CN107708528A - 用于监测对象的生理状态的设备和方法 - Google Patents
用于监测对象的生理状态的设备和方法 Download PDFInfo
- Publication number
- CN107708528A CN107708528A CN201680037209.2A CN201680037209A CN107708528A CN 107708528 A CN107708528 A CN 107708528A CN 201680037209 A CN201680037209 A CN 201680037209A CN 107708528 A CN107708528 A CN 107708528A
- Authority
- CN
- China
- Prior art keywords
- sensor
- signal
- dutycycle
- feature
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 230000008667 sleep stage Effects 0.000 claims description 52
- 238000012806 monitoring device Methods 0.000 claims description 11
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 230000007958 sleep Effects 0.000 description 59
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 230000036387 respiratory rate Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 206010021079 Hypopnoea Diseases 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000008784 apnea Diseases 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000005059 dormancy Effects 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002763 arrhythmic effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 230000002802 cardiorespiratory effect Effects 0.000 description 1
- 230000037326 chronic stress Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008452 non REM sleep Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 1
- 208000012802 recumbency Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- 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
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- 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
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0209—Operational features of power management adapted for power saving
-
- 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
- A61B5/02427—Details of sensor
-
- 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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
Abstract
本发明涉及用于监测对象(32)的生理状态的设备(16)和方法。为了降低能量消耗,但仍提供高的准确度,所提出的设备包括:传感器接口(18),其用于从传感器(20)获得指示对象的生命体征的传感器信号;电力存储设备接口(22),其用于获得指示对所述传感器供电的电力存储设备(24)的电量状态的电量值;占空比模块(28),其用于基于电量值来控制所述传感器的占空比;以及处理单元(26),其用于从所述传感器信号提取指示所述对象的生理状态的至少一个特征。
Description
技术领域
本发明涉及用于监测对象的生理状态的设备和方法,以及涉及可穿戴监测装置。
背景技术
睡眠分阶段是标注生物体的睡眠阶段的过程。通常,检查对象的睡眠的生理记录。睡眠分阶段的过程由美国睡眠医学学会(AASM)标准化并且在对应的手册中有所描述。AASM基于脑电图(EEG)、肌电图(EMG)和眼电图(EOG)测量来定义睡眠阶段,其一起被称为多导睡眠图(PSG)。
睡眠分阶段得到睡眠图,睡眠图示出了对象在睡眠时段期间的睡眠阶段的发展。AASM按照睡眠的每30秒分段来定义睡眠阶段。睡眠图能够被用作检查睡眠的有效工具。睡眠图被用在临床设置(例如,用于睡眠障碍的诊断)、个人设置(例如,用于了解其睡眠模式)、研究设置(例如,用于理解睡眠模式与生物体的生命的其他方面之间的关系)以及其他设置中。
最近,已经开发了大量算法,其能够使用根据PSG数据、更具体根据EEG、并且任选也根据EMG和EOG(Agarwal,R.&Gotman,J.Computer-assisted sleep staging。BiomedicalEngineering,IEEE Transactions,48(12),1412-1423,2001))来推断睡眠阶段的计算模型来自动地进行睡眠分阶段。自动算法的使用显著减少了由训练有素的睡眠技术员进行的与睡眠评分相关的劳动量,使睡眠分阶段可用于更多的人群。
由于由AASM描述的针对睡眠分阶段的正常流程要求在对象的面部和头部上放置一组突兀的PSG传感器,因而该技术不太适合(无监督的)家庭监测并且对个人使用的吸引力较小。这引起了来自临床以及个人电子领域两者的、对能够在实验室外部执行并且具有来自传感器的最小负担的睡眠分阶段的不突兀方法的兴趣。已经提出了针对常规基于EEG的睡眠分阶段的许多备选方案。特别适合于不突兀的睡眠分阶段的一种这样的方法是基于心率变异性(HRV)和身体移动。该方法需要记录移动的传感器(例如,加速度计)以及能够记录心脏搏动的次数的传感器(例如,可穿戴式心电图ECG或光电体积描记术PPG)。后者实现了对心搏间期(IBI)的提取,其然后能够被用于分析心率变异性(Redmond,SJ,de Chazal,P.,O'Brien,C.,Ryan,S.,McNicholas,WT,&Heneghan,C.,“Sleep staging usingcardiorespiratory signals”,Somnologie-Schlafforschung und Schlafmedizin,11(4),245-256,2007)。基于HRV的睡眠分阶段是可能的,这是因为在HRV中反映了在不同睡眠阶段期间自主神经系统的交感神经与副交感神经组成之间的动力学。
睡眠分阶段然后通常按以下方式完成:根据心搏间期,提取与睡眠阶段相关的HRV特征(通常超过5分钟的窗口以考虑最慢IBI变化,并且这些特征被用于预测睡眠阶段(例如,通过训练预测模型以在睡眠阶段之间进行分离)。
使用可穿戴传感器的一个一般问题、并且特别是关于缓慢改变的生理状态(例如,诸如睡眠分阶段的应用)的监测的问题在于:可穿戴传感器必须长时间开启(例如,至少一整夜)而不连接到电源。这对用于驱动传感器的电池、适配器或其他移动电源提出了很高的要求。放大移动电源常常不是有吸引力的选择,因为其使得该设备更加笨重并且对用户更加不舒适。因此,需要省电的方法。
在US 8945017B2中提出了一种可穿戴心率监测器。生物度量监测设备被用于通过使用心跳波形传感器和运动检测传感器来确定用户的心率。在一些实施例中,所述设备收集来自心跳波形传感器的并发输出数据以及来自运动检测传感器的输出数据,检测来自运动检测传感器的输出数据的周期性分量,并且使用来自运动检测传感器的输出数据的周期性分量来从心跳波形传感器的输出数据中去除对应的周期性分量。根据该结果,所述设备可以确定并呈现用户的心率。
然而,在提供较长期的监测时,仍然需要节约能量。
发明内容
本发明的目的是提供一种监测设备和方法,其允许监测对象的生理状态,需要较少的能量,但是提供足够在医学设施中使用的准确度。
在本发明的第一方面中,提出了一种用于监测对象的生理状态的设备,所述设备包括:
传感器接口,其被配置为从传感器获得指示对象的生命体征的传感器信号;
电力存储设备接口,其被配置为获得指示对所述传感器供电的电力存储设备的电量状态的电量值;
占空比模块,其被配置为基于所述电量值来控制所述传感器的占空比;并且基于所述占空比来选择与所述传感器信号相关联的多个信号特征中的至少一个信号特征;并且控制
处理单元以从所述传感器信号提取指示所述对象的生理状态的所述多个信号特征中的所选择的所述至少一个信号特征。
在本发明的另一方面中,提出了一种用于监测对象的方法,所述方法包括以下步骤:
从传感器获得指示对象的生命体征的传感器信号;
获得指示对所述传感器供电的电力存储设备的电量状态的电量值;
基于所述电量值来控制所述传感器的占空比;
基于所述占空比来选择与所述传感器信号相关联的多个信号特征中的至少一个信号特征;
控制(S18)处理单元以提取所述多个信号特征中的所述至少一个信号特征;并且
从所述传感器信号提取指示所述对象的生理状态的所述多个信号特征中的所选择的所述至少一个信号特征。
在本发明的第三方面中,提出了一种用于监测对象的生理状态的设备,所述设备包括:
传感器接口,其用于从传感器获得指示对象的生命体征的传感器信号,所述传感器以预定义的占空比来操作;
处理单元,其用于从所述传感器信号提取指示所述对象的生理状态的至少一个特征;以及
占空比模块,其用于基于预定义的占空比来选择多个信号特征中的至少一个信号特征,并且控制处理单元以从所述传感器信号提取所选择的所述至少一个信号特征。
在本发明的又一方面中,提出了一种可穿戴监测装置,所述装置包括:
如在本文中所公开的设备;
传感器,其用于提供传感器信号;以及
电力存储设备,其用于对所述传感器供电并且提供指示当前电力状态的电力值。
在本发明的又一方面中,提供了一种包括程序代码单元的计算机程序,当所述计算机程序在计算机上执行时,所述程序代码单元用于计算机执行如在本文中所描述的方法的步骤,并且提供了一种在其中存储计算机程序产品的非瞬态计算机可读记录介质,所述计算机程序产品当由处理器运行时令在本文中所公开的方法被执行。
在从属权利要求中定义了本发明的优选实施例。应当理解,请求保护的方法、计算机程序和介质与请求保护的设备以及如在从属权利要求中所定义的具有相似和/或相同的优选实施例。特别要理解的是,如在从属权利要求中所定义的优选实施例同样能适用于根据本发明第三方面的设备并且能适用于监测装置。
本发明基于使传感器的占空比取决于电力存储单元的当前电量状态的想法。具体地,生理状态可以指代睡眠阶段。本发明旨在为所有年龄的对象(特别是患者)提供有效的监测。本发明利用占空比来减小在记录时段期间传感器被开启的时间量,同时保持可靠的(和可预测的)性能并且实现电池容量约束的灵活性。本发明的占空比机制允许随着时间将电池的使用减少占空比的量,其能够根据特定的需求来缩放。
本发明的设备可以以移动监测设备的形式被并入,例如,能够在睡眠期间佩戴的可穿戴设备。本发明的设备经由传感器接口与传感器进行通信。所述传感器提供了指示对象的生命体征的信号。例如,所述传感器接口可以与心率传感器或呼吸率传感器等进行通信。应当理解,所述传感器接口可以与一个传感器或者与多个传感器进行通信。
此外,所述设备与对传感器提供电力的电力存储设备进行通信。本发明的设备从该电力存储设备获得电量值。该电量值指示所述电力存储设备的电量状态。例如,电量值可以用百分比值的形式表示电池的电量状态,或者也可以取以合适的单位表示能量的量的绝对值的形式。通常,所述电力存储设备和所述传感器将被容纳于共同的壳体中。
本发明的设备还包括处理单元,所述处理单元处理传感器信号并且从其提取指示所述对象的生理状态的特征。如在本文中所使用的,生理状态例如可以指代睡眠阶段、呼吸暂停/呼吸不足指数(AHI)、长期压力水平或者与另一健康有关的参数。所述处理单元提供对所述对象的生理状态的实际监测。
首先,所述处理单元从所述传感器信号提取一个或多个特征。如在本文中所使用的,特征指代能够根据对信号进行评估而获得的任何参数,并且因此也被称为信号特征。例如,信号特征能够是在指定时间段期间的传感器信号的最大值或最小值。为了进一步详述,信号特征是信号处理领域中众所周知的术语。通常,从信号提取各种信号特征以用于对信号进行评估。例如,在诸如ECG信号的生物医学信号的域中,使用若干种方法来提取信号特征,诸如时间分析、频率分析、时间频率分析、以及时间-频率-空间分析。特征提取从ECG信号得到特定信息,诸如使用时间频率分析的峰值频率、ECG信号在时间窗口中的平均功率。通常,所述处理单元将被配置为确定当前生理状态。对此,确定所提取的特征或特征集以监测生理状态随时间的进展。然后,可以应用算法(例如,回归算法,特别是线性回归算法)以根据特征的值来分配生理状态。如果要监测能够数字地表示的生理状态(例如,呼吸暂停/呼吸不足指数或者能够以百分比或绝对值形式表达的压力水平),这可能是特别有用的。同样地,可能能够应用分类器方法。如果要监测以分类的项表示的生理状态(例如,以预定义的标度上的阶段的形式表示的睡眠阶段),这可能是特别有用的。
因此,特征可以指代对用于估计生理状态的算法或分类器的输入。然而,特征也可以指代结果,即,描述生理效果的结果。换言之,也可以通过使用算法或分类器来确定特征,即,特征也可以定义要应用的特定算法或分类器。
此外,所述设备包括占空比模块。可能的是,所述处理单元和所述占空比模块被并入到单个单元中,例如,微处理器。所述占空比模块基于电力存储设备的电量值来调节传感器的占空比。
如在本文中所使用的,占空比指代传感器提供传感器信号的时间的分数。通常,能够开启和关闭传感器。由此,能够控制占空比。同样地,可以能够通过将传感器置于睡眠模式或者甚至更一般地通过修改对传感器消耗的功率量具有影响的传感器设置(例如,传感器功率管理设置)来控制传感器的占空比。
所述占空比模块执行这样的控制。所述占空比指示传感器有多频繁地被通电并且提供传感器信号。作为范例,脉冲持续时间可以对应于传感器被开启的时间,并且时段可以对应于取决于要被监测的生理状态的周期性循环时间段。所述占空比对应于两个参数的关系。例如,传感器可以每两分钟提供30秒的信号,这对应于0.25的占空比。所述占空比模块可以通过考虑传感器消耗的功率量来执行所述控制,这取决于传感器上的当前设置(例如,被开启或关闭、被置于睡眠模式中、被配置为保存提供具有较高噪声但消耗较低的信号等)。
因此,所述占空比模块允许控制消耗的功率的量,因为较低的占空比通常导致消耗较少量的能量。如果占空比较低,则这意指传感器没有在所有时间被供电。在传感器没有被供电的时间中,传感器不消耗电力。因此,能够节省电力。这在移动设备中特别相关,因为可用能量的量通常是针对设备最大操作时间的限制因素。本发明可以以允许操作移动设备更长时间。
同样地,所要求的能量在设计用于容纳诸如电池的移动式电力存储设备的壳体时是一个因素。更大的电池需要更多的空间并且更昂贵。本发明可以导致更小的电池尺寸以及更低的成本。
与先前的占空比方法相比,本发明直接采用可用的能量的量。如果仅剩下少量的能量,能够减少占空比来减少能耗,并且由此延长使用寿命。
所述占空比模块被配置为基于占空比来选择多个(优选两个)信号特征中的至少一个信号特征;并且控制所述处理单元从所述传感器信号提取所选择的所述至少一个信号特征。占空比也对特征选择有影响。取决于感兴趣的生理状态,通常能够监测多个不同的信号特征,这些信号特征全部指示生理状态的更高或更低的程度。然而,这些信号特征中的不同信号特征可以被变化的占空比的不同地影响。例如,一个特征可以在高占空比的信号可用时具有高的重要性(significance),但是可能非常易受占空比减小的影响。换言之,如果传感器信号在特定的最小占空比处不可用,则该第二信号特征可能不适合于监测对象的生命状态。
所述占空比模块采用这种关系,因为基于所确定的占空比来选择可能的信号特征中的至少一个信号特征。换言之,当选择用于生理状态监测的特征或特征集时,考虑当前的占空比。例如,当电池消耗(即,电力存储设备的电量状态)指示仅剩余少量的能量使得仅能够以较低的占空比来给传感器供电的情况下,可能的是,确保使用仅以小的程度受占空比减小影响的信号。所述占空比模块控制所述处理单元提取该选择的至少一个特征。确保针对给定占空比仅选择合适的信号特征的优点在于:尽管占空比减小,仍然能够保持足够的监测。确保了总是存在对被监测的信号特征的足够的选取。
在另一实施例中,所述占空比是预定义的占空比。因此,也可能的是,所述传感器接口以预定义的占空比获得传感器信号。例如,如果不同的传感器能够被连接到传感器接口,则可能是这种情况。然后,占空比可以提供从在给定的占空比下可用的该传感器信号中提取的特征的选择,这提供了最高可能的重要性。
在优选实施例中,所述处理单元被配置为提取指示对象的睡眠阶段的至少一个特征。本发明在监测缓慢变化的现象时是特别有用的。对象的睡眠阶段,例如与以较高频率变化的其他身体功能相比,以相对较低的频率改变。在对象睡着时,睡眠阶段通常仅每隔数分钟或者以更低的频率改变。因此,也可能的是借助以较低的占空比采样的传感器信号而在各睡眠阶段处进行监测。然而,要理解的是,本发明也可以用于其他生理现象。本发明涉及电力供应受限并且记录时间会较长的任何可穿戴技术。
在优选实施例中,所述处理单元被配置为基于所提取的所述至少一个特征来确定指示对象在预定时间段期间的睡眠阶段的对象的睡眠图。如在本文中所使用的,睡眠图指代对象的睡眠阶段的标准可视化。在y轴上指示不同的睡眠阶段,在x轴上指示时间。睡眠图允许处置医师获得对象的睡眠周期的快速概览。
在实施例中,所述处理单元被配置为基于具有预先训练的参数的分类器来确定所述睡眠图,所述分类器特别是贝叶斯线性辨别器,被训练为将预定义睡眠阶段集合中的一个预定义睡眠阶段分配给所述预定义时间段的一部分。能够利用分类器,即,依赖于对先前收集的数据的数据分析的统计学方法,来提供对未来收集的数据的解释。分类器的使用允许基于特征或特征集来分配睡眠阶段。通常,分类器的参数将适于相应的特征或特征集。通常,将存在用于分类的预定义参数的若干集合,并且所述处理单元将被配置为根据所选取的占空比以及在该占空比处测量的特征的对应集合来选择适当的集合。所述参数也可以适于当前的电力管理。特征或特征集与特定的睡眠阶段有关。因此,能够建立特征与睡眠阶段之间的简单关系。通常,在训练阶段使用借助于更精细的睡眠分阶段方法收集的数据。例如,可以借助于多个在体传感器(即,基于多导睡眠描记术)在睡眠实验室中收集这样的训练数据。优选地,可以使用其中评估线性判别函数的贝叶斯线性判别器。该线性函数是经由贝叶斯定理导出的。
在另一实施例中,所述占空比模块被配置为在所述电量值指示电量状态低于预定义阈值的情况下降低所述占空比。一种优选控制方法包括在电量值指示没有多少功率可用的情况下降低占空比。一旦电量状态下降到预定义阈值之下,就降低占空比。这样的预定义阈值可以根据对功率存储设备中的可用功率的量的理论分析来确定。
在优选实施例中,所述占空比模块被配置为基于以下中的至少一项来调节所述占空比:所述传感器的所需操作时间、所述传感器的预测操作时间以及生理状态监测的所需准确度水平。优选地,可以进行允许确定占空比的计算,其允许针对特定所需的运行时间来提供监测。例如,可能能够确保占空比被计算为使得能够确保针对晚上的剩余时间或者针对本周的剩余时间(所需的工作时间)进行监测。通过基于这样的所需操作时间来动态地调节占空比,针对电力存储设备的给定电量状态提供优化的监测变为可能。备选地或额外地,也可以能够利用预测的操作时间。例如,如果已知通常每周需要两天的监测,则预测的操作时间可以对应于设备或者更确切地说电力存储设备必须被再充电之前的总运行时间。考虑到传感器需要的可操作时间或(所需的操作时间)或者考虑假定传感器被操作的时间(预测的操作时间),因此可以针对给定的电量状态来优化监测。所需的操作时间和预测的操作时间两者都可以基于对象或医师的手动输入来确定,或者可以基于先前的监测时段来计算。此外,也可以能够基于生理状态监测所要求的准确度水平来调节占空比。换言之,该准确度对应于基于所提取的特征而确定的生理状态有多对应于实际状态(即,分类器的结果与真实情况之间的一致性)的量度。取决于特征或特征集,所得到的准确度可能是低的,使得针对分类器确定睡眠阶段的信息可能余下的太少。尽管较低的功率使用,但是应当保持最低要求的准确度。该最低要求的阈值可以对应于预定义阈值。这样的阈值例如可以由医师定义或者基于研究并且可以被包括到准确度查找表中。
在优选实施例中,所述传感器接口被配置为获得以下中的至少一项:指示对象的心率的传感器信号,特别是心电图信号和/或光电体积描记信号中的至少一个;以及指示对象呼吸的传感器信号,特别是加速度信号和/或光电体积描记信号。已知心率和呼吸速率两者都包括关于对象的睡眠阶段的信息。通常,在深度睡眠时段期间,对象的心脏会非常有规律并且相当缓慢地搏动。同样地,呼吸是平缓的。通过使用心率传感器或呼吸率传感器,变得能够利用这种关系。例如,能够从指示对象呼吸的传感器信号中提取平均呼吸频率在从0.15Hz到0.4Hz的频带中的谱峰值。
在优选实施例中,所述传感器接口被配置为获得指示所述对象的心率的传感器信号,特别是光电体积描记信号,并且所述占空比模块被配置为控制所述处理单元以提取指示心率变异性的特征,特别是提取以下中的至少一项:
心率的平均心搏间期;
平均心搏间期的标准差;
指示在0.04Hz与0.15Hz之间的谱带中的功率的低频功率参数;
指示在0.15Hz与0.4Hz之间的谱带中的功率的高频功率参数;
绝对相继心搏间期差的均值;
相继心搏间期差的均方根;
相继心搏间期差大于50ms的百分比;
相继心搏间期差的标准差;
高频极的相位;
样本熵;以及
Teager-Kaiser能量。
具体地,当评估对象的睡眠阶段时,心率变异性(HRV)是感兴趣的。该HRV能够经由不同的参数来评估。HRV描述对象的心跳如何发生。具体地,HRV指示心脏搏动(或者更准确地说,心跳之间的时间间隔(心搏间期,IBI))的规律性或变化。不同的特征不同地易受占空比的变化影响。因此,取决于选择了哪个占空比,选择一个特征或另一特征可能是有意义的。同样地,能够联合分析一组特征。例如,通过利用基于特定特征组合(特征集合)的出现的组合量度。
在优选实施例中,使用光电体积描记(PPG)传感器进行监测。PPG对睡眠分阶段非常有吸引力,因为其能够在远端肢体上进行测量,使得能够使用简单的束带将PPG传感器安装在小臂或小腿上。此外,不需要粘合剂或接触凝胶(与ECG不同),使得其成为针对个人使用的更加用户友好的选项。PPG的主要限制(对身体移动的敏感度)在睡眠期间也是最小的,因为大部分时间身体躺着不动。以这种方式,能够从PPG导出心搏间期的近似值。PPG传感器提供指示心率和呼吸率的传感器信号。
在另一实施例中,所述占空比模块被配置为基于预定查找表来选择所述多个信号特征中的至少一个,所述预定查找表指示针对一占空比而言特征或特征集相对于所述对象的生理状态的重要性。用于选择要针对特定占空比提取的一个或多个信号特征的一种选项是利用查找表。在该查找表中,可以指示如果使用特定占空比的传感器信号,则在预测/确定睡眠阶段(或另一生理现象)时,相应的特征或特征集合有多重要。如之前所解释的,不同的特征或特征集可能不同地易受变化的占空比的影响。这种敏感性可以在校准研究中或者在理论分析中进行测量,其中,数据集通过下采样被人工转换到较低的占空比中。换言之,在给定时间段期间记录的信号可以形成用于在传感器信号的部分被删除时(即,当分析仅限于传感器信号的部分时)分析占空比与相对于对象的生理状态的显著性之间的联系的基础。由此,导出占空比变为可能,所述占空比指示所述特征或者更准确地说基于所述特征的生理状态的确定对于每个占空比有多重要。在优选实施例中,所述查找表指示针对占空比以及特征或特征集的Cohen's kappa系数。Cohen’s kappa系数是多特征的评价者之间一致性的统计学量度。Cohen’skappa系数特别补偿了预期的随机对应性。利用Cohen’s kappa系数允许获得针对给定占空比而言特征相对于对象的生理状态的解释能力的鲁棒量度。
附图说明
参考下文描述的(一个或多个)实施例,本发明的这些和其他方面将变得显而易见并得以阐述。在附图中:
图1示出了样本睡眠图;
图2示出了对应于指示对象的心率的传感器信号的同时的ECG和PPG记录的样本;
图3图示了占空比的概念;
图4示意性图示了根据本发明的各方面的设备和装置的实施例;
图5通过范例的方式示意性图示了占空比对数个HRV特征的影响;
图6示意性图示了根据本发明一方面的设备在患者的睡眠分阶段领域中的应用场景;并且
图7示意性图示了根据本发明的方法。
具体实施方式
在图1中示出了针对睡眠图10的范例。在x轴上指示了在对象的睡眠时段期间的时间。在y轴上,每个时隙归属于多个不同睡眠阶段中的一个。在所图示的范例中,使用睡眠阶段“清醒”、“REM”和“非REM 1”-“非REM 4”。然而,也可以使用其他的标度。
本发明可以在睡眠分阶段的领域中付诸使用,用于通过监测其生命体征中的一个或多个生命体征来提供患者的睡眠图。然而,本发明也可以用于其他生理状态,诸如身体或身体功能的任何状况或状态。本发明的概念对于监测相对缓慢变化的现象特别有用,所述现象也能够以较低的占空比来监测,诸如呼吸暂停/呼吸不足指数、压力水平、体温、患者的血液中的药物水平、精神状态、血糖水平、血压、动脉扩张性、血氧、卡路里消耗、睡眠质量、肾功能、水合水平、呼吸率、心输出量、心律失常事件的频率等。本发明的设备或装置能够以被包括在智能手机或者诸如智能手表、腕带或心率束带等的身体佩戴设备中的设备的形式被并入。
图2示出了针对对象的同时的心电图12(ECG,顶部)和光电体积描记图14(PPG,底部)记录的范例。x轴指示时间。本发明的概念可以特别地用于指示对象的心率的传感器信号,诸如所图示的ECG 12和PPG 14信号。ECG R峰(表示心跳)和PPG脉冲峰的对应关系是可见的。优选地,使用PPG传感器和信号。
本发明利用如图3所图示的占空比的概念。占空比通常由脉冲持续时间T和周期P来定义。那么占空比D对应于分数T/P。具体地,占空比可以对应于电池被使用并且传感器被通电(即,记录信号)的时间的分数。如在本文中所使用的,占空比可特别对应于开启和关闭传感器或者将传感器置于睡眠模式以节省能量。
持续时间和周期两者都可以改变。在实施例中,所述占空比模块被配置成通过针对预定时间间隔确定脉冲持续时间来调节占空比。由于测量流程所施加的约束,周期P可以是固定的。因此,仅脉冲持续T可以由占空比模块来调节。当监测对象的生理状态时,周期P通常具有由计算信号特征所需的时间窗的大小而确定的上限。脉冲持续时间T通常具有由以足够的可靠性和重要性计算相应特征所需的最小数据百分比而确定的下限。
在本发明的上下文中,周期P例如可以被设置为60s(即,周期为1分钟的周期)。那么脉冲持续时间T可以具有60s(占空比=60/60=100%)至例如30s(占空比=30/60=50%)之间的任何值。如果使用短于30秒的脉冲持续时间或者短于60秒的周期,发现可以从生命体征信号中提取的大部分特征的可靠性和重要性以及其具有的关于睡眠分阶段的解释能力会显著下降。
然而,要理解的是,要监测的其他生理状态可以允许使用针对P和T的其他值。
在图3中所图示的范例中,周期P大约是导致20%的占空比D的脉冲持续时间T的五倍。
图4示意性图示了根据本发明的一方面的用于监测对象的生理状态的设备16。设备16对应于基于可穿戴心率变异性的不突兀的睡眠分阶段系统,所述系统包括PPG传感器和加速度传感器,其利用占空比机制来增强,所述占空比机制允许所述设备的可缩放的电池消耗,并且在电池消耗降低时具有可预测和适度的性能下降。
设备16允许大幅降低传感器的电池消耗(例如,高达一半),同时仍然保持随着占空比降低而适度下降的可预测的性能。本发明对于心率变异性以及来自PPG传感器的其他心搏间期特征的分析是特别有意义的,所述PPG传感器将商业化用于日常生活中的个人使用,并且因此必须能够在无需维护(即,对电池的再充电)的情况下应对长时间的使用,同时仍然保持电池的尺寸最小,以确保舒适和不突兀的用户体验。
设备16包括与传感器20通信的传感器接口18以及与电力存储设备24通信的电力存储设备接口22。设备16还包括处理单元26,处理单元26处理来自传感器20的传感器信号。又进一步地,设备16包括用于控制传感器20的占空比的占空比模块28。本发明的设备的接口、单元和模块中的一些或全部可以部分或完全以硬件和/或软件来实现。可能的是,所有功能中的一些功能由单个微处理器单元来提供。
设备16例如可以由与可穿戴传感器通信的手持设备来表示。然而,也可能的是,设备16由在线服务器来表示,该在线服务器与包括传感器和电力存储设备的设备进行通信并且被应用于对象并且通过网络或互联网与所述在体设备进行通信。
在本发明的一方面中,设备16、传感器20和电力存储设备24可以被并入到被设计为用于睡眠监测的可穿戴监测装置的装置30中。
在优选实施例中,本发明的设备被用于通过确定指示患者的睡眠阶段的睡眠图来监测患者的睡眠阶段或睡眠状态。由处理单元26提供的实际的睡眠监测通常基于来自传感器信号的特征提取。一个或多个特征能够被提取并且被用于将睡眠阶段分配给当前时间段。优选地,从由施加到对象的传感器提供的传感器信号中提取一组心脏特征。例如,能够使用ECG或PPG传感器。在优选实施例中,使用提供PPG信号的PPG传感器。PPG信号指示对象的心率和呼吸率。
在另一优选实施例中,除了PPG传感器之外,还使用被附接到对象胸部(例如,在胸部束带中)的加速度传感器,以提供指示对象的呼吸的加速度信号。然而,在其他实施例中,可能的是,除了生命体征传感器之外也使用其他传感器,诸如皮肤温度传感器、环境温度传感器、环境光水平传感器或者电流皮肤响应传感器。
具体地,所述处理设备利用了能够从传感器提取的一些心脏特征,而不会丢失太多的信息,即使传感器信号仅在减小的占空比处可用。
占空比模块28控制传感器20。该控制例如可以经由传感器接口18来施加。具体地,占空比模块28控制传感器是否被接通,即,是否正在工作并且消耗能量(或者在可用时比处于睡眠模式时消耗更多的能量)。
处理单元26可以被配置为应用睡眠监测算法,所述睡眠监测算法使用所提取的心脏特征来自动确定一个或多个睡眠参数,所述一个或多个睡眠参数然后能够被用于导出睡眠图。
在优选实施例中,睡眠监测算法可以包括使用贝叶斯线性判别器,该贝叶斯线性判别器被链接以将患者的睡眠阶段的每个时期分类为以下睡眠阶段之一:“醒来”、“轻度睡眠”、“深度睡眠”和“REM”。然而,其他分类器可以表现相当好。另外,能够使用其他睡眠阶段标签,诸如:“清醒”、“非REM”、“REM”。
在睡眠分阶段的应用领域中,所提取的特征可以特别对应于已知的心率变异性(HRV)参数,所述参数被建立以区分不同的睡眠阶段。
针对患者睡眠期间的每个一分钟时段,定义HRV窗口,其涵盖当前时段之前的两个一分钟时段和当前时段之后的两个一分钟时段。在这些一分钟时段的每个一分钟时段内,传感器被接通30s的脉冲持续时间(对应于0.5的占空比)。该五分钟窗口是从传感器20提供的传感器信号中提取。核心思想是,针对要被分类为睡眠阶段的每个时刻,将存在以其为中心的窗口,在该窗口上将计算HRV特征。
应当理解,也能够使用其他时间。窗口的长度重要性不大,但为了识别非常低的频率分量,常常使用大约5分钟的时段。这些非常低的频率(VLF)能够低至0.003Hz,这意味着完全振荡将需要1/0.003=333秒~5.5分钟。在另一实施例中,例如可以可能的是,在患者的睡眠时段期间的每30秒间隔,限定HRV窗口,其涵盖当前间隔之前的两分钟、当前间隔自身以及当前间隔之后的两分钟。
针对睡眠分阶段,特别是评估心搏间期(IBI)以提取HRV特征。用于睡眠分阶段并且可以由本发明的处理单元26提取的常见心脏特征包括:IBI的平均值(平均NN)、IBI的标准差(SDNN)、在0.04Hz与0.15Hz之间的谱带中的功率(低频)、在0.15Hz与0.4Hz之间的谱带中的功率(高频)、绝对相继差的平均值(MAD)、相继差的均方根(RMSSD)、相继IBI差大于50ms的百分比(PNN50)、相继IBI差的标准差(SDSD)、表示从0.15Hz到0.4Hz的高频带中的谱峰值并且对应于平均呼吸频率的功率(除了指示心率的特征之外,还可以从PPG信号中提取呼吸频率)的值、心脏频率极的相位(参见Mendez,M.、Bianchi,AM、Villantieri,O.&Cerutti,S.的Time-varying analysis of the heart rate variability during REMand non REM sleep stages”,Engineering in Medicine and Biology Society,EMBS'0628th Annual International Conference of the IEEE,2006)、样本熵(参见Costa,M.、Goldberger,A.L&Peng,CK,“Multiscale entropy analysis of biological signals”,Physical Review E,71(2),021906,2005)和Teager-Kaiser,即Teager能量和Teager尺寸(参见Eivind Kvedalen,“Signal processing using the Teager Energy Operator andother nonlinear operators”(2003年5月)或者Chandrakar Kamath,“A new approach todetect congestive heart failure using Teager energy nonlinear scatter plot ofR–R interval series”,Medical Engineering and Physics,2012年,第34卷,第7期,第841-848页)。基于Teager-Kaiser能量,也能够确定Teager能量和/或Teager尺寸。如在本文中所使用的,针对心跳的特定窗口中的每个心跳来计算Teager-Kaiser能量。Teager能量与窗口中的所有搏动的平均Teager-Kaiser能量有关。Teager尺寸与窗口中Teager能量高于预定义阈值的搏动比例相关。
应当理解,在睡眠分阶段的场景中并且当监测对象的其他生理状态时,也可以使用其他特征。
图5针对若干上述特征示意性图示了当占空比从100%缩小到50%时它们如何受到影响。粗线表示占空比为100%的相应特征。细线表示占空比为50%的相应特征。在图4A中,图示了相继IBI差(RMSSD)的均方根,在图4B中图示了在1的比例下的样本熵,在图5C中图示了Teager-Kaiser能量(即,窗口中的具有高于预定阈值的Teager-Kaiser能量的RR间隔的百分比,其也可以被称为Teager尺寸),并且在图5D中图示了在10的比例下的样本熵。
图5示出了,尽管占空比减小,相应特征的动态仍然在很大程度上保持不变。当根据包括26个PPG夜间睡眠记录的数据集基于50%占空比提取时,关于它们基于100%的占空比提取的相应的对应项,所有HRV特征保持至少0.8的皮尔逊相关性。
该范例表明,即使传感器的占空比减小,仍然可以可靠地确定睡眠阶段。
本发明的占空比方案的另一效果是所产生的睡眠分阶段性能在一定程度上变得可预测。基于IBI的自动睡眠阶段分类器的性能可以基于Cohen’skappa来评估,Cohen’skappa是偶然一致的一致因子的度量。以下表格示出了基于IBI的自动睡眠阶段分类器对于26个夜间睡眠记录的数据集的性能。具体而言,表格示出了不同占空比下Cohen’s kappa系数形式的性能,其中,P=60s。
Cohen’s kappa系数是观察到的一致性(P0)与假设一致性(Pe)的比例,并且被计算为K=(P0-Pe)/1-Pe。从表中能够看出,HRV特征的较大的集合的性能针对降低的占空比并不保持高的相关性。
在范例中,非常鲁棒的子集能够从50%的占空比数据中提取,并且包括:SDNN、SDSD、HF、平均HR、百分位数、Teager-Kaiser能量(和大小)、相位协调。鲁棒的子集能够以75%工作,并且除了非常鲁棒的子集的上述特征之外,还包括LF、LF/HF和VLF。完整的集合可能以100%工作,并且除了以上所有项之外还包括认知觉醒的可能性、样本熵和自回归系数。当以50%的占空比计算时,特征的完整集合产生比鲁棒的子集更低的Cohen’s kappa值。在计算100%的占空比时,特征的鲁棒的子集产生完整集合的更低Cohen’s kappa值。因此,能够看到,对占空比鲁棒的特征子集优于在占空比为50%时的特征的完整集合。此外,能够看到,随着占空比的降低,性能略有下降。
因此,所述占空比模块可以基于当前场景来提供对P和T的自动确定和调节。例如,可以使用在夜间开始时的可用电池寿命来确定针对整个夜晚(所需操作时间)的传感器的占空比。换言之,可以确定P和T,使得可用的电池寿命足以在整个剩余的夜晚给传感器供电。另一种选项是,所述占空比模块确定并调节P和T,以预估在电池必须被再充电之前设备应当能够记录多少个夜晚(预计的操作时间)。
对要由处理单元提取的特征的选择因此能够取决于特征是否仍然提供足够可靠的信息来针对给定的占空比执行睡眠监测。如果调节占空比,则对要提取的特征的确定也将经常地被调节。例如,可能的是,利用对应于预先已知的特征的预定义列表的查找表来处理不同的占空比,而不损失睡眠监测准确度或性能。换言之,在校准流程中或者在评估流程中,可以确定不同的特征或特征集如何处理占空比的减小。该关系可以被包括在查找表中。
例如,查找表可以指定特征或特征集在占空比处与感兴趣的生理状态的符合性量度。可能的符合性量度包括Cohen’s kappa系数、准确度、精确度、苏醒、真阳性率、真阴性率。这些符合性量度适用于确定生理状态。所述符合性描述了基于特征而确定的生理状态与真实情况一致的程度(当使用特定分类器时)。例如,在睡眠分阶段的情况下,准确度可以对应于正确确定的夜晚的百分比。Cohen’s kappa进一步考虑到‘偶然符合’。
能够针对特定的睡眠阶段来计算该符合性量度精确度、苏醒、真阳性率/真阴性率。例如,在用户仅对确定深度睡眠时间段感兴趣的使用案例中,对其他睡眠阶段的确定的一致性可能不相关,并且因此能够允许较低的占空比,只要针对深度睡眠的精度/苏醒/等是可接受的。作为使用查找表的备选方案,也可以利用将占空比直接线性或非线性链接到针对特征的估计的重要性(例如,以回归的形式)。例如,可以利用特征与诸如预期的均方根误差、预期的绝对误差或预期的误差百分比水平的参数的关系。
如上文所解释,本发明可以特别结合有占空比的PPG传感器来付诸使用。然而,应当理解,也可以使用其他传感器和其他模态。
例如,已知从对象的呼吸导出的特征也能够被用于睡眠分阶段,或者与心脏特征相结合使用或者单独使用。因此,可以使用其他传感器,诸如戴在胸部区域上的加速度计,该加速度计被配置成测量垂直于胸部表面的方向上的加速度。该传感器信号可以被用于导出与对象的呼吸努力相关联的呼吸运动。此外,可以使用被嵌入在围绕胸部绑缚的睡眠衬衫中的电感体积描记器。另外,除了PPG传感器之外,也可以使用用于测量心脏活动的其他传感器。用于测量心率的便携式或可穿戴传感器包括被佩戴在胸部区域上的加速度计,该加速度计被配置为测量纵向于身体方向和/或垂直于胸部表面的方向上的加速度(测量所谓的心冲击描记图)。同样地,可以使用嵌入在围绕对象的上身系缚的睡衣上的ECG电极,使得电极与对象的胸部的相对侧上的两个点永久接触。
图6示意性图示了包括由对象32应用的监测设备16的可穿戴监测设备30的应用。可穿戴监测装置30由要例如借助于臂带被附接到患者上臂的设备并入。装置30包括PPG传感器,所述PPG传感器用于提供指示对象的心率和呼吸率的传感器信号。监测装置30的其他实施例也可以具有用于附接到诸如手指或手腕等的另一肢体的设备的形式。装置30通常将经由诸如显示器的接口向对象和/或医学支持人员提供所确定的数据。
使用本发明的一个效果是,根据本发明的装置或设备从一种用途到另一种用途通常将具有不同的电池消耗。
在图7中示意性图示了根据本发明的一方面的方法。首先,从传感器获得传感器信号(步骤S10)。所述传感器信号指示对象的生命体征。具体地,从被包括在可穿戴设备中的PPG传感器获得PPG信号。
在接下来的步骤中,从电力存储设备获得指示所述电力存储设备的电量状态的电量值(步骤S12)。具体地,电池可以代表电力存储设备。
基于该电量值,控制传感器的占空比(步骤S14)。具体地,通过开启或关闭传感器来控制占空比。
在接下来的步骤中,分析该确定的占空比,并基于该占空比来选择(S16)多个信号特征中的至少一个信号特征。具体地,如果尽管占空比减小选择的特征也允许提供对象的当前睡眠阶段的准确和显著的指示,则这是有利的。例如,对于降低的占空比,有意义的是,针对在占空比为100%时可用的信号来选择另一个特征。
在接下来的步骤中,控制(步骤S18)处理单元以从传感器信号中提取所选择的至少一个特征。
然后,从传感器信号中提取(步骤S20)所选择的特征。
本发明的方法例如可以通过被包括在可穿戴设备中的微处理器来执行。本发明的方法也可以通过因特网中的服务器或包括在手持设备(诸如与可穿戴传感器通信的移动电话)中的微处理器来执行。
在另一实施例中,也可能的是,不基于电量值来调整占空比,而是占空比为预定义的,例如以传感器固有的功能的形式。然后,占空比模块将被配置为选择要提取的特征集并基于该预定义的占空比来相应地控制处理单元。所提出的设备的对应实施例包括:传感器接口(18),其用于从传感器(20)获得指示对象的生命体征的传感器信号,所述传感器以预定义的占空比操作,处理单元(26),其用于从所述传感器信号提取指示所述对象的生理状态的至少一个特征,以及占空比模块(28),其用于基于预定义的占空比来选择多个信号特征中的至少一个信号特征,并且控制处理单元来从所述传感器信号提取所选择的所述至少一个信号特征。
尽管已经在附图和前面的描述中详细例示和描述了本发明,但这样的例示和描述应当被认为是例示性或示范性的,而非限制性的。本发明不限于公开的实施例。本领域技术人员通过研究附图、公开内容以及权利要求书,在实践所请求保护的本发明时能够理解并且实现对所公开的实施例的其他变型。
在权利要求中,“包括”一词并不排除其他元素或步骤,并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以履行权利要求书中所记载的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以存储/分布在与其他硬件一起或作为其他硬件的部分来提供的合适(非瞬态)介质中,诸如光存储介质或固态介质,但也可以用其他形式来发布,诸如经由互联网或者其他有线或无线电信系统。
权利要求书中的任何附图标记均不应当被解释为对范围的限制。
Claims (13)
1.一种用于监测对象(32)的生理状态的设备(16),包括:
传感器接口(18),其被配置为从传感器(20)获得指示对象的生命体征的传感器信号;
电力存储设备接口(22),其被配置为获得指示对所述传感器供电的电力存储设备(24)的电量状态的电量值;
占空比模块(28),其被配置为:
基于所述电量值来控制所述传感器的占空比;
基于所述占空比来选择与所述传感器信号相关联的多个信号特征中的至少一个信号特征;并且控制
处理单元(26)以从所述传感器信号提取指示所述对象的生理状态的所述多个信号特征中的所选择的所述至少一个信号特征。
2.根据权利要求1所述的设备(16),其中,所述处理单元(26)被配置为提取指示所述对象(32)的睡眠阶段的至少一个特征。
3.根据权利要求2所述的设备(16),其中,所述处理单元(26)被配置为基于所提取的所述至少一个特征来确定指示所述对象在预定义时间段期间的睡眠阶段的所述对象(32)的睡眠图(10)。
4.根据权利要求3所述的设备(16),其中,所述处理单元(26)被配置为基于具有预先训练的参数的分类器来确定所述睡眠图(10),所述分类器特别是贝叶斯线性辨别器,所述分类器被训练为将预定义睡眠阶段的集合中的一个预定义睡眠阶段分配至所述预定义时间段的一部分。
5.根据权利要求1所述的设备(16),其中,所述占空比模块(28)被配置为在所述电量值指示电量状态低于预定义阈值的情况下降低所述占空比。
6.根据权利要求1所述的设备(16),其中,所述占空比模块(28)被配置为基于以下中的至少一项来调节所述占空比:所述传感器(20)的所需操作时间、所述传感器的预测操作时间以及生理状态监测的所需准确度水平。
7.根据权利要求1所述的设备(16),其中,所述传感器接口(18)被配置为获得以下中的至少一项:
指示所述对象(32)的心率的传感器信号,特别是心电图信号和/或光电体积描记信号;以及
指示所述对象的呼吸的传感器信号,特别是加速度信号和/或光电体积描记信号。
8.根据权利要求1所述的设备(16),其中,所述传感器接口(18)被配置为获得指示所述对象(32)的心率的传感器信号,特别是光电体积描记信号,并且所述占空比模块(28)被配置为控制所述处理单元(26)以提取指示心率变异性的特征,特别是提取以下中的至少一项:
所述心率的平均心搏间期;
所述平均心搏间期的标准差;
指示在0.04Hz与0.15Hz之间的谱带中的功率的低频功率参数;
指示在0.15Hz与0.4Hz之间的谱带中的功率的高频功率参数;
绝对相继心搏间期差的均值;
相继心搏间期差的均方根;
相继心搏间期差大于50ms的百分比;
相继心搏间期差的标准差;
高频极的相位;
样本熵;以及
Teager-Kaiser能量。
9.根据权利要求1所述的设备(16),其中,所述占空比模块(28)被配置为基于预定查找表来选择多个信号特征中的所述至少一个信号特征,所述预定查找表指示针对一占空比而言特征或特征集相对于所述对象(32)的生理状态的重要性。
10.根据权利要求9所述的设备(16),其中,所述查找表指示针对占空比以及特征或特征集的Cohen’s kappa系数。
11.一种可穿戴监测装置(30),包括:
根据权利要求1或10所述的设备(16),
传感器(20),其用于提供传感器信号;以及
电力存储设备(24),其用于对所述传感器供电并且用于提供指示当前电力状态的电量值。
12.一种用于监测对象(32)的方法,包括以下步骤:
从传感器(20)获得(S10)指示对象的生命体征的传感器信号;
获得(S12)指示对所述传感器供电的电力存储设备(24)的电量状态的电量值;
基于所述电量值来控制(S14)所述传感器的占空比;
基于所述占空比来选择(S16)与所述传感器信号相关联的多个信号特征中的至少一个信号特征;
控制(S18)处理单元以提取所述多个信号特征中的所述至少一个信号特征;并且
从所述传感器信号提取(S20)指示所述对象的生理状态的所述多个信号特征中的所述至少一个信号特征。
13.一种包括程序代码单元的计算机程序,当所述计算机程序在计算机上被执行时,所述程序代码单元用于使所述计算机执行根据权利要求12所述的方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP15173834.1 | 2015-06-25 | ||
EP15173834 | 2015-06-25 | ||
PCT/EP2016/062201 WO2016206921A1 (en) | 2015-06-25 | 2016-05-31 | Device and method for monitoring a physiological state of a subject |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107708528A true CN107708528A (zh) | 2018-02-16 |
Family
ID=53513974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680037209.2A Pending CN107708528A (zh) | 2015-06-25 | 2016-05-31 | 用于监测对象的生理状态的设备和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20180125418A1 (zh) |
EP (1) | EP3313266A1 (zh) |
JP (1) | JP2018524080A (zh) |
CN (1) | CN107708528A (zh) |
WO (1) | WO2016206921A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108937865A (zh) * | 2018-06-28 | 2018-12-07 | 重庆邮电大学 | 一种基于云架构的智慧睡眠监护系统 |
CN109645973A (zh) * | 2019-02-22 | 2019-04-19 | 太极石股份有限公司 | 太极石服装用人体微循环及生理参数监测器及其监测方法 |
CN109788919A (zh) * | 2016-09-29 | 2019-05-21 | 皇家飞利浦有限公司 | 光学生命体征传感器 |
CN110584611A (zh) * | 2019-09-24 | 2019-12-20 | 喜临门家具股份有限公司 | 一种节能效果好的睡眠监测系统 |
CN111067503A (zh) * | 2019-12-31 | 2020-04-28 | 深圳安视睿信息技术股份有限公司 | 一种基于心率变异性的睡眠分期方法 |
CN111134689A (zh) * | 2020-03-31 | 2020-05-12 | 电子科技大学 | 一种基于时频Teager-Kaiser能量的血糖浓度检测方法 |
CN111346300A (zh) * | 2018-12-20 | 2020-06-30 | 索林Crm联合股份公司 | 用于检测室性颤动的设备和方法 |
CN111989131A (zh) * | 2018-03-29 | 2020-11-24 | 益首药物治疗股份公司 | 用于药物输送系统的状态指示器 |
CN113520307A (zh) * | 2020-04-20 | 2021-10-22 | 华为技术有限公司 | 血压的测量方法、装置及可穿戴设备 |
CN114754905A (zh) * | 2021-01-08 | 2022-07-15 | 深圳爱根斯通科技有限公司 | 对象状态检测方法、装置、智能终端及存储介质 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6090382B2 (ja) * | 2015-07-31 | 2017-03-08 | ダイキン工業株式会社 | 空調制御システム |
EP3150252B1 (fr) * | 2015-10-01 | 2018-12-19 | Sorin CRM SAS | Dispositif médical implantable actif apte à effectuer une analyse fréquentielle |
US10470719B2 (en) * | 2016-02-01 | 2019-11-12 | Verily Life Sciences Llc | Machine learnt model to detect REM sleep periods using a spectral analysis of heart rate and motion |
WO2017136352A1 (en) | 2016-02-01 | 2017-08-10 | Verily Life Sciences Llc | Machine learnt model to detect rem sleep periods using a spectral analysis of heart rate and motion |
FI129461B (en) * | 2016-08-25 | 2022-02-28 | Night Train Oy | A method and system for determining a person's sleep time window |
US11207021B2 (en) * | 2016-09-06 | 2021-12-28 | Fitbit, Inc | Methods and systems for labeling sleep states |
EP3378380A1 (en) * | 2017-03-22 | 2018-09-26 | Koninklijke Philips N.V. | Sleep stage classification system |
CN107137071B (zh) * | 2017-04-26 | 2020-04-28 | 可瑞尔科技(扬州)有限公司 | 一种分析心冲击信号用来计算短期心率值的方法 |
DE102017118574A1 (de) * | 2017-08-15 | 2019-02-21 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Betreiben einer Sensoranordnung in einem Kraftfahrzeug auf Basis eines DSI-Protokolls |
CN109222961B (zh) * | 2018-11-09 | 2024-01-19 | 中科数字健康科学研究院(南京)有限公司 | 一种便携式睡眠监测系统及相关睡眠监测方法 |
TWI810619B (zh) * | 2021-07-28 | 2023-08-01 | 國立陽明交通大學 | 睡眠狀態判別系統及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110034811A1 (en) * | 2008-04-16 | 2011-02-10 | Koninklijke Philips Electronics N.V. | Method and system for sleep/wake condition estimation |
CN102342169A (zh) * | 2009-03-04 | 2012-02-01 | 富士通株式会社 | 对短距无线网络的改进 |
CN102458245A (zh) * | 2009-04-20 | 2012-05-16 | 雷斯梅德有限公司 | 使用血氧饱和度信号辨别潮式呼吸模式 |
US20130324809A1 (en) * | 2012-05-31 | 2013-12-05 | Nellcor Puritan Bennett Llc | Methods and systems for power optimization in a medical device |
CN104622468A (zh) * | 2013-11-14 | 2015-05-20 | 先健科技(深圳)有限公司 | 外置预测功能的脑深部刺激系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3826812B2 (ja) * | 2002-02-15 | 2006-09-27 | 株式会社デンソー | 光学式計測装置 |
EP2615971B1 (en) * | 2010-09-13 | 2023-10-25 | Women's and Children's Health Network Incorporated | Methods for assessing swallowing motor function |
US9005129B2 (en) * | 2012-06-22 | 2015-04-14 | Fitbit, Inc. | Wearable heart rate monitor |
WO2014007185A1 (ja) * | 2012-07-02 | 2014-01-09 | 株式会社 東芝 | 超音波診断装置、生体信号取得装置及び超音波診断装置の制御方法 |
CA2883852A1 (en) * | 2012-09-04 | 2014-03-13 | Whoop, Inc. | Systems, devices and methods for continuous heart rate monitoring and interpretation |
US11185241B2 (en) * | 2014-03-05 | 2021-11-30 | Whoop, Inc. | Continuous heart rate monitoring and interpretation |
-
2016
- 2016-05-31 WO PCT/EP2016/062201 patent/WO2016206921A1/en active Application Filing
- 2016-05-31 JP JP2017566761A patent/JP2018524080A/ja active Pending
- 2016-05-31 EP EP16726543.8A patent/EP3313266A1/en not_active Withdrawn
- 2016-05-31 US US15/576,421 patent/US20180125418A1/en not_active Abandoned
- 2016-05-31 CN CN201680037209.2A patent/CN107708528A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110034811A1 (en) * | 2008-04-16 | 2011-02-10 | Koninklijke Philips Electronics N.V. | Method and system for sleep/wake condition estimation |
CN102342169A (zh) * | 2009-03-04 | 2012-02-01 | 富士通株式会社 | 对短距无线网络的改进 |
CN102458245A (zh) * | 2009-04-20 | 2012-05-16 | 雷斯梅德有限公司 | 使用血氧饱和度信号辨别潮式呼吸模式 |
US20130324809A1 (en) * | 2012-05-31 | 2013-12-05 | Nellcor Puritan Bennett Llc | Methods and systems for power optimization in a medical device |
CN104622468A (zh) * | 2013-11-14 | 2015-05-20 | 先健科技(深圳)有限公司 | 外置预测功能的脑深部刺激系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109788919B (zh) * | 2016-09-29 | 2022-03-22 | 皇家飞利浦有限公司 | 光学生命体征传感器 |
CN109788919A (zh) * | 2016-09-29 | 2019-05-21 | 皇家飞利浦有限公司 | 光学生命体征传感器 |
CN111989131B (zh) * | 2018-03-29 | 2022-10-14 | 益首药物治疗股份公司 | 用于药物输送系统的状态指示器 |
CN111989131A (zh) * | 2018-03-29 | 2020-11-24 | 益首药物治疗股份公司 | 用于药物输送系统的状态指示器 |
CN108937865A (zh) * | 2018-06-28 | 2018-12-07 | 重庆邮电大学 | 一种基于云架构的智慧睡眠监护系统 |
CN111346300B (zh) * | 2018-12-20 | 2023-07-28 | 索林Crm联合股份公司 | 用于检测室性颤动的设备和方法 |
CN111346300A (zh) * | 2018-12-20 | 2020-06-30 | 索林Crm联合股份公司 | 用于检测室性颤动的设备和方法 |
CN109645973A (zh) * | 2019-02-22 | 2019-04-19 | 太极石股份有限公司 | 太极石服装用人体微循环及生理参数监测器及其监测方法 |
CN110584611A (zh) * | 2019-09-24 | 2019-12-20 | 喜临门家具股份有限公司 | 一种节能效果好的睡眠监测系统 |
CN111067503A (zh) * | 2019-12-31 | 2020-04-28 | 深圳安视睿信息技术股份有限公司 | 一种基于心率变异性的睡眠分期方法 |
CN111134689B (zh) * | 2020-03-31 | 2021-05-14 | 电子科技大学 | 一种基于时频Teager-Kaiser能量的血糖浓度检测方法 |
CN111134689A (zh) * | 2020-03-31 | 2020-05-12 | 电子科技大学 | 一种基于时频Teager-Kaiser能量的血糖浓度检测方法 |
CN113520307A (zh) * | 2020-04-20 | 2021-10-22 | 华为技术有限公司 | 血压的测量方法、装置及可穿戴设备 |
CN114754905A (zh) * | 2021-01-08 | 2022-07-15 | 深圳爱根斯通科技有限公司 | 对象状态检测方法、装置、智能终端及存储介质 |
CN114754905B (zh) * | 2021-01-08 | 2023-10-31 | 深圳爱根斯通科技有限公司 | 对象状态检测方法、装置、智能终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2018524080A (ja) | 2018-08-30 |
US20180125418A1 (en) | 2018-05-10 |
EP3313266A1 (en) | 2018-05-02 |
WO2016206921A1 (en) | 2016-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107708528A (zh) | 用于监测对象的生理状态的设备和方法 | |
EP3766410B1 (en) | Heart rate variability with sleep detection | |
US20220079530A1 (en) | Applied data quality metrics for physiological measurements | |
US20230181051A1 (en) | Determining heart rate with reflected light data | |
JP5961235B2 (ja) | 睡眠/覚醒状態評価方法及びシステム | |
AU2016323049B2 (en) | Physiological signal monitoring | |
CN104602604B (zh) | 生物体信息处理系统、可穿戴装置、服务器系统及生物体信息处理系统的控制方法 | |
US10750958B2 (en) | Variable brightness and gain for optimizing signal acquisition | |
TW201725559A (zh) | 一種評估心跳停止發生可能的穿戴式裝置及其方法 | |
US20220031181A1 (en) | Pulse shape analysis | |
EP4165658A1 (en) | Wearable infection monitor | |
US20230293084A1 (en) | Time domain processing of periodic physiological signals | |
EP4011281A1 (en) | Detecting sleep intention | |
WO2022187019A1 (en) | Coaching based on menstrual cycle | |
WO2024054930A1 (en) | Coaching based on reproductive phases | |
EP4358857A1 (en) | Coaching based on reproductive phases | |
EP4278361A1 (en) | Coaching based on menstrual cycle |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180216 |