CN107580471B - 可穿戴脉搏感测设备信号质量估计 - Google Patents

可穿戴脉搏感测设备信号质量估计 Download PDF

Info

Publication number
CN107580471B
CN107580471B CN201680024469.6A CN201680024469A CN107580471B CN 107580471 B CN107580471 B CN 107580471B CN 201680024469 A CN201680024469 A CN 201680024469A CN 107580471 B CN107580471 B CN 107580471B
Authority
CN
China
Prior art keywords
data window
pulse
sensing device
window
samples
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201680024469.6A
Other languages
English (en)
Other versions
CN107580471A (zh
Inventor
D·莫里斯
S·巴苏
J·万德
G·R·史密斯
T·S·萨波纳斯
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.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
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 Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Publication of CN107580471A publication Critical patent/CN107580471A/zh
Application granted granted Critical
Publication of CN107580471B publication Critical patent/CN107580471B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/489—Blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • 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
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Abstract

对包括第一数目个样本的脉搏波形信号的第一数据窗口进行分析，以确定脉搏感测设备被正确放置的置信水平。如果满足初始置信水平，则给予用户正反馈；以及对包括第二更大数目个样本的脉搏波形信号的第二数据窗口进行分析。如果满足增加的置信水平，则给予用户增加的正反馈。如果不满足置信水平，则给予用户负反馈。如果满足最终的置信水平，则给予用户脉搏感测设备被正确放置的反馈。

Description

可穿戴脉搏感测设备信号质量估计
技术领域
监测心率水平可提供有用的健康信息。脉搏压力波传感器提供了用于捕获脉搏压力波的形态的非侵入式机构，其可以用于测量心率、心率可变性、动脉压、脉搏波速度和增强指数。脉搏压力波传感器可以并入到可穿戴设备中。
发明内容
提供本发明内容以简化形式介绍下文在具体实施方式中进一步描述的概念的选择。本发明内容不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。此外，所要求保护的主题不限于解决在本公开的任何部分中指出的任何或所有缺点的实现方式。
对包括第一数目个样本的脉搏波形信号的第一数据窗口进行分析，以确定脉搏感测设备被正确放置的置信水平。如果满足初始置信水平，则给予用户正反馈；以及对包括第二更多数目个样本的脉搏波形信号的第二数据窗口进行分析。如果满足增加的置信水平，则给予用户增加的正反馈。如果不满足置信水平，则给予用户负反馈。如果满足最终的置信水平，则给予用户脉搏感测设备被正确放置的反馈。
附图说明
图1示出了示例可穿戴电子设备的分解图。
图2示出了示例脉搏波形信号。
图3示出了变化的信号质量的示例脉搏波形信号。
图4示出了被划分为长度增加的窗口的示例脉搏波形信号。
图5A示出了示例级联分类器的流程图。
图5B和图5C示出了用于级联分类器的示例接收器操作特点曲线和阈值选择。
图6示出了提供关于脉搏感测设备的放置的用户反馈的示例方法的流程图。
图7示出了使用样本到样本转移矩阵来估计信号质量的示例方法的流程图。
图8示出了用于变化质量的脉搏波形信号的示例的样本到样本转移矩阵。
图9示意性地示出了可用于估计从非侵入式脉搏感测设备接收的转换的压力波的信号质量的传感器和逻辑系统。
具体实施方式
健康患者和不健康患者的持续心脏监测可以帮助了解心脏病的进展并且使得早期治疗成为可能。可穿戴心血管监护仪(诸如腕戴式心血管监护仪)可以在临床环境之外提供连续监测。脉搏压力波的基于光学的感测和基于压力的感测两者都提供非侵入式途径，来提取重要的心血管参数，该参数诸如心率、增强指数和脉搏波速度。
可以提取的参数的精度和数量取决于脉搏波形信号的分辨率。然而，基于光学的感测设备和基于压力的感测设备两者都容易受到来自包括运动伪像在内的若干个噪声源的破坏，并且这两种设备都对传感器放置和接触质量敏感。光学传感器容易受到多个来源的污染。如果设备未被正确穿戴，或光传感器与穿戴者组织之间的物理接触不良，环境光将会污染或者可能使光传感器饱和。进一步地，即使光传感器和组织之间的接口良好，在所测量的脉搏波形信号中还会出现在与移动或压力改变相关联(即，与心脏的血液泵送无关)的组织中的流体流动。对于基于压力的传感器，运动和肌肉收缩也会影响在传感器处观察到的压力。
已经开发出了若干种途径，来减轻或消除来自所测量的脉搏波的运动伪像。例如，可以使用一个或多个运动传感器与脉搏波形信号同时获取运动信号。然后，可以从脉搏波形信号滤波运动信号。然而，在伪像的存在下，这是特别困难的任务，该伪像是由与真实脉搏波形信号共享显著光谱能量的行走(例如，步行或慢跑)而导致的。因此，从脉搏波形信号中滤波运动信号可以导致实际脉搏波形信号被滤除，而仅留下伪像。
因此，在应用这种传感器时，特别地，在应用可穿戴设备的非专家用户的上下文中，一定量的自动信号质量估计可以用于确认用户已经正确放置了传感器。此外，即使传感器正确放置，在对原始信号进行任何分析之前，自动信号质量估计也可以将有损数据从有效数据中分离。
根据本公开，可穿戴心血管监测设备被配置成自动确定脉搏波形信号的信号质量。在一个示例中，分类器级联用于分析数据窗口，该数据窗口的尺寸随着检查(scrutiny)逐渐增加而逐渐增加。在每个阶段，提供用户反馈，以指示当前传感器放置是正确的传感器放置的置信水平。在第二示例中，针对数据窗口建立样本到样本转移矩阵，并且确定用于转移矩阵的信号质量指数。这样，可以确定信号质量指数，而不依赖于运动消除或将信号分割成各个脉搏波形信号。在两个示例中，在允许数据窗口以给定信号质量指示符阈值，对下游心血管参数计算做出贡献之前，可以确认信号质量。
图1示出了可穿戴电子设备10形式的示例传感器和逻辑系统的方面。可穿戴电子设备10可以被配置成测量、分析和/或报告可穿戴电子设备10的穿戴者的一个或多个健康/健身参数。可穿戴电子设备10不限于此。可以在另一传感器和逻辑系统中，实现下文参考可穿戴电子设备10而描述的特征中的一个或多个特征，该另一传感器和逻辑系统可以可选地具有与可穿戴电子设备10不同的形状因子。
可穿戴电子设备10被示出为拆卸的，以便描绘内部部件。所图示的设备是带状的，并且可以穿戴在手腕周围。可穿戴电子设备10包括主设备12和卫星设备14。主设备12和卫星设备14的部件由虚线指示。主设备12可以具有类似于手表的主体的形式功能，并且主设备12可以包括用于可穿戴电子设备10的主用户接口部件(例如，显示器、输入等)。卫星设备14可以包括脉搏压力波转换部件，其可以使得可穿戴电子设备10能够用作可穿戴心血管监测设备而起作用。脉搏压力波形转换的准确性可能取决于转换部件相对于穿戴者的皮肤及其下面组织和脉管系统的位置。例如，将脉搏压力波转换部件包括在卫星设备14中，可以使得能够在穿戴者手腕下侧进行脉搏压力波转换，而同时主设备12位于手表穿戴者所熟悉的位置中的穿戴者的手腕的背侧上。
可穿戴电子设备10被示为具有第一带16和第二带17。然而，在一些示例中，可以包括单个带，并且在一些示例中可以包括多于两个带。可穿戴电子设备10的带可以在一些示例中是弹性的，并且这些带中的一个或多个带可选地可以由导电弹性体构成。第一带16可以在第一端18连接至主设备12，而第二端19位于第一带16的相对的末端。类似地，第二带17可以在第一端20连接至主设备12，而第二端21位于第二带17的相对的末端上。第一带16包括朝向第二端19定位的主紧固部件22，而第二带17包括朝向第二端21定位的次级紧固部件23。带和固定部件使得可穿戴电子设备10能够闭合成环并且被穿戴在穿戴者的手腕上。
在该示例中，第一带16包括连接至主设备12的近端部分24以及包括主紧固部件22的末端部分25。近端部分24和末端部分25可以经由第三紧固部件26耦合在一起。以这种方式，可以调整主设备12和主紧固部件22之间的距离。然而，在其他示例中，第一带16可以是连接至主设备12并且包括主紧固部件22的单个连续带。
卫星设备14可以在第一带16的附接区域27内的固定位置处附接至第一带16，从而在主设备12和卫星设备14之间建立固定距离。主紧固部件22和次级紧固部件23是互补的，并且因此可以可调整地接合以调整可穿戴电子设备10的圆周，而不会移动卫星设备14相对于主设备12的固定位置。在该示例中，主紧固部件22包括用于与次级紧固部件23接合的离散位置。然而，在其他示例中，主紧固部件22和次级紧固部件23可以沿着连续区域可调节地被接合。
可穿戴电子设备10包括用户相邻的侧面28和面向外部的侧面29。如此，主设备12、卫星设备14、第一带16和第二带17可以每个都具有用户相邻的侧面和面向外部的侧面。在闭合构造中，可穿戴电子设备10因此包括内表面(与用户相邻的)和外表面(面向外部的)。
可穿戴电子设备10包括集成到主设备12中的各种功能部件。特别地，主设备12包括计算系统32、显示器34、通信套件36以及各种传感器。这些部件从一个或多个能量存储单元39提取功率。电池(例如，锂离子电池)是适合于该目的的一种类型的能量存储单元。备选能量存储单元的示例包括超级电容器和超高电容器。在穿戴在穿戴者腕部上的可穿戴电子设备中，能量储存单元可以被弯曲，以适合手腕。
一般而言，能量存储单元39可以是可替换的和/或可再充电的。在一些示例中，可以通过通用串行总线(USB)端口来提供充电功率，该通用串行总线端口可以包括磁性锁存器，以便可释放地紧固互补USB连接器。在其他示例中，能量存储单元可以通过无线感应或环境光充电来再充电。在又另外的示例中，可穿戴电子设备可以包括机电部件，以从穿戴者的偶然或有目的的身体运动而对能量存储单元再充电。例如，电池或电容器可以经由集成到可穿戴电子设备10中的机电发电机来充电。发电机可以通过机械衔铁(armature)转动，该机械衔铁在穿戴者正在移动并且穿戴可穿戴电子设备10的同时转动。
在主设备12内，计算系统32位于显示器34下方并且与通信套件36以及各种传感器一起，操作地耦合至显示器34。计算系统32包括用于保存数据和指令的数据存储机37以及执行指令的逻辑机38。参考图9对计算系统32的方面进行进一步详细描述。这些部件可以位于顶部设备外壳框架40和底部设备外壳框架42之间的主设备12内。主设备12还可以包括可以用于与穿戴者通信的其他致动器，该其他致动器诸如触觉式马达44和/或扬声器(未示出)。
显示器34可以是任何合适类型的显示器。在一些配置中，可以使用薄的低功率发光二极管(LED)阵列或液晶显示器(LCD)阵列。在一些实现方式中，LCD阵列可以从背后照亮。在其他实现方式中，反射型LCD阵列(例如，硅上液晶(LCOS)阵列))可以经由环境光而从前面照亮。还可以使用弯曲显示器。进一步地，可以使用有源矩阵有机发光二极管(AMOLED)显示器或量子点显示器。
通信套件36可以包括任何适当的有线或无线通信部件。在一些示例中，通信套件可以包括USB端口，其可以用于在可穿戴电子设备10和其他计算机系统之间交换数据，以及提供再充电功率。通信套件还可以包括双向蓝牙、Wi-Fi、蜂窝、近场通信和/或其他无线电。在一些实现方式中，通信套件36可以包括用于光学(例如，红外)通信的附加的收发器。
在可穿戴电子设备10中，触摸屏传感器可以耦合至显示器34并且被配置成接收来自穿戴者的触摸输入。触摸屏传感器可以是电阻式的、电容式的或基于光学的。按钮传感器可以用于检测按钮48的状态，按钮48可以包括摇杆。来自按钮传感器的输入可以用于制定主键或开关特征、控制音频音量、打开或关闭麦克风等。
可穿戴电子设备10可以包括多个附加传感器。这种传感器可以包括一个或多个麦克风、可见光传感器、紫外线传感器和/或环境温度传感器。麦克风可以向计算系统32提供输入，该输入用于测量环境声级或从穿戴者接收语音命令。来自可见光传感器、紫外线传感器和环境温度传感器的输入可以用于评估穿戴者环境的方面，即，温度、整体照明水平以及穿戴者是在室内还是在室外。
次级计算系统50位于卫星设备14内。次级计算系统50可以包括用于保存数据和指令的数据存储机51以及执行指令的逻辑机52。次级计算系统50可以位于顶部卫星外壳框架54和底部卫星外壳框架55之间。顶部卫星外壳框架54和底部卫星外壳框架55可以被配置成通过使用螺钉、螺栓、夹具等，将卫星设备14耦合至第一带上的附接区域27内的固定位置。顶部卫星外壳框架54和底部卫星外壳框架55被示为单独部件，但是在一些示例中，它们可以通过一端上的铰链而耦合在一起，从而允许卫星设备14在另一端被锁定在第一带16周围。
次级计算系统50可以通信地耦合至计算系统32。卫星设备14可以调解次级计算系统50和计算系统32之间的通信。例如，卫星设备14可以包括一个或多个导电触点，其被配置成物理地与一个或多个导电线交叉，该导电线在第一带16内从主设备12延伸穿过附接区域27。在其他示例中，次级计算系统50可以经由卫星设备14上的一个或多个导电触点与第一带16内的一个或多个导电线之间的电容接触，而被耦合至计算系统32。在其他示例中，带状电缆可以从主设备12延伸穿过第一带16，使得当卫星设备附着到第一带16上时，卫星设备14上的一个或多个触点可以与带状电缆相交。在一些示例中，次级计算系统50可以经由无线通信与计算系统32进行通信。在一些示例中，卫星设备14可以包括一个或多个能量存储单元。在其他示例中，卫星设备14和容纳在其中的部件，可以从能量存储单元39提取功率。
压力转换设备58位于卫星设备14内。当放置在穿戴者的桡动脉(radial artery)以上时，压力转换设备58可以转换存在于桡动脉中的脉搏压力波，因此用作桡骨血压计。然后，所转换的脉搏压力波被转换成脉搏波形信号，并且用于确定穿戴者的心率、血压和其他心血管特点。附接区域27可以包括多个可能的感测位置，每个可能的感测位置沿着第一带16具有距主设备12不同的有效距离。在一些示例中，附接区域27可以包括多个连续可能的感测位置，而在其他示例中，附接区域27可以包括多个离散的可能感测位置。通过调整主设备12和卫星设备14之间的距离，主设备12位于穿戴者手腕的背部上的同时。卫星设备14和压力转换设备58可以直接被放置在穿戴者的桡动脉上。在一些示例中，卫星设备14可以在固定位置(例如，在第二端19)耦合至第一带16。在这样的示例中，卫星设备14和主设备12之间的距离可以经由卫星设备14和第一带16之间的相互作用、经由第一带16和主设备12之间的相互作用和/或第一带16的区域之间的相互作用而被调整。
底部卫星外壳框架55被示出为具有开口，压力转换设备58可以通过该开口在桡动脉处与穿戴者的腕部建立接触。可穿戴电子设备10可以被配置成：如果由压力转换设备58检测到的压力低于阈值和/或如果所转换的压力的信号质量低于阈值，则指令穿戴者调整卫星设备14相对于桡动脉的位置。在一些示例中，可穿戴电子设备10可以被配置成自调整卫星设备14的位置和/或可穿戴电子设备10的整个圆周。
在一些示例中，压力转换设备58可以被容纳并且被配置成与主设备12独立地与穿戴者的腕部对接。例如，压力转换设备58可以穿戴在一个手腕上，而主设备12可以穿戴在另一手腕上。在其他示例中，压力转换设备58可以被配置成在主设备12未被穿戴时被穿戴。因此，压力转换设备58可以被配置成与一个或多个附加计算设备(例如，经由次级计算系统50)通信，该附件计算设备诸如个人计算机、平板计算机、智能电话、智能手表、游戏设备等。
图1示出了位于顶部设备外壳框架40上的一对接触传感器模块60和61，其可以使用与穿戴可穿戴电子设备10的手腕相对的手上的手指，来由穿戴者触摸。在一些示例中，除了接触传感器模块60和61之外或作为接触传感器模块60和61的备选模块，可以包括其他接触传感器模块。作为一个示例，其他接触模块可以附接至主设备12的用户相邻的侧面28、第一带16和/或第二带17，并且因此当穿戴可穿戴电子设备10时，与穿戴者的手腕上的点保持接触。作为另一示例，当可穿戴电子设备10闭合成环时，一个或多个接触模块可以位于可穿戴电子设备10的面向外部的侧面29上的次级紧固部件23或其附近，从而允许穿戴者接触利用该穿戴者手腕下侧可达的他们身体上的点。附加地或可替代地，一个或多个接触模块可以位于第一带16和/或第二带17的环的面向外部的侧面29上。
接触传感器模块60和61可以包括独立的或协作的传感器元件，以提供多个感测功能。例如，接触传感器模块60和61可以提供电阻和/或电容感测功能，其测量穿戴者皮肤的电阻和/或电容。例如，计算系统32可以使用这样的输入来评估是否穿戴设备。在一些实现方式中，感测功能可以用于确定穿戴电子设备10的松紧程度。在一些示例中，接触传感器模块还可以提供对穿戴者的皮肤温度的测量。在一些示例中，接触多个接触传感器模块可以允许计算系统32确定穿戴者的心电图(EKG)。
可穿戴电子设备10还可以包括运动感测部件，诸如加速度计、陀螺仪和磁力计。加速度计和陀螺仪可以提供沿着三个正交轴线的加速度数据以及关于三个轴线的旋转数据，以获得所组合的六个自由度。例如，该感测数据可以用于提供计步器/卡路里计数功能。来自加速度计和陀螺仪的数据可以与来自磁强计的地磁数据组合，以进一步依据地理方位来定义惯性数据和旋转数据。可穿戴电子设备还可以包括用于确定穿戴者的地理位置和/或速度的全球定位系统(GPS)接收器。在一些配置中，GPS接收器的天线可以是相对柔性的并且延伸到带16和/或17中。在一些示例中，来自运动感测部件的数据可以用于确定可穿戴电子设备10、接触模块60和/或61、和/或压力转换设备58相对于设备穿戴者的身体上的预定的感测位置的位置。
在一些示例中，可穿戴电子设备10还可以包括与一个或多个光源配对的一个或多个光学传感器。光源可以被配置成照亮穿戴者的皮肤和/或其下面的组织和血管，同时光学传感器可以被配置成检测从皮肤和/或穿戴者的下面的组织和血管而反射出的照明。该光学数据可以被传送到计算系统32，其中数据可以用于确定穿戴者的血氧水平、脉搏、血糖水平或具有光学签名的其他生物测定标记。
计算系统32经由本文中所描述的感测功能而被配置成：获取关于可穿戴电子设备10的穿戴者的各种形式的信息。必须获取并且使用这些信息，同时最大限度尊重穿戴者的隐私。因而，可以通过穿戴者的选中参与，来制定感测功能。在设备上收集个人数据并且传送到远程系统以供处理的实现方式中，该数据可以被匿名化。在其他示例中，个人数据可能限于可穿戴电子设备，并且仅限于传送到远程系统的非个人的总和数据。
图2示出了示例性脉搏波形信号200的图示，其描绘了在单个心跳或心动周期的过程中桡动脉中的压力如何改变。心动周期由两个主周期组成：舒张期和收缩期。如205(舒张压)所指示，在舒张期期间，心室肌肉松弛，并且外侧脉管系统(诸如桡动脉)中的血压较低。如210所指示，在收缩期期间，心室肌肉收缩，从而迫使血液进入脉管系统，这将血管血压升高至最大值(即，被称为收缩压)。对于低分辨率或低质量信号(低信噪比)，脉搏的一般周期波形可以是可标识的。可以基于脉搏波形信号内的峰值和谷值(和/或过零事件)的频率，来计算脉搏率，然后可以基于脉搏波形信号的幅度，来计算脉搏压力215。在一些示例中，可以计算收缩压和舒张压。
虽然这些生理参数在临床上是相关的，但是它们在确定个体的整体心血管健康方面用途有限。在给定具有高分辨率和高质量的脉搏波形信号的情况下，可以提取附加的有用信息并且这些信息被用于开发个体心血管健康的更完整的模型。脉搏波形信号的周期性允许在相当短的时间段内累积大量数据点，从而使得能够提取具有显著临床重要性的脉搏波形信号特点。
在220指示的正向波表示由心脏收缩生成的脉搏波。在225指示的反射波表示反射回心脏的脉搏波。在230所指示的重脉凹陷是在心室血压下降并且半月瓣闭合时所发生的少量血压升高。主动脉瓣闭合的物理运动产生一个小脉搏，其通过桡动脉行进并且随着压力的增加来进行记录。
在235所指示的，前向波压和总收缩压之间的幅度差被称为增强压力。增强压力和脉搏压力可以用于计算被称为增强指数的值，其频繁地用作心血管健康的指示符(特别地，其应用于动脉硬度)。
收缩期开始(其中桡动脉压力开始增加)和反射波到达之间的持续时间，在240表示为波反射的时间。该值与动脉硬度成反比。高弹性(健康)血管需要更长的时间来反映脉搏波，同时刚性血管能快速反映脉搏。在具有僵硬动脉的个体中，波反射的时间将减少，并且反射波到达更接近正向波的桡动脉。如此，两个波会在更大程度上相结合，并且产生波形上可观察到的更尖锐的压力“峰值”。随着波反射的时间减少，由于较小的正向波的压力在与反射波结合的时间内消散，所以收缩压增加。
因此，具有高信号质量的脉搏波形信号(诸如脉搏波形信号200)在临床上可以非常有用，这是因为它们允许临床医生大致确定患者的动脉硬度。实际上，定义信号质量的参数与应用有关。与信号质量的成功估计相关的特征，可以根据将要从处理流水线中的下游信号中提取什么生理参数而改变。类似地，最小允许信号质量的阈值也可能改变。如参考脉搏波形信号200所描述的，相对低的信号质量可能适用于诸如心率之类的基本参数。诸如增强压力和波反射时间之类的更具描述性参数可能需要更高的信号质量，以便提取和量化相关的脉搏波特征。因此，确定脉搏波形信号的信号质量是心脏监测设备的重要的初始步骤。
图3示出了光电容积图(PPG)信号(例如，从光学脉搏感测设备接收到)的七秒窗口的信号质量的四个示例。图300包括信号质量优良的脉搏波形信号，其中可以容易地在视觉上标识所有心跳。图310包括信号质量良好的脉搏波形信号，其中可以在视觉上标识超过一半、但不是所有的心跳。图320包括信号质量中等的脉搏波形信号，其中可以在视觉上标识少于一半、但多于一个的心跳。最后，图330包括信号质量差的脉搏波形信号，其中可以在视觉上标识一个或更少的心跳。在这些示例中，脉搏波形信号完全保留在图300中，并且随着信号质量降低而被减少的程度予以保留。
虽然原始脉搏波形信号可以被操纵和调节，以消除噪声伪像，但是仅仅通过数据处理不能克服不正确或不一致的传感器放置。不管信号分辨率如何，基于光学的传感器和基于压力的传感器两者都需要正确的传感器放置，以便输出表示脉搏波形信号的信号。例如，诸如图1所示的卫星设备14之类的桡骨血压计需要被直接放置在桡动脉上方，挠骨与屈肌桡侧肌腱之间，以便将桡动脉压力改变传导到血压计内的压力传感器。可以利用脉搏波形信号的信号质量，来通过提供用户反馈以便增强初始传感器定位，该用户反馈指示传感器被置于正确的传感器位置的置信度。
对于使用可穿戴心脏监测设备的、不具有临床经验的个体，该反馈可以减少正确放置传感器所需的时间，从而导致更愉悦的用户体验。随着时间的推移，用户可以因此基于位置反馈来获知适当的定位，从而进一步减少放置时间。正确的传感器放置将增加脉搏波形信号的质量，从而允许计算更精确和更准确的心血管参数。
为了帮助用户快速地将传感器放置在传感器位置中，分类器级联可以用于逐渐确定信号质量。可以组织分类器级联，使得具有低假阴性率(高信号接受率)的初始分类器被应用于初始数据窗口。通过这种方式，一些低质量的信号被拒绝，而不会错误地拒绝高质量的信号。如果信号被接受，则更大的数据窗口将经受具有更低的假阳性率(更高信号拒绝率)的分类器。可以在每个阶段利用越来越精确的分类器重复该过程。如果信号被拒绝，则利用新的初始数据窗口，分类器级联在初始分类器处将重新开始。以这种方式，分类器级联在每个连续的分类器上以增加的置信度来检查好的信号。
图4示出了被图示为随着时间推移的压力(幅度)的示例脉搏压力信号400，而图5A示出了示例分类器级联的流程图。脉搏压力信号可以包括多个样本，并且可以被划分成各种长度的窗口，数据窗口包括与数据窗口的长度成比例的若干个样本。数据窗口(1)，(2)，(3)和(4)可以具有增加的长度。例如，数据窗口(1)可以表示0.25秒的脉搏压力信号400，数据窗口(2)可以表示0.5秒的脉搏压力信号，数据窗口(3)可以表示1秒的脉搏压力信号，数据窗口(4)可以表示2秒的脉搏压力信号。在该示例中，分类器级联包括四个分类器(C1、C2、C3和C4)，但是在其他示例中可以使用更多或更少的分类器。进一步地，窗口的长度和数目和/或分类器的数目和严格性可以随时间变化，以提高准确度和/或用于向用户提供反馈。
分类器级联可以通过机器学习来训练以标识脉搏波形信号，并且还可以进行训练，以识别作为变化质量的脉搏波形信号的特点的信号特征。可以训练分类器级联，以从脉搏波形信号窗口提取一个或多个信号特征，并且可以进一步训练分类器级联，以基于一个或多个所提取的信号特征向脉搏波形信号窗口指派信号质量指数(SQI)。
信号特征可以包括但不限于，线性信号模型的斜率(即，将线性模型[a]t+[b]拟合到信号窗口之后的斜率[a]的值)、最大非初始自相关峰值(其中峰值可以被定义为任何指数[t]，以使得x[t-1]<x[t]和x[t+1]<x[t])、自相关峰值数目、信号标准偏差、信号的峰到峰幅度(max-min)、光谱能量比(高频至低频，其中光谱的上半部分的值的绝对值之和被除以下半部分的值的绝对值之和)、信号峰值数目、自相关中第一(非初始)峰的位置和/或原始信号的平均幅度。除了斜率和平均值之外的所有引用的特征，可以通过从平均相减的线性校正信号窗口来计算。附加地，分类器特征可以包括在压力波形中存在或不存在已知的形态学标志(诸如图2所示的那些标志)。
可以在级联的每个阶段中使用相同的特征集合，或者可以使用不同的特征集合。类似地，虽然所引用的所有信号特征是相同类型，并且可以通过机器学习过程中的决策树的梯度增强混合而被组合，但是除了那些所列举的特征之外或作为那些所列举的特征的备选方案，还可以使用其他类型的特征。在实时交互式信号质量估计的上下文中，在更长的数据窗口而非更短的初始数据窗口上，可以使用更多的时间和计算量。因此，更复杂的特征可以用于下游分类器，而较不复杂的特征可以用于初始分类器。例如，可以使用更复杂的特征族，，这些特征族可以利用附加的计算资源(诸如频谱、小波和/或自回归特征)，和/或相同的特征族可以与附加参数(例如，更多数目个树和/或更深的树的混合)合用。
一旦已经对分类器进行了训练，则级联如图5A中的流程图500所示那样运行。馈送到分类器级联的信号可以是原始的或经预处理的。例如，在任何数据被提供给初始分类器之前，信号可以通过诸如带通或运动滤波器之类的一个或多个滤波器，信号可以通过初始检查阶段以确保脉搏波形信号包括初始信号特点，信号可以被划分为数据窗口(重叠的和/或不重叠的)等。
在该示例中，第一数据窗口(1)被提供给第一分类器C1。分类器C1用于确定数据窗口(1)是否满足代表正确脉搏感测设备放置的阈值。如图5B中所述的样本接收器操作特点(ROC)曲线501和分类器C1的阈值选择(T1)所示，可以在接近100％真阳性率，但具有潜在的高假阳性率的点处选择分类器C1的阈值。如果数据窗口(1)没有满足阈值T1，则数据窗口被拒绝，并且向分类器C1提供新的后续数据窗口(1)。
如果数据窗口(1)满足阈值T1，则后续样本被添加到数据窗口，直到从脉搏感测设备完全接收到数据窗口(2)为止。级联窗口(S1-2)包括数据窗口(1)和数据窗口(2)两者的样本。然后，级联窗口(S1-2)被提供给第二分类器C2。如图5C中所示的样本接收器操作特点(ROC)曲线502和分类器C2的阈值选择(T2)所示，还可以在接近100％真阳性率，但具有比分类器C1更低的假阳性率的点处选择分类器C2的阈值。如果级联窗口(S1-2)没有满足阈值T2，则数据窗口被拒绝，并且新的后续数据窗口(1)被提供给分类器C1。
如果级联窗口(S1-2)满足阈值T2，则后续样本被添加到数据窗口，直到从脉搏感测设备完全接收到数据窗口(3)为止。因此，级联窗口(S1-3)包括数据窗口(1)、(2)和(3)的样本，并且被提供给分类器C3。分类器C3还可能具有接近100％的真阳性率，但具有比分类器C2更低的假阳性率。如果级联窗口(S1-3)没有满足分类器C3的阈值，则数据窗口被拒绝，并且新的后续数据窗口(1)被提供给分类器C1。
如果级联窗口(S1-3)满足分类器C3的阈值，则后续样本被添加到数据窗口，直到从脉搏感测设备完全接收到数据窗口(4)为止。因此，级联窗口(S1-4)包括数据窗口(1)、(2)、(3)和(4)的样本，并且被提供给分类器C4。分类器C4还可能具有接近100％的真阳性率，但具有比分类器C3更低的假阳性率。如果级联窗口(S1-4)没有满足分类器C4的阈值，则数据窗口被拒绝，并且新的后续数据窗口(1)被提供给分类器C1。如果级联窗口(S1-4)满足分类器C4的阈值，则级联窗口(S1-4)被接受，并且脉搏波形信号可以用于心血管参数的下游计算。
关于脉搏检测使用级联分类器的优点是，在所返回的数据上存在减少的延迟。这可以使得能够实现用于提供用户反馈的交互特征。例如，在用户试图将脉搏压力传感器放置在桡动脉上方时，初始快速分类器可以指示信号是好还是坏。可以通过指示传感器是否需要被显著移动(差信号)、稍微移动(中等质量信号)或完全没有移动(良好信号)，来向用户提供反馈以增强传感器放置。反馈的梯度可以用于指示信号质量是正在改善还是正在下降。
图6示出了示例方法600的流程图，其提供关于使用分类器级联(诸如图5A中所描绘的分类器级联)的脉搏感测设备的放置的用户反馈。方法600可以应用于可穿戴心血管监测设备。在该示例中，根据由可穿戴心血管监测设备处的反馈机(例如，显示设备或一组LED)所提供的视觉线索，来描述用户反馈。然而，可以通过一个或多个反馈机，提供其他形式的用户反馈，诸如音频提示、触觉提示、提示的组合等，和/或可以通过分类器级联，在不同发展阶段提供不同形式的用户反馈。
在605，方法600包括：从脉搏感测设备接收脉搏波形信号。例如，可以从光学脉搏感测设备、动脉血压计等接收脉搏波形信号。在接收脉搏波形信号之前，可以对其进行预处理。例如，一个或多个滤波器可以应用于直接从脉搏感测设备接收的原始脉搏波形信号。
在610，方法600包括：用计算机确定脉搏波形信号是否包括初始信号特点。例如，初始信号特点可以包括代表脉搏波形信号的周期性或幅度。以这种方式，可以标识不存在脉搏波形信号，以便与低质量脉搏波形信号区分开，并且可以提供适当的用户反馈。
如果脉搏波形信号不包括初始信号特点，则方法600进行到615。在615，方法600包括：提供用户反馈，以便指示脉搏感测设备需要朝向目标感测位置被重新定位。例如，可以经由反馈机输出闪烁的红色信号。
如果脉搏波形信号包括初始信号特点，则方法600进行到620，并且包括：向第一分类器提供脉搏波形信号的包括第一数目个样本的第一数据窗口。在625，方法600包括：用计算机分析脉搏波形信号的第一数据窗口，以确定第一数据窗口是否代表正确的脉搏感测设备放置。例如，可以基于数据窗口的一个或多个信号特点，来确定第一数据窗口的信号质量指数，然后与第一阈值进行比较。如果确定第一数据窗口未指示正确的脉搏感测设备放置，则方法600进行到630，并且包括提供指示不正确的脉搏感测设备放置的用户反馈。例如，可以经由反馈机输出不闪光的红灯。在635继续，方法600包括：向第一分类器提供包括脉搏波形信号的第一数目个样本的新数据窗口。然后可以利用第一分类器，用计算机分析新的数据窗口，然后可以如所描述的继续该方法。
如果确定第一数据窗口指示正确的脉搏感测设备放置，则方法600进行到640，并且包括：提供指示脉搏感测设备被正确放置的初始置信水平的用户反馈。例如，可以经由反馈机输出闪烁的黄光。在645继续，方法600包括：向第二分类器提供脉搏波形信号的包括第二数目个样本的第二数据窗口。如参考图4和图5A所描述，第二数据窗口可以包括多于第一数目个样本的第二数目个样本，并且第二数据窗口中的样本可以包括第一数据窗口中的所有样本。进一步，第二分类器可以具有比第一分类器更低的假阳性率。
在650继续，方法600包括：用计算机分析脉搏波形信号的第二数据窗口，以确定第一数据窗口是否代表正确的脉搏感测设备放置。如果确定第二数据窗口未指示正确的脉搏感测设备放置，则方法600进行到630，并且包括：提供指示不正确的脉搏感测设备放置的用户反馈，诸如不闪光的红光。在635继续，方法600包括：如所描述的，向第一分类器提供包括第一数目个样本的脉搏波形信号的新数据窗口。
如果确定第二数据窗口指示正确的脉搏感测设备放置，则方法600进行到655，并且包括：提供指示脉搏感测设备被正确放置的增加的置信水平用户反馈。例如，可以以更高的闪烁频率，经由反馈机输出闪烁的黄色光。在660继续，方法600包括：确定分类器级联中的最终分类器是否已经用计算机分析当前数据窗口。如果最终分类器尚未用计算机分析当前数据窗口，则方法600进行到665，并且包括：向第N+1分类器提供脉搏波形信号的第N+1窗口。例如，在第二分类器之后，第三数据窗口可以包括多于第二数目个样本的第三数目个样本，并且第三数据窗口中的样本可以包括第二数据窗口中的所有样本(其包括第一数据窗口中的所有样本)。进一步地，第三分类器可以具有比第二分类器更低的假阳性率。在670继续，如果确定第N+1数据窗口未指示正确的脉搏感测设备放置，则方法600进行到630，并且包括：提供指示不正确的脉搏感测设备放置的用户反馈。然而，如果确定第N+1数据窗口指示正确的脉搏感测设备放置，则方法600返回到655，并且包括：提供指示脉搏感测设备被正确放置的增加的置信水平的用户反馈(例如，增加闪烁的黄灯的频率)。返回到600，如果最终分类器尚未用计算机分析当前数据窗，则方法600包括：向逐渐严格的分类器提供脉搏波形信号的顺序地更大的数据窗口。
当最终数据窗口的计算机分析指示正确的脉搏感测设备放置时，方法600进行到675，并且包括：提供指示脉搏感测设备被正确放置在目标感测位置处的用户反馈。例如，可以经由反馈机，输出不闪光的绿灯。在680继续，方法600包括：基于诸如心率或本文中所描述的其他参数之类的脉搏波形信号，来用计算机计算心血管参数。
用于减轻脉搏波形信号中的运动伪像的大多数途径，依赖于从脉搏波形信号滤除运动信号。然而，对于具有与心率类似的频谱的移动运动，这还可能导致从脉搏波形信号中滤除实际脉搏压力波，而仅留下伪像。用于确定脉搏波形信号中的信号质量的其他方法包括：将脉搏波形信号分割成单个的脉搏压力波，然后将每个单个脉搏波形信号与模板进行比较。然而，这些方法依赖于成功地分割脉搏波形信号，这些方法在待标识的伪像与感兴趣的脉搏波形信号类似(其具有类似基频的准周期)的情况下，并不总是可靠的。进一步地，许多这些算法使用波形的导数进行心跳分割。然后，可以利用在短时间内心跳形态相当一致的事实，来估计信号质量。因此，这些方法容易错误地开发出仅基于运动而引起的波形改变的脉搏形态自增强模型。
图7示出了在没有运动滤波以及心跳分割的情况下，实现信号质量估计的示例方法700的流程图。该方法适用于站立、跑步、步行或执行其他行走任务的个体穿戴的可穿戴心血管监护仪。方法700利用脉搏波形信号的准周期的高度定型特性，而不需要心跳分割，并且方法700可以被应用于从多种脉搏感测设备(包括光学传感器和血压计)接收的脉搏波形信号。
在710，方法700包括：从脉搏感测设备接收脉搏波形信号。例如，可以从光脉搏感测设备、动脉血压计等接收脉搏波形信号。在720，方法700包括：用计算机处理包括n个样本的脉搏波形信号的窗口。所接收的脉搏波形信号可以是原始脉搏波形信号或经预处理的脉搏波形信号。为了从原始信号导出经预处理的信号，可以通过经受一个或多个滤波器，来用计算机处理脉搏波形信号，该滤波器诸如是带通滤波器(例如，诸如4阶Butterworth之类的零相位数字滤波器，其中，FLP＝0.5Hz，FHP＝50Hz)。在该示例中，原始脉搏波形信号没有进行运动滤波。在滤波之后，可以对脉搏波形信号进行下采样并且划分为窗口。作为示例，脉搏波形信号可以被划分为七秒、非重叠窗口。可以以高采样率获取原始脉搏波形信号，以使得窗口包括大于n的若干个样本。在一个示例中，可以对1000Hz脉搏波形信号进行下采样至15Hz。对于所得到的7秒窗口，n将因此等于105个样本。
在730，方法700包括：将数据窗口的n个样本中的每个样本用计算机量化为范围从1至r的整数。在用计算机量化n个样本之前，数据窗口可以被局部归一化，例如，在间隔[0,1]上。r的值基于为量化而选择的比特深度。例如，所选择的比特深度4产生可能的16个整数值。然后，可以为窗口内的n个样本中的每个样本，指派范围从1至16的离散值中的一个(或者范围从二进制值0000至1111的离散值中的一个)。
在740，方法700包括：建立窗口的转移矩阵。该转移矩阵可以包括r行和r列。转移矩阵的每个单元，可以指示在数据窗口中具有经量化的行值的样本m依次随后是具有经量化的列值的样本m+1的窗口内的频率。例如，单元[1,1]指示值为1的样本m(例如，经下采样的窗口中的第42个样本)在数据窗口中依次随后是值为1的样本m+1(例如，经下采样的窗口中的第43个样本)的频率。作为另一示例，单元[1,2]指示值为1的样本m+1在数据窗口中依次随后是值为2的样本m的频率。然后，可以对转移矩阵进行归一化，以产生概率分布p(xn+1|xn)。
图8示出了变化信号质量的四个数据窗口的示例样本到样本转移矩阵。使用应用于所图3所示的脉搏波形信号的相同的评级系统，矩阵800从信号质量优良的脉搏波形信号中而被导出，矩阵810从信号质量良好的脉搏波形信号中而被导出，矩阵820从信号质量中等的脉搏波形信号中而被导出，并且矩阵830从信号质量差的脉搏波形信号中而被导出。如图例840所示，较亮的单元表示更高的概率，而较暗的单元表示更低的概率。在该示例中，这些概率在p＝0.20以上已被截短，以便增强非对角线分量的可视性。
可以在从较高质量的脉搏波形信号和较低质量的脉搏波形信号导出的矩阵之间，观察定性差异。如可以从矩阵800看出，脉搏波形信号本质上是非对称的。进一步地，在高质量信号中，因为m+1很可能类似于m，所以最高概率位于对角线上。随着信号质量降低，矩阵变得更对称，并且样本到样本的转移概率在整个矩阵(例如，矩阵830)中变得更广泛地且更随机地分散。运动信号是准周期的，并且因此可以观察到来自运动伪像的增加的信号污染。
回到图7，在750，方法700包括：基于转移矩阵，用计算机确定窗口的信号质量指数。可以以类似于参考图4至图6所讨论的分类器训练类似的方式，经由机器学习来训练分类器。由于该特征子集在特性上具有高度维度(256个特征)，所以用于分类的示例方法可以包括采用后期融合方案，其中使用信号质量指数作为标签，在样本到样本转移矩阵上训练线性支持向量机(SVM)以用于回归(SVR)。在一个示例中，SVM可以使用L2损失正则化来实现。然后，SVR的预测输出可以与剩余特征集合融合，以用于信号质量预测。在每一个折叠(fold)中，可以仅在训练数据上训练SVR，但是可以提取用于所有训练和测试数据的特征，以允许训练第二阶段ML算法。
在760继续，方法700包括：从下游心血管参数计算中排除数据窗口，该下游心血管参数计算要求信号质量指数大于该窗口的用计算机确定的信号质量指数。在770，方法700包括：在下游心血管参数计算中包括数据窗口，该下游心血管参数计算要求信号质量指数低于该窗口的用计算机确定的信号质量指数。由于不同的参数可能需要不同的信号质量，数据窗口(诸如由矩阵810表示的数据窗口之类的良好而非优良的数据窗口)可能足以用于计算诸如心率之类的参数，但是还不足以计算诸如增强压力的参数。
在一些示例中，样本到样本转移矩阵可以与其他信号质量特征组合，以产生组合的信号质量指数。在与对离散运动事件敏感的特征(例如，自相关度量)融合的情况下，可以鲁棒地标识周期性和非周期性信号污染两者。例如，方法700可以与一个或多个分类器级联和一个或多个心跳模板匹配算法相融合。作为示例，可以使用上文所描述的特征，来训练分类和回归树，以估计数据窗口的信号质量指数。进一步地，基于一个或多个特征集合的所估计的信号质量指数，可以用于提供用于调节脉搏波形信号的反馈。可以应用信号调节(例如，运动滤波)，以估计并且随后移除可归因于运动和/或噪声的脉搏波形信号分量。然后，针对所调节的信号，可以导出信号质量指数，并且基于反馈来适应或调整调节算法。
在一些实施例中，本文中所描述的方法和过程可以与一个或多个计算设备的计算系统相关。特别地，这样的方法和过程可以被实现为计算机应用程序或服务、应用编程接口(API)、库和/或其他计算机程序产品。图1示出了用于制定本文中所描述的方法和过程的传感器和逻辑系统的一个非限制性示例。然而，如图9中示意性所示，这些方法和过程也可以在其他配置和形状因子的传感器和逻辑系统上被制定。
图9示意性地示出了形式不可知(form-agnostic)的传感器和逻辑系统910，其包括可操作地耦合至计算系统914的传感器套件912。计算系统包括逻辑机916和数据存储机918。计算系统可操作地耦合显示子系统920、通信子系统922、输入子系统924和/或图9中未示出的其他部件。
逻辑机916包括一个或多个物理设备，其被配置成执行指令。逻辑机可以被配置成执行指令，该指令可以是一个或多个应用、服务、程序、例程、库、对象、部件、数据结构或其他逻辑结构的一部分。可以实施这样的指令以执行任务、实现数据类型、变换一个或多个部件的状态、实现技术效果或以其他方式达到期望的结果。
逻辑机916可以包括一个或多个处理器，其被配置成执行软件指令。附加地或可替代地，逻辑机可以包括一个或多个硬件或固件逻辑机，其被配置成执行硬件或固件指令。逻辑机的处理器可以是单核或多核，并且其上执行的指令可以被配置成用于顺序、并行和/或分布式处理。逻辑机的各个部件可选地可以分布在两个或多个单独的设备中，该设备可以远程定位和/或被配置成用于协调处理。可以通过云计算配置中的可远程访问的网络计算设备，虚拟化并且执行逻辑机的方面。
数据存储机918包括一个或多个物理设备，其被配置成保存指令，该指令可由逻辑机916执行，以实现本文中所描述的方法和过程。当实现这些方法和过程时，数据存储机的状态可以被转换，例如以保存不同的数据。数据存储机可以包括可移动和/或内置设备，其可以包括光学存储器(例如，CD、DVD、HD-DVD、蓝光盘等)、半导体存储器(例如，RAM、EPROM、EEPROM等)和/或磁存储器(例如，磁盘驱动器、软盘驱动器、磁带驱动器、MRAM等)等。数据存储机可以包括易失性、非易失性、动态、静态、读/写、只读、随机访问、顺序访问、位置可寻址、文件可寻址和/或内容可寻址的设备。
数据存储机918包括一个或多个物理设备。然而可替代地，本文中所描述的指令的方面可以由通信介质(例如，电磁信号、光信号等)传播，这样的信号在有限的持续时间内不被物理设备保存。
逻辑机916和数据存储机918的方面可以集成在一起，以成为一个或多个硬件逻辑部件。例如，这样的硬件逻辑部件可以包括现场可编程门阵列(FPGA)、程序专用集成电路和应用专用集成电路(PASIC/ASIC)、程序专用标准产品和应用专用标准产品(PSSP/ASSP)、片上系统(SOC)和复杂的可编程逻辑器件(CPLD)。
显示子系统920可以用于呈现由数据存储机918所保存的数据的视觉表示。该视觉表示可以采取图形用户接口(GUI)的形式。由于本文中所描述的方法和过程改变了由存储机保存的数据，并且因此变换了存储机的状态，所以显示子系统920的状态同样可以被转换成在视觉上表示底层数据的改变。显示子系统920可以包括实际上利用任何类型的技术的一个或多个显示子系统设备。这样的显示子系统设备可以与共享机外壳(enclosure)中的逻辑机916和/或数据存储机918相组合，或者这种显示子系统设备可以是外围显示子系统设备。图1的显示器34是显示子系统920的示例。
通信子系统922可以被配置成将计算系统914通信地耦合至一个或多个其他计算设备。通信子系统可以包括与一个或多个不同通信协议兼容的有线和/或无线通信设备。作为非限制性示例，通信子系统可以被配置成用于经由无线电话网络、局域网或广域网和/或因特网进行通信。图1的通信套件36是通信子系统922的示例。
输入子系统924可以包括一个或多个用户输入设备或者可以与该输入设备进行对接，该输入设备诸如是键盘、触摸屏、按钮、拨盘、操纵杆或开关。在一些实施例中，输入子系统可以包括所选择的自然用户输入(NUI)部件或者与该部件进行对接。这种部件可以是集成的或外围的，并且输入动作的转换和/或处理可以在板上或板外而被处置。示例NUI部件可以包括用于语音和/或话音识别的麦克风、用于机器视觉和/或手势识别的红外线、彩色、立体和/或深度相机、用于运动检测和/或意图识别的头部跟踪器、眼部跟踪器、加速度计和/或陀螺仪。图1的按钮48是输入子系统924的示例。
如上文参考图1所描述的，传感器套件912可以包括一个或多个不同的传感器，例如，脉搏感测设备926、触摸屏传感器、按钮传感器、麦克风、可见光传感器、紫外线传感器、环境温度传感器、接触传感器和/或GPS接收器。传感器套件912可以包括运动传感器套件928。运动传感器套件928可以包括以下各项中的一项或多项：加速度计、陀螺仪、磁力计或其他合适的运动检测器。
如本文中所描述的，脉搏感测设备926可以包括一个或多个动脉血压计和/或一个或多个光学脉搏感测设备。计算系统914可以包括脉搏感测设备控制子系统930，其可以通信地耦合至逻辑机916和数据存储机918。当脉搏感测设备926包括动脉血压计时，血压计可以包括一个或多个压力换能器，其包括一个或更多的压阻传感器，该压阻传感器被配置成经由模数转换器向计算系统914提供绝对压力信号。当压力换能器被包括时，其可以被配置成通过用户的皮肤940来转换来自血管935(例如，桡动脉)的压力波。
在一些示例中，当脉搏感测设备926包括光学脉搏感测设备的情况下，该光学脉搏感测设备可以包括一个或多个光源，该光源包括一个或多个LED发射器以及一个或多个光学传感器，该光学传感器包括一个或多个光电二极管，该光电二极管被匹配以便在基于由光源输出的光频率的频率上检测光。当光源被包括时，其可以被配置成通过用户的皮肤940照亮一个或多个血管935，并且一个或者多个光学传感器可以被配置成测量从血管935反射的照亮或通过血管935透射的照亮。
脉搏感测设备控制子系统930可以进一步处理原始信号以确定脉搏波形信号质量、心率、血压、热量消耗等。经处理的信号可以经由计算系统914(例如，经由显示子系统920和/或通信子系统922)而被存储和输出。发送到脉搏感测设备926的控制信号可以是基于从传感器套件912导出的信号、存储在数据存储机918中的信息、从通信子系统922接收到的输入、从输入子系统924接收到的输入等等
在示例中，一种用于可穿戴心血管监测设备的方法包括：从脉搏感测设备接收脉搏波形；使用第一分类器，用计算机分析包括第一数目个样本的脉搏波形信号的第一数据窗口；响应于第一数据窗口的计算机分析指示正确的脉搏感测设备放置，经由反馈机提供指示脉搏感测设备被正确放置的初始置信水平的用户反馈；使用第二分类器，用计算机分析脉搏波形信号的第二数据窗口，该第二数据窗口包括多于第一数目个样本的第二数目个样本；以及响应于第二数据窗口的计算机分析指示正确的脉搏感测设备放置，经由反馈机提供指示脉搏感测设备正确放置的增加的置信水平用户反馈。在该示例或任何其他示例中，该方法还包括：使用最终分类器，用计算机分析脉搏波形信号的最终数据窗口，该最终数据窗口具有多于第二数目个样本的最终数目个样本；并且响应于最终数据窗口的计算机分析指示正确的脉搏感测设备放置，经由反馈机提供指示脉搏感测设备被正确放置在目标感测位置处的用户反馈，在该示例或任何其他示例中，该方法还包括：响应于最终数据窗口的计算机分析指示正确脉搏感测设备放置，基于脉搏波形信号来计算机计算心血管参数。在该示例或任何其他示例中，包括在第二数据窗口中的样本包括在第一数据窗口中所包括的所有样本，并且包括在最终数据窗口中的样本包括在第二数据窗口中所包括的所有样本。在该示例或任何其他示例中，第二分类器具有比第一分类器更低的假阳性率，并且最终分类器具有比第二分类器更低的假阳性率。在该示例或任何其他示例中，该方法还包括：响应于第一数据窗口、第二数据窗口或最终数据窗口的计算机分析未指示正确的脉搏感测设备放置，经由反馈机提供指示不正确的脉搏感测设备放置的用户反馈。在该示例或任何其他示例中，该方法还包括：响应于第一数据窗口、第二数据窗口或最终数据窗口的计算机分析未指示正确的脉搏感测设备放置，使用第一分类器，用计算机分析脉搏波形信号的新数据窗口，该新数据窗口包括第一数目个样本。在该示例或任何其他示例中，该方法还包括：用计算机确定脉搏波形信号是否包括初始信号特点；响应于脉搏波形信号包括初始信号特点，向第一分类器提供包括脉搏波形信号的第一数目个样本的新数据窗口；以及响应于脉搏波形信号不包括初始信号特点，经由反馈机提供指示脉搏感测设备需要朝向目标感测位置而被重新定位的用户反馈。
在示例中，一种用于可穿戴心血管设备的方法包括：从脉搏感测设备接收脉搏波形信号；用计算机处理包括n个样本的脉搏波形信号的窗口；将n个样本中的每个样本用计算机量化为范围从1至r的整数；建立窗口的转移矩阵，该转移矩阵包括r行和r列，其中转移矩阵的每个单元指示经量化的行值为r的样本m在窗口内跟随具有经量化的列值为r样本m+1的频率；以及基于转移矩阵来用计算机确定窗口的信号质量指数。在该示例或任何其他示例中，从原始脉搏波形信号下采样n个样本。在该示例或任何其他示例中，对原始脉搏波形信号进行带通滤波，但在下采样之前不进行运动滤波。在该示例或任何其他示例中，原始脉搏波形信号由光学脉搏感测设备输出。在该示例或任何其他示例中，原始脉搏波形信号由动脉血压计输出。在该示例或任何其他示例中，n个样本在被量化之前被局部归一化。在该示例或任何其他示例中，从下游心血管参数计算中排除窗口，该下游心血管参数计算要求信号质量指数大于窗口的用计算机确定的信号质量指数。在该示例或任何其他示例中，在下游心血管参数计算中包括窗口，该下游心血管参数计算要求信号质量指数低于窗口的用计算机确定的信号质量指数。
在示例中，一种可穿戴心血管监测设备包括脉搏感测设备、反馈机以及脉搏感测设备控制子系统，其被配置成：从脉搏感测设备接收脉搏波形信号；使用第一分类器，用计算机分析脉搏波形信号的第一数据窗口，该第一数据窗口包括第一数目个样本；响应于第一数据窗口的计算机分析指示正确的脉搏感测设备放置，经由反馈机提供指示脉搏感测设备正确放置的初始置信水平的用户反馈；使用具有比第一分类器更低的假阳性率的第二分类器，用计算机分析脉搏波形信号的第二数据窗口，该第二数据窗口包括多于第一数目个样本的第二数目个样本；以及响应于第二数据窗口的计算机分析指示正确脉搏感测设备放置，经由反馈机提供指示脉搏感测设备正确放置的增加的置信水平的用户反馈。在该示例或任何其他示例中，脉搏感测设备控制子系统还被配置成：使用具有比第二分类器更低的假阳性率的最终分类器，用计算机分析脉搏波形信号的最终数据窗口，该最终数据窗口具有多于第二数目个样本的最终数目个样本；响应于最终数据窗口的计算机分析指示正确的脉搏感测设备放置，经由反馈机提供指示脉搏感测设备正确放置的用户反馈；以及响应于最终数据窗口的计算机分析指示正确的脉搏感测设备放置，基于脉搏波形信号来用计算机计算心血管参数。在该示例或任何其他示例中，包括在第二数据窗口中的样本包括第一数据窗口中的所有样本，并且包括在最终数据窗口中的样本包括在第二数据窗口中所包括的所有样本。在该示例或任何其他示例中，脉搏感测设备控制子系统还被配置成：响应于第一数据窗口、第二数据窗口或最终数据窗口的计算机分析未指示正确的脉搏感测设备放置，经由反馈机提供指示不正确的脉搏感测设备放置的用户反馈；以及响应于第一数据窗口、第二数据窗口或最终数据窗口的计算机分析指示不正确的脉搏感测设备放置，使用第一分类器，用计算机分析脉搏波形信号的新数据窗口，该新数据窗口包括第一数目个样本。
应当理解，本文中所描述的配置和/或途径在本质上是示例性的，并且因为许多变化都是可能的，所以这些具体实施例或示例不被认为是限制性的。本文中所描述的特定例程或方法可以表示任何数目个处理策略中的一个或多个。因此，图示的和/或描述的各种动作可以以图示的和/或描述的顺序、以其他顺序、并行地或被省略地执行。同样，可以改变上文所描述的过程的顺序。
本公开的主题包括本文中所公开的各种过程、系统和配置以及其他特征、功能、动作和/或属性的所有新颖和非显而易见的组合和子组合，并且还包括上述的任何以及所有的等同物。

Claims (20)

1.一种用于可穿戴心血管监测设备的方法，包括：
操作脉搏感测设备，所述脉搏感测设备与穿戴所述可穿戴心血管监测设备的用户的动脉相邻；
从所述脉搏感测设备接收脉搏波形信号；
使用第一分类器，用计算机分析所述脉搏波形信号的第一数据窗口，所述第一数据窗口包括第一数目个样本；
响应于所述第一数据窗口的计算机分析指示正确的脉搏感测设备放置，经由反馈机，提供指示所述脉搏感测设备被正确放置的初始置信水平的用户反馈；
使用第二分类器，用计算机分析所述脉搏波形信号的第二数据窗口，所述第二数据窗口包括比所述第一数目个样本更多的第二数目个样本；以及
响应于所述第二数据窗口的计算机分析指示正确的脉搏感测设备放置，经由所述反馈机，提供指示所述脉搏感测设备被正确放置的经提高的置信水平的用户反馈。
2.根据权利要求1所述的方法，还包括：
使用最终分类器，用计算机分析所述脉搏波形信号的最终数据窗口，所述最终数据窗口具有比所述第二数目个样本更多的最终数目个样本；以及
响应于所述最终数据窗口的计算机分析指示正确的脉搏感测设备放置，经由所述反馈机，提供指示所述脉搏感测设备被正确地放置在目标感测位置的用户反馈。
3.根据权利要求2所述的方法，还包括：
响应于所述最终数据窗口的计算机分析指示正确的脉搏感测设备放置，基于所述脉搏波形信号，用计算机计算心血管参数。
4.根据权利要求2所述的方法，其中被包括在所述第二数据窗口中的所述样本包括在所述第一数据窗口中被包括的所有样本，并且其中被包括在所述最终数据窗口中的所述样本包括被包括在所述第二数据窗口中的所有样本。
5.根据权利要求2所述的方法，其中所述第二分类器具有比所述第一分类器更低的假阳性率，并且其中所述最终分类器具有比所述第二分类器更低的假阳性率。
6.根据权利要求1所述的方法，还包括：
响应于所述第一数据窗口、所述第二数据窗口或最终数据窗口的计算机分析未指示正确的脉搏感测设备放置，经由所述反馈机，提供指示不正确的脉搏感测设备放置的用户反馈。
7.根据权利要求6所述的方法，还包括：
响应于所述第一数据窗口、所述第二数据窗口或所述最终数据窗口的计算机分析未指示正确的脉搏感测设备放置，利用所述第一分类器，用计算机分析所述脉搏波形信号的新数据窗口，所述新数据窗口包括所述第一数目个样本。
8.根据权利要求1所述的方法，还包括：
用计算机确定所述脉搏波形信号是否包括初始信号特点；
响应于所述脉搏波形信号包括所述初始信号特点，向所述第一分类器提供新数据窗口，所述新数据窗口包括所述脉搏波形信号的所述第一数目个样本；以及
响应于所述脉搏波形信号不包括所述初始信号特点，经由所述反馈机，提供指示所述脉搏感测设备需要朝向目标感测位置而被重新定位的用户反馈。
9.一种用于可穿戴心血管监测设备的方法，包括：
操作脉搏感测设备，所述脉搏感测设备与穿戴所述可穿戴心血管监测设备的用户的动脉相邻；
从所述脉搏感测设备接收脉搏波形信号；
分别使用第一分类器和第二分类器，用计算机分析所述脉搏波形信号的第一窗口和第二窗口；
响应于所述第一窗口和所述第二窗口的计算机分析指示脉搏感测设备的正确放置，用计算机处理所述脉搏波形信号的窗口，所述窗口包括n个样本；
将所述n个样本中的每个样本用计算机量化为范围从1至r的整数；
建立用于所述窗口的转移矩阵，所述转移矩阵包括r行和r列，其中所述转移矩阵的每个单元指示在所述窗口内具有经量化的行值r的样本m随后是具有经量化的列值r的样本m+1的频率；以及
基于所述转移矩阵，用计算机确定所述窗口的信号质量指数。
10.根据权利要求9所述的方法，其中所述n个样本从原始脉搏波形信号而被下采样。
11.根据权利要求10所述的方法，其中所述原始脉搏波形信号被带通滤波，但是在下采样之前，所述原始脉搏波形信号未被运动滤波。
12.根据权利要求10所述的方法，其中所述原始脉搏波形信号被光学脉搏感测设备输出。
13.根据权利要求10所述的方法，其中所述原始脉搏波形信号被动脉血压计输出。
14.根据权利要求9所述的方法，其中在被量化之前，所述n个样本被局部归一化。
15.根据权利要求9所述的方法，其中所述窗口从下游心血管参数计算中被排除，所述下游心血管参数计算要求信号质量指数大于针对所述窗口的用计算机确定的所述信号质量指数。
16.根据权利要求9所述的方法，其中所述窗口被包括在下游心血管参数计算中，所述下游心血管参数计算要求信号质量指数小于针对所述窗口的用计算机确定的所述信号质量指数。
17.一种可穿戴心血管监测设备，包括：
脉搏感测设备；
反馈机；以及
脉搏感测设备控制子系统，被配置成：
从所述脉搏感测设备，接收脉搏波形信号；
使用第一分类器，用计算机分析用于所述脉搏波形信号的第一数据窗口，所述第一数据窗口包括第一数目个样本；
响应于所述第一数据窗口的计算机分析指示正确的脉搏感测设备放置，经由所述反馈机，提供指示所述脉搏感测设备被正确放置的初始置信水平的用户反馈；
使用第二分类器，用计算机分析所述脉搏波形信号的第二数据窗口，所述第二数据窗口包括比所述第一数目个样本更多的第二数目个样本，所述第二分类器具有比所述第一分类器更低的假阳性率；以及
响应于所述第二数据窗口的计算机分析指示正确的脉搏感测设备放置，经由所述反馈机，提供指示所述脉搏感测设备被正确放置的经提高的置信水平的用户反馈。
18.根据权利要求17所述的可穿戴心血管监测设备，其中所述脉搏感测设备控制子系统还被配置成：
使用最终分类器，用计算机分析所述脉搏波形信号的最终数据窗口，所述最终数据窗口具有比所述第二数目个样本更多的最终数目个样本，所述最终分类器具有比所述第二分类器更低的假阳性率；
响应于所述最终数据窗口的计算机分析指示正确的脉搏感测设备放置，经由所述反馈机，提供指示所述脉搏感测设备被正确放置的用户反馈；以及
响应于所述最终数据窗口的计算机分析指示正确的脉搏感测设备放置，基于所述脉搏波形信号，用计算机计算心血管参数。
19.根据权利要求18所述的可穿戴心血管监测设备，其中被包括在所述第二数据窗口中的所述样本包括：在所述第一数据窗口中的所有样本，并且其中被包括在所述最终数据窗口中的所述样本包括：被包括在所述第二数据窗口中的所有样本。
20.根据权利要求18所述的可穿戴心血管监测设备，其中所述脉搏感测设备控制子系统还被配置成：
响应于所述第一数据窗口、所述第二数据窗口或所述最终数据窗口的计算机分析未指示正确的脉搏感测设备放置，经由所述反馈机，提供指示不正确的脉搏感测设备放置的用户反馈；以及
响应于所述第一数据窗口、所述第二数据窗口或所述最终数据窗口的计算机分析指示不正确的脉搏感测设备放置，利用所述第一分类器，用计算机分析所述脉搏波形信号的新数据窗口，所述新数据窗口包括所述第一数目个样本。
CN201680024469.6A 2015-04-02 2016-04-01 可穿戴脉搏感测设备信号质量估计 Active CN107580471B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562142463P 2015-04-02 2015-04-02
US62/142,463 2015-04-02
US14/750,037 2015-06-25
US14/750,037 US10765331B2 (en) 2015-04-02 2015-06-25 Wearable pulse sensing device signal quality estimation
PCT/US2016/025458 WO2016161227A2 (en) 2015-04-02 2016-04-01 Wearable pulse sensing device signal quality estimation

Publications (2)

Publication Number Publication Date
CN107580471A CN107580471A (zh) 2018-01-12
CN107580471B true CN107580471B (zh) 2020-12-04

Family

ID=55755737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680024469.6A Active CN107580471B (zh) 2015-04-02 2016-04-01 可穿戴脉搏感测设备信号质量估计

Country Status (5)

Country Link
US (1) US10765331B2 (zh)
EP (1) EP3277162B1 (zh)
CN (1) CN107580471B (zh)
TW (1) TW201642803A (zh)
WO (1) WO2016161227A2 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170087855A (ko) * 2014-08-22 2017-07-31 펄스 테크토닉스 엘엘씨 적어도 부분적으로 펄스 파형에 기반하는 자동화 진단
US10420515B2 (en) 2015-06-15 2019-09-24 Vital Labs, Inc. Method and system for acquiring data for assessment of cardiovascular disease
US9943267B2 (en) 2015-12-02 2018-04-17 Spry Health, Inc. Systems and methods for non-invasive respiratory rate measurement
EP3524137B1 (en) 2016-10-21 2024-02-21 Huawei Technologies Co., Ltd. Calibration method for blood pressure measuring device, and blood pressure measuring device
US10722125B2 (en) 2016-10-31 2020-07-28 Livemetric (Medical) S.A. Blood pressure signal acquisition using a pressure sensor array
US10716518B2 (en) 2016-11-01 2020-07-21 Microsoft Technology Licensing, Llc Blood pressure estimation by wearable computing device
US11000193B2 (en) 2017-01-04 2021-05-11 Livemetric (Medical) S.A. Blood pressure measurement system using force resistive sensor array
US20180184920A1 (en) * 2017-01-05 2018-07-05 Livemetric (Medical) S.A. System and method for providing user feeedback of blood pressure sensor placement and contact quality
FR3063628A1 (fr) * 2017-03-10 2018-09-14 Rhizom Dispositif et procede de mesure d’un parametre physiologique et apprentissage statistique
KR102374990B1 (ko) * 2017-03-21 2022-03-16 삼성전자 주식회사 피부 관련 정보를 제공하는 방법 및 이를 사용하는 전자 장치
US11457872B2 (en) 2017-12-01 2022-10-04 Samsung Electronics Co., Ltd. Bio-signal quality assessment apparatus and bio-signal quality assessment method
KR102588906B1 (ko) 2017-12-01 2023-10-13 삼성전자주식회사 생체 신호 품질 평가 장치 및 방법
CN108186000B (zh) * 2018-02-07 2024-04-02 河北工业大学 基于心冲击信号与光电信号的实时血压监测系统及方法
JP6815344B2 (ja) * 2018-03-12 2021-01-20 京セラ株式会社 電子機器、推定システム、推定方法及び推定プログラム
JP2019154774A (ja) * 2018-03-13 2019-09-19 株式会社東芝 生体測定装置、及び生体測定方法
US11311237B2 (en) * 2019-01-28 2022-04-26 Itamar Medical Spry 2021, Limited Partnership Systems and methods for computationally efficient non-invasive blood quality measurement
KR20200097143A (ko) * 2019-02-07 2020-08-18 삼성전자주식회사 생체정보 추정 장치 및 방법
CN110416744B (zh) * 2019-07-08 2021-08-24 维沃移动通信有限公司 一种天线装置、天线控制方法及终端设备
CN110974189A (zh) * 2019-10-25 2020-04-10 广州视源电子科技股份有限公司 脉搏波的信号质量检测方法及装置、设备、系统
CN113440118A (zh) * 2020-03-27 2021-09-28 华为技术有限公司 获取ppg信号的方法、装置、终端设备和存储介质
CN111513687B (zh) * 2020-04-10 2024-04-05 北京科技大学 人体低氧伤害监测预警手环及人体低氧伤害监测预警方法
US11568292B2 (en) * 2020-06-25 2023-01-31 Textron Innovations Inc. Absolute and relative importance trend detection
US20220061770A1 (en) * 2020-08-26 2022-03-03 Samsung Electronics Co., Ltd. Method for predicting failure of bio-information estimation and apparatus for estimating bio-information
TWI820440B (zh) * 2021-06-25 2023-11-01 康得漢股份有限公司 血壓監控系統
US11830624B2 (en) * 2021-09-07 2023-11-28 Riva Health, Inc. System and method for determining data quality for cardiovascular parameter determination
CN117547228B (zh) * 2024-01-09 2024-03-19 脉起动力科技(成都)有限公司 生物脉搏诊断信号的数据品质分析方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1170089A (ja) * 1997-07-15 1999-03-16 Hewlett Packard Co <Hp> 心臓波形特性表示方法
CN102270264A (zh) * 2010-06-04 2011-12-07 中国科学院深圳先进技术研究院 生理信号质量评估系统及方法
CN103020472A (zh) * 2012-12-27 2013-04-03 中国科学院深圳先进技术研究院 基于约束估计的生理信号质量评估方法和系统
CN103845038A (zh) * 2012-12-04 2014-06-11 中国移动通信集团公司 一种体征信号采集方法和设备
WO2014107795A1 (en) * 2013-01-08 2014-07-17 Interaxon Inc. Adaptive brain training computer system and method
CN104042208A (zh) * 2014-06-26 2014-09-17 北京化工大学 心电监护系统
CN104274191A (zh) * 2014-10-08 2015-01-14 北京中维监安信息科技有限公司 一种心理测评方法及其系统
CN104462744A (zh) * 2014-10-09 2015-03-25 广东工业大学 适用于心血管远程监测系统的数据质量控制方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4830017A (en) 1988-02-25 1989-05-16 Nippon Colin Co., Ltd. Automatic positioning system for continuous blood pressure monitor transducer
US7006856B2 (en) 2003-01-10 2006-02-28 Nellcor Puritan Bennett Incorporated Signal quality metrics design for qualifying data for a physiological monitor
WO2005015814A1 (en) 2003-08-06 2005-02-17 Aelis Photonics (Israel) Ltd. Signal quality monitoring method with signal averaging
US8177702B2 (en) 2004-04-15 2012-05-15 Neuronetics, Inc. Method and apparatus for determining the proximity of a TMS coil to a subject's head
US7761127B2 (en) 2005-03-01 2010-07-20 Masimo Laboratories, Inc. Multiple wavelength sensor substrate
US8454528B2 (en) 2008-04-03 2013-06-04 Kai Medical, Inc. Non-contact physiologic motion sensors and methods for use
US20100298728A1 (en) 2009-05-20 2010-11-25 Nellcor Puritan Bennett Ireland Signal Processing Techniques For Determining Signal Quality Using A Wavelet Transform Ratio Surface
US20110077484A1 (en) 2009-09-30 2011-03-31 Nellcor Puritan Bennett Ireland Systems And Methods For Identifying Non-Corrupted Signal Segments For Use In Determining Physiological Parameters
US8909332B2 (en) 2010-01-26 2014-12-09 Stmicroelectronics S.R.L. Method and device for estimating morphological features of heart beats
ES2396844B1 (es) 2010-12-01 2014-01-27 Universitat Politècnica De Catalunya Sistema y método para la estimación simultánea y no invasiva de la glucosa en la sangre, nivel de glucocorticoides y presión arterial
WO2013036718A1 (en) 2011-09-08 2013-03-14 Isis Innovation Ltd. Determining acceptability of physiological signals
KR101349767B1 (ko) 2012-05-09 2014-01-10 이동화 손목시계형 혈압계
CN103300852A (zh) 2012-10-19 2013-09-18 西安电子科技大学 基于运动想象脑电控制遥控小车的训练方法
US8788024B1 (en) 2013-03-15 2014-07-22 Apn Health, Llc Multi-channel cardiac measurements
KR101485700B1 (ko) 2013-09-05 2015-01-22 이동화 손목시계형 혈압계
WO2015033327A1 (en) 2013-09-09 2015-03-12 Belfiori Alfredo Wearable controller for wrist
KR20150092465A (ko) 2014-02-05 2015-08-13 이동화 손목시계형 혈압계
KR101667412B1 (ko) 2014-08-06 2016-10-18 이동화 손목 혈압계
KR20160092250A (ko) 2015-01-27 2016-08-04 이동화 손목 혈압계

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1170089A (ja) * 1997-07-15 1999-03-16 Hewlett Packard Co <Hp> 心臓波形特性表示方法
CN102270264A (zh) * 2010-06-04 2011-12-07 中国科学院深圳先进技术研究院 生理信号质量评估系统及方法
CN103845038A (zh) * 2012-12-04 2014-06-11 中国移动通信集团公司 一种体征信号采集方法和设备
CN103020472A (zh) * 2012-12-27 2013-04-03 中国科学院深圳先进技术研究院 基于约束估计的生理信号质量评估方法和系统
WO2014107795A1 (en) * 2013-01-08 2014-07-17 Interaxon Inc. Adaptive brain training computer system and method
CN104042208A (zh) * 2014-06-26 2014-09-17 北京化工大学 心电监护系统
CN104274191A (zh) * 2014-10-08 2015-01-14 北京中维监安信息科技有限公司 一种心理测评方法及其系统
CN104462744A (zh) * 2014-10-09 2015-03-25 广东工业大学 适用于心血管远程监测系统的数据质量控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A combined segmenting and non-segmenting approach to signal quality estimation for ambulatory photoplethysmography;J D Wander,D Morris;《Physiological Measurement》;20141231;第35卷(第12期);2543-2561 *
Rapid object detection using a boosted cascade of simple features;Viola, P; Jones, M;《Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001》;20011214;第1卷;511-518 *

Also Published As

Publication number Publication date
TW201642803A (zh) 2016-12-16
WO2016161227A2 (en) 2016-10-06
EP3277162A2 (en) 2018-02-07
US10765331B2 (en) 2020-09-08
CN107580471A (zh) 2018-01-12
EP3277162B1 (en) 2019-01-02
WO2016161227A3 (en) 2016-11-17
US20160287110A1 (en) 2016-10-06

Similar Documents

Publication Publication Date Title
CN107580471B (zh) 可穿戴脉搏感测设备信号质量估计
US11344214B2 (en) Wearable pulse pressure wave sensing device
US11058358B2 (en) Apparatus and method for correcting error of bio-information sensor, and apparatus and method for estimating bio-information
CN106413529B (zh) 光学压力传感器
US20160089033A1 (en) Determining timing and context for cardiovascular measurements
Zhao et al. PPG-based finger-level gesture recognition leveraging wearables
JP2021519168A (ja) 訓練された予測モデルに基づく血圧降下の非侵襲的決定のためのシステム及び方法
US20210153756A1 (en) Reliable acquisition of photoplethysmographic data
KR20170048970A (ko) 혈압 추정 방법
CN108135514B (zh) 心率校正
US20180203978A1 (en) Machine-learning models for predicting decompensation risk
KR20160047838A (ko) 생체 신호 처리 방법 및 그 장치
Chowdhury et al. Machine learning in wearable biomedical systems
US20220183569A1 (en) Blood Pressure Assessment Using Features Extracted Through Deep Learning
US11717177B2 (en) Blood pressure measurement
US11617545B2 (en) Methods and systems for adaptable presentation of sensor data
Tadi et al. Comprehensive analysis of cardiogenic vibrations for automated detection of atrial fibrillation using smartphone mechanocardiograms
WO2016047494A1 (ja) 生体情報測定装置及びシステム
CN116058814A (zh) 心率检测方法及电子设备
Kumar et al. A novel CS-NET architecture based on the unification of CNN, SVM and super-resolution spectrogram to monitor and classify blood pressure using photoplethysmography
Kumar et al. Edge-Based Computation of Super-Resolution Superlet Spectrograms for Real-Time Estimation of Heart Rate Using an IoMT Based Reference Signal Less PPG Sensor
Mascret et al. A vital-signs monitoring wristband with real-time In-Sensor data analysis using very low-hardware resources
Shokouhmand Cardiovascular System Monitoring Using Wearable Sensors
CN117643471A (zh) 测量心脏参数以检测心脏病的可穿戴和便携式系统和方法
WO2021141572A1 (en) Methods and systems for adaptable presentation of sensor data

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