CN114190933A - 用于估计生物信息的设备和方法 - Google Patents

用于估计生物信息的设备和方法 Download PDF

Info

Publication number
CN114190933A
CN114190933A CN202110166409.0A CN202110166409A CN114190933A CN 114190933 A CN114190933 A CN 114190933A CN 202110166409 A CN202110166409 A CN 202110166409A CN 114190933 A CN114190933 A CN 114190933A
Authority
CN
China
Prior art keywords
pixels
sensor
sensor configuration
contact
light
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110166409.0A
Other languages
English (en)
Inventor
权用柱
李列镐
李埈炯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN114190933A publication Critical patent/CN114190933A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A61B5/1172—Identification of persons based on the shapes or appearances of their bodies or parts thereof using fingerprinting
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4875—Hydration status, fluid retention of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6825—Hand
    • A61B5/6826—Finger
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/684—Indicating the position of the sensor on the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0416—Control or interface arrangements specially adapted for digitisers
    • G06F3/04166—Details of scanning methods, e.g. sampling time, grouping of sub areas or time sharing with display driving
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/042—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by opto-electronic means
    • G06F3/0421—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by opto-electronic means by interrupting or reflecting a light beam, e.g. optical touch-screen
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/60—Static or dynamic means for assisting the user to position a body part for biometric acquisition
    • G06V40/67—Static or dynamic means for assisting the user to position a body part for biometric acquisition by interactive indications to the user
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
    • A61B2562/0242—Special features of optical sensors or probes classified in A61B5/00 for varying or adjusting the optical path length in the tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0257—Proximity sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/04—Arrangements of multiple sensors of the same type
    • A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/06—Arrangements of multiple sensors of different types
    • A61B2562/066—Arrangements of multiple sensors of different types in a matrix array
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1341—Sensing with light passing through the finger
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Multimedia (AREA)
  • Emergency Medicine (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)

Abstract

提供了用于估计生物信息的设备和方法。用于估计生物信息的设备可包括：传感器部，包括像素的像素阵列，每个像素具有光源和检测器；和处理器，被配置为：基于对象与传感器部接触，基于第一传感器配置来驱动传感器部，基于根据第一传感器配置通过每个像素接收到的光量来获得对象的接触信息，基于接触信息确定第二传感器配置，基于第二传感器配置来驱动传感器部，和基于根据第二传感器配置获得的光信号来估计生物信息。

Description

用于估计生物信息的设备和方法
本申请要求于2020年9月2日在韩国知识产权局提交的第10-2020-0111847号韩国专利申请的优先权，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。
技术领域
本公开的示例实施例涉及用于非侵入性地估计生物信息的设备和方法。
背景技术
根据非侵入性地测量甘油三酯的一般方法，通过将具有光源和光学传感器的测量装置放置在血管上并通过测量透过血液的散射光信号来估计血液中的甘油三酯浓度。血液甘油三酯浓度的变化导致散射系数的变化，使得可从散射光信号的变化获得散射系数的变化，并且可基于散射系数的变化来估计血液甘油三酯浓度。
发明内容
根据示例实施例的一个方面，一种用于估计生物信息的设备可包括：传感器部，包括像素的像素阵列，每个像素具有光源和检测器；和处理器，被配置为：基于对象与传感器部接触，基于第一传感器配置来驱动传感器部，基于根据第一传感器配置通过每个像素接收到的光量来获得对象的接触信息，基于接触信息确定第二传感器配置，基于第二传感器配置来驱动传感器部，和基于根据第二传感器配置获得的光信号来估计生物信息。
第一传感器配置可包括：时分驱动方法、顺序驱动方法、同时驱动方法、驱动次序、光源强度和持续时间中的至少一个。
处理器可基于以下中的至少一个获得接触信息：具有大于或等于预定阈值的光量的像素、具有大于或等于总光量的平均值的预定百分比的光量的像素、具有大于或等于最大光量的预定百分比的光量的像素、和具有大于或等于落在最大光量的预定范围内的光量的平均值的预定百分比的光量的像素。
处理器可获得包括以下中的至少一个的接触信息：对象的接触区域、接触区域的中心点、指纹中心点和接触方向。
处理器可基于接触信息，确定第二传感器配置的光源像素和检测器像素。
处理器可将处于接触区域的像素之中的位于接触方向上的预定位置处的一个或多个像素确定为第二传感器配置的光源像素；并且将位于距接触区域的中心点或指纹中心点预定范围内的一个或多个像素确定为第二传感器配置的检测器像素。
处理器可将预定义的参考传感器配置的参考区域、参考方向和参考中心点映射到接触区域、接触方向和接触区域的中心点；和基于所述映射，将与预定义的参考传感器配置的光源像素对应的像素确定为第二传感器配置的光源像素，并且将与预定义的参考传感器配置的检测器像素对应的像素确定为第二传感器配置的检测器像素。
传感器部可基于对象与传感器部接触来获得指纹图像，并且处理器可基于指纹图像获得接触信息。
处理器可响应于指纹中心点不在传感器部的预定范围内，控制输出接口以引导用户将对象放置在传感器部上。
处理器可基于根据第二传感器配置获得的光信号来计算散射系数；和基于散射系数估计生物信息。
处理器可响应于根据第二传感器配置获得光信号，计算光信号之间的相似度；和选择具有大于或等于第一阈值的相似度的光信号，作为用于估计生物信息的光信号。
处理器可响应于根据第二传感器配置获得光信号，计算光信号之间的相似度；和排除具有小于或等于第二阈值的相似度的光信号，作为用于估计生物信息的光信号。
生物信息可包括以下中的至少一种：甘油三酯、体脂率、体内水分、血糖、胆固醇、类胡萝卜素、蛋白质和尿酸。
根据示例实施例的一个方面，一种估计生物信息的方法可包括：基于对象与传感器部接触，基于第一传感器配置来驱动传感器部；基于根据第一传感器配置通过传感器部的每个像素接收到的光量来获得对象的接触信息；基于接触信息确定第二传感器配置；基于第二传感器配置来驱动传感器部；和基于根据第二传感器配置获得的光信号来估计生物信息。
获得接触信息的步骤可包括：基于以下中的至少一个获得接触信息：具有大于或等于预定阈值的光量的像素、具有大于或等于总光量的平均值的预定百分比的光量的像素、具有大于或等于最大光量的预定百分比的光量的像素、和具有大于或等于落在最大光量的预定范围内的光量的平均值的预定百分比的光量的像素。
获得接触信息的步骤可包括：获得包括以下中的至少一个的接触信息：对象的接触区域、接触区域的中心点、指纹中心点和接触方向。
确定第二传感器配置的步骤可包括：将处于接触区域的像素之中的位于接触方向上的预定位置处的一个或多个像素确定为第二传感器配置的光源像素；和将位于距接触区域的中心点或指纹中心点预定范围内的一个或多个像素确定为第二传感器配置的检测器像素。
确定第二传感器配置的步骤可包括：将预定义的参考传感器配置的参考区域、参考方向和参考中心点映射到接触区域、接触方向和接触区域的中心点；和基于所述映射，将与预定义的参考传感器配置的光源像素对应的像素确定为第二传感器配置的光源像素，并且将与预定义的参考传感器配置的检测器像素对应的像素确定为第二传感器配置的检测器像素。
所述方法可包括：基于对象与传感器部接触来获得指纹图像。
获得接触信息的步骤可包括：基于指纹图像获得接触信息。
所述方法可包括：响应于指纹中心点不在传感器部的预定范围内，控制输出接口以引导用户将对象放置在传感器部上。
估计生物信息的步骤可包括：基于通过传感器部获得的两个或更多个光信号来计算散射系数；和基于散射系数估计生物信息。
估计生物信息的步骤可包括：响应于通过传感器部获得光信号，计算光信号之间的相似度；和选择具有大于或等于第一阈值的相似度的光信号，作为用于估计生物信息的光信号。
估计生物信息的步骤可包括：响应于通过传感器部获得光信号，计算光信号之间的相似度；和排除具有小于或等于第二阈值的相似度的光信号，作为用于估计生物信息的光信号。
附图说明
从下面的结合附图的描述，本公开的特定示例实施例的以上和其他方面、特征以及优点将更清楚，其中：
图1是示出根据示例实施例的用于估计生物信息的设备的框图；
图2是示出根据另一示例实施例的用于估计生物信息的设备的框图；
图3是示出根据示例实施例的处理器的配置的框图；
图4A和图4B是说明获得对象的接触信息的示例的示图；
图4C、图4D和图4E是说明获得第二传感器配置的示例的示图；
图5A和5B是说明估计生物信息的示例的示图；
图6是示出根据示例实施例的估计生物信息的方法的流程图；
图7是示出可穿戴装置的示例的示图；和
图8是示出智能装置的示例的示图。
具体实施方式
在下面的具体实施方式和附图中提供示例实施例的细节。从下面参照附图详细描述的示例实施例，将更清楚地理解本公开的优点和特征以及实现本公开的方法。贯穿附图和具体实施方式，除非另外描述，否则相同的附图参考标号将被理解为表示相同的元件、特征和结构。
将理解，尽管在此可使用术语“第一”、“第二”等来描述各种元件，但是这些元件不应受这些术语限制。这些术语仅用于将一个元件与另一元件区分开。此外，除非上下文另外清楚地指示，否则术语的单数形式也意在包括术语的复数形式。还将理解，除非明确地相反描述，否则当元件被称为“包括”另一元件时，该元件不意在排除一个或多个其他元件，而是还包括一个或多个其他元件。在下面的描述中，术语(诸如，“单元”和“模块”)指示用于处理至少一个功能或操作的单元，并且它们可通过使用硬件、软件或它们的组合来实现。如在此所使用的，当诸如“……中的至少一个”的表述在一列元素之后时，修饰整列元素，而不是修饰列中的单个元素。例如，表述“a、b和c中的至少一个”应当被理解为仅包括a、仅包括b、仅包括c、包括a和b两者、包括a和c两者、包括b和c两者、或包括a、b和c中的全部。
在下文中，将参照附图详细描述用于估计生物信息的设备和方法的示例实施例。用于估计生物信息的设备的各种示例实施例可安装在终端(诸如，智能电话、平板个人计算机(PC)、台式计算机、膝上型计算机等)、可穿戴装置等中。在这种情况下，可穿戴装置的示例可包括腕表型可穿戴装置、手镯型可穿戴装置、腕带型可穿戴装置、戒指型可穿戴装置、眼镜型可穿戴装置、头带型可穿戴装置等，但是可穿戴装置不限于此。
图1是示出根据示例实施例的用于估计生物信息的设备的框图。
参照图1，用于估计生物信息的设备100包括传感器部110和处理器120。
传感器部110包括具有多个像素的像素阵列。每个像素可包括用于将光发射到对象上的一个或多个光源和用于检测从对象散射或反射的光的一个或多个检测器。此外，用于挡光的分隔壁可设置在像素之间和/或每个像素的光源与检测器之间。
光源可包括发光二极管(LED)、激光二极管(LD)、荧光体等。如果每个像素包括多个光源，则多个光源可发射不同波长的光。检测器可检测在由光源发射的光被吸收到对象OBJ中或从对象OBJ反射或散射之后返回的光。检测器可包括光电二极管、光电晶体管(PTr)、图像传感器等。
此外，传感器部110还可包括指纹传感器。指纹传感器可设置在传感器部110的像素阵列的顶部或底部。指纹传感器可获取与像素阵列接触的身体部位上的褶皱(wrinkle)图像。然而，褶皱图像不限于此，并且可通过以足够小的尺寸制造像素阵列的每个像素并且通过扫描驱动像素阵列中的所有像素来获取褶皱图像。这里，身体部位可以是能从其检测光电容积描记(PPG)信号的任何身体部位，并且下面的描述将使用手指作为身体部位的示例来给出，使得身体部位上的褶皱可被指定为指纹，并且关于指纹描述的“指纹中心点”可以是身体部位上的褶皱的特征点的示例。
处理器120可电连接到传感器部110，并且可响应于估计生物信息的请求来控制传感器部110。此外，处理器120可从传感器部110接收光信号，并且可基于接收到的光信号来估计生物信息。在这种情况下，生物信息可包括甘油三酯、体脂率、体内水分、血糖、胆固醇、类胡萝卜素、蛋白质、尿酸等中的至少一种，但不限于此。将使用甘油三酯作为示例给出下面的描述。
例如，响应于估计生物信息的请求，处理器120可基于第一传感器配置来驱动传感器部110。在这种情况下，第一传感器配置可包括传感器部110的信息(诸如，驱动方法、驱动次序、光源强度、持续时间等)。此外，处理器120可基于由传感器部110基于第一传感器配置获得的光信号来获得对象的接触信息。在这种情况下，接触信息可包括对象的接触区域、接触区域的中心点、指纹中心点、接触方向等，但不限于此。
基于如上所述获得接触信息，处理器120可确定第二传感器配置，并且可基于确定的第二传感器配置来驱动传感器部110。第二传感器配置可被确定为包括传感器部110的所有像素之中的具有待驱动的光源的光源像素和具有待驱动的检测器的检测器像素的各种组合，其中，光源和检测器彼此间隔不同的距离而设置，使得散射光信号可经由两个或更多个不同的路径而获得。例如，像素的组合可包括：一个光源像素和多个检测器像素的组合、多个光源像素和一个检测器像素的组合、多个光源像素和多个检测器像素的组合等。在这种情况下，光源像素可表示像素阵列中的具有待驱动的光源的像素，并且检测器像素可表示像素阵列中的具有待驱动的检测器的像素。
此外，基于传感器部110基于第二传感器配置获得光信号，处理器120可基于获得的光信号来估计生物信息。处理器120可通过使用放大器来放大由传感器部110获得的光信号，或者可通过使用模数转换器等将信号转换为数字信号。
图2是示出根据另一示例实施例的用于估计生物信息的设备的框图。
参照图2，根据另一示例实施例的用于估计生物信息的设备200包括传感器部110、处理器120、存储装置210、输出接口220和通信接口230。上面描述了传感器部110和处理器120，因此将省略重复的描述。
存储装置210可存储与估计生物信息相关的信息。例如，存储装置210可存储光信号和/或估计的生物信息值。此外，存储装置210可存储第一传感器配置、参考传感器配置、第二传感器配置、用于确定第二传感器配置的标准、用于获得接触信息的标准、用户特性信息等。在这种情况下，用户特性信息可包括用户的年龄、性别、健康状况等。
存储装置210可包括闪存型存储器、硬盘型存储器、多媒体卡微型存储器、卡型存储器(例如，安全数字(SD)存储器、极限数字(XD)存储器等)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘和光盘等中的至少一种存储介质，但不限于此。
输出接口220可向用户提供处理器120的处理结果。例如，输出接口220可在显示器上显示估计的生物信息值。在这种情况下，如果估计的生物信息值落在正常范围的外部，则输出接口220可通过改变颜色、线条粗细等或者将异常值与正常范围一起显示来向用户提供警告信息，使得用户可容易地识别异常值。此外，在具有视觉显示或没有视觉显示的情况下，输出接口220可使用语音输出模块(诸如，扬声器)或触觉模块等以非视觉方式(诸如，通过语音、振动、触感等)提供生物信息估计结果。
通信接口230可与外部装置通信，以发送和接收与估计生物信息相关的各种数据。在这种情况下，外部装置可包括信息处理装置(诸如，智能电话、平板PC、台式计算机、膝上型计算机等)。例如，通信接口230可将生物信息估计结果发送到用户的智能电话等，使得用户可通过使用具有相对高的性能的装置来管理和监测生物信息估计结果。
在这种情况下，通信接口230可通过使用各种有线或无线通信技术(诸如，蓝牙通信、蓝牙低能耗(BLE)通信、近场通信(NFC)、无线局域网(WLAN)通信、Zigbee通信、红外数据协会(IrDA)通信、无线保真(Wi-Fi)直连(WFD)通信、超宽带(UWB)通信、Ant+通信、Wi-Fi通信、射频识别(RFID)通信、3G通信、4G通信、5G通信等)与外部装置通信。然而，前述通信技术是示例，而不意在限制。
图3是示出根据示例实施例的处理器的配置的框图。图4A和图4B是说明获得对象的接触信息的示例的示图。图4C、图4D和图4E是说明获得第二传感器配置的示例的示图。图5A和图5B是说明估计生物信息的示例的示图。
参照图3，根据实施例的处理器300包括传感器驱动器310、接触信息获得器320、传感器配置确定器330和估计器340。
参照图4A，传感器部110可包括具有多个像素41的像素阵列40。每个像素41可包括一个或多个光源L1和L2以及检测器PD。在这种情况下，可在多个像素41之间和/或在每个像素41的光源L1和L2与检测器PD之间设置分隔壁42。
当手指放置在传感器部110上时，传感器驱动器310可通过参考用于获得手指的接触信息的第一传感器配置来驱动像素阵列40。第一传感器配置可包括待驱动的像素的信息(诸如，与整个像素阵列40中的待驱动以获得接触信息的像素有关的信息)。在这种情况下，待驱动的像素可被设置为像素阵列40中的所有像素。然而，待驱动的像素不限于此，并且通过考虑功耗、所需的估计准确性等，待驱动的像素可被设置为一些行/列中的像素(诸如，以奇数/偶数行/列中的像素为例)。此外，第一传感器配置可包括驱动方法、驱动次序、光源强度、持续时间等。驱动方法可被设置为例如顺序驱动、时分驱动和同时驱动中的任何一种。
通过在传感器驱动器310的控制下驱动待驱动的所有像素，经由打开特定的被驱动的像素的光源并使用特定的被驱动的像素的检测器来检测光，传感器部110可扫描手指并且可获得所有被驱动的像素的光信号。
参照图4B，当手指OBJ与传感器部110的像素阵列40接触时，传感器部110的像素阵列40可被划分为与手指OBJ接触的接触区域(CA)和不与手指OBJ接触的非接触区域(NA)。
如图4B中所示，基于传感器部110通过扫描手指获得光信号，接触信息获得器320可基于获得的光信号获得手指的接触信息。在一个示例实施例中，接触信息获得器320可基于根据第一传感器配置通过每个像素接收到的光量获得接触信息。例如，接触信息获得器320可获得其中由各个像素接收的光量大于或等于预定阈值的像素的区域作为接触区域CA。可选地，接触信息获得器320可获得以下区域作为接触区域CA：具有大于或等于由所有像素接收的总光量的平均值的预定百分比的光量的像素的区域、具有大于或等于最大光量的预定百分比的光量的像素的区域、和/或具有大于或等于“多个像素之中的具有落在最大光量的预定百分比范围(例如，最大光量的A％至B％，其中，0≤A<B≤100)内的光量的像素的光量的平均值”的预定百分比的像素的区域。然而，这些仅是示例。此外，接触信息获得器320可获得所获得的接触区域CA的中心点和/或接触方向。在一个示例中，接触方向可表示在传感器部110上对象相对于传感器部110被放置的方向。
此外，如果传感器部110获得指纹图像，则接触信息获得器320可分析指纹图像以获得指纹中心点、接触区域和/或接触方向。
传感器配置确定器330可基于接触信息来确定用于估计生物信息的第二传感器配置。在这种情况下，第二传感器配置可包括与光源像素和检测器像素有关的信息，光源像素具有待驱动以将光发射到对象上的光源，检测器像素具有待驱动以检测来自对象的光信号的检测器。在这种情况下，光源像素可与检测器像素不同。光源像素可包括至少一个像素，并且检测器像素可包括用于检测从对象的不同位置散射的光的多个像素。
参照图4C，传感器配置确定器330可将像素阵列40中的处于接触区域CA的像素之中的位于接触方向D上的预定位置处的像素11确定为光源像素LP。在这种情况下，用于确定光源像素(诸如，以确定位于接触区域CA的最前面的像素为例)的标准可被预先设置。
此外，传感器配置确定器330可将位于包括接触区域的中心点C的预定范围内的像素9、10、14、15、16、17、19、20、21、22、23、27和28确定为检测器像素DP。在这种情况下，用于确定检测器像素DP的标准(诸如，以预定范围、预定范围的形状(例如，圆形、椭圆形、多边形等)等为例)可被预先设置。然而，标准不限于此，并且检测器像素PD可被限定为各种像素(诸如，所有像素、除了光源像素LP之外的所有像素或位于光源像素LP下方的所有像素等)。
参照图4D，传感器配置确定器330可基于预定义的参考传感器配置来确定第二传感器配置的光源像素和检测器像素。例如，参考传感器配置可包括光源像素LP1、检测器像素DP1和/或关于像素阵列40的参考区域中的参考中心点的信息。在这种情况下，参考区域可以是例如像素阵列40的整个区域，并且参考中心点可以是像素阵列40的中心点，但不限于此。
基于接触信息获得器320获得接触区域、接触方向和接触区域的中心点，传感器配置确定器330可将参考中心点映射到接触区域的中心点，并且可将参考方向沿接触方向D右转，以将参考区域映射到接触区域CA，使得参考区域可与接触区域CA重叠。基于映射，传感器配置确定器330可将参考传感器配置的与光源像素LP1对应的像素11和与检测器像素DP1对应的像素7、8、13、14、15、19、20、21、22、25、26、27、28、29、31、32、33、34和35分别确定为第二传感器配置的光源像素LP2和检测器像素DP2。然而，这仅是示例。
图4E示出基于指纹图像确定第二传感器配置的示例。如图4E中所示，传感器配置确定器330可基于指纹区域、指纹方向和指纹中心点C1和C2适应性地确定光源像素LP1和LP2以及检测器像素DP1和DP2。在这种情况下，如果指纹中心点不位于传感器部110的预定区域内，则传感器配置确定器330可引导用户再次将手指放置在传感器部110上。在这种情况下，预定范围可被预先设置。
如上所述，根据本公开的示例实施例，即使当手指的接触区域和/或接触方向改变时，第二传感器配置的光源像素和检测器像素可被适应性地确定，使得可在手指的预定位置处或在手指的实际接触位置处检测光信号，从而提高估计生物信息的准确性。
基于传感器配置确定器330确定第二传感器配置，传感器驱动器310可基于第二传感器配置来驱动传感器部110的光源像素和检测器像素。
基于传感器部110基于第二传感器配置获得多个光路的多个光信号，估计器340可基于获得的多个光信号来估计生物信息。图5A示出当多个检测器像素位于距光源像素不同的距离处时针对每个距离的光强度图的示例。例如，如图5A中所示，由各个检测器像素(例如，1、2、3、……、N等)检测的光的强度彼此不同。
估计器340可基于在不同距离处获得的多个光信号来估计生物信息。例如，估计器340可通过使用在每个距离处获得的光信号来计算散射系数，并且可通过使用计算的散射系数来估计生物信息。在这种情况下，散射系数指示当由光源发射的光传播单位长度时由于光的散射而导致的光强度的降低，并且可被定义为例如由多个检测器检测到的散射光信号的强度的比率或与该比率成比例的值。此外，可通过考虑各个检测器距光源的距离来计算散射系数。可选地，估计器340可通过获得多个光信号强度的代表值来计算散射系数。在这种情况下，可基于各种标准(诸如，最大信号强度值、信号强度的平均值或中值等)来计算多个光信号强度的代表值。
例如，当通过使用由一个检测器检测到的一个散射光信号来计算散射系数时，估计器340可通过使用例如下面的等式1和等式2来计算散射系数。
【等式1】
Figure BDA0002933666790000101
【等式2】
Figure BDA0002933666790000102
这里，R(ρ)表示由位于距光源距离ρ处的检测器检测到的光的强度；ρ表示光源与检测器之间的距离；μa表示吸收系数；μeff表示有效衰减系数；S0表示由光源发射的光的强度；μs表示散射系数。
在又一示例中，当通过使用在光源发射光之后由设置在不同距离处的两个检测器检测到的两个散射光信号来计算散射系数时，估计器340可通过使用下面的等式3来计算散射系数。
【等式3】
Figure BDA0002933666790000111
这里，ρ1表示光源与第一检测器之间的距离；ρ2表示光源与第二检测器之间的距离；R(ρ1)表示由第一检测器检测到的光的强度；R(ρ2)表示由第二检测器检测到的光的强度；μs表示散射系数。用于计算散射系数的等式可根据检测由光源发射的光的检测器的数量而不同地定义。
基于多个检测器获得多个散射光信号，估计器340可选择所获得的光信号中的一些光信号，并且可通过使用选择的光信号来计算散射系数。例如，估计器340可计算多个散射光信号之间的相似度，并且可选择具有大于或等于第一阈值的计算的相似度的光信号。可选地，估计器340可计算多个散射光信号之间的相似度，并且可通过使用在排除具有小于或等于第二阈值的计算的相似度的光信号之后剩余的光信号来计算散射系数。在这种情况下，相似度可包括欧几里德距离、皮尔逊相关系数、斯皮尔曼相关系数和余弦相似度中的至少一个。
基于计算散射系数，估计器340可通过使用定义散射系数与生物信息(诸如，甘油三酯)之间的相关性的估计模型来获得估计的生物信息值(例如，甘油三酯值)。在这种情况下，估计模型可以以线性/非线性函数的形式或指示散射系数与生物信息估计值之间的相关性的匹配表的形式表示，但本公开不限于此。图5B示出上面的等式1的左侧的值与距离之间的根据甘油三酯水平的变化的相关性。如图5B中所示，随着血液甘油三酯(在图5B中由“TG”指示)浓度变化，血液的散射系数也变化，使得散射光信号可随着光源与检测器之间的距离而变化。如上所述，估计模型可通过使用散射系数与甘油三酯浓度之间的相关性来预定义。
图6是示出根据示例实施例的估计生物信息的方法的流程图。图6的方法是由根据图1或图2的示例实施例的用于估计生物信息的设备100或200执行的估计生物信息的方法的示例。
参照图6，在操作610中，响应于估计生物信息的请求，用于估计生物信息的设备可基于第一传感器配置来驱动传感器部，以检测来自对象的散射光信号。在这种情况下，用于估计生物信息的设备可基于预定义的第一传感器配置来控制传感器部的驱动。在这种情况下，如果传感器部包括指纹传感器，则用于估计生物信息的设备可获得指纹图像。
然后，在操作620中，用于估计生物信息的设备可基于由每个像素接收的光量和/或指纹图像来获得接触信息，该光量是通过基于第一传感器配置扫描与传感器部接触的对象而获得的。在这种情况下，接触信息可包括接触区域、接触区域的中心点、指纹中心点、接触方向等。
随后，在操作630中，用于估计生物信息的设备可基于获得的接触信息来确定第二传感器配置。在这种情况下，第二传感器配置可包括关于光源像素和设置在距光源像素不同距离处的检测器像素的信息，使得散射光信号可在与光源间隔开不同距离的各种位置处获得。
例如，用于估计生物信息的设备可将处于接触区域中的像素之中的位于接触方向上的预定位置处的一个或多个像素确定为第二传感器配置的光源像素；并且可将所有像素、或者位于距接触区域的中心点或指纹中心点预定范围内的像素确定为第二传感器配置的检测器像素。
在另一示例中，用于估计生物信息的设备可将预定义的参考传感器配置的参考区域、参考方向和参考中心点映射到接触区域、接触方向和接触区域的中心点。基于映射，用于估计生物信息的设备可将参考传感器配置的与光源像素对应的像素和与检测器像素对应的像素分别确定为第二传感器配置的光源像素和检测器像素。
接下来，在操作640中，用于估计生物信息的设备可通过基于第二传感器配置驱动传感器部来检测多个散射光信号。
然后，在操作650中，用于估计生物信息的设备可基于根据第二传感器配置获得的光信号来估计生物信息。例如，用于估计生物信息的设备可基于光信号计算散射系数，并且可通过使用预定义的估计模型来估计生物信息。在这种情况下，如果多个光信号被获得，则用于估计生物信息的设备可计算光信号之间的相似度，并且可通过仅使用具有大于或等于第一阈值的计算的相似度的光信号来计算散射系数。可选地，用于估计生物信息的设备可通过使用在排除具有小于或等于第二阈值的计算的相似度的光信号之后剩余的光信号来计算散射系数。
图7是示出可穿戴装置的示例的示图。用于估计生物信息的设备100和200的前述实施例可安装在可穿戴装置中。
参照图7，可穿戴装置700包括主体710和带730。
连接到主体710的两端的带730可以是柔性的，以便围绕用户的手腕缠绕。带730可由彼此分离的第一带和第二带组成。第一带和第二带的各自的端连接到主体710，并且第一带和第二带的另一端可经由连接装置彼此连接。在这种情况下，连接装置可形成为磁铁连接、魔术贴(Velcro)连接、销连接等，但不限于此。此外，带730不限于此，并且可整体地形成为不可拆卸的带。
在这种情况下，空气可被注入到带730中，或者带730可设置有气囊以根据施加到手腕的压力的变化而具有弹性，并且可将手腕的压力的变化发送到主体710。
电池可嵌入主体710或带730中，以向可穿戴装置700供电。
主体710可包括安装在主体710一侧上的传感器部720。传感器部720可包括具有多个像素的像素阵列，每个像素包括光源和检测器。此外，传感器部720还可包括用于在手指与传感器部720接触时获得指纹图像的指纹传感器。
处理器可安装在主体710中。处理器可电连接到安装在可穿戴装置700中的模块。处理器可基于由传感器部720获得的光信号来估计生物信息。在这种情况下，通过基于第一传感器配置控制传感器部720，处理器可扫描对象并且可获得对象的接触信息。此外，处理器可基于接触信息来确定第二传感器配置，并且可基于确定的第二传感器配置来控制传感器部720。如上所述，根据基于第二传感器配置获得光信号，处理器可通过基于获得的光信号计算散射系数来获得生物信息。
此外，主体710可包括存储用于估计生物信息的参考信息和由主体710的各种模块处理的信息的存储装置。
此外，主体710可包括操纵器740，操纵器740设置在主体710的一个侧表面上，并且接收用户的控制命令并将接收到的控制命令发送到处理器。操纵器740可具有电源按钮，用于输入用于开启/关闭可穿戴装置700的命令。
此外，用于向用户输出信息的显示器可安装在主体710的前表面上。显示器可具有用于接收触摸输入的触摸屏。显示器可接收用户的触摸输入并将触摸输入发送到处理器，并且可显示处理器的处理结果。
此外，主体710可包括用于与外部装置通信的通信接口。通信接口可将生物信息估计结果发送到外部装置(诸如，用户的智能电话)。
图8是示出智能装置的示例的示图。在这种情况下，智能装置可包括智能电话、平板PC等。智能装置可包括用于估计生物信息的设备100和200的前述示例实施例的功能。
参照图8，智能装置800包括主体810和安装在主体810的一个表面上的传感器部830。例如，传感器部830还可包括指纹传感器。
此外，显示器可安装在主体810的前表面上。显示器可视觉地输出生物信息估计结果、健康状况评估结果等。显示器可包括触摸屏，并且可接收通过触摸屏输入的信息并将信息发送到处理器。
如图8中所示，主体810可包括图像传感器820。图像传感器820可捕获各种图像，并且可获取例如与传感器部830接触的手指的指纹图像。
处理器可安装在主体810中，以电连接到主体810的各种模块，并且可控制模块的操作。处理器可基于用于获得接触信息的第一传感器配置来控制传感器部，并且可基于根据第一传感器配置获得的光信号来获得接触信息。此外，处理器可基于接触信息适应性地确定第二传感器配置，并且可根据确定的第二传感器配置来控制传感器部。以这种方式，处理器可获得对象的接触位置处的光信号，从而提高估计生物信息的准确性。
示例实施例可由编写在非暂时性计算机可读介质上的计算机可读代码实现并由处理器执行。非暂时性计算机可读介质可以是以计算机可读方式存储数据的任何类型的记录装置。
计算机可读介质的示例包括ROM、RAM、CD-ROM、磁带、软盘、光学数据存储装置和载波(例如，通过互联网的数据传输)。非暂时性计算机可读介质可分布在联网的多个计算机系统上，使得计算机可读代码以分散的方式被写入其中并从其执行。本公开所属领域的普通技术的编程人员可容易地得出用于实现示例实施例的功能程序、代码和代码段。
在此已经针对示例实施例描述了本公开。然而，对于本领域技术人员来说将清楚的是，可在不改变本公开的技术构思和特征的情况下进行各种改变和修改。因此，清楚的是，上述示例实施例在所有方面都是说明性的，并不意在限制本公开。

Claims (26)

1.一种用于估计生物信息的设备，所述设备包括：
传感器部，包括包含多个像素的像素阵列，每个像素包括光源和检测器；和
处理器，被配置为：
基于对象与传感器部接触，基于第一传感器配置来驱动传感器部，
基于根据第一传感器配置通过每个像素接收到的光量来获得对象的接触信息，
基于接触信息确定第二传感器配置，
基于第二传感器配置来驱动传感器部，和
基于根据第二传感器配置获得的光信号来估计生物信息。
2.根据权利要求1所述的设备，其中，第一传感器配置包括：驱动方法、驱动次序、光源强度和持续时间中的至少一个，其中，驱动方法包括时分驱动、顺序驱动和同时驱动中的至少一个。
3.根据权利要求1所述的设备，其中，处理器还被配置为：
基于以下中的至少一个获得接触信息：具有大于或等于预定阈值的光量的像素、具有大于或等于总光量的平均值的预定百分比的光量的像素、具有大于或等于最大光量的预定百分比的光量的像素、和具有大于或等于“多个像素之中的具有落在最大光量的预定百分比范围内的光量的像素的光量的平均值”的预定百分比的光量的像素。
4.根据权利要求1所述的设备，其中，接触信息包括以下中的至少一个：对象的接触区域、接触区域的中心点、指纹中心点和接触方向。
5.根据权利要求4所述的设备，其中，处理器还被配置为：基于接触信息，确定第二传感器配置的光源像素和检测器像素。
6.根据权利要求5所述的设备，其中，处理器还被配置为：
将处于接触区域的像素之中的位于接触方向上的预定位置处的一个或多个像素确定为第二传感器配置的光源像素；和
将位于包括接触区域的中心点或指纹中心点的预定范围内的一个或多个像素确定为第二传感器配置的检测器像素。
7.根据权利要求5所述的设备，其中，处理器还被配置为：
将预定义的参考传感器配置的参考区域、参考方向和参考中心点映射到接触区域、接触方向和接触区域的中心点；和
基于所述映射，将与预定义的参考传感器配置的光源像素对应的像素确定为第二传感器配置的光源像素，并且将与预定义的参考传感器配置的检测器像素对应的像素确定为第二传感器配置的检测器像素。
8.根据权利要求4所述的设备，其中，传感器部被配置为：基于对象与传感器部接触，获得指纹图像，并且
其中，处理器还被配置为：基于指纹图像获得接触信息。
9.根据权利要求8所述的设备，其中，处理器还被配置为：基于指纹中心点不在传感器部的预定区域内，控制输出接口以引导用户将对象放置在传感器部上。
10.根据权利要求1至权利要求9中任意一项所述的设备，其中，处理器还被配置为：
基于根据第二传感器配置获得的光信号来确定散射系数；和
基于散射系数估计生物信息。
11.根据权利要求1至权利要求9中任意一项所述的设备，其中，处理器还被配置为：
基于根据第二传感器配置获得光信号，确定光信号之间的相似度；和
选择具有大于或等于第一阈值的相似度的光信号，作为用于估计生物信息的光信号。
12.根据权利要求1至权利要求9中任意一项所述的设备，其中，处理器还被配置为：
基于根据第二传感器配置获得光信号，确定光信号之间的相似度；和
选择在排除具有小于或等于第二阈值的相似度的光信号之后剩余的光信号，作为用于估计生物信息的光信号。
13.根据权利要求1至权利要求9中任意一项所述的设备，其中，生物信息包括以下中的至少一种：甘油三酯、体脂率、体内水分、血糖、胆固醇、类胡萝卜素、蛋白质和尿酸。
14.一种估计生物信息的方法，所述方法包括：
基于对象与传感器部接触，基于第一传感器配置来驱动传感器部；
基于根据第一传感器配置通过传感器部的每个像素接收到的光量来获得对象的接触信息；
基于接触信息确定第二传感器配置；
基于第二传感器配置来驱动传感器部；和
基于根据第二传感器配置获得的光信号来估计生物信息。
15.根据权利要求14所述的方法，其中，获得接触信息的步骤包括：
基于以下中的至少一个获得接触信息：具有大于或等于预定阈值的光量的像素、具有大于或等于总光量的平均值的预定百分比的光量的像素、具有大于或等于最大光量的预定百分比的光量的像素、和具有大于或等于“多个像素之中的具有落在最大光量的预定百分比范围内的光量的像素的光量的平均值”的预定百分比的光量的像素。
16.根据权利要求14所述的方法，其中，获得接触信息的步骤包括获得包括以下中的至少一个的接触信息：对象的接触区域、接触区域的中心点、指纹中心点和接触方向。
17.根据权利要求16所述的方法，其中，确定第二传感器配置的步骤包括：基于接触信息确定第二传感器配置的光源像素和检测器像素。
18.根据权利要求17所述的方法，其中，确定第二传感器配置的步骤包括：
将处于接触区域的像素之中的位于接触方向上的预定位置处的一个或多个像素确定为第二传感器配置的光源像素；和
将位于包括接触区域的中心点或指纹中心点的预定范围内的一个或多个像素确定为第二传感器配置的检测器像素。
19.根据权利要求17所述的方法，其中，确定第二传感器配置的步骤包括：
将预定义的参考传感器配置的参考区域、参考方向和参考中心点映射到接触区域、接触方向和接触区域的中心点；和
基于所述映射，将与预定义的参考传感器配置的光源像素对应的像素确定为第二传感器配置的光源像素，并且将与预定义的参考传感器配置的检测器像素对应的像素确定为第二传感器配置的检测器像素。
20.根据权利要求17所述的方法，还包括：
基于对象与传感器部接触，获得指纹图像，
其中，获得接触信息的步骤包括：基于指纹图像获得接触信息。
21.根据权利要求20所述的方法，还包括：基于指纹中心点不在传感器部的预定区域内，控制输出接口以引导用户将对象放置在传感器部上。
22.根据权利要求14至权利要求21中任意一项所述的方法，其中，估计生物信息的步骤包括：
基于通过传感器部获得的两个或更多个光信号来确定散射系数；和
基于散射系数估计生物信息。
23.根据权利要求14至权利要求21中任意一项所述的方法，其中，估计生物信息的步骤包括：
基于通过传感器部获得光信号，确定光信号之间的相似度；和
选择具有大于或等于第一阈值的相似度的光信号，作为用于估计生物信息的光信号。
24.根据权利要求14至权利要求21中任意一项所述的方法，其中，估计生物信息的步骤包括：
基于通过传感器部获得光信号，确定光信号之间的相似度；和
选择在排除具有小于或等于第二阈值的相似度的光信号之后剩余的光信号，作为用于估计生物信息的光信号。
25.一种估计用户的生物信息的方法，所述方法包括：
基于第一传感器配置，驱动传感器的像素阵列的第一光源像素和第一组检测器像素；
基于驱动第一光源像素和第一组检测器像素，识别像素阵列的与用户的对象接触的接触区域；
基于接触区域确定第二传感器配置；
基于第二传感器配置，驱动传感器的像素阵列的第二光源像素和第二组检测器像素；
基于驱动第二光源像素和第二组检测器像素来获得光信号；和
基于光信号来估计用户的生物信息。
26.一种存储指令的计算机可读存储介质，所述指令在由处理器执行时，配置处理器执行根据权利要求14至权利要求25中的任意一项所述的方法。
CN202110166409.0A 2020-09-02 2021-02-04 用于估计生物信息的设备和方法 Pending CN114190933A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200111847A KR20220030089A (ko) 2020-09-02 2020-09-02 생체정보 추정 장치 및 방법
KR10-2020-0111847 2020-09-02

Publications (1)

Publication Number Publication Date
CN114190933A true CN114190933A (zh) 2022-03-18

Family

ID=74870722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110166409.0A Pending CN114190933A (zh) 2020-09-02 2021-02-04 用于估计生物信息的设备和方法

Country Status (4)

Country Link
US (1) US11188730B1 (zh)
EP (1) EP3964122A1 (zh)
KR (1) KR20220030089A (zh)
CN (1) CN114190933A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117311543A (zh) 2017-09-01 2023-12-29 平蛙实验室股份公司 触摸感测设备
US12056316B2 (en) * 2019-11-25 2024-08-06 Flatfrog Laboratories Ab Touch-sensing apparatus
EP4236777A1 (en) * 2020-10-30 2023-09-06 Biospectal SA Devices and methods for blood pressure estimation using transdermal optical recording

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1233697A4 (en) 1999-10-07 2005-06-22 Alexander K Mills NON-INVASIVE METHOD FOR CONTINUOUS DETERMINATION OF PHYSIOLOGICAL CHARACTERISTICS AND DEVICE THEREFOR
JP4788147B2 (ja) * 2005-01-26 2011-10-05 パナソニック電工株式会社 体脂肪測定装置
GB0526051D0 (en) 2005-12-21 2006-02-01 Oxford Biosensors Ltd Cholesterol sensor
US8798702B2 (en) * 2011-03-31 2014-08-05 Covidien Lp Multiplexed photodetector array for optical medical sensors
US10271745B2 (en) * 2016-06-17 2019-04-30 Qualcomm Incorporated Monolithic integrated emitter-detector array in a flexible substrate for biometric sensing
KR102673720B1 (ko) * 2016-07-29 2024-06-07 삼성전자주식회사 혈중 물질 추정 장치 및 방법
US10383576B2 (en) 2016-10-04 2019-08-20 David R. Hall Synthetic aperture photoplethysmography sensor
KR102681121B1 (ko) * 2016-11-15 2024-07-02 삼성전자주식회사 생체 성분 측정 장치 및 방법
KR102531994B1 (ko) 2017-12-29 2023-05-15 삼성전자주식회사 생체 성분 측정 장치 및 방법
KR102592077B1 (ko) 2018-08-01 2023-10-19 삼성전자주식회사 생체정보 측정 장치 및 방법
KR102655675B1 (ko) 2018-09-21 2024-04-05 삼성전자주식회사 생체정보 추정 장치 및 방법
KR102005312B1 (ko) 2018-11-07 2019-07-30 단국대학교 천안캠퍼스 산학협력단 자동 이득 조절 기능을 가진 체성분 측정 장치 및 방법
KR102716354B1 (ko) 2018-12-20 2024-10-10 삼성전자주식회사 항산화 센서 및 항산화 신호 측정 방법
KR20200097144A (ko) 2019-02-07 2020-08-18 삼성전자주식회사 생체정보 추정 장치 및 방법

Also Published As

Publication number Publication date
US11188730B1 (en) 2021-11-30
EP3964122A1 (en) 2022-03-09
KR20220030089A (ko) 2022-03-10

Similar Documents

Publication Publication Date Title
US11607133B2 (en) Biological component measuring apparatus and biological component measuring method
CN114190933A (zh) 用于估计生物信息的设备和方法
US11786180B2 (en) Apparatus and method for estimating bio-information
US20220061755A1 (en) Healthcare apparatus and operating method thereof
EP3929565B1 (en) Apparatus and method for optically analyzing substance of object
CN111067502B (zh) 估计生物信息的装置和方法
US20220108805A1 (en) Health management apparatus and health management method
EP4179963A1 (en) Electronic device and method of estimating bio-information using the same
US10485461B2 (en) Apparatus and method for estimating substance in blood
CN109864744B (zh) 测量生物信息的装置和方法
KR102562817B1 (ko) 혈압 측정을 위한 전자 장치 및 그의 동작 방법
US20210169338A1 (en) Apparatus and method for estimating aging level
CN111134688B (zh) 光学传感器、测量光信号的方法及估计血液浓度的装置
EP4249875A2 (en) Apparatus and method for estimating optical-based force
US20200253558A1 (en) Apparatus and method for estimating bio-information
US11513066B2 (en) Apparatus and method for estimating bio-information
US20220409072A1 (en) Apparatus and method for estimating bio-information
US20220039666A1 (en) Apparatus and method for estimating bio-information
CN113967002A (zh) 用于估计生物信息的设备
EP4023145B1 (en) Apparatus and method for estimating bio-information
US11911134B2 (en) Apparatus and method for estimating bio-information
US20220233149A1 (en) Apparatus and method for estimating body component
EP3939500A1 (en) Apparatus and method for estimating bio-information
EP3865049A1 (en) Signal detection sensor, apparatus and method for analyzing component of object
US20210401357A1 (en) Apparatus and method for estimating bio-information

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination