KR20240089288A - 근적외선 분광법을 통한 인체 피부 나이 측정 - Google Patents
근적외선 분광법을 통한 인체 피부 나이 측정 Download PDFInfo
- Publication number
- KR20240089288A KR20240089288A KR1020247014765A KR20247014765A KR20240089288A KR 20240089288 A KR20240089288 A KR 20240089288A KR 1020247014765 A KR1020247014765 A KR 1020247014765A KR 20247014765 A KR20247014765 A KR 20247014765A KR 20240089288 A KR20240089288 A KR 20240089288A
- Authority
- KR
- South Korea
- Prior art keywords
- skin
- age
- computer
- sample
- specifically
- Prior art date
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 64
- 238000004497 NIR spectroscopy Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 202
- 238000001228 spectrum Methods 0.000 claims abstract description 111
- 238000012549 training Methods 0.000 claims abstract description 79
- 230000003595 spectral effect Effects 0.000 claims abstract description 78
- 238000012360 testing method Methods 0.000 claims abstract description 53
- 238000000985 reflectance spectrum Methods 0.000 claims abstract description 51
- 230000005855 radiation Effects 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 31
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 238000003066 decision tree Methods 0.000 claims description 12
- 238000010238 partial least squares regression Methods 0.000 claims description 10
- 238000011282 treatment Methods 0.000 claims description 10
- 239000002537 cosmetic Substances 0.000 claims description 9
- 229940079593 drug Drugs 0.000 claims description 8
- 239000003814 drug Substances 0.000 claims description 8
- 238000012628 principal component regression Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 210000001061 forehead Anatomy 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 239000004909 Moisturizer Substances 0.000 claims description 5
- 230000001333 moisturizer Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 235000020979 dietary recommendations Nutrition 0.000 claims description 4
- 210000000245 forearm Anatomy 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 230000000306 recurrent effect Effects 0.000 claims description 4
- 239000002884 skin cream Substances 0.000 claims description 4
- 238000004611 spectroscopical analysis Methods 0.000 claims description 4
- 230000000475 sunscreen effect Effects 0.000 claims description 4
- 239000000516 sunscreening agent Substances 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 210000003491 skin Anatomy 0.000 description 190
- 238000002835 absorbance Methods 0.000 description 38
- 230000003287 optical effect Effects 0.000 description 38
- 230000009759 skin aging Effects 0.000 description 15
- 238000010521 absorption reaction Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 230000005670 electromagnetic radiation Effects 0.000 description 9
- 241000282412 Homo Species 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 230000035882 stress Effects 0.000 description 6
- 238000002372 labelling Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000004566 IR spectroscopy Methods 0.000 description 3
- 238000000862 absorption spectrum Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 210000002615 epidermis Anatomy 0.000 description 3
- 150000002632 lipids Chemical class 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 210000000434 stratum corneum Anatomy 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008591 skin barrier function Effects 0.000 description 2
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 235000006708 antioxidants Nutrition 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000013367 dietary fats Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003499 exocrine gland Anatomy 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 230000013632 homeostatic process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000011785 micronutrient Substances 0.000 description 1
- 235000013369 micronutrients Nutrition 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001055 reflectance spectroscopy Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 210000002374 sebum Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000037384 skin absorption Effects 0.000 description 1
- 231100000274 skin absorption Toxicity 0.000 description 1
- 244000005714 skin microbiome Species 0.000 description 1
- 230000036555 skin type Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 210000000498 stratum granulosum Anatomy 0.000 description 1
- 210000000439 stratum lucidum Anatomy 0.000 description 1
- 210000000437 stratum spinosum Anatomy 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 230000036561 sun exposure Effects 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 210000000106 sweat gland Anatomy 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
- 230000036572 transepidermal water loss Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 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
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
-
- 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
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
생명체, 구체적으로 인간의 피부(112)의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법이 개시된다. 방법은 i. 스펙트럼 측정 범위에 걸쳐 생명체의 피부(112)의 적어도 한 부분의 적어도 하나의 샘플 반사 스펙트럼을 사용하는 단계 - 스펙트럼 측정 범위는 1μm 내지 2.5μm의 파장 범위 중 적어도 한 부분을 포함함 - 와, ii. 샘플 반사 스펙트럼에 적어도 하나의 훈련된 훈련 가능한 모델을 적용함으로써 생명체의 피부(112)의 추정 나이를 결정하는 단계를 포함한다. 훈련 가능한 모델은 복수의 라벨링된 기준 반사 스펙트럼을 포함하는 훈련 데이터세트에 대해 훈련된다. 기준 반사 스펙트럼 각각은 단계 i의 샘플 반사 스펙트럼의 스펙트럼 측정 범위와 적어도 부분적으로 중첩되는 스펙트럼 범위에 걸쳐 획득된다. 기준 반사 스펙트럼 각각은 나이가 알려진 생물 시험체의 피부(112)의 적어도 한 부분의 반사 스펙트럼이ㄷ다. 기준 반사 스펙트럼은 적어도 대응하는 생물 시험체의 알려진 나이로 적어도 부분적으로 라벨링된다.
Description
본 발명은 생명체의 피부의 추정 나이를 광학적으로 결정하는 방법, 인간에게 적어도 하나의 권고를 제공하는 방법, 훈련 가능한 모델을 훈련시키는 훈련 방법 및 생명체의 피부의 추정 나이를 광학적으로 결정하는 시스템에 관한 것이다. 일반적으로, 이러한 방법 및 시스템은 다양한 응용례에 이용될 수 있다. 구체적으로, 방법 및 시스템은 예를 들어 화장품 분야에서 이용될 수 있다. 보다 구체적으로, 방법 및 시스템은 예를 들어 피부 관리를 지원할 수 있다. 그러나, 다른 종류의 응용례도 가능하다.
피부의 복잡한 구조 및 다양한 환경 조건, 예컨대, 온도, 습도 또는 스트레스 수준을 가진 피부 구성요소 간의 상호 작용으로 인해, 피부의 일반적인 상태에 대한 객관적인 정량적 측정을 얻는 것은 어려운 작업이다. 사용중인 이러한 측정에는 여러 가지가 있는데, 예를 들어, 용량성 측정을 통한 수분량, 측광을 이용한 피지/지질 함량, 피부 장벽 기능에 대한 측정을 지칭하는 경피 수분 손실이다. 이들 모두 피부 최상층, 즉 각질층이라고도 불리는 수십 마이크로미터를 대상으로 하므로 환경 및 일변화가 심하다는 공통점이 있다. 따라서, 피부의 객관적인 상태를 의미 있게 파악하기 위해서는 예컨대 전문 피부과 기관의 실험실 조건에 의해 제공되는 제어된 환경 조건 하에서 측정하는 것이 가장 중요하다. 피부 상태를 판단하기 위한 다른 접근 방식은 RGB 카메라 기반과 같이 가시 파장 범위의 고급 이미지 처리 및 분석에만 기반한다. 예를 들어, 비오템의 스킨 에이지 스캔™은 스마트폰으로 촬영한 사진을 나이, 피부 타입과 같은 사용자의 일반 정보와 결합해서 사용하여 피부 나이를 예측한다. 이러한 방법은 분자 수준의 정보가 부족하고 많은 외부 간섭으로 인해 어려움을 겪는다.
US 6 501 982 B1은 피부 조직에 근적외선을 조사하여 인간 및 동물 피험자의 겉보기 나이를 추정하는 비침습적 기기 및 절차를 설명한다. 이 나이 추정 방법은 시간적 요인 및 환경 노출로 인한 체계적인 조직 변화의 주요 원인에 대한 추가 정보를 제공한다. 따라서, 추정된 겉보기 나이에 기초하여 피험자를 분류하는 것은 추가 스펙트럼 분석과 혈액 분석과 같은 생물학적 및 화학적 화합물의 측정에 적합하다. 또한, 피험자의 나이 결정은 조직의 노화 영향을 줄이는 데 사용되는 치료법을 평가하고 조직 손상을 측정하는 데 특히 유용하다.
WO 2019/225870 A1은 얼굴과 손등의 피부를 분석하기 위한 무인 장치를 설명한다. 실시예에 따르면 장치는 터치 스크린을 포함하는 키오스크; 키오스크에 배치되고 사용자의 손을 입력할 수 있는 개구부; 키오스크의 상단에 배치되고 사용자의 얼굴을 비추는 제1 조명 모듈 및 사용자의 얼굴을 촬영하는 제1 카메라 모듈을 포함하는 제1 피부 측정 모듈; 개구부에 위치하며 사용자의 손을 비추는 제2 조명 모듈 및 사용자의 손을 촬영하는 제2 카메라 모듈을 포함하는 제2 피부 측정 모듈; 및 제1 피부 측정 모듈에 의해 촬영된 제1 이미지 및 제2 피부 측정 모듈에 의해 촬영된 제2 이미지 중 적어도 하나에 기초하여 사용자의 피부 진단 결과를 계산하는 제어 모듈을 포함한다.
Seker H 외 "다중 스펙트럼 광원에 의한 피부 나이 예측", 2014년 제36차 IEEE 의학 및 생물학 공학 협회 연례 국제 컨퍼런스, IEEE, 2014년 8월 26일(2014-08-26), 페이지 6736-6739, XP032675645, DOI: 10.1109/EMBC.2014.6945174는 적색, 청색, 녹색 및 적외선 대역의 빛 역 산란 강도 수준을 사용하여 저비용 피부 노화 평가 장치를 설명한다. 이는 실제 피부 나이를 정확하게 예측하기 위해 머신 러닝 방법을 사용하여 더욱 향상되었다. 제안된 방법은 생물학적 피부 노화 과정에 의해 나타나는 다층 세포 변화를 포착하고 4개의 다중 스펙트럼 광원에 기반하여 4개의 특징만을 사용하여 0.160의 낮은 평균 제곱근 오차로 피부 나이를 예측하는 능력이 뛰어난 것으로 보인다.
전반적으로, 상이한 종류의 화장품이나 의료 시술을 적용하는 것과 같은 표적화된 피부 관리 단계의 기초가 될 수 있는 피부 품질에 대한 의미 있는 정확하며 신뢰할 수 있는 정량적 파라미터를 정의하는 것은 매우 어렵다.
따라서 피부 품질에 대한 정확하고 신뢰할 수 있는 파라미터를 제공하는 데 적합한 방법과 장치를 제공하는 것이 바람직하다.
이 문제는 생명체의 피부의 추정 나이를 광학적으로 결정하는 방법, 인간에게 적어도 하나의 권고를 제공하는 방법, 훈련 가능한 모델을 훈련시키는 훈련 방법 및 독립항의 특징을 갖는 생명체의 피부의 추정 연령을 광학적으로 결정하는 시스템에 의해 해결된다. 독립적인 방식으로 또는 임의의 조합으로 실현될 수 있는 유리한 실시예들이 종속항 및 명세서 전체에도 나열되어 있다.
본 발명의 제1 양상에서, 생명체, 특히 인간의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법이 개시된다.
본 명세서에서 사용되는 "컴퓨터"라는 용어는 광범위한 용어이며, 당업자에게 통상적이고 관례적인 의미를 부여해야 하며, 특수하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 적어도 하나의 처리 유닛과 같은 적어도 하나의 데이터 처리 수단을 갖는 장치 또는 장치의 조합 또는 네트워크를 지칭할 수 있지만 이에 제한되지 않는다. 또한, 컴퓨터는 데이터 저장 장치, 전자 인터페이스 또는 인간-기계 인터페이스 중 적어도 하나와 같은 하나 이상의 추가 구성요소를 포함할 수 있다. 본 명세서에서 사용되는 "컴퓨터로 구현되는 방법"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특수하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 적어도 하나의 컴퓨터 및/또는 적어도 하나의 컴퓨터 네트워크를 포함하는 방법을 지칭할 수 있으며, 이에 제한되지 않는다. 컴퓨터 및/또는 컴퓨터 네트워크는 본 발명에 따른 방법 중 적어도 하나의 방법 단계 중 적어도 하나를 수행하도록 구성되는 적어도 하나의 데이터 처리 수단을 포함할 수 있다. 구체적으로, 방법 단계 중 각각은 컴퓨터 및/또는 컴퓨터 네트워크를 사용하여 수행될 수 있다. 방법 단계는 적어도 부분적으로, 특히 사용자 상호작용 없이 자동적으로 수행될 수 있다.
본 명세서에서 사용되는 그 문법적 변형을 포함하는 "광학"이라는 용어는 광범위한 용어이며, 당업자에게 통상적이고 관습적인 의미를 부여해야 하며, 특수하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 가시광선, 자외선 및 적외선 스펙트럼 범위, 구체적으로 적외선 방사선 중 적어도 하나의 전자기 방사선과 관련된 임의의 물리적 특성을 제한 없이 지칭할 수 있다. 적외선 방사선은 구체적으로 760 nm 내지 1000 ㎛ 범위의 전자기 방사선을 포함할 수 있으며, 760 nm 내지 1.5 ㎛ 범위는 일반적으로 "근적외선 스펙트럼 범위"(NIR)로 표시되는 반면 1.5 ㎛ 내지 15 ㎛ 범위는 "중적외선 스펙트럼 범위"(MidIR)로, 15 ㎛ 내지 1000 ㎛ 범위는 "원적외선 스펙트럼 범위"(FIR)로 표시된다. 바람직하게는, 본 발명의 전형적인 목적을 위해 사용되는 광학 방사선은 적외선(IR) 스펙트럼 범위의 광학 방사선, 더 바람직하게는 근적외선(NIR) 및 중적외선 스펙트럼 범위(MidIR)의 광학 방사선, 특히 파장이 1μm 내지 2.5μm인 광학 방사선이다. 또한, 광학이라는 용어는 구체적으로 적어도 하나의 측정 대상의 적어도 하나의 스펙트럼 특성과 관련될 수 있으며, 여기서 측정 대상은 구체적으로 적어도 하나의 생명체의 적어도 일부, 보다 구체적으로 생명체의 피부의 적어도 일부이거나 이를 포함할 수 있다. 스펙트럼 특성은 구체적으로 측정 대상의 흡광도, 측정 대상의 방사율, 측정 대상의 반사율 및 측정 대상의 투과율 중 적어도 하나를 포함할 수 있다. 본 명세서에서 사용되는 그 문법적 변형을 포함하는 "스펙트럼(spectral)"이라는 용어, 특히 "스펙트럼(spectrum)"은 광범위한 용어이며 당업자에게 통상적이고 관습적인 의미를 부여해야 하며 특수하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 광학 파장 범위의 일부를 제한 없이 지칭할 수 있다. 스펙트럼은 신호 파장 및 해당 신호 강도에 의해 정의되는 적어도 하나의 광학 신호로 구성될 수 있다. 구체적으로, 스펙트럼은 측정 대상과 관련된 스펙트럼 정보, 예를 들어 측정 대상을 형성하는 적어도 하나의 물질의 유형 및/또는 조성을 포함할 수 있다.
본 명세서에서 사용되는 "생명체"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특수하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 임의의 유기체, 특히 신진대사를 갖는 다세포 유기체를 제한 없이 지칭할 수 있다. 구체적으로, 생명체는 적어도 하나의 인간의 적어도 일부이거나 이를 포함할 수 있다. 보다 구체적으로, 생명체는 인간일 수 있다. 그러나, 추가적인 옵션이 실현 가능할 수 있다. 예를 들어, 생명체는 적어도 하나의 동물의 적어도 하나의 부분일 수 있거나 이를 포함할 수 있다. 생명체는 신체를 포함할 수 있으며, 여기서 신체는 구체적으로 생물학적 신체를 지칭할 수 있다. 구체적으로, 생명체는 적어도 하나의 조직, 보다 구체적으로 적어도 하나의 기관을 포함할 수 있다. 생명체는 구체적으로 피부를 가질 수 있다. 생명체는 살아있는 상태 또는 죽은 상태일 수 있다.
본 명세서에서 사용되는 "피부"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특수하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 특히 생명체를 감싸고/거나 덮는 기관을 제한 없이 지칭할 수 있다. 따라서, 피부는 외피 기관, 신체 커버, 특히 외부 신체 커버, 신체 쉘, 특히 외부 신체 쉘 중 적어도 하나이거나 이를 포함할 수 있다. 피부는 복수의 층을 포함할 수 있다. 층 중 적어도 하나는 복수의 서브층을 포함할 수 있다. 구체적으로, 피부는 외부에서 내부로 갈수록 표피, 진피 및 피하층 중 적어도 하나를 포함할 수 있으며, 여기서 표피는 외부에서 내부로 갈수록 각질층, 투명층, 과립층, 가시층 및 기저층을 포함할 수 있다. 피부는 환경 영향으로부터 생명체를 보호하고, 생명체의 항상성을 유지하며, 생명체의 신진대사를 촉진하는 것 중 적어도 하나를 위해 구성될 수 있다. 예를 들어, 피부는 자외선 방사선으로부터 인간을 보호하거나 생명체의 체온 조절을 용이하게 할 수 있다. 원칙적으로, 피부는 임의의 질감을 포함할 수 있다. 피부는 닫혀 있을 수 있다. 피부는 적어도 하나의 개구부, 적어도 하나의 구멍 및 적어도 하나의 돌출부 중 적어도 하나를 포함할 수 있다. 구체적으로, 피부는 적어도 하나의 모발 또는 깃털, 적어도 하나의 돌기 및 적어도 하나의 샘, 특히 적어도 하나의 외분비샘 중 적어도 하나를 포함할 수 있다. 예를 들어, 피부는 체온 조절을 용이하게 하는 복수의 땀샘을 포함할 수 있다. 피부는 적어도 하나의 수용체, 예를 들어 온도 수용체를 더 포함할 수 있다. 피부의 질감 또는 환경적 영향은 특히 피부에 존재하는 피부 상재균에 영향을 미칠 수 있으며, 여기서 피부 상재균은 박테리아와 같은 다양한 미생물을 포함할 수 있다.
본 명세서에서 사용되는 "피부의 추정 나이"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특수하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 피부의 적어도 하나의 측정 가능한 물리적 특성을 기반으로, 특히 피부의 적어도 하나의 스펙트럼 특성을 기반으로 피부에 할당된 나이 또는 나이 값 또는 나이대를 지칭할 수 있으며, 이에 제한되지 않는다. 따라서, 피부의 추정 나이는 적어도 하나의 측정 가능한 물리적 특성에 기초하여 결정된 나이 또는 나이 값일 수 있는 반면, "실제 나이" 또는 "알고 있는 나이"는 생명체의 알려진 나이 또는 생년월일에 의해 결정된 피부의 나이이다.
피부의 추정 나이는 피부의 실제 나이 또는 알려진 나이와 다를 수 있다. 따라서, 나타낸 바와 같이, 피부는 구체적으로 자외선 방사선, 땀 또는 박테리아와 같은 피부에 손상을 줄 수 있는 상이한 내적 및/또는 외적 영향을 받을 수 있다. 첫째, 내적 피부 노화는 유전적으로 결정되고 변경할 수 없지만 다른 인구 집단이나 같은 개인의 다른 해부학적 부위에서도 일정하지 않으며 영양, 흡연 및 태양 광선 노출을 포함한 외적 피부 노화의 여러 잠재적 구성요소가 있기 때문에 같은 나이의 유전적으로 유사한 개인 내에서도 노화된 피부의 징후가 광범위하게 나타날 수 있으며, 예컨대, Farage, M. A. 외 "피부 노화의 내적 및 외적 요인: 검토." 국제 화장품 과학 저널 30.2 (2008): 87-95에서 알 수 있다. 내적 피부 노화를 나타내는 5가지 항목과 외적 피부 노화의 특징이 뚜렷한 18가지 항목으로 구성된 "SCINEXA"와 같은 피부 노화 점수는 내적 피부 노화와 외적 피부 노화를 구별하는 데 도움이 될 수 있으며, 예컨대, Vierkotter, Andrea 외 "SCINEXA: 내적 피부 노화와 외적 피부 노화를 동시에 평가하고 구별하는 새롭고 검증된 점수" 피부과학 저널 53.3 (2009): 207-211에서 알 수 있다. 만성적인 수면 부족은 내적 노화의 징후 증가, 피부 장벽 기능 저하, 외모 만족도 저하와 관련이 있으며, 예컨대, Oyetakin-White, P. 외 "수면 부족이 피부 노화에 영향을 미치는가?" 임상 및 실험 피부과 40.1 (2015): 17-22에서 알 수 있다. 또한, 매일 섭취하는 식단은 피부의 수분, 표면 지질 및 탄력을 측정하여 확인할 수 있는 것처럼 피부 노화에 영향을 미칠 수 있으며, 예컨대, Nagata, Chisato 외 "일본 여성의 식이 지방, 야채 및 항산화 미량 영양소와 피부 노화와의 연관성" 영국 영양학 저널 103.10 (2010): 1493-1498에서 알 수 있다. 마지막으로, 외적 피부 노화는 심리적 스트레스에 의해서도 발생할 수 있는데, 예를 들어 Lee, C. M., R. E. B. Watson 및 C. E. Kleyn의 "지각된 스트레스가 피부 노화에 미치는 영향" 유로피안 피부과 및 성병 학회지 34.1 (2020): 54-58에서 알 수 있다. 반대로, 피부 관리 제품이나 건강한 식단과 같은 다른 영향은 피부에 긍정적인 영향을 줄 수 있다. 따라서, 전반적으로, 피부의 추정 나이는 피부를 포함하는 생명체의 나이와 다를 수 있다. 예를 들어, 피부가 주로 부정적인 영향을 받았던 경우 피부의 추정 나이는 피부를 포함하는 생명체의 나이보다 높을 수 있다. 반대로, 피부가 주로 긍정적인 영향을 받았던 경우 피부의 추정 나이는 피부를 포함하는 생명체의 나이보다 낮을 수 있다. 따라서, 피부의 추정 나이는 일반적으로 피부의 물리적 상태 및/또는 건강 상태에 의존할 수 있다. 물론, 피부의 건강 상태는 다시 생명체의 전반적인 건강 상태 및 생명체의 나이에 의존할 수 있다.
표시된 바와 같이, 생명체의 피부의 추정 나이는 광학적으로 결정된다. 구체적으로, 피부의 추정 나이는 피부의 적어도 하나의 스펙트럼 특성을 사용하여 결정될 수 있다. 원칙적으로, 피부의 화학 성분은 중간 단계에서 스펙트럼 특성을 사용하여 결정될 수 있으며, 피부의 추정 나이는 화학 성분을 사용하여 결정될 수 있다. 그러나, 피부의 추정 나이는 이전에 피부의 전체 화학 성분을 결정하지 않고도 스펙트럼 특성으로부터 직접 도출할 수도 있다. 구체적으로, 피부의 추정 나이를 광학적으로 결정하는 것은 피부의 적어도 하나의 스펙트럼 특성, 특히 흡수 피크와 같은 스펙트럼 특성을 고려하는 것을 포함할 수 있으며, 적어도 하나의 물질, 특히 물 및/또는 지방을 지칭할 수 있고, 여기서 지방은 지질 또는 지방 조직으로 표시될 수도 있다. 일반적으로, 총 흡수가 일반적으로 수분 흡수에 의해 지배되는 1.11 μm 내지 1.15 μm의 스펙트럼 범위에서는 나이가 증가함에 따라 흡광도가 증가한다. 총 흡수가 지방 흡수에 의해 지배되는 1.17 μm 내지 1.21 μm의 스펙트럼 범위에서는 나이에 따라 흡광도가 감소한다. 총 흡수가 수분 흡수에 의해 지배되는 1.3 μm ~ 1.6 μm의 스펙트럼 범위에서는 나이가 증가함에 따라 흡광도가 증가한다. 총 흡수가 지방 흡수에 의해 지배되는 1.68 μm ~ 1.79 μm의 스펙트럼 범위에서는 나이에 따라 흡광도가 감소한다. 총 흡수가 수분 흡수에 의해 지배되는 1.82 μm 내지 2 μm의 스펙트럼 범위에서는 나이가 증가함에 따라 흡광도가 증가한다. 예를 들어 이러한 결과를 바탕으로, 당업자가 이해하는 바와 같이 피부의 흡수 스펙트럼을 평가할 때 피부의 추정 나이가 결정될 수 있다. 흡수 스펙트럼은 다시 예를 들어, 당업자가 이해하는 바와 같이 반사 분광법을 사용하여 적어도 하나의 스펙트럼 측정에서 결정될 수 있다.
생명체의 피부의 추정 나이를 광학적으로 결정하는 방법은 다음을 포함할 수 있다:
i. 스펙트럼 측정 범위에 걸쳐 생명체의 피부의 적어도 일부에 대한 적어도 하나의 샘플 반사 스펙트럼을 사용하는 단계 - 스펙트럼 측정 범위는 1μm 내지 2.5μm의 파장 범위의 적어도 일부를 포함함 - ; 및
ii. 샘플 반사 스펙트럼에 적어도 하나의 훈련된 훈련 가능 모델을 적용하여 생명체의 피부의 추정 나이를 결정하는 단계,
- 훈련 가능한 모델은 복수의 라벨링된 기준 반사 스펙트럼을 포함하는 훈련 데이터세트에 대해 훈련되고, 각각의 기준 반사 스펙트럼은 단계 i의 샘플 반사 스펙트럼의 스펙트럼 측정 범위와 적어도 부분적으로 겹치는 스펙트럼 범위에 걸쳐 획득되고,
- 각각의 기준 반사 스펙트럼은 알려진 나이를 갖는 생물 시험체의 피부의 적어도 한 부분의 반사 스펙트럼이며,
- 기준 반사 스펙트럼은 적어도 대응하는 생물 시험체의 알려진 나이로 적어도 부분적으로 라벨링됨.
방법 단계는 주어진 순서로 수행될 수 있다. 그러나, 상이한 순서도 가능할 수 있다는 점에 유의해야 한다. 방법은 열거되지 않은 추가적인 방법 단계를 포함할 수 있다. 또한, 방법 단계 중 하나 이상은 한 번 또는 반복적으로 수행될 수 있다. 또한, 두 개 이상의 방법 단계가 동시에 또는 적시 중첩되는 방식으로 수행될 수 있다.
예를 들어, 적어도 하나의 샘플 반사 스펙트럼은 주어진 데이터 세트의 형태로 사용될 수 있으며, 이는 예를 들어 데이터 저장 장치, 데이터 전송 네트워크 또는 반사 스펙트럼을 측정하는 측정 장치 중 적어도 하나로부터 검색될 수 있다. 따라서, 방법은 적어도 하나의 샘플 반사 스펙트럼을 포함하는 데이터와 같은 데이터를 검색하고 선택적으로 출력 데이터를 제공함으로써 완전히 컴퓨터로 구현되는 방법으로 구현될 수 있으며, 출력 데이터는 생명체의 피부의 추정 나이에 대한 정보의 적어도 한 항목을 포함한다.
따라서, 방법은 샘플 반사 스펙트럼을 실제로 측정하는 단계를 포함하지 않을 수 있다. 샘플 반사 스펙트럼은 전자 형식으로 제공되어 평가될 수 있다. 또한, 아래에서 더 자세히 설명되는 방법은 적어도 하나의 샘플 반사 스펙트럼을 제공하는 단계를 더 포함할 수 있다. 샘플 반사 스펙트럼을 제공하는 단계는 샘플 반사 스펙트럼을 측정하는 적어도 하나의 단계를 포함할 수 있다.
본 명세서에 사용되는 임의의 문법적 변형을 포함하는 "반사"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미가 주어져야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 2개의 서로 다른 광학 매체 사이의 계면에서 전자기 방사선, 특히 적외선 방사선의 파면 방향의 변화를 의미할 수 있지만, 이에 제한되지는 않으며, 여기서 파면은 시작되었던 광학 매체로 리턴된다. 반사는 정반사라고도 불리는 거울 반사를 포함할 수 있다. 반사는 구체적으로 확산 반사를 포함할 수 있으며, 입사 전자기 방사선은 계면에서 복수의 서로 다른 방향으로 역산란된다. 따라서, 본 명세서에서 사용되는 "샘플 반사 스펙트럼"이라는 용어는 넓은 의미를 가지며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 적어도 하나의 샘플에 의한 전자기 방사선, 특히 적외선 방사선의 적어도 하나의 반사를 측정함으로써 결정된 스펙트럼을 제한 없이 지칭할 수 있다. 샘플 반사 스펙트럼은 샘플 반사율의 스펙트럼 분포를 포함할 수 있다. 또한, 샘플 반사 스펙트럼은 샘플에 의한 전자기 방사선의 반사를 측정하여 결정된 물리적 특성의 스펙트럼 분포를 포함할 수 있다. 구체적으로, 샘플 반사 스펙트럼은 샘플의 흡광도의 스펙트럼 분포를 포함할 수 있으며, 흡광도는 샘플의 반사율을 사용하여 결정될 수 있고, 반사율은 샘플에 의한 전자기 방사선의 반사를 측정함으로써 결정될 수 있다. 따라서, 샘플 반사 스펙트럼은 구체적으로 샘플에 의한 전자기 방사선의 적어도 하나의 반사를 측정함으로써 결정된 적어도 하나의 흡수 스펙트럼을 포함할 수 있다. 샘플은 구체적으로 생명체의 피부의 적어도 일부이거나 이를 포함할 수 있다.
