CN103429150A - 用于监测生理信号的监测装置 - Google Patents

Abstract

本发明涉及一种用于监测生理信号的监测装置。分段单元（4）从生理信号确定对应于所述生理信号的周期的信号片段，分类单元（5）基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类，并且生理信息确定单元（7）根据i）被分类为所述有效类的信号片段和ii）被分类为所述无效类的信号片段中的至少一种确定生理信息。因此，能够基于相应信号片段是否是有效的认识来确定所述生理信息。例如，能够依赖于所述生理信号的有效适合的片段来确定诸如呼吸率的生理参数，所述有效适合的片段适于所述生理信号的周期。这改善了从生理信号确定生理信息的质量。

Description

用于监测生理信号的监测装置

技术领域

本发明涉及一种用于监测生理信号的监测装置、监测方法以及监测计算机程序。

背景技术

US6997882B1公开了一种用于监测受试者的呼吸功能的方法。从附接在受试者上的至少一个加速度计模块采集加速度信号。处理所述加速度信号，以获得表示与内外（medio-lateral）加速度矢量很大程度上无关的前后加速度矢量的前后加速度信号。从所述前后加速度信号中提取由于呼吸的加速度成分，其中，所述提取包括最小均方自适应噪声消除技术的应用。所提取的加速度成分可能不利地受到非呼吸运动的影响。因此，降低了所提取的加速度成分的质量。

发明内容

本发明的目的是提供一种用于监测生理信号的监测装置、监测方法和监测计算机程序，其中，确定生理信息的质量能够得以改善。在本发明的第一方面中，提出一种用于监测生理信号的监测装置，其中，所述监测装置包括：

-生理信号提供单元，其用于提供周期性生理信号，

-分段单元，其用于从所述生理信号确定对应于所述生理信号的周期的信号片段，

-分类单元，其用于基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类，

-生理信息确定单元，其用于根据i）被分类为所述有效类的信号片段和ii）被分类为所述无效类的信号片段中的至少一种确定生理信息。

由于所述分段单元从所述生理信号确定对应于所述生理信号的周期的信号片段，其中，之后，所述分类单元基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类，并且所述生理信息确定单元根据i）被分类为所述有效类的信号片段和ii）被分类为所述无效类的信号片段中的至少一种确定生理信息，能够基于相应信号片段是否是有效的认识来确定所述生理信息。例如，所述生理信息确定单元能够适于依赖于所述生理信号的有效适合的片段来确定诸如呼吸率的生理参数，所述有效适合的片段适于所述生理信号的周期，例如，其适于呼吸信号的单个呼吸。这允许改善从周期性生理信号确定生理信息的质量。

所述生理信号提供单元能够是存储单元，在所述存储单元中已经存储了周期性生理信号，并且从所述存储单元中能够检索所述生理信号以提供相同的生理信号。所述生理信号提供单元还能够是用于经由无线或有线数据连接接收所述周期性生理信号的接收单元，其中，所述生理信号提供单元提供所接收的周期性生理信号。所述生理信号提供单元还能够是用于测量所述周期性生理信号的测量单元。例如，所述生理信号提供单元能够是用于测量加速度计呼吸信号的加速度计。所述生理信号的周期优选地对应于单个呼吸。

优选地，所述分段单元适于在所述生理信号中找到波谷并且确定信号片段为所述生理信号的在两个相邻波谷之间的片段。所述波谷能够指示所述生理信号的周期的开始和结束。因此，通过由两个相邻的波谷定义信号片段，所述信号片段能够表示所述生理信号的周期。

进一步优选地，所述分段单元适于i）在所述生理信号中找到波谷，ii）将预定规则的集合应用于所述生理信号的所找到的波谷周围的特性，其中，所述预定规则的集合基于所述生理信号的所找到的波谷周围的所述特性定义所找到的波谷是否是所述生理信号的周期的开始和结束，iii）丢弃未定义周期的开始或结束的所找到的波谷，iv）确定信号片段为所述生理信号的在两个相邻的未丢弃的波谷之间的片段。在优选实施例中，所述分段单元适于应用规则的集合，根据所述规则的集合相应所找到的波谷之前的生理信号的幅度、偏度和斜率中的至少一个与相应所找到的波谷之后的相应生理信号的相应内容进行比较，并且依赖于所述比较确定相应所找到的波谷是否是由所述生理信号的周期的开始或结束造成的。所述生理信号能够由例如伪影、噪声和其他缺陷破坏，或者由于用于测量所述生理信号的相应测量原理的性质，可能偏离正弦波形，这可以产生不是由所述生理信号的周期的开始或结束造成的波谷。因此，通过应用所述规则的集合并通过根据所述规则的集合丢弃未定义所述生理信号的周期的开始或结束的所找到的波谷，能够改善确定所述信号片段的质量。

所述分类单元适于基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类。与所述信号片段相关的特性为例如时间、频谱和空间特性。它们能够是相应信号片段本身的特性。与所述信号片段相关的特性还能够是对应于用于在已经测量了相应信号片段的同时，测量所述生理信号、人或动物的状态等的测量单元的属性的特性相应。例如，所述生理信号能够是加速度计信号，其中，所述分类单元能够适于对所述信号片段基于在相应信号片段已经被测量的同时定义所述加速度计的旋转的旋转角，进行分类。所述旋转角优选地被定义为在单个周期期间所述加速度计在空间上旋转的角度，即，所述旋转角能够被定义为所述加速度计在相应信号片段开始时的取向与在相应信号片段结束时的取向之间的差。当与来自生理信号的信号片段相比时，对于来自运动伪影的信号片段来说，所述旋转角通常更大。具体而言，不包括运动伪影的呼吸信号能够在原则上在单个呼吸周期期间产生零净旋转角，即，所述加速度计在一个呼吸结束时基本上返回其初始取向。所述分类单元还能够适于基于与所述信号片段相关的其他特性对所述信号片段进行分类，所述其他特性例如为相应信号片段的谱熵、相应信号片段内的波谷的数量和/或相应信号片段内的波谷的形状。

优选地，所述分类单元适于使用决策树分类器，以将所述信号片段分类为有效类和无效类。这允许以简单方式并且实时地对所述信号片段进行分类。

还优选地，所述分类单元适于依赖于相应信号片段确定指示将信号片段分类为所述有效类或所述无效类的准确性的准确性值。例如，如果所述分类单元适于使用决策树以将所述信号片段分类为有效类和无效类，则能够执行利用基础事实（ground truth）的决策树分类器的交叉验证，其中，通过确定在特定叶节点上做出的正确决策与在该叶节点上做出的所有决策的比率，能够为已经向其分配了有效标签或无效标签的该叶节点确定准确性值。所述准确性值能够用作分类质量的指示，所述准确性值能够向用户示出和/或用于进一步处理。

在优选实施例中，所述监测装置还包括分类校正单元，所述分类校正单元用于校正将所述信号片段分为有效类和无效类的分类。具体而言，如果特定信号片段的准确性值低于预定准确性阈值，则所述分类校正单元能够适于校正该特定信号片段的分类。例如，依赖于生理参数的临界值和应用情形，能够设置针对所述准确性阈值的适当值。在实施例中，所述分类校正单元能够包括在a）生理参数和/或应用以及b）准确性阈值之间的分配，其中，所述分类校正单元能够基于所述分配和当前监测的生理参数和/或当前应用来使用准确性阈值。所述分类校正单元能够包括校正规则的集合，所述校正规则的集合基于校正特征中的至少一个相应定义片段的分类是否必须校正以及如何校正，所述校正特征例如为准确性值、相应片段的特性、相邻片段的特性、诸如用户活动水平的用户特性、诸如环境温度的环境特性、一天中的时间等。例如，如果片段被标记为有效并且具有小于可以为60%的准确性阈值的准确性值，并且如果暂时相邻的片段是无效片段，则所述规则的集合能够定义所述分类校正单元将具体片段的标签校正为无效。这允许改善片段分类为有效和无效片段的质量，由此进一步改善生理参数的确定的质量。

所述生理信息确定单元能够适于根据被分类为有效类的信号片段确定生理参数为生理信息。例如，能够确定呼吸率或心率为生理参数。具体而言，所述生理信号提供单元能够适于提供呼吸信号为所述生理信号，其中，所述生理信息确定单元能够适于通过例如取被分类为有效类的信号片段的持续时间的倒数根据被分类为有效类的信号片段确定呼吸率为生理参数。所述生理信息确定单元还能够适于根据被分类为有效类的信号片段以及根据被分类为无效类的信号片段确定生理模式作为生理信息。所述生理模式为例如呼吸模式或心跳模式，即，心脏模式。具体而言，所述生理信息确定单元能够适于确定诸如潮式呼吸、周期性呼吸、呼吸暂停等的呼吸模式。为了确定呼吸模式，所述生理信息确定单元优选地适于不仅使用有效片段，还使用无效片段。具体而言，所述生理信息确定单元能够适于基于覆盖例如两分钟的持续时间的有效和无效片段以及这些有效和无效片段的特性来确定呼吸模式。所述生理信息确定单元能够包括规则的集合，所述规则的集合基于这些有效和无效片段以及它们的特性来确定呼吸模式。例如，如果具有连续无效片段（其具有小于预定变化阈值的变化）的生理信号部分跟随着具有调制幅度的连续有效片段的分生理信号部分，则所述规则的集合能够定义存在潮式呼吸模式。具有连续无效片段（其具有低变化）的生理信号部分能够表示呼吸暂停，并且具有调制幅度的连续有效片段的生理信号部分能够表示呼吸过度。

优选地，所述监测装置还包括预处理单元，所述预处理单元用于通过执行以下中的至少一项对所述生理信号进行预处理：滤波、归一化、偏移消除、下采样。所述预处理能够改善所述生理信号的质量和/或减少用于进一步处理呼吸信号的计算负荷。例如，通过所述生理信号的下采样，能够减少用于进一步处理的计算时间和负荷。在实施例中，所述生理信号为呼吸信号，并且呼吸信号被下采样至小于20Hz，优选地至大约16Hz。

在实施例中，所述生理信号提供单元适于提供诸如呼吸信号和脉搏信号的若干周期性生理信号。之后，所述分段单元能够适于针对不同的生理信号确定信号片段，所述分类单元能够适于对不同的生理信号的信号片段进行分类，并且所述生理信息确定单元能够适于针对不同的生理信号确定生理参数。例如，能够确定呼吸率和脉搏率。为了使用针对不同的生理信号确定的生理参数以评价被监测受试者的状态，具体而言评价人类或动物的状态，所述预处理单元能够适于对不同的生理信号应用相位校正，从而使其他们同相。

在实施例中，所述生理信号为呼吸信号，并且所述预处理单元适于对呼吸信号应用0.1至2Hz的带通滤波器。因此，只有与呼吸相关的频率通过所述预处理单元，由此改善呼吸信号的质量。

在另一实施例中，所述生理信号提供单元适于提供对应于三轴加速度计的三个轴的三个生理信号，其中，所述预处理单元适于将所述三个生理信号融合为单个生理信号。例如，所述预处理单元能够对所述生理信号应用主成分分析（PCA）。PCA将优选地对应于加速度计的三个不同轴的三个相关信号的数据集变换为三个正交信号的数据集，其中，第一主成分具有最大变化。所述预处理单元能够适于确定PCA的第一主成分为融合的单个生理信号，由此将三维数据减少为一维数据。这能够减少用于进一步处理的计算时间和负荷。

优选地，所述监测装置还包括用于显示所确定的生理参数的显示器。

在本发明的另一方面中，提出一种用于监测生理信号的监测方法，所述监测方法包括：

-由生理信号提供单元提供周期性生理信号，

-由分段单元从所述生理信号确定对应于所述生理信号的周期的信号片段，

-由分类单元基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类，

-由生理信息确定单元根据i）被分类为所述有效类的信号片段和ii）被分类为所述无效类的信号片段中的至少一种确定生理信息。

在本发明的另一方面中，提出一种用于监测生理信号的监测计算机程序，其中，所述监测计算机程序包括程序代码模块，所述程序代码模块用于当所述计算机程序在控制如权利要求1所述的监测装置的计算机上运行时，令所述监测装置执行如权利要求14所述的监测方法的步骤。

应当理解，权利要求1所述的监测装置、权利要求14所述的监测方法以及权利要求15所述的监测计算机程序具有相似和/或等同的优选实施例，具体而言，如在从属权利要求中定义的。

应当理解，本发明的优选实施例还能够是从属权利要求与相应独立权利要求的任意组合。

本发明的这些和其他方面将从下文描述的实施例变得显而易见，并且将参考下文描述的实施例被阐明其他。

附图说明

在附图中：

图1示意性并且示范性地示出了用于监测生理信号的监测装置的实施例，

图2和图3示范性地示出了具有波谷和波峰的呼吸信号的部分，

图4示范性地示出了具有有效信号片段和无效信号片段的呼吸信号，并且

图5示出了示范性地图示了用于监测生理信号的监测方法的实施例的流程图。

具体实施方式

图1示意性并且示范性地示出了用于监测生理信号的监测装置的实施例。监测装置1包括用于提供周期性生理信号的生理信号提供单元2。在该实施例中，生理信号提供单元2为存储单元，在其中已经存储了周期性生理信号。所述生理信号优选为已经通过使用加速度计测量的加速度计呼吸信号。所述加速度计是测量由地球重力（g=9.8ms²）引起的重力加速度和由运动引起的惯性加速度两者的机电传感器。具体而言，所述加速度计为三轴加速度计，其附接在人体胸部，优选为左胸腔，以便测量重力矢量在其感测轴上的投影。在呼吸期间，胸腔的运动使传感器在地球参考系中旋转，因此造成重力矢量在三个轴上的投影的变化，这反映在传感器轴信号上。因此，所述加速度计优选地用作倾斜仪，以便测量加速度计呼吸信号。通过使用所述加速度计，能够提供无电缆、无干扰、低成本并且连续的呼吸监测。取代将所述加速度计附接在胸腔或除了将所述加速度计附接在胸腔以外，所述加速度计还能够附接在随呼吸运动的人体的另一部位，例如腹部。

在另一实施例中，所述生理信号提供单元适于测量所述周期性生理信号。具体而言，所述生理信号提供单元能够包括用于测量加速度计呼吸信号的加速度计、用于将测量的模拟加速度计呼吸信号转换为数字加速度计呼吸信号的模数转换器以及用于在将所述数字加速度计呼吸信号提供给预处理器单元3之前存储所述数字加速度计呼吸信号的缓冲器。

预处理单元3适于通过执行以下中的至少一个对所提供的生理信号进行预处理：滤波、归一化、偏移消除和下采样。优选地执行该预处理，从而简化后续信号处理，而不损失相关信息。例如，预处理单元3能够适于将0.1-1Hz或0.1-2Hz的带通滤波器应用于呼吸信号。因此，能够执行滤波，从而使仅与呼吸相关的频率通过预处理单元3，由此改善呼吸信号的质量。0.1-1Hz的带通滤波器对应于每分钟6-60次呼吸的正常呼吸率。0.1-2Hz的带通滤波器还考虑到新生儿呼吸。

在该实施例中，生理信号提供单元2适于提供三轴加速度计的三个加速度计信号为呼吸信号。通过使用PCA由预处理单元3将对应于所述加速度计的三个轴的三个加速度计信号优选地融合为一个呼吸信号。PCA的第一主成分优选为用于进一步处理的单个呼吸信号。

监测装置1还包括用于从所述生理信号（即，在该实施例中的呼吸信号）确定对应于所述生理信号的周期的信号片段的分段单元4。片段能够被认为是呼吸候选，其中，分段单元4通过生成呼吸候选来为呼吸检测准备呼吸信号，所述呼吸候选是分类的基本单元，这将在下文中进一步描述。典型的呼吸循环类似于具有将吸气和呼吸分开的波峰的正弦形状的呼吸信号，同时由呼吸信号中的局部最小值标记吸气的开始和呼气的结束。

分段单元4能够适于在所述生理信号中找到波谷，并且确定信号片段为所述生理信号的在两个相邻的波谷之间的片段。因此，分段单元4能够适于在呼吸信号中找到波谷，以识别呼吸候选的开始和结束，所述波谷可以被定义为呼吸信号的平均值以下的局部最小值。由于并非所有波谷都可以是呼吸的真实开始/或结束（这是由于例如用于测量生理信号的测量原理的性质、小的伪影、噪声或其他缺陷），可能出现无效波谷，这可以导致错误的候选。因此，分段单元4能够适于将预定规则的集合应用于呼吸信号的所找到的波谷周围的特征，其中，基于呼吸信号的所找到的波谷周围的所述特征，所述规则的集合定义所找到的波谷是否是呼吸信号的周期的开始或结束。具体而言，分段单元4能够适于应用规则的集合，根据所述规则的集合，相应所找到的波谷之前的呼吸信号的幅度、偏度和斜率中的至少一个与相应所找到的波谷之后的相应呼吸信号的相应内容进行比较，其中，依赖于所述比较确定相应所找到的波谷是由呼吸信号的周期的开始或结束造成的相应。能够通过校准或训练确定所述规则的集合，其中，定义所述规则的集合，从而针对校准或训练呼吸信号，对相应所找到的波谷是否是由呼吸信号的周期的开始或结束造成的进行确定相应的准确性得以优化。因此，规则的集合能够通过从例如错误候选的出现进行学习被定义，其中，定义所述规则的集合，从而使错误候选的出现最小化。

分段单元4还能够适于丢弃未定义呼吸信号的周期的开始或结束的所找到的波谷，并且确定信号片段为呼吸信号的在两个相邻的未丢弃的波谷之间的片段。

图2和图3示意性并且示范性地示出了融合的加速度计呼吸信号的部分，具体而言，示出了依赖于时间t的任意单位的信号的幅度A。在这些附图中，叉号指示波谷，垂直线指示波峰，并且椭圆指示将被移除的波谷。分段单元4能够适于找到在图2和图3中由椭圆表示的波谷，以便识别这些波谷为未定义呼吸周期的开始或结束的波谷。

所述监测装置还包括用于基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类的分类单元5。因此，分类单元5优选地适于计算能够被认为是特征的与相应信号元相关（即，与相应呼吸候选相关）的特性，并且依赖于所计算的特性对相应信号片段进行分类。所述特性能够是例如与相应信号元相关的时间、频谱和空间特性中的至少一个。例如，在相应信号片段已经被测量的同时定义加速度计的旋转的旋转角能够被计算为空间特性，相应信号片段的谱熵能够被确定为频谱特性，并且相应信号片段的波谷的数量和相应信号片段的波谷的形状能够被计算为时间特性。所述旋转角优选地被定义为在单个周期期间加速度计在空间中旋转的角度，即，所述旋转角能够被定义为所述加速度计在相应信号片段开始时的取向与在相应片段结束时的取向之间的差。分类单元5能够例如适于如果所述旋转角小于预定旋转角阈值，则将相应信号片段分类为有效，如果所述旋转角大于预定旋转角阈值，则将相应信号片段分类为无效。所述旋转角阈值能够通过利用不知道是有效还是无效的信号片段进行校准或训练被预定。

分类单元5优选地适于确定针对信号片段（即，呼吸候选）的特征矢量，所述特征矢量表示与相应信号元相关的特性。之后，所述分类单元优选地使用所述特征矢量将具体呼吸候选分为有效或无效，即，分为呼吸片段或非呼吸片段。分类单元5能够使用可以完成该任务的多种类型的分类器。优选地，分类单元5使用决策树分类器，所述决策树分类器允许以简单方式并且实时地对所述信号片段进行分类。

还优选地通过使用已知是有效或无效的信号片段来训练或校准所述决策树分类器。例如，能够从手动注释的呼吸数据训练所述决策树分类器，其中，注释了相应信号片段是有效还是无效的。所述呼吸数据能够是位于一个或若干医院的若干人的呼吸数据。

在实施例中，所述特征矢量包括若干特征、时间跨度、频率和/或空间域。例如，所述特征矢量能够包括以下特征中的至少一个：宽度、平均值、中值、幅度变化、峰值幅度、信号元开始时幅度、信号元结束时幅度、相应信号元内的峰值的相对位置、正宽度、在信号片段内部但在平均值以上的波谷的数量、通过信号片段开始和结束幅度的线的斜率、信号片段曲线以下的面积、主频率、主频率量级、谱熵、谱矩心、若干（具体而言四个）不同预定频率带的量级、旋转角等。若干频率带能够通过使用包括已知被正确分配为有效类或无效类的信号片段的训练数据集被预定，其中，选择所述频率带，从而使所述训练数据集的不正确分类的信号片段的数量被最小化。

分类单元5能够适于在执行上述分类之前对所述信号片段进行预分类。优选地，通过使用小于上述决策树分类器的决策树预分类器来执行所述预分类。具体而言，为信号片段确定较少的特征，并且基于这些少量特征执行所述预分类。例如，用于所述预分类的特征能够是容易计算的特征，例如相应信号片段的宽度或幅度变化。

所述预分类优选地用于识别明显无效的信号片段，并且能够通过使用训练数据集被训练。所述决策树预分类器能够例如适于使得具有比呼吸暂停阈值更小的幅度变化的信号片段被认为是明显无效的片段，这是由于假设这样的信号片段在呼吸暂停内。此外，能够执行所述预分类，从而使得具有超过运动阈值的幅度变化的信号片段被识别为无效信号片段，这是由于假设幅度的相对高的变化是由运动伪影造成的。之后，在还未由所述预分类识别为明显无效的信号片段的信号片段上执行主要分类。因此，在较少的信号片段上执行所述主要分类，由此减小执行所述主要分类的计算负荷。

执行所述主要分类的决策树分类器和执行所述预分类的任选的决策树预分类器能够是例如标准C4.5决策树分类器或分类与回归树（CART）。

分类单元5优选地还适于确定指示依赖于相应信号片段将信号片段分类为有效类或无效类的准确性的准确性值。指示将相应信号片段分类的准确性，即，指示标签决策的该准确性值，与对应呼吸的质量直接相关。分类单元5能够适于例用基础事实交叉验证决策树分类器，并且确定准确性值为在叶上做出的正确决策与在该叶上做出的所有决策的比率，所述叶向相应信号片段分配有效或无效标签。在实施例中，包括已知其为有效或无效信号片段的信号片段的训练数据集由决策树分类器进行分类。由于已知相应信号片段的正确分类，通过使用决策树分类器产生的分类能够与正确的分类比较，以便确定针对决策树分类器的每个叶的准确性值。例如，准确性值能够被定义为在相应叶上做出的正确决策的数量除以在相应叶上做出的决策的总数。在针对每个叶的准确性值已经被确定之后，所述决策树分类器能够被应用于未知其正确分类的实际信号片段，其中，在已经执行分类之后，将相应实际信号片段分配到所述决策树分类器的特定叶上，由此定义相应实际信号片段的类型以及相应的准确性值。

图4示意性并且示范性地示出了依赖于时间t的呼吸信号的幅度A。不同的信号片段由叉号指示的波谷定义。由实线表示有效的信号片段，并且由虚线表示无效的信号片段。在图4中相应信号片段的上方示出的数字指示相应准确性值。

如在图4中能够看出的，信号片段9偏离正弦形状，并且具有较低的准确性值。这种偏离和低准确性值可能由加速度计信号受到非呼吸运动的影响而造成。

监测装置1优选地还包括用于校正将信号片段分为有效类和无效类的分类的校正单元6。具体而言，依赖于标记的准确性以及对周围标签的认识，能够撤销分类器决策，以改善可靠性。

如果特定信号片段的准确性值低于预定准确性阈值，分类校正单元6能够适于校正该特定信号片段的分类。例如，依赖于生理参数的临界值和应用情形，能够设置针对所述准确性阈值的适当值。在实施例中，分类校正单元6能够包括在a）生理参数和/或应用以及b）准确性阈值之间的分配，其中，分类校正单元6能够基于所述分配和当前监测的生理参数和/或当前应用使用准确性阈值。例如，能够预定所述准确性阈值，从而将图4所示并且具有小于0.8的准确性值的信号片段9的分类从有效类校正为无效类。

分类校正单元6能够包括校正规则的集合，所述校正规则的集合基于准确性阈值、相应片段的特性、相邻片段的特性、诸如用户活动水平的用户特性、诸如环境温度的环境特性、一天中的时间等定义片段的分类是否必须校正以及如何校正。例如，如果片段被标记为有效并且具有小于可以是60%的准确性阈值的准确性值，并且如果暂时相邻的片段是无效片段，则所述规则的集合能够定义分类校正单元6将具体片段的标签校正为无效。这允许改善将片段分为有效和无效片段的分类的质量，由此进一步改善生理参数的确定的质量。

监测装置1还包括用于根据i）被分类为有效类的信号片段和ii）被分类为无效类的信号片段中的至少一种确定生理信息的生理信息确定单元7。具体而言，生理信息确定单元7适于根据被分类为有效类的信号片段确定生理参数。在该实施例中，生理信息确定单元7适于根据被分类为有效类的信号片段确定呼吸率为生理参数。例如，生理信息确定单元7能够适于通过取被分类为有效类的信号片段的持续时间的倒数来确定呼吸率。生理信息确定单元7还能够适于确定诸如潮式呼吸、周期性呼吸、呼吸暂停等的呼吸模式。为了确定呼吸模式，生理信息确定单元7优选地适于不仅使用有效片段，还使用无效片段。具体而言，生理信息确定单元7能够适于基于覆盖例如两分钟的持续时间的信号片段的有效和无效标签以及这些有效和无效片段的特性来确定呼吸模式。生理信息确定单元7能够包括规则的集合，所述规则的集合基于信号片段的有效和无效标签以及信号片段的特性来确定呼吸模式。例如，所述规则的集合能够定义，如果具有连续无效片段（其优选地具有至少10秒的持续时间，且具有小于预定变化阈值的变化）的生理信号部分跟随着具有调制幅度的连续有效片段的生理信号部分，则存在潮式呼吸模式。具有连续无效片段（其具有低变化）的生理信号部分能够表示呼吸暂停，并且具有调制幅度的连续有效片段的生理信号部分能够表示呼吸过度。另外，由生理信息确定单元7使用的所述规则的集合能够通过校准或训练被定义，其中，使用表示已知生理参数和/或已知生理模式的信号片段。

监测装置1还包括用于显示例如，诸如呼吸率的生理参数、诸如呼吸模式的生理模式、有效信号和/或无效信号的显示器8。具体而言，如在图4中示范性示出的，所述显示器能够适于示出有效和无效的信号片段。

在下文中，参考在图5中所示的流程图，将示范性地描述用于监测生理信号的监测方法的实施例。

在步骤101中，生理信号提供单元2提供周期性生理信号，在该实施例中，所述生理信号为加速度计呼吸信号。在步骤102中，所述生理信号由预处理单元3进行预处理。具体而言，通过使用0.1-2Hz的带通滤波器对所述生理信号进行滤波。此外，预处理单元3通过PCA将加速度计呼吸信号融合为单个呼吸信号，所述加速度计呼吸信号优选地为三轴加速度计的三个加速度计呼吸信号。在步骤103中，分段单元4从预处理的生理信号确定对应于所述生理信号的周期的信号片段，并且在步骤104中，分类单元5基于与所述信号片段相关的特性，将所述信号片段分类为有效类和无效类。在步骤105中，如果有需要，分类校正单元6校正将所述信号片段分为有效类和无效类的分类，并且在步骤106中，生理信息确定单元7确定生理信息，例如，根据被分类为有效类的信号片段确定诸如呼吸率的生理参数，或者根据被分类为有效类的信号片段和被分类为无效类的信号片段确定诸如呼吸模式的生理模式。在步骤107中，在显示器8上至少示出确定的生理参数和/或生理模式。

尽管在上述实施例中，所述生理信号为加速度计呼吸信号，但所述监测装置和所述监测方法还能够适于监测由诸如呼吸带的另一设备测量的呼吸信号。所述监测装置和所述监测方法还能够适于监测另一生理信号，例如心脏信号，具体而言例如心电图信号。

所述监测装置和所述监测方法能够适于监测一个或若干生理信息。例如，一个或若干加速度计能够用于监测一个或若干呼吸信号。此外，所述监测装置和所述监测方法能够适于同时监测不同的生理信号，例如呼吸信号和心脏信号。

诸如呼吸率和心率的生理参数能够具有作为患者健康恶化的早期指标的高临床值。传统上，在重症和中等护理病房中的患者得到良好监测，而在医疗和术后护理病房中的那些患者得不到良好监测。通常，由于护理人员的短缺、缺少监督和适当监测系统的不可用性，在长时间段内连续监测患者的生理参数是一项艰巨的任务，这可能导致不理想的护理。上述监测装置能够是可靠、自动并且易于使用的装置，以为普通病房患者测量生理参数。

加速度传感器优选地附接在患者的胸部或腹部，并且能够用于检测呼吸努力，以及诸如患者的心跳、体位和活动水平的信息。加速度传感器能够附接于比传统上监测的重症护理病房（ICU）的患者在身体上更活跃的患者，其中，传感器信号能够与由于患者身体运动产生的加速度混合。所述监测装置和所述监测方法能够适于通过从临床相关信号而不是从混入运动的信号推导生理参数来确保测量数据的可靠解读。通过这样做，误报警得到限制，并且患者状态能够被适当地监督。具体而言，所述监测装置和所述监测方法优选地适于丢弃被分类为无效的混入运动的信号，即，混入运动的信号片段，并且可靠地从剩余的信号中提取呼吸/脉搏率和趋势。因此，能够提供自动算法，其智能地识别并且移除混入运动的测量，以使普通病房患者的重要身体迹象的连续监测有意义。

所述监测装置和所述监测方法优选地适于准确地检测呼吸信号中的每一单个呼吸。因此，对照于固定时间帧分析，所述监测装置和所述监测方法能够适于以最佳分辨率运行，并且因此捕获每个有效的单个呼吸，由此增加呼吸信息的可用性，在所述固定时间帧分析中，以固定大小的帧（例如25s）分段并处理呼吸信号。诸如呼吸率（RR）、准确性值（也能够被称为置信指数（CI））、呼吸模式等的输出优选地被发送到显示器，以通知观察者。所述监测装置和所述监测方法优选地在呼吸信号的自适应分段之后检测每一单个呼吸。在呼吸信号上执行一系列操作，以计算例如RR和对应的CI。CI优选地量化在评价来自单个呼吸的呼吸率中的置信度。它反映了呼吸检测的准确性和呼吸的质量。

呼吸信号优选地为加速度计的数字信号，并且优选地在由预处理单元进行预处理之前被缓存到例如10秒的一个呼吸循环中，所述预处理单元优选地在数字化并且缓存的原始传感器信号上实施诸如滤波、DC消除、归一化等的操作。之后，分段单元优选地基于预定规则来划分信号，以生成呼吸候选。与固定帧分类相比，呼吸候选，即，信号片段，能够被看作具有时变长度的高分辨率帧，所述呼吸候选是基本单元，分类单元在所述呼吸候选上运行。所述分类单元优选地计算针对每个呼吸候选的呼吸特异性特征的集合，之后使用诸如决策树的分类算法将每个呼吸候选分类为“呼吸”和“非呼吸”的类别，即，有效和无效的类别。之后，生理信息确定单元优选地计算呼吸率，以及来自被分类为“呼吸”的呼吸候选的对应置信指数。

所述监测装置和所述监测方法能够适于被应用在设置中，在那里，通过使用一个或多个传感器，具体而言使用一个或多个加速度计，监测诸如呼吸的重要身体迹象。所述监测装置和所述监测方法能够适于在医院的普通病房中监测呼吸。但是，所述监测装置和所述监测方法也能够适于ICU监测和家庭医疗保健。

尽管在上述实施例中使用PCA作为用于融合生理信号的技术，还能够使用其他融合技术，例如加权求和波束成形（WSB）、几何坐标旋转以及其他启发式融合方法。

通过研究附图、说明书和权利要求书，本领域技术人员在实施所要求保护的本发明中能够理解并实现对所公开的实施例的其他变型。

在权利要求书中，词语“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。

单个单元或设备可以实现权利要求书中记载的若干项目的功能。特定措施记载在相互不同的从属权利要求中不指示不能有利地使用这些措施的组合。

由一个或若干单元或设备执行的计算，例如信号片段的确定、信号片段的分类或生理信息的确定，能够由任意其他数量的单元或设备执行。例如，步骤102到106能够由单个单元或由任意其他数量的不同单元执行。根据所述监测方法的所述监测装置的计算和/或控制能够被实施为计算机程序的程序代码模块和/或专用硬件。

计算机程序可以被存储/分布在诸如光学存储介质或固态介质的适当的介质上，所述介质与其他硬件一起提供或作为其他硬件的一部分提供，但计算机程序也可以以其他形式分布，例如，经由因特网或其他有线或无线的远程通信系统。

权利要求书中的任何附图标记不得被解释为对范围的限制。

本发明涉及一种用于监测生理信号的监测装置。分段单元从生理信号确定对应于所述生理信号的周期的信号片段，分类单元基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类，并且生理信息确定单元根据i）被分类为所述有效类的信号片段和ii）被分类为所述无效类的信号片段中的至少一种确定生理信息。因此，能够基于相应信号片段是否是有效的认识来确定所述生理信息。例如，依赖于根据所述生理信号的有效适合的片段来确定诸如呼吸率的生理参数，所述有效适合的片段适于所述生理信号的周期。这改善了从生理信号确定生理信息的质量。

Claims (15)

1.一种用于监测生理信号的监测装置，所述监测装置（1）包括：

-生理信号提供单元（2），其用于提供周期性生理信号，

-分段单元（4），其用于从所述生理信号确定对应于所述生理信号的周期的信号片段，

-分类单元（5），其用于基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类，

-生理信息确定单元（7），其用于根据i）被分类为所述有效类的信号片段和ii）被分类为所述无效类的信号片段中的至少一种确定生理信息。

2.如权利要求1所述的监测装置，其中，所述分段单元（4）适于：

-找到所述生理信号中的波谷，

-确定信号片段为所述生理信号的在两个相邻的波谷之间的片段。

3.如权利要求1所述的监测装置，其中，所述分段单元（4）适于：

-找到所述生理信号中的波谷，

-将预定规则的集合应用于所述生理信号的所找到的波谷周围的特性，其中，所述规则的集合基于所述生理信号的所找到的波谷周围的所述特性定义所找到的波谷是否是所述生理信号的周期的开始或结束，

-丢弃未定义周期的开始或结束的所找到的波谷，

-确定信号片段为所述生理信号的在两个相邻的未丢弃的波谷之间的片段。

4.如权利要求3所述的监测装置，其中，所述分段单元（4）适于：

-应用规则的集合，根据所述规则的集合将在相应的所找到的波谷之前的生理信号的幅度、偏度和斜率中的至少一个与相应的所找到的波谷之后的相应生理信号的相应内容进行比较，

-依赖于所述比较确定相应的所找到的波谷是否是由所述生理信号的周期的开始或结束造成的。

5.如权利要求1所述的监测装置，其中，所述分类单元（5）适于对所述信号片段基于各个的信号片段的时间、频谱和空间特性中的至少一个进行分类。

6.如权利要求1所述的监测装置，其中，所述生理信号是由加速度计测量的加速度计信号，并且其中，所述分类单元（5）适于对所述信号片段基于在各个的信号片段已经被测量的同时定义所述加速度计的旋转的旋转角，进行分类。

7.如权利要求1所述的监测装置，其中，所述分类单元（5）适于使用决策树分类器，以将所述信号片段分类为有效类和无效类。

8.如权利要求1所述的监测装置，其中，所述分类单元（5）还适于依赖于各个的信号片段确定指示将该信号片段分类为所述有效类或所述无效类的准确性的准确性值。

9.如权利要求1所述的监测装置，其中，所述监测装置（1）还包括分类校正单元（6），所述分类校正单元用于校正将所述信号片段分类为所述有效类和所述无效类的分类。

10.如权利要求1所述的监测装置，其中，所述生理信息确定单元（7）适于以下中的至少一项i）根据被分类为所述有效类的信号片段确定生理参数作为所述生理信息和ii）根据被分类为所述有效类的信号片段以及根据被分类为所述无效类的信号片段确定生理模式作为所述生理信息。

11.如权利要求10所述的监测装置，其中，所述生理信号提供单元（2）适于提供呼吸信号作为所述生理信号，并且其中，所述生理信息确定单元（7）适于根据被分类为所述有效类的信号片段确定呼吸率作为所述生理参数。

12.如权利要求1所述的监测装置，其中，所述监测装置还包括预处理单元（3），所述预处理单元用于通过执行滤波、归一化、偏移消除、下采样中的至少一个对所述生理信号进行预处理。

13.如权利要求12所述的监测装置，其中，所述生理信号提供单元（2）适于提供对应于三轴加速度计的三个轴的三个生理信号，其中，所述预处理单元（3）适于将所述三个生理信号融合为单个生理信号。

14.一种用于监测生理信号的监测方法，所述监测方法包括：

-由生理信号提供单元提供周期性生理信号，

-由分段单元从所述生理信号确定对应于所述生理信号的周期的信号片段，

-由分类单元基于与所述信号片段相关的特性将所述信号片段分类为有效类和无效类，

-由生理信息确定单元根据i）被分类为所述有效类的信号片段和ii）被分类为所述无效类的信号片段中的至少一种确定生理信息。

15.一种用于监测生理信号的监测计算机程序，所述监测计算机程序包括程序代码模块，所述程序代码模块用于当所述计算机程序在控制如权利要求1所述的监测装置的计算机上运行时，令所述监测装置执行如权利要求14所述的监测方法的步骤。

Images