KR20230143081A - 중성지방 측정 장치 및 방법 - Google Patents
중성지방 측정 장치 및 방법 Download PDFInfo
- Publication number
- KR20230143081A KR20230143081A KR1020220073991A KR20220073991A KR20230143081A KR 20230143081 A KR20230143081 A KR 20230143081A KR 1020220073991 A KR1020220073991 A KR 1020220073991A KR 20220073991 A KR20220073991 A KR 20220073991A KR 20230143081 A KR20230143081 A KR 20230143081A
- Authority
- KR
- South Korea
- Prior art keywords
- neutral fat
- user
- bio
- impedance
- learning model
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 16
- 150000003626 triacylglycerols Chemical class 0.000 title description 3
- 230000007935 neutral effect Effects 0.000 claims abstract description 107
- 239000000284 extract Substances 0.000 claims abstract description 6
- 230000036541 health Effects 0.000 claims description 40
- 238000005259 measurement Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 22
- 235000005911 diet Nutrition 0.000 claims description 19
- 230000037213 diet Effects 0.000 claims description 13
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims description 12
- 230000036772 blood pressure Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 235000013305 food Nutrition 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000378 dietary effect Effects 0.000 description 6
- 210000000707 wrist Anatomy 0.000 description 5
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000009207 exercise therapy Methods 0.000 description 3
- 238000002847 impedance measurement Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 235000021466 carotenoid Nutrition 0.000 description 2
- 150000001747 carotenoids Chemical class 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 239000006059 cover glass Substances 0.000 description 2
- 235000021004 dietary regimen Nutrition 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000002027 skeletal muscle Anatomy 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000005586 smoking cessation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—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
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- 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
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Abstract
바이오 임피던스를 기반으로 비침습적으로 중성지방을 측정하는 장치에 관한 것이다. 일 실시예에 따르면 장치는 사용자의 바이오 임피던스를 측정하는 임피던스 센서, 및 측정된 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출하고, 사용자 정보와 상기 추출된 바이오 저항값을 학습 모델에 입력하며, 상기 학습 모델의 출력값을 기반으로 중성지방을 측정하는 프로세서를 포함할 수 있다.
Description
바이오 임피던스를 이용하여 비침습적으로 중성지방을 측정하는 기술에 관한 것이다.
최근 고령화된 인구구조와 급증하는 의료비 및 전문 의료서비스인력의 부족 등으로 인해 IT 기술과 의료기술이 접목된 IT-의료 융합기술에 대한 연구가 수행되고 있다. 특히 인체의 건강상태에 대한 모니터링은 병원과 같은 고정된 장소에서만 수행되는 것으로 국한되지 않고, 가정과 사무실 등 일상생활 속에서 언제 어디서나 사용자의 건강 상태를 모니터링해 주는 모바일 헬스케어(mobile healthcare) 분야로 확대되고 있다.
바이오 임피던스를 이용하여 비침습적으로 중성지방을 측정하는 장치 및 방법이 제시된다.
일 양상에 따르면, 중성지방 측정 장치는 사용자의 바이오 임피던스를 측정하는 임피던스 센서 및, 측정된 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출하고, 사용자 정보와 상기 추출된 바이오 저항값을 학습 모델에 입력하며, 학습 모델의 출력값을 기반으로 중성지방을 측정하는 프로세서를 포함할 수 있다.
프로세서는 사용자 인터페이스를 통해 사용자로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집할 수 있다.
프로세서는 중성지방 측정 장치 내 또는 외부 전자장치에 설치된 다른 애플리케이션으로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집할 수 있다.
소정 주파수 대역은 5kHz 대역을 포함할 수 있다.
또한, 중성지방 측정 장치는 학습 모델을 저장하는 메모리를 더 포함할 수 있다.
학습 모델은 SVR-RBF(support vector machine regression with radial basis function kernel)을 포함한 비선형 기계학습 모델일 수 있다.
프로세서는 미리 설정된 시점에 사용자에게 중성지방 측정을 가이드 할 수 있다.
프로세서는 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공할 수 있다.
프로세서는 사용자의 혈압, BMI 점수, 보유 질환, 운동 종류, 운동량, 섭취 음식, 이전 시점에 측정된 중성지방 중의 적어도 하나를 포함하는 건강 데이터를 더 수집하고, 측정된 중성지방 값과 수집된 건강 데이터를 이용하여 건강 가이드를 제공할 수 있다.
중성지방 측정 장치가, 임피던스 센서를 통해 사용자의 바이오 임피던스를 측정하는 단계, 측정된 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출하는 단계, 사용자 정보와 상기 추출된 바이오 저항값을 학습 모델에 입력하는 단계 및 학습 모델의 출력값을 기반으로 중성지방을 측정하는 단계를 포함할 수 있다.
