| 1 |
1
대상자의 보행에 따른 보행 특성 신호를 대상자의 신체에 부착된 적어도 하나 이상의 센서로부터 수신하는 보행 특성 신호 취득부;상기 수신된 보행 특성 신호를 시간-주파수 분석을 이용하여 스펙트로그램으로 변환하는 보행 특성 신호 변환부;상기 스펙트로그램에 대한 상기 대상자의 건강 상태를 기계 학습하여 상기 보행 특성 신호에 기초한 건강 상태 모델을 구축하는 건강 상태 학습부; 및새로운 대상자로부터 획득한 스펙트로그램을 상기 건강 상태 모델에 입력시켜 상기 새로운 대상자의 건강 상태를 예측하는 건강 상태 예측부를 포함하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 시스템
|
| 2 |
2
제1 항에 있어서, 상기 대상자의 신체에 부착된 적어도 하나 이상의 센서는, 관성 측정 센서를 포함하는 것을 특징으로 하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 시스템
|
| 3 |
3
제2 항에 있어서, 상기 보행 특성 신호는 상기 관성 측정 센서로부터 제공되는 각 축에 대한 가속도 정보 및 각 축에 대한 각속도 정보를 포함하고,상기 각 축에 대한 가속도 정보 및 상기 각 축에 대한 각속도 정보는 각각 스펙트로그램으로 변환되는 것을 특징으로 하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 시스템
|
| 4 |
4
제1 항에 있어서,상기 건강 상태 학습부는, 상기 스펙트로그램을 입력 값으로 사용하고, 상기 대상자의 건강 상태를 출력 값으로 사용하여 기계 학습을 수행하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 시스템
|
| 5 |
5
제4 항에 있어서, 상기 건강 상태 학습부는, 복수의 컨볼루션(convolution) 단계와 복수의 풀링(pooling) 단계로 구성되는 컨볼루션 신경망 기반의 기계 학습 모델을 통해 상기 건강 상태 모델을 생성하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 시스템
|
| 6 |
6
제1 항에 있어서, 상기 대상자의 건강 상태는 상기 대상자의 병적 요소에 대한 현재 상태 정보를 포함하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 시스템
|
| 7 |
7
제1 항에 있어서, 상기 시간-주파수 분석은 국소 푸리에 변환(Short-time Fourier transform, STFT) 또는 연속 웨이브릿 변환(Continuous wavelet transform, CWT)인 것을 특징으로 하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 시스템
|
| 8 |
8
다수의 대상자로부터 보행에 따른 보행 특성 신호를 대상자의 신체에 부착된 적어도 하나 이상의 센서로부터 수신하고, 상기 수신된 보행 특성 신호를 시간-주파수 분석을 이용하여 스펙트로그램으로 변환하며, 상기 스펙트로그램에 대한 상기 대상자의 건강 상태를 기계 학습하여 상기 보행 특성 신호에 기초한 건강 상태 모델을 구축하는 단계;평가 대상자로부터 스펙트로그램을 획득하는 단계; 및상기 평가 대상자의 스펙트로그램을 상기 구축된 건강 상태 모델에 입력시켜 상기 평가 대상자의 건강 상태를 예측하는 단계를 포함하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법
|
| 9 |
9
제8 항에 있어서,상기 대상자의 신체에 부착된 적어도 하나 이상의 센서는, 관성 측정 센서를 포함하는 것을 특징으로 하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법
|
| 10 |
10
제9 항에 있어서, 상기 보행 특성 신호는 상기 관성 측정 센서로부터 제공되는 각 축에 대한 가속도 정보 및 각 축에 대한 각속도 정보를 포함하고,상기 각 축에 대한 가속도 정보 및 상기 각 축에 대한 각속도 정보는 각각 스펙트로그램으로 변환되는 것을 특징으로 하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법
|
| 11 |
11
제8 항에 있어서,상기 보행 특성 신호에 기초한 건강 상태 모델을 구축하는 단계는, 상기 스펙트로그램을 입력 값으로 사용하고, 상기 대상자의 건강 상태를 출력 값으로 사용하여 기계 학습을 수행하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법
|
| 12 |
12
제11 항에 있어서, 상기 보행 특성 신호에 기초한 건강 상태 모델을 구축하는 단계는, 복수의 컨볼루션(convolution) 단계와 복수의 풀링(pooling) 단계로 구성되는 컨볼루션 신경망 기반의 기계 학습 모델을 통해 상기 건강 상태 모델을 구축하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법
|
| 13 |
13
제8 항에 있어서,상기 대상자의 건강 상태는 상기 대상자의 병적 요소에 대한 현재 상태 정보를 포함하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법
|
| 14 |
14
제8 항에 있어서, 상기 시간-주파수 분석은 국소 푸리에 변환(Short-time Fourier transform, STFT) 또는 연속 웨이브릿 변환(Continuous wavelet transform, CWT)인 것을 특징으로 하는 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법
|
| 15 |
15
하드웨어와 결합되어 제8항 내지 제14항 중 어느 하나의 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법을 실행하도록 매체에 저장된 컴퓨터 프로그램
|
