CN111265205A - 自主全光谱生物测定监测 - Google Patents
自主全光谱生物测定监测 Download PDFInfo
- Publication number
- CN111265205A CN111265205A CN201911225096.0A CN201911225096A CN111265205A CN 111265205 A CN111265205 A CN 111265205A CN 201911225096 A CN201911225096 A CN 201911225096A CN 111265205 A CN111265205 A CN 111265205A
- Authority
- CN
- China
- Prior art keywords
- heartbeat cycle
- cycle data
- heartbeat
- correlation coefficient
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000001228 spectrum Methods 0.000 title abstract description 5
- 239000013598 vector Substances 0.000 claims abstract description 130
- 238000000513 principal component analysis Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 37
- 230000009471 action Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 10
- 230000036772 blood pressure Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 20
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000012937 correction Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000013186 photoplethysmography Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003205 diastolic effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 210000000624 ear auricle Anatomy 0.000 description 2
- 230000036571 hydration Effects 0.000 description 2
- 238000006703 hydration reaction Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003836 peripheral circulation Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000001429 visible spectrum Methods 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
- A61B5/02—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
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- 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
- A61B5/02—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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/7228—Signal modulation applied to the input signal sent to patient or subject; demodulation to recover the physiological signal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Vascular Medicine (AREA)
- Hematology (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请公开了自主全光谱生物测定监测。一种设备可以获得与多个波长通道相关联的原始心跳数据。该设备可以基于特征向量变换生成多个特征向量,每个特征向量对应于多个波长通道中的相应一个波长通道。该设备可以基于多个相关系数平方从多个特征向量中识别一组选定特征向量,每个相关系数平方与多个特征向量中的相应对相关联。该设备可以基于主成分分析生成该一组选定特征向量的平均特征向量。该设备可以基于平均特征向量来确定初始心跳循环数据。该设备可以校正在初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据。
Description
背景
光学体积描记术(PPG)是可用于检测在外周循环中的血液的体积变化(当血液体积由于心脏的泵送作用而变化时)的光学技术。PPG是一种在皮肤的表面处(例如在指尖、手腕、耳垂等等处)进行测量的非侵入性方法。PPG设备可以采取提供与多个波长通道(例如,64个波长通道)相关联的心跳时间序列数据的多光谱传感器设备(例如,二进制多光谱(BMS)传感器设备)的形式。多光谱传感器设备包括多个传感器元件(例如,光学传感器、光谱传感器和/或图像传感器),每个传感器元件(通过多光谱滤波器的相应区域)接收多个波长通道之一,以便捕获心跳时间序列数据。
概述
根据一些实现方式,一种方法可以包括:通过设备获得与多个波长通道相关联的原始心跳数据;通过设备并基于特征向量变换生成多个特征向量,每个特征向量对应于多个波长通道中的相应的一个波长通道;通过设备基于多个相关系数平方从所述多个特征向量中识别一组选定特征向量,每个相关系数平方与多个特征向量中的相应对相关联;通过设备并使用主成分分析生成该一组选定特征向量的平均特征向量;通过设备基于平均特征向量来确定初始心跳循环数据;以及通过设备校正在初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据以允许生物测定监测(biometric monitoring)动作被执行。
根据一些实现方式,一种设备可以包括一个或更多个存储器以及一个或更多个处理器,该一个或更多个处理器通信地耦合到一个或更多个存储器以:获得与多个波长通道相关联的原始心跳数据;基于特征向量变换来生成多个特征向量,每个特征向量对应于多个波长通道中的相应一个波长通道;基于多个相关系数平方从多个特征向量中识别一组选定特征向量,每个相关系数平方与多个特征向量中的相应对相关联;基于主成分分析生成该一组选定特征向量的平均特征向量;基于平均特征向量来确定初始心跳循环数据;以及校正在初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据以允许生物测定监测动作被执行。
根据一些实现方式,一种非暂时性计算机可读介质可以存储指令,所述指令包括当由一个或更多个处理器执行时使一个或更多个处理器执行下列操作的一个或更多个指令:获得与多个波长通道相关联的原始心跳数据;基于特征向量变换来生成多个特征向量,每个特征向量对应于多个波长通道中的相应一个波长通道;基于多个相关系数平方从多个特征向量中识别一组选定特征向量,每个相关系数平方与多个特征向量中的相应对相关联;基于主成分分析生成该一组选定特征向量的平均特征向量;基于平均特征向量来确定初始心跳循环数据;以及校正在初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据以允许生物测定监测动作被执行。
附图说明
图1A和图1B是本文所述的示例实现方式的图。
图2是在其中可以实现本文中描述的系统和/或方法的示例环境的图示。
图3是图2的一个或更多个设备的示例部件的图示。
图4是用于基于与多个波长通道相关联的原始心跳数据来确定心跳循环数据的示例过程的流程图。
图5A-5D是示出如本文所述的基于原始心跳数据生成的特征向量的示例的图。
图6是示出如本文所述的基于一组选定特征向量的主成分分析生成的平均特征向量的示例的图。
图7A和图7B是示出如本文所述的在初始心跳循环数据中的心跳数据间隙校正的示例效果的图。
图8是示出如本文所述的基于最终心跳循环数据确定的瞬时心率的示例的图。
详细描述
以下示例实现方式的详细描述参考了附图。在不同图中的相同的参考数字可以标识相同或相似的元件。
如上所述,多光谱传感器设备可以能够测量、获得、收集或以其它方式确定与多个(例如,16、32、64等)波长通道相关联的心跳时间序列数据。这种数据在本文被称为原始心跳数据。实际上,原始心跳数据可能是有很多噪声的,并且可能包括频繁的基线偏移。由于这种噪声和/或基线偏移,将原始心跳数据分割成收缩期(例如,心脏正收缩时的时间)和舒张期(例如,心脏正休息时的时间)可能是困难的或不可能的。因此,使用原始心跳数据与执行生物测定监测动作(例如执行生命体征监测(例如,确定瞬时心率、确定血压,等等))相关联常常是困难或不可能的,因为原始心跳数据可能导致不准确、不可靠的结果。
本文描述的一些实现方式提供了用于基于由多光谱传感器设备收集的原始心跳数据来确定心跳循环数据的心跳循环数据设备,生物测定监测动作可以基于该心跳循环数据而被执行。更特别地,所描述的一些实现方式提供了心跳循环数据设备,其能够处理原始心跳数据,以便确定心跳循环数据(例如,识别心跳循环的开始和结束时间的数据),从而允许使用心跳循环数据的生物测定监测动作提供相对更准确和/或相对更可靠的结果(例如,与使用原始心跳数据与执行生物测定监测动作相关联相比)。
图1A和图1B是本文描述的示例实现方式100的图。
如图1A所示,多光谱传感器设备可以相对于受验对象的皮肤表面被定位。例如,如图1A所示,多光谱传感器设备可以是佩戴在受验对象的手腕上的设备。在一些实现方式中,多光谱传感器设备可以相对于皮肤表面被定位在身体上的另一位置处,例如在指尖、手臂、腿、耳垂等处。在一些实现方式中,多光谱传感器设备包括在例如可见(VIS)光谱、近红外(NIR)光谱等中操作的BMS感测设备。
如由参考数字105所示的,多光谱传感器设备可以确定(例如,测量、聚集、收集等)与N(N>1)个波长通道相关联的原始心跳数据。对于N个波长通道中的每一个波长通道,原始心跳数据包括指示在给定时间点在皮肤表面下(在多光谱传感器设备的位置处)的血容量(blood volume)的光度响应数据。
如由参考数字110所示的,心跳循环数据设备可以从多光谱传感器设备获得原始心跳数据。如本文所述,心跳循环数据设备是能够基于与多个波长通道相关联的原始心跳数据来确定心跳循环数据的设备。在一些实现方式中,心跳循环数据设备可以与多光谱传感器设备集成在一起(例如,在同一封装、同一外壳中、在同一芯片上,等等)。可选地,心跳循环数据设备可以与多光谱传感器设备分离(例如,被远程地定位)。
在一些实现方式中,心跳循环数据设备可以实时或接近实时地(例如,当多光谱传感器设备被配置为在多光谱传感器设备获得原始心跳数据时提供原始心跳数据的时候)获得原始心跳数据。此外或可选地,心跳循环数据设备可以基于多光谱传感器设备(例如,自动地)周期性地(例如,每一秒、每五秒等等)提供原始心跳数据来获得原始心跳数据。此外或者可选地,心跳循环数据设备可以基于从多光谱传感器设备请求原始心跳数据来从多光谱传感器设备获得原始心跳数据。
如由参考数字115所示的,心跳循环数据设备可以基于原始心跳数据生成N个特征向量,每个特征向量对应于N个波长通道中的相应一个波长通道。例如,心跳循环数据设备可以对与N个波长通道中的每一个波长通道相关联的原始心跳数据的项执行特征向量变换,以便生成N个特征向量。
心跳循环的收缩期和舒张期分别由表示原始心跳数据的信号的向上倾斜部分和向下倾斜部分表征。因此,如果这样的表征在从变换原始心跳数据而生成的特征向量中被捕获,那么信噪比(SNR)将被改善(例如,与原始心跳数据相比)。在一些实现方式中,可以为了这个目的生成移动四分之一周期斜率特征向量。在一些实现方式中,这种特征向量变换减轻源自点对点变化的噪声,同时提供足够的范围来在特征向量改变符号之前捕获多个时间步长。
在一些实现方式中,可以使用以下等式来生成四分之一周期移动窗口斜率特征向量:
FV=(Rt-R0)/R0
其中,Rt是以当前时间步长通过原始心跳数据识别的光度响应,以及R0是以在当前时间步长之前的wFV时间步长通过原始心跳数据识别的光度响应。在这里,wFV是受试对象的所估计的心跳循环周期的四分之一(例如,典型心跳循环周期、平均心跳循环周期、先前确定的心跳循环周期等等,其可以是可调的)。特别地,尽管wFV被描述为受验对象的心跳循环周期的四分之一(1/4),但是在一些实现方式中wFV可以不同于心跳循环周期的1/4(例如,心跳循环周期的1/6、心跳循环周期的1/5、心跳循环周期的1/3、心跳循环周期的1/2等等)。下面关于图5A-5D描述了示出特征向量生成的示例。
实际上,在多光谱传感器设备的操作期间,并非所有波长通道都具有可接受的SNR,且因此,心跳循环数据设备可能需要过滤对应于这些有噪声的波长通道的特征向量。在一些实现方式中,心跳循环数据设备可以基于N个特征向量的相关系数平方来执行这种过滤。较低的相关系数平方(例如,接近于0)指示两个变量是不太相关的,而较高的相关系数平方指示两个变量是相对较高地相关的。因此,如由图1A中的参考数字120所示的,心跳循环数据设备可以确定关于N个特征向量中的每对的相关系数平方。
如由参考数字125所示的,心跳循环数据设备可以基于相关系数平方来识别M(M≤N)个选定特征向量。在一些实现方式中,每个选定特征向量可以对应于相应的干净(clean)波长通道。作为示例,心跳循环数据设备可以确定N x(N-1)/2个相关系数平方,每个相关系数平方与N个特征向量中的一对相关联。接下来,心跳循环数据设备可以识别N x(N-1)/2个相关系数平方中满足阈值(例如,最小可允许值,例如0.80、0.90、0.95,等等)的一组M x(M-1)/2个相关系数平方。在这里,心跳循环数据设备可以识别对应于满足阈值的一组M x(M-1)/2个相关系数平方的一组M个选定特征向量。以这种方式,心跳循环数据设备可以过滤具有不可接受的噪声量的波长通道。
如在图1B中并且由参考数字130所示的,在识别出M个选定特征向量之后,心跳循环数据设备可以使用主成分分析(PCA)来生成M个选定特征向量的平均特征向量。例如,因为数据分割可以被设计为对单变量时间序列数据执行,对应于M个选定特征向量的多变量时间序列数据可能需要被压缩成单变量时间序列数据。这个压缩可以被看作是M个选定特征向量的平均。在一些实现方式中,基于作为PCA的结果而确定的第一主成分(PC1)来生成平均特征向量。在一些实现方式中,使用PCA生成平均特征向量允许心跳的收缩期和舒张期被更容易地识别(例如,因为平均特征向量将具有比该一组选定特征向量中的单一特征向量或该一组选定特征向量的平均值更高的SNR,如下所述)。下面关于图6描述示出这种平均特征向量的示例。
如由参考数字135所示,心跳循环数据设备可以基于平均特征向量来确定初始心跳循环数据。初始心跳循环数据可以包括识别心跳的初始集合的开始时间和结束时间的信息。在一些实现方式中,心跳循环数据设备可以基于平均特征向量来确定初始心跳循环数据。例如,心跳循环数据设备可以识别平均特征向量的正相位(例如,在其期间平均特征向量具有实质上正的斜率并越过阈值时的时间窗口)和平均特征向量的负相位(例如,在其期间平均特征向量具有实质上负的斜率并越过阈值时的时间窗口)。在该示例中,与负相位(指示心跳的舒张期)相邻的正相位(指示心跳的收缩期)定义一个心跳循环周期,并且心跳循环的开始和结束时间可以相应地被确定。在一些实现方式中,心跳循环数据设备可以确定识别多个心跳的开始和结束时间的初始心跳循环数据。
如在图1B中并由参考数字140进一步所示,心跳循环数据设备可以校正在初始心跳循环数据中的心跳循环间隙,以便确定最终(例如,无间隙)心跳循环数据。
心跳循环间隙可以是在初始心跳循环数据中的导致给定心跳循环周期被识别为明显短于或长于合理地可能的心跳循环周期的错误、不准确、不一致等。例如,在实践中,平均特征向量可以包括可以将心跳循环过度划分成正相位或负相位的若干片段的尖峰和/或噪声。当这种情况出现时,在初始心跳循环数据中识别的心跳循环周期将显著低于实际心跳循环周期。因此,基于这种数据执行的生物测定监测动作可能是不准确和/或不可靠的。例如,在过度划分的心跳的情况下,瞬时心跳速率将显示相当大的正尖峰(例如,使得所确定的瞬时心率比实际心率高得多)。
作为另一个示例,在平均特征向量中的倾斜基线(例如,由在原始心跳数据中的倾斜基线引起)可以使负相位或正相位未被检测到。例如,正倾斜基线可能使负相位未被检测到,而负倾斜基线可能使正相位未被检测到。当这出现时,在初始心跳循环数据中被识别的心跳循环周期将显著高于实际心跳循环周期。因此,基于这种数据执行的生物测定监测动作可能是不准确和/或不可靠的。例如,在这种未检测阶段的情况下,瞬时心率将具有负尖峰(例如,使得所确定的瞬时心率比实际心率低得多)。在一些实现方式中,校正在初始心跳循环数据中的间隙可以去除过度划分的心跳循环和倾斜基线的影响。
在一些实现方式中,作为在校正初始心跳循环数据中的心跳循环间隙时的第一步骤,心跳循环数据设备可以识别一个或更多个这样的心跳循环间隙。例如,心跳循环数据设备可以确定由初始心跳循环数据识别的心跳循环具有满足阈值的周期。例如,心跳循环数据设备可以确定给定心跳循环具有小于最小心跳循环周期的周期。在这种情况下,心跳循环数据设备可以识别由过度划分的心跳循环引起的间隙的存在。作为另一个示例,心跳循环数据设备可以确定给定心跳循环具有大于最大心跳循环周期的周期。在这种情况下,心跳循环数据设备可以识别由倾斜基线引起的间隙的存在。
在一些实现方式中,心跳循环数据设备可以被配置有识别阈值的信息,并且阈值可以是(例如,通过心跳循环数据设备、被受验对象等)可调的。例如,心跳循环数据设备可以存储或访问识别与受验对象相关联的所估计的心跳循环周期(例如,典型心跳循环周期、平均心跳循环周期、先前确定的心跳循环周期等)以及与所估计的心跳循环周期的最大可允许正的和负的差异(例如,时间量、百分比等)的信息。
在一些实现方式中,在识别出心跳循环间隙之后,心跳循环数据设备可以修改初始心跳循环数据,以便校正所识别的心跳循环间隙。例如,在过度划分的心跳循环的情况下,心跳循环数据设备可以组合相邻的心跳循环,直到调整后的心跳循环周期大于或等于最小心跳循环周期为止。作为另一个示例,在未检测阶段的情况下,心跳循环数据设备可以识别在心跳循环周期期间的平均特征向量中的局部谷或峰,并且可以将心跳循环分成两个或更多个心跳循环(例如,使得两个或更多个心跳循环的调整后的心跳循环周期小于或等于最大心跳循环周期)。在一些实现方式中,心跳循环数据设备可以校正在初始心跳循环数据中的多个心跳循环间隙。在一些实现方式中,由一个或更多个心跳循环间隙的校正产生的数据可以被称为最终(例如,无间隙)心跳循环数据。下面关于图7A和图7B描述示出心跳循环间隙校正的效果的示例。
在一些实现方式中,最终心跳循环数据可以允许生物测定监测动作(例如,由心跳循环数据设备、由多光谱传感器设备、或者由另一设备)被执行。生物测定监测动作可以包括例如生命体征监测(例如,瞬时心率确定、血压确定等)或者另一种类型的生物测定确定和/或监测(例如,血氧确定、增强指数确定、水合作用确定等)。
在一些实现方式中,如由参考数字145所示的,心跳循环数据设备可以提供最终心跳循环数据和/或与最终心跳循环数据相关联的信息。例如,在一些实现方式中,心跳循环数据设备可以向被配置为执行生命体征监测(例如,瞬时心率确定、血压确定等)的设备提供最终心跳循环数据。作为另一个示例,在一些实现方式中,心跳循环数据设备可以将最终心跳循环数据提供给被配置为执行另一种类型的生物测定监测(例如血氧饱和度确定、水合作用等)的设备。在一些实现方式中,可以提供用于在BMS PPG特征矩阵中使用的最终心跳循环数据,生物测定监测可以基于该BMS PPG特征矩阵被执行。
在一些实现方式中,心跳循环数据设备可以基于最终心跳循环数据来确定瞬时心率,并且可以提供(例如,用于通过多光谱传感器设备和/或心跳循环数据设备的显示屏来显示)识别瞬时心率的信息。下面关于图8描述与瞬时心率的确定相关联的示例。
以这种方式,心跳循环数据设备可以基于由多光谱传感器设备收集的原始心跳数据来确定心跳循环数据,以便允许以增加的准确度和/或增加的可靠性(例如,与基于原始心跳数据执行生物测定监测动作相比)来执行生物测定监测动作。
如上面所指示的,图1A和图1B仅作为示例被提供。其它示例可以不同于关于图1A和图1B描述的示例。
图2是在其中可以实现本文中所述的系统和/或方法的示例环境200的图示。如图2所示,环境200可以包括多光谱传感器设备205、心跳循环数据设备210、和网络215。环境200的设备可经由有线连接、无线连接、或有线和无线连接的组合来互连。
如本文所述,多光谱传感器设备205包括能够测量、聚集、收集、或以其它方式确定与多个波长通道相关联的原始心跳数据的设备。例如,多光谱传感器设备205可以包括能够确定在64个波长通道中的每一个上的原始心跳数据(以多变量时间序列数据的形式)的多光谱感测设备。在一些实现方式中,多光谱传感器设备205可以在可见光谱、近红外光谱、红外光谱等中操作。在一些实现方式中,多光谱传感器设备205可以是可穿戴设备(例如,可佩戴在手腕、手指、手臂、腿、头部、耳朵等上的被戴着的设备)。在一些实现方式中,多光谱传感器设备205可以与心跳循环数据设备210集成(例如,使得多光谱传感器设备205和心跳循环数据设备210在同一芯片上、在同一封装中、在同一外壳中,等等)。可选地,在一些实现方式中,多光谱传感器设备205可以与心跳循环数据设备210分离。在一些实现方式中,多光谱传感器设备205可以从环境200中的另一个设备(例如心跳循环数据设备210)接收信息和/或向另一个设备(例如心跳循环数据设备210)传输信息。
如本文所述,心跳循环数据设备210包括能够基于与多个波长通道相关联的原始心跳数据来确定心跳循环数据的设备。例如,心跳循环数据设备210可以包括专用集成电路(ASIC)、集成电路、服务器、一组服务器等和/或另一种类型的通信和/或计算设备。在一些实现方式中,心跳循环数据设备210可以与多光谱传感器设备205集成(例如,使得多光谱传感器设备205和心跳循环数据设备210在同一芯片上、在同一封装中、在同一外壳中等)。可选地,在一些实现方式中,心跳循环数据设备210可以与多光谱传感器设备205分离。在一些实现方式中,心跳循环数据设备210可以从环境200中的另一个设备(例如多光谱传感器设备205)接收信息和/或向另一个设备(例如多光谱传感器设备205)传输信息。
网络215包括一个或更多个有线和/或无线网络。例如,网络215可以包括有线网络(例如,当多光谱传感器设备205和心跳循环数据设备210被包括在同一封装和/或同一芯片中时)。作为另一示例,网络215可包括蜂窝网络(例如,长期演进(LTE)网络、码分多址(CDMA)网络、3G网络、4G网络、5G网络、另一类型的下一代网络等)、公共陆地移动网络(PLMN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、电话网络(例如公共交换电话网络(PSTN))、私有网络、自组织网络、内联网、互联网、基于光纤的网络、云计算网络,等等、和/或这些或其它类型的网络的组合。
图2所示的设备和网络的数量和布置作为示例被提供。实际上,与图2所示的那些设备和网络相比,可以有额外的设备和/或网络、更少的设备和/或网络、不同的设备和/或网络、或不同地布置的设备和/或网络。此外,图2所示的两个或更多个设备可在单个设备内被实现,或图2所示的单个设备可被实现为多个分布式设备。另外或可选地,环境200的一组设备(例如,一个或更多个设备)可以执行被描述为由环境200的另一组设备执行的一个或更多个功能。
图3是设备300的示例部件的图示。设备300可以对应于多光谱传感器设备205和/或心跳循环数据设备210。在一些实现方式中,多光谱传感器设备205和/或心跳循环数据设备210可以包括一个或更多个设备300和/或设备300的一个或更多个部件。如图3所示,设备300可包括总线310、处理器320、存储器330、储存部件340、输入部件350、输出部件360、和通信接口370。
总线310包括允许在设备300的部件当中通信的部件。处理器320在硬件、固件、或硬件和软件的组合中被实现。处理器320是中央处理单元(CPU)、图形处理单元(GPU)、加速处理单元(APU)、微处理器、微控制器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、或另一类型的处理部件。在一些实现方式中,处理器320包括能够被编程以执行功能的一个或更多个处理器。存储器330包括随机存取存储器(RAM)、只读存储器(ROM)、和/或存储信息和/或指令以用于由处理器320使用的另一类型的动态或静态储存设备(例如,闪存、磁存储器、和/或光学存储器)。
储存部件340储存与设备300的操作和使用相关的信息和/或软件。例如,储存部件340可以包括硬盘(例如,磁盘、光盘、磁光盘、和/或固态盘)、压缩光盘(CD)、数字通用盘(DVD)、软盘、盒式磁带(cartridge)、磁带、和/或另一类型的非临时计算机可读介质以及相对应的驱动器。
输入部件350包括允许设备300例如经由用户输入端(例如,触摸屏显示器、键盘、小键盘、鼠标、按钮、开关、和/或麦克风)来接收信息的部件。另外或可选地,输入部件350可以包括用于感测信息的传感器(例如,全球定位系统(GPS)部件、加速度计、陀螺仪、和/或致动器)。输出部件360包括提供来自设备300的输出信息的部件(例如,显示器、扬声器、和/或一个或更多个发光二极管(LED))。
通信接口370包括使设备300能够例如经由有线连接、无线连接、或有线和无线连接的组合与其它设备通信的类似收发机的部件(例如,收发机和/或单独的接收机和发射机)。通信接口370可允许设备300从另一设备接收信息和/或将信息提供到另一设备。例如,通信接口370可包括以太网接口、光学接口、同轴接口、红外接口、射频(RF)接口、通用串行总线(USB)接口、Wi-Fi接口、蜂窝网络接口,等等。
设备300可执行本文所述的一个或更多个过程。设备300可以基于处理器320执行由非临时计算机可读介质(例如存储器330和/或储存部件340)存储的软件指令来执行这些过程。计算机可读介质在本文被定义为非临时存储器设备。存储器设备包括在单个物理储存设备内的存储器空间或遍布于多个物理储存设备的存储器空间。
软件指令可经由通信接口370从另一计算机可读介质或从另一设备被读取到存储器330和/或储存部件340内。当被执行时,存储在存储器330和/或储存部件340中的软件指令可使处理器320执行本文所述的一个或更多个过程。另外或可选地,硬连线电路可代替软件指令或与软件指令组合来使用以执行本文所述的一个或更多个过程。因此,本文所述的实现方式不限于硬件电路和软件的任何特定组合。
图3所示的部件的数量和布置作为示例被提供。实际上,与图3所示的那些部件相比,设备300可包括额外的部件、更少的部件、不同的部件、或不同地布置的部件。另外或可选地,设备300的一组部件(例如一个或更多个部件)可执行被描述为由设备300的另一组部件执行的一个或更多个功能。
图4是用于基于与多个波长通道相关联的原始心跳数据来确定心跳循环数据的示例过程400的流程图。在一些实现方式中,图4的一个或更多个过程块可由心跳循环数据设备(例如,心跳循环数据设备210)执行。在一些实现方式中,图4的一个或更多个过程块可由与心跳循环数据设备分离的或者包括心跳循环数据设备的另一设备或一组设备(例如多光谱传感器设备(例如多光谱传感器设备205)等)执行。
如图4所示,过程400可以包括得到与多个波长通道相关联的原始心跳数据(块410)。例如,心跳循环数据设备(例如,使用处理器320、存储器330、储存部件340、输入部件350、通信接口370,等等)可以获得与多个波长通道相关联的原始心跳数据,如上所述。
如图4所示,过程400可以包括基于特征向量变换生成多个特征向量,每个特征向量对应于多个波长通道中的相应一个波长通道(块420)。例如,如上所述,心跳循环数据设备(例如,使用处理器320、存储器330等)可以基于特征向量变换生成多个特征向量,每个特征向量对应于多个波长通道中的相应一个波长通道。
如图4所示,过程400可以包括基于多个相关系数平方从多个特征向量中识别一组选定特征向量,每个相关系数平方与多个特征向量中的相应对相关联(块430)。例如,如上所述,心跳循环数据设备(例如,使用处理器320、存储器330等)可以基于多个相关系数平方从多个特征向量中识别一组选定特征向量,每个相关系数平方与多个特征向量中的相应对相关联。
如图4所示,过程400可以包括使用主成分分析生成该一组选定特征向量的平均特征向量(块440)。例如,如上所述,心跳循环数据设备(例如,使用处理器320、存储器330等)可以使用主成分分析生成该一组选定特征向量的平均特征向量。
如图4所示,过程400可以包括基于平均特征向量来确定初始心跳循环数据(块450)。例如,如上所述,心跳循环数据设备(例如,使用处理器320、存储器330等)可以基于平均特征向量来确定初始心跳循环数据。
如图4所示,过程400可以包括校正在初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据以允许生物测定监测动作被执行(块460)。例如,如上所述,心跳循环数据设备(例如,使用处理器320、存储器330等)可以校正在初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据,从而允许生物测定监测东台镇被执行。
过程400可以包括额外的实现方式,诸如以下描述的和/或结合本文其他地方描述的一个或更多个其他过程描述的任何单个实现方式或实现方式的任何组合。
在一些实现方式中,生物测定监测动作是瞬时心率确定。在这里,在一些实现方式中,心跳循环数据设备可以基于最终心跳循环数据来确定瞬时心率,并且提供识别瞬时心率的信息。
在一些实现方式中,生物特征监测动作是生命体征监测。在这里,心跳循环数据设备可以提供与执行生命体征监测相关联的最终心跳循环数据。
在一些实现方式中,多个特征向量是多个移动四分之一周期斜率特征向量。
在一些实现方式中,心跳循环数据设备可以确定关于多个特征向量的多个相关系数平方,并且识别多个相关系数平方中满足阈值的一组相关系数平方。在这里,当识别一组选定特征向量时,心跳循环数据设备可以基于该一组相关系数平方来识别该一组选定特征向量,其中该一组相关系数平方中的每一个对应于该一组选定特征向量中的相应对。
在一些实现方式中,基于与主成分分析相关联的第一主成分生成平均特征向量。
在一些实现方式中,当校正心跳循环间隙以便确定最终心跳循环数据时,心跳循环数据设备可以基于确定由初始心跳循环数据识别的心跳循环具有满足阈值的周期来识别心跳循环间隙;以及基于所估计的心跳循环周期来修改初始心跳循环数据,以便校正所识别的心跳循环间隙,其中修改初始心跳循环数据以校正所识别的心跳循环间隙的结果是最终心跳循环数据。
尽管图4示出了过程400的示例块,但是在一些实现方式中,与在图4中描绘的那些块相比,过程400可以包括额外的块、更少的块、不同的块、或不同地布置的块。此外或可选地,过程400的两个或更多个块可以并行地被执行。
图5A-5D是示出如本文所述的基于原始心跳数据生成的特征向量的示例的图。特别地,各个信号的识别对于理解由图5A-5D所示的实现方式不是必需的;因此,没有显示每个信号的清晰轮廓。
图5A是示出在从时间步长0到大约时间步长180的时间窗口期间的14个波长通道的原始心跳数据(以平均计数的相对计数变化的形式)的示例。特别地,图5A所示的原始心跳数据具有相对平坦的基线。在一些实现方式中,如上所述,可以生成关于每个波长通道的特征向量。图5B是示出将与14个波长通道中的每一个波长通道相关联的原始心跳数据转换成相应的移动四分之一周期斜率特征向量的结果的示例。如图5B所示,特征向量的正相位和负相位(例如,与原始心跳数据相比)是容易地可识别的。因此,如上所述,特征向量变换可以允许心跳循环数据由心跳循环数据设备210确定。
图5C是示出在从大约时间步长180到大约时间步长320的时间窗口期间的14个波长通道的原始心跳数据(以平均计数的相对计数变化的形式)的示例。特别地,图5C所示的原始心跳数据有具有显著正斜率的基线。在一些实现方式中,如上所述,可以生成关于每个波长通道的特征向量。图5D是示出将与14个波长通道中的每一个波长通道相关联的原始心跳数据转换成相应的移动四分之一周期斜率特征向量的结果的示例。如图5D所示,特征向量的正相位和负相位(例如,与原始心跳数据相比)是相对可识别的。因此,如上所述,特征向量变换可以允许心跳循环数据由心跳循环数据设备210确定。在一些实现方式中,如上所述,心跳循环数据设备210可以以上述方式(例如,在生成平均特征向量之后)校正由正倾斜基线导致的间隙。
如上所述,图5A-5C仅作为示例被提供。其它示例可以不同于关于图5A-5D描述的示例。
图6是示出如本文所述的基于一组选定特征向量的主成分分析生成的平均特征向量的示例的图。如图6所示,在该示例中,对应于506纳米(nm)波长通道的特征向量、对应于520nm波长通道的特征向量、以及对应于该一组选定特征向量(例如,包括对应于506nm和520nm通道的特征向量的一组选定特征向量)的平均数的特征向量具有在给定时间窗口中的范围在大约-0.02和大约0.02之间的值。如进一步示出的,使用该一组选定特征向量的PCA生成的平均特征向量(PC1)具有在给定的时间窗口中的范围在大约-0.06和0.08之间的值。
如图6所示,使用PCA生成平均特征向量(例如PC1)提供(例如,与该一组选定特征向量中的各个选定特征向量或该一组选定特征向量的平均数相比)具有显著更高的SNR的信号,且因此允许正相位和负相位以上述方式与确定心跳循环数据相关联地被更容易识别。
如上面所指示的,图6仅作为示例被提供。其它示例可以不同于关于图6描述的示例。
图7A和图7B是示出如本文所述的在初始心跳循环数据中的心跳数据间隙校正的示例效果的图。图7A示出了在给定时间窗口期间的间隙校正之前和之后的不同心跳周期的出现的次数的示例,以及图7B示出了在给定时间窗口期间的间隙校正之前和之后的所确定的瞬时心率的示例。
如图7A所示,在间隙校正之前,存在多个过度划分的心跳循环周期(例如,具有小于大约20个时间步长的周期的心跳循环周期)和未检测的心跳循环周期。如进一步示出的,在间隙校正之后,这些间隙被去除(例如,使得所有心跳循环具有在大约20和大约32个时间步长之间的周期)。
类似地,如图7B所示,在间隙校正之前,瞬时心率包括由过度划分的心跳循环周期导致的多个正尖峰(例如,高于大约每分钟150次心跳)以及由未检测的心跳循环周期导致的负尖峰。如进一步所示的,在间隙校正之后,这些尖峰被去除(例如,使得瞬时心率不包括突然的显著增加或减小)。
如上面所指示的,图7A和图7B仅作为示例被提供。其它示例可以不同于关于图7A和图7B描述的示例。
图8是示出本文所述的基于最终心跳循环数据确定的瞬时心率的示例的图。如图8所示,如本文所述。基于最终心跳循环数据确定的瞬时心率可以近似地匹配(例如,在每分钟几次心跳内)在传统胸带心率监测器中确定的瞬时心率(其被已知是相对准确的)。特别地,进一步的改进可以由所确定的瞬时心率的平滑化(例如,使用移动窗口平均值)产生,且因此比图8所示的更接近的匹配可以被实现。在任一情况下,如图8所示,以本文所述的方式确定的最终心跳循环数据可以允许生物测定监测动作以可接受的准确度和/或可靠性被执行。
如上面所指示的,图8仅作为示例被提供。其它示例可以不同于关于图8描述的示例。
本文所述的一些实现方式允许心跳循环数据设备210基于由多光谱传感器设备205收集的原始心跳数据来确定心跳循环数据,生物测定监测动作可以基于该心跳循环数据被执行。更特别地,本文描述的一些实现方式允许心跳循环数据设备210处理原始心跳数据,以便确定心跳循环数据,从而允许使用心跳循环数据的生物测定监测动作(例如,与使用与执行生物测定监测动作相关联的原始心跳数据相比)提供相对更准确和/或相对更可靠的结果。
前述公开提供了说明和描述,但并不旨在穷举或将实现方式限制到所公开的精确形式。修改和变型可以根据以上公开内容进行,或者可以从实现方式的实践中获取。
如在本文使用的,术语“部件”被规定为广泛地被解释为硬件、固件、和/或硬件和软件的组合。
本文结合阈值描述了一些实现方式。如本文所使用的,根据上下文,满足阈值可以指大于阈值、多于阈值、高于阈值、大于或等于阈值、小于阈值、少于阈值、低于阈值、小于或等于阈值、等于阈值等的值。
将明显的是,在本文中所述的系统和/方法可在硬件、固件、或硬件和软件的组合的不同形式中实现。用于实现这些系统和/或方法的实际专用控制硬件或软件代码并不是这些实现方式的限制。因此,在本文中描述了系统和/或方法的操作和行为而不参考特定的软件代码,应理解的是,软件和硬件可以被设计成基于本文中的描述来实现系统和/或方法。
尽管在权利要求中陈述了和/或在说明书中公开了特征的特定组合,但是这些组合并不旨在限制各种实现方式的公开内容。事实上,这些特征中的许多特征可以以权利要求中未具体陈述和/或说明书中未公开的方式组合。尽管所附的每个从属权利要求可以直接从属于仅仅一个权利要求,但是各种实现方式的公开内容包括每个从属权利要求与权利要求组中的每个其他权利要求相结合。
没有本文使用的任何元件、动作或指令应被解释为关键或必要的,除非这样明确说明。此外,如本文所使用的,冠词“一个(a)”和“一个(an)”意欲包括一个或更多个项,并且可以与“一个或更多个”可互换地使用。此外,如本文所使用的,术语“集(set)”旨在包括一个或更多个项(例如,相关项、不相关项、相关项和不相关项的组合等),并且可以与“一个或更多个”互换使用。在意指仅一个项的情况下,术语“仅一个(only one)”或类似的语言被使用。此外,如本文所使用的,术语“具有(has)”、“具有(have)”、“具有(having)”等被认为是开放式术语。此外,短语“基于”被认为意指“至少部分地基于”,除非另有明确说明。
Claims (20)
1.一种方法,包括:
通过设备获得与多个波长通道相关联的原始心跳数据;
通过所述设备并基于特征向量变换生成多个特征向量,每个特征向量对应于所述多个波长通道中的相应一个波长通道;
通过所述设备基于多个相关系数平方从所述多个特征向量中识别一组选定特征向量,每个相关系数平方与所述多个特征向量中的相应对相关联;
通过所述设备并使用主成分分析生成所述一组选定特征向量的平均特征向量;
通过所述设备基于所述平均特征向量来确定初始心跳循环数据;以及
通过所述设备校正在所述初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据,从而允许生物测定监测动作被执行。
2.根据权利要求1所述的方法,其中,所述生物测定监测动作是生命体征监测,并且其中,所述方法还包括:
提供与执行所述生命体征监测相关联的所述最终心跳循环数据。
3.根据权利要求2所述的方法,其中,所述生命体征监测包括瞬时心率确定或血压确定。
4.根据权利要求1所述的方法,其中,所述多个特征向量是多个移动四分之一周期斜率特征向量。
5.根据权利要求1所述的方法,还包括:
确定关于所述多个特征向量的所述多个相关系数平方;
识别所述多个相关系数平方中满足阈值的一组相关系数平方;以及
其中,识别所述一组选定特征向量包括:
基于所述一组相关系数平方来识别所述一组选定特征向量,
其中,所述一组相关系数平方中的每个相关系数平方对应于所述一组选定特征向量中的相应对。
6.根据权利要求1所述的方法,其中,所述平均特征向量是基于与所述主成分分析相关联的第一主成分而生成的。
7.根据权利要求1所述的方法,其中,校正所述心跳循环间隙以便确定所述最终心跳循环数据包括:
基于确定通过所述初始心跳循环数据识别的心跳循环具有满足阈值的周期来识别心跳循环间隙;以及
基于所估计的心跳循环周期来修改所述初始心跳循环数据,以便校正所识别的心跳循环间隙,
其中,修改所述初始心跳循环数据以校正所识别的心跳循环间隙的结果是所述最终心跳循环数据。
8.一种设备,包括:
一个或更多个存储器;以及
一个或更多个处理器,所述一个或更多个处理器通信地耦合到所述一个或更多个存储器以:
获得与多个波长通道相关联的原始心跳数据;
基于特征向量变换来生成多个特征向量,每个特征向量对应于所述多个波长通道中的相应一个波长通道;
基于多个相关系数平方从所述多个特征向量中识别一组选定特征向量,每个相关系数平方与所述多个特征向量中的相应对相关联;
使用主成分分析生成所述一组选定特征向量的平均特征向量;
基于所述平均特征向量来确定初始心跳循环数据;以及
校正在所述初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据以允许生物测定监测动作被执行。
9.根据权利要求8所述的设备,其中,所述生物测定监测动作是生命体征监测,并且其中,所述一个或更多个处理器还:
提供与执行所述生命体征监测相关的所述最终心跳循环数据。
10.根据权利要求9所述的设备,其中,所述生命体征监测包括瞬时心率确定或血压确定。
11.根据权利要求8所述的设备,其中,所述多个特征向量是多个移动四分之一周期斜率特征向量。
12.根据权利要求8所述的设备,其中,所述一个或更多个处理器还:
确定关于所述多个特征向量的所述多个相关系数平方;
识别所述多个相关系数平方中满足阈值的一组相关系数平方;以及
其中,所述一个或更多个处理器在识别所述一组选定特征向量时:
基于所述一组相关系数平方来识别所述一组选定特征向量,
其中,所述一组相关系数平方中的每个相关系数平方对应于所述一组选定特征向量中的相应对。
13.根据权利要求8所述的设备,其中,所述平均特征向量是基于与所述主成分分析相关联的第一主成分而生成的。
14.根据权利要求8所述的设备,其中,所述一个或更多个处理器在校正所述心跳循环间隙以便确定所述最终心跳循环数据时:
基于确定通过所述初始心跳循环数据识别的心跳循环具有满足阈值的周期来识别心跳循环间隙;以及
基于所估计的心跳循环周期来修改所述初始心跳循环数据,以便校正所识别的心跳循环间隙,
其中,修改所述初始心跳循环数据以校正所识别的心跳循环间隙的结果是所述最终心跳循环数据。
15.一种存储指令的非暂时性计算机可读介质,所述指令包括:
一个或更多个指令,所述一个或更多个指令当由一个或更多个处理器执行时使所述一个或更多个处理器:
获得与多个波长通道相关联的原始心跳数据;
基于特征向量变换来生成多个特征向量,每个特征向量对应于所述多个波长通道中的相应一个波长通道;
基于多个相关系数平方从所述多个特征向量中识别一组选定特征向量,每个相关系数平方与所述多个特征向量中的相应对相关联;
使用主成分分析生成所述一组选定特征向量的平均特征向量;
基于所述平均特征向量来确定初始心跳循环数据;以及
校正在所述初始心跳循环数据中的心跳循环间隙,以便确定最终心跳循环数据,以允许生物测定监测动作被执行。
16.根据权利要求15所述的非暂时性计算机可读介质,其中,所述生物测定监测动作是生命体征监测,以及其中,所述一个或更多个指令在由所述一个或更多个处理器执行时还使所述一个或更多个处理器:
提供与执行所述生命体征监测相关的所述最终心跳循环数据。
17.根据权利要求16所述的非暂时性计算机可读介质,其中,所述生命体征监测包括瞬时心率确定或血压确定。
18.根据权利要求15所述的非暂时性计算机可读介质,其中,所述多个特征向量是多个移动四分之一周期斜率特征向量。
19.根据权利要求15所述的非暂时性计算机可读介质,其中,所述一个或更多个指令在由所述一个或更多个处理器执行时还使所述一个或更多个处理器:
确定关于所述多个特征向量的多个相关系数平方;
识别所述多个相关系数平方中满足阈值的一组相关系数平方;以及
其中,使所述一个或更多个处理器识别所述一组选定特征向量的所述一个或更多个指令使所述一个或更多个处理器:
基于所述一组相关系数平方来识别所述一组选定特征向量,
其中,所述一组相关系数平方中的每个相关系数平方对应于所述一组选定特征向量中的相应对。
20.根据权利要求15所述的非暂时性计算机可读介质,其中,使所述一个或更多个处理器校正所述心跳循环间隙以便确定所述最终心跳循环数据的所述一个或更多个指令使所述一个或更多个处理器:
基于确定通过所述初始心跳循环数据识别的心跳循环具有满足阈值的周期来识别心跳循环间隙;以及
基于所估计的心跳循环周期来修改所述初始心跳循环数据,以便校正所识别的心跳循环间隙,
其中,修改所述初始心跳循环数据以校正所识别的心跳循环间隙的结果是所述最终心跳循环数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410148266.4A CN117731256A (zh) | 2018-12-05 | 2019-12-04 | 自主全光谱生物测定监测 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/210,740 | 2018-12-05 | ||
US16/210,740 US11000198B2 (en) | 2018-12-05 | 2018-12-05 | Autonomous full spectrum biometric monitoring |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410148266.4A Division CN117731256A (zh) | 2018-12-05 | 2019-12-04 | 自主全光谱生物测定监测 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111265205A true CN111265205A (zh) | 2020-06-12 |
CN111265205B CN111265205B (zh) | 2024-02-20 |
Family
ID=68808075
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911225096.0A Active CN111265205B (zh) | 2018-12-05 | 2019-12-04 | 自主全光谱生物测定监测 |
CN202410148266.4A Pending CN117731256A (zh) | 2018-12-05 | 2019-12-04 | 自主全光谱生物测定监测 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410148266.4A Pending CN117731256A (zh) | 2018-12-05 | 2019-12-04 | 自主全光谱生物测定监测 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11000198B2 (zh) |
EP (1) | EP3662824B1 (zh) |
JP (2) | JP7051786B2 (zh) |
KR (2) | KR102380794B1 (zh) |
CN (2) | CN111265205B (zh) |
TW (2) | TWI801695B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11000198B2 (en) * | 2018-12-05 | 2021-05-11 | Viavi Solutions Inc. | Autonomous full spectrum biometric monitoring |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020183637A1 (en) * | 2001-04-30 | 2002-12-05 | Cardiac Pacemakers, Inc. | Normal cardiac rhythm template generation system and method |
GB0606776D0 (en) * | 2006-04-03 | 2006-05-10 | Novartis Pharma Ag | Predictive biomarkers for chronic allograft nephropathy |
CN101263510A (zh) * | 2004-11-08 | 2008-09-10 | 依德西亚有限公司 | 电-生物身份识别方法和设备 |
US20110246123A1 (en) * | 2010-03-30 | 2011-10-06 | Welch Allyn, Inc. | Personal status monitoring |
EP3037036A1 (en) * | 2014-12-24 | 2016-06-29 | Samsung Electronics Co., Ltd. | Biometric authentication method and apparatus |
US20180085040A1 (en) * | 2016-09-27 | 2018-03-29 | Spry Health, Inc. | Systems and methods for biological metrics measurement |
CN108366749A (zh) * | 2015-10-12 | 2018-08-03 | 西北大学 | 动态血压与生命体征监测装置、系统和方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2459065B1 (en) | 2009-07-31 | 2014-01-08 | Koninklijke Philips N.V. | Method and apparatus for the analysis of a ballistocardiogram signal |
WO2014091382A1 (en) | 2012-12-14 | 2014-06-19 | Koninklijke Philips N.V. | A system and method to detect significant arrhythmic events through a photoplethysmogram (ppg) and accelerometer |
WO2015048514A1 (en) | 2013-09-27 | 2015-04-02 | Mayo Foundation For Medical Education And Research | Analyte assessment and arrhythmia risk prediction using physiological electrical data |
WO2016054079A1 (en) * | 2014-09-29 | 2016-04-07 | Zyomed Corp. | Systems and methods for blood glucose and other analyte detection and measurement using collision computing |
KR102448391B1 (ko) * | 2015-03-11 | 2022-09-28 | 프레코르디오르 오와이 | 심장 기능부전을 나타내는 정보를 생성하는 방법 및 장치 |
WO2017093379A1 (en) | 2015-12-01 | 2017-06-08 | Koninklijke Philips N.V. | Device, system and method for determining vital sign information of a subject |
EP3419511B1 (en) | 2016-02-25 | 2024-10-23 | Itamar Medical Spry 2021, Limited Partnership | Systems and methods for modified pulse transit time measurement |
US11534099B2 (en) * | 2018-04-27 | 2022-12-27 | Vita-Course Technologies Co., Ltd. | Systems and methods for determining an arrhythmia type |
US20200129130A1 (en) * | 2018-10-26 | 2020-04-30 | Firstbeat Technologies Oy | Minimum heart rate value approximation |
US11000198B2 (en) * | 2018-12-05 | 2021-05-11 | Viavi Solutions Inc. | Autonomous full spectrum biometric monitoring |
-
2018
- 2018-12-05 US US16/210,740 patent/US11000198B2/en active Active
-
2019
- 2019-11-26 TW TW108142944A patent/TWI801695B/zh active
- 2019-11-26 TW TW112113071A patent/TWI844328B/zh active
- 2019-12-02 JP JP2019218127A patent/JP7051786B2/ja active Active
- 2019-12-04 KR KR1020190160127A patent/KR102380794B1/ko active IP Right Grant
- 2019-12-04 CN CN201911225096.0A patent/CN111265205B/zh active Active
- 2019-12-04 CN CN202410148266.4A patent/CN117731256A/zh active Pending
- 2019-12-05 EP EP19213969.9A patent/EP3662824B1/en active Active
-
2021
- 2021-04-06 US US17/301,521 patent/US11547310B2/en active Active
-
2022
- 2022-03-25 KR KR1020220037617A patent/KR102709502B1/ko active IP Right Grant
- 2022-03-30 JP JP2022055298A patent/JP7296503B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020183637A1 (en) * | 2001-04-30 | 2002-12-05 | Cardiac Pacemakers, Inc. | Normal cardiac rhythm template generation system and method |
CN101263510A (zh) * | 2004-11-08 | 2008-09-10 | 依德西亚有限公司 | 电-生物身份识别方法和设备 |
GB0606776D0 (en) * | 2006-04-03 | 2006-05-10 | Novartis Pharma Ag | Predictive biomarkers for chronic allograft nephropathy |
US20110246123A1 (en) * | 2010-03-30 | 2011-10-06 | Welch Allyn, Inc. | Personal status monitoring |
EP3037036A1 (en) * | 2014-12-24 | 2016-06-29 | Samsung Electronics Co., Ltd. | Biometric authentication method and apparatus |
CN108366749A (zh) * | 2015-10-12 | 2018-08-03 | 西北大学 | 动态血压与生命体征监测装置、系统和方法 |
US20180085040A1 (en) * | 2016-09-27 | 2018-03-29 | Spry Health, Inc. | Systems and methods for biological metrics measurement |
Also Published As
Publication number | Publication date |
---|---|
US20200178819A1 (en) | 2020-06-11 |
CN117731256A (zh) | 2024-03-22 |
EP3662824B1 (en) | 2023-07-19 |
EP3662824A1 (en) | 2020-06-10 |
JP2022106705A (ja) | 2022-07-20 |
TWI844328B (zh) | 2024-06-01 |
US20210219857A1 (en) | 2021-07-22 |
TW202329872A (zh) | 2023-08-01 |
CN111265205B (zh) | 2024-02-20 |
TWI801695B (zh) | 2023-05-11 |
JP7051786B2 (ja) | 2022-04-11 |
JP7296503B2 (ja) | 2023-06-22 |
US11000198B2 (en) | 2021-05-11 |
TW202025963A (zh) | 2020-07-16 |
KR102709502B1 (ko) | 2024-09-24 |
KR20200068602A (ko) | 2020-06-15 |
JP2020089729A (ja) | 2020-06-11 |
US11547310B2 (en) | 2023-01-10 |
KR20220047932A (ko) | 2022-04-19 |
KR102380794B1 (ko) | 2022-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9962126B2 (en) | Signal processor, signal processing method, and recording medium | |
US11918328B2 (en) | Baseline correction and extraction of heartbeat profiles | |
TWI552719B (zh) | 三維生理偵測系統及其運作方法 | |
WO2017140663A1 (en) | Device and method for extracting heart rate information | |
KR102709502B1 (ko) | 자율적 전체 스펙트럼 생체 인식 모니터링 | |
Pal et al. | Improved heart rate detection using smart phone | |
WO2019146025A1 (ja) | 脈波算出装置、脈波算出方法及び脈波算出プログラム | |
EP3903673B1 (en) | Blood pressure estimation with photoplethysmography measurement | |
CN113631088B (zh) | 免校准脉搏血氧测定 | |
JP2022048301A (ja) | システム、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40021606 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Arizona Applicant after: VIAVI SOLUTIONS Inc. Address before: California, USA Applicant before: VIAVI SOLUTIONS Inc. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |