CN112739255A - 血压测量设备 - Google Patents

血压测量设备 Download PDF

Info

Publication number
CN112739255A
CN112739255A CN201980035115.5A CN201980035115A CN112739255A CN 112739255 A CN112739255 A CN 112739255A CN 201980035115 A CN201980035115 A CN 201980035115A CN 112739255 A CN112739255 A CN 112739255A
Authority
CN
China
Prior art keywords
blood pressure
sensor
sensors
processing unit
wearable device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201980035115.5A
Other languages
English (en)
Other versions
CN112739255B (zh
Inventor
王冠仁
郭承谚
黄敬宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Precision Medical Electronics Technology Co ltd
Original Assignee
Precision Medical Electronics Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Precision Medical Electronics Technology Co ltd filed Critical Precision Medical Electronics Technology Co ltd
Publication of CN112739255A publication Critical patent/CN112739255A/zh
Application granted granted Critical
Publication of CN112739255B publication Critical patent/CN112739255B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—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
    • A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
    • A61B5/02233—Occluders specially adapted therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • 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
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • 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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/06—Arrangements of multiple sensors of different types
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Cardiology (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Dentistry (AREA)
  • Ophthalmology & Optometry (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

一种用于测量血压的穿戴式设备(100)，包括形成有通孔的壳体(195)、设置在所述壳体(195)内的处理单元(120)、连接所述处理单元(120)的显示器(160)、多个连接所述处理单元(120)的传感器(110)，所述传感器(110)被配置为通过所述通孔将至少一个生理信号传输给所述处理单元(120)、延时结构连接在多个通孔之一和多个传感器(110)之一之间，并且构造成延长皮肤表面和传感器(110)之间的路径距离。其中，所述处理单元(120)被配置为通过所述至少一个生理信号和Moens‑Korteweg(MK)函数来确定收缩动脉压和舒张动脉压，并控制显示器(160)显示所述收缩动脉压和所述舒张动脉压供用户阅读。

Description

血压测量设备
相关申请的交叉引用
本申请要求于2018年5月25日提交的美国临时申请62/676909的优先权，其全部内容通过引用合并于此。
技术领域
本申请涉及一种生理信号监测系统，更具体地，涉及一种能够感测用户的各种生理信号并将所述信号传输到移动设备和云服务器以供医疗专业人员进行医疗保健或诊断的设备。
背景技术
监测慢性病一直是医疗保健领域的主要重点，不仅因为慢性病的持续性或长期持久性，还因为其潜在的死亡风险。慢性病的常见例子之一是高血压，需要准确且定期的监测。如果不治疗或治疗不当，高血压可能导致心脏病、血液流动不良甚至中风。
传统上，血压测量是由手动血压计、听诊器和训练有素的从业人员进行的。现代电子产品通过采用示波测量和电子计算来实现数字化血压监测，从而消除了对听诊器和训练有素的医生的需求。然而，示波测量中需要绑带和加压，因此会使被测人员感到不适。此外，尽管无绑带血压测量可以缓解不适，然而在测量中使用的线性或非线性回归计算中并没有考虑数个血液动力学参数，因此测量精度仍值得怀疑。
发明内容
本申请的目的是提供一种具有高测量精度的用于血压监测的方法和可穿戴设备。
本申请的另一个目的是提供一种用于血压监测的人体工学的微型可穿戴设备。
本申请的又一个目的是提供一种用于在用户的任何姿势下进行血压监测的可穿戴设备。
本申请的实施例提供了一种用于测量血压的设备。所述设备包括一壳体、一设置在所述壳体内的处理单元、一设置在所述壳体上并与所述处理单元通信的显示器、多个传感器，其与所述处理单元通信，并被配置为感测用户的动脉，并将与所述动脉相对应的至少一个生理信号传输至所述处理单元。所述处理单元被配置为处理所述至少一个生理信号以获得多个血液动力学参数和脉搏传输时间，并通过Moens-Korteweg(MK)函数从所述多个血液动力学参数和脉搏传输时间确定平均动脉压，再从所述平均动脉压确定收缩动脉压和舒张动脉压，最后控制显示器以显示所述收缩动脉压和所述舒张动脉压。
在一优选实施例中，所述多个传感器包括一机械波传感器和一光学传感器。
在一优选实施例中，所述机械波传感器为压电传感器，在所述壳体上对应于所述压电传感器和所述光学传感器设置有多个通孔，所述多个通孔形成与动脉平行的直线。
在一优选实施例中，所述压电传感器和所述光学传感器被配置为在不同的采样率下运行。
在一优选实施例中，所述多个传感器包括两个机械波传感器和一个光学传感器，所述壳体上的多个通孔分别对应于所述两个机械波传感器和所述光学传感器设置，所述多个通孔形成与所述动脉平行的直线。
在一优选实施例中，所述两个机械波传感器的采样率不同于所述光学传感器的采样率。
在一优选实施例中，所述多个传感器包括压电传感器，所述设备还包括与所述压电传感器通信的信号控制器及信号检测器，其中，所述信号检测器被配置为检测从所述压电传感器发送的至少一个生理信号的信号方向，并且所述信号控制器被配置为更改所述信号方向。
在一优选实施例中，当所述压电传感器之一的极化方向与预期极化方向相反时，所述信号控制器改变在所述生理信号之后的一生理信号的信号方向。
在一优选实施例中，所述设备还包括一延时结构，所述延时结构设置在所述传感器之一和形成在所述壳体上的多个通孔之一之间，其中所述时延结构被配置为延长用户的脉搏和传感器之间的路径距离，所述处理单元获得的脉搏传输时间与路径距离相关。
在一优选实施例中，所述延时结构为螺旋形状或锯齿形状。
在一优选实施例中，所述延时结构是一个管，其包括用于传输机械波的介质。
在一优选实施例中，所述多个传感器包括一加速度计和一陀螺仪，所述加速度计和所述陀螺仪被配置为测量所述设备的轴向变化，并且所述处理单元还被配置为根据所述轴向变化来调节脉搏传输时间。
在一优选实施例中，当所述处理单元根据轴向变化确定用户的姿势持续的时间大于阈值时，所述设备进入测量模式，并显示所述收缩动脉压和所述舒张动脉压。
在一优选实施例中，一警报器被配置为在确定生理信号的方差超过阈值时生成重新测量通知。
在一优选实施例中，所述多个传感器包括机械波传感器，且形成在所述壳体上的多个通孔中的至少一个是圆锥形的，并且至少一个通孔增强了所述机械波传感器的接收。
在一优选实施例中，所述设备还包括固定在多个通孔的开口周围的接触材料，以增强所述开口和用户的皮肤表面之间的密封性。
在一优选实施例中，所述设备还包括覆盖通孔之一的网状材料或薄膜，以防止异物进入通孔。
在一优选实施例中，所述网状材料由聚四氟乙烯制成，所述薄膜由硅橡胶制成。
在一优选实施例中，所述血液动力学参数包括动脉硬度水平和动脉扩张水平，所述处理单元根据动脉硬度水平对动脉扩张水平进行归一化以获得脉搏压，并通过所述脉搏压和系数k确定所述收缩动脉压和所述舒张动脉压，所述系数k的范围为0到1。
在一优选实施例中，所述多个传感器设置在所述壳体中并且不与所述设备的中心线重叠。
在一优选实施例中，所述多个传感器中的每一个传感器可拆卸地连接到用户，并有线或无线连接到所述设备。
在一优选实施例中，所述多个传感器包括第一传感器和第二传感器，所述第一传感器设置在所述设备的所述壳体的外部，所述第二传感器设置在所述壳体内。
总之，根据本申请的各种实施例的设备和方法，利用脉搏传输时间和血液动力学参数来确保血压监测的高精度、改善的佩戴体验以及便利的监测。
附图说明
附图示出了本申请的一个或多个实施例，并且与书面描述一起解释了本申请的原理。在所有附图中，尽可能使用相同的附图标记指代实施例的相同或相似元件。
图1是根据本申请的实施例的生理信号监测系统的整体配置的示意图。
图2是根据本申请的一个实施例的生理信号监测系统的可穿戴设备的透视图。
图3是根据本申请的一个实施例的可穿戴设备的整体配置的框图。
图4是根据本申请的一个实施例的具有放大器的可穿戴设备的配置的框图。
图5是根据本申请的一个实施例的可穿戴设备的一个放大器的配置的框图。
图6是根据本申请的一个实施例的可穿戴设备的另一放大器的电路图。
图7是根据本申请的一个实施例的可穿戴设备的自动反馈控制方法的流程图。
图8是根据本申请的一个实施例的包括信号控制器和信号检测器的可穿戴设备的框图。
图9是根据本申请的一个实施例的表示存在反向信号的时域信号的特性和特征的示意图。
图10是根据本申请的一个实施例的具有信号控制器和集成信号检测器的可穿戴设备的配置的框图。
图11是根据本申请的一个实施例的可穿戴设备的信号控制器的电路图。
图12是根据本申请的一个实施例的可穿戴设备的透视图。
图13是根据本申请的一个实施例的脉搏波速度测量误差与传感器分离距离之间的关系的示意图。
图14是根据本申请的一个实施例的具有延时结构的可穿戴设备的示意性截面图。
图15是根据本申请的一个实施例的具有呈阿基米德螺旋形状的延时结构的可穿戴设备的示意性透视图。
图16是根据本申请的一个实施例的可穿戴设备的传感器放置的示意图。
图17是根据本申请的一个实施例的具有外部传感器的可穿戴设备的示意图。
图18是根据本申请的一个实施例的具有外部传感器的可穿戴设备的示意图。
图19是根据本申请的一个实施例的可穿戴设备的辅助结构的示意性剖视图。
图20是根据本申请的一个实施例的具有另一种辅助结构的可穿戴设备的示意性剖视图。
图21是根据本申请的一个实施例的具有气压计阵列的可穿戴设备的透视图。
图22是根据本申请的一个实施例的具有接触材料的可穿戴设备的示意性剖视图。
图23是根据本申请的一个实施例的包括网状材料的可穿戴设备的示意性截面图。
图24是根据本申请的一个实施例的包括膜的可穿戴设备的示意性截面图。
图25是根据本申请的一个实施例的具有应力感测结构的可穿戴设备的透视图。
图26是示出根据本申请的一个实施例显示高度、前臂长度和可穿戴设备与水平面之间的角度之间的数学关系的示意图。
图27是根据本申请的一个实施例的经受血压测量的用户的前臂的示意图。
图28是根据本申请的一个实施例的可穿戴设备的用户界面的示意图。
图29是根据本申请的一个实施例的可穿戴设备的显示器上的页面视图的示意图。
图30是根据本申请的一个实施例的AC/DC构成比例与血管直径之间的关系的示意图。
图31是根据本申请的一个实施例中在用户的前臂处的组织光学的皮肤表面三层蒙特卡罗模型的示意性截面图。
图32是根据本申请的一个实施例的分割的皮肤表面模型的示意图。
图33是根据本申请的一个实施例的对血管壁厚度的实际范围的统计分析的示意图。
图34是根据本申请的一个实施例的动脉血压与动脉直径之间的关系的示意图。
图35是根据本申请的一个实施例的舒张和收缩血管直径的示意图。
图36是根据本申请的一个实施例的收缩压、平均动脉压和舒张压之间的关系的示意图。
图37是根据本申请的一个实施例的收缩压、脉搏压和舒张压之间的关系的示意图。
图38是根据本申请的一个实施例的包括两个主要传感器和一个辅助传感器的可穿戴设备的示意图。
图39是根据本申请的一个实施例中应用于低采样率的一个传感器的插值的示意图。
根据普通实践，各种描述的特征未按比例绘制并且被绘制为强调与本申请相关的特征。在所有附图和文本中类似的参考字符表示相同的元素。
具体实施方式
现在将在下文中参考示出本申请的各种示例性实施例的附图来更全面地描述本申请。然而，本申请可以以许多不同的形式来实施，并且不应被解释为限于在此阐述的实施例。相反，提供这些实施例使得本申请将是彻底和完整的，并将向本领域技术人员充分传达本申请的范围。贯穿全文，相同的参考数字表示相同的元素。
本文所使用的术语仅出于描述特定实施例的目的，并不旨在限制本申请。如本文所使用的，单数形式“一”，“一个”和“所述”也旨在包括复数形式，除非上下文另外明确指出。将进一步理解的是，当在本文中使用时，术语“包括”和/或“包含”和/或“具有”指定存在所述特征、区域、整数、步骤、操作、元素和/或组件，但不排除一个或多个其他特征、区域、整数、步骤、操作、元素、组件和/或其组的存在或添加。
可以理解的是，术语“和/或”和“至少一个”包括一个或多个相关联的所列项目的任何和所有组合。还应该理解，尽管术语第一、第二、第三等在本文中可用于描述各种元件、组件、区域、部分和/或部位，但是这些元件、组件、区域、部分和/或部位不应受这些条款的限制。这些术语仅用于区分一个元素、组件、区域、部分或部位与另一元素、组件、区域、层或部分。因此，在不脱离本申请的教导的情况下，下面讨论的第一元件、组件、区域、部分或部位可以被称为第二元件、组件、区域、层或部分。
除非另有定义，否则本文中使用的所有术语(包括技术和科学术语)具有与本申请所属领域的普通技术人员通常理解的相同含义。还将理解的是，诸如在常用词典中定义的那些术语应被解释为具有与它们在相关领域和本申请的上下文中的含义一致的含义，并且将不以理想化或过于正式的方式进行解释，除非在此明确定义。
请参阅图1，示出了根据本申请实施例的生理信号监测系统的整体配置的示意图。所述生理信号监测系统可以包括可穿戴设备100、移动设备200和云服务器300。所述可穿戴设备100被配置为收集用户101的生理信号。所述可穿戴设备100收集的生理信号可以被传输到所述移动设备200(例如，智能电话，智能扬声器，智能机器人等)和云服务器300(例如，Amazon Web Service(AWS)、Google Cloud Platform)、GCP等)。所述云服务器300可以被配置为存储和分析与生理信号相关联的生理信息，并且基于生理信息来识别用户的身份，以由医疗保健专业人员201进行进一步的分类、诊断和监测。
在本申请的至少一个实施例中，所述可穿戴设备100可以包括各种类型的传感器，例如，基于纳秒脉冲近场感测(nanosecond pulse near-field sensing，NPNS)的传感器、基于近红外光谱(near-infrared spectroscopy，NIRS)传感器、压电传感器、加速度计、陀螺仪、气压计、温度传感器、多普勒传感器、超声传感器、激光二极管传感器、光电二极管传感器、GPS等。在本申请的至少一个实施例中，所述生理信号监测系统可以包括一个或多个可穿戴设备100。所述可穿戴设备100可以包括但不限于手表、袖子、皮带、手镯、脚镯、止血带、围巾、项圈、项链、鞋子等。所述可穿戴设备100可以穿戴在用户身体的四肢、腰部和/或脖子上，以连续地收集用户的生理信号以确定用户的生理信息，包括心跳、血氧、脑电图(electroencephalography，EEG)、肌电图(electromyography，EMG)、心电图(electrocardiography，ECG)、光电容积描记法(photoplethysmography，PPG)、皮肤阻抗、收缩压(systolic blood pressure，SBP)、舒张压(diastolic blood pressure，DBP)、平均动脉压(mean arterial pressure，MAP)、体脂、脉搏、脉搏到达时间(pulse arrival time，PAT)、脉搏传输时间(pulse transit time，PTT)、脉搏波速度(pulse wave velocity，PWV)、呼吸、不规则脉搏峰(irregular pulse peak，IPP)、不规则心跳(irregular heartbeat，IHB)、心房颤动(atrial fibrillation，AF)和心率变异性(heart ratevariability，HRV)。基于生理信号确定用户的生理信息。生理信号可以通过诸如低功耗蓝牙(bluetooth low energy，BLE)、蓝牙(bluetooth，BT)、
Figure GDA0002873446660000071
Long Range
Figure GDA0002873446660000072
Zigbee等之类的无线通信被发送到移动设备200或云服务器300。可以通过所述移动设备200和所述云服务器300上的特征提取算法来撷取生理信号的特征，并且可以相应地对生理信号进行分类以用于用户的识别。生理信息可由医疗保健专业人员201解释，并且可以根据用户的身份存储在所述移动设备200和/或所述云服务器300上，以供医疗保健专业人员201进行诊断或分析使用。
在本申请的至少一个实施例中，从传感器110，例如由基于NPNS的传感器、基于NIRS的传感器、压电传感器、加速度计、陀螺仪、气压计、温度传感器、多普勒传感器、超声传感器、激光二极管传感器、光电二极管传感器和GPS，所接收的生理信号被所述可穿戴设备100的处理单元进行处理以获取生理信息，包括心跳、血氧、EEG、EMG、ECG、PPG、皮肤阻抗、收缩压(systolic blood pressure，SBP)、舒张压(diastolic blood pressure，DBP)、平均动脉压(mean arterial pressure，MAP)、身体脂肪、脉搏、脉搏到达时间(pulse arrivaltime，PAT)、脉搏传输时间(pulse transit time，PTT)、脉搏波速度(pulse wavevelocity，PWV)、呼吸、不规则脉搏峰(irregular pulse peak，IPP)、不规则心跳(irregular heart beat，IHB)、心房颤动(atrial fibrillation，AF)和心率变异性(heartrate variability，HRV)。如图1所示，所述可穿戴设备100获得的生理信息可以通过诸如低功耗蓝牙(BLE)、蓝牙(bluetooth，BT)、
Figure GDA0002873446660000073
Long Range
Figure GDA0002873446660000074
Figure GDA0002873446660000075
Zigbee等之类的无线通信被传送到网关(图中未示出)，然后被传送到所述云服务器300(例如，GCP、AWS)，或直接传输到所述移动设备200，例如智能电话、智能扬声器、智能机器人等。这样的生理信息也可以从所述移动设备200传输到所述网关，然后再传输到所述云服务器300。
在本申请的至少一个实施例中，当所述可穿戴设备100首次连接到所述云服务器300或所述移动设备200时，所述云服务器300或所述移动设备200通过网络时间协议(network time protocol，NTP)进行校准，则所述可穿戴设备100将开始收集生理数据，依时序发送信号并通过网关向所述云服务器300或所述移动设备200发送相应的生理信息，以将生理信息存储在相应的数据库中。
在本申请的至少一个实施例中，生理信号和生理信息可以以JavaScript ObjectNotation(JSON)格式传输。JSON格式包括两个数据包，其中一个是用于传输原始生理信号的RAW数据包，另一个是用于传输经过处理的信号(或生理信息)的Info数据包。这两个数据包描述如下：
格式1：RAW数据
{“Sensor 1”:“0～4096”
“Sensor 2”:“0～4096”
“Sensor 3”:“0～4096”
“Sensor 4”:“0～4096”
…
“Sensor N”:“0～4096”
“Type”:“RAW Data”
}
格式2：Info
{“Sys”:“0～300”
“Dia”:“0～300”
“Pulse”:“45～150”
“SpO2”:“0～100”
…
“Breath”:“6～36”
“Type”:“Info”
}
请参阅图1，在本申请的至少一个实施例中，可以在所述云服务器300或所述移动设备200的数据库中建立各种用户特定的数据表。当生理信息被发送到所述云服务器300或所述移动设备200时，所述云服务器300或所述移动设备200找到相应的数据表以保存生理信息。另外，所述云服务器300或所述移动设备200可以比较生理信息中的参数以确定参数是否在合理范围内，并通过使用特征提取算法来确定用户的身份。当参数超出合理范围或无法通过特征提取算法确定用户身份时，所述云服务器300或所述移动设备200可以向所述可穿戴设备100发送通知或提醒，或者仅显示所述通知或提醒在所述移动设备200上，以通知用户101或医疗保健专业人员201。当发送通知或提醒时，可以进行可穿戴设备的检查或数据库的更新，以创建与用户101相对应的新数据表。
请参阅图2及图3，图2描绘了根据本申请的实施例的可穿戴设备100的透视图。图3是描绘根据本申请的实施例的可穿戴设备100的整体配置的框图。所述可穿戴设备100可以包括多个传感器110、处理单元120、放大器130、电源模块140、存储单元150、显示器160、多个按钮170、警报器180、通用串行总线(universal serial bus，USB)190和壳体195。在所述实施例中，所述传感器110设置在所述可穿戴设备100的内侧上，以允许传感器与用户的皮肤直接接触，以感测用户的各种类型的生理信号。所述处理单元120电连接到所述传感器110、多个按钮170、电源模块140、显示器160、存储单元150、USB 190、警报器180和放大器130。所述放大器130电连接到所述处理单元120和所述传感器110，并且被配置为放大从所述多个传感器110接收的生理信号，并将放大的生理信号发送到所述处理单元120。所述处理单元120被配置为处理来自所述放大器130的放大的生理信号和来自所述传感器110的未放大的生理信号以获得生理信息。所述处理单元120还可以处理来自多个按钮170的输入。所述处理单元120还被配置为控制所述显示器160和所述电源模块140。所述电源模块140被配置为向所述可穿戴设备100中的组件提供电源。所述存储单元150被配置为存储与从所述处理单元120接收的生理信号相关联的生理信息。所述显示器160设置在壳体195上，用于显示要由用户101读取的生理信息。所述显示器160可以是发光二极管(light-emittingdiode，LED)显示器、液晶显示器(liquid-crystal display，LCD)等。所述多个按钮170设置在所述壳体195上，以允许用户101控制所述可穿戴设备100。所述USB 190使所述可穿戴设备100连接到一个或多个外部设备，以输出生理信息或为所述电源模块140充电。当检测到任何异常生理信号时，所述警报器180被配置为可以通过蜂鸣或闪烁来通知用户。所述壳体195被配置为全部或部分容纳所述处理单元120、放大器130、电源模块140、存储单元150、传感器110、多个按钮170和显示器160。
在本申请的至少一个实施例中，所述可穿戴设备100的处理单元120可以包括至少一种数字滤波器算法，例如无限冲激响应(infinite impulse response，IIR)、有限冲激响应(finite impulse response，FIR)、电阻电容(resistor-capacitor，RC)滤波器、卡尔曼滤波器、扩展卡尔曼滤波器、粒子滤波器、互补滤波器、快速傅立叶变换(fast fouriertransform，FFT)、离散余弦变换(discrete cosine transform，DCT)、离散小波变换(discrete wavelet transforms，DWT)或其任意组合，用于在时域和频域中对从传感器110接收到的生理信号进行滤波。可以根据信号类型设置要滤波的频率范围。例如，可以为来自ECG传感器的生理信号设置从0.05Hz到300Hz的频率范围，并且可以为来自压电传感器的生理信号设置从0.05Hz到10Hz的频率范围。根据不同的目的和信号类型，可以灵活的使用数字滤波器算法来对所述可穿戴设备100中的信号进行滤波。例如，来自诸如基于NPNS的传感器、基于NIRS的传感器、压电传感器、气压计和多普勒传感器的生理信号，可以直接传输到所述处理单元120，而其间没有任何滤波电路。生理信号的不同频带可以通过所述处理单元120中的数字滤波器算法来提取，以用于进一步的应用，例如特征提取或诊断。因此，可以根据所述传感器110的类型和应用来灵活地调整数字滤波器算法。
如图3所示，在本申请的至少一个实施例中，所述可穿戴设备100的所述电源模块140电连接至所述处理单元120和所述USB 190。所述电源模块140可以包括电池141、充电器142、电源开关(图中未示出)、电源管理单元(图中未示出)和功率检测单元(图中未图示)。所述电池141电连接至所述充电器142，以对所述可穿戴设备100充电并向其提供电力。所述充电器142被配置为经由所述USB 190连接至外部电源，以对所述电池141进行充电并传递与所述电池141相关的信号及充电状态发送给所述处理单元120。所述电源开关被配置为打开和关闭所述可穿戴设备100的电源。所述电源管理单元电连接至所述电池141，以基于不同的需求向所述可穿戴设备100的组件供电。所述功率检测单元电连接到所述USB 190，以检测所述USB 190对外部电源的连接状态。所述电池141的状态可以显示在所述显示器160上。当所述处理单元120控制所述显示器160显示充电状态时，所述充电器142将充电状态的信号发送至所述处理单元120。在本申请的至少一个实施例中，所述可穿戴设备100还可包括省电机制。如果没有省电机制，则当所述可穿戴设备100连接到外部电源时，由于所述可穿戴设备100和所述处理单元120已关闭电源，因此无法显示充电状态。因此，所述功率检测单元可以被设计为连接到所述电源开关，以部分地给所述可穿戴设备100通电以启用省电机制，从而使得所述充电器142可以将充电状态的信号发送到所述处理单元120，以由所述显示器160进行显示。
如上所述，根据本申请各个实施例的生理信号监测系统具有以下优点：1.当不使用所述可穿戴设备100时，为了节省功率，可以将其关闭；2.所述可穿戴设备100可以被远程关闭；3.所述显示器160可由所述处理单元120控制以显示多个状态，包括电池电压、充电状态和连接状态；4.当可穿戴设备100充电时是关机的，所述显示器160可以显示充电状态；5.所述可穿戴设备100在被充电时可以被关闭电源或禁用未使用的组件。6.当移除外部输入时，所述可穿戴设备100可以保持供电或被所述处理单元120关闭；7.当所述处理单元120检测到低电池电压时，所述处理单元120可以通过所述警报器180发送视觉或听觉通知；8.当检测到电池电量低时，所述处理单元120可以在关闭所述可穿戴设备100的电源之前执行预关机准备，以保护所述电池141免于过放电，并且这种准备包括将生理信号和生理信息保存在存储器150中，并由所述警报器180发送视觉或听觉通知。
图4描述了根据本申请的一个实施例的具有放大器130的可穿戴设备100的配置图。所述可穿戴设备100包括处理单元120和放大器130。所述处理单元120还可以包括模数转换器(analog to digital convertor，ADC)121，所述模数转换器121被配置为从所述传感器110接收生理信号并将生理信号发送到所述处理单元120。来自所述传感器110的生理信号可以直接或经由所述放大器130传输到所述模数转换器121，以允许所述处理单元120分析生理信号以获得生理信息。例如，来自所述传感器110的压电传感器的生理信号可以被所述放大器130放大。相反地，来自所述传感器110的光学传感器的生理信号可以被传输到模数转换器121而无需放大。某些生理信号可以通过数字硬件通信协议125在所述处理单元120和所述传感器110之间交换，例如串行外围设备接口(Serial Peripheral Interface，SPI)、集成电路间(Inter-Integrated Circuit，I2C)、控制器局域网(Controller AreaNetwork，CAN)总线、通用异步接收器发送器(Universal Asynchronous Receiver-Transmitter，UART)、
Figure GDA0002873446660000111
和通用串行总线(Universal Serial Bus，USB)。
图5描述了根据本申请的一个实施例的可穿戴设备100的放大器130的配置。除了放大电路之外，所述放大器130还可以包括低通滤波器131、高通滤波器132、带通滤波器133或其任意组合。可以根据所述传感器110的类型来配置所述放大器130的截止频率。例如，可以将0.05Hz至500Hz的频率范围应用于从ECG传感器接收到的生理信号。或者，类似地，可以将0.05Hz至20Hz的频率范围应用于从压电传感器或气压计接收的机械波形式的生理信号。此外，如图6所示，陷波滤波器134也可以被包括在所述放大器130中以适合于操作环境。所述陷波滤波器134的频率优选为50Hz或60Hz。另外，所述带通滤波器133可以代替所述高通滤波器132和所述低通滤波器131的组合。然而，仅具有所述带通滤波器133的配置可能导致接收到截止频率之外的噪声。换句话说，具有所述高通滤波器132和所述低通滤波器131的组合在没有所述带通滤波器133的配置下表现出更好的频率响应。
请参阅图7和图8，图8是根据本申请的一个实施例的具有信号控制器和信号检测器的可穿戴设备的配置框图。图7是根据本申请的一个实施例的具有信号控制器和信号检测器的可穿戴设备的自动反馈控制方法的流程图。如图8所示，所述可穿戴设备100可以进一步包括信号控制器501和信号检测器502，以启用自动反馈控制机制，以控制从所述传感器110的压电传感器接收的生理信号的信号方向。
在正压电效应中的极化方向，可能会因施加到压电材料上的机械能方向以及压电材料的变形和晶格结构而发生变化。此外，极化方向对于各种压电传感应用至关重要。因此，在本申请的至少一个实施例中，所述可穿戴设备可以执行自动反馈控制方法以确保压电信号的准确性。
如图7所示，自动反馈控制方法可以包括步骤S1至S5。
在步骤S1中，所述传感器110的压电传感器通过信号控制器501和放大器130将生理信号发送到信号检测器502。
在步骤S2中，信号检测器502确定生理信号的信号方向是否反转。如果生理信号被反转(即，步骤S2的结果为是)，则自动反馈控制方法进入步骤S3，否则，返回步骤S1。
在步骤S3中，信号检测器502将步骤S2的结果发送到CPU 120。
在步骤S4中，所述CPU发送控制信号给所述信号控制器501。
在步骤S5中，信号控制器501根据控制信号反转其输入/输出(input/output，I/O)设置，因此，，改变一个或多个在步骤S1所示的反转的生理信号之后的生理信号的信号方向。
对于步骤S2中的确定步骤，当信号检测器502检测到压电传感器的极化方向与预期极化方向相反时(即，当检测到反转信号的存在时)，将生理信号判定为反转。更具体地，信号检测器502可以利用来自信号控制器501的时域和/或频域中的生理信号的特性和特征，以便确定生理信号的信号方向。信号方向可以代表压电传感器的极化方向。图9示出了表示存在反向信号的时域信号的特性和特征。
请参阅图10，提供了根据本申请的一个实施例的具有信号控制器501和集成信号检测器的可穿戴设备的配置图。信号检测器502可以包括具有处理能力的集成电路(integrated circuit，IC，图未示)或代替IC的等效检测电路(图未示)。所述检测电路可以是比较器、逻辑处理电路或具有通过寄存器传输语言(register transfer language，RTL)编码的逻辑的现场可编程门阵列(field programmable gate array，FPGA)。如图10所示，信号检测器502也可以集成到所述CPU 120中，从而可以用于执行步骤S1-S3的软件或算法。在本申请的一个实施例中，所述信号控制器501可以是软件控制的电子逻辑门或具有逻辑结构的电子电路。所述信号控制器501连接到压电传感器的电极，并被配置为将从压电传感器接收的生理信号发送到所述信号检测器502。同时，所述信号控制器501还被配置为接收来自所述CPU 120的控制信号，并改变生理信号输出的方向。
请参阅图11，提供了根据本申请的一个实施例的可穿戴设备的信号控制器的电路图。如图11所示，控制电路可以包括两个控制IC 5011和每个控制IC 5011中的多个逻辑门5012。所述多个逻辑门5012可以被配置为具有布尔逻辑控制能力。所述控制IC 5011中的一个与所述传感器110的压电传感器的正极1101连接，而另一个控制IC 5011与所述传感器110的压电传感器的负极连接。在一些实施例中，所述控制IC 5011可以是微控制器(microcontroller，MCU)或者可以具有与多个逻辑门5012相同或相当的处理能力等。所述控制IC 5011可以被配置为通过多个逻辑门5012来控制所述信号控制器501的I/O设置。因此，可以根据信号控制器501的I/O来改变发送到CPU的生理信号的信号方向。在本申请的一个实施例中，具有处理能力的信号控制器501可以被配置为自行确定是否要调整I/O设置，或被动地接收来自信号检测器502的控制信号以调整I/O设置。
请参阅图12，提供了根据本申请的一个实施例的可穿戴设备的透视图。可穿戴设备100a可以穿戴在手腕或小腿上。所述可穿戴设备100a包括设置在可穿戴设备100a的内侧上并且能够检测径向动脉脉搏的多个主要传感器110a。例如，主要传感器可以是基于NPNS的传感器、基于NIRS的传感器、压电传感器、气压计、多普勒传感器和/或激光二极管和光电二极管传感器。主要传感器110a的组合和数量可以基于不同的需求来选择。
如图12所示，在本申请的至少一个实施例中，所述可穿戴设备100a还可以包括多个辅助传感器111a。所述多个辅助传感器111a可以与主要传感器110a相邻设置，以将所述主要传感器110a对准用户的动脉位置。例如，可通过利用NIRS、激光或光电二极管作为辅助传感器111a，来测量动脉的血氧水平，来检测可穿戴设备100a的位置，以确定主要传感器110a是否位于动脉或静脉周围。因此，所述可穿戴设备100a可以通过警报器发送通知，以提示用户将所述可穿戴设备100a与动脉对准，从而将主要传感器110a放置在最佳位置，以接收由动脉产生的脉搏的机械波。
所述辅助传感器111a还可以被配置为检测动脉中的内容。所述辅助传感器111a的组合和数量不限于上述。在本申请的其他实施例中，所述可穿戴设备100a可以包括两个主要传感器110a以及一个辅助传感器111a。主要传感器110a可以是两个压电传感器，并且辅助传感器111a可以是位于两个压电传感器之间的光学传感器。两个压电传感器和光学传感器可以形成直线，并且辅助传感器111a可以布置在动脉周围，以允许所述处理单元120确定所述主要传感器110a是否在动脉正上方。可替代地一种方式，辅助传感器111a可以放置在主要传感器110a的一侧上，而不是放置在主要传感器111a之间。然而，主要传感器110a和辅助传感器111a仍然必须线性布置以形成直线。在本申请的另一个实施例中，可穿戴设备可以包括两个主要传感器，但是没有辅助传感器。两个主要传感器可以是两个光学传感器，也可以是光学传感器和压电传感器的组合。由于光学传感器测量的PTT的偏差性质，在两个光学传感器的情况下，确定PTT应需要校准函数。
如图13所示，由于不同的脉搏波速度(pulse wave velocity，PWV)和传感器之间的物理距离不同，在脉搏传输时间(pulse transit time，PTT)测量中可能会出现不同程度的误差。当传感器之间的距离保持恒定时，高PWV的测量误差可能大于低PWV的测量误差。当PWV保持恒定时，传感器之间短距离的测量误差可能大于长距离的测量误差。
请参阅图14，提供了根据本申请的一个实施例的具有延时结构的可穿戴设备的截面图。为了减小用于微型化的传感器之间的距离，而不增加测量误差，所述可穿戴设备可以进一步包括延时结构603，所述延时结构603可以用于延长空气中机械波的传播距离。如图14所示，为了确定第一传感器601和第二传感器602之间的PTT，所述延时结构603可以连接到所述第二传感器602，以延长脉搏t1的测量点与第二传感器602之间的路径距离。因此，PTT＝t1-t2可以变成PTT＝t1(a×V+b)-t2，实现了PTT的延迟效果。因此，减少了由第一传感器601和第二传感器602之间的距离不足引起的测量误差。
另外，所述处理单元120可以根据所述时延结构603的已知路径距离和在所述时延结构603中传播的机械波的特性来确定PTT。在另一个实施例中，通过将具有延时结构603的可穿戴设备的测量结果与没有延时结构603的可穿戴设备的测量结果进行比较，可以获得校准函数a×V+b。因此，可以在所述处理单元120运行校准函数时确定PTT。
进一步地，为了在不显著增加可穿戴设备100的整体尺寸的情况下，将所述延时结构603集成到可穿戴设备中，所述延时结构603可以具有如图15所示的阿基米德螺旋形状。阿基米德螺旋线可以设置在所述可穿戴设备100的壳体195中，其中螺旋线和传感器2基本上在垂直于通孔1121的平面上。在一些实施例中，所述延时结构603可以具有Z字形(图未示)或在空间上体积小的同时可延长路径距离的任何形状。此外，所述延时结构603可以是具有用于传输机械波的介质的管。介质可以是气体(例如空气)、凝胶状材料或软物质。否则，所述延时结构603可以由能够传输机械波的固体材料制成。
请参阅图16，在本申请的一个实施例中，所述可穿戴设备100中的传感器110可以包括机械波传感器和光学传感器。所述机械波传感器可以是压电传感器、气压计、表面声波传感器、振动传感器等。所述光学传感器可以是近红外传感器、磁光传感器、激光多普勒传感器等。所述传感器110的放置对于测量精度和用户舒适度至关重要。如图16的右侧所示，所述壳体195可以包括多个通孔1121，所述通孔1121在所述传感器110和皮肤表面之间形成通道，并且因此使得能够在动脉和传感器110之间进行信号传输。在一种可替代地方式中，如图16的左侧中，所述传感器110可以设置在所述壳体195的表面上，以直接接触用户的皮肤表面。在这种情况下，所述传感器110应该直接放置在桡动脉或尺动脉的上方，并且至少两个传感器110应该形成与桡动脉或尺动脉方向平行的基本直线。另一方面，如果所述传感器110设置在可穿戴设备的壳体195中，则至少两个通孔1121必须形成平行于桡动脉或尺动脉方向的基本直线。为了人体工学的目的，如图16所示，相比所述可穿戴设备100的一侧，通孔1121可以被设置在更靠近所述可穿戴设备100的另一侧。换句话说，通孔1121可以被布置为不与所述可穿戴设备100的中心线重叠。类似地，如果所述传感器110设置在可穿戴设备的表面上，则所述传感器110可以相对于可穿戴设备的中心线不对称地设置。也就是说，更靠近可穿戴设备的其中一侧。
请参阅图17及图18，在本申请的一个实施例中，所述可穿戴设备100可以包括在壳体外部的外置的传感器110。如图17所示，每个传感器110可以通过电缆114从外部连接到可穿戴设备100，并且传感器110可以通过粘性贴片115可移除地连接到用户的动脉周围，以允许测量来自用户的至少一个生理信号。因此，由传感器110测量的至少一种生理信号可以经由电缆114被发送到可穿戴设备100，以确定至少一种生理信息。在如图18所示的另一实施例中，所述可穿戴设备100包括一个外部的传感器110，而所有其他传感器(图中未示出)是壳体中的内部的传感器。所述外部传感器110可以通过电缆114连接到可穿戴设备100，并且可以通过粘性贴片115可移除地连接到用户。在这种情况下，所述可穿戴设备100中的处理单元(图中未示出)利用从外部和内部传感器110两者接收的生理信号来确定至少一个生理信息。应当注意，外部传感器110的类型和数量不限于前述，需要说明的是，所述传感器110也可以无线连接到所述可穿戴设备100。
参照图19，提供了根据本申请实施例的辅助结构。如图19所示，辅助结构112b可以设置在主要传感器110b的下方，辅助结构112b可以包括弹性材料，所述弹性材料可以用作一种缓冲器以用于吸收震动并过滤掉不想要的信号。所述辅助结构112b的弹性材料可以是弹簧、泡沫材料等，并且直接接触用户的皮肤。
请参照图20，提供了根据本申请的实施例的具有另一辅助结构112c和至少一个主要传感器110c的可穿戴设备。对于通过空气传输并接收机械波信号的可穿戴设备的主要传感器，改善通孔的结构可以提高主要传感器的灵敏度，例如通过调整通孔的直径以增加机械波信号的压力。在本申请的至少一个实施例中，主要传感器110c可以包括一个或多个气压计。气压计容纳在壳体195c中(仅部分示出)。所述辅助结构112c对应于气压计的位置设置在壳体195c的外表面上。辅助结构112c可以是硅橡胶层，其包括与主要传感器110c的中心位置对应定位的一个或多个通孔1121c。所述通孔1121c可以是圆锥形的，具有两个开口端，其直径较小的一端连接到壳体195c，直径较大的另一端与用户的皮肤直接接触。所述壳体195c可以包括一个或多个圆柱形销孔1951c，其对应于通孔1121c的较小的开口端设置。圆锥形通孔1121c被配置为增强机械波信号的接收和主要传感器110c的灵敏度。
请参阅图21，在一个实施例中，所述可穿戴设备的辅助结构112c也可以被集成为壳体195c的一部分。如图21所示，可穿戴设备可以包括由多个气压计110c组成的气压计阵列。所述气压计的配置和数量不受上述限制。
请参阅图22到图24，通过增加通孔1121和皮肤表面610之间的密封性可以导致更强的信号强度。如图22所示，可以通过接触材料605来增强密封性，接触材料605可以是布置在通孔1121的开口604周围，并且通过粘合层606连接到可穿戴设备100的软物质。另外，如图23所示，为了防止异物(例如液体或灰尘)进入通孔，可以使用网状材料607覆盖通孔，所述网状材料607可以由聚四氟乙烯(PTFE)制成。在本申请的一个实施例中，可以将支持材料固定到网状材料607以支撑网状材料607。进一步地，如图24所示，可以使用硅橡胶膜608代替网状材料607以实现相同的功能。
请参阅图25，提供了根据本申请实施例的可穿戴设备的应力感测结构。可穿戴设备被设计为以很小的压力夹在用户的手腕或小腿上，以引起动脉变形。为了补偿由动脉变形引起的误差，将具有高线性度的压电传感器113a和113b布置在主要传感器(图中未示出)和辅助传感器(图中未示出)的相对侧。其中，压电传感器113a和113b被配置为感测并确定对用户101的按压强度，以确定对来自主要传感器和辅助传感器的生理信号的校准水平。校准水平由处理单元基于应力、流速和/或振幅统计模型确定。压电传感器的配置和数量不限于上述。
在本申请的至少一个实施例中，所述可穿戴设备100可以通过带子固定到用户，因此导致向用户施加表面压力(P1)。可以通过使用传感器110的应变仪传感器来获得用于测量脉搏传输时间(pulse transit time，PTT)、表面压力P1和机械波振幅(Amp)的信号。当应变仪传感器的传感器面积、机械波传输空间和传输介质保持不变时，P1、Amp和脉搏压(P0)之间的关系可以由Amp＝aP1b+cP0d表示。因此，来自应变仪传感器的P1和Amp可以由处理单元120分析以确定P0。但是，P1、Amp和P0之间的关系可以是线性的或非线性的，因此可以通过P1、Amp和P0的经验数据进行校准。
在本申请的一个实施例中，传感器110可以包括加速度计和陀螺仪。加速度计具有很高的长期稳定性，但缺乏瞬时灵敏度，而陀螺仪对角速度的瞬时变化具有很高的灵敏度。在本申请的实施例中，所述处理单元120可以采用卡尔曼滤波器、扩展卡尔曼滤波器、粒子滤波器或互补滤波器来融合来自两个传感器的信号。因此，所述处理单元120可以使用由陀螺仪获得的信号来校准由加速度计获得的信号，以获得可穿戴设备100的精确的三维变换。可以基于在融合信号的任何XYZ轴向维度中发生的周期性变换来确定用户101的步数。此外，每个用户都有不同的步行习惯，因此获取的三维变换也可以视为确定用户身份的子集合。
根据泊肃叶定律，血管直径的四次方与脉搏波速度(pulse wave velocity，PWV)成反比。因此，在本申请的一个实施例中，所述传感器110可以包括力敏感电阻器，所述力敏感电阻器可以布置在可穿戴设备100的一侧上并且与用户的前臂直接接触，以使所述处理单元120能够对磅力每平方英寸(pound per square inch，PSI)与PWV的关系进行统计分析，从而获得PSI校准系数。因此，所述处理单元120可以通过PSI校准系数来校准PWV。
请参考图26，在本申请的至少一个实施例中，可以基于血液流变学和血液动力学确定用户的血压。因此，可以利用根据伯努利原理的流体流动高度和根据泊瓦耶定律的血管直径来校准脉搏波速度(PWV)，从而补偿所述可穿戴设备100与水平面400之间的高度(H)。如图26所示，高度H的确定是基于函数L×sinθ＝H，其中L是前臂102的长度，并且θ是前臂102与水平面400之间的角度。可以通过诸如加速度计或陀螺仪之类的传感器中的至少一个，来获得任何轴向方向(例如x，y，z)上的角度θ。所述前臂102的长度L可以由用户101输入，或者可以基于用户101的身高与手臂的比例来确定。所述传感器110还可包括超声、激光飞行时间、LED飞行时间或多普勒雷达，以检测可穿戴设备100与用户101的肘部之间的距离，以获得长度L。
高度H可以由所述处理单元120确定。在本申请的另一实施例中，高度H可以由传感器中的一个来获得，诸如超声、激光飞行时间、LED飞行时间或多普勒雷达，直接检测可穿戴设备100与水平面400之间的高度H。由于血液是非牛顿流体，因此需要从实验统计数据获得的校准系数来校准高度H和PWV之间的关系。当角度θ和高度H接近于零时，可以确定用户101的前臂102几乎平行于水平面400。例如，当用户101在睡眠期间佩戴可穿戴设备100时，或者当前臂102与可穿戴设备100一起平放时。
为了校准脉搏波速度(PWV)，可以通过获得与加速度计和陀螺仪所接收的不同角度和角加速度对应的校准系数，来创建“姿势-PWV”查找表。因此，可以通过参考存储在所述处理单元120中的“姿势-PWV”查找表来执行任何姿势下的血压测量。所述处理单元120根据加速度计和陀螺仪检测到的任何轴向(例如x，y，z)变化确定姿势。因此，可以基于轴向变化来调整PWV或脉搏传输时间。另外，也可以利用任何其他类似的姿势识别传感器，例如振动传感器。
请参阅图27，在24小时监测模式下，当前臂102如图27所示被抬起时，可穿戴设备100可以通过集成的加速度计和陀螺仪来确定用户101的姿势。当可穿戴设备100的处理单元120根据轴向变化确定用户的姿势持续的时间长于阈值时，可穿戴设备100可以进入测量模式，并显示用户的收缩压(systolic blood pressure，SBP)和舒张压(diastolic bloodpressure，DBP)。姿势由加速度计和陀螺仪测得的轴向变化确定。也可以使用任何其他类似的姿势识别传感器，例如振动传感器。
请参考图28，示出了根据本申请的实施例的可穿戴设备的用户界面图。用户界面可以包括显示器160、多个控制按钮170a、170b、170c和多个指示器180a、180b、180c。所述显示器160可以显示多个生理状态161和电池状态162。多个控制按钮可以包括电源按钮170a、向上翻页按钮170b和向下翻页按钮170c。
请参考图29，示出了根据本申请的实施例的可穿戴设备的显示器上的呈现各种生理信号的页面图。如图29所示，向下翻页按钮170c可以被配置为当被按下时将页面翻转到下一页面160a。类似地，向上翻页按钮170b可以被配置为在被按下时将页面翻转到前一页面160b。当同时按下向上翻页按钮170b和向下翻页按钮170c一段时间时，所述显示器160可以进行切换以显示历史数据，包括例如先前确定的生理信息。多个指示器可以包括电源指示器180a、警报指示器180b和处理状态指示器180c，以及指示器可以由不同颜色的照明元件组成，例如LED等。电源指示器180a可以被配置为在处理单元检测到低电池电压时点亮。警报指示器180b可以被配置为在处理单元检测到异常生理状态时点亮。处理状态指示器180c可以被配置为在处理单元正在运行时点亮。
在本申请的至少一个实施例中，传感器110可以包括NPNS、NIRS、压电传感器、气压计、多普勒传感器、超声传感器、激光二极管和光电二极管中的至少一种，以基于多个动脉脉搏或来自不同传感器的同一脉搏的多个读数，获取与脉搏到达时间(pulse arrivaltime，PAT)、脉搏传输时间(pulse transit time，PTT)、脉搏波速度(pulse wavevelocity，PWV)、脉搏、不规则脉搏峰(irregular pulse peak，IPP)、不规则心跳(irregular heart beat，IHB)、心房颤动(atrial fibrillation，AF)、心率变异性(heartrate variability，HRV)和心率相关的生理信号。PWV可以由处理单元120基于如下等式来确定：PWV＝Δd/Δt(PTT)。其中，Δt(PTT)代表由Windkessel效应引起的脉搏传输时间(PTT)。通过传感器110之间的已知距离(Δd)，可以从至少两个传感器110检测到的相同脉搏的多个波形中确定所述PTT由。可以在靠近人动脉的任何两个点之间测量PTT，并且两个点可以彼此相距0.5cm至15cm。
Moens-Korteweg(MK)函数：
Figure GDA0002873446660000191
其中E是杨氏模量，h是血管壁厚度，d是血管直径，ρ是血液密度，可用于确定长直形弹性管的PWV。通过将杨氏模量方程E-E0eap代入MK函数，MK函数可被改写为
Figure GDA0002873446660000192
PWV与动脉内压(P)之间的关系为：ln(PWV)＝P(Linear relate)。因此，可以通过将大量实验室数据输入到
Figure GDA0002873446660000193
中来对ln(PWV)＝P(Linear relate)进行回归校准。其中，
Figure GDA0002873446660000194
x2＝Δd＝length ofartery。因此，所述处理单元120可以利用MK函数和从血管壁厚度(h)、血管直径(d)、血液密度(ρ)获得的至少一个血液动力学参数来确定动脉内压(P)。应该注意的是，血液动力学参数还可以包括血管硬度、动脉扩张、血管的杨氏模量等。
实际上，人体动脉并不是理想的弹性管。为了获得更精确的动脉内压(P)结果，通过大量的实验室数据建模的条件下，传感器110得以间接测量血管壁厚度(h)、血管直径(d)和血液密度(ρ)。因此，在所述处理单元120确定动脉内压(P)时可以执行额外的校准。收缩压(SBP)、舒张压(DBP)和平均动脉压(MAP)之间的关系为
Figure GDA0002873446660000195
心跳越快，所述平均动脉压(MAP)越接近收缩压(SBP)和舒张压(DBP)的平均值，如
Figure GDA0002873446660000196
所述，这也说明动脉的形状可能会随着压力的增加而变化。因此，收缩压(SBP)、舒张压(DBP)和平均动脉压(MAP)可以由动脉内压(P)确定。另外，所述传感器110在测量单位时间(例如10秒或30秒)上获取的脉搏可以用于所述处理单元120以确定不规则脉搏峰(IPP)、不规则心跳(IHB)、心房颤动(AF)和心率变异性(HRV)。首先，确定并平均连续脉搏之间的时间差。其次，确定每个时间差与平均时间差的偏差。最后，当任何偏差超过阈值(例如15％、20％或25％)时即可确定IPP。此外，当IPP计数在同一测量单位时间内相对脉搏峰值总数超过阈值时(例如15％、20％或25％)时，可以确定不规则心跳(IHB)。当在多个测量单位时间内所确定的不规则心跳(IHB)超过阈值(例如60％、70％或80％)时，可以确定心房颤动(AF)。这些条件(例如IPP、IHB、AF和HRV)可以归类为用于确定用户身份的特征子集合之一。应该注意的是，可以通过将E＝E0eap的因次更改为mmHg来重写杨氏模量E＝E0eap，以获得
Figure GDA0002873446660000201
因此，MK函数
Figure GDA0002873446660000202
可以重写为
Figure GDA0002873446660000203
以获得动脉内压(P)。其中动脉内压(P)可被视为MAP。
根据MK函数，血管壁厚度(h)、血管直径(d)、和血液密度(ρ)之间的关系可以表示为
Figure GDA0002873446660000204
血管直径(d)和血液密度(ρ)可以由所述处理单元120通过利用漫反射光谱法(diffuse reflectance spectroscopy，DRS)以及扩散光层析成像(diffuse opticalimaging and tomography，DOT)来确定。可以通过使用传感器110中的NIRS传感器来执行DRS和DOT。当通过NIRS传感器测量混合流体介质时，总光子可以等于吸收、反射和透射之和。光子的吸收可以根据比尔朗伯定律获得
Figure GDA0002873446660000205
如It＝I0-δI所述，从光入射能量(I0)中减去光衰减能量(δI)来获得光透射能量(It)。δI是吸收和散射之和。因此，衰减系数(μ)可以分解为吸收系数(μa)和散射系数(μs)。另外，μ是摩尔浓度(c)和摩尔吸光系数(ε)的乘积。当混合流体介质是血液时，如
Figure GDA0002873446660000206
所述血液的μa可以用血红蛋白(Hb)和氧合血红蛋白(HbO2)表示。优选地，可以通过NIRS传感器在420nm和940nm的波长下测量血液的μa。然而，波长并不限于此。因此，当考虑光程(L)的距离时，可将比尔朗伯定律重写为
Figure GDA0002873446660000211
和
Figure GDA0002873446660000212
这表明It随着L的增加而减少。
Hb的吸收系数μa可以表示为μa Hb＝k(λ)·γ·μa blood(λ)。其中γ是血液体积分数，k(λ)是在特定波长λ下的μa Hb(λ)的校准系数，μa blood(λ)是在特定波长λ下的血液吸收系数。可以通过全血中血红蛋白吸收系数(μa Hb)与氧合血红蛋白吸收系数
Figure GDA0002873446660000217
之比值来表示μa blood。γ可以表示为
Figure GDA0002873446660000213
并由NIRS传感器测量。因此，血液的吸收系数μa可以通过以下公式进行确定：
Figure GDA0002873446660000214
其中，α是通过NIRS测量的氧饱和度SPO2的百分比。所以，Hb的吸收系数μa和血液的吸收系数μa可以由氧饱和度SPO2确定。因此k(λ)可以由处理单元120根据μa Hb＝k(λ)·γ·μa blood(λ)来确定。此外，校准系数k(λ)可以表示为
Figure GDA0002873446660000215
因此，血管直径(d)可以由血管半径(r)确定。
本申请的至少一个实施例中，提供一种确定血管直径(d)或血管半径(r)的方法。根据比尔朗伯定律，当用漫反射光源照射均质介质时，吸光度与吸收物质的浓度呈正相关。然而，当以遵循比尔朗伯定律的特定波长的光源照射由人体组织(如表皮层、真皮层、结缔组织和脂肪)覆盖的血管时，由于Windkessel效应，血管的吸收率随红细胞的数量变化而波动。所述波动是在漫反射光源下由人体产生的脉动交流(AC)分量，并且可以通过传感器110中的光电传感器的反射和透射信号来测量。
在波动范围之外，光电传感器测得的其余吸光度为非脉动直流(DC)分量。在相同的外部条件下，对于相同的血管大小和红血球，AC分量和DC分量
Figure GDA0002873446660000216
的比值应相同。如图30所示，所述比值可随红细胞线性或非线性变化。血管的容量取决于血管半径(r)，因此可以实现血管直径(d)或血管半径(r)的定量量化。然而，用于测量漫反射的光电容积描记传感器必定具有自动增益控制，以动态调整辐照度或光通量率。此外，传感器的放置位置和身体组织组成都会影响吸收、反射、透射和散射的模型(可以统称为ARTS模型)。因此，应该将辐照度或光通量率归一化，并纠正ARTS模型中的差异。
如图31所示，对于生理信号监测系统，可以预先进行皮肤表面组织和光电传感器的数值建模，而蒙特卡罗方法可用于模拟ARTS模型中大量光子的传输过程。在蒙特卡罗模拟的计算数值模型中，光源数量、光源位置、光源波长、光接收传感器数量、光接收传感器位置是已知的并且在模型中预设，并且光接收传感器的位置可以包括绝对位置和相对位置。多层组织模型可用于模拟皮肤表面组织和血管。多层组织模型主要包括三层，即表皮、真皮和血管。多层组织模型中也可以使用其他众所周知的实验参数，例如吸收系数、散射系数、折射率和Henyey-Greenstein函数。光电传感器和皮肤表面组织之间的介质(例如玻璃、丙烯酸或空气)的折射率也可以包含在输入模型中。
如图32所示，皮肤表面组织模型可以被分割成多个0.1mm的正方形，以获得整体分布的参数。大量光子的传输过程可以通过预测性ARTS模型进行模拟。然后，将预测性ARTS模型用于可穿戴设备100中光电传感器的拟合和校准，以及蒙特卡罗的拟合和校准。每次通过光电传感器校准光学测量值时，处理单元120可以根据等式
Figure GDA0002873446660000221
对获得的AC分量和DC分量进行归一化。交流分量和直流分量之比值可以表示单个血管直径与血管中全血量之比。因此，可以通过处理单元120实现量化血管直径(d)或半径(r)。应该注意的是，本实施例的核心是通过校准可穿戴设备100中的实际测量值的偏差来量化AC分量和DC分量，从而确定血管直径(d)或血管半径(r)，因此并不限于以上示例性数值或参数。
红细胞(即，Hb和HbO2)与血浆之间的关系可以通过NIRS传感器来测量。正常的全血由大约55％的血浆和45％的血细胞组成。更具体地说，血浆由92％的水组成，其余8％是血浆蛋白的组合，而血细胞由90％的红细胞(即Hb和HbO2)组成，其余10％是白细胞和血小板。已知血浆和血细胞的密度分别约为1.025g/ml和1.115g/ml。因此，可以根据所述密度确定全血的血液密度(ρ)，对于正常的健康人，全血的血液密度(ρ)约为1.03g/ml至1.075g/ml。用于校准血液密度(ρ)的校准系数，可以从NIRS传感器所测量的统计数据中获得，并且可以根据不同用户的不同条件进行调整。因此，血液密度(ρ)并不限于上述。在已知血管直径(d)和血液密度(ρ)的条件下，血管壁厚度(h)可以由处理单元120通过利用具有MK函数的统计线性或非线性回归来确定。根据已知参数中的血管直径(d)、血液密度(ρ)和已校准的PWV，假定每个人的血管壁厚度(h)都是恒定的。
在本申请的至少一个实施例中，提供了另一种确定血管壁厚度(h)的方法。已知血压在大约15秒至1分钟的测量单位时间内不会有显著波动，并且血管直径(d)和血液密度(ρ)是已知参数。但是，身体不同部位的动脉具有不同的血管有效半径r和血管壁厚度(h)。通过将血管壁厚度(h)以0.01mm的间隔从0.01mm增加到1mm，并将血管壁厚度(h)、血管直径(d)、血液密度(ρ)和脉搏传输时间(PTT)或脉搏波速度(PWM)代入MK函数以获得血压(P)，可以绘制带有100个计算点的“血管壁厚度(h)与血压(P)”的曲线。所述处理单元120可以使用在测量单位时间内获得的多个PTT或PWM值来重复确定血压(P)，以获得多组“血管壁厚度(h)与血压(P)”曲线。对于多组“血管壁厚度(h)与血压(P)”曲线上的每个血管壁厚度(h)值，具有合理血压值(P)的点被选择(例如，介于60mmHg至140mmHg)以用于统计分析。因此，如图33所示，最常见的血管壁厚度(h)值与血管壁厚度(h)的实际范围对应。应当注意的是，血管壁厚度(h)的范围可以根据人体的各个部分而变化，因此，本申请不限于上述内容。
为了确定可穿戴设备100中的E0和α的值，可以执行一系列的预校准和实验统计。E0和α是杨氏模量中与人体动脉组织有关的一部分。根据先前的研究，E0约为1428.7mmHg，并且α介于0.015至0.033mmHg之间。但是，在确定脉搏传输时间(PTT)时，生理信号监测系统中可能会存在偏差。因此，在本申请的至少一个实施例中，提供了一种用于在生理信号监测系统中校准和确定E0和α的方法。可穿戴设备100可以连接到模拟器(图中未示出)，其中将由模拟器模拟的一组PTT(α0n)与由可穿戴设备100测量的一组PTT(α1n)进行比较，以获得PTT(α0n)和PTT(α1n)之间的变换函数
Figure GDA0002873446660000231
因此，可以在处理单元120中预先设置所述变换函数，所述变换函数表示由于E0和α的变化而导致的可穿戴设备100的PTT测量中的偏差。需要说明的是，本实施例中提到的任何算术值仅用于说明，并不限制本申请的实施例。
通常，脉搏压(PP)为30mmHg至50mmHg。但是，在心血管疾病或动脉疾病的情况下，PP的范围可以从30mmHg到100mmHg。在本申请的至少一个实施例中，提供了一种通过光电容积描记强度比(photoplethysmogram intensity ratio，PIR)和脉搏传输时间(PTT)确定PP的方法。如图34和图35所示，PP与动脉直径的扩张有关，可以用PIR表示。因此，在不同的PP下，一个人的PIR可能是线性的或非线性的。因此，PP的变化必须根据动脉硬度水平进行归一化。由于以
Figure GDA0002873446660000241
中的E0和α表示的动脉硬度水平与PTT正相关，处理单元120可以使用从传感器110获得的一组PTT值来确定一组动脉硬度值，并且PIR可以由处理单元120根据
Figure GDA0002873446660000242
来确定。因此，PIR测量值由处理单元120通过一组动脉硬度水平进行归一化，并且归一化的PIR可以通过处理单元120中预设的动脉硬度归一化PIR与PP的查找表来确定PP。需要说明的是，本实施例的核心是通过动脉的扩张程度来确定PP，因此并不限制本申请的实施例。
在本申请的至少一个实施例中，提供了一种用于确定收缩压(SBP)和舒张压(DBP)的算法。SBP和DBP之间的差可以被称为脉搏压(PP)，其是由心脏收缩的脉搏产生的压力，并且可以被PP＝SBP-DBP确定。随着心率的增加，平均动脉压(MAP)变得更接近SBP和DBP的算术平均值，如图36所示，MAP位于SBP和DBP之间。因此，将系数k引入到MAP和PP中，可以通过MAP、SBP、DBP和PP之间的关系确定SBP和DBP，其中系数k的范围是从0到1。如图37所示，当系数k在DBP＝MAP-(k×PP)和SBP＝MAP+(1-k)·PP中调整时，SBP和DBP可以由处理单元120通过跟着PP上下调整MAP值来确定。需要说明的是，尽管系数k是用于确定SBP和DBP的核心，但是本申请的实施例不应该仅限于单个系数。
在本申请的至少一个实施例中，可以通过传感器110测量不同测量点之间的动脉脉搏的时间差，来执行脉搏传输时间(PTT)或脉搏波速度(PWV)的采样方法。其中，时间差可以代表PTT或PWV。仪器测量领域的一个已知事实是仪器测量以高斯分布的形式表示，包括实际值和误差，其中误差可能包括系统误差和随机误差。因此，当在单位时间内测量一组PTT或PWV时，必须通过数值方法确定其采样值。例如，处理单元120可以从一组PTT或PWV之中确定中位数或平均值，以确定代表PTT或PWV的实际值。在本申请中获得由PTT或PWV表示的实际值的方法不限于此。
在本申请的至少一个实施例中，心率、脉搏传输时间(PTT)和脉搏波速度(PWV)的实际值的确定可以通过统计方法实现。因此，处理单元120根据每测量单位时间的分散程度可以在确定实际值过程中确定成功的测量。例如，通过确定高斯分布的方差，当由传感器110接收的任何生理信号具有大分散的现象，又所述方差超过阈值时，则被确定为不可信。在这种情况下，警报或显示器可以会生成视觉和/或听觉通知，以提示重新测量。
在本申请的至少一个实施例中，提供了一种通过多个传感器110确定脉搏传输时间(PTT)的方法。可穿戴设备100的传感器110包括主要传感器和辅助传感器。在PTT的确定过程，由主要传感器和由辅助传感器获得的PTT的值可以彼此交叉参考。但是，主要传感器和辅助传感器的采样率不同。因此，可以设计一种用于所述确定的特定算法。例如，对于如图38所示的包括两个主要传感器M1和M2以及辅助传感器A1的可穿戴设备100，可以获得三个PTT值，分别是M1-M2、M1-A1和M2-A1。需要说明的是，主要传感器M1、M2和辅助传感器A1中具有较高采样率的一个在所述确定中占主导地位。如图39所示，在采样率较低的传感器的感测点(即峰点或谷点)之间进行插值。插值可以是线性插值、双线性插值或任何其他插值。处理单元120可以分别在从峰点或谷点起的N个插值点中确定局部最大值或局部最小值，其中N等于高采样率对低采样率的比值。因此，如图39所示，局部最大值或局部最小值可以与从具有较高采样率的传感器获得的相应脉搏峰值或脉搏谷值一起用于对PTT的确定。需要说明的是，本实施例的核心是由可穿戴设备100利用具有不同采样率的传感器110来确定PTT，因此，本申请的实施例不限于以上示例性数值或参数。
在本申请的至少一个实施例中，心率确定的方法可以基于传感器110对动脉脉搏的脉搏波的测量。可以根据时间t处的当前脉搏与时间t-1处的前一个脉搏之间的时间差，来确定每分钟心跳数(beat per minutes，BPM)。由于可以在测量单位时间内获得N个脉搏，因此脉搏之间的总周期数为N-1。心率可以由处理单元120确定为N-1的中位数或平均值，并且所确定的心率可以表示在测量单位时间内的心率。本申请中获取心率的方法不限于此。
在本申请的上下文中，术语“特征提取”和“分类方法”是指从传感器(例如，ECG、EMG、压电传感器等)获取的生理信号形成每个特征的集合的过程或技术。这样的传感器也可以属于其子集合。可以通过分类方法将生理信号的特征集合分类为不同的类别，例如主成分分析(principal component analysis，PCA)、线性判别分析(linear discriminantanalysis，LDA)、局部线性嵌入(locally linear embedding，LLE)或拉普拉斯特征映射。通过分类，可以将具有较大协方差值的特征分类为其他类别，以输出维度比原始集合低的新特征集合。分类器可以训练新的集合以确定用户的身份。分类器可基于常规机器学习方法来编程，例如支持向量机(support vector machine，SVM)、线性回归、逻辑回归、决策树、k邻法或朴素贝叶斯。在确定了用户的身份之后，可以根据用户的身份将用户101的生理信号和生理信息存储在移动设备200或云服务器300上。分类方法可以仅在移动设备200或云服务器300上执行，而可穿戴设备100可以仅获取生理信号和生理信息，并发送到移动设备200和云服务器300。
在本申请的至少一个实施例中，所述传感器110可以包括一对电极，用于从手腕读取肌电图(electromyography，EMG)的连续信号。当所述处理单元120确定任何信号的读数大于连续信号的均方根(root mean square，RMS)值时，所述信号可以是用于确定用户身份的生理信号的特征的子集合。连续信号可以通过快速傅立叶变换(Fast FourierTransform，FFT)进行处理以获得频谱，从而形成用于用户识别的特征的另一个子集合。
在本申请的至少一个实施例中，所述传感器110可以包括两对电极。一对电极连接到脉搏波调制(pulse wave modulation，PWM)产生器或数模转换器(digital-analogconvertor，DAC)的通用输入/输出(general-purpose input/output，GPIO)，以施加具有不同频率的不同AC信号的组合(例如5k、10k、50k、100k、500k和1MHz的频率)在皮肤表面。同时，另一对电极检测AC信号中的变化，以允许处理单元120通过RLC模型和频谱分析来导出皮肤和体脂的阻抗。此外，每个用户具有不同且复杂的皮肤成分，例如角质层、结缔组织、脂肪和水分含量。因此，获得的频谱可以是用于确定用户身份的另一个特征子集合。
在本申请的至少一个实施例中，所述传感器110可以包括具有波长在300nm到1100nm之间的激光二极管或LED形成的近红外光谱(near-infrared spectroscopy，NIRS)传感器和配置为检测相同波长的光电二极管。根据近红外光谱传感器的几何光学特性，可以对吸收、反射和透射进行蒙特卡罗模拟，从而生成用于校准的近红外光谱传感器的ART(即，吸收、反射、透射)模型。所述近红外光谱传感器可检测包括氧合血红蛋白(HbO2)、血红蛋白(Hb)和血糖在内的各种血液含量的比值，以允许通过处理单元120测定相应的SpO2、SaO2和血流，以校准至少一个Moens kortewg(MK)函数中的系数。光电容积描记(PPG)信号中的重搏切迹的特征，可用于分析心脏和动脉的特性，例如高血压与心动周期的关系。因此，从PGG获取的特征可以进一步表示一种可用于确定用户身份的特征子集合。
在本申请的至少一个实施例中，所述传感器110可以是一对电极，可以撷取改良肢体导联II(MLII)的心电图信号。检测QRS波群的R波峰可以被处理单元120用来确定不规则脉搏峰(IPP)、不规则心跳(IHB)、心房颤动(AF)、心率变异性(HRV)和心率。心电图信号的PQRST波可以代表整个心动周期，因此，PQRST的时域信号可以是确定用户身份的特征子集合之一。
在本申请的至少一个实施例中，蒙特卡罗方法进行的光子传输模拟，需要根据不同类型的皮肤组织进行校准，因此可以根据Fitzpatrick分类对光子传输模拟的结果和实际测量的结果进行曲线拟合。可以在光学参数处于不同波长、强度、LED的位置以及尺寸和光电传感器的位置及尺寸的情况下来执行光子传输模拟。根据Fitzpatrick分类法，不同皮肤类型的光学参数可以包括折射率、散射率、吸收率和Henyey-greenstein函数。根据Fitzpatrick分类，与不同皮肤类型相关的光子传输模拟的结果可以包括吸收、反射、透射和散射。可以根据Fitzpatrick分类，通过“机械波延时结构/脉搏传输时间比例修改”执行实际测量。因此，可以通过对光子传输模拟和实际测量的结果进行曲线拟合来进行校准。
在本申请的至少一个实施例中，通过蒙特卡罗模拟，在不同波长的光源和不同的光传感器下建立了多层组织模型、微血管随机分布模型和动脉随机分布模型，模拟的结果是特定类型的组织模型在特定波长的光源下的呈现。因此，可以通过结合模拟的结果来构建“光源-光传感器-组织模型”查找表。当所述传感器110执行实际测量时，所述处理单元120可以使用“光源-光传感器-组织模型”查找表来校准实际测量的偏差。另外，在设计相应地光传感器时，也可以将蒙特卡罗逆模拟应用于“光源-光传感器-组织模型”查找表。总体而言，本申请的核心之一是蒙特卡罗方法的应用，随后进行向前或向后曲线拟合，其可以分别用作校准实际测量或设计光学传感器的参考。
总之，根据本申请的各个实施例的设备和方法，利用脉搏传输时间和血液动力学参数来确保血压监测的高精度、改善的佩戴体验以及便利的监测。
先前的描述仅是本申请的实施例，而无意于限制本申请的范围。根据本申请的权利要求和说明书的许多变化和修改仍在所要求保护的公开的范围内。另外，每一个实施例和权利要求不必达成所公开的所有优点或特征。此外，摘要和标题仅用于促进专利文献的搜索，而不以任何方式限制所要求保护的公开内容的范围。

Claims (22)

1.一种血压测量设备，其特征在于，包括：
一壳体；
一设置在所述壳体内的处理单元；
一设置在所述壳体上并与所述处理单元通信的显示器；
多个与所述处理单元通信的传感器，被配置为感测用户的动脉，并将与所述动脉相对应的至少一个生理信号传输至处理单元；
其中，所述处理单元被配置为执行以下步骤：
处理所述至少一个生理信号以获得多个血液动力学参数和脉搏传输时间；
通过Moens-Korteweg(MK)函数从所述多个血液动力学参数和脉搏传输时间确定平均动脉压；
从所述平均动脉压确定收缩动脉压和舒张动脉压；
控制所述显示器显示所述收缩动脉压和所述舒张动脉压。
2.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器包括一机械波传感器和一光学传感器。
3.如权利要求2所述的血压测量设备，其特征在于，所述机械波传感器为压电传感器，在所述壳体上对应于所述压电传感器和所述光学传感器设置有多个通孔，所述多个通孔形成与动脉平行的直线。
4.如权利要求3所述的血压测量设备，其特征在于，所述压电传感器和所述光学传感器被配置为在不同的采样率下运行。
5.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器包括两个机械波传感器和一个光学传感器，所述壳体上的多个通孔对应于所述两个机械波传感器和所述光学传感器设置，所述多个通孔形成与所述动脉平行的直线。
6.如权利要求5所述的血压测量设备，其特征在于，所述两个机械波传感器的采样率不同于所述光学传感器的采样率。
7.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器包括压电传感器，所述设备还包括与所述压电传感器通信的信号控制器及信号检测器，其中，所述信号检测器被配置为检测从所述压电传感器发送的所述至少一个生理信号的信号方向，并且所述信号控制器被配置为更改所述信号方向。
8.如权利要求7所述的血压测量设备，其特征在于，当所述压电传感器之一的极化方向与预期极化方向相反时，所述信号控制器改变在所述生理信号之后的一生理信号的信号方向。
9.如权利要求1所述的血压测量设备，其特征在于，所述血压测量设备还包括延时结构，所述延时结构设置在所述传感器之一和形成在所述壳体上的多个通孔之一之间，其中所述时延结构被配置为延长用户的测量点与所述传感器之间的路径距离，所述处理单元获得的脉搏传输时间与所述路径距离相关。
10.如权利要求9所述的血压测量设备，其特征在于，所述延时结构为螺旋形状或锯齿形状。
11.如权利要求9所述的血压测量设备，其特征在于，所述延时结构是一个管，其包括用于传输机械波的介质。
12.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器包括一加速度计和一陀螺仪，所述加速度计和所述陀螺仪被配置为测量所述血压测量设备的轴向变化，并且所述处理单元还被配置为根据所述轴向变化来调节脉搏传输时间。
13.如权利要求12所述的血压测量设备，其特征在于，当所述处理单元根据轴向变化确定用户的姿势持续的时间大于阈值时，所述血压测量设备进入测量模式，并显示所述收缩动脉压和所述舒张动脉压。
14.如权利要求1所述的血压测量设备，其特征在于，还包括一警报器被配置为在确定生理信号的方差超过阈值时生成重新测量通知。
15.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器包括机械波传感器，形成在所述壳体上的多个通孔中的至少一个是圆锥形的，并且至少一个通孔增强了所述机械波传感器的接收。
16.如权利要求1所述的血压测量设备，其特征在于，所述血压测量设备还包括固定在多个通孔的开口周围的接触材料，以增强开口和用户的皮肤表面之间的密封性。
17.如权利要求1所述的血压测量设备，其特征在于，所述血压测量设备还包括覆盖通孔之一的网状材料或薄膜，以防止异物进入通孔。
18.如权利要求17所述的血压测量设备，其特征在于，所述网状材料由聚四氟乙烯制成，所述薄膜由硅橡胶制成。
19.如权利要求1所述的血压测量设备，其特征在于，所述血液动力学参数包括动脉硬度水平和动脉扩张水平，所述处理单元根据动脉硬度水平对动脉扩张水平进行归一化以获得脉搏压，并通过所述脉搏压和系数k确定所述收缩动脉压和所述舒张动脉压，所述系数k的范围为0到1。
20.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器设置在所述壳体中并且不与所述血压测量设备的中心线重叠。
21.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器中的每一个传感器可拆卸地连接到用户，并有线或无线连接到血压测量设备。
22.如权利要求1所述的血压测量设备，其特征在于，所述多个传感器包括第一传感器和第二传感器，所述第一传感器设置在所述血压测量设备的所述壳体的外部，所述第二传感器设置在所述壳体内。
CN201980035115.5A 2018-05-25 2019-05-24 血压测量设备 Active CN112739255B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862676909P 2018-05-25 2018-05-25
US62/676909 2018-05-25
PCT/CN2019/088399 WO2019223796A1 (en) 2018-05-25 2019-05-24 A device for measuring blood pressure

Publications (2)

Publication Number Publication Date
CN112739255A true CN112739255A (zh) 2021-04-30
CN112739255B CN112739255B (zh) 2024-07-02

Family

ID=68615686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980035115.5A Active CN112739255B (zh) 2018-05-25 2019-05-24 血压测量设备

Country Status (5)

Country Link
US (1) US11969236B2 (zh)
EP (1) EP3801228A4 (zh)
JP (1) JP7247444B2 (zh)
CN (1) CN112739255B (zh)
WO (1) WO2019223796A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288090A (zh) * 2021-05-06 2021-08-24 广东工业大学 血压预测方法、系统、设备及存储介质
CN113786180A (zh) * 2021-10-25 2021-12-14 中国科学技术大学 基于毫米波雷达信号的人体血压检测方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220388301A1 (en) * 2019-11-15 2022-12-08 Hewlett-Packard Development Company, L.P. Fluidic die change of direction detection
EP3922175A1 (en) * 2020-06-11 2021-12-15 Koninklijke Philips N.V. Hemodynamic parameter estimation
KR102564545B1 (ko) * 2021-03-19 2023-08-07 삼성전자주식회사 생체정보 추정 장치 및 방법
WO2024073321A2 (en) * 2022-09-26 2024-04-04 The Regents Of The University Of California Piezoelectric micromachined ultrasonic transducers for blood pressure monitoring

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080039731A1 (en) * 2005-08-22 2008-02-14 Massachusetts Institute Of Technology Wearable Pulse Wave Velocity Blood Pressure Sensor and Methods of Calibration Thereof
CN101990415A (zh) * 2008-01-15 2011-03-23 B·加维什 利用重复血压测量确定生理参数
JP2011206383A (ja) * 2010-03-30 2011-10-20 Sharp Corp 脈波伝播速度測定装置および脈波伝播速度の測定方法および脈波伝播速度の測定プログラム
CN103505191A (zh) * 2012-06-20 2014-01-15 法玛科技顾问股份有限公司 一种利用压脉带的压力脉波震荡讯号以预估中心主动脉脉搏压的方法及其装置
CN104138253A (zh) * 2013-05-11 2014-11-12 吴健康 一种无创动脉血压连续测量方法和设备
CN104856661A (zh) * 2015-05-11 2015-08-26 北京航空航天大学 一种基于舒张压动态补偿的可穿戴式连续血压估测系统及方法
US20150327785A1 (en) * 2014-05-19 2015-11-19 Qualcomm Incorporated Continuous Calibration of A Blood Pressure Measurement Device
JP2016174798A (ja) * 2015-03-20 2016-10-06 セイコーエプソン株式会社 血圧計測装置および校正方法
CN106333655A (zh) * 2015-07-09 2017-01-18 三星电子株式会社 用于分析活体信息的装置和方法
US20170095168A1 (en) * 2015-10-02 2017-04-06 Samsung Electronics Co., Ltd. Blood pressure measuring apparatus, and blood pressure measuring apparatus using light source selection process
WO2017086071A1 (ja) * 2015-11-17 2017-05-26 株式会社村田製作所 脈波伝播時間計測装置、及び、生体状態推定装置
US20170172431A1 (en) * 2015-12-18 2017-06-22 Samsung Electronics Co., Ltd. Method and apparatus of calculating blood pressure
US20170205767A1 (en) * 2007-01-29 2017-07-20 Celloptic, Inc. System, apparatus and method for extracting image cross-sections of an object from received electromagnetic radiation
US20170215749A1 (en) * 2016-02-03 2017-08-03 Angilytics Inc. Non-invasive and non-occlusive blood pressure monitoring devices and methods
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
US20170340219A1 (en) * 2014-09-08 2017-11-30 Apple, Inc. Electrical coupling of pulse transit time (ptt) measurement system to heart for blood pressure measurment
US20170347894A1 (en) * 2016-06-03 2017-12-07 Fourth Frontier Technologies Pvt. Ltd. System and method for continuous monitoring of blood pressure
EP3288447A1 (en) * 2016-05-03 2018-03-07 Samsung Electronics Co., Ltd. Apparatus and method for extracting cardiovascular characteristic
US20180078155A1 (en) * 2016-09-16 2018-03-22 Qualcomm Incorporated Multi-model blood pressure estimation
JP2018508273A (ja) * 2015-02-09 2018-03-29 日東電工株式会社 被験体の平均動脈圧を導き出すための方法および装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7410480B2 (en) * 2004-04-21 2008-08-12 Acclarent, Inc. Devices and methods for delivering therapeutic substances for the treatment of sinusitis and other disorders
US9492092B2 (en) * 2009-05-20 2016-11-15 Sotera Wireless, Inc. Method for continuously monitoring a patient using a body-worn device and associated system for alarms/alerts
CN102008296B (zh) * 2010-12-24 2013-09-04 吉林大学 基于脉搏波信号和心电信号测量动脉血压装置及测量方法
CN103371809B (zh) * 2012-04-26 2016-05-25 中兴通讯股份有限公司 一种血压值监测系统
US20150073230A1 (en) * 2013-09-12 2015-03-12 Fujitsu Limited Calculating blood pressure from acoustic and optical signals
JP6308742B2 (ja) 2013-09-13 2018-04-11 旭化成株式会社 血圧情報出力装置、血圧情報出力プログラム、媒体、血圧情報出力方法
US10786161B1 (en) * 2013-11-27 2020-09-29 Bodymatter, Inc. Method for collection of blood pressure measurement
JP6854612B2 (ja) * 2015-10-06 2021-04-07 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 生体情報測定装置及び生体情報測定方法並びにコンピュータ読み取り可能な記録媒体
US10213117B2 (en) * 2016-02-18 2019-02-26 Qualcomm Incorporated Blood pressure estimation based on pulse wave velocity
JP6699397B2 (ja) * 2016-06-24 2020-05-27 オムロンヘルスケア株式会社 生体情報測定装置、生体情報測定支援方法、及び、生体情報測定支援プログラム
US10485433B2 (en) * 2016-12-29 2019-11-26 Intel Corporation Reliable estimation of pulse transit time in motion for cuffless blood pressure estimation
US20180206734A1 (en) * 2017-01-20 2018-07-26 Kentec Inc. Wrist type apparatus for measurement of cardiovascular health, system, and method thereof
KR102058275B1 (ko) * 2017-10-31 2019-12-20 주식회사 원소프트다임 광학 센서를 이용한 혈압 측정 방법 및 장치
EP3636144B1 (en) * 2018-10-11 2023-06-07 Current Health Limited Monitoring apparatus and method

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080039731A1 (en) * 2005-08-22 2008-02-14 Massachusetts Institute Of Technology Wearable Pulse Wave Velocity Blood Pressure Sensor and Methods of Calibration Thereof
US20170205767A1 (en) * 2007-01-29 2017-07-20 Celloptic, Inc. System, apparatus and method for extracting image cross-sections of an object from received electromagnetic radiation
CN101990415A (zh) * 2008-01-15 2011-03-23 B·加维什 利用重复血压测量确定生理参数
JP2011206383A (ja) * 2010-03-30 2011-10-20 Sharp Corp 脈波伝播速度測定装置および脈波伝播速度の測定方法および脈波伝播速度の測定プログラム
CN103505191A (zh) * 2012-06-20 2014-01-15 法玛科技顾问股份有限公司 一种利用压脉带的压力脉波震荡讯号以预估中心主动脉脉搏压的方法及其装置
CN104138253A (zh) * 2013-05-11 2014-11-12 吴健康 一种无创动脉血压连续测量方法和设备
US20150327785A1 (en) * 2014-05-19 2015-11-19 Qualcomm Incorporated Continuous Calibration of A Blood Pressure Measurement Device
US20170340219A1 (en) * 2014-09-08 2017-11-30 Apple, Inc. Electrical coupling of pulse transit time (ptt) measurement system to heart for blood pressure measurment
JP2018508273A (ja) * 2015-02-09 2018-03-29 日東電工株式会社 被験体の平均動脈圧を導き出すための方法および装置
JP2016174798A (ja) * 2015-03-20 2016-10-06 セイコーエプソン株式会社 血圧計測装置および校正方法
CN104856661A (zh) * 2015-05-11 2015-08-26 北京航空航天大学 一种基于舒张压动态补偿的可穿戴式连续血压估测系统及方法
CN106333655A (zh) * 2015-07-09 2017-01-18 三星电子株式会社 用于分析活体信息的装置和方法
US20170095168A1 (en) * 2015-10-02 2017-04-06 Samsung Electronics Co., Ltd. Blood pressure measuring apparatus, and blood pressure measuring apparatus using light source selection process
WO2017086071A1 (ja) * 2015-11-17 2017-05-26 株式会社村田製作所 脈波伝播時間計測装置、及び、生体状態推定装置
US20170172431A1 (en) * 2015-12-18 2017-06-22 Samsung Electronics Co., Ltd. Method and apparatus of calculating blood pressure
US20170215749A1 (en) * 2016-02-03 2017-08-03 Angilytics Inc. Non-invasive and non-occlusive blood pressure monitoring devices and methods
EP3288447A1 (en) * 2016-05-03 2018-03-07 Samsung Electronics Co., Ltd. Apparatus and method for extracting cardiovascular characteristic
US20170347894A1 (en) * 2016-06-03 2017-12-07 Fourth Frontier Technologies Pvt. Ltd. System and method for continuous monitoring of blood pressure
US20180078155A1 (en) * 2016-09-16 2018-03-22 Qualcomm Incorporated Multi-model blood pressure estimation
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

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288090A (zh) * 2021-05-06 2021-08-24 广东工业大学 血压预测方法、系统、设备及存储介质
CN113786180A (zh) * 2021-10-25 2021-12-14 中国科学技术大学 基于毫米波雷达信号的人体血压检测方法
CN113786180B (zh) * 2021-10-25 2023-10-20 中国科学技术大学 基于毫米波雷达信号的人体血压检测装置

Also Published As

Publication number Publication date
CN112739255B (zh) 2024-07-02
WO2019223796A1 (en) 2019-11-28
EP3801228A1 (en) 2021-04-14
US20210204824A1 (en) 2021-07-08
US11969236B2 (en) 2024-04-30
EP3801228A4 (en) 2021-07-14
JP2021524792A (ja) 2021-09-16
JP7247444B2 (ja) 2023-03-29

Similar Documents

Publication Publication Date Title
CN112739255B (zh) 血压测量设备
US10993663B2 (en) Neck-worn physiological monitor
US9107586B2 (en) Fitness monitoring
Kang et al. A wrist-worn integrated health monitoring instrument with a tele-reporting device for telemedicine and telecare
Fortino et al. PPG-based methods for non invasive and continuous blood pressure measurement: An overview and development issues in body sensor networks
Thomas et al. BioWatch—A wrist watch based signal acquisition system for physiological signals including blood pressure
Chacon et al. A wearable pulse oximeter with wireless communication and motion artifact tailoring for continuous use
JP2022532844A (ja) パッチ式生理センサ
CN104114089A (zh) 用于生命迹象监测的光学传感器
Agustine et al. Heart rate monitoring device for arrhythmia using pulse oximeter sensor based on android
KR100877207B1 (ko) 비침습적 연속 혈압, 동맥탄성도 측정장치
Kao et al. Towards maximizing the sensing accuracy of an cuffless, optical blood pressure sensor using a high-order front-end filter
KR100855043B1 (ko) 비침습적 연속 혈압, 동맥탄성도 측정방법
US11123020B2 (en) Neck-worn physiological monitor
EP3769666A1 (en) Human body wearable body information measuring device and medical support system using same
US11229405B2 (en) Neck-worn physiological monitor
US11357453B2 (en) Neck-worn physiological monitor
KR20240130151A (ko) 광혈류 측정 기반 혈압 모니터링 디바이스
KR100855042B1 (ko) 비침습적 연속혈압, 동맥탄성도 측정장치
KR100877212B1 (ko) 비침습적 연속 혈압, 동맥탄성도 측정장치
US20170172423A1 (en) Neck-worn physiological monitor
US20170172428A1 (en) Neck-worn physiological monitor
US20170172427A1 (en) Neck-worn physiological monitor
CN214127218U (zh) 一种带有非损伤式生理数据检测功能的头盔装置
Preejith et al. High altitude study on finger reflectance SpO 2

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