KR20200121832A - 낙상 위험의 실시간 평가용 연결된 키오스크 - Google Patents

낙상 위험의 실시간 평가용 연결된 키오스크 Download PDF

Info

Publication number
KR20200121832A
KR20200121832A KR1020207026390A KR20207026390A KR20200121832A KR 20200121832 A KR20200121832 A KR 20200121832A KR 1020207026390 A KR1020207026390 A KR 1020207026390A KR 20207026390 A KR20207026390 A KR 20207026390A KR 20200121832 A KR20200121832 A KR 20200121832A
Authority
KR
South Korea
Prior art keywords
user
fall risk
spatiotemporal
kiosk
time
Prior art date
Application number
KR1020207026390A
Other languages
English (en)
Other versions
KR102556139B1 (ko
Inventor
앤서니 도르만
브라이언 제이. 차스코
데이비드 더블유. 킬리
Original Assignee
일렉트로닉 케어기버, 아이앤씨.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 일렉트로닉 케어기버, 아이앤씨. filed Critical 일렉트로닉 케어기버, 아이앤씨.
Publication of KR20200121832A publication Critical patent/KR20200121832A/ko
Application granted granted Critical
Publication of KR102556139B1 publication Critical patent/KR102556139B1/ko

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
    • 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
    • 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
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • 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
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/744—Displaying an avatar, e.g. an animated cartoon character
    • G06K9/00342—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0013—Medical image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

낙상 위험의 실시간 종합적인 평가를 위한 연결된 키오스크 시스템이 제공된다. 키오스크는 낙상 위험 평가를 위한 인증된 다수 분야의 종합적인 설문조사 시스템 및 낙상의 가능성과 관련된 알려진 위험 비율로 움직임 변수를 정량화하는 기능적인 움직임 평가를 수행하기 위한 능력 양자를 통합한다. 사용자가 종합적인 낙상 위험 평가를 진행함에 따라, 지시 및 안내가 웹 브라우저 내에 제공된 상호작용 아바타를 통해 지속적으로 제공된다. 또한, 낙상 위험 데이터가 클릭이 없는 방식으로 수집, 처리, 분석 및 저장되고, 종합적인 낙상 위험 평가의 결과는 상호작용 아바타를 통해 사용자에게 다시 제공된다. 종합적인 낙상 위험 평가 결과가 사용자에게 보고됨에 따라, 키오스크는 또한 낙상 위험의 감소에 대한 상담 제안을 허용하는 비교 분석 도구를 사용한다.

Description

낙상 위험의 실시간 평가용 연결된 키오스크
본 개시의 실시 예는 배치 가능한 낙상 위험 평가 키오스크와 관련된다. 특히, 본 개시는 낙상 위험의 실시간 평가를 제공하는 시스템 및 방법에 관한 것이다.
본 섹션에서 설명하는 접근법은 추구될 수 있으나, 이전에 고안되거나 추구된 접근법일 필요는 없다. 따라서, 달리 명시되지 않는 한, 본 섹션에서 설명된 접근법 중 어느 것도 단지 본 섹션에 포함되었기 때문에 선행기술로서 자격이 있다고 추정해서는 안된다.
낙상 위험 평가는 고령의 미국인에게 건강 관리의 제공의 필수적인 부분이 되었다. 이는 빠르게 고령화되는 미국 인구가 독립을 유지하려는 큰 소망을 가지고 있다는 사실과 결합되어 낙상과 관련된 다수의 위험 요인들의 인지로 이어졌다. 유감스럽게도, 대부분의 위험 요인 평가는 인증된 의료 전문가의 사무실이나 전통적인 오프라인 연구소(brick-and-mortar research laboratory)에서 이루어진다. 이는 현재의 낙상 위험 평가 패러다임과 관련된 세 가지 주요 제한 사항을 발생시킨다: 1) 종합적인 낙상 위험 평가를 완료하기 위한 개인의 능력과 관련된 이동 구성 요소가 있다; 2) 종합적인 낙상 위험 평가와 관련된 전통적인 하드웨어 및 소프트웨어 비용이 이들 평가를 광범위하게 수행하기에는 엄두도 못 낼 정도로 비싸다; 및 3) 종합적인 낙상 위험 평가를 수행하는 것과 관련된 실제 업무 진행 상의 난점 때문에, 개인은 일반적으로 1년에 1번 또는 2번만 검사가 이루어진다.
종합적인 낙상 위험 평가와 관련된 이러한 문제들은 현재 이용 가능한 시스템에 의해서는 아직 완전히 해결되지 않았다. 증거가 낙상의 증가된 위험과 관련된 알려진 요인들이 확인되고 수정될 수 있다는 점을 암시하지만, 종합적인 낙상 위험 평가의 대부분의 현재 이용 가능한 방법은 환자 중심이 아니다. 또한, 현재 평가 시스템은 이동성이 없으며 낙상 위험 검사의 여러 방법을 통합하고 있지 않다.
일부 실시 예에 따르면, 본 기술은 낙상 위험의 실시간 평가를 제공하는 방법에 대한 것으로, 상기 방법은: (a) 복수의 분야에 걸쳐 낙상 위험 평가에 관한 정보를 도출하는 것에 대한 질문들을 포함하는 설문조사를 사용자에게 제공하는 단계; (b) 상기 사용자의 낙상의 위험을 나타내는 상기 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 단계; (c) 깊이 카메라 시스템을 통해, 상기 사용자의 활동의 깊이 비디오 데이터를 기록하는 단계; (d) 상기 깊이 비디오 데이터에 기반하여, 상기 사용자에 의해 수행된 상기 활동과 관련된 적어도 하나의 시공간적 보행 특성을 결정하는 단계; (e) 상기 적어도 하나의 시공간적 보행 특성 및 상기 도출된 정보에 기반하여 정량적인 낙상 위험 분석을 수행하는 단계; 및 (f) 상기 사용자에게 상기 정량적인 낙상 위험 분석의 적어도 일부를 표시하는 단계를 포함한다.
일부 실시 예에서, 본 개시는 하나 이상의 컴퓨터 시스템에 대한 것으로, 상기 시스템은 본 명세서에 설명된 바와 같이 동작 중에 상기 시스템이 행동 및/또는 방법 단계를 수행하게 하는 상기 시스템 상에 설치되는 소프트웨어, 펌웨어, 하드웨어, 또는 이들의 조합을 구비함으로써 특정한 동작 또는 행동을 수행하도록 구성되거나 또는 상기 시스템이 본 명세서에 설명된 바와 같은 동작 또는 행동을 수행하도록 구성될 수 있다. 예를 들어, 실시 예들은 낙상 위험의 실시간 평가를 제공하기 위한 시스템을 포함할 수 있으며, 상기 시스템은: (a) 키오스크; (b) 상기 키오스크와 통신적으로 연결된 태블릿 장치; (c) 상기 키오스크와 통신적으로 연결된 깊이 카메라 시스템; (d) 적어도 하나의 프로세서; 및 (e) 프로세서 실행 가능 명령들을 저장하는 메모리를 포함하되, 상기 적어도 하나의 프로세서는 상기 프로세서 실행 가능 명령들을 실행할 때 다음 동작을 구현하도록 구성된다: (i) 복수의 분야에 걸쳐 낙상 위험의 평가에 관한 정보를 도출하는 것에 대한 질문들을 포함하는 설문조사를 사용자에게 제공하는 동작; (ii) 상기 사용자의 낙상의 위험을 나타내는 상기 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 동작; (iii) 깊이 카메라 시스템을 통해, 상기 사용자의 활동의 깊이 비디오 데이터를 기록하는 동작; (iv) 상기 깊이 비디오 데이터에 기반하여, 상기 사용자에 의해 수행된 상기 활동과 관련된 적어도 하나의 시공간적 보행 특성을 결정하는 동작; (v) 상기 적어도 하나의 시공간적 보행 특성 및 상기 도출된 정보에 기반하여 정량적인 낙상 위험 분석을 수행하는 동작; 및 (vi) 상기 사용자에게 상기 정량적인 낙상 위험 분석의 적어도 일부를 표시하는 동작.
다른 실시 예에서, 본 개시는 낙상 위험의 실시간 평가를 제공하는 방법을 수행하기 위해 적어도 하나의 프로세서에 의해 실행 가능한 명령어들이 구현된 비일시적 컴퓨터 판독 가능 매체를 포함하고, 상기 방법은: (a) 복수의 분야에 걸쳐 낙상 위험의 평가에 관한 정보를 도출하는 것에 대한 질문들을 포함하는 설문조사를 사용자에게 제공하는 단계; (b) 상기 사용자의 낙상의 위험을 나타내는 상기 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 단계; (c) 깊이 카메라 시스템을 통해, 상기 사용자의 활동의 깊이 비디오 데이터를 기록하는 단계; (d) 상기 깊이 비디오 데이터에 기반하여, 상기 사용자에 의해 수행된 상기 활동과 관련된 적어도 하나의 시공간적 보행 특성을 결정하는 단계; (e) 상기 적어도 하나의 시공간적 보행 특성 및 상기 도출된 정보에 기반하여 정량적인 낙상 위험 분석을 수행하는 단계; 및 (f) 상기 사용자에게 상기 정량적인 낙상 위험 분석의 적어도 일부를 표시하는 단계를 포함한다.
이하의 상세한 설명과 함께, 별개의 도면들 전체에 있어서 같은 참조 번호가 동일하거나 또는 기능적으로 유사한 요소를 지칭하는 첨부 도면은 본 명세서의 일부로 통합되어 본 명세서의 일부를 형성하며, 청구된 개시를 포함하는 개념의 실시 예를 추가적으로 도시하는 기능을 하며, 이들 실시 예의 다양한 원리 및 장점을 설명한다.
도 1은 본 개시에 따라, 종합적인 낙상 위험 평가를 제공하도록 구성된 예시적인 시스템의 상위 레벨 블록도를 도시한다.
도 2는 본 개시에 따라, 종합적인 설문조사를 제공 및 처리하는 예시적인 시스템의 상위 레벨 블록도를 도시한다.
도 3a-3c는 본 개시에 따라, 종합적인 설문조사 응답 수신을 가능하게 하도록 구성된 예시적인 그래픽 사용자 인터페이스의 사례들을 도시한다.
도 4는 본 개시에 따라, 보행 분석을 제공 및 처리하는 예시적인 시스템의 상위 레벨 블록도를 도시한다.
도 5a-5b는 본 개시에 따라, 보행 분석의 기능적 평가의 예시적인 그래픽 표현을 도시한다.
도 6은 본 개시에 따라, 기능적 움직임 분석 결과를 구비한 예시적인 그래픽 사용자 인터페이스를 도시한다.
도 7은 본 개시에 따라, 비교 데이터에 기반하여 증거 기반 추천을 제공하도록 구성된 예시적인 시스템의 상위 레벨 블록도를 도시한다.
도 8은 종합적인 낙상 위험 평가의 결과를 구비하는 예시적인 그래픽 사용자 인터페이스를 도시한다.
도 9는 본 개시에 따라, 환경 설문조사에 기반한 추천을 제공하도록 구성된 예시적인 그래픽 사용자 인터페이스를 도시한다.
도 10은 본 개시에 따라, 종합적인 낙상 위험 평가의 완료를 통해 사용자를 안내하도록 구성된 전자 도우미 이미지(electronic caregiver image: ECI) 아바타의 예시적인 묘사를 도시한다.
도 11은 본 개시에 따라, 사용자에 의해 수행될 기능적인 테스트들의 대표적인 예시들을 제공하는 ECI 아바타의 예시적인 묘사를 도시한다.
도 12는 본 개시에 따라, 종합적인 낙상 위험 평가를 제공하는 방법을 도시하는 프로세스 흐름도를 도시한다.
도 13은 본 개시의 실시 예들을 실시하는데 사용될 수 있는 예시적인 컴퓨터 시스템을 도시한다.
본 출원은 2018년 2월 20일 제출되고 발명의 명칭이 “낙상 위험의 실시간 평가용 연결된 키오스크”인 미국 임시 특허 출원 번호 62/632,918의 우선권의 이익을 주장하고, 2018년 10월 24일 출원되고 발명의 명칭이 “개선된 상호작용의 애니메이션 대화형 인터페이스 시스템을 갖는 컴퓨팅 장치”인 미국 특허 출원 번호 16/169,760과 관련되며, 이들 미국 임시 특허 출원 및 미국 특허 출원은 그 전체가 본 명세서에 참조되어 본 발명의 일부를 이룬다.
이하의 설명에서, 설명의 목적을 위하여, 개시의 철저한 이해를 제공하기 위해 다수의 구체적인 상세 사항이 개시되어 있다. 그러나, 당업자에게는 이러한 구체적인 상세 사항 없이 본 개시가 실시될 수 있다는 점이 명백할 것이다. 또 다른 사례에서, 구조 및 장치는 단지 본 개시를 모호하게 하지 않기 위해 블록도의 형태로 도시될 수 있다. 개시된 실시 예들은 단지 여러 형태로 구현될 수 있는 본 발명의 예시일 뿐이라는 점이 이해되어야 한다. 본 명세서에 개시된 이러한 상세 사항들은 어떤 형태로든 제한하는 것이 아니라 청구범위의 기초로서 해석되어야 한다.
본 명세서에서 설명되고 기술된 다양한 예시적인 실시 예는 환자 중심 및 이동형의 종합적인 낙상 위험 평가의 방법을 제공하도록 구성된 컴퓨팅 장치에 관한 것이다. 컴퓨팅 장치는 인증된 설문조사 연구 기기 및 깊이 카메라를 사용하여 개인에 대한 설문조사 및 보행 분석을 수행하는 키오스크 낙상 위험 평가 시스템을 포함할 수 있다. 특히, 키오스크 낙상 위험 평가 시스템은 심전도(electrocardiograph, ECG)가 아닌 하나 이상의 인터페이스, 카메라, 및 센서를 사용할 수 있다. 보행 분석에 대한 설문조사 및 지시의 완료는 2018년 10월 24일에 출원되고 발명의 명칭이 “개선된 상호작용의 애니메이션 대화형 인터페이스 시스템을 갖는 컴퓨팅 장치”로 그 전체가 본 명세서에 참조되어 본 발명의 일부를 이루는, 관련 미국 특허 출원 번호 16/169,760에서 더욱 상세하게 설명된 바와 같이, 대화형 인터페이스 시스템을 통하여 사용자에게 제공된다. 보행 분석은 대화형 인터페이스 시스템, 깊이 카메라, 태블릿 장치, 및 개인의 하나 이상의 보행 특성 및 낙상 위험 점수를 산출하기 위한 알고리즘 및 머신 러닝을 통합한다. 그 후, 종합적인 설문조사, 보행 특성, 및 낙상 위험 점수의 결과는 대화형 인터페이스 및 키오스크를 통하여 개인에게 제공될 수 있다.
도 1은 사용자의 종합적인 낙상 위험 평가를 제공하도록 구성된 키오스크 낙상 위험 평가 시스템(100)을 도시한다. 다양한 실시 예에서, 키오스크 낙상 위험 평가 시스템(100)은 키오스크(120), 통신 네트워크(140), 종합적인 설문조사 시스템(160), 및 보행 분석 시스템(170)을 포함한다. 키오스크(120)는 태블릿 장치(120)와 깊이 카메라 시스템(150)을 포함하거나 또는 이들에 연결될 수 있다. 사용자(110)는 인터넷 또는 셀룰러 네트워크와 같은 통신 네트워크(140)와 연결된 태블릿 장치(130)를 통하여 키오스크 시스템(120)을 사용한다. 전자 도우미 시스템은 본 개시 전체에 걸쳐 더욱 상세하게 설명되는 바와 같이, 사용자(110)에 대한 종합적인 낙상 위험 평가를 제공하도록 구성된 태블릿 장치(130) 상에 설치될 수 있다. 확실하게, 태블릿 장치(130) 및 키오스크(120)는 도 13과 관련하여 설명된 것들과 같은 임의의 적합한 컴퓨팅 장치로 대체되거나, 또는 그 형태를 취할 수 있다. 깊이 카메라 시스템(150)은 사용자 움직임의 하나 이상의 파라미터를 측정하기 위하여 기능적인 움직임 평가를 가능하게 한다. 도시되지 않았으나, 키오스크 낙상 위험 평가 시스템(100)은 비디오 카메라 시스템, 움직임 센서, 진동 센서 등을 포함하는 센서들의 임의의 수 또는 조합을 추가적으로 포함할 수 있다는 점이 이해되어야 한다.
종합적인 낙상 위험 평가는 종합적인 설문조사 시스템(160) 및 보행 분석 시스템(170) 중 하나 또는 양자의 결과에 기반한다. 종합적인 설문조사 시스템(160) 및/또는 보행 분석 시스템은 클라우드에 기반하거나, 또는 하나 이상의 원격 서버들을 포함할 수 있다. 종합적인 설문조사 시스템(160) 및 보행 분석 시스템(170)에 대한 서비스를 제공하는 하나 이상의 서버들은 동일한 원격 서버들, 개별적인 원격 서버들일 수 있거나, 또는 하나 이상의 공유 서버들을 구비할 수 있다는 점이 이해되어야 한다. 종합적인 설문조사 시스템(160) 및/또는 보행 분석 시스템(170)의 평가를 통하여, 키오스크 낙상 위험 평가 시스템(100)은 사용자(110)에게 전반적인 낙상 위험을 설명하는 임상적으로 관련이 있는 데이터를 제공하는 것을 가능하게 한다.
통신 네트워크(140)는 무선 또는 유선 네트워크, 또는 이들의 조합을 포함할 수 있다. 예를 들어, 통신 네트워크는 다음의 하나 이상을 포함할 수 있다: 인터넷, 지역 인트라넷, 개인 통신망(PAN: Personal Area Network), 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 도시권 통신망(MAN: Metropolitan Area Network), 가상 사설 네트워크(VPN: virtual private network), 스토리지 전용 네트워크(SAN: storage area network), 프레임 중계 커넥션, 차세대 지능망(AIN: Advanced Intelligent Network) 커넥션, 동기식 광통신망(SONET: synchronous optical network) 커넥션, 디지털 T1, T3, E1 또는 E3 라인, 디지털 데이터 서비스 (DDS) 커넥션, 디지털 가입자 회선(DSL: Digital Subscriber Line) 커넥션, 이더넷 커넥션, 종합정보통신망(ISDN: Integrated Services Digital Network) 회선, V.90, V.34 또는 V.34bis 아날로그 모뎀 커넥션과 같은 다이얼-업 포트, 케이블 모뎀, 비동기 전송 모드(ATM: Asynchronous Transfer Mode) 커넥션, 또는 광섬유 분산 데이터 인터페이스(FDDI: Fiber Distributed Data Interface) 또는 구리선 분산 데이터 인터페이스(CDDI: Copper Distributed Data Interface) 커넥션. 또한, 통신은, 무선 애플리케이션 프로토콜(WAP: Wireless Application Protocol), 일반 패킷 무선 서비스(GPRS: General Packet Radio Service), 이동통신 글로벌 시스템(GSM: Global System for Mobile Communication), 코드분할다중접속(CDMA: Code Division Multiple Access) 또는 시분할다중접속(TDMA: Time Division Multiple Access), 휴대전화 네트워크, 글로벌 위치결정 시스템(GPS), 셀룰러 디지털 패킷 시스템(CDPD: cellular digital packet data), 리서치 인 모션 사(RIM: Research in Motion, Limited) 이중 페이징 네트워크(duplex paging network), 블루투스 라디오, 또는 IEEE 802.11 기반 라디오 주파수 네트워크를 포함하는, 임의의 다양한 무선 네트워크와의 링크(link)를 포함할 수도 있다. 네트워크는 다음의 임의의 하나 이상을 추가적으로 포함하거나 또는 다음의 임의의 하나 이상과 연결될 수 있다: RS-232 직렬(serial) 커넥션, IEEE-1394 (파이어와이어(Firewire)) 커넥션, 파이버 채널 커넥션, IrDA (적외선(infrared)) 포트, 소형 컴퓨터 시스템 인터페이스(SCSI: Small Computer Systems Interface) 커넥션, 범용 직렬 버스(USB: Universal Serial Bus) 커넥션, 또는 기타 유선 또는 무선의, 디지털 또는 아날로그 인터페이스 또는 커넥션, 메쉬 또는 Digi ® 네트워킹.
종합적인 설문조사 시스템(160)은 상호작용의, 대화형의, 텍스트 기반의 상호작용 및 음성 대화 및 클라우드 기반 음성 텍스트 변환 기술을 사용하여 사용자가 다양한 양식을 완성하도록 하는 3차원 전자 도우미 이미지 (Electronic Caregiver Image: ECI) 아바타를 사용할 수 있다. 종합적인 설문조사 시스템(160)은 도 2, 3a, 3b, 및 3c와 관련하여 더욱 상세하게 설명될 것이다.
보행 분석 시스템(170)은 하나 이상의 기능적인 평가로부터 사용자의, 하나 이상의 시공간적 보행 특성 및 완료 능력을 평가 및 정량화하도록 구성된다. 기능적인 평가는 걷기, 앉기, 돌기(turning) 등과 같은 사용자에 의해 수행된 물리적인 행동을 포함할 수 있다. 보행 분석 시스템(170)은 도 4, 5a, 5b, 및 6과 관련하여 더욱 상세하게 설명될 것이다.
도 2는 종합적인 설문조사 시스템(160)을 사용하여 종합적인 설문조사를 제공 및 처리하기 위한 예시적인 시스템(200)의 상위 레벨 블록도를 도시한다. 예시적인 시스템(200)은 도 1에 도시된 키오스크 낙상 평가 시스템(100)의 일부일 수 있다는 점이 이해되어야 한다. 다양한 실시 예에서, 종합적인 설문조사 시스템(160)은 (대화형 인터페이스로서 본 명세서에 참조된) 상호작용의, 대화형 텍스트 기반 소통 시스템(180) 및 전자 도우미 이미지(ECI) 아바타(190)를 구비하는 상호작용의 애니메이션 대화형 인터페이스 시스템에서 유래된 전자 도우미와 결합된다. 대화형 인터페이스(180) 및 ECI 아바타(190)의 예시는 2018년 10월 24일 출원되고 발명의 명칭이 “개선된 상호작용의 애니메이션 대화형 인터페이스 시스템을 갖는 컴퓨팅 장치”로 그 전체가 본 발명에 참조되어 본 발명의 일부를 이루는, 관련 미국 특허 출원 번호 16/169,760에서 설명된다.
예시적인 시스템(200)을 통하여, ECI 아바타(190)는 복수의 분야에 걸쳐 낙상 위험 평가에 관한 정보를 도출하고, 사용자의 낙상의 위험을 나타내는 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 것에 대한 일련의 질문을 포함하는 설문조사를 제공하기 위하여 사용자(110)와 관계를 맺는다. ECI 아바타(190)는 여러 언어로 소통될 수 있다. 예시적인 시스템(200)은 사용자(110)에게 타입 기반 데이터 입력 또는 음성 통신 데이터 입력 중 하나를 포함하는 데이터 입력 방법을 고르는 옵션을 제공한다.
도출된 정보를 포함하는 사용자의 데이터 입력에 따라, 데이터는 태블릿 장치(130)로부터 키오스크(120)로, 통신 네트워크(140)를 통하여 대화형 인터페이스(180) 및/또는 종합적인 설문조사 시스템(160)으로 전송될 수 있다. 대화형 인터페이스(180)는 데이터 입력을 분석하고 데이터 입력 오류에 대한 중복(redundancy)을 결정한다. 데이터 입력에서의 오류 결정에 응답하여, 대화형 인터페이스(180)는 예를 들면 ECI 아바타(190)에 의해, 오류의 정정을 위해 피드백이 사용자에게 제공되도록 한다. 또한 대화형 인터페이스(180)는 입력 데이터를 종합적인 설문조사 시스템(160)으로 전송할 수 있거나, 또는 종합적인 설문조사 시스템(160)에 오류 결정의 결과를 통지할 수 있다.
실시간으로 정확성에 대한 데이터를 평가하기 위해, 대화형 인터페이스(180)는 사용자(110)에 의해 입력된 데이터 타입이 규정된 목록 데이터 타입과 매치되는지를 결정하기 위해 입력의 목록을 사용한다. 이와 같이, 대화형 인터페이스(180) 및 종합적인 설문조사 시스템(160)과 같은 클라우드 기반 애플리케이션의 사용을 통하여, 예시적인 시스템(200)은 입력 데이터를 평가하고, 입력 데이터에서 오류가 존재하는지를 결정하며, 연속 결정 프로세스를 실행하고, 실시간으로 사용자에게 응답을 제공한다. 일반적으로, 실시간 응답은 1.0초 미만과 같이, 사용자가 대기할 수 있는 적절한 기간의 시간 내에 사용자에게 제공될 수 있다. 일단 정확성에 대한 데이터가 평가되어 모든 입력 데이터가 입력되면, 종합적인 설문조사 시스템(160)은 사용자 입력 데이터를 암호화하고, 저장 용도의 클라우드 기반 기본 키 설계 데이터베이스로 데이터의 전송을 진행한다.
예시적인 시스템(200)은 또한 사용자(110)와 상호작용의 소통을 위한 3차원 ECI 아바타(190)를 포함하는 웹 브라우저를 제공한다. 이러한 ECI 아바타(190)는 종합적인 낙상 위험 평가의 완료를 통해 사용자가 안내되는 동안의 상호작용의 경험을 사용자에게 제공한다. 평가가 사용자에 의해 완료됨에 따라, ECI 아바타(190)는 사용자에 의한 양식 완성을 단순화하고 간소화하려는 노력의 일환으로 대화형 양식에서 실시간 피드백을 제공한다.
ECI 아바타(190)는 태블릿 장치(130)의 그래픽 사용자 인터페이스를 통해 사용자(110)에게 표시된다. ECI 아바타(190)는 태블릿 장치(130)를 통해, 사용자에게 하나 이상의 분야에 걸쳐서 낙상 위험을 평가하는 일련의 질문들을 제공한다. 이하 표 1에 설명된 분야들은 사용자의 이력, 약물, 환경, 신체 및 시력 측면들을 포함한다.
표 1. 키오스크 낙상 위험 평가 시스템에 통합된 종합적인 설문조사 시스템에 의해 평가된 낙상 위험의 분야 및 각각의 분야에 대한 표본 질문 영역.
분야 수집된 예시 정보
이력 1. 나이
2. 낙상 이력
3. 보조 장치 사용
4. 관절염 진단
약물 1. 약물 리스트
2. 부작용의 경험
3. 약사의 수
4. 약국 상담 빈도
환경 1. 위에서 아래로 조명된 계단
2. 어수선한 바닥의 정리
3. 미끄럼 방지 깔개
신체 1. 연장된 시한의 일어서서 걷기
2. 기능적 뻗기 검사
시력 1. 처방된 교정 렌즈의 착용
2. 작년에 한 시력 검사
3. 스넬렌 시력 점수
키오스크(120)는 사용자(110)에게 음성 텍스트 변환 기능성에 대한 액세스를 제공한다. 키오스크(120)는 사용자(110)에게 ECI 아바타(190)를 사용하여 음성 및 텍스트 통신 양자의 제공에 대한 컴퓨팅 능력을 포함하는 클라우드 기반 서비스에 대한 액세스를 제공한다. 이와 같이, 사용자(110)에 의한 종합적인 설문조사 시스템(160)이 시작되면, ECI 아바타(190)는 간단한 대화를 통해 종합적인 설문조사의 완료에 필요한 데이터의 요청을 가능하게 한다.
소정 실시 예에서, 예시적인 시스템(200)은 사용자(110)에 의해 입력된 설문조사 데이터를 인증한다. 사용자(110)로부터의 설문조사 응답 데이터가 키오스크(120)에 의해 수신되고 통신 네트워크(140)를 통해 대화형 인터페이스(180)에 전송되면, 대화형 인터페이스(180)는 입력의 데이터 타입(예를 들어, 예/아니오, 단어, 숫자 등)과 인증 유틸리티에 저장된 미리 규정된 데이터 타입을 비교한다. 따라서, 대화형 인터페이스(180)는 사용자(110)에 의해 제공된 데이터 입력 타입의 유효성을 평가한다. 인증 유틸리티에 의해 입력이 유효한 것으로 결정되면, 대화형 인터페이스(180)는 키오스크(120)를 사용자(110)에게 문의될 종합적인 설문조사에 포함된 다음 항목으로 이동시키는 진행 결정 프로그램을 활성화한다. 대안적으로, 인증 유틸리티에 의해 입력이 유효하지 않은 것으로 결정되면, 진행 결정 프로그램은 활성화되지 않으며, 대신에 대화형 인터페이스(180)는 사용자(110)에게 유효하지 않은 데이터 입력을 통보하기 위해 종합적인 설문조사 시스템(190)을 트리거한다. 키오스크(120)는 태블릿 장치(130) 및 ECI 아바타(190)를 통해 사용자(110)에게 이전의 데이터 입력이 유효하지 않다는 점을 통보하고 설문조사 질문을 다시 물어본다.
도 3a-3c는 종합적인 설문조사 응답의 수신을 가능하게 하도록 구성된 예시적인 그래픽 사용자 인터페이스(300)의 사례를 도시한다. 도 3a-3c는 사용자로부터의 입력 데이터에 기반한 다양한 결정 경로를 도시한다. 그래픽 사용자 인터페이스(300)는 도 1-2에 도시된 태블릿 장치(130)의 일 부분일 수 있거나, 또는 키오스크(120)와 연결된 또 다른 적절한 디스플레이일 수 있다.
도 3a는 태블릿 장치(130) 상에서 사용자에게 표시되는 미완성의 양식 필드의 초기 세트를 도시한다. 도 3b는 태블릿 장치(130) 상에서 사용자(110)에게 대화형 인터페이스(180)에 의해 유효한 것으로 결정된 입력 데이터의 표시를 도시한다. 도 3c는 ECI 아바타(190)로부터의 유효하지 않은 데이터 입력 응답을 도시한다.
도 4는 보행 분석 시스템(170)을 사용하여 보행 분석을 제공 및 처리하기 위한 예시적인 시스템(400)을 도시한다. 보행 분석 시스템(170)은 이하에서 더욱 상세하게 설명되는 바와 같이, 신체 추적 모듈(172) 및 움직임 파라미터 모듈(174)를 포함할 수 있다. 예시적인 시스템(400)은 도 1에 도시된 키오스크 낙상 평가 시스템(100)의 일부일 수 있다는 점이 이해되어야 한다. 다양한 실시 예에서, 키오스크(120)는 기능적 평가의 완료에 대한 사용자의 능력뿐 아니라 사용자(110)의 하나 이상의 시공간적 보행 특성의 평가 및 정량화를 가능하게 하도록 추가적으로 구성된다. 시공간적 보행 특성의 몇몇 예시들이 표 2에 설명된다.
표 2. 키오스크 낙상 위험 평가 시스템을 통해 사용자에게 제공된 보행 분석 시스템에 의해 결정된 기능적인 움직임 파라미터들.
정량화된 변수 정의
보행 속도 단위 시간 당 사용자에 의해 이동된 직선 거리.
활보장(stride length) 같은 발의 연속적인 발 착지의 지점으로부터의 직선 거리.
보폭 반대쪽 발에 대한 발 착지의 지점으로부터의 직선 거리.
보간 반대쪽 발에 대한 발 착지의 지점으로부터의 전액면(frontal plane)에서의 직선 거리.
입각 시간 발이 지면과 접촉하는 동안의 보행 주기의 백분율.
유각 시간 발이 지면과 접촉하지 않는 동안의 보행 주기의 백분율.
양발 디딤 시간 양발이 지면과 접촉하는 동안의 보행 주기의 백분율.
입각 시간 가변성 10가지 평가 과정에서 사용자 입각 시간과 관련된 평균 가변성
유각 시간 가변성 10가지 평가 과정에서 사용자 유각 시간과 관련된 평균 가변성.
일어서서 걷기 검사 지속 시간 지속 시간(초): 사용자가 기능적인 평가를 완료해야 한다.
일어서서 걷기 검사 회전 지속 시간 지속 시간(초): 사용자가 기능적인 평가의 회전 부분을 완료해야 한다.
일어서서 걷기 검사 일어섬 지속 시간 지속 시간(초): 사용자가 기능적인 평가의 앉았다가 일어나기 부분을 완료해야 한다.
일어서서 걷기 검사 앉음 지속 시간 지속 시간(초): 사용자가 기능적인 평가의 일어섰다가 앉기 부분을 완료해야 한다.
30초 의자 일어서기 반복 검사 기간(30초) 동안 사용자가 완료한 앉았다가 일어서기 반복의 횟수.
30초 의자 일어서기 감쇠율 검사 기간(30초) 동안 사용자에 의해 완료된 각 반복과 연관된 시간 감쇠의 비율.
기능적인 평가의 보행 분석을 수행하기 위해, 예시적인 시스템(400)은 깊이 카메라 시스템(150) 및 보행 분석 시스템(170)을 사용한다. 키오스크(120)는 사용자(110)의 준비상태를 문의함으로써 기능적인 평가를 시작한다. 사용자(110)에 의한 준비상태를 접수한 후에, 사용자가 걸음 및/또는 추천된 기능적인 평가를 수행함에 따라 키오스크(120)는 깊이 카메라 시스템(150)을 통해 비디오 깊이 녹화를 시작한다. 사용자(110)는 움직임 수행 영역(115)에서 키오스크(120)에 의해 지시된 기능적인 평가에 필요한 활동 또는 활동들을 수행한다. 사용자(110)에 의한 기능적인 검사가 수행되는 동안, 키오스크(120)는 활동의 깊이 비디오를 기록하기 위해 깊이 카메라 시스템(150)을 사용한다.
깊이 비디오는 키오스크(120)에 의해, 각각의 활동 완료 시에 실시간으로 또는 기능적인 평가의 완료 시에, 통신 네트워크(140)를 통해 보행 분석 시스템(170)으로 전송된다. 신체 추적 모듈(172)은 깊이 비디오 데이터의 지속 시간 동안 공간에서 사용자의 위치 및 배향(orientation)을 결정하는 것을 포함하여, 깊이 비디오에 신체 추적 알고리즘을 적용한다. 신체 추적 알고리즘은 사용자(110)의 하나 이상의 팔다리의 깊이 비디오 내에서의 위치를 결정하는 것과 깊이 비디오 데이터 내의 각각의 프레임에 대한 하나 이상의 팔다리의 위치 및 배향을 추적하는 것을 포함할 수 있다. 움직임 파라미터 모듈(174)은 사용자(110)의 하나 이상의 시공간적 보행 특성을 결정하기 위해 신체 추적 모듈(172)에 의해 생성된 신체 추적 정보를 처리할 수 있다. 예를 들어, 움직임 파라미터 모듈(174)은 사용자(110)에 의해 이동된 직선 거리를 사용자(110)가 상기 거리를 이동하는데 필요한 시간의 길이로 나눈 값을 계산함으로써 사용자(110)의 보행 속도를 결정할 수 있다. 하나 이상의 시공간적 보행 특성은 보행 분석 시스템(170), 키오스크(120), 태블릿 장치(130), 또는 이들의 임의의 조합과 관련된 데이터베이스에 저장될 수 있다.
확실하게, 신체 추적 모듈(172) 및 움직임 파라미터 모듈(174)을 포함하는 보행 분석 시스템(170)은 통신 네트워크(140)를 통해 키오스크(120)로부터 멀리 떨어진 것으로 도시되어 있는 반면, 본 개시의 실시 예들은 키오스크(120) 또는 태블릿 장치(130) 내에 보행 분석 시스템(170)을 구비하는 것을 포함한다.
도 5a 및 5b는 기능적인 평가의 활동의 표시를 나타내는 그래픽 사용자 인터페이스(500)를 도시한다. 그래픽 사용자 인터페이스(500)는, 예를 들어, 도 4에 도시된 태블릿 장치(130)를 통해 사용자(110)에게 제공될 수 있다. 상기 표시는 사용자(510), 움직임 수행 영역(515), 키오스크(520), 태블릿 장치(530), 및 깊이 카메라 시스템(550)의 그래픽 묘사를 포함할 수 있다. 그래픽 사용자 인터페이스(500)는 사용자(110)가 움직임 수행 영역(115)의 경계에 대해 통보 받을 수 있도록 깊이 카메라 시스템(150)의 대표적인 시야(555)를 추가적으로 도시할 수 있다. 특히, 도 5a는 사용자(110)가 정지 위치에서 좌측 회전하는 것을 포함하는 기능적인 평가의 활동을 도시한다. 도 5b는 움직임 수행 영역(115)에서 반복적으로 전후로 걷는 것을 포함하는 기능적인 평가의 또 다른 활동을 도시한다.
도 6은 다양한 실시 예에서, 태블릿 장치(130)를 통해 사용자(110)에게 제공된 기능적인 움직임 분석 결과를 구비하는 예시적인 그래픽 사용자 인터페이스(600)를 도시한다. 결과는 시공간적 보행 특성의 레이블(label), 시공간적 보행 특성의 결정된 수치, 및 시공간적 보행 특성의 간략한 설명을 포함할 수 있다. 키오스크 낙상 위험 평가 시스템은 결정된 시공간적 보행 특성을 사용자에게 실시간으로 제공할 수 있다.
도 7은 도 1에 도시된 바와 같은 키오스크 낙상 위험 평가 시스템(100)의 일부와 연결된 클라우드 기반 규준 데이터 스토리지(700)를 도시한다. 하나 이상의 원격 서버를 포함할 수 있는 클라우드 기반 규준 데이터 스토리지(700)는 종합적인 낙상 위험 평가의 결과에 기반하여 사용자(110)에게 증거 기반 상담 추천을 제공한다. 하나 이상의 원격 서버는 도 13에 도시된 예시적인 컴퓨팅 시스템에서 설명되는 바와 같은 컴퓨팅 능력을 가질 수 있다. 낙상 위험 평가의 완료 후 추천을 제공하기 위해, 키오스크는 다음의 적어도 하나를 구비하는 하나 이상의 클라우드 기반 규준 데이터 스토리지(700) 인스턴스(instance)에 액세스할 수 있다: 1) 기능적인 움직임 검사에 대한 규준 데이터; 2) 기능적인 움직임 데이터에 대한 알려진 위험 비율; 3) 낙상 이력 위험 비율; 4) 약물과 관련된 알려진 위험 및 상호작용을 설명하는 데이터; 5) 저위험 환경 설계에 대한 증거 기반 추천; 6) 시력과 관련된 규준 데이터; 또는 7) 시력 변수와 관련된 알려진 위험 비율. 규준 데이터 및 위험 비율은 종합적인 설문조사 시스템(160) 및 보행 분석 시스템(170)으로부터 클라우드 기반 규준 데이터 스토리지(700)에 의해 수신된 다른 사용자들의 복수의 설문조사 응답 및 기능적인 평가로부터 결정될 수 있다. 키오스크(120)는 통신 네트워크(140)를 통해 클라우드 기반 규준 데이터 스토리지(700)로부터 규준 데이터, 위험 비율, 추천들을 수신할 수 있고, 특정한 사용자(110)에 대한 종합적인 설문조사 시스템(160) 및 보행 분석 시스템(170)으로부터 결정된 데이터와 클라우드 기반 규준 데이터 스토리지(700)로부터 수신된 데이터를 비교할 수 있다. 비교에 기반하여, 키오스크(120)는 종합적인 낙상 위험 평가에 기반한 다양한 추천들을 사용자(110)에게 제공할 수 있다. 추천들은 사용자(110)와 관련된 낙상 위험을 감소시키는 것을 가능하게 한다.
예를 들어, 키오스크(120)는 종합적인 설문조사의 특정한 분야에 관하여 사용자에 대한 점수를 결정할 수 있다. 하나 이상의 실시 예에서, 키오스크 낙상 위험 평가 시스템(100)은 점수를 결정하기 위해 하나 이상의 인공 지능 시스템 및/또는 머신 러닝 알고리즘을 사용한다. 키오스크(120)는 특정 분야에 관하여 클라우드 기반 규준 데이터 스토리지(700)로부터 미리 결정된 임계치를 추가적으로 수신할 수 있다. 점수가 미리 결정된 임계치를 초과하였음이 결정되면, 키오스크(120)는 특정 분야와 관련된 클라우드 기반 규준 데이터 스토리지(700)로부터 수신된 하나 이상의 추천이 사용자(110)에게 적용 가능하다는 것을 결정하고, 사용자(110)에게 하나 이상의 추천을 표시할 수 있다.
도 8 및 도 9는 사용자에게 종합적인 낙상 위험 평가에 기반한 하나 이상의 추천을 제공하는 것을 도시한다. 도 8은 종합적인 낙상 위험 평가(810)에서 사용자에게 제공된 하나 이상의 설문조사 응답 및 결정된 시공간적 보행 특성에 기반하여 결정된 추천들(820)을 구비하는 그래픽 사용자 인터페이스(800)를 도시한다. 예를 들어, ECI 아바타(830)는 사용자의 종합적인 낙상 위험 평가(810)에 있는 환경 점수에 기반하여, 낙상 위험을 감소시키기 위해 사용자가 자신의 집안 환경을 정돈하는 것을 고려해야 한다는 추천(820)을 제공한다. ECI 아바타(830)는 마찬가지로, 예를 들어 도 6에 도시된 규준 수치 임계치 이하인, 결정된 시공간적 보행 특성에 근거하여, 사용자가 자신이 보행 속도를 증가시킬 수 있는 방법을 건강 관리 제공자와 논의하는 것을 추천한다. 도 9는 환경 설문조사(910), 추천들(920), 및 ECI 아바타(930)를 구비하는 그래픽 사용자 인터페이스(900)를 도시한다. 환경 설문조사(910)의 결과, 특히 사용자가 치워지지 않아 어수선한 바닥, 계단, 층계참을 가지는 것뿐만 아니라 사용자가 깔개(rug) 밑의 깔판(rug-liner), 양면 테이프, 미끄럼 방지 받침이 없는 일부 구역 깔개(area rug)를 가지고 있다는 사용자 입력에 기반하여, ECI 아바타(930)는 사용자가 낙상의 위험을 감소시키는 것을 돕기 위해 사용자의 깔개를 미끄럼 방지 깔개로 대체해야 한다는 추천을 제공한다.
도 10은 종합적인 낙상 위험 평가의 완료를 통해 사용자를 안내하도록 구성된 예시적인 ECI 아바타(1000)를 도시한다. ECI 아바타(1000)는 다음의 세 가지 목적을 제공하는 방식으로 데이터 수집 프로세스를 통해 사용자(110)를 안내하는 것을 가능하게 한다: 1) 키오스크(120)에 의해 수행된 데이터 수집 프로세스에서 사용자 오류를 줄이는 것; 2) 사용자(110)에 의해 쉽게 완료되는 클릭 및 타입이 없는 통신의 상호작용의 방법을 제공하는 것; 3) 사용자(110)에 의해 수행될 다양한 검사의 지시 및 대표적인 예시 양자를 제공하는 것. 예를 들어, 도 11에 도시된 바와 같이, ECI 아바타(1100)는 사용자에 의해 수행될 기능적인 검사의 대표적인 예시를 제공할 수 있다. 특히 도 11에 도시된 ECI 아바타(1100)는 키오스크 낙상 위험 평가 시스템이 깊이 정보를 충분하게 기록하고 활동을 적절하게 분석할 수 있도록 사용자가 앉는 위치로부터 서는 위치로 어떻게 적절하게 전환해야 하는지 시범을 보이고 있다. 이와 같이, 키오스크 낙상 위험 평가 시스템은 설문조사 응답이 보다 전통적인 연구소 환경 또는 의학 전문가의 사무소에 비해 덜 위협적인 방식으로 수신 및 평가되는 것을 허용하도록 키오스크와 연결된 클라우드 기반 자원들을 사용할 수 있다.
도 12는 하나 이상의 예시적인 실시 예에 따라 종합적인 낙상 위험 평가를 제공하기 위한 방법(1200)을 도시하는 프로세스 흐름도이다. 방법(700)은 하드웨어(예를 들어, 전용 로직, 프로그래머블 로직, 및 마이크로코드), (범용 컴퓨터 시스템 또는 전용 머신 상에서 실행되는 소프트웨어와 같은) 소프트웨어, 또는 이들의 조합을 포함할 수 있는 프로세싱 로직에 의해 수행될 수 있다. 하나 이상의 예시적인 실시 예에서, 프로세싱 로직은 키오스크(120), 태블릿 장치(130), 종합적인 설문조사 시스템(160), 또는 보행 분석 시스템(170), 또는 이들의 조합에 상주한다.
도 12에 도시된 바와 같이, 동작 1210에서, 방법(1200)은 복수의 분야에 걸쳐 낙상 위험의 평가에 관한 정보를 도출하는 것에 대한 질문들을 포함하는 설문조사를 사용자에게 제공하는 단계를 시작할 수 있다. 키오스크를 통해, 보다 상세하게는, 연결된 태블릿 장치의 그래픽 사용자 인터페이스에 의해 표현된 ECI 아바타를 통해 설문조사가 사용자에게 제공될 수 있다.
동작 1220에서, 방법(1200)은 사용자의 낙상의 위험을 나타내는 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 단계를 진행할 수 있다.
동작 1230에서, 방법(1200)은 깊이 카메라 시스템을 통하여, 사용자의 활동의 깊이 비디오 데이터를 기록하는 단계를 포함할 수 있다.
동작 1240에서, 방법(1200)은 기록된 깊이 비디오 데이터에 기반하여, 사용자에 의해 수행된 활동과 관련된 적어도 하나의 시공간적 보행 특성을 결정하는 단계를 진행할 수 있다. 상술한 바와 같이, 결정하는 단계는 신체 추적 모듈을 통해 신체 움직임을 추적하는 단계 및 움직임 파라미터 모듈을 통해 시공간적 보행 특성을 산출하는 단계를 포함할 수 있다. 시공간적 보행 특성의 산출은 도 1에 도시된 보행 분석 시스템(170)과 같은 키오스크 또는 원격 서버에 의해 수행될 수 있다는 점이 이해되어야 한다. 이러한 방법으로, 키오스크는 처리를 위해 깊이 비디오 데이터를 이러한 원격 서버로 전송하고, 원격 서버로부터 시공간적 보행 특성을 수신함으로써 적어도 하나의 시공간적 보행 특성을 결정할 수 있다.
동작 1250에서, 방법(1200)은 적어도 하나의 시공간적 보행 특성 및 설문조사 질문들에 대한 답변들을 포함하는 도출된 정보에 기반하여 정량적인 낙상 위험 분석을 수행하는 단계를 포함할 수 있다.
동작 1260에서, 방법(1200)은 사용자에게 정량적인 낙상 위험 분석의 적어도 일부를 표시하는 단계를 진행할 수 있다.
선택적으로, 동작 1270에서, 방법(1200)은 정량적인 낙상 위험 분석에 기반하여, 사용자에게 추천을 제공하는 단계를 포함할 수 있다.
도 13은 머신(machine)이 본 명세서에서 논의된 임의의 하나 이상의 방법을 수행하도록 하기 위한 명령 세트가 내부에서 실행될 수 있는 컴퓨터 시스템(1300)의 예시적인 전자적 형태로 상기 머신용 컴퓨팅 장치의 도식적 표시를 도시한다. 예시적인 실시 예에서, 머신은 독립형 장치로서 동작하거나, 또는 다른 머신들에 연결(예를 들어, 네트워크화)될 수 있다. 네트워크화된 배치에서, 머신은 서버의 용량 내에서, 서버-클라이언트 네트워크 환경 중 클라이언트 머신 내에서 작동할 수 있거나, 또는 P2P(peer-to-peer) (또는 분산된) 네트워크 환경 내에서의 피어 머신으로서 작동할 수 있다. 머신은 개인용 컴퓨터(PC), 태블릿 PC, 게임 콘솔, 셋톱 박스(STB), 개인 정보 단말기(PDA), 텔레비전 장치, 휴대 전화, 포터블 음악 플레이어(예를 들어, 포터블 하드 드라이브 오디오 장치), 웹 기기, 또는 해당 머신에 의해 취해질 행동을 특정하는 (순차적이거나 그렇지 않은) 명령 세트를 실행할 수 있는 임의의 머신일 수 있다. 또한, 단일 머신만이 도시되어 있으나, 용어 “머신(machine)”은 또한 본 명세서에서 논의된 임의의 하나 이상의 방법을 수행하기 위한 명령 세트(또는 여러 세트들)를 개별적으로 또는 공동으로 실행하는 머신들의 임의의 집합을 포함하도록 이해되어야 한다. 컴퓨터 시스템(1300)은 키오스크(120), 태블릿 장치(130), 종합적인 설문조사 시스템(160), 보행 분석 시스템(170), 또는 클라우드 기반 규준 데이터 스토리지(700)의 경우일 수 있다.
예시적인 컴퓨터 시스템(1300)은 하나 또는 여러 개의 프로세서(1305)(예를 들어, 중앙 처리 장치(central processing unit: CPU), 그래픽 처리 장치(graphics processing unit: GPU), 또는 양자 모두)와, 버스(1320)를 통해 서로 통신하는 메인 메모리(1310) 및 정적 메모리(1315)를 포함한다. 컴퓨터 시스템(1300)은 비디오 디스플레이 장치(1325)(예를 들어, 액정 디스플레이(LCD), 유기 발광 다이오드(OLED) 디스플레이, 또는 음극선관(CRT)을 추가적으로 포함할 수 있다. 또한, 컴퓨터 시스템(1300)은 알파벳-숫자 입력 장치(예를 들어, 키보드), 커서 제어 장치(예를 들어, 마우스), 마이크로폰, 디지털 카메라, 비디오 카메라 등과 같은 적어도 하나의 입력 장치(1330)를 포함할 수 있다. 또한, 컴퓨터 시스템(1300)은 디스크 구동 장치(1335), 신호 생성 장치(1340)(예를 들어, 스피커), 및 네트워크 인터페이스 장치(1345)를 포함할 수 있다.
구동 장치(1335)(또한 디스크 구동 장치(1335)로도 지칭됨)는 본 명세서에 설명된 임의의 하나 이상의 방법 또는 기능을 구현하거나 또는 본 명세서에 설명된 임의의 하나 이상의 방법 또는 기능에 의해 사용되는 하나 이상의 명령 및 데이터 구조 세트(예를 들어, 명령들(1355))를 저장하는 머신 판독 가능 매체(1350)(또한 컴퓨터 판독 가능 매체(1350)로도 지칭됨)를 포함한다. 또한, 명령들(1355)은 메인 메모리(1310), 정적 메모리(1315) 내부에서 및/또는 컴퓨터 시스템(1300)에 의한 명령들(1355)을 실행하는 동안 프로세서(들)(1305) 내부에서 전체적으로 또는 적어도 부분적으로 상주할 수 있다. 또한 메인 메모리(1310), 정적 메모리(1315), 및 프로세서(들)(1305)는 머신 판독 가능 매체를 구성한다.
명령들(1355)은 다수의 잘 알려진 전송 프로토콜(예를 들어, 하이퍼 텍스트 전송 프로토콜(Hyper Text Transfer Protocol: HTTP), CAN, 시리얼(Serial), 및 모드버스(Modbus)) 중 임의의 하나를 사용하는 네트워크 인터페이스 장치(1345)를 통해 통신 네트워크(1360) 상에서 추가적으로 송신 또는 수신될 수 있다. 통신 네트워크(1360)는 인터넷, 지역 인트라넷, 개인 통신망(PAN), 근거리 통신망(LAN), 광역 통신망(WAN), 도시권 통신망(MAN), 가상 사설 네트워크(VPN), 스토리지 전용 네트워크(SAN), 프레임 중계 커넥션, 차세대 지능망(AIN) 커넥션, 동기식 광통신망 (SONET) 커넥션, 디지털 T1, T3, E1 또는 E3 라인, 디지털 데이터 서비스(DDS) 커넥션, 디지털 가입자 회선(DSL) 커넥션, 이더넷 커넥션, 종합정보통신망(ISDN) 회선, 케이블 모뎀, 비동기 전송 모드(ATM) 커넥션, 또는 광섬유 분산 데이터 인터페이스(FDDI) 또는 구리선 분산 데이터 인터페이스(CDDI) 커넥션을 포함한다. 또한, 통신 네트워크(1360)는 무선 애플리케이션 프로토콜(WAP), 일반 패킷 무선 서비스(GPRS), 이동통신 글로벌 시스템(GSM), 코드분할다중접속(CDMA) 또는 시분할다중접속(TDMA), 휴대전화 네트워크, 글로벌 위치결정 시스템(GPS), 셀룰러 디지털 패킷 시스템(CDPD), 리서치 인 모션 사(RIM)의 이중 페이징 네트워크, 블루투스 라디오, 또는 IEEE 802.11 기반 라디오 주파수 네트워크를 포함하는, 임의의 다양한 무선 네트워크와의 링크(link)를 포함할 수도 있다.
머신 판독 가능 매체(1350)는 예시적인 실시 예에서 단일 매체인 것으로 도시되어 있지만, 용어 “컴퓨터 판독 가능 매체”는 하나 이상의 명령 세트를 저장하는 단일 매체 또는 다중 매체(예를 들어, 중앙 집중식 또는 분산 데이터베이스, 및/또는 관련 캐시 및 서버)를 포함하는 것으로 이해되어야 한다. 용어 “컴퓨터 판독 가능 매체”는 또한 머신에 의한 실행을 위한 명령 세트를 저장, 인코딩, 또는 전달할 수 있으며 머신이 본 출원의 임의의 하나 이상의 방법을 수행하도록 하거나, 또는 이러한 명령 세트에 의해 사용되거나 이러한 명령 세트와 관련된 데이터 구조를 저장, 인코딩, 또는 전달할 수 있는 임의의 매체를 포함하는 것으로 이해되어야 한다. 따라서, 용어 “컴퓨터 판독 가능 매체”는 솔리드 스테이트 메모리, 광자기 미디어를 포함하되, 이에 제한되지 않는 것으로 이해되어야 한다. 이러한 미디어는 하드 디스크, 플로피 디스크, 플래시 메모리 카드, 디지털 비디오 디스크, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM) 등을 제한 없이 포함할 수도 있다.
본 명세서에 설명된 예시적인 실시 예는 하드웨어로, 또는 소프트웨어 및 하드웨어의 조합으로 컴퓨터 상에 설치된 컴퓨터 실행 가능 명령(예를 들어, 소프트웨어)을 포함하는 작동 환경에서 구현될 수 있다. 컴퓨터 실행 가능 명령은 컴퓨터 프로그래밍 언어로 작성되거나 펌웨어 로직으로 구현될 수 있다. 공인 표준에 따르는 프로그래밍 언어로 작성된 경우, 이러한 명령은 다양한 하드웨어 플랫폼 상에서, 그리고 다양한 운영 체제에 대한 인터페이스를 위해 실행될 수 있다. 이하의 내용에 제한되지는 않지만, 본 발명의 구현을 위한 컴퓨터 소프트웨어 프로그램은 예를 들어, 하이퍼텍스트 마크업 언어(HTML), 동적 HTML, XML, 확장성 스타일시트 언어(XSL), 문서 형식 의미론 및 사양 기술 언어(DSSSL), 종속 스타일 시트(CSS), 동기식 멀티미디어 통합 언어(SMIL), 무선 마크업 언어(WML), JavaTM, JiniTM, C, C++, C#, .NET, 어도비 플래시, 펄(Perl), UNIX 쉘, 비주얼 베이직 또는 비주얼 베이직 스크립트, 가상 현실 마크업 언어(VRML), ColdFusionTM 또는 기타 다른 컴파일러들, 어셈블러들, 인터프리터들, 또는 다른 컴퓨터 언어들 또는 플랫폼들과 같은 임의의 수의 적절한 프로그래밍 언어로 작성될 수 있다.
이와 같이, 종합적인 낙상 위험 평가를 위한 기술이 개시된다. 실시 예들은 특정 예시적인 실시 예들을 참조하여 설명되었지만, 본 출원의 보다 넓은 사상 및 범위를 벗어나지 않고 이들 예시적인 실시 예들에 대한 다양한 수정 및 변경이 이루어질 수 있다는 점이 명백할 것이다. 따라서, 명세서 및 도면은 제한적인 의미가 아니라 예시적인 의미로 간주되어야 한다.

