KR102664490B1 - Device for providing individually recommended and non-recommended food information, method and program - Google Patents
Device for providing individually recommended and non-recommended food information, method and program Download PDFInfo
- Publication number
- KR102664490B1 KR102664490B1 KR1020230167135A KR20230167135A KR102664490B1 KR 102664490 B1 KR102664490 B1 KR 102664490B1 KR 1020230167135 A KR1020230167135 A KR 1020230167135A KR 20230167135 A KR20230167135 A KR 20230167135A KR 102664490 B1 KR102664490 B1 KR 102664490B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- recommended
- user
- food
- food information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
- A61B5/02438—Measuring pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Business, Economics & Management (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Chemical & Material Sciences (AREA)
Abstract
Description
본 개시는 디지털 서비스 기반의 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치, 방법 및 프로그램에 관한 것이다.This disclosure relates to a device, method, and program that provides personalized recommended food information and non-recommended food information based on a digital service.
세계 성인의 약 4억 2,500만 명(20세 내지 79세)이 당뇨병으로 고통받고 있으며, 실제로 2045년에는 6억 2900만명으로 늘어날 것으로 추정되고 있다. 특히, 수명 증가와 함께 노년층에서 제2형 당뇨환자의 비율이 증가하고 있는 실정이다.Approximately 425 million adults (ages 20 to 79) around the world suffer from diabetes, and it is estimated that the number will increase to 629 million by 2045. In particular, as life expectancy increases, the proportion of
그러나, 운동과 식이 정보 등을 자가 관리하도록 하는 장치는 다이어트 분야에서 활발하게 개발되고 사용되고 있는 실정이다.However, devices that allow self-management of exercise and diet information are being actively developed and used in the diet field.
즉, 종래 다이어트와 건강을 위한 칼로리 계산, 퍼스널 트레이닝 앱 등은 매우 많이 출시되어 유저에게 제공되고 있다.In other words, many calorie counting and personal training apps for diet and health have been released and provided to users.
그런데, 위와 같이 전체 칼로리 조절만을 목표로 한 다이어트 앱의 경우, 당뇨 환자에게 적용되기 부족한 문제가 있다. 왜냐하면 당뇨환자의 경우, 총 칼로리뿐만 아니라 곡류, 고기, 생선, 달걀, 콩류, 채소류, 과일류, 유제품과 같은 식품군을 골고루 섭취하고 이러한 식습관을 장기적으로 유지하는 것이 주요 이슈인데 반하여, 종래에 출시된 칼로리 계산, 퍼스널 트레이닝 앱 등은 전체 칼로리 계산만을 수행하거나 탄수화물, 단백질, 지방과 같이 환자들이 이해하기 어려운 영양소를 기준으로 정보를 제공하여 장기적인 습관을 유도하기 어렵기 때문이다.However, in the case of diet apps that aim only to control total calories as shown above, there is a problem in that they are not applicable to diabetic patients. This is because, for diabetic patients, the main issue is consuming not only total calories but also food groups such as grains, meat, fish, eggs, beans, vegetables, fruits, and dairy products, and maintaining this eating pattern over a long period of time. This is because calorie counting and personal training apps only perform overall calorie calculations or provide information based on nutrients that are difficult for patients to understand, such as carbohydrates, proteins, and fats, making it difficult to induce long-term habits.
따라서, 최근에는 개인별로 추천 음식 정보와 비추천 음식 정보를 정확하고 빠르게 확인시킴으로써, 혈당 관리가 필요한 유저에게 맞춤식 식단 관리를 제공하여 서비스의 만족도를 높이면서 신뢰성을 향상시키기 위한 연구가 지속적으로 행해져오고 있다.Therefore, recent research has been continuously conducted to increase service satisfaction and reliability by providing customized diet management to users who need blood sugar management by accurately and quickly confirming recommended and non-recommended food information for each individual. .
본 개시에 개시된 실시예는, 개인별로 추천 음식 정보와 비추천 음식 정보를 정확하고 빠르게 확인시킴으로써, 혈당 관리가 필요한 유저에게 맞춤식 식단 관리를 제공하여 서비스의 만족도를 높이면서 신뢰성을 향상시킬 수 있는 것을 제공하는데 그 목적이 있다.The embodiment disclosed in this disclosure provides a method of providing customized diet management to users who need blood sugar management by accurately and quickly confirming recommended food information and non-recommended food information for each individual, thereby increasing service satisfaction and improving reliability. There is a purpose to doing so.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present disclosure are not limited to the problems mentioned above, and other problems not mentioned can be clearly understood by those skilled in the art from the description below.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 측면에 따른 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치는, 유저의 단말기와 통신을 수행하는 통신부; 및 개인별 추천 음식 정보 및 비추천 음식 정보의 제공과 관련된 동작을 제어하는 프로세서; 를 포함하고, 상기 프로세서는 상기 통신부를 통해 상기 유저의 단말기로부터 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 수신하며, 상기 유저 의료 데이터, 상기 유저 유전자 데이터, 상기 유저 라이프로그 데이터, 상기 웨어러블 디바이스 데이터 및 상기 유저 설문 데이터를 제1 인공지능 모델에 입력하고, 상기 제1 인공지능 모델을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력하며, 상기 유저의 단말기가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 경우, 상기 유저의 단말기로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신하고, 상기 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 상기 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터, 상기 영양 성분 데이터, 상기 음식 데이터, 상기 약물 데이터 및 상기 유저 음식 선호도 데이터를 제2 인공지능 모델에 입력하며, 상기 제2 인공지능 모델을 기반으로 학습하여 분석한 추천 음식 데이터와 비추천 음식 데이터를 출력하고, 상기 추천 음식 데이터와 상기 비추천 음식 데이터를 상기 유저의 단말기 상에 표시하는 것을 특징으로 할 수 있다.An apparatus for providing recommended food information and non-recommended food information for each individual according to an aspect of the present disclosure for achieving the above-described technical problem includes: a communication unit that communicates with a user's terminal; and a processor that controls operations related to providing personalized recommended food information and non-recommended food information. It includes, wherein the processor receives user medical data, user genetic data, user lifelog data, wearable device data, and user survey data from the user's terminal through the communication unit, and receives the user medical data, the user genetic data, The user lifelog data, the wearable device data, and the user survey data are input into a first artificial intelligence model, and the type and appropriate intake data of recommended nutrients for each user are calculated by learning based on the first artificial intelligence model, user Outputs the types of non-recommended nutrients and upper limit intake data, and when the user's terminal requests inquiry of recommended food information and non-recommended food information, nutritional ingredient data, food data, drug data, and user food preference data are retrieved from the user's terminal. Receiving the type and appropriate intake data of the recommended nutrients for each user, the type and upper limit intake data of the non-recommended nutrients for each user, the nutritional component data, the food data, the drug data, and the user food preference data, a second artificial Inputting the intelligent model, outputting recommended food data and non-recommended food data learned and analyzed based on the second artificial intelligence model, and displaying the recommended food data and the non-recommended food data on the user's terminal. You can do this.
또한, 상기 유저 의료 데이터는, 건강검진결과, 처방약, 복용의약물 및 병의원 방문기록인 것을 특징으로 할 수 있다.Additionally, the user medical data may include health checkup results, prescription drugs, medications taken, and hospital visit records.
또한, 상기 유저 유전자 데이터는, 유전자 검사 결과인 것을 특징으로 할 수 있다.Additionally, the user genetic data may be characterized as a genetic test result.
또한, 상기 유저 라이프로그 데이터는, 식단 기록, 운동 기록, 음식 사진 기록, 수면 기록, 감정 기록, 컨디션 기록, 생리 기록 및 영양제 섭취 기록인 것을 특징으로 할 수 있다.Additionally, the user lifelog data may include diet records, exercise records, food photo records, sleep records, emotion records, condition records, physiological records, and nutritional supplement intake records.
또한, 상기 웨어러블 디바이스 데이터는, 혈당, 심박수, 걸음수, 체성분 데이터, 운동 기록, 생리 기간 및 혈압인 것을 특징으로 할 수 있다.Additionally, the wearable device data may include blood sugar, heart rate, step count, body composition data, exercise record, menstrual period, and blood pressure.
또한, 상기 유저 설문 데이터는, 건강 고민, 신체 관리 목표, 가족력, 알러지, 기저질환, 임신, 흡연, 갱년기 및 자녀계획 여부인 것을 특징으로 할 수 있다.In addition, the user survey data may include health concerns, body management goals, family history, allergies, underlying diseases, pregnancy, smoking, menopause, and whether or not to have children.
또한, 상기 프로세서는, 상기 제1 인공지능 모델을 기반으로, 상기 유저 의료 데이터를 분석한 결과, 콜레스테롤이 높고, 고지혈증약을 처방받아 복용 중인 경우, 상기 유저 유전자 데이터를 분석한 결과, 탄수화물 민감도가 높은 경우, 상기 유저 라이프로그 데이터를 분석한 결과, 체지방 감소 식단으로 식단 관리 중인 경우, 상기 웨어러블 디바이스 데이터를 분석한 결과, 체지방이 높고, 근육량이 낮으며, 식후 혈당 스파이크가 자주 발생하는 경우, 상기 유저 설문 데이터를 분석한 결과, 체지방 개선, 노화 예방, 고혈압 가족력 있고, 6개월 내 자녀계획이 있는 경우, 상기 유저의 추천 영양소의 종류 및 적정 섭취량 데이터, 상기 유저의 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력하는 것을 특징으로 할 수 있다.In addition, based on the first artificial intelligence model, the processor analyzes the user medical data, determines that if cholesterol is high and is taking prescribed hyperlipidemia medication, carbohydrate sensitivity is determined by analyzing the user genetic data. If it is high, as a result of analyzing the user life log data, if the diet is managed with a body fat reduction diet, and as a result of analyzing the wearable device data, if body fat is high, muscle mass is low, and blood sugar spikes after meals frequently occur, As a result of analyzing user survey data, if the user has a family history of body fat improvement, anti-aging, high blood pressure, and plans to have children within 6 months, the type and appropriate intake data of recommended nutrients for the user, and the type and upper limit intake data of non-recommended nutrients for the user. It may be characterized by outputting .
또한, 상기 프로세서는, 상기 제2 인공지능 모델을 기반으로, 상기 영양 성분 데이터의 성분 함량을 분석하여, 상기 음식 데이터가 섭취 대상으로 적절한 것인지를 판단할 때, 상기 성분 함량이 상기 유저의 신체 관리 목표에 부합하는지를 판단하고, 상기 성분 함량이 상기 유저가 지정한 주의 성분에 부합하는지를 판단하며, 상기 성분 함량이 상기 유저의 신체 관리 목표에서 중요도가 낮은지를 판단하고, 상기 성분 함량이 상기 유저가 지정한 주의 성분에 없는 것인지를 판단하는 것을 특징으로 할 수 있다.In addition, the processor analyzes the ingredient content of the nutritional ingredient data based on the second artificial intelligence model, and when determining whether the food data is appropriate for consumption, the ingredient content is used to manage the user's body. Determine whether the ingredient content meets the user's health care goal; Determine whether the ingredient content is of low importance in the user's body management goal; Determine whether the ingredient content meets the user's health care goal; Determine whether the ingredient content meets the user's health care goal; It can be characterized by determining whether it is not in the ingredient.
또한, 상기 프로세서는, 상기 유저 음식 선호도 데이터 내의 추천 키워드와 비추천 키워드를 기반으로, 상기 성분 함량의 분석 점수를 산출하고, 상기 분석 점수를 기반으로, 상기 추천 음식 데이터와 상기 비추천 음식 데이터를 출력하는 것을 특징으로 할 수 있다.In addition, the processor calculates an analysis score of the ingredient content based on recommended keywords and non-recommended keywords in the user food preference data, and outputs the recommended food data and the non-recommended food data based on the analysis score. It can be characterized as:
본 개시의 다른 측면에 따른 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 방법은, 유저의 단말기로부터 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 수신하는 단계; 상기 유저 의료 데이터, 상기 유저 유전자 데이터, 상기 유저 라이프로그 데이터, 상기 웨어러블 디바이스 데이터 및 상기 유저 설문 데이터를 제1 인공지능 모델에 입력하고, 상기 제1 인공지능 모델을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력하는 단계; 상기 유저의 단말기가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 경우, 상기 유저의 단말기로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신하는 단계; 상기 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 상기 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터, 상기 영양 성분 데이터, 상기 음식 데이터, 상기 약물 데이터 및 상기 유저 음식 선호도 데이터를 제2 인공지능 모델에 입력하며, 상기 제2 인공지능 모델을 기반으로 학습하여 분석한 추천 음식 데이터와 비추천 음식 데이터를 출력하는 단계; 및 상기 추천 음식 데이터와 상기 비추천 음식 데이터를 상기 유저의 단말기 상에 표시하는 단계; 를 포함할 수 있다.A method of providing individually recommended food information and non-recommended food information according to another aspect of the present disclosure includes receiving user medical data, user genetic data, user lifelog data, wearable device data, and user survey data from a user's terminal; The user medical data, the user genetic data, the user lifelog data, the wearable device data, and the user survey data are input into a first artificial intelligence model, and each user is calculated by learning based on the first artificial intelligence model. Outputting data on the type and appropriate intake of recommended nutrients and data on the type and upper limit of intake of non-recommended nutrients for each user; When the user's terminal requests inquiry into recommended food information and non-recommended food information, receiving nutritional ingredient data, food data, drug data, and user food preference data from the user's terminal; The type and appropriate intake data of recommended nutrients for each user, the type and upper limit intake data of non-recommended nutrients for each user, the nutritional ingredient data, the food data, the drug data, and the user food preference data are input into the second artificial intelligence model. and outputting recommended food data and non-recommended food data learned and analyzed based on the second artificial intelligence model; and displaying the recommended food data and the non-recommended food data on the user's terminal; may include.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.In addition to this, a computer program stored in a computer-readable recording medium for executing the method for implementing the present disclosure may be further provided.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.In addition to this, a computer-readable recording medium recording a computer program for executing a method for implementing the present disclosure may be further provided.
본 개시의 전술한 과제 해결 수단에 의하면, 개인별로 추천 음식 정보와 비추천 음식 정보를 정확하고 빠르게 확인시킴으로써, 혈당 관리가 필요한 유저에게 맞춤식 식단 관리를 제공하여 서비스의 만족도를 높이면서 신뢰성을 향상시킬 수 있는 효과를 제공한다.According to the means for solving the above-described problem of the present disclosure, by accurately and quickly confirming recommended food information and non-recommended food information for each individual, customized diet management can be provided to users who need blood sugar management, thereby increasing service satisfaction and improving reliability. Provides effective effects.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present disclosure are not limited to the effects mentioned above, and other effects not mentioned may be clearly understood by those skilled in the art from the description below.
도 1은 본 개시의 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 시스템을 나타낸 도면이다.
도 2는 도 1의 음식 정보 제공 장치의 구성을 나타낸 도면이다.
도 3은 본 개시의 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 방법을 나타낸 순서도이다.
도 4 내지 도 12는 도 2의 음식 정보 제공 장치를 통해 추천 음식 데이터와 비추천 음식 데이터를 출력하는 과정을 나타낸 도면들이다.1 is a diagram illustrating a system for providing recommended food information and non-recommended food information for each individual according to the present disclosure.
Figure 2 is a diagram showing the configuration of the food information providing device of Figure 1.
Figure 3 is a flowchart showing a method of providing recommended food information and non-recommended food information for each individual according to the present disclosure.
Figures 4 to 12 are diagrams showing a process of outputting recommended food data and non-recommended food data through the food information providing device of Figure 2.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는'부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.Like reference numerals refer to like elements throughout this disclosure. This disclosure does not describe all elements of the embodiments, and general content or overlapping content between embodiments in the technical field to which this disclosure pertains is omitted. The term 'part, module, member, block' used in the specification may be implemented as software or hardware, and depending on the embodiment, a plurality of 'part, module, member, block' may be implemented as a single component, or It is also possible for one 'part, module, member, or block' to include multiple components.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.Throughout the specification, when a part is said to be “connected” to another part, this includes not only direct connection but also indirect connection, and indirect connection includes connection through a wireless communication network. do.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Additionally, when a part "includes" a certain component, this means that it may further include other components rather than excluding other components, unless specifically stated to the contrary.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.Throughout the specification, when a member is said to be located “on” another member, this includes not only cases where a member is in contact with another member, but also cases where another member exists between the two members.
제 1, 제 2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.Terms such as first and second are used to distinguish one component from another component, and the components are not limited by the above-mentioned terms.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.Singular expressions include plural expressions unless the context clearly makes an exception.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.The identification code for each step is used for convenience of explanation. The identification code does not explain the order of each step, and each step may be performed differently from the specified order unless a specific order is clearly stated in the context. there is.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.Hereinafter, the operating principle and embodiments of the present disclosure will be described with reference to the attached drawings.
본 명세서에서 본 개시에 따른 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 시스템은 연산처리를 수행하여 유저에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 시스템은, 컴퓨터, 서버 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.In this specification, the system for providing individual recommended food information and non-recommended food information according to the present disclosure includes various devices that can perform computational processing and provide results to the user. For example, the system for providing individual recommended food information and non-recommended food information according to the present disclosure may include all of a computer, a server, and a portable terminal, or may take the form of any one.
여기에서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.Here, the computer may include, for example, a laptop equipped with a web browser, a desktop, a laptop, a tablet PC, a slate PC, etc.
서버는 외부 장치와 통신을 수행하여 정보를 처리하는 것으로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 메일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.A server processes information by communicating with an external device and may include an application server, computing server, database server, file server, mail server, proxy server, and web server.
휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.Portable terminals are, for example, wireless communication devices that ensure portability and mobility, such as PCS (Personal Communication System), GSM (Global System for Mobile communications), PDC (Personal Digital Cellular), PHS (Personal Handyphone System), and PDA ( Personal Digital Assistant), IMT (International Mobile Telecommunication)-2000, CDMA (Code Division Multiple Access)-2000, W-CDMA (W-Code Division Multiple Access), WiBro (Wireless Broadband Internet) terminal, smart phone All types of handheld wireless communication devices, such as watches, rings, bracelets, anklets, necklaces, glasses, contact lenses, or head-mounted-device (HMD), etc. It can be included.
본 개시에 따른 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 시스템은, 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 제1 인공지능 모델에 입력하고, 제1 인공지능 모델을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력하고, 유저의 단말기가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 경우, 유저의 단말기로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신하며, 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터, 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 제2 인공지능 모델에 입력하며, 제2 인공지능 모델을 기반으로 학습하여 분석한 추천 음식 데이터와 비추천 음식 데이터를 출력하고, 추천 음식 데이터와 비추천 음식 데이터를 유저의 단말기 상에 표시하도록 제공될 수 있다.The system for providing individual recommended food information and non-recommended food information according to the present disclosure inputs user medical data, user genetic data, user life log data, wearable device data, and user survey data into a first artificial intelligence model, and The type and appropriate intake data of recommended nutrients for each user and the upper limit intake data for each user, calculated by learning based on an artificial intelligence model, are output, and the user's terminal requests inquiry of recommended and non-recommended food information. In this case, nutritional content data, food data, drug data, and user food preference data are received from the user's terminal, and the type and appropriate intake data of recommended nutrients for each user, the type and upper limit intake data of non-recommended nutrients for each user, nutritional ingredient data, Food data, drug data, and user food preference data are input into the second artificial intelligence model, and recommended food data and non-recommended food data learned and analyzed based on the second artificial intelligence model are output. Recommended food data and non-recommended food data are output. may be provided to display on the user's terminal.
이러한, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 시스템은, 개인별로 추천 음식 정보와 비추천 음식 정보를 정확하고 빠르게 확인시킴으로써, 혈당 관리가 필요한 유저에게 맞춤식 식단 관리를 제공하여 서비스의 만족도를 높이면서 신뢰성을 향상시킬 수 있다.This system that provides recommended and non-recommended food information for each individual accurately and quickly confirms recommended and non-recommended food information for each individual, thereby providing customized diet management to users who need to manage their blood sugar levels, thereby increasing service satisfaction. Reliability can be improved.
이하에서는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 시스템을 자세하게 살펴보기로 한다.Below, we will take a closer look at the system that provides individual recommended and non-recommended food information.
도 1은 본 개시의 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 시스템을 나타낸 도면이다. 도 2는 도 1의 음식 정보 제공 장치의 구성을 나타낸 도면이다.1 is a diagram illustrating a system for providing recommended food information and non-recommended food information for each individual according to the present disclosure. Figure 2 is a diagram showing the configuration of the food information providing device of Figure 1.
도 1 및 도 2를 참조하면, 음식 정보 제공 시스템(100)은 유저의 단말기(110)와 음식 정보 제공 장치(120)를 포함할 수 있다.Referring to Figures 1 and 2, the food
유저의 단말기(110)는 유저별로 추천 음식 정보와 비추천 음식 정보의 조회를 음식 정보 제공 장치120)에 요청하고, 음식 정보 제공 장치(120)로부터 수신된 추천 음식 데이터와 비추천 음식 데이터를 표시할 수 있다. 이때, 유저는 혈당 관리가 필요한 사람, 당뇨병 환자등일 수 있다.The user's terminal 110 may request the food
음식 정보 제공 장치(120)는 개인별 추천 음식 정보 및 비추천 음식 정보의 제공과 관련된 동작을 수행할 수 있다. 음식 정보 제공 장치(120)는 통신부(121), 메모리(122), 프로세서(123), 표시부(124)를 포함할 수 있다.The food
통신부(121)는 유저의 단말기(110)와 통신을 수행할 수 있다. 여기에서, 통신부(121)는 유저의 단말기(110)로부터 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 수신할 수 있다. 또한, 통신부(121)는 유저의 단말기(110)가 요청한 추천 음식 정보의 조회 신호와 비추천 음식 정보의 조회 신호를 수신받을 수 있다.The
여기에서, 통신부(121)는 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.Here, the
메모리(122)는 본 장치 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장할 수 있고, 메모리(122)에 저장된 데이터를 이용하여 전술한 동작을 수행하는 적어도 하나의 프로세서(123)로 구현될 수 있다. 여기에서, 메모리(122)와 프로세서(123)는 각각 별개의 칩으로 구현될 수 있다. 또한, 메모리(122)와 프로세서(123)는 단일 칩으로 구현될 수도 있다.The
메모리(122)는 본 장치의 다양한 기능을 지원하는 데이터와, 프로세서(123)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 저장할 있고, 본 장치에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.The
이러한, 메모리(122)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리(122)는 본 장치와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스가 될 수도 있다.The
프로세서(123)는 개인별 추천 음식 정보 및 비추천 음식 정보의 제공과 관련된 동작을 제어할 수 있다. 프로세서(123)는 통신부(121)를 통해 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터, 및 유저 설문 데이터를 수신할 수 있다.The
이때, 유저 의료 데이터는 건강검진결과, 처방약, 복용의약물 및 병의원 방문기록일 수 있다. 또한, 유저 유전자 데이터는 유전자 검사 결과일 수 있다.At this time, the user medical data may be health checkup results, prescription drugs, medications taken, and hospital visit records. Additionally, user genetic data may be the results of genetic testing.
또한, 유저 라이프로그 데이터는 식단 기록, 운동 기록, 음식 사진 기록, 수면 기록, 감정 기록, 컨디션 기록, 생리 기록 및 영양제 섭취 기록일 수 있다. 또한, 웨어러블 디바이스 데이터는 혈당, 심박수, 걸음수, 체성분 데이터, 운동 기록, 생리 기간 및 혈압일 수 있다.Additionally, user lifelog data may include diet records, exercise records, food photo records, sleep records, emotion records, condition records, menstrual records, and nutritional supplement intake records. Additionally, wearable device data may be blood sugar, heart rate, step count, body composition data, exercise record, menstrual period, and blood pressure.
또한, 유저 설문 데이터는 건강 고민, 신체 관리 목표, 가족력, 알러지, 기저질환, 임신, 흡연, 갱년기 및 자녀계획 여부일 수 있다.Additionally, user survey data may include health concerns, body management goals, family history, allergies, underlying diseases, pregnancy, smoking, menopause, and whether or not you plan to have children.
프로세서(123)는 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터, 및 유저 설문 데이터를 제1 인공지능 모델에 입력하고, 제1 인공지능 모델을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력할 수 있다.The
예를 들어, 프로세서(123)는 제1 인공지능 모델을 기반으로, 유저 의료 데이터를 분석한 결과, 콜레스테롤이 높고, 고지혈증약을 처방받아 복용 중인 경우, 유저의 추천 영양소의 종류 및 적정 섭취량 데이터, 유저의 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력할 수 있다.For example, the
다른 예를 들어, 프로세서(123)는 제1 인공지능 모델을 기반으로, 유저 유전자 데이터를 분석한 결과, 탄수화물 민감도가 높은 경우, 유저의 추천 영양소의 종류 및 적정 섭취량 데이터, 유저의 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력할 수 있다.For another example, the
또 다른 예를 들어, 프로세서(123)는 제1 인공지능 모델을 기반으로, 유저 라이프로그 데이터를 분석한 결과, 체지방 감소 식단으로 식단 관리 중인 경우, 유저의 추천 영양소의 종류 및 적정 섭취량 데이터, 유저의 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력할 수 있다.As another example, the
또 다른 예를 들어, 프로세서(123)는 제1 인공지능 모델을 기반으로, 웨어러블 디바이스 데이터를 분석한 결과, 체지방이 높고, 근육량이 낮으며, 식후 혈당 스파이크가 자주 발생하는 경우, 유저의 추천 영양소의 종류 및 적정 섭취량 데이터, 유저의 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력할 수 있다.As another example, the
또 다른 예를 들어, 프로세서(123)는 제1 인공지능 모델을 기반으로, 유저 설문 데이터를 분석한 결과, 체지방 개선, 노화 예방, 고혈압 가족력 있고, 6개월 내 자녀계획이 있는 경우, 유저의 추천 영양소의 종류 및 적정 섭취량 데이터, 유저의 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력할 수 있다.As another example, the
프로세서(123)는 유저의 단말기(110)가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 경우, 유저의 단말기(110)로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신할 수 있다.When the user's terminal 110 requests inquiry into recommended food information and non-recommended food information, the
프로세서(123)는 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터, 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 제2 인공지능 모델에 입력하고, 제2 인공지능 모델을 기반으로 학습하여 분석한 추천 음식 데이터와 비추천 음식 데이터를 출력할 수 있다.The
여기에서, 프로세서(123)는 제2 인공지능 모델을 기반으로, 영양 성분 데이터의 성분 함량을 분석하여, 음식 데이터가 섭취 대상으로 적절한 것인지를 판단할 수 있다.Here, the
이때, 프로세서(123)는 영양 성분 데이터의 성분 함량이 유저의 신체 관리 목표에 부합하는지를 판단할 수 있고, 영양 성분 데이터의 성분 함량이 유저가 지정한 주의 성분에 부합하는지를 판단할 수 있으며, 영양 성분 데이터의 성분 함량이 유저의 신체 관리 목표에서 중요도가 낮은지를 판단할 수 있고, 영양 성분 데이터의 성분 함량이 유저가 지정한 주의 성분에 없는 것인지를 판단할 수 있다.At this time, the
프로세서(123)는 유저 음식 선호도 데이터 내의 추천 키워드와 비추천 키워드를 기반으로, 영양 성분 데이터의 성분 함량의 분석 점수를 산출하고, 분석 점수를 기반으로, 추천 음식 데이터와 비추천 음식 데이터를 출력할 수 있다. 프로세서(123)는 추천 음식 데이터와 비추천 음식 데이터를 유저의 단말기(110) 상에 표시할 수 있다.The
도 3은 본 개시의 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 방법을 나타낸 순서도이다. 도 4 내지 도 12는 도 2의 음식 정보 제공 장치를 통해 추천 음식 데이터와 비추천 음식 데이터를 출력하는 과정을 나타낸 도면들이다.Figure 3 is a flowchart showing a method of providing recommended food information and non-recommended food information for each individual according to the present disclosure. Figures 4 to 12 are diagrams showing a process of outputting recommended food data and non-recommended food data through the food information providing device of Figure 2.
도 3을 참조하면, 음식 정보 제공 방법은, 제1 수신 단계(S310), 제1 출력 단계(S320), 판단 단계(S330), 제2 수신 단계(S340), 제2 출력 단계(S350), 표시 단계(S360)를 포함할 수 있다.Referring to Figure 3, the method of providing food information includes a first reception step (S310), a first output step (S320), a determination step (S330), a second reception step (S340), a second output step (S350), It may include a display step (S360).
제1 수신 단계(S310)는, 통신부(121)를 통해 유저의 단말기(110)로부터 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 수신할 수 있다.In the first receiving step (S310), user medical data, user genetic data, user lifelog data, wearable device data, and user survey data may be received from the user's terminal 110 through the
예를 들어, 도 4에 도시된 바와 같이 프로세서(123)는 유저의 단말기(110) 내의 유저 의료 관련 어플리케이션을 통해 건강검진결과, 처방약, 복용의약물 및 병의원 방문기록을 포함하는 유저 의료 데이터(D1)를 수신할 수 있다.For example, as shown in FIG. 4, the
다른 예를 들어, 프로세서(123)는 유저의 단말기(110) 내의 유저 유전자 관련 어플리케이션을 통해 유전자 검사 결과를 포함하는 유저 유전자 데이터(D2)를 수신할 수 있다.For another example, the
또 다른 예를 들어, 프로세서(123)는 유저의 단말기(110) 내의 유저 라이프로그 관련 어플리케이션을 통해 식단 기록, 운동 기록, 음식 사진 기록, 수면 기록, 감정 기록, 컨디션 기록, 생리 기록 및 영양제 섭취 기록을 포함하는 유저 라이프로그 데이터(D3)를 수신할 수 있다.For another example, the
또 다른 예를 들어, 유저의 단말기(110)는 스마트 워치, 연속혈당측정기, 체성분 체중계등일 수 있고, 프로세서(123)는 스마트 워치, 연속혈당측정기, 체성분 체중계를 통해 혈당, 심박수, 걸음수, 체성분 데이터, 운동 기록, 생리 기간 및 혈압을 포함하는 웨어러블 디바이스 데이터(D4)를 수신할 수 있다.For another example, the user's terminal 110 may be a smart watch, continuous blood sugar meter, body composition scale, etc., and the
또 다른 예를 들어, 프로세서(123)는 유저의 단말기(110) 내의 유저 설문 관련 어플리케이션을 통해 건강 고민, 신체 관리 목표, 가족력, 알러지, 기저질환, 임신, 흡연, 갱년기 및 자녀계획 여부를 포함하는 유저 설문 데이터(D5)를 수신할 수 있다.For another example, the
제1 출력 단계(S320)는, 프로세서(123)를 통해, 도 5에 도시된 바와 같이 유저 의료 데이터(ID1), 유저 유전자 데이터(ID2), 유저 라이프로그 데이터(ID3), 웨어러블 디바이스 데이터 (ID4) 및 유저 설문 데이터(ID5)의 입력값을 제1 인공지능 모델(AIM1)에 입력하고, 제1 인공지능 모델(AIM1)을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터(OD1), 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터(OD2)의 결과값을 출력할 수 있다.In the first output step (S320), as shown in FIG. 5, through the
이때, 제1 인공지능 모델(AIM1)은, 다양한 건강검진결과, 처방약, 복용의약물, 병의원 방문기록, 유전자 검사 결과, 식단 기록, 운동 기록, 음식 사진 기록, 수면 기록, 감정 기록, 컨디션 기록, 생리 기록, 영양제 섭취 기록, 혈당, 심박수, 걸음수, 체성분 데이터, 생리 기간, 혈압, 건강 고민, 신체 관리 목표, 가족력, 알러지, 기저질환, 임신, 흡연, 갱년기 및 자녀계획 여부를 CNN 알고리즘 또는 RNN 알고리즘을 이용하여 학습데이터 셋으로 구축 및 강화 학습시킬 수 있다.At this time, the first artificial intelligence model (AIM1) records various health checkup results, prescription drugs, medications, hospital visit records, genetic test results, diet records, exercise records, food photo records, sleep records, emotion records, condition records, CNN algorithm or RNN records menstrual records, nutritional intake records, blood sugar, heart rate, step count, body composition data, menstrual period, blood pressure, health concerns, body management goals, family history, allergies, underlying diseases, pregnancy, smoking, menopause, and whether or not you plan to have children. Using an algorithm, it can be constructed and reinforced as a learning data set.
예를 들어, 도 6에 도시된 바와 같이 프로세서(123)는 제1 인공지능 모델(AIM1)을 기반으로, 유저 의료 데이터(D6)를 분석한 결과, 콜레스테롤이 높고, 고지혈증약을 처방받아 복용 중인 경우, 당류는 비추천이고 상한 섭취량은 일일 목표 칼로리의 20%이며, 코엔자임Q10은 추천이되 90mg 이상이고, 폴리코사놀은 비추천이며 복용금지인 분석 리포트를 출력할 수 있다.For example, as shown in FIG. 6, the
다른 예를 들어, 프로세서(123)는 제1 인공지능 모델(AIM1)을 기반으로, 유저 유전자 데이터(D7)를 분석한 결과, 탄수화물 민감도가 높은 경우, 탄수화물은 비추천이고 상한 섭취량은 일일 목표 칼로리의 40%이며, 당류는 비추천이고 상한 섭취량은 일일 목표 칼로리의 10%인 분석 리포트를 출력할 수 있다.For another example, the
또 다른 예를 들어, 프로세서(123)는 제1 인공지능 모델(AIM1)을 기반으로, 유저 라이프로그 데이터(D8)를 분석한 결과, 체지방 감소 식단으로 식단 관리 중인 경우, 탄수화물은 비추천이고 상한 섭취량은 일일 목표 칼로리의 50%인 분석 리포트를 출력할 수 있다.As another example, the
또 다른 예를 들어, 프로세서(123)는 제1 인공지능 모델(AIM1)을 기반으로, 웨어러블 디바이스 데이터(D9)를 분석한 결과, 체지방이 높고, 근육량이 낮으며, 식후 혈당 스파이크가 자주 발생하는 경우, 탄수화물은 비추천이고 상한 섭취량은 일일 목표 칼로리의 50%이며, 당류는 비추천이고 상한 섭취량은 일일 목표 칼로리의 10%인 분석 리포트를 출력할 수 있다.As another example, the
또 다른 예를 들어, 프로세서(123)는 제1 인공지능 모델(AIM1)을 기반으로, 유저 설문 데이터(D10)를 분석한 결과, 체지방 개선, 노화 예방, 고혈압 가족력 있고, 6개월 내 자녀계획이 있는 경우, 코엔자임Q10은 추천이되 90mg 이상이고, 폴리코사놀은 추천이되 20mg 이상인 분석 리포트를 출력할 수 있다.As another example, the
이를 기반으로, 프로세서(123)는 최종 분석 결과 데이터(AR1)로, 탄수화물은 비추천이되 일일 목표 칼로리의 40%까지 섭취 제한이고, 당류는 비추천이되 상한 섭취량은 일일 목표 칼로리의 10%이며, 코엔자임Q10은 추천이되 90mg 이상이고, 폴리코사놀은 비추천이고 복용 금지인 최종 분석 리포트를 출력할 수 있다.Based on this, the
판단 단계(S330)는, 프로세서(123)를 통해, 유저의 단말기(110)가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 것인지를 판단할 수 있다.In the determination step (S330), the
제2 수신 단계(S340)는, 유저의 단말기(110)가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 경우, 프로세서(123)를 통해, 유저의 단말기(110)로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신할 수 있다.In the second receiving step (S340), when the user's terminal 110 requests inquiry of recommended food information and non-recommended food information, nutritional ingredient data, food data, Medication data and user food preference data may be received.
제2 출력 단계(S350)는, 프로세서(123)를 통해, 도 7에 도시된 바와 같이 유저별 추천 영양소의 종류 및 적정 섭취량 데이터(ID6), 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터(ID7), 영양 성분 데이터(ID8), 음식 데이터(ID9), 약물 데이터(ID10) 및 유저 음식 선호도 데이터(ID11)를 제2 인공지능 모델(AIM2)에 입력하며, 제2 인공지능 모델(AIM2)을 기반으로 학습하여 분석한 추천 음식 데이터(OD3)와 비추천 음식 데이터(OD4)를 출력할 수 있다.In the second output step (S350), as shown in FIG. 7, through the
이때, 제2 인공지능 모델(AIM2)은, 다양한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터(ID1), 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터(ID2), 영양 성분 데이터(ID3), 음식 데이터(ID4), 약물 데이터(ID5) 및 유저 음식 선호도 데이터(ID6)를 CNN 알고리즘 또는 RNN 알고리즘을 이용하여 학습데이터 셋으로 구축 및 강화 학습시킬 수 있다.At this time, the second artificial intelligence model (AIM2) is the type and appropriate intake data of recommended nutrients for various users (ID1), the type and upper limit intake data of non-recommended nutrients for each user (ID2), nutritional ingredient data (ID3), and food data. (ID4), drug data (ID5), and user food preference data (ID6) can be constructed and reinforced as a learning data set using a CNN algorithm or RNN algorithm.
여기에서, 도 8에 도시된 바와 같이 프로세서(123)는 제2 인공지능 모델(AIM2)을 기반으로, 영양 성분 데이터의 성분 함량을 분석하여, 음식 데이터가 섭취 대상으로 적절한 것인지를 판단할 수 있다.Here, as shown in FIG. 8, the
이때, 프로세서(123)는 영양 성분 데이터의 성분 함량이 유저의 신체 관리 목표에 부합하는지를 판단할 수 있고, 영양 성분 데이터의 성분 함량이 유저가 지정한 주의 성분에 부합하는지를 판단할 수 있으며, 영양 성분 데이터의 성분 함량이 유저의 신체 관리 목표에서 중요도가 낮은지를 판단할 수 있고, 영양 성분 데이터의 성분 함량이 유저가 지정한 주의 성분에 없는 것인지를 판단할 수 있다.At this time, the
예를 들어, 프로세서(123)는 유저의 신체 관리 목표에 부합하는 다량 영양소에 100% 가중치를 적용하고, 미량 영양소에 75% 가중치를 적용하며, 칼로리에 100% 가중치를 적용할 수 있다. 다른 예를 들어, 프로세서(123)는 유저가 지정한 주의 성분에 부합하는 다량 영양소에 75% 가중치를 적용하고, 미량 영양소에 50% 가중치를 적용할 수 있다. 또 다른 예를 들어, 프로세서(123)는 유저의 신체 관리 목표에서 중요도가 낮은 다량 영양소에 50% 가중치를 적용하고, 미량 영양소에 25% 가중치를 적용할 수 있다. 또 다른 예를 들어, 프로세서(123)는 유저가 지정한 주의 성분에 없는 다량 영양소에 25%의 가중치를 적용할 수 있다.For example,
프로세서(123)는 유저 음식 선호도 데이터 내의 추천 키워드와 비추천 키워드를 기반으로, 영양 성분 데이터의 성분 함량의 분석 점수를 산출하고, 분석 점수를 기반으로, 추천 음식 데이터와 비추천 음식 데이터를 출력할 수 있다. The
이때, 도 9에 도시된 바와 같이 프로세서(123)는 추천 키워드가 추천이되 함량 충분일 경우 추천 점수로 3을 부여할 수 있고, 추천 키워드가 추천이되 함량 적음일 경우 추천 점수로 1을 부여할 수 있으며, 추천 키워드가 중립일 경우 추천 점수로 0을 부여할 수 있고, 비추천 키워드가 비추천이되 함량 적을 경우 추천 점수로 -1을 부여할 수 있으며, 비추천 키워드가 비추천이되 상한 이상일 경우 추천 점수로 -3을 단계별로 부여할 수 있다.At this time, as shown in FIG. 9, the
예를 들어, 도 10에 도시된 바와 같이 프로세서(123)는 그릭요거트의 칼로리, 탄수화물, 당류, 단백질, 지방, 포화지방, 콜레스테롤, 나트륨에 대한 추천 키워드와 비추천 키워드 및 가중치를 기반으로, 영양 성분 데이터의 성분 함량의 분석 점수를 산출하고, 분석 점수를 기반으로, 추천 음식 데이터와 비추천 음식 데이터를 출력할 수 있다. 이때, 프로세서(123)는 그릭요거트가 추천 음식 데이터인 것을 최종 분석 리포트(AR2)로 출력할 수 있다.For example, as shown in FIG. 10, the
다른 예를 들어, 도 11에 도시된 바와 같이 프로세서(123)는 국물떡볶이의 칼로리, 탄수화물, 당류, 단백질, 지방, 포화지방, 트랜스지방, 콜레스테롤, 나트륨에 대한 추천 키워드와 비추천 키워드 및 가중치를 기반으로, 영양 성분 데이터의 성분 함량의 분석 점수를 산출하고, 분석 점수를 기반으로, 추천 음식 데이터와 비추천 음식 데이터를 출력할 수 있다. 이때, 프로세서(123)는 국물떡볶이가 비추천 음식 데이터인 것을 최종 분석 리포트(AR3)로 출력할 수 있다.For another example, as shown in Figure 11, the
한편, 프로세서(123)는 그릭요거트, 그릭요거트와 유사한 요거트, 국물떡볶이, 국물떡볶이와 유사한 떡볶이의 카테고리에 대해 비추천 키워드로, '비추천' 표시가 있었는지 확인할 수도 있다. 이때, 프로세서(123)는 '비추천' 표시가 없으면 '추천'으로 결정할 수 있고, '비추천' 표시가 있으면 '중립'으로 결정할 수 있다.Meanwhile, the
표시 단계(S360)는, 프로세서(123)를 통해, 추천 음식 데이터와 비추천 음식 데이터를 유저의 단말기(110) 상에 표시할 수 있다. 이때, 유저의 단말기(110)는 추천 음식 데이터와 비추천 음식 데이터에 대해, 추천 단계별 신호등을 표시할 수 있다.In the display step (S360), recommended food data and non-recommended food data can be displayed on the user's terminal 110 through the
예를 들어, 유저의 단말기(110)는 파란색 신호등을 표시하는 그릭요거트(F1) 및 BLT 샌드위치(F3)는 매우 추천에 해당하는 음식 데이터일 수 있고, 녹색 신호등을 표시하는 바나나 아몬드 우유(F2)는 중립에 해당하는 음식 데이터일 수 있으며, 회색 신호등을 표시하는 사과(F4)는 충분한 데이터가 부족하여 추천 여부 미결정 데이터일 수 있고, 노란색 신호등을 표시하는 국물떡볶이(F5)는 주의(비추천)에 해당하는 음식 데이터일 수 있다.For example, the user's terminal 110 may display food data such as Greek yogurt (F1) and BLT sandwich (F3) that display a blue traffic light, and banana and almond milk (F2) that display a green traffic light. may be neutral food data, apple (F4), which displays a gray traffic light, may be undecided on whether to recommend it due to insufficient data, and soup tteokbokki (F5), which displays a yellow traffic light, may be caution (not recommended). It may be corresponding food data.
이와 같이, 추천 단계별 신호등을 표시하는 유저의 단말기(110)는 개인별로 추천 음식 정보와 비추천 음식 정보를 정확하고 빠르게 확인할 수 있으므로, 혈당 관리가 필요한 유저에게 맞춤식 식단 관리를 제공할 수 있어, 서비스의 만족도를 높이면서 신뢰성을 향상시킬 수 있다.In this way, the user's
한편, 표시부(124)는 유저의 단말기(110)로부터 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 수신하는 과정을 기 설정된 시간 동안 또는 실시간으로 표시할 수도 있다.Meanwhile, the
또한, 표시부(124)는 제1 인공지능 모델(AIM1)을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터를 표시할 수도 있다.In addition, the
또한, 표시부(124)는 유저의 단말기(110)로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신하는 과정을 기 설정된 시간 동안 또는 실시간으로 표시할 수도 있다.Additionally, the
또한, 표시부(124)는 제2 인공지능 모델(AIM2)을 기반으로 학습하여 분석한 추천 음식 데이터와 비추천 음식 데이터를 표시할 수도 있다.Additionally, the
도 1, 도 2, 도 4 내지 도 12에 도시된 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.At least one component may be added or deleted in response to the performance of the components shown in FIGS. 1, 2, and 4 to 12. Additionally, it will be easily understood by those skilled in the art that the mutual positions of the components may be changed in response to the performance or structure of the system.
도 3은 복수의 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3에 기재된 순서를 변경하여 실행하거나 복수의 단계 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3은 시계열적인 순서로 한정되는 것은 아니다.Figure 3 shows that a plurality of steps are sequentially executed, but this is merely an illustrative explanation of the technical idea of this embodiment, and those skilled in the art will understand the essential characteristics of this embodiment. Various modifications and modifications can be made by executing by changing the order shown in FIG. 3 or executing one or more of the plurality of steps in parallel within the scope of the above, so FIG. 3 is not limited to a time-series order. .
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.Meanwhile, the disclosed embodiments may be implemented in the form of a recording medium that stores instructions executable by a computer. Instructions may be stored in the form of program code, and when executed by a processor, may create program modules to perform operations of the disclosed embodiments. The recording medium may be implemented as a computer-readable recording medium.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.Computer-readable recording media include all types of recording media storing instructions that can be decoded by a computer. For example, there may be Read Only Memory (ROM), Random Access Memory (RAM), magnetic tape, magnetic disk, flash memory, optical data storage device, etc.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.As described above, the disclosed embodiments have been described with reference to the attached drawings. A person skilled in the art to which this disclosure pertains will understand that the present disclosure may be practiced in forms different from the disclosed embodiments without changing the technical idea or essential features of the present disclosure. The disclosed embodiments are illustrative and should not be construed as limiting.
100: 시스템 110: 유저의 단말기
120: 음식 정보 제공 장치 121: 통신부
122: 메모리 123: 프로세서
124: 표시부100: System 110: User’s terminal
120: Food information provision device 121: Communication department
122: memory 123: processor
124: display unit
Claims (10)
개인별 추천 음식 정보 및 비추천 음식 정보의 제공과 관련된 동작을 제어하는 프로세서; 를 포함하고,
상기 프로세서는,
상기 통신부를 통해 상기 유저의 단말기로부터 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 수신하며,
상기 유저 의료 데이터, 상기 유저 유전자 데이터, 상기 유저 라이프로그 데이터, 상기 웨어러블 디바이스 데이터 및 상기 유저 설문 데이터를 제1 인공지능 모델에 입력하고, 상기 제1 인공지능 모델을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력하며,
상기 유저의 단말기가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 경우, 상기 유저의 단말기로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신하고,
상기 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 상기 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터, 상기 영양 성분 데이터, 상기 음식 데이터, 상기 약물 데이터, 및 상기 유저 음식 선호도 데이터를 제2 인공지능 모델에 입력하며, 상기 제2 인공지능 모델을 기반으로 학습하여 분석한 추천 음식 데이터와 비추천 음식 데이터를 출력하고,
상기 추천 음식 데이터와 상기 비추천 음식 데이터를 상기 유저의 단말기 상에 표시하되,
상기 추천 음식 데이터와 상기 비추천 음식 데이터를 출력할 때,
상기 유저 음식 선호도 데이터 내의 추천 키워드와 비추천 키워드를 기반으로, 상기 성분 함량의 분석 점수를 산출하고,
상기 분석 점수를 기반으로, 상기 추천 음식 데이터와 상기 비추천 음식 데이터를 출력하며,
상기 성분 함량의 분석 점수를 산출할 때,
상기 추천 키워드가 추천이되 함량 충분인 경우 추천 점수로 3을 부여하고,
상기 추천 키워드가 추천이되 함량 적음인 경우 추천 점수로 1을 부여하며,
상기 추천 키워드가 중립인 경우 추천 점수로 0을 부여하고,
상기 비추천 키워드가 비추천이되 함량 적음인 경우 추천 점수로 -1을 부여하며,
상기 비추천 키워드가 비추천이되 상한 이상인 경우 추천 점수로 -3을 부여하는 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.a communication unit that communicates with the user's terminal; and
a processor that controls operations related to providing personalized recommended food information and non-recommended food information; Including,
The processor,
Receiving user medical data, user genetic data, user lifelog data, wearable device data, and user survey data from the user's terminal through the communication unit,
The user medical data, the user genetic data, the user lifelog data, the wearable device data, and the user survey data are input into a first artificial intelligence model, and each user is calculated by learning based on the first artificial intelligence model. Outputs the types of recommended nutrients and appropriate intake data, as well as the types of non-recommended nutrients and upper limit intake data for each user.
When the user's terminal requests inquiry into recommended food information and non-recommended food information, nutritional ingredient data, food data, drug data, and user food preference data are received from the user's terminal,
The type and appropriate intake data of the recommended nutrients for each user, the type and upper limit intake data for the non-recommended nutrients for each user, the nutritional ingredient data, the food data, the drug data, and the user food preference data to a second artificial intelligence model. Input and output recommended food data and non-recommended food data learned and analyzed based on the second artificial intelligence model,
Displaying the recommended food data and the non-recommended food data on the user's terminal,
When outputting the recommended food data and the non-recommended food data,
Calculate an analysis score for the ingredient content based on recommended and non-recommended keywords in the user food preference data,
Based on the analysis score, output the recommended food data and the non-recommended food data,
When calculating the analysis score of the ingredient content,
If the above recommended keyword is recommended but has sufficient content, a recommendation score of 3 is given,
If the above recommended keyword is recommended but has low content, a recommendation score of 1 is given,
If the recommended keyword is neutral, a recommendation score of 0 is given,
If the above non-recommended keyword is not recommended but has low content, -1 is given as a recommendation score.
A device that provides personalized recommended food information and non-recommended food information, characterized in that -3 is given as a recommendation score if the non-recommended keyword is not recommended but is above the upper limit.
상기 유저 의료 데이터는, 건강검진결과, 처방약, 복용의약물 및 병의원 방문기록인 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.According to paragraph 1,
The user medical data is a device that provides recommended and non-recommended food information for each individual, characterized in that the user medical data is health checkup results, prescription drugs, medications taken, and hospital visit records.
상기 유저 유전자 데이터는, 유전자 검사 결과인 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.According to paragraph 2,
A device that provides information on recommended and non-recommended foods for each individual, wherein the user genetic data is a genetic test result.
상기 유저 라이프로그 데이터는, 식단 기록, 운동 기록, 음식 사진 기록, 수면 기록, 감정 기록, 컨디션 기록, 생리 기록 및 영양제 섭취 기록인 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.According to paragraph 3,
The user life log data includes diet records, exercise records, food photo records, sleep records, emotion records, condition records, menstrual records, and nutritional supplement intake records. A device that provides information on recommended and non-recommended foods for each individual. .
상기 웨어러블 디바이스 데이터는, 혈당, 심박수, 걸음수, 체성분 데이터, 운동 기록, 생리 기간 및 혈압인 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.According to paragraph 4,
The wearable device data is blood sugar, heart rate, step count, body composition data, exercise record, menstrual period, and blood pressure. A device that provides information on recommended and non-recommended food for each individual.
상기 유저 설문 데이터는, 건강 고민, 신체 관리 목표, 가족력, 알러지, 기저질환, 임신, 흡연, 갱년기 및 자녀계획 여부인 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.According to clause 5,
The user survey data includes health concerns, body management goals, family history, allergies, underlying diseases, pregnancy, smoking, menopause, and planning for children. A device that provides information on recommended and non-recommended foods for each individual.
상기 프로세서는,
상기 제1 인공지능 모델을 기반으로, 상기 유저 의료 데이터를 분석한 결과, 콜레스테롤이 높고, 고지혈증약을 처방받아 복용 중인 경우,
상기 유저 유전자 데이터를 분석한 결과, 탄수화물 민감도가 높은 경우,
상기 유저 라이프로그 데이터를 분석한 결과, 체지방 감소 식단으로 식단 관리 중인 경우,
상기 웨어러블 디바이스 데이터를 분석한 결과, 체지방이 높고, 근육량이 낮으며, 식후 혈당 스파이크가 자주 발생하는 경우,
상기 유저 설문 데이터를 분석한 결과, 체지방 개선, 노화 예방, 고혈압 가족력 있고, 6개월 내 자녀계획이 있는 경우,
상기 유저의 추천 영양소의 종류 및 적정 섭취량 데이터, 상기 유저의 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력하는 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.According to clause 6,
The processor,
As a result of analyzing the user medical data based on the first artificial intelligence model, if cholesterol is high and the patient is taking prescribed hyperlipidemia medication,
As a result of analyzing the user genetic data, if carbohydrate sensitivity is high,
As a result of analyzing the user lifelog data, if you are managing your diet with a body fat reduction diet,
As a result of analyzing the wearable device data, if body fat is high, muscle mass is low, and blood sugar spikes frequently occur after meals,
As a result of analyzing the above user survey data, if you have improved body fat, prevented aging, have a family history of high blood pressure, and plan to have children within 6 months,
A device for providing individual recommended food information and non-recommended food information, characterized in that it outputs the user's type and appropriate intake data of recommended nutrients and the user's type of non-recommended nutrients and upper limit intake data.
상기 프로세서는,
상기 제2 인공지능 모델을 기반으로, 상기 영양 성분 데이터의 성분 함량을 분석하여, 상기 음식 데이터가 섭취 대상으로 적절한 것인지를 판단할 때,
상기 성분 함량이 상기 유저의 신체 관리 목표에 부합하는지를 판단하고,
상기 성분 함량이 상기 유저가 지정한 주의 성분에 부합하는지를 판단하며,
상기 성분 함량이 상기 유저의 신체 관리 목표에서 중요도가 낮은지를 판단하는 것을 특징으로 하는, 개인별 추천 음식 정보와 비추천 음식 정보를 제공하는 장치.According to clause 6,
The processor,
Based on the second artificial intelligence model, when analyzing the ingredient content of the nutritional ingredient data to determine whether the food data is appropriate for consumption,
Determine whether the ingredient content meets the user's body management goals,
Determine whether the ingredient content conforms to the caution ingredients specified by the user,
A device for providing personalized recommended food information and non-recommended food information, characterized in that it determines whether the ingredient content is of low importance in the user's body management goals.
유저의 단말기로부터 유저 의료 데이터, 유저 유전자 데이터, 유저 라이프로그 데이터, 웨어러블 디바이스 데이터 및 유저 설문 데이터를 수신하는 단계;
상기 유저 의료 데이터, 상기 유저 유전자 데이터, 상기 유저 라이프로그 데이터, 상기 웨어러블 디바이스 데이터 및 상기 유저 설문 데이터를 제1 인공지능 모델에 입력하고, 상기 제1 인공지능 모델을 기반으로 학습하여 산출한 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터를 출력하는 단계;
상기 유저의 단말기가 추천 음식 정보와 비추천 음식 정보의 조회를 요청한 경우, 상기 유저의 단말기로부터 영양 성분 데이터, 음식 데이터, 약물 데이터 및 유저 음식 선호도 데이터를 수신하는 단계;
상기 유저별 추천 영양소의 종류 및 적정 섭취량 데이터, 상기 유저별 비추천 영양소의 종류 및 상한 섭취량 데이터, 상기 영양 성분 데이터, 상기 음식 데이터, 상기 약물 데이터 및 상기 유저 음식 선호도 데이터를 제2 인공지능 모델에 입력하며, 상기 제2 인공지능 모델을 기반으로 학습하여 분석한 추천 음식 데이터와 비추천 음식 데이터를 출력하는 단계; 및
상기 추천 음식 데이터와 상기 비추천 음식 데이터를 상기 유저의 단말기 상에 표시하는 단계; 를 포함하되,
상기 추천 음식 데이터와 비추천 음식 데이터를 출력하는 단계는,
상기 유저 음식 선호도 데이터 내의 추천 키워드와 비추천 키워드를 기반으로, 상기 성분 함량의 분석 점수를 산출하고,
상기 분석 점수를 기반으로, 상기 추천 음식 데이터와 상기 비추천 음식 데이터를 출력하며,
상기 성분 함량의 분석 점수를 산출할 때,
상기 추천 키워드가 추천이되 함량 충분인 경우 추천 점수로 3을 부여하고,
상기 추천 키워드가 추천이되 함량 적음인 경우 추천 점수로 1을 부여하며,
상기 추천 키워드가 중립인 경우 추천 점수로 0을 부여하고,
상기 비추천 키워드가 비추천이되 함량 적음인 경우 추천 점수로 -1을 부여하며,
상기 비추천 키워드가 비추천이되 상한 이상인 경우 추천 점수로 -3을 부여하는 것을 특징으로 하는, 방법.In a method of providing personalized recommended food information and non-recommended food information performed by a device,
Receiving user medical data, user genetic data, user lifelog data, wearable device data, and user survey data from the user's terminal;
The user medical data, the user genetic data, the user lifelog data, the wearable device data, and the user survey data are input into a first artificial intelligence model, and each user is calculated by learning based on the first artificial intelligence model. Outputting data on the type and appropriate intake of recommended nutrients and data on the type and upper limit of intake of non-recommended nutrients for each user;
When the user's terminal requests inquiry into recommended food information and non-recommended food information, receiving nutritional ingredient data, food data, drug data, and user food preference data from the user's terminal;
The type and appropriate intake data of the recommended nutrients for each user, the type and upper limit intake data for the non-recommended nutrients for each user, the nutritional ingredient data, the food data, the drug data, and the user food preference data are input into the second artificial intelligence model. and outputting recommended food data and non-recommended food data learned and analyzed based on the second artificial intelligence model; and
displaying the recommended food data and the non-recommended food data on the user's terminal; Including,
The step of outputting the recommended food data and non-recommended food data is,
Calculate an analysis score for the ingredient content based on recommended and non-recommended keywords in the user food preference data,
Based on the analysis score, output the recommended food data and the non-recommended food data,
When calculating the analysis score of the ingredient content,
If the above recommended keyword is recommended but has sufficient content, a recommendation score of 3 is given,
If the above recommended keyword is recommended but has low content, a recommendation score of 1 is given.
If the recommended keyword is neutral, a recommendation score of 0 is given,
If the above non-recommended keyword is not recommended but has low content, -1 is given as a recommendation score.
A method characterized in that if the non-recommended keyword is non-recommended but is above the upper limit, -3 is given as a recommendation score.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020240058365A KR20250078284A (en) | 2023-11-22 | 2024-05-02 | Device for providing customized recommended food information and non-recommended food information using analysis scores of ingredient content, method and computer readable recording medium |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230163794 | 2023-11-22 | ||
| KR20230163794 | 2023-11-22 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020240058365A Division KR20250078284A (en) | 2023-11-22 | 2024-05-02 | Device for providing customized recommended food information and non-recommended food information using analysis scores of ingredient content, method and computer readable recording medium |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102664490B1 true KR102664490B1 (en) | 2024-05-17 |
Family
ID=91075847
Family Applications (10)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230167135A Active KR102664490B1 (en) | 2023-11-22 | 2023-11-27 | Device for providing individually recommended and non-recommended food information, method and program |
| KR1020230167134A Active KR102664489B1 (en) | 2023-11-22 | 2023-11-27 | Blood sugar prediction device using continuous blood sugar measurement based digital service, method |
| KR1020230176880A Active KR102667391B1 (en) | 2023-11-22 | 2023-12-07 | Prediction device for blood sugar changes by food intake and activity using cohort, method and program |
| KR1020230178868A Active KR102664491B1 (en) | 2023-11-22 | 2023-12-11 | Device for providing blood sugar coaching information based on user activity patterns based on digital service, method and program |
| KR1020240004028A Active KR102667400B1 (en) | 2023-11-22 | 2024-01-10 | Blood sugar spike cause prediction device using cohort based on digital service, method and program |
| KR1020240058365A Pending KR20250078284A (en) | 2023-11-22 | 2024-05-02 | Device for providing customized recommended food information and non-recommended food information using analysis scores of ingredient content, method and computer readable recording medium |
| KR1020240058364A Pending KR20250077333A (en) | 2023-11-22 | 2024-05-02 | Device for predicting blood sugar level based on user activity prediction data, method and computer readable recording medium |
| KR1020240058366A Pending KR20250078285A (en) | 2023-11-22 | 2024-05-02 | Device for providing blood sugar prediction data based on calibrated user activity prediction data, method and computer readable recording medium |
| KR1020240063207A Pending KR20250078288A (en) | 2023-11-22 | 2024-05-14 | Device for displaying recommended and non-recommended nutrient information for each user, method and computer readable recording medium |
| KR1020240063208A Pending KR20250078289A (en) | 2023-11-22 | 2024-05-14 | Device for displaying information on guessing the cause of user's blood sugar spike based on artificial intelligence model, method and computer readable recording medium |
Family Applications After (9)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230167134A Active KR102664489B1 (en) | 2023-11-22 | 2023-11-27 | Blood sugar prediction device using continuous blood sugar measurement based digital service, method |
| KR1020230176880A Active KR102667391B1 (en) | 2023-11-22 | 2023-12-07 | Prediction device for blood sugar changes by food intake and activity using cohort, method and program |
| KR1020230178868A Active KR102664491B1 (en) | 2023-11-22 | 2023-12-11 | Device for providing blood sugar coaching information based on user activity patterns based on digital service, method and program |
| KR1020240004028A Active KR102667400B1 (en) | 2023-11-22 | 2024-01-10 | Blood sugar spike cause prediction device using cohort based on digital service, method and program |
| KR1020240058365A Pending KR20250078284A (en) | 2023-11-22 | 2024-05-02 | Device for providing customized recommended food information and non-recommended food information using analysis scores of ingredient content, method and computer readable recording medium |
| KR1020240058364A Pending KR20250077333A (en) | 2023-11-22 | 2024-05-02 | Device for predicting blood sugar level based on user activity prediction data, method and computer readable recording medium |
| KR1020240058366A Pending KR20250078285A (en) | 2023-11-22 | 2024-05-02 | Device for providing blood sugar prediction data based on calibrated user activity prediction data, method and computer readable recording medium |
| KR1020240063207A Pending KR20250078288A (en) | 2023-11-22 | 2024-05-14 | Device for displaying recommended and non-recommended nutrient information for each user, method and computer readable recording medium |
| KR1020240063208A Pending KR20250078289A (en) | 2023-11-22 | 2024-05-14 | Device for displaying information on guessing the cause of user's blood sugar spike based on artificial intelligence model, method and computer readable recording medium |
Country Status (1)
| Country | Link |
|---|---|
| KR (10) | KR102664490B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102794274B1 (en) * | 2024-06-13 | 2025-04-14 | 주식회사 오큐피 | A sauce application device that sprays and applies an appropriate ratio of sauce to a customized food in a customized food recommendation system based on nutritional attributes |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102839416B1 (en) * | 2024-07-09 | 2025-07-29 | 주식회사 필라이즈 | Device for providing blood sugar information and meal information by timeline based on blood sugar graph, method and system for the same |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090117153A (en) | 2008-05-08 | 2009-11-12 | 가톨릭대학교 산학협력단 | Semi-Automated Glucose Management System with Clinical Decision Support System and Its Method |
| KR20210062470A (en) * | 2019-11-21 | 2021-05-31 | (주)휴레이포지티브 | Customized diet recommendation service with health status and eating pattern information |
| KR102405677B1 (en) * | 2022-02-24 | 2022-06-08 | 주식회사 필라이즈 | Method, apparatus and system of providing customized health functional foods information based on image recognition using ai |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080235053A1 (en) * | 2007-03-20 | 2008-09-25 | Pinaki Ray | Communication medium for diabetes management |
| JP5636859B2 (en) * | 2010-10-14 | 2014-12-10 | セイコーエプソン株式会社 | Blood glucose level prediction system |
| EP3437558B1 (en) * | 2014-04-10 | 2024-11-27 | DexCom, Inc. | Glycemic urgency assessment and alerts interface |
| KR102486823B1 (en) * | 2016-10-19 | 2023-01-10 | 삼성전자주식회사 | Electronic apparatus and method for providing blood sugar care service |
| KR20220016487A (en) * | 2019-05-31 | 2022-02-09 | 인포메드 데이터 시스템즈 아이엔씨 디/비/에이 원 드롭 | Systems, and associated methods, for bio-monitoring and blood glucose prediction |
| KR20210008267A (en) * | 2019-07-12 | 2021-01-21 | 동국대학교 산학협력단 | System for monitoring health condition of user and analysis method thereof |
| KR102297367B1 (en) * | 2019-08-28 | 2021-09-03 | (주)이노맥스글로벌 | Server for providing health care service using biometric information gathering and online checkup |
| EP3896700A1 (en) * | 2020-04-17 | 2021-10-20 | Perfood GmbH | Improved method for determining blood glucose responses |
| JP6918394B1 (en) * | 2021-03-02 | 2021-08-11 | Ｓｓｓｔ株式会社 | Biological information calculation system |
| JP2022153288A (en) * | 2021-03-29 | 2022-10-12 | 日清食品ホールディングス株式会社 | Blood sugar level estimation device, blood sugar level estimation method and program |
| KR20230059360A (en) * | 2021-10-26 | 2023-05-03 | 주식회사 네오드림스 | A system and method for providing customized services using de-identified personal health information |
| KR102754879B1 (en) * | 2021-12-03 | 2025-01-21 | 주식회사 디이프 | Dietary recommendation system using glycemic response value and method of the same |
-
2023
- 2023-11-27 KR KR1020230167135A patent/KR102664490B1/en active Active
- 2023-11-27 KR KR1020230167134A patent/KR102664489B1/en active Active
- 2023-12-07 KR KR1020230176880A patent/KR102667391B1/en active Active
- 2023-12-11 KR KR1020230178868A patent/KR102664491B1/en active Active
-
2024
- 2024-01-10 KR KR1020240004028A patent/KR102667400B1/en active Active
- 2024-05-02 KR KR1020240058365A patent/KR20250078284A/en active Pending
- 2024-05-02 KR KR1020240058364A patent/KR20250077333A/en active Pending
- 2024-05-02 KR KR1020240058366A patent/KR20250078285A/en active Pending
- 2024-05-14 KR KR1020240063207A patent/KR20250078288A/en active Pending
- 2024-05-14 KR KR1020240063208A patent/KR20250078289A/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090117153A (en) | 2008-05-08 | 2009-11-12 | 가톨릭대학교 산학협력단 | Semi-Automated Glucose Management System with Clinical Decision Support System and Its Method |
| KR20210062470A (en) * | 2019-11-21 | 2021-05-31 | (주)휴레이포지티브 | Customized diet recommendation service with health status and eating pattern information |
| KR102405677B1 (en) * | 2022-02-24 | 2022-06-08 | 주식회사 필라이즈 | Method, apparatus and system of providing customized health functional foods information based on image recognition using ai |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102794274B1 (en) * | 2024-06-13 | 2025-04-14 | 주식회사 오큐피 | A sauce application device that sprays and applies an appropriate ratio of sauce to a customized food in a customized food recommendation system based on nutritional attributes |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102667391B1 (en) | 2024-05-23 |
| KR20250077333A (en) | 2025-05-30 |
| KR20250078285A (en) | 2025-06-02 |
| KR102664491B1 (en) | 2024-05-14 |
| KR20250078289A (en) | 2025-06-02 |
| KR102667400B1 (en) | 2024-05-21 |
| KR20250078284A (en) | 2025-06-02 |
| KR102664489B1 (en) | 2024-05-14 |
| KR20250078288A (en) | 2025-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7277417B2 (en) | Systems and methods for user-specific adjustment of nutritional intake | |
| US12131661B2 (en) | Personalized health coaching system | |
| KR102664490B1 (en) | Device for providing individually recommended and non-recommended food information, method and program | |
| US20200066181A1 (en) | Generating Personalized Food Recommendations from Different Food Sources | |
| KR102321737B1 (en) | Method and apparatus for mananing health | |
| US20220230730A1 (en) | Recipe recommendation method and device, computing device and storage medium | |
| US9959561B2 (en) | Simplenutrition nutritional management system | |
| TW201822139A (en) | Technology for dynamically generating health-related and customized recommendations for individuals | |
| CN107705834A (en) | A kind of dietary recommendations continued system based on Recognition with Recurrent Neural Network | |
| KR102545551B1 (en) | Method, apparatus and system of providing quration service for customized health functional foods based on artificial intelligence | |
| US20250037836A1 (en) | Systems and methods for an optimized user interface | |
| KR20210008267A (en) | System for monitoring health condition of user and analysis method thereof | |
| KR102004438B1 (en) | Device and method of providing health care service based on collecting user’s health habit information | |
| KR20230056533A (en) | Method and device for providing salad menu recommendation service | |
| JP2023020789A (en) | Program, method, and system | |
| KR20220068594A (en) | Customized nutrition care system using chatbot based query and response and biomarker data | |
| WO2018226885A1 (en) | Training, nutrition, and wellness planners | |
| Pańkowska et al. | A randomized controlled study of an insulin dosing application that uses recognition and meal bolus estimations | |
| Khalilnejad et al. | Proactive identification of patients with diabetes at risk of uncontrolled outcomes during a diabetes management program: Conceptualization and development study using machine learning | |
| KR102839416B1 (en) | Device for providing blood sugar information and meal information by timeline based on blood sugar graph, method and system for the same | |
| KR20220103295A (en) | System for providing health supplement and nutritional contents information | |
| Harmon et al. | Are We Healthier Together? Two Strategies for Supporting Macronutrient Assessment Skills and How the Crowd Can Help (or Not) | |
| KR102820939B1 (en) | Method and device for analyzing nutrient | |
| KR102821221B1 (en) | Health care informoation providing sstem and methods there of for offering management information based on user information | |
| KR102631340B1 (en) | Product recommendation method and device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20231127 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20231204 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination Patent event date: 20231127 Patent event code: PA03021R01I Comment text: Patent Application |
|
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20240208 |
|
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant | ||
| PA0107 | Divisional application |
Comment text: Divisional Application of Patent Patent event date: 20240502 Patent event code: PA01071R01D |
|
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20240502 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20240502 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |