KR20230103274A - Intelligent personalized rehabilitation exercise protocol recommendation method and system - Google Patents

Intelligent personalized rehabilitation exercise protocol recommendation method and system Download PDF

Info

Publication number
KR20230103274A
KR20230103274A KR1020210194044A KR20210194044A KR20230103274A KR 20230103274 A KR20230103274 A KR 20230103274A KR 1020210194044 A KR1020210194044 A KR 1020210194044A KR 20210194044 A KR20210194044 A KR 20210194044A KR 20230103274 A KR20230103274 A KR 20230103274A
Authority
KR
South Korea
Prior art keywords
rehabilitation exercise
information
exercise protocol
user
protocol
Prior art date
Application number
KR1020210194044A
Other languages
Korean (ko)
Inventor
한미경
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020210194044A priority Critical patent/KR20230103274A/en
Publication of KR20230103274A publication Critical patent/KR20230103274A/en

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 개시는 지능형 개인맞춤 재활운동 프로토콜 추천 방법 및 시스템에 관한 것이다. 본 개시의 실시 예에 따른 지능형 개인맞춤 재활운동 프로토콜 추천 방법은, 사용자 의료 정보 및 사용자 프로파일 정보에 기반하여 사용자 정보를 구성하는 단계, 재활운동 프로토콜 수행 정보에 기반하여 수행 패턴 네트워크를 구성하는 단계, 학습 데이터와 수행 패턴 네트워크에 기반하여 데이터 클러스터링을 수행하여 예측 모델을 생성하는 단계, 예측 모델 및 사용자 정보에 기반하여 추천 재활운동 프로토콜을 예측하는 단계, 예측 결과에 기반하여 재활운동 프로토콜 추천 정보를 생성하고, 재활운동 프로토콜 추천 정보를 클라이언트에 전달하는 단계, 클라이언트로부터 재활운동 프로토콜 수행 정보를 수신하는 단계, 재활운동 프로토콜 수행 정보를 학습 데이터에 추가 구성하는 단계를 포함한다. 본 개시에 따르면, 사용자의 재활운동 프로토콜 수행패턴을 분석하여 사용자 맞춤형 재활운동 프로토콜을 추천할 수 있다.The present disclosure relates to a method and system for recommending an intelligent personalized rehabilitation exercise protocol. An intelligent personalized rehabilitation exercise protocol recommendation method according to an embodiment of the present disclosure includes configuring user information based on user medical information and user profile information, configuring a performance pattern network based on rehabilitation exercise protocol performance information, Generating a predictive model by performing data clustering based on learning data and performance pattern networks, predicting a recommended rehabilitation exercise protocol based on the predictive model and user information, generating rehabilitation exercise protocol recommendation information based on the prediction result and transmitting rehabilitation exercise protocol recommendation information to the client, receiving rehabilitation exercise protocol performance information from the client, and adding rehabilitation exercise protocol performance information to learning data. According to the present disclosure, a user-customized rehabilitation exercise protocol may be recommended by analyzing a user's rehabilitation exercise protocol performance pattern.

Figure P1020210194044
Figure P1020210194044

Description

지능형 개인맞춤 재활운동 프로토콜 추천 방법 및 시스템{INTELLIGENT PERSONALIZED REHABILITATION EXERCISE PROTOCOL RECOMMENDATION METHOD AND SYSTEM}Intelligent Personalized Rehabilitation Exercise Protocol Recommendation Method and System

본 개시는 지능형 개인맞춤 재활운동 프로토콜 추천 방법 및 시스템에 관한 것으로, 좀 더 상세하게는, 사용자의 재활운동 프로토콜 수행패턴을 분석하여 사용자 맞춤형 재활운동 프로토콜을 추천할 수 있는 지능형 개인맞춤 재활운동 프로토콜 추천 방법 및 시스템에 관한 것이다.The present disclosure relates to a method and system for recommending an intelligent personalized rehabilitation exercise protocol, and more specifically, to recommend an intelligent personalized rehabilitation exercise protocol that can recommend a user-customized rehabilitation exercise protocol by analyzing a user's rehabilitation exercise protocol performance pattern. It relates to methods and systems.

질병이나 상해로 인한 병원에서의 치료가 종료된 후, 일상생활로의 복귀를 위해서는 지역 사회에서 일정기간 혹은 지속적인 재활운동이 요구된다. 최근 ICT 융합기술의 발전으로 뇌질환이나 치매관련 예방과 치료를 위한 장치 등의 솔루션이 제공되고 있으나, 근골격계 질환을 위한 체계적이고 지속적인 재활운동 솔루션은 미약한 실정이다. 장애인이나 노인을 포함한 취약 계층의 경우, 재활을 지원하는 재활운동 인프라나 관리 시스템이 없거나 부실하여 치료나 건강증진, 건강유지 등의 목적에 맞는 재활서비스 이용이 어려운 문제가 있다. 또한, 병원에서의 치료와 지역사회에서의 재활운동이 유기적으로 연계되지 않아 재활운동의 효과증대나 전주기 건강관리가 어려운 문제가 있다.After treatment at the hospital due to illness or injury is completed, a certain period of time or continuous rehabilitation is required in the community to return to daily life. Recently, with the development of ICT convergence technology, solutions such as devices for preventing and treating brain diseases or dementia are provided, but systematic and continuous rehabilitation exercise solutions for musculoskeletal disorders are weak. In the case of the vulnerable, including the disabled or the elderly, it is difficult to use rehabilitation services suitable for the purpose of treatment, health promotion, or health maintenance because there is no rehabilitation exercise infrastructure or management system that supports rehabilitation. In addition, there is a problem in that the treatment in the hospital and the rehabilitation exercise in the community are not organically linked, so it is difficult to increase the effectiveness of the rehabilitation exercise or to manage the health of the entire life cycle.

최근 언택트 시대에 다양한 미디어 매체를 통해 운동 정보가 공유되고 있다. 이런 환경에서는, 특히 생활체육을 포함한 재활운동으로 인한 2차 사고 방지를 위해 개인에게 최적화된 건강상태 맞춤형 재활운동 프로토콜을 추천할 수 있는 시스템이 요구된다. 종래의 운동 추천 시스템들은 개인에게 간단한 건강상태 질의 혹은 웨어러블 디바이스를 통한 건강체크를 통해 몇몇 운동 프로그램들 중 하나를 선택하여 제공한다. 그러나 종래의 방식은 일정기간 혹은 지속적인 재활운동이 필요한 재활환자에게 적용하는데 어려움이 있다.In the recent untact era, exercise information is being shared through various media outlets. In this environment, a system capable of recommending a rehabilitation exercise protocol optimized for individual health conditions is required to prevent secondary accidents caused by rehabilitation exercises, including sports for daily life. Conventional exercise recommendation systems select and provide one of several exercise programs to an individual through a simple health condition inquiry or health check through a wearable device. However, it is difficult to apply the conventional method to rehabilitation patients who need a certain period of time or continuous rehabilitation exercise.

개인의 질병이나 동적으로 변동 가능한 건강상태, 기저질환의 특성을 고려해야 하는 재활운동의 경우, 기존의 사용자와 아이템 정보를 기반으로 설계된 일반적인 운동 추천 시스템에 적용이 어려운 문제가 있다. 또한, 단순히 사용자 정보와 재활운동 프로토콜 정보만 활용하는 경우, 방대한 질병과 다양한 사용자 건강상태 및 기저질환 패턴으로 인해 추천 정보 예측을 위한 계산량 및 시간이 증가하는 문제가 있다.In the case of rehabilitation exercise, which needs to consider individual diseases, dynamically variable health conditions, and characteristics of underlying diseases, it is difficult to apply to a general exercise recommendation system designed based on existing user and item information. In addition, when only user information and rehabilitation exercise protocol information are used, there is a problem in that the amount of computation and time for predicting recommendation information increases due to a vast number of diseases, various user health conditions, and patterns of underlying diseases.

본 개시의 목적은, 사용자의 재활운동 프로토콜 수행패턴을 분석하여 사용자 맞춤형 재활운동 프로토콜을 추천할 수 있는 지능형 개인맞춤 재활운동 프로토콜 추천 방법 및 시스템을 제공하는데 있다.An object of the present disclosure is to provide an intelligent personalized rehabilitation exercise protocol recommendation method and system capable of recommending a user-customized rehabilitation exercise protocol by analyzing a user's rehabilitation exercise protocol performance pattern.

본 개시의 실시 예에 따른 지능형 개인맞춤 재활운동 프로토콜 추천 방법은, 사용자 의료 정보 및 사용자 프로파일 정보에 기반하여 사용자 정보를 구성하는 단계, 재활운동 프로토콜 수행 정보에 기반하여 수행 패턴 네트워크를 구성하는 단계, 학습 데이터와 상기 수행 패턴 네트워크에 기반하여 데이터 클러스터링을 수행하여 예측 모델을 생성하는 단계, 상기 예측 모델 및 상기 사용자 정보에 기반하여 추천 재활운동 프로토콜을 예측하는 단계, 상기 예측 결과에 기반하여 재활운동 프로토콜 추천 정보를 생성하고, 상기 재활운동 프로토콜 추천 정보를 클라이언트에 전달하는 단계, 상기 클라이언트로부터 상기 재활운동 프로토콜 수행 정보를 수신하는 단계, 상기 재활운동 프로토콜 수행 정보를 상기 학습 데이터에 추가 구성하는 단계를 포함할 수 있다.An intelligent personalized rehabilitation exercise protocol recommendation method according to an embodiment of the present disclosure includes configuring user information based on user medical information and user profile information, configuring a performance pattern network based on rehabilitation exercise protocol performance information, Generating a prediction model by performing data clustering based on learning data and the performance pattern network, predicting a recommended rehabilitation exercise protocol based on the prediction model and the user information, and performing a rehabilitation exercise protocol based on the prediction result. Generating recommendation information and transmitting the rehabilitation exercise protocol recommendation information to a client, receiving the rehabilitation exercise protocol performance information from the client, and adding the rehabilitation exercise protocol performance information to the learning data. can do.

본 개시에 의하면, 사용자의 재활운동 프로토콜 수행 패턴을 분석함으로써, 일정기간 혹은 지속적인 재활운동이 필요한 재활환자에게 최적화된 재활운동 프로토콜을 추천할 수 있다.According to the present disclosure, by analyzing a user's rehabilitation exercise protocol performance pattern, it is possible to recommend an optimized rehabilitation exercise protocol to a rehabilitation patient who needs rehabilitation exercise for a certain period of time or continuously.

본 개시에 의하면, 사용자 맞춤형 재활운동 프로토콜을 예측함으로써, 추천에 소요되는 계산량 및 시간을 최소화할 수 있다.According to the present disclosure, by predicting a user-customized rehabilitation exercise protocol, the amount of calculation and time required for recommendation can be minimized.

도 1은 본 개시의 실시 예에 따른 지능형 개인맞춤 재활운동 프로토콜 추천 시스템을 개략적으로 보여주는 블록도이다.
도 2는 본 개시의 실시 예에 따른 서버의 동작 및 기능을 보여주는 블록도이다.
도 3은 본 개시의 실시 예에 따른 지능형 개인맞춤 재활운동 프로토콜 추천 방법을 보여주는 흐름도이다.
도 4는 본 개시의 실시 예에 따른 서버의 예시적인 블록도이다.1 is a block diagram schematically showing an intelligent personalized rehabilitation exercise protocol recommendation system according to an embodiment of the present disclosure.
2 is a block diagram showing operations and functions of a server according to an embodiment of the present disclosure.
3 is a flowchart showing a method for recommending an intelligent personalized rehabilitation exercise protocol according to an embodiment of the present disclosure.
4 is an exemplary block diagram of a server according to an embodiment of the present disclosure.

아래에서는, 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 쉽게 실시할 수 있을 정도로, 본 개시의 실시 예들이 명확하고 상세하게 기재될 것이다.In the following, embodiments of the present disclosure will be described clearly and in detail so that those skilled in the art can easily practice the present disclosure.

상세한 설명에서 사용되는 부 또는 유닛(unit), 모듈(module), 블록(block), ~기(~or, ~er) 등의 용어들을 참조하여 설명되는 구성 요소들 및 도면에 도시된 기능 블록들은 소프트웨어, 또는 하드웨어, 또는 그것들의 조합의 형태로 구현될 수 있다. 예시적으로, 소프트웨어는 기계 코드, 펌웨어, 임베디드 코드, 및 응용 애플리케이션 소프트웨어일 수 있다. 예를 들어, 하드웨어는 전기 회로, 전자 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어들, 압력 센서, 관성 센서, 멤즈(microelectromechanical system; MEMS), 수동 소자, 또는 그것들의 조합을 포함할 수 있다.Components described with reference to terms such as unit, unit, module, block, ~or, ~er, etc. used in the detailed description and functional blocks shown in the drawings are It may be implemented in the form of software, hardware, or a combination thereof. Illustratively, the software may be machine code, firmware, embedded code, and application software. For example, the hardware may include an electrical circuit, an electronic circuit, a processor, a computer, an integrated circuit, integrated circuit cores, a pressure sensor, an inertial sensor, a microelectromechanical system (MEMS), a passive component, or a combination thereof. .

본 명세서에서 “재활운동 프로토콜(protocol)”이라는 용어가 사용된다. 재활운동 프로토콜은, 재활대상자가 일정기간 동안 재활을 목적으로 수행해야 할 운동 프로그램을 계획한 임의의 모든 정보를 의미할 수 있다. 재활운동 프로토콜은 재활 목적, 재활 부위, 질병 정보, 질병에 따른 운동 단계 정보, 운동 목적에 따른 운동 유형, 운동 유형별 운동 종류와 운동 횟수 및 세트 수, 휴식 시간 및 제한 조건 등을 포함할 수 있다.In this specification, the term “rehabilitation exercise protocol” is used. The rehabilitation exercise protocol may mean any and all information for planning an exercise program to be performed by a rehabilitation subject for the purpose of rehabilitation for a certain period of time. The rehabilitation exercise protocol may include rehabilitation purpose, rehabilitation part, disease information, exercise step information according to disease, exercise type according to exercise purpose, exercise type and number of exercises and sets for each exercise type, rest time, and limiting conditions.

도 1은 본 개시의 실시 예에 따른 지능형 개인맞춤 재활운동 프로토콜 추천 시스템을 개략적으로 보여주는 블록도이다. 지능형 개인맞춤 재활운동 프로토콜 추천 시스템(10)은 클라이언트(100), 및 서버(200)를 포함할 수 있다.1 is a block diagram schematically showing an intelligent personalized rehabilitation exercise protocol recommendation system according to an embodiment of the present disclosure. The intelligent personalized rehabilitation exercise protocol recommendation system 10 may include a client 100 and a server 200 .

본 개시의 일 실시 예에 따르면, 클라이언트(100) 및 서버(200)는 각각 서로 다른 전자 장치로 구현될 수 있다. 본 개시의 다른 실시 예에 따르면, 지능형 개인맞춤 재활운동 프로토콜 추천 시스템(10)은 하나의 전자 장치로 구현될 수 있다. 예를 들어, 전자 장치는 스마트 폰(smartphone), 스마트 패드(smart pad), 웨어러블 장치(wearable device), 디지털 카메라(digital camera), 텔레비전(television), 모니터(monitor), 랩톱 컴퓨터(laptop computer), 블랙박스(black-box), 로봇(robot) 등과 같이 전력을 전달 받을 수 있는 다양한 전자 장치를 포함할 수 있다. According to an embodiment of the present disclosure, the client 100 and the server 200 may be implemented as different electronic devices. According to another embodiment of the present disclosure, the intelligent personalized rehabilitation exercise protocol recommendation system 10 may be implemented as a single electronic device. For example, electronic devices include a smartphone, a smart pad, a wearable device, a digital camera, a television, a monitor, and a laptop computer. , a black-box, a robot, and the like, may include various electronic devices capable of receiving power.

클라이언트(100)와 서버(200)는 유선 또는 무선 통신망을 통하여 서로 연결되어 통신할 수 있다. 설명의 편의를 위해 클라이언트(100)는 하나인 것으로 도시되나, 복수의 클라이언트들이 유선 및 무선 통신망을 통하여 서버(200)에 연결될 수 있다. 클라이언트(100)와 서버(200)간의 통신을 위한 인터페이스는, LTE (Long Term Evolution), 와이맥스(WiMax), GSM (Global System for Mobile communication), CDMA (Code Division Multiple Access), 블루투스(Bluetooth), NFC (Near Field Communication), 와이파이(WiFi), RFID (Radio Frequency IDentification) 등과 같은 다양한 무선 통신 방식들, 또는 USB (Universal Serial Bus), SATA (Serial AT Attachment), SCSI (Small Computer Small Interface), 파이어와이어(Firewire), PCI (Peripheral Component Interconnection) 등과 같은 다양한 유선 통신 방식들 중 적어도 하나에 기반하여 통신을 수행할 수 있다. 도시하지 않았으나, 클라이언트(100) 및 서버(200)는 각각 통신을 위한 데이터 송수신부(미도시)를 포함할 수 있다.The client 100 and the server 200 may communicate by being connected to each other through a wired or wireless communication network. For convenience of description, one client 100 is shown, but a plurality of clients may be connected to the server 200 through wired and wireless communication networks. Interfaces for communication between the client 100 and the server 200 include Long Term Evolution (LTE), WiMax, Global System for Mobile communication (GSM), Code Division Multiple Access (CDMA), Bluetooth, Various wireless communication methods such as NFC (Near Field Communication), WiFi, RFID (Radio Frequency IDentification), USB (Universal Serial Bus), SATA (Serial AT Attachment), SCSI (Small Computer Small Interface), Fire Communication may be performed based on at least one of various wired communication schemes such as firewire and PCI (Peripheral Component Interconnection). Although not shown, the client 100 and the server 200 may each include a data transmission/reception unit (not shown) for communication.

지능형 개인맞춤 재활운동 프로토콜 추천 시스템(10)은 사용자 정보에 기반하여 사용자-질병별 또는 사용자-질병별/단계별 재활운동 프로토콜을 추천할 수 있다. 예를 들어, 지능형 개인맞춤 재활운동 프로토콜 추천 시스템(10)은 학습된 예측 모델을 사용하여 재활운동 프로토콜을 추천할 수 있다. 사용자가 추천된 재활운동 프로토콜 수행하였는지 여부는 데이터화될 수 있다. 지능형 개인맞춤 재활운동 프로토콜 추천 시스템(10)은 재활운동 프로토콜 수행 여부 및/또는 수행 단계를 재학습함으로써 사용자에게 최적화된 재활운동 프로토콜을 제공할 수 있다.The intelligent personalized rehabilitation exercise protocol recommendation system 10 may recommend a rehabilitation exercise protocol for each user-disease or for each user-disease/step based on user information. For example, the intelligent personalized rehabilitation exercise protocol recommendation system 10 may recommend a rehabilitation exercise protocol using a learned prediction model. Whether or not the user performed the recommended rehabilitation exercise protocol may be data. The intelligent personalized rehabilitation exercise protocol recommendation system 10 may provide an optimized rehabilitation exercise protocol to the user by re-learning whether or not to perform the rehabilitation exercise protocol and/or performing steps.

클라이언트(100)는 사용자 관리부(110), 재활운동 자원 관리부(120), 코칭 서비스부(130)를 포함할 수 있다. 도시하지 않았으나, 클라이언트(100)는 사용자 입력(또는 사용자 명령으로 지칭될 수 있음)을 받는 사용자 입력 수단(예컨대, 키보드 및/또는 마우스 등)을 더 포함할 수 있다. 사용자 입력 수단(미도시)은 사용자 관리부(110), 및/또는 재활운동 자원 관리부(120)에 사용자 명령을 전달할 수 있다.The client 100 may include a user management unit 110 , a rehabilitation exercise resource management unit 120 , and a coaching service unit 130 . Although not shown, the client 100 may further include a user input unit (eg, a keyboard and/or a mouse) that receives a user input (or may be referred to as a user command). The user input unit (not shown) may transmit a user command to the user management unit 110 and/or the rehabilitation exercise resource management unit 120 .

사용자 관리부(110)는 개인정보 또는 개인 선호도 정보를 포함하는 사용자 프로파일 정보(UPI)를 생성할 수 있다. 일 실시 예에 있어서, 사용자 프로파일 정보(UPI)는 사용자 의료 정보, 재활운동 프로토콜 처방 내역, 및/또는 재활운동 프로토콜 수행 내역 등을 포함할 수 있다. 사용자 관리부(110)는 사용자 프로파일 정보(UPI)에 대한 등록, 조회, 및 관리 기능을 제공할 수 있다. 사용자 관리부(110)는 사용자 프로파일 정보(UPI)를 서버(200)에 송신할 수 있다.The user management unit 110 may generate user profile information (UPI) including personal information or personal preference information. In one embodiment, the user profile information (UPI) may include user medical information, rehabilitation exercise protocol prescription details, and/or rehabilitation exercise protocol execution details. The user management unit 110 may provide registration, inquiry, and management functions for user profile information (UPI). The user management unit 110 may transmit user profile information (UPI) to the server 200 .

재활운동 자원 관리부(120)는 재활운동 프토토콜 추천 및 재활운동 프로토콜 수행에 필요한 재활운동 인프라(예컨대, 시설, 기기/기구, 및/또는 코치 등) 정보, 재활운동 컨텐츠 정보, 및/또는 재활운동 프로토콜 정보와 같은 재활운동 자원 정보(RRI)를 생성할 수 있다. 재활운동 자원 관리부(120)는 재활운동 자원 정보(RRI)에 대한 등록, 조회, 및 관리 기능을 제공할 수 있다. 재활운동 자원 관리부(120)는 재활운동 자원 정보(RRI)를 서버(200)에 송신할 수 있다.The rehabilitation exercise resource management unit 120 recommends rehabilitation exercise protocols and rehabilitation exercise infrastructure (eg, facilities, devices/equipment, and/or coaches, etc.) information, rehabilitation exercise content information, and/or rehabilitation exercise necessary for performing the rehabilitation exercise protocol. Rehabilitation exercise resource information (RRI) such as protocol information may be generated. The rehabilitation exercise resource management unit 120 may provide registration, inquiry, and management functions for rehabilitation exercise resource information (RRI). The rehabilitation exercise resource management unit 120 may transmit rehabilitation exercise resource information (RRI) to the server 200 .

코칭 서비스부(130)는 서버(200)로부터 재활운동 프로토콜 추천 정보(PRI)를 수신할 수 있다. 코칭 서비스부(130)는 재활운동 프로토콜 추천 정보(PRI)에 기반하여 개인맞춤형 재활운동 프로토콜을 처방 및 추천하고, 재활운동 수행을 지원하는 기능을 제공할 수 있다. 코칭 서비스부(130)는 사용자 명령에 기반하여 사용자가 추천된 재활운동 프로토콜 수행하였는지 여부를 지시하는 재활운동 프로토콜 수행 정보(PPI)를 생성할 수 있다. 코칭 서비스부(130)는 재활운동 프로토콜 수행 정보(PPI)를 서버(200)에 송신할 수 있다.The coaching service unit 130 may receive rehabilitation exercise protocol recommendation information (PRI) from the server 200 . The coaching service unit 130 may prescribe and recommend a personalized rehabilitation exercise protocol based on the rehabilitation exercise protocol recommendation information (PRI), and may provide a function of supporting rehabilitation exercise performance. The coaching service unit 130 may generate rehabilitation exercise protocol performance information (PPI) indicating whether the user has performed the recommended rehabilitation exercise protocol based on a user command. The coaching service unit 130 may transmit rehabilitation exercise protocol performance information (PPI) to the server 200 .

서버(200)는 사용자 정보 관리부(210), 재활운동 자원 정보 관리부(220), 재활운동 프로토콜 추천 모듈(230), 및 데이터베이스(240)를 포함할 수 있다. 도시하지 않았으나, 서버(200)는 서비스 브로커(미도시)를 더 포함할 수 있다. 서비스 브로커(미도시)는 클라이언트(100)로부터의 데이터(예컨대, 사용자 프로파일 정보(UPI), 재활운동 자원 정보(RRI), 및/또는 재활운동 프로토콜 수행 정보(PPI) 등)를 수신, 분석, 가공할 수 있다. 서비스 브로커(미도시)는 수신, 분석, 가공된 데이터를 서버(200) 내의 다른 구성들(즉, 사용자 정보 관리부(210), 재활운동 자원 정보 관리부(220), 재활운동 프로토콜 추천 모듈(230), 및/또는 데이터베이스(240))에 분배할 수 있다. 서비스 브로커(미도시)는 서버(200) 내의 다른 구성들의 동작 및 기능을 제어할 수 있다.The server 200 may include a user information management unit 210, a rehabilitation exercise resource information management unit 220, a rehabilitation exercise protocol recommendation module 230, and a database 240. Although not shown, the server 200 may further include a service broker (not shown). The service broker (not shown) receives, analyzes, and analyzes data (eg, user profile information (UPI), rehabilitation exercise resource information (RRI), and/or rehabilitation exercise protocol performance information (PPI)) from the client 100. can be processed The service broker (not shown) transfers received, analyzed, and processed data to other components in the server 200 (ie, user information management unit 210, rehabilitation exercise resource information management unit 220, rehabilitation exercise protocol recommendation module 230) , and/or database 240). A service broker (not shown) may control the operation and functionality of other components within the server 200 .

사용자 정보 관리부(210)는 사용자 프로파일 정보(UPI)를 수신할 수 있다. 사용자 정보 관리부(210)는 사용자 프로파일 정보(UPI)에 기반하여 사용자 정보(UI)를 생성할 수 있다. 일 실시 예에 있어서, 사용자 정보 관리부(210)는 서버(200)에 외부에 제공되는 재활운동 빅데이터 플랫폼(11)과 연동할 수 있다. 예를 들어, 사용자 정보 관리부(210)는 재활운동 빅데이터 플랫폼(11)과의 연동을 통해 사용자의 의료 및 의료기관에서의 재활운동 정보를 수집, 관리하는 기능을 제공할 수 있다. 예를 들어, 사용자 정보 관리부(210)는 재활운동 빅데이터 플랫폼(11)으로부터 사용자 의료 정보(UMI)를 수신할 수 있다. 사용자 정보 관리부(210)는 사용자 프로파일 정보(UPI) 및 사용자 의료 정보(UMI)에 기반하여 사용자 정보(UI)를 생성할 수 있다.The user information management unit 210 may receive user profile information (UPI). The user information management unit 210 may generate user information (UI) based on user profile information (UPI). In one embodiment, the user information management unit 210 may work with the rehabilitation exercise big data platform 11 provided externally to the server 200 . For example, the user information management unit 210 may provide a function of collecting and managing rehabilitation exercise information in the user's medical care and medical institutions through linkage with the rehabilitation exercise big data platform 11 . For example, the user information manager 210 may receive user medical information (UMI) from the rehabilitation exercise big data platform 11 . The user information management unit 210 may generate user information (UI) based on user profile information (UPI) and user medical information (UMI).

재활운동 자원 정보 관리부(220)는 재활운동 자원 정보(RRI)를 수신하여 재활운동 프로토콜 추천 모듈(230)에 전달할 수 있다. 재활운동 자원 정보 관리부(220)는 재활운동 자원 정보(RRI)를 가공, 분석, 관리할 수 있다. 재활운동 자원 정보(RRI)를 재활운동 프로토콜 추천 모듈(230)에 전달하기 전에, 재활운동 자원 정보 관리부(220)는 재활운동 자원 정보(RRI)를 전처리할 수 있다.The rehabilitation exercise resource information management unit 220 may receive the rehabilitation exercise resource information (RRI) and transmit it to the rehabilitation exercise protocol recommendation module 230 . The rehabilitation exercise resource information management unit 220 may process, analyze, and manage the rehabilitation exercise resource information (RRI). Before transmitting the rehabilitation exercise resource information (RRI) to the rehabilitation exercise protocol recommendation module 230, the rehabilitation exercise resource information manager 220 may pre-process the rehabilitation exercise resource information (RRI).

재활운동 프로토콜 추천 모듈(230)은 학습 데이터 관리부(231), 예측 모델 생성부(232), 추천 재활운동 예측부(233), 및 코칭 서비스 관리부(234)를 포함할 수 있다. 재활운동 프로토콜 추천 모듈(230)은 사용자 정보(UI) 및 재활운동 자원 정보(RRI)에 기반하여 사용자에 최적화된 맞춤형 재활운동 프로토콜을 추천하는 기능을 제공할 수 있다.The rehabilitation exercise protocol recommendation module 230 may include a learning data management unit 231 , a prediction model generator 232 , a recommended rehabilitation exercise prediction unit 233 , and a coaching service management unit 234 . The rehabilitation exercise protocol recommendation module 230 may provide a function of recommending a customized rehabilitation exercise protocol optimized for a user based on user information (UI) and rehabilitation exercise resource information (RRI).

학습 데이터 관리부(231)는 추천 재활운동 예측 모델을 생성하기 위한 학습 데이터를 관리할 수 있다. 학습 데이터 관리부(231)는 재활운동 프로토콜 수행 정보(PPI)에 기반하여 학습 데이터를 지속적으로 추가 구성하여 저장할 수 있다.The learning data management unit 231 may manage learning data for generating a recommended rehabilitation exercise prediction model. The learning data management unit 231 may continuously additionally configure and store learning data based on the rehabilitation exercise protocol performance information (PPI).

예측 모델 생성부(232)는 학습 데이터에 기반하여 예측 모델을 생성할 수 있다. 예를 들어, 예측 모델 생성부(232)는 재활운동 프로토콜 수행 정보(PPI)에 기반하여 수행 패턴 네트워크를 구성할 수 있다. 수행 패턴 네트워크는 사용자의 재활운동 프로토콜의 수행 패턴을 분석하는 기능을 제공할 수 있다. 그리고, 예측 모델 생성부(232)는 수행 패턴 네트워크를 활용하여 사용자-질병별 또는 사용자-질병별/단계별 재활운동 프로토콜에 대한 데이터를 클러스터링(clustering)함으로써 추천 재활운동 예측 모델을 생성할 수 있다.The predictive model generation unit 232 may generate a predictive model based on the training data. For example, the predictive model generation unit 232 may configure a performance pattern network based on rehabilitation exercise protocol performance information (PPI). The performance pattern network may provide a function of analyzing a user's performance pattern of a rehabilitation exercise protocol. In addition, the predictive model generation unit 232 may generate a recommended rehabilitation exercise prediction model by clustering data on rehabilitation exercise protocols for each user-disease or each user-disease/step using the performance pattern network.

추천 재활운동 예측부(233)는 사용자 정보 및 예측 모델에 기반하여 사용자에 추천할 최적화된 맞춤형 재활운동 프로토콜을 예측할 수 있다. 추천 재활운동 예측부(233)는 예측 결과를 코칭 서비스 관리부에 전달할 수 있다. 일 실시 예에 있어서, 추천 재활운동 예측부(233)는 임의의 또는 미리 설정된 다양한 파라미터들과 함수들을 활용하여 예측 결과에 대한 후처리를 수행할 수 있다.The recommended rehabilitation exercise prediction unit 233 may predict an optimized customized rehabilitation exercise protocol to be recommended to the user based on user information and a prediction model. The recommended rehabilitation exercise prediction unit 233 may transmit the prediction result to the coaching service management unit. In one embodiment, the recommended rehabilitation exercise predictor 233 may perform post-processing on the predicted result by utilizing various parameters and functions that are arbitrary or preset.

코칭 서비스 관리부(234)는 예측 결과에 기반하여 재활운동 프로토콜 추천 정보(PRI)를 생성할 수 있다. 코칭 서비스 관리부(234)는 재활운동 프로토콜 추천 정보(PRI)를 클라이언트(100)에 송신할 수 있다. 코칭 서비스 관리부(234)는 재활운동 프로토콜 수행 정보(PPI)를 수신하여 학습 데이터 관리부(231)에 전달할 수 있다.The coaching service management unit 234 may generate rehabilitation exercise protocol recommendation information (PRI) based on the predicted result. The coaching service manager 234 may transmit rehabilitation exercise protocol recommendation information (PRI) to the client 100 . The coaching service management unit 234 may receive rehabilitation exercise protocol performance information (PPI) and transmit it to the learning data management unit 231 .

재활운동 프로토콜 추천 모듈(230)의 구체적인 기능 및 동작은 도 2에서 상세하게 설명한다.Specific functions and operations of the rehabilitation exercise protocol recommendation module 230 will be described in detail with reference to FIG. 2 .

데이터베이스(240)는 시스템(10)에서 관리 및 처리되는 사용자 정보 데이터(UID), 재활운동 자원 정보 데이터(RRID), 표준 데이터셋(SDS), 클러스터링 데이터(CD), 및 학습 데이터셋(TDS) 등과 같은 재활운동 프로토콜 예측 및 추천에 필요한 데이터들을 저장할 수 있다. 도시된 것과 달리, 데이터베이스(240)는 서버(200)와 다른 서버(미도시)에 제공될 수 있다.The database 240 includes user information data (UID), rehabilitation exercise resource information data (RRID), standard data set (SDS), clustering data (CD), and learning data set (TDS) managed and processed by the system 10. Data necessary for predicting and recommending a rehabilitation exercise protocol, such as the like, may be stored. Unlike what is shown, the database 240 may be provided to a server (not shown) different from the server 200 .

도 2는 본 개시의 실시 예에 따른 서버의 동작 및 기능을 보여주는 블록도이다. 설명의 편의를 위해, 도 1에서 설명한 내용과 중복되는 내용은 생략한다.2 is a block diagram showing operations and functions of a server according to an embodiment of the present disclosure. For convenience of explanation, the overlapping contents with those described in FIG. 1 are omitted.

도 2와 함께, 도 1을 참조하면, 사용자 정보 관리부(210)는 사용자 프로파일 정보(UPI)에 기반하여 사용자 정보(UI)를 생성할 수 있다. 일 실시 예에 있어서, 시스템(10)은 외부의 재활운동 빅데이터 플랫폼(11)과 연동하여 동작할 수 있다. 이 경우, 사용자 정보 관리부(210)는 사용자 프로파일 정보(UPI) 및 사용자 의료 정보(UMI)에 기반하여 사용자 정보(UI)를 생성할 수 있다. 입력 데이터(ID)는 사용자 정보(UI)를 포함할 수 있다. 일 실시 예에 있어서, 입력 데이터(ID)는 재활운동 자원 정보(RRI)를 더 포함할 수 있다.Referring to FIG. 1 together with FIG. 2 , the user information management unit 210 may generate user information (UI) based on user profile information (UPI). In one embodiment, the system 10 may operate in conjunction with the external rehabilitation exercise big data platform 11. In this case, the user information manager 210 may generate user information (UI) based on the user profile information (UPI) and the user medical information (UMI). The input data (ID) may include user information (UI). In one embodiment, the input data ID may further include rehabilitation exercise resource information RRI.

학습 데이터 관리부(231)는 데이터 베이스(240)에 저장된 데이터(DATA)(예컨대, 표준 데이터셋(SDS), 학습 데이터셋(TDS) 등)에 기반하여 예측 모델을 생성하기 위한 데이터셋(DS)을 생성할 수 있다. 학습 데이터 관리부(231)는 클라이언트(100)로부터 수신된 재활운동 프로토콜 수행 정보(PPI)를 학습 데이터(DS)에 추가할 수 있다. 사용자에 대한 재활운동 프로토콜 수행 정보(PPI)가 학습 데이터(DS)에 추가됨으로써, 서버(200)는 사용자에게 최적화된 재활운동 프로토콜을 예측 및 추천할 수 있다.The learning data management unit 231 generates a data set (DS) for generating a predictive model based on data (DATA) stored in the database 240 (eg, a standard data set (SDS), a learning data set (TDS), etc.) can create The learning data manager 231 may add the rehabilitation exercise protocol performance information PPI received from the client 100 to the learning data DS. By adding the rehabilitation exercise protocol performance information (PPI) for the user to the learning data DS, the server 200 may predict and recommend a rehabilitation exercise protocol optimized for the user.

예측 모델 생성부(232)는 수행 패턴 네트워크 구성 모듈(232-1), 및 데이터 클러스터링 모듈(232-2)을 포함할 수 있다. 구체적으로, 수행 패턴 네트워크 구성 모듈(232-1)은 재활운동 프로토콜 수행 정보(PPI)에 기반하여 수행 패턴 네트워크를 구성할 수 있다. 데이터 클러스터링 모듈(232-2)은 학습 데이터(DS)와 수행 패턴 네트워크에 기반하여 데이터를 클러스터링할 수 있다. 예를 들어, 데이터 클러스터링 모듈은 K-평균(K-means), 계층 군집(Hierarchical clustering), 평균 이동(Mean Shift), GMM(Gaussian Mixture Model), DBSCAN(Density Based Spatial Clustering of Applications with Noise) 등과 같은 다양한 클러스터링 알고리즘을 이용할 수 있다. 데이터 클러스터링 모듈(232-2)은 데이터를 클러스터링한 클러스터링 정보에 기반하여 예측 모델(PM)을 생성할 수 있다. 클러스터링 정보는 데이터베이스(240)에 저장되어 이후 재사용될 수 있다. 사용자 맞춤형 재활운동 프로토콜에 대한 클러스터링 정보가 재사용됨에 따라, 재활운동 프로토콜 예측 및 추천에 소요되는 시간 및 계산량이 최소화될 수 있다.The predictive model generation unit 232 may include a performance pattern network configuration module 232-1 and a data clustering module 232-2. Specifically, the performance pattern network configuration module 232-1 may configure a performance pattern network based on rehabilitation exercise protocol performance information (PPI). The data clustering module 232-2 may cluster data based on the learning data DS and the performance pattern network. For example, the data clustering module includes K-means, hierarchical clustering, mean shift, GMM (Gaussian Mixture Model), DBSCAN (Density Based Spatial Clustering of Applications with Noise), etc. A variety of clustering algorithms can be used. The data clustering module 232-2 may generate a predictive model (PM) based on clustering information obtained by clustering data. Clustering information is stored in the database 240 and can be reused later. As the clustering information for the user-customized rehabilitation exercise protocol is reused, the amount of time and computation required for predicting and recommending the rehabilitation exercise protocol can be minimized.

추천 재활운동 예측부(233)는 입력 데이터(ID) 및 예측 모델(PM)에 기반하여 추천 재활운동을 예측한 예측 결과(PR)를 생성할 수 있다. 예를 들어, 추천 재활운동 예측부(233)는 예측 모델(PM)에 입력 데이터(ID)를 적용함으로써 예측 결과(PR)를 생성할 수 있다. 예측 결과(PR)는 사용자 맞춤형 재활운동 프토토콜을 포함할 수 있다.The recommended rehabilitation exercise prediction unit 233 may generate a prediction result (PR) by predicting the recommended rehabilitation exercise based on the input data (ID) and the prediction model (PM). For example, the recommended rehabilitation exercise prediction unit 233 may generate a prediction result (PR) by applying the input data (ID) to the prediction model (PM). The prediction result (PR) may include a user-customized rehabilitation exercise protocol.

코칭 서비스 관리부(234)는 예측 결과(PR)에 기반하여 재활운동 프로토콜 추천 정보(PRI)를 생성할 수 있다. 코칭 서비스 관리부(234)는 우선순위, 사용자의 질병, 및/또는 질병 단계를 고려하여 재활운동 프로토콜 추천 정보(PRI)를 생성할 수 있다.The coaching service management unit 234 may generate rehabilitation exercise protocol recommendation information (PRI) based on the prediction result (PR). The coaching service management unit 234 may generate rehabilitation exercise protocol recommendation information (PRI) in consideration of the priority, the user's disease, and/or disease stage.

코칭 서비스 관리부(234)는 클라이언트(100)로부터 재활운동 프로토콜 수행 정보(PPI)를 수신할 수 있다. 코칭 서비스 관리부(234)는 수행 패턴 네트워크를 구성하기 위해 재활운동 프로토콜 수행 정보(PPI)를 예측 모델 생성부(232)에 전달할 수 있다.The coaching service management unit 234 may receive rehabilitation exercise protocol performance information (PPI) from the client 100 . The coaching service management unit 234 may transmit rehabilitation exercise protocol performance information (PPI) to the predictive model generator 232 to construct a performance pattern network.

일 실시 예에 있어서, 재활운동 프로토콜 수행 정보(PPI)가 사용자의 재활운동 프로토콜을 수행하지 않음을 지시하는 경우, 코칭 서비스 관리부(234)는 예측 모델 생성부(232)가 새로운 예측 모델(PM)을 생성하도록 제어할 수 있다. 반대로, 재활운동 프로토콜 수행 정보(PPI)가 사용자의 재활운동 프로토콜 수행을 지시하는 경우, 코칭 서비스 관리부(234)는 재활운동 프로토콜 수행 정보(PPI)를 데이터셋(DS)에 추가 구성시키기 위해 학습 데이터 관리부(231)에 재활운동 프로토콜 수행 정보(PPI)를 전달할 수 있다.In one embodiment, when the rehabilitation exercise protocol performance information (PPI) indicates that the user's rehabilitation exercise protocol is not performed, the coaching service manager 234 causes the predictive model generator 232 to generate a new predictive model (PM). can be controlled to generate. Conversely, when the rehabilitation exercise protocol performance information (PPI) instructs the user to perform the rehabilitation exercise protocol, the coaching service management unit 234 configures the rehabilitation exercise protocol performance information (PPI) in the dataset DS by adding learning data. Rehabilitation exercise protocol performance information (PPI) may be transmitted to the management unit 231 .

도 3은 본 개시의 실시 예에 따른 지능형 개인맞춤 재활운동 프로토콜 추천 방법을 보여주는 흐름도이다. 설명의 편의를 위해, 도 1 및 2의 도면 부호를 참조하여, 도 3이 설명된다.3 is a flowchart showing a method for recommending an intelligent personalized rehabilitation exercise protocol according to an embodiment of the present disclosure. For convenience of description, FIG. 3 will be described with reference to reference numerals in FIGS. 1 and 2 .

S110 단계에서, 사용자 정보 관리부(210)는 사용자 의료 정보(UMI) 및 사용자 프로파일 정보(UPI)에 기반하여 사용자 정보(UI)를 구성할 수 있다.In step S110, the user information management unit 210 may configure user information (UI) based on the user medical information (UMI) and the user profile information (UPI).

S120 단계에서, 예측 모델 생성부(232)는 재활운동 프로토콜 수행 정보(PPI) 및 학습 데이터(DS)에 기반하여 예측 모델을 생성할 수 있다. 구체적으로, 예측 모델 생성 단계는, 수행 패턴 네트워크 구성 모듈(232-1)이 재활운동 프로토콜 수행 정보(PPI)에 기반하여 수행 패턴 네트워크를 구성하는 단계(S121 단계), 및 데이터 클러스터링 모듈(232-2)이 학습 데이터(DS)와 수행 패턴 네트워크에 기반하여 데이터 클러스터링을 수행하여 예측 모델(PM)을 생성하는 단계(S122 단계)를 포함할 수 있다.In step S120, the predictive model generation unit 232 may generate a predictive model based on the rehabilitation exercise protocol performance information (PPI) and the learning data (DS). Specifically, the predictive model generating step includes a step in which the performance pattern network configuration module 232-1 constructs a performance pattern network based on the rehabilitation exercise protocol performance information (PPI) (step S121), and a data clustering module 232-1. 2) generating a predictive model (PM) by performing data clustering based on the learning data (DS) and the performance pattern network (step S122).

S130 단계에서, 추천 재활운동 예측부(233)는 예측 모델(PM) 및 사용자 정보(UI)에 기반하여 추천 재활운동 프로토콜을 예측할 수 있다. 일 실시 예에 있어서, 추천 재활운동 예측부(233)는 예측 모델(PM), 사용자 정보(UI), 및 재활운동 자원 정보(RRI)에 기반하여 추천 재활운동 프로토콜을 예측할 수 있다.In step S130, the recommended rehabilitation exercise prediction unit 233 may predict a recommended rehabilitation exercise protocol based on the prediction model (PM) and user information (UI). In an embodiment, the recommended rehabilitation exercise prediction unit 233 may predict a recommended rehabilitation exercise protocol based on a prediction model (PM), user information (UI), and rehabilitation exercise resource information (RRI).

S140 단계에서, 코칭 서비스 관리부(234)는 예측된 추천 재활운동 프로토콜(즉, 예측 결과(PR))에 기반하여 재활운동 프로토콜 추천 정보(PRI)를 클라이언트(100)에 전달할 수 있다.In step S140 , the coaching service management unit 234 may deliver rehabilitation exercise protocol recommendation information (PRI) to the client 100 based on the predicted recommended rehabilitation exercise protocol (ie, the predicted result (PR)).

S150 단계에서, 클라이언트(100)는 사용자 명령에 기반하여 사용자가 추천된 재활운동 프로토콜 수행하였는지 여부를 지시하는 재활운동 프로토콜 수행 정보(PPI)를 생성할 수 있다. 코칭 서비스 관리부(234)는 클라이언트(100)로부터 재활운동 프로토콜 수행 정보(PPI)를 수신할 수 있다. 재활운동 프로토콜 수행 정보(PPI)가 사용자의 재활운동 프로토콜 처방 및 수행이 이루어짐을 지시하는 경우(예), 절차는 S160 단계로 이동한다. 재활운동 프로토콜 수행 정보(PPI)가 사용자의 재활운동 프로토콜 처방 및 수행이 이루어지지 않음을 지시하는 경우(아니오), 절차는 다시 S120 단계로 이동한다. S120 단계에서, 예측 모델(PM) 생성시, 사용자의 선호도가 고려될 수 있다.In step S150, the client 100 may generate rehabilitation exercise protocol performance information (PPI) indicating whether the user has performed the recommended rehabilitation exercise protocol based on the user command. The coaching service management unit 234 may receive rehabilitation exercise protocol performance information (PPI) from the client 100 . If the rehabilitation exercise protocol performance information (PPI) indicates that the user prescribes and performs the rehabilitation exercise protocol (Yes), the procedure moves to step S160. When the rehabilitation exercise protocol performance information (PPI) indicates that the user's prescription and execution of the rehabilitation exercise protocol are not performed (No), the procedure moves to step S120 again. In step S120 , when generating a predictive model (PM), user preference may be considered.

S160 단계에서, 학습 데이터 관리부(231)는 재활운동 프로토콜 수행 정보(PPI)를 학습 데이터(DS)에 추가로 구성할 수 있다. 재활운동 프로토콜 수행 정보(PPI)가 계속해서 재학습됨으로써, 서버(200)는 재활운동 프로토콜 예측 성능이 향상될 수 있다.In step S160, the learning data management unit 231 may additionally configure the rehabilitation exercise protocol performance information (PPI) to the learning data (DS). By continuously re-learning the rehabilitation exercise protocol performance information (PPI), the server 200 may improve rehabilitation exercise protocol prediction performance.

도 4는 본 개시의 실시 예에 따른 서버의 예시적인 블록도이다. 도 4를 참조하면, 서버(300)는 네트워크 인터페이스(310), 프로세서(320), 메모리(330), 스토리지(340), 및 버스(350)을 포함할 수 있다. 설명의 편의를 위해, 도 1을 참조하여 도 4를 설명한다.4 is an exemplary block diagram of a server according to an embodiment of the present disclosure. Referring to FIG. 4 , a server 300 may include a network interface 310 , a processor 320 , a memory 330 , a storage 340 , and a bus 350 . For convenience of explanation, FIG. 4 will be described with reference to FIG. 1 .

네트워크 인터페이스(310)는 외부 서버 또는 외부 전자 장치들과 통신하도록 구성될 수 있다. 네트워크 인터페이스(310)는 클라이언트(100)와의 통신을 통해 다양한 데이터(예컨대, UID, RRID 등)를 수신할 수 있다. 네트워크 인터페이스(310)는 외부 서버 또는 외부 전자 장치들과의 통신을 통해 학습을 위한 데이터셋(예컨대, SDS, CD, TDS 등)을 수신할 수 있다. 일 실시 예에 있어서, 네트워크 인터페이스(310)는 재활운동 빅데이터 플랫폼(11)과의 통신을 통해 다양한 데이터(예컨대, UMI)를 수신할 수 있다. 일 실시 예에 있어서, 네트워크 인터페이스(310)는 서버(300)에 의해 학습된 모델들을 외부 서버 또는 외부 전자 장치들에 제공할 수 있다.The network interface 310 may be configured to communicate with external servers or external electronic devices. The network interface 310 may receive various data (eg, UID, RRID, etc.) through communication with the client 100 . The network interface 310 may receive a data set (eg, SDS, CD, TDS, etc.) for learning through communication with an external server or external electronic devices. In one embodiment, the network interface 310 may receive various data (eg, UMI) through communication with the rehabilitation exercise big data platform 11 . In one embodiment, the network interface 310 may provide models learned by the server 300 to an external server or external electronic devices.

프로세서(320)는 서버(300)의 중앙 처리 장치로의 기능을 수행할 수 있다. 프로세서(320)는 서버(300)의 데이터 관리, 학습, 및 예측을 위하여 요구되는 제어 동작 및 연산 동작을 수행할 수 있다. 예를 들어, 프로세서(320)의 제어에 따라, 네트워크 인터페이스(310)는 데이터셋을 수신할 수 있다. 프로세서(320)의 제어에 따라, 사용자 정보(UI) 및 데이터셋에 기반하여 사용자 맞춤형 재활운동 프로토콜을 예측할 수 있다.The processor 320 may function as a central processing unit of the server 300 . The processor 320 may perform control operations and calculation operations required for data management, learning, and prediction of the server 300 . For example, under the control of the processor 320, the network interface 310 may receive a dataset. Under the control of the processor 320, a user-customized rehabilitation exercise protocol may be predicted based on the user information (UI) and the data set.

프로세서(320)는 메모리(330)의 연산 공간을 활용하여 동작할 수 있고, 스토리지(340)로부터 운영체제를 구동하기 위한 파일들 및 어플리케이션의 실행 파일들을 읽을 수 있다. 프로세서(320)는 운영 체제 및 다양한 어플리케이션들을 실행할 수 있다. 프로세서(320)는 CPU(central processing unit), GPU(graphic processing unit), 및 NPU(neural processing unit) 중 적어도 하나를 포함할 수 있다.The processor 320 may operate by utilizing the computational space of the memory 330 and may read files for driving an operating system and executable files of applications from the storage 340 . The processor 320 may execute an operating system and various applications. The processor 320 may include at least one of a central processing unit (CPU), a graphic processing unit (GPU), and a neural processing unit (NPU).

메모리(330)는 프로세서(320)에 의하여 처리되거나 처리될 예정인 데이터, 펌웨어, 소프트웨어, 및 프로세스 코드 등을 임시 저장할 수 있다. 예를 들어, 메모리(330)는 입력된 데이터셋, 사용자 정보(UI), 재활운동 자원 정보(RRI), 파라미터들, 파라미터를 계산하기 위한 정보들, 하이퍼파라미터들, 네트워크를 학습하기 위한 정보들, 예측 모델을 생성하기 위한 정보들, 및 데이터 클러스터를 구축하기 위한 정보들을 저장할 수 있다.The memory 330 may temporarily store data processed or scheduled to be processed by the processor 320, firmware, software, and process codes. For example, the memory 330 stores an input data set, user information (UI), rehabilitation exercise resource information (RRI), parameters, information for calculating parameters, hyperparameters, and information for learning a network. , information for generating a predictive model, and information for constructing a data cluster may be stored.

메모리(330)는 서버(300)의 주 기억 장치로 이용될 수 있다. 예를 들어, 메모리(330)는 DRAM(dynamic random access memory), SRAM(static random access memory), PRAM(phase-change random access memory), MRAM (magnetic random access memory), FeRAM(ferroelectric random access memory), RRAM(resistive random access memory) 등을 포함할 수 있다. 메모리(330)는 버퍼 메모리, 워킹 메모리, 또는 캐시 메모리로서 지칭될 수 있다. 도시되지 않았지만, 메모리(330)의 개수는 하나 이상일 수 있다.The memory 330 may be used as a main storage device of the server 300 . For example, the memory 330 may include dynamic random access memory (DRAM), static random access memory (SRAM), phase-change random access memory (PRAM), magnetic random access memory (MRAM), and ferroelectric random access memory (FeRAM). , resistive random access memory (RRAM), and the like. Memory 330 may be referred to as buffer memory, working memory, or cache memory. Although not shown, the number of memories 330 may be one or more.

스토리지(340)는 운영 체제 또는 어플리케이션들과 관련된 데이터, 운영 체제를 구동하기 위한 파일, 또는 어플리케이션들의 실행 파일 등을 저장할 수 있다. 예를 들어, 스토리지(340)는 서버(300)의 실행을 위한 파일들을 저장할 수 있다. 예를 들어, 스토리지(340)는 플래쉬 메모리(flash memory), PRAM(phase-change random access memory), FeRAM(ferroelectric random access memory), RRAM(resistive random access memory) 등을 포함할 수 있다.The storage 340 may store data related to an operating system or applications, files for driving the operating system, or execution files of applications. For example, the storage 340 may store files for execution of the server 300 . For example, the storage 340 may include a flash memory, phase-change random access memory (PRAM), ferroelectric random access memory (FeRAM), resistive random access memory (RRAM), and the like.

버스(350)는 서버(300)의 구성 요소들 사이에서 통신 경로를 제공할 수 있다. 네트워크 인터페이스(310), 프로세서(320), 메모리(330), 및 스토리지(340)는 버스(350)를 통해 서로 데이터를 교환할 수 있다. 버스(350)는 서버(300)에서 이용되는 다양한 유형의 통신 포맷을 지원하도록 구성될 수 있다.The bus 350 may provide a communication path between components of the server 300 . The network interface 310 , processor 320 , memory 330 , and storage 340 may exchange data with each other through the bus 350 . Bus 350 may be configured to support various types of communication formats used in server 300 .

100: 클라이언트 200, 300: 서버
310: 네트워크 인터페이스 320: 프로세서
330: 메모리 340: 스토리지
350: 버스100: client 200, 300: server
310: network interface 320: processor
330: memory 340: storage
350: bus

Claims (1)

지능형 개인맞춤 재활운동 프로토콜 추천 방법에 있어서,
사용자 의료 정보 및 사용자 프로파일 정보에 기반하여 사용자 정보를 구성하는 단계;
재활운동 프로토콜 수행 정보에 기반하여 수행 패턴 네트워크를 구성하는 단계;
학습 데이터와 상기 수행 패턴 네트워크에 기반하여 데이터 클러스터링을 수행하여 예측 모델을 생성하는 단계;
상기 예측 모델 및 상기 사용자 정보에 기반하여 추천 재활운동 프로토콜을 예측하는 단계;
상기 예측 결과에 기반하여 재활운동 프로토콜 추천 정보를 생성하고, 상기 재활운동 프로토콜 추천 정보를 클라이언트에 전달하는 단계;
상기 클라이언트로부터 상기 재활운동 프로토콜 수행 정보를 수신하는 단계;
상기 재활운동 프로토콜 수행 정보를 상기 학습 데이터에 추가 구성하는 단계를 포함하는 방법In the intelligent personalized rehabilitation exercise protocol recommendation method,
configuring user information based on user medical information and user profile information;
configuring a performance pattern network based on the rehabilitation exercise protocol performance information;
generating a predictive model by performing data clustering based on training data and the performance pattern network;
predicting a recommended rehabilitation exercise protocol based on the prediction model and the user information;
generating rehabilitation exercise protocol recommendation information based on the predicted result, and transmitting the rehabilitation exercise protocol recommendation information to a client;
Receiving the rehabilitation exercise protocol performance information from the client;
And adding the rehabilitation exercise protocol performance information to the learning data.
KR1020210194044A 2021-12-31 2021-12-31 Intelligent personalized rehabilitation exercise protocol recommendation method and system KR20230103274A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210194044A KR20230103274A (en) 2021-12-31 2021-12-31 Intelligent personalized rehabilitation exercise protocol recommendation method and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210194044A KR20230103274A (en) 2021-12-31 2021-12-31 Intelligent personalized rehabilitation exercise protocol recommendation method and system

Publications (1)

Publication Number Publication Date
KR20230103274A true KR20230103274A (en) 2023-07-07

Family

ID=87154746

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210194044A KR20230103274A (en) 2021-12-31 2021-12-31 Intelligent personalized rehabilitation exercise protocol recommendation method and system

Country Status (1)

Country Link
KR (1) KR20230103274A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117912634A (en) * 2024-03-20 2024-04-19 中国人民解放军总医院第八医学中心 Postoperative rehabilitation training recommendation method for neurosurgery patients

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117912634A (en) * 2024-03-20 2024-04-19 中国人民解放军总医院第八医学中心 Postoperative rehabilitation training recommendation method for neurosurgery patients
CN117912634B (en) * 2024-03-20 2024-05-24 中国人民解放军总医院第八医学中心 Postoperative rehabilitation training recommendation method for neurosurgery patients

Similar Documents

Publication Publication Date Title
US11615876B2 (en) Predictive model for substance monitoring and impact prediction
NL2030226B1 (en) Methods, systems, articles of manufacture and apparatus to optimize resources in edge networks
Zhang et al. Health-CPS: Healthcare cyber-physical system assisted by cloud and big data
Riboni et al. COSAR: hybrid reasoning for context-aware activity recognition
Dutta et al. Enhancing mist assisted cloud computing toward secure and scalable architecture for smart healthcare
Wang et al. High reliable real-time bandwidth scheduling for virtual machines with hidden Markov predicting in telehealth platform
Mirmohseni et al. Using Markov learning utilization model for resource allocation in cloud of thing network
Bibani et al. A demo of IoT healthcare application provisioning in hybrid cloud/fog environment
KR20220044717A (en) Methods, systems, products and devices for improving job scheduling efficiency
WO2022003528A1 (en) Forecasting multivariate time series data
Feng et al. Towards Energy‐Efficient Framework for IoT Big Data Healthcare Solutions
Shahhosseini et al. Online learning for orchestration of inference in multi-user end-edge-cloud networks
KR20230103274A (en) Intelligent personalized rehabilitation exercise protocol recommendation method and system
Ilyas et al. Software architecture for pervasive critical health monitoring system using fog computing
Selvakanmani et al. Fuzzy assisted fog and cloud computing with MIoT system for performance analysis of health surveillance system
Jeong et al. Personalized healthcare system for chronic disease care in cloud environment
Stojanovic et al. Mobile CEP in real-time big data processing: challenges and opportunities
Nguyen et al. Real-time optimisation for industrial internet of things (IIoT): Overview, challenges and opportunities
Schauer et al. Internet of things service systems architecture
Hari Kumar et al. H2RUN: An efficient vendor lock‐in solution for multi‐cloud environment using horse herd Runge Kutta based data placement optimization
Mendes et al. VITASENIOR-MT: A distributed and scalable cloud-based telehealth solution
US11776090B2 (en) Dynamic per-node pre-pulling in distributed computing
Chituc An analysis of IoT interoperability standards in the healthcare sector
Chinchmalatpure Rehearsal of cloud and iot devices in the healthcare system
Preuveneers et al. Adaptive dissemination for mobile electronic health record applications with proactive situational awareness