CN107664622A - 用于估计血液中物质的装置和方法 - Google Patents

用于估计血液中物质的装置和方法 Download PDF

Info

Publication number
CN107664622A
CN107664622A CN201710181039.1A CN201710181039A CN107664622A CN 107664622 A CN107664622 A CN 107664622A CN 201710181039 A CN201710181039 A CN 201710181039A CN 107664622 A CN107664622 A CN 107664622A
Authority
CN
China
Prior art keywords
similitude
blood
detection
optical signal
user
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
CN201710181039.1A
Other languages
English (en)
Other versions
CN107664622B (zh
Inventor
张基永
南廷容
李埈炯
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN107664622A publication Critical patent/CN107664622A/zh
Application granted granted Critical
Publication of CN107664622B publication Critical patent/CN107664622B/zh
Active 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
    • A61B5/145—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • 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
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • 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
    • A61B5/14532—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 for measuring glucose, e.g. by tissue impedance measurement
    • 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
    • A61B5/14546—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 for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • 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
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • 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
    • 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
    • A61B5/6824—Arm or wrist
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Emergency Medicine (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

提供了一种用于以非侵入性方式来估计血液中物质的装置。所述装置包括：光源，其被配置为向用户的皮肤发射光；多个检测器，其被安置在距所述光源的不同距离处，并且被配置为从自皮肤返回的光中检测光信号；以及处理器，其被配置为确定所述检测的光信号中的至少两个光信号之间的相似性，并且基于所述相似性估计所述血液中物质。

Description

用于估计血液中物质的装置和方法
对相关申请的交叉引用
本申请要求于2016年7月29日在韩国知识产权局提交的韩国专利申请No.10-2016-0097358的优先权，通过引用将其公开的全部内容合并于此。
技术领域
符合示例性实施例的装置和方法涉及使用非侵入性方法估计血液中物质。
背景技术
基于红外(Ir)线或近红外线(NIR)的光学测量方法可以用于估计血液中包括的特定物质的水平，例如，血液中的血糖水平或中性脂肪水平。在使用此种光学测量方法时，以非侵入性方式来估计存在于主体(例如，人体)中的特定物质的水平是可能的。作为上述光学测量方法的示例，存在一种测量和分析散射光信号的方法。
发明内容
根据示例性实施例的一个方面，提供一种用于估计血液中物质的装置，包括：光源，其被配置为向用户的皮肤发射光；多个检测器，其被安置在距光源的不同距离处，并且被配置为从自皮肤返回的光中检测光信号；以及处理器，其被配置为确定检测的光信号中的至少两个光信号之间的相似性，并且基于相似性估计血液中物质。
处理器可以包括相似性计算器，所述相似性计算器基于时间轴确定所述至少两个光信号的波形之间的相似性。
相似性可以包括欧氏距离、皮尔逊相关系数、斯皮尔曼相关系数、以及余弦相似性中的至少一者。
光源可以包括近红外(NIR)发光二极管(LED)光源。
处理器可以包括：相似性确定器，其被配置为确定所确定的相似性是否大于或等于参考相似性；以及血液中物质估计器，其被配置为在所确定的相似性大于或等于参考相似性时，基于检测的光信号估计物质。
处理器还可包括重检测控制器，所述重检测控制器在所确定的相似性小于参考相似性时，控制重检测从用户的皮肤返回的光信号。
血液中物质估计器可以使用具有的相似性大于参考相似性的光信号确定散射系数，并且基于散射系数和相关模型来获得血液中物质的水平。
在具有的相似性等于或大于参考相似性的所检测的光信号的数量为三个或更多时，血液中物质估计器可以基于检测的光信号之间的相似性来从检测的光信号选择两个光信号，并且使用所选择的两个光信号估计血液中物质。
处理器还可包括参考管理器，参考管理器更新参考信息，所述参考信息包括参考相似性和相关模型中的至少一者。
参考管理器可以合计所确定的相似性小于参考相似性的次数，并且可以在合计的次数超过阈值时更新参考信息。
参考管理器可以使用检测的光信号收集学习数据，并且可以基于收集的学习数据更新参考信息。
所述装置还可包括通信器，所述通信器被连接到外部装置，并且接收从用户的血液测量的血液中物质的参考值。在此，参考管理器可以进一步基于所接收的血液中物质的参考值来更新参考信息。
血液中物质可以包括血糖、胆固醇、中性脂肪、皮肤温度、蛋白质、以及尿酸中的至少一者。
所述装置还可包括输出器，所述输出器向用户输出估计血液中物质的结果。
根据另一示例性实施例中的一个方面，提供一种估计血液中物质的方法，包括：向用户的皮肤发射光；在多个不同位置处从自皮肤返回的光中检测光信号；确定检测的光信号中的至少两个光信号之间的相似性；以及基于相似性估计血液中物质。
所述方法还可包括确定所确定的相似性是否大于或等于参考相似性。在此，估计血液中物质可以包括在所确定的相似性大于或等于参考相似性时，基于检测的光信号估计血液中物质。
所述方法还可包括在所确定的相似性小于参考相似性时，控制重检测来自用户的皮肤的光信号。
估计血液中物质可以包括：使用具有的相似性大于参考相似性的光信号计算散射系数；以及基于计算出的散射系数和相关模型来获得血液中物质的水平。
所述方法还可包括更新参考信息，所述参考信息包括参考相似性和相关模型中的至少一者。
更新参考信息可以包括：合计所确定的相似性小于参考相似性的次数；以及在合计出的次数超过阈值时，更新参考信息。
更新参考信息还可包括使用检测的光信号收集学习数据，并且基于收集的学习数据更新参考信息。
所述方法还可包括向用户输出估计血液中物质的结果。
根据另一示例性实施例中的一个方面，提供一种可穿戴式设备，包括：设备主体；检测传感器，其被安置在设备主体上，并且检测从用户的皮肤反射的光信号；以及处理器，其被安置在设备主体上，并且被配置为确定检测的光信号之间的相似性，并且基于所确定的相似性估计血液中物质。
检测传感器可以包括：单一光源，其向用户的皮肤发射光；以及多个检测器，其从自皮肤返回的光中检测光信号。
处理器可以确定所确定的相似性是否等于或大于参考相似性，可以在所确定的相似性等于或大于参考相似性时，基于检测的光信号估计血液中物质，并且可以在所确定的相似性小于参考相似性时，控制检测传感器重检测光信号。
处理器可以以用于估计血液中物质的模式和参考管理模式中的一者来操作检测传感器。
可穿戴式设备还可包括通信器，所述通信器安装在设备主体上，并且被连接到外部装置，以便在检测传感器以参考管理模式操作时，接收从用户的血液测量的血液中物质参考值。
可穿戴式设备还可包括显示器，所述显示器安装在设备主体上，并且显示估计血液中物质的结果。
附图说明
参考附图，通过描述某些示例性实施例，以上和/或其他方面将更清楚，其中：
图1为说明用于估计血液中物质的装置的示例的框图。
图2A和图2B为说明图1的处理器的示例的框图。
图3为说明用于估计血液中物质的装置的另一示例的框图。
图4A、4B、5A、5B、5C、6A、6B、7A、7B、8A、8B、9A、9B和9C为说明散射光信号的处理的示例的视图。
图10为说明估计血液中物质的示例方法的流程图。
图11为说明估计血液中物质的另一示例方法的流程图。
图12为说明可穿戴式设备的示例的示意图。
图13为说明可穿戴式设备的示例的框图。
具体实施方式
以下参考附图更详细地描述示例性实施例。
在以下描述中，相似的附图参考数字用于相似元件，即使在不同附图中也是如此。提供描述中定义的事物，诸如详细的构造和元素，来辅助对示例性实施例的全面理解。然而，显而易见，可以在无那些具体地定义的事物的情况下实践示例性实施例。另外，未详细地描述众所周知的功能或构造，因为它们将会以不必要的细节模糊描述。
虽然术语诸如第一、第二等等可以用于描述各种元素，但是元素不应限制于此。术语仅仅用于区分一个元素与其它元素。除非在上下文另外定义，否则单数表达包括复数表达。另外，在描述部分“包括”元素时，除非另外定义，否则表示该部分并不排除其他元素，而是还可包括其他元素。另外，本文中指定的术语“部分”、“模块”等等表示执行至少一个功能或操作的单元，并且可实施为硬件、软件、或者硬件和软件的组合。
表达诸如“……中的至少一个”在元素列表之后时，修饰整个元素列表而非修饰列表中的单独元素。
图1为说明用于估计血液中物质的装置的示例的框图。用于估计血液中物质的装置可以安装在用户所穿戴的可穿戴式设备上。可穿戴式设备包括各种类型，诸如手表类型、项链类型、腕带类型、指环类型、眼镜类型、发带类型等等，并且未特定地限制形状或大小等等。
参考图1，用于估计血液中物质的装置100包括光学测量器110和处理器120。
光学测量器110可以包括光源111、以及多个检测器112a和112b。光源111、以及检测器112a和112b可实施为单一传感器或分开的传感器。
光源111根据某个控制信号向用户的皮肤发射光。在此，光源111可形成为单一光源，其发射具有850nm的波长的近红外线(NIR)带中的光，但不限于此。另外，光源111可以包括发光二极管(LED)或激光二极管。在此，用户与光源111紧密接触的皮肤区域可为手或腕的背面，或者毛细血管所经过的腕的表面邻近的区域。
检测器112a和112b定位在距光源111的不同距离处，并且检测从皮肤组织散射和返回的光。检测器112a和112b可以包括光电二极管、光电晶体管(PTr)或电荷耦合设备(CCD)。为了方便描述，图1仅说明了并排地布置的两个检测器112a和112b，但是在检测器的数量和布置上没有特定的限制。
例如，光源111以及检测器112a和112b可并排地布置在与静脉血液对应的区域。光源111发射的光穿过用户的皮肤，到达静脉血液内部，被例如含中性脂肪的乳糜微粒血症颗粒散射，并且穿过皮肤返回。可将第一检测器112a安置在位置p1处，并且可将第二检测器112b安置在位置p2处。位置p1可比位置p2更靠近于光源111。第一检测器112a和第二检测器112b可以检测从皮肤散射的光信号R1和R2，并且可以测量检测的光信号的平均强度R(p1)和R(p2)。
根据示例性实施例，光学测量器110可实现为光谱仪。
处理器120可以接收从检测器112a和112b检测的散射光信号的数据，并且可使用接收的散射光信号数据来估计血液中物质。在此，血液中物质可以包括血糖、胆固醇、中性脂肪、皮肤温度、蛋白质、尿酸等等，但是不限于此。在下文中，为了方便描述，中性脂肪将根据需要作为示例来描述。
在从第一检测器112a和第二检测器112b检测到散射光信号R1和R2时，处理器120可以确定检测的散射光信号R1和R2的数据是否具有某种程度的可靠性以用于估计血液中物质。作为确定结果，在数据对于估计血液中物质可靠时，处理器120可使用检测的散射光信号R1和R2的数据来估计血液中物质。否则，可以通过控制光学测量器110再次测量散射光信号。
图2A和2B为说明图1的处理器120的示例的框图。
参考图2A，根据一个示例的处理器200a可以包括相似性计算器210、相似性确定器220、血液中物质估计器230和重检测控制器240。
在由检测器112a和112b检测到散射光信号时，相似性计算器210可使用相似性计算算法来计算检测的散射光信号之间的相似性。在此，相似性计算算法可以包括欧氏距离、皮尔逊相关系数、斯皮尔曼相关系数、余弦相似性算法等等。
例如，相似性计算器210可以使用余弦相似性算法基于时间轴计算由第一检测器112a检测的散射光信号R1的波形与由第二检测器112b检测的散射光信号R2的波形之间的相似性。余弦相似性表示使用内部空间的两个矢量之间的角度的余弦值测量到的两个矢量之间的相似性。在角度为0度时，余弦值为1，并且其他角度的余弦值小于1。因此，在使用余弦相似性时，确定散射光信号的波形在时间轴上的方向相似性是可能的。
在计算出检测的两个散射光信号R1和R2之间的相似性时，相似性确定器220可以将计算的相似性与参考相似性(例如，预定值)进行比较。在此，根据所使用的相似性计算算法或用户属性(例如，健康状况，测量位置等等)，参考相似性可预设为数据可靠性阈值。在计算的相似性是预设阈值或更大时，相似性确定器220可以确定检测的散射光信号对于估计血液中物质来说是可靠的。相反，在计算出的相似性小于预设阈值时，可以确定对散射光信号的重检测是必要的。
当作为确定结果，检测的散射光信号对于估计血液中物质来说可靠时，血液中物质估计器230可通过从检测的散射光信号提取出散射信号信息来估计血液中物质。例如，血液中物质估计器230可使用由第一检测器112a和第二检测器112b检测的散射光信号的强度R(p1)和R(p2)来计算散射系数，并且可使用计算出的散射系数来估计血液中物质。
散射系数指示在光源发射的光移动单位距离时通过散射而减小的光强度的数值，并且可以被定义为由第一检测器112a和第二检测器112b检测的散射光信号的强度的比率R(p1)/R(p2)，或定义为与所述比率成比例的值。另外，可以考虑到第一检测器112a与光源111之间的距离p1和第二检测器112b与光源111之间的距离p2来计算散射系数。未具体地限制用于计算散射系数的算法，并且可以考虑上述元素来不同地确定。
在计算出散射系数时，血液中物质估计器230可以使用散射系数和先前生成的相关模型来估计血液中物质。在此，相关模型可以在先前生成为数学算法或指示散射系数与血液中物质的水平之间的相关性的匹配表。
当作为相似性确定器220的确定的结果，检测的散射光信号对于估计血液中物质来不说不可靠时，重检测控制器240生成控制信号，以便控制光学测量器110再次测量散射光信号。
同时，在存在三个或更多检测器时，可以检测三个或更多散射光信号。在此，血液中物质估计器230可基于光信号之间的相似性来选择两个光信号，并且可通过使用所选择的两个光信号来估计血液中物质。
例如，在检测到三个散射光信号R1、R2和R3时，相似性计算器210可以计算每两个散射光信号R1-R2、R1-R3和R2-R3之间的相似性，以便计算它们的相似性C1、C2和C3。相似性确定器220可以确定相似性C1、C2和C3中的每者是否满足参考相似性。在此，不同的参考相似性可应用于相似性C1、C2和C3中的每者。在相似性C1和C2满足参考相似性并且相似性C1相对大于相似性C2时，血液中物质估计器230可使用具有相似性C1的光信号R1和R2来估计血液中物质。
参考图2B，根据另一示例的处理器200b可以包括相似性计算器210、相似性确定器220、血液中物质估计器230、重检测控制器240和参考管理器250。由于已经参考图2A详细描述了相似性计算器210、相似性确定器220、血液中物质估计器230和重检测控制器240，因此以下将主要描述参考管理器250的配置。
参考管理器250可以管理参考信息，诸如要应用于用户的参考相似性、以及相关模型。在此，参考信息(诸如参考相似性、相关模型等等)可以存储在存储设备中。存储设备可以包括闪存型存储器、硬盘型存储器、多媒体卡微型存储器、卡型存储器(诸如安全数字(SD)存储器、极限数字(XD)存储器等等)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等中的至少一者。另外，存储设备可以安装在用于估计血液中物质的装置100中，或者可实施为便携式外部设备。
参考管理器250可以控制光学测量器110在预定时间(例如，四个小时)内以预定时间间隔(例如，15分钟)来顺序测量散射光信号，以便收集更新参考信息所必需的学习数据。在此，用户可以在食用高脂肪饮食后允许测量散射光信号。另外，对于每个预定时间检测的散射光信号数据可由光学测量器110收集作为学习数据，并且可基于收集到的学习数据来生成或更新参考信息。
参考管理器250可以使用收集到的学习数据和从用户的血液样本实际测量的血液中物质参考值。例如，如参考以下图5A至5C所述的，参考管理器250可以使用由第一检测器112a和第二检测器112b对于每个预定时间间隔来顺序检测的两个散射光信号计算散射系数，并且可以得出计算出的散射系数与实际血液中物质数值之间的相关性。另外，基于得出的相关性，可以获得散射系数与血液中物质数值之间的相关模型。
根据一个示例性实施例，如以下参考图6A至9C所述的，参考管理器250可以计算在收集到的学习数据的检测时间点的散射光信号之间的相似性。另外，可以使用计算出的相似性排除不满足参考相似性的散射光信号，并且可使用其他散射光信号来计算散射系数。另外，可以使用用于获得相关系数的算法(例如，皮尔逊相关系数算法)获得散射系数与血液中物质数值之间的相关系数，并且可以调整参考相似性，直到相关系数达到某个阈值或其以上。
参考管理器250可通过重复执行这个过程来确定参考相似性，并且可使用所确定的参考相似性来更新现有的参考相似性。另外，在更新参考相似性时，使用满足更新的参考相似性的散射光信号的散射系数和实际血液中物质参考值来得出相关性，由此获得相关模型。
同时，参考管理器250可初始地注册用户以允许用户使用用于估计血液中物质的装置100，或者可根据用户请求或预设周期控制光学测量器110在预定时间内以预定时间间隔来顺序检测光信号。另外，参考管理器250可以合计在相似性确定器220确定相似性时不满足参考相似性的次数或比率，并且可以确定对参考信息的更新是必要的，并且可以在合计的次数或比率为某个阈值或更大时控制光学测量器110。
图3为说明用于估计血液中物质的装置的另一示例的框图。
参考图3，用于估计血液中物质的装置300可以包括光学测量器110、处理器120、输出器310、存储器320和通信器330。
如参考图1所述的，光学测量器110可以包括向用户的皮肤发射光的光源111，以及检测从用户的皮肤返回的散射光的多个检测器112a和112b。另外，处理器120可使用检测的散射光信号来估计血液中物质，诸如中性脂肪。详细描述与上述相同，并且将被省略。
输出器310可以使用各种输出工具(例如显示器、扬声器、触觉装置等等)来向用户提供处理器120的处理结果。在此，取决于输出工具，输出器310可以可视地/非可视地输出。在此，处理结果可以包括估计血液中物质的结果、警告、警报信息等等。
存储器320可为上述存储设备中的任何一个，可以存储参考信息(诸如由处理器120参考的参考相似性或相关模型信息)以及用户信息，并且可以存储由处理器120估计的血液中物质信息、以及警报、警告、估计血液中物质的历史，还有基于血液中物质信息而生成的各种统计信息。
通信器330可为使用各种通信技术来实施的通信模块。在此，通信技术可以包括例如蓝牙通信、蓝牙低能耗(BLE)通信、近场通信(NFC)、无线局域网(WLAN)通信、Zigbee通信、红外数据协会(IrDA)通信、无线保真(Wi-Fi)直接(WFD)通信、超宽带(UWB)通信、Ant+通信、Wi-Fi通信、3G、4G和5G通信技术，但是不限于此。
通信器330可连接到各种外部装置(包括侵入性血液中物质估计装置)来发送和接收数据。例如，可以从侵入性血液中物质估计装置接收关于从用户的血液样本实际测量的血液中物质数值的信息。在此，当确定对参考信息的更新是必要的时，处理器120控制通信器330从侵入性血液中物质估计装置接收实际的血液中物质数值信息。
图4A至9C是说明散射光信号的处理的示例的视图。
图4A说明这样的示例：上述光学测量器110的配置被实施为一个检测传感器41并且与手的背部40的静脉血液42的位置接触。如图4A所示，检测传感器41可以包括一个光源LED和多个检测器PD。此外，手的背部40被示出为主体的示例，但是不限于此，并且示例可为腕的上部皮肤区域。在这种情况下，检测传感器41可实施为与腕的上部处的静脉血液或毛细血管的位置接触，以便测量来自腕的上部的皮肤的散射光。
图4B说明这样的示例：光源LED和两个检测器PD1和PD2并排地安置成与皮肤40接触以检测散射光。在此，第一检测器PD1定位在位置p1处，并且第二检测器PD2定位在位置p2处。光源LED被安置成相较位置p2更靠近于位置p1。光源LED向皮肤40发射的光被静脉血液42中的物质散射，并且从皮肤40散射和返回的散射光信号R1和R2可同时由第一检测器PD1和第二检测器PD2检测。
图5A说明由第一检测器PD1检测的散射光信号R1和由第二检测器PD2检测的散射光信号R2，它们是通过图4B的示例在4小时内以15分钟的间隔检测的。图5A中所示的每个图的X轴指示经过时间，Y轴指示散射光信号的强度。在此，由于在检测散射光信号R1和R2的时间点之间存在微小的时间差，因此可以基于散射光信号的属性(例如，峰值、倾度等等)来匹配时间点。
图5B是说明如图5A所示检测的散射光信号R1和R2的用菱形表示的散射系数与从用户的血液样本实际测量的用圆形表示的中性脂肪之间的相关性的图。图的X轴指示经过时间，Y轴左侧指示血液中中性脂肪的实际数值，Y轴右侧指示计算出的散射系数。在此，可以针对每个检测时间点计算散射系数，并且可以根据检测散射光信号的时间点来由侵入性中性脂肪测量装置测量血液中中性脂肪的实际数值。图5C是说明基于图5B中的散射系数与实际血液中物质之间的相关性的相关模型的图，所述相关模型被导出为诸如以下等式1的等式形式。
[等式1]
y＝0.0002x-0.0403
同时，图5A至5C的示例可由图2B的参考管理器250执行。例如，在参考信息的生成和更新是必要的时，参考管理器250可通过控制检测传感器从图5A中所示的特定时间的散射光信号获得学习数据，可使用学习数据的散射光信号来计算散射系数(如图5B和5C中所示)，并且可使用计算出的散射系数和实际血液中物质数值来生成相关模型。
图6A和6B说明使用余弦相似性算法计算两个光信号R1和R2之间的相似性的示例。参考图6A，可以知道，随时间经过的两个光信号R1和R2的波形的方向性被显示为类似，并且因此，余弦相似性被计算为0.99019的高值。相反，参考图6B，随时间经过的波形的方向性被显示为相反，因此，余弦相似性被计算为0.75836的相对低值。
图7A和7B说明使用在4个小时内以15分钟间隔从主体1测量的散射光信号数据导出的散射系数与同时测量的血液中中性脂肪的数值之间的相关性。参考图7A，在相对少的5个检测时间点上(在15、135、165、180和195分钟上)检测的散射光信号不满足参考相似性。参考图7B，可以知道，在所有数据中不满足参考相似性的数据的比率相对小时计算出的散射系数与血液中中性脂肪的数值之间的相关性为高。
图8A和8B说明使用在4个小时内以15分钟间隔从主体2测量的散射光信号数据的散射系数与血液中中性脂肪的数值之间的相关性。参考图8A，在相对多的11个检测时间点上(在0、15、75、150、165、180、195、210、225、240和270分钟上)检测的散射光信号的相似性不满足参考相似性。参考图8B，可以知道，在所有数据中不满足参考相似性的数据的比率相对大时计算出的散射系数与血液中中性脂肪的数值之间的相关性为低。
图9A至9C说明这样的示例：在4个小时内以15分钟间隔从主体3测量的散射光信号数据中的两个检测时间点(0和60分钟)的散射光信号数据不满足参考相似性。在如图9B中所示包括不足参考相似性的信号数据来获得散射系数与血液中中性脂肪之间的相关性时，皮尔逊相关系数被计算为-0.41。在排除不足参考相似性的信号来获得的相关性时，相关系数被计算为-0.72。因此，可以知道，在排除不足参考相似性的信号时，导出更精确的相关性。
如以上参考4A至9C所述的，散射光信号通常受到以下影响：与检测传感器41接触的皮肤的变形、根据用户移动的测量位置的变化、光源LED与检测器PD1和PD2中的每者之间的距离等等。在直接使用不考虑此类条件所检测的散射光信号时，可能计算出错误的散射系数，并且因此可能降低对血液中物质的估计的准确度。根据示例性实施例，由于使用检测的散射光信号之间的相似性确定是否使用，因此可以获得血液中物质的高度可靠的估计结果。另外，在计算散射系数以生成或更新参考相似性或相关模型时，基于相似性排除不合适的散射光信号，由此生成有较高的相关性或参考相似性的相关模型。
图10为说明估计血液中物质的示例方法的流程图。
在图10中的估计血液中物质的方法可由根据图1和3所示的实施例的用于估计血液中物质的装置100和300执行。
首先，在接收到对估计血液中物质的请求(操作1010)时，驱动光源向用户的皮肤发射出光(操作1020)，并且可由多个检测器检测从用户的皮肤返回的散射光信号(操作1030)。在此，可从用户接收对估计血液中物质的请求。另外，光源可以是发射在近红外带宽中的光的单一LED光源。
接着，可以计算由多个检测器检测的光信号之间的相似性(操作1040)。在此，相似性可以是用于确定波形在时间轴上的方向性是否相似的余弦相似性。然而，相似性不限于此。
之后，在计算出相似性时，确定相似性是否满足预设参考相似性(操作1050)。在检测的散射光信号满足参考相似性时，可使用散射光信号的强度来估计血液中物质(操作1060)。在此，可以计算定义为检测的散射光信号的强度的比率或与比率成比例的值的散射系数，并且可使用计算出的散射系数和相关模型来估计血液中物质。
在操作1050中，在不满足参考相似性时，再次控制光源再次测量散射光信号(操作1070)。
图11为说明估计血液中物质的另一示例方法的流程图。
图11的方法可为由根据图1和图3的示例性实施例的用于估计血液中物质的装置100和300执行的另一个实施例。
首先，在接收到对估计血液中物质的请求(操作1111)时，驱动光源向用户的皮肤发射光(操作1112)，并且可由多个检测器检测从用户的皮肤返回的散射光信号(操作1113)。
之后，计算由多个检测器检测的光信号之间的相似性(操作1114)，并且可以确定计算的相似性是否满足预设参考相似性(操作1115)。
作为在操作1115中的确定的结果，在检测的散射光信号满足参考相似性时，可使用散射光信号的强度来估计血液中物质(操作1116)。在此，可以计算被定义为检测的散射光信号的强度的比率或与比率成比例的值的散射系数，并且可使用计算出的散射系数和相关模型来估计血液中物质。
在操作1115中，在不满足参考相似性时，合计不满足参考相似性的次数(操作1117)，并且可以确定合计出的次数是否超过预设阈值(操作1118)。在作为确定结果，合计出的次数超过阈值时，可以确定对参考相似性或相关模型的更新是必要的，并且可以收集学习数据(操作1119)。在此，可以在某个时间内控制光源和多个检测器来收集学习数据，以便以特定时间间隔从散射光信号数据获得学习数据。
之后，可以使用收集到的学习数据更新参考信息(诸如参考相似性、相关模型等等)(操作1120)。在此，可以使用关于通过侵入性血液中物质估计装置从用户的血液样本实际测量的血液中物质的数值的信息导出学习数据的散射系数与血液中物质的数值之间的相关性，并且可使用导出的相关性来更新相关模型。
作为在操作1118中的确定的结果，在合计出的次数没有超过阈值时，可以确定对参考信息的更新是不必要的，并且可以控制对散射光信号的重检测(操作1121)。
图12为说明可穿戴式设备的示例的示意图。图13为说明可穿戴式设备的示例的框图。如图12和图13所示，上述用于估计血液中物质的装置(例如用于估计血液中中性脂肪的各种实施例)可以安装在智能带型可穿戴式设备中。然而，由于它仅是为了方便描述的示例，因此，应当理解，实施例不限于智能带型可穿戴式设备。
参考图12和图13，可穿戴式设备1200可以包括设备主体1210和包括条带(strap)部件1213和1214的条带。
条带可以是柔性的，并且可弯曲成像环绕用户的腕的形状或弯曲成像与用户的腕分离的形状。在此，向可穿戴式设备1200供电的电池可以内置在设备主体1210或条带部件1214中。
此外，可穿戴式设备1200的设备主体1210可在内部包括检测传感器1310和处理器1320，其中检测传感器1310向用户的皮肤发射光，并且检测从皮肤散射并返回的光信号，处理器1320使用由检测传感器1310测量的散射光信号估计用户的血液中物质。
检测传感器1310可附接到设备主体1210的底部，例如与用户的腕接触的部分，并且可以包括光源和多个检测器，其中光源根据处理器1320的控制信号向用户的皮肤发射光，多个检测器被并排地布置在距光源的不同距离处，并且检测从用户的皮肤返回的光信号。在此，光源可以被配置为发射在近红外带宽中的光。
处理器1320可以根据对估计用户的血液中物质的请求生成控制信号，并且可以控制检测传感器1310。另外，在检测传感器1310获得散射光信号时，处理器1320可从检测传感器1310接收散射光信号数据，并且可使用接收的散射光信号数据来估计用户的血液中物质。例如，处理器1320可以计算由多个检测器检测的散射光信号之间的相似性，可以在计算的相似性满足预设参考相似性时估计血液中物质，并且可以在不满足预设参考相似性时，再次控制检测传感器1310重检测散射光信号。
在检测的散射光信号的相似性满足参考相似性时，处理器1320可以使用散射光信号计算散射系数，并且可使用计算出的散射系数和相关模型来估计血液中物质。
另外，处理器1320可以基于估计的血液中物质(例如，中性脂肪信息)生成提供给用户的保健所必需的额外信息，诸如关于中性脂肪是否超过参考值的警报或警告信息、或者健康状况的变化等等。
另外，可穿戴式设备1200还可包括安装在设备主体1210上的显示器1211和操作部分1212。
操作部分1212可以接收用户的控制命令并将其发送到处理器1320，并且可以包括用于输入用于打开/关闭可穿戴式设备1200的电源的命令的电源按钮。
显示器1211可以在处理器1320的控制下向用户显示和提供所估计的中性脂肪信息等等。在此，显示器1211可以各种可视/非可视的方式来向用户显示额外信息(诸如中性脂肪信息、警报、警告等等)。
另外，设备主体1210还可以在其内部空间中包括通信器1330以与外部装置(诸如用户的便携式终端、侵入性血液中物质估计装置、血液中物质管理装置等等)通信。
在处理器1320的控制下，通信器1330可以向具有相对优异的计算性能的用户的便携式终端发送必要信息以向用户提供信息。此外，在处理器1320确定对参考信息的更新是必要的并且将检测传感器1310的估计模式设置为参考管理模式时，可以连接侵入性血液中物质估计装置以接收更新参考信息所必需的血液中物质的实际参考值。
虽然不限于此，但是示例性实施例可实施为计算机可读记录介质中的计算机可读代码。计算机可读记录介质包括其中存储计算机可读数据的所有类型记录介质。
计算机可读记录介质的示例包括ROM、RAM、CD-ROM、磁带、软盘、光学数据存储设备等等。另外，计算机可读记录介质可实现为载波形式，诸如互联网传输。另外，计算机可读记录介质可分布到网络计算机系统，其中计算机可读代码可以分布的方式存储和运行。另外，本领域普通技术人员中的编程人员可以容易地得出用于执行各实施例的功能程序、代码、代码段。此外，理解的是，在示例性实施例中，以上描述的装置和设备的一个或多个单元可以包括电路、处理器、微处理器等等，并且可以运行计算机可读介质中存储的计算机程序。
前述示例性实施例仅是示例性的，并且将不被理解为限制性的。本教导可容易地应用于其他类型装置。另外，对示例性实施例的描述将旨在是说明性的，而不限制权利要求书的范围，并且许多替代、修改和变化将对本领域技术人员显而易见。

Claims (28)

1.一种用于估计血液中物质的装置，包括：
光源，其被配置为向用户的皮肤发射光；
多个检测器，其被安置在距所述光源的不同距离处，并且被配置为从自皮肤返回的光中检测光信号；以及
处理器，其被配置为确定所检测的光信号中的至少两个光信号之间的相似性，并且基于所述相似性估计血液中物质。
2.如权利要求1所述的装置，其中，所述处理器包括相似性计算器，所述相似性计算器被配置为确定基于时间轴的所述至少两个光信号的波形之间的相似性。
3.如权利要求2所述的装置，其中，所述相似性包括欧氏距离、皮尔逊相关系数、斯皮尔曼相关系数、以及余弦相似性中的至少一者。
4.如权利要求1所述的装置，其中所述光源包括近红外(NIR)发光二极管(LED)光源。
5.如权利要求1所述的装置，其中，所述处理器包括：
相似性确定器，其被配置为确定所确定的相似性是否大于或等于参考相似性；以及
血液中物质估计器，其被配置为在所确定的相似性大于或等于所述参考相似性时，基于所述检测的光信号估计所述物质。
6.如权利要求5所述的装置，其中，所述处理器还包括重检测控制器，所述重检测控制器被配置为在所确定的相似性小于所述参考相似性时，控制重检测从用户的皮肤返回的光信号。
7.如权利要求5所述的装置，其中，所述血液中物质估计器还被配置为使用具有的相似性大于所述参考相似性的光信号确定散射系数，并且基于所述散射系数和相关模型来获得所述血液中物质的水平。
8.如权利要求5所述的装置，其中，在具有的相似性等于或大于所述参考相似性的所述检测的光信号的数量为三个或更多时，所述血液中物质估计器基于所述检测的光信号之间的相似性来从所述检测的光信号选择两个光信号，并且使用所选择的两个光信号估计所述血液中物质。
9.如权利要求5所述的装置，其中，所述处理器还包括参考管理器，所述参考管理器被配置为更新参考信息，所述参考信息包括所述参考相似性和相关模型中的至少一者。
10.如权利要求9所述的装置，其中，所述参考管理器还被配置为合计所确定的相似性小于所述参考相似性的次数，并且在所述合计的次数超过阈值时，更新所述参考信息。
11.如权利要求9所述的装置，其中，所述参考管理器还配置为使用所述检测的光信号收集学习数据，并且基于所述收集到的学习数据更新所述参考信息。
12.如权利要求9所述的装置，还包括通信器，所述通信器被连接到外部装置，并且接收从用户的血液测量的所述血液中物质的参考值，
其中所述参考管理器还被配置为基于所接收的血液中物质的参考值来更新所述参考信息。
13.如权利要求1所述的装置，其中，所述血液中物质包括血糖、胆固醇、中性脂肪、皮肤温度、蛋白质、以及尿酸中的至少一者。
14.如权利要求1所述的装置，其还包括输出器，所述输出器向所述用户输出估计所述血液中物质的结果。
15.一种估计血液中物质的方法，包括：
向用户的皮肤发射光；
在多个不同位置处，从自皮肤返回的光中检测光信号；
确定所述检测的光信号中的至少两个光信号之间的相似性；以及
基于所述相似性估计所述血液中物质。
16.如权利要求15所述的方法，其还包括确定所确定的相似性是否大于或等于参考相似性，
其中所述估计所述血液中物质包括在所确定的相似性大于或等于所述参考相似性时，基于所述检测的光信号估计所述血液中物质。
17.如权利要求16所述的方法，还包括在所确定的相似性小于所述参考相似性时，控制重检测来自用户的皮肤的光信号。
18.如权利要求16所述的方法，其中，所述估计所述血液中物质包括：
使用具有的相似性大于所述参考相似性的光信号计算散射系数；以及
基于所述计算出的散射系数和相关模型来获得所述血液中物质的水平。
19.如权利要求16所述的方法，还包括更新参考信息，所述参考信息包括所述参考相似性和相关模型中的至少一者。
20.如权利要求19所述的方法，其中，更新所述参考信息包括：
合计所述确定的相似性小于所述参考相似性的次数；以及
在所述合计的次数超过阈值时，更新所述参考信息。
21.如权利要求20所述的方法，其中，所述更新参考信息还包括使用所述检测的光信号收集学习数据，并且基于收集到的学习数据更新所述参考信息。
22.如权利要求15所述的方法，其还包括向用户输出估计所述血液中物质的结果。
23.一种可穿戴式设备，包括：
设备主体；
检测传感器，其被安置在所述设备主体上，并且检测从用户的皮肤反射的光信号；以及
处理器，其被安置在所述设备主体上，并且被配置为确定所述检测的光信号之间的相似性，并且基于所述确定的相似性估计血液中物质。
24.如权利要求23所述的可穿戴式设备，其中，所述检测传感器包括：
单一光源，其被配置为向用户的皮肤发射光；以及
多个检测器，其被配置为从自皮肤返回的光中检测所述光信号。
25.如权利要求23所述的可穿戴式设备，其中，所述处理器还被配置为确定所确定的相似性是否等于或大于参考相似性，在所确定的相似性等于或大于所述参考相似性时，基于所述检测的光信号估计所述血液中物质，并且在所确定的相似性小于所述参考相似性时，控制所述检测传感器重检测光信号。
26.如权利要求23所述的可穿戴式设备，其中，所述处理器还被配置为以用于估计血液中物质的模式和参考管理模式中的一者来操作所述检测传感器。
27.如权利要求26所述的可穿戴式设备，还包括通信器，所述通信器安装在所述设备主体上，并且被连接到外部装置，以便在所述检测传感器以参考管理模式操作时，接收从用户的血液测量的血液中物质参考值。
28.如权利要求23所述的可穿戴式设备，还包括显示器，所述显示器安装在所述设备主体上，并且显示估计所述血液中物质的结果。
CN201710181039.1A 2016-07-29 2017-03-24 用于估计血液中物质的装置和方法 Active CN107664622B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020160097358A KR102673720B1 (ko) 2016-07-29 2016-07-29 혈중 물질 추정 장치 및 방법
KR10-2016-0097358 2016-07-29

Publications (2)

Publication Number Publication Date
CN107664622A true CN107664622A (zh) 2018-02-06
CN107664622B CN107664622B (zh) 2023-02-24

Family

ID=57965769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710181039.1A Active CN107664622B (zh) 2016-07-29 2017-03-24 用于估计血液中物质的装置和方法

Country Status (4)

Country Link
US (1) US10485461B2 (zh)
EP (1) EP3275364A1 (zh)
KR (1) KR102673720B1 (zh)
CN (1) CN107664622B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110186869A (zh) * 2018-02-23 2019-08-30 三星电子株式会社 用于估计血液化合物浓度的装置和方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102694546B1 (ko) * 2018-11-06 2024-08-13 삼성전자주식회사 광 센서, 광 신호 측정 방법 및 혈중 농도 추정 장치
KR20220030089A (ko) 2020-09-02 2022-03-10 삼성전자주식회사 생체정보 추정 장치 및 방법
KR20220107525A (ko) * 2021-01-25 2022-08-02 삼성전자주식회사 체내성분 추정 장치 및 방법

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102058393A (zh) * 2010-10-30 2011-05-18 华中科技大学 基于反射光谱测量的皮肤生理参数与光学特性参数的测量方法和系统
US20140005505A1 (en) * 2012-06-29 2014-01-02 Dexcom, Inc. Use of sensor redundancy to detect sensor failures
CN104188664A (zh) * 2014-09-01 2014-12-10 苏州光环科技有限公司 血糖检测标定方法及系统
US20150011849A1 (en) * 2012-07-16 2015-01-08 Timothy Ruchti Multiplexed pathlength resolved noninvasive analyzer apparatus with stacked filters and method of use thereof
CN104321091A (zh) * 2012-09-28 2015-01-28 甘布罗伦迪亚股份公司 体外血液处理装置及其控制方法
CN104597031A (zh) * 2015-01-22 2015-05-06 上海电力学院 一种基于拉曼散射无创血液酒精含量的检测方法及系统
US20150230743A1 (en) * 2014-02-17 2015-08-20 Covidien Lp Sensor configurations for anatomical variations
US20150313516A1 (en) * 2012-12-06 2015-11-05 National University Corporation Hokkaido University Non-Invasive Biolipid Concentration Meter, Non-Invasive Biolipid Metabolism Measuring Device, Non-Invasive Method for Measuring Biolipid Concentration, and Non-Invasive Method for Examining Biolipid Metabolism

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4342105A1 (de) 1993-12-12 1995-06-14 Cho Ok Kyung Verfahren und Vorrichtung zur noninvasiven Bestimmung der Konzentration der Glucose in Teilen des menschlichen Körpers, inbesondere im menschlichen Blut, unter Durchführung höchstgenauer Temperaturmessungen des menschlichen Körpers
US7206623B2 (en) 2000-05-02 2007-04-17 Sensys Medical, Inc. Optical sampling interface system for in vivo measurement of tissue
US8287483B2 (en) 1998-01-08 2012-10-16 Echo Therapeutics, Inc. Method and apparatus for enhancement of transdermal transport
US7066884B2 (en) 1998-01-08 2006-06-27 Sontra Medical, Inc. System, method, and device for non-invasive body fluid sampling and analysis
US20060015058A1 (en) 1998-01-08 2006-01-19 Kellogg Scott C Agents and methods for enhancement of transdermal transport
CA2317777C (en) 1998-01-08 2005-05-03 Sontra Medical, Inc. Sonophoretic enhanced transdermal transport
US20040171980A1 (en) 1998-12-18 2004-09-02 Sontra Medical, Inc. Method and apparatus for enhancement of transdermal transport
EP1225831A2 (en) 2000-03-17 2002-07-31 Sontra Medical, Inc. Non-invasive body fluid sampling and analysis
WO2002017210A2 (en) * 2000-08-18 2002-02-28 Cygnus, Inc. Formulation and manipulation of databases of analyte and associated values
JP4523143B2 (ja) * 2000-11-10 2010-08-11 シチズンホールディングス株式会社 濃度測定装置及び糖度測定装置
CA2441078A1 (en) 2001-01-26 2002-08-22 Sensys Medical, Inc. Noninvasive measurement of glucose through the optical properties of tissue
DE10110599A1 (de) 2001-03-06 2002-09-12 Roche Diagnostics Gmbh Verfahren zur Bestimmung eines Lichttransportparameters in einer biologischen Matrix
US7003337B2 (en) 2002-04-26 2006-02-21 Vivascan Corporation Non-invasive substance concentration measurement using and optical bridge
JP2004226277A (ja) 2003-01-23 2004-08-12 Bios Ikagaku Kenkyusho:Kk 生体物質および化学物質の光学的測定方法および光学的測定装置
US8102525B2 (en) 2008-10-07 2012-01-24 OptoTrace (SuZhou) Technologies, Inc. Systems and methods for detecting chemical and biological substances
US8224414B2 (en) 2004-10-28 2012-07-17 Echo Therapeutics, Inc. System and method for analyte sampling and analysis with hydrogel
US8260402B2 (en) 2008-06-06 2012-09-04 Longevity Link, Inc. Noninvasive measurement of carotenoids in biological tissue
KR101494902B1 (ko) 2008-07-15 2015-02-23 엘지전자 주식회사 비침습 혈당 측정 장치 및 방법
DE102009008604A1 (de) 2009-02-12 2010-08-19 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zum Erfassen zumindest eines Vitalparameters einer Person; Vitalparametererfassungssystem
KR101231455B1 (ko) 2011-02-28 2013-02-15 중앙대학교 산학협력단 바이오 물질 검출장치
CN105307568B (zh) 2013-02-13 2018-11-16 莱曼微设备有限公司 非侵入式血液分析
KR102290278B1 (ko) 2014-08-12 2021-08-17 삼성전자주식회사 비침습 간기능 검사 장치 및 비침습 간기능 검사 방법
CN104382605A (zh) * 2014-12-19 2015-03-04 新乡医学院 一种用于大鼠血糖无创快速测定的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102058393A (zh) * 2010-10-30 2011-05-18 华中科技大学 基于反射光谱测量的皮肤生理参数与光学特性参数的测量方法和系统
US20140005505A1 (en) * 2012-06-29 2014-01-02 Dexcom, Inc. Use of sensor redundancy to detect sensor failures
US20150011849A1 (en) * 2012-07-16 2015-01-08 Timothy Ruchti Multiplexed pathlength resolved noninvasive analyzer apparatus with stacked filters and method of use thereof
CN104321091A (zh) * 2012-09-28 2015-01-28 甘布罗伦迪亚股份公司 体外血液处理装置及其控制方法
US20150313516A1 (en) * 2012-12-06 2015-11-05 National University Corporation Hokkaido University Non-Invasive Biolipid Concentration Meter, Non-Invasive Biolipid Metabolism Measuring Device, Non-Invasive Method for Measuring Biolipid Concentration, and Non-Invasive Method for Examining Biolipid Metabolism
US20150230743A1 (en) * 2014-02-17 2015-08-20 Covidien Lp Sensor configurations for anatomical variations
CN104188664A (zh) * 2014-09-01 2014-12-10 苏州光环科技有限公司 血糖检测标定方法及系统
CN104597031A (zh) * 2015-01-22 2015-05-06 上海电力学院 一种基于拉曼散射无创血液酒精含量的检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110186869A (zh) * 2018-02-23 2019-08-30 三星电子株式会社 用于估计血液化合物浓度的装置和方法
CN110186869B (zh) * 2018-02-23 2023-08-15 三星电子株式会社 用于估计血液化合物浓度的装置和方法

Also Published As

Publication number Publication date
CN107664622B (zh) 2023-02-24
US20180028097A1 (en) 2018-02-01
KR102673720B1 (ko) 2024-06-07
KR20180013518A (ko) 2018-02-07
EP3275364A1 (en) 2018-01-31
US10485461B2 (en) 2019-11-26

Similar Documents

Publication Publication Date Title
JP7518878B2 (ja) ヘルストラッキングデバイス
CN105748057B (zh) 信息显示方法和支持该信息显示方法的电子设备
US9723997B1 (en) Electronic device that computes health data
Sun et al. An Exploratory Study on a Chest‐Worn Computer for Evaluation of Diet, Physical Activity and Lifestyle
EP3866685B1 (en) Systems and methods for micro impulse radar detection of physiological information
CN108113683A (zh) 用于估计生物成分的装置和方法
CN110384486A (zh) 监测生物信号测量状态及测量生物信息的设备和方法
KR20180054351A (ko) 생체 성분 측정 장치 및 방법
KR102655676B1 (ko) 혈압 추정 장치 및 방법과, 혈압 추정 지원 장치
CN107664622A (zh) 用于估计血液中物质的装置和方法
US11517223B2 (en) Apparatus and method for estimating blood glucose
CN109717844A (zh) 生物信息测量设备和其外壳以及生物信息测量方法
CN109662687A (zh) 校正生物信息传感器误差的装置和方法，以及估计生物信息的装置和方法
CN109864704A (zh) 生物信号质量评价设备和生物信号质量评价方法
EP3456247A1 (en) Apparatus and method for estimating glucose exposure and generating glucose exposure estimation model
CN106413529A (zh) 光学压力传感器
EP4179963A1 (en) Electronic device and method of estimating bio-information using the same
JP2023521416A (ja) 環境健康監視および予測的評価を可能にする非接触型センサー駆動デバイス、システム、および方法
CN109674481A (zh) 获得个体化单位光谱的装置和方法以及估计生物成分的装置和方法
KR20220030089A (ko) 생체정보 추정 장치 및 방법
CN107518875A (zh) 卡路里估计装置和方法以及可穿戴设备
EP3636145A1 (en) Apparatus and method for estimating blood pressure
KR20190094725A (ko) 식이 습관 관리 장치 및 방법
EP4186415B1 (en) Electronic device and method of estimating bio-information using the same
Duncan et al. Camera-based short physical performance battery and timed up and go assessment for older adults with cancer

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