WO2022244996A1 - 생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치 - Google Patents

생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치 Download PDF

Info

Publication number
WO2022244996A1
WO2022244996A1 PCT/KR2022/005708 KR2022005708W WO2022244996A1 WO 2022244996 A1 WO2022244996 A1 WO 2022244996A1 KR 2022005708 W KR2022005708 W KR 2022005708W WO 2022244996 A1 WO2022244996 A1 WO 2022244996A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
sleep
exercise
processor
electronic device
Prior art date
Application number
PCT/KR2022/005708
Other languages
English (en)
French (fr)
Inventor
이우상
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2022244996A1 publication Critical patent/WO2022244996A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1124—Determining motor skills
    • 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
    • A61B5/4806—Sleep evaluation
    • 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
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/50—Business processes related to the communications industry
    • 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
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user

Definitions

  • Various embodiments disclosed in this document relate to an electronic device that provides personalized coaching using biometric data.
  • biometric data of a user are collected through a sensor included in an external electronic device connected to an electronic device such as an electronic device or a wearable electronic device through wireless communication.
  • the electronic device may simply present the collected biometric data to the user, or may process the collected biometric data and present feedback including the processed data to the user.
  • overtraining may occur due to various factors such as excessive exercise, incorrect coaching, and nutritional imbalance, various problems may occur when the user is not aware of it.
  • Various problems may include severe muscle pain, decreased quality of sleep, and diarrhea as physical problems, and a decrease in motivation as a mental problem.
  • the present invention seeks to monitor overtraining which may cause these various problems to the user.
  • Various embodiments disclosed in this document intend to provide an electronic device that monitors overtraining using various biometric data and provides personalized coaching based thereon.
  • An electronic device includes a sensor, a display, a memory, and a processor operatively connected to the sensor, the memory, and the display, and the processor uses the sensor to generate a plurality of types of data.
  • Collecting biometric data setting priorities among the plurality of types of biometric data, determining whether each of the plurality of types of biometric data corresponds to a specified condition based on the priorities, and corresponding to the specified condition It is possible to determine whether or not over-training is performed by analyzing a result of determining whether or not to perform exercise, and output a message including a guide related to exercise to the user according to whether or not the over-training is performed.
  • a method for outputting a message including a guide related to exercise includes an operation of collecting a plurality of types of biometric data and setting priorities among the plurality of types of biometric data. an operation of determining whether each of the plurality of types of biometric data corresponds to a specified condition based on the priority order, an operation of determining whether over-training is performed by analyzing the result of the determination, and An operation of outputting a message including a guide related to exercise to the user according to whether or not the overtraining is performed may be included.
  • the user can recognize the symptoms of overtraining in advance, and accordingly, the exercise effect can be increased and injuries can be prevented through an exercise method suitable for oneself and rest.
  • an exercise method suitable for the user's condition and a break may be provided to help the user recover and induce efficient exercise.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments.
  • FIG. 2 is a diagram illustrating a sensor according to an exemplary embodiment.
  • FIG. 3 is a diagram illustrating biometric data according to an exemplary embodiment.
  • FIG. 4 is a diagram explaining whether a specified condition of exercise data is satisfied according to an exemplary embodiment.
  • 5A is a diagram for explaining whether a specified condition of sleep data is satisfied, according to an exemplary embodiment.
  • 5B is an exemplary diagram of sleep data according to an embodiment.
  • FIG. 6 is a diagram for explaining whether a specified condition of heartbeat data is satisfied, according to an exemplary embodiment.
  • FIG. 7 is a diagram explaining whether a specified condition of weight data is satisfied according to an exemplary embodiment.
  • FIG. 8 is a diagram illustrating whether a specified condition of food data is satisfied according to an embodiment.
  • FIG. 9 is a diagram illustrating performing another analysis according to whether a specified condition of exercise data is satisfied, according to an exemplary embodiment.
  • FIG. 10 is a diagram illustrating a first analysis according to an exemplary embodiment.
  • FIG. 11 is a diagram illustrating a second analysis according to an exemplary embodiment.
  • FIG. 12 is a diagram for explaining an example of a message including a guide related to exercise according to an embodiment.
  • FIG. 13 is a diagram for explaining each operation process according to an exemplary embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 within a network environment 100, according to various embodiments.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or through a second network 199. It is possible to communicate with the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to one embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • the server 108 e.g, a long-distance wireless communication network
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or the antenna module 197 may be included.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added.
  • some of these components eg, sensor module 176, camera module 180, or antenna module 197) are integrated into a single component (eg, display module 160). It can be.
  • the processor 120 for example, executes software (eg, the program 140) to cause at least one other component (eg, hardware or software component) of the electronic device 101 connected to the processor 120. It can control and perform various data processing or calculations. According to one embodiment, as at least part of data processing or operation, the processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • software eg, the program 140
  • the processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • the processor 120 may include a main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor).
  • a main processor 121 eg, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor.
  • NPU neural network processing unit
  • the secondary processor 123 may be implemented separately from or as part of the main processor 121 .
  • the secondary processor 123 may, for example, take the place of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg, running an application). ) state, together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the auxiliary processor 123 eg, image signal processor or communication processor
  • may be implemented as part of other functionally related components eg, camera module 180 or communication module 190). have.
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • AI models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself where artificial intelligence is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning or reinforcement learning, but in the above example Not limited.
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the foregoing, but is not limited to the foregoing examples.
  • the artificial intelligence model may include, in addition or alternatively, software structures in addition to hardware structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, program 140) and commands related thereto.
  • the memory 130 may include volatile memory 132 or non-volatile memory 134 .
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142 , middleware 144 , or an application 146 .
  • the input module 150 may receive a command or data to be used by a component (eg, the processor 120) of the electronic device 101 from the outside of the electronic device 101 (eg, a user).
  • the input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • a receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 may visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor set to detect a touch or a pressure sensor set to measure the intensity of force generated by the touch.
  • the audio module 170 may convert sound into an electrical signal or vice versa. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a bio sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that may be used to directly or wirelessly connect the electronic device 101 to an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 may be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert electrical signals into mechanical stimuli (eg, vibration or motion) or electrical stimuli that a user may perceive through tactile or kinesthetic senses.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to one embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as at least part of a power management integrated circuit (PMIC), for example.
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • the battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). Establishment and communication through the established communication channel may be supported.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : a local area network (LAN) communication module or a power line communication module).
  • a wireless communication module 192 eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 eg, : a local area network (LAN) communication module or a power line communication module.
  • a corresponding communication module is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a telecommunications network such as a computer network (eg, a LAN or a WAN).
  • a telecommunications network such as a computer network (eg, a LAN or a WAN).
  • These various types of communication modules may be integrated as one component (eg, a single chip) or implemented as a plurality of separate components (eg, multiple chips).
  • the wireless communication module 192 uses subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199.
  • subscriber information eg, International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the electronic device 101 may be identified or authenticated.
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, NR access technology (new radio access technology).
  • NR access technologies include high-speed transmission of high-capacity data (enhanced mobile broadband (eMBB)), minimization of terminal power and access of multiple terminals (massive machine type communications (mMTC)), or high reliability and low latency (ultra-reliable and low latency (URLLC)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low latency
  • -latency communications can be supported.
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • the wireless communication module 192 uses various technologies for securing performance in a high frequency band, such as beamforming, massive multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. Technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna may be supported.
  • the wireless communication module 192 may support various requirements defined for the electronic device 101, an external electronic device (eg, the electronic device 104), or a network system (eg, the second network 199).
  • the wireless communication module 192 is a peak data rate for eMBB realization (eg, 20 Gbps or more), a loss coverage for mMTC realization (eg, 164 dB or less), or a U-plane latency for URLLC realization (eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less) may be supported.
  • eMBB peak data rate for eMBB realization
  • a loss coverage for mMTC realization eg, 164 dB or less
  • U-plane latency for URLLC realization eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less
  • the antenna module 197 may transmit or receive signals or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator formed of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is selected from the plurality of antennas by the communication module 190, for example. can be chosen A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC) may be additionally formed as a part of the antenna module 197 in addition to the radiator.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a first surface (eg, a lower surface) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, array antennas) disposed on or adjacent to a second surface (eg, a top surface or a side surface) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or part of operations executed in the electronic device 101 may be executed in one or more external electronic devices among the external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 when the electronic device 101 needs to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device 101 instead of executing the function or service by itself.
  • one or more external electronic devices may be requested to perform the function or at least part of the service.
  • One or more external electronic devices receiving the request may execute at least a part of the requested function or service or an additional function or service related to the request, and deliver the execution result to the electronic device 101 .
  • the electronic device 101 may provide the result as at least part of a response to the request as it is or additionally processed.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an internet of things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks. According to one embodiment, the external electronic device 104 or server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to intelligent services (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • a sensor (eg, the sensor module 176 of FIG. 1 ) may correspond to the first sensor module 210 .
  • the first sensor module 210 may be included in an electronic device (eg, the electronic device 101 of FIG. 1 ).
  • the second sensor module 220 may be a sensor module having substantially the same function as the first sensor module 210 .
  • the second sensor module 220 may be included in an external electronic device (eg, the electronic device 102 of FIG. 1 ) such as a wearable electronic device connected to the electronic device 101 through wireless communication.
  • the first sensor module 210 may include at least one of a first photoplethysmography sensor (PPG) sensor 211 and a first motion sensor 213 .
  • the first PPG sensor 211 may measure an optical blood flow (hereinafter referred to as PPG) signal from the user.
  • the electronic device 101 including the first PPG sensor 211 analyzes the PPG signal to determine the user's heart rate, oxygen saturation (SPO2), stress, arrhythmia, or blood pressure. Biometric information can be obtained.
  • the second PPG sensor 221 may be a PPG sensor having substantially the same function as the first PPG sensor 211 .
  • the second motion sensor 211 may be a motion sensor having substantially the same function as the first motion sensor 213 .
  • the PPG sensor may include a light emitter (eg, LED) and a light detector (eg, photodiode) that emit light.
  • the light transmitter may emit light to tissues or blood vessels in the user's skin, and the photodetector may collect the reflected light.
  • Light collected by the photodetector may be converted into an electrical signal.
  • the converted electrical signal may be referred to as a PPG signal.
  • the electronic device 101 may acquire biometric information such as heart rate or blood pressure by analyzing the waveform of the PPG signal.
  • the light transmitter may include a light emitting diode (LED).
  • a maximum value of current that can be applied to the optical transmitter may be determined according to hardware specifications of the optical transmitter.
  • the light detector may reflect the light signal emitted from the light transmitter to an external object and receive the reflected light signal.
  • the optical detector may amplify the received optical signal according to a set gain value. For example, a plurality of gain values that may be set in the photodetector may be determined in advance.
  • the optical detector may be configured to amplify the received optical signal according to one of a plurality of predetermined gain values.
  • the first motion sensor 205 may be a device that can measure various physical quantities so that the electronic device 101 can estimate the posture or gesture of the user and the posture of the electronic device 101 .
  • the first motion sensor 205 may include at least one of a first acceleration sensor 215 , a first gyro sensor 217 , and a first geomagnetic sensor 219 .
  • the first acceleration sensor 215 may sense the acceleration of the electronic device 101 .
  • the first 215 may sense the acceleration of the electronic device 101 and output acceleration values of the electronic device 101 in three axis directions (eg, x, y, and z axes).
  • the first acceleration sensor 215 may detect whether the movement of the electronic device 101 is within a specified range or outside a specified range.
  • the first acceleration sensor 215 may determine whether the electronic device 101 has a motion greater than or equal to a set angle.
  • the first gyro sensor 217 may measure a change in rotation of the electronic device 101 .
  • the first earth magnetic field sensor 219 may measure the relative displacement of the electronic device 101 with respect to the earth's magnetic field.
  • the first sensor module 210 may include a plurality of acceleration sensors and/or a plurality of gyro sensors.
  • the user may collect the user's biometric data (eg, the biometric data 300 of FIG. 3 ) using the first sensor module 210 included in the electronic device 101 .
  • the second sensor module 220 included in the external electronic device 102 may perform substantially the same function as the first sensor module 210 included in the electronic device 101 .
  • the processor of the electronic device 101 analyzes whether the user is currently overtraining by using the biometric data 300 collected by the first sensor module 210. can do. Overtraining may include a state in which the user of the electronic device 101 performs excessive exercise beyond the user's physical fitness level.
  • the processor 120 of the electronic device 101 may output a message including a guide related to exercise to the user according to whether or not there is overtraining.
  • a message including a guide related to exercise may notify the user whether the user corresponds to overtraining. This includes providing notifications, guidance, and/or warnings to the user so that the user can prevent overtraining, or, if the user has already suffered from overtraining, perform exercises appropriate to the user's physical condition. can do.
  • a message including a guide related to exercise may be output to the user through visual, auditory, and/or tactile methods.
  • a message including a guide related to exercise may be visually output through a display module (eg, the display module 160 of FIG. 1 ) and an audio module (eg, the audio module 170 of FIG. 1 ). It may be audibly output through the haptic module and/or tactilely output through a haptic module (eg, the haptic module 179 of FIG. 1 ).
  • the above example is not limited to an operation of providing a message including a guide related to exercise to the user through any one module, but may include an operation of providing a message to the user using a plurality of modules.
  • the biometric data 300 may include at least one of exercise data 310 , sleep data 320 , heart rate data 330 , weight data 340 , or food data 350 .
  • Contents of the biometric data 300 may be output to the user through visual, auditory, and/or tactile methods.
  • the contents of the biometric data 300 may be visually output through a display module (eg, the display module 160 of FIG. 1 ) and an audio module (eg, the audio module 170 of FIG. 1 ). It may be audibly output through the haptic module and/or tactilely output through a haptic module (eg, the haptic module 179 of FIG. 1 ).
  • the above example is not limited to the operation of providing the contents of the biometric data 300 to the user through any one module, but includes the operation of providing the contents of the biometric data 300 to the user using a plurality of modules. can be explained by
  • the processor prior to the date of analyzing whether the user corresponds to overtraining, the first sensor module (eg, the first sensor module 210 of FIG. 2 ) or the second sensor module (eg, the second sensor module 220 of FIG. 2 ) It is possible to analyze whether the user corresponds to overtraining by using the biometric data 300 stored during the first period through at least one of them.
  • the first period may be a period set by the user or a period set by default in the system. For example, the first period may be a period of 1 week or more and 1 year or less.
  • the processor 120 may determine whether the user corresponds to overtraining by using a plurality of types of data.
  • the exercise data 310 may include at least one of a distance 311 , a duration 313 , and a lap counting 315 .
  • the distance 311 may mean a distance at which an exercise is performed.
  • the duration 313 may mean a time during which an exercise is performed.
  • the number of laps 315 may refer to the number of times the corresponding motion is performed when the motion is performed several times during exercise.
  • the sleep data 320 may include at least one of a sleep score 321 , a sleep efficiency 323 , a sleep grade 325 , and a sleep time 327 .
  • the sleep score 321 may be a score evaluated for sleep by the user.
  • the sleep efficiency 323 may be data expressed as a percentage by dividing the actual sleep time by the total sleep time.
  • the actual sleep time may be the total sleep time minus the time when tossing and turning occurs, the time awake during sleep, and/or the time of sleep in a specific state.
  • the specific state sleep time may include a time when the user sleeps in the REM sleep state.
  • the processor 120 may use at least one of the first sensor module 210 and the second sensor module 220 to determine whether tossing and turning occurs during sleep and the degree of tossing and turning during sleep.
  • the sleep rating 325 determines whether the user's sleep start time and the user's sleep end time are included in the user's target sleep start time and the user's target sleep end time, respectively, and/or whether the sleep time 327 meets the target sleep time. can be determined based on
  • the target sleep start time zone may be set to a time zone in which a threshold time is added before and after the target sleep start time set by the user.
  • the target sleep end time period may be set to a time period in which a threshold time is added before and after the target end time of sleep set by the user.
  • the processor 120 may derive a temporary grade based on whether the user's sleep start time and the user's sleep end time are included in the user's target sleep start time and the user's target sleep end time, respectively. If the temporary grade is not the maximum grade value that can be determined as the sleep grade 325, the processor 120 sets a value greater than the temporary grade value if the time spent sleeping by the user meets the target sleep time. ) can be determined.
  • the target sleep time may be a time obtained by subtracting the sleep start time from the user's sleep end time.
  • the target sleep start time zone is 10 minutes set to 30 minutes before and after the target sleep start time.
  • the target sleep end time period may be set to 06:30 AM to 07:30 AM, which is set to 30 minutes before and after the target sleep end time.
  • the sleep level 325 may be divided into a plurality of levels.
  • the sleep level 325 may be divided into level 1 (Poor), level 2 (Fair), or level 3 (Good).
  • the processor 120 may determine the sleep level 325 as level 1 (Poor). For example, if the user's sleep start time is 11:50 PM and the user's sleep end time is 08:00 AM, the target sleep start time from 10:30 PM to 11:30 PM and the target sleep end time, respectively, Since 06:30 AM to 07:30 AM are not included, the processor 120 may determine the sleep level 325 as level 1 (Poor).
  • the processor 120 may determine the sleep level 325 as a 2 step (Fair). For example, if the user's sleep start time is 11:20 PM and the user's sleep end time is 08:00 AM, the user's sleep start time is included in the target sleep start time from 10:30 PM to 11:30 PM. However, since the user's sleep end time is not included in the target sleep end time zone of 06:30 AM to 07:30 AM, the processor 120 may determine the sleep level 325 as a second level (Fair).
  • a 2 step For example, if the user's sleep start time is 11:20 PM and the user's sleep end time is 08:00 AM, the user's sleep start time is included in the target sleep start time from 10:30 PM to 11:30 PM. However, since the user's sleep end time is not included in the target sleep end time zone of 06:30 AM to 07:30 AM, the processor 120 may determine the sleep level 325 as a second level (Fair).
  • the processor 120 may determine the sleep grade 325 as level 3 (Good). For example, if the user's sleep start time is 11:20 PM and the user's sleep end time is 07:20 AM, the user's sleep start time is included in the target sleep start time from 10:30 PM to 11:30 PM. And since the user's sleep end time is also included in the target sleep end time period from 06:30 AM to 07:30 AM, the processor 120 may determine the sleep grade 325 as level 3 (Good).
  • the heart rate data 330 may include at least one of an exercise heart rate 331 and a wake-up heart rate 333 .
  • the exercise heart rate 331 may represent an average value of heart beats measured during an exercise duration.
  • the wake-up heart rate 333 may represent an average value of heart rates measured for a first threshold time from the time of waking up on the day after the exercise.
  • the first threshold time may mean a time set by a user or a time set by the system. For example, the first threshold time may be 1 hour.
  • the weight data 340 may include at least one of the weight 341 and/or Bioelectric Impedance Analysis (BIA).
  • the weight 341 may correspond to a value of the weight 341 measured within a first threshold time from the time of waking up on the next day after performing the exercise.
  • the value of the measured weight 341 may be directly input from the user to the electronic device 101 or may be received from a weight scale connected to the electronic device 101 through wireless communication.
  • BIA may include bioelectrical impedance analysis that can measure the user's body fat and muscle mass.
  • Food data 350 may include protein data 351 and/or carbohydrate data 353 .
  • the protein data 351 may correspond to the amount of protein intake consumed by the user on the target day of overtraining analysis.
  • the carbohydrate data 353 may correspond to the amount of carbohydrate intake consumed by the user on the target day of the overtraining analysis.
  • the amount of carbohydrate intake and/or protein intake may be measured by the user directly entering the food intake on the electronic device 101 on a date subject to overtraining analysis.
  • the carbohydrate intake amount or the protein intake amount may correspond to carbohydrates or proteins that can be consumed in a predetermined diet, respectively, if the user's diet is scheduled on the date subject to the overtraining analysis.
  • the scheduled meal may be interlocked with a meal stored in a server (eg, the server 108 of FIG. 1 ).
  • the scheduled menu may be interlocked with a meal history or menu table stored in a server of a meal provider.
  • the scheduled menu may be a menu table stored in the server 108 by the user.
  • the processor may determine that the distance (eg, the distance 311 of FIG. 3 ) is irregular if the first distance is longer than the average distance by a ratio within the first range.
  • the first distance may mean an exercise distance measured in an exercise subject to overtraining analysis.
  • the movement distance may be measured using a communication module (eg, the communication module 190 of FIG. 1 ).
  • the movement distance may be measured through a positioning method using a global navigation satellite system (GNSS) communication module.
  • GNSS global navigation satellite system
  • the average distance may correspond to an average value of distances 311 measured in a plurality of exercises performed during the first period (eg, the first period of FIG. 3 ).
  • the first range may correspond to a range set by a user or a range set by the system. For example, the first range may be set to 10% to 40%.
  • a ratio within the first range may mean a value included in the first range. For example, the ratio within the first range used to compare the average distance and the first distance in operation 410 may be set to 20%.
  • the processor 120 may determine that the duration (eg, the duration 313 of FIG. 3) is irregular if the first duration is longer than the average duration by a ratio within the first range.
  • the first duration may be an exercise time measured by the user in an exercise subject to overtraining analysis.
  • the average duration may correspond to an average value of durations 313 measured in a plurality of exercises performed during the first period.
  • the first range may correspond to a range set by a user or a range set by the system. For example, the first range may be set to 10% to 40%.
  • a ratio within the first range may mean a value included in the first range. For example, in operation 420, the ratio within the first range used to compare the first duration and the average duration may be set to 25%.
  • the processor 120 may determine that the number of laps (eg, the number of laps 315 in FIG. 3) is irregular when the first number of laps is greater than the average number of laps by a ratio within the first range.
  • the first number of laps may refer to the number of laps performed by the user in an exercise subject to overtraining analysis.
  • the average number of laps may correspond to an average value of the number of laps 315 measured in a plurality of exercises performed by the user during the first period.
  • the first range may correspond to a range set by a user or a range set by the system. For example, the first range may be set to 10% to 40%.
  • a ratio within the first range may mean a value included in the first range.
  • the ratio within the first range used to compare the first number of laps with the average number of laps may be set to 30%.
  • the processor 120 may determine whether a specified condition of motion data (eg, motion data 310 of FIG. 3) is satisfied.
  • a specified condition of motion data eg, motion data 310 of FIG. 3
  • the processor 120 may determine operations 410, 420, and 430 in parallel.
  • the processor determines that the sleep score (eg, the sleep score 321 of FIG. 3 ) is irregular if the first sleep score is decreased by more than a threshold value within the second range from the average sleep score. can be judged to be
  • the first sleep score may be a sleep score 321 input by a user for sleep that is a target of overtraining analysis.
  • the average sleep score may correspond to an average value of sleep scores 321 input for a plurality of sleeps during the first period (eg, the first period of FIG. 3 ).
  • the second range may correspond to a range set by a user or a range set in the system.
  • the second range may be 1 to 4.
  • a threshold within the second range may mean a value included in the second range.
  • the threshold used to compare the first sleep score and the average sleep score in operation 510 may be 2.
  • the processor 120 may determine that the sleep efficiency (eg, the sleep efficiency 323 of FIG. 3 ) is irregular when the first sleep efficiency decreases below the ratio within the fourth range of the average sleep efficiency.
  • the first sleep efficiency may refer to sleep efficiency 323 measured in a sleep subject to overtraining analysis.
  • the average sleep efficiency may correspond to an average value of sleep efficiencies 323 measured in a plurality of sleeps during the first period.
  • the fourth range may correspond to a range set by a user or a range set in the system. For example, the fourth range may be 80% or more and 95%.
  • a ratio within the fourth range may mean a value included in the fourth range.
  • a ratio within the fourth range used to compare the first sleep efficiency and the average sleep efficiency in operation 520 may be 90%.
  • the processor 120 may determine that the sleep grade (eg, the sleep grade 325 of FIG. 3) is irregular when the first sleep grade decreases by more than a threshold value within a third range from the average sleep grade.
  • the first sleep grade may be a sleep grade 325 measured in a sleep subject to overtraining analysis.
  • the average sleep grade may correspond to an average value of sleep grades 325 measured in a plurality of sleeps during the first period.
  • the third range may correspond to a range set by a user or a range set in the system. For example, the third range may be greater than or equal to 1 and less than or equal to 2.
  • a threshold within the third range may mean a value included in the third range.
  • the threshold used to compare the first sleep grade and the average sleep grade in operation 530 may be 1.
  • the processor 120 determines the sleep time (eg, the sleep time 327 of FIG. ) can be considered irregular.
  • the first sleep time may refer to a sleep time 327 measured for sleep that is a target of overtraining analysis.
  • the average sleep time may correspond to an average value of sleep times 327 measured in a plurality of sleeps during the first period.
  • the fourth range may correspond to a range set by a user or a range set in the system. For example, the fourth range may be 80% or more and 95% or less.
  • a ratio within the fourth range may mean a value included in the fourth range. For example, the ratio within the fourth range used to compare the first sleep time and the average sleep time in operation 540 may be 90%.
  • the processor 120 may determine that a specified condition of sleep data (eg, sleep data 320 of FIG. 3) is satisfied.
  • the processor 120 may determine operations 510, 520, 530, and 540 in parallel.
  • an electronic device eg, the electronic device 101 of FIG. 1 transmits information about sleep data to a display module (eg, the display module 160 of FIG. 1 ), an audio module (eg, the electronic device 101 of FIG. 1 ).
  • the audio module 170) and/or the haptic module eg, the haptic module 179 of FIG. 1 may deliver the information to the user.
  • the electronic device 101 may display information about sleep data through the display module 160 .
  • the electronic device 101 may display information about sleep data on the display module 160 and simultaneously output it as sound through the audio module 170 .
  • the electronic device 101 may display information on the sleep data on the display module 160 and transmit the information to the user through the haptic module 179 through vibration.
  • the display module 160 that provides information about the sleep score 321 may include symbols, characters, and/or figures capable of representing the score.
  • the sleep score 321 may be expressed using a star figure.
  • the sleep score 321 may be expressed using numbers.
  • a screen providing information on sleep efficiency 323 may include information on sleep efficiency 323 , actual sleep time, and/or total sleep time.
  • a screen providing information on the sleep rating 325 may include the sleep rating 325 for each date.
  • the sleep rating 325 for each date may be provided using a bar figure corresponding to a time zone from the sleep start time to the sleep end time for each day, a sleep start time display line, and/or a sleep end time display line.
  • the sleep grade 325 may be expressed by date based on an identification factor such as a shape, color, and/or pattern of a bar figure.
  • the bar figure when the sleep level 325 is level 1 (poor), the bar figure may be expressed in a first color.
  • the sleep grade 325 When the sleep grade 325 is level 2 (Fair), the bar figure may be expressed in a second color visually distinguishable from the first color.
  • the sleep level 325 When the sleep level 325 is 3 levels (Good), the bar figure may be expressed in a third color visually distinguishable from the first color and the second color.
  • the sleep grade 325 is level 3 (Good)
  • the bar figure is expressed in a second color and at the same time an identification element distinguishable from the case where the level 325 is level 2 (Fair) is used.
  • the screen providing information on the sleep time 327 may include information related to sleep, such as actual sleep time, sleep efficiency 323 , and/or sleep depth.
  • the depth of sleep may be divided into a plurality of stages. For example, the depth of sleep may be divided into four stages, such as waking during sleep, REM sleep, light sleep, or deep sleep.
  • the depth of the water surface may be measured through the first sensor module 210 and/or the second sensor module 220 .
  • the depth of sleep may be measured based on the degree of movement of the user during sleep through a first acceleration sensor included in the first sensor module 210 (eg, the first acceleration sensor 215 of FIG. 2 ). have.
  • the depth of sleep may be expressed as a graph of the depth of sleep over time. For example, the depth of sleep may be expressed as a broken line graph over time.
  • the processor determines that the exercise heart rate (eg, the exercise heart rate 331 of FIG. 3 ) is irregular if the first heart rate decreases by more than a percentage within a fifth range of the first average heart rate. can be judged to be
  • the first heart rate may be an average heart rate measured during an exercise subject to overtraining analysis.
  • the first average heart rate may correspond to an average value of exercise heart rates 331 measured for a plurality of exercises during the first period (eg, the first period of FIG. 3 ).
  • the fifth range may correspond to a range set by a user or a range set in the system.
  • the fifth range may be 5% to 30%.
  • a ratio within the fifth range may mean a value included in the fifth range.
  • the percentage within the fifth range used to compare the first heart rate and the first average heart rate may be 20%.
  • the processor 120 may determine that the wake-up heart rate (eg, the wake-up heart rate 333 of FIG. 3) is irregular when the second heart rate decreases by more than a percentage within a fifth range of the second average heart rate.
  • the second heart rate may be an average heart rate measured for a first threshold time from the time of waking up on the next day after performing an exercise subject to overtraining analysis. For example, if the date on which an exercise subject to overtraining analysis was performed is February 2nd, the second heart rate may be an average heart rate measured for 1 hour from the time the user wakes up on February 3rd.
  • the second average heart rate may correspond to an average value of wake-up heart rates 333 measured on the next day of a plurality of exercises during the first period.
  • the fifth range may correspond to a range set by a user or a range set in the system.
  • the fifth range may be 5% or more and 30% or less.
  • a ratio within the fifth range may mean a value included in the fifth range.
  • the percentage within the fifth range used to compare the second heart rate and the second average heart rate may be 20%.
  • the processor 120 determines the designated heart rate data (eg, heart rate data 330 of FIG. 3 ) in operation 630. It can be judged that the condition is met.
  • the processor 120 may determine operations 610 and 620 in parallel.
  • the processor may determine that the weight (eg, the weight 341 of FIG. 3 ) is irregular if the first weight is equal to or less than the average weight within the sixth range.
  • the first weight may be the weight 341 measured within a first threshold time from the time of waking up on the next day after performing an exercise subject to overtraining analysis.
  • the average weight may correspond to an average value of body weights 341 measured during the first period.
  • the sixth range may correspond to a range set by a user or a range set in the system.
  • the sixth range may be 95% or more and 100% or less.
  • a ratio within the sixth range may mean a value included in the sixth range.
  • a ratio within the sixth range used to compare the first weight and the average weight in operation 710 may be 98%.
  • the processor 120 may determine that a specified condition of the weight data (eg, the weight data 340 of FIG. 3 ) is satisfied in operation 720 .
  • the processor may determine that the carbohydrate data (eg, the carbohydrate data 353 of FIG. 3 ) is irregular if the carbohydrate intake is less than the recommended daily carbohydrate intake.
  • the amount of carbohydrate intake may indicate carbohydrates consumed by the user during the day on the day of performing the exercise that is the subject of overtraining analysis.
  • Information related to the user's carbohydrate consumption may be considered in determining the recommended daily intake of carbohydrates. For example, the user's height, weight (eg, weight 341 in FIG. 3 ), age, exercise intensity, and/or exercise frequency may be considered in determining the recommended daily intake of carbohydrates.
  • the processor 120 may determine that the protein data (eg, protein data 351 of FIG. 3) is irregular if the protein intake is less than the recommended daily intake.
  • the protein intake amount may represent the amount of protein consumed by the user during the day on the day of performing the exercise subject to the overtraining analysis.
  • Information related to the user's protein consumption may be considered in determining the recommended daily protein intake. For example, the user's height, weight 341 , age, exercise intensity, and/or exercise frequency may be considered in determining the recommended daily protein intake.
  • the processor 120 determines that at least one of the carbohydrate intake in operation 810 and the protein intake in operation 820 is irregular, the processor 120 performs a specified condition of the food data (eg, the food data 350 of FIG. 3 ) in operation 830 . It can be judged that this has been established.
  • the processor 120 may determine operations 810 and 820 in parallel.
  • a processor (eg, the processor 120 of FIG. 1 ) may set the score to 0 in operation 910 .
  • the score may correspond to the number of data corresponding to a specified condition among data included in a plurality of types of biometric data (eg, the biometric data 300 of FIG. 3 ).
  • the processor 120 may determine whether a specified condition of exercise data (eg, exercise data 310 of FIG. 3) is met. When the specified condition of the exercise data 310 does not hold (operation 920 - No), the processor 120 may perform a first analysis in operation 930 . When the specified condition of the exercise data 310 is met (operation 920 - Yes), the processor 120 may perform a second analysis in operation 940 .
  • the processor 120 may determine whether the specified condition of the food data 350 is satisfied in operation 1115 through the second analysis only when it is determined that the specified condition of the exercise data 310 is satisfied. Through this, regardless of whether the exercise data 310 corresponds to the specified condition, it is not always determined whether the food data 350 corresponds to the specified condition, but only when the exercise data 310 corresponds to the specified condition, the food data ( 350), it is possible to prevent waste of resources because it is determined whether the specified conditions are satisfied. In addition, the processor 120 determines whether the exercise data 310 corresponds to the specified condition up to the food data 350 when the specified condition is met, thereby more accurately determining whether the user corresponds to overtraining through various data. and a guide related to a more specific exercise may be instructed to the user.
  • a processor may perform the first analysis when corresponding to operation 930 of FIG. 9 .
  • the processor 120 may determine whether a specified condition of sleep data (eg, sleep data 320 of FIG. 3) is satisfied.
  • a specified condition of sleep data eg, sleep data 320 of FIG. 3
  • the processor 120 may increase the score by 1 in operation 1003 .
  • the processor 120 determines in operation 1005 whether the specified condition of the heartbeat data (eg, the heartbeat data 330 of FIG. 3 ) is met. can When the specified condition of the heartbeat data 330 is satisfied (operation 1005 - Yes), the processor 120 may increase the score by 1 in operation 1007 .
  • the specified condition of the heartbeat data eg, the heartbeat data 330 of FIG. 3
  • the processor 120 determines in operation 1009 whether the specified condition of the weight data (eg, the weight data 340 of FIG. 3 ) is met. can When the specified condition of the weight data 340 is satisfied (operation 1009 -Yes), the processor 120 may increase the score by 1 in operation 1011 .
  • the specified condition of the weight data eg, the weight data 340 of FIG. 3
  • the processor 120 may substitute the score value into the first score in operation 1013 .
  • the processor 120 may provide a guide related to exercise.
  • the exercise-related guide may be made based on the value of the first score and the type of data for which conditions specified in operations 920, 1001, 1005, and 1009 are established.
  • a processor may perform the second analysis when corresponding to operation 940 of FIG. 9 .
  • the processor 120 may increase the score value by 1 in operation 1101 .
  • the processor 120 may determine whether a specified condition of sleep data (eg, sleep data 320 of FIG. 3) is satisfied. When the specified condition of the sleep data 320 is satisfied (operation 1103 - Yes), the processor 120 may increase the score by 1 in operation 1105 .
  • the processor 120 determines in operation 1107 whether the specified condition of the heartbeat data (eg, the heartbeat data 330 of FIG. 3 ) is met. can When the specified condition of the heartbeat data 330 is satisfied (operation 1107 - Yes), the processor 120 may increase the score by 1 in operation 1109 .
  • the specified condition of the heartbeat data eg, the heartbeat data 330 of FIG. 3
  • the processor 120 determines in operation 1111 whether the specified condition of the weight data (eg, weight data 340 of FIG. 3 ) is met. can When the specified condition of the weight data 340 is met (operation 1111 -Yes), the processor 120 may increase the score by 1 in operation 1113 .
  • the specified condition of the weight data eg, weight data 340 of FIG. 3
  • the processor 120 determines in operation 1115 whether the specified condition of the food data (eg, the food data 350 of FIG. 3 ) is met. can When the specified condition of the food data 350 is met (operation 1115 - Yes), the processor 120 may increase the score by 1 in operation 1117 .
  • the specified condition of the food data eg, the food data 350 of FIG. 3
  • the processor 120 may substitute the score value into the second score in operation 1119 .
  • the processor 120 may provide a guide related to exercise. The exercise-related guide may be made based on the value of the second score and the type of data for which conditions specified in operations 920, 1103, 1107, 1111, and 1115 are satisfied.
  • a guide related to exercise may include a sound output module (eg, the sound output module 155 of FIG. 1 ) of an electronic device (eg, the electronic device 101 of FIG. 1 ), an audio module (eg, the audio module 170 of FIG. 1 ) ), a haptic module (eg, the haptic module 179 of FIG. 1 ), and/or a display module (eg, the display module 160 of FIG. 1 ).
  • the exercise-related guide corresponds to the exercise-related guide in operation 1015 when the specified condition of the exercise data (eg, the exercise data 310 of FIG. 3) does not hold, and in operation 920, the exercise data 310 When a specified condition is met, it may correspond to a guide related to the motion of operation 1121.
  • the guide is provided based on the first score of operation 1019, and if the exercise-related guide corresponds to the exercise-related guide of operation 1121, the motion-related guide of operation 1119 2
  • Guidance may be provided based on the score. Guides related to exercise may have different strengths according to scores.
  • a processor eg, the processor 120 of FIG. 1 ) may provide a guide along with a description of data for which a specified condition is established.
  • the processor 120 may provide a guide related to an exercise having the first intensity.
  • the processor 120 may provide a guide such as “Think about whether you exercised excessively” or “Take light exercise today” together with an explanation of the data for which the specified condition is met.
  • the processor 120 sets the duration You can provide guidance such as "Think about whether you've been overexerting yourself,” with an explanation that the duration (313) is a 30% increase over the average duration.
  • the processor 120 may provide a guide related to a temporary motion having a second intensity higher than the first intensity.
  • the processor 120 may provide a guide such as “You seem to have exercised excessively” or “Try to exercise lightly today” along with an explanation of the data for which the specified condition is established.
  • the processor 120 may provide a guide related to an exercise having a third intensity higher than the second intensity. If the score is 3, the processor 120 explains the data for which the specified condition is established and says, “You seem to have exercised excessively. It looks like you need a break.” For example, as in the second notification, among the biometric data 300, exercise data 310, sleep data (eg, sleep data 320 of FIG. 3 ), and weight data (eg, weight data 340 of FIG. 3 ) ), the processor 120 determines that the distance (e.g., distance 311 of FIG. 3) has increased by 20% from the average distance, and the sleep time (e.g., sleep time 327 of FIG. 3) has averaged With an explanation of a 12% reduction in sleep time and a 3% reduction in body weight (e.g., weight (341) in Figure 3) from average, “You must have exercised too much. It looks like you need a break.”
  • the distance e.g., distance 311 of FIG. 3
  • the sleep time e.
  • the processor 120 may provide a guide related to an exercise having a fourth intensity higher than the third intensity.
  • the processor 120 explains the data for which the specified condition is established and says, “Please do not exercise today. You can provide guidance such as, “Please rest for three days and let your body recuperate.”
  • the processor 120 may provide a guide related to an exercise having a fifth intensity higher than the fourth intensity. If the score is 5, the processor 120 explains the data for which the specified condition is established and says, “Please do not exercise today. If you exercise without sufficient recovery, you may injure yourself”. For example, exercise data 310, sleep data 320, heartbeat data (eg, heartbeat data 330 of FIG. 3 ), weight data 340, and food among the biometric data 300 as shown in the third notification. Data (eg, food data 350 of FIG. 3 ) When each specified condition is met, the processor 120 determines that the number of laps (eg, the number of laps 315 of FIG.
  • the present embodiment it is possible to prevent a user from being injured or deteriorating an exercise effect by continuously exercising without recognizing overtraining. Furthermore, when performing an exercise that is not suitable for the physical ability, it is possible to induce the user to perform the correct exercise by recommending an appropriate exercise method and rest.
  • FIG. 13 is a diagram for explaining each operation process according to an exemplary embodiment.
  • a processor may collect a plurality of types of biometric data (eg, the biometric data 300 of FIG. 3 ) in operation 1310 .
  • the processor 120 may set priorities among a plurality of types of biometric data 300.
  • the processor 120 may determine whether each of the plurality of types of biometric data 300 corresponds to a specified condition based on the priority order.
  • the processor 120 may determine whether over-training is performed by analyzing a result of determining whether or not a specified condition is met.
  • the processor 120 may output a message including a guide related to exercise to the user according to whether or not the overtraining is performed.
  • Electronic devices may be devices of various types.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a camera
  • a wearable device e.g., a smart bracelet
  • first, second, or first or secondary may simply be used to distinguish a given component from other corresponding components, and may be used to refer to a given component in another aspect (eg, importance or order) is not limited.
  • a (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • the certain component may be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logical blocks, parts, or circuits.
  • a module may be an integrally constructed component or a minimal unit of components or a portion thereof that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • a storage medium eg, internal memory 136 or external memory 138
  • a machine eg, electronic device 101
  • a processor eg, the processor 120
  • a device eg, the electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • the storage medium is a tangible device and does not contain a signal (e.g. electromagnetic wave), and this term refers to the case where data is stored semi-permanently in the storage medium. It does not discriminate when it is temporarily stored.
  • a signal e.g. electromagnetic wave
  • the method according to various embodiments disclosed in this document may be included and provided in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • a computer program product is distributed in the form of a device-readable storage medium (e.g. compact disc read only memory (CD-ROM)), or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • a device-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play StoreTM
  • two user devices e.g. It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • at least part of the computer program product may be temporarily stored or temporarily created in a device-readable storage medium such as a manufacturer's server, an application store server, or a relay server's memory.
  • each component (eg, module or program) of the above-described components may include a single object or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. have.
  • one or more components or operations among the aforementioned corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg modules or programs
  • the integrated component may perform one or more functions of each of the plurality of components identically or similarly to those performed by a corresponding component of the plurality of components prior to the integration. .
  • the actions performed by a module, program, or other component are executed sequentially, in parallel, iteratively, or heuristically, or one or more of the actions are executed in a different order, or omitted. or one or more other actions may be added.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Tourism & Hospitality (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Dentistry (AREA)
  • Child & Adolescent Psychology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nutrition Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Nursing (AREA)
  • Operations Research (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

센서, 디스플레이, 메모리, 상기 센서, 상기 메모리 및 상기 디스플레이와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는 상기 센서를 이용하여복수의 종류들의 생체 데이터 사이의 우선 순위를 설정하고, 상기 우선 순위에 기반하여 상기 복수의 종류들의 생체 데이터 각각이 지정된 조건에 해당하는지 여부를 판단하고, 상기 지정된 조건에 해당하는지 여부에 대하여 판단한 결과를 분석하여 오버 트레이닝(over-training) 여부를 판단하고, 상기 오버 트레이닝 여부에 따라 사용자에게 운동과 관련된 가이드를 포함하는 메시지를 출력하는 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치
본 문서에서 개시되는 다양한 실시 예들은 생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치에 관한 것이다.
전자 장치 또는 웨어러블 전자 장치와 같은 전자 장치와 무선 통신으로 연결된 외부 전자 장치에 포함된 센서를 통해 사용자의 각종 생체 데이터를 수집한다. 전자 장치는 수집된 생체 데이터를 사용자에게 단순히 제시하거나, 수집된 생체 데이터를 가공하여 가공된 데이터를 포함하는 피드백을 사용자에게 제시할 수 있다.
과도한 운동, 잘못된 코칭, 영양 불균형 등 다양한 요소에 의해 오버 트레이닝(over training)이 발생할 수 있음에도 불구하고, 사용자가 이를 인지하지 못함으로써 다양한 문제가 발생할 수 있다. 다양한 문제에는 신체적인 문제로서 심한 근육통, 수면의 질 하락, 설사 등이 발생할 수 있고, 정신적인 문제로서 의욕 저하 등이 발생할 수 있다. 본 발명은 사용자에게 이러한 다양한 문제를 일으킬 수 있는 오버 트레이닝을 모니터링하고자 한다.
본 문서에 개시되는 다양한 실시 예들은, 다양한 생체 데이터를 이용하여 오버 트레이닝을 모니터링하고, 이에 기반하여 개인 맞춤형 코칭을 제공하는 전자 장치를 제공하고자 한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 센서, 디스플레이, 메모리, 상기 센서, 상기 메모리 및 상기 디스플레이와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는 상기 센서를 이용하여 복수의 종류들의 생체 데이터를 수집하고, 상기 복수의 종류들의 생체 데이터 간 우선 순위를 설정하고, 상기 우선 순위에 기반하여 상기 복수의 종류들의 생체 데이터 각각이 지정된 조건에 해당하는지 여부를 판단하고, 상기 지정된 조건에 해당하는지 여부에 대하여 판단한 결과를 분석하여 오버 트레이닝(over-training) 여부를 판단하고, 상기 오버 트레이닝 여부에 따라 사용자에게 운동과 관련된 가이드(guide)를 포함하는 메시지를 출력할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 운동과 관련된 가이드를 포함하는 메시지를 출력하는 방법은, 복수의 종류들의 생체 데이터를 수집하는 동작, 상기 복수의 종류들의 생체 데이터 사이의 우선 순위를 설정하는 동작, 상기 우선 순위에 기반하여 상기 복수의 종류들의 생체 데이터 각각이 지정된 조건에 해당하는지 여부를 판단하는 동작, 상기 판단의 결과를 분석하여 오버 트레이닝(over-training) 여부를 판단하는 동작, 및 상기 오버 트레이닝 여부에 따라 사용자에게 운동과 관련된 가이드를 포함하는 메시지를 출력하는 동작을 포함할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 사용자가 오버 트레이닝을 간과하고 지속적인 운동을 할 때, 근육의 이화작용이 촉진 됨으로써 운동량은 증가하지만 운동의 효과는 감소하는 것을 예방한다.
또한, 사용자가 운동량을 늘리지만 운동의 효과가 증가하지 않아 받을 수 있는 스트레스를 예방하고, 이러한 스트레스로 인해 식욕 부진, 불면증 등으로 신체 리듬이 깨지는 것을 방지할 수 있다.
본 발명을 통해 사용자는 오버 트레이닝의 징후를 미리 파악할 수 있고, 이에 따라 스스로에게 알맞은 운동 방법 및 휴식을 통해 운동 효과를 상승시키고 부상을 방지할 수 있다.
또한, 사용자가 이미 오버 트레이닝에 해당하는 경우, 사용자의 상태에 알맞은 운동 방법 및 휴식을 제공하여 회복을 돕고 효율적인 운동을 수행할 수 있도록 유도할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시 예에 따른 센서를 설명하는 도면이다.
도 3은 일 실시 예에 따른 생체 데이터를 설명하는 도면이다.
도 4는 일 실시 예에 따른 운동 데이터의 지정된 조건 성립 여부를 설명하는 도면이다.
도 5a는 일 실시 예에 따른 수면 데이터의 지정된 조건 성립 여부를 설명하는 도면이다.
도 5b는 일 실시 예에 따른 수면 데이터에 대한 예시 도면이다.
도 6은 일 실시 예에 따른 심박 데이터의 지정된 조건 성립 여부를 설명하는 도면 이다.
도 7은 일 실시 예에 따른 체중 데이터의 지정된 조건 성립 여부를 설명하는 도면이다.
도 8은 일 실시 예에 따른 음식 데이터의 지정된 조건 성립 여부를 설명하는 도면이다.
도 9는 일 실시 예에 따른 운동 데이터의 지정된 조건 성립 여부에 따라 다른 분석을 수행하는 것을 설명하는 도면이다.
도 10은 일 실시 예에 따른 제1 분석을 설명하는 도면이다.
도 11은 일 실시 예에 따른 제2 분석을 설명하는 도면이다.
도 12는 일 실시 예에 따른 운동과 관련된 가이드를 포함하는 메시지에 대한 예시를 설명하는 도면이다.
도 13은 일 실시 예에 따른 각 동작 과정을 설명하는 도면이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 일 실시 예에 따른 센서를 설명하는 도면이다. 센서 (예: 도 1의 센서 모듈(176))는 제1 센서 모듈(210)과 대응될 수 있다. 제1 센서 모듈(210)은 전자 장치(예: 도 1의 전자 장치(101))에 포함될 수 있다. 제2 센서 모듈(220)은 제1 센서 모듈(210)과 실질적으로 동일한 기능을 갖는 센서 모듈일 수 있다. 제2 센서 모듈(220)은 전자 장치(101)와 무선 통신으로 연결된 웨어러블(wearable) 전자 장치와 같은 외부 전자 장치(예: 도 1의 전자 장치(102))에 포함될 수 있다.
제1 센서 모듈(210)은 제1 PPG 센서(photoplethysmography sensor)(211) 또는 제1 모션 센서(213) 중 적어도 하나를 포함할 수 있다. 제1 PPG 센서(211)는 사용자로부터 광혈류(이하 PPG라고 한다.) 신호를 측정할 수 있다. 제1 PPG 센서(211)를 포함하는 전자 장치(101)는 PPG 신호를 분석함으로써, 사용자의 심박수(heart rate), 산소 포화도(SPO2), 스트레스, 부정맥, 또는 혈압(blood pressure)등을 포함하는 생체 정보를 획득할 수 있다. 제2 PPG 센서(221)는 제1 PPG 센서(211)과 실질적으로 동일한 기능을 갖는 PPG 센서일 수 있다. 제2 모션 센서(211)은 제1 모션 센서(213)와 실질적으로 동일한 기능을 갖는 모션일 수 있다.
PPG 센서는 빛을 방출하는 광 송신부(Light Emitter)(예: LED) 및 광 검출기(Light Detector)(예: 포토다이오드)를 포함할 수 있다. 광 송신부는 사용자의 피부 속의 조직이나 혈관으로 빛을 방출하고, 광 검출기는 반사된 빛을 수집할 수 있다. 광 검출기에 의하여 수집된 빛은 전기 신호로 변환될 수 있다. 변환된 전기 신호는 PPG 신호로 참조될 수 있다. 전자 장치(101)는 PPG 신호의 파형을 분석함으로써, 심박수 또는 혈압 등의 생체 정보를 획득할 수 있다.
광 송신부는 전류가 인가되면, 인가된 전류의 세기에 대응되는 세기의 광 신호를 방출할 수 있다. 예를 들어, 광 송신부는 LED(light emitting diode)를 포함할 수 있다. 광 송신부에 인가될 수 있는 최대 전류 값은 광 송신부의 하드웨어 사양에 따라 결정될 수 있다. 광 검출부는 광 송신부로부터 방출된 광 신호가 외부 객체에 반사되어, 반사된 광 신호를 수신할 수 있다. 광 검출부는 설정된 게인 값에 따라 수신한 광 신호를 증폭시킬 수 있다. 예를 들어, 광 검출부에 설정될 수 있는 복수의 게인 값은 미리 정해질 수 있다. 광 검출부는 미리 정해진 복수의 게인 값 중 어느 하나의 게인 값에 따라 수신된 광 신호를 증폭하도록 설정될 수 있다.
제1 모션 센서(205)는 전자 장치(101)가 사용자의 자세 또는 제스처와 전자 장치(101)의 자세를 추정할 수 있도록 각종의 물리량을 계측할 수 있는 장치일 수 있다. 제1 모션 센서(205)는 제1 가속도 센서(215), 제1 자이로 센서(217), 또는 제1 지자계 센서(219) 중 적어도 하나를 포함할 수 있다.
제1 가속도 센서(215)는 전자 장치(101)의 가속도를 센싱할 수 있다. 예를 들어, 제1 (215)는 전자 장치(101)의 가속도를 센싱하여 3 축(예: x, y 및 z 축) 방향의 전자 장치(101)의 가속도 값을 출력할 수 있다. 제1 가속도 센서(215)는 전자 장치(101)의 움직임이 지정된 범위 내인지 또는 지정된 범위를 벗어나는지 여부를 감지할 수 있다. 예를 들어, 제1 가속도 센서(215)는 전자 장치(101)가 설정된 각도 이상의 움직임이 있는지 여부를 판단할 수 있다. 제1 자이로 센서(217)는 전자 장치(101)의 회전의 변화를 측정할 수 있다. 제1 지자계 센서(219)는 지구 자기장에 대한 전자 장치(101)의 상대적 변위를 측정할 수 있다. 제1 센서 모듈(210)은 복수의 가속도 센서 및/또는 복수의 자이로 센서를 포함할 수 있다.
사용자는 전자 장치(101)에 포함된 제1 센서 모듈(210)을 이용하여 사용자의 생체 데이터(예: 도 3의 생체 데이터(300))를 수집할 수 있다. 외부 전자 장치(102)에 포함된 제2 센서 모듈(220)은 전자 장치(101)에 포함된 제1 센서 모듈(210)과 실질적으로 동일한 기능을 수행할 수 있다.
전자 장치(101)의 프로세서(예: 도 1의 프로세서(120))는 제1 센서 모듈(210)로 수집된 생체 데이터(300)를 이용하여 사용자가 현재 오버 트레이닝(over training)에 해당하는지 분석할 수 있다. 오버 트레이닝은 전자 장치(101)의 사용자가 사용자의 체력 수준 이상으로 과도하게 운동을 수행하는 상태를 포함할 수 있다.
전자 장치(101)의 프로세서(120)는 오버 트레이닝 여부에 따라 사용자에게 운동과 관련된 가이드를 포함하는 메시지를 출력할 수 있다. 본 문서에서 운동과 관련된 가이드를 포함하는 메시지는 사용자가 오버 트레이닝에 해당하는지 여부를 사용자에게 알릴 수 있다. 이를 통해 사용자가 오버 트레이닝을 예방할 수 있게 하거나, 또는 사용자가 오버 트레이닝에 이미 해당하는 경우 사용자의 신체 상태에 알맞는 운동을 수행할 수 있도록 사용자에게 알림, 안내, 및/또는 경고를 제공하는 것을 포함할 수 있다.
운동과 관련된 가이드를 포함하는 메시지는 사용자에게 시각, 청각, 및/또는 촉각적 방법을 통해 출력될 수 있다. 예를 들어, 운동과 관련된 가이드를 포함하는 메시지는 디스플레이 모듈(예: 도 1의 디스플레이 모듈(160))을 통해 시각적으로 출력될 수 있고, 오디오 모듈(예: 도 1의 오디오 모듈(170))을 통해 청각적으로 출력될 수 있고, 및/또는 햅틱 모듈(예: 도 1의 햅틱 모듈(179))을 통해 촉각적으로 출력될 수 있다. 상기 예시는 어느 하나의 모듈을 통해 사용자에게 운동과 관련된 가이드를 포함하는 메시지를 제공하는 동작으로 한정하는 것이 아니라 복수의 모듈을 이용하여 사용자에게 메시지를 제공하는 동작을 포함하여 설명될 수 있다.
도 3은 일 실시 예에 따른 생체 데이터를 설명하는 도면이다. 생체 데이터(300)에는 운동 데이터(310), 수면 데이터(320), 심박 데이터(330), 체중 데이터(340), 또는 음식 데이터(350) 중 적어도 하나가 포함될 수 있다. 생체 데이터(300)에 대한 내용은 사용자에게 시각, 청각, 및/또는 촉각적 방법을 통해 출력될 수 있다. 예를 들어, 생체 데이터(300)에 대한 내용은 디스플레이 모듈(예: 도 1의 디스플레이 모듈(160))을 통해 시각적으로 출력될 수 있고, 오디오 모듈(예: 도 1의 오디오 모듈(170))을 통해 청각적으로 출력될 수 있고, 및/또는 햅틱 모듈(예: 도 1의 햅틱 모듈(179))을 통해 촉각적으로 출력될 수 있다. 상기 예시는 어느 하나의 모듈을 통해 사용자에게 생체 데이터(300)에 대한 내용을 제공하는 동작으로 한정하는 것이 아니라 복수의 모듈을 이용하여 사용자에게 생체 데이터(300)에 대한 내용을 제공하는 동작을 포함하여 설명될 수 있다.
프로세서(예: 도 1의 프로세서(120))는 사용자가 오버 트레이닝에 해당하는지 여부를 분석하는 날짜 이전, 제1 센서 모듈(예: 도 2의 제1 센서 모듈(210)) 또는 제2 센서 모듈(예: 도 2의 제2 센서 모듈(220)) 중 적어도 하나를 통해 제1 기간 동안 저장된 생체 데이터(300)를 이용하여 사용자가 오버 트레이닝에 해당하는지 여부에 대한 분석을 수행할 수 있다. 제1 기간은 사용자가 설정한 기간 또는 시스템 상 기본적으로 설정된 기간일 수 있다. 예를 들어, 제1 기간은 1주일 이상 1년 이하의 기간일 수 있다.
프로세서(120)는 복수의 종류들의 데이터를 이용하여 사용자가 오버 트레이닝에 해당하는지 여부를 판단할 수 있다.
운동 데이터(310)에는 거리(311), 지속 시간(313), 또는 랩 수(lap counting)(315) 중 적어도 하나가 포함될 수 있다. 거리(311)는 운동을 수행한 거리를 의미할 수 있다. 지속 시간(313)은 운동을 수행한 시간을 의미할 수 있다. 랩 수(315)는 운동 시 동작을 여러 번 수행하는 경우, 해당 동작을 수행한 횟수를 의미할 수 있다.
수면 데이터(320)에는 수면 점수(321), 수면 효율(323), 수면 등급(325), 또는 수면 시간(327) 중 적어도 하나가 포함될 수 있다. 수면 점수(321)는 사용자가 수면에 대해 평가한 점수일 수 있다. 수면 효율(323)은 수면 시 실질 수면 시간을 전체 수면 시간으로 나누어 백분율로 나타낸 데이터일 수 있다. 실질 수면 시간은 전체 수면 시간에서 뒤척임이 발생한 시간, 수면 중 깬 시간, 및/또는 특정 상태 수면 시간을 제외한 시간일 수 있다. 예를 들어, 특정 상태 수면 시간은 사용자가 렘 수면 상태로 수면을 취하는 시간을 포함할 수 있다. 프로세서(120)는 제1 센서 모듈(210) 또는 제2 센서 모듈(220) 중 적어도 하나를 이용하여 수면 시 뒤척임이 발생한지 여부 및 수면 시 뒤척임이 발생한 정도를 판단할 수 있다.
수면 등급(325)은 사용자의 수면 시작 시각과 사용자의 수면 종결 시각이 사용자의 목표 수면 시작 시간대와 사용자의 목표 수면 종결 시간대에 각각 포함되는지 및/또는 수면 시간(327)이 목표 수면 시간을 충족 했는지를 기준으로 결정될 수 있다. 목표 수면 시작 시간대는 사용자가 설정한 목표 수면 시작 시각의 전후로 임계 시간이 더해진 시간대로 설정될 수 있다. 목표 수면 종결 시간대는 사용자가 설정한 목표 수면 종결 시각의 전후로 임계 시간이 더해진 시간대로 설정될 수 있다.
예를 들어, 프로세서(120)는 사용자의 수면 시작 시각과 사용자의 수면 종결 시각이 사용자의 목표 수면 시작 시간대와 사용자의 목표 수면 종결 시간대에 각각 포함되는지를 기준으로 임시 등급을 도출할 수 있다. 임시 등급이 수면 등급(325)으로 결정될 수 있는 최대 등급의 값이 아닌 경우, 프로세서(120)는 사용자가 수면을 취한 시간이 목표 수면 시간을 충족한다면 임시 등급의 값보다 증가한 값을 수면 등급(325)으로 결정할 수 있다. 목표 수면 시간은 사용자의 수면 종결 시각에서 수면 시작 시각을 뺀 시간일 수 있다.
예를 들어, 사용자가 목표 수면 시작 시각을 11:00 PM으로 설정하고 사용자가 목표 수면 종결 시각을 07:00 AM으로 설정한 경우, 목표 수면 시작 시간대는 목표 수면 시작 시각의 전후 30분으로 설정된 10:30 PM에서 11:30 PM으로 설정될 수 있고, 목표 수면 종결 시간대는 목표 수면 종결 시각의 전후 30분으로 설정된 06:30 AM에서 07:30 AM으로 설정될 수 있다.
수면 등급(325)은 복수의 단계로 구분될 수 있다. 예를 들어, 수면 등급(325)은 1단계(Poor), 2단계(Fair), 또는 3단계(Good)로 구분될 수 있다. 사용자의 수면 시작 시각 및 사용자의 수면 종결 시각이 각각 목표 수면 시작 시간대 및 목표 수면 종결 시간대에 포함되지 않은 경우, 프로세서(120)는 수면 등급(325)을 1단계(Poor)로 판단할 수 있다. 예를 들어, 사용자의 수면 시작 시각이 11:50 PM이고 사용자의 수면 종결 시각이 08:00 AM인 경우, 각각 목표 수면 시작 시간대인 10:30 PM부터 11:30 PM까지 및 목표 수면 종결 시간대인 06:30 AM 부터 07:30 AM까지에 포함되지 않으므로, 프로세서(120)는 수면 등급(325)을 1단계(Poor)로 판단할 수 있다.
사용자의 수면 시작 시각이 목표 수면 시작 시간대에 포함되고 수면 종결 시각이 목표 수면 종결 시간대에 포함되지 않는 경우 또는 사용자의 수면 시작 시간은 목표 수면 시작 시간대에 포함되지 않으나 사용자의 수면 종결 시각이 목표 수면 종결 시간대에 포함된 경우, 프로세서(120)는 수면 등급(325)을 2단계(Fair)로 판단할 수 있다. 예를 들어, 사용자의 수면 시작 시각이 11:20 PM이고 사용자의 수면 종결 시각이 08:00 AM인 경우, 사용자 수면 시작 시간은 목표 수면 시작 시간대인 10:30 PM부터 11:30 PM까지에 포함되지만, 사용자의 수면 종결 시각은 목표 수면 종결 시간대인 06:30 AM 부터 07:30 AM까지에 포함되지 않으므로, 프로세서(120)는 수면 등급(325)을 2단계(Fair)로 판단할 수 있다.
사용자의 수면 시작 시각이 목표 수면 시작 시간대에 포함되고 사용자의 수면 종결 시각이 목표 수면 종결 시간대에 포함되는 경우, 프로세서(120)는 수면 등급(325)을 3단계(Good)로 판단할 수 있다. 예를 들어, 사용자의 수면 시작 시각이 11:20 PM이고 사용자의 수면 종결 시각이 07:20 AM인 경우, 사용자 수면 시작 시간이 목표 수면 시작 시간대인 10:30 PM부터 11:30 PM까지에 포함되고, 사용자의 수면 종결 시각 또한 목표 수면 종결 시간대인 06:30 AM 부터 07:30 AM까지에 포함되므로, 프로세서(120)는 수면 등급(325)을 3단계(Good)로 판단할 수 있다.
심박 데이터(330)에는 운동 심박수(331), 기상 심박수(333) 중 적어도 하나가 포함될 수 있다. 운동 심박수(331)는 운동을 지속하는 시간 동안 측정된 심장 박동 수의 평균 값을 나타낼 수 있다. 기상 심박수(333)는 운동을 수행한 다음 날의 기상 시각부터 제1 임계 시간 동안 측정된 심장 박동 수의 평균 값을 나타낼 수 있다. 제1 임계 시간은 사용자가 설정한 시간 또는 시스템 상 기 설정된 시간을 의미할 수 있다. 예를 들어, 제1 임계 시간은 1시간일 수 있다.
체중 데이터(340)에는 체중(341) 및/또는 BIA(Bioelectric Impedance Analysis) 중 적어도 하나가 포함될 수 있다. 체중(341)은 운동을 수행한 다음 날의 기상 시각부터 제1 임계 시간 내에 측정된 체중(341)의 값과 대응될 수 있다. 측정된 체중(341)의 값은 사용자로부터 직접 전자 장치(101)에 입력되거나, 또는 전자 장치(101)와 무선 통신으로 연결된 체중계로부터 값을 수신 받을 수 있다. BIA는 사용자의 체지방과 근육량을 측정할 수 있는 생체 전기 임피던스 분석을 포함할 수 있다.
음식 데이터(350)에는 단백질 데이터(351) 및/또는 탄수화물 데이터(353) 가 포함될 수 있다. 단백질 데이터(351)는 오버 트레이닝 분석의 대상이 되는 날에 사용자가 섭취한 단백질 섭취량과 대응될 수 있다. 탄수화물 데이터(353)는 오버 트레이닝 분석의 대상이 되는 날에 사용자가 섭취한 탄수화물 섭취량과 대응될 수 있다.
탄수화물 섭취량 및/또는 단백질 섭취량은 사용자가 전자 장치(101)에 직접 오버 트레이닝 분석의 대상이 되는 날짜에 섭취한 음식을 기입하여 측정될 수 있다. 탄수화물 섭취량 또는 단백질 섭취량은 오버 트레이닝 분석의 대상이 되는 날짜에 사용자의 식단의 예정된 경우, 예정된 식단으로 섭취할 수 있는 탄수화물 또는 단백질과 각각 대응될 수 있다. 예정된 식단은 서버(예: 도 1의 서버(108))에 저장된 식단과 연동될 수 있다. 예를 들어, 예정된 식단은 식사 제공 업체의 서버에 저장된 취식 내역 또는 식단표와 연동될 수 있다. 다른 예로, 예정된 식단은 사용자가 서버(108)에 저장한 식단표일 수 있다.
도 4는 일 실시 예에 따른 운동 데이터의 지정된 조건 성립 여부를 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 동작 410에서, 제1 거리가 평균 거리보다 제1 범위 내의 비율 이상 길면 거리(예: 도 3의 거리(311))가 불규칙하다고 판단할 수 있다. 제1 거리는 오버 트레이닝 분석의 대상이 되는 운동에서 측정된 운동 거리를 의미할 수 있다. 운동 거리는 통신 모듈(예: 도 1의 통신 모듈(190))을 이용하여 측정될 수 있다. 예를 들어, 운동 거리는 GNSS(Global Navigation Satellite system) 통신 모듈을 이용하여 위치 측위 방식을 통해 측정될 수 있다. 평균 거리는 제1 기간(예: 도 3의 제1 기간) 동안 수행한 복수의 운동에서 각각 측정된 거리(311)들의 평균 값과 대응될 수 있다. 제1 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제1 범위는 10%에서 40%로 설정될 수 있다. 제1 범위 내의 비율은 제1 범위에 포함된 값을 의미할 수 있다. 예를 들어 동작 410에서 평균 거리와 제1 거리를 비교하는데 사용된 제1 범위 내의 비율은 20%로 설정될 수 있다.
프로세서(120)는 동작 420에서, 제1 지속 시간이 평균 지속 시간보다 제1 범위 내의 비율 이상 길면 지속 시간(예: 도 3의 지속 시간(313))이 불규칙하다고 판단할 수 있다. 제1 지속 시간은 오버 트레이닝 분석의 대상이 되는 운동에서 측정된 사용자가 운동한 시간일 수 있다. 평균 지속 시간은 제1 기간 동안 수행한 복수의 운동에서 각각 측정된 지속 시간(313)들의 평균 값과 대응될 수 있다. 제1 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제1 범위는 10%에서 40%로 설정될 수 있다. 제1 범위 내의 비율은 제1 범위에 포함된 값을 의미할 수 있다. 예를 들어, 동작 420에서 제1 지속 시간과 평균 지속 시간을 비교하는데 사용된 제1 범위 내의 비율은 25%로 설정될 수 있다.
프로세서(120)는 동작 430에서, 제1 랩 수가 평균 랩 수보다 제1 범위 내의 비율 이상 많으면 랩 수(예: 도 3의 랩 수(315))가 불규칙하다고 판단할 수 있다. 제1 랩 수는 오버 트레이닝 분석의 대상이 되는 운동에서 사용자가 운동한 랩 수를 의미할 수 있다. 평균 랩 수는 제1 기간 동안 사용자가 수행한 복수의 운동에서 각각 측정된 랩 수(315)의 평균 값과 대응될 수 있다. 제1 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제1 범위는 10%에서 40%로 설정될 수 있다. 제1 범위 내의 비율은 제1 범위에 포함된 값을 의미할 수 있다. 예를 들어, 동작 430에서 제1 랩 수와 평균 랩 수를 비교하는데 사용된 제1 범위 내의 비율은 30%로 설정될 수 있다.
프로세서(120)는 동작 440에서, 운동 데이터(예: 도 3의 운동 데이터(310))의 지정된 조건이 성립된 지 판단할 수 있다. 프로세서(120)는 동작 410의 거리(311), 동작 420의 지속 시간(313), 또는 동작 430 랩 수(315) 중 적어도 하나를 불규칙하다고 판단하는 경우, 운동 데이터(310)의 지정된 조건이 성립한다고 판단할 수 있다. 프로세서(120)는 동작 410, 동작 420, 및 동작 430을 병렬적으로 각각 판단할 수 있다.
도 5a는 일 실시 예에 따른 수면 데이터의 지정된 조건 성립 여부를 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 동작 510에서, 제1 수면 점수가 평균 수면 점수보다 제2 범위 내의 임계치 이상 감소하면 수면 점수(예: 도 3의 수면 점수(321))가 불규칙하다고 판단할 수 있다. 제1 수면 점수는 오버 트레이닝 분석의 대상이 되는 수면에 대해 사용자가 입력한 수면 점수(321)일 수 있다. 평균 수면 점수는 제1 기간(예: 도 3의 제1 기간) 동안 복수의 수면에 대해 각각 입력된 수면 점수(321)들의 평균 값과 대응될 수 있다. 제2 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제2 범위는 1에서 4일 수 있다. 제2 범위 내의 임계치는 제2 범위에 포함된 값을 의미할 수 있다. 예를 들어, 동작 510에서 제1 수면 점수와 평균 수면 점수를 비교하는데 사용된 임계치는 2 일 수 있다.
프로세서(120)는 동작 520에서, 제1 수면 효율이 평균 수면 효율의 제4 범위 내의 비율 이하로 감소하면 수면 효율(예: 도 3의 수면 효율(323))이 불규칙하다고 판단할 수 있다. 제1 수면 효율은 오버 트레이닝 분석의 대상이 되는 수면에서 측정된 수면 효율(323)을 의미할 수 있다. 평균 수면 효율은 제1 기간 동안의 복수의 수면에서 각각 측정된 수면 효율(323)들의 평균 값과 대응될 수 있다. 제4 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제4 범위는 80%이상 95%일 수 있다. 제4 범위 내의 비율은 제4 범위에 포함된 값을 의미할 수 있다. 예를 들어, 동작 520에서 제1 수면 효율과 평균 수면 효율을 비교하는데 사용된 제4 범위 내의 비율은 90%일 수 있다.
프로세서(120)는 동작 530에서, 제1 수면 등급이 평균 수면 등급보다 제3 범위 내의 임계치 이상 감소하면 수면 등급(예: 도 3의 수면 등급(325))이 불규칙하다고 판단할 수 있다. 제1 수면 등급은 오버 트레이닝 분석의 대상이 되는 수면에서 측정된 수면 등급(325)일 수 있다. 평균 수면 등급은 제1 기간 동안 복수의 수면에서 각각 측정된 수면 등급(325)들의 평균 값과 대응될 수 있다. 제3 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제3 범위는 1 이상 2 이하일 수 있다. 제3 범위 내의 임계치는 제3 범위에 포함된 값을 의미할 수 있다. 예를 들어, 동작 530에서 제1 수면 등급과 평균 수면 등급을 비교하는데 사용된 임계치는 1일 수 있다.
프로세서(120)는 동작 540에서, 제1 수면 시간이 평균 수면 시간의 제4 범위(예: 동작 520의 제4 범위) 내의 비율 이하로 감소하면 수면 시간(예: 도 3의 수면 시간(327))이 불규칙하다고 판단할 수 있다. 제1 수면 시간은 오버 트레이닝 분석의 대상이 되는 수면에 대해 측정된 수면 시간(327)을 의미할 수 있다. 평균 수면 시간은 제1 기간 동안의 복수의 수면에서 각각 측정된 수면 시간(327)들의 평균 값과 대응될 수 있다. 제4 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제4 범위는 80%이상 95%이하일 수 있다. 제4 범위 내의 비율은 제4 범위에 포함된 값을 의미할 수 있다. 예를 들어, 동작 540에서 제1 수면 시간과 평균 수면 시간을 비교하는데 사용된 제4 범위 내의 비율은 90%일 수 있다.
프로세서(120)가 동작 510의 수면 점수(321), 동작 520의 수면 효율(323), 동작 530의 수면 등급(325), 동작 540의 수면 시간(327) 중 적어도 하나를 불규칙하다고 판단하는 경우, 프로세서(120)는 동작 550에서 수면 데이터(예: 도 3의 수면 데이터(320))의 지정된 조건이 성립한다고 판단할 수 있다. 프로세서(120)는 동작 510, 동작 520, 동작 530, 및 동작 540을 병렬적으로 각각 판단할 수 있다.
도 5b는 일 실시 예에 따른 수면 데이터에 대한 예시 도면이다. 도 5b를 참조하면, 전자 장치(예: 도 1의 전자 장치(101))는 수면 데이터에 대한 정보를 디스플레이 모듈(예: 도 1의 디스플레이 모듈(160)), 오디오 모듈(예: 도 1의 오디오 모듈(170)), 및/또는 햅틱 모듈(예: 도 1의 햅틱 모듈(179))을 통해 사용자에게 전달할 수 있다. 예를 들어, 전자 장치(101)는 디스플레이 모듈(160)을 통해 수면 데이터에 대한 정보를 표시할 수 있다. 다른 예로, 전자 장치(101)는 수면 데이터에 대한 정보를 디스플레이 모듈(160)에 표시함과 동시에 오디오 모듈(170)을 통해 소리로 출력할 수 있다. 또 다른 예로, 전자 장치(101)는 수면 데이터에 대한 정보를 디스플레이 모듈(160)에 표시함과 동시에 햅틱 모듈(179)을 통해 진동으로 사용자에게 전달할 수 있다.
수면 점수(321)에 대한 정보를 제공하는 디스플레이 모듈(160)에는 점수를 나타낼 수 있는 기호, 문자, 및/또는 도형이 포함될 수 있다. 예를 들어, 수면 점수(321)는 별 도형을 이용하여 표현될 수 있다. 다른 예로, 수면 점수(321)는 숫자를 이용하여 표현될 수 있다. 수면 효율(323)에 대한 정보를 제공하는 화면에는 수면 효율(323), 실질 수면 시간, 및/또는 총 수면 시간에 대한 정보가 포함될 수 있다.
수면 등급(325)에 대한 정보를 제공하는 화면에는 날짜 별 수면 등급(325)이 포함될 수 있다. 날짜 별 수면 등급(325)은, 날짜 별로 수면 시작 시각부터 수면 종결 시각까지의 시간대와 대응되는 막대 도형, 수면 시작 시각의 표시 선, 및/또는 수면 종결 시각의 표시 선을 이용하여 제공될 수 있다. 수면 등급(325)은 막대 도형의 형태, 색, 및/또는 무늬와 같은 식별 요소에 기반하여 날짜 별로 표현될 수 있다.
예를 들어, 수면 등급(325)이 1단계(Poor)인 경우, 막대 도형은 제1색으로 표현될 수 있다. 수면 등급(325)이 2단계(Fair)인 경우, 막대 도형은 제1 색과 시각적으로 구별 가능한 제2 색으로 표현될 수 있다. 수면 등급(325)이 3단계(Good)인 경우, 막대 도형은 제1 색 및 제2 색과 각각 시각적으로 구별 가능한 제3 색으로 표현될 수 있다. 다른 예로, 수면 등급(325)이 3단계(Good)인 경우, 막대 도형은 제2 색으로 표현됨과 동시에 수면 등급(325)이 2단계(Fair)인 경우와 구별 가능한 식별 요소가 사용되어 표현될 수 있다.
수면 시간(327)에 대한 정보를 제공하는 화면에는 실질 수면 시간, 수면 효율(323), 및/또는 수면의 깊이와 같은 수면과 관련된 정보가 포함될 수 있다. 수면의 깊이는 복수의 단계로 구분될 수 있다. 예를 들어, 수면 중 깸, 렘 수면, 얕은 수면, 또는 깊은 수면과 같이 수면의 깊이는 네 단계로 구분될 수 있다. 수면의 깊이는 제1 센서 모듈(210) 및/또는 제2 센서 모듈(220)을 통해 측정될 수 있다. 예를 들어, 수면의 깊이는 제1 센서 모듈(210)에 포함된 제1 가속도 센서(예: 도 2의 제1 가속도 센서(215))를 통해 사용자가 수면 중 움직이는 정도에 기반하여 측정될 수 있다. 수면의 깊이는 시간에 따른 수면 깊이에 대한 그래프로 표현될 수 있다. 예를 들어, 수면의 깊이는 시간에 따른 꺾은 선 그래프로 표현될 수 있다.
도 6은 일 실시 예에 따른 심박 데이터의 지정된 조건 성립 여부를 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 동작 610에서, 제1 심박수가 제1 평균 심박수의 제5 범위 내의 비율 이상 감소하면 운동 심박수(예: 도 3의 운동 심박수(331))가 불규칙하다고 판단할 수 있다. 제1 심박수는 오버 트레이닝 분석의 대상이 되는 운동 시 측정된 평균 심장 박동 수일 수 있다.
제1 평균 심박수는 제1 기간(예: 도 3의 제1 기간) 동안 복수의 운동에 대해 각각 측정된 운동 심박수(331)들의 평균 값과 대응될 수 있다. 제5 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제5 범위는 5%에서 30%일 수 있다. 제5 범위 내의 비율은 제5 범위에 포함된 값을 의미할 수 있다. 예를 들어, 제1 심박수와 제1 평균 심박수를 비교하는데 사용된 제5 범위 내의 비율은 20%일 수 있다.
프로세서(120)는 동작 620에서, 제2 심박수가 제2 평균 심박수의 제5 범위 내의 비율 이상 감소하면 기상 심박수(예: 도 3의 기상 심박수(333))가 불규칙하다고 판단할 수 있다. 제2 심박수는 오버 트레이닝 분석의 대상이 되는 운동을 수행한 다음날의 기상 시각부터 제1 임계 시간 동안 측정된 평균 심장 박동 수일 수 있다. 예를 들어, 오버 트레이닝 분석의 대상이 되는 운동을 수행한 날짜가 2월 2일인 경우, 제2 심박수는 2월 3일 사용자의 기상 시각부터 1시간 동안 측정된 평균 심장 박동수 일 수 있다.
제2 평균 심박수는 제1 기간 동안 복수의 운동들의 다음날에 각각 측정된 기상 심박수(333)들의 평균 값과 대응될 수 있다. 제5 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제5 범위는 5%이상 30%이하일 수 있다. 제5 범위 내의 비율은 제5 범위에 포함된 값을 의미할 수 있다. 예를 들어, 제2 심박수와 제2 평균 심박수를 비교하는데 사용된 제5 범위 내의 비율은 20%일 수 있다.
동작 610의 운동 심박수(331) 또는 동작 620의 기상 심박수(333) 중 적어도 하나를 불규칙하다고 판단한 경우, 프로세서(120)는 동작 630에서 심박 데이터(예: 도 3의 심박 데이터(330))의 지정된 조건이 성립하는 것으로 판단할 수 있다. 프로세서(120)는 동작 610 및 동작 620을 병렬적으로 각각 판단할 수 있다.
도 7은 일 실시 예에 따른 체중 데이터의 지정된 조건 성립 여부를 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 동작 710에서, 제1 체중이 평균 체중의 제6 범위 내의 비율 이하면 체중(예: 도 3의 체중(341))이 불규칙하다고 판단할 수 있다. 제1 체중은 오버 트레이닝 분석의 대상이 되는 운동을 수행한 다음날의 기상 시각부터 제1 임계 시간 내에 측정된 체중(341)일 수 있다. 평균 체중은 제1 기간 동안 각각 측정된 체중(341)들의 평균 값과 대응될 수 있다.
제6 범위는 사용자가 설정한 범위 또는 시스템 상 기 설정된 범위와 대응될 수 있다. 예를 들어, 제6 범위는 95%이상 100%이하일 수 있다. 제6 범위 내의 비율은 제6 범위에 포함된 값을 의미할 수 있다. 예를 들어, 동작 710에서 제1 체중과 평균 체중을 비교하는데 사용된 제6 범위 내의 비율은 98%일 수 있다. 동작 710의 체중(341)이 불규칙하다고 판단한 경우, 프로세서(120)는 동작 720에서 체중 데이터(예: 도 3의 체중 데이터(340))의 지정된 조건이 성립하는 것으로 판단할 수 있다.
도 8은 일 실시 예에 따른 음식 데이터의 지정된 조건 성립 여부를 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 동작 810에서, 탄수화물 섭취량이 일일 탄수화물 권장 섭취량 미만이면 탄수화물 데이터(예: 도 3의 탄수화물 데이터(353))가 불규칙하다고 판단할 수 있다. 탄수화물 섭취량은 오버 트레이닝 분석의 대상이 되는 운동을 수행한 날에 사용자가 하루 동안 섭취한 탄수화물을 나타낼 수 있다. 일일 탄수화물 권장 섭취량을 결정하는 데에 있어 사용자의 탄수화물 소모량과 관련된 정보가 고려될 수 있다. 예를 들어, 일일 탄수화물 권장 섭취량을 결정하는 데에 있어, 사용자의 키, 체중(예: 도 3의 체중(341)), 나이, 운동 강도, 및/또는 운동 빈도가 고려될 수 있다.
프로세서(120)는 동작 820에서, 단백질 섭취량이 일일 단백질 권장 섭취량 미만이면 단백질 데이터(예: 도 3의 단백질 데이터(351))가 불규칙하다고 판단할 수 있다. 단백질 섭취량은 오버 트레이닝 분석의 대상이 되는 운동을 수행한 날에 사용자가 하루 동안 섭취한 단백질을 나타낼 수 있다. 일일 단백질 권장 섭취량을 결정하는 데에 있어 사용자의 단백질 소모량과 관련된 정보가 고려될 수 있다. 예를 들어, 일일 단백질 권장 섭취량을 결정하는 데에 있어, 사용자의 키, 체중(341), 나이, 운동 강도, 및/또는 운동 빈도가 고려될 수 있다.
프로세서(120)가 동작 810의 탄수화물 섭취 또는 동작 820의 단백질 섭취 중 적어도 하나를 불규칙하다고 판단한 경우, 프로세서(120)는 동작 830에서 음식 데이터(예: 도 3의 음식 데이터(350))의 지정된 조건이 성립된 것으로 판단할 수 있다. 프로세서(120)는 동작 810 및 동작 820을 병렬적으로 각각 판단할 수 있다.
도 9는 일 실시 예에 따른 운동 데이터의 지정된 조건 성립 여부에 따라 다른 분석을 수행하는 것을 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 동작 910에서, 스코어(Score)를 0으로 설정할 수 있다. 스코어는 복수의 종류들의 생체 데이터(예: 도 3의 생체 데이터(300))에 포함된 데이터 중 지정된 조건에 해당하는 데이터의 수와 대응될 수 있다. 프로세서(120)는 동작 920에서, 운동 데이터(예: 도 3의 운동 데이터(310))의 지정된 조건이 성립하는지 판단할 수 있다. 운동 데이터(310)의 지정된 조건이 성립하지 않는 경우(동작 920 - No), 프로세서(120)는 동작 930에서 제1 분석을 수행할 수 있다. 운동 데이터(310)의 지정된 조건이 성립하는 경우(동작 920 - Yes), 프로세서(120)는 동작 940에서 제2 분석을 수행할 수 있다.
본 실시 예에 따르면, 프로세서(120)는 운동 데이터(310)의 지정된 조건이 성립한다고 판단하는 경우에만 제2 분석을 통해 동작 1115에서 음식 데이터(350)의 지정된 조건이 성립하는지 판단할 수 있다. 이를 통해 운동 데이터(310)가 지정된 조건에 해당하는지 여부와 무관하게 항상 음식 데이터(350)의 지정된 조건 해당 여부를 파악 하는 것이 아니라, 운동 데이터(310)이 지정된 조건에 해당하는 경우에만 음식 데이터(350)가 지정된 조건에 해당하는지 여부를 판단하기 때문에 리소스의 낭비를 방지할 수 있다. 또한 프로세서(120)는 운동 데이터(310)가 지정된 조건에 해당하는 경우에 음식 데이터(350)까지 지정된 조건에 해당하는지 판단함으로써, 사용자가 오버 트레이닝에 해당하는지 여부를 다양한 데이터를 통해 더 정확하게 판단할 수 있고, 사용자에게 더 구체적인 운동과 관련된 가이드를 지시할 수 있다.
도 10은 일 실시 예에 따른 제1 분석을 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 도 9의 동작 930에 해당하는 경우 제1 분석을 수행할 수 있다. 프로세서(120)는 동작 1001에서 수면 데이터(예: 도 3의 수면 데이터(320))의 지정된 조건이 성립한 지 판단할 수 있다. 수면 데이터(320)의 지정된 조건이 성립하는 경우(동작 1001 - Yes), 프로세서(120)는 동작 1003에서 스코어의 값을 1 증가시킬 수 있다.
수면 데이터(320)의 지정된 조건이 성립하지 않는 경우(동작 1001 - No), 프로세서(120)는 동작 1005에서 심박 데이터(예: 도 3의 심박 데이터(330))의 지정된 조건이 성립하는지 판단할 수 있다. 심박 데이터(330)의 지정된 조건이 성립하는 경우(동작 1005 - Yes), 프로세서(120)는 동작 1007에서 스코어의 값을 1 증가시킬 수 있다.
심박 데이터(330)의 지정된 조건이 성립하지 않는 경우(동작 1005 - No), 프로세서(120)는 동작 1009에서 체중 데이터(예: 도 3의 체중 데이터(340))의 지정된 조건이 성립하는지 판단할 수 있다. 체중 데이터(340)의 지정된 조건이 성립하는 경우(동작 1009 -Yes), 프로세서(120)는 동작 1011에서 스코어의 값을 1 증가시킬 수 있다.
체중 데이터(340)의 지정된 조건이 성립하지 않는 경우(동작 1009 - No), 프로세서(120)는 동작 1013에서 스코어의 값을 제1 스코어에 대입할 수 있다.
프로세서(120)는 동작 1015에서, 운동과 관련된 가이드를 제공할 수 있다. 운동과 관련된 가이드는 제1 스코어의 값과 동작 920, 동작 1001, 동작1005, 동작1009에서 지정된 조건이 성립한 데이터의 종류에 기반하여 이루어질 수 있다.
도 11은 일 실시 예에 따른 제2 분석을 설명하는 도면이다. 프로세서(예: 도 1의 프로세서(120))는 도 9의 동작 940에 해당하는 경우, 제2 분석을 수행할 수 있다. 프로세서(120)는 동작 1101에서 스코어의 값을 1 증가시킬 수 있다. 프로세서(120)는 동작 1103에서 수면 데이터(예: 도 3의 수면 데이터(320))의 지정된 조건이 성립한 지 판단할 수 있다. 수면 데이터(320)의 지정된 조건이 성립하는 경우(동작 1103 - Yes), 프로세서(120)는 동작 1105에서 스코어의 값을 1 증가시킬 수 있다.
수면 데이터(320)의 지정된 조건이 성립하지 않는 경우(동작 1103 - No), 프로세서(120)는 동작 1107에서 심박 데이터(예: 도 3의 심박 데이터(330))의 지정된 조건이 성립하는지 판단할 수 있다. 심박 데이터(330)의 지정된 조건이 성립하는 경우(동작 1107 - Yes), 프로세서(120)는 동작 1109에서 스코어의 값을 1 증가시킬 수 있다.
심박 데이터(330)의 지정된 조건이 성립하지 않는 경우(동작 1107 - No), 프로세서(120)는 동작 1111에서 체중 데이터(예: 도 3의 체중 데이터(340))의 지정된 조건이 성립하는지 판단할 수 있다. 체중 데이터(340)의 지정된 조건이 성립하는 경우(동작 1111 -Yes), 프로세서(120)는 동작 1113에서 스코어의 값을 1 증가시킬 수 있다.
체중 데이터(340)의 지정된 조건이 성립하지 않는 경우(동작 1111 - No), 프로세서(120)는 동작 1115에서 음식 데이터(예: 도 3의 음식 데이터(350))의 지정된 조건이 성립하는지 판단할 수 있다. 음식 데이터(350)의 지정된 조건이 성립하는 경우(동작 1115 - Yes), 프로세서(120)는 동작 1117에서 스코어의 값을 1 증가시킬 수 있다.
음식 데이터(350)의 지정된 조건이 성립하지 않는 경우(동작 1115 - No), 프로세서(120)는 동작 1119에서 스코어의 값을 제2 스코어에 대입할 수 있다. 프로세서(120)는 동작 1121에서, 운동과 관련된 가이드를 제공할 수 있다. 운동과 관련된 가이드는 제2 스코어의 값과 동작 920, 동작 1103, 동작 1107, 동작 1111, 동작 1115에서 지정된 조건이 성립한 데이터의 종류에 기반하여 이루어질 수 있다.
도 12는 일 실시 예에 따른 운동과 관련된 가이드를 포함하는 메시지에 대한 예시를 설명하는 도면이다. 운동과 관련된 가이드는 전자 장치(예: 도 1의 전자 장치(101))의 음향 출력 모듈(예: 도 1의 음향 출력 모듈(155)), 오디오 모듈(예: 도 1의 오디오 모듈(170)), 햅틱 모듈(예: 도 1의 햅틱 모듈(179)), 및/또는 디스플레이 모듈(예: 도 1의 디스플레이 모듈(160))에 포함된 알림 영역 상에서 제공될 수 있다. 운동과 관련된 가이드는 동작 920에서 운동 데이터(예: 도 3의 운동 데이터(310))의 지정된 조건이 성립하지 않는 경우 동작 1015의 운동과 관련된 가이드와 대응되고, 동작 920에서 운동 데이터(310)의 지정된 조건이 성립하는 경우 동작 1121의 운동과 관련된 가이드와 대응될 수 있다.
운동과 관련된 가이드가 동작 1015의 운동과 관련된 가이드와 대응되는 경우 동작 1019의 제1 스코어에 기반하여 가이드가 제공되고, 운동과 관련된 가이드가 동작 1121의 운동과 관련된 가이드와 대응되는 경우 동작 1119의 제2 스코어에 기반하여 가이드가 제공될 수 있다. 운동과 관련된 가이드는 스코어에 따라 가이드의 강도가 달라질 수 있다. 프로세서(예: 도 1의 프로세서(120))는 지정된 조건이 성립한 데이터에 대한 설명과 함께 가이드를 제공할 수 있다.
스코어가 1인 경우, 프로세서(120)는 제1 강도를 갖는 운동과 관련된 가이드를 제공할 수 있다. 스코어가 1인 경우, 프로세서(120)는 지정된 조건이 성립한 데이터에 대한 설명과 함께 “무리한 운동을 하셨는지 생각해보세요” 또는 “오늘은 가볍게 운동해 보세요”와 같은 가이드를 제공할 수 있다. 예를 들어, 제1 알림과 같이 생체 데이터(예: 도 3의 생체 데이터(300)) 중 운동 데이터(310)의 지정된 조건만 성립하는 경우, 프로세서(120)는 지속 시간(예: 도 3의 지속 시간(313))이 평균 지속 시간보다 30% 증가했다는 설명과 함께 “무리한 운동을 하셨는지 생각해보세요.”와 같은 가이드를 제공할 수 있다.
스코어가 2인 경우, 프로세서(120)는 제1 강도보다 높은 제2 강도를 갖는 가운동과 관련된 가이드를 제공할 수 있다. 스코어가 2인 경우, 프로세서(120)는 지정된 조건이 성립한 데이터에 대한 설명과 함께 “무리한 운동을 한 것 같습니다” 또는 “오늘은 가볍게 운동해 보세요”와 같은 가이드를 제공할 수 있다.
스코어가 3인 경우, 프로세서(120)는 제2 강도보다 높은 제3 강도를 갖는 운동과 관련된 가이드를 제공할 수 있다. 스코어가 3인 경우 프로세서(120)는 지정된 조건이 성립한 데이터에 대한 설명과 함께 “무리한 운동을 한 것 같습니다. 휴식이 필요해 보입니다.”와 같은 가이드를 제공할 수 있다. 예를 들어, 제2 알림과 같이 생체 데이터(300) 중 운동 데이터(310), 수면 데이터(예: 도 3의 수면 데이터(320)), 및 체중 데이터(예: 도 3의 체중 데이터(340))의 지정된 조건 성립하는 경우, 프로세서(120)는 거리(예: 도 3의 거리(311))가 평균 거리보다 20% 증가했고, 수면 시간(예: 도 3의 수면 시간(327))이 평균 수면 시간보다 12% 감소했으며 체중(예: 도 3의 체중(341))이 평균 체중보다 3% 감소했다는 설명과 함께 “무리한 운동을 한 것 같습니다. 휴식이 필요해 보입니다.”와 같은 가이드를 제공할 수 있다.
스코어가 4인 경우, 프로세서(120)는 제3 강도보다 높은 제4 강도를 갖는 운동과 관련된 가이드를 제공할 수 있다. 스코어가 4인 경우, 프로세서(120)는 지정된 조건이 성립한 데이터에 대한 설명과 함께 “오늘은 운동을 하지 말아주세요. 3일 동안 휴식을 하고 신체를 회복해 주세요.”와 같은 가이드를 제공할 수 있다.
스코어가 5인 경우, 프로세서(120)는 제4 강도보다 높은 제5 강도를 갖는 운동과 관련된 가이드를 제공할 수 있다. 스코어가 5인 경우, 프로세서(120)는 지정된 조건이 성립한 데이터에 대한 설명과 함께 “오늘 운동을 절대 하지 말아주세요. 충분한 회복없이 운동을 한다면 부상이 발생할 수 있습니다”와 같은 가이드를 제공할 수 있다. 예를 들어, 제3 알림과 같이 생체 데이터(300) 중 운동 데이터(310), 수면 데이터(320), 심박 데이터(예: 도 3의 심박 데이터(330)), 체중 데이터(340), 및 음식 데이터(예: 도 3의 음식 데이터(350)) 각각의 지정된 조건 성립하는 경우, 프로세서(120)는 랩 수(예: 도 3의 랩 수(315))가 평균 랩 수보다 30% 증가했고 수면 효율(예: 도 3의 수면 효율(323))이 평균 수면 효율보다 7%가 감소했으며 운동 심박수가(예: 도 3의 운동 심박수(331)) 제1 평균 심박수보다 20%가 증가했고 체중(341)이 평균 체중보다 3% 감소했으며 단백질 섭취량 및 탄수화물 섭취량 모두 섭취 부족이라는 설명과 함께 “오늘 운동을 절대 하지 말아주세요. 충분한 회복없이 운동을 한다면 부상이 발생할 수 있습니다”와 같은 가이드를 제공할 수 있다.
본 실시 예에 따르면, 사용자가 오버 트레이닝을 인지하지 못하고 지속적인 운동을 하여 운동 효과가 떨어지거나 부상을 입는 것을 방지할 수 있다. 나아가, 신체 능력에 맞지 않는 운동을 수행하고 있는 경우, 사용자에게 알맞은 운동 방법 및 휴식을 권장하여 올바른 운동을 수행하도록 유도할 수 있다.
도 13은 일 실시 예에 따른 각 동작 과정을 설명하는 도면이다.
프로세서(예: 도 1의 프로세서(120))는 동작 1310에서 복수의 종류들의 생체 데이터(예: 도 3의 생체 데이터(300))를 수집할 수 있다. 프로세서(120)은 동작 1320에서 복수의 종류들의 생체 데이터(300) 사이의 우선 순위를 설정할 수 있다. 프로세서(120)는 동작 1330에서 우선 순위에 기반하여 복수의 종류의 생체 데이터(300) 각각이 지정된 조건에 해당하는지 여부를 판단할 수 있다. 프로세서(120)는 동작 1340에서 지정된 조건에 해당하는지 여부에 대하여 판단한 결과를 분석하여 오버 트레이닝(over-training)여부를 판단할 수 있다. 프로세서(120)는 동작 1350에서, 상기 오버 트레이닝 여부에 따라 사용자에게 운동과 관련된 가이드를 포함하는 메시지를 출력할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    센서;
    디스플레이;
    메모리; 및
    상기 센서, 상기 메모리 및 상기 디스플레이와 작동적으로 연결된 프로세서를 포함하고,
    상기 프로세서는,
    상기 센서를 이용하여 복수의 종류들의 생체 데이터를 수집하고,
    상기 복수의 종류들의 생체 데이터 사이의 우선 순위를 설정하고,
    상기 우선 순위에 기반하여 상기 복수의 종류들의 생체 데이터 각각이 지정된 조건에 해당하는지 여부를 판단하고,
    상기 지정된 조건에 해당하는지 여부에 대하여 판단한 결과를 분석하여 오버 트레이닝(over-training) 여부를 판단하고,
    상기 오버 트레이닝 여부에 따라 사용자에게 운동과 관련된 가이드(guide)를 포함하는 메시지를 출력하는 전자 장치.
  2. 제1 항에 있어서, 상기 프로세서는,
    상기 복수의 종류들의 생체 데이터 중 상기 지정된 조건에 해당하는 상기 생체 데이터의 개수 및 상기 지정된 조건에 해당하는 상기 생체 데이터의 종류 중 적어도 하나에 기반하여 상기 운동과 관련된 가이드를 포함하는 메시지를 제공하는 전자 장치.
  3. 제1 항에 있어서,
    상기 복수의 종류들의 생체 데이터는 운동 데이터, 수면 데이터, 심박(Heart Rate) 데이터, 체중 데이터, 또는 음식 데이터 중 적어도 하나를 포함하고,
    상기 프로세서는,
    상기 우선 순위를 상기 운동 데이터, 상기 수면 데이터, 상기 심박 데이터, 상기 체중 데이터, 및 상기 음식 데이터의 순서대로 설정하는 전자 장치.
  4. 제1 항에 있어서, 상기 프로세서는
    상기 전자 장치와 무선 통신으로 연결된 외부 전자 장치로부터 상기 외부 전자 장치가 수집한 복수의 종류들의 생체 데이터를 수신하는 전자 장치.
  5. 제1 항에 있어서,
    상기 복수의 종류들의 생체 데이터는 운동 데이터, 수면 데이터, 심박 데이터, 체중 데이터, 및 음식 데이터를 포함하고,
    상기 운동 데이터는 거리, 지속 시간, 또는 랩 수(lap counting) 중 적어도 하나를 포함하고,
    상기 수면 데이터는 수면 점수, 수면 효율, 수면 등급, 또는 수면 시간 중 적어도 하나를 포함하고,
    상기 심박 데이터는 운동 심박수 또는 기상 심박수 중 적어도 하나를 포함하고,
    상기 체중 데이터는 체중을 포함하고,
    상기 음식 데이터는 탄수화물 데이터 또는 단백질 데이터 중 적어도 하나를 포함하는 전자 장치.
  6. 제5 항에 있어서, 상기 프로세서는,
    상기 운동 데이터에 포함된 상기 거리, 상기 지속 시간, 또는 상기 랩 수 중 적어도 하나가 불규칙하면 상기 운동 데이터의 상기 지정된 조건이 성립한다고 판단하고,
    상기 분석의 대상이 되는 제1 운동의 제1 거리가 평균 거리보다 제1 비율 이상 길면 상기 거리를 불규칙하다고 판단하고,
    상기 제1 운동의 제1 지속 시간이 평균 지속 시간보다 상기 제1 비율 이상 길면 상기 지속 시간을 불규칙하다고 판단하고, 또는
    상기 제1 운동의 제1 랩 수가 평균 랩 수보다 상기 제1 비율 이상 많으면 상기 랩 수를 불규칙하다고 판단하는 전자 장치.
  7. 제5 항에 있어서, 상기 프로세서는,
    상기 수면 데이터에 포함된 상기 수면 점수, 상기 수면 효율, 상기 수면 등급, 또는 상기 수면 시간 중 적어도 하나를 불규칙하다고 판단하면 상기 수면 데이터의 상기 지정된 조건이 성립한다고 판단하고,
    상기 분석의 대상이 되는 제1 수면의 제1 수면 점수가 평균 수면 점수보다 제1 임계치 이상 감소하면 상기 수면 점수를 불규칙하다고 판단하고,
    상기 제1 수면의 제1 수면 효율이 평균 수면 효율의 제2 비율 이하로 감소하면 상기 수면 효율을 불규칙하다고 판단하고,
    상기 제1 수면의 제1 수면 등급이 평균 수면 등급보다 제2 임계치 이상 감소하면 상기 수면 등급을 불규칙하다고 판단하고, 또는
    상기 제1 수면의 제1 수면 시간이 평균 수면 시간의 제3 비율 이하로 감소하면 상기 수면 시간을 불규칙하다고 판단하는 전자 장치.
  8. 제5 항에 있어서, 상기 프로세서는,
    상기 심박 데이터에 포함된 상기 운동 심박수 또는 상기 기상 심박수 중 적어도 하나를 불규칙하다고 판단하면 상기 심박 데이터의 상기 지정된 조건이 성립한다고 판단하고,
    상기 운동 심박수 중 상기 분석의 대상이 되는 제1 심박수가 제1 평균 심박수의 제4 비율 이상이면 상기 운동 심박수를 불규칙하다고 판단하고, 또는
    상기 기상 심박수 중 상기 분석의 대상이 되는 제2 심박수가 제2 평균 심박수의 제4 비율 이상이면 상기 기상 심박수를 불규칙하다고 판단하는 전자 장치.
  9. 제5 항에 있어서, 상기 프로세서는,
    상기 체중 중 상기 분석의 대상이 되는 제1 체중이 평균 체중의 제5 비율 이하이면 상기 체중 데이터의 상기 지정된 조건이 성립한다고 판단하는 전자 장치.
  10. 제5 항에 있어서, 상기 프로세서는,
    상기 분석의 대상이 되는 날짜에 사용자가 섭취한 탄수화물 또는 단백질 중 적어도 하나가 상기 사용자의 신체에 대응하는 상기 탄수화물 또는 상기 단백질 각각의 권장 섭취량 미만인 경우 상기 음식 데이터의 상기 지정된 조건이 성립한다고 판단하는 전자 장치.
  11. 제1 항에 있어서,
    상기 복수의 종류들의 생체 데이터는 운동 데이터, 수면 데이터, 심박 데이터, 체중 데이터, 및 음식 데이터를 포함하고,
    상기 프로세서는,
    상기 운동 데이터가 상기 지정된 조건에 해당하지 않는다고 판단한 경우 제1 분석을 수행하고, 또는
    상기 운동 데이터가 상기 지정된 조건에 해당한다고 판단한 경우 제2 분석을 수행하는 전자 장치.
  12. 제11 항에 있어서, 상기 프로세서는
    상기 제1 분석을 수행하는 경우,
    상기 수면 데이터, 상기 심박 데이터, 또는 상기 체중 데이터 중 적어도 하나가 상기 지정된 조건에 해당하면, 상기 음식 데이터가 상기 지정된 조건에 해당하는지 여부를 판단하고, 또는
    상기 수면 데이터, 상기 심박 데이터, 및 상기 체중 데이터가 각각 상기 지정된 조건에 해당하지 않으면, 상기 음식 데이터가 상기 지정된 조건에 해당하는지 여부에 대한 판단을 생략하고, 또는
    상기 제2 분석을 수행하는 경우,
    상기 수면 데이터, 상기 심박 데이터, 상기 체중 데이터, 및 상기 음식 데이터가 각각 상기 지정된 조건에 해당하는지 여부를 판단하는 전자 장치.
  13. 운동과 관련된 가이드를 포함하는 메시지를 출력하는 방법에 있어서,
    복수의 종류들의 생체 데이터를 수집하는 동작;
    상기 복수의 종류들의 생체 데이터 사이의 우선 순위를 설정하는 동작;
    상기 우선 순위에 기반하여 상기 복수의 종류들의 생체 데이터 각각이 지정된 조건에 해당하는지 여부를 판단하는 동작;
    상기 판단의 결과를 분석하여 오버 트레이닝(over-training) 여부를 판단하는 동작; 및
    상기 오버 트레이닝 여부에 따라 사용자에게 운동과 관련된 가이드를 포함하는 메시지를 출력하는 동작; 을 포함하는 방법.
  14. 제13 항에 있어서, 상기 메시지를 출력하는 동작은,
    상기 복수의 종류들의 생체 데이터 중 상기 지정된 조건에 해당하는 상기 데이터의 개수 또는 상기 지정된 조건에 해당하는 상기 데이터의 종류 중 적어도 하나에 기반하여 알림이 제공되는 동작; 을 포함하는 방법.
  15. 제13 항에 있어서, 상기 우선 순위를 설정하는 동작은,
    상기 복수의 종류들의 생체 데이터에 포함된 운동 데이터, 수면 데이터, 심박 데이터, 체중 데이터, 및 음식 데이터 순서대로 설정하는 동작; 을 포함하는 방법.
PCT/KR2022/005708 2021-05-21 2022-04-21 생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치 WO2022244996A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210065741A KR20220157783A (ko) 2021-05-21 2021-05-21 생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치
KR10-2021-0065741 2021-05-21

Publications (1)

Publication Number Publication Date
WO2022244996A1 true WO2022244996A1 (ko) 2022-11-24

Family

ID=84140749

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/005708 WO2022244996A1 (ko) 2021-05-21 2022-04-21 생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치

Country Status (2)

Country Link
KR (1) KR20220157783A (ko)
WO (1) WO2022244996A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020083004A (ko) * 2001-04-25 2002-11-01 안성훈 운동량 측정기
KR20150099430A (ko) * 2014-02-21 2015-08-31 삼성전자주식회사 전자 장치
JP2016007292A (ja) * 2014-06-24 2016-01-18 日本電信電話株式会社 運動支援装置及び方法
KR20200059428A (ko) * 2018-11-21 2020-05-29 한국전기연구원 웨어러블 디바이스 기반의 운동 관리 시스템
KR20200126590A (ko) * 2019-04-30 2020-11-09 윤라영 바이탈 정보를 제공하는 스포츠 안전체크기

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020083004A (ko) * 2001-04-25 2002-11-01 안성훈 운동량 측정기
KR20150099430A (ko) * 2014-02-21 2015-08-31 삼성전자주식회사 전자 장치
JP2016007292A (ja) * 2014-06-24 2016-01-18 日本電信電話株式会社 運動支援装置及び方法
KR20200059428A (ko) * 2018-11-21 2020-05-29 한국전기연구원 웨어러블 디바이스 기반의 운동 관리 시스템
KR20200126590A (ko) * 2019-04-30 2020-11-09 윤라영 바이탈 정보를 제공하는 스포츠 안전체크기

Also Published As

Publication number Publication date
KR20220157783A (ko) 2022-11-29

Similar Documents

Publication Publication Date Title
WO2022131657A1 (ko) 운동 가이드를 제공하는 전자 장치 및 그 동작 방법
WO2022025678A1 (en) Electronic device for evaluating sleep quality and method for operation in the electronic device
WO2022124551A1 (ko) 복수의 전극을 포함하는 웨어러블 전자 장치
KR20220090261A (ko) 피트니스 피드백을 제공하는 전자 장치, 이의 제어 방법 및 서버
WO2022005027A1 (ko) 전자 장치와 연결된 히어러블 장치 및 이의 동작 방법
WO2022244996A1 (ko) 생체 데이터를 이용하여 개인 맞춤형 코칭을 제공하는 전자 장치
WO2022203190A1 (ko) 의료 데이터를 이용하여 운동 프로그램을 제공하는 전자 장치 및 방법
WO2022030961A1 (ko) 위험 정보를 감지하는 전자 장치 및 방법
WO2023003232A1 (ko) 센서를 포함하는 전자 장치 및 그의 동작 방법
WO2022177059A1 (ko) 선택적 클록 동기화를 이용하는 전자 장치 및 방법
WO2022191416A1 (ko) 수면 질 향상을 위한 정보를 제공하는 장치 및 그 방법
WO2021261914A1 (ko) 심전도 측정을 위한 전자 장치 및 전자 장치에서의 동작 방법
WO2022124784A1 (ko) 식사 메뉴에 대한 정보를 제공하는 전자 장치와 이의 동작 방법
WO2022191451A1 (ko) 운동 영상의 속도를 제어하는 전자 장치 및 이의 제어 방법
WO2022055251A1 (ko) 소모 칼로리를 측정하는 전자 장치 및 그 제어 방법
WO2022031007A1 (ko) 전자 장치 및 이를 이용한 건강 관리 방법
WO2021167385A1 (en) Electronic device and method for recognizing context thereof
WO2023136628A1 (ko) 사용자의 생체 사인을 결정하는 전자 장치 및 그 동작 방법
WO2024123016A1 (ko) 혈당 모니터링 방법 및 이를 지원하는 전자 장치
WO2022086273A1 (ko) 생체 정보 측정을 위한 웨어러블 디바이스 및 방법
WO2023163505A1 (ko) 운동 능력에 기반하여 운동 가이드를 제공하는 전자 장치 및 그 제어 방법
WO2023068532A1 (ko) 전자 장치 및 신체 임피던스 측정 방법
WO2022182032A1 (ko) 혈압 관련 정보에 기반한 개인화 가이드를 제공하는 전자 장치 및 그 방법
WO2023113303A1 (ko) 전자 장치 및 외부 장치에서의 출력 데이터 결정 방법
WO2023018222A1 (ko) 웨어러블 전자 장치 및 웨어러블 전자 장치에서 양치질 정보 제공 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22804851

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22804851

Country of ref document: EP

Kind code of ref document: A1