CN109152539B - 用于生理特征推导的系统和方法 - Google Patents
用于生理特征推导的系统和方法 Download PDFInfo
- Publication number
- CN109152539B CN109152539B CN201780020746.0A CN201780020746A CN109152539B CN 109152539 B CN109152539 B CN 109152539B CN 201780020746 A CN201780020746 A CN 201780020746A CN 109152539 B CN109152539 B CN 109152539B
- Authority
- CN
- China
- Prior art keywords
- subject
- signal
- information
- signals
- blood pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009795 derivation Methods 0.000 title claims description 7
- 238000000034 method Methods 0.000 title abstract description 108
- 230000036772 blood pressure Effects 0.000 claims abstract description 95
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 71
- 230000015654 memory Effects 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 39
- 239000008280 blood Substances 0.000 claims description 34
- 210000004369 blood Anatomy 0.000 claims description 34
- 230000003287 optical effect Effects 0.000 claims description 21
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 19
- 229910052760 oxygen Inorganic materials 0.000 claims description 19
- 239000001301 oxygen Substances 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 10
- 238000009530 blood pressure measurement Methods 0.000 claims description 6
- 238000002790 cross-validation Methods 0.000 claims description 4
- 230000000747 cardiac effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 22
- 238000005259 measurement Methods 0.000 description 76
- 238000003860 storage Methods 0.000 description 50
- 230000008569 process Effects 0.000 description 39
- 238000007781 pre-processing Methods 0.000 description 37
- 238000004891 communication Methods 0.000 description 35
- 238000004364 calculation method Methods 0.000 description 23
- 230000035487 diastolic blood pressure Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 23
- 230000035488 systolic blood pressure Effects 0.000 description 22
- 230000007613 environmental effect Effects 0.000 description 19
- 230000036541 health Effects 0.000 description 19
- 238000012986 modification Methods 0.000 description 18
- 230000004048 modification Effects 0.000 description 18
- 230000002093 peripheral effect Effects 0.000 description 18
- 238000001914 filtration Methods 0.000 description 15
- 238000012937 correction Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 12
- 230000002526 effect on cardiovascular system Effects 0.000 description 12
- 238000012806 monitoring device Methods 0.000 description 12
- 230000005855 radiation Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 239000003814 drug Substances 0.000 description 7
- 229940079593 drug Drugs 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000000386 athletic effect Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 5
- 230000004087 circulation Effects 0.000 description 5
- 230000037213 diet Effects 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000036760 body temperature Effects 0.000 description 4
- 230000002996 emotional effect Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000035790 physiological processes and functions Effects 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 208000004262 Food Hypersensitivity Diseases 0.000 description 3
- 208000035211 Heart Murmurs Diseases 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 3
- 235000020932 food allergy Nutrition 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000006213 oxygenation reaction Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 206010013700 Drug hypersensitivity Diseases 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000002555 auscultation Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000005792 cardiovascular activity Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000955 prescription drug Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010016946 Food allergy Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000002083 X-ray spectrum Methods 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02141—Details of apparatus construction, e.g. pump units or housings therefor, cuff pressurising systems, arrangements of fluid conduits or circuits
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
- A61B5/0225—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers the pressure being controlled by electric signals, e.g. derived from Korotkoff sounds
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
- A61B5/0225—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers the pressure being controlled by electric signals, e.g. derived from Korotkoff sounds
- A61B5/02255—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers the pressure being controlled by electric signals, e.g. derived from Korotkoff sounds the pressure being controlled by plethysmographic signals, e.g. derived from optical sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/103—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
- A61B5/1102—Ballistocardiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- 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]
-
- 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
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- 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
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
- A61B2560/0228—Operational features of calibration, e.g. protocols for calibrating sensors using calibration standards
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/026—Measuring blood flow
-
- 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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
Abstract
本申请涉及用于基于生理特征和个性化模型来计算、估计或监测对象的血压的设备、方法和系统。当执行指令时,至少一个处理器可以执行以下操作的一个或以上。可以接收表示与对象的心脏活动有关的脉搏的第一信号。可以接收表示对象的脉搏上的时变信息的至少两个第二信号。可以为对象指定个性化模型。可以基于至少两个第二信号确定对象的有效的生理特征。可以基于有效的生理特征和为对象指定的模型计算对象的血压。
Description
交叉引用
本申请要求于2016年3月28日提交的申请号为PCT/CN2016/077469的国际申请的优先权,其中的每个申请通过引用结合于此。
技术领域
本申请一般涉及适用于医疗保健相关领域的个性化系统和方法。更具体地,本申请涉及用于生理特征推导和血压监测的系统和方法。
背景技术
传统的血压测量系统,也称为血压计,基于外部压力与动脉脉动量的大小的关系来采用柯氏音或示波法来确定血压。近年来,已经使用从放置在对象的手指上的光电传感器获得的脉搏信号开发了技术,以推导生理特征并估计血压。利用这种技术的系统可以是便携式的并且连续地监测对象的血压。多个生理特征的连续监测可以有益于例如高血压管理和心血管风险预测。
发明内容
在本申请的第一方面,提供了一种设备。所述设备包括存储指令的存储器以及至少一个处理器,所述至少一个处理器执行所述指令以实施以下操作,包括:接收表示与对象的心脏活动有关的脉搏的第一信号;接收表示所述对象的脉搏上的时变信息的至少两个第二信号;为所述对象指定个性化模型;基于所述至少两个第二信号确定所述对象的有效的生理特征;以及基于所述有效的生理特征和为所述对象指定的所述模型,计算所述对象的血压。
上述提供的所述设备中,所述接收所述至少两个第二信号,包括与一个或以上第二传感器通信。
进一步,上述提供的所述设备中,所述第一传感器包括至少两个电极,以及所述一个或以上第二传感器中的一个包括光电传感器。
进一步,上述提供的所述设备中,所述第一信号或所述第二信号包括光信号或电信号。
进一步,在上述提供的所述设备中,有效的生理特征是基于赤池信息量准则(AIC)获得的。
进一步,上述提供的所述设备中,所述第一信号或所述第二信号包括心电图波形,血管容积图波形或心冲击描记图波形。
进一步,上述提供的所述设备进一步包括或被配置为与基于袖口的血压监测仪通信。
进一步,上述提供的所述设备中,所述基于袖口的血压监测仪被配置为协调血压测量与所述接收所述第一信号或所述接收所述至少两个第二信号。
在本申请的第二方面,提供了一种方法。所述方法包括:接收表示与对象的心脏活动有关的脉搏的第一信号;接收表示所述对象的脉搏上的时变信息的至少两个第二信号;为所述对象指定个性化模型;基于所述至少两个第二信号确定所述对象的有效的生理特征;以及基于所述有效的生理特征和为所述对象指定的所述模型,计算所述对象的血压。
进一步,上述提供的所述方法进一步包括在所述对象的所述身体的第一位置获取所述第一信号。
进一步,上述提供的所述方法进一步包括在所述对象的所述身体的第二位置获取所述第二信号。
进一步,上述提供的所述方法中,所述第一信号或所述至少两个第二信号中的至少一个包括光信号或电信号。
进一步,上述提供的所述方法中,所述有效的生理特征是基于赤池信息量准则(AIC)获得的。
进一步,上述提供的所述方法中,所述第一信号或所述第二信号是实时或在第一时间间隔获得的。
进一步,上述提供的所述方法中,所述校准数据组是在第二时间间隔获得的。
在本申请的第三方面,提供了一种系统。所述系统包括第一获取模块被配置为接收表示对象的心脏活动的第一信号;第二获取模块被配置为接收表示所述脉搏上的时变信息的至少两个第二信号;校准单元被配置为获取校准数据组;分析模块被配置为所述对象指定个性化模型,基于所述至少两个第二信号确定所述对象的有效的生理特征,以及基于所述有效的生理特征和为所述对象指定的所述模型计算所述对象的血压。
进一步,上述提供的所述系统中,所述第一获取模块包括心电图监测仪。
进一步,上述提供的所述系统中,所述第二获取模块包括血氧监测仪。
进一步,上述提供的所述系统中,所述第一信号或所述至少两个第二信号中的一个包括光信号或电信号。
进一步,上述提供的所述系统中,所述校准单元包括或被配置为与基于袖口的血压监测仪通信。
进一步,上述提供的所述系统中,所述基于袖口的血压监测仪被配置为协调血压测量与所述第一信号或所述至少两个第二信号。
进一步,上述提供的所述系统进一步包括输出模块被配置为提供所述计算出的血压的输出。
附图说明
本申请将结合示例性实施例进一步进行描述。这些示例性实施例将结合参考图示进行详细描述。这些实施例是非限制的示例性实施例,在这些实施例中,在附图的多个视图中相似的参考数字表示相似的结构,其中:
图1示出了根据本申请的各种实施例的可以部署用于监测生理信号的系统的示例性系统配置;
图2描绘了根据本申请的一些实施例的图1中所示系统的引擎的示例性图;
图3是根据本申请的一些实施例的示例性过程的流程图,其中部署了用于估计生理信号的方法;
图4是根据本申请的一些实施例所示的信息获取模块的架构的框图;
图5是根据本申请的一些实施例所示的分析模块的架构的框图;
图6是根据本申请的一些实施例所述的用于确定对象的个性化模型和计算血压的过程的流程图;
图7示出了根据本申请的一些实施例的示例性个人健康管理;
图8提供了根据本申请的一些实施例的关于基于对象的有效的生理特征计算对象的血压的示例性处理;
图9描绘了可用于实施包括本申请的专用系统或其一部分的移动设备的架构;
图10描绘了可用于实施包括本申请的专用系统或其一部分的计算机的架构。
具体实施方式
在以下详细描述中,通过示例阐述了许多具体细节,以便提供对相关公开的透彻理解。然而,本领域技术人员应该明白,可以在没有这些细节的情况下实施本申请。在其他情况下,众所周知的方法、过程、系统、组件、和/或电路已经在相对较高的层次上进行了描述而没有详细描述,以避免不必要地模糊本申请的各方面。
本申请涉及生理特征推导,例如,血压监测,的系统、方法和编程方面。所述系统和方法涉及改进后的信号处理和模型监测。如本申请所公开的系统和方法可以监测多个生理特征。所述系统和方法的特征可以包括例如实时、同时性、连续性、非侵入性、改进的准确度等,或其组合。在一些实施方案中,如本申请所公开的系统和方法可以监测各种心血管活动和相关信息,包括,例如,血压信息、心电图(Electrocardiography,ECG)的信息、血氧信息等,或其组合。在一些实施例中,血压可以基于脉搏相关信息估计,例如,脉搏传导时间(Pulse Transit Time,PTT)、脉搏到达时间(Pulse Arrival Time,PAT)、脉搏的傅立叶光谱、脉搏的小波分解、脉搏的一阶导数和高阶导数等,或其组合。在一些实施例中,可基于血管容积图(Photoplethysmogram,PPG)信号估计血压和/或血氧水平。如本申请所公开的系统和方法可以用于医疗保健机构(例如,医院)或家中。为了说明的目的,参考与血压监测相关的生理特征的推导和减少来提供以下描述,并且不旨在限制本申请的范围。仅作为示例,本申请所公开的系统和方法可以利用一个或以上其他与脉搏相关的处理来监测血压,例如人工智能、基于大数据的神经网络等。
在考虑了作为本申请一部分的附图的描述内容后,本申请的这些和其他特征和特点、操作方法、结构的相关元素的功能、各部分的组合、制造的经济性变得显而易见。然而,应当理解,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。如说明书和权利要求书中所使用的,单数形式的“一”,“一个”和“所述”包括复数指示物,除非上下文另有明确规定。
图1示出了根据本申请的一些实施例的可以部署系统100的示例性系统配置。系统100可以监测感兴趣的一个或以上生理脉搏信号。系统100可以包括测量设备110、服务器120、外部数据源130和终端140。系统100的各种组件可以直接或经由网络150间接地彼此连接。
测量设备110可以测量信号。信号可以是心血管信号。信号可以涉及或用于计算或估计感兴趣的生理特征。在一些实施例中,信号可以是血管容积图(PPG)信号。生理特征可以是与血管容积图信号相关联的一个或以上空间的、时间的、频谱的和/或身体的量。例如,生理特征可包括脉搏传导时间(PTT)。测量设备110可以包括例如临床设备、家用设备、便携式设备、可穿戴设备等,或其组合。如本申请所用,临床设备可以是满足在临床环境包括例如医院、医生办公室、疗养院等中使用的适用标准和/或规范的设备。临床设备可以被医疗保健提供者使用或在医疗保健提供者的帮助下使用。如本申请所使用的,家用设备可以是满足在家或非临床环境中使用的适用标准和/或规范的设备。家庭设备可以被专业提供者或非专业提供者使用。临床设备或家用设备或其一部分可以是便携式的或可穿戴的。示例性临床设备包括听诊设备、示波设备、心电图监测仪、血管容积图监视器等,或其组合。示例性家用设备包括示波设备、家用心电图监测仪、血压计等,或其组合。示例性便携式设备包括示波设备、便携式心电图监测仪、便携式血管容积图监视器等,或其组合。示例性可穿戴设备包括眼镜111、肩带112,智能手表17、脚镯114、大腿带115、臂带116、胸带117、颈圈118、手指夹(未示出)等,或其组合。提供测量设备110的上述示例是为了说明的目的,而不是为了限制本申请的范围。测量设备110可以是另一种形式,包括例如指套、腕带、胸罩、内衣、胸带等,或其组合。
仅作为示例,测量设备110是可测量一个或以上心血管信号的可穿戴或便携式设备。在一些实施例中,可穿戴或便携式设备可以处理至少一些测量信号、基于测量信号估计感兴趣的生理特征、以例如图像、音频警报的形式显示包括感兴趣的生理特征的结果、与另一设备或服务器(例如,服务器120)执行有线或无线通信等,或其组合。在一些实施例中,可穿戴或便携式设备可以与另一设备(例如,终端140)或服务器(例如,云服务器)通信。所述设备或服务器可以处理至少一些测量信号、基于测量信号估计感兴趣的生理特征、以例如图像、音频警报的形式显示包括感兴趣的生理特征的结果等,或其组合。
在一些实施例中,处理测量信号、估计生理特征、显示结果或执行有线或无线通信的操作可以由集成设备或连接到彼此或彼此通信的单独设备来执行。这种集成设备可以是便携式的或可穿戴的。在一些实施例中,至少一些单独设备可以是便携式的或可穿戴的,或者位于对象的附近,所述对象的信号被测量或者感兴趣的生理特征被估计或监测。如本申请所使用的,对象可以指其信号或信息被获取,并且其生理特征被获取、估计或监测的人或动物。仅作为示例,对象可以是心血管信号被获取的患者,并且基于所获取的心血管信号估计或监测血压。仅作为示例,对象佩戴的测量设备110可测量一个或以上心血管信号;将测量到的一个或以上心血管信号发送到智能手机,该智能手机可以基于测量到的信号计算或估计感兴趣的一个或以上生理特征。所计算的与对象相关的一个或以上生理特征可以输入对象的个性化模型,并且可以基于一个或以上生理特征和对象的个性化模型来计算对象的血压。在一些实施例中,至少一些单独设备位于远离对象的位置。仅作为示例,对象佩戴的测量设备110可测量一个或以上信号;将测量到的一个或以上信号发送到处理器,该处理器可以基于测量到的信号计算或估计感兴趣的多个生理特征;所计算的或估计的感兴趣的生理特征可以被提供给对象或除了对象之外的用户(例如,医生、护理提供者、与对象有关的家庭成员等,或其组合)。
在一些实施例中,测量设备110可包括各种类型的传感器,包括例如电极传感器、光学传感器、光电传感器、压力传感器、加速度计、重力传感器、温度传感器、湿度传感器等,或其组合。测量设备可以监测和/或检测与对象相关的一个或以上类型的变量,包括例如权值、温度、湿度、用户或对象输入等,或其组合。测量设备110还可以包括定位系统,例如GPS接收器或位置传感器,并且位置信息可以通过网络150被发送到服务器120、外部数据源130、终端140等,或者它们的组合。位置信息和测量信号可以同时或连续发送。
所述系统可以包括配置为存储存储库900和/或模型121的服务器或与之通信。服务器可以是服务器120。服务器120可以是云服务器。仅作为示例,服务器120可以在云服务器中实施,该云服务器可以提供存储容量、计算容量等,或其组合。存储库900可以收集或存储个人数据。所述个人数据可以包括静态数据、动态数据或两者组合。示例性静态数据可包括关于对象的各种信息,包括身份、联系信息、生日、健康历史(例如,对象是否具有吸烟史、关于先前手术的信息、食物过敏、药物过敏、药物治疗史、遗传病史、家庭健康史等,或其组合)、性别、国籍、身高、权值、职业、习惯(例如,与健康有关的习惯,例如运动习惯)、教育背景、爱好、婚姻状况、宗教信仰等,或其组合。示例性动态数据可以包括对象的当前健康状况、对象正在服用的药物、对象正在进行的医学治疗、饮食等,或其组合。存储库900还可以包括关于对象的个人校准数据。例如,多个时间点或一段时间内与对象相关的生理信号或特征(例如,脉搏传导时间(PTT)、收缩血压(Systolic Blood Pressure,SBP)、舒张血压(Diastolic Blood Pressure,DBP)等)等,或其组合。
存储库900可以被本地存储在测量设备110或终端140上。存储库900可以包括具有不同访问控制级别的不同部分(例如,个人数据、通用数据等)。例如,个人数据可以记录与每个单独用户相关联的数据和信息,但是对象可以对个人数据的不同部分具有不同的访问许可。例如,对象1的个人数据,对象2的个人数据和对象N的个人数据可以存储在存储库900中,但是对象1可以仅具有对他/她的个人数据的完全访问权以及对其他用户的个人数据的有限访问权。
个人数据可以进一步包括但不限于数据头、历史和偏好。另外,数据头可以具有对象的基本信息和医疗记录。数据头可以包括但不限于对象的年龄、性别、种族、职业、健康状况、病史、生活方式、婚姻状况和其他个人信息。历史记录可记录测量数据(M)、校准值(C)(或校准数据)、结果(收缩血压、DBP、血压)以及与先前测量和/或校准相关的附加信息。此外,附加信息可以是当对象进行测量和/或校准时发生的任何内部或外部变量。外部变量可以包括室温、湿度、气压、天气、气候、时间和日期等。内部变量,例如体温、代谢率、情绪、活动水平、活动类型、饮食和健康状况等。上述附加信息的示例仅仅是为了提供更好的说明,与每个测量和/或校准相关的附加信息可以是其他类型的信息,例如对象血液的粘度和其他流变学数据。在一些实施例中,记录在数据头中的附加信息和信息的概念是可互换的。当最初记录在数据头中的一些信息随着每次测量而改变时,它也可以被认为是附加信息。
所述偏好可以具有与模型相关联的信息,例如,对象的喜爱的模型和系数以及喜爱的模型适用性,所述喜爱的模型适用性指示在什么样的条件下使用哪些喜欢的模型或者使用什么附加信息。对象的历史数据可以指存储在历史下的所有信息。偏好还可以包括对象的评级,其对对象的个人数据的可靠性进行评级,并且在将对象的个人数据筛选为对等数据时可以被视为权值因子。例如,与仅每年校准一次的另一个对象相比,每周上传校准值(C)的对象可以具有更好的评级。上述在偏好中记录的信息的示例和偏好可以包括其他信息,例如对象愿意与其他用户或组织共享的个人数据的哪个部分。
通用数据可以包括一些非私有或非个性化数据,其可以由其他用户或对象访问。通用数据可以包括所有模型、逻辑和公共数据的数据库的记录,例如,模型和系数、对从个人数据中筛选对等数据的逻辑判断、以及与校准值相关的统计结果。对等数据可以从多个对象的个人数据中筛选,并且对从个人数据中筛选对等数据的逻辑判断用于根据对象的数据头和历史记录中的附加信息找到最密切相关的数据。对来自个人数据的筛选对等数据的逻辑判断还可以考虑偏好中的评级来权衡从不同对象获取的数据。上述通用数据中记录的信息的示例仅用于提供更好的说明,并且通用数据还可以包括其他信息,例如与每个回归分析相关联的错误(E、E'、E")。更多描述可以在例如2015年7月3日提交的申请号为PCT/CN2015/083334的国际申请和2015年12月5日提交的申请号为PCT/CN2015/096498的国际申请中找到,其通过引用结合于此。
如本申请中其他地方所述,服务器120中的一个或以上模型121可以应用于数据处理或分析。以上服务器120的描述是出于说明目的而提供的,并不旨在限制本申请的范围。服务器120可以具有不同的结构或配置。例如,模型121不存储在服务器120中;相反,模型121可以本地存储在终端140处。此外,存储库900还可以存储在终端140处。
外部数据源130可以包括各种组织、系统和设备等,或其组合。示例性数据源130可以包括医疗机构131、研究设施132、数据库133和外围设备134等,或其组合。医疗机构131或研究设施132可以提供例如个人医疗记录、临床测试结果、实验研究结果、理论或数学研究结果、适合于处理数据的模型等,或其组合。数据库133可以存储与对象相关的各种数据,例如与对象相关的生理特征和个人数据。外围设备134可以监测和/或检测一个或以上类型的变量,包括例如温度、湿度、用户或对象输入等,或其组合。上述提供的外部数据源130和数据类型的示例是出于说明目的,而不是旨在限制本申请的范围。例如,外部数据源130可以包括其他源和其他类型的数据,例如与对象或其家族有关的遗传信息。系统100中的终端140可以被配置为处理至少一些测量信号、基于测量的心血管信号估计感兴趣的生理特征、以例如,图像、存储数据的形式显示包括的感兴趣的生理特征的结果、控制对系统100或其一部分的访问(例如,访问存储在系统100中或可从系统100访问的个人数据),管理来自对象或与之相关的输入-输出等,或其组合。
终端140可以包括例如移动设备141(例如,智能电话、板电脑、膝上型计算机等)、个人计算机142、其他设备143等,或其组合。其他设备143可以包括可以独立工作的设备,或者组装在另一设备(例如,智能家庭终端)中的处理单元或处理模块。仅作为示例,终端140包括测量设备110中的CPU或处理器。在一些实施例中,终端140可以包括如图2中所述的引擎200,并且终端140还可以包括测量设备110。
网络150可以是单个网络或不同网络的组合。例如,网络150可以是局部区域网络(LAN)、广域网(WAN)、公共网络、专用网络、专有网络、公共电话交换网络(PSTN)、因特网、无线网络、虚拟网络或其任何组合。网络150还可以包括各种网络接入点,例如,有线或无线接入点,例如基站或互联网交换点(图1中未示出),如上所述数据源或系统100的任何组件通过该接入点可以连接到网络150,以便经由网络150传输信息。
系统100的各种组件或可从系统100访问的组件可包括存储器或电子存储器介质。这些组件可包括例如测量设备110、服务器120、外部数据源130、终端140,结合图2讨论的外围设备134等,或其组合。系统100的任何组件的存储器或电子存储器介质可包括与组件一体地(即,基本上不可移除地)的系统存储器(例如,磁盘),以及可以通过例如端口(例如,USB端口、火线端口等)或驱动器(例如,磁盘驱动器等)可拆卸地连接到组件的可移除的存储器中的一个或两者。系统100的任何组件的存储器或电子存储器介质可以包括一个或以上虚拟存储器资源(例如,云存储器、虚拟专用网络和/或其他虚拟存储器资源)或者可以与其连接地操作。
系统100的存储器或电子存储器介质可以包括动态存储设备,其可以存储信息和指令,所述指令可以由片上系统的处理器(System-on-Chip,SoC,包括处理器的芯片组)、其他处理器(或计算单元)等,或其组合执行。存储器或电子存储器介质还可用于在处理器执行指令期间存储临时变量或其他中间信息。部分或整个存储器或电子存储器介质可以实施为双列直插式存储器模块(Dual In-line Memory Module,DIMM),并且可以是以下类型的存储器的一个或以上:静态随机存取存储器(SRAM)、突发静态随机存取存储器或同步突发静态随机存取存储器(BSRAM)、动态随机存取存储器(DRAM)、快速页模式动态随机存取存储器(FPM DRAM)、增强型动态随机存取存储器(EDRAM)、扩展数据输出随机存取存储器(EDORAM)、扩展数据输出动态随机存取存储器(EDO DRAM)、突发扩展数据输出动态随机存取存储器(BEDO DRAM)、增强型动态随机存取存储器(EDRAM)、同步动态随机存取存储器(SDRAM)、JEDECSRAM、PCIOO SDRAM、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、增强型同步动态随机存取存储器(ESDRAM)、同步链路动态随机存取存储器(SLDRAM)、接口动态动态随机存取存储器(DRDRAM)、铁电随机存取存储器(FRAM)或任何其他类型的存储器件。存储器或电子存储器介质还可以包括只读存储器(ROM)和/或另一静态存储设备,其可以存储静态信息和用于片上系统的处理器和/或其他处理器(或计算单元)的指令。进一步,存储器或电子存储器介质可包括磁盘、光盘或闪存设备以存储信息和指令。
在一些实施例中,片上系统可以是系统100或从系统100访问的组件的核心处理或计算单元的一部分。片上系统可以接收和处理输入数据和指令、提供输出和/或控制系统的其他组件。在一些实施例中,片上系统可以包括微处理器、存储器控制器、存储器和外围组件。微处理器可以进一步包括高速缓冲存储器(例如,SRAM),其与片上系统的存储器一起可以是存储器层级的一部分以存储指令和数据。微处理器还可以包括一个或以上逻辑模块,例如现场可编程门阵列(Field Programmable Gate Array,FPGA)或其他逻辑阵列。存储器控制器(或芯片组)可以促进片上系统中的微处理器与存储器之间的通信,其还可以促进与外围组件通信,例如计数器、实时定时器、电源复位发生器等,或其组合。片上系统还可以包括其他组件,包括例如定时源(例如,振荡器、锁相环等)、电压调节器、电源管理电路等,或其组合。
仅作为示例,系统100可包括可穿戴或便携式设备。可穿戴或便携式设备可包括片上系统和至少两个传感器。示例性传感器可包括光电传感器、电导传感器等,或其组合。片上系统可以处理通过至少一些至少两个传感器获取的信号。获取的信号可以是各种生理信号,包括例如血管容积图(PPG)、心电图(心电图)等,或其组合。片上系统可以基于所获取的信号来计算感兴趣的生理特征。示例性感兴趣的生理特征可以是血压、血氧水平、心电图信息、心率等,或其组合。
在一些实施例中,外部数据源130可以经由网络150从测量设备110、服务器120、终端140等或任何组合接收数据。仅作为示例,外部数据源130(例如,医疗机构或智能家居系统等)可以基于从测量设备110或终端140接收的数据接收与对象有关的信息(例如,位置信息、来自云服务器或终端的数据等,或其组合)。在一些实施例中,测量设备110可以经由网络150从服务器120、外部数据源130等或任何组合接收数据。仅作为示例,测量设备110可以接收与对象有关的信息(例如,对象的当前/历史健康状况、对象正在服用的药物、对象正在进行的医学治疗、当前/历史饮食、当前情绪状态、与对象有关的历史生理特征(例如,脉搏传导时间、收缩血压、DBP)等,或其组合)。此外,终端140可以从测量设备110、服务器120、外部数据源130等,或其组合接收数据。
图1是系统100的具体示例,并且系统100的配置不限于图1中所示的配置。例如,可以省略服务器120,将其所有功能迁移到终端140。又例如,可以省略服务器120和终端140,将其所有功能迁移到测量设备110。所述系统可以包括不同实施例中的各种设备或设备的组合。
在示例中,所述系统可以包括可穿戴或便携式设备和移动设备(例如,智能电话、平板电脑、膝上型计算机等)。可穿戴或便携式设备可用于获取生理信号、环境信息等,或其组合。移动设备可以用于接收由可穿戴设备或便携式设备获取的信号或信息。移动设备可以基于所获取的信号或信息以及从另一个源检索的相关数据(例如,从服务器、结合在可穿戴或便携式设备中的存储器、结合在移动设备中的存储器等)来计算感兴趣的一个或以上生理特征。所检索的相关数据可以包括例如存储在服务器上的当前/历史信息。示例性的当前/历史信息可以包括对象的当前/历史健康状况、对象正在/曾经服用的当前/历史药物、对象正在/曾经进行的当前/历史医学治疗、当前/历史饮食,当前/历史情绪状态、与对象有关的当前/历史生理特征(例如,脉搏传导时间、收缩血压、舒张血压、心电图信息、心率、血氧水平)等,或其组合。可穿戴或便携式设备或移动设备可以显示或报告或存储所获取的信号、信息,所检索的相关数据、所计算的感兴趣的一个或以上生理特征等中的至少一些,或其组合。可以将显示或报告提供给对象、除对象之外的用户、第三方、服务器或另一设备。
在另一个示例中,所述系统可以包括可穿戴或便携式设备,其可以执行包括以下操作的功能:获取生理信号或环境信息;从另一个源(例如,从服务器、结合在可穿戴设备或便携式设备中的存储器等)检索相关数据;基于所获取的信号、信息或检索到的相关数据计算与对象相关的一个或以上生理特征;确定对象的个性化模型;基于个性化模型和与对象相关的一个或以上生理特征计算对象的血压;显示、报告或存储至少一些获取的信号、信息、检索到的相关数据、计算出感兴趣的一个或以上生理特征、对象的血压等,或其组合。可以向对象、除对象之外的用户、第三方、服务器或另一设备提供显示或报告。
在进一步示例中,所述系统可以包括可穿戴或便携式设备,其可以执行包括以下操作的功能:获取与对象相关的生理信号和环境信息;与服务器通信以将所获取的信号或信息中的至少一些传输到服务器使得服务器可以计算对象的一个或以上生理特征;确定对象的个性化模型;基于个性化模型和与对象相关的一个或以上生理特征计算对象的血压;从服务器接收计算出的一个或以上生理特征和/或对象的血压;显示、报告或存储至少一些获取的信号、信息、计算出的一个或以上生理特征、对象的血压等,或其组合。可以向对象、除对象之外的用户、第三方、服务器或另一设备提供显示或报告。在一些实施例中,可穿戴或便携式设备与服务器之间的通信可以通过连接到网络(例如,网络150)的可穿戴或便携式设备来实施。在一些实施例中,可穿戴或便携式设备与服务器之间的通信可以经由通信设备(例如,智能电话、平板电脑、膝上型计算机等移动设备)来实施,所述通信设备与可穿戴或便携式设备和服务器通信。
在进一步示例中,所述系统可以包括可穿戴或便携式设备、移动设备(例如,智能电话、平板电脑、膝上型计算机等)和服务器。可穿戴或便携式设备可用于获取生理信号、环境信息等,或其组合。移动设备可以用于接收由可穿戴或便携式设备获取的信号或信息,并且可以基于从可穿戴或便携式设备接收的信号和/或信息来以及从例如服务器、结合在可穿戴或便携式设备中或结合在移动设备中的存储器检索的相关数据计算感兴趣的一个或以上生理特征。移动设备可以显示、报告或存储所获取的信号、信息、所检索的相关数据、所计算的一个或以上感兴趣的生理特征等中的至少一些,或其组合。可以将显示或报告提供给对象、除对象之外的用户、第三方、服务器或另一设备。
在进一步示例中,所述系统可以包括集成临床设备或家用设备。集成设备可以是可穿戴的或便携式的。集成设备可以用于获取生理信号、环境信息等,或其组合。集成设备可以进一步包括输出设备,其可以显示、报告或输出所获取的信号、信息、所检索的相关数据、所计算的感兴趣的一个或以上生理特征等中的至少一些,或其组合。可以将显示或报告提供给对象、除对象之外的用户、第三方、服务器或另一设备。集成设备可以执行一个或以上测量以校准集成设备。
在进一步示例中,所述系统可以包括集成临床设备或家用设备和服务器。集成设备可以是可穿戴的或便携式的。集成设备可以执行以下功能:获取生理信号和环境信息;与服务器通信以将所获取的信号或信息中的至少一些传输到服务器,使得服务器可以计算感兴趣的一个或以上生理特征;从服务器接收所计算的感兴趣的一个或以上生理特征;显示、报告或存储至少一些所获取的信号、信息、所计算的一个或以上感兴趣的生理特征等,或其组合。可以将显示或报告提供给对象、除对象之外的用户、第三方、服务器或另一设备。集成设备可以执行一个或以上测量以校准集成设备。在一些实施例中,集成临床设备或家用设备与服务器之间的通信可以通过集成临床设备或家庭设备连接到网络(例如,网络150)来实施。在一些实施例中,集成设备和服务器之间的通信可以经由通信设备(例如,智能电话、平板电脑、膝上型计算机等移动设备)来实施,所述通信设备与可穿戴或便携式设备和服务器通信。
在一些实施例中,所述系统可以提供用户界面以允许对象、除对象之外的用户或实体与本申请所公开的系统交换信息(包括对系统的输入或从系统输出)。用户界面可以在终端设备上实施,包括例如移动设备、计算机等,或其组合。用户界面可以集成在系统中,例如系统的显示设备。可以允许具有适当访问权限的人访问系统。访问权限可以包括,例如,读取与对象有关的一些或所有信息、更新与对象等有关的一些或所有信息,或其组合的特权。访问权限可以与一组登录凭证相关联或链接到一组登录凭证。仅作为示例,系统可以提供三层访问权限。第一层可以包括关于与对象有关的信息的完全访问权限,允许接收和更新与对象有关的信息。第二层可以包括关于与对象有关的信息的部分访问权限,允许接收和更新与对象有关的信息的一部分。第三层可以包括关于与对象有关的信息的最小访问权限,允许接收或更新与对象有关的信息的一部分。不同的登录凭证可以与对系统中与对象有关的信息的不同访问权限相关联。如本申请所使用的,更新可以包括提供系统中不存在的信息、或者用新信息修改预先存在的信息。
仅作为示例,所述系统可以接收与经由用户界面提供的对象有关的信息。与对象有关的信息可包括基本信息和可选信息。示例性基本信息可包括身高、权值、年龄(或出生日期)、性别、手臂长度,国籍、职业、习惯(例如,与健康有关的习惯,例如运动习惯)、教育背景、爱好、婚姻状况、宗教信仰、健康相关的历史(例如,对象是否有吸烟史、食物过敏、药物过敏、医疗历史、家庭健康史、遗传病史、关于先前手术的信息等,或其组合、联系信息、紧急联系等,或其组合。示例性可选信息可以包括:对象的当前健康状况、对象正在服用的药物、对象正在进行的医学治疗、饮食。所述系统可以经由用户界面接收与例如感兴趣的生理特征的特定测量有关的信息。这样的信息的示例可以包括在获取时间处或附近(在本申请中的其他地方定义)的对象的运动状态、在获取时间处或附近的情绪状态、在获取时间处或附近的压力水平等,或其组合。所述系统可以经由用户界面接收一个或以上选项或指令。在一些实施例中,所述选项或指令可以由除回答问题或者响应系统的问题或提示的对象之外的对象或用户提供。例如,选项或指令可以包括测量频率(例如,每周一次、每月一次、每周两次、每月两次、每天一次、每天两次等),向对象或除对象之外的用户呈现信息的优选格式(例如,电子邮件、语音消息、文本消息、音频警报、触觉反馈等,或其组合)。又例如,选项或指令可包括与感兴趣的计算特征有关的信息,例如,关于如何选择模型、函数、校准数据等或其组合的规则。
在一些实施例中,系统可以经由用户界面向对象或除对象之外的用户提供信息。示例性信息可以包括警报、推荐、提醒等,或其组合。例如,如果触发事件发生,则可以向对象或除对象之外的用户提供或显示警报。示例性触发事件可以是所获取的信息或感兴趣的生理特征中的至少一些超过阈值。仅作为示例,触发事件可以是获取的心率超过阈值(例如,高于每分钟150次、低于每分钟40次等)。又例如,触发事件可以是感兴趣的生理特征,例如估计的血压,超过阈值。又例如,可以向对象或除对象之外的用户提供或显示推荐。示例性推荐可以是输入特定数据的请求(例如,基本信息、可选信息、感兴趣的更新特征、更新模型、更新功能、更新选项和指令等,或其组合)。可以向对象或除对象之外的用户提供或显示提醒。示例性提醒可以包括提取处方药、休息、测量感兴趣的生理特征等,或其组合。
在一些实施例中,所述系统可以通过用户界面与对象、除对象之外的用户和/或第三方进行通信。示例性的第三方可以是医生、医疗保健工作者、医疗机构、研究机构、对象的外围设备或与对象良好连接的用户等。示例性通信可以涉及对象的健康状况、饮食习惯、锻炼习惯、处方药、进行测量的指令或步骤等,或其组合。在一些实施例中,第三方可访问或由第三方访问的用户界面可以与对象可访问的用户界面相同或不同。例如,输出或数据可以被发送到第三方(例如,计算机、医生办公室的终端、医疗保健提供者所在的以及对象的健康状况被监视的医院等,或其组合)。第三方可以经由用户界面提供与输出信息有关的反馈信息或指令。仅作为示例,第三方可以接收关于与对象相关的一个或以上生理特征的信息,并相应地提供对象要采取的动作的推荐(例如,提取处方药、休息、联系或访问第三方等,或其组合);所述系统可以将推荐接着传递到对象。
图2示出了包括引擎200的示例图。引擎200可以被配置为基于从获取的信号推导的一个或以上生理特征来获取与对象相关的一个或以上信号并计算或估计对象的血压。如图所示,引擎200可以连接到例如测量设备110、数据库133和服务器120或以其他方式与其通信。引擎200可以包括信息采集模块210、分析模块220和输出模块230。信息采集模块210可以被配置用于获取与对象有关的信号或信息,例如,生理信号,与对象的健康状况有关的信息等,或其组合。分析模块220可以被配置为分析所获取的信号或信息、或者确定或估计感兴趣的生理特征、或者确定对象的个性化模型、或者基于个性化模型来确定对象的血压。输出模块230可以被配置为输出所获取的信号或信息、感兴趣的生理特征,对象的血压等,或其组合。如本申请所使用的,模块可以具有独立的处理器,或使用系统共享的处理器。处理器可以根据与各种模块有关的指令执行功能。例如,根据相关指令,分析模块220可以检索获取的信号并执行计算以获得感兴趣的一个或以上生理特征。
信息采集模块210可以被配置为从一个或以上对象获取信号或信息。如本申请所使用的,可以通过接收由例如传感器感测、检测或测量的信号或信息,或者通过接收来自对象或除了对象(例如,医生、护理提供者、与对象有关的家庭成员等,或其组合)以外的用户的输入的方式来实施获取。为简洁起见,可以将获取的信号或信息称为获取的信息。如本申请所使用的,信息可以包括与由包括例如传感器的设备获取的对象有关的信号、由包括例如传感器的设备获取的环境信息、另外由例如包括来自对象或对象以外的用户的输入的信息、如所描述的那样获取的处理后或预处理后的信息等,或其组合。示例性传感器可包括电极传感器、光学传感器、光电传感器、压力传感器、加速度计、重力传感器、温度传感器、湿度传感器等,或其组合。
示例性获取的信息可包括生理信息。在确定血压的示例性上下文中,生理信息可包括心血管信号。示例性心血管信号可包括血管容积图(PPG)信号、心电图(ECG)信号、心冲击描记图(Ballistocardiogram,BCG)信号、血压(Blood Pressure,BP)、收缩血压(SBP)、舒张血压(DBP)、脉率(Pulse Rate,PR)、心率(Heart Rate,HR)、心率变异(Reart RateVariation,HRV)、心脏杂音、血氧饱和度、血液密度、血液pH值、肠鸣音、脑波、脂肪含量、血流速率等,或其组合。示例性获取的信息可包括关于对象的信息,例如,身高、权值、年龄、性别、体温、手臂长度、疾病史等,或其组合。示例性获取的信息可以包括在获取时间处或附近来自或与围绕对象的环境相关的信息(被称为环境信息)。示例性环境信息可包括温度、湿度、空气压力、空气流速、环境光强度等,或其组合。如本申请所使用的,获取的时间可以指获取与对象有关的信息例如对象的生理信息的时间点或时间段。
信息采集模块210可以从测量设备110、服务器120、数据库133或其他设备(未示出)接收或加载信息,其他设备包括例如心电图监测仪、血管容积图监测仪、呼吸监测仪、脑波监测仪、血氧监测仪、血糖监测仪和具有类似功能的设备。在本公开中,术语“监测仪”和术语“传感器”可以互换使用。测量设备110的示例可包括智能手表、手指夹、耳机、眼镜、手镯、项圈等,或其组合。测量设备110、服务器120、数据库133或其他设备可以是本地的或远程的。例如,服务器120和引擎200可以通过局部区域网络(LAN)或因特网连接。测量设备110和引擎200可以通过局部区域网络或因特网连接。其他设备和引擎200可以通过局部区域网络或因特网连接。信息采集模块210与测量设备110、服务器120、数据库133或此类其他设备之间的信息传输可以经由有线连接、无线连接等,或其组合。
信息采集模块210可以经由例如输入设备接收由对象或除对象之外的用户提供的信息。输入设备可以包括但不限于键盘、触摸屏(例如,具有触觉或触觉反馈)、语音输入设备、眼睛跟踪输入设备、脑监测系统等,或其组合。通过输入设备接收的信息可以经由例如总线传输到处理器,以进行进一步处理。用于进一步处理从输入设备获得的信息的处理器digital signal processor可以是数字信号处理器(Digital Signal Processor,DSP)、片上系统(SoC)、或微处理器等,或其组合。其他类型的输入设备可以包括光标控制设备,例如鼠标、轨迹球或光标方向键,以将关于方向和/或命令选择的信息传达给例如处理器。
信息采集模块210的描述旨在是说明性的,而不是限制本申请的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如,可以将存储单元(图2中未示出)添加到信息采集模块210,用于存储所获取的信息。
分析模块220可以被配置为分析所获取的信息。分析模块220可以连接到或以其他方式与一个或以上信息获取模块210-1、210-2、...、210-N通信,以接收所获取的信息的至少一部分。分析模块220可以被配置为执行一个或以上操作,包括例如预处理、计算、校准、统计分析等,或其组合。可以基于所获取的信息中的至少一些或来自另一操作的中间结果(例如,训练数据,或由分析模块220执行的操作,或者系统100的另一组件)来执行任何一个操作。例如,所述分析可以包括一个或以上操作,包括预处理所获取的与对象有关的信息的至少一部分、识别所获取的信息或预处理后的信息的特征点或特征、确定对象的个性化模型、计算对象的血压、分析由对象或对象以外的用户提供的关于对象的信息、分析关于在获取时间点或附近对象周围的环境的信息等,或者其组合。
所述分析的一些操作可以并行或串行执行。如本申请所使用的,并行执行可以指可以在同一时间点或附近执行的一些分析操作;串行执行可以指其他操作已经开始或结束之后开始或执行的一些分析操作。在一些实施例中,两个操作的串行执行可以指示一个操作在另一个操作完成之后开始。在一些实施例中,两个操作的串行执行可以指示一个操作在另一个操作开始之后开始,并且这两个操作部分重叠。在一些实施例中,可以并行执行分析的至少两个操作。在一些实施例中,可以串行执行分析的至少两个操作。在一些实施例中,分析的一些操作可以并行执行,一些操作可以串行执行。
分析或分析的一些操作可以实时执行,即,在获取时间或附近。可以在获取信息后的延迟之后执行分析或分析的一些操作。在一些实施例中,在延迟之后存储所获取的信息用于分析。在一些实施例中,在延迟之后预处理并存储所获取的信息以进一步分析。延迟可以是秒、或分钟、或小时、或天、或更长。在延迟之后,可以通过来自对象或除对象之外的用户的指令(例如,医生、护理提供者、与对象相关的家庭成员等,或其组合)、存储在系统100中的指令等,或其组合来触发分析。仅作为示例,存储在系统100中的指令可以指定延迟的持续时间、要执行分析的时间、要执行分析的频率、触发分析执行的触发事件等,或其组合。存储在系统100中的指令可以由对象或除对象之外的用户提供。示例性触发事件可以是所获取的信息或感兴趣的生理特征中的至少一些超过阈值。仅作为示例,触发事件可以是获取的心率超过阈值(例如,高于每分钟150次心跳、低于每分钟40次心跳等)。如本申请所用,“超过”可以是大于或低于阈值。又例如,触发事件可以是感兴趣的生理特征例如估计的血压超过阈值。
分析模块220可以是集中式的或分布式的。集中式的分析模块220可包括处理器(图2中未示出)。处理器可以被配置为执行操作。分布式的分析模块220可以包括至少两个操作单元(图2中未示出)。操作单元可以被配置为共同执行相同分析的操作。在分布式配置中,至少两个操作单元的执行可以由例如服务器120控制或协调。
所获取的信息、分析的中间结果或分析的结果(例如,感兴趣的生理特征)可以是模拟的或数字的。在血压监测的示例性上下文中,所获取的信息、分析的中间结果或分析的结果(例如,感兴趣的生理特征)可包括例如血管容积图信号、心电图信号、心冲击描记图信号、血压、收缩血压、舒张血压、脉率、心率、HRV(心率变异)、心脏杂音、血氧饱和度(或称为血氧水平)、血液密度、血液的pH值、肠鸣音、脑波、脂肪含量、血流速率等,或其组合。
分析的结果,例如,关于对象的感兴趣的生理特征,可能受各种因素或条件的影响,包括例如环境因素、由于对象的生理状态引起的因素、由于对象的心理状态引起的因素等,或其组合。这些因素的一个或以上可以影响所获取的信息的准确性、分析的中间结果的准确性、分析结果的准确性等,或其组合。例如,可以基于与所获取的信息的相关性来估计感兴趣的生理特征;由于生理状态导致的因素可能导致偏离相关性; 该因素可以影响基于相关性估计的感兴趣的生理特征的准确性。仅作为示例,与对象相关的心血管信号可以随着例如时间、对象的心理状态等,或其组合而变化。心血管信号与对象的生理特征(例如,PPT值和血压之间的相关性)之间的相关性可以随着例如对象的生理状态、对象的心理状态、对象周围的环境等,或其组合而变化。这种影响可以在分析中得到平衡或补偿。
在分析中,可以获取与影响条件(例如,环境信息、生理状态、心理状态等)有关的信息,并且可以在分析处理中相应地进行校正或调整。仅作为示例,校正或调整可以通过校正因子。例如,可以基于从获取时间处或附近的对象周围的环境获取的或与之相关的环境信息将环境校正因子引入到分析中。示例性环境信息可包括温度、湿度、气压、空气流速、环境光强度等的一个或以上。示例性环境校正因子可包括温度校正因子、湿度校正因子、气压校正因子,空气流速校正因子、环境光强度校正因子等的一个或以上。又例如,校正或调整可以通过执行用于估计感兴趣的生理特征的相关性的校准(例如,校准的模型、校准的函数等)。再例如,校正或调整可以基于与影响条件有关的信息,通过从用于估计感兴趣的生理特征的至少两个相关性中来选择相关性。
分析模块220的描述旨在是说明性的,而不是限制本申请的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如,可以将高速缓存单元(图2中未示出)添加到分析模块220,用于在上述过程期间存储中间结果或实时信号或信息。
输出模块230可以被配置为提供输出。输出可以包括感兴趣的生理特征、所获取的信息中的至少一些(例如,用于估计感兴趣的生理特征的所获取的信息)、对象的血压等,或其组合。输出的传输可以经由有线连接、无线连接等,或其组合。一旦输出可用于传输,就可以实时传输输出。输出可用于传输之后,可以在延迟之后传输输出。延迟可以是秒、或分钟、或小时、或天、或更长。在延迟之后,输出可以由来自对象,除对象之外的用户或相关第三方的指令、存储在系统100中的指令等,或其组合来触发。仅作为示例,存储在系统100中的指令可以指定延迟的持续时间、要传输输出的时间、要传输输出的频率、,触发事件等,或其组合。存储在系统100中的指令可以由对象或除对象之外的用户提供。示例性触发事件可以是感兴趣的生理特征或者至少一些所获取的信息超过阈值。仅作为示例,触发事件可以是获取的心率超过阈值(例如,高于每分钟150次心跳、低于每分钟40次心跳等)。又例如,触发事件可以是感兴趣的生理特征(例如,估计的血压)超过阈值。
用于传输的输出可以是例如模拟形式、数字形式等,或其组合。输出可以是例如图形、代码、语音消息、文本、视频、频警报、触觉效果等,或其组合的格式。输出可以显示在本地终端上、或者输出到远程终端,或者两者。终端可以包括例如个人计算机(PersonalComputer,PC)、台式计算机、膝上型计算机、智能电话、智能手表等,或其组合。仅作为示例,输出可以在对象佩戴的可穿戴或便携式设备上显示,并且还被发送到医生办公室或医疗保健提供者所在的医院的计算机或终端,并监测对象的健康状况。
输出模块230可以包括显示设备或与显示设备通信,该显示设备可以向对象或除对象之外的用户显示输出或其他信息。显示设备可以包括液晶显示器(Liquid CrystalDisplay,LCD)、基于发光二极管(Light Emitting Diode,LED)的显示器或任何其他平板显示器、或者可以使用阴极射线管(Cathode Ray Tube,CRT)、触摸屏等。触摸屏可以包括例如电阻触摸屏、电容触摸屏、等离子触摸屏、矢量压力感测触摸屏、红外线的触摸屏等,或其组合。
在一些实施例中,存储模块(图2中未示出)或存储单元(图2中未示出)可以集成在引擎200中。在一些实施例中,存储单元(图2中未示出)可以集成在信息采集模块210、分析模块220或输出模块230中的任何一个中。存储模块(图2中未示出)或存储单元(图2中未示出)可用于存储中间结果或分析结果。存储模块(图2中未示出)或存储单元(图2中未示出)可以用作数据高速缓存存储器。存储模块(图2中未示出)或存储单元(图2中未示出)可包括硬盘、软盘、选数管存储器、RAM、DRAM、SRAM泡沫存储器、薄膜存储器、磁性电镀线存储器、相变存储器、闪存、云盘等,或其组合。存储模块(图2中未示出)或存储单元(图2中未示出)可以包括图1和本申请中其他地方描述的存储器或电子存储器介质。
在一些实施例中,引擎200不包括存储模块或存储单元,并且测量设备110或服务器120可以用作被引擎200访问的存储设备。服务器120可以是提供云存储的云服务器。如本申请所使用的,云存储是数据存储器的模型,其中数字数据存储在逻辑池中,物理存储器跨越多个服务器(并且通常位于多个位置)。物理环境包括例如逻辑池,跨越多个服务器的物理存储器可以被托管公司拥有和管理。托管公司可以负责保持数据可用和可访问,和物理环境受到保护和运行。可以通过云服务、web服务应用程序编程接口(ApplicationProgramming Interface,API)或利用API的应用程序来访问这种云存储器。示例性应用包括云桌面存储器、云存储器网关、基于Web的内容管理系统等,或其组合。服务器120可以包括公共云、个人云或两者。例如,所获取的信息可以存储在个人云中,该个人云可以在授权之后通过验证,例如,用户名、密码、密码等,或其组合来访问。包括例如方法或计算模型的非个性化信息可以存储在公共云中。访问公共云不需要授权或认证。信息采集模块210、分析模块220和输出模块230可以从公共云或个人云检索或加载信息或数据。这些模块中的任何一个可以将信号和数据发送到公共云或个人云。
信息采集模块210、分析模块220和输出模块230中的任何两个之间的连接或传输可以经由有线连接、无线连接等,或其组合。这些模块中的至少两个可以与不同的外围设备连接。这些模块中的至少两个可以与相同的外围设备连接。测量设备110可以通过有线连接、无线连接等,或其组合与一个或以上模块连接。本领域技术人员应理解,上述实施例仅用于在本申请中描述本公开。在不脱离本申请的精神的情况下,本申请有许多修改和变化。例如,信息采集模块210和输出模块230可以集成在独立模块中,所述独立模块被配置为获取和输出信号或结果。所述独立模块可以经由有线连接、无线连接等,或其组合与分析模块220连接。引擎200中的三个模块可以部分地集成在一个或以上独立模块中或共享一个或以上单元。
系统100中的模块之间、或模块与测量设备110之间、或系统与服务器120之间的连接或传输不应限于上述描述。所有连接或传输可以组合使用或者可以独立使用。模块可以集成在独立模块中,即,模块的功能可以由独立模块实现。类似地,一个或以上模块可以集成在单个测量设备110上。上述连接或传输中的任何一个可以通过有线连接、无线连接等,或其组合。例如,有线连接或无线连接可包括例如电线、电缆、卫星、微波、蓝牙、无线电、红外线等,或其组合。
引擎200可以在一个或以上处理器上实施。引擎200的模块或单元可以集成在一个或以上处理器中。例如,信息采集模块210、分析模块220和输出模块230可以在一个或以上处理器上实施。一个或以上处理器可以利用存储设备(图2中未示出)、外围设备240和服务器120来发送信号或数据。一个或以上处理器可以从存储设备(图2中未示出)或服务器120检索或加载信号、信息或指令,并处理信号、信息、数据或指令,或其组合,以计算感兴趣的一个或以上生理特征。一个或以上处理器还可以与系统100有关的其他设备连接或通信,并且通过例如,移动电话APP、本地或远程终端等,或其组合与这样的其他设备传输或共享信号、信息、指令、感兴趣的生理特征等。
图3是根据本申请的一些实施例示出了用于推导对象的生理特征并估计对象的血压的示例性过程的流程图。可以在步骤310获取关于对象的信息。信息获取可以由信息采集模块210执行。所获取的信息可以包括对象的生理信息、在获取时间处或附近与对象的周围环境有关的环境信息、由对象或除对象之外的用户提供的信息。获取的信息可以包括血管容积图信号、心电图信号、脉搏率、心率、心率变化、血氧饱和度、呼吸、肌肉状态、骨骼状态、脑波、血脂水平、血糖水平、身高、权值、年龄、性别、体温、手臂长度、病史、室温、湿度、气压、气流速率、环境光强度等,或其组合。可以在320中分析所获取的信息中的至少一些。通过分析,可以识别至少一些所获取的信息的各种特征。例如,获取的信息可以包括血管容积图信号和心电图信号;所识别的这些信号的特征可以包括例如波形、特征点、峰值点、谷点、幅度、时间间隔、相位、频率、周期等,或其组合。基于所识别的特征的分析可以在步骤320执行。例如,可以基于所识别的特征来计算或估计感兴趣的生理量。基于所获取的血管容积图信号和心电图信号估计的感兴趣的生理量可以包括例如血压、收缩血压、舒张血压、血氧水平等,或其组合的平均值、绝对平均值、方差、标准偏差和/或中值。感兴趣的生理量可以用于为对象选择个性化模型。模型可用于计算对象的血压。然后,可以在步骤330输出关于对象的血压的信息,例如血压、收缩血压、舒张血压、血氧水平等,或其组合。也可以在步骤330输出所获取的信息中的一些。可以将输出显示给对象或除了对象之外的用户、打印,存储在存储设备或服务器120中、发送到设备进一步处理等,或其组合。应当注意,在步骤320的分析之后,可以在步骤310中执行新的获取步骤。
上述描述旨在说明,而不是限制本申请的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如,可以在步骤310和步骤320之间添加预处理步骤。在预处理步骤中,可以预处理所获取的信号,以便减少或消除最初获取的信号中的噪声或干扰。例如,可以使用复杂的实时数字过滤来从血管容积图或心电图信号中减少或去除高频噪声,从而允许准确地识别血管容积图或心电图信号的特征。示例性的预处理方法可以包括低通滤波、带通滤波、小波变换、中值滤波、形态滤波、曲线拟合、希尔伯特-黄变换等,或其组合。关于减少或消除生理信号例如血管容积图信号或心电图信号中的噪声的方法和系统的描述,可以在例如2015年4月20日提交的申请号为PCT/CN2015/077026的国际专利申请、2015年4月20日提交的申请号为PCT/CN2015/077025的国际专利申请和2015年5月27日提交的申请号为PCT/CN2015/079956的国际专利申请中找到,其各自通过引用并入。可以在步骤310和步骤320之间,或者在图3所示的示例性过程中的其他地方添加一个或以上其他可选步骤。这些步骤的示例可以包括存储或缓存所获取的信息。
图4是根据本申请的一些实施例示出了信息采集模块的架构的框图。信息采集模块210可以通过网络150连接到例如外围设备240、分析模块220、输出模块230和服务器120或者以其他方式与外围设备240、分析模块220、输出模块230和服务器120通信。信息采集模块210可以被配置为获取与对象相关的信息、由对象,对象以外的用户和/或相关的第三方(例如,医生、医护人员、医疗机构、研究机构、对象的外围设备或与对象良好连接的用户等)提供的信息、在获取时间处或附近来自围绕对象的周围环境的环境信息等,或其组合。信息采集模块210可包括第一获取单元410和第二获取单元420。第一获取单元410可以被配置为获取第一信号或包括与对象有关的第一信号的第一信息。第二获取单元420可以被配置为获取第二信号或包括与对象有关的第二信号的第二信息。第一获取单元410和第二获取单元420可以实时获取信号。可以在同一时间处或附近获取第一信号和第二信号。在一些实施例中,除了第一获取单元410和第二获取单元420之外,信息采集模块210可以包括一个或以上其他获取单元(图4中未示出)。在一些实施例中,第一获取单元410和第二获取单元420可以集成在独立的模块或单元中。
在一些实施例中,第一获取单元410可以被配置为获取对象的心电图信号。第一获取单元410可包括心电图监测仪(图4中未示出)。心电图监测仪(图4中未示出)可以是任何类型,例如临床设备、家居设备,可穿戴设备、便携式设备等。心电图监测仪(图4中未示出)可包括用于记录与对象的心血管活动相关的电位变化的至少两个电极。电极可以以12引线形式、5引线形式、3引线形式等布置。电极可位于对象的一个或以上肢体上和/或胸部上。例如,在5引线形式中,电极可以位于对象的胸部上。在一些实施例中,第一获取单元410可包括控制单元(图4中未示出)。控制单元(图4中未示出)可以被配置为控制获取过程的特征。所述特征可以包括采样频率、采样时间间隔等,或其组合。在一些实施例中,第一获取单元410可包括存储单元(图4中未示出)。所述存储单元(图4中未示出)可用于存储所获取的第一信号、特征等,或其组合。在一些实施例中,所获取的信号、特征可以存储在本申请中任何地方公开的任何存储设备中。
在一些实施例中,第二获取单元420可以被配置为获取血管容积图信号或获取包括血管容积图信号的信息。在一些实施例中,第二获取单元420可包括血氧监测仪(图4中未示出)。血氧监测仪(图4中未示出)可以被配置为使用光电传感器获取对象的血氧信息。可以基于两个或以上血管容积图信号估计血氧信息。在一些实施例中,所获取的血管容积图信号中的至少一个与心电图信号一起可用于计算生理特征,所述生理特征可用于基于个性化模型来估计血压值。
在一些实施例中,血氧监测仪(图4中未示出)可包括单个光电传感器,或包括至少两个光电传感器的传感器阵列。光电传感器可包括一个或以上发射端和一个或以上接收端。所述发射端可包括一个或以上光源。所述光源可以发射超声、无线电、微波、毫米波、红外线、可见光、紫外线、伽马射线或X射线电磁辐射中的一个或以上。如本申请所用,光还可以包括无线电、微波、红外线(Infrared,IR)、可见光、紫外线(Ultraviolet,UV)或X射线光谱内的任何波长,并且任何合适波长的电磁辐射可以适合于与本申请公开的系统、设备或设备一起使用。仅作为示例,发射端可以包括两个光源,红光发射光源,例如红光发光二极管(Light Emitting Diode,LED),和红外发光光源,例如IR LED;发射端可以在用于计算对象的感兴趣的生理特征(例如,血氧信息)的波长处将光发射到对象的组织中。如本申请所用,为简洁起见,特定波长还可包括特定波长范围内的波长。例如,红光波长可以在约600nm和约700nm之间,并且红外波长可以在约800nm和约700nm之间。在使用传感器阵列的实施例中,每个传感器可以发射单个波长。接收端可以用于接收通过对象的发射光产生的信号。在一些实施例中,第二获取单元420可以被配置为从多个身体位置(例如,头部、颈部、胸部、腹部、上臂、手腕、腰部、上腿部、膝部、踝部等,或其组合)获取对象的血管容积图信号。在一些实施例中,一个或以上光电传感器可以被放置在多个身体位置中的任何一个上。在一些实施例中,一个或以上光电传感器阵列可以被放置在多个身体位置中的任何一个上。
在一些实施例中,第二获取单元420可包括控制单元(图4中未示出)和/或存储单元(图4中未示出)。类似地,控制单元(图4中未示出)可以被配置为控制第二信号或第二信息的获取过程。存储单元(图4中未示出)可以被配置为存储所获取的信号和/或信息。
信息采集模块210可以包括一个或以上其他采集单元(图4中未示出)。例如,获取单元可以被配置为获取与对象有关的基本信息,例如,身高、权值、年龄(或出生日期)、性别、手臂长度、国籍、职业、习惯(例如,与健康有关的习惯,如运动习惯)、教育背景、爱好、婚姻状况、宗教信仰、与健康有关的历史(例如,对象是否有吸烟史、食物过敏史、药物过敏史、治疗史、家族健康史、遗传病史、先前手术信息等,或其组合)、联系方式、紧急联系方式等,或其组合。与对象有关的基本信息可以由对象,对象以外的用户或第三方(例如,医生、医护人员、医疗机构、研究机构、对象的外围设备或与对象连接良好的用户等)提供。
在另一个示例中,获取单元可以被配置为获取围绕对象的环境信息,包括温度、湿度、气压、空气流速、环境光强度等,或其组合。可以以实时模式(例如,在获取时间处或附近)获取环境信息,或者可以在某个时间间隔(例如,独立于获取时间)获取环境信息。
在进一步示例中,一个或以上获取单元可被配置为通过压力感测方法获取对象的EMG信号,通过温度感测方法获取对象的体温数据等,或其组合。在进一步示例中,获取单元可以被配置为获取心冲击描记图信号、血液密度信息、血液的pH值信息等,或其组合。
一个或以上获取单元可以与一个或多个传感器通信以获取由一个或多个传感器感测、检测或测量的信息。示例性传感器包括电极传感器、光学传感器、光电传感器、电导传感器、压力传感器、加速度计、重力传感器、温度传感器、湿度传感器等,或其组合。
仅作为示例,光学传感器可包括集成光电检测器和光源。光学传感器还可以包括放大器。光源可以发射波长为例如可见光、红外线区域等,或其组合的辐射。光电检测器可以检测由撞击在或进入组织和/或被组织反射,并到达光电检测器(或称为反射的辐射)的光(波长或波长范围内)产生的辐射。光学传感器可以被放置在对象的身体位置处,以检测对象的脉冲相关信号。例如,光学传感器可以是血管容积图传感器。在一些实施例中,光学传感器可包括至少两个光源,其中光源可发射波长或波长范围内的光。因此,至少两个光源可以发射各种波长的光,或者在各自波长范围内的光。例如,光源可以发出红光和红外光。在一些实施例中,光学传感器可以包括至少两个光电检测器,其中光电检测器可以用于检测由波长或在波长的范围内的光产生的反射辐射。在一些实施例中,光电检测器可用于检测由各种波长或在各自波长范围内的发射光产生的反射辐射。例如,光电检测器可用于检测由红光和红外光产生的反射辐射。
在一些实施例中,可以将至少两个血管容积图传感器组装到一个设备中。至少两个血管容积图传感器中的一个血管容积图传感器可包括光源和光电检测器;光源可以发射波长,或者在其范围内的光;光电检测器可用于检测由发射光(波长或波长范围内)产生的反射辐射。至少两个血管容积图传感器可以包括,包括红光发射光源和可以检测由红光产生的反射辐射的光电检测器的血管容积图传感器,和包括红外光发光光源和可以检测由红外光产生的反射辐射的光电探测器的血管容积图传感器。在一些实施例中,至少两个血管容积图传感器中的至少两个可以被放置在对象的身体上的不同位置处。例如,一个血管容积图传感器可以放置在对象的上臂上,另一个血管容积图传感器可以放置在对象的手指上。在一些实施例中,至少两个血管容积图传感器中的至少两个可以放置在对象身体上的相同位置处或附近。例如,两个血管容积图传感器可以放置在对象的上臂处。又例如,两个血管容积图传感器可以放置在对象的手指处。在一些实施方案中,设备可包括血管容积图传感器;血管容积图传感器可包括至少两个光源和光电检测器;所述光源可以发射各种波长或在各自波长范围内的光;光电检测器可以用于检测由各种波长或在各自波长范围内的发射光产生的反射辐射。
所述设备可以是可穿戴或便携式设备,包括例如T恤、智能手表、腕带等,或其组合。所述设备还可以包括一个或以上处理器或处理单元。所述处理器或处理单元可以被配置为控制信息获取的过程,或者可以被配置为执行任何模块的一个或以上操作。信号或数据可以在放置在不同位置的传感器之间传输。传输可以经由无线连接(例如,WiFi、蓝牙、近场通信(Near-Field Communication,NFC)等,或其组合)、有线连接等,或其组合。例如,由传感器接收的信号可以通过无线身体传感器网络(Body Sensor Network,BSN)或体内通信(Intra-Body Communication,IBC)发送。
上述描述旨在说明,而不是限制本申请的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如,获取单元可以被集成到独立单元中,所述独立单元被配置为获取与对象有关的多于一个的信息或信号。至少一些获取单元可以集成到一个或以上独立单元中。一个或以上获取单元可以共享公共控制单元(图4中未示出)和/或公共存储单元(图4中未示出)。
图5是根据本申请的一些实施例示出了分析模块的架构的框图。分析模块220可以通过网络150连接到例如外围设备240和服务器120,或者与其进行通信。分析模块220可以基于所获取的信息来估计或计算与对象相关的血压。分析模块220可包括预处理单元510、特征识别单元520、计算单元530、以及可能的校准单元540。
预处理单元510可以被配置为预处理所获取的信息。预处理可以被执行以减少或去除原始信号中的噪声或误差。在一些实施例中,血管容积图波形的标准偏差的校正可以由预处理单元510执行。例如,对于由数十个心脏搏动周期组成的血管容积图波形,可以计算每个心脏搏动周期内的血管容积图波形的最大值/最小值的平均值、中值和/或标准偏差。可以规定阈值以指定血管容积图波形内的异常值。例如,可以设置值0.1为阈值。如果每个心脏跳动周期内血管容积图波形的最大值/最小值的标准偏差小于阈值,则血管容积图波形可以被标记为异常值并被丢弃。类似地,预处理单元510可以处理对象的个人数据。可以设置个人数据的值的可信区间。可信区间之外的任何个人数据可被标记为可疑并且需要被校正。例如,如果对象的高度是5cm,和/或对象的权值是5千克,则对象的个人数据可以被标记为有问题并且需要被校正。用于预处理的示例性方法可包括低通滤波、带通滤波、小波变换、中值滤波、形态滤波、曲线拟合、希尔伯特-黄变换等,或其任何组合。关于减少或消除生理信号例如血管容积图信号或心电图信号中的噪声的方法和系统的描述,可以在例如2015年4月20日提交的申请号为PCT/CN2015/077026的国际专利申请、2015年4月20日提交的申请号为PCT/CN2015/077025的国际专利申请和2015年5月27日提交的申请号为PCT/CN2015/079956的国际专利申请中找到,其各自通过引用并入。
在一些实施例中,在特征识别单元520中获得的生理特征可以被传送到预处理单元510以用于校正异常值。例如,对象的血管容积图波形可以被指定为训练数据。所述训练数据的集合可以存储在数据库133中。可以在特征识别单元520中获得血管容积图波形的生理特征,并将其传送到预处理单元510。预处理单元510可以计算血管容积图波形的生理特征的库克距离。如果库克距离大于C/N,作为训练数据的血管容积图波形则可以被丢弃。这里N是训练数据的数量,C是预设值。在一些实施例中,C可以被选择为大于或等于4的整数。
预处理单元510可包括一个或以上预处理子单元(图6中未示出)。预处理子单元可以(图6中未示出)串行(例如,一个预处理步骤在另一个预处理步骤开始或完成之后执行)或并行(例如,一些预处理步骤在同一时间处或附近执行)执行一个或以上预处理步骤,用于预先处理所获取的信号。预处理单元510可以控制或协调预处理子单元的操作(图6中未示出)。控制或协调可以由例如预处理单元510内的控制器(图6中未示出)或预处理单元510外部的控制器执行。预处理子单元可以串行或并行布置。
上述描述旨在是说明性的,而不是限制权利要求的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如,可以不同地组合预处理子单元以实现更好的预处理效果。应当注意,预处理子单元对于系统的功能实现不是必需的。类似的修改应落入权利要求的范围内。
识别单元520被配置为分析所获取的信息以识别或确定特征。在一些实施例中,所获取的信息可能在识别单元520中被处理之前已被预处理。在血压监测的示例性上下文下,所获取的信息可包括血管容积图信号、心电图信号、心冲击描记图信号等,或其组合;所获取的信息的示例性特征可包括血管容积图波形的函数的特征点、峰值点、谷点、幅度、时间间隔、相位、频率、周期、比率、最大斜率、开始时间、结束时间、直流(Direct Current,DC)分量、交流(Alternating Current,AC)分量等,或其任何组合。波形的函数可以是相同的函数,或波形的第一导数或更高阶导数。
识别单元520可以被配置为分析不同类型的信息或不同的信息部分。分析可以通过例如一个或以上识别子单元(图6中未示出)来执行。例如,所获取的信息包括各种类型的生理信号(例如,血管容积图信号和心电图信号),并且可以通过不同的识别子单元来分析。在识别单元520中采用的示例性方法可以包括阈值方法、模式识别的句法方法、高斯函数抑制、小波变换、QRS复合检测、线性判别分析、二次判别分析、决策树、决策表、近邻分类、小波神经网络模型、支持向量机、基因表达式编程、层次聚类、均值聚类分析、贝叶斯网络模型、主成分分析、卡尔曼滤波、高斯回归、线性回归、隐马尔可夫模型、关联规则、归纳逻辑方法等,或其任何组合。可以并行使用各种方法,或者可以组合使用各种方法。仅作为示例,识别单元在处理两种类型的信号时可以使用两种不同的方法。作为另一示例,识别单元在处理一种类型的信号时可以使用两种不同的方法,例如,一种方法接另一种方法。
上述描述旨在说明,而不是限制本申请的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。仅作为示例,可以将分析的特征上传到公共云或个人云,并且可以在后续计算或校准中使用。作为另一示例,识别子单元(图6中未示出)对于系统的功能实现不是必需的。类似的修改应落入本申请的范围和界限内。
计算单元530可以被配置为执行各种计算以确定例如与感兴趣的生理特征、平均值、中值和/或所计算的血压的标准偏差等,或其组合相关的模型或函数的系数。在一些实施例中,计算单元530可以尝试基于对象的个性化模型来减少生理特征的数量。例如,计算单元530可以基于生理特征和为对象选择的模型来计算赤池信息量准则(AIC)值。如果在从生理特征组中移除生理特征F1之后赤池信息量准则值减小,则可以从该组生理特征中处理生理特征F1。当赤池信息量准则值增加时,可以停止处理生理特征的过程。在处理生理特征的过程之后留下的生理特征可以被称为“有效的生理特征”。计算单元530可以包括一个或以上计算子单元(图6中未示出)以执行计算。感兴趣的生理特征可以包括例如脉搏传导时间、脉搏传导时间变化(PTTV)、血压、收缩血压、舒张血压、脉搏率、心率、心率变异、心脏杂音、血氧饱和度、血液密度、血氧水平等,或其任何组合。
可以在计算单元530中采用的示例性方法可以包括直接数学计算、间接数学计算、补偿计算、矢量运算、函数运算、波速评估、方程特征评估、张力评估等,或其任何组合。一个或以上计算模型可以集成在计算子单元中,或者计算模型可以被放置在服务器120中,或者计算模型可以被放置在公共云中。当要计算不同的系数或生理特征时,可以加载不同的模型。例如,计算子单元中的线性计算模型可以用于计算收缩血压,而另一个计算子单元中的另一个非线性计算模型可以用于计算舒张血压。可以从信息采集模块210、分析模块220、服务器120、外部数据源130、外围设备240等,或其任何组合中检索或加载用于计算感兴趣的生理特征的初始数据或中间结果。外部数据源130可以包括来自医疗机构131、研究设施132、数据库133和外围设备134的信息。初始数据和中间结果可以在计算单元530中以各种方式组合。
上述描述旨在说明,而不是限制本申请的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。在一个实施例中,所计算的系数或所计算的生理特征可以用作进一步分析的中间结果。在另一个示例中,可以由计算单元计算感兴趣的个体生理特征或一组感兴趣的相关生理特征。
校准单元540可以被配置为执行校准。校准(也称为校准过程或校准步骤)可包括为对象检索校准数据(或校准值)的一个或以上步骤;使用待校准或在后续过程(例如,可穿戴或便携式设备)中使用的设备获取对象的一组信息;确定校准后设备相对于对象的校准模型或其一部分等,或其组合。所获取的信息组可以包括由对象或除对象之外的用户提供的信息、或者通过使用待校准的设备获取的信息等,或其组合。校准数据组可包括在一个校准过程中获得的感兴趣的特定生理特征,所获取的信息组与同一校准过程中的感兴趣的特定生理特征有关。
仅作为示例,待校准的设备可基于为对象和有效的生理特征选择的个性化模型来计算血压(包括收缩血压和舒张血压)。在一些实施例中,待校准的设备可以是除校准单元540之外的系统的一部分。校准数据组可包括均由医院中的医疗保健提供者测量的收缩血压和舒张血压,以及相应的心电图波形和使用待校准的设备获取的相应血管容积图波形。使用待校准的设备获取的相应的心电图波形和对应的血管容积图波形可以对应于由医疗保健提供者测量的收缩血压和舒张血压。相应的心电图波形和相应的血管容积图波形可以使用在医疗保健提供者测量收缩血压和舒张血压的时间或附近的待校准的设备来获取。
在一些实施例中,校准数据组可以包括收缩血压、舒张血压、以及相应的心电图波形和相应的血管容积图波形,所有这些都是使用待校准的设备获取的。例如,校准单元540可以包括基于袖口的血压监测仪或与基于袖口的血压监测仪通信。基于袖口的血压监测仪可以集成到系统或设备中或作为系统或设备(例如,计算单元、信息采集模块等)的一部分。例如,基于袖口的血压监测仪、可以获取心电图信息的心电图监测仪、以及一个或以上血管容积图传感器可以被打包进设备、系统中或作为其一部分。基于袖口的血压监测仪可以在某个时间间隔(例如,15分钟、30分钟、1小时、2小时、一天等)测量收缩血压和舒张血压。所述校准数据组可以基于系统的默认设置自动获取,或者由对象或除对象之外的用户(也称为第三方)预设指令。示例性第三方可以是医生、医疗保健工作者、医疗机构、研究机构、对象的外围设备或与对象良好连接的用户等。由校准单元540获取的校准数据组可以实时地传输到计算单元530或其他模块或单元。所述校准数据组可以存储在本申请中任何地方公开的存储设备中,或者可以存储在服务器120中。如果需要,可以自动地从存储设备或服务器120加载所述校准数据组。
一个或以上校准数据组可用于确定校准模型或校准模型的一些其他部分的系数。校准模型可以用于后续过程以基于使用校准设备获取的另一信息组来计算感兴趣的生理特征。在后续过程中,校准设备可以获取与为校准而获取的信息组相同或相似的信息组。例如,另一信息组可以包括使用与校准中使用的设备(例如,包括一个或多个传感器的设备)相同的设备获取的信息、与在校准中获得的信息(例如,对象的年龄、一天中的获取时间、对象的生理或心理状态等,或其组合)类型相同的信息等,或其组合。校准的模型可以用于相应地计算或估计感兴趣的生理特征。可以在校准中使用以获得校准模型的示例性方法可以包括回归分析、线性分析、功能操作、重构、傅里叶变换、拉普拉斯变换等,或其组合。
在校准过程中,校准数据组可以包括基于使用除了待校准的设备之外的一个或以上设备的测量而获得的感兴趣的特定生理特征。仅作为示例,可以基于由校准单元540(例如,基于袖口的血液监测仪)对对象执行的测量来获得感兴趣的特定生理特征。作为另一示例,可以基于医院或医生办公室的医疗保健专业人员对对象进行的测量来获得感兴趣的特定生理特征。作为另一示例,可以基于对象或其他人使用临床设备或家用设备对对象执行的测量来获得感兴趣的特定生理特征。例如,可以使用包括例如听诊设备、示波设备、心电图管理设备、血管容积图管理设备等,或其任何组合的设备来测量感兴趣的生理特征。
在校准过程中,校准数据组可包括先前由系统或系统的一部分计算或估计的特定生理特征。仅作为示例,系统基于获取的信息组和系统中的校准函数计算的感兴趣的生理特征可以用于下一个校准以更新或生成校准的模型,并且更新后的校准模型可以在后续用于计算感兴趣的生理特征(上述校准过程的第一方面)。作为另一示例,系统基于获取的信息组和系统中的校准函数计算的感兴趣的生理特征可以用于感兴趣的生理特征的下一测量中(上述校准过程的第二方面)。所计算的对象的感兴趣的生理特征可以存储在本申请的任何地方公开的存储设备或服务器120中,以供后续与对象或其他对象结合使用。
在估计对象的血压(包括收缩血压和舒张血压)的示例性上下文中,基于脉搏传导时间,BP和脉搏传导时间之间的相关性可以由包括数学处理和因式函数的模型表示,而因式函数可以包括函数(f)和系数(B)。如本申请所用,校准可包括至少两个方面。第一方面是基于一个或以上校准数据(或校准值)组来确定模型。所述确定后的模型可以被称为校准模型。为了在特定测量中使用校准模型,需要获取信号以提供脉搏传导时间和包括PTT0、SBP0和DBP0的校准数据组。除了脉搏传导时间之外,血压和脉搏传导时间之间的相关性可以取决于其他元素。仅作为示例,除了脉搏传导时间之外,血压和脉搏传导时间之间的相关性可以取决于心率变异,脉搏传导时间变化。为了在特定测量中使用校准的模型,需要获取信号以提供脉搏传导时间,心率变异和脉搏传导时间变化,以及包括PTT0,SBP0,DBP0,HRV0和PTTV0的校准数据组。
可以使用与对象或对等数据或经验数据相关的个性化校准数据来执行校准的第一方面。可以在执行特定测量时实时执行校准的这个方面。可以基于一个或以上的校准数据组来推导用于基于特定测量中的脉搏传导时间来估计血压的模型。一个或以上校准数据组的选择可以基于特定测量中的脉搏传导时间。校准的这个方面可以离线执行,与特定测量无关。
校准的第二方面包括获取要在校准模型中应用的校准数据组,使得可以根据模型和所示校准数据组,基于在特定测量中获取的脉搏传导时间来估计血压。在一些实施例中,要在特定测量中使用的校准数据组可以选自例如至少两个校准数据组。至少两个校准数据组可以包括与对象、对等数据或经验数据有关的个性化数据。至少两个校准数据组可以保存在系统中,例如,保存在存储库900中(参见图1)。至少两个校准数据组可以保存在作为系统的一部分或可从系统访问的服务器中。在一些实施例中,可以基于特定测量中的脉搏传导时间来选择校准数据组。
用于特定对象的校准模型可以基于相同对象的校准数据。用于特定对象的校准模型可以基于相同对象的校准数据和来自一组对象的校准数据的组合(例如,本申请中其他地方讨论的对等数据)。用于特定对象的校准模型可以基于来自一组对象的校准数据(例如,本申请中其他地方讨论的对等数据或经验数据)。特定对象可以包括在组中,或者不包括在内。校准数据可以存储在本申请的任何地方公开的存储设备或服务器120等,或者其组合中。不同对象的个性化校准数据可以存储在服务器120或个人云中的各个对象的相应个人账户中。来自各种对象的校准数据可以存储在非个性化数据库中以供将来使用。例如,可以基于相应对象的一个或以上特征来划分来自各种对象的校准数据。示例性特征可包括例如年龄、性别、身高、权值、体脂百分比、皮肤颜色、家庭健康史、生活方式、运动习惯或其他习惯、饮食、心理状况、健康状况、教育历史、职业等,或其组合。在一些实施例中,如此划分的校准数据(例如,本申请中其他地方讨论的对等数据)的一部分可以被共享相同或相似特征的一组对象用作校准目的。
上述描述旨在说明,而不是限制本申请的范围。许多替换、修改和变化对于本领域技术人员是显而易见的。本申请描述的示例性实施例的特征、结构、方法和其他特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如,可以将存储单元(图6中未示出)添加到校准单元540或计算单元530,或其组合。校准单元540中的存储单元可以存储校准数据或与校准过程有关的历史数据。与计算单元530有关的存储单元可以存储与计算处理有关的计算模型或数据。另外,对等数据可以在校准期间用作初始数据或中间结果。
分析模块220可以在一个或以上处理器上实施。分析模块220的各种单元可以在一个或以上处理器上实施。例如,预处理单元510、识别单元520、计算单元530和校准单元540可以在一个或以上处理器上实施。一个或以上处理器可以利用存储设备(图6中未示出)、信息获取模块1、2和3、外围设备240和服务器120来传输信号或数据。一个或以上处理器可以从存储设备(图6中未示出)、信息获取模块1、2和3、外围设备240或服务器120检索或加载信号、信息或指令,并且处理信号、信息、数据或指令或其组合,以执行预处理、计算感兴趣的一个或以上生理特征、校准等,或其组合。一个或以上处理器还可以与系统100有关的其他设备连接或通信,并且通过例如,移动电话APP、本地或远程终端等,或其组合与这样的其他设备传输或共享信号、信息、指令、感兴趣的生理特征等。
图6是根据本申请的一些实施例的用于估计血压的示例性过程的流程图。从步骤610开始,可以获取包括第一信号和第二信号的信息。例如,第一信号可以是心电图信号,第二信号可以是血管容积图信号。第一信号和第二信号可以与对象相关。可以通过信息采集模块210来执行信号的获取。在一些实施例中,可以在同一时间处或附近同时获取第一和第二信号。在一些实施例中,可以在另一信号之前获取一个信号。在一些实施例中,可以在步骤610获取包括或与第一信号或第二信号有关的信息。例如,可以获取关于对象的个人数据的信息,例如年龄、权值、身高和历史病历。又例如,可以获取与对象和/或环境信息有关的基本信息。
仅作为示例,第一信号或第二信号可以是生理信号,例如,心电图信号、脉冲波相关信号(例如血管容积图(PPG)),心音图(PCG)信号,阻抗心电图(ICG)信号等,或其任何组合。在一些实施例中,第一信号和第二信号可以是不同类型的。例如,第一和第二信号可以是心电图信号和血管容积图信号的组合,心电图信号和心音图信号的组合,心电图信号和阻抗心电图信号的组合等。在一些实施例中,第一信号和第二信号可以是相同类型。例如,第一和第二信号可以是两个血管容积图信号,其可以在对象的身体上的不同位置处被检测到。对象身体上的示例性位置可包括例如手指、桡动脉、耳朵、手腕、脚趾或更适合于电流传感器设计中的移动监测的位置。
在步骤620,可以预处理至少一些所获取的信息。在一些实施例中,可以预处理所获取的第一和第二信号。可以执行预处理以减少或去除信号或信号相关数据中的噪声或误差。可以在预处理中使用的示例性方法可以包括低通滤波、带通滤波、小波变换,中值滤波、形态滤波、曲线拟合、希尔伯特-黄变换等,或任何其组合。在预处理的过程中,本申请提到的方法可以并行使用或者可以组合使用。关于减少或消除生理信号例如血管容积图信号或心电图信号中的噪声的方法和系统的描述,可以在例如2015年4月20日提交的申请号为PCT/CN2015/077026的国际专利申请、2015年4月20日提交的申请号为PCT/CN2015/077025的国际专利申请和2015年5月27日提交的申请号为PCT/CN2015/079956的国际专利申请中找到,其各自通过引用并入。另外,时域或频域的实时变换也可以在步骤820中实施,并且信号或相关信息可以在时域、频域、小波域或所有这些中使用。
在步骤630,可以识别或确定第一和第二信号的特征。在血压监测的示例性上下文中,第一信号或第二信号可包括血管容积图信号、心电图信号、心冲击描记图信号等;第一信号或第二信号的示例性特征可包括血管容积图波形的函数的特征点、峰值点、谷点、幅度、时间间隔、相位、频率、周期、比率、最大斜率、开始时间、结束时间、直流(DC)分量、交流(AC)分量等,或其任何组合。波形的函数可以是相同的函数,或波形的第一导数或更高阶导数。例如,一个特征点可以是第一信号的峰值或谷值,例如,心电图信号的R波的峰值或谷值,血管容积图信号的最快上升点,血管容积图信号的更高阶矩或者更高阶导数,血管容积图信号的脉冲面积,心音图信号的S2的最大正峰值,或阻抗心电图信号的峰值等。
在步骤640,可以清除包括所识别的生理特征和对象的个人数据的数据集。通过清理数据集,可以移除或校正数据集内的异常值。例如,对于由数十个心脏搏动周期组成的血管容积图波形,可以计算每个心脏搏动周期内的血管容积图波形的最大值/最小值的平均值、中值和/或标准偏差。可以规定阈值以指定血管容积图波形内的异常值。如果每个心脏跳动周期内血管容积图波形的最大值/最小值的标准偏差小于阈值,则血管容积图波形可以被标记为异常值并被丢弃。类似地,可以清洗对象的个人数据。可以设置个人数据的值的可信区间。可信区间之外的任何个人数据可被标记为可疑并且需要被校正。例如,如果对象的高度是5cm,和/或对象的权值是5千克,则对象的个人数据可以被标记为可疑并且需要被校正。
可以执行预处理步骤以在识别出信号的一个或以上特征之前评估所获取的信号(例如,心电图信号、血管容积图信号等)。例如,可以在识别信号的一个或以上特征之前访问所获取的心电图信号。可以执行评估以评估是否获取了有效的心电图信号。可以通过例如模式识别过程来执行评估。例如,可以通过模式识别过程来确定所获取的心电图信号的R峰值。在一些实施例中,系统可以识别可能不适合于推导生理特征的异常信号或波形(例如,异常窦性心律R波、另一生理信号等);可以放弃这种异常信号或波形以避免其参与随后的计算或分析。在一些实施例中,可以将所获取的心电图信号与参考信号进行比较,以确定所获取的心电图信号是否包括异常R波。参考信号可以是正常窦性心律心电图信号,或者可以从具有历史数据的数据库中检索。
心电图波形和血管容积图波形是循环信号,即,特征点基本上循环地或周期性地发生。因此,在识别血管容积图波形的特征点期间,可以设置关于时间窗口或片段的阈值,在该时间窗口或片段内可以识别血管容积图波形上的特征点并用于确定生理特征。在一个示例中,时间窗口可以是数十个心脏跳动周期。仅作为示例,在识别出心电图波形上的最大点的时间点内的2秒内发生的血管容积图波形的片段上执行用于识别血管容积图波形上的基准点的分析,以便获得生理特征。作为另一示例,对在心电图波形上的两个连续峰值点之间发生的血管容积图波形的片段上执行用于识别血管容积图波形上的基准点的分析,以便近似得到脉搏传导时间。作为进一步示例,可以基于对象的心率来设置时间窗口。例如,可以基于在获取时间处或附近的对象的心率、或者对象在一段时间内的平均心率、或者一组人(例如,与对象具有相同或相似特征的人的子组)的平均心率来设置时间窗口;示例性特征可包括年龄、性别、国家、身高、权值、体脂百分比、皮肤颜色、家庭健康史、生活方式、运动习惯或其他习惯、饮食、职业、病史、教育背景、婚姻状况、宗教信仰等,或其任何组合。
心电图的循环或血管容积图的循环可以变化。作为示例,心电图的循环或不同对象的血管容积图的循环可以是不同的。作为另一示例,相同对象的心电图或血管容积图的循环可以在不同情况下变化(例如,当对象在一天中的不同时间、在不同日期的相同或相似时间运动或睡着时)等,或其组合。在一个示例中,可以基于对象的心率来设置时间窗口阈值(例如,普通人的心率是大约每分钟60-120次)。心率可以是一段时间(例如,一周、一个月、一年等)的平均值。心率可以是在获取时间处或其附近测量的心率。可以基于例如心电图信号、血管容积图信号等来测量心率。可以基于测量的心率来设置或更新时间窗口。在另一示例中,可以基于对象的生理信息,通过例如系统、对象或除对象之外的用户来设置时间窗口。例如,所述生理信息可以包括运动与否、是否服用药物、情绪好坏、情绪压力等,或其组合。又例如,时间窗口可以是由系统、对象或除对象之外的用户(例如,他的医生、医疗保健提供者等)定义的固定值。
在步骤650,可以获得至少两个模型和成本函数。要选择的模型可以是以下形式之一:
其中Sbp是收缩压,Dbp是舒张压。gsbp(.)、gdbp(.)、gbpdiff(.)、glnsbp(.)、glndbp(.)是输入生理特征例如血管容积图信号的特征点,对象的人口统计信息的预测函数的结构组件(非随机)。函数关系可以是线性、非线性、回归树或由成本函数确定随机森林。线性函数的示例采用以下形式:是待确定的模型系数,xi是有效的生理特征,i = 1、2、.. M,其中M是所选生理特征的数量,id是与对象相关的个人变量。结构组件gsbp(.)、gdbp(.)、gbpdiff(.)、glnsbp(.)、glndbp(.)被设置为在一般群体中是恒定的,而R(id)表示个人特定预测函数的随机分量。在一些实施例中,结构组件gsbp(.)、gdbp(.)、gbpdiff(.)、glnsbp(.)、glndbp(.)可以取决于训练数据和/或校准数据。要选择的成本函数可以是测试数据的预测误差的平均值、中值、标准偏差。
在步骤660,可以通过基于可能性的原则例如赤池信息量准则(AIC)、贝叶斯信息准则(BIC)、经过交叉验证方法、或通过基于收缩的方法来执行每个模型的特征提取。可以使用上述方法确定将导致最小交叉验证预测误差的生理特征的最佳子集。作为数据驱动方法,最佳子集的元素可以根据人口(例如性别和/或年龄),血压测量位置等而变化。
在步骤670,可以基于在步骤660获得的成本函数和有效的生理特征来确定个性化模型。例如,可以选择成本函数作为测试数据的预测误差的标准偏差。基于在步骤650中列出的模型的行为,可以将具有测试数据的预测误差的最小标准偏差的模型指定为对象的个性化模型。
在步骤680,可以基于个性化模型和有效的生理特征来计算对象的血压(BP)值,所述有效的生理特征例如,血管容积图脉搏波的斜率的最大值和最小值、血管容积图脉搏波的直流(DC)分量、血管容积图脉搏波交流(AC)分量、确定的脉搏传导时间(PTT)、脉搏传导时间变化(PTTV)和心率变异等,或其组合。个性化模型可包括基于线性函数的模型、基于非线性函数的模型、基于回归树/随机森林的模型。
虽然前面已经描述了被认为构成本申请和/或其他示例的内容,但是应当理解,可以对其进行各种修改,并且本申请公开的主题可以以各种形式和示例实施,并且本公开可以应用于许多应用中,这里仅描述了其中的一些应用。本领域技术人员能够理解,本申请所披露的内容可以出现多种变型和改进。例如,预处理步骤530可以不是必需的。另外,如果需要,可以获取第三信号,并且第三信号可以是与第一信号或第二信号具有相同类型的信号,或者可以是与第一信号或第二信号不同的信号。
图7示出了根据本申请的一些实施例的示例性监测设备700。监测设备700可以包括测量模块710、电极720、指夹730和/或终端740。监测设备700可以与终端740连接或以其他方式通信。
测量模块710可以被配置为获取信息,例如,心电图信号、血管容积图信号、血氧信息等,或其组合。测量模块710还可以被配置为分析和处理所获取的信息、或者确定或估计感兴趣的生理特征、或者确定血压等。
根据实施例,测量模块710包括:心电图获取单元,被配置为通过电传感方法获取心电图信号,以及血管容积图信号获取单元,被配置为通过光电传感方法获取血管容积图信号相关信息。所获取的信号或信息可以存储在服务器120中、或者存储在测量模块710中集成的存储设备(图7中未示出)、或本申请中任何地方公开的任何存储设备。
监测设备700可以是可穿戴设备、便携式设备、医院中的医疗监测设备、或家中的医疗监测设备等。可以看出,至少两个电极720位于对象的胸部,并且电极被配置为记录对象的一个或以上的潜在变化。电势变化可以构成心电图波形,并且心电图波形可以通过一根或以上导线传输到测量模块710。还可以看出,一个或以上光电传感器730位于对象的手指上,并且光电传感器被配置为检测一个或以上血管容积图信号或脉搏相关信号。可以通过有线或无线方式将检测到的信号传输到测量模块710。在这个实施例中,一个或以上光电传感器位于对象的手指上,并且所述布置或定位方式仅用于说明目的。在一个示例中,一个或以上光电传感器可以位于对象的上臂。
根据实施例,校准模块740可包括基于袖口的血压监测仪。基于袖口的血压监测仪可以被配置为获取收缩血压和舒张血压值,所述收缩血压和舒张血压值可以在测量模块710的一个或以上测量过程期间用作校准数据(例如,SBP0、DBP0、PTT0等,或其组合)。如图所示,基于袖口的血压监测仪可以包括袖带、气动设备(图7中未示出)、连接线(图7中未示出)、收发器(图7中未示出)、和/或控制器(图7中未示出)。袖带可以具有内部气密口袋,其可以固定到对象的一部分上以施加压力。例如,袖带可以环绕对象的上臂以施加压力。气动设备可包括泵、阀、模拟/数字转换器等。在获取校准数据的过程中,气动设备可给袖带充气并获取至少两个数据(例如,SBP0、DBP0等,或其组合)。所获取的数据可以由连接线750发送到收发器(图7中未示出)以用于后续处理。
可以将获取的心电图信号、血管容积图信号、校准数据(例如,SBP0、DBP0、PTT0等,或其组合)发送到测量模块710,以用于计算对象的血压值。计算可以由测量模块710执行,或者可以由集成在测量模块710中的分析模块(未示出)执行。在一些实施例中,如图7所示,测量模块710可以是与一个或以上光电传感器730、电极720和/或校准模块740分离并且能够与其通信的可穿戴或便携式设备。在一些实施例中,测量模块710可以与校准模块740一起封装。例如,测量模块710可以附在校准模块740的袖带上。
在计算之前,可以执行一个或以上操作,例如,预处理、特征识别、特征估计、校准等,或其组合。关于分析的更多描述可以在2015年7月3日提交的申请号为PCT/CN2015/083334的国际专利申请和2015年12月5日提交的申请号为PCT/CN/2015/096498的国际专利申请中找到。细节可以显示在终端740中,或者可以发送到相关的第三方(例如,医疗机构)。所述细节可以显示在测量模块710的显示设备(参见图7)中。
监测设备700还可以包括一个或以上附加组件,包括WIFI设备、蓝牙设备、NFC设备、GPS设备等,或其组合。例如,WIFI设备可以用于连接到无线网络。蓝牙设备可以用于一定距离内的一些有线或无线终端之间的数据变换。NFC设备可以用于使终端能够在短距离(10cm或更短)内建立无线电通信。GPS设备可以允许对象找到自己的位置,或者GPS设备可以用于导航等,或者其组合。附加组件可以与测量模块710、校准模块740、终端740和服务器120连接或以其他方式通信。
监测设备700可以用于医疗保健机构(例如,医院),或者可以在家中使用。监测设备700可以用于实时生理特征监测。可以在显示设备(未示出)或终端740中实时显示所获取的信号、信息、数据或所计算的感兴趣的生理特征。对象、除了对象之外的用户(例如,医生)可以随时随地查看相关信息。在一些实施例中,如果监测设备700在家中使用,则监测设备700可以与位于远离对象的位置的医疗保健提供商通信。所述通信可以由监测监控设备700直接实施,或者间接地通过例如由对象携带的终端740实施。对象的生理特征以及位置信息可以实时地、周期性地或在发生触发事件时被发送到医疗保健提供者。示例性触发事件在本申请的其他地方描述。当紧急情况发生时,例如,生理特征超过阈值,可以通知医疗保健提供者,可以基于来自GPS或位置传感器的定位信息来定位对象,并且可以相应地提供医疗服务。
图8是根据本申请的一些实施例的利用所公开的方法来估计血压的示例性过程的流程图。从步骤810开始,可以获得对象的校准数据。校准数据可以是心电图波形和血管容积图波形,连同使用传统的柯氏音或示波法测量的血压(包括收缩血压和舒张血压)。对象的校准数据可以存储在数据库133中。在一些实施例中,可以在对象站立、坐着或躺在床上时进行校准。可以在相同或不同的白天的不同时间进行校准。例如,可以在一天的早晨、中午和/或晚上进行校准。
在步骤820,可以获取包括与第一信号和第二信号对象相关的信息,连同对象的个性化模型。可以预先确定个性化模型,在如图1所示的模型123中的模型中选择一个模型。第一信号可以是心电图信号。第二信号可以是血管容积图信号。在一些实施例中,还可以在步骤820获取关于对象的个人数据。
在步骤830,可以预处理至少一些所获取的信息以处理异常信号。例如,血管容积图信号的一部分可能是异常的并且需要被丢弃。在步骤840,可以使用对象的第一信号、第二信号和个性化模型来获得有效的生理特征。所述有效的生理特征可以用作模型变量,并且对象的个人数据可以用作个性化模型的个人变量id。
在步骤850,可以使用指定的个性化模型和对象的可能个人数据基于第一信号和第二信号的有效的生理特征来计算血压。对象的血压可以在步骤860输出。
图9描绘了可用于实施包括本申请的专用系统的移动设备的架构。在这个示例中,在其上呈现并与之交互与血压监测有关的信息的设备(例如,终端140)是移动设备900,包括但不限于智能手机、平板电脑、音乐播放器、处理游戏控制台、全球定位系统(GPS)接收器和可穿戴计算设备(例如,眼镜、手表等)等。这个示例中的移动设备900包括一个或以上中央处理单元(CPU)940、一个或以上图形处理单元(GPU)930、显示器920、内存960、通信平台910,例如无线通信模块、存储器990、以及一个或以上输入/输出(I/O)设备950。任何其他合适的组件,包括系统总线或控制器(未示出),也可以包括在移动设备900中。如图9所示,移动操作系统970(例如,iOS、Android、Windows Phone等)和一个或以上应用程序980可以从存储器990加载到内存960中以便被CPU 940执行。应用程序980可以包括浏览器或任何其他合适的移动应用程序,用于在移动设备900上接收和呈现与血压监测或来自引擎200的其他信息有关的信息。用户与信息流的交互可以经由I/O设备950实施,并且例如经由网络150提供给引擎200和/或系统100的其他组件。
为了实施本申请中描述的各种模块、单元及其功能,计算机硬件平台可以用作本申请所述的一个或以上元素的硬件平台(例如,引擎200,和/或图1-8中描述的系统100的其他组件)。这类计算机的硬件元素、操作系统和程序语言本质上是常见的,可以假定本领域技术人员对这些技术足够熟悉,能够将这些技术应用于本申请描述的血压监测。包含用户界面元素的计算机可以被用作个人计算机(Personal Computer,PC)或其他类型的工作站或终端设备,被适当程序化后也可以作为服务器使用。可以相信,本领域技术人员应熟悉这样的计算机设备的结构、程序设计和一般操作,因此,附图对其应是不解自明的。
图10描绘了可用于实施包括本申请的专用系统的计算设备的架构。本申请的这种特定系统具有包括用户界面元素的硬件平台的功能框图图示。所述计算机可以是一个通用目的的计算机,也可以是一个有专用目的的计算机。两种计算机都可以被用于实施本申请中的特定系统。计算机1000可以用于实施当前描述地血压监测的任何组件。例如,引擎200等可以通过计算机的硬件、软件程序、固件或其组合在如计算机1000的计算机上实施。尽管仅示出了一个这样的计算机,但是为了方便,与本申请所述的血压监测有关的计算机功能可以在多个类似平台上以分布式方式实施,以分配处理负荷。
计算机1000例如包括连接到网络的通信端口1050,以促进数据通信。计算机1000还包括一个或以上处理器形式的中央处理单元(CPU)1020,用于执行程序指令。示例性计算机平台包括内部通信总线1010,程序存储器和不同形式的数据存储器,例如,磁盘1070、只读存储器(ROM)1030或随机存取存储器(RAM)1040,用于各种要由计算机处理和/或传输数据文件,以及可能由CPU执行的程序指令。计算机1000还包括I/O组件1060,其支持计算机与其中的其他组件例如用户界面元素1080之间的输入/输出。计算机1000也可以通过网络通信接收程序和数据。
因此,如上所述,血压监测和/或其他过程的方法的各方面可以在编程中体现。技术的程序方面可以被认为是通常以可执行代码的形式的“产品”或“制品”和/或是在一种机器可读介质中执行或体现的相关数据。有形非瞬态“存储”型介质包括计算机、处理器、或类似设备或相关的模块所用到的任何或全部内存或存储器,例如各种半导体存储器、磁带驱动器、磁盘驱动器等,任何时间能够为软件编程提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信,如互联网或其他通信网络。此类通信例如可以将软件从一个计算机设备或处理器加载到另一个,例如,从引擎200的管理服务器或主机计算机加载至计算环境的硬件平台,或其他实施计算环境的系统,或实施与血压监测相关的类似功能的系统。
因此,可以承载软件元素的另一种类型的介质包括光学、电学和电磁波,例如通过本地设备之间的物理接口,通过有线和光学陆线网络以及通过各种空中链路使用。承载这种波的物理元素,例如有线或无线链路、光学链路等,也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质,其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。因此,机器可读介质可以采用许多形式,包括有形存储器介质、载波介质或物理传输介质。非易失性存储介质包括例如光盘或磁盘,如任何计算机或类似设备中的任何存储设备,其可用于实施如图中所示的系统或其任何组件。易失性存储介质包括动态内存,例如计算机平台的主内存。有形传输介质包括同轴电缆;铜线和光纤,包括在计算机系统内形成总线的线。载波传输介质可以采用电或电磁信号的形式,或者如在射频(RF)和红外(IR)数据通信期间产生的声波或光波的形式。计算机可读介质的常见形式包括硬盘、软盘、磁带、任何其他磁性介质;CD-ROM、DVD、DVD-ROM、任何其他光学介质;穿孔卡、任何其他包含小孔模式的物理存储介质;RAM、PROM、EPROM、FLASH-EPROM,任何其他存储器片或磁带;传输数据或指令的载波、电缆或传输载波的连接设备、任何其他可以利用计算机读取的程序代码和/或数据。这些计算机可读介质的形式中,会有很多种出现在处理器在执行指令、传递一个或更多结果的过程之中。
本领域技术人员能够理解,本申请所披露的内容可以出现多种变型和改进。例如,尽管上述各种组件的实施可以体现在硬件设备中,但是它也可以实施为仅软件解决方案-例如,在现有服务器上的安装。此外,这里所披露的血压监测系统可以实施为固件、固件/软件组合、固件/硬件组合或硬件/固件/软件组合。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可以进行各种变更、改良和修改。这些变更、改良和修改在本申请中被建议,并属于本申请示例实施例的精神和范围。
同时,本申请使用了特定术语来描述本申请的实施例。例如,术语“一实施例”,“实施例”和/或“一些实施例”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的至少一个实施例中。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“实施例”或“一替代性实施例”并不一定系指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特性可以进行适当的组合。另外,术语“逻辑”表示执行一个或以上功能的硬件、固件、软件(或其任何组合)。例如,“硬件”的示例包括但不限于集成电路,有限状态机或甚至组合逻辑。集成电路可以采用处理器的形式,例如微处理器、专用集成电路、数字信号处理器、微控制器等。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的制程、机器、产品或物质的组合,或对其任何新的和有用的改良。因此,本申请的各方面可以完全由硬件、完全软件(包括固件、常驻软件、微代码等)或组合软件和硬件实现来实施,这些实施在本申请中通常都称为“电路”、“单元“、‘模块’、‘组件’、或‘系统’。此外,本申请的各方面可以呈现为位于一个或以上计算机可读介质中的计算机程序产品,该产品具有计算机可读程序代码。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。这种传播信号可以采用多种形式中的任何一种,包括电磁、光学或其任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。计算机可读信号介质上包含的程序代码可以使用任何适当的介质传输,包括无线、有线、光纤电缆、RF等,或者前述的任何合适的组合。
本申请各部分操作所需的计算机程序代码可以用任意一种或多种程序语言编写,包括面向对象程序设计语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化程序设计语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态程序设计语言如Python、Ruby和Groovy,或其他程序设计语言。程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机上运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算器可以通过任何网络形式与用户计算器连接,例如,局域网络(LAN)或广域网(WAN)、或连接至外部计算器(例如通过因特网)、或在云端计算环境中、或作为服务使用如软件即服务(SaaS)。
此外,除非申请专利范围中明确说明,本申请所述处理元素和序列的顺序、数字,字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解,此类细节仅起说明的目的,附加的申请专利范围并不仅限于披露的实施例,相反,申请专利范围旨在覆盖所有符合本申请实施例精神和范围的修正和等价组合。例如,尽管上述各种组件的实施可以体现在硬件设备中,但是它也可以实施为仅软件解决方案-例如,在现有服务器或移动设备上的安装。此外,这里公开的系统可以实施为固件、固件/软件组合、固件/硬件组合或硬件/固件/软件组合。
类似的,可以理解的是,在本发明实施例的前述描写中,出于简化本公开的目的,各种特征有时会集中在单个实施例、附图或者描述中,以帮助理解本公开中各种实施例中的一个或以上。然而,该公开方法不应被解释为反映所要求保护的主题需要比每个权利要求中明确记载的特征更多的意图。相反,发明的实施例应具备比上述单一实施例更少的特征。
Claims (17)
1.一种用于生理特征推导的设备,包括:
存储指令的存储器;以及
至少一个处理器,所述至少一个处理器执行所述指令以实施以下操作,包括:
接收表示与对象的心脏活动有关的脉搏的第一信号,所述第一信号包括心电图波形,
接收表示所述对象的脉搏上的时变信息的至少两个第二信号,所述第二信号包括血管容积图波形;
获取至少两个模型和成本函数;
基于所述第一信号和至少两个第二信号,确定所述对象的有效的生理特征,其中,所述有效的生理特征是具有最小交叉验证预测误差的生理特征;
至少基于所述成本函数和所述有效的生理特征,为所述对象指定个性化模型,其中,所述成本函数为测试数据的预测误差的标准偏差,所述个性化模型为具有测试数据的预测误差的最小标准偏差的模型,所述测试数据为具有最小交叉预测误差的生理特征;以及
基于所述有效的生理特征和为所述对象指定的所述个性化模型,计算所述对象的血压。
2.根据权利要求 1 所述的设备,所述接收所述第一信号包括与被配置为获取所述对象的所述第一信号的第一传感器通信。
3.根据权利要求 1 所述的设备,所述接收所述至少两个第二信号包括与一个或以上第二传感器通信。
4.根据权利要求 2 所述的设备,所述第一传感器包括至少两个电极。
5.根据权利要求 3 所述的设备,所述一个或以上第二传感器中的一个包括光电传感器。
6.根据权利要求 1 所述的设备,所述第一信号或所述第二信号包括光信号或电信号。
7.根据权利要求 1 所述的设备,其中,
所述有效的生理特征是基于赤池信息量准则 AIC 获得的。
8.根据权利要求 1 所述的设备,其中所述第一信号或所述第二信号包括心电图波形、血管容积图波形或心冲击描记图波形。
9.根据权利要求 1 所述的设备,进一步包括被配置为与基于袖口的血压监测仪通信。
10.根据权利要求 9 所述的设备,所述基于袖口的血压监测仪被配置为协调血压测量与所述接收所述第一信号或所述接收所述至少两个第二信号。
11.一种用于生理特征推导的系统,包括:
第一获取模块被配置为接收心电图检测仪获取到的表示对象的心脏活动的第一信号,所述第一信号包括心电图波形;
第二获取模块被配置为接收血氧检测仪获取到的表示脉搏上的时变信息的至少两个第二信号,所述第二信号包括血管容积图波形;
以及获取至少两个模型和成本函数;
校准单元被配置为获取校准数据组;
分析模块被配置为
基于所述第一信号和至少两个第二信号,确定所述对象的有效的生理特征,其中,所述有效的生理特征是具有最小交叉验证预测误差的生理特征;
至少基于所述成本函数和所述有效的生理特征,为所述对象指定个性化模型,其中,所述成本函数为测试数据的预测误差的标准偏差,所述个性化模型为具有测试数据的预测误差的最小标准偏差的模型,所述测试数据为具有最小交叉预测误差的生理特征;以及
基于所述有效的生理特征和为所述对象指定的所述个性化模型计算所述对象的血压。
12.根据权利要求11所述的系统,所述第一获取模块包括心电图检测仪。
13.根据权利要求11所述的系统,所述第二获取模块包括血氧检测仪。
14.根据权利要求11所述的系统,所述第一信号或所述至少两个第二信号中的一个包括光信号或电信号。
15.根据权利要求11所述的系统,所述校准单元包括被配置为与基于袖口的血压监测仪通信。
16.根据权利要求15所述的系统,所述基于袖口的血压监测仪被配置为协调血压测量与所述第一信号或所述至少两个第二信号。
17.根据权利要求11所述的系统,进一步包括输出模块被配置为提供计算出的血压的输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111021570.5A CN113712522A (zh) | 2015-03-31 | 2017-03-15 | 用于生理特征推导的系统和方法 |
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520188152.9U CN204515353U (zh) | 2015-03-31 | 2015-03-31 | 一种智能手表 |
PCT/CN2015/083334 WO2016155138A1 (en) | 2015-03-31 | 2015-07-03 | System and method for blood pressure monitoring |
PCT/CN2015/096498 WO2016155348A1 (en) | 2015-03-31 | 2015-12-05 | System and method for physiological parameter monitoring |
PCT/CN2016/070017 WO2016107607A1 (en) | 2015-01-04 | 2016-01-04 | System and method for health monitoring |
PCT/CN2016/077469 WO2017005016A1 (en) | 2015-07-03 | 2016-03-28 | System and method for physiological parameter monitoring |
CNPCT/CN2016/077469 | 2016-03-28 | ||
PCT/CN2017/076702 WO2017167013A1 (en) | 2015-03-31 | 2017-03-15 | System and method for physiological feature derivation |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111021570.5A Division CN113712522A (zh) | 2015-03-31 | 2017-03-15 | 用于生理特征推导的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109152539A CN109152539A (zh) | 2019-01-04 |
CN109152539B true CN109152539B (zh) | 2021-09-21 |
Family
ID=53713306
Family Applications (7)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520188152.9U Active CN204515353U (zh) | 2015-01-04 | 2015-03-31 | 一种智能手表 |
CN202110307613.XA Pending CN113069096A (zh) | 2015-03-31 | 2015-07-03 | 一种用于血压监测的系统和方法 |
CN201580078735.9A Active CN108348172B (zh) | 2015-03-31 | 2015-07-03 | 一种用于血压监测的系统和方法 |
CN202110490650.9A Pending CN113080878A (zh) | 2015-03-31 | 2016-03-28 | 用于生理参数监测的系统和方法 |
CN201680038198.XA Active CN107847158B (zh) | 2015-03-31 | 2016-03-28 | 用于生理参数监测的系统和方法 |
CN201780020746.0A Active CN109152539B (zh) | 2015-03-31 | 2017-03-15 | 用于生理特征推导的系统和方法 |
CN202111021570.5A Pending CN113712522A (zh) | 2015-03-31 | 2017-03-15 | 用于生理特征推导的系统和方法 |
Family Applications Before (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520188152.9U Active CN204515353U (zh) | 2015-01-04 | 2015-03-31 | 一种智能手表 |
CN202110307613.XA Pending CN113069096A (zh) | 2015-03-31 | 2015-07-03 | 一种用于血压监测的系统和方法 |
CN201580078735.9A Active CN108348172B (zh) | 2015-03-31 | 2015-07-03 | 一种用于血压监测的系统和方法 |
CN202110490650.9A Pending CN113080878A (zh) | 2015-03-31 | 2016-03-28 | 用于生理参数监测的系统和方法 |
CN201680038198.XA Active CN107847158B (zh) | 2015-03-31 | 2016-03-28 | 用于生理参数监测的系统和方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111021570.5A Pending CN113712522A (zh) | 2015-03-31 | 2017-03-15 | 用于生理特征推导的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (7) | US11134853B2 (zh) |
CN (7) | CN204515353U (zh) |
WO (3) | WO2016155138A1 (zh) |
Families Citing this family (115)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105451641B (zh) * | 2013-03-14 | 2018-10-23 | M·祖贝尔·米尔扎 | 基于互联网的疾病监测系统(idms) |
WO2015122879A1 (en) | 2014-02-11 | 2015-08-20 | Bodhi Technology Ventures Llc | Detecting the limb wearing a wearable electronic device |
US10827268B2 (en) | 2014-02-11 | 2020-11-03 | Apple Inc. | Detecting an installation position of a wearable electronic device |
CN204515353U (zh) | 2015-03-31 | 2015-07-29 | 深圳市长桑技术有限公司 | 一种智能手表 |
WO2016107607A1 (en) | 2015-01-04 | 2016-07-07 | Vita-Course Technologies Co.,Ltd | System and method for health monitoring |
US20230162869A1 (en) * | 2021-11-22 | 2023-05-25 | ChroniSense Medical Ltd. | Error Correction in Measurements of Medical Parameters |
CN106527106A (zh) * | 2015-09-14 | 2017-03-22 | 深圳市美达尔前海医疗科技有限公司 | 一种智能手表及血压检测方法 |
CN106527105A (zh) * | 2015-09-14 | 2017-03-22 | 深圳市美达尔前海医疗科技有限公司 | 一种智能手表及血氧检测方法 |
CA3001628A1 (en) * | 2015-10-13 | 2017-04-20 | Salu Design Group Inc. | Wearable health monitors and methods of monitoring health |
TWI726853B (zh) * | 2015-10-29 | 2021-05-11 | 傅真 | 持續偵測身體生理訊息軌跡建立健康生活模式之個人穿戴式裝置、系統及方法 |
CN105266794B (zh) * | 2015-11-02 | 2018-05-25 | 广东小天才科技有限公司 | 一种用于心电检测的便携设备及方法 |
US10820808B2 (en) * | 2016-03-03 | 2020-11-03 | The Johns Hopkins University | Device and method to measure ventricular arterial coupling and vascular performance |
EP3219254B1 (en) * | 2016-03-14 | 2023-05-24 | Tata Consultancy Services Limited | Method and system for removing corruption in photoplethysmogram signals for monitoring cardiac health of patients |
WO2017199631A1 (ja) * | 2016-05-19 | 2017-11-23 | パナソニックIpマネジメント株式会社 | 血圧推定装置、血圧推定方法、およびコンピュータプログラム |
CN107788965A (zh) * | 2016-09-05 | 2018-03-13 | 京东方科技集团股份有限公司 | 一种血压的确定方法及装置 |
CN106725423A (zh) * | 2016-12-02 | 2017-05-31 | 华南理工大学 | 一种检测人体心电信号的可穿戴设备 |
US10993627B1 (en) * | 2017-01-24 | 2021-05-04 | James Eric Dotter | Device for determining blood pressure without a cuff |
US10874307B2 (en) * | 2017-01-24 | 2020-12-29 | Verily Life Sciences Llc | Digital artery blood pressure monitor |
CN106666942B (zh) * | 2017-01-25 | 2019-01-25 | 歌尔科技有限公司 | 一种智能手环 |
JP6202510B1 (ja) * | 2017-01-31 | 2017-09-27 | 株式会社Arblet | 血圧情報測定システム、血圧情報測定方法、血圧情報測定プログラム、血圧情報測定装置、サーバ装置、演算方法及び演算プログラム |
IT201700031915A1 (it) * | 2017-03-23 | 2018-09-23 | Univ Degli Studi Di Modena E Reggio Emilia | Sistema e metodo per la rilevazione di parametri fisiologici vitali di un soggetto. |
JP6783691B2 (ja) * | 2017-03-27 | 2020-11-11 | オムロン株式会社 | 血圧計及び血圧測定装置 |
US10959681B2 (en) * | 2017-04-19 | 2021-03-30 | Vital Connect, Inc. | Noninvasive blood pressure measurement and monitoring |
US20180360323A1 (en) * | 2017-06-20 | 2018-12-20 | Heartisans Limited | Method for monitoring blood pressure, and a device thereof |
US11504034B2 (en) | 2017-07-27 | 2022-11-22 | Vita-Course Digital Technologies (Tsingtao) Co., Ltd. | Systems and methods for determining blood pressure of a subject |
CN107340709B (zh) * | 2017-08-24 | 2023-03-24 | 歌尔科技有限公司 | 一种具有生理监测功能的智能穿戴设备 |
US20190059752A1 (en) * | 2017-08-28 | 2019-02-28 | Planexta, Inc. | Method and apparatus for cuff less blood pressure monitoring based on simultaneously measured ECG and PPG signals designed in wristband form for continuous wearing |
EP3451117B1 (en) | 2017-09-05 | 2023-08-23 | Apple Inc. | Wearable electronic device with electrodes for sensing biological parameters |
CN109464135A (zh) * | 2017-09-08 | 2019-03-15 | 纳智源科技(唐山)有限责任公司 | 脉搏监测装置及系统 |
US20190082984A1 (en) * | 2017-09-19 | 2019-03-21 | Pixart Imaging Inc. | Method and electronic device capable of establishing personal blood pressure estimation model for specific user/person |
EP3459447A3 (en) | 2017-09-26 | 2019-07-10 | Apple Inc. | Optical sensor subsystem adjacent a cover of an electronic device housing |
KR102505348B1 (ko) * | 2017-10-13 | 2023-03-03 | 삼성전자주식회사 | 생체 정보 처리 장치 및 방법 |
IT201700120714A1 (it) * | 2017-10-24 | 2019-04-24 | St Microelectronics Srl | Procedimento per trattare segnali elettrofisiologici, sistema, veicolo e prodotto informatico corrispondenti |
JP6992817B2 (ja) * | 2017-11-09 | 2022-01-13 | 株式会社島津製作所 | 波形解析装置 |
US11229404B2 (en) | 2017-11-28 | 2022-01-25 | Stmicroelectronics S.R.L. | Processing of electrophysiological signals |
CN108095717A (zh) * | 2017-12-25 | 2018-06-01 | 广州万威伟创网络科技有限公司 | 体征数据的分析系统 |
EP3742961A4 (en) * | 2018-01-25 | 2021-03-31 | Facebook Technologies, Inc. | CALIBRATION TECHNIQUES FOR MODELING A HAND CONDITION USING NEUROMUSCULAR SIGNALS |
US11321462B2 (en) | 2018-04-10 | 2022-05-03 | Raytheon Company | Device behavior anomaly detection |
US11436537B2 (en) | 2018-03-09 | 2022-09-06 | Raytheon Company | Machine learning technique selection and improvement |
US11507847B2 (en) * | 2019-07-25 | 2022-11-22 | Raytheon Company | Gene expression programming |
CN108523867B (zh) * | 2018-03-28 | 2020-12-29 | 武汉麦咚健康科技有限公司 | 一种自校准ppg无创血压测量方法及系统 |
WO2019199769A1 (en) | 2018-04-10 | 2019-10-17 | Raytheon Company | Cyber chaff using spatial voting |
KR102544669B1 (ko) * | 2018-04-12 | 2023-06-16 | 삼성전자주식회사 | 생체정보 측정 장치 및 방법 |
CN112040849B (zh) * | 2018-04-13 | 2024-01-02 | 深圳市长桑技术有限公司 | 用于确定对象血压的系统和方法 |
US11389071B2 (en) * | 2018-04-24 | 2022-07-19 | Covidien Lp | Surgical device including system for sensing tissue properties and methods thereof |
EP3563759A1 (en) * | 2018-05-01 | 2019-11-06 | Koninklijke Philips N.V. | Apparatus for determining a stress and/or pain level |
JP7222610B2 (ja) * | 2018-05-09 | 2023-02-15 | 日本光電工業株式会社 | 生体情報処理装置、生体情報処理方法、プログラム及び記憶媒体 |
TWI685326B (zh) | 2018-06-01 | 2020-02-21 | 華碩電腦股份有限公司 | 穿戴式血壓量測裝置及其量測方法 |
WO2019227468A1 (en) * | 2018-06-01 | 2019-12-05 | Vita-Course Technologies Co., Ltd. | Methods and systems for pulse transit time determination |
CN112312832B (zh) * | 2018-06-12 | 2024-04-12 | 深圳市长桑技术有限公司 | 测定血液和心血管状况的设备及其使用方法 |
US11690520B2 (en) * | 2018-06-20 | 2023-07-04 | Samsung Electronics Co., Ltd. | Apparatus and method for measuring bio-information |
CN109044302A (zh) * | 2018-07-03 | 2018-12-21 | 京东方科技集团股份有限公司 | 测量血压的装置、电子设备以及计算机可读存储介质 |
US10966664B2 (en) * | 2018-07-10 | 2021-04-06 | Kayden Beibei Fu | Dynamically calibrated blood pressure reference value electronic sphygmomanometer |
US11880314B1 (en) * | 2018-07-27 | 2024-01-23 | Dialog Semiconductor B.V. | Microcontroller for driving an external device |
KR102626585B1 (ko) * | 2018-08-20 | 2024-01-17 | 삼성전자주식회사 | 혈압 추정 장치 및 방법 |
US20200054292A1 (en) * | 2018-08-20 | 2020-02-20 | Biosense Webster (Israel) Ltd. | Remote biometric monitoring and communication system |
US11534067B2 (en) * | 2018-08-20 | 2022-12-27 | Biosense Webster (Israel) Ltd. | Learned monitoring device correction |
DE102018123559A1 (de) * | 2018-09-25 | 2020-03-26 | Osram Opto Semiconductors Gmbh | Sensorvorrichtung |
US20200121277A1 (en) * | 2018-10-18 | 2020-04-23 | Deep Science, Llc | Systems and methods for detecting physiological information using a smart stethoscope |
KR20200054719A (ko) * | 2018-11-12 | 2020-05-20 | 삼성전자주식회사 | 혈압 캘리브레이션 시점 검출 방법 및 장치 |
WO2020105841A1 (en) * | 2018-11-23 | 2020-05-28 | Samsung Electronics Co., Ltd. | Electronic device for obtaining blood pressure value using pulse wave velocity algorithm and method for obtaining blood pressure value |
CN109464137B (zh) * | 2018-11-29 | 2021-12-10 | 东莞市康助医疗科技有限公司 | 一种降压式动脉硬度评价方法、系统及装置 |
KR20200078795A (ko) | 2018-12-21 | 2020-07-02 | 삼성전자주식회사 | 혈압 추정 장치 및 방법 |
JP7264393B2 (ja) * | 2019-01-15 | 2023-04-25 | 国立大学法人大阪大学 | 集団環境評価方法ならびに集団環境評価システム |
KR20200088700A (ko) * | 2019-01-15 | 2020-07-23 | 삼성전자주식회사 | 생체정보 추정 장치 및 방법 |
US20200237240A1 (en) * | 2019-01-28 | 2020-07-30 | Mediatek Inc. | Vital-sign estimation apparatus and calibration method for vital-sign estimator |
US11331017B2 (en) * | 2019-02-13 | 2022-05-17 | Viavi Solutions Inc. | Calibration-free pulse oximetry |
US11341235B2 (en) | 2019-02-21 | 2022-05-24 | Raytheon Company | Anomaly detection with adaptive auto grouping |
US20200289000A1 (en) * | 2019-03-13 | 2020-09-17 | Hall Labs, Llc | Toilet with vascular health reporting |
CN109864724B (zh) * | 2019-04-04 | 2022-02-01 | 复旦大学附属中山医院 | 一种新型基于ecg和ppg血压变化计算系统 |
CN110051191B (zh) * | 2019-04-11 | 2021-02-26 | 南京邮电大学 | 智能办公学习桌垫及其健康提醒方法 |
CN110251105B (zh) * | 2019-06-12 | 2022-06-21 | 广州视源电子科技股份有限公司 | 一种无创血压测量方法、装置、设备及系统 |
US20210000356A1 (en) * | 2019-07-02 | 2021-01-07 | Tata Consultancy Services Limited | Method and system for screening and monitoring of cardiac diseases |
CN110327037A (zh) * | 2019-07-26 | 2019-10-15 | 复旦大学附属中山医院 | 心脏监测设备及心脏监测方法 |
CN112438712A (zh) * | 2019-08-30 | 2021-03-05 | 南京理工大学 | 非接触式血压变异性实时测量系统、计算机设备和存储介质 |
TWI743829B (zh) * | 2019-09-11 | 2021-10-21 | 筑波醫電股份有限公司 | 眼球檢體測量裝置及眼球檢體檢測方法 |
CN110731762B (zh) * | 2019-09-18 | 2022-02-08 | 平安科技(深圳)有限公司 | 基于相似度预处理脉搏波的方法、装置、计算机系统及可读存储介质 |
WO2021114134A1 (en) * | 2019-12-11 | 2021-06-17 | Huawei Technologies Co., Ltd. | Method for blood pressure estimation |
US20210181841A1 (en) * | 2019-12-16 | 2021-06-17 | Trechrein LLC | Integrative hand-wearable apparatus and systems |
KR20210083415A (ko) * | 2019-12-26 | 2021-07-07 | 삼성전자주식회사 | 혈압을 모니터링하는 전자 장치 및 방법 |
CN111067508B (zh) * | 2019-12-31 | 2022-09-27 | 深圳安视睿信息技术股份有限公司 | 非临床环境下对高血压进行非干预式的监测和评估方法 |
CN113100757B (zh) * | 2020-01-13 | 2023-03-31 | 康泰医学系统(秦皇岛)股份有限公司 | 血氧仪及其界面显示方法、装置和可读存储介质 |
TWI772738B (zh) * | 2020-01-21 | 2022-08-01 | 鉅怡智慧股份有限公司 | 具有非接觸影像式生理檢測功能的家庭影音系統 |
EP4099899A1 (en) * | 2020-02-07 | 2022-12-14 | The Regents of the University of California | Methods and systems to validate physiologic waveform reliability and uses thereof |
CN111387955B (zh) * | 2020-03-27 | 2023-01-17 | 河南经方云科技有限公司 | 基于脉象波形的中医脉象分析与识别方法及系统 |
CN113520357B (zh) * | 2020-04-17 | 2023-04-28 | 华为技术有限公司 | 一种血压测量装置及方法 |
CN111493851A (zh) * | 2020-04-28 | 2020-08-07 | 深圳市双平泰医疗科技有限公司 | 一种网联式智能电子血压计 |
CN111904404B (zh) * | 2020-08-06 | 2021-06-18 | 苏州国科医工科技发展(集团)有限公司 | 含闭环监测的基于耳迷走神经刺激的血压调控设备 |
US20220076821A1 (en) * | 2020-09-05 | 2022-03-10 | Soma Health, Inc. | Vitals monitoring platform for multiple users |
KR20220033795A (ko) * | 2020-09-10 | 2022-03-17 | 삼성전자주식회사 | 생체신호의 규칙성 판단 방법, 생체정보 추정 장치 및 방법 |
CN112603262A (zh) * | 2020-12-02 | 2021-04-06 | 珠海中科先进技术研究院有限公司 | 人体状态辨识方法、系统及介质 |
DE102020215490A1 (de) * | 2020-12-08 | 2022-06-09 | Siemens Healthcare Gmbh | Verfahren zum Aufnehmen von MR-Daten |
CN112672094B (zh) * | 2020-12-23 | 2023-02-17 | 迈普通信技术股份有限公司 | 一种云桌面会议共享方法、装置、电子设备及存储介质 |
CN117838079A (zh) * | 2020-12-31 | 2024-04-09 | 华为技术有限公司 | 一种可穿戴设备 |
CN114305358B (zh) * | 2021-02-24 | 2023-04-14 | 心永(北京)科技有限公司 | 血压测量模型的标定方法、装置、计算机设备和存储介质 |
CN113040738B (zh) * | 2021-03-29 | 2023-03-24 | 南京邮电大学 | 血压检测装置 |
CN113331806B (zh) * | 2021-05-20 | 2022-05-20 | 吉林大学 | 一种贫血患者用血压监测装置 |
TWI769839B (zh) * | 2021-05-28 | 2022-07-01 | 長庚大學 | 腦波訊號檢測之方法 |
CN113436719B (zh) * | 2021-06-22 | 2022-05-20 | 广东职业技术学院 | 一种基于皮肤健康手环的智能健康管理方法和系统 |
TWI820440B (zh) * | 2021-06-25 | 2023-11-01 | 康得漢股份有限公司 | 血壓監控系統 |
CN113288089A (zh) * | 2021-07-06 | 2021-08-24 | 安徽理工大学 | 一种基于nbiot技术的隔离人员身体状况监测系统设计方法 |
CZ309588B6 (cs) * | 2021-07-30 | 2023-05-03 | Univerzita Hradec Králové | Způsob sledování pohybu plodu a zařízení pro sledování pohybu plodu |
CZ309589B6 (cs) * | 2021-07-30 | 2023-05-03 | Univerzita Hradec Králové | Způsob sledování peristaltiky orgánů gastrointestinálního traktu a zařízení pro sledování peristaltiky |
CN113706984B (zh) * | 2021-08-06 | 2022-07-12 | 西安交通大学 | 一种血压和反射式光电容积波同步模拟定标装置及方法 |
CN113662520B (zh) * | 2021-08-26 | 2022-10-14 | 电子科技大学 | 一种基于不确定性量化策略的可穿戴连续血压测量系统 |
CN113729662B (zh) * | 2021-09-26 | 2024-03-26 | 东南大学 | 一种融合心电心音双模式的无袖带腕表式血压测量装置 |
US20230248309A1 (en) * | 2021-11-15 | 2023-08-10 | Rockley Photonics Limited | Computer-implemented method |
CN114469125B (zh) * | 2022-02-17 | 2024-04-05 | 浙江荣泰健康电器有限公司 | 心电校准系统、方法、设备及存储介质 |
CN114569097A (zh) * | 2022-05-07 | 2022-06-03 | 广东工业大学 | 基于耳廓ppg信号预处理的血压预测方法、系统及介质 |
CN114916923B (zh) * | 2022-05-19 | 2023-04-11 | 南京中医药大学 | 一种电机械互联的心电脉搏信号分析方法及系统 |
TWI822508B (zh) * | 2022-12-08 | 2023-11-11 | 矽響先創科技股份有限公司 | 多維度人工智能聽診裝置 |
CN116649964A (zh) * | 2023-06-07 | 2023-08-29 | 徐州市永康电子科技有限公司 | 一种基于光动力治疗的便携式血氧仪 |
CN116509389B (zh) * | 2023-06-27 | 2023-09-01 | 深圳启脉科技有限公司 | 一种基于射频的血脂监测方法 |
CN116942151A (zh) * | 2023-07-25 | 2023-10-27 | 迈德医疗科技(深圳)有限公司 | 一种基于小波散射融合马尔科夫角度场的血糖检测方法 |
CN117045216B (zh) * | 2023-10-11 | 2024-04-02 | 泰州市榕兴医疗用品股份有限公司 | 一种基于模糊控制的血液指标非侵入性医疗分析系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102397064A (zh) * | 2011-12-14 | 2012-04-04 | 中国航天员科研训练中心 | 连续血压测量装置 |
CN104720773A (zh) * | 2015-03-10 | 2015-06-24 | 中国科学院电子学研究所 | 一种手持式的人体多健康参数监护系统 |
CN105163652A (zh) * | 2013-02-08 | 2015-12-16 | 株式会社K海奥斯威尔 | 脉搏连续自动测量装置及血压测量方法 |
Family Cites Families (110)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5316008A (en) | 1990-04-06 | 1994-05-31 | Casio Computer Co., Ltd. | Measurement of electrocardiographic wave and sphygmus |
JP3422128B2 (ja) | 1994-11-15 | 2003-06-30 | オムロン株式会社 | 血圧計測装置 |
JPH08200075A (ja) | 1995-01-30 | 1996-08-06 | Toyota Motor Corp | 内燃機関の燃焼室 |
US5626135A (en) | 1995-04-12 | 1997-05-06 | R.S. Supplies, Inc. | Medical electrode |
JP3140007B2 (ja) | 1999-05-06 | 2001-03-05 | 日本コーリン株式会社 | 下肢上肢血圧指数測定装置 |
US6533729B1 (en) | 2000-05-10 | 2003-03-18 | Motorola Inc. | Optical noninvasive blood pressure sensor and method |
US20020147402A1 (en) | 2001-04-09 | 2002-10-10 | Ninbar Ltd. | Method for diastolic blood pressure measurement |
KR100797458B1 (ko) | 2001-04-17 | 2008-01-24 | 엘지전자 주식회사 | 건강 진단을 수행하기 위한 시스템과 그를 위한 휴대용 무선 단말기 및 방법 |
JP2004528694A (ja) | 2001-05-08 | 2004-09-16 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | セラミックメタルハライドランプ |
US6648828B2 (en) * | 2002-03-01 | 2003-11-18 | Ge Medical Systems Information Technologies, Inc. | Continuous, non-invasive technique for measuring blood pressure using impedance plethysmography |
US8328420B2 (en) | 2003-04-22 | 2012-12-11 | Marcio Marc Abreu | Apparatus and method for measuring biologic parameters |
AU2002952927A0 (en) | 2002-11-25 | 2002-12-12 | Vladimir Jankov | Combined wrist blood pressure and ecg monitor |
CN1698535A (zh) | 2004-05-18 | 2005-11-23 | 香港中文大学 | 测量血压变化率的方法 |
US7403810B2 (en) | 2004-05-19 | 2008-07-22 | Northwestern University | Time resolved contrast-enhanced MR projection imaging of the coronary arteries with intravenous contrast injection |
CN1698536A (zh) * | 2004-05-20 | 2005-11-23 | 香港中文大学 | 采用自动补偿的无袖带式连续血压测量方法 |
US7544168B2 (en) | 2004-09-30 | 2009-06-09 | Jerusalem College Of Technology | Measuring systolic blood pressure by photoplethysmography |
US7651466B2 (en) * | 2005-04-13 | 2010-01-26 | Edwards Lifesciences Corporation | Pulse contour method and apparatus for continuous assessment of a cardiovascular parameter |
US7674231B2 (en) * | 2005-08-22 | 2010-03-09 | Massachusetts Institute Of Technology | Wearable pulse wave velocity blood pressure sensor and methods of calibration thereof |
US20100049006A1 (en) | 2006-02-24 | 2010-02-25 | Surendar Magar | Medical signal processing system with distributed wireless sensors |
EP2014224A1 (en) | 2006-03-24 | 2009-01-14 | GlucoTel Scientific Inc. | Telemedical method and device for the calibration of measured values |
CN100413464C (zh) * | 2006-05-26 | 2008-08-27 | 中国人民解放军空军航空医学研究所 | 在脉搏波法动脉血压连续测量中的脉搏波传导时间的获取方法和装置 |
CN100512750C (zh) | 2006-06-16 | 2009-07-15 | 香港中文大学 | 对无袖带式动脉血压测量装置进行校准的方法 |
JP2010503471A (ja) | 2006-09-18 | 2010-02-04 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | Ipベースのモニタリング及び警報 |
CN100560019C (zh) | 2007-01-26 | 2009-11-18 | 香港中文大学 | 脉搏波传输时间法测量动脉血压的初始校准装置 |
US9044136B2 (en) | 2007-02-16 | 2015-06-02 | Cim Technology Inc. | Wearable mini-size intelligent healthcare system |
CN101248989B (zh) | 2007-02-25 | 2011-10-12 | 香港中文大学 | 一种生理参数的监测系统 |
US20080221461A1 (en) * | 2007-03-05 | 2008-09-11 | Triage Wireless, Inc. | Vital sign monitor for cufflessly measuring blood pressure without using an external calibration |
EP2162059B1 (en) | 2007-06-12 | 2021-01-13 | Sotera Wireless, Inc. | Vital sign monitor and method for measuring blood pressure using optical, electrical, and pressure waveforms |
US8602997B2 (en) * | 2007-06-12 | 2013-12-10 | Sotera Wireless, Inc. | Body-worn system for measuring continuous non-invasive blood pressure (cNIBP) |
US8574161B2 (en) | 2007-06-12 | 2013-11-05 | Sotera Wireless, Inc. | Vital sign monitor for cufflessly measuring blood pressure using a pulse transit time corrected for vascular index |
CN101327121B (zh) * | 2007-06-22 | 2010-10-13 | 香港中文大学 | 一种生理参数测量装置 |
US7887491B2 (en) | 2007-10-19 | 2011-02-15 | Smithmarks, Inc. | Impedance based device for non-invasive measurement of blood pressure and ankle-brachial index |
KR20100119868A (ko) | 2008-01-15 | 2010-11-11 | 벤자민 가비쉬 | 반복된 혈압 측정치를 이용하여 생리학적 파라미터를 판정하는 방법 및 시스템 |
DE112009003803T5 (de) | 2008-12-26 | 2012-08-09 | Omron Healthcare Co., Ltd. | Elektronisches Blutdruckmessgerät und Verfahren zur Blutdruckmessung |
CN101773387B (zh) | 2009-01-08 | 2011-12-14 | 香港中文大学 | 基于躯感网的无袖带动脉血压测量及自动校准装置 |
CN101810470B (zh) | 2009-02-23 | 2012-09-05 | 财团法人工业技术研究院 | 生理信号测量模块及生理信号误差补偿方法 |
US8313439B2 (en) | 2009-03-20 | 2012-11-20 | Massachusetts Institute Of Technology | Calibration of pulse transit time measurements to arterial blood pressure using external arterial pressure applied along the pulse transit path |
US20100249617A1 (en) | 2009-03-31 | 2010-09-30 | Hong Kong Applied Science and Technology Research Institute Company Limited | Apparatus for determining blood pressure |
CN101524270A (zh) | 2009-04-01 | 2009-09-09 | 成都途筏达科技有限公司 | 基于体内监护芯片的心电监护方法 |
KR101075972B1 (ko) | 2009-04-02 | 2011-10-21 | (주) 휴아이 | 렌즈처방을 위한 매개변수 측정장치 |
US11589754B2 (en) | 2009-05-20 | 2023-02-28 | Sotera Wireless, Inc. | Blood pressure-monitoring system with alarm/alert system that accounts for patient motion |
US8290730B2 (en) | 2009-06-30 | 2012-10-16 | Nellcor Puritan Bennett Ireland | Systems and methods for assessing measurements in physiological monitoring devices |
CN101708121B (zh) | 2009-07-15 | 2012-07-04 | 香港中文大学 | 耳挂式低功耗生理参数监测装置 |
US10806351B2 (en) * | 2009-09-15 | 2020-10-20 | Sotera Wireless, Inc. | Body-worn vital sign monitor |
EP2488659B1 (en) | 2009-10-15 | 2019-12-11 | Crescendo Bioscience, Inc. | Biomarkers and methods for measuring and monitoring inflammatory disease activity |
CN101732040B (zh) | 2009-12-24 | 2013-03-27 | 中国科学院力学研究所 | 一种无创多路脉搏波检测方法 |
CN103025233B (zh) | 2010-07-23 | 2016-08-17 | 优美德思有限公司 | 可贴附并可拆卸的生物信号测量垫以及使用该生物信号测量垫的生物信号测量装置 |
WO2012040931A1 (zh) | 2010-09-30 | 2012-04-05 | 达伟信投资咨询(深圳)有限公司 | 一种健康监护系统及其信息交互方法 |
US20120101350A1 (en) | 2010-10-24 | 2012-04-26 | David Bychkov | Personal Health Monitoring Device |
US20120136261A1 (en) * | 2010-11-30 | 2012-05-31 | Nellcor Puritan Bennett Llc | Systems and methods for calibrating physiological signals with multiple techniques |
CN102024180B (zh) * | 2010-12-23 | 2013-04-10 | 浙江大学 | 一种基于支持向量机的参数自适应的运动预测方法 |
CN102008296B (zh) | 2010-12-24 | 2013-09-04 | 吉林大学 | 基于脉搏波信号和心电信号测量动脉血压装置及测量方法 |
JP2014514032A (ja) | 2011-03-11 | 2014-06-19 | プロテウス デジタル ヘルス, インコーポレイテッド | 様々な物理的構成を備えた着用式個人身体関連装置 |
KR101210828B1 (ko) | 2011-03-24 | 2012-12-11 | 주식회사 누가의료기 | 다중 생체 신호 측정을 이용하여 손목혈압의 정확도를 향상시키는 방법 및 장치 |
EP2544125A1 (en) | 2011-07-04 | 2013-01-09 | Sabirmedical, S.L. | Methods and systems for non-invasive measurement of blood pressure |
US10925580B2 (en) | 2011-08-29 | 2021-02-23 | Alexander Francis Castellanos 2002 Trust | Mobile vascular health evaluation devices using doppler ultrasound and correlation of parameters to output recommendations to a wrist-mounted display |
CN102499669B (zh) | 2011-10-26 | 2014-12-24 | 中国科学院深圳先进技术研究院 | 心脏参数的测量装置 |
CN102429649B (zh) | 2011-12-14 | 2014-02-19 | 中国航天员科研训练中心 | 连续血压测量装置 |
CN102488503B (zh) * | 2011-12-14 | 2014-02-19 | 中国航天员科研训练中心 | 连续血压测量装置 |
CN102519906B (zh) * | 2011-12-19 | 2013-07-31 | 中国农业大学 | 多通道近红外光谱牛肉品质多参数同时检测方法 |
US10251568B2 (en) | 2012-01-16 | 2019-04-09 | Agency For Science, Technology And Research | Method and system for optical blood pressure monitoring |
CN202505340U (zh) | 2012-01-20 | 2012-10-31 | 亚弘电科技股份有限公司 | 多气囊式血压计 |
US20130197369A1 (en) | 2012-01-30 | 2013-08-01 | Jiannan Xiang | Remote health monitoring and tracking system |
US9204809B2 (en) | 2012-02-01 | 2015-12-08 | Hong Kong Applied Science and Technology Research Institute Company Limited | Blood pressure measuring device and method of calibrating thereof |
EP2849639B1 (en) | 2012-05-15 | 2015-09-23 | Koninklijke Philips N.V. | Monitoring of cardiac output |
US10398323B2 (en) | 2012-08-28 | 2019-09-03 | Board Of Trustees Of Michigan State University | Methods and apparatus for determining pulse transit time as a function of blood pressure |
US9865176B2 (en) | 2012-12-07 | 2018-01-09 | Koninklijke Philips N.V. | Health monitoring system |
CN103190691B (zh) | 2013-03-28 | 2015-09-09 | 龙岩烟草工业有限责任公司 | 纯净水施加装置、方法及松散回潮设备 |
CN103190891B (zh) | 2013-04-26 | 2015-06-10 | 西安嵌牛电子科技有限公司 | 基于光电容积的脉搏波速度生理参数的测量装置及方法 |
CN103293118A (zh) * | 2013-05-11 | 2013-09-11 | 江南大学 | 一种基于近红外光谱分析技术的潲水油鉴别方法 |
US20160120418A1 (en) | 2013-06-03 | 2016-05-05 | Medieta Oy | Blood pressure measurement device |
CN103385702B (zh) | 2013-07-26 | 2015-08-26 | 中国科学院深圳先进技术研究院 | 一种无创血压连续检测装置及方法 |
CN104414626B (zh) * | 2013-08-23 | 2016-12-28 | 同方健康科技(北京)股份有限公司 | 对电子磁感应血压计进行参数标定的方法 |
CN103462598B (zh) | 2013-09-03 | 2015-04-15 | 中国农业大学 | 一种基于智能手机的人体信息监测终端及监测方法 |
CN104665768B (zh) | 2013-10-03 | 2019-07-23 | 塔塔咨询服务有限公司 | 生理参数的监测 |
CN105592783A (zh) | 2013-10-03 | 2016-05-18 | 柯尼卡美能达株式会社 | 生物体信息测定装置以及该方法 |
CN103598876B (zh) | 2013-11-22 | 2016-08-17 | 哈尔滨工业大学深圳研究生院 | 数据处理方法及系统 |
CN103637787B (zh) | 2013-12-02 | 2016-02-10 | 清华大学 | 血压实时测量装置以及实时测量脉搏波传输时间差的方法 |
CN103637788B (zh) * | 2013-12-02 | 2016-02-10 | 清华大学 | 血压实时测量装置 |
CN204044771U (zh) | 2014-03-20 | 2014-12-24 | 黄志伟 | 一种鼠标垫 |
CN103976721B (zh) | 2014-04-22 | 2016-07-06 | 辛勤 | 血压测量方法以及用于实现该方法的嵌入式装置 |
US20150313486A1 (en) | 2014-05-02 | 2015-11-05 | Xerox Corporation | Determining pulse wave transit time from ppg and ecg/ekg signals |
CN104173036A (zh) | 2014-09-11 | 2014-12-03 | 重庆大学 | 一种脉搏波采集装置、无创血压连续逐拍测量系统及方法 |
CN204207743U (zh) | 2014-10-09 | 2015-03-18 | 浙江纺织服装职业技术学院 | 一种柔性无线生物电电极系统 |
CN104257371A (zh) | 2014-10-13 | 2015-01-07 | 天津工业大学 | 一种桡动脉动态血压检测及校准方法的研究 |
CN104323764A (zh) * | 2014-10-13 | 2015-02-04 | 天津工业大学 | 一种基于智能手机的人体动脉血压测量方法 |
CN104382571B (zh) | 2014-10-28 | 2017-06-16 | 深圳市维亿魄科技有限公司 | 一种基于桡动脉脉搏波传导时间的测量血压方法及装置 |
CN104398358A (zh) | 2014-11-28 | 2015-03-11 | 深圳诺康医疗设备有限公司 | 一种测量心脏生理参数的床垫 |
CN104411150B (zh) | 2014-11-28 | 2018-08-14 | 深圳诺康医疗设备股份有限公司 | 一种床垫 |
CN204232699U (zh) | 2014-11-28 | 2015-04-01 | 深圳诺康医疗设备有限公司 | 一种测量血压的床垫 |
CN104635768A (zh) | 2014-12-10 | 2015-05-20 | 烟台万隆真空冶金股份有限公司 | 一种基于LabVIEW的超声波液位控制系统及实现方法 |
CN204515278U (zh) | 2015-04-21 | 2015-07-29 | 深圳市长桑技术有限公司 | 一种可测量血氧的眼镜 |
CN204500679U (zh) | 2015-03-31 | 2015-07-29 | 深圳市长桑技术有限公司 | 一种耳机式颈带 |
CN204674751U (zh) | 2015-06-03 | 2015-09-30 | 深圳市长桑技术有限公司 | 一种可测量生理参数的自行车 |
CN104523252B (zh) | 2015-01-04 | 2018-06-22 | 深圳市长桑技术有限公司 | 一种移动健康服务方法及系统、移动终端 |
CN204679967U (zh) | 2015-03-31 | 2015-09-30 | 深圳市长桑技术有限公司 | 一种具有鼠标垫的鼠标系统 |
CN204499693U (zh) | 2015-03-31 | 2015-07-29 | 深圳市长桑技术有限公司 | 一种可测量血氧的戒指 |
CN204506976U (zh) | 2015-03-31 | 2015-07-29 | 深圳市长桑技术有限公司 | 一种智能方向盘及智能汽车 |
CN204790679U (zh) | 2015-03-31 | 2015-11-18 | 深圳市长桑技术有限公司 | 一种多功能平板电脑 |
CN204500682U (zh) | 2015-03-31 | 2015-07-29 | 深圳市长桑技术有限公司 | 一种心电电极 |
CN204671798U (zh) | 2015-04-01 | 2015-09-30 | 深圳市长桑技术有限公司 | 一种可测量人体生理参数的智能跳绳 |
CN204671169U (zh) | 2015-03-31 | 2015-09-30 | 深圳市长桑技术有限公司 | 一种智能腕带 |
CN204515353U (zh) | 2015-03-31 | 2015-07-29 | 深圳市长桑技术有限公司 | 一种智能手表 |
CN104706348B (zh) * | 2015-03-20 | 2018-01-30 | 宁波市美灵思医疗科技有限公司 | 一种使用多模式连续血压测量装置的自标定方法 |
WO2017005016A1 (en) | 2015-07-03 | 2017-01-12 | Vita-Course Technologies Co., Ltd | System and method for physiological parameter monitoring |
CN113317794B (zh) | 2015-04-20 | 2024-04-12 | 深圳市长桑技术有限公司 | 一种生命体征分析方法与系统 |
CN107530016A (zh) | 2015-04-20 | 2018-01-02 | 深圳市长桑技术有限公司 | 一种生理体征信息获取方法和系统 |
CN104814729A (zh) | 2015-05-22 | 2015-08-05 | 王天星 | 提高测量准确度的动态血压监测系统及其监测方法 |
WO2016187847A1 (zh) | 2015-05-27 | 2016-12-01 | 深圳市长桑技术有限公司 | 一种信号获取方法与系统 |
CN105095652B (zh) * | 2015-07-10 | 2017-10-03 | 东北大学 | 基于堆叠极限学习机的样品成份测定方法 |
-
2015
- 2015-03-31 CN CN201520188152.9U patent/CN204515353U/zh active Active
- 2015-07-03 WO PCT/CN2015/083334 patent/WO2016155138A1/en active Application Filing
- 2015-07-03 US US15/563,568 patent/US11134853B2/en active Active
- 2015-07-03 CN CN202110307613.XA patent/CN113069096A/zh active Pending
- 2015-07-03 CN CN201580078735.9A patent/CN108348172B/zh active Active
- 2015-12-05 WO PCT/CN2015/096498 patent/WO2016155348A1/en active Application Filing
- 2015-12-05 US US15/563,569 patent/US10799127B2/en active Active
-
2016
- 2016-03-28 CN CN202110490650.9A patent/CN113080878A/zh active Pending
- 2016-03-28 US US15/741,278 patent/US10932680B2/en active Active
- 2016-03-28 CN CN201680038198.XA patent/CN107847158B/zh active Active
-
2017
- 2017-03-15 CN CN201780020746.0A patent/CN109152539B/zh active Active
- 2017-03-15 WO PCT/CN2017/076702 patent/WO2017167013A1/en active Application Filing
- 2017-03-15 CN CN202111021570.5A patent/CN113712522A/zh active Pending
- 2017-03-15 US US16/089,362 patent/US11185242B2/en active Active
-
2020
- 2020-10-01 US US17/060,265 patent/US11540735B2/en active Active
-
2021
- 2021-09-29 US US17/449,266 patent/US20220015655A1/en active Pending
- 2021-11-29 US US17/456,644 patent/US11712168B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102397064A (zh) * | 2011-12-14 | 2012-04-04 | 中国航天员科研训练中心 | 连续血压测量装置 |
CN105163652A (zh) * | 2013-02-08 | 2015-12-16 | 株式会社K海奥斯威尔 | 脉搏连续自动测量装置及血压测量方法 |
CN104720773A (zh) * | 2015-03-10 | 2015-06-24 | 中国科学院电子学研究所 | 一种手持式的人体多健康参数监护系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107847158A (zh) | 2018-03-27 |
US11712168B2 (en) | 2023-08-01 |
WO2016155138A1 (en) | 2016-10-06 |
US10799127B2 (en) | 2020-10-13 |
CN108348172A (zh) | 2018-07-31 |
CN204515353U (zh) | 2015-07-29 |
US11134853B2 (en) | 2021-10-05 |
US20210015377A1 (en) | 2021-01-21 |
US20200297220A1 (en) | 2020-09-24 |
CN113712522A (zh) | 2021-11-30 |
US20180192900A1 (en) | 2018-07-12 |
CN113080878A (zh) | 2021-07-09 |
CN108348172B (zh) | 2021-04-06 |
US20180085012A1 (en) | 2018-03-29 |
US11185242B2 (en) | 2021-11-30 |
US10932680B2 (en) | 2021-03-02 |
CN107847158B (zh) | 2021-05-11 |
CN113069096A (zh) | 2021-07-06 |
US20220015655A1 (en) | 2022-01-20 |
US20220079459A1 (en) | 2022-03-17 |
WO2017167013A1 (en) | 2017-10-05 |
US11540735B2 (en) | 2023-01-03 |
CN109152539A (zh) | 2019-01-04 |
WO2016155348A1 (en) | 2016-10-06 |
US20180085011A1 (en) | 2018-03-29 |
US20210113105A1 (en) | 2021-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109152539B (zh) | 用于生理特征推导的系统和方法 | |
US11357426B2 (en) | Glucose management | |
CN107847153B (zh) | 一种生理参数监测的系统和方法 | |
US20230355110A1 (en) | Wearable Appliance | |
US10553306B2 (en) | Scaled-based methods and apparatuses for automatically updating patient profiles | |
CN111194180B (zh) | 确定受试者的血压的系统和方法 | |
US9865176B2 (en) | Health monitoring system | |
US8684922B2 (en) | Health monitoring system | |
WO2017005016A1 (en) | System and method for physiological parameter monitoring | |
US20150359467A1 (en) | Fitness Monitoring | |
CN112040849B (zh) | 用于确定对象血压的系统和方法 | |
WO2019041202A1 (en) | SYSTEM AND METHOD FOR USER IDENTIFICATION | |
US11957440B2 (en) | System and method for physiological parameter monitoring | |
EP3435852A1 (en) | System and method for physiological feature derivation |
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 |