본 명세서에서 사용되는 "피부의 일부"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며, 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 피부의 일부 및/또는 부분을 지칭할 수 있지만 이에 제한되지 않는다. 따라서, 피부의 일부는 구체적으로 샘플 반사 스펙트럼을 제공하기 위해 적어도 하나의 스펙트럼 측정이 수행되었던 피부의 공간적으로 제한된 영역을 지칭할 수 있다. 영역은 닫힌 원과 같이 폐쇄될 수 있다. 영역은 스펙트럼 측정이 수행되었던 복수의 서로 다른 및/또는 확산된 지점, 예컨대 닫힌 원을 포함할 수 있다. 또한, 피부의 일부는 스펙트럼 측정 중 전자기 방사선의 침투 깊이에 따라 피부의 적어도 하나의 층, 예를 들어 표피를 포함할 수 있다.
본 명세서에 사용된 "스펙트럼 범위"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 제한 없이 적어도 하나의 파장 간격, 구체적으로 최소 파장부터 최대 파장까지, 및/또는 적어도 하나의 개별 파장을 지칭할 수 있다. 따라서, 예로서, 스펙트럼 범위는 서로 다른 파장 간격 및/또는 개별 파장의 조합을 포함할 수 있다. 본 명세서에 사용된 "스펙트럼 측정 범위"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 샘플 반사 스펙트럼을 제공하기 위한 적어도 하나의 스펙트럼 측정에 사용되는 스펙트럼 범위를 제한 없이 지칭할 수 있다.
앞서 말했듯이, 생명체의 피부의 추정 나이는 샘플 반사 스펙트럼에 적어도 하나의 훈련된 훈련 가능한 모델을 적용하여 결정된다. 본 명세서에 사용된 "훈련 가능한 모델"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 데이터 해석, 예컨대 데이터 분류를 위한 수학적 모델을 지칭할 수 있지만 이에 제한되지는 않으며, 훈련 가능한 모델이 적어도 하나의 훈련 데이터세트에 대해 훈련 가능하다. 훈련 가능한 모델에서는 하나 이상의 파라미터가 여전히 가변적일 수 있으며 파라미터의 설정은 훈련 프로세스에 따라 다르다. 훈련 가능한 모델은 환경 모델을 제공할 수 있으며, 모델은 적절한 방식으로 환경의 자극에 반응하고 관찰된 편차에 따라 모델을 조정하도록 적응되어 후속 실행에서 모델이 보다 적절한 방식으로 자극에 반응한다. 훈련 가능한 모델은 적어도 하나의 훈련 데이터 세트에 대해 훈련될 수 있고 적어도 하나의 입력 변수에 대한 적어도 하나의 목표 변수를 예측하도록 구성될 수 있어서, 예를 들어 적어도 하나의 입력 변수는 자극을 형성하고, 출력 목표 변수는 훈련 가능한 모델의 응답을 형성한다. 복수의 훈련 가능한 모델은 일반적으로 당업자에게 알려져 있으며 아래에서 더 자세히 설명될 것이다.
훈련된 상태에서, 즉 전체 또는 부분 훈련 후, 훈련 가능한 모델은 "훈련된 훈련 가능한 모델" 또는 간단히 "훈련된 모델"이라고도 한다. 훈련된 모델에서, 하나 이상의 자극에 대한 모델의 적절한 반응을 반영하기 위해 모델의 파라미터가 설정될 수 있으며, 파라미터의 설정 및/또는 파라미터의 설정 값은 훈련 과정의 결과일 수 있다. 따라서, 본 명세서에 사용된 "훈련된 모델"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 적어도 하나의 훈련 데이터 세트에 대해 훈련되었고 적어도 하나의 입력 변수에 대한 적어도 하나의 목표 변수를 예측하도록 구성된 수학적 모델과 같은 훈련 가능한 모델을 지칭할 수 있지만 이에 제한되지 않는다.
본 명세서에 사용된 임의의 문법적 변형을 포함하는 "훈련"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 모델의 가중치 및/또는 회귀 파라미터와 같은 모델의 하나 이상의 파라미터를 결정함으로써 적어도 하나의 모델을 구축하는 프로세스를 제한 없이 지칭할 수 있다. 훈련은 적어도 하나의 최적화 및/또는 튜닝 프로세스를 포함할 수 있으며, 파라미터 조합이 결정된다.
예로서, 훈련 가능한 모델은 알려진 나이가 적어도 부분적으로 다른 복수의 생명체를 참조하는 복수의 반사 스펙트럼에 대해 훈련될 수 있다. 이러한 경우, 훈련 가능한 모델은 선택된 알려진 나이에 대해 반사 스펙트럼이 어떻게 구성되는지에 대해 훈련될 수 있어서, 훈련 가능한 모델은 이를 기반으로 새로운 알려지지 않은 반사 스펙트럼을 나이와 연관시킬 수 있다. 훈련 가능한 모델은 적어도 하나의 추가 훈련 데이터 세트를 기반으로 재훈련 및/또는 업데이트될 수 있다. 훈련된 모델은 머신 러닝, 딥 러닝, 신경망 또는 다른 형태의 인공 지능 중 적어도 하나를 이용하여 훈련될 수 있다. 앞서 말했듯이, 훈련 가능한 모델은 훈련 데이터세트에 대해 훈련된다. 본 명세서에 사용된 "훈련 데이터세트"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 훈련 가능한 모델을 훈련하는 데 사용되거나 사용 가능한 데이터를 제한 없이 지칭할 수 있다. 훈련 데이터 세트는 알려져 있거나 사전 결정될 수 있다. 구체적으로, 훈련 데이터 세트는 이전에 실험적으로 결정된 데이터와 같은 이력적 실험 데이터이거나 이를 포함할 수 있다. 추가적으로 또는 대안적으로, 훈련 데이터 세트는 이론적으로 계산된 데이터, 구체적으로 시뮬레이션된 데이터와 같은 이론적 데이터를 포함할 수 있다.
전술한 바와 같이, 훈련 데이터세트는 라벨링된 복수의 기준 반사 스펙트럼을 포함한다. 본 명세서에 사용된 임의의 문법적 변형을 포함하는 "라벨링"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로, 제한 없이 적어도 하나의 개체에 개체의 적어도 하나의 특성에 대한 적어도 하나의 정보 항목을 제공하는 것을 지칭할 수 있다. 개체의 적어도 하나의 특성에 대한 적어도 하나의 정보 항목은 "라벨"이라고도 한다. 예를 들어, 개체의 적어도 하나의 특성은 인식 기호, 식별 기호 및 정보 기호 중 적어도 하나이거나 이를 포함할 수 있으며, 이는 모두 라벨로도 지칭될 수 있다. 라벨은 라벨링된 개체의 적어도 하나의 특성에 관한 적어도 하나의 정보 항목을 포함할 수 있으며, 여기서 정보 항목은 구체적으로 라벨링된 개체를 식별할 수 있다. 라벨은 구체적으로 디지털 라벨이거나 이를 포함할 수 있다.
본 명세서에서 사용된 "참조"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 측정된 데이터와 관련하여 비교 목적에 적합한 개체를 제한 없이 구체적으로 지칭할 수 있다. 따라서, 기준은 구체적으로 적어도 하나의 사전 결정된 또는 알려진 특성을 포함할 수 있다.
결과적으로, 본 명세서에 사용된 "라벨링된 기준 반사 스펙트럼"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 기준에 관한 반사 스펙트럼을 제한 없이 지칭할 수 있으며, 반사 스펙트럼에는 기준에 대한 적어도 하나의 정보 항목이 라벨링된다. 따라서, 구체적으로, 라벨링된 기준 반사 스펙트럼은 나이가 알려진 생물 시험체 또는 시험자의 피부 중 적어도 한 부분의 반사 스펙트럼일 수 있으며, 라벨링된 기준 반사 스펙트럼의 라벨은 생물 시험체의 알려진 나이에 대한 적어도 하나의 정보 항목을 포함한다.
전술한 바와 같이, 각각의 기준 반사 스펙트럼은 단계 i의 스펙트럼 측정 범위와 적어도 부분적으로 중첩되는 스펙트럼 범위에 걸쳐 획득된다. 각각의 기준 반사 스펙트럼은 나이가 알려진 생물 시험체의 피부의 적어도 일부의 반사 스펙트럼이다. 기준 반사 스펙트럼에는 해당 생물 시험체의 알려진 나이가 적어도 부분적으로 라벨링된다. 따라서, 기준 반사 스펙트럼의 적어도 일부에 대해, 각각의 생물 시험체의 알려진 나이에 대한 적어도 하나의 정보 항목을 포함하는 라벨이 제공된다.
본 명세서에 사용된 "생물 시험체"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 훈련 가능한 모델을 훈련하는 데 사용되는 생명체를 지칭할 수 있지만 이에 제한되지 않는다. 따라서, 생물 시험체는 구체적으로 적어도 하나의 사전 결정된 또는 알려진 특성을 포함할 수 있다. 보다 구체적으로, 전술한 바와 같이, 생물 시험체의 나이는 알려져 있다. 본 명세서에 사용된 "알려진 나이"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 제한 없이 시구간, 예컨대 생명체가 태어난 후 경과한 년, 달, 일을 지칭할 수 있다.
스펙트럼 측정 범위와 기준 반사 스펙트럼의 스펙트럼 범위는 동일하거나 적어도 부분적으로 동일할 수 있다. 즉, 스펙트럼 측정 범위는 기준 반사 스펙트럼 중 적어도 하나의 스펙트럼 범위와 동일할 수 있다. 따라서, 스펙트럼 측정 범위는 기준 반사 스펙트럼의 스펙트럼 범위와 동일한 파장 및/또는 파장 간격에 걸쳐 확장될 수 있다.
훈련된 모델 또는 훈련된 훈련 가능한 모델은 전체 반사 스펙트럼에 적용되거나 반사 스펙트럼의 적어도 한 부분 및/또는 반사 스펙트럼으로부터 파생된 적어도 하나의 정보 항목에 적용될 수 있다. 따라서, 방법은 추정 나이를 결정하기 위해 반사 스펙트럼으로부터 적어도 하나의 정보 항목을 도출하고 훈련된 훈련 가능 모델을 적어도 하나의 정보 항목에 적용하는 단계를 포함할 수 있다. 간단한 예로서, 하나 이상의 사전 선택된 파장에서의 흡광도 및/또는 반사율과 같은 하나 이상의 광학적 특성이 반사 스펙트럼으로부터 도출될 수 있으며, 훈련된 훈련 가능한 모델은 추정 나이를 결정하기 위해 이러한 광학적 특성에 적용될 수 있다. 따라서, 예로서, 훈련 가능한 모델은 하나 이상의 광학적 특성으로부터 추정 나이를 도출하는 회귀 모델을 포함할 수 있고, 훈련은 예컨대, 최소 제곱 회귀 등과 같은 방법에 의해 기준 반사 스펙트럼을 포함하는 훈련 데이터 세트로부터 회귀 계수와 같은 매개변수를 결정하는 것을 의미할 수 있다. 하나 이상의 정보 항목을 도출하는 것은 반사 스펙트럼의 적어도 하나의 전처리를 포함할 수 있다. 따라서, 방법은 샘플 반사 스펙트럼으로부터 도출되는 전처리된 샘플 반사 스펙트럼에 의해 샘플 반사 스펙트럼을 대체하는 단계를 더 포함할 수 있다. 본 명세서에 사용된 임의의 문법적 변형을 포함하는 "전처리"라는 용어는 광범위한 용어이며 당업자에게 일반적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 데이터 정리, 필터링 및 변환 중 적어도 하나를 지칭할 수 있으나 이에 제한되지 않는다. 예를 들어, 데이터 정리는 예컨대, 데이터 랭글링 도구를 사용하여 부정확하고/하거나 불완전한 데이터를 수정하는 것을 포함할 수 있다. 데이터를 필터링하는 것은 예를 들어 잡음과 같은 관련이 없고/없거나 쓸모없는 데이터를 제거하는 것을 포함할 수 있다. 데이터 변환은 특히 데이터에 대한 분석적 및/또는 통계적 수학적 연산, 예컨대, 미분, 적분, 스케일링 및/또는 정규화 중 적어도 하나를 수행하는 것을 포함할 수 있다. 전처리된 샘플 반사 스펙트럼은 구체적으로 샘플 반사 스펙트럼의 1차 이상의 도함수, 샘플 반사 스펙트럼의 강력한 정규 변량 변환, 샘플 반사 스펙트럼을 필터링하여 결정된 필터링된 스펙트럼, 샘플 반사 스펙트럼의 스케일링 중 적어도 하나를 포함할 수 있고, 스케일링은 단위 스케일링, 표준 정규 변량, 즉, 단위 구체로의 투영 및 범위 스케일링 중 적어도 하나를 포함할 수 있다.
구체적으로, 복수의 전처리 단계는 샘플 반사 스펙트럼에 적용될 수 있다. 전처리 단계는 구체적으로 특정 샘플 반사 스펙트럼에 적응될 수 있다. 예로서, 샘플 반사 스펙트럼은 Guo, Qian, Wen Wu 및 D. L. Massart의 "근적외선 데이터로 패턴 인식을 위한 강력한 정규 변량 변환" 분석 화학 학회지 382.1-2 (1999): 87-103에 설명된 대로 강력한 정규 변량 변환과 50% 퍼센타일을 사용하여 정규화될 수 있다. 그 후, 예로서, Hopkins, David W.의 "노리스 도함수란 무엇인가?" NIR 뉴스 12.3 (2001): 3-5에 설명된 대로 노리스 도함수 필터를 사용하여 2차 도함수가 형성될 수 있다. 그 후, 예로서, 특징을 단위 구체로 변환하는 데 단위 스케일링이 사용될 수 있고, 특히 유클리드 노름이 사용될 수 있다. 그 후, 예로서, 부분 최소 제곱 회귀가 Abdi, Herve의 "부분 최소 제곱 회귀(PLS 회귀)" 사회과학 연구 방법 백과사전 6.4 (2003): 792-795에 설명된 대로 적용될 수 있다. 그러나, 표시된 바와 같이, 추가적인 및/또는 대안적인 전처리 단계도 실현 가능할 수 있다.
