CN111770722B - 具有心脏振动描记信号的自动参考的可穿戴健康设备系统 - Google Patents
具有心脏振动描记信号的自动参考的可穿戴健康设备系统 Download PDFInfo
- Publication number
- CN111770722B CN111770722B CN201980015460.2A CN201980015460A CN111770722B CN 111770722 B CN111770722 B CN 111770722B CN 201980015460 A CN201980015460 A CN 201980015460A CN 111770722 B CN111770722 B CN 111770722B
- Authority
- CN
- China
- Prior art keywords
- scg
- template data
- data
- processor
- cardiac event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 82
- 230000000747 cardiac effect Effects 0.000 claims abstract description 108
- 230000001133 acceleration Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 70
- 238000001514 detection method Methods 0.000 claims description 14
- 210000001765 aortic valve Anatomy 0.000 claims description 6
- 210000001367 artery Anatomy 0.000 claims description 5
- 230000008569 process Effects 0.000 description 30
- 230000000295 complement effect Effects 0.000 description 21
- 210000000038 chest Anatomy 0.000 description 13
- 230000005484 gravity Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 9
- 238000002565 electrocardiography Methods 0.000 description 7
- 210000003484 anatomy Anatomy 0.000 description 6
- 210000002376 aorta thoracic Anatomy 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000853 adhesive Substances 0.000 description 5
- 230000001070 adhesive effect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 230000009084 cardiovascular function Effects 0.000 description 3
- 238000011156 evaluation Methods 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
- 238000007792 addition Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000002555 auscultation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000004115 mitral valve Anatomy 0.000 description 2
- 210000001562 sternum Anatomy 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 208000035211 Heart Murmurs Diseases 0.000 description 1
- 208000002038 Muscle Hypertonia Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036996 cardiovascular health Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—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
-
- 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
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- 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
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
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,并且通过将SCG模板数据转换成极坐标SCG模板数据或球面坐标SCG模板数据将获得的SCG模板数据划分成至少一个心动周期段。使用经转换的SCG模板数据标识SCG模板数据中的至少一个参考心动事件,并且基于参考心动事件将SCG模板数据划分成至少一个心动周期段。
Description
本申请要求于2018年2月27日提交的序列号为62/635,824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心脏振动描记(seismocardiography)信号的自动参考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。
为了解决上面讨论的变异性问题,以及对所获得的SCG数据进行评定,标识数据内的心动周期是有益的。虽然这可以手动完成,但是这样的标识是繁重的,尤其是当要评定大量数据时。
因此,如果可以自动参考来自SCG传感器设备的输出以允许标识数据内的心动周期,则将是有益的。
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,并且通过将SCG模板数据转换成极坐标SCG模板数据或球面坐标SCG模板数据将获得的SCG模板数据划分成至少一个心动周期段。使用经转换的SCG模板数据标识SCG模板数据中的至少一个参考心动事件,并且基于参考心动事件将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,处理器被配置为执行程序指令,以通过标识经转换的SCG模板数据中的第一径向幅度并将第一径向幅度与阈值幅度进行比较,来使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件。处理器进一步被配置为基于第一径向幅度与阈值幅度的比较来确定第一心动事件已经发生。
在一个或多个实施例中,处理器被配置为执行程序指令,以将SCG模板数据转换成球面坐标SCG模板数据,所述球面坐标SCG模板数据包括第一径向幅度、第一径向幅度与z轴之间的第一极角()以及第一径向幅度与x轴之间的第一方位角(/>)。使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括当 />且/> 时将第一心动事件标识为主动脉瓣打开(AO)事件。
在一个或多个实施例中,处理器进一步被配置为执行程序指令,以通过基于将第二径向幅度与阈值幅度进行比较来确定第二心动事件已经发生,从而使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件。另外,处理器被配置为执行程序指令以将SCG模板数据转换成球面SCG模板数据,所述球面SCG模板数据包括第二径向幅度、第二径向幅度与z轴之间的第二极角()以及第二径向幅度与x轴之间的第二方位角(/>)。在这些实施例中,使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括当/>且/>时,将第二心动事件标识为最大力主动脉(MFA)事件。
在一个或多个实施例中,处理器进一步被配置为执行程序指令,以通过将与/>进行比较,并且当/>时将第一心动事件标识为AO事件并且将第二心动事件标识为MFA事件,来使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件。
在一个或多个实施例中,处理器进一步被配置为执行程序指令,以通过确定第一径向幅度的检测与第二径向幅度的检测之间的时间差异,并且将时间差异与时间限制进行比较,来使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件。当时间差异在时间限制内时,标识所述至少一个参考心动事件。
在一个或多个实施例中,处理器被配置为执行程序指令,以将SCG模板数据转换成极坐标SCG模板数据,所述极坐标SCG模板数据包括第一径向幅度和基于第一径向幅度与z轴之间的极角的第一角度。另外,处理器被配置为执行程序指令,以将SCG模板数据转换成极坐标SCG模板数据,所述极坐标SCG模板数据包括第二径向幅度和基于第二径向幅度与z轴之间的极角的第二角度。在这些实施例中,当(第一角度-第二角度)/>时,使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件。
在一个或多个实施例中,处理器进一步被配置为执行程序指令,以通过基于当经转换的SCG模板数据中的第二径向幅度紧接在第一径向幅度之后时将第二径向幅度与阈值幅度进行比较来确定第二心动事件已经发生,从而使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件。
在一个或多个实施例中,所述系统进一步包括至少一个滤波器,并且所获得的SCG模板数据在转换为极坐标SCG模板数据之前通过所述至少一个滤波器进行滤波。
在一个实施例中,一种参考由可穿戴健康设备系统获得的SCG数据的方法开始于将可穿戴健康设备定位在主体的胸部上,并且通过利用处理器执行存储在存储器中的程序指令,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。SCG模板数据被转换成极坐标SCG模板数据和球面坐标SCG模板数据之一,并且使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件。所标识的参考点用于将所获得的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,使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括利用处理器标识经转换的SCG模板数据中的第一径向幅度,然后将该第一径向幅度与阈值幅度进行比较。处理器基于第一径向幅度与阈值幅度的比较来确定第一心动事件已经发生。
在一个或多个实施例中,利用处理器将SCG模板数据转换成极坐标SCG模板数据和球面坐标SCG模板数据之一包括将SCG模板数据转换成球面坐标SCG模板数据,所述球面坐标SCG模板数据包括第一径向幅度、第一径向幅度与z轴之间的第一极角()以及第一径向幅度与x轴之间的第一方位角(/>)。当/>且/> 时,由处理器将所获得的SCG模板数据中的至少一个参考心动事件标识为主动脉瓣打开(AO)事件。
在一个或多个实施例中,使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括基于将第二径向幅度与阈值幅度进行比较来确定第二心动事件已经发生。在这些实施例中,将SCG模板数据转换成球面坐标SCG模板数据包括将SCG模板数据转换成球面坐标SCG模板数据,所述球面坐标SCG模板数据包括第二径向幅度、第二径向幅度与z轴之间的第二极角()以及第二径向幅度与x轴之间的第二方位角(/>)。当且/>时,将所获得的SCG模板数据中的至少一个参考心动事件标识为最大力主动脉(MFA)事件。
在一个或多个实施例中,使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件进一步包括利用处理器将与/>进行比较,并且当时将第一心动事件标识为AO事件并且将第二心动事件标识为MFA事件。
在一个或多个实施例中,使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件进一步包括利用处理器确定第一径向幅度的检测与第二径向幅度的检测之间的时间差异,并且利用处理器将时间差异与存储在存储器中的时间限制进行比较。当时间差异在时间限制内时,标识所述至少一个参考心动事件。
在一个或多个实施例中,所述方法包括将SCG模板数据转换成极坐标SCG模板数据,所述极坐标SCG模板数据包括第一径向幅度和基于第一径向幅度与z轴之间的极角的第一角度。所述方法进一步包括将SCG模板数据转换成极坐标SCG模板数据,所述极坐标SCG模板数据包括第二径向幅度和基于第二径向幅度与z轴之间的极角的第二角度。当(第 一角度-第二角度)/>时,处理器标识所获得的SCG模板数据中的至少一个参考心动事件。
在一个或多个实施例中,第二心动事件已经发生的确定是基于当经转换的SCG模板数据中的第二径向幅度紧接在第一径向幅度之后时将第二径向幅度与阈值幅度进行比较。
在一个或多个实施例中,所述方法包括在利用处理器将所获得的SCG模板数据转换成极坐标SCG模板数据之前,利用至少一个滤波器对所述SCG模板数据进行滤波。
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10描绘了参考点标识器电路的示意图,其在一个实施例中被提供在图1的处理器中;
图11描绘了由图1的处理器执行的过程,该过程使用图10的参考点电路来自动标识已经被转换到球面坐标系的SCG数据中的参考点;
图12描绘了在图11的过程期间通过图1的过程将SCG数据转换成的球面坐标系的图;
图13描绘了在图11的过程的执行期间,在一些实施例中由处理器执行的子过程或例程;
图14描绘了提供给图10的电路的经滤波的x轴加速度计数据和经滤波的z轴加速度计数据的图;
图15描绘了当将数据转换到极坐标系时,基于图14的滤波数据生成的峰值;
图16描绘了与来自图14的转换数据的极角互补的计算角度;
图17描绘了来自图14的转换数据的计算极角;和
图18描绘了由图1的处理器执行的过程,该过程使用图10的参考点电路来自动标识已经被转换到极坐标系的SCG数据中的参考点。
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 NormalizedSeismocardiography Signals”、要求题为“Compensation Method and System ofSeismocardiography Signals for Wearable Health Devices”的序列号为62/635,183的美国申请的优先权的序列号为[ATTY文件编号1576-2270PCT]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,除了另有明确说明,否则常规参照系以及本文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。
贴片可穿戴健康设备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)。SGC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轴的数据,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SCG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。当获取最初数据时,主体将坐着、站着,或者躺下。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心动事件,在本文中称为“参考点”。如下面更详细讨论的,参考点由可穿戴健康设备100使用一个或多个特性SCG点来自动标识。
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。在一些实施例中,出于各种目的,针对相同的SCG数据使用两次或更多次旋转。通过将传感器数据从笛卡尔坐标系变换成极坐标系(将数据从x/y/z轴变换成幅度/角度表示)来完成用于生成旋转矩阵的平均心动周期段的旋转,如下面更详细讨论的。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(Euler anglesconvention)来计算旋转矩阵。
生成(框234)并且存储基于旋转矩阵的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,SCG旋转矩阵以及可选地传感器轴旋转被应用于收集的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。
如上面指出的,在将模板数据划分成心动周期段中使用的一个或多个参考点由可穿戴健康设备100自动标识,如参考图10所讨论的。图10描绘了参考点标识器电路268,其中来自传感器组装件112的x轴、y轴和z轴SCG数据分别通过滤波器270、272和274被传递。在一些实施例中被结合在传感器组装件112内的滤波器270、272和274以任何期望的方式被配置。典型地,高通或带通滤波器被结合以减少带宽并减少重力向量干扰。在一些实施例中,输入信号是附加的/可替代的低通或带通滤波器,其用于减少噪声并减少重力向量干扰,从而改进准确性。
然后,优选滤波的信号和定时数据被传递到处理器108,处理器108包括坐标系转换器模块276、事件检测器模块278、原点检测器模块280和事件标识器模块282。在一些实施例中,坐标系转换器模块276、事件检测器模块278、原点检测器模块280和事件标识器模块282与处理器108分离地提供。参考图11的过程300进一步解释参考点标识器电路268的操作。
在图11中,过程300开始于使用两个或更多个滤波器(诸如滤波器270、272和274),对来自用于获得加速度数据的一个或多个传感器120、122、124、126的SCG数据进行滤波(框302)。然后,经滤波的SCG数据被传递到坐标系转换器模块276,该坐标系转换器模块276将SCG数据转换到极坐标系或球面坐标系(框304)。更具体地,坐标系转换器模块276将笛卡尔坐标(x,y,z)转换到极坐标(当仅提供两个轴时为二维)或球面坐标(当使用三个轴时为三维)。在一个实施例中,根据国际标准化组织(ISO)物理公约,通过处理器108执行存储器106中的程序指令来完成从笛卡尔坐标到球面坐标的转换,这参考图12进行描述。
图12描绘了x轴330、y轴332和z轴334,它们在一个实施例中对应于可穿戴健康设备100感测的三个轴。因此,x-y平面表示主体130的胸部。来自传感器组装件中的3D加速度计的(x,y,z)SCG数据对点336进行标识。该点也在球面坐标系中由半径(r) 338和两个角度(340)和/>(342)限定。角度/>(340)是标识z轴与幅度或半径338之间的角度的极角。角度(342)是标识幅度或半径338的x轴和y轴坐标与x轴之间的角度的方位角。半径(r)338是基于以下等式使用笛卡尔坐标(x,y,z)计算的:
。
角度340与角度342的计算因此根据以下等式:
因此,处理器108/坐标系转换器模块276将笛卡尔坐标(x,y,z)转换到球面坐标(r,,/>)。
回到图11,半径(r)338被传递到事件检测器278,该事件检测器278将半径(r)338的幅度与预定阈值进行比较(框306)。如果半径(r)338的幅度不满足阈值,则过程回到框302,并且接收下一个SCG数据。如果半径(r)338的幅度超过(或在一些实施例中满足)阈值,则向事件标识器282通知事件的发生和时间(框308),并且评估来自原点检测器280的输入以标识事件。
特别地,原点检测器280从坐标系转换器模块276接收角度(340)和/>(342)。原点检测器模块282将接收的角度/>(340)和/>(342)与存储在存储器106中的值进行比较,以通过将SCG数据与已知关系进行比较来确定接收的角度/>(340)和/>(342)是否可以与SCG参考点相关联。例如,在AO事件的情况下,在通过滤波器270、272和274的重力减少之后,且/>。对于MFA事件,在通过滤波器270、272和274的重力减少之后,/>且。此外,AO和MFA在角度/>(342)中分离大约90°。/>
如上面讨论的,SCG数据受主体上的可穿戴健康设备的定位和定向影响。因此,原点检测器模块282将典型地在评定角度(340)和/>(342)中结合误差范围。在一个实施例中,误差范围被选择为高达20°,以计及定位误差,同时最小化潜在的标识误差。因此,如果在通过滤波器270、272和274的重力减少之后/>且/>,则原点检测器模块282指示AO事件(框310)。事件标识器模块282然后将事件标识为AO事件(框312),并且过程回到框302。
如果在框310处,不满足针对AO事件的角度要求,则过程200继续到框314,并且如果在通过滤波器270、272和274的重力减少之后且/>,则原点检测器模块282指示MFA事件。事件标识器模块282然后将事件标识为MFA事件(框316),并且过程回到框302。如果在框314处,不满足针对MFA事件的角度要求,则过程200继续到框302。
基于要使用的一个或多个特定参考点来修改过程300。此外,可以进一步评估SCG数据,以提供检测到的事件是标识的事件的更高确定性。作为示例,如上面指出的,AO和MFA在角度中分离大约90°。此外,如图7中所描绘的,OA峰值202、204、206和208在MFA峰值194、196、198和200之前。因此,在一些实施例中,过程300进一步包括图13的子过程318的部分或全部。
在子过程318中,每次在框312处标识到AO事件时,在过程回到框302之前,在框320处重置并启动事件定时器。另外,每次在框316处标识出MFA事件时,在框322处检查事件定时器,尽管在一些实施例中省略了检查定时器。如果事件定时器不在与AO和MFA峰值的定时相关联的限制内,则过程回到框302。如果事件定时器在与AO和MFA峰值的定时相关联的限制内(典型地大约100 ms加上/减去误差范围,在一些实施例中误差范围是20 ms),则过程继续到框324。
在框324处,将AO事件的角度的值和MFA的角度/>的值求和,以验证总和大约为90°。框324示出了在过程300中使用的+/-20°范围的结合,该+/-20°范围也结合到子过程318中。如果AO和MFA在角度/>中没有分离大约90°,则过程回到框302。如果AO和MFA在角度中分离大约90°,则事件被验证为AO和MFA事件(框326)。因此,事件中的一个或二者然后被用作在分析SCG数据中的参考点。
此外,由于在经滤波的SCG数据中已经标识了MFA和AO峰值,于是可以简单地通过相对于与所标识的一个或多个参考点相关联的最大值或最小值分析信号的定时、最大值和最小值来自动标识未滤波的SCG数据中的任何其他特征。因此,可穿戴健康设备100可以自动将SCG数据分割成心动周期段。例如,一旦图3的数据中的AO峰值160被标识为参考点,就可以基于与AO峰值160的已知相对关系来确定图3的剩余最大值和最小值。替代地,可以使用以上述方式被标识为参考点的后续AO峰值来分割数据。
虽然过程300是参考球面系来解释的,但是在一些实施例中,过程300是在极系中实践的。另外,在一些实施例中,通过以下方式将坐标系降低到用于分析的平面系统:将该坐标系设置为用于事件标识(例如,AO标识)的z-x平面,其中将角度用作事件标识器并将角度/>设置在零。因此,仅仅角度/>(/>)中的定时和差异被用来标识AO/MFA对。此外,因为仅使用角度/>之间的差异,所以在一些实施例中使用与角度/>互补的角度。/>
作为示例,图14描绘了经滤波的x轴SCG数据350和经滤波的z轴SCG数据352。在图14中,峰值354是MFA峰值,而峰值356是AO峰值。图14的经滤波的SCG数据的合成向量的幅度是以与上面针对球面坐标讨论的相同的方式、仅使用导致图15的幅度数据358的x轴和z轴数据来计算的。经滤波的SCG数据导致四个峰值360、362、364和366。图16描绘了针对图14的经滤波的SCG数据的与(arctan (z/x))互补的计算角度,而图17描绘了角度/>(arctan(x/z))。
在一个实施例中,处理器106根据图18的过程370分析图15-17的数据。在框372处,使用两个或更多个滤波器(诸如滤波器270、272和274),对来自用于获得加速度数据的一个或多个传感器120、122、124、126的SCG数据进行滤波。然后,经滤波的SCG数据和定时数据被传递到将SCG数据转换到极坐标系(框374)的处理器108/坐标系转换器模块276。这类似于图11的过程转换数据的方式。然而,由于仅分析了两个轴,因此半径(r) 338是基于以下等式使用笛卡尔坐标(x,z)计算的:
。
角度342的计算是不必要的,这是因为由于没有使用y轴数据而将角度342设置为“0”。角度340和/或其互补角度根据以下等式计算:
与 互补的角度=/>
因此,处理器108/坐标系转换器模块276将笛卡尔坐标(x,z)转换到极坐标(r,)或互补角度。
回到图18,半径(r)338被传递到事件检测器278,该事件检测器278将半径(r) 338的幅度与预定阈值进行比较(框376)。如果半径(r)338的幅度不满足阈值,则过程回到框372,并且接收下一个SCG数据。如果半径(r)338的幅度超过(或在一些实施例中满足)阈值,则向事件标识器282通知事件的发生,并且从原点检测器280获得计算的角度340或其互补角度(框378)。
在框380处,事件标识器282将与通知事件()相关联的角度添加到来自先前存储的事件(/>)的角度,并且确定总和是否为/>。如果角度总和为/>,则在框382处,通知事件被标识为MFA事件,并且先前存储的事件被标识为AO事件。过程370然后在框372处继续。
如果在框380处,角度总和不是,则在框384处,先前存储的事件被丢弃,并且来自框376的通知事件被存储为新的先前存储的事件,其中,其角度被指定为“/>”。该过程然后在框372处继续。
将过程370应用于图15-17,同时最初分析与互补的角度,在利用事件检测器模块278检测到峰值360时,事件标识器模块282询问原点检测器模块280,原点检测器模块280确定在事件发生时与/>互补的角度近似为-90°(见图16)。对于该示例,存储了与峰值360的/>互补的角度值和峰值360的时间。/>
在利用事件检测器模块278检测到峰值362时,事件标识器模块282询问原点检测器模块280,原点检测器模块280确定在事件发生时与互补的角度近似为78°(见图16)。这导致与同峰值360的/>互补的角度的存储值的差异,该差异大于/>范围。因此,丢弃与峰值360的/>互补的角度值和峰值360的时间,并且存储与峰值362的/>互补的角度值和峰值362的时间。
在利用事件检测器模块278检测到峰值364时,事件标识器模块282询问原点检测器模块280,原点检测器模块280确定在事件发生时与互补的角度为-82°。这导致与同峰值362的/>互补的角度的存储值的差异,该差异大于/>范围。因此,丢弃与峰值362的/>互补的角度值和峰值362的时间,并且存储与峰值364的/>互补的角度值和峰值364的时间。
在利用事件检测器模块278检测到峰值366时,事件标识器模块282询问原点检测器模块280,原点检测器模块280确定在事件发生时与互补的角度为1°。这导致与峰值364的/>互补的角度的存储值的差异,该差异在/>范围内。因此,与峰值364的/>互补的角度值和峰值364的时间与AO事件相关联,而与峰值366的/>互补的角度和峰值366的时间与MFA事件相关联。
由于前三个峰值具有大约为-1°、12°和-7°的值,而峰值366具有大约为90°的值,因此使用角度而不是与/>互补的角度提供相同的结果。因此,仅仅与峰值364和366相关联的值具有在/>的范围中的总和。
在不同实施例中描述的系统因此结合了极坐标和球面坐标。该坐标系自动将极坐标系或球面坐标系内的经滤波的SCG数据中的峰值与例如AO事件和/或MFA事件相关联。一个或多个峰值与SCG数据中的最大值相关联,以标识SCG数据中的AO事件和/或MFA事件,从而为心动周期段提供参考点。这允许可穿戴健康设备100自主(即,自动)将利用可穿戴健康设备100获得的SCG数据分割成心动周期段。
上述系统和方法自动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)。
所公开的自动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。
因此,所公开的实施例提供了可以容易且自动获得的SCG数据,同时增加了数据收集之间的比较精度。可以在不需要昂贵的过程的情况下获得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。
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 (18)
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;
包括存储在其中的程序指令的存储器;和
可操作地连接到传感器组装件和存储器的处理器,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)模板数据,
将SCG模板数据转换成极坐标SCG模板数据和球面坐标SCG模板数据之一,
使用经转换的SCG数据标识所获得的SCG数据中的至少一个参考心动事件,以及
基于参考心动事件,将所获得的SCG数据划分成至少一个心动周期段。
2.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,以通过以下方式使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件:
标识经转换的SCG模板数据中的第一径向幅度;
将第一径向幅度与阈值幅度进行比较;以及
基于第一径向幅度与阈值幅度的比较来确定第一心动事件已经发生。
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,以将SCG模板数据转换成球面坐标SCG数据,所述球面坐标SCG数据包括第一径向幅度、第一径向幅度与z轴之间的第一极角( )以及第一径向幅度与x轴之间的第一方位角(/>),其中当主体穿戴外壳时,z轴延伸穿过主体;并且
使用经转换的SCG数据标识所获得的SCG模板数据中的至少一个参考心动事件包括当且/> 时将第一心动事件标识为主动脉瓣打开(AO)事件。
4.根据权利要求3所述的可穿戴健康设备系统,其中:
处理器进一步被配置为执行程序指令,以通过基于将第二径向幅度与阈值幅度进行比较来确定第二心动事件已经发生,来使用经转换的SCG数据标识所获得的SCG数据中的至少一个参考心动事件;
处理器被配置为执行程序指令,以将SCG数据转换成球面SCG数据,所述球面SCG数据包括第二径向幅度、第二径向幅度与z轴之间的第二极角()以及第二径向幅度与x轴之间的第二方位角(/>);并且
使用经转换的SCG数据标识所获得的SCG数据中的至少一个参考心动事件包括当且/>时,将第二心动事件标识为最大力主动脉(MFA)事件。
5.根据权利要求4所述的可穿戴健康设备系统,其中,处理器进一步被配置为执行程序指令,以通过以下方式使用经转换的SCG数据来标识所获得的SCG数据中的至少一个参考心动事件:
将与/>进行比较;和
当时将第一心动事件标识为AO事件并且将第二心动事件标识为MFA事件。
6.根据权利要求5所述的可穿戴健康设备系统,其中,处理器进一步被配置为执行程序指令,以通过以下方式使用经转换的SCG模板数据标识所获得的SCG数据中的至少一个参考心动事件:
确定第一径向幅度的检测与第二径向幅度的检测之间的时间差异;
将时间差异与时间限制进行比较;以及
当时间差异在时间限制内时,标识所述至少一个参考心动事件。
7.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,以将SCG数据转换成极坐标SCG数据,所述极坐标SCG数据包括第一径向幅度和基于第一径向幅度与z轴之间的极角的第一角度;
处理器被配置为执行程序指令,以将SCG数据转换成极坐标SCG数据,所述极坐标SCG数据包括第二径向幅度和基于第二径向幅度与z轴之间的极角的第二角度;
当主体穿戴外壳时,z轴延伸穿过主体;并且
使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括确定(第一角度-第二角度)/>。
8.根据权利要求7所述的可穿戴健康设备系统,其中:
处理器进一步被配置为执行程序指令,以通过基于将第二径向幅度与阈值幅度进行比较来确定第二心动事件已经发生,从而使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件;并且
经转换的SCG模板数据中的第二径向幅度紧接在第一径向幅度之后。
9.根据权利要求8所述的可穿戴健康设备系统,进一步包括:
至少一个滤波器,其中,所获得的SCG模板数据在转换成极坐标SCG模板数据之前通过所述至少一个滤波器进行滤波。
10.一种参考由可穿戴健康设备系统获得的心脏振动描记(SCG)数据的方法,包括:
将可穿戴健康设备定位在主体的胸部上;
通过利用处理器执行存储在存储器中的程序指令,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SCG模板数据转换成极坐标SCG模板数据和球面坐标SCG模板数据之一;
利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件;和
基于参考心动事件,将所获得的SCG模板数据划分成至少一个心动周期段。
11.根据权利要求10所述的方法,其中,利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括:
利用处理器标识经转换的SCG模板数据中的第一径向幅度;
利用处理器将第一径向幅度与阈值幅度进行比较;和
利用处理器基于第一径向幅度与阈值幅度的比较来确定第一心动事件已经发生。
12.根据权利要求11所述的方法,其中:
利用处理器将SCG模板数据转换成极坐标SCG模板数据和球面坐标SCG模板数据之一包括将SCG模板数据转换成球面坐标SCG模板数据,所述球面坐标SCG模板数据包括第一径向幅度、第一径向幅度与z轴之间的第一极角()以及第一径向幅度与x轴之间的第一方位角(/>),其中当主体穿戴外壳时,z轴延伸穿过主体;并且
利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括当且/> 时将第一心动事件标识为主动脉瓣打开(AO)事件。
13.根据权利要求12所述的方法,其中:
利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括基于将第二径向幅度与阈值幅度进行比较来确定第二心动事件已经发生;
将SCG模板数据转换成球面坐标SCG模板数据包括将SCG模板数据转换成球面坐标SCG模板数据,所述球面坐标SCG模板数据包括第二径向幅度、第二径向幅度与z轴之间的第二极角()以及第二径向幅度与x轴之间的第二方位角(/>);并且
利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括当且/>时,将第二心动事件标识为最大力主动脉(MFA)事件。
14.根据权利要求13所述的方法,其中,利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件进一步包括:
利用处理器将与/>进行比较;以及
当时,利用处理器将第一心动事件标识为AO事件并且将第二心动事件标识为MFA事件。
15.根据权利要求14所述的方法,其中,利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件进一步包括:
利用处理器确定第一径向幅度的检测与第二径向幅度的检测之间的时间差异;
利用处理器将时间差异与存储在存储器中的时间限制进行比较;以及
当时间差异在时间限制内时,利用处理器标识所述至少一个参考心动事件。
16.根据权利要求11所述的方法,其中:
利用处理器将SCG模板数据转换成极坐标SCG模板数据和球面坐标SCG模板数据之一包括将SCG模板数据转换成极坐标SCG模板数据,所述极坐标SCG模板数据包括第一径向幅度和基于第一径向幅度与z轴之间的极角的第一角度;
利用处理器将SCG模板数据转换成极坐标SCG模板数据和球面坐标SCG模板数据之一包括将SCG模板数据转换成极坐标SCG模板数据,所述极坐标SCG模板数据包括第二径向幅度和基于第二径向幅度与z轴之间的极角的第二角度;
当主体穿戴外壳时,z轴延伸穿过主体;并且
利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括确定(第一角度-第二角度)/>。
17.根据权利要求16所述的方法,其中:
利用处理器使用经转换的SCG模板数据标识所获得的SCG模板数据中的至少一个参考心动事件包括基于将第二径向幅度与阈值幅度进行比较来确定第二心动事件已经发生;并且
经转换的SCG模板数据中的第二径向幅度紧接在第一径向幅度之后。
18.根据权利要求17所述的方法,进一步包括:
在利用处理器将所获得的SCG模板数据转换成极坐标SCG模板数据之前,利用至少一个滤波器对所述SCG模板数据进行滤波。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862635824P | 2018-02-27 | 2018-02-27 | |
US62/635824 | 2018-02-27 | ||
PCT/EP2019/054551 WO2019166359A1 (en) | 2018-02-27 | 2019-02-25 | Wearable health device system with automatic referencing of seismocardiography signals |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111770722A CN111770722A (zh) | 2020-10-13 |
CN111770722B true CN111770722B (zh) | 2024-01-02 |
Family
ID=65598621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980015460.2A Active CN111770722B (zh) | 2018-02-27 | 2019-02-25 | 具有心脏振动描记信号的自动参考的可穿戴健康设备系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210085249A1 (zh) |
CN (1) | CN111770722B (zh) |
DE (1) | DE112019000370T5 (zh) |
WO (1) | WO2019166359A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114259225B (zh) * | 2021-12-15 | 2024-03-15 | 中国电子科技南湖研究院 | 基于毫米波雷达的身份识别方法和系统 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6978184B1 (en) * | 2002-07-29 | 2005-12-20 | Marcus Frank I | Optimization method for cardiac resynchronization therapy |
CN101569526A (zh) * | 2009-04-20 | 2009-11-04 | 北京东鸿金洋科技发展有限公司 | 穿戴式低负荷睡眠记录装置 |
CN103313662A (zh) * | 2010-12-13 | 2013-09-18 | 阿克瑞克公司 | 指示冠状动脉疾病的风险的系统、听诊器和方法 |
CN104144636A (zh) * | 2012-03-01 | 2014-11-12 | 皇家飞利浦有限公司 | 处理表示生理节律的信号的方法 |
CN104349711A (zh) * | 2012-04-23 | 2015-02-11 | 图尔库大学 | 确定指示心脏功能障碍和异常的信息的方法和设备 |
CN104349713A (zh) * | 2012-04-23 | 2015-02-11 | 图尔库大学 | 确定指示心脏功能障碍和异常的信息的方法和设备 |
CN104428034A (zh) * | 2012-05-31 | 2015-03-18 | 佐尔医药公司 | 检测健康障碍的系统和方法 |
CN104951069A (zh) * | 2014-03-24 | 2015-09-30 | 三星电子株式会社 | 用于使用可穿戴传感器平台的生理测量的置信度指示 |
CN105392420A (zh) * | 2013-06-19 | 2016-03-09 | 图尔库大学 | 确定指示心脏功能障碍的信息的方法和设备 |
CN105431081A (zh) * | 2013-07-23 | 2016-03-23 | 美敦力公司 | 标识健康基质与不健康基质以从多极引线起搏 |
CN105453128A (zh) * | 2013-05-30 | 2016-03-30 | 阿特拉斯维拉伯斯公司 | 便携式计算设备以及对从其捕捉的个人数据的分析 |
CN105530866A (zh) * | 2013-09-13 | 2016-04-27 | 株式会社村田制作所 | 心脏监测系统 |
CN105765489A (zh) * | 2013-12-26 | 2016-07-13 | 英特尔公司 | 用于检测可穿戴无线设备上的传感器输入的技术 |
CN106028918A (zh) * | 2014-02-06 | 2016-10-12 | 索泰拉无线公司 | 用于生命体征的连续无创测量的身体佩带式系统 |
CN106971059A (zh) * | 2017-03-01 | 2017-07-21 | 福州云开智能科技有限公司 | 一种基于神经网络自适应健康监测的可穿戴设备 |
CN107004054A (zh) * | 2014-12-04 | 2017-08-01 | 皇家飞利浦有限公司 | 计算健康参数 |
CN106999106A (zh) * | 2014-12-02 | 2017-08-01 | 皇家飞利浦有限公司 | 用于使用可穿戴设备的测量结果生成健康数据的系统和方法 |
CN107072581A (zh) * | 2014-10-21 | 2017-08-18 | 美敦力公司 | 电刺激脉冲递送之后的心脏事件感测以及心律检测的恢复 |
CN107106054A (zh) * | 2014-09-08 | 2017-08-29 | 苹果公司 | 使用多功能腕戴式设备进行血压监测 |
CN107205657A (zh) * | 2015-01-23 | 2017-09-26 | 美敦力公司 | 心脏医疗设备中的房性心律失常事件检测 |
CN107223247A (zh) * | 2015-02-03 | 2017-09-29 | 皇家飞利浦有限公司 | 用于获得多个健康参数的方法、系统和可穿戴装置 |
CN107257653A (zh) * | 2015-02-26 | 2017-10-17 | 皇家飞利浦有限公司 | 用于处理用在对对象的生命体征进行监测中的加速度计信号的处理设备、系统和方法 |
CN107405080A (zh) * | 2015-03-09 | 2017-11-28 | 皇家飞利浦有限公司 | 利用可穿戴设备远程地监测用户的健康的系统、设备和方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8140154B2 (en) * | 2007-06-13 | 2012-03-20 | Zoll Medical Corporation | Wearable medical treatment device |
US8790264B2 (en) * | 2010-05-27 | 2014-07-29 | Biomedical Acoustics Research Company | Vibro-acoustic detection of cardiac conditions |
US8700137B2 (en) * | 2012-08-30 | 2014-04-15 | Alivecor, Inc. | Cardiac performance monitoring system for use with mobile communications devices |
US20150038856A1 (en) * | 2011-05-03 | 2015-02-05 | Heart Force Medical Inc | Method and apparatus for estimating myocardial contractility using precordial vibration |
WO2013096954A1 (en) * | 2011-12-23 | 2013-06-27 | The Trustees Of Dartmouth College | Wearable computing device for secure control of physiological sensors and medical devices, with secure storage of medical records, and bioimpedance biometric |
US20130338460A1 (en) * | 2012-06-18 | 2013-12-19 | David Da He | Wearable Device for Continuous Cardiac Monitoring |
RU2012127581A (ru) * | 2012-07-02 | 2014-01-10 | ЭлЭсАй Корпорейшн | Генератор исходного кода для разработки и тестирования программного обеспечения для многопроцессорных сред |
RU2012127578A (ru) * | 2012-07-02 | 2014-01-10 | ЭлЭсАй Корпорейшн | Анализатор применимости программного модуля для разработки и тестирования программного обеспечения для многопроцессорных сред |
US10898075B2 (en) * | 2014-04-25 | 2021-01-26 | Halo Wearables, Llc | Wearable stress-testing device |
US10449370B2 (en) * | 2014-05-13 | 2019-10-22 | West Affum Holdings Corp. | Network-accessible data about patient with wearable cardiac defibrillator system |
WO2016033121A1 (en) * | 2014-08-25 | 2016-03-03 | Georgia Tech Research Corporation | Noninvasive systems and methods for monitoring health characteristics |
US20160302677A1 (en) * | 2015-04-14 | 2016-10-20 | Quanttus, Inc. | Calibrating for Blood Pressure Using Height Difference |
US20170347899A1 (en) * | 2016-06-03 | 2017-12-07 | FOURTH FRONTIER TECHNOLOGIES, Pvt. Ltd. | Method and system for continuous monitoring of cardiovascular health |
-
2019
- 2019-02-25 US US16/975,078 patent/US20210085249A1/en active Pending
- 2019-02-25 DE DE112019000370.4T patent/DE112019000370T5/de active Pending
- 2019-02-25 WO PCT/EP2019/054551 patent/WO2019166359A1/en active Application Filing
- 2019-02-25 CN CN201980015460.2A patent/CN111770722B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6978184B1 (en) * | 2002-07-29 | 2005-12-20 | Marcus Frank I | Optimization method for cardiac resynchronization therapy |
CN101569526A (zh) * | 2009-04-20 | 2009-11-04 | 北京东鸿金洋科技发展有限公司 | 穿戴式低负荷睡眠记录装置 |
CN103313662A (zh) * | 2010-12-13 | 2013-09-18 | 阿克瑞克公司 | 指示冠状动脉疾病的风险的系统、听诊器和方法 |
CN104144636A (zh) * | 2012-03-01 | 2014-11-12 | 皇家飞利浦有限公司 | 处理表示生理节律的信号的方法 |
CN104349711A (zh) * | 2012-04-23 | 2015-02-11 | 图尔库大学 | 确定指示心脏功能障碍和异常的信息的方法和设备 |
CN104349713A (zh) * | 2012-04-23 | 2015-02-11 | 图尔库大学 | 确定指示心脏功能障碍和异常的信息的方法和设备 |
CN104428034A (zh) * | 2012-05-31 | 2015-03-18 | 佐尔医药公司 | 检测健康障碍的系统和方法 |
CN105453128A (zh) * | 2013-05-30 | 2016-03-30 | 阿特拉斯维拉伯斯公司 | 便携式计算设备以及对从其捕捉的个人数据的分析 |
CN105392420A (zh) * | 2013-06-19 | 2016-03-09 | 图尔库大学 | 确定指示心脏功能障碍的信息的方法和设备 |
CN105431081A (zh) * | 2013-07-23 | 2016-03-23 | 美敦力公司 | 标识健康基质与不健康基质以从多极引线起搏 |
CN105530866A (zh) * | 2013-09-13 | 2016-04-27 | 株式会社村田制作所 | 心脏监测系统 |
CN105765489A (zh) * | 2013-12-26 | 2016-07-13 | 英特尔公司 | 用于检测可穿戴无线设备上的传感器输入的技术 |
CN106028918A (zh) * | 2014-02-06 | 2016-10-12 | 索泰拉无线公司 | 用于生命体征的连续无创测量的身体佩带式系统 |
CN104951069A (zh) * | 2014-03-24 | 2015-09-30 | 三星电子株式会社 | 用于使用可穿戴传感器平台的生理测量的置信度指示 |
CN107106054A (zh) * | 2014-09-08 | 2017-08-29 | 苹果公司 | 使用多功能腕戴式设备进行血压监测 |
CN107072581A (zh) * | 2014-10-21 | 2017-08-18 | 美敦力公司 | 电刺激脉冲递送之后的心脏事件感测以及心律检测的恢复 |
CN106999106A (zh) * | 2014-12-02 | 2017-08-01 | 皇家飞利浦有限公司 | 用于使用可穿戴设备的测量结果生成健康数据的系统和方法 |
CN107004054A (zh) * | 2014-12-04 | 2017-08-01 | 皇家飞利浦有限公司 | 计算健康参数 |
CN107205657A (zh) * | 2015-01-23 | 2017-09-26 | 美敦力公司 | 心脏医疗设备中的房性心律失常事件检测 |
CN107223247A (zh) * | 2015-02-03 | 2017-09-29 | 皇家飞利浦有限公司 | 用于获得多个健康参数的方法、系统和可穿戴装置 |
CN107257653A (zh) * | 2015-02-26 | 2017-10-17 | 皇家飞利浦有限公司 | 用于处理用在对对象的生命体征进行监测中的加速度计信号的处理设备、系统和方法 |
CN107405080A (zh) * | 2015-03-09 | 2017-11-28 | 皇家飞利浦有限公司 | 利用可穿戴设备远程地监测用户的健康的系统、设备和方法 |
CN106971059A (zh) * | 2017-03-01 | 2017-07-21 | 福州云开智能科技有限公司 | 一种基于神经网络自适应健康监测的可穿戴设备 |
Non-Patent Citations (2)
Title |
---|
蒋芳芳 ; 王旭 ; 杨丹 ; .基于心脏动力学的体震信号建模与仿真.系统仿真学报.2013,(第03期),420-424. * |
黄自鑫 ; 薛勇 ; 刘旭 ; .可穿戴无线体域网中异质传感器数据融合算法研究.现代制造技术与装备.2015,(第05期),145-148. * |
Also Published As
Publication number | Publication date |
---|---|
DE112019000370T5 (de) | 2020-10-01 |
US20210085249A1 (en) | 2021-03-25 |
CN111770722A (zh) | 2020-10-13 |
WO2019166359A1 (en) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10531839B2 (en) | System and method of marking cardiac time intervals from the heart valve signals | |
US10758164B2 (en) | Processing apparatus and processing method for determining a respiratory signal of a subject | |
EP3048954B1 (en) | Providing a personal mobile device-triggered medical intervention | |
EP2981214B1 (en) | Electronic stethoscope apparatus and method of using the same | |
EP3471609B1 (en) | Quantitative seismocardiography | |
CN110290742A (zh) | 用于监测妊娠或分娩的装置 | |
EP3451901A1 (en) | A method and apparatus for determining at least one of a position and an orientation of a wearable device on a subject | |
CN108430327B (zh) | 用于产生指示心脏状况的信息的方法和设备 | |
TWI667011B (zh) | 心率檢測方法以及心率檢測裝置 | |
RU2712844C2 (ru) | Обрабатывающее устройство, система и способ обработки сигналов акселерометра для использования при мониторинге жизненных показателей субъекта | |
US9974456B2 (en) | Cardiac potential measuring device and cardiac potential measuring method | |
WO2019000338A1 (zh) | 生理信息测量方法及生理信息监测装置、设备 | |
CN111770722B (zh) | 具有心脏振动描记信号的自动参考的可穿戴健康设备系统 | |
Aarts et al. | Performance of an accelerometer-based pulse presence detection approach compared to a reference sensor | |
US20210204857A1 (en) | Method and device for cardiac monitoring | |
US10667711B1 (en) | Contact-activated extended wear electrocardiography and physiological sensor monitor recorder | |
CN111741713B (zh) | 具有标准化心脏振动描记信号的可穿戴健康设备系统 | |
Tadi et al. | A novel dual gating approach using joint inertial sensors: Implications for cardiac PET imaging | |
Tadi et al. | A miniaturized MEMS motion processing system for nuclear medicine imaging applications | |
TW201622648A (zh) | 用於偵測胎動之可穿戴裝置及其方法 | |
WO2017159753A1 (ja) | 収縮期心雑音検出装置 | |
Hassanuzzaman et al. | End to end solution for continuous monitoring and real-time analysis of vital signs from ecg signal | |
EP4003134B1 (en) | Calibrating a sensor | |
EP3847961B1 (en) | Walking state determination program, walking state determination method, and information processing device | |
WO2012052951A1 (en) | Respiratory effort assessment through ecg |
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 |