Claims (20)

  1. 낙상 위험의 실시간 평가를 제공하는 방법에 있어서,
    복수의 분야에 걸쳐 낙상 위험의 평가에 관한 정보를 도출하는 것에 대한 질문들을 포함하는 설문조사를 사용자에게 제공하는 단계;
    상기 사용자의 낙상의 위험을 나타내는 상기 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 단계;
    깊이 카메라 시스템을 통하여, 상기 사용자의 활동의 깊이 비디오 데이터를 기록하는 단계;
    상기 깊이 비디오 데이터에 기반하여, 상기 사용자에 의해 수행된 상기 활동과 관련된 적어도 하나의 시공간적 보행 특성을 결정하는 단계;
    상기 적어도 하나의 시공간적 보행 특성 및 상기 도출된 정보에 기반하여 정량적인 낙상 위험 분석을 수행하는 단계; 및
    상기 사용자에게 상기 정량적인 낙상 위험 분석의 적어도 일부를 표시하는 단계를 포함하는 방법.
  2. 제1항에 있어서,
    상기 설문조사를 상기 사용자에게 제공하는 단계는 상호작용의 애니메이션 대화형 그래픽 사용자 인터페이스로 상기 질문들을 제공하는 단계를 포함하는 것을 특징으로 하는 방법.
  3. 제2항에 있어서,
    상기 상호작용의 애니메이션 대화형 그래픽 사용자 인터페이스를 통해 상기 사용자에 의해 수행되는 상기 활동의 표시를 표시하는 단계를 추가적으로 포함하는 것을 특징으로 하는 방법.
  4. 제1항에 있어서,
    상기 복수의 분야는 이력, 약물, 환경, 신체, 및 시력을 포함하는 것을 특징으로 하는 방법.
  5. 제1항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성을 결정하는 단계는 상기 깊이 비디오 데이터로 상기 사용자의 위치 및 배향(orientation)을 추적하는 단계를 포함하는 것을 특징으로 하는 방법.
  6. 제1항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성은 보행 속도(gait velocity), 활보장(stride length), 보폭(step length), 및 보간(step width) 중 하나 이상을 포함하는 것을 특징으로 하는 방법.
  7. 제1항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성은 입각 시간(time in stance), 유각 시간(time in swing), 양발 디딤 시간(time in double support), 입각 시간 가변성(stance time variability), 및 유각 시간 가변성(swing time variability) 중 하나 이상을 포함하는 것을 특징으로 하는 방법.
  8. 제1항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성은 검사 지속 시간, 회전 지속 시간, 앉았다가 일어서기 지속 시간, 일어섰다가 앉기 지속 시간, 미리 결정된 시간 구간 내 완료된 앉았다가 일어서기 반복의 횟수, 및 미리 결정된 시간 구간 내 완료된 일어섰다가 앉기 반복의 횟수 중 하나 이상을 포함하는 것을 특징으로 하는 방법.
  9. 제1항에 있어서,
    상기 정량적인 낙상 위험 분석에 기반하여 상담 추천들을 실시간으로 제공하는 단계를 추가적으로 포함하는 것을 특징으로 하는 방법.
  10. 제9항에 있어서,
    상기 상담 추천들을 제공하는 단계는,
    규준 데이터, 위험 비율, 및 추천들을 구비하는 클라우드 기반 규준 데이터 스토리지에 액세스하는 단계;
    상기 정량적인 낙상 위험 분석과 상기 규준 데이터 및 상기 위험 비율을 비교하는 단계; 및
    상기 비교에 기초하여, 상기 클라우드 기반 규준 데이터 스토리지로부터 액세스된 상기 추천들 중 하나의 추천을 선택하는 단계를 포함하는 것을 특징으로 하는 방법.
  11. 낙상 위험의 실시간 평가를 제공하는 시스템에 있어서,
    키오스크;
    상기 키오스크와 통신적으로 연결된 태블릿 장치;
    상기 키오스크와 통신적으로 연결된 깊이 카메라 시스템;
    적어도 하나의 프로세서; 및
    프로세서 실행 가능 명령들을 저장하는 메모리를 포함하되,
    상기 적어도 하나의 프로세서는 상기 프로세서 실행 가능 명령들을 실행할 때 동작들을 구현하도록 구성되고,
    상기 구현되는 동작들은,
    복수의 분야에 걸쳐 낙상 위험의 평가에 관한 정보를 도출하는 것에 대한 질문들을 포함하는 설문조사를 사용자에게 제공하는 동작;
    상기 사용자의 낙상의 위험을 나타내는 상기 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 동작;
    깊이 카메라 시스템을 통해, 상기 사용자의 활동의 깊이 비디오 데이터를 기록하는 동작;
    상기 깊이 비디오 데이터에 기반하여, 상기 사용자에 의해 수행된 상기 활동과 관련된 적어도 하나의 시공간적 보행 특성을 결정하는 동작;
    상기 적어도 하나의 시공간적 보행 특성 및 상기 도출된 정보에 기반하여 정량적인 낙상 위험 분석을 수행하는 동작; 및
    상기 사용자에게 상기 정량적인 낙상 위험 분석의 적어도 일부를 표시하는 동작을 포함하는 것을 특징으로 하는 시스템.
  12. 제11항에 있어서,
    상기 태블릿 장치에 의해 표시된 상호작용의 애니메이션 대화형 그래픽 사용자 인터페이스를 추가적으로 포함하는 것을 특징으로 하는 시스템.
  13. 제12항에 있어서,
    상기 적어도 하나의 프로세서는 상기 상호작용의 애니메이션 대화형 그래픽 사용자 인터페이스를 통해 상기 사용자에 의해 수행되는 상기 활동의 표시를 표시하는 동작을 구현하도록 추가적으로 구성되는 것을 특징으로 하는 시스템.
  14. 제11항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성을 결정하는 동작은 상기 깊이 비디오 데이터에서 상기 사용자의 위치 및 배향을 추적하는 동작을 포함하는 것을 특징으로 하는 시스템.
  15. 제11항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성은 보행 속도(gait velocity), 활보장(stride length), 보폭(step length), 및 보간(step width) 중 하나 이상을 포함하는 것을 특징으로 하는 시스템.
  16. 제11항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성은 입각 시간(time in stance), 유각 시간(time in swing), 양발 디딤 시간(time in double support), 입각 시간 가변성(stance time variability), 및 유각 시간 가변성(swing time variability) 중 하나 이상을 포함하는 것을 특징으로 하는 시스템.
  17. 제11항에 있어서,
    상기 적어도 하나의 시공간적 보행 특성은 검사 지속 시간, 회전 지속 시간, 앉았다가 일어서기 지속 시간, 일어섰다가 앉기 지속 시간, 미리 결정된 시간 구간 내 완료된 앉았다가 일어서기 반복의 횟수, 및 미리 결정된 시간 구간 내 완료된 일어섰다가 앉기 반복의 횟수 중 하나 이상을 포함하는 것을 특징으로 하는 시스템.
  18. 제11항에 있어서,
    상기 적어도 하나의 프로세서는 상기 정량적인 낙상 위험 분석에 기반하여 상담 추천들을 실시간으로 제공하는 동작을 구현하도록 추가적으로 구성되는 것을 특징으로 하는 시스템.
  19. 제18항에 있어서,
    상기 상담 추천들을 제공하는 동작은,
    클라우드 기반 규준 데이터 스토리지로부터 분야와 관련된 미리 결정된 임계치를 수신하는 동작;
    상기 정량적인 낙상 위험 분석의 분야 점수와 상기 미리 결정된 임계치를 비교하는 동작;
    상기 비교에 기초하여, 상기 분야 점수가 상기 미리 결정된 임계치를 초과하는 것으로 결정하는 동작; 및
    상기 분야 점수가 상기 미리 결정된 임계치를 초과하는 경우, 상기 사용자에게 추천을 표시하는 동작을 포함하는 것을 특징으로 하는 시스템.
  20. 낙상 위험의 실시간 평가를 제공하는 방법을 수행하기 위하여 적어도 하나의 프로세서에 의해 실행 가능한 명령이 구현된 비일시적인 컴퓨터 판독 가능 매체에 있어서,
    상기 낙상 위험의 실시간 평가를 제공하는 방법은,
    복수의 분야에 걸쳐 낙상 위험의 평가에 관한 정보를 도출하는 것에 대한 질문들을 포함하는 설문조사를 사용자에게 제공하는 단계;
    상기 사용자의 낙상의 위험을 나타내는 상기 질문들에 대한 답변들을 포함하는 도출된 정보를 수신하는 단계;
    깊이 카메라 시스템을 통하여, 상기 사용자의 활동의 깊이 비디오 데이터를 기록하는 단계;
    상기 깊이 비디오 데이터에 기반하여, 상기 사용자에 의해 수행된 상기 활동과 관련된 적어도 하나의 시공간적 보행 특성을 결정하는 단계;
    상기 적어도 하나의 시공간적 보행 특성 및 상기 도출된 정보에 기반하여 정량적인 낙상 위험 분석을 수행하는 단계; 및
    상기 사용자에게 상기 정량적인 낙상 위험 분석의 적어도 일부를 표시하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 판독 가능 매체.
KR1020207026390A 2018-02-20 2018-12-31 낙상 위험의 실시간 평가용 연결된 키오스크 KR102556139B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862632918P 2018-02-20 2018-02-20
US62/632,918 2018-02-20
US16/236,050 2018-12-28
US16/236,050 US20190259475A1 (en) 2018-02-20 2018-12-28 Connected Kiosk for the Real-Time Assessment of Falls Risk
PCT/US2018/068210 WO2019164585A1 (en) 2018-02-20 2018-12-31 Connected kiosk for the real-time assessment of falls risk

Publications (2)

Publication Number Publication Date
KR20200121832A true KR20200121832A (ko) 2020-10-26
KR102556139B1 KR102556139B1 (ko) 2023-07-18

Family

ID=67618111

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207026390A KR102556139B1 (ko) 2018-02-20 2018-12-31 낙상 위험의 실시간 평가용 연결된 키오스크

Country Status (11)

Country Link
US (1) US20190259475A1 (ko)
EP (1) EP3756344B1 (ko)
JP (2) JP2021514087A (ko)
KR (1) KR102556139B1 (ko)
CN (1) CN111801939A (ko)
AU (2) AU2018409860A1 (ko)
BR (1) BR112020015636A2 (ko)
CA (1) CA3089312A1 (ko)
ES (1) ES2965151T3 (ko)
SG (1) SG11202007817YA (ko)
WO (1) WO2019164585A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11113943B2 (en) 2019-05-07 2021-09-07 Electronic Caregiver, Inc. Systems and methods for predictive environmental fall risk identification
KR20220095035A (ko) * 2020-12-29 2022-07-06 (주)옵토닉스 낙상 예방 관리 시스템
US11488724B2 (en) 2018-06-18 2022-11-01 Electronic Caregiver, Inc. Systems and methods for a virtual, intelligent and customizable personal medical assistant
US11791050B2 (en) 2019-02-05 2023-10-17 Electronic Caregiver, Inc. 3D environment risks identification utilizing reinforced learning
US11923058B2 (en) 2018-04-10 2024-03-05 Electronic Caregiver, Inc. Mobile system for the assessment of consumer medication compliance and provision of mobile caregiving

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10813572B2 (en) 2015-12-11 2020-10-27 Electronic Caregiver, Inc. Intelligent system for multi-function electronic caregiving to facilitate advanced health diagnosis, health monitoring, fall and injury prediction, health maintenance and support, and emergency response
US11213224B2 (en) 2018-03-19 2022-01-04 Electronic Caregiver, Inc. Consumer application for mobile assessment of functional capacity and falls risk
CN111134687B (zh) * 2020-01-14 2022-05-20 深圳数联天下智能科技有限公司 坐姿风险评估方法、装置及设备
US20210358202A1 (en) * 2020-05-13 2021-11-18 Electronic Caregiver, Inc. Room Labeling Drawing Interface for Activity Tracking and Detection
WO2023023726A1 (en) * 2021-08-23 2023-03-02 Jasper Medtech Pty Ltd System and method for quantitative gait assessment
CN113887335B (zh) * 2021-09-13 2024-04-02 华南理工大学 基于多尺度时空层级网络的跌倒风险实时评估系统和方法
WO2024020623A1 (en) * 2022-07-25 2024-02-01 Jasper Medtech Pty Ltd Method for determining quality of life
CN115954099B (zh) * 2022-11-18 2023-09-15 临沂中科睿鹤智慧科技有限公司 一种基于多模态步态参数的脑卒中关联量化评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008062071A (ja) * 2004-01-15 2008-03-21 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 老年症候群の危険性の判定用装置
JP2008229266A (ja) * 2007-03-23 2008-10-02 Aisin Seiki Co Ltd 歩行能力からの運動機能向上メニュー提案システム及び歩行能力からの運動機能向上メニュー提案方法
US20150359467A1 (en) * 2006-05-24 2015-12-17 Empire Ip Llc Fitness Monitoring
JP2016525383A (ja) * 2013-06-06 2016-08-25 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 転倒検出システム及び方法
KR20170069501A (ko) * 2015-12-11 2017-06-21 (주)이든이노베이션 케릭터와의 상호작용을 이용하여 건강정보를 입력받고 설명하는 대화형 사용자인터페이스 방법

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004054591A (ja) * 2002-07-19 2004-02-19 Institute Of Tsukuba Liaison Co Ltd 健康増進プログラムの作成方法および健康増進実行方法
JP2005228305A (ja) * 2004-01-15 2005-08-25 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 老年症候群の危険性の判定方法
JP2006102462A (ja) * 2004-10-08 2006-04-20 Yoshiteru Muto 転倒予防指導支援装置、転倒予防指導支援システム、転倒予防指導支援プログラム、転倒予防指導支援システムプログラム、転倒予防指導支援プログラムが記憶された記憶媒体および転倒予防指導支援システムプログラムが記憶された記憶媒体
US7612681B2 (en) * 2007-02-06 2009-11-03 General Electric Company System and method for predicting fall risk for a resident
US20090030945A1 (en) * 2007-07-26 2009-01-29 Diagnosisplus Llc Method and system for collecting and analyzing medical patient data
US8206325B1 (en) * 2007-10-12 2012-06-26 Biosensics, L.L.C. Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection
US10438496B2 (en) * 2008-11-18 2019-10-08 Victoria Panzer Method and system for fall prevention in older adults
US11462314B2 (en) * 2009-10-14 2022-10-04 Trice Imaging, Inc. Systems and devices for encrypting, converting and interacting with medical images
US20130204545A1 (en) * 2009-12-17 2013-08-08 James C. Solinsky Systems and methods for sensing balanced-action for improving mammal work-track efficiency
US20130303860A1 (en) * 2011-11-21 2013-11-14 Robert Bender Systems and methods for use in fall risk assessment
US9597016B2 (en) * 2012-04-27 2017-03-21 The Curators Of The University Of Missouri Activity analysis, fall detection and risk assessment systems and methods
WO2014117151A1 (en) * 2013-01-28 2014-07-31 Seniorlink Incorporated Rules-based system for care management
US10588546B2 (en) * 2013-06-26 2020-03-17 The Cleveland Clinic Foundation Systems and methods to assess balance
CN104361321B (zh) * 2014-11-13 2018-02-09 侯振杰 一种判断老年人摔倒行为及身体平衡能力的方法
KR101711488B1 (ko) * 2015-01-28 2017-03-03 한국전자통신연구원 동작 기반 인터랙티브 서비스 방법 및 시스템
US10206630B2 (en) * 2015-08-28 2019-02-19 Foresite Healthcare, Llc Systems for automatic assessment of fall risk
WO2017040658A1 (en) * 2015-09-02 2017-03-09 Rutgers, The State University Of New Jersey Motion detecting balance, coordination, mobility and fitness rehabilitation and wellness therapeutic virtual environment
WO2017049188A1 (en) * 2015-09-17 2017-03-23 Luvozo Pbc Automated environment hazard detection
EP3403206A1 (en) * 2016-01-08 2018-11-21 Balance4good Ltd. Balance testing and training system and method
CN106056035A (zh) * 2016-04-06 2016-10-26 南京华捷艾米软件科技有限公司 一种基于体感技术的幼儿园智能监控方法
US11164679B2 (en) * 2017-06-20 2021-11-02 Advinow, Inc. Systems and methods for intelligent patient interface exam station
CN107411515A (zh) * 2017-07-27 2017-12-01 胡彦 产妇跌倒保护装置
JP6703199B2 (ja) * 2017-10-27 2020-06-03 株式会社アシックス 動作状態評価システム、動作状態評価装置、動作状態評価サーバ、動作状態評価方法、および動作状態評価プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008062071A (ja) * 2004-01-15 2008-03-21 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 老年症候群の危険性の判定用装置
US20150359467A1 (en) * 2006-05-24 2015-12-17 Empire Ip Llc Fitness Monitoring
JP2008229266A (ja) * 2007-03-23 2008-10-02 Aisin Seiki Co Ltd 歩行能力からの運動機能向上メニュー提案システム及び歩行能力からの運動機能向上メニュー提案方法
JP2016525383A (ja) * 2013-06-06 2016-08-25 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 転倒検出システム及び方法
KR20170069501A (ko) * 2015-12-11 2017-06-21 (주)이든이노베이션 케릭터와의 상호작용을 이용하여 건강정보를 입력받고 설명하는 대화형 사용자인터페이스 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Erik Stone 등. Journal of Ambient Intelligence and Smart, 제3권, 제4호, 페이지 349-361 (2011.12.01.)* *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11923058B2 (en) 2018-04-10 2024-03-05 Electronic Caregiver, Inc. Mobile system for the assessment of consumer medication compliance and provision of mobile caregiving
US11488724B2 (en) 2018-06-18 2022-11-01 Electronic Caregiver, Inc. Systems and methods for a virtual, intelligent and customizable personal medical assistant
US11791050B2 (en) 2019-02-05 2023-10-17 Electronic Caregiver, Inc. 3D environment risks identification utilizing reinforced learning
US11113943B2 (en) 2019-05-07 2021-09-07 Electronic Caregiver, Inc. Systems and methods for predictive environmental fall risk identification
KR20220095035A (ko) * 2020-12-29 2022-07-06 (주)옵토닉스 낙상 예방 관리 시스템

Also Published As

Publication number Publication date
JP2022084825A (ja) 2022-06-07
SG11202007817YA (en) 2020-09-29
EP3756344C0 (en) 2023-09-06
AU2018409860A1 (en) 2020-08-27
AU2022200836A1 (en) 2022-03-03
ES2965151T3 (es) 2024-04-11
EP3756344A1 (en) 2020-12-30
US20190259475A1 (en) 2019-08-22
CN111801939A (zh) 2020-10-20
WO2019164585A1 (en) 2019-08-29
EP3756344B1 (en) 2023-09-06
JP2021514087A (ja) 2021-06-03
KR102556139B1 (ko) 2023-07-18
BR112020015636A2 (pt) 2021-01-05
CA3089312A1 (en) 2019-08-29
EP3756344A4 (en) 2021-11-17

Similar Documents

Publication Publication Date Title
KR102556139B1 (ko) 낙상 위험의 실시간 평가용 연결된 키오스크
CN108780663B (zh) 数字个性化医学平台和系统
US20200395112A1 (en) A System and Method for Documenting a Patient Medical History
US20210128059A1 (en) Method and apparatus for determining health status
CA3091957C (en) Consumer application for mobile assessment of functional capacity and falls risk
JP7442596B2 (ja) ナビゲーション課題を使用するバイオマーカーの識別およびナビゲーション課題を使用する治療のためのプラットフォーム
JP2016184403A (ja) 個別の健康およびウェルネス指導を提供するためのシステムおよび方法
US20240170166A1 (en) Systems and methods for automated pricing, conduction, and transcription of telemedicine encounters
US11972336B2 (en) Machine learning platform and system for data analysis
Wall Emerson et al. Biomechanics of long cane use
CN115547491A (zh) 健康管理方法、装置、电子设备及存储介质
Kumar et al. Dr. Watson AI Based Healthcare Technology Project
JP6859312B2 (ja) プログラムおよび情報提供装置
Suresh Kumar et al. Dr. Watson AI Based Healthcare Technology Project
Kuzmanov et al. Implementation of the Time Series and the Convolutional Vision Transformers for Biological Signal Processing-Blood Pressure Estimation from Photoplethysmogram
KR20220144912A (ko) 요양 서비스 정보 제공을 위한 전자 장치의 동작 방법 및 이를 지원하는 전자 장치
Fradet et al. Strength exercise monitoring: what to evaluate and how?

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant