KR20230094457A - 웨어러블 장치를 이용한 요양원 케어 서비스 방법 - Google Patents

웨어러블 장치를 이용한 요양원 케어 서비스 방법 Download PDF

Info

Publication number
KR20230094457A
KR20230094457A KR1020210183656A KR20210183656A KR20230094457A KR 20230094457 A KR20230094457 A KR 20230094457A KR 1020210183656 A KR1020210183656 A KR 1020210183656A KR 20210183656 A KR20210183656 A KR 20210183656A KR 20230094457 A KR20230094457 A KR 20230094457A
Authority
KR
South Korea
Prior art keywords
prediction model
wearable device
ecg data
patient
heart disease
Prior art date
Application number
KR1020210183656A
Other languages
English (en)
Inventor
김지현
Original Assignee
주식회사 록스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 록스 filed Critical 주식회사 록스
Priority to KR1020210183656A priority Critical patent/KR20230094457A/ko
Publication of KR20230094457A publication Critical patent/KR20230094457A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/363—Detecting tachycardia or bradycardia
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G16H50/50—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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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
    • A61B2503/08—Elderly

Abstract

웨어러블 장치를 이용한 요양원 케어 서비스 방법이 개시된다. 상기 서비스 방법에 의하면, 서비스 서버는 환자 신체의 ECG 데이터를 측정하는 적어도 센서가 장착된 웨어러블 장치로부터 ECG 데이터를 수신하고, 상기 서비스 서버는 스트레스 예측 모델 또는 심장질환 예측 모델을 구비하고, 상기 저장된 ECG 데이터를 로드하여 상기 스트레스 예측 모델에 입력하여 해당 환자가 스트레스를 받는지를 예측하거나 해당 환자의 심장질환을 분류하여 예측한다.

Description

웨어러블 장치를 이용한 요양원 케어 서비스 방법{Method for care service in sanitarium using wearable device}
본 발명은 웨어러블 장치를 이용한 요양원 케어 서비스 방법에 관련한다.
요양원에 입소한 환자 대부분은 스스로 거동이 힘든 고령, 중증 환자인 경우가 많아 간호사 및 요양보호사의 도움이 많이 필요한 반면 요양원에는 환자 수에 비해 간호사 및 요양보호사의 수가 적은 문제가 있어 환자의 상태를 24시간 상시 간병하고 체크해야 하는 필요성에도 불구하고 실제로는 보호받지 못하는 실정이다.
이의 개선을 위해서 요양보호사가 환자별로 배정되기에는 인력의 수요가 과다하고 노동 강도가 높아 현실적으로는 불가한 상황이며, 이의 보완을 위해서 CCTV가 배치되고 중앙관제실에서 상시 모니터링을 하고 있으나 적은 인력으로 모든 상황을 체크하기에는 역부족이어서 실제 사고 발생 시 대처가 늦어지고 큰 위험으로 맞닥뜨리게 되는 것이 현실이다.
따라서, 환자가 침대에서 낙상하거나 이동 중 쓰러지는 등의 위급한 상황 시 요양보호사나 간호사가 곁에 없다면 즉각적이 대처가 이뤄지지 않아 큰 사고로 이어질 가능성이 상존하는 문제점이 있다.
대한민국 특허공개번호 제10-2016-0122470호에서는, 사용자가 착용하거나 휴대한 웨어러블 장치를 이용하여 사용자의 상태를 실시간으로 감지하고, 사용자의 상태를 기초로 비상 상황이 발생된 것으로 판단되면, 미리 등록된 수신 대상으로 보다 신속하게 구조 요청할 수 있는 웨어러블 장치를 이용한 비상 상황 모니터링 시스템 및 방법을 개시하고 있다.
이러한 종래의 모니터링 방법은 단순히 실시간으로 감지된 사용자의 움직임 상태나 생체 신호가 기준치를 초과하는 경우 미리 등록된 수신 대상으로 구조 요청을 하는 것이다.
그러나 보호자의 입장에서는 건강에 문제가 발생하여 통보받는 것보다 일상생활을 잘 영위하고 있는지 또는 스트레스를 받고 있지는 않는지 등의 정보를 주기적으로 보고받는 것을 더 선호하기 때문에 종래의 방법으로는 충분한 해결책이 되지 못한다.
한편, 요양원 입장에서는 환자의 건강 중 가장 치명적인 심장질환에 대한 계속적인 모니터링과 신속한 대응이 필요하지만, 종래의 방법으로는 이를 해결하기 어려웠다.
대한민국 특허공개번호 제10-2016-0122470호 (2016. 10. 24 공개)
따라서, 본 발명의 목적은 요양원에서 생활하는 환자의 활동과 스트레스 및 심장질환에 대해 신뢰성 있게 실시간으로 확인할 수 있는 요양원 케어 서비스 방법을 제공하는 것이다.
본 발명의 다른 목적은 환자의 심장질환에 대한 계속적인 모니터링을 통하여 신속한 대처를 가능하게 하는 요양원 케어 서비스 방법을 제공하는 것이다.
본 발명의 다른 목적은 적은 인력으로도 환자의 케어가 가능하고 환자에 대한 비상 상황 발생 시 즉각 인지되어 간호사, 보호사 및 보호자에게 통지되어 조치가 이루어질 수 있는 요양원 케어 서비스 방법을 제공하는 것이다.
본 발명의 또 다른 목적은 비상 상황이 실시간으로 영상 취득되어 저장됨으로써 환자 요양이력정보로 활용되고 분쟁의 해결에 도움이 될 수 있는 요양원 케어 서비스 방법을 제공하는 것이다.
본 발명의 일 측면에 의하면, 환자 신체의 ECG 데이터를 측정하는 적어도 센서가 장착된 웨어러블 장치, 상기 웨어러블 장치로부터 ECG 데이터를 수신하는 사용자 단말, 및 상기 사용자 단말로부터 상기 ECG 데이터를 수신하여 저장하는 서비스 서버를 구비한 요양원 케어 서비스 시스템에 적용되며, 상기 서비스 서버는 스트레스 예측 모델을 구비하고, 상기 저장된 ECG 데이터를 로드하여 상기 스트레스 예측 모델에 입력하여 해당 환자가 스트레스를 받는지를 예측하고, 상기 스트레스 예측 모델은, 시계열 데이터를 학습하는 3개의 LSTM(Long Short Term Memory) 레이어, 및 1개의 Dense 레이어로 구성된 RNN(Recurrent Neural Network) 모델이고, 상기 스트레스 예측 모델은 상기 ECG 데이터로부터 생성된 5개의 특징(feature)을 입력받고, 상기 Dense 레이어로부터 스트레스를 받는 지의 여부를 이진(binary) 데이터로 출력하는 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법이 제공된다.
바람직하게, 상기 5개의 특징은 하기의 표와 같다.
Figure pat00001
본 발명의 다른 측면에 의하면, 환자 신체의 ECG 데이터를 측정하는 적어도 센서가 장착된 웨어러블 장치, 상기 웨어러블 장치로부터 ECG 데이터를 수신하는 사용자 단말, 및 상기 사용자 단말로부터 상기 ECG 데이터를 수신하여 저장하는 서비스 서버를 구비한 요양원 케어 서비스 시스템에 적용되며, 상기 서비스 서버는 심장질환 예측 모델을 구비하고, 상기 저장된 ECG 데이터를 로드하여 상기 심장질환 예측 모델에 입력하여 해당 환자의 심장질환을 분류하여 예측하고, 상기 심장질환 예측 모델은, 각각 1-D convolution, Batch Normalization, ReLU, Max pooling로 구성된 13개의 레이어; Output Feature 개수 조절을 위한 GAP(Global Average Pooling) 레이어; 및 최종 분류를 위한 소프트맥스 레이어(Softmax layer)로 구성되고, 상기 레이어 중 최초 레이어는 상기 ECG 데이터를 입력받고, 상기 소프트맥스 레이어를 통해 4개의 심장질환 중 어느 하나의 상태로 예측되어 출력되는 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법이 제공된다.
바람직하게, 상기 심장질환은 심방세동, 심실빈맥, 노이즈, 정상 중 어느 하나일 수 있다.
바람직하게, 상기 서버스 서버는 활동분류 예측 모델을 더 구비하고, 상기 웨어러블 장치로부터 수신한 환자의 가속도 데이터를 상기 활동분류 예측모델에 입력하여 현재 활동을 분류하고, 상기 분류된 활동을 기준으로 활동량(Kcal)을 계산할 수 있다.
본 발명에 따르면, 서비스 서버 또는 인공지능 서버가 최적의 스트레스 예측모델, 심장질환 예측 모델 및 활동량 예측 모델을 구비함으로써 요양원에서 생활하는 환자의 활동과 스트레스 및 심장질환에 대해 신뢰성 있게 실시간으로 확인할 수 있다.
또한, 환자의 심장질환에 대한 계속적인 실시간 모니터링을 통하여 신속한 대처를 가능하다.
또한, 요양 보호사의 단말을 통하여 다수의 환자를 동시에 케어할 수 있어 적은 인력으로도 대응이 가능하고 비상 상황 발생 시 즉각 인지되어 간호사, 보호사 및 보호자에게 통지되어 조치가 이루어질 수 있다.
또한 부수적으로, 비상 상황이 실시간으로 영상 취득되어 저장됨으로써 환자 요양이력정보로 활용되고 분쟁의 해결에 도움이 될 수 있다.
도 1은 본 발명의 케어 서비스 방법이 구현되는 시스템 구성을 보여준다.
도 2는 장치별 기능을 보여준다.
도 3은 본 발명의 케어 서비스 방법 중 스트레스 예측 과정을 보여준다.
도 4는 본 발명에서 스트레스 예측을 위해 사용되는 학습모델을 보여준다.
도 4a는 학습모델의 LSTM 레이어가 3개인 경우의 스트레스 예측 모델의 학습결과를 보여주는 그래프이다.
도 5는 본 발명의 케어 서비스 방법 중 심장질환 분석 과정을 보여준다.
도 6은 본 발명의 심장질환 분류를 위한 학습모델을 보여준다.
도 7은 본 발명의 케어 서비스 방법 중 활동 분류와 칼로리 계산 과정을 보여준다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 구체적인 실시 예를 상세하게 설명한다.
도 1은 본 발명의 케어 서비스 방법이 구현되는 시스템 구성을 보여주고, 도 2는 장치별 기능을 보여준다.
요양원에서 관리하는 환자가 입는 환자복 등의 의류 원단(10)에는 도전 라인(130)이 패턴으로 코팅되어 형성되고, 각 도전 라인(130)의 끝에는 전극이 형성되어 센서(120), 측정기기(122), 및 컨트롤러(110)가 분리 가능하게 장착되어 웨어러블 장치(100)를 구성한다.
여기서, 센서(120)는 심전도를 측정하기 위한 센서나 환자의 활동을 측정하기 위한 가속도 센서, 또는 환자의 체온을 측정하기 위한 온도센서를 포함하고, 측정기기(122)는 맥박수나 산소 포화도를 측정하는 기기를 나타내며, 컨트롤러(110)는 센서(120)와 측정기기(122)로부터 신호를 수신하고 원격지에 블루투스 등으로 무선 전송하는 제어모듈을 나타낸다.
심전도 센서는, 특히 한정되지 않지만 병원에서의 통상의 심전도 측정과 같이 12개가 적절한 위치에 설치될 수 있으며, 가속도 센서는 환자의 활동을 측정하고자 하는 용도이므로 다수 개를 적절하게 배치할 수 있다.
환자 또는 요양 보호사가 소지하는 휴대폰 등의 단말(200)에는 본 발명의 케어 서비스 방법을 위한 앱(210)이 설치되고, 웨어러블 장치(100)와 블루투스 등을 통하여 무선 연결되어 웨어러블 장치(100)에서 측정된 데이터를 수신한다.
기본적으로 환자가 요양원에 입소하면 환자의 휴대폰이 단말(200)로 등록되는데, 휴대폰을 소지하지 않거나 소지할 여건이 되지 않는 경우 최초에 지정된 요양 보호사의 휴대폰이 단말(200)로 지정될 수 있다.
도 2를 보면, 단말(200)의 앱(210)은 블루투스를 통해 웨어러블 장치(100)와 연동하기 위한 연동 관리기능, 웨어러블 장치(100)의 생체정보센서 연결상태를 확인하기 위한 연결 관리기능, 그리고 웨어러블 장치(100)에 부착된 각종 센서(120)와 측정기기(122)에서 측정한 데이터를 수신하여 서비스 서버(400)에 전달하기 위한 생체정보 전달기능을 갖는다.
케어 서비스를 위하여 요양원에는 서비스 서버(400)와 인공지능 서버(500)가 설치되는데, 하나의 단일 서버로 통합할 수 있음은 당연하지만, 관리와 부하 밸런싱을 위해 별도로 운영되는 것이 효율적일 수 있다.
서비스 서버(400)와 인공지능 서버(500)는 각각의 고유 기능을 수행하기 위한 다수의 기능 모듈을 구비한다.
서비스 서버(400)에 설치된 애플리케이션(410)은, 보호사 관리기능, 환자 관리기능, 생체정보 분석기능, 및 알림 기능을 구비한다.
보호사 관리기능은 요양보호사 회원정보를 등록, 수정, 및 삭제할 수 있는 기능을 말하고, 환자 관리기능은 환자의 회원정보와 담당 요양보호사 지정과 수정, 그리고 보호자 정보의 등록과 수정을 할 수 있는 기능을 말한다.
생체정보 분석기능은 환자가 착용한 웨어러블 장치(100)로부터 수신한 생체정보를 분석하여 해당 환자의 스트레스지수, 체온, 칼로리소모량, 심전도를 그래프로 모니터링 정보를 제공하며 일별, 주단위 일별, 월단위 일별 그래프를 활용하여 생체정보 추이를 확인할 수 있도록 하는 기능을 말한다.
알림 기능은 알림장 작성 및 수정을 통해 환자의 생활을 간편하게 보호자에게 전달하는 기능을 말한다.
인공지능 서버(500)에 설치된 애플리케이션(510)은, 웨어러블 장치(100)에 설치된 가속도 센서(122)로부터의 생체정보에 의해 환자의 활동량을 예측하는 활동량 예측기능, 생체정보에 의해 환자가 받는 스트레스의 지수를 예측하는 스트레스 예측기능, 및 생체정보에 의해 현재 환자의 심장질환을 확인하는 심장질환 예측기능을 각각 구비한다.
다시 도 1을 보면, 환자의 보호자가 소지한 휴대폰 등의 단말(300)에는 본 발명의 케어 서비스 방법을 위한 앱(310)이 설치되며, 앱(310)은 인터넷(250)을 통하여 서비스 서버(400)에 연결되어 알림 확인 기능, 생체정보 확인기능, 및 환자정보 관리기능을 수행한다.
알림 확인기능은 서비스 서버(400)가 제공하는 부모님을 포함하는 환자의 요양원 생활을 확인하는 기능이고, 환자정보 관리기능은 개인정보나 환자정보를 수정할 수 있는 기능이다.
생체정보 확인기능은, 서비스 서버(400)가 실시간으로 제공하는 환자의 스트레스지수, 체온, 칼로리소모량, 심전도를 확인하는 기능으로, 모니터링 정보를 가령 일별, 주단위 일별, 월단위 일별 그래프를 활용하여 생체정보 추이를 확인할 수 있다.
상기와 같은 케어 서비스 시스템을 통하여 환자의 심장질환에 대한 계속적인 실시간 모니터링을 통하여 신속한 대처를 가능하다.
또한, 요양 보호사의 단말을 통하여 다수의 환자를 동시에 케어할 수 있어 적은 인력으로도 대응이 가능하고 비상 상황 발생 시 즉각 인지되어 간호사, 보호사 및 보호자에게 통지되어 조치가 이루어질 수 있다.
도 3은 본 발명의 케어 서비스 방법 중 스트레스 예측 과정을 보여준다.
웨어러블 장치(100)의 컨트롤러(110)는 각 센서(120, 122)로부터 측정된 ECG(심전도) 데이터를 수집한다(단계 S31).
환자 또는 요양 보호사의 단말(200)은 대응하는 환자의 웨어러블 장치(100)로부터 수집된 ECG 데이터를 수신한다(단계 S32).
단말(200)은 수신한 ECG 데이터를 서비스 서버(400)에 전송하고, 서비스 서버(400)는 수신한 ECG 데이터를 데이터베이스에 저장하며(단계 S33), 인공지능 서버(500)는 저장된 ECG 데이터를 로드하여 스트레스 예측 모델에 입력하여 스트레스 분석과 예측을 수행하고(단계 S34), 서비스 서버(400)는 예측 결과를 인공지능 서버(500)로부터 수신하여 요청에 의해 보호자 단말(300)이나 요양 보호사의 단말에 전송한다(단계 S35).
이하, 인공지능 서버(500)의 스트레스 분석과 예측을 상세하게 설명한다.
먼저 수집된 ECG 데이터를 가공하여 모델 학습에 사용될 특징(feature)을 생성하고, 피어슨(pearson) 상관도 분석을 통하여 결과에 영향을 주는 특징 5개를 선택한다.
이 실시 예에서 선택된 5개의 특징은 다음의 표 1과 같다.
특징 설명
MEAN_RR RR 간격의 평균
MEDIAN_RR RR 간격의 중간값
SDRR_RMSSD RR 간격의 표준편차의 RMSSD(Root Mean Square of the Successive Differences)
MEDIAN_REL_RR Relative RR 간격의 중간값
VLF 0.003㎐ 내지 0.04㎐의 초고주파 전력
이 실시 예에서 스트레스 예측을 위해 사용되는 학습모델은 도 4에 보여준다.
도 4를 보면, 이 실시 예의 스트레스 예측을 위한 학습모델은 시계열 데이터를 학습하는 3개의 LSTM(Long Short Term Memory) 레이어와 1개의 Dense 레이어로 구성된 RNN(Recurrent Neural Network) 모델을 사용한다.
입력 노드는 표 1의 각 특징을 입력받는 5개의 노드로 구성되고 출력은 스트레스를 받는 상태가 아닌 '0'과 스트레스를 받는 상태인 '1'로 이진(binary) 데이터로 출력된다.
본 발명의 발명자는, 학습모델의 LSTM 레이어의 개수를 조절하여 테스트를 진행하였는데, 테스트 결과는 표 2와 같다.
Figure pat00002
참고로, 분류모델 성능평가지표에 대한 상세한 내용은, https://leedakyeong.tistory.com/entry/분류-모델-성능-평가-지표-Confusion-Matrix란-정확도Accuracy-정밀도Precision-재현도Recall-F1-Score에 기재되어 있다.
표 2에 나타난 것처럼, 이 실시 예와 같이, LSTM 레이어가 3개인 경우 가장 높은 성능을 보여주고 있다.
또한, 도 4a는 학습모델의 LSTM 레이어가 3개인 경우의 스트레스 예측 모델의 학습결과를 보여주는 그래프이다.
도 5는 본 발명의 케어 서비스 방법 중 심장질환 분석 과정을 보여준다.
웨어러블 장치(100)의 컨트롤러(110)는 각 센서(120, 122)로부터 측정된 ECG(심전도) 데이터를 수집한다(단계 S51).
환자 또는 요양 보호사의 단말(200)은 대응하는 환자의 웨어러블 장치(100)로부터 수집된 ECG 데이터를 수신한다(단계 S52).
단말(200)은 수신한 ECG 데이터를 서비스 서버(400)에 전송하고, 서비스 서버(400)는 수신한 ECG 데이터를 데이터베이스에 저장하며(단계 S53), 인공지능 서버(500)는 저장된 ECG 데이터를 로드하여 심장질환 예측 모델에 입력하여 심장질환 분석과 예측을 수행하고(단계 S54), 서비스 서버(400)는 예측 결과를 인공지능 서버(500)로부터 수신하여 요청에 의해 보호자 단말(300)이나 요양 보호사의 단말에 전송한다(단계 S55).
이하, 인공지능 서버(500)의 심장질환 분석 및 예측을 상세하게 설명한다.
먼저, 입력 데이터를 전처리하는데, 300㎐로 수집되는 ECG 데이터를 60초 길이로 구성하기 위해 ECG 데이터의 샘플 포인트(sample points)의 개수를 18,000개(300×60)로 구성한다.
ECG 데이터를 해밀튼 톰킨슨(Hamilton Tompkinson) 알고리즘을 적용하여 R-Peak 점을 선택한 후 중간값을 적용한다.
Figure pat00003
FIR 대역폭 필터(band-pass filter)를 사용하여 고주파 영역 스무딩(smoothing) 적용 후 중간값을 이용하여 R-peak의 노멀라이징(normalizing)을 수행한다.
Figure pat00004
도 6을 보면, 이 실시 예의 심장질환 분류를 위한 학습모델은 1-D convolution, Batch Normalization, ReLU, Max pooling로 구성된 13개의 레이어와 Output Feature 개수 조절을 위한 GAP(Global Average Pooling) 레이어, 그리고 최종 분류를 위한 소프트맥스 레이어(Softmax layer)로 구성된다.
소프트맥스 레이어를 통해 4개의 상태 중 하나의 상태가 출력되는데, 가령 심방세동, 심실빈맥, 노이즈, 정상 중 어느 하나가 출력된다.
본 발명의 발명자는, 학습모델의 레이어의 개수를 조절하면서 테스트를 진행하여 최적의 결과를 도출하는 모델을 찾아내었는데, 테스트 결과는 표 3과 같다.
Figure pat00005
표 3에서 알 수 있듯이, 레이어 13개의 경우가 종합적으로 약 93%의 정확도를 나타내어 가장 높다.
도 7은 본 발명의 케어 서비스 방법 중 활동 분류와 칼로리 계산 과정을 보여준다.
웨어러블 장치(100)의 컨트롤러(110)는 가속도 센서(120, 122)로부터 측정된 가속도 데이터를 수집한다(단계 S71).
환자 또는 요양 보호사의 단말(200)은 대응하는 환자의 웨어러블 장치(100)로부터 수집된 가속도 데이터를 수신한다(단계 S72).
단말(200)은 수신한 가속도 데이터를 서비스 서버(400)에 전송하고, 서비스 서버(400)는 수신한 가속도 데이터를 데이터베이스에 저장하며(단계 S73), 인공지능 서버(500)는 저장된 가속도 데이터를 로드하여 활동분류 예측 모델에 입력하여 활동을 분류하고 활동량을 계산하고(단계 S74), 서비스 서버(400)는 예측 결과를 인공지능 서버(500)로부터 수신하여 요청에 의해 보호자 단말(300)이나 요양 보호사의 단말에 전송한다(단계 S75).
인공지능 서버(500)는, 환자의 가속도 데이터를 활동분류 예측모델에 입력하여 현재 활동을 분류하고, 분류된 활동을 기준으로 활동량(Kcal)을 계산한다.
이 실시 예에서는, 미국스포츠의학협회가 제시한 MET(Metabolic Equivalent of Task) 계수를 기준으로 인공지능 서버(500)의 활동분류 예측모델이 적용한 새로운 MET 계수를 정의한다.
아래의 표 4는 새로이 정의된 MET 계수를 보여준다.
행동 MET 설정 근거
계단 내려오기 6.4 계단 내려가기
slow(4), fast(8.8)일 때 두 값의 평균값
계단 오르기 8 계단 오르기, 사다리 오르기, 일반 오르기
뛰기 6 트랙 또는 필드에서 높이뛰기, 멀리뛰기, 3간점프 등의 기준
앉아 있기 1.3 일반적인 앉기 기준
서있기 2 업무 수행과 느리게 걷기 사이
걷기 3.5 걷기, 중간속도의 기준
활동량은 아래와 같이 잘 알려진 계산식을 이용할 수 있다.
Oxygen(㎖) = α×3.5×weight(㎏)×min
Active Mass(Kcal) = Oxygen×5÷1000
이 실시 예에 따른 활동량 예측모델 테스트 결과는 아래의 표 5와 같다.
Figure pat00006
표 5를 보면, 전체적으로 5.4% 정도의 오차율을 나타내기 때문에 환자의 활동에 따른 실제 활동량과 거의 유사한 값을 얻을 수 있다.
이상에서 설명한 것처럼, 서비스 서버 또는 인공지능 서버가 최적의 스트레스 예측모델, 심장질환 예측 모델 및 활동량 예측 모델을 구비함으로써 요양원에서 생활하는 환자의 활동과 스트레스 및 심장질환에 대해 신뢰성 있게 실시간으로 확인할 수 있다.
전술한 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예는 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 웨어러블 장치
200: 환자/요양 보호사 단말
300: 보호자 단말
400: 서비스 서버
500: 인공지능 서버

Claims (7)

  1. 환자 신체의 ECG 데이터를 측정하는 적어도 센서가 장착된 웨어러블 장치, 상기 웨어러블 장치로부터 ECG 데이터를 수신하는 사용자 단말, 및 상기 사용자 단말로부터 상기 ECG 데이터를 수신하여 저장하는 서비스 서버를 구비한 요양원 케어 서비스 시스템에 적용되며,
    상기 서비스 서버는 스트레스 예측 모델을 구비하고, 상기 저장된 ECG 데이터를 로드하여 상기 스트레스 예측 모델에 입력하여 해당 환자가 스트레스를 받는지를 예측하고,
    상기 스트레스 예측 모델은, 시계열 데이터를 학습하는 3개의 LSTM(Long Short Term Memory) 레이어, 및 1개의 Dense 레이어로 구성된 RNN(Recurrent Neural Network) 모델이고,
    상기 스트레스 예측 모델은 상기 ECG 데이터로부터 생성된 5개의 특징(feature)을 입력받고, 상기 Dense 레이어로부터 스트레스를 받는 지의 여부를 이진(binary) 데이터로 출력하는 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법.
  2. 청구항 1에서
    상기 5개의 특징은 하기의 표와 같은 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법.
    Figure pat00007
  3. 환자 신체의 ECG 데이터를 측정하는 적어도 센서가 장착된 웨어러블 장치, 상기 웨어러블 장치로부터 ECG 데이터를 수신하는 사용자 단말, 및 상기 사용자 단말로부터 상기 ECG 데이터를 수신하여 저장하는 서비스 서버를 구비한 요양원 케어 서비스 시스템에 적용되며,
    상기 서비스 서버는 심장질환 예측 모델을 구비하고, 상기 저장된 ECG 데이터를 로드하여 상기 심장질환 예측 모델에 입력하여 해당 환자의 심장질환을 분류하여 예측하고,
    상기 심장질환 예측 모델은,
    각각 1-D convolution, Batch Normalization, ReLU, Max pooling로 구성된 13개의 레이어;
    Output Feature 개수 조절을 위한 GAP(Global Average Pooling) 레이어; 및 최종 분류를 위한 소프트맥스 레이어(Softmax layer)로 구성되고,
    상기 레이어 중 최초 레이어는 상기 ECG 데이터를 입력받고, 상기 소프트맥스 레이어를 통해 4개의 심장질환 중 어느 하나의 상태로 예측되어 출력되는 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법.
  4. 청구항 3에서,
    상기 심장질환은 심방세동, 심실빈맥, 노이즈, 정상 중 어느 하나인 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법.
  5. 청구항 1 또는 3에서,
    상기 서버스 서버는 활동분류 예측 모델을 더 구비하고,
    상기 웨어러블 장치로부터 수신한 환자의 가속도 데이터를 상기 활동분류 예측모델에 입력하여 현재 활동을 분류하고, 상기 분류된 활동을 기준으로 활동량(Kcal)을 계산하는 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법.
  6. 환자 신체의 ECG 데이터를 측정하는 적어도 센서가 장착된 웨어러블 장치, 상기 웨어러블 장치로부터 ECG 데이터를 수신하는 사용자 단말, 및 상기 사용자 단말로부터 상기 ECG 데이터를 수신하여 저장하는 서비스 서버를 구비한 요양원 케어 서비스 시스템에 적용되며,
    상기 서비스 서버는 스트레스 예측 모델과 심장질환 예측 모델을 구비하고, 상기 저장된 ECG 데이터를 로드하여 각각 상기 스트레스 예측 모델과 상기 심장질환 예측 모델에 입력하고,
    상기 스트레스 예측 모델은, 시계열 데이터를 학습하는 3개의 LSTM(Long Short Term Memory) 레이어, 및 1개의 Dense 레이어로 구성된 RNN(Recurrent Neural Network) 모델이고,
    상기 심장질환 예측 모델은, 각각 1-D convolution, Batch Normalization, ReLU, Max pooling로 구성된 13개의 레이어, Output Feature 개수 조절을 위한 GAP(Global Average Pooling) 레이어, 및 최종 분류를 위한 소프트맥스 레이어(Softmax layer)로 구성되고,
    상기 스트레스 예측 모델은 상기 ECG 데이터로부터 생성된 5개의 특징(feature)을 입력받고 스트레스를 받는 지의 여부를 이진(binary) 데이터로 출력하고, 상기 심장질환 예측 모델은 상기 ECG 데이터를 입력받고 4개의 심장질환 중 어느 하나를 예측하여 출력하는 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법.
  7. 청구항 6에서,
    상기 서버스 서버는 활동분류 예측 모델을 더 구비하고,
    상기 웨어러블 장치로부터 수신한 환자의 가속도 데이터를 상기 활동분류 예측모델에 입력하여 현재 활동을 분류하고, 상기 분류된 활동을 기준으로 활동량(Kcal)을 계산하는 것을 특징으로 하는 웨어러블 장치를 이용한 요양원 케어 서비스 방법.
KR1020210183656A 2021-12-21 2021-12-21 웨어러블 장치를 이용한 요양원 케어 서비스 방법 KR20230094457A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210183656A KR20230094457A (ko) 2021-12-21 2021-12-21 웨어러블 장치를 이용한 요양원 케어 서비스 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210183656A KR20230094457A (ko) 2021-12-21 2021-12-21 웨어러블 장치를 이용한 요양원 케어 서비스 방법

Publications (1)

Publication Number Publication Date
KR20230094457A true KR20230094457A (ko) 2023-06-28

Family

ID=86994547

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210183656A KR20230094457A (ko) 2021-12-21 2021-12-21 웨어러블 장치를 이용한 요양원 케어 서비스 방법

Country Status (1)

Country Link
KR (1) KR20230094457A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160122470A (ko) 2015-04-14 2016-10-24 주식회사 에스원 웨어러블 장치를 이용한 비상 상황 모니터링 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160122470A (ko) 2015-04-14 2016-10-24 주식회사 에스원 웨어러블 장치를 이용한 비상 상황 모니터링 시스템 및 방법

Similar Documents

Publication Publication Date Title
JP5859979B2 (ja) 人間の健康の監視のための多変量残差に基づく健康指標
US11931154B2 (en) Systems and methods for classifying ECG data
CN108024717B (zh) 确定室性期前收缩(pvc)类型和负荷的系统和方法
KR101959615B1 (ko) 스마트폰 어플리케이션을 통한 근로자 건강관리 방법
US10478126B2 (en) Smart carpet systems and methods of using same for monitoring physical and physiological activities
CA2574759A1 (en) Systems and methods for real-time physiological monitoring
CN108577830A (zh) 一种面向用户的体征信息动态监护方法和动态监护系统
KR102346824B1 (ko) 인공지능 기반 생체신호 모니터링 및 분석을 통한 복합 생활 지원 솔루션 제공 시스템 및 그 동작 방법
US20210076951A1 (en) Wearable device for measuring vital signs and medical support system based on same
KR101962002B1 (ko) 생체신호 기반의 안전관리 작업복을 이용한 근로자 건강관리 모니터링 방법
AU2022203004A1 (en) System for recording, analyzing risk(s) of accident(s) or need of assistance and providing real-time warning(s) based on continuous sensor signals
Poorani et al. Sensor based decision making inference system for remote health monitoring
KR20230094457A (ko) 웨어러블 장치를 이용한 요양원 케어 서비스 방법
Laudato et al. ATTICUS: Ambient-intelligent Tele-monitoring and Telemetry for Incepting and Catering over hUman Sustainability
Shafiq et al. Smart E-Health System for Heart Disease Detection Using Artificial Intelligence and Internet of Things Integrated Next-Generation Sensor Networks
Jung et al. Monitoring senior wellness status using multimodal biosensors
KR101945095B1 (ko) 생체신호 기반의 안전관리 작업복을 이용한 근로자 건강관리 시스템
KR101951538B1 (ko) 생체신호 기반의 안전관리 작업복
Rovetto et al. Coloured petri net model for remote monitoring of cardiovascular dysfunction
Almazroa et al. An internet of things (iot) homecare management system using cardiac arrhythmia classification
Rotariu et al. Medical system based on wireleless sensors for real time remote monitoring of people with disabilities
KR102342775B1 (ko) 심전도 신호 처리 방법 및 장치
KR102403404B1 (ko) 호흡-심전도 신호를 사용한 정신적 스트레스 검출 방법 및 시스템
Kabilan et al. Design and Development of Cardiopulmonary Health Monitoring System using IoMT
US20230282352A1 (en) Heart condition detection sensor device and system for providing complex life support solution using same

Legal Events

Date Code Title Description
E902 Notification of reason for refusal