CN106456017A - 多传感器生理监测系统和方法 - Google Patents

多传感器生理监测系统和方法 Download PDF

Info

Publication number
CN106456017A
CN106456017A CN201580024267.7A CN201580024267A CN106456017A CN 106456017 A CN106456017 A CN 106456017A CN 201580024267 A CN201580024267 A CN 201580024267A CN 106456017 A CN106456017 A CN 106456017A
Authority
CN
China
Prior art keywords
sensor
experimenter
heart
data
processor
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.)
Pending
Application number
CN201580024267.7A
Other languages
English (en)
Inventor
阿曼·马哈詹
威廉·凯撒
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.)
University of California
Original Assignee
University of California
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 University of California filed Critical University of California
Publication of CN106456017A publication Critical patent/CN106456017A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • A61B5/0048—Detecting, measuring or recording by applying mechanical forces or stimuli
    • A61B5/0051—Detecting, measuring or recording by applying mechanical forces or stimuli by applying vibrations
    • 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
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/332—Portable devices 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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/347—Detecting the frequency distribution of signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6831—Straps, bands or harnesses
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/003—Detecting lung or respiration noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/02—Stethoscopes
    • A61B7/04—Electric stethoscopes
    • 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
    • A61B2562/0204—Acoustic sensors
    • 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
    • A61B2562/04—Arrangements of multiple sensors of the same type
    • 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
    • A61B2562/06—Arrangements of multiple sensors of different types
    • 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
    • A61B5/0803—Recording apparatus 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
    • A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Acoustics & Sound (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种综合心肺功能系统，该系统持续融合来自多个生理功能传感器源的记录数据以获得代表声事件的信号，所述事件是由发生在胸腔和/或颈部特定区域下方心脏和/或动脉结构内的生理现象所致，以监测心脏和呼吸状况。

