CN111741713B - 具有标准化心脏振动描记信号的可穿戴健康设备系统 - Google Patents

Abstract

一种可穿戴健康设备系统包括被配置为由主体穿戴的外壳，以及具有至少两个加速度计的传感器组装件，所述至少两个加速度计感测沿着非平行轴的加速度。可操作地连接到传感器组装件和存储器的处理器执行存储器中的程序指令，以从加速度计获得SCG模板数据，并且将获得的SCG模板数据划分成至少一个心动周期段。心动周期段用于生成SCG加速度模板，所述SCG加速度模板进而用于生成SCG旋转矩阵。然后，从加速度计获得SCG加速度数据，并且通过将生成的SCG旋转矩阵应用于获得的SCG加速度来使SCG加速度数据标准化。

Description

具有标准化心脏振动描记信号的可穿戴健康设备系统

本申请要求于2018年2月26日提交的序列号为62/635,183的美国临时申请的优先权权益，该美国临时申请的公开内容通过引用以其整体并入本文中。

技术领域

本公开总体上涉及可穿戴健康设备，并且更特别地涉及具有补偿心脏振动描记（seismocardiography）信号的可穿戴健康设备系统。

背景技术

除非本文中另有说明，否则本节中描述的材料不是本申请中权利要求的现有技术，并且不因包含在本节中而被承认为是现有技术。

心血管疾病是死亡的主要原因之一。已经开发了许多诊断方法来提供关于心血管功能的见解，以便诊断心血管疾病。这些方法包括心电图（ECG）、超声心动图（ECHO）、磁共振成像（MRI）和计算机断层（CT）扫描。这些方法关注心脏的物理结构和心脏的电活动。

另一种方法是听诊，其牵涉到听心脏可听的声音。听心脏来检测潜在的问题是一种发展的技能，所述发展的技能在检测创建独特声音的某些结构问题中是有用的。作为示例，可以通过听诊来检测心脏杂音。

一种从根本上不同于上述方法的方法是心脏振动描记法（SCG）。心脏振动描记法（SCG）是对典型地在胸骨处的身体振动的检测/记录，所述身体振动由心血管功能引起。基于这些测量，可以标识诸如心率、心率变异性、血压估计、心输出量以及还有潜在的心血管健康问题之类的不同的参数。通过SCG获得的信息可以为缺血检测、心肌收缩力、心房颤动和其他心脏问题提供有价值的诊断见解。因为SCG对振动敏感，所以它可以用在诊断与心血管功能相关的机械问题和电问题二者中。

不同于心冲击描记术（BCG）技术——其测量身体对心脏血液喷射的反应力，SCG利用诸如附接到胸部的加速度计之类的可穿戴的传感器。由于传感器技术中的最近进展，可以利用三维（3D）加速度计以高采样率和位分辨率获取SCG信号，从而使能实现详细的SCG评估。因此，SCG评估不像BCG方法的情况下那样受制于基于心血管力（一维）的简单求和加速度的限制。

然而，在SCG中的测量信号的特性取决于测量定位（传感器典型地在胸部上的位置和定向）以及主体的解剖和生理特性。主体间的变异性是例如由不同主体之间心脏和主动脉的定位和定向中的变化引起的。各种解剖结构的定向可以在主体之间变化一定量的度并且移位若干厘米。主体内的变异性主要是由在将传感器移除之后并且然后将传感器重新附接到相同人员的胸部上或替换为相同人员的胸部上的另一个加速度传感器的平移和旋转误差引起的。这导致高的主体间和主体内变异性，并且使得在个体之间以及在针对单个个体的测量时段之内二者的SCG信号之间的比较变得困难。这对于自动化评估例程而言特别成问题。

传统上，内部解剖结构的精确定向和位置是通过侵入性测量或通过使用诸如CT扫描之类的复杂成像方法来完成的。侵入性过程的成本和固有危险以及为了减少由不断变化的生理因素导致的误差而进行的复杂成像过程的成本抑制了SCG传感器的广泛使用。

因此，如果来自SCG传感器设备的输出可以被标准化，从而减少由传感器位置和定向引起的误差/差异，则将是有益的。自动补偿将是进一步有益的。一种补偿传感器位置和定向中的改变的设备将是进一步有益的，所述设备不要求侵入性方法或复杂的成像方法来建立内部解剖结构的定向。

发明内容

下面阐述本文中公开的某些实施例的概述。应当理解到，呈现这些方面仅仅是为了向读者提供这些特定实施例的简要概述，并且这些方面不旨在限制本公开的范围。实际上，本公开可以包含下面可能没有阐述的多种方面。

根据一个实施例，一种可穿戴健康设备系统包括被配置为由主体穿戴的外壳，以及具有至少两个加速度计的传感器组装件，所述至少两个加速度计感测沿着非平行轴的加速度。可操作地连接到传感器组装件和存储器的处理器执行存储器中的程序指令，以从加速度计获得SCG模板数据，并且将获得的SCG模板数据划分成至少一个心动周期段。心动周期段用于生成SCG加速度模板，所述SCG加速度模板进而用于生成SCG旋转矩阵。然后，从加速度计获得SCG加速度数据，并且通过将生成的SCG旋转矩阵应用于获得的SCG加速度数据来使SCG加速度数据标准化。

在一个或多个实施例中，传感器组装件进一步包括第三加速度计，第三加速度计被配置为感测沿着第三轴的加速度，其中第三轴不平行于第一轴或第二轴。处理器进一步被配置为执行程序指令以从第三加速度计获得SCG模板数据，并且从第三加速度计获得SCG加速度数据。

在一个或多个实施例中，处理器被配置为执行程序指令，以通过在二十秒之内以250 Hz速率从两个或更多个加速度计获得SCG数据，来从第一和第二加速度计获得SCG模板数据。

在一个或多个实施例中，处理器被配置为执行程序指令，以使用检测到的主动脉瓣打开峰值和最大力主动脉（MFA）峰值中的至少一个作为参考点，将获得的SCG模板数据划分成至少一个心动周期段。在一些实施例中，处理器被配置为执行程序指令，以使用Nelder-Mead算法来生成SCG旋转矩阵。

在一个或多个实施例中，处理器被配置为执行程序指令，以使用MFA峰值作为参考点将获得的SCG模板数据划分成至少一个心动周期段，并且基于生成的SCG旋转矩阵来估计主动脉弓的位置。

在一个或多个实施例中，处理器被配置为执行程序指令，以使用心电图（ECG）数据作为参考点，将获得的SCG模板数据划分成至少一个心动周期段。

在一个或多个实施例中，传感器组装件包括被配置为生成ECG数据的ECG传感器。在一些实施例中，传感器组装件还包括重力传感器。

在一个或多个实施例中，处理器被配置为执行程序指令，以使用欧拉角公约（Euler angles convention）来生成SCG旋转矩阵。

根据一个实施例，一种使利用可穿戴健康设备系统获得的心脏振动描记（SCG）数据标准化的方法包括将可穿戴健康设备定位在主体的胸部上。然后，通过利用处理器对存储在存储器中的程序指令进行执行，从由可穿戴健康设备的外壳支撑的传感器组装件的第一和第二加速度计获得SCG模板数据。第一加速度计被配置为感测沿着第一轴的加速度，并且第二加速度计被配置为感测沿着不平行于第一轴的第二轴的加速度。获得的SCG模板数据被划分成用于生成SCG加速度模板的至少一个心动周期段。使用生成的SCG加速度模板生成SCG旋转矩阵，并且将SCG旋转矩阵应用于来自第一加速度计和第二加速度计的SCG加速度数据，以生成存储在存储器中的标准化SCG加速度数据。

在一个或多个实施例中，通过利用处理器对存储在存储器中的程序指令进行执行，从传感器组装件的第三加速度计获得另一个SCG模板数据。第三加速度计被配置为感测沿着第三轴的加速度，并且第三轴不平行于第一轴或第二轴。SCG加速度数据也从第三加速度计获得。

在一个或多个实施例中，在二十秒之内以250 Hz速率获得来自加速度计的SCG数据。

在一个或多个实施例中，通过使用检测到的主动脉瓣打开峰值和最大力主动脉（MFA）峰值中的至少一个作为参考点来将获得的SCG模板数据划分成至少一个心动周期段，从而将获得的SCG模板数据划分成至少一个心动周期段。

在一个或多个实施例中，使用Nelder- Mead算法生成SCG旋转矩阵。

在一个或多个实施例中，所述方法进一步包括当MFA峰值被用作参考点时，基于生成的SCG旋转矩阵来估计主动脉弓的位置。

在一个或多个实施例中，通过使用心电图（ECG）数据作为参考点将获得的SCG模板数据划分成至少一个心动周期段，将获得的SCG模板数据划分成至少一个心动周期段。

在一个或多个实施例中，所述方法包括利用传感器组装件中的ECG传感器生成ECG数据。

在一个或多个实施例中，利用处理器生成SCG旋转矩阵包括使用欧拉角公约生成SCG旋转矩阵。

根据本公开的另一方面，可穿戴健康设备包括外壳和被配置为检测SCG信号的感测组装件。感测组装件被封装在外壳中，并且处理器可通信地耦合到感测组装件。处理器被配置为（a）获取检测到的SCG信号，（b）基于参考点将检测到的SCG信号划分成段，（c）在两个或更多个定向上创建平均加速度模板，以及（d）使SCG信号标准化。处理器可以设置在外壳中，或者远程位于感测组装件外部。所述可穿戴健康设备进一步包括可通信地耦合到处理器的计算机可读介质，所述计算机可读介质被配置为存储由处理器获取的SCG信号。在一些实施例中，计算机可读介质远程位于所述可穿戴健康设备外部。

附图说明

当参考附图阅读某些示例性实施例的以下详细描述时，将变得更好地理解本公开的这些和其他特征、方面和优点，在附图中，贯穿附图的相同符号表示相同部分，其中：

图1描绘了图示根据本公开所描述的实施例的可穿戴健康设备系统的框图；

图2描绘了定位在主体胸部上的图1的可穿戴健康设备的平面示意图；

图3描绘了两个轴中的依赖时间的SCG波形连同在时间上同步的ECG波形的简化图；

图4-6描绘了相对于图2的描绘在-15°、-30°和-45°旋转处定位在主体胸部上的图1的可穿戴健康设备的平面示意图；

图7描绘了当如图2和图4-6中所描绘那样被定位时，如由图1的可穿戴健康设备检测到的三个不同轴中的依赖时间的SCG波形的简化图，其中SCG信号在时间上同步；

图8描绘了在各种实施例中用于使来自图1的可穿戴健康设备的检测到的SCG数据标准化的过程；

图9A和图9B描绘了附接有图1的可穿戴健康设备的个体的不同姿势，以图示可选地包括在图8的过程中的传感器轴旋转校正；

图10A描绘了当可穿戴健康设备被几乎最佳地定位和定向在主体胸部上时，SCG数据的二维和三维标准化的效果的简化图，其示出了通过标准化对SCG数据的微小修改；和

图10B描绘了当可穿戴健康设备没有被几乎最佳地定位和定向在主体胸部上时，SCG数据的二维和三维标准化的效果的简化图，其示出了通过标准化对SCG数据的显著修改。

具体实施方式

呈现以下描述是为了使得本领域任何技术人员能够制造和使用所描述的实施例，并且在特定应用及其要求的背景下提供以下描述。对所描述实施例的各种修改对于本领域技术人员而言将容易地清楚，并且在不脱离所描述实施例的精神和范围的情况下，本文中定义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，而是符合与本文中公开的原理和特征相一致的最宽范围。

各种操作可以以最有助于理解所要求保护的主题的方式依次被描述为多个离散的动作或操作。然而，描述的次序不应被解释为暗示这些操作必然是依赖次序的。特别地，这些操作不需要按照呈现的次序来执行。所描述的操作可以用与所描述实施例相比不同的次序来执行。在附加实施例中，可以执行各种附加操作和/或可以省略所描述的操作。

图1图示了被配置为由主体（例如用户、患者或测试主体）穿戴的可穿戴健康设备100的简化框图。在使用中，可穿戴设备100附接到或应用于主体的身体。在一个实施例中，可穿戴设备100是贴片。可穿戴健康设备100包括封装可穿戴健康设备100的部件的外壳102和合适的粘合剂，所述合适的粘合剂诸如是在外壳102的一侧或一个表面上的生物相容双面胶带。

如图1中所图示，在一个实施例中，封装在可穿戴设备100的外壳中的部件包括通信单元或通信接口104、存储器或机器可读介质106、处理器或处理单元108以及传感器组装件110。在一些实施例中，可穿戴健康设备100包括适合用于期望应用的其他计算机实现的模块。一个或多个实施例中的计算机实现的模块包括输入用户接口、显示器、天线等。可穿戴健康设备100由电源元件或能量存储元件112供电。

通信单元104与外部计算设备114、网络116和/或服务器118形成一个或多个链接，以便在可穿戴健康设备100与设备114、网络116和/或服务器118之间传输软件、数据、公钥、私钥和/或通信协议。在一个或多个实施例中，无线地、通过有线通信路径及其组合来建立链路。

不同实施例中的机器114是智能电话、平板计算机、膝上型计算机、计算机、平板手机、个人数字助理（PDA）、电话、语音控制设备（诸如Echo、Alexa、homepod等）中的一个或多个。在各种实施例中，网络116是云网络、PSTN、WAN、WLAN等中的一个或多个。

传输到可穿戴健康设备100或由可穿戴健康设备100获得的软件、数据、公钥、私钥和/或通信协议存储在存储器106内。存储器106是暂时性机器可读介质、非暂时性机器可读介质、易失性机器可读介质、非易失性机器可读介质、磁性机器可读介质、光学机器可读介质或电介质、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。

不同实施例中的处理器108包括一级或多级高速缓存，诸如一级高速缓存存储器、一个或多个处理器核心和寄存器。在各种实施例中，处理器108是微处理器（）、微控制器（/>）、数字信号处理器（DSP）及其任何组合。示例性处理器核心可以（各自）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。在一些实施例中，存储器控制器与处理器108一起使用。在一些实施例中，存储器控制器是处理器108的内部部分。处理器108被配置为执行存储在存储器106中的程序指令。

程序或计算机可执行指令包括例如使得通用计算机、专用计算机或专用处理设备执行特定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。通常，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、组件和数据结构等。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中公开的方法的步骤的程序代码装置的示例。这样的可执行指令或相关联数据结构的特定序列表示用于实现这样的步骤中描述的功能的对应动作的示例。

在各种实施例中，能量存储元件112被配置用于感应充电、qi充电、能量收集、有线充电、无线充电以及用于向可穿戴健康设备100传输电力的任何合适的充电方法。

传感器组装件110包括至少一个传感器，并且在所描绘的实施例中包括四个传感器120、122、124和126。不同实施例中的传感器120、122、124和126包括单轴加速度计、双轴加速度计、三轴加速度计、陀螺仪、定向传感器、旋转传感器、麦克风、重力传感器、ECG传感器等中的一个或多个。

每个实施例包括足以在至少两个轴中提供加速度感测的一个或多个传感器。因此，在一个实施例中，传感器120和122是单轴加速度计。在另一个实施例中，传感器124是双轴加速度计。在一个实施例中，传感器126是三轴加速度计形式的多轴加速度计。在一个实施例中，三轴加速度计是型号BMA280，其可通过美国伊利诺伊州Mount Prospect的罗伯特·博世传感器技术公司（Robert Bosch Sensortec）购得。

虽然在图1的实施例中图示了一个传感器组装件110，但是在其他实施例中，多于一个传感器组装件被结合在可穿戴健康设备100中，以检测和/或测量与主体心脏的收缩特性或主体的血流相关联的一个或多个参数。

图2图示了穿戴可穿戴健康设备100的诸如用户或患者之类的主体130，其在该实施例中是人类。在一个实施例中，可穿戴健康设备100测量质量传送时间（MTT）和/或脉搏传送时间（PTT）并且监测生命体征，其如在以下各项中详细描述：题为“Blood Pressure andCardiac Monitoring System and Method”的序列号为15/564,585的美国申请，题为“Vital Signs Monitoring System and Method”的序列号为62/583,754的美国申请，以及与此同一天提交并且题为“Wearable Health Device System With AutomaticReferencing of Seismocardiography Signals”、要求题为“Angle Errors CompensationMethods and Systems for Wearable Health Devices”的序列号为62/635,824的美国申请的优先权的序列号为[ATTY文件编号1576-2271PCT]的PCT申请，以上申请的内容通过引用并入。

如图2中所图示，可穿戴健康设备100在一个位置处定位在主体130的胸部132上，所述位置是主体的胸部134上部处的主体胸骨左侧的位置（为清楚起见未示出，但直接位于主体的下巴下方）。在一个实施例中，通过在将粘性表面直接附接到主体130的身体之前从贴片的粘性表面移除或剥离覆盖物来定位可穿戴健康设备100。

在图2中所描绘的位置处，可穿戴健康设备100典型地位于心脏136的稍上方，并且直接位于主动脉弓138的部分之上。如上面指出的，个体的实际解剖结构典型地不同于描绘的解剖结构，并且可穿戴健康设备100在特定主体上的定位也将不同。当可穿戴健康设备100以图2中描绘的方式定位时，除非另有明确说明，否则常规参照系以及本文中和权利要求中使用的参照系以设备100为中心，其中x轴垂直延伸，y轴水平延伸，并且z轴通过可穿戴健康设备100的中心延伸到页面中/页面外。

可穿戴健康设备100当被手动或自动激活时，以最大的舒适性和便利性无侵入性地且连续地获取心脏振动描记（SCG）数据。图3描绘了在单个心动周期期间从可穿戴健康设备100获得的示例性数据。在该实施例中，传感器组装件包括心电图（ECG）传感器、z轴加速度计和x轴加速度计。因此，图3描绘了ECG数据140、z轴数据142和x轴数据144。数据在时间上是对准的。

从图3中可辨别多个局部最小值和最大值，这提供了关于心动周期期间生理事件的见解。ECG数据140示出了“P波形”146，包括“Q波形”148、“R波形”150和“S波形”152的“QRS复合波”。ECG数据进一步包括“T波形”154。

z轴数据142反映了二尖瓣关闭（MC）156、二尖瓣打开（MO）158、主动脉瓣打开（AO）160、主动脉瓣关闭（AC）162、等容收缩（IVC）164、快速射血（RE）166和快速充注（RF）168。x轴数据144反映了通过主动脉弓的最大血流，其被称为最大力主动脉（MFA） 170。

最小值和最大值的显著性取决于传感器定位和定向以及主体的解剖结构。作为示例，在可穿戴健康设备100处于图2中描绘的定位中的情况下获得数据之后，可穿戴健康设备100在图2中箭头172的方向上旋转大约-15°至图4中描绘的定位，并且获得附加数据。利用旋转-30°（图5）和-45°（图6）的可穿戴健康设备重复过程。可穿戴健康设备100的原始定位在图4-6中以阴影描绘。对于每个位置，维持z轴，使得可穿戴健康设备100在每个步骤中围绕z轴在负方向上旋转15°。图7描绘了从三轴加速度计126获得的数据。

图7描绘了x轴数据180、y轴数据182和z轴数据184。每个数据是在图2和图4-6中描绘的四个定位中的每一个处获得的。因此，x轴数据180包括0°旋转数据186、-15°旋转数据188、-30°旋转数据190和-45°旋转数据192。图7示出了当可穿戴健康设备100旋转时，从0°MFA 194到-15°MFA 196、到-30°MFA 198到-45°MFA 200，MFA峰值的幅度降低，并且MFA峰值的定时发生得更早。

如通过z轴数据184证明的，与AO相关联的峰值也示出变异性。AO峰值的幅度从0°AO 202降低到后来的（时间上的）-45°AO 204，而-15°AO 206和-30°AO 208幅度在0°AO 202与-45°AO 204之间，同时在模式中发生得更早。

图7的结果图示了可穿戴健康设备100的定向导致观察到的数据中的改变。同样，可穿戴轴沿着x轴和y轴中的一个或二者的移动（即z轴的重新定位）将导致观察到的数据中的幅度和时间改变。

因此，可穿戴健康设备100被配置为执行图8的方法220，以补偿定位和位置差异。在框222处，可穿戴健康设备100定位在主体的胸部上。在一些实施例中，将可穿戴健康设备100（其可以是贴片）附接到主体的身体上包括从路径的粘性表面移除或剥离覆盖物，并且将粘性表面直接附接到主体的身体。可穿戴健康设备100被最佳地定位在图2中描绘的位置和定向处。

在框224处，可穿戴健康设备100被手动或自动激活，并且由传感器组装件110获取SCG模板数据（框226处）。“SCG模板数据”是使用一个或多个传感器获得的SCG数据，所述一个或多个传感器被配置为获得用于至少两个非平行轴的数据，并且优选地用于至少三个轴的数据。在足以获得至少一个心动周期、以及优选地多个心动周期的时间段之内并且以足以表征局部最大值和最小值的频率获取数据，并且将所述数据存储在存储器106中。根据一个实施例，在至少20秒的时段之内以至少250 Hz的频率获取数据。

在一些实施例中，在框228处，传感器坐标系然后被旋转到标准坐标系中，以校正可穿戴健康设备100放置在主体上的方式。坐标系的旋转促进SCG的注释，这将在下面讨论。

基于可穿戴健康设备100的总体定向和重力来确定用于校正传感器定位的旋转。参考图9A和图9B解释用于三轴设备的该旋转的示例。当获取初始数据时，主体将要么坐着、站着，要么躺下。在坐姿和站姿二者中，可穿戴健康设备100将具有相对于图9A中的主体130’所示的总体定向。在该定位中，可穿戴健康设备100的x轴240接近重力轴242。因此，使用传感器组装件110中的重力传感器或外部仪器来确定用于x轴的旋转角度244，以便将可穿戴健康设备100的经旋转的x轴与重力242对准。可穿戴健康设备100的z轴246也被修改为用相同旋转角度250旋转的z轴248。

当主体躺下时，发生类似的旋转。然而，在利用图9B的主体130”描绘的该场景中，可穿戴健康设备100的z轴246最接近重力轴242。因此，使用传感器组装件110中的重力传感器或外部仪器来确定z轴246旋转的旋转角度252，以将经旋转的z轴与重力242对准。可穿戴健康设备100的x轴240也被修改为用相同旋转角度254旋转的x轴248。

在图9A和图9B中描绘的两种场景中，可穿戴健康设备100的y轴被假定为垂直于重力轴242。优选地，这通过在框224中获得数据之前对主体进行正确定位来确保。利用已知的旋转角度，连同关于哪个轴被旋转以与重力轴242对准的知识，获得的数据可以被转换成任何期望的世界坐标系。在传感器组装件110中结合姿势传感器的实施例中，在一些实施例中，基于重力轴校正y轴。在一些实施例中，传感器轴旋转数据存储在存储器106中。在其他实施例中，传感器轴旋转数据存储在远程存储器中并且应用于从可穿戴传感器设备100接收的数据，所述远程存储器诸如是与计算设备114、网络116或服务器118相关联的存储器。

回到图8，获得的数据被划分成心动周期段，其中每个心动周期段包括单个心动周期（框230）。分割基于任何期望的参考点。因此，在一些实施例中，参考点由特性SCG点确定，而在其他实施例中，与SCG数据在时间上同步的外部信号被附加地使用或者代替特性SCG点来使用。

在一些实施例中，基于SCG的参考点是使用图3的AO峰值160打开主动脉瓣的定时。在一些实施例中，手动检测/确定AO峰值160，然而在其他实施例中，例如通过可穿戴设备100来自动检测/确定AO峰值160。由各种传感器信号生成不同实施例中的外部参考点，所述各种传感器信号诸如是ECG（例如R峰值检测）或声学信号。

在框232处，使用心动周期段生成SCG加速度模板。最初，心动周期段被插值为单位长度，并且算术平均被聚集以提供平均心动周期段。平均心动周期段包括用于可穿戴健康设备100的加速度计的两个或更多个、优选地三个轴的所有数据。

然后旋转平均心动周期段，以标识三维空间中所选参考点在相关联的轴（典型地是x轴或z轴）中的最大值处的定向。在各种实施例中，用于生成旋转矩阵的平均心动周期段的旋转是通过像Nelder-Mead算法那样的数值方法来完成的。

在一些实施例中，通过将传感器数据从笛卡尔坐标系变换到极坐标系中（将数据从x/y/z轴变换成幅度/角度表示）来估计最佳旋转矩阵。一个这样的实施例在如下PCT申请中被更详细地描述：与此同一天提交并且题为“Wearable Health Device System WithAutomatic Referencing of Seismocardiography Signals”的序列号为[ATTY文件编号 1576-2271PCT]的PCT申请。在一个实施例中，基于这些角度值，处理器108使用欧拉角公约来计算旋转矩阵。

在任何情况下，生成（框234处）并且存储SCG旋转矩阵。在一些实施例中结合传感器轴旋转数据的SCG旋转矩阵存储在存储器106中。在一些实施例中，为给定的数据集生成多于一个旋转矩阵，以便针对不同的参考点对标准化数据进行优化。在一些实施例中，旋转矩阵存储在远程存储器中，并且应用于从可穿戴传感器设备100接收的数据，所述远程存储器诸如是与计算设备114、网络116或服务器118相关联的存储器。

然后，在框236处，可穿戴健康设备100被用于收集SCG加速度数据。SCG加速度数据是使用用于获得SCG模板数据的至少一个或多个传感器获取的SCG数据。在一些实施例中，在框228之前，或者在包括框226之前的任何其他期望的时间，完成SCG加速度数据的收集。SCG加速度数据存储在存储器106中，或者实时或接近实时地传输到计算设备114、网络116或服务器118中的一个或多个。SCG加速度数据典型地包括与SCG模板数据相比实质上更大量的数据，并且可以包括SCG模板数据。

在框238处，可选地包括传感器轴旋转的SCG旋转矩阵被应用于收集的SCG加速度数据，以生成标准化的SCG加速度数据。在一些实施例中，在存储数据之前应用SCG旋转矩阵、以及可选地传感器轴旋转。在一些实施例中，标准化的SCG加速度数据与其他标准化的SCG加速度数据一起被提供在数据库中。因为数据已经被标准化，由于计及了传感器放置误差（加速度计的定向）和主体之间的解剖变异（主动脉弓的定向），因此可以进行更准确的比较。标准化方法是通用的，并且可以在不同的应用中使用。

此外，在一些实施例中，标准化的SCG数据用于估计诸如主动脉弓之类的某些解剖结构的定位和定向。具体地，基于生成的SCG加速度模板计算旋转向量。旋转向量指向解剖参考点的位置。因此，通过使用MFA作为所选参考点来生成SCG加速度模板，峰值的旋转向量指向主动脉弓。如果传感器在胸部上的定位和定向是已知的，则可以估计解剖参考结构的定向。通过获取在不同胸部定位处的SCG数据，可以进一步改进该程序的准确性。

因此，所公开的方法可以进一步用于估计解剖结构（例如主动脉弓）的定向。与昂贵的成像技术（例如，MRT）形成对比，所公开的方法是便宜的，并且可以在医院环境外部执行。

因此，所公开的实施例提供了可以容易获得的SCG数据，同时增加了数据收集之间的比较精度。可以在不需要昂贵程序的情况下获得SCG数据。

此外，可以在主体从未去过健康提供者的情况下获得SCG数据。在传感器组装件中具有或不具有重力传感器的可穿戴健康设备可以在例如本地药房购买或以其他方式交付给主体。然后，主体或个体将该设备定位在主体的胸部上。可穿戴健康设备然后可选地如上所述确定重力轴，并且将该数据连同加速度数据一起存储。在规定的数据收集持续时间的结束处，可穿戴健康设备被移除并且被发送到远程设施，在那里执行图8的方法的期望的剩余步骤。

使用来自图7的SCG数据来验证前述过程。图10A描绘了来自图7的x轴数据144的0°旋转数据186。图10A进一步描绘了通过将双轴SCG旋转矩阵应用于0°旋转数据186而生成的双轴标准化SCG数据260。还描绘的是通过将三轴SCG旋转矩阵应用于0°旋转数据186而生成的三轴标准化SCG数据262。如从图10A证明的，原始0°旋转数据186相当准确，其指示可穿戴传感器设备100处于接近最佳的位置。

图10B描绘了来自图7的x轴数据144的45°旋转数据198。图10B进一步描绘了通过将双轴SCG旋转矩阵应用于-45°旋转数据198而生成的双轴标准化SCG数据264。还描绘的是通过将三轴SCG旋转矩阵应用于-45°旋转数据198而生成的三轴标准化SCG数据266。如从图10B证明的，原始-45°旋转数据198被SCG旋转矩阵显著修改，其指示可穿戴传感器设备100没有处于接近最佳的位置。图10B进一步示出了实际峰值不仅更大，而且还沿着轴在时间上移位了大约20 ms。

上述系统和方法减少了当单个主体在频繁手动附接和拆卸传感器设置的情况下执行多个SCG测量时出现的SCG数据的主体内变异性。该场景中的SCG数据不利地受到传感器设置的放置误差所影响（设置的定位和定向将不是每次都相同）。

所公开的系统和方法进一步减少了当跨多个主体获取SCG数据时出现的SCG数据的主体间变异性。在该场景中，由于主体之间的解剖差异以及在各种主体上放置的差异，SCG数据具有高的变异性。

因此，所公开的实施例对于许多不同的用例是有用的。示例包括对肌张力亢进患者的长期监测、睡眠监测和对具有心血管疾病主体的监测。此外，不同主体之间的比较得到改进，并且可以使用自动化评估系统。

虽然已经参考各种实施例描述了本公开，但是将理解到，这些实施例是说明性的，并且本公开的范围不限于这些实施例。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。在本公开的各种实施例中，功能可以不同地在框中被分离或组合，或者用不同的术语被描述。这些和其他变型、修改、添加和改进可以落入如随后权利要求书中限定的本公开的范围内。

Claims (20)

1. 一种可穿戴健康设备系统，包括：

外壳，其被配置为由主体穿戴

传感器组装件，其由所述外壳支撑，并且包括被配置为感测沿着第一轴的加速度的第一加速度计以及被配置为感测沿着不平行于第一轴的第二轴的加速度的第二加速度计；

存储器，其包括存储在其中的程序指令；以及

处理器，其可操作地连接到传感器组装件和存储器，处理器被配置为执行程序指令以

从第一和第二加速度计获得心脏振动描记（SCG）数据，

将获得的SCG数据划分成至少一个心动周期段，使用所述至少一个心动周期段生成SCG加速度模板，

使用生成的SCG加速度模板生成SCG旋转矩阵，

从第一加速度计和第二加速度计获得SCG加速度数据，

通过将生成的SCG旋转矩阵应用于获得的SCG加速度数据来生成标准化的SCG加速度数据，以及

存储标准化的SCG加速度数据。

2.根据权利要求1所述的可穿戴健康设备系统，其中：

所述传感器组装件进一步包括第三加速度计，第三加速度计被配置为感测沿着第三轴的加速度；

第三轴不平行于第一轴或第二轴；并且

处理器进一步被配置为执行程序指令，以

从第三加速度计获得SCG模板数据，以及

从第三加速度计获得SCG加速度数据。

3.根据权利要求2所述的可穿戴健康设备系统，其中：

处理器被配置为执行程序指令，以通过在二十秒之内以250 Hz速率从第一、第二和第三加速度计获得SCG数据来从第一、第二和第三加速度计获得SCG模板数据；

处理器被配置为执行程序指令，以使用检测到的主动脉瓣打开峰值和最大力主动脉（MFA）峰值中的至少一个作为参考点，将获得的SCG模板数据划分成所述至少一个心动周期段；并且

处理器被配置为执行程序指令，以使用Nelder-Mead算法来生成SCG旋转矩阵。

4.根据权利要求1所述的可穿戴健康设备系统，其中，处理器被配置为执行程序指令，以使用检测到的主动脉瓣打开峰值和最大力主动脉（MFA）峰值中的至少一个作为参考点，将获得的SCG模板数据划分成所述至少一个心动周期段。

5. 根据权利要求1所述的可穿戴健康设备系统，其中：

处理器被配置为执行程序指令，以使用MFA峰值作为参考点将获得的SCG模板数据划分成所述至少一个心动周期段；并且

处理器进一步被配置为执行程序指令，以基于生成的SCG旋转矩阵来估计主动脉弓的位置。

6.根据权利要求1所述的可穿戴健康设备系统，其中，处理器被配置为执行程序指令，以使用心电图（ECG）数据作为参考点，将获得的SCG模板数据划分成所述至少一个心动周期段。

7.根据权利要求6所述的可穿戴健康设备系统，其中，所述传感器组装件包括被配置为生成ECG数据的ECG传感器。

8.根据权利要求1所述的可穿戴健康设备系统，其中，处理器被配置为执行程序指令，以使用Nelder-Mead算法生成SCG旋转矩阵。

9.根据权利要求1所述的可穿戴健康设备系统，其中，处理器被配置为执行程序指令，以使用欧拉角公约来生成SCG旋转矩阵。

10. 根据权利要求1所述的可穿戴健康设备系统，其中，处理器被配置为执行程序指令，以通过在二十秒之内以250 Hz速率从第一和第二加速度计获得SCG数据，来从第一和第二加速度计获得SCG模板数据。

11.一种使利用可穿戴健康设备系统获得的心脏振动描记（SCG）数据标准化的方法，包括：

将可穿戴健康设备定位在主体的胸部上；

通过利用处理器对存储在存储器中的程序指令进行执行，从由可穿戴健康设备的外壳支撑的传感器组装件的第一和第二加速度计获得SCG模板数据，其中第一加速度计被配置为感测沿着第一轴的加速度，并且第二加速度计被配置为感测沿着不平行于第一轴的第二轴的加速度；

利用处理器将获得的SCG模板数据划分成至少一个心动周期段；

利用处理器，使用所述至少一个心动周期段生成SCG加速度模板；

利用处理器使用生成的SCG加速度模板生成SCG旋转矩阵；

利用处理器从第一加速度计和第二加速度计获得SCG加速度数据；

通过将生成的SCG旋转矩阵应用于获得的SCG加速度数据来生成标准化的SCG加速度数据；以及

将标准化的SCG加速度数据存储在存储器中。

12. 根据权利要求11所述的方法，进一步包括：

通过利用处理器对存储在存储器中的程序指令进行执行，从传感器组装件的第三加速度计获得SCG模板数据，其中第三加速度计被配置为感测沿着第三轴的加速度，并且第三轴不平行于第一轴或第二轴；以及

利用处理器从第三加速度计获得SCG加速度数据。

13.根据权利要求12所述的方法，其中：

获得SCG模板数据包括在二十秒之内以250 Hz速率从第一、第二和第三加速度计获得SCG数据；

利用处理器将获得的SCG模板数据划分成至少一个心动周期段包括使用检测到的主动脉瓣打开峰值和最大力主动脉（MFA）峰值中的至少一个作为参考点将获得的SCG模板数据划分成所述至少一个心动周期段；以及

利用处理器生成SCG旋转矩阵包括使用Nelder-Mead算法生成SCG旋转矩阵。

14.根据权利要求11所述的方法，其中利用处理器将获得的SCG模板数据划分成至少一个心动周期段包括使用检测到的主动脉瓣打开峰值和最大力主动脉（MFA）峰值中的至少一个作为参考点将获得的SCG模板数据划分成所述至少一个心动周期段。

15.根据权利要求11所述的方法，其中：

利用处理器将获得的SCG模板数据划分成至少一个心动周期段包括使用MFA峰值作为参考点将获得的SCG模板数据划分成所述至少一个心动周期段，所述方法进一步包括：

基于生成的SCG旋转矩阵，利用处理器估计主动脉弓的位置。

16.根据权利要求11所述的方法，其中利用处理器将获得的SCG模板数据划分成至少一个心动周期段包括使用心电图（ECG）数据作为参考点将获得的SCG模板数据划分成所述至少一个心动周期段。

17.根据权利要求16所述的方法，进一步包括：

利用传感器组装件中的和ECG传感器生成ECG数据。

18.根据权利要求11所述的方法，其中，利用处理器生成SCG旋转矩阵包括使用Nelder-Mead算法生成SCG旋转矩阵。

19.根据权利要求11所述的方法，其中，利用处理器生成SCG旋转矩阵包括使用欧拉角公约生成SCG旋转矩阵。

20. 根据权利要求11所述的方法，其中，获得SCG模板数据包括在二十秒之内以250 Hz速率从第一和第二加速度计获得SCG数据。