삭제

삭제

삭제

삭제

삭제

삭제

삭제

삭제

삭제

삭제

삭제

삭제

제1종 스펙트럼-혈당 프로파일 관계 모델을 기반으로 추정된 사용자의 혈당 프로파일 데이터를 획득하는 데이터 획득부;상기 사용자의 피부에 대한, 제1종 스펙트럼과 다른 종류의 훈련용 제2종 스펙트럼 데이터를 측정하는 제2종 스펙트럼 측정부; 및상기 획득된 혈당 프로파일 데이터 및 상기 측정된 훈련용 제2종 스펙트럼 데이터를 기반으로 개인화된 혈당 추정 모델을 생성하는 프로세서; 를 포함하고,상기 프로세서는,상기 획득된 혈당 프로파일 데이터로부터 상기 측정된 훈련용 제2종 스펙트럼 데이터에 대응하는 혈당값을 산출하고,상기 훈련용 제2종 스펙트럼 데이터를 입력으로 하고 상기 산출된 혈당값을 정답(target)으로 하여 기계 학습을 통하여 개인화된 혈당 추정 모델을 생성하는,혈당 추정 모델 생성 장치.

제1항에 있어서,제1종 스펙트럼은 라만 스펙트럼이고,제2종 스펙트럼은 근적외선 스펙트럼인,혈당 추정 모델 생성 장치.

제1항에 있어서,상기 제1종 스펙트럼-혈당 프로파일 관계 모델은,훈련용 제1종 스펙트럼 데이터 및 훈련용 혈당 프로파일 데이터를 기반으로 기계학습을 통하여 생성되는,혈당 추정 모델 생성 장치.

제3항에 있어서,상기 훈련용 혈당 프로파일 데이터는 상기 훈련용 제1종 스펙트럼 데이터가 측정된 피검체에 대해 경구당부하검사(Oral Glucose Tolerance Test)를 수행하여 획득되는,혈당 추정 모델 생성 장치.

제3항에 있어서,상기 제1종 스펙트럼-혈당 프로파일 관계 모델은,상기 훈련용 제1종 스펙트럼 데이터를 입력으로 하고 상기 훈련용 혈당 프로파일 데이터를 정답(target)으로 하여 기계학습을 통하여 생성되는,혈당 추정 모델 생성 장치.

제3항에 있어서,상기 제1종 스펙트럼-혈당 프로파일 관계 모델은,상기 훈련용 제1종 스펙트럼 데이터를 입력으로 하고 상기 훈련용 혈당 프로파일 데이터로부터 산출된 AUC(Area Under the Curve) 값을 정답(target)으로 하여 기계 학습을 통하여 생성되는,혈당 추정 모델 생성 장치.

제3항에 있어서,기계 학습 알고리즘은,부분 최소 제곱 회귀(Partial Least Squares Regression), 선형 회귀(Linear Regression), 신경망(Neural Network), 결정 트리(Decision Tree), 유전 알고리즘(Genetic Algorithm), 유전자 프로그래밍(Genetic Programming), K 근접 이웃(K-Nearest Neighbor), 방사 기저 함수 네트워크(Radial Basis Function Network), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support Vector Machine), 및 딥러닝(deep-learning) 중 하나인,혈당 추정 모델 생성 장치.

제1항에 있어서,상기 제2종 스펙트럼 측정부는,사용자의 피부에 광을 조사하는 광원; 및사용자의 피부로부터 흡수, 산란 또는 반사된 광을 검출하여 훈련용 제2종 스펙트럼 데이터를 측정하는 분광기; 를 포함하는,혈당 추정 모델 생성 장치.

삭제

개인화된 혈당 추정 모델을 저장하는 저장부;혈당 추정 시점에 사용자의 피부에 대한, 제1종 스펙트럼과 다른 종류의 제2종 스펙트럼 데이터를 측정하는 제2종 스펙트럼 측정부; 및상기 측정된 제2종 스펙트럼 데이터를 개인화된 혈당 추정 모델에 입력하여 상기 사용자의 혈당을 추정하는 프로세서; 를 포함하고,상기 혈당 추정 모델은,상기 혈당 추정 시점 이전에 측정된 훈련용 제2종 스펙트럼 데이터를 입력으로 하고 제1종 스펙트럼-혈당 프로파일 관계 모델을 기반으로 추정된 사용자의 혈당 프로파일 데이터로부터 산출된 혈당값을 정답(target)으로 하여 기계 학습을 통하여 생성되는,혈당 추정 장치.

제22항에 있어서,제1종 스펙트럼은 라만 스펙트럼이고,제2종 스펙트럼은 근적외선 스펙트럼인,혈당 추정 장치.

제22항에 있어서,상기 제1종 스펙트럼-혈당 프로파일 관계 모델은,훈련용 제1종 스펙트럼 데이터 및 훈련용 혈당 프로파일 데이터를 기반으로 기계학습을 통하여 생성되는,혈당 추정 장치.

제24항에 있어서,상기 훈련용 혈당 프로파일 데이터는 상기 훈련용 제1종 스펙트럼 데이터가 측정된 피검체에 대해 경구당부하검사(Oral Glucose Tolerance Test)를 수행하여 획득되는,혈당 추정 장치.

제24항에 있어서,상기 제1종 스펙트럼-혈당 프로파일 관계 모델은,상기 훈련용 제1종 스펙트럼 데이터를 입력으로 하고 상기 훈련용 혈당 프로파일 데이터를 정답(target)으로 하여 기계학습을 통하여 생성되는,혈당 추정 장치.

제24항에 있어서,상기 제1종 스펙트럼-혈당 프로파일 관계 모델은,상기 훈련용 제1종 스펙트럼 데이터를 입력으로 하고 상기 훈련용 혈당 프로파일 데이터로부터 산출된 AUC(Area Under the Curve) 값을 정답(target)으로 하여 기계 학습을 통하여 생성되는,혈당 추정 장치.

제24항에 있어서,기계 학습 알고리즘은,부분 최소 제곱 회귀(Partial Least Squares Regression), 선형 회귀(Linear Regression), 신경망(Neural Network), 결정 트리(Decision Tree), 유전 알고리즘(Genetic Algorithm), 유전자 프로그래밍(Genetic Programming), K 근접 이웃(K-Nearest Neighbor), 방사 기저 함수 네트워크(Radial Basis Function Network), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support Vector Machine), 및 딥러닝(deep-learning) 중 하나인,혈당 추정 장치.

제22항에 있어서,상기 제2종 스펙트럼 측정부는,사용자의 피부에 광을 조사하는 광원; 및사용자의 피부로부터 흡수, 산란 또는 반사된 광을 검출하여 제2종 스펙트럼 데이터를 측정하는 분광기; 를 포함하는,혈당 추정 장치.

제22항에 있어서,상기 개인화된 혈당 추정 모델은,기계학습을 통하여 생성되는,혈당 추정 장치.