KR20230031235A

KR20230031235A - 개선된 피부 온도 모니터링을 위한 방법, 시스템 및 장치

Info

Publication number: KR20230031235A
Application number: KR1020227046082A
Authority: KR
Inventors: 린지 선덴; 아니켓 산제이 데쉬판데; 벨렌 라폰
Original assignee: 피트비트 엘엘씨
Priority date: 2021-07-20
Filing date: 2021-09-23
Publication date: 2023-03-07
Also published as: US20230355103A1; US11426079B1; JP2023545233A; US11737675B2; CN115942900A; WO2023003579A1; JP7471472B2; US20230028012A1; EP4154272A1

Abstract

본 발명은 개선된 피부 온도 모니터링을 위한 컴퓨터로 구현되는 방법, 시스템 및 장치를 제공한다. 피부 및 주변 온도의 정확한 추정치는 예시 장치에 포함된 또는 장치 내에 포함된 피부 및 내부 장치 온도 센서 측정값의 결정 및 비교를 기반으로 생성된다. 피부 및 주변 온도 측정의 추정치는 피부 및 심부 온도 변화를 모니터링하고, 예시적인 장치의 착용자의 생리학적 이벤트를 검출하고, 피부 온도 변화가 환경적으로 또는 생리학적으로 유발되는 시기를 결정하는 것을 용이하게 한다.

Description

개선된 피부 온도 모니터링을 위한 방법, 시스템 및 장치

본 발명은 일반적으로 건강 모니터링 및 건강 모니터링을 위한 웨어러블 장치에 관한 것이다. 보다 구체적으로, 본 발명은 개선된 피부 온도 모니터링을 위한 방법 및 장치에 관한 것이다.

피부 온도 데이터는 주변 온도의 변화에 의해 좌우될 수 있다. 따라서 피부 온도 모니터링을 제공하는 장치는 센서 오류와 관련 없는 부정확성을 가져올 수 있다. 환경적으로 유도된 피부 온도 변화와 생리학적으로 유도된 피부 온도 변화를 구별하기 위한 방법, 시스템 및 장치가 필요하다.

본 발명의 실시예의 양태 및 장점은 이하의 설명에서 부분적으로 설명되거나, 설명으로부터 학습될 수 있거나, 실시예의 실시를 통해 학습될 수 있다.

본 개시내용의 하나의 예시적인 양태는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법에 관한 것이다. 이 방법은 하나 이상의 컴퓨팅 장치를 포함하는 컴퓨팅 시스템에 의해, 웨어러블 장치 내에 포함된 내부 장치 온도 센서로부터 수신된 센서 데이터에 기초하여 사용자가 착용한 웨어러블 장치의 내부 장치 온도를 결정하는 단계를 포함한다. 방법은 또한 컴퓨팅 시스템에 의해 웨어러블 장치 상에 또는 그 안에 포함된 피부 온도 센서로부터 수신된 센서 데이터에 기초하여 사용자의 피부 온도의 제1 추정치를 결정하는 단계를 포함한다. 다음으로, 방법은 내부 장치 온도와 피부 온도의 제1 추정치를 적어도 부분적으로 기초로 컴퓨팅 시스템에 의해 주변 공기 온도를 추정하는 것을 포함한다. 그 다음 방법은 피부 온도의 제2 추정치를 생성하기 위해 컴퓨팅 시스템에 의해 추정된 주변 공기 온도에 적어도 부분적으로 기초하여 피부 온도의 제1 추정치를 리파이닝하는 단계를 포함한다.

본 개시내용의 다른 예시적인 양태는 사용자에 의해 착용되도록 구성된 장치 하우징을 포함하는 웨어러블 장치에 관한 것이며, 웨어러블 장치는 장치 하우징 내에 포함된 하나 이상의 프로세서, 장치 하우징 상에 또는 내에 포함되고 피부 온도 센서 데이터를 생성하도록 구성된 하나 이상의 피부 온도 센서, 장치 하우징 내에 포함되고 내부 장치 온도 센서 데이터를 생성하도록 구성된 하나 이상의 내부 장치 온도 센서, 장치 하우징 내에 포함되고 하나 이상의 프로세서에 의해 실행될 때 웨어러블 장치로 하여금 동작들을 수행하게 하는 명령어를 저장한 비일시적 컴퓨터 판독 가능 메모리를 포함한다. 특히, 동작들은, 웨어러블 장치 내에 포함된 하나 이상의 내부 장치 온도 센서로부터 수신된 내부 장치 온도 센서 데이터에 적어도 부분적으로 기초하여 장치 하우징 내의 내부 장치 온도를 결정하는 동작; 장치 하우징 상에 또는 내부에 포함된 피부 온도 센서로부터 수신된 센서 데이터에 기초하여 사용자의 피부 온도의 제1 추정치를 결정하는 동작; 내부 장치 온도와 피부 온도의 제1 추정치를 적어도 부분적으로 기초하여 주변 공기 온도를 추정하는 동작; 그리고 피부 온도의 제2 추정치를 생성하기 위해 추정된 주변 공기 온도에 적어도 부분적으로 기초하여 피부 온도의 제1 추정치를 리파이닝하는 동작을 포함할 수 있다.

본 발명의 다른 예시적인 양태는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법에 관한 것이다. 이 방법은 하나 이상의 컴퓨팅 장치를 포함하는 컴퓨팅 시스템에 의해, 웨어러블 장치 내에 포함된 내부 장치 온도 센서로부터 수신된 센서 데이터에 기초하여 사용자가 착용한 웨어러블 장치의 내부 장치 온도를 결정하는 단계를 포함한다. 다음으로, 방법은 컴퓨팅 시스템에 의해 웨어러블 장치 상에 또는 그 안에 포함된 피부 온도로부터 수신된 센서 데이터에 기초하여 사용자의 피부 온도의 제1 추정치를 결정하는 단계를 포함한다. 다음 방법은 피부 온도의 제2 추정치를 생성하기 위해 컴퓨팅 시스템에 의해 웨어러블 장치의 내부 장치 온도에 적어도 부분적으로 기초하여 피부 온도의 제1 추정치를 리파이닝하는 단계를 포함한다. 그 다음 방법은 컴퓨팅 시스템에 의해 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 하나 이상의 생리학적 이벤트를 결정하는 단계를 포함한다.

당업자에게 지시된 실시예의 상세한 설명은 첨부된 도면을 참조하는 명세서에 기재되어 있다.
도 1은 본 개시내용의 예시적인 실시예에 따른 예시적인 웨어러블 장치의 정면도를 도시한다.
도 2는 본 발명의 예시적인 실시예에 따른 예시적인 웨어러블 장치의 배면도를 도시한다.
도 3은 본 발명의 예시적인 실시예에 따른 하우징 내에 포함된 내부 장치 온도 센서를 보여주는 예시적인 웨어러블 장치의 내부 측면도를 도시한다.
도 4는 본 발명의 예시적인 실시예에 따른 하우징 내에 포함된 피부 온도 센서를 보여주는 예시적인 웨어러블 장치의 내부 측면도를 도시한다.
도 5는 본 발명의 예시적인 실시예에 따른 예시적인 피부 온도 노이즈 제거(denoising) 방법의 단계 흐름을 도시한다.
도 6은 본 발명의 예시적인 실시예에 따른 예시적인 생리학적 이벤트 검출 시스템을 도시한다.
도 7은 본 발명의 예시적인 실시예에 따른 생리학적 이벤트 검출 시스템의 다른 예를 도시한다.
도 8은 본 발명의 예시적인 실시예에 따른 생리학적 이벤트 검출 시스템의 다른 예를 도시한다.
도 9는 본 발명의 예시적인 실시예에 따른 예시적인 컴퓨팅 시스템을 도시한다.
도 10은 본 개시내용의 예시적인 실시예에 따른 웨어러블 장치의 예시적인 온도 데이터의 그래프를 도시한다.
도 11은 본 발명의 예시적인 실시예에 따른 웨어러블 장치의 예시적인 내부 장치 및 피부 온도 센서 데이터의 그래프를 도시한다.
도 12는 본 발명의 예시적인 실시예에 따른 예시적인 내부 장치 및 피부 온도 차이 데이터의 그래프를 도시한다.
도 13은 본 발명의 예시적인 실시예에 따른 복수의 웨어러블 장치의 예시적인 온도 데이터의 그래프를 도시한다.
도 14는 본 발명의 예시적인 실시예에 따른 주변 온도 추정 예측의 예시적인 선형 회귀 모델을 예시하는 그래프를 도시한다.
도 15는 본 개시내용의 예시적인 실시예에 따른 열(fever)로부터 일수에 대한 예시적인 피부 온도 변화의 그래프를 도시한다.
도 16은 본 발명의 예시적인 실시예에 따른 수면 데이터를 포함하는 예시적인 온도 변화의 그래프를 도시한다.

개요

일반적으로, 본 발명은 개선된 피부 온도 모니터링을 위한 방법 및 장치와 같은 건강 모니터링 및 건강 모니터링을 위한 웨어러블 장치에 관한 것이다. 특히, 본 발명의 예시적인 양태는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법을 포함한다. 본 개시내용의 방법은 사람의 심부 온도(체온)의 의미 있는 변화를 관측하고 사람의 건강과 연관된 생리학적(physiological) 트렌드 및 이벤트를 식별할 수 있게 한다.

특히, 사람의 피부 온도는 사람의 심부 온도 변화에 따라 변할 것으로 예상된다. 때때로 사람의 피부 온도와 심부 온도 사이에 양의 상관관계가 있을 수 있는 반면, 다른 경우에는 이 관계가 역의 변화를 초래할 수 있다. 예를 들어, 때때로 사람의 신체는 열을 유발하기 위해 심부 온도를 높이고 사지의 관류를 줄임으로써 심부 온도가 상승하는 동안 피부 온도가 낮아질 것으로 예상된다. 이러한 생리학적으로 유도된 발달은 다른 데이터 스트림을 관측하면 가능하지 않을 수 있는 온도 데이터 스트림의 비교에서 트렌드(trends)을 관측할 수 있는 가능성을 허용한다. 한편, 피부 온도 변화는 주변 온도의 변화에 의해 지배될 수 있으므로 생리학적 변화와 연관된 피부 온도 변화를 식별하기 어렵다. 따라서 생리학적으로 유발된 피부 온도 변화와 환경적으로 유발된 피부 온도 변화를 구분하는 방법이 필요하다.

이러한 문제점을 고려하여, 본 발명은 개선된 피부 온도 모니터링을 위한 컴퓨터 구현 시스템 및 방법을 제공한다. 일부 구현에서, 본 발명의 방법은 웨어러블 장치 내에 포함된 하나 이상의 센서로부터의 센서 데이터에 적어도 부분적으로 기초하여 사용자가 착용한 웨어러블 장치의 내부 온도를 결정하는 컴퓨팅 시스템을 수반한다. 일 예에서, 웨어러블 장치는 손목 밴드, 팔찌, 손목 시계, 완장, 사용자의 손가락 주위에 끼우는 반지 또는 본 개시에서 설명된 센서가 장착될 수 있는 다른 웨어러블 제품일 수 있다. 다른 예로서, 장치의 내부 온도를 측정하는 하나 이상의 센서는 웨어러블 장치의 하우징 내에 포함될 수 있지만 사용자의 피부와 열 접촉하지 않을 수 있다. 본 예에 따라 장치의 내부 온도를 측정하는 하나 이상의 센서를 배치하면, 센서는 사용자의 피부 온도와 상관 관계가 있을 수 있지만 전용 피부 온도 센서와 비교할 때 외부 공기 온도의 영향을 더 많이 받을 수도 있다.

다른 양태에 따르면, 본 발명의 방법은 사용자와 열 접촉하고 웨어러블 장치 내에 포함된 하나 이상의 피부 온도 센서로부터 수신된 센서 데이터에 기초하여 사용자의 피부 온도의 제1 추정치를 결정하는 컴퓨팅 시스템을 포함한다. 다른 예에서, 웨어러블 장치는 사용자의 피부와 접촉하도록 구성된 열 전도성 베이스플레이트를 포함할 수 있다. 이 예에서, 베이스플레이트의 온도를 측정하도록 하나 이상의 피부 온도 센서를 구성할 수 있다. 사용자의 피부 온도의 제1 추정치를 측정하는 하나 이상의 센서가 이러한 방식으로 배열될 때, 센서는 예를 들어 전술한 내부 장치 온도 센서 및/또는 전용 주변 공기 온도 센서와 비교할 때 외부 공기의 온도에 의해 덜 영향을 받을 수 있다.

본 발명의 다른 양태에 따르면, 컴퓨팅 시스템은 내부 장치 온도와 피부 온도의 제1 추정치에 적어도 부분적으로 기초하여 주변 공기 온도를 추정할 수 있다. 일부 구현에서, 컴퓨팅 시스템은 피부 온도의 제1 추정치와 웨어러블 장치의 내부 온도 사이의 차이를 결정함으로써 주변 공기 온도를 추정한다. 예에서, 추정된 주변 공기 온도는 전술한 바와 같이 온도 차이에 대응하는 데이터 세트의 하나 이상의 평활화(smoothing) 또는 커브 피팅(curve fitting) 프로세스의 산물일 수 있다. 일부 구현에서, 컴퓨팅 시스템은 기계 학습 모델로 웨어러블 장치의 내부 온도 및 피부 온도의 제1 추정치를 프로세싱함으로써 주변 공기 온도를 추정할 수 있다. 하나의 예로서, 기계 학습 모델은 선형 회귀 모델, 신경망(예: 순환 신경망) 또는 클러스터링 모델을 포함할 수 있다. 일부 구현에서, 컴퓨팅 시스템은 기계 학습 모델에 의한 예측 출력으로서 주변 공기 온도를 수신할 수 있다.

본 발명의 또 다른 양태에 따르면, 컴퓨팅 시스템은 피부 온도의 제1 추정치 및 내부 장치 온도에 적어도 부분적으로 기초하여 피부 온도의 중간 추정치를 생성할 수 있다. 피부 온도의 중간 추정치는 피부 온도의 제2 추정치를 생성하는 데 도움이 되도록 주변 온도 추정치에 적어도 부분적으로 기초하여 더 리파이닝될 수 있다(refined). 예에서, 피부 온도의 중간 추정치는 전술한 바와 같이 온도 차이에 대응하는 데이터 세트의 하나 이상의 평활화 또는 커브 피팅 프로세스의 산물일 수 있다. 일부 구현에서, 컴퓨팅 시스템은 기계 학습 모델로 웨어러블 장치의 내부 온도 및 피부 온도의 제1 추정치를 프로세싱함으로써 피부 온도의 중간 추정치를 생성할 수 있다. 하나의 예로서, 기계 학습 모델은 선형 회귀 모델, 신경망(예: 순환 신경망) 또는 클러스터링 모델을 포함할 수 있다. 일부 구현에서, 컴퓨팅 시스템은 기계 학습 모델에 의한 예측 출력으로서 피부 온도의 중간 추정치를 수신할 수 있다.

일부 구현에서, 컴퓨팅 시스템은 웨어러블 장치 내에 포함된 추가 주변 센서로부터 취한 추가 주변 센서 데이터에 적어도 부분적으로 기초하여 주변 공기 온도 추정치를 조정할 수 있다. 일부 구현에서, 추가적인 주변 센서는 위치 센서(예를 들어, 글로벌 포지셔닝 센서), 지오 센서, 날씨 센서, 동작 센서, 고도 센서, 고도계 온도 센서, 주변 광 센서, 심박수 센서 및 기타 생리학적 센서를 포함할 수 있다. 예에서, 컴퓨팅 시스템은 웨어러블 장치 내에 포함된 주변 광 센서가 덮여 있는지 여부를 관측할 수 있다. 이 예에서, 컴퓨팅 시스템은 덮여진 주변광 센서를 기반으로 더 따뜻한 주변 온도를 추론할 수 있으며, 이는 피부 온도 추정치를 결정하는 데 도움이 될 수 있으며 따라서 피부 온도, 피부 온도 변화 및 피부 온도 변화 속도를 기반으로 하는 생리학적 트렌드를 확인할 수 있다. 일부 구현에서, 컴퓨팅 시스템은 웨어러블 장치에 의해 수집된 사용자의 수면 데이터에 적어도 부분적으로 기초하여 주변 공기 온도 추정치를 조정할 수 있다. 일부 구현들에서, 수면 데이터의 예들은 사용자가 깨어 있는지 잠들어 있는지를 나타내는 데이터, 사용자의 수면 계수, 및 사용자의 심박수를 포함할 수 있다. 사용자가 잠든 경우 데이터에는 사용자가 움직이고 있는지(예: 리포지셔닝(repositioning))를 나타내는 정보와 사용자가 경험하고 있는 수면 유형(예: 불안한 수면, 가벼운 수면, 깊은 수면, REM(rapid eye movement) 수면)의 특성도 포함될 수 있다. 예에서, 컴퓨팅 시스템은 수면 동안 사용자의 리포지셔닝(repositioning)이 사용자의 체온(온도) 조절 주기의 함수이고 따라서 사용자 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 사용자의 심부 온도의 결정을 돕는다고 추론할 수 있다.

본 발명의 또 다른 양태에 따르면, 방법은 피부 온도의 제2 추정치를 생성하기 위해 추정된 주변 공기 온도 또는 피부 온도의 중간 추정치에 적어도 부분적으로 기초하여 피부 온도의 제1 추정치를 리파이닝하는 컴퓨팅 시스템을 포함한다. 예에서, 피부 온도의 제2 추정치는 추정된 주변 공기 온도에 대응하는 데이터 세트의 하나 이상의 평활화 또는 커브 피팅 프로세스의 산물일 수 있다. 일부 구현에서, 컴퓨팅 시스템은 추정된 주변 공기 온도 또는 피부 온도의 제2 추정치와 연관된 신뢰도 값을 수정한다. 일례로, 피부 온도의 제1 추정치 또는 추정된 주변 공기 온도와 웨어러블 장치의 내부 온도 사이의 온도 차이가 감소함에 따라 신뢰도 값이 증가할 수 있다. 달리 말하면, 피부 온도의 제1 추정치 또는 추정된 주변 공기 온도와 웨어러블 장치의 내부 온도 사이의 더 작은 온도 차이는 피부 온도의 제2 추정치에 대한 더 큰 신뢰도와 동일할 수 있다. 또 다른 예로서, 더 작은 온도 차이는 또한 주변 온도가 사용자의 피부 온도 변화를 야기할 가능성이 적다는 것을 의미할 수 있다.

본 발명의 다른 양태에 따르면, 방법은 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 사용자의 하나 이상의 생리학적 이벤트(physiological events)를 결정하는 컴퓨팅 시스템을 포함한다. 일부 구현예에서, 생리학적 이벤트는 열(fever), 일주기 리듬(circadian rhythm), 월경 주기, 배란(ovulation), 열 스트레스 및 TC(thermal comfort)을 포함할 수 있다. 생리학적 이벤트의 검출은 생리학적 이벤트의 온셋(onset) 검출, 이벤트의 진행 중인 상태의 결정, 및/또는 이벤트의 미래 상태에 대한 예측(예: 다음 6시간 내에 최고 열이 발생할 것으로 예상됨)과 같은 생리학적 이벤트의 상태의 검출 또는 결정을 포함할 수 있다. 예에서, 컴퓨팅 시스템은 사용자의 피부 온도가 상승한 후 수집된 피부 온도의 제2 추정치의 데이터 세트를 평활화(smoothing)하여 열(fever)을 검출할 수 있다.

일부 구현에서, 컴퓨팅 시스템은 피부 온도의 제2 추정치에 기초하여 사용자의 심부 온도를 추정할 수 있다. 예에서, 사용자의 추정된 심부 온도는 다양한 빈도에서 그리고 사용자의 상이한 수면 단계(예를 들어, 깨어 있거나 잠든 상태) 동안 수집된 피부 온도의 제2 추정치를 기초로 할 수 있다. 일부 구현에서, 컴퓨팅 시스템은 생리학적으로 유도된 심부 온도 변화를 환경적으로 유발된 심부 온도 변화와 구별한다. 일부 구현들에서, 컴퓨팅 시스템은 피부 온도의 제2 추정치에서 트랜지션(transition)을 검출하기 위해 피부 온도의 제2 추정치에서 변화율을 모니터링할 수 있다. 일례로서, 컴퓨팅 시스템은 검출된 트랜지션에 기초하여 생리학적 이벤트를 결정할 수 있다. 일부 예에서, 생리학적 이벤트은 열의 온셋(onset), 일주기 리듬, 월경 주기, 배란, 열 스트레스 및 TC(thermal comfort)을 포함할 수 있다.

본 발명의 방법 및 장치는 사람의 진정한 피부 온도에 대한 더 높은 신뢰 추정치 결정, 사람의 심부 온도의 의미 있는 변화 관측, 사람의 건강과 연관된 생리학적 트렌드 및 이벤트 식별을 포함하여 많은 기술적 효과와 이점을 제공한다.

본 발명은 또한 사용자가 원시 데이터뿐만 아니라 데이터로부터 추론된 트렌드 및 이벤트를 관측할 수 있도록 하는 방식으로 복수의 센서로부터의 데이터를 결합 및 분석함으로써 웨어러블 장치 내의 센서로부터 수신된 데이터의 리파이닝을 가능하게 한다. 이러한 방식으로, 본 발명은 또한 웨어러블 장치 내의 추가 센서에 대한 필요성을 제거하여 장치 공간 및 프로세서 사용량을 절약할 수 있다. 본 발명은 또한 더 효율적이고 예측 가능하며 유용한 방식으로 장치의 센서를 구현함으로써 피부 온도를 모니터링하는 더 정확한 장치를 허용한다.

이제 도면을 참조하여, 본 발명의 예시적인 실시예가 더 상세히 설명될 것이다.

예시적인 방법, 시스템 및 장치

도 1은 본 개시내용의 예시적인 실시예에 따른 예시적인 웨어러블 장치(100)의 정면도를 도시한다. 도 1의 웨어러블 장치(100)는 손목시계이지만, 본 발명의 시스템 및 방법은 손목 밴드, 팔찌, 손목 시계, 완장, 머리띠, 안경, 이어버드, 손가락 주위에 낑는 반지, 컴퓨터가 내장된 의류 품목 및/또는 본 개시내용에 기재된 바와 같은 센서가 장착될 수 있는 기타 웨어러블 제품과 같은 임의의 다른 유형의 웨어러블 장치에 적용될 수 있다. 웨어러블 장치(100)는 디스플레이(102), 장치 하우징(104) 및 밴드(106)로 구성될 수 있다.

일부 구현에서, 웨어러블 장치(100)는 디스플레이(102) 및/또는 햅틱 장치, 발광 다이오드 등과 같은 임의의 다른 데이터 출력 장치를 통해 사용자에게 데이터를 전달하도록 구성될 수 있다. 통신되는 데이터는 피부 온도, 심박수, 수면 상태(예를 들어, 가수면, 깊은 수면 및 REM 수면), 수면 계수(예를 들어, 수면 점수) 및 사용자의 다른 생리학적 데이터(예: 혈중 산소 수치)에 관한 데이터를 포함할 수 있다. 디스플레이(102)는 또한 웨어러블 장치(100)에 포함된 또는 웨어러블 장치에 포함된 추가적인 주변 센서로부터 데이터를 전달하도록 구성될 수 있다. 이러한 추가적인 주변 센서들로부터 디스플레이(102)에 의해 전달되는 예시적인 정보는 사용자와 연관된 위치의 고도, 날씨 및 포지셔닝(positioning)을 포함할 수 있다. 디스플레이(102)는 또한 사용자의 움직임(예: 사용자가 움직이지 않는지, 걷고 있는지, 달리고 있는지)에 관한 데이터를 전달할 수 있다.

일부 구현에서, 디스플레이(102)는 사용자의 생리학적 이벤트에 대한 정보를 표시하도록 구성될 수 있다. 디스플레이될 수 있는 예시적인 생리학적 이벤트는 열, 일주기 리듬, 월경 주기, 배란, 열 스트레스 및 사용자의 TC(thermal comfort)을 포함한다. 디스플레이(102)는 또한 사용자의 생리학적 이벤트의 검출에 관한 정보를 전달할 수 있다. 이렇게 구성하고, 디스플레이(102)는 생리학적 이벤트의 온셋의 검출, 이벤트의 진행 중인 상태의 결정, 및/또는 이벤트의 미래 상태에 대한 예측(예: 다음 6시간 내에 최고 열이 발생할 것으로 예상됨)과 같은 생리학적 이벤트의 상태의 검출 또는 결정을 사용자에게 전달할 수 있다.

디스플레이(102) 또는 다른 데이터 입력 장치(예를 들어, 다양한 터치 센서 및/또는 물리적 버튼, 스위치 또는 토글)는 또한 사용자에 의해 입력된 데이터를 수신하도록 구성될 수 있다. 사용자가 입력한 데이터의 예로는 증상, 수면 상태, 배란, 월경 및 기타 사용자의 건강과 연관된 생리학적 정보에 대한 정보가 포함될 수 있다.

장치 하우징(104)은 하나 이상의 센서를 포함하도록 구성될 수 있다. 장치 하우징(104)에 포함된 예시적인 센서는 피부 온도 센서, 내부 장치 온도 센서, 위치 센서(예: GPS), 모션(동작) 센서, 고도 센서, 심박수 센서 및 기타 생리학적 센서(예: 혈중 산소 농도 센서)를 포함할 수 있다. 장치 하우징(104)은 하나 이상의 프로세서를 포함하도록 구성될 수 있다.

밴드(106)는 예를 들어 밴드(106)의 단부를 버클, 걸쇠 또는 기타 유사한 고정 장치에 연결함으로써 사용자의 팔 주위에 웨어러블 장치(100)를 고정하도록 구성될 수 있으며, 이에 따라 웨어러블 장치(100)가 사용자에 의해 착용될 수 있다.

도 2는 본 발명의 예시적인 실시예에 따른 예시적인 웨어러블 장치(100)의 배면도를 도시한다. 웨어러블 장치(100)는 베이스플레이트(baseplate)(202)로 구성될 수 있다. 웨어러블 장치(100)는 또한 베이스플레이트(202)에 부착될 수 있는 하나 이상의 센서(204)로 구성될 수 있다. 예시적인 센서(204)는 피부 온도 센서, 위치 센서(예를 들어, GPS), 모션 센서, 고도 센서, 심박수 센서, 고도계 온도 센서 및 기타 생리학적 센서(예를 들어, 혈중 산소 레벨 센서)를 포함할 수 있다. 베이스플레이트(202)는 열 전도성일 수 있고 웨어러블 장치(100)가 사용자에 의해 착용될 때 사용자 및/또는 피부 온도 센서와 열 접촉하도록 구성될 수 있다. 예를 들어, 착용 시 베이스플레이트이 사용자의 피부를 누를 수 있다. 마찬가지로 베이스플레이트에 대한 온도 판독값을 생성하도록 피부 온도 센서를 구성할 수 있다. 이러한 방식으로, 베이스플레이트(202)는 베이스플레이트(202)가 사용자와 열 접촉할 때 사용자의 피부 온도 측정을 가능하게 하도록 구성될 수 있다(예: 베이스플레이트의 온도가 사용자의 피부 온도에 대한 프록시 역할을 함).

일부 예시적인 구현에서, 사용자 피부의 온도를 읽기 위해 베이스플레이트를 사용하지만 사용자 피부와 직접 접촉하도록 구성된 온도 센서를 포함하여 다른 접근 방식도 사용할 수 있다. 다른 예에서, 적외선 센서는 장치(100)에(예를 들어, 하우징(104) 내에) 포함될 수 있고 적외선을 사용하여 사용자 피부의 온도를 측정할 수 있다. 예를 들어, 적외선은 베이스플레이트(202)의 구멍(aperture)을 통과할 수 있다. 다른 예에서, 하나 이상의 온도 센서가 밴드(106)에 통합될 수 있고 사용자 피부의 온도를 측정할 수 있다. 예를 들어, 하나 이상의 온도 센서가 밴드(106)의 패브릭 버전(fabric version)으로 구성될 수 있다.

도 3은 본 개시내용의 예시적인 실시예에 따른 장치 하우징(104) 내에 포함된 내부 장치 온도 센서(302)를 보여주는 예시적인 웨어러블 장치(100)의 내부 측면도를 도시한다. 내부 장치 온도 센서(302)는 장치 하우징(104)의 내부 공간의 온도(예를 들어, 내부 장치 온도)와 연관된 데이터를 측정하고 생성하도록 구성될 수 있다. 내부 장치 온도 센서(302)는 또한 복수의 내부 장치 온도 센서로 구성될 수 있다. 내부 장치 온도 센서(302)는 웨어러블 장치(100)의 장치 하우징(104) 내에 포함될 수 있지만, 일반적으로 사용자의 피부와 열 접촉하지 않는다. 일 예에서, 내부 장치 온도 센서(302)는 장치 하우징(104)의 내부 측면(예를 들어, 베이스플레이트(202) 이외)에 부착될 수 있다. 다른 예에서, 내부 장치 온도 센서(302)는 장치(100)의 인쇄 회로 기판(예를 들어, "마더보드")에 부착될 수 있다.

도 4는 본 발명의 예시적인 실시예에 따른 장치 하우징(104) 내에 포함된 피부 온도 센서(402)를 보여주는 예시적인 웨어러블 장치(100)의 내부 측면도를 도시한다. 일부 구현들에서, 피부 온도 센서(402)는 사용자와 물리적 접촉하도록 구성될 수 있다. 이러한 방식으로, 피부 온도 센서(402)는 사용자의 피부 온도를 측정하고 그에 관한 데이터를 생성할 수 있다. 다른 구현에서, 웨어러블 장치(100)는 피부 온도 센서(402) 및 사용자의 피부 모두와 열 접촉하도록 구성된 열 전도성 베이스플레이트(202)를 포함할 수 있다. 그러한 실시예에서, 피부 온도 센서(402)는 사용자의 피부 온도를 또한 나타내는 베이스플레이트(202)의 온도를 측정하고 그에 관한 데이터를 생성하도록 구성될 수 있다. 또 다른 구현에서, 적외선 센서는 장치(100)에(예를 들어, 하우징(104) 내에) 포함될 수 있고 적외선을 사용하여 사용자 피부의 온도를 측정할 수 있다. 예를 들어, 적외선은 베이스플레이트(202)의 구멍을 통과할 수 있다. 피부 온도 센서(402)는 또한 복수의 피부 온도 센서로 구성될 수 있다(예를 들어, 본 명세서에 기술된 바와 같이 복수의 상이한 접근법을 취하는 복수의 상이한 센서). 다른 배치도 가능하다.

도 5는 본 발명의 예시적인 실시예에 따른 예시적인 피부 온도 노이즈 제거 방법(500)의 단계 흐름을 도시한다. 단계(502)에서 피부 온도 노이즈 제거 방법(500)은 사용자가 착용한 웨어러블 장치(100)의 내부 장치 온도를 결정할 수 있다. 단계(502)에서 웨어러블 장치(100)의 내부 온도의 결정은 웨어러블 장치(100) 상에 또는 그 안에 포함된 하나 이상의 내부 장치 온도 센서(302)로부터의 센서 데이터에 적어도 부분적으로 기초할 수 있다. 다른 예에서, 단계 502에서 웨어러블 장치(100)의 내부 온도의 결정은 장치(100)의 다른 컴포넌트 내에 포함된 온도 센서로부터의 데이터, 예를 들어 가속도계 내에 존재하는 온도 센서 및 자체 출력을 모니터링하고 교정하는 것의 일부로서 온도 데이터를 생성하는 충전 회로로부터의 데이터에 적어도 부분적으로 기초할 수 있다. 다음 단계(504)에서, 피부 온도 노이즈 제거 방법(500)은 사용자의 피부 온도의 제1 추정치를 결정할 수 있다. 단계 504에서 사용자의 피부 온도의 제1 추정치의 결정은 사용자와 물리적 및/또는 열 접촉하고 웨어러블 장치(100) 내에 포함된 하나 이상의 피부 온도 센서(402)로부터 수신된 센서 데이터에 적어도 부분적으로 기초할 수 있다. 다른 예에서, 단계(504)에서 사용자의 피부 온도의 제1 추정치의 결정은 베이스플레이트(202)와 열 접촉하는 하나 이상의 피부 온도 센서(402)로부터의 센서 데이터에 적어도 부분적으로 기초할 수 있다. 이 예에서, 베이스플레이트(202)는 웨어러블 장치(100)가 사용자에 의해 착용될 때 사용자의 피부와 열 접촉하도록 구성될 수도 있다.

단계(506)에서, 피부 온도 노이즈 제거 방법(500)은 단계(504)로부터의 피부 온도의 제1 추정치 및 단계(502)로부터의 웨어러블 장치(100)의 내부 장치 온도에 적어도 부분적으로 기초하여 주변 공기 온도를 추정할 수 있다. 단계(506)에서의 주변 공기 온도의 추정치는 단계(504)로부터의 피부 온도의 제1 추정치와 단계(502)로부터의 웨어러블 장치(100)의 내부 장치 온도 사이의 차이의 결정에 기초할 수 있다. 다른 예에서, 단계 506에서 주변 공기 온도의 추정치는 단계 504로부터의 피부 온도의 제1 추정치와 단계 502에서의 웨어러블 장치(100)의 내부 장치 온도 사이의 온도 차이에 대응하는 데이터 세트의 하나 이상의 평활화 또는 커브 피팅 프로세스의 산물일 수 있다.

단계(506)에서, 피부 온도 노이즈 제거 방법(500)은 또한 단계(504)로부터의 피부 온도의 제1 추정치 및 단계(502)로부터의 웨어러블 장치(100)의 내부 장치 온도에 적어도 부분적으로 기초하여 피부 온도의 중간 추정치를 생성할 수 있다. 단계(506)로부터의 피부 온도의 중간 추정치는 피부 온도 노이즈 제거 방법(500)의 단계(508)에서 피부 온도의 제2 추정치를 생성하는 것을 돕기 위해 주변 온도 추정치에 적어도 부분적으로 기초하여 추가로 리파이닝될(refined) 수 있다. 단계 506에서 피부 온도의 중간 추정치는 단계 504로부터의 피부 온도의 제1 추정치와 단계 502에서의 웨어러블 장치(100)의 내부 장치 온도 사이의 온도 차이에 대응하는 데이터 세트의 하나 이상의 평활화 또는 커브 피팅 프로세스의 산물일 수 있다.

또 다른 예에서, 단계 506에서 주변 공기 온도의 추정치 또는 피부 온도의 중간 추정치는 단계 504로부터의 피부 온도의 제1 추정치 및 단계 502로부터의 웨어러블 장치의 내부 온도를 기계 학습 모델로 프로세싱함으로써 결정될 수 있다. 그러한 구현에서, 단계(506)에서의 주변 공기 온도의 추정치 또는 피부 온도의 중간 추정치는 기계 학습 모델의 예측 출력일 수 있다. 예를 들어, 기계 학습 모델은 입력 데이터 쌍과 GT(ground truth) 레이블을 포함하는 훈련 데이터 세트에 대한 지도 학습(supervised learning) 접근 방식을 사용하여 훈련되었을 수 있다. 예를 들어, 각 쌍에 대해, 입력 데이터에는 예시 내부 장치 온도와 피부 온도 판독값이 포함될 수 있으며, GT(ground truth) 레이블에는 GT 주변(주위) 온도가 포함될 수 있다. 예를 들어, 훈련 데이터 세트는 웨어러블 장치가 주변 온도가 알려진 환경에서 작동하는 상황에서 시간이 지남에 따라 수집될 수 있다. 일부 구현에서, 훈련 데이터 세트는 사용자의 피부 및 주변 환경을 나타내는 온도를 포함하여 다양한 온도의 제어를 가능하게 하는 테스트 챔버 내에 존재하는 센서를 사용하여 생성될 수 있다. 이러한 훈련 데이터 세트에 대한 훈련(트레이닝)을 통해, 기계 학습 모델은 내부 장치 온도와 피부 온도를 기반으로 예측된 주변 온도 또는 피부 온도의 중간 추정치를 생성하도록 구성할 수 있다. 기계 학습 모델은 다양한 신경망(예: 피드포워드 신경망, 순환 신경망, 트랜스포머 네트워크 등), 선형 모델, 서포트 벡터 머신, 클러스터링 모델 등을 포함한 모든 형태의 모델이 될 수 있다.

다른 예에서, 단계(506)에서의 주변 공기 온도의 추정치는 웨어러블 장치(100) 상에 또는 그 안에 포함된 추가 주변 센서로부터 취한 추가 주변 센서 데이터에 적어도 부분적으로 기초하여 조정될 수 있다. 예에서, 단계(506)에서의 주변 공기 온도의 추정치는 사용자에 의해 입력되고 웨어러블 장치(100)에 의해 수집된 수면 데이터 및/또는 본 명세서에 기술된 바와 같은 다른 주변 데이터에 적어도 부분적으로 기초하여 조정될 수 있다.

단계(508)에서, 피부 온도 노이즈 제거 방법(500)은 추정된 주변 공기 온도 또는 단계(506)로부터의 피부 온도의 중간 추정치에 적어도 부분적으로 기초하여 피부 온도의 제1 추정치를 리파이닝(refining)함으로써 사용자의 피부 온도의 제2 추정치를 생성한다. 단계(508)에서 생성된 피부 온도의 제2 추정치는 추정된 주변 공기 온도 또는 피부 온도의 중간 추정치에 대응하는 데이터 세트의 하나 이상의 평활화(smoothing) 또는 커브 피팅 프로세스의 산물일 수 있다. 다른 예에서, 데이터 세트의 하나 이상의 평활화 또는 커브 피팅 프로세스는 사용자가 담요를 덮거나 담요를 벗을 때 발생하는 것과 같은 사용자의 사소한 리포지셔닝(repositioning) 및 기타 유사한 행동 요인(예: 사용자의 일반적인 움직임)을 설명할 수 있다. 이 예에서, 하나 이상의 평활화 또는 커브 피팅 프로세스는 피부 온도 데이터 포인트의 신호를 수정할 수 있으므로, 신호가 이러한 행동 요인에 의해 발생하는 온도 피크의 영향을 덜 받는다.

다른 예에서, 단계(508)에서 사용자의 피부 온도의 제2 추정치를 생성하는 것은 추정된 주변 공기 온도 또는 피부 온도의 제2 추정치와 연관된 신뢰도 값을 수정하는 것을 수반할 수 있다. 그러한 예에서, 피부 온도의 제1 추정치 또는 추정된 주변 공기 온도와 웨어러블 장치(100)의 내부 온도 사이의 온도 차이가 감소함에 따라 신뢰도 값이 증가할 수 있다. 이 예에서, 피부 온도의 제1 추정치 또는 추정된 주변 공기 온도와 웨어러블 장치(100)의 내부 온도 사이의 더 작은 온도 차이는 피부 온도의 제2 추정치에 대한 더 큰 신뢰도와 동일할 수 있다.

일부 구현에서, 단계 508에서, 피부 온도의 제2 추정치는 단계(504)로부터의 피부 온도의 제1 추정치, 단계(506)로부터의 피부 온도의 중간 추정치, 및 단계(506)로부터의 추정된 주변 온도를 기계 학습 모델로 프로세싱함으로써 결정될 수 있다. 그러한 구현에서, 단계(508)에서의 피부 온도의 제2 추정치는 기계 학습 모델의 예측 출력일 수 있다. 예를 들어 기계 학습 모델은 입력 데이터 쌍과 GT(ground truth) 레이블을 포함하는 훈련 데이터 세트에 대한 지도 학습 접근 방식을 사용하여 훈련되었을 수 있다. 예를 들어, 각 쌍에 대해 입력 데이터에는 예상 피부 온도 및 주변 온도 판독값이 포함될 수 있으며 GT(ground truth) 레이블에는 GT 피부 온도가 포함될 수 있다. 예를 들어, 훈련 데이터 세트는 웨어러블 장치가 더 정확한 피부 온도 센서와 함께 작동하는 상황에서 시간이 지남에 따라 수집될 수 있다. 이러한 훈련 데이터 세트에 대한 훈련을 통해 기계 학습 모델을 구성하여 리파인딩된 피부 온도 판독값을 생성할 수 있다(예: 환경적 이벤트보다는 생리학적 이벤트만을 반영). 일부 구현에서, 훈련 데이터 세트는 사용자의 피부 및 주변 환경을 나타내는 온도를 포함하여 다양한 온도의 제어를 가능하게 하는 테스트 챔버 내에 존재하는 센서를 사용하여 생성될 수 있다. 기계 학습 모델은 다양한 신경망(예: 피드포워드 신경망, 순환 신경망, 트랜스포머 네트워크 등), 선형 모델, 서포트 벡터 머신, 클러스터링 모델 등을 포함한 모든 형태의 모델이 될 수 있다.

도 6은 본 발명의 예시적인 실시예에 따른 예시적인 생리학적 이벤트 검출 시스템(600)을 도시한다. 예에서, 생리학적 이벤트 검출 시스템(600)은 추가적인 주변 조건 센서 데이터(602), 내부 장치 온도 센서 데이터(604), 피부 온도 센서 데이터(606) 및 수면 데이터(608)의 형태로 입력을 수신할 수 있다.

추가적인 주변 조건 센서 데이터(602)는 선택적이며, 위치 센서(예를 들어, 글로벌 포지셔닝 센서), 지오 센서, 날씨 센서, 모션 센서, 고도 센서, 고도계 온도 센서, 주변 광 센서, 심박수 센서, 웨어러블 장치(100) 상에 또는 내부에 포함된 다른 생리학적 센서(예를 들어, 혈액 산소 센서)로부터의 데이터를 포함할 수 있다. 예를 들어, 위치 센서를 통해 사용자의 위치를 결정함으로써, 지역 주변 조건(예를 들어, 온도 또는 기타 날씨 데이터)에 대한 다양한 데이터베이스로부터의 정보를 획득하여 프로세스를 안내하는 데 사용할 수 있다. 마찬가지로 심박수 및 기타 생리학적 센서에 대한 데이터는 환경에 의한 것이 아니라 생리학적인 온도 변화를 이해하는 데 도움이 될 수 있다.

내부 장치 온도 센서 데이터(604)는 웨어러블 장치(100) 상에 또는 그 안에 포함된 하나 이상의 내부 장치 온도 센서(302)로부터의 데이터를 포함할 수 있다. 피부 온도 센서 데이터(606)는 웨어러블 장치(100) 상에 또는 내부에 포함되고 사용자 또는 웨어러블 장치(100)의 베이스플레이트(202)와 열 접촉하는 하나 이상의 피부 온도 센서(402)로부터의 데이터를 포함할 수 있다.

수면 데이터(608)는 웨어러블 장치(100)에 의해 수집되거나 사용자에 의해 입력된 데이터를 포함할 수 있다. 수면 데이터의 예로는 사용자가 깨어 있는지 잠들어 있는지를 나타내는 데이터, 사용자의 수면 계수, 사용자의 심박수 등을 들 수 있다. 이 예에서, 사용자가 잠든 경우, 수면 데이터(608)는 또한 사용자가 움직이고 있는지 여부를 나타내는 정보 및 사용자가 경험하고 있는 수면 유형(예: 불안한 수면, 가수면, 깊은 수면, REM 수면)의 특징을 포함할 수 있다.

생리학적 이벤트 검출 시스템(600)의 이 예에서, 데이터 입력(602 및 608)은 피부 온도 노이즈 제거 방법(500)의 수행에 의한 데이터 입력(604 및 606)의 프로세싱와 결합하여 프로세싱될 수 있다. 생리학적 이벤트 검출 시스템(600)의 컴포넌트(610)로서, 데이터 입력(602 및 608) 및 잡음 제거 방법(500)의 수행에 의해 생성된 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 사용자의 생리학적 이벤트(physiological events)가 검출될 수 있다. 그러한 예에서, 컴포넌트(610)로부터의 생리학적 이벤트는 열(fever), 일주기 리듬, 월경 주기, 배란, 열 스트레스 및 TC(thermal comfort)을 포함할 수 있다.

생리학적 이벤트의 검출(610)은 생리학적 이벤트의 온셋(onset)과 같은 생리학적 이벤트의 상태의 검출 또는 결정, 및/또는 이벤트의 미래 상태에 대한 예측(예: 다음 6시간 내에 최고 열이 발생할 것으로 예상됨)을 포함할 수 있다. 다른 예에서, 생리학적 이벤트의 검출(610)은 사용자의 피부 온도 상승 후에 수집된 피부 온도의 제2 추정치의 데이터세트를 평활화하는 것을 수반할 수 있다.

생리학적 이벤트 검출 시스템(600)의 컴포넌트(612)에서, 시스템은 생리학적 이벤트를 추론할 수 있다. 컴포넌트(612)에서 생리학적 이벤트를 추론하는 것은 디스플레이(102)가 컴포넌트(610)로부터 검출된 생리학적 이벤트에 관한 정보를 사용자와 통신하게 하기 위해 장치 하우징(104) 내에 포함된 하나 이상의 프로세서를 수반할 수 있다.

도 7은 본 발명의 예시적인 실시예에 따른 생리학적 이벤트 검출 시스템(600)의 다른 예를 도시한다. 이 예에서, 생리학적 이벤트 검출 시스템(600)은 도 6의 생리학적 이벤트 검출 시스템에서 수신된 것과 동일한 입력(602, 604, 606 및 608)을 수신할 수 있다. 도 7의 시스템은 도 6에 대해 위에서 설명한 것과 동일한 생리학적 이벤트를 검출하고 추론할 수도 있다.

도 7의 생리학적 이벤트 검출 시스템(600)은 기계 학습 모델(702)로 내부 장치 온도 센서 데이터(604) 및 피부 온도 센서 데이터(606)를 프로세싱하도록 구성될 수 있다. 이 예제 구성에서, 기계 학습 모델(702)은 선형 회귀 모델, 신경망(예를 들어, 순환 신경망) 또는 클러스터링 모델을 포함할 수 있다. 그러한 예에서, 생리학적 이벤트 검출 시스템(600)은 기계 학습 모델(702)에 의한 예측 출력으로서 주변 공기 온도의 추정치 또는 피부 온도의 중간 추정치를 수신할 수 있다. 이러한 방식으로 수신된 주변 공기 온도의 추정치 또는 피부 온도의 중간 추정치는 웨어러블 장치(100)를 착용한 사용자의 실제 피부 온도를 추정하는 데에도 사용될 수 있다. 컴포넌트(706)에서, 도 7의 생리학적 이벤트 검출 시스템(600)은 또한 주변 공기 온도 및 사용자의 진정한 피부 온도의 추정치에서 트랜지션(예를 들어, 변화율)를 검출하고 모니터링하도록 구성될 수 있다. 이 구성에서, 706에서의 온도 트랜지션의 검출은 컴포넌트(610)에서의 생리학적 이벤트의 검출 및 612에서의 생리학적 이벤트의 추론에 기여할 수 있다.

도 8은 본 발명의 예시적인 실시예에 따른 생리학적 이벤트 검출 시스템(600)의 다른 예를 도시한다. 이 예에서, 시스템(600)은 도 6 및 7의 생리학적 이벤트 검출 시스템에서 수신된 것과 동일한 입력(602, 604, 606 및 608)을 수신할 수 있다. 도 8의 시스템은 또한 컴포넌트(706)로부터의 온도 트랜지션의 검출과 연관된 입력을 포함하여, 도 6 및 7에 대해 위에서 설명한 것과 동일한 생리학적 이벤트를 검출하고 추론할 수 있다.

도 8의 생리학적 이벤트 검출 시스템(600)은 웨어러블 장치(100)의 내부 온도와 웨어러블 장치(100)를 착용한 사용자의 피부 온도의 제1 추정치 사이의 차이를 결정하기 위한 컴포넌트(802)로 구성될 수 있다. 생리학적 이벤트 검출 시스템(600)의 컴포넌트(804)에서, 시스템은 이 차이에 기초하여 주변 공기 온도 또는 피부 온도의 중간 추정치를 추정할 수 있다. 추정된 주변 공기 온도 또는 804로부터의 피부 온도의 중간 추정치는 또한 사용자의 피부 온도의 제2 추정치를 생성함으로써 사용자의 피부 온도에 대한 주변 공기 온도의 효과를 추정하는 데 사용될 수 있다. 생리학적 이벤트 검출 시스템(600)은 또한 804로부터의 추정된 주변 공기 온도 또는 피부 온도의 제2 추정치와 연관된 신뢰도 값을 수정하도록 구성될 수 있다. 생리학적 이벤트 검출 시스템(600)의 이러한 구성에서, 피부 온도의 제1 추정치 또는 추정된 주변 공기 온도와 웨어러블 장치의 내부 온도 사이의 온도 차이가 감소함에 따라 신뢰도 값이 증가할 수 있다. 802에서 결정된 더 작은 온도 차이는 또한 추정된 주변 공기 온도가 피부 온도의 제2 추정치에 영향을 줄 가능성이 적다는 것을 의미할 수 있다. 802에서 피부 온도의 제2 추정치는 사용자의 심부 온도를 추정하는 데에도 사용될 수 있다. 그러한 구성에서, 생리학적 이벤트 검출 시스템(600)은 생리학적으로 유도된 심부 온도 변화를 환경적으로 유발된 심부 온도 변화와 구별할 수 있다.

도 9는 본 발명의 예시적인 실시예에 따른 예시적인 컴퓨팅 시스템을 도시한다. 컴퓨팅 시스템은 도 9에 도시된 사용자 컴퓨팅 장치(예를 들어, 웨어러블 장치(100))를 포함할 수 있다. 사용자 컴퓨팅 장치는 일부 구현에서 네트워크를 통해 서버 컴퓨팅 시스템에 연결할 수 있다. 서버와 네트워크는 도 9에 표시되지 않는다.

도 9에 도시된 바와 같은 사용자 장치는 하나 이상의 프로세서 및 메모리를 포함할 수 있다. 하나 이상의 프로세서는 임의의 적합한 프로세싱 장치(예: 프로세서 코어, 마이크로프로세서, ASIC, FPGA, 컨트롤러, 마이크로컨트롤러 등)일 수 있고 하나의 프로세서 또는 작동 가능하게 연결된 복수의 프로세서일 수 있다. 메모리는 RAM, ROM, EEPROM, EPROM, 플래시 메모리 장치, 자기 디스크 등 및 이들의 조합과 같은 하나 이상의 비일시적 컴퓨터 판독 가능 저장 매체를 포함할 수 있다. 메모리는 도 9의 컴퓨팅 시스템이 동작을 수행하도록 하기 위해 프로세서에 의해 실행되는 데이터 및 명령어를 저장할 수 있다. 예시적인 동작은 피부 온도 잡음 제거 방법(500)의 단계 흐름 및 도 6, 7 및 8로부터의 생리학적 이벤트 검출 시스템의 다양한 구성에 설명된 컴포넌트 태스크의 실행을 포함할 수 있다.

도 9의 사용자 장치는 또한 사용자 입력을 수신하는 하나 이상의 사용자 입력 컴포넌트를 포함할 수 있다. 예를 들어, 사용자 입력 컴포넌트는 사용자 입력 객체(예를 들어, 손가락 또는 스타일러스)의 터치에 민감한 터치 검출 컴포넌트(예를 들어, 웨어러블 장치(100)의 디스플레이(102))일 수 있다. 터치 검출 컴포넌트는 가상 키보드를 구현하는 역할을 할 수 있다. 도 9의 컴퓨팅 시스템에 의해 수신된 예시적인 사용자 입력은 증상, 수면 상태, 배란, 월경 및 사용자의 건강과 연관된 다른 생리학적 정보에 대한 정보를 포함할 수 있다.

도 9의 사용자 장치는 또한 하나 이상의 피부 온도 센서(402) 및 하나 이상의 내부 장치 온도 센서(302)를 포함하는 하나 이상의 센서를 포함할 수 있다. 피부 온도 센서(402) 및 내부 장치 온도 센서(302)는 음의 온도 계수(NTC: negative temperature coefficient) 서미스터, 저항 온도 검출기(RTD), 열전쌍 및 반도체 기반 센서를 포함할 수 있다. 도 9의 컴퓨팅 시스템의 추가 센서는 위치 센서(예: GPS), 동작(모션) 센서, 고도 센서, 심박수 센서 및 기타 생리학적 센서(예: 혈중 산소 레벨 센서)일 수 있다. 위치 센서는 셀룰러 또는 위성 기반 GPS 센서일 수 있다. 동작 센서의 예로는 PIR(passive infrared), 마이크로웨이브 및 이중 기술/하이브리드(tech/hybrid) 동작 센서가 있다. 예시적인 고도 센서는 기압 고도계(예: 아네로이드 기압계) 및 무선 고도계를 포함한다. 예시적인 심박수 센서는 광학 전송형 펄스 센서(예를 들어, 광용적맥파(PPG: photoplethysmography)) 및 심전도(ECD: electrocardiography) 센서를 포함한다.

서버 컴퓨팅 시스템(도 9에 도시되지 않음)은 하나 이상의 프로세서와 메모리를 포함할 수 있다. 하나 이상의 프로세서는 임의의 적합한 프로세싱 장치(예: 프로세서 코어, 마이크로프로세서, ASIC, FPGA, 컨트롤러, 마이크로컨트롤러 등)일 수 있고 하나의 프로세서 또는 작동 가능하게 연결된 복수의 프로세서일 수 있다. 메모리는 RAM, ROM, EEPROM, EPROM, 플래시 메모리 장치, 자기 디스크 등 및 이들의 조합과 같은 하나 이상의 비일시적 컴퓨터 판독 가능 저장 매체를 포함할 수 있다. 메모리는 서버 컴퓨팅 시스템이 오퍼레이션을 수행하도록 하기 위해 프로세서에 의해 실행되는 데이터 및 명령어을 저장할 수 있다.

일부 구현에서, 서버 컴퓨팅 시스템은 하나 이상의 서버 컴퓨팅 장치를 포함하거나 그렇지 않으면 이에 의해 구현된다. 서버 컴퓨팅 시스템이 복수의 서버 컴퓨팅 장치를 포함하는 경우, 이러한 서버 컴퓨팅 장치는 순차적 컴퓨팅 아키텍처, 병렬 컴퓨팅 아키텍처 또는 이들의 일부 조합에 따라 작동할 수 있다.

네트워크는 로컬 영역 네트워크(예: 인트라넷), 광역 네트워크(예: 인터넷) 또는 이들의 일부 조합과 같은 임의 유형의 통신 네트워크일 수 있으며 임의 개수의 유선 또는 무선 링크를 포함할 수 있다. 일반적으로, 네트워크를 통한 통신은 다양한 통신 프로토콜(예: TCP/IP, HTTP, SMTP, FTP), 인코딩 또는 포멧(예: HTML, XML) 및/또는 보호 체계(예: VPN, 보안 HTTP, SSL)를 사용하여 모든 유형의 유선 및/또는 무선 연결을 통해 수행될 수 있다.

일부 구현에서, 도 9의 사용자 장치는 하나 또는 더 많은 기계 학습 모델을 저장하거나 포함할 수 있다. 예를 들어, 기계 학습 모델은 다양한 신경망(예: 피드포워드 신경망, 순환 신경망, 트랜스포머 네트워크 등), 선형 모델, 서포트 벡터 머신, 클러스터링 모델 등과 같은 다양한 기계 학습 모델이거나 그렇지 않으면 이를 포함할 수 있다.

일부 구현에서, 하나 이상의 기계 학습 모델은 네트워크를 통해 서버 컴퓨팅 시스템으로부터 수신되고, 사용자 장치 메모리에 저장된 다음, 하나 이상의 프로세서에 의해 사용되거나 달리 구현될 수 있다. 일부 구현에서, 사용자 컴퓨팅 장치는 단일 기계 학습 모델의 여러 병렬 인스턴스를 구현할 수 있다.

추가로 또는 대안적으로, 하나 이상의 기계 학습 모델은 클라이언트-서버 관계에 따라 도 9의 사용자 장치와 통신하는 서버 컴퓨팅 시스템에 포함되거나 저장 및 구현될 수 있다. 예를 들어 기계 학습 모델은 서버 컴퓨팅 시스템에서 웹 서비스의 일부(예: 데이터 증강 서비스)로 구현될 수 있다. 따라서, 하나 이상의 모델이 도 9의 사용자 장치에 저장되고 구현될 수 있고 및/또는 하나 이상의 모델이 서버 컴퓨팅 시스템에 저장되고 구현될 수 있다. 또한 일부 또는 모든 오퍼레이션은 한 위치 또는 여러 위치에서 수행될 수 있다.

예제 데이터

도 10은 본 발명의 예시적인 실시예에 따른 웨어러블 장치(100)의 예시적인 온도 데이터의 그래프를 도시한다. 도 10에서, 웨어러블 장치(100)의 온도 측정은 웨어러블 장치(100)의 사용자에 의한 다양한 사용 상태 및 다양한 시간에서 도시된다. 도 10은 또한 온도 데이터의 임의의 변동 크기의 특성화 및 이러한 변동이 하루 중 시간과 비교하는 방법 및 사용자가 웨어러블 장치(100)를 착용하고 있는지 여부를 포함한다.

도 11은 본 발명의 예시적인 실시예에 따른 내부 장치 온도(IDT) 센서(302) 및 피부 온도 센서(402)로부터의 온도 데이터의 예시적인 그래프를 도시한다. 도 11에서, 내부 장치 온도 센서(302) 및 피부 온도(SKIN Temp) 센서(402)의 온도 측정은 웨어러블 장치(100)의 사용자에 의한 다양한 사용 상태(states of usage) 및 다양한 시간에 도시되어 있다. 도 11은 시간 및 사용자가 웨어러블 장치를 착용하고 있는지 여부에 기초하여 두 센서(302 및 402)로부터의 온도 데이터의 기록을 나타낸다. 도 11은 내부 장치 온도 센서(302)와 피부 온도 센서(402)의 측정치 사이의 온도 차이가 가장 크고 가장 작은 기간을 추가로 묘사한다. 2개의 온도 센서(302 및 402) 사이의 온도 차이가 가장 작은 기간이 식별되고(예: 차이 값이 임계값 미만인 경우) 도 11에 음영으로 표시되어 있다. 온도 차이가 가장 작은 기간은 또한 사용자의 피부 온도 추정치에서 더 높은 신뢰도 값과 상관관계가 있으며, 이는 주변 온도가 웨어러블 장치(100) 사용자의 피부 온도 변화를 유발할 가능성이 적다는 것을 의미한다.

도 12는 본 발명의 예시적인 실시예에 따른 내부 장치 온도 센서(302) 및 피부 온도 센서(402)로부터의 차이 온도 데이터의 예시적인 그래프를 도시한다. 도 12는 도 11에 도시된 그래프와 관련되지만, 대신에 내부 장치 온도 센서(302)와 피부 온도 센서(402)의 온도 측정 사이의 온도 차이(Temp Diff) 값을 플롯팅한다. 도 12는 온도 차이 값이 가장 크고 가장 작은 기간을 설명하기 위해 대안적인 묘사(예: 도 11과 비교)를 제공한다. 2개의 온도 센서(302 및 402) 사이의 온도 차이 값이 가장 작은 시간 기간(예를 들어, 온도 차이 값이 임계값 미만일 때)은 도 12에서 식별되고 음영 처리된다. 도 11에서와 같이, 온도 차이가 가장 작은 기간은 또한 사용자의 피부 온도 추정치에서 더 높은 신뢰도 값과 상관관계가 있으며, 이는 주변 온도가 웨어러블 장치(100) 사용자의 피부 온도 변화를 유발할 가능성이 적다는 것을 의미한다.

도 13은 본 발명의 예시적인 실시예에 따른 복수의 웨어러블 장치(100)의 예시적인 온도 데이터의 그래프를 도시한다. 특히, 도 13의 그래프는 웨어러블 장치(100) 내에 포함된 피부 온도 센서(402) 및 퓨얼 게이지(fuel gauge)의 온도 측정치, 그리고 그 측정치가 정의된 시간 동안 정의된 주변 온도 환경에 노출될 때 어떻게 변동하는지, 그리고 웨어러블 장치(100)가 사용자의 손목에 있는지 여부를 나타낸다.

도 14는 본 발명의 예시적인 실시예에 따른 주변 온도 추정 예측의 예시적인 선형 회귀 모델을 예시하는 그래프를 도시한다. 도 14에서, 정의된 기간 동안 주변 및 팬텀 GT(ground truth) 센서(고도계 온도 센서, 피부 온도 센서(402) 및 내부 장치 온도 센서(302)를 더 포함)를 포함한 소스의 온도 센서 데이터와 주변 온도 예측 예측을 비교한다.

도 15는 본 개시내용의 예시적인 실시예에 따른 열(fever)로부터 일수에 대한 예시적인 피부 온도 변화의 그래프를 도시한다. 특히, 도 15는 열이 나기 전과 열이 난 후의 실제 및 평활화 온도 데이터 측면에서 사용자의 평균 피부 온도 변화를 보여준다.

도 16은 본 발명의 예시적인 실시예에 따른 수면 데이터를 포함하는 예시적인 온도 변화의 그래프를 도시한다. 더 구체적으로, 도 16은 수면 기간 및 사용자가 웨어러블 장치(100)를 착용하고 있는지 여부의 상태가 식별되고 음영 처리되는 정의된 시간 기간에 걸쳐 취해진 웨어러블 장치(100) 내에 포함된 내부 장치 온도 센서(302) 및 피부 온도 센서(402)로부터의 온도 데이터의 기록을 나타낸다. 도 16은 또한 동일한 기간 동안 수행된 내부 장치 및 피부 온도 센서 측정값에 대한 카운트 값을 나타낸다.

추가 공개

여기에서 설명된 기술은 서버, 데이터베이스, 소프트웨어 애플리케이션 및 기타 컴퓨터 기반 시스템뿐만 아니라 이러한 시스템과 주고받는 액션 및 정보를 참조한다. 컴퓨터 기반 시스템의 고유한 유연성으로 인해 컴포넌트 간의 태스크 및 기능의 구성, 조합 및 분할이 매우 다양할 수 있다. 예를 들어, 여기에서 설명된 프로세스는 단일 장치 또는 컴포넌트 또는 조합으로 작동하는 여러 장치 또는 컴포넌트를 사용하여 구현될 수 있다. 데이터베이스 및 애플리케이션은 단일 시스템에서 구현되거나 여러 시스템에 분산될 수 있다. 분산 컴포넌트는 순차적으로 또는 병렬로 작동할 수 있다.

본 주제는 그의 다양한 특정 예시적 실시예에 대해 상세하게 설명되었지만, 각각의 예는 설명을 위해 제공되며 개시 내용을 제한하지 않는다. 당업자는 전술한 내용을 이해할 때 그러한 실시예에 대한 변경, 변형 및 등가물을 용이하게 생성할 수 있다. 따라서, 본 개시는 당업자에게 쉽게 자명할 수 있는 본 주제에 대한 그러한 수정, 변형 및/또는 추가의 포함을 배제하지 않는다. 예를 들어, 하나의 실시예의 일부로서 예시되거나 설명된 특징은 또 다른 실시예와 함께 사용되어 또 다른 실시예를 생성할 수 있다. 따라서, 본 개시는 그러한 변경, 변경 및 등가물을 포함하는 것으로 의도된다.

특히, 도 1 내지 도 16은 예시 및 설명을 위해 특정 순서로 수행되는 단계를 각각 도시하지만, 본 발명의 방법은 특별히 예시된 순서 또는 배열에 제한되지 않는다. 피부 온도 노이즈 제거 방법(500) 및 생리학적 이벤트 검출 시스템(600)의 다양한 단계는 본 발명의 범위를 벗어나지 않고 다양한 방식으로 생략, 재배열, 결합 및/또는 적응될 수 있다.

Claims

피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법으로서,
하나 이상의 컴퓨팅 장치를 포함하는 컴퓨팅 시스템에 의해, 웨어러블 장치 내에 포함된 내부 장치 온도 센서로부터 수신된 센서 데이터에 기초하여 사용자가 착용한 상기 웨어러블 장치의 내부 장치 온도를 결정하는 단계;
상기 컴퓨팅 시스템에 의해, 상기 웨어러블 장치 상에 또는 상기 웨어러블 장치 내에 포함된 피부 온도 센서로부터 수신된 센서 데이터에 기초하여 상기 사용자의 피부 온도의 제1 추정치를 결정하는 단계;
상기 컴퓨팅 시스템에 의해, 상기 내부 장치 온도 및 상기 피부 온도의 제1 추정치에 적어도 부분적으로 기초하여 주변 공기 온도를 추정하는 단계; 그리고
상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치를 생성하도록 상기 추정된 주변 공기 온도에 적어도 부분적으로 기초하여 상기 피부 온도의 제1 추정치를 리파이닝(refining)하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제1항에 있어서, 상기 방법은,
상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 하나 이상의 생리학적(physiological) 이벤트를 결정하는 단계를 더 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제2항에 있어서, 상기 하나 이상의 생리학적 이벤트는,
열의 온셋(onset), 일주기 리듬, 월경 주기, 배란, 열 스트레스 또는 TC(thermal comfort) 중 적어도 하나를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제2항에 있어서, 상기 컴퓨팅 시스템에 의해, 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 하나 이상의 생리학적 이벤트를 결정하는 단계는,
상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 상기 사용자의 심부 온도를 추정하는 단계; 그리고
상기 컴퓨팅 시스템에 의해, 생리학적으로 유발된 사용자 심부 온도 변화와 환경적으로 유발된 사용자 심부 온도 변화를 구별하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제2항에 있어서, 상기 컴퓨팅 시스템에 의해, 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 하나 이상의 생리학적 이벤트를 결정하는 단계는,
상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치의 변화율을 모니터링하여 상기 피부 온도의 제2 추정치의 트랜지션(transition)을 검출하는 단계; 그리고
상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치에서 검출된 트랜지션에 적어도 부분적으로 기초하여 상기 하나 이상의 생리학적 이벤트를 결정하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제1항에 있어서, 상기 컴퓨팅 시스템에 의해, 상기 내부 장치 온도 및 상기 피부 온도의 제1 추정치를 적어도 부분적으로 기초하여 주변 공기 온도를 추정하는 단계는,
상기 컴퓨팅 시스템에 의해, 상기 내부 장치 온도와 상기 피부 온도의 제1 추정치 사이의 차이를 결정하는 단계; 그리고
상기 컴퓨팅 시스템에 의해, 상기 내부 장치 온도와 상기 피부 온도의 제1 추정치 사이의 차이에 적어도 부분적으로 기초하여 상기 주변 공기 온도를 추정하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제1항에 있어서, 상기 컴퓨팅 시스템에 의해, 상기 내부 장치 온도와 상기 피부 온도의 제1 추정치에 적어도 부분적으로 기초하여 주변 공기 온도를 추정하는 단계는,
기계 학습 모델로 상기 내부 장치 온도와 상기 피부 온도의 제1 추정치를 프로세싱하는 단계; 그리고
상기 기계 학습 모델의 예측 출력으로서 상기 주변 공기 온도를 수신하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제1항에 있어서, 상기 컴퓨팅 시스템에 의해, 내부 장치 온도와 피부 온도의 제1 추정치를 적어도 부분적으로 기초하여 주변 공기 온도를 추정하는 단계는,
상기 컴퓨팅 시스템에 의해, 위치 센서, 지오 센서(geo-sensor), 날씨 센서, 동작 센서, 고도 센서, 고도계 온도 센서, 주변광 센서 또는 웨어러블 장치 내에 포함된 심박수 센서 중 적어도 하나로부터의 센서 데이터에 적어도 부분적으로 기초하여 상기 주변 공기 온도 추정치를 조정하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제1항에 있어서, 상기 컴퓨팅 시스템에 의해, 내부 장치 온도와 피부 온도의 제1 추정치를 적어도 부분적으로 기초하여 주변 공기 온도를 추정하는 단계는,
상기 컴퓨팅 시스템에 의해, 상기 웨어러블 장치에 의해 수집된 상기 사용자의 수면 데이터에 적어도 부분적으로 기초하여 상기 주변 공기 온도를 조정하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제1항에 있어서, 상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치를 생성하도록 추정된 주변 공기 온도에 적어도 부분적으로 기초하여 피부 온도의 제1 추정치를 리파이닝하는 단계는,
상기 피부 온도의 제2 추정치와 연관된 신뢰도 값을 수정하는 단계를 포함하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제10항에 있어서, 상기 피부 온도의 제2 추정치와 연관된 신뢰도 값은 상기 내부 장치 온도와 상기 피부 온도의 제1 추정치의 온도 차이가 감소함에 따라 증가하는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제1항에 있어서,
상기 웨어러블 장치 내에 포함된 상기 내부 장치 온도 센서는 복수의 내부 장치 온도 센서로 구성되며; 또는
상기 웨어러블 장치에 포함된 상기 피부 온도 센서는 복수의 피부 온도 센서로 구성되는 것을 특징으로 하는 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
웨어러블 장치로서,
사용자가 착용할 수 있는 장치 하우징;
상기 장치 하우징 내에 포함된 하나 이상의 프로세서;
상기 장치 하우징 상에 또는 내부에 포함되고 그리고 피부 온도 센서 데이터를 생성하도록 구성된 하나 이상의 피부 온도 센서;
상기 장치 하우징 내에 포함되고 그리고 내부 장치 온도 센서 데이터를 생성하도록 구성된 하나 이상의 내부 장치 온도 센서; 그리고
상기 장치 하우징 내에 포함되고 그리고 상기 하나 이상의 프로세서에 의해 실행될 때 상기 웨어러블 장치로 하여금 동작들을 수행하게 하는 명령어를 저장한 비일시적 컴퓨터 판독 가능 메모리를 포함하며, 상기 동작들은:
상기 웨어러블 장치 내에 포함된 상기 하나 이상의 내부 장치 온도 센서로부터 수신된 내부 장치 온도 센서 데이터에 적어도 부분적으로 기초하여 상기 장치 하우징 내의 내부 장치 온도를 결정하는 동작;
상기 장치 하우징 상에 또는 상기 장치 하우징 내부에 포함된 피부 온도 센서로부터 수신된 센서 데이터에 기초하여 상기 사용자의 피부 온도의 제1 추정치를 결정하는 동작;
상기 내부 장치 온도와 상기 피부 온도의 제1 추정치에 적어도 부분적으로 기초하여 주변 공기 온도를 추정하는 동작; 그리고
상기 피부 온도의 제2 추정치를 생성하도록 상기 추정된 주변 공기 온도에 적어도 부분적으로 기초하여 상기 피부 온도의 제1 추정치를 리파이닝(refining)하는 동작을 포함하는 것을 특징으로 하는 웨어러블 장치.
제13항에 있어서, 상기 동작들은,
상기 사용자의 심부 온도를 지속적으로 관측하는 동작을 더 포함하며, 상기 사용자의 심부 온도는 상기 피부 온도의 제2 추정치에 적어도 부분적으로 기초하는 것을 특징으로 하는 웨어러블 장치.
개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법으로서,
하나 이상의 컴퓨팅 장치를 포함하는 컴퓨팅 시스템에 의해, 웨어러블 장치 내에 포함된 내부 장치 온도 센서로부터 수신된 센서 데이터에 기초하여 사용자가 착용한 웨어러블 장치의 내부 장치 온도를 결정하는 단계;
상기 컴퓨팅 시스템에 의해, 상기 웨어러블 장치 상에 또는 상기 웨어러블 장치 안에 포함된 피부 온도 센서로부터 수신된 센서 데이터에 기초하여 상기 사용자의 피부 온도의 제1 추정치를 결정하는 단계;
상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치를 생성하도록 상기 웨어러블 장치의 내부 장치 온도에 적어도 부분적으로 기초하여 상기 피부 온도의 제1 추정치를 리파이닝하는 단계; 그리고
상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치에 적어도 부분적으로 기초하여 하나 이상의 생리학적 이벤트를 결정하는 단계를 포함하는 것을 특징으로 하는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제15항에 있어서, 상기 컴퓨팅 시스템에 의해, 상기 웨어러블 장치의 내부 장치 온도에 적어도 부분적으로 기초하여 상기 피부 온도의 제1 추정치를 리파이닝하는 단계는,
기계 학습 모델로 상기 내부 장치 온도와 상기 피부 온도의 제1 추정치를 프로세싱하는 단계; 그리고
상기 기계 학습 모델에 의한 예측 출력으로서 상기 피부 온도의 제2 추정치를 수신하는 단계를 포함하는 것을 특징으로 하는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제15항에 있어서, 상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치를 생성하도록 상기 웨어러블 장치의 내부 장치 온도에 적어도 부분적으로 기초하여 상기 피부 온도의 제1 추정치를 리파이닝하는 단계는,
상기 피부 온도의 제2 추정치와 연관된 신뢰도 값을 수정하는 단계를 포함하는 것을 특징으로 하는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제17항에 있어서, 상기 내부 장치 온도와 상기 피부 온도의 제1 추정치의 온도 차이가 증가함에 따라 상기 피부 온도의 제2 추정치와 연관된 신뢰도 값은 감소하는 것을 특징으로 하는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제15항에 있어서, 상기 컴퓨팅 시스템에 의해, 상기 피부 온도의 제2 추정치를 생성하도록 상기 웨어러블 장치의 내부 장치 온도에 적어도 부분적으로 기초하여 상기 피부 온도의 제1 추정치를 리파이닝하는 단계는,
상기 컴퓨팅 시스템에 의해, 위치 센서, 지오 센서, 날씨 센서, 동작 센서, 고도 센서, 고도계 온도 센서, 주변 광 센서 또는 웨어러블 장치 내에 포함된 심박수 센서 중 적어도 하나로부터의 센서 데이터에 적어도 부분적으로 기초하여 상기 피부 온도의 제2 추정치를 조정하는 단계를 더 포함하는 것을 특징으로 하는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.
제15항에 있어서, 상기 하나 이상의 생리학적 이벤트는 열의 온셋, 일주기 리듬, 월경 주기, 배란, 열 스트레스 또는 TC(thermal comfort) 중 적어도 하나를 포함하는 것을 특징으로 하는 개선된 피부 온도 모니터링을 제공하기 위한 컴퓨터로 구현되는 방법.