KR20230109314A - 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법 - Google Patents

사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20230109314A
KR20230109314A KR1020220005145A KR20220005145A KR20230109314A KR 20230109314 A KR20230109314 A KR 20230109314A KR 1020220005145 A KR1020220005145 A KR 1020220005145A KR 20220005145 A KR20220005145 A KR 20220005145A KR 20230109314 A KR20230109314 A KR 20230109314A
Authority
KR
South Korea
Prior art keywords
sensor
user
biosignature
determined
electronic device
Prior art date
Application number
KR1020220005145A
Other languages
English (en)
Inventor
코스티안틴 슬류사렌코
일랴 페도린
일랴 크라스노쇼크
비탈리 포리브니
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020220005145A priority Critical patent/KR20230109314A/ko
Priority to PCT/KR2023/000577 priority patent/WO2023136628A1/ko
Priority to US18/153,691 priority patent/US20230218201A1/en
Publication of KR20230109314A publication Critical patent/KR20230109314A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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

Abstract

다양한 실시예들에 따르면, 사용자가 활동하는 동안 생체 사인(vital sign)을 결정하는 전자 장치는, 사용자의 생체 사인을 감지하기 위한 제1 센서, 상기 사용자의 활동을 감지하기 위한 제2 센서, 및 상기 제1 센서 및 상기 제2 센서에 연결된 적어도 하나의 프로세서를 포함한다. 상기 적어도 하나의 프로세서는, 상기 제1 센서를 통해 획득한 제1 신호를 통해 결정되는 생체 사인을 확인하고, 상기 제1 신호를 통해 결정되는 상기 생체 사인 및 상기 제2 센서를 통해 획득한 제2 신호를 통해 결정되는 상기 사용자의 활동 레벨에 기반하여 상기 사용자의 활동 특성에 상응하도록 생체 사인을 정규화(normalization)하고, 상기 제1 신호를 통해 결정되는 상기 생체 사인 및 상기 정규화된 생체 사인을 머징(merging)하여 생체 사인을 결정하도록 설정될 수 있다.

Description

사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법{ELECTRONIC DEVICE FOR DETERMINING VITAL SIGN OF USER AND METHOD FOR THEREOF}
본 개시의 다양한 실시예는 사용자가 활동 시 사용자의 생체 사인을 결정 또는 수정하는 장치 및 방법에 관한 것이다.
건강에 관한 관심이 증가됨에 따라 여러 가지 생체신호를 일상 생활에서 측정하여 편의성을 향상시킨, 다양한 종류의 생체 정보 검출 장치가 개발되고 있다.
또한, 이러한 장치는 착용자에게 착용되어, 생체 상태를 직접 측정할 수 있는 웨어러블 장치(wearable device)의 형태로 보급되어, 개인의 건강정보 데이터 베이스와 연계하여 건강 관련 서비스들을 제공하고, 원격 의료진단과 연계하여 진단/처방 결과를 환자에게 전달하는 스마트 헬스케어 시스템(smart healthcare system)으로 활용되고 있다.
한편, 웨어러블 장치의 착용자가 고강도 운동을 하는 경우 착용자의 생체 신호를 정확히 측정하기 위한 기술에 대한 필요성이 대두되고 있다.
본 개시의 다양한 실시예들에 따르면, 전자 장치는 전자 장치의 착용자가 고강도 운동을 하는 경우 착용자의 생체 신호를 정확히 측정할 수 있다.
본 개시의 다양한 실시예들에 따르면, 전자 장치는 전자 장치의 착용자가 운동을 하는 경우 착용자의 생체 사인을 예측하고, 착용자의 운동에 도움이 되는 정보를 제공할 수 있다.
다양한 실시예들에 따르면, 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 실시예들에 따르면, 사용자가 활동하는 동안 생체 사인(vital sign)을 결정하는 전자 장치는, 사용자의 생체 사인을 감지하기 위한 제1 센서; 상기 사용자의 활동을 감지하기 위한 제2 센서; 및 상기 제1 센서 및 상기 제2 센서에 연결된 적어도 하나의 프로세서를 포함한다. 상기 적어도 하나의 프로세서는, 상기 제1 센서를 통해 획득한 제1 신호를 통해 결정되는 생체 사인을 확인하고, 상기 제1 신호를 통해 결정되는 상기 생체 사인 및 상기 제2 센서를 통해 획득한 제2 신호를 통해 결정되는 상기 사용자의 활동 레벨에 기반하여 상기 사용자의 활동 특성에 상응하도록 생체 사인을 정규화(normalization)하고, 상기 제1 신호를 통해 결정되는 상기 생체 사인 및 상기 정규화된 생체 사인을 머징(merging)하여 생체 사인을 결정할 수 있다.
다양한 실시예들에 따르면, 상기 적어도 하나의 프로세서는, 상기 제1 신호를 통해 결정되는 상기 생체 사인의 품질 값이 임계 값 이상인지 확인하고, 상기 제1 신호를 통해 결정되는 상기 생체 사인 중에서 상기 품질 값이 상기 임계 값 이상인 제1 생체 사인을 확인할 수 있다.
다양한 실시예들에 따르면, 상기 적어도 하나의 프로세서는, 상기 제1 신호를 통해 결정되는 상기 생체 사인 중에서 상기 품질 값이 상기 임계 값 미만인 제2 생체 사인 대신 사용할 정규화된 생체 사인을 확인하고, 상기 확인된 제1 생체 사인 및 상기 확인된 정규화된 생체 사인을 머징(merging)하여 실시간으로 생체 사인을 결정할 수 있다.
다양한 실시예들에 따르면, 사용자가 활동하는 동안 생체 사인(vital sign)을 결정하는 전자 장치의 동작 방법은, 제1 센서를 통해 획득한 제1 신호를 통해 결정되는 생체 사인을 확인하는 단계와, 상기 제1 신호를 통해 결정되는 상기 생체 사인 및 제2 센서를 통해 획득한 제2 신호를 통해 결정되는 상기 사용자의 활동 레벨에 기반하여 상기 사용자의 활동 특성에 상응하도록 생체 사인을 정규화(normalization)하는 단계와, 상기 제1 신호를 통해 결정되는 상기 생체 사인 및 상기 정규화된 생체 사인을 머징(merging)하여 생체 사인을 결정하는 단계를 포함한다.
다양한 실시예들에 따르면, 전자 장치는 전자 장치의 착용자가 고강도 운동을 하는 경우 착용자의 생체 신호를 측정하고, 측정된 생체 신호에 기반하여 착용자의 생체 사인을 정확히 결정 또는 예측할 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시예에 따른 사용자 별 피트니스 트레이닝 프로그램을 설정하는 과정을 나타내는 도면이다.
도 3은 다양한 실시예에 따른 웨어러블 장치의 동작을 설명하기 위한 도면이다.
도 4는 다양한 실시예에 따른 생체 신호를 모니터링 및 예측하기 위한 시스템의 동작을 설명하기 위한 도면이다.
도 5는 다양한 실시예에 따른 생체 센서와 활동 센서를 포함하는 웨어러블 장치의 동작을 설명하기 위한 도면이다.
도 6은 다양한 실시예에 따른 웨어러블 장치의 직접 측정 방법을 설명하기 위한 도면이다.
도 7은 다양한 실시예에 따른 웨어러블 장치의 심박수(HR) 트렌드 계산 방법을 설명하기 위한 도면이다.
도 8a는 다양한 실시예에 따른 웨어러블 장치의 정규화(normalization) 과정을 설명하기 위한 도면이다.
도 8b는 다양한 실시예에 따른 심박수(HR) 패턴의 정규화 예시를 나타낸 도면이다.
도 9a는 다양한 실시예에 따른 웨어러블 장치의 심박수(HR) 수정 과정을 설명하기 위한 도면이다.
도 9b는 다양한 실시예에 따른 수정된 심박수(HR) 예시를 나타낸 도면이다.
도 10은 다양한 실시예에 따른 웨어러블 장치의 심박수(HR) 예측 과정을 설명하기 위한 도면이다.
도 11a는 다양한 실시예에 따른 활동 정의 피트니스 트레이닝의 예시를 나타내는 도면이다.
도 11b는 다양한 실시예에 따른 심박수(HR) 정의 피트니스 트레이닝의 예시를 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는 다양한 실시예에 따른 사용자 별 피트니스 트레이닝 프로그램을 설정하는 과정을 나타내는 도면이다.
다양한 실시예에 따라, 사람마다 생물학적 반응이 다르기 때문에 각 사용자에 맞게 피트니스 트레이닝 프로그램을 수정해야 운동 효과를 볼 수 있다. 다양한 실시예에 따라, 심혈관계는 활동의 급격한 변화에도 심박수 관성, 느린 심박수 변화의 영향을 미치며, 효과적인 훈련 일정을 미리 설정하고 활동에 따른 개별 심혈관 특성을 고려해야 할 필요성이 있다.
도 2를 참조하면, 사용자 별 피트니스 트레이닝 프로그램은 데이터 전처리(Data pre-processing), 모델 트레이닝(Model training), 데이터 수집(Data collection) 과정을 통해 수행될 수 있다. 다양한 실시예에 따라, 사용자 별 피트니스 트레이닝 프로그램을 설정하기 위해 사용자 별로 운동 데이터를 수집하고, 데이터를 전처리하고, 피트니스 모델 트레이닝이 수행될 수 있다. 다양한 실시예에 따라, 모델 트레이닝(Model training) 이후 사용자의 운동에 대한 예측(Prediction), 설명(Explanation), 해석(Inter-pretation), 이전 히스토리와 통합(Integration wity prior belifes), 액션(Action) 과정을 통해 사용자의 운동 데이터가 수집(또는 재수집)될 수 있다.
다양한 실시예에 따라, 사용자가 웨어러블 장치(예를 들어, 스마트 워치)를 착용한 상태에서 고강도 운동을 하는 경우 사용자의 움직임에 따른 노이즈가 반영되어 웨어러블 장치 내 심박수(heart rate) 센서를 통해 측정되는 심박수는 정확하지 않을 수 있다. 다양한 실시예에 따라, 심박수 센서는 맥파(photoplethysmogram, PPG) 센서 및 심전도(electrocardiogram, ECG) 센서 중에서 적어도 하나를 포함할 수 있다. 다양한 실시예에 따라, PPG 센서는 고강도 운동 시 사용자의 손 동작으로 인해 주기적으로 주변 광 포화에 노출될 수 있다. 다양한 실시에에 따라, ECG 센서는 사용자의 고강도 운동 시 전극 접촉 면적 변화로 인해 노이즈를 발생시킬 수 있다.
