CN113069096A - 一种用于血压监测的系统和方法 - Google Patents

Abstract

本披露涉及一种用于计算、估计或监测主体血压的装置、方法和系统。当执行指令时，至少一个处理器可以执行以下操作中的一个或多个。可以接收表示所述主体心脏活动的第一信号。可以接收表示所述主体的至少一个脉波的时变信息的第二信号。可以识别所述第一信号中的第一特征。可以识别所述第二信号中的第二特征。基于第一特征与第二特征之间的差异，可以计算脉搏传导时间。可以根据第一模型计算所述主体的血压，所述第一模型基于所计算出的脉搏传导时间和第一标定值集。

Description

一种用于血压监测的系统和方法

分案说明

本申请是针对申请日为2015年7月3日，申请号为201580078735.9，发明名称为一种用于血压监测的系统和方法的中国申请，提出的分案申请。

技术领域

本披露主要涉及一种适用于医疗保健相关领域的系统和方法。具体地，本披露涉及一种用于血压监测的系统和方法。

背景技术

传统的血压测量系统也称为血压计，使用柯氏(Korotkoff)音或示波法，基于外部压力与动脉容积脉搏大小的关系来确定血压。这种传统的血压测量系统涉及使用充气臂带来限制血流量。各种基于臂带的方法工作不连续，会在连续测量之间间隔几分钟或更长时间。当前，专业协会建议将非固定血压测量和家用血压测量用于高血压管理和心血管风险预测。然而，这种间歇的血压测量不能在一整天或更长时间段内捕获心血管系统的动态。连续且无创的血压监测可以允许研究血压的瞬时变化，从而可以深入了解血压控制的机制。需要一种无创、无臂带且具有一定准确性的连续监测血压的系统和方法。

发明内容

本披露的一些实施例涉及一种装置，包括存储指令的存储器以及至少一个处理器。所述装置可以用于计算、估计或者监测主体血压。当所述至少一个处理器执行所述指令时，所述至少一个处理器可以执行以下操作中的一个或多个。可以接收表示所述主体的心脏活动的第一信号或与所述第一信号相关或表示所述第一信号的第一信息。可以接收表示所述主体的至少一个脉搏波的时变信息的第二信号或与所述第二信号相关或表示所述第二信号的第二信息。可以在多个标定数据集中，获取与主体相关的第一标定值集。可以识别所述第一信号中的第一特征。所述第一信号中的第一特征的识别可以通过分析所述第一信息或所述第一信号来完成。可以识别所述第二信号中的第二特征。所述第二信号中的第二特征的识别可以通过分析所述第二信息或第二特征来完成。可以基于所述第一特征和所述第二特征之间的差异来计算脉搏传导时间。所述第一标定值集具有最接近所述脉搏传导时间的标定脉搏传导时间。可以根据第一模型计算主体血压，所述第一模型基于计算出的所述脉搏传导时间和第一标定值集，所述第一标定值集与所述主体相关。

本披露的一些实施例涉及由至少一个处理器实现的一种方法，用于计算、估计或监测主体血压。所述方法可以包括以下操作中的一个或多个。可以接收表示所述主体的心脏活动的第一信号或与所述第一信号相关或表示所述第一信号的第一信息。可以接收表示所述主体的至少一个脉搏波的时变信息的第二信号或与所述第二信号相关或表示所述第二信号的第二信息。可以识别所述第一信号中的第一特征。所述第一信号中的第一特征的识别可以通过分析所述第一信息或所述第一信号来完成。可以识别所述第二信号中的第二特征。所述第二信号中的第二特征的识别可以通过分析所述第二信息或第二特征来完成。可以基于所述第一特征和所述第二特征之间的差异来计算脉搏传导时间。可以根据第一模型计算主体血压，所述第一模型基于计算出的所述脉搏传导时间和第一标定值集，所述第一标定值集与所述主体相关。

本披露的一些实施例涉及由存储器和至少一个处理器实现的一种系统。所述系统可以用于计算、估计或监测主体血压。所述系统可以包括获取模块、分析模块。所述获取模块可以用于接收表示主体的心脏活动的第一信号(或与第一信号相关或表示第一信号的第一信息)、表示所述主体的至少一个脉搏波的时变信息的第二信号(或与第二信号相关或表示第二信号的第二信息)和从多个标定数据集中，获取与主体相关的第一标定值集。所述分析模块可以配置为识别所述第一信号中的第一特征；识别所述第二信号中的第二特征；基于所述第一特征与所述第二特征的差异计算脉搏传导时间，其中，所述第一标定值集具有最接近所述脉搏传导时间的标定脉搏传导时间；以及根据第一模型计算所述主体血压，所述第一模型基于计算出的所述脉搏传导时间和第一标定值集，所述第一标定值集与所述主体相关。所述第一信号中的第一特征的识别可以通过分析所述第一信息或所述第一信号来实现。所述第二信号中的第二特征的识别可以通过分析所述第二信息或所述第二信号来实现。所述系统可以进一步包括输出模块，配置为提供所述计算出的血压用于输出。

在一些实施例中，接收所述第一信号可以包括与第一传感器通讯，所述第一传感器配置为获取所述主体身体的第一位置的所述第一信号。接收所述第一信号可以包括使用第一传感器测量或获取所述第一信号，所述第一传感器配置为获取所述主体身体的第一位置的所述第一信号。所述第一传感器可以是所述装置的一部分。所述获取所述第二信号可以包括与第一传感器通讯，所述第一传感器配置为获取所述主体身体的第一位置的所述第一信号。所述获取所述第二信号可以包括使用第一传感器测量或获取所述第一信号，所述第一传感器配置为获取所述主体身体的第一位置的所述第一信号。所述第二传感器可以是所述装置的一部分。所述第一位置和所述第二位置实质上可以是相同的。所述第一位置和所述第二位置可以是在所述主体的手臂上。所述第一位置和所述第二位置可以是在所述主体的同一条手臂的手腕上。所述第一位置和所述第二位置可以是在所述主体的不同部分上。所述装置可以包括使主体能够穿戴所述装置的结构。

在一些实施例中，所述第一信号可以包括光信号或电信号。所述第一信号或所述第二信号可以包括光电容脉搏波(photoplethysmography，PPG)波形、心电图(electrocardiography，ECG)波形或者心脏冲击图(ballistocardiogram，BCG)波形。

在一些实施例中，所述第一信号的第一特征可以对应于第一时间点。所述识别所述第二特征可以包括选择所述第二信号的片段，所述片段出现在从所述第一时间点开始的时间窗内；以及定位所述片段中对应于第二时间点的第二特征。所述计算脉搏传导时间可以包括确定所述第一时间点和所述第二时间点之间的时间间隔。所述时间窗可以是恒定的、与特定测量无关的。例如，所述时间窗可以等于或小于2秒。所述时间窗可以基于主体的状况而被确定，例如主体在获取时间(如本披露中其他地方所定义)或获取时间左右的心率。例如，所述至少一个处理器可以执行包括确定所述主体的心率的所述操作。

在一些实施例中，若所述脉搏传导时间是基于ECG波形和PPG波形确定的，则所述至少一个处理器可以基于所述心率确定所述时间窗。若所述脉搏传导时间是基于ECG波形和PPG波形确定的，则可以分析PPG波形上的片段以识别用于确定所述脉搏传导时间的特征，所述片段对应于ECG波形上两个连续QRS波(例如，两个连续峰值点)之间的时间。

在一些实施例中，所述第一标定值集可以包括第一标定脉搏传导时间。所述至少一个处理器可以进行的操作包括确定第一脉搏传导时间和所述计算出的脉搏传导时间之间的第一变动；以及确定所述第一变动等于或低于第一阈值。所述至少一个处理器可以使所述装置或其一部分与库通讯，所述库存储多个标定值集。所述至少一个处理器可以从多个标定值集中检索(例如从库中)第二标定值集。所述第二标定值集可以包括第二标定脉搏传导时间。所述至少一个处理器可以获得第一模型，所述第一模型用于基于所述第一标定值集和所述第二标定值集计算所述主体的血压。所述第二变动等于或低于第二阈值。检索所述第二标定值集可以包括确定第二标定脉搏传导时间和计算出的标定脉搏传导时间之间的第二变动；以及确定所述第二变动等于或低于所述第二阈值。所述第二阈值可以与第一阈值相同或不同。所述第一阈值的值可以取决于特定测量的所述脉搏传导时间。例如，所述第一阈值可以是特定测量的所述脉搏传导时间的2％、5％、10％、15％或20％。在特定测量中，在多个可用于所述主体的标定数据集中，所述第一标定数据集可以具有最接近所述特定测量的所述脉搏传导时间的标定脉搏传导时间。

对于相同主体，可以基于相同模型或不同模型计算收缩压(systolic bloodpressure，SBP)和舒张压(diastolic blood pressure，DBP)。不同模型可以用于计算两个或多个主体的SBP。相同模型可以用于计算两个或多个主体的DPB。不同模型可以用于计算两个或多个主体的DBP。模型可以是特定于单个主体的。

在一些实施例中，所述至少一个处理器可以进一步接收获取所述第一信号或所述第二信号时与所述对象相关的信息或状况。示例性的信息可以包括，例如，年龄、体重、获取所述第一信号或所述第二信号的时间(在一天之中)或日期、室温、主体当时的情绪、主体最近是否进行了锻炼等中的一种或多种的组合。

本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的检查或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是显而易见的。本披露的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和取得。

附图说明

下面通过示例性实施例对本披露作进一步说明。参考附图来详细描述这些示例性实施例。这些实施例是非限制性的示例性实施例，在附图的几个示意图中，类似的参考数字表示类似的结构，并且其中：

图1是根据本披露的多个实施例的一种示例性系统配置的示意图，其中可以部署用于监测生理信号的一种系统；

图2是根据本披露一些实施例的如图1中所示的系统的引擎的一个示意图；

图3是根据本披露一些实施例的一种部署用于估计生理信号的方法的示例性过程的流程图；

图4是根据本披露一些实施例的分析模块的一种构造的框图；

图5是根据本披露一些实施例的用于估计血压的一个示例性过程的流程图；

图6是根据本披露一些实施例的血压估计的流程图；

图7是根据本披露一些实施例的PTT估计的一个示意图；

图8是根据本披露一些实施例的PTT估计的一个示意图；

图9-A至图9-D提供了根据本披露一些实施例的示例性数学模型和优化过程；

图9-E示出了函数、因子函数和模型之间的关系；

图10-A和图10-B提供了根据本披露一些实施例的示例性标定过程；

图11示出了根据本披露一些实施例的一个示例性库；

图12描绘了可以用于实施一种专门系统或其结合本披露的部分的移动装置的构造；

图13描绘了可以用于实施一种专门系统或其结合本披露的部分的计算机的构造；

图14-A示出了根据本披露一些实施例的示例性装置；

图14-B示出了根据本披露一些实施例的示例性装置；

图14-C示出了根据本披露一些实施例的一种装置的示例性界面；以及

图15-A至图15-D示出了根据本披露一些实施例的示例性数学模型。

具体实施方式

在以下详细描述中，以实例的方式阐述许多特定细节，以便提供对相关发明的彻底理解。然而，对本领域技术人员应该显而易见的是，本披露可以在没有这样的细节的情况下实施。为了避免不必要地模糊本披露的各方面，已经以较高级别(不含细节)描述了已知方法、程序、系统、部件和/或电路。

本披露涉及血压监测的系统、方法和编程方面。血压监测可以涉及一种无臂带系统和方法。在一些实施例中，基于脉波相关信息，例如脉搏传导时间(PTT)、脉波到达时间(PAT)等中的一种或多种的组合，估计血压。所述系统和方法涉及改良的传感器设计和信号处理。本文中公开的系统和方法可以以改良的准确度，以无创方式连续执行血压监测。参考关于血压监测的PTT，提供以下描述，用于说明的目的，并不用于限制本披露的范围。仅作为示例，本文中公开的系统和方法可以利用一个或多个其他脉波相关信息或信号(例如PAT)以用于血压监测。

本披露的这些和其他特征以及特点，连同所涉及的结构要素及部件组合的操作方法和功能以及生产制造的经济因素，在参考附图考量以下说明后会更加明显，所有这些都构成此说明书的一部分。然而，应明确理解的是，附图仅用于阐述和说明的目的，不用于限制本披露的范围。如说明书和权利要求中所使用，单数形式“一”、“一个”和“所述”包括复数形式，除非上下文明确规定。

图1示出了根据本披露一些实施例的一个示例性系统配置，其中可以部署一个系统100。系统100可以被配置以监测一个感兴趣生理参数。系统100可以包括一个测量装置110、一个数据库(例如，一个服务器120)、一个外部数据源130以及一个终端140。系统100的多个组件可以直接或间接通过一个网络150相互连接。

测量装置110可以被配置以测量一个信号。信号可以是心血管信号。信号可以涉及或用于计算或估计一个感兴趣生理参数。测量装置110可以包括例如临床装置、家用装置、便携式装置、可穿戴装置等中的一种或多种的组合。如本文中所使用，临床装置可以是符合用于临床环境(包括，例如医院、医生办公室、护理院等等)的应用需求和规范的装置。临床装置可以由医疗保健人员使用或在医疗保健人员的帮助下使用。如本文中所使用，家用装置可以是符合家用或在非临床环境下使用的应用需求和规定的装置。家用装置可以由专业人员或非专业人员使用。临床装置或家用装置或其部分可以是便携式的或可穿戴的。示例性临床装置包括听诊装置、示波装置、ECG监测器、PPG监测器等中的一种或多种的组合。示例性家用装置包括、示波装置、家用ECG监测器、脉搏计等中的一种或多种的组合。示例性便携式装置包括示波装置、便携式ECG监测器、便携式PPG监测器等中的一种或多种的组合。示例性可穿戴装置包括眼镜111、肩带112、智能手表113、脚镯114、大腿带115、臂带116、胸带117、脖带118等中的一种或多种的组合。提供上述提及的测量装置110的实例出于说明目的，并不用于限制本披露的范围。测量装置110可以呈其他形式，如护指套、腕带、胸罩、内衣、胸带等中的一种或多种的组合。

仅作为示例，测量装置110为经配置以测量一个或多个心血管信号的一个可穿戴或便携式装置。在一些实施例中，可穿戴或便携式装置可以处理至少一些所测量信号，基于所测量信号估计一个感兴趣生理参数，以例如图像、音频警报等形式显示包括感兴趣生理参数的结果，执行与另一个装置或服务器(例如，服务器120)的有线或无线通信。在一些实施例中，可穿戴或便携式装置可以与另一个装置(例如，终端140)或服务器(例如，云服务器)通信。装置或服务器可以处理至少一些所测量信号，基于所测量信号估计一个感兴趣生理参数，以例如图像、音频警报等中的一种或多种的组合的形式显示包括感兴趣生理参数的结果。

在一些实施例中，处理所测量信号、估计生理参数、显示结果或执行有线或无线通信的操作可以由一个集成装置或由相互连接或通信的独立装置执行。此类集成装置可以是便携式的或可穿戴的。在一些实施例中，至少一些独立装置可以是便携式的或可穿戴的，或位于信号被测量或感兴趣生理参数被估计或监测的一个主体附近。仅作为示例，所述主体穿戴经配置以测量一个或多个心血管信号的测量装置110；所测量的一个或多个心血管信号被传输至一个智能手机，其经配置以基于所测量信号计算或估计一个感兴趣生理参数。在一些实施例中，至少一些独立装置位于远离所述主体的位置。仅作为示例，所述主体穿戴经配置以测量一个或多个心血管信号的测量装置110；所测量的一个或多个心血管信号被所传输至一个服务器，其经配置以基于所测量信号计算或估计一个感兴趣生理参数；所计算或估计的感兴趣生理参数可以被传输回所述主体，或除了所述主体之外的用户(例如，医生、医疗保健人员、所述主体的家庭成员等中的一种或多种的组合)。

在一些实施例中，测量装置110可以合并多种类型的传感器，例如电极传感器、光学传感器、光电传感器、压力传感器、加速度传感器、重力传感器、温度传感器、湿度传感器等中的一种或多种的组合。测量装置110可以被配置以监测和/或检测一个或多个类型的变量，包括例如温度、湿度、用户或主体输入等中的一种或多种的组合。测量装置110还可以合并一个定位系统(例如，GPS接收器)或一个位置传感器，并且位置信息可以通过网络150被传输至服务器120、外部数据源130、终端140等中的一种或多种的组合。位置信息和所测量信号可以同时或依次传输。

系统可以包括或与一个服务器或数据库通信，所述服务器或数据库适用于存储库1100和算法121。服务器或数据库可以是服务器120。服务器120可以是一个云服务器。仅作为示例，服务器120可以在可以提供存储容量、计算能力等中的一种或多种的组合的云服务器中实施。库1100可以被配置以收集或存储数据。数据可以包括个人数据、非个人数据或两者。数据可以包括静态数据、动态数据或两者。示例性静态数据可以包括关于一个主体的各种信息，包括身份、联系方式、生日、健康史(例如，主体是否具有烟史、关于先前手术的信息、食物过敏、药物过敏、医疗史、遗传病史、家庭健康史等中的一种或多种的组合)、性别、国籍、身高、体重、职业、习惯(例如，健康相关习惯，如锻炼习惯)、教育背景、爱好、婚姻状况、宗教信仰等中的一种或多种的组合。示例性动态数据可以包括一个主体的当前健康状况、所述主体正在服用的药物、所述主体正在进行的医学治疗、膳食、关于所述主体在多个时间点或一个时间段内的生理信号或参数(例如，脉搏传导时间(PTT)、收缩压(SBP)、舒张压(DBP)等等)等中的一种或多种的组合。

如本文中所使用，主体可以指信号或信息被获取且生理参数被获取、估计或监测的一个人或动物。仅作为示例，主体可以是心血管信号被获取且血压基于所获取心血管信号被估计或监测的一个患者。

关于库1100的详细描述提供于图11。服务器120中的一个或多个算法121可以应用于数据处理或分析，如本披露中别处所描述。提供以上服务器120的描述出于说明目的，并不用于限制本披露的范围。服务器120可以具有不同的结构或配置。例如，算法121不存储于服务器120；相反，算法121可以本地存储在终端140。此外，库1100也可以存储在终端140。

外部数据源130可以包括多种组织、系统和装置等中的一种或多种的组合。示例性数据源130可以包括医疗机构131、研究设施132、传统装置133以及外围装置134等中的一种或多种的组合。医疗机构131或研究设施132可以提供例如个人病历、临床测试结果、实验研究结果、理论或数学研究结果、适合于处理数据的算法等中的一种或多种的组合。传统装置133可以包括一个心血管信号测量装置，如汞血压计。外围装置134可以被配置以监测和/或检测一个或多个类型的变量，包括例如温度、湿度、用户或主体输入等中的一种或多种的组合。提供上述提及的外部数据源130的实例出于说明目的，并不用于限制本披露的范围。例如，外部数据源130可以包括其他源和其他类型的数据，如关于主体或其家庭遗传的信息。

系统100中的终端140可以适用于处理至少一些所测量信号，基于所测量心血管信号估计一个感兴趣生理参数，以例如图像形式显示包括感兴趣生理参数的结果，存储数据，控制访问系统100或其部分(例如，访问存储在系统100中或可从系统100中存取的个人数据)，管理来自主体或关于主体的输入-输出等中的一种或多种的组合。终端140可以包括例如一个移动装置141(例如，智能手机、平板、笔记本电脑等等)、个人计算机142、其他装置143等中的一种或多种的组合。其他装置143可以包括可以独立工作的装置，或组装于另一个装置(例如，智能家用终端)中的处理单元或处理模块。仅作为示例，终端140包括测量装置110中的CPU或处理器。在一些实施例中，终端140可以包括图2所描述的一个引擎200，并且终端140还可以包括一个测量装置110。

网络150可以是单个网络或不同网络的组合。例如，网络150可以是局域网(LAN)、广域网(WAN)、公共网络、专用网络、专属网络、公共电话交换网络(PSTN)、互联网、无线网络、虚拟网络或其组合。网络150还可以包括多种网络接入点，例如，如基站或互联网交换点(图1中未示)等有线或无线接入点，通过所述接入点，数据源或以上描述的系统100的任何组件可以连接至网络150，以便通过网络150传输信息。

系统100的多种组件或可从系统100存取的多种组件可以包括内存或电子存储介质。此类组件可以包括例如关于图2讨论的测量装置110、服务器120、外部数据源130、终端140、外围装备240等中的一种或多种的组合。系统100的任何组件的内存或电子存储介质可以包括以下中的一者或两者：与组件一体化(即，基本上非卸除式的)提供的一个系统存储器(例如，磁盘)；以及通过例如端口(例如，USB端口，火线端口等)或驱动器(例如，磁盘驱动器等)可移除地连接至组件的一个卸除式存储器。系统100的任何组件的内存或电子存储介质可以包括一个或多个虚拟存储资源(例如，云存储器、虚拟专用网络和/或其他虚拟存储资源)或与上述可连接地操作。

系统100的内存或电子存储介质可以包括一个动态存储器装置，其经配置以存储待由片上系统(SoC，例如包括处理器的芯片集)、其他处理器(或计算单元)等中的一种或多种的组合的处理器执行的信息和指令。内存或电子存储介质还可以用于存储处理器执行指令期间的临时变量或其他中间信息。部分或全部的内存或电子存储介质可以实施为双重内嵌式存储模块(DIMM)，并且可以是以下类型存储器中的一个或多个：静态随机存取存储器(SRAM)、突发SRAM或同步突发SRAM(BSRAM)、动态随机存取存储器(DRAM)、快速页模式DRAM(FPM DRAM)、加强DRAM(EDRAM)、扩充数据输出DRAM(EDO DRAM)、突发扩充数据输出DRAM(BEDO DRAM)、突发扩充数据输出DRAM(BEDO DRAM)、加强DRAM(EDRAM)、同步DRAM(SDRAM)、JEDECSRAM、PCIOO SDRAM、双倍数据速率SDRAM(DDR SDRAM)、加强SDRAM(ESDRAM)、同步链接DRAM(SLDRAM)、直接总线式DRAM(DRDRAM)、铁电RAM(FRAM)或任何其他类型的存储器装置。内存或电子存储介质还可以包括只读存储器(ROM)和/或另一种静态存储器装置，其经配置以存储用于SoC和/或其他处理器(或计算单元)的处理器的静态信息和指令。此外，内存或电子存储介质可以包括磁盘、光盘或闪存装置以存储信息和指令。

在一些实施例中，SoC可以是来自系统100的组件或可从系统100存取的组件的核处理或计算单元的一部分。SoC可以被配置以接收和处理输入数据和指令，提供输出和/或控制系统的其他组件。在一些实施例中，SoC可以包括微处理器、内存控制器、内存和外围组件。微处理器还可以包括一个缓存内存(例如，SRAM)，其连同SoC的内存可以是存储指令和数据的内存层次的一部分。微处理器还可以包括一个或多个逻辑模块，如现场可编程门阵列(FPGA)或其他逻辑阵列。SoC中的微处理器与内存之间的通信可以通过内存控制器(或芯片集)促进，其还可以促进与外围组件(如，计时器、实时计时器、上电重设生成器等中的一种或多种的组合)的通信。SoC还可以包括其他组件，包括但不限于定时源(例如，振荡器、锁相环等等)、电压调整器、电源管理电路等中的一种或多种的组合。

仅作为示例，系统100可以包括一个可穿戴或便携式装置。可穿戴或便携式装置可以包括一个SoC和多个传感器。示例性传感器可以包括光电传感器、电导传感器等中的一种或多种的组合。SoC可以处理通过多个传感器中的至少一些所获取的信号。所获取信号可以是多种生理信号，包括例如光体积描记器(PPG)、心电图描记器(ECG)等中的一种或多种的组合。SoC可以基于所获取信号计算一个感兴趣生理参数。示例性感兴趣生理参数可以是血压等中的一种或多种的组合。

在一些实施例中，外部数据源130可以通过网络150接收来自测量装置110、服务器120、终端140等等或任意组合的数据。仅作为示例，外部数据源130(例如，医疗机构或智能家用系统等等)可以基于接收字测量装置110或终端140的数据，接收关于一个主体的信息(例如，位置信息、来自云服务器或终端的数据等中的一种或多种的组合)。在一些其他实施例中，测量装置110可以通过网络150接收来自服务器120、外部数据源130等等或任意组合的数据。仅作为示例，测量装置110可以接收关于一个主体的信息(例如，主体的当前/历史健康状况、所述主体正在服用的药物、所述主体正在进行的医学治疗、当前/历史膳食、当前情绪状况、关于所述主体的历史生理参数(例如，PTT、SBP、DBP)等中的一种或多种的组合)。此外，终端140可以接收来自测量装置110、服务器120、外部数据源130等中的一种或多种的组合的数据。

图1为系统100的一个特定实例，系统100的配置不限于图1中所示。例如，可以省略服务器120，将其全部功能迁移至终端140。在另一个实例中，可以忽略服务器120和终端140，将其全部功能迁移至测量装置110。所述系统可以包括多种装置或不同实施例中的装置的组合。

在一个实例中，系统可以包括一个可穿戴或便携式装置和一个移动装置(例如，智能手机、平板、笔记本电脑等等)。可穿戴或便携式装置可以用于获取生理信号、环境信息等中的一种或多种的组合。移动装置可以用于接收由可穿戴或便携式装置获取的信号或信息。移动装置可以基于所获取信号或信息以及检索自另一个来源(例如，服务器)的相关数据，计算一个或多个感兴趣生理参数。所检索相关数据可以包括例如存储于服务器的当前/历史信息。示例性当前/历史信息可以包括一个主体的当前/历史健康状况、所述主体服用的当前/历史药物、所述主体进行的当前/历史医学治疗、当前/历史膳食、当前/历史情绪状况、关于所述主体的当前/历史生理参数(例如PTT、SBP、DBP)等中的一种或多种的组合。可穿戴或便携式装置或移动装置可以显示或报告，或存储至少一些所获取信号、信息、所检索相关数据、所计算的一个或多个感兴趣生理参数等中的一种或多种的组合。显示或报告可以被提供至一个主体、除了所述之外的用户、服务器或另一个装置。

在另一个实例中，系统可以包括一个可穿戴或便携式装置，其可以被配置以执行功能，包括：获取生理信号或环境信息；从另一个来源(例如，服务器)检索相关数据；基于所获取信号、信息或所检索相关数据，计算一个或多个感兴趣生理参数；以及显示、报告或存储至少一些所获取信号、信息、所检索相关数据、所计算的一个或多个感兴趣生理参数等中的一种或多种的组合。显示或报告可以提供至一个主体、除了所述之外的用户、服务器或另一个装置。

在再一实例中，系统可以包括一个可穿戴或便携式装置，其可以被配置以执行功能，包括：获取生理信号和环境信息；与一个服务器通信以传输至少一些所获取信号或信息至服务器，使得服务器可以计算一个或多个感兴趣生理参数；从服务器接收所计算的一个或多个感兴趣生理参数；显示、报告或存储至少一些所获取信号、信息、所计算的一个或多个感兴趣生理参数等中的一种或多种的组合。显示或报告可以提供至一个主体、除了所述之外的用户、服务器或另一个装置。在一些实施例中，可穿戴或便携式装置与服务器之间的通信可以通过可穿戴或便携式装置连接至网络(例如，网络150)来实现。在一些实施例中，可穿戴或便携式装置与服务器之间的通信可以通过与可穿戴或便携式装置和服务器两者通信的一个通信装置(例如，移动装置，如智能手机、平板、笔记本电脑等等)来实现。

在又一实例中，系统可以包括一个可穿戴或便携式装置、一个移动装置(例如，智能手机、平板、笔记本电脑等等)以及一个服务器。可穿戴或便携式装置可以用于获取生理信号、环境信息等中的一种或多种的组合。移动装置可以用于接收由可穿戴或便携式装置获取的信号或信息，并且可以基于检索自可穿戴或便携式装置的所接收信号和/或信息以及检索自另一个来源(例如，服务器)的相关数据，计算一个或多个感兴趣生理参数。

在一些实施例中，系统可以被配置以提供一个用户界面以允许一个主体、除了所述主体之外的用户或一个实体与本文中公开的系统进行信息交换(包括输入或输出系统)。用户界面可以实施于一个终端装置，包括例如移动装置、计算机等中的一种或多种的组合。具有适当访问权限的人可以访问所述系统。访问权限可以包括例如存取关于一个主体的一些或全部信息的权限、更新关于一个主体的一些或全部信息的权限等中的一种或多种的组合。访问权限可以与一组登录凭据相关或相联系。仅作为示例，系统可以提供三层访问权限。第一层可以包括关于主体信息的全部访问权限，允许接收与更新关于主体的信息。第二层可以包括关于主体信息的部分访问权限，允许接收与更新关于主体的部分信息。第三层可以包括关于主体信息的最小访问权限，允许接收或更新关于主体的部分信息。不同登录凭据可以与对系统中关于主体的信息的不同访问权限相关。如本文中所使用，更新可以包括提供系统中不存在的信息，或用新信息修改现有的信息。

仅作为示例，系统可以接收通过用户界面提供的关于主体的信息。关于主体的信息可以包括基本信息和可选信息。示例性基本信息可以包括身高、体重、年龄(或出生日期)、性别、臂长、国籍、职业、习惯(例如，健康相关习惯，如锻炼习惯)、教育背景、爱好、婚姻状况、宗教信仰、健康相关史(例如，主体是否具有烟史、食物过敏、药物过敏、医疗史、家庭健康史、遗传病史、关于先前手术的信息等中的一种或多种的组合)、联系方式、紧急联系人等中的一种或多种的组合。示例性可选信息可以包括主体的当前健康状况、主体正在服用的药物、主体正在进行的医学治疗膳食。系统可以通过用户界面接收关于例如感兴趣生理参数的特定测量结果的信息。此类信息的实例可以包括获取时间时或左右主体的运动状态(在本披露中别处定义)、获取时间时或左右主体的情绪状态、获取时或前后主体的压力等级等中的一种或多种的组合。系统可以通过用户界面接收一个或多个选项或指令。在一些实施例中，选项或指令可以是由一个主体或除了所述主体之外的用户回应系统的问题或提示回答问题或进行选择而提供。在一个实例中，选项或指令可以包括测量频率(例如，一周一次、一月一次、一周两次、一月两次、一天一次、一天两次等等)、展示给主体或除了所述主体之外的用户的信息的优先格式(例如，电子邮件、语音消息、本文消息、音频警报、触觉反馈等中的一种或多种的组合)。在另一个实例中，选项或指令可以包括关于计算感兴趣参数的信息，例如关于如何选择模型、函数、标定数据等中的一种或多种的组合的规则。

在一些实施例中，系统可以通过用户界面将信息提供至主体或除了所述主体之外的用户。示例性信息可以包括警报、建议、提示等中的一种或多种的组合。在一个实例中，如果发生触发事件，则警报可以提供或显示给主体或除了所述主体之外的用户。示例性触发事件可以是至少一些所获取信息或感兴趣生理参数超过一个阈值。仅作为示例，触发事件可以是所获取心率超过一个阈值(例如，高于每分钟150次，低于每分钟40次等等)。再例如，触发事件可以是感兴趣生理参数(例如，所估计血压)超过一个阈值。在另一个实例中，建议可以提供或显示给主体或除了所述主体之外的用户。示例性推荐可以是输入特定数据(例如，基本信息、可选信息、更新感兴趣参数、更新模型、更新功能、更新选项和指令等中的一种或多种的组合)的请求。提示可以提供或显示给主体或除了所述主体之外的用户。示例性提示可以包括吃处方药物、吃其他药物、进行感兴趣生理参数测量等中的一种或多种的组合的提示。

在一些实施例中，系统可以通过用户界面与主体或除了主体之外的用户(还称为第三方)进行通信。示例性第三方可以是医生、医疗保健人员、医疗机构、研究设备、主体或与主体有亲友关系的用户的外围装置等等。示例性通信可以与主体的健康状况、饮食习惯、锻炼习惯、处方药物、执行测量的指令或步骤等中的一种或多种的组合相关。在一些实施例中，第三方可进入的或第三方的用户界面可以与主体可进入的或主体的用户界面相同或不同。在一个实例中，输出或数据可以传输至第三方(例如，计算机、医生办公室的终端、医疗保健人员所处的且主体健康状况被监测的医院等中的一种或多种的组合)。第三方可以通过用户界面输入与输出信息相关的反馈信息或指令。仅作为示例，第三方可以接收关于主体的一个或多个感兴趣生理参数的信息，并且相应地提供主体将采取的行动的建议(例如，吃处方药物、吃其他药物、联系或访问第三方等中的一种或多种的组合)；系统可以将建议中继给主体。

图2示出了包括引擎200的一个示例性图。引擎200可以适用于获取一个或多个信号，以及基于所获取信号计算或估计一个或多个感兴趣生理参数。如图所示，引擎200可以连接至或以其他方式与例如外围装备240和服务器120通信。引擎200可以包括一个信息获取模块210、分析模块220以及一个输出模块230。信息获取模块210可以适用于获取关于主体的信号或信息，例如生理信号、关于主体健康状况的信息等中的一种或多种的组合。分析模块220可以适用于分析所获取信号或信息，或确定或估计感兴趣生理参数，或执行两者。输出模块230可以适用于输出所获取信号或信息、感兴趣生理参数等中的一种或多种的组合。如本文中所使用，模块可以具有一个独立的处理器，或使用系统共享处理器。处理器可以根据与多种模块相关的指令执行功能。例如，根据相关指令，分析模块220可以检索所获取信号并且执行计算以获得一个或多个感兴趣生理参数。

信息获取模块210可以适用于获取来自或关于一个或多个主体的信号或信息。如本文中所使用，获取可以通过接收由例如传感器感应到的、检测到的或测量的信号或信息，或通过从主体或从除了所述主体之外的用户(例如，医生、医护人员、主体的家庭成员等中的一种或多种的组合)接收输入来实现。为了简便起见，所获取信号或信息可以称为所获取信息。如本文中所使用，信息可以包括由装置(包括例如，传感器)获取的关于主体的信号、由装置(包括例如，传感器)获取的环境信息、以其他方式例如从主体或除了主体之外的用户的输入获取的信息、所描述的获取的处理或预处理信息等中的一种或多种的组合。示例性传感器可以包括电极传感器、光学传感器、光电传感器、压力传感器、加速度传感器、重力传感器、温度传感器、湿度传感器等中的一种或多种的组合。

示例性所获取信息可以包括生理信息。在确定血压的示例性上下文中，生理信息可以包括心血管信号。示例性心血管信号可以包括光体积(PPG)信号、心电图(ECG)信号、心冲击图(BCG)信号、血压(BP)、收缩压(SBP)、舒张压(DBP)、脉搏率(PR)、心率(HR)、心率变化(HRV)、心脏杂音、血氧饱和浓度、血液密度、血液pH值、肠鸣音、脑电波、脂肪含量、血流速率等中的一种或多种的组合。示例性所获取信息可以包括关于主体的信息，例如身高、体重、年龄、性别、体温、臂长、病史等中的一种或多种的组合。示例性所获取信息可以包括来自或关于获取时间时或左右主体周围的信息(称为环境信息)。示例性环境信息可以包括温度、湿度、空气压力、空气流速、环境光强度等中的一种或多种的组合。如本文中所使用，获取时间可以指获取关于主体的信息(例如，主体的生理信息)的时间点或时间段。

信息获取模块210可以包括一个信号获取单元(图2中未示)，适用于获取关于主体的信息；一个信号获取单元(图2中未示)，适用于获取主体或除了主体之外的用户提供的信息；一个信号获取单元(图2中未示)，适用于在获取时间时或左右从主体周围的环境获取环境信息；等中的一种或多种的组合。

信号获取单元(图2中未示)可以适用于接收由电极感应方法获取的主体的ECG信号。信号获取单元(图2中未示)可以适用于接收由光电感应方法获取的主体的PPG信号。信号获取单元(图2中未示)可以适用于接收关于由主体或除了主体之外的用户提供的病史或疾病数据的信息。信号获取单元(图2中未示)可以适用于通过温度感应方法获取室温(获取时间时或左右主体所处位置)。信号获取单元(图2中未示)可以与一个或多个传感器通信以获取所述一个或多个传感器感应到的、检测到的或测量的信息。示例性传感器包括电极传感器、光学传感器、光电传感器、电导传感器、压力传感器、加速度传感器、重力传感器、温度传感器、湿度传感器等中的一种或多种的组合。

仅作为示例，光学传感器可以包括一个集成光电检测器、放大器以及一个光源。光源可以发射例如可见光谱、红外线区域等中的一种或多种的组合波长的辐射。光电检测器可以检测所反射辐射。在另一个实例中，两个可穿戴PPG传感器可以置于主体的两个不同位置。两个不同位置可以相互隔开已知距离。在一些实施例中，至少两个传感器可以组装成一个装置。装置可以是可穿戴或便携式装置，包括例如T恤衫、智能手表、腕带等中的一种或多种的组合。装置还可以包括一个或多个处理器或处理单元。信号或数据可以在置于不同位置的传感器之间传输。传输可以通过无线连接、有线连接等中的一种或多种的组合。例如，传感器接收的信号可以通过无线身体传感网络(BSN)或体内通信(IBC)传输。

信息获取模块210可以被配置以接收或加载来自外围装备240、服务器120或另一个装置(例如，ECG监测器、PPG监测器、呼吸监测器、脑电波监测器、血糖监测器以及具有类似功能的装置)的信息。此类装置的实例可以包括智能手表、耳机、眼镜、手镯、项链等等。外围装备240、服务器120或此类另一个装置可以是本地的或远程的。例如，服务器120和引擎200可以通过局域网或互联网连接。所述外围装备240和引擎200可以通过局域网或互联网连接。另一个装置和引擎200可以通过局域网或互联网连接。信息获取模块210与外围装备240、服务器120或此类另一个装置之间的信息传输可以通过有线连接、无线连接等中的一种或多种的组合。

信息获取模块210可以被配置以接收主体或除了主体之外的用户通过例如输入装置提供的信息。输入装置可以包括字母数字键和可以通过键盘、触摸屏(例如，具有触觉或触感反馈)、语音输入、视线跟踪输入、脑监测系统或其他类似输入机构输入的其他键。由输入装置接收的输入信息可以通过例如总线而传输至SoC的处理器以进行进一步处理。其他类型的输入装置可以包括光标控制装置，如鼠标、跟踪球、或光标方向键以与例如SoC进行方向信息和命令选择通信，并控制光标在显示装置上的移动。

信息获取模块210的描述用于说明性目的，并不限制本披露的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。例如，存储单元(图2中未示)可以添加至信息获取模块210以存储所获取信息。

分析模块220可以是适用于分析所获取信息。分析模块220可以是连接至或以其他方式与一个或多个信息获取模块210-1、210-2、……、210-N通信以接收至少部分所获取信息。分析模块220可以是适用于执行一项或多项操作，包括例如预处理、计算、标定、统计分析等中的一种或多种的组合。上述任一项操作可以基于至少一些所获取信息，或来自另一操作(例如，分析模块220或系统100的另一个组件执行的操作)的中间结果来执行。例如，分析可以包括一项或多项操作，包括：预处理至少部分所获取信息；识别所获取信息或预处理信息的特征点或特征；基于经识别特征点或特征，计算中间结果；执行标定；分析主体或除了主体之外的用户提供的关于所述主体的信息；分析关于获取时间时或左右主体周围环境的信息；估计一个感兴趣生理参数；等中的一种或多种的组合。

一些分析操作可以并行或串行执行。如本文中所使用，并行执行可以指示一些分析操作可以在相同或大约相同时间进行；串行执行可以指示一些分析操作可以在其他分析操作开始或完成之后开始或执行。在一些实施例中，至少两个分析操作可以并行执行。在一些实施例中，至少两个分析操作可以串行执行。在一些实施例中，一些分析操作可以并行执行，而一些分析操作可以串行执行。

分析、一些分析操作可以是实时执行，即在获取时间时或左右执行。分析或一些分析操作可以在获取信息、延迟之后执行。在一些实施例中，存储所获取信息以在延迟之后用于分析。在一些实施例中，预处理并且存储所获取信息以在延迟之后用于进一步分析。延迟可以在秒，或分钟，或小时，或天或较长时间范围内。在延迟之后，可以通过来自主体或除了主体之外的用户(例如，医生、医护人员、主体的家庭成员等中的一种或多种的组合)的指令、存储于系统100的指令等中的一种或多种的组合触发分析。仅作为示例，存储于系统100的指令可以指定延迟的时长、待执行分析的时间、待执行分析的频率、触发分析执行的触发事件等中的一种或多种的组合。存储于系统100中的指令可以由主体或除了主体之外的用户提供。示例性触发事件可以是至少一些所获取信息或感兴趣生理参数超过一个阈值。仅作为示例，触发事件可以是所获取心率超出一个阈值(例如，高于每分钟150次，低于每分钟40次等等)。如本文中所使用，“超出”可以大于或小于一个阈值。再例如，触发事件可以是感兴趣生理参数(例如，所估计血压)超过一个阈值。

分析模块220可以是集中式的或分布式的。集中式分析模块220可以包括一个处理器(图2中未示)。处理器可以适用于执行操作。分布式分析模块220可以包括多个操作单元(图2中未示)。操作单元可以适用于共同执行同一分析的操作。在分布式配置中，多个操作单元的执行可以由例如服务器120控制或协作。

所获取信息、分析的中间结果或分析结果(例如，感兴趣生理参数)可以模拟的或数字的。在血压监测的示例性上下文中，所获取信息、分析的中间结果或分析结果(例如，感兴趣生理参数)可以包括例如PPG信号、ECG信号、BCG信号、BP、SBP、DBP、PR、HR、HRV(心率变化)、心脏杂音、血氧饱和浓度、血液密度、血液pH值、肠鸣音、脑电波、脂肪含量、血流速率等中的一种或多种的组合。

分析结果(关于主体的感兴趣生理参数)可以受多种因素或条件影响，多种因素或条件包括例如环境因素、归因于主体的生理状况的因素、归因于主体的心理状况的因素等中的一种或多种的组合。一个或多个此类因素可以影响所获取信息的准确度、分析的中间结果的准确度、分析结果的准确度等中的一种或多种的组合。例如，可以基于与所获取信息的关联性估计一个感兴趣生理参数；归因于生理状况的因素可以引起与关联性的偏差；所述因素可以影响基于关联性估计的感兴趣生理参数的准确度。仅作为示例，关于主体的心血管信号可以随例如时间、主体的心理状况、主体的心理状况等中的一种或多种的组合而不同。心血管信号与主体的生理参数主体之间的关联性可以随例如、主体的心理状况、主体的心理状况、主体周围的环境等等或其组合而不同。此类影响可以在分析中抵消。

在一个分析中，可以获取关于影响条件(例如，环境信息、生理状况、心理状况等等)的信息，并且相应地在所述分析中进行标定或调节。仅作为示例，标定或调节可以借助于一个标定因素。例如，可以基于获取时间时或左右从或关于主体周围环境获取的环境信息，将环境标定因素引入所述分析。示例性环境信息可以包括温度、湿度、空气压力、空气流速、环境光强度等等中的一个或多个。示例性环境标定因素可以包括温度标定因素、湿度标定因素、空气压力标定因素、空气流速标定因素、环境光强度标定因素等等中的一个或多个。再例如，标定或调节可以通过执行用于估计感兴趣生理参数的关联性的标定(例如，标定模型、标定函数等等)来进行。又例如，标定或调节可以基于关于影响条件的信息，通过来自用于估计感兴趣生理参数的多个相关系数的关联性来进行。

分析模块220的描述用于说明性目的，并不限制本披露的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。例如，缓存单元(图2中未示)可以添加至分析模块220，用于在上述过程期间存储中间结果或实时信号或信息。

输出模块230可以是适用于提供输出。输出可以包括一个感兴趣生理参数、至少一些所获取信息(例如，用于估计感兴趣生理参数的所获取信息)等中的一种或多种的组合。输出的传输可以通过有线连接、无线连接等中的一种或多种的组合。一旦输出可用于传输，可以实时传输输出。输出可以在输出可用于传输延迟之后传输。延迟可以在秒，或分钟，或小时，或天或较长时间范围内。在延迟之后，可以通过来自主体或除了主体之外的用户(例如，医生、医护人员、主体的家庭成员等中的一种或多种的组合)的指令、存储于系统100的指令等中的一种或多种的组合触发输出。仅作为示例，存储于系统100的指令可以指定延迟时长、待传输输出的时间、待传输输出的频率、触发事件等中的一种或多种的组合。存储于系统100中的指令可以由主体或除了主体之外的用户提供。示例性触发事件可以是感兴趣生理参数或其至少一些所获取信息超过一个阈值。仅作为示例，触发事件可以是所获取心率超过一个阈值(例如，高于每分钟150次，低于每分钟40次等等)。再例如，触发事件可以是感兴趣生理参数(例如，所估计血压)超过一个阈值。

用于传输的输出可以是例如模拟形式、数字形式等中的一种或多种的组合。输出可以是例如图表、代码、语音消息、本文、视频、音频警报、触觉影响等中的一种或多种的组合形式。输出可以显示于本地终端或所传输至远程终端或两者。终端可以包括例如个人的计算机(PC)、台式计算机、笔记本电脑、智能手机、智能手表等中的一种或多种的组合。仅作为示例，输出可以显示于主体穿戴的可穿戴或便携式装置，并且还传输至医疗保健人员所处的且主体健康状况被监测的医生办公室或医院的计算机或终端。

输出模块230可以包括或与一个显示装置通信，所述显示装置经配置以显示输出或其他信息给主体或除了主体之外的用户。显示装置可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、或任何其他平板显示器，或可以使用阴极射线管(CRT)、触摸屏等等。触摸屏可以包括例如电阻触摸屏、电容触摸屏、等离子体触摸屏、矢量压力感应触摸屏、红外线触摸屏等中的一种或多种的组合。

外围装备240可以包括关于或与系统100或其部分进行通信的任何种类的本地或远程设备或装置。例如，外围装备240可以包括存储器装置、显示装备、测量装置110、输入装置等中的一种或多种的组合。

在一些实施例中，存储模块(图2中未示)或存储单元(图2中未示)可以集成入引擎200。在一些实施例中，存储单元(图2中未示)可以集成入信息获取模块210、分析模块220、输出模块230中的任一个。存储模块(图2中未示)或存储单元(图2中未示)可以用于存储中间结果或分析结果。存储模块(图2中未示)或存储单元(图2中未示)可以用作数据缓存。存储模块(图2中未示)或存储单元(图2中未示)可以包括硬盘、软盘、选数管存储器、RAM、DRAM、SRAM磁泡存储器、薄膜存储器、磁镀线存储器、相变存储器、闪存、云盘等中的一种或多种的组合。存储模块(图2中未示)或存储单元(图2中未示)可以包括关于图1和本披露别处描述的内存或电子存储介质。

在一些实施例中，引擎200不包括存储模块或存储单元，并且外围装备240或服务器120可以用作可访问引擎200的存储器装置。服务器120可以是一个提供云存储的云服务器。如本文中所使用，云存储器是数字数据存储于逻辑库的数据存储器的模型，以及跨越多个服务器(并且经常位于多个位置)的物理存储器。包括例如逻辑库的物理环境，跨越多个服务器的物理存储器可以由托管公司拥有和管理。托管公司可以负责保持数据是可用的且可访问的，并且保持物理环境受保护以及运行。此类云存储器可以通过云服务、网络服务应用程序编程接口(API)或通过利用API的应用访问。示例性应用程序包括云桌面存储器、云存储器网关、基于网络的内容管理系统等中的一种或多种的组合。服务器120可以包括公共云、个人云或两者。例如，所获取信息可以存储于个人云，所述个人云可以在通过认证(例如，用户名、口令、密码等中的一种或多种的组合)授权之后可以被访问。包括例如方法或计算模型等非个性化信息可以存储于公共云。访问公共云无需授权或认证。信息获取模块210、分析模块220和输出模块230可以检索或加载来自公共云或个人云的信息或数据。这些模块中的任一个可以被配置以传输信号和数据至公共云或个人云。

信息获取模块210、分析模块220和输出模块230中任何两个之间的连接或传输可以通过有线连接无线连接等中的一种或多种的组合。这些模块中的至少两个可以与不同外围装备连接。这些模块中的至少两个可以与相同外围装备连接。装备外围的可以通过有线连接、无线连接等中的一种或多种的组合与一个或多个模块连接。本领域技术人员应该理解上述实施例只用于描述本披露中的发明。在不脱离本公开所公开的本披露的精神的情况下，对本公开进行了许多修改和变化。例如，信息获取模块210和输出模块230可以集成入一个适用于获取和输出信号或结果的独立模块。独立模块可以通过有线连接、无线连接等中的一种或多种的组合与分析模块220连接。引擎200中的三个模块可以部分集成入一个或多个独立模块或共享一个或多个单元。

系统100中模块之间，或模块与外围装备240之间，或系统与服务器120之间的连接或传输不应限于以上描述。全部连接或传输可以组合使用或可以独立使用。模块可以集成入一个独立模块，即所述模块的功能可以通过所述独立模块实施。类似地，一个或多个模块可以集成入外围装备240的单片上。上文所提及的任何一个连接或传输可以通过有线连接、无线连接等中的一种或多种的组合。例如，有线连接或无线连接可以包括例如电线、电缆、卫星、微波、蓝牙、无线电、红外线等中的一种或多种的组合。

引擎200可以实施于一个或多个处理器。引擎200的模块或单元可以集成入一个或多个处理器。例如，信息获取模块210、分析模块220以及输出模块230可以实施于一个或多个处理器。一个或多个处理器可以与存储器装置(图2中未示)、外围装备240以及服务器120传输信号或数据。一个或多个处理器可以从存储器装置(图2中未示)、外围装备240以及服务器120检索或加载信号、信息或指令，并且处理所述信号、信息、数据或指令或其组合，以计算一个或多个感兴趣生理参数。一个或多个处理器还可以与关于系统100的其他装置连接或通信，并且通过例如移动电话APP、本地或远程终端等中的一种或多种的组合而与此类其他装置传输或共享信号、信息、指令、感兴趣生理参数等等。

图3为示出了根据本披露一些实施例的用于估计一个感兴趣生理参数的一个示例性过程的流程图。可以在步骤310中获取关于主体的信息。信息获取可以由信息获取模块210执行。所获取信息可以包括主体的生理信息、关于获取时间时或获取时间左右主体周围环境的环境信息、主体或除了主体之外的用户提供的信息。所获取信息可以包括PPG信号、ECG信号、脉搏率、心率、心率变化、血氧饱和浓度、呼吸、肌肉状态、骨骼状态、脑电波、血脂含量、血糖含量、身高、体重、年龄、性别、体温、臂长、病史、室温、湿度、空气压力、空气流速、环境光强度等中的一种或多种的组合。可以在320分析至少一些所获取信息。通过所述分析，可以识别至少一些所获取信息的多种特征。例如，所获取信息可以包括PPG信号和ECG信号；这些信号的经识别特征可以包括例如波形、特征点、峰值点、谷值点、振幅、时间间隔、相位、频率、周期等中的一种或多种的组合。可以在步骤320中进行基于经识别特征的分析。例如，可以基于经识别特征计算或估计感兴趣生理参数。基于所获得PPG信号和ECG估计的感兴趣生理参数可以包括例如BP、SBP、DBP等中的一种或多种的组合。可以在步骤330中输出感兴趣生理参数。可以在步骤330中输出一些所获取信息。输出可以显示给主体或除了主体之外的用户，打印，存储于存储器装置或服务器120，传输至装置以进行进一步处理等中的一种或多种的组合。应该注意的是，在步骤320的分析之后，可以在步骤310中执行一个新的获取步骤。

此描述用于说明性目的，并不限制权利要求的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。例如，可以在步骤310与步骤320之间添加一个预处理步骤。在预处理步骤中，可以预处理所获取信号，以便减少或除去最初获取的信号中的噪点或干扰。例如，复杂、实时数字滤波可以用于减少或除去PPG或ECG信号中的高频噪点，允许其特征得以精确识别。示例性预处理方法可以包括低通滤波、带通滤波、小波变换、中值滤波、形态滤波、曲线拟合、Hilbert-Huang变换等中的一种或多种的组合。关于降低或除去生理信号(例如，PPG信号或ECG信号)中的噪点的方法和系统的描述可以见于2015年4月20日提交的国际专利申请PCT/CN2015/077026、2015年4月20日提交的PCT/CN2015/077025以及2015年5月27日提交的PCT/CN2015/079956，所述专利的内容以引用的方式并入本文。可以在步骤310与步骤320之间，或图3示出的示例性过程的别处添加一个或多个其他任选步骤。此类步骤的实例可以包括存储或缓存所获取信息。

图4为示出了根据本披露一些实施例的具有一个分析模块220的一个构造的框图。分析模块220可以通过网络150与例如外围装备240和服务器120连接或通信。分析模块220可以被配置以基于所获取信息估计或计算关于一个主体的一个感兴趣生理参数。分析模块220可以包括一个预处理单元410、一个识别单元420、一个计算单元430以及一个标定单元440。

预处理单元410可以适用于预处理所获取信息。可以执行预处理以减少和除去原始信号中的噪点或干扰。例如，复杂、实时数字滤波可以减少或除去PPG或ECG波形中的高频噪点。用于预处理的示例性方法可以包括低通滤波、带通滤波、小波变换、中值滤波、形态滤波、曲线拟合、Hilbert-Huang变换等等，或其任意组合。关于降低或除去生理信号(例如，PPG信号或ECG信号)中的噪点的方法和系统的描述可以见于2015年4月20日提交的国际专利申请PCT/CN2015/077026、2015年4月20日提交的PCT/CN2015/077025以及2015年5月27日提交的PCT/CN2015/079956，所述专利的内容以引用的方式并入本文。

预处理单元410可以包括一个或多个预处理子单元(图4中未示)。预处理子单元(图4中未示)可以执行一个或多个预处理步骤以对所获取信号进行串行预处理(例如，在一个预处理步骤开始或完成之后执行另一个预处理步骤)或并行预处理(例如，在相同或大约相同时间执行一些预处理步骤)。预处理单元410可以被配置以控制或协调预处理子单元(图4中未示)的操作。控制或协调可以通过例如控制器(图4中未示)执行。预处理子单元可以串联或并联设置。

此描述用于说明性目的，并不限制权利要求的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。例如，预处理子单元可以各种组合以实现更佳预处理效果。应该注意的是，预处理子单元对于系统功能不是必需的。类似修改应该落在权利要求的边界和界限内。

识别单元420适用于分析所获取信息以识别(recognize/identify)特征。在一些实施例中，所获取信息可以在识别单元420中处理前被预处理。在血压监测的示例性上下文中，所获取信息可以包括PPG信号、ECG信号、BCG信号等中的一种或多种的组合；所获取信息的示例性特征可以包括波形、特征点、峰值点、谷值点、振幅、时间间隔、相位、频率、周期等等，或其任意组合。

识别单元420可以适用于分析不同类型的信息或信息的不同部分。分析可以通过例如一个或多个识别子单元(图4中未示)执行。例如，所获取信息包括多种类型的生理信号(例如，PPG信号和ECG信号)，并且可以由不同识别子单元分析。可以使用于识别单元420中的示例性方法可以包括阈值法、句法模式识别、高斯函数凹陷、小波变换、QRS复合检测、线性判别分析、二次判别分析、决策树、决策表、近邻分类、小波神经网络算法、支持向量机、基因表达式编程、层次聚类、均值聚类分析、Bayesian网络算法、主成分分析、Kalman滤波、高斯回归、线性回归、隐马尔可夫模型、关联规则、归纳逻辑法等等，或其任意组合。多种方法可以并行使用或可以组合使用。仅作为示例，当处理两种类型的信号时，识别单元可以使用两种不同方法。再例如，当处理一种类型的信号时，识别单元可以使用两种不同方法，例如在一种方法后进行另一种方法。

此描述用于说明性目的，并不限制本披露的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。仅作为示例，分析特征可以上传至公共云或个人云，并且可以用于随后的计算或标定。再例如，识别子单元(图4中未示)不是系统功能必需的。类似修改应该落在本披露的边界和界限内。

计算单元430可以适用于执行多种计算，以确定例如关于一个感兴趣生理参数的模型或函数的系数、感兴趣生理参数等中的一种或多种的组合。例如，计算单元430可以适用于计算例如关于感兴趣生理参数的一个模型或函数的不同系数、示出了一个感兴趣生理参数与一个或多个可测量信号或其他信息的关联性的不同模型或函数的不同系数。计算单元430可以包括一个或多个计算子单元(图4中未示)以执行计算。感兴趣生理参数可以包括例如PTT、PTTV(脉搏传导时间变化)、BP、SBP、DBP、脉搏率、心率、HRV、心脏杂音、血氧饱和浓度、血液密度等等，或其任意组合。

在估计主体的BP(包括SBP和DBP)的示例性上下文中，基于PTT，BP与PTT之间的关联性可以由包括数学处理900-4(见图9-E)的一个模型900-5(见图9-E)，以及一个因子函数900-3(见图9-E)表示，同时因子函数900-3可以包括一个函数(f)和系数(B)900-2(见图9-E)。如本文中所使用，标定可以包括至少两个方面。第一方面为：基于一组或多组标定数据(或标定值)，确定一个模型900-5。公式9和10(见实例1)示出了分别用于SBP和DBP的示例性模型900-5。标定可以提供系数a₁、a₂、a₃、……、a_m，以及b₁、b₂、b₃、……、b_n的m和n。为了在特定测量中使用公式9和10所示出的标定模型900-5，需要获取信号以提供PTT以及一组标定数据，包括PTT0、SBP0和DBP0。可以为标定指定m的值和n的值。如果执行多个标定，可以优化模型，包括确定系数a₁、a₂、a₃、……、a_m，以及b₁、b₂、b₃、……、b_n，也优化m和n的值。BP与PTT之间的关联性可以取决于除PTT之外的其他元素。仅作为示例，除PTT之外，BP与PTT之间的关联性可以取决于HRV、PTTV。公式11和12(见实例1)示出了分别用于SBP和DBP的示例性模型900-5，其中在确定BP时考虑HRV、PTTV和PTT。为了在特定测量中使用公式11和12所示出的标定模型900-5，需要获取信号以提供PTT、HRV和PTTV，以及一组标定数据，包括PTT0、SBP0、DBP0、HRV0和PTTV0。

可以使用关于主体的个性化标定数据或对等数据或经验数据，执行标定的第一方面。当执行一个特定测量时，可以实时执行标定的此方面。在特定测量中用于基于PTT来估计BP的模型900-5可以基于一组或多组标定数据衍生。一组或多组标定数据的选择可以基于特定测量中的PTT。见例如本披露中图9-B中的本地化分析及其描述。标定的此方面可以离线执行，独立于特定测量。见例如本披露中图9-A至图9-D及其描述。

标定的第二方面包括获取待应用于标定模型900-5的一组标定数据，使得可以根据模型900-5和该组标定数据，基于特定测量中获取的PTT，估计血压。在一些实施例中，待用于特定测量的该组标定数据可以选自例如多组标定数据。所述多组标定数据可以包括关于主体的个性化数据、对等数据或经验数据。所述多组标定数据可以保存于所述系统，例如保存于库1100(见图11)。所述多组标定数据可以保存于所述系统的服务器或可访问所述系统的服务器。在一些实施例中，该组标定数据可以基于特定测量中的PTT选择。见例如本披露中图9-A中的本地化分析及其描述。

可以用于计算单元430的示例性方法可以包括直接数学计算、间接数学计算、补偿计算、向量运算、函数运算、波速评估、方程参数评估、张力评估等等，或其任意组合。一个或多个计算模型可以集成入所述计算子单元，或计算模型可以置于服务器120，或计算模型可以置于公共云。当需要计算不同的系数或生理参数时，可以加载不同的模型。例如，一个计算子单元中的一个线性计算模型可以用于计算SBP，而另一个计算子单元中的另一个非线性计算模型可以用于计算DBP。用于计算感兴趣生理参数的初始数据或中间结果可以从信息获取模块210、分析模块220、服务器120、外围装备240等等，或其任意组合中检索或加载。初始数据和中间结果可以在计算单元430中以多种方式组合。

此描述用于说明性目的，并不限制本披露的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。在一个实施例中所计算的系数或所计算的生理参数可以用作一个中间结果以用于进一步分析。在另一个实例中，单个感兴趣生理参数或一组相关的感兴趣生理参数可以通过计算单元计算。

标定单元440可以适用于执行标定。标定(还称为标定过程或标定程序)可以包括一个或多个步骤：检索用于主体的标定数据(或标定值)；使用待标定或用于将来处理的装置(例如，可穿戴或便携式装置)，获取主体的一组信息；对于标定装置，确定相对于主体的一个标定模型或其部分等中的一种或多种的组合。所获取的该组信息可以包括主体或除了主体之外的用户提供的信息，或使用待标定装置获取的信息等中的一种或多种的组合。一组标定数据可以包括一个标定过程中获得的特定感兴趣生理参数、关于同一标定过程中的感兴趣生理参数的已获取的一组信息。

仅作为示例，待标定装置被配置以基于衍生于使用所述装置获取的ECG波形和使用同一装置获取的PPG波形的PTT来估计血压(包括SBP和DBP)。一组标定数据可以包括SBP和DBP，两者由医疗保健人员在医院环境中测量，以及可以包括使用所述待标定装置获取的相应ECG波形和相应的PPG波形。使用待标定装置获取的相应ECG波形和相应PPG波形可以对应于由医疗保健人员测量的SBP和DBP。可以使用待标定装置，在医疗保健人员测量SBP和DBP时或左右获取相应ECG波形和相应PPG波形。

一组或多组标定数据可以用于确定一个标定模型或所述标定模型的其他部分的系数。标定模型可以用于一个将来处理，所述将来处理为基于使用所述标定装置获取的另一组信息计算感兴趣生理参数。在一个将来处理中，标定装置可以获取相同或类似于为标定获取的该组信息的一组信息。例如，其他组信息可以包括使用标定中使用的同一装置(例如，包括一个或多个传感器的装置)获取的信息、与标定中获取的信息类型相同的信息(例如，主体的年龄、一天中的获取时间、主体的生理状况或心理状况等中的一种或多种的组合)等中的一种或多种的组合。相应地，标定模型可以用于计算或估计感兴趣生理参数。可以用于标定以获得标定模型的示例性方法可以包括回归分析、线性分析、函数运算、重建、傅里叶变换、拉普拉斯变换等中的一种或多种的组合。

在一个标定过程中，一组标定数据可以包括基于一个测量，使用除了待标定装置之外的一个或多个装置获得的一个特定感兴趣生理参数。仅作为示例，可以基于医疗保健专业人员在医院或医生办公室对主体执行的测量，获得特定感兴趣生理参数。再例如，可以基于主体或其他人使用临床装置或家用装置对主体执行的测量，获得特定感兴趣生理参数。例如，感兴趣生理参数可以使用一种装置来测量，所述装置包括例如听诊装置、示波装置、ECG管理装置、PPG管理装置等等，或其任意组合。

在一个标定过程中，一组标定数据可以包括由系统或系统的一部分先前计算或估计的一个特定感兴趣生理参数。仅作为示例，由系统基于一组所获取信息和所述系统中的标定函数计算的感兴趣生理参数可以用于下一次标定，以更新或生成一个标定模型，所更新标定模型可以在将来用于计算感兴趣生理参数(上文描述的标定过程的第一方面)。再例如，由系统基于一组所获取信息和所述系统中的标定函数计算的感兴趣生理参数可以用于下一次感兴趣生理参数的测量(上文描述的标定过程的第二方面)。所计算的主体的感兴趣生理参数可以存储于例如库1100或服务器120中，以便将来使用于所述主体或其他主体。

待用于特定主体的标定模型可以基于同一主体的标定数据。待用于特定主体的标定模型可以基于同一主体的标定数据与来自主体群组的标定数据(例如，本披露别处讨论的对等数据)的组合。待用于特定主体的标定模型可以基于来自主体群组的标定数据(例如，本披露别处讨论的对等数据或经验数据)。特定主体可以包括或不包括于在所述群组中。标定数据可以存储于例如库1100、服务器120等中的一种或多种的组合。不同主体的个性化标定数据可以存储于服务器120或个人云中相应主体的相应私人账户。来自多个主体的标定数据可以存储于非个性化数据库以供将来使用。例如，来自多个主体的标定数据可以基于相应主体的一个或多个特征划分。示例性特征可以包括例如年龄、性别、身材、体重、体脂率、肤色、家庭健康史、生活方式、锻炼习惯或其他习惯、膳食、心理状况、健康状况、教育史、职业等中的一种或多种的组合。在一些实施例中，这样划分的一部分标定数据(例如，本披露别处讨论的对等数据)可以由共享相同或类似特征的主体群组用于标定目的。

此描述用于说明性目的，并不限制本披露的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。例如，存储单元(图4中未示)可以添加至标定单元440或计算单元430或其组合。标定单元440中的存储单元可以被配置以存储标定数据或关于标定过程的历史数据。关于计算单元430的存储单元可以被配置以存储计算算法或关于计算处理的数据。另外，对等数据可以用作初始数据或标定期间的中间结果。

分析模块220可以实施于一个或多个处理器。分析模块220的单元可以集成入一个或多个处理器。例如，预处理单元410、识别单元420、计算单元430以及标定单元440可以实施于一个或多个处理器。一个或多个处理器可以与存储器装置(图4中未示)、信息获取模块1、2和3、外围装备240以及服务器120传输信号或数据。一个或多个处理器可以从存储器装置(图4中未示)、信息获取模块1、2和3、外围装备240以及服务器120检索或加载信号、信息或指令，并且处理所述信号、信息、数据或指令或其组合，以执行一个或多个感兴趣计算、标定等中的一种或多种的组合。一个或多个处理器还可以与关于系统100的其他装置连接或通信，并且通过例如移动电话APP、本地或远程终端等中的一种或多种的组合而与此类其他装置传输或共享信号、信息、指令、感兴趣生理参数等等。

图5为根据本披露一些实施例的用于估计血压的一个示例性过程的流程图。开始于步骤510，可以获取包括一个第一信号和一个第二信号的信息。信号获取可以由信息获取模块210执行。在一些实施例中，可以在相同时间或在大约相同时间同时获取第一信号和第二信号。在一些实施例中，可以在一个信号前获取另一个信号。仅作为示例，第一信号或第二信号可以是生理信号，例如心电图(ECG)信号、脉波相关信号(如光体积描记(PPG))、心音图(PCG)信号、心阻抗图(ICG)信号等等，或其任意组合。在一些实施例中，第一信号和第二信号可以具有不同类型。例如，第一信号和第二信号可以是一个ECG信号与一个PPG信号的组合、一个ECG信号与一个PCG信号的组合、一个ECG信号与一个ICG信号的组合等等。在一些实施例中，第一信号和第二信号可以具有相同类型。例如，第一信号和第二信号可以是可以在主体身体的不同位置检测到的两个PPG信号。主体身体上的示例性位置可以包括例如手指、桡骨动脉、耳朵、腕部、脚趾或在当前传感器设计中更适合于可移动式监测的位置。

在步骤520中，可以预处理至少一些所获取信息。在一些实施例中，可以预处理所获取的第一信号和第二信号。可以执行预处理以减少或除去信号或信号相关数据中的噪点或干扰。可以用于预处理的示例性方法可以包括低通滤波、带通滤波、小波变换、中值滤波、形态滤波、曲线拟合、Hilbert-Huang变换等等，或其任意组合。在预处理过程期间，本文中提及的方法可以并行使用或组合使用。关于降低或除去生理信号(例如，PPG信号或ECG信号)中的噪点的方法和系统的描述可以见于2015年4月20日提交的国际专利申请PCT/CN2015/077026、2015年4月20日提交的PCT/CN2015/077025以及2015年5月27日提交的PCT/CN2015/079956，所述专利的内容以引用的方式并入本文。另外，时域或频域的实时变换也可以在步骤520中实施，并且信号或相关信息可以用于时域、频域或两者。

在步骤530中，可以鉴别或识别第一信号和第二信号的特征。在血压监测的示例性上下文中，第一信号或第二信号可以包括PPG信号、ECG信号、BCG信号等等；第一信号或第二信号的示例性特征可以包括波形、特征点(或基准点)、峰值点、谷值点、振幅、相位、频率、循环等等，或其任意组合。例如，一个特征点可以是第一信号的峰值或谷值和第二信号的峰值或谷值，例如ECG信号的R波峰值、PPG信号的峰值或谷值、PPG信号的最快上升点、PPG信号的高阶矩阵或高阶导数、PPG信号的脉搏区域、PCG信号的S2的最大正峰值，或ICG信号的峰值点等等。

在步骤540中，可以基于第一信号和第二信号的所识别特征，计算一个参数。在一些实施例中，可以计算第一信号和第二信号的特征点之间的时间间隔。在一个实例中，ECG基准点(R峰值，但也可以使用Q/S峰值，或甚至P/T波的峰值)与标记脉搏到达的基准点之间的时间间隔称为PTT。在另一个实例中，不同位置(例如颈动脉与股动脉之间)检测到的两个脉波信号之间的时间间隔可以用作PTT。可以基于一组确定的PTT近似计算进一步PTV。可以基于一组△RR确定HRV。如本文中所使用，△RR是指两个相邻R波(QRS波形的最大值点)之间的时间间隔。关于PTT确定的更多描述可以见于本披露中别处，例如图7和图8以及相应描述。

在步骤550中，可以基于所计算参数(例如，所确定的PTT(脉搏传导时间)、PTTV(脉搏传导时间变化)和HRV等中的一种或多种的组合)计算BP(血压)值。计算可以基于一个标定模型。标定模型可以包括一个线性函数或模型、一个非线性函数或模型。标定可以在步骤560执行。标定可以在主体指令等等后定期执行。标定可以考虑时变特性。时变特性可以包括例如特定主体的动脉扩展路径、特定主体的心脏运动、实时温度或湿度、特定主体的更新基准BP、存储特定主体的历史数据(SBP/DBP值、BP计算算法等)的更新数据库、存储共享相同或类似特征(例如，年龄、性别、身材、体重、体脂率、肤色、家庭健康史、生活方式、锻炼习惯、膳食、心理状况、健康状况、教育史、职业等等，或其任意组合)的人的参考数据的更新数据库等等，或其任意组合。

虽然前面已经描述了被认为构成本披露和/或其他示例的内容，但应该理解的是，可以对其进行各种修改且本文中公开的标的物可以实施于多种形式和实例，并且本披露可以应用于许多应用中，其中仅一些已经在此描述。本领域技术人员将认识到本披露可以进行多种修改和/或增强。例如，预处理步骤可以不是必需的。另外，如果需要，可以获取第三信号，第三信号可以是与第一信号或第二信号类型相同的信号，或可以与第一信号或第二信号不同的信号。

图6为示出了根据本披露一些实施例的用于血压估计的一个示例性过程的流程图。所述过程可以适用于执行测量或标定。在一些实施例中，主体或除了主体之外的用户可以确定是否即将执行一个新的标定过程，或是否即将使用先前存在的标定数据或标定函数。在步骤610中，可以选择一个测量模式或一个标定模式。如果选择标定模式，过程可以进行至步骤620以确定是否执行一个新的标定。如果选择一个新的标定，可以在步骤630中获取标定数据。标定数据可以包括生理参数、关于生理参数的信息(例如，环境或个人信息)等中的一种或多种的组合。示例性生理参数可以包括PTT0、SBP0、DBP0、PTTV0、HRV0等中的一种或多种的组合。示例性模型可以包括不同函数或具有不同系数的相同函数。至少一些函数可以近似计算或示出感兴趣生理参数与所获取信号(或所获取信号的一些特征)之间的关联性。示例性函数可以包括不同多项式，例如具有不同次数的多项式、具有不同系数的相同次数的多项式等中的一种或多种的组合。

在一些实施例中，一个特定标定或分析中待应用的标定数据可以基于主体或除了主体之外的用户的输出、已获取生理信息、已获取环境信息、关于主体的历史数据(例如，存储于可以无线访问或通过有线传输的存储器的历史数据)等中的一种或多种的组合来选择。例如，可以选择与相同或类似于所获取生理信号的相关的标定数据以应用于所述标定或分析。再例如，如果检测到一些环境信息(例如，高室温、低大气压力等中的一种或多种的组合)，则可以在标定或分析中检索和应用关于相同或类似条件的标定数据。又例如，主体或除了主体之外的用户可以指定哪个标定数据应用于所述标定或分析。可以更新标定数据的收集。更新可以基于例如通过一个或多个方法测量(例如，由医疗保健人员等等执行的直接测量)的感兴趣生理参数、关于一个或多个主体的历史数据等中的一种或多种的组合。

如果选择测量模式，则过程进行到步骤640，其中可以询问主体或除了主体之外的用户是否要在步骤640中使用估计数据。如果选择使用估计数据，则可以从例如存储器装置或服务器120检索所请求的估计数据。如本文中所使用，估计数据可以是经验数据。示例性估计数据可以包括经验标定数据，例如用户设置数据或默认系统数据。经验数据可以包括一个或多个经验函数或模型，其可以用于计算或估计一个感兴趣生理参数。经验数据可以包括基于主体群组的数据的统计数据。例如，经验数据可以是包括用于计算感兴趣参数系数的函数或模型。包括确定系数的函数或模型可以基于来自主体群组的一组或多组标定数据获得。在另一个实例中，经验数据可以是经验标定数据，例如感兴趣经验参数。

在步骤650中进入测量模式，可以在步骤660中计算一个或多个生理参数(包括例如BP、SBP、DBP等中的一种或多种的组合)，并且可以在步骤670中输出结果。输出可以显示或报告给主体或除了主体之外的用户，打印，存储于存储器装置或服务器120，传输至装置以进行进一步处理等中的一种或多种的组合。或者，过程可以从步骤670返回至之前的某个步骤，例如初始步骤610，从该步骤可以开始新的处理。

如果在步骤640中不选择估计数据，则过程进行至步骤680以确定是否选择使用新近标定数据。如果选择新近标定数据，则可以在步骤690中从例如存储器装置或服务器120加载新近标定数据。然后，可以在步骤650中启动基于新近标定数据的测量模式。可以在步骤660中计算BP并且在步骤670中输出。如果在步骤680中不选择新近标定数据，则可以在步骤6100中从例如存储器装置或服务器120加载先前存在的标定数据。

先前存在的标定数据可以包括历史数据和对等数据。历史数据可以被个性化，通过先前计算、测量获取，或由特定主体提供。对等数据可以从对等群组或对等群组的标定数据的计算或测量结果获取。如本文中所使用，对等群组定义为共享至少一些相同或类似的特征(例如，相同性别、类似年龄、类似身高、类似体重、类似臂长、类似病史等中的一种或多种的组合)的人的群组。应该注意的是，除了对等数据之外，可以基于不限于对等群组的群组的数据，通过统计分析获取经验数据。

在步骤650中，可以启动基于先前存在的标定数据的测量模式。可以在步骤660中计算BP并且在步骤670中输出。另外，在标定模式中，在步骤630中获取标定数据之后，可以将标定数据存储于存储器装置或服务器120中，然后结束过程。

标定数据的选择可以自动、手动或通过两者实现。自动选择可以根据存储于例如系统100、终端140等中的一种或多种的组合中的指令实现。指令可以包括例如系统100提供的默认指令、主体或除了主体之外的用户提供的指令等中的一种或多种的组合。在一些实施例中，当主体或除了主体之外的用户未提供相关指令时，可以依靠默认指令。手动选择可以根据例如标定或分析时间时或左右主体或除了主体之外的用户进行的选择来实现。在一些实施例中，当未进行手动选择时，可以执行自动选择。关于标定数据的选择的默认指令可以由例如机器学习更新。机器学习可以基于例如主体或除了主体之外的用户先前进行的手动选择、所获取信息和感兴趣生理参数的相应先前计算或估计。

此描述用于说明性目的，并不限制权利要求的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。例如，可以在步骤630中获取一组或多组标定值，其中在步骤690中可以加载至少一组(例如，最优)系数。标定/计算可以在与装置连接的一个终端上，其中所述终端可以是具有一个处理单元的一个移动装置。

图7和图8示出了基于一个PPG波形或一个ECG波形的测量的示意图。PTT(脉搏传导时间)定义为由心跳发射的脉搏压力波传播通过动脉树长度的时间，可以用于估计或计算一个生理参数，例如BP、SBP、DBP等中的一种或多种的组合。PTT可以与血压相关，即PTT变化指示血压变化。

在一个实例中，如图7所示，PTT可以由ECG波形上的QRS波组上的最大值点A(指示心室去极化的峰值)与PPG波组上的峰值点F(指示动脉的压力和体积的最大值)之间的时间间隔近似计算。或者，PTT可以由两个波形的其他区域或点(如沿着上升边缘或峰的点)近似计算。PTT可以由两个波形的特征点(还称为两个波形的特征)的各种组合近似计算。例如，感兴趣特征点可以包括位于ECG波形的QRS波组的特征点A、B和C、PPG波形上的特征点D(指示PPG波形的开始)、E(指示PPG波形的最大斜率)、G(PPG波形的第二峰值点)以及H(指示PPG波形的结尾)。

在另一个实例中，PTT可以由ECG波形上的QRS波组上的最大值点A(指示心室去极化的峰值)与PPG波组上的点E(指示PPG波形的最大斜率)之间的时间间隔近似计算。指示PPG波形的最大斜率的点E可以通过集成入识别单元420的识别方法检测。

在再一实例中，PTT可以由ECG波形上的QRS波组上的最大值点A(指示心室去极化的峰值)与PPG波组上的起始点D(指示脉管系统中测定体积开始增加)之间的时间间隔近似计算。本领域的技术人员应该理解的是，PTT值近似于ECG上任何兴趣点(例如，点A、B或C)与PPG信号上任何兴趣点(例如，点D、E、F、G或H)之间的时间间隔。

虽然前面已经描述了被认为构成本披露和/或其他示例的内容，但应该理解的是，可以对其进行各种修改且本文中公开的标的物可以实施于多种形式和实例，并且本披露可以应用于许多应用中，其中仅一些已经在此描述。例如，PPG波形上的兴趣点可以选自位于任何平均位置处的一组点。平均位置可以定义为PPG波形上任何两个点(例如，D、E、F、G、H或其组合)之间的平均位置。

在一些实施例中，PTT可以基于除了ECG和PPG波形之外的时间相关波形来近似计算。例如，PTT可以通过测量从主体测量的两个或两个以上时间相关波形的特征之间的暂时分离来近似计算，特征如心音图(PCG)信号、心阻抗图(ICG)信号或包括心脏或血管张力的任何其他生理信号。如图8所示，PTT可以由位于主体身体的不同部位或位置的不同传感器测量的两个独立PPG波形近似计算。传感器可以置于主体身体的手指、腕部、手臂、胸、或可以测量PPG信号的任何其他位置。可以使用传感器或基于例如传输或反射模式光电子配置的感应单元进行测量。图8示出了点I、J、K和L可以用于近似计算或计算PTT。

以特定方法检测到的PTT可以用于基于一个模型或函数和一组标定数据(还称为标定值)估计或计算一个生理参数，包括例如BP、SBP、DBP等中的一种或多种的组合。该组标定值可以被检索，其中标定中的PTT以相同方法检测到。例如，在标定和真实测量中，PTT值可以如图7所示的ECG波形上的QRS波组上的最大值点A(指示心室去极化的峰值)与PPG波形上的峰值点F(指示动脉的压力和体积的最大值)之间的时间间隔近似计算。再例如，在标定和真实测量中，PTT值可以由如图8所示的在主体身体的两个不同位置测量的PPG波形的值点I与峰值点K之间的时间间隔近似计算。

回到图7，ECG波形和PPG波形是循环信号，即特征点基本上循环或定期出现。因此，从图7可见，PTT’由ECG波形上的QRS波组的最大值点A与随后(第二)PPG波形的峰值点F’的时间间隔近似计算。类似地，PTT”也可以由ECG波形上的QRS波组的最大值点A与另一(第三)PPG波形的峰值点F”(图7中未示)的时间间隔近似计算。PTT’的值和PTT”的值大于PTT的值，在基于此类不精确PTT’和PTT”值估计血压或其他感兴趣生理参数时，可能出现误差或偏差。此类误差或偏差可以通过使用来自同一循环(由同一下心跳驱动)的PPG波形作为ECG波形来避免。因此，在PPG波形的特征点的识别期间，阈值关于时间窗口或片段而设置，在所述时间窗口或片段内，可以识别PPG波形上的特征点并且用于确定PTT。在一个实例中，时间窗口可以为2秒或以下。仅作为示例，在从PPT波形上的点A被识别的时间点的2秒内发生的PPG波形的片段上执行用于识别PPG波形上的受信点的分析，以便近似计算PTT。再例如，对在PPG波形上识别受信点的分析在ECG波形上的两个连续峰值点A之间的PPG波形的段上执行，以便近似计算PTT。

ECG循环或PPG循环可以不同。例如，具有不同主体的ECG的循环PPG的循环可以不同。再例如，同一主体的ECG或PPG循环可以在不同情形(例如，主体在一天的不同时间、在不同天的相同或相似的时间锻炼或睡着时)等中的一种或多种的组合。在一个实例中，可以基于主体的心率(例如，一般人的周期约为每分钟60-120次)，设置时间窗口阈值。心率可以是一段时间(例如，一周、一个月、一年等等)内的平均值。心率可以获取时间时或左右测量的值。心率可以基于例如ECG信号、PPG信号等等来测量。时间窗口可以基于所测量心率设置或更新。在另一个实例中，时间窗口可以通过例如系统、主体或除了主体之外的用户基于主体的生理信息来设置。例如，生理信息可以包括运动与否、吃药与否、心情好坏、情绪压力有无等中的一种或多种的组合。在另一个实例中，时间窗口可以是系统、主体或除了主体之外的用户(例如，主体的医生、医疗保健人员等等)定义的固定值。

此描述用于说明性目的，并不限制本披露的范围。本文描述的示例性实施例的特征、结构、方法和其他特征可以通过各种方式组合以获得附加的和/或替代性的示例性实施例。本领域技术人员应该理解的是，PTT(脉搏传导时间)的确定不限于以上描述的方法。例如，其他脉波相关信号可以用于替换PPG信号，如压力波信号、血液流动信号和心音图。在此情况下，PTT可以由ECG波形上的特征点至任何所选择脉波相关信号的特征点的时间间隔近似计算。一般而言，PTT可以由这些信号(例如，获取模块210的任何两个脉搏相关信号之间的信号)的多种组合近似计算。换言之，PTT可以基于任何两个信号进行近似计算，所述两个信号指示主体的主动脉中的脉搏开始与脉搏到主体周边的到达之间的时间间隔。

在近似计算PTT之后，可以基于所近似计算的PTT进一步确定PTTV。例如，可以通过基于一组PTT的公式1确定PTTV。如本文中所使用，△PTTi是指基于两个连续波形(例如，两个连续ECG波形以及两个相应连续PPG波形)的特征点确定的两个PTT之间的差。

此外，可以确定HRV。例如，可以在时域，如基于一组△RR的公式2，评估HRV。如本文中所使用，在一个实例中，△RR是指两个相邻R波(QRS波形的最大值点)之间的时间间隔。在另一个实例中，△RR可以指不同QRS波形上任何两个相邻特征点之间的时间间隔。

本领域技术人员应该理解的是，HRV(心率变化)的确定不限于以上描述的方法。例如，其他时域变量可以用于评估HRV。时域变量可以包括平均RR间隔、平均心率、长RR间隔与短RR间隔之间的差、夜间心率与白天心率之间的差等中的一种或多种的组合。另外，可以在频域中评估HRV。

图9-A至图9-D提供了根据本披露一些实施例的一个示例性过程。图9-E提供了示出不同分析水平之间的关系的示意图，并且各水平提供有一个特定实例。可以在步骤901中接收所测量数据(M)(例如，所获取信息)和标定值(C)，然后可以在步骤902中选择是否执行优化。如果需要执行模型优化，则可以遵循从图9-B所示的节点A 903开始的至少一些步骤。或者，可以执行一个过程中的可以基于所测量数据估计血压值的至少一些步骤。

在步骤904中，可以基于主体的个人数据1110、通用数据1120、历史额外信息1112等中的一种或多种的组合来检索一个或多个喜爱模型。如本文中所使用，喜爱模型可以指可以比一个或多个其他模型900-5从所获取信息提供更准确的感兴趣生理参数的估计得一个模型900-5。信息可以从图11所描述的库1100中获取，或可以由多种传感器测量。传感器可以是系统100的一部分，或与系统100通信。示例性传感器可以包括一个加速度传感器，其被配置以在测量期间测量主体的移动状况；一个心率传感器，其被配置以在测量期间测量主体的心率；一个GPS接收器或位置传感器，其被配置以测量进行测量或主体所处的地理位置；一个温度传感器，其被配置以在获取时间或左右测量环境温度和/或主体的体温；一个湿度传感器，其被配置以在获取时间或左右测量环境湿度；等中的一种或多种的组合。所检索的喜爱模型可以用于基于所获取信号或信息来估计血压。

如图9-E所示，模型900-5可以包括但不限于一个因子函数900-3和一个数学处理900-4。而且，因子函数900-3可以包括但不限于一个函数(f)900-1和一个系数(或一组系数)(B)900-2。系数(B)900-2可以具有多于一个维度。数学处理900-4可以表示一种或多种类型的数学处理900-4、无数学处理900-4等中的一种或多种的组合。函数(f)900-1、因子函数900-3和模型900-5的实例分别部分提供于图9-E所示的900-1.1、900-3.1和900-5.1。在基于PTT估计血压的示例性上下文中，可以测试任何函数(f)900-1以拟合血压-PTT函数。函数(f)900-1可以包括例如线性函数、二次函数、三次函数、四次多项式、n次多项式、指数函数、对数函数、三角函数、反三角函数、双曲线函数等中的一种或多种的组合。提供上述提及的函数的实例出于说明目的，并不用于限制本披露的范围。函数可以具有另一类型，如样条函数。

两个不同模型900-5可以具有不同的因子函数900-3，或不同类型的数学处理900-4或其组合。例如，两个不同模型900-5可以包括两个完全不同的因子函数；经受不同数学处理900-4的两个相同因子函数900-3；两个相同因子函数900-3，其中一个经受数学处理900-4，另一个为经受处理；等中的一种或多种的组合。两个不同的因子函数900-3可以具有不同的函数(f)900-1，或不同组的系数(B)900-2或其组合。例如，两个不同因子函数900-3可以包括具有不同组的系数(B)900-2的两个不同函数(f)900-1、具有两个不同组的系数(B)900-2的两个相同函数(f)。如本文中所使用，如果两个因子函数900-3除包括相同次或阶(例如，x³、x²、x^-3等等，其中x为变量)的变量的相应片段的一个或多个系数(B)900-2外均相同，则认为两者落在相同函数(f)900-1的范围内。如果两个模型900-5除经受不同数学处理900-4(例如，log(x)、e^(x-1)等等，其中x表示M和/或C)外均相同，则认为两个模型900-5落在相同因子函数900-3的范围内。仅作为示例，公式3.1中示出的第一因子函数900-3和公式3.2中示出的第二因子函数900-3如下：

g₁(x)＝x²-x+2， 公式3.1

g₂(x)＝3x²-5， 公式3.2

g₃(x)＝x³-2， 公式3.3

认为公式3.1和公式3.2表示不同因子函数900-3，但落在相同函数900-1的范围内。认为公式3.1和公式3.3表示不同因子函数900-3并且落在不同函数(f)900-1的范围内。再例如，公式3.4中示出的第四因子函数900-3和公式3.5中示出的第五因子函数900-3如下：

g₄(x)＝2e^x+6e^x-1-3e^x-2 公式3.4

g₅(x)＝2e^x+3e^x-1 公式3.5

认为公式3.4和公式3.5表示不同因子函数900-3，但落在相同函数(f)900-1的范围内。认为公式3.1和公式3.4表示不同因子函数900-3并且落在不同函数(f)900-1的范围内。

在步骤905中，可以根据步骤904中检索的喜爱模型，以数学方式处理所测量数据(M)和/或标定值(C)。例如，一些所检索的喜爱模型可以包括数学处理900-4，包括数据和/或值的变换、分割、微分、积分等中的一种或多种的组合。变换可以例如是傅里叶变换、小波变换、正交多项式变换、不连续正交多项式变换、Hilbert-Huang变换等中的一种或多种的组合。微分和/或积分可以用于构造微分方程，以便提供更多适合的模型900-5。提供上述提及的数学处理900-4的实例出于说明目的，并不用于限制本披露的范围。其他类型的数学处理900-4也可以用于步骤905。例如，代数运算可以根据一个模型900-5用于步骤905。

一些模型900-5可以包括数学处理900-4。一些模型900-5在一些情况下(例如，计算一个感兴趣参数)可以包括数学处理900-4，在其他一些情况下(例如，计算另一个感兴趣参数)可以不包括数学处理900-4；一些模型900-5可以具有不同版本，包括不同类型的数学处理900-4，并且其中一个版本可以不包括数学处理900-4；一些模型900-5可以完全不包括数学处理900-4。关于数学处理900-4、因子函数900-3和模型900-5的关系的一些实例列出如下：

模型1：f(x)＝4x²+3x+2，总是经受傅里叶变换，

模型2：f(x)＝4x²+3x+2，只在DBP估计时经受小波变换，但是SBP估计时无需数学处理，以及

模型3：f(x)＝lnx+e^x，不经受数学处理。

模型1和模型2表示两个不同模型900-5，但落在相同因子函数900-3的范围内；然而，模型1和模型3表示两个不同模型900-5，并且落在两个不同因子函数900-3的范围内。

在步骤906中，确定是否使用不同模型900-5来计算SBP和DBP。确定可以通过系统或其部分(例如，基于由主体、除了主体之外的用户提供的指令，或由先前数据的机器学习、主体或除了主体之外的用户的先前行为衍生的指令或规则)或通过主体或除了主体之外的用户来进行。不同或相同喜爱模型可以适用于不同主体。不同或相同喜爱模型可以适用于同一主体。感兴趣生理参数(即，SBP、DBP和等)可以与不同模型900-5拟合。基于所获取信息或输入，用于不同感兴趣生理参数的拟合模型900-5可以相同或可以不同。

对于同一主体，不同模型900-5可以用于计算或估计SBP和DBP。对于一些不同主体，一个相同模型900-5可以用于计算或估计SBP或DBP。例如，一个相同模型900-5可以用于计算或估计至少两个不同主体的SBP。再例如，一个相同模型900-5可以用于计算或估计至少两个不同主体的DBP。在再一实例中，一个相同模型900-5可以用于计算或估计至少两个不同主体的SBP，并且两个不同模型可以用于计算或估计至少两个不同主体的DBP，或反之亦然。在又一实例中，对于至少两个不同主体，两个不同模型可以用于计算或估计SBP，两个不同模型可以用于计算或估计DBP。如本披露中别处所描述，在一些实施例中，不同模型900-5可以包括不同函数900-1。在一些实施例中，不同模型900-5可以包括相同的函数900-1，但不同的因子函数900-3。在一些实施例中，不同模型900-5可以包括相同的因子函数900-3，但不同的数学处理900-4。在针对相同主体的不同条件下或不同主体下使用不同模型900-5用于估计血压值的实例可以见于图15-A至图15-D的描述。

在步骤907中，可以进行确定以是否使用一个本地化分析。确定可以通过系统或其部分(例如，基于由主体、除了主体之外的用户提供的指令，或由先前数据的机器学习、主体或除了主体之外的用户的先前行为衍生的指令或规则)或通过主体或除了主体之外的用户来进行。如本文中所使用，本地化分析可以指指仅考虑在特定场合接近所测量数据(M)的时间内出现或者值接近于特定场合的当前所测量数据(M)的标定值(C)的集合。相应地，在步骤909中选择一组或多组标定值。例如，在本地化分析的特定条件下，只有出现在间隔内的标定值(C)可以认为是公式4中所提示的：

{C＝(PTT₀,Blood Pressure₀)|PTT-a<PTT₀<PTT+b} 公式4

在一些实施例中，公式中的常数a和b可以独立于特定测量而被预定义。在一些实施例中，公式中常数a和b可以被确定以用于特定测量。可以基于例如来自主体或其他主体(例如，一般群体的亚群)的所获取信息和感兴趣生理参数(例如，血压)确定所述常数。亚群可以共享相同或类似的特征，包括例如年龄、性别、国家、身材、体重、体脂率、肤色、家庭健康史、生活方式、锻炼习惯或其他习惯、膳食、职业、病史、教育背景、婚姻状况、宗教信仰等等，或其任意组合。a的值和b的值可以由主体、除了主体之外的用户、系统100等等指定。

在一个实例中，PTT为1秒，且只可以考虑仅PTT₀值在1-a秒和1+b秒范围内的一组或多组标定值(C)。a的值和b的值可以相同或不同。仅仅作为示例，a的值为factor1*PTT，b的值为factor2*PTT。factor1和factor2可以范围为(0，1)的任何数字。在一些实施例中，factor1或factor2可以是2％，或5％，或8％，或10％，或12％，或15％，或20％，或25％，或大于25％。在一些实施例中，factor1或factor2可以小于50％，或小于40％，或小于30％，或小于25％，或小于20％，或小于15％，或小于12％，或小于10％，或小于8％，或小于5％。Factor1和facor2可以相同或不同。

在一些实施例中，在本地化分析下，只可以使用在一定时间范围内出现的基于一个或多个标定程序的一组或多组标定值(C)。时帧可以是例如一天内、一周内、10天内、2周内、三周内、一个月内、两个月内、三个月内、四个月内、五个月内、六个月内、一个年内等等。在一些实施例中，一组标定值满足根据公式4或处于特定时帧内的标准，并且可以被选择用于过程的其他步骤。

在一些实施例中，使过程半个性化，其中只有基于对主体执行的标定程序的标定值才可以用于根据一个模型900-5估计所述主体的感兴趣生理参数的过程；模型900-5分其他部分(例如，模型900-5的一个或多个系数(B)900-2)可以基于来自其他主体的数据。在一些实施例中，使过程个性化，其中只有基于对主体执行的标定程序的标定值才可以用于根据一个模型估计所述主体的感兴趣生理参数的过程；模型的其他部分(例如，模型900-5的一个或多个系数(B)900-2)也可以基于来自所述主体的数据。在一些实施例中，不使过程个性化，其中基于对任何主体执行的标定程序的标定值可以用于根据一个模型900-5估计所述主体的感兴趣生理参数的过程；模型900-5的其他部分(例如，模型900-5的一个或多个系数(B)900-2)可以基于来自任何主体的数据。此类主体可以是生理参数被评价的主体，或与所述主体共享相同或类似的特征的主体。

在步骤908或步骤910中，基于PTT、所选择一组或多组标定值(C)(也称为标定数据)和喜爱模型，估计DBP和SBP。如本文中所使用，一组标定数据或值可以指在一个标定过程或程序中获取的数据或值。如果为SBP和DBP选择两个不同的喜爱模型，则SBP和DBP值可以从所述不同的喜爱模型产生。

图9-B示出了根据本披露一些实施例的从关于模型优化的节点A 903开始的过程。在步骤912中，当确定执行优化时，多(n)个模型900-5可以选自库1100。与库1100中的其他模型900-5相比，喜爱模型更有可能在主体的特定评价中产生更佳结果。

过程可以以类似于以上关于图9-A描述的方式进行至步骤905和906。如果确定不使用独立模型900-5用于估计SBP和DBP，则可以跳过图9-B中所示的其余步骤，进行至节点B913。当在步骤906中确定使用不同模型900-5用于估计SBP和DBP时，确定是否在步骤907中执行本地化分析。确定可以通过系统或其部分(例如，基于由主体、除了主体之外的用户提供的指令，或由先前数据的机器学习、主体或除了主体之外的用户的先前行为衍生的指令或规则)或通过主体或除了主体之外的用户来进行。如果需要执行本地化分析，则在步骤909中选择一组或多组标定值，如图9-A中关于步骤909描述。

在步骤914中，可以基于关于所检索喜爱模型中各个喜爱模型的一组或多组标定值(C)，执行回归分析。如本文中所使用，可以回归分析以产生函数(f)900-1、因子函数900-3或模型900-5(或函数(f)900-1、因子函数900-3或模型900-5的片段)。所产生函数(f)900-1、因子函数900-3或模型900-5可以被配置以计算感兴趣参数。一组或多组标定值(C)可以影响用于模型900-5的系数B(根据例如公式6.1B)、B’(根据例如公式6.2B)以及B”(根据例如公式8.2B)。系数B、B’和B”以及所测量数据(M)可以用于根据模型900-5计算血压。

公式5.1、5.2和5.3提供此类分析的实例。β、β’和β″(参见下文)表示模型900-5中的系数(B)900-2，这些系数(B)900-2可以通过进行基于n组标定值(C)的回归分析来确定。系数β、β’和β″900-2可以具有多个维度。系数(B)900-2可以通过不同数学运算应用于函数(f)900-1以产生因子函数900-3。数学运算可以包括加、减、乘、减、指数运算、幂运算、对数运算等等及其任意组合。对于本文中关于步骤910描述的各组SBP和DBP计算，函数(f)900-1可以不同，但是函数(f)900-1可以相同或相互不同。例如，函数f₁可以不同于函数f₁’，但可以与函数f₂相同。函数f₁可以与函数f₂相同。

sbp₁≈f₁(PTT,β₁),dbp₁≈f₁′(PTT,β′₁) 公式5.1

sbp₂≈f₂(PTT,β₂),dbp₂≈f₂′(PTT,β′₂) 公式5.2

……

sbp_n≈f_n(PTT,β_n),dbp₁≈f_n′(PTT,β′_n) 公式5.3

在步骤915中，计算血压结果、系数以及与步骤914中分析相关的误差。公式6.1A、6.1B、6.1C、6.2A、6.2B和6.2C是步骤915中产生的结果、系数以及误差的实例。在公式6.1A、6.1B、6.1C、6.2A、6.2B和6.2C中，sbp1|ptt代表当PTT值等于来自所测量数据(M)的ptt时使用f₁计算的SBP值，这些公式的其余部分可以以相同的方式解释。E、E’和E”(参见下文)代表回归分析的误差，或有时称为残差。在公式6.1A-6.1C和6.2A-6.2C中，SBP、DBP、B、B’、E和E’以矩阵形式表达，但所产生结果系数和误差也可以呈其他方式，如序列。

在步骤915产生血压结果、系数以及误差之后，过程可以进行至节点B 913，并且在使用独立模型900-5分析SBP和DBP的情况下，继续使用所测量数据(M)和标定值(C)来计算。

如图9-C所示，以上提及的过程可以从节点B 913开始，步骤907和909如已描述地执行。在步骤916中，可以以类似于步骤中的方式执行使用所检索的喜爱模型的回归分析。在步骤917中，计算回归结果、系数以及误差。示出了步骤916和步骤917的特定实例提供于公式7.1、7.2、7.3和8A-8C。BP(bp1、bp2和bpn)可以包括SBP和DBP(sbp和dbp)值。

bp₁≈f₁″(PTT,β″₁) 公式7.1

bp₂≈f₂″(PTT,β″₂) 公式7.2

……

bp_n≈f_n″(PTT,β″_n) 公式7.3

从节点C 918，可以进一步细化模型900-5，并且计算相关结果、系数和误差。如图9-D所示，在步骤919中，用于步骤905的数学处理900-4可以逆向执行(根据模型900-5，如果适用的话)。在步骤920中，可以确定是否使用历史数据和对等数据比较步骤909和917中产生的血压结果与误差。如果确定比较血压结果与误差，可以在步骤921中从例如库1100检索历史数据和对等数据，然后在步骤922中使用存储于例如库1100的数据比较当前血压结果与误差。历史数据可以存储于例如主体个人数据1110的历史1112，并且对等数据可以是根据一个或多个逻辑判断1122收集自例如个人数据1110的数据。关于历史数据和对等数据的细节稍后将在图11的描述中说明。

一般来说，更少误差(E、E’、E”)对应于更佳回归性能，因此对应于更佳模型900-5。不同模型900-5产生的比较结果和误差(回归分析中获得)可以帮助依次评价不同模型900-5以供系统100确定适当的血压结果以进行输出，以及喜爱模型以用于下一次测量。如果确定不进行比较，则可以跳过步骤921和922，过程进行至步骤923。

在一些实施例中，可以编辑所测量数据(M)和标定值(C)及步骤923或925中检索的历史数据或对等数据。当使用所测量数据(M)和标定值(C)编辑和分析历史数据时，可以执行步骤924，然后可以将所编辑数据发送至节点A 903，并且可以重复从节点A 903开始的步骤。当使用所测量数据(M)和标定值(C)编辑和分析对等数据时，可以执行步骤926，然后可以将所编辑数据发送至节点A 903，并且可以重复从节点A 903开始的步骤。在完成使用历史数据和/或对等数据进行分析或跳过该分析后，可以在步骤927中更新函数(f、f’、f”)、结果(SBP、DBP、BP)、系数(B、B’、B”)和误差(E、E’、E”)并将其存储于库1100。

图9-A、图9-B、图9-C和图9-D只示范了模型计算和优化过程的实例。可以省略图9-A至图9-D所示的一些步骤或以不同顺序执行。例如，步骤920也可以在步骤925之后执行。

图10-A和10-B提供示出了系统的标定过程的实例。本文中上文或下文描述的标定值(C)可以具有多种来源，可以具有两个或两个以上维度，并且可以具有规则或不规则的模式。此外，标定值(C)的来源可以包括但不限于使用听诊装置、示波装置、ECG管理装置、PPG管理装置和可穿戴装置中的任何一个或任意组合的临床或家用测量。标定值(C)可以具有多个维度，包括但不限于PPG值、ECG值、BCG值、BP值、SBP值、DBP值、PR值、HR值、HRV值、心脏杂音、血氧饱和浓度值、血液密度值、血液pH值、肠鸣音、脑电波、脂肪含量和血液流动率中的任何两个或两个以上的值。标定值(C)还可以具有一个或多个周期性或非周期性模式。例如，标定值(C)可以具有循环模式，其至少部分值每天、每周、每月、每年或上述时间之间的任何长度时间内循环变化。在另一个实例中，标定值(C)可以从如本披露中别处所描述的系统预先估计的血压获取。

当系统第一次启动时，其可以在步骤1001中接收初始化数据。初始化数据可以通过多种手段接收，如用户输入、传感器检测到的数据、从连接源提取的信息等，此类数据可以包括但不限于主体的年龄、性别、种族、职业、健康状况、病史、生活方式、婚姻状况以及其他个人信息。上述提及的初始化数据的实例只提供更佳理解，初始化数据还可以是其他类型的数据并且可以从其他来源存取，例如与主体的社交信息相关的精神健康状况。初始化数据还可以上传至库1100中的标题1111。如果在步骤1002中确定不使用默认标定值(C)，则初始化数据可以用于查找主体的对等数据。确定可以通过系统或其部分(例如，基于由主体、除了主体之外的用户提供的指令，或由先前数据的机器学习、主体或除了主体之外的用户的先前行为衍生的指令或规则)或通过主体或除了主体之外的用户来进行。

另一方面，可以根据主体的建议或因步骤1001中输入不足，确定使用默认值。确定可以通过系统或其部分(例如，基于由主体、除了主体之外的用户提供的指令，或由先前数据的机器学习、主体或除了主体之外的用户的先前行为衍生的指令或规则)或通过主体或除了主体之外的用户来进行。默认标定值(C)可以包括适用于多个主体(例如，多个平均健康主体)的标定值(C)。当确定不使用默认值时，系统可以然后进行至步骤1004以从例如库1100检索对等数据。然后在步骤1005中，系统可以比较初始化数据与对等数据以在步骤1006中估计初始标定值(C)。此外，在一个特定实例中，此过程可以解释为：当一个主体自己的标定值(C)不足时，系统可以从十分符合所述主体的初始化数据的其他主体聚集标定值(C)，然后产生所述主体的所估计标定值(C)以在下一次测量中使用。

然后，系统可以进行至节点D 1007，继续标定过程。在步骤1008中更新存储于系统(例如，库1100)的标定值(C)之后，系统可以检测是否输入了新的标定值(C)(步骤1009)；在库1100中更新标定值(C)(步骤1011)；或主体开始新的血压测量(步骤1012)。如果更新新的标定值(C)输入或标定值(C)，则系统可以进行至节点E 1010，并且开始标定值(C)的细化和分析。如果请求一个新的测量，则系统可以在步骤1013中使用最近更新的标定值(C)和所测量数据(M)，并且在步骤1014中将所测量数据(M)上传至库1100。应该注意的是，可以跳过步骤1014，并且系统可以在步骤1013中访问所测量数据(M)和标定值(C)，然后开始图9-A、图9-B、图9-C和图9-D描述的过程以执行模型优化和/或产生血压结果。用于步骤1013的标定值(C)可以选自系统中或可从系统存取的标定值(C)。此类选择可以是基于例如所测量数据(M)、历史1112中的额外信息以及参考1113。在一个特定实例中，标定值(C)可以根据循环长度选择。在测量期间，可以使用一个时间段内或前一次测量中实现的标定值(C)。

如图10-B所示，当在库1100中新输入或更新标定值(C)时，从节点E 1010开始的至少一些步骤可以用于细化标定值(C)。在步骤1015和步骤1017中，分别确定是否包括其他数据或是否对标定值(C)执行统计分析。确定可以通过系统或其部分(例如，基于由主体、除了主体之外的用户提供的指令，或由先前数据的机器学习、主体或除了主体之外的用户的先前行为衍生的指令或规则)或通过主体或除了主体之外的用户来进行。通过在步骤1015或1017中选择“否”，可以跳过步骤1016或1018。在步骤1016中，当需要使用除了新输入或更新标定值(C)之外的数据时，系统可以使用新的标定值(C)编译历史数据和/或对等数据中的标定值(C)。当在步骤1017中减小尺寸时优先的时，系统可以在步骤1018中使用统计分析并且选择候选标定值(C)。在一个特定实例中，统计分析可以排除标定值(C)中的一些异常值，减小数据尺寸，或选择更可靠的标定值(C)以用于进一步计算。

系统可以再从节点A 903开始，以通过图9-B、图9-C和图9-D所示的步骤测试不同模型900-5中的候选标定值(C)。当完成图9-B、图9-C和图9-D中的过程时，可以在步骤1019中比较血压结果与和各组候选标定值(C)相关的误差。在步骤1019中，不同变量(例如，函数(f)900-1、系数(B)900-2、模型900-5和标定值)通过运行具有不同组候选标定值(C)的一个第一模型900-5而被控制，并且比较第一组产生结果与误差。然后可以运行具有不同组候选标定值(C)的第二模型900-5，并且可以比较第二集组产生结果与误差。来自步骤1019的结果可以发送至节点D 1007以用于进一步可能事件。

图10-A和图10-B只提供标定过程的一个实例，可以省略图10-A和图10-B示出的一些步骤或者改变顺序。例如，当系统选择使用默认标定值(C)时，可以省略接收初始化数据的步骤1001。

图11为库1100的组成和组织的一个实例。库1100可以本地存储于测量装置110或终端140。库1100可以包括具有不同存取控制水平的不同部分。个人数据1110可以记录与各个用户相关的数据和信息，但一个主体可以具有对个人数据1110的不同部分的不同访问许可。例如，主体1的个人数据1110-1、主体2的个人数据1110-2和主体N的个人数据1110-N可以存储于库1100，但主体1可能只对他/她自己的个人数据1110-1具有全部的访问，对其他用户的个人数据1110-2和1110-N具有有限的访问。

个人数据1110可以进一步包括但不限于标题1111、历史1112和偏好1113。另外，标题1111可以具有主体的基本信息和病历。标题1111可以包括但不限于主体的年龄、性别、种族、职业、健康状况、病史、生活方式、婚姻状况和其他个人信息。历史1112可以记录所测量数据(M)、标定值(C)、结果(SBP、DBP、BP)和与每次测量和/或标定相关的额外信息。此外，额外信息可以是主体进行测量和/或标定时出现的任何内部或外部变量。外部变量可以包括室温、湿度、空气压力、天气、气候、时间和日期等。内部变量如体温、新陈代谢速率、心情、活动水平、活动类型、膳食和健康状况等。上述提及的额外信息的实例只提供更佳说明，与各测量和/或标定相关的额外信息可以是其他类型的信息，如主体血液的粘度和其他流变学数据。在一些实施例中，记录于标题1111的额外信息和信息的概念是可互换的。当最初记录于标题1111中的一些信息随着各测量变化时，这些信息还可以被认为是额外信息。

偏好1113可以具有与模型900-5相关的信息，例如主体的喜爱模型和系数以及喜爱模型适用性，表明哪个(些)喜爱模型在何种条件下使用或具有何种额外信息。主体的历史数据可以指存储于历史1112的全部信息。偏好1113还可以包括主体的等级，其将主体的个人数据的可靠性进行分级并且可以在将主体的个人数据分类成对等数据时被认为是一个加权因素。例如，与每年只标定一次的主体相比，每周上传标定值(C)的另一个主体可以具有更佳等级。上述提及的信息的实例记录于偏好1113，偏好1113可以包括其他信息，如主体愿意与其他用户或组织共享的个人数据1110的部分。

通用数据1120可以包括一些非私有或非个性化数据，这些数据可以由其他用户或主体访问。通用数据1120可以包括全部的模型900-5、逻辑以及公共数据的数据库的记录，例如模型和系数1121、从个人数据1122分类对等数据的逻辑判断以及与标定值1123相关的统计结果。对等数据可以从多个主体的个人数据1110分类，从个人数据分类对等数据的逻辑判断用于根据主体的标题1111和历史1112中的额外信息来查找最大接近相关数据。从个人数据1122分类对等数据的逻辑判断还可以考虑偏好1113中的等级以加权从不同主体获取的数据。上述提及的记录于通用数据1120的信息的实例只提供更佳说明，通用数据1120还可以包括与各回归分析相关的其他信息，如误差(E、E'、E″)。

图12描绘了可以用于实现实施本披露的专门系统的移动装置的构造。在此实例中，可以呈现关于血压监测的信息并且进行交互的装置(例如，终端140)为一个移动装置1200，包括但不限于智能手机、平板、音乐播放器、手柄游戏机、全球定位系统(GPS)接收器，以及一个可穿戴计算装置(例如，眼镜、腕表等)或呈任何其他形式。此实例中的移动装置1200包括一个或多个中央处理器(CPU)1240、一个或多个图形处理单元(GPU)1230、一个显示器1220、一个内存1260、一个通信平台1210(如无线通信模块)、存储器1290和一个或多个输入/输出(I/O)装置1250。移动装置1200还可以包括任何其他适合组件，包括但不限于系统总线或控制器(未示)。如图12所示，移动操作系统1270(例如iOS、Android、WindowsPhone等)和一个或多个应用程序1280可以加载至存储器1290的内存1260以便由CPU 1240执行。应用程序1280可以包括浏览器或任何其他适合移动应用，用于接收和呈现关于血压监视的信息或来自移动装置1200的引擎200的其他信息。可以通过I/O装置1250实现与信息流的用户交互，并且例如通过网络150将所述用户交互提供至引擎200和/或系统100的其他组件。

为了实施多个模块、单元和本披露中描述的它们的功能，计算机硬件平台可以用作用于本文中描述一个或多个元件(例如，相对于图1-11和图14描述的引擎200和/或系统100的其他组件)的硬件平台。此类计算机的硬件元件、操作系统和编程语言本质上是常规的，并且假设本领域技术人员足够熟悉这些技术而能够改编本文中描述的血压监测的技术。具有用户界面元件的计算机可以用于实施个人计算机(PC)或其他类型的工作站或终端装置，但如果进行适当程控，计算机还可以用作服务器。据信本领域技术人员熟悉此类计算机装备的结构、编程和一般操作，因此图式应该是无须解释的。

图13描绘了可以用于实现实施本披露的专门系统的计算装置的构造。结合本教导的这种专门系统具有包括用户界面元件的硬件平台的功能框图说明。计算机可以是一个通用计算机或一个专用计算机。两者可以用于实施用于本披露的专门系统。计算机1300可以用于实施本文中描述的血压监测的任何组件。例如，引擎200等可以通过其硬件、软件程序、固件或其组合而实施于如计算机1300等计算机。虽然出于便利而只示出了一个此类计算机，但关于本文中描述的血压监测的计算机功能可以以分布式的方式实施于大量类似的平台，以分配处理加载。

计算机1300例如包括COM端口1350，其连接一个网络至并从所述网络与其连接，以促进数据通信。计算机1300还包括呈一个或多个处理器形式的一个中央处理器(CPU)1320，以用于执行程序指令。示例性计算机平台包括一个内部通信总线1310、程序存储器和不同形式的数据存储器，例如，磁盘1370、只读存储器(ROM)1330或随机存取存储器(RAM)1340，用于通过计算机处理和/或所传输的各种数据文件以及由CPU执行的可能程序指令。计算机1300还包括一个I/O组件1360，支持计算机与其中的组件(如用户界面元件1380)之间的输入/输出。计算机1300还可以通过网络通信接收编程和数据。

因此，如上所述的血压监测和/或其他过程的方法的方面可以包含在编程中。技术的程序方面可以被认为是通常以可执行代码和/或相关数据的形式的“产品”或“制品”，其以机器可读介质的类型承载或包含。实体非暂时性“存储器”类型介质包括用于计算机、处理器等等或其相关模块的任何或全部的内存或其他存储器，如多种半导体内存、磁带、磁盘等等，其可以在软件编程的任何时间提供存储。

全部或部分软件可以时时通过如互联网或多种其他远距离通信网络等网络进行通信。此类通信例如可以使软件从一个计算机或处理器加载到另一个计算机或处理器，例如从引擎200的管理服务器或主机计算机加载到实施计算环境或血压监测的类似功能的计算环境或其他系统的硬件平台。因此，可以承载软件元件的另一种类型的介质包括通过有线和光学固定电话网络以及各种空中链路的光波、电波和电磁波，如在本地装置之间的物理接口上使用。承载此类波(如有线或无线链路、光学链路等等)的物理元件还可以考虑作为承载软件的介质。如本文中所使用，除非限制实体“存储器”介质，如计算机或机器“可读介质”等术语是指参与向处理器提供指令以用于执行的任何介质。

因此，机器可读介质可以呈许多形式，包括但不限于实体存储器介质、载波介质或物理传输介质。非挥发性存储器介质包括例如光盘或磁盘，如任何计算机等等中的存储器装置，其可以用于实施如图所示的系统或其任何组件。挥发性存储器介质包括动态内存，如此类计算机平台的主内存。实体传输介质包括同轴电缆；铜线和光纤，包括形成计算机系统内的总线的电线。载波传输介质可以呈电信号或电磁信号形式，或声波或光波形式，如在射频(RF)红外线(IR)通信期间产生的波。因此，常见形式的计算机可读介质包括例如：软盘、软磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD或DVD-ROM、任何其他光学介质、穿孔卡片、穿孔纸带、具有孔样式的任何其他物理存储器介质、RAM、PROM和EPROM、FLASH-EPROM、任何其他内存芯片或键筒、载波传输数据或指令、传送此类载波的电缆或链路，或计算机可以从其读取编程代码和/或数据的任何其他介质。许多这些形式的计算机可读介质可能涉及将一个或多个指令的一个或多个序列承载到物理处理器以供执行。

本领域技术人员将认识到本披露可以进行多种修改和/或增强。例如，虽然上文描述的多种组件的实施可以包含在硬件装置中，但也可以只通过软件的解决方案得以实现，如在现有的服务器上的装置。另外，本文中公开的血压监测系统可以实施为固件、固件/软件组合、固件/硬件组合或硬件/固件/软件组合。

实例

提供以下实例出于说明目的，不用于限制本披露的范围。

实例1

用于测量血压的一个系统可以包括一个测试装置1400、一个外围装备240和一个服务器120。图14-A示出了根据此实施例的一些实施例的一个示例性测试装置。测试装置1400可以包括一个信息获取模块1410、一个分析模块220’、一个显示模块1420和一个存储器装置1470。根据此实施例，信息获取模块1410适用于获取信息，例如ECG信号、PPG信号等中的一种或多种的组合。分析模块220’适用于分析所获取信息，或确定或估计一个生理参数(例如，感兴趣生理参数)，或执行两者。显示模块1420适用于显示至少一些所获取信息、生理参数等中的一种或多种的组合。存储器装置1470适用于存储检测到的或所获取的信号、生理参数等中的一种或多种的组合。

根据此实施例，信息获取模块1410包括两个传感器、一个电极传感器和一个光电传感器。电极传感器适用于检测ECG信号。光电传感器适用于检测PPG信号。如图14-A所示，电极传感器可以包括三个电极，两个电极(示出为1410)置于手表的两个相对侧，一个电极(未示)置于手表的背部。电极可以包括金属或其合金。电极可以包括覆于金属上的涂层、覆于金属合金上的涂层等等。涂层可以是导电的。涂层可以包括金属或其合金。仅作为示例，电极可以包括金、铂、铜、镍、银、铅、不锈钢等等或其合金。电极可以包括氯化银。电极可以包括镀金铜。电极可以包括金属膜。此类金属膜可以安装于个人装置、可穿戴装置或便携式装置，包括例如移动装置(例如，移动电话)、手表、眼镜、等中的一种或多种的组合。电极可以包括电织物。电织物可以集成入可穿戴物件，包括例如衣服、鞋、帽子、手套等中的一种或多种的组合。主体可以将其两根手指放到置于手表的两个相对侧的两个电极的表面以形成一个闭合回路，然后检测到ECG信号。PPG信号由置于测试装置1400背侧的光电传感器检测。关于电极设置的更详细描述可以见于2015年3月31日提交的中国专利申请第201520188152.9号，所述专利以引用的方式并入。ECG信号和PPG信号可以存储于存储器装置1470，或服务器120，或与测试装置14000连接或通信的移动装置等中的一种或多种的组合。

测试装置可以是一个可穿戴或便携式装置。测试装置可以是一个智能手表。此类智能手表的俯视图和仰视图示出于图14-B。俯视图示出了手表的示意图(为了简便起见，已省略部分显示界面)。从俯视图可以看出，两个电极置于手表的两侧并且适用于检测ECG信号。仰视图示出了光电传感器的示例性设置。可以看出，传感器包括一个用于发光的光源和一个用于接收反射信号(如PPG信号)的接收端。应该注意的是，多于一个光源和多于一个接收端可以置于手表的底部，即可以检测多于一个反射信号。光源可以包括任何适合波长的光源，例如红光、绿光、蓝光、红外线光、紫光、黄光、橙光等中的一种或多种的组合。光源的光谱可以包括可见光光谱、红外线光谱、远红外线光谱等中的一种或多种的组合。手表可以由主体戴在主体腕部的顶部并且主体的两根手指可以置于电极上，使得可以检测到ECG信号和PPG信号。

手表可以包括额外元件或组件。例如，手表可以包括GPS接收器或位置传感器。GPS接收器或位置传感器可以允许主体查找其位置，或导航等中的一种或多种的组合。GPS或位置传感器可以允许主体由除了主体之外的用户定位。

例如，手表可以与位于远离主体的位置的一个医疗保健人员通信。通信可以直接由手表，或间接通过例如主体携带的移动电话实现。主体的生理参数以及位置信息可以实时、定期或当发生触发事件时传输至医疗保健人员。示例性触发事件描述本披露别处。当发生紧急情况时，例如生理参数超过一个阈值，可以通知医疗保健人员，可以基于来自GPS或位置传感器的定位信息来定位主体，并且可以相应地提供医疗服务。

分析模块220’适用于分析检测到或所获取的信号或信息。如图14-A所示，分析模块220’包括一个预处理单元1430、一个识别单元1440、一个计算单元1450和一个标定单元1460。

根据此实施例，预处理单元适用于预处理检测到的ECG信号和PPG信号。识别单元1440适用于识别预处理的ECG信号和PPG信号的特征点或特征。特征点或特征可以包括波形、特征点、峰值点、谷值点、振幅、时间间隔、相位、频率、循环等中的一种或多种的组合。计算单元1450适用于计算中间结果，例如基于经识别特征点或特征的PTT，和适用于估计一个感兴趣生理参数，例如SBP、DBP、心率、HRV等中的一种或多种的组合。标定单元1460适用于标定所估计的SBP、DBP、心率、HRV等中的一种或多种的组合。

根据此实施例，可以基于ECG信号上的最大值点A和PPG信号上的峰值点F，识别PTT。应该注意的是，在识别PPG信号的特征点期间，设置一个时间窗口，在所述时间窗口内可以识别特征点并用于确定PTT，即分析所述时间窗口内PPG波形的片段以识别特征点并用于确定PTT。在此实施例中，时间窗口设置为2秒或以下。

然后，可以基于经识别PTT，由标定函数估计SBP和DBP。在估计SBP和DBP期间，可以选择使用不同的数学函数或模型。在此实施例中，选择包括公式9和公式10的高次多项式算法模型以计算如下文所述的SBP和DBP。

SBP＝a₁*(PTT-PTT0)^m+a₂*(PTT-PTT0)^(m-1)+a₃*(PTT-PTT0)^(m-2)+…+a_m*(PTT-PTT0)+SBP0， 公式9

DBP＝b₁*(PTT-PTT0)ⁿ+b₂*(PTT-PTT0)^(n-1)+b₃*(PTT-PTT0)^(n-2)+…+b_n*(PTT-PTT0)+DBP0， 公式10

在上述公式中，函数或模型系数m和n可以相同或不同，即用于估计SBP和DBP的函数或模型可以相同或可以不同。函数或模型的系数a₁、a₂、a₃、……、a_m和b₁、b₂、b₃、……、b_n可以基于一组或多组标定数据和回归或多项式拟合获得。一组标定数据可以包括PTT0、SBP0和DBP0。函数的标定过程描述于例如实例2以及本披露别处。

可以在估计SBP和DBP期间，基于标定数据，设置标定过程。包括PTT0、SBP0和DBP0的标定数据可以获自位于医院或医生办公室的医疗保健专业人员、临床装置或家用装置。标定数据可以包括由系统先前计算的历史数据。标定数据可以包括可以获自对等群组的对等数据。如本文中所使用，对等群组具有相同性别、类似年龄、类似身高或类似体重的人的群组。标定数据可以获自先前针对主体执行的标定过程。标定数据可以包括可以通过经验公式获得的经验数据。标定数据可以获自先前对主体群组执行的标定过程。参见本披露别处的描述。

在此实施例中，包括最接近所计算的PTT的特定PTT0的一组标定数据可以应用于标定函数。或者，可以应用多组标定数据的PPT0的平均值。SBP0的平均值和DBP0的平均值可以类似地产生并且应用于标定函数。然后，通过标定函数估计SBP和DBP值，并且可以基于所获取信息或所估计SBP和DBP，获得其他感兴趣生理参数。感兴趣生理参数的实例可以包括PR(脉搏率)、心率、HRV(心率变化)、心脏杂音、血氧饱和浓度、血液密度、血液pH值、肠鸣音、脑电波、脂肪含量、血流速率、血管硬化、血管弹性、血管厚度、血管表面张力、等中的一种或多种的组合。HRV可以用于指示主体疲劳水平、心理压力、压力水平、抗压等中的一种或多种的组合。

此外，可以在数学公式中考虑一些其他生理参数以改进准确度，例如PTTV0、HRV0等中的一种或多种的组合。示例性公式描述于以下。

SBP＝a₁*(PTT-PTT0)^m+a₂*(PTT-PTT0)^(m-1)+a₃*(PTT-PTT0)^(m-2)+…+a_m*(PTT-PTT0)+b₁*(PTTV-PTTV0)ⁿ+b₂*(PTTV-PTTV0)^(n-1)+b₃*(PTTV-PTTV0)^(n-2)+…+b_n*(PTTV-PTTV0)+c₁*(HRV-HRV0)ⁱ+c₂*(HRV-HRV0)^(i-1)+c₃*(HRV-HRV0)^(i-2)+…+c_i*(HRV-HRV0)+SBP0

公式11

DBP＝d₁*(PTT-PTT0)^x+d₂*(PTT-PTT0)^(x-1)+d₃*(PTT-PTT0)^(x-2)+…+d_x*(PTT-PTT0)+e₁*(PTTV-PTTV0)^y+e₂*(PTTV-PTTV0)^(y-1)+e₃*(PTTV-PTTV0)^(y-2)+…+e_y*(PTTV-PTTV0)+f₁*(HRV-HRV0)^j+f₂*(HRV-HRV0)^(j-1)+f₃*(HRV-HRV0)^(j-2)+…+f_j*(HRV-HRV0)+DBP0

公式12

类似地，在以上公式中，函数或模型系数m、n、i和x、y、j可以相同或不相同，即用于估计SBP和DBP的函数或模型可以相同或可以不同。可以基于由例如回归或多项式拟合获得的多组标定数据，包括例如PTT0、SBP0、DBP0、PTTV0和HRV0，来获得函数或模型的系数a₁、a₂、a₃、……、a_m、b₁、b₂、b₃、……、b_n,、c₁、c₂、c₃、……、c_i、d₁、d₂、d₃、……、d_x、e₁、e₂、e₃、……、e_y和f₁、f₂、f₃、……、f_j。

所估计的SBP、DBP和感兴趣生理参数可以输出至一个终端，如智能手机。显示界面示出于图14-C。可以看出，可以直观地显示感兴趣生理参数，如心率、BP、HRV和ECG。还可以看出，HRV(心率变化)可以反映或影响一些感兴趣生理参数。感兴趣生理参数可以包括疲劳水平、心理压力、压力水平和抗压能力。主体可以点击图标以获得更多详细信息。

实例2

再参考实例1，用于测量血压的系统示出于图14-A至图14-C。可以通过基于经识别PTT和标定数据(包括PTT0、SBP0、DBP0、PTTV0和HRV0)的一个标定模型，估计SBP和DBP。标定函数的系数可以由标定过程确定。在一些实施例中，可以获取关于主体的一组标定数据，并将其存储于存储器装置或服务器120。一组标定数据可以包括PTT0、SBP0、DBP0、PTTV0、HRV0等中的一种或多种的组合。一组标定数据可以由位于医院或医生办公室的医疗保健专业人员、主体本人或非专业助手获取。一组标定数据可以使用临床装置或家用装置获取。一组标定数据可以基于使用系统的一次预先测量获取。一组或多组标定数据可以用于通过例如回归确定待标定的函数或模型的系数。在另一实施例中，其他主体的一组或多组标定数据可以用作标定数据。在一些实施例中，函数或模型的系数可以由默认设置，即可以使用经验数据。在一些实施例中，函数或模型的系数可以通过多点拟合标定。

参考实例1，所标定的函数或模型可以用于估计SBP、DBP和其他感兴趣生理参数。所估计的SBP、DBP和感兴趣生理参数可以输出至一个终端，如智能手机。显示界面示出于图14-C。可以看出，可以直观地显示感兴趣生理参数，如心率、BP、HRV和ECG。还可以看出，HRV(心率变化)可以反映或影响一些感兴趣生理参数。感兴趣生理参数可以包括疲劳水平、心理压力、压力水平和抗压能力。主体可以点击图标以获得更多详细信息。

实例3

图15-A至图15-D为在不同条件下测量两个主体(主体1和主体2)的原始数据的一些实例以及具有不同函数、不同模型或两者的拟合曲线。图15-A(a)示出了测量的主体1的原始SBP-PTT数据(由虚线连接的菱形指示)，数据与三次多项式函数拟合(由实曲线指示)。图15-A(b)示出了测量的主体1的原始DBP-PTT数据(由虚线连接的菱形指示)，数据与四次多项式函数拟合(由实曲线指示)。图15-B(a)示出了测量的主体2的原始SBP-PTT数据(由虚线连接的菱形指示)，数据与七次多项式函数拟合(由实曲线指示)。图15-B(b)示出了测量的主体2的原始DBP-PTT数据(由虚线连接的菱形指示)，数据与八次多项式函数拟合(由实曲线指示)。图15-C(a)示出了测量的主体2的原始SBP-PTT数据(由虚线连接的菱形指示)，数据与四次多项式函数拟合(由实曲线指示)。图15-C(b)示出了当主体2不运动时测量的主体2的原始DBP-PTT数据(由虚线连接的菱形指示)，数据与四次多项式函数拟合(由实曲线指示)。图15-D(a)示出了当主体2运动时测量的体2的原始SBP-PTT数据(由虚线连接的菱形指示)，数据与四次多项式函数拟合(由实曲线指示)。图15-D(b)示出了当主体2不运动时测量的主体2的原始DBP-PTT数据(由虚线连接的菱形指示)，数据与六次多项式函数拟合(由实曲线指示)。

图15-A和图15-B提供了用于不同主体的不同模型的实例。对于同一主体，不同喜爱模型可以适合于基于在所述主体的不同条件下获取的信息计算一个感兴趣生理参数。此类条件的实例可以包括所述主体长期或获取时间时或左右的不同生理状况、所述主体长期或获取时间时或左右的心理状况、获取时间时或左右的环境信息(例如，室温、湿度、空气压力、活动水平、天气、气候、一天中的某个时间、或一年中的某天等中的一种或多种的组合)。图15-C(a)和图15-C(b)以及图15-D(a)和图15-D(b)示出了用于在不同条件下同一主体的不同模型。对于同一主体，不同喜爱模型可以一般适用于SBP和DBP计算。图15-A(a)和图15-A(b)、图15-B(a)和图15-B(b)以及图15-C(a)和图15-C(b)示出了不同模型可以用于同一主体计算SBP和DBP。

上文已对基本概念做了描述，显然，对于本领域技术人员能够在阅读此详细公开之后理解，前述详细公开只用于通过实例说明，而非限制性的。虽然本文中并没有明确说明，本领域技术人员可能会进行各种修正、改进和修改。这些、修正改进和修改有本披露提议，并且仍属于本披露的示例性实施例的精神和范围。

而且，使用某些术语描述本披露的实施例。例如，术语“一个实施例”、“一实施例”、和/或“一些实施例”意指关于所述实施例描述的特定特征、结构或特点包括于本披露的至少一个实施例中。因此，应强调并注意的是，本说明书中在不同部分两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定指同一实施例。此外，本披露的一个或多个实施例中的特定特征、结构或特点可以进行适当的组合。另外，术语“逻辑”代表执行一个或多个功能的硬件、固件、软件(其或任意组合)。例如，“硬件”的实例包括但不限于集成电路、有限态自动机或甚至组合逻辑。集成电路可以呈如微处理器的处理器、专用集成电路、数字信号处理器、微控制器等等形式。

此外，本领域技术人员可以理解，本披露的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对其任何新的和有用的改进。相应地，本披露的各方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由可以所有一般在本文中称为“电路”、“单元”、“模块”、“组件”或“系统”的硬件和软件组合执行。此外，本披露的各方面可能以一个或多个计算机可读介质中的计算机产品的形式存在，该产品内含有计算机可读程序代码。

计算机可读信号介质可以包括一个内含有计算机程序代码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以呈多种表现形式，包括但不限于电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。包含于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括但不限于无线电、电缆、石英光纤电缆、RF等、或任何上述介质的适合组合。

本披露各方面操作所需的计算机程序代码可以用一种或多种程序的任意组合语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如“C”语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。所述程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，包括局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过使用互联网服务供应商的互联网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定所主张过程和方法的顺序。尽管上述发明中通过各种实例讨论了一些目前认为有用的本披露实施例，但应当理解的是，此类细节仅起到说明的目的，附加的权利要求并不仅限于公开的实施例，相反，权利要求旨在覆盖所有符合所公开实施例实质和范围的修正和等价组合。例如，虽然上文描述的多种组件的实施可以包含在硬件装置中，但也可以只通过软件的解决方案得以实现，如在现有的服务器或移动装置上安装所描述的系统。另外，本文中公开的金融管理系统可以实施为固件、固件/软件组合、固件/硬件组合或硬件/固件/软件组合。

类似地，应当注意的是，为了简化本披露以帮助对一个或多个各种发明实施例的理解，前文对本披露实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。然而，这种公开方法并不意味着要求保护的目标所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述公开的单个实施例的全部特征。

Claims (12)

1.一种装置，包括

存储指令的存储器；以及

至少一个处理器，用于执行所述指令以完成操作，所述操作包括：

接收第一信号，所述第一信号表示主体的心脏活动；

接收第二信号，所述第二信号表示所述主体的至少一个脉搏波的时变信息；

从多个标定数据集中，获取与所述主体相关的第一标定值集；

使用所述至少一个处理器，识别所述第一信号中的第一特征；

使用所述至少一个处理器，识别所述第二信号中的第二特征；

使用所述至少一个处理器，基于所述第一特征与第二特征的差异计算脉搏传导时间，其中，所述第一标定值集具有最接近所述脉搏传导时间的标定脉搏传导时间；以及

使用所述至少一个处理器，根据第一模型计算所述主体的血压，所述第一模型基于计算的所述脉搏传导时间和所述第一标定值集。

2.权利要求1所述的装置，所述接收所述第一信号包括与第一传感器进行通讯，所述第一传感器配置为获取所述主体身体的第一位置的所述第一信号。

3.权利要求2所述的装置，所述接收所述第二信号包括与第二传感器进行通讯，所述第二传感器配置为获取所述主体身体的第二位置的所述第二信号。

4.权利要求3所述的装置，所述第一位置和所述第二位置实质上是相同的。

5.权利要求1所述的装置，所述第一信号或所述第二信号包括光信号。

6.权利要求1所述的装置，所述第一信号或所述第二信号包括电信号。

7.权利要求1所述的装置，其中

所述第一信号的第一特征对应于第一时间点；

所述识别所述第二特征包括：

选择所述第二信号的片段，所述片段出现在从所述第一时间点开始的时间窗内；以及

定位所述片段中对应于第二时间点的第二特征；以及

所述计算脉搏传导时间包括确定所述第一时间点和所述第二时间点之间的时间间隔。

8.权利要求1所述的装置，所述至少一个处理器进一步

从多个标定值集中检索包括第二标定脉搏传导时间的第二标定值集；以及

基于所述第一标定值集和所述第二标定值集，获得所述第一模型。

9.权利要求1所述的装置，其中所述第一模型是特定于所述主体的。

10.权利要求1所述的装置，其中所述第一信号或所述第二信号包括光电容积脉搏波波形、心电图波形或心脏冲击图波形。

11.一种系统，包括：

获取模块，配置为接收表示主体的心脏活动的第一信号、表示所述主体的至少一个脉搏波的时变信息的第二信号和从多个标定数据集中，获取与所述主体相关的第一标定值集；以及

分析模块，配置为

识别所述第一信号中的第一特征；

识别所述第二信号中的第二特征；

基于所述第一特征与所述第二特征的差异计算脉搏传导时间，其中，所述第一标定值集具有最接近所述脉搏传导时间的标定脉搏传导时间；以及

根据第一模型计算所述主体的血压，所述第一模型基于计算出的所述脉搏传导时间和所述第一标定值集。

12.权利要求11所述的系统，进一步包括输出模块，配置为提供计算出的所述血压用于输出。

Images