Description

多传感器生理监测系统和方法
相关申请的交叉引用
本申请要求2014年5月15日提交的美国临时专利申请(序列号No.61/993,876)的优先权和权益，该专利申请全文在此并入本文，以作引用。
关于由联邦政府资助的研究或开发的声明
不适用
计算机程序附录的纳入引用
不适用
版权保护材料通知
本专利文件中的一部分材料受美国和其它国家版权法的版权保护。版权所有者不反对任何人对美国专利商标局公开的本专利文件或专利公开内容的传真复制，但除此之外保留其它所有版权权利。版权所有者在此宣布不放弃该专利文件保保持秘密的权利，包括但不限于根据37C.F.R.§1.14的权利。
技术领域
该发明说明书一般涉及心肺诊断系统，特别涉及多传感器心肺诊断系统和方法。
背景技术
心肺功能的急性恶化是入院治疗的最常见的原因之一，也是医疗保健服务(healthcare delivery)费用的主要方面。另外，心脏和呼吸系统并发症也会在接受手术治疗的病人术后期间经常发生。尽管已经开发出了临床方法和技术方案来缓解所承受的负担，但所有这些以往解决方案成功程度一直很不理想。
以往技术的局限性一直是不能通过连续工作和实时分析来同时获得和分析多个完全不同的传感器参数。
例如，理想情况下，充血性心力衰竭(CHF)的诊断通常采用ECG、心脏功能监测、呼吸系统监测的结合形式来检测肺部和胸腔内的流体，以及运动和受试者定位(subjectorientation)。尽管这些测量结果都可以以相当大的治疗成本在临床陆续获得，但并不能同时和连续得到。
发明内容
本发明说明书包括一种带有至少一个声传感器的装置，该传感器集成在可佩戴在受试者(human subject)腹部的托架上。该一个或多个声传感器可以直接或经由有线或无线通信链路连接到计算机处理器上。处理器软件可以用来从声传感器上获取数据，并将从声传感器上获得的数据与条件概率表(conditional probability table)上的数据进行比较，并根据所述比较确定受试者(subject)的一个或多个心脏或呼吸状况。该条件概率表可以通过对心肺状况研究由经验获得的数据来推广应用或“训练(trained)”。该软件可配置成检测时间频率域内的波形或其它特征，这些波形或信号呈现受试者心脏或呼吸状况特征。
在一个实施方式中，每个声传感器可以带有与该传感器相关联的振动源。在一个实施方式中，该软件可以配置成启动与传感器相关联的振动源然后获得来自不同传感器的信号，以确定所述不同传感器是否在检测振动情况。未能检测到振动则表示该传感器不再与所述受试者相连接。
可佩戴式托架可以带有各种不同的综合传感器，包括但不限于心脏声传感器、呼吸声传感器、心电图(ECG)传感器、肌电图(EMG)传感器、胸廓运动传感器、运动传感器，以及定位传感器。这些各种传感器都可用来获得和处理受试者的心肺数据。
另一方面是提供一种综合心肺系统，该系统连续地融合来自多种生理传感器源的记录数据，这些传感器源监测实际的心脏和肺部运动以及血液和气体循环情况。该系统将信号处理算法与最先进的高速成像处理相结合。最后，综合心肺系统探讨设计革新和经验以生产出低成本的、可佩戴的、服装一体的解决方案，舒适方便，适合住院病人、门诊病人，以及受试者使用。
在一个实施方式中，综合心肺系统包括方便可佩戴式结构，与服装集成一体，例如，可被服装制造商采用。这可开发出用于可佩戴式感应系统的WHI织物和导电织物系统，建立与大批服装制造商的关系。这可包括与无线技术和信息技术集成的低成本传感器和系统，这些技术包括用于数据传输和受试者导向(subject guidance)的中央企业计算，其中，各种部件和支持服务包括最低成本的微电子和多种数据传输选择，以及优选用于生物医学器械的低功率电子产品。进一步的特征包括无线充电功能，方便支持用户充电。
另一个方面是提供一种带有传感器系统的综合心肺系统，传感器系统包括如下其中一个或多个：1)由集成到该系统结构内的分布式传感器提供的心电图(ECG)信号，2)在由集成到系统结构内的分布式传感器监测心脏运动周期内的循环流和事件(events)的同时，以高灵敏度获得的宽带声信号，3)在由集成到系统结构内的分布式传感器通过呼吸运动周期内的肺部气流和事件监测食道的同时，以高灵敏度获得的宽带声信号，4)通过使用集成到系统结构内的分布式传感器，提供胸腔壁和胸腔容积监测，以及5)通过使用集成到系统结构内的运动传感器，提供受试者运动和定位。
在另一个方面，综合心肺系统包括一个或多个：通过采集电生理信号和心脏的实时成像与宽带声方法的结合形式，以及通过宽带声方法实时测量心脏运动和心脏容积和肺机械反应的结合形式。
在一个实施方式中，该综合心肺系统应用了低幅度、分布式声信号源来探测声信号传播以确保正常系统物理定位和内部器官声源和外部感应系统之间的联接表征。
在另一个方面中，该系统包括传感器模块中与综合信号源有关的部件，这些部件用来测量传感器部位之间声信号源的传播。这消除了不确信度，否则，会引起传感器和受试者组织之间的联接变化以及受试者内部声信号传播的变化。这些完整的声辐射器还可检测正确使用和使用保证情况。
该项技术的再一些方面将通过说明书的如下部分给出，其中，详细描述是为了完全公开该项技术的优选实施方式，并不是对其的限定。
附图说明
本文所述技术可以通过参照如下附图来充分了解，所述附图仅供说明：
图1为带式构型的多传感器综合心肺系统示意图，其可佩戴在上腹部。
图2为带有多个传感器的综合心肺系统架构的系统方框图。
图3为综合心肺系统的可佩戴式声传感器的示意图，所示传感器带有可选振动源。
图4为综合心肺系统的示意图，所示为带有可佩戴的数据采集、传输、归档、分析，和报告架构。
图5A为采用同步心电图(ECG)的典型ICR心脏声信号曲线图，示出了心音事件S1和S2。
图5B为带有识别R-波的典型ICR心脏声信号曲线图。
图6A为典型的ICR心脏声信号曲线图，图6B为归一化香农能量(normalizedShannon energy)信号包络曲线图。
图7为设在胸骨左侧3厘米第三肋骨和右侧腋中位置的ECG记录曲线图。
图8A为在胸骨左侧6厘米第四肋骨位置记录的ICR声传感器曲线图，图8B为在胸骨左侧3厘米第四肋骨位置记录的ICR声传感器曲线图。
图9A和图9B分别为在图8A和图8B曲线图的规定窗口处的ICR声传感器的曲线图。
图10为图7曲线图的规定窗口的ECG记录曲线图。
具体实施例
图1为一种带式构型的可佩戴式多传感器综合心肺装置10的横截面示意图，所示装置可穿戴在上腹部处。装置10可包括ECG器件14的ECG阵列12，所述器件与多个声换能器阵列器件20集成在一起。也可设置若干个位移传感器18以测量(例如)胸腔位移情况。也可设置一些附加传感器16以测量附加生理特性(例如，单独的心脏声传感器或呼吸声传感器、EMG传感器、运动与定位传感器、声发射器)。
图2为带有多个传感器的综合心肺系统50架构的系统示意图。系统50可以结合到一种装置中，诸如外部带式装置10，并可包含应用软件60和至少一个传感器，优选包括集成传感器64至76的组内的两个独特传感器，例如，心脏声传感器阵列64、呼吸声传感器阵列66、心电图(ECG)传感器阵列68、肌电图(EMG)传感器阵列70、胸廓运动阵列72、运动与定位传感器74，以及声发射器76。传感器64至72的输出信息馈送到模拟采样模块52中。模拟感应模块52和运动与定位传感器74的输出信息被馈送到事件监测模块54用来检测生理事件、运动等。声发射器76的输出则经由换能器控制装置62来操作。来自事件检测模块54的数据可以进一步通过本地分析和显示模块56来显示，并可通过数据传输模块58来进一步分配。
传感器64至76配置成根据临床试验和现场应用来确定位置和重新定位。
图3为综合心肺系统的可佩戴式传感器80的示意图，包括声传感器(例如，电麦克风92)，以及可选振动源94(例如声发射器)。传感器92和振动源94布置在带有凸缘84的壳体82内部，凸缘用来通过透明敷料贴(tegaderm sheet)90和弹性体膜88(可用胶带(例如3MScotch-Weld MG100医用胶黏剂)保持在一起)来固定到病人身上。可佩戴式传感器80配置成定期启动振动源94并确定不同的传感器92是否检测到振动源94的振动信号，两个装置可通过电缆86供电并操作。
图4示出了一种综合心肺系统100的示意图，该系统配置成用于可佩戴式的数据采集、传输、归档、分析，以及报告架构。来自用户106心肺阵列104(可包括一个或多个图2所示传感器64至76)的生理数据由数据传输装置102(例如，智能手机108或通过android/appleiOS网关110的其它移动平台)接收。
数据传输装置102还可以包括网页浏览器或媒体浏览器112来与用户106和医疗保健服务合作伙伴(healthcare delivery partners)互动以便通过接口模块126来分配病人信息、设备注册、训练信息(training information)等。
通过android/apple iOS网关110数据传输，所获得的传感器数据由分类分析模块120接收。分析模块120包括受试者监测数据归档122，其与传感器融合处理模块124一起用来处理数据。数据归档可包括条件概率表，这样，从声传感器上获得的数据可以与条件概率表内的数据进行比较以确定病人的一个或多个心脏或呼吸状况。
此外，可以设置导向模块128，其包括一个或多个网页服务媒体或传真。
与传统的声方法不同，传统方法应用一个监测传感器，采用手动检查数据时序或通过计算方法分析，应用软件模块(图3的60和图4的120)配置成对各种传感器64到76的数据(例如，模拟采样模块52的输出数据)进行空间分辨(spatially-resolved)多传感器信号处理。传感器的各种空间分辨率(spatial resolutions)可以检测监控部位之间的波形差异。这些监测部位均对心脏和肺内部的信号源表现出不同的敏感性。
传感器部位的选择旨在捕获声事件，这些声事件是由发生在胸腔和/或颈部特定区域下方心脏和/或动脉结构内的生理现象所致。在监测心脏的情况下，这包括检测每个心室和瓣膜的声发射。在综合心肺装置(ICR)的一个示例性多传感器构型中，使用了四个通用的听诊临床部位。在这个布置中，声传感器所连接的区域在主动脉瓣、肺动脉瓣、三尖瓣，和二尖瓣的上面。或者，可将传感器放在颈动脉处。
对于ICR多传感器信号处理，同步记录至少一个心电图(ECG)信号和声传感器信号。所有传感器都集成到系统结构中。该系统可以从一个传感器或多个传感器处获取声信号。在多传感器方式下，传感器的分布可以采集有关声事件的源和传播的空间和时间信息(temporal information)。另外，如下所述，多传感器方式考虑到了新颖的系统融合算法，以增强系统鲁棒性(system robustness)。
对于ICR多传感器信号处理，事件检测模块54配置成可根据一个或多个ECG传感器68和每个声ICR传感器64,66的组合记录工作以便通过时间和频域信号处理来获取证据来源(sources of evidence)。证据来源可包括：1)相对于每次心跳(用于传感器64的心脏监测)或呼吸(用于呼吸传感器66的呼吸系统监测)的每段声发射波形的发生时间、幅度、和频域特性的识别；2)通过检测所有传感器源(包括ECG传感器68)之间每个特性差异，对每个传感器的每段声发射波形的发生时间、幅度、和频域特性进行识别；3)对受试者行为和行为时间史的发生时间进行识别，以确定运动和体力消耗对受试者状态的影响。
在优选实施方式中，事件检测模块54包括分段程序40，在该程序中，ECG信号(来自ECG传感器68)用来分解(或分段)每个声信号为帧，其中每个帧对应于与一个心动周期有关的时间间隔。图5A为带有同步ECG的典型ICR心脏声信号曲线图，示出了心音事件S1和S2。这可通过识别发生在每次心跳内的ECG特征来实现，即R-波峰(图5B所示)。对这些帧进行分段，以便帧在一个R-波峰之前的.1s开始，在下一个R-波峰前的.1s结束。所示的这种分段对捕获心动周期的声事件以及有关声事件的源和传播的空间和时间信息的获取非常有效。
经分段的数据然后由声事件识别程序42进行处理。为了识别声事件，每帧原始声信号都首先进行处理以产生平滑包络(smooth envelope)。这可通过低通滤波的归一化香农能量转换来实现。这个包络的波峰被认定为候选事件(event candidates)。起始点和结束点分别被标定为包络信号升到幅度阈值之上的时间和返回到低于幅度阈值水平的时间(见图6A和图6B)。该阈值称之为峰值阈值。
然后，使用起始点和结束点计算出事件持续时间，该事件持续时间可用来剔除虚假事件。最小事件持续时间是候选事件被认为是心脏事件所需要的最小持续时间。持续时间较短的事件被定为杂音事件。最大事件持续时间为候选事件被认为是心脏事件所允许的最大持续时间。持续时间较长的事件被定为杂音事件。
一旦被识别为声事件，那么这些事件就通过分类模块44被列为许多临床相关心音类别中的一种，即S1,S2,S3,S4，或杂音。从心动周期起始到声事件初期的事件持续时间用于事件分类；在心动周期内，此时采用该持续时间将该声事件划定为很可能发生的心音类别。这种概率通过审视健康人和患病受试者的几个声信号记录先验确定。
在一个实施方式中，受试者心肺功能状态可以通过包括贝叶斯分类器在内的ICR状态分类器来推断。分类器系统根据证据源工作，证据源通过ICR空间分辨多传感器信号处理确定，以推断受试者状态。分类器系统本身倚靠对条件概率的预先确定，该条件概率将观察到的证据源与受试者状态相联系。这种条件概率的计算基于系统训练操作。系统训练包括：
1)通过受试者呈现每种状态的特征，测量各种受试者情况(subject condition)的所有ICR信号源，所述每种状态对应于健康或每种病情(disease condition)、不同年龄、性别、生理特征、健身措施，以及测量前的活动历史和测量时的活动情况。
2)在测量上述所有ICR信号源时，通过3-D和4-D超声波以及MRI和呼吸系统流量和气体成分监测，同时采集实时成像。
在上述证据的基础上完成系统训练之后，ICR状态分类器现在根据ICR数据集工作以提供受试者状态分类以及与分类有关的置信度测量。
最后，通过模块46进行声事件特征提取。对每次心跳的声事件的几个时间和频域特征进行评估和储存以供分析：1)如上所述，事件持续时间和自心动周期起始的时间；2)信号峰值幅度，即声事件时间间隔期间最大量级的峰值幅度；3)信号平均幅度，系指声事件时间间隔期间峰值的平均幅度；4)包络信号的最大幅度，系指声事件时间间隔期间信号包络的最大值；5)过零率，系指声事件时间间隔期间信号符号变化的比率；6)特定频带能量最大值，系指声事件时间间隔期间特定频带内能量的最大值；以及7)压缩时间与射血时间之比，系指心脏在心动周期压缩阶段的时间与心脏在心动周期射血阶段的时间之比。压缩阶段估计为S1事件的持续时间。射血阶段估计为从S1事件结束到S2事件起始的时间。
在一个实施方式中，从上述模块46提取的ICR声事件特征可用作回归模型的输入信息，在该模型中，输出信息为将要预测的期望生理测量结果。这种回归模型已经在之前根据单独数据源数据进行了训练，已经获得了这些数据的ICR声事件特征和所需生理测量的实地验证值(ground truth values)。这种回归模型可以是一种神经网络回归模型、一种线性回归模型，或者是二者的结合形式。
线性回归模型假定输入与预期输出之间的线性关系，并训练(trains)系数以便将输入以线性方式映射(map)到输出上。神经网络回归模型也是将输入映射到输出上；然而，它并不是假定一种线性关系，并且因此而会考虑输入和输出之间的非线性关系。由于线性回归和神经网络回归中的映射算法实际上是不同的，两种模型的结合形式(即在这种结合中各自权重在训练阶段得以优化)可根据ICR声事件特征实现生理测量预测效力的提高。
与回归模型完全不同，在回归模型中，输出是连续值，而分类模型则将输入映射到许多潜在类别中的特定组或特定类。贝叶斯分类器是一种统计工具，根据输入特性集的统计数据，通过该工具来创建模型，在这里系指ICR声事件特征集。ICR心脏声分类器的类别可以是各种病理性心脏疾病以及健康/正常类别。同上述回归模型一样，这种模型之前根据不同数据源的数据进行训练，从中得知ICR声事件特征，如同有关心脏状况那样。
在多传感器系统中，一个或多个传感器信号整体性被损伤(compromised)的情况会对信号处理带来重大挑战。在使用声传感器时，会出现几个这样的情况。这可能因为外部噪音所致，诸如轻敲传感器或摩擦传感器。另外，这也会因为传感器连接不好或临时断开引起。因此，单个传感器可能会以不可预知的方式出现故障。
因此，开发一种坚固耐用系统是很有益的，这种系统能够在信号完整无缺时从传感器提取的信息量达到最大，同时，又可去除因为噪音而失去或损坏的信号段。
分析模型是根据之前获得的数据进行训练，适用于传感器的每一个可能的组合形式。这样，如果有四个传感器在使用，就会出现15个这样的模型(见表1)。这代表一个或多个，但不是全部，传感器的信号完整性被损伤的所有可能的情况。根据所需输出，这些模型可以是回归模型或分类模型。多传感器融合的可能的传感器结合形式和相应的分析模型。“+”号表示来自特定传感器的信号是完整无缺的，而“-”号表示该信号是杂音或已经丢失。
在获取声传感器的新的数据流时，则对其进行逐帧分析，其中，每帧对应于一次心跳。对于每个传感器，测定该帧内的信号质量。如果在帧内识别出声事件，则确定该传感器对于该帧是完整无缺的，可以使用。如果识别为无声事件，该特定帧的该传感器的信息就被撇弃。接着，算法将确定该帧的完整传感器的当前结合形式，并选择使用相应分析模型。
通过这种方式，来自某个传感器的声信号每当被测定为具有高品质信号时便可用于分析，而当不是这种情况时，该声信号则会被撇弃。然后，传感器融合系统会智能地将所有高品质信号数据综合。这将大大增强系统的鲁棒性。
示例
使用ICR系统在健康受试者身上进行了两次试验。图7至图10包括了与ICR声和ICR干电极ECG(基于Plessey EPIC传感器)的时间同步测量有关的数据。
ICR声传感器设置在胸骨中心左侧3厘米第四肋骨处(大约在左心室上方)和胸骨左侧6厘米第四肋骨处(左心室区域左侧)。ECG传感器设置在胸骨中心左侧3厘米第三肋骨处且也在右侧腋中(提供可能的参考)。图7示出了在胸骨左侧3厘米第三肋骨和右侧腋中位置的ECG记录曲线图。图8A为在胸骨左侧6厘米第四肋骨位置记录的ICR声传感器曲线图，图8B为在胸骨左侧3厘米第四肋骨位置记录的ICR声传感器曲线图。图9A和图9B分别为在图8A和图8B曲线图规定窗口处的ICR声传感器的曲线图。图10为图7曲线图的定窗口的ECG记录曲线图。
ICR实验结果确定，ICR传感器的空间分辨率可以检测监测部位之间的波形差异。这些监测部位均对心脏和肺内部的信号源表现出不同的敏感性。在心脏监测情况下，这包括检测每个心室和瓣膜的声发射。
上述ICR多传感器信号处理系统和方法都具有心脏监测能力，以便评估速度、节律，和心博方式的早期识别，这种能力连同呼吸监测可提供非常好的诊断信息。
上述系统和方法的进一步能力是通过精确测量左右心室壁不同部分的肌运动和定位来评估机械功能，以便可以早期检测心血管病的收缩期和/或舒张期功能障碍(例如，心肌缺血和心肌梗死)。关于自体瓣膜和人工瓣膜，系统能够询问瓣膜的结构和功能以便早期诊断瓣膜疾病。进一步监测能力包括评估左右心室的搏出量和射血分数，用来远程监测心脏功能和心力衰竭的恶化。本发明的系统可以通过使用宽带声感应来监测机械功能(例如，器官运动)。
上述系统和方法的进一步能力是整合颈部传感器的数据源，在颈部，可检测颈动脉血流和血压变化信号。该能力可以测量贲门瓣和颈动脉测量部位之间血流的通过时间。该数据也同上述附加传感器数据结合，进一步提高心脏功能测量的精度。
上述系统和方法也可以评估心腔的压力和血流，以便治疗心力衰竭、肺动脉高压、评估血容量不足等。还可对胸壁和胸廓运动进行评估，连同胸壁与胸廓运动的选择性评估肌肉力量和方式，结合心肺指标，进一步增强诊断能力。
该系统配置成可评估呼吸频率和呼吸模式，并可以识别呼吸模式，这些与综合和分配胸腔容积和容积变化同步一起作为呼吸损伤(respiratory compromise)的早期指标。该系统可以包括一个或多个声监测阵列、定位、干接点EMG等。该系统还可包括胸部和膈肌扩张传感器，分别位于上下腹部。这些传感器可以基于张力或其它变量的测量，有益于通过测量上下腹部腰围或移动变化来检测这种扩张。包括一个、两个或多个扩张测量系统的这些传感器的数据可以结合以确定与胸部和膈肌呼吸(diaphragmatic breathing)曲线有关的相关变化，以测定肺部状况。
该系统进一步配置成(例如，带有采用分布传感器进行声信号处理)可检测肺部水/流体量，例如，通过对肺部内和周围多余流体的整体和局部评估将有助于更好地鉴别诊断心力衰竭、胸腔积液，和肺动脉高压等。进一步的能力包括肺实质的区域变化，从而可以诊断出肺炎、其它固结、肺纤维化，和移植物排斥反应。肺血管的非创伤性血压和血流量都可得到量化以大大增强诊断和治疗能力。疾病中大小气道内的气流方式也可以评估，以便监测和诊断诸如肺气肿、COPD、哮喘疾病，或任何其它梗阻性或限制性疾病。这个可以通过分布传感器测量结果的时间曲线来检测气流方式来实现。
信号处理、传感器融合，以及事件分类都已经应用于心肺状态分析。状态分类器通常需要系统训练以便优化分类器识别。传统方法因为缺少实地验证而受到限制。本发明的综合心肺系统应用了一种新方法，其采用高速和高分辨率成像方法以及时间-同步的多传感器测量结果来探讨受试者的详细状态。这种结合使得事件和状态分类器的训练得以实现。
受试者生理特征和传感器系统应用环境变化降低了传统系统中分类器的性能。本发明的综合心肺系统结合了一种现场校验方法，该方法将测量结果与受试者生理特征(包括身体成分)变化与可佩戴式传感器阵列及其与受试者联接机械特征变化实现归一化。
心电图(ECG)和肌电图(EMG)信号提供了对器官功能驱动测量。然而，这些方法都不能确定反映病况存在的器官反应。本发明的综合心肺系统包括通过声传感器系统使得ECG和EMG与器官运动同步测量的多传感器相应同步。
受试者和生理状况的变化使得传统单点测量出现不确信性。本发明的综合心肺系统包括分布式感应，适于ECG、心脏声内部运动感应、呼吸声内部运动和流体感应、以及胸肌扩张检测。此外，传统的远程诊断方法也受受试者生理状态固有变化的限制，这种变化是因受试者状态(受试者定位、受试者运动、行为、失眠状态、睡眠状态，以及其它)的变化所致。本发明的综合心肺系统采用运动感应系统集成到连续可佩戴式方案解决了这种不确信性，从而可对受试者状态和行为进行感应检测。
此外，本发明的综合心肺系统包括根据临床试验和现场应用情况的需要布置和重新定位的传感器。
本项技术的实施方式可以参照根据本项技术的方法和系统的流程图图例，和/或算法、公式、或其它计算描述来说明，这些也都可作为计算机程序产品来实施。在这方面，流程图的每一栏或每一步，以及流程图中各栏(和/或步骤)的结合形式、算法、公式、或计算描述都可通过各种装置来实施，诸如硬件、固件、和/或软件，包括嵌入在计算机可读程序编码逻辑线路中的一个或多个计算机程序指令。如下所述，任何这种计算机程序指令都可安装到计算机中，包括但不限于通用计算机或专用计算机，或其它可编程处理装置，以生产出一种机器，这样，在计算机或其它可编程处理装置上执行的计算机程序指令就可创建装置以便实施流程图各栏中规定的功能。
为此，流程图各栏、算法、公式、或计算描述支持实施特定功能装置的结合形式、实施特定功能的各个步骤的结合形式、以及计算机程序指令，诸如为实施特定功能而嵌入在计算机可读程序编码逻辑装置内的指令。另外，应该了解的是，本文所述流程图每栏说明、算法、公式、或计算描述和其结合形式都可通过专门的基于硬件的计算机系统实施，这些计算机系统执行特定功能或步骤，或专用硬件和计算机可读程序编码逻辑装置的结合形式。
此外，这些计算机程序指令，诸如嵌入在计算机可读程序编码逻辑线路内的指令，也都可以存储在计算机可读存储器内，该存储器可指示计算机或其它可编程处理装置来以特定方式工作，这样，存储在计算机可读存储器内的指令就会制作出一件制品，包括指令装置，这些指令装置可执行流程图各栏中规定的功能。计算机程序指令也可装载到计算机或其它可编程处理装置中以便使得一系列操作步骤得以在计算机或其它可编程处理装置上执行，以便产生一种计算机实施的程序，这样，在计算机或其它可编程处理装置上执行的指令就为执行流程图各栏规定的功能、算法、公式、或计算描述提供各种操作步骤。
应该进一步清楚的是，此处所用术语“编程”或“可执行程序”都系指一个或多个由处理器执行以完成此处所述功能的指令。这些指令可嵌入到软件、固件，或软件和固件的结合形式中。这些指令可以以非暂时性媒体存储到本地装置中或远程存储，诸如服务器上，或全部或一部分指令可以本地和远程存储。远程存储的指令可以由用户启动或根据一个或多个因素自动下载到装置上。应该进一步清楚的是，正如此处所用，术语处理器、计算机处理器、中央处理器(CPU)、以及计算机，都作为同义词使用，系指能够执行指令和与输入/输出接口和/或外围设备通信的装置。
从此处的说明中，应该清楚的是，本发明包括了多种实施方式，包括但不限于如下方面：
1.一种多传感器心肺系统，包括：(a)包括位于受试者外部某处的声传感器的第一传感器；(b)位于用户外部某处的第二传感器，该第二传感器配置成测量受试者的生理特征；(c)计算机处理器；以及(d)存储可在处理器上执行的指令的存储器，这些指令在由处理器执行时所执行的步骤包括：(i)同步获得来自第一传感器和第二传感器的数据；(ii)根据所获得的来自第二传感器的数据，检测从第一传感器处获得的声信号中的一个或多个事件；以及(iii)根据所述一个或多个检测到的事件，确定病人的一个或多个心脏或呼吸状况。
2.任何前述实施方式的系统：其中，第一传感器在受试者身上的位置不同于第二传感器在受试者身上的位置；以及其中，传感器的各种空间分辨率使得能够检测到不同位置之间的波形差异。
3.任何前述实施方式的系统，其中，检测一个或多个事件包括获得有关声事件的源和传播的空间和时间信息。
4.任何前述实施方式的系统，其中，所述第二传感器包括用来监测病人心电图信号的心电图。
5.任何前述实施方式的系统：其中，所述第一传感器包括位于受试者外部某处的心脏声传感器，该传感器与受试者心脏相关；以及其中，所述系统进一步包括第三传感器，后者包括所在位置与受试者肺部相关的呼吸声传感器。
6.任何前述实施方式的系统：进一步包括第三传感器，其配置成用来实时测量一个或多个胸廓运动和胸腔容积及肺部机械反应。
7.任何前述实施方式的系统：其中，声传感器是集成到可佩戴式传感器装置内的若干声传感器中的一个；每个所述声传感器带有集成到可佩戴式传感器装置中的相关联的振动源；所述指令在由处理器执行时所执行的步骤包括定期启动与传感器相关联的振动源并确定不同的传感器是否检测到来自振动源的振动信号。
8.任何前述实施方式的系统：其中，检测一个或多个事件包括将声传感器的声信号分段为帧；以及其中，每个帧对应于与一个心动周期相关联的时间间隔。
9.任何前述实施方式的系统：其中，这些帧被分段成：每个帧都相对于连续R-波峰起始和结束。
10.任何前述实施方式的系统：其中，在由处理器执行时，所述指令进一步执行的步骤包括：将声信号内的峰值识别为候选事件。
11.任何前述实施方式的系统：其中，在由处理器执行时，所述指令进一步执行的步骤包括：将候选事件归类为多个心音类型的其中一个。
12.任何前述实施方式的系统：在由处理器执行时，所述指令进一步执行的步骤包括：根据每次心跳的声事件的时间和频率域特征来提取声事件特征。
13.任何前述实施方式的系统：在由处理器执行时，所述指令进一步执行的步骤包括：将所提取的声事件特征输入到回归模型内以便输出将要预测的所需生理测量。
14.任何前述实施方式的系统：其中，在由处理器执行时，所述指令进一步执行的步骤包括：将所提取的声事件特征输入到根据之前获得数据训练的多个分类模型中；以及其中，每个模型代表一个或多个、但不是全部传感器的信号完整性被损伤的所有可能的情况。
15.一种执行心肺功能监测的方法，包括：同步获得来自第一传感器的声数据和来自第二传感器的心电图数据；根据所获得的来自第二传感器的心电图数据，检测从第一传感器获得的声信号中的一个或多个事件；以及基于所述一个或多个所检测的事件，确定病人的一个或多个心脏或呼吸状况。
16.任何前述实施方式的方法：其中，所述第一传感器在受试者身上的位置不同于第二传感器在受试者身上的位置；以及其中，传感器的各种空间分辨率使得能够检测到不同位置之间的波形差异。
17.任何前述实施方式的方法：其中，检测一个或多个事件包括获得有关声事件的源和传播的空间和时间信息。
18.任何前述实施方式的方法：进一步包括位于受试者颈部位置处的第二声传感器，在该位置处，可以检测到颈动脉处与血流和血压变化有关的信号源。
19.任何前述实施方式的方法：其中，从第二声传感器处获得的数据与第一声传感器数据相结合。
20.任何前述实施方式的方法：其中，第一传感器包括位于受试者外部某处的心脏声传感器，该传感器与受试者心脏相关；以及其中，所述方法进一步包括从第三传感器处获得第三信号，第三传感器包括呼吸声传感器，该呼吸声传感器的位置与病人肺部有关。
21.任何前述实施方式的方法：进一步包括从第三传感器处获取一个或多个胸廓运动和胸腔容积及肺部机械反应的实时测量结果。
22.任何前述实施方式的方法：其中，声传感器是集成到可佩戴式传感器装置内的若干声传感器中的其中一个传感器；每个所述声传感器带有集成到可佩戴式传感器装置中的相关联的振动源；以及其中，所述方法进一步包括定期启动与传感器相关联的振动源并确定不同传感器是否检测到来自振动源的振动信号。
23.任何前述实施方式的方法：进一步包括从第三传感器处获取一个或多个隔肌运动和隔肌容积及肺部机械反应的实时测量结果。
24.任何前述实施方式的方法：其中，检测一个或多个事件包括将声传感器声信号分段为帧；以及其中，每个帧对应于与一个心动周期相关联的时间间隔。
25.任何前述实施方式的方法：其中，所述帧被分段成：每个帧都相对于连续R-波峰起始和结束。
26.任何前述实施方式的方法：进一步包括将声信号内的峰值识别为候选事件。
27.任何前述实施方式的方法，进一步包括：将候选事件归类为多个心音类型的其中一个。
28.任何前述实施方式的方法，进一步包括：根据每次心跳的声事件的时间和频率域特征来提取声事件特征。
29.任何前述实施方式的方法，进一步包括：将所提取的声事件特征输入到回归模型内以便输出将要预测的所需生理测量结果。
30.任何前述实施方式的方法，进一步包括：将所提取的声事件特征输入到根据之前获得数据训练的多个分类模型中；以及其中，每个模型代表一个或多个，但不是全部，传感器的信号完整性被损伤的所有可能的情况。
31.一种心肺功能诊断装置，包括：(a)配置成位于受试者外部的可佩戴式传感器装置；(b)集成到可佩戴式传感器装置上的至少一个声传感器；c)计算机处理器；以及(d)存储可在处理器上执行的指令的存储器，这些指令在由处理器执行时执行的步骤包括：(i)获得来自声传感器的数据；(ii)将从声传感器获得的数据与条件概率表中的数据进行比较；以及(iii)根据所述比较情况确定受试者的一个或多个心脏或呼吸状况。
32.任何前述实施方式的装置，进一步包括：用于检测上腹部处胸廓扩张和胸廓收缩的第一运动传感器；以及用于检测下腹部处膈肌扩张和膈肌收缩的第二运动传感器。
33.任何前述实施方式的装置，其中，在由处理器执行时，所述指令进一步执行的步骤包括检测受试者心脏或呼吸状况时间频率域特性的信号特征。
34.任何前述实施方式的装置，进一步包括：集成到所述可佩戴式传感器装置内的至少第二声传感器；每个所述声传感器具有集成到可佩戴式传感器装置中的相关联的振动源；所述指令在由处理器执行时进一步执行的步骤包括定期启动与传感器相关联的振动源并确定不同传感器是否检测到所述振动源的振动信号。
35.任何前述实施方式的装置，其中，所述指令在由处理器执行时所执行的步骤包括获取腹部振动和声信号的被动测量结果。
36.任何前述实施方式的装置，所述指令在由处理器执行时所执行的步骤包括：同步获得来自第一传感器的声数据和第二传感器的生理数据；根据所获得的来自第二传感器的生理数据，检测从第一传感器获得的声信号中的一个或多个事件；以及根据一个或多个所检测到的事件，确定病人的一个或多个心脏或呼吸状况。
37.任何前述实施方式的装置，其中，所述第二传感器包括用于监测病人心电图信号的心电图。
38.任何前述实施方式的装置，其中，所述第一传感器包括位于病人外部某处与受试者心脏相关的心脏声传感器；以及其中，所述装置进一步包括第三传感器，该第三传感器包括呼吸声传感器，该呼吸声传感器的位置与病人肺部有关。
39.任何前述实施方式的装置，进一步包括第三传感器，其配置成用来实时测量一个或多个胸廓运动和胸腔容积及肺部机械反应。
尽管本说明书包含了许多细节，但这些都不应被视为对本发明公开内容范围的限定，而仅仅提供一些目前优选实施方式的图示说明。因此，应该清楚的是，本发明范围完全包括了所属领域技术人员显而易见的其它实施方式。
在权利要求书中，以单数形式提及的部件并不是指“仅有一个”，除非另有说明，否则应指“一个或多个”。所属领域技术人员所熟知的已公开的实施方式各个部分的所有结构上、化学上和功能上的等同物都明确归入本文，以作引用，并应为本权利要求书所涵盖。此外，在本发明公开内容中，任何部件、构件，或方法步骤都无意向公众提供，不论所述部件、构件，或方法步骤在权利要求中是否被明确。本文中的任何权利要求要素都不应视为“装置加功能”的要素，除非通过使用短语“用于…的装置”予以明确详述。本文中的任何权利要求要素都不应视为是“步骤加功能”的要素，除非该要素通过使用短语“用于…的步骤”予以明确详述。
表1
传感器1 传感器2 传感器3 传感器4
模型1 + - - -
模型2 - + - -
模型3 - - + -
模型4 - - - +
模型5 + + - -
模型6 + - + -
模型7 + - - +
模型8 - + + -
模型9 - + - +
模型10 - - + +
模型11 + + + -
模型12 + + - +
模型13 + - + +
模型14 - + + +
模型15 + + + +

Claims (39)

1.一种多传感器心肺功能系统，包括：
(a)包括位于受试者外部某处的声传感器的第一传感器；
(b)位于用户外部某处的第二传感器，该第二传感器配置成测量受试者的生理特征；
(c)计算机处理器；以及
(d)存储能够在处理器上执行的指令的存储器，所述指令在由处理器执行时所执行的步骤包括：
(i)同步获得来自第一传感器和第二传感器的数据；
(ii)根据所获得的来自第二传感器的数据，检测从第一传感器处获得的声信号中的一个或多个事件；以及
(iii)根据一个或多个检测到的事件，确定病人的一个或多个心脏或呼吸状况。
2.根据权利要求1所述的系统：
其中，第一传感器在受试者身上的位置不同于第二传感器在受试者身上的位置；以及
其中，传感器的各种空间分辨率使得能够检测到不同位置之间的波形差异。
3.根据权利要求1所述的系统，其中，检测一个或多个事件包括获得有关声事件的源和传播的空间和时间信息。
4.根据权利要求1所述的系统，其中，第二传感器包括用来监测病人心电图信号的心电图。
5.根据权利要求4所述的系统：
其中，第一传感器包括位于受试者外部某处的心脏声传感器，该传感器与受试者心脏相关；以及
其中，系统进一步包括第三传感器，该第三传感器包括呼吸声传感器，该呼吸声传感器的位置与受试者肺部相关。
6.根据权利要求4所述的系统，进一步包括第三传感器，其配置成用来实时测量一个或多个胸廓运动和胸腔容积及肺部机械反应。
7.根据权利要求1所述的系统：
其中，声传感器是集成到可佩戴式传感器装置内的若干声传感器中的一个；
每个所述声传感器带有集成到可佩戴式传感器装置中的相关联的振动源；
所述指令在由处理器执行时所执行的步骤包括定期启动与传感器相关联的振动源并确定不同传感器是否检测到来自振动源的振动信号。
8.根据权利要求3所述的系统：
其中，检测一个或多个事件包括将声传感器的声信号分段为帧；以及
其中，每个帧对应于与一个心动周期相关联的时间间隔。
9.根据权利要求8所述的系统，其中，这些帧被分段成：每个帧都相对于连续R-波峰起始和结束。
10.根据权利要求9所述的系统，其中，在由处理器执行时，所述指令进一步执行的步骤包括：将声信号内的峰值识别为候选事件。
11.根据权利要求10所述的系统，其中，在由处理器执行时，所述指令进一步执行的步骤包括：将候选事件归类为多个心音类型的其中一个。
12.根据权利要求11所述的系统，其中，在由处理器执行时，所述指令进一步执行的步骤包括：根据每次心跳的声事件的时间和频率域特征来提取声事件特征。
13.根据权利要求12所述的系统，其中，在由处理器执行时，所述指令进一步执行的步骤包括：将所提取的声事件特征输入到回归模型内以便输出将要预测的所需生理测量。
14.根据权利要求13所述的系统，其中，在由处理器执行时，所述指令进一步执行的步骤包括：
将所提取的声事件特征输入到根据之前获得数据训练的多个分类模型中；以及
其中，每个模型代表一个或多个、但不是全部的传感器的信号完整性被损伤的所有可能的情况。
15.一种执行心肺功能监测的方法，包括：
同步获得来自第一传感器的声数据和来自第二传感器的心电图数据；
根据所获得的来自第二传感器的心电图数据，检测从第一传感器获得的声信号中的一个或多个事件；以及
基于所述一个或多个所检测的事件，确定病人的一个或多个心脏或呼吸状况。
16.根据权利要求15所述的方法：
其中，第一传感器在受试者身上的位置不同于第二传感器在受试者身上的位置；以及
其中，传感器的各种空间分辨率使得能够检测到不同位置之间的波形差异。
17.根据权利要求15所述的方法，其中，检测一个或多个事件包括获得有关声事件的源和传播的空间和时间信息。
18.根据权利要求15所述的方法，进一步包括位于受试者颈部位置处的第二声传感器，在该位置处，可以检测到颈动脉处与血流和血压变化有关的信号源。
19.根据权利要求18所述的方法，其中，从第二声传感器处获得的数据与第一声传感器数据相结合。
20.根据权利要求15所述的方法：
其中，第一传感器包括位于受试者外部某处的心脏声传感器，该传感器与受试者心脏相关；以及
其中，该方法进一步包括从第三传感器处获得第三信号，第三传感器包括呼吸声传感器，该呼吸声传感器的位置与病人肺部有关。
21.根据权利要求15所述的方法，进一步包括从第三传感器处获取一个或多个胸廓运动和胸腔容积及肺部机械反应的实时测量结果。
22.根据权利要求15所述的方法：
其中，声传感器是集成到可佩戴式传感器装置内的若干声传感器中的其中一个传感器；每个所述声传感器带有集成到可佩戴式传感器装置中的相关联的振动源；以及
其中，所述方法进一步包括定期启动与传感器相关联的振动源并确定不同传感器是否检测到来自振动源的振动信号。
23.根据权利要求15所述的方法，进一步包括：
从第三传感器处获取一个或多个膈肌运动和膈肌容积及肺部机械反应的实时测量结果。
24.根据权利要求15所述的方法：
其中，检测一个或多个事件包括将声传感器的声信号分段为帧；以及
其中，每个帧对应于与一个心动周期相关联的时间间隔。
25.根据权利要求24所述的方法，其中，所述帧被分段成：每个帧都相对于连续R-波峰起始和结束。
26.根据权利要求24所述的方法，进一步包括将声信号内的峰值识别为候选事件。
27.根据权利要求26所述的方法，进一步包括：
将候选事件归类为多个心音类型的其中一个。
28.根据权利要求27所述的方法，进一步包括：
根据每次心跳的声事件的时间和频率域特征来提取声事件特征。
29.根据权利要求28所述的方法，进一步包括：
将所提取的声事件特征输入到回归模型内以便输出将要预测的所需生理测量。
30.根据权利要求28所述的方法，进一步包括：
将所提取的声事件特征输入到根据之前获得数据训练的多个分类模型中；以及
其中，每个模型代表一个或多个、但不是全部传感器的信号完整性被损伤的所有可能的情况。
31.一种心肺功能诊断装置，包括：
(a)配置成位于受试者外部的可佩戴式传感器装置；
(b)集成到可佩戴式传感器装置上的至少一个声传感器；
(c)计算机处理器；以及
(d)存储能够在处理器上执行的指令的存储器，所述指令在由处理器执行时执行的步骤包括：
(i)获得来自声传感器的数据；
(ii)将从声传感器获得的数据与条件概率表中的数据进行比较；以及
(iii)根据所述比较情况确定受试者的一个或多个心脏或呼吸状况。
32.根据权利要求31所述的装置，进一步包括：
用于检测上腹部处胸廓扩张和胸廓收缩的第一运动传感器；以及
用于检测下腹部处膈肌扩张和膈肌收缩的第二运动传感器。
33.根据权利要求31所述的装置，其中，在由处理器执行时，所述指令进一步执行的步骤包括检测受试者心脏或呼吸状况时间频率域特性的信号特征。
34.根据权利要求31所述的装置，进一步包括：
集成到所述可佩戴式传感器装置内的至少第二声传感器；
每个所述声传感器具有集成到可佩戴式传感器装置中的相关联的振动源；
所述指令在由处理器执行时进一步执行的步骤包括定期启动与传感器相关联的振动源并确定不同传感器是否检测到所述振动源的振动信号。
35.根据权利要求31所述的装置，其中，所述指令在由处理器执行时所执行的步骤包括获取腹部振动和声信号的被动测量结果。
36.根据权利要求31所述的装置，所述指令在由处理器执行时进一步执行的步骤包括：
同步获得来自第一传感器的声数据和第二传感器的生理数据；
根据所获得的来自第二传感器的生理数据，检测从第一传感器获得的声信号中的一个或多个事件；以及
基于所述一个或多个所检测的事件，确定病人的一个或多个心脏或呼吸状况。
37.根据权利要求36所述的装置，其中，第二传感器包括用来监测病人心电图信号的心电图。
38.根据权利要求37所述的装置，
其中，所述第一传感器包括位于病人外部某处与受试者心脏相关的心脏声传感器；以及
其中，所述装置进一步包括第三传感器，该第三传感器包括呼吸声传感器，该呼吸声传感器的位置与病人肺部有关。
39.根据权利要求37所述的装置，进一步包括第三传感器，其配置成用来实时测量一个或多个胸廓运动和胸腔容积及肺部机械反应。
CN201580024267.7A 2014-05-15 2015-05-15 多传感器生理监测系统和方法 Pending CN106456017A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461993876P 2014-05-15 2014-05-15
US61/993,876 2014-05-15
PCT/US2015/031021 WO2015175904A1 (en) 2014-05-15 2015-05-15 Multisensor physiological monitoring systems and methods

Publications (1)

Publication Number Publication Date
CN106456017A true CN106456017A (zh) 2017-02-22

Family

ID=54480758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580024267.7A Pending CN106456017A (zh) 2014-05-15 2015-05-15 多传感器生理监测系统和方法

Country Status (8)

Country Link
US (1) US11197616B2 (zh)
EP (1) EP3142546B1 (zh)
JP (1) JP6678118B2 (zh)
KR (1) KR20170007286A (zh)
CN (1) CN106456017A (zh)
AU (1) AU2015259002B2 (zh)
CA (1) CA2947476A1 (zh)
WO (1) WO2015175904A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109549648A (zh) * 2018-11-06 2019-04-02 深圳市龙华区中心医院 一种智能呼吸内科用肺功能训练控制系统及方法
CN111031902A (zh) * 2017-08-31 2020-04-17 加利福尼亚大学董事会 多传感器心搏出量监测系统和分析法
CN111050633A (zh) * 2017-08-31 2020-04-21 加利福尼亚大学董事会 多传感器心脏功能监测和分析系统
CN111356401A (zh) * 2017-11-29 2020-06-30 威里利生命科学有限责任公司 使用可穿戴传感器和云驻留分析来连续检测和监测心律失常
CN112043251A (zh) * 2020-09-30 2020-12-08 深圳市艾利特医疗科技有限公司 动静态切换下的心肺功能评估方法、装置、设备、存储介质及系统
CN113272518A (zh) * 2018-11-29 2021-08-17 Bp探索操作有限公司 识别流体流入位置和流体类型的das数据处理

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7520860B2 (en) 2005-04-13 2009-04-21 Marie G. Johnson Detection of coronary artery disease using an electronic stethoscope
BR112018070565A2 (pt) 2016-04-07 2019-02-12 Bp Exploration Operating Company Limited detecção de eventos de fundo de poço usando características de domínio da frequência acústicas
AU2017246520B2 (en) 2016-04-07 2022-04-07 Bp Exploration Operating Company Limited Detecting downhole events using acoustic frequency domain features
US11123023B2 (en) 2016-06-22 2021-09-21 Koninklijke Philips N.V. Method and apparatus for determining respiratory information for a subject
CN110024041B (zh) * 2016-09-20 2023-10-31 哈特弗罗公司 用于利用用户特定解剖和生理传感器数据来监测和更新血流计算的系统和方法
NL2017506B1 (en) * 2016-09-21 2018-03-29 Bambi Belt B V Wearable device, method and system for monitoring one or more vital signs of a human body.
US10945699B2 (en) * 2016-12-28 2021-03-16 Hill-Rom Services Pte Ltd. Respiratory sound analysis for lung health assessment
BR112019020125B1 (pt) 2017-03-31 2023-09-26 Bp Exploration Operating Company Limited Métodos e sistemas para detectar vazamentos em um furo de poço
US20200163575A1 (en) * 2017-06-30 2020-05-28 Coala-Life Ab Analysing phonocardiogram and electrocardiogram data from a portable sensor device
US11331019B2 (en) 2017-08-07 2022-05-17 The Research Foundation For The State University Of New York Nanoparticle sensor having a nanofibrous membrane scaffold
WO2019038401A1 (en) 2017-08-23 2019-02-28 Bp Exploration Operating Company Limited DETECTION OF SAND INPUT LOCATIONS AT THE BOTTOM OF A HOLE
US11350869B2 (en) * 2017-08-25 2022-06-07 Garmin Switzerland Gmbh Electrocardiogram (ECG) measurement on a wrist-worn electronic device
US10271823B2 (en) 2017-10-02 2019-04-30 General Electric Company Extracting a cardiac-cycle signal from echocardiogram data
JP7277059B2 (ja) 2017-10-11 2023-05-18 ビーピー エクスプロレーション オペレーティング カンパニー リミテッド 音響周波数領域特徴を使用した事象の検出
EP3488766B1 (en) * 2017-11-22 2021-03-10 Nokia Technologies Oy Detecting increasing fluid in a lung of a subject
EP3723601B1 (en) * 2017-12-14 2024-03-06 Fluidda Respi NV Screening tool for patients pulmonary conditions
WO2020000268A1 (zh) * 2018-06-27 2020-01-02 深圳市大耳马科技有限公司 心脏生理参数测量方法、设备、终端及计算机存储介质
MX2021001984A (es) * 2018-08-21 2021-07-21 Eko Devices Inc Metodos y sistemas para determinar un estado o condicion fisiologica o biologica de un sujeto.
CN109189717B (zh) * 2018-09-07 2021-12-03 郑州信大先进技术研究院 一种多源数据同步采集系统
CA3115622A1 (en) * 2018-10-21 2020-04-30 Gerdcare Medical Ltd. Non-invasive device and method for treating the digestive system and for synchronizing stimulation with breath
CN109350017B (zh) * 2018-12-13 2021-07-13 温州医科大学 一种基于多传感器阵列的生命体征监测装置及方法
GB201820331D0 (en) 2018-12-13 2019-01-30 Bp Exploration Operating Co Ltd Distributed acoustic sensing autocalibration
EP4045766A1 (en) 2019-10-17 2022-08-24 Lytt Limited Fluid inflow characterization using hybrid das/dts measurements
WO2021073740A1 (en) 2019-10-17 2021-04-22 Lytt Limited Inflow detection using dts features
WO2021093974A1 (en) 2019-11-15 2021-05-20 Lytt Limited Systems and methods for draw down improvements across wellbores
US11583218B2 (en) * 2019-11-20 2023-02-21 Advancer Technologies, Llc EMG device
EP3893247A1 (en) * 2020-04-06 2021-10-13 Koninklijke Philips N.V. Apparatus and method for use in assessing pleural fluid
KR102333364B1 (ko) * 2020-04-09 2021-12-02 젠트리 주식회사 웨어러블 생체 진단 시스템, 장치 및 방법
TWI729808B (zh) * 2020-05-14 2021-06-01 廣達電腦股份有限公司 聽診裝置及應用聽診裝置的聽診方法
US20220354432A1 (en) * 2021-05-07 2022-11-10 Cortery AB Cardiac health assessment systems and methods
EP4165284A1 (en) 2020-06-11 2023-04-19 Lytt Limited Systems and methods for subterranean fluid flow characterization
EP4168647A1 (en) 2020-06-18 2023-04-26 Lytt Limited Event model training using in situ data
WO2022225082A1 (ko) * 2021-04-22 2022-10-27 젠트리 주식회사 웨어러블 생체 진단 시스템, 장치 및 방법
WO2023081732A1 (en) * 2021-11-02 2023-05-11 Chemimage Corporation Fusion of sensor data for persistent disease monitoring

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6409675B1 (en) * 1999-11-10 2002-06-25 Pacesetter, Inc. Extravascular hemodynamic monitor
US20040167416A1 (en) * 2003-02-26 2004-08-26 Medtronic, Inc. Method and apparatus for monitoring heart function in a subcutaneously implanted device
US20110213271A1 (en) * 2009-10-15 2011-09-01 Telfort Valery G Acoustic respiratory monitoring sensor having multiple sensing elements
CN103153184A (zh) * 2010-08-13 2013-06-12 呼吸运动公司 用于通过呼吸量、运动和变化性的测量进行呼吸振动监视的设备和方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63153044A (ja) * 1986-12-17 1988-06-25 三井造船株式会社 心音源探査装置
JP2628690B2 (ja) * 1987-08-04 1997-07-09 コーリン電子株式会社 呼吸数モニタ装置
JPH05309075A (ja) * 1992-03-13 1993-11-22 Nippon Koden Corp 心音解析装置
US6572560B1 (en) * 1999-09-29 2003-06-03 Zargis Medical Corp. Multi-modal cardiac diagnostic decision support system and method
WO2002096293A1 (en) * 2001-05-28 2002-12-05 Health Devices Pte Ltd. Heart diagnosis system
JP2003225211A (ja) * 2002-01-31 2003-08-12 Leadtek Research Inc 心電図、脈拍および音声を同時に測定するための検出システム、および同検出システムを含む解析システム
WO2003088838A1 (en) * 2002-04-19 2003-10-30 Colin Medical Technology Corporation Methods and systems for distal recording of phonocardiographic signals
US7510531B2 (en) * 2003-09-18 2009-03-31 Cardiac Pacemakers, Inc. System and method for discrimination of central and obstructive disordered breathing events
CA2641583C (en) * 2006-02-09 2016-06-14 Deka Products Limited Partnership Peripheral systems
US8005543B2 (en) * 2006-05-08 2011-08-23 Cardiac Pacemakers, Inc. Heart failure management system
WO2007143535A2 (en) * 2006-06-01 2007-12-13 Biancamed Ltd. Apparatus, system, and method for monitoring physiological signs
US8442607B2 (en) * 2006-09-07 2013-05-14 Sotera Wireless, Inc. Hand-held vital signs monitor
US20080119749A1 (en) * 2006-11-20 2008-05-22 Cardiac Pacemakers, Inc. Respiration-synchronized heart sound trending
ATE535194T1 (de) * 2006-12-11 2011-12-15 Deepbreeze Ltd Verfahren und system zur analyse von körpergeräuschen
US9968266B2 (en) * 2006-12-27 2018-05-15 Cardiac Pacemakers, Inc. Risk stratification based heart failure detection algorithm
JP4488016B2 (ja) * 2007-03-14 2010-06-23 オムロンヘルスケア株式会社 心音計
US9002427B2 (en) * 2009-03-30 2015-04-07 Lifewave Biomedical, Inc. Apparatus and method for continuous noninvasive measurement of respiratory function and events
US20100305633A1 (en) * 2009-06-02 2010-12-02 Kusai Saadeldin Aziz Diagnostic And Therapeutic Chest Casing
EP2448473A4 (en) * 2009-06-30 2014-06-25 Edwards Lifesciences Corp SYSTEMS AND METHODS FOR MONITORING AND DISPLAYING A PATIENT STATUS
JP2011156332A (ja) * 2010-02-03 2011-08-18 Kazuo Murakami 体内音を捕音収録してそれを解析する体調診断方法と装置
JP2012045373A (ja) * 2010-07-26 2012-03-08 Sharp Corp 生体測定装置、生体測定方法、生体測定装置の制御プログラム、および、該制御プログラムを記録した記録媒体
WO2012050088A1 (ja) * 2010-10-12 2012-04-19 学校法人福岡大学 身体情報測定装置および身体情報測定方法
US8428720B2 (en) * 2010-10-29 2013-04-23 Medtronic, Inc. Posture-induced changes to physiological parameters
JP2012157558A (ja) * 2011-02-01 2012-08-23 Sharp Corp 心音測定装置
JP2015523877A (ja) * 2012-05-31 2015-08-20 ゾール メディカル コーポレイションＺＯＬＬ Ｍｅｄｉｃａｌ Ｃｏｒｐｏｒａｔｉｏｎ 健康障害を検出するためのシステムおよび方法
KR101387614B1 (ko) * 2012-08-30 2014-04-25 주식회사 비트컴퓨터 하의 부착형 센서 유닛을 가지는 수면 장애 검출 시스템
US9775533B2 (en) * 2013-03-08 2017-10-03 Singapore Health Services Pte Ltd System and method of determining a risk score for triage
US9622664B2 (en) * 2013-11-04 2017-04-18 Cardiac Pacemakers, Inc. Methods and apparatus for detecting heart failure decompensation event and stratifying the risk of the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6409675B1 (en) * 1999-11-10 2002-06-25 Pacesetter, Inc. Extravascular hemodynamic monitor
US20040167416A1 (en) * 2003-02-26 2004-08-26 Medtronic, Inc. Method and apparatus for monitoring heart function in a subcutaneously implanted device
US20110213271A1 (en) * 2009-10-15 2011-09-01 Telfort Valery G Acoustic respiratory monitoring sensor having multiple sensing elements
CN103153184A (zh) * 2010-08-13 2013-06-12 呼吸运动公司 用于通过呼吸量、运动和变化性的测量进行呼吸振动监视的设备和方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111031902A (zh) * 2017-08-31 2020-04-17 加利福尼亚大学董事会 多传感器心搏出量监测系统和分析法
CN111050633A (zh) * 2017-08-31 2020-04-21 加利福尼亚大学董事会 多传感器心脏功能监测和分析系统
CN111356401A (zh) * 2017-11-29 2020-06-30 威里利生命科学有限责任公司 使用可穿戴传感器和云驻留分析来连续检测和监测心律失常
CN111356401B (zh) * 2017-11-29 2024-03-26 威里利生命科学有限责任公司 使用可穿戴传感器和云驻留分析来连续检测和监测心律失常
CN109549648A (zh) * 2018-11-06 2019-04-02 深圳市龙华区中心医院 一种智能呼吸内科用肺功能训练控制系统及方法
CN113272518A (zh) * 2018-11-29 2021-08-17 Bp探索操作有限公司 识别流体流入位置和流体类型的das数据处理
CN112043251A (zh) * 2020-09-30 2020-12-08 深圳市艾利特医疗科技有限公司 动静态切换下的心肺功能评估方法、装置、设备、存储介质及系统
CN112043251B (zh) * 2020-09-30 2021-05-25 深圳市艾利特医疗科技有限公司 动静态切换下的心肺功能评估方法、装置、设备、存储介质及系统

Also Published As

Publication number Publication date
WO2015175904A1 (en) 2015-11-19
KR20170007286A (ko) 2017-01-18
EP3142546A4 (en) 2018-01-24
AU2015259002A1 (en) 2016-11-10
CA2947476A1 (en) 2015-11-19
AU2015259002B2 (en) 2019-10-24
JP6678118B2 (ja) 2020-04-08
JP2017521106A (ja) 2017-08-03
US11197616B2 (en) 2021-12-14
US20170119255A1 (en) 2017-05-04
EP3142546B1 (en) 2022-12-28
EP3142546A1 (en) 2017-03-22

Similar Documents

Publication Publication Date Title
CN106456017A (zh) 多传感器生理监测系统和方法
Miao et al. Multi-sensor fusion approach for cuff-less blood pressure measurement
CN102245102B (zh) 用于心冲击图信号的分析的方法和设备
JP6619739B2 (ja) 心臓のモニタリングシステム
JP6073799B2 (ja) 冠状動脈疾患を診断するための周波数電力を検出するシステム
TW201806370A (zh) 提供即時訊號分段和基準點對準架構的系統與方法
US20200121207A1 (en) Method of processing a signal representing a physiological rhythm
JP2007508899A (ja) 特異値分解を使用する聴診音の分析
Chowdhury et al. Machine learning in wearable biomedical systems
CN110115596A (zh) 肺音监测装置及其肺音监测方法
Zhang et al. Developing personalized models of blood pressure estimation from wearable sensors data using minimally-trained domain adversarial neural networks
CN106073784A (zh) 一种呼吸率提取方法及装置
CN112740332A (zh) 用于对循环系统的状态的评价进行辅助的评价辅助系统和评价辅助方法
US20170127951A1 (en) Apparatus And Method For Physiological Mechanical And Electrical Activity Monitoring
CN115054218A (zh) 一种血压测量方法及设备
CN113647924A (zh) 基于鸿蒙操作系统的臂戴式血压仪
US11850039B2 (en) Apparatus and method for determining a change in left ventricular twist of a subject's heart
US20230363654A1 (en) Beamforming systems and methods for detecting heart beats
Chen et al. Optimization of Ultrasonic Respiratory Signals based on Supervised Learning
Augousti et al. Evaluation of cardiac monitoring using fiber optic plethysmography
WO2023177764A1 (en) Method and devices for improved phonocardiography and methods for enhanced detection and diagnosis of disease
KR20210007525A (ko) 동물용 스마트 청진기 및 제어방법
CN103687549A (zh) 超声波探测器、生物体信息测定装置以及生物体信息测定方法
JPH08336509A (ja) 呼吸検出方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170222

RJ01 Rejection of invention patent application after publication