CN108697363B - 用于检测心脏变时功能不全的装置和方法 - Google Patents

用于检测心脏变时功能不全的装置和方法 Download PDF

Info

Publication number
CN108697363B
CN108697363B CN201780013559.XA CN201780013559A CN108697363B CN 108697363 B CN108697363 B CN 108697363B CN 201780013559 A CN201780013559 A CN 201780013559A CN 108697363 B CN108697363 B CN 108697363B
Authority
CN
China
Prior art keywords
user
baseline
sensor
sensor data
cardiac health
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.)
Expired - Fee Related
Application number
CN201780013559.XA
Other languages
English (en)
Other versions
CN108697363A (zh
Inventor
贾瓦哈尔·贾恩
科迪·沃瑟姆
詹姆斯·杨
萨吉德·萨迪
普拉纳夫·密斯特尔
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 CN108697363A publication Critical patent/CN108697363A/zh
Application granted granted Critical
Publication of CN108697363B publication Critical patent/CN108697363B/zh
Expired - Fee Related 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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/363—Detecting tachycardia or bradycardia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/003—Detecting lung or respiration noise
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种在电子设备中检测心脏变时功能不全的方法包括：基于所述电子设备的用户的活动水平的估计，确定用户的基线心脏健康量度；以根据传感器数据确定的验证因子来验证用户的所述活动水平的估计；以及根据所述传感器数据，确定用户的心脏健康量度。基于用户的所述心脏健康量度与所述基线心脏健康量度的比较，可以提供指示检测到用户的心脏变时功能不全的信号。

Description

用于检测心脏变时功能不全的装置和方法
技术领域
本公开涉及检测个体内的心脏疾病，并且更具体地涉及检测心脏变时功能不全。
背景技术
广义上讲，心脏变时功能不全(CI)是心脏不能增加其心率以与增加的活动或需求相称。CI是影响患有各种不同的心血管疾病的患者的问题。例如，CI可以影响大约三分之一或更多的心力衰竭患者。CI可以影响甚至更大比例的具有起搏器的患者。
当个体具有有变时能力的心率反应(例如，个体不具有CI)时，心输出量响应于劳累(exertion)而增加以满足增加的身体代谢需求。当个体具有CI时，心输出量有限，不能满足由于劳累而增加的身体代谢需求。CI可以限制一个人在不感到疲倦的情况下可以进行的活动量，无论是运动还是日常任务。因此，CI可以显著地限制一个人的生活质量。CI也与心血管死亡率相关。
发明内容
技术问题
本公开的各方面旨在解决至少上述问题和/或缺点，并提供至少下述优点。因此，本公开的一方面要提供一种用于检测心脏变时功能不全的装置和方法。
问题的解决方案
一个或更多个实施例涉及检测心脏变时功能不全(CI)的方法。在一方面，一种方法可以包括：基于用户的活动水平的估计来确定用户的基线心脏健康量度；利用根据传感器数据确定的验证因子来验证用户的活动水平的估计；以及根据传感器数据确定用户的心脏健康量度。该方法可以包括：使用处理器，基于用户的心脏健康量度与基线心脏健康量度的比较，提供指示用户的CI的信号。
在另一方面，一种方法可以包括：确定用户的基线心脏健康量度；根据传感器数据确定用户的心脏健康量度；以及使用处理器，基于用户的心脏健康量度与基线心脏健康量度的比较，提供指示用户的CI的信号。
在一个或更多个实施例中，基线心脏健康量度和心脏健康量度均包括协方差。协方差可以涉及例如用户的心率、根据传感器数据确定的用户的总活动的量度、用户的感觉劳累等级、用户的心率恢复等。
一个或更多个实施例涉及用于检测CI的装置。在一方面，一种装置包括：传感器，其被配置为产生传感器数据；存储器，其被配置为存储传感器数据；以及处理器，其被耦合到存储器和传感器，被配置为：基于用户的活动水平的估计，确定用户的基线心脏健康量度；利用根据传感器数据确定的验证因子验证用户的活动水平的估计；以及根据传感器数据确定用户的心脏健康量度。该处理器还被配置为：基于用户的心脏健康量度与基线心脏健康量度的比较，提供指示用户的CI的信号。
一个或更多个实施例涉及用于检测CI的计算机程序产品。在一方面，计算机程序产品包括计算机可读存储介质，其上存储有程序代码。程序代码可由处理器执行以进行可执行操作。可执行操作可以包括：基于用户的活动水平的估计来确定用户的基线心脏健康量度；利用根据传感器数据确定的验证因子验证用户的活动水平的估计；以及根据传感器数据确定用户的心脏健康量度。可执行操作可以包括：基于用户的心脏健康量度与基线心脏健康量度的比较，提供指示用户的CI的信号。
根据本公开的另一方面，提供一种用于在电子设备中检测心脏变时功能不全的方法。该方法包括：基于电子设备的用户的活动水平的估计来确定用户的基线心脏健康量度；利用根据传感器数据确定的验证因子来验证用户的活动水平的估计；根据传感器数据确定用户的心脏健康量度；以及基于用户的心脏健康量度与基线心脏健康量度的比较，提供指示检测到用户的心脏变时功能不全的信号。
根据本公开的另一方面，提供一种用于检测心脏变时功能不全的装置。该装置包括：至少一个传感器，其被配置为产生传感器数据；至少一个存储器，其被配置为存储传感器数据；至少一个处理器，其被耦合到所述至少一个存储器和所述至少一个传感器。所述至少一个处理器被配置为：基于该装置的用户的活动水平的估计来确定用户的基线心脏健康量度；利用根据传感器数据确定的验证因子来验证用户的活动水平的估计；根据传感器数据确定用户的心脏健康量度；以及基于用户的心脏健康量度与基线心脏健康量度的比较，提供指示检测到用户的心脏变时功能不全的信号。
提供此概述部分仅仅是为了介绍某些概念而不是为了识别所要求保护的主题的任何关键或必要特征。根据附图和以下详细描述，本发明的许多其他特征和实施例将是显而易见的。
发明的有益效果
本公开要提供一种用于检测心脏变时功能不全(CI)的装置和方法。因此，可以提供一种通过使用用户设备检测心脏变时功能不全的装置和方法，并提供准确和及时的CI检测以降低心脏病死亡率。
附图说明
附图示出了一个或更多个实施例。然而，附图不应当被视为将本发明仅限于所示的实施例。通过阅读以下详细描述并参考附图，各个方面和优点将变得显而易见。
图1例示了电子设备的示例架构。
图2例示了检测心脏变时功能不全(CI)的示例方法。
图3例示了用于CI检测的基线产生的示例。
图4例示了检测CI的另一示例方法。
具体实施方式
虽然本公开以限定新颖特征的权利要求结束，但是相信通过结合附图考虑说明书将更好地理解本文描述的各种特征。出于说明的目的，提供本公开中描述的(多个)过程、(多个)机器、(多个)制品及其任何变型。所描述的任何具体结构和功能细节不应当被解释为限制性的，而仅仅作为权利要求的基础，并且作为教导本领域技术人员以各种方式采用在实际上任何适当的详细结构中描述的特征的代表性基础。此外，本公开中使用的术语和短语不旨在是限制性的，而是提供对所描述的特征的可理解描述。
本公开涉及检测个体内的心脏疾病，更具体地涉及检测心脏变时功能不全或“CI”。鉴于CI可以对心脏病死亡率产生显著影响，因此准确及时地检测CI至关重要。通过准确及时地检测CI，可以提醒医疗服务提供者个体的状况。然后可以为个体启动合适的医疗干预，诸如通过康复计划等解决CI。
因此，本公开中描述的一个或更多个实施例涉及诸如能够检测CI的设备和/或系统的装置、检测CI的(多种)方法以及实现本文描述的各种方法的计算机可读存储介质。该装置能够使用用于个体的活动水平的估计来确定基线心脏健康量度，例如，用于个体的基线心率(HR)。该装置还能够分析个体的传感器数据以验证活动水平的估计。验证允许该装置确保个体方面的主观测量的准确性。该装置还能够根据传感器数据确定个体的心脏健康量度，例如，HR，并且执行将从传感器数据得到的心脏健康量度等级与基线心脏健康量度进行比较，以检测个体中的CI。
在一个或更多个其他实施例中，该装置能够考虑一个或更多个混淆因素。混淆因素是明确确定个体是否具有CI中的混淆变量或混淆因素。混淆因素的示例包括但不限于为个体规定情境的各种行为、医疗条件或其他数据项中的任何一种。混淆因素的更具体示例可以包括但不限于压力、疲劳、(多种)睡眠障碍或紊乱、服用的药物、药物治疗方案或影响心率对体力劳累的正常反应的其他病理状况。
本公开中描述的一个或更多个实施例可以用于或结合到各种康复计划中。例如，康复计划可以是心脏康复计划。作为说明性示例，在个体加入康复计划时，可以为个体建立一个或更多个基线。(多个)基线可以包括与个体健康有关的信息，特别是个体的心脏健康。(多个)基线可以在个体进行评估时进行各种锻炼、进行日常活动等来确定。(多个)基线可以用于确定心脏健康的一般水平和/或用于确定个体是否具有CI。在产生(多个)基线时，可以随之包括验证因子以帮助准确地评估个体是否具有CI。
下面参考附图描述本发明的布置的其他方面和细节。出于说明的简单和清楚的目的，图中所示的元件不一定按比例绘制。例如，为清楚起见，一些元件的尺寸可能相对于其他元件被扩大。此外，在认为合适的情况下，在附图中重复附图标记以指示对应的、类似的或相似的特征。另外，应当理解，尽管为了说明的目的提供了心脏康复，但是本文提供的示例并不旨在限制所描述的本发明的布置。
图1例示了用于设备的电子设备100的示例。电子设备100可以包括存储器接口102、一个或更多个处理器104(例如，图像处理器、数字信号处理器、数据处理器等)以及接口106。存储器接口102、(多个)处理器104和/或接口106可以是单独的组件或者可以集成在一个或更多个集成电路中。例如，电子设备100中的各种组件可以通过一个或更多个通信总线或信号线(例如，互连线和/或电线)耦合。
传感器、设备、子系统和输入/输出(I/O)设备可以耦合到接口106，以促进本文描述的包括传感器数据的产生的功能和/或操作。各种传感器、设备、子系统和/或I/O设备可以直接或通过一个或多个中间I/O控制器(未示出)耦合到接口106。
例如，运动传感器110、光传感器112和接近传感器114可以耦合到接口106，以促进电子设备100的定向、照明和接近功能。位置处理器115(例如，全球定位系统(GPS)接收器)可以连接到接口106以提供地理定位传感器数据。电子磁力计116(例如，集成电路芯片)也可以连接到接口106，以提供可以用于确定磁场北极的方向的传感器数据。因此，电子磁力计116可以用作电子罗盘。加速计117还可以连接到接口106以提供传感器数据，该传感器数据可以用于确定电子设备100在三维中的速度和移动方向的变化。心率传感器118可以连接到接口106以产生传感器数据并且便于测量心跳和确定心率。
相机子系统120可以耦合到光学传感器122。光学传感器122可以实现为电荷耦合器件(CCD)、互补金属氧化物半导体(CMOS)光学传感器等。相机子系统120和光学传感器122可以用于促进诸如记录图像和视频剪辑(下文称为“图像数据”)的相机功能。出于本公开的目的，图像数据是传感器数据的子集。
可以通过一个或更多个无线通信子系统124来促进通信功能，该一个或更多个无线通信子系统124可以包括射频接收器和发射器和/或光学(例如，红外)接收器和发射器。通信子系统124的具体设计和实现可以取决于电子设备100要操作的(多个)通信网络。例如，(多个)无线通信子系统124可以被设计为在全球移动通信系统(GSM)网络、通用分组无线业务(GPRS)网络、增强型数据速率GSM演进(EDGE)网络、长期演进(LTE)网络、长期演进-高级(LTE-A)网络、WiFi或WiMax网络、蓝牙网络、第5代(5G)网络和/或前述的任何组合上操作。(多个)无线通信子系统124可以包括托管协议，使得电子设备100可以被配置为用于其他无线设备的基站。
音频子系统126可以耦合到扬声器128和麦克风130，以促进语音功能，诸如语音识别、语音复制、数字记录和电话功能。音频子系统126能够产生音频类型传感器数据。
I/O设备146可以耦合到接口106。I/O设备146的示例可以包括但不限于显示设备、触敏显示设备、跟踪板、键盘、定位设备、通信端口(例如，通用串行总线(USB)端口)、按钮或其他物理控件等。诸如显示屏和/或平板电脑的触敏设备被配置为使用各种触敏技术中的任何一种来检测接触、移动、接触中断等。示例触敏技术包括但不限于电容、电阻、红外和表面声波技术，以及其他接近传感器阵列或用于确定与触敏设备接触的一个或更多个点的其他元件。I/O设备146中的一个或更多个可以适于控制电子设备100的传感器、子系统等的功能。
电子设备100还包括电源180。电源180能够向电子设备100的各种元件提供电力。在一个实施例中，电源180被实现为一个或更多个电池。电池可以使用各种不同的电池技术中的任何一种来实现，无论是一次性的(例如，可更换的)还是可再充电的。在另一实施例中，电源180被配置为从外部源获得电力并向电子设备100的元件提供电力(例如，DC电力)。在可再充电电池的情况下，电源180还可以包括电路，其能够在耦合到外部电源时为一个或多个电池充电。
存储器接口102可以耦合到存储器150。存储器150可以包括高速随机存取存储器(例如，易失性存储器)和/或非易失性存储器，诸如一个或更多个磁盘存储设备、一个或更多个光学存储设备和/或闪存(例如，NAND、NOR)。存储器150可以存储操作系统152，诸如LINUX、UNIX、移动操作系统、嵌入式操作系统等。操作系统152可以包括用于处理基本系统服务和用于执行硬件相关任务的指令。
存储器150还可以存储：其他程序代码154，诸如通信指令，以促进与一个或更多个附加设备、一个或更多个计算机和/或一个或更多个服务器的通信；图形用户界面指令，以促进图形用户界面处理；传感器处理指令，以促进与传感器相关的处理和功能；电话指令，以促进与电话相关的过程和功能；电子消息指令，以促进与电子消息相关的过程和功能；万维网浏览指令，以促进与万维网浏览相关的过程和功能；媒体处理指令，以促进与媒体处理相关的过程和功能；GPS/导航指令，以促进与GPS和导航相关的过程和功能；安全指令，以促进安全功能；相机指令，以促进与相机相关的过程和功能，包括万维网相机和/或万维网视频功能；等等。存储器150还可以存储一种或更多种其他应用162。
存储器150可以存储心脏健康程序代码156以促进检测诸如用户内的CI的心脏疾病。心脏健康程序代码156能够分析传感器数据、查询用户的输入(诸如活动水平的估计)以及执行传感器数据和/或用户输入与基线信息的比较。在本文中参考其余附图描述通过执行心脏健康程序代码156而进行的操作的其他方面。存储器150还可以存储各种类型的数据(未示出)，诸如传感器数据和/或通过接收到的(多个)用户输入获得的数据。
以上识别的指令和应用中的每一个可以对应于用于执行上述一种或更多种功能的一组指令。这些指令可以或可以不实现为单独的软件程序、过程或模块。存储器150可以包括附加指令或更少的指令。此外，电子设备100的各种功能可以在硬件和/或软件中实现，包括在一个或更多个信号处理电路和/或专用集成电路中实现。
存储在存储器150中的程序代码以及利用与电子设备100的架构相同或相似的架构的设备上使用、生成和/或操作的任何数据项是在用作设备的一部分时赋予功能的功能数据结构。功能数据结构的其他示例包括但不限于传感器数据、经由用户输入获得的数据、基线等。如在本公开中所定义的，“数据结构”是数据模型在物理存储器内的数据组织的物理实现。因此，数据结构由存储器中特定的电或磁结构元件形成。数据结构在存储在存储器中的数据被使用处理器执行的应用程序使用时，对其施加物理组织。
在一个或更多个其他实施例中，参考电子设备100描述的各种传感器和/或子系统中的一个或更多个可以是通过有线或无线连接耦合或通信链接到电子设备100的单独设备。例如，加速计117、位置处理器115、磁力计116、运动传感器110、光传感器112、接近传感器114、相机子系统120、音频子系统、心率传感器118等中的一个或更多个或全部可以实现为通过(多个)有线或无线连接耦合到处理器104、存储器接口102和/或接口106的独立系统或子系统。在一些实施例中，这样的传感器和/或子系统被配置为生成存储在电子设备100外部的存储器中的传感器数据。在这种情况下，电子设备100(例如，处理器104)可以访问传感器数据以供使用和/或分析，如本文所述的。
电子设备100可以包括比图1示出的组件更少的组件或者图1中未示出的附加组件，这取决于所实现的特定设备类型。另外，所包括的特定操作系统和/或(多个)应用和/或其他程序代码也可以根据设备类型而变化。此外，说明性组件中的一个或更多个可以结合到另一组件中或者以其他方式形成为另一组件的一部分。例如，处理器可以包括至少一些存储器。
虽然被配置为执行本文描述的操作的设备可以利用电子设备100的架构，但是出于说明而非限制的目的提供电子设备100。被配置为执行本文描述的操作的设备可以与图2中所示的设备具有不同的架构。该架构可以是电子设备100的架构的简化版本，并且包括处理器和存储指令的存储器。该架构可以包括如本文所述的一个或更多个传感器。电子设备100或使用与其类似的架构的设备能够使用设备的各种传感器或与其耦合的传感器来收集数据。在本公开中，由传感器生成的数据被称为“传感器数据”。
电子设备100或如前所述可以利用另一计算架构用于检测CI的设备的示例可以包括但不限于智能手机或其他移动设备、可穿戴计算设备(例如，智能手表、健身跟踪器、贴片等)、专用医疗设备、计算机(例如，台式机、膝上型计算机、平板计算机、其他数据处理系统等)以及能够感测和处理传感器数据的任何合适的电子设备。此外，应当理解，实施例可以被部署为独立设备或者被部署为分布式客户端-服务器联网系统中的多个设备。
图2例示了检测CI的示例方法200。方法200可以由具有如本公开中描述的架构的设备或系统来执行。方法200可以在已经为用户随时间(例如，一段时间)收集传感器数据的状态下开始，并且可用于分析。在一个或更多个实施例中，设备收集传感器数据。在一个或更多个其他实施例中，传感器数据的一个或更多个项或所有传感器数据可以从其他(多个)系统和/或(多个)设备产生，并且由执行方法200的设备读取和/或处理。
在框205中，设备基于传感器数据确定用户的总活动即“TA”。该设备能够使用加速计数据确定用户的总活动。在一个示例中，该设备能够基于加速计输出的功率来确定用户的总活动。
在框210中，设备基于传感器数据可选地确定一个或更多个混淆因素。本文结合图4提供对混淆因素的更详细描述以及通过该设备对这种混淆因素的自动检测。
在框215中，设备可选地接收指示用户的活动水平的估计的用户输入。在一个或更多个实施例中，用户的活动水平的估计是感觉劳累等级即RPE。RPE是体力活动强度水平的量度。RPE基于与用户在身体活动期间经历的劳累困难(其导致诸如心率增加、出汗或呼吸频率增加、发汗增加、肌肉疲劳等症状)相关的躯体或身心感觉。在任何情况下，RPE通常至少在响应于用户查询被接收作为用户输入时被认为是用户方面劳累的主观测量。该设备能够接收指定RPE值的用户输入。
在一个或多个实施例中，使用Borg量表来表示RPE。下表1说明了Borg量表上的RPE的评分。
表1
Figure BDA0001777426960000091
Figure BDA0001777426960000101
在一个或更多个其他实施例中，可以使用用于测量RPE的不同量表。在这方面，本发明的布置不旨在限于使用RPE的一种特定量表。应当理解，为了确保一致的结果，用户可以使用适当的量表被训练以估计活动水平。例如，在医院环境、在康复环境或在与训练有素的医务人员一起工作的任何地方，可以指导用户如何使用所选择的量表正确地估计活动水平。
在一个或更多个其他实施例中，可以由设备以自动方式确定活动水平的估计，而无需向用户查询这样的信息。在这种情况下，不需要执行向用户查询活动水平的估计。该设备可以被适配为从传感器数据确定活动水平的估计，例如，RPE。在一个示例中，该设备能够通过从音频传感器数据检测来自用户的与劳累相关的呼吸(通气)相关声音来确定或估计诸如RPE的活动水平。该设备可以通过比较用户的呼吸相关声音的渐进变化与指示劳累的音频传感器数据来估计活动水平或RPE。这里参考图3更详细地描述检测呼吸声音。
在框220中，设备可选地接收指示一个或更多个混淆因素的用户输入。例如，该设备可以向用户查询混淆因素列表，或者从呈现给用户的混淆因素列表中选择适用于该用户的那些混淆因素。例如，设备可以向用户查询药物摄入量。在一个示例中，设备向用户查询或询问用户是否正在服用任何β受体阻滞剂药物或改变心脏功能的变时性质的任何其他药。此类药物和/或药可以影响下述测量。因此，根据所指示的药物和/或药，可以调整或改变用于确定CI的阈值。
在框225中，设备基于传感器数据确定用户的心率(HR)。在框230中，设备确定RPE与HR之间的协方差COV(RPE，HR)。在框235中，设备确定来自框205的测量的TA与框225的HR之间的协方差COV(TA，HR)。例如，参考框230和235，该设备能够计算以下任何一对之间的协方差：HR时间序列、TA时间序列和RPE。
在框240中，设备确定用于比较趋势的一个或更多个基线心脏健康量度。在一个或更多个实施例中，基线心脏健康量度(或基线)可以在用户休息的情况下和/或针对可能的RPE值中的一个或更多个或每个确定。可以存储基线以用于随后与新收集的传感器数据和/或用户输入进行比较。示例基线包括但不限于：
·RPERest和HRRest之间的协方差COV(RPERest，HRRest)；
·可以由COV(RPEexertion，HRexertion)表示的在劳累期间RPE和HR之间的协方差；
·休息时HRRest和TARest之间的协方差COV(HRRest，TARest)；
·HRR(心率恢复)和HRD之间的协方差COV(HRR，HRD)，其中下标“D”表示在由传感器测量的努力水平和总活动水平情况下的HR的减速趋势(劳累后)；
·可以使用加速计活动测量的EEE(运动能量消耗)和RPE之间的协方差COV(EEE，RPE)；和/或
·在不同RPE水平下记录或观测到的呼吸相关声音。
在一个或更多个实施例中，根据如本公开中描述的传感器数据确定基线心脏健康量度。例如，可以在用户处于休息或已知状态时确定基线心脏健康量度。在一个或更多个其他实施例中，基线心脏健康量度是参考状态或数据，例如，由医师指定、根据标准等获得和用于如本文所述的比较目的的预定或固定数据。
在框245中，设备可选地确定HRR和劳累后的HRR趋势。该设备还能够将HR变化趋势(例如，减速趋势)与RPE和方框205的测量TA相关联。在一方面，该设备能够确定心率恢复是否具有双指数趋势。例如，该设备能够检查用于双指数的HRR的对数。没有双指数趋势表示CI。在框250中，设备可选地将HR变化趋势与RPE和总活动相关联。
在框255中，设备能够相对于基线分析所确定的协方差和/或传感器数据中的一个或更多个。例如，该设备能够检测到异常，诸如与基线或预期值相差超过阈值。缺乏预期的协方差表明CI的检测。在一个实施例中，该设备能够响应于确定能量扩展和RPE之间的协方差保持相同而HR未被升高以确定个体具有CI。在其他情况下，在EEE和RPE之间的协方差保持相同而EEE低且RPE高的情况下，该设备能够确定个体具有降低的健康水平(例如，不是CI)。该设备能够根据传感器数据计算心脏健康量度(包括本文所述的任何协方差)，从而与基线心脏健康量度(例如，基线协方差)进行比较，以确定或估计用户是否具有CI。
在一个或更多个实施例中，如框220中所确定的，基于药物摄入或其他混淆因素来调整CI的阈值。在一个或更多个其他实施例中，基于在来自框210的传感器数据内检测到的一个或更多个混淆因素来调整CI的阈值。混淆因素的示例包括但不限于：压力；睡眠缺失；疲劳；抑郁(情绪)；兴奋剂(咖啡因，麻醉剂等)的消耗；可以对血压和/或HR产生影响的任何其他药；健康状况，包括发烧、脱水或可以合理预期HR和/或血压或其他自主神经系统(ANS)标记经历显著变化的任何其他情况；等等。在一个或更多个实施例中，基于在传感器数据内是否检测到一个或更多个混淆因素来向上或向下调整用于检测CI的阈值。结合图4更详细地讨论混淆因素及其根据传感器数据的自动检测。
在一个或更多个实施例中，该设备能够通过计算HR(RIHR)的相对增加来考虑混淆因素。RIHR也称为从休息时的HR到峰值HR的增量％。RIHR可以使用表达式[(峰值HR-休息时的HR)/(休息时的HR)]×100来计算。
在一些情况下，对于具有CI的服用β受体阻滞剂的个体，可以使用修改的HR储备来考虑混淆因素。修改的HR储备(MHRR)可以使用表达式[(从休息时的HR到峰值HR的增量％)/(220-年龄-休息时的HR)]×100来计算。通常，使用表达式[(峰值HR-休息时的HR)/(220-年龄-休息时的HR)]×100计算HR储备。在一个或更多个实施例中，该设备还能够计算MHRR。应当理解，还可以通过经由将预期峰值HR与人的年龄相关联的任何其他各种公认的公式来估计峰值HR，计算HR储备。
对于HR由于混淆因素而被抑制的情况，使用RIHR或MHRR从绝对计算移动到相对计算。如果在RIHR和/或MHRR表达式中休息时的HR被修改以反映或暗示给定情况的基线HR，则这些相对计算有助于在HR增加被认为更大的情况下准确检测CI。例如，该设备可以通过以合理接近的时间间隔测量在给定锻炼之前的适当休息时间的HR来计算基线HR(例如，休息时的HR)。
使用RIHR和/或MHRR，可以在任何混淆因素的情况下执行CI检测。应当理解，可以进一步修改本文描述的技术以响应于确定混淆因素可以具有的影响的近似值来考虑一个或更多个混淆因素。例如，如果在咖啡因消耗之后个体的HR通常升高5次/每分钟(BPM)，则即使不确定给定情况的基线HR，也可以从历史数据中选择HR。该设备能够将5BPM添加到历史HR中以考虑咖啡因消耗。
在框260中，设备确定是否检测到CI的一个或更多个指示符。如果是，则方法200前进到框265。如果不是，则方法200可以循环回到框205以继续处理。在框265中，设备生成输出的信号或通知，以指示检测到CI。在一个或更多个实施例中，响应于检测到CI，该设备能够向远程系统提供指示。例如，该设备能够基于所计算的信息向医疗保健提供者服务器提供消息或指示。
虽然在计算协方差的方面描述了以上描述，但是替代实施例可以使用其他相似性测量方法或不相似性测量方法，诸如相关性或距离函数。此外，结合图2描述的计算中的一个或更多个或每个可以是前后关联的。例如，由于用户的内分泌系统分泌的各种激素的昼夜节律，用户的CI在早晨与晚上可以不同。在这方面，所使用的CI阈值可以根据诸如早晨与晚上的情境而变化。
图3例示了用于CI检测的基线生成的示例。可以在各种不同时间中的任何时间执行基线生成，以便为了检测用户中的CI而建立一个或更多个基线。在一个或更多个实施例中，基线生成可以作为康复计划的执行或培训过程的一部分来执行。例如，可以要求用户执行一个或更多个任务、活动或练习。在此期间，可以生成或以其他方式确定基线325。所确定的基线可以存储在用户的设备中，以便以后进行比较。
如图所示，一个或更多个传感器305能够生成传感器数据310。如参考图1所讨论的，示例传感器305包括但不限于加速计、心率传感器、麦克风等。在一段时间内生成传感器数据310。因此，对于所描述的各种值和/或量，应当理解，传感器数据310包括这种数据的时间序列。传感器数据310可以存储在存储器(未示出)中。这样，处理器106可以访问(读取和/或写入)传感器数据310。
处理器106还能够接收用户的活动水平的估计(EAL)320。可以通过接收到的用户输入来提供EAL 320。如已经提到的，设备可以向用户查询EAL 320。在另一方面，EAL 320可以由用户或管理员响应于对用户的询问而被输入。如所讨论的，在一个或更多个实施例中，EAL 320是感觉劳累等级即RPE。
处理器106能够对传感器数据310和EAL 320进行操作以生成基线325。在图3的示例中，基线325包括基线心脏健康量度335和基线EAL 340。处理器106能够根据传感器数据310确定用户的心脏健康量度，所述传感器数据310由传感器在接收到EAL 320时或其前后产生。处理器106将确定的心脏健康量度与EAL 320相关联地存储为基线心脏健康量度335，作为基线325的一部分。当作为基线325的一部分存储时，心脏健康量度被称为“基线EAL”340。
在一个或更多个实施例中，基线心脏健康量度是HR。在一个或更多个其他实施例中，基线心脏健康量度是本文描述的一个或更多个协方差。在一个或更多个其他实施例中，基线心脏健康量度是HR和一个或更多个协方差中的一个或更多个或其组合。
在一个或更多个实施例中，处理器106能够在传感器数据310内确定基线HR 335的时间段内根据传感器数据310确定一个或更多个基线验证因子330。例如，如本文所定义的“验证因子”是根据传感器数据310确定的一个或更多个数据项，而不是用于确定基线心脏健康量度335的传感器数据的项，该传感器数据的项用于验证从用户接收到的EAL。可以理解的是，针对基线325确定基线验证因子330的时间和/或时间段与针对基线325确定基线HR335和基线EAL 340的时间和/或时间段相同。
包括基线验证因子的验证因子的一个示例是TA。指示用户消耗的能量的TA可以通过包括在传感器数据310中的加速计数据来测量。例如，可以如本文先前参考图2所述的内容来确定TA。处理器106对加速计数据进行操作以测量消耗的能量(例如，由用户执行的给定时间或一段时间内的工作量)。在一个或更多个实施例中，处理器106被配置为包括或读取用户的附加属性，诸如身高、体重和年龄，以便将用户消耗的能量更准确地计算为基线验证因子330。
包括基线验证因子的验证因子的另一示例是指示劳累的呼吸声音。呼吸声音可以指示表示困难水平的用户的劳累水平。麦克风生成包括在传感器数据310中的音频数据。处理器106对音频数据进行操作以为用户测量在给定时间或一段时间内用于劳累的呼吸指示。例如，处理器106能够检测音频数据内的呼吸声音(例如，呼吸、喘息、咳嗽等)并且确定呼吸声音的特征为基线验证因子330。可以针对不同的RPE分析呼吸声音以确定不同RPE的基线。
因此，基线验证因子330可以与基线心脏健康量度335和基线EAL 340一起存储在基线325内。通过将基线验证因子330存储为基线325的一部分，当稍后使用基线325用于评估用户的心脏健康的目的时，可以将新确定的验证因子与用于给定EAL和/或心脏健康量度的基线验证因子330进行比较。参考图4更详细地描述验证过程。
在图3的示例中，虽然示出了一个基线，但是应当理解，可以执行所描述的操作一个或更多额外的次数以便生成另外的基线。在一个示例中，可以针对活动水平或RPE的估计的一个或更多个或每个可能值生成基线。例如，参考表1，可以针对RPE从6到20的每个可能分数生成基线。
图4示出了检测CI的另一示例方法400。方法400可以由具有如本公开中描述的计算架构的设备或系统来执行。方法400可以在生成并存储如本文中参照图2和图3所述的一个或更多个基线的状态下开始。基线可供设备使用以检测CI。
在框405中，设备生成或接收传感器数据。如所提到的，在一个或更多个实施例中，设备收集传感器数据。在一个或更多个其他实施例中，传感器数据中的一个或更多个项或所有传感器数据可以从(多个)其他系统和/或(多个)设备生成，并且由执行方法400的设备读取或接收。在框410中，设备确定EAL。在一个或更多个实施例中，设备向用户查询EAL。设备接收指定EAL的用户输入。在一个或更多个其他实施例中，设备能够基于如前所述的呼吸声音来估计EAL。
在框415中，设备确定EAL是否在规定的范围内。如果是，则方法400继续到框420。如果不是，则方法400循环回到框405以继续处理。在一个或更多个实施例中，EAL必须在特定范围内以便检测CI。在一个示例中，范围是13或14的RPE。在那种情况下，如果EAL指定RPE为13或14，则方法400继续到框420。如果不是，则方法400循环回到框405以继续处理。
在框420中，设备基于在框410中确定的EAL来确定用户的基线心脏健康量度。例如，设备使用在框410中确定的EAL并在基线内定位匹配的基线EAL。例如，如参考图3所讨论的那样，每个基线均存储基线EAL。例如，如果块410的EAL是值为13的RPE，则设备查找具有RPE值为13的基线EAL的基线。例如，如果块410的EAL是值为14的RPE，则该设备查找具有RPE值为13的基线EAL的基线。出于讨论的目的，该设备能够使用在框410中确定的EAL作为基线EAL来查找基线325并且根据基线325确定基线心脏健康量度。如所指出的，在一个或更多个实施例中，基线心脏健康量度是HR，但可以是或包括所描述的协方差中的一个或更多个。
在框425中，设备能够根据传感器数据确定一个或更多个验证因子。可以在与框410中确定的EAL相对应的相同时间和/或相同时间段确定验证因子。例如，该设备能够根据加速计传感器数据确定活动水平的验证因子和/或根据音频传感器数据确定指示劳累的呼吸声音的特性。
在框430中，设备能够验证在框410中接收到的EAL。在一个或更多个实施例中，设备通过根据用于确定基线心脏健康量度的基线将在框425中确定的一个或更多个验证因子与对应的基线验证因子(例如，相同类型的验证因子)进行比较来验证框410的EAL。例如，设备可以将使用当前传感器数据在框425中确定的一个或更多个验证因子与基线325的存储的基线验证因子330进行比较。
作为说明性示例，设备可以通过确定在框425中确定的指示劳累的呼吸声音的特性在预定阈值内或匹配指示在基线验证因子330中指定的劳累的呼吸声音的基线特性来验证框410的EAL。作为另一说明性示例，设备可以通过确定在框425中确定的TA在基线验证因子330中指定的基线TA的预定阈值或量内来验证框410的EAL。
在又一说明性示例中，设备可以通过确定框425中确定的呼吸声音的特性与基线验证因子中指定的呼吸声音的特性相同或相似以及框425中确定的总活动在(多个)基线验证因子330中指定的基线总活动的预定阈值或量内来验证框410的EAL。
在一个或多个实施例中，在EAL根据呼吸声音自动确定的情况下，该设备可以利用除呼吸声音之外的验证因子来执行验证。
框430确保用户提供的EAL是一致的。在用户开始提供不一致的EAL的事件中，验证因子中的一个或更多个可能与基线验证因子不匹配。例如，在用户过高估计EAL的情况下，验证因子可能低于从基线325获得的基线验证因子，例如，低于预定阈值或量。
在任何情况下，如果EAL通过验证，则方法400可以继续到框440。如果EAL未被验证，则方法400可以进行到框435。在框435中，设备可以生成EAL未通过验证或验证未成功的消息或通知。在一个或更多个实施例中，在框435之后，方法400可以循环回到框405以继续处理。在一个或更多个其他实施例中，在框435之后，方法400可以继续到框440。例如，尽管EAL的验证不成功，方法400可以继续到框440以检测CI。在那种情况下，在检测到CI的情况下，在框455中指示检测到CI的信号可以进一步指示在检测到CI时，EAL的验证是不成功的。
在框440中，设备能够根据传感器数据确定用户的心脏健康量度。在一个实施例中，心脏健康量度是HR。该设备能够在与块420中接收到的EAL相同的时间或相同的时间段内根据传感器数据确定用户的HR。在一个或更多个其他实施例中，心脏健康量度是一个或更多个协方差和/或HR和一个或更多个协方差的组合。
在框445中，设备可选地从传感器数据中检测一个或更多个混淆因素并调整CI阈值。在一个或更多个实施例中，该设备能够从传感器数据中检测一个或更多个混淆因素。响应于检测到传感器数据中的混淆因素，设备调整CI阈值。在一个或更多个实施例中，CI阈值指定如在框440中确定的用户的HR必须距离框420的基线HR(例如，基线心脏健康量度)多远，以便设备检测CI。CI阈值可以表示为百分比、预定量等。
在一个示例中，该设备能够从传感器数据中检测到睡眠缺失的混淆因素。例如，该设备能够使用HR数据和加速计数据来测量用户的睡眠。该设备能够确定用户睡眠的时间量并将睡眠消耗的时间量与基线时间量(无论是对用户个人还是基于一个或更多个其他用户确定的通用基线)进行比较以为用户确定睡眠缺失。该设备能够确定表示为混淆因素的睡眠缺失的测量。
在另一示例中，该设备能够从传感器数据中检测到压力的混淆因素。例如，当处于压力下时，用户的ANS唤醒和效价通常位于环状情绪模型的第二象限中，这可以在HR和HR变异性(HRV)两者同时趋于下降的情况下通过HR和HR变异性(HRV)分析来确定。在一个实施例中，该设备能够使用HR和/或HRV来确定用户是否处于压力和/或压力量之下。例如，该设备能够基于用户的HR(例如，能量)和HRV(例如，情绪)同时低(例如，低于HR的基线和/或HRV的基线)和/或在至少最小时间量的(同时)保持低来确定用户是否受到压力以及压力量是否超过基线压力量。基线对于用户可以是特定的，或者可以通过一个或更多个不同用户来概括。例如，响应于确定HR和HRV都在至少最小时间量低，设备确定用户正在经受压力。压力的测量可以表示为混淆因子。
响应于检测到混淆因素中的一个或更多个，设备调整CI阈值。例如，设备增加CI阈值。在一个或更多个实施例中，设备针对检测到的每个混淆因素将CI阈值增加预定量或百分比。该设备还能够基于检测到的混合因素中的一个或更多个或每个的量来增加CI阈值。在一个或更多个其他实施例中，设备仅响应于确定对于确定基线HR不存在当在对应于在框410中接收到的EAL的时间或时间段检测到的该/每个混淆因素而增加CI阈值。
在一个或更多个其他实施例中，该设备能够考虑使用用户的近期劳累历史。作为说明性示例，如果相对于在足够接近于针对CI评估的时间段的先前时间段中用户的基线劳累水平，用户已经经受了显著的劳累，则用户可能疲倦。因此，尽管该给定情况的努力水平或时间段实际上不是很高，用户也可能指示高RPE。因此，在一个或更多个实施例中，该设备能够排除在阈值或预定量的较早时间段内发生的高于基线劳累水平的情况或在考虑CI检测下的高于基线劳累水平的情况。
在框450中，设备确定是否为用户检测到CI。在一个或更多个实施例中，设备将在框440中确定的HR与在框420中确定的基线HR进行比较。该设备能够确定HR是否在基线HR的CI阈值内。在一个示例中，CI阈值是基线HR的80％。如果HR在基线HR的阈值或预定量内，则设备不检测用户的CI。因此，方法400可以循环回到框405。如果HR不在基线HR的阈值或预定量内，则设备检测用户的CI。在那种情况下，方法400继续到框455。
在一些情况下，设备被配置为调整CI阈值。在一个或更多个实施例中，该装置能够测量运动后实现的HR储备部分。在这种情况下，如果用户以高于用户休息时的HR的HR开始，而不是使用休息时的HR开始，则设备可以计算通过使用仅在运动周期之前(在非活动期间)的HR实现的HR增加的部分。
在其他情况下，用户经历的HR增加可能受到压力、医疗状况和/或药物的影响。可以通过使用用事件和时间注释的用户的昼夜节律基线来确定这些影响。例如，昼夜节律基线可以指示诸如咖啡因和/或药物的摄入和次数的事件。可以自动检测压力。在一个或更多个实施例中，该设备能够从医疗提供者和/或医疗提供者系统接收指示压力、医疗状况和/或药物的数据。
在框455中，设备生成输出的信号或通知，其指示检测到CI。在一个或更多个实施例中，响应于检测CI，该设备能够向远程系统提供指示。例如，该设备能够基于所计算的信息向医疗保健提供者服务器提供消息或指示。
参考图2和图4，基于上述计算，诸如所描述的协方差的存在和/或缺乏和/或比较，该设备不仅能够检测CI，还能够检测或确定CI的改善。CI的改善可以是改善健康、降低死亡率和发病率的重要标志。相反，CI的恶化可能意味着更高的死亡率和发病率风险，因此需要护理人员进行额外和适当的临床关注。
在一个或更多个其他实施例中，可以包括额外的传感器以提供测量，该测量(如果可用的话)可以用作验证因子和/或用于检测混淆因素。例如，在可以使用脑电图(EEG)和/或心电图(ECG)数据来检测混淆因素的情况下。视觉图像和/或视频当可以从相机传感器获得时，可以用于帮助检测睡眠缺失。
在另一实施例中，本文描述的CI技术被实现为可穿戴设备和/或智能手机内的特征。在一方面，数据可以首先由医学专业人员验证，以验证或确保由设备执行的任何CI估计的准确性。医学专业人员可以是具有诊断和/或识别CI、心脏状况等的专业知识的医生或其他个人。例如，数据和/或CI估计可以由医院或其他医疗机构(其中医生/医疗专业人员使用临床敏锐度和/或任何相关测试)的医生验证。可以使用或沿用“估计质量”的量度来执行验证。在一个示例中，估计质量的量度可以在A+到D-的范围内，其中A+表示最可信和最稳健的估计。一旦用户获得估计，则下一步可以相应地解释关于包括由设备生成的任何警报的健康的任何反馈的重要性。专家使用估计质量的量表验证了心脏变时功能不全的指示。
在另一实施例中，“估计质量”可以推广到具有与用户的简档类似的简档的附加患者，例如，所有患者。例如，可以在设备的销售或可用之前在设备上编制相关指南。一旦患者的设备已经为患者收集了足够的数据，则基于用户的生物标记和历史简档，该设备能够相应地执行CI(或健康)解释。
本文使用的术语仅用于描述特定实施例的目的，而不是限制性的。尽管如此，现在将提出适用于本文件的若干定义。
如本文所定义的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文另有明确说明。
如本文所定义的，术语“另一”意指至少第二个或更多个。
如本文所定义的，术语“至少一个”、“一个或更多个”和“和/或”是开放式表达，除非另有明确说明，否则它们在操作中既是连接词又是反意连接词。例如，表达“A、B和C中的至少一个”、“A、B或C中的至少一个”、“A、B和C中的一个或更多个”、“A、B或C中的一个或更多个”和“A、B和/或C”中的每个意味着单独的A、单独的B、单独的C、A和B一起，A和C一起、B和C一起或A、B和C一起。
如本文所定义的，术语“自动地”意味着没有用户干预。
如本文所定义的，术语“计算机可读存储介质”意味着包括或存储程序代码以供指令执行系统、装置或设备使用或与其结合使用的存储介质。如本文所定义的，“计算机可读存储介质”本身不是暂时的传播信号。计算机可读存储介质可以是但不限于电子存储设备、磁存储设备、光学存储设备、电磁存储设备、半导体存储设备或前述的任何合适组合。如本文所述的，存储器和/或存储器元件是计算机可读存储介质的示例。计算机可读存储介质的更具体示例的非详尽列表可以包括：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、软盘等。
如本文所定义的，除非另有说明，否则术语“耦合”意指连接，无论是在没有任何中间元件的情况下的直接连接还是在有一个或更多个中间元件的情况下的间接连接。两个元件可以通过通信信道、路径、网络或系统机械地、电气地或通信地链接来耦合。
如本文所定义的，术语“包括”、“包括有”、包括”和/或“包括有”指定所述特征、整数、步骤、操作、元件和/或组件的存在，但是不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或其组。
如本文所定义的，术语“如果”意指“何时”或“在......的情况下”或“响应于”或“响应”，这取决于上下文。因此，短语“如果确定”或“如果检测到[所述条件或事件]”可以被解释为意指“在确定的情况下”或“响应于确定”或“在检测到[所述条件或事件]的情况下”或“响应于检测到[所述条件或事件]或“响应检测到[所述条件或事件]”，这取决于上下文。
如本文所定义的，术语“一个实施例”、“实施例”或类似语言意味着结合该实施例描述的特定特征、结构或特性包括在本公开中描述的至少一个实施例中。因此，贯穿本公开的短语“在一个实施例中”、“在实施例中”和类似语言的出现可以但不是必须全部指代相同的实施例。术语“实施例”和“布置”在本公开中可互换使用。
如本文所定义的，术语“输出”意味着存储在物理存储器元件(例如，设备)中、写入显示器或其他外围输出设备、发送或传输到另一系统、导出等。
如本文所定义的，术语“多个”意指两个或多于两个。
如本文所定义的，术语“处理器”意指至少一个硬件电路，其被配置为执行包括在程序代码中的指令。硬件电路可以是集成电路。处理器的示例包括但不限于中央处理单元(CPU)、阵列处理器、矢量处理器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、专用集成电路(ASIC)、可编程逻辑电路和控制器。
如本文所定义的，术语“实时”意指用户或系统感测到的对于进行的特定过程或确定的充分立即的或者使得处理器能够跟上某些外部过程的处理响应水平。
如本文所定义的，术语“响应于”意味着容易对动作或事件的响应或反应。因此，如果“响应于”第一动作执行第二动作，则在第一动作的发生与第二动作的发生之间存在因果关系。术语“响应于”表示因果关系。
如本文所定义，术语“用户”意指人。术语“用户”和“患者”在本公开中可以不时地互换使用。
本文可以使用术语第一、第二等来描述各种元件。这些元件不应当受这些术语的限制，因为这些术语仅用于将一个元件与另一个元件区分开，除非另有说明或上下文另有明确说明。
计算机程序产品可以包括计算机可读存储介质(或媒介)，其上具有计算机可读程序指令，用于使处理器执行本发明的各方面。在本公开中，术语“程序代码”与术语“计算机可读程序指令”可互换使用。本文描述的计算机可读程序指令可以经由网络从计算机可读存储介质或外部计算机或外部存储设备下载到相应的计算/处理设备，例如，因特网、LAN、WAN和/或无线网络。网络可以包括铜传输电缆、光学传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或包括边缘服务器的边缘设备。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本文描述的发明的布置的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令或源代码或以一种或更多种编程语言(包括面向对象的编程语言和/或过程编程语言)的任意组合编写的对象代码。计算机可读程序指令可以指定状态设置数据。计算机可读程序指令可以作为独立的软件包完全在用户的计算机上、部分在用户的计算机上、部分地在用户的计算机上和部分地在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络(包括LAN或WAN)连接到用户的计算机，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些情况下，包括例如可编程逻辑电路、FPGA或PLA的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以个性化电子电路，从而执行本文描述的发明的布置方面。
本文参考方法、装置(系统)和计算机程序产品的流程图图示和/或框图描述了本发明的布置的某些方面。应当理解，流程图图示和/或框图中的每个框以及流程图图示和/或框图中的框的组合可以由计算机可读程序指令(例如，程序代码)实现。
这些计算机可读程序指令可以被提供给计算机、专用计算机的处理器或其他可编程数据处理装置以产生机器，使得经由计算机的处理器或其他可编程数据执行的指令创建用于实现流程图和/或框图块中指定的功能/动作的装置。以这种方式，可操作地将处理器耦合到程序代码指令将处理器的机器变换成用于执行程序代码的指令的专用机器。这些计算机可读程序指令还可以存储在计算机可读存储介质中，该计算机可读存储介质可以指示计算机、可编程数据处理装置和/或其他设备以特定方式起作用，使得具有存储在其中的指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图块中指定的操作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现在流程图和/或框图块中指定的功能/动作。
附图中的流程图和框图例示了根据本发明的布置的各个方面的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这方面，流程图或框图中的每个框可以表示模块、分段或指令的一部分，其包括用于实现指定操作的一个或更多个可执行指令。在一些替代实施方式中，框中提到的操作可以不按图中所示的顺序发生。例如，连续示出的两个框可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还应注意，框图和/或流程图图示中的每个框以及框图和/或流程图图示中的框的组合可以由执行特定功能或动作的基于专用硬件的系统来实现，或执行专用硬件和计算机指令的组合。
可以在随附的权利要求中找到的所有装置或步骤加功能元件的相应结构、材料、动作和等同物旨在包括用于如具体要求保护的那样与其他要求保护的元件结合执行功能的任何结构、材料或动作。
对本文提供的实施例的描述是出于说明的目的，并非旨在穷举或限于所公开的形式和实施例。选择本文使用的术语来解释本发明的布置的原理、实际应用或对市场中发现的技术的技术改进，和/或使本领域的其他普通技术人员能够理解本文公开的实施例。在不脱离所描述的发明的布置的范围和精神的情况下，修改和变化对于本领域普通技术人员来说可能是显而易见的。因此，应当参考随附权利要求而不是前述公开内容，作为指示这些特征和实现的范围。

Claims (7)

1.一种用于检测心脏变时功能不全的装置，所述装置包括：
第一传感器，其被配置为生成第一传感器数据；
第二传感器，其被配置为生成第二传感器数据；
存储器，其被配置为存储所述第一传感器数据、所述第二传感器数据以及基线心脏健康量度；以及
处理器，其被耦合到所述存储器、所述第一传感器以及所述第二传感器，其中，所述处理器被配置为：
响应于接收到指定了用户的活动水平的估计的用户输入，从所述存储器确定所述装置的所述用户的基线心脏健康量度，其中，所述基线心脏健康量度包括所述用户的基线验证因子并且对应于所述用户的活动水平的估计；
从所述第一传感器生成的第一传感器数据中确定所述用户的验证因子，其中，所述第一传感器数据对应于与所述用户的活动水平的估计相同的时间段；
通过将所述验证因子与所述基线验证因子进行比较，根据所述验证因子来验证所述用户的活动水平的估计；
从所述第二传感器生成的对应于所述相同的时间段的第二传感器数据中确定所述用户的心脏健康量度；
比较所述用户的心脏健康量度与所述基线心脏健康量度；以及
基于所述用户的所述心脏健康量度与所述基线心脏健康量度的比较，提供指示检测到所述用户的心脏变时功能不全的信号。
2.根据权利要求1所述的装置，其中，所述处理器还被配置为：
在确定所述基线心脏健康量度之前，确定所述用户的活动水平的估计在活动水平的定义范围内。
3.根据权利要求1所述的装置，其中，所述第二传感器是心率传感器，并且所述心脏健康量度包括心率和通过使用心率计算出的协方差。
4.根据权利要求1所述的装置，其中，所述处理器还被配置为：
从包括至少所述第二传感器数据的传感器数据中自动确定混淆因素；以及
调整心脏变时功能不全阈值。
5.根据权利要求4所述的装置，其中，所述混淆因素是睡眠缺失或高压力中的至少一个。
6.根据权利要求1所述的装置，其中，所述第一传感器是加速度传感器，并且所述验证因子是所述用户消耗的能量或所述用户的呼吸声音中的至少一个。
7.一种计算机可读存储介质，其上存储有程序代码，所述程序代码可由处理器执行以进行用于检测心脏变时功能不全的操作，所述操作包括：
响应于接收到指定了用户的活动水平的估计的用户输入，从存储器确定所述用户的基线心脏健康量度，其中，所述基线心脏健康量度包括基线验证因子并且对应于所述用户的活动水平的估计；
从第一传感器生成的第一传感器数据中确定所述用户的验证因子，其中，所述第一传感器数据对应于与所述用户的活动水平的估计相同的时间段；
通过将所述验证因子与所述基线验证因子进行比较，根据所述验证因子来验证所述用户的活动水平的估计；
从第二传感器生成的对应于所述相同的时间段的第二传感器数据中确定所述用户的心脏健康量度，其中所述第一传感器和所述第二传感器耦合到所述处理器；
比较所述用户的心脏健康量度与所述基线心脏健康量度；以及
基于所述用户的所述心脏健康量度与所述基线心脏健康量度的比较，提供指示所述用户的心脏变时功能不全的信号。
CN201780013559.XA 2016-02-25 2017-02-24 用于检测心脏变时功能不全的装置和方法 Expired - Fee Related CN108697363B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662300024P 2016-02-25 2016-02-25
US62/300,024 2016-02-25
US15/296,689 US10420514B2 (en) 2016-02-25 2016-10-18 Detection of chronotropic incompetence
US15/296,689 2016-10-18
PCT/KR2017/002039 WO2017146512A1 (en) 2016-02-25 2017-02-24 Apparatus and method for detection of chronotropic incompetence

Publications (2)

Publication Number Publication Date
CN108697363A CN108697363A (zh) 2018-10-23
CN108697363B true CN108697363B (zh) 2021-07-02

Family

ID=59679112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780013559.XA Expired - Fee Related CN108697363B (zh) 2016-02-25 2017-02-24 用于检测心脏变时功能不全的装置和方法

Country Status (5)

Country Link
US (1) US10420514B2 (zh)
EP (1) EP3402398A4 (zh)
KR (1) KR102671147B1 (zh)
CN (1) CN108697363B (zh)
WO (1) WO2017146512A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10362998B2 (en) 2016-02-25 2019-07-30 Samsung Electronics Co., Ltd. Sensor-based detection of changes in health and ventilation threshold
US11164596B2 (en) 2016-02-25 2021-11-02 Samsung Electronics Co., Ltd. Sensor assisted evaluation of health and rehabilitation
US10172517B2 (en) 2016-02-25 2019-01-08 Samsung Electronics Co., Ltd Image-analysis for assessing heart failure
CN114300134A (zh) * 2021-12-14 2022-04-08 中南大学 用户健康情况的检测方法、装置、终端及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080004668A1 (en) * 2004-08-09 2008-01-03 Cardiac Pacemakers, Inc. Cardiopulmonary functional status assessment via heart rate response dectection by implantable cardiac device
US7948373B2 (en) * 2006-11-30 2011-05-24 International Business Machines Corporation Method for reducing power consumption of sensors
US20110270049A1 (en) * 2009-10-22 2011-11-03 Corventis, Inc. Method and Apparatus for Remote Detection and Monitoring of Functional Chronotropic Incompetence
CN104840191A (zh) * 2015-04-30 2015-08-19 吴健康 测试心脏运动功能的设备、系统和方法
CN105054951A (zh) * 2015-08-11 2015-11-18 西安科技大学 一种基于眨眼频率识别的疲劳驾驶脑电监测方法

Family Cites Families (151)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5410472A (en) 1989-03-06 1995-04-25 Ergometrx Corporation Method for conditioning or rehabilitating using a prescribed exercise program
US5144949A (en) 1991-03-15 1992-09-08 Medtronic, Inc. Dual chamber rate responsive pacemaker with automatic mode switching
US7624028B1 (en) 1992-11-17 2009-11-24 Health Hero Network, Inc. Remote health monitoring and maintenance system
US6077222A (en) 1997-10-28 2000-06-20 Alere Incorporated Method and device for detecting edema
DE19822412B4 (de) 1998-05-19 2008-06-05 Deutsche Telekom Ag System zur Überwachung von Atemschutzgeräteträgern
US6190324B1 (en) 1999-04-28 2001-02-20 Medtronic, Inc. Implantable medical device for tracking patient cardiac status
GB9912267D0 (en) 1999-05-27 1999-07-28 Smith & Nephew Rehabilitation device
US9248306B2 (en) 1999-09-30 2016-02-02 Physio-Control, Inc. Pulse detection apparatus, software, and methods using patient physiological signals
KR20000006830A (ko) 1999-10-28 2000-02-07 이언호 건강 측정장치 및 그 방법
US7234937B2 (en) 1999-11-30 2007-06-26 Orametrix, Inc. Unified workstation for virtual craniofacial diagnosis, treatment planning and therapeutics
US7818185B2 (en) 2000-06-02 2010-10-19 Qualitymetric Incorporated Method, system and medium for assessing the impact of various ailments on health related quality of life
US20060122474A1 (en) 2000-06-16 2006-06-08 Bodymedia, Inc. Apparatus for monitoring health, wellness and fitness
GB0021327D0 (en) 2000-08-31 2000-10-18 Smith & Nephew Rehabilitation device
SE0003480D0 (sv) 2000-09-27 2000-09-27 St Jude Medical Implantable heart stimulator
US6540674B2 (en) 2000-12-29 2003-04-01 Ibm Corporation System and method for supervising people with mental disorders
JP2003224674A (ja) 2002-01-30 2003-08-08 Nec Infrontia Corp 携帯電話端末による健康管理サービスシステム
US7983759B2 (en) 2002-12-18 2011-07-19 Cardiac Pacemakers, Inc. Advanced patient management for reporting multiple health-related parameters
US7050854B2 (en) 2002-06-24 2006-05-23 Cardiac Pacemakers, Inc. Calibration of adaptive-rate pacing using intrinsic chronotropic response
US6904311B2 (en) 2002-12-19 2005-06-07 Cardiac Pacemakers, Inc. Method of determining and documenting cessation of life using evoked response
US20070159926A1 (en) 2003-04-17 2007-07-12 Nike, Inc. Adaptive Watch
KR100545772B1 (ko) 2003-06-04 2006-01-24 김양수 비접촉 방식의 최대산소섭취량 산출에 의한 체력수준의평가와 맞춤운동 처방을 제공하는 시스템 및 그 방법
US20050070809A1 (en) 2003-09-29 2005-03-31 Acres John F. System for regulating exercise and exercise network
ZA200608191B (en) 2004-04-01 2008-07-30 William C Torch Biosensors, communicators, and controllers monitoring eye movement and methods for using them
US7494450B2 (en) 2004-05-14 2009-02-24 Solomon Richard D Variable unweighting and resistance training and stretching apparatus for use with a cardiovascular or other exercise device
US7142920B2 (en) 2004-05-25 2006-11-28 Cardiac Pacemakers, Inc. Chronotropic status monitor for implantable cardiac device
EP1758499B1 (en) 2004-06-15 2013-12-25 Philips Intellectual Property & Standards GmbH Sensors for acquiring physiological signals of a patient
US7389143B2 (en) 2004-08-12 2008-06-17 Cardiac Pacemakers, Inc. Cardiopulmonary functional status assessment via metabolic response detection by implantable cardiac device
US9078619B2 (en) 2004-12-28 2015-07-14 Hypermed Imaging, Inc. Hyperspectral/multispectral imaging in determination, assessment and monitoring of systemic physiology and shock
KR20060092557A (ko) 2005-02-18 2006-08-23 (주)씨텍메디칼 팔 부착형 생체계측기를 이용한 운동모니터링 시스템
CA2604829C (en) 2005-04-04 2018-05-15 Hypermed, Inc. Hyperspectral imaging in diabetes and peripheral vascular disease
US8064610B2 (en) 2005-06-29 2011-11-22 The General Electric Company Ambient noise canceling physiological acoustic monitoring system and method
KR100738074B1 (ko) 2005-07-16 2007-07-10 삼성전자주식회사 건강관리장치 및 방법
US7685000B1 (en) 2005-08-10 2010-03-23 Matria Healthcare, Inc. Predictive modeling system and method for disease management
US7957796B2 (en) 2005-10-28 2011-06-07 Cyberonics, Inc. Using physiological sensor data with an implantable medical device
US8388532B2 (en) 2005-12-22 2013-03-05 Lachesis Biosciences Pty Ltd Home diagnostic system
US7674226B2 (en) 2006-01-27 2010-03-09 Gary Nadeau Method for enhanced performance training
US8956290B2 (en) 2006-09-21 2015-02-17 Apple Inc. Lifestyle companion system
US8924248B2 (en) 2006-09-26 2014-12-30 Fitbit, Inc. System and method for activating a device based on a record of physical activity
US8406879B2 (en) 2006-12-20 2013-03-26 Cardiac Pacemakers, Inc. Rate adaptive cardiac pacing systems and methods
US9533113B2 (en) 2007-01-04 2017-01-03 Oridion Medical 1987 Ltd. Integrated pulmonary index for weaning from mechanical ventilation
EP2750098A3 (en) 2007-02-16 2014-08-06 BodyMedia, Inc. Systems and methods for understanding and applying the physiological and contextual life patterns of an individual or set of individuals
CA2678093C (en) 2007-02-26 2017-10-24 Jon Lundberg Performance enhancing composition and use thereof
EP2164388B1 (en) 2007-06-08 2020-10-21 Sonomedical Pty Ltd. Passive monitoring sensor system for use with mattress
US8140154B2 (en) 2007-06-13 2012-03-20 Zoll Medical Corporation Wearable medical treatment device
US9028258B2 (en) 2007-08-15 2015-05-12 Bright Cloud International Corp. Combined cognitive and physical therapy
WO2009036333A1 (en) 2007-09-14 2009-03-19 Corventis, Inc. Dynamic pairing of patients to data collection gateways
JP5180326B2 (ja) 2008-03-13 2013-04-10 カーディアック ペースメイカーズ， インコーポレイテッド 自律神経系の緊張度を調整する医療システム
US20090271347A1 (en) 2008-04-24 2009-10-29 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Methods and systems for monitoring bioactive agent use
US8876688B2 (en) 2008-04-24 2014-11-04 The Invention Science Fund I, Llc Combination treatment modification methods and systems
WO2009147279A1 (en) 2008-06-02 2009-12-10 Polar Electro Oy Method and apparatus in connection with exercise
US8118712B2 (en) 2008-06-13 2012-02-21 Gil Thieberger Methods and systems for computerized talk test
WO2010111767A1 (en) 2009-03-11 2010-10-07 Mytrak Health System Inc. Ergonomic/physiotherapy programme monitoring system and method of using same
US8660625B2 (en) 2008-07-15 2014-02-25 Covidien Lp Signal processing systems and methods for analyzing multiparameter spaces to determine physiological states
US8048000B2 (en) 2008-08-25 2011-11-01 Stmicroelectronics, Inc. Patient weight and ankle displacement correlation device
AU2009302272B2 (en) 2008-10-10 2013-02-07 Cardiac Pacemakers, Inc. Multi-sensor strategy for heart failure patient management
US8615290B2 (en) 2008-11-05 2013-12-24 Apple Inc. Seamlessly embedded heart rate monitor
EP2348993B1 (en) 2008-11-17 2016-06-08 University Health Network Method and apparatus for monitoring breathing cycle by frequency analysis of an acoustic data stream
WO2010108092A2 (en) 2009-03-19 2010-09-23 Phenotypeit, Inc. Medical health information system
US9002427B2 (en) 2009-03-30 2015-04-07 Lifewave Biomedical, Inc. Apparatus and method for continuous noninvasive measurement of respiratory function and events
US8200323B2 (en) 2009-05-18 2012-06-12 Adidas Ag Program products, methods, and systems for providing fitness monitoring services
US8105208B2 (en) 2009-05-18 2012-01-31 Adidas Ag Portable fitness monitoring systems with displays and applications thereof
ES2548508T3 (es) 2009-05-27 2015-10-19 Biotempus Limited Métodos de tratamiento de enfermedades
US8622922B2 (en) 2009-09-14 2014-01-07 Sotera Wireless, Inc. Body-worn monitor for measuring respiration rate
US9220440B2 (en) 2009-09-21 2015-12-29 Nellcor Puritan Bennett Ireland Determining a characteristic respiration rate
US9420971B2 (en) 2009-10-24 2016-08-23 Carrot Sense, Inc. Extracorporeal devices and methods for facilitating cessation of undesired behaviors
US9665873B2 (en) 2010-02-24 2017-05-30 Performance Lab Technologies Limited Automated physical activity classification
CN102822832A (zh) 2010-03-31 2012-12-12 皇家飞利浦电子股份有限公司 用于优化问卷的方法和系统
US8965498B2 (en) 2010-04-05 2015-02-24 Corventis, Inc. Method and apparatus for personalized physiologic parameters
WO2011153127A1 (en) 2010-06-01 2011-12-08 Cardiac Pacemakers, Inc. Integrating sensors and biomarker assays to detect worsening heart failure
US9204836B2 (en) 2010-06-07 2015-12-08 Affectiva, Inc. Sporadic collection of mobile affect data
US8442835B2 (en) 2010-06-17 2013-05-14 At&T Intellectual Property I, L.P. Methods, systems, and products for measuring health
US20120109243A1 (en) 2010-10-28 2012-05-03 Medtronic, Inc. Heart failure monitoring and notification
US9081889B2 (en) 2010-11-10 2015-07-14 Apple Inc. Supporting the monitoring of a physical activity
US9132275B2 (en) 2010-11-18 2015-09-15 Cardiac Pacemakers, Inc. Automatic determination of chronotropic incompetence using atrial pacing at rest
US10893824B2 (en) 2010-12-20 2021-01-19 Cardiac Pacemakers, Inc. Heart failure detection with a sequential classifier
US8475367B1 (en) 2011-01-09 2013-07-02 Fitbit, Inc. Biometric monitoring device having a body weight sensor, and methods of operating same
US9265477B2 (en) 2011-02-17 2016-02-23 Sharp Laboratories Of America, Inc. Adaptive lightweight acoustic signal classification for physiological monitoring
US10542887B2 (en) 2011-04-01 2020-01-28 Medtronic, Inc. Heart failure monitoring
CA2773575C (en) 2011-04-04 2019-03-12 Mark Andrew Hanson Medication management and reporting technology
US20120259649A1 (en) 2011-04-07 2012-10-11 Full Recovery, Inc. Systems and methods for remote monitoring, management and optimization of physical therapy treatment
RU2462985C1 (ru) 2011-06-23 2012-10-10 Римма Абдуловна Ишмакова Способ прогнозирования тяжести течения ишемической болезни сердца
KR20130010207A (ko) 2011-07-18 2013-01-28 주식회사 라이프사이언스테크놀로지 무구속 무자각 생체신호 획득을 통한 워치타입 건강상태 분석시스템
US9801552B2 (en) 2011-08-02 2017-10-31 Valencell, Inc. Systems and methods for variable filter adjustment by heart rate metric feedback
JP5553805B2 (ja) 2011-08-17 2014-07-16 株式会社Ｎｔｔドコモ 通信端末及び警報情報取得方法
WO2013036853A2 (en) 2011-09-09 2013-03-14 Discus Investments, Llc Medical information systems and medical data processing methods
US8719214B2 (en) 2011-09-23 2014-05-06 Fujitsu Limited Combining medical binary decision diagrams for analysis optimization
US20130092165A1 (en) 2011-09-26 2013-04-18 Anthony David Wondka Nasal Ventilation Cannula System and Methods
US9020185B2 (en) 2011-09-28 2015-04-28 Xerox Corporation Systems and methods for non-contact heart rate sensing
US8818505B2 (en) 2011-09-28 2014-08-26 Medtronic, Inc. Physiological perturbations for measuring heart failure
US9974466B2 (en) 2011-10-17 2018-05-22 Atlas5D, Inc. Method and apparatus for detecting change in health status
WO2013070952A1 (en) 2011-11-09 2013-05-16 Cedars-Sinai Medical Center Transcription factor-based generation of pacemaker cells and methods of using same
US8803690B2 (en) 2012-01-06 2014-08-12 Panasonic Corporation Of North America Context dependent application/event activation for people with various cognitive ability levels
US9560980B2 (en) 2012-01-31 2017-02-07 Medtronic, Inc. Automatic selection of electrode vectors for assessing risk of heart failure decompensation events
EP2811907A4 (en) 2012-02-09 2015-07-08 Anthrotronix Inc PERFORMANCE ASSESSMENT INSTRUMENT
US9185353B2 (en) 2012-02-21 2015-11-10 Xerox Corporation Removing environment factors from signals generated from video images captured for biomedical measurements
US9171196B2 (en) 2012-03-09 2015-10-27 Xerox Corporation Multi-band infrared camera system optimized for skin detection
US20140107500A1 (en) 2012-03-14 2014-04-17 Breathresearch Methods and apparatus to determine ventilatory and respiratory compensation thresholds
US8838224B2 (en) 2012-03-30 2014-09-16 General Electric Company Method, apparatus and computer program product for predicting ventricular tachyarrhythmias
WO2013163090A1 (en) 2012-04-23 2013-10-31 Sackett Solutions & Innovations, LLC Cognitive biometric systems to monitor emotions and stress
US8897522B2 (en) 2012-05-30 2014-11-25 Xerox Corporation Processing a video for vascular pattern detection and cardiac function analysis
US9814438B2 (en) 2012-06-18 2017-11-14 Breath Research, Inc. Methods and apparatus for performing dynamic respiratory classification and tracking
US20140006041A1 (en) 2012-06-29 2014-01-02 Carefusion 207, Inc. Tracking ventilator information for reporting a ventilator-associated event
US9579048B2 (en) 2012-07-30 2017-02-28 Treefrog Developments, Inc Activity monitoring system with haptic feedback
US9027552B2 (en) 2012-07-31 2015-05-12 Covidien Lp Ventilator-initiated prompt or setting regarding detection of asynchrony during ventilation
WO2014028888A2 (en) 2012-08-16 2014-02-20 Ginger.io, Inc. Method for modeling behavior and health changes
US10068060B2 (en) 2012-08-16 2018-09-04 Ginger.io, Inc. Method for modeling behavior and psychotic disorders
US10068670B2 (en) 2012-08-16 2018-09-04 Ginger.io, Inc. Method for modeling behavior and depression state
US10102341B2 (en) 2012-08-16 2018-10-16 Ginger.io, Inc. Method for managing patient quality of life
US20140051941A1 (en) 2012-08-17 2014-02-20 Rare Light, Inc. Obtaining physiological measurements using a portable device
US9035778B2 (en) 2012-08-24 2015-05-19 Life Detection Systems, Inc. Monitoring vital signs based on sensed changes to an electrical field
DE102012016816B4 (de) 2012-08-24 2021-02-04 Testo SE & Co. KGaA Gassensor
US9232894B2 (en) 2012-08-27 2016-01-12 Koninklijke Philips N.V. Remote patient management system
US20140081432A1 (en) 2012-09-12 2014-03-20 Rhode Island Hospital Method and Apparatus for Rehabilitation Using Adapted Video Games
US20150213217A1 (en) 2012-09-13 2015-07-30 Parkland Center For Clinical Innovation Holistic hospital patient care and management system and method for telemedicine
US20140172442A1 (en) 2012-10-03 2014-06-19 Jeff Broderick Systems and Methods to Assess Clinical Status and Response to Drug Therapy and Exercise
US20140100822A1 (en) 2012-10-09 2014-04-10 Tektronix, Inc. Multi-signal covariance and correlation processing on a test and measurement instrument
US9754015B2 (en) 2012-11-26 2017-09-05 Excalibur Ip, Llc Feature rich view of an entity subgraph
US9865176B2 (en) 2012-12-07 2018-01-09 Koninklijke Philips N.V. Health monitoring system
US9098991B2 (en) 2013-01-15 2015-08-04 Fitbit, Inc. Portable monitoring devices and methods of operating the same
US9026053B2 (en) 2013-02-17 2015-05-05 Fitbit, Inc. System and method for wireless device pairing
CA2903967A1 (en) 2013-03-04 2014-09-12 3M Innovative Properties Company Nonwoven abrasive article containing formed abrasive particles
US8864628B2 (en) 2013-03-12 2014-10-21 Robert B. Boyette Rehabilitation device and method
US20140267668A1 (en) 2013-03-15 2014-09-18 Lumetrics, Inc. Portable fundus camera
US9579457B2 (en) 2013-03-15 2017-02-28 Flint Hills Scientific, L.L.C. Method, apparatus and system for automatic treatment of pain
CN105051799A (zh) 2013-03-22 2015-11-11 皇家飞利浦有限公司 用于检测跌倒的方法和跌倒检测器
GB201310523D0 (en) 2013-06-13 2013-07-24 Biogaming Ltd Personal digital trainer for physio-therapeutic and rehabilitative video games
US8922366B1 (en) 2013-06-28 2014-12-30 Google Inc. Reader communication with contact lens sensors and display device
US9107644B2 (en) 2013-07-05 2015-08-18 James Tyler Frix Continuous transdermal monitoring system and method
US9924870B2 (en) 2013-07-26 2018-03-27 Tata Consultancy Services Limited Monitoring physiological parameters
CN105451648A (zh) 2013-08-05 2016-03-30 心脏起搏器股份公司 基于浅快呼吸指数检测心力衰竭的恶化的系统和方法
WO2015051085A2 (en) 2013-10-02 2015-04-09 The Board Of Trustees Of The University Of Illinois Organ mounted electronics
US20150099952A1 (en) 2013-10-04 2015-04-09 Covidien Lp Apparatus, systems, and methods for cardiopulmonary monitoring
TW201521832A (zh) 2013-12-13 2015-06-16 先進醫照股份有限公司 引導式間歇有氧運動系統及方法
US9135347B2 (en) 2013-12-18 2015-09-15 Assess2Perform, LLC Exercise tracking and analysis systems and related methods of use
WO2015142781A1 (en) 2014-03-21 2015-09-24 Rmg, Inc. Mobile based exercise and rehabilitation
KR20150116641A (ko) 2014-04-08 2015-10-16 한국과학기술연구원 이미지 인식 장치, 그것의 이미지 인식 방법 및 얼굴 이미지 생성 방법
US10898075B2 (en) 2014-04-25 2021-01-26 Halo Wearables, Llc Wearable stress-testing device
KR101599129B1 (ko) 2014-05-20 2016-03-02 박현준 내시경 상 보이는 병변의 크기 측정 방법 및 컴퓨터 판독 가능한 기록매체
WO2016049425A1 (en) 2014-09-26 2016-03-31 Physiowave. Inc. Physiological assessment scale
US10874340B2 (en) 2014-07-24 2020-12-29 Sackett Solutions & Innovations, LLC Real time biometric recording, information analytics and monitoring systems for behavioral health management
US20160045168A1 (en) 2014-08-12 2016-02-18 Allscripts Software, Llc Early warning score methodologies
CN109599161B (zh) 2014-09-02 2023-09-29 苹果公司 身体活动和健身监视器
DK3197354T3 (da) 2014-09-25 2019-10-07 Aseptika Ltd Medicinsk anordning
US9946297B2 (en) 2014-09-30 2018-04-17 Apple Inc. Auxiliary electronic device attachable to a wearable electronic device
KR20160139219A (ko) 2015-05-27 2016-12-07 삼성전자주식회사 운동 자각도를 기초로 최대 운동 수준에서의 사용자의 생리 지표를 추정하는 방법 및 장치
KR102403364B1 (ko) 2015-06-04 2022-05-30 삼성전자주식회사 피드백에 기초하여 운동 프로그램을 제공하는 방법 및 장치
US20170249437A1 (en) 2016-02-25 2017-08-31 Samsung Electronics Co., Ltd. Sensor assisted depression detection
US10362998B2 (en) 2016-02-25 2019-07-30 Samsung Electronics Co., Ltd. Sensor-based detection of changes in health and ventilation threshold
US10172517B2 (en) 2016-02-25 2019-01-08 Samsung Electronics Co., Ltd Image-analysis for assessing heart failure
US11164596B2 (en) 2016-02-25 2021-11-02 Samsung Electronics Co., Ltd. Sensor assisted evaluation of health and rehabilitation
KR102558738B1 (ko) 2016-04-04 2023-07-24 삼성전자주식회사 심폐 체력을 평가하는 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080004668A1 (en) * 2004-08-09 2008-01-03 Cardiac Pacemakers, Inc. Cardiopulmonary functional status assessment via heart rate response dectection by implantable cardiac device
US7948373B2 (en) * 2006-11-30 2011-05-24 International Business Machines Corporation Method for reducing power consumption of sensors
US20110270049A1 (en) * 2009-10-22 2011-11-03 Corventis, Inc. Method and Apparatus for Remote Detection and Monitoring of Functional Chronotropic Incompetence
US20140371604A1 (en) * 2009-10-22 2014-12-18 Corventis, Inc. Method and apparatus for remote detection and monitoring of functional chronotropic incompetence
CN104840191A (zh) * 2015-04-30 2015-08-19 吴健康 测试心脏运动功能的设备、系统和方法
CN105054951A (zh) * 2015-08-11 2015-11-18 西安科技大学 一种基于眨眼频率识别的疲劳驾驶脑电监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Chronotropic Incompetence in Persons With Down Syndrome;Myriam Guerra等;《ARCHIVES OF PHYSICAL MEDICINE AND REHABILITATION》;20031130;第84卷(第11期);第1604-1608页 *

Also Published As

Publication number Publication date
US10420514B2 (en) 2019-09-24
CN108697363A (zh) 2018-10-23
EP3402398A1 (en) 2018-11-21
KR102671147B1 (ko) 2024-05-31
WO2017146512A1 (en) 2017-08-31
EP3402398A4 (en) 2019-03-06
US20170245805A1 (en) 2017-08-31
KR20180109867A (ko) 2018-10-08

Similar Documents

Publication Publication Date Title
CN108778097B (zh) 用于评估心力衰竭的装置和方法
Baron et al. Feeling validated yet? A scoping review of the use of consumer-targeted wearable and mobile technology to measure and improve sleep
CN105530858B (zh) 用于估计人员的心血管健康的系统和方法
US10362998B2 (en) Sensor-based detection of changes in health and ventilation threshold
US10321871B2 (en) Determining sleep stages and sleep events using sensor data
Ellis et al. A validated smartphone-based assessment of gait and gait variability in Parkinson’s disease
US9848823B2 (en) Context-aware heart rate estimation
US20190298264A1 (en) Method for monitoring respiration
Behar et al. SleepAp: an automated obstructive sleep apnoea screening application for smartphones
CN107209807B (zh) 疼痛管理可穿戴设备
CN108697363B (zh) 用于检测心脏变时功能不全的装置和方法
US11617545B2 (en) Methods and systems for adaptable presentation of sensor data
US20180338733A1 (en) Determining a health status for a user
US20230248320A1 (en) Detection of User Temperature and Assessment of Physiological Symptoms with Respiratory Diseases
Zhu et al. Validating an iOS-based rhythmic auditory cueing evaluation (iRACE) for Parkinson's disease
US10390772B1 (en) Scale-based on-demand care system
US11766215B2 (en) Detection and response to arousal activations
WO2023053176A1 (ja) 学習装置、行動推薦装置、学習方法、行動推薦方法及び記憶媒体
WO2024132848A1 (en) Selectively repurposing consumer device 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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210702