KR20140005527A - 모델 기반의 사용자 일상 관리 장치 및 방법 - Google Patents
모델 기반의 사용자 일상 관리 장치 및 방법 Download PDFInfo
- Publication number
- KR20140005527A KR20140005527A KR1020120073013A KR20120073013A KR20140005527A KR 20140005527 A KR20140005527 A KR 20140005527A KR 1020120073013 A KR1020120073013 A KR 1020120073013A KR 20120073013 A KR20120073013 A KR 20120073013A KR 20140005527 A KR20140005527 A KR 20140005527A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- model
- data
- server
- user data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000007726 management method Methods 0.000 claims description 41
- 238000013480 data collection Methods 0.000 claims description 18
- 230000000391 smoking effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 235000013334 alcoholic beverage Nutrition 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 claims 2
- 206010012601 diabetes mellitus Diseases 0.000 description 9
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000002996 emotional effect Effects 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000011524 similarity measure Methods 0.000 description 4
- 230000035622 drinking Effects 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010048669 Terminal state Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
사용자별 특성에 따라 구축된 모델을 기반으로 하여 사용자의 일상을 관리하는 장치에 관한 것으로, 모델 기반의 사용자 일상 관리 장치는 일 실시예에 따르면 적어도 하나 이상의 센서로부터 수집되는 센서 데이터를 포함하는 사용자 데이터를 수집하는 수집부, 모델을 기반으로 수집된 사용자 데이터를 분석하고, 그 분석결과에 기초하여 사용자에게 이상 상황이 발생했는지를 판단하는 판단부 및 판단부가 이상 상황 발생으로 판단하는 경우, 그 이상 상황에 대응하는 정보를 사용자에게 제공하는 정보제공부를 포함할 수 있다.
Description
사용자별 특성에 따라 구축된 모델을 기반으로 하여 사용자의 일상을 관리하는 장치 및 방법에 관한 것이다.
최근 일반 사용자들의 건강에 대한 관심이 고조되면서 건강 및 의료를 목적으로 하는 u-Health 분야에서 다양한 원격 환자 모니터링 및 진료 시스템이 제안되고 있다. 그러나, 센서기기의 기술적 한계, 보급률의 저조, 수집된 데이터의 전송 및 분석 기술의 제약으로 인해 실제 활용 사례는 많지 않으며, 주로 의사들과 같은 전문적인 지식을 가진 사용자들만이 이를 이용하는 현실이다.
따라서, 스마트폰 및 태블릿 PC 등과 같이 일반 사용자들이 보편적으로 사용하고 있는 기기를 통해 사용자들이 쉽게 자신들의 일상을 모니터링하고 관리할 수 있는 기술이 필요하다.
스마트폰 등과 같은 모바일 단말을 통해 사용자의 생활 관련 데이터를 수집하고, 모델을 기반으로 수집된 데이터들을 분석함으로써 사용자들이 쉽게 자신들의 일상을 관리할 수 있으며, 수집된 데이터들 중 유의미한 데이터들을 새로운 모델 구축에 활용함으로써 다양한 지식정보의 구축이 가능한 장치 및 방법이 제시된다.
일 양상에 따르면, 모델 기반의 사용자 일상 관리 장치는 적어도 하나 이상의 센서로부터 수집되는 센서 데이터를 포함하는 사용자 데이터를 수집하는 수집부, 모델을 기반으로 수집된 사용자 데이터를 분석하고, 그 분석결과에 기초하여 사용자에게 이상 상황이 발생했는지를 판단하는 판단부 및 판단부가 이상 상황 발생으로 판단하는 경우, 그 이상 상황에 대응하는 정보를 사용자에게 제공하는 정보제공부를 포함할 수 있다.
이때, 모델은, 사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 구축될 수 있다.
또한, 모델 기반의 사용자 일상 관리 장치는 서버로부터 갱신된 모델을 수신하여 기존의 모델을 갱신하는 갱신부를 더 포함할 수 있다.
이때, 센서 데이터는 사용자의 현재 상태, 사용자의 위치, 사용자 활동 이력, 단말 위치, 단말 사용 상태, 날씨 및 생체 정보 중의 하나 이상을 포함할 수 있다.
또한, 사용자 데이터는 사용자의 성별, 나이, 직업, 거주 지역, 직장 위치, 현재 보유 질병, 흡연 여부 및 음주 횟수 중의 하나 이상을 포함하는 사용자 기본 정보를 더 포함할 수 있다.
판단부는 분석 결과에 기초하여 수집된 사용자 데이터가 서버에서 학습이 필요한 데이터인지를 더 판단할 수 있으며, 판단 결과 학습이 필요한 데이터인 경우, 수집된 사용자 데이터를 서버에 전송하는 전송부를 더 포함할 수 있다.
판단부는 분석 결과에 기초하여 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기의 조절이 필요한지를 더 판단할 수 있으며, 판단 결과 주기의 조절이 필요한 경우, 소정 기준에 따라 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기를 조절하는 주기조절부를 더 포함할 수 있다.
일 양상에 따르면, 모델 기반의 사용자 일상 관리 장치는 단말로부터 수집된 사용자 데이터를 수신하는 수신부, 수신된 사용자 데이터를 학습하고, 그 학습된 사용자 데이터를 이용하여 사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 모델을 구축하는 모델링부, 모델을 분석하여 새로운 지식 정보를 생성하는 분석부 및 모델 또는 지식 정보를 단말에 전송하는 배포부를 포함할 수 있다.
배포부는 모델 제공을 요청하는 하나 이상의 단말에 구축된 모델 중 각 단말 사용자의 특성과 연관된 모델을 전송할 수 있다.
일 양상에 따르면, 모델 기반의 사용자 일상 관리 방법은 적어도 하나 이상의 센서로부터 수집되는 센서 데이터를 포함하는 사용자 데이터를 수집하는 단계, 모델을 기반으로 수집된 사용자 데이터를 분석하는 단계, 분석결과에 기초하여 사용자에게 이상 상황이 발생했는지를 판단하는 단계 및 판단 결과 이상 상황 발생인 경우, 그 이상 상황에 대응하는 정보를 사용자에게 제공하는 단계를 포함할 수 있다.
이때, 모델은 사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 구축될 수 있다.
또한, 모델 기반의 사용자 일상 관리 방법은 서버로부터 갱신된 모델을 수신하여 기존의 모델을 갱신하는 단계를 더 포함할 수 있다.
한편, 센서 데이터는 사용자의 현재 상태, 사용자의 위치, 사용자 활동 이력, 단말 위치, 단말 사용 상태, 날씨 및 생체 정보 중의 하나 이상을 포함할 수 있다.
또한, 사용자 데이터는 사용자의 성별, 나이, 직업, 거주 지역, 직장 위치, 현재 보유 질병, 흡연 여부 및 음주 횟수 중의 하나 이상을 포함하는 사용자 기본 정보를 더 포함할 수 있다.
또한, 모델 기반의 사용자 일상 관리 방법은 분석 결과에 기초하여 수집된 사용자 데이터가 서버에서 학습이 필요한 데이터인지를 판단하는 단계 및 판단 결과 서버에서 학습이 필요한 데이터인 경우, 수집된 사용자 데이터를 서버에 전송하는 단계를 더 포함할 수 있다.
또한, 모델 기반의 사용자 일상 관리 방법은 분석 결과에 기초하여 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기의 조절이 필요한지를 판단하는 단계 및 판단 결과 주기의 조절이 필요한 경우, 소정 기준에 따라 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기를 조절하는 단계를 더 포함할 수 있다.
일 양상에 따르면, 모델 기반의 사용자 일상 관리 방법은 단말로부터 수집된 사용자 데이터를 수신하는 단계, 수신된 사용자 데이터를 학습하고, 그 학습된 사용자 데이터를 이용하여 사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 모델을 구축하는 단계, 모델을 분석하여 새로운 지식 정보를 생성하는 단계 및 모델 또는 지식 정보를 단말에 전송하는 단계를 포함할 수 있다.
이때, 배포하는 단계는 모델 제공을 요청하는 하나 이상의 단말에 구축된 모델 중 각 단말 사용자의 특성과 연관된 모델을 전송할 수 있다.
도 1은 일 실시예에 따른 모델 기반의 사용자 일상 관리 장치의 블록도이다.
도 2는 센서를 통해 수집되는 사용자 데이터의 일 예이다.
도 3은 구축된 모델의 일 예이다.
도 4는 다른 실시예에 따른 모델 기반의 사용자 일상 관리 장치의 블록도이다.
도 5는 일 실시예에 따른 모델 기반의 사용자 일상 관리 방법의 흐름도이다.
도 6은 다른 실시예에 따른 모델 기반의 사용자 일상 관리 방법의 흐름도이다.
도 2는 센서를 통해 수집되는 사용자 데이터의 일 예이다.
도 3은 구축된 모델의 일 예이다.
도 4는 다른 실시예에 따른 모델 기반의 사용자 일상 관리 장치의 블록도이다.
도 5는 일 실시예에 따른 모델 기반의 사용자 일상 관리 방법의 흐름도이다.
도 6은 다른 실시예에 따른 모델 기반의 사용자 일상 관리 방법의 흐름도이다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 본 발명의 실시예들에 따른 모델 기반의 사용자 일상 관리 장치 및 방법을 도면들을 참고하여 자세히 설명하도록 한다.
도 1은 일 실시예에 따른 모델 기반의 사용자 일상 관리 장치의 블록도이다. 도 2는 센서를 통해 수집되는 사용자 데이터의 일 예이다. 도 3은 구축된 모델의 일 예이다.
이하, 도 1 내지 도 3을 참조하여 모델 기반의 사용자 일상 관리 장치(100)의 일 실시예를 설명한다. 본 실시예에 따른 모델 기반의 사용자 일상 관리 장치(100)는 스마트폰, 태블릿 PC 등의 모바일 단말에 적용될 수 있다.
모델 기반의 사용자 일상 관리 장치(100)는 도 1에 도시된 바와 같이 수집부(110), 판단부(120) 및 정보제공부(140)를 포함할 수 있다.
수집부(110)는 모바일 단말을 사용하는 사용자들의 행동, 생활 습관 및 건강과 관련되는 물리적, 정서적인 사용자 데이터를 수집한다. 사용자 데이터는 적어도 하나 이상의 센서로부터 수집되는 센서 데이터를 포함할 수 있다. 이때, 센서는 모바일 단말에 탑재되는 내장 센서이거나, 모바일 단말과 유무선으로 연결되어 데이터 송수신이 가능한 외부 센서일 수 있다.
예를 들어, 도 2를 참조하면, 센서는 가속도 센서(accelerometer), GPS, 마이크로폰(microphone), 조도센서(illuminance sensor), 카메라, 근접센서(proximity sensor), 터치패널, 운영체제(OS), 바이오센서(biosensor)를 포함할 수 있다. 다만, 이는 예시에 불과하고 모바일 단말에 탑재되거나 유무선으로 연결되어 데이터 송수신이 가능한 모든 센서를 포함하는 것으로 해석되어야 한다.
또한, 센서 데이터는 도 2에 예시된 바와 같이, 걷기, 뛰기 등의 사용자의 활동에 관한 정보, 사용자의 현재 위치, 어투, 목소리, 크기 등의 사용자의 상태에 관한 정보, 실내 또는 실외인지, 주간 또는 야간인지 등의 주변 상황 정보, 기기의 위치에 따른 사용자가 현재 통화중인지 등의 정보, 터치패널을 통해 현재 수행하고 있는 행위 정보, 운영체제에서 제공하는 사용자의 소프트웨어 등의 사용 이력 내역 정보 및 바이오센서를 통해 측정되는 혈당, 혈압 등의 생체 정보를 포함할 수 있다.
이러한, 센서 데이터들은 이동, 식사 등의 물리적인 행동 데이터들뿐만 아니라, 사용자가 주로 사용하는 응용 프로그램이 무엇인지, 누구와 통화를 하였는지, SNS(Social Network Service)를 얼마나 자주 사용하는지 등의 정서적 데이터들을 포함하며, 이러한 물리적, 정서적 데이터를 종합적으로 고려하여 사용자의 일상을 관리할 수 있다.
한편, 사용자 데이터는 추가적으로 사용자의 기본 정보를 더 포함할 수 있다. 즉, 수집부(110)는 일상을 관리하고자 하는 사용자의 기본 정보를 더 수집할 수 있으며, 이때, 사용자의 기본 정보는 성별, 나이, 직업, 거주 지역, 직장 위치, 현재 보유 질병, 흡연 여부 및 음주 횟수 등을 포함하며, 사용자의 특성에 따라 적절한 일상 관리를 하기 위해 필요한 다양한 정보들이 추가적으로 포함될 수 있다.
판단부(120)는 미리 구축되어 있는 모델을 기반으로 수집부(110)에 의해 수집된 사용자 데이터를 분석하고, 그 분석 결과에 따라 추후 동작이 필요한지를 판단할 수 있다. 예를 들어, 판단부(120)는 분석결과 사용자에게 소정의 정보 제공이 필요한 이상 상황인지 여부를 판단할 수 있다.
모델은 사용자 개인별, 유사군별 특성을 포함하는 소정 기준에 따라 다양한 형태로 구축될 수 있으며, 도 3에 그 일 예가 제시되어 있다. 도 3의 (a)에 예시된 바와 같이, 유사군별(정상인, 당뇨환자, 고혈압 환자 등) 사용자의 특성(예: 성별, 거주지, 연령, 직업 등)에 따라 모델 구축이 가능하며, 또는, 도 3의 (b)에 예시된 바와 같이, 유사군별 하루 일과 패턴에 따라 모델 구축이 가능하다. 이 밖에도, 유사하지는 않지만 어느 특정 집단에 대해 그 집단과 관련성이 있는 다른 집단의 행동 특성에 따라 모델을 구축하는 것도 가능하다. 이와 같이, 모델 구축의 목적 및 필요에 따라 그 기준은 다양하게 정의될 수 있다.
한편, 판단부(120)는 수집된 사용자 데이터와 기 구축된 모델을 유사도 측정법을 이용하여 데이터의 유사도 비교 분석을 수행함으로써 이상 상황 발생 여부를 판단할 수 있다. 이때, 유사도 측정법은 유클리디안 디스턴스(Euclidean Distance), 코사인 디스턴스(Cosine Distance), 다차원 척도법(Multidimensional Scaling, MDS) 등의 거리 기반 유사도 측정법(Distance based similarity measures), 특징 기반 유사도 측정법(Feature based simialrity measures) 및 확률분포 유사도 측정법(Probabilistic similarity measures) 중의 어느 하나가 될 수 있다. 또한, 판단부(120)는 유사도 측정법 이외에도 확률·통계적인 방법에 의해 이상 상황 발생 여부를 판단할 수도 있다.
정보제공부(130)는 판단부(120)에 의해 사용자에게 이상 상황이 발생한 것으로 판단되면 그 이상 상황에 대응하는 정보를 사용자에게 제공할 수 있다. 예를 들어, 도 3의 (a)의 모델 1에 해당하는 일반적인 사용자에 대해 수집된 데이터를 모델과 비교 분석한 결과 당뇨환자의 평균 모델인 모델 4와 유사한 것으로 판단된다면, 그 사용자의 혈당 수치가 높아진 것으로 추정하고, 그 사용자에게 당뇨병의 위험이 발생했다고 판단할 수 있다. 이 경우, 정보제공부(130)는 그 사용자에게 당뇨병의 위험에 대응하는 정보를 제공할 수 있다. 즉, 정보제공부(130)는 그 사용자에게 당뇨병의 위험 경고와 함께, 측정된 혈당, 맥박 수치 정보 및 그 사용자에게 식사량, 주의해야 할 음식, 데이터 수집 주기의 조절 등의 정보를 제공할 수 있다.
추가적인 양상에 따르면, 판단부(120)는 수집된 사용자 데이터와 모델과의 비교 분석을 통해 현재 수집된 데이터가 유의미한 데이터로서 서버(20)에서 학습 및 분석이 필요하거나 서버에 이미 구축되어 있는 기존 모델에 의해 판별이 필요한 데이터인지를 더 판단할 수 있다.
예를 들어, 판단부(120)는 수집된 사용자 데이터가 구축된 모델과 일치하지 않는 경우 지금까지 나타나지 않은 새로운 유형의 유의미한 데이터 즉, 서버(20)에서 학습 및 분석이 필요한 데이터라고 판단할 수 있다.
또한, 모델 기반의 사용자 일상 관리 장치(100)는 판단부(120)가 현재 수집된 데이터가 서버(20)에서 학습 및 분석이 필요한 유의미한 데이터라고 판단하는 경우 그 데이터를 서버(20)에 전송하는 전송부(150)를 더 포함할 수 있다.
개시된 바에 따르면, 판단부(120)가 모델을 기반으로 하여 서버(20)에 전송할 데이터인지를 판단하고, 전송부(150)가 그 데이터들만을 서버(20)에 전송함으로써 수집된 데이터를 모두 서버(20)에 전송하는 경우 배터리 등의 자원이 상대적으로 부족한 모바일 단말에서 전력 소모 등의 자원 낭비를 줄일 수 있다.
추가적인 양상에 따르면, 판단부(120)는 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기의 조절이 필요한지 여부를 더 판단할 수 있다. 이때, 사용자 데이터 수집 주기 또는 데이터 전송 주기는 사용자에 의해 미리 설정될 수 있으며, 사용자에 의해 수정이 가능하다. 또한, 데이터 수집 주기 또는 데이터 전송 주기의 조절이 필요한 기준을 미리 설정해 놓을 수 있다.
예를 들어, 사용자는 데이터 수집 주기를 1시간, 2시간, 주 2회, 월 1회 등 다양하게 설정할 수 있다. 또한, 데이터 전송 주기 역시 서버 전송이 필요한 유의미한 데이터 발생시마다, 하루 1회, 주 1회, 월 1회 등 다양한 설정이 가능하다. 이와 같이, 이상 상황 발생이나 유의미한 데이터 발생 가능성이 적은 경우 그 주기를 길게 설정함으로써 데이터 수집 또는 전송을 불필요하게 자주 함으로써 자원 소모가 발생하는 것을 줄일 수 있다.
또한, 사용자는 일정 기간 내 이상 상황이 또는, 서버 전송이 필요한 유의미한 데이터가 소정 횟수(예: 2회) 이상 발생하는 경우 그 주기를 더 짧게 조절하도록 설정할 수 있다.
또한, 모델 기반의 사용자 일상 관리 장치(100)는 판단부(120)가 미리 설정된 기준에 따라 주기 조절이 필요한지 판단하면 그 주기를 조절하는 주기조절부(160)를 더 포함할 수 있다.
개시된 실시예에 따르면, 사용자는 자신의 현재 건강 상태, 감정 상태 등에 따라 데이터 수집 주기를 다양하게 설정 또는 수정할 수 있으며, 또한, 자신의 단말 상태에 따라 데이터 전송 주기의 조절이 가능하여 정확하고 효율적으로 자신의 일상을 관리할 수 있다.
추가적인 양상에 따르면, 모델 기반의 사용자 일상 관리 장치(100)는 저장부(130) 및 갱신부(170)를 더 포함할 수 있다.
저장부(130)는 갱신부(170)를 통해 서버(20)로부터 수신되는 모델을 저장할 수 있다. 또한, 사용자가 설정하는 데이터 수집 주기, 데이터 전송 주기, 조절 기준 및 사용자에게 제공할 정보 등의 각종 기준 정보를 저장할 수 있다. 수집부(110), 판단부(120), 정보제공부(140), 전송부(150) 및 주기조절부(160)는 저장부(130)에 저장된 데이터를 이용할 수 있다.
또한, 갱신부(170)는 주기적으로 서버(20)에 요청하여 갱신된 모델이 있는지 확인하고, 갱신된 모델이 있는 경우 서버(20)로부터 갱신된 모델을 수신하여 저장부(130)에 저장된 모델을 갱신할 수 있다.
도 4는 다른 실시예에 따른 모델 기반의 사용자 일상 관리 장치의 블록도이다.
도 4를 참조하면, 다른 실시예에 따른 모델 기반의 사용자 일상 관리 장치(200)는 서버에 적용될 수 있다. 사용자 일상 관리 장치(200)는 수신부(210), 모델링부(220), 모델DB(230), 분석부(240) 및 지식정보DB(250)를 포함할 수 있다.
수신부(210)는 단말(10)로부터 사용자 데이터를 수신한다. 단말(10)로부터 수신되는 사용자 데이터는 그 단말(10)에 저장된 모델과의 비교 분석을 통해서 판단하기 어려운 새로운 유형의 데이터일 수 있다.
모델링부(220)는 수신된 사용자 데이터를 학습 및 분석하고, 그 학습 및 분석된 사용자 데이터를 이용하여 사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 모델을 구축하여 모델DB(230)에 저장할 수 있다. 소정 기준은 모델 구축 목적 및 필요에 따라 다양하게 정의될 수 있으며, 일 예로 사용자의 개인별 특성(예: 성별, 나이, 지역, 흡연, 음주, 직업 등), 유사군별 특성(예: 정상인, 당뇨환자, 고혈압 환자 등), 유사하지 않지만 특정 군과 연관된 다른 군의 특성 등에 따라 모델 구축이 가능하다.
한편, 모델링부(220)는 먼저 수신된 사용자 데이터를 모델DB(230)에 구축되어 있는 모델과의 비교 분석을 통해 일치하는 모델이 있는지 판단할 수 있다. 이는 다른 사용자의 단말로부터 수신된 데이터에 의해 일치하는 모델이 구축되어 있을 수 있기 때문이다.
분석부(230)는 학습된 데이터 또는 구축된 모델을 분석하여 새로운 지식 정보를 생성할 수 있다. 예를 들어, 분석부(230)는 학습된 데이터 또는 구축된 모델을 분석한 결과 기존에 알려진 유형과는 전혀 새로운 유형의 의료 데이터라면 의료 전문가 등에게 제공함으로써 그 전문가들이 이러한 데이터를 활용하여 새로운 질병 등의 의료 지식을 습득할 수 있도록 할 수 있다. 또한, 전문가들이 새로운 지식 정보를 발견하는 경우 그 지식 정보를 입력받아 지식정보DB(250)에 저장 관리함으로써 사용자들에게 제공하는 정보로서 활용할 수 있다.
한편, 추가적인 양상에 따르면, 모델 기반의 사용자 일상 관리 장치(200)는 배포부(260)를 더 포함할 수 있다.
배포부(260)는 모델링부(220)에 의해 새로운 모델이 구축되면 모델DB(230)에서 새롭게 구축된 모델을 단말(10)에 제공할 수 있다. 배포부(260)는 단말(10)들이 요청하는 경우, 미리 설정된 주기마다 새로 갱신된 모델이 있는지 모델DB(230)를 확인하여 갱신된 모델이 있는 경우 단말(10)에 전송할 수 있다. 이때, 모델DB(230)에 구축되어 있는 복수의 모델들 중에서 각 단말(10) 사용자들의 특성에 연관된 모델을 추출하여 각 단말(10)에 전송할 수 있다.
또한, 배포부(260)는 분석부(240)에 의해 새로운 지식 정보가 생성되면 지식정보DB(250)에서 새로 생성된 지식 정보를 단말(10)에 제공할 수 있다. 배포부(260)로부터 지식 정보를 수신한 단말(10)은 그 정보를 사용자에게 제공하는 정보로서 활용할 수 있다.
도 5는 일 실시예에 따른 모델 기반의 사용자 일상 관리 방법의 흐름도이다.
도 5의 실시예에 따른 모델 기반의 사용자 일상 관리 방법은 도 1의 실시예에 따른 모델 기반의 사용자 일상 관리 장치(100)를 통해 이루어질 수 있다.
모델 기반의 사용자 일상 관리 장치(100)는 서버(20)로부터 갱신된 모델이 있는지 확인하고, 갱신된 모델이 있는 경우 이를 수신하여 기존의 모델을 갱신할 수 있다(단계 301).
그 다음, 적어도 하나 이상의 센서로부터 수집되는 센서 데이터를 포함하는 사용자 데이터를 수집할 수 있다(단계 302). 전술한 바와 같이, 사용자 데이터는 각종 센서로부터 수집되는 센서데이터 외에 사용자의 나이, 성별, 거주 지역, 직장 위치, 흡연 여부, 보유 질병, 음주 횟수 등의 사용자 기본 정보를 더 포함할 수 있다. 이러한 사용자 기본 정보는 비슷한 유형의 다른 사용자들이 평균적으로 나타내는 특성 모델을 판단하는데 이용될 수 있다.
그 다음, 모델을 기반으로 수집된 사용자 데이터를 분석한다(단계 303). 수집된 사용자 데이터와 기 구축된 모델과의 유사도 측정법에 의한 유사도 비교를 통해 분석할 수 있다. 이때, 유사도 측정법은 전술한 바와 같이 유클리디안 디스턴스(Euclidean Distance), 코사인 디스턴스(Cosine Distance), 다차원 척도법(Multidimensional Scaling, MDS) 등의 거리 기반 유사도 측정법(Distance based similarity measures), 특징 기반 유사도 측정법(Feature based simialrity measures) 및 확률분포 유사도 측정법(Probabilistic similarity measures) 중의 어느 하나가 될 수 있다. 또한, 유사도 측정법 이외에도 확률·통계적인 방법에 의해 이상 상황 발생 여부를 판단하는 것도 가능하다.
그 다음, 분석 결과 사용자에게 이상 상황이 발생했는지 판단할 수 있다(단계 304). 그 다음, 사용자에게 이상 상황이 발생한 것으로 판단되면 그 이상 상황에 해당하는 정보를 사용자에게 제공할 수 있다(단계 305). 예를 들어, 사용자 기본 정보를 바탕으로 사용자와 유사한 특성을 갖는 사용자들의 평균 모델과는 전혀 다른 모델과 유사한 것으로 분석되는 경우 그 사용자에게 이상 상황이 발생했다고 판단할 수 있다. 앞서 예시한 바와 같이, 도 3의 (a)의 모델 1에 해당하는 사용자가 수집된 데이터를 분석한 결과 모델 4와 유사한 경우 당뇨를 의심할 수 있으며, 이 경우, 측정된 혈당 수치, 맥박 수치 및 당뇨에 관한 각종 정보(예: 주의해야 할 음식, 당뇨에 관한 상식 정보 등)를 제공해 줄 수 있다. 이때, 각 이상 상황별 사용자에게 제공할 정보는 미리 등록될 수 있다.
그 다음, 추가적인 양상에 따르면 분석 결과에 기초하여 수집된 데이터들이 서버(20)에 전송될 필요가 있는지, 즉, 서버에서 학습 및 분석이 필요한 데이터이거나 기 구축된 모델을 통해 판별이 필요한 데이터인지를 판단하고(단계 306) 서버에 전송할 필요가 있는 유의미한 데이터인 경우 서버(20)에 전송한다(단계 307). 분석 결과 수집된 데이터와 유사한 모델이 존재하지 않는 경우 그 데이터들은 새로운 유형의 의미있는 데이터일 수 있으므로 서버(20)에서 이를 학습 및 분석하여 새로운 모델 구축, 새로운 지식 정보를 발견에 활용되도록 전송할 수 있다.
그 다음, 추가적인 양상에 따르면, 분석 결과에 기초하여 데이터 수집 주기 또는 서버에 데이터 전송 주기의 조절이 필요한지 판단할 수 있으며(단계 308), 주기 조절이 필요하다고 판단되면 그 주기를 조절할 수 있다(단계 309). 앞서 설명한 바와 같이, 사용자들은 자신의 현재 상황(예: 자신의 건강 상태, 자신의 단말의 자원 상태 등)에 맞는 적절한 주기 또는 이상 상황 발생시 조절한 주기 간격 기준을 미리 설정할 수 있으며, 이를 바탕으로 조건에 해당하는 경우 주기를 조절할 수 있다. 사용자들은 이상 상황이 자주 발생하는 경우 데이터 수집 주기를 더 짧게 조절하도록 함으로써 좀 더 주의를 기울여 자신의 상태를 모니터링할 수 있다.
이상 설명한 단계 301 이하는 미리 설정 또는 조절된 주기마다 반복 수행된다.
도 6은 다른 실시예에 따른 모델 기반의 사용자 일상 관리 방법의 흐름도이다. 본 실시예에 따른 모델 기반의 사용자 일상 관리 방법은 도 4의 실시예에 따른 모델 기반의 사용자 일상 관리 장치(200)를 통해 달성될 수 있다.
먼저, 사용자 일상 관리 장치(200)는 단말(10)로부터 사용자 데이터를 수신한다(단계 401). 이때, 사용자 데이터는 단말(10)의 자원 상태에 따라 적절한 주기마다 수신될 수 있으며, 또한, 단말(10)이 수집한 모든 데이터가 아닌 학습이 필요한 새로운 유형의 데이터일 수 있다.
그 다음, 수신된 사용자 데이터를 학습 및 분석하고, 그 학습 및 분석된 사용자 데이터를 이용하여 사용자 개인별 또는 유사군별 특성을 포함하는 다양한 기준에 따라 모델을 구축하여 모델DB(230)에 저장할 수 있다(단계 402). 이때, 먼저 수신된 사용자 데이터를 모델DB(230)에 구축되어 있는 모델과의 비교 분석을 통해 일치하는 모델이 있는지 판단할 수 있다.
그 다음, 학습된 데이터 또는 구축된 모델을 분석하여 새로운 지식 정보를 생성할 수 있다(단계 403). 즉, 학습된 데이터 또는 구축된 모델을 분석한 결과를 해당 전문가에게 제공하여 그 전문가들이 이를 새로운 지식 정보를 발견하는 기초 데이터를 활용할 수 있도록 하며, 전문가들이 새로운 지식 정보를 발견하는 경우 그 지식 정보를 입력받아 관리할 수 있다.
그 다음, 새로운 모델이 구축되거나 새로운 지식 정보가 생성되면 새롭게 구축된 모델 또는 지식 정보를 단말(10)에 제공할 수 있다(단계 405). 갱신된 모델이나 지식 정보는 단말(10)들의 요청시, 미리 설정된 주기마다 전송될 수 있다. 이때, 복수의 모델들 중에서 각 단말(10) 사용자들의 특성에 연관된 모델을 추출하여 각 단말(10)에 전송할 수 있다.
한편, 본 발명의 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 200: 사용자 일상 관리 장치 110: 수집부
120: 판단부 130: 저장부
140: 정보제공부 150: 전송부
160: 갱신부 210: 수신부
220: 모델링부 230: 모델DB
240: 분석부 250: 지식정보DB
260: 배포부
120: 판단부 130: 저장부
140: 정보제공부 150: 전송부
160: 갱신부 210: 수신부
220: 모델링부 230: 모델DB
240: 분석부 250: 지식정보DB
260: 배포부
Claims (18)
- 하나 이상의 센서로부터 수집되는 센서 데이터를 포함하는 사용자 데이터를 수집하는 수집부;
모델을 기반으로 상기 수집된 사용자 데이터를 분석하고, 그 분석결과에 기초하여 사용자에게 이상 상황이 발생했는지를 판단하는 판단부; 및
상기 판단부가 이상 상황 발생으로 판단하는 경우, 그 이상 상황에 대응하는 정보를 사용자에게 제공하는 정보제공부;를 포함하는 모델 기반의 사용자 일상 관리 장치. - 제1항에 있어서, 상기 모델은,
사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 구축된 것인 모델 기반의 사용자 일상 관리 장치. - 제2항에 있어서,
서버로부터 갱신된 모델을 수신하여 기존의 모델을 갱신하는 갱신부;를 더 포함하는 모델 기반의 사용자 일상 관리장치. - 제1항에 있어서, 상기 센서 데이터는,
사용자의 현재 상태, 사용자의 위치, 사용자 활동 이력, 단말 위치, 단말 사용 상태, 날씨 및 생체 정보 중의 하나 이상을 포함하는 모델 기반의 사용자 일상 관리 장치. - 제4항에 있어서, 상기 사용자 데이터는,
사용자의 성별, 나이, 직업, 거주 지역, 직장 위치, 현재 보유 질병, 흡연 여부 및 음주 횟수 중의 하나 이상을 포함하는 사용자 기본 정보를 더 포함하는 모델 기반의 사용자 일상 관리 장치. - 제1항에 있어서, 상기 판단부는,
상기 분석 결과에 기초하여 수집된 사용자 데이터가 서버에서 학습이 필요한 데이터인지를 더 판단하고,
상기 판단 결과 학습이 필요한 데이터인 경우, 상기 수집된 사용자 데이터를 서버에 전송하는 전송부;를 더 포함하는 모델 기반의 사용자 일상 관리 장치. - 제6항에 있어서, 상기 판단부는,
상기 분석 결과에 기초하여 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기의 조절이 필요한지를 더 판단하고,
상기 판단 결과 주기의 조절이 필요한 경우, 소정 기준에 따라 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기를 조절하는 주기조절부;를 더 포함하는 모델 기반의 사용자 일상 관리 장치. - 단말로부터 수집된 사용자 데이터를 수신하는 수신부;
상기 수신된 사용자 데이터를 학습하고, 그 학습된 사용자 데이터를 이용하여 사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 모델을 구축하는 모델링부;
상기 모델을 분석하여 새로운 지식 정보를 생성하는 분석부; 및
상기 모델 또는 지식 정보를 단말에 전송하는 배포부;를 포함하는 모델 기반의 사용자 일상 관리 장치. - 제8항에 있어서, 상기 배포부는,
모델 제공을 요청하는 하나 이상의 단말에 구축된 모델 중 각 단말 사용자의 특성과 연관된 모델을 전송하는 모델 기반의 사용자 일상 관리 장치. - 적어도 하나 이상의 센서로부터 수집되는 센서 데이터를 포함하는 사용자 데이터를 수집하는 단계;
모델을 기반으로 상기 수집된 사용자 데이터를 분석하는 단계;
상기 분석결과에 기초하여 사용자에게 이상 상황이 발생했는지를 판단하는 단계; 및
상기 판단 결과 이상 상황 발생인 경우, 그 이상 상황에 대응하는 정보를 사용자에게 제공하는 단계;를 포함하는 모델 기반의 사용자 일상 관리 방법. - 제10항에 있어서, 상기 모델은,
사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 구축된 것인 모델 기반의 사용자 일상 관리 방법. - 제11항에 있어서,
서버로부터 갱신된 모델을 수신하여 기존의 모델을 갱신하는 단계;를 더 포함하는 모델 기반의 사용자 일상 관리 방법. - 제10항에 있어서, 상기 센서 데이터는,
사용자의 현재 상태, 사용자의 위치, 사용자 활동 이력, 단말 위치, 단말 사용 상태, 날씨 및 생체 정보 중의 하나 이상을 포함하는 모델 기반의 사용자 일상 관리 방법. - 제13항에 있어서, 상기 사용자 데이터는,
사용자의 성별, 나이, 직업, 거주 지역, 직장 위치, 현재 보유 질병, 흡연 여부 및 음주 횟수 중의 하나 이상을 포함하는 사용자 기본 정보를 더 포함하는 모델 기반의 사용자 일상 관리 방법. - 제10항에 있어서,
상기 분석 결과에 기초하여 수집된 사용자 데이터가 서버에서 학습이 필요한 데이터인지를 판단하는 단계; 및
상기 판단 결과 서버에서 학습이 필요한 데이터인 경우, 상기 수집된 사용자 데이터를 서버에 전송하는 단계;를 더 포함하는 모델 기반의 사용자 일상 관리 방법. - 제15항에 있어서,
상기 분석 결과에 기초하여 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기의 조절이 필요한지를 판단하는 단계; 및
상기 판단 결과 주기의 조절이 필요한 경우, 소정 기준에 따라 사용자 데이터 수집 주기 또는 서버에 데이터 전송 주기를 조절하는 단계;를 더 포함하는 모델 기반의 사용자 일상 관리 방법. - 단말로부터 수집된 사용자 데이터를 수신하는 단계;
상기 수신된 사용자 데이터를 학습하고, 그 학습된 사용자 데이터를 이용하여 사용자 개인별 또는 유사군별 특성을 포함하는 소정 기준에 따라 모델을 구축하는 단계;
상기 모델을 분석하여 새로운 지식 정보를 생성하는 단계; 및
상기 모델 또는 지식 정보를 단말에 전송하는 단계;를 포함하는 모델 기반의 사용자 일상 관리 방법. - 제17항에 있어서, 상기 배포하는 단계는,
모델 제공을 요청하는 하나 이상의 단말에 구축된 모델 중 각 단말 사용자의 특성과 연관된 모델을 전송하는 모델 기반의 사용자 일상 관리 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120073013A KR20140005527A (ko) | 2012-07-04 | 2012-07-04 | 모델 기반의 사용자 일상 관리 장치 및 방법 |
US13/935,640 US20140012593A1 (en) | 2012-07-04 | 2013-07-05 | Apparatuds and method for lifestyle management based on model |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120073013A KR20140005527A (ko) | 2012-07-04 | 2012-07-04 | 모델 기반의 사용자 일상 관리 장치 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20140005527A true KR20140005527A (ko) | 2014-01-15 |
Family
ID=49879194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120073013A KR20140005527A (ko) | 2012-07-04 | 2012-07-04 | 모델 기반의 사용자 일상 관리 장치 및 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20140012593A1 (ko) |
KR (1) | KR20140005527A (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101854028B1 (ko) * | 2016-05-25 | 2018-06-20 | 한국 한의학 연구원 | 미병의 발현 주기에 따른 건강 관리 프로그램을 제공하는 보조 컴퓨팅 장치 및 방법 |
KR101872826B1 (ko) * | 2017-03-29 | 2018-06-29 | 안동과학대학교 산학협력단 | 기계학습을 통한 재합류 지원 장치 및 그 방법 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10459924B2 (en) * | 2011-09-26 | 2019-10-29 | Nec Corporation | Information processing system, information processing method, information processing device and communication terminal, and method and program for controlling same |
KR101575886B1 (ko) * | 2013-06-26 | 2015-12-08 | 아주대학교산학협력단 | 개인화된 라이프 스타일 모델링 장치 및 방법 |
WO2016111809A1 (en) * | 2015-01-05 | 2016-07-14 | Anki, Inc. | Adaptive data analytics service |
US10380501B2 (en) * | 2015-11-13 | 2019-08-13 | Facebook, Inc. | Lookalike evaluation |
WO2019027568A1 (en) | 2017-08-02 | 2019-02-07 | Glaxosmithkline Consumer Healthcare Holdings (Us) Llc | PORTABLE DEVICE AND APPLICATION FOR BEHAVIORAL CARRIER |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001344340A (ja) * | 2000-03-28 | 2001-12-14 | Daynet:Kk | 自動診察システム及び方法、その記憶媒体並びに緊急通信救助システム |
KR20090026967A (ko) * | 2007-09-11 | 2009-03-16 | 삼성전자주식회사 | 생체 신호 및 증상 정보에 기반한 건강관리 프로그램서비스 제공 시스템 및 방법 |
KR20110109603A (ko) * | 2010-03-31 | 2011-10-06 | (주)유카이트 | 생체신호 측정기기, 이를 이용한 안전 모니터링 시스템 및 안전 모니터링과 건강관리 서비스 방법 |
KR20110113392A (ko) * | 2010-04-09 | 2011-10-17 | 한국 한의학 연구원 | 유비쿼터스 헬스 케어 서비스 방법 |
KR20110137001A (ko) * | 2010-06-16 | 2011-12-22 | (주)유카이트 | 건강 위험 경보 시스템 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7664671B2 (en) * | 2004-12-01 | 2010-02-16 | Hewlett-Packard Development Company, L.P. | Methods and systems for profile-based forecasting with dynamic profile selection |
EP2210226A4 (en) * | 2007-10-12 | 2013-11-06 | Patientslikeme Inc | SELF-IMPROVED METHOD OF USING ONLINE COMMUNITIES TO PREDICT CLINICAL RESULTS |
US20110213217A1 (en) * | 2010-02-28 | 2011-09-01 | Nellcor Puritan Bennett Llc | Energy optimized sensing techniques |
US20120046966A1 (en) * | 2010-08-19 | 2012-02-23 | International Business Machines Corporation | Health Management Application Development and Deployment Framework |
EP2625630A4 (en) * | 2010-10-04 | 2017-02-08 | Telefonaktiebolaget LM Ericsson (publ) | Data model pattern updating in a data collecting system |
JP5768517B2 (ja) * | 2011-06-13 | 2015-08-26 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
US10631760B2 (en) * | 2011-09-02 | 2020-04-28 | Jeffrey Albert Dracup | Method for prediction, detection, monitoring, analysis and alerting of seizures and other potentially injurious or life-threatening states |
-
2012
- 2012-07-04 KR KR1020120073013A patent/KR20140005527A/ko not_active Application Discontinuation
-
2013
- 2013-07-05 US US13/935,640 patent/US20140012593A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001344340A (ja) * | 2000-03-28 | 2001-12-14 | Daynet:Kk | 自動診察システム及び方法、その記憶媒体並びに緊急通信救助システム |
KR20090026967A (ko) * | 2007-09-11 | 2009-03-16 | 삼성전자주식회사 | 생체 신호 및 증상 정보에 기반한 건강관리 프로그램서비스 제공 시스템 및 방법 |
KR20110109603A (ko) * | 2010-03-31 | 2011-10-06 | (주)유카이트 | 생체신호 측정기기, 이를 이용한 안전 모니터링 시스템 및 안전 모니터링과 건강관리 서비스 방법 |
KR20110113392A (ko) * | 2010-04-09 | 2011-10-17 | 한국 한의학 연구원 | 유비쿼터스 헬스 케어 서비스 방법 |
KR20110137001A (ko) * | 2010-06-16 | 2011-12-22 | (주)유카이트 | 건강 위험 경보 시스템 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101854028B1 (ko) * | 2016-05-25 | 2018-06-20 | 한국 한의학 연구원 | 미병의 발현 주기에 따른 건강 관리 프로그램을 제공하는 보조 컴퓨팅 장치 및 방법 |
KR101872826B1 (ko) * | 2017-03-29 | 2018-06-29 | 안동과학대학교 산학협력단 | 기계학습을 통한 재합류 지원 장치 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20140012593A1 (en) | 2014-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11862340B2 (en) | Method and system for cardiovascular disease assessment and management | |
US11158423B2 (en) | Adapted digital therapeutic plans based on biomarkers | |
US11238979B1 (en) | Digital biomarkers for health research, digital therapeautics, and precision medicine | |
US11043139B1 (en) | Providing digital health interventions | |
KR20140005527A (ko) | 모델 기반의 사용자 일상 관리 장치 및 방법 | |
US10990894B2 (en) | Situation forecast mechanisms for internet of things integration platform | |
US10353939B2 (en) | Interoperability mechanisms for internet of things integration platform | |
US10959667B2 (en) | Intelligent sleep system, and user side system and cloud side system thereof | |
KR102446811B1 (ko) | 복수의 디바이스들로부터 수집된 데이터 통합 및 제공 방법 및 이를 구현한 전자 장치 | |
Yürür et al. | Context-awareness for mobile sensing: A survey and future directions | |
US20170262606A1 (en) | Health monitoring using social rhythms stability | |
EP3469496B1 (en) | Situation forecast mechanisms for internet of things integration platform | |
US20170330297A1 (en) | Dynamic wearable device behavior based on family history | |
JP2018515155A (ja) | ウェアラブルデバイスを用いてユーザの良好さを遠隔からモニタするためのシステム、デバイス、及び方法 | |
CN101075274A (zh) | 健康状况的分析与管理的方法、网络平台及其手机 | |
Yue et al. | Fusing location data for depression prediction | |
CN103310089A (zh) | 互动可视化家庭健康管理平台 | |
US11237937B1 (en) | Intermediate check points and controllable parameters for addressing process deficiencies | |
Su et al. | A novel framework for a remote patient monitoring (RPM) system with abnormality detection | |
US11869662B2 (en) | Updating learned models | |
US20220037029A1 (en) | Infectious disease heat map and prediction model generation | |
US20200193858A1 (en) | Unobtrusive motivation estimation | |
Chen et al. | An adaptive sensor data segments selection method for wearable health care services | |
EP2656262A2 (en) | Medical record retrieval system based on sensor information and a method of operation thereof | |
KR101196228B1 (ko) | 재택 건강 관리 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |