CN111542892A - 生命体征监视系统和方法 - Google Patents
生命体征监视系统和方法 Download PDFInfo
- Publication number
- CN111542892A CN111542892A CN201880085780.0A CN201880085780A CN111542892A CN 111542892 A CN111542892 A CN 111542892A CN 201880085780 A CN201880085780 A CN 201880085780A CN 111542892 A CN111542892 A CN 111542892A
- Authority
- CN
- China
- Prior art keywords
- signal
- peak
- drift
- sensor
- vital sign
- 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 35
- 238000000034 method Methods 0.000 title claims description 19
- 230000000694 effects Effects 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 230000036772 blood pressure Effects 0.000 claims description 57
- 239000008280 blood Substances 0.000 claims description 16
- 210000004369 blood Anatomy 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 210000000709 aorta Anatomy 0.000 claims description 4
- 230000017531 blood circulation Effects 0.000 description 19
- 230000036962 time dependent Effects 0.000 description 19
- 230000000747 cardiac effect Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 12
- 238000013179 statistical model Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 10
- 238000009530 blood pressure measurement Methods 0.000 description 10
- 229940088597 hormone Drugs 0.000 description 9
- 239000005556 hormone Substances 0.000 description 9
- 230000036316 preload Effects 0.000 description 9
- 210000001562 sternum Anatomy 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 238000002604 ultrasonography Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 210000000038 chest Anatomy 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 210000002376 aorta thoracic Anatomy 0.000 description 4
- 230000010247 heart contraction Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- CBCKQZAAMUWICA-UHFFFAOYSA-N 1,4-phenylenediamine Chemical compound NC1=CC=C(N)C=C1 CBCKQZAAMUWICA-UHFFFAOYSA-N 0.000 description 1
- IRLPACMLTUPBCL-KQYNXXCUSA-N 5'-adenylyl sulfate Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](COP(O)(=O)OS(O)(=O)=O)[C@@H](O)[C@H]1O IRLPACMLTUPBCL-KQYNXXCUSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003679 aging effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000005189 cardiac health Effects 0.000 description 1
- 210000004903 cardiac system Anatomy 0.000 description 1
- 230000036996 cardiovascular health Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G16H40/40—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 management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
- A61B5/24—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]
- A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
-
- 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
-
- 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
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
-
- 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
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- 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
- A61B5/024—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
- A61B5/103—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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
生命体征监视系统包括：峰模式检测模块，其被配置为基于峰预测算法根据传感器信号输出峰预测信号；生命体征估计模块，其被配置为基于峰预测信号来估计生命体征；活动和上下文检测器模块，其被配置为基于至少一个环境条件和/或人的活动水平输出上下文信号；以及概念漂移检测模块，其被配置为基于在所估计的生命体征中检测到的漂移输出漂移信号。峰模式预测模块被配置为基于上下文信号和漂移信号来更新峰预测算法。
Description
相关申请的交叉引用
本申请要求Abraham等人于2017年11月9日提交的题为“VITAL SIGNS MONITORINGSYSTEM AND METHOD”的美国临时申请序列号62/583,754的优先权，特此将所述美国临时申请的公开内容通过引用在其整体上并入本文。
技术领域
本公开涉及健康监视设备，并且更特别地，涉及生命体征监视系统和方法。
背景技术
血压（BP）是心血管健康和其他生理条件的重要指标。在医学环境中，血压可以利用常规方法在不频繁的基础上进行测量。然而，也存在对在更频繁的基础上以及在医学环境之外的各种条件下测量血压的需要。例如，当一个人正在睡觉时，例如非杓型血压模式之类的某些血压动态具有医学重要性。这类动态利用常规方法不是容易可测量的。此外，例如，在服用某些药物之后的日常活动期间的血压变化可以用于优化医学治疗。
发明内容
根据本公开的一个实施例，提供了一种被配置为在人身体上佩戴或携带的生命体征监视系统。所述生命体征监视系统包括至少一个传感器和自适应生命体征估计系统，所述至少一个传感器被配置为检测人的至少一个生命体征参数并输出指示所述至少一个生命体征参数的传感器信号。自适应生命体征估计系统包括：峰模式检测模块，其被配置为检测传感器信号中的峰模式，并根据峰预测算法输出峰预测信号；生命体征估计模块，其被配置为基于由峰模式检测模块检测到的峰模式来估计生命体征；活动和上下文检测器模块，其被配置为检测环境条件和人的活动水平中的改变，并将上下文信号输出到峰模式检测模块，峰模式检测模块被配置为基于上下文信号更新峰预测算法；以及概念漂移检测模块，其被配置为检测所估计的生命体征中的漂移，并将漂移信号输出到峰模式检测模块，峰模式检测模块被配置为基于漂移信号更新峰预测算法。
根据本公开的另一个实施例，提供了一种监视人的生命体征的方法。所述方法包括：使用至少一个传感器检测人的至少一个生命体征参数；使用处理器根据峰预测算法基于检测到的生命体征参数生成峰预测信号；基于峰预测信号估计人的生命体征；输出所估计的生命体征信号；生成指示检测到的至少一个环境条件和/或活动水平的上下文信号；生成指示在所估计的生命体征信号中检测到的漂移的漂移信号；以及使用处理器基于上下文信号和漂移信号更新峰预测算法。
在实施例中，漂移信号可以被提供给传感器校准系统，所述传感器校准系统被配置为基于漂移信号校准所述至少一个传感器。
在实施例中，活动和上下文检测模块被配置为经由用户接口接收指示至少一个环境条件或活动水平的输入。
在实施例中，由所述系统监视的生命体征是血压。所述至少一个传感器可以包括一个或多个加速度计。
在实施例中，所述至少一个传感器被配置为检测心电图（ECG）信号、第一运动信号、第二运动信号、光电容积描记图（PPG）信号、心震图信号（SCG）和心冲击描记图（BCG）信号中的至少一个或多个。
在实施例中，峰模式检测模块被配置为标识峰，所述峰指示当人的心脏收缩时和/或当血液冲过心脏主动脉时的确切时间戳。
在实施例中，概念漂移检测模块被配置为使用分级线性四率方案来检测漂移。
附图说明
当参考附图阅读以下对某些示例性实施例的详细描述时，本公开的这些和其他特征、方面和优点将变得更好理解，其中贯穿附图，同样的字符表示同样的技术，其中：
图1图示了根据本公开的示例性实施例的生命体征监视系统的框图；
图2图示了根据本公开的描述实施例的具有放置在目标胸骨上的图1的生命体征监视系统的目标；
图3图示了根据本公开的描述实施例的用于图1的生命体征监视系统的感测组件；
图4图示了根据本公开的示例性实施例的时间相关波形的绘图；
图5图示了根据本公开的另一替代实施例的生命体征监视系统的简化框图；
图6图示了根据本公开的描述实施例的简化绘图；
图7图示了根据本公开的描述实施例的简化绘图；
图8图示了根据本公开的描述实施例的简化绘图；以及
图9图示了根据本公开的描述实施例的简化绘图。
图10图示了根据本公开的描述实施例的简化绘图。
图11是可以在图5的系统的峰模式检测模块中实现的例示的描绘。
图12是可以在图5的系统的概念漂移检测模块中实现的例示的描绘。
图13是可以在图5的系统的活动和上下文检测模块中实现的例示的描绘。
图14是可以在图5的系统的血压估计模块中实现的例示的描绘。
具体实施方式
以下描述是为了使得本领域的任何技术人员能够制作和使用所描述的实施例而呈现的，并且是在特定应用及其要求的上下文中提供的。对所描述的实施例的各种修改对于本领域技术人员来说将是容易清楚的，并且在不脱离所描述的实施例的精神和范围的情况下，本文限定的一般原理可以应用于其他实施例和应用。因此，所描述的实施例不限于所示的实施例，而是要符合与本文公开的原理和特征一致的最宽范围。
如本文使用的，术语“心电图（ECG）”指代归因于心肌去极化所致的电势改变。ECG信号的R-峰可以在计算用于监视血压的时间间隔（例如RJ-时间间隔）、用于监视心脏活动的ECG信号的R-峰或Q-峰（例如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等））中使用，或者用作开始数据测量/分析的触发。术语“心震图（SCG）”指代由心脏的心脏活动引起的胸骨加速，而术语“心冲击描记图（BCG）”指代归因于血流或心脏活动所致的身体质心中的改变。如本文所使用的，这里引入了新术语。术语“质量传送时间（Mass TransitTime ，MTT）”指代在开始从心脏喷射血液到血液在主动脉弓或可以检测到血流中改变的任何其他特定位置处转向的时间之间的时间间隔。这是质量传送时间，因为我们正在检测血液质量的传送以及结果得到的向身体躯干的质量移动的冲动。RJ-时间间隔的J-峰来自于从SCG或BCG获得的峰。在其中使用三轴加速度计进行SCG测量的示例情况下，SCG的J-峰被标记为针对X轴（也称为头至脚轴）中加速度的Jx-峰、针对Y轴（也称为右-左轴）中加速度的Jy-峰以及针对Z轴（也称为背-腹轴）中加速度的Jz-峰。为了简单，对于本文使用，为了算法中更好或更容易的峰检测，Jz-峰可以指代Z轴加速度上的任何点，或者作为示例如在图4中标记为Jz1-、Jz2-或Jz3-峰。在Z轴（也称为背-腹轴）上检测到的加速度计信号测量归因于心脏收缩所致的胸部移动。Jz-峰可以与ECG信号一起使用（例如R-Jz或Q-Jz时间间隔），以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。（在X轴（也称为头至脚轴）上检测到的）加速度计信号测量归因于血流所致的身体反冲移动。Jx-峰标示血液从心脏泵出并到达主动脉血管弓的时间。一个示例将是用于血压监视的R-Jx时间间隔。在时间间隔的测量中，ECG的R-峰或加速度计的Jz-峰可以用于触发测量的开始。
血压监视也可以单独使用SCG或加速度计执行（例如，Jz-Jx时间间隔）。再一次，这里Jz-峰指代Jz1-峰或Jz2-峰或Jz3-峰或沿着Z轴的任何其他点，并且取决于哪个给出更好或更容易的检测而被使用。例如，Jz1-峰标示心脏收缩的时间，而Jz3-峰标示血液开始冲出心脏的时间，并且Jx-峰标示血液冲过主动脉血管弓的时间。该时间间隔与血压呈负相关。Jz-峰也可以用作开始数据测量/分析的触发。Jx-峰可以在计算用于监视血压的时间间隔（例如R-Jx时间间隔、Jz-Jx时间间隔或Jx与光电容积描记图（PPG）信号时间间隔）中使用。术语“光电容积描记图（PPG）”指代血液中光吸收中的改变。取决于其中取得PPG数据的位置，R-峰与PPG、Jz-峰（来自SCG）与PPG、Jx-峰（来自SCG）与PPG、在一个位置中的PPG与在另一个位置中的PPG之间的时间间隔可以用于监视血压或血流速度。
图1图示了生命体征监视系统100的示例性实施例。系统100可以由目标（即患者）可移除地佩戴、应用于目标的胸骨或放置在目标的胸骨处，并且被配置为持续、半持续或同步地检测至少一个信号。在一些实施例中，系统100可以植入到目标中。在另一个实施例中，系统100可以被集成到客户端设备中，该客户端设备由目标佩戴、应用于目标的胸骨或定位成放置在目标的胸骨处，并且被配置为持续、半持续或同步地检测至少一个信号。作为一些示例，客户端设备可以是贴片、项链、胸带、挂件或任何合适的设备。如果系统100可植入到目标中，则系统100可以是起搏器或任何合适的可植入设备。系统100包括感测组件102、处理器104、存储器106、通信接口108以及经由总线彼此通信地耦合的任何合适的计算机实现的模块。可以提供外壳来封装感测组件102、处理器104、存储器106和通信接口108中的至少一个或多个。在一个实施例中，外壳可以由薄膜材料形成，该薄膜材料允许目标拉伸、弯曲、扭曲、挤压、折叠、膨胀或其组合，其由目标佩戴、应用于、重新应用于目标的胸骨、从目标的胸骨移除或定位成放置在目标的胸骨处。通信地耦合到处理器104的存储器106存储计算机可读指令，当由系统100的处理器104执行时，所述计算机可读指令引起系统、并且更特别地处理器104基于由感测组件102传送的检测信号来执行或监视生命体征和心脏活动。存储器106可以包括任何暂时性、非暂时性、易失性、非易失性、磁性、光学或电介质，诸如随机存取存储器（RAM）、只读存储器（ROM）、非易失性RAM（NVRAM）、电可擦除可编程ROM（EEPROM）、闪速存储器或任何其他数字或模拟介质。生命体征包括体温、脉搏率、血压、血液流速和呼吸率。
处理器104可以具有任何类型，包括但不限于微处理器、微控制器、数字信号处理器或其任何组合。处理器104可以包括一级或多级高速缓存，诸如一级高速缓冲存储器、一个或多个处理器核心和寄存器。取决于期望的配置，处理器可以具有任何类型，包括但不限于微处理器（μP）、微控制器（μC）、数字信号处理器（DSP）或其任何组合。处理器可以包括一级或多级高速缓存，诸如一级高速缓冲存储器、一个或多个处理器核心和寄存器。示例处理器核心可以（每个）包括算术逻辑单元（ALU）、浮点单元（FPU）、数字信号处理核心（DSP核心）或其任何组合。示例存储器控制器也可以与处理器一起使用，或者在一些实现方式中，存储器控制器可以是处理器的内部部分。
通信接口108允许软件和数据在系统100外部的计算机系统和该系统之间以信号的形式被传递，该信号可以是例如电子、电磁、光学或能够被通信接口接收的其他信号。通信接口可以是例如调制解调器、网络接口、通信端口、PCM-CIA插槽和卡等。
感测组件102被配置为检测心电图（ECG）信号、第一运动信号、第二运动信号、光电容积描记图（PPG）信号、心震图信号（SCG）和心冲击描记图（BCG）信号中的至少一个或多个。在一个实施例中，感测组件102是单轴感测组件。在另一个实施例中，感测组件102是双轴感测组件。在又一个实施例中，感测组件102是多轴组件。作为示例，感测组件102包括至少一个传感器设备。传感器设备可以是加速度计、运动传感器、光学传感器、换能器、多普勒超声换能器、声学传感器、电极、ECG传感器、目标定向传感器、声纳传感器、热传感器、环境传感器以及任何合适的传感器或换能器。作为示例，定位在目标的第一轴处的第一传感器设备用于检测代表目标心脏的一个或多个收缩属性的第一时间相关运动波形，并且定位在目标的第二轴处的第二传感器设备用于检测代表目标血流的第二时间相关运动波形。作为另一个示例，定位在目标的第一轴和第二轴两者处的多轴传感器设备用于检测代表目标心脏的一个或多个收缩属性的第一时间相关运动波形并用于检测代表目标血流的第二时间相关运动波形。在一些实施例中，感测组件包括定位在目标的第一轴处的第一感测轴和定位在目标的第二轴处的第二感测轴，第一感测轴生成代表目标心脏的一个或多个收缩属性的第一时间相关运动波形，第二感测轴生成代表目标血流的第二时间相关运动波形。在沿着目标任何轴的位置处提供附加传感器，以移除运动伪影（作为参考传感器）或检测来自环境的性质以用于提供上下文感知信息。
系统100可以是有线计算系统或无线计算系统。在一个实施例中，系统100是云计算设备，其可以经由因特网进行通信，并且其可以是同地协作的或者在地理上是分布式的，其中例如根据需求向计算机和其他设备提供共享资源、软件和信息，如本领域技术人员将领会的那样。在另一个实施例中，云血压系统100可以被实现为可以经由因特网进行通信的一个或多个服务器。系统100可以经由一个或多个链路通信地耦合到计算设备122、服务器124或网络126。链路可以是有线的、无线的或其组合。无线通信链路可以包括蜂窝协议、数据分组协议、射频协议、卫星频带、红外通道或者能够在客户机间传送数据的任何其他协议。有线通信链路可以包括任何有线线路链路。
取决于应用，一个或多个服务器可以通信地耦合到计算设备122和系统100。服务器124可以是应用服务器、证书服务器、移动信息服务器、电子商务服务器、FTP服务器、目录服务器、CMS服务器、打印机服务器、管理服务器、邮件服务器、公共/私有访问服务器、实时通信服务器、数据库服务器、代理服务器、流媒体服务器等。客户机122可以是个人计算机或台式计算机、膝上型计算机、蜂窝或智能电话、平板计算机、个人数字助理（PDA）、游戏控制台、音频设备、视频设备、娱乐设备（诸如电视）、车辆信息娱乐系统、可佩戴设备、瘦客户端系统、胖客户端系统等。在一些实施例中，客户机122可以被称为单个客户机或单个客户机组，而服务器124可以被称为单个服务器或单个服务器组。在一个实施例中，单个客户机与多于一个服务器通信，而在另一个实施例中，单个服务器与多于一个客户机通信。在又一个实施例中，单个客户机与单个服务器通信。
网络126可以包括一个或多个子网，并且可以被安装在客户机122和服务器124的任何组合之间。在一些实施例中，网络126可以是例如局域网（LAN）、城域网（MAN）、广域网（WAN）、由定位在客户机122和服务器124之间的多个子网组成的主网络126。再另外的实施例包括网络126，其可以是任何网络类型，诸如点对点网络、广播网络、电信网络、数据通信网络、计算机网络、ATM（异步传递模式）网络、SONET（同步光学网络）网络、SDH（同步数字体系）网络、无线网络、有线网络等。取决于应用，可以使用其他网络，使得在客户机和服务器之间交换的数据可以通过网络传送。网络124的网络拓扑在不同的实施例内可以不同，其可以包括总线网络拓扑、星形网络拓扑、环形网络拓扑、基于中继器的网络拓扑或分层星形网络拓扑。附加实施例可以包括使用协议在移动设备间通信的移动电话网络的网络，其中协议可以是例如AMPS、TDMA、CDMA、GSM、GPRS、UMTS、LTE或能够在移动设备间传送数据的任何其他协议。
图2图示了目标202（诸如用户或患者），其具有根据本公开的描述实施例的生命体征监视系统200。与图1中描绘的系统100等同的系统200被放置在目标的胸骨上，并且被配置为持续、半持续或同步地检测或监视心电图（ECG）信号、第一运动信号、第二运动信号、光电容积描记图（PPG）信号、心震图（SCG）信号、心冲击描记图（BCG）信号或环境信号中的至少一个或多个。在一些实施例中，系统200被放置在目标的胸骨上，用于感测胸壁的移动。由于骨骼可以在具有比肌肉小的阻尼效应的情况下传递归因于心脏活动所致的身体移动，所以系统200能够检测到受运动伪影影响较小的信号。在另一个实施例中，系统100可以被放置在身体的接近目标胸骨的任何位置上。在又一个实施例中，系统200被配置为检测心脏收缩和血流之间的时间间隔。
如所图示的，提供了X轴204、Y轴206和Z轴208。定位在目标的第一轴处的系统100的第一传感器设备用于持续检测代表目标心脏的一个或多个收缩属性的第一时间相关运动波形，并且定位在目标的第二轴处的第二传感器设备用于持续检测代表目标血流的第二时间相关运动波形。第一轴是背-腹轴，并且第二轴是头至脚轴。取决于系统200的位置布置，轴可以在x、y和z之间可互换。如果系统200指向X轴204（如图2中所图示的），则第一轴是Z轴208，并且第二轴是X轴204。在另一个实施例中，系统200指向Y轴206，第一轴是Z轴208，并且第二轴是Y轴206。
传感器设备可以是单轴传感器设备或双轴传感器设备。在另一个实施例中，传感器设备是多轴传感器设备，其被配置为例如如果多轴传感器设备被旋转并且没有与例如头至脚轴完全对齐，则沿着感兴趣的轴映射结果得到的向量。如所图示的，第一和第二传感器设备是加速度计。在另一个实施例中，多轴既可以放置在目标的第一、第二轴上又可以放置在目标的第三轴上。在第一轴处，生成代表目标心脏的一个或多个收缩属性的第一时间相关运动波形。在第二轴处，生成代表目标血流的第二时间相关运动波形。并且在第三轴处，例如如果传感器被旋转并且没有与例如头至脚轴完全对齐，则数据用于映射感兴趣轴的结果得到的向量。
图3图示了用于血压监视系统100的感测组件102。感测组件102被配置为检测心电图（ECG）信号、第一运动信号、第二运动信号、光电容积描记图（PPG）信号、心震图（SCG）信号和心冲击描记图（BCG）信号中的至少一个或多个。在一个实施例中，感测组件102是单轴感测组件。在另一个实施例中，感测组件102是双轴感测组件。在又一个实施例中，感测组件102是多轴组件。作为示例，感测组件102包括至少一个传感器设备。传感器设备可以是加速度计、运动传感器、光学传感器、换能器、多普勒超声换能器、声学传感器、电极、ECG传感器、目标定向传感器、声纳传感器、热传感器、环境传感器以及任何合适的传感器或换能器。作为示例，定位在目标的第一轴处的第一传感器设备生成代表目标心脏的一个或多个收缩属性的第一时间相关运动波形，并且定位在目标的第二轴处的第二传感器设备生成代表目标血流的第二时间相关运动波形。作为另一个示例，定位在目标的任何轴处的第三传感器设备生成代表归因于心肌去极化所致的电势的第三时间相关波形。在一个实施例中，第一和第二传感器设备是加速度计102a、102b，并且第三传感器设备102c是电极或ECG传感器。在另一个实施例中，提供了沿着目标的任何轴定位的第四传感器，并且该第四传感器被配置为检测来自环境的性质以用于提供上下文感知信息，或者移除运动伪影（作为参考传感器）。在另一个实施例中，第一传感器和第二传感器被集成到多轴传感器中（102a和102b被集成在多轴传感器中）。
图4图示了由血压系统持续监视的时间相关波形、ECG波形300、第一运动波形302和第二运动波形304，以确定目标的生命体征，即血压和心脏活动（例如PEP及其影响参数）。由放置在目标上的感测组件102的ECG传感器102c生成的ECG波形300表示心脏的电激励，以峰310为特征。由感测组件102的第一加速度计102a生成的第一运动波形302表示归因于心脏收缩或心脏的心脏活动所致的胸部移动。
在一个实施例中，第一运动波形302是Z轴中的SCG波形。在另一个实施例中，第一运动波形302是Z轴中的BCG波形。由感测组件102的第二加速度计102b生成的第二运动波形304表示归因于血流所致的身体反冲移动，以峰306为特征。在一个实施例中，第二运动波形304是在X轴中的SCG波形。在另一个实施例中，第二运动波形304是X轴中的BCG波形。在另一个实施例中，第一运动波形302和第二运动波形304由定位在目标的第一轴和第二轴两者处的多轴传感器（例如加速度计）生成。在另一个实施例中，为了更好的性能，在每个轴（第一和第二或第三）处使用一个多轴传感器，以生成所有三个轴（X、Y、Z）的组合数据。
也称为ECG波形300的R-峰的峰310可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中，或者用于触发血压测量的开始。也称为ECG波形300的Q-峰的峰312也可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中，或者用于触发血压测量的开始。沿着第一运动波形302的任何点可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中，或者用于触发血压测量的开始。作为示例，峰314可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中，或者用于触发血压测量的开始。作为另一个示例，峰316可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中，或者用于触发血压测量的开始。作为另一个示例，峰318可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中，或者用于触发血压测量的开始。
沿着第二运动波形304的任何点可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中。作为一个示例，峰306可以用在计算用于监视血压、生命体征和心脏活动的时间间隔中。在一个实施例中，峰306、310之间的时间差是射血前时期（PEP）加上质量传送时间（MTT）的组合。在另一个实施例中，沿着ECG波形300定位的任何点312和第二运动波形304的峰306之间的时间差以PEP + MTT时间间隔为特征。作为示例，点312定位在Q处。
如前所述，射血前时期（PEP）被限定在沿着波形300、302定位的两个点之间。在一个实施例中，沿着波形302定位的Jz1-峰314可以与沿着ECG波形300的点Q 312一起使用，以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。在又一个实施例中，沿着波形302定位的Jz2-峰316可以与沿着ECG波形300的点Q 312一起使用，以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。在又一个实施例中，沿着波形302定位的Jz3-峰318可以与沿着ECG波形300的点Q 312一起使用，以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。在又一个实施例中，沿着波形302定位的Jz1-峰314可以与沿着ECG波形300的峰R 310一起使用，以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。在再又一个实施例中，沿着波形302定位的Jz2-峰316可以与沿着ECG波形300的峰R 310一起使用，以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。在再又一个实施例中，沿着波形302定位的Jz3-峰318可以与沿着ECG波形300的峰R 310一起使用，以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。作为一个实施例，波形302的Jz1-峰314和波形304的峰306之间的时间差以质量传送时间（MTT）为特征。作为另一个实施例，波形302的Jz2-峰316和波形304的峰306之间的时间差以质量传送时间（MTT）为特征。在又一个实施例中，波形302的Jz3-峰318和波形304的峰306之间的时间差以质量传送时间（MTT）为特征。
背-腹轴的Jz-峰和头至脚轴的Jx-峰之间的时间间隔标示心脏开始收缩直到血流到达主动脉弓的时间所花费的时间。该Jz-Jx时间间隔可以用于监视血压或相对血压。该时间间隔还可以用于监视其他心血管参数，诸如作为一个示例的动脉僵硬度，或者作为另一个示例的心脏输出。
如上所述，可以通过以时间间隔在两个不同位置处测量两个PPG信号的血流速度轮廓来监视血压。可替代地，可以使用多普勒超声换能器来测量血流速度。该方法使用来自任何动脉（例如主动脉）中血液的频率f0的超声辐射的反射，其具有在反射波频谱中出现的附加超声频率作为频谱位置
处的边带，其中
是血液速度
的时间相关函数：
等式（1）
在2个最大
之间的
的最小读数（即
）与最小血液速度vmin以及还与血压具有相互关系。术语
或vmin对应于舒张血压。
对
的测量可以通过将具有中心频率f0的反射超声信号频谱同步解调到基带中、通过混合级和低通滤波器的组合或者任何合适的FM-解调技术来完成。取决于应用，可以使用锁相环解调器、比率检测器和任何合适的有源部件。
在又一个实施例中，传感器设备可以是任何合适的压电或静电/电容弯曲致动器或双压电晶片，其被配置为将f0处的电载波频率信号转换成超声波，并且将传入的超声波频谱转换回电信号频谱以供进一步分析。此外，取决于应用，可以使用至少一个加速度计信号来触发超声辐射和评估回路，以用于对数据进行互相关并用于提供上下文感知信息。系统200的一个以上的加速度计也可以用于检测用户是否正在移动或者用户正在进行的活动的种类，以向用户添加附加信息。还可以利用附加的加速度计来减少/过滤来自Jx或Jz数据的运动伪影。
图5图示了根据本公开的示例性实施例的生命体征监视系统100的简化框图。系统100包括一个或多个传感器102、用户接口104和自适应血压估计控制系统500。
被配置为收集原始数据的传感器102包括加速度计传感器、辅助传感器、环境传感器或适合于该系统的任何传感器。在一个实施例中，加速度计传感器可以是单轴或多轴加速度计，其测量至少两个轴中的加速度。在一些实施例中，可以使用用于检测生命体征和环境测量的传感器，诸如辅助传感器或环境传感器。如前所示，将系统放置在主体的胸部上。在一个示例中，传感器的输出是系统使用的原始数据的主要来源。可以由统计模型用作输入的附加数据可以从其他传感器获得，所述传感器包括但不限于运动传感器、光学传感器、声学传感器、换能器、心电图（ECG）传感器、定向和全球定位传感器、声纳传感器、热传感器、环境传感器等。外部数据源（像例如天气数据）也可以用于改进模型。此外，可以包括校准数据来校准血压值。
来自放置在患者胸部上的加速度计的数据例如隐含地或明确地捕获主体血流的时间相关运动波形表示和目标心脏的收缩属性。框架的特征提取部件进行必要的数据变换，以获得可以用于对估计血压测量进行建模的数据特征。为了能够从数据中的噪声提取相关特征，需要对原始特征进行预处理。在框架可以提取要作为输入馈送到血压估计模型的丰富特征之前，预处理功能性移除原始数据中的周围噪声、线性趋势、漂移、离群值、运动伪影等。使用高/低/带滤波器的频域滤波、异常检测、归一化、滑动窗口以及趋势和漂移补偿是用于移除噪声的几种常用方案。
控制系统包括处理器（104，图1）和存储器106。控制系统106的软件和/或硬件部件被配置为实现预处理模型（其从原始数据提取特征）、统计模型（将实时血压测量作为输出返回）、后处理模型（将上下文感知和概念适应性集成到统计模型结果）以及输出部件，所述输出部件以被监视主体感兴趣的相关格式呈现来自模型的结果。
统计模型是用于监视血压测量的自适应的用户特定的数据驱动模型，其取流数据作为输入，并返回估计的血压的实时结果。用于血压监视的统计模型可以仅使用来自捕获心脏何时收缩以及血液何时冲过主动脉血管弓的加速度计的数据来执行，这是因为该时间间隔与血压呈负相关。因此，来自加速度计的特征是有价值的并被框架使用。来自检测生命体征（诸如主体心脏的收缩属性和血流）的传感器以及捕获环境测量（诸如温度、湿度、压力、运动和海平面上升）的传感器的数据用于增强统计模型的预测强度，并使其对收集的原始数据中的噪声更加鲁棒和不变。统计模型不限于血压监视。它可以包括其他功能性，诸如心脏输出或心脏健康，以及其他健康和身心健康相关参数。
已知捕获以下信息的几个输入数据特征对统计模型具有更高的预测能力，包括：归因于心肌去极化所致的电势改变（ECG信号）、归因于血流或心脏活动所致的身体质心中的改变（心冲击描记图（BCG），由心脏的心脏活动引起的胸骨或身体其他部位的加速（心震图（SCG），以及归因于呼吸所致的身体运动（SCG）。
由控制系统实现的统计模型可以执行峰-检测、血压预测建模、上下文感知以及概念漂移检测和适应性。
统计模型的峰检测功能性标识ECG、BCG和SCG信号中的相关峰，所述峰可以用于标识当心脏收缩时以及当血液冲过主动脉血管弓时的确切时间戳。然后，从血压预测模型中使用该信息来估计血压。取决于用例，可以可选地使用ECG峰检测，例如，作为针对SCG检测的触发。出于本文档其余部分的目的，从SCG或BCG获得的感兴趣的峰被称为J-峰。表示SCG和BCG的时间相关运动波形内的三个重要类型的峰是：针对X轴（也称为头至脚轴）中加速度的Jx-峰、针对Y轴（也称为右-左轴）中加速度的Jy-峰、以及针对Z轴（也称为背-腹轴）中加速度的Jz-峰。Jz-峰标示心脏收缩的时间。它还可以连同ECG信号一起使用，以研究重要的心脏活动，诸如射血前时期（PEP）及其影响参数（诸如激素、前负荷、后负荷等）。Jx-峰标示血液从心脏泵出并到达主动脉血管弓的时间。加速度计的Jz-峰也可以用于触发测量的开始。峰检测模型用于标识BCG、ECG和SCG信号中重要峰的几个更具信息性的特征包括原始值、导数、斜率、信号幅度中的改变率、基序、移动平均特征、到信号中各种峰的距离等等。诸如逻辑回归、支持向量机（SVM）、分类和回归树（CART）、神经网络等线性和非线性分类模型使用以上特征作为输入来预测峰。图6描绘了示出ECG信号中的峰和对应的预测峰的绘图的示例。图7是示出根据ECG信号对z轴的峰预测的示例绘图。图8是示出使用z轴数据对x轴的峰预测的示例绘图。
统计模型的血压预测将标识原始时间系列信号中各种峰的时间戳取作输入，以计算血压。该模型使用的直觉是时间间隔（从心脏何时收缩到血液冲过主动脉血管弓的时间）与血压呈负相关。线性或非线性回归模型（诸如等高线回归）可以用于对该功能性进行建模。
数据驱动模型的上下文感知功能性通过标识周围环境条件中的改变和主体活动中的改变对被捕获的时间相关运动波形的影响使能实现持续的准确血压监视。上下文感知功能性集成了来自环境传感器、监视主体以实时检测用户活动中的改变的传感器的异构数据源以及还有外部数据。给定被捕获的时间相关运动波形中的各种类型的模式，改变可能经常使得使用不同峰检测算法或参数以用于血压的持续和准确监视的需要成为必要。
为了克服重新校准数据驱动模型以计及被监视主体的生活方式的改变的需要，并入了概念漂移检测和适应功能性。概念漂移指代独立输入变量和被建模的响应变量之间的关系。概念漂移检测功能性使得数据驱动模型能够通过跟踪被建模概念中的改变来维持相关性。这在易于经历概念漂移的流框架中是重要的。在该应用中，当被监视的主体随着时间突然或逐渐改变生活方式时，很可能观察到概念漂移。除了生活方式改变，传感器的老化效应也可以得到补偿。这可以基于传感器的已知老化数据或者如果例如检测准确度降低的情况下以固定的定时间隔来完成。
跟踪输入和输出数据流的分布和模型参数中的改变的基于假设测试的方案用于标识概念漂移的发生。概念漂移的检测用于向被监视主体告知生活方式中的改变对主体的血压和心脏系统的影响。诸如在框架中使用自适应SVM的分级线性四率（HLFR）之类的概念漂移检测和适应方案可以用于动态地适应数据驱动模型，以在被监视主体的生活方式或特性中存在改变时继续给出准确的血压测量，而不要求明确的重新校准。i/o接口以主体感兴趣的相关格式呈现来自模型的结果。输出可以包括相关的BP值或其他健康值、上下文感知值、校准值等。
在图5的系统500中，活动和上下文检测、血压估计、峰模式检测和概念漂移检测功能性被实现为模块。如图5中描绘的，由控制系统实现的统计模型包括活动和上下文检测器（ACD）模块502、血压估计器（BPE）模块504、峰模式检测器（PPD）模块506和概念漂移检测器（CDD）模块508。
PPD模块是多变量时间峰模式检测器。在图11中描绘了在PPD模块中实现的算法。PPD模块使用加速度计读数作为其输入来检测x和z峰。检测到的z和x的峰对应于信号z和x中的峰，所述峰被模块BPE用于估计质量传送时间（MTT）。PPD模块是确定性模型，其是概率向量（
和
）的函数，所述概率向量（
和
）分别由加速度计信号x和z生成。
和
的元素对应于分数向量，所述分数向量是使用来自加速度计传感器的先前“i”滞后测量来计算的，以检测感兴趣的峰。分数向量捕获加速度计信号的给定实例为局部和全局峰——无论其是最小还是最大峰——的概率、到x和z中的参考和相邻峰的距离、以及跨“i”滞后窗口的峰梯度的导数。
“i”的值取决于加速度计信号的采样率（SR）和用户心率（
）的预期值，使得
。当概率
并且概率
，使得
时，PPD模块在信号x中在时刻“t”处检测到感兴趣的峰模式。该约束确保z中感兴趣的模式在前面，并且与信号z中感兴趣的峰模式的出现相距近似
的距离。
是
的并且表示质量传送时间（MTT）的预期频率。
概率的计算是离线学习的，并作为模型被保存在PPD模块中。PPD模块的二元输出流
被发送到血压估计器模块（BPE）和概念漂移检测器模块（CDD）。除了加速度计，PPD模块还可以可选地从活动和上下文检测器模块（ACD）、概念漂移检测器模块（CDD）、辅助环境传感器信号和输入通道接收信号，以修改表示PPD中的模型的权重和常数。来自ACD模块的输入标志着影响用户的活动或环境因素中的改变。显著改变将使得以下成为必要：使用PPD模块中的模型的不同设定，以用于对z和x信号中感兴趣的峰模式进行持续最佳检测。
CDD模块是概念漂移检测器，其检测概率密度函数
、
、加速度计z和x信号的联合概率
以及来自PPD的输出的分布
中的改变。想法是联合概率
、
或
中的改变将标志着描述z和x之间关系的概念中的改变。测试统计量用于监视联合分布的误差率。CDD模块的目的是让血压估计器知道加速度计传感器和其他输入传感器的位置/接触/效率/性能是否有了改变，所述改变可能导致这些传感器返回的测量的偏差。例如，归因于传感器退化的逐渐重新定位，图9中的测量中可能存在逐渐漂移。
在图12中描绘了在CDD模块中实现的算法的实施例。CDD策略的基本概念是直截了当的：在稳定的概念下（即，
保持不变），并且混淆矩阵的对应的四个率（真阳性率（TPR）、真阴性率（TNR）、假阳性率（FPR）和假阴性率（FRN）
随着时间保持相同。因此，任何
的显著改变暗示着基本联合分布
或概念中的改变。更具体地，在每个时刻t处，LFR在以下虚假设和择一假设的情况下进行统计测试：
概念在
下是稳定的，并且如果
成立则被认为具有潜在的漂移。
以任何合适的方式计算四个率
。作为一个示例，诸如ECG之类的辅助传感器信号可以用作参考变量（y）。此外，可以关于从历史数据中学习的
来监视测试统计量。对于关于
和
监视的测试统计量，
、
是在相同X上学习的正交模型。可以在标记数据的不相交正交空间中学习正交模型。该解决方案不要求地面真值或伪等效物来跟踪预测中的误差。使用从主分量分析（PCA）获得的特征空间（X）的前两个正交向量来创建正交模型。
通过跟踪特征
的相互关系中的改变和特征
、
或
的分布特性中的改变，可以朴素地检测输入信号中有助于概念漂移检测的改变点，诸如图10中描绘的。CDD模块向PPD模块提供反馈，以基于概念漂移中的改变更新峰预测模型的权重。该更新本质上是递增的。CDD模块还可以可选地接收与校准有关的更新，所述更新可以用于触发更新PPD模块的权重。
ACD模块是活动或环境上下文改变检测器。该模块的目的是要检测用户的姿势（左卧、右卧、仰卧、坐着、站着等）或用户的活动改变（跑步、椭圆运动、慢跑等）或者将潜在地影响PPD模块性能的显著环境改变。该模块可以通过用户提供的手动输入或者通过检测环境/辅助传感器概念中的改变来更新。类似于CDD模块来实现对这些改变的检测。在图13中描绘了可以在ACD模块中实现的算法的实施例。
在图14中描述了可以在BPE模块中实现的算法。BPE模块是血压估计器模块，其将z和x信号中标识的峰模式取作输入，以估计用户的血压以及这些估计的对应统计量和置信区间。模块BPE使用检测到的z和x的峰来估计质量传送时间（MTT）。类似于PPD模块，除了指定的输入信号，对应于时间信息的隐含信号伴随着其他输入信号。BPE模块将
计算为在z和x中检测到的对应峰之间的距离，并验证
且当放在先前估计的MTT的上下文中时是有效的MTT。来自该模块的结果作为最终输出信号馈送给用户接口。
本公开范围内的实施例还可以包括用于携带或具有存储在其上的计算机可执行指令或数据结构的非暂时性计算机可读存储介质或机器可读介质。这类非暂时性计算机可读存储介质或机器可读介质可以是可由通用或专用计算机访问的任何可用介质。作为举例而非限制，这类非暂时性计算机可读存储介质或机器可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储装置、磁盘存储装置或其他磁性存储设备，或者可以用于以计算机可执行指令或数据结构的形式携带或存储期望程序代码构件的任何其他介质。上述的组合也应当被包括在非暂时性计算机可读存储介质或机器可读介质的范围内。
实施例也可以在分布式计算环境中实践，其中任务由通过通信网络链接（通过硬连线链路、无线链路或通过其组合）的本地和远程处理设备来执行。
计算机可执行指令包括例如引起通用计算机、专用计算机或专用处理设备执行某些功能或功能组的指令和数据。计算机可执行指令还包括由独立或网络环境中的计算机执行的程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件和数据结构等。计算机可执行指令、相关联的数据结构和程序模块表示用于执行本文公开的方法的步骤的程序代码构件的示例。这类可执行指令或相关联的数据结构的特定序列表示用于实现这类步骤中描述的功能的对应动作的示例。
虽然已经参考各种实施例描述了前述内容，但是将理解，这些实施例是说明性的，并且本公开的范围不限于它们。许多变型、修改、添加和改进是可能的。更一般地，已经在上下文或特定实施例中描述了根据本专利的实施例。功能性在本公开的各种实施例中可以按块以不同方式分离或组合，或者利用不同的术语来描述。这些和其他变型、修改、添加和改进可以落在如所附权利要求中限定的本公开的范围内。
Claims (16)
1.一种被配置为在人身体上佩戴或携带的生命体征监视系统，所述系统包括：
至少一个传感器，其被配置为检测人的至少一个生命体征参数并输出指示所述至少一个生命体征参数的传感器信号；以及
自适应生命体征估计系统，其包括：
峰模式检测模块，其被配置为检测传感器信号中的峰模式，并根据峰预测算法输出峰预测信号；
生命体征估计模块，其被配置为基于由峰模式检测模块检测到的峰模式来估计生命体征；
活动和上下文检测器模块，其被配置为检测环境条件和人的活动水平中的改变，并将上下文信号输出到峰模式检测模块，峰模式检测模块被配置为基于上下文信号更新峰预测算法；以及
概念漂移检测模块，其被配置为检测所估计的生命体征中的漂移，并将漂移信号输出到峰模式检测模块，峰模式检测模块被配置为基于漂移信号更新峰预测算法。
2.根据权利要求1所述的系统，其中，漂移信号被提供给传感器校准系统，传感器校准系统被配置为基于漂移信号校准所述至少一个传感器。
3.根据权利要求1所述的系统，其中，活动和上下文检测模块被配置为经由用户接口接收输入，所述输入指示至少一个环境条件或活动水平。
4.根据权利要求1所述的系统，其中，生命体征是血压。
5.根据权利要求1所述的系统，其中，所述至少一个传感器包括至少一个加速度计。
6.根据权利要求1所述的系统，其中，所述至少一个传感器被配置为检测心电图（ECG）信号、第一运动信号、第二运动信号、光电容积描记图（PPG）信号、心震图信号（SCG）和心冲击描记图（BCG）信号中的至少一个或多个。
7.根据权利要求1所述的系统，其中，峰模式检测模块被配置为标识峰，所述峰指示当人的心脏收缩时和/或当血液冲过心脏的主动脉时的确切时间戳。
8.根据权利要求1所述的系统，其中，概念漂移检测模块被配置为使用分级线性四率方案来检测漂移。
9.一种监视人的生命体征的方法，所述方法包括：
使用至少一个传感器检测人的至少一个生命体征参数；
使用处理器根据峰预测算法基于检测到的生命体征参数生成峰预测信号；
基于峰预测信号估计人的生命体征；
输出所估计的生命体征信号；
生成指示检测到的至少一个环境条件和/或活动水平的上下文信号；
生成指示在所估计的生命体征信号中检测到的漂移的漂移信号；以及
使用处理器基于上下文信号和漂移信号更新峰预测算法。
10.根据权利要求9所述的方法，进一步包括：
将漂移信号供应给传感器校准系统；以及
基于漂移信号校准所述至少一个传感器。
11.根据权利要求9所述的方法，进一步包括：
经由用户接口接收指示所述至少一个环境条件和/或活动水平的输入。
12.根据权利要求9所述的方法，其中，生命体征是血压。
13.根据权利要求9所述的方法，其中，所述至少一个传感器包括至少一个加速度计。
14.根据权利要求9所述的方法，其中，所述至少一个传感器被配置为检测心电图（ECG）信号、第一运动信号、第二运动信号、光电容积描记图（PPG）信号、心震图信号（SCG）和心冲击描记图（BCG）信号中的至少一个或多个。
15.根据权利要求9所述的方法，其中，峰预测算法被配置为标识峰，所述峰指示当人的心脏收缩时和/或当血液冲过心脏的主动脉时的确切时间戳。
16.根据权利要求9所述的方法，其中，使用分级线性四率方案来检测漂移。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762583754P | 2017-11-09 | 2017-11-09 | |
| US62/583754 | 2017-11-09 | ||
| PCT/EP2018/080664 WO2019092133A1 (en) | 2017-11-09 | 2018-11-08 | Vital signs monitoring system and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111542892A true CN111542892A (zh) | 2020-08-14 |
| CN111542892B CN111542892B (zh) | 2024-04-12 |
Family
ID=64362494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880085780.0A Active CN111542892B (zh) | 2017-11-09 | 2018-11-08 | 生命体征监视系统和方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11660052B2 (zh) |
| CN (1) | CN111542892B (zh) |
| DE (1) | DE112018005266T5 (zh) |
| WO (1) | WO2019092133A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116978570A (zh) * | 2023-09-25 | 2023-10-31 | 之江实验室 | 一种在线实时患者危重程度评估及生命体征参数预测系统 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11534067B2 (en) * | 2018-08-20 | 2022-12-27 | Biosense Webster (Israel) Ltd. | Learned monitoring device correction |
| CN110292370B (zh) * | 2019-07-03 | 2020-12-15 | 浙江大学 | 一种基于脉搏波传导时间的胸口无创血压检测方法 |
| US20210117782A1 (en) * | 2019-10-18 | 2021-04-22 | Apple Inc. | Interpretable neural networks for cuffless blood pressure estimation |
| US11918331B2 (en) | 2019-12-10 | 2024-03-05 | Hill-Rom Services, Inc. | Micro-movement and gesture detection using radar |
| CN111467107B (zh) * | 2020-04-16 | 2022-04-22 | 蒋富烈 | 一种托腹带 |
| US12082948B2 (en) * | 2020-06-17 | 2024-09-10 | Samsung Electronics Co., Ltd. | Apparatus and method for generating blood pressure estimation model, and apparatus for estimating blood pressure |
| DE102021205185B3 (de) | 2021-05-20 | 2022-11-03 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | Verfahren und System zur Bestimmung eines ABP-Signals |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101689219A (zh) * | 2006-11-01 | 2010-03-31 | 必安康医疗有限公司 | 用于监测心肺参数的系统和方法 |
| US20110066042A1 (en) * | 2009-09-15 | 2011-03-17 | Texas Instruments Incorporated | Estimation of blood flow and hemodynamic parameters from a single chest-worn sensor, and other circuits, devices and processes |
| CN105530857A (zh) * | 2013-09-09 | 2016-04-27 | 皇家飞利浦有限公司 | 根据母体腹部ecg记录的胎儿心率提取 |
| CN107233087A (zh) * | 2017-04-28 | 2017-10-10 | 哈尔滨工业大学深圳研究生院 | 一种基于光电容积脉搏波特征的无创血压测量装置 |
| WO2017174814A1 (en) * | 2016-04-08 | 2017-10-12 | Robert Bosch Gmbh | Blood pressure and cardiac monitoring system and method thereof |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120123232A1 (en) * | 2008-12-16 | 2012-05-17 | Kayvan Najarian | Method and apparatus for determining heart rate variability using wavelet transformation |
| US20150374240A1 (en) * | 2014-06-26 | 2015-12-31 | Salutron, Inc. | Heart Rate Inference Based On Accelerometer And Cardiac Model |
| US20160029966A1 (en) * | 2014-07-31 | 2016-02-04 | Sano Intelligence, Inc. | Method and system for processing and analyzing analyte sensor signals |
| US11191483B2 (en) * | 2017-04-04 | 2021-12-07 | Zepp, Inc. | Wearable blood pressure measurement systems |
-
2018
- 2018-11-08 WO PCT/EP2018/080664 patent/WO2019092133A1/en active Application Filing
- 2018-11-08 US US16/954,600 patent/US11660052B2/en active Active
- 2018-11-08 DE DE112018005266.4T patent/DE112018005266T5/de active Pending
- 2018-11-08 CN CN201880085780.0A patent/CN111542892B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101689219A (zh) * | 2006-11-01 | 2010-03-31 | 必安康医疗有限公司 | 用于监测心肺参数的系统和方法 |
| US20110066042A1 (en) * | 2009-09-15 | 2011-03-17 | Texas Instruments Incorporated | Estimation of blood flow and hemodynamic parameters from a single chest-worn sensor, and other circuits, devices and processes |
| CN105530857A (zh) * | 2013-09-09 | 2016-04-27 | 皇家飞利浦有限公司 | 根据母体腹部ecg记录的胎儿心率提取 |
| WO2017174814A1 (en) * | 2016-04-08 | 2017-10-12 | Robert Bosch Gmbh | Blood pressure and cardiac monitoring system and method thereof |
| CN107233087A (zh) * | 2017-04-28 | 2017-10-10 | 哈尔滨工业大学深圳研究生院 | 一种基于光电容积脉搏波特征的无创血压测量装置 |
Non-Patent Citations (1)
| Title |
|---|
| SHUJIAN YU 等: "Concept Drift Detection and Adaptation with Hierarchical Hypothesis Testing", ARXIV:1707.07821V1 [STAT.ML], pages 768 - 776 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116978570A (zh) * | 2023-09-25 | 2023-10-31 | 之江实验室 | 一种在线实时患者危重程度评估及生命体征参数预测系统 |
| CN116978570B (zh) * | 2023-09-25 | 2024-02-06 | 之江实验室 | 一种在线实时患者危重程度评估及生命体征参数预测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111542892B (zh) | 2024-04-12 |
| DE112018005266T5 (de) | 2020-06-25 |
| US11660052B2 (en) | 2023-05-30 |
| US20200330050A1 (en) | 2020-10-22 |
| WO2019092133A1 (en) | 2019-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111542892B (zh) | 生命体征监视系统和方法 | |
| Chen et al. | Contactless electrocardiogram monitoring with millimeter wave radar | |
| US11051705B2 (en) | Blood pressure and cardiac monitoring system and method thereof | |
| JP6557219B2 (ja) | 生理信号を処理する処理装置、処理方法及びシステム | |
| CN105530866B (zh) | 心脏监测系统 | |
| EP3381364B1 (en) | Respiratory estimation method and device | |
| Martin | Novel method for stride length estimation with body area network accelerometers | |
| CN106456017A (zh) | 多传感器生理监测系统和方法 | |
| US20140107501A1 (en) | Wireless multi-sensor platform for continuous real-time monitoring of cardiovascular respiratory dynamics | |
| CN108309353A (zh) | 用于在心回波描记术中进行相位确定的心率辅助 | |
| Ren et al. | Vital sign detection in any orientation using a distributed radar network via modified independent component analysis | |
| Martin et al. | Determination of a patient's speed and stride length minimizing hardware requirements | |
| JP2015116368A (ja) | 脈拍計測装置、脈拍計測方法及び脈拍計測プログラム | |
| Gurbuz et al. | Continuous human activity recognition and step-time variability analysis with FMCW radar | |
| Haratian | Motion capture sensing technologies and techniques: A sensor agnostic approach to address wearability challenges | |
| Erfianto et al. | IMU‐Based Respiratory Signal Processing Using Cascade Complementary Filter Method | |
| Ahmadi et al. | Human gait monitoring using body-worn inertial sensors and kinematic modelling | |
| Zhao et al. | T-HSER: Transformer Network Enabling Heart Sound Envelope Signal Reconstruction Based on Low Sampling Rate Millimeter Wave Radar | |
| US20210085216A1 (en) | Wearable Health Device System with Normalized Seismocardiography Signals | |
| Luo et al. | Human Gait Modelling via Stationary Wavelet Transform and Radial Basis Function Neural Networks | |
| CN114207451B (zh) | 校准传感器 | |
| US20240307003A1 (en) | Method for generating training data for use in monitoring a health parameter of a person | |
| JP6146519B2 (ja) | 生体情報測定装置、生体情報測定方法、及び生体情報測定システム | |
| Montree et al. | Increasing accuracy of pulse arrival time estimation in low frequency recordings | |
| Hu et al. | Investigating Respiration-Heartbeat Separation through a Multi-Point Scattering Chest Wall Motion Model: 60 GHz FMCW Radar Assessment |
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 |