다양한 실시예에 따라, 심박출량(cardiac output)은 심장에서 배출되는 총 혈액량을 말하며 일반적으로 분당 리터로 측정되고, 심박수(heart rate)는 심장이 뛰는 빈도를 나타내며 분당 측정될 수 있다. 스트로크 볼륨(Stroke volume)은 각 박동과 함께 심장에서 분출되는 혈액의 양을 나타내고, 심박출량은 심박수와 스트로크 볼륨의 곱일 수 있다. 다양한 실시예에 따라, 웨어러블 장치의 사용자가 운동 시 운동 강도가 최대 심박수의 50-60%인 경우 심박출량의 증가는 심박수 및 스트로크 볼륨의 증가에 기인할 수 있다. 다양한 실시예에 따라, 웨어러블 장치의 사용자가 운동 시 운동 강도가 최대 심박수의 60%를 초과할 때 심박출량의 증가는 전적으로 심박수의 증가에 기인할 수 있다. 다양한 실시예에 따라, 웨어러블 장치의 사용자가 운동 강도가 최대 심박수의 60%를 초과하는 고강도 운동 시 심박수의 증가로 심박출량이 증가할 수 있다.
다양한 실시예에 따라, 심박수(heart rate, HR)는 사용자가 침착할 때 미세하게 측정될 수 있다. 다양한 실시예에 따라, 웨어러블 장치는 심박수 측정을 위해 PPG(Photoplethysmogram) 센서, ECG(Electrocardiogram) 센서, 및 생체 임피던스(Bioimpedance, BIA) 센서 중에서 적어도 하나를 포함할 수 있다. 예를 들어, PPG 센서는 스마트 워치에 포함되어 구현되고, ECG 센서는 피트니스 벨트(fitness belt)에 포함되어 구현되고, BIA 센서는 피트니스 트래커(fitness tracker) 및 스마트링(smartring)에 포함되어 구현될 수 있다. 다양한 실시예에 따라, 웨어러블 장치 사용자의 고강도 운동은 모든 심박수 센서에 부정적인 영향을 미칠 수 있다. 예를 들어, PPG 센서는 사용자의 손 움직임으로 인해 주기적인 주변광 포화를 노출시키고, ECG 센서는 사용자의 신체 변형으로 인한 전극 접촉 면적 변화로 인해 노이즈를 발생시킬 수 있고, BIA 센서는 사용자의 운동으로 인한 신경 자극(예를 들어, mussels neural impulses)으로 인해 노이즈를 발생시킬 수 있다.
다양한 실시예에 따라, 전자 장치(또는 웨어러블 장치)는 심박수 센서를 통해 측정하는 직접 심박수 신호와 모션 센서를 통해 감지되는 사용자 움직임을 모두 고려하여 운동 중인 사용자의 심박수(HR)를 감지 및 예측할 수 있다. 다양한 실시예에 따라, 심박수 센서를 통해 측정하는 직접 심박수 신호 내에 사용자의 움직임에 따라 발생되는 측정 에러가 포함될 수 있다.
다양한 실시예에 따라, 전자 장치(또는 웨어러블 장치)는 사용자 움직임에 상응하는 모션 데이터를 기반으로 사용자의 움직임이 적은 시간 구간을 확인하고, 사용자의 움직임이 적은 시간 구간의 심박수 데이터를 활용하여 사용자의 움직임-심박수 관계를 설정함으로써 해당 사용자에 대한 심박수 추정 정확도를 향상시킬 수 있다. 다양한 실시예에 따라, 사용자의 움직임이 적은 시간 구간의 심박수 데이터는 사용자의 움직임이 많은 시간 구간의 심박수 데이터 보다 적은 측정 에러를 포함할 수 있다.
다양한 실시예에 따라, 전자 장치(또는 웨어러블 장치)는 사용자 별로 심박수가 잘 측정됐을 때의(또는 좋은 품질의) 심박수 값과 모션 데이터의 관계를 이용하여 심박스 트렌드(HR trend)를 사용자 맞춤 형으로 설정(또는 보정)할 수 있다. 다양한 실시예에 따라, 심박수가 잘 측정됐을 때의(또는 좋은 품질) 심박수 값은 사용자의 움직임이 적은 시간 구간에서 측정될 수 있다. 본 개시에서 심박스 트렌드(HR trend)를 사용자 맞춤 형으로 설정(또는 보정)하는 것을 "심박수 트렌드를 정규화한다"라고도 표현할 수 있다.
다양한 실시예에 따라, 전자 장치(또는 웨어러블 장치)는 노이즈로 인해 사용자의 심박수가 잘 측정되지 않는 구간에서 정규화된 심박수 트렌드 정보를 이용하여 사용자의 심박수를 추정할 수 있다.
다양한 실시예에 따라, 전자 장치는 사용자 움직임을 고려하여 미리 설정된 시간 구간에서 사용자의 활동 강도(activity intensity)를 측정할 수 있다. 다양한 실시예에 따라, 전자 장치는 전자 장치를 착용한 사용자가 고강도 운동 중 실시간으로 심박수(HR)를 감지 및 계산하고, 주어진 활동 패턴(activity pattern)에 대한 심박수(HR) 패턴을 예측할 수 있다. 다양한 실시예에 따라, 전자 장치는 향후 필요한 심박수(HR) 패턴에 대한 활동 패턴(activity pattern)을 예측 및 계산할 수 있다.
도 3은 다양한 실시예에 따른 웨어러블 장치의 동작을 설명하기 위한 도면이다.
도 3을 참조하면, 웨어러블 장치(310)는 제1 센서(312), 제2 센서(314), 프로세서(316), 및 통신 모듈(318)을 포함할 수 있다. 다양한 실시예에 따라, 웨어러블 장치(310)는 도 1의 전자 장치(101)로 구현될 수 있다. 다양한 실시예에 따라, 제1 센서(312)는 PPG(photoplethysmogram) 센서, ECG(electrocardiogram) 센서, 및 BIA(bioimpedance) 센서 중에서 적어도 하나일 수 있고, 생체 사인 측정 센서로도 불릴 수 있다. 다양한 실시예에 따라, 제2 센서(314)는 자이로스코프, 가속도계, 지자기센서, 레이더 센서, 비디오 카메라 중에서 적어도 하나일 수 있고, 움직임 감지 센서(또는 모션 센서)로도 불릴 수 있다. 다양한 실시예에 따라, 서버(320)는 통신 모듈(322) 및 프로세서(324)를 포함할 수 있다. 다양한 실시예에 따라, 서버(320)는 도 1의 서버(108)로 구현될 수 있다.
다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 제1 센서(312)를 통해 획득한 제1 신호를 통해 결정되는 생체 사인을 확인할 수 있다. 다양한 실시예에 따라, 상기 생체 사인은, 심박수(heart rate), 스트레스 값(stress value), 호흡수(respiration rate), 및 젖산염 값(lactate value) 중에서 어느 하나일 수 있다. 다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 제2 센서(314)를 통해 획득한 제2 신호에 기반하여 결정되는 사용자의 활동 레벨에 따라 상기 제1 신호를 통해 결정되는 생체 사인을 해당 사용자에 맞춤형으로 정규화(normalization)할 수 있다. 다양한 실시예에 따라, 상기 활동 레벨은, 상기 사용자의 활동 유형, 상기 사용자의 활동 강도, 및 상기 사용자의 활동 지속시간 중에서 적어도 하나에 기반하여 결정될 수 있다.
다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 제2 센서(314)를 통해 획득한 제2 신호에 기반하여 결정되는 사용자의 활동 레벨에 따라 사용자의 움직임이 적은 시간 구간을 확인할 수 있다. 다양한 실시예에 따라, 프로세서(316)는 사용자의 활동 레벨 값과 임계 값을 비교하고, 활동 레벨 값이 임계 값보다 작은 경우 사용자의 움직임이 적다고 판단할 수 있다.
다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 사용자의 움직임이 적은 시간 구간에서 제1 센서(312)를 통해 획득한 제1 신호에 기반하여 생체 사인을 확인할 수 있다. 다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 사용자의 움직임이 적은 시간 구간에서의 사용자의 움직임-생체 사인 관계를 설정함으로써 해당 사용자에 대한 생체 사인 추정 정확도를 향상시킬 수 있다. 다양한 실시예에 따라, 사용자의 움직임이 적은 시간 구간의 생체 사인은 사용자의 움직임이 많은 시간 구간의 생체 사인 보다 적은 측정 에러를 포함할 수 있다.
다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 사용자의 움직임-생체 사인 관계를 이용하여 생체 사인 트렌드(예를 들어, 심박수 트렌드)를 사용자 맞춤형으로 설정(또는 보정)할 수 있다. 본 개시에서 생체 사인 트렌드를 사용자 별로 맞춤형으로 설정(또는 보정)하는 것을 "생체 사인 트렌드를 정규화한다"라로도 표현할 수 있다.
다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 제1 센서(312)를 통해 생체 사인이 잘 측정되지 않는 구간에서도 정규화된 생체 사인 트렌드 정보를 이용하여 사용자의 생체 사인을 추정할 수 있다.
다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 상기 제1 신호를 통해 결정되는 생체 사인과 상기 정규화된 생체 사인 트렌드에 따른 생체 사인을 머징(merging)하여 생체 사인을 (실시간으로) 수정할 수 있다. 다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 상기 수정된 생체 사인에 기반하여 사용자의 미래 활동 패턴에 대한 생체 사인을 예측할 수 있다. 다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 요구되는 생체 사인 패턴에 대한 사용자의 미래 활동 레벨 패턴을 계산할 수 있다.
다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 제2 센서(314)를 통해 획득한 상기 제2 신호를 통해 결정되는 상기 활동 레벨 및 머신 러닝(machine learning)에 기반하여 생체 사인의 트렌드(trend)를 계산 또는 복원할 수 있다. 다양한 실시예에 따라, 웨어러블 장치(310)에 구현되는 프로세서(316)는 상기 제1 신호를 통해 결정되는 상기 생체 사인과 상기 정규화된 생체 사인 트렌드에 따른 생체 사인을 머신 러닝(machine learning)에 기반하여 머징(merging)할 수 있다.
다양한 실시예에 따라, 서버(320)는 통신 모듈(322)을 통해 웨어러블 장치(310)와 정보를 송수신할 수 있다. 다양한 실시예에 따라, 서버(320)는 제1 센서(312)를 통해 획득한 제1 신호를 통해 결정되는 생체 사인에 관한 정보, 제2 센서(314)를 통해 획득한 제2 신호를 통해 결정되는 사용자의 활동 레벨에 관한 정보, 상기 제1 신호를 통해 결정되는 생체 사인과 상기 정규화된 생체 사인 트렌드에 따른 생체 사인을 머징(merging)하여 수정된 생체 사인에 관한 정보 중에서 적어도 하나를 웨어러블 장치(310)로부터 수신할 수 있다.
도 4는 다양한 실시예에 따른 생체 신호를 모니터링 및 예측하기 위한 시스템의 동작을 설명하기 위한 도면이다.
도 4를 참조하면, 생체 신호를 모니터링 및 예측하기 위한 시스템(400)은 적어도 하나의 웨어러블 장치(401)를 포함하고, 적어도 하나의 웨어러블 장치(401)는 직접 센서(예를 들어, PPG 센서, ECG 센서)(403) 및 관성 측정 장치 (Inertial Measurement Unit, IMU)(411)를 포함할 수 있다. 다양한 실시에에 따라, 직접 센서(403)는 적어도 하나의 웨어러블 장치(401)를 착용하는 사용자의 생체 신호(예를 들어, 심박수(HR))를 측정할 수 있다. 다양한 실시예에 따라, 직접 센서(403)에서 측정되는 생체 신호(예를 들어, 심박수(HR))에는 사용자의 움직임으로 인한 노이즈를 포함할 수 있다. 다양한 실시예에 따라, IMU(411)는 적어도 하나의 웨어러블 장치(401)의 관성을 측정하여 적어도 하나의 웨어러블 장치(401)가 기울어진 각도를 측정할 수 있다. 다양한 실시예에 따라, IMU(411)는 자이로스코프, 가속도계, 및 지자기센서 중에서 적어도 하나로 구성될 수 있다. 다양한 실시예에 따라, 직접 센서(403)는 도 3의 제1 센서(312)에 대응되고, IMU(411)는 도 3의 제2 센서(314)에 대응될 수 있다.
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 직접 센서(403)를 통해 적어도 하나의 웨어러블 장치(401)를 착용하는 사용자의 심박수(HR)를 측정하고, 심박수(HR) 품질을 모니터링 할 수 있다(405). 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 직접 센서(403)를 통해 측정한 심박수(HR)에 노이즈 및/또는 에러가 포함된 정도에 기반하여 심박수(HR) 품질을 결정할 수 있다. 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 IMU(411)를 통해 획득되는 신호에 기반하여 적어도 하나의 웨어러블 장치(401)를 착용하는 사용자의 심박수(HR) 트렌드(trend)를 확인할 수 있다(413).
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 미리 설정된 제1 조건의 직접 센서(403)에서 측정한 심박수(HR)에 대한 모니터링 정보와, IMU(411)를 통해 확인한 심박수(HR) 트렌드에 기반하여 실시간으로 사용자 맞춤형의 심박수(HR) 정규화(normalization)를 수행할 수 있다(415). 여기서, 심박수는 제1 조건의 직접 센서(403)에서 측정한 심박수(HR) 및 IMU(411)를 통해 측정한 사용자의 움직임(또는 활동 레벨) 데이터의 관계를 기반으로 사용자 맞춤형으로 정규화될 수 있다. 다양한 실시예에 따라, 사용자 별로 활동 레벨에 따른 심박수 트렌드가 다를 수 있고, 사용자 별로 활동 레벨에 따라 심박수를 정규화함으로써 해당 사용자의 심박수를 더 정확히 추정 또는 예측할 수 있다.
다양한 실시예에 따라, 미리 설정된 제1 조건은 직접 센서(403)에서 좋은 품질을 갖는 심박수(HR)(예를 들어, 심박수 측정 결과에 노이즈가 임계값 이하인 경우)를 감지하는 경우를 의미할 수 있다. 다양한 실시예에 따라, 미리 설정된 제1 조건은 직접 센서(403)에서 측정된 심박수(HR)의 품질 값이 미리 설정된 임계값 이상인 경우를 의미할 수 있다.
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 직접 센서(403)에서 측정한 심박수(HR)에 대한 모니터링 정보(심박수 정보 및 품질 정보)와, 415 과정에서 사용자의 움직임 데이터(또는 활동 레벨)에 따라 맞춤형으로 정규화된 심박수(HR)에 관한 정보에 기반하여 심박수(HR) 머지 모델링을 수행할 수 있다(407). 다양한 실시예에 따라, 심박수(HR) 머지 모델링은 직접 센서(403)에서 측정한 심박수(HR)의 품질이 안 좋은 시점의 심박수를 정확히 추정하기 위해 사용자의 움직임 데이터(또는 활동 레벨)에 따라 맞춤형으로 정규화된 심박수(HR)에 관한 정보를 활용하는 모델링 방식을 의미할 수 있다. 예를 들어, 심박수(HR) 머지 모델링은 직접 센서(403)에서 측정한 품질이 좋은 심박수와 정규화된 심박수(HR)에 관한 정보에 따라 추정된 심박수를 머지(merge)하여 실시간으로 심박수를 결정하는 방식을 의미할 수 있다.
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 심박수(HR) 머지 모델링 결과에 기반하여 실시간 심박수(HR)를 결정할 수 있다. 적어도 하나의 웨어러블 장치(401)는 심박수(HR) 머지 모델링 결과에 기반하여 결정된 실시간 심박수(HR)를 고려하여 미리 설정된 제2 조건의 직접 센서(403)에서의 실시간 심박수(HR)를 결정(또는 계산)할 수 있다(409). 다양한 실시예에 따라, 미리 설정된 제2 조건은 직접 센서(403)에서 나쁜 품질을 갖는 심박수(HR)(예를 들어, 심박수 측정 결과에 노이즈가 임계값을 초과하는 경우)를 감지하는 경우를 의미할 수 있다. 다양한 실시예에 따라, 미리 설정된 제2 조건은 직접 센서(403)에서 측정된 심박수(HR)의 품질 값이 미리 설정된 임계값 미만인 경우를 의미할 수 있다.
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 정규화된 심박수(HR)에 관한 정보에 기반하여 심박수(HR) 예측 모델링을 수행할 수 있다(417). 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 IMU(411)를 통해 적어도 하나의 웨어러블 장치(401)를 착용하는 사용자의 활동 레벨(activity level)을 확인하여 사용자의 활동 예측(activity forecasting)을 수행할 수 있다(419). 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 사용자의 활동 레벨(activity level)에 따른 사용자의 활동 예측(activity forecasting)에 기반하여 향후 심박수(HR)를 예측할 수 있다(419).
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 직접 센서(403)에서 측정한 심박수(HR) 정보와 사용자의 활동 레벨 기반 심박수(HR) 트렌드 정보를 조합하여 노이즈를 최소화한 사용자의 심박수(HR)를 결정 또는 확인할 수 있다. 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(401)는 나쁜 신호 품질의 경우에도 실시간으로 심박수(HR)를 보정하고, 주어진 활동 패턴에 대한 심박수(HR) 패턴을 예측하고, 필요 심박수(HR) 패턴에 대한 향후 사용자의 활동 패턴을 수정할 수 있다.
도 5는 다양한 실시예에 따른 생체 센서와 활동 센서를 포함하는 웨어러블 장치의 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 웨어러블 장치는 생체 센서(501)와 활동 센서(503)를 포함할 수 있다. 다양한 실시예에 따라, 웨어러블 장치는 웨어러블 장치를 착용한 사용자의 활동 동안 사용자의 생체 사인(vital user signs)을 계산할 수 있다. 다양한 실시예에 따라, 웨어러블 장치는 사용자의 생체 사인 계산 실패 시 생체 사인을 저장하고, 알려진 미래 운동 유형에 대한 미래 순간에 대한 심박수 패턴을 예측할 수 있다.
다양한 실시예에 따라, 생체 센서(501)는 도 3의 제1 센서(312) 또는 도 4의 직접 센서(403)일 수 있다. 다양한 실시예에 따라, 생체 센서(501)는 PPG(Photoplethysmogram) 센서, ECG(Electrocardiogram) 센서, 및 생체 임피던스(Bioimpedance, BIA) 센서 중에서 적어도 하나를 포함할 수 있다.
다양한 실시예에 따라, 활동 센서(503)는 도 3의 제2 센서(314) 또는 도 4의 IMU(411)일 수 있다. 다양한 실시예에 따라, 활동 센서(503)는 관성 측정 장치 (Inertial Measurement Unit, IMU)를 의미하며, 자이로스코프, 가속도계, 및 지자기센서 중에서 적어도 하나로 구성될 수 있다.
도 5를 참조하면, 단계 1에서 웨어러블 장치는 사용자의 생체 사인 계산을 위해 생체 센서(501)를 통해 획득한 직접 생체 신호의 품질을 확인할 수 있다(505). 다양한 실시예에 따라, 사용자의 생체 사인(vital sign)은 PPG(photoplethysmogram) 신호로부터 직접 계산된 심박수(heart rate), 비강 서미스터(nasal thermistor)로부터 직접 계산된 호흡수(respiration rate), 또는 커프 안압계(cuff tonometer)로부터 직접 계산된 혈압(blood pressure)일 수 있다. 단계 2에서 웨어러블 장치는 직접 생체 신호의 신호 품질이 설정된 임계값 조건을 만족하는 경우 직접 생체 신호로부터 생체 사인을 계산할 수 있다(507).
단계 3에서 웨어러블 장치는 활동 센서(503)로부터 획득한 활동 신호(activity signal)에 기반하여 생체 사인의 트렌드 패턴을 확인 또는 계산할 수 있다(509). 다양한 실시예에 따라, 활동 신호는 활동 강도(activity intensity)가 IMU 파워인 경우 IMU 센서의 측정 값, 활동 인식에 의한 비디오로부터 계산된 활동 강도, 모션 감지용 레이저/레이더/라이다 센서로의 측정 값, 또는 GPS 포지셔닝 값일 수 있다.
단계 4에서 웨어러블 장치는 생체 신호(501)로부터 획득된 생체 사인과 활동 센서(503)로부터 획득한 생체 사인의 트렌드 패턴에 기반하여 사용자 맞춤형으로 생체 사인의 트렌드 패턴을 실시간으로 정규화(Real-time normalization)할 수 있다(511).
단계 5에서 웨어러블 장치는 생체 사인 획득 또는 계산이 불가능한 경우(또는 직접 생체 신호가 나쁜 품질인 경우, 또는 직접 생체 신호 품질이 설정된 임계값 이하인 경우) 사용자 맞춤형으로 정규화된 생체 사인 트렌드 패턴을 기반으로 생체 사인을 실시간으로 복원할 수 있다(513).
단계 6에서 웨어러블 장치는 단계 5에서 복원된 생체 사인을 고려하여 주어진 미래 활동 패턴(future activity pattern)에 대한 미래 생체 사인을 예측할 수 있다(515). 단계 7에서 웨어러블 장치는 단계 5에서 복원된 생체 사인을 고려하여 요구되는 생체 사인 패턴에 대한 미래 활동 패턴을 계산할 수 있다(517).
다양한 실시예에 따라, 웨어러블 장치가 스마트 워치인 경우, 스마트 워치는 머신 러닝(machine learning)을 이용하여 PPG(photoplethysmogram) 신호 및 및 ACC(accelerometer) 신호에 기반하여 런닝 시 스마트 워치 사용자의 심박수를 모니터링할 수 있다. 다양한 실시예에 따라, 스마트 워치는 사용자의 주어진 미래 활동 패턴에 대한 미래 심박수 패턴을 예측하고, 요구되는 심박수 패턴에 대한 미래 활동 패턴을 게산할 수 있다.
도 6은 다양한 실시예에 따른 웨어러블 장치의 직접 측정 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 적어도 하나의 웨어러블 장치(610)는 PPG 센서(620)를 이용하여 직접 생체 신호를 측정하고, 측정된 생체 신호로부터 심박수(HR) 및 심박수(HR)의 품질을 모니터링할 수 있다(630). 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(610)는 미리 설정된 제1 조건(예를 들어, PPG 센서(620)를 이용하여 측정된 생체 신호의 품질이 미리 설정된 임계값 이상인 경우, 또는 설정된 기준에 따라 PPG 센서(620)를 이용하여 측정된 생체 신호의 품질이 좋다고 판단되는 경우)에서 PPG 센서(620)를 이용하여 직접 생체 신호를 측정하고, 측정된 생체 신호로부터 심박수(HR)를 모니터링할 수 있다(640).
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(610)는 심박수(HR) 스펙트럼이 PPG 스펙트로그램에 존재하지 않는 경우(또는 HR 패턴이 PPG 스펙트럼 내에 감지되지 않는 경우) PPG 센서(620)를 이용하여 측정된 생체 신호의 품질이 나쁜 것으로 판단할 수 있다. 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(610)는 심박수(HR) 스펙트럼이 PPG 스펙트로그램에 존재하는 경우(또는 HR 패턴이 PPG 스펙트럼 내에 명확히 감지되는 경우) PPG 센서(620)를 이용하여 측정된 생체 신호의 품질이 좋은 것으로 판단할 수 있다.
도 7은 다양한 실시예에 따른 웨어러블 장치의 심박수(HR) 트렌드 계산 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 웨어러블 장치의 사용자의 활동 모니터링을 위한 소스로 웨어러블 GPS 속도계(wearable GPS speedometer), 또는 트레드밀 속도계(treadmill speedometer)가 존재할 수 있다(710). 다양한 실시예에 따라, 웨어러블 장치는 IMU 센서(720)를 이용하여 사용자의 활동 강도(activity intensity)를 모니터링할 수 있다(730). 다양한 실시예에 따라, 웨어러블 장치는 모니터링한 활동 강도에 기반하여 사용자의 심혈관 시스템 응답(cardiovascular system response) 대 신체 활동 강도의 모델링을 수행할 수 있다(740). 다양한 실시예에 따라, 웨어러블 장치는 심혈관 시스템 응답(cardiovascular system response) 대 신체 활동 강도의 모델링 결과에 기반하여 심박수(HR) 트렌드를 확인할 수 있다(750). 다양한 실시예에 따라, 웨어러블 장치는 심혈관 시스템 응답(cardiovascular system response) 대 신체 활동 강도의 모델링 결과에 기반하여 사용자의 생체 사인(예를 들어, 스트레스, 호흡수)의 트렌드를 확인할 수 있다.
다양한 실시예에 따라, 웨어러블 장치는 모델링 결과에 기반하여 확인된 심박수(HR) 트렌드와 실제 심박수(HR)의 연관(correlation) 관계를 확인할 수 있다.
도 8a는 다양한 실시예에 따른 웨어러블 장치의 정규화(normalization) 과정을 설명하기 위한 도면이고, 도 8b는 다양한 실시예에 따른 심박수(HR) 패턴의 정규화 예시를 나타낸 도면이다.
도 8a를 참조하면, 웨어러블 장치는 PPG 센서(810)를 이용하여 측정한 생체 신호에 기반하여 심박수(HR) 및 심박수(HR) 품질을 모니터링할 수 있다(820). 다양한 실시예에 따라, 웨어러블 장치는 IMU 센서(840)를 이용하여 측정한 활동 강도(또는 활동 레벨)에 기반하여 심박수(HR) 트렌드를 확인할 수 있다(850).
다양한 실시예에 따라, 웨어러블 장치는 미리 설정된 제1 조건의 PPG 센서(810)에서 획득한 생체 신호에 기반하여 결정된 심박수(HR) 모니터링 정보 및 IMU 센서(840)를 통해 획득한 심박수(HR) 트렌드에 기반하여 실시간으로 사용자 맞춤형 심박수(HR) 정규화를 수행할 수 있다(870). 다양한 실시예에 따라, 웨어러블 장치는 심박수(HR) 정규화 결과에 기반하여 정규화 계수들(normalization coefficients)을 도출할 수 있다.
다양한 실시예에 따라, 웨어러블 장치는 수학식 1의 선형 변환(linear transform)을 통해 심박수 트렌드(HRtrend) 정규화를 수행할 수 있다.
[수학식 1]
여기서, 상기 a는 변형 계수(deformation coefficient)이고, 상기 b는 병진 계수(translational coefficient)이다.
시간 i에 대한 계수는 수학식 2의 최소화를 통해 획득될 수 있다.
[수학식 2]
여기서, 상기 n은 정규화를 위한 윈도우 사이즈이다. HRPPG는 측정된 심박수이고, "a*HRACC + b"는 정규화된 심박수 트렌드이다.
도 8b를 참조하면, 웨어러블 장치는 직접 계산한 심박수(HR)와 심박수(HR) 패턴을 비교하여 심박수(HR) 패턴을 정규화할 수 있다.
도 9a는 다양한 실시예에 따른 웨어러블 장치의 심박수(HR) 수정 과정을 설명하기 위한 도면이고, 도 9b는 다양한 실시예에 따른 수정된 심박수(HR) 예시를 나타낸 도면이다.
도 9a를 참조하면, 웨어러블 장치는 직접 심박수(HR) 모니터링을 수행하고(910), 미리 설정된 제1 조건의 PPG 센서에서의 심박수(HR) 모니터링 정보를 HR 머지 모델(930)로 제공할 수 있다(920). 다양한 실시예에 따라, 웨어러블 장치는 심박수(HR) 트렌드를 확인하고(940), 심박수(HR) 트렌드에 기반하여(950) 사용자 맞춤형으로 실시간 심박수(HR) 정규화를 수행할 수 있다(960).
다양한 실시예에 따라, 웨어러블 장치는 실시간 심박수(HR) 정규화 결과를 HR 머지 모델(930)로 제공할 수 있다. 다양한 실시예에 따라, 웨어러블 장치는 미리 설정된 제1 조건의 PPG 센서에서의 심박수(HR) 모니터링 정보와, 실시간 심박수(HR) 정규화 결과에 기반하여 실시간 심박수(HR)를 도출할 수 있다(970). 다양한 실시예에 따라, 웨어러블 장치는 PPG 센서에서 측정한 심박수의 품질이 안 좋은 경우에도 실시간 심박수(HR) 정규화 결과에 기반하여 실시간 심박수(HR)를 추정할 수 있다(970).
다양한 실시예에 따라, 웨어러블 장치 내에 구현되는 HR 머지 모델(930)은 수학식 3과 같이 시간 i에 대하여 품질 메트릭(mask value)을 이용하여, 측정된 심박수(HRPPG)와 정규화된 심박수 트렌드(a*HRACC + b)를 머징(merging)하여 심박수(HR)를 수정할 수 있다.
[수학식 3]
도 9b를 참조하면, 제1 조건(측정 신호 품질이 좋은 경우)에서 정규화된 심박수와 제2 조건(측정 신호 품질이 안 좋은 경우)에서 복원된 심박수가 실시간으로 머징(merging)될 수 있다.
도 10은 다양한 실시예에 따른 웨어러블 장치의 심박수(HR) 예측 과정을 설명하기 위한 도면이다.
도 10을 참조하면, 적어도 하나의 웨어러블 장치(1010)는 PPG 센서(1020)로부터 획득한 사용자의 생체 신호 및 IMU 센서(1030)로부터 획득한 사용자의 활동 정보에 기반하여 실시간으로 심박수(HR)를 정규화할 수 있다(1040).
다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(1010)는 실시간 심박수(HR) 정규화에 기반하여 심박수(HR) 예측을 모델링하고(1050), 모델링 결과에 기반하여 사용자의 미래 활동 운동 패턴에 대한 심박수(HR)를 예측하고(1060), 요구되는 미래 심박수(HR) 패턴에 대한 활동을 계산할 수 있다(1070). 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(1010)는 사용자의 트레이닝 동안 미래 활동 패턴(1081)에 기반하여 트레이닝 동안 예측된 심박수(HR) 패턴(1083)을 확인할 수 있다. 다양한 실시예에 따라, 적어도 하나의 웨어러블 장치(1010)는 사용자의 트레이닝 동안 요구되는 미래 심박수(HR) 패턴(1082)에 기반하여 트레이닝 동안 미래 활동 운동 패턴(1084)을 확인할 수 있다.
도 11a는 다양한 실시예에 따른 활동 정의 피트니스 트레이닝의 예시를 나타내는 도면이고, 도 11b는 다양한 실시예에 따른 심박수(HR) 정의 피트니스 트레이닝의 예시를 나타내는 도면이다.
도 11a를 참조하면, 사전 정의된 속도 훈련 프로필(1110)에 본 발명의 실시예(1120)를 적용하면 사용자 심박수(HR)를 예측할 수 있다(1130). 다양한 실시예에 따라, 본 발명의 실시예(1120)는 도 3 내지 도 10에서 설명한 실시예들 중에서 어느 하나일 수 있다. 다양한 실시예에 따라, 활동 정의 피트니스 트레이닝 시 웨어러블 장치는 시간에 따른 사용자의 활동 레벨(activity level)을 확인하고, 시간에 따른 심박수(HR) 모델링을 수행할 수 있다.
도 11b를 참조하면, 요구되는 심박수(HR) 트레이닝 프로필(1140)에 본 발명의 실시예(1150)를 적용하면 사용자 심박수(HR)를 예측할 수 있다(1160). 본 발명의 실시예(1150)는 도 3 내지 도 10에서 설명한 실시예들 중에서 어느 하나일 수 있다. 다양한 실시예에 따라, 심박수(HR) 정의 피트니스 트레이닝 시 웨어러블 장치는 시간에 따른 사용자의 활동 레벨(activity level)을 확인하고, 시간에 따른 심박수(HR) 모델링을 수행할 수 있다.
다양한 실시예에 따라, 웨어러블 장치는 사용자의 예측되는 심박수(HR) 및 피로도 레벨(fatigue level)에 기반하여 남은 운동을 추천할 수 있다. 다양한 실시예에 따라, 웨어러블 장치는 운동 중인 사용자가 미래에 위험 심박수(HR)에 도달할 것으로 예상되는 경우 예비 경보를 설정할 수 있다. 다양한 실시예에 따라, 웨어러블 장치는 요구되는 심박수(HR) 및 예측되는 심박수(HR)에 기반하여 사용자에게 다음 운동을 추천할 수 있다. 다양한 실시예에 따라, 웨어러블 장치는 요구되는 심박수(HR) 및 예측되는 심박수(HR)에 기반하여 운동 중 심박수가 회복되는 장기 운동 프로필을 추천할 수 있다.

Claims (20)

  1. 사용자가 활동하는 동안 생체 사인(vital sign)을 결정하는 전자 장치에 있어서,
    사용자의 생체 사인을 감지하기 위한 제1 센서;
    상기 사용자의 활동을 감지하기 위한 제2 센서; 및
    상기 제1 센서 및 상기 제2 센서에 연결된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 제1 센서를 통해 획득한 제1 신호를 통해 결정되는 생체 사인을 확인하고,
    상기 제1 신호를 통해 결정되는 상기 생체 사인 및 상기 제2 센서를 통해 획득한 제2 신호를 통해 결정되는 상기 사용자의 활동 레벨에 기반하여 상기 사용자의 활동 특성에 상응하도록 생체 사인을 정규화(normalization)하고,
    상기 제1 신호를 통해 결정되는 상기 생체 사인 및 상기 정규화된 생체 사인을 머징(merging)하여 생체 사인을 결정하도록 설정되는, 전자 장치.
  2. 제1항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제1 신호를 통해 결정되는 상기 생체 사인의 품질 값이 임계 값 이상인지 확인하고,
    상기 제1 신호를 통해 결정되는 상기 생체 사인 중에서 상기 품질 값이 상기 임계 값 이상인 제1 생체 사인을 확인하는, 전자 장치.
  3. 제2항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제1 신호를 통해 결정되는 상기 생체 사인 중에서 상기 품질 값이 상기 임계 값 미만인 제2 생체 사인 대신 사용할 정규화된 생체 사인을 확인하고,
    상기 확인된 제1 생체 사인 및 상기 확인된 정규화된 생체 사인을 머징(merging)하여 실시간으로 생체 사인을 결정하는, 전자 장치.
  4. 제1항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 결정된 생체 사인에 기반하여 상기 사용자의 미래 활동 패턴에 대한 생체 사인을 예측하도록 설정되는, 전자 장치.
  5. 제1항에 있어서, 상기 적어도 하나의 프로세서는,
    요구되는 생체 사인 패턴에 대한 사용자의 미래 활동 레벨 패턴을 계산하도록 설정되는, 전자 장치.
  6. 제1항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제2 센서를 통해 획득한 상기 제2 신호를 통해 결정되는 상기 활동 레벨 및 머신 러닝(machine learning)에 기반하여 생체 사인의 트렌드(trend)를 계산 또는 복원하도록 설정되는, 전자 장치.
  7. 제1항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제1 신호를 통해 결정되는 상기 생체 사인과 상기 정규화된 생체 사인을 머신 러닝(machine learning)에 기반하여 머징(merging)하도록 설정되는, 전자 장치.
  8. 제1항에 있어서,
    상기 제1 센서는 PPG(photoplethysmogram) 센서, ECG(electrocardiogram) 센서, 및 BIA(bioimpedance) 센서 중에서 적어도 하나이고,
    상기 제2 센서는 자이로스코프, 가속도계, 지자기센서, 레이더 센서, 비디오 카메라 중에서 적어도 하나인, 전자 장치.
  9. 제1항에 있어서, 상기 생체 사인은,
    심박수(heart rate), 스트레스 값(stress value), 호흡수(respiration rate), 및 젖산염 값(lactate value) 중에서 어느 하나인 전자 장치.
  10. 제1항에 있어서, 상기 활동 레벨은,
    상기 사용자의 활동 유형, 상기 사용자의 활동 강도, 및 상기 사용자의 활동 지속시간 중에서 적어도 하나에 기반하여 결정되는, 전자 장치.
  11. 사용자가 활동하는 동안 생체 사인(vital sign)을 결정하는 전자 장치의 동작 방법에 있어서,
    제1 센서를 통해 획득한 제1 신호를 통해 결정되는 생체 사인을 확인하는 단계;
    제2 센서를 통해 획득한 제2 신호를 통해 결정되는 사용자의 활동 레벨에 기반하여 상기 생체 사인을 정규화(normalization)하는 단계; 및
    상기 제1 신호를 통해 결정되는 상기 생체 사인과 상기 정규화된 생체 사인을 머징(merging)하여 상기 생체 사인을 수정하는 단계를 포함하는 방법.
  12. 제11항에 있어서,
    상기 제1 신호를 통해 결정되는 상기 생체 사인의 품질 값이 임계 값 이상인지 확인하는 단계; 및
    상기 제1 신호를 통해 결정되는 상기 생체 사인 중에서 상기 품질 값이 상기 임계 값 이상인 제1 생체 사인을 확인하는 단계를 더 포함하는 방법.
  13. 제12항에 있어서,
    상기 제1 신호를 통해 결정되는 상기 생체 사인 중에서 상기 품질 값이 상기 임계 값 미만인 제2 생체 사인 대신 사용할 정규화된 생체 사인을 확인하는 단계; 및
    상기 확인된 제1 생체 사인 및 상기 확인된 정규화된 생체 사인을 머징(merging)하여 실시간으로 생체 사인을 결정하는 단계를 더 포함하는 방법.
  14. 제11항에 있어서,
    상기 수정된 생체 사인에 기반하여 사용자의 미래 활동 패턴에 대한 생체 사인을 예측하는 단계를 더 포함하는 방법.
  15. 제11항에 있어서,
    요구되는 생체 사인 패턴에 대한 사용자의 미래 활동 레벨 패턴을 계산하는 단계를 더 포함하는 방법.
  16. 제11항에 있어서,
    상기 제2 센서를 통해 획득한 상기 제2 신호를 통해 결정되는 상기 활동 레벨 및 머신 러닝(machine learning)에 기반하여 생체 사인의 트렌드(trend)를 계산 또는 복원하는 단계를 더 포함하는 방법.
  17. 제11항에 있어서,
    상기 제1 신호를 통해 결정되는 상기 생체 사인과 상기 정규화된 생체 사인을 머신 러닝(machine learning)에 기반하여 머징(merging)하는 단계를 더 포함하는 방법.
  18. 제11항에 있어서,
    상기 제1 센서는 PPG(photoplethysmogram) 센서, ECG(electrocardiogram) 센서, 및 BIA(bioimpedance) 센서 중에서 적어도 하나이고,
    상기 제2 센서는 자이로스코프, 가속도계, 지자기센서, 레이더 센서, 비디오 카메라 중에서 적어도 하나인 방법.
  19. 제11항에 있어서, 상기 생체 사인은,
    심박수(heart rate), 스트레스 값(stress value), 호흡수(respiration rate), 및 젖산염 값(lactate value) 중에서 어느 하나인 방법.
  20. 제11항에 있어서, 상기 활동 레벨은,
    상기 사용자의 활동 유형, 상기 사용자의 활동 강도, 및 상기 사용자의 활동 지속시간 중에서 적어도 하나에 기반하여 결정되는 방법.
KR1020220005145A 2022-01-13 2022-01-13 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법 KR20230109314A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020220005145A KR20230109314A (ko) 2022-01-13 2022-01-13 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법
PCT/KR2023/000577 WO2023136628A1 (ko) 2022-01-13 2023-01-12 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법
US18/153,691 US20230218201A1 (en) 2022-01-13 2023-01-12 Electronic device for determining users vital sign and method for operating the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220005145A KR20230109314A (ko) 2022-01-13 2022-01-13 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20230109314A true KR20230109314A (ko) 2023-07-20

Family

ID=87279379

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220005145A KR20230109314A (ko) 2022-01-13 2022-01-13 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법

Country Status (2)

Country Link
KR (1) KR20230109314A (ko)
WO (1) WO2023136628A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6004152B2 (ja) * 2011-07-28 2016-10-05 セイコーエプソン株式会社 バイタルサイン計測装置、バイタルサイン計測プログラム、および記録媒体
US11534130B2 (en) * 2015-04-16 2022-12-27 Koninklijke Philips N.V. Device, system and method for detecting a cardiac and/or respiratory disease of a subject
KR101739484B1 (ko) * 2015-06-09 2017-05-24 (주) 로임시스템 생체신호 계측모듈, 웨어러블 근전도 밴드 및 생체계측 모바일 장치
EP3581093A1 (en) * 2018-06-13 2019-12-18 Koninklijke Philips N.V. Determining reliability of vital signs of a monitored subject
KR20210034724A (ko) * 2019-09-20 2021-03-31 삼성전자주식회사 생체 신호를 추정하는 전자 장치 및 그 방법

Also Published As

Publication number Publication date
WO2023136628A1 (ko) 2023-07-20

Similar Documents

Publication Publication Date Title
EP3860446B1 (en) Electronic device for obtaining blood pressure value using pulse wave velocity algorithm and method for obtaining blood pressure value
US11899845B2 (en) Electronic device for recognizing gesture and method for operating the same
KR20220080972A (ko) 수면 무호흡을 검출하기 위한 방법 및 이를 지원하는 전자 장치
US20230191198A1 (en) Electronic apparatus and operation method for providing of workout guide thereof
US20220386885A1 (en) Wearable electronic device measuring blood pressure and method for operating the same
KR20230109314A (ko) 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법
US20230218201A1 (en) Electronic device for determining users vital sign and method for operating the same
US20220354422A1 (en) Method for detecting biometric information and electronic device supporting the same
KR20230024189A (ko) 산소 포화도를 보정하는 전자 장치 및 이의 제어 방법
US20230165531A1 (en) Electronic device for providing biometric information and operating method thereof
US20230149775A1 (en) Wearable device, method, and non-transitory computer readable storage medium including body temperature sensor
KR20230054967A (ko) 전자 장치 및 신체 임피던스 측정 방법
US20230000353A1 (en) Electronic device and method of measuring oxygen saturation based on user context in the electronic device
US20220265206A1 (en) Electronic device and method for providing individualized guide based on blood pressure related information
US20220338743A1 (en) Electronic device and method for providing health information based on electrocardiogram in electronic device
US20230172483A1 (en) Wearable electronic device and method of operating the same
KR20230027986A (ko) 사용자의 건강 지수를 측정하기 위한 방법 및 이를 지원하는 전자 장치
KR20220163010A (ko) 혈압을 측정하는 웨어러블 전자 장치 및 이의 동작 방법
KR20240028888A (ko) 생체 정보를 측정하는 전자 장치 및 이의 동작 방법
KR20230052779A (ko) 체중 데이터 보정 장치 및 방법
KR20220152633A (ko) 생체 정보 검출 방법 및 이를 지원하는 전자 장치
KR20220019126A (ko) 전자 장치 및 이를 이용한 건강 관리 방법
KR20230032697A (ko) 전자 장치 및 전자 장치에서 트레머 증상 검출 방법
KR20230063820A (ko) 사용자의 혈당 값에 기초하여 사용자에게 행동을 제안하는 메시지를 출력하는 방법 및 그 방법을 수행하는 전자 장치
KR20230035182A (ko) 정신 건강 관리를 위한 전자 장치 및 이의 제어 방법