KR20230044977A - 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델 기반의 인지 상태 평가 리포팅 제공 방법 및 그 장치 - Google Patents
학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델 기반의 인지 상태 평가 리포팅 제공 방법 및 그 장치 Download PDFInfo
- Publication number
- KR20230044977A KR20230044977A KR1020220122727A KR20220122727A KR20230044977A KR 20230044977 A KR20230044977 A KR 20230044977A KR 1020220122727 A KR1020220122727 A KR 1020220122727A KR 20220122727 A KR20220122727 A KR 20220122727A KR 20230044977 A KR20230044977 A KR 20230044977A
- Authority
- KR
- South Korea
- Prior art keywords
- cognitive
- model
- evaluation
- user
- task
- Prior art date
Links
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 191
- 238000011156 evaluation Methods 0.000 title claims abstract description 128
- 230000006998 cognitive state Effects 0.000 title claims abstract description 96
- 230000013016 learning Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims description 32
- 238000012360 testing method Methods 0.000 title claims description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000036992 cognitive tasks Effects 0.000 claims abstract description 35
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000003745 diagnosis Methods 0.000 claims abstract description 21
- 230000003930 cognitive ability Effects 0.000 claims abstract description 17
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 5
- 230000035045 associative learning Effects 0.000 claims abstract 3
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 claims description 15
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 claims description 13
- 230000002787 reinforcement Effects 0.000 claims description 12
- 208000015802 attention deficit-hyperactivity disease Diseases 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000003014 reinforcing effect Effects 0.000 claims description 4
- 241000239290 Araneae Species 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims 4
- 238000013145 classification model Methods 0.000 claims 2
- 238000006467 substitution reaction Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 239000000872 buffer Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003936 working memory Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000037410 cognitive enhancement Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012030 stroop test Methods 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000008133 cognitive development Effects 0.000 description 2
- 230000004633 cognitive health Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004092 self-diagnosis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003923 mental ability Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
본 발명의 실시 예에 따른 인지 상태 평가 리포팅 제공 장치는, 사용자 단말에서 인지 평가 항목별 사전 설정된 인지 진단 태스크에 대응하는 인지 게임 어플리케이션이 수행되고, 상기 인지 게임 어플리케이션에 대한 반응 입력 정보로부터, 인지 평가를 위한 제1 게임 데이터가 추출되면, 상기 제1 게임 데이터에 대응하여, 인지 상태 평가 장치로부터 분석 결과 인터페이스 정보를 수신하는 통신부; 및 상기 분석 결과 인터페이스 정보에 기초한 인지 상태 평가 리포팅을 출력하는 출력부;를 포함하고, 상기 인지 상태 평가 장치는, 인지 태스크별 게임 데이터에 대응하여 인지 아키텍처 기반의 인지 모델이 사전 연관 학습된 인공지능 학습 기반 사용자 맞춤형 인지 모델에, 상기 추출된 제1 게임 데이터를 적용하여, 상기 사용자에 대응하는 맞춤형 인지 태스크 수행 모델을 생성하며, 상기 맞춤형 인지 태스크 수행 모델을 이용하여, 인지 평가 항목별로 선택된 인지 태스크의 대체 수행 결과를 획득하고, 상기 대체 수행 결과에 기초하여 상기 사용자의 상기 인지 항목별 인지 능력을 평가하고, 상기 평가 결과에 따라 상기 분석 결과 인터페이스 정보를 생성하는 장치이다.
Description
본 발명은 리포팅 제공 방법 및 그 장치에 관한 것이다. 보다 구체적으로, 본 발명은 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델 기반의 인지 상태 평가 리포팅 제공 방법 및 그 장치에 관한 것이다.
부모가 인지 발달 상태에 대해 잘 알고 있으면 자녀에게 적절히 대응할 수 있는 능력이 강화되므로, 부모에게 아동에 대한 정보를 제공하는 것은 문제 해결을 더 쉽게 하며, 부모 결정에 확신을 줄 수 있으며, 아이가 자라면서 필요한 요구 사항에 대해 더욱 민감하게 반응할 수 있게 한다.
이에 부모들은 자녀의 발달 상태를 파악하기 위해 자녀와 함께 전문 진단 기관에 방문하여, 자녀가 의학적검사, 표준화 검사(예를 들어, 사회성숙도 검사, KEDI-WISC, 포테이지 인지 발달 검사 등), 비형식적 검사, 관찰, 문진표 작성, 면담 등을 수행하도록 한다.
또한, 치매 노인이나 우울증 등이 예상되는 경우에도, 이러한 전문 진단 기관에 방문하여 다양한 인지 검사를 수행하고 있다.
그러나 종래의 진단 방법들은 수많은 문진검사와 태스크(task)들을 수행함에 따라 적어도 2시간 이상의 시간이 소요되고 있으며, 아동이나 노인 등의 진단 대상이 진단 자체를 거부하거나, 피로함을 느껴 정상적으로 문진이나 태스크를 수행하지 못하는 문제들이 발생할 수 있다.
본 발명은 상기한 바와 같은 과제를 해결하고자 안출된 것으로, 짧은 시간 동안 제공되는 인지 게임에 대한 사용자 단말의 입력 정보로부터, 게임 데이터를 추출하여 인지 상태 진단을 위한 학습 기반 사용자 맞춤형 인지 모델을 구축하고, 사용자 맞춤형 인지 모델에 기초하여 인지 상태 진단에 필요한 태스크들이 사용자 맞춤형 인지 모델에서 자동적으로 수행되도록 처리함으로써, 인지 상태 진단에 소요되는 시간 및 피로도를 획기적으로 감축하고, 다양한 진단 및 평가를 가능하게 하는, 인지 상태 평가 리포팅 제공 방법 및 그 장치를 제공하는데 그 목적이 있다.
상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 인지 상태 평가 리포팅 제공 장치는, 사용자 단말에서 인지 평가 항목별 사전 설정된 인지 진단 태스크에 대응하는 인지 게임 어플리케이션이 수행되고, 상기 인지 게임 어플리케이션에 대한 반응 입력 정보로부터, 인지 평가를 위한 제1 게임 데이터가 추출되면, 상기 제1 게임 데이터에 대응하여, 인지 상태 평가 장치로부터 분석 결과 인터페이스 정보를 수신하는 통신부; 및 상기 분석 결과 인터페이스 정보에 기초한 인지 상태 평가 리포팅을 출력하는 출력부;를 포함하고, 상기 인지 상태 평가 장치는, 인지 태스크별 게임 데이터에 대응하여 인지 아키텍처 기반의 인지 모델이 사전 연관 학습된 인공지능 학습 기반 사용자 맞춤형 인지 모델에, 상기 추출된 제1 게임 데이터를 적용하여, 상기 사용자에 대응하는 맞춤형 인지 태스크 수행 모델을 생성하며, 상기 맞춤형 인지 태스크 수행 모델을 이용하여, 인지 평가 항목별로 선택된 인지 태스크의 대체 수행 결과를 획득하고, 상기 대체 수행 결과에 기초하여 상기 사용자의 상기 인지 항목별 인지 능력을 평가하고, 상기 평가 결과에 따라 상기 분석 결과 인터페이스 정보를 생성하는 장치이다.
또한, 상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 인지 상태 평가 리포팅 제공 장치의 동작 방법은, 사용자 단말에서 인지 평가 항목별 사전 설정된 인지 진단 태스크에 대응하는 인지 게임 어플리케이션이 수행되고, 상기 인지 게임 어플리케이션에 대한 반응 입력 정보로부터, 인지 평가를 위한 제1 게임 데이터가 추출되면, 상기 제1 게임 데이터에 대응하여, 인지 상태 평가 장치로부터 분석 결과 인터페이스 정보를 수신하는 단계; 및 상기 분석 결과 인터페이스 정보에 기초한 인지 상태 평가 리포팅을 출력하는 단계를 포함하고, 상기 인지 상태 평가 장치는, 인지 태스크별 게임 데이터에 대응하여 인지 아키텍처 기반의 인지 모델이 사전 연관 학습된 인공지능 학습 기반 사용자 맞춤형 인지 모델에, 상기 추출된 제1 게임 데이터를 적용하여, 상기 사용자에 대응하는 맞춤형 인지 태스크 수행 모델을 생성하며, 상기 맞춤형 인지 태스크 수행 모델을 이용하여, 인지 평가 항목별로 선택된 인지 태스크의 대체 수행 결과를 획득하고, 상기 대체 수행 결과에 기초하여 상기 사용자의 상기 인지 항목별 인지 능력을 평가하고, 상기 평가 결과에 따라 상기 분석 결과 인터페이스 정보를 생성하는 장치이다.
또한, 상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 방법은, 상기 방법을 컴퓨터에서 실행시키기 위한 컴퓨터 판독가능한 기록매체 및 컴퓨터 프로그램으로 구현될 수 있다.
본 발명의 실시 예에 따르면, 짧은 시간 동안 제공되는 인지 게임에 대한 사용자 단말의 입력 정보로부터, 게임 데이터를 추출하여 인지 상태 진단을 위한 학습 기반 사용자 맞춤형 인지 모델을 구축하고, 사용자 맞춤형 인지 모델에 기초하여 인지 상태 진단에 필요한 태스크들이 사용자 맞춤형 인지 모델에서 자동적으로 수행되도록 처리함으로써, 인지 상태 진단에 소요되는 시간 및 피로도를 획기적으로 감축하고, 다양한 진단 및 평가가 가능하게 되는 인지모델 기반의 인지 상태 평가 리포팅 제공 방법 및 그 장치를 제공할 수 있다.
이에 따라, 본 발명의 실시 예예 따르면 인지 모델링을 통한 개인 맞춤형 진단 및 평가를 통해 교육, 의료 등으로 활용 가능하며, 기존의 2시간 가량 소요되던 ADHD 검사 등의 다양한 문진검사들을 간단하고 짧은 게임 기반의 캐주얼한 형태로 진행할 수 있다.
또한, 본 발명의 실시 예에 따르면 인지 상태에 대한 자가진단도 가능하게 되어, 인지 건강상태 모니터링 및 신속한 병원 내방 및 치료로 이어질 수 있는 인지 건강증진의 효과도 도모할 수 있다.
도 1은 본 발명의 전체 시스템을 개략적으로 도시한 개념도이다.
도 2는 본 발명의 실시 예에 따른 인지 상태 평가 장치를 보다 구체적으로 도시한 블록도이다.
도 3은 본 발명의 실시 예에 따른 인지 아키텍쳐 구성을 위한 변수 모델링 데이터를 도식화한 도면이다.
도 4는 본 발명의 실시 예에 따른 태스크 모델 변수 산출을 위한 게임 어플리케이션별 동작을 설명하기 위한 도면들이다.
도 5는 본 발명의 전체 시스템 동작을 구체적으로 설명하기 위한 래더 다이어그램이다.
도 6 내지 도 7은 본 발명의 실시 예에 따라, 보호자 단말에서 출력되는 리포트 인터페이스를 예시적으로 설명하기 위한 도면들이다.
도 2는 본 발명의 실시 예에 따른 인지 상태 평가 장치를 보다 구체적으로 도시한 블록도이다.
도 3은 본 발명의 실시 예에 따른 인지 아키텍쳐 구성을 위한 변수 모델링 데이터를 도식화한 도면이다.
도 4는 본 발명의 실시 예에 따른 태스크 모델 변수 산출을 위한 게임 어플리케이션별 동작을 설명하기 위한 도면들이다.
도 5는 본 발명의 전체 시스템 동작을 구체적으로 설명하기 위한 래더 다이어그램이다.
도 6 내지 도 7은 본 발명의 실시 예에 따라, 보호자 단말에서 출력되는 리포트 인터페이스를 예시적으로 설명하기 위한 도면들이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.
본 명세서의 청구범위에서, 상세한 설명에 기재된 기능을 수행하기 위한 수단으로 표현된 구성요소는 예를 들어 상기 기능을 수행하는 회로 소자의 조합 또는 펌웨어/마이크로 코드 등을 포함하는 모든 형식의 소프트웨어를 포함하는 기능을 수행하는 모든 방법을 포함하는 것으로 의도되었으며, 상기 기능을 수행하도록 상기 소프트웨어를 실행하기 위한 적절한 회로와 결합된다. 이러한 청구범위에 의해 정의되는 본 발명은 다양하게 열거된 수단에 의해 제공되는 기능들이 결합되고 청구항이 요구하는 방식과 결합되기 때문에 상기 기능을 제공할 수 있는 어떠한 수단도 본 명세서로부터 파악되는 것과 균등한 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 개념도이다.
본 발명의 일 실시 예에 따른 전체 시스템은 인지 상태 평가 장치(100), 사용자 단말(200), 보호자 단말(400) 및 학습 기반 사용자 맞춤형 인지 모델(300)을 포함한다.
인지 상태 평가 장치(100)는, 본 발명의 실시 예에 따른 인지 상태 진단 및 평가 서비스 제공을 위해, 각 사용자 단말(200), 보호자 단말(400), 학습 기반 사용자 맞춤형 인지 모델(300)과 유/무선 네트워크를 통해 연결될 수 있으며, 상호간 통신을 수행할 수 있다.
여기서 상기 각 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 개인 근거리 무선통신(Personal Area Network; PAN), 이동 통신망(mobile radiocommunication network) 또는 위성 통신망 등과 같은 모든 종류의 유/무선 네트워크로 구현될 수 있다.
그리고, 사용자 단말(200) 및 보호자 단말(400)은 컴퓨터, 휴대폰, 스마트 폰(smart phone), 스마트 패드(smart pad), 노트북 컴퓨터(laptop computer), PDA(Personal Digital Assistants), PMP(Portable Media Player) 중 어느 하나의 개별적 기기, 또는 특정 장소에 설치되는 키오스크 또는 거치형 디스플레이 장치와 같은 공용화된 디바이스 중 적어도 하나의 멀티 디바이스일 수 있다.
먼저, 사용자 단말(200)은, 보호자 단말(400)과 함께 인지 상태 평가 장치(100)에 사전 등록된 단말로서, 인지 평가 대상자의 단말 장치일 수 있다. 그리고, 사용자 단말(200)은 인지 평가 항목에 따라, 인지 상태 평가 장치(100)로부터 제공된 인지 게임을 출력하고, 인지 게임에 대응하는 사용자 반응 데이터를 입력받아 인지 상태 평가 장치(100)로 전달할 수 있다.
이를 위해, 도시되지는 않았으나 각 사용자 단말(200) 및 보호자 단말(400)은 그 목적에 따라 구동되는 각각의 통신부, 제어부, 입력부 및 출력부를 포함할 수 있다. 입력부는 사용자의 입력 정보를 획득할 수 있으며, 출력부는 음성 및 화면 출력을 통해 본 발명의 실시 예에 따른 게임 또는 분석 인터페이스를 출력할 수 있다.
이와 같은 시스템 구성에 있어서, 인지 상태 평가 장치(100)는, 학습 기반 사용자 맞춤형 인지 모델(300)을 사전 구축할 수 있다. 인지 상태 평가 장치(100)는, 학습 기반 사용자 맞춤형 인지 모델(300)은, 인지 게임에 대응하는 사용자 반응 데이터에서 추출되는 인지 게임 데이터와, 학습 대상자들에 대응하여 진단되었던 과거 인지 상태 데이터를 비교 학습하여, 학습 기반 사용자 맞춤형 인지 모델(300)을 구축할 수 있다. 학습에는 예를 들어 CNN, DNN, RNN, LSTM 등의 다양한 딥러닝 학습이 예시될 수 있으며, 회귀분석 등의 분석방식이나 통계적인 관계 분석 방식도 이용될 수 있다.
보다 구체적으로, 인지 상태 평가 장치(100)는, 인지 태스크별 게임 데이터에 대응하여 인지 아키텍처 기반의 인지 모델이 사전 연관 학습된 인공지능 학습 기반 사용자 맞춤형 인지 모델을 사전 구축할 수 있다.
여기서, 이러한 인지 아키텍처 기반의 인지 모델은 알려진 ACT-R(Adaptive Control of Thought Rational) 아키텍처 기반 인지 모델을 포함할 수 있으며, 상기 인지 평가 항목은 상기 ACT-R 모델에 대응하는 과잉행동장애(ADHD, attention deficit hyperactivity disorder) 평가 항목을 포함할 수 있는 바, 게임 데이터 기반의 ADHD에 대응하는 인지 항목 평가를 가능하게 한다.
이를 위해, 인지 상태 평가 장치(100)는, 먼저 사용자의 인지 게임 어플리케이션에 대한 반응 입력 정보로부터, 인지 평가를 위한 제1 게임 데이터를 추출하며, 상기 추출된 제1 게임 데이터를, 상기 학습 기반 사용자 맞춤형 인지 모델(300)에 적용하여, 상기 사용자에 대응하는 맞춤형 인지 태스크 수행 모델을 생성하고, 상기 맞춤형 인지 태스크 수행 모델을 이용하여, 인지 평가 항목별로 선택된 인지 태스크의 대체 수행 결과를 획득하고, 상기 대체 수행 결과에 기초하여 상기 사용자의 상기 인지 항목별 인지 능력을 평가할 수 있다.
여기서, 상기 태스크 수행 모델은, 게임 데이터 입력으로부터, 학습 기반 사용자 맞춤형 인지 모델(300)을 이용해 사용자의 인지 상태를 예측하여 생성된 태스크 자동 수행 모델로서, 기존의 ADHD 등의 인지 상태 진단을 위해 2시간 정도 소요되는 일련의 다양한 문진 및 태스크를, 별도의 사용자 입력 없이도 자동적으로 대체 수행하게 하는 모델일 수 있다.
즉, 태스크 수행 모델은 인지 평가를 위한 태스크를, 상기 게임 데이터로 구축된 사용자 맞춤형 인지 모델이 수행하였을 때 예측되는 결과 데이터를 출력하는 모델로서, 이는 각 태스크별 사전 설정된 평가 기준 등에 의해 예측될 수 있다. 예를 들어, 사용자 맞춤형 인지 모델의 반응 속도 변수가 0.5인 경우, 태스크 수행 모델은 반응 속도 변수 0.5인 상태에서 인지 평가 태스크를 수행하였을 경우의 예측되는 결과를, 상기 대체 수행 결과로서 출력할 수 있는 것이다.
따라서, 본 발명의 실시 예에 따른 인지 게임 어플리케이션은, 이러한 태스크 수행 모델 생성을 위한 반응 변수를 수집할 수 있도록 구성될 수 있다. 그리고, 인지 상태 평가 장치(100)는, 이러한 반응 변수를 종류별로 각각 게임 데이터로부터 추출할 수 있으며, 이를 위해 미리 단계적으로 구성된 인지 게임 어플리케이션들을 사용자 단말(200)로 제공할 수 있다.
이러한 인지 게임 어플리케이션에는 짧은 시간 동안 수행 가능한 인지 게임이 포함될 수 있으며, 인지 상태 진단 및 평가에 이용되는 인지 변수 등을 추출하기 위한 다양한 태스크들이 순차 또는 동시에 병렬적으로 수행되는 인지 게임들을 포함할 수 있다.
한편, 사용자 단말(200)에서는 이와 같이 구성된 인지 게임 어플리케이션이 출력될 수 있으며, 대상자는 게임을 수행하기 위한 사용자 반응 입력을 사용자 단말(200)로 입력한다. 사용자 단말(200)은 입력된 사용자 반응 입력 정보를 가공하여, 인지 상태 평가 장치(100)로 전달할 수 있다.
그리고, 인지 상태 평가 장치(100)는 사용자 반응 입력 정보로부터 추출되는 인지 게임 데이터를 이용하여, 학습 기반 사용자 맞춤형 인지 모델(300)에 적용함으로써, 사용자 맞춤형 인지 모델을 생성하고, 사용자 맞춤형 인지 모델에 대응하는 맞춤형 태스크 수행 모델을 생성할 수 있다.
이에 따라, 인지 상태 평가 장치(100)는 맞춤형 태스크 수행 모델에, 사람이 직접 인지 상태 평가하기 위해 구성되었떤 기존의 태스크들을 디지털화하여 입력함으로써, 맞춤형 태스크 수행 모델의 대체 구동에 따른 사용자별 인지 상태 진단 결과 데이터를 획득할 수 있으며, 획득된 결과 데이터 기반의 적절한 진단 및 평가 정보가 신속하게 처리되어 사용자 단말(200) 및 보호자 단말(400)이나, 또는 별도의 기관으로 제공될 수 있다.
도 2는 본 발명의 실시 예에 따른 인지 상태 평가 장치를 보다 구체적으로 설명하기 위한 블록도이다.
본 발명의 실시 예에 따른, 인지 상태 평가 장치(100)는, 인지 모델 생성부(110), 인지 능력 평가부(120) 및 맞춤형 태스크 수행 모델 구성부(130)를 포함할 수 있고, 학습 기반 사용자 맞춤형 인지 모델(300)은 상기 인지 상태 평가 장치(100)에 연결되거나, 인지 상태 평가 장치(100)에 포함되어 있거나, 외부 서버 등에 사전 구축되어 있을 수 있다.
먼저, 인지 모델 생성부(110)는 인지 아키텍처 구성부(111), 게임 데이터 처리부(112), 사용자 단말 입력 정보 처리부(113), 인지 모델 학습 모델링부(114)를 포함한다.
먼저, 인지 아키텍처 구성부(111)는, 게임 어플리케이션의 게임 데이터로부터 인지 상태 평가 및 진단을 위한 변수를 추출하기 위하여, 사전 구축된 인지 변수의 아키텍처 데이터를 저장 및 관리한다.
그리고, 사용자 단말 입력 정보 처리부(113)로 입력된 사용자의 입력 정보는, 게임 데이터 처리부(112)에서 인지 변수로서 처리되어, 인지모델 학습 모델링부(114)로 인가된다.
그리고, 인지 모델 학습 모델링부(114)는, 게임 데이터 처리부의 인지 변수를 학습 기반 사용자 맞춤형 인지 모델(300)에 입력하여, 맞춤형 태스크 수행 모델을 구축한다.
보다 구체적으로, 예를 들어, 인지 아키텍처 구성부는, 인간의 인지/행동 과정을 논리적으로 구성하기 위해, 알려진 ACT-R(Adaptive Control of Thought Rational) 아키텍처 기반 인지 모델을 이용하여, 미리 설정된 모듈과 버퍼에 맞게 구성된 조건-실행문 기반의 인지 모델 아키텍처를 구성할 수 있으며, 게임 데이터 처리부(112)는, 인지 모델 아키텍처의 각 조건-실행문들을 사전 설정된 게임 데이터에 매핑하는 처리를 수행할 수 있다.
그리고, 인지모델 학습 모델링부는, 게임 데이터 처리부(112)의 아키텍처 매핑 데이터와, 사용자 단말 입력 정보 처리부(113)의 입력 정보로부터, 사용자가 N개의 게임을 수행한 결과 데이터에서 획득되는, 작업기억력, 주의력, 인지적 유연성, 억제력, 처리속도 등에 관련된 인지 모델 변수들을 추출하고, 추출된 인지 모델 변수들을 학습 기반 사용자 맞춤형 인지 모델(300)에 적용하여, 사용자 맞춤형으로 개인화된 인지 모델을 구성할 수 있다.
그리고, 맞춤형 태스크 수행 모델 구성부(130)는, 이러한 개인화된 인지 모델을 이용하여, 인지 평가 항목별로 선택된 인지 태스크들을 대체 수행할 수 있는 태스크 맞춤형 인지 태스크 수행 모델을 구성할 수 있다.
이를 위해, 맞춤형 태스크 수행 모델 구성부(130)는, 전술한 ACT-R 기반의 기본적인 태스크 수행 모델 아키텍처를 구성하되 상기 개인화된 인지 모델별 변수를 적용하여, 태스크가 입력되면 각 사용자의 수행시간, 오류율, 미션 성공율, 정답률, 연속 성공률 등을 반복적으로 측정할 수 있도록 구성된 가상의 태스크 수행 모델을 생성할 수 있다.
맞춤형 태스크 수행 모델 구성부(130)는, 이러한 태스크 수행 모델을 개별적으로 생성하고, 그 정확도 검증을 위해 모델링에 활용되지 않았던 N+1번째 이후의 게임 데이터를 사용자 단말(200)로부터 더 수신할 수 있다.
이러한 N+1번째 이후의 게임 데이터는 인지 능력 평가부(120)의 정확도 검증부(127)로 전달될 수 있다. 정확도 검증부(127)는, 수행시간, 에러율, Latency 등을 기준으로하는 비교 평가에 따라, 모델 예측 정보의 오차를 비교 검출하고, 오차가 임계치 이상인 경우, 추가 게임 수행을 결정하여 사용자 단말(200)로 알림을 제공할 수도 있다. 이러한 모델의 자가 학습을 통해, 맞춤형 태스크 수행 모델 구성부(130)는 맞춤형 태스크 자동 대체 수행을 위한 사용자 복제 인지 모델을 보다 정확하게 생성할 수 있다.
그리고, 인지 능력 평가부(120)에서는, 맞춤형 태스크 수행 모델을 이용하여, 인지 모델 기반 태스크를 자동적으로 수행시키는 인지 모델 기반 태스크 대체 수행부(121)를 포함한다.
여기서, 태스크들은 각각의 진단 목적이나 대상에 따라 대체 구성이 가능한 진단이나 문진 태스크들을 포함할 수 있으며, 인지 상태 평가 장치(100)에는 태스크를 ADHD 상태 평가 등의 각각의 목적이나 사용자 분류에 따라 선택 구성하는 태스크 선택부(122)가 더 포함될 수 있다.
그리고, 인지 상태 평가 장치(100)는 결과 데이터를 처리하는 결과 데이터 처리부를 포함하며, 결과 데이터는 클라우드 연결부를 통해 보호자나 사용자 단말(200)로 제공되거나, 인터페이스 출력부(125)를 통해 보호자 단말(400)의 화면상에 출력하거나, 인지 강화 트랙 추천부(126)로 제공되어, 인지 상태 진단 결과에 대응하는 인지 강화 프로세스가 보호자 단말(400)로 제공되어 출력되도록 처리될 수 있다.
보다 구체적으로, 인지 능력 평가부(120)는 인지 모델 기반 태스크 대체 수행부(121)를 이용하여, 맞춤형 태스크 수행 모델의 대체 수행을 기반으로 실제 사용자가 진행해야 하는 다양한 과제들을 대신해서 수행하게 하며, 사용자 맞춤형으로 학습되고 복제된 수행능력(미션을 얼마나 수행하는지, 에러는 얼마나 일어났는지, 어떤 타겟을 자주 놓쳤는지 등)을 기준으로 하는 M 번 이상의 다양한 TASK를 수행하게 할 수 있다.
결과 데이터 처리부(124)는, 수행결과 데이터를 구성하기 위해 사전 설정된 기준 또는 사전 정의된 알고리즘에 따라, 정량화를 수행할 수 있다.
그리고, 인터페이스 출력부(125)는 정량화된 수행결과 데이터를 이용하여, 분석 결과 인터페이스를 구성하고, 구성된 분석 결과 인터페이스를 포함하는 리포팅 데이터가 보호자 단말(400)로 제공될 수 있다.
이에 따라, 보호자 단말(400)에서는, 다양한 형태의 인터페이스를 통해 사용자의 인지 상태 평가 정보를 제공할 수 있다. 예를 들어 분석 결과 인터페이스는 오각형의 스파이더맵 형태로 리포팅될 수 있고, 추가적으로 분석된 정보는 정성적 데이터로 출력될 수도 있다.
나아가, 결과 데이터 처리부(124)는, 기존까지 수행한 정보를 바탕으로 향 후 2주간 내의 데이터를 통계적 분석을 이용하여 예측하고, 예측된 데이터를 사용자 단말(200)로 제공할 수도 있다. 이를 위해, 결과 데이터 처리부(124)는, 인지 모델과 학습에 의한 성장 회귀 방정식을 산출하고, 2주 내 예측 데이터를 생성하는 분석 처리를 수행할 수 있다.
또한, 인지 강화 트랙 추천부(126)는, 사전 설정된 인지 상태 항목이 임계치 이하인 경우에, 임계치 이하인 항목의 능력을 강화할 수 있는 강화 태스크로 구성된 강화 트랙을 추천 트랙으로 구성하고, 구성된 추천 트랙을 보호자 단말(400) 또는 사용자 단말(200)로 제공하는 추천 프로세스를 수행할 수 있다.
여기서, 상기 추천 트랙 정보는 사용자 단말(200) 또는 보호자 단말(400)로 제공될 수 있으며, 추천 트랙 정보는 단계적으로 구성된 하나 이상의 게임 정보를 포함할 수 있다. 여기서, 추천되는 각 게임은 인지 능력을 종합적으로 향상시켜주는 태스크를 포함할 수 있으며, 특히 부족하다고 예측되는 상기 임계치 이하인 항목들을 더 강하게 집중 강화하는 태스크들을 포함할 수 있다.
이러한 일련의 프로세스를 위해, 모든 RAW 데이터는 사용자 단말(200)에서 1차 저장 후 가공되어 인지 상태 평가 장치(100)로 제공될 수 있으며, 종합된 데이터는 클라우드 연결부(123)를 통해 클라우드 서버에 저장되고, 최종적 종합 데이터는 사용자 단말(200) 또는 보호자 단말(400)로 제공될 수 있다.
이러한 시스템 구축을 통해 인지 모델링을 통한 개인 맞춤형 진단/평가가 신속하고 쉽게 진행될 수 있으며, 이는 교육, 의료(치료) 등으로 활용 가능하고, 특히 기존 2시간 가까이 진행해야했던 아동ADHD 검사 등을 좀 더 캐쥬얼하면서도 신속하게 처리할 수 있다.
또한, 국내 잠재적 아동ADHD의 90%가 병원을 가지 않는데, 본 인지 상태 평가 장치(100)를 이용하게 되면 간단한 자가진단 후 병원 내방도 쉬워질 수 있는 효과를 가질 수 있으며, 이는 아동 진단 뿐만 아니라 자폐, 우울증, 치매 등의 일반 인지 진단에도 활용될 수 있는 장점이 있다.
도 3은 본 발명의 실시 예에 따른 인지 아키텍쳐 구성을 위한 변수 모델링 데이터를 도식화한 도면이다.
도 3을 참조하면, 인지 모델 학습 모델링부(114)는, 인지 학습 모델에 기반하여, 각 태스크를 수행할 수 있도록 하는 태스크 변수 모델링부(1141), 인지 모델 변수 모델링부(1143), 특징 변수 모델링부(1145) 및 스코어링 변수 모델링부(1147)를 포함한다.
태스크 변수 모델링부(1141)는, 각 게임 데이터로부터 추출되는 태스크별 사용자 입력 결과를, 인지 능력을 평가하기 위한 인지 태스크 수행용 모델 변수로 모델링하는 처리를 수행할 수 있다.
그리고, 인지 모델 변수 모델링부는(1143), 인지 모델을 구성을 위해, 인지 아키텍처에 따라 획득되는 학습 변수들을 설정하는 모델링을 수행할 수 있다.
여기서, 인지 아키텍처는 ACT-R 모델이 예시될 수 있는 바, ACT-R의 경우 인간 두뇌의 여러 가지 역할을 8 개의 모듈(modules)에서 각각 나누어 담당하도록 구성되며, 각 모듈과 중앙처리장치 역할을 하는 생산 시스템(production system) 은 버퍼(buffer)를 통해 인지과정에 대한 정보 즉 청크를 서로 교환하도록 구성된다. 이 때 비록 버퍼에서는 한번에 한 개의 청크만 순차적으로 저장하고 처리할 수 있지만, 각 모듈은 여러 개의 정보를 동시에 검색하거나 저장할 수 있으며, 생산 시스템(production system) 에서는 여러 개의 생산 규칙에 따른 태스크들을 동시에 병렬적으로 비교 처리하도록 구성될 수 있다.
따라서, 인지 모델 변수 모델링부는(1143) 이러한 인지 아키텍처에 의해 사전 설정된 버퍼 및 시스템 구조를 데이터화하며, 개인화된 인지 모델 구성을 위한 학습 변수들을 선택 조정할 수 있다.
그리고, 특징 변수 모델링부(1145)는, 인지 모델 변수 모델링부(1143)에서 모델링된 변수들 중, 게임 데이터 기반 태스크 대체 수행에 유용한 특징 변수를 추출하는 모델링을 처리할 수 있다. 여기서, 특징 정보는 알려진 SVM 방식 등을 통해 추출되는 변수일 수 있으며, 1차 특징 정보로서 예를 들어 학습을 위한 활성화 함수, 베이스 레벨 활성 값, 인지 정확도, 인지 지연 시간 등이 예시될 수 있으며, 2차 특징 정보는 1차 특징 정보의 최소값, 최대값, 평균, 표준편차, 분산 등이 예시될 수 있다.
또한, 스코어링 변수 모델링부(1147)는, 개인에 대응하는 인지 스크리닝 및 인지 평가 점수를 산출할 수 있는 알고리즘 및 스코어링 변수를 모델링할 수 있는 바, 이는 앞서 설정된 태스크 변수, 인지 모델 변수, 특징 변수를 이용하여 산출되는, 하나 이상의 인지 평가 항목별 평가 함수에 대응되는 변수 조정으로 처리될 수 있다.
도 4는 본 발명의 실시 예에 따른 태스크 모델 변수 산출을 위한 게임 어플리케이션별 동작을 설명하기 위한 도면들이다.
도 4를 참조하면, 본 발명의 실시 예에 따른 게임 데이터로부터 산출되는 태스크 모델 변수는, 크게는 작업 기억력 변수 모델, 억제력 변수 모델, 분할 주의력 변수 모델, 유연성 변수 모델, 처리 속도 변수 모델로 예시될 수 있다. 다만, 이는 예시이므로 추가적인 변수 모델들이 더 포함될 수 있음은 물론이다.
먼저, 작업 기억력 변수 모델은, 다른 감각 기관들로부터 들어오는 정보를 머리 속에 저장하고, 일정한 짧은 시간 안에 정보를 다시 인출할 수 있는 능력을 나타내는 것으로, 이에 따른 게임 어플리케이션은 일련의 숫자를 순차적으로 표시할 수 있으며, 사용자는 순차 표시된 일련의 숫자를 역순으로 입력하는 반응 데이터를 입력할 수 있다. 그리고, 모델 변수에서는 정답 스코어, 정답 소요 시간 등이 그 변수로 활용될 수 있으며, 결과적으로 작업 기억력 변수로서 맞춤형 인지 평가 태스크 수행 모델에 반영될 수 있다.
또한, 억제력 변수 모델은, 외부 환경이나 개체 내부로부터의 많은 자극 중 특정한 것만을 분명하게 인지하거나, 특정한 것에만 반응하는 선택적/집중적 활동 및 상태 능력을 나타내는 것으로, 이에 따른 게임 어플리케이션은 알려진 스트룹(STROOP) 테스트 등이 예시될 수 있다. 스트룹 테스트는 단어 또는 객체의 표시 색상과, 그 단어 또는 객체가 나타내는 의미가 서로 상이한 단어 또는 객체들을 나열하고, 특정한 색상 또는 객체만을 선택하도록 표시하여, 선택적/집중적 활동 능력을 체크할 수 있다. 사용자는 테스트 질의에 대응하는 객체를 선택하는 반응 데이터를 입력할 수 있다. 그리고, 모델 변수에서는 일치 자극 정보, 불일치 자극 정보, 종합 자극 정보 등이 그 변수로 활용될 수 있으며, 결과적으로 억제력 변수로서 맞춤형 인지 평가 태스크 수행 모델에 반영될 수 있다.
그리고, 분할 주의력 변수 모델은, 동시에 두 가지 다른 자극에 반응하면서 주변 환경의 다양한 요구에 반응할 수 있는 능력을 나타내며, 태스크 두가지를 동시에 진행할 수 있는 지를 나타낸다. 이에 따른 게임 어플리케이션은 서로 다른 색을 갖는 순차적 숫자를 표시하는 어플리케이션으로서, 사용자는 서로 다른 색을 갖는 순차적 숫자를 선택하여, 반응 데이터로서 입력할 수 있다. 그리고, 모델 변수에서는 정답 스코어 및 정답 소요 시간 등이 그 변수로 활용될 수 있으며, 결과적으로 분할 주의력 변수로서 맞춤형 인지 평가 태스크 수행 모델에 반영될 수 있다.
그리고, 유연성 변수 모델은, 외부 환경 및 규칙의 변화에 따라 적절하게 사고와 행동을 전환하는 정신적 능력을 나타내며, 요구되는 변화에 맞게 사고 전환을 수행하는 능력을 나타낸다. 이에 따른 게임 어플리케이션은 카드 분류 기준 제시어에 적합한 카드를 선택하는 어플리케이션으로서, 사용자는 기준 제시어에 따른 적절한 카드를 선택하여, 반응 데이터로서 입력할 수 있다. 그리고, 모델 변수에서는 정답 스코어, 연속 정답 스코어 및 정답 소요 시간 등이 그 변수로 활용될 수 있으며, 결과적으로 유연성 변수로서 맞춤형 인지 평가 태스크 수행 모델에 반영될 수 있다.
또한, 처리 속도 변수 모델은, 자극을 받아 반응하는 시간 및 인식 정보가 시각적인지, 청각적인지, 운동적인지 등을 이해하고 반응할 수 있는 속도를 나타낸다. 이에 따른 게임 어플리케이션은 질의에 따른 도형 또는 객체를 선택하는 어플리케이션으로서, 사용자는 모양이 다른 도형이나 제시된 모양의 도형을 선택하여, 반응 데이터로서 입력할 수 있다. 그리고, 모델 변수에서는 정답 스코어 및 정답 소요 시간 등이 그 변수로 활용될 수 있으며, 결과적으로 처리 속도 변수로서 맞춤형 인지 평가 태스크 수행 모델에 반영될 수 있다.
도 5는 본 발명의 전체 시스템 동작을 구체적으로 설명하기 위한 래더 다이어그램이다.
도 5를 참조하면, 본 발명의 실시 예에 따른 인지 상태 평가 장치(100)는, 먼저 인지 평가 항목별 태스크를 기반으로 하는 인지 아키텍처 데이터 및 초기 인지 모델을 구성한다(S1001).
그리고, 인지 상태 평가 장치(100)는, 사용자 단말(200) 및 보호자 단말(400)의 사용자 정보를 등록한다(S1003). 여기서, 사용자 정보는 단말 식별 정보, 사용자 계정 정보, 전화번호 정보, 가족 관계 정보 등이 예시될 수 있다.
이후, 사용자 단말(200)은 인지 상태 평가 장치(100)로부터 인지 평가 항목 정보를 제공받아(S1004), 인지 평가 항목별 사전 설정된 인지 진단 태스크에 대응하는 하나 이상의 게임을 수행한다(S1005).
그리고, 사용자 단말(200)은, 사용자 입력 데이터 기반의 모델 변수를 구성하며(S1007), 구성된 게임 데이터 및 모델 변수 정보는 인지 상태 평가 장치(100)로 전달된다(S1009). 여기서, 상기 S1007 단계는 인지 상태 평가 장치(100)에서도 수행될 수 있다.
이후, 인지 상태 평가 장치(100)는, 학습 기반의 개인화된 인지 모델 모델링을 수행하고(S1011), 개인화된 인지 모델을 이용한 맞춤형 태스크 수행 모델을 구성하며(S1013), 맞춤형 태스크 수행 모델을 이용하여, 인지 평가 항목별 선택된 태스크의 대체 수행 결과를 획득한다(S1015).
그리고, 인지 상태 평가 장치(100)는, 상기 대체 수행 결과 데이터를 이용하여, 인지 평가 항목별 분석 결과 인터페이스를 구성하고(S1017), 인지 평가 항목별 분석 결과 인터페이스를 보호자 단말(400)로 제공한다(S1019).
이후, 보호자 단말(400)에서는 분석 결과 리포트가 출력될 수 있으며(S1021), 인지 상태 진단 장치(100)는 분석 결과에 기초한 인지 강화 트랙 추천 정보를 보호자 단말(400)로 제공할 수 있다(S1023). 이와 같은 분석 결과 인터페이스 구성 및 출력에 따라, 본 발명의 실시 예에 따른 보호자 단말(400)은 분석 결과 리포트를 제공하기 위한 리포트 제공 장치로서 구현될 수 있다.
도 6 내지 도 7은 본 발명의 실시 예에 따라, 보호자 단말에서 출력되는 리포트 인터페이스를 예시적으로 설명하기 위한 도면들이다.
먼저, 도 6을 참조하면, 분석 결과 인터페이스에서는 사용자의 결과 데이터를 기준으로 하는 인지 상태를 수치화하여 출력할 수 있으며, 부가 정보로서 부족한 요소를 보강하기 위한 강화 게임들과, 주변 병원 정보 등이 출력될 수 있다.
또한, 도 7을 참조하면, 평가 인터페이스에서는 사용자의 결과 데이터를 기준 변수 기반의 오각형 그래프로 가공하여 출력할 수 있으며, 학습 기반으로 산출된 성장 회귀 방정식에 기초하여, 상기 사용자 맞춤형 인지 모델에 대응하는 일정 기간 이내의 인지 항목별 인지 능력 성장 예측 데이터를 구성하여, 일정 기간(2주)동안의 변화를 추적 및 예측하여 출력할 수 있다. 또한, 강화 게임에 의해 변화된 수치 등을 확인할 수 있으므로, 사용자가 자신의 인지 상태를 쉽게 모니터링하고 보완할 수 있도록 하는 기능을 제공할 수 있다.
상술한 본 발명에 따른 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다.
컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
Claims (15)
- 인지 상태 평가 리포팅 제공 장치에 있어서,
사용자 단말에서 인지 평가 항목별 사전 설정된 인지 진단 태스크에 대응하는 인지 게임 어플리케이션이 수행되고, 상기 인지 게임 어플리케이션에 대한 반응 입력 정보로부터, 인지 평가를 위한 제1 게임 데이터가 추출되면, 상기 제1 게임 데이터에 대응하여, 인지 상태 평가 장치로부터 분석 결과 인터페이스 정보를 수신하는 통신부; 및
상기 분석 결과 인터페이스 정보에 기초한 인지 상태 평가 리포팅을 출력하는 출력부;를 포함하고,
상기 인지 상태 평가 장치는, 인지 태스크별 게임 데이터에 대응하여 인지 아키텍처 기반의 인지 모델이 사전 연관 학습된 인공지능 학습 기반 사용자 맞춤형 인지 모델에, 상기 추출된 제1 게임 데이터를 적용하여, 상기 사용자에 대응하는 맞춤형 인지 태스크 수행 모델을 생성하며, 상기 맞춤형 인지 태스크 수행 모델을 이용하여, 인지 평가 항목별로 선택된 인지 태스크의 대체 수행 결과를 획득하고, 상기 대체 수행 결과에 기초하여 상기 사용자의 상기 인지 항목별 인지 능력을 평가하고, 상기 평가 결과에 따라 상기 분석 결과 인터페이스 정보를 생성하는 장치인
인지 상태 평가 리포팅 제공 장치. - 제1항에 있어서,
상기 출력부는, 상기 분석 결과 인터페이스 정보를 다각형의 스파이더맵 형태로 구성한 상기 리포팅을 출력하는
인지 상태 평가 리포팅 제공 장치. - 제1항에 있어서,
상기 출력부는,
학습 기반으로 산출된 성장 회귀 방정식에 기초하여, 상기 사용자 맞춤형 인지 모델에 대응하는 일정 기간 이내의 인지 항목별 인지 능력 성장 예측 데이터를 출력하는
인지 상태 평가 리포팅 제공 장치. - 제1항에 있어서,
상기 출력부는,
상기 분석 결과 인터페이스 중 사전 설정된 인지 상태 항목이 임계치 이하인 경우, 임계치 이하인 상기 인지 상태 항목의 능력을 강화할 수 있는 강화 태스크로 구성된 강화 추천 트랙 정보를 상기 인지 상태 평가 장치로부터 수신하여 출력하는
인지 상태 평가 리포팅 제공 장치. - 제4항에 있어서,
상기 강화 추천 트랙 정보는, 상기 강화 태스크에 대응하여 단계적으로 구성된 하나 이상의 게임 정보를 포함하는
인지 상태 평가 리포팅 제공 장치. - 제1항에 있어서,
상기 분석 결과 인터페이스는 아동 ADHD 검사를 위한 인지 상태 평가 정보를 포함하는
인지 상태 평가 리포팅 제공 장치. - 제1항에 있어서,
상기 맞춤형 인지 태스크 수행 모델은,
상기 선택된 인지 태스크에 대응하는 상기 사용자의 수행시간, 오류율, 정답율 중 적어도 하나를 예측하여, 상기 대체 수행 결과를 출력하는 가상의 태스크 수행 모델을 포함하며,
상기 인지 아키텍처 기반의 인지 모델은, ACT-R(Adaptive Control of Thought Rational) 아키텍처 기반 인지 모델을 포함하고,
상기 인지 평가 항목은 상기 ACT-R 모델에 대응하는 과잉행동장애(ADHD, attention deficit hyperactivity disorder) 평가 항목을 포함하며,
상기 인공지능 학습 기반 사용자 맞춤형 인지 모델은,
인지 태스크별 게임 학습 데이터를 SVM(Support Vector Macnine)로 변환하여 획득된 특징 정보를, ADHD 대상자 그룹 및 일반 대상자 그룹으로 분류하는 그룹 분류 연관 학습을 수행하여 구성되며,
상기 인지 능력 평가부는, 상기 그룹 분류 연관 학습에 의해 구성된 분류 모델에 기초하여, 상기 사용자의 ADHD 항목 평가 스코어를 산출하는
인지 상태 평가 리포팅 제공 장치. - 인지 상태 평가 리포팅 제공 장치의 동작 방법에 있어서,
사용자 단말에서 인지 평가 항목별 사전 설정된 인지 진단 태스크에 대응하는 인지 게임 어플리케이션이 수행되고, 상기 인지 게임 어플리케이션에 대한 반응 입력 정보로부터, 인지 평가를 위한 제1 게임 데이터가 추출되면, 상기 제1 게임 데이터에 대응하여, 인지 상태 평가 장치로부터 분석 결과 인터페이스 정보를 수신하는 단계; 및
상기 분석 결과 인터페이스 정보에 기초한 인지 상태 평가 리포팅을 출력하는 단계를 포함하고,
상기 인지 상태 평가 장치는, 인지 태스크별 게임 데이터에 대응하여 인지 아키텍처 기반의 인지 모델이 사전 연관 학습된 인공지능 학습 기반 사용자 맞춤형 인지 모델에, 상기 추출된 제1 게임 데이터를 적용하여, 상기 사용자에 대응하는 맞춤형 인지 태스크 수행 모델을 생성하며, 상기 맞춤형 인지 태스크 수행 모델을 이용하여, 인지 평가 항목별로 선택된 인지 태스크의 대체 수행 결과를 획득하고, 상기 대체 수행 결과에 기초하여 상기 사용자의 상기 인지 항목별 인지 능력을 평가하고, 상기 평가 결과에 따라 상기 분석 결과 인터페이스 정보를 생성하는 장치인
인지 상태 평가 리포팅 제공 장치의 동작 방법. - 제8항에 있어서,
상기 출력하는 단계는, 상기 분석 결과 인터페이스 정보를 다각형의 스파이더맵 형태로 구성한 상기 리포팅을 출력하는 단계를 포함하는
인지 상태 평가 리포팅 제공 장치의 동작 방법. - 제8항에 있어서,
상기 출력하는 단계는,
학습 기반으로 산출된 성장 회귀 방정식에 기초하여, 상기 사용자 맞춤형 인지 모델에 대응하는 일정 기간 이내의 인지 항목별 인지 능력 성장 예측 데이터를 출력하는 단계를 포함하는
인지 상태 평가 리포팅 제공 장치의 동작 방법. - 제8항에 있어서,
상기 출력하는 단계는,
상기 분석 결과 인터페이스 중 사전 설정된 인지 상태 항목이 임계치 이하인 경우, 임계치 이하인 상기 인지 상태 항목의 능력을 강화할 수 있는 강화 태스크로 구성된 강화 추천 트랙 정보를 상기 인지 상태 평가 장치로부터 수신하여 출력하는
인지 상태 평가 리포팅 제공 장치의 동작 방법. - 제11항에 있어서,
상기 강화 추천 트랙 정보는, 상기 강화 태스크에 대응하여 단계적으로 구성된 하나 이상의 게임 정보를 포함하는
인지 상태 평가 리포팅 제공 장치의 동작 방법. - 제8항에 있어서,
상기 분석 결과 인터페이스는 아동 ADHD 검사를 위한 인지 상태 평가 정보를 포함하는
인지 상태 평가 리포팅 제공 장치의 동작 방법. - 제8항에 있어서,
상기 맞춤형 인지 태스크 수행 모델은,
상기 선택된 인지 태스크에 대응하는 상기 사용자의 수행시간, 오류율, 정답율 중 적어도 하나를 예측하여, 상기 대체 수행 결과를 출력하는 가상의 태스크 수행 모델을 포함하는
인지 상태 평가 리포팅 제공 장치의 동작 방법. - 제14항에 있어서,
상기 인지 아키텍처 기반의 인지 모델은, ACT-R(Adaptive Control of Thought Rational) 아키텍처 기반 인지 모델을 포함하고,
상기 인지 평가 항목은 상기 ACT-R 모델에 대응하는 과잉행동장애(ADHD, attention deficit hyperactivity disorder) 평가 항목을 포함하며,
상기 인공지능 학습 기반 사용자 맞춤형 인지 모델은,
인지 태스크별 게임 학습 데이터를 SVM(Support Vector Macnine)로 변환하여 획득된 특징 정보를, ADHD 대상자 그룹 및 일반 대상자 그룹으로 분류하는 그룹 분류 연관 학습을 수행하여 구성되며,
상기 인지 능력 평가부는, 상기 그룹 분류 연관 학습에 의해 구성된 분류 모델에 기초하여, 상기 사용자의 ADHD 항목 평가 스코어를 산출하는
인지 상태 평가 리포팅 제공 장치의 동작 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20210126845 | 2021-09-27 | ||
| KR1020210126845 | 2021-09-27 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230044977A true KR20230044977A (ko) | 2023-04-04 |
Family
ID=85720964
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220122727A KR20230044977A (ko) | 2021-09-27 | 2022-09-27 | 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델 기반의 인지 상태 평가 리포팅 제공 방법 및 그 장치 |
| KR1020220122726A KR20230044976A (ko) | 2021-09-27 | 2022-09-27 | 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델 기반의 인지 상태 평가 장치 및 그 동작 방법 |
| KR1020220122725A KR20230044975A (ko) | 2021-09-27 | 2022-09-27 | 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델을 구축하기 위해 사용자 반응 데이터를 수집하는 사용자 단말 및 그 동작 방법 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220122726A KR20230044976A (ko) | 2021-09-27 | 2022-09-27 | 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델 기반의 인지 상태 평가 장치 및 그 동작 방법 |
| KR1020220122725A KR20230044975A (ko) | 2021-09-27 | 2022-09-27 | 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델을 구축하기 위해 사용자 반응 데이터를 수집하는 사용자 단말 및 그 동작 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (3) | KR20230044977A (ko) |
| WO (1) | WO2023048548A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102578849B1 (ko) * | 2023-06-19 | 2023-09-15 | 주식회사 메디마인드 | 사용자의 사회인지능력을 평가하기 위한 특정 컨텐츠를 제공하는 방법 및 이를 이용한 컴퓨팅 장치 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101667281B1 (ko) * | 2014-06-13 | 2016-10-19 | (주) 미디어인터랙티브 | 인지능력 훈련 장치 및 방법, 그리고 그 방법이 기록된 컴퓨터-판독가능한 저장매체 |
| WO2016145372A1 (en) * | 2015-03-12 | 2016-09-15 | Akili Interactive Labs, Inc. | Processor implemented systems and methods for measuring congnitive abilities |
| US11690560B2 (en) * | 2016-10-24 | 2023-07-04 | Akili Interactive Labs, Inc. | Cognitive platform configured as a biomarker or other type of marker |
| KR101848630B1 (ko) * | 2017-09-06 | 2018-04-13 | 주식회사 유비플러스 | 전통카드 게임 기반의 인지장애 진단 및 관리 시스템 |
| JP2022527946A (ja) * | 2019-03-22 | 2022-06-07 | コグノア，インク． | 個別化されたデジタル治療方法およびデバイス |
-
2022
- 2022-09-27 KR KR1020220122727A patent/KR20230044977A/ko unknown
- 2022-09-27 KR KR1020220122726A patent/KR20230044976A/ko unknown
- 2022-09-27 WO PCT/KR2022/014483 patent/WO2023048548A1/ko unknown
- 2022-09-27 KR KR1020220122725A patent/KR20230044975A/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230044976A (ko) | 2023-04-04 |
| KR20230044975A (ko) | 2023-04-04 |
| WO2023048548A1 (ko) | 2023-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10854335B2 (en) | Computer aided medical method and medical system for medical prediction | |
| US11593589B2 (en) | System and method for interpretable sequence and time-series data modeling | |
| US20190155993A1 (en) | Method and System Supporting Disease Diagnosis | |
| RU2670781C2 (ru) | Система и способ для хранения и обработки данных | |
| EP3618080B1 (en) | Reinforcement learning for medical system | |
| KR20230044977A (ko) | 학습 기반 사용자 맞춤형 인지 모델을 이용하여, 인지검사 태스크를 대체 수행하는 인지모델 기반의 인지 상태 평가 리포팅 제공 방법 및 그 장치 | |
| Drysdale et al. | Implementing AI in healthcare | |
| EP4172868A1 (en) | Partially-observed sequential variational auto encoder | |
| Shrestha et al. | Heart disease prediction system using machine learning | |
| JP7014119B2 (ja) | データ処理装置、データ処理方法、及びプログラム | |
| KR102591797B1 (ko) | 치매조기진단 시스템 및 이를 이용한 치매조기진단 방법 | |
| JP7466702B2 (ja) | プロトタイプオプションの発見による解釈可能な模倣学習 | |
| KR20230045622A (ko) | 인지 상태 진단 프로그램 기록매체 | |
| KR20230045629A (ko) | 자동 수행 맞춤형 태스크 수행 모델을 기반으로 하는 인지 상태 진단 장치 | |
| KR20230044581A (ko) | 인지 상태 진단 장치의 동작 프로그램 | |
| KR20230045627A (ko) | 태스크 수행 모델 기반의 인지 상태 진단을 위한 컴퓨터 프로그램 | |
| KR20230045628A (ko) | 인지 진단 게임을 이용한 인지 진단 평가를 위한 컴퓨터 프로그램 기록매체 | |
| KR20230045630A (ko) | 인지 게임을 자동 추천하는 인지 상태 진단 장치 | |
| KR20230045626A (ko) | 학습 기반 사용자 맞춤형 인지 모델 기반의 인지 상태 진단 방법 | |
| KR20230045623A (ko) | 사용자 맞춤형 인지 모델 기반의 인지 상태 진단 시스템 | |
| KR20230045625A (ko) | 학습 기반 사용자 맞춤형 인지 모델 기반의 인지 상태 진단 프로그램 | |
| KR20230045624A (ko) | 학습 기반 사용자 맞춤형 인지 모델 기반의 인지 상태 진단 프로그램 | |
| TWI823277B (zh) | 醫療系統、控制方法以及非暫態電腦可讀取儲存媒體 | |
| Varma et al. | Diseases Identification Method Using Machine Learning Classification in E-Healthcare | |
| US11521724B2 (en) | Personalized patient engagement in care management using explainable behavioral phenotypes |