KR20220106273A

KR20220106273A - 생체 신호에 기초한 학습 모델을 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체

Info

Publication number: KR20220106273A
Application number: KR1020210009016A
Authority: KR
Inventors: 김진국
Original assignee: 주식회사 휴이노
Priority date: 2021-01-21
Filing date: 2021-01-21
Publication date: 2022-07-29
Also published as: KR102576829B1

Abstract

본 발명의 일 태양에 따르면, 생체 신호에 기초한 학습 모델을 관리하기 위한 방법으로서, 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 획득하는 단계, 및 상기 생체 신호에 관한 제1 데이터가 획득되면, 상기 제1 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 상기 제1 데이터를 이용하여 업데이트하는 단계를 포함하고, 상기 학습 모델은, 상기 사용자의 심장 이상 이벤트를 검출하기 위한 학습 모델인 방법이 제공된다.

Description

생체 신호에 기초한 학습 모델을 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체{METHOD, SYSTEM AND NON-TRANSITORY COMPUTER-READABLE RECORDING MEDIUM FOR MANAGING A LEARNING MODEL BASED ON BIOMETRIC SIGNALS}

본 발명은 생체 신호에 기초한 학습 모델을 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체에 관한 것이다.

근래에 들어, 사용자가 병원에 가지 않고 가정에서도 심전도 등의 생체 신호를 쉽고 간편하게 측정하고 이를 기반으로 부정맥 등 심장 이상까지 진단까지 할 수 있는 스마트 기기가 등장하고 있다.

이에 관한, 종래 기술의 일 예로서, 한국공개특허공보 제2007-96620호에 개시된 기술을 예로 들 수 있는데, 심전도를 포함하는 생체 신호를 측정하는 생체 신호 측정부와, 상기 생체 신호 측정부로부터 입력되는 심전도 신호를 분석하여 심전도 이상 징후를 검출하는 심전도 이상 징후 검출부와, 상기 심전도 이상 징후 검출부로부터 이상 징후 검출 신호가 입력되면 사용자 활동 상태 정보를 획득하는 사용자 활동상태 획득부와, 상기 사용자 활동 상태 획득부로부터 입력되는 사용자 활동 상태 정보와 상기 생체 신호 측정부로부터 입력되는 심전도 신호를 기초로 심전도 이상 유무를 판단하는 위급상황 판단부와, 상기 위급상황 판단부로부터 입력되는 심전도 이상 유무를 외부로 알리는 위급상황 알림부를 포함하는 것을 특징으로 하는 심전도 측정 장치가 소개된 바 있다.

하지만, 위와 같은 종래 기술을 비롯하여 지금까지 소개된 기술에 의하면, 사용자의 나이, 신체적 구조(예를 들어, 기울어진 심장의 위치) 등에 따라 심전도 신호의 정상 패턴이 다양할 수 있음에도 불구하고, 일률적인(또는 인구 통계학적인) 기준으로 심장 이상 유무를 판정하기 때문에 잘못 탐지되는 경우가 많았다.

이에 본 발명자(들)는, 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 이용하여 동적으로 관리될 수 있는 학습 모델을 이용하여 해당 사용자의 심장 이상 이벤트를 정확하게 모니터링할 수 있는 신규하고도 진보된 기술을 제안하는 바이다.

본 발명은, 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.

또한, 본 발명은, 사용자의 생체 신호에 관한 데이터를 이용하여 그 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 동적으로 업데이트함으로써, 해당 사용자에게 적합한 학습 모델을 지속적으로 관리하는 것을 또 다른 목적으로 한다.

또한, 본 발명은, 사용자의 특성(예를 들어, 나이, 신체 구조, 노화 등)에 맞는 개개의 학습 모델을 구축 및 지속 업데이트하고, 이를 기반으로 심장 이상 이벤트를 정확하게 모니터링하는 것을 또 다른 목적으로 한다.

상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.

본 발명의 다른 태양에 따르면, 생체 신호에 기초한 학습 모델을 관리하기 위한 시스템으로서, 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 획득하는 생체 신호 획득부, 및 상기 생체 신호에 관한 제1 데이터가 획득되면, 상기 제1 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 상기 제1 데이터를 이용하여 업데이트하는 학습 모델 관리부를 포함하고, 상기 학습 모델은, 상기 사용자의 심장 이상 이벤트를 검출하기 위한 학습 모델인 시스템이 제공된다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.

본 발명에 의하면, 사용자의 생체 신호에 관한 데이터를 이용하여 그 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 동적으로 업데이트함으로써, 해당 사용자에게 적합한 학습 모델을 지속적으로 관리할 수 있게 된다.

또한, 본 발명에 의하면, 사용자의 특성(예를 들어, 나이, 신체 구조, 노화 등)에 맞는 개개의 학습 모델을 구축 및 지속 업데이트하고, 이를 기반으로 심장 이상 이벤트를 정확하게 모니터링할 수 있게 된다.

도 1은 본 발명의 일 실시예에 따라 생체 신호에 기초한 학습 모델을 관리하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 학습 모델 관리 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3 및 도 4는 본 발명의 일 실시예에 따라 학습 모델이 관리되는 과정을 예시적으로 나타내는 도면이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.

이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

전체 시스템의 구성

도 1은 본 발명의 일 실시예에 따라 생체 신호에 기초한 학습 모델을 관리하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 학습 모델 관리 시스템(200) 및 디바이스(300)를 포함하여 구성될 수 있다.

먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드와이드웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.

예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 무선주파수(RF; Radio Frequency) 통신, 와이파이(WiFi) 통신, 셀룰러(LTE 등) 통신, 블루투스 통신(더 구체적으로는, 저전력 블루투스(BLE; Bluetooth Low Energy)), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.

다음으로, 본 발명의 일 실시예에 따른 학습 모델 관리 시스템(200)은 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 디바이스일 수 있다. 이러한 학습 모델 관리 시스템(200)은 서버 시스템일 수 있다.

본 발명의 일 실시예에 따른 학습 모델 관리 시스템(200)은 통신망(100)을 통해 후술할 디바이스(300)와 통신을 수행할 수 있고, 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 획득하고, 그 생체 신호에 관한 제1 데이터가 획득되면, 그 제1 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 제1 데이터를 이용하여 업데이트하는 기능을 수행할 수 있다. 본 발명의 일 실시예에 따르면, 이러한 학습 모델은 사용자의 심장 이상 이벤트를 검출하기 위한 학습 모델을 포함할 수 있다.

또한, 본 발명의 일 실시예에 따른 심장 이상 이벤트에는 심방 조기 박동(premature atrial complex), 심실 조기 박동(premature ventricular complex), 심방 세동(atrial fibrillation), 심방 조동(atrial flutter), 다소성 심방 빈맥(multifocal atrial tachycardia), 발작성 상심실성 빈맥(paroxysmal supraventricular tachycardia), 울프-파킨슨-화이트 증후군(Wolff-Parkinson-White syndrome), 심실 빈맥(ventricular tachycardia), 심실 세동(ventricular fibrillation), 방실 차단(AV block) 등 부정맥과 연관된 다양한 심장 이상 이벤트가 포함될 수 있다. 한편, 본 발명의 일 실시예에 따른 심장 이상 이벤트가 반드시 앞서 열거된 부정맥에 관한 실시예로 한정되지 않고 심박 정지 등 심장 건강과 연관된 다양한 심장 이상 이벤트로도 변경될 수 있을 밝혀 둔다.

본 발명에 따른 학습 모델 관리 시스템(200)의 구성과 기능에 관하여는 아래에서 더 자세하게 알아보기로 한다. 한편, 학습 모델 관리 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 학습 모델 관리 시스템(200)에 요구되는 기능이나 구성요소의 적어도 일부가 필요에 따라 후술할 디바이스(300) 또는 외부 시스템(미도시됨) 내에서 실현되거나 디바이스(300) 또는 외부 시스템 내에 포함될 수도 있음은 당업자에게 자명하다.

다음으로, 본 발명의 일 실시예에 따른 디바이스(300)는 통신망(100)을 통해 학습 모델 관리 시스템(200)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿 PC 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 휴대 가능한 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(300)로서 채택될 수 있다. 또한, 본 발명의 일 실시예에 따르면, 이러한 디바이스(300)에는 사용자의 신체로부터 다양한 생체 신호를 획득하기 위한 생체 신호 측정 센서(예를 들어, 심전도 센서, 심전도 센서, 심박 수 센서, 뇌파 센서, 맥박 센서)기 더 포함될 수 있다. 한편, 본 발명의 일 실시예에 따르면, 앞서 살펴본 생체 신호 측정 센서는 후술할 웨어러블 디바이스(400)에 포함될 수도 있다.

한편, 본 발명의 일 실시예에 따른 디바이스(300)에는, 생체 신호를 기반으로 학습 모델을 관리하는 본 발명에 따른 기능이 지원되기 위한 애플리케이션이 포함되어 있을 수 있다. 이와 같은 애플리케이션은 학습 모델 관리 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다.

학습 모델 관리 시스템의 구성

이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 학습 모델 관리 시스템(200)의 내부 구성 및 각 구성요소의 기능에 대하여 살펴보기로 한다.

도 2는 본 발명의 일 실시예에 따른 학습 모델 관리 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 학습 모델 관리 시스템(200)은 생체 신호 획득부(210), 학습 모델 관리부(220), 모니터링부(230), 통신부(240) 및 제어부(250)를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면, 생체 신호 획득부(210), 학습 모델 관리부(220), 모니터링부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 외부의 시스템과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 학습 모델 관리 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 학습 모델 관리 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.

먼저, 본 발명의 일 실시예에 따른 생체 신호 획득부(210)는 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 획득하는 기능을 수행할 수 있다. 본 발명의 일 실시예에 따른 생체 신호에 관한 데이터에는 심전도, 심박수, 뇌파, 맥박 등에 관한 데이터가 포함될 수 있다. 한편, 본 발명에 따른 생체 신호에 관한 데이터가 반드시 위의 열거된 것에만 한정되는 것은 아니며, 심장 이상과 연관될 수 있는 생체 신호라면 본 발명의 목적을 달성할 수 있는 범위 내에서 확장될 수 있음을 밝혀 둔다.

예를 들어, 본 발명의 일 실시예에 따른 생체 신호 획득부(210)는 사용자의 신체에 부착되는 디바이스(예를 들어, 웨어러블 디바이스(400))를 통해 해당 사용자의 심전도 신호에 관한 데이터를 획득할 수 있다. 이러한 신체에 부착되는 디바이스(예를 들어, 스마트 워치, 스마트 패치 등)는, 유선 또는 무선 디바이스일 수 있으며, 심전도 신호 측정을 위한 센서를 포함할 수 있다.

다른 예를 들어, 본 발명의 일 실시예에 따른 생체 신호 획득부(210)는 사용자의 신체로부터 소정 단위 시간 간격으로 생체 신호에 관한 데이터를 획득할 수 있다. 이러한 소정 단위 시간 간격으로 획득되는 생체 신호에는, 그 단위 간격 시간 동안 지속적으로 측정되는 사용자의 생체 신호 및 그 단위 간격 시간마다 일시적으로 측정된 사용자의 생체 신호 중 적어도 하나가 포함될 수 있다. 한편, 본 발명의 일 실시예에 따른 단위 시간 간격은 특정 간격으로 고정되지 않고 시간대별, 상황별 또는 사용자의 설정 등에 따라 변경될 수도 있음을 밝혀 둔다.

또 다른 예를 들어, 본 발명의 일 실시예에 따른 생체 신호 획득부(210)는 사용자의 신체로부터 소정 단위 크기(예를 들어, 소정 수의 사이클을 포함하는 심전도 신호에 관한 데이터)로 생체 신호에 관한 데이터를 획득할 수 있다. 보다 구체적으로, 생체 신호 획득부(210)는 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터가 소정 수준으로 누적될 때마다 그 데이터를 획득할 수 있다.

다음으로, 본 발명의 일 실시예에 따른 학습 모델 관리부(220)는 생체 신호에 관한 제1 데이터가 획득되면, 그 제1 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 그 제1 데이터를 이용하여 업데이트하는 기능을 수행할 수 있다. 예를 들어, 본 발명의 일 실시예에 따른 학습 모델로부터 심장 이상과 연관되는 확률(probability), 벡터(vector), 행렬(matrix), 로짓(logic) 및 좌표(coordinate) 중 적어도 하나가 출력될 수 있으며, 이러한 출력이 소정 기준에 따라 특정 심장 이상 이벤트(예를 들어, 정상, 비정상 등)로 분류 또는 군집화(이러한 군집화는, 거리(예를 들어, K-means), 밀도(DB-SCAN) 등에 의해 군집화가 이루어질 수 있음)될 수 있다. 또한, 이러한 소정 기준은 기설정되거나 학습이 수행되는 과정에서 동적으로 업데이트될 수 있다.

예를 들어, 본 발명의 일 실시예에 따른 학습 모델은 인공 신경망 기반으로 하여 입력층(input layer), 은닉층(hidden layer) 및 출력층(output layer)을 포함하여 구성될 수 있으며, 학습 모델 관리부(220)는 생체 신호에 관한 제1 데이터가 획득되기 전에 획득된 다른 데이터에 기초하여 해당 학습 모델에 대한 사전 학습을 수행하고 제1 데이터를 이용하여 그 사전 학습된 학습 모델의 가중치를 업데이트할 수 있다. 본 발명의 일 실시예에 따르면, 이러한 학습 모델은, 오토 인코더(Autoencoder), 생산적 적대 신경망(Generative Adversarial Nets; GAN), 유넷(U-NET) 등을 포함할 수 있다. 한편, 본 발명에 따른 학습 모델이 반드시 위의 열거된 학습 모델에만 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 지도학습(이 경우에, 데이터에 대한 라벨이 학습 과정에서 더 제공될 수 있음), 비지도학습 또는 강화학습에 포함되는 다양한 학습 모델로 변경될 수 있다.

보다 구체적으로, 학습 모델 관리부(220)는 생체 신호에 관한 제1 데이터가 획득되기 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 대상으로 제1 데이터를 이용한 전이 학습을 수행함으로써, 위의 학습 모델의 가중치를 업데이트할 수 있다. 즉, 이전 데이터에 기초하여 사전 학습된 학습 모델의 가중치를 새로 획득되는 데이터를 이용하여 업데이트하는 전이 학습(transfer learning)이 수행될 수 있다.

또한, 학습 모델 관리부(220)는, 학습 시작 트리거가 발생되는 경우에, 학습 모델의 학습을 시작되도록 할 수 있다. 예를 들어, 이러한 학습 시작 트리거는 학습 모델을 학습하는 데 필요한 최소한(또는 적정 수준)의 데이터가 쌓이는 시점에 기초하여 특정되는 조건(예를 들어, 데이터의 수가 10개 이상, 데이터의 최초 획득 시점으로부터 10분 후)이 만족되는 경우에 발생되는 것일 수 있다.

예를 들어, 학습 모델 관리부(220)는 학습 시작 트리거가 발생되기 전까지는 사용자의 생체 신호에 관한 데이터를 누적하여 획득하고, 학습 시작 트리거가 발생되면, 그 누적하여 획득된 생체 신호에 관한 데이터를 이용하여 학습 모델을 학습(구체적으로, 사전 학습)시킬 수 있다. 즉, 학습에 필요한 소정 수준 이상의 데이터가 축적된 후에 학습이 시작될 수 있게 된다. 그 다음에, 학습 모델 관리부(220)는 위의 누적하여 획득된 생체 신호에 관한 데이터 이후에 획득되는 제1 데이터를 이용하여 위의 학습된 학습 모델을 업데이트할 수 있다. 그 다음에, 학습 모델 관리부(220)는 위의 제1 데이터 직후에 획득되는 제2 데이터를 이용하여 위의 업데이트된 학습 모델을 다시 업데이트할 수 있습니다. 한편, 위의 생체 신호에 관한 데이터(예를 들어, 제1 데이터, 제2 데이터)는 소정의 단위 시간 간격으로 획득될 수 있다.

또한, 학습 모델 관리부(220)는 제1 데이터 전에 학습 모델을 학습하는 데 이용된 다른 데이터의 수를 참조하여 그 제1 데이터가 학습 모델의 업데이트에 반영되는 정도를 결정할 수 있다. 예를 들어, 이러한 데이터의 수는 앞서 살펴본 소정의 단위 시간 간격 또는 소정의 단위 크기에 따라 연속적으로 획득되는 데이터의 수에 기초하여 특정되는 것일 수 있다.

구체적으로, 학습 모델 관리부(220)는 제1 데이터 전에 학습 모델을 학습하는 데 이용된 다른 데이터의 수에 따라 그 제1 데이터의 중요도(예를 들어, 학습 모델에 반영되는 가중치)를 달리하여 학습 모델을 업데이트할 수 있다.

예를 들어, 학습 모델 관리부(220)는, 제1 데이터를 이용하여 학습 모델을 업데이트하는 경우에 그 제1 데이터 전에 학습 모델을 학습하는 데 이용된 다른 데이터의 수보다, 위의 제1 데이터가 획득된 시점 직후에 획득되는 제2 데이터를 이용하여 위의 업데이트된 학습 모델을 재업데이트하는 경우에 그 제2 데이터 전에 위의 업데이트된 학습 모델을 학습하는 데 이용된 다른 데이터의 수가 더 많으므로, 학습 모델의 가중치를 업데이트함에 있어서, 제1 데이터의 중요도가 제2 데이터의 중요도보다 높게 설정될 수 있다.

다음으로, 본 발명의 일 실시예에 따른 모니터링부(230)는 학습 모델 관리부(220)에 의해 업데이트된 학습 모델을 이용하여 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 분석함으로써, 심장 이상 이벤트를 모니터링하는 기능을 수행할 수 있다.

예를 들어, 모니터링부(230)는 생체 신호에 관한 제1 데이터에 기초하여 학습 모델이 업데이트되면, 제1 데이터가 그 업데이트된 학습 모델에 입력되는 경우에 출력되는 결과를 참조하여 심장 이상 이벤트가 발생하는지 여부를 결정할 수 있다.

또한, 모니터링부(230)는 심장 이상 이벤트가 발생한 것으로 판단되면, 해당 심장 이상 이벤트를 저장하고, 그 심장 이상 이벤트에 관한 알림 정보를 제공할 수 있다. 예를 들어, 이러한 알림 정보는 시각(예를 들어, 텍스트, 이미지), 청각(예를 들어, 소리) 중 촉각(예를 들어, 진동) 적어도 하나의 방식에 기초하여 제공될 수 있다.

다음으로, 본 발명의 일 실시예에 따른 통신부(240)는 생체 신호 획득부(210), 학습 모델 관리부(220) 및 모니터링부(230)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.

마지막으로, 본 발명의 일 실시예에 따른 제어부(250)는 생체 신호 획득부(210), 학습 모델 관리부(220), 모니터링부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(250)는 학습 모델 관리 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 학습 모델 관리 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써 생체 신호 획득부(210), 학습 모델 관리부(220), 모니터링부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어할 수 있다.

도 3 및 도 4는 본 발명의 일 실시예에 따라 학습 모델이 관리되는 과정을 예시적으로 나타내는 도면이다.

도 3을 참조하면, 본 발명의 일 실시예에 따르면, 스마트폰(300)(즉, 본 발명에 따른 디바이스(300))이 웨어러블(wearable) 디바이스(400)와 연결되고, 그 웨어러블 디바이스(400)가 사용자의 신체로부터 생체 신호를 획득하여 스마트폰(300)에게 제공하는 상황을 가정해 볼 수 있다. 여기서, 본 발명의 일 실시예에 따른 웨어러블 디바이스(400)는 통신망(100)을 통해 스마트폰(300) 또는 학습 모델 관리 시스템(200)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 사용자의 신체에 직접 또는 간접적으로 부착되어 사용자로부터 측정되는 생체 신호를 획득할 수 있는 스마트 와치, 무선 패치 등 다양한 기기를 포함할 수 있다. 한편, 본 발명의 일 실시예에 따르면, 학습 모델 관리 시스템(200)의 전부 또는 일부의 기능이 본 발명에 따른 스마트폰(300) 또는 웨어러블 디바이스(400)에 포함(예를 들어, 애플리케이션의 형태로 포함)될 수도 있다.

먼저, 본 발명의 일 실시예에 따르면, 사용자의 신체에 부착되는 웨어러블 디바이스(400)가 사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 획득할 수 있다.

그 다음에, 본 발명의 일 실시예에 따라 위의 측정된 생체 신호에 관한 데이터가 스마트폰(300)을 통해 학습 모델 관리 시스템(200)에게 소정의 단위 시간 간격(또는 소정의 단위 크기)으로 제공될 수 있다.

그 다음에, 도 4를 참조하면, 본 발명의 일 실시예에 따라 위의 제공되는 생체 신호에 관한 데이터가 소정 수준 누적되면, 학습 시작 트리거가 발생될 수 있고, 그 소정 수준 누적된 생체 신호에 관한 데이터(401)를 이용하여 심장 이상 이벤트를 모니터링하기 위한 학습 모델(410)이 학습될 수 있다.

또한, 본 발명의 일 실시예에 따라 위의 학습이 완료되면, 그 학습된 학습 모델(410)을 이용하여 위의 소정 수준 누적된 생체 신호에 관한 데이터(401)에 심장 이상 이벤트가 존재하는지 여부가 모니터링될 수 있다(451).

그 다음에, 본 발명의 일 실시예에 따라 위의 학습 시작 트리거가 발생된 이후에 생체 신호에 관한 제1 데이터(402)가 추가적으로 획득되면, 그 제1 데이터 전에 획득된 다른 데이터(401)에 기초하여 학습된 학습 모델(410)을 제1 데이터(402)를 이용하여 업데이트(즉, 업데이트된 학습 모델(420))할 수 있다.

예를 들어, 제1 데이터(402)가 획득되기 이전에 획득된 다른 데이터(401)에 기초하여 학습된 학습 모델(410)을 대상으로 제1 데이터(402)를 이용한 전이 학습을 수행함으로써, 위의 학습 모델(410)의 가중치가 업데이트될 수 있다.

또한, 본 발명의 일 실시예에 따라 위의 학습 모델의 업데이트가 완료되면, 그 업데이트된 학습 모델(420)을 이용하여 위의 제1 데이터(402)에 심장 이상 이벤트가 존재하는지 여부가 모니터링될 수 있다(452).

그 다음에, 본 발명의 일 실시예에 따라 위의 제1 데이터(402)가 획득된 이후에 제2 데이터(403)가 추가적으로 획득되면, 그 제2 데이터(403) 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델(430)이 위의 제2 데이터(403)를 이용하여 업데이트될 수 있다.

또한, 본 발명의 일 실시예에 따라 위의 학습 모델의 업데이트가 완료되면, 그 업데이트된 학습 모델(430)을 이용하여 위의 제2 데이터(403)에 심장 이상 이벤트가 존재하는지 여부가 모니터링될 수 있다(453).

한편, 본 발명의 일 실시예에 따라 위의 모니터링 과정에서 심장 이상 이벤트가 발생한 것으로 판단되면, 해당 심장 이상 이벤트가 저장되고, 그 심장 이상 이벤트에 관한 알림 정보가 제공될 수 있다(460).

앞서 살펴본 바와 같이, 본 발명의 일 실시예에 따라 사용자의 생체 신호에 관한 새로운 데이터가 획득될 때마다 그 직전까지 획득된 데이터에 기초하여 학습된 학습 모델을 동적으로 업데이트함으로써, 사용자의 심장 이상 이벤트를 모니터링하기 위한 정교한 학습 모델을 지속적으로 유지할 수 있게 된다. 나아가, 새로운 데이터가 기존 학습 모델의 업데이트에 반영되는 정도(431, 432, 433)가 기존 학습 모델을 학습하는 데 이용된 데이터의 수(또는 새로운 데이터 이전까지 획득된 데이터의 수)에 따라 적응적으로 조절될 수 있도록 함으로써, 학습 모델이 안정적으로 업데이트될 수 있게 된다.

이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

100: 통신망
200: 학습 모델 관리 시스템
210: 생체 신호 획득부
220: 학습 모델 관리부
230: 모니터링부
240: 통신부
250: 제어부
300: 디바이스
400: 웨어러블 디바이스

Claims

생체 신호에 기초한 학습 모델을 관리하기 위한 방법으로서,
사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 획득하는 단계, 및
상기 생체 신호에 관한 제1 데이터가 획득되면, 상기 제1 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 상기 제1 데이터를 이용하여 업데이트하는 단계를 포함하고,
상기 학습 모델은, 상기 사용자의 심장 이상 이벤트를 검출하기 위한 학습 모델인
방법.
제1항에 있어서,
상기 생체 신호에 관한 데이터는 소정의 단위 시간 간격으로 획득되는
방법.
제1항에 있어서,
상기 업데이트 단계에서, 학습 시작 트리거가 발생되기 전까지 누적하여 획득되는 생체 신호에 관한 데이터에 기초하여 학습 모델을 사전 학습하는
방법.
제1항에 있어서,
상기 업데이트 단계에서, 상기 제1 데이터를 이용하여 전이 학습을 수행하여 상기 학습 모델의 가중치를 업데이트하는
방법.
제1항에 있어서,
상기 업데이트 단계에서, 상기 제1 데이터 전에 상기 학습 모델을 학습하는 데 이용된 다른 데이터의 수에 따라 상기 제1 데이터가 상기 학습 모델의 업데이트에 반영되는 정도를 결정하는
방법.
제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
생체 신호에 기초한 학습 모델을 관리하기 위한 시스템으로서,
사용자의 신체로부터 측정되는 생체 신호에 관한 데이터를 획득하는 생체 신호 획득부, 및
상기 생체 신호에 관한 제1 데이터가 획득되면, 상기 제1 데이터 전에 획득된 다른 데이터에 기초하여 학습된 학습 모델을 상기 제1 데이터를 이용하여 업데이트하는 학습 모델 관리부를 포함하고,
상기 학습 모델은, 상기 사용자의 심장 이상 이벤트를 검출하기 위한 학습 모델인
시스템.
제7항에 있어서,
상기 생체 신호에 관한 데이터는 소정의 단위 시간 간격으로 획득되는
시스템.
제7항에 있어서,
상기 학습 모델 관리부가, 학습 시작 트리거가 발생되기 전까지 누적하여 획득되는 생체 신호에 관한 데이터에 기초하여 학습 모델을 사전 학습하는
시스템.
제7항에 있어서,
상기 학습 모델 관리부가, 상기 제1 데이터를 이용하여 전이 학습을 수행하여 상기 학습 모델의 가중치를 업데이트하는
시스템.
제7항에 있어서,
상기 학습 모델 관리부가, 상기 제1 데이터 전에 상기 학습 모델을 학습하는 데 이용된 다른 데이터의 수에 따라 상기 제1 데이터가 상기 학습 모델의 업데이트에 반영되는 정도를 결정하는
시스템.