• 문화기술의 융합
• /
• 제8권2호
• /
• pp.1-6
• /
• 2022

라이프로그는 다양한 디지털 센서로부터 수집되는 개인의 디지털 기록으로, 활동량, 수면 정보, 체중 변화, 체질량, 근육량, 지방량 등이 포함된다. 최근, 웨어러블 디바이스가 보편화되면서 양질의 라이프로그 데이터가 많이 생산되고 있다. 라이프로그 데이터는 개인의 신체의 상태를 보여주는 데이터로, 개개인의 건강관리 뿐만 아니라, 질병의 원인 및 치료에도 활용될 수 있다. 그러나, 현재는, AI/ML 기반의 상관관계 분석 및 개인화를 반영하지 못하고 있다. 단순 기록이나 단편적인 통계치를 제시하는 수준에 그치고 있다. 이에 본 논문에서는, 라이프로그 데이터와 질병과의 연관성 및 AI/ML 기술의 라이프로그 데이터의 적용 사례를 살펴보고, 더 나아가, AI/ML을 활용한 라이프로그 데이터 분석 프로세스를 제안하고, 실제 갤럭시워치에서 수집된 데이터를 사용하여, 분석 프로세스를 실증한다. 더불어, 미래의 헬스케어 서비스인, 라이프로그 데이터와 식단, 건강정보, 질병정보와의 융복합 서비스 로드맵을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.84-89
• /
• 2010

최근 스마트폰의 성능이 향상되고 다양한 기능이 추가됨에 따라 기록되는 라이프로그 정보가 급격히 증가하고 있다. 이에 따라 라이프로그를 체계적으로 저장하고 검색하는 일이 중요해지고 있다. 사용자 컨텍스트는 라이프로그 검색의 정확도를 높이기 위한 중요한 요소 중 하나로 논의되어 왔다. 따라서 이를 자동으로 추출하고, 라이프로그의 태깅에 활용하려는 많은 연구가 시도되었다. 그러나 많은 기존 연구들은 컨텍스트를 추출하기 위해 사용자 주변에 센서가 설치되어 있는 환경을 가정하였는데, 이러한 환경은 비용 등의 문제로 일부 제한된 영역에서만 적용 가능하기 때문에, 광범위한 지역에서 사용자의 컨텍스트를 추출할 수 없다는 문제점이 있었다. 본 연구에서는 외부 센서들이 설치된 환경을 가정하지 않고, 스마트폰에 장착된 센서만을 활용하여 사용자의 컨텍스트를 찾아내고, 이를 라이프로그 자동 태깅에 적극 활용하는 방법에 대해 제안한다. 특히 본 연구에서는 기존의 포괄적인 컨텍스트의 정의를 일정 시간 간격동안 지속되는 사용자의 상황으로 한정지어 재정의하고, 이를 라이프로그 태깅에 활용하는 방법에 대해서 논의한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권9호
• /
• pp.637-648
• /
• 2009

하드 디스크 저장 매체의 가격이 하락함에 따라 가까운 시일 안에 개인 컴퓨터에 1TB가 넘는 하드 디스크가 기본으로 장착될 것으로 예상된다. 한 사람이 한 달에 1GB의 데이터를 저장한다고 가정하면 대략 1TB면 그 사람의 일생 동안에 걸친 데이터를 저장할 수 있다. 이에 따라 개인이 일상 생활에서 보고들은 것을 기록한 라이프로그(lifelog)를 효과적으로 관리하는 라이프로그 관리에 대한 연구가 활발히 이루어지고 있다. 지금까지 관계 데이터 모델 기반, 온톨로지 기반, 파일 시스템 기반 라이프로그 관리 시스템(LMS: Lifelog Management System) 등 다양한 LMS들이 제안되었지만, 관계 데이터 모델 기반 LMS는 질의 처리 성능이 뛰어난 반면 복잡한 질의를 잘 처리하지 못하고 온톨로지 기반 LMS는 복잡한 질의를 처리할 수 있는 반면 질의 처리 성능이 떨어지며 파일 기반 LMS는 질의만 지원하는 등 저마다 장단점을 가진다. 또한 이들 시스템들은 라이프로그 그룹을 효과적으로 관리하기 위한 기능을 제공하지 못하고 있고 효과적인 검색을 위해 라이프로그의 태그(데타데이터)를 수정하거나 새로운 태그를 추가하기 위한 편리한 인터페이스를 제공하지 못하고 있다. 본 논문에서는 이러한 문제점들을 해결하기 위해 관계 데이터 모델 기반 라이프로그 관리 시스템을 제안한다. 제안하는 시스템은 라이프로그를 관계 데이터 모델로 모델링하고 사용자 질의를 SQL로 변환해 처리함으로써 질의 처리 성능이 뛰어나다. 또한 복잡한 질의를 잘 처리하지 못하는 관계 데이터 모델 기반 LMS의 단점을 보완하기 위해 찾으려는 라이프로그와 직접적으로 관련 있는 라이프로그에 대한 정보에 기반해 라이프로그를 검색하는 단순화된 관계 질의를 지원한다. 이와 더불어, 제안하는 시스템은 라이프로그 그룹 생성, 편집, 검색, 플레이 및 공유 기능을 제공함으로써 라이프로그 그룹에 대한 효과적인 관리를 지원한다. 마지막으로 제안하는 LMS에서 제공하는 라이프로그 태깅 도구는 태그 추상화를 통해 여러 종류의 태그를 손쉽게 수정하거나 추가할 수 있는 기능을 제공한다. 본 논문에서는 제안하는 시스템의 설계 및 구현을 설명하고 이 시스템을 활용한 다양한 응용을 소개한다.

• 정보와 통신
• /
• 제31권12호
• /
• pp.51-56
• /
• 2014

본고에서는 모바일 헬스 기반 건강라이프로그 서비스들을 분석하고 이를 바탕으로 건강라이프로그 서비스를 기획 및 구현하는데 활용될 수 있도록 건강라이프로그 서비스 모델에 대해 연구 하였다. 건강라이프로그 서비스는 다양한 센서들을 활용하여 사용자들의 건강을 지속적으로 관리함으로써 사용자의 삶의 질을 향상시킬 수 있으며, 모바일 기기와 결합하여 다양한 연구가 진행될 수 있는 분야로서 해당 분야의 연구들이 활발히 이루어지고 있으나, 데이터의 표준이나 서비스 모델이 명확히 제시되지 못하고 있기 때문에 디바이스나 서비스들간의 상호운용성에 많은 어려움이 있다. 이를 해결하기 위해, 표준화된 서비스 모델과 데이터 교환 표준 등이 제시되어야 하며, 그를 위한 사전 연구로서 본 연구가 진행되었다.

• 인터넷정보학회논문지
• /
• 제18권1호
• /
• pp.51-55
• /
• 2017

본 논문에서는 LBS 연동형 스마트 플랫폼의 설계를 통해 타인의 라이프로그 정보를 참조할 수 있는 개인 블랙박스용 라이프 로그서비스를 제안한다. 일반적이 라이프로그 서비스는 스마트 장치 사용자의 일상적인 행위를 저장함으로써 추후에 이를 다시 확인해 볼 수 있게 해준다. 제안한 라이프로그 서비스 플랫폼은 GPS/UFID 위치 정보와 스마트기기로부터 획득한 영상에서 추출한 다양한 정보를 라이프로그 데이터로 사용한다. 또한, 데이터베이스를 구축하여 다른 사용자가 구축한 라이프로그 데이터를 참조할 수 있다. 제공하는 타인의 정보는 기본적으로 500m 이내로 제한하였으나 이러한 범위는 조절가능하다. 제안한 플랫폼은 영상인식기법을 활용하여 획득한 영상에 대한 속성을 결정한 후 위치 정보, 영상 데이터, 영상 속성 그리고 관련된 웹 정보를 데이터베이스에 저장한다. 데이터베이스에 저장되는 속성은 개체ID, 영상 형태, 획득시간, 획득 좌표이다. 사용하는 영상 형태 속성은 산, 바다, 거리, 건물 앞, 건물 내부 그리고 인물이다. 영상 속성이 인물인 경우 셔츠, 바지, 원피스, 액세서리와 같은 부속성을 부여할 수 있다. 본 연구의 결과로 스마트 디지털 기기로 부터 멀티미디어 파일 데이터를 수집하고 웹 서버로부터 웹 데이터를 수집하여, 파일 데이터와 웹 데이터를 라이프로그 데이터로 저장하고 사용자 요청에 따라 길찾기 등을 통해 라이프로그 데이터를 활용할 수 있다.

• 한국정보기술학회논문지
• /
• 제17권7호
• /
• pp.1-11
• /
• 2019

스마트폰 및 웨어러블 디바이스의 발달과 함께 이러한 기기들로부터 라이프로그를 수집하는 플랫폼 및 시각화와 관련된 연구들도 활발히 이루어지고 있다. 하지만 기존 연구들은 라이프로그의 송수신 시 특정 디바이스 및 플랫폼에 종속되어 다양한 기기로부터 데이터 수집이 불가능하다. 또한, 사용자의 위치 정보와 같이 특정 영역에 특화되어 있는 라이프로그에 대하여 다양한 분석 결과를 시각화하여 제공하지 않는다. 본 논문은 이러한 문제를 해결하기 위해 라이프로그 수집 플랫폼에서 사용자의 위치 정보를 분석하고 라이프로그의 수집을 위한 인터페이스와 시각화 도구를 개발한다. 이를 위해 제안 시스템 개발 시 필요한 요구사항을 정의하고 분석한다. 이후 분석한 요구사항에 따라 RESTful API 기반의 인터페이스와 다양한 그래프 및 지도 등을 이용한 라이프로그 시각화 도구를 개발하고 구현 결과를 보인다.

• 한국융합학회논문지
• /
• 제9권10호
• /
• pp.75-80
• /
• 2018

본 논문에서는 헬스 빅데이터 플랫폼에서 이기종 라이프로그 마이닝 모델을 제안한다. 이는 사용자의 라이프 로그를 실시간으로 수집하고 헬스케어 서비스를 제공하기 위한 온톨로지 기반의 마이닝 모델이다. 제안하는 방법은 이기종 라이프 로그 데이터를 분산처리하고, 클라우드 컴퓨팅 환경에서 실시간으로 처리한다. 이를 이기종 온톨로지를 기반으로 구성한 환경에 적합하도록 상위 온톨로지 방식으로 지식베이스를 재구성한다. 재구성한 지식베이스는 Jena 4.0 추론엔진을 이용해 추론 규칙들을 생성하고, 규칙 기반 추론 방법으로 실시간 헬스 서비스를 제공한다. 라이프로그 마이닝을 숨겨진 관계에 대한 분석과 시계열적 생체신호에 대한 예측모델을 구성한다. 이는 관계나 추론규칙에서 포함되지 않은 음의 상관관계나 양의 상관관계를 탐색하여 사용자의 생체신호에 대한 변화를 감지하고 예방 의료 서비스를 현실화하는 실시간 헬스케어 서비스가 가능하다. 성능 평가는 제안한 이기종 라이프로그 마이닝 모델 방법이 정확도에서 0.734, 재현율에서 0.752로 다른 모델에 비해 우수하게 나타난다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.309-311
• /
• 2023

본 논문에서는 만성질환자 건강관리서비스 플랫폼 개발을 위항여 건강측정기 모바일 연계기술 개발 및 적용하고 IoT 기반 생체정보 획득 및 라이프로그 건강관리 플랫폼 API 연계 기술을 통하여 지역 만성질환자를 위한 언택트 헬스 모니터링 플랫폼 개발을 수행하였다. 해당 시스템을 통하여 지역 보건소 협력 및 가족 중심 만성질환자 입체적 건강관리 모니터링 시스템 개발에 적용하고 IoT 장비 인터페이스기술, 개인 건강관리기술, 플랫폼 운영 및 구현기술, 데이터 관리기술 개발을 통하여 효율적으로 개인 라이프로그를 활용할 수 있도록 하였으며, 효율적인 관리를 위하여 AI 챗봇 서비스 시스템을 통한 효율성을 극대화를 추진하였다. 본 논문에서는 개인 라이프로그를 활용한 AI 챗봇 기반 만성질환자 건강관리서비스 플랫폼을 구현하여 만성질환자에 대한 서비스를 제공하고 만족도를 실증하여 서비스의 우수함을 입증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.266-268
• /
• 2011

스마트폰을 비롯한 모바일 기기에 내장된 다양한 센서들로부터 수집되는 개인의 일상에 대한 정보인 모바일 라이프로그를 관리하고 검색하는 다양한 연구가 진행되고 있다. 기존에는 에피소딕 메모리 형태로 저장된 모바일 라이프로그 상에서 사용자가 과거 정보를 찾고 회상하는 방법이 일반적으로 사용되었다. 이러한 방법에서는 사용자가 원하는 데이터를 찾기 위해서는 정확하고 충분한 데이터를 사전에 알고 있어야 한다. 하지만 사람은 처음부터 완전한 정보를 가지고 검색을 하는 것이 아니고 검색을 수행하면서 데이터간의 연관도를 바탕으로 추가적인 정보를 떠올리는 연관 검색을 수행한다. 본 논문에서는 연관도 기반 검색을 위해 인지구조를 바탕으로 모바일 라이프로그를 표현하는 시맨틱 네트워크를 자동으로 생성하는 방법을 제안한다. 정의된 구조를 바탕으로 네트워크를 구성하고 관계의 빈도수와 가중치 공유를 통하여 관계의 가중치를 학습한다. 구성된 시맨틱 네트워크상에서 활성화 확산을 기반으로 연관 검색을 수행함으로 방법의 유용성을 입증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1390-1392
• /
• 2015

최근 다양한 웨어러블 기기의 등장으로 인해, 이종의 라이프로그 정보로부터 개인별 맞춤형 건강관리 서비스를 제공할 수 있는 분석 솔루션의 중요성이 대두되고 있다. 본 연구에서는 이기종의 웨어러블 기기를 통해 수집된 라이프로그 정보를 근간으로 개인의 건강상태를 모니터링하고 분석할 수 있는 웰니스 인포메틱스엔진에 대한 프레임워크를 소개한다. 또한 개발된 인포메틱스엔진의 효과성은 실증시범서비스 기간 동안에 수집된 다양한 라이프로그 정보를 활용하여, 2가지 벤치마크 방법들과의 예측능력을 비교함으로써 그 효과성을 제시한다.