CN114224317A - 识别受试者的运动的系统和方法 - Google Patents

识别受试者的运动的系统和方法 Download PDF

Info

Publication number
CN114224317A
CN114224317A CN202111382416.0A CN202111382416A CN114224317A CN 114224317 A CN114224317 A CN 114224317A CN 202111382416 A CN202111382416 A CN 202111382416A CN 114224317 A CN114224317 A CN 114224317A
Authority
CN
China
Prior art keywords
subject
transducer
electronic device
frequency
peaks
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
CN202111382416.0A
Other languages
English (en)
Inventor
什亚纳斯·格拉科塔
让杰拉什米·莱达古玛
纳瑟尼尔·F·沃森
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.)
University of Washington
Original Assignee
University of Washington
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 University of Washington filed Critical University of Washington
Publication of CN114224317A publication Critical patent/CN114224317A/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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本申请公开了识别一个或多个受试者医学病症的系统和方法。在一个实施例中，向受试者发送声音，并且将受试者反射的声音的至少一部分作为回波数据获取。所获取的回波数据用于产生其中检测到多个峰值的运动波形。多个峰值中的至少一部分可以指示受试者的活动。基于例如在运动波形中检测到的峰值之间的持续时间和/或幅度变化，可以识别受试者的一种或多种医学病症。

Description

识别受试者的运动的系统和方法
本申请是2015年9月30日提交的申请号为201580075628.0、名称为“识别受试者的运动的系统和方法”的中国国家阶段发明专利申请的分案申请。
相关申请的交叉引用
本申请要求于2014年12月8日提交的未决美国临时申请第62/089,130号以及于2015年4月24日提交的美国临时申请第62/152,519号的权益。前述申请均通过整体引用并入本文。
技术领域
本申请主要涉及识别受试者身体的一部分运动以及相关联的方法和系统。特别地，若干个实施例涉及跟踪受试者身体的运动以用于识别睡眠呼吸暂停的方法，尽管这些实施例或者类似的实施例也可以在识别慢性阻塞性肺病(COPD)、监测婴儿呼吸和/或检测受试者的其它活动中使用。
背景技术
睡眠呼吸暂停是在睡眠期间呼吸中断时发生的常见医学病症。据估计，每20名美国成年人就有近1名受到睡眠呼吸暂停的影响，睡眠呼吸暂停与注意力缺陷/多动症、高血压、糖尿病、心脏病发作、中风和机动车辆事故增加有关。睡眠呼吸暂停通常在开展多导睡眠描记法测试的专门睡眠诊所进行诊断。在多导睡眠描记法测试中，经过培训的技术人员在受试者一整晚的睡眠期间在受试者身上附接并监测传感器。然而，多导睡眠描记法测试可能非常昂贵、耗时且耗费人力，而且由于等待名单太长，受试者可能不得不等待数周来接受多导睡眠描记法测试。另选地，使用便携式记录系统可以在受试者的家中进行家庭睡眠呼吸暂停测试(HSAT)，这通常在一整晚的睡眠期间进行。在HSAT期间，受试者通常仍需佩戴多个连接到便携式记录系统的测量仪器。这种家庭测试也可能存在问题。例如，一个或多个测量仪器附接不当就可能会影响家庭睡眠测试的准确性。
附图说明
图1是根据本技术的实施例配置的位于人类受试者旁边的设备的示意图。
图2是根据本技术的实施例配置的系统的框图。
图3是根据本技术的实施例配置的过程的流程图。
图4A是描绘了根据本技术的实施例获取的运动波形的曲线图。
图4B是描绘了根据本技术的实施例的在运动波形中检测到的峰值的曲线图。
图5A是描绘了现有技术中获取数据的方法的曲线图。
图5B是描绘了根据本技术的实施例的获取数据的方法的曲线图。
图6是根据本技术的实施例配置的过程的流程图。
图7是根据本技术的实施例配置的过程的流程图。
图8A至图8C是示出了根据本技术的实施例的呼吸暂停和呼吸不足事件的示例的曲线图。
具体实施方式
本申请主要涉及识别受试者身体的一部分的运动以及相关联的方法和系统。在本技术的一个实施例中，例如，一种识别受试者中睡眠呼吸暂停事件的方法包括使用第一换能器(例如，扬声器)向受试者发送声能，并且使用第二换能器(例如，麦克风)从受试者接收对应于所发送的声能的回波。使用与回波相对应的电信号产生波形，并且可以在该波形中检测到多个峰值。波形中的单个峰值可以具有指示受试者的呼吸运动的对应幅度。可以针对波形中的连续单个峰值之间的一段时间超出预定阈值时间的每次出现，输出睡眠呼吸暂停事件的指示。在一些方面，发送声能包括从第一换能器发射多个音频啁啾，其在预定持续时间(例如，大约5ms和大约15ms之间，大约10.75ms)内从第一频率(例如，大约18kHz)线性扫频到更高的第二频率(例如，大约20kHz或更高)。
在本技术的另一个实施例中，一种操作电子设备以监测接近该电子设备的受试者的活动的方法包括从可操作地耦合到电子设备的扬声器向受试者发射多个音频扫频信号。单个音频扫频信号在预定持续时间(例如，大约5ms和大约15ms之间，大约10.75ms)内从小于20kHz(例如，大约18kHz)的第一频率线性扫频到更高的第二频率(例如，大约20kHz或更高)。该方法进一步包括在可操作地耦合到电子设备的麦克风处获取音频数据。音频数据可以包括对应于由受试者向麦克风反向散射的单个音频扫频信号的回波信号。处理所获取的音频数据以生成运动波形。在运动波形中检测到的一个或多个峰值指示受试者的活动。该方法还包括基于所检测到的峰值中的一个或多个，输出对受试者的活动(例如，受试者胸部或腹部运动)的指示。在一些方面，例如，多个音频扫频信号的至少一部分包括调频连续波声音信号。在一些方面，该方法还包括计算在持续了单个音频扫频信号的预定持续时间(例如，10.75ms)的预定倍数(例如，10倍)的时间段内计算回波信号的多个频域表示。在一些方面，该方法可以包括确定在单个频域表示中相对于第一频率的频移。
在本技术的又一个实施例中，一种包括计算机可用程序代码的计算机程序产品可执行地进行用于输出受试者的睡眠呼吸暂停事件的指示的操作。该操作包括将多个啁啾信号发送到可操作地耦合到移动设备的第一换能器(例如，扬声器)。单个啁啾信号在预定持续时间(例如，5ms、10ms、20ms、30ms)内从小于20kHz(例如，10kHz、16kHz、18kHz)的第一频率线性扫频到更高的第二频率(例如，19kHz、20kHz、22kHz、30kHz)。该操作进一步包括从可操作地耦合到移动设备的第二换能器(例如，麦克风)获取回波数据。回波数据包括对应于由受试者朝向第二换能器反射的单个啁啾信号的数据。该操作还包括解调所获取的回波数据以获得指示受试者的呼吸运动的运动信号，以及检测运动信号中的一个或多个幅度峰值。该操作进一步包括如果运动信号中的连续单个幅度峰值之间的一段时间超出预定阈值时间，输出睡眠呼吸暂停事件指示。在一些方面，该操作可以进一步包括针对预定次数的发送/获取周期重复进行发送和获取。在一些方面，解调所获取的回波数据可以包括在预定次数的发送/获取周期内进行单一傅里叶变换。
以下更详细地描述了本申请的这些和其它方面。在下面的描述中以及在图1-8C中阐述了某些细节，以提供对本申请的各个实施例的透彻理解。为避免不必要地模糊对各个实施例描述，在下面的公开内容中并未阐述描述了通常与运动跟踪和/或识别有关的公知系统和方法的其它细节。
在附图中，相同的附图标记表示相同或者至少大体相似的元件。为了便于讨论任何特定的元件，任何附图标记的一个或多个最高位是指首先引入该元件的附图。例如，首先参照图1引入元件110并对其进行讨论。附图中所示的许多细节、尺寸、角度和其它特征仅仅是对所公开技术的特定实施例进行说明。因此，在不脱离本申请的精神或范围的情况下，其它实施例可以具有其它细节、尺寸、角度和特征。另外，本领域普通技术人员将理解，可以在没有下文描述的数个细节的情况下实践本发明的进一步的实施例。
用于检测受试者运动的设备和方法
图1是根据本申请的实施例配置的设备110的示意图。设备110定位于躺在床104上的人类受试者101附近，使得受试者的腹部102和胸部103距离设备110大致距离D(例如，lm)。第一换能器115(例如，扬声器)被配置成发射包括声音105的声能(例如，大约20Hz和20kHz之间或更高的声音)。第二换能器116(例如，麦克风)被配置成接收包括从受试者的身体102接收的反射声音106的声能。通信链路113(例如，天线)以将设备110可通信地耦合到通信网络(例如，互联网、蜂窝电信网络、WiFi网络)。用户界面118被配置成从受试者101和/或另一个用户接收输入，并且进一步被配置成向受试者101和/或另一个用户提供视觉输出。在图1所示的实施例中，用户界面118包括触摸屏显示器。在一些实施例中，用户界面118可以包括例如一个或多个键盘、触摸板、触摸屏、轨迹球、鼠标和/或附加的用户界面设备或系统(例如，语音输入/输出系统)。而且，在一些实施例中，一个或多个附加扬声器125和一个或多个附加麦克风126可以可选地定位在与设备110分离的床104附近，并且经由通信链路113和/或另一个通信链路可通信地耦合到设备110。在一些其它实施例中，设备110可以包括一个或多个附加的扬声器和/或麦克风(未示出)。
在图1所示的实施例中，设备110被描绘为手机(例如，智能手机)。然而，在其它实施例中，设备110可以包括任何合适的电子设备，例如，平板电脑、个人显示器助理、膝上型计算机、台式计算机、机顶盒和/或被配置成发送和接收声音的另外的电子设备。在某些实施例中，设备110可以包括一个或多个系统和/或设备的组件(例如，婴儿监视器、安全系统、汽车娱乐系统、立体声系统、家用对讲系统、时钟收音机)。而且，在图1所示的实施例中，受试者101(例如，人类成人、人类儿童、动物)被示为躺在床104上(例如，受试者卧室中的床、医疗设施中的床、睡眠实验室中的床)熟睡。然而，在其它实施例中，受试者101可以是清醒的和/或直立的。在一些实施例中，设备110可以被配置成向一个或多个附加受试者(未示出)发射声音105并且从其接收反射的声音106。
在操作中，设备110产生音频信号，该音频信号包括例如调频连续波(FMCW)音频信号，从第一频率(例如，大约18kHz)扫频到第二频率(例如，大约20kHz)。第一换能器115将所产生的音频信号作为声音105向受试者101发送。声音105的一部分被受试者的胸部103和/或腹部102朝向第二换能器116作为反射声106反射和/或反向散射。第二传感器116接收所反射的声音106并将其转换成一个或多个反射音频信号。如以下参照图3至图5和图6B进一步详细讨论的，设备110可以被配置成检测对应于受试者的胸部103和/或腹部102的活动的反射音频信号中的峰值。并且如以下参照图3和图7至8C进一步详细讨论的，设备110还可以被配置成基于检测到的峰值来识别和/或澄清受试者中的一个或多个呼吸暂停事件(例如，中枢性呼吸暂停事件、阻塞性呼吸暂停事件、呼吸不足事件)。在一些实施例中，设备110还被配置成识别受试者的胸部103和/或腹部102的活动，其对应于与慢性阻塞性肺病(COPD)或婴儿呼吸相关的活动。
如本领域普通技术人员将理解的，识别睡眠病症和/或其它医学病症的常规方法可以包括使用专用(并且通常是昂贵的)医疗装备在医疗设施处过夜。一个常规方法是临床多导睡眠描记法(PSG)测试，该测试传统上被用来诊断睡眠呼吸暂停和其它睡眠病症。PSG通常在睡眠实验室中进行一夜，其中经过训练的技术人员对受试者的睡眠模式进行监测。技术人员将许多传感器附接到受试者，包括例如测量呼吸活动的胸部和腹部皮带、鼻压换能器和热敏电阻、打鼾麦克风、测量氧饱和度的脉搏血氧计、每个腿上用来检测活动的活动传感器、用来确定下巴的肌张力的传感器、用来监测眼睛活动的传感器和/或用来测量脑活动的脑电图(EEG)传感器。传感器全部使用电线连接，并且技术人员在整个睡眠时长内监测来自传感器的实时数据流。
用于睡眠呼吸暂停识别的一个度量标准是呼吸暂停-呼吸不足指数(AHI)，其表示在睡眠期间发生呼吸暂停和呼吸不足事件的发生率。医师可以使用AHI值对睡眠呼吸暂停水平进行分类。例如，范围介于0和5之间的AHI值通常被分类为无呼吸暂停；介于5和15之间的AHI值通常被分类为轻度呼吸暂停；介于15和30之间的AHI值通常被分类为中度呼吸暂停，30或更高的AHI值通常被分类为重度呼吸暂停。可以对呼吸暂停-呼吸不足指数进行如下计算：
Figure BDA0003365121650000051
在以上方程式1中，中枢性呼吸暂停、呼吸不足和阻塞性呼吸暂停对应于典型PSG研究期间被跟踪的参数。为计算这些参数，在睡眠期间(通常6至8个小时)收集的传感器数据被分成称为时元(epoch)的30秒间隔。分析这些时元的评分过程可能涉及两个步骤。第一步是分阶段，其中识别受试者是否在每个时元清醒或者熟睡，并且如果是熟睡，存在何种睡眠阶段。这是通过检查从EEG传感器获得的大脑活动和下巴张力和眼睛活动传感器信息来实现的。在这个步骤结束时，每个时元都可以被标记为在清醒阶段或者熟睡阶段。第二步涉及使用美国睡眠医学学会(AASM)指南来识别中枢性呼吸暂停、呼吸不足和阻塞性呼吸暂停事件的数量。例如，当受试者屏住呼吸达不可忽视的时长时，可能会发生中枢性呼吸暂停事件。例如，当受试者的胸部运动下降超过30％并伴随4％氧气去饱和时，可能会发生呼吸不足事件。也可以通过在EEG上存在3％去饱和或者“唤醒”(突然频率变化)来确定呼吸不足。例如当受试者增加努力将空气吸入肺中，但是由于阻塞而仅有最少量的空气到达肺部时，可能会发生阻塞性呼吸暂停事件。
如本领域普通技术人员将理解的，用于传感器数据收集和处理的多导睡眠描记法程序可能是耗时耗力的。例如，技术人员可能需要大约一个小时才能将通常在PSG测量中采用的传感器装配在每个受试者身上。此外，在整个睡眠时长(例如，8小时睡眠时长)期间，技术人员可能要继续监测传感器并确认传感器是否保持适当地附接到受试者的身体。通常对传感器数据进行手动处理来为每个时元标记上睡眠呼吸暂停事件。而且，虽然HSAT可以在受试者的家中进行，但是该测试仍然需要将传感器附接到受试者，包括，例如，胸部和腹部皮带、鼻压传感器、换能器和热敏电阻、EKG传感器，脉搏血氧测定传感器和/或脉冲动脉张力测定传感器。由于电线和电缆的脱离导致的信号丢失，家庭测试可以具有很高的故障率(例如，33％)。
与以上列出的常规方法相反，所公开的技术预期将大大减少劳力和所耗时间。例如，所公开的用于检测受试者身体(例如，胸部、腹部)的至少一部分的活动的技术使用声波而不是与受试者接触的传感器。相应地，所公开的技术消除了由于附接不当和/或信号丢失而可能会导致测试失败的电线或电缆的使用。所公开的技术还预期提供识别一个或多个医学状况(例如，睡眠呼吸暂停，COPD)的益处，同时受试者在他或她自己的床上睡觉或休息并且使用相对便宜的设备(例如，受试者自己的智能手机或者另一台个人电子设备、计算机、现成的移动设备等)。结果，所公开的技术可以减少或者消除在整个睡眠时长期间与监测受试者的技术人员相关联的时间和/或费用。所公开的技术进一步期望经由单个设备允许对多名受试者同时进行监测和活动检测。
在一些实施方案中，所公开的技术也可以用于识别受试者中潜在存在的COPD。如本领域普通技术人员将理解的，COPD是导致肺部阻塞气流的慢性炎性肺部疾病。COPD的症状可以包括呼吸困难、咳嗽、痰液产生和哮喘。COPD恶化可能导致患者状况急剧恶化，并且可能是与该疾病相关的发病率和死亡率的主要原因。呼吸频率增加和潮流气量减少是COPD恶化的常见生理特征。所公开的技术可以对呼吸频率和深度进行实时评估，以便在早期识别COPD恶化。这种早期检测和相应的治疗有助于防止这种状况恶化。
合适的系统
以下讨论提供了对可以实现该技术的合适的环境的一般简要描述。虽然不是必需的，但是在计算机可执行指令(例如由通用计算机执行的例程)的一般上下文中描述了该技术的各个方面。该技术的各个方面可以在特殊用途计算机或数据处理器中体现，该特殊用途计算机或数据处理器被特别地编程、配置或构造成执行本文详细解释的一个或多个计算机可执行指令。该技术的各个方面也可以在分布式计算环境中实现，其中，任务或模块由远程处理设备执行，该远程处理设备通过通信网络(例如，无线通信网络、有线通信网络、蜂窝通信网络、互联网、短距离无线电网络(例如，经由蓝牙))链接。在分布式计算环境中，程序模块可以位于本地和远程存储器存储设备中。
计算机实现的指令、数据结构、屏幕显示和技术方面的其它数据可以存储或分布在计算机可读存储介质(包括磁性或者光学可读计算机磁盘)上，作为半导体存储器、纳米技术存储器、有机或光学存储器或者其它便携式和/或非临时性数据存储介质上的微代码。在一些实施例中，技术的各个方面可以在互联网上或者其它网络(例如，蓝牙网络)上在传播介质上(例如，电磁波、声波)的传播信号上分布，或者可以在任何模拟或数字网络(分组交换、电路交换或者其它方案)上提供。
图2是根据本技术的实施例配置的系统210的框图。系统210包括数个组件，包括存储器211(例如，一个或多个计算机可读存储模块、组件、设备)。在一些实施例中，存储器211包括在计算机和/或移动设备(例如，图1的设备110、平板电脑、智能手机、PDA、便携式媒体播放器或者其它“现成”的移动设备)上安装和/或操作的一个或多个应用。存储器211还可以被配置成存储信息(例如，音频数据、受试者信息或档案、环境数据、从一个或多个传感器收集的数据、媒体文件)。处理器212(例如，一个或多个处理器或者分布式处理元件)被耦合到存储器211并且被配置成执行存储在其上的操作和/或指令。
可操作地耦合到处理器的扬声器215(例如，图1的第一换能器115和/或扬声器125)被配置成从处理器212和/或系统210的一个或多个其它组件接收音频信号，并且将音频信号作为声音输出(例如，图1的声音105)。在一些实施例中，扬声器215包括设置在移动设备(例如，智能手机或平板电脑)中的常规动态扬声器。在一些实施例中，扬声器215包括耳机换能器和/或独立扬声器。在其它实施例中，扬声器215包括合适的换能器，其被配置成在人类可听频谱的至少一部分(例如，在大约20Hz和20kHz之间)输出声能。
可操作地耦合到处理器的麦克风216(例如，图1的第二换能器116和/或麦克风126)被配置成接收声音，将声音转换成一个或多个电音频信号，并且将电音频信号发送到存储器211和/或处理器212。在一些实施例中，麦克风216包括设置在移动设备(例如，智能手机或平板电脑)中的麦克风。在一些实施例中，麦克风216位于耳机和/或沿连接到一个或多个耳机的电缆上。在其它实施例中，麦克风216包括被配置成在人类可听频谱的至少一部分中接收声能的另一台合适的换能器。此外，在一些实施例中，扬声器215和麦克风216间隔开距离(例如，2cm或以上，介于大约2cm至10cm，介于4cm至8cm之间，或者至少大约6cm)。然而，在其它实施例中，扬声器215直接邻近麦克风216。在某些实施例中，单个换能器可以发送声能并接收声能。在进一步的实施例中，扬声器215和/或麦克风216包括一个或多个附加换能器以形成一个或多个换能器阵列。换能器阵列可以被配置成发送和/或接收波束形成后的音频信号。
通信组件213(例如，有线通信链路和/或无线通信链路(例如，蓝牙、Wi-Fi、红外线和/或另外的无线电传输网络))将系统210以通信方式耦合到一个或多个通信网络(例如，电信网络、互联网、WiFi网络、局域网、广域网、蓝牙网络)。数据库214被配置成存储在识别受试者的活动中使用的数据(例如，从受试者获得的音频信号和数据、方程式、滤波器)。一个或多个传感器217被配置成提供在运动检测和/或识别中使用的附加数据。一个或多个传感器217可以包括例如一个或多个ECG传感器、血压监测器、检流计、加速度计、温度计、湿度计、血压传感器、高度计、陀螺仪、磁力计、接近传感器、气压计和/或霍尔效应传感器。
一个或多个显示器218(例如，图1的用户界面118)提供由系统210获取和处理的视频输出和/或数据的图形表示。电源219a(例如，连接到建筑物电力系统的电力电缆，一个或多个电池和/或电容器)为系统210的组件提供电力。在包括一个或多个电池的实施例中，电源219a可以被配置成例如经由电力电缆、感应充电和/或另外的合适的再充电方法进行再充电。此外，在一些实施例中，系统210可选地包括一个或多个其它组件219b(例如，一个或多个麦克风、照相机、全球定位系统(GPS)传感器、近场通信(NFC)传感器)。
如以下参照图3至图8C进一步详细说明的，系统210被配置成向受试者发送声音并接收由受试者反射的声音。所发送和接收的声音可以由系统210使用以检测受试者的活动并识别受试者中的一个或多个医学状况(例如，睡眠呼吸暂停，COPD)。在一些实施例中，例如，存储器211包括用于产生音频信号(例如，从大约18kHz扫频到大约20kHz或更高的FMCW音频信号)以及将产生的音频信号提供给扬声器215的指令。扬声器215将音频信号作为声音(例如，包括一个或多个波形的声能)发送，并将所发送的声音的至少一部分导向接近扬声器215的受试者(例如，图1的受试者101)。一部分声音向麦克风216反射或反向散射，麦克风216将声音转换成电音频信号。存储器211可以进一步包括用于处理电音频信号的指令，以便检测受试者的运动(例如，受试者的胸部和/或腹部的活动)，在周期性运动(例如，呼吸运动)和非周期性运动之间进行澄清，并且基于检测到的受试者的运动来识别受试者中的一个或多个医学状况(例如，呼吸暂停事件，COPD)。在一些实施例中，对所识别的医学状况的指示可以被输出到显示器218和/或可以经由通信组件213发送到医学专业人员(例如，护士、医生)。在某些实施例中，系统210可以被配置成确定关于受试者的基线呼吸信息(例如，呼吸频率)并且存储基线呼吸信息。可以将基线呼吸信息与后续的呼吸测量值进行比较，以识别呼吸病症。
合适的方法
图3是根据本技术的实施例被配置的检测呼吸暂停事件的过程300的流程图。图4A是描绘了根据本技术的实施例的由过程300获取的运动波形的示例的曲线图401。图4B是描绘了根据本技术的实施例的在图4A的运动波形中检测到的峰值的曲线图402。
首先参照图3，过程300可以包括存储在存储器(例如，图2的存储器211)上并且由一个或多个处理器(例如，图2的处理器212)执行的一组指令。在一些实施例中，过程300包括存储在设备(例如，图1的设备110)上的一个或多个智能手机应用。在设备和/或换能器被定位于接近受试者(例如，距离受试者1m，距离受试者大约0.5m至10m之间，距离受试者大约1m至5m之间)和/或受试者的床(例如，图1的受试者101的床104)之后，过程300在框305处开始。在框305，过程300对受试者进行监测以确定受试者是否已经熟睡。在一些实施例中，例如，过程300可以监测受试者的活动以检测过程300确定的与受试者的呼吸运动无关的随机非周期性运动。例如，如果过程300在预定时间段(例如，5分钟、10分钟、20分钟)内检测到发生预定次数(例如，2个、3个、4个或更多)的非周期性运动，则过程300可以确定受试者在预定时间段的时长内是清醒的。相反，如果过程300在预定时间段内没有检测到发生预定次数的非周期性运动，则过程300可以确定受试者在整个预定时间段期间是熟睡的。总的来说，不包括发生的预定次数的所检测到的非周期性运动的多个预定时间段的总和可以形成在会话或者测试期间睡眠时间的总体测量的基础。这样的睡眠时间的总体测量可以在例如以上讨论的方程式1的分母中中使用。在一些实施例中，过程300被配置成在进行下一步骤之前等待预定时间量(例如，1小时、2小时、4小时)。
在一些实施例中，过程300可以检测设备的定向，并且基于该检测，提示用户采取纠正措施。例如，如果测量设备的预定侧(例如，图1所示的设备110的面向前方的部分)相对于受试者以预定定向取向，则过程300可以提供更精确的检测。在一些实施例中，例如，测量设备优选具有扬声器位于其上的一侧或者朝向受试者取向的最靠近放置的一侧。然而，在扬声器和麦克风不在测量设备的同一侧的实施例中，如果测量设备的麦克风定位其上的一侧直立面向和/或大体上朝向受试者取向，可能需要从受试者获取音频。
过程300可以被配置成使用例如一个或多个感测机构(例如，一个或多个陀螺仪、加速度计、罗盘传感器)来确定测量设备的定向。在一些实施例中，例如，一个或多个感测机构包括以上参照图2讨论的传感器217中的一个或多个。在一些实施例中，过程300可以产生一个或多个可听和/或可见的指示，以指示受试者和/或另一名用户基于所确定的定向来采取校正措施。校正措施可以包括，例如将测量设备朝向受试者的位置移动和/或定向。在一些实施例中，可以不进行过程300，直到检测到一个或多个纠正措施。另选地，一个或多个可听和/或可见的指示可以在执行过程300中的其它框时持续存在。在一些实施例中，过程300可以被配置成基于检测到的定向来调整检测阈值。
在框310处，过程300产生了一个或多个音频信号。在一些实施例中，音频信号包括具有锯齿波形的FMCW信号，该锯齿波形包括多个从第一频率线性扫频到更高的第二频率的扫频音频信号或者“啁啾”。在一些实施例中，啁啾从第一可听频率(例如，大约18kHz)扫频到第二可听频率(例如，20kHz或更高)。如本领域普通技术人员将理解的，典型人耳的频谱范围为20Hz至大约20kHz，并且许多换能器被配置成在该频谱上回放。然而，随着人类年龄的增长，耳朵对较高频率的敏感度通常会降低，使得对于典型的成年人来说，频率大于大约18kHz的声音实际上是不可听见的。因此，选择具有等于或大于约18kHz的频率的第一和第二可听频率允许在被配置为在人类可听频率范围上进行回放的常规扬声器上发送声音，同时在大多数成年人睡觉时不会对其造成干扰。在其它实施例中，啁啾从第一可听频率(例如，18kHz)扫频到第二不可听频率(例如，大于大约20kHz且小于大约48kHz的频率，介于大约22kHz和大约44kHz之间的频率)。在进一步的实施例中，啁啾在人类可听范围之外(例如，大于大约20kHz且小于大约48kHz)的两个频率之间扫频。而且，在一些实施例中，过程300产生包括具有正弦波形、三角波形和/或方波形的FMCW信号的音频信号。在其它实施例中，过程300产生了包括脉冲调制波形的音频信号。在一些实施例中，过程300使用另一种合适的调制方法产生音频信号。
在框320处，过程300将生成的音频信号提供给换能器(例如，图1的第一换能器115和/或图2的扬声器215)，该换能器被配置成将音频信号转换成声能(例如，图1的声音105)并且被进一步配置成将至少一部分声能导向受试者。在框330处，过程300从麦克风(例如，图1的第二换能器116和/或图2的麦克风216)或另一个换能器获取回波数据。所获取的回波数据包括对应于朝向受试者发送并且朝向麦克风反射或反向散射并且由麦克风转换成电信号的声音的一部分的数据。
现在共同参照图3、图4A和图4B，在框340，过程300通过使用回波数据构建运动波形。过程300分析了所产生的音频信号以及所接收的回波数据，并且对其之间指示受试者的身体的一部分(例如，受试者的胸部和/或腹部)的活动的频移进行检测。如以下参照图5A、图5B和图6进一步详细说明的，频移可以用来产生作为时间的函数的运动波形。在图4A的曲线图401中显示了在框340处由过程300构造的运动波形的一个示例。曲线图401包括具有多个峰值444和多个谷值或零点446的运动波形440。
在框350，过程300检测了图4A的波形440中的一个或多个峰值444。图4B的曲线图402显示了由过程300检测到的峰值444的一个示例。以下参照图6描述了运动波形的构造和波形中峰值检测的其它方面。
在框360，过程300对在运动波形(例如图4A的波形440)中检测到的峰值(例如，图4A和图4B的峰值444)进行分析，以识别一个或多个睡眠呼吸暂停事件。例如，如果波形中的特定峰值的幅度小于或等于预定阈值幅度，过程300可以确定特定峰值对应于受试者的呼吸不足事件。如果例如波形中的连续峰值由预定时间(例如，10秒或更长)间隔，过程300可以确定峰值间隔对应于中心呼吸暂停事件。进一步地，如果过程300在连续峰值之间的幅度中检测到尖峰值或者预定增加(例如，50％)，过程300可以确定峰值增加对应于阻塞性呼吸暂停事件。
在一些实施例中，过程300可以将所检测到的峰值的频率与预定呼吸频率(例如，患者的呼吸频率的先前测量值)进行比较。如果检测到的峰值的频率大于等于预定呼吸频率的预定百分比(例如，介于大约105％和大约125％之间，或者大约115％)，过程300可以进一步确定受试者中可能存在COPD恶化。在一些实施例中，预定呼吸频率一般对应于在测试的第一部分或者时长中确定的测量的呼吸频率，诸如睡眠测量期间的预定时间段(例如睡眠测量的初始30分钟)。过程300可以将测量的呼吸频率用作受试者的基线呼吸频率。然而，在其它实施例中，过程300可以使用其它预定百分比(例如，大约130％或更高)和/或其它预定时间段(例如，介于大约15分钟和大约30分钟之间，介于大约30分钟和大约60分钟之间，介于大约60分钟和大约120分钟之间)。
在框370，过程300输出对一个或多个呼吸暂停事件的指示。在一些实施例中，例如，过程300可以将呼吸暂停事件的一个或多个指示存储在存储器或数据库(例如图2的存储器211和/或数据库214)中。在一些实施例中，过程300可以将一个或多个呼吸暂停事件的指示输出到显示器(例如，图1的用户界面118和/或图2的显示器218)。
图5A是描绘了根据现有技术的常规数据获取方法的曲线图501。图5B是描绘了根据本技术的实施例的获取数据的方法的曲线图502。首先参照图5A，曲线图501包括多个发送信号548和多个对应的接收信号549。针对每个发送/接收周期计算快速傅里叶变换(FFT)。
接下来参照图5B，曲线图502包括多个发送信号550(单独识别为第一发送信号550a、第二发送信号550b和第n个发送信号550n)和多个对应的反射信号552(单独识别为第一反射信号552a，第二反射信号552b和第n个反射信号552n)。多个发送信号552包括FMCW信号，该信号在一段时间T扫频上(例如，介于大约5ms和大约15ms之间，介于大约10ms和大约11ms或10.75ms之间)在第一频率f0(例如，18kHz)和更高的第二频率f1(例如，20kHz或更高)之间线性扫频。
单个发送信号550从扬声器(例如，图1的第一换能器115)发射，并且经过一段时间在麦克风(例如，图2的第二换能器116)处接收相应的一个反射信号。例如，第一发送信号550a从扬声器发射，并且相应的第一反射信号552a在时间延迟Δt后接收。时间延迟Δt由下式给出：
Figure BDA0003365121650000121
其中，d是扬声器和受试者之间的距离而V声音(即，在海平面大致为340m/s)。由于发送频率在时间上线性增加，所以与发送信号相比，反射信号中的时间延迟转化为频移。单个发送信号与相应的反射信号之间的频移Δf由下式给出：
Figure BDA0003365121650000122
使用与接收器相距不同距离的多个反射器，将其反射转化为信号中的不同频移。FMCW接收器可以通过在一个或多个啁啾时长上执行傅里叶变换来提取所有这些频移(或者解调反射信号)。啁啾时长T扫频选择成使得来自可操作距离(例如，图1的距离D)内的所有点的反射优选地在啁啾结束之前开始到达。在一个特定实施例中，例如，可操作距离为大约1米，并且啁啾时长T扫频选择为10.75ms。呼吸的行为产生细小胸部和腹腔运动，该细小胸部和腹腔运动可以通过监测作为时间函数的傅里叶变换中的对应的窗口(bin)捕获。然而，一个难题为，呼吸动作相对较小，并且因此可能致使极小的频移。例如，2cm呼吸移位可导致11.7Hz频移。给定声速为340m/s，48kHz采样速率转换为0.71cm/采样点的分辨率。另外，10.7ms啁啾时长对应于512个采样点。利用18-20kHz FMCW啁啾，每个采样点对应于3.9Hz频移。因此，0.71cm的移位可转换为频域中的3.9Hz变化。因此，2cm呼吸活动可产生11.7Hz频移。
因为距离为1m并且啁啾时长为10.75ms，11.7Hz的频移可能提出了一个难题，每个FFT窗口的宽度为93.75Hz，该宽度远大于由于呼吸所产生的频移。为提取由呼吸运动所产生的细小频移，对整数个啁啾时长进行FFT计算，如图5B所示。这与传统FMCW接收器不同，传统FMCW对单个FMCW啁啾时长进行傅里叶变换计算，如例如图5A所示。对N个啁啾进行的FFT计算使每个FFT窗口的宽度减小了因数N。在一个实施例中，对10个啁啾进行的FFT计算得出9.37Hz的FFT窗口宽度，从而允许捕获呼吸活动导致的11.7Hz频移。
图6为根据本技术的实施例被配置成识别运动的过程600的流程图。过程600开始于框610，其中检测多个发送/接收周期，如上文参照图5B所述。过程600接收多个反射信号(例如，图5的反射信号552)并且对预定数量N(例如，5、10、20、40、50)个啁啾或发送/接收周期进行多个初级频率变换计算。如本领域的技术人员将理解的，频率变换将信号从第一域(例如，时间域)转换和/或解调为频域。由过程600在框610处计算的初级变换表示多个频率窗口中的反射信号的频谱。每个窗口表示反射信号的频谱的离散部分(例如，大约1Hz至大约100Hz、大约5Hz至大约50Hz、大约8Hz至大约12Hz、大约9Hz至大约10Hz)。在一些实施例中，例如，过程600对由过程600所接收的10个反射信号的各系列进行多个5120点FFT计算。在一个特定实施例中，例如，初级变换的每个窗口具有大约9.37Hz的带宽。
在框620处，过程600在预定时间段(例如，5s、10s、30s、60s、5分钟、10分钟)上对在框610处计算的每个初级变换的单个窗口进行二级频率变换(例如，FFT)计算。当过程600初始进行至框620时，指数值m设定为1。因此，过程600对作为时间函数的多个初级变换的第一窗口进行FFT。在一些实施例中，例如，过程600在30秒的持续时间上计算多个初级变换的第一窗口的24,000点FFT。
在决策框630，过程600分析在框620处所计算的二级变换以确定二级变换是否包括与呼吸频率相关联的一个或多个峰值。在一些实施例中，例如，过程600分析框620的二级变换以确定是否在大约0.1Hz和大约0.5Hz(例如，大约0.2Hz和大约0.3Hz之间)检测到任何峰值，该范围为包括典型人类呼吸频率的范围。如果在这些频率值处或其附近未检测到峰值，那么过程600返回至框620并且对指数值m加1(即，m+1)。过程600在框620在预定时间段上计算初级变换的下一窗口m的新的二级变换。过程600继续迭代计算二级变换，直至过程600检测到对应于呼吸频率的峰值和/或直至达到预定值m(例如，58，60，100，200)。如果过程600检测到大约0.1Hz和大约0.5Hz之间的峰值，那么过程600存储对应于窗口数的指数m，其中该峰值被检测为m峰值，并且进行至框640。
在框640处，过程600从反射音频信号提取运动数据。在一些实施例中，过程600继续计算反射音频的多个初级变换并且计算作为时间的函数的初级变换的窗口m峰值的二级变换。过程600还可以利用由过程600在框640处获得的m峰值指数计算测量设备(例如，图1的设备110)和受试者之间的距离D。例如，如果每个窗口的带宽为约9.37Hz并且在框630处获得的窗口指数m峰值为58(即，在框610的初级变换的第58个窗口所检测的呼吸运动)，那么由受试者的动作所致使的所得频移为大约1087Hz(9.37Hz*58*2)。利用以上方程式2，可获得时间延迟为大约5.8ms，其对应于距受试者约1m的距离。
在框650处，过程600利用在框640处所计算的二级变换创建作为时间函数的受试者的胸部和/或腹腔的动作的运动波形(例如，图4A的运动波形440)。在框660处，过程600结束。
图7为根据本技术的实施例的配置成识别呼吸暂停事件的过程700的流程图。在框710，该过程分析运动波形中的峰值(例如，在图4A的运动波形440中所检测到的峰值444)。在一些实施例中，过程700被配置成确定对应于一个或多个所检测峰值的受试者的姿态(例如，仰卧、俯卧、非俯卧、坐、躺)。过程700可以被配置成例如监测测量设备(例如，图1的装置110)和受试者之间的距离(例如，图1的距离D)和/或定向。在某些实施例中，例如，过程700可以检测运动波形的一个或多个非周期性部分。过程700可以使受试者的运动波形的一个或多个所检测非周期性部分与一个或多个非呼吸运动(例如，翻身、坐着)相关联。如果，例如，受试者从其身体的一侧翻至另一侧，那么所得运动波形可达到稍微不同的距离。通过追踪呼吸信号出现的运动和距离，过程700可以确定受试者的定向。过程700还可以配置成利用受试者的定向信息来检测受试者的姿势性睡眠呼吸暂停。在一些实施例中，过程700可以被配置成区分例如仰卧姿势(即，受试者以其面部通常向上或远离床躺着)、俯卧姿势(即，受试者以其面部通常向下或朝向床躺着)和/或另一姿势或姿态的睡眠呼吸暂停。在一些实施例中，由过程700在框710处所确定的姿势信息可用于下文所讨论的后续框中。在另外的实施例中，过程700可在过程700的一个或多个其它框处确定受试者相对于测量设备的姿势或定向。
在决策框720处，过程700确定运动波形中的一个或多个峰值是否小于预定时间段(例如，大约5s和60s之间，或大约10s)的预定阈值(例如，比运动波形中的其它峰值小30％的幅度)。如果过程700确定运动波形中的多个峰值小于预定时间的预定阈值，那么过程700在框725处输出呼吸不足事件指示。否则，过程700进行至框730。
在框730处，过程700确定运动波形中的连续峰值是否由大于预定阈值时间(例如，10秒)的时间段间隔。如果过程700检测到运动波形中的连续峰值是由预定阈值时间或更长时间间隔的，那么过程700在框735处输出中枢性呼吸暂停事件的指示。否则，过程700进行至框740。
在决策框740处，过程700确定运动波形中的连续峰值是否包括第一峰值和随后的第二峰值，其中第二峰值的幅度为大于第一峰值的幅度的预定百分比(例如，30％、40％、50％、60％、70％、80％、90％、100％或者更高)。如果该过程检测到运动波形中的连续峰值中第二峰值具有大于第一峰值的预定百分比的幅度，那么过程700在框745处输出阻塞性呼吸暂停事件的指示。在一些实施例中，相反地，过程700可以检测到第一峰值和随后的第二峰值，其中第二峰值为小于第一峰值的预定百分比(例如，30％、40％、50％、60％、70％、80％、90％)。在决策框750处，过程700确定运动波形中是否存在额外的峰值。如果运动波形中存在额外峰值，那么过程700返回至框710。否则，过程700在框760处结束。
图8A至图8C示出了根据本技术的实施例的可由过程700(图7)识别的呼吸暂停/呼吸不足事件的示例。例如图8A为描绘了以上参照图7的框730所描述的中枢性呼吸暂停事件的一个示例的曲线图801。胸部运动波形840a包括由大于预定中枢性呼吸暂停阈值时间(例如，约10s)的时间T1(例如，约15s)所间隔的一对连续峰值844a和844b。
图8B为描绘了以上参照图7的框720所描述的呼吸不足事件的一个示例的曲线图802。运动波形840b包括多个峰值，包括第一峰值845a、第二峰值845b和第三峰值845c。第一峰值845a和第二峰值845b包括波形840b中的多个峰值，这些峰值在预定时间段T2(例如，约35s)期间具有小于预定阈值幅度(例如，比峰值845c的幅度小30％)的幅度。
图8C为描绘了以上参照图7的框740所描述的阻塞性呼吸暂停事件的一个示例的曲线图803。运动波形840c包括多个峰值，包括第一峰值846a和第二峰值846b。第二峰值846b的幅度比第一峰值846a或在波形840c中的在第二波形846b之前时间T3和/或在第二波形846b之后时间T4的其它峰值大ΔL(例如，40％、50％、75％)。
本申请可以由以下一个或多个示例限定：
1.一种操作设备以识别受试者中的睡眠呼吸暂停事件的方法，该方法包括：
使用该设备上的第一换能器向受试者发送声能，其中，换能器被配置成在包括小于20kHz的频率的频率范围内产生声能；
使用该设备上的第二换能器从受试者接收对应于所发送的声能的回波，其中，第二换能器被配置成产生对应于所接收的回波的电信号；
使用电子信号产生波形；检测波形中的多个峰值，其中，单个峰值具有对应的幅度和频率，并且进一步地，其中，单个峰值指示受试者的呼吸运动；以及
针对波形中的连续单个峰值之间的一段时间超出预定阈值时间的每次出现，输出睡眠呼吸暂停事件的指示。
2.如示例1所述的方法，其中，发送声能包括：从第一换能器发射多个音频啁啾，并且其中，单个音频啁啾在预定持续时间内从第一频率线性扫频到更高的第二频率。
3.如示例2所述的方法，其中，第一频率为大约18kHz，并且第二频率为20kHz或者更高。
4.如示例2或3所述的方法，其中，多个音频啁啾的至少一部分包括从第一换能器发送的调频连续波声音信号。
5.如示例2至4中任一项所述的方法，其中，产生波形包括：在比单个啁啾的预定持续时间更长的一段时间内，对所发射的音频啁啾和对应的所接收的回波进行傅里叶变换。
6.如示例5所述的方法，其中，该一段时间近似于单个啁啾的预定持续时间的10倍或者更长。
7.如示例1至6中任一项所述的方法，进一步包括针对多个发送/接收周期重复进行发送和接收，其中，产生波形进一步包括：为多个发送/接收周期中的每一个确定所发送的声能和对应的接收的回波之间的多个频移。
8.如示例1至7中任一项所述的方法，其中，产生波形包括：滤除具有小于大约18kHz的频率的信号。
9.如示例1至8中任一项所述的方法，进一步包括：针对每次出现波形中的单个峰值具有小于或等于预定阈值幅度的幅度和时间段时，输出睡眠呼吸暂停事件的指示。
10.如示例9所述的方法，进一步包括：针对每次出现波形中的连续单个峰值的幅度增加50％或更高，输出睡眠呼吸暂停事件的指示。
11.如示例10所述的方法，进一步包括输出受试者的呼吸暂停-呼吸不足指数，其中，输出受试者的呼吸暂停-呼吸不足指数包括确定在受试者的睡眠周期期间的睡眠呼吸暂停事件的总数和受试者的睡眠周期的时长的比率。
12.如示例1至11中任一项所述的方法，其中，发送声能包括：发送具有大于第一换能器和第二换能器之间的距离的一半的波长的声能。
13.一种操作电子设备以监测接近电子设备的受试者的活动的方法，该方法包括：
从可操作地耦合到电子设备的扬声器向受试者发射多个音频扫频信号，其中，单个音频扫频信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
在可操作地耦合到电子设备的麦克风处获取音频数据，其中，音频数据包括对应于由受试者向麦克风反向散射的单个音频扫频信号的回波信号；
处理所发射的音频扫频信号和所获取的音频数据以产生运动波形；检测运动波形中的一个或多个峰值，其中单个峰值指示受试者的活动；以及
基于一个或多个所检测到的峰值输出受试者的活动的指示。
14.如示例13所述的方法，其中，第一频率为大约18kHz，并且第二频率为20kHz或更高，并且进一步地，其中，多个音频扫频信号的至少一部分包括调频连续波声音信号。
15.如示例13或14所述的方法，其中，处理进一步包括：
计算所发射的音频扫频信号和回波信号的多个频域表示，其中，在持续了单个音频扫频信号的预定持续时间的预定倍数的时间段内，计算频域表示；以及
确定单个频域表示中相对于第一频率的频移。
16.如示例13至15中任一项所述的方法，其中，单个峰值指示受试者的胸部和/或腹部的活动，其中，单个峰值具有对应的幅度，并且其中，输出对受试者的活动的指示进一步包括：针对每次出现运动波形中的连续单个峰值之间的一段时间超出预定阈值时间，输出睡眠呼吸暂停事件的指示。
17.如示例16所述的方法，其中，输出对受试者的活动的指示进一步包括：针对每次出现波形中的单个峰值具有小于或等于预定阈值幅度的幅度，输出睡眠呼吸暂停事件的指示。
18.如示例16或17所述的方法，其中，输出对受试者的活动的指示进一步包括：针对每次出现波形中的连续单个峰值的幅度增加50％或更高，输出睡眠呼吸暂停事件的指示。
19.如示例13至18中任一项所述的方法，进一步包括：
将检测到的峰值的频率与预定呼吸频率进行比较，其中，输出对受试者的活动的指示包括：如果所检测到的峰值的频率大于等于预定呼吸频率的115％，输出受试者可能存在慢性阻塞性肺疾病的指示。
20.一种计算机程序产品，包括非临时性计算机可读存储介质，其存储了用于执行操作以输出受试者睡眠呼吸暂停事件指示的可执行的计算机可用程序代码，该操作包括：
将多个啁啾信号发送至可操作地耦合到移动设备的第一换能器，其中，单个啁啾信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
从可操作地耦合到移动设备的第二换能器获取回波数据，其中，回波数据包括对应于由受试者朝向第二换能器反射的单个啁啾信号的数据；
解调所获取的回波数据以获得指示受试者的呼吸运动的运动信号；
检测运动信号中的一个或多个幅度峰值；以及
如果运动信号中的连续单个幅度峰值之间的一段时间超出预定阈值时间，输出睡眠呼吸暂停事件的指示。
21.如示例20所述的计算机程序产品，其中，操作进一步包括：针对预定次数的发送/获取周期重复进行发送和获取，其中，解调所获取的回波数据包括：进行所述预定次数的发送/获取周期的单傅立叶变换。
以上对本技术的实施例的详细描述并非意图穷举，或者将本申请限制为以上公开的精确形式。虽然以上为了说明的目而对本技术的具体实施例和示例进行描述，但是如相关领域的技术人员将会认识到的，可以在本技术的范围内进行各种等效修改。例如，虽然以给定顺序呈现步骤，但是备选实施例可以以不同的顺序执行步骤。还可以对本文所述的各种实施方案进行组合，以提供适用于人类生理行为和疾病的范围广泛的进一步的实施例。
而且，除非明确地将“或”一词限制为仅指除引用的两项或更多项列表中的其它项之外的单项，否则，在该列表中使用的“或”将被解释为包括(a)列表中的任何单项，(b)列表中的所有项，或者(c)列表中各项的任何组合。在上下文允许的情况下，单数或复数术语也可分别包括复数或单数术语。另外，全文使用的术语“包括”意指包括至少所引述的特征，使得不排除任何更多数量的相同特征和/或附加类型的其它特征。还将理解的是，本文已经描述了具体实施例用于说明的目的，但是在不脱离本申请的情况下可以进行各种修改。进一步地，虽然已经在这些实施例的上下文中描述了与该技术的某些实施例相关联的优点，但是其它实施例也可以展现出这样的优点，并且并非所有实施例都必须展现出这样的优点以落入本申请范围。因此，本申请和相关技术可以包括本文未明确示出或描述的其它实施例。

Claims (10)

1.一种操作电子设备以识别受试者的睡眠呼吸暂停事件或监测与电子设备间隔开且不接触所述电子设备的受试者的活动的方法，所述方法包括：
使用所述电子设备上的第一换能器向所述受试者发送声能，其中，所述换能器被配置成在包括小于20kHz的频率的频率范围内产生声能；
使用所述电子设备上的第二换能器从所述受试者接收对应于所发送的声能的回波，其中，所述第二换能器被配置成产生对应于所接收的回波的电信号；
使用所述电信号产生波形；
检测所述波形中的多个峰值，其中，单个峰值具有对应的幅度，并且进一步地，其中，单个峰值指示所述受试者的呼吸运动；以及
针对所述波形中的连续单个峰值之间的一段时间超出预定阈值时间的每次出现，输出睡眠呼吸暂停事件或活动的指示。
2.一种操作电子设备以监测接近所述电子设备的受试者的腹部或胸部的活动的方法，所述方法包括：
从可操作地耦合到所述电子设备的扬声器向所述受试者的腹部或胸部发射多个音频扫频信号，其中，单个音频扫频信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
在可操作地耦合到所述电子设备的麦克风处获取音频数据，其中，所述音频数据包括对应于由所述受试者的腹部或胸部向所述麦克风反向散射的单个音频扫频信号的回波信号；
处理所获取的音频数据以产生运动波形；
检测所述运动波形中的一个或多个峰值，其中，单个峰值指示所述受试者的腹部或胸部的活动；以及
基于一个或多个所检测到的峰值输出所述受试者的腹部或胸部的活动的指示。
3.一种计算机程序产品，包括非临时性计算机可读存储介质，其存储了用于执行操作以输出与电子设备间隔开且不接触电子设备的受试者睡眠呼吸暂停事件指示的可执行的计算机可用程序代码，所述操作包括：
将多个啁啾信号发送至可操作地耦合到移动设备的第一换能器，其中，单个啁啾信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
从可操作地耦合到所述移动设备的第二换能器获取回波数据，其中，所述回波数据包括对应于由所述受试者朝向所述第二换能器反射的单个啁啾信号的数据；
解调所获取的回波数据以获得指示所述受试者的呼吸运动的运动信号；
检测所述运动信号中的一个或多个幅度峰值；以及
如果所述运动信号中的连续单个幅度峰值之间的一段时间超出预定阈值时间，输出睡眠呼吸暂停事件的指示。
4.一种计算机可读存储介质，其存储了指令，当被计算机系统运行时，使得所述计算机系统执行操作，包括：
从电子设备向与电子设备间隔开且不接触所述电子设备的受试者的腹部或胸部发射音频扫频信号，其中单个音频扫描信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
从可操作地耦合到所述移动设备的麦克风获取回波数据，其中，所述回波数据包括对应于由所述受试者朝向所述麦克风反射的单个音频扫描信号的数据；
解调所获取的回波数据以获得指示所述受试者的呼吸运动的运动信号；
检测所述运动信号中的一个或多个幅度峰值；以及
基于一个或多个所检测到的峰值输出所述受试者的腹部或胸部的活动的指示，其中所述活动的指示与受试者的一种或多种医学状况有关。
5.一种操作电子设备以监测与电子设备间隔开且不接触所述电子设备的受试者的活动的方法，所述方法包括：
从可操作地耦合到所述电子设备的第一换能器向所述受试者发送声能，其中，所述第一换能器被配置成产生在包括小于20kHz的频率的频率范围内产生声能；
使用可操作地耦合至所述电子设备的第二换能器从所述受试者接收对应于所发送的声能的回波，其中，所述第二换能器被配置成产生对应于所接收的回波的电信号；
使用所述电信号产生波形；
检测所述波形中的多个峰值，其中，单个峰值具有对应的幅度，并且进一步地，其中，单个峰值指示所述受试者的呼吸运动。
6.一种操作电子设备以识别受试者的睡眠呼吸暂停事件或监测接近所述电子设备的受试者的活动的方法，所述方法包括：
使用所述电子设备上的第一换能器向所述受试者发送声能，其中，发送所述声能包括从所述第一换能器发射多个音频啁啾，且其中，单个音频啁啾在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
使用所述电子设备上的第二换能器从所述受试者接收对应于所发送的声能的回波，其中，所述第二换能器被配置成产生对应于所接收的回波的电信号；
使用所述电信号产生波形；
检测所述波形中的多个峰值，其中，单个峰值具有对应的幅度，并且进一步地，其中，单个峰值指示所述受试者的呼吸运动；以及
针对所述波形中的连续单个峰值之间的一段时间超出预定阈值时间的每次出现，输出睡眠呼吸暂停事件或活动的指示。
7.一种计算机程序产品，包括非临时性计算机可读存储介质，其存储了用于执行操作以输出受试者的睡眠呼吸暂停事件指示的可执行的计算机可用程序代码，所述操作包括：
将多个啁啾信号发送至可操作地耦合到移动设备的第一换能器，其中，单个啁啾信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
从可操作地耦合到所述移动设备的第二换能器获取回波数据，其中，所述回波数据包括对应于由所述受试者朝向所述第二换能器反射的单个啁啾信号的数据；
解调所获取的回波数据以获得指示所述受试者的呼吸运动的运动信号；
检测所述运动信号中的一个或多个幅度峰值；以及
如果所述运动信号中的连续单个幅度峰值之间的一段时间超出预定阈值时间，输出睡眠呼吸暂停事件的指示。
8.一种操作电子设备以识别受试者的睡眠呼吸暂停事件的方法，所述方法包括：
使用所述电子设备上的第一换能器向所述受试者发送声能，其中，所述换能器被配置成在包括小于20kHz的频率的频率范围内产生声能；
使用所述电子设备上的第二换能器从所述受试者接收对应于所发送的声能的回波，其中，所述第二换能器被配置成产生对应于所接收的回波的电信号；
使用所述电信号产生波形；
检测所述波形中的多个峰值，其中，单个峰值具有对应的幅度，并且进一步地，其中，单个峰值指示所述受试者的呼吸运动；以及
针对所述波形中的连续单个峰值之间的一段时间超出预定阈值时间的每次出现，输出睡眠呼吸暂停事件的指示。
9.一种操作电子设备以监测接近所述电子设备的受试者的活动的方法，所述方法包括：
从可操作地耦合到所述电子设备的扬声器向所述受试者发射多个音频扫频信号，其中，单个音频扫频信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
在可操作地耦合到所述电子设备的麦克风处获取音频数据，其中，所述音频数据包括对应于由所述受试者向所述麦克风反向散射的单个音频扫频信号的回波信号；
处理所获取的音频数据以产生运动波形，其中所述处理包括：计算所发射的音频扫频信号和所述回波信号的多个频域表示；
检测所述运动波形中的一个或多个峰值，其中，单个峰值指示所述受试者的腹部或胸部的活动；以及
基于一个或多个所检测到的峰值输出所述受试者的活动的指示。
10.一种非临时性计算机可读存储介质，其存储了用于使计算机执行操作以输出受试者的睡眠呼吸暂停事件指示的计算机可用程序代码，所述操作包括：
将多个啁啾信号发送至可操作地耦合到移动设备的第一换能器，其中，单个啁啾信号在预定持续时间内从小于20kHz的第一频率线性扫频到更高的第二频率；
从可操作地耦合到所述移动设备的第二换能器获取回波数据，其中，所述回波数据包括对应于由所述受试者朝向所述第二换能器反射的单个啁啾信号的数据；
解调所获取的回波数据以获得指示所述受试者的呼吸运动的运动信号；
检测所述运动信号中的一个或多个幅度峰值；以及
如果所述运动信号中的连续单个幅度峰值之间的一段时间超出预定阈值时间，输出睡眠呼吸暂停事件的指示。
CN202111382416.0A 2014-12-08 2015-09-30 识别受试者的运动的系统和方法 Pending CN114224317A (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201462089130P 2014-12-08 2014-12-08
US62/089,130 2014-12-08
US201562152519P 2015-04-24 2015-04-24
US62/152,519 2015-04-24
PCT/US2015/053288 WO2016093927A2 (en) 2014-12-08 2015-09-30 Systems and methods of identifying motion of a subject
CN201580075628.0A CN107205721A (zh) 2014-12-08 2015-09-30 识别受试者的运动的系统和方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201580075628.0A Division CN107205721A (zh) 2014-12-08 2015-09-30 识别受试者的运动的系统和方法

Publications (1)

Publication Number Publication Date
CN114224317A true CN114224317A (zh) 2022-03-25

Family

ID=56108342

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202111382416.0A Pending CN114224317A (zh) 2014-12-08 2015-09-30 识别受试者的运动的系统和方法
CN201580075628.0A Pending CN107205721A (zh) 2014-12-08 2015-09-30 识别受试者的运动的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201580075628.0A Pending CN107205721A (zh) 2014-12-08 2015-09-30 识别受试者的运动的系统和方法

Country Status (7)

Country Link
US (3) US10638972B2 (zh)
EP (1) EP3229694A4 (zh)
JP (1) JP6564040B2 (zh)
CN (2) CN114224317A (zh)
AU (1) AU2015361171B2 (zh)
NZ (1) NZ732493A (zh)
WO (1) WO2016093927A2 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114224317A (zh) 2014-12-08 2022-03-25 华盛顿大学 识别受试者的运动的系统和方法
US10386482B2 (en) * 2016-01-25 2019-08-20 Board Of Regents, The University Of Texas System Device-free tracking system that accurately tracks hand movement
US11324950B2 (en) 2016-04-19 2022-05-10 Inspire Medical Systems, Inc. Accelerometer-based sensing for sleep disordered breathing (SDB) care
JP6779291B2 (ja) * 2016-06-17 2020-11-04 シチズン時計株式会社 検出装置、情報入力装置及び見守りシステム
JP7110183B2 (ja) * 2016-09-19 2022-08-01 レスメッド センサー テクノロジーズ リミテッド 音声信号およびマルチモード信号から生理学的動きを検出するための装置、システムおよび方法
WO2018089789A1 (en) 2016-11-10 2018-05-17 The Research Foundation For The State University Of New York System, method and biomarkers for airway obstruction
US11615688B2 (en) * 2017-12-22 2023-03-28 Resmed Sensor Technologies Limited Apparatus, system, and method for motion sensing
CN111655135B (zh) * 2017-12-22 2024-01-12 瑞思迈传感器技术有限公司 用于车辆中的生理感测的设备、系统和方法
KR102658390B1 (ko) * 2017-12-22 2024-04-17 레스메드 센서 테크놀로지스 리미티드 건강 및 의료 감지를 위한 장치, 시스템, 및 방법
US11903724B2 (en) * 2018-03-19 2024-02-20 Onera Technologies B.V. Method and a system for detecting a respiratory event of a subject and a method for forming a model for detecting a respiratory event
KR102068330B1 (ko) * 2018-03-22 2020-01-20 서울대학교산학협력단 수면 무호흡 중증도 검사 장치
US20210121096A1 (en) * 2018-05-23 2021-04-29 University Of Washington Respiratory failure detection systems and associated methods
NL2021018B1 (en) * 2018-05-30 2019-12-10 Orange Castle Entpr B V An electronic device for reduction of snoring of an individual
CA3101989A1 (en) * 2018-06-01 2019-12-05 Somnomed Technologies Inc. Sleep diagnostic system and method
EP3798685B1 (en) * 2018-06-05 2021-11-10 Google LLC Systems and methods of ultrasonic sensing in smart devices
CN109009125B (zh) * 2018-06-07 2019-05-28 上海交通大学 基于移动终端音频的驾驶员细粒度呼吸监测方法及系统
CN109480783B (zh) * 2018-12-20 2022-02-18 深圳和而泰智能控制股份有限公司 一种呼吸暂停检测方法、装置及计算设备
CN117694838A (zh) * 2019-03-28 2024-03-15 旭日有限公司 包括感测单元和数据处理设备的用于识别睡眠障碍的系统
CN110251095A (zh) * 2019-05-14 2019-09-20 周常安 指戴式生理装置及系统
KR102091974B1 (ko) * 2019-07-25 2020-03-24 정기섭 Fmcw 레이더를 이용한 위치 추적 및 호흡(심박) 패턴 측정 방법
WO2021016536A1 (en) 2019-07-25 2021-01-28 Inspire Medical Systems, Inc. Systems and methods for operating an implantable medical device based upon sensed posture information
EP3838137A1 (en) * 2019-12-19 2021-06-23 Koninklijke Philips N.V. Automated and objective symptom severity score
JP2023525692A (ja) * 2020-04-30 2023-06-19 レズメド センサー テクノロジーズ リミテッド 覚醒サービス
CN114098794A (zh) * 2020-08-28 2022-03-01 华为技术有限公司 人体健康状况的检测方法及装置
KR102639644B1 (ko) 2020-10-01 2024-02-23 선라이즈 에스에이 수면중인 피검자의 호흡 곤란 감소를 위한 웨어러블 장치
CN114431891A (zh) * 2020-10-30 2022-05-06 华为技术有限公司 监测睡眠的方法和相关电子设备
US20220202358A1 (en) * 2020-12-29 2022-06-30 Industrial Technology Research Institute Electronic device and method for detecting apnea
US20230218225A1 (en) * 2022-01-11 2023-07-13 Sleep Number Corporation Centralized hub device for determining and displaying health-related metrics

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6375621B1 (en) * 1987-03-06 2002-04-23 Ocean Laboratories, Inc. Passive apnea monitor
US20050038353A1 (en) * 2003-08-14 2005-02-17 Rapoport David M. Positive airway pressure system and method for treatment of sleeping disorder in patient
US20060009703A1 (en) * 2004-07-08 2006-01-12 Griffin Dennis P System and method for monitoring a respiration rate of an occupant of a predetermined volume
CN101489478A (zh) * 2006-06-01 2009-07-22 必安康医疗有限公司 用于监视生理症状的装置、系统和方法
US20100204550A1 (en) * 2009-02-06 2010-08-12 Biancamed Limited Apparatus, system and method for chronic disease monitoring
US20100268093A1 (en) * 2009-04-20 2010-10-21 Mindray Ds Usa, Inc. Method and system to measure ecg and respiration
WO2011009085A2 (en) * 2009-07-17 2011-01-20 Oregon Health & Science University Method and apparatus for assessment of sleep disorders
WO2011161680A2 (en) * 2010-06-23 2011-12-29 Oridion Medical 1987 Ltd. Method and system for sleep disturbance analysis

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5826238A (ja) * 1981-08-08 1983-02-16 Fujitsu Ltd 超音波による圧力測定方式
US4958638A (en) 1988-06-30 1990-09-25 Georgia Tech Research Corporation Non-contact vital signs monitor
US6062216A (en) * 1996-12-27 2000-05-16 Children's Medical Center Corporation Sleep apnea detector system
US6083173A (en) * 1998-03-06 2000-07-04 Research Foundation Of State University Of New York Artificial neural network for predicting respiratory disturbances and method for developing the same
US6171258B1 (en) * 1998-10-08 2001-01-09 Sleep Solutions, Inc. Multi-channel self-contained apparatus and method for diagnosis of sleep disorders
US20040044288A1 (en) 2002-09-03 2004-03-04 Miguel Gorenberg Apparatus and method for non-invasive monitoring of cardiac output
JP4137963B2 (ja) 2006-09-08 2008-08-20 三菱鉛筆株式会社 筆記具
US20110237948A1 (en) 2009-01-30 2011-09-29 Engineered Vigilance, Llc Ultrasound probe for use with device performing non-contact respiratory monitoring
US20110208060A1 (en) 2010-02-24 2011-08-25 Haase Wayne C Non-contact Biometric Monitor
US8301232B2 (en) * 2010-06-08 2012-10-30 Alivecor, Inc. Wireless, ultrasonic personal health monitoring system
US20130155031A1 (en) * 2010-06-29 2013-06-20 Elliptic Laboratories As User control of electronic devices
CN103167828B (zh) * 2010-10-20 2016-02-24 皇家飞利浦电子股份有限公司 用于诊断清醒的患者的阻塞性睡眠呼吸暂停的方法和装置
EP2517621A1 (en) 2011-04-29 2012-10-31 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO A radar apparatus for detecting multiple life-signs of a subject, a method and a computer program product
JP2013072865A (ja) 2011-09-29 2013-04-22 Oki Electric Ind Co Ltd 検出装置、検出方法、およびプログラム
CN114224317A (zh) 2014-12-08 2022-03-25 华盛顿大学 识别受试者的运动的系统和方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6375621B1 (en) * 1987-03-06 2002-04-23 Ocean Laboratories, Inc. Passive apnea monitor
US20050038353A1 (en) * 2003-08-14 2005-02-17 Rapoport David M. Positive airway pressure system and method for treatment of sleeping disorder in patient
US20060009703A1 (en) * 2004-07-08 2006-01-12 Griffin Dennis P System and method for monitoring a respiration rate of an occupant of a predetermined volume
CN101489478A (zh) * 2006-06-01 2009-07-22 必安康医疗有限公司 用于监视生理症状的装置、系统和方法
US20140163343A1 (en) * 2006-06-01 2014-06-12 Resmed Sensor Technologies Limited Apparatus, system, and method for monitoring physiological signs
US20100204550A1 (en) * 2009-02-06 2010-08-12 Biancamed Limited Apparatus, system and method for chronic disease monitoring
US20100268093A1 (en) * 2009-04-20 2010-10-21 Mindray Ds Usa, Inc. Method and system to measure ecg and respiration
WO2011009085A2 (en) * 2009-07-17 2011-01-20 Oregon Health & Science University Method and apparatus for assessment of sleep disorders
WO2011161680A2 (en) * 2010-06-23 2011-12-29 Oridion Medical 1987 Ltd. Method and system for sleep disturbance analysis

Also Published As

Publication number Publication date
EP3229694A2 (en) 2017-10-18
JP6564040B2 (ja) 2019-08-21
US20170347951A1 (en) 2017-12-07
AU2015361171A1 (en) 2017-06-22
JP2018504166A (ja) 2018-02-15
WO2016093927A3 (en) 2016-09-01
NZ732493A (en) 2022-07-29
US20200297273A1 (en) 2020-09-24
US20240081733A1 (en) 2024-03-14
US10638972B2 (en) 2020-05-05
WO2016093927A2 (en) 2016-06-16
EP3229694A4 (en) 2018-07-25
AU2015361171B2 (en) 2020-07-02
CN107205721A (zh) 2017-09-26
US11660046B2 (en) 2023-05-30

Similar Documents

Publication Publication Date Title
US11660046B2 (en) Systems and methods of identifying motion of a subject
US11690519B2 (en) Apparatus, system, and method for monitoring physiological signs
JP5533726B2 (ja) 睡眠時無呼吸判定装置
JP6353194B2 (ja) 身体情報測定装置
CN108042108A (zh) 一种基于体震信号的睡眠质量监测方法与系统
CN107913060A (zh) 用于监测心跳的方法及装置
CN107928674B (zh) 一种基于声波测距的非接触式呼吸检测方法
US10849569B2 (en) Biological information measurement device and system
Liu et al. Human biometric signals monitoring based on wifi channel state information using deep learning
US20210121096A1 (en) Respiratory failure detection systems and associated methods
TW201400088A (zh) 睡眠鼾聲檢查設備
Luo et al. A simple method for monitoring sleeping conditions by all-night breath sound measurement
KR102270546B1 (ko) 무호흡 탐지 시스템
US10213114B2 (en) System and method for breathing rate measurements
Song et al. Engagement-Free and Contactless Bed Occupancy and Vital Signs Monitoring

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