또한, 중성지방 측정 방법은 사용자 인터페이스를 통해 사용자로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집하는 단계를 더 포함할 수 있다.
또한, 중성지방 측정 장치 내 또는 외부 전자장치에 설치된 다른 애플리케이션으로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집하는 단계를 더 포함할 수 있다.
이때, 소정 주파수 대역은 5kHz 대역을 포함할 수 있다.
학습 모델은 SVR-RBF(support vector machine regression with radial basis function kernel)을 포함한 비선형 기계학습 모델일 수 있다.
또한, 중성지방 측정 방법은 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공하는 단계를 더 포함할 수 있다.
건강 가이드를 제공하는 단계는 사용자의 혈압, BMI 점수, 보유 질환, 운동 종류, 운동량, 섭취 음식, 이전 시점에 측정된 중성지방 중의 적어도 하나를 포함하고, 측정된 중성지방 값과 상기 수집된 건강 데이터를 기초로 건강 가이드를 사용자에게 제공할 수 있다.
일 양상에 따르면, 하나 이상의 명령어를 저장하는 메모리 및 하나 이상의 명령어를 실행하여, 사용자의 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출하고, 사용자 정보와 상기 추출된 바이오 저항값을 학습 모델에 입력하며, 상기 학습 모델의 출력값을 기반으로 중성지방을 측정하는 프로세서를 포함할 수 있다.
또한, 전자 장치는 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 출력하는 출력부를 더 포함할 수 있다.
또한, 전자 장치는 사용자로부터 상기 바이오 임피던스를 측정하는 임피던스 센서를 더 포함할 수 있다.
또한, 전자 장치는 다른 전자 장치로부터 바이오 임피던스 센서를 통해 측정된 상기 바이오 임피던스를 수신하는 통신부를 더 포함할 수 있다.
사용자로부터 측정된 바이오 임피던스와 사용자 정보를 이용하여 비침습적으로 중성지방을 측정할 수 있다.
도 1은 일 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 2는 다른 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 3a 내지 도 3f는 도 1 및 도 2의 프로세서에 의해 수행되는 사용자 정보 입력 및 건강 가이드 제공의 일 예이다.
도 4는 일 실시예에 따른 중성지방 측정 방법의 흐름도이다.
도 5 내지 도 7은 중성지방 측정 장치를 포함한 전자장치의 예시적 구조를 나타내는 도면이다.
도 2는 다른 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 3a 내지 도 3f는 도 1 및 도 2의 프로세서에 의해 수행되는 사용자 정보 입력 및 건강 가이드 제공의 일 예이다.
도 4는 일 실시예에 따른 중성지방 측정 방법의 흐름도이다.
도 5 내지 도 7은 중성지방 측정 장치를 포함한 전자장치의 예시적 구조를 나타내는 도면이다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 기재된 기술의 이점 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 도면들을 참고하여 중성지방 측정 장치 및 방법의 다양한 실시예들을 설명한다. 다양한 실시예들은 스마트폰, 태블릿 PC, 데스크탑 PC, 노트북 PC 등의 전자장치, 또는 손목 시계형, 팔찌형, 손목 밴드형, 반지형, 안경형, 이어폰형, 목걸이형, 발찌형, 헤어밴드형 등 웨어러블 기기 등의 전자 장치에 포함될 수 있다.
도 1은 일 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 1을 참조하면, 중성 지방 측정 장치(100)는 센서(110) 및 프로세서(120)를 포함한다.
센서(110)는 사용자로부터 바이오 임피던스를 측정하는 임피던스 센서를 포함할 수 있다. 예를 들어, 임피던스 센서는 4 전극법으로 임피던스 측정이 가능하도록 한 쌍의 전류전극과 한 쌍의 전압전극을 포함할 수 있다. 사용자의 피부가 전류전극과 전압전극에 접촉할 때, 한 쌍의 전류전극에 전류를 인가하고 한 쌍의 전압전극을 통해 전압을 측정하여 임피던스를 측정하거나, 그 반대로 한 쌍의 전압전극에 정전압을 인가하고 한 쌍의 전류전극에 흐르는 전류를 측정하여 임피던스를 측정할 수 있다. 다만, 이에 제한되는 것은 아니며 임피던스 센서는 2 전극법으로 임피던스 측정이 가능하도록 형성될 수 있다. 센서(110)는 PPG(Photoplethysmogram) 센서, ECG(Electrocardiography) 센서, EMG(Electromyography) 센서 등을 더 포함할 수 있으며 하나의 칩 형태로 형성될 수 있다.
프로세서(120)는 센서(110)와 연결되어 센서(110)를 제어하며, 센서(110)로부터 센서 데이터를 수신하고, 수신된 센서 데이터를 이용하여 중성지방(triglyceride), 골격근(skeletal muscle), 체지방량(fat mass), 혈압, 혈당, 칼로리, 피부 카로티노이드(skin carotenoid), 혈중 카로티노이드(blood carotenoid), 글루코스(glucose), 요소(urea), 젖산(lactate), 총단백질(total protein), 콜레스테롤(cholesterol) 및 에탄올(ethanol), 혈관 나이, 동맥경화도, 대동맥압 파형, 스트레스 지수 및 피로도 등의 생체정보를 측정할 수 있다.
예를 들어, 프로세서(120)는 임피던스 센서에 의해 예컨대, 1kHz 내지 1 MHz 구간 중의 하나 이상의 주파수에서 측정된 바이오 임피던스를 기반으로 공복 중성지방을 측정할 수 있다. 프로세서(120)는 사용자의 바이오 임피던스로부터 소정 대역의 저항값을 추출하고, 추출된 저항값을 이용하여 중성지방을 측정할 수 있다. 이때, 소정 대역은 5kHz일 수 있다. 다만 이에 제한되지 않으며 예컨대, 5kHz를 포함하는 소정 구간일 수도 있고, 1kHz 내지 1 MHz에서 미리 정의된 복수의 주파수 대역일 수도 있다.
프로세서(120)는 사용자 정보를 수집하고, 바이오 임피던스 저항값 외에 수집된 사용자 정보를 더 이용하여 중성지방을 측정할 수 있다. 이때, 사용자 정보는 나이, 성별, 키, 몸무게, 흡연 여부 등을 포함하며 예시된 바에 제한되지 않는다. 예를 들어, 프로세서(120)는 사용자가 사용자 정보를 입력할 수 있도록 사용자 인터페이스를 제공하고, 사용자 인터페이스를 통해 사용자로부터 사용자 정보를 수집할 수 있다. 또는, 프로세서(120)는 중성지방 측정 장치(100) 또는 다른 전자 장치에 설치된 건강 관리 애플리케이션으로부터 사용자 정보를 수집할 수도 있다.
프로세서(120)는 바이오 임피던스 저항값과 사용자 정보 예컨대, 나이, 성별, 키, 몸무게를 입력으로 하고 중성지방을 출력으로 하는 학습 모델을 이용하여 중성지방을 측정할 수 있다. 이때, 학습 모델은 선형/비선형 기계학습 매핑 함수를 기반으로 할 수 있다. 예컨대, 기계학습 매핑 함수는 라소 회귀(Lasso regression), 선형 서포트 벡터 머신 회귀(support vector machine regression, SVR), 방사 기저 함수(radial basis function, RBF)를 갖는 SVR(SVR-RBF) 등을 포함할 수 있으며 이에 한정되지는 않는다.
프로세서(120)는 사용자의 중성지방 측정 요청에 따라 온 디멘드(On-demand)로 중성지방을 측정할 수 있다. 또는, 미리 설정된 시점, 예컨대 공복인 시점(예: 매일 오전 7시)에 사용자가 공복 중성지방을 측정할 수 있도록 사용자에게 가이드 할 수 있다. 중성지방 측정 시점은 매일 1회 이상 설정될 수 있다. 이때, 설정된 시점에 사용자가 장치(100)를 휴대 또는 착용하여 센서(110)에 사용자의 피부가 접촉되어 있는 경우와 같이 중성지방 측정 상태인 경우 별도의 가이드를 제공하는 대신 자동으로 중성지방 측정을 시작할 수도 있다. 또는, 중성지방 측정이 가능한 상태인 경우 그 가능한 시간 내내 또는 그 가능한 시간 중 일부 시간 동안 계속해서 또는 소정 시간 간격으로 연속 측정할 수 있다.
한편, 프로세서(120)는 미리 설정된 조건에 부합하면 학습 모델을 다시 학습시켜 학습 모델을 캘리브레이션 할 수 있다. 예를 들어, 주기적으로 학습 모델을 캘리브레이션할 수 있다. 또는, 프로세서(120)는 사용자 정보가 변경되는 경우 사용자의 요청에 따라, 또는 자동으로 사용자 정보가 변경하였는지를 판단하여 학습 모델을 캘리브레이션 할 수 있다. 일 예로, 매년 초 또는 생일이 경과한 시점에 사용자의 나이가 변경되는 것으로 판단하고 학습 모델을 캘리브레이션 할 수 있다. 다른 예로, 사용자의 건강 데이터를 기초로 사용자의 몸무게 등의 변화를 모니터링하고, 임계치 이상 변화한 경우 학습 모델을 캘리브레이션 할 수 있다. 이때, 프로세서(120)는 사용자 인터페이스를 통해, 또는 장치(100)나 다른 전자 장치에 설치된 건강 관리 애플리케이션으로부터 건강 데이터를 수집할 수 있다.
프로세서(120)는 캘리브레이션을 수행하는 것으로 결정하면 센서(110)를 제어하여 사용자로부터 바이오 임피던스를 측정하고, 사용자 정보를 수집할 수 있다. 이와 같이 획득된 캘리브레이션 시점의 바이오 임피던스와 사용자 정보, 및/또는 이전 캘리브레이션이나 중성지방 측정 시점에 획득된 바이오 임피던스, 사용자 정보, 또는 중성지방 측정값 등을 학습 데이터로 이용하여 기존의 학습 모델을 재학습시킬 수 있다. 이를 통해 사용자별로 개인화된 학습 모델을 구축할 수 있다.
프로세서(120)는 중성지방이 측정되면, 중성지방 측정값을 기초로 경고, 식이 요법, 운동 정보 등의 건강 가이드 정보를 생성하여 다양한 출력 수단을 통해 사용자에게 제공할 수 있다. 예를 들어, 중성지방 측정값이 정상(예: 150mg/dL 이하), 경계(예: 150~199mg/dL) 또는 높음(예: 200mg/dL)인지 판단할 수 있다. 판단 결과 정상이면, 중성지방이 정상임을 안내하며 현재의 식단이나 운동 요법을 유지하도록 가이드 할 수 있다. 또는, 판단 결과 경계(예: 150~199mg/dL)나 높음(예: 200mg/dL)인 경우 알람, 메시지 등을 통해 경고 정보를 제공할 수 있으며, 이때, 범용적으로 적용 가능한 추천 식이 요법이나 추천 운동 요법을 사용자에게 함께 안내할 수 있다.
한편, 프로세서(120)는 사용자 인터페이스를 통해, 또는 또는 장치(100)나 다른 전자 장치에 설치된 건강 관리 애플리케이션으로부터 사용자의 식이 데이터(예: 섭취 음식, 섭취량, 하루 중 섭취 횟수 등), 운동 데이터(예; 운동 종류, 하루 운동량 등), 및/또는 혈압, BMI 점수, 보유 질환, 이전 중성지방 측정값 등의 건강 데이터를 수집할 수 있다. 프로세서(120)는 이와 같이 수집된 사용자 정보(예: 키, 나이, 몸무게, 성별 등), 사용자의 식이 정보, 운동 정보, 및/또는 건강 데이터 등을 분석하고, 분석 결과를 기초로 사용자에게 맞춤형 식이 요법이나 운동 요법 등을 가이드 할 수 있다. 예컨대, 현재 중성지방 측정값이 정상 범위에 속하더라도, 사용자의 현재 식이 데이터, 운동 데이터 및/또는 건강 데이터 중에서 중성지방에 악영향을 끼치는 요인이 있는 경우 해당 요인을 제거 또는 줄이도록 가이드 할 수 있다. 또한, 중성지방 측정값이 경계(예: 150~199mg/dL)나 높음(예: 200mg/dL)인 경우 사용자에게 맞춤형 추천 식이 요법이나 추천 운동 요법을 생성하여 가이드 할 수 있다.
도 2는 다른 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 2를 참조하면, 중성지방 측정 장치(200)는 센서(110), 프로세서(120), 통신부(210), 출력부(220) 및 저장부(230)를 포함할 수 있다. 센서(110) 및 프로세서(120)는 앞에서 자세히 설명하였으므로 이하 생략한다.
통신부(210)는 프로세서(120)의 제어에 따라 통신 기술을 이용하여 다른 전자 장치와 통신할 수 있다. 통신부(210)는 센서(110)에 의해 측정된 센서 데이터, 프로세서(120)에 의해 생성 및 처리된 중성지방 관련 데이터를 다른 전자 장치에 전송할 수 있다. 다른 전자 장치는 설치된 건강 관리 애플리케이션을 통해 중성지방 측정 장치(200)로부터 수신된 중성지방 관련 데이터를 비롯하여, 그 밖의 골격근량, 기초대사량, 체수분, 체지방률 등의 체성분 정보, 및/또는 걸음수, 달리기 거리 등의 운동 정보 등을 관리하고 사용자에게 제공할 수 있다. 또한, 통신부(210)는 다른 전자 장치로부터 사용자 정보, 사용자의 건강 데이터, 식이 데이터, 운동 데이터 등의 데이터를 수신할 수 있다. 또는 다른 전자 장치에 의해 생성된 학습 모델을 수신할 수 있다. 또는, 다른 전자 장치의 임피던스 센서를 통해 측정된 사용자의 바이오 임피던스를 수신할 수 있다. 이때, 프로세서(120)는 통신부(210)를 통해 다른 전자 장치로부터 수신된 바이오 임피던스를 이용하여 사용자의 중성지방을 측정할 수 있다.
이때, 통신 기술은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication unit), WLAN(와이파이) 통신, 지그비(Zigbee) 통신, 적외선(IrDA, infrared Data Association) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra wideband) 통신, Ant+ 통신 WIFI 통신 및 이동통신 방식을 포함할 수 있으나, 이에 한정되는 것은 아니다.
출력부(220)는 센서(110)에 의해 측정된 센서 데이터, 프로세서(120)에 의해 생성, 처리된 데이터, 및/또는 통신부(210)를 통해 수신된 데이터를 출력할 수 있다. 예를 들어, 사용자가 다양한 정보를 입력할 수 있도록 사용자 인터페이스를 디스플레이에 출력할 수 있다. 또는, 프로세서(220)에 의해 생성된 중성지방 측정값, 경고, 식이 요법, 운동 요법 등의 가이드 정보를 디스플레이 모듈, 스피커 및 햅틱 장치 등을 이용하여 출력할 수 있다.
저장부(230)는 다양한 명령어들을 저장하여 프로세서(120)에 의해 실행될 수 있다. 또한, 센서(110), 프로세서(120), 통신부(210) 등에 의해 생성 및/또는 처리된 데이터를 저장하며 중성지방 측정시 프로세서(120)에 의해 참조될 수 있다. 예를 들어, 사용자 정보, 사용자의 식이 데이터, 운동 데이터, 건강 데이터, 추천 식이 요법, 추천 운동 요법 등의 건강 가이드 정보, 학습 모델, 캘리브레이션 조건 등의 정보를 저장할 수 있다.
저장부(230)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어, SD 또는 XD 메모리 등), 램(Random Access Memory: RAM) SRAM(Static Random Access Memory), 롬(Read-Only Memory: ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
도 3a 내지 도 3f는 도 1 및 도 2의 프로세서(120)에 의해 수행되는 사용자 정보 입력 및 건강 가이드 제공의 일 예이다. 다만, 이하의 예시들은 설명의 편의를 위함일 뿐 예시된 바들에 한정되는 것은 아니다.
도 3a를 참조하면, 프로세서(120)는 출력부(220)를 통해 사용자가 사용자 정보를 입력할 수 있도록 본체(MB)의 디스플레이(DP)에 사용자 인터페이스(311)를 출력할 수 있다. 사용자 인터페이스(311)는 도시된 나이, 키, 체중, 흡연 여부 외에, 사용자가 그 밖에 다양한 데이터를 입력할 수 있도록 제공될 수 있다. 사용자 인터페이스(311)는 중성지방 측정시마다, 사용자 정보가 변경된 것으로 판단된 경우, 사용자의 정보 제공 요청시, 또는 다른 전자장치로부터 사용자 정보를 수신한 경우 사용자가 수정할 수 있도록 제공될 수 있다.
도 3b를 참조하면, 프로세서(120)는 출력부(220)를 통해 중성지방을 측정하도록 유도하는 정보(312)를 본체(MB)의 디스플레이(DP)에 출력할 수 있다. 예를 들어, 도시된 바와 같이 "중성지방을 측정합니다. 손가락을 센서에 접촉하세요"와 같은 텍스트, 및/또는 본체 이미지(313) 및 센서 위치에 손가락을 접촉하도록 유도하는 손가락 이미지(314) 등을 출력할 수 있다.
도 3c 및 도 3d를 참조하면, 프로세서(120)는 출력부(220)를 통해 중성지방 측정값 및/또는 정상 여부를 나타내는 그래픽 객체(텍스트, 아이콘, 이미지 등)(315, 316)를 본체(MB)의 디스플레이(DP)에 출력할 수 있다. 이때, 중성지방 측정값의 정상 여부에 따라 그래픽 객체의 종류, 색상 등을 다르게 하여 사용자가 쉽게 정상 여부를 식별할 수 있도록 할 수 있다.
도 3e를 참조하면, 도시된 바와 같이 중성지방 측정값이 정상이 아니면 "중성지방 수치가 높습니다. 운동, 식사, 금연 등을 통해 중성지방을 관리하세요"와 같이 경고하는 텍스트(317)를 출력할 수 있다.
도 3f를 참조하면, 도시된 바와 같이 중성지방 측정값이 정상이 아니면 사용자의 현재 식이 데이터, 운동 데이터, 및/또는 건강 데이터 등을 안내하는 텍스트(318), 및/또는 추천 음식, 추천 운동 등의 건강 가이드를 제공하는 텍스트(319)를 출력할 수 있다.
도 4는 일 실시예에 따른 중성지방 측정 방법의 흐름도이다.
도 4는 도 1 및 도 2의 중성지방 측정 장치(100,200)에 의해 수행되는 중성지방 측정 방법의 일 예이다.
먼저, 중성지방 측정 장치는 예컨대, 성별, 나이, 키, 몸무게 등의 사용자 정보를 수집할 수 있다(410). 사용자 인터페이스를 통해 사용자로부터 입력받을 수 있으며, 다른 건강 관리 애플리케이션으로부터 사용자 정보를 수집할 수도 있다. 단계(410)는 중성지방을 측정할 때마다 매번 수행될 필요는 없으며, 최초 1회 수행되고 이후 전술한 바와 같이 주기적으로, 또는 사용자 요청이나 사용자 정보가 변경된 것으로 판단된 경우 수행될 수 있다. 또한, 반드시 바이오 임피던스 측정 단계(420) 이전에 수행될 필요는 없으며, 단계(440) 이전에 수행될 수 있다.
그 다음, 임피던스 센서를 통해 사용자로부터 바이오 임피던스를 측정할 수 있다(410).
그 다음, 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출할 수 있다(420). 이때, 소정 주파수 대역은 5kHz일 수 있으나, 이에 제한되는 것은 아니다.
그 다음, 사용자 정보와 바이오 저항값을 학습 모델에 입력하고(440), 학습 모델의 출력값을 기초로 중성지방을 측정할 수 있다(450). 학습 모델은 사용자 정보와 바이오 저항값을 입력으로 하여 중성지방을 출력하는 비선형 기반 기계 학습 모델일 수 있으나 이에 제한되지 않는다.
그 다음, 중성지방 측정값을 기초로 건강 가이드를 제공할 수 있다(460). 건강 가이드는 중성지방 측정값, 정상 여부, 경고, 식이 요법, 운동 요법 등의 정보를 포함할 수 있다.
도 5 내지 도 7은 전술한 중성지방 측정 장치를 포함한 전자장치의 예시적 구조를 나타내는 도면이다. 다만 여기 도시된 예들에 제한되는 것은 아니다.
도 5를 참조하면 전자장치는 시계 타입의 웨어러블 장치(500)로 구현될 수 있으며 본체와 손목 스트랩을 포함할 수 있다. 본체의 전면에 디스플레이가 마련되어, 시간 정보, 수신 메시지 정보, 중성지방 추정 등을 포함하는 다양한 어플리케이션 화면이 표시될 수 있다. 도시된 바와 같이 본체의 측면에 임피던스 센서(510)가 배치될 수 있다. 임피던스 센서(510)는 두 개의 손가락이 각각 접촉하도록 제1 전극부(511)와 제2 전극부(512)가 이격 배치될 수 있으며, 제1 전극부(511)와 제2 전극부(512)는 각각 한 쌍의 전극을 포함할 수 있다.
또한, 웨어러블 장치(500)는 본체 후면에 PPG 센서, 힘센서 등을 포함한 센서장치(520)가 추가 배치될 수 있으며 본체가 사용자의 손목에 착용될 때 손목 상부로부터 PPG 신호, 힘신호 등을 측정할 수 있다. 사용자가 본체를 한 쪽 팔의 손목에 착용한 상태에서 다른 쪽 손의 손가락을 임피던스 센서(510)에 접촉하면, 임피던스 센서(510)를 통해 바이오 임피던스를 측정함과 동시에 센서장치(520)를 통해 손목 상부로부터 PPG 신호 등을 측정할 수 있다.
본체 케이스의 내부에는 프로세서 및 그 밖의 다양한 구성들이 배치될 수 있다. 프로세서는 임피던스 센서(510)에 측정된 바이오 임피던스를 이용하여 중성지방을 측정할 수 있으며, 센서장치(520)를 통해 PPG 신호 등이 측정되면 PPG 신호를 이용하여 혈압 등의 추가 생체정보를 측정할 수 있다.
도 6을 참조하면 전자장치는 스마트 폰(Smart Phone)과 같은 모바일 장치(600)로 구현될 수 있다.
모바일 장치(600)는 본체 케이스 및 디스플레이 패널을 포함할 수 있다. 본체 케이스는 모바일 장치(600)의 외관을 형성할 수 있다. 본체의 전면에 디스플레이 패널 및 커버 글래스(Cover Glass)가 차례로 배치될 수 있고, 디스플레이 패널은 커버 글래스를 통해 외부로 노출될 수 있다. 도시된 바와 같이 본체의 측면에 제1 전극부(611) 및 제2 전극부(612)를 포함한 임피던스 센서(610)가 배치될 수 있다. 또한, 본체의 후면에 PPG 신호, 힘신호 등을 측정하는 별도의 센서장치(620)가 배치될 수 있다. 다만, 이에 제한되지 않으며 본체 후면의 센서장치(620) 주위에 임피던스 센서(610)를 배치할 수도 있으며, 반대로 본체 측면, 임피던스 센서(610)의 제1 전극부(611)와 제2 전극부(612) 사이, 또는 임피던스 센서(610) 옆에 센서장치(620)가 배치될 수도 있다.
본체 케이스의 내부에는 프로세서 및 그 밖의 다양한 구성들이 배치될 수 있다. 프로세서는 임피던스 센서(610)에 측정된 바이오 임피던스를 이용하여 중성지방을 측정할 수 있으며, 센서장치(620)를 통해 PPG 신호 등이 측정되면 PPG 신호를 이용하여 혈압 등의 추가 생체정보를 측정할 수 있다.
도 7은 웨어러블 기기(500)와 모바일 장치(700)가 연동하여 중성지방을 측정하고 건강 가이드를 제공하는 예이다. 일 예로, 웨어러블 기기(500)의 임피던스 센서(510)와 프로세서를 통해 중성지방을 추정하고, 모바일 장치(700)는 웨어러블 기기(500)로부터 중성지방 측정 결과 건강 가이드 정보를 수신하여 디스플레이(710)에 출력할 수 있다. 다른 예로, 웨어러블 기기(500)의 임피던스 센서(510)를 통해 바이오 임피던스를 측정하고, 모바일 장치(700)는 웨어러블 기기(500)로부터 바이오 임피던스 데이터를 수신하여 중성지방을 측정하고 측정 결과를 출력할 수 있다. 그 반대의 경우도 가능하다.
한편, 본 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 개시된 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100, 200: 중성지방 측정 장치
110: 센서
120: 프로세서 210: 통신부
220: 출력부 230: 저장부
500: 웨어러블 기기 510: 임피던스 센서
520: 센서장치 600: 모바일 장치
610: 임피던스 센서 620: 센서장치
120: 프로세서 210: 통신부
220: 출력부 230: 저장부
500: 웨어러블 기기 510: 임피던스 센서
520: 센서장치 600: 모바일 장치
610: 임피던스 센서 620: 센서장치
Claims (20)
- 사용자의 바이오 임피던스를 측정하는 임피던스 센서; 및
상기 측정된 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출하고, 사용자 정보와 상기 추출된 바이오 저항값을 학습 모델에 입력하며, 상기 학습 모델의 출력값을 기반으로 중성지방을 측정하는 프로세서를 포함하는 중성지방 측정 장치. - 제1항에 있어서,
상기 프로세서는
사용자 인터페이스를 통해 사용자로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집하는 중성지방 측정 장치. - 제1항에 있어서,
상기 프로세서는
상기 중성지방 측정 장치 내 또는 외부 전자장치에 설치된 다른 애플리케이션으로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집하는 중성지방 측정 장치. - 제1항에 있어서,
상기 소정 주파수 대역은 5kHz 대역을 포함하는 중성지방 측정 장치. - 제1항에 있어서,
상기 학습 모델을 저장하는 메모리를 더 포함하는 중성지방 측정 장치. - 제1항에 있어서,
상기 학습 모델은
SVR-RBF(support vector machine regression with radial basis function kernel)을 포함한 비선형 기계학습 모델인 중성지방 측정 장치. - 제1항에 있어서,
상기 프로세서는
미리 설정된 시점에 사용자에게 중성지방 측정을 가이드하는 중성지방 측정 장치. - 제1항에 있어서,
상기 프로세서는
상기 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공하는 중성지방 측정 장치. - 제8항에 있어서,
상기 프로세서는
사용자의 혈압, BMI 점수, 보유 질환, 운동 종류, 운동량, 섭취 음식, 이전 시점에 측정된 중성지방 중의 적어도 하나를 포함하는 건강 데이터를 더 수집하고, 상기 측정된 중성지방 값과 상기 수집된 건강 데이터를 이용하여 상기 건강 가이드를 제공하는 중성지방 측정 장치. - 중성지방 측정 장치가,
임피던스 센서를 통해 사용자의 바이오 임피던스를 측정하는 단계;
상기 측정된 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출하는 단계;
사용자 정보와 상기 추출된 바이오 저항값을 학습 모델에 입력하는 단계; 및
상기 학습 모델의 출력값을 기반으로 중성지방을 측정하는 단계를 포함하는 중성지방 측정 방법. - 제10항에 있어서,
사용자 인터페이스를 통해 사용자로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집하는 단계를 더 포함하는 중성지방 측정 방법. - 제10항에 있어서,
상기 중성지방 측정 장치 내 또는 외부 전자장치에 설치된 다른 애플리케이션으로부터 나이, 성별, 키 및 몸무게 중의 적어도 하나를 포함하는 사용자 정보를 수집하는 중성지방 측정 방법. - 제10항에 있어서,
상기 소정 주파수 대역은 5kHz 대역을 포함하는 중성지방 측정 방법. - 제10항에 있어서,
상기 학습 모델은
SVR-RBF(support vector machine regression with radial basis function kernel)을 포함한 비선형 기계학습 모델인 중성지방 측정 방법. - 제10항에 있어서,
상기 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공하는 단계를 더 포함하는 중성지방 측정 방법. - 제15항에 있어서,
상기 건강 가이드를 제공하는 단계는
사용자의 혈압, BMI 점수, 보유 질환, 운동 종류, 운동량, 섭취 음식, 이전 시점에 측정된 중성지방 중의 적어도 하나를 포함하는 건강 데이터를 수집하고, 상기 측정된 중성지방 값과 상기 수집된 건강 데이터를 기초로 상기 건강 가이드를 사용자에게 제공하는 중성지방 측정 방법. - 하나 이상의 명령어를 저장하는 메모리; 및
상기 하나 이상의 명령어를 실행하여, 사용자의 바이오 임피던스로부터 소정 주파수 대역의 바이오 저항값을 추출하고, 사용자 정보와 상기 추출된 바이오 저항값을 학습 모델에 입력하며, 상기 학습 모델의 출력값을 기반으로 중성지방을 측정하는 프로세서를 포함하는 전자 장치. - 제17항에 있어서,
상기 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 솔루션을 출력하는 출력부를 더 포함하는 전자 장치. - 제17항에 있어서,
사용자로부터 상기 바이오 임피던스를 측정하는 임피던스 센서를 더 포함하는 전자 장치. - 제17항에 있어서,
다른 전자 장치로부터 바이오 임피던스 센서를 통해 측정된 상기 바이오 임피던스를 수신하는 통신부를 더 포함하는 전자 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US18/112,319 US20230309847A1 (en) | 2022-04-04 | 2023-02-21 | Apparatus and method for measuring triglyceride level |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20220041635 | 2022-04-04 | ||
| KR1020220041635 | 2022-04-04 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230143081A true KR20230143081A (ko) | 2023-10-11 |
Family
ID=88295345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220073991A KR20230143081A (ko) | 2022-04-04 | 2022-06-17 | 중성지방 측정 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230143081A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190076389A1 (en) | 2012-06-29 | 2019-03-14 | Amarin Pharmaceuticals Ireland Limited | Methods of reducing the risk of a cardiovascular event in a subject on statin therapy |
-
2022
- 2022-06-17 KR KR1020220073991A patent/KR20230143081A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190076389A1 (en) | 2012-06-29 | 2019-03-14 | Amarin Pharmaceuticals Ireland Limited | Methods of reducing the risk of a cardiovascular event in a subject on statin therapy |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11457822B2 (en) | Methods and systems for arrhythmia tracking and scoring | |
| US11406329B2 (en) | System and method to detect changes in health parameters and activate lifesaving measures | |
| US10299735B2 (en) | Automated diagnosis based at least in part on pulse waveforms | |
| EP3106084B1 (en) | Method and apparatus for evaluating physiological aging level | |
| US20150148621A1 (en) | Methods and systems for creating a preventative care plan in mental illness treatment | |
| EP3636146B1 (en) | Apparatus and method for estimating blood pressure | |
| US10182749B2 (en) | Health care apparatus and operating method thereof | |
| CN109480800B (zh) | 用于估计生物信息的设备和方法及血压监视装置 | |
| US20230218209A1 (en) | Apparatus and method for analyzing in vivo component and impedance measuring apparatus | |
| JP2019072494A (ja) | 血圧推定装置及び方法並びにウェアラブル機器 | |
| EP3632302B1 (en) | Apparatus and method for estimating blood pressure | |
| KR102610591B1 (ko) | 건강 관리 장치 및 방법 | |
| KR20230143081A (ko) | 중성지방 측정 장치 및 방법 | |
| US20220167931A1 (en) | Wearable detection & treating device | |
| US20230309847A1 (en) | Apparatus and method for measuring triglyceride level | |
| US20230157553A1 (en) | Blood Pressure Detection Method and Apparatus | |
| Labat et al. | Wearable Blood Pressure Monitoring System-Case Study of Multiplatform Applications for Medical Use | |
| KR20240025116A (ko) | 혈중 성분 측정 장치 및 방법 |