KR20200038711A - 분석 물질의 농도 추정 장치 및 방법 - Google Patents
분석 물질의 농도 추정 장치 및 방법 Download PDFInfo
- Publication number
- KR20200038711A KR20200038711A KR1020180118260A KR20180118260A KR20200038711A KR 20200038711 A KR20200038711 A KR 20200038711A KR 1020180118260 A KR1020180118260 A KR 1020180118260A KR 20180118260 A KR20180118260 A KR 20180118260A KR 20200038711 A KR20200038711 A KR 20200038711A
- Authority
- KR
- South Korea
- Prior art keywords
- spectrum
- concentration
- analyte
- concentration estimation
- subject
- Prior art date
Links
- 239000012491 analyte Substances 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims description 59
- 238000001228 spectrum Methods 0.000 claims abstract description 266
- 230000008859 change Effects 0.000 claims description 28
- 238000012880 independent component analysis Methods 0.000 claims description 14
- 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 claims description 13
- 239000008103 glucose Substances 0.000 claims description 13
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 10
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 10
- 230000001678 irradiating effect Effects 0.000 claims description 9
- 238000004566 IR spectroscopy Methods 0.000 claims description 8
- 238000001069 Raman spectroscopy Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 claims description 6
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 claims description 5
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 5
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 5
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims description 5
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 claims description 5
- 239000004202 carbamide Substances 0.000 claims description 5
- 235000012000 cholesterol Nutrition 0.000 claims description 5
- 102000004169 proteins and genes Human genes 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims description 5
- 229940116269 uric acid Drugs 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 41
- 239000008280 blood Substances 0.000 description 39
- 210000004369 blood Anatomy 0.000 description 39
- 238000010586 diagram Methods 0.000 description 14
- 230000003595 spectral effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 239000000470 constituent Substances 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 210000000707 wrist Anatomy 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 230000000007 visual 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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- 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
- A61B5/4845—Toxicology, e.g. by detection of alcohol, drug or toxic products
-
- 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
- A61B5/72—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
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7278—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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Emergency Medicine (AREA)
- Toxicology (AREA)
- Pharmacology & Pharmacy (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
일 양상에 따른 농도 추정 장치는, 피검체의 체내 스펙트럼을 획득하는 스펙트럼 획득부와, 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 기반으로 생성된 농도 추정 모델 및 상기 획득된 체내 스펙트럼을 이용하여 분석 물질의 농도를 추정하고, 상기 획득된 체내 스펙트럼과 상기 추정된 분석 물질의 농도를 기반으로 상기 농도 추정 모델을 갱신하는 프로세서를 포함할 수 있다.
Description
생체 신호로부터 체내에 포함된 분석 물질의 농도를 추정하는 장치 및 방법과 관련된다.
당뇨병은 다양한 합병증을 일으키며 치료가 잘 안 되는 만성질환이어서 규칙적으로 혈당을 체크해서 합병증 발생을 예방해야 한다. 또한 인슐린을 투여하는 경우에는 저혈당을 대비하고 인슐린 투여량을 조절하기 위해 혈당을 체크해야 한다. 일반적으로 혈당을 측정하기 위해 침습적인 방식이 이용되고 있다. 침습적으로 혈당을 측정하는 방식은 측정의 신뢰성이 높다고 할 수 있으나 주사를 이용하여 혈액 채취의 고통, 번거로움 및 질병 감염 위험이 존재한다. 최근에는 혈액을 직접 채취하지 않고 분광기를 이용하여 비침습적으로 혈당을 측정하는 방법이 연구되고 있다.
생체 신호로부터 체내에 포함된 분석 물질의 농도를 추정하는 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 농도 추정 장치는, 피검체의 체내 스펙트럼을 획득하는 스펙트럼 획득부와, 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 기반으로 생성된 농도 추정 모델 및 상기 획득된 체내 스펙트럼을 이용하여 분석 물질의 농도를 추정하고, 상기 획득된 체내 스펙트럼과 상기 추정된 분석 물질의 농도를 기반으로 상기 농도 추정 모델을 갱신하는 프로세서를 포함할 수 있다.
상기 스펙트럼 획득부는, 외부 장치로부터 상기 체내 스펙트럼을 수신할 수 있다.
상기 스펙트럼 획득부는, 상기 피검체에 광을 조사하고 상기 피검체로부터 반사 또는 산란된 광을 수신하여 상기 체내 스펙트럼을 측정할 수 있다.
상기 스펙트럼 획득부는, 적외선 분광법(infrared spectroscopy) 및 라만 분광법(Raman spectroscopy) 중 하나를 이용할 수 있다.
상기 농도 추정 모델은, NAS(net analyte signal) 알고리즘을 통해 생성될 수 있다.
상기 프로세서는, 상기 추정된 분석 물질의 농도를 기반으로 상기 획득된 체내 스펙트럼을 보정하여 갱신용 스펙트럼을 생성하고, 상기 생성된 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하고, 상기 추출된 주성분 스펙트럼을 이용하여 상기 농도 추정 모델을 갱신할 수 있다.
상기 프로세서는, 분석 물질의 기준 농도 대비 변화량에 대응하는 스펙트럼을 상기 획득된 체내 스펙트럼에서 제거하여 갱신용 스펙트럼을 생성할 수 있다.
상기 프로세서는, PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 중 하나를 이용하여 상기 갱신용 스펙트럼과 상기 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출할 수 있다.
상기 스펙트럼 획득부는, 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 획득하고, 상기 프로세서는, 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하고, 상기 추출된 주성분 스펙트럼과 분석 물질의 순수 성분 스펙트럼을 기반으로 상기 농도 추정 모델을 생성할 수 있다.
상기 분석 물질은, 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 중 적어도 하나일 수 있다.
상기 분석 물질은 포도당이고, 상기 분석 물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간일 수 있다.
다른 양상에 따른 농도 추정 방법은, 피검체의 체내 스펙트럼을 획득하는 단계와, 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 기반으로 생성된 농도 추정 모델 및 상기 획득된 체내 스펙트럼을 이용하여 분석 물질의 농도를 추정하는 단계와, 상기 획득된 체내 스펙트럼과 상기 추정된 분석 물질의 농도를 기반으로 상기 농도 추정 모델을 갱신하는 단계를 포함할 수 있다.
상기 체내 스펙트럼을 획득하는 단계는, 외부 장치로부터 상기 체내 스펙트럼을 수신하는 단계를 포함할 수 있다.
상기 체내 스펙트럼을 획득하는 단계는, 상기 피검체에 광을 조사하는 단계와, 상기 피검체로부터 반사 또는 산란된 광을 수신하여 상기 체내 스펙트럼을 측정하는 단계를 포함할 수 있다.
상기 체내 스펙트럼을 측정하는 단계는, 적외선 분광법(infrared spectroscopy) 및 라만 분광법(Raman spectroscopy) 중 하나를 이용하여 상기 체내 스펙트럼을 측정할 수 있다.
상기 농도 추정 모델은, NAS(net analyte signal) 알고리즘을 통해 생성될 수 있다.
상기 농도 추정 모델을 갱신하는 단계는, 상기 추정된 분석 물질의 농도를 기반으로 상기 획득된 체내 스펙트럼을 보정하여 갱신용 스펙트럼을 생성하는 단계와, 상기 생성된 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하는 단계와, 상기 추출된 주성분 스펙트럼을 이용하여 상기 농도 추정 모델을 갱신하는 단계를 포함할 수 있다.
상기 갱신용 스펙트럼을 생성하는 단계는, 분석 물질의 기준 농도 대비 변화량에 대응하는 스펙트럼을 상기 획득된 체내 스펙트럼에서 제거하여 갱신용 스펙트럼을 생성할 수 있다.
상기 주성분 스펙트럼을 추출하는 단계는, PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 중 하나를 이용하여 상기 갱신용 스펙트럼과 상기 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출할 수 있다.
농도 추정 방법은, 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 획득하는 단계와, 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하는 단계와, 상기 추출된 주성분 스펙트럼과 분석 물질의 순수 성분 스펙트럼을 기반으로 상기 농도 추정 모델을 생성하는 단계를 더 포함할 수 있다.
상기 분석 물질은, 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 중 적어도 하나일 수 있다.
상기 분석 물질은 포도당이고, 상기 분석 물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간일 수 있다.
분석 물질의 농도를 추정하고, 추정된 농도와 그때의 체내 스펙트럼을 기반으로 혈당 추정 모델을 갱신함으로써, 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인들에 의한 영향을 실시간으로 반영하여 혈당 예측 정확도를 향상시킬 수 있다.
도 1 및 도 2은 일반적인 NAS 알고리즘의 개념을 설명하기 위한 도면이다.
도 3은 농도 추정 장치의 일 실시예를 도시한 블록도이다.
도 4는 농도 추정 모델의 갱신 방법을 설명하기 위한 예시도이다.
도 5는 일반적인 NAS 알고리즘으로 추정된 혈당값과 일 실시예에 따른 형당 추정 방법으로 추정된 혈당값을 비교한 예시도이다.
도 6은 일반적인 NAS 알고리즘 이용시 스펙트럴 레지듀얼과 일 실시예에 따른 혈당 추정 방법 이용시 스펙트럴 레지듀얼을 비교한 예시도이다. 도 6에서
도 7은 농도 추정 장치의 다른 실시예를 도시한 블록도이다.
도 8은 농도 추정 방법의 일 실시예를 도시한 흐름도이다.
도 9는 농도 추정 모델 갱신 방법의 일 실시예를 도시한 흐름도이다.
도 10은 농도 추정 방법의 다른 실시예를 도시한 흐름도이다.
도 11은 농도 추정 시스템의 실시예를 도시한 블록도이다.
도 12는 손목형 웨어러블 디바이스를 도시한 도면이다.
도 3은 농도 추정 장치의 일 실시예를 도시한 블록도이다.
도 4는 농도 추정 모델의 갱신 방법을 설명하기 위한 예시도이다.
도 5는 일반적인 NAS 알고리즘으로 추정된 혈당값과 일 실시예에 따른 형당 추정 방법으로 추정된 혈당값을 비교한 예시도이다.
도 6은 일반적인 NAS 알고리즘 이용시 스펙트럴 레지듀얼과 일 실시예에 따른 혈당 추정 방법 이용시 스펙트럴 레지듀얼을 비교한 예시도이다. 도 6에서
도 7은 농도 추정 장치의 다른 실시예를 도시한 블록도이다.
도 8은 농도 추정 방법의 일 실시예를 도시한 흐름도이다.
도 9는 농도 추정 모델 갱신 방법의 일 실시예를 도시한 흐름도이다.
도 10은 농도 추정 방법의 다른 실시예를 도시한 흐름도이다.
도 11은 농도 추정 시스템의 실시예를 도시한 블록도이다.
도 12는 손목형 웨어러블 디바이스를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 실시예를 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 관련된 공지 기능 또는 구성에 대한 설명이 실시예의 이해를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
한편, 각 단계들에 있어, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 수행될 수 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하고, '포함하다' 또는 '가지다' 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주 기능별로 구분한 것에 불과하다. 즉, 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있다. 각 구성부는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1 및 도 2은 일반적인 NAS 알고리즘의 개념을 설명하기 위한 도면이다.
도 1 및 도 2를 참조하면, NAS(net analyte signal) 알고리즘은 학습 구간에서 측정된 체내 스펙트럼(in vivo spectrum)(S1, S2, …, Sn)을 학습 데이터로 하여 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인을 학습하고, 분석 물질의 농도 추정 모델을 생성할 수 있다. 또한, NAS 알고리즘은 학습 구간 이후의 추정 구간에서 측정된 체내 스펙트럼(Sn+1, Sn+2, …, Sm)과 농도 추정 모델을 이용하여 분석 물질의 농도(Cn+1, Cn+2, Cm)를 추정할 수 있다. 이때, 학습 구간은 체내 분석 물질의 농도가 실질적으로 변하지 않는 구간이 될 수 있다.
즉, 일반적인 NAS 알고리즘은 학습 구간에서 측정된 체내 스펙트럼을 기반으로 농도 추정 모델을 생성한 후 이를 추정 구간에 적용하여 분석 물질의 농도를 추정한다. 따라서, 피검체의 온도 변화, 피검체와 장치 사이의 압력 변화 등의 요인에 의해 추정 구간의 어떠한 시점에서 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인들 중 적어도 하나가 변화하였을 경우, 그 시점부터 스펙트럴 레지듀얼(spectral residual)이 증가하여 혈당 추정 오류가 증가할 수 있다. 스펙트럴 레지튜얼은 혈당 추정 모델로 재구성한 체내 스펙트럼과 실제 측정된 체내 스펙트럼의 차이를 나타낼 수 있다.
도 3은 농도 추정 장치의 일 실시예를 도시한 블록도이다. 도 3의 농도 추정 장치는 피검체의 체내 스펙트럼을 분석함으로써 분석 물질의 농도를 추정할 수 있는 장치로, 전자 장치에 탑재될 수 있다. 이때 전자 장치는 휴대폰, 스마폰, 태블릿, 노트북 컴퓨터, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
도 3을 참조하면, 농도 추정 장치(300)는 스펙트럼 획득부(310) 및 프로세서(320)를 포함할 수 있다.
스펙트럼 획득부(310)는 피검체의 체내 스펙트럼을 획득할 수 있다. 예컨대, 스펙트럼 획득부(310)는 피검체 내에서 분석 물질의 농도가 실질적으로 변하지 않는 구간에서 측정된 체내 스펙트럼(이하, 학습용 체내 스펙트럼) 및/또는 피검체 내 분석 물질의 농도를 추정하기 위해 측정된 체내 스펙트럼(이하, 추정용 체내 스펙트럼)을 획득할 수 있다.
일 실시예에 따르면, 스펙트럼 획득부(310)는 체내 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 수신하여 체내 스펙트럼을 획득할 수 있다. 이때, 스펙트럼 획득부(310)는 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등 다양한 통신 기술을 이용할 수 있다.
다른 실시예에 따르면, 스펙트럼 획득부(310)는 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 체내 스펙트럼을 직접 측정함으로써 체내 스펙트럼을 획득할 수 있다. 이때, 스펙트럼 획득부(310)는 적외선 분광법(Infrared spectroscopy)이나 라만 분광법(Raman spectroscopy) 등을 이용할 수 있으나, 이에 제한되는 것은 아니며 다양한 분광 기법을 활용하여 체내 스펙트럼을 측정할 수 있다. 이를 위해 스펙트럼 획득부(310)는 피검체에 광을 조사하는 광원과, 피검체로부터 반사 또는 산란된 광을 수신하여 생체 스펙트럼을 측정하는 광 검출기를 포함할 수 있다. 여기서, 광원은 근적외선(Near Infrared Ray, NIR) 또는 중적외선(Mid Infrared Ray, MIR)을 피검체에 조사할 수 있다. 그러나, 측정 목적이나 분석 물질의 종류에 따라 광원에서 조사되는 광의 파장은 달라질 수 있다. 그리고 광원은 반드시 단일의 발광체로 구성될 필요는 없으며, 다수의 발광체의 집합으로 구성될 수도 있다. 광원은 발광 다이오드(light emitting diode, LED), 레이저 다이오드(laser diode), 또는 형광체 등으로 형성될 수 있다. 광 검출기는 포토 다이오드(photo diode), 포토 트랜지스터(photo transistor) 또는 전자 결합 소자(charge-coupled device, CCD)등으로 형성될 수 있다. 광 검출기는 반드시 하나의 소자로 구성될 필요는 없으며, 다수의 소자들이 모여 어레이 형태로 구성될 수도 있다. 광원 및 광 검출기의 개수 및 배열 형태 등은 다양하며 분석 물질의 종류, 활용 목적, 및 농도 추정 장치(300)가 탑재되는 전자 장치의 크기와 형태 등에 따라 변경될 수 있다.
프로세서(320)는 농도 추정 모델의 생성 및 갱신과, 분석 물질의 농도 추정과 관련된 각종 신호 및 동작을 처리할 수 있다.
프로세서(320)는 설정된 주기 또는 사용자 요청에 따라, 스펙트럼 획득부(310)를 제어하여 학습용 체내 스펙트럼 및/또는 추정용 체내 스펙트럼을 획득할 수 있다.
프로세서(320)는 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간에서 측정된 복수의 학습용 체내 스펙트럼이 획득되면, 획득된 복수의 학습용 체내 스펙트럼을 기반으로 농도 추정 모델을 생성할 수 있다. 이때, 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 등을 포함할 수 있으나 이에 한정되지 않는다. 한편, 체내의 분석 물질이 포도당인 경우, 분석 물질의 농도는 혈당을 나타낼 수 있고 분석 물질의 농도가 실질적으로 변하지 않는 구간은 포도당이 피검체 내부로 유입되지 않는 공복 구간을 나타낼 수 있다. 이하, 설명의 편의를 위해 분석 물질이 포도당인 실시예를 기준으로 설명하기로 한다.
일 실시예에 따르면, 프로세서(320)는 공복 구간에 측정된 복수의 학습용 체내 스펙트럼을 이용하여 NAS(net analyte signal) 알고리즘을 통해 농도 추정 모델을 생성할 수 있다. 더욱 상세하게는 프로세서(320)는 공복 구간에 측정된 복수의 학습용 체내 스펙트럼을 학습 데이터로 하여 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인을 학습할 수 있다. 예컨대, 프로세서(320)는 PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 등 다양한 차원 축소 알고리즘을 이용하여 공복 구간에 측정된 복수의 학습용 체내 스펙트럼으로부터 주성분 스펙트럼을 추출할 수 있다. 또한 프로세서(320)는 학습 결과 즉, 추출된 주성분 스펙트럼을 기반으로 농도 추정 모델을 생성할 수 있다. 이때, 생성된 농도 추정 모델은 수학식 1 및 수학식 2로 표현될 수 있다.
여기서, 
은 분석 물질의 농도를, 
는 분석 물질의 기준 농도(예컨대, 공복 상태의 분석 물질의 농도)를, 
는 
대비 농도 변화량을, 
은 추정용 체내 스펙트럼을, 
는 주성분 스펙트럼을, 
는 각 주성분 스펙트럼이 추정용 체내 스펙트럼에 기여한 정도를, 
는 단위 농도(예컨대, 1mM)의 분석 물질에 대한 스펙트럼(이하, 순수 성분 스펙트럼)을, 
은 광의 경로 길이를 각각 나타낼 수 있다. 
는 실험적으로 획득될 수 있다.
프로세서(320)는 농도 추정 모델 생성 후 분석 물질의 농도 추정을 위한 추정용 체내 스펙트럼이 획득되면, 추정용 체내 스펙트럼과 농도 추정 모델을 이용하여 분석 물질의 농도를 추정할 수 있다. 예컨대, 프로세서(320)는 수학식 1 에 대해 회귀분석 알고리즘(예컨대, 최소 자승법)을 적용하여 
를 산출하고 수학식 2를 이용하여 분석 물질의 농도를 추정할 수 있다. 회귀분석 알고리즘을 적용하여 
를 산출하는 과정에서 
또한 산출될 수 있다.
프로세서(320)는 추정용 체내 스펙트럼을 분석하여 분석 물질의 농도 추정이 완료되면, 농도 추정에 이용된 추정용 체내 스펙트럼 및 추정된 농도를 기반으로 농도 추정 모델을 갱신할 수 있다.
일 실시예에 따르면, 프로세서(320)는 추정된 농도를 기반으로 추정용 체내 스펙트럼을 보정하여 갱신용 스펙트럼을 생성할 수 있다. 예컨대, 프로세서(320)는 분석 물질의 기준 농도 대비 변화량에 대응하는 스펙트럼을 추정용 체내 스펙트럼에서 제거함으로써 갱신용 스펙트럼을 생성할 수 있다. 이를 수학식으로 표현하면 수학식 3과 같다.
여기서, 
는 갱신용 스펙트럼을, 
은 추정용 체내 스펙트럼을, 
는 분석 물질의 순수 성분 스펙트럼, 
은 광의 경로 길이를, 
은 분석 물질의 추정 농도를, 
는 분석 물질의 기준 농도(예컨대, 공복 상태의 분석 물질의 농도)를, 
는 
대비 농도 변화량을 각각 나타낼 수 있다.
또한, 프로세서(320)는 생성된 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 복수의 학습용 체내 스펙트럼을 학습 데이터로 하여, 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인을 재학습할 수 있다. 예컨대, 프로세서(320)는 PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 등 다양한 차원 축소 알고리즘을 이용하여 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 복수의 학습용 체내 스펙트럼으로부터 주성분 스펙트럼을 재추출할 수 있다. 또한, 프로세서(320)는 재학습 결과 즉, 재추출된 주성분 스펙트럼을 이용하여 농도 추정 모델을 갱신할 수 있다. 즉, 수학식 1에서 주성분 스펙트럼 
가 재추출된 주성분 스펙트럼으로 대체될 수 있다.
이와 같이, 일 실시예에 따른 농도 추정 장치(300)는 분석 물질의 농도를 추정하고, 추정된 농도와 그때의 체내 스펙트럼을 기반으로 혈당 추정 모델을 갱신함으로써, 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인들에 의한 영향을 실시간으로 반영하여 혈당 예측 정확도를 향상시킬 수 있다.
도 4는 농도 추정 모델의 갱신 방법을 설명하기 위한 예시도이다.
도 3 및 도 4를 참조하면, 프로세서(320)는 학습 구간(예, 공복 구간)에서 측정된 체내 스펙트럼(S1, S2, …, Sn)을 학습 데이터로 하여 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인을 학습하고 학습 결과를 기반으로 농도 추정 모델_n을 생성할 수 있다.
프로세서(320)는 체내 스펙트럼 Sn+1이 측정되면, 체내 스펙트럼 Sn+1과 농도 추정 모델_n을 이용하여 분석 물질의 농도 Cn+1를 추정하고, 추정된 농도 Cn+1를 기반으로 체내 스펙트럼 Sn+1을 보정하여 갱신용 스펙트럼 Su1을 생성할 수 있다.
프로세서(320)는 농도 추정 모델_n 생성에 이용된 체내 스펙트럼(S1, S2, …, Sn)과 갱신용 스펙트럼 Su1을 학습 데이터로 하여 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인을 재학습하고 재학습 결과를 기반으로 농도 추정 모델_n을 갱신하여 농도 추정 모델_n+1을 생성할 수 있다.
프로세서(320)는 체내 스펙트럼 Sn+2이 측정되면, 체내 스펙트럼 Sn+2과 농도 추정 모델_n+1을 이용하여 분석 물질의 농도 Cn+2를 추정하고, 추정된 농도 Cn+2를 기반으로 체내 스펙트럼 Sn+2을 보정하여 갱신용 스펙트럼 Su2을 생성할 수 있다.
프로세서(320)는 농도 추정 모델_n+1 생성에 이용된 체내 스펙트럼(S1, S2, …, Sn) 및 갱신용 스펙트럼 Su1과, 갱신용 스펙트럼 Su2을 학습 데이터로 하여 분석 물질의 농도 변화와 무관한 스펙트럼의 변화 요인을 재학습하고 재학습 결과를 기반으로 농도 추정 모델_n+1을 갱신하여 농도 추정 모델_n+2를 생성할 수 있다.
위와 같은 방식으로, 프로세서(320)는 측정된 체내 스펙트럼 및 추정 농도를 기반으로 농도 추정 모델을 실시간으로 반복적으로 갱신할 수 있다.
도 5는 일반적인 NAS 알고리즘으로 추정된 혈당값과 일 실시예에 따른 농도 추정 방법으로 추정된 혈당값을 비교한 예시도이다. 도 5에서 촤측 그래프(a)는 일반적인 NAS 알고리즘으로 추정된 혈당값을 나타내며, 우측 그래프(b)는 일 실시예에 따른 혈당 추정 방법으로 추정된 혈당값을 나타낼 수 있다.
도 5를 참조하면, 혈당 추정 구간 초기에는 일반적인 NAS 알고리즘으로 추정된 혈당값과 실제 혈당값의 오차와 일 실시예에 따른 혈당 추정 방법으로 추정된 혈당값과 실제 혈당값의 오차는 거의 비슷함을 알 수 있다. 그러나, 혈당 추정 구간 말기에는 일 실시예에 따른 혈당 추정 방법으로 추정된 혈당값과 실제 혈당값의 오차가 일반적인 NAS 알고리즘으로 추정된 혈당값과 실체 혈당값의 오차보다 작아짐을 알 수 있다.
도 6은 일반적인 NAS 알고리즘 이용시 스펙트럴 레지듀얼과 일 실시예에 따른 혈당 추정 방법 이용시 스펙트럴 레지듀얼을 비교한 예시도이다. 도 6에서 촤측 그래프(a)는 일반적인 NAS 알고리즘 이용시 스펙트럴 레지듀얼을 나타내며, 우측 그래프(b)는 일 실시예에 따른 혈당 추정 방법 이용시 스펙트럴 레지듀얼을 나타낼 수 있다.
도 6을 참조하면, 일반적인 NAS 알고리즘 이용시 스펙트럴 레지듀얼은 시간이 증가함에 따라 증가함을 알 수 있다. 반면, 일 실시예에 따른 혈당 추정 방법 이용시 스펙트럴 레지듀얼은 대체로 일정하게 유지됨을 알 수 있다. 즉, 일 실시예에 따른 혈당 추정 방법을 통해 시간에 따른 스펙트럴 레지듀얼 증가를 억제할 수 있으며, 이에 따라 혈당 추정 정확도를 향상시킬 수 있음을 알 수 있다.
도 7은 농도 추정 장치의 다른 실시예를 도시한 블록도이다. 도 7의 농도 추정 장치는 피검체의 체내 스펙트럼을 분석함으로써 분석 물질의 농도를 추정할 수 있는 장치로, 상술한 다양한 전자 장치에 탑재될 수 있다.
도 7을 참조하면, 농도 추정 장치(700)는 스펙트럼 획득부(710), 프로세서(720), 입력부(730), 저장부(740), 통신부(750) 및 출력부(760)를 포함할 수 있다. 여기서 스펙트럼 획득부(710) 및 프로세서(720)는 도 3을 참조하여 전술한 스펙트럼 획득부(310) 및 프로세서(320)와 각각 동일하므로 그 상세한 설명은 생략하기로 한다.
입력부(730)는 사용자로부터 다양한 조작신호를 입력 받을 수 있다. 일 실시예에 따르면, 입력부(730)는 키 패드(key pad), 돔 스위치(dome switch), 터치 패드(touch pad)(정압/정전), 조그 휠(Jog wheel), 조그 스위치(Jog switch), H/W 버튼 등을 포함할 수 있다. 특히, 터치 패드가 디스플레이와 상호 레이어 구조를 이룰 경우, 이를 터치 스크린이라 부를 수 있다.
저장부(740)는 농도 추정 장치(700)의 동작을 위한 프로그램 또는 명령들을 저장할 수 있고, 농도 추정 장치(700)에 입력되는 데이터 및 농도 추정 장치(700)로부터 출력되는 데이터를 저장할 수 있다. 또한, 저장부(740)는 체내 스펙트럼, 농도 추정 모델, 분석 물질의 농도 추정값 등을 저장할 수 있다. 저장부(740)는 플래시 메모리 타입(flash memory type), 하드 디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예컨대, SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read Only Memory), PROM(Programmable Read Only Memory), 자기 메모리, 자기 디스크, 광디스크 등 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 농도 추정 장치(700)는 인터넷 상에서 저장부(740)의 저장 기능을 수행하는 웹 스토리지(web storage) 등 외부 저장 매체를 운영할 수도 있다.
통신부(750)는 외부 장치와 통신을 수행할 수 있다. 예컨대, 통신부(750)는 농도 추정 장치(700)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 외부 장치로 전송하거나, 외부 장치로부터 농도 추정 모델의 생성/갱신과, 분석 물질의 농도 추정에 도움이 되는 다양한 데이터를 수신할 수 있다.
이때, 외부 장치는 농도 추정 장치(700)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 사용하는 의료 장비, 결과물을 출력하기 위한 프린트 또는 디스플레이 장치일 수 있다. 이외에도 외부 장치는 디지털 TV, 데스크탑 컴퓨터, 휴대폰, 스마트 폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등 일 수 있으나, 이에 제한되지 않는다.
통신부(750)는 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 이용하여 외부 장치와 통신할 수 있다. 그러나, 이는 일 예에 불과할 뿐이며, 이에 한정되는 것은 아니다.
출력부(760)는 농도 추정 장치(700)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 출력할 수 있다. 일 실시예에 따르면, 출력부(760)는 농도 추정 장치(700)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 청각적 방법, 시각적 방법 및 촉각적 방법 중 적어도 하나의 방법으로 출력할 수 있다. 이를 위해 출력부(760)는 디스플레이, 스피커, 진동기 등을 포함할 수 있다.
도 8은 농도 추정 방법의 일 실시예를 도시한 흐름도이다. 도 8의 농도 추정 방법은 도 3 및 도 7의 농도 추정 장치(300, 700)에 의해 수행될 수 있다.
도 8을 참조하면, 농도 추정 장치는 피검체에 대한 추정용 체내 스펙트럼을 획득할 수 있다(810). 일 실시예에 따르면, 농도 추정 장치는 체내 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 체내 스펙트럼을 수신하거나, 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 체내 스펙트럼을 직접 측정함으로써 추정용 체내 스펙트럼을 획득할 수 있다. 예컨대, 농도 추정 장치는 다양한 통신 기술을 이용하여 외부 장치로부터 체내 스펙트럼을 수신하거나, 적외선 분광법(Infrared spectroscopy)이나 라만 분광법(Raman spectroscopy) 등을 이용하여 체내 스펙트럼을 직접 측정할 수 있다.
농도 추정 장치는 획득된 추정용 체내 스펙트럼과 농도 추정 모델을 이용하여 분석 물질의 농도를 추정할 수 있다(820). 예컨대, 농도 추정 장치는 수학식 1 및 수학식 2를 이용하여 분석 물질의 농도를 추정할 수 있다.
농도 추정 장치는 분석 물질의 농도 추정이 완료되면, 농도 추정에 이용된 추정용 체내 스펙트럼 및 추정된 농도를 기반으로 농도 추정 모델을 갱신할 수 있다(830).
도 9는 농도 추정 모델 갱신 방법의 일 실시예를 도시한 흐름도이다. 도 9의 농도 추정 모델 갱신 방법은 도 8의 농도 추정 모델 갱신 과정(830)의 일 실시예일 수 있다.
도 9를 참조하면, 농도 추정 장치는 추정된 농도를 기반으로 추정용 체내 스펙트럼을 보정하여 갱신용 스펙트럼을 생성할 수 있다(910). 일 실시예에 따르면, 농도 추정 장치는 분석 물질의 기준 농도 대비 변화량에 대응하는 스펙트럼을 추정용 체내 스펙트럼에서 제거함으로써 갱신용 스펙트럼을 생성할 수 있다. 예컨대, 농도 추정 장치는 수학식 3을 이용하여 갱신용 스펙트럼을 생성할 수 있다.
농도 추정 장치는 생성된 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 복수의 학습용 체내 스펙트럼로부터 주성분 스펙트럼을 추출할 수 있다(920). 예컨대, 농도 추정 장치는 PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 등 다양한 차원 축소 알고리즘을 이용하여 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 복수의 학습용 체내 스펙트럼으로부터 주성분 스펙트럼을 추출할 수 있다.
농도 추정 장치는 추출된 주성분 스펙트럼을 이용하여 농도 추정 모델을 갱신할 수 있다(930). 구체적으로, 수학식 1에서 주성분 스펙트럼 
가 단계 920에서 추출된 주성분 스펙트럼으로 대체될 수 있다.
도 10은 농도 추정 방법의 다른 실시예를 도시한 흐름도이다. 도 10의 농도 추정 방법은 도 3 및 도 7의 농도 추정 장치(300, 700)에 의해 수행될 수 있다.
도 10을 참조하면, 농도 추정 장치는 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간에서 측정된 복수의 학습용 체내 스펙트럼을 획득할 수 있다(1010). 일 실시예에 따르면, 농도 추정 장치는 체내 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 체내 스펙트럼을 수신하거나, 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 체내 스펙트럼을 직접 측정함으로써 학습용 체내 스펙트럼을 획득할 수 있다.
농도 추정 장치는 복수의 학습용 체내 스펙트럼이 획득되면, 획득된 복수의 학습용 체내 스펙트럼을 기반으로 농도 추정 모델을 생성할 수 있다(1020). 일 실시예에 따르면, 농도 추정 장치는 복수의 학습용 체내 스펙트럼을 이용하여 NAS(net analyte signal) 알고리즘을 통해 농도 추정 모델을 생성할 수 있다. 예컨대, 농도 추정 장치는 상술한 다양한 차원 축소 알고리즘을 이용하여 복수의 학습용 체내 스펙트럼으로부터 주성분 스펙트럼을 추출할 수 있다. 또한 농도 추정 장치는 추출된 주성분 스펙트럼을 기반으로 농도 추정 모델을 생성할 수 있다. 이때, 생성된 농도 추정 모델은 수학식 1 및 수학식 2로 표현될 수 있다.
농도 추정 장치는 농도 추정 모델 생성 후 피검체에 대한 추정용 체내 스펙트럼을 획득할 수 있다(1030). 일 실시예에 따르면, 농도 추정 장치는 체내 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 체내 스펙트럼을 수신하거나, 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 체내 스펙트럼을 직접 측정함으로써 추정용 체내 스펙트럼을 획득할 수 있다.
농도 추정 장치는 획득된 추정용 체내 스펙트럼과 농도 추정 모델을 이용하여 분석 물질의 농도를 추정할 수 있다(1040). 예컨대, 농도 추정 장치는 수학식 1 및 수학식 2를 이용하여 분석 물질의 농도를 추정할 수 있다.
농도 추정 장치는 분석 물질의 농도 추정이 완료되면, 농도 추정에 이용된 추정용 체내 스펙트럼 및 추정된 농도를 기반으로 농도 추정 모델을 갱신할 수 있다(1050).
도 11은 농도 추정 시스템의 실시예를 도시한 블록도이다. 도 11의 농도 추정 시스템(1100)은 도 3 내지 도 10을 참조하여 전술한 농도 추정 기능과 농도 추정 모델 생성/갱신 기능이 각각 별개의 장치에서 수행되는 실시예이다. 농도 추정 기능은 농도 추정 장치(1110)에서 수행되며, 농도 추정 모델 생성/갱신 기능은 모델 생성 장치(1120)에서 수행될 수 있다.
더욱 상세하게는, 농도 추정 장치(1110)는 피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간에 스펙트럼 측정부(1111)를 통해 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 훈련용 체내 스펙트럼을 측정하고 통신부(1113)를 통해 모델 생성 장치(1120)에 측정된 훈련용 체내 스펙트럼을 전송할 수 있다.
모델 생성 장치(1120)는 통신부(1121)를 통해 농도 추정 장치(1110)로부터 훈련용 체내 스펙트럼을 수신하고, 프로세서(1122)를 통해 훈련용 체내 스펙트럼을 이용하여 농도 추정 모델을 생성할 수 있다. 또한, 모델 생성 장치(1120)는 통신부(1121)를 통해 농도 추정 장치(1110)에 생성된 농도 추정 모델을 전송할 수 있다.
농도 추정 장치(1110)는 통신부(1113)를 통해 모델 생성 장치(1120)로부터 농도 추정 모델을 수신하고, 스펙트럼 측정부(1111)를 통해 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 추정용 체내 스펙트럼을 측정할 수 있다. 또한, 농도 추정 장치(1110)는 프로세서(1112)를 통해 추정용 체내 스펙트럼과 농도 추정 모델을 이용하여 분석 물질의 농도를 추정하고, 통신부(1113)를 통해 추정 농도와 추정용 체내 스펙트럼을 모델 생성 장치(1120)로 전송할 수 있다.
모델 생성 장치(1120)는 통신부(1121)를 통해 추정 농도와 추정용 체내 스펙트럼을 수신하고, 프로세서(1122)를 통해 농도 추정 모델을 갱신할 수 있다. 또한, 모델 생성 장치(1120)는 통신부(1121)를 통해 갱신된 농도 추정 모델을 농도 추정 장치(1110)에 전송할 수 있다.
도 12는 손목형 웨어러블 디바이스를 도시한 도면이다.
도 12를 참조하면, 손목형 웨어러블 디바이스(1200)는 스트랩(1210) 및 본체(1220)를 포함할 수 있다.
스트랩(1210)은 본체(1220)의 양측에 연결되어 서로 체결될 수 있도록 분리 형성되거나, 스마트 밴드 형태로 일체로 형성될 수 있다. 스트랩(1210)은 본체(1220)가 사용자의 손목에 착용되도록 손목을 감쌀 수 있도록 플렉서블(flexible)한 부재로 형성될 수 있다.
본체(1220)는 본체 내부에 전술한 농도 추정 장치(300, 700, 1110)를 탑재할 수 있다. 또한, 본체(1220) 내부에는 손목형 웨어러블 디바이스(1200) 및 농도 추정 장치(300, 700, 1110)에 전원을 공급하는 배터리가 내장될 수 있다.
광 센서가 본체(1220) 하부에 사용자의 손목을 향해 노출되도록 장착될 수 있다. 이를 통해 사용자가 손목형 웨어러블 디바이스(1200)를 착용하면 자연스럽게 광 센서가 사용자의 피부에 접촉할 수 있다. 이때 광 센서는 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 체내 스펙트럼을 획득할 수 있다.
손목형 웨어러블 디바이스(1200)는 본체(1220)에 장착되는 디스플레이(1221)와 입력부(1222)를 더 포함할 수 있다. 디스플레이(1221)는 손목형 웨어러블 디바이스(1200) 및 농도 추정 장치(300, 700, 1110)에서 처리된 데이터 및 처리 결과 데이터 등을 표시할 수 있다. 입력부(1222)는 사용자로부터 다양한 조작신호를 입력 받을 수 있다.
상술한 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
300: 농도 추정 장치
310: 스펙트럼 획득부
320: 프로세서
310: 스펙트럼 획득부
320: 프로세서
Claims (22)
- 피검체의 체내 스펙트럼을 획득하는 스펙트럼 획득부; 및
피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 기반으로 생성된 농도 추정 모델 및 상기 획득된 체내 스펙트럼을 이용하여 분석 물질의 농도를 추정하고, 상기 획득된 체내 스펙트럼과 상기 추정된 분석 물질의 농도를 기반으로 상기 농도 추정 모델을 갱신하는 프로세서; 를 포함하는,
농도 추정 장치. - 제1항에 있어서,
상기 스펙트럼 획득부는,
외부 장치로부터 상기 체내 스펙트럼을 수신하는,
농도 추정 장치. - 제1항에 있어서,
상기 스펙트럼 획득부는,
상기 피검체에 광을 조사하고 상기 피검체로부터 반사 또는 산란된 광을 수신하여 상기 체내 스펙트럼을 측정하는,
농도 추정 장치. - 제3항에 있어서,
상기 스펙트럼 획득부는,
적외선 분광법(infrared spectroscopy) 및 라만 분광법(Raman spectroscopy) 중 하나를 이용하는,
농도 추정 장치. - 제1항에 있어서,
상기 농도 추정 모델은,
NAS(net analyte signal) 알고리즘을 통해 생성되는,
농도 추정 장치. - 제1항에 있어서,
상기 프로세서는,
상기 추정된 분석 물질의 농도를 기반으로 상기 획득된 체내 스펙트럼을 보정하여 갱신용 스펙트럼을 생성하고,
상기 생성된 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하고,
상기 추출된 주성분 스펙트럼을 이용하여 상기 농도 추정 모델을 갱신하는,
농도 추정 장치. - 제6항에 있어서,
상기 프로세서는,
분석 물질의 기준 농도 대비 변화량에 대응하는 스펙트럼을 상기 획득된 체내 스펙트럼에서 제거하여 갱신용 스펙트럼을 생성하는,
농도 추정 장치. - 제6항에 있어서,
상기 프로세서는,
PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 중 하나를 이용하여 상기 갱신용 스펙트럼과 상기 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하는,
농도 추정 장치. - 제1항에 있어서,
상기 스펙트럼 획득부는,
피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 획득하고,
상기 프로세서는,
피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하고,
상기 추출된 주성분 스펙트럼과 분석 물질의 순수 성분 스펙트럼을 기반으로 상기 농도 추정 모델을 생성하는,
농도 추정 장치. - 제1항에 있어서,
상기 분석 물질은,
포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 중 적어도 하나인,
농도 추정 장치. - 제1항에 있어서,
상기 분석 물질은 포도당이고,
상기 분석 물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간인,
농도 추정 장치. - 피검체의 체내 스펙트럼을 획득하는 단계;
피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 기반으로 생성된 농도 추정 모델 및 상기 획득된 체내 스펙트럼을 이용하여 분석 물질의 농도를 추정하는 단계; 및
상기 획득된 체내 스펙트럼과 상기 추정된 분석 물질의 농도를 기반으로 상기 농도 추정 모델을 갱신하는 단계; 를 포함하는,
농도 추정 방법. - 제12항에 있어서,
상기 체내 스펙트럼을 획득하는 단계는,
외부 장치로부터 상기 체내 스펙트럼을 수신하는 단계를 포함하는,
농도 추정 방법. - 제12항에 있어서,
상기 체내 스펙트럼을 획득하는 단계는,
상기 피검체에 광을 조사하는 단계; 및
상기 피검체로부터 반사 또는 산란된 광을 수신하여 상기 체내 스펙트럼을 측정하는 단계; 를 포함하는,
농도 추정 방법. - 제14항에 있어서,
상기 체내 스펙트럼을 측정하는 단계는,
적외선 분광법(infrared spectroscopy) 및 라만 분광법(Raman spectroscopy) 중 하나를 이용하여 상기 체내 스펙트럼을 측정하는,
농도 추정 방법. - 제12항에 있어서,
상기 농도 추정 모델은,
NAS(net analyte signal) 알고리즘을 통해 생성되는,
농도 추정 방법. - 제12항에 있어서,
상기 농도 추정 모델을 갱신하는 단계는,
상기 추정된 분석 물질의 농도를 기반으로 상기 획득된 체내 스펙트럼을 보정하여 갱신용 스펙트럼을 생성하는 단계;
상기 생성된 갱신용 스펙트럼과 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하는 단계; 및
상기 추출된 주성분 스펙트럼을 이용하여 상기 농도 추정 모델을 갱신하는 단계; 를 포함하는,
농도 추정 방법. - 제17항에 있어서,
상기 갱신용 스펙트럼을 생성하는 단계는,
분석 물질의 기준 농도 대비 변화량에 대응하는 스펙트럼을 상기 획득된 체내 스펙트럼에서 제거하여 갱신용 스펙트럼을 생성하는,
농도 추정 방법. - 제17항에 있어서,
상기 주성분 스펙트럼을 추출하는 단계는,
PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 중 하나를 이용하여 상기 갱신용 스펙트럼과 상기 농도 추정 모델 생성에 이용된 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하는,
농도 추정 방법. - 제12항에 있어서,
피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼을 획득하는 단계;
피검체 내 분석 물질의 농도가 실질적으로 변하지 않는 구간의 체내 스펙트럼으로부터 주성분 스펙트럼을 추출하는 단계; 및
상기 추출된 주성분 스펙트럼과 분석 물질의 순수 성분 스펙트럼을 기반으로 상기 농도 추정 모델을 생성하는 단계; 를 더 포함하는,
농도 추정 방법. - 제12항에 있어서,
상기 분석 물질은,
포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol) 또는 에탄올(ethanol) 중 적어도 하나인,
농도 추정 방법. - 제12항에 있어서,
상기 분석 물질은 포도당이고,
상기 분석 물질의 농도가 실질적으로 변하지 않는 구간은 공복 구간인,
농도 추정 방법.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180118260A KR102638310B1 (ko) | 2018-10-04 | 2018-10-04 | 분석 물질의 농도 추정 장치 및 방법 |
| EP19201415.7A EP3632309B1 (en) | 2018-10-04 | 2019-10-04 | Apparatus and method for estimating analyte concentration |
| US16/593,075 US11596331B2 (en) | 2018-10-04 | 2019-10-04 | Apparatus and method for estimating analyte concentration |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180118260A KR102638310B1 (ko) | 2018-10-04 | 2018-10-04 | 분석 물질의 농도 추정 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200038711A true KR20200038711A (ko) | 2020-04-14 |
| KR102638310B1 KR102638310B1 (ko) | 2024-02-19 |
Family
ID=68137966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180118260A KR102638310B1 (ko) | 2018-10-04 | 2018-10-04 | 분석 물질의 농도 추정 장치 및 방법 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11596331B2 (ko) |
| EP (1) | EP3632309B1 (ko) |
| KR (1) | KR102638310B1 (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220025378A (ko) | 2020-08-24 | 2022-03-03 | 삼성전자주식회사 | 대상 신호 스펙트럼 획득 장치 및 방법 |
| KR20220070792A (ko) | 2020-11-23 | 2022-05-31 | 삼성전자주식회사 | 체온 추정 장치 및 방법과, 헬스케어 기기 |
| CN113057586B (zh) * | 2021-03-17 | 2024-03-12 | 上海电气集团股份有限公司 | 一种病症预警方法、装置、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3244193A1 (en) * | 2016-05-09 | 2017-11-15 | Samsung Electronics Co., Ltd | Method and apparatus for predicting concentration of analyte |
| EP3329848A1 (en) * | 2016-11-30 | 2018-06-06 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating biological component |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI118509B (fi) * | 1996-02-12 | 2007-12-14 | Nokia Oyj | Menetelmä ja laitteisto potilaan veren glukoosipitoisuuden ennustamiseksi |
| US7383069B2 (en) | 1997-08-14 | 2008-06-03 | Sensys Medical, Inc. | Method of sample control and calibration adjustment for use with a noninvasive analyzer |
| US6998247B2 (en) | 2002-03-08 | 2006-02-14 | Sensys Medical, Inc. | Method and apparatus using alternative site glucose determinations to calibrate and maintain noninvasive and implantable analyzers |
| CN1327812C (zh) | 2002-03-25 | 2007-07-25 | Tyt技研株式会社 | 不抽血的血液成分值测量装置 |
| KR100634500B1 (ko) | 2004-01-20 | 2006-10-13 | 삼성전자주식회사 | 비침습적 체내성분 측정장치 및 방법 |
| US7460895B2 (en) | 2005-01-24 | 2008-12-02 | University Of Iowa Research Foundation | Method for generating a net analyte signal calibration model and uses thereof |
| JP2010508091A (ja) | 2006-10-26 | 2010-03-18 | アボット ダイアベティス ケア インコーポレイテッド | 検体センサの感度低下をリアルタイムで検出するための方法、システム、及びコンピュータプログラム製品 |
| JP2010005047A (ja) | 2008-06-25 | 2010-01-14 | Panasonic Electric Works Co Ltd | 光学式生体成分測定用の検量モデルの作成方法及び非侵襲血糖値測定装置 |
| CN102469962A (zh) | 2009-07-28 | 2012-05-23 | 松下电工株式会社 | 血糖值推定装置 |
| US20170127983A1 (en) | 2015-11-10 | 2017-05-11 | Massachusetts Institute Of Technology | Systems and methods for sampling calibration of non-invasive analyte measurements |
-
2018
- 2018-10-04 KR KR1020180118260A patent/KR102638310B1/ko active IP Right Grant
-
2019
- 2019-10-04 US US16/593,075 patent/US11596331B2/en active Active
- 2019-10-04 EP EP19201415.7A patent/EP3632309B1/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3244193A1 (en) * | 2016-05-09 | 2017-11-15 | Samsung Electronics Co., Ltd | Method and apparatus for predicting concentration of analyte |
| EP3329848A1 (en) * | 2016-11-30 | 2018-06-06 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating biological component |
| KR20180061959A (ko) | 2016-11-30 | 2018-06-08 | 삼성전자주식회사 | 생체 성분 추정 장치 및 방법 |
Non-Patent Citations (1)
| Title |
|---|
| Mulang Chen et. al., A unified recursive just-in-time approach with industrial near infrared spectroscopy application, Chemometrics and Intelligent Laboratory Systems, Vol.135, pp.133~140, 2014 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3632309B1 (en) | 2023-04-05 |
| US11596331B2 (en) | 2023-03-07 |
| US20200107759A1 (en) | 2020-04-09 |
| KR102638310B1 (ko) | 2024-02-19 |
| EP3632309A1 (en) | 2020-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108113683B (zh) | 用于估计生物成分的装置和方法 | |
| US11199492B2 (en) | Apparatus for measuring spectrum, method of correcting temperature change of light source in spectrum, and apparatus and method for estimating analyte concentration | |
| US11596331B2 (en) | Apparatus and method for estimating analyte concentration | |
| KR102539144B1 (ko) | 개인화된 단위 스펙트럼 획득 장치 및 방법과, 생체 성분 추정 장치 및 방법 | |
| US11389092B2 (en) | Apparatus and method for estimating bio-information | |
| US10753797B2 (en) | Spectrum processing apparatus and spectrum processing method | |
| US20230200744A1 (en) | Apparatus and method for estimating target component | |
| KR20200029908A (ko) | 분석 물질의 혈중 농도 측정 장치 및 방법 | |
| EP3815608B1 (en) | Apparatus and method for estimating concentration of analyte | |
| KR102671886B1 (ko) | 분석 물질의 농도 추정 장치 및 방법 | |
| US11495329B2 (en) | Apparatus and method for determining validity of bio-information estimation model | |
| US11872032B2 (en) | Apparatus and method for estimating analyte concentration | |
| US11287374B2 (en) | Apparatus and method for updating bioinformation estimation model | |
| KR20200045736A (ko) | 분석 물질의 농도 추정 장치 및 방법 | |
| KR20200037952A (ko) | 분석 물질의 혈중 농도 추정 장치 및 방법과, 모델 생성 장치 및 방법 | |
| US20220061704A1 (en) | Apparatus and method for estimating target component | |
| US11684267B2 (en) | Lens, light source device with lens, and apparatus for estimating concentration of analyte | |
| US20220233149A1 (en) | Apparatus and method for estimating body component |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |