CN109770877A - 控制感测装置的系统及方法及传感器系统 - Google Patents
控制感测装置的系统及方法及传感器系统 Download PDFInfo
- Publication number
- CN109770877A CN109770877A CN201811231402.7A CN201811231402A CN109770877A CN 109770877 A CN109770877 A CN 109770877A CN 201811231402 A CN201811231402 A CN 201811231402A CN 109770877 A CN109770877 A CN 109770877A
- Authority
- CN
- China
- Prior art keywords
- sensing
- life signal
- life
- data
- wearable device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 33
- 230000033001 locomotion Effects 0.000 claims description 11
- 230000003213 activating effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 3
- 238000001514 detection method Methods 0.000 description 52
- 230000002159 abnormal effect Effects 0.000 description 25
- 238000012545 processing Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 21
- 238000010801 machine learning Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000033764 rhythmic process Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000003739 neck Anatomy 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/1613—Constructional details or arrangements for portable computers
- G06F1/163—Wearable computers, e.g. on a belt
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- 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
- A61B5/021—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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Emergency Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Signal Processing (AREA)
- Physical Education & Sports Medicine (AREA)
- Pulmonology (AREA)
- Gerontology & Geriatric Medicine (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
在一种控制感测装置的方法中,所述方法包括:由处理器在第一时间段期间向穿戴式装置传送信号,以起始生命信号感测;由所述处理器从所述穿戴式装置接收来自所述穿戴式装置的生命信号数据;由所述处理器基于所述生命信号数据来调整用于起始所述生命信号感测的时间表;以及由所述处理器根据所述用于起始所述生命信号感测的时间表在第二时间段期间向所述穿戴式装置传送信号以起始所述生命信号感测。也提供一种控制感测装置的系统及传感器系统。
Description
技术领域
本公开涉及一种穿戴式装置,更具体来说,涉及检测用户的生命信号异常或生命信号数据的方法、系统及设备。
背景技术
穿戴式装置(例如,手表、手镯)上可安装有一个或多个传感器,以用于检测穿戴所述穿戴式装置的用户的生命信号异常或监视相关生命信号数据(例如,异常的心律)。穿戴式装置可使用电池供电以使用户无需将装置连接到外部电源,但根据穿戴式装置的运行而定,电池寿命可相对短且需要频繁再充电。
此背景技术部分中所公开的上述信息仅是为了增强对本公开背景技术的理解,且因此其可能含有并不形成现有技术的信息。
[问题的解决方案]
本公开的目的是提供在保持对生命信号异常进行感测的准确度的同时降低功耗的方法、系统及设备。
发明内容
本公开的一个或多个示例性实施例涉及一种控制感测装置的系统及方法。
根据一个或多个实施例,在控制感测装置的方法中,所述方法包括:由处理器在第一时间段期间向穿戴式装置传送信号,以起始生命信号感测;由所述处理器从所述穿戴式装置接收来自所述穿戴式装置的生命信号数据;由所述处理器基于所述生命信号数据来调整用于起始所述生命信号感测的时间表;以及由所述处理器根据所述用于起始所述生命信号感测的时间表在第二时间段期间向所述穿戴式装置传送信号以起始所述生命信号感测。
根据一些实施例,所述方法还包括:由所述处理器从所述穿戴式装置接收与所述生命信号数据对应的情境数据。
根据一些实施例,所述情境数据包括所述生命信号感测的时间。
根据一些实施例,所述情境数据包括与所述穿戴式装置对应的运动信息。
根据一些实施例,所述方法还包括:由所述处理器基于所述生命信号数据来判断在第二时间段期间是否起始感测间隔。
根据一些实施例,所述方法还包括:由所述处理器计算在所述第二时间段的一部分期间感测到相关生命信号的机率;以及由所述处理器基于所计算的所述机率来调整所述用于起始所述生命信号感测的时间表。
根据一些实施例,在所述第一时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第一指令,所述第一指令根据所述用于起始所述生命信号感测的时间表在第一多个感测间隔期间执行所述生命信号感测,且在所述第二时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第二指令,所述第二指令在所述时间表经过调整之后根据所述时间表在第二多个感测间隔期间执行所述生命信号感测。
根据一些实施例,所述第一多个感测间隔及所述第二多个感测间隔中的每一者的持续时间及间隔是由所述用于起始所述生命信号感测的时间表来定义。
根据一个或多个示例性实施例,在控制感测装置的系统中,所述系统包括:处理器;以及存储器,耦合到所述处理器,其中所述存储器存储指令,所述指令在由所述处理器执行时使所述处理器:在第一时间段期间向穿戴式装置传送信号,以起始生命信号感测;从所述穿戴式装置接收来自所述穿戴式装置的生命信号数据;基于所述生命信号数据来调整用于起始所述生命信号感测的时间表;以及根据所述用于起始所述生命信号感测的时间表在第二时间段期间向所述穿戴式装置传送信号以起始所述生命信号感测。
根据一些实施例,所述指令还使所述处理器从所述穿戴式装置接收与所述生命信号数据对应的情境数据。
根据一些实施例,所述情境数据包括所述生命信号感测的时间。
根据一些实施例,所述情境数据包括与所述穿戴式装置对应的运动信息。
根据一些实施例,所述指令还使所述处理器基于所述生命信号数据来判断在第二时间段期间是否起始感测间隔。
根据一些实施例,所述指令还使所述处理器:计算在所述第二时间段的一部分期间感测到相关生命信号的机率;以及基于所计算的所述机率来调整所述用于起始所述生命信号感测的时间表。
根据一些实施例,在所述第一时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第一指令,所述第一指令根据所述用于起始所述生命信号感测的时间表在第一多个感测间隔期间执行所述生命信号感测,且在所述第二时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第二指令,所述第二指令在所述时间表经过调整之后根据所述时间表在第二多个感测间隔期间执行所述生命信号感测。
根据一些实施例,所述第一多个感测间隔及所述第二多个感测间隔中的每一者的持续时间及间隔是由所述用于起始所述生命信号感测的时间表来定义。
根据一个或多个示例性实施例,一种传感器系统包括:服务器,被配置成为穿戴式装置进行排程在第一时间段期间起始感测间隔,所述穿戴式装置相对于所述服务器远程定位;以及所述穿戴式装置,包括用于感测用户的生命信号的一个或多个传感器,其中所述穿戴式装置被配置成感测位置数据及生命信号数据并将所感测的所述位置数据及所述生命信号数据传送到所述服务器,其中所述穿戴式装置被配置成根据来自所述服务器的信号来激活传感器,且其中所述服务器被配置成根据所感测的所述位置数据及所述生命信号数据来针对用于激活所述传感器的第二时间段来调整所述时间表。
根据一些实施例,所述服务器被配置成计算在所述第二时间段的一部分期间感测到相关生命信号的机率并基于所计算的所述机率来针对所述第二时间段调整所述时间表。
根据一些实施例,所述服务器还被配置成从所述穿戴式装置接收与所述生命信号数据对应的情境数据。
根据一些实施例,所述服务器还被配置成基于所述情境数据来判断所述生命信号数据是否包括指示生命信号异常的信息。
[发明的有利效果]
根据本公开,用于检测生命信号异常的传感器是基于对出现生命信号异常的时间段进行的训练来被激活或去激活的。因此,本发明提供在保持对生命信号异常进行感测的准确度的同时降低功耗的方法、系统及设备。
附图说明
通过结合附图参照以下详细说明可更好地理解本公开,从而可更容易地达到对本公开以及本公开许多伴随特征及方面的更完整理解,在附图中,相同的参考符号表示相同的组件,其中:
图1示出根据一个实施例的示例性生命信号检测系统。
图2示出根据一个实施例的由生命信号检测系统实施的主动学习过程的示例性图。
图3是示出根据一个实施例的穿戴式医疗装置的激活传感器的频率的图。
图4是示出根据一个实施例的训练生命信号检测系统的示例性过程的时序图。
图5是示出根据一个实施例的控制生命信号检测系统的过程的流程图。
图6A是根据一个实施例的计算装置的方块图。
图6B是根据一个实施例的计算装置的方块图。
图6C是根据一个实施例的计算装置的方块图。
图6D是根据一个实施例的计算装置的方块图。
图6E是根据一个实施例的包括若干计算装置的网络环境的方块图。
[符号的说明]
100:生命信号检测系统;
102:穿戴式医疗装置;
104:用户;
106:控制系统/服务器;
108:传感器数据/数据;
110:指令;
112:接口模块;
114:存储器装置/存储器;
116:计算模块;
118:机器学习引擎/机器学习模块;
200:奖励数据;
300:第一周期;
302:实例;
304:第二周期;
400:间隔/感测间隔;
402:生命信号异常或相关生命信号数据/数据;
500、502、504、506:步骤;
1500:计算装置;
1502a、1502b:本地机器/客户端;
1503:存储器端口;
1504:网络;
1506a、1506b、1506c:远程机器;
1516:可移除介质接口;
1518:网络接口;
1521:中央处理器;
1521':图形处理器;
1522:主存储器单元/主存储器;
1523:输入/输出控制器;
1528:存储装置;
1530a:键盘/输入/输出装置;
1530b:定点装置/输入/输出装置;
1530c:显示装置/视频显示装置/第二显示装置;
1530d、1530e:输入/输出装置;
1540:高速缓冲存储器;
1550:本地系统总线/系统总线;
1570:桥接器;
P1、P2、P3、P4:处理器。
具体实施方式
在下文中,将参照附图更详细地阐述示例性实施例,在所有附图中,相同的参考编号指代相同的元件。然而,本公开可被实施为各种不同形式,而不应被视为仅限于本文中所示出的实施例。确切来说,提供这些实施例作为实例是为了使本公开将透彻及完整,并将向所属领域中的技术人员全面传达本公开的各个方面及特征。因此,可不再阐述对于所属领域中的一般技术人员完整理解本公开的各个方面及特征而言并非必需的工艺、元件及技术。除非另有说明,否则在所有附图及书面说明通篇中相同的参考编号表示相同的元件,且因此将不对其进行重复说明。在图中,为清晰起见,可夸大各个元件、各个层及各个区的相对大小。
应理解,尽管本文中可能使用用语“第一(first)”、“第二(second)”、“第三(third)”等来阐述各种元件、组件、区、层和/或区段,然而这些元件、组件、区、层和/或区段不应受这些用语限制。这些用语用于区分一个元件、组件、区、层或区段与另一个元件、组件、区、层或区段。因此,在不背离本公开的精神及范围的条件下,以下所述第一元件、组件、区、层或区段也可被称为第二元件、组件、区、层或区段。
本文所用术语仅是出于阐述特定实施例的目的而并非旨在限制本公开。除非上下文清楚地另外指明,否则本文所用单数形式“一(a及an)”旨在也包括复数形式。还应理解,当在本说明书中使用用语“包括(comprises、comprising)”及“包含(includes、including)”时,是指明所陈述特征、整数、步骤、操作、元件和/或组件的存在,但不排除一个或多个其他特征、整数、步骤、操作、元件、组件和/或其群组的存在或添加。本文所用用语“和/或”包括相关列出项中的一个或多个项的任意及所有组合。当例如“...中的至少一个(at least one of)”以及“选自...中的至少一个(at least one selected from)”等表达与一系列元件相关联时,是修饰整个系列的元件而非修饰所述一系列元件中的各别元件。
本文所用用语“实质上(substantially)”、“大约(about)”及类似用语用作近似用语、而并非作为程度用语,并且旨在考虑到所属领域中的一般技术人员将知的测量值或计算值的固有变化。另外,在阐述本公开的实施例时使用“可(may)”是指代“本公开的一个或多个实施例”。本文所用用语“使用(use)”、“正使用(using)”及“被使用(used)”可被视为分别与用语“利用(utilize)”、“正利用(utilizing)”及“被利用(utilized)”同义。
根据本文所述本公开实施例的电子装置或电装置和/或任何其他相关装置或组件(例如,处理器、神经网络、基于神经网络的控制器、马达、致动器及各种传感器)可使用任何适合的硬件、固件(例如,应用专用集成电路(application-specific integratedcircuit,ASIC))、软件、或软件、固件、及硬件的组合来实施。举例来说,可将这些装置的各种组件形成在一个集成电路(integrated circuit,IC)芯片上或单独的集成电路芯片上。此外,可将这些装置的各种组件实施在柔性印刷电路膜(flexible printed circuitfilm)、载带封装(tape carrier package,TCP)、印刷电路板(printed circuit board,PCB)上、或形成在一个衬底上。此外,这些装置的各种组件可为在一个或多个计算装置中由一个或多个处理器运行、执行计算机程序指令并与用于执行本文所述各种功能的其他系统组件进行交互的过程或线程(thread)。计算机程序指令存储在可在使用例如(举例来说)随机存取存储器(random access memory,RAM)等标准存储器装置的计算装置中实施的存储器中。计算机程序指令也可存储在例如(举例来说)压缩盘只读存储器(compact disc readonly memory,CD-ROM)、闪存驱动器(flash drive)或类似元件等其他非暂时性计算机可读介质中。另外,所属领域中的技术人员应知,在不背离本公开示例性实施例的精神及范围的条件下,可将各种计算装置的功能组合或整合成单一的计算装置,或者可使特定计算装置的功能跨越一个或多个其他计算装置分布。
除非另外定义,否则本文所用所有用语(包括技术及科学用语)的含义均与本公开所属领域中的一般技术人员所通常理解的含义相同。还应理解,用语(例如在常用词典中所定义的用语)应被解释为具有与其在相关技术的上下文和/或本说明书中的含义一致的含义,且除非在本文中明确定义,否则不应将其解释为具有理想化或过于正式的意义。
穿戴式医疗装置越来越受到关注并且能够实现在医院或医疗设施之外对患者的诊断及监视。穿戴式医疗装置使用户及用户的医生能够使用穿戴式医疗装置内所包括的传感器来监视生命信号(例如,心率、血氧水平及各种其他生命信号)并检测这些生命信号中的异常。现代技术进步已使得穿戴式医疗装置及它们的组件(例如,传感器及精密的计算及通信组件)足够小以使用户可在进行日常活动时将这些装置穿戴在他们的身体上,而无需栓系或硬连线到外部电源或计算硬件。
为了改善用户体验(包括用户在使用期间的机动性),穿戴式医疗装置的组件可由内部电池充电,而非始终将穿戴式医疗装置连接到外部电源。收集生命信号并处理对应的数据以利于医疗诊断或监视医疗状况的过程会导致电池的存储会随着时间推移而耗散。穿戴式医疗装置的传感器连续地或以频繁的间隔运行可导致收集到与监视特定医疗状况或症状的目的无关的多余的的或不相干的数据的大量实例。这种对数据的多余收集可能会引起电池寿命相对缩短,并导致对穿戴式医疗装置的电池的相对更频繁的再充电。因对多余的及不相干的数据的低效收集而导致的电池耗电的效率降低以及从每一次对电池充电起始的运行时间减少也可能会引起穿戴式医疗装置的功效降低。
因此,一些示例性实施例包括利用与穿戴式医疗装置配合使用的主动学习方法的生命信号异常检测系统以及方法,以在其中用户产生令人感兴趣的或相关的生命信号异常数据的时间段期间更频繁地(或者只在这些时间段期间)“唤醒(wake up)”或接通穿戴式医疗装置的传感器来收集生命信号数据(例如,心率/心律、血氧水平、血压水平、体温及呼吸率)且在其中用户不产生令人感兴趣的或相关的生命信号数据的时间段期间较不频繁地(或者在这些时间段期间从不)“唤醒”或接通穿戴式医疗装置的传感器来收集上述生命信号数据。
相关生命信号异常数据可包括例如对具有超出对于用户而言预期的、健康的或正常的预定阈值范围或水平之外的特征、特性或值的生命信号的检测。举例来说,在为心率的情形中,心率超出预定的阈值水平可被视为构成生命信号异常。相似地,在为心律的情形中,异常的或不规则的心律可被视为构成生命信号异常。在一些实施例中,所述系统可在穿戴式装置的其他环境状况或运行状况的情形中查看生命信号数据。举例来说,如果生命信号感测装置处于运动之中,则生命信号异常检测系统可确定用户参与体力活动从而证明心率升高是合理的,以使得所检测到的心率升高可不被视为构成生命信号异常。本公开的实施例并非仅限于用于判断所检测的生命信号是否构成相关生命信号异常数据的上述因素或机制,且还可包括用于判断所检测的生命信号是否异常(例如,超出正常的、健康的或可接受的范围或水平的边界之外)的任何其他合适的因素、特性或度量。举例来说,用于确定所检测的生命信号构成生命信号异常的系统的其他细节在2017年11月3日提出申请且名称为“使用穿戴式装置进行高准确度的基于光电血管容积图的房颤检测的方法及设备(Method and Apparatus for High Accuracy Photoplethysmogram Based AtrialFibrillation Detection Using Wearable Device)”的美国专利申请第62/581,569号中加以阐述,所述美国专利申请的公开内容包括在与本文一起提交的附件中且所述美国专利申请的全文并入本申请供参考。
通过控制感测及收集生命信号数据的时间段,一些示例性实施例可运行来使对相关生命信号数据进行的收集最大化,且使对无关的或不感兴趣的生命信号数据的收集最小化,同时还使对装置电池的每一次充电而言穿戴式医疗装置的运行时间增大或最大化。因此,本公开的实施例可实现对穿戴式感测装置中的感测器激活的控制以使得功耗降低或最小化、同时保持对生命信号异常的检测准确度。
根据一些实施例,由穿戴式医疗装置执行的主动学习方法以及对数据收集的控制可在基于云的神经网络机器学习系统上执行,基于云的神经网络机器学习系统相对于用户及穿戴式医疗装置是远程定位的(尽管实施例并非仅限于此,且根据其他实施例这种主动学习及控制可由穿戴式医疗装置在内部执行)。如在下文中将更详细地阐述,控制及学习系统可与穿戴式医疗装置进行电子通信(例如,通过无线通信信道进行)以从穿戴式医疗装置接收生命信号数据并向穿戴式医疗装置提供信号来对生命信号数据的感测及收集进行激活和/或去激活。由于主动学习以及对数据收集的控制可在远程的基于云的系统上进行,因此生命信号检测系统可进一步提高穿戴式医疗装置的电池电荷消耗的效率,这是因为由穿戴式医疗装置执行的计算及处理的量可减小。
本公开阐述一种与穿戴式装置配合使用的基于云的系统以及主动学习方法以在所关心的时间处唤醒穿戴式装置而不影响感测过程的性能,此使得穿戴式传感器显著地节约电力。用于确定进行感测的最佳时间的信息是从包括以下在内的若干来源收集的:用户位置、一天内的某一时刻以及先前记录的相关传感器数据。
图1示出根据一些示例性实施例的示例性生命信号检测系统。如图1所示,生命信号检测系统100包括由用户104操作和/或穿戴的穿戴式医疗装置102。如在下文中将更详细地阐述,穿戴式医疗装置102可包括一个或多个生命信号传感器,所述一个或多个生命信号传感器被配置成从用户104感测或检测生命信号数据以有利于监视或诊断一种或多种医疗状况。举例来说,生命信号传感器可包括一个或多个光电血管容积图(photoplethysmogram,PPG)传感器、脉搏血氧仪(pulse oximeter)、脉搏波速度传感器(pulse wave velocity sensor)以及被配置成感测和/或收集来自人体的生命信号数据的任何其他合适的传感器。另外,穿戴式医疗装置102可包括用于测量穿戴式医疗装置的环境状况或运行状况的一种或多种操作传感器,例如惯性测量单元(inertial measurementunit,IMU)、加速度计、陀螺仪、温度计、计时器和/或用于测量穿戴式医疗装置的相关环境状况或运行状况的任何其他合适的传感器。根据一些实施例,穿戴式医疗装置102还可包括用于与外部组件进行通信的电子通信硬件(例如,接收器和/或发送器)。
生命信号检测系统100还包括例如通过无线网络配置与穿戴式医疗装置102进行电子通信的控制系统或服务器106。控制系统106被配置成从穿戴式医疗装置102接收数据(例如,传感器数据和/或情境数据/运行数据)108以及向穿戴式医疗装置102传送指令110以起始和/或停止感测及收集生命信号数据。根据一些实施例,控制系统106可通过无线数据通信网络(例如,互联网)来与穿戴式医疗装置102进行电子通信,且可包括用于使控制系统106与穿戴式医疗装置102交换数据及控制信号的接口模块112(例如,通过应用编程接口(application programming interface,API))。
控制系统106可包括一个或多个存储装置或存储器装置114,所述一个或多个存储装置或存储器装置114被配置成接收并存储从穿戴式医疗装置102接收的数据108。所述一个或多个存储器装置114还可连接到处理器,且可存储指令,所述指令在由处理器执行时使处理器执行一个或多个操作来控制及监视生命信号检测系统100的组件。
控制系统106还可包括处理器或计算模块116,所述处理器或计算模块116被配置成在存储器114与机器学习引擎或模块118之间接口,且被配置成控制控制系统106的一个或多个操作。举例来说,根据一些实施例,计算模块116可被配置成取回存储在存储器114中的数据(例如,传感器数据108)以及计算或判断数据是否包括与所监视的生命信号或医疗状况相关的信息。计算模块116可接着将数据(和/或关于数据的计算或判断)传送到机器学习引擎118。
机器学习引擎118可具有所属领域中的技术人员已知的任何合适的神经网络架构,且可使用所属领域中的技术人员已知的任何合适的样本数据加以训练。如在下文中将更详细地论述,机器学习引擎118被配置成从穿戴式医疗装置102(例如,通过控制系统106、接口模块112、所述一个或多个存储器装置114和/或计算模块116)接收传感器数据(或关于传感器数据的信息)。传感器数据可包括生命信号数据以及情境信息,例如运动、惯性、移动、环境和/或时间数据。响应于接收到传感器数据,机器学习引擎118可使生命信号检测系统100能够修改或调整使穿戴式医疗装置102的传感器现用或被接通的时间表或频率。根据一些实施例,在初始阶段(例如,训练周期和/或当用户104起始利用穿戴式医疗装置102时),生命信号检测系统100(通过计算模块116和/或机器学习引擎118及接口模块112)可向穿戴式医疗装置102传送指令以在规则的和/或均匀的间隔期间激活或接通对数据(例如,生命信号及情境数据)的感测。在某些感测周期中,生命信号检测系统100可确定检测到生命信号异常或相关生命信号数据,且在其他感测周期中,生命信号检测系统100可确定未检测到生命信号异常或相关生命信号数据。
随着时间的进行,通过使用机器学习引擎118,生命信号检测系统100可调整感测周期的频率和/或持续时间,以使其中在感测周期期间检测到生命信号异常或相关生命信号数据的实例最大化或增多以及使其中在感测周期期间未检测到生命信号异常或相关生命信号数据的实例最小化或减少。因此,生命信号检测系统100可被配置成将感测周期的频率和/或持续时间调整成使得传感器在检测到生命信号异常或相关生命信号数据的机率相对高(例如,超过预定的阈值)时被激活或被接通、以及使传感器在检测到生命信号异常或相关生命信号数据的机率相对低(例如,低于预定的阈值)时不被激活或被接通。因此,生命信号检测系统100可被配置成通过以下方式来保持电池寿命及降低再充电频率:训练自己在感测到相关数据的机率高(例如,超过预定的阈值)时感测及收集数据(从而提高电池电荷消耗)且在感测到相关数据的机率低(例如,低于预定的阈值)时不感测及收集数据(从而降低电池电荷消耗)。
图2示出根据一些示例性实施例的由生命信号检测系统实施的主动学习过程的示例性图。根据一些实施例,生命信号检测系统100可使用任何合适的神经网络和/或深度学习架构(例如,深度Q学习(Deep Q Learning,DQN)架构)来从穿戴式医疗装置102接收生命信号数据以及运行数据和/或情境数据,并通过机器学习引擎118调整或控制穿戴式医疗装置102的传感器被激活的频率和/或持续时间。
如图2所示,通过传感器数据108将状态s从穿戴式医疗装置102传送到机器学习引擎118。状态s包括传感器数据(在其中可检测到生命信号异常或相关生命信号)以及各种运行信息或情境信息,例如穿戴式医疗装置102的位置、收集或测量传感器数据的时间、穿戴式医疗装置102的运动或惯性、各种环境状况测量(例如,温度、湿度等)、传感器中的一个或多个传感器当前是否为现用的以及先前测量的或历史状态信息。
另外,由于生命信号检测系统100可利用强化DQN架构,因此可将奖励数据200从穿戴式医疗装置102传送到机器学习引擎118。奖励数据200的奖励rt是将被最大化的目标,所述目标是在具有最低次数的感测尝试的同时具有最高的生命信号异常或相关生命信号数据的检测率。指令110的动作a是用于从穿戴式医疗装置102的所述一个或多个传感器起始感测操作的命令。
机器学习引擎118的神经网络可使用从穿戴式医疗装置102的物理模型产生的生命信号异常或相关生命信号数据的所模拟事件(simulated episodes)来加以训练。神经网络的示例性目标是在具有最低次数的感测尝试的同时实现最好的(或最高的)生命信号异常或相关生命信号数据的检测率。
策略π是力图将值函数最大化或最小化的从状态到动作的映射。每一步骤中的值函数表示每一动作或状态的良好程度。Q值表示预期总奖励。Q值函数根据以下方程式[1]表示出在折现因数(discount factor)为γ的策略π下来自状态s及动作a的预期总奖励:
Qπ(s,a)=E[rt+1+γrt+2+γ2rt+3+...|s,a] 方程式[1]
最优值函数是最大的可实现值,其可根据以下方程式[2]来计算得到:
用于实现最大的可实现值的动作可根据以下方程式[3]来计算得到:
因此,根据本公开的一些实施例,可根据以上方程式[1]到方程式[3]来利用深度强化学习模型,在所述深度强化学习模型中由深度神经网络来表示及学习模型、策略及值函数。根据一些示例性实施例,可利用随机梯度下降来对损失函数进行优化。
图3是示出根据一些示例性实施例的穿戴式医疗装置的激活传感器的频率的图。如上所述,生命信号检测系统100可被配置成调整或修改穿戴式医疗装置102的传感器被激活的频率以利用最少数目的感测周期来使奖励(例如,检测到生命信号异常或相关生命信号数据)增大或最大化。因此,如图3所示,在对生命信号检测系统100进行训练之后,与其中检测到生命信号异常或相关生命信号数据的实例较少(或者不存在此种实例)的第二周期304相比,穿戴式医疗装置102的传感器可在其中检测到生命信号异常或相关生命信号数据的实例302的数目较多的第一周期300期间被更频繁地激活。第一周期300及第二周期304的时序及持续时间可基于机器学习引擎118的确定以及基于检测到生命信号异常或相关生命信号数据的统计概率来确定。
图4是示出根据一些示例性实施例的训练生命信号检测系统的示例性过程的时序图。参照图4,生命信号检测系统100可在第一训练周期(例如,第一天)期间起始以周期性的和/或均匀的间隔400来感测生命信号数据。在间隔400期间,可将穿戴式医疗装置102的传感器激活或接通以感测或检测生命信号异常或相关生命信号数据。另一方面,在间隔400之外,可将穿戴式医疗装置102的传感器去激活或关断以使得穿戴式医疗装置102汲取的电池电荷(与在间隔400期间相比)减少,但穿戴式医疗装置102即使在出现生命信号异常或相关生命信号数据时也无法对其进行感测。在一个或多个感测间隔400期间,生命信号检测系统100可检测生命信号异常或相关生命信号数据402的一个或多个实例的出现。另外,生命信号异常或相关生命信号数据402的一个或多个实例可出现在感测间隔400中的任何感测间隔之外,从而使得它们不会被生命信号检测系统100检测到。对于在感测间隔400期间检测到或感测到生命信号异常或相关生命信号数据402的每一实例而言,数据402与情境数据和/或运行数据(例如,运动数据、一天内的某一时刻、位置信息、环境状况等)一起被传送到控制系统106。另外,根据一些实施例,对于在其间未检测到生命信号异常或相关生命信号数据402的感测间隔400而言,可将情境数据和/或运行数据传送到控制系统106。
利用数据402及对应的情境数据和/或运行数据,生命信号检测系统100可使用合适的机器学习技术(如以上所解释)来为各个时间段计算检测到生命信号异常或相关生命信号数据的机率,并根据所计算的机率来调整(与第一训练周期相比)第二训练周期(例如,第二天)期间的感测间隔的频率和/或持续时间。
对于每一后续周期(例如,第三天、第四天、第五天等),生命信号检测系统100继续基于数据402及对应的情境数据和/或运行数据来为各个时间段重新计算检测到生命信号异常或相关生命信号数据的机率,并基于所计算的机率来重新调整感测间隔的频率和/或持续时间,以使得在多个训练周期(例如,第五天)之后,生命信号检测系统100只在其中检测到生命信号异常或相关生命信号数据的机率高(例如,高于预定的阈值机率)的时间段期间起始感测间隔。在其中检测到生命信号异常或相关生命信号数据的机率低(例如,低于预定的阈值机率)的周期期间,生命信号检测系统100不起始感测间隔。
根据一些实施例,生命信号检测系统100可不指定任何特定数目的训练周期,但可基于在部分先前感测间隔期间收集的数据402以及对应的情境和/或运行数据来继续或连续地更新或调整感测间隔的频率和/或持续时间。
图5是示出根据一些示例性实施例的控制生命信号检测系统的过程的流程图。用于对生命信号检测系统进行控制的过程中的操作的数目及次序可根据各种实施例发生变化。也就是说,所述过程可包括另外的操作或更少的操作,且除非另外明确地或含蓄地加以说明,否则所述操作的相对次序可发生变化。如图5所示,在500处,生命信号检测系统100可与对应的生命信号传感器数据一起收集和/或接收包括状态及情境信息的训练数据。在502处,生命信号检测系统100可对包括机器学习引擎的生命信号检测控制器进行训练,以基于训练数据来调整感测间隔的频率和/或持续时间。根据一些实施例,生命信号检测系统100在初始时可不接收任何训练数据,而是可根据默认的或初始的感测间隔时间表(例如,恒定不变的持续时间及均匀间隔开的间隔)来起始感测间隔。
在504处,生命信号检测系统100基于由机器学习引擎作出的判断和/或默认的感测间隔时间表来判断是否是起始感测间隔的时间,以激活或接通穿戴式医疗装置102的传感器来感测用户的生命信号。如果在504处生命信号检测系统100确定不是起始感测间隔的时间,则生命信号检测系统100循环回到504以在另一时刻(例如,在预定时间量之后)重复所述决策。如果在504处生命信号检测系统100确定是起始感测间隔的时间,则在506处生命信号检测系统100向穿戴式医疗装置102传送信号来激活或接通穿戴式医疗装置102的一个或多个传感器以起始感测间隔并开始收集用户的生命信号数据。在感测间隔结束时,生命信号检测系统100可向穿戴式医疗装置102另外传送信号以将在感测间隔开始时接通的传感器去激活或接通。作为另外一种选择,穿戴式医疗装置102可在预定时间段之后自动地将传感器去激活。在完成感测间隔之后,生命信号检测系统100将生命信号传感器数据及任何对应的情境数据和/或运行数据传送到控制系统106以继续训练机器学习引擎。
在一个实施例中,如所属领域中的技术人员应理解,前述各图中的各种服务器、控制器、引擎和/或模块(统称为服务器)中的每一者是通过硬件或固件(例如,ASIC))来实施的。
在一个实施例中,前述各图中的各种服务器、控制器、引擎和/或模块(统称为服务器)中的每一者可为在一个或多个计算装置1500(例如,图6A、图6B)中由一个或多个处理器运行、执行计算机程序指令并与用于执行本文所述各种功能的其他系统组件进行交互的过程或线程。计算机程序指令存储在可在使用例如(举例来说)随机存取存储器(RAM)等标准存储器装置的计算装置中实施的存储器中。计算机程序指令也可存储在例如(举例来说)CD-ROM、闪存驱动器或类似元件等其他非暂时性计算机可读介质中。另外,所属领域中的技术人员应认识到,计算装置可通过固件(例如,应用专用集成电路)、硬件、或软件、固件、及硬件的组合来实施。所属领域中的技术人员还应知,除非另外明确地说明或暗示,否则在不背离本公开示例性实施例的范围的条件下,可将各种计算装置的功能组合或整合成单一的计算装置,或者可使特定计算装置的功能跨越一个或多个其他计算装置分布。服务器可为软件模块(也可简单地称为模块)。生命信号检测系统中的一组模块可包括服务器及其他模块。
图6A及图6B绘示在根据一些示例性实施例的穿戴式医疗装置102和/或控制系统106中可采用的计算装置1500的方块图。每一计算装置1500可包括中央处理器1521及主存储器单元1522。如图6A所示,计算装置1500还可包括存储装置1528、可移除介质接口1516、网络接口1518、输入/输出(input/output,I/O)控制器1523、一个或多个显示装置1530c、键盘1530a及定点装置1530b(例如,鼠标)。存储装置1528可包括但不限于对操作系统及软件的存储。如图6B所示,每一计算装置1500还可包括与中央处理器1521进行通信的各种另外的可选元件,例如存储器端口1503、桥接器1570、一个或多个另外的输入/输出装置1530d、1530e以及高速缓冲存储器1540。在本文中可使用参考编号1530来笼统地指代输入/输出装置1530a、1530b、1530d及1530e。
中央处理器1521是响应于从主存储器单元1522提取的指令并对从主存储器单元1522提取的指令进行处理的任何逻辑电路。中央处理器1521可例如以微处理器、微控制器或图形处理单元(graphics processing unit,GPU)的形式实施在集成电路中或者实施在现场可编程门阵列(field-programmable gate array,FPGA)或应用专用集成电路(ASIC)中。主存储器单元1522可为能够存储数据且使得任何存储位置均能够被中央处理器1521直接存取的一个或多个存储器芯片。如图6A所示,中央处理器1521经由系统总线1550与主存储器1522进行通信。如图6B所示,中央处理器1521还可经由存储器端口1503与主存储器1522直接通信。
图6B绘示其中中央处理器1521经由二次总线(有时称为后端总线(backsidebus))来与高速缓冲存储器1540直接通信的实施例。在其他实施例中,中央处理器1521使用系统总线1550来与高速缓冲存储器1540进行通信。高速缓冲存储器1540通常具有比主存储器1522更快的响应时间。如图6A中所示,中央处理器1521经由本地系统总线1550来与各种输入/输出装置1530进行通信。可使用包括以下各种总线作为本地系统总线1550:视频电子标准协会(Video Electronics Standards Association,VESA)本地总线(VESA localbus,VLB)、工业标准架构(Industry Standard Architecture,ISA)总线、扩展工业标准架构(Extended Industry Standard Architecture,EISA)总线、微信道架构(MicroChannelArchitecture,MCA)总线、外围组件互连(Peripheral Component Interconnect,PCI)总线、外围组件互连扩展(PCI Extended,PCI-X)总线、外围组件互连快速总线(PCI-Expressbus)或网络用户总线(network user Bus,NuBus)。对于其中输入/输出装置是显示装置1530c的实施例而言,中央处理器1521可通过高级图形端口(Advanced Graphics Port,AGP)来与显示装置1530c进行通信。图6B绘示其中中央处理器1521与输入/输出装置1530e直接通信的计算装置1500的实施例。图6B还绘示其中本地总线与直接通信进行混合的实施例:中央处理器1521在与输入/输出装置1530直接通信的同时使用本地系统总线1550来与输入/输出装置1530d进行通信。
在计算装置1500中可存在各种各样的输入/输出装置1530。输入装置包括一个或多个键盘1530a、鼠标、轨迹板、轨迹球、麦克风及绘图平板(drawing tablet)。输出装置包括视频显示装置1530c、扬声器及打印机。如图6A中所示,输入/输出控制器1523可控制输入/输出装置1530。输入/输出控制器可控制一个或多个输入/输出装置,例如键盘1530a及定点装置1530b(例如,鼠标或光学笔)。
再次参照图6A,计算装置1500可支持一个或多个可移除介质接口1516,例如软盘驱动器、CD-ROM驱动器、数字通用盘只读存储器(Digital Versatile Disk read onlymemory,DVD-ROM)驱动器、各种格式的带驱动器(tape driver)、通用串行总线(UniversalSerial Bus,USB)端口、安全数字或紧凑闪存TM存储卡端口、或者适用于从只读介质读取数据或适用于从读写介质读取数据或将数据写入到读写介质的任何其他装置。输入/输出装置1530可为系统总线1550与可移除介质接口1516之间的桥接器。
可移除介质接口1516可例如用于安装软件及程序。计算装置1500还可包括存储装置1528(例如一个或多个硬盘驱动器及硬盘驱动器阵列),用于存储操作系统及其他相关软件以及用于存储应用软件程序。可选地,可移除介质接口1516还可用作存储装置。举例来说,操作系统及软件可从可引导介质(例如,可引导CD)运行。
在一些实施例中,计算装置1500可包括或连接到多个显示装置1530c,所述多个显示装置1530c分别可为相同或不同的类型和/或形式。由此,输入/输出装置1530和/或输入/输出控制器1523中的任一者可包括任何类型和/或任何形式的合适的硬件、软件、或硬件与软件的组合以支持、实现或提供计算装置1500对多个显示装置1530c的连接及使用。举例来说,计算装置1500可包括与显示装置1530c进行接口、通信、连接或以其他方式使用显示装置1530c的任何类型和/或任何形式的视频适配器、视频卡、驱动器和/或库(library)。在一个实施例中,视频适配器可包括多个连接器以与多个显示装置1530c进行接口。在其他实施例中,计算装置1500可包括多个视频适配器,其中每一个视频适配器连接到显示装置1530c中的一个或多个。在一些实施例中,计算装置1500的操作系统的任何部分均可被配置成使用多个显示装置1530c。在其他实施例中,显示装置1530c中的一个或多个可由例如经由网络连接到计算装置1500的一个或多个其他计算装置提供。这些实施例可包括被设计及构造成使用另一个计算装置的显示装置作为计算装置1500的第二显示装置1530c的任何类型的软件。所属领域中的一般技术人员将认识并了解计算装置1500可被配置成具有多个显示装置1530c的各种方式及实施例。
图6A及图6B中所绘示类型的计算装置1500可在操作系统的控制下运行,操作系统控制对任务进行的排程以及对系统资源的存取。计算装置1500可运行任何操作系统、任何嵌入式操作系统、任何实时操作系统、任何开源操作系统、任何专有操作系统(proprietaryoperating system)、用于移动计算装置的任何操作系统或者能够在计算装置上运行并执行本文所述操作的任何其他操作系统。
计算装置1500可为任何工作站、台式计算机、膝上型或笔记本计算机、服务器机器(server machine)、手持式计算机、移动电话或其他便携式电信装置、媒体播放装置、游戏系统、移动计算装置或者能够进行通信且处理器能力及存储器容量足以执行本文所述操作的任何其他类型和/或任何其他形式的计算装置、电信装置或媒体装置。在一些实施例中,计算装置1500可具有与所述装置相容的不同的处理器、操作系统及输入装置。
在其他实施例中,计算装置1500是移动装置,例如支持Java的蜂窝电话或个人数字助理(personal digital assistant,PDA)、智能电话、数字音频播放器或便携式媒体播放器。在一些实施例中,计算装置1500包括装置的组合,例如移动电话与数字音频播放器或便携式媒体播放器的组合。
如图6C所示,中央处理器1521可包括多个处理器P1、P2、P3、P4,且可提供用于同时执行多个指令的功能或者用于对多于一个的数据同时执行一个指令的功能。在一些实施例中,计算装置1500可包括具有一个或多个核的并行处理器。在这些实施例中的一者中,计算装置1500是具有多个处理器和/或多个处理器核的共享存储器并行装置(shared memoryparallel device),所述共享存储器并行装置将所有可用存储器作为单个全局地址空间进行存取。在这些实施例中的另一者中,计算装置1500是具有多个处理器的分布式存储器并行装置,这些处理器各自仅存取本地存储器。在这些实施例中的再一者中,计算装置1500具有一些共享的存储器以及一些只可由特定处理器或处理器子集进行存取的存储器两者。在这些实施例中的又一者中,中央处理器1521包括多核微处理器,所述多核微处理器将两个或更多个独立的处理器组合成单个封装(例如,组合成单个集成电路(IC))。在图6D中绘示的一个示例性实施例中,计算装置1500包括至少一个中央处理器1521及至少一个图形处理器1521'。
在一些实施例中,中央处理器1521提供单指令多数据(single instruction,multiple data,SIMD)功能,例如同时对多个数据执行单个指令。在其他实施例中,中央处理器1521中的多个处理器可提供对多个数据同时执行多个指令的功能(多指令多数据(multiple instruction multiple data,MIMD))。在另一些实施例中,中央处理器1521可在单个装置中使用单指令多数据核与多指令多数据核的任何组合。
计算装置可为由网络连接的多个机器中的一个机器,或者可包括这样连接的多个机器。图6E示出示例性网络环境。网络环境包括经由一个或多个网络1504来与一个或多个远程机器1506a、1506b、1506c(通常还被称为服务器机器1506或远程机器1506)进行通信的一个或多个本地机器1502a、1502b(通常还被称为本地机器1502、客户端1502、客户端节点1502、客户端机器1502、客户端计算机1502、客户端装置1502、端点1502或端点节点1502)。在一些实施例中,本地机器1502能够用作力图对由服务器机器提供的资源进行存取的客户端节点及供其他客户端1502a、1502b存取所持有资源的服务器机器二者。尽管在图6E中只示出两个客户端1502及三个服务器机器1506,然而一般来说可存在任意数目的客户端及任意数目的服务器机器。网络1504可为局域网(local-area network,LAN)(例如,如公司内网(company intranet)等私有网络)、城域网(metropolitan area network,MAN)或广域网(wide area network,WAN)(例如,互联网或另一种公共网络)或其组合。
计算装置1500可包括网络接口1518以通过各种连接来与网络1504进行接口,所述各种连接包括但不限于标准电话线、局域网(LAN)链路或广域网(WAN)链路、宽带连接、无线连接、或上述任何连接或全部连接的组合。可使用各种通信协议来建立连接。在一个实施例中,计算装置1500经由任何类型和/或任何形式的网关或隧道协议(例如,安全套接层(Secure Socket Layer,SSL)或传输层安全(Transport Layer Security,TLS))来与其他计算装置1500进行通信。网络接口1518可包括适用于使计算装置1500与能够进行通信及执行本文所述操作的任何类型的网络进行接口的内置网络适配器(例如,网络接口卡)。输入/输出装置1530可为系统总线1550与外部通信总线之间的桥接器。
根据一个实施例,图6E所示网络环境可为网络的各个组件均被虚拟化的虚拟网络环境。举例来说,各种机器1502可为虚拟机器,所述虚拟机器被实施成在实体机器上运行的基于软件的计算机。各虚拟机器可共享同一操作系统。在其他实施例中,在每一虚拟机器实例上可运行不同的操作系统。根据一个实施例,实施“管理程序(hypervisor)”类型的虚拟化,其中多个虚拟机器在同一主机物理机器上运行,每一个虚拟机器仿佛具有其自己的专用盒一样发挥作用。当然,虚拟机器还可在不同的主机实体机器上运行。
预期还存在其他类型的虚拟化,例如(举例来说)网络(例如,经由软件定义网络(Software Defined Networking,SDN))。还可例如(举例而言)通过网络功能虚拟化(Network Functions Virtualization,NFV)来对各种功能(例如,会话边界控制器(session border controller)的功能及其他类型的功能)进行虚拟化。
尽管已参照示例性实施例阐述了本公开,然而所属领域中的技术人员将认识到,可执行对所述实施例的各种改变及修改,而此均不背离本公开的精神及范围。另外,各种领域中的技术人员将认识到,本文所述的本公开将使人设想出对其他任务的解决方案以及适合于其他应用的修改形式。申请人意图通过本文中的权利要求来涵盖本公开的所有这些用途、以及可对出于公开的目的而选择的本文所述本公开示例性实施例作出的所有改变及修改,此均不背离本公开的精神及范围。因此,本公开的示例性实施例应在各个方面均被视为说明性的而非限制性的,其中本公开的精神及范围由随附权利要求书及其等效形式指示。另外,所属领域中的技术人员将理解,根据本公开一个或多个实施例的一个或多个特征可与根据本公开一个或多个其他实施例的一个或多个其他特征进行组合,而此并不背离本公开的精神及范围。
Claims (20)
1.一种控制感测装置的方法,所述方法包括:
由处理器在第一时间段期间向穿戴式装置传送信号,以起始生命信号感测;
由所述处理器从所述穿戴式装置接收来自所述穿戴式装置的生命信号数据;
由所述处理器基于所述生命信号数据来调整用于起始所述生命信号感测的时间表;以及
由所述处理器根据用于起始所述生命信号感测的所述时间表在第二时间段期间向所述穿戴式装置传送信号以起始所述生命信号感测。
2.根据权利要求1所述的方法,还包括:由所述处理器从所述穿戴式装置接收与所述生命信号数据对应的情境数据。
3.根据权利要求2所述的方法,其中,所述情境数据包括所述生命信号感测的时间。
4.根据权利要求2所述的方法,其中,所述情境数据包括与所述穿戴式装置对应的运动信息。
5.根据权利要求1所述的方法,还包括:由所述处理器基于所述生命信号数据来判断在第二时间段期间是否起始感测间隔。
6.根据权利要求1所述的方法,还包括:
由所述处理器计算在所述第二时间段的部分期间感测到相关生命信号的机率;以及
由所述处理器基于所计算的所述机率来调整用于起始所述生命信号感测的所述时间表。
7.根据权利要求1所述的方法,其中,在所述第一时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第一指令,所述第一指令根据用于起始所述生命信号感测的所述时间表在第一多个感测间隔期间执行所述生命信号感测,且
在所述第二时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第二指令,所述第二指令在所述时间表经过调整之后根据所述时间表在第二多个感测间隔期间执行所述生命信号感测。
8.根据权利要求7所述的方法,其中,所述第一多个感测间隔及所述第二多个感测间隔中的每一者的持续时间及间隔是由用于起始所述生命信号感测的所述时间表来定义。
9.一种控制感测装置的系统,所述系统包括:
处理器;以及
存储器,耦合到所述处理器,其中所述存储器存储指令,所述指令在由所述处理器执行时使所述处理器:
在第一时间段期间向穿戴式装置传送信号,以起始生命信号感测;
从所述穿戴式装置接收来自所述穿戴式装置的生命信号数据;
基于所述生命信号数据来调整用于起始所述生命信号感测的时间表;以及
根据用于起始所述生命信号感测的所述时间表在第二时间段期间向所述穿戴式装置传送信号以起始所述生命信号感测。
10.根据权利要求9所述的系统,其中,所述指令还使所述处理器从所述穿戴式装置接收与所述生命信号数据对应的情境数据。
11.根据权利要求10所述的系统,其中,所述情境数据包括所述生命信号感测的时间。
12.根据权利要求10所述的系统,其中,所述情境数据包括与所述穿戴式装置对应的运动信息。
13.根据权利要求9所述的系统,其中,所述指令还使所述处理器基于所述生命信号数据来判断在第二时间段期间是否起始感测间隔。
14.根据权利要求9所述的系统,其中,所述指令还使所述处理器:
计算在所述第二时间段的部分期间感测到相关生命信号的机率;以及
基于所计算的所述机率来调整用于起始所述生命信号感测的所述时间表。
15.根据权利要求9所述的系统,其中,在所述第一时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第一指令,所述第一指令根据用于起始所述生命信号感测的所述时间表在第一多个感测间隔期间执行所述生命信号感测,且
在所述第二时间段期间传送到所述穿戴式装置以起始所述生命信号感测的所述信号包括第二指令,所述第二指令在所述时间表经过调整之后根据所述时间表在第二多个感测间隔期间执行所述生命信号感测。
16.根据权利要求15所述的系统,其中,所述第一多个感测间隔及所述第二多个感测间隔中的每一者的持续时间及间隔是由用于起始所述生命信号感测的所述时间表来定义。
17.一种传感器系统,包括:
服务器,被配置成为穿戴式装置进行排程在第一时间段期间起始感测间隔,所述穿戴式装置相对于所述服务器是远程定位的;以及
所述穿戴式装置,包括用于感测用户的生命信号的一个或多个传感器,
其中所述穿戴式装置被配置成感测位置数据及生命信号数据并将所感测的所述位置数据及所述生命信号数据传送到所述服务器,
其中所述穿戴式装置被配置成根据来自所述服务器的信号来激活传感器,且
其中所述服务器被配置成根据所感测的所述位置数据及所述生命信号数据来针对用于激活所述传感器的第二时间段来调整所述时间表。
18.根据权利要求17所述的传感器系统,其中,所述服务器被配置成计算在所述第二时间段的部分期间感测到相关生命信号的机率并基于所计算的所述机率来针对所述第二时间段调整所述时间表。
19.根据权利要求17所述的传感器系统,其中,所述服务器还被配置成从所述穿戴式装置接收与所述生命信号数据对应的情境数据。
20.根据权利要求19所述的传感器系统,其中,所述服务器还被配置成基于所述情境数据来判断所述生命信号数据是否包括指示生命信号异常的信息。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762585976P | 2017-11-14 | 2017-11-14 | |
US62/585,976 | 2017-11-14 | ||
US15/892,253 US20190148010A1 (en) | 2017-11-14 | 2018-02-08 | System and method for controlling sensing device |
US15/892,253 | 2018-02-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109770877A true CN109770877A (zh) | 2019-05-21 |
Family
ID=66432303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811231402.7A Pending CN109770877A (zh) | 2017-11-14 | 2018-10-22 | 控制感测装置的系统及方法及传感器系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190148010A1 (zh) |
JP (1) | JP2019088774A (zh) |
KR (1) | KR20190054892A (zh) |
CN (1) | CN109770877A (zh) |
TW (1) | TW201918833A (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX2022002692A (es) * | 2019-09-06 | 2022-04-11 | Sports Data Labs Inc | Sistema para generar datos y modelos simulados sobre animales. |
IT201900015923A1 (it) * | 2019-09-09 | 2021-03-09 | Andrea Carazza | Stazione per transazioni in internet fra privati. |
US11727091B2 (en) * | 2020-09-11 | 2023-08-15 | Qeexo, Co. | Method and system for training machine learning models on sensor nodes |
KR102272545B1 (ko) * | 2020-11-26 | 2021-07-05 | 웰트 주식회사 | 건강 진단을 위한 사용자 장치 제어 방법 및 이러한 방법을 수행하는 장치 |
US20220183638A1 (en) * | 2020-12-10 | 2022-06-16 | Draeger Medical Systems, Inc. | Apparatus, method, and computer-readable recording medium for executing a customizable physiological measurement schedule for patients |
TWI827411B (zh) * | 2022-12-21 | 2023-12-21 | 新唐科技股份有限公司 | 微控制電路及處理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120029300A1 (en) * | 2010-07-27 | 2012-02-02 | Carefusion 303, Inc. | System and method for reducing false alarms and false negatives based on motion and position sensing |
US20150164343A1 (en) * | 2013-12-13 | 2015-06-18 | Industrial Technology Research Institute | Management systems and methods for managing physiology data measurement |
WO2016080911A1 (en) * | 2014-11-18 | 2016-05-26 | Nanyang Technological University | Server apparatus and wearable device for blood glucose monitoring and associated methods |
CN105682542A (zh) * | 2013-10-22 | 2016-06-15 | 皇家飞利浦有限公司 | 用于监测对象的生命体征的传感器装置和方法 |
US20170172522A1 (en) * | 2015-12-22 | 2017-06-22 | Joseph Insler | Method and Device for Automatic Identification of an Opioid Overdose and Injection of an Opioid Receptor Antagonist |
-
2018
- 2018-02-08 US US15/892,253 patent/US20190148010A1/en not_active Abandoned
- 2018-07-12 KR KR1020180081267A patent/KR20190054892A/ko unknown
- 2018-07-31 TW TW107126400A patent/TW201918833A/zh unknown
- 2018-10-22 CN CN201811231402.7A patent/CN109770877A/zh active Pending
- 2018-10-24 JP JP2018199852A patent/JP2019088774A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120029300A1 (en) * | 2010-07-27 | 2012-02-02 | Carefusion 303, Inc. | System and method for reducing false alarms and false negatives based on motion and position sensing |
CN105682542A (zh) * | 2013-10-22 | 2016-06-15 | 皇家飞利浦有限公司 | 用于监测对象的生命体征的传感器装置和方法 |
US20150164343A1 (en) * | 2013-12-13 | 2015-06-18 | Industrial Technology Research Institute | Management systems and methods for managing physiology data measurement |
WO2016080911A1 (en) * | 2014-11-18 | 2016-05-26 | Nanyang Technological University | Server apparatus and wearable device for blood glucose monitoring and associated methods |
US20170172522A1 (en) * | 2015-12-22 | 2017-06-22 | Joseph Insler | Method and Device for Automatic Identification of an Opioid Overdose and Injection of an Opioid Receptor Antagonist |
Also Published As
Publication number | Publication date |
---|---|
JP2019088774A (ja) | 2019-06-13 |
TW201918833A (zh) | 2019-05-16 |
US20190148010A1 (en) | 2019-05-16 |
KR20190054892A (ko) | 2019-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109770877A (zh) | 控制感测装置的系统及方法及传感器系统 | |
US20220007955A1 (en) | Method for measuring biological signal and wearable electronic device for the same | |
CN107997767B (zh) | 用于识别用户活动的方法及其电子设备 | |
Ghasemzadeh et al. | Power-aware computing in wearable sensor networks: An optimal feature selection | |
TWI567587B (zh) | 改良穿戴式計算裝置手勢為主互動的技術 | |
US20170188980A1 (en) | Wearable sensor based body modeling | |
US20160378186A1 (en) | Technologies for controlling haptic feedback intensity | |
CN110235086A (zh) | 电子设备及电子设备的指纹识别方法 | |
US20210144643A1 (en) | Electronic systems and electronic devices | |
CN106469250A (zh) | 用于检测用户的活动信息的方法及其电子装置 | |
CN110494912A (zh) | 用于检测显示器中的裂纹的电路和包括该显示器的电子设备 | |
CN105988588A (zh) | 包括触摸面板的电子设备和控制电子设备的方法 | |
CN104641657A (zh) | 基于用户意图和/或身份调整移动设备状态 | |
US11559211B2 (en) | Electronic device for providing health information based on biometric data, and control method therefor | |
US20160242693A1 (en) | Promoting physical activity | |
US20170339100A1 (en) | Device address update based on event occurrences | |
US20210121077A1 (en) | Physical parameter measuring devices | |
US9737212B2 (en) | Electronic device system to display biometric feedback | |
Skoglund et al. | Activity tracking using ear-level accelerometers | |
Bansode | Stereotypic Repetitive Hand Flapping Movement Detector Children with Autism | |
Charan et al. | Wearable Technology: How Healthcare is Changing Forever | |
Michel et al. | Design Project: Smart Headband | |
Lakshmi et al. | Green computing platforms for biomedical systems | |
CN104077109A (zh) | 具有分离的运算单元的系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190521 |
|
WD01 | Invention patent application deemed withdrawn after publication |