CN112770669A - 评估阻抗测量 - Google Patents

Abstract

一种用于对生物受试者执行生物阻抗测量的阻抗测量系统，所述系统包括信号发生器，其被配置成将多个不同频率的交流信号施加至生物受试者的至少部分；传感器，其被配置成测量来自该生物受试者的响应信号；以及一个或更多个电子处理设备，其使用测量到的响应信号确定在该多个不同频率下获得的阻抗值，使用曲线拟合算法计算阻抗曲线，确定该阻抗曲线与该阻抗测量的偏差，以及使用该偏差来执行对阻抗测量的评估。

Description

评估阻抗测量

技术领域

本发明涉及用于执行阻抗测量的方法和系统，并且具体地涉及评估阻抗测量，例如以确认阻抗测量是有效的。

背景技术

本说明书中对任何现有出版物(或从其导出的信息)的引用，或者对已知的任何事物的引用，不是并且不应被视为对以下内容的承认或确认或任何形式的建议：先前的出版物(或从其导出的信息)或已知的事物形成本说明书所涉及的努力领域中的公知常识的一部分。

用于确定与受试者相关的生物指标(如心脏功能、身体组成和其他健康状态指标(如水肿的存在))的一种现有技术，涉及使用生物电阻抗。这个过程典型地涉及使用测量设备，以使用放置在皮肤表面上的一系列电极来测量受试者的身体的电阻抗，但还可以使用其他技术。电阻抗的变化用于确定参数，诸如与心动周期、水肿等相关联的体液水平的变化。

阻抗测量装置有时对外部因素敏感，包括受试者与局部环境以及测量装置之间的寄生电容，电极/组织界面阻抗(也被称为电极阻抗)的变化、以及用于将测量设备连接至电极的引线之间的寄生电容和电感耦合，意味着由阻抗测量设备执行的测量不总是准确的。

通常通过让用户查看所测量的阻抗值的视觉表示以看看这些“看起来正确”来手动地评估测量结果。这种主观评估对于经验不足的用户来说执行是困难的，这意味着准确的测量可能会被抛弃，而使用不准确的测量，这进而可导致生物指标的不正确计算。

发明内容

在一个广泛形式中，本发明的一方面寻求提供一种用于对生物受试者执行生物阻抗测量的系统，该系统包括：信号发生器，该信号发生器被配置成将多个不同频率的交流信号施加至该生物受试者的至少部分；传感器，所述传感器被配置成测量来自所述生物受试者的响应信号；以及一个或更多个电子处理设备，所述一个或更多个电子处理设备：使用测量到的响应信号确定在所述多个不同频率下获得的阻抗值；使用曲线拟合算法计算阻抗曲线；确定所述阻抗曲线与所述阻抗测量的偏差；以及使用所述偏差来执行对所述阻抗测量(measurement)的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者执行的生物阻抗测量的系统，该系统包括一个或更多个电子处理设备，该一个或更多个电子处理设备：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；使用曲线拟合算法计算阻抗曲线；确定所述阻抗曲线与所述阻抗测量的偏差；使用所述偏差来执行对所述阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者进行的生物阻抗测量的方法，该方法包括，在一个或更多个电子处理设备中：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；使用曲线拟合算法计算阻抗曲线；确定所述阻抗曲线与所述阻抗测量的偏差；使用所述偏差来执行对所述阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者进行的生物阻抗测量的计算机程序产品，所述计算机程序产品包括计算机可执行代码，所述计算机可执行代码在由一个或更多个适当编程的电子处理设备执行时，使该一个或更多个处理设备：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；使用曲线拟合算法计算阻抗曲线；确定所述阻抗曲线与所述阻抗测量的偏差；使用所述偏差来执行对所述阻抗测量的评估。

在一个广泛形式中，本发明的一个方面寻求提供一种用于对生物受试者执行生物阻抗测量的阻抗测量系统，该系统包括：信号发生器，该信号发生器被配置成将多个不同频率的交流信号施加至所述生物受试者的至少部分；传感器，所述传感器被配置成测量来自所述生物受试者的响应信号；以及一个或更多个电子处理设备，所述一个或更多个电子处理设备：使用测量到的响应信号确定在所述多个不同频率下获得的阻抗值；确定具有负电抗值的阻抗值的计数；以及使用所述计数来执行对所述阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者进行的生物阻抗测量的系统，该系统包括一个或更多个电子处理设备，该一个或更多个电子处理设备：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；确定具有负电抗值的阻抗值的计数；以及使用所述计数来执行对所述阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者进行的生物阻抗测量的方法，该方法包括，在一个或更多个电子处理设备中：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；确定具有负电抗值的阻抗值的计数；以及使用所述计数来执行对所述阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者执行的生物阻抗测量的计算机程序产品，所述计算机程序产品包括计算机可执行代码，所述计算机可执行代码在由一个或更多个适当编程的电子处理设备执行时，使该一个或更多个处理设备：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；确定具有负电抗值的阻抗值的计数；以及使用所述计数来执行对所述阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于对生物受试者执行生物阻抗测量的阻抗测量系统，该系统包括：信号发生器，信号发生器被配置成将多个不同频率的交流信号施加至所述生物受试者的至少部分；传感器，所述传感器被配置成测量来自所述生物受试者的响应信号；以及一个或更多个电子处理设备，所述一个或更多个电子处理设备：使用测量到的响应信号确定在所述多个不同频率下获得的阻抗值；使用所述阻抗值计算阻抗参数值；将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及使用比较的结果来执行对阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者执行的生物阻抗测量的系统，该系统包括一个或更多个电子处理设备，该一个或更多个电子处理设备：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；使用所述阻抗值计算阻抗参数值；将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及使用比较的结果来执行对阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者执行的生物阻抗测量的方法，该方法包括，在一个或更多个电子处理设备中：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量获得的阻抗值；使用所述阻抗值计算阻抗参数值；将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及使用比较的结果来执行对阻抗测量的评估。

在一个广泛形式中，本发明的一方面寻求提供一种用于评估对生物受试者进行的生物阻抗测量的计算机程序产品，所述计算机程序产品包括计算机可执行代码，所述计算机可执行代码在由一个或更多个适当编程的电子处理设备执行时，使该一个或更多个处理设备：确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量获得的阻抗值；使用所述阻抗值计算阻抗参数值；将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及使用比较的结果来执行对阻抗测量的评估。

在一个实施例中，阻抗曲线是圆弓形。

在一个实施例中，阻抗测量的评估用于以下中的至少一个：确定阻抗测量有效性；对所述阻抗测量进行分类；使所述阻抗测量被重复；以及导出指示以下各项中的至少一项的指示符：测量有效性；测量误差；以及测量分类。

在一个实施例中，阻抗测量被分类为以下各项中的至少一项：差；有问题的；以及，可接受的。

在一个实施例中，一个或更多个处理设备：使用偏差来计算阻抗参数值的估计误差，阻抗参数值从阻抗曲线导出；以及使用所述估计误差来评估阻抗测量。

在一个实施例中，一个或更多个处理设备计算多个阻抗参数值中的每一个的各自的估计误差。

在一个实施例中，一个或更多个处理设备：将所述估计误差与一个或更多个阈值进行比较；以及基于比较的结果评估阻抗测量。

在一个实施例中，一个或更多个处理设备：使用曲线拟合算法计算曲线系数；以及使用所述曲线系数和所述阻抗值来确定所述偏差。

在一个实施例中，曲线拟合算法使用最小二乘法。

在一个实施例中，一个或更多个处理设备通过将偏差传播到阻抗参数值来计算估计误差。

在一个实施例中，偏差基于以下各项中的至少一项：方差；以及协方差。

在一个实施例中，一个或更多个处理设备：通过计算协方差矩阵来确定偏差，协方差矩阵指示与阻抗曲线和阻抗值相关联的方差和协方差；以及使用协方差矩阵来估计误差。

在一个实施例中，基于阻抗曲线和阻抗值的均方误差来生成协方差矩阵。

在一个实施例中，该一个或更多个处理设备使用以下方程式计算协方差矩阵：

其中：A是A＝[1 R X]形式的测量的电抗值X和电阻值R的矩阵；

是曲线拟合的均方误差。

在一个实施例中，所述一个或更多个处理设备使用向量函数的一阶偏导数来计算估计误差。

在一个实施例中，所述一个或更多个处理设备使用雅可比变换来计算估计误差。

在一个实施例中，该一个或更多个处理设备通过使用以下方程式将雅可比变换应用于协方差矩阵来计算估计误差：

其中：J是雅可比变换；J^T是雅可比逆变换；

是误差。

在一个实施例中，一个或更多个处理设备：计算与多个阻抗参数值相关联的误差值；将每个误差值与至少一个各自的阈值进行比较；以及基于所述比较的结果来执行所述评估。

在一个实施例中，多个阻抗参数值包括以下中的一个或更多个：R₀，其是在0kHz的频率下的理论阻抗；R_inf，其是无限频率下的理论阻抗；以及R_i，其是细胞内阻抗。

在一个实施例中，该一个或更多个处理设备使用以下方程式计算误差值：对于

其中：J_R0是针对R₀的雅可比变换；J^T _R0是针对R₀的雅可比逆变换；以及，

是协方差矩阵；对于

其中：J_Rinf是针对R_inf的雅可比变换；J^T _Rinf是针对R_inf的雅可比逆变换；并且

是协方差矩阵；以及，对于

其中：J_Ri是对于R_i的雅可比变换；J^T _Ri是对于R_i的雅可比逆变换；并且

是协方差矩阵。

在一个实施例中，一个或更多个处理设备基于负电抗值的数目来评估阻抗测量。

在一个实施例中，所述一个或更多个处理设备将所述阻抗测量评估为：如果以下各项中的至少一项，则在第一类别中：负电抗测量的数目超过第一类别电抗阈值；或者至少一个参数值具有大于各自的第一类别阈值的误差；如果以下各项中的至少一项，则在第二类别中：负电抗测量的数目超过第二类型电抗阈值；每个参数值具有大于各自的第二类别阈值的误差；如果其不在第一类别或第二类别中，则在第三类别中。

在一个实施例中，一个或更多个处理设备将阻抗测量评估为：如果R₀误差大于第一类别R₀阈值，则在第一类别中；如果下列各项中的至少一项，则在第二类别中：R_i误差大于第一类别R_i阈值；以及，R_inf误差大于第一类别R_inf阈值。

在一个实施例中，一个或更多个处理设备至少部分地使用一个或更多个阈值评估测量，并且其中阈值是以下各项中的至少一项：基于对针对受试者执行的先前阻抗测量的评估来确定，基于对针对一个或更多个参考受试者执行的先前测量阻抗的评估来确定；以及，通过将机器学习应用于对针对一个或更多个参考受试者执行的先前阻抗测量的评估来确定。

在一个实施例中，所述一个或更多个处理设备根据下列各项中的至少一项来选择至少一个阈值：受试者特征；以及正在执行的阻抗分析过程。

在一个实施例中，一个或更多个处理设备：使用至少一个阈值来评估阻抗测量；根据用户输入命令确定所述阻抗测量的用户评估；以及基于所述用户评估选择性地修改所述至少一个阈值。

在一个实施例中，一个或更多个处理设备使用体现不同偏差与测量有效性之间的关系的至少一个计算模型来评估测量。

在一个实施例中，通过将机器学习应用于从一个或更多个参考受试者获得的测量有效性的偏差和评估来获得至少一个计算模型。

在一个实施例中，一个或更多个处理设备：将相位校正应用于在高于设定频率的频率下测量的阻抗值；以及使用经相位校正的阻抗值来计算所述阻抗曲线。

在一个实施例中，每个阻抗值包括电抗值和电阻值。

在一个实施例中，一个或更多个处理设备：确定具有负电抗值的阻抗值的计数；以及使用所述计数来执行对所述阻抗测量的评估。

在一个实施例中，一个或更多个处理设备：将相位校正应用于在高于设定频率的频率下测量的阻抗值；以及使用经相位校正的阻抗值来确定所述计数。

在一个实施例中，所述一个或更多个处理设备将所述阻抗测量评估为：如果所述计数大于阻抗值的总数的25％，则在第一类别中；以及如果计数大于14％，则在第二类别中。

在一个实施例中，一个或更多个处理设备：使用阻抗值计算阻抗参数值；将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及使用比较的结果来执行对阻抗测量的评估。

在一个实施例中：参数值是R₀，其是在0kHz的频率处的理论阻抗；以及，从在以下中的至少一项下执行的阻抗测量确定定义频率的阻抗值：大于1kHz；小于10kHz；小于20kHz；小于30kHz；在2kHz与4kHz之间；以及约3kHz。

在一个实施例中：参数值是R_inf，其是无限频率下的理论阻抗；以及，从在以下中的至少一项下执行的阻抗测量确定定义频率的阻抗值：大于100kHz；大于500kHz；小于10000kHz；小于5000kHz；小于2000kHz；在500kHz与2000kHz之间；以及约1000kHz。

在一个实施例中，参数值是在定义的频率下的理论阻抗。

在一个实施例中，所述一个或更多个处理设备将所述阻抗测量评估为：如果所述阻抗参数值与定义频率的阻抗值之间的差的幅值(magnitude)大于第一差阈值，则在第一类别中；以及如果阻抗参数值与定义频率的阻抗值之间的差的幅值大于第二差阈值但小于第一差阈值，则在第二类中。

将认识到，本发明的广泛形式及其相应特征可以结合和/或独立地使用，并且对单独的广泛形式的引用并不旨在是限制性的。此外，将认识到，可以使用该系统或装置执行该方法的特征并且可以使用该方法来实现该系统或装置的特征。

附图说明

现在将参照附图描述本发明的各种实施例的示例，其中：-

图1A是用于评估对生物受试者执行的生物阻抗测量的方法的示例的流程图；

图1B是生物组织的理论等效电路的示例的示意图；

图1C是被称为复阻抗图的阻抗轨迹的示例；

图2是分布式系统架构的示例的示意图；

图3A是测量系统的示意图；

图3B是图3A的阻抗测量设备的物理构造的具体示例的示意图；

图3C至图3G是用于执行阻抗测量的电极位置的示例的示意图；

图4是客户端设备的示例的示意图；

图5是服务器的示例的示意图；

图6A至图6D是用于评估对生物受试者执行的生物阻抗测量的方法的进一步示例的流程图；

图7A至图7C是示出阻抗值的相位校正的示例的曲线图；以及，

图8A至图8C是示出相位校正计算的示例的曲线图。

具体实施方式

现在将参照图1描述用于评估对生物受试者执行的生物阻抗测量的方法的示例。

出于该示例的目的，假设阻抗测量过程用于确定阻抗参数值，如理论频率下阻抗的外推值。然后可以使用这些来确定指示身体状态值(如流体状态、身体组成值)的一个或更多个指标、指示医学病症(如心力衰竭、淋巴水肿等)的存在、不存在或程度的疾病状态指标。然而，应当理解，这不是必需的，并且由于其他原因，在此描述的技术可以用于评估对生物受试者执行的生物阻抗测量。

出于说明的目的，还假设至少部分地使用形成一个或更多个处理系统的部分、连接到一个或更多个测量系统(如阻抗测量系统等)的一个或更多个电子处理设备来执行该过程。在一个示例中，这至少使用与测量系统或其他客户端设备相接口的基于云的架构来执行，如以下将更详细描述的。虽然系统可以使用多个处理设备，但是可以由一个或更多个设备执行处理，为了易于说明的目的，以下示例将指单个设备，但应了解，对单个处理设备的引用应被理解为涵盖多个处理设备，且反之亦然，其中处理适当地分布在这些设备之间。

在一个示例中，测量设备包括电连接至驱动电极以向用户施加驱动信号的信号发生器；传感器，所述传感器电连接至感测电极，用于测量所述用户中的响应信号；以及一个或更多个处理设备，所述一个或更多个处理设备至少部分地控制所述信号总体，从所述传感器接收测量到的响应信号的指示，并且计算至少一个测量的阻抗值。

为了便于解释，术语“受试者”是指正在评估的任何动物或动物组织，并且更具体地是人类，但是这不旨在是限制性的，并且这些技术可以更广泛地应用于其他脊椎动物、哺乳动物或组织。

在本示例中，在步骤100处，通过施加多个不同频率的电刺激信号并测量体内的结果响应信号来执行阻抗测量，从而允许确定多个阻抗值。

在一个示例中，阻抗值是在范围从极低频率(1kHz)至较高频率(500kHz或1000kHz)的许多频率上测量的，其中一些设备测量在此范围内的256个或更多个不同频率下的阻抗值，但是这不是必不可少的并且可以使用测量频率的其他配置。例如，在一些情况下，仅记录四个测量，这些测量在频率范围内，诸如约25kHz、50kHz、100kHz和200kHz等的频率。

阻抗测量可以是任何形式并且可以包括整个身体或区段(segment)阻抗测量，并且示例将在下文更详细地描述。阻抗测量可作为分析过程的部分来执行，或者可由单独的测量设备执行，其中分析(包括评估)随后由一个或更多个处理设备执行，例如通过从数据库检索结果、从测量设备接收结果等。

在步骤110，阻抗值被用于计算阻抗曲线，该阻抗曲线通常使用曲线拟合算法(并且在一个特定示例中，圆形拟合算法)来执行，但可使用其他合适的技术。

在这方面，图1B是有效地对生物组织的电行为进行建模的等效电路的示例。等效电路具有分别表示流过细胞外流体和细胞内流体的电流的两个分支。生物阻抗的细胞外流体组分由细胞外电阻R_e表示，而细胞内流体组分由细胞内电阻R_i和表示细胞膜的电容C表示。

交流电(AC)的阻抗的细胞外和细胞内组分的相对幅值是频率相关的。在零频率下，电容器充当完美的绝缘体并且所有电流流过细胞外流体，因此零频率下的电阻R₀等于细胞外电阻R_e。在无限频率下，电容器充当完美的导体，并且电流通过并联电阻组合。在无限频率R_∞下的电阻由下式给出：

因此，通过下式给出细胞内电阻：

因此，图1B的等效电路在角频率ω(其中ω＝2π*频率)下的阻抗由下式给出：

其中：R_∞＝在无限施加频率下的阻抗

R₀＝在零施加频率下的阻抗＝R_e以及，

τ是电容电路的时间常数。

然而，以上表示一种理想化的情形，该理想化的情形不考虑细胞膜是不理想的电容器的事实。将此考虑在内产生一种经修改的模型，其中：

其中：α具有在0与l之间的值，并且可以被认为是真实系统与理想模型的偏差的指标，并且表示弧的中心在轴线下方的下陷(depression)。

每个测量为阻抗提供幅值和阻抗相位，或可替代地，电阻和电抗。在电抗-电阻曲线图中绘制来自多个频率的阻抗值通常描述称为复(complex)阻抗曲线的半圆形曲线，且在图1C中示出示例曲线。

随着频率增加，电抗增加到特征频率处的峰值，且接着在电阻持续减小的同时减小。这导致基本上圆形的轨迹，其中圆的中心在x轴下方，如图所示。在该示例中，Z_i表示在任意频率f_i处具有相位角φ_i的单个阻抗值。由U_i和V_i表示的线是从端点R_∞和R₀至Z_i绘制的弦。如果所有可能弦U_i和V_i的比率的对数是针对对数频率绘制的，则这应该是在f_c处与x轴相交并且具有斜率(-α)的直线。

虽然可以直接使用所测量的阻抗，更典型地使用所测量的阻抗来导出阻抗参数，并且在此方面，半圆形复阻抗曲线允许在关键理论值下确定由于实际原因不能直接测量的多个阻抗。

一个示例为R₀，其为在零千赫的频率下测量的阻抗。这也被称为直流电流并且由于许多原因不适合用于人类。R₀表示细胞外空间中阻抗的最佳理论值。在此频率下，电流仅行进穿过细胞外流体隔室。因此，此电流的反向(阻抗)是由于单独的细胞外流体(ECF)。如从复阻抗曲线可见，在此情况下阻抗向量的电抗分量(由与电流相互作用的细胞膜引起)为零。

另一个参数是R_inf(在文献中还称为R_∞)，它是在无限千赫的理论频率下测量的阻抗。同样，没有这样的频率电流是可实现的，但是复阻抗曲线允许这被用于外推该阻抗值。这种外推法是可能的，因为为了生成曲线图而测量的频率允许准确地确定圆的半径。在无限频率下，电流将不会受到与细胞膜的相互作用的影响并且将直接穿过细胞膜。因此，R_inf处的阻抗是由于细胞外流体和细胞内流体(即，全身的水)两者引起的阻抗。在此理论频率下，阻抗向量的电抗分量也为零。这允许R_∞与R₀一起使用以导出细胞内电阻R_i、以及其他阻抗参数，如X_c、Z_c或α。

曲线拟合算法的性质将取决于优选实现方式而变化。在一个示例中，然后使用回归过程将测量数据拟合至理论半圆形轨迹，但是可替代地，可以使用圆拟合技术，其中求解表示圆上的点之间的几何关系的三个联立方程以允许计算半径(r)和圆心的坐标(i，j)作为定义该圆的三个参数。还将理解，可使用线性或非线性方法，诸如非线性最小二乘法，其进而可简单地将误差向下游传播到阻抗参数值，这将在下文更详细地讨论。

上述等效电路将电阻建模为恒定值，并且因此没有准确地反映受试者的阻抗响应，并且具体地没有准确地对受试者的血流中的红细胞的取向的变化或其他松弛效应进行建模。为了更成功地对人体的导电性进行建模，可替代地使用改进的基于CPE的模型。在此示例中，将理解，复阻抗曲线可能不定义圆，且可使用替代曲线。虽然以下描述将集中于圆弓形(circular segment)的使用，但应理解，这并不旨在是限制性的并且可以使用其他曲线。

在步骤120，该一个或更多个处理设备确定该阻抗曲线与这些阻抗测量的偏差。就这一点而言，应当理解，阻抗测量通常没有精确地拟合在理论曲线上，其中来自理论曲线的变化表示测量不准确性。因此，偏差表示测量的阻抗值之间的变化。偏差的性质以及确定偏差的方式将取决于优选实现方式而变化。例如，该偏差可以是标准偏差、拟合的均方误差，或者可以被评估为测量到的阻抗值与曲线上的相应点之间的方差和/或协方差。

在步骤130，偏差可以用于执行阻抗测量的评估。具体地，评估偏差以评估阻抗测量是否有效，并且具体地测量是否可用或过于不准确。在一个示例中，这通过使用偏差来评估阻抗参数值中的所得误差来实现，其中此误差用于评估测量的使用是否将导致不准确的参数值，不准确的参数值进而可影响所得指标。在另一示例中，这是使用机器学习技术来执行的。

然后，在步骤150，该评估可以可选地用于接受或拒绝阻抗测量。这可以自动地执行，但更典型地通过向用户显示评估结果并且允许用户做出关于是否应当拒绝测量的最终决定来实现。因此，在这种情况下，执行该过程以辅助或引导用户评估测量是否准确和/或可用。

因此，上述布置提供了一种机制，该机制用于基于生物受试者的理想化响应，通过比较测量与理论测量轨迹的偏差，来评估对生物受试者执行的阻抗测量。然后，该评估的结果可以用于帮助评估阻抗测量是否应被接受为有效的或应被拒绝并且可选地被重复。因此，这将测量有效性的评估从纯主观测试变成至少部分客观评估，从而确保使用更准确的测量。这可帮助确保所得阻抗参数值更准确，进而改进系统准确地计算与生物受试者相关的指标的能力，这可进一步导致改进的患者结果等。

现在将描述多个另外的特征。

如上所述，阻抗曲线通常是圆弓形。然而，应当理解，在一些情况下可以使用其他曲线。例如，对于一些场景，较高频率下的阻抗测量可能由于电容效应而不准确。这可以使用相位校正过程来补偿，如将在下文更详细地描述的，该相位校正过程调整测量到的阻抗值以使得它们更正确地与圆形轨迹对齐。然而，将理解的是，作为执行相位校正的替代方案，可以使用圆形轨迹之外的曲线来解决高频效应。尽管如此，将注意的是，圆的使用是特别有利的，因为这代表了理想化的生物响应并且还简化了评估误差的数学运算，进而降低了对一个或更多个处理设备的计算要求。

阻抗测量的评估通常用于帮助确定阻抗测量有效性。在一个示例中，这通过对阻抗测量进行分类来实现，例如，为测量提供排名，诸如良好、可接受或差，其可由红色、黄色或绿色交通灯样式指示来表示。然而，应当理解的是，可以使用指示可能的阻抗测量有效性的其他机制，如呈现“拟合置信度”分数，如a％等，其指示阻抗曲线与测量到的阻抗值之间的相似度和/或偏差。这样的指标然后可以由操作者使用，以帮助操作者理解测量是否是可接受的。另外地和/或可替代地，该评估可以用于引起自动地重复阻抗测量。在这种情况下，不需要向用户呈现信息，尽管可替代地可以向用户通知测量是不可接受的，并且要求用户检查电极连接或类似物。作为进一步的选项，评估可以用于导出指示测量有效性、测量误差、测量归类等的指标，从而允许用户在指导他们自己评估测量是否可接受时使用该指标。

在一个示例中，处理设备使用偏差来计算从阻抗曲线导出的阻抗参数值的估计误差，然后使用估计误差来评估阻抗测量。在这个示例中，执行评估以考虑虽然曲线拟合可能不是特别准确的(例如，如果一些阻抗值显著偏离理想化曲线)，但这仍然可能导致相当准确的参数值。因此，通过估计参数值的误差，这可以用于允许如果偏差不影响所得参数值则接受仅由于偏差而被拒绝的阻抗测量。类似地，这将允许一些阻抗测量被评估为无效的，即使偏差是最小的，只要所得阻抗参数值将是不准确的。将了解的是，考虑到不准确性是否将对所得所计算的参数值具有实质影响，这改进了测量有效性的评估。

虽然可以计算单个误差，但更典型地，处理设备计算与多个不同阻抗参数值中的每个阻抗参数值相关联的误差。这允许评估相关参数值是否被影响。例如，如果进行阻抗测量仅用于评估细胞外体液水平，则只要R₀是准确的，R_inf的不准确性可能不成问题。

在计算了一个或更多个估计误差之后，处理设备可将估计误差与一个或更多个阈值进行比较，并且基于比较的结果来评估阻抗测量。在这点上，可以设置阈值以评估参数值的误差是否有意义，并且因此测量是否应当被认为是有效的。

阈值可以是任何适当的形式，但是通常基于先前阻抗测量的评估。例如，可以检查并评估先前的测量以确定应当被认为是有效的测量，然后计算误差并且将其用于定义在有效测量与无效测量之间进行区分的阈值。可以使用统计分析和/或使用机器学习技术从对一个或更多个参考受试者(诸如参考受试者)执行的测量导出阈值。

然而，将了解，一般阈值可能不是特别准确的。例如，患有淋巴水肿的老年患者的测量可能与健康的青少年相当不同。因此，在一个示例中，基于当前受试者的特征来选择阈值，所述特征诸如类似的年龄、身高、体重、性别、医学症状或病症、种族等。然后，这可以用于选择从具有类似特征的参考受试者导出的阈值，使阈值与当前受试者相关。

另外地和/或可替代地，可以考虑正在执行的阻抗分析过程来选择阈值。例如，如上所述，如果正执行阻抗测量过程以确定细胞外体液水平，则R₀的值可能需要是准确的，而R_inf的值可能明显缺乏准确，从而允许使用与正测量细胞内体液水平的情况相比不同的阈值。

在另一个示例中，可以使用特定于受试者的阈值。就这一点而言，可以针对个体受试者建立定制阈值以考虑不同的受试者将不同地响应阻抗测量，使得对于一个受试者不可接受的测量对于另一个受试者可能是可接受的。这样的一个良好示例是具有干皮肤的受试者典型地具有比具有正常水合皮肤的受试者更差的测量。在这种情况下，当受试者首先经历阻抗测量时，可以使用默认阈值，然后修改该阈值以考虑来自用户的反馈。因此，处理设备可使用至少一个阈值来评估阻抗测量，根据用户输入命令来确定阻抗测量的用户评估，然后基于用户评估来选择性地修改至少一个阈值。例如，如果测量被评估为不可接受的，但是用户选择接受测量，则阈值可以被调整以将此考虑在内，从而允许系统随着时间变得更有效。

在一个示例中，处理设备使用曲线拟合算法计算曲线系数，然后使用曲线系数和阻抗值来确定偏差。在一个特定示例中，这是使用最小二乘法来实现的，其中偏差是基于阻抗值与来自曲线的对应值之间的方差和/或协方差来确定的。

已经确定了偏差，然后将其传播至阻抗参数值，从而允许确定每个阻抗参数值的估计误差。

在一个示例中，通过计算指示与阻抗曲线和阻抗值相关联的方差和协方差的协方差矩阵并且然后使用协方差矩阵来估计误差来确定偏差，从而实现误差的传播。在这种情况下，基于阻抗曲线的均方误差和阻抗值生成协方差矩阵，例如使用以下方程式：

其中：A是A＝[1 R X]形式的测量到的电抗值X和电阻值R的矩阵；

是曲线拟合的均方误差。

可以任何适当方式确定误差，且在一个示例中，使用向量函数的一阶偏导数，且具体来说，使用雅可比变换来实现。在此示例中，可通过使用以下方程式将雅可比变换应用于协方差矩阵来确定估计误差：

其中：J是雅可比变换；

J^T是雅可比逆变换；

是误差。

通常计算阻抗参数值中的每个阻抗参数值的误差，从而允许将每个误差值与各自的阈值进行比较，从而使得可以基于比较的结果执行评估。这通常针对至少R₀和R_inf执行，R₀是0kHz频率下的理论阻抗，R_inf是无限频率下的理论阻抗，并且还可针对R_i进行，R_i是细胞内阻抗。

在此示例中，用于计算误差的各自方程式变为：

其中：J_R0是针对R₀的雅可比变换；

J^T _R0是针对R₀的雅可比逆变换；以及，

是针对R₀的协方差矩阵；

J_Rinf是针对R_inf的雅可比变换；

J^T _Rinf是针对R_inf的雅可比逆变换；以及，

是针对R_inf的协方差矩阵；以及

J_Ri是针对R_i的雅可比变换；

J^T _Ri是针对R_i的雅可比逆变换；以及，

是针对R_i的协方差矩阵。

在一些情况下，测量到的电抗可以具有负值，这再次指示测量的问题。因而，在一个示例中，处理设备可另外和/或替代地基于负电抗值的数目来评估阻抗测量。

在一个特定示例中，如果负电抗测量的数目超过第一类别电抗阈值或至少一个参数值具有大于各自的第一类别阈值的误差，那么处理设备将阻抗测量评估为处于第一类别中。类似地，如果负电抗测量的数目超过第二类别电抗阈值或每个参数值具有大于各自的第二类别阈值的误差，那么处理设备确定阻抗测量处于第二类别中。如果测量不在第一类别或第二类别中，则将其分类在第三类别中。在该示例中，第一类别对应于差测量结果，第二类别对应于有问题的测量结果，并且第三类别对应于可接受的测量结果。

作为进一步的改进，如果R₀误差大于第一类别R₀阈值，则处理设备将阻抗测量评估为处于第一类别中，或者如果R_i误差大于第一类别R_i阈值或R_inf误差大于第一类别R_inf阈值，则处理设备将阻抗测量评估为处于第二类别中。

在以上示例中，使用偏差来确定阻抗参数值的误差，然后将这些误差与各自的阈值进行比较以确定阻抗测量是否是可接受的。然而，作为替代方法，处理设备可使用体现不同偏差与测量有效性之间的关系的至少一个计算模型来评估测量。在这种情况下，可以通过将机器学习应用于从一个或更多个参考受试者获得的测量有效性的偏差和评估来获得计算模型。

因此，机器学习可用于分析偏差，以及偏差是否可接受的评估，其中这用于开发可直接基于偏差执行评估的计算模型。使用这种方法，可以用宽范围的方式评估偏差，并且考虑宽范围的不同因素，很可能地导致更准确的评估。

如上所述，相位校正可应用于在高于设定频率的频率下测量的阻抗值，其中使用经相位校正的阻抗值来计算阻抗曲线。执行相位校正的方式是公知的，并且将在下面更详细地描述。

上述技术可以用于用来计算参数值的阻抗测量，然后参数值可以用来确定可以指示特定状况的身体状态值，或者可以是进而指示状况的测量到的身体参数值的一般指示。示例包括但不限于身体组成、干瘦体重、瘦体重、骨骼肌体重、区段瘦体分析、身体脂肪质量、区段脂肪分析、BMI(体重指数)、(体脂肪百分比)、内脏脂肪面积、内脏脂肪水平、全身水(TBW)、细胞内水(ICW)、细胞外水(ECW)、ECW/TBW、身体区段水、区段ECW/TBW、区段ICW分析、区段ECW分析、身体-脂肪-LBM控制，BMR(基础代谢率)、腿部瘦体重、TBW/LBM，全身相角、区段相角、电抗、每个频率每个区段的阻抗、或身体水组成历史中的一种或更多种。身体状态还可指示健康或运动健身的一般水平，诸如个体是否适合或不适合。

在一个示例中，处理设备生成指示身体状态值的指标，该指标被显示为显示器(诸如客户端设备屏幕)上的表示的一部分，如以下将更详细描述的。因此，结果可以被呈现为图形表示，例如使用指针和比例来指示指标值的幅值和/或改变。

除了以上技术之外，或作为替代方案，还可以根据其他标准执行对阻抗测量的评估。

在一个示例中，可基于具有负电抗值的阻抗值的数目来执行评估。对此，负电抗值通常由不良测量产生，例如由于受试者与电极之间的不良表面接触而出现。因而，负电抗值的高百分比指示不良测量。

在此示例中，所述技术通常包括：使所述一个或更多个处理设备确定具有负电抗值的阻抗值的计数，且接着使用该计数来执行阻抗测量的评估。

这可以通过任何适当的方式实现，并且可以包括将相位校正应用于在高于设定频率的频率下测量的阻抗值；以及然后使用经相位校正的阻抗值来确定计数。

在一个示例中，如果计数大于阻抗值的总数的25％，则处理设备将阻抗测量评估为第一类别，或者如果计数大于14％，则处理设备将阻抗测量评估为第二类别，但是将认识到，这些阈值可以被调整并且仅旨在是说明性的。例如，第一类别阈值可以大于50％、大于40％、大于30％或大于20％，而第二类别阈值可以大于20％、大于15％、大于10％或大于5％。

在另一示例中，阻抗参数值与测得的阻抗值之间的差可用于评估阻抗测量。例如，如果值的差大于某个量，这可以指示阻抗值的过宽的变化。

在此示例中，处理设备通常使用阻抗值来计算阻抗参数值，将该阻抗参数值与定义频率的阻抗值进行比较，该定义频率的阻抗值是由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定的，并且然后使用该比较的结果来执行对阻抗测量的评估。

可以使用不同的参数值，在这种情况下，将使用不同的定义频率的阻抗值。

例如，参数值可以是R₀，在这种情况下，定义频率的阻抗值通常是在低频率下测量的阻抗值，诸如大于1kHz但小于10kHz、小于20kHz或小于30kHz。在一个示例中，频率在2kHz与4kHz之间，且通常为约3kHz。

在另一个示例中，参数值是R_inf，该R_inf是无限频率下的理论阻抗，在这种情况下，定义频率的阻抗值典型地是在高频率下测量的阻抗值，诸如大于100kHz、大于500kHz、小于10000kHz、小于5000kHz、或小于2000kHz。在一个示例中，在500kHz与2000kHz之间测量定义频率的阻抗值，且所述定义频率的阻抗值通常为约1000kHz。

作为另一个替代方案，该参数值是在定义频率下的理论阻抗。因此，在这种情况下，在特定频率下(例如，在3kHz下)执行的阻抗测量可与阻抗参数值相比较，该阻抗参数值的形式为在相同频率下从拟合曲线获得的阻抗值。

在这些示例中，如果阻抗参数值与定义频率的阻抗值之间的差的幅值大于第一差阈值，那么处理设备可将阻抗测量评估为处于第一类别中，或者如果阻抗参数值与定义频率的阻抗值之间的差的幅值大于第二差阈值但低于第一差阈值，则处理设备可将阻抗测量评估为处于第二类别中。

应了解，这些差阈值可以根据优选实现方式和/或特定阻抗测量所要求的准确度水平以及所述定义的频率和参数值来调整。

差阈值可以是绝对的。例如，如果阻抗参数值是R₀，则第一差阈值可以是55Ω，而第二差阈值可以是35Ω，而如果阻抗参数值是R_inf，则第一差阈值可以是70Ω，而第二差阈值可以是30Ω。

然而，这不是必须的，并且可替代地，差阈值可以是相对的，并且可以例如基于阻抗参数值的百分数来设置。因此，在该示例中，如果阻抗参数值是R₀，则第一差阈值可以是15％，而第二差阈值可以是10％，而如果阻抗参数值是R_inf，则第一差阈值可以是30％，而第二差阈值可以是12％。

用于计算差的幅值的示例方程式如下所示：

由此将了解的是，取决于优选实现方式、测量系统的性质以及所述定义的频率和参数值，可以使用不同差阈值的范围。

尽管不是必须的，但是在一个示例中，使用包括与一个或更多个处理设备通信的一个或更多个测量系统的分布式架构来实现上述过程。现在将参见图2至图5描述示例系统。

在该示例中，系统200包括经由通信网络240耦合至一个或更多个其他测量系统210和/或一个或更多个处理设备(如服务器250)的多个测量系统210，该一个或更多个其他测量系统和/或一个或更多个处理设备进而可以耦合至数据库251。此布置允许来自所执行的测量的数据由测量系统210收集并提供给服务器250以供分析。所收集的数据还可以与所得参考签名和/或心力衰竭指标一起存储在数据库251中，从而允许第三方(如临床医生等)远程访问和查看此信息。

在以上布置中，通信网络240可以具有任何适当的形式，如互联网和/或多个局域网(LAN)，并且提供测量系统210与服务器250之间的连接性。然而，应当理解，该配置仅用于示例的目的，并且在实践中，测量系统210和服务器250可以经由任何适当的机制进行通信，诸如经由有线或无线连接，包括但不限于移动网络、私有网络，诸如802.11网络、互联网、LAN、WAN等，以及经由直接或点对点连接，诸如蓝牙等。

还将注意的是，分布式系统的使用纯粹是可选的，并且该过程可以使用独立的测量系统来实现。

现在将参见图3A更详细地描述示例测量系统。

在这个示例中，测量系统包括具有阻抗测量设备310的阻抗测量单元，阻抗测量设备310进而与客户端设备330形式的处理系统(例如，便携式计算机系统、移动电话、平板计算机等)通信。还可提供一个或更多个可选的物理特性传感器320以用于捕获关于个体/受试者的物理特性的信息。

物理特性传感器320的性质将根据待测量的特性而变化，并且可以包括例如用于测量个体/受试者的体重的秤和/或图像捕获设备，例如照相机、身体扫描仪、DEXA(双能X射线吸收测量法)、3D激光或光学扫描等等，用于测量高度和/或身体区段尺寸，这将在下面更详细地描述。另外地或可替代地，这可以包括用于测量体重的电子秤、以及例如用于测量心率、血压或其他特征的其他监测设备。

阻抗测量设备310通常包括耦合至至少一个信号发生器313和至少一个传感器314的测量设备处理器312，该至少一个信号发生器和至少一个传感器进而经由引线322耦合至各自的驱动电极323和感测电极324。在使用中，信号发生器313生成驱动信号，该驱动信号经由驱动电极323施加于个体/受试者S，而传感器314经由感测电极324测量响应信号。在使用中，测量设备处理器312控制至少一个信号发生器313和至少一个传感器314，从而允许执行阻抗测量。

具体地，测量设备处理器312被适配成生成控制信号，该控制信号致使信号发生器313生成可以经由第一电极323施加于受试者S的一个或更多个交流信号(如适当波形的电压或电流信号)并且处理来自传感器314的接收信号。将理解的是，测量设备处理器312可以是能够执行适当控制的任何形式的电子处理设备，并且可以包括FPGA(现场可编程门阵列)、或编程的计算机系统与专用硬件的组合等。

信号发生器313可以具有任何适当的形式，但典型地将包括用于将来自处理设备的数字信号转换成模拟信号的数模转换器(DAC)，该模拟信号被放大以生成所需的驱动信号，而传感器314通常包括用于放大感测到的响应信号的一个或更多个放大器，和用于将模拟响应信号数字化并将数字化的响应信号提供给处理设备的模数转换器(ADC)。

交流驱动信号的性质将根据测量设备的性质和正在执行的后续分析而变化。例如，当执行生物阻抗光谱法(BIS)时，阻抗测量在范围从非常低的频率(1kHz并且更典型地3kHz)至更高的频率(1000kHz)的多个频率中的每个频率下执行，并且可以在这个范围内使用多达256个或更多个不同的频率。取决于优选实现方式，可以通过同时施加是多个频率的叠加的信号、或者顺序地施加处于不同频率的多个交流信号来执行这种测量。所施加的信号的频率或频率范围还可以取决于正在执行的分析。

当在多个频率下进行阻抗测量时，这些可以用于导出一个或更多个阻抗参数值，诸如R₀、Z_c、R_∞的值，这些值对应于在零、特征频率和无限频率下的阻抗。这些进而可以用于确定关于细胞内和细胞外流体水平的信息，如以下将更详细描述的。

另一个替代方案是该系统使用多频率生物阻抗分析(MFBIA)，其中将每个都具有各自频率的多个信号注入到受试者S中，其中测得的阻抗用于评估体液水平。在一个示例中，可以使用四个频率，在每个频率下的所得阻抗测量用于例如通过将测得的阻抗值拟合到科尔(Cole)模型来导出阻抗参数值，如下文将更详细地描述。可替代地，可个别地或组合地使用每个频率下的阻抗测量。

因此，取决于优选的实现方式，测量设备310可以同时施加单个频率、多个频率的交流信号，或者顺序地施加不同频率的多个交流信号。所施加的信号的频率或频率范围还可以取决于正在执行的分析。

在一个示例中，所施加的信号由电压发生器产生，该电压发生器向受试者S施加交流电压，但可以替代地施加电流信号。在一个示例中，该电压源典型地对称地布置，其中两个信号发生器313是独立可控的，以允许改变受试者上的信号电压，例如以最小化共模信号并且因此基本上消除如在共同待决的专利申请号WO 2009059351中描述的任何不平衡。

当将驱动信号施加到受试者时，传感器314接着使用第二电极324确定呈受试者S上的电压或穿过受试者S的电流的形式的响应信号。因此，测量第二电极324之间的电压和/或电流。在一个示例中，电压被差分地测量，这意味着使用两个传感器314，其中每个传感器314用于测量每个第二电极324处的电压，并且因此与单端系统相比，仅需要测量电压的一半。然后，将数字化的响应信号提供给测量设备处理器312，测量设备处理器312确定所施加的驱动信号和所测量的响应信号的指示，并且可选地使用这个信息来确定测得的阻抗。

在以上布置中，示出了四个电极，其中两个形成驱动电极，两个形成感测电极。然而，这不是必要的，并且可以使用任何合适数量的电极。此外，示出了单个信号发生器和传感器，但是再次，各自的信号发生器和传感器可以分别用于每个驱动电极和感测电极，并且所描述的布置仅是出于展示的目的。

根据电极的配置，四个电极布置允许执行多个不同的测量。例如，图3C中所示的配置然后可以用于允许执行躯干测量，而图3D、图3E、图3F和图3G中所示的配置可以用于允许分别测量右全身、右臂、右腿和左躯干。

图3B中示出了测量设备的物理构造的另一个示例。

在该示例中，测量设备包括第一和第二壳体320.1、320.2。第一壳体320.1具有与一组秤(scale)类似的形状因子，并且包括大致矩形的主体，该主体具有由设置在上表面上的间隔开的金属板形成的两对间隔开的脚驱动电极323.1和感测电极324.1，从而形成用户可站在其上的脚踏板。第二壳体320.2具有大致矩形的主体，该主体具有由设置在上表面上的间隔开的金属板形成的两对间隔开的手驱动电极323.2和手感测电极324.2，从而形成用户可将其手搁置在其上的手板。

第一壳体320.1包括凸起部分325，凸起部分325限定边缘325.1，边缘325.1至少部分地围绕每对脚驱动电极和感测电极延伸，从而在使用中引导受试者的脚相对于脚驱动电极和感测电极的定位。特别地，凸起边325.1包括后部325.2，其被构造为至少与用户的脚跟接合。通过具有位于每对手驱动电极和感测电极之间的凸起部分326，对于第二壳体实现类似的效果，所述凸起部分限定拇指凹陷326.1，从而引导受试者的拇指的定位，拇指的钩部接合该凸起部分，并且因此在使用中手相对于每对手驱动电极和感测电极。

就这一点而言，应当理解，尽管这仍将允许在不同个体之间的定位的一些微小变化，例如，由于不同的脚和手的大小，这有助于确保每次使用该装置时任何给定用户的手和脚被提供在相对于驱动电极和感测电极的一致位置处。这提供了可再现的定位，这进而减少了可能由手或脚位置的变化引起的连续测量之间的变化。

这种布置允许该单元通过使用户站在第一壳体上、或替代地坐在椅子上而使用，其中他们的脚搁置在脚驱动电极和感测电极上。用户然后可将其手放在第二壳体上的手驱动电极和感测电极上，该第二壳体可由就位布置的办公桌或桌子或者由站立布置的支架或其他支撑件支撑。

因此，使用包含分开的电极的两个壳体允许在多种情况下执行阻抗测量，并且特别地允许在就座或站立布置中执行测量，这在确保系统可以由具有受限制的身体能力的个体使用方面是重要的。另外，提供在壳体中的金属板电极的使用允许该系统易于使用，并且避免了制备(如清洁组织表面或去除毛发)的需要，以允许将湿电极施加到皮肤上。

应当理解，在这种布置中，可通过选择性地使用驱动电极323.1、323.2和感测电极324.1、324.2中的相应电极来实现与上文参见图3C至图3G描述的那些电极配置类似的电极配置。

在以上布置中，客户端设备330通常经由无线通信信道(例如，蓝牙等)与测量设备处理器312通信。在一个示例中，客户端设备330被提供在支架中，该支架然后被附接到安装件327，从而允许在使用中客户端设备330被支撑在装置上。这允许客户端设备330充当用户界面，允许阻抗测量设备的操作被控制，并且允许阻抗测量结果被显示。

具体地，客户端设备330可以用于指示测量设备处理器312关于需要被执行的阻抗测量的特定序列，进一步接收驱动/感测信号和/或测得的阻抗值的指示。然后，客户端设备330可以可选地执行进一步的处理，例如，以确定阻抗指标，但是可替代地，这可能不是必需的，并且原始阻抗值可以被提供给服务器250用于分析。

客户端设备330还可将阻抗值或指标与关于心力衰竭状态和物理特性的指示的信息进行组合，所述心力衰竭状态和物理特性的指示通过手动用户输入确定或基于来自一个或更多个物理特性传感器的信号确定。这允许客户端设备生成参考数据，该参考数据然后经由通信网络240被传送到服务器250。然而，备选地，服务器250可以从其他数据源获得心力衰竭状态和/或物理特性的指示，这取决于优选实现方式。

因此，应当理解，客户端设备330可以是任何适当的形式，并且一个示例在图4中示出。在该示例中，客户端设备330包括经由所示的总线404互连的至少一个微处理器400、存储器401、输入/输出设备402(诸如键盘和/或显示器)以及外部接口403。外部接口403可以用于将客户端设备330连接到外围设备，诸如通信网络240、数据库、其他存储设备等。尽管示出了单个外部接口403，但这仅是出于示例的目的，并且在实践中可以提供使用不同方法(例如以太网、串行、USB、无线等)的多个接口。

在使用中，微处理器400执行存储在存储器401中的应用软件形式的指令，以允许与服务器250通信，例如以允许向服务器等提供参考数据等。

因此，应当理解，客户端设备330可由任何合适的处理系统形成，诸如适当编程的PC、互联网终端、膝上型或手持式PC，并且在一个优选示例中是平板计算机或智能电话等。由此，在一个示例中，客户端设备330是标准处理系统，诸如基于Intel架构的处理系统，其执行存储在非易失性(例如，硬盘)存储上的软件应用，但这不是必要的。然而，还将理解的是，客户端设备330可以是任何电子处理设备，诸如微处理器、微芯片处理器、逻辑门配置、可选地与实现逻辑相关联的固件(诸如FPGA(现场可编程门阵列))或任何其他电子设备、系统或布置。

在图5中示出了合适的服务器250的示例。在该示例中，服务器包括经由所示的总线504互连的至少一个微处理器500、存储器501、可选的输入/输出设备502(诸如键盘和/或显示器)以及外部接口503。在这个示例中，外部接口503可以用于将服务器250连接至外围设备，如通信网络240、数据库251、其他存储设备等。尽管示出了单个外部接口503，但这仅是出于示例的目的，并且在实践中可以提供使用不同方法(例如以太网、串行、USB、无线等)的多个接口。

在使用中，微处理器500执行存储在存储器501中的应用软件形式的指令，以允许执行所需的过程，包括与客户端设备330通信，以及可选地接收、分析和/或显示阻抗测量的结果。应用软件可以包括一个或更多个软件模块，并且可以在合适的执行环境(诸如操作系统环境等)中执行。

因此，应当理解，服务器250可以由任何合适的处理系统形成，诸如适当编程的客户端设备、PC、web服务器、网络服务器等。在一个特定示例中，服务器250是标准处理系统，诸如基于Intel架构的处理系统，其执行存储在非易失性(例如，硬盘)存储上的软件应用，但这不是必要的。然而，还将理解的是，处理系统可以是任何电子处理设备，诸如微处理器、微芯片处理器、逻辑门配置、可选地与实现逻辑相关联的固件(诸如FPGA(现场可编程门阵列))或任何其他电子设备、系统或布置。因此，虽然使用了术语服务器，但这仅是出于示例的目的并且不旨在是限制性的。

虽然服务器250被示出为单个实体，但是应当理解，服务器250可以分布在多个地理上分开的位置上，例如通过使用作为基于云的环境的一部分提供的处理系统和/或数据库251。因此，上述布置不是必需的并且可以使用其他合适的配置。

然而，将理解的是，为了以下示例的目的而假设的上述配置不是必要的，并且可以使用许多其他配置。还应当理解，在测量设备310、客户端设备330和服务器250之间的功能划分可以根据特定的实现方式而变化。

现在将参见图6A至图6C更详细地描述系统的操作。

贯穿以下示例，将给用户进行参考。在这方面，用户通常将被理解为包括受试者，但是也可以涵盖在执行测量中辅助受试者的个体，诸如执业医师等。

出于这些示例的目的，还将假设用户使用客户端设备330来控制测量设备310和可选地任何特性传感器，从而允许执行阻抗测量并且可选地允许收集关于物理特性的信息。这通常通过使得用户经由GUI(图形用户界面)与系统交互来实现，该GUI在客户端设备330上呈现，其可以由本地应用生成，或由通常是基于云的环境的部分的服务器250托管，并且通过由客户端设备330执行的合适的应用(诸如浏览器等)来显示。由客户端设备330执行的动作通常由处理器400根据作为应用软件存储在存储器401中的指令和/或经由I/O设备402从用户接收的输入命令来执行。类似地，由服务器250执行的动作由处理器500根据作为应用软件存储在存储器501中的指令和/或经由I/O设备502从用户接收的输入命令或从客户端设备330接收的命令来执行。

在该示例中，在步骤600，测量设备处理器312确定要执行的阻抗测量。这能够以任何适当的方式实现，但是通常将包括让用户选择在客户端设备330上呈现的多个可用测量程序之一，其中客户端设备330生成被提供给测量设备处理器312的指令。

在执行测量之前，第一电极323和第二电极324被设置成与受试者接触，以允许一个或更多个信号被注入到受试者S中，并且允许测量响应信号。电极323、324的位置将取决于所研究的受试者S的区段。因此，例如，电极323、324可被放置在受试者S的胸部和颈部区域上，以允许确定胸腔的阻抗。可替代地，将电极定位在受试者的手腕和脚踝上允许确定肢体、躯干和/或整个身体的阻抗。在一个示例中，一般布置是在指关节的基部处以及在手腕的骨突起部之间在手上提供电极，并且在脚趾的基部处以及在脚踝的前部处在脚上提供电极。

在图3B的布置中，在执行测量之前，受试者站在第一壳体320.1上，或替代地坐在椅子上，其脚搁置在脚驱动电极323.1和感测电极324.1上。然后，用户将其手放在第二壳体320.2上的手驱动电极323.2和手感测电极324.2上，该第二壳体可由就位布置的办公桌或桌子或者由站立布置的支架或其他支撑件支撑。

在步骤602，测量设备处理器312控制信号发生器和传感器，使得驱动信号被施加到个体/受试者并且使得相应的响应信号被测量，从而允许测量设备处理器312在步骤604确定驱动信号和响应信号两者。

在这点上，响应信号将是由人体产生的电压(诸如ECG(心电图))、由施加的信号产生的电压和由环境电磁干扰引起的其他信号的叠加。因此，可以采用过滤或其他合适的分析来去除不想要的成分。

所获取的信号通常被解调以获得系统在施加频率处的阻抗。一种用于解调叠加频率的合适方法是使用快速傅里叶变换(FFT)算法来将时域数据变换到频域。这通常在所施加的电流信号是施加的频率的叠加时使用。不需要对所测量的信号进行开窗的另一种技术是滑动窗FFT。

在所施加的电流信号是由不同频率的扫描形成的情况下，那么更典型的是使用信号处理技术，诸如将测量信号与从信号发生器导出的参考正弦波和余弦波相乘，或者使用测量的正弦波和余弦波，并且在整个数目的循环上进行积分。该过程(不同地称为正交解调或同步检测)拒绝所有不相关或异步信号并且显著地降低随机噪声。

其他合适的数字和模拟解调技术将是本领域技术人员已知的。

在步骤606，使用驱动信号和响应信号来确定阻抗值。这可以单独通过测量设备310来执行，或者可以结合客户端设备330来执行，例如通过将测量的电流和电压信号传输到客户端设备330，然后客户端设备330分析这些以确定测得的阻抗。

在BIS的情况下，通过比较记录的电压和通过受试者的电流，从每个频率下的信号确定阻抗或导纳测量。然后，解调算法可以在每个频率下产生振幅和相位信号，从而允许确定每个频率下的阻抗值。

上述过程可被执行多次，例如以允许针对多个身体区段(包括躯干和一个或更多个其他区段，诸如肢体)确定阻抗测量。另外地或可替代地，可以针对同一身体区段多次执行该过程，其中确定两个或更多个测量的平均值(或其他统计测量，如中值、众数等)，并且例如用于进一步分析。

在步骤608，通常确定相位校正。

就这一点而言，由于包括电接触问题、受试者运动等的许多原因，人类受试者的BIS测量通常不显示由复阻抗模型预测的干净圆弧，其中一些可以通过良好的测量过程来解决。然而，难以避免的一个误差源是电容泄漏，这在较高频率下尤其普遍。由于人体的物理尺寸，在身体的不同部分和周围环境之间存在不可避免的电容性耦合，这意味着一些电流不通过身体而是通过空气绕过身体，从而测量与电容器并联的受试者的阻抗。对测量的影响通常是高频率下的电抗的增加，且其示例在图7A和图7B中示出，图7A和图7B比较完美的复阻抗曲线与更典型的测量。

一些测量系统通过模拟电路中的补偿方案来解决此问题，但是如果任何给定患者的耦合不同于补偿量，则将存在电抗或有时负电抗的残余增加或减少。作为替代方案，这可以在数据分析期间在软件中进行补偿，并且最常见的方法是将相位校正应用于原始数据，其中每个测量的阻抗具有与频率成比例的所应用的相位校正。这进而等同于将固定的时间延迟偏移应用于数据集，并且因此通常被称为Td校正，尽管应当理解，真正的电容分流模型校正也将是适当的方案。图7C中示出了Td校正的效果。

通过使用U/V比和频率之间的关系获得应用于原始数据的相位校正的最佳值。具体地，迭代地调整相位校正的值，直到关系最接近直线。回归系数用作量度，并且其绝对值应尽可能地接近1。

图7B中所示的测量示例的示例U/V曲线图分别展示于图8A至图8C中。图8A示出了原始数据的U/V曲线图，而图8B示出了最佳相位校正，并且图8C示出了过多的相位校正。因此，应当理解，可以迭代地确定相位校正值，直到U/V曲线足够接近直线。

在这点上，该过程通常包括确定试验相位校正，将其应用于测量的阻抗值并计算阻抗曲线。阻抗曲线用于导出U/V相关系数，该过程针对不同的相位校正值迭代地重复，直到相关系数达到足够的值。

由于相位校正仅影响高频数据，并且有时在频谱的低频部分可能存在伪影，所以典型地仅对大约测量数据的上部四分之三(相当于大约12kHz上的频率)执行优化。

一旦计算出相位校正，就使用以下方程式将其应用于阻抗测量：

其中：

是校正之后的相位，单位为度；以及，

是测得的阻抗的相位，单位为度。

T_d是以ns为单位的时间延迟校正。

f是以kHz为单位的测量频率。

在校正之后，根据下式计算R'和Xc'的校正值：

R'＝|Z|cosφ'

Xc'＝|Z|sinφ'

校正数据

R'和Xc'用于所有分析，其中原始|Z|而不是

R和Xc。

在步骤612，计算经相位校正的数据的圆弧，其使用以下形式的方程式：

z＝mx+py+q

其中：x、y和z是变量

m、p和q是系数

中心在(a，b)处且半径为r的圆的方程式为：

(x-a)²+(y-b)²＝r²

这可以被重新布置为：

x²+y²＝2ax+2by+r²-a²-b²

给定一组x和y值，这是通过多线性回归可求解的，因为其具有正确的形式，其中：

m＝2a p＝2b q＝r²-a²-b²

用电阻R替代x，并且用电抗X替代y，圆方程式变成：

R²+X²＝mR+pX+q

观察到，在阻抗值Z²＝R²+X²的情况下，圆方程式可以写为：

Z²＝mR+pX+q

m、p和q的值可以通过多重线性回归找到，并且使用如下回归公式得到圆弧中心和半径：

其中：n是测量的频率的数目

∑_R是针对每个频率的所有R值的总和

∑_R ²是针对每个频率的所有R值的平方和

∑_X是针对每个频率的所有X值的总和

∑_X ²是针对每个频率的所有X值的平方和

∑_z是针对每个频率的所有Z值的平方和

∑_Z ²是针对每个频率的所有Z值的平方的平方和

∑_RX是针对每个频率的R和X值的所有乘积的总和

∑_ZR是针对每个频率的R和Z²值的所有乘积的总和

∑_ZX是针对每个频率的X和Z²值的所有乘积的总和

圆弧中心(a，b)和半径r可以从m、p和q中找到。

然后通过简单的三角法可以获得R₀、R_∞和α的值：

R_∞＝2a-R₀

其中：反余弦结果是以弧度为单位

如果b是正的，则对于α没有有效结果。

在一些情况下，可能希望限制曲线拟合中所使用的数据的频率范围以避免不想要的高频及低频效应。这通过设置最大和最小频率来控制，使用在最大和最小频率之间的数据和忽略在其之外的数据。

使用多个线性回归将原始电阻和电抗数据拟合到圆的方程式中，从而产生作为m、p和q函数的圆心(a，b)和圆半径(r)的拟合解。

(x-a)²+(y-b)²＝r²

(R(f_k)-a)²+(X(f_k)-b)²＝r²

R(f_k)²-2aR(f_k)+a²+X(f_k)²-2bX(f_k)+b²＝r²

R(f_k)²+X(f_k)²＝r²-a²-b²+2aR(f_k)+2bX(f_k)

等效地：

y_k＝q+mR_k+pX_k

其中：y_k＝R(f_k)²+X(f_k)²

R_k＝R(f_k)

X_k＝X(f_k)

q＝r²-a²-b²

m＝2a

p＝2b

k＝1...F其中F＝没有频率。

当电抗等于零(y＝0)时，可以从拟合解(m，p，q)计算R₀和R_inf。

(R_(0，∞)-a)²+(0-b)²＝r²

R_(0，∞) ²-2aR_(0，∞)+a²+(b)²＝r²

R_(0，∞) ²-2aR_(0，∞)＝r²-a²-b²

R_(0，∞) ²-mR_(0，∞)＝q

R_(0，∞) ²-mR_(0，∞)-q＝0

使用二阶多项式的解，计算R₀和R_inf。

并且因此：

圆的方程式可以矩阵形式重写：

y＝Ax

其中：

A＝[1 R X]

在步骤614，计算由于线性最小二乘拟合导致的解x＝[p，q，r]^T的估计误差，其中在步骤616，这被用于估计协方差矩阵，其包含与每个变量相关联的方差和协方差，其中方差等于标准偏差的平方。然后，这可以用于确定每个变量的标准偏差。

前一个方程式的线性最小二乘解是通过以下公式计算的：

并且，协方差矩阵通过以下来确定：

其中：

可以通过拟合的均方误差来确定。

在步骤618，误差从一组变量(m，p，q)传播到另一组变量(R₀，R_inf，R_i)，其可使用雅可比变换连同协方差矩阵如下计算。

雅可比矩阵是向量值函数的所有一阶偏导数的矩阵，并且是如何将一个系统转换成另一个系统的指示。此解的雅可比矩阵计算如下：

然后如下计算阻抗参数中的不确定性：

其中：J_R0是针对R₀的雅可比变换；

J^T _R0是针对R₀的雅可比逆变换；以及，

是针对R₀的协方差矩阵；

J_Rinf是针对R_inf的雅可比变换；

J^T _Rinf是针对R_inf的雅可比逆变换；以及，

是针对R_inf的协方差矩阵；以及

J_Ri是针对R_i的雅可比变换；

J^T _Ri是针对R_i的雅可比逆变换；以及，

是针对R_i的协方差矩阵。

在步骤620，可检索一个或更多个阈值。如前所述，阈值可以是默认的通用阈值，或可以针对当前受试者定制。在一个示例中，阈值是基于用户的物理特性设置的，并且可以考虑正在执行的特定阻抗测量过程，例如，如果阻抗测量形成身体组成评估的部分，而不是淋巴水肿评估等等。

在步骤622，将如上所述计算的一个或更多个误差与阈值进行比较，以确定是否超过阈值。另外，在步骤624，可以计算负电抗值的数量，具体地以将具有负电抗值的阻抗值的计数确定为阻抗值的总数的比例，其中在步骤626将这些与各自的阈值进行比较。

在步骤628，计算阻抗参数值，然后在步骤630，将这些阻抗参数值与在特定频率下执行的阻抗测量进行比较。在一个示例中，参数值对应于R₀，其中该参数值与基于在3kHz处执行的阻抗测量而确定的经相位校正的阻抗值进行比较。这被用来计算阻抗值与参数值之间的距离的大小，如由以下方程式给出的：

类似地，参数值可以是R_inf，其中该参数值与基于在1000kHz下执行的阻抗测量而确定的经相位校正的阻抗值进行比较。这被用来计算阻抗值与参数值之间的距离的大小，如由以下方程式给出的：

然后在步骤632评估比较结果，其中这用于评估测量结果，并且在一个具体示例中，将测量结果放入三个类别之一中，在本示例中指定为红色、黄色或绿色，对应于差、有问题的或可接受的测量结果。

特定评估标准的示例如下所示：

·红色类别

ο负电抗测量的数目＞红色电抗阈值，或者

οσ_R0(％)＞红色R₀阈值，或者

ο

＞红色R₀差阈值

ο

＞红色R_inf差阈值

·黄色类别

ο负电抗测量的数目＞黄色阈值，或者

οσ_R0(％)＞黄色R₀阈值&σ_Rinf(％)＞黄色R_inf阈值&σ_Ri(％)＞黄色R_i阈值，或者

οσ_Ri(％)＞红色R_i阈值，或者

οσ_Rinf(％)＞红色R_inf阈值，或者

ο

＞黄色R₀差阈值

ο

＞黄色R_inf差阈值

将理解的是，阈值的实际值将取决于所使用的阻抗测量设备，并且这些阈值可以基于示例测量的视觉评估来设置。

在步骤634，向用户显示评估，从而允许用户进行测量是否被接受的评估，这通常是在步骤636经由用户界面提供的用户输入来指示的。

在步骤638，该反馈可用于可选地更新阈值。例如，如果测量被分类为红色或黄色，但是最终被用户接受，这可以用于更新相应受试者的阈值，使得分类随着时间变得更准确。

如果没有接受测量，该过程可以返回到步骤600，允许重复测量。

否则，测量可以用于在步骤640确定指标，如身体组成指标或类似物。

在以上示例中，单独地使用阻抗参数值中的误差以便将阻抗测量值归类为红色、黄色或绿色。然而，应当理解，可以进行其他评估。例如，可以组合这些误差来计算跨阻抗参数值的总误差，其中该总误差用于进行评估。这样的组合可以使用误差的简单求和来执行，或者可以用其他方式来计算，例如使用加权求和、总百分比误差等。另外，虽然以上示例通过对测量结果进行分类来操作，但将认识到，可以使用其他评估，诸如计算总体置信度分数等。

以上示例还使用多个线性回归以便执行曲线拟合，但将认识到，可以使用其他线性或非线性方法，这进而可以简单地包括计算雅可比矩阵。还应当理解的是，虽然上述示例集中于计算阻抗参数值R₀、R_inf和R_i的雅可比矩阵，但是该技术可以扩展到可以从阻抗曲线计算的其他阻抗参数值，诸如α等。

上述方法可以用于宽范围的不同参数，但是特别适合于体液水平的测量，体液水平经常经受基于外部因素的宽范围的变化以及日常变化，这些变化在其他方面不一定是有意义的。

此外，虽然以上示例已经集中于受试者(如人)，但将认识到，以上描述的测量设备和技术可以用于任何动物，包括但不限于灵长类动物、家畜、演出动物(如赛马)等。

贯穿本说明书和所附权利要求书，除非上下文另外要求，否则词语“包括”和变体，诸如“包含”或“含有”将被理解为暗示包括所述整数或整数组或步骤，但不排除任何其他整数或整数组。如在此使用的并且除非另外说明，术语“大约”是指±20％。

本领域技术人员将理解，许多变化和修改将变得显而易见。对本领域的技术人员而言变得显而易见的是，所有这样的变化和修改应当被认为落入本发明前述的广泛出现的精神和范围内。

Claims (56)

1.一种用于对生物受试者执行生物阻抗测量的阻抗测量系统，所述系统包括：

a)信号发生器，其被配置成将多个不同频率的交流信号施加至所述生物受试者的至少部分；

b)传感器，其被配置成测量来自所述生物受试者的响应信号；以及，

c)一个或更多个电子处理设备，其：

i)使用测量到的响应信号确定在所述多个不同频率下获得的阻抗值；

ii)使用曲线拟合算法计算阻抗曲线；

iii)确定所述阻抗曲线与所述阻抗测量的偏差；以及，

iv)使用所述偏差来执行对所述阻抗测量的评估。

2.根据权利要求1所述的系统，其中所述阻抗曲线是圆弓形。

3.根据权利要求1或权利要求2所述的系统，其中对所述阻抗测量的所述评估用于以下各项中的至少一项：

a)确定阻抗测量有效性；

b)对所述阻抗测量进行分类；

c)使所述阻抗测量被重复；以及，

d)导出指示以下各项中的至少一项的指示符：

i)测量有效性；

ii)测量误差；以及，

iii)测量分类。

4.根据权利要求1至3中任一项所述的系统，其中所述阻抗测量被分类为以下各项中的至少一项：

a)差；

b)有问题的；以及，

c)可接受的。

5.根据权利要求1至4中任一项所述的系统，其中所述一个或更多个处理设备：

a)使用所述偏差来计算阻抗参数值的估计误差，所述阻抗参数值是从所述阻抗曲线导出的；以及，

b)使用所述估计误差来评估所述阻抗测量。

6.根据权利要求5所述的系统，其中所述一个或更多个处理设备计算多个阻抗参数值中的每一个的各自的估计误差。

7.根据权利要求1至6中任一项所述的系统，其中所述一个或更多个处理设备：

a)将所述估计误差与一个或更多个阈值进行比较；以及，

b)基于所述比较的结果评估所述阻抗测量。

8.根据权利要求1至7中任一项所述的系统，其中一个或更多个处理设备：

a)使用所述曲线拟合算法计算曲线系数；以及，

b)使用所述曲线系数和所述阻抗值来确定所述偏差。

9.根据权利要求1至8中任一项所述的系统，其中所述曲线拟合算法使用最小二乘法。

10.根据权利要求1至9中任一项所述的系统，其中所述一个或更多个处理设备通过将所述偏差传播到所述阻抗参数值来计算估计误差。

11.根据权利要求1至10中任一项所述的系统，其中所述偏差基于以下各项中的至少一项：

a)方差；以及，

b)协方差。

12.根据权利要求1至11中任一项所述的系统，其中所述一个或更多个处理设备：

a)通过计算协方差矩阵来确定所述偏差，所述协方差矩阵指示与所述阻抗曲线和所述阻抗值相关联的方差和协方差；以及，

b)使用所述协方差矩阵来估计所述误差。

13.根据权利要求12所述的系统，其中基于所述阻抗曲线和所述阻抗值的均方误差来生成所述协方差矩阵。

14.根据权利要求12或权利要求13所述的系统，其中所述一个或更多个处理设备使用以下方程式计算所述协方差矩阵：

其中：A是A＝[1 R X]形式的测量的电抗值X和电阻值R的矩阵；

是曲线拟合的所述均方误差。

15.根据权利要求1至14中任一项所述的系统，其中所述一个或更多个处理设备使用向量函数的一阶偏导数来计算估计误差。

16.根据权利要求1至15中任一项所述的系统，其中所述一个或更多个处理设备使用雅可比变换来计算估计误差。

17.根据权利要求1至16中任一项所述的系统，其中所述一个或更多个处理设备通过使用以下方程式将雅可比变换应用于协方差矩阵来计算估计误差：

其中：J是雅可比变换；

J^T是雅可比逆变换；

是误差。

18.根据权利要求1至17中任一项所述的系统，其中所述一个或更多个处理设备：

a)计算与多个阻抗参数值相关联的误差值；

b)将每个误差值与至少一个各自的阈值进行比较；以及，

c)基于所述比较的结果执行所述评估。

19.根据权利要求18所述的系统，其中所述多个阻抗参数值包括以下中的一个或更多个：

a)R₀，其是0kHz频率下的理论阻抗；

b)R_inf，其是无限频率下的理论阻抗；以及，

c)R_i，其是细胞内阻抗。

20.根据权利要求19所述的系统，其中所述一个或更多个处理设备使用以下方程式来计算误差值：

a)对于R₀：

其中：J_R0是针对R₀的雅可比变换；

J^T _R0是针对R₀的雅可比逆变换；以及，

是协方差矩阵；

b)对于R_inf：

其中：J_Rinf是针对R_inf的雅可比变换；

J^T _Rinf是针对R_inf的雅可比逆变换；以及，

是协方差矩阵；以及，

c)对于R_i：

其中：J_Ri是针对R_i的雅可比变换；

J^T _Ri是针对R_i的雅可比逆变换；以及，

是协方差矩阵。

21.根据权利要求1至20中任一项所述的系统，其中所述一个或更多个处理设备基于负电抗值的数目来评估所述阻抗测量。

22.根据权利要求1至21中任一项所述的系统，其中所述一个或更多个处理设备将所述阻抗测量评估为：

a)如果以下各项中的至少一项，则在第一类别中：

i)负电抗测量的数目超过第一类别电抗阈值；或

ii)至少一个参数值具有大于各自的第一类别阈值的误差；

b)如果以下各项中的至少一项，则在第二类别中：

i)负电抗测量的数目超过第二类别电抗阈值；

ii)每个参数值具有大于各自的第二类别阈值的误差；

c)如果其不在所述第一类别或所述第二类别中，则在第三类别中。

23.根据权利要求22所述的系统，其中所述一个或更多个处理设备将所述阻抗测量评估为：

a)如果以下项，则在第一类别中：

i)R₀误差大于第一类别R₀阈值；

b)如果以下各项中的至少一项，则在第二类别中：

i)R_i误差大于第一类别R_i阈值；以及，

ii)R_inf误差大于第一类别R_inf阈值。

24.根据权利要求1至23中任一项所述的系统，其中所述一个或更多个处理设备至少部分地使用一个或更多个阈值来评估所述测量，并且其中所述阈值是以下各项中的至少一项：

a)基于对针对所述受试者执行的先前阻抗测量的评估来确定；

b)基于对针对一个或更多个参考受试者执行的先前阻抗测量的评估来确定；以及，

c)通过将机器学习应用于对针对一个或更多个参考受试者执行的先前阻抗测量的评估来确定。

25.根据权利要求24所述的系统，其中所述一个或更多个处理设备根据以下各项中的至少一项来选择至少一个阈值：

a)受试者特征；以及，

b)正在执行的阻抗分析过程。

26.根据权利要求1至25中任一项所述的系统，其中所述一个或更多个处理设备：

a)使用至少一个阈值来评估所述阻抗测量；

b)根据用户输入命令确定所述阻抗测量的用户评估；以及，

c)基于所述用户评估选择性地修改所述至少一个阈值。

27.根据权利要求1至26中任一项所述的系统，其中所述一个或更多个处理设备使用体现不同偏差与测量有效性之间的关系的至少一个计算模型来评估所述测量。

28.根据权利要求25所述的系统，其中通过将机器学习应用于从一个或更多个参考受试者获得的测量有效性的偏差和评估来获得所述至少一个计算模型。

29.根据权利要求1至28中任一项所述的系统，其中所述一个或更多个处理设备：

a)将相位校正应用于在高于设定频率的频率下测量的阻抗值；以及，

b)使用经相位校正的阻抗值来计算所述阻抗曲线。

30.根据权利要求1至29中任一项所述的系统，其中每个阻抗值包括电抗值和电阻值。

31.根据权利要求1至30中任一项所述的系统，其中所述一个或更多个处理设备：

a)确定具有负电抗值的阻抗值的计数；

b)使用所述计数来执行对所述阻抗测量的评估。

32.根据权利要求1至30中任一项所述的系统，其中所述一个或更多个处理设备：

a)将相位校正应用于在高于设定频率的频率下测量的阻抗值；以及，

b)使用经相位校正的阻抗值来确定所述计数。

33.根据权利要求31或权利要求32所述的系统，其中所述一个或更多个处理设备将所述阻抗测量评估为：

a)如果所述计数大于阻抗值的总数的第一百分比，则在第一类别中；以及，

b)如果所述计数大于阻抗值的总数的第二百分比，则在第二类别中。

34.根据权利要求1至33中任一项所述的系统，其中所述一个或更多个处理设备：

a)使用所述阻抗值计算阻抗参数值；

b)将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及，

c)使用所述比较的结果来执行对所述阻抗测量的评估。

35.根据权利要求34所述的系统，其中：

a)所述参数值是R₀，其是在0kHz的频率处的理论阻抗；以及，

b)从在以下各项中的至少一项下执行的阻抗测量确定所述定义频率的阻抗值：

i)大于1kHz；

ii)小于10kHz；

iii)小于20kHz；

iv)小于30kHz；

v)在2kHz与4kHz之间；以及，

vi)约3kHz。

36.根据权利要求34所述的系统，其中：

a)所述参数值是R_inf，其是无限频率下的理论阻抗；以及，

b)从在以下各项中的至少一项下执行的阻抗测量确定所述定义频率的阻抗值：

i)大于100kHz；

ii)大于500kHz；

iii)小于10000kHz；

iv)小于5000kHz；

v)小于2000kHz；

vi)在500kHz与2000kHz之间；以及，

vii)约1000kHz。

37.根据权利要求34所述的系统，其中所述参数值是在所述定义的频率下的理论阻抗。

38.根据权利要求35至37中任一项所述的系统，其中所述一个或更多个处理设备将所述阻抗测量评估为：

a)如果所述阻抗参数值与所述定义频率的阻抗值之间的差的幅值大于第一差阈值，则在第一类别中；以及，

b)如果所述阻抗参数值与所述定义频率的阻抗值之间的差的幅值大于第二差阈值但小于第一差阈值，则在第二类别中。

39.一种用于评估对生物受试者执行的生物阻抗测量的系统，所述系统包括一个或更多个电子处理设备，其：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)使用曲线拟合算法计算阻抗曲线；

c)确定所述阻抗曲线与所述阻抗测量的偏差；以及，

d)使用所述偏差来执行对所述阻抗测量的评估。

40.一种用于评估对生物受试者执行的生物阻抗测量的方法，所述方法包括，在一个或更多个电子处理设备中：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)使用曲线拟合算法计算阻抗曲线；

c)确定所述阻抗曲线与所述阻抗测量的偏差；以及，

d)使用所述偏差来执行对所述阻抗测量的评估。

41.一种用于评估对生物受试者执行的生物阻抗测量的计算机程序产品，所述计算机程序产品包括计算机可执行代码，所述计算机可执行代码在由一个或更多个适当编程的电子处理设备执行时，使得所述一个或更多个处理设备：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)使用曲线拟合算法计算阻抗曲线；

c)确定所述阻抗曲线与所述阻抗测量的偏差；以及，

d)使用所述偏差来执行对所述阻抗测量的评估。

42.一种用于对生物受试者执行生物阻抗测量的阻抗测量系统，所述系统包括：

a)信号发生器，其被配置成将多个不同频率的交流信号施加至所述生物受试者的至少部分；

b)传感器，其被配置成测量来自所述生物受试者的响应信号；以及，

c)一个或更多个电子处理设备，其：

i)使用测量到的响应信号确定在所述多个不同频率下获得的阻抗值；

ii)确定具有负电抗值的阻抗值的计数；以及，

iii)使用所述计数来执行对所述阻抗测量的评估。

43.根据权利要求1至30中任一项所述的系统，其中所述一个或更多个处理设备：

a)将相位校正应用于在高于设定频率的频率下测量的阻抗值；以及，

b)使用经相位校正的阻抗值来确定所述计数。

44.根据权利要求31或权利要求32所述的系统，其中所述一个或更多个处理设备将所述阻抗测量评估为：

a)如果所述计数大于阻抗值总数的25％，则在第一类别中；以及，

b)如果所述计数大于14％，则在第二类别中。

45.一种用于评估对生物受试者执行的生物阻抗测量的系统，所述系统包括一个或更多个电子处理设备，其：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)确定具有负电抗值的阻抗值的计数；以及，

c)使用所述计数来执行对所述阻抗测量的评估。

46.一种用于评估对生物受试者执行的生物阻抗测量的方法，所述方法包括，在一个或更多个电子处理设备中：

a)确定从在多个不同频率下对所述生物受试者的至少部分执进行的阻抗测量而获得的阻抗值；

b)确定具有负电抗值的阻抗值的计数；以及，

c)使用所述计数来执行对所述阻抗测量的评估。

47.一种用于评估对生物受试者执行的生物阻抗测量的计算机程序产品，所述计算机程序产品包括计算机可执行代码，所述计算机可执行代码在由一个或更多个适当编程的电子处理设备执行时，使得所述一个或更多个处理设备：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)确定具有负电抗值的阻抗值的计数；以及，

c)使用所述计数来执行对所述阻抗测量的评估。

48.一种用于对生物受试者执行生物阻抗测量的阻抗测量系统，所述系统包括：

a)信号发生器，其被配置成将多个不同频率的交流信号施加至所述生物受试者的至少部分；

b)传感器，其被配置成测量来自所述生物受试者的响应信号；以及，

c)一个或更多个电子处理设备，其：

i)使用测量到的响应信号确定在所述多个不同频率下获得的阻抗值；

ii)使用所述阻抗值计算阻抗参数值；

iii)将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及，

iv)使用所述比较的结果来执行对所述阻抗测量的评估。

49.根据权利要求48所述的系统，其中：

a)所述参数值是R₀，其是在0kHz的频率处的理论阻抗；以及，

b)从在以下各项中的至少一项下执行的阻抗测量确定所述定义频率的阻抗值：

i)大于1kHz；

ii)小于10kHz；

iii)小于20kHz；

iv)小于30kHz；

v)在2kHz与4kHz之间；以及，

vi)约3kHz。

50.根据权利要求48所述的系统，其中：

a)所述参数值是R_inf，其是无限频率下的理论阻抗；以及，

b)从在以下各项中的至少一项下执行的阻抗测量确定所述定义频率的阻抗值：

i)大于100kHz；

ii)大于500kHz；

iii)小于10000kHz；

iv)小于5000kHz；

v)小于2000kHz；

vi)在500kHz与2000kHz之间；以及，

vii)约1000kHz。

51.根据权利要求48所述的系统，其中所述参数值是在所述定义的频率下的理论阻抗。

52.根据权利要求48至权利要求51中任一项所述的系统，其中所述一个或更多个处理设备将所述阻抗测量评估为：

a)如果所述阻抗参数值与所述定义频率的阻抗值之间的差的幅值大于第一差阈值，则在第一类别中；以及，

b)如果所述阻抗参数值与所述定义频率的阻抗值之间的差的幅值大于第二差阈值但小于第一差阈值，则在第二类别中。

53.根据权利要求48至52中任一项所述的系统，其中所述一个或更多个处理设备：

a)使用曲线拟合算法计算阻抗曲线；以及，

b)从所述阻抗曲线导出所述阻抗参数值。

54.一种用于评估对生物受试者执行的生物阻抗测量的系统，所述系统包括一个或更多个电子处理设备，其：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)使用所述阻抗值计算阻抗参数值；

c)将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及，

d)使用所述比较的结果来执行对所述阻抗测量的评估。

55.一种用于评估对生物受试者执行的生物阻抗测量的方法，所述方法包括，在一个或更多个电子处理设备中：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)使用所述阻抗值计算阻抗参数值；

c)将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及，

d)使用所述比较的结果来执行对所述阻抗测量的评估。

56.一种用于评估对生物受试者执行的生物阻抗测量的计算机程序产品，所述计算机程序产品包括计算机可执行代码，所述计算机可执行代码在由一个或更多个适当编程的电子处理设备执行时，使得所述一个或更多个处理设备：

a)确定从在多个不同频率下对所述生物受试者的至少部分执行的阻抗测量而获得的阻抗值；

b)使用所述阻抗值计算阻抗参数值；

c)将所述阻抗参数值与定义频率的阻抗值进行比较，所述定义频率的阻抗值由从在定义的测量频率下执行的阻抗测量获得的阻抗值确定；以及，

d)使用所述比较的结果来执行对所述阻抗测量的评估。

Images