CN102843966A - 用于处理周期性生理信号的方法和装置 - Google Patents

用于处理周期性生理信号的方法和装置 Download PDF

Info

Publication number
CN102843966A
CN102843966A CN2011800185214A CN201180018521A CN102843966A CN 102843966 A CN102843966 A CN 102843966A CN 2011800185214 A CN2011800185214 A CN 2011800185214A CN 201180018521 A CN201180018521 A CN 201180018521A CN 102843966 A CN102843966 A CN 102843966A
Authority
CN
China
Prior art keywords
physiological signal
period
signal
frequency
physiological
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.)
Granted
Application number
CN2011800185214A
Other languages
English (en)
Other versions
CN102843966B (zh
Inventor
B·尹
H·杜里克
G·G·G·莫伦
S·A·W·福肯鲁德
J·米尔施特夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102843966A publication Critical patent/CN102843966A/zh
Application granted granted Critical
Publication of CN102843966B publication Critical patent/CN102843966B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/103—Detecting, measuring or recording 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, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0255—Recording instruments specially adapted therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • 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
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Dentistry (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种用于处理周期性生理信号（30，40，52，53，54）的方法和装置。所述方法包括以下步骤：在涵盖所述周期性生理信号（30，40，52，53，54）的两个或更多个周期的时期（31，32，33）中重复地收集（2）所述生理信号（30，40，52，53，54），其中下一时期（31，32，33）邻近先前时期（31，32，33）或者与先前时期（31，32，33）交叠；从每个时期（31，32，33）内的所述生理信号（30，40，52，53，54）中提取（3，13）一组预定义参数的值，所述参数的值表征在所述时期（31，32，33）内的所述生理信号（30，40，52，53，54）；以及基于所提取的该组预定义参数的值来分类（4，14）在每个时期（31，32，33）内的所述生理信号（30，40，52，53，54）。这提供了周期性生理信号的高效分析，其特别适用于当可靠生理信号的趋势比可靠生理信号的即时测量更加重要时的患者的连续监测，例如在医院的普通病房环境和/或家庭环境下。

Description

用于处理周期性生理信号的方法和装置
技术领域
本发明涉及一种用于处理周期性生理信号的方法和装置。
背景技术
对患者生命体征，例如呼吸速率和心率，的监测在医院的重症监护环境下具有的要求与在普通病房场景中或者家庭环境中对患者监测的要求不同。医院的重症监护病房要求所监测参数的即时性和高可靠性，而医院的普通病房环境下更注重于所监测参数的趋势。
例如，已经证明呼吸速率是患者状况恶化的良好指示，并且其结合其他生命体征在早期预警医院系统中起到了极其重要的作用。因而，特别是在医院的重症监测病房中，认为需要对呼吸信号进行连续而可靠的监测。在医院的普通病房场景中或者家庭健康护理应用中，例如在远程医疗和慢性病管理中，也存在类似的需要，其对所监测参数的可靠性和即时呈现具有不太严格的要求。虽然可从用于重症监护患者的床边监测器获得对从其提取呼吸速率的呼吸信号的连续监测，但是也在开发各种便携传感器系统从而允许以最小的不舒适性对普通病房中移动患者的呼吸信号进行无障碍的和长期的测量及监测。
在患者监测中，运动伪影总体上是个众所周知的问题，其是指由患者身体活动例如姿势变化、运动和谈话所引起的生理信号污染以及测量质量的劣化。特别是对于周期性生理信号，从受污染的周期性信号中提取正确的频率可变得非常困难。运动伪影问题在普通病房场景下比重症监护病房场景下更加明显，因为在普通病房场景下的患者通常具有更多的移动活动模式，并且在被监测的大部分时间里是没有固定护理监视的，因而缺少关于身体活动的存在以及测量背景的信息。该问题在家庭健康护理场景下的患者监测中甚至变得更加严重。
为了允许这种连续监测系统的可靠使用，必须解决该运动伪影问题。大部分已报导的研究专注于各种信号恢复方案，其中通常是应用自适应噪声消除以清理受运动污染的信号。在这些方案中具有几个很难克服的固有难点。例如，运动伪影可能由很难识别和估计的多个噪声源引起。另一缺点在于这些方案通常需要很大的计算量，并且因而对于便携式系统而言是效率不高的。
US 5546952公开了一种用于从具有非呼吸伪影的信号中确定呼吸波形的有效性的方法和设备，包括监测呼吸努力波形的波形参数，该参数表征非呼吸伪影。将该参数与预定的界限相比较以确定是否已经检测到有效的呼吸波形。这在阻塞性睡眠呼吸暂停的治疗中是有用的，其中，在可获得有效呼吸努力波形的情况下，妥当地将对患者的电刺激限制于呼吸周期的吸气阶段，以及在未检测到有效呼吸努力的情况下，抑制电刺激。所选择的监测波形参数例如可以是吸气上升时间、吸气峰值时间、吸气开始到呼气结束的时间、吸气峰到峰的时间、呼气峰到峰的时间或者呼吸到呼吸时间。呼吸信号分析过程的初始化在系统开启或者重置时发生，其中该系统追踪几个呼吸周期以设置放大器增益并建立波形的正常形态参数。相对于上次吸气的开始而建立时间基准，从而可以计算下次呼吸的预测的开始，其用于在有效呼吸努力波形的情况下同步电刺激与呼吸周期。虽然这一方法不采用自适应噪声消除，但是其目的仍然在于提供基于逐个峰的可靠的即时呼吸信号，这在重症监护场景下是很重要的，但是其并不是普通病房场景下的先决条件。
发明内容
本发明的目的在于提供一种周期性生理信号的高效分析，其特别适用于当可靠生理信号的趋势比基于逐个峰的可靠生理信号的即时测量更加重要时的患者的连续监测，例如在医院的一般病房环境和/或家庭环境下。
在本发明的第一方面中，提供一种处理周期性生理信号的方法，所述方法包括如下步骤：
-在涵盖所述周期性生理信号的两个或更多个周期的时期中重复地收集所述生理信号，其中下一时期邻近先前时期或者与先前时期交叠；
-从每个时期内的所述生理信号中提取一组预定义参数的值，所述参数表征所述时期内的所述生理信号；以及
-基于所提取的该组预定义参数的值来分类每个时期内的所述生理信号。
因而根据本发明的方法提供了一种基于一组特性参数或者特征对周期性生理信号的不同时期或者帧的分类，其中仅针对该生理信号的那一特定时期或者段而提取该组特性参数或者特征的值。没有例如基于逐个峰的即时信号分析，而是分析循环性或者周期性生理信号的时间帧或者时间段，其中该时间段跨越两个或更多个周期。通过重复针对每个不同时期的生理信号的分析，将把总的生理信号分段或者划分为几个时期，每一时期被分别分类。因而，该生理信号的每个选定时期或者段通过特定分类来表征，该分类可以被用于例如指示生理信号被，例如运动伪影，所污染的程度。因此，替代于从受污染的测量结果中恢复信息，采用了自动识别和分类信号段的信号分析，例如，作为指示每个信号段在多大程度上代表了生理测量结果的质量度量。信号分析以滑动时间窗模式运行。涵盖了至少两个周期的该时间窗或者时期在信号迹线上滑动，并且通过提取该组预定义参数的值以及通过基于所提取的这些参数的值来分类每个时间窗内的信号段而分析每个时间窗或者时期内的信号段。该方法提供了生理信号的趋势分析的改善的方法，其得到可靠的且分类的生理信号，因而提供了对无伪影生理信号的计算密集型即时表示的一种代替。
在根据本发明的方法的实施例中，该方法还包括在分类该生理信号的步骤之后，针对每个时期提取该经分类生理信号的频率的步骤。基于所分类的生理信号来执行周期性生理信号的频率或者速率的计算，因而确保了针对生理信号频率提取的可靠输入。该生理信号的频率例如包括呼吸速率或者心率，其可以被分别定义为每分钟的呼吸数量或者每分钟的心跳数量。
在又一实施例中，该方法还包括在提取该频率的步骤之后，基于从每个时期中的生理信号中提取的该组预定义参数的值和相应时期内的生理信号的所提取的频率的值，针对所提取的频率计算置信度值的步骤。在某些情况下，不仅生理信号的频率而且关于所计算的频率的置信度的信息也是重要的。这一信息在频率数据的进一步处理中，例如针对用于报告的频率或者速率的正确选择以及适当的频率或者速率的趋势分析中，提供有用的输入。
在根据本发明的方法的实施例中，该分类步骤包括将每个时期标记为接受或者拒绝。以这种方式确定针对该生理信号的每个时期，在该时期中的该生理信号是否是可接受的，或者换言之是否类似于正常的生理信号而没有任何显著的污染，或者在该时期中的该生理信号是否是不可接受的，例如由于运动伪影。这提供了经处理的生理信号，其具有被分类为不可接受的或者差的时期，这一时期然后在生理信号的进一步处理中可被忽略。另一方面，经处理的生理信号的被分类为可接受的或者好的时期可以被视为是不具有任何显著干扰的生理信号的可靠表示，并且因而可以被用作用于信号的进一步处理的可靠输入。
在优选实施例中，针对每个被标记为拒绝的时期，不提取生理信号的频率。以这种方式防止了使用包含受污染生理信号的时期来计算错误的周期性生理信号的频率。将只进一步处理被识别为好的或者可接受的信号段，从而该频率的提取产生该频率的有意义的值。
在根据本发明的方法的实施例中，生理信号表示患者的呼吸和/或脉搏。呼吸和脉搏表示最重要的生理信号。然后信号的频率被表示为呼吸速率和/或脉搏率。
在根据本发明的方法的实施例中，预定义参数根据时间、频率和/或空间位置表征生理信号。根据时间的参数可以例如是信号方差、峰到峰的值和时间相关性。根据频率的参数可以例如是主频率和谱熵。根据空间位置的参数在使用多轴加速度计作为生理信号感测设备的情况下可以例如是表示笛卡尔坐标系统中位置的轴之间的相关性，其中呼吸运动通常在该传感器的一个平面中发生，并且因而来自这一平面中的两个轴的信号具有很强的相关性，而与这一平面垂直的轴主要测量噪声，这将帮助从受到运动污染的测量结果中区分出好的生理测量结果。
在根据本发明的方法的实施例中，在下一时期和先前时期之间有交叠的情况下，仅针对下一时期的不与先前时期交叠的部分来执行该分类步骤。通过应用两个相继时期的交叠，实现了改进的时间分辨率，并且改善了分类的可靠性和鲁棒性。例如，在两个相继时期交叠50%的情况下，在当前时期中的一半数据是来自先前时期的，该先前时期己经在先前步骤中被分析和分类，并且在当前时期中的一半数据是新的且仍未被分析。分类步骤使用针对整个当前时期导出的参数的值但是仅将该时期的新的部分分类或者标记为例如好的或者差的。可以针对分类的时间分辨率和在相继时期上的运动伪影传播的良好权衡来优化相继时期之间的交叠量。
在根据本发明方法的实施例中，该分类步骤也基于该组预定义参数的统计数据库。用于分类步骤的增加的输入数据组提供了生理信号分类的改善的可靠性。
在根据本发明的方法的实施例中，该方法还包括在重复地收集生理信号的步骤之前，调节该生理信号的步骤，其中重复地收集该生理信号的步骤包括重复地收集经调节的信号。例如，信号调节包括过滤该生理信号使得与表示该周期性生理信号的频率对应的频率通过该过滤步骤。这减少了噪声以及可能进一步减少对该生理信号的不必要的环境影响。例如，在该生理信号指示呼吸的情况下，该调节步骤优先过滤该生理信号使得与呼吸运动的可能频率对应的频率通过该过滤步骤。在这一情况下，在0Hz和2Hz之间的频率范围内的频率优先通过该过滤步骤。作为另一例子，在生理信号指示人的心脏活动的情况下，该过滤步骤优先过滤加速度计信号使得与心脏活动运动的可能频率对应的频率通过过滤单元，例如在使用加速度传感器的情况下，该调节步骤可以适于过滤生理信号使得在5Hz和20Hz之间的频率范围内的频率通过该过滤步骤，这是因为加速度计可以在这一频率范围中捕获到由跳动心脏引起的机械振动，这对应于在大约0.5Hz到4Hz之间的范围中发生的或者每分钟大约30到240次跳动的心率。在取得经过滤信号的包络线之后，应用0.5Hz和4Hz之间的带通滤波器以产生用于心率计算的信号。也可以实现呼吸和心脏活动过滤的组合。通过在分析该信号之前调节该信号，例如通过噪声过滤和/或信号归一化，滤除了总污染从而得到改进的以及更可靠和鲁棒的信号分析。
在根据本发明的方法的实施例中，同时收集多个生理信号，并且针对该多个生理信号的每个分别执行提取和分类步骤。例如，在患者身体的不同位置处测量到的生理信号可能对运动伪影做出不同的反应，因而在相应的时期内产生互补的经分类的生理信号，这导致了在时间上有用生理信号可用性的增加以及更加鲁棒和可靠的分类。
在本发明的第二方面中，提供了一种用于监测周期性生理信号的装置，所述装置包括：
-传感器，其适于测量所述周期性生理信号；
-时期定义单元，其适于重复地定义涵盖所述周期性生理信号的两个或更多个周期的时期，在所述时期中分析所述生理信号，其中下一时期邻近先前时期或者与先前时期交叠；
-提取单元，其适于从所述时期内的所述生理信号中提取一组预定义参数的值，所述参数表征所述时期内的所述生理信号；以及
-分类单元，其适于基于所提取的该组预定义参数的值来分类所述时期内的所述生理信号。
在根据本发明的装置的实施例中，所述传感器包括多轴加速度计，并且所测量的生理信号包括对应于该多个轴的多个子信号，并且在时间上同步地分析这些子信号。多轴加速度计是在多个感测轴上测量加速度的设备，并且例如可用作倾角计以反映由呼吸引起的腹部或者胸部运动，或者以测量身体表面的反映心脏活动的机械振动。多轴加速度计例如是三轴加速度计，其适于产生指示沿着三个正交空间轴的加速度的三个加速度计信号，其中时期定义单元适于组合这些三个加速度计信号以分析组合的信号。优选的是该多轴加速度计适于被定位在人的身体部分上，其中所测量的信号是指示人的呼吸和心脏活动的至少一个的运动信号。为了产生指示呼吸的运动信号，该多轴加速度计优选定位在肋弓处，大约在中央位置和侧卧位置之间的中间。然而，该多轴加速度计也可以位于其他位置，例如在腹部上，尤其在归因于身体形态的限制，例如术后伤口，适用的情况下。为了产生指示心率的运动信号，该多轴加速度计优选定位在腹部/胸部的左侧。还优选该加速度计定位在肋弓处，具体而言，在左下肋的软骨处。用于产生指示心率的运动信号的多轴加速度计的又一优选位置是胸部上的较高的位置或者腹部上的较低的位置。特别是，也优选用于确定指示呼吸的运动信号的优选位置来测量指示心率的运动信号。尤其是，为了产生指示呼吸和心率的运动信号，该多轴加速度计优选定位在肋弓处，左侧的中央-侧卧的中间。
在根据本发明的装置的实施例中，所述装置还包括频率确定单元，其用于确定经分类的生理信号的频率的值。在优选实施例中，所述装置包括多个传感器并且适于测量多个生理信号，每个生理信号被分别地或者组合地分析。
应当理解的是，本发明的优选实施例也可以是从属权利要求与相应独立权利要求的任意组合。
附图说明
参照下文描述的（一个或多个）实施例，本发明的这些和其他方面将变得显而易见并且得到阐述。在附图中：
图1示出的流程图示例性地图示了处理周期性生理信号的方法的实施例；
图2示意性和示例性地示出了针对分段信号分析定义时期的范例；
图3示出的流程图示例性地图示了处理周期性生理信号的方法的另一实施例；
图4示出的流程图示例性地图示了处理周期性生理信号的方法的另一实施例；
图5示出的流程图示例性地图示了处理周期性生理信号的方法的另一实施例；
图6示意性和示例性地示出了周期性生理信号的分类的范例；
图7示意性和示例性地示出了由三轴加速度计测量的周期性生理信号的分类的另一范例；以及
图8示意性和示例性地示出了适于处理周期性生理信号的装置的实施例。
具体实施方式
图1示出的流程图示例性地图示了处理周期性生理信号的方法的实施例。在步骤1中，在这一实施例中使用位于对象（在这一范例中是人）的适当位置上的传感器来捕获周期性生理信号。该人可是医院重症监护部的患者，但是也可以是医院普通病房部的患者，在该医院普通病房部中的患者与重症监护环境下的相比移动得更多并且被较为不严格地监测。此外，该人可位于他自己的家庭环境中。传感器例如可包括适于产生加速度计信号的多轴加速度计，该加速度计信号指示沿着不同空间轴的加速度。在这一实施例中，该多轴加速度计是适于产生指示沿着三个正交空间轴的加速度的三个加速度计信号的三轴加速度计。例如，可以使用名为STMicroelectronics LIS344ALH或者Kionix KXM52的三轴加速度计。然而，也可以使用其他类型的多轴加速度计来产生指示沿着不同空间轴的加速度的加速度计信号。周期性生理信号可是人的呼吸或者心跳。呼吸速率是患者监测中最重要的生命体征之一，并且其已经被证明是患者状况恶化的良好指示，并且其结合其他生命体征，例如心率，在早期预警医院系统中起到极其重要的作用。
在图1的步骤2中，定义时期并且在那一时期中收集生理信号。该时期涵盖两个或更多个生理信号周期，优选地至少五个周期。根据所监测生理信号的类型，该时期典型地为几秒或者几十秒。例如，对于呼吸信号分类该时期可选择为从30秒到一分钟，其中可涵盖大约5到30个呼吸，这是呼吸的典型频率范围。
在图1的步骤3中，从在步骤2定义的时期内的信号段中提取一组预定义参数的值。该参数和它们的值从诸如时间、频率和空间坐标，即，空间中的位置的各个方面，表征当前时期内的信号段。为了掌握例如呼吸或者心跳信号的独特特征，可以定义该信号的特定特性。根据时间的特性参数例如是信号方差、峰到峰的值和时间相关性。根据频率的特性参数例如是主频率和谱熵。根据空间坐标的特性参数例如是用三轴加速度计测量到的三个正交空间轴之间的相关性。由加速度计测量的典型呼吸信号具有低的信号方差，以0.05Hz到2Hz范围的频率为周期，并且具有很强的轴间相关性。所提取的参数的值将每个信号段映射到参数空间中的点上。
在图1的步骤4中，基于在步骤3中提取的该组预定义参数的值而将在步骤2中定义的时期内的信号段分类。该分类可是当前时期内的信号段的简单的好-差分类，其指示在当前时期中的信号是否类似于例如呼吸信号。该分类也可得到关于生理信号受到，例如运动伪影，污染的程度的指示。
在图1的步骤10中，核查是否应当定义下一时期。如果不必定义下一时期，例如由于到达了信号的末端，那么该方法在步骤11中停止。如果可以和/或应当定义下一时期，那么该方法返回步骤2并且定义下一时期。该下一时期可邻近于先前的时期。替代地，该下一时期与先前时期交叠。通过应用两个相继时期的交叠，可以实现改进的时间分辨率。在定义了下一时期之后，该方法继续进行步骤3，其中针对这一下一时期内的信号段提取一组预定义参数的值，接着是步骤4，其中基于在先前步骤中提取的该组预定义参数的值而将位于这一下一时期内的信号段分类。在这一下一时期与先前时期交叠的情况下，例如在两个相继时期交叠50%的情况下，在当前时期中的一半数据是来自已经在先前步骤中被分析并且被分类的先前时期，并且在当前时期中只有一半的数据是新的并且未被分析。在这一情况下分类步骤使用针对全部当前时期导出的参数的值，但是只将该时期的新的部分分类或者标记为例如好的或者差的。
图2示意性和示例性地示出了根据时间的呼吸信号30的范例，其中针对分段信号分析定义了时期31、32、33。图2中曲线图的水平轴表示任意单位的时间并且垂直轴表示任意单位的呼吸信号的幅值。图2图示了这一实施例应用相继交叠的时期。第一时期31与第二时期32交叠，并且第二时期32与第三时期33交叠。在该曲线图中未示出接着时期33之后的其他时期。根据图1的流程图所图示的方法，首先在步骤2中定义第一时期31。在图1的步骤3和4中分析该第一时期31内的呼吸信号30的部分，包括首先提取第一组预定义参数的值，然后将该第一时期31内的信号30的该部分分类。在下一个循环中，定义第二时期32，并且收集该第二时期32内的信号30的部分的数据，并且将其用于针对这一第二时期32内的信号段提取第二组预定义参数的值。由于在先前的分类步骤中已经分类了第一时期31中与第二时期32交叠的部分，因此在这一实施例中，只分类信号30中在第二时期32的部分内的不与第一时期31交叠的部分。然后定义第三时期33，并且收集在该第三时期33内的信号30的部分的数据，并且将其用于针对这一第三时期33内的信号段提取第三组预定义参数的值。由于在先前的分类步骤中已经分类了第二时期32中与第三时期33交叠的部分，因此在这一实施例中，只分类信号30中在第三时期33的部分内不与第二时期32交叠的部分。重复这些步骤直到用相继的时期涵盖整个信号30（未示出）。可以针对分类的时间分辨率和在相继时期上的运动伪影传播的良好权衡来优化相继时期之间的交叠量。每个分类了信号30的时间段的该时期在信号30上滑动从而提供分段的信号分析和分类。
图3示出的流程图示例性地图示了处理周期性生理信号的方法的另一实施例。图3中图示的方法是在图1中图示方法的扩展。图1的步骤1、2、3、4、10和11是图3中的同一步骤。在这一实施例中，在步骤1之后，步骤12提供了对在步骤1中捕获的信号的调节。信号的调节可包括，例如在该方法的下一步骤中分析信号之前对信号过滤以改进信号的质量。例如，步骤12包括信号的过滤使得与呼吸或者心脏活动的可能频率对应的频率通过。特别是，过滤步骤可以适于过滤频率使得在0.5Hz和4Hz之间的典型心率或者频率范围通过。应当注意到加速度计可以捕获到在大约5Hz和20Hz之间的频率范围中由跳动的心脏引起的机械振动，这对应于在大约0.5Hz到4Hz之间的范围中发生的或者每分钟大约30到240次跳动的心率。在取得经过滤信号的包络线之后，应用过滤心率的频率范围的带通滤波器以产生用于心率计算的信号。也可能为了确定呼吸频率而过滤在0Hz和2Hz之间频率范围的信号，以及为了确定心率频率而过滤信号使得只通过在大约0.5Hz和4Hz之间的频率范围。这两个频率范围的组合或者另一频率范围也是可选的。在这一实施例中，在步骤2中，在所选择的时期上收集被调节的生理信号。
在图3的步骤5中，基于在先前步骤4中对信号段的分类结果来确定当前时期内的信号段是好的或者差的，即，将被接受或者被拒绝。例如在呼吸信号的情况下，在当前时期内的信号段类似于呼吸信号的情况下，将其分类为好的或者可接受的，并且在其由于例如人的身体运动导致的运动伪影污染而不类似于呼吸信号的情况下，将其分类为差的或者被拒绝的。如果在步骤5中接受当前时期内的信号段，那么在步骤6中针对当前时期内的信号的部分计算周期性信号的频率或者速率。由于信号段被分类为好的并且因而类似于所需要的生理信号，因此针对这一信号段计算的频率或者速率的值将是可靠值。例如，在呼吸信号的情况下，在步骤6中计算呼吸速率并且在心跳信号的情况下计算脉搏率。所计算的呼吸速率和/或脉搏率可以被显示在显示器上（未示出）。另一方面，如果在步骤5中拒绝当前时期内的信号段，那么将不计算针对这一时期内的信号段的频率或者速率。在这种情况下，当前时期内的信号并不类似于所需要的生理信号，例如呼吸或者心跳信号，并且针对这一信号段的呼吸速率或者脉搏率的计算将导致不准确的值。为了增强被拒绝信号段的可见性，可以通过在示出根据时间的信号的显示器上在这一时期的信号上涵盖有颜色的条带而将在这一时期中的信号段标记为差的或者被拒绝的。
可以使用各种分类算法来进行好/差信号分类。通常使用的分类器包括基于规则的、贝叶斯法、人工神经网络、决策树、线性判别函数和k最近邻分类器。这种呼吸特异性的分类器的选择和设计可包括统计学上完整的移动对象的呼吸数据库的使用，使用其来训练所选择的分类器并且评价其分类性能。诸如算法的运算复杂度和可解释性的标准对于分类器的选择也可能是重要的。作为结果的分类器常常是多个标准的良好权衡。注意到好/差分类器的产生是离线完成的，并且分类的执行是即时且运算量少的，使得实时的生理信号分析成为可能。
图4示出的流程图示例性地图示了处理周期性生理信号的方法的另一实施例。图4中图示的方法是在图3中图示方法的扩展。图3中同样编号的步骤是图4中的同一步骤。在这一实施例中，在步骤6之后，在步骤7中，在信号段被分类为可接受的情况下针对在当前时期中的这一信号的部分计算所计算频率的置信指数。该置信指数指示在步骤6中计算出的频率的置信度或者精度。可使用在步骤4中针对相应信号段所提取的参数的值并结合所计算的频率值，例如呼吸速率或者心率的值，来定义置信指数。置信指数在呼吸速率或者心率数据的进一步处理中，例如在呼吸速率的正确报告以及适当的呼吸速率趋势分析中，提供有用的输入。
图5示出的流程图示例性地图示了处理周期性生理信号的方法的另一实施例。图5中图示的方法是在图4中图示方法的扩展。图4中同样编号的步骤是图5中的同一步骤。在图5中，在步骤1中用加速度计捕获信号。当将加速度计用作感测设备时，不仅可以测量呼吸而且也可以测量心跳或者脉搏信息。这在图5中描绘出，其中邻近已经存在的包括步骤3、4、5、6和7的分支并入了专用于心脏信号分析的分支，在这一实施例中，在该已经存在的分支中分析呼吸信号。步骤12在这一实施例中适于使用滤波器来过滤加速度计信号，该滤波器用于过滤用于确定呼吸的加速度计信号以及用于确定心率的加速度计信号两者。替代地，可应用两个单独的专用滤波器，第一滤波器用于过滤用于确定呼吸的加速度计信号，并且第二滤波器用于过滤用于确定心率的加速度计信号。由于心跳引起了由传感器作为惯性加速度来测量的身体表面的机械振动（以及小倾角变化），因此在比针对呼吸信号更高的频带中处理脉搏信号。
在图5的步骤13中，从在步骤2中定义的时期内的脉搏信号段中提取一组预定义参数的值。参数和它们的值从各个方面例如时间、频率和空间坐标（即，空间中的位置）上表征当前时期内的脉搏信号段。为了掌握心跳信号的独特特征，可以定义该信号的特定特性。脉搏信号的根据时间的特性参数例如是信号方差、信号均值和时间相关性。根据频率的特性参数例如是主频率和谱熵。根据空间坐标的特性参数例如是用三轴加速度计测量到的三个正交空间轴之间的相关性。由加速度计测量到的典型脉搏信号以0.5Hz到4Hz范围的频率为周期，并且具有很强的轴间相关性。应当注意到加速度计可以捕获到在大约5Hz和20Hz之间的频率范围中由跳动心脏引起的机械振动，该跳动心脏对应于在大约0.5Hz到4Hz之间的范围中发生的或者每分钟大约30到240次跳动的心率。在取得经过滤信号的包络线之后，应用过滤心率频率范围的带通滤波器以产生用于心率计算的信号。应当注意到在步骤2中时期的定义也可以分别针对脉搏信号和呼吸信号做出。
在图5的步骤14中，基于在步骤13中提取的该组预定义参数的值，以与步骤3中针对呼吸信号所做的类似但针对心跳或者脉搏信号进行了优化和调整的方式，来分类在步骤2中定义的时期内的脉搏信号段。在图5的步骤15中，基于在先前步骤14中的分类结果，以与步骤5中针对呼吸信号所做的类似但是目前针对脉搏信号特性进行了调整的方式，确定当前时期内的脉搏信号段是好的或者差的，即，被接受或者被拒绝。如果在步骤15中接受当前时期内的脉搏信号段，那么在步骤16中针对处于当前时期内的信号的该部分以与步骤6中计算呼吸速率类似的方式来计算脉搏率。由于脉搏信号段被分类为好的并且因而类似于典型的心跳信号，因此针对这一信号段所计算的脉搏率的值将是可靠的值。所计算的呼吸速率和脉搏率两者可以被显示在显示器上（未示出）。另一方面，如果在步骤15中拒绝当前时期内的脉搏信号段，那么将不计算针对这一时期内的脉搏信号段的脉搏率。在这种情况下，当前时期内的脉搏信号并不类似于心跳信号，并且针对这一脉搏信号段的脉搏率的计算将导致不准确的脉搏率值。类似地，在步骤5中当在当前时期内的信号段不类似于呼吸信号的情况下，将不计算呼吸速率。也可能的是在同一时期内接受心跳信号并且拒绝呼吸信号，或者反之亦然。在步骤16之后，在步骤17中，在脉搏信号段被分类为可接受的情况下，针对在目前时期中的这一脉搏信号的该部分，以与步骤6中针对呼吸信号段计算呼吸速率置信指数类似的方式，来计算所计算的脉搏率的脉搏率置信指数。该脉搏率置信指数指示在步骤16中计算的脉搏率的置信度或者精度。可使用在步骤14中针对相应脉搏信号段所提取的参数的值并结合所计算的脉搏率值来定义脉搏率置信指数。脉搏率和呼吸速率置信指数在呼吸速率或者脉搏率数据的进一步处理中，例如在呼吸速率和/或脉搏率的正确报告以及适当的呼吸速率和/或脉搏率趋势分析中，提供有用的输入。
图6示意性和示例性地示出了应用根据本发明方法的呼吸信号40的分类的范例。图6中曲线图的水平轴表示任意单位的时间并且垂直轴表示呼吸信号40的任意单位的幅值。阴影的或者有颜色的条带指示被分类和/或被标记为差的或者被拒绝的信号段41。未在信号段41内的呼吸信号40被分类为好的或者可被接受的信号段。从图6很明确的是被拒绝的信号段41受到例如运动伪影的污染，并且未被拒绝的信号段比被拒绝的信号段41更好地反映呼吸信号。
图7示意性和示例性地示出了由三轴加速度计测量的呼吸信号52、53、54的分类的另一范例。图7中示出了三个曲线图，每个反映了针对三轴加速度计的相应空间轴而捕获的呼吸信号。图7中每个曲线图的水平轴表示任意单位的时间，并且垂直轴在图7a中表示针对空间x-轴捕获的x-轴加速度计呼吸信号52的幅值、在图7b中表示针对空间y-轴捕获的y-轴加速度计呼吸信号53的幅值，以及在图7c中表示针对空间z-轴捕获的z-轴加速度计呼吸信号54的幅值。可以针对每个信号52、53、54并行执行信号分析，其中在分类步骤中可以进行三个不同分类结果之间的比较以提供当前时期的组合分类。替代地，可对三个信号52、53、54所组合成的一个信号来执行分类。阴影的或者有颜色的条带指示被分类和/或被标记为被拒绝的信号段51，并且从其很明确的是被拒绝的信号段51受到例如运动伪影的污染，并且未被拒绝的信号段比被拒绝的信号段51更好地反映了呼吸信号。
根据本发明的方法可以由适于执行在根据本发明方法中限定的步骤的计算机程序来运行。
图8示意性和示例性地示出了适于处理周期性生理信号的装置的实施例。传感器101从诸如患者的对象捕获周期性生理信号。所捕获的周期性生理信号被输入到时期定义单元102，在该时期定义单元中针对收集信号数据的时期来定义时期。时期定义单元102适于重复地定义相继时期，其中下一时期邻近先前时期或者与先前时期交叠。在该时期中所包含的信号的部分被输入到提取单元103，提取单元从已经在时期定义单元102中被收集和定义的当前时期中的信号段中提取一组预定义参数的值。该参数和它们的值定义了该生理信号所特有的特性和针对当前信号段所提取的参数的值，并且因而表征当前时期内的生理信号段。所提取的参数的值被输入到分类单元104，分类单元基于所提取的参数的值而将当前时期内的信号分类。在这一实施例中，被分类的信号被输入到频率计算单元105，频率计算单元基于分类结果，并且任选地也基于所提取的参数的值，来计算被分类的周期性生理信号的频率。
监测装置优选包括用于以互补位置定位在人身上，优选在人的胸部和/或腹部上的一个或多个多轴加速度计，特别是两个三轴加速度计，以便特别是在移动的条件下监测呼吸和/或心率。该多轴加速度计被用作倾角仪以反映对象的运动，特别是反映由呼吸和/或心脏活动而引起的腹部或者胸部的运动。该运动由对象表面的倾角变化来反映，多轴加速度计定位在该对象上。多轴加速度计的几个空间轴，优选为三个正交的轴，记录加速度计信号，该信号等于重力矢量在这些轴中的每一个上的投影。优选地，提取单元和分类单元适于并行地分析该一个或多个多轴加速度计的信号。
根据本发明的监测装置和信号分析方法可以用于患者监测，特别是用于帮助检测在重症监护区域之外的重病患者。
尽管在以上描述的实施例中，所述多轴加速度计优选地具有三个正交轴，但所述多轴加速度计也可具有两个正交轴或者多于三个的轴。此外，空间轴也可具有其他的角度，即，在另一实施例中，轴可以是非正交的。
尽管在以上描述的实施例中，使用了一个或两个多轴加速度计，但也可使用多于两个的加速度计用于确定呼吸速率和/或心率。
通过研究附图、公开和所附权利要求，本领域技术人员在实践所主张的本发明时，可以理解和实现所公开实施例的其他变型。
在权利要求中，措辞“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。
单一单元或设备可以实现在权利要求中所记载的几项功能。在相互不同的从属权利要求中记载某些措施的这一仅有事实，并不表示不能将这些措施的组合加以利用。
计算机程序可被存储/分布在合适的介质上，例如与其他硬件一起提供或者作为其他硬件一部分的光学存储介质或者固态介质，但是其也可能以其他形式分布，例如经由因特网或者其他有线或者无线的电信系统。
在权利要求中的任何附图标记不应当被解释为是对范围的限制。

Claims (15)

1.一种处理周期性生理信号（30，40，52，53，54）的方法，所述方法包括以下步骤：
-在涵盖所述周期性生理信号（30，40，52，53，54）的两个或更多个周期的时期（31，32，33）中重复地收集（2）所述生理信号（30，40，52，53，54），其中，下一时期（31，32，33）邻近先前时期（31，32，33）或者与先前时期（31，32，33）交叠；
-从每个时期（31，32，33）内的所述生理信号（30，40，52，53，54）中提取（3，13）一组预定义参数的值，所述参数的值表征所述时期（31，32，33）内的所述生理信号（30，40，52，53，54）；以及
-基于所提取的该组预定义参数的值来分类（4，14）每个时期（31，32，33）内的所述生理信号（30，40，52，53，54）。
2.如权利要求1所述的方法，还包括在所述分类（4，14）所述生理信号（30，40，52，53，54）的步骤之后，针对每个时期（31，32，33）提取经分类的生理信号（30，40，52，53，54）的频率（6，16）的步骤。
3.如权利要求2所述的方法，还包括在所述提取所述频率（6，16）的步骤之后，基于从每个时期（31，32，33）中的所述生理信号（30，40，52，53，54）中提取的所述组预定义参数的所述值和相应时期（31，32，33）内的所述生理信号（30，40，52，53，54）的所提取的频率的值，针对所提取的频率计算置信度值（7，17）的步骤。
4.如权利要求1所述的方法，其中，所述分类的步骤（4，14）包括将每个时期（31，32，33）标记（5，15）为接受或者拒绝。
5.如权利要求2和4所述的方法，其中，针对每个被标记为拒绝的时期（31，32，33），不提取所述生理信号（30，40，52，53，54）的所述频率。
6.如权利要求1所述的方法，其中，所述生理信号（30，40，52，53，54）表示患者的呼吸和/或脉搏。
7.如权利要求1所述的方法，其中，所述预定义参数根据时间、频率和/或空间位置表征所述生理信号（30，40，52，53，54）。
8.如权利要求1所述的方法，其中，在所述下一时期（31，32，33）和所述先前时期（31，32，33）之间有交叠的情况下，仅针对所述下一时期（31，32，33）的不与所述先前时期（31，32，33）交叠的部分来执行所述分类的步骤（4，14）。
9.如权利要求1所述的方法，其中，所述分类的步骤（4，14）也基于所述组预定义参数的统计数据库。
10.如权利要求1所述的方法，还包括在所述重复地收集（2）所述生理信号（30，40，52，53，54）的步骤之前，调节（12）所述生理信号（30，40，52，53，54）的步骤，其中，所述重复地收集（2）所述生理信号（30，40，52，53，54）的步骤包括重复地收集经调节的信号。
11.如权利要求1所述的方法，其中，同时收集多个生理信号（52，53，54），并且其中，分别针对所述多个生理信号（52，53，54）的每个执行所述提取的步骤和所述分类的步骤。
12.一种用于监测周期性生理信号（30，40，52，53，54）的装置，所述装置包括：
-传感器（101），其适于测量所述周期性生理信号（30，40，52，53，54）；
-时期定义单元（102），其适于重复地定义涵盖所述周期性生理信号（30，40，52，53，54）的一个或多个周期的时期（31，32，33），在所述时期中分析所述生理信号（30，40，52，53，54），其中，下一时期（31，32，33）邻近先前时期（31，32，33）或者与先前时期（31，32，33）交叠；
-提取单元（103），其适于从所述时期（31，32，33）内的所述生理信号（30，40，52，53，54）中提取一组预定义参数的值，所述参数表征所述时期（31，32，33）内的所述生理信号（30，40，52，53，54）；以及
-分类单元（104），其适于基于所提取的该组预定义参数的值来分类所述时期（31，32，33）内的所述生理信号（30，40，52，53，54）。
13.如权利要求12所述的装置，其中，所述传感器（101）包括多轴加速度计，并且其中，所测量的生理信号（30，40，52，53，54）包括对应于多个轴的多个子信号（52，53，54），并且所述子信号（52，53，54）被时间上同步地分析。
14.如权利要求12所述的装置，还包括频率确定单元（105），其用于确定经分类的生理信号（30，40，52，53，54）的所述频率的值。
15.如权利要求12所述的装置，其中，所述装置包括多个传感器并且适合于测量多个生理信号（30，40，52，53，54），每个生理信号被单独地或者组合地分析。
CN201180018521.4A 2010-02-12 2011-02-07 用于处理周期性生理信号的方法和装置 Active CN102843966B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP10153489.9 2010-02-12
EP10153489 2010-02-12
PCT/IB2011/050510 WO2011098942A1 (en) 2010-02-12 2011-02-07 Method and apparatus for processing a cyclic physiological signal

Publications (2)

Publication Number Publication Date
CN102843966A true CN102843966A (zh) 2012-12-26
CN102843966B CN102843966B (zh) 2016-01-20

Family

ID=44022100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180018521.4A Active CN102843966B (zh) 2010-02-12 2011-02-07 用于处理周期性生理信号的方法和装置

Country Status (6)

Country Link
US (2) US20120302900A1 (zh)
EP (1) EP2533693B1 (zh)
JP (1) JP5855019B2 (zh)
CN (1) CN102843966B (zh)
BR (1) BR112012019853A8 (zh)
WO (1) WO2011098942A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103429150A (zh) * 2011-03-11 2013-12-04 皇家飞利浦有限公司 用于监测生理信号的监测装置
CN105072997A (zh) * 2013-02-15 2015-11-18 皇家飞利浦有限公司 用于获得对象的呼吸信息的设备
CN105982658A (zh) * 2015-02-13 2016-10-05 华硕电脑股份有限公司 生理信息侦测方法及装置
CN106798552A (zh) * 2015-11-25 2017-06-06 德克萨斯仪器股份有限公司 具有状态序列优化的心率估计设备
CN109416288A (zh) * 2016-04-22 2019-03-01 株式会社村田制作所 监测系统
US10758185B2 (en) 2015-11-25 2020-09-01 Texas Instruments Incorporated Heart rate estimation apparatus using digital automatic gain control

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2580893C2 (ru) 2010-08-04 2016-04-10 Конинклейке Филипс Электроникс Н.В. Мониторинг сигналов жизнедеятельности организма во время движения
BR112015007636A2 (pt) 2012-10-09 2017-07-04 Koninklijke Philips Nv dispositivo de monitoramento da respiração de pacientes, e método de monitoramento da taxa respiratória de um paciente
BR112015013555A2 (pt) * 2012-12-14 2017-07-11 Koninklijke Philips Nv sistema médico para detectar eventos arrítmicos
US20140275887A1 (en) * 2013-03-15 2014-09-18 Nellcor Puritan Bennett Ireland Systems And Methods For Monitoring Respiratory Depression
WO2015018752A1 (en) 2013-08-09 2015-02-12 Koninklijke Philips N.V. Processing apparatus and processing method for determining a respiratory signal of a subject
EP2974648A1 (en) * 2013-12-18 2016-01-20 Analog Devices Global System and method for measuring respiration with accelerometers
WO2015092618A1 (en) * 2013-12-19 2015-06-25 Koninklijke Philips N.V. Opposing accelerometers for a heart rate monitor
DE102014205828B4 (de) * 2014-03-28 2023-03-30 Siemens Healthcare Gmbh Verfahren zum Ermitteln des Zeitpunktes einer Herzbewegung und zum Triggern eines bildgebenden Systems und entsprechende Vorrichtung
US9867575B2 (en) * 2014-08-22 2018-01-16 Apple Inc. Heart rate path optimizer
CN106456030B (zh) * 2014-06-13 2020-01-17 日东电工株式会社 用于消除生理测量中的伪影的设备和方法
US9619039B2 (en) * 2014-09-05 2017-04-11 The Boeing Company Obtaining metrics for a position using frames classified by an associative memory
US9911031B2 (en) 2014-09-05 2018-03-06 The Boeing Company Obtaining metrics for a position using frames classified by an associative memory
US10342462B2 (en) * 2014-10-26 2019-07-09 David Martin Application of gait characteristics for mobile
CN106456051A (zh) * 2014-11-21 2017-02-22 深圳迈瑞生物医疗电子股份有限公司 一种呼吸监测设备、方法和装置
JP6689285B2 (ja) * 2015-02-26 2020-04-28 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 被験者のバイタルサインを監視する際に用いる加速度計信号を処理する処理装置、システム、及び方法
KR102436729B1 (ko) * 2015-07-27 2022-08-26 삼성전자주식회사 생체 신호 처리 장치 및 생체 신호 처리 방법
EP3435844B1 (en) * 2016-03-31 2021-03-10 Koninklijke Philips N.V. Pregnancy monitoring system and method
KR102588906B1 (ko) 2017-12-01 2023-10-13 삼성전자주식회사 생체 신호 품질 평가 장치 및 방법
US11457872B2 (en) * 2017-12-01 2022-10-04 Samsung Electronics Co., Ltd. Bio-signal quality assessment apparatus and bio-signal quality assessment method
US11064906B2 (en) * 2018-01-29 2021-07-20 Electronics And Telecommunications Research Institute Method and apparatus for determining respiration state based on plurality of biological indicators calculated using bio-signals
JP7381301B2 (ja) * 2019-11-14 2023-11-15 日本光電工業株式会社 学習済みモデルの生成方法、学習済みモデルの生成システム、推論装置、およびコンピュータプログラム
US11006843B1 (en) * 2020-08-20 2021-05-18 Cloud Dx, Inc. System and method of determining breathing rates from oscillometric data
US11272859B1 (en) * 2020-08-20 2022-03-15 Cloud Dx, Inc. System and method of determining respiratory status from oscillometric data

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1504164A (zh) * 2002-12-04 2004-06-16 GEҽҩϵͳ����Ƽ���˾ 使用非电信号来确定任意的心脏阶段
US20040249314A1 (en) * 2003-06-09 2004-12-09 Salla Prathyusha K. Tempero-spatial physiological signal detection method and apparatus
WO2008096307A1 (en) * 2007-02-07 2008-08-14 Philips Intellectual Property & Standards Gmbh Sleep management
US20080269625A1 (en) * 2004-02-05 2008-10-30 Earlysense Ltd. Prediction and monitoring of clinical episodes
CN101589952A (zh) * 2008-05-29 2009-12-02 慈济大学 推估心率变异的方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311876A (en) * 1992-11-18 1994-05-17 The Johns Hopkins University Automatic detection of seizures using electroencephalographic signals
US5546952A (en) 1994-09-21 1996-08-20 Medtronic, Inc. Method and apparatus for detection of a respiratory waveform
US5931858A (en) * 1998-01-12 1999-08-03 Cardiac Pacemakers, Inc. Implantable device for monitoring aerobic capacity of patients
JP3057438B2 (ja) * 1998-09-11 2000-06-26 日本アビオニクス株式会社 非接触式心肺機能監視装置
US7160252B2 (en) * 2003-01-10 2007-01-09 Medtronic, Inc. Method and apparatus for detecting respiratory disturbances
FR2856913B1 (fr) * 2003-07-02 2005-08-05 Commissariat Energie Atomique Detecteur portatif pour mesurer des mouvements d'une personne porteuse, et procede.
US20070118054A1 (en) * 2005-11-01 2007-05-24 Earlysense Ltd. Methods and systems for monitoring patients for clinical episodes
WO2006055917A2 (en) * 2004-11-19 2006-05-26 Vivometrics, Inc. Methods and systems for real time breath rate determination with limited processor resources
CN104352224B (zh) * 2006-11-01 2017-01-11 瑞思迈传感器技术有限公司 用于监测心肺参数的系统和方法
US7559903B2 (en) * 2007-03-28 2009-07-14 Tr Technologies Inc. Breathing sound analysis for detection of sleep apnea/popnea events
WO2008135985A1 (en) * 2007-05-02 2008-11-13 Earlysense Ltd Monitoring, predicting and treating clinical episodes
US20090118626A1 (en) * 2007-11-01 2009-05-07 Transoma Medical, Inc. Calculating Respiration Parameters Using Impedance Plethysmography
US8230858B2 (en) * 2008-04-01 2012-07-31 General Electric Company Controlling the operation of a respiratory gas monitor

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1504164A (zh) * 2002-12-04 2004-06-16 GEҽҩϵͳ����Ƽ���˾ 使用非电信号来确定任意的心脏阶段
US20040249314A1 (en) * 2003-06-09 2004-12-09 Salla Prathyusha K. Tempero-spatial physiological signal detection method and apparatus
US20080269625A1 (en) * 2004-02-05 2008-10-30 Earlysense Ltd. Prediction and monitoring of clinical episodes
WO2008096307A1 (en) * 2007-02-07 2008-08-14 Philips Intellectual Property & Standards Gmbh Sleep management
CN101589952A (zh) * 2008-05-29 2009-12-02 慈济大学 推估心率变异的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANMIN JIN ET AL: "Performance Evaluation of a Tri-axial Accelerometry-based Respiration Monitoring for Ambient Assisted Living", 《31ST ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE EMBS》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103429150A (zh) * 2011-03-11 2013-12-04 皇家飞利浦有限公司 用于监测生理信号的监测装置
CN103429150B (zh) * 2011-03-11 2016-03-16 皇家飞利浦有限公司 用于监测生理信号的监测装置
CN105072997A (zh) * 2013-02-15 2015-11-18 皇家飞利浦有限公司 用于获得对象的呼吸信息的设备
CN105982658A (zh) * 2015-02-13 2016-10-05 华硕电脑股份有限公司 生理信息侦测方法及装置
CN105982658B (zh) * 2015-02-13 2019-04-23 华硕电脑股份有限公司 生理信息侦测方法及装置
CN106798552A (zh) * 2015-11-25 2017-06-06 德克萨斯仪器股份有限公司 具有状态序列优化的心率估计设备
US10758185B2 (en) 2015-11-25 2020-09-01 Texas Instruments Incorporated Heart rate estimation apparatus using digital automatic gain control
CN106798552B (zh) * 2015-11-25 2021-05-04 德克萨斯仪器股份有限公司 具有状态序列优化的心率估计设备
US11129538B2 (en) 2015-11-25 2021-09-28 Texas Instruments Incorporated Heart rate estimation apparatus with state sequence optimization
CN109416288A (zh) * 2016-04-22 2019-03-01 株式会社村田制作所 监测系统

Also Published As

Publication number Publication date
JP2013519420A (ja) 2013-05-30
CN102843966B (zh) 2016-01-20
BR112012019853A2 (pt) 2017-07-11
BR112012019853A8 (pt) 2018-06-26
US20120302900A1 (en) 2012-11-29
US20200260996A1 (en) 2020-08-20
WO2011098942A1 (en) 2011-08-18
EP2533693A1 (en) 2012-12-19
JP5855019B2 (ja) 2016-02-09
EP2533693B1 (en) 2018-08-22

Similar Documents

Publication Publication Date Title
CN102843966A (zh) 用于处理周期性生理信号的方法和装置
CN105451652B (zh) 用于确定对象的呼吸信号的处理装置和处理方法
RU2637610C2 (ru) Устройство мониторинга для мониторинга физиологического сигнала
CN102753095B (zh) 用于确定呼吸信号的方法和设备
EP3376953B1 (en) Method and apparatus for determining a respiration rate of a subject
JP5859979B2 (ja) 人間の健康の監視のための多変量残差に基づく健康指標
JP2008520384A (ja) 限られたプロセッサ資源で呼吸数を実時間判定するための方法及びシステム
CN105769122A (zh) 一种睡眠呼吸暂停低通气指数的测量方法
JP2016508382A (ja) 呼吸信号を用いた睡眠時無呼吸の検出
Fekr et al. Respiration disorders classification with informative features for m-health applications
CN102687152A (zh) Copd恶化预测系统和方法
CN109452935A (zh) 使用统计后处理从血管容积图估计血压的无创方法和系统
CN106659427A (zh) 肺部状况的无创监测
US20140155774A1 (en) Non-invasively determining respiration rate using pressure sensors
US20220095952A1 (en) Processor and method for determining a respiratory signal
US20220167856A1 (en) Lung function monitoring from heart signals
CN110811638A (zh) 一种用于监测睡眠的svm分类器构建方法、系统及方法
WO2024066502A1 (zh) 呼吸监测方法及装置
CN210494064U (zh) 一种动态心电、呼吸和运动监测设备
Jin et al. VTMonitor: Tidal Volume Estimation Using Earbuds
Chitra et al. Implementation of QT Interval Measurement to Remove Errors in ECG
Fischer Predicting the well-being of COPD patients with respiratory data from pulmonary rehabilitation
Altini et al. Cardiorespiratory fitness estimation using wearable sensors: laboratory and free-living analysis of context

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant