KR20220087658A - 운동 가이드를 제공하는 전자 장치 및 그 동작 방법 - Google Patents
운동 가이드를 제공하는 전자 장치 및 그 동작 방법 Download PDFInfo
- Publication number
- KR20220087658A KR20220087658A KR1020200177741A KR20200177741A KR20220087658A KR 20220087658 A KR20220087658 A KR 20220087658A KR 1020200177741 A KR1020200177741 A KR 1020200177741A KR 20200177741 A KR20200177741 A KR 20200177741A KR 20220087658 A KR20220087658 A KR 20220087658A
- Authority
- KR
- South Korea
- Prior art keywords
- exercise
- blood pressure
- processor
- wearable device
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 35
- 230000036772 blood pressure Effects 0.000 claims abstract description 156
- 230000004044 response Effects 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims description 70
- 230000033001 locomotion Effects 0.000 claims description 47
- 238000004458 analytical method Methods 0.000 claims description 31
- 239000003814 drug Substances 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 18
- 230000036541 health Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 11
- 230000010354 integration Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 229940079593 drug Drugs 0.000 description 8
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 238000002565 electrocardiography Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000008602 contraction Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000003205 diastolic effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 210000005240 left ventricle Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009184 walking Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000009183 running Effects 0.000 description 2
- 210000003491 skin Anatomy 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 206010005746 Blood pressure fluctuation Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- 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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/10—Athletes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- A61B5/0006—ECG or EEG signals
-
- 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
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
- A63B2024/0065—Evaluating the fitness, e.g. fitness level or fitness index
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/803—Motion sensors
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/30—Measuring physiological parameters of the user blood pressure
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Physical Education & Sports Medicine (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Dentistry (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Vascular Medicine (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Multimedia (AREA)
Abstract
본 개시에 따른 일 실시 예에서의 웨어러블 장치는 메모리, 하우징, 상기 하우징의 적어도 일부를 통해 노출되는 PPG(photoplethysmogram) 센서, 디스플레이 및 상기 디스플레이, 상기 메모리 및 상기 PPG 센서와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 PPG 센서를 통해 PPG 신호를 획득하고, 상기 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하고, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트 발생 이후의 상기 혈압 값들로부터 획득되는 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하고, 상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 상기 디스플레이를 통해서 표시할 수 있다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.
Description
본 개시에 따른 다양한 실시 예들은 전자 장치가 사용자에게 적합한 운동 가이드를 제공하는 기술에 관한 것이다.
건강에 대한 관심이 증가되면서 생체 신호 측정 기능이 전자 장치에도 점차 보편화되고 있다. 전자 장치는 사용자의 신체에 부착되어 사용자에 대한 생체 정보를 수집하고, 수집한 생체 정보를 기반으로 다양한 건강 관련 정보를 제공할 수 있다. 예를 들어, 전자 장치는 센서를 통해 사용자의 생체 정보를 산출하고, 생체 정보를 기반으로 사용자의 혈압을 산출할 수 있다. 또한 산출된 혈압에 기반하여 사용자에게 적합한 운동 가이드를 제공할 수 있다.
혈압을 측정하기 위한 장치로서 자동 전자 혈압계나 활동 혈압계(ambulatory blood pressure monitoring, ABPM)가 있다. 자동 전자 혈압계는 일정 시간에 환자가 혈압계를 사용하여 혈압을 측정하는 장치이다. 활동 혈압계는 사용자가 신체에 커프(cuff)를 착용하고 있으면 장치가 주기적으로 사용자의 혈압을 측정할 수 있다.
한편, 혈압 관리를 위한 운동 피드백 서비스가 요구될 수 있다. 예를 들어, 혈압 관리가 필요한 고혈압 환자의 경우 심박수 정보만으로 운동의 결과가 혈압 조절에 미치는 영향을 평가하는데 한계가 있을 수 있다. 또한 이를 운동과 혈압 간에 관련성을 보기 위해서는 운동 후 혈압을 지속적으로 모니터링해야 할 수 있다. 그러나, 가정용 혈압계는 휴대성이 떨어지고 사용자가 지정된 시각에 직접 혈압을 측정하여야 하며, 활동 혈압계는 사용자가 착용하고 있는 커프가 사용자의 신체를 압박하게 되므로 사용자가 활동하기 불편할 수 있다.
본 문서에서 개시되는 다양한 실시 예에서는, 사용자가 자각하지 못하는 동안 연속적으로 혈압을 측정하기 위한 기술을 제공할 수 있다.
일 실시 예에서의 웨어러블 장치는, 메모리, 하우징, 상기 하우징의 적어도 일부를 통해 노출되는 PPG(photoplethysmogram) 센서, 디스플레이 및 상기 디스플레이, 상기 메모리 및 상기 PPG 센서와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 PPG 센서를 통해 PPG 신호를 획득하고, 상기 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하고, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트 발생 이후의 상기 혈압 값들로부터 획득되는 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하고, 상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 상기 디스플레이를 통해서 표시할 수 있다.
일 실시 예에 따른 웨어러블 장치의 동작방법은, PPG 센서를 통해 PPG 신호를 획득하는 동작, 상기 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하는 동작, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트 발생 이후의 상기 혈압 값들로부터 획득되는 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하는 동작, 상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 디스플레이를 통해서 표시하는 동작을 포함할 수 있다.
일 실시 예에서의 전자 장치는 메모리, 웨어러블 장치와 통신하도록 구성된 통신회로, 디스플레이 및 상기 메모리, 상기 통신회로 및 상기 디스플레이와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 통신회로를 통해, 상기 웨어러블 장치로부터 PPG 신호 값을 수신하고, 상기 PPG 신호 값에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하며, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트의 발생 이후의 혈압 값에 대한 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하고, 상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 상기 디스플레이를 통해서 표시할 수 있다.
본 개시에 따른 다양한 실시 예에서의 전자 장치는 지속적인 혈압 모니터링을 통해 사용자에게 적합한 운동 프로그램을 제공하여 사용자의 생리학적 상태 또는 생체적 상태를 개선시킬 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시 예에 따른 웨어러블 장치를 신체의 일부에 장착하여 운동하는 것을 나타내는 도면이다.
도 2는 일 실시 예에 따른 웨어러블 장치의 사시도이다.
도 3은 일 실시 예에 따른 웨어러블 장치의 블록도이다.
도 4는 일 실시 예에 따른 웨어러블 장치의 동작에 따른 모듈 별로 구분한 웨어러블 장치의 구성을 설명하기 위한 블록도이다.
도 5A는 일 실시 예에 따른 웨어러블 장치에서, 획득한 생체 데이터를 기반으로 운동 파라미터 결정 모델을 생성하는 내용에 대한 흐름도이다.
도 5B는 일 실시 예에 따른 웨어러블 장치에서, 저장된 프로필 정보 및 생체 데이터를 기반으로 운동 파라미터를 결정하는 내용에 대한 흐름도이다.
도 6은 일 실시 예에 따른 웨어러블 장치에서, 획득한 생체 데이터를 기반으로 혈압 값을 계산하는 내용에 대한 흐름도이다.
도 7은 일 실시 예에 따른 웨어러블 장치의 PPG 센서를 통해 측정된 PPG 신호를 나타낸 도면이다.
도 8은 일 실시 예의 웨어러블 장치에서 연속적인 복수의 시간 구간에 혈압 값을 저장하는 내용을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 웨어러블 장치 및 전자 장치가 동작하는 환경을 나타낸다.
도 10a 내지 도 10d는 다양한 실시 예의 전자 장치에서, 디스플레이에 표시되는 UI를 나타내기 위한 도면이다.
도 11은 일 실시 예에 다른 네트워크 환경 내의 전자 장치의 블록도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 2는 일 실시 예에 따른 웨어러블 장치의 사시도이다.
도 3은 일 실시 예에 따른 웨어러블 장치의 블록도이다.
도 4는 일 실시 예에 따른 웨어러블 장치의 동작에 따른 모듈 별로 구분한 웨어러블 장치의 구성을 설명하기 위한 블록도이다.
도 5A는 일 실시 예에 따른 웨어러블 장치에서, 획득한 생체 데이터를 기반으로 운동 파라미터 결정 모델을 생성하는 내용에 대한 흐름도이다.
도 5B는 일 실시 예에 따른 웨어러블 장치에서, 저장된 프로필 정보 및 생체 데이터를 기반으로 운동 파라미터를 결정하는 내용에 대한 흐름도이다.
도 6은 일 실시 예에 따른 웨어러블 장치에서, 획득한 생체 데이터를 기반으로 혈압 값을 계산하는 내용에 대한 흐름도이다.
도 7은 일 실시 예에 따른 웨어러블 장치의 PPG 센서를 통해 측정된 PPG 신호를 나타낸 도면이다.
도 8은 일 실시 예의 웨어러블 장치에서 연속적인 복수의 시간 구간에 혈압 값을 저장하는 내용을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 웨어러블 장치 및 전자 장치가 동작하는 환경을 나타낸다.
도 10a 내지 도 10d는 다양한 실시 예의 전자 장치에서, 디스플레이에 표시되는 UI를 나타내기 위한 도면이다.
도 11은 일 실시 예에 다른 네트워크 환경 내의 전자 장치의 블록도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 일 실시 예에 따른 웨어러블 장치를 신체의 일부에 장착하여 운동하는 것을 나타내는 도면이다.
일 실시 예에 따르면, 도 1의 웨어러블 장치(100)는 도시된 바와 같이 스마트 워치(smart watch)를 포함할 수 있다. 이에 한하지 않고, 웨어러블 장치(100)는 사용자의 신체에 부착되어 사용될 수 있는 다양한 형태의 장치일 수 있다.
일 실시 예에 따르면, 웨어러블 장치(100)는 웨어러블 장치(100)의 형태, 및/또는 크기에 따라서 사용자의 신체의 다양한 부위에 부착될 수 있다. 예를 들면, 웨어러블 장치(100)는 사용자의 머리, 팔, 허리, 다리, 손등, 또는 손가락에도 부착될 수 있다.
일 실시 예에 따르면, 웨어러블 장치(100)는 웨어러블 장치(100)에 포함된 다양한 센서를 이용하여 사용자의 생체 데이터를 획득할 수 있다. 예를 들어, 웨어러블 장치(100)는 사용자의 심박수, 피부전도도(electrodermal activity, EDA), 심전도(electrocardiography, ECG), 및 혈류량, 산소포화도(SpO2)와 같은 생체 데이터(101)를 획득할 수 있다.
도 2는 일 실시 예에 따른 웨어러블 장치의 사시도이다.
도 2를 참조하면, 웨어러블 장치(100)는 하우징(110), 디스플레이(120), 스트랩(130), 전극(201) 및 PPG 센서(202)를 포함할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)는 도시된 구성요소들 중 적어도 하나를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
일 실시 예에 따르면, 하우징(110)은 상부면, 하부면, 및 상부면 및 하부면 사이의 공간을 둘러싸는 측면부를 포함할 수 있다. 일 실시 예에 따르면, 하우징(110)의 일 영역을 통해 디스플레이(120)가 시각적으로 노출될 수 있다.
일 실시 예에 따르면, 전극(201)은 하우징(110)의 적어도 일부에 배치될 수 있다. 예를 들면, 제1 전극(201a) 및 제2 전극(201b)은 하우징(110)의 상부면 또는 측면부에 배치되고, 제3 전극(201c) 및 제4 전극(201d)은 하우징(110)의 하부면에 배치될 수 있다. 일 실시 예에 따르면, 전극(201)은 ECG(electroencephalography) 센서(미도시)와 전기적으로 연결될 수 있다. 일 실시 예에 따르면, 전극의 모양이나 크기는 다양하게 구성될 수 있다.
일 실시 예에 따르면, PPG(photoplethysmogram) 센서(202)는 하우징(110)의 하부면을 통해 노출될 수 있다. 일 실시 예에 따르면, PPG 센서(202)는 발광 모듈(203) 및 수광 모듈(204)을 포함할 수 있다. 일 실시 예에 따르면, 발광 모듈(203)은 다양한 파장을 갖는 LED(light emitting diode) 및 LD(laser diode)를 포함할 수 있다. 예를 들어, 발광 모듈(203)은 적외선(IR, infrared ray) LED, Red LED, Green LED, 및/또는 Blue LED를 포함할 수 있다. 일 실시 예에 따르면, 수광 모듈(204)은 적어도 하나의 포토다이오드(PD, photodiode)를 포함할 수 있다.
일 실시 예에 따르면, 디스플레이(120)는 생체 센서를 통하여 획득한 사용자의 생체 데이터를 표시할 수 있다.
일 실시 예에 따르면, 웨어러블 장치(100)는 생체 데이터를 기반으로 결정되는 운동 파라미터 결정 모델을 기반으로 사용자에게 적합한 운동 가이드를 디스플레이(120)를 통해 제공할 수 있다.
일 실시 예에 따르면, 웨어러블 장치(100)는 하우징(110)의 일부(예: 베젤)에 대한 사용자 입력 또는 디스플레이(120)에 대한 입력에 기반하여 디스플레이(120)를 통해 출력되는 화면을 전환할 수 있다. 예를 들어, 웨어러블 장치(100)는 사용자의 입력에 응답하여 시계 화면에서 생체 데이터(예: 혈압 값) 화면으로 전환할 수 있다.
일 실시 예에 따르면, 스트랩(130)은 하우징(110)의 적어도 일부에 연결되고, 사용자의 신체 일부 (예: 손목, 발목)에 웨어러블 장치(100)를 탈착 가능하게 결착할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)의 사용자는 밀착 정도를 높이기 위해 스트랩(130)을 조절할 수 있다.
전술한 웨어러블 장치(100)의 구조는 예시적인 것이며, 다양한 실시 예에서, 웨어러블 장치(100)는 도 2와 다르게 구현될 수 있다. 웨어러블 장치(100)는 본 문서에 개시되는 생체 데이터 측정을 위한 방법을 수행하기 위해 적절한 다양한 형태 및/또는 구조를 가질 수 있다.
도 3은 일 실시 예에 따른 웨어러블 장치의 블록도이다.
도 3을 참조하면, 일 실시 예에 따른 웨어러블 장치(100)는 프로세서(310), 통신 회로(320), 메모리(330), 디스플레이(120), 모션 센서(340), 또는 생체 센서(210)를 포함할 수 있다. 다양한 실시 예에서, 웨어러블 장치(100)는 도 3에 도시된 구성요소 외에 추가적인 구성요소를 포함하거나, 도 3에 도시된 구성요소 중 적어도 하나를 생략할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 메모리(330)에 저장된 인스트럭션들을 이용하여 웨어러블 장치(100)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 중앙처리장치(CPU), 그래픽처리장치(GPU), MCU(micro controller unit), 센서허브, 보조프로세서(supplementary processor), 통신프로세서(communication processor), 애플리케이션 프로세서(application processor), ASIC(application specific integrated circuit), FPGA(field programmable gate arrays) 중 적어도 하나를 포함할 수 있으며, 복수의 코어(core)를 가질 수 있다.
일 실시 예에 따르면, 프로세서(310)는 모션 센서(340)로부터 사용자의 운동 내용 정보를 획득할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 생체 센서(210)(예: PPG 센서(202))로부터 생체 신호(예: PPG 신호)를 획득할 수 있다. 프로세서(310)의 동작과 관련된 구체적인 내용은 도 6을 참조하여 후술한다.
일 실시 예에 따르면, 디스플레이(120)는 각종 컨텐츠(예: 텍스트, 이미지, 비디오, 아이콘, 및/또는 심볼 등)를 표시할 수 있다. 일 실시 예에 따르면, 디스플레이(120)는 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, QD(quantum dot), μLED(micro LED), 또는 유기 발광 다이오드(OLED) 디스플레이를 포함할 수 있다. 일 실시 예에 따르면, 디스플레이(120)는 프로세서(310)의 명령에 따라 사용자의 생체 정보를 표시할 수 있다. 예를 들어, 디스플레이(120)는 시간 구간 별로 사용자의 혈압 값을 제공할 수 있다. 일 실시 예에 따르면, 디스플레이(120)는 프로세서(310)의 명령에 따라 운동 프로그램에 대한 가이드를 제공할 수 있다.
일 실시 예에 따르면, 디스플레이(120)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
일 실시 예에 따르면, 통신 회로(320)는 외부 전자 장치와 무선으로 통신할 수 있다. 일 실시 예에 따르면, 통신 회로(320)는 전자 장치(예: 스마트 폰)로 데이터를 전송할 수 있고, 전자 장치로부터 데이터를 수신할 수 있다. 일 실시 예에 따르면, 통신 회로(320)는 전자 장치와 직접 통신할 수도 있고, 다른 외부 장치를 통해 통신할 수도 있다. 예를 들어, 통신 회로(320)는 셀룰러 모듈, WiFi 모듈, 블루투스 모듈, GNSS/RNSS 모듈 또는 NFC 모듈 중 하나일 수 있다.
일 실시 예에 따르면, 메모리(330)는 웨어러블 장치(100)의 적어도 하나의 구성요소(예: 프로세서)에 의해 획득되거나 사용되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(330)는 모션 센서(340) 및/또는 생체 센서(210)에 의해 획득한 데이터를 저장할 수 있다.
일 실시 예에 따르면, 모션 센서(320)는 사용자의 액티비티에 대한 정보를 획득할 수 있다. 일 실시 예에 따르면, 모션 센서(320)는 가속도 센서(acceleration sensor), 자이로 센서(gyroscope sensor), 기압 센서(barometer), 또는 자기 센서(magnetic sensor) 중 적어도 하나를 포함할 수 있다. 일 실시 예에 따르면, 모션 센서(340)는 가속도 정보, 위치 정보 및/또는 시간 정보에 기초하여 웨어러블 장치(100)의 사용자에 의해 수행된 복수의 액티비티들 각각에 대한 정보를 획득할 수 있다. 예를 들어, 웨어러블 장치(100)는 수면, 차량에 의한 이동, 운동, 업무 및/또는 휴식과 같은 액티비티를 인식할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)는 액티비티가 수행된 시간 및 위치에 대한 정보를 획득할 수 있다.
일 실시 예에 따르면, 생체 센서(210)는 혈압을 측정하기 위한 적어도 하나의 생체 센서를 포함할 수 있다. 예를 들어, 생체 센서(210)는 PPG 센서(202), ECG 센서, 압력 센서 또는 마이크를 포함할 수 있으며, 이 중 하나 또는 둘 이상의 조합을 통해 혈압을 측정할 수 있다. 일 실시 예에 따르면, PPG 센서(202)는 발광 모듈(203) 및 수광 모듈(204)을 포함할 수 있다. 일 실시 예에 따르면, 신호 처리 모듈(미도시)은 발광 모듈(203) 및 수광 모듈(204)을 제어할 수 있다. 일 실시 예에 따르면, 신호 처리 모듈은 센서를 직접 제어하는 센서 드라이버 컨트롤러 및 ADC(analog to digital converter)를 포함할 수 있다. 일 실시 예에 따르면, 신호 처리 모듈은 도 3에 미도시된 다른 구성들(예: 증폭기 및/또는 필터 등)을 더 포함할 수도 있다. 일 실시 예에 따르면, 신호 처리 모듈은 마이크로 프로세서로 구현될 수 있다
일 실시 예에 따르면, 신호 처리 모듈은 발광 모듈(203)의 적어도 하나의 LED를 구동할 수 있다. 일 실시 예에 따르면, 신호 처리 모듈은 수광 모듈(204)에 의하여 감지된 신호를 처리(예: 증폭 및/또는 필터링)할 수 있다. 예를 들어, 신호 처리 모듈은 수광 모듈(204)에 의하여 감지된 전류 신호를 전압 신호로 변환하고, 처리된 전압 신호를 디지털 신호로 변환할 수 있다.
도 4는 일 실시 예에 따른 웨어러블 장치의 동작에 따른 모듈 별로 구분한 웨어러블 장치의 구성을 설명하기 위한 블록도이다.
도 4를 참조하면, 일 실시 예에 따른 웨어러블 장치(100)는 생체 데이터 저장소(biometric data storage)(401), 데모그래픽 데이터 저장소(demographic data storage)(403), 운동 데이터 저장소(workout data storage)(405), 혈압 분석 엔진(blood pressure analysis engine)(407), 심박수 분석 엔진(heart rate analysis engine)(409), 머신러닝 엔진(machine learning engine)(411), 개인 정보 분석 엔진(profile analysis engine)(413), 헬스 통합 엔진(health integrated engine)(415), 운동 가이드 엔진(workout guidance engine)(417), 또는 운동 분석 엔진(workout analysis engine)(419)을 포함할 수 있다. 다양한 실시 예에서, 웨어러블 장치(100)는 도 4에 도시된 구성요소 외에 추가적인 구성요소를 포함하거나, 도 4에 도시된 구성요소 중 적어도 하나를 생략할 수 있다. 도 4에 도시된 구성은 물리적으로 구분되는 하드웨어로 구현되어야 하는 것은 아닐 수 있다. 도 4에 도시된 구성요소를 구현하기 위해 웨어러블 장치(100)의 프로세서(예: 도 3의 프로세서(310))가 메모리(예: 도 3의 메모리(330))에 저장된 명령어(예: 인스트럭션들(instruction))을 실행시킬 수 있고, 기능과 연관된 하드웨어(예: 도 3의 통신 모듈(320))를 제어할 수 있다. 예를 들어, 생체 데이터 저장소(401), 데모그래픽 데이터 저장소(403) 및 운동 데이터 저장소(405)는 하나의 저장 매체에 저장될 수도 있다.
어떤 실시예에 따르면, 도 4에 도시된 구성요소의 적어도 일부는 적어도 하나의 외부 전자 장치(예: 도 11의 전자 장치(1102, 1104) 또는 서버(1108))에 의해 구현될 수도 있다.
일 실시 예에 따르면, 생체 데이터 저장소(401)는 PPG 센서(202)를 이용하여 측정된 생체 파형을 저장할 수 있다. 또한, 일 실시 예에 따른 생체 데이터 저장소(401)는 측정된 생체 파형으로부터 계산된 혈압 및/또는 심박수를 저장할 수 있다.
일 실시 예에 따르면, 데모그래픽 데이터 저장소(403)는 사용자의 프로필 정보 및 혈압 약 정보를 저장할 수 있다. 예를 들어, 데모그래픽 데이터 저장소(403)는 사용자에 의해 입력된 키, 체중, 나이, 또는 성별과 같은 프로필 정보 및 혈압 약 정보를 저장할 수 있다.
일 실시 예에 따르면, 운동 데이터 저장소(405)는 다양한 운동 정보를 저장할 수 있다. 예를 들어, 운동 데이터 저장소(405)는 운동 종류, 운동의 난이도, 운동의 부위, 또는 운동에 해당하는 단위 정보를 저장할 수 있다. 또한 예를 들면, 운동 데이터 저장소(405)는 운동 중 모션 센서(340)를 통해 수집된 운동과 관련된 파라미터들을 저장할 수 있다.
일 실시 예에 따르면, 혈압 분석 엔진(407)은 수신된 생체 정보를 분석하여 추정할 수 있다. 일 실시 예에 따르면, 혈압 분석 엔진(407)은 일상 생활 중에 연속적으로 측정된 생체 정보를 분석하여 사용자의 혈압을 추정할 수 있다. 예를 들어, 혈압 분석 엔진(407)은 측정모드에 진입하는 것에 응답하여 수신된 생체 정보를 분석하여 혈압을 추정할 수도 있고, 웨어러블 장치(100)의 착용 상태를 감지하는 것에 응답하여 수신된 생체 정보를 분석하여 혈압을 추정할 수도 있다. 일 실시 예에 따르면, 혈압 분석 엔진(407)은 생체 데이터 저장소(401)에 저장된 생체 파형을 분석하여 혈압 값을 추정할 수 있다.
일 실시 예에 따르면, 심박수 분석 엔진(409)은 생체 데이터 저장소(401)에 저장된 생체 파형(예: PPG 신호)으로부터 심박수(heart rate)를 추정하고, 누적된 데이터에서 운동 중의 최대 심박수를 결정할 수 있다. 일 실시 예에 따르면, 심박수 분선 엔진(409)은 생체 데이터 저장소(401)에 저장된 생체 파형으로부터 실시간으로 심박수를 측정할 수 있다.
일 실시 예에 따르면, 머신러닝 엔진(411)은 헬스 통합 엔진(415)에 전달된 정보들에 대한 기계학습(machine learning)을 수행할 수 있다. 예를 들어, 머신러닝 엔진(411)은 상기 정보들의 연결성을 추정하여 운동에 대한 정보와 측정된 혈압 값을 학습하여, 운동에 따른 혈압 값의 조정 효과를 예측하여 혈압 조절에 유효한 다음 운동의 파라미터를 결정하기 위한 예측 모델을 생성할 수 있다. 일 실시 예에 따르면, 운동의 파라미터를 결정하기 위한 예측 모델은 운동 파라미터 결정 모델을 포함할 수 있다. 일 실시 예에 따르면, 머신러닝 엔진(411)은 개인 프로필 정보, 운동 중 최대 심박수, 운동 관련 파라미터(예: 운동 종목, 운동 강도 등) 또는 연속 혈압 값을 분석하여 운동 프로그램을 구성할 수 있다.
일 실시 예에 따르면, 머신러닝 엔진(411)은 외부 전자 장치(예: 도 11의 전자 장치(1102, 1104) 또는 서버(1108))에 구현될 수 있고, 머신러닝 엔진(411)의 학습 및/또는 동작은 외부 전자 장치에서 수행될 수 있다. 웨어러블 장치(100)는 혈압 조절에 유효한 다음 운동의 파라미터 결정 및 운동 프로그램을 제공받기 위하여 상기 획득된 정보들을 전송하고, 상기 외부 전자 장치는 수신된 데이터에 기반하여 운동 파라미터 결정 모델을 학습 및/또는 동작시킬 수 있다.
일 실시 예에 따르면, 개인 정보 분석 엔진(413)은 프로필 정보 중 운동에 영향을 주는 운동 파라미터를 분석할 수 있다. 예를 들어, 개인 정보 분석 엔진(413)은 데모그래픽 데이터 저장소(403)로부터 제공받은 사용자의 키, 몸무게, 나이, 성별, 또는 혈압 약 복용 시간과 같은 프로필 정보를 기반으로 운동 파라미터를 분석할 수 있다. 예를 들어, 개인 정보 분석 엔진(413)은 측정된 혈압 정보 중에서 혈압 약 복용 이후에 지정된 시간 구간 동안 측정된 혈압 정보는 운동의 혈압 조절 효과를 분석하기 위한 분석 대상에서 제외되도록 할 수 있다. 일 실시 예에 따르면, 개인 정보 분석 엔진(413)은 헬스 통합 엔진(415)에 분석한 운동 파라미터 정보를 제공할 수 있다. 일 실시 예에 따르면, 복용 약의 종류에 따라 반감기가 다르므로 약 복용 시간에 따라 운동으로 인한 혈압 강하 정도와 효과가 지속되는 시간이 다를 수 있다.
일 실시 예에 따르면, 헬스 통합 엔진(415)은 생체 정보(예: 혈압 값, 심박 수 데이터, 프로필 정보)와 운동 정보(예: 운동 종목, 운동 강도) 간의 관계를 기계 학습(machine learning)을 기반으로 매핑(mapping)할 수 있다. 일 실시 예에 따르면, 헬스 통합 엔진(415)은 혈압 분석 엔진(407)으로부터 연속된 복수의 구간들(예: 안정기 구간, 운동 전 구간, 운동 구간, 운동 후 구간, 수면 구간)에서의 혈압 데이터를 수신할 수 있다. 일 실시 예에 따르면, 헬스 통합 엔진(415)은 심박수 분석 엔진(409)으로부터 운동 중 최대 심박수 데이터를 수신할 수 있다. 일 실시 예에 따르면, 헬스 통합 엔진(415)은 개인 정보 분석 엔진(413)으로부터 개인 정보 데이터(예: 키, 몸무게, 나이, 성별, 혈압 약 복용시간)를 수신할 수 있다. 일 실시 예에 따르면, 헬스 통합 엔진(415)은 운동 분석 엔진(419)으로부터 수행한 운동 데이터(예: 운동 종목, 운동 단위)를 수신할 수 있다. 헬스 통합 엔진(415)은 머신러닝 엔진(411)에 의해서 생성된 예측 모델을 이용하여 혈압 조절을 위해 사용자에게 추천할 운동에 대한 운동 파라미터를 결정할 수 있다.
일 실시 예에 따르면, 운동 가이드 엔진(417)은 개인 맞춤형 혈압 관리를 위한 운동 프로그램을 구성할 수 있다. 일 실시 예에 따르면, 운동 가이드 엔진(417)은 머신 러닝 엔진(411), 헬스 통합 엔진(415) 및 운동 분석 엔진(419)으로부터 수신한 정보를 기반으로 운동 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 운동 가이드 엔진(417)은 결정된 운동 파라미터를 기반으로 선택된 운동 프로그램을 어플리케이션을 통하여 제공할 수 있다. 예를 들어, 운동 가이드 엔진(417)은 어플리케이션을 통해 운동 종목, 횟수, 시간 또는 순서를 가이드 할 수 있다.
일 실시 예에 따르면, 운동 분석 엔진(419)은 모션 센서(340)를 통해 사용자가 수행중인 운동을 판단하고 수행된 것으로 판단된 운동의 파라미터들을 분석할 수 있다. 일 실시 예에 따르면, 운동 분석 엔진(419)은 모션 센서(340)로부터 측정된 값 및 운동 데이터 저장소(405)에 저장된 운동 정보에 기반하여 수행된 운동을 판단할 수 있다.
도 5A는 일 실시 예에 따른 웨어러블 장치에서, 획득한 생체 데이터를 기반으로 운동 파라미터 결정 모델을 생성하는 내용에 대한 흐름도이다.
도 5A를 참조하면, 일 실시 예에 따른 프로세서(예: 도 3의 프로세서(310))는 동작 501에서, PPG 센서(202)를 통하여 PPG 신호 데이터를 획득할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)는 스트랩(예: 도 1의 스트랩(130))을 통해 사용자의 신체의 일부(예: 손목)에 착용된 상태로 PPG 신호 데이터를 획득할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 PPG 신호 데이터를 연속적으로 획득할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 웨어러블 장치(100)의 착용 상태로 판단되는 것에 응답하여 자동으로 PPG 센서(202)로부터 사용자의 생체 파형의 측정을 시작할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 웨어러블 장치(100)의 미착용을 감지하는 것에 응답하여 자동으로 생체 파형의 측정을 종료할 수 있다. 다른 실시 예에 따르면, 프로세서(310)는 웨어러블 장치(100)가 측정 모드의 실행에 응답하여 PPG 센서(202)로부터 사용자의 생체 파형을 획득할 수 있다. 예를 들어, 측정 모드에 진입하는 방식은 생체 측정 메뉴의 실행, 어플리케이션의 실행, 또는 디스플레이(120)에 대한 사용자 입력(예: 드래그 입력) 중 하나일 수 있다. 일 실시 예에 따르면, 프로세서(310)는 웨어러블 장치(100)가 측정 모드가 종료되는 것을 감지하는 것에 응답하여 생체 파형 측정을 종료할 수 있다.
일 실시 예에 따른 프로세서(310)는 동작 503에서, 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 획득한 PPG 신호의 특징 정보에 기초하여 혈압 값을 계산할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 최대 진폭(maximum peak amplitude)과 시간(peak time index), 수축기 구간에서의 최대 진폭과 시간 및 이완기 구간에서의 최대 진폭과 시간을 검출하고, 검출된 진폭 값들 간의 차이 또는 비율 및 검출된 시간 값들 간의 차이를 계산하여 혈압 값을 계산할 수 있다. 예를 들어, 혈압이 높은 경우 최대 진폭 값은 커질 수 있으며, 최대 진폭의 시간과 수축기 구간에서의 최대 진폭의 시간 차이가 작아질 수 있다.
일 실시 예에 따르면, 프로세서(310)는 연속적으로 PPG 신호를 획득하여 복수의 연속된 시간 구간들에 나누어 저장할 수 있다. 예를 들어, 복수의 연속된 시간 구간들은 안정기 구간, 운동 전 구간, 운동 구간, 운동 후 구간 및 수면 구간을 포함할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 사용자의 혈압 약 복용 시간을 혈압 값과 함께 복수의 시간 구간들에 나누어 저장할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 각 구간별로 최소 혈압, 최대 혈압 및 평균 혈압 중 적어도 하나를 계산할 수 있다.
일 실시 예에 따른 프로세서(310)는 동작 505에서, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여 운동 종료 이벤트 발생 이후의 혈압 값들로부터 획득되는 혈압 특징정보를 기반으로 운동 파라미터 결정 모델을 생성할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 모션 센서(340)를 통하여 운동 시작 이벤트를 감지할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 모션 센서(340)를 이용하여 자동으로 사용자의 움직임에 기반하여 운동 종목 및/또는 자세를 판단할 수 있다. 예를 들어, 모션 센서(340)가 자동으로 인식할 수 있는 자동인식 운동 종목은 뛰기(running), 걷기(walking), 수영(swimming), 사이클링(cycling) 또는 조정(rowing)을 포함할 수 있다. 다양한 실시 예에 따르면, 자동인식 운동 종목은 웨어러블 장치(100)의 종류에 따라 달라질 수 있고, 복수의 기기 간 연결을 통해 자동인식 운동 종목이 늘어날 수도 있다. 다른 실시 예에 따르면, 프로세서(310)는 운동 종목을 선택하는 사용자의 입력에 기반하여 운동 종목을 결정할 수 있다. 예를 들어, 디스플레이(120)를 통해서 표시된 운동 목록을 선택하고 운동 파라미터(예: 동작의 반복 횟수)를 입력하는 사용자 인터페이스를 통해서 운동 종목을 선택하는 사용자의 입력을 수신할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 운동 시작 이벤트가 발생한 이후 운동 종료 이벤트의 발생을 감지하기 전까지 최대 심박수(maximum heart rate)를 결정할 수 있다. 예를 들어, 일 실시 예에 따른 프로세서(310)는 운동 시작 이벤트가 발생한 이후 측정된 생체 파형으로부터 실시간으로 심박수를 획득하고 획득된 심박수 중 최대 심박수를 결정할 수 있다. 다른 예를 들어, 프로세서(310)는 220에서 저장된 사용자의 나이를 뺀 값을 최대 심박수로 결정할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 안정기 혈압(예: 60~80bpm) 및 결정된 최대 심박수를 기반으로 다음 운동의 강도를 결정할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 모션 센서(340)를 통해 판단한 사용자의 움직임에 기반하여 운동 종료 이벤트의 발생을 감지할 수 있다. 다른 예를 들어, 프로세서(310)는 운동을 종료하는 사용자의 입력에 기반하여 운동이 종료됨을 판단할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 운동 종료 이벤트 발생 이후의 혈압 값들로부터 평균 혈압 값을 계산할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 운동 후 구간에서의 평균 혈압 값과 안정기 구간에서의 평균 혈압 값의 오차가 일정 범위 이하인 상태로 일정 시간 동안 유지되는 시점을 판단할 수 있다. 예를 들어, 안정기 구간에서의 평균 혈압 값은 수면 구간, 운동 전 구간, 운동 구간, 운동 후 구간을 제외한 일상 생활 구간 중 일정 시간 이상 안정기 심박으로 유지될 때의, 평균 혈압 값을 의미할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 운동 파라미터 결정 모델을 생성할 수 있다. 본 발명의 일 실시 예에 따르면, 본 개시의 다양한 실시예에서, 운동 파라미터 결정 모델이란, 획득된 혈압 값에 기반하여 운동 파라미터를 결정하도록 구성된 예측 모델을 의미할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 개인 정보, 최대 심박수, 수행된 운동 파라미터 및 다음 운동 전까지의 연속 혈압 값 중 적어도 하나에 기반하여 운동 파라미터 결정 모델을 생성할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 머신러닝 엔진(411)에 의한 학습이 진행되기 이전에는 개인 정보 분석 엔진(413)에서 제공하는 개인 정보를 기반으로 운동 파라미터를 결정할 수 있다. 예를 들어, 프로세서(310)는 운동 파라미터를 결정하기 위한 복수의 값들(예: 혈압 분석 엔진(407), 심박수 분석 엔진(409), 개인 정보 분석 엔진(413) 또는 운동 분석 엔진(419)으로부터 제공된 정보)에 대한 가중치를 부여할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 머신러닝 엔진(411)에 의한 학습에 의해 생성된 예측 모델의 신뢰도가 임계값 미만인 경우(예: 운동 횟수가 임계값 미만인 경우), 개인 정보 분석 엔진(413)으로부터 제공된 값에 적용되는 가중치를 증가시킬 수 있다. 일 실시 예에 따르면, 프로세서(310)는 머신러닝 엔진(411)에 의한 학습이 진행됨(예: 학습된 데이터의 양이 임계값 이상이 됨)에 따라 업데이트된 개인 정보, 최대 심박수, 연속 혈압 값 및 수행된 운동 간의 관계에 기반하여 운동 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 결정된 운동 파라미터로 구성된 운동 프로그램에 따른 사용자의 혈압 변화를 분석하고, 분석한 결과를 기반으로 다음 운동 프로그램을 구성할 수 있다. 일 실시 예에 따르면, 운동 파라미터는 운동 종목, 운동의 횟수, 운동 강도, 운동 시간, 운동 순서 및/또는 유산소 운동과 무산소 운동의 비율을 포함할 수 있다. 예를 들어, 운동 종목은 모션 센서(340)를 통한 자동 인식 기능, 사용자 입력에 따른 수동 입력 방식 및/또는 미디어 콘텐츠 인식 기능을 통하여 결정될 수 있다. 또한 예를 들어, 운동 강도는 최대 심박수, 운동 종목, 운동의 횟수, 운동의 지속 시간, 분당 운동의 횟수 및/또는 프로필 정보를 기반으로 결정될 수 있다.
일 실시 예에 따른 프로세서(310)는 동작 507에서, 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 디스플레이(120)를 통해 표시할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 결정된 운동 파라미터를 기반으로 운동 프로그램을 구성할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 구성된 운동 프로그램을 어플리케이션을 통해 제공할 수 있다. 예를 들어, 프로세서(310)는 어플리케이션을 통해 운동 종목, 횟수, 시간 또는 순서를 가이드 할 수 있다. 또한 예를 들어, 프로세서(310)는 사용자가 운동 중이라고 판단되는 경우 실시간으로 운동 정보를 안내할 수 있다. 예를 들어, 운동 정보에는 운동의 시작 시각, 운동의 횟수, 및 운동의 종료 시각 중 적어도 하나가 포함될 수 있다. 또 예를 들어, 프로세서(310)는 연속 혈압 데이터 또는 운동 피드백을 제공할 수 있다. 디스플레이(120)를 통해 제공되는 UI(user interface)에 대한 구체적인 설명은 도 10a 내지 도 10d를 참조하여 후술한다.
일 실시 예에 따르면, 프로세서(310)는 스피커(예: 도 11의 음향 출력 모듈(1155))를 통해 음성 안내 또는 소리를 출력할 수 있다. 예를 들어, 프로세서(310)는 운동이 종료된 것으로 판단되는 경우, 운동 프로그램에 따른 다음 운동을 음성을 통하여 가이드 할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 UI 및 소리를 함께 출력할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 501 내지 동작 507을 반복하여 수행할 수 있다.
도 5B는 일 실시 예에 따른 웨어러블 장치에서, 저장된 프로필 정보 및 생체 데이터를 기반으로 운동 파라미터를 결정하는 내용에 대한 흐름도이다. 도 5B의 설명과 관련하여 전술한 내용과 대응되거나 동일 및/또는 유사한 내용은 간략히 하거나 생략될 수 있다.
도 5B를 참조하면, 일 실시 예에 따른 프로세서(예: 도 3의 프로세서(310))는 동작 510에서 프로필 정보를 저장할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 메모리(예: 도 3의 메모리(330))에 사용자의 키, 체중, 나이, 또는 성별과 같은 프로필 정보 및 혈압 약 정보를 저장할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 520에서 PPG 센서(202)를 통해 획득한 생체 파형 정보를 메모리(330)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 웨어러블 장치(100)의 스트랩(예: 도 1의 스트랩(130))을 통해 사용자의 신체의 일부(예: 손목)에 착용된 상태로 PPG 신호 데이터를 획득하여 메모리(330)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 PPG 신호 데이터를 연속적으로 획득하여 메모리(330)에 저장할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 530에서 저장된 생체 파형 정보의 적어도 하나의 특징 정보를 이용하여 혈압 값을 추정할 수 있다. 예를 들어, 생체 파형 정보의 특징 정보는 최대 진폭과 시간, 수축기 구간에서의 최대 진폭과 시간, 이완기 구간에서의 최대 진폭과 시간 중 적어도 하나를 포함할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 저장된 생체 파형의 진폭 값들 간의 차이 또는 비율 및/또는 시간 값들 간의 차이를 계산하여 혈압 값을 계산할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 540에서 추정된 혈압 값을 시간 도메인에 나누어 저장할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 연속적으로 PPG 신호를 획득하여 복수의 연속된 시간 구간들에 나누어 저장할 수 있다. 예를 들어, 복수의 연속된 시간 구간들은 안정기 구간, 운동 전 구간, 운동 구간, 운동 후 구간 및 수면 구간을 포함할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 550에서 운동 관련 트리거 이벤트에 대응하여 운동 관련 파라미터를 수신할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 모션 센서(340)를 이용하여 사용자의 움직임을 감지할 수 있다. 예를 들어, 모션 센서(340)는 가속도 센서(accelerometer), 자이로 센서(gyro sensor), 기압 센서(barometer) 또는 자기 센서 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 사용자의 움직임을 감지하는 것에 응답하여 운동 종목, 운동 강도, 운동 횟수 또는 운동 시간과 같은 운동 관련 파라미터를 수신할 수 있다. 예를 들어, 프로세서(310)는 사용자의 움직임에 기반하여 운동 종목을 뛰기, 걷기, 수영, 사이클링, 및/또는 조정 중 적어도 하나로 결정할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 560에서 운동 구간 중 최대 심박수를 결정할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 운동 관련 트리거 이벤트가 발생한 이후 운동 종료 이벤트의 발생을 감지하기 전까지의 최대 심박수를 결정할 수 있다. 예를 들어, 일 실시 예에 따른 프로세서(310)는 220에서 저장된 사용자의 나이를 뺀 값을 최대 심박수로 결정할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 570에서 운동 구간 후 최대 심박수, 운동 파라미터, 프로필 정보, 다음 운동 전까지의 혈압 값을 이용하여 모델을 생성할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 사용자 프로필 변화(예: 사용자의 체중 변화), 운동에 따른 혈압의 변화 및 머신러닝 엔진(411)에서 학습된 정보에 기반하여 모델을 업데이트할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 580에서 생성된 모델에 기반하여 다음 수행될 운동 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 운동 종목들 간의 유사도 또는 관계성을 결정할 수 있고, 결정된 정보 및 각 운동의 난이도를 운동 데이터 저장소(405)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 운동 종목들 간의 유사도, 관계성 및/또는 운동의 난이도를 기반으로 다음 수행될 운동 파라미터를 결정할 수 있다. 예를 들어, 프로세서(310)는 기존의 운동(예: 턱걸이)과 유사도가 높으면서 난이도가 다른 운동(예: 팔굽혀 펴기)을 다음 수행될 운동으로 결정할 수 있다.
도 6은 일 실시 예에 따른 웨어러블 장치에서, 획득한 생체 데이터를 기반으로 혈압 값을 계산하는 내용에 대한 흐름도이다. 도 6의 설명과 관련하여 전술한 내용과 유사하거나 대응되는 내용은 간략히 하거나 생략될 수 있다.
도 6을 참조하면, 일 실시 예에 따른 프로세서(예: 도 3의 프로세서 (310))는 동작 601에서 PPG 신호를 획득할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)는 스트랩(예: 도 1의 스트랩(130))을 통해 사용자의 신체의 일부(예: 손목)에 착용된 상태로 PPG 센서(202)를 통하여 PPG 신호 데이터를 획득할 수 있다. 일 실시 예에 따르면, PPG 신호 데이터는 펄스 비트들(pulse beats)의 형태를 가질 수 있다. 일 실시 예에 따르면, 프로세서(310)는 PPG 신호 데이터를 연속적으로 획득할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 603에서 PPG 신호의 AC(alternating current) 전압 크기와 기준 전압 크기(M)를 비교할 수 있다. 일 실시 예에 따르면, 기준 전압 크기는 다양한 값으로 설정될 수 있다. 일 실시 예에 따르면, 프로세서(310)는 동작 603에서, 획득한 PPG 신호의 주기(duration)가 직전에 획득한 PPG 신호의 주기와 유사한지 여부를 판단할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 605에서, PPG 신호의 AC 전압 크기가 기준 전압 크기보다 작거나, 획득한 PPG 신호의 주기가 직전에 획득한 PPG 신호의 주기와 유사하지 않는 것으로 판단되는 경우 새로운 신호 주기를 업데이트할 수 있다. 예를 들어, 프로세서(310)는 획득한 PPG 신호의 주기에 기반하여 새로운 신호 주기를 업데이트할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 607에서, PPG 신호의 AC 전압 크기가 기준 전압 크기보다 크거나 같고, 획득한 PPG 신호의 주기가 직전 PPG 신호의 주기와 유사한 것으로 판단되는 경우 획득한 PPG 신호를 업데이트할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 609에서 업데이트 된 PPG 신호의 개수를 기준 개수(N)와 비교할 수 있다. 예를 들어, 기준 개수는 15개일 수 있다. 다만, 이에 한정되지 아니하며 기준 개수는 다양한 개수로 변경될 수 있다.
일 실시 예에 따르면, 프로세서(310)는 업데이트 된 PPG 신호의 개수가 기준 개수와 같지 않다고 판단되는 경우 동작 601로 되돌아가 PPG 신호를 획득할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 611에서, 동작 609에서 업데이트 된 PPG 신호의 개수가 기준 개수와 같다고 판단되는 경우, PPG 신호들 간의 평균 상관 관계 값(correlation value)을 기준 상관 관계 값(P)과 비교할 수 있다. 예를 들어, 기준 상관 관계 값은 0.65일 수 있으나, 이에 한정되지 아니한다.
일 실시 예에 따르면, 프로세서(310)는 획득한 PPG 신호들 간의 평균 상관 관계 값이 기준 상관 관계 값보다 작은 것으로 판단되는 경우, 동작601로 되돌아가 새로운 PPG 신호를 획득할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 613에서, 동작 611에서 PPG 신호들 간의 평균 상관 관계 값이 기준 상관 관계 값보다 크거나 같은 것으로 판단되는 경우 PPG 신호들 중에서 대표 파형을 추출할 수 있다. 예를 들어, 프로세서(310)는 유효한 펄스 비트들에 대한 앙상블 평균(ensemble average)을 획득하고, 획득된 앙상블 평균의 추이에 따른 대표 파형을 획득할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 615에서, 대표 파형의 특징점들에 대한 특징 정보를 추출할 수 있다. 예를 들어, 특징 정보는 최대 진폭과 시간, 수축기 구간에서의 최대 진폭과 시간, 이완기 구간에서의 최대 진폭과 시간 및 전체 면적을 포함할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 동작 617에서 특징 정보를 기반으로 혈압 값을 계산할 수 있다. 예를 들어, 프로세서(310)는 최대 진폭과 시간, 수축기 구간에서의 최대 진폭과 시간, 이완기 구간에서의 최대 진폭과 시간 및 전체 면적과 같은 특징 정보들 중 적어도 하나를 이용하여 혈압 값을 계산할 수 있다.
일 실시 예에 따르면, 프로세서(310)는 도 6에 도시된 동작들을 반복하여 실행하면서, 측정된 값들의 어레이(array) 내에서 지배적인(dominant) 펄스 비트들의 파형에 기초하여 혈압 값을 획득할 수 있다. 다른 실시 예에 따르면, 프로세서(310)는 설정된 시간(예: 매시 0분, 또는 30분 간격)마다 도 6에 도시된 동작들을 실행할 수 있다.
도 7은 일 실시 예에 따른 웨어러블 장치의 PPG 센서(202)를 통해 측정된 PPG 신호를 나타낸 도면이다.
도 7을 참조하면, X축은 시간축이고, Y축은 시간에 따른 PPG 신호(700)의 크기를 전압으로 나타내고 있다. 일 실시 예에 따르면, PPG 센서(202)를 통해 측정되는 PPG 신호(700)는 사용자의 피부 속 혈관에 흐르는 혈류량이 많아질수록 혈액에 의한 빛의 흡수량이 증가하여 수광 모듈(예: 도 2의 수광 모듈(204)(예: PD))에서 수신되는 PPG 신호(700)의 세기가 감소할 수 있다. PPG 센서(202)의 적어도 하나의 LED가 광을 조사하는 경우, 일부 광은 사용자의 동맥혈, 정맥혈, 골격 및/또는 피부조직(예: 표피(epidermis) 및/또는 진피(dermis))에 도달할 수 있다. 예를 들어, 동맥혈에 도달한 광의 일부는 사용자의 맥박에 따른 동맥혈의 용량 변화로 인하여 변화되어 흡수될 수 있으며, 웨어러블 장치(100)가 그 중 일부를 검출하여 PPG 신호(700)를 획득할 수 있다. PPG 신호(700)의 값은 사용자의 수축기 혈류량과 이완기 혈류량의 차이를 나타낼 수 있다. PPG 신호(700)는 좌심실 수축의 시작지점부터 최대 수축지점, 수축의 감소와 대동맥 벽의 팽창지점과 혈액 유출의 감소시점 그리고 변막과 심근의 탄력파와 같은 모습으로 나타날 수 있다. 일 실시 예에 따르면, 프로세서(310)는 PPG 신호(700)로부터 좌심실 수축의 최대 수축지점(701, 702)과 같은 특징 정보를 이용하여 맥박 주기를 측정할 수 있다. 예를 들어, 좌심실 수축의 최대 수축지점 사이의 거리(710)를 계산하여 맥박 주기를 측정할 수 있다.
다양한 실시 예에 따르면, PPG 신호(700)의 그래프는 다양하게 생성될 수 있으며, 본 개시의 다양한 실시예에서 기재된 것들에 의해 한정되지 아니한다.
도 8은 일 실시 예의 웨어러블 장치에서 연속적인 복수의 시간 구간에 혈압 값을 저장하는 내용을 설명하기 위한 도면이다.
도 8을 참조하면, 일 실시 예에 따른 프로세서(예: 도 3의 프로세서(310))는 PPG 신호의 특징 정보를 기반으로 계산된 혈압 값을 복수의 연속된 시간 구간들로 나누어 메모리(예: 도 3의 메모리(330))에 저장할 수 있다. 예를 들어, 복수의 연속된 시간 구간들은 안정기 구간(810), 운동 전 구간(820), 운동 구간(830), 운동 후 구간(840) 및 수면 구간(850)을 포함할 수 있다. 운동 전 구간(820)은 운동 1시간 전부터 운동 시작까지의 구간을 의미할 수 있으나, 이에 한정되는 것은 아니다.
일 실시 예에 따르면, 프로세서(310)는 운동 구간(830)의 혈압 값은 운동 구간(830) 동안 수행된 운동에 대한 평가에 사용되는 데이터로부터 제외시킬 수 있다. 다른 실시 예에 따르면, 프로세서(310)는 운동 구간(830)의 혈압 값을 메모리(330)에 저장하지 않을 수도 있다. 일 실시 예에 따르면, 프로세서(310)는 운동 후 구간(840)의 혈압 값을 실시간으로 계산하여 저장할 수 있다. 다른 실시 예에 따르면, 프로세서(310)는 운동 후 구간(840)의 혈압 값을 소정 시간 간격(예: 5분, 15분, 30분)마다 계산하여 저장할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 운동 후 구간(840)의 혈압 값을 나누어 저장할 수 있다. 예를 들어, 프로세서(310)는 운동 후 1~2시간 동안의 혈압 값, 운동 후 2~3시간 동안의 혈압 값, 또는 운동 후 3~4시간 동안의 혈압 값을 나누어 저장할 수 있다. 일 실시 예에 따르면, 프로세서(310)는 각 구간 별 최소 혈압 값, 최대 혈압 값 및 평균 혈압 값 중 적어도 하나를 계산할 수 있다.
도 9는 일 실시 예에 따른 웨어러블 장치 및 전자 장치가 동작하는 환경을 나타낸다.
도 9를 참조하면, 일 실시 예에 따른 웨어러블 장치(100) 및 전자 장치(900)는 서로 연동될 수 있다. 예를 들어, 웨어러블 장치(100)는 스마트 워치, 이어버드, 링, 안경, 또는 신발 중 적어도 하나를 포함할 수 있고, 전자 장치(900)는 스마트폰을 의미할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100) 및 전자 장치(900)는 다양한 운동 파라미터들(예: 운동 종목, 운동 강도, 운동 난이도)을 포함하는 운동 프로그램의 수행을 돕는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에 따르면, 웨어러블 장치(100)는 PPG 센서(202)를 통해 획득한 PPG 신호 데이터 및/또는 모션 센서(340)를 통해 획득한 운동 정보를 전자 장치(900)로 전송할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)에 저장된 PPG 신호 데이터 및/또는 운동 정보와 전자 장치(900)에 저장된 PPG 신호 데이터 및/또는 운동 정보는 동기화될 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)는 운동 프로그램에 포함된 운동 동작의 목표량이 달성되면, 전자 장치(900)가 운동 프로그램에 포함된 다음 운동 동작에 대응하는 컨텐츠를 출력하도록 전자 장치(900)를 제어할 수 있다.
일 실시 예에 따른 전자 장치(900)는 웨어러블 장치(100)와 무선으로 연결될 수 있다. 웨어러블 장치(100)는 통신 회로(예: 도 3의 통신 회로(320))가 지원 가능한 근거리 네트워크를 통해 전자 장치(900)와 연결되고, 서로 데이터를 송신 및/또는 수신할 수 있다. 예를 들어, 웨어러블 장치(100)와 전자 장치(900)의 사이의 연결을 수립하기 위한 네트워크(예: 근거리 네트워크)는 적절하게 선택될 수 있다. 예를 들어, Bluetooth와 함께 또는 Bluetooth 대신에 BLE(Bluetooth Low Energy), Wi-Fi direct, NFC(near field communication), UWB(ultra-wide band) 통신, 또는 적외선(Infra-red) 통신이 웨어러블 장치(100)와 전자 장치(900)의 사이의 연결을 수립하기 위해 사용될 수 있다. 일 실시 예에 따르면, 전자 장치(900)는 웨어러블 장치(100)로부터 수행하고자 하는 운동 프로그램에 대한 정보를 획득할 수 있다. 전자 장치(900) 내의 운동 프로그램에 대한 정보는 웨어러블 장치(100) 내의 운동 프로그램에 대한 정보와 동일한 정보일 수 있다.
일 실시 예에 따르면, 전자 장치(900)는 운동 프로그램에 포함된 복수의 운동 동작들 중 하나의 운동 동작에 대응하는 컨텐츠를 출력할 수 있다. 예를 들어, 전자 장치(900)는 스쿼트 동작에 대응하는 컨텐츠를 출력할 수 있다.
일 실시 예에 따르면, 전자 장치(900)는 웨어러블 장치(100)의 제어에 따라 다음 운동 동작에 대응하는 컨텐츠를 출력할 수 있다. 예를 들어, 전자 장치(900)는 스쿼트 동작에 대응하는 컨텐츠가 출력되는 동안 웨어러블 장치(100)로부터 제어 메시지가 수신되면, 다음 운동 동작인 걷기 동작에 대응하는 컨텐츠를 출력할 수 있다.
도 10a 내지 도 10d는 다양한 실시 예의 전자 장치에서, 디스플레이에 표시되는 UI를 나타내기 위한 도면이다. 도 10a 내지 10d의 설명과 관련하여 전술한 내용과 대응되거나 동일 또는 유사한 내용은 간략히 하거나 생략될 수 있다.
도 10a를 참조하면, 일 실시 예에 따른 전자 장치(900)는 어플리케이션을 통해 제1 실행화면(1010)을 출력할 수 있다. 일 실시 예에 따르면, 전자 장치(900)는 제1 실행화면(1010)에서 사용자의 성별, 나이, 키, 몸무게, 또는 혈압 약 정보(예: 약 복용 시간, 약 종류)와 같은 사용자의 프로필 정보와 관련된 컨텐트를 출력할 수 있다. 예를 들어, 전자 장치(900)는 개인 정보와 관련된 사용자의 입력을 획득할 수 있는 제1 실행화면(1010)을 디스플레이에 출력할 수 있다. 다른 예를 들어, 전자 장치(900)는 입력된 개인 정보를 나타내는 제1 실행화면(1010)을 디스플레이에 출력할 수 있다.
도 10b를 참조하면, 일 실시 예에 따른 웨어러블 장치(100)는 전자 장치(900)가 운동 프로그램에 대응하는 컨텐츠를 포함한 제2 실행화면(1020)을 출력하도록 전자 장치(900)를 제어할 수 있다. 일 실시 예에 따르면, 제2 실행화면(1020)을 통해 제공되는 운동 프로그램은 PPG 센서(202)에 의해 획득된 PPG 신호 데이터 및 모션 센서(340)를 통해 획득된 운동 정보를 기반으로 구성될 수 있다. 예를 들어, 운동 프로그램은 운동 종목, 운동 순서, 운동 시간 또는 운동 난이도와 같은 운동 파라미터를 포함할 수 있다. 일 실시 예에 따르면, 웨어러블 장치(100)는 운동 프로그램에 포함된 운동 동작의 목표량이 달성되면, 전자 장치(900)가 다음 운동 동작에 대응하는 컨텐츠를 출력하도록 전자 장치(900)를 제어할 수 있다. 일 실시 예에 따르면, 전자 장치(900)는 스피커를 통해 음성 안내 또는 소리를 출력할 수 있다. 예를 들어, 전자 장치(900)는 운동이 종료된 것으로 판단되는 경우, 운동 프로그램에 따른 다음 운동을 음성을 통하여 가이드 할 수 있다. 일 실시 예에 따르면, 전자 장치(900)는 UI 및 소리를 함께 출력할 수 있다.
도 10c를 참조하면, 일 실시 예에 따른 웨어러블 장치(100)는 전자 장치(900)가 웨어러블 장치(100)에 의해 획득된 혈압 값을 포함하는 제3 실행화면(1030)을 출력하도록 전자 장치(900)를 제어할 수 있다. 일 실시 예에 따르면, 전자 장치(900)는 시간에 따른 연속적인 혈압 값을 시각적으로 제공할 수 있다. 일 실시 예에 따르면, 전자 장치(900)는 복수의 연속된 시간 구간들 별로 계산된 혈압 값을 제공할 수 있다. 예를 들어, 전자 장치(900)는 안정기 구간, 운동 1시간 전 구간, 운동 후 1시간 구간, 운동 후 2시간 구간, 및 운동 후 3시간 구간에서의 평균 혈압 값을 포함한 제3 실행화면(1030)을 출력할 수 있다. 예를 들어, 전자 장치(900)는 평균 수축기 혈압(systolic blood pressure, SBP) 및 평균 이완기 혈압(diastolic blood pressure, DBP)을 각 구간별로 제공할 수 있다.
도 10d를 참조하면, 일 실시 예에 따른 웨어러블 장치(100)는 전자 장치(900)가 운동 피드백에 대응하는 컨텐츠를 포함하는 제4 실행화면(1040)을 출력하도록 전자 장치(900)를 제어할 수 있다. 예를 들어, 제4 실행화면(1040)은 수행한 운동과 관련된 운동 파라미터들을 포함할 수 있다. 또한 예를 들어, 제4 실행화면(1040)은 운동 후 구간에서 측정된 혈압 값을 기반으로 다음 운동 프로그램에 대응되는 컨텐츠를 포함할 수 있다.
일 실시 예에 따르면, 도 10a 내지 도 10d에 도시된 실행화면(1010, 1020, 1030, 1040)들은 웨어러블 장치(100)의 디스플레이(120)를 통해 출력될 수 있다. 일 실시 예에 따르면, 실행화면(1010, 1020, 1030, 1040)들은 웨어러블 장치(100)의 디스플레이(120)의 크기에 따라 해상도 및 크기가 변경되어 출력될 수 있다.
상술한 실시 예에 따르면, 웨어러블 장치(100)는 사용자가 일상 생활 중에 수시로 건강 상태를 확인하도록 지원하면서, 건강 상태를 개선하기 위한 다양한 운동 프로그램을 제공할 수 있다.
또한 상술한 실시 예에 따르면, 웨어러블 장치(100)는 사용자가 운동을 수행함에 따른 혈압 변화를 지속적으로 모니터링 하도록 지원하면서, 운동과 혈압 변화 사이의 관계에 기반한 피드백을 제시하여 사용자에게 적합한 운동 프로그램을 제공함에 따라 사용자의 건강 상태를 개선시키도록 지원할 수 있다.
도 11은, 다양한 실시예들에 따른, 네트워크 환경(1100) 내의 전자 장치(1101)(예: 도 1의 웨어러블 장치(100))의 블록도이다. 도 11을 참조하면, 네트워크 환경(1100)에서 전자 장치(1101)는 제 1 네트워크(1198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1102)와 통신하거나, 또는 제 2 네트워크(1199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1104) 또는 서버(1108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1101)는 서버(1108)를 통하여 전자 장치(1104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1101)는 프로세서(1110)(예: 도 3의 프로세서(310)), 메모리(1130), 입력 모듈(1150), 음향 출력 모듈(1155), 디스플레이 모듈(1160), 오디오 모듈(1170), 센서 모듈(1176), 인터페이스(1177), 연결 단자(1178), 햅틱 모듈(1179), 카메라 모듈(1180), 전력 관리 모듈(1188), 배터리(1189), 통신 모듈(1190), 가입자 식별 모듈(1196), 또는 안테나 모듈(1197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1176), 카메라 모듈(1180), 또는 안테나 모듈(1197))은 하나의 구성요소(예: 디스플레이 모듈(1160))로 통합될 수 있다.
프로세서(1120)는, 예를 들면, 소프트웨어(예: 프로그램(1140))를 실행하여 프로세서(1120)에 연결된 전자 장치(1101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1120)는 다른 구성요소(예: 센서 모듈(1176) 또는 통신 모듈(1190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1132)에 저장하고, 휘발성 메모리(1132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(1120)는 메인 프로세서(1121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(1101)가 메인 프로세서(1121) 및 보조 프로세서(1123)를 포함하는 경우, 보조 프로세서(1123)는 메인 프로세서(1121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1123)는 메인 프로세서(1121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(1123)는, 예를 들면, 메인 프로세서(1121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1121)를 대신하여, 또는 메인 프로세서(1121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1121)와 함께, 전자 장치(1101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1160), 센서 모듈(1176), 또는 통신 모듈(1190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(1123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1180) 또는 통신 모듈(1190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(1123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(1101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(1130)는, 전자 장치(1101)의 적어도 하나의 구성요소(예: 프로세서(1120) 또는 센서 모듈(1176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1130)는, 휘발성 메모리(1132) 또는 비휘발성 메모리(1134)를 포함할 수 있다.
프로그램(1140)은 메모리(1130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1142), 미들 웨어(1144) 또는 어플리케이션(1146)을 포함할 수 있다.
입력 모듈(1150)은, 전자 장치(1101)의 구성요소(예: 프로세서(1120))에 사용될 명령 또는 데이터를 전자 장치(1101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(1155)은 음향 신호를 전자 장치(1101)의 외부로 출력할 수 있다. 음향 출력 모듈(1155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(1160)은 전자 장치(1101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(1160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(1170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(1170)은, 입력 모듈(1150)을 통해 소리를 획득하거나, 음향 출력 모듈(1155), 또는 전자 장치(1101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(1176)은 전자 장치(1101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(1176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(1177)는 전자 장치(1101)가 외부 전자 장치(예: 전자 장치(1102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(1177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(1178)는, 그를 통해서 전자 장치(1101)가 외부 전자 장치(예: 전자 장치(1102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(1178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(1179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(1180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(1188)은 전자 장치(1101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(1188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(1189)는 전자 장치(1101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(1189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1190)은 전자 장치(1101)와 외부 전자 장치(예: 전자 장치(1102), 전자 장치(1104), 또는 서버(1108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1190)은 프로세서(1120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(1190)은 무선 통신 모듈(1192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(1198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(1104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(1192)은 가입자 식별 모듈(1196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1198) 또는 제 2 네트워크(1199)와 같은 통신 네트워크 내에서 전자 장치(1101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(1192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(1192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(1192)은 전자 장치(1101), 외부 전자 장치(예: 전자 장치(1104)) 또는 네트워크 시스템(예: 제 2 네트워크(1199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(1192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(1197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(1197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(1197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(1198) 또는 제 2 네트워크(1199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(1197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(1197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시 예에 따르면, 명령 또는 데이터는 제 2 네트워크(1199)에 연결된 서버(1108)를 통해서 전자 장치(1101)와 외부의 전자 장치(1104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1102, 또는 1004) 각각은 전자 장치(1101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(1101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1102, 1004, 또는 1008) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(1101)로 전달할 수 있다. 전자 장치(1101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(1101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(1104) 또는 서버(1108)는 제 2 네트워크(1199) 내에 포함될 수 있다. 전자 장치(1101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(1101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1136) 또는 외장 메모리(1138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1101))의 프로세서(예: 프로세서(1120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
상술한 바와 같이, 일 실시 예에 따른 웨어러블 장치(예: 도 1의 웨어러블 장치(100))는 메모리(예: 도 3의 메모리(330)), 하우징(예: 도 2의 하우징(110)), 상기 하우징의 적어도 일부를 통해 노출되는 PPG(photoplethysmogram) 센서(예: 도 2의 PPG 센서(202)), 디스플레이(예: 도 2의 디스플레이(120)) 및 상기 디스플레이, 상기 메모리 및 상기 PPG 센서와 작동적으로 연결되는 적어도 하나의 프로세서(예: 도 3의 프로세서(310))를 포함하고, 상기 적어도 하나의 프로세서는 상기 PPG 센서를 통해 PPG 신호를 획득하고, 상기 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하고, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트 발생 이후의 상기 혈압 값들로부터 획득되는 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하고, 상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 상기 디스플레이를 통해서 표시할 수 있다.
일 실시 예에 따른 웨어러블 장치(100)는 상기 PPG 신호의 특징 정보는 상기 획득한 PPG 신호의 폭(duration), 높이(amplitude), 및 모양(morphology) 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따른 웨어러블 장치(100)는 모션 센서를 포함하고, 상기 모션 센서를 통해서 운동 내용 정보를 획득할 수 있다.
일 실시 예에 따르면 상기 모션 센서는 가속도 센서(accelerometer), 자이로 센서(gyro sensor), 기압 센서(barometer), 또는 자기 센서(magnetic sensor) 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 상기 운동 내용 정보는, 운동 종류, 운동 횟수, 최대 심박수 값 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따른 웨어러블 장치(100)는 상기 운동 시작 이벤트의 발생에 응답하여, 상기 모션 센서를 통해서 획득한 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 기반하여 상기 운동 파라미터 결정 모델을 생성할 수 있다.
일 실시 예에 따른 웨어러블 장치(100)는 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 대한 기계 학습을 통해서 상기 운동 파라미터 결정 모델을 업데이트할 수 있다.
일 실시 예에 따른 웨어러블 장치(100)는 상기 메모리에 약 복용 시간 정보를 저장하고, 상기 저장된 약 복용 시간 정보에 기초하여 상기 혈압 특징 정보 및 운동 내용 정보 사이의 관계를 결정할 수 있다.
일 실시 예에 따르면 상기 적어도 하나의 프로세서는 사용자가 상기 웨어러블 장치를 착용하는 것으로 판단되는 것에 응답하여, 자동으로 상기 PPG 신호를 획득할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 측정 모드가 감지되는 것에 응답하여 상기 PPG 신호를 획득할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 PPG 신호의 파형에 대한 분석 결과에 기반하여 상기 혈압 값을 결정하는 PWA(pulse wave analysis) 방식을 이용하여 상기 혈압 값들을 획득할 수 있다.
일 실시 예에 따른 웨어러블 장치(100)는 ECG 센서를 더 포함하고, 상기 적어도 하나의 프로세서는 상기 ECG 센서를 통해 ECG 신호를 획득하고, 상기 획득한 PPG 신호 데이터 및 상기 ECG 신호 데이터를 비교하여 상기 혈압 값을 결정하는 PWV(pulse wave velocity) 방식을 이용하여 상기 혈압 값들을 획득할 수 있다.
상술한 바와 같이 일 실시 예에 따른 웨어러블 장치(예: 도 1의 웨어러블 장치(100))의 동작 방법은 PPG 센서(예: 도 2의 PPG 센서(202))를 통해 PPG 신호를 획득하는 동작, 상기 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하는 동작, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트의 발생 이후의 상기 혈압 값들로부터 획득되는 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하는 동작, 상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 디스플레이를 통해서 표시하는 동작을 포함할 수 있다.
일 실시 예에 따른 웨어러블 장치의 동작 방법은, 모션 센서를 통해서 운동 내용 정보를 획득하는 동작을 포함할 수 있다.
일 실시 예에 따른 웨어러블 장치의 동작 방법은, 모션 센서를 통해서 운동 내용 정보를 획득하는 동작을 포함할 수 있다.
상술한 바와 같이, 일 실시 예에 따른 전자 장치(예: 도 9의 전자 장치(900))는 메모리, 웨어러블 장치와 통신하도록 구성된 통신회로, 디스플레이, 및 상기 메모리, 상기 통신회로 및 상기 디스플레이와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 통신회로를 통해, 상기 웨어러블 장치로부터 PPG 신호 값을 수신하고, 상기 PPG 신호 값에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하며, 운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트의 발생 이후의 혈압 값에 대한 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하고, 상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 상기 디스플레이를 통해서 표시할 수 있다.
일 실시 예에 따른 전자 장치(900)는 상기 통신회로를 통해, 상기 웨어러블 장치로부터 운동 내용 정보를 수신할 수 있다.
일 실시 예에 따른 전자 장치(900)는 상기 운동 시작 이벤트의 발생에 응답하여, 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 기반하여 상기 운동 파라미터 결정 모델을 생성할 수 있다.
일 실시 예에 따른 전자 장치(900)는 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 대한 기계 학습을 통해서 상기 운동 파라미터 결정 모델을 업데이트할 수 있다.
일 실시 예에 따른 전자 장치(900)는 상기 메모리에 약 복용 시간 정보를 저장하고, 상기 저장된 약 복용 시간 정보에 기초하여 상기 운동 내용 정보와 상기 혈압 특징 정보 사이의 관계를 결정할 수 있다.
Claims (20)
- 웨어러블 장치에 있어서,
메모리;
하우징;
상기 하우징의 적어도 일부를 통해 노출되는 PPG(photoplethysmogram) 센서;
디스플레이; 및
상기 디스플레이, 상기 메모리 및 상기 PPG 센서와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는:
상기 PPG 센서를 통해 PPG 신호를 획득하고,
상기 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하고,
운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트 발생 이후의 상기 혈압 값들로부터 획득되는 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하고,
상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 상기 디스플레이를 통해서 표시하는, 웨어러블 장치. - 청구항 1에 있어서,
상기 PPG 신호의 특징 정보는 상기 획득한 PPG 신호의 폭(duration), 높이(amplitude), 및 모양(morphology) 중 적어도 하나를 포함하는, 웨어러블 장치. - 청구항 1에 있어서,
모션 센서를 포함하고, 상기 적어도 하나의 프로세서는 상기 모션 센서를 통해서 운동 내용 정보를 획득하는, 웨어러블 장치. - 청구항 3에 있어서,
상기 모션 센서는 가속도 센서(accelerometer), 자이로 센서(gyro sensor), 기압 센서(barometer), 또는 자기 센서(magnetic sensor) 중 적어도 하나를 포함하는, 웨어러블 장치. - 청구항 3에 있어서,
상기 운동 내용 정보는, 운동 종류, 운동 횟수, 최대 심박수 값 중 적어도 하나를 포함하는, 웨어러블 장치. - 청구항 3에 있어서,
상기 적어도 하나의 프로세서는 상기 운동 시작 이벤트의 발생에 응답하여, 상기 모션 센서를 통해서 획득한 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 기반하여 상기 운동 파라미터 결정 모델을 생성하는, 웨어러블 장치. - 청구항 6에 있어서,
상기 적어도 하나의 프로세서는 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 대한 기계 학습을 통해서 상기 운동 파라미터 결정 모델을 업데이트하는, 웨어러블 장치. - 청구항 1에 있어서,
상기 적어도 하나의 프로세서는 상기 메모리에 약 복용 시간 정보를 저장하고, 상기 저장된 약 복용 시간 정보에 기초하여 상기 혈압 특징 정보 및 운동 내용 정보 사이의 관계를 결정하는, 웨어러블 장치. - 청구항 1에 있어서,
상기 적어도 하나의 프로세서는 사용자가 상기 웨어러블 장치를 착용하는 것으로 판단되는 것에 응답하여, 자동으로 상기 PPG 신호를 획득하는 웨어러블 장치. - 청구항 1에 있어서,
상기 적어도 하나의 프로세서는 측정 모드가 감지되는 것에 응답하여 상기 PPG 신호를 획득하는 웨어러블 장치. - 청구항 1에 있어서,
상기 적어도 하나의 프로세서는 상기 PPG 신호의 파형에 대한 분석 결과에 기반하여 상기 혈압 값을 결정하는 PWA(pulse wave analysis) 방식을 이용하여 상기 혈압 값들을 획득하는, 웨어러블 장치. - 청구항 1에 있어서,
ECG 센서를 더 포함하고,
상기 적어도 하나의 프로세서는:
상기 ECG 센서를 통해 ECG 신호를 획득하고,
상기 획득한 PPG 신호 데이터 및 상기 ECG 신호 데이터를 비교하여 상기 혈압 값을 결정하는 PWV(pulse wave velocity) 방식을 이용하여 상기 혈압 값들을 획득하는, 웨어러블 장치. - 웨어러블 장치의 동작 방법에 있어서,
PPG 센서를 통해 PPG 신호를 획득하는 동작;
상기 획득한 PPG 신호의 특징 정보에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하는 동작;
운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트의 발생 이후의 상기 혈압 값들로부터 획득되는 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하는 동작;
상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 디스플레이를 통해서 표시하는 동작을 포함하는, 웨어러블 장치의 동작 방법. - 청구항 13에 있어서,
모션 센서를 통해서 운동 내용 정보를 획득하는 동작을 포함하는, 웨어러블 장치. - 청구항 13에 있어서,
모션 센서를 통해서 운동 내용 정보를 획득하는 동작을 포함하는, 웨어러블 장치. - 전자 장치에 있어서,
메모리;
웨어러블 장치와 통신하도록 구성된 통신회로;
디스플레이; 및
상기 메모리, 상기 통신회로 및 상기 디스플레이와 작동적으로 연결되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는:
상기 통신회로를 통해, 상기 웨어러블 장치로부터 PPG 신호 값을 수신하고,
상기 PPG 신호 값에 기초하여 복수의 연속된 시간 구간들에 대한 혈압 값들을 획득하며,
운동 시작 이벤트가 발생한 이후, 운동 종료 이벤트의 발생에 응답하여, 상기 운동 종료 이벤트의 발생 이후의 혈압 값에 대한 혈압 특징 정보를 기반으로 운동 파라미터 결정 모델을 생성하고,
상기 생성된 운동 파라미터 결정 모델에 기반하여 획득된 정보를 상기 디스플레이를 통해서 표시하는, 전자 장치. - 청구항 16에 있어서,
상기 적어도 하나의 프로세서는 상기 통신회로를 통해, 상기 웨어러블 장치로부터 운동 내용 정보를 수신하는, 전자 장치. - 청구항 17에 있어서,
상기 적어도 하나의 프로세서는 상기 운동 시작 이벤트의 발생에 응답하여, 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 기반하여 상기 운동 파라미터 결정 모델을 생성하는, 전자 장치. - 청구항 18에 있어서,
상기 적어도 하나의 프로세서는 상기 운동 내용 정보 및 상기 혈압 특징 정보 사이의 관계에 대한 기계 학습을 통해서 상기 운동 파라미터 결정 모델을 업데이트하는, 전자 장치. - 청구항 17에 있어서,
상기 적어도 하나의 프로세서는 상기 메모리에 약 복용 시간 정보를 저장하고, 상기 저장된 약 복용 시간 정보에 기초하여 상기 운동 내용 정보와 상기 혈압 특징 정보 사이의 관계를 결정하는, 전자 장치.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200177741A KR20220087658A (ko) | 2020-12-17 | 2020-12-17 | 운동 가이드를 제공하는 전자 장치 및 그 동작 방법 |
| EP21906961.4A EP4223373A4 (en) | 2020-12-17 | 2021-12-07 | ELECTRONIC DEVICE FOR PROVIDING EXERCISE GUIDANCE AND OPERATING METHOD THEREFOR |
| PCT/KR2021/018435 WO2022131657A1 (ko) | 2020-12-17 | 2021-12-07 | 운동 가이드를 제공하는 전자 장치 및 그 동작 방법 |
| US18/109,978 US20230191198A1 (en) | 2020-12-17 | 2023-02-15 | Electronic apparatus and operation method for providing of workout guide thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200177741A KR20220087658A (ko) | 2020-12-17 | 2020-12-17 | 운동 가이드를 제공하는 전자 장치 및 그 동작 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220087658A true KR20220087658A (ko) | 2022-06-27 |
Family
ID=82059204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200177741A KR20220087658A (ko) | 2020-12-17 | 2020-12-17 | 운동 가이드를 제공하는 전자 장치 및 그 동작 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230191198A1 (ko) |
| EP (1) | EP4223373A4 (ko) |
| KR (1) | KR20220087658A (ko) |
| WO (1) | WO2022131657A1 (ko) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12080421B2 (en) | 2013-12-04 | 2024-09-03 | Apple Inc. | Wellness aggregator |
| US10736543B2 (en) | 2016-09-22 | 2020-08-11 | Apple Inc. | Workout monitor interface |
| US10845955B2 (en) | 2017-05-15 | 2020-11-24 | Apple Inc. | Displaying a scrollable list of affordances associated with physical activities |
| DK202070616A1 (en) | 2020-02-14 | 2022-01-14 | Apple Inc | User interfaces for workout content |
| US20230390626A1 (en) * | 2022-06-05 | 2023-12-07 | Apple Inc. | User interfaces for physical activity information |
| US11977729B2 (en) | 2022-06-05 | 2024-05-07 | Apple Inc. | Physical activity information user interfaces |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130111713A (ko) * | 2012-04-02 | 2013-10-11 | 삼성전자주식회사 | 생체 신호 측정 장치 및 방법 |
| KR101694606B1 (ko) * | 2015-03-05 | 2017-01-09 | 재단법인 다차원 스마트 아이티 융합시스템 연구단 | 사용자 모니터링을 위한 착용형 장치 및 시스템 |
| JP2017176541A (ja) * | 2016-03-30 | 2017-10-05 | シチズン時計株式会社 | 電子血圧計 |
| KR102562817B1 (ko) * | 2018-05-16 | 2023-08-02 | 삼성전자주식회사 | 혈압 측정을 위한 전자 장치 및 그의 동작 방법 |
| KR102564269B1 (ko) * | 2018-06-07 | 2023-08-07 | 삼성전자주식회사 | 생체 정보를 이용하여 운동 정보를 제공하기 위한 전자 장치 및 그의 동작 방법 |
-
2020
- 2020-12-17 KR KR1020200177741A patent/KR20220087658A/ko active Search and Examination
-
2021
- 2021-12-07 WO PCT/KR2021/018435 patent/WO2022131657A1/ko unknown
- 2021-12-07 EP EP21906961.4A patent/EP4223373A4/en active Pending
-
2023
- 2023-02-15 US US18/109,978 patent/US20230191198A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4223373A4 (en) | 2024-04-10 |
| WO2022131657A1 (ko) | 2022-06-23 |
| EP4223373A1 (en) | 2023-08-09 |
| US20230191198A1 (en) | 2023-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20220087658A (ko) | 운동 가이드를 제공하는 전자 장치 및 그 동작 방법 | |
| KR102680411B1 (ko) | 혈압 캘리브레이션 시점 검출 방법 및 장치 | |
| KR102564269B1 (ko) | 생체 정보를 이용하여 운동 정보를 제공하기 위한 전자 장치 및 그의 동작 방법 | |
| US10559220B2 (en) | Systems and methods for creating a neural network to provide personalized recommendations using activity monitoring devices with biometric sensors | |
| US10292606B2 (en) | System and method for determining performance capacity | |
| US20230233153A1 (en) | Wearable device and method for measuring biometric information | |
| US20160051185A1 (en) | System and method for creating a dynamic activity profile using earphones with biometric sensors | |
| US10420474B2 (en) | Systems and methods for gathering and interpreting heart rate data from an activity monitoring device | |
| KR20220080972A (ko) | 수면 무호흡을 검출하기 위한 방법 및 이를 지원하는 전자 장치 | |
| US11730377B2 (en) | Electronic device and method for providing information on cardiovascular state of user | |
| KR20220127598A (ko) | 업무 강도에 기반한 업무 관련 정보를 제공하는 전자 장치 및 그 방법 | |
| EP4295759A1 (en) | Wearable electronic apparatus for measuring blood pressure and operating method therefor | |
| KR20220127602A (ko) | 심박수 예측 모델을 제공하는 전자 장치 및 그 동작 방법 | |
| KR20220135720A (ko) | 사용자 자세에 기반하여 혈압을 측정하는 전자 장치 및 그 제어 방법 | |
| CN117099166A (zh) | 用于使用医疗数据提供锻炼程序的电子装置及其方法 | |
| US20230079489A1 (en) | Wearable device and method for measuring biometric information | |
| EP4233703A1 (en) | Electronic device for providing personalized guide based on blood-pressure-related information, and method therefor | |
| KR20220159772A (ko) | 혈압을 모니터링하기 위한 전자 장치 및 그의 동작 방법 | |
| KR20220120840A (ko) | 혈압 관련 정보에 기반한 개인화 가이드를 제공하는 전자 장치 및 그 방법 | |
| US20230165531A1 (en) | Electronic device for providing biometric information and operating method thereof | |
| US20220175311A1 (en) | Method for detecting sleep apnea and electronic device for supporting the same | |
| US20220338743A1 (en) | Electronic device and method for providing health information based on electrocardiogram in electronic device | |
| EP4335477A1 (en) | Electronic device providing user interface in accordance with sleeping state, and operation method thereof | |
| KR20240092514A (ko) | 생체 정보를 측정하기 위한 전자 장치 및 그 전자 장치에서의 동작 방법 | |
| KR20230138373A (ko) | 혈관 경직도를 측정하기 위한 전자 장치, 방법 및 저장 매체 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |