KR20200127470A - 개인화된 생체 정보 보정 장치 및 방법 - Google Patents

개인화된 생체 정보 보정 장치 및 방법 Download PDF

Info

Publication number
KR20200127470A
KR20200127470A KR1020190051645A KR20190051645A KR20200127470A KR 20200127470 A KR20200127470 A KR 20200127470A KR 1020190051645 A KR1020190051645 A KR 1020190051645A KR 20190051645 A KR20190051645 A KR 20190051645A KR 20200127470 A KR20200127470 A KR 20200127470A
Authority
KR
South Korea
Prior art keywords
biometric information
personalized
value
guideline
correction device
Prior art date
Application number
KR1020190051645A
Other languages
English (en)
Inventor
최가람
이소영
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020190051645A priority Critical patent/KR20200127470A/ko
Priority to US16/739,981 priority patent/US11399746B2/en
Priority to EP20170608.2A priority patent/EP3734613A1/en
Publication of KR20200127470A publication Critical patent/KR20200127470A/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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • A61B5/1495—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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • 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
    • A61B5/14551—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 for measuring blood gases

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Emergency Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Multimedia (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

일 양상에 따른 개인화된 생체 정보 보정 장치는, 사용자의 생체 정보값 데이터를 획득하는 데이터 획득부와, 개인화된 생리 모델을 기반 판단된 개인화된 생체 정보 가이드라인을 이용하여 상기 획득된 생체 정보값이 이상값(outlier)인지를 판단하고 판단 결과에 따라 상기 생체 정보값을 보정하여 최종 생체 정보값을 판단하는 프로세서를 포함할 수 있다.

Description

개인화된 생체 정보 보정 장치 및 방법{PERSONALIZED BIO-INFORMATION CORRECTION APPARATUS AND METHOD}
개인의 생리 반응을 고려하여 생체 정보를 보정하는 기술과 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.
한편, 같은 음식을 섭취하더라도 각 개인의 특성(예컨대, 나이, 성별, 몸무게, 지역, 인종 등)에 따라 개인별로 혈당 반응이 차이가 있다. 따라서, 혈당 측정의 정확도를 높이기 위해서는 이러한 각 개인의 특성을 고려할 필요가 있다.
개인의 생리 반응을 고려하여 개인화된 생리 모델 생성을 생성하여 생체 정보 측정에 이용하는 개인화된 생체 정보 보정 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 개인화된 생체 정보 보정 장치는, 사용자의 생체 정보값 데이터를 획득하는 데이터 획득부와, 개인화된 생리 모델을 기반 판단된 개인화된 생체 정보 가이드라인을 이용하여 상기 획득된 생체 정보값이 이상값(outlier)인지를 판단하고 판단 결과에 따라 상기 생체 정보값을 보정하여 최종 생체 정보값을 판단하는 프로세서를 포함할 수 있다.
상기 개인화된 생리 모델은 수학적 모델일 수 있다.
상기 데이터 획득부는 개인화된 생리 모델 생성을 위한 모델 생성용 생체 정보값 데이터를 획득하고, 상기 프로세서는 상기 획득된 모델 생성용 생체 정보값 데이터를 기반으로 개인화된 생리 모델을 생성할 수 있다.
상기 프로세서는, 상기 개인화된 생리 모델 생성에 충분한 모델 생성용 혈당 데이터가 획득되었는지를 판단하고 충분한 모델 생성용 혈당 데이터가 획득되면 상기 개인화된 생리 모델을 생성할 수 있다.
상기 프로세서는, 데이터 양 또는 데이터 수집 기간 중 적어도 하나를 고려하여 충분한 모델 생성용 혈당 데이터가 획득되었는지를 판단할 수 있다.
상기 프로세서는, 상기 개인화된 생리 모델을 기반으로 생체 정보 추정값을 판단하고, 상기 판단된 생체 정보 추정값을 기준으로 생체 정보 가이드라인을 판단할 수 있다.
상기 프로세서는, 상기 판단된 생체 정보 추정값을 기준으로 소정의 절대값 이하에서 소정의 절대값 이상까지의 범위 및 상기 판단된 생체 정보 추정값을 기준으로 소정의 비율 이하에서 소정의 비율 이상까지의 범위 중 어느 하나 또는 조합을 생체 정보 가이드라인으로 판단할 수 있다.
상기 프로세서는, 상기 생체 정보값이 상기 생체 정보값이 측정된 시점에 대응하는 시점의 생체 정보 가이드라인을 벗어나면, 상기 생체 정보값을 이상값으로 판단할 수 있다.
상기 프로세서는, 상기 생체 정보값이 대응 시점에서의 생체 정보 가이드라인의 최대값보다 크면, 상기 생체 정보값을 상기 대응 시점에서의 상기 생체 정보 가이드라인의 최대값으로 보정하고, 상기 생체 정보값이 상기 대응 시점에서의 생체 정보 가이드라인의 최소값보다 작으면, 상기 생체 정보값을 상기 대응 시점에서의 생체 정보 가이드라인의 최소값으로 보정할 수 있다.
상기 프로세서는, 상기 생체 정보값이 상기 생체 정보 가이드라인 내에 있는지 여부 및 상기 생체 정보값이 상기 생체 정보 가이드라인을 벗어난 정도 중 적어도 하나를 기반으로 상기 최종 생체 정보값의 신뢰도를 판단할 수 있다.
상기 프로세서는, 생체 정보값 보정 히스토리를 기반으로 상기 개인화된 생체 정보 보정 장치의 신뢰도를 판단할 수 있다.
상기 프로세서는, 생체 정보값 보정 횟수가 증가할수록 상기 개인화된 생체 정보 보정 장치의 신뢰도를 낮게 평가할 수 있다.
상기 프로세서는, 상기 개인화된 생체 정보 보정 장치의 신뢰도가 소정의 임계값 이하이면, 상기 개인화된 생리 모델을 갱신할 수 있다.
상기 생체 정보는 혈당일 수 있다.
다른 양상에 따른 개인화된 생체 정보 보정 장치의 개인화된 생체 정보 보정 방법은, 사용자의 생체 정보값 데이터를 획득하는 단계와, 개인화된 생리 모델을 기반 판단된 개인화된 생체 정보 가이드라인을 이용하여 상기 획득된 생체 정보값이 이상값(outlier)인지를 판단하는 단계와, 상기 판단 결과에 따라 상기 생체 정보값을 보정하여 최종 생체 정보값을 판단하는 단계를 포함할 수 있다.
상기 개인화된 생리 모델은 수학적 모델일 수 있다.
개인화된 생체 정보 보정 방법은, 개인화된 생리 모델 생성을 위한 모델 생성용 생체 정보값 데이터를 획득하는 단계와, 상기 획득된 모델 생성용 생체 정보값 데이터를 기반으로 개인화된 생리 모델을 생성하는 단계를 더 포함할 수 있다.
상기 개인화된 생리 모델을 생성하는 단계는, 상기 개인화된 생리 모델 생성에 충분한 모델 생성용 혈당 데이터가 획득되면 상기 개인화된 생리 모델을 생성할 수 있다.
상기 개인화된 생리 모델을 생성하는 단계는, 데이터 양 또는 데이터 수집 기간 중 적어도 하나를 고려하여 충분한 모델 생성용 혈당 데이터가 획득되었는지를 판단하는 단계를 포함할 수 있다.
개인화된 생체 정보 보정 방법은, 상기 개인화된 생리 모델을 기반으로 생체 정보 추정값을 판단하는 단계와, 상기 판단된 생체 정보 추정값을 기준으로 생체 정보 가이드라인을 판단하는 단계를 더 포함할 수 있다.
상기 생체 정보 가이드라인을 판단하는 단계는, 상기 판단된 생체 정보 추정값을 기준으로 소정의 절대값 이하에서 소정의 절대값 이상까지의 범위 및 상기 판단된 생체 정보 추정값을 기준으로 소정의 비율 이하에서 소정의 비율 이상까지의 범위 중 어느 하나 또는 조합을 생체 정보 가이드라인으로 판단할 수 있다.
상기 생체 정보값이 이상값인지를 판단하는 단계는, 상기 생체 정보값이 상기 생체 정보값이 측정된 시점에 대응하는 시점의 생체 정보 가이드라인을 벗어나면, 상기 생체 정보값을 이상값으로 판단할 수 있다.
상기 생체 정보값을 보정하여 최종 생체 정보값을 판단하는 단계는, 상기 생체 정보값이 대응 시점에서의 생체 정보 가이드라인의 최대값보다 크면, 상기 생체 정보값을 상기 대응 시점에서의 상기 생체 정보 가이드라인의 최대값으로 보정하는 단계와, 상기 생체 정보값이 상기 대응 시점에서의 생체 정보 가이드라인의 최소값보다 작으면, 상기 생체 정보값을 상기 대응 시점에서의 생체 정보 가이드라인의 최소값으로 보정하는 단계를 포함할 수 있다.
개인화된 생체 정보 보정 방법은, 상기 생체 정보값이 상기 생체 정보 가이드라인 내에 있는지 여부 및 상기 생체 정보값이 상기 생체 정보 가이드라인을 벗어난 정도 중 적어도 하나를 기반으로 상기 최종 생체 정보값의 신뢰도를 판단하는 단계를 더 포함할 수 있다.
개인화된 생체 정보 보정 방법은, 생체 정보값 보정 히스토리를 기반으로 상기 개인화된 생체 정보 보정 장치의 신뢰도를 판단하는 단계를 더 포함할 수 있다.
상기 개인화된 생체 정보 보정 장치의 신뢰도를 판단하는 단계는, 생체 정보값 보정 횟수가 증가할수록 상기 개인화된 생체 정보 보정 장치의 신뢰도를 낮게 평가할 수 있다.
개인화된 생체 정보 보정 방법은, 상기 개인화된 생체 정보 보정 장치의 신뢰도가 소정의 임계값 이하이면, 상기 개인화된 생리 모델을 갱신하는 단계를 더 포함할 수 있다.
상기 생체 정보는 혈당일 수 있다.
또 다른 양상에 따른 개인화된 생체 정보 보정 장치는, 사용자의 생체 정보값을 측정하는 생체 센서와, 개인화된 생리 모델을 기반 판단된 개인화된 생체 정보 가이드라인을 이용하여 상기 측정된 생체 정보값이 이상값(outlier)인지를 판단하고 판단 결과에 따라 상기 생체 정보값을 보정하는 프로세서를 포함할 수 있다.
상기 개인화된 생리 모델은 수학적 모델일 수 있다.
상기 프로세서는, 상기 생체 정보값이 상기 생체 정보값이 측정된 시점에 대응하는 시점의 생체 정보 가이드라인을 벗어나면, 상기 생체 정보값을 이상값으로 판단할 수 있다.
상기 프로세서는, 상기 생체 정보값이 대응 시점에서의 생체 정보 가이드라인의 최대값보다 크면, 상기 생체 정보값을 상기 대응 시점에서의 상기 생체 정보 가이드라인의 최대값으로 보정하고, 상기 생체 정보값이 상기 대응 시점에서의 생체 정보 가이드라인의 최소값보다 작으면, 상기 생체 정보값을 상기 대응 시점에서의 생체 정보 가이드라인의 최소값으로 보정할 수 있다.
개인의 생리 반응을 고려하여 개인화된 생리 모델 생성을 생성하여 생체 정보 측정에 이용함으로써 생체 정보 측정의 정확도를 향상시킬 수 있다.
도 1은 개인화된 생체 정보 측정 장치의 일 실시예를 도시한 도면이다.
도 2는 모델 생성용 혈당값 데이터를 이용하여 개인화된 생리 모델을 생성하는 예시도이다
도 3은 도 2의 개인화된 생리 모델을 기반으로 개인화된 혈당 가이드라인을 판단하는 예시도이다.
도 4는 도 3의 개인화된 혈당 가이드라인을 이용하여 원본 혈당값을 보정하는 예시도이다.
도 5는 개인화된 생체 정보 보정 장치의 다른 실시예를 도시한 도면이다.
도 6은 개인화된 생체 정보 보정 장치의 다른 실시예를 도시한 도면이다.
도 7은 생체 정보 보정 방법의 일 실시예를 도시한 도면이다.
도 8은 생체 정보 보정 방법의 다른 실시예를 도시한 도면이다.
도 9는 생체 정보 보정 방법의 또 다른 실시예를 도시한 도면이다.
도 10은 개인화된 생체 정보 가이드라인 생성 방법의 일 실시예를 도시한 도면이다.
도 11은 생체 정보 보정 방법의 또 다른 실시예를 도시한 도면이다.
도 12는 손목형 웨어러블 디바이스를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 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, 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 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.
후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
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 1은 개인화된 생체 정보 측정 장치의 일 실시예를 도시한 도면이다. 도 1의 개인화된 생체 정보 측정 장치(100)는 사용자 개인의 생리 반응을 고려하여 사용자의 생체 정보를 측정하는 장치로서, 전자 장치에 탑재되거나 하우징으로 감싸져 별개의 장치로 형성될 수 있다. 전자 장치는 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, 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.
여기서 생체 정보는 체내의 분석 물질의 농도로서, 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질(예컨대, 비타민, 카르티노이드, 플라보노이드, 아스코르브산, 토코페놀 등) 또는 에탄올(ethanol) 등을 포함할 수 있으나 이에 한정되는 것은 아니다. 한편, 체내의 분석 물질이 포도당인 경우 생체 정보는 혈당을 나타낼 수 있다. 이하, 설명의 편의를 위해 생체 정보가 혈당인 실시예를 기준으로 설명하기로 한다.
도 1을 참조하면, 개인화된 생체 정보 측정 장치(100)은 생체 센서(110) 및 개인화된 생체 정보 보정 장치(120)를 포함할 수 있다.
생체 센서(110)는 사용자의 혈당값을 측정할 수 있다. 일 실시예에 따르면, 생체 센서(110)는 침습적 생체 센서 및 비침습적 생체 센서를 모두 포함할 수 있다. 이때 비침습 생체 센서는 광 기반 센서(예컨대, 근적외선 분광법 기반 생체 센서, 라만분광법 기반 생체 센서, 광용적맥파(Photoplethysmography, PPG) 기반 생체 센서 등), 임피던스 기반 센서, 초음파 기반 센서, 음향 사운드 기반 센서 등을 포함할 수 있으나 이에 한정되지 않는다. 즉, 피검체의 혈당값을 측정할 수 있는 것이면, 생체 센서(110)의 크기나 종류에 제한이 없다.
개인화된 생체 정보 보정 장치(120)는 개인화된 생리 모델을 기반으로 개인화된 혈당 가이드라인(개인화된 생체 정보 가이드라인)을 판단하고, 개인화된 혈당 가이드라인을 이용하여 생체 센서(110)를 통해 측정된 사용자의 혈당값을 보정할 수 있다. 이를 위해 개인화된 생체 정보 보정 장치(120)는 데이터 획득부(121) 및 프로세서(122)를 포함할 수 있다.
데이터 획득부(121)는 생체 센서(110)로부터 개인화된 생리 모델 생성을 위한 혈당값 데이터(이하, 모델 생성용 혈당값 데이터)를 획득할 수 있다. 또한, 데이터 획득부(121)는 생체 센서(110)로부터 개인화된 생리 모델을 이용하여 최종 혈당값을 판단하기 위한 혈당값 데이터(이하, 원본 혈당값 데이터)를 획득할 수 있다.
일 실시예에 따르면, 데이터 획득부(121)는 유선 통신 기술 또는 무선 통신 기술을 이용하여 생체 센서(110)로부터 모델 생성용 혈당값 데이터 및 원본 혈당값 데이터를 수신할 수 있다. 이때 무선 통신 기술은 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 포함하나 이는 일 실시예에 불과할 뿐 이에 한정되는 것은 아니다.
프로세서(122)는 개인화된 생리 모델 생성에 충분한 모델 생성용 혈당값 데이터가 획득되면, 획득된 모델 생성용 혈당값 데이터를 이용하여 개인화된 생리 모델을 생성할 수 있다. 이때, 개인화된 생리 모델 생성에 충분한 모델 생성용 혈당값 데이터가 획득되었는지 여부는 데이터 양 또는 데이터 수집 기간 등을 고려하여 판단될 수 있다. 개인화된 생리 모델은 수학적 모델로서 사용자 개인의 생리적 특성을 반영하는 혈당 모델이고, 개인화된 혈당 가이드라인은 개인화된 생리 모델을 기반으로 판단된 사용자의 혈당 허용 범위를 나타낼 수 있다.
일 실시예에 따르면, 개인화된 생리 모델은 수학식 1 내지 수학식 3으로 표현될 수 있다.
Figure pat00001
여기서,
Figure pat00002
는 포도당 농도를 나타내며,
Figure pat00003
는 장간막 순환(mesenteric circulation)으로의 포도당 흡수율을 나타내고,
Figure pat00004
는 사용자의 체중과 관련된 파라미터(예컨대, 사용자 체중의 20%)이고,
Figure pat00005
는 간에서의 포도당 생성과 장간막 순환으로부터의 포도당 흡수의 합계를 반영하는 간 포도당 밸런스(hepatic glucose balance)를 나타내고,
Figure pat00006
는 인슐린 농도를 나타내고,
Figure pat00007
는 포도당에 대한 인슐린의 제어 파라미터이고,
Figure pat00008
은 비인슐린 매개 포도당 흡수(non-insulin-mediated glucose uptake)를 나타내는 파라미터이고,
Figure pat00009
는 인슐린 매개 포도당 흡수(insulin-mediated glucose uptake)를 나타내는 파라미터이고,
Figure pat00010
및
Figure pat00011
는 각각 신장 포도당 청소율(renal glucose clearance)의 기울기(slope) 및 절편(intercept)을 나타낼 수 있다.
인슐린 농도
Figure pat00012
는 포도당 조절 및 인슐린 분비와 관련 있는 호르몬(예컨대, 인크레틴 또는 글루카곤)(이하, 호르몬)이 인슐린 분비에 미치는 영향을 반영하여 수학식 2로 표현될 수 있다.
Figure pat00013
여기서,
Figure pat00014
과
Figure pat00015
은 각각 포도당과 호르몬에 대한 인슐린 출현 속도(rates of insulin appearance)를 나타내며,
Figure pat00016
는 인슐린 청소율(insulin clearance rate)을 나타내고,
Figure pat00017
는 추가 레귤레이터의 효과, 즉 포도당 및 호르몬을 제외한 기타 요소들의 효과를 나타내며,
Figure pat00018
는 호르몬 농도를 나타낼 수 있다.
호르몬 농도
Figure pat00019
는 포도당 의존성 인슐린 분비성 폴리펩티드(glucose-dependent insulinotropic polypeptide, GIP) 농도를 기반으로 수학식 3으로 표현될 수 있다.
Figure pat00020
여기서,
Figure pat00021
는 호르몬의 출현율(appearance rate of incretin)을 나타내며,
Figure pat00022
는 십이지장으로의 포도당 전달 속도를 나타내며,
Figure pat00023
는 십이지장으로 인한 호르몬의 출현율을 나타내고,
Figure pat00024
는 호르몬 청소율(hormone clearance rate)을 나타낼 수 있다.
프로세서(122)는 획득된 모델 생성용 혈당값 데이터를 기반으로 수학식 1 내지 수학식 3의 파라미터들을 최적화하여, 사용자 개인의 생리적 특성을 반영한 개인화된 생리 모델을 생성할 수 있다.
프로세서(122)는 개인화된 생리 모델을 이용하여 사용자 개인의 생리적 특성을 반영한 개인화된 혈당 가이드라인을 판단할 수 있다. 일 실시예에 따르면, 프로세서(122)는 개인화된 생리 모델을 기반으로 추정된 혈당 추정값을 기준으로 소정의 절대값 이하에서 소정의 절대값 이상까지의 범위, 및 혈당 추정값을 기준으로 소정의 비율 이하에서 소정의 비율 이상까지의 범위 중 어느 하나 또는 조합을 개인화된 혈당 가이드라인으로 판단할 수 있다.
예컨대, 개인화된 혈당 가이드라인은 수학식 4 내지 수학식 7 중 어느 하나로 표현될 수 있다.
Figure pat00025
Figure pat00026
Figure pat00027
Figure pat00028
여기서,
Figure pat00029
및
Figure pat00030
는 각각 시간 t에서의 개인화된 혈당 가이드라인의 최대값 및 최소값을 나타내며,
Figure pat00031
은 개인화된 생리 모델을 이용하여 판단된 시간 t에서의 혈당 추정값을 나타내고,
Figure pat00032
는 개인화된 혈당 가이드라인의 범위를 결정하는 절대값을 나타내고,
Figure pat00033
는 개인화된 혈당 가이드라인의 범위를 결정하는 비율을 나타내고,
Figure pat00034
는 기준 혈당을 나타낼 수 있다. 예컨대,
Figure pat00035
는 15mg/dL이고,
Figure pat00036
는 0.15이고,
Figure pat00037
는 100mg/dL일 수 있으나 이에 한정되는 것은 아니다.
프로세서(122)는 생체 센서(110)로부터 원본 혈당값 데이터를 획득하면, 개인화된 혈당 가이드라인을 이용하여 원본 혈당값이 이상값(outlier)인지를 판단할 수 있다. 일 실시예에 따르면, 프로세서(122)는 원본 혈당값 측정 시점을 사용자의 음식 섭취 시점을 기준으로 개인화된 혈당 가이드라인에 대응시키고, 원본 혈당값이 대응 시점에서의 개인화된 혈당 가이드라인의 범위 내에 있는지를 판단할 수 있다. 프로세서(122)는 원본 혈당값이 대응 시점에서의 개인화된 혈당 가이드라인의 범위를 벗어나면 그 혈당값을 이상값으로 판단할 수 있다.
프로세서(122)는 원본 혈당값이 이상값으로 판단되면, 원본 혈당값을 보정하고 보정된 혈당값을 최종 혈당값으로 판단할 수 있다. 일 실시예에 따르면, 프로세서(122)는 이상값으로 판단된 원본 혈당값을 대응 시점에서의 개인화된 혈당 가이드라인의 최대값 또는 최소값으로 보정할 수 있다. 예컨대, 프로세서(122)는 원본 혈당값이 대응 시점에서의 개인화된 혈당 가이드라인의 최대값보다 크면 원본 혈당값을 대응 시점에서의 개인화된 혈당 가이드라인의 최대값으로 보정하고, 원본 혈당값이 대응 시점에서의 개인화된 혈당 가이드라인의 최소값보다 작으면 원본 혈당값을 대응 시점에서의 개인화된 혈당 가이드라인의 최소값으로 보정할 수 있다.
프로세서(122)는 원본 혈당값이 이상값이 아니라고 판단되면, 원본 혈당값을 최종 혈당값으로 판단할 수 있다.
일 실시예에 따르면, 프로세서(122)는 사용자의 음식 섭취를 인식할 수 있다. 예를 들어, 프로세서(122)는 사용자의 입력을 받아 음식 섭취를 인식할 수도 있으며, 개인화된 생체 정보 보정 장치(120) 내부 또는 외부에 설치된 섭취 인식 센서의 센서값을 기반으로 사용자의 음식 섭취를 인식할 수 있다. 이때 섭취 인식 센서는 음식 섭취를 구강, 후두, 식도 등의 움직임을 통해 인식하는 센서와 생리학적인 변화를 통해 인식하는 센서를 모두 포함할 수 있다. 예컨대, 섭취 인식 센서는 섭취 소리를 인식하는 방식, 음식물을 촬영하는 방식, 팔의 움직임을 인식하는 방식, 목의 삼킴을 인식하는 방식, 가슴의 호흡을 인식하는 방식, 체온 변화를 측정하는 방식, 혈류 변화를 측정하는 방식 등으로 구현된 다양한 센서를 포함할 수 있으나, 이는 일 실시예에 불과할 뿐 이에 한정되는 것은 아니다.
프로세서(122)는 원본 혈당값이 개인화된 혈당 가이드라인 내에 있는지 여부 및 원본 혈당값이 개인화된 혈당 가이드라인을 벗어난 정도 등을 기반으로 최종 혈당값의 신뢰도를 판단할 수 있다. 예컨대, 프로세서(122)는 원본 혈당값이 개인화된 혈당 가이드라인 내에 있으면 최종 혈당값의 신뢰도를 높게 평가하고, 원본 혈당값이 개인화된 혈당 가이드라인을 벗어나고 벗어난 정도가 크면 최종 혈당값의 신뢰도를 낮게 평가할 수 있다.
프로세서(122)는 혈당값 보정 히스토리를 기반으로 개인화된 생체 정보 보정 장치(120) 자체의 신뢰도를 판단할 수 있다. 예컨대, 프로세서(122)는 혈당값 보정 횟수가 증가할수록 개인화된 생체 정보 보정 장치(120) 자체의 신뢰도를 낮게 평가할 수 있다.
또한, 프로세서(122)는 개인화된 생체 정보 보정 장치(120) 자체의 신뢰도가 소정의 임계값 이하이면 개인화된 생리 모델 및 개인화된 혈당 가이드라인을 갱신할 수 있다. 이때, 프로세서(122)는 지금까지 축적된 혈당값 데이터 전부 또는 일부를 이용하거나, 생체 센서(110)로부터 새로운 모델 생성용 혈당값 데이터를 획득하여 이용할 수 있다.
도 2 내지 도 4는 개인화된 혈당 가이드라인 생성 및 원본 혈당값 보정 과정을 설명하기 위한 예시도이다. 자세하게는 도 2는 모델 생성용 혈당값 데이터를 이용하여 개인화된 생리 모델을 생성하는 예시도이고, 도 3은 도 2의 개인화된 생리 모델을 기반으로 개인화된 혈당 가이드라인을 판단하는 예시도이고, 도 4는 도 3의 개인화된 혈당 가이드라인을 이용하여 원본 혈당값을 보정하는 예시도이다.
도 1 및 도 2를 참조하면, 프로세서(122)는 생체 센서(110)로부터 획득된 모델 생성용 혈당값 데이터(210)를 기반으로 개인화된 생리 모델(220)을 생성할 수 있다. 이때, 프로세서(122)는 전술한 수학식 1 내지 수학식 3을 이용할 수 있다.
도 1 및 도 3을 참조하면, 프로세서(122)는 개인화된 생리 모델(220)을 이용하여 개인화된 혈당 가이드라인(310)을 판단할 수 있다. 예컨대, 도 3에 도시된 바와 같이, 프로세서(122)는 개인화된 생리 모델에 기초한 혈당 추정값을 기준으로 소정의 절대값 a 이하에서 소정의 절대값 a 이상까지의 범위를 개인화된 혈당 가이드라인(310)으로 판단할 수 있다. 이를 수학식으로 표현하면 수학식 4와 같다.
도 1 및 도 4를 참조하면, 프로세서(122)는 생체 센서(110)로부터 음식 섭취 후 t1이 경과한 시점에 측정된 원본 혈당값 데이터(BG1)를 획득하면, 원본 혈당값 측정 시점을 사용자의 음식 섭취 시점(t=0)으로부터 t1이 경과한 시점인 개인화된 혈당 가이드라인의 t=t1에 대응시키고, 원본 혈당값(BG1)이 대응 시점(t=t1)에서의 개인화된 혈당 가이드라인의 범위 내에 있는지를 판단할 수 있다. 프로세서(122)는 원본 혈당값(BG1)이 대응 시점(t=t1)에서의 개인화된 혈당 가이드라인의 범위 내에 있으므로 그 원본 혈당값(BG1)을 최종 혈당값으로 판단할 수 있다.
또한, 프로세서(122)는 생체 센서(110)로부터 음식 섭취 후 t2가 경과한 시점에 측정된 원본 혈당값 데이터(BG2)를 획득하면, 원본 혈당값 측정 시점을 사용자의 음식 섭취 시점(t=0)으로부터 t2가 경과한 시점인 개인화된 혈당 가이드라인의 t=t2에 대응시키고, 원본 혈당값(BG2)이 대응 시점(t=t2)에서의 개인화된 혈당 가이드라인의 범위 내에 있는지를 판단할 수 있다. 프로세서(122)는 원본 혈당값(BG2)이 대응 시점(t=t2)에서의 개인화된 혈당 가이드라인의 범위를 벗어나므로 원본 혈당값(BG2)을 대응 시점에서의 개인화된 혈당 가이드라인의 최대값(BG2')으로 보정하고 보정된 혈당값(BG2')를 최종 혈당값으로 판단할 수 있다.
도 5는 개인화된 생체 정보 보정 장치의 다른 실시예를 도시한 도면이다. 도 5의 개인화된 생체 정보 보정 장치(500)는 도 1의 개인화된 생체 정보 보정 장치(120)의 다른 실시예일 수 있다. 개인화된 생체 정보 보정 장치는 전자 장치에 탑재되거나 하우징으로 감싸져 별개의 장치로 형성될 수 있다. 전자 장치는 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, 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 5를 참조하면 개인화된 생체 정보 보정 장치(500)는 데이터 획득부(110), 프로세서(120), 입력부(510), 저장부(520), 통신부(530) 및 출력부(540)를 포함할 수 있다. 여기서 데이터 획득부(110) 및 프로세서(120)는 도 1 내지 도 5를 참조하여 전술한 바와 같으므로 그 상세한 설명은 생략하기로 한다.
입력부(510)는 사용자로부터 다양한 조작신호를 입력 받을 수 있다. 일 실시예에 따르면, 입력부(510)는 키 패드(key pad), 돔 스위치(dome switch), 터치 패드(touch pad), 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(520)는 개인화된 생체 정보 보정 장치(500)의 동작을 위한 프로그램 또는 명령들을 저장할 수 있고, 개인화된 생체 정보 보정 장치(500)에 입력되는 데이터, 개인화된 생체 정보 보정 장치(500)에서 측정된 데이터 및 처리된 데이터 등을 저장할 수 있다. 저장부(520)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, 개인화된 생체 정보 보정 장치(500)는 인터넷 상에서 저장부(520)의 저장 기능을 수행하는 웹 스토리지(web storage) 등 외부 저장 매체를 운영할 수도 있다.
통신부(530)는 외부 장치와 통신을 수행할 수 있다. 예컨대, 통신부(530)는 개인화된 생체 정보 보정 장치(500)에 입력되는 데이터 및 저장된 데이터, 개인화된 생체 정보 보정 장치(500)에서 측정된 데이터 및 처리된 데이터 등을 외부 장치로 전송하거나, 외부 장치로부터 생체 정보 추정에 도움이 되는 다양한 데이터를 수신할 수 있다.
이때, 외부 장치는 개인화된 생체 정보 보정 장치(500)에 입력되는 데이터 및 저장된 데이터, 개인화된 생체 정보 보정 장치(500)에서 측정된 데이터 및 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(530)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(540)는 개인화된 생체 정보 보정 장치(500)에 입력되는 데이터 및 저장된 데이터, 개인화된 생체 정보 보정 장치(500)에서 측정된 데이터 및 처리된 데이터 등을 출력할 수 있다. 일 실시예에 따르면, 출력부(540)는 개인화된 생체 정보 보정 장치(500)에 입력되는 데이터 및 저장된 데이터, 개인화된 생체 정보 보정 장치(500)에서 측정된 데이터 및 처리된 데이터 등을 청각적 방법, 시각적 방법 및 촉각적 방법 중 적어도 하나의 방법으로 출력할 수 있다. 이를 위해 출력부(540)는 디스플레이, 스피커, 진동기 등을 포함할 수 있다.
도 6은 개인화된 생체 정보 보정 장치의 다른 실시예를 도시한 도면이다. 도 6의 개인화된 생체 정보 보정 장치(600)는 도 1의 개인화된 생체 정보 보정 장치(120)와 달리, 생체 센서(610)를 포함할 수 있다. 도 6의 실시예는 프로세서(620)가 생체 센서(610)를 직접 제어하여 사용자의 혈당값을 측정할 수 있다. 즉, 프로세서(620)는 생체 센서(610)를 제어하여 사용자의 혈당값을 측정함으로써 모델 생성용 혈당값 데이터와 원본 혈당값 데이터를 획득할 수 있다.
개인화된 생체 정보 보정 장치(600)는 전자 장치에 탑재되거나 하우징으로 감싸져 별개의 장치로 형성될 수 있다. 전자 장치는 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, 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 7은 생체 정보 보정 방법의 일 실시예를 도시한 도면이다. 도 7의 생체 정보 보정 방법은 도 1, 도 5 또는 도 6의 개인화된 생체 정보 보정 장치(120, 500, 600)에 의해 수행될 수 있다.
도 7을 참조하면, 개인화된 생체 정보 보정 장치는 원본 생체 정보값 데이터를 획득할 수 있다(710). 예컨대, 개인화된 생체 정보 보정 장치는 외부 또는 내부에 설치된 생체 센서로부터 원본 생체 정보값 데이터를 획득할 수 있다.
개인화된 생체 정보 보정 장치는 개인화된 생체 정보 가이드라인을 이용하여 원본 생체 정보값이 이상값(outlier)인지를 판단할 수 있다(720). 예컨대, 개인화된 생체 정보 보정 장치는 원본 생체 정보값 측정 시점을 사용자의 음식 섭취 시점을 기준으로 개인화된 혈당 가이드라인에 대응시키고, 원본 생체 정보값이 대응 시점에서의 개인화된 생체 정보 가이드라인의 범위 내에 있는지를 판단할 수 있다. 또한, 개인화된 생체 정보 보정 장치는 원본 생체 정보값이 대응 시점에서의 개인화된 생체 정보 가이드라인의 범위를 벗어나면 그 원본 생체 정보값을 이상값으로 판단할 수 있다.
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값으로 판단되면(730), 원본 생체 정보값을 보정할 수 있다(740). 일 실시예에 따르면, 개인화된 생체 정보 보정 장치는 이상값으로 판단된 원본 생체 정보값을 원본 생체 정보값이 측정된 시점에 대응하는 대응 시점에서의 개인화된 생체 정보 가이드라인의 최대값 또는 최소값으로 보정할 수 있다. 예컨대, 개인화된 생체 정보 보정 장치는 원본 생체 정보값이 대응 시점에서의 개인화된 생체 정보 가이드라인의 최대값보다 크면 원본 생체 정보값을 대응 시점에서의 개인화된 생체 정보 가이드라인의 최대값으로 보정하고, 원본 생체 정보값이 대응 시점에서의 개인화된 생체 정보 가이드라인의 최소값보다 작으면 원본 생체 정보값을 대응 시점에서의 개인화된 생체 정보 가이드라인의 최소값으로 보정할 수 있다.
개인화된 생체 정보 보정 장치는 보정된 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(750).
또한, 개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값이 아니라고 판단되면(730), 원본 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(750).
도 8은 생체 정보 보정 방법의 다른 실시예를 도시한 도면이다. 도 8의 생체 정보 보정 방법은 도 1, 도 5 또는 도 6의 개인화된 생체 정보 보정 장치(120, 500, 600)에 의해 수행될 수 있다. 도 8의 단계 810, 820, 830, 840, 850은 도 7의 단계 710, 720, 730, 740, 750과 각각 동일하므로 간략하게 설명하기로 한다.
도 8을 참조하면, 개인화된 생체 정보 보정 장치는 원본 생체 정보값 데이터를 획득하고(810), 개인화된 생체 정보 가이드라인을 이용하여 원본 생체 정보값이 이상값(outlier)인지를 판단할 수 있다(820).
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값으로 판단되면(830), 원본 생체 정보값을 보정할 수 하고(840), 보정된 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(850).
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값이 아니라고 판단되면(830), 원본 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(850).
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 개인화된 생체 정보 가이드라인 내에 있는지 여부 및 원본 생체 정보값이 개인화된 생체 정보 가이드라인을 벗어난 정도 등을 기반으로 최종 생체 정보값의 신뢰도를 판단할 수 있다(860). 예컨대, 개인화된 생체 정보 보정 장치는 원본 생체 정보값이 개인화된 생체 정보 가이드라인 내에 있으면 최종 생체 정보값의 신뢰도를 높게 평가하고, 원본 생체 정보값이 개인화된 생체 정보 가이드라인을 벗어나고 벗어난 정도가 크면 최종 생체 정보값의 신뢰도를 낮게 평가할 수 있다.
도 9는 생체 정보 보정 방법의 또 다른 실시예를 도시한 도면이다. 도 9의 생체 정보 보정 방법은 도 1, 도 5 또는 도 6의 개인화된 생체 정보 보정 장치(120, 500, 600)에 의해 수행될 수 있다. 도 9의 단계 910, 920, 930, 940, 950은 도 7의 단계 710, 720, 730, 740, 750과 각각 동일하므로 간략하게 설명하기로 한다.
도 9를 참조하면, 개인화된 생체 정보 보정 장치는 원본 생체 정보값 데이터를 획득하고(910), 개인화된 생체 정보 가이드라인을 이용하여 원본 생체 정보값이 이상값(outlier)인지를 판단할 수 있다(920).
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값으로 판단되면(930), 원본 생체 정보값을 보정할 수 하고(940), 보정된 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(950).
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값이 아니라고 판단되면(930), 원본 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(950).
개인화된 생체 정보 보정 장치는 생체 정보값 보정 히스토리를 기반으로 개인화된 생체 정보 보정 장치 자체의 신뢰도를 판단할 수 있다(960). 예컨대, 개인화된 생체 정보 보정 장치는 소정의 기간 동안의 생체 정보값 보정 횟수가 증가할수록 개인화된 생체 정보 보정 장치 자체의 신뢰도를 낮게 평가할 수 있다.
개인화된 생체 정보 보정 장치는 개인화된 생체 정보 보정 장치 자체의 신뢰도가 소정의 임계값 이하이면 개인화된 생리 모델 및 개인화된 생체 정보 가이드라인을 갱신할 수 있다(970). 이때, 개인화된 생체 정보 보정 장치는 지금까지 축적된 생체 정보값 데이터 전부 또는 일부를 이용하거나, 내부 또는 외부에 설치된 생체 센서로부터 새로운 모델 생성용 생체 정보값 데이터를 획득하여 이용할 수 있다.
도 10은 개인화된 생체 정보 가이드라인 생성 방법의 일 실시예를 도시한 도면이다. 도 10의 개인화된 생체 정보 가이드라인 생성 방법은 도 1, 도 5 또는 도 6의 개인화된 생체 정보 보정 장치(120, 500, 600)에 의해 수행될 수 있다.
도 10을 참조하면, 개인화된 생체 정보 보정 장치는 내부 또는 외부에 설치된 생체 센서로부터 모델 생성용 생체 정보값 데이터를 획득할 수 있다(1010).
개인화된 생체 정보 보정 장치는 개인화된 생리 모델 생성에 충분한 모델 생성용 생체 정보값 데이터가 획득되면, 획득된 모델 생성용 생체 정보값 데이터를 이용하여 개인화된 생리 모델을 생성할 수 있다(1020). 예컨대, 개인화된 생체 정보 보정 장치는 획득된 모델 생성용 생체 정보값 데이터를 기반으로 수학식 1 내지 수학식 3의 파라미터들을 최적화하여, 사용자 개인의 생리적 특성을 반영한 개인화된 생리 모델을 생성할 수 있다.
개인화된 생체 정보 보정 장치는 개인화된 생리 모델을 이용하여 사용자 개인의 생리적 특성을 반영한 개인화된 생체 정보 가이드라인을 판단할 수 있다(1030). 일 실시예에 따르면, 개인화된 생체 정보 보정 장치는 수학식 4 내지 수학식 7 중 어느 하나를 이용하여 개인화된 생체 정보 가이드라인을 판단할 수 있다.
도 11은 생체 정보 보정 방법의 또 다른 실시예를 도시한 도면이다. 도 11의 생체 정보 보정 방법은 도 1, 도 5 또는 도 6의 개인화된 생체 정보 보정 장치(120, 500, 600)에 의해 수행될 수 있다. 도 11의 단계 1110, 1120, 1130은 도 10의 단계 1010, 1020, 1030과 각각 동일하고, 도 11의 단계 1140, 1150, 1160, 1170, 1180은 도 7의 단계 710, 720, 730, 740, 750과 각각 동일하므로 간략하게 설명하기로 한다.
도 11을 참조하면, 개인화된 생체 정보 보정 장치는 모델 생성용 생체 정보값 데이터를 획득하고(1110), 획득된 모델 생성용 생체 정보값 데이터를 이용하여 개인화된 생리 모델을 생성하고(1120), 개인화된 생리 모델을 이용하여 개인화된 생체 정보 가이드라인을 판단할 수 있다(1130).
개인화된 생체 정보 보정 장치는 원본 생체 정보값 데이터를 획득하고(1140), 개인화된 생체 정보 가이드라인을 이용하여 원본 생체 정보값이 이상값(outlier)인지를 판단할 수 있다(1150).
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값으로 판단되면(1160), 원본 생체 정보값을 보정할 수 하고(1170), 보정된 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(1180).
개인화된 생체 정보 보정 장치는 원본 생체 정보값이 이상값이 아니라고 판단되면(1160), 원본 생체 정보값을 최종 생체 정보값으로 판단할 수 있다(1180).
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 개인화된 생체 정보 보정 장치(120, 500, 600)를 탑재할 수 있다. 또한, 본체(1220) 내부에는 손목형 웨어러블 디바이스(1200) 및 개인화된 생체 정보 보정 장치(120, 500, 600)에 전원을 공급하는 배터리가 내장될 수 있다.
생체 센서가 본체(1220) 하부에 사용자의 손목을 향해 노출되도록 장착될 수 있다. 이를 통해 사용자가 손목형 웨어러블 디바이스(1200)를 착용하면 자연스럽게 생체 센서가 사용자의 피부에 접촉할 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 개인화된 생체 정보 보정 장치(120, 500, 600)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.
100: 개인화된 생체 정보 측정 장치
110: 생체 센서
120: 개인화된 생체 정보 보정 장치
121: 데이터 획득부
122: 프로세서

Claims (32)

  1. 사용자의 생체 정보값 데이터를 획득하는 데이터 획득부; 및
    개인화된 생리 모델을 기반 판단된 개인화된 생체 정보 가이드라인을 이용하여 상기 획득된 생체 정보값이 이상값(outlier)인지를 판단하고 판단 결과에 따라 상기 생체 정보값을 보정하여 최종 생체 정보값을 판단하는 프로세서; 를 포함하는,
    개인화된 생체 정보 보정 장치.
  2. 제1항에 있어서,
    상기 개인화된 생리 모델은 수학적 모델인,
    개인화된 생체 정보 보정 장치.
  3. 제1항에 있어서,
    상기 데이터 획득부는 개인화된 생리 모델 생성을 위한 모델 생성용 생체 정보값 데이터를 획득하고,
    상기 프로세서는 상기 획득된 모델 생성용 생체 정보값 데이터를 기반으로 개인화된 생리 모델을 생성하는,
    개인화된 생체 정보 보정 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 개인화된 생리 모델 생성에 충분한 모델 생성용 혈당 데이터가 획득되었는지를 판단하고 충분한 모델 생성용 혈당 데이터가 획득되면 상기 개인화된 생리 모델을 생성하는,
    개인화된 생체 정보 보정 장치.
  5. 제4항에 있어서,
    상기 프로세서는,
    데이터 양 또는 데이터 수집 기간 중 적어도 하나를 고려하여 충분한 모델 생성용 혈당 데이터가 획득되었는지를 판단하는,
    개인화된 생체 정보 보정 장치.
  6. 제1항에 있어서,
    상기 프로세서는,
    상기 개인화된 생리 모델을 기반으로 생체 정보 추정값을 판단하고, 상기 판단된 생체 정보 추정값을 기준으로 생체 정보 가이드라인을 판단하는,
    개인화된 생체 정보 보정 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 판단된 생체 정보 추정값을 기준으로 소정의 절대값 이하에서 소정의 절대값 이상까지의 범위 및 상기 판단된 생체 정보 추정값을 기준으로 소정의 비율 이하에서 소정의 비율 이상까지의 범위 중 어느 하나 또는 조합을 생체 정보 가이드라인으로 판단하는,
    개인화된 생체 정보 보정 장치.
  8. 제1항에 있어서,
    상기 프로세서는,
    상기 생체 정보값이 상기 생체 정보값이 측정된 시점에 대응하는 시점의 생체 정보 가이드라인을 벗어나면, 상기 생체 정보값을 이상값으로 판단하는,
    개인화된 생체 정보 보정 장치.
  9. 제8항에 있어서,
    상기 프로세서는,
    상기 생체 정보값이 대응 시점에서의 생체 정보 가이드라인의 최대값보다 크면, 상기 생체 정보값을 상기 대응 시점에서의 상기 생체 정보 가이드라인의 최대값으로 보정하고,
    상기 생체 정보값이 상기 대응 시점에서의 생체 정보 가이드라인의 최소값보다 작으면, 상기 생체 정보값을 상기 대응 시점에서의 생체 정보 가이드라인의 최소값으로 보정하는,
    개인화된 생체 정보 보정 장치.
  10. 제1항에 있어서,
    상기 프로세서는,
    상기 생체 정보값이 상기 생체 정보 가이드라인 내에 있는지 여부 및 상기 생체 정보값이 상기 생체 정보 가이드라인을 벗어난 정도 중 적어도 하나를 기반으로 상기 최종 생체 정보값의 신뢰도를 판단하는,
    개인화된 생체 정보 보정 장치.
  11. 제1항에 있어서,
    상기 프로세서는,
    생체 정보값 보정 히스토리를 기반으로 상기 개인화된 생체 정보 보정 장치의 신뢰도를 판단하는,
    개인화된 생체 정보 보정 장치.
  12. 제11항에 있어서,
    상기 프로세서는,
    생체 정보값 보정 횟수가 증가할수록 상기 개인화된 생체 정보 보정 장치의 신뢰도를 낮게 평가하는,
    개인화된 생체 정보 보정 장치.
  13. 제11항에 있어서,
    상기 프로세서는,
    상기 개인화된 생체 정보 보정 장치의 신뢰도가 소정의 임계값 이하이면, 상기 개인화된 생리 모델을 갱신하는,
    개인화된 생체 정보 보정 장치.
  14. 제1항에 있어서,
    상기 생체 정보는 혈당인,
    개인화된 생체 정보 보정 장치.
  15. 개인화된 생체 정보 보정 장치의 개인화된 생체 정보 보정 방법에 있어서,
    사용자의 생체 정보값 데이터를 획득하는 단계; 및
    개인화된 생리 모델을 기반 판단된 개인화된 생체 정보 가이드라인을 이용하여 상기 획득된 생체 정보값이 이상값(outlier)인지를 판단하는 단계; 및
    상기 판단 결과에 따라 상기 생체 정보값을 보정하여 최종 생체 정보값을 판단하는 단계; 를 포함하는,
    개인화된 생체 정보 보정 방법.
  16. 제15항에 있어서,
    상기 개인화된 생리 모델은 수학적 모델인,
    개인화된 생체 정보 보정 방법.
  17. 제15항에 있어서,
    개인화된 생리 모델 생성을 위한 모델 생성용 생체 정보값 데이터를 획득하는 단계; 및
    상기 획득된 모델 생성용 생체 정보값 데이터를 기반으로 개인화된 생리 모델을 생성하는 단계; 를 더 포함하는,
    개인화된 생체 정보 보정 방법.
  18. 제17항에 있어서,
    상기 개인화된 생리 모델을 생성하는 단계는,
    상기 개인화된 생리 모델 생성에 충분한 모델 생성용 혈당 데이터가 획득되면 상기 개인화된 생리 모델을 생성하는,
    개인화된 생체 정보 보정 방법.
  19. 제18항에 있어서,
    상기 개인화된 생리 모델을 생성하는 단계는,
    데이터 양 또는 데이터 수집 기간 중 적어도 하나를 고려하여 충분한 모델 생성용 혈당 데이터가 획득되었는지를 판단하는 단계; 를 포함하는,
    개인화된 생체 정보 보정 방법.
  20. 제15항에 있어서,
    상기 개인화된 생리 모델을 기반으로 생체 정보 추정값을 판단하는 단계; 및
    상기 판단된 생체 정보 추정값을 기준으로 생체 정보 가이드라인을 판단하는 단계; 를 더 포함하는,
    개인화된 생체 정보 보정 방법.
  21. 제20항에 있어서,
    상기 생체 정보 가이드라인을 판단하는 단계는,
    상기 판단된 생체 정보 추정값을 기준으로 소정의 절대값 이하에서 소정의 절대값 이상까지의 범위 및 상기 판단된 생체 정보 추정값을 기준으로 소정의 비율 이하에서 소정의 비율 이상까지의 범위 중 어느 하나 또는 조합을 생체 정보 가이드라인으로 판단하는,
    개인화된 생체 정보 보정 방법.
  22. 제15항에 있어서,
    상기 생체 정보값이 이상값인지를 판단하는 단계는,
    상기 생체 정보값이 상기 생체 정보값이 측정된 시점에 대응하는 시점의 생체 정보 가이드라인을 벗어나면, 상기 생체 정보값을 이상값으로 판단하는,
    개인화된 생체 정보 보정 방법.
  23. 제22항에 있어서,
    상기 생체 정보값을 보정하여 최종 생체 정보값을 판단하는 단계는,
    상기 생체 정보값이 대응 시점에서의 생체 정보 가이드라인의 최대값보다 크면, 상기 생체 정보값을 상기 대응 시점에서의 상기 생체 정보 가이드라인의 최대값으로 보정하는 단계; 및
    상기 생체 정보값이 상기 대응 시점에서의 생체 정보 가이드라인의 최소값보다 작으면, 상기 생체 정보값을 상기 대응 시점에서의 생체 정보 가이드라인의 최소값으로 보정하는 단계; 를 포함하는,
    개인화된 생체 정보 보정 방법.
  24. 제15항에 있어서,
    상기 생체 정보값이 상기 생체 정보 가이드라인 내에 있는지 여부 및 상기 생체 정보값이 상기 생체 정보 가이드라인을 벗어난 정도 중 적어도 하나를 기반으로 상기 최종 생체 정보값의 신뢰도를 판단하는 단계; 를 더 포함하는,
    개인화된 생체 정보 보정 방법.
  25. 제15항에 있어서,
    생체 정보값 보정 히스토리를 기반으로 상기 개인화된 생체 정보 보정 장치의 신뢰도를 판단하는 단계; 를 더 포함하는,
    개인화된 생체 정보 보정 방법.
  26. 제25항에 있어서,
    상기 개인화된 생체 정보 보정 장치의 신뢰도를 판단하는 단계는,
    생체 정보값 보정 횟수가 증가할수록 상기 개인화된 생체 정보 보정 장치의 신뢰도를 낮게 평가하는,
    개인화된 생체 정보 보정 방법.
  27. 제25항에 있어서,
    상기 개인화된 생체 정보 보정 장치의 신뢰도가 소정의 임계값 이하이면, 상기 개인화된 생리 모델을 갱신하는 단계; 를 더 포함하는,
    개인화된 생체 정보 보정 방법.
  28. 제15항에 있어서,
    상기 생체 정보는 혈당인,
    개인화된 생체 정보 보정 방법.
  29. 사용자의 생체 정보값을 측정하는 생체 센서; 및
    개인화된 생리 모델을 기반 판단된 개인화된 생체 정보 가이드라인을 이용하여 상기 측정된 생체 정보값이 이상값(outlier)인지를 판단하고 판단 결과에 따라 상기 생체 정보값을 보정하는 프로세서; 를 포함하는,
    개인화된 생체 정보 보정 장치.
  30. 제29항에 있어서,
    상기 개인화된 생리 모델은 수학적 모델인,
    개인화된 생체 정보 보정 장치.
  31. 제29항에 있어서,
    상기 프로세서는,
    상기 생체 정보값이 상기 생체 정보값이 측정된 시점에 대응하는 시점의 생체 정보 가이드라인을 벗어나면, 상기 생체 정보값을 이상값으로 판단하는,
    개인화된 생체 정보 보정 장치.
  32. 제31항에 있어서,
    상기 프로세서는,
    상기 생체 정보값이 대응 시점에서의 생체 정보 가이드라인의 최대값보다 크면, 상기 생체 정보값을 상기 대응 시점에서의 상기 생체 정보 가이드라인의 최대값으로 보정하고,
    상기 생체 정보값이 상기 대응 시점에서의 생체 정보 가이드라인의 최소값보다 작으면, 상기 생체 정보값을 상기 대응 시점에서의 생체 정보 가이드라인의 최소값으로 보정하는,
    개인화된 생체 정보 보정 장치.
KR1020190051645A 2019-05-02 2019-05-02 개인화된 생체 정보 보정 장치 및 방법 KR20200127470A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190051645A KR20200127470A (ko) 2019-05-02 2019-05-02 개인화된 생체 정보 보정 장치 및 방법
US16/739,981 US11399746B2 (en) 2019-05-02 2020-01-10 Personalized bio-information correcting apparatus and method
EP20170608.2A EP3734613A1 (en) 2019-05-02 2020-04-21 Personalized bio-information correcting apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190051645A KR20200127470A (ko) 2019-05-02 2019-05-02 개인화된 생체 정보 보정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20200127470A true KR20200127470A (ko) 2020-11-11

Family

ID=70390874

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190051645A KR20200127470A (ko) 2019-05-02 2019-05-02 개인화된 생체 정보 보정 장치 및 방법

Country Status (3)

Country Link
US (1) US11399746B2 (ko)
EP (1) EP3734613A1 (ko)
KR (1) KR20200127470A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220157205A (ko) * 2021-05-20 2022-11-29 주식회사 아이센스 비침습 생체정보의 교정 방법
KR20230026884A (ko) * 2021-08-18 2023-02-27 (주)보템 생체 신호의 신뢰도 판단 장치 및 방법

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2413205A1 (en) * 2000-06-26 2002-01-03 Boston Medical Technologies, Inc. Glucose metering system
US6788965B2 (en) 2001-08-03 2004-09-07 Sensys Medical, Inc. Intelligent system for detecting errors and determining failure modes in noninvasive measurement of blood and tissue analytes
US8260393B2 (en) 2003-07-25 2012-09-04 Dexcom, Inc. Systems and methods for replacing signal data artifacts in a glucose sensor data stream
US9247901B2 (en) * 2003-08-22 2016-02-02 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
JP2005537891A (ja) * 2002-09-10 2005-12-15 ユーロ−セルティーク エス．エイ． 血液成分の非侵襲的測定のための装置及び方法
US8600681B2 (en) * 2007-05-14 2013-12-03 Abbott Diabetes Care Inc. Method and apparatus for providing data processing and control in a medical communication system
EP2023256A1 (en) * 2007-08-02 2009-02-11 Novo Nordisk A/S Drug administration monitoring
US9801575B2 (en) 2011-04-15 2017-10-31 Dexcom, Inc. Advanced analyte sensor calibration and error detection
US8690820B2 (en) 2009-10-06 2014-04-08 Illinois Institute Of Technology Automatic insulin pumps using recursive multivariable models and adaptive control algorithms
US9439602B2 (en) 2011-10-26 2016-09-13 Dexcom, Inc. Alert system for hypo and hyperglycemia prevention based on clinical risk
US20130331676A1 (en) 2012-06-08 2013-12-12 Medtronic Minimed, Inc. Application of electrochemical impedance spectroscopy in sensor systems, devices, and related methods
KR101501281B1 (ko) 2012-06-18 2015-03-11 경희대학교 산학협력단 당뇨병 및 당뇨 합병증 관리 방법
US9149232B2 (en) * 2012-09-11 2015-10-06 Covidien Lp Methods and systems for qualifying calculated values based on state transitions
EP2929336B1 (en) 2012-12-04 2017-01-18 Roche Diabetes Care GmbH Method for hematocrit correction and glucose meter adapted therefor
JP5511033B1 (ja) 2012-12-04 2014-06-04 Ｎｅｃシステムテクノロジー株式会社 血糖値予測装置、測定装置、血糖値予測方法、及びプログラム
US20140188402A1 (en) * 2013-01-03 2014-07-03 Dexcom, Inc. Outlier detection for analyte sensors
WO2014109898A1 (en) 2013-01-14 2014-07-17 The Regents Of University Of California Model-based personalization scheme of an artificial pancreas for type i diabetes applications
US10314547B2 (en) * 2014-04-09 2019-06-11 Halo Wearables LLC Calibration of a wearable medical device
KR101600379B1 (ko) 2015-08-03 2016-03-07 (주) 비비비 당뇨병 환자를 위한 혈당 관리 방법
US10463297B2 (en) * 2015-08-21 2019-11-05 Medtronic Minimed, Inc. Personalized event detection methods and related devices and systems
WO2017083593A1 (en) 2015-11-10 2017-05-18 Massachusetts Institute Of Technology Systems and methods for sampling calibration of non-invasive analyte measurements
KR102655736B1 (ko) 2016-07-19 2024-04-05 삼성전자주식회사 이종 스펙트럼 기반 혈당 추정 장치 및 방법
KR102498120B1 (ko) 2017-10-17 2023-02-09 삼성전자주식회사 생체정보 센서의 오차 보정 장치 및 방법과, 생체정보 추정 장치 및 방법
US11278668B2 (en) * 2017-12-22 2022-03-22 Glysens Incorporated Analyte sensor and medicant delivery data evaluation and error reduction apparatus and methods
US11672446B2 (en) * 2018-03-23 2023-06-13 Medtronic Minimed, Inc. Insulin delivery recommendations based on nutritional information

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220157205A (ko) * 2021-05-20 2022-11-29 주식회사 아이센스 비침습 생체정보의 교정 방법
KR20230026884A (ko) * 2021-08-18 2023-02-27 (주)보템 생체 신호의 신뢰도 판단 장치 및 방법

Also Published As

Publication number Publication date
US20200345281A1 (en) 2020-11-05
EP3734613A1 (en) 2020-11-04
US11399746B2 (en) 2022-08-02

Similar Documents

Publication Publication Date Title
CN109662687B (zh) 校正生物信息传感器误差的装置和方法，以及估计生物信息的装置和方法
KR102463383B1 (ko) 생체 신호 측정을 위한 방법 및 이를 위한 착용형 전자 장치
US10806379B2 (en) User identification by biometric monitoring device
US20180055449A1 (en) Wearable measurement apparatus
US11103195B2 (en) Method for providing eating habit information and wearable device therefor
EP3064129A1 (en) Wearable electronic device and method for controlling the same
KR20170008197A (ko) 어플리케이션들과 연관된 심전도 시계 클래스프
EP3330972A1 (en) Method for obtaining heart rate and electronic device for the same
US10765345B2 (en) Method and system for determining a length of an object using an electronic device
US10028660B2 (en) Physiological parameter measuring system
WO2018235440A1 (ja) 生体状態管理装置および生体状態管理方法
US20230245741A1 (en) Information processing device, information processing system, and information processing method
US11399746B2 (en) Personalized bio-information correcting apparatus and method
US11596331B2 (en) Apparatus and method for estimating analyte concentration
US20230091997A1 (en) Blood pressure measurement method and electronic device
US20220361823A1 (en) Wearable blood pressure biosensors, systems and methods for short-term blood pressure prediction
KR20200110116A (ko) 생체 정보 측정 장치 및 방법
US11564622B2 (en) Apparatus and method for generating metabolism model
CN110167435B (zh) 用户终端装置和数据发送方法
US11287374B2 (en) Apparatus and method for updating bioinformation estimation model
US11495329B2 (en) Apparatus and method for determining validity of bio-information estimation model
Wong Design of a smart phone based body sensor for long-term healthcare monitoring
CN117396974A (zh) 用于医疗保健的电子装置及其运行方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal