KR20200133525A - 생체 정보 추정 모델의 유효성 판단 장치 및 방법 - Google Patents
생체 정보 추정 모델의 유효성 판단 장치 및 방법 Download PDFInfo
- Publication number
- KR20200133525A KR20200133525A KR1020190058890A KR20190058890A KR20200133525A KR 20200133525 A KR20200133525 A KR 20200133525A KR 1020190058890 A KR1020190058890 A KR 1020190058890A KR 20190058890 A KR20190058890 A KR 20190058890A KR 20200133525 A KR20200133525 A KR 20200133525A
- Authority
- KR
- South Korea
- Prior art keywords
- spectrum
- biometric information
- estimation model
- information estimation
- determining
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 55
- 238000001228 spectrum Methods 0.000 claims abstract description 393
- 238000001727 in vivo Methods 0.000 claims abstract description 23
- 239000012491 analyte Substances 0.000 claims description 31
- 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 claims description 22
- 239000008103 glucose Substances 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 18
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 14
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 13
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 9
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims description 9
- 239000003963 antioxidant agent Substances 0.000 claims description 9
- 235000006708 antioxidants Nutrition 0.000 claims description 9
- 239000004202 carbamide Substances 0.000 claims description 9
- 235000012000 cholesterol Nutrition 0.000 claims description 9
- 102000004169 proteins and genes Human genes 0.000 claims description 9
- 108090000623 proteins and genes Proteins 0.000 claims description 9
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims description 9
- 229940116269 uric acid Drugs 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 6
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims 8
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 claims 4
- 235000019441 ethanol Nutrition 0.000 claims 4
- 239000004310 lactic acid Substances 0.000 claims 4
- 235000014655 lactic acid Nutrition 0.000 claims 4
- 235000018102 proteins Nutrition 0.000 claims 4
- 238000004891 communication Methods 0.000 description 54
- 239000008280 blood Substances 0.000 description 41
- 210000004369 blood Anatomy 0.000 description 41
- 238000010586 diagram Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 description 6
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 5
- 239000000470 constituent Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 229960005070 ascorbic acid Drugs 0.000 description 1
- 235000010323 ascorbic acid Nutrition 0.000 description 1
- 239000011668 ascorbic acid Substances 0.000 description 1
- 235000021466 carotenoid Nutrition 0.000 description 1
- 150000001747 carotenoids Chemical class 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 229930003935 flavonoid Natural products 0.000 description 1
- 150000002215 flavonoids Chemical class 0.000 description 1
- 235000017173 flavonoids Nutrition 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Databases & Information Systems (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Bioethics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Biotechnology (AREA)
- Psychiatry (AREA)
- Epidemiology (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
일 양상에 따른 생체 정보 추정 모델의 유효성 판단 장치는, 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 데이터 획득부와, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하고, 상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단하고, 상기 유사도를 기반으로 상기 생체 정보 추정 모델의 유효성을 판단하는 프로세서를 포함할 수 있다.
Description
생체 정보 추정 모델의 유효성을 판단하는 기술과 관련된다.
당뇨병은 다양한 합병증을 일으키며 치료가 잘 안 되는 만성질환이어서 규칙적으로 혈당을 체크해서 합병증 발생을 예방해야 한다. 또한 인슐린을 투여하는 경우에는 저혈당을 대비하고 인슐린 투여량을 조절하기 위해 혈당을 체크해야 한다. 일반적으로 혈당을 측정하기 위해 침습적인 방식이 이용되고 있다. 침습적으로 혈당을 측정하는 방식은 측정의 신뢰성이 높다고 할 수 있으나 주사를 이용하여 혈액 채취의 고통, 번거로움 및 질병 감염 위험이 존재한다. 최근에는 혈액을 직접 채취하지 않고 분광기를 이용하여 비침습적으로 혈당을 측정하는 방법이 연구되고 있다.
생체 정보 추정 모델의 유효성을 판단하는 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른 생체 정보 추정 모델의 유효성 판단 장치는, 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 데이터 획득부와, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하고, 상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단하고, 상기 유사도를 기반으로 상기 생체 정보 추정 모델의 유효성을 판단하는 프로세서를 포함할 수 있다.
상기 프로세서는, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하고, 상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득할 수 있다.
상기 프로세서는, 상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득할 수 있다.
생체 정보는 분석 물질의 농도이고, 상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나일 수 있다.
상기 프로세서는, 상기 획득된 체내 스펙트럼의 측정 이전에 측정된 이전 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택할 수 있다.
상기 프로세서는, 상기 유사도가 소정의 기준값보다 작으면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단할 수 있다.
상기 프로세서는, 상기 획득된 레지듀얼 스펙트럼을 나타내는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단할 수 있다.
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성될 수 있다.
다른 양상에 따른 생체 정보 추정 모델의 유효성 판단 장치는, 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼 및 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 데이터 획득부와, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하고, 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링하여 상기 생체 정보 추정 모델의 유효성을 판단하는 프로세서를 포함할 수 있다.
상기 프로세서는, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하고, 상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득할 수 있다.
상기 프로세서는, 상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득할 수 있다.
생체 정보는 분석 물질의 농도이고, 상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나일 수 있다.
상기 프로세서는, 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화가 소정의 기준값을 초과하면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단할 수 있다.
상기 프로세서는, 상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 기반으로 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 판단할 수 있다.
상기 프로세서는, 상기 획득된 체내 스펙트럼의 측정 이전에 측정된 이전 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택할 수 있다.
상기 프로세서는, 상기 획득된 레지듀얼 스펙트럼을 나타내는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단할 수 있다.
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성될 수 있다.
또 다른 양상에 따른 생체 정보 추정 모델의 유효성 판단 방법은, 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 단계와, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 단계와, 상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단하는 단계와, 상기 유사도를 기반으로 상기 생체 정보 추정 모델의 유효성을 판단하는 단계를 포함할 수 있다.
상기 레지듀얼 스펙트럼을 획득하는 단계는, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하는 단계와, 상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는 단계를 포함할 수 있다.
상기 레지듀얼 스펙트럼을 획득하는 단계는, 상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득할 수 있다.
생체 정보는 분석 물질의 농도이고, 상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나일 수 있다.
상기 유사도를 판단하는 단계는, 상기 획득된 체내 스펙트럼의 측정 이전에 측정된 이전 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하는 단계를 포함할 수 있다.
상기 유효성을 판단하는 단계는, 상기 유사도가 소정의 기준값보다 작으면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단할 수 있다.
상기 유효성을 판단하는 단계는, 상기 획득된 레지듀얼 스펙트럼을 나타내는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단할 수 있다.
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성될 수 있다.
또 다른 양상에 따른 생체 정보 추정 모델의 유효성 판단 방법은, 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 단계와, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 단계와, 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링하여 상기 생체 정보 추정 모델의 유효성을 판단하는 단계를 포함할 수 있다.
상기 레지듀얼 스펙트럼을 획득하는 단계는, 상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하는 단계와, 상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는 단계를 포함할 수 있다.
상기 레지듀얼 스펙트럼을 획득하는 단계는, 상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득할 수 있다.
생체 정보는 분석 물질의 농도이고, 상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나일 수 있다.
상기 유효성을 판단하는 단계는, 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화가 소정의 기준값을 초과하면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단할 수 있다.
상기 유효성을 판단하는 단계는, 상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 기반으로 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 판단하는 단계를 포함할 수 있다.
상기 유효성을 판단하는 단계는, 상기 획득된 체내 스펙트럼의 측정 이전에 측정된 이전 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하는 단계를 더 포함할 수 있다.
상기 유효성을 판단하는 단계는, 상기 획득된 레지듀얼 스펙트럼을 나타내는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단할 수 있다.
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성될 수 있다.
또 다른 양상에 따른 생체 정보 추정 모델의 유효성 판단 방법은, 피검체의 체내 스펙트럼을 획득하는 단계와, 생체 정보 추정 모델을 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 단계와, 상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단하는 단계와, 상기 유사도를 기반으로 상기 생체 정보 측정 모델의 유효성을 판단하는 단계를 포함할 수 있다.
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성될 수 있다.
상기 레지듀얼 스펙트럼을 획득하는 단계는, 상기 획득된 체내 스펙트럼과 상기 생체 정보 추정 모델을 이용하여 상기 피검체의 생체 정보와 주성분 농도를 추정하는 단계와, 상기 획득된 체내 스펙트럼, 상기 추정된 생체 정보 및 상기 추정된 주성분 농도를 기반으로 체내 스펙트럼을 재구성하는 단계와, 상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는 단계를 포함할 수 있다.
상기 레지듀얼 스펙트럼을 획득하는 단계는, 상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득할 수 있다.
체내 스펙트럼의 레지듀얼 스펙트럼의 모양 변화를 모니터링하여 생체 정보 추정 모델의 유효성을 판단함으로써, 생체 정보 추정의 정확도를 향상시킬 수 있다.
도 1 및 도 2는 NAS 알고리즘의 개념을 설명하기 위한 도면이다.
도 3은 생체 정보 측정 장치의 일 실시예를 도시한 도면이다.
도 4는 모델 유효성 판단 장치의 일 실시예를 도시한 도면이다.
도 5a 및 도 5b는 레지듀얼 스펙트럼의 모양 변화와 생체 정보 추정 모델의 유효성의 관계를 설명하기 위한 도면이다.
도 6은 모델 유효성 판단 장치의 다른 실시예를 도시한 도면이다.
도 7은 생체 정보 추정 모델의 유효성 판단 방법의 일 실시예를 도시한 도면이다.
도 8은 생체 정보 추정 모델의 유효성 판단 방법의 다른 실시예를 도시한 도면이다.
도 9는 생체 정보 추정 모델의 유효성 판단 방법의 다른 실시예를 도시한 도면이다.
도 10은 손목형 웨어러블 디바이스를 도시한 도면이다.
도 3은 생체 정보 측정 장치의 일 실시예를 도시한 도면이다.
도 4는 모델 유효성 판단 장치의 일 실시예를 도시한 도면이다.
도 5a 및 도 5b는 레지듀얼 스펙트럼의 모양 변화와 생체 정보 추정 모델의 유효성의 관계를 설명하기 위한 도면이다.
도 6은 모델 유효성 판단 장치의 다른 실시예를 도시한 도면이다.
도 7은 생체 정보 추정 모델의 유효성 판단 방법의 일 실시예를 도시한 도면이다.
도 8은 생체 정보 추정 모델의 유효성 판단 방법의 다른 실시예를 도시한 도면이다.
도 9는 생체 정보 추정 모델의 유효성 판단 방법의 다른 실시예를 도시한 도면이다.
도 10은 손목형 웨어러블 디바이스를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다.
한편, 각 단계들에 있어, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 수행될 수 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하고, '포함하다' 또는 '가지다' 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 구성부들에 대한 구분은 각 구성부가 담당하는 주 기능별로 구분한 것에 불과하다. 즉, 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있다. 각 구성부는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1 및 도 2는 NAS 알고리즘의 개념을 설명하기 위한 도면이다.
도 1 및 도 2를 참조하면, NAS(net analyte signal) 알고리즘은 학습 구간에서 측정된 체내 스펙트럼(in vivo spectrum)(S1, S2, …, Sn)을 학습 데이터로 하여 생체 정보 변화와 무관한 스펙트럼의 변화 요인을 학습하여 생체 정보 추정 모델을 생성할 수 있다. 또한, NAS 알고리즘은 학습 구간 이후의 추정 구간에서 측정된 체내 스펙트럼(Sn+1, Sn+2, …, Sm)과 생체 정보 추정 모델을 이용하여 생체 정보(Cn+1, Cn+2, Cm)를 추정할 수 있다. 이때, 학습 구간은 생체 정보가 실질적으로 변하지 않는 구간(예컨대, 생체 정보가 혈당인 경우 공복 구간)일 수 있다.
즉, NAS 알고리즘은 학습 구간에서 측정된 체내 스펙트럼을 기반으로 생체 정보 추정 모델을 생성한 후 이를 추정 구간에 적용하여 생체 정보를 추정할 수 있다. 따라서, 피검체의 온도 변화, 피검체와 장치 사이의 압력 변화 등의 요인에 의해 추정 구간의 어느 시점에 생체 정보와 무관한 스펙트럼의 변화 요인들 중 적어도 하나가 변화하였을 경우, 그 시점부터 레지듀얼(residual)이 증가하여 생체 정보 추정 오류가 증가할 수 있다. 레지듀얼 스펙트럼은 생체 정보 추정 모델로 재구성한 체내 스펙트럼과 실제 측정된 체내 스펙트럼의 차이를 나타낼 수 있다.
도 3은 생체 정보 측정 장치의 일 실시예를 도시한 도면이다. 도 3의 생체 정보 측정 장치(300)는 피검체의 체내 스펙트럼을 분석하여 피검체의 생체 정보를 측정할 수 있는 장치로, 전자 장치에 탑재되거나 하우징으로 감싸져 별개의 장치로 형성될 수 있다. 전자 장치는 휴대폰, 스마트폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등을 포함할 수 있고, 웨어러블 디바이스는 손목시계형, 손목 밴드형, 반지형, 벨트형, 목걸이형, 발목 밴드형, 허벅지 밴드형, 팔뚝 밴드형 등을 포함할 수 있다. 그러나 전자 장치는 상술한 예에 제한되지 않으며, 웨어러블 디바이스 역시 상술한 예에 제한되지 않는다.
여기서 생체 정보는 체내의 분석 물질의 농도이며, 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질(예컨대, 비타민, 카르티노이드, 플라보노이드, 아스코르브산, 토코페놀 등), 에탄올(ethanol) 등을 포함할 수 있으나 이에 한정되는 것은 아니다. 한편, 체내의 분석 물질이 포도당인 경우 생체 정보는 혈당을 나타낼 수 있다. 이하, 설명의 편의를 위해 생체 정보가 혈당인 실시예를 기준으로 설명하기로 한다.
도 3을 참조하면, 생체 정보 측정 장치(300)는 생체 정보 추정 장치(310) 및 모델 유효성 판단 장치(320)를 포함할 수 있다. 여기서 생체 정보 추정 장치(310) 및 모델 유효성 판단 장치(320)는 각각 별개의 하드웨어 장치로 구현될 수도 있고, 하나의 하드웨어 장치로 구현될 수도 있다.
생체 정보 추정 장치(310)는 피검체의 체내 스펙트럼을 획득할 수 있다. 이때 체내 스펙트럼은 흡수 스펙트럼, 반사 스펙트럼 또는 투과 스펙트럼일 수 있다. 예컨대, 생체 정보 추정 장치(310)는 피검체 내에서 혈당이 실질적으로 변하지 않는 구간(예, 공복 구간)에서 측정된 체내 스펙트럼(이하, 학습용 체내 스펙트럼) 및/또는 피검체의 혈당 추정을 위해 측정된 체내 스펙트럼(이하, 추정용 체내 스펙트럼)을 획득할 수 있다.
일 실시예에 따르면, 생체 정보 추정 장치(310)는 체내 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 수신하여 체내 스펙트럼을 획득할 수 있다. 이때, 생체 정보 추정 장치(310)는 유무선 통신 기술을 이용할 수 있다. 여기서 무선 통신 기술은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 포함할 수 있으나 이에 한정되는 것은 아니다.
다른 실시예에 따르면, 생체 정보 추정 장치(310)는 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 체내 스펙트럼을 직접 측정함으로써 체내 스펙트럼을 획득할 수 있다. 이때, 생체 정보 추정 장치(310)는 적외선 분광법(Infrared spectroscopy)이나 라만 분광법(Raman spectroscopy) 등을 이용할 수 있으나, 이에 제한되는 것은 아니며 다양한 분광 기법을 활용하여 체내 스펙트럼을 측정할 수 있다. 이를 위해 생체 정보 추정 장치(310)는 피검체에 광을 조사하는 광원과, 피검체로부터 반사 또는 산란된 광을 수신하여 생체 스펙트럼을 측정하는 광 검출기를 포함할 수 있다. 광원은 근적외선(Near Infrared Ray, NIR) 또는 중적외선(Mid Infrared Ray, MIR)을 피검체에 조사할 수 있다. 그러나, 측정 목적이나 생체 정보의 종류에 따라 광원에서 조사되는 광의 파장은 달라질 수 있다. 그리고 광원은 반드시 단일의 발광체로 구성될 필요는 없으며, 다수의 발광체의 집합으로 구성될 수도 있다. 광원은 발광 다이오드(light emitting diode, LED), 레이저 다이오드(laser diode), 또는 형광체 등으로 형성될 수 있다. 광 검출기는 포토 다이오드(photo diode), 포토 트랜지스터(photo transistor) 및 이미지 센서(예컨대, CCD(charge-coupled device), CMOS(Complementary Metal Oxide Semiconductor) 등) 등으로 형성될 수 있다. 광 검출기는 반드시 하나의 소자로 구성될 필요는 없으며, 다수의 소자들이 모여 어레이 형태로 구성될 수도 있다. 광원 및 광 검출기의 개수 및 배열 형태 등은 다양하며 생체 정보의 종류, 활용 목적, 및 생체 정보 추정 장치(310)가 탑재되는 전자 장치의 크기와 형태 등에 따라 변경될 수 있다.
생체 정보 추정 장치(310)는 생체 정보 추정 모델을 생성할 수 있다. 일 실시예에 따르면, 생체 정보 추정 장치(310)는 복수의 학습용 체내 스펙트럼이 획득되면, 획득된 복수의 학습용 체내 스펙트럼을 기반으로 생체 정보 추정 모델을 생성할 수 있다. 예컨대, 생체 정보 추정 장치(310)는 획득된 복수의 학습용 체내 스펙트럼을 이용하여 NAS(net analyte signal) 알고리즘을 통해 생체 정보 추정 모델을 생성할 수 있다. 상세하게, 생체 정보 추정 장치(310)는 공복 구간에 측정된 복수의 학습용 체내 스펙트럼을 학습 데이터로 하여 생체 정보 변화와 무관한 스펙트럼의 변화 요인을 학습할 수 있다. 예컨대, 생체 정보 추정 장치(310)는 PCA(Principle Component Analysis), ICA(Independent Component Analysis), NMF(Non-negative matrix factorization), 및 SVD(Singlular Value Decomposition) 등 다양한 차원 축소 알고리즘을 이용하여 공복 구간에 측정된 복수의 학습용 체내 스펙트럼으로부터 주성분 스펙트럼을 추출할 수 있다. 또한 생체 정보 추정 장치(310)는 학습 결과 즉, 추출된 주성분 스펙트럼을 기반으로 생체 정보 추정 모델을 생성할 수 있다. 이때, 생성된 생체 정보 추정 모델은 수학식 1 및 수학식 2로 표현될 수 있다.
여기서, , , 는 주성분의 농도이고, 는 기준 혈당 대비 혈당 증가량이고, , , 는 주성분 스펙트럼을 표현하는 벡터이고, 는 단위 농도(예컨대, 1mM)의 포도당 스펙트럼(이하, 순수 성분 스펙트럼)을 표현하는 벡터이고, 은 광의 경로 길이이고, k는 주성분 개수일 수 있다. 또한, 는 추정 혈당이고, 는 기준 혈당(예, 공복 혈당)일 수 있다. 는 실험적으로 획득될 수 있다.
생체 정보 추정 장치(310)는 생체 정보 추정 모델을 생성한 후 혈당 추정을 위한 추정용 체내 스펙트럼이 획득되면, 추정용 체내 스펙트럼과 생체 정보 추정 모델을 이용하여 피검체의 혈당과 주성분의 농도를 추정할 수 있다. 예컨대, 생체 정보 추정 장치(310)는 수학식 1 및 수학식 2를 이용하여 피검체의 혈당() 및 주성분의 농도(, , )를 추정할 수 있다.
모델 유효성 판단 장치(320)는 생체 정보 추정 모델의 유효성을 판단할 수 있다. 예컨대, 모델 유효성 판단 장치(320)는 생체 정보 추정 장치(310)로부터 추정용 체내 스펙트럼, 추정용 체내 스펙트럼 및 생체 정보 추정 모델을 이용하여 추정된 혈당 및 주성분 농도를 획득하고, 획득된 추정용 체내 스펙트럼, 획득된 혈당 및 획득된 주성분 농도를 기반으로 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다. 또한 모델 유효성 판단 장치(320)는 획득된 레지듀얼 스펙트럼을 이용하여 생체 정보 추정 모델의 유효성을 판단할 수 있다.
도 4는 모델 유효성 판단 장치의 일 실시예를 도시한 도면이다. 도 4의 모델 유효성 판단 장치(400)는 도 3의 모델 유효성 판단 장치(320)의 일 실시예일 수 있다.
도 4를 참조하면, 모델 유효성 판단 장치(400)는 데이터 획득부(410) 및 프로세서(420)를 포함할 수 있다.
데이터 획득부(410)는 생체 정보 추정 장치로부터 추정용 체내 스펙트럼, 추정용 체내 스펙트럼 및 생체 정보 추정 모델을 이용하여 추정된 혈당 및 주성분 농도를 획득할 수 있다. 예컨대, 데이터 획득부(410)는 유무선 통신 기술을 이용하여 생체 정보 추정 장치로부터 추정용 체내 스펙트럼, 혈당 및 주성분 농도를 획득할 수 있다. 여기서 무선 통신 기술은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 포함할 수 있으나 이에 한정되지 않는다.
프로세서(420)는 모델 유효성 판단 장치(400)의 전반적인 동작을 제어할 수 있다.
프로세서(420)는 설정된 주기 또는 사용자 요청에 따라, 데이터 획득부(410)를 제어하여 체내 스펙트럼, 추정용 체내 스펙트럼 및 생체 정보 추정 모델을 이용하여 추정된 혈당 및 주성분 농도를 획득할 수 있다.
프로세서(420)는 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다. 예컨대, 프로세서(420)는 추정용 체내 스펙트럼, 혈당 및 주성분 농도를 기반으로 수학식 3를 이용하여 추정용 체내 스펙트럼을 재구성하고, 수학식 4를 이용하여 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다.
여기서, 은 재구성된 추정용 체내 스펙트럼을 표현하는 벡터이고, , , 는 생체 정보 추정 모델 생성에 이용된 주성분 스펙트럼을 표현하는 벡터이고, 는 생체 정보 추정 모델 생성에 이용된 순수 성분 스펙트럼을 표현하는 벡터이고, , , 는 주성분 농도이고, 는 공복 혈당 대비 혈당 증가량이고, 은 광의 경로 길이이고, 는 추정용 체내 스펙트럼을 표현하는 벡터이고, 은 의 레지듀얼 스펙트럼을 표현하는 벡터일 수 있다.
한편, 프로세서(420)가 생체 정보 추정 장치로부터 추정용 체내 스펙트럼, 추정용 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 혈당 및 주성분 농도를 획득하여 이를 기반으로 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 실시예로 설명하였으나 이에 한정되지 않는다. 즉, 프로세서(420)는 추정용 체내 스펙트럼을 획득하고, 획득된 추정용 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 혈당 및 주성분 농도를 추정한 후, 이를 기반으로 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 것도 가능하다.
프로세서(420)는 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링하여 생체 정보 추정 모델의 유효성을 판단할 수 있다.
일 실시예에 따르면, 프로세서(420)는 하나 이상의 이전 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하고, 선택된 기준 레지듀얼 스펙트럼과 현재 획득된 레지듀얼 스펙트럼의 유사도를 기반으로 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 판단할 수 있다. 이때 이전 레지듀얼 스펙트럼은 획득된 추정용 체내 스펙트럼이 측정되기 이전에 측정된 추정용 체내 스펙트럼의 레지듀얼 스펙트럼일 수 있다.
또한, 프로세서(420)는 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 판단한 결과 모양 변화량이 소정의 제1 기준값을 초과하면 생체 정보 추정 모델이 유효하지 않은 것으로 판단할 수 있다. 예컨대, 프로세서(420)는 기준 레지듀얼 스펙트럼과 추정용 체내 스펙트럼의 레지듀얼 스펙트럼의 유사도가 소정의 제1 기준값에 대응하는 제2 기준값보다 작으면 생체 정보 추정 모델이 유효하지 않은 것으로 판단할 수 있다. 이때 프로세서(420)는 유클리드 거리(Euclidean distance), 맨하탄 거리(Manhattan Distance), 코사인 거리(Cosine Distance), 마할라노비스 거리 (Mahalanobis Distance), 자카드 계수(Jaccard Coefficient), 확장 자카드 계수(Extended Jaccard Coefficient), 피어슨 상관관계 계수(Pearson's Correlation Coefficient), 스피어만 상관관계 계수(Spearman's Correlation Coefficient) 등과 같은 다양한 유사도 산출 알고리즘을 이용할 수 있다.
한편, 일 실시예에 따르면, 프로세서(420)는 이전 레지듀얼 스펙트럼 각각과 현재 레지듀얼 스펙트럼의 유사도를 기반으로 유사도 맵을 생성하고 생성된 유사도 맵을 이용하여으로 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링할 수 있다.
일 실시예에 따르면, 프로세서(420)는 생체 정보 추정 모델의 유효성 판단시 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 추가적으로 이용할 수 있다. 예컨대, 프로세서(420)는 레지듀얼 스펙트럼을 표현하는 벡터의 크기가 소정의 기준값보다 크면 생체 정보 추정 모델이 유효하지 않다고 판단할 수 있으며, 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 기반으로 판단한 결과와 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 기반으로 판단한 결과를 종합하여 최종 유효성을 판단할 수 있다.
프로세서(420)는 생체 정보 추정 모델이 유효하지 않다고 판단되면, 생체 정보 추정 장치가 생체 정보 추정 모델을 갱신 또는 재생성할 수 있도록 그 판단 결과를 사용자에게 제공하거나 생체 정보 추정 장치에 제공할 수 있다.
도 5a 및 도 5b는 레지듀얼 스펙트럼의 모양 변화와 생체 정보 추정 모델의 유효성의 관계를 설명하기 위한 도면이다. 더욱 상세하게는 도 5a는 추정 혈당과 실제 혈당을 도시한 예시도이고, 도 5b는 도 5a의 각 시점에 측정된 체내 스펙트럼의 레지듀얼 스펙트럼을 도시한 예시도이다.
도 5a를 참조하면, 추정 구간의 t4 이후의 어느 시점에서 혈당과 무관한 스펙트럼의 변화 요인들 중 적어도 하나가 변화하여, 그 시점부터 혈당 추정 오류가 증가할 수 있다. 이 경우 생체 정보 추정 모델은 더 이상 유효하지 않게 된다.
도 5b를 참조하면, t1에 측정된 추정용 체내 스펙트럼의 레지듀얼 스펙트럼(510), t2에 측정된 추정용 체내 스펙트럼의 레지듀얼 스펙트럼(520), t3에 측정된 추정용 체내 스펙트럼의 레지듀얼 스펙트럼(530) 및 t4에 측정된 추정용 체내 스펙트럼의 레지듀얼 스펙트럼(540)의 모양은 유사하여 그 모양의 변화가 크지 않는 반면, t5에 측정된 추정용 체내 스펙트럼의 레지듀얼 스펙트럼(550)은 레지듀얼 스펙트럼(510, 520, 530, 540)과 비유사하며 레지듀얼 스펙트럼(510, 520, 530, 540)에 비하여 그 모양의 변화가 크다.
따라서, 레지듀얼 스펙트럼의 시간에 따른 모양 변화와 생체 정보 추정 모델의 유효성은 유의미한 관계를 가지는 것을 알 수 있고, 모델 유효성 판단 장치는 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링함으로써 생체 정보 추정 모델의 유효성을 판단할 수 있다.
도 6은 모델 유효성 판단 장치의 다른 실시예를 도시한 도면이다. 도 6의 모델 유효성 판단 장치(600)는 도 3의 모델 유효성 판단 장치(320)의 다른 실시예일 수 있다.
도 6을 참조하면, 모델 유효성 판단 장치(600)는 데이터 획득부(410), 프로세서(420), 입력부(610), 저장부(620), 통신부(630) 및 출력부(640)를 포함할 수 있다. 여기서 데이터 획득부(410) 및 프로세서(420)는 도 4를 참조하여 전술한 바와 같으므로 그 상세한 설명은 생략하기로 한다.
입력부(610)는 사용자로부터 다양한 조작신호를 입력 받을 수 있다. 일 실시예에 따르면, 입력부(610)는 키 패드(key pad), 돔 스위치(dome switch), 터치 패드(touch pad)(정압/정전), 조그 휠(Jog wheel), 조그 스위치(Jog switch), H/W 버튼 등을 포함할 수 있다. 특히, 터치 패드가 디스플레이와 상호 레이어 구조를 이룰 경우, 이를 터치 스크린이라 부를 수 있다.
저장부(620)는 모델 유효성 판단 장치(600)의 동작을 위한 프로그램 또는 명령들을 저장할 수 있고, 모델 유효성 판단 장치(600)에 입력되는 데이터 및 모델 유효성 판단 장치(600)의 처리 결과 데이터를 저장할 수 있다. 저장부(620)는 플래시 메모리 타입(flash memory type), 하드 디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예컨대, SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read Only Memory), PROM(Programmable Read Only Memory), 자기 메모리, 자기 디스크, 광디스크 등 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 모델 유효성 판단 장치(600)는 인터넷 상에서 저장부(620)의 저장 기능을 수행하는 웹 스토리지(web storage) 등 외부 저장 매체를 운영할 수도 있다.
통신부(630)는 외부 장치와 통신을 수행할 수 있다. 예컨대, 통신부(630)는 모델 유효성 판단 장치(600)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 외부 장치로 전송하거나, 외부 장치로부터 생체 정보 추정 모델의 유효성 판단에 도움이 되는 다양한 데이터를 수신할 수 있다.
이때, 외부 장치는 모델 유효성 판단 장치(600)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 사용하는 의료 장비, 결과물을 출력하기 위한 프린트 또는 디스플레이 장치일 수 있다. 이외에도 외부 장치는 디지털 TV, 데스크탑 컴퓨터, 휴대폰, 스마트 폰, 태블릿, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 등 일 수 있으나, 이에 제한되지 않는다.
통신부(630)는 유무선 통신 기술을 이용하여 외부 장치와 통신할 수 있다. 이때 무선 통신 기술은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신, 3G 통신, 4G 통신 및 5G 통신 등을 포함할 수 있으나 이는 일 예에 불과할 뿐이며, 이에 한정되는 것은 아니다.
출력부(640)는 모델 유효성 판단 장치(600)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 출력할 수 있다. 일 실시예에 따르면, 출력부(640)는 모델 유효성 판단 장치(600)에 입력된 데이터, 저장된 데이터, 처리된 데이터 등을 청각적 방법, 시각적 방법 및 촉각적 방법 중 적어도 하나의 방법으로 출력할 수 있다. 이를 위해 출력부(640)는 디스플레이, 스피커, 진동기 등을 포함할 수 있다.
도 7은 생체 정보 추정 모델의 유효성 판단 방법의 일 실시예를 도시한 도면이다. 도 7의 생체 정보 추정 모델의 유효성 판단 방법은 도 3의 생체 정보 측정 장치(300)에 의해 수행될 수 있다.
도 7을 참조하면, 생체 정보 측정 장치는 피검체의 추정용 체내 스펙트럼을 획득할 수 있다(710). 예컨대, 생체 정보 측정 장치는 체내 스펙트럼을 측정 및/또는 저장하는 외부 장치로부터 수신하여 추정용 체내 스펙트럼을 획득하거나, 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 추정용 체내 스펙트럼을 직접 측정함으로써 추정용 체내 스펙트럼을 획득할 수 있다.
생체 정보 측정 장치는 생체 정보 추정 모델을 이용하여 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다(720). 일 실시예에 따르면, 생체 정보 측정 장치는 추정용 체내 스펙트럼과 생체 정보 추정 모델을 이용하여 피검체의 혈당과 주성분 농도를 추정하고, 추정용 체내 스펙트럼, 추정된 혈당 및 추정된 주성분 농도를 기반으로 추정용 체내 스펙트럼을 재구성할 수 있다. 또한 생체 정보 측정 장치는 재구성된 추정용 체내 스펙트럼을 이용하여 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다. 이때, 생체 정보 측정 장치는 수학식 1 내지 수학식 4를 이용할 수 있다.
생체 정보 측정 장치는 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단할 수 있다(730). 예컨대, 생체 정보 측정 장치는 하나 이상의 이전 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하고 선택된 기준 레지듀얼 스펙트럼과 획득된 레지듀얼 스펙트럼의 유사도를 판단할 수 있다. 이때, 이전 레지듀얼 스펙트럼은 추정용 체내 스펙트럼이 측정되기 이전에 측정된 추정용 체내 스펙트럼의 레지듀얼 스펙트럼일 수 있다. 이때 생체 정보 측정 장치는 유클리드 거리(Euclidean distance), 맨하탄 거리(Manhattan Distance), 코사인 거리(Cosine Distance), 마할라노비스 거리 (Mahalanobis Distance), 자카드 계수(Jaccard Coefficient), 확장 자카드 계수(Extended Jaccard Coefficient), 피어슨 상관관계 계수(Pearson's Correlation Coefficient), 스피어만 상관관계 계수(Spearman's Correlation Coefficient) 등과 같은 다양한 유사도 산출 알고리즘을 이용할 수 있다.
생체 정보 측정 장치는 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도 판단 결과에 따라 생체 정보 측정 모델의 유효성을 판단할 수 있다(740). 예컨대, 생체 정보 측정 장치는 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도가 소정의 제2 기준값보다 작으면 생체 정보 측정 모델이 유효하지 않은 것으로 판단하고, 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도가 소정의 제2 기준값 이상이면 생체 정보 측정 모델이 유효한 것으로 판단할 수 있다.
한편, 생체 정보 측정 장치는 생체 정보 추정 모델의 유효성 판단시 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 추가적으로 이용할 수 있다. 예컨대, 생체 정보 측정 장치는 레지듀얼 스펙트럼을 표현하는 벡터의 크기가 소정의 기준값보다 크면 생체 정보 추정 모델이 유효하지 않다고 판단할 수 있으며, 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 기반으로 판단한 결과와 단계 740의 판단 결과를 종합하여 최종 유효성을 판단할 수 있다.
도 8은 생체 정보 추정 모델의 유효성 판단 방법의 다른 실시예를 도시한 도면이다. 도 8의 생체 정보 추정 모델의 유효성 판단 방법은 도 4 또는 도 6의 모델 유효성 판단 장치(400, 600)에 의해 수행될 수 있다.
도 8을 참조하면, 모델 유효성 판단 장치는 추정용 체내 스펙트럼, 추정용 체내 스펙트럼 및 생체 정보 추정 모델을 이용하여 추정된 혈당 및 주성분 농도를 획득할 수 있다(810). 예컨대, 모델 유효성 판단 장치는 유무선 통신 기술을 이용하여 생체 정보 추정 장치로부터 추정용 체내 스펙트럼, 추정용 체내 스펙트럼 및 생체 정보 추정 모델을 이용하여 추정된 혈당 및 주성분 농도를 획득할 수 있다.
모델 유효성 판단 장치는 추정용 체내 스펙트럼, 혈당 및 주성분 농도를 이용하여 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다(820). 예컨대, 모델 유효성 판단 장치는 수학식 3을 이용하여 추정용 체내 스펙트럼을 재구성하고, 수학식 4를 이용하여 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다.
모델 유효성 판단 장치는 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단할 수 있다(830). 예컨대, 모델 유효성 판단 장치는 하나 이상의 이전 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하고 선택된 기준 레지듀얼 스펙트럼과 획득된 레지듀얼 스펙트럼의 유사도를 판단할 수 있다. 이때 모델 유효성 판단 장치는 전술한 다양한 유사도 산출 알고리즘을 이용할 수 있다.
모델 유효성 판단 장치는 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도 판단 결과에 따라 생체 정보 추정 모델의 유효성을 판단할 수 있다(840). 예컨대, 모델 유효성 판단 장치는 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도가 소정의 제2 기준값보다 작으면 생체 정보 추정 모델이 유효하지 않은 것으로 판단하고, 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도가 소정의 제2 기준값 이상이면 생체 정보 추정 모델이 유효한 것으로 판단할 수 있다.
한편, 모델 유효성 판단 장치는 생체 정보 추정 모델의 유효성 판단시 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 추가적으로 이용할 수 있다.
도 9는 생체 정보 추정 모델의 유효성 판단 방법의 다른 실시예를 도시한 도면이다. 도 9의 생체 정보 추정 모델의 유효성 판단 방법은 도 4 또는 도 6의 모델 유효성 판단 장치(400, 600)에 의해 수행될 수 있다. 도 9에서 단계 910 및 단계 920은 도 8의 단계 810 및 단계 820과 동일하므로 간략하게 설명하기로 한다.
도 9를 참조하면, 모델 유효성 판단 장치는 추정용 체내 스펙트럼, 추정용 체내 스펙트럼 및 생체 정보 추정 모델을 이용하여 추정된 혈당 및 주성분 농도를 획득하고(910), 획득된 추정용 체내 스펙트럼, 혈당 및 주성분 농도를 이용하여 추정용 체내 스펙트럼의 레지듀얼 스펙트럼을 획득할 수 있다(920).
모델 유효성 판단 장치는 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링하여 생체 정보 추정 모델의 유효성을 판단할 수 있다. 일 실시예에 따르면, 모델 유효성 판단 장치는 하나 이상의 이전 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하고 선택된 기준 레지듀얼 스펙트럼과 획득된 레지듀얼 스펙트럼의 유사도를 판단할 수 있다. 또한 모델 유효성 판단 장치는 판단된 유사도를 기반으로 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 판단하고, 모양 변화량이 소정의 제1 기준값을 초과하면 생체 정보 추정 모델이 유효하지 않은 것으로 판단하고, 모양 변화량이 소정의 제1 기준값 이하이면 생체 정보 추정 모델이 유효한 것으로 판단할 수 있다.
도 10은 손목형 웨어러블 디바이스를 도시한 도면이다.
도 10을 참조하면, 손목형 웨어러블 디바이스(1000)는 스트랩(1010) 및 본체(1020)를 포함할 수 있다.
스트랩(1010)은 본체(1020)의 양측에 연결되어 서로 체결될 수 있도록 분리 형성되거나, 스마트 밴드 형태로 일체로 형성될 수 있다. 스트랩(1010)은 본체(1020)가 사용자의 손목에 착용되도록 손목을 감쌀 수 있도록 플렉서블(flexible)한 부재로 형성될 수 있다.
본체(1020)는 본체 내부에 전술한 생체 정보 측정 장치(300), 생체 정보 추정 장치(310) 및/또는 모델 유효성 판단 장치(320, 400, 600)를 탑재할 수 있다. 또한, 본체(1020) 내부에는 손목형 웨어러블 디바이스(1000), 생체 정보 측정 장치(300), 생체 정보 추정 장치(310) 및 모델 유효성 판단 장치(320, 400, 600)에 전원을 공급하는 배터리가 내장될 수 있다.
광 센서가 본체(1020) 하부에 사용자의 손목을 향해 노출되도록 장착될 수 있다. 이를 통해 사용자가 손목형 웨어러블 디바이스(1000)를 착용하면 자연스럽게 광 센서가 사용자의 피부에 접촉할 수 있다. 이때 광 센서는 피검체에 광을 조사하고 피검체로부터 반사 또는 산란된 광을 수신하여 체내 스펙트럼을 획득할 수 있다.
손목형 웨어러블 디바이스(1000)는 본체(1020)에 장착되는 디스플레이(1021)와 입력부(1022)를 더 포함할 수 있다. 디스플레이(1021)는 손목형 웨어러블 디바이스(1000), 생체 정보 측정 장치(300), 생체 정보 추정 장치(310) 및 모델 유효성 판단 장치(320, 400, 600)에서 처리된 데이터 및 처리 결과 데이터 등을 표시할 수 있다. 입력부(1022)는 사용자로부터 다양한 조작신호를 입력 받을 수 있다.
상술한 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
300: 생체 정보 측정 장치
310: 생체 정보 추정 장치
320: 모델 유효성 판단 장치
310: 생체 정보 추정 장치
320: 모델 유효성 판단 장치
Claims (38)
- 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 데이터 획득부; 및
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하고, 상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단하고, 상기 유사도를 기반으로 상기 생체 정보 추정 모델의 유효성을 판단하는 프로세서; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제1항에 있어서,
상기 프로세서는,
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하고, 상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제2항에 있어서,
상기 프로세서는,
상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제1항에 있어서,
생체 정보는 분석 물질의 농도이고,
상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나인,
생체 정보 추정 모델의 유효성 판단 장치. - 제1항에 있어서,
상기 프로세서는,
상기 획득된 체내 스펙트럼의 측정 이전에 측정된 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제1항에 있어서,
상기 프로세서는,
상기 유사도가 소정의 기준값보다 작으면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제1항에 있어서,
상기 프로세서는,
상기 획득된 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제1항에 있어서,
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성되는,
생체 정보 추정 모델의 유효성 판단 장치. - 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼 및 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 데이터 획득부; 및
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하고, 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링하여 상기 생체 정보 추정 모델의 유효성을 판단하는 프로세서; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제9항에 있어서,
상기 프로세서는,
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하고, 상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제10항에 있어서,
상기 프로세서는,
상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제9항에 있어서,
생체 정보는 분석 물질의 농도이고,
상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나인,
생체 정보 추정 모델의 유효성 판단 장치. - 제9항에 있어서,
상기 프로세서는,
상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화가 소정의 기준값을 초과하면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제9항에 있어서,
상기 프로세서는,
상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 기반으로 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 판단하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제14항에 있어서,
상기 프로세서는,
상기 획득된 체내 스펙트럼의 측정 이전에 측정된 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제9항에 있어서,
상기 프로세서는,
상기 획득된 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단하는,
생체 정보 추정 모델의 유효성 판단 장치. - 제9항에 있어서,
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성되는,
생체 정보 추정 모델의 유효성 판단 장치. - 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 단계;
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 단계;
상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단하는 단계; 및
상기 유사도를 기반으로 상기 생체 정보 추정 모델의 유효성을 판단하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제18항에 있어서,
상기 레지듀얼 스펙트럼을 획득하는 단계는,
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하는 단계; 및
상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제19항에 있어서,
상기 레지듀얼 스펙트럼을 획득하는 단계는,
상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제18항에 있어서,
생체 정보는 분석 물질의 농도이고,
상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나인,
생체 정보 추정 모델의 유효성 판단 방법. - 제18항에 있어서,
상기 유사도를 판단하는 단계는,
상기 획득된 체내 스펙트럼의 측정 이전에 측정된 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제18항에 있어서,
상기 유효성을 판단하는 단계는,
상기 유사도가 소정의 기준값보다 작으면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제18항에 있어서,
상기 유효성을 판단하는 단계는,
상기 획득된 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제18항에 있어서,
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성되는,
생체 정보 추정 모델의 유효성 판단 방법. - 피검체의 체내 스펙트럼과, 상기 체내 스펙트럼과 생체 정보 추정 모델을 기반으로 추정된 생체 정보 및 주성분 농도를 획득하는 단계;
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 단계; 및
상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 모니터링하여 상기 생체 정보 추정 모델의 유효성을 판단하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제26항에 있어서,
상기 레지듀얼 스펙트럼을 획득하는 단계는,
상기 획득된 체내 스펙트럼, 상기 획득된 생체 정보 및 상기 획득된 주성분 농도를 이용하여 체내 스펙트럼을 재구성하는 단계; 및
상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제27항에 있어서,
상기 레지듀얼 스펙트럼을 획득하는 단계는,
상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제26항에 있어서,
생체 정보는 분석 물질의 농도이고,
상기 분석 물질은 포도당(glucose), 중성지방(triglyceride), 요소(urea), 요산(uric acid), 젖산(lactate), 단백질(protein), 콜레스테롤(cholesterol), 항산화물질 또는 에탄올(ethanol) 중 적어도 하나인,
생체 정보 추정 모델의 유효성 판단 방법. - 제26항에 있어서,
상기 유효성을 판단하는 단계는,
상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화가 소정의 기준값을 초과하면 상기 생체 정보 추정 모델이 유효하지 않은 것으로 판단하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제26항에 있어서,
상기 유효성을 판단하는 단계는,
상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 기반으로 상기 레지듀얼 스펙트럼의 시간에 따른 모양 변화를 판단하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제31항에 있어서,
상기 유효성을 판단하는 단계는,
상기 획득된 체내 스펙트럼의 측정 이전에 측정된 체내 스펙트럼의 레지듀얼 스펙트럼을 기준 레지듀얼 스펙트럼으로 선택하는 단계; 를 더 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제26항에 있어서,
상기 유효성을 판단하는 단계는,
상기 획득된 레지듀얼 스펙트럼을 표현하는 벡터의 크기를 더 이용하여 상기 생체 정보 추정 모델의 유효성을 판단하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제26항에 있어서,
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성되는,
생체 정보 추정 모델의 유효성 판단 방법. - 피검체의 체내 스펙트럼을 획득하는 단계;
생체 정보 추정 모델을 이용하여 상기 획득된 체내 스펙트럼의 레지듀얼 스펙트럼을 획득하는 단계;
상기 획득된 레지듀얼 스펙트럼과 기준 레지듀얼 스펙트럼의 유사도를 판단하는 단계; 및
상기 유사도를 기반으로 상기 생체 정보 측정 모델의 유효성을 판단하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제35항에 있어서,
상기 생체 정보 추정 모델은 NAS(net analyte signal) 알고리즘을 통해 생성되는,
생체 정보 추정 모델의 유효성 판단 방법. - 제35항에 있어서,
상기 레지듀얼 스펙트럼을 획득하는 단계는,
상기 획득된 체내 스펙트럼과 상기 생체 정보 추정 모델을 이용하여 상기 피검체의 생체 정보와 주성분 농도를 추정하는 단계;
상기 획득된 체내 스펙트럼, 상기 추정된 생체 정보 및 상기 추정된 주성분 농도를 기반으로 체내 스펙트럼을 재구성하는 단계; 및
상기 재구성된 체내 스펙트럼과 상기 획득된 체내 스펙트럼을 기반으로 상기 레지듀얼 스펙트럼을 획득하는 단계; 를 포함하는,
생체 정보 추정 모델의 유효성 판단 방법. - 제37항에 있어서,
상기 레지듀얼 스펙트럼을 획득하는 단계는,
상기 획득된 체내 스펙트럼에서 상기 재구성된 체내 스펙트럼을 감산하여 상기 레지듀얼 스펙트럼을 획득하는,
생체 정보 추정 모델의 유효성 판단 방법.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190058890A KR20200133525A (ko) | 2019-05-20 | 2019-05-20 | 생체 정보 추정 모델의 유효성 판단 장치 및 방법 |
US16/801,283 US11495329B2 (en) | 2019-05-20 | 2020-02-26 | Apparatus and method for determining validity of bio-information estimation model |
EP20170525.8A EP3742452A1 (en) | 2019-05-20 | 2020-04-21 | Apparatus and method for determining validity of bio-information estimation model |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190058890A KR20200133525A (ko) | 2019-05-20 | 2019-05-20 | 생체 정보 추정 모델의 유효성 판단 장치 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20200133525A true KR20200133525A (ko) | 2020-11-30 |
Family
ID=70680181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190058890A KR20200133525A (ko) | 2019-05-20 | 2019-05-20 | 생체 정보 추정 모델의 유효성 판단 장치 및 방법 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11495329B2 (ko) |
EP (1) | EP3742452A1 (ko) |
KR (1) | KR20200133525A (ko) |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6163154A (en) | 1997-12-23 | 2000-12-19 | Magnetic Diagnostics, Inc. | Small scale NMR spectroscopic apparatus and method |
US6864978B1 (en) | 1999-07-22 | 2005-03-08 | Sensys Medical, Inc. | Method of characterizing spectrometer instruments and providing calibration models to compensate for instrument variation |
US20040147034A1 (en) | 2001-08-14 | 2004-07-29 | Gore Jay Prabhakar | Method and apparatus for measuring a substance in a biological sample |
IL145649A0 (en) | 2001-09-25 | 2002-06-30 | Nira Sciences Ltd | Method and apparatus for real-time dynamic chemical analysis |
US7027848B2 (en) | 2002-04-04 | 2006-04-11 | Inlight Solutions, Inc. | Apparatus and method for non-invasive spectroscopic measurement of analytes in tissue using a matched reference analyte |
US7049156B2 (en) | 2003-03-19 | 2006-05-23 | Verity Instruments, Inc. | System and method for in-situ monitor and control of film thickness and trench depth |
EP1766345A2 (en) | 2004-06-28 | 2007-03-28 | Aspectrics, Inc. | Encoder spectrograph for analyzing radiation using spatial modulation of radiation dispersed by wavelength |
EP1629767B1 (en) | 2004-08-25 | 2010-07-21 | Panasonic Electric Works Co., Ltd. | Quantitative analyzer using a calibration curve |
US7460895B2 (en) | 2005-01-24 | 2008-12-02 | University Of Iowa Research Foundation | Method for generating a net analyte signal calibration model and uses thereof |
JP4296160B2 (ja) | 2005-03-29 | 2009-07-15 | 株式会社東芝 | 回路基板の品質解析システム及び品質解析方法 |
US8990073B2 (en) | 2007-06-22 | 2015-03-24 | Voiceage Corporation | Method and device for sound activity detection and sound signal classification |
US8271209B2 (en) | 2009-12-18 | 2012-09-18 | General Electric Company | Spectral searching method for substance identification |
JP6088177B2 (ja) | 2011-09-02 | 2017-03-01 | 株式会社 資生堂 | 解析装置、解析方法、プログラム |
JP6620100B2 (ja) | 2013-12-27 | 2019-12-11 | エフ.ホフマン−ラ ロシュ アーゲーF. Hoffmann−La Roche Aktiengesellschaft | 合成多成分の生物工学および化学プロセス試料を調製するための方法およびシステム |
US9678002B2 (en) | 2014-10-29 | 2017-06-13 | Chevron U.S.A. Inc. | Method and system for NIR spectroscopy of mixtures to evaluate composition of components of the mixtures |
KR102443262B1 (ko) | 2015-09-23 | 2022-09-13 | 삼성전자주식회사 | 분석물질 농도 예측 방법 및 장치 |
KR102497849B1 (ko) * | 2016-05-09 | 2023-02-07 | 삼성전자주식회사 | 분석물질 농도 예측 방법 및 장치 |
WO2019090418A1 (en) * | 2017-11-12 | 2019-05-16 | Synex Medical Inc. | Wearable blood analyte measurement device and method for measuring blood analyte concentration |
-
2019
- 2019-05-20 KR KR1020190058890A patent/KR20200133525A/ko not_active Application Discontinuation
-
2020
- 2020-02-26 US US16/801,283 patent/US11495329B2/en active Active
- 2020-04-21 EP EP20170525.8A patent/EP3742452A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3742452A1 (en) | 2020-11-25 |
US20200372975A1 (en) | 2020-11-26 |
US11495329B2 (en) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11199492B2 (en) | Apparatus for measuring spectrum, method of correcting temperature change of light source in spectrum, and apparatus and method for estimating analyte concentration | |
US11596331B2 (en) | Apparatus and method for estimating analyte concentration | |
KR102539144B1 (ko) | 개인화된 단위 스펙트럼 획득 장치 및 방법과, 생체 성분 추정 장치 및 방법 | |
EP3782538A1 (en) | Apparatus and method for estimating bio-information | |
KR102655742B1 (ko) | 분석 물질의 혈중 농도 측정 장치 및 방법 | |
US10753797B2 (en) | Spectrum processing apparatus and spectrum processing method | |
US20200077961A1 (en) | Apparatus and method for health care | |
US20230200744A1 (en) | Apparatus and method for estimating target component | |
US11911152B2 (en) | Apparatus and method for estimating concentration of analyte, and calibration method | |
KR20200133525A (ko) | 생체 정보 추정 모델의 유효성 판단 장치 및 방법 | |
KR20200137103A (ko) | 생체 정보 추정 모델 갱신 장치 및 방법 | |
KR102658237B1 (ko) | 분석 물질의 혈중 농도 추정 장치 및 방법과, 모델 생성 장치 및 방법 | |
KR102671886B1 (ko) | 분석 물질의 농도 추정 장치 및 방법 | |
US11872032B2 (en) | Apparatus and method for estimating analyte concentration | |
KR20200029906A (ko) | 생체 신호 측정 장치 및 방법 | |
US11684267B2 (en) | Lens, light source device with lens, and apparatus for estimating concentration of analyte | |
US20220233149A1 (en) | Apparatus and method for estimating body component | |
US20220061704A1 (en) | Apparatus and method for estimating target component | |
US20200315505A1 (en) | Apparatus and method for estimating analyte concentration | |
CN114526830A (zh) | 用于估计体温的设备和方法以及医疗装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal |