KR20240061731A - 중성지방 측정 장치 및 방법 - Google Patents
중성지방 측정 장치 및 방법 Download PDFInfo
- Publication number
- KR20240061731A KR20240061731A KR1020220143419A KR20220143419A KR20240061731A KR 20240061731 A KR20240061731 A KR 20240061731A KR 1020220143419 A KR1020220143419 A KR 1020220143419A KR 20220143419 A KR20220143419 A KR 20220143419A KR 20240061731 A KR20240061731 A KR 20240061731A
- Authority
- KR
- South Korea
- Prior art keywords
- neutral fat
- light sources
- light
- processor
- measuring device
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 17
- 150000003626 triacylglycerols Chemical class 0.000 title 1
- 230000007935 neutral effect Effects 0.000 claims abstract description 153
- 230000003287 optical effect Effects 0.000 claims abstract description 42
- 230000036541 health Effects 0.000 claims description 19
- 235000005911 diet Nutrition 0.000 claims description 14
- 230000003416 augmentation Effects 0.000 claims description 12
- 230000037213 diet Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 10
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 6
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000378 dietary effect Effects 0.000 description 4
- 235000021004 dietary regimen Nutrition 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 239000012620 biological material Substances 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 239000004202 carbamide Substances 0.000 description 2
- 235000021466 carotenoid Nutrition 0.000 description 2
- 150000001747 carotenoids Chemical class 0.000 description 2
- 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 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 210000002027 skeletal muscle Anatomy 0.000 description 2
- 230000002792 vascular 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
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 210000000577 adipose tissue Anatomy 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
- 210000000476 body water Anatomy 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009207 exercise therapy Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication 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
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005586 smoking cessation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- 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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4872—Body fat
-
- 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
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Nutrition Science (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
일 양상에 따른 중성지방 측정 장치는 가장자리에 복수개 배치되고 또는 중앙에 하나 이상 배치되어 피검체에 광을 조사하는 복수의 광원 및 각 광원으로부터 소정 거리를 갖도록 배치되어 피검체로부터 반사 또는 산란되는 광 신호를 검출하는 복수의 디텍터를 포함하는 센서 및 복수의 광원을 선택적으로 구동하여 검출된 광 신호를 기초로 특징을 획득하고 획득된 특징을 기초로 중성지방을 측정하는 프로세서를 포함할 수 있다.
Description
비침습적으로 중성지방을 측정하는 기술과 관련된다.
혈중 중성지방은 지방 섭취에 의해 6~7 시간을 주기로 증가하였다가 감소한다. 따라서, 지방 섭취에 의한 중성 지방 변화량을 측정하는 것은 지방 섭취량, 분해 능력 등 헬스케어 관점에서 중요한 건강 지표를 제시한다.
중성지방을 측정하는 방법으로는 15~20분 간격으로 혈액을 채취하여 분석하는 침습적 방법이 있다. 침습적으로 혈중 중성지방을 측정하는 방식은 측정의 신뢰성이 높다고 할 수 있으나 주사를 이용하여 혈액 채취의 고통, 번거로움 및 질병 감염 위험이 존재한다. 최근에는 혈액을 직접 채취하지 않고 광 특성을 측정하여 비침습적으로 중성지방을 추정하는 방법이 연구되고 있다.
광 신호에 의해 획득된 특징을 기초로 비침습적으로 중성지방을 측정하는 장치 및 방법이 제시된다.
일 양상에 따르면, 중성지방 측정 장치는 가장자리에 복수개 배치되어 피검체에 광을 조사하는 복수의 광원, 및 각 광원으로부터 소정 거리를 갖도록 배치되어 피검체로부터 반사 또는 산란되는 광 신호를 검출하는 복수의 디텍터를 포함하는 센서 및 복수의 광원을 선택적으로 구동하여 검출된 광 신호를 기초로 특징을 획득하고 획득된 특징을 기초로 중성지방을 측정하는 프로세서를 포함할 수 있다.
가장자리에 배치된 각 광원과 각 디텍터 사이의 거리는 2.5 mm 이상 15 mm 이하일 수 있다.
중앙에 하나 이상 배치되는 광원을 더 포함하고, 중앙에 배치된 각 광원과 각 디텍터 사이의 거리는 2.5 mm 이상 7.5 mm 이하일 수 있다.
가장자리에 배치되는 광원 중에서 적어도 하나는 적외 파장 대역의 광을 조사하고, 중앙에 배치되는 광원 중에서 적어도 하나는 녹색 파장 대역의 광을 조사할 수 있다.
복수의 디텍터는 포토다이오드 어레이(photodiode array)로 형성될 수 있다.
프로세서는 복수의 광원을 시분할 방식으로 순차적으로 구동할 수 있다.
프로세서는 가장자리에 배치된 복수의 광원을 구동하여 검출된 광 신호를 기초로 유효 감쇠 계수(effective attenuation coefficient)를 획득할 수 있다.
프로세서는 유효 감쇠 계수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 획득된 유효 감쇠 계수로부터 중성지방을 측정할 수 있다.
프로세서는 중앙에 하나 이상 배치된 광원을 구동하여 검출된 광 신호를 기초로 파형 증가 지수(augmentation index)를 획득할 수 있다.
프로세서는 미리 정해진 중성지방 추정 모델을 이용하여 유효 감쇠 계수와 파형 증가 지수를 기초로 중성지방을 측정할 수 있다.
프로세서는 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공할 수 있다.
일 양상에 따르면, 중성지방 측정 방법은 가장자리에 복수개 배치된 광원을 선택적으로 구동하여 피검체에 광을 조사하는 단계, 각 광원으로부터 소정 거리를 갖도록 배치된 복수의 디텍터에 의해 피검체로부터 반사 또는 산란되는 광 신호를 검출하는 단계, 검출된 광 신호를 기초로 특징을 획득하는 단계 및 획득된 특징을 기초로 중성지방을 측정하는 단계를 포함할 수 있다.
또한, 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공하는 단계를 더 포함할 수 있다.
피검체에 광을 조사하는 단계는 가장자리에 배치된 복수의 광원을 구동하고, 특징을 획득하는 단계는 가장자리에 배치된 복수의 광원의 구동에 따라 검출된 광 신호를 기초로 유효 감쇠 계수(effective attenuation coefficient)를 획득할 수 있다.
중성지방을 측정하는 단계는 유효 감쇠 계수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 획득된 유효 감쇠 계수로부터 중성지방을 측정할 수 있다.
피검체에 광을 조사하는 단계는 중앙에 하나 이상 배치된 광원을 더 구동하고, 특징을 획득하는 단계는 중앙에 하나 이상 배치된 광원의 구동에 따라 검출된 광 신호를 기초로 파형 증가 지수(augmentation index)를 획득할 수 있다.
이때, 중성지방을 측정하는 단계는 미리 정해진 중성지방 추정 모델을 이용하여 유효 감쇠 계수와 파형 증가 지수를 기초로 중성지방을 측정할 수 있다.
일 양상에 따르면, 웨어러블 기기는 하나 이상의 명령어들을 저장하는 메모리 및 하나 이상의 명령어를 실행하여, 복수의 광원을 선택적으로 구동하여 피검체에 광을 조사하고, 복수의 디텍터에 의해 검출된 피검체에 의해 반사 또는 산란되는 광 신호를 기초로 맥파 분석(pulse wave analysis)을 통해 특징을 획득하고, 획득된 특징을 기초로 중성지방을 측정하는 프로세서를 포함할 수 있다.
복수의 광원은 가장자리에 복수개 배치되고, 중앙에 하나 이상 배치될 수 있다.
복수의 디텍터는 각 광원으로부터 소정 거리를 갖도록 배치되고, 소정 거리는 가장자리에 배치된 각 광원과 각 디텍터 사이의 거리는 2.5 mm 이상 15 mm 이하로 형성될 수 있으며, 동심원의 중앙에 배치된 각 광원과 각 디텍터 사이의 거리는 2.5 mm 이상 7.5 mm 이하로 형성될 수 있다.
광원으로부터 소정 거리를 갖도록 배치된 디텍터를 이용하여 검출된 광 신호를 기초로 특징을 획득하고 획득된 특징을 기초로 비침습적으로 중성지방을 측정할 수 있다.
도 1은 일 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 2a 내지 도 2c는 일 실시예에 따른 광원 및 디텍터의 배치를 도시한 도면이다.
도 3a는 맥파 분석을 통해 특징을 획득하는 것을 설명하는 도면이다.
도 3b은 유효 감쇠 계수와 파형 증가 지수를 이용한 경우 중성지방 추정 농도와 실제 측정 농도와의 상관도를 보여주는 그래프이다.
도 4는 다른 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 5a 및 도 5b는 건강 가이드 정보 제공의 일 예이다.
도 6은 일 실시예에 따른 중성지방 측정 방법의 흐름도이다.
도 7 내지 도 9는 중성지방을 측정하는 전자 장치의 예시적 구조를 나타내는 도면이다.
도 2a 내지 도 2c는 일 실시예에 따른 광원 및 디텍터의 배치를 도시한 도면이다.
도 3a는 맥파 분석을 통해 특징을 획득하는 것을 설명하는 도면이다.
도 3b은 유효 감쇠 계수와 파형 증가 지수를 이용한 경우 중성지방 추정 농도와 실제 측정 농도와의 상관도를 보여주는 그래프이다.
도 4는 다른 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 5a 및 도 5b는 건강 가이드 정보 제공의 일 예이다.
도 6은 일 실시예에 따른 중성지방 측정 방법의 흐름도이다.
도 7 내지 도 9는 중성지방을 측정하는 전자 장치의 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 전자 장치, 또는 손목 시계형, 팔찌형, 손목 밴드형, 반지형, 안경형, 이어폰형, 목걸이형, 발찌형, 헤어밴드형 등 웨어러블 기기 등의 전자 장치에 포함될 수 있다. 이하의 설명에서는 중성지방 측정 장치를 설명하고 있으나, 중성지방 측정장치는 입자 형태(예: 직경 ≥ 10 nm)의 생체 물질 측정 장치의 일 예일 수 있다. 따라서, 중성지방 외에 생체물질 중 직경이 10 나노 이하인 입자형태를 측정하는 장치에도 이하의 설명이 적용될 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 포함할 수 있으며, 센서(110)는 피검체에 광을 조사하는 광원(111) 및 피검체로부터 반사 또는 산란되는 광 신호를 검출하는 디텍터(112)를 포함할 수 있다.
광원(111)은 LED(light emitting diode), 레이저 다이오드(laser diode) 및 형광체 등을 포함할 수 있다. 광원(111)은 하나 이상 형성될 수 있으며, 각 광원은 서로 다른 파장(예: 적색, 녹색, 청색, 적외 파장 등)의 광을 조사할 수 있다. 예컨대, 광원(111)은 웨어러블 기기에 포함되는 광원의 파장 대역에 적합하며, 헤모글로빈 흡수가 매우 큰 영역(예: 400 nm 내지 800 nm)을 제외한 대역인 적외(infrared) 파장 대역(예: 800 nm 내지 1000 nm)의 광을 조사하여 중성지방을 측정할 수 있다. 광원(111)이 조사할 수 있는 파장 대역은 이에 한정되지 않는다.
디텍터(112)는 포토다이오드(photodiode), 포토트랜지스터(phototransistor), CMOS(complementary metal-oxide semiconductor) 이미지 센서, CCD(charge-coupled device) 이미지 센서 등을 포함할 수 있으며, 복수의 디텍터 또는 디텍터 어레이로 형성될 수 있다. 디텍터(112)의 종류 및 배치는 이에 한정되지 않는다.
센서(110)는 예컨대 원형 또는 사각형 구조일 수 있다. 센서(110)가 원형 구조(예: 직경 15 mm 이내의 동심원 구조)인 경우 광원(111)은 동심원의 형태로 가장자리에 배치되거나, 동심원의 중앙에만 배치되거나, 가장자리 및 중앙에 모두 배치될 수 있다. 센서(110)가 사각형 구조(예: 한변의 길이 15 mm 이내의 사각형 구조)인 경우에도 광원(111)은 가장자리에 배치되거나, 중앙에만 배치되거나, 가장자리 및 중앙에 모두 배치될 수 있다. 광원(111)의 배치는 이에 한정되지 않는다. 이하, 센서(110)는 원형 구조인 경우를 예를 들어 설명한다.
도 2a 내지 도 2c는 일 실시예에 따른 광원 및 디텍터의 배치를 도시한 도면이다.
예를 들어, 광원은 동심원의 가장자리에 복수개 배치되고 동심원의 중앙에 하나 이상 배치되어 피검체에 광을 조사할 수 있으며, 디텍터는 각 광원으로부터 소정 거리를 갖도록 배치되어 피검체로부터 반사 또는 산란되는 광 신호를 검출할 수 있다.
도 2a를 참조하면, 예컨대 동심원의 가장자리에는 광원(210)이 복수개(예: 4개) 배치될 수 있으며, 동심원의 중앙에는 광원(220)이 하나 이상(예: 2개) 배치될 수 있다. 이때, 동심원의 가장자리에 배치되는 광원 중에서 적어도 하나는 적외 파장 대역(예: 940 nm)의 광을 조사할 수 있으며, 동심원의 중앙에 배치되는 광원 중에서 적어도 하나는 녹색 파장 대역(예: 535 nm)의 광을 조사할 수 있다.
디텍터(230)는 복수개(예: 12개)가 광원(210, 220)과 소정 거리만큼 떨어져 배치될 수 있다. 이때, 소정 거리는 동심원의 가장자리에 배치된 각 광원(210)과 각 디텍터(230) 사이의 거리가 2.5 mm 이상 15 mm 이하로 형성될 수 있으며, 동심원의 중앙에 배치된 각 광원(220)과 각 디텍터(230) 사이의 거리가 2.5 mm 이상 7.5 mm 이하로 형성될 수 있다.
도 2b를 참조하면, 디텍터(230)는 광원(210, 220)에서 소정 거리만큼 떨어져 어레이(array) 형태로 배치될 수 있으며 예컨대, 포토다이오드 어레이(photodiode array)로 형성될 수 있다. 디텍터(230)의 배치는 이에 제한되지 않는다.
다른 실시예로, 광원은 동심원의 중앙에 복수개 배치되어 피검체에 광을 조사할 수 있으며, 디텍터는 각 광원으로부터 소정 거리를 갖도록 배치되어 피검체로부터 반사 또는 산란되는 광 신호를 검출할 수 있다.
도 2c를 참조하면, 예컨대 동심원의 중심에 적외 파장 대역의 광을 조사하는 광원(210)과 녹색 파장 대역의 광을 조사하는 광원(220)이 복수개 배치될 수 있다. 디텍터(230)는 복수개의 광원(210, 220)과 소정 거리로 배치될 수 있으며 예컨대, 동심원의 중심에 배치된 각 광원과 각 디텍터 사이의 거리가 2.5 mm 이상 7.5 mm 이하가 되도록 배치될 수 있다.
다시 도 1을 참조하면, 프로세서(120)는 센서(110)와 연결되어 센서(110)를 제어하며, 센서(110)로부터 데이터를 수신하고, 수신된 데이터를 이용하여 생체정보를 측정할 수 있다. 이때, 프로세서(120)는 복수의 광원(111)을 선택적으로 구동하여 데이터를 획득할 수 있다. 예컨대, 프로세서(120)는 광원 구동에 관해 미리 설정된 기준에 따라 복수의 광원(111)을 시분할하여 순차적으로 구동할 수 있다. 이때, 복수의 광원(111)은 동일한 파장 뿐만 아니라 다른 파장의 광을 조사할 수도 있다.
프로세서(120)는 복수의 광원을 선택적으로 구동하여 검출된 광 신호를 기초로 특징을 획득하고 획득된 특징을 기초로 생체정보를 측정할 수 있다. 이때, 생체정보는 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 등을 포함할 수 있다. 이하 설명의 편의를 위해 중성지방을 일 예로 설명하기로 한다.
예컨대, 프로세서(120)는 검출된 광 신호를 기초로 유효 감쇠 계수(effective attenuation coefficient)를 특징으로 획득할 수 있으며, 획득한 유효 감쇠 계수를 기초로 중성지방을 측정할 수 있다. 이때, 프로세서(120)는 동심원의 가장자리에 배치된 복수의 광원을 구동하여 검출된 광 신호를 기초로 유효 감쇠 계수를 획득할 수 있다.
다시 도 2a를 참조하면, 예컨대 프로세서(120)는 동심원의 가장자리에 배치된 4개의 적외 파장 대역의 광원과 12개의 디텍터로부터 광 신호를 추출하고 추출한 광 신호로부터 유효 감쇠 계수를 획득할 수 있으며, 중성지방 추정 모델을 이용하여 상기 획득된 유효 감쇠 계수로부터 중성지방을 측정할 수 있다. 이때, 프로세서(120)는 추출한 광 신호의 평균 신호를 이용하여 유효 감쇠 계수를 획득할 수 있다. 광 신호를 이용하여 유효 감쇠 계수를 획득하는 방법은 이에 한정되지 않는다.
먼저, 프로세서(120)는 이하 수학식 1 및 수학식 2에 따라 광 신호로부터 유효 감쇠 계수를 획득할 수 있다.
여기서 는 유효 감쇠 계수이고, 는 광원과 디텍터 사이의 거리이고, 는 광원과의 거리가 인 디텍터에서 측정된 광 강도이고, 은 광원에서 조사되는 광 강도이고, 는 흡수 계수일 수 있다. 여기서, 는 실험적으로 미리 측정된 값일 수 있다.
그 다음, 프로세서(120)는 유효 감쇠 계수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 획득된 유효 감쇠 계수로부터 중성지방을 측정할 수 있다. 이때, 중성지방 추정 모델은 회귀분석 또는 기계학습을 통해 생성될 수 있다. 회귀분석 알고리즘은 단순선형 회귀분석(simple linear regression), 다중선형 회귀분석(multi linear regression), 로지스틱 회귀분석(logistic regression), Cox 비례회귀분석(proportional Cox regression) 등을 포함할 수 있으며, 기계학습 알고리즘은 인공 신경망(Artificial Neural Network), 결정 트리(Decision Tree), 유전 알고리즘(Genetic Algorithm), 유전자 프로그래밍(Genetic Programming), K 근접 이웃(K-Nearest Neighbor), 방사 기저 함수 네트워크(Radial Basis Function Network), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support Vector Machine), 및 딥러닝(deep-learning) 등을 포함할 수 있다. 회귀분석 및 기계학습 알고리즘은 이에 한정되지 않는다.
다른 실시예에 따라, 프로세서(120)는 검출된 광 신호를 기초로 파형 증가 지수(augmentation index)를 특징으로 획득할 수 있으며, 획득한 파형 증가 지수를 기초로 중성지방을 측정할 수 있다. 이때, 프로세서(120)는 동심원의 중앙에 배치된 하나 이상의 광원을 구동하여 검출된 광 신호를 기초로 파형 증가 지수를 획득할 수 있다.
예컨대, 프로세서(120)는 동심원의 중앙에 배치된 2개의 녹색 파장 대역의 광원과 복수의 디텍터로부터 광 신호를 추출하고, 추출한 광 신호로부터 파형 증가 지수를 획득할 수 있으며, 획득된 파형 증가 지수로부터 중성지방을 측정할 수 있다. 이때, 프로세서(120)는 추출한 광 신호의 평균 신호를 이용하여 파형 증가 지수를 획득할 수 있다. 광 신호를 이용하여 파형 증가 지수를 획득하는 방법은 이에 한정되지 않는다.
먼저, 프로세서(120)는 추출한 광 신호로부터 맥파 분석(pulse wave analysis)를 통해 파형 증가 지수를 획득할 수 있다. 파형 증가 지수는 맥파 중에서 말초에서 심장으로 돌아오는 반사파에 의한 맥압 크기의 변화이며 동맥 경직도와 관련된 지수이다. 이때, 파형 증가 지수는 맥파 분석을 통해 추출할 수 있는 특징 중의 일 예에 해당하며, 프로세서(120)는 파형 증가 지수 외의 다른 특징들을 이용하여 중성지방을 측정할 수도 있다.
도 3a는 맥파 분석을 통해 특징을 획득하는 것을 설명하는 도면이다.
먼저, 프로세서(120)는 입자 형태의 생체 물질의 농도 변화에 따른 맥파의 파형 예컨대, 광원으로부터 10 mm 이내에 위치한 디텍터 신호를 기반으로 획득한 맥파의 파형(예: AC(alternating current) 신호)을 추출하고, 추출한 복수개의 파형에 대해 앙상블 평균 등의 방법을 이용하여 대표 파형을 추출하고, 대표 파형의 좌우 최저 또는 최고점 구간 추출 후 파형의 높낮이를 0과 1 사이의 값으로 정규화할 수 있다. 그 다음, 프로세서(120)는 정규화된 파형에서 중성지방 변화에 따라 변하는 혈액 점성도와 관련된 특징(예: (h5 + h4)/h2/h1, h5/h1), 혈관 탄력도와 관련된 특징(예: h3/h1, 파형 증가 지수) 등을 기초로 선형, 비선형 알고리즘을 이용하여 중성 지방 변화를 예측할 수 있다. 또한, 프로세서(120)는 정규화된 파형을 CNN(convolutional neural network), RNN(recurrent neural network), CRNN(convolutional recurrent neural network) 등과 같은 딥러닝 모델의 입력 변수로 사용하고, 추출된 각 파형의 특징 벡터들 또는 이들 간의 차이를 회귀자(regressor)에 입력하여 중성지방 변화량을 추출할 수 있다. 맥파 분석을 통해 특징을 획득하는 것은 이에 한정되지 않는다.
그 다음, 프로세서(120)는 파형 증가 지수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 획득한 파형 증가 지수로부터 중성지방을 측정할 수 있다. 이때, 중성지방 추정 모델은 회귀분석 또는 기계학습을 통해 생성될 수 있다.
다른 실시예에 따라, 프로세서(120)는 미리 정해진 중성지방 추정 모델을 이용하여 유효 감쇠 계수와 파형 증가 지수를 기초로 중성지방을 측정할 수 있다. 이때, 미리 정해진 중성지방 추정 모델은 유효 감쇠 계수 및 파형 증가 지수와 중성지방과의 상관 관계를 정의한 모델로 회귀 분석 또는 기계학습을 통해 생성될 수 있다.
도 3b은 유효 감쇠 계수와 파형 증가 지수를 이용한 경우 중성지방 추정 농도와 실제 측정 농도와의 상관도를 보여주는 그래프이다.
도 3b을 참조하면, 예컨대 유효 감쇠 계수와 파형 증가 지수를 모두 특징으로 이용하여 중성지방을 추정한 경우(310) 중성지방 측정 농도와 추정 농도의 상관 계수는 0.858로 유효 감쇠 계수만을 이용한 경우(320)의 상관 계수인 0.815 및 파형 증가 지수만을 이용한 경우(330)의 상관 계수인 0.65 보다 높은 것을 알 수 있다. 따라서 유효 감쇠 계수와 파형 증가 지수를 각각 특징으로 이용하는 것보다 두 가지를 조합하여 이용하는 것이 중성지방 추정의 정확성을 향상시킬 수 있다.
그 다음, 프로세서(120)는 측정된 중성지방 값에 기초하여 경고, 식이 요법, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공할 수 있다.
예컨대, 프로세서(120)는 중성지방 농도가 측정되면, 이를 기초로 경고, 식이 요법, 운동 정보 등의 사용자 맞춤형 건강 가이드 정보를 생성하여 다양한 출력 수단을 통해 사용자에게 제공할 수 있다. 예를 들어, 프로세서(120)는 중성지방 농도가 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 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 농도 등의 건강 데이터를 수집할 수 있다. 프로세서(120)는 이와 같이 수집된 사용자 데이터를 분석하고, 분석 결과를 기초로 사용자에게 맞춤형 식이 요법이나 운동 요법 등을 가이드 할 수 있다. 예컨대, 현재 중성지방 농도가 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.
도 4는 다른 실시예에 따른 중성지방 측정 장치의 블록도이다.
도 4를 참조하면, 중성지방 측정 장치(100)는 센서(110), 프로세서(120), 통신부(410), 출력부(420) 및 저장부(430)를 포함할 수 있다. 센서(110) 및 프로세서(120)는 앞에서 자세히 설명하였으므로 이하 생략한다.
통신부(410)는 프로세서(120)의 제어에 따라 통신 기술을 이용하여 다른 전자 장치와 통신할 수 있다. 통신부(410)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(100)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(410)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(410)를 통해 다른 전자 장치로부터 수신된 바이오 임피던스를 추가적으로 이용하여 사용자의 중성지방을 측정할 수도 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(420)는 센서(110)에 의해 측정된 데이터, 프로세서(120)에 의해 생성, 처리된 데이터, 및/또는 통신부(410)를 통해 수신된 데이터를 출력할 수 있다. 예를 들어, 사용자가 다양한 정보를 입력할 수 있도록 사용자 인터페이스를 디스플레이에 출력할 수 있다. 또는, 프로세서(120)에 의해 생성된 중성지방의 농도, 경고, 식이 요법, 운동 요법 등의 가이드 정보를 디스플레이 모듈, 스피커 및 햅틱 장치 등을 이용하여 출력할 수 있다.
도 5a 및 도 5b는 도 1 및 도 4의 프로세서(120)에 의해 수행되는 건강 가이드 정보 제공의 일 예이다. 다만, 이하의 예시들은 설명의 편의를 위함일 뿐 예시된 바에 한정되는 것은 아니다.
도 5a를 참조하면, 프로세서(120)는 출력부(420)를 통해 중성지방 농도 및/또는 정상 여부를 나타내는 그래픽 객체(텍스트, 아이콘, 이미지 등)(510)를 본체(MB)의 디스플레이(DP)에 출력할 수 있다. 이때, 중성지방 농도의 정상 여부에 따라 그래픽 객체의 종류, 색상 등을 다르게 하여 사용자가 쉽게 정상 여부를 식별할 수 있도록 할 수 있다.
도 5b를 참조하면, 도시된 바와 같이 중성지방 측정값이 정상이 아니면 "중성지방 수치가 높습니다. 운동, 식사, 금연 등을 통해 중성지방을 관리하세요"와 같이 경고하는 텍스트(520)를 출력할 수 있다.
다시 도 4를 참조하면, 저장부(430)는 다양한 명령어들을 저장하며, 명령어들은 프로세서(120)에 의해 실행될 수 있다. 또한, 센서(110), 프로세서(120), 통신부(410) 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, 중성지방 추정 모델 등의 정보를 저장할 수 있다.
저장부(430)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 6은 일 실시예에 따른 중성지방 측정 방법의 흐름도이다.
도 6은 중성지방 측정 장치(100)에 의해 수행되는 중성지방 측정 방법의 일 실시예이다. 앞에서 자세히 설명하였으므로 이하 간단하게 기술한다.
먼저, 중성지방 측정 장치는 가장자리에 복수개 배치된 광원을 선택적으로 구동하여 피검체에 광을 조사할 수 있다(610).
그 다음, 중성지방 측정 장치는 각 광원으로부터 소정 거리를 갖도록 배치된 복수의 디텍터에 의해 피검체로부터 반사 또는 산란되는 광 신호를 검출할 수 있다(620). 이때, 소정 거리는 가장자리에 배치된 각 광원과 각 디텍터 사이의 거리가 2.5 mm 이상 15 mm 이하로 형성될 수 있다. 이때, 광원은 중앙에도 배치될 수 있으며, 중앙에 배치된 각 광원과 각 디텍터 사이의 거리는 2.5 mm 이상 7.5 mm 이하로 형성될 수 있다.
그 다음, 중성지방 측정 장치는 검출된 광 신호를 기초로 특징을 획득할 수 있다(630). 이때, 중성지방 측정 장치는 가장자리에 배치된 복수의 광원을 구동하여 검출된 광 신호를 기초로 유효 감쇠 계수(effective attenuation coefficient)를 획득할 수 있으며, 중앙에 하나 이상 배치된 광원을 구동하여 검출된 광 신호를 기초로 파형 증가 지수(augmentation index)를 획득할 수 있다.
그 다음, 중성지방 측정 장치는 획득된 특징을 기초로 중성지방을 측정할 수 있다(640). 예컨대 중성지방 측정 장치는 유효 감쇠 계수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 획득된 유효 감쇠 계수로부터 중성지방을 측정하거나, 파형 증가 지수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 획득한 파형 증가 지수로부터 중성지방을 측정할 수 있다. 또한, 미리 정해진 중성지방 추정 모델을 이용하여 유효 감쇠 계수와 파형 증가 지수를 기초로 중성지방을 측정할 수 있다. 이때, 미리 정해진 중성지방 추정 모델은 유효 감쇠 계수 및 파형 증가 지수와 중성지방과의 상관 관계를 정의한 모델로 회귀 분석 또는 기계학습을 통해 생성될 수 있다.
그 다음, 중성지방 측정 장치는 측정된 중성지방 값에 기초하여 경고, 식이, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공할 수 있다(650). 예컨대, 중성지방 측정 장치는 중성지방 농도가 측정되면, 이를 기초로 경고, 식이 요법, 운동 정보 등의 사용자 맞춤형 건강 가이드 정보를 생성하여 다양한 출력 수단을 통해 사용자에게 제공할 수 있다.
도 7 내지 도 9는 전술한 중성지방을 측정하는 전자 장치의 예시적 구조를 나타내는 도면이다. 다만 여기 도시된 예들에 제한되는 것은 아니다.
도 7을 참조하면 전자 장치는 스마트 워치 타입의 웨어러블 기기(700)로 구현될 수 있으며 본체(MB)와 손목 스트랩(ST)을 포함할 수 있다.
본체(MB)는 다양한 형태를 갖도록 형성될 수 있다. 본체(MB) 및/또는 스트랩(ST)의 내부에는 각종 구성에 전원을 공급하는 배터리가 내장될 수 있다. 스트랩(ST)은 본체의 양단에 연결되어 본체를 사용자의 손목에 착용시키며 사용자의 손목을 감싸는 형태로 구부려질 수 있도록 플렉시블(flexible)하게 형성될 수 있다. 스트랩(ST)은 서로 분리된 제1 스트랩과 제2 스트랩으로 구성될 수 있다. 제1 스트랩과 제2 스트랩의 일단부는 각각 본체(MB)의 양측에 연결되고, 제1 스트랩과 제2 스트랩의 타단부에 형성된 체결수단을 이용하여 서로 체결될 수 있다. 이때, 체결수단은 자석 결합, 벨크로(velcro) 결합, 핀 결합 등의 방식으로 형성될 수 있으며 이에 제한되는 것은 아니다. 또한, 스트랩(ST)은 이에 제한되지 않으며 밴드 형태와 같이 서로 분리되지 않는 일체로 형성될 수도 있다.
본체(MB)는 본체의 일면에 배치되는 복수의 광원 및 디텍터를 포함하는 센서(710), 프로세서, 본체의 다른 면에 배치되는 표시 장치, 하나 이상의 명령어들을 저장하는 메모리를 포함하는 저장부 및 통신부를 포함할 수 있다. 다만, 폼 팩터(form factor)의 사이즈 및 형태 등에 따라 저장부 및 통신부 중의 일부는 생략될 수 있다.
본체(MB)에 탑재된 프로세서는 센서(710)를 비롯한 다양한 구성들과 전기적으로 연결될 수 있다. 예컨대, 프로세서는 메모리에 저장된 하나 이상의 명령어를 실행하여, 복수의 광원을 선택적으로 구동하여 피검체에 광을 조사하고, 복수의 디텍터에 의해 검출된 피검체에 의해 반사 또는 산란되는 광 신호를 기초로 특징을 획득하고, 획득된 특징을 기초로 중성지방을 측정할 수 있다. 이때, 복수의 광원은 가장자리에 복수개 배치되거나 중앙에 하나 이상 배치될 수 있다. 또한, 복수의 디텍터는 각 광원으로부터 소정 거리를 갖도록 배치될 수 있으며, 이때, 소정 거리는 가장자리에 배치된 각 광원과 각 디텍터 사이의 거리가 2.5 mm 이상 15 mm 이하로 형성될 수 있으며, 중앙에 배치된 각 광원과 각 디텍터 사이의 거리가 2.5 mm 이상 7.5 mm 이하로 형성될 수 있다.
조작부(760)는 도시된 바와 같이 본체(MB)의 측면에 형성될 수 있다. 조작부(760)는 사용자의 명령을 수신하여 프로세서로 전달할 수 있다. 또한, 조작부(760)는 웨어러블 기기(700)의 전원을 온/오프시키는 전원 버튼을 포함할 수 있다.
본체(MB)의 전면에는 표시 장치(예: 디스플레이)가 마련되어, 중성지방 정보, 시간 정보, 수신 메시지 정보 등을 포함하는 다양한 어플리케이션 화면이 표시될 수 있다. 예를 들어, 표시 장치에 중성지방 추정시 사용자에게 중성지방을 추정하도록 유도하는 텍스트 메시지를 출력하고, 중성지방 추정이 완료되면 추정 결과를 표시 장치에 출력할 수 있다.
도 8은 스마트 기기를 도시한 것이다. 이때, 스마트 기기는 스마트폰 및 태블릿 PC등을 포함할 수 있다. 스마트 기기는 전술한 중성지방 측정 장치(100)의 다양한 실시예들을 포함할 수 있다.
도 8를 참조하면, 스마트 기기(800)는 본체(810)의 일면에 센서(820)가 장착될 수 있다. 예를 들어, 센서(820)는 중심에 하나 이상의 광원(821)이 배치되고 그 외곽에 복수의 광원(822)이 배치되고, 중심 및 외곽의 복수의 광원 사이에는 복수의 디텍터(823)가 배치될 수 있다. 센서(820)의 구성에 대하여는 앞에서 자세히 설명하였으므로 이하 생략한다.
또한, 본체(810)의 전면에 표시부가 장착될 수 있다. 표시부는 중성지방 측정 결과 등을 시각적으로 출력할 수 있다. 표시부는 터치 스크린을 포함할 수 있으며, 터치 스크린을 통해 입력되는 정보를 수신하여 프로세서에 전달할 수 있다.
도 9는 웨어러블 기기(700)와 모바일 기기(900)가 연동하여 중성지방을 측정하고 건강 가이드를 제공하는 예이다. 일 예로, 웨어러블 기기(700)의 센서(710)와 프로세서를 통해 중성지방을 측정하고, 모바일 기기(900)는 웨어러블 기기(700)로부터 중성지방 측정 결과를 수신하여 디스플레이(910)에 출력할 수 있다.
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: 중성지방 측정 장치
110: 센서
120: 프로세서 410: 통신부
420: 출력부 430: 저장부
700: 웨어러블 기기 800: 모바일 기기
120: 프로세서 410: 통신부
420: 출력부 430: 저장부
700: 웨어러블 기기 800: 모바일 기기
Claims (20)
- 가장자리에 복수개 배치되어 피검체에 광을 조사하는 복수의 광원, 및 각 광원으로부터 소정 거리를 갖도록 배치되어 상기 피검체로부터 반사 또는 산란되는 광 신호를 검출하는 복수의 디텍터를 포함하는 센서; 및
상기 복수의 광원을 선택적으로 구동하여 상기 검출된 광 신호를 기초로 특징을 획득하고 상기 획득된 특징을 기초로 중성지방을 측정하는 프로세서를 포함하는 중성지방 측정 장치. - 제1항에 있어서,
상기 가장자리에 배치된 각 광원과 상기 각 디텍터 사이의 거리는 2.5 mm 이상 15 mm 이하인 중성지방 측정 장치. - 제1항에 있어서,
중앙에 하나 이상 배치되는 광원을 더 포함하고
상기 중앙에 배치된 각 광원과 상기 각 디텍터 사이의 거리는 2.5 mm 이상 7.5 mm 이하인 중성지방 측정 장치. - 제3항에 있어서,
상기 가장자리에 배치되는 광원 중에서 적어도 하나는 적외 파장 대역의 광을 조사하고, 상기 중앙에 배치되는 광원 중에서 적어도 하나는 녹색 파장 대역의 광을 조사하는 중성지방 측정 장치. - 제1항에 있어서,
상기 복수의 디텍터는
포토다이오드 어레이(photodiode array)로 형성되는 중성지방 측정 장치. - 제1항에 있어서,
상기 프로세서는
상기 복수의 광원을 시분할 방식으로 순차적으로 구동하는 중성지방 측정 장치. - 제3항에 있어서,
상기 프로세서는
상기 가장자리에 배치된 복수의 광원을 구동하여 검출된 광 신호를 기초로 유효 감쇠 계수(effective attenuation coefficient)를 획득하는 중성지방 측정 장치. - 제7항에 있어서,
상기 프로세서는
유효 감쇠 계수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 상기 획득된 유효 감쇠 계수로부터 중성지방을 측정하는 중성지방 측정 장치. - 제7항에 있어서,
상기 프로세서는
상기 중앙에 하나 이상 배치된 광원을 구동하여 검출된 광 신호를 기초로 파형 증가 지수(augmentation index)를 획득하는 중성지방 측정 장치. - 제9항에 있어서,
상기 프로세서는
미리 정해진 중성지방 추정 모델을 이용하여 상기 유효 감쇠 계수와 파형 증가 지수를 기초로 중성지방을 측정하는 중성지방 측정 장치. - 제1항에 있어서,
상기 프로세서는
상기 측정된 중성지방 값에 기초하여 경고, 식이 요법, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공하는 중성지방 측정 장치. - 가장자리에 복수개 배치된 광원을 선택적으로 구동하여 피검체에 광을 조사하는 단계;
각 광원으로부터 소정 거리를 갖도록 배치된 복수의 디텍터에 의해 상기 피검체로부터 반사 또는 산란되는 광 신호를 검출하는 단계;
상기 검출된 광 신호를 기초로 특징을 획득하는 단계; 및
상기 획득된 특징을 기초로 중성지방을 측정하는 단계를 포함하는 중성지방 측정 방법. - 제12항에 있어서,
상기 측정된 중성지방 값에 기초하여 경고, 식이 요법, 운동 정보 중의 적어도 하나를 포함하는 건강 가이드를 사용자에게 제공하는 단계를 더 포함하는 중성지방 측정 방법. - 제12항에 있어서,
상기 피검체에 광을 조사하는 단계는
상기 가장자리에 배치된 복수의 광원을 구동하고,
상기 특징을 획득하는 단계는
상기 가장자리에 배치된 복수의 광원의 구동에 따라 검출된 광 신호를 기초로 유효 감쇠 계수(effective attenuation coefficient)를 획득하는 중성지방 측정 방법. - 제14항에 있어서,
상기 중성지방을 측정하는 단계는
유효 감쇠 계수와 중성지방과의 상관 관계를 정의한 중성지방 추정 모델을 이용하여 상기 획득된 유효 감쇠 계수로부터 중성지방을 측정하는 중성지방 측정 방법. - 제14항에 있어서,
상기 피검체에 광을 조사하는 단계는
중앙에 하나 이상 배치된 광원을 더 구동하고,
상기 특징을 획득하는 단계는
상기 중앙에 하나 이상 배치된 광원의 구동에 따라 검출된 광 신호를 기초로 파형 증가 지수(augmentation index)를 획득하는 중성지방 측정 방법. - 제16항에 있어서,
상기 중성지방을 측정하는 단계는
미리 정해진 중성지방 추정 모델을 이용하여 상기 유효 감쇠 계수와 파형 증가 지수를 기초로 중성지방을 측정하는 중성지방 측정 장치. - 하나 이상의 명령어들을 저장하는 메모리; 및
상기 하나 이상의 명령어를 실행하여, 복수의 광원을 선택적으로 구동하여 피검체에 광을 조사하고, 복수의 디텍터에 의해 검출된 상기 피검체에 의해 반사 또는 산란되는 광 신호를 기초로 맥파 분석(pulse wave analysis)을 통해 특징을 획득하고, 상기 획득된 특징을 기초로 중성지방을 측정하는 프로세서를 포함하는 웨어러블 기기. - 제18항에 있어서,
상기 복수의 광원은
가장자리에 복수개 배치되고, 중앙에 하나 이상 배치되는 웨어러블 기기. - 제18항에 있어서,
상기 복수의 디텍터는
각 광원으로부터 소정 거리를 갖도록 배치되고,
상기 소정 거리는
상기 가장자리에 배치된 각 광원과 상기 각 디텍터 사이의 거리는 2.5 mm 이상 15 mm 이하이고,
상기 중앙에 배치된 각 광원과 상기 각 디텍터 사이의 거리는 2.5 mm 이상 7.5 mm 이하인 웨어러블 기기.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220143419A KR20240061731A (ko) | 2022-11-01 | 2022-11-01 | 중성지방 측정 장치 및 방법 |
| US18/134,931 US20240138722A1 (en) | 2022-11-01 | 2023-04-14 | Apparatus and method for measuring triglyceride level |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220143419A KR20240061731A (ko) | 2022-11-01 | 2022-11-01 | 중성지방 측정 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240061731A true KR20240061731A (ko) | 2024-05-08 |
Family
ID=90835574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220143419A KR20240061731A (ko) | 2022-11-01 | 2022-11-01 | 중성지방 측정 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240138722A1 (ko) |
| KR (1) | KR20240061731A (ko) |
-
2022
- 2022-11-01 KR KR1020220143419A patent/KR20240061731A/ko unknown
-
2023
- 2023-04-14 US US18/134,931 patent/US20240138722A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20240138722A1 (en) | 2024-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102655737B1 (ko) | 생체 성분 추정 장치 및 방법 | |
| EP3383256B1 (en) | Systems and methods for detecting photoplethysmographic device usage | |
| JP7165542B2 (ja) | グルコース露出量推定装置、方法及びプログラム、グルコース露出量推定モデル生成装置、並びに糖指数測定装置 | |
| US11291374B2 (en) | Apparatus and method for estimating bio-information | |
| KR102610590B1 (ko) | 생체 내 물질 추정 장치 및 방법, 단위 스펙트럼 획득 장치 및 웨어러블 기기 | |
| EP3397139B1 (en) | Device, system and method for non-invasive monitoring of physiological measurements | |
| US11517223B2 (en) | Apparatus and method for estimating blood glucose | |
| CN109348727B (zh) | 用于感测肌肉组织中糖原的近红外光谱学技术 | |
| CN108061714A (zh) | 光谱仪、用于测量生物特征信息的装置和方法 | |
| KR102626585B1 (ko) | 혈압 추정 장치 및 방법 | |
| US10405785B2 (en) | Determination of a concentration of an analyte in a subject | |
| KR102480197B1 (ko) | 생체정보 추정 장치 및 방법 | |
| KR102605898B1 (ko) | 생체정보 측정 장치 및 방법 | |
| KR102630393B1 (ko) | 생체정보 측정 장치 및 방법 | |
| KR102605901B1 (ko) | 생체정보 추정 장치 및 방법 | |
| EP3639732B1 (en) | Apparatus and method for estimating bio-information | |
| KR20190043967A (ko) | 개인화된 단위 스펙트럼 획득 장치 및 방법과, 생체 성분 추정 장치 및 방법 | |
| KR20200047981A (ko) | 생체성분 추정 장치 및 방법 | |
| KR102655742B1 (ko) | 분석 물질의 혈중 농도 측정 장치 및 방법 | |
| KR102610591B1 (ko) | 건강 관리 장치 및 방법 | |
| KR20210004376A (ko) | 생체정보 추정 모델의 캘리브레이션 장치 및 방법과, 생체정보 추정 장치 | |
| KR20240061731A (ko) | 중성지방 측정 장치 및 방법 | |
| EP3632311B1 (en) | Apparatus for estimating blood concentration of analyte, and method for generating model | |
| KR20190013312A (ko) | 생체 정보 처리 장치 및 방법 | |
| US20220225908A1 (en) | Methods and systems for using surrogate markers to improve nutrition, fitness, and performance |