위에서 설명한 대로, 일반적으로, 훈련 가능한 모델은 인공 지능 및 머신 러닝 분야의 당업자에게 알려져 있다. 그러나, 본 명세서에 나타낸 목적을 위해서는, 다양한 훈련 가능한 모델이 유리하다. 따라서, 구체적으로, 훈련 가능한 모델은 주성분 분석 모델, 회귀 모델, 구체적으로 부분 최소 제곱 회귀 모델, 주성분 회귀 모델, 라소 회귀 모델, 최인접 모델, 인공 신경망, 구체적으로 심층 신경망, 합성곱 신경망, 순환 신경망, 장단기 신경망으로 구성된 그룹으로부터 선택된 인공 신경망, 서포트 벡터 머신 모델, 결정 트리 분류기 모델, 결정 트리 분류, 구체적으로 랜덤 포레스트 분류기 및 부스팅된 결정 트리 분류기 중 적어도 하나로 구성된 그룹으로부터 선택된 적어도 하나의 훈련 가능한 모델을 포함할 수 있다. 위에 표시된 목록에서 선택된 적어도 하나의 훈련 가능한 모델을 포함하는 조합과 같은 훈련 가능한 모델의 조합도 실현 가능하다는 점에 유의해야 한다. 또한, 하이브리드 모델도 실현 가능하다.
구체적으로, 훈련 가능한 모델은 적어도 하나의 주성분 회귀 모델을 포함할 수 있다. 본 명세서에서 사용되는 "주성분 회귀 모델"이라는 용어는 광범위한 용어이며, 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 적어도 하나의 주성분 분석 모델과 적어도 하나의 회귀 모델을 결합한 하이브리드 모델을 지칭할 수 있으나 이에 제한되지는 않는다. 구체적으로, 주성분 회귀 모델은 적어도 하나의 회귀 계수를 결정하기 위해 주성분 분석을 사용할 수 있다. 보다 구체적으로, 회귀에는 주성분 서브세트만 사용될 수 있다. 따라서, 주성분 회귀 모델은 기본 모델을 특징짓는 파라미터의 유효 수를 감소시킴으로써 차원 감소를 가능하게 수 있으며, 이는 특히 고차원 공변량을 포함하는 설정에 유용할 수 있다.
생명체의 피부 부분과 생물 시험체의 피부 부분은 신체의 동일한 영역에 있는 부분일 수 있다. 생명체의 피부 부분 및 생물 시험체의 피부 부분은, 각각 생명체 또는 생물 시험체의 관자놀이에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 이마에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 얼굴에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 목에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 팔뚝에 있는 피부 부분; 본질적으로 모발로 덮여 있지 않고, 모발로 강하게 덮여 있지 않으며 모발이 없는 것 중 적어도 하나인 생명체 또는 생물 시험체의 피부 부분으로 구성된 그룹으로부터 선택되는 부분일 수 있으며, 적어도 피부 부분의 최대 20%, 구체적으로 최대 10%, 보다 구체적으로 최대 5%의 허용범위까지 모발로 덮여 있다.
방법은 단계 ii에서 사용하기 위해 훈련 가능한 모델을 훈련시키기 위한 적어도 하나의 훈련 단계를 더 포함할 수 있다. "훈련"이라는 용어에 관해서는 위에 주어진 정의 및 옵션을 참조할 수 있다. 훈련 단계는 단계 ii에서 정의된 바와 같이 라벨링된 기준 반사 스펙트럼을 제공하는 것을 포함할 수 있다. 위에 개괄된 바와 같이 라벨링된 기준 반사 스펙트럼은 각각 나이가 알려진 생물 시험체의 피부의 적어도 한 부분의 반사 스펙트럼을 포함하며, 적어도 부분적으로, 해당 생물 시험체의 알려진 나이로 적어도 라벨링된다. 훈련 단계는 또한 기준 반사 스펙트럼을 획득하는 것과, 적어도 부분적으로, 기준 반사 스펙트럼을 라벨링하는 것을 포함할 수 있다. 따라서, 훈련 단계는,
- 나이가 알려진 복수의 시험체를 제공하는 단계,
- 시험체의 기준 반사 스펙트럼을 획득하는 단계, 및
- 기준 반사 스펙트럼을 각각의 알려진 나이로 적어도 부분적으로 라벨링하는 단계
를 포함할 수 있다.
이로써, 라벨링된 기준 반사 스펙트럼을 포함하는 훈련 데이터 세트가 모일 수 있다. 훈련 데이터 세트를 사용하여 훈련 가능한 모델이 훈련될 수 있으며, 이에 의해 예로서 훈련 가능한 모델의 파라미터를 조정 및/또는 최적화하여, 훈련된 훈련 가능한 모델이 나이가 알려진 생명체의 샘플 반사 스펙트럼에 적용될 때 생명체의 나이가 추정될 수 있다.
특정 종류의 훈련은 샘플 반사 스펙트럼에 적용되는 적어도 하나의 훈련 가능한 모델에 의존할 수 있다. 따라서, 위에서 개괄한 바와 같이, 회귀 모델을 사용하는 경우에는 최소 제곱 회귀와 같은 훈련 방법이 사용될 수 있다. 인공 신경망 등의 경우 다른 훈련 접근법이 적용될 수 있다. 방법은 구체적으로 지도 및 준지도 러닝 아키텍처 중 적어도 하나, 특히 딥 러닝 아키텍처를 사용하는 것을 포함할 수 있다. 본 명세서에서 사용되는 "딥 러닝"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며, 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 자동 모델 구축을 위해 인공 지능(AI)을 사용하는 방법을 지칭할 수 있으나 이에 제한되지는 않는다. 딥 러닝은 구체적으로 적어도 하나의 신경망을 포함할 수 있으며, 여기서 신경망은 적어도 하나의 입력 계층, 하나의 출력 계층 및 입력 계층과 출력 계층 사이의 적어도 하나의 숨겨진 계층을 포함할 수 있다.
본 명세서에서 사용된 "지도 러닝"이라는 용어는 광범위한 용어이며, 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며, 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 완전히 라벨링된 훈련 데이터세트를 사용하는 딥 러닝 방법을 지칭할 수 있지만 이에 제한되지는 않는다. 본 명세서에서 사용되는 "준지도 러닝"이라는 용어는 광범위한 용어이며, 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며, 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 부분적으로 라벨링된 러닝 데이터세트를 사용하는 러닝 방법을 지칭할 수 있지만 이에 제한되지 않으며, 따라서 훈련 데이터세트의 일부는 구축된 모델을 기반으로 독립적으로 할당되어야 할 수 있다.
방법은 위에 개괄된 바와 같이 적어도 하나의 샘플 반사 스펙트럼을 사용하는 단계를 포함한다. 예를 들어, 샘플 반사 스펙트럼은 전자 데이터 세트와 같은 데이터 세트의 형태로 주어질 수 있다. 방법은 스펙트럼 측정 범위에 걸쳐 생명체의 피부의 적어도 한 부분의 적어도 하나의 샘플 반사 스펙트럼을 제공하는 단계를 더 포함할 수 있으며, 스펙트럼 측정 범위는 1 μm 내지 2.5 μm의 파동 범위의 적어도 한 부분을 포함한다. 본 명세서에 사용된 "제공하는"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 적어도 하나의 정보 항목과 같은 적어도 하나의 항목, 예를 들어 적어도 하나의 샘플 반사 스펙트럼을 포함하는 데이터 세트를 생성, 검색 및 선택하는 것 중 적어도 하나를 지칭할 수 있지만 이에 제한되지 않는다. 따라서, 제공하는 것은 선택적으로 샘플 반사 스펙트럼을 생성하기 위한 실제 분광 측정도 포함할 수 있다.
본 발명의 추가 양상에서, 인간에게 적어도 하나의 권고를 제공하는 컴퓨터로 구현되는 방법이 개시된다. 이 방법은:
I. 생명체의 피부의 추정 나이를 광학적으로 결정하는 방법을 더욱 상세하게 참조하여 위에 또는 아래에 개시되는 실시예 중 어느 하나에 따른 방법을 이용하여 인간의 피부의 추정 나이를 결정하는 단계; 및
II. 인간의 추정 나이에 기초하여 인간에 대한 적어도 하나의 권고를 자동으로 선택하는 단계
를 포함한다.
방법 단계는 주어진 순서대로 수행될 수 있다. 그러나, 상이한 순서도 가능할 수 있다는 점에 유의해야 한다. 방법은 나열되지 않은 추가 방법 단계를 포함할 수 있다. 또한, 방법 단계 중 하나 이상은 한 번 또는 반복적으로 수행될 수 있다. 또한, 방법 단계 중 2개 이상은 동시에 또는 적시 중첩되는 방식으로 수행될 수 있다.
본 명세서에 사용된 임의의 문법적 변형을 포함하는 "자동"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 예컨대, 머신에 의해 적어도 부분적으로 인간 상호작용의 필요성 없이 적어도 부분적으로 수행되는 프로세스를 지칭할 수 있으나 이에 제한되지는 않는다. 구체적으로, 프로세스는 특히 수동 동작 및/또는 사용자와의 상호작용 없이 제어기, 컴퓨터, 컴퓨터 네트워크 및 머신 중 적어도 하나에 의해 적어도 부분적으로 수행될 수 있다.
본 명세서에서 사용되는 "권고"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며, 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 적어도 하나의 제안된 동작에 관한 적어도 하나의 정보 항목을 제한 없이 지칭할 수 있다. 따라서, 권고는 적어도 하나의 동작을 취하라는 제안, 적어도 하나의 동작을 취하지 말라는 제안 및 적어도 하나의 동작을 수정하라는 제안 중 적어도 하나에 관한 적어도 하나의 정보 항목을 포함할 수 있다. 적어도 하나의 권고는 구체적으로 미용 치료 권고, 특히 보습제 및 오일 함유 스킨 크림 중 적어도 하나를 사용한 치료; 영양적 권고; 약 사용 및 약물 사용 중 적어도 하나에 관한 권고; 햇빛 및 자외선 방사선 중 적어도 하나에 대한 노출에 관한 권고; 자외선 차단제 사용에 관한 권고; 의료 상담을 구하라는 권고; 수면 습관에 관한 권고; 운동에 관한 권고; 스트레스 노출에 관한 권고; 휴식 및 휴가 중 적어도 하나에 대한 필요성에 관한 권고 중 적어도 하나를 지칭할 수 있다. 단계 II에서는 인간의 추정 나이와 인간의 실제 나이 간의 불일치에 기초하여 권고가 선택될 수 있다. 구체적으로, 인간의 추정 나이가 인간의 실제 나이보다 높을수록 권고 범위가 더 넓어질 수 있다.
적어도 하나의 권고를 자동으로 선택하는 단계는 적어도 하나의 권고에 대한 추정 나이 및 인간의 추정 나이와 인간의 실제 나이 간의 불일치 중 적어도 하나와 관련된 적어도 하나의 관계를 이용하여 수행될 수 있다. 본 명세서에서 사용된 임의의 문법적 변형을 포함하는 "관계"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며, 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 적어도 하나의 제2 개체에 대한 적어도 하나의 제1 개체의 할당 또는 배정을 제한 없이 지칭할 수 있다. 표시된 바와 같이, 관계는 추정 나이를 적어도 하나의 권고와 연관시킬 수 있다. 추가적으로 또는 대안적으로, 관계는 인간의 추정 나이와 인간의 실제 나이 사이의 불일치를 적어도 하나의 권고와 연관시킬 수 있다. 예를 들어, 추정 나이가 인간의 실제 나이보다 높은 경우는 보습제 시술과 같은 미용 시술 권고와 관련될 수 있다. 관계는 룩업 테이블; 알고리즘과 모델 중 적어도 하나를 포함할 수 있다.
본 발명의 추가 양상에서는 생명체의 피부의 추정 나이를 광학적으로 결정하는 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 방법의 단계 ii에서 사용하기 위해 훈련 가능한 모델을 훈련시키는 컴퓨터로 구현되는 훈련 방법이 개시된다. 방법은 단계 ii에서 정의된 훈련 데이터세트에 대해 훈련 가능한 모델을 훈련시키는 것을 포함한다. 방법은 나열되지 않은 추가 방법 단계를 포함할 수 있다. 또한, 방법 단계 중 하나 이상은 한 번 또는 반복적으로 수행될 수 있다. 또한, 방법 단계 중 2개 이상은 동시에 또는 적시 중첩되는 방식으로 수행될 수 있다. 훈련의 가능한 정의 및/또는 옵션에 대해, 위에서 설명한 바와 같이 생명체의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법의 실시예를 참조할 수 있다.
본 발명의 컴퓨터로 구현되는 양상을 참조하면, 본 명세서에 개시된 하나 이상의 실시예에 따른 방법의 하나 이상의 방법 단계 또는 모든 방법 단계도 컴퓨터 또는 컴퓨터 네트워크를 사용하여 수행될 수 있다. 따라서, 일반적으로, 데이터의 제공 및/또는 조작을 포함하는 임의의 방법 단계는 컴퓨터 또는 컴퓨터 네트워크를 사용하여 수행될 수 있다. 일반적으로, 이러한 방법 단계는 전형적으로 샘플 제공 및/또는 실제 측정을 수행하는 소정 양상과 같이 수동 작업이 필요한 방법 단계를 제외하고 임의의 방법 단계를 포함할 수 있다.
본 발명의 추가 양상에서, 생명체의 피부의 추정 나이를 광학적으로 결정하는 시스템이 개시된다. 시스템은 생명체의 피부의 추정 나이를 광학적으로 결정하는 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 방법을 수행하도록 구성된다. 시스템은:
A. 적어도 하나의 샘플 반사 스펙트럼을 획득하도록 구성된 적어도 하나의 적외선 분광기; 및
B. 단계 ii에 따라 생명체의 피부의 추정 나이 결정을 수행하도록 구성된 적어도 하나의 처리 유닛
을 포함한다.
본 명세서에서 사용되는 "시스템"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 전체를 형성하는 상호작용하거나 상호의존적인 구성요소 또는 부분의 임의의 세트를 지칭할 수 있지만 이에 제한되지는 않는다. 구체적으로, 구성요소들은 적어도 하나의 공통 기능을 수행하기 위해 서로 상호작용할 수 있다. 적어도 두 개의 구성요소는 독립적으로 처리될 수 있거나 결합되거나 연결 가능할 수 있다.
본 명세서에 사용된 "적외선 분광기"라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 구체적으로 적외선 방사선의 적어도 하나의 해당 신호 파장과 관련된 적어도 하나의 신호 강도에 대한 적어도 하나의 측정값을 기록하고 신호 강도와 관련된 적어도 하나의 검출기 신호를 평가함으로써 스펙트럼 정보를 결정하도록 구성된 임의의 장치를 지칭할 수 있지만 이에 제한되지는 않는다. 구체적으로, 분광기는 적어도 하나의 소형화된 장치일 수 있고, 이를 포함할 수 있거나, 그 일부일 수 있다. 더 구체적으로, 분광기는 적어도 하나의 휴대용 장치 및/또는 적어도 하나의 웨어러블 장치일 수 있고, 이를 포함할 수 있거나, 그 일부일 수 있다. 분광기는 적어도 하나의 하우징을 포함할 수 있다. 하우징은 기계적 영향 또는 전자기 영향과 같은 환경적 영향에 대해 하우징 내부 부품을 보호 및/또는 차폐하도록 구성될 수 있다. 적외선 분광기는, 벤치탑 NIR 분광기; 휴대용 NIR 분광기; 적어도 하나의 웨어러블 장치, 구체적으로 스마트워치와 스마트폰으로 구성된 그룹으로부터 선택된 적어도 하나의 웨어러블 장치의 일부인 분광학 모듈로 구성된 그룹으로부터 선택된 적어도 하나의 적외선 분광기를 포함할 수 있다.
본 명세서에서 사용된 "처리 유닛"이라는 용어는 광범위한 용어이며 당업자에게 통상적이고 관례적인 의미를 부여해야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 용어는 특히 바람직하게는 적어도 하나의 데이터 처리 장치를 사용하고, 더 바람직하게는 적어도 하나의 프로세서 및/또는 적어도 하나의 주문형 집적 회로를 사용하여 명명된 동작을 수행하도록 적응된 임의의 장치를 제한 없이 지칭할 수 있다. 예를 들어, 처리 유닛은 다수의 컴퓨터 커맨드를 포함하는 소프트웨어 코드가 저장된 적어도 하나의 데이터 처리 장치를 포함할 수 있다. 처리 유닛은 명명된 동작 중 하나 이상을 수행하기 위한 하나 이상의 하드웨어 요소를 제공할 수 있고/있거나 명명된 동작 중 하나 이상을 수행하기 위해 실행되는 소프트웨어를 하나 이상의 프로세서에 제공할 수 있다. 예로서, 처리 유닛은 생명체의 피부의 추정 나이 결정을 수행하도록 구성되는 하나 이상의 컴퓨터, 주문형 집적 회로(ASIC), 디지털 신호 프로세서(DSP), 또는 필드 프로그래밍 가능 게이트 어레이(FPGA)와 같은 하나 이상의 프로그래밍 가능 장치를 포함할 수 있다. 그러나, 추가적으로 또는 대안적으로, 처리 유닛은 또한 전체 또는 부분적으로 하드웨어로 구현될 수 있다. 처리 유닛은 적외선 분광기 또는 그 부품을 제어하도록 추가로 구성될 수 있다. 처리 유닛은 구체적으로 적어도 하나의 측정 사이클을 수행하도록 구성될 수 있다. 처리 유닛에 의해 결정된 정보는 추가 장치 중 적어도 하나 및/또는 사용자에게, 특히 전자적, 시각적, 청각적 또는 촉각적 방식 중 적어도 하나로 제공될 수 있다. 처리 장치에 의해 결정된 정보는 메모리 저장소 및/또는 별개의 저장 장치에 저장될 수 있고/있거나 무선 인터페이스 및/또는 유선 바운드 인터페이스와 같은 적어도 하나의 인터페이스를 통해 전달될 수 있다.
처리 유닛은 적어도 부분적으로 클라우드 기반일 수 있다. 본 명세서에서 사용되는 "클라우드 기반"이라는 용어는 광범위한 용어로서 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되어서는 안 된다. 이 용어는 구체적으로 처리 유닛 또는 처리 유닛의 일부를 상호연결된 외부 장치, 특히 더 큰 컴퓨팅 전력 및/또는 데이터 저장 용량을 갖는 컴퓨터 또는 컴퓨터 네트워크에 아웃소싱하는 것을 지칭할 수 있지만 이에 제한되지는 않는다. 외부 장치는 공간적으로 임의로 분산될 수 있다. 외부 장치는 시간이 지남에 따라, 특히 요청 시 달라질 수 있다. 외부 장치는 인터넷을 사용하여 상호연결될 수 있다. 외부 장치는 각각 무선 인터페이스 및/또는 유선 바운드 인터페이스와 같은 적어도 하나의 인터페이스, 특히 적어도 하나의 통신 인터페이스를 포함할 수 있다.
본 발명의 추가 양상에서, 컴퓨터 프로그램이 개시된다. 컴퓨터 프로그램은 프로그램이 시스템을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 시스템에 의해 실행될 때 시스템으로 하여금 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 방법; 훈련 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 훈련 방법 중 적어도 하나를 수행하게 하는 명령어를 포함한다.
본 발명의 추가 양상에서, 컴퓨터 판독가능 저장 매체가 개시된다. 컴퓨터 판독가능 저장 매체는 프로그램이 시스템을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 시스템에 의해 실행될 때 시스템으로 하여금 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 방법; 훈련 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예 중 어느 하나에 따른 훈련 방법 중 적어도 하나를 수행하게 하는 명령어를 포함한다. 컴퓨터 판독가능 저장 매체는 컴퓨터 실행가능 명령어가 저장되어 있는 하드웨어 저장 매체와 같은 비일시적 데이터 저장 수단을 지칭할 수 있다. 컴퓨터 판독가능 저장 매체는 구체적으로 랜덤 액세스 메모리(RAM) 및/또는 판독 전용 메모리(ROM)과 같은 적어도 하나의 저장 매체일 수 있거나 이를 포함할 수 있다.
본 발명에 따른 방법 및 장치는 공지된 방법 및 시스템에 비해 많은 이점을 제공할 수 있다. 특히, 분자 수준에서 피부에 대한 정보를 제공할 수 있으며 외부 간섭에 강할 수 있다. 따라서, 획득된 결과는 정확하고 신뢰할 수 있다. 특히, 본 발명에 따른 방법 및 시스템은 비파괴 측정 방법을 사용하여 각질층 너머의 더 깊은 피부층에 대한 정보를 전달할 수 있다. 측정은 1μm 내지 2.5μm의 파장 범위에서 측정할 수 있는 임의의 분광 장치를 사용하여 수행될 수 있으므로 널리 적용할 수 있다. 결과적으로, 본 발명에 따른 방법 및 시스템은 소정의 방식으로 피부에 영향을 미치는 특정 단계의 기초가 될 수 있는 피부 품질에 대한 의미 있는 정량적 파라미터를 정의하는 데 매우 적합할 수 있다. 이는 구체적으로 더 건강한 생활을 위한 특정하고 맞춤화된 제안이나 소정의 화장품 적용과 같은 피드백을 사용자에게 제공할 수 있다.
본 명세서에 사용된 "갖다", "포함하다"라는 용어 또는 이의 임의의 문법적 변형은 비배타적인 방식으로 사용된다. 따라서, 이들 용어는 이들 용어에 의해 소개된 특징 외에, 이 문맥에서 설명된 개체에 추가 특징이 존재하지 않는 상황과 하나 이상의 추가 특징이 존재하는 상황을 모두 지칭할 수 있다. 예를 들어, "A가 B를 갖는다", "A가 B를 포함한다"라는 표현은 모두 A에 B 외에 다른 요소가 존재하지 않는 상황(즉, A가 B로만 구성된 상황) 및 B 외에 요소 C, 요소 C와 D 또는 추가 요소와 같은 하나 이상의 추가 요소가 개체 A에 존재하는 상황을 지칭할 수 있다.
또한, 특징이나 요소가 한 번 이상 존재할 수 있음을 나타내는 "적어도 하나", "하나 이상"이라는 용어 또는 유사한 표현은 전형적으로 각각의 특징 또는 요소를 도입할 때 한 번만 사용된다는 점에 유의해야 한다. 대부분의 경우, 각각의 특징이나 요소를 언급할 때, 각각의 특징이나 요소가 한 번 또는 두 번 이상 존재할 수 있다는 사실에도 불구하고 "적어도 하나" 또는 "하나 이상"이라는 표현은 반복되지 않는다.
또한, 본 명세서에 사용된 "바람직하게", "더 바람직하게", "특히", "더 구체적으로", "구체적으로", "더 구체적으로"라는 용어 또는 유사한 용어는 선택적인 특징과 함께 사용되지만, 대체 가능성을 제한하지 않는다. 따라서, 이러한 용어에 의해 소개된 특징은 선택적인 특징이며 어떤 방식으로든 청구범위를 제한하려는 것이 아니다. 본 발명은 당업자가 인식하는 바와 같이 대안적인 특징을 사용하여 수행될 수 있다. 유사하게, "본 발명의 실시예에서" 또는 유사한 표현에 의해 도입된 특징은 본 발명의 대안적인 실시예에 관한 어떠한 제한도 없고, 본 발명의 범위에 관한 어떠한 제한도 없으며, 이러한 방식으로 도입된 특징을 본 발명의 다른 선택적 또는 비선택적 특징과 결합할 가능성에 관한 어떠한 제한도 없이 선택적인 특징인 것으로 의도된다.
추가적인 가능한 실시예를 요약하되 배제하지 않고, 다음의 실시예가 예상될 수 있다:
실시예 1: 생명체, 구체적으로 인간의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법으로서,
i. 스펙트럼 측정 범위에 걸쳐 생명체의 피부의 적어도 한 부분의 적어도 하나의 샘플 반사 스펙트럼을 사용하는 단계 - 스펙트럼 측정 범위는 1μm 내지 2.5μm의 파장 범위 중 적어도 한 부분을 포함함 - 와,
ii. 샘플 반사 스펙트럼에 적어도 하나의 훈련된 훈련 가능한 모델을 적용함으로써 생명체의 피부의 추정 나이를 결정하는 단계를 포함하되,
- 훈련 가능한 모델은 복수의 라벨링된 기준 반사 스펙트럼을 포함하는 훈련 데이터세트에 대해 훈련되며, 기준 반사 스펙트럼 각각은 단계 i의 샘플 반사 스펙트럼의 스펙트럼 측정 범위와 적어도 부분적으로 중첩되는 스펙트럼 범위에 걸쳐 획득되고,
- 기준 반사 스펙트럼 각각은 나이가 알려진 생물 시험체의 피부의 적어도 한 부분의 반사 스펙트럼이며,
- 기준 반사 스펙트럼은 적어도 대응하는 생물 시험체의 알려진 나이로 적어도 부분적으로 라벨링되는, 컴퓨터로 구현되는 방법.
실시예 2: 실시예 1에 있어서, 스펙트럼 측정 범위와 기준 반사 스펙트럼의 스펙트럼 범위는 동일한, 컴퓨터로 구현되는 방법.
실시예 3: 실시예 1 또는 2에 있어서, 샘플 반사 스펙트럼을 샘플 반사 스펙트럼으로부터 도출되는 전처리된 샘플 반사 스펙트럼으로 대체하는 단계를 더 포함하며, 전처리된 샘플 반사 스펙트럼은 구체적으로 샘플 반사 스펙트럼의 1차 이상의 도함수; 샘플 반사 스펙트럼의 강력한 정규 변량 변환; 샘플 반사 스펙트럼을 필터링하여 결정된 필터링된 스펙트럼; 샘플 반사 스펙트럼의 스케일링 중 적어도 하나를 포함하고, 스케일링은 단위 스케일링, 표준 정규 변량 및 범위 스케일링 중 적어도 하나를 포함하는, 컴퓨터로 구현되는 방법.
실시예 4: 실시예 1 내지 3 중 어느 하나에 있어서, 훈련 가능한 모델은 주성분 분석 모델; 회귀 모델, 구체적으로 부분 최소 제곱 회귀 모델; 주성분 회귀 모델; 라소 회귀 모델; 최인접 모델; 인공 신경망, 구체적으로 심층 신경망, 합성곱 신경망, 순환 신경망, 장단기 신경망으로 구성된 그룹으로부터 선택된 인공 신경망; 서포트 벡터 머신 모델; 결정 트리 분류기 모델; 결정 트리 분류, 구체적으로 랜덤 포레스트 분류기 및 부스팅된 결정 트리 분류기 중 적어도 하나로 구성된 그룹으로부터 선택되는, 컴퓨터로 구현되는 방법.
실시예 5: 실시예 1 내지 4 중 어느 하나에 있어서, 생명체의 피부의 부분과 생물 시험체의 피부의 부분은 신체의 동일한 영역에 있는, 컴퓨터로 구현되는 방법.
실시예 6: 실시예 1 내지 5 중 어느 하나에 있어서, 생명체의 피부의 부분과 생물 시험체의 피부의 부분은, 각각 생명체 또는 생물 시험체의 관자놀이에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 이마에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 얼굴에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 목에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 팔뚝에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 모발로 강하게 덮여 있지 않은 피부 부분 및/또는 모발이 없는 피부 부분으로 구성된 그룹으로부터 선택된 부분이고, 적어도 피부 부분의 최대 20%, 구체적으로 최대 10%, 보다 구체적으로 최대 5%의 허용오차까지 모발로 덮여 있는, 컴퓨터로 구현되는 방법.
실시예 7: 실시예 1 내지 6 중 어느 하나에 있어서, 스펙트럼 측정 범위에 걸쳐 생명체의 피부의 적어도 한 부분의 적어도 하나의 샘플 반사 스펙트럼을 제공하는 단계를 더 포함하되, 스펙트럼 측정 범위는 1μm 내지 2.5μm의 파장 범위 중 적어도 한 부분을 포함하는, 컴퓨터로 구현되는 방법.
실시예 8: 실시예 1 내지 7 중 어느 하나에 있어서, 방법은 단계 ii에서 사용하기 위해 훈련 가능한 모델을 훈련시키기 위한 적어도 하나의 훈련 단계를 더 포함하고, 훈련 단계는 단계 ii에서 정의된 바와 같이 라벨링된 기준 반사 스펙트럼을 제공하는 것을 포함하며, 방법은 지도 및 준지도 러닝 아키텍처 중 적어도 하나를 사용하는 단계를 더 포함하는, 컴퓨터로 구현되는 방법.
실시예 9: 인간에게 적어도 하나의 권고를 제공하는 컴퓨터로 구현되는 방법으로서,
I. 실시예 1 내지 8 중 어느 하나에 따른 방법을 사용하여 인간의 피부의 추정 나이를 결정하는 단계와,
II. 인간의 추정 나이에 기초하여 인간에 대한 적어도 하나의 권고를 자동으로 선택하는 단계를 포함하는, 컴퓨터로 구현되는 방법.
실시예 10: 실시예 9에 있어서, 적어도 하나의 권고는 미용 치료 권고, 구체적으로 보습제 및 오일 함유 스킨 크림 중 적어도 하나를 사용한 치료; 영양적 권고; 약 사용 및 약물 사용 중 적어도 하나에 관한 권고; 햇빛 및 자외선 방사선 중 적어도 하나에 대한 노출에 관한 권고; 자외선 차단제 사용에 관한 권고; 의료 상담을 구하라는 권고; 수면 습관에 관한 권고; 운동에 관한 권고; 스트레스 노출에 관한 권고; 휴식 및 휴가 중 적어도 하나에 대한 필요성에 관한 권고 중 적어도 하나를 지칭하는, 컴퓨터로 구현되는 방법.
실시예 11: 실시예 9 또는 10에 있어서, 단계 II에서, 권고는 인간의 추정 나이와 상기 인간의 실제 나이 사이의 불일치에 기초하여 선택되는, 컴퓨터로 구현되는 방법.
실시예 12: 실시예 9 내지 11 중 어느 하나에 있어서, 적어도 하나의 권고를 자동으로 선택하는 단계는, 적어도 하나의 권고에 대한 추정 나이와 인간의 추정 나이와 인간의 실제 나이 사이의 불일치 중 적어도 하나와 관련된 적어도 하나의 관계를 이용하여 수행되는, 컴퓨터로 구현되는 방법.
실시예 13: 생명체의 피부의 추정 나이를 광학적으로 결정하는 방법을 참조하는 실시예 1 내지 8 중 어느 하나에 따른 방법의 단계 ii에서 사용하기 위해 훈련 가능한 모델을 훈련시키는 컴퓨터로 구현되는 훈련 방법으로서, 방법은 단계 ii에서 정의된 대로 훈련 데이터세트에 대해 훈련 가능한 모델을 훈련시키는 단계를 포함하는, 컴퓨터로 구현되는 훈련 방법.
실시예 14: 생명체의 피부의 추정 나이를 광학적으로 결정하는 시스템으로서, 시스템은 생명체의 피부의 추정 나이를 광학적으로 결정하는 방법을 참조하는 실시예 1 내지 8 중 어느 하나에 따른 방법을 수행하도록 구성되며, 시스템은,
A. 적어도 하나의 샘플 반사 스펙트럼을 획득하도록 구성된 적어도 하나의 적외선 분광기와,
B. 단계 ii에 따라 생명체의 피부의 추정 나이 결정을 수행하도록 구성된 적어도 하나의 처리 유닛을 포함하는, 시스템.
실시예 15: 실시예 14에 있어서, 적외선 분광기는 벤치탑 NIR 분광기; 휴대용 NIR 분광기; 적어도 하나의 웨어러블 장치, 구체적으로 스마트워치와 스마트폰으로 구성된 그룹으로부터 선택된 적어도 하나의 웨어러블 장치의 일부인 분광학 모듈로 구성된 그룹으로부터 선택된 적어도 하나의 적외선 분광기를 포함하는, 시스템.
실시예 16: 실시예 14 또는 15에 있어서, 처리 유닛은 적어도 부분적으로 클라우드 기반인, 시스템.
실시예 17: 컴퓨터 프로그램으로서, 컴퓨터 프로그램은, 프로그램이 시스템을 참조하여 실시예 14 내지 16 중 어느 하나에 따른 시스템에 의해 실행될 때, 시스템으로 하여금 방법을 참조하여 실시예 1 내지 12 중 어느 하나에 따른 방법 및 컴퓨터로 구현되는 훈련 방법을 참조하여 실시예 13에 따른 컴퓨터로 구현되는 훈련 방법 중 적어도 하나를 수행하게 하는 명령어를 포함한다.
실시예 18: 컴퓨터 판독가능 저장 매체로서, 컴퓨터 판독가능 저장 매체는, 프로그램이 시스템을 참조하여 실시예 14 내지 16 중 어느 하나에 따른 시스템에 의해 실행될 때, 시스템으로 하여금 방법을 참조하여 실시예 1 내지 12 중 중 어느 하나에 따른 방법 및 훈련 방법을 참조하여 실시예 13에 따른 훈련 방법 중 적어도 하나를 수행하게 하는 명령어를 포함한다.
추가적인 선택적 특징 및 실시예는 바람직하게는 종속 청구항과 함께 실시예의 후속 설명에서 보다 상세하게 개시될 것이다. 여기서, 각각의 선택적 특징들은 당업자가 인식하는 바와 같이, 분리된 방식으로뿐만 아니라 임의의 실현 가능한 조합으로 구현될 수 있다. 본 발명의 범위는 바람직한 실시예들에 의해 제한되지 않는다. 실시예들은 도면에 개략적으로 도시되어 있다. 여기서, 본 도면에서 동일한 참조 번호는 동일하거나 기능적으로 비교 가능한 요소를 지칭한다.
도면에서:
도 1은 생명체의 피부의 추정 나이를 광학적으로 결정하는 시스템의 예시적인 실시예를 개략적으로 도시한다.
도 2는 생명체의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법의 실시예의 흐름도를 도시한다.
도 3a 내지 도 3e는 생명체의 피부의 예시적인 샘플 반사 스펙트럼을 도시한다.
도 4a 및 도 4b는 생명체의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법의 실시예를 사용하여 결정된 예시적인 추정 나이를 도시한다.
도 5는 인간에게 적어도 하나의 권고를 제공하는 컴퓨터로 구현되는 방법의 실시예의 흐름도를 도시한다.
도 6은 생명체의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법에 사용하기 위해 훈련 가능한 모델을 훈련시키는 컴퓨터로 구현되는 훈련 방법의 실시예의 흐름도를 도시한다.
도면에서:
도 1은 생명체의 피부의 추정 나이를 광학적으로 결정하는 시스템의 예시적인 실시예를 개략적으로 도시한다.
도 2는 생명체의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법의 실시예의 흐름도를 도시한다.
도 3a 내지 도 3e는 생명체의 피부의 예시적인 샘플 반사 스펙트럼을 도시한다.
도 4a 및 도 4b는 생명체의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법의 실시예를 사용하여 결정된 예시적인 추정 나이를 도시한다.
도 5는 인간에게 적어도 하나의 권고를 제공하는 컴퓨터로 구현되는 방법의 실시예의 흐름도를 도시한다.
도 6은 생명체의 피부의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법에 사용하기 위해 훈련 가능한 모델을 훈련시키는 컴퓨터로 구현되는 훈련 방법의 실시예의 흐름도를 도시한다.
도 1은 생명체, 특히 인간의 피부(112)의 추정 나이를 광학적으로 결정하는 시스템(110)의 예시적인 실시예를 개략적으로 도시한다. 시스템(110)은 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법을 더 상세히 참조하여 상기 또는 이하에서 개시된 실시예 중 어느 하나에 따라 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법을 수행하도록 구성된다. 피부(112)는 곡선 텍스처와 같은 임의의 텍스처를 포함할 수 있다. 시스템(110)은 적어도 하나의 샘플 반사 스펙트럼을 획득하도록 구성된 적어도 하나의 적외선 분광기(114)를 포함한다. 적외선 분광기(114)는 벤치탑 NIR 분광기; 휴대용 NIR 분광기; 적어도 하나의 웨어러블 장치, 특히 스마트워치 및 스마트폰으로 구성된 그룹으로부터 선택된 적어도 하나의 웨어러블 장치의 일부인 분광학 모듈로 구성된 그룹으로부터 선택된 적어도 하나의 적외선 분광기(114)를 포함할 수 있다.
도 1에 도시된 바와 같이, 시스템(110)은 적어도 하나의 하우징(116)을 포함할 수 있다. 하우징(116)은 시스템(110)의 구성 요소, 특히 적외선 분광기(114)를 적어도 부분적으로 포함할 수 있다. 이러한 방식으로, 적외선 분광기(114)의 구성요소는 보호될 수 있고 외부 광의 액세스가 방해될 수 있다. 그러나, 다른 종류의 배열도 생각할 수 있다. 적외선 분광기(114)는 광학 방사선(120), 특히 적외선 방사선(121)을 방출하도록 구성된 적어도 하나의 방사선 방출 요소(118)를 포함할 수 있다. 방사선 방출 요소(118)는 발광 다이오드 또는 레이저, 특히 레이저 다이오드 중 적어도 하나에서 선택될 수 있는 반도체 기반 방사 소스에 의해 구성될 수 있다. 그러나, 다른 종류의 방사선 방출 요소(118)도 실행 가능할 수 있다. 방사선 방출 요소(118)는 연속적으로 방출하거나 변조된 광학 펄스를 생성하도록 구성될 수 있다. 적외선 분광기(114)는 광학 방사선(120)을 수신하도록 지정된 적어도 하나의 감광 영역(124)을 포함하는 적어도 하나의 감광 검출기(122)를 더 포함할 수 있다. 감광 검출기(122)는 감광 영역(124)의 조명에 따라 적어도 하나의 검출기 신호를 생성하도록 구성될 수 있다. 적외선 분광기(114)는 적어도 하나의 광학 요소(126), 특히 적어도 하나의 광학 윈도우(128)를 포함할 수 있다. 적외선 분광기(114)는 광학 방사선(120)의 적어도 하나의 파장을 선택하도록 구성된 적어도 하나의 스펙트럼 이송 요소(130)를 포함할 수 있다. 스펙트럼 이송 요소(130)는 구체적으로 적어도 하나의 광학 필터(132)를 포함할 수 있다. 적외선 분광기(114)에 관한 더 자세한 내용은, 예를 들어 2020년 12월 2일에 출원된 EP 출원 번호 20211174.6을 참조할 수 있다.
시스템(110)은 생명체의 피부(112)의 추정 나이의 결정을 수행하도록 구성된 적어도 하나의 처리 유닛(134)을 더 포함한다. 처리 유닛(134)은 적어도 부분적으로 클라우드 기반일 수 있다. 다시 말해, 처리 유닛(134)은 클라우드 컴퓨팅 및 클라우드 저장 중 적어도 하나에 사용되는 클라우드(136)에 적어도 부분적으로 분산될 수 있다. 클라우드(136)는 구체적으로 하우징(116) 외부에 위치하는 적어도 하나의 외부 장치(138), 예를 들어 컴퓨터 또는 컴퓨터 네트워크를 포함할 수 있다. 외부 장치(138)는 데이터 이송을 위한 적어도 하나의 인터페이스(140)에 의해 적외선 분광기(114), 특히 하우징(116) 내부에 위치하는 처리 유닛(134)의 일부에 연결될 수 있다. 인터페이스(140)는 무선 및/또는 유선 바인딩될 수 있다.
도 1이 도시하는 바와 같이, 방사선 방출 요소(118)는 생명체의 피부(112)를 향해 입사 광학 방사선(142)으로서 광학 방사선(120), 구체적으로 적외선 방사선(121)을 방출할 수 있다. 입사 광학 방사선(142)은 피부(112)에 도달하기 전에 광학 요소(126), 특히 광학 윈도우(128)를 통과할 수 있다. 피부(112)는 반사된 광학 방사선(144)의 형태로 감광 검출기(122)의 감광 영역(124)을 향해 광학 방사선(120)을 적어도 부분적으로 반사, 특히 확산적으로 반사할 수 있다. 또한, 피부는 입사 광학 방사선(142)을 적어도 부분적으로 흡수할 수 있다. 반사된 광학 방사선(144)은 감광 영역(124)에 도달하기 전에 광학 요소(126), 특히 광학 윈도우(128)를 통과할 수 있다. 반사된 광학 방사선(140)은 감광 영역(124)에 도달하기 전에 스펙트럼 이송 요소(130), 특히 광학 필터(132)를 더 통과할 수 있다. 감광 검출기(122)는 감광 영역(124)의 대응하는 조명에 따라 적어도 하나의 검출기 신호를 생성할 수 있다. 감광 검출기(122)는 추가 처리를 위해 처리 유닛(134)을 향해 검출기 신호를 구체적으로 전송할 수 있다. 처리 유닛(134)은 추가 처리 및/또는 저장을 위해 클라우드(136) 내에 검출기 신호를 사용하여 생성된 정보의 적어도 하나의 항목을 배포할 수 있다.
도 2는 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법의 실시예의 흐름도를 도시한다. 방법은 다음과 같은 방법 단계를 포함한다:
i. (참조 번호 146으로 표시됨) 스펙트럼 측정 범위에 걸쳐 생명체의 피부(112)의 적어도 하나의 일부의 적어도 하나의 샘플 반사 스펙트럼을 사용하는 단계, 스펙트럼 측정 범위는 1㎛ 내지 2.5㎛의 파장 범위의 적어도 하나의 일부를 포함하며; 및
ii. (참조 번호 148로 표시됨) 샘플 반사 스펙트럼에 적어도 하나의 훈련된 훈련 가능한 모델을 적용하여 생명체의 피부(112)의 추정 나이를 결정하는 단계,
- 여기서, 훈련 가능한 모델은 복수의 라벨링된 기준 반사 스펙트럼을 포함하는 훈련 데이터세트에 대해 훈련되고, 각각의 기준 반사 스펙트럼은 단계 i의 샘플 반사 스펙트럼의 스펙트럼 측정 범위와 적어도 부분적으로 겹치는 스펙트럼 범위에 걸쳐 획득되며,
- 여기서, 각각의 기준 반사 스펙트럼은 알려진 나이를 갖는 생물 시험체의 피부(112)의 적어도 한 부분의 반사 스펙트럼이고,
- 여기서, 기준 반사 스펙트럼은 적어도 대응하는 생물 시험체의 알려진 나이로 적어도 부분적으로 라벨링된다.
방법 단계는 주어진 순서로 수행될 수 있다. 그러나, 상이한 순서도 가능할 수 있다는 점에 유의해야 한다. 방법은 열거되지 않은 추가적인 방법 단계를 포함할 수 있다. 또한, 방법 단계 중 하나 이상은 한 번 또는 반복적으로 수행될 수 있다. 또한, 두 개 이상의 방법 단계가 동시에 또는 적시 중첩되는 방식으로 수행될 수 있다.
스펙트럼 측정 범위와 기준 반사 스펙트럼의 스펙트럼 범위는 동일할 수 있다. 이 방법은 샘플 반사 스펙트럼을 샘플 반사 스펙트럼으로부터 도출되는 전처리된 샘플 반사 스펙트럼으로 대체하는 단계를 더 포함할 수 있다. 전처리된 샘플 반사 스펙트럼은 구체적으로 샘플 반사 스펙트럼의 1차 이상 도함수, 샘플 반사 스펙트럼의 강력한 정규 변량 변환, 샘플 반사 스펙트럼을 필터링하여 결정된 필터링된 스펙트럼, 샘플 반사 스펙트럼의 스케일링 중 적어도 하나를 포함할 수 있고, 스케일링은 단위 스케일링, 표준 정규 변량 및 범위 스케일링 중 적어도 하나를 포함할 수 있다. 훈련 가능한 모델은 다음으로 구성된 그룹에서 선택될 수 있다: 주성분 분석 모델, 회귀 모델, 구체적으로 부분 최소 제곱 회귀 모델, 주성분 회귀 모델, 라소 회귀 모델 및/또는 라소 회귀자, 최인접 모델, 인공 신경망, 구체적으로 심층 신경망, 합성곱 신경망, 순환 신경망, 장단기 신경망으로 구성된 그룹으로부터 선택된 인공 신경망, 서포트 벡터 머신 모델, 결정 트리 분류기 모델, 결정 트리 분류, 구체적으로 랜덤 포레스트 분류기 및 부스팅된 결정 트리 분류기 중 적어도 하나. 생명체의 피부(112)의 일부와 생물 시험체의 피부(112)의 일부는 신체의 동일한 영역의 일부분일 수 있다. 생명체의 피부(112)의 일부 및 생물 시험체의 피부(112)의 일부는 다음과 같이 구성된 그룹으로부터 선택된 일부분일 수 있다: 각각 생명체 또는 생물 시험체의 관자놀이에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 이마에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 얼굴에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 목에 있는 피부 부분; 각각 생명체 또는 생물 시험체의 팔뚝에 있는 피부 부분; 각각 모발로 강하게 덮여 있지 않은 피부 부분 및/또는 생명체 또는 생물 시험체의 모발이 없는 피부 부분, 예를 들어, 모발이 있는 피부 표면/총 피부 표면의 면적 비율이 20% 이하, 구체적으로 10% 이하, 보다 구체적으로 5% 이하까지 모발로 덮여 있는 피부 부분. 이 방법은, 스펙트럼 측정 범위에 걸쳐 생명체의 피부(112)의 적어도 하나의 부분의 적어도 하나의 샘플 반사 스펙트럼을 제공하는 단계를 더 포함할 수 있으며, 스펙트럼 측정 범위는 1 μm 내지 2.5 μm의 파장 범위의 적어도 한 부분을 포함한다.
이 방법은 단계 ii에서 사용하기 위해 훈련 가능한 모델을 훈련시키는 적어도 하나의 훈련 단계(150)를 더 포함할 수 있다. 훈련 단계(150)는 단계 ii에 정의된 바와 같이 라벨링된 기준 반사 스펙트럼을 제공하는 단계를 포함할 수 있다. 이 방법은 지도 및 준지도 딥 러닝 아키텍처 중 적어도 하나를 사용하는 단계를 더 포함할 수 있다. 훈련 단계(150)는 또한 기준 반사 스펙트럼을 획득하고, 적어도 부분적으로, 기준 반사 스펙트럼을 라벨링하는 단계를 포함할 수 있다. 따라서, 훈련 단계(150)는,
- 복수의 시험체를 제공하는 단계, 시험체는 알려진 나이를 가짐,
- 시험체의 기준 반사 스펙트럼을 획득하는 단계, 및
- 적어도 부분적으로 기준 반사 스펙트럼을 각각의 알려진 나이로 라벨링하는 단계를 포함할 수 있다.
이에 따라, 라벨링된 기준 반사 스펙트럼을 포함하는 훈련 데이터 세트가 모일 수 있다. 훈련 데이터 세트를 사용하여, 훈련 가능한 모델이 훈련될 수 있으며, 이에 따라, 예로서, 훈련된 훈련 가능한 모델이 나이가 알려지지 않은 생명체의 샘플 반사 스펙트럼에 적용될 때, 생명체의 나이가 추정될 수 있도록 훈련 가능한 모델의 파라미터를 조정 및/또는 최적화할 수 있다.
도 3a - 3e는 생명체, 특히 인간의 피부(112)의 예시적인 샘플 반사 스펙트럼을 도시한다. 도 3a는 8세 인간, 39세 인간 및 59세 인간의 피부(112)의 측정된 흡광도를 도시한다. 흡광도는 브루커사의 FT-NIR 다목적 분석기(MPA)를 반사 모드에서 사용하여 측정했으며 도면에서 임의의 단위로 제공된다. 도면에서 "흡광도"라는 용어는 라틴 문자 A로 약칭하고 "파장"이라는 용어는 그리스 문자 λ로 표시한다. 8세 인간을 대상으로 측정한 흡광도는 참조 번호 152로 표시되며 연속된 선으로 인쇄된다. 39세 인간을 대상으로 측정한 흡광도는 참조 번호 154로 표시되며 파선으로 인쇄된다. 59세 인간을 대상으로 측정한 흡광도는 참조 번호 156으로 표시되고 점선으로 인쇄된다. 특히, 도 3a에서 39세 인간과 59세 인간을 대상으로 측정한 흡광도는 서로 가깝게 놓여 있다. 그러나, 도 3b 내지 도 3e에 관하여 아래에 볼 수 있듯이, 측정된 흡광도를 적절히 전처리하면 나이에 따른 몇 가지 특징이 명확하게 드러날 것이다.
도 3b와 도 3c는 선택된 파장에 대한 해당 전처리된 흡광도를 임의의 단위로 도시한다. 도면에서 "전처리된 흡광도"라는 용어는 PPA로 약칭된다. 8세 인간의 전처리된 흡광도는 참조 번호 158로 표시되며 연속된 선으로 인쇄되어 있다. 39세 인체의 전처리된 흡광도는 참조 번호 160으로 표시되며 점선으로 인쇄된다. 59세 인간의 전처리된 흡광도는 참조 번호 162로 표시되며 점선으로 인쇄된다. 도 3b 및 도 3c의 전처리된 흡광도 PPA를 얻기 위해, 측정된 흡광도 A는 Guo, Qian, Wen Wu 및 D. L. Massart "근적외선 데이터로 패턴 인식을 위한 강력한 정규 변량 변환." 분석 화학 학회지 382.1-2 (1999): 87-103에 설명된 대로 강력한 정규 변량 변환과 50% 퍼센타일을 사용하여 정규화되었다. 그 후, Hopkins, David W "노리스 도함수란 무엇인가?" NIR 뉴스 12.3 (2001): 3-5에 설명된 대로 노리스 도함수 필터를 사용하여 2차 도함수가 형성되었다. 그 후, 특징을 단위 구체로 변환하는 데 단위 스케일링이 사용되었으며, 특히 유클리드 노름이 사용될 수 있다. 그 후, 부분 최소 제곱 회귀가 Abdi, Herve "부분 최소 제곱 회귀(PLS 회귀)" 사회과학 연구 방법 백과사전 6.4 (2003): 792-795에 설명된 대로 적용되었다. 도 3b와 도 3c는 분석된 인간의 알려진 변화하는 나이에 따라 전처리된 흡광도의 여러 특징이 뚜렷하게 변화하는 것을 도시한다. 예를 들어, 도 3b에서는 1720 nm 내지 1760 nm의 파장 범위에서 나이가 감소함에 따라 전처리된 흡광도의 최대값과 최소값이 더 두드러진다. 또 다른 예로, 도 3c에서, 1840 nm 내지 1900 nm의 파장 범위에서, 전처리된 흡광도의 최대값은 나이가 감소함에 따라 더 높은 파장 λ로 이동한다. 고령에서 젊은 연령으로의 진행은 도 3b와 도 3c에서 화살표 164로 표시된다.
도 3d 및 도 3e에서 볼 수 있듯이, 8세 인간, 39세 인간 및 59세 인간에 대한 전처리된 흡광도와 관련하여 위에서 설명한 경향은 더 큰 인간 그룹에 대해서도 분명하며 따라서 통계적으로 신뢰할 수 있다. 도 3d와 도 3e의 경우, 8세부터 59세까지 범위의 알려진 나이를 가진 총 29명의 인간을 분석했다. "알려진 나이"라는 용어는 "실제 나이"라고도 하며, 도면에서는 KA로 약칭된다. 도 3b와 유사하게, 도 3d에서는 1720 nm 내지 1760 nm의 파장 범위에서, 전처리된 흡광도의 최대값과 최소값이 나이 감소의 경우 더 두드러진다는 것은 분명하다. 도 3c와 유사하게, 도 3e에서는 1840 nm 내지 1900 nm의 파장 범위에서 전처리된 흡광도의 최대값이 나이이 감소의 경우 더 높은 파장 λ쪽으로 이동하는 것은 분명하다. 이전과 마찬가지로, 도 3d 및 도 3e의 화살표 164는 고령에서 젊은 연령으로의 설명된 진행을 나타낸다. 따라서, 예를 들어, 이러한 결과에 기초하여, 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법의 단계 ii에서 사용된 훈련 가능한 모델을 훈련시키고, 더 나아가 피부(112)의 추정 나이를 미지의 샘플에 할당할 수 있다.
도 4a 및 도 4b는 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법의 실시예를 사용하여 결정된 피부(112)의 예시적 추정 나이를 도시한다. "추정 나이"라는 용어는 도면에서는 EA로 약칭된다. 분석된 각 인간에 대해 20개의 독립적인 측정이 수행되었다. 측정된 샘플 반사 스펙트럼은 피부(112)의 추정 연령을 결정하기 위해 훈련된 훈련 가능 모델이 적용되기 전에 위에서 설명한 대로 후속적으로 전처리되었다. 도 4a에서는 서로 다른 인간마다 원 또는 십자가와 같은 상이한 기호가 사용된다. 도 4b에서, 원은 인간의 관자놀이의 피부(112)가 분석되었음을 나타내고, 십자가는 인간의 이마의 피부(112)가 분석되었음을 나타낸다. 도 4b의 경우, 분석된 각 인간마다 관자놀이의 피부(112)에 대해 10회의 측정이 수행되었고, 이마의 피부(112)에 대해 10회의 측정이 수행되었다. 도 4a와 도 4b는 x축에 있는 인간의 알려진 나이와 y축에 있는 인간의 피부(112)의 추정 나이 사이에 명확한 상관관계가 있음을 보여준다. 일반적으로, 생명체의 알려진 나이와 생명체의 추정 나이 사이의 편차는 적어도 하나의 권고를 제공하는 데 사용될 수 있다.
도 5는 인간에게 적어도 하나의 권고를 제공하는 컴퓨터로 구현되는 방법의 실시예에 대한 흐름도를 도시한다. 이 방법은 다음과 같은 방법 단계들을 포함한다:
I. (참조 번호 166으로 표시됨) 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예들 중 어느 하나에 따른 방법을 사용하여 인간의 피부(112)의 추정 연령을 결정하는 단계; 및
II. (참조 번호 168로 표시됨) 인간의 추정 나이에 기초하여 인간에 대한 적어도 하나의 권고를 자동으로 선택하는 단계.
방법 단계는 주어진 순서대로 수행될 수 있다. 그러나, 다른 순서도 가능할 수 있다는 점에 유의해야 한다. 방법은 나열되지 않은 추가적인 방법 단계를 포함할 수 있다. 또한, 하나 이상의 방법 단계는 한 번 또는 반복적으로 수행될 수 있다. 또한, 방법 단계 중 둘 이상은 동시에 또는 적시 중첩되는 방식으로 수행될 수 있다.
적어도 하나의 권고는 다음 중 적어도 하나를 지칭할 수 있다: 미용 치료 권고, 특히 보습제 및 오일 함유 스킨 크림 중 적어도 하나를 사용한 치료; 영양적 권고; 약 사용 및 약물 사용 중 적어도 하나에 관한 권고; 햇빛 및 자외선 방사선중 적어도 하나에 대한 노출에 관한 권고; 자외선 차단제 사용에 관한 권고; 의료 상담을 구하라는 권고; 수면 습관에 관한 권고; 운동에 관한 권고; 스트레스 노출에 관한 권고; 휴식 및 휴가 중 적어도 하나에 대한 필요성에 관한 권고. 단계 II에서는 인간의 추정 나이와 인간의 실제 나이 간의 불일치에 기초하여 권고가 선택될 수 있다. 적어도 하나의 권고를 자동으로 선택하는 것은 추정 나이와 인간의 추정 나이와 인간의 실제 나이 사이의 불일치 중 적어도 하나를 적어도 하나의 권고와 연관시키는 적어도 하나의 관계를 사용하여 수행될 수 있다. 관계는 룩업 테이블, 알고리즘 및 모델 중 적어도 하나를 포함할 수 있다.
도 6은 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법을 더 상세히 참조하여 위 또는 아래에 개시된 실시예들 중 어느 하나에 따라 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법의 단계 ii에서 사용하기 위한 훈련 가능한 모델을 훈련시키는 컴퓨터로 구현되는 훈련 방법의 실시예의 흐름도를 도시한다. 훈련 방법(참조 번호 170으로 표시됨)은 단계 ii에 정의된 바와 같이 훈련 데이터세트에 대해 훈련 가능한 모델을 훈련하는 단계를 포함한다.
이 방법은 열거되지 않은 추가적인 방법 단계를 포함할 수 있다. 또한, 하나 이상의 방법 단계는 한 번 또는 반복적으로 수행될 수 있다. 또한, 방법 단계 중 2개 이상이 동시에 또는 적시 중첩되는 방식으로 수행될 수 있다.
본 발명의 컴퓨터 구현 양상을 참조하면, 본 명세서에 개시된 하나 이상의 실시예에 따른 방법의 방법 단계 중 하나 이상 또는 모든 방법 단계가 컴퓨터 또는 컴퓨터 네트워크를 사용하여 수행될 수 있다. 따라서, 일반적으로, 데이터의 제공 및/또는 조작을 포함하는 임의의 방법 단계는 컴퓨터 또는 컴퓨터 네트워크를 사용하여 수행될 수 있다. 일반적으로, 이러한 방법 단계는 전형적으로 샘플 제공 및/또는 실제 측정 수행의 소정 양상과 같은 수동 작업이 필요한 방법 단계를 제외하고 임의의 방법 단계를 포함할 수 있다.
110 추정 나이를 광학적으로 결정하는 시스템
112 생명체의 피부
114 적외선 분광기
116 하우징
118 방사선 방출 요소
120 광학 방사선
121 적외선 방사선
122 감광 검출기
124 감광 영역
126 광학 요소
128 광학 윈도우
130 스펙트럼 이송 요소
132 광학 필터
134 처리 유닛
136 클라우드
138 외부 장치
140 인터페이스
142 입사 광학 방사선
144 반사 광학 방사선
146 방법 단계 i
148 방법 단계 ii
150 훈련 단계
152 8세 인간의 측정된 흡광도
154 39세 인간의 측정된 흡광도
156 59세 인간의 측정된 흡광도
158 8세 인간의 전처리된 흡광도
160 39세 인간의 전처리된 흡광도
162 59세 인간의 전처리된 흡광도
164 고령에서 젊은 연령으로의 진행을 나타내는 화살표
166 방법 단계 I
168 방법 단계 II
170 훈련 방법
A 흡광도
λ 파장
PPA 전처리된 흡광도
KA 알려진 나이
EA 추정 나이
112 생명체의 피부
114 적외선 분광기
116 하우징
118 방사선 방출 요소
120 광학 방사선
121 적외선 방사선
122 감광 검출기
124 감광 영역
126 광학 요소
128 광학 윈도우
130 스펙트럼 이송 요소
132 광학 필터
134 처리 유닛
136 클라우드
138 외부 장치
140 인터페이스
142 입사 광학 방사선
144 반사 광학 방사선
146 방법 단계 i
148 방법 단계 ii
150 훈련 단계
152 8세 인간의 측정된 흡광도
154 39세 인간의 측정된 흡광도
156 59세 인간의 측정된 흡광도
158 8세 인간의 전처리된 흡광도
160 39세 인간의 전처리된 흡광도
162 59세 인간의 전처리된 흡광도
164 고령에서 젊은 연령으로의 진행을 나타내는 화살표
166 방법 단계 I
168 방법 단계 II
170 훈련 방법
A 흡광도
λ 파장
PPA 전처리된 흡광도
KA 알려진 나이
EA 추정 나이
Claims (13)
- 생명체, 구체적으로 인간의 피부(112)의 추정 나이를 광학적으로 결정하는 컴퓨터로 구현되는 방법으로서,
i. 스펙트럼 측정 범위에 걸쳐 상기 생명체의 상기 피부(112)의 적어도 한 부분의 적어도 하나의 샘플 반사 스펙트럼을 사용하는 단계 - 상기 스펙트럼 측정 범위는 1μm 내지 2.5μm의 파장 범위 중 적어도 한 부분을 포함함 - 와,
ii. 상기 샘플 반사 스펙트럼에 적어도 하나의 훈련된 훈련 가능한 모델을 적용함으로써 상기 생명체의 상기 피부(112)의 추정 나이를 결정하는 단계를 포함하되,
- 상기 훈련 가능한 모델은 복수의 라벨링된 기준 반사 스펙트럼을 포함하는 훈련 데이터세트에 대해 훈련되며, 상기 기준 반사 스펙트럼 각각은 단계 i의 상기 샘플 반사 스펙트럼의 상기 스펙트럼 측정 범위와 적어도 부분적으로 중첩되는 스펙트럼 범위에 걸쳐 획득되고,
- 상기 기준 반사 스펙트럼 각각은 나이가 알려진 생물 시험체의 피부(112)의 적어도 한 부분의 반사 스펙트럼이며,
- 상기 기준 반사 스펙트럼은 적어도 대응하는 생물 시험체의 알려진 나이로 적어도 부분적으로 라벨링되고,
- 상기 훈련 가능한 모델은 주성분 분석 모델; 회귀 모델, 구체적으로 부분 최소 제곱 회귀 모델; 주성분 회귀 모델; 라소 회귀 모델; 최인접 모델; 인공 신경망, 구체적으로 심층 신경망, 합성곱 신경망, 순환 신경망, 장단기 신경망으로 구성된 그룹으로부터 선택된 인공 신경망; 서포트 벡터 머신 모델; 결정 트리 분류기 모델; 결정 트리 분류, 구체적으로 랜덤 포레스트 분류기 및 부스팅된 결정 트리 분류기 중 적어도 하나로 구성된 그룹으로부터 선택되며,
상기 방법은 단계 ii에서 사용하기 위해 상기 훈련 가능한 모델을 훈련시키기 위한 적어도 하나의 훈련 단계를 더 포함하고, 상기 훈련 단계는 단계 ii에서 정의된 바와 같이 상기 라벨링된 기준 반사 스펙트럼을 제공하는 것을 포함하며, 상기 방법은 지도 및 준지도 러닝 아키텍처 중 적어도 하나를 사용하는 단계를 더 포함하는,
컴퓨터로 구현되는 방법.
- 제1항에 있어서,
상기 스펙트럼 측정 범위와 상기 기준 반사 스펙트럼의 스펙트럼 범위는 동일한,
컴퓨터로 구현되는 방법.
- 제1항 또는 제2항에 있어서,
상기 샘플 반사 스펙트럼을 상기 샘플 반사 스펙트럼으로부터 도출되는 전처리된 샘플 반사 스펙트럼으로 대체하는 단계를 더 포함하며,
상기 전처리된 샘플 반사 스펙트럼은 구체적으로 상기 샘플 반사 스펙트럼의 1차 이상의 도함수; 상기 샘플 반사 스펙트럼의 강력한 정규 변량 변환; 상기 샘플 반사 스펙트럼을 필터링하여 결정된 필터링된 스펙트럼; 상기 샘플 반사 스펙트럼의 스케일링 중 적어도 하나를 포함하고, 상기 스케일링은 단위 스케일링, 표준 정규 변량 및 범위 스케일링 중 적어도 하나를 포함하는,
컴퓨터로 구현되는 방법.
- 제1항 내지 제3항 중 어느 한 항에 있어서,
상기 생명체의 상기 피부(112)의 부분과 상기 생물 시험체의 상기 피부(112)의 부분은 신체의 동일한 영역에 있는,
컴퓨터로 구현되는 방법.
- 제1항 내지 제4항 중 어느 한 항에 있어서,
상기 생명체의 상기 피부(112)의 부분과 상기 생물 시험체의 상기 피부(112)의 부분은, 각각 상기 생명체 또는 상기 생물 시험체의 관자놀이에 있는 피부 부분; 각각 상기 생명체 또는 상기 생물 시험체의 이마에 있는 피부 부분; 각각 상기 생명체 또는 상기 생물 시험체의 얼굴에 있는 피부 부분; 각각 상기 생명체 또는 상기 생물 시험체의 목에 있는 피부 부분; 각각 상기 생명체 또는 상기 생물 시험체의 팔뚝에 있는 피부 부분; 각각 상기 생명체 또는 상기 생물 시험체의 본질적으로 모발로 덮여 있지 않은 피부 부분 및/또는 모발이 없는 피부 부분으로 구성된 그룹으로부터 선택된 부분이고, 적어도 상기 피부 부분의 최대 20%의 허용오차까지 모발로 덮여 있는,
컴퓨터로 구현되는 방법.
- 제1항 내지 제5항 중 어느 한 항에 있어서,
스펙트럼 측정 범위에 걸쳐 상기 생명체의 상기 피부(112)의 적어도 한 부분의 상기 적어도 하나의 샘플 반사 스펙트럼을 제공하는 단계를 더 포함하되,
상기 스펙트럼 측정 범위는 상기 1μm 내지 2.5μm의 파장 범위 중 적어도 한 부분을 포함하는,
컴퓨터로 구현되는 방법.
- 인간에게 적어도 하나의 권고를 제공하는 컴퓨터로 구현되는 방법으로서,
I. 제1항 내지 제6항 중 어느 한 항에 따른 방법을 사용하여 상기 인간의 상기 피부(112)의 추정 나이를 결정하는 단계와,
II. 상기 인간의 추정 나이에 기초하여 상기 인간에 대한 상기 적어도 하나의 권고를 자동으로 선택하는 단계
를 포함하는,
컴퓨터로 구현되는 방법.
- 제7항에 있어서,
상기 적어도 하나의 권고는 미용 치료 권고, 구체적으로 보습제 및 오일 함유 스킨 크림 중 적어도 하나를 사용한 치료; 영양적 권고; 약 사용 및 약물 사용 중 적어도 하나에 관한 권고; 햇빛 및 자외선 방사선 중 적어도 하나에 대한 노출에 관한 권고; 자외선 차단제 사용에 관한 권고; 의료 상담을 구하라는 권고; 수면 습관에 관한 권고; 운동에 관한 권고; 스트레스 노출에 관한 권고; 휴식 및 휴가 중 적어도 하나에 대한 필요성에 관한 권고 중 적어도 하나를 지칭하는,
컴퓨터로 구현되는 방법.
- 제7항 또는 제8항에 있어서,
단계 II에서, 상기 권고는 상기 인간의 추정 나이와 상기 인간의 실제 나이 사이의 불일치에 기초하여 선택되는,
컴퓨터로 구현되는 방법.
- 제7항 내지 제9항 중 어느 한 항에 있어서,
상기 적어도 하나의 권고를 자동으로 선택하는 단계는, 상기 적어도 하나의 권고에 대한 상기 추정 나이와 상기 인간의 추정 나이와 상기 인간의 실제 나이 사이의 불일치 중 적어도 하나와 관련된 적어도 하나의 관계를 이용하여 수행되는,
컴퓨터로 구현되는 방법.
- 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법을 참조하는 제1항 내지 제6항 중 어느 한 항에 따른 방법의 단계 ii에서 사용하기 위해 상기 훈련 가능한 모델을 훈련시키는 컴퓨터로 구현되는 훈련 방법으로서,
상기 방법은 단계 ii에서 정의된 대로 상기 훈련 데이터세트에 대해 상기 훈련 가능한 모델을 훈련시키는 단계를 포함하는,
컴퓨터로 구현되는 훈련 방법.
- 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 시스템(110)으로서,
상기 시스템(110)은 생명체의 피부(112)의 추정 나이를 광학적으로 결정하는 방법을 참조하는 제1항 내지 제6항 중 어느 한 항에 따른 방법을 수행하도록 구성되며, 상기 시스템은,
A. 상기 적어도 하나의 샘플 반사 스펙트럼을 획득하도록 구성된 적어도 하나의 적외선 분광기(114)와,
B. 단계 ii에 따라 상기 생명체의 상기 피부(112)의 추정 나이 결정을 수행하도록 구성된 적어도 하나의 처리 유닛(134)
을 포함하는,
시스템(110).
- 제12항에 있어서,
상기 적외선 분광기(114)는 벤치탑 NIR 분광기; 휴대용 NIR 분광기; 적어도 하나의 웨어러블 장치, 구체적으로 스마트워치와 스마트폰으로 구성된 그룹으로부터 선택된 적어도 하나의 웨어러블 장치의 일부인 분광학 모듈로 구성된 그룹으로부터 선택된 적어도 하나의 적외선 분광기(114)를 포함하는,
시스템(110).
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21205984.4 | 2021-11-02 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240089288A true KR20240089288A (ko) | 2024-06-20 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200267336A1 (en) | Systems and methods for hyperspectral imaging | |
| US10765350B2 (en) | Noninvasive method for estimating glucose blood constituents | |
| US9619883B2 (en) | Systems and methods for evaluating hyperspectral imaging data using a two layer media model of human tissue | |
| CN102027449B (zh) | 用于基于光谱卷积的光-物质相互作用的分析的系统和方法 | |
| Nishidate et al. | Estimation of melanin and hemoglobin using spectral reflectance images reconstructed from a digital RGB image by the Wiener estimation method | |
| US20170246473A1 (en) | Method and system for managing treatments | |
| US20060167350A1 (en) | Multi-tier method of developing localized calibration models for non-invasive blood analyte prediction | |
| EP3393353B1 (en) | Image based bilirubin determination | |
| Vyas et al. | Estimating physiological skin parameters from hyperspectral signatures | |
| Yang et al. | Investigation of the performance of hyperspectral imaging by principal component analysis in the prediction of healing of diabetic foot ulcers | |
| KR20220156016A (ko) | 심미적 피부 치료 유닛에 대한 최적의 동작 파라미터 세트를 결정하기 위한 방법 및 시스템 | |
| Uzair et al. | Is spectral reflectance of the face a reliable biometric? | |
| Gevaux et al. | Real‐time skin chromophore estimation from hyperspectral images using a neural network | |
| Chica et al. | Objective assessment of skin repigmentation using a multilayer perceptron | |
| Quinzán et al. | Band selection in spectral imaging for non-invasive melanoma diagnosis | |
| Yadav et al. | Citrus disease classification with convolution neural network generated features and machine learning classifiers on hyperspectral image data | |
| KR20240089288A (ko) | 근적외선 분광법을 통한 인체 피부 나이 측정 | |
| Nansen | Penetration and scattering—Two optical phenomena to consider when applying proximal remote sensing technologies to object classifications | |
| WO2023078823A1 (en) | Measuring the human skin age through near-infrared spectroscopy | |
| Aliaga et al. | A Hyperspectral Space of Skin Tones for Inverse Rendering of Biophysical Skin Properties | |
| WO2022254187A1 (en) | Skincare device | |
| Jung et al. | Analysis of relation between skin elasticity and the entropy of skin image using near‐infrared and visible light sources | |
| Alander et al. | Near infrared wavelength relevance detection of ultraviolet radiation-induced erythema | |
| Yunita et al. | Smoker’s Melanosis Tongue Identification System using the Spatial and Spectral Characteristic Combinations Tongue in the Visible and Near-Infrared Range | |
| WO2022254188A1 (en) | Skincare device |