3D 체형 이미지를 표시하여 사용자가 한눈에 변화될 체형의 모습을 파악할 수 있도록 할 수 있다.

상기 체형 이미지와 건강 정보(라이프 로그 개선 방법)를 사용자에게 직관적으로 보여줌으로써 사용자의 건강을 개선하도록 유도할 수 있다. 사용자는 미래의 체형과 건강 개선에 대한 내용을 쉽게 확인할 수 있으므로 라이프 로그의 개선에 대한 의지가 높아질 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

인체 데이터에 연관되는 3D 체형 이미지를 저장하는 저장부;
사용자의 인체 데이터에 대응하는 3D 체형 이미지를 생성하고, 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정하는 프로세서; 및
상기 3D 체형 이미지와 상기 체형을 표시하는 디스플레이부
를 포함하는 건강 정보 제공 장치.
제1항에 있어서,
상기 인체 데이터는,
키, 몸무게, 허리둘레, 체질량지수(BMI), 체지방량, 근육량, 및 골격근량 중 적어도 하나 이상
을 포함하는 건강 정보 제공 장치.
제2항에 있어서,
상기 프로세서는 상기 사용자의 라이프 로그를 이용하여 미래의 3D 체형 이미지를 생성하는
건강 정보 제공 장치.
무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 통신부;
수신되는 상기 인체 데이터 및 라이프로그 중 적어도 하나를 입력 받아 비지도학습을 수행하여 건강 증진 정보를 출력하는 딥러닝부; 및
사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하는 프로세서
를 포함하는 건강 정보 제공 장치.
제4항에 있어서,
상기 인체 데이터는,
유전자 PCR(Polymerase Chain Reaction) 검사 결과, 질병 가족력, 건강 검진 결과에 연관되는 질환 감수성 정보; 및
키, 몸무게, 체질량 지수, 체지방량, 근육량, 골격근량에 연관되는 신체 측정 정보
를 포함하는 건강 정보 제공 장치.
제5항에 있어서,
상기 라이프 로그는,
수면과 운동 활동에 연관되는 신체 활성 정보;
식사와 음료에 연관되는 영양 균형 정보;
음주와 흡연에 연관되는 스트레스 정보; 및
실내와 실외의 공기질에 연관되는 공기 환경 정보
를 포함하는 건강 정보 제공 장치.
무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 통신부;
상기 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 저장부;
수신되는 상기 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 비지도학습을 수행하여 건강 증진 정보를 출력하는 딥러닝부; 및
사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하고, 상기 인체 데이터에 대응하는 3D 체형 이미지를 생성하며, 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정 프로세서
를 포함하는 건강 정보 제공 장치.
저장부가 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 단계;
프로세서가 사용자의 인체 데이터에 대응하는 3D 체형 이미지를 생성하고, 상기 3D 체형 이미지를 기반으로 체형의 종류를 결정하는 단계; 및
디스플레이부가 상기 3D 체형 이미지와 상기 체형을 표시하는 단계
를 포함하는 건강 정보 제공 방법.
제8항에 있어서,
상기 인체 데이터는,
키, 몸무게, 허리둘레, 체질량지수(BMI), 체지방량, 근육량, 및 골격근량 중 적어도 하나 이상
을 포함하는 건강 정보 제공 방법.
제9항에 있어서,
상기 프로세서가 상기 사용자의 생활습관 정보를 이용하여 미래의 3D 체형 이미지를 생성하는 단계
를 더 포함하는 건강 정보 제공 방법.
통신부가 무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 단계;
수신되는 상기 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 건강 증진 정보를 출력하도록 딥러닝부가 비지도학습을 수행하는 단계;
프로세서가 사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하는 단계
를 포함하는 건강 정보 제공 방법.
제11항에 있어서,
상기 인체 데이터는,
유전자 PCR(Polymerase Chain Reaction) 검사 결과, 질병 가족력, 건강 검진 결과에 연관되는 질환 감수성 정보; 및
키, 몸무게, 체질량 지수, 체지방량, 근육량, 골격근량에 연관되는 신체 측정 정보
를 포함하는 건강 정보 제공 방법.
제12항에 있어서,
상기 라이프 로그는,
수면과 운동 활동에 연관되는 신체 활성 정보;
식사와 음료에 연관되는 영양 균형 정보;
음주와 흡연에 연관되는 스트레스 정보; 및
실내와 실외의 공기질에 연관되는 공기 환경 정보
를 포함하는 건강 정보 제공 방법.
통신부가 무선 통신 방식을 이용하여 인체 데이터 및 라이프 로그 중 적어도 하나를 수신하는 단계;
저장부가 상기 인체 데이터에 연관되는 3D 체형 이미지를 저장하는 단계;
딥러닝부가 수신되는 상기 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 건강 증진 정보를 출력하는 비지도학습을 수행하는 단계;
프로세서가 사용자의 인체 데이터 및 라이프 로그 중 적어도 하나를 입력 받아 상기 딥러닝부를 이용하여 건강 증진 정보를 제공하는 단계;
상기 인체 데이터에 대응하는 3D 체형 이미지를 생성하는 단계; 및
상기 3D 체형 이미지를 기반으로 체형의 종류를 결정하는 단계
를 포함하는 건강 정보 제공 방법.
제8항 내지 제14항 중 어느 한 항의
건강 정보 제공 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.