KR20210084800A - 수면 자세 및 뒤척임 모니터링 시스템 - Google Patents

수면 자세 및 뒤척임 모니터링 시스템 Download PDF

Info

Publication number
KR20210084800A
KR20210084800A KR1020190177031A KR20190177031A KR20210084800A KR 20210084800 A KR20210084800 A KR 20210084800A KR 1020190177031 A KR1020190177031 A KR 1020190177031A KR 20190177031 A KR20190177031 A KR 20190177031A KR 20210084800 A KR20210084800 A KR 20210084800A
Authority
KR
South Korea
Prior art keywords
sleep
toss
data
monitoring system
sensors
Prior art date
Application number
KR1020190177031A
Other languages
English (en)
Inventor
이두식
노원석
유승현
이성권
Original Assignee
주식회사 아임클라우드
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 주식회사 아임클라우드 filed Critical 주식회사 아임클라우드
Priority to KR1020190177031A priority Critical patent/KR20210084800A/ko
Publication of KR20210084800A publication Critical patent/KR20210084800A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • 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
    • 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
    • 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
    • A61B5/68—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
    • A61B5/6892—Mats
    • 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
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • 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
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Abstract

본 발명의 일 실시 예에 따르면, 스마트 베드에 설치된 복수의 압력 센서들로부터 출력된 데이터들을 수집하고, 상기 압력 센서들 마다 변화량을 계산하고, 상기 변화량에 기초하여 상기 압력 센서들 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 상기 센서들의 위치와 변화량에 기초하여 수면 자세를 나타내는 파라미터들을 산출하는 분석 서버;를 포함하는 수면 자세 및 뒤척임 모니터링 시스템이 개시된다.

Description

수면 자세 및 뒤척임 모니터링 시스템{MONITORING SYSTEM FOR SLEEP POSITION AND TWISTING AND TURNING}
본 발명은 수면 자세 및 뒤척임 모니터링 시스템에 관한 것이다.
최근 급속한 전자기술과 정보통신 기술의 발전으로 인해 다양한 분야에서 사람들에게 편의를 제공하고 있다. 특히, 의료기구 및 시스템 분야에도 활발히 응용되어, 인간의 건강관리에 매우 유용한 유헬스케어(Ubiquitous Healthcare) 분야가 급속히 발전하고 있다. 즉, 생체정보센서와 첨단 무선통신 또는 의료기기 등을 이용하여, 사용자의 스트레스 및 건강상태를 원격에서 검진하고 위급상황을 알려주는 등의 헬스케어 기술이 개발되고 있다. 특히 이러한 헬스케어 기술이 수면에 활용될 경우, 수면상태의 지속적 모니터링을 통해 수면 패턴의 변화를 감지 및 비교분석함으로써 개인의 일상생활과 관계된 건강관리가 가능하다.
한편, 수면은 건강에 따라서 중요한 요소이며, 많은 현대인이 수면이 나쁜 상태로 일상생활을 하고 있다고 말할 수 있다. 따라서, 수면의 상태를 아는 것이 중요하며, 예를 들면 한국공개특허공보 제10-2014-0127521호(2014년11월4일)에는 '수면상태 평가방법과 수면상태 측정패치'가 공지되어 있고, 또 다른 예를 들면, 한국공개특허공보 제10-2010-0130593호(2010년12월13일)에는 '수면 시스템을 위한 사람의 평가 장치 및 방법' 이 공지되어 있다. 하지만, 숙면 또는 불면의 원인은 사람마다 다른데, 종래의 기술들은 그러한 점을 고려하지 못하고 있다.
본 발명의 일 실시예에 따르면, 수면자의 상태와 수면에 영향을 미치는 변수들을 개인별로 산출할 수 있는 수면 자세 및 뒤척임 모니터링 시스템이 제공될 수 있다.
본 발명의 일 실시예에 따르면, 수면자의 시간별 수면 자세와 뒤척임 상태를 판단 및 모니터링할 수 있는 수면 자세 및 뒤척임 모니터링 시스템이 제공될 수 있다.
본 발명의 일 실시 예에 따르면, 수면 자세 및 뒤척임 모니터링 시스템에 있어서,
스마트 베드에 설치된 복수의 압력 센서들로부터 출력된 데이터들을 수집하고, 상기 압력 센서들 마다 변화량을 계산하고, 상기 변화량에 기초하여 상기 압력 센서들 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 상기 센서들의 위치와 변화량에 기초하여 수면 자세를 나타내는 파라미터들을 산출하는 분석 서버;를 포함하는 수면 자세 및 뒤척임 모니터링 시스템이 제공될 수 있다.
본 발명의 실시예들에 따르면, 수면자의 상태와 수면에 영향을 미치는 변수들을 개인별로 알 수 있으므로, 개인의 수면 상태를 개선하고 의료기관으로의 편의성을 제공할 수 있게 된다. 또한, 수면자의 시간별 수면 자세와 뒤척임 상태를 판단 및 모니터링함으로써, 낙상을 미리 방지할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)을 설명하기 위한 도면이다.
도 2는 본 발명의 사용될 수 있는 예시적인 스마트 베드(400)를 설명하기 위한 도면이다.
도 3은 본 발명의 사용될 수 있는 예시적인 웨어러블 기기(500)를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 데이터 수집 서버(100)의 동작을 설명하기 위한 도면이다.
도 5와 도 6은 본 발명의 일 실시예에 따른 수면 평가 장치(300)의 구성과 동작을 설명하기 위한 도면들이다.
도 7과 도 8은 본 발명의 일 실시예에 따른 수면 평가 장치(300)에서 사용되는 데이터를 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)에 의해 제공될 수 있는 수면 효율을 설명하기 위한 도면이다.
도 10 내지 도 11은 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)에 의해 제공될 수 있는 뒤척임을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)에 의해 제공될 수 있는 수면 자세의 추정을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 딥러닝 기반의 수면 평가 및 예측을 위한 수면 평가 방법을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따른 뒤척임을 산출하는 방법을 설명하기 위한 도면이다.
도 15와 도 16은 본 발명의 일 실시예에 따른 낙상 위험도를 산출하는 방법을 설명하기 위한 도면이다.
본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다. 또한, 도면들에 있어서, 구성요소들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다.
본 명세서에서 제1, 제2 등의 용어가 구성요소들을 기술하기 위해서 사용된 경우, 이들 구성요소들이 이 같은 용어들에 의해서 한정되어서는 안된다. 이들 용어들은 단지 어느 구성요소를 다른 구성요소와 구별시키기 위해서 사용되었을 뿐이다. 여기에 설명되고 예시되는 실시예들은 그것의 상보적인 실시예들도 포함한다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprise)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
본 명세서에서, '구성요소 a, 구성요소 b, 및/또는 구성요소 c'를 언급하면, 구성요소 a, 구성요소 b, 구성요소 c, 구성요소 a와 구성요소 b, 구성요소 a와 구성요소 c, 구성요소 b와 구성요소 c, 또는 구성요소 a와 구성요소 b와 구성요소 c를 언급하는 것을 의미한다. 한편, '및/또는'으로 언급되는 구성요소들이 2개이거나 또는 4개 이상일 경우에도 위와 동일한 방식으로 언급되는 것으로 해석되어야 한다.
이하 도면을 참조하여 본 발명을 상세히 설명하도록 한다. 아래의 특정 실시예들을 기술하는데 있어서 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 당업자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될 수 있다는 것을 인지할 수 있다. 어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 혼돈을 막기 위해 기술하지 않음을 미리 언급해 둔다.
용어의 정의
본원 명세서에서, 용어 '프로그램' 또는 '알고리즘'은 '컴퓨터로 처리하기에 적합한 명령의 집합'을 의미하며, '프로그램'과 '알고리즘'은 동일한 의미로 사용하기로 한다.
본원 명세서에서, “프로그램(또는 알고리즘)이 어떤 동작(또는 단계)을 수행 (또는 실행)한다”는 표현은,”프로그램(또는 알고리즘)이 프로세서(401)를 구비한 서버, 컴퓨터, 또는 시스템이 어떤 동작(또는 단계)을 수행 또는 실행하게 한다”는 것을 의미한다.
본원 명세서에서, '서버' 와 '시스템'은 하나 이상의 메모리(407)들(미 도시), 하나 이상의 컴퓨터 프로세서들(one or more Computor processors)(미 도시), 및 하나 이상의 프로그램들(one or more programs)(미 도시)을 포함하도록 구성된 컴퓨터를 의미하며, 여기서, 하나 이상의 프로그램들(이하, '프로그램')은 상기 메모리에 저장되어 상기 하나 이상의 프로세서들에 의해 실행되도록(executed) 구성되며, 하나 이상의 메모리, 하나 이상의 컴퓨터 프로세서들, 하나 이상의 프로그램들은 물리적으로 동일한 장치에 위치되어 직접 연결되거나 또는 통신망에 의해 연결되어 있을 수 있다.
본원 명세서에서, '장치'는 하나 이상의 '서버' 및/또는 하나 이상의 '시스템'에 의해서 구성된 것일 수 있다.
본원 명세서에서, '컴퓨터'는 컴퓨터 프로세서와 기억장치, 운영체제, 펌웨어, 응용 프로그램, 통신부, 및 기타 리소스를 포함하며, 여기서, 운영체제(OS: OPERATING SYSTEM)은 다른 하드웨어, 펌웨어, 또는 응용프로그램(예를 들면, 관리 프로그램)을 동작적으로 연결시킬 수 있다. 통신부는 외부와의 데이터를 송수신하기 위한 소프트웨어 및 하드웨어로 이루어진 모듈을 의미한다. 또한, 컴퓨터 프로세서와 기억장치, 운영체제, 응용 프로그램, 펌웨어, 통신부, 및 기타 리소스는 서로 동작적으로(operatively) 직접 또는 통신망을 통해서 연결되어 있다.
본원 명세서에서, '통신망'은 데이터를 유선 및/또는 무선으로 송수신할 수 있도록 지원하는 일체의 시설 - 통신을 지원하는 일체의 프로그램들, 기계들, 전기 및 전자 장치들, 기지국들, 및 통신용 케이블들을 포함 - 을 의미하며, 이러한 통신망은 광역 통신망(WAN), 도시권 통신망(MAN), 근거리 통신망(LAN), 및/또는 개인 통신망(PAN))으로 데이터를 유선 및/또는 무선으로 상호 송수신할 수 있도록 지원한다.
본원 명세서에서, '단말기'는 예를 들면 데스크탑 컴퓨터, 노트북, 스마트폰, 또는 PDA와 같은 장치일 수 있다.
본원 명세서에서, '원천 데이터' 는 i) 압력센서들에 의해 수집된 원천 데이터 ii) 웨어러블 디바이스에 의해 수집된 원천 생체정보와 원천 운동정보, 또는 iii) 문진에 의해 사람으로부터 직접 획득된 원천 개인정보를 의미하며, 구별의 실익이 없는 한 위 3가지 종류의 데이터 또는 정보를 지칭하는 것으로 사용된다.
본원 명세서에서, 압력센서들에 의해 수집된 원천 데이터는, i) 압력 센서(403)에 의해 감지된 신호, ii) 압력 센서(403)가 감지한 신호로부터 변환된 디지털 데이터, 또는 iii) i)의 압력 센서(403)가 감지한 신호 또는 상기 ii)의 디지털 데이터가 다른 형태로 변환된 데이터로서 압력 정보를 온전히 포함하고 있는 데이터를 의미할 수 있다.
본원 명세서에서, 웨어러블 디바이스에 의해 수집된 원천 생체정보와 원천 운동정보는 i) 웨어러블 디바이스에 의해 감지된 신호, ii) 웨어러블 디바이스가 감지한 신호로부터 변환된 디지털 데이터, 또는 iii) i)의 웨어러블 디바이스가 감지한 신호 또는 ii)의 디지털 데이터가 다른 형태로 변환된 데이터로서 생체 정보와 운동 정보를 온전히 포함하고 있는 데이터를 의미할 수 있다.
본원 명세서에서, 사람으로부터 직접 획득된 원천 개인정보는, i) 개인정보가 변환된 디지털 데이터, 또는 ii) i)의 디지털 데이터가 다른 형태로 변환된 데이터로서 개인 정보를 온전히 포함하고 있는 데이터를 의미할 수 있다.
본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)은, 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들에 기초하여 수면 효율을 평가할 수 있다.
또한, 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)은, 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들과 스마트 베드(400)에서 수면을 취하는 사람('수면자')에게 장착된 웨어러블 디바이스(500)에 의해 수면자로부터 수집된 데이터에 기초하여 수면 효율을 평가할 수 있다.
또한, 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)은 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들과 스마트 베드(400)의 수면자에게 장착된 웨어러블 디바이스(500)에 의해 수면자로부터 수집된 데이터와 수면자에게 문의하여 획득된 개인 정보 - 음주량이나 카페인 흡입량 등을 포함 - 에 기초하여 수면 효율을 평가할 수 있다.
예를 들면, 수면 자세 및 뒤척임 모니터링 시스템(10)은, 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들을 수집하고, 압력 센서들(403) 마다 변화량을 계산하고, 변화량에 기초하여 압력 센서들(403) 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 센서들의 위치와 변화량에 기초하여 기초하여 수면 효율을 평가할 수 있다.
예를 들면, 수면 자세 및 뒤척임 모니터링 시스템(10)은, 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들을 수집하고, 압력 센서들(403) 마다 변화량을 계산하고, 변화량에 기초하여 압력 센서들(403) 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 센서들의 위치와 변화량에 기초하여 수면을 평가하기 위한 파라미터들을 산출하고, 산출한 파라미터들에 기초하여 수면 효율을 평가할 수 있다.
또한, 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)은, 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들에 기초하여 스마트 베드(400)에서의 수면자에 대한 뒤척임 파라미터를 산출할 수 있다.
또한, 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)은, 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들과 스마트 베드(400)에서의 수면자에게 장착된 웨어러블 디바이스(500)에 의해 수집된 데이터에 기초하여 수면을 취하는 사람에 대한 뒤척임 파라미터를 산출할 수 있다.
예를 들면, 수면 자세 및 뒤척임 모니터링 시스템(10)은 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지되어 출력된 데이터들을 수집하고, 압력 센서들(403) 마다 변화량을 계산하고, 변화량에 기초하여 압력 센서들(403) 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 상기 센서들의 위치와 변화량의 크기에 기초하여 뒤척임 파라미터를 산출할 수 있다.
또한, 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)은 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들에 기초하여 스마트 베드(400)에서 수면을 취하는 사람에 대한 낙상 위험도와 수면 자세를 산출할 수 있다.
또한, 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)은 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지된 데이터들과 스마트 베드(400)에서 수면을 취하는 사람에게 장착된 웨어러블 디바이스(500)에 의해 수집된 데이터에 기초하여 수면을 취하는 사람에 대한 낙상 위험도를 산출할 수 있다.
예를 들면, 수면 자세 및 뒤척임 모니터링 시스템(10)은 스마트 베드(400)에 설치된 복수의 압력 센서들(403)에 의해 감지되어 출력된 데이터들을 수집하고, 압력 센서들(403) 마다 변화량을 계산하고, 상기 변화량에 기초하여 상기 압력 센서들(403) 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 센서들의 위치와 변화량에 기초하여 낙상 위험도를 산출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)을 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)(이하, ' 본 수면 자세 및 뒤척임 모니터링 시스템(10)')은 수면 평가 장치(300)를 포함할 수 있다. 또한, 본 수면 자세 및 뒤척임 모니터링 시스템(10)은 데이터 저장 서버(200)와 데이터 수집 서버(100)를 더 포함할 수 있다. 도 1에는, 설명의 목적을 위해서 단말기들과 스마트 베드(400)와 웨어러블 기기(500)가 추가적으로 도시되어 있다. 한편, 본 발명이 속하는 기술 분야에 종사하는 자(이하, '당업자'라고 함)는 본 수면 자세 및 뒤척임 모니터링 시스템(10)이 단말기들과 스마트 베드(400)와 웨어러블 기기(500) 중 적어도 어느 하나를 더 포함하도록 구성하는 것도 가능할 것이다.
본 실시예에 따르면, 스마트 베드(400)에는 외부로부터의 압력의 정도를 감지하는 복수의 압력 센서들(403)이 설치되어 있다. 도 2를 참조하면, 스마트 베드(400)는 사람이 수면을 취하도록 하는 기구적인 구조물(예를 들면, 메트리스, 메트리스 받침대, ... 등)과, 기계, 전기 및 전자적인 구성요소들을 포함할 수 있다. 기계, 전기 및 전자적인 구성요소들은 압력 센서들(403), 메모리(407), 프로세서(401), 및 네트워크 인터페이스(405)를 포함할 수 있다.
압력 센서들(403)은 예를 들면 부르동관을 이용한 기계식 압력 센서(403)나, 로드셀이나 스트레인 게이지와 같은 전기식 또는 전자식 압력 센서(403)와 같은 것일 수 있다.
압력 센서들(403)에 의해 감지된 값('압력 값')이 본 수면 자세 및 뒤척임 모니터링 시스템(10)으로 제공되도록 하기 위해서, 압력 센서들(403)이 감지한 값을 일시적으로 저장하기 위한 메모리(407), 압력 센서들(403)이 감지한 값을 외부 장치(단말기 A(700) 또는 데이터 수집 서버(100))로 제공하기 위한 네트워크 인터페이스(405), 메모리(407)와 네트워크 인터페이스(405) 등의 제어나 동작을 위한 프로세서(401)가 제공된다. 메모리(407), 네트워크 인터페이스(405), 및 프로세서(401)는 스마트 베드(400)에 직접 결합되거나 또는 압력 센서들(403)과 전기 및/또는 전자적으로 연결되어 있을 수 있다.
본 실시예에 따르면, 웨어러블 기기(500)는 수면자(본 실시예에서는 스마트 베드(400)를 이용하거나 이용할 사람)의 생체 정보와 운동 정보를 수집하여 본 수면 자세 및 뒤척임 모니터링 시스템(10)으로 제공할 수 있다. 본 실시예에서는, 웨어러블 기기(500)는 수집한 생체 정보와 운동 정보를 단말기 B(800)에게 제공하도록 단말기 B(800)와 동작적으로 연결되어 있다. 이와 다르게(alternatively), 웨어러블 기기(500)는 수집한 생체 정보와 운동 정보를 단말기 B(800)를 거치지 않고 데이터 수집 서버(100)에게 제공하도록 데이터 수집 서버(100)와 동작적으로 연결될 수 있다.
생체 정보는 예를 들면 심장박동수('심박수'), 심박변이도, 체온, 호흡수, 소리(예를 들면 코고는 소리), 및/또는 혈압을 포함하며, 운동 정보는 햇빛의 노출정도를 나타내는 조도, 걸음수, 및/또는 활동량을 포함할 수 있다.
도 3을 참조하면, 웨어러블 기기(500)는 사람이 착용하도록 지원하는 구조물(스마트 외치의 경우는 손목을 감는 구조물)과, 생체 정보의 검출 및 제공을 위해서 필요한 전기 및 전자적인 구성요소들을 포함한다. 예를 들면, 웨어러블 기기(500)는 생체 정보의 검출을 위한 센서들(503), 센서들(503)에 의해 감지된 정보를 저장하기 위한 메모리(507), 및 센서들에 의해 감지된 정보를 외부 장치(단말기 B(800) 또는 데이터 수집 서버(100))에게 제공하기 위한 네트워크 인터페이스(505)와, 센서들(503)과 메모리(507)의 동작을 제어하기 위한 프로세서(501)를 포함할 수 있다.
데이터 수집 서버(100)는 스마트 베드(400)에 설치된 압력 센서들(403)에 의해 획득된 데이터를 스마트 베드(400) 및/또는 단말기 A(700)로부터 제공받을 수 있다. 또한, 데이터 수집 서버(100)는 웨어러블 기기(500)에 의해 감지된 생체 정보와 운동 정보를 제공받을 수 있다.
일 실시예에 따르면, 스마트 베드(400)에 설치된 압력 센서들(403)에 의해 획득되는 데이터는 도 4에 예시적으로 도시된 것처럼, 위치 센서들이 각자의 위치에서 감지한 압력 값으로 구성된다.
데이터 수집 서버(100)는 원천 데이터를 전송받아, 정형화된 데이터의 형태로 변환하여 저장한다. 도 4는 본 발명의 일 실시예에 따른 데이터 수집 서버(100)의 동작을 설명하기 위한 도면이다. 도 4를 참조하면, 데이터 수집 서버(100)는 압력에 대한 원천 데이터를 시간별로 센서별로 데이터를 정형화하여 데이터 저장 서버(200)에 저장하는 것을 나타낸다. 데이터 수집 서버(100)는 또는 압력에 대한 원천 데이터의 백업을 위해서 원천 데이터를 백업을 위한 형식(예를 들면, CSV)으로 변환하여 데이터 저장 서버(200) 또는 백업용 저장 서버(미 도시)에 저장한다. 데이터 수집 서버(100)에 의해 정형화된 데이터는 데이터 저장 서버(200)에 의해 데이터베이스화되어 저장된다.
도 4에는 압력에 대한 원천 데이터가 데이저 저장 서버에 저장되는 것을 나타내었지만, 생체 정보, 운동 정보, 및 개인 정보도 데이터베이스화되어 데이터 저장 서버(200)에 저장될 수 있다. 예를 들면, 생체 정보와 운동 정보가 데이터 수집 서버(100)에 의해 정형화되면, 데이터 저장 서버(200)는 생체 정보와 운동 정보를 데이터베이스화하여 상술한 압력에 대한 데이터베이스와 관련시켜서 저장하여 관리한다.
한편, 개인 정보는 데이터 수집 서버(100) 또는 사용자 컴퓨터(미 도시)에 의해 디지털 데이터로 변환된 후, 데이터 저장 서버(200)에 의해 데이터베이스화되고 생체 정보, 인체 정보, 및 압력에 대한 데이터 베이스들과 관련되어 저장 및 관리된다.
데이터 저장 서버(200)에 의해 관리되는 데이터들은 도 7과 도 8과 같은 데이터를 포함할 수 있다. 도 7과 도 8은 본 발명의 일 실시예에 따른 수면 평가 장치(300)에서 사용되는 데이터를 설명하기 위한 도면이다. 이들 도면을 참조하면, 본 발명의 일 실시예에 따른 수면 평가 장치(300)에서 사용되는 데이터에는 단기 데이터와 중장기 데이터가 있고, 여기서 단기와 중장기는 서로 구별하기 위한 것이다. 본 실시예에서, 중장기는 주로 수면의 단위인 1일(즉, 24시간)이고, 단기는 중장기보다 짧은 기간을 의미한다. 본 실시예에서는 단기는 1초 단위로 정의되어 있으나, 이는 예시적인 것으로서 이보다 더 긴 시간으로도 정의될 수 있을 것이다.
도 7의 데이터는 단기 데이터를 포함하는 테이블이 도시되어 있다. 이러한 단기 데이터 테이블은 다양한 특징(feature) 데이터들과, 이러한 특징 데이터들로부터 산출된 파라미터들을 포함할 수 있다.
한편, 단기 테이블이나 중장기 테이블에 포함되는 항목들을 본원 명세서에서는 '속성 값'이라고 부르기로 한다.
단기 테이블에 포함되는 속성 값은, 예를 들면, 일자, 시간, 조도, 심박변이도, 자이로 값(x, y, z), 가속도 값(x, y, z), 활동량, 걸음수, 띈 걸음수, 압력 센서(403) 값, 뒤척임 파라미터, 수면 상태 파라미터, 또는 수면 깊이 파라미터와 같은 데이터일 수 있다. 여기서, 뒤척임 파라미터는 스마트 베드(400)에서 수면을 취하는 사람이 수면 중에 얼마나 자세를 바꾸는지(즉, 얼마나 뒤척이는지)를 나타내는 값이고, 수면 상태 파라미터는 스마트 베드(400)에서 수면을 취하는 사람이 각성 상태인지 아니면 수면 상태인지를 나타내는 값이고, 수면 깊이 파라미터는 수면 중에 깸, 렘 수면, 얇은 수면, 또는 깊은 수면을 나타내는 값이다.
뒤척임 파라미터는 원칙적으로 압력 센서(403)에 의해 감지된 값들에 기초하여 산출되며 이에 대하여는 도 14를 참조하여 후술하기로 한다.
수면 상태 파라미터는 압력 센서(403)에 의해 감지된 값들과 생체 정보와 운동 정보등에 기초하여 산출될 수 있다. 예를 들면, 스마트 베드(400)에 위치한 사람이 코를 골고, 기준 시간동안 동일한 자세를 유지할 경우, 수면 상태 파라미터는 '수면'을 나타내는 값일 수 있다.
수면 깊이 파라미터는 램 수면의 단계를 구분하고 감지하는 종래의 기술들에 의해 산출될 수 있다. 예를 들면, 뒤척일때 나는 소리와 코고는 소리 등을 이용해서 수면의 깊이를 구별하거나 뇌파를 측정하여 수면의 깊이를 구별하는 것과 같은 종래의 다양한 방법들에 의해 산출될 수 있다.
상술한 파라미터들은 수면 평가 장치(300)가, 압력 센서(403)에 의해 감지된 값, 생체 정보, 운동 정보, 및/또는 개인 정보들을 다양하게 고려하여 산출할 수 있다.
도 8은 중장기 테이블에 포함되는 데이터를 예시적으로 나타낸 것이다. 중장기 테이블에 포함되는 속성 값은, 예를 들면, 일자, 수면 시간, 운동 시간, 카페인 섭취량, 음주량, 조도, 활동량, 수면 효율, 수면 효율 평가 값, 또는 수명 영향 변수와 같은 데이터일 수 있다.
도 8의 중장기 테이블을 참조하면, 일 단위로 속성 값들이 포함되어 있으며, 조도는 24시간을 여러 구간으로(본 실시예에서는 세 구간) 나누어 누적된 빛의 노출량을 나타내고, 활용량도 24 시간을 여러 구간으로(본 실시예에서는 세 구간) 나누어 누적된 활동량을 나타낸다.
수면 효율은 수면 평가 장치(300)에 의해 산출된 값이므로, 예를 들면 0 내지 100 범위내에서 정해질 수 있다. 수면 효율 평가 값은 숙면 또는 비 숙면을 나타내는 파라미터이며, 수면 효율 평가 값은 수면 효율을 기준값과 비교하여 수면 효율이 기준값 이상인 경우는 숙면, 기준값 미만 인 경우는 비 숙면을 나타내도록 정의된 것이다. 본 실시예에서는 기준값이 90이며, 수면 효율이 90 이상인 경우에 수면 효율 평가 값이 숙면을 나타내고, 수면 효율이 90 미만인 경우에 비 숙면을 나타내도록 정의되어 있다.
수면 영향 변수는 수면에 영향을 주는 변수들로서, 본 수면 평가 장치(300)는 개인별로 숙면에 영향을 주는 변수들을 산출할 수 있다.
일 실시예에 따르면, 수면 평가 장치(300)는 데이터 저장 서버(200)에 저장된 데이터들을 분석하여 수면 효율을 평가하고, 평가 결과를 유저 단말기(600)에 사용자가 인식가능한 형태(시각이나 청각을 포함)로 제공할 수 있다.
일 실시예에 따르면, 수면 평가 장치(300)는 수면에 영향을 미치는 것으로 예측되는 제1 데이터들에 기초하여 미리 정한 시간 동안에 수면의 질을 나타내는 수면 효율을 산출하는 제1단계와, 제2 데이터들에 기초하여 수면 효율과 수면에 영향을 미치는 수면 영향 변수를 산출하는 제2단계를 포함할 수 있다. 여기서, 제1 데이터들은 스마트 베드(400)에 설치되어 수면자에 의해 가해지는 압력을 감지할 수 있는 복수의 압력 센서들(403)에 의해 출력되는 데이터들과, 스마트 베드(400)에서 수면을 취하는 사람의 뒤척임의 정도를 나타내는 뒤척임 파라미터를 포함한다. 제2 데이터들은 제1단계에서 예측된 수면 효율과, 수면 또는 각성 상태를 나타내는 수면 상태 파라미터와, 수면의 깊이를 나타내는 수면 깊이 파라미터를 포함할 수 있다.
여기서, 제1단계는 제1 데이터들의 각각에 소정의 가중치를 적용하여 수면 효율을 산출하는 단계일 수 있고, 수면 평가 장치(300)(특히, 후술할 분석 서버(301))는, 제1단계의 수행결과 산출된 수면 효율(제1단계에서 산출된 수면 효율을 설명의 목적을 위해서, '추정 수면 효율'이라고 함)과 제2단계의 수행결과 산출된 수면 효율(제2단계에서 산출된 수면 효율을 설명의 목적을 위해서, '확정 수면 효율'이라고 함)을 비교하고, 비교 결과와 제2단계의 수행결과로 산출된 수면 영향 변수를 이용하여 제1단계에서 적용되는 제1 데이터들을 변경, 삭제, 또는 추가하고 제1단계에서 사용된 가중치를 변경하는 동작을 수행할 수 있다. 이러한 가중치를 변경하는 동작은, 추정 수면 효율과 확정 수면 효율이 동일해질때까지 반복된다.
한편, 제1단계는 제1 데이터들에 기초하여 뒤척임 파라미터와 수면 깊이 파라미터와 수면 상태 파라미터를 산출하는 동작을 포함하며, 수면 깊이 파라미터와 수면 상태 파라미터는 인공지능에 의해 산출될 수 있다.
여기서, 인공지능은 학습 모델을 사용하며, 수면 평가 장치(300)(특히, 후술할 분석 서버(301))는, 제1단계의 수행결과 산출된 추정 수면 효율과 제2단계의 수행결과 산출된 수면 효율을 비교하고, 비교 결과 차이가 있을 경우 제2단계의 수행결과로 산출된 수면 영향 변수를 반영하여 학습 모델을 수정하는 동작을 수행할 수 있다.
한편, 제1 데이터들은, 스마트 베드(400)에서의 수면자가 착용한 웨어러블 디바이스(500)로부터 출력되는 생체 정보와 운동 정보를 더 포함할 수 있다.
여기서, 제2 데이터들은, 수면자의 음주량, 카페인 섭취량, 및 활동량과 빛 노출량을 더 포함할 수 있다.
한편, 제2단계는, 또한, 최종 수면 효율로부터 수면 효율 평가 값을 산출하는 동작을 포함할 수 있다.
여기서, 수면 평가 장치(300)(특히, 후술할 분석 서버(301))는, 또한, 기준 값 이상의 변화량을 가지는 것으로 선별한 압력 센서들(403)의 위치와 변화량에 기초하여 뒤척임 파라미터를 산출할 수 있다.
한편, 수면 평가 장치(300)(특히, 후술할 분석 서버(301))는, 또한, 기준 값 이상의 변화량을 가지는 것으로 선별한 압력 센서들(403)의 위치와 변화량에 기초하여 낙상 위험도를 산출할 수 있다.
여기서, 수면 평가 장치(300)(특히, 후술할 분석 서버(301))는, 또한, 낙상 위험도가 기준 값 이상이면 낙상 위험을 알리는 신호를 생성하는 동작을 수행할 수 있다.
한편, 상술한 제1단계는 도 6에서의 단기 데이터를 이용하여 추정 수면 효율을 예측하기까지의 일련의 동작을 의미하고, 상술한 제2단계는 제1단계에서 산출된 수면 효율과 중장기 데이터를 사용하여 최종 수면 효율을 산출하고 수면 영향 변수를 산출하는 일련의 동작을 의미한다. 또한, 상술한 제1 데이터는 단기 데이터를 의미하고, 단기 데이터는 도 7에 예시적으로 나타나 있다. 한편 상술한 제2 데이터는 중장기 데이터를 의미하고, 중장기 데이터는 도 8에 예시적으로 나타나 있다.
본 실시예에서, 수면 평가 장치(300)는 데이터 저장 서버(200)에 저장된 복수의 압력 센서들(403)로부터 획득된 데이터들, 생체 정보, 운동 정보, 및/또는 개인 정보에 기초하여 수면 효율을 평가할 수 있다.
본 실시예에서, 수면 평가 장치(300)는 수면 효율을 평가하기 위한 다양한 파라미터들을 산출할 수 있다. 예를 들면, 수면 평가 장치(300)는 압력 센서들(403) 마다의 변화량을 계산하고, 계산된 변화량에 기초하여 압력 센서들(403) 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 상기 센서들의 위치와 변화량에 기초하여 수면을 평가하기 위한 파라미터들을 산출할 수 있고, 나아가 이러한 파라미터들을 이용하여 수면 효율을 평가할 수 있다.
수면 평가 장치(300)에 의해 산출되는 파라미터들에는, 예를 들면, 스마트 베드(400)에서의 수면자에 대한 뒤척임 파라미터, 수면 상태 파라미터, 수면 깊이 파라미터, 수면 자세 및/또는 낙상 위험도가 포함될 수 있다.
또한, 수면 평가 장치(300)는 수면에 영향을 주는 수면 영향 변수를 더 산출할 수 있다. 수면 평가 장치(300)에 의해 산출되는 수면 영향 변수는, 개인별로 특화된 변수들이다. 개인마다 수면에 영향을 주는 변수가 다를 수 있는데, 본 수면 평가 장치(300)는 개인마다 수면에 영향을 주는 변수들을 찾을 수 있다.
즉, 본 수면 평가 장치(300)는 추정 수면 효율을 먼저 구하고, 추정 수면 효율과 다른 데이터들을 이용하여 다시 수면 효율('확정 수면 효율')과 수면 영향 변수를 산출하고, 추정 수면 효율과 확정 수면 효율을 비교하여 차이가 있으면, 수면 영향 변수를 고려하여 추정 수면 효율을 산출할 때 사용된 데이터들의 가중치를 조절한다. 추정 수면 효율과 확정 수면 효율이 동일하게 될때까지 이러한 동작은 계속되며, 따라서 개인에 맞는 학습 모델이 생성될 수 있게 된다.
도 5와 도 6은 본 발명의 일 실시예에 따른 수면 평가 장치(300)의 구성과 동작을 설명하기 위한 도면들이다.
도 5와 도 6을 참조하면, 수면 평가 장치(300)는 복수개의 서버들에 의해 구성될 수 있으며, 이들 복수개의 서버들은 서로 동작적으로 연결되어, 상술한 수면 효율, 다양한 파라미터들, 수면 자세, 낙상 위험도, 및 수면 영향 변수들을 산출할 수 있다. 한편, 복수개의 서버들은 통신망으로 서로 연결되어 구성될 수 있고, 도 5에 도시된 서버들의 갯수보다 더 많은 수의 서버로 구성될 수도 있을 것이다.
수면 평가 장치(300)는 인터넷 망에 연결된 유저 단말기(600)에 웹 서비스를 제공하도록, 통신망을 통해서 유저 단말기(600)에 동작적으로 연결된 웹 서버(303)와, 수면 효율, 다양한 파라미터들, 낙상 위험도, 및 수면 영향 변수들을 산출할 수 있는 분석 서버(301)를 포함할 수 있다. 웹 서버(303)는 분석 서버(301)의 산출물 결과를 유저 단말기(600)를 통해서 제공할 수 있다.
분석 서버(301)는, 예를 들면, 데이터 저장 서버(200)에 저장된 데이터들을 분석하여 수면 효율을 산출할 수 있다.
분석 서버(301)는, 예를 들면, 데이터 저장 서버(200)에 저장된 복수의 압력 센서들(403)로부터 획득된 데이터들, 생체 정보, 운동 정보, 및/또는 개인 정보에 기초하여 수면 효율을 평가할 수 있다.
분석 서버(301)는, 예를 들면, 수면 효율을 평가하기 위한 다양한 파라미터들을 산출할 수 있다. 예를 들면, 분석 서버(301)는 압력 센서들(403) 마다의 변화량을 계산하고, 계산된 변화량에 기초하여 압력 센서들(403) 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 상기 센서들의 위치와 변화량에 기초하여 수면을 평가하기 위한 파라미터들을 산출할 수 있고, 나아가 이러한 파라미터들을 이용하여 수면 효율을 평가할 수 있다.
분석 서버(301)에 의해 산출되는 파라미터들에는, 예를 들면, 스마트 베드(400)에서 수면을 취하는 사람에 대한 뒤척임 파라미터, 수면 상태 파라미터, 수면 깊이 파라미터, 및/또는 낙상 위험도가 포함될 수 있다.
또한, 분석 서버(301)는 센서들의 위치와 변화량에 기초하여 수면 자세를 추측할 수 있다. 도 12는, 센서들의 위치와 변화량에 기초하여 수면 자세를 추측하는 동작을 설명하기 위한 도면이다. 분석 서버(301)는 압력 센서들(403)의 변화 값들로부터 수면자의 자세를 추정할 수 있다.
한편, 분석 서버(301)는 수면 효율과 함께 수면에 영향을 주는 수면 영향 변수를 산출할 수 있다. 분석 서버(301)에 의해 산출되는 수면 영향 변수는, 개인별로 특화된 변수들이다. 개인마다 수면에 영향을 주는 변수가 다를 수 있는데, 분석 서버(301)는 개인마다 수면에 영향을 주는 변수들을 찾을 수 있다. 즉, 분석 서버(301)는, 추정 수면 효율을 먼저 구하고, 추정 수면 효율을 포함한 제2 데이터들을 이용하여 확정 수면 효율과 수면 영향 요소를 구하며, 수면 영향 요소를 참조하여 추정 수면 효율을 산출할 때 사용되는 데이터들의 가중치를 조절하거나 추정 수면 효율을 산출할때 새로운 데이터를 사용하여 추정 수면 효율을 다시 산출한다. 분석 서버(301)는, 다시 산출한 추정 수면 효율을 포함한 제2 데이터를 이용하여 확정 수면 효율과 수면 영향 변수를 다시 산출한 후, 다시 산출한 확정 수면 효율과 추정 수면 효율을 비교하여 동일 여부를 판단한다. 동일하지 않을 경우, 분석 서버(301)는, 추정 수면 효율과 확정 수면 효율이 동일하게 될때까지 상술한 방법을 반복한다.
본 발명의 일 실시예에 따른 수면 평가 장치(300)는 컨 피커 서버, 게이트 웨이 서버(307), 및 유레카 서버(309)를 더 포함하며, 이들 서버들은 도 5에 화살표로 도시된 바와 같이 서로 동작적으로 연결되어 있을 수 있다. 컨 피그 서버(305), 게이트 웨이 서버(307), 및 유레카 서버(309)는 각각 종래 알려진 기능들을 수행할 수 있다. 예를 들면, 컨 피그 서버(305)는 분석 서버(301)에서 의해 수행되는 서비스의 모든 환경 설정 속성 정보를 저장하고, 조회하고 관리할 수 있게 해주는 외부화된 환경 정보 설정 서버다. 컨 피그 서버(305)는 환경 설정 속성 정보를 애플리케이션 배포 패키지에서 분리하여 외부화하고 외부 소스에서 설정 정보를 읽어 오도록 할 수 있다.
분석 서버(301)는, 예를 들면, 수면을 평가하기 위한 파라미터들과 낙상 위험도를 산출할 수 있고, 나아가 이러한 파라미터들을 이용하여 수면 효율을 평가하는 마이크로 서비스를 수행할 수 있고, 컨 피그 서버(305)는 그러한 마이크로 서비스의 모든 환경 설정 속성 정보를 저장하고 관리할 수 있도록 한다.
게이트 웨이 서버(307)는 보안 상의 이유로 권한이 있는 사용자만이 분석 서버(301)에 접근할 수 있도록 하는 지원하고, 유레카 서버(309)는 분석 서버(301)에 의해 수행되는 마이크로 서비스의 동적인 등록, 탐색, 및 부하 분산 처리를 지원할 수 있다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 수면 평가 장치(300)는 단기 데이터를 이용하여 수면 패턴을 산출하고, 산출한 수면 패턴으로 추정 수면 효율을 추정하는 제1단계 동작과, 추정 수면 효율과 중장기 데이터를 이용하여 확정 수면 효율과 수면 영향 변수를 산출하는 제2단계 동작을 수행할 수 있다. 한편, 수면 패턴은 시간에 따른 수면의 깊이를 나타내는 것으로, 시간에 따른 수면 깊이 파라미터들로 이루어져있다. 이러한 제1단계 동작과 제2단계 동작은, 상술한 바와 같이 추정 수면 효율과 확정 수면 효율이 동일하게 될때 까지 반복될 수 있다.
본 실시예에서, 제1단계 동작을 구성하는 단계들의 일부는, 인공지능(AI)에 의해 수행될 수 있다. 예를 들면, 딥 러닝을 수행하는 인공지능은 단기 데이터 테이블에 포함된 속성 값들, 예를 들면, 조도, 심박 변이도, 자이로 값, 가속도 값, 활용량, 걸음수, 압력 센서(403) 값, 뒤척임 파라미터 등을 입력받아서, 수면 상태 파라미터와 수면 깊이 파라미터를 출력할 수 있다. 여기서의 인공 지능은 조도, 심박 변이도, 자이로 값, 가속도 값, 활용량, 걸음수, 압력 센서(403) 값, 뒤척임 파라미터 등이 포함된 데이터들을 이용하여 학습된 학습 모델을 사용하며, 이러한 학습 모델은 제2단계 동작의 결과에 의해 수정될 수 있다. 즉, 제2단계 동작의 산출물인 확정 수명 효율과 제1단계 동작의 산출물인 추정 수명 효율이 다를 경우, 제2단계 동작에서 산출된 수면 영향 요소를 제1단계에 사용된 학습 모델에 반영한다.
인공 지능은 예를 들면 딥러닝 알고리즘과 같은 것일 수 있으나, 본원 발명이 딥 러닝 알고리즘에만 한정되는 것이 아님을 당업자는 용이하게 이해할 수 있을 것이다.
본 실시예에서, 제1단계 동작을 구성하는 단계들은, 인공지능이 수면 상태 파라미터와 수면 깊이 파라미터를 산출하는 단계와, 소정의 프로그램이 인공지능에 의해 산출된 파라미터들을 이용하여 수면 효율과 수면 효율 값을 산출할 수 있다. 여기의 인공지능과 소정의 프로그램은 분석 서버(301)에서 실행되어 동작되거나, 또는 인공지능에 의해 수행되는 동작 중 적어도 일부의 동작과, 소정의 프로그램의 동작의 적어의 일부의 동작은, 분석 서버(301)가 아닌 외부 서버(미 도시)에 의해 실행되도록 구성되고, 그 외부 서버의 동작의 결과를 분석 서버(301)가 이용하도록 구성되는 것도 가능하다.
다른 실시예에 따르면, 제1단계 동작을 구성하는 단계들은, 인공 지능이, 단기 데이터 테이블에 포함된 속성 값들, 예를 들면, 조도, 심박 변이도, 자이로 값, 가속도 값, 활용량, 걸음수, 압력 센서(403) 값, 뒤척임 파라미터 등을 입력받아서 수면 효율과 수면 효율 값을 산출할 수 있다. 즉, 인공지능이 수면 상태 파라미터와 수면 깊이 파라미터 뿐만 아니라, 수면 효율과 수면 효율 값도 산출하도록 구성될 수 있다.
본 실시예에서, 제2단계 동작을 구성하는 단계들은, 통계 분석 프로그램이 중장기 데이터 테이블에 포함된 속성 값들과 뒤척임 파라미터를 입력 받아서, 일 단위의 수면 평가 결과를 산출할 수 있다. 여기서, 일 단위의 수면 평가 결과는 일 단위 수면 효율과 수면 영향 변수일 수 있다. 통계 분석 프로그램은 분석 서버(301)에 설치되어 실행되거나, 또는 통계 분석 프로그램에 의해 수행되는 동작의 일부는 분석 서버(301)가 아닌 외부 서버(미 도시)에 의해 실행되도록 구성되고, 그 외부 서버의 동작의 결과를 분석 서버(301)가 이용하도록 구성되는 것도 가능하다.
한편, 제2단계 동작에 사용되는 중장기 데이터 테이블에 포함된 속성 값들의 적어도 일부는 제1단계동작에서 사용된 단기 테이블 테이블에 포함된 속성 값들로부터 산출될 수 있다. 예를 들면, 분석 서버(301)는, 초 단위의 조도, 심박변이도, 자이로 값, 가속도 값, 활동량, 걸음수, 뛴 걸음수, 수면 상태 파라미터, 수면 깊이 파라미터, 및/또는 수면 효율로부터, 일 단위의 수면 시간, 운동 시간, 조도, 활동량등의 데이터를 산출할 수 있다.
도 9는 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)에 의해 제공될 수 있는 수면 효율을 설명하기 위한 도면이다.
유저 단말기(600)는 도 9에 도시된 바와 같은 수면 효율을 알 수 있는 데이터를 웹 서버(303)를 통해서 제공받을 수 있다. 분석 서버(301)는 상술한 바와 같이 수면 효율을 산출할 수 있고, 산출된 수면 효율은 데이터 저장 서버(200)에 저장되어 있을 수 있다. 유저 단말기(600)는 웹 서버(303)에게 수면 효율에 대한 데이터를 요청하면, 웹 서버(303)는 수면 효율이 저장된 위치를 유저 단말기(600)에게 알려주거나 또는 웹 서버(303)가 수면 효율 데이터를 데이터 저장 서버(200)에서 읽어오거나 분석 서버(301)로부터 받아서 유저 단말기(600)에게 제공할 수 있다.
도 9를 참조하면, 수면 효율 외에도, 사람의 활동을 나타내는 데이터(활동량이나 빛 노출)들도 유저 단말기(600)는 웹 서버(303)에게 요청하여 제공받을 수 있다.
도 9에 도시된 그림에 따르면, 수면 효율에 영향을 주는지 여부를 사용자가 직관적으로도 판단이 가능하도록, 수면 영향 인자들(예를 들면, 활동량, 빛 노즐, ..)도 같이 표시한다. 유저 단말기(600)에는, 이처럼, 수면 효율과 수면 영향 인자들을 같이 포함하여 사용자들이 직관적으로 수면 효율에 영향을 주는지 여부를 쉽게 판단하도록 하는 화면을 구성을 제공하는 어플리케이션이 설치되어 실행될 수 있다. 이러한 어플리케이션은 웹 서버(303)와의 협력 동작에 의해, 필요한 데이터를 요청하여 유저 단말기(600)에 표시한다. 다르게는 웹 서버(303)가 상기와 같은 화면 자체를 유저 단말기(600)에게 전송하는 것도 가능할 것이다.
도 10 내지 도 11은 본 발명의 일 실시예에 따른 수면 자세 및 뒤척임 모니터링 시스템(10)에 의해 제공될 수 있는 뒤척임을 설명하기 위한 도면이다.
유저 단말기(600)는 도 10과 도 11에 도시된 바와 같은 뒤척임을 알 수 있는 데이터를 웹 서버(303)를 통해서 제공받을 수 있다. 분석 서버(301)는 상술한 바와 같이 뒤척임 파라미터를 산출하고, 산출된 뒤척임 파라미터는 데이터 저장 서버(200)에 저장되어 있을 수 있다. 유저 단말기(600)는 뒤척임 파라미터를 웹 서버(303)에게 요청하면, 웹 서버(303)는 뒤척임 파라미터가 저장된 위치를 유저 단말기(600)에게 알려주거나 또는 웹 서버(303)가 뒤척임 파라미터를 데이터 저장 서버(200)에서 읽어오거나 분석 서버(301)로부터 받아서 유저 단말기(600)에게 제공할 수 있다.
도 10을 참조하면, 뒤척임 파라미터 외에도 수면의 패턴을 나타낼 수 있는 데이터(수면 패턴 데이터)도 표시될 수 있고, 유저 단말기(600)는 웹 서버(303)에게 수면 패턴 데이터를 요청하여 제공받을 수 있다.
도 11을 참조하면, 도 10과 같이 뒤척임을 시간대별로 나타내는 그래프에서, 어느 한점을 선택하면 도 11과 같이 뒤척임의 상태를 나타내는 그림이 표시된다.
유저 단말기(600)는 도 10과 도 11에 도시된 바와 같은 뒤척임을 알 수 있는 데이터를 웹 서버(303)를 통해서 제공받을 수 있다. 분석 서버(301)는 상술한 바와 같이 뒤척임 파라미터를 산출하고, 산출된 뒤척임 파라미터는 데이터 저장 서버(200)에 저장되어 있을 수 있다. 유저 단말기(600)는 웹 서버(303)에게 요청하면, 웹 서버(303)는 뒤척임 파라미터가 저장된 위치를 유저 단말기(600)에게 알려주거나 또는 웹 서버(303)가 뒤척임 파라미터를 데이터 저장 서버(200)에서 읽어오거나 분석 서버(301)로부터 받아서 유저 단말기(600)에게 제공할 수 있다.
유저 단말기(600)에는, 이처럼, 도 10과 도 11과 같은 화면을 구성을 제공하는 어플리케이션이 설치되어 실행될 수 있다. 이러한 어플리케이션은 웹 서버(303)와의 협력 동작에 의해, 필요한 데이터(뒤척임 파라미터와 압력 센서들(403)의 값)을 요청하여 유저 단말기(600)에 표시한다. 다르게는 웹 서버(303)가 상기와 같은 화면 자체를 유저 단말기(600)에게 전송하는 것도 가능할 것이다.
도 13은 본 발명의 일 실시예에 따른 딥러닝 기반의 수면 평가 및 예측을 위한 수면 평가 방법(이하, '수면 평가 방법')을 설명하기 위한 도면이다.
도 13을 참조하면, 본 발명의 일 실시예에 따른 수면 평가 방법은 서버, 컴퓨터, 장치, 또는 시스템이라고 불리는 구성요소들에 설치되는 하나 이상의 프로그램이나 인공지능에 의해 수행될 수 있다.
본 수면 평가 방법은 압력 센서(403)마다 출력되는 출력 값에 대한 변화량을 계산하는 단계(S101), S101 단계의 수행결과 산출된 변화량들 중에서 기준값 이상의 변화량을 가지는 센서들을 선별하는 단계(S103), S103 단계의 수행결과 선별된 센서들의 위치와 그 변화량을 기준으로 수면의 질 및/또는 수면의 상태를 평가하기 위한 파라미터들을 산출하는 단계(S105), S105 단계의 수행결과 산출된 파라미터들을 기초로 수면 시간 단위로 수면 효율을 평가하는 단계(S107)를 포함할 수 있다.
예를 들면, 이들 각 단계들은 수면 평가 장치(300), 특히, 분석 서버(301)에 의해 수행될 수 있다. S105 단계에서 산출되는 파라미터들과 S107 단계의 수면 효율을 평가하는 단계는 상술한 실시예들의 설명을 참조하기 바란다. 예를 들면, S105 단계에서 산출되는 파라미터들은, 수면 깊이 파라미터, 뒤척임 파라미터, 수면 깊이 파라미터, 및 수면 상태 파라미터를 포함할 수 있고, S107 단계에서의 수면 효율을 평가하는 단계는 수면 효율을 산출하고, 산출한 수면 효율을 수면 효율 값으로 평가하는 동작을 포함할 수 있다.
한편, S107 단계는, 수면 자세, 낙상 위험도, 및 수면 영향 변수들을 더 산출할 수 있다. 이처럼, 도 13을 참조하여 설명되는 딥러닝 기반의 수면 평가 및 예측을 위한 수면 평가 방법은 도 1 내지 도 12를 참조하여 설명한 다양한 실시예들에 의해 수행될 수 있으므로, 도 13의 방법에 대한 대한 구체적이고도 예시적인 설명은, 도 1 내지 도 12를 참조하여 설명한 다양한 실시예들을 참조하기 바란다.
도 14는 본 발명의 일 실시예에 따른 뒤척임을 산출하는 방법('뒤척임을 산출하는 방법')을 설명하기 위한 도면이다.
도 14를 참조하면, 본 발명의 일 실시예에 따른 뒤척임을 산출하는 방법은 서버, 컴퓨터, 장치, 또는 시스템이라고 불리는 구성요소들에 설치되는 하나 이상의 프로그램이나 인공지능에 의해 수행될 수 있다.
본 뒤척임을 산출하는 방법은 압력 센서(403)마다 출력되는 출력 값을 수집하는 단계(S201)와, 압력 센서(403)별의 출력값들을 시간에 따라 입력받아서 뒤척임 파라미터를 산출하는 단계(S203)를 포함할 수 있다.
예를 들면, 이들 각 단계들은 수면 평가 장치(300), 특히, 분석 서버(301)에 의해 수행될 수 있다. S201 단계는 데이터 수집 서버(100)에 의해 될 수 있고, S203 단계는 인공 지능에 의해 수행될 수 있다. S203 단계에서 인공지능은 S201 단계에서 수집된 모든 압력센서들에 대한 출력 값을 시간에 따라 입력받아 뒤척임 파라미터를 산출할 수 있다. 여기서, 인공 지능은 , 뒤척임 파라미터를 산출하도록 학습된 학습 모델을 이용한다. 여기서의 학습 모델은 미리 정의된 뒤척임의 기준이 반영된 것이다.
예를 들면, S203 단계의 실행을 위한 인공지능은 분석 서버(301)에 설치되어 실행될 수 있다.
도 15와 도 16은 본 발명의 일 실시예에 따른 낙상 위험도를 산출하는 방법을 설명하기 위한 도면이다.
도 16을 참조하면, 분석 서버(301)에 의해 산출된 수면자의 위치가 스마트 베드(400) 밖으로 떨어질 수 있음을 알 수 있다. 이처럼, 수면자의 위치가 낙상될 위험이 있을 경우 보호자나 관리자에게 미리 알리기 위해서, 본 발명의 일 실시예에 따른 낙상 위험도를 산출하는 방법이 제공된다. 본 방법은 서버, 컴퓨터, 장치, 또는 시스템이라고 불리는 구성요소들에 설치되는 하나 이상의 프로그램이나 인공지능에 의해 수행될 수 있다.
본 발명의 일 실시예에 따른 낙상 위험도를 산출하는 방법이 제공되기 위해서는 먼저, 낙상 위험 영역이 미리 정의되어야 하고, 낙상 위험 영역은 관리자나 사람에 의해 정의될 수 있다. 한편, 낙상 위험 영역은, 인공지능에 의해서 정의될 수도 있다. 즉, 낙상을 한 수면자가 수면을 취한 스마트 베드(400)에 설치된 압력 센서들(403)로부터 획득된 데이터와, 낙상을 하지 않은 수면자가 수면을 취한 스마트 베드(400)에 설치된 압력 센서들(403)로부터 획득된 데이터를 이용하여 인공지능에 사용되는 모델을 학습시킴으로써, 낙상의 위험이 있은 영역이 정의될 수 있다.
일 실시예에 따르면, 낙상 위험도를 산출하는 방법은 낙상 위험 영역이 사람에 의해 정의되도록 구현될 수 있다. 이러한 실시예에 따르면, 낙상 위험 영역을 사람이 미리 정의하여 두면, 스마트 베드(400)에 설치된 압력 센서들(403)로부터 획득된 데이터가 그러한 낙상 위험 영역에 수면자가 위치되는지 여부를 판단하는 프로그램(낙상 위험도 산출 프로그램)에 의해 낙상 위험도를 산출하는 방법이 실시 가능하다.
낙상 위험도 산출 프로그램은, 낙상 위험 영역에 수면자의 몸이 어느 정도 위치되었는지를 반영하는 수치로서 낙상 위험도를 산출할 수 있다. 예를 들면, 낙상 위험도 산출 프로그램은, 낙상 위험 영역에 수면자의 몸이 없으면 낙상 위험도는 0%이고, 낙상 위험 영역에 수면자의 몸이 70% 위치될 경우, 낙상 위험도가 50%로 산출할 수 있다. 수면자의 몸이 낙상 위험 영역에 위치한 정도에 따른 낙상 위험도의 산출은 사용자들의 기준에 의해 정해지고, 낙상 위험도 산출 프로그램은 그러한 기준에 따라서 낙상 위험도를 산출할 수 있다. 낙상 위험도 산출 프로그램은 분석 서버(301)에 설치되어 실행되어 분석 서버(301)가 낙상 위험도를 산출할 수 있다.
낙상 위험도 산출 프로그램은, 또한, 압력 센서들(403)로부터 획득된 데이터들에 기초한 수면자의 위치 뿐만 아니라, 압력 센서(403)에 의해 획득된 데이터들의 변화량과, 뒤척임 파라미터도 고려하여 낙상 위험도를 산출할 수 있다.
다른 실시예에 따르면, 도 16에 예시적으로 도시한 바와 같이, 낙상 위험도를 산출하는 방법은 인공지능에 의해 구현될 수 있다.
도 16을 참조하면, 본 발명의 다른 실시예에 따른 낙상 위험도를 산출하는 방법은 압력 센서(403)마다 출력되는 출력 값들을 수집하는 단계(S301), S301 단계에서 수집된 데이터들을 이용하여 뒤척임 파라미터를 산출하는 단계(S302), 및 S301 단계의 수집데이터와 S302 단계에서 산출된 뒤척임 파라미터를 이용하여 낙상 위험도를 산출하는 단계(S303)를 포함할 수 있다. 한편, 본 방법은 S303 단계에서 산출된 낙상 위험도가 기준 값 이상이면 낙상 위험을 알리는 단계(S305)를 더 포함할 수 있다.
S302 단계는 도 14를 참조하여 설명한 뒤척임 파라미터를 산출하는 방법을 수행하는 단계로서, S302 단계는 분석 서버(301)에 설치되어 실행되는 인공 지능에 의해 수행될 수 있다.
S303 단계는 압력 센서(403)마다 출력되는 출력 값들과 뒤척임 파라미터를 이용하여 낙상 위험도를 산출하는 단계로서, S303 단계는 분석 서버(301)에 설치되어 실행되는 인공 지능에 의해 수행될 수 있다. S303 단계는 미리 정한 시간 단위(예를 들면 1초)로 압력 센서들(403)의 분포 값을 추출하고, 그러한 분포 값과, 압력 센서들(403)의 변화량 등을 기준으로 낙상 위험도를 산출할 수 있다. S303 단계에서 동작되는 인공지능이 사용하는 학습 모델은, 압력 센서들(403)에 의해 출력된 출력 값들과 가압된 센서들의 분포와 뒤척임 파라미터를 기준으로 학습된 모델일 수 있다.
S305 단계는 분석 서버(301)에 의해 수행될 수 있다. S305 단계는 분석 서버(301)가 낙성 위험도가 기준값 이상이라고 판단될 경우, 낙상 위험을 알리는 신호를 생성하여, 예를 들면 유저 단말기(600)로 전송할 수 있다.
이와 같이 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 명세서의 기재로부터 다양한 수정 및 변형이 가능함을 이해할 수 있으며, 그러므로 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
10: 수면 자세 및 뒤척임 모니터링 시스템
100: 데이터 수집 서버
200: 데이터 저장 서버
300: 수면 평가 장치
301: 분석 서버
303: 웹 서버
305: 컨 피그 서버
307: 게이트웨이 서버
309: 유레카 서버
400: 스마트 베드
401, 501: 프로세서
403, 503: 압력 센서
405, 505: 네트워크 인터페이스
407, 507: 메모리
500: 웨어러블 기기
600: 사용자 단말기
700: 단말기 A
800: 단말기 B

Claims (7)

  1. 수면 자세 및 뒤척임 모니터링 시스템에 있어서,
    스마트 베드에 설치된 복수의 압력 센서들로부터 출력된 데이터들을 수집하고, 상기 압력 센서들 마다 변화량을 계산하고, 상기 변화량에 기초하여 상기 압력 센서들 중에서 기준 값 이상의 변화량을 가지는 센서들을 선별하고, 선별한 상기 센서들의 위치와 변화량에 기초하여 수면 자세를 나타내는 파라미터들을 산출하는 분석 서버;를 포함하는 수면 자세 및 뒤척임 모니터링 시스템.
  2. 제1항에 있어서,
    상기 파라미터들은, 상기 스마트 베드에서 수면을 취하는 사람의 뒤척임의 정도를 나타내는 뒤척임 파라미터와, 상기 스마트 베드에서 수면을 취하는 사람의 낙상의 위험을 나타내는 낙상 위험도를 포함하는 것인, 수면 자세 및 뒤척임 모니터링 시스템.
  3. 제1항에 있어서,
    상기 파라미터들은 상기 분석 서버에서 실행되는 인공지능에 의해 산출되는 것인, 수면 자세 및 뒤척임 모니터링 시스템.
  4. 제3항에 있어서,
    상기 인공지능은, 상기 스마트 베드에서 수면을 취하는 사람이 착용한 웨어러블 디바이스로부터 출력되는 생체 정보와 운동 정보와 상기 센서들의 위치와 변화량을 입력받아서, 상기 파라미터들을 산출하는 것인, 수면 자세 및 뒤척임 모니터링 시스템.
  5. 제2항에 있어서
    상기 분석 서버는,
    기준 값 이상의 변화량을 가지는 것으로 선별한 상기 센서들의 위치와 변화량과 상기 뒤척임 파라미터를 이용하여 낙상 위험도를 산출하는 것인, 수면 자세 및 뒤척임 모니터링 시스템.
  6. 제2항에 있어서,
    상기 분석 서버는,
    미리 정한 낙상 위험 영역에, 상기 스마트 베드에서 수면을 취하는 사람이 위치하였는지 여부와, 상기 뒤척임 파라미터가 나타내는 뒤척임 정도에 기초하여 낙상 위험도를 산출하는 것인, 수면 자세 및 뒤척임 모니터링 시스템.
  7. 제5항 또는 제6항에 있어서
    상기 분석 서버는, 또한,
    상기 낙상 위험도가 기준 값 이상이면 낙상 위험을 알리는 신호를 생성하는 것인, 수면 자세 및 뒤척임 모니터링 시스템.
KR1020190177031A 2019-12-27 2019-12-27 수면 자세 및 뒤척임 모니터링 시스템 KR20210084800A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190177031A KR20210084800A (ko) 2019-12-27 2019-12-27 수면 자세 및 뒤척임 모니터링 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190177031A KR20210084800A (ko) 2019-12-27 2019-12-27 수면 자세 및 뒤척임 모니터링 시스템

Publications (1)

Publication Number Publication Date
KR20210084800A true KR20210084800A (ko) 2021-07-08

Family

ID=76893720

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190177031A KR20210084800A (ko) 2019-12-27 2019-12-27 수면 자세 및 뒤척임 모니터링 시스템

Country Status (1)

Country Link
KR (1) KR20210084800A (ko)

Similar Documents

Publication Publication Date Title
Saleem et al. IoT healthcare: design of smart and cost-effective sleep quality monitoring system
KR102304877B1 (ko) 딥러닝 기반의 수면 평가 및 예측을 위한 수면 평가 시스템
Scanaill et al. A review of approaches to mobility telemonitoring of the elderly in their living environment
Suryadevara et al. Forecasting the behavior of an elderly using wireless sensors data in a smart home
Kwon et al. Single activity sensor-based ensemble analysis for health monitoring of solitary elderly people
CN108348194A (zh) 活动能力监视
Zhang et al. A context-aware mhealth system for online physiological monitoring in remote healthcare
CN110248593A (zh) 通信装置、异常通知系统及异常通知方法
Atallah et al. Wirelessly accessible sensor populations (WASP) for elderly care monitoring
Kim et al. IoT-based unobtrusive sensing for sleep quality monitoring and assessment
KR102350643B1 (ko) 활동 및 수면 데이터를 활용한 수면 품질 평가 시스템
JP7316038B2 (ja) 事象予測システム、センサ信号処理システム及びプログラム
Alam et al. BESI: Reliable and heterogeneous sensing and intervention for in-home health applications
EP3807890B1 (en) Monitoring a subject
KR101993649B1 (ko) 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치
Chen et al. An adaptive sensor data segments selection method for wearable health care services
JP2018509270A (ja) 精神的苦痛モニタリングシステム
JP2020510947A (ja) 身体行動パターンの分析による健康予測の方法および装置
JP2019097829A (ja) 異常報知装置及びプログラム
US10888224B2 (en) Estimation model for motion intensity
KR20210084800A (ko) 수면 자세 및 뒤척임 모니터링 시스템
KR20210084795A (ko) 수면 자세 및 뒤척임 모니터링 시스템
KR20210084801A (ko) 활동 및 수면 데이터를 활용한 수면 품질 평가 시스템
KR20210084799A (ko) 딥러닝 기반의 수면 평가 및 예측을 위한 수면 평가 시스템
Pereira et al. A movement activity recognition pervasive system for patient monitoring in ambient assisted living