| 1 |
1
1 이상의 프로세서 및 1 이상의 메모리를 포함하는 컴퓨팅장치에서 수행하는 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법으로서,복수의 고혈압 환자 및 당뇨 환자에 대한 신체정보, 운동처방정보 및 운동효과정보를 포함하는 환자정보를 수집하고, 수집한 상기 복수의 환자정보에 포함된 신체정보, 운동처방정보 및 운동효과정보에 기초하여 환자의 신체 및 질병에 대한 신체데이터베이스 및 환자가 수행한 운동 및 운동결과에 대한 운동처방데이터베이스를 구축하는 데이터베이스구축단계;상기 신체데이터베이스에 포함된 각 환자별 신체 및 질병에 대한 정보에 기초하여 운동이 불가한 1 이상의 환자를 판정하는 운동불가판정단계;상기 신체데이터베이스에서 상기 운동이 불가한 것으로 판정된 1 이상의 환자를 제외한 나머지 환자 각각에 대한 연령정보 및 해당 환자가 고혈압 환자인 경우에 해당 환자의 혈압정보, 해당 환자가 당뇨 환자인 경우에 해당 환자의 혈당정보를 추출하고, 상기 운동처방데이터베이스에서 상기 운동이 불가한 것으로 판정된 1 이상의 환자를 제외한 나머지 환자 각각에 대한 운동처방률정보 및 운동수행이력정보를 추출하여 각 환자별 추출데이터를 포함하는 초기데이터세트를 구축하는 초기데이터세트구축단계;상기 초기데이터세트에 포함된 복수의 추출데이터의 전체 개수에 소정의 제1비율값을 곱한 크기에 해당하는 복수의 추출데이터를 포함하는 훈련세트를 생성하고, 상기 초기데이터세트에 포함된 복수의 추출데이터의 전체 개수에 소정의 제2비율값을 곱한 크기에 해당하는 복수의 추출데이터를 포함하는 검증세트를 생성하는 학습세트생성단계;상기 훈련세트를 사용하여 지도학습 기반의 기계학습모델을 학습시키고, 상기 훈련세트를 학습한 기계학습모델에 상기 검증세트를 입력하여 출력된 결과를 상기 훈련세트를 학습한 기계학습모델의 성능정보로 하여, 상기 성능정보를 저장하는 기계학습모델학습단계; 및운동 처방 효과를 예측하고자 하는 사용자에 대한 신체정보를 포함하는 서비스요청정보를 수신하는 경우에, 상기 신체정보를 학습된 기계학습모델에 입력하여 현재시점 이후의 기설정된 1 이상의 각 주차 별 해당 사용자의 운동 효과 예측 정보를 출력하는 운동효과예측단계;를 포함하는, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법
|
| 2 |
2
청구항 1에 있어서,상기 운동 처방 효과 예측 방법을 수행하는 컴퓨팅장치는 복수의 사용자단말과 통신을 수행할 수 있고,상기 데이터베이스구축단계는,상기 복수의 사용자단말을 통해 각각의 사용자가 입력한 신체정보, 운동처방정보 및 운동효과정보를 수신하는 것으로 상기 환자정보를 수집하는, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법
|
| 3 |
3
청구항 1에 있어서,상기 운동불가판정단계는,상기 신체데이터베이스에 포함된 각 환자별 신체 및 질병에 대한 정보에 포함된 수축기혈압값 및 이완기혈압값에 대하여, 상기 수축기혈압값이 제1판정값 이상이거나, 상기 이완기혈압값이 제2판정값 이상인 경우에 해당 환자를 운동이 불가한 환자로 판정하는 혈압판정단계; 및상기 혈압판정단계에서 운동이 불가한 것으로 판정되지 않은 환자별 신체 및 질병에 대한 정보에 포함된 심장박동값에 대하여, 상기 심장박동값이 제3판정값 이상이거나, 상기 심장박동값이 제4판정값 이하인 경우에 해당 환자를 운동이 불가한 환자로 판정하는 심장박동판정단계;를 포함하는, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법
|
| 4 |
4
청구항 3에 있어서,상기 운동불가판정단계는,상기 심장박동판정단계에서 운동이 불가한 것으로 판정되지 않은 환자별 신체 및 질병에 대한 정보에 포함된 포도당수치에 대하여, 상기 포도당수치가 제5판정값 이상이거나, 상기 포도당수치가 제6판정값 이하인 경우에 해당 환자를 운동이 불가한 환자로 판정하는 포도당수치판정단계;상기 포도당수치판정단계에서 운동이 불가한 것으로 판정되지 않은 환자별 신체 및 질병에 대한 정보에 포함된 콜레스테롤수치에 대하여, 상기 콜레스테롤수치가 제7판정값 이상인 경우에 해당 환자를 운동이 불가한 환자로 판정하는 콜레스테롤수치판정단계;상기 콜레스테롤수치판정단계에서 운동이 불가한 것으로 판정되지 않은 환자별 신체 및 질병에 대한 정보에 포함된 저밀도 콜레스테롤수치에 대하여, 상기 저밀도 콜레스테롤수치가 제8판정값 이상인 경우에 해당 환자를 운동이 불가한 환자로 판정하는 저밀도콜레스테롤수치판정단계;상기 저밀도콜레스테롤수치판정단계에서 운동이 불가한 것으로 판정되지 않은 환자별 신체 및 질병에 대한 정보에 포함된 고밀도 콜레스테롤수치에 대하여, 상기 고밀도 콜레스테롤수치가 제9판정값 이하인 경우에 해당 환자를 운동이 불가한 환자로 판정하는 고밀도콜레스테롤수치판정단계; 및상기 고밀도콜레스테롤수치판정단계에서 운동이 불가한 것으로 판정되지 않은 환자별 신체 및 질병에 대한 정보에 포함된 당화혈색소수치에 대하여, 상기 당화혈색소수치가 제10판정값 이상인 경우에 해당 환자를 운동이 불가한 환자로 판정하는 당화혈색소수치판정단계;를 더 포함하는, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법
|
| 5 |
5
청구항 1에 있어서,상기 지도학습 기반의 기계학습모델은 제1세부기계학습모델 내지 제10세부기계학습모델을 포함하고,상기 기계학습모델학습단계는,상기 훈련세트에 포함된 복수의 추출데이터를 기설정된 복수의 연령대 별 및 고혈압 혹은 당뇨 환자 별로 구분하고, 복수의 개수로 구분된 복수의 추출데이터 각각은 상기 제1세부기계학습모델 내지 상기 제10세부기계학습모델 가운데 어느 하나에 상응하는 세부기계학습모델을 학습시키기 위하여 사용되는, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법
|
| 6 |
6
청구항 5에 있어서,상기 운동효과예측단계는,상기 운동 처방 효과를 예측하고자 하는 사용자에 대한 신체정보를 포함하는 서비스요청정보를 수신하는 경우에, 상기 신체정보에 포함된 해당 사용자의 연령정보 및 해당 사용자의 고혈압 또는 당뇨 질병의 보유에 상응하는 학습된 세부기계학습모델에 해당 사용자의 신체정보를 입력하고, 해당 사용자가 고혈압을 보유한 경우에 현재시점 이후의 기설정된 1 이상의 각 주차 별 해당 사용자의 수축기혈압예측값 및 이완기혈압예측값을 운동 효과 예측 정보로 출력하고, 해당사용자가 당뇨를 보유한 경우에 현재시점 이후의 기설정된 1 이상의 각 주차 별 해당 사용자의 포도당수치예측값을 운동 효과 예측 정보로 출력하는, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법
|
| 7 |
7
청구항 1에 있어서,상기 운동 처방 효과 예측 방법은,상기 기계학습모델학습단계를 통해 기계학습모델이 상기 훈련세트를 통해 학습한 시점 이후에 수행되는 기계학습모델업데이트단계;를 더 포함하고,상기 기계학습모델업데이트단계는,상기 데이터베이스구축단계에서 소정 개수의 추가적인 환자정보를 수집하여 상기 신체데이터베이스 및 상기 운동처방데이터베이스를 업데이트 하는 경우에, 상기 업데이트된 신체데이터베이스 및 상기 업데이트된 운동처방데이터베이스를 사용하여 상기 학습된 기계학습모델에 대한 추가 학습을 수행하는, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법
|
| 8 |
8
1 이상의 프로세서 및 1 이상의 메모리를 포함하여, 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법을 수행하는 컴퓨팅장치로서,복수의 고혈압 환자 및 당뇨 환자에 대한 신체정보, 운동처방정보 및 운동효과정보를 포함하는 환자정보를 수집하고, 수집한 상기 복수의 환자정보에 포함된 신체정보, 운동처방정보 및 운동효과정보에 기초하여 환자의 신체 및 질병에 대한 신체데이터베이스 및 환자가 수행한 운동 및 운동결과에 대한 운동처방데이터베이스를 구축하는 데이터베이스구축부;상기 신체데이터베이스에 포함된 각 환자별 신체 및 질병에 대한 정보에 기초하여 운동이 불가한 1 이상의 환자를 판정하는 운동불가판정부;상기 신체데이터베이스에서 상기 운동이 불가한 것으로 판정된 1 이상의 환자를 제외한 나머지 환자 각각에 대한 연령정보 및 해당 환자가 고혈압 환자인 경우에 해당 환자의 혈압정보, 해당 환자가 당뇨 환자인 경우에 해당 환자의 혈당정보를 추출하고, 상기 운동처방데이터베이스에서 상기 운동이 불가한 것으로 판정된 1 이상의 환자를 제외한 나머지 환자 각각에 대한 운동처방률정보 및 운동수행이력정보를 추출하여 각 환자별 추출데이터를 포함하는 초기데이터세트를 구축하는 초기데이터세트구축부;상기 초기데이터세트에 포함된 복수의 추출데이터의 전체 개수에 소정의 제1비율값을 곱한 크기에 해당하는 복수의 추출데이터를 포함하는 훈련세트를 생성하고, 상기 초기데이터세트에 포함된 복수의 추출데이터의 전체 개수에 소정의 제2비율값을 곱한 크기에 해당하는 복수의 추출데이터를 포함하는 검증세트를 생성하는 학습세트생성부;상기 훈련세트를 사용하여 지도학습 기반의 기계학습모델을 학습시키고, 상기 훈련세트를 학습한 기계학습모델에 상기 검증세트를 입력하여 출력된 결과를 상기 훈련세트를 학습한 기계학습모델의 성능정보로 하여, 상기 성능정보를 저장하는 기계학습모델학습부; 및운동 처방 효과를 예측하고자 하는 사용자에 대한 신체정보를 포함하는 서비스요청정보를 수신하는 경우에, 상기 신체정보를 학습된 기계학습모델에 입력하여 현재시점 이후의 기설정된 1 이상의 각 주차 별 해당 사용자의 운동 효과 예측 정보를 출력하는 운동효과예측부;를 포함하는 컴퓨팅장치
|
| 9 |
9
1 이상의 프로세서 및 1 이상의 메모리를 포함하는 컴퓨팅장치에서 컴퓨터 프로그램을 실행하여, 상기 컴퓨팅장치에 의해 수행되는 인공지능 기반의 고혈압 및 당뇨 환자의 운동 처방 효과 예측 방법을 구현하기 위한 컴퓨터-판독가능 매체로서, 상기 컴퓨터-판독가능 매체는, 상기 컴퓨팅장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며,상기 이하의 단계들은,복수의 고혈압 환자 및 당뇨 환자에 대한 신체정보, 운동처방정보 및 운동효과정보를 포함하는 환자정보를 수집하고, 수집한 상기 복수의 환자정보에 포함된 신체정보, 운동처방정보 및 운동효과정보에 기초하여 환자의 신체 및 질병에 대한 신체데이터베이스 및 환자가 수행한 운동 및 운동결과에 대한 운동처방데이터베이스를 구축하는 데이터베이스구축단계;상기 신체데이터베이스에 포함된 각 환자별 신체 및 질병에 대한 정보에 기초하여 운동이 불가한 1 이상의 환자를 판정하는 운동불가판정단계;상기 신체데이터베이스에서 상기 운동이 불가한 것으로 판정된 1 이상의 환자를 제외한 나머지 환자 각각에 대한 연령정보 및 해당 환자가 고혈압 환자인 경우에 해당 환자의 혈압정보, 해당 환자가 당뇨 환자인 경우에 해당 환자의 혈당정보를 추출하고, 상기 운동처방데이터베이스에서 상기 운동이 불가한 것으로 판정된 1 이상의 환자를 제외한 나머지 환자 각각에 대한 운동처방률정보 및 운동수행이력정보를 추출하여 각 환자별 추출데이터를 포함하는 초기데이터세트를 구축하는 초기데이터세트구축단계;상기 초기데이터세트에 포함된 복수의 추출데이터의 전체 개수에 소정의 제1비율값을 곱한 크기에 해당하는 복수의 추출데이터를 포함하는 훈련세트를 생성하고, 상기 초기데이터세트에 포함된 복수의 추출데이터의 전체 개수에 소정의 제2비율값을 곱한 크기에 해당하는 복수의 추출데이터를 포함하는 검증세트를 생성하는 학습세트생성단계;상기 훈련세트를 사용하여 지도학습 기반의 기계학습모델을 학습시키고, 상기 훈련세트를 학습한 기계학습모델에 상기 검증세트를 입력하여 출력된 결과를 상기 훈련세트를 학습한 기계학습모델의 성능정보로 하여, 상기 성능정보를 저장하는 기계학습모델학습단계; 및운동 처방 효과를 예측하고자 하는 사용자에 대한 신체정보를 포함하는 서비스요청정보를 수신하는 경우에, 상기 신체정보를 학습된 기계학습모델에 입력하여 현재시점 이후의 기설정된 1 이상의 각 주차 별 해당 사용자의 운동 효과 예측 정보를 출력하는 운동효과예측단계;를 포함하는, 컴퓨터-판독가능 매체
|
