1 |
1
대상자의 발 깊이 영상 및 족저압 데이터를 획득하는 데이터 획득부;상기 대상자의 자세가 안정된 상태에서 획득된 발 깊이 영상을 통해 대상자의 발 특성 정보를 생성하는 발 특성 정보 생성부;발 특성 정보를 기초로 보행 특성 정보를 출력하도록 학습된 제1 학습 모델을 이용하여, 상기 대상자의 발 특성 정보에 기초하여 상기 대상자의 보행 특성 정보를 생성하는 보행 특성 정보 생성부;상기 대상자의 자세가 불안정한 상태에서 획득된 족저압 데이터를 통해 대상자의 균형 특성 정보를 생성하는 균형 특성 정보 생성부; 및발 특성 정보, 보행 특성 정보 및 균형 특성 정보를 기초로 노인성 질환의 위험도를 출력하도록 학습된 제2 학습 모델을 이용하여, 상기 대상자의 발 특성 정보, 상기 대상자의 보행 특성 정보 및 상기 대상자의 균형 특성 정보를 기초로 상기 대상자의 노인성 질환 위험도를 예측하는 노인성 질환 예측부를 포함하는 노인성 질환 예측 시스템
|
2 |
2
제1 항에 있어서, 상기 발 특성 정보는 발바닥 형상, 발바닥 너비와 길이, 발 아치의 높이, 발 아치 커브의 각도 중 적어도 하나를 포함하고,상기 대상자의 보행 특성 정보는 시간 파라미터 및 공간 파라미터를 포함하고,상기 시간 파라미터는 활보 시간, 걸음 시간, 입각기 시간, 유각기 시간, 단하지 지지기 시간, 양하지 지지기 시간, 분 당 걸음 수 중 적어도 하나를 포함하며, 상기 공간 파라미터는 활보 길이, 걸음 길이, 보행 속도 중 적어도 하나를 포함하고, 상기 균형 특성 정보는 족저압 중심의 이동 거리, 족저압 중심의 이동 속도, 족저압 중심의 최장 도달 거리 및 족저압 중심의 이동 범위 중 적어도 하나를 포함하는 노인성 질환 예측 시스템
|
3 |
3
제1 항에 있어서,상기 제2 학습 모델은, 입력된 데이터를 기초로 대상자의 노쇠 정도를 판단하는 제1 노인성 질환 예측 모델, 입력된 데이터를 기초로 대상자의 인지 기능 장애 정도를 판단하는 제2 노인성 질환 예측 모델, 입력된 데이터를 기초로 대상자의 근감소 정도를 판단하는 제3 노인성 질환 예측 모델 및 입력된 데이터를 기초로 대상자의 우울증 정도를 판단하는 제4 노인성 질환 예측 모델 중 적어도 하나를 포함하는 노인성 질환 예측 시스템
|
4 |
4
제1 항에 있어서, 상기 제1 학습 모델 및 상기 제2 학습 모델을 저장하는 데이터베이스를 더 포함하는 노인성 질환 예측 시스템
|
5 |
5
제1 항에 있어서,상기 제1 학습 모델은 입력된 발 특성 정보에 기초하여 보행 특성 정보를 출력하도록 기계 학습된 인공 신경망 모델이고, 상기 제2 학습 모델은 입력된 발 특성 정보, 보행 특성 정보 및 균형 특성 정보에 기초하여 노인성 질환 위험도를 예측하도록 기계 학습된 인공 신경망 모델인 것을 특징으로 하는 노인성 질환 예측 시스템
|
6 |
6
제1 항에 있어서, 상기 데이터 획득부는 발판, 상기 발판 상에 위치한 대상자의 발 깊이 영상을 획득하도록 구성된 스캐너 및 상기 발판 상에 위치한 대상자의 발에 부하되는 압력을 측정하도록 구성된 압력 센서를 포함하고, 상기 스캐너는 상기 대상자가 상기 발판 상에서 안정된 자세를 유지하는 동안 상기 대상자의 발을 일정 시간 촬영하여 상기 발 깊이 영상을 획득하며,상기 압력 센서는 상기 대상자가 상기 발판 상에서 일정 시간 불안정한 자세를 유지하는 동안 상기 대상자의 족저압 데이터를 획득하며,상기 불안정한 자세는 눈을 감은 상태에서 양발을 붙이고 서기, 눈을 감은 상태에서 양발을 일정 거리 이상 벌리고 서기, 양팔 벌리고 한 발로 서기 및 양발 또는 한발로 선채 암산 과제 수행하는 것 중 적어도 하나에 해당하는 것을 특징으로 하는 노인성 질환 예측 시스템
|
7 |
7
대상자의 자세가 안정된 상태에서 발 깊이 영상을 획득하고, 상기 대상자의 자세가 불안정한 상태에서 족저압 데이터를 획득하는 단계;상기 발 깊이 영상을 통해 대상자의 발 특성 정보를 생성하는 단계;발 특성 정보를 기초로 보행 특성 정보를 출력하도록 학습된 제1 학습 모델을 이용하여, 상기 대상자의 발 특성 정보에 기초한 상기 대상자의 보행 특성 정보를 생성하는 단계;상기 족저압 데이터를 통해 대상자의 균형 특성 정보를 생성하는 단계; 및발 특성 정보, 보행 특성 정보 및 균형 특성 정보를 기초로 노인성 질환의 위험도를 출력하도록 학습된 제2 학습 모델을 이용하여, 상기 대상자의 발 특성 정보, 상기 대상자의 보행 특성 정보 및 상기 대상자의 균형 특성 정보를 기초로 상기 대상자의 노인성 질환 위험도를 예측하는 단계를 포함하는 노인성 질환 예측 방법
|
8 |
8
제7 항에 있어서,상기 발 특성 정보는 발바닥 형상, 발바닥 너비와 길이, 발 아치의 높이, 발 아치 커브의 각도 중 적어도 하나를 포함하고,상기 대상자의 보행 특성 정보는 시간 파라미터 및 공간 파라미터를 포함하고,상기 시간 파라미터는 활보 시간, 걸음 시간, 입각기 시간, 유각기 시간, 단하지 지지기 시간, 양하지 지지기 시간, 분 당 걸음 수 중 적어도 하나를 포함하며, 상기 공간 파라미터는 활보 길이, 걸음 길이, 보행 속도 중 적어도 하나를 포함하고, 상기 균형 특성 정보는 족저압 중심의 이동 거리, 족저압 중심의 이동 속도, 족저압 중심의 최장 도달 거리 및 족저압 중심의 이동 범위 중 적어도 하나를 포함하는 노인성 질환 예측 방법
|
9 |
9
제7 항에 있어서,상기 제2 학습 모델은, 입력된 데이터를 기초로 대상자의 노쇠 정도를 판단하는 제1 노인성 질환 예측 모델, 입력된 데이터를 기초로 대상자의 인지 기능 장애 정도를 판단하는 제2 노인성 질환 예측 모델, 입력된 데이터를 기초로 대상자의 근감소 정도를 판단하는 제3 노인성 질환 예측 모델 및 입력된 데이터를 기초로 대상자의 우울증 정도를 판단하는 제4 노인성 질환 예측 모델 중 적어도 하나를 포함하는 노인성 질환 예측 방법
|
10 |
10
제7 항에 있어서, 상기 제1 학습 모델은 입력된 발 특성 정보에 기초하여 보행 특성 정보를 출력하도록 기계 학습된 인공 신경망 모델이고, 상기 제2 학습 모델은 입력된 발 특성 정보, 보행 특성 정보 및 균형 특성 정보에 기초하여 노인성 질환 위험도를 예측하도록 기계 학습된 인공 신경망 모델인 것을 특징으로 하는 노인성 질환 예측 방법
|
11 |
11
제7 항에 있어서,상기 족저압 데이터는 상기 대상자가 발판 상에서 불안정한 자세를 일정 시간 취하는 동안 상기 대상자의 발에 부하되는 압력을 특정한 데이터이며, 상기 불안정된 자세는 눈을 감은 상태에서 양발을 붙이고 서기, 눈을 감은 상태에서 양발을 일정 거리 이상 벌리고 서기, 양팔 벌리고 한 발로 서기 및 양발 또는 한발로 선채 암산 과제 수행하는 것 중 적어도 하나에 해당하는 것을 특징으로 하는 노인성 질환 예측 방법
|
12 |
12
제7 항에 있어서, 상기 발 특성 정보를 기초로 보행 특성 정보를 출력하도록 학습된 제1 학습 모델을 이용하여, 상기 대상자의 발 특성 정보에 기초한 상기 대상자의 보행 특성 정보를 생성하는 단계의 수행 이전, 상기 제1 학습 모델을 구축하는 단계를 더 포함하고, 상기 발 특성 정보, 보행 특성 정보 및 균형 특성 정보를 기초로 노인성 질환의 위험도를 출력하도록 학습된 제2 학습 모델을 이용하여, 상기 대상자의 발 특성 정보, 상기 대상자의 보행 특성 정보 및 상기 대상자의 균형 특성 정보를 기초로 상기 대상자의 노인성 질환 위험도를 예측하는 단계의 수행 이전, 상기 제2 학습 모델을 구축하는 단계를 더 포함하는 노인성 질환 예측 방법
|