CN106999114A - 用于经改善的生物信号采集的多光谱测量 - Google Patents

用于经改善的生物信号采集的多光谱测量 Download PDF

Info

Publication number
CN106999114A
CN106999114A CN201580062758.0A CN201580062758A CN106999114A CN 106999114 A CN106999114 A CN 106999114A CN 201580062758 A CN201580062758 A CN 201580062758A CN 106999114 A CN106999114 A CN 106999114A
Authority
CN
China
Prior art keywords
absorption
fitted
wavelength
change
confidence level
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
CN201580062758.0A
Other languages
English (en)
Other versions
CN106999114B (zh
Inventor
M·C·法尔康纳
W·M·贝尔特曼
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.)
Intel Corp
Original Assignee
Intel Corp
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 Intel Corp filed Critical Intel Corp
Publication of CN106999114A publication Critical patent/CN106999114A/zh
Application granted granted Critical
Publication of CN106999114B publication Critical patent/CN106999114B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
    • A61B5/0086—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters using infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A61B5/14552—Details of sensors 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
    • A61B5/72—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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • 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
    • A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
    • A61B2562/0238—Optical sensor arrangements for performing transmission measurements on body tissue
    • 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
    • A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Neurology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

实施例包括一种功能性近红外(fNIR)系统，所述功能性近红外系统包括：第一、第二和第三发光二极管(LED)以及光学检测器；以及至少一种存储介质，所述存储介质具有存储在其上的指令，所述指令用于使所述系统：(a)在第一和第二时间周期内从所述第一、第二和第三LED以第一、第二和第三波长发射光能，(b)基于所述发射的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及(c)基于所述确定的第一和第二发色团浓度的变化来确定第一、第二和第三吸收值并将其拟合至第一吸收光谱曲线。本文中对其他实施例进行了描述。

Description

用于经改善的生物信号采集的多光谱测量
背景技术
功能性近红外光谱(fNIR)是非侵入式成像方法，所述方法涉及对从近红外(NIR)光衰减、时间或相变化的测量解析的发色团浓度进行量化。fNIR可以用于通过测量作为局部区域中的脑部活动的指示器的脑部中的血氧水平来检测脑部活动(即神经负荷)。具体地，fNIR可以使用处于两个不同波长处的红外发光二极管(LED)来检测确定脑部活动所需的血氧水平。红外(IR)波长经选择以处于组织、皮肤和骨骼的IR“窗口”内(例如，700nm-900nm)，并且对应于血红蛋白和氧合血红蛋白的IR吸收。可以使用经修改的比尔朗伯定律(Beer-Lambert law)来确定血红蛋白和氧合血红蛋白的浓度水平的变化：OD＝-log(I/Io)＝ε[X]d×DPF+G，其中，OD为通过检测到的光强度I相对于入射的光强度Io的负对数比率而确定的样本的光学密度。OD与组织的吸收系数ε相关，[X]为发色团浓度，并且d为光从源行进到检测器的净距离，所述净距离通过差分路径长度因子DPF缩放，并加上几何因子G。
附图说明
通过所附权利要求书、对一个或多个示例实施例的以下详细说明、以及相应附图，本发明实施例的特征和优点将变得明显。在认为适当的情况下，在附图当中重复参考标号以表示相应或相似的元件。
图1包括血红蛋白和氧合血红蛋白的吸收光谱曲线。
图2包括本发明的实施例中的将吸收值拟合至血红蛋白和氧合血红蛋白的吸收光谱曲线的过程。
图3包括本发明的实施例中的当氧合血红蛋白浓度为低且血红蛋白浓度为高时至血红蛋白和氧合血红蛋白的吸收光谱曲线的曲线拟合吸收值。
图4包括本发明的实施例中的当氧合血红蛋白浓度为高且血红蛋白浓度为低时至血红蛋白和氧合血红蛋白的吸收光谱曲线的曲线拟合吸收值。
图5包括本发明的实施例中的当氧合血红蛋白浓度与血红蛋白浓度彼此相似时至血红蛋白和氧合血红蛋白的吸收光谱曲线的曲线拟合吸收值。
图6包括本发明的实施例中的用于实现过程的系统。
具体实施方式
在以下描述中，阐述了许多特定细节，但是在没有这些特定细节的情况下也可以实践本发明的实施例。尚未详细示出公知的电路、结构和技术，以避免模糊对本说明书的理解。“一个实施例”、“各实施例”等指示这样描述的一个或多个实施例可以包括具体特征、结构、或特性，但并不是每个实施例必定包括这些具体特征、结构、或特性。某些实施例可具有针对其他实施例所描述的特征的一部分、全部、或不具有任何这些特征。“第一”、“第二”、“第三”等描述了共同对象并指示正提及的相似对象的不同实例。此类形容词并不暗示这样描述的对象在或者时间上、空间上、排名上、或以其他方式必须按照给定的顺序。
如之前所述的，常规fNIR系统由IR资源和IR检测器阵列组成，其中，所述IR资源在两个波长处。所述fNIR系统使用所述两个波长来确定血红蛋白与氧合血红蛋白的相对量(例如，浓度)，这可以提供对局部区域中的脑部活动的测量。这通过使用已知的值(诸如如图1中示出的血红蛋白与氧合血红蛋白的组织的本征摩尔消光系数ε)来完成。准确确定血红蛋白与氧合血红蛋白的相对量可能相当成问题，因为所接收的信号(例如，I/Io)非常小并且具有大噪声分量。用于提高捕获数据的信噪比(SNR)的常规机制包括通过多个样本的时间平均法，这导致更长的测量时间。
然而，实施例提供了大大改善的信号质量和数据捕获，这引起更准确的评估(例如，认知负荷评估)，所述评估比可能利用常规系统更快速地被获得。实施例将已知的值(例如，图1中示出的波长与吸收特性)与多个(例如，三个或更多个)波长处的测量结果进行组合以便获得比可利用更小的总样本数实现的更优越的SNR结果。这引起更快速的评估。另外，实施例提供了从将数据点(吸收值)拟合至预期波长与吸收轮廓而提取的关于适当目标(即血红蛋白浓度与氧合血红蛋白浓度)的信息。例如，缺乏将数据拟合(或者不合适的拟合)至血红蛋白吸收曲线或者氧合血红蛋白吸收曲线的预期形状指示可能已经检测到错误的发色团(例如，除了血红蛋白或氧合血红蛋白之外的事物或者甚至血红蛋白与氧合血红蛋白之间的混淆)。当吸收值不具有预期波长与吸收轮廓的强拟合时，实施例提供低置信水平输出(例如，视觉或听觉)，这可以指示设备故障或者设备未恰当拟合至受试者(例如，未恰当附接至患者的颅骨)。因此，各实施例提高了fNIR系统的信号采集，传递更优质量的数据，并且减少数据采集时间，从而允许实时地(或近实时地)测量数据。例如，实施例减少了提供可靠的发色团浓度信息所需的测量平均值的数量的I/Io；因此，减少了数据采集和处理时间并且向用户提供更快速的数据采集和反馈。
图1包括血红蛋白(110)和氧合血红蛋白(111)的吸收光谱曲线。血红蛋白和氧合血红蛋白两者的吸收(Y轴)与波长(X轴)曲线的形状是固定量。随着血红蛋白和氧合血红蛋白量(例如，浓度)的变化，吸收曲线相对于彼此而上下移动(但是曲线的形状仍保持相同)。
图2包括本发明的实施例中的将吸收值拟合至血红蛋白和氧合血红蛋白的吸收光谱曲线的过程200。
在框205中，fNIR系统在第一时间周期内从第一、第二、第三和第四LED或其他红外源以第一、第二、第三和第四波长发射第一光能。在实施例中，所述第一、第二、第三和第四波长彼此不相等。在实施例中，所述第一和第二波长处于650nm与800nm之间，并且所述第三和第四波长处于800nm与950nm之间。例如，图3包括本发明的实施例中的当氧合血红蛋白浓度为低且血红蛋白浓度为高时至血红蛋白和氧合血红蛋白的吸收光谱曲线的曲线拟合吸收值。具体地，在图3中，第一和第二波长(301，302)处于650nm与800nm之间，并且所述第三和第四波长(303，304)处于800nm与950nm之间。实施例还可以利用其他波长来增加准确性(诸如波长300、305)，考虑到实施例与fNIR以及血红蛋白和氧合血红蛋白检测不是严格相关的，所述波长可以在或可以不在650nm和950nm内。在图3中，第一和第二吸收光谱数据集对应于第一和第二吸收光谱曲线310(血红蛋白)、311(氧合血红蛋白)。
如以上所提及的，实施例使用多于常规系统的波长测量。然而，选择波长也与常规系统不同。例如，在图3中，波长301与在或小于吸收光谱曲线310的拐点312处的位置相对应，并且波长302与大于所述拐点312的附加位置相对应。拐点(诸如点312)是发生曲率方向变化的曲线的点。此外，波长300与小于所述拐点312的附加位置相对应。通过划界(选择拐点两边的波长)或者至少以与已知拐点312相对应的波长为目标，实施例能够更好地在发色团浓度(例如，[Hb]，[HbO2])之间进行区分，如在以下图5中提出的讨论中更明显做出的。
虽然未在框205中示出，但是不仅发射光能，而且还感测I/Io(或者更具体地，Io)。
在框210中，所述系统在第二时间周期内从所述第一、第二、第三和第四LED以所述第一、第二、第三和第四波长发射第二光能。例如，框205中参考的时间周期可以与受试者的“休息”状态相关，并且框210中的时间周期可以与受试者的“测试”状态相关。而且，在第二时间周期内从所述第一、第二、第三和第四LED以所述第一、第二、第三和第四波长发射第二光能不一定意味着从所述LED同时发射能量(但是在一些实施例中，发射确实是同时的)。在一些实施例中，光电发射在本质上是连续的，发射彼此快速跟随而不会彼此重叠。针对框205中的光能的发射，同样如此。
在框215中，所述系统基于发射所述第一和第二光能来确定第一、第二、第三和第四光学密度变化(ΔOD)。例如，ΔΟDλ1＝(εHbλ1[ΔHb]+εHbO2λ1[ΔHbO2])×d×DPF；ΔΟDλ2＝(εHbλ2[ΔHb]+εHbO2λ2[ΔHbO2])×d×DPF；ΔΟDλ3＝(εHbλ3[ΔHb]+εHbO2λ3[ΔHbO2])×d×DPF；ΔΟDλ4＝(εHbλ4[ΔHb]+εHbO2λ4[ΔHbO2])×d×DPF；...ΔΟDλn＝(εHbλn[ΔHb]+εHbO22λn[ΔHbO2])×d×DPF(其中，n为感测的波长总数)。因此，确定四个光学密度变化不排除确定附加变化(如果n>4)。
在框220中，所述系统基于所述确定的第一、第二、第三和第四OD变化来确定第一发色团浓度的第一变化(Δ[Hb])以及第二发色团浓度的第二变化(Δ[HbO2])。例如，实施例解决了如下的浓度变化：
如矩阵1中所见，实施例通过使用三个或更多个波长来利用超定系统以便确定所述一个或两个发色团浓度。如果存在比未知数更多的方程，则线性方程的系统被认为是超定的。可就约束计数的概念而言来描述术语。每个未知数可被看作可用的自由度。引入到所述系统中的每个方程可被视为限制一个自由度的约束。因此，在实施例中，所述fNIR系统基于所述确定的OD变化经由超定系统来确定发色团浓度的变化。
在框225中，所述系统基于确定所述第一和第二发色团的所述第一和第二变化来确定第一、第二、第三和第四吸收值。在框230中，所述系统将所述第一、第二、第三和第四吸收值拟合至与所述第一和第二发色团相对应的第一和第二吸收光谱数据集。如图3中所见，吸收值320、321、322、323、324、325是确定的。图3描绘了独特的情况，其中，氧合血红蛋白浓度为低，并且血红蛋白浓度为高。
关于曲线拟合，实施例使用均方误差(MSE)以用于将所述吸收值320、321、322、323、324、325拟合至曲线310、311(其是基于所述两个发色团的吸收光谱数据集)。在统计学上，估计器的MSE测量“误差”的二乘的平均值，即估计器与所估计的之间的差。
曲线拟合是构建可能地经受约束的曲线、或数学函数的过程，其具有到一系列数据点的最佳拟合。曲线拟合可涉及内插(其中，需要到数据的精确拟合)或者平滑(其中，构建大致拟合数据的“平滑”函数)。相关的主题是回归分析，其更多地关注于统计推断的问题，诸如拟合至利用随机误差观测的数据的曲线中存在多少不确定性(例如，“置信水平”)。拟合曲线可用作数据可视化的辅助，以便推断函数的值(其中，没有数据是可用的)并且总结两个或更多个变量之中的关系。
最小二乘的方法是超定系统的大致解决方案的方式。“最小二乘”意指总体解决方案最小化在每个单个方程的结果中做出的误差的二乘之和。最小二乘可以用在数据拟合/曲线拟合中。最小二乘感测中的最佳拟合最小化平方残差之和，残差为观察的值与由模型提供的拟合值之间的差。当然，在其他实施例中使用其他曲线拟合技术。
返回至图3，实施例使用MSE和矩阵1以用于将吸收值拟合至曲线310、311。然而，所述实施例还使用MSE以用于将吸收值拟合至刚才的曲线310，由此矩阵1用于仅解决[ΔHb]而非[ΔHbO2]。在这种情况下，经修改的矩阵1具有与未修改的矩阵1相同的MSE(解决[ΔHb]和[ΔHbO2]两者)，因为当使用全部6个数据点320、321、322、323、324、325时氧合血红蛋白与零最佳拟合。在这种情况下，所述实施例已经清楚地区分了所述两个发色团之间的数据，所述数据示出了血红蛋白对氧合血红蛋白的主导。
在框235中，所述系统基于将所述第一、第二、第三和第四吸收值拟合至第一和第二吸收光谱数据集来确定至少一个置信水平。基于与矩阵1的经修改形式相关联的低MSE(仅解决[ΔHb])(即到曲线310的强拟合)，找到了关于[ΔHb]和[ΔHbO2]的高置信水平并且用户可以更加确定数据是准确的并且设备在正常运作。
返回至框225(但提出图4而非图3的数据)，所述系统基于确定所述第一和第二发色团的所述第一和第二变化来确定第一、第二、第三和第四吸收值。在框230中，所述系统将所述第一、第二、第三和第四吸收值拟合至与所述第一和第二发色团相对应的第一和第二吸收光谱数据集。如图4中所见，吸收值420、421、422、423、424、425是确定的。图4描绘了独特的情况，其中，氧合血红蛋白浓度为高，并且血红蛋白浓度为低。
关于曲线拟合，实施例使用均方误差以用于将所述吸收值拟合至曲线410、411(其是基于所述两个发色团的吸收光谱数据集)。针对图4，实施例使用MSE和矩阵1以用于将吸收值拟合至曲线410、411。然而，所述实施例还使用MSE以用于将吸收值拟合至刚才的曲线411，由此矩阵1用于仅解决[ΔHbO2]而非[ΔHb]。在这种情况下，经修改的矩阵1具有与未修改的矩阵1相同的MSE(解决[ΔHb]和[ΔHbO2]两者)，因为当使用全部6个数据点420、421、422、423、424、425时血红蛋白与零最佳拟合。在这种情况下，所述实施例已经清楚地区分了所述两个发色团之间的数据，所述数据示出了氧合血红蛋白对血红蛋白的主导。
在框235中，所述系统基于将所述第一、第二、第三和第四吸收值(例如，数据点420、421、422、423、424、425中的任何四个或更多个数据点)拟合至第一和第二吸收光谱数据集来确定至少一个置信水平。基于与矩阵1的经修改形式相关联的低MSE(仅解决[ΔHbO2])(即到曲线411的强拟合)，找到了关于[ΔHb]和[ΔHbO2]的高置信水平并且用户可以更加确定数据是准确的并且设备在正常运作。
返回至框225(但提出图5而非图3或图4的数据)，所述系统基于确定所述第一和第二发色团的所述第一和第二变化来确定第一、第二、第三和第四吸收值。在框230中，所述系统将所述第一、第二、第三和第四吸收值拟合至与所述第一和第二发色团相对应的第一和第二吸收光谱数据集。如图5中所见，吸收值520、521、522、523、524、525是确定的。图5描绘了独特的情况，其中，氧合血红蛋白浓度和血红蛋白浓度是彼此相似的。例如，曲线510、511在700nm到760nm范围之间非常相似。
关于曲线拟合，实施例使用MSE以用于将所述吸收值拟合至曲线510、511(其是基于所述两个发色团的吸收光谱数据集)。针对图5，实施例使用MSE和矩阵1以用于将吸收值拟合至曲线510、511。然而，所述实施例还使用MSE以用于将吸收值拟合至刚才的700nm到760nm波长范围内的曲线510，由此矩阵1用于仅解决[ΔHb]而非[ΔHbO2]。在这种情况下，MSE当与700nm至760nm之间的三个点520、521、522拟合时针对脱氧血红蛋白[ΔHb]是最低的。在此场景下，常规方式将不能够将线510、511与700-760nm点进行区分(因为常规方法将仅具有在此区域中的一个数据点)。但是，实施例可通过检查那三个数据点520、521、522的MSE而在线510、511之间进行区分，甚至在艰难条件下(诸如图5中700nm与760nm之间的线)。可基于MSE针对示出了到曲线511的最佳拟合的数据点523、524、525的900nm至960nm范围来执行相似的分析。
在框235中，所述系统基于将所述第一、第二、第三和第四吸收值拟合至第一和第二吸收光谱数据集来确定至少一个置信水平。基于与矩阵1的经修改形式相关联的低MSE(仅解决[ΔHb])(即到曲线510的强拟合)，找到了关于[ΔHb]和[ΔHbO2]的高置信水平并且用户可以更加确定数据是准确的并且设备在正常运作。
图2至图5以及相关的讨论仅是说明性示例，并且不将实施例限于采样的波长的特定数量也不针对测量而选择波长。实施例可以被改变为使用提供对特性形状的最佳预测的波长，无论那些是针对血红蛋白/氧合血红蛋白发色团还是其他发色团。存在许多用于确定吸收形状水平的可用技术，包括例如，最小化测量点与预期形状之间的RMS误差。可由查找表、多项式方程或其他数学函数来表示形状(例如，曲线510、511)。
实施例可以用在医疗设备(例如，评估用于研究脑部损伤的认知负荷)、消费者电子设备(例如，在长睡眠剥夺周期之后，评估用于确定健身以便操作机动车辆的认知负荷)、以及关于脑部计算机界面(BCI)的健康/健身设备中(作为独立式模式或者与现有模式进行组合)。
实施例的硬件可以包括多个LED、或其他红外源、以及一个或多个传感器。LED可以提供对700nm至900nm范围内的多于两个IR波长的同时或不同时发射。在实施例中，LED距离用于感测其输出的光学检测器通常均是等距的。
图6包括本发明的实施例中的用于实现过程的系统。在此所讨论的fNIR系统可以利用以下讨论的诸如图6的系统的系统。事实上，各实施例可以用于多个不同类型的系统中。例如，在一个实施例中，通信设备可被安排成用于执行在此描述的所述各种方法和技术。当然，本发明的范围并不限于通信设备，并且相反其他实施例可以针对其他类型的用于处理指令的装置。
程序指令可以用于使利用这些指令所编程的通用或专用处理系统执行本文中所描述的操作。可替代地，这些操作可以由含有用于执行这些操作的硬件连线的逻辑的特定硬件部件执行，或者由程序计算机部件和自定义硬件部件的任意组合执行。在此描述的这些方法可以作为(a)计算机程序产品来提供，所述计算机程序产品可以包括一个或多个机器可读介质，所述一个或多个介质具有存储在其上的指令，所述指令可以用于编程处理系统或其他电子设备以便执行这些方法，或作为(b)至少一种存储介质来提供，所述至少一个存储介质上存储有使得系统执行这些方法的指令。在此使用的术语“机器可读介质”或“存储介质”应当包括能够存储或编码指令序列的任何介质(瞬态介质，包括信号；或非瞬态介质)，所述指令序列用于由机器执行并且使机器执行在此描述的任一种方法。术语“机器可读介质”或“存储介质”将相应地包括但不限于存储器，如固态存储器、光盘盒磁盘、只读存储器(ROM)、可编程ROM(PROM)、可擦出PROM(EPROM)、电EPROM(EEPROM)、磁盘驱动、软盘、高密度磁盘ROM(CD-ROM)、数字多功能盘(DVD)、闪存存储器、磁光盘、以及更多的外来介质(如机器可访问的生物状态保留或信号保留存储设备)。介质可以包括任何用于以机器可读的形式存储、传输、或接收信息的机制，并且所述介质可以包括程序代码可穿过的介质，如天线、光纤、通信接口等。程序代码可以以数据包、序列号、并行数据的形式传输，并且可以以压缩或加密的格式被使用。此外，在本领域中常常将呈一种或另一种形式(例如，程序、规程、过程、应用、模块、逻辑等)说成采取行动或造成结果。这类表达仅仅是陈述由处理系统执行软件使得处理器执行动作或产生结果的速记方式。
现在参考图6，示出了根据本发明的实施例的系统实施例1000的框图。系统1000可以包括在例如移动计算节点中，如蜂窝电话、智能电话、平板计算机、笔记本、膝上型计算机、个人数字助理、可穿戴已连接互联网的设备(例如，腕带、头带、眼镜、运动头盔、军事头盔、棒球帽、帽子))以及基于移动处理器的平台。实施例可以包括头带，所述头带包括LED和传感器或具有无限容量的传感器以便与基于云的系统进行通信，所述基于云的系统进而引导光电发射和检测和/或发色团浓度确定中的一些或全部。
示出了多处理器系统1000，所述多处理器系统包括第一处理元件1070和第二处理元件1080。虽然示出了两个处理元件1070和1080，但应当理解的是，系统1000的实施例还可以包括仅一个此类的处理元件。系统1000被展示为点对点互连系统，其中，第一处理元件1070和第二处理元件1080经由点对点互连件1050联接。应当理解的是，所展示的任何或所有互连件可以被实现为多站式总线而不是点对点互连件。如所示，处理元件1070和1080中的每一个可以是多核处理器，包括第一处理器核和第二处理器核(即，处理器核1074a和1074b以及处理器核1084a和1084b)。这类核1074、1074b、1084a、1084b可以被配置成用于以与在此讨论的方法类似的方式执行指令码。
每个处理元件1070、1080可以包括至少一个共享缓存。共享高速缓存可以存储分别由处理器的一个或多个部件(诸如核1074a、1074b以及1084a、1084b)利用的数据(例如，指令)。例如，共享缓存可以本地缓存存储在存储器1032、1034中的数据，以便由处理器的部件更快地访问。在一个或多个实施例中，共享高速缓存可以包括一个或多个中间级高速缓存(诸如2级(L2)、3级(L3)、4级(L4)、或其他级高速缓存)、最后一级高速缓存(LLC)、和/或其组合
虽然仅以两个处理元件1070、1080来示出，但应理解本发明的范围不限于此。在其他实施例中，给定处理器中可以存在一个或多个另外的处理元件。可替代地，处理元件1070、1080中的一个或多个处理元件可以是处理器之外的元件，诸如加速度计或现场可编程门阵列。例如，(多个)另外的处理元件可以包括与第一处理器1070相同的(多个)另外的处理器、与第一处理器1070异构或不对称的(多个)另外的处理器、加速器(例如像图形加速器或数字信号处理(DSP)单元)、现场可编程门阵列、或任何其他处理元件。就包括架构特性、微架构特性、热特性、功耗特性等等在内的优点的度量谱而言，处理元件1070、1080之间可具有各种各样的差异。这些差异可以有效地表明它们是处理元件1070、1080之间的不对称性和异构性。对于至少一个实施例，不同处理元件1070、1080可以驻留在同一管芯封装中。
第一处理元件1070可以进一步包括存储器控制器逻辑(MC)1072以及点对点(P-P)接口1076和1078。类似地，第二处理元件1080可以包括MC 1082以及P-P接口1086和1088。MC1072和1082将处理器联接到对应存储器、即存储器1032和存储器1034上，所述存储器可以是主存储器的本地附接到对应处理器上的部分。虽然MC逻辑1072和1082被展示为集成到处理元件1070、1080中，但对于替代性实施例，MC逻辑可以是位于处理元件1070、1080外部而不是集成在其中的离散逻辑。
第一处理元件1070和第二处理元件1080可以对应地经由P-P互连1062、10104通过P-P接口1076、1086而耦合至I/O子系统1090。如所示，I/O子系统1090包括P-P接口1094和1098。而且，I/O子系统1090包括接口1092以便将I/O子系统1090与高性能图形引擎1038耦合。在一个实施例中，总线可以用于将图形引擎1038耦合至I/O子系统1090。可替代地，点对点互连1039可以耦合这些部件。
进而，I/O子系统1090可以经由界面1096耦合至第一总线10110。在一个实施例中，第一总线10110可以是外围部件互连(PCI)总线，或诸如PCI Express总线或另一种第三代I/O互连总线的总线，尽管本发明的范围不限于此。
如所示的，各I/O设备1014、1024可以连同总线桥1018耦合至第一总线10110上，所述总线桥可以将第一总线10110耦合至第二总线1020上。在一个实施例中，第二总线1020可以是低引脚数(LPC)总线。在一个实施例中，各个设备可以耦合至第二总线1020，所述设备包括例如键盘/鼠标1022、(多个)通信设备1026(所述通信设备进而可以与计算机网络进行通信)、以及可以包括代码1030的数据存储单元1028(如磁盘驱动器或者其他大容量存储设备)。代码1030可以包括用于执行以上所描述方法中的一种或多种的实施例的指令。另外，可以将音频I/O 1024耦合至第二总线1020。
注意的是，考虑到了其他实施例。例如，替代所示的点对点体系结构，系统可以实现多站式总线或另一种这样的通信拓扑结构。另外，图6元件可以可替代地使用比图6所示多或少的集成芯片来进行分区。
实施例可以放弃图6的某些部件，诸如各个桥、图形封装1038、键盘/鼠标1022等。
以下示例涉及进一步的实施例。
示例1包括一种功能性近红外(fNIR)系统，所述功能性近红外系统包括：第一、第二、第三和第四光学发射器；至少一个光学检测器；以及至少一种存储介质，所述存储介质具有存储在所述存储介质上的指令，所述指令用于使所述系统：(a)在第一时间周期期间，从所述第一、第二、第三和第四光学发射器以第一、第二、第三和第四波长发射第一光能；(b)在第二时间周期期间，从所述第一、第二、第三和第四光学发射器以所述第一、第二、第三和第四波长发射第二光能；(c)基于发射所述第一和第二光能来确定第一、第二、第三和第四光学密度变化；(e)基于所确定的第一、第二、第三和第四光学密度变化来确定第一发色团浓度的第一变化以及第二发色团浓度的第二变化；(f)基于确定所述第一和第二发色团的所述第一和第二变化来确定第一、第二、第三和第四吸收值；(g)将所述第一、第二、第三和第四吸收值拟合至与所述第一和第二发色团相对应的第一和第二吸收光谱数据集；以及(h)基于将所述第一、第二、第三和第四吸收值拟合至第一和第二吸收光谱数据集来确定至少一个置信水平。
在示例2中，示例1的主题可以可选地包括：其中，(a)所述第一、第二、第三和第四波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三和第四波长处于800nm与950nm之间。当然，其他实施例可以提出其他范围，诸如700nm-850nm以及750nm到900nm。
在示例3中，示例1至2的主题可以可选地包括：其中，所述第一和第二吸收光谱数据集与第一和第二吸收光谱曲线相对应。
在示例4中，示例1至3的主题可以可选地包括：其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
在示例5中，示例1至4的主题可以可选地包括：其中，所述第一发色团是血红蛋白和氧合血红蛋白中的一者，并且所述第二发色团是血红蛋白和氧合血红蛋白中的另一者。
在示例6中，示例1至5的主题可以可选地包括：其中，所述第一、第二、第三和第四光学发射器包括发光二极管(LED)。
在示例7中，示例1至6的主题可以可选地包括：其中，所述指令使所述系统确定第一置信水平和第二置信水平，所述第一置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第一吸收光谱数据集相对应，所述第二置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第二吸收光谱数据集相对应的第二置信水平。
例如，这可以涉及取吸收值并且将其拟合至搜索最佳拟合的各个曲线。
在示例8中，示例1至7的主题可以可选地包括：其中，所述指令使所述系统确定第一置信水平，所述第一置信水平与将所述第一和第二吸收值拟合至所述第一吸收光谱数据集并且将所述第三和第四吸收值拟合至所述第二吸收光谱数据集相对应。
例如，一些实施例取一些值并且将其拟合至曲线并将其他值拟合至另一曲线。可以将相同值与相同曲线以及其他不同曲线中的一部分进行比较。
在示例9中，示例1至8的主题可以可选地包括：其中，所述指令使所述系统确定第一置信水平，所述第一置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第一和第二吸收光谱数据集相对应。
例如，一些值被拟合至多条曲线。
在示例10中，示例1至9的主题可以可选地包括：其中，所述第一置信水平正向地对应于所述第一和第二吸收值相比拟合至所述第二吸收光谱数据集更好地拟合至所述第一吸收光谱数据集并且所述第三和第四吸收值相比拟合至所述第一吸收光谱数据集更好地拟合至所述第二吸收光谱数据集的情况。
例如，图5中示出了这种情况，其中，值最佳拟合至更易于认识到血红蛋白的波长范围内的曲线510，并且值最佳拟合至更易于认识到氧合血红蛋白的波长范围内的曲线511。换言之，这描述了氧合血红蛋白和血红蛋白的更典型的性能，因此引起了更高的置信水平。
在示例11中，示例1至10的主题可以可选地包括：其中，所述第一置信水平负向地对应于所述第一、第二、第三和第四吸收值相比拟合至所述第二吸收光谱数据集更好地拟合至所述第一吸收光谱数据集的情况。
例如，图3中示出了这种情况，其中，值最佳拟合至更易于认识到血红蛋白并且更易于认识到氧合血红蛋白的波长范围内的曲线310。换言之，这描述了氧合血红蛋白和血红蛋白的较不典型的性能，因此引起了更低的置信水平。
在示例12中，示例1至11的主题可以可选地包括：其中，所述第一、第二、第三和第四光学发射器与所述至少一个光学检测器都是总体上等距的。
在示例13中，示例1至12的主题可以可选地包括：第五和第六光学发射器；并且其中，所述指令使所述系统：(a)在所述第一时间周期期间，从所述第五和第六光学发射器以第五和第六波长发射所述第一光能；(b)在所述第二时间周期期间，从所述第五和第六光学发射器以所述第五和第六波长发射所述第二光能；(c)基于发射所述第一和第二光能来确定第五和第六光学密度变化；(e)基于所确定的第五和第六光学密度变化来确定所述第一发色团的所述第一变化以及所述第二发色团的所述第二变化；(f)基于确定所述第一和第二发色团的所述第一和第二变化来确定第五和第六吸收值；(g)将所述第五和第六吸收值拟合至所述第一和第二吸收光谱数据集；以及(h)基于将所述第五和第六吸收值拟合至第一和第二吸收光谱数据集来确定所述至少一个置信水平。
在示例14中，示例1至13的主题可以可选地包括：其中，所述指令使所述系统：基于所述第一和第二发色团的所确定的第一和第二变化来确定认知负荷。
在示例15中，示例1至14的主题可以可选地包括：其中，所述指令使所述系统：基于所述确定的第一、第二、第三和第四光学密度变化经由超定系统来确定所述第一和第二发色团浓度的所述第一和第二变化。
示例16包括一种fNIR系统，所述fNIR系统包括：第一、第二和第三发光二极管(LED)以及光学检测器；以及至少一种存储介质，所述存储介质具有存储在所述存储介质上的指令，所述指令用于使所述系统：(a)在第一和第二时间周期期间，从所述第一、第二和第三LED以第一、第二和第三波长发射光能；(b)基于所发射的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及(c)基于所述第一和第二发色团浓度的所确定的变化来确定第一、第二和第三吸收值并将所述第一、第二和第三吸收值拟合至第一吸收光谱曲线。
因此，并非所有的实施例必需要求确定置信水平。在统计学上，置信区间(CI)是对数量参数的区间估计的类型。如果重复实验，则这是通常包括感兴趣的参数的观测区间(即从观测中计算出的)，原则上是随着样本不同而不同的。观测区间包含参数的频率由置信水平或置信系数来确定。更具体地，术语“置信水平”的含义是：如果跨重复(并且可能不同的)实验的许多单独数据分析来构建置信区间，则包含参数的真值的这种区间的比例将与置信水平匹配。
在示例17中，示例16的主题可以可选地包括：其中，(a)所述第一、第二和第三波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三波长处于800nm与950nm之间。
在示例18中，示例16至17的主题可以可选地包括：其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
在示例19中，示例16至18的主题可以可选地包括：其中，所述指令使所述系统：基于将所述第一、第二和第三吸收值拟合至所述第一吸收光谱曲线来确定置信水平。
在示例20中，示例16至19的主题可以可选地包括：其中，所述指令使所述系统：基于将所述第一、第二和第三吸收值拟合至所述第一和第二吸收光谱曲线来确定置信水平。
在示例21中，示例16至20的主题可以可选地包括：其中，所述置信水平正向地对应于所述第一和第二吸收值相比拟合至所述第二吸收光谱曲线更好地拟合至所述第一吸收光谱曲线并且所述第三吸收值相比拟合至所述第一吸收光谱曲线更好地拟合至所述第二吸收光谱曲线的情况。
示例22包括：至少一种存储介质，所述存储介质具有存储在所述存储介质上的指令，所述指令用于使系统：(a)在第一和第二时间周期期间，从第一、第二和第三LED以第一、第二和第三波长发射光能；(b)基于所发射的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及(c)基于所确定的第一和第二发色团浓度的变化来确定第一、第二和第三吸收值并将所述第一、第二和第三吸收值拟合至第一和第二吸收光谱曲线中的至少一者。
示例22的另一实施例包括：至少一种存储介质，所述存储介质具有存储在所述存储介质上的指令，所述指令用于使系统：基于在第一和第二时间周期期间从第一、第二和第三LED发射处于第一、第二和第三波长的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及(b)基于所述第一和第二发色团浓度的所确定的变化来确定第一、第二和第三吸收值并将所述第一、第二和第三吸收值拟合至第一和第二吸收光谱曲线中的至少一者。因此，实施例不控制LED的发光，而是相反，更多地关注于分析所产生的数据并输出结果(例如，经由显示器、听觉)。
在示例23中，示例22的主题可以可选地包括：其中，(a)所述第一、第二和第三波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三波长处于800nm与950nm之间。
在示例24中，示例21至23的主题可以可选地包括：其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
在示例25中，示例21至24的主题可以可选地包括：其中，所述指令使所述系统：基于将所述第一、第二和第三吸收值拟合至所述第一吸收光谱曲线和第二吸收光谱曲线中的至少一者来确定置信水平。
示例1a包括一种功能性近红外(fNIR)系统，所述功能性近红外系统包括：第一、第二、第三和第四光学发射器；至少一个光学检测器；以及至少一种存储介质，所述存储介质具有存储在所述存储介质上的指令，所述指令用于使所述系统：(a)从所述第一、第二、第三和第四光学发射器同时以第一、第二、第三和第四波长发射光能，(b)确定与所述第一、第二、第三和第四波长相对应的第一、第二、第三和第四发色团浓度，并且(c)将第一多个所述第一、第二、第三和第四浓度拟合至第一发色团的第一预定吸收光谱数据集以便确定第一拟合；其中，(d)所述第一、第二、第三和第四波长彼此不相等，并且(e)所述第一和第二波长处于700nm与800nm之间，并且所述第三和第四波长处于800nm与900nm之间。
在示例2a中，示例1的主题可以可选地包括权利要求1所述的系统，其中，所述第一、第二、第三和第四光学发射器包括发光二极管(LED)。
在示例3a中，示例1a至2a的主题可以可选地包括：其中，所述指令使所述系统：确定与所述确定的第一拟合相对应的第一置信水平。
在示例4a中，示例1a至3a的主题可以可选地包括：其中，所述指令使所述系统：将所述第一多个所述第一、第二、第三和第四浓度以及第二多个所述第一、第二、第三和第四浓度中的至少一者拟合至第二发色团的第二预定吸收光谱数据集以便确定第二拟合。
在示例5a中，示例1a至4a的主题可以可选地包括：其中，所述指令使所述系统：确定与所确定的第二拟合相对应的第一置信水平。
在示例6a中，示例1a至5a的主题可以可选地包括：其中，所述指令使所述系统：确定与所确定的第一和第二拟合相对应的第一置信水平。
在示例7a中，示例1a至6a的主题可以可选地包括：其中，所述第一发色团是血红蛋白和氧合血红蛋白中的一者，并且所述第二发色团是血红蛋白和氧合血红蛋白中的另一者。
在示例8a中，示例1a至7a的主题可以可选地包括：第五和第六光学发射器；并且其中，所述指令使所述系统：(a)从所述第一、第五和第六光学发射器同时以所述第一、第五和第六波长发射光能；(b)确定与所述第五和第六波长相对应的第五和第六浓度；以及(c)将所述第五和第六浓拟合至第一发色团的所述第一预定吸收光谱数据集以便确定所述第一拟合；其中，所述第一、第二、第五和第六波长彼此不相等，并且处于700nm与800nm之间。
在示例9a中，示例1a至8a的主题可以可选地包括：其中，所述第一、第二、第三和第四光学发射器与所述至少一个光学检测器都是总体上等距的。
示例1b包括一种由至少一个处理器执行的方法，所述方法包括：在第一时间周期期间，从第一、第二、第三和第四光学发射器以第一、第二、第三和第四波长发射第一光能；在第二时间周期期间，从所述第一、第二、第三和第四光学发射器以所述第一、第二、第三和第四波长发射第二光能；基于发射所述第一和第二光能来确定第一、第二、第三和第四光学密度变化；基于所确定的第一、第二、第三和第四光学密度变化来确定第一发色团浓度的第一变化以及第二发色团浓度的第二变化；基于确定所述第一和第二发色团的所述第一和第二变化来确定第一、第二、第三和第四吸收值；将所述第一、第二、第三和第四吸收值拟合至与所述第一和第二发色团相对应的第一和第二吸收光谱数据集；以及基于将所述第一、第二、第三和第四吸收值拟合至第一和第二吸收光谱数据集来确定至少一个置信水平。
在示例2b中，示例1b的主题可以可选地包括：其中，(a)所述第一、第二、第三和第四波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三和第四波长处于800nm与950nm之间。当然，其他实施例可以提出其他范围，诸如700nm-850nm以及750nm到900nm。
在示例3b中，示例1至2b的主题可以可选地包括：其中，所述第一和第二吸收光谱数据集与第一和第二吸收光谱曲线相对应。
在示例4b中，示例1至3b的主题可以可选地包括：其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
在示例5b中，示例1至4b的主题可以可选地包括：其中，所述第一发色团是血红蛋白和氧合血红蛋白中的一者，并且所述第二发色团是血红蛋白和氧合血红蛋白中的另一者。
在示例6b中，示例1至5b的主题可以可选地包括：其中，所述第一、第二、第三和第四光学发射器包括发光二极管(LED)。
在示例7b中，示例1至6b的主题可以可选地包括：其中，所述指令使所述系统确定第一置信水平和第二置信水平，所述第一置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第一吸收光谱数据集相对应，所述第二置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第二吸收光谱数据集相对应。
在示例8b中，示例1至7b的主题可以可选地包括：确定第一置信水平，所述第一置信水平与将所述第一和第二吸收值拟合至所述第一吸收光谱数据集并且将所述第三和第四吸收值拟合至所述第二吸收光谱数据集相对应。
在示例9b中，示例1至8b的主题可以可选地包括：确定第一置信水平，所述第一置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第一和第二吸收光谱数据集相对应。
在示例10b中，示例1至9b的主题可以可选地包括：其中，所述第一置信水平正向地对应于所述第一和第二吸收值相比拟合至所述第二吸收光谱数据集更好地拟合至所述第一吸收光谱数据集并且所述第三和第四吸收值相比拟合至所述第一吸收光谱数据集更好地拟合至所述第二吸收光谱数据集的情况。
在示例11b中，示例1至10b的主题可以可选地包括：其中，所述第一置信水平负向地对应于所述第一、第二、第三和第四吸收值相比拟合至所述第二吸收光谱数据集更好地拟合至所述第一吸收光谱数据集的情况。
在示例12b中，示例1至11b的主题可以可选地包括：其中，所述第一、第二、第三和第四光学发射器与所述至少一个光学检测器都是总体上等距的。
在示例13b中，示例1至12b的主题可以可选地包括：在所述第一时间周期期间，从第五和第六光学发射器以第五和第六波长发射所述第一光能；在所述第二时间周期期间，从所述第五和第六光学发射器以所述第五和第六波长发射所述第二光能；基于发射所述第一和第二光能来确定第五和第六光学密度变化；基于所确定的第五和第六光学密度变化来确定所述第一发色团的所述第一变化以及所述第二发色团的所述第二变化；基于确定所述第一和第二发色团的所述第一和第二变化来确定第五和第六吸收值；(g)将所述第五和第六吸收值拟合至所述第一和第二吸收光谱数据集；以及基于将所述第五和第六吸收值拟合至所述第一和第二吸收光谱数据集来确定所述至少一个置信水平。
在示例14b中，示例1至13b的主题可以可选地包括：基于所述第一和第二发色团的所述确定的第一和第二变化来确定认知负荷。
在示例15b中，示例1至14b的主题可以可选地包括：基于所确定的第一、第二、第三和第四光学密度变化经由超定系统来确定所述第一和第二发色团浓度的所述第一和第二变化。
示例16b包括一种方法，所述方法由至少一个处理器执行，所述方法包括：在第一和第二时间周期期间，从第一、第二和第三LED以第一、第二和第三波长发射光能；基于所发射的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及基于所述第一和第二发色团浓度的所述确定的变化来确定第一、第二和第三吸收值并将其拟合至第一吸收光谱曲线。
在示例17b中，示例16b的主题可以可选地包括：其中，(a)所述第一、第二和第三波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三波长处于800nm与950nm之间。
在示例18b中，示例16至17b的主题可以可选地包括：其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点处的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
在示例19b中，示例16至18b的主题可以可选地包括：基于将所述第一、第二和第三吸收值拟合至所述第一吸收光谱曲线来确定置信水平。
在示例20b中，示例16至19b的主题可以可选地包括：基于将所述第一、第二和第三吸收值拟合至所述第一和第二吸收光谱曲线来确定置信水平。
示例21b包括一种方法，所述方法由至少一个处理器执行，所述方法包括：在第一和第二时间周期期间，从第一、第二和第三LED以第一、第二和第三波长发射光能；基于所发射的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及基于所述第一和第二发色团浓度的所确定的变化来确定第一、第二和第三吸收值并将其拟合至第一和第二吸收光谱曲线中的至少一者。
示例21b的另一实施例包括一种方法，所述方法由至少一个处理器执行，所述方法包括：基于在第一和第二时间周期期间从第一、第二和第三LED发射处于第一、第二和第三波长的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及基于所述第一和第二发色团浓度的所确定的变化来确定第一、第二和第三吸收值并将其拟合至第一和第二吸收光谱曲线中的至少一者。
在示例22b中，示例21b的主题可以可选地包括：其中，(a)所述第一、第二和第三波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三波长处于800nm与950nm之间。
在示例23b中，示例21至22b的主题可以可选地包括：其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点处的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
在示例24b中，示例21至23b的主题可以可选地包括：基于将所述第一、第二和第三吸收值拟合至所述第一吸收光谱曲线和第二吸收光谱曲线中的至少一者来确定置信水平。
在示例25b中，示例21至24b的主题可以可选地包括：至少一种机器可读介质，所述机器可读介质包括多条指令，所述指令响应于在计算设备上被执行而使所述计算设备实施根据示例1b至24b中任一项所述的方法。
相关领域的技术人员可理解，鉴于以上教导，许多修改和变体是可能的。本领域技术人员将认识到附图中示出的各部件的等同组合和替换。因此，本发明的范围旨在不应受此详细说明限制，而是受所附权利要求书的限制。

Claims (25)

1.一种功能性近红外(fNIR)系统，包括：
第一、第二、第三和第四光学发射器；
至少一个光学检测器；以及
至少一种存储介质，所述存储介质具有存储在所述存储介质上的指令，所述指令用于使所述系统：(a)在第一时间周期期间，从所述第一、第二、第三和第四光学发射器以第一、第二、第三和第四波长发射第一光能；(b)在第二时间周期期间，从所述第一、第二、第三和第四光学发射器以所述第一、第二、第三和第四波长发射第二光能；(c)基于发射所述第一和第二光能来确定第一、第二、第三和第四光学密度变化；(e)基于所确定的第一、第二、第三和第四光学密度变化来确定第一发色团浓度的第一变化以及第二发色团浓度的第二变化；(f)基于确定所述第一和第二发色团的所述第一和第二变化来确定第一、第二、第三和第四吸收值；(g)将所述第一、第二、第三和第四吸收值拟合至与所述第一和第二发色团相对应的第一和第二吸收光谱数据集；以及(h)基于将所述第一、第二、第三和第四吸收值拟合至第一和第二吸收光谱数据集来确定至少一个置信水平。
2.如权利要求1所述的系统，其中，(a)所述第一、第二、第三和第四波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三和第四波长处于800nm与950nm之间。
3.如权利要求2所述的系统，其中，所述第一和第二吸收光谱数据集与第一和第二吸收光谱曲线相对应。
4.如权利要求3所述的系统，其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
5.如权利要求4所述的系统，其中，所述第一发色团是血红蛋白和氧合血红蛋白中的一者，并且所述第二发色团是血红蛋白和氧合血红蛋白中的另一者。
6.如权利要求1所述的系统，其中，所述第一、第二、第三和第四光学发射器包括发光二极管(LED)。
7.如权利要求1所述的系统，其中，所述指令使所述系统确定第一置信水平和第二置信水平，所述第一置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第一吸收光谱数据集相对应，所述第二置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第二吸收光谱数据集相对应。
8.如权利要求1所述的系统，其中，所述指令使所述系统确定第一置信水平，所述第一置信水平与将所述第一和第二吸收值拟合至所述第一吸收光谱数据集并且将所述第三和第四吸收值拟合至所述第二吸收光谱数据集相对应。
9.如权利要求1所述的系统，其中，所述指令使所述系统确定第一置信水平，所述第一置信水平与将所述第一、第二、第三和第四吸收值拟合至所述第一和第二吸收光谱数据集相对应。
10.如权利要求9所述的系统，其中，所述第一置信水平正向地对应于所述第一和第二吸收值相比拟合至所述第二吸收光谱数据集更好地拟合至所述第一吸收光谱数据集并且所述第三和第四吸收值相比拟合至所述第一吸收光谱数据集更好地拟合至所述第二吸收光谱数据集的情况。
11.如权利要求10所述的系统，其中，所述第一置信水平负向地对应于所述第一、第二、第三和第四吸收值相比拟合至所述第二吸收光谱数据集更好地拟合至所述第一吸收光谱数据集的情况。
12.如权利要求1所述的系统，其中，所述第一、第二、第三和第四光学发射器与所述至少一个光学检测器都是总体上等距的。
13.如权利要求1所述的系统，包括：
第五和第六光学发射器；并且
其中，所述指令使所述系统：(a)在所述第一时间周期期间，从所述第五和第六光学发射器以第五和第六波长发射所述第一光能；(b)在所述第二时间周期期间，从所述第五和第六光学发射器以所述第五和第六波长发射所述第二光能；(c)基于发射所述第一和第二光能来确定第五和第六光学密度变化；(e)基于所确定的第五和第六光学密度变化来确定所述第一发色团的所述第一变化以及所述第二发色团的所述第二变化；(f)基于确定所述第一和第二发色团的所述第一和第二变化来确定第五和第六吸收值；(g)将所述第五和第六吸收值拟合至所述第一和第二吸收光谱数据集；以及(h)基于将所述第五和第六吸收值拟合至所述第一和第二吸收光谱数据集来确定所述至少一个置信水平。
14.如权利要求1所述的系统，其中，所述指令使所述系统：基于所述第一和第二发色团的所确定的第一和第二变化来确定认知负荷。
15.如权利要求1所述的系统，其中，所述指令使所述系统：基于所述确定的第一、第二、第三和第四光学密度变化，经由超定系统来确定所述第一和第二发色团浓度的所述第一和第二变化。
16.一种功能性近红外(fNIR)系统，包括：
第一、第二和第三发光二极管(LED)以及光学检测器；以及
至少一种存储介质，所述存储介质具有存储在所述存储介质上的指令，所述指令用于使所述系统：(a)在第一和第二时间周期期间，从所述第一、第二和第三LED以第一、第二和第三波长发射光能；(b)基于所发射的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及(c)基于所述第一和第二发色团浓度的所确定的变化来确定第一、第二和第三吸收值并将所述第一、第二和第三吸收值拟合至第一吸收光谱曲线。
17.如权利要求16所述的系统，其中，(a)所述第一、第二和第三波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三波长处于800nm与950nm之间。
18.如权利要求17所述的系统，其中，所述第一波长与所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
19.如权利要求16所述的系统，其中，所述指令使所述系统：基于将所述第一、第二和第三吸收值拟合至所述第一吸收光谱曲线来确定置信水平。
20.如权利要求16所述的系统，其中，所述指令使所述系统：基于将所述第一、第二和第三吸收值拟合至所述第一和第二吸收光谱曲线来确定置信水平。
21.如权利要求20所述的系统，其中，所述置信水平正向地对应于所述第一和第二吸收值相比拟合至所述第二吸收光谱曲线更好地拟合至所述第一吸收光谱曲线并且所述第三吸收值相比拟合至所述第一吸收光谱曲线更好地拟合至所述第二吸收光谱曲线的情况。
22.至少一种存储介质，具有存储在所述存储介质上的指令，所述指令用于使系统：
(a)在第一和第二时间周期期间，从第一、第二和第三LED以第一、第二和第三波长发射光能；(b)基于所发射的光能来确定第一、第二和第三光学密度变化以及第一和第二发色团浓度的变化；以及(c)基于所述第一和第二发色团浓度的所确定的变化来确定第一、第二和第三吸收值并将所述第一、第二和第三吸收值拟合至第一和第二吸收光谱曲线中的至少一者。
23.如权利要求22所述的至少一种介质，其中，(a)所述第一、第二和第三波长彼此不相等，并且(b)所述第一和第二波长处于650nm与800nm之间，并且所述第三波长处于800nm与950nm之间。
24.如权利要求23所述的至少一种介质，其中，所述第一波长所述第一吸收光谱曲线的拐点处的位置相对应或与小于所述第一吸收光谱曲线的拐点的位置相对应，并且所述第二波长与大于所述拐点的附加位置相对应。
25.如权利要求22所述的至少一种介质，其中，所述操作包括：基于将所述第一、第二和第三吸收值拟合至所述第一和第二吸收光谱曲线中的至少一者来确定置信水平。
CN201580062758.0A 2014-12-17 2015-11-17 用于经改善的生物信号采集的多光谱测量 Expired - Fee Related CN106999114B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/572,938 US9872621B2 (en) 2014-12-17 2014-12-17 Multispectral measurement for improved biological signal acquisition
US14/572,938 2014-12-17
PCT/US2015/060986 WO2016099745A1 (en) 2014-12-17 2015-11-17 Multispectral measurement for improved biological signal acquisition

Publications (2)

Publication Number Publication Date
CN106999114A true CN106999114A (zh) 2017-08-01
CN106999114B CN106999114B (zh) 2020-08-25

Family

ID=56127267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580062758.0A Expired - Fee Related CN106999114B (zh) 2014-12-17 2015-11-17 用于经改善的生物信号采集的多光谱测量

Country Status (7)

Country Link
US (1) US9872621B2 (zh)
EP (1) EP3232929A4 (zh)
JP (1) JP6851308B2 (zh)
KR (1) KR102500057B1 (zh)
CN (1) CN106999114B (zh)
TW (1) TWI592648B (zh)
WO (1) WO2016099745A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2645943C1 (ru) * 2016-10-04 2018-02-28 Общество с ограниченной ответственностью "ТЕЛЕБИОМЕТ" Способ неинвазивного определения концентраций компонентов крови
US11316977B2 (en) * 2017-10-27 2022-04-26 Tata Consultancy Services Limited System and method for call routing in voice-based call center
US10665254B1 (en) 2018-05-21 2020-05-26 Seagate Technology Llc Readback waveform oversampling method and apparatus
KR20200020341A (ko) * 2018-08-17 2020-02-26 주식회사 올리브헬스케어 기계 학습을 이용한 생체신호 분석 장치 및 그 방법
KR102696905B1 (ko) 2018-11-20 2024-08-20 삼성전자주식회사 사용자의 혈당과 관련된 정보를 획득하기 위한 전자 장치 및 방법
US20200289054A1 (en) * 2019-06-05 2020-09-17 Mohan Muvvala System and method for monitoring brain activity using near- infrared spectroscopy and selectively applying transcranial direct current stimulation and photobiomodulation therapy

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1379694A (zh) * 1999-10-16 2002-11-13 巴克斯特国际公司 监测光密度的血液处理系统
CN1424574A (zh) * 2001-12-06 2003-06-18 株式会社岛津制作所 分析包含多种荧光物质的样本的方法和系统
CN1542434A (zh) * 2003-11-07 2004-11-03 清华大学 可修正外层组织影响的组织血氧参数检测方法
CN1544947A (zh) * 2003-11-21 2004-11-10 清华大学 骨骼肌代谢功能血运参数近红外组织无损检测方法
CN1784185A (zh) * 2003-09-18 2006-06-07 埃米尔·诺莫维奇·索博尔 使光－热－机械作用在生物组织上起作用的方法及其装置
CN101784881A (zh) * 2007-05-11 2010-07-21 弗斯-A公司 表征生物组织的方法和装置
CN101953683A (zh) * 2009-07-14 2011-01-26 国立大学法人筑波大学 血流测量装置及使用该血流测量装置的脑活动测量装置
CN103429153A (zh) * 2010-11-03 2013-12-04 华盛顿大学商业中心 活体内的组织氧化的确定
CN103735274A (zh) * 2013-12-25 2014-04-23 电子科技大学 一种局部脑组织血氧血容绝对量检测装置及检测方法
CN104146714A (zh) * 2014-08-21 2014-11-19 天津大学 一种组织体局部血氧饱和度变化量拓扑成像装置及方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7054674B2 (en) 1996-11-19 2006-05-30 Astron Clinica Limited Method of and apparatus for investigating tissue histology
US5827182A (en) 1997-03-31 1998-10-27 Ohmeda Inc. Multiple LED sets in oximetry sensors
US6587701B1 (en) * 1997-04-03 2003-07-01 Miroslaw F. Stranc Method of assessing tissue viability using near-infrared spectroscopy
JP4031438B2 (ja) * 2002-02-14 2008-01-09 俊徳 加藤 生体機能診断装置
US7251516B2 (en) 2004-05-11 2007-07-31 Nostix Llc Noninvasive glucose sensor
US20080221426A1 (en) 2007-03-09 2008-09-11 Nellcor Puritan Bennett Llc Methods and apparatus for detecting misapplied optical sensors
EP2277026A4 (en) * 2008-04-21 2013-12-25 Univ Drexel METHODS FOR MEASURING CHANGES IN THE OPTICAL PROPERTIES OF LESION TISSUE AND CORRELATION OF NEAR INFRARED ABSORPTION (FNIR) SPECTROSCOPY AND DIFFUSED REFLECTANCE SPECTROSCOPY (DRS) WITH TISSUE NEO-VASCULARIZATION AND CONCENTRATION OF COLLAGEN TO DETERMINE IF AN INJURY IS HUNTING
US20140039309A1 (en) 2012-04-26 2014-02-06 Evena Medical, Inc. Vein imaging systems and methods
TWI487504B (zh) 2012-08-13 2015-06-11 Univ Nat Chiao Tung 血紅素光學監測系統
TWM447757U (zh) 2012-10-19 2013-03-01 Shawo Hwa Ind Co Ltd 近紅外光血氧量測探頭構造

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1379694A (zh) * 1999-10-16 2002-11-13 巴克斯特国际公司 监测光密度的血液处理系统
CN1424574A (zh) * 2001-12-06 2003-06-18 株式会社岛津制作所 分析包含多种荧光物质的样本的方法和系统
CN1784185A (zh) * 2003-09-18 2006-06-07 埃米尔·诺莫维奇·索博尔 使光－热－机械作用在生物组织上起作用的方法及其装置
CN1542434A (zh) * 2003-11-07 2004-11-03 清华大学 可修正外层组织影响的组织血氧参数检测方法
CN1544947A (zh) * 2003-11-21 2004-11-10 清华大学 骨骼肌代谢功能血运参数近红外组织无损检测方法
CN101784881A (zh) * 2007-05-11 2010-07-21 弗斯-A公司 表征生物组织的方法和装置
CN101953683A (zh) * 2009-07-14 2011-01-26 国立大学法人筑波大学 血流测量装置及使用该血流测量装置的脑活动测量装置
CN103429153A (zh) * 2010-11-03 2013-12-04 华盛顿大学商业中心 活体内的组织氧化的确定
CN103735274A (zh) * 2013-12-25 2014-04-23 电子科技大学 一种局部脑组织血氧血容绝对量检测装置及检测方法
CN104146714A (zh) * 2014-08-21 2014-11-19 天津大学 一种组织体局部血氧饱和度变化量拓扑成像装置及方法

Also Published As

Publication number Publication date
KR20170094146A (ko) 2017-08-17
EP3232929A1 (en) 2017-10-25
TWI592648B (zh) 2017-07-21
US20160174843A1 (en) 2016-06-23
WO2016099745A1 (en) 2016-06-23
CN106999114B (zh) 2020-08-25
JP2018504944A (ja) 2018-02-22
US9872621B2 (en) 2018-01-23
EP3232929A4 (en) 2018-09-05
KR102500057B1 (ko) 2023-02-14
TW201625924A (zh) 2016-07-16
JP6851308B2 (ja) 2021-03-31

Similar Documents

Publication Publication Date Title
CN106999114A (zh) 用于经改善的生物信号采集的多光谱测量
US7417727B2 (en) Method and apparatus for standoff detection of liveness
CN1509153A (zh) 使用光谱学的个体的生物测定识别或者验证的装置和方法
CN102946794A (zh) 用于测定并监视测量介质的含量或特性的装置和方法，特别地用于测定并监视生理血液值
US11092542B2 (en) Quality evaluation method and quality evaluation device
Kumar et al. A novel noninvasive hemoglobin sensing device for anemia screening
Golap et al. Hemoglobin and glucose level estimation from PPG characteristics features of fingertip video using MGGP-based model
CN106455935A (zh) 形状推定装置、具备形状推定装置的内窥镜系统、形状推定方法以及用于形状推定的程序
Haque et al. A novel technique for non-invasive measurement of human blood component levels from fingertip video using DNN based models
Bui et al. Smartphone-based spo2 measurement by exploiting wavelengths separation and chromophore compensation
JP2016177686A (ja) 撮影装置
Ahsan et al. A novel real-time non-invasive hemoglobin level detection using video images from smartphone camera
Kim et al. A wearable wrist band-type system for multimodal biometrics integrated with multispectral skin photomatrix and electrocardiogram sensors
Chakraborty et al. Non-invasive estimation of clinical severity of anemia using hierarchical ensemble classifiers
JP6777199B2 (ja) 品質評価方法及び品質評価装置
JP6613028B2 (ja) 撮像装置
Zhu et al. A Non-Invasive Hemoglobin Detection Device Based on Multispectral Photoplethysmography
CN114869276A (zh) 一种无创血红蛋白浓度检测方法及系统
Nguyen et al. Determination of SWIR features for noninvasive glucose monitoring using machine learning
CN107928682A (zh) 一种信息采集传感器以及生理参数获取装置
Decaro Development of new system for prediction of hematic parameters in extracorporeal treatments
WO2024012479A1 (en) Devices, systems and methods for blood glucose monitoring
US20240032827A1 (en) Non-invasive blood analysis using a compact capillaroscope and machine learning techniques
Wood Low-Power Sensor Design and Fusion to Edge Devices for High-Speed Object Detection and Enhanced Soldier Situational Awareness
Toral-Lopez et al. Wearable biosignal acquisition system for decision aid

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200825

Termination date: 20211117

CF01 Termination of patent right due to non-payment of annual fee