KR101135124B1 - Method and system for diagnosing handicapped person based on surveyed data - Google Patents
Method and system for diagnosing handicapped person based on surveyed data Download PDFInfo
- Publication number
- KR101135124B1 KR101135124B1 KR1020090117247A KR20090117247A KR101135124B1 KR 101135124 B1 KR101135124 B1 KR 101135124B1 KR 1020090117247 A KR1020090117247 A KR 1020090117247A KR 20090117247 A KR20090117247 A KR 20090117247A KR 101135124 B1 KR101135124 B1 KR 101135124B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- disability
- developmental
- diagnosis
- cluster
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Probability & Statistics with Applications (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
본 발명은 발달 장애인 관찰정보에 기반한 장애진단 방법 및 시스템을 개시하고 있다.The present invention discloses a method and system for diagnosing disability based on observational information on a developmental disability.
본 발명의 일 실시 예에 따른 발달 장애인 관찰정보에 기반한 장애진단 방법은 발달 장애인을 관찰하여 정보를 수집하는 제 1 단계, 상기 수집한 정보에 대해 자연어를 기반으로 분석하여 관찰결과에 해당하는 단어 또는 둘 이상의 단어를 포함하는 문장을 선별하는 제 2 단계, 상기 선별한 단어 또는 문장에 대하여 상관 지수를 추출하여 군집을 생성하는 제 3 단계, 및 상기 생성된 군집을 기반으로 상기 발달 장애인에 대한 장애를 분류하고, 진단 결과를 생성하는 제 4 단계를 포함한다.Disability diagnosis method based on observation information on a developmental disability according to an embodiment of the present invention is a first step of collecting information by observing a developmental disability, the word corresponding to the observation result by analyzing the collected information based on natural language or A second step of selecting a sentence including two or more words, a third step of generating a cluster by extracting a correlation index with respect to the selected word or sentence, and based on the generated cluster, Classifying and generating a diagnosis result.
발달 장애, 진단, 주의력 결핍 과잉 장애, 자폐증, 행동 감지 Developmental disorders, diagnosis, attention deficit hyperactivity disorder, autism, behavior detection
Description
본 발명은 발달 장애인 관찰정보에 기반한 장애진단 방법 및 시스템을 개시하고 있다.The present invention discloses a method and system for diagnosing disability based on observational information on a developmental disability.
최근 사회 기능의 발달과 주변환경의 변화로 인해 사회적 발달 장애 성향을 가지는 사람들이 많은 증가 추세에 있다. 이러한 성향을 가지는 사람들의 사회적 활동을 증진시키기 위해 기존에 발달 장애인들에게 특수교육 및 재활적 관점에서 특이행동들에 대한 기록들을 데이터베이스 형태로 저장하고 관찰하는 시스템들이 제안되어 왔다. 즉, 종래에는 발달 장애우에 대한 기록/관찰/교육과정 등에 대하여 관리적인 측면에서 접근해왔다. 그러나 종래의 제안된 방식들은 장애우에 대한 기록적 측면에 대해서만 접근하고 있어, 축척된 데이터베이스를 이용하여 보다 가치있는 정보를 획득하지 못하고 있다. Recently, due to the development of social function and the change of the surrounding environment, the number of people with social development disorder tendency is increasing. In order to promote the social activities of people with this tendency, systems for storing and observing records of unusual behaviors in the form of databases for special education and rehabilitation from the perspective of special education and rehabilitation have been proposed. That is, in the past, the approach has been approached from a management point of view regarding the record / observation / education process for the developmental disabled. However, the conventionally proposed methods only approach the record side of the disabled, and thus, they cannot obtain more valuable information using the scaled database.
현재, 발달 장애인들은 아주 광범위한 자폐성향(ASD)들을 보고 있는 상황이므로, 이들에 대한 정확한 장애진단에 기반하여 발달 장애인에 대한 적합한 재활교육 및 치료가 이루어지도록 하는 것이 필요하다.Currently, people with developmental disabilities are seeing a very wide range of autism tendencies (ASDs), and it is necessary to provide appropriate rehabilitation education and treatment for the developmental disabilities based on accurate disability diagnosis.
전술한 문제를 해결하기 위하여 기존에 축적된 정보를 이용하여 발달 장애인에 대한 장애진단을 제공하고 이를 판단할 수 있는 방법이 필요하다.In order to solve the above problems, there is a need for a method for providing and diagnosing a disability diagnosis for a developmental disability using existing accumulated information.
본 발명은 기존에 저장된 데이터베이스 또는 새로운 형태의 데이터베이스 구조를 이용하여 기구축된 발달 장애인에 대한 데이터베이스를 활용하고, 발달 장애인에 대한 기록 정보 기반 장애진단을 수행할 수 있는 시스템을 제시한다.The present invention proposes a system that can utilize a database for a developmentally disabled person, using an existing database or a new type of database structure, and perform a disability diagnosis based on record information for a developmentally disabled person.
전술한 과제를 달성하기 위해, 본 발명의 일 실시 예에 따른 발달 장애인 관찰정보에 기반한 장애진단 방법은 발달 장애인을 관찰하여 정보를 수집하는 제 1 단계, 상기 수집한 정보에 대해 자연어를 기반으로 분석하여 관찰결과에 해당하는 단어 또는 둘 이상의 단어를 포함하는 문장을 선별하는 제 2 단계, 상기 선별한 단어 또는 문장에 대하여 상관 지수를 추출하여 군집을 생성하는 제 3 단계, 및 상기 생성된 군집을 기반으로 상기 발달 장애인에 대한 장애를 분류하고, 진단 결과를 생성하는 제 4 단계를 포함한다.In order to achieve the above object, a disability diagnosis method based on observation of a developmental disability according to an embodiment of the present invention is a first step of collecting information by observing a developmental disability, and analyzing the collected information based on natural language A second step of selecting a word corresponding to the observation result or a sentence including two or more words, a third step of generating a cluster by extracting a correlation index with respect to the selected word or sentence, and based on the generated cluster And classifying a disability for the developmental disability and generating a diagnosis result.
본 발명의 다른 실시 예에 따른 발달 장애인을 관찰하여 정보를 수집하는 정보 수집부, 상기 수집한 정보에 대해 자연어를 기반으로 분석하여 관찰결과에 해당하는 단어 또는 둘 이상의 단어를 포함하는 문장을 선별하는 정보 추출부, 및 상기 선별한 단어 또는 문장에 대하여 상관 지수를 추출하여 군집을 생성하는 군집 생성 부, 및 상기 생성된 군집을 기반으로 상기 발달 장애인에 대한 장애를 분류하고 진단 결과를 생성하는 장애 진단부를 포함한다.An information collecting unit for collecting information by observing a developmental disability according to another embodiment of the present invention, analyzing the collected information based on natural language to select a word or a sentence including two or more words corresponding to the observation result An information extraction unit, a cluster generation unit for generating a cluster by extracting a correlation index with respect to the selected word or sentence, and a disorder diagnosis for classifying the disorder for the developmental disabled based on the generated cluster and generating a diagnosis result Contains wealth.
본 발명은 발달 장애인을 진단하기 위하여 기존에 대용량으로 구축된 일상생활 기록 DB를 이용하여 보다 객관적으로 결과를 제시해 줄 수 있도록 한다.The present invention allows to present the results more objectively by using a daily life records DB that has been established in large capacity to diagnose a developmental disability.
또한, 본 발명에 의해 기존에 방대하게 구축된 데이터베이스에서 새로운 현상 및 가치를 발굴할 수 있는 기회를 줄 수 있으며, 향후, 장애진단에 있어서 객관적 접근 툴로도 활용 할 수 있다.In addition, the present invention can provide an opportunity to discover new phenomena and values in the existing massively built database, and can be used as an objective approach tool in diagnosing disorders in the future.
뿐만 아니라, 뇌기능 분석 데이터를 이용하여 보다 객관적인 뇌기능 이상 차이점을 적용할 수 있기 때문에 실제 생체적 반응에 따른 장애진단 기법도 제시할 수 있을 것이다.In addition, since the brain function analysis data can be used to apply more objective brain dysfunction differences, it is possible to suggest a diagnosis technique based on actual biological responses.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, some embodiments of the present invention will be described in detail with reference to the accompanying drawings. In adding reference numerals to the components of each drawing, it should be noted that the same reference numerals are assigned to the same components as much as possible even though they are shown in different drawings. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.In addition, in describing the component of this invention, terms, such as 1st, 2nd, A, B, (a), (b), can be used. These terms are only for distinguishing the components from other components, and the nature, order or order of the components are not limited by the terms. If a component is described as being "connected", "coupled" or "connected" to another component, that component may be directly connected or connected to that other component, but between components It will be understood that may be "connected", "coupled" or "connected".
본 발명의 일 실시예에서는 주의력 결핍 과잉 장애(ADHD, attention deficit hyperactivity disorder) 및 자폐증, 간질 등을 띄는 발달 장애인(또는 발달 장애아동)에 대해서 인지기능, 언어기능, 사회성기능, 운동능력기능, 일상생활기능에 문제를 겪는 사람들에 대해서 보다 정확한 장애진단을 하기 위해서 기존에 특수교육 및 재활분야에서 일상생활의 특징 및 특수행동들에 대한 기록들을 기반으로 장애 진단을 할 수 있는 기법을 제시한다. In one embodiment of the present invention, cognitive function, language function, social function, motor function, daily function for attention deficit hyperactivity disorder (ADHD) and developmental disorders (or children with developmental disorders) with autism, epilepsy, etc. In order to more accurately diagnose the disability of people who have problems with life functions, we propose a technique for diagnosing disability based on the records of daily life characteristics and special behaviors in the field of special education and rehabilitation.
도 1은 본 발명의 일 실시예에 의한 발달 장애인 관찰정보에 기반한 장애진단 방법을 보여주는 도면이다. 도 1의 각각의 구성요소들은 하나의 장치 또는 시스템이 될 수 있고, 장치 혹은 시스템을 구성하는 구성요소가 될 수 있다. 즉, 하나의 시스템을 구성하는 요소가 될 수도 있고, 네트워크로 연결되어 정보를 교환하는 다수의 시스템을 구성할 수 있다.1 is a diagram illustrating a disability diagnosis method based on observation information on a developmental disability according to an embodiment of the present invention. Each component of FIG. 1 may be one device or system, and may be a component constituting the device or system. That is, it may be an element constituting one system, or may constitute a plurality of systems connected to a network to exchange information.
발달 장애인별 기록 데이터(raw data)를 선별한다(130). 기록 데이터는 일상 생활에 대해 기술한 데이터가 될 수 있고, 특정 행동을 설명하는 데이터가 될 수 있다. 그리고 선별한 데이터들에 대해 텍스트 전처리를 수행한다(140). 본 발명의 일 실시예에 의한 전처리는 기존의 자연언어처리 기술의 기반 기술인 형태소 분석기를 이용하여 처리할 수 있다. 이를 위해 특정 단어에 대하여 태깅을 수행할 수 있는데, 특정 단어의 기준으로 명사, 동사 등이 될 수 있다. 기존 형태소 분석기를 이용하여 장애진단을 위한 특징 추출을 수행할 수 있다. 본 발명의 일 실시예에서의 특징이란 각 기능(인지, 언어, 사회성, 운동능력, 일상생활)별 장애에 대한 특이사항을 포함하며, 단어(체언 및 용언)기반, 구(phrase) 기반, 문장기반으로 특정 패턴으로 구성될 수 있다. 또한 특징 추출을 위해서는 특이행동에 대한 선행 사전정보(110)를 기반으로 추출할 수 있으며, 특이행동에 대한 사전정보 없이도 체언(명사, 수사, 대명사 등)과 용언(동사, 형용사 등)으로 구성된 것을 특징으로 추출한다. Raw data for each person with a developmental disability are selected (130). Recorded data can be data describing everyday life, and can be data describing a particular behavior. Then, text preprocessing is performed on the selected data (140). The pretreatment according to an embodiment of the present invention may be processed using a morpheme analyzer, which is a base technology of the existing natural language processing technology. To this end, tagging may be performed on a specific word, which may be a noun, a verb, etc., based on the specific word. Existing morphological analyzer can be used to extract features for fault diagnosis. Features in one embodiment of the present invention includes specifics about disability for each function (cognition, language, sociality, athletic ability, daily life), word (word and verb) based, phrase based, sentence Based on the specific pattern can be configured. In addition, the feature extraction can be extracted based on the preceding dictionary information 110 for unusual behavior, and it is composed of a verb (noun, rhetoric, pronoun, etc.) and a verb (verb, adjective, etc.) without prior information on the unusual behavior. Extract as a feature.
특이행동 기록DB(110)에는 특이행동에 대한 정보를 포함하며, 특이 행동에 대한 분류 정보를 함께 포함할 수 있다. 예를 들어, 의료적, 중재필요적, 혹은 관찰요적, 치료사에 따른, 긍정적 특이 행동 등 특이 행동에 대한 정보 또는 분류 사항을 함께 저장하여 데이터베이스로 기능할 수 있다. 물론, 140을 수행하며 발생된 정보를 다시 특이행동 기록 DB(110)에 저장할 수 있다. 특이행동 기록DB(110)에는 종래에 기록된 정보를 포함한다.The singular behavior record DB 110 includes information on the specific behavior and may include classification information on the specific behavior. For example, it can function as a database by storing information or classification information about specific behaviors such as medical, interventional, observational, and therapist's positive specific behaviors. Of course, the information generated while performing 140 may be stored in the specific behavior record DB 110 again. The singular behavior recording DB 110 includes conventionally recorded information.
추출된 특징 기반으로 특징단어에 기반을 둔 상관(Correlation) 지수를 추출하고, 군집화를 수행한다(150). 본 발명의 일 실시예에서는 시간 도메인 상에서의 가중치 및 빈도 수를 기반으로 하여 상관(Correlation) 지수를 추출하여 군집화를 수행할 수 있다. 150에서 상관 지수를 추출하고 군집화를 하는 과정에서 특이행동기록DB(110)를 이용할 수 있으며, 새로이 도출된 정보를 특이행동 기록 DB(110)에 저장할 수도 있다.A correlation index based on the feature word is extracted based on the extracted feature, and clustering is performed (150). In an embodiment of the present invention, clustering may be performed by extracting a correlation index based on a weight and a frequency number on a time domain. In the process of extracting and clustering the correlation index at 150, the specific behavior record DB 110 may be used, and newly derived information may be stored in the specific behavior record DB 110.
추출된 정보를 기준으로 장애를 분류하고 진단 결과를 도출한다(160). 이 과정에서 장애 분류 기준 DB(120)를 참조할 수 있고, 역시 장애 분류 및 진단 결과 정보를 다시 장애 분류 기준 DB(120)에 저장할 수 있다. 그리고 이러한 정보들은 뇌신호에 기반한 행동 감지(behavior detection)인 fNIRS(functional near-infrared spectroscopy, 뇌의 기능근적외선) 측정에 활용할 수 있다(170).Based on the extracted information, the failure is classified and a diagnosis result is derived (160). In this process, the failure classification reference DB 120 may be referred to, and the failure classification and diagnosis result information may be stored in the failure classification reference DB 120 again. The information can be used for measuring functional near-infrared spectroscopy (fNIRS), which is behavior detection based on brain signals (170).
170에서는 최종적으로 장애진단 분류에 있어서 보다 더 일반적이고 객관화된 형태를 제공하기 위해 fNIRS 기반 뇌기능 데이터를 분석하여 뇌의 활동 유사성을 분석하여 검증할 수 있다. 이 데이터는 장애분류 기준 DB에 추가 업데이트 작용을 하여, 장애진단에 있어서 점진적 정확성을 증진 시키기 위해 사용된다.Finally, at 170, fNIRS-based brain function data can be analyzed and analyzed to verify brain activity similarity in order to provide a more general and objective form of disability diagnosis. This data is used to further update the failure classification criteria database to improve gradual accuracy in fault diagnosis.
도 2는 본 발명의 일 실시예에 의한 텍스트 전처리 및 상관 지수 추출 및 군집화 과정을 보여주는 도면이다.2 is a diagram illustrating a text preprocessing and a correlation index extraction and clustering process according to an embodiment of the present invention.
기존에 발달 장애인별 기록 데이터(Raw-data) 선별을 진행하여 선택된 데이터를 기반으로 형태소 분석을 수행한 결과를 도 2의 "필드2"와 같이 나타난다. 여 기서 체언은 "*/N"으로 태깅된 것(붉은 색 사각형으로 표시)을 특징 정보로 이용한다. 물론, 체언에는 명사, 대명사, 수사 등이 포함된다. 그 외 특징으로는 용언을 이용하는데 형용사, 동사가 포함될 수 있다. Previously, the result of performing morphological analysis based on the selected data by selecting the record data (Raw-data) for each developmentally disabled person is shown as "
도 2에서는 하나의 처리 과정을 설명하기 위해 도식화하였다. 각 특징 별 빈도수인 freq(체언 또는 용언)의 값을 수식 1과 같이 구할 수 있다.2 is a schematic diagram illustrating one processing procedure. The frequency of each feature, freq (term or verb), can be calculated as in
[수식 1] [Equation 1]
또한, 발달 장애인의 타임기반 기록 정보를 이용하여 특정 기간 동안의 f(체언 또는 용언, 기록_시작시간, 가장_최근_기록_시간) 정보를 수식 2와 같이 계산할 수 있다.In addition, by using the time-based record information of the developmental disability, f (speak or verb, record_start time, most recent_record_time) information for a specific period can be calculated as shown in
[수식 2][Equation 2]
수식 2는 소정 시간 구간(t_s에서 t_e 사이의 타임 구간)에서의 연속 f(N)의 빈도를 구하는데, N은 체언이 될 수 있다. 그리고 Total_freq는 치료 정보 전체에서의 N의 빈도수를 의미하며, Local_freq는 발달 장애 아동 A에 대한 해당 빈도를 구하는 식이 될 수 있다.
그리고 마지막으로 각 발달 장애인에 대해서 포함되는 특징들(체언, 용언)들을 타임기반 기록정보를 이용하여 최종 상관(Correlation) 지수를 수식 3을 이용하여 구한다.Finally, the final correlation index is calculated using Equation 3 using time-based record information on the features (eg, verbs) included for each person with developmental disabilities.
[수식 3][Equation 3]
수식 3에서 소정 시간 구간(t_s에서 t_e 사이의 타임 구간)에서의 연속 N들의 빈도를 구하게 되는데, N은 발달 장애아동에 대해서 추출한 총 체언의 개수를 의미한다. 체언리스트는 {배변, 감기증상, 불규칙적}이 될 수 있으며, 도 2에서 붉은 색 사각형으로 표시된 {특정상황, 짜증낸다, 정상적, 배변, 불규칙적, 대변}을 체언리스트를 구성할 수 있다.In Equation 3, the frequency of consecutive Ns in a predetermined time interval (time interval between t_s and t_e) is obtained, where N is the total number of extracted messages for a child with developmental disabilities. The speech list may be {stool, cold symptoms, irregular}, and the speech list may be composed of {specific situation, annoying, normal, defecation, irregular, stool} indicated by a red square in FIG. 2.
도 3은 수식 3을 통해 산출된 상관(Correlation) 지수를 각 발달 장애인별로 최종적으로 계산한 결과이다. 여기서 각 발달 장애인별 상관(Correlation) 지수의 차가 적은 발달 장애인별로 군집화 하여 장애진단 평가를 위한 기초 자료로 사용할 수 있다. 장애진단 평가에 있어서는 장애분류기준 DB를 이용하여 선행적 분류 기준 및 새로운 장애분류 기준으로 최종 판단을 내린다.3 is a result of finally calculating the correlation index calculated through Equation 3 for each developmentally disabled person. Here, it can be used as a basic data for evaluating disability diagnosis by clustering by the developmental disabilities having a small difference in the correlation index for each developmental disability. In evaluating the diagnosis of disability, the final classification criteria are determined based on the prior classification criteria and the new classification criteria.
도 4는 도 3의 자료를 그래프로 표현하여 하나의 군집화를 수행하는 예를 보여주는 도면이다. 도 4에 나타난 바와 같이 상관(correlation) 지수에 차가 적을수록 같은 장애 진단이 내려질 가능성이 높음을 알 수 있다. 도 4는 정상(Normal), 주의력 결핍 과잉 장애(ADHD, attention deficit hyperactivity disorder), 또는 자폐증(Austism)에 대해 클러스터된 값이 제시되어 있다. 4 is a diagram illustrating an example of performing one clustering by graphically representing the data of FIG. 3. As shown in FIG. 4, the smaller the difference in the correlation index is, the higher the likelihood that a diagnosis of the same disorder is made. 4 shows clustered values for Normal, attention deficit hyperactivity disorder (ADHD), or Austism.
도 5는 본 발명의 일 실시예에 의한 발달 장애인 관찰정보에 기반한 장애진단 과정을 보여주는 도면이다. 먼저, 도 2의 특이행동 영역에 나열된 사항들과 같이 발달 장애인을 관찰하여 정보를 수집한다(S510). 정보의 수집은 특징 정보를 추출하는데 필요한 정보를 수집하는 것을 의미한다. 그리고 상기 수집한 정보에 대해 자연어를 기반으로 분석하여 관찰결과에 해당하는 단어 또는 둘 이상의 단어를 포함하는 문장을 선별한다(S520). 단어 또는 문장의 선별은 도 2의 필드 2에서 분석하고자 하는 단어를 선별하는 것을 의미한다. 5 is a diagram illustrating a disability diagnosis process based on observation information on a developmental disability according to an embodiment of the present invention. First, the information is collected by observing a person with a developmental disability as listed in the specific behavior region of FIG. 2 (S510). Collection of information means collecting information necessary to extract feature information. The collected information is analyzed based on natural language to select a word corresponding to an observation result or a sentence including two or more words (S520). Selection of a word or sentence means selecting a word to be analyzed in
상기 선별한 단어 또는 문장에 대하여 상관 지수를 추출하여 군집을 생성한다(S530). 상관 지수를 구하는 과정의 일 실시예로 수식 1, 2, 3에서 살펴본 바와 같이 특정 단어 또는 문장의 발생 빈도수를 소정 시간 간격 내에 계산하는 방식을 포함한다. 그리고 상기 생성된 군집을 기반으로 상기 발달 장애인에 대한 장애를 분류하고, 진단 결과를 생성한다(S540). 생성된 군집의 예는 도 4와 같다. 도 4와 같은 군집을 통해 소정의 군집(클러스터) 특성에 해당하는 장애의 특성을 비교하여 진단 결과를 생성할 수 있다. 예를 들어, 짜증을 내는 행위의 빈도수가 매우 높은 경우, 짜증이 주요 특징행위인 장애로 분류할 수 있다. A cluster is generated by extracting a correlation index with respect to the selected word or sentence (S530). One embodiment of the process of obtaining a correlation index includes a method of calculating a frequency of occurrence of a specific word or sentence within a predetermined time interval as described in
도 5의 과정을 보다 상세히 살펴볼 경우, S520 과정은 자연어 처리에 의한 형태소 분석을 진행할 수 있다. 이는 도 2에서 살펴본 바와 같이 특정 단어 또는 문장에 대해 형태소 분석을 하여 발달 장애인의 상태 또는 행동에 대한 정보를 포함하는 체언 또는 용언을 추출하는 과정을 의미한다. 또한, 보다 정확한 정보를 위해 S520 과정에서 선별한 단어 또는 문장에 대한 대표 특징어를 선택할 수 있는데, 이는, 수집한 정보에서 서로 동일한 의미를 가지지만 다르게 기재된 사항을 하나의 대표 특징어로 선택하여 보다 명확하게 특징 정보를 확인할 수 있도록 하기 위함이다. Referring to the process of FIG. 5 in more detail, the process S520 may proceed with morphological analysis by natural language processing. This means a process of extracting a statement or a verb including information on the state or behavior of a developmental disability by performing morphological analysis on a specific word or sentence as shown in FIG. 2. Also, for more accurate information, the representative feature words for the selected words or sentences can be selected in the S520 process, which is the same as the representative information from the collected information, but is clearly selected by selecting a different feature as one representative feature. This is to ensure feature information.
예를 들어, 정보를 수집하는 과정에서 '신경질을 낸다' 와 '짜증내다'로 기록되는 경우, 이 두 행위가 서로 유사점이 높으므로 대표 특징어인 '짜증내다'로 하여 계산할 수 있다. 또 다른 예로, '울다'와 '칭얼대다', 그리고 '징징거리다' 등 유사한 행위에 대해서 역시 '울다'라는 대표 특징어를 선택하여 군집을 생성할 수 있다. 물론, 정보의 수집 과정에서 미리 대표 특징어로 치환하여 저장하는 방식도 가능하다.For example, if the information is recorded as 'produce nervous' and 'provoke', the two acts have similarities with each other and can be calculated as the representative feature, 'provoke'. As another example, a cluster may be created by selecting a representative feature of 'cry' for similar behaviors such as 'cry', 'crying', and 'jingling'. Of course, it is also possible to substitute and represent the representative feature words in the process of collecting information.
빈도수를 계산하는 과정은 앞서 살펴본 바와 같이 대표 특징어 혹은 선별된 단어/문장에 대하여 해당 발달 장애인과 전체 발달 장애인에게 발생한 빈도수를 계산할 수 있다. 계산 과정의 실시예로 수식 1, 2, 3에서 살펴보았다. 예를 들어, 자폐 발달 장애인에 대한 수집 정보에서 '짜증내다'라는 단어가 3시간이라는 간격 내에 5번이 일어났고, 특정 발달 장애인에 대한 수집 정보에서 '짜증내다'가 4번 나온 경우 해당 발달 장애인에 대하여 자폐 발달 장애인의 군집에 포함시킬 수 있다.As described above, the process of calculating the frequency may calculate the frequency of occurrence of the developmental disability and the total developmental disability for the representative feature word or the selected word / phrase. As an example of the calculation process has been described in
도 5의 과정에서 단어 또는 문장을 선별하기 위해 발달 장애인의 상태 또는 행동에 대한 정보를 저장한 데이터베이스를 검색할 수 있다. 도 1에서 텍스트 전처리 과정과 상관 지수를 측정하는 과정에서 특이행동 기록 DB를 참조하고 업데이트하는 과정을 진행할 수 있다.In the process of FIG. 5, in order to select a word or sentence, a database storing information on a state or behavior of a developmental disabled may be searched. In FIG. 1, in the process of measuring the text preprocessing and the correlation index, the process of referring to and updating the specific behavior record DB may be performed.
S540에서 발달 장애인에 대한 장애를 분류하고 진단 결과를 생성한 후, 그 결과를 토대로 뇌 신호기반 행동 감지(behavior detection) (fNIRS) 측정에 활용할 수 있다.In S540, the disorder for the developmental disability is classified and a diagnosis result is generated, and based on the result, it may be used for brain signal based behavior detection (fNIRS) measurement.
도 6은 본 발명의 일 실시예에 의한 발달 장애인 관찰정보에 기반한 장애진단 시스템의 구성을 보여주는 도면이다. 크게는 정보 수집부(610), 정보 추출부(620), 군집 생성부(630), 장애 진단부(640)로 구성된다. 6 is a diagram illustrating a configuration of a disability diagnosis system based on observation information on a developmental disability according to an embodiment of the present invention. In general, the information collection unit 610, the
정보 수집부(610)는 발달 장애인을 관찰하여 정보를 수집하며, 정보 추출부(620)는 상기 수집한 정보에 대해 자연어를 기반으로 분석하여 관찰결과에 해당하는 단어 또는 둘 이상의 단어를 포함하는 문장을 선별한다.The information collecting unit 610 collects information by observing a developmental disability, and the
그리고 군집 생성부(630)는 상기 선별한 단어 또는 문장에 대하여 상관 지수를 추출하여 군집을 생성하며, 장애 진단부(640)는 상기 생성된 군집을 기반으로 상기 발달 장애인에 대한 장애를 분류하고 진단 결과를 생성한다.The
보다 상세히 살펴보면, 상기 정보 추출부(620)는 자연어 처리에 의한 형태소 분석을 진행할 수 있고, 선별한 단어 또는 문장에 대한 대표 특징어를 선택할 수 있다. 대표 특징어에 대해서는 전술한 설명으로 대신하고자 한다. In more detail, the
군집 생성부(630)는 상기 선택한 대표 특징어에 대하여 특정 기간 동안 전체 발달 장애인들에서 발생한 빈도수 및 상기 발달 장애인에게서 발생한 빈도수를 계산하며, 상기 계산한 빈도수를 이용하여 상기 대표 특징어의 군집을 생성할 수 있다.The
도 6의 구조에서 관찰결과에 해당하는 단어는 발달 장애인의 상태 또는 행동에 대한 정보를 포함하는 체언 또는 용언이 될 수 있다. 상기 정보 추출부(620)는 발달 장애인의 상태 또는 행동에 대한 정보를 저장한 데이터베이스를 검색할 수 있다. 도 6의 시스템에서 산출된 정보, 즉, 상기 장애 진단부(640)에서 생성한 진단 결과는 뇌 신호기반 행동 감지(behavior detection) (fNIRS)를 측정하는데 기초 정보로 사용될 수 있다.In the structure of FIG. 6, a word corresponding to an observation result may be a statement or a verb including information on a state or behavior of a developmental disabled person. The
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따 라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The foregoing description is merely illustrative of the technical idea of the present invention, and various changes and modifications may be made by those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention but to describe the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments. The protection scope of the present invention should be interpreted by the following claims, and all technical ideas within the equivalent scope should be interpreted as being included in the scope of the present invention.
도 1은 본 발명의 일 실시예에 의한 발달 장애인 관찰정보에 기반한 장애진단 방법을 보여주는 도면이다. 1 is a diagram illustrating a disability diagnosis method based on observation information on a developmental disability according to an embodiment of the present invention.
도 2는 본 발명의 일 실시예에 의한 텍스트 전처리 및 상관 지수 추출 및 군집화 과정을 보여주는 도면이다.2 is a diagram illustrating a text preprocessing and a correlation index extraction and clustering process according to an embodiment of the present invention.
도 3은 수식 3을 통해 산출된 상관(Correlation) 지수를 각 발달 장애인별로 최종적으로 계산한 결과이다.3 is a result of finally calculating the correlation index calculated through Equation 3 for each developmentally disabled person.
도 4는 도 3의 자료를 그래프로 표현하여 하나의 군집화를 수행하는 예를 보여주는 도면이다.4 is a diagram illustrating an example of performing one clustering by graphically representing the data of FIG. 3.
도 5는 본 발명의 일 실시예에 의한 발달 장애인 관찰정보에 기반한 장애진단 과정을 보여주는 도면이다. 5 is a diagram illustrating a disability diagnosis process based on observation information on a developmental disability according to an embodiment of the present invention.
도 6은 본 발명의 일 실시예에 의한 발달 장애인 관찰정보에 기반한 장애진단 시스템의 구성을 보여주는 도면이다.6 is a diagram illustrating a configuration of a disability diagnosis system based on observation information on a developmental disability according to an embodiment of the present invention.
Claims (12)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090117247A KR101135124B1 (en) | 2009-11-30 | 2009-11-30 | Method and system for diagnosing handicapped person based on surveyed data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090117247A KR101135124B1 (en) | 2009-11-30 | 2009-11-30 | Method and system for diagnosing handicapped person based on surveyed data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20110060618A KR20110060618A (en) | 2011-06-08 |
| KR101135124B1 true KR101135124B1 (en) | 2012-04-16 |
Family
ID=44395354
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090117247A KR101135124B1 (en) | 2009-11-30 | 2009-11-30 | Method and system for diagnosing handicapped person based on surveyed data |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101135124B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140077694A (en) | 2012-12-14 | 2014-06-24 | 한국전자통신연구원 | Adhd/ads diagnosis apparatus using eeg and method thereof |
| KR20220087137A (en) | 2020-12-17 | 2022-06-24 | 변새롬 | Behavioral disorder diagnosis and treatment device and method using biometric information |
| KR20240058538A (en) | 2022-10-26 | 2024-05-07 | 주식회사 포사이트컴퍼니 | Self-training service provision system through diagnostic evaluation of children with developmental disabilities |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102080586B1 (en) * | 2017-01-26 | 2020-02-24 | (주)로보케어 | Method and system for screening of attention deficit hyperactivity disorder by robot |
| KR102152500B1 (en) * | 2017-09-15 | 2020-09-04 | 최미숙 | Method And Apparatus for Providing Speech Therapy for Developmental Disability Child |
| JP6733891B2 (en) * | 2018-09-12 | 2020-08-05 | 株式会社Ｆｒｏｎｔｅｏ | Dementia prediction device, prediction model generation device, and dementia prediction program |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000017950A (en) * | 1999-12-30 | 2000-04-06 | 이영란 | Multi-modal system for testing, assessing and retraining the damage of a brain |
| US6053739A (en) | 1996-04-10 | 2000-04-25 | Stewart; Donald B. | Measurement of attention span and attention deficits |
| KR20020058145A (en) * | 2000-12-29 | 2002-07-12 | 신성웅 | Medical examination and treatment system based on a internet |
-
2009
- 2009-11-30 KR KR1020090117247A patent/KR101135124B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6053739A (en) | 1996-04-10 | 2000-04-25 | Stewart; Donald B. | Measurement of attention span and attention deficits |
| KR20000017950A (en) * | 1999-12-30 | 2000-04-06 | 이영란 | Multi-modal system for testing, assessing and retraining the damage of a brain |
| KR100341080B1 (en) | 1999-12-30 | 2002-06-20 | 이영란 | Multi-modal system for testing, assessing and retraining the damage of a brain |
| KR20020058145A (en) * | 2000-12-29 | 2002-07-12 | 신성웅 | Medical examination and treatment system based on a internet |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140077694A (en) | 2012-12-14 | 2014-06-24 | 한국전자통신연구원 | Adhd/ads diagnosis apparatus using eeg and method thereof |
| KR20220087137A (en) | 2020-12-17 | 2022-06-24 | 변새롬 | Behavioral disorder diagnosis and treatment device and method using biometric information |
| KR20240058538A (en) | 2022-10-26 | 2024-05-07 | 주식회사 포사이트컴퍼니 | Self-training service provision system through diagnostic evaluation of children with developmental disabilities |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20110060618A (en) | 2011-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Konig et al. | Use of speech analyses within a mobile application for the assessment of cognitive impairment in elderly people | |
| Jiang et al. | Detection of mental health from reddit via deep contextualized representations | |
| KR101135124B1 (en) | Method and system for diagnosing handicapped person based on surveyed data | |
| Martinc et al. | Temporal integration of text transcripts and acoustic features for Alzheimer's diagnosis based on spontaneous speech | |
| Zimmerer et al. | Automated profiling of spontaneous speech in primary progressive aphasia and behavioral-variant frontotemporal dementia: An approach based on usage-frequency | |
| Yu et al. | Cognitive impairment prediction in the elderly based on vocal biomarkers | |
| Cuetos et al. | A fresh look at the predictors of naming accuracy and errors in Alzheimer's disease | |
| Bourouhou et al. | Comparison of classification methods to detect the Parkinson disease | |
| Baldas et al. | Early diagnosis of Alzheimer’s type dementia using continuous speech recognition | |
| Syed et al. | Automated recognition of alzheimer’s dementia using bag-of-deep-features and model ensembling | |
| Massa et al. | On the importance of cognitive profiling: A graphical modelling analysis of domain-specific and domain-general deficits after stroke | |
| KR20200076183A (en) | Psychological analysis and psychotherapy system using diary | |
| Franciscatto et al. | Towards a speech therapy support system based on phonological processes early detection | |
| CN115251928A (en) | University student mental health assessment system based on deep learning | |
| Ægisdóttir et al. | Theoretical and methodological issues when studying culture | |
| CN113990522A (en) | Student psychological crisis early warning system based on multi-mode data | |
| An et al. | Mental health detection from speech signal: A convolution neural networks approach | |
| CN111415680A (en) | Method for generating anxiety prediction model based on voice and anxiety prediction system | |
| Kim et al. | Automatic depression prediction using screen lock/unlock data on the smartphone | |
| CN115798718A (en) | Cognitive test evaluation method and system | |
| Canault et al. | Simplification of syllable structure in childhood apraxia of speech: A 2-year follow-up French case study | |
| Jiang et al. | MMDA: A Multimodal Dataset for Depression and Anxiety Detection | |
| López-de-Ipiña et al. | Multi-class versus one-class classifier in spontaneous speech analysis oriented to Alzheimer disease diagnosis | |
| De Luise et al. | Autistic Verbal Behavior Language Parameterization | |
| Basirat et al. | Sonority projection effect in French: A signal detection theory approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20150430 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20160401 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20170328 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20180403 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20190325 Year of fee payment: 8 |