CN115175608A - 用于使用接触传感器来检测呼吸信息的系统和方法 - Google Patents
用于使用接触传感器来检测呼吸信息的系统和方法 Download PDFInfo
- Publication number
- CN115175608A CN115175608A CN202080096733.3A CN202080096733A CN115175608A CN 115175608 A CN115175608 A CN 115175608A CN 202080096733 A CN202080096733 A CN 202080096733A CN 115175608 A CN115175608 A CN 115175608A
- Authority
- CN
- China
- Prior art keywords
- patient
- sensor
- sensor device
- contact
- determining
- 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
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
- A61B5/08—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
- A61B5/1116—Determining posture transitions
-
- 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
-
- 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
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/6822—Neck
-
- 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
- A61B5/6844—Monitoring or controlling distance between sensor and tissue
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Anesthesiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种用于监测患者的方法包括:从传感器装置接收传感器信号;从所述传感器信号中提取移动信息;基于所述移动信息来确定所述传感器装置与患者的身体部位之间的感测时段;并且基于在所述感测时段期间发生的所述传感器信号来确定所述患者的呼吸速率。所述传感器信号可以是从被包含在相对于所述患者的所述身体部位移动的可穿戴物件上或内的传感器装置接收的。作为所述可穿戴物件的移动的结果,所述传感器装置以间歇性模式与患者发生接触和非接触。所述可穿戴物件可以是例如项链上的吊坠。
Description
技术领域
本公开内容总体上涉及处理信息,并且更具体地但非排他性地涉及检测和处理指示生理信息的传感器信号。
背景技术
监测呼吸可以提供关于患者健康的重要信息。在生理上,实现呼吸所需的肺部运动是通过横膈膜和肋间外肌的运动来完成的。当横膈膜收缩时,会产生压力差,从而引起空气进入肺部。这个动作与肋间肌肉的收缩相协调,这种收缩引起肋骨抬升并扩张整个胸腔,从而允许更多量的空气进入。与胸壁扩张相耦合的吸入空气会引起健康患者的胸部直径增加多达几厘米。
就发病率而言,呼吸速率是用于在转变后(尤其是在出院后阶段)急性虚弱的老年人群中进行监测的最相关的生命体征。大量临床文献表明:呼吸速率的变化是对不良事件(例如,心脏骤停和急诊科就诊后进入重症监护室)的强有力的预测因素。进入重症监护室可能由例如慢性呼吸系统病症(例如,慢性阻塞性肺病)的恶化引起的。呼吸速率监测还可以提供对其他代谢相关病症(例如,糖尿病酮症酸中毒、毒理学反应和热应激引发的脱水)的洞察。
对于许多患者(尤其是那些有上面提到的某些病症的患者)来说,在家中或者在医院或其他医疗机构以外的环境中监测呼吸速率将是有益的。可能与家庭监测呼吸速率特别相关的两个示例是检测手术后患者的睡眠呼吸暂停和突发性呼吸抑制。
现有的用于检测呼吸速率的监测器具有许多缺点。例如,现有的监测器必须由经过训练的专业人员以专业方式应用于患者。这需要患者去医院或其他医疗机构,这样既不方便又非常延迟。而且,为了获得准确的读取结果,需要将现有的监测器固定在患者身上。这显著限制了患者进行正常活动(例如,在家中或者在其他类型的非临床环境中进行的活动)的能力。前述缺点转化成额外问题。例如,在临床环境中使用固定监测器将测量呼吸速率的时间限制在小窗口内,例如仅在患者处于临床环境并且监测器实际上被固定在患者身上的时间段内。因此,用现有的呼吸速率监测器在白天和晚上一直重复测量呼吸速率既不可行又不切实际。
发明内容
下面提出了对各种示例实施例的简要概述。在下面的概述中可以做出一些简化和省略,其目的在于突出和介绍各种示例实施例的一些方面,而不是限制本发明的范围。将在后面的章节中详细描述示例实施例,这些示例实施例足以允许本领域普通技术人员实践和使用本发明的构思。
根据一个或多个实施例,一种用于监测患者的方法包括:从传感器装置接收传感器信号;从所述传感器信号中提取移动信息;基于所述移动信息来确定所述传感器装置与患者的身体部位之间的感测时段;并且基于在所述感测时段期间发生的所述传感器信号来确定所述患者的呼吸速率,其中,所述传感器信号是从被包含在相对于所述患者的所述身体部位移动的可穿戴物件上或内的传感器装置接收的,作为所述可穿戴物件的移动的结果,所述传感器装置以间歇性模式与患者发生接触和非接触。所述可穿戴物件可以是项链上的吊坠。
所述感测时段可以包括所述传感器装置与所述患者的所述身体部位之间的接触时段。确定所述感测时段可以包括:确定所述传感器装置与所述患者的所述身体部位之间的一个或多个非接触时段,并且排除所述一个或多个非接触时段以确定所述传感器装置与所述患者的所述身体部位之间的接触时段,所述接触时段与所述感测时段相对应。
所述移动信息可以指示所述可穿戴物件沿着三个方向轴的子集的移动。所述子集可以包括:所述三个方向轴中的一个轴并且排除其余两个轴,或所述三个方向轴中的两个方向轴的组合。所述方法可以包括:将沿着所述三个方向轴中的两个方向轴的组合生成的所述传感器信号进行组合以生成所述移动信息。
确定所述接触时段可以包括:确定至少一个时间窗口,在所述至少一个时间窗口中,所述移动信息指示所述可穿戴物件沿着三个方向轴的所述子集的移动至少低于第一预定值。所述第一预定值可以指示坐着状态、躺下状态、静止站立状态或睡眠状态。
确定所述至少一个时间窗口可以包括:识别多个候选时间窗口,基于至少一个参数对所述候选时间窗口进行分级,并且从所述多个候选时间窗口中选择所述至少一个时间窗口,其中,所述至少一个参数与所述多个候选时间窗口中的每个候选时间窗口中的所述传感器信号的至少一个参数相对应,并且其中,所述候选时间窗口的未被选择的候选时间窗口因为包含噪声或杂散信号而被丢弃。所述传感器信号的所述至少一个参数可以基于所述多个候选窗口中的所述传感器信号的幅度。所述传感器信号的所述至少一个参数可以基于所述传感器装置的灵敏度。所述传感器信号的所述至少一个参数可以基于所述多个候选时间窗口中的所述传感器信号的中值。
所述方法可以包括:基于在与所述感测时段相对应的一个或多个候选呼吸间隔期间的所述传感器信号的幅度来生成中值,所述中值是至少针对三个方向轴的子集生成的并且指示所述可穿戴物件的一个或多个对应取向;针对在与所述感测时段相对应的所述一个或多个候选呼吸间隔期间的所述传感器信号生成方差值,所述方差值是至少针对所述三个方向轴的所述子集生成的并且指示所述可穿戴物件的一个或多个对应运动水平;并且基于所述中值中的一个或多个中值和所述方差值中的一个或多个方差值来确定所述传感器装置与患者的所述身体部位之间的所述接触时段。确定所述呼吸速率可以包括:基于所述感测时段中的所述传感器信号来生成功率谱估计结果和跨谱估计结果;并且基于所述功率谱估计结果来计算所述呼吸速率。
根据一个或多个其他实施例,一种监测器包括:存储器,其被配置为存储指令;以及处理器,其被配置为运行所述指令以生成针对要被监测的患者的信息,所述处理器包括:(a)接触检测器,其被配置为:从传感器装置接收传感器信号,从所述传感器信号中提取移动信息,并且基于所述移动信息来确定所述传感器装置与患者的身体部位之间的感测时段;以及(b)呼吸速率计算器,其被配置为基于在所述感测时段期间发生的所述传感器信号来确定所述患者的呼吸速率,其中,所述传感器信号是从被包含在相对于所述患者的所述身体部位移动的可穿戴物件上或内的传感器装置接收的,作为所述可穿戴物件的移动的结果,所述传感器装置以间歇性模式与患者发生接触和非接触。
所述感测时段可以包括所述传感器装置与所述患者的所述身体部位之间的接触时段。确定所述感测时段可以包括:确定所述传感器装置与所述患者的所述身体部位之间的一个或多个非接触时段,并且排除所述一个或多个非接触时段以确定所述传感器装置与所述患者的所述身体部位之间的接触时段,所述接触时段与所述感测时段相对应。所述移动信息可以指示所述可穿戴物件沿着三个方向轴的子集的移动。所述子集可以包括:所述三个方向轴中的一个轴并且排除其余两个轴,或所述三个方向轴中的两个方向轴的组合。
所述接触检测器可以被配置为将沿着所述三个方向轴中的两个方向轴的组合生成的所述传感器信号进行组合以生成所述移动信息。所述接触检测器可以通过确定至少一个时间窗口来确定所述感测时段,在所述至少一个时间窗口中,所述移动信息指示所述可穿戴物件沿着三个方向轴的所述子集的移动至少低于第一预定值。所述第一预定值可以指示坐着状态、躺下状态、静止站立状态或睡眠状态。
所述接触检测器可以通过以下操作来确定所述至少一个时间窗口:识别多个候选时间窗口,基于至少一个参数对所述候选时间窗口进行分级,并且从所述多个候选时间窗口中选择所述至少一个时间窗口,其中,所述至少一个参数与所述多个候选时间窗口中的每个候选时间窗口中的所述传感器信号的至少一个参数相对应,并且其中,所述候选时间窗口的未被选择的候选时间窗口因为包含噪声或杂散信号而被丢弃。所述传感器信号的所述至少一个参数可以基于:所述多个候选窗口中的所述传感器信号的幅度,所述传感器装置的灵敏度,或以上两者。
附图说明
贯穿所有单独视图,相似的附图标记指示完全相同或功能相似的元件,附图被包含在说明书中并且形成说明书的部分,并且用于说明在权利要求中发现的构思的示例实施例,并且解释这些实施例的各种原理和优点。在下面的说明书中,参考附图更充分地公开了这些特定特征和其他特定特征,在附图中:
图1图示了用于确定呼吸信息的监测系统(或监测器)的实施例;
图2图示了包括传感器装置的可穿戴物件的示例;
图3图示了用于确定呼吸信息的方法的实施例;
图4图示了用于计算呼吸信息的方法的实施例;
图5图示了用于确定呼吸信息的方法的实施例;
图6A和图6B图示了图5方法的额外操作;
图7图示了图5和图6的方法的额外操作;
图8图示了用于重新配置触发设备的方法的实施例;
图9A至9C图示了传感器装置的不同轴之间的运动水平的联合分布的示例;
图10图示了加速度计信号的图形的示例;
图11图示了包括针对相同CRI中的一个或多个CRI内的多个窗口计算的多个跨谱估计结果的示例的图形;
图12A图示了针对两个加速度计轴的运动水平,并且图12B图示了针对要用于选择窗口的两个轴的中值加速度计值的示例;
图13A至13D图示了用于在加速度信号中识别样本组的操作的示例;并且
图14图示了来自针对多个窗口的所选择的两个轴的多个跨谱功率谱估计结果的示例。
具体实施方式
应当理解,这些附图仅仅是示意图且并未按比例绘制。还应理解,贯穿所有附图,使用相同的附图标记来指示相同或相似的部分。
描述和附图说明了各种示例实施例的原理。因此,将意识到,本领域技术人员将能够设计出虽未在本文中明确描述或示出但体现了本发明的原理并被包括在本发明的范围内的各种布置。此外,本文列举的所有示例原则上明确旨在用于教导目的以辅助读者理解本发明的原理和(一个或多个)发明人为进一步发展本领域所贡献的构思,并且应被解释为不限于这样特定记载的实例和状况。另外,除非另外指出(例如,“或其他”或“或替代地”),否则本文所用的术语“或”是指非排他性的或(即,和/或)。而且,本文描述的各种示例实施例并非一定是互相排斥的,因为一些示例实施例能够与一个或多个其他示例实施例结合以形成新的示例实施例。诸如“第一”、“第二”、“第三”之类的描述符并不意味着限制所讨论元件的顺序,而是用于将一个元件与另一元件区分开,并且它们通常是可互换的。诸如最大值或最小值之类的值可以是预定的并且可以基于应用被设置为不同的值。
示例实施例描述了用于基于由没有被固定到患者的身体或者没有与患者的身体持续接触的传感器装置生成的信号来检测呼吸信息的系统和方法。传感器装置可以包括一个或多个传感器,这一个或多个传感器被配置为被包括在可穿戴物件(例如,项链的吊坠)中或上,在佩戴传感器装置的整个时段期间,可穿戴物件与患者的至少一个身体部位发生间歇性物理接触。通过可穿戴物件相对于至少一个身体部位的移动,可以产生间歇性物理接触,这种移动是由患者的运动或位置引起的。
由于传感器装置与患者的身体的一个或多个部分发生间歇性接触,而在这个过程中可以采集有意义的传感器信号,因此该方法和设备可以包括以下特征:处理传感器信号以区分当传感器信号仅由噪声构成或主要是噪声的时段与当传感器信号包括可行的呼吸速率信息时的时段。一旦做出了这种确定,就可以处理传感器信号以确定患者的呼吸速率。这些实施例可以由任何人使用,但是对于患有哮喘、慢性阻塞性肺病、睡眠呼吸暂停或任何其他重点关注呼吸速率的病症的患者来说特别有用。
图1图示了用于基于由传感器装置生成的信号来确定呼吸信息的系统100的实施例。在这个实施例中,传感器装置80被包含在由要对其进行呼吸信息监测的患者佩戴的项链90的吊坠85内。虽然传感器装置在该实施例中是在基于吊坠的应用中,但是传感器装置也可以被包括在另一类型的附件或可穿戴物件中,所述另一类型的附件或可穿戴物件发生移动并且至少间歇性地与患者的胸部或其他身体区发生接触。例如,这样的间歇性接触可以被称为例如松散固定应用。
参考图1,该系统包括监测控制器10、存储器20和存储区30。在该实施例中,通过无线链接95和接口50将监测控制器连接到传感器装置。无线链接可以是例如短距离链接,包括但不限于蓝牙连接或Wi-Fi连接。当短距离链接是蓝牙连接时,监测控制器10可以位于患者携带的智能手机或其他移动处理设备中。在这种情况下,可以将监测控制器实施为例如由处理器运行的应用程序、处理核、集成电路芯片或在设备中驻留的其他形式的逻辑单元。
当短距离链接是Wi-Fi连接时,监测控制器10可以位于基站、服务器、计算机或其他连接到网络(例如,互联网)的处理设备中。替代地,监测控制器可以位于医生办公室、医院、监测服务的服务器或其他专用于监测患者状况的医学相关设施处。在这种情况下,可以通过互联网将通过Wi-Fi连接从传感器装置80接收的信号传输到监测控制器。为了保护患者的隐私兴趣,可以将网络实施为虚拟专用网络。
在该实施例中,监测控制器10包括接触检测器12、呼吸速率计算器14和处理器16。接触检测器12处理从传感器装置接收的信号以确定传感器装置是否至少在足以从传感器信号中采集有意义的呼吸信息的时间段内与患者的胸部接触。呼吸速率计算器14对接触检测器产生响应,其目的是从传感器装置中识别、提取和/或处理信号,并且基于这些信号来计算呼吸速率。处理器16可以生成用于控制接触检测器和/或呼吸速率计算器的信号以及用于执行在本文中更详细地描述的额外的处理和管理功能的信号。
存储器20存储由监测控制器运行的指令,以用于维持与传感器装置的接触,确定传感器装置是否(至少在预定时间段内)与患者的胸部接触,计算患者的呼吸速率并且/或者将该信息直接传达给患者和/或中央机构或医疗机构或负责为患者提供护理的监测服务。在执行这些操作和其他操作时,指令可以体现一种或多种算法,以用于处理从传感器装置接收的信号,以便检测接触和计算呼吸速率等其他操作。因此,在一个实施例中,指令可以被实施为用于应用在患者的设备(例如,智能手机)上的控制程序。
存储区30可以存储各种类型的信息。例如,存储区可以随时间存储从传感器装置接收的原始(例如未经处理的)信号。然后可以将这些信号连续地、周期性地或以其他方式发送到监测控制器,以用于执行在本文中描述的处理。存储区还可以存储指示接触模式、呼吸速率和/或其他由监测控制器处理的信息的信号。存储区还可以存储指示患者的病史和状况、通信参数、处理参数以及与由控制器执行的监测操作相关的其他数据和信息的简档信息。
系统100还可以包括输出设备40,输出设备40例如可以是显示设备或其他设备(具有或没有触摸屏),所述显示设备或其他设备能够指示处理的结果,基于这些结果来提供通知或警告,接收或输入用于控制传感器装置和/或操作模式和监测控制器的其他特征的命令,接收用于选择算法和/或要被监测的其他参数的输入信号,并且更新监测控制器的软件以及其他操作。操作模式可以根据用户或医学专业人员指示的编程设置而有所不同。编程设置可以指示例如每天监测患者的时间、用于确定患者何时处于活动状态或休息状态的活动设置和/或根据本文中的实施例将变得明显的其他设置。
传感器装置
传感器装置80可以包括一个或多个加速度计,这一个或多个加速度计测量吊坠85的移动,这种移动进而被用作检测传感器装置与患者的接触和对应的呼吸模式的基础。然而,传感器信号可能并不总是可靠地检测呼吸模式(因此确定呼吸速率)。根据一个或多个实施例,可以使用监测控制器的接触检测器12和相关联的算法来确定一个或多个感测时段或时间窗口,在这一个或多个感测时段或时间窗口内,一方面,传感器装置与患者的身体部位(例如,胸部)接触,另一方面,传感器信号的对应内容承载着从中可以计算出准确的呼吸速率的有意义的信息。
例如,当被包含在吊坠85内或中时,很明显,传感器装置将随着吊坠移动。这种移动并不总是引起传感器装置与患者的胸部接触。这可以发生在各种时间:患者弯腰或正在走路或跑步,倾斜到一侧,向一侧躺下或睡觉或辗转反侧,或者患者正在执行其他形式的活动。当传感器装置与患者的胸部之间几乎没有接触或根本没有接触时,加速传感器信号仅包含噪声或其他形式的杂散信号。
为了克服这个问题,监测控制器的接触检测器12处理传感器信号以检测沿着相对于吊坠发生移动的一个轴、两个轴或所有三个方向轴的移动信息(例如,患者的移动程度)。沿着这些轴的移动可以用作确定传感器装置是否与患者的胸部接触的基础,因此用作确定传感器信号是否处于感测时段或时间窗口中的基础,在所述感测时段或时间窗口中,信号包含可以用于计算可靠的呼吸速率的信息。
在一个实施例中,加速度计检测沿着三个正交轴的移动,其中两个轴被布置在定义与患者的胸部基本上平行的侧面(x-y)平面的方向上,并且第三轴被定义在与患者的胸部基本上垂直的方向上。然而,仅沿着这些轴的子集检测到的移动被用作检测接触和呼吸速率的基础。虽然在一些实施例的传感器装置中使用了加速度计,但是在其他实施例中也可以使用不同类型的运动传感器。示例包括磁力计和陀螺仪。在一个实施例中,可以组合使用多种类型的运动传感器(例如,磁力计、陀螺仪和加速度计的组合),以便根据在本文中描述的一个或多个实施例来提供融合的运动估计结果。也就是说,在一些实施例中,可以单独执行运动估计,也可以与静态取向估计一起执行运动估计。
为了采集指示移动(或移动程度)的信号,可以将吊坠佩戴在与处于患者的胸腔上部或腹部上部的传感器装置相对齐的水平上。在这两个位置中的任一位置中,由呼吸引起的身体的移动是最显著的,从而使得将传感器装置放置在这两个位置中的任一位置是非常合适的。
图2图示了包括上面讨论的传感器装置的吊坠的示例。在该示例中,可以通过蓝牙链接将传感器信号例如从传感器装置传输到手表设备210(例如,Apple Watch等)。手表设备可以包括监测控制器,或者手表设备可以将传感器信号传输到患者220的口袋中的智能手机,该智能手机可以包括监测控制器并且/或者可以通过网络将信号(和/或指示呼吸速率的经处理的数据)传输到远程系统。在一个实施例中,传感器装置可以将信号直接传输到受到监测的患者的智能手机或其他设备。
患者可以基于通过手表设备和/或智能手机生成的信号来控制传感器装置的操作模式、功能参数或开/关状态。因此,在至少一个实施例中,监测控制器10可以被实施为手表设备或智能手机上的应用,其连接性、通知和处理结果可以被示出,例如,手表设备或智能手机可以与图1的系统的输出设备50相对应。传感器装置可以由例如以从视图中隐藏的方式包括在吊坠85的壳体中的一个或多个电池来供电。当图1示出监测控制器与吊坠和传感器装置分开时,在一个实施例中,监测控制器可以被耦合到传感器装置并被实施在吊坠中。
呼吸速率监测
图3图示了用于基于由传感器装置生成的信号来确定呼吸信息的方法的实施例。可以例如通过图1的系统和先前描述的传感器装置来执行该方法。
该方法基于在呼吸期间胸腔以径向方式移动和扩张的构思来确定呼吸速率。依赖于这种运动模式,对于患者可能处于的每个取向,通过传感器装置(例如,三轴加速度计)测量的运动和对应的加速度沿着两个维度的幅度将会比沿着剩余的第三维度的幅度更高。这些相对幅度可以用作确定(或选择)一个或多个感测时间窗口的基础。然后,这些窗口中的信号用于呼吸速率计算。
可以使用两个分级操作中的至少一个操作来执行对一个或多个感测时间窗口的确定或选择。在一个实施例中,可以执行这两个分级操作并且相互检查这两个分级操作,以确认(一个或多个)感测时间窗口。可以单独通过接触检测器12来执行对(一个或多个)感测时间窗口的确定或选择,与可以与由处理器16实施的控制操作协作来执行对(一个或多个)感测时间窗口的确定或选择。下面描述了两个分级操作的示例,其中,一个或多个感测时间窗口被认为是候选时间窗口。
分级操作1:传感器幅度。在第一分级操作中,可以基于时间窗口的信号的运动水平对时间窗口进行分级,例如,可以针对每个轴单独计算出时间窗口。然后,可以选择一个或多个时间窗口,这一个或多个时间窗口针对三个轴中的至少两个轴具有低运动水平(例如,运动水平值低于第一预定值),但是仍然高于预定的轴依赖性噪声本底(例如,运动水平值高于第二预定值)。第一预定值可以指示患者活跃性较低,例如,患者处于静止、坐着、睡眠状态等。可以基于针对普通患者确定的训练数据或初始数据集来确定这样的值。在一个实施例中,监测控制器可以实施机器学习算法,该机器学习算法学习在低活跃性时段的患者运动水平。
这些预定值的应用可以有效地构成过滤过程,例如,可以连续执行过滤过程(例如,只要监测控制器或智能手机、基站或其他主机设备检测到对传感器装置的连接),可以基于患者或护理专业人员向监测控制器输入的预定时间表来执行过滤过程,也可以基于用户输入的激活信号或在传感器装置与监测控制器之间连接链接时自动生成的激活信号来执行过滤过程。
根据分级操作产生的所选择的时间窗口(例如,未滤除的窗口)中的加速度计传感器信号被认为指示胸部运动信号,该胸部运动信号可以被处理以提供至少在与所选择的窗口中的每个所选择的窗口相对应的对应时段期间的可靠的呼吸速率计算结果。与已被滤除的时间或窗口相对应的(或以其他方式未被包括在所选择的时间窗口中的)加速度计传感器信号可以被认为是噪声或杂散信号,可以不依赖于这些噪声或杂散信号来计算可靠的呼吸速率。因此,这些窗口可以被丢弃。
分级操作2:传感器灵敏度。在第二分级操作中,可以基于加速度计灵敏度对候选时间窗口进行分级。可以例如基于传感器装置(或吊坠)的平均取向来确定加速度计灵敏度。沿着胸部扩展方向具有最高灵敏度(例如,一旦具有高于预定值的平均取向)的窗口可以被选择为包含胸部运动信号的时间窗口,这些时间窗口可以用作计算呼吸速率的基础。其他时间或窗口可以基于其对应的信号由噪声或杂散信号构成而被滤除。
现在参考图3,该方法包括:在310处,从吊坠中的传感器装置接收信号。在一个实施例中,加速度计信号可以指示传感器装置/吊坠的移动或加速度,但并非一定指示患者的身体的移动或加速度。在一些情况下,吊坠/传感器装置和患者的身体的移动或加速可以是一致的。
如前面所指示的,在该实施例中,传感器装置包括三轴加速度计。监测控制器可以基于用于连接和/或激活吊坠中的三轴加速度计的一个或多个传输信号来接收传感器信号。在一个实施例中,三轴加速度计可以包括集成电路,该集成电路基于被传输到加速度计的一个或多个信号来控制与监测控制器的通信和对加速度计的操作。控制信号可以包括用户请求信号302或例如通过由监测控制器实施的算法生成的周期性触发信号304。在一个实施例中,监测控制器可以接收先前收集的加速度计信号306,所述先前收集的加速度计信号306被存储在加速度计的集成电路的存储器中,或者被存储在系统的存储区30中。
在315处,接触检测器12运行在存储器20中存储的算法以处理传感器信号,从而确定患者(或吊坠)是否正在移动。接触检测器可以与处理器16相关联地执行该操作。如果确定吊坠(以及因此患者)正在移动(例如,传感器信号的幅度或灵敏度高于一个或多个预定对应阈值),则接触检测器可以确定没有接触(或至少没有足够的接触量以计算呼吸速率)。在这种情况下,在框360处,监测控制器的处理器生成指示不要执行呼吸速率计算的信号,因为接收到的传感器信号由噪声构成或者是杂散信号,并且不会产生可靠的呼吸速率测量结果。该信号可以被传输到呼吸速率计算器14或处理器16,使得在这些状况下不执行呼吸速率计算(或者如果执行了呼吸速率计算则丢弃其结果)。
在320处,如果处理器和/或接触检测器对传感器信号的处理指示患者(或吊坠)没有移动(例如,传感器信号低于预定阈值),则处理器和/或接触传感器确定患者是否正佩戴着吊坠。这种确定可以涉及例如检测传感器信号在所有三个轴(或至少其子集)上具有相对较高的幅度或传感器灵敏度。例如,当吊坠躺在桌子或床头柜上时,将生成这样的信号模式。如果操作320指示患者没有佩戴吊坠或者传感器装置处于离线状态(因为传感器没有接收到信号),则在操作360处,处理器无法启用呼吸速率计算器14。
在325处,当操作320指示患者正佩戴着吊坠时(例如,传感器信号具有低于相对较低的预定阈值或非零灵敏度水平的幅度),监测控制器的处理器确定传感器装置处于在线状态。在这种情况下,可以例如根据图8中指示的方法来执行对触发设备的重新配置。
在330处,在重新配置了触发设备之后,呼吸速率计算器14单独地或与处理器16的控制相结合地基于被确定或选择为具有有意义的胸部运动信号的一个或多个时间感测窗口中的加速度计传感器信号来计算患者的呼吸速率。可以根据先前针对(一个或多个)时间感测窗口描述的分级操作中的一个或多个分级操作来计算呼吸速率,或者可以在多个时间感测窗口上计算单个读取结果。可以基于在存储器120中存储的一种或多种算法来计算呼吸速率。
图4图示了由呼吸速率计算器14执行的用于计算患者的呼吸速率的方法的实施例。在405处,监测控制器的处理器对来自传感器装置的加速度信号进行接收和采样。在一个实施例中,传感器装置可以被配备有用于获得样本的模数转换器(例如,12位)。然后可以将样本传输到监测控制器的处理器。
传感器信号可以指示吊坠中的传感器装置的移动或加速度(其可以指示也可以不指示患者的移动或加速度)。采样速率可以被设置为提供对吊坠(和/或患者)的移动的准确识别。例如,采样速率可以是毫秒级。例如,可以基于用户请求信号、周期性触发信号或在激活了传感器和对应的应用上线之后连续地接收加速度计信号。在一个实施例中,传感器信号可以如前所述与在传感器装置的集成电路中存储的先前收集的传感器信号相对应。
在410处,基于在操作405中采集的加速度传感器信号的样本来计算向量幅值信号。可以基于针对两个空间轴或所有三个空间轴检测到的信号的样本中的每个样本的欧几里得范数以及这些信号的对应幅度来计算向量幅值信号。
在415处,识别满足一个或多个准则的传感器信号的一组或多组样本。为了有资格成为所识别的组,必须满足以下两个准则:1)用于计算向量幅值信号的传感器信号的所有样本都必须低于预定阈值,以及2)组中的样本数量必须大于预定最小值。所识别的组可以被称为候选呼吸间隔(CRI),CRI例如可以与候选时间窗口相对应。
在一个实施例中,操作415可以包括检测患者是否正佩戴着传感器装置。这可以通过检测传感器装置(吊坠)的相对较低的运动水平(例如,沿着加速度计装置的三个轴中的一个或多个轴的运动水平低于预定值)来确定。接下来,患者可以坐下,上床躺下,或者进行其他类型的低速运动或久坐活动。然后可以执行用于识别一个或多个CRI的检测算法。在患者已经上床睡觉的情况下,当患者入睡时可以执行检测算法。
在420处,可以对每个所识别的组(CRI)中的每个轴的样本进行统计操作。统计操作可以例如是每个组中的样本的一种平均值,例如,接触检测器、呼吸速率计算器或处理器中的一项可以计算每个组中的样本的中值。然后可以存储这些中值以供后续处理。基于每个轴(无论是一个轴、两个轴还是所有三个轴)的样本的中值可以提供对吊坠(传感器装置和/或患者)在收集样本的时段内的取向的指示。
在425处,对于每个CRI,将样本分组成一个或多个预定大小的连续样本的交叠子组。一个或多个预定大小可以与时间感测窗口(CRI)的相应窗口的大小相对应。在一个实施例中,每个窗口的大小可以小于最小CRI的大小,但比预定数量的(例如,十个)预期的呼吸循环持续时间更长。在一些情况下,每个窗口的大小可以比十个预期的呼吸循环持续时间长很多倍,甚至长一个或多个数量级的倍数。
在430处,针对在每个CRI的交叠子组上的样本计算方差值。例如,可以基于组中的每个样本之间的平方差和组中的样本的平均值来计算方差值。该计算可以在来自个体加速度计轴的加速度计样本上或在先前讨论的向量幅值信号上完成。
在操作420中计算出的中值可以被认为提供了对吊坠(和/或患者)的取向的指示,并且在操作430中计算出的方差值可以被认为提供了对吊坠(和/或患者)沿着每个轴或者沿着轴的组合(例如,至少两个轴)的运动(例如,运动水平)的指示。
在435处,基于针对轴中的每个轴计算的方差值(运动水平)和中值(取向)来选择针对每个时间感测(CRI)窗口的三个轴的数量。该数量可以包括三个轴的子集,例如,一个轴或三个轴中的两个轴的至少一种组合。在一种情况下,可以选择所有三个轴。针对每个窗口选择的数量和特定轴的决定可以涉及以下内容。
最初,基于方差值和中值来选择轴的数量。这种选择可以基于对每个子组的方差的分级以及应用先前描述的两个分级操作之一(例如,分级操作1)。如果选择了看向单个轴或两个轴的窗口(例如,在每个轴中选择窗口,使得方差级别较低,但是方差高于预定的轴依赖性噪声本底),则要针对特定子组选择的轴的数量可以与针对其选择某个子组的轴的数量相对应。如本文所讨论的状况所述,轴的数量可以是满足预定状况的轴的数量。
针对每个窗口选择三个轴中的哪些轴可以基于方差值和中值。在一个实施例中,这种选择可以基于对每个子组的方差的分级以及应用先前讨论的两个分级操作之一。可以基于子组的中值对子组进行分组(例如,参见图12B,与对象姿态有关的传感器取向),并且可以单独选取针对每个子组选择次数最多的轴作为针对整个集群的所选择的轴,包括针对其将首先(例如使用上面讨论的方差)选择不同的轴的集群中的子组的所选择的轴。
图12A图示了针对任意两个加速度计轴的标绘图运动水平(log[方差加速度计轴])的示例。标绘图中的每个点表示一个样本子组,其中,标绘图中的水平轴对应于一个特定轴上的运动水平,而标绘图中的垂直轴对应于不同的轴上的运动水平。在图12A中,表示纯传感器噪声(例如指示传感器装置不在体内)的点位于标绘图的左下角。黑点指示对窗口的任意选择。对于这些窗口,在标绘图中表示的两个轴是所选择的轴。对这些轴的选择可以基于例如针对每个轴的运动水平在预定范围(例如,在侧面的标绘图中示出的,在直方图中的每个直方图中着重显示的预定范围)内。
图12B图示了针对要用于选择窗口的两个轴的中值加速度计信号值的标绘图的示例。可以对具有相似中值(例如与同一身体姿态(例如,坐着或躺下)相对应的)的窗口进行进一步分组(如用虚线所着重显示的那样)。对于每个组,可以选择不同的两个轴。
返回图4,在440处,基于来自针对每个时间感测窗口所选择的轴(功率谱)或所选择的轴的组合(跨谱)来计算功率谱估计结果。可以通过计算信号的傅立叶变换来获得功率谱估计结果。信号的傅立叶变换能够被表示为二维向量、复数,也可以被表示为极坐标中的幅值和相位。信号处理中的常用技术是考虑平方幅度或功率,在这种情况下,所得到的结果被称为功率谱。功率谱计算可能包括在计算傅里叶变换之前将平滑化窗口(某些任意预设值)与原始信号相乘,以便提高谱分辨率并降低变换后的序列的长度有限的影响。
在445处,基于针对每个时间感测窗口的每个功率谱估计结果来计算呼吸速率的估计结果。例如,可以通过确定针对每个时间感测窗口的每个功率谱估计结果中的峰值幅度的频率来计算呼吸速率。该频率可以在一定的呼吸速率搜索范围内(RR-SR)内。替代地,可以确定呼吸速率的估计结果,因为加速度计信号中的峰峰时间的倒数被确定为对应于呼吸速率。当能够使用图8的经修改的实施例来解析呼吸波形时,也可以采取这种方法。
在450处,计算针对每个功率谱估计结果的峰值的质量估计结果。可以使用各种方法来计算针对峰值的质量估计结果。一种方法涉及计算信噪比,其方法是用RR-SR中的功率谱估计结果的总和除以第二搜索范围内的功率谱估计结果(其例如可以是整个采集频率范围或整个采集频率范围的子选择)。
另一种方法涉及利用传感器装置的相似取向来测量一致性。这种方法可以涉及将峰值幅度值与来自一个或多个不同窗口和一个或多个不同的所识别的组(或CRI)的相同轴的其他峰值的幅度值进行比较。当前组(从中提取了当前样本)的取向与一个或多个不同组中的每个组的取向之间的差异可以提供对质量估计结果的指示。例如,当差异小于预定阈值(例如被选择为与所期望的一致性水平相对应)时,可以确定质量估计结果是可接受的水平。
另一种方法涉及确定中值的差异。这可以涉及将每个功率谱估计结果的峰值幅度值与来自相对于所识别的组(CRI)内的一个或多个不同窗口的相同轴的其他峰值的峰值幅度值进行比较。这种差异可以提供对质量估计结果的指示。
在455处,对来自两个窗口或不同窗口的功率谱峰值估计结果进行组合。例如,可以通过以下操作来执行这种组合:首先,对来自不同窗口的谱进行平均化,然后,基于平均谱来检测峰值。然后将从若干窗口和/或不同轴或两个不同轴的组合中导出的峰值组合成加权平均结果。例如,可能基于在操作450中确定的质量估计结果或某种传感器特性的先验知识来确定(一个或多个)权重,例如,对沿着特定轴的移动的较高灵敏度可以充当向基于该轴的峰值估计结果分配较高权重的基础。在一个实施例中,对其功率谱峰值估计结果进行组合的两个或更多个不同窗口可以是连续或相继布置的多个预定窗口,也可以是被一个或多个其他窗口隔开的多个预定窗口。
在460处,对来自不同轴的功率谱峰值估计结果进行比较,并且针对每个组(例如,针对每个CRI或时间感测窗口)的呼吸速率做出了最终决定。例如,可以基于针对每个窗口的运动水平、取向和峰值质量来确定最终呼吸速率。
在一个实施例中,可以通过确定每个功率谱估计结果中的峰值幅度的频率来计算最终呼吸速率,子组基于以下公式:
受到以下约束:
一般来说,qi,j=qi,j(σi,σj)。例如,如果fσxi>TH,则qi,j=0,其中,xa[t]是针对子组中的每个时间点t的针对轴的及速度计样本。FT是傅里叶变换或相似的频率域变换,xa[t]是应用于谱计算的窗口化函数,*(apex)指示复共轭,并且qi,j是峰值质量。如根据本文中的示例所描述的,这可以是运动水平的任意函数或功率谱的某些特性的任意函数。而且,σa是针对轴a的运动水平,例如,xa[t]的方差。
当i=j时,该计算可以基于谱。否则,该计算可以基于跨谱,其中,呼吸速率基于先前确定的频率的倒数,例如,RR=1/FR。
返回图3,一旦进行了呼吸速率计算,在335处,处理器16就可以从呼吸速率计算器14接收该计算结果,然后以一种或多种形式输出(一个或多个)计算出的速率。例如,处理器16可以将呼吸速率存储在存储区30中,以创建患者的呼吸活动的记录。该记录可以由负责监测对患者的护理的医学专业人员上传到服务器进行分析。而且,(一个或多个)计算出的速率可以被直接传输到这样的服务器,而不会被存储在存储区30中。额外地或替代地,可以在输出设备40上输出(一个或多个)计算出的速率,以便通知患者。如果处理器16确定(一个或多个)速率在指示患者状况的恶化的不同对应严重程度的一个或多个范围内,则可以生成警告。当输出设备与监测控制器一起被包括在患者的智能手机中时,这可以特别有益。在一些情况下,呼吸速率计算失败,例如,由于未识别出合适的CRI,或者在CRI内未识别出合适的样本子组。例如当所有窗口都具有作为纯传感器噪声的典型的方差时,或者在没有检测到质量不可接受的峰值(例如,所有峰值的信噪比都低于阈值)的情况下,会发生这种情况。当发生这种情况时,过程流可以继续进行到框360,从而指示无法提供计算。在这种情况下,如果仍在接收传感器信号,则该方法可以返回到初始操作310以执行获得一个或多个成功的呼吸速率计算的额外尝试。
图5图示了用于基于由传感器装置生成的信号来确定呼吸信息的方法的实施例。也可以例如通过图1的系统和先前描述的传感器装置来执行该方法实施例。至少对于某些操作,图5的实施例可以被认为是图4的方法实施例的更具体的实施方式。
该方法的初始操作包括:对加速度计信号进行采样(510),将样本分割成子组(520),并且确定每个轴每个子组的运动水平和取向(x,y,z)。在530处,可以例如通过计算子组中的样本的方差值来计算每个子组中的运动水平,并且可以例如通过计算每个子组中的样本的中值来计算每个子组中的取向。可以以类似于图4中的操作405至430的方式执行操作510至530。
在540处,基于如在操作530中确定的运动水平对子组进行分级。分级可以涉及执行先前描述的分级操作中的一个或两个分级操作,例如按照传感器幅度进行分级并且通过传感器灵敏度进行分级。例如,可以基于这些子组中的相应子组中的信号的运动水平对这些子组进行分级,例如,可以针对每个轴计算信号的运动水平。额外地或替代地,可以基于加速度计灵敏度对这些子组进行分级,例如,可以基于针对每个子组的传感器装置(或吊坠)的平均取向来确定加速度计灵敏度。
在550处,选择低于预设值的运动水平和/或高于某个其他预设值(例如,加速度计轴依赖性噪声本底)的子组,从而考虑了加速度计传感器的一个或多个特性580。为了获得要从传感器信号中提取的有意义的(例如准确且没有噪声的)胸部运动数据,可以选择预设值以指示吊坠的低运动水平,吊坠的低运动水平继而可以对应于传感器装置与患者接触的状况或时段。
传感器特性580可以包括例如每个轴的噪声本底(例如其可以在550中用作丢弃仅表示噪声的子组的基础)、在当前的设备操作模式下的每个轴的灵敏度(例如其可以在550中用作选择具有在针对具有最高灵敏度的轴的所选择的范围内的运动水平的组的基础)和/或针对灵敏度的替代设置(例如,如果有更好的设置,则当加速度计的灵敏度在特定设置中太低时可以使用该设置来丢弃所有窗口)。
在560处,选择在三轴加速度计的至少两个轴上具有高于预定噪声本底的运动水平的窗口。也可以通过考虑加速度计传感器的一个或多个特性580来执行该操作。预定的噪声本底可以对应于指示例如患者没有佩戴吊坠的值。窗口可以对应于所选择的子组的相应子组,并且可以认为时间感测窗口(CRI)是用于计算呼吸速率的项目。记录运动水平高于预定噪声本底的加速度计的一个或多个轴以供例如在操作615中使用。
在570处,将子集定义为包括所选择的子组及其对应的(一个或多个轴)。与该子集相对应的窗口可以被认为是用于计算呼吸速率的时间感测窗口。因此,可以认为在该窗口中包含的样本与吊坠中的传感器装置与患者的身体发生接触时的情况相对应。
图6A和图6B图示了图5的方法的额外操作。一旦在570操作中确定了所选择的组的子集,该方法就通过执行功率谱计算来继续进行。例如,在606处,可以基于针对三个轴(x,y,z)中的每个轴的所选择的组的子集中的样本来计算功率谱。替代地,在608处,可以基于与以下两轴组合:xy、yz、xz中的一项或多项相对应的子集中的样本来计算功率谱。在该阶段,可以计算所有功率谱(例如,3个功率谱和3个功率跨谱),或者可以只计算功率谱中的所选择的功率谱。例如,在一个实施例中,可以只计算针对特定组所选择的一个轴(或轴的集合)的功率谱(或跨谱)。
在610处,确定每个计算的功率谱的峰值和峰值质量。这可以涉及搜索与在所选择的子组的子集中包含的信号或样本相对应的频域612中的各个区域的操作。可以通过将预定的传递函数(例如,傅立叶变换)应用于子集的所选择的子组中的信号来获得频域。一旦获得了信号的频域表示,就可以分析频域以确定峰值和峰值质量值。峰值质量可以指示在功率谱中识别的峰值的突出度和/或锐度,因此可以测量用户能够在所提供的频率(以及相伴随的呼吸速率)估计结果中的置信程度。
在615处,确定在操作610中识别的峰值是否与在操作560中识别的(一个或多个)轴相兼容。例如,通过估计对象的姿态来确定这种兼容性。对象的每种姿态都可以与具有最高灵敏度的轴的某个子集相关联,例如,如果基于样本的中值,则对象可以被视为正在躺着/睡觉。在与中侧身体方向相对齐的加速度计轴上识别的峰值可以与对象姿态不兼容。因此,可以丢弃在不应存在任何对象姿态的地方发现的峰值。
如果峰值与在操作560中识别的(一个或多个)轴不兼容,则在618处,可以拒绝将与该子集相对应的窗口作为足以具有用于呼吸速率计算的时间感测窗口的资格的窗口,即,具有无法被可靠确定为与传感器装置和胸部的接触相对应的样本或传感器信号的窗口。如果峰值是可兼容的,则该方法继续进行。
在620处,确定峰值质量是否能够与传感器装置(吊坠和/或患者身体)的取向相兼容。例如,通过比较在610处确定的针对在560处识别的轴的峰值质量来确定这种兼容性。当在560处选择的轴上实现足够高的峰值质量时,这些发现被认为是可兼容的。如果峰值质量是不兼容的,则拒绝将与该子集相对应的窗口作为足以具有用于呼吸速率计算的时间感测窗口的资格的窗口。如果峰值质量是可兼容的,则该方法继续进行。
在625处,确定峰值中的至少两个峰值是否具有相似的频率。如果峰值中的至少两个峰值不具有相似的频率,则拒绝将与该子集相对应的窗口作为足以具有用于呼吸速率计算的时间感测窗口的资格的窗口。如果峰值质量是可兼容的,则该方法继续进行。
可以将峰值f1和f2之间的相似度测量为例如峰值特性之间的百分比(%)差异(f1-f2)/
(0.5*(f1+f2))*100,所述峰值特性包括峰值频率(例如,图11中的x轴)、峰值幅度(图11中的y轴)、半峰全宽、上面解释的峰值质量以及从峰值或整个谱导出的其他特性。如果峰值的百分比(%)差异低于某个阈值(例如,10%),则这些峰值彼此相似。当这些峰值不同时,这可以指示峰值中的一个峰值尚未被正确确定。假定条件是RR的变化不应太突然,并且应在多个轴上都能够测量表示运动的呼吸。
在630处,基于沿着对应的轴的信号或样本来计算呼吸速率估计结果。下面更详细地讨论了用于计算呼吸速率的示例。
在635处,可以针对传感器信号的其他子组执行这些相同的操作。然后可以将针对当前子组(窗口)获得的结果与针对一个或多个其他子组(窗口)获得的结果进行比较。这些结果可以包括例如峰值估计结果685和计算出的呼吸速率。
在640处,根据上述比较来确定针对当前子组(例如,CRI或窗口)获得的峰值质量是否与针对一个或多个其他子组(例如,CRI或窗口)获得的峰值质量相似(例如,相同或至少在预定范围或容差内)。如果峰值质量不相似,则拒绝将与该子集相对应的窗口作为足以具有用于呼吸速率计算的时间感测窗口的资格的窗口。如果峰值质量中的至少两个峰值质量相似,则该方法继续进行。
在645处,根据上述比较来确定针对当前子组(CRI或窗口)计算的呼吸速率是否与针对一个或多个其他子组(CRI或窗口)获得的呼吸速率相似(例如,相同或至少在预定范围或容差内)。如果呼吸速率不相似,则拒绝将与该子集相对应的窗口作为足以具有用于呼吸速率计算的时间感测窗口的资格的窗口。如果呼吸速率相似,则该方法继续进行。
在650处,如果当前子组的呼吸速率和峰值质量与针对一个或多个其他(例如,先前)子组计算的呼吸速率和峰值质量相似,则将当前子组添加到需要加以考虑以生成关于患者的呼吸速率的最终决定的子组集合(例如,CRI或时间感测窗口)中。
图7图示了图5和图6的方法的额外操作。一旦生成了子组集合(其例如可以是预定数量的子组或在一段时间后被添加到集合中的子组),然后,在710处,将这些子组指定为要加以考虑以用于计算呼吸速率估计结果的子组。
在720处,将一个或多个轴识别为在子组中具有(一个或多个)最高峰值质量的一个或多个轴。在一个实施例中,例如,当针对子组中的该轴生成的峰值质量显著大于针对其他轴生成的峰值质量(例如大预定Δ量)时,仅识别出一个轴。在另一实施例中,可以将三个轴中的两个轴识别为在子组中具有最高峰值质量的轴。与这两个轴相对应的子组的峰值质量可以显著高于针对剩余的第三轴的峰值质量(例如大相同的预定Δ量或另一预定Δ量)。
在730处,当在操作720中选择轴中的两个轴时,针对来自相同CRI(例如,窗口)内并针对相同轴的集合的子组中的不同子组,分别组合先前计算的功率谱(跨谱)。当在操作720中选择一个轴时,针对来自相同CRI内并针对相同轴的集合的子组中的不同子组,组合功率谱。如在第9页中所描述的功率谱包括针对其定义谱的每个频率下的傅立叶变换幅值。例如,可以通过考虑每个频率值(在图11中的水平轴上的“频率分箱”或频率位置(例如,0Hz、0.02Hz等))来实现这种组合,要在该频率位置处组合所有谱的最大值/最小值/中值/5%百分位/95%百分位。
在740处,确定在操作730中生成的组合谱的峰值。因为组合谱在频域中(借助于通过某种传递函数H(f)使对应的传感器信号发生的转换),从而确定峰值可以涉及分析组合谱以确定在频域中具有最高值的值。另外,操作740可以包括计算针对组合谱的峰值质量。例如,可以以先前描述过但应用于组合谱而不是单个谱(例如,在频谱的其余部分中的幅度峰值/平均谱幅度)的方式来实现这一点。
在750处,计算并报告与CRI相对应的呼吸速率。可以使用所获得的频率估计结果(例如计算针对CRI内的所选择的样本子组的个体频率估计结果的平均值(最终值)和标准偏差(针对最终值的置信区间))来计算针对CRI的呼吸速率。例如,可以通过将该信息输出到输出设备和/或本文所述的任何其他通知技术来报告呼吸速率。另外,可以用呼吸速率来报告质量。上面提到的质量可以对应于针对CRI的估计结果的质量,其例如可以通过在被选择为提供CRI内的频率估计结果的子组中识别的个体峰值的峰值质量的(一个或多个)概要统计数据来确定。可以例如通过针对所选择的峰值的最大峰值质量或最小峰值质量或这样的具有CRI的峰值质量的变异性(例如,标准偏差)来指示这样的质量。实际上,质量指标可以向最终用户提供关于在一段时间内提供的估计结果的可靠性(包括多个RR估计结果)的信息。通常,用户/医疗保健专业人员会在一段时间(CRI)内而不是在特定时刻(CRI内的子组)对RR感兴趣。当质量很高时,它将指示个体峰值具有高质量并且因此最终结果是可靠的。
图8图示了用于配置传感器装置的方法的实施例,并且这种方法特别用于控制与在本文中描述的一个或多个实施例相关的传感器装置的灵敏度。
可以因各种原因和各种情况而调节加速度计传感器装置的灵敏度。例如,当在相对较长的时间间隔内检测到很少移动或者没有检测到移动(例如指示久坐/躺着的行为)时,可以将加速度计的灵敏度调节到最小灵敏度或其他预定灵敏度。相对较长的时间间隔可以对应于控制监测控制器的处理器的指令内包含的预定时间量。当检测到更显著的移动时或者当发生一个或多个触发事件时,可以例如基于通过编程确定的普遍情况将传感器装置的灵敏度恢复或更改到另一灵敏度水平(例如,高)。这些情况可以包括但不限于当检测到运动时。在这些情况下,可以将灵敏度调节为高,以便最大程度地减少因异常(例如,患者跌倒或撞到物体)引起的干扰和影响。如果使用了市售的加速度计,则这样的加速度计具有±2g、±4g和±8g的可选择的测量范围。因此,在这种情况下,可以将灵敏度调节为在各个g的范围内。
参考图8,该方法包括:在810处,检测来自传感器装置的第一触发物。例如,第一触发物(触发物1)可以是例如病人晚上上床睡觉。例如基于从传感器信号检测到的相对较低的移动和一天中的时间(其例如可以与患者的正常就寝时间的模式相匹配),可以确定存在这种触发物。例如可以将这种触发物和模式存储在监测控制器的存储区中,并且可以基于在存储器120中存储的算法来执行检测操作。
在820处,确定了在患者的吊坠中包含的传感器装置的配置。当将传感器装置被集成到单个三轴加速度计中时或者当传感器装置包含多个加速度计且每个加速度计检测沿着不同轴的移动时,可以执行该操作。传感器装置的配置可以对应于例如针对一个或多个加速度计的当前选择的测量范围,例如,上面提到的±2g、±4g和±8g之一。
在一个实施例中,用于呼吸速率估计的最优配置可以是具有最低测量范围的一个配置,这种具有最低测量范围的配置给出了最高灵敏度。在一个示例中,灵敏度可以对应于测量范围/2N,其中,N是通常固定的位数。然而,针对一种用例被认为是用于呼吸速率(RR)检测的最优配置可能并不是针对其他用例(例如,用于跌倒检测的用例(其中可能期望更高的测量范围)或用于步态监测的用例(其中可能优选使用最大测量范围,以便正确测量全身加速度))的最优配置。因此,根据一个或多个实施例,对于不同场景,可以改变测量范围。
将指示传感器装置的配置的信息存储在存储区130或其他位置中(框870)。
在830处,当在操作820中确定传感器装置具有预定配置时,监测控制器的处理器可以将传感器装置的灵敏度调节到最低灵敏度。对于模拟输出传感器,灵敏度可以与供电电压成比例。因此,将供电电压增加一倍可以例如使灵敏度增加一倍。因此,可以以牺牲电力的代价在短时间段内获得更高的灵敏度。传感器装置中的某个或某些传感器可以包括允许调节灵敏度的控件。在这些情况下,可以调节控件以达到所需的灵敏度。
在840处,在使用多个加速度计并且每个加速度计检测沿着不同轴的移动的情况下,监测控制器的处理器可以传输信号以选择性地控制传感器的操作模式。例如,传输信号中的一个或多个传输信号可以选择性地开启沿着被确定为接收指示呼吸速率的胸部运动数据的轴的加速度计中的一个或多个加速度计。传输信号中的一个或多个其他传输信号可以选择性地停用、关闭被配置为执行以下操作的加速度计中的一个或多个加速度计或者将所述一个或多个加速度计置于低功率模式中:在给出传感器装置的当前配置的情况下,测量沿着被确定为用于检测胸部运动信号的一个或多个轴的移动。
在850处,检测第二触发物(触发物2)。第二触发物可以例如对应于检测到患者起床。可以例如以在EP-2741669-B1中描述的方式执行这种检测操作,出于所有目的而将该文献内容整体并入本文。
在860处,随着患者现在起床并开始活动,在操作370中指示的传感器配置不再适用于接触检测和呼吸速率计算的目的。在这种情况下,可以将所存储的传感器装置的设置例如从在操作870中指示的当前传感器配置恢复为默认配置或一种或多种其他预定配置,以用于感测未来的加速度计信号。
图9A至9C图示了传感器装置的不同轴之间的运动水平的联合分布的示例。图9A图示了沿着第一双轴组合(即,z轴(垂直标绘)和x轴(水平标绘))的运动水平的分布。图9B图示了沿着第二双轴组合(即,z轴(垂直标绘)和y轴(水平标绘))的运动水平的分布。图9C图示了沿着第三双轴组合(即,y轴(垂直标绘)和x轴(水平标绘))的运动水平的分布。第三双轴组合标绘在与正被监测的患者的胸部平行的平面中的运动。
在图9A至9C的标绘图分布中,垂直值和水平值被表示为沿着轴中的相应轴的加速度方差的对数函数,例如,log10(varZ)指示沿着(例如垂直于正被监测的患者的胸部的)z轴的方差的对数值。每幅标绘图分布都包括多个正方形。每个正方形可以对应于具有指示患者的对应运动水平的颜色或阴影的不同窗口。正方形的阴影与检测到的移动相关,例如,检测到的运动水平越高,则对应的阴影越明亮或较淡。每幅标绘图还包括两个圆,每个圆都指示运动水平高于一定阈值但低于针对所表示的两个轴中的每个轴的另一预设值的区。圆被拉伸,因为每个轴可以具有不同的阈值。图10图示了根据本文描述的实施例中的一个或多个实施例获得的加速度计信号的图形的示例。在该图形中,沿着水平轴标绘了时间(以小时为单位),并且沿着垂直轴标绘了加速度计信号的归一化幅度。而且,针对加速度计信号的噪声本底是-2.0的归一化幅度。以归一化形式(例如,通过g=重力进行的归一化)在时间轴上对三个轴连续标绘加速度计信号。以蓝色标绘沿着y轴的加速度计信号并且其对应于曲线Y,其可以表示y轴加速度计信号的中值。以红色标绘沿着x轴的加速度计信号并且其对应于曲线X,其可以表示x轴加速度计信号的中值。以绿色标绘沿着z轴的加速度计信号并且其对应于曲线Z,其可以表示z轴加速度计信号的中值。
在图10中,针对每个轴的加速度计信号出现在多个时间窗口中,这些窗口在时间轴上以一定距离分级。例如,窗口从标绘图的左下角以一定距离分级(其中,信号指示运动比噪声更多)并且从x=y线以一定距离分级(例如指示跨轴的运动水平差异)。可以将针对框1050内的窗口的搜索区域识别为CRI,这对应于当接触传感器检测到吊坠中的传感器装置与受到监测的患者的胸部之间发生接触的时间。在该时间感测窗口1050内的加速度计信号样本1010是基于在窗口时间段期间沿着x轴和y轴获取的加速度计信号的组合生成的。当接触传感器检测到的接触概率很大时,呼吸速率计算器可以使用这些信号来计算针对患者的呼吸速率。
图11图示了包括针对相同CRI中的一个或多个CRI内的多个窗口计算的多个跨谱估计结果的示例的图形。在该图形中,频率是水平标绘的,并且归一化幅度是垂直标绘的。灰色线对应于来自个体窗口的个体跨谱,并且三条黑色曲线1110、1120和1130对应于通过跨CRI内的不同跨谱的相同频率分箱的跨谱的最大值、中值和平均值给出的轴的相应组合(例如,xy、xz、yz)。
图13A至13D图示了用于在加速度信号中识别样本组的操作的示例,其中,1)对于所有样本,运动水平(例如,样本组的方差值)低于预定阈值,并且2)组中的样本数量大于最小值。例如,这些特征可以对应于先前讨论的实施例中的操作415。图13A图示了原始加速度计信号的示例。图13B图示了每个轴的每个样本组的中值的示例。图13C图示了每个轴的每个样本组的运动水平的示例。并且,13D图示了所识别的加速度样本的样本组的示例(例如,候选呼吸水平)。该特征中的示例还对应于所存储的每个轴的每个样本组的中值(例如,在收集样本时传感器装置的取向)。
图14图示了如根据先前描述的实施例的一个或多个操作所生成的、来自针对多个窗口的所选择的两个轴的多个跨谱功率谱估计结果的示例。还图示了针对峰值的一个或多个质量估计结果,例如,示出了质量估计结果的示例,其中,峰值对应于黑点,并且相对于预定义的基线值(例如,附近频带的中值功率)给出了显著性。
额外特征
在一个实施例中,传感器装置可以例如经由无线传输被连接到一个或多个其他传感器装置,以便接收关于内部参数的更新或者以便处理或控制除了加速度计以外的其他传感器。
在一个实施例中,可以使用另一传感器(例如,环境传感器)来确认CRI对呼吸速率估计的合适性,这例如可以被用作确定患者是否正躺在床上或者是否涉及其他低运动活动的基础。这样的环境传感器的示例包括患者床上的压力传感器。可以用于确认的另一类型的传感器是非接触式传感器,例如,基于视频的胸部体积描记器,它可能只是间歇性可用。
在一个实施例中,可以使用额外的、可能是间歇性采集的呼吸速率估计结果来确定针对呼吸速率的搜索范围(SR)。针对呼吸速率的额外估计结果可以基于测量结果,所述测量结果例如更加突出,或者与经由心率变异性/其他生命体征得到的间接估计结果相对应。
因此,在本文中描述的一个或多个实施例表示在患者监测领域的显著改进。例如,根据一个或多个实施例,可以实施该系统和方法,而无需患者去医院或其他临床环境。这使得患者能够更加方便地实施这些实施例,并且避免了与现有的呼吸速率监测器相关联的延迟。
另外,传感器装置的可穿戴支持物可以由患者进行管理并在没有任何专业知识或训练的情况下进行操作。在任选的初步订阅或初始化流程之后,患者只需要穿上包含传感器装置的可穿戴支持物并且根据所公开的实施例的一种或多种算法来自动计算呼吸速率。
而且,为了获得准确的读取结果,可穿戴支持物和传感器装置可能未被固定到患者身上。这允许患者在佩戴设备以获得呼吸速率读取结果的同时进行通常在家、工作和/或其他非临床环境中进行的活动。因此,这些实施例绝不会以任何方式侵犯患者的正常生活方式。
而且,由于不必一定在临床环境中实施或以其他方式使用该系统和方法,而是只要患者正佩戴着该设备(例如,整日整夜)就可以连续操作该系统和方法,因此绝不会像在利用现有的呼吸速率监测器的情况中那样以任何方式限制用于监测呼吸速率的时间窗口。
而且,在一个或多个实施例中,可穿戴支持物可以是珠宝、服装配件或其他类型的隐藏传感器装置并使该装置不显眼的可穿戴物件的形式。结果,这些实施例可以保留佩戴该设备的患者的隐私兴趣。
在本文中描述的方法、过程和/或操作可以通过由计算机、处理器、控制器或其他信号处理设备运行的代码或指令来执行。根据一个或多个实施例。该代码或指令可以被存储在非瞬态计算机可读介质中。由于详细描述了构成该方法(或计算机、处理器、控制器或其他信号处理设备的操作)的基础的算法,因此用于实施该方法的实施例的操作的代码或指令可以将计算机、处理器、控制器或其他信号处理设备变换成用于执行本文中的方法的专用处理器。
在本文中公开的实施例的控制器、处理器、检测器、计算器、过滤器以及其他信息生成、处理和计算特征也可以在逻辑单元中实施,该逻辑单元例如可以包括硬件、软件或这两者。当至少部分被实施在硬件中时,控制器、处理器、检测器、计算器、过滤器以及其他信息生成、处理和计算特征可以是例如以下各项中的任一项:集成电路(包括但不限于专用集成电路)、现场可编程门阵列、逻辑门的组合、片上系统、微处理器或另一类型的处理或控制电路。
当至少部分被实施在软件中时,控制器、处理器、检测器、计算器、过滤器以及其他信息生成、处理和计算特征可以包括例如用于存储代码或指令的存储器或其他存储设备,该代码或指令要由例如计算机、处理器、微处理器、控制器或其他信号处理设备来运行。由于详细描述了构成该方法(或计算机、处理器、微处理器、控制器或其他信号处理设备的操作)的基础的算法,因此用于实施该方法的实施例的操作的代码或指令可以将计算机、处理器、控制器或其他信号处理设备变换成用于执行本文中的方法的专用处理器。
从前面的描述中应当明显看到,本发明的各种示例性实施例可以以硬件来实施。此外,各种示例性实施例也可以被实施为被存储在非瞬态机器可读存储介质(例如,易失性存储器或非易失性存储器)上的指令,其可以由至少一个处理器读取并运行以执行详细描述的操作。非瞬态机器可读存储介质可以包括用于以机器可读的形式存储信息的任何机构,例如,个人计算机或膝上型计算机、服务器或其他计算设备。因此,非瞬态机器可读存储介质可以包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光学存储介质、闪速存储器设备和类似的存储介质,但不包括瞬态信号。
虽然已经详细描述了各个示例性实施例并具体参考了其某些示例性方面,但是应当理解,本发明也能够具有其他示例实施例,其细节能够在各种明显方面得到修改。对于本领域技术人员来说容易意识到,能够实施各种变化和修改而仍在本发明的精神和范围内。因此,前述公开内容、描述和数字仅用于说明目的,且绝不以任何方式限制本发明,本发明仅由权利要求来限定。
Claims (25)
1.一种用于监测患者的方法,包括:
从传感器装置接收传感器信号;
从所述传感器信号中提取移动信息;
基于所述移动信息来确定所述传感器装置与患者的身体部位之间的感测时段;并且
基于在所述感测时段期间发生的所述传感器信号来确定所述患者的呼吸速率,其中,所述传感器信号是从被包含在相对于所述患者的所述身体部位移动的可穿戴物件上或内的传感器装置接收的,作为所述可穿戴物件的移动的结果,所述传感器装置以间歇性模式与患者发生接触和非接触。
2.根据权利要求1所述的方法,其中,所述可穿戴物件是项链上的吊坠。
3.根据权利要求1所述的方法,其中,所述感测时段包括所述传感器装置与所述患者的所述身体部位之间的接触时段。
4.根据权利要求3所述的方法,其中,确定所述感测时段包括:
确定所述传感器装置与所述患者的所述身体部位之间的一个或多个非接触时段,并且
排除所述一个或多个非接触时段以确定所述传感器装置与所述患者的所述身体部位之间的接触时段,所述接触时段与所述感测时段相对应。
5.根据权利要求1所述的方法,其中,所述移动信息指示所述可穿戴物件沿着三个方向轴的子集的移动。
6.根据权利要求5所述的方法,其中,所述子集包括:
所述三个方向轴中的一个轴并且排除其余两个轴,或
所述三个方向轴中的两个方向轴的组合。
7.根据权利要求5所述的方法,还包括:
将沿着所述三个方向轴中的两个方向轴的组合生成的所述传感器信号进行组合以生成所述移动信息。
8.根据权利要求5所述的方法,其中,确定所述接触时段包括:
确定至少一个时间窗口,在所述至少一个时间窗口中,所述移动信息指示所述可穿戴物件沿着三个方向轴的所述子集的移动至少低于第一预定值。
9.根据权利要求8所述的方法,其中,所述第一预定值指示坐着状态、躺下状态、静止站立状态或睡眠状态。
10.根据权利要求8所述的方法,其中,确定所述至少一个时间窗口包括:
识别多个候选时间窗口,
基于至少一个参数对所述候选时间窗口进行分级,并且
从所述多个候选时间窗口中选择所述至少一个时间窗口,
其中,所述至少一个参数与所述多个候选时间窗口中的每个候选时间窗口中的所述传感器信号的至少一个参数相对应,并且其中,所述候选时间窗口的未被选择的候选时间窗口因为包含噪声或杂散信号而被丢弃。
11.根据权利要求10所述的方法,其中,所述传感器信号的所述至少一个参数基于所述多个候选窗口中的所述传感器信号的幅度。
12.根据权利要求10所述的方法,其中,所述传感器信号的所述至少一个参数基于所述传感器装置的灵敏度。
13.根据权利要求10所述的方法,其中,所述传感器信号的所述至少一个参数基于所述多个候选时间窗口中的所述传感器信号的中值。
14.根据权利要求1所述的方法,还包括:
基于在与所述感测时段相对应的一个或多个候选呼吸间隔期间的所述传感器信号的幅度来生成中值,所述中值是至少针对三个方向轴的子集生成的并且指示所述可穿戴物件的一个或多个对应取向;
针对在与所述感测时段相对应的所述一个或多个候选呼吸间隔期间的所述传感器信号生成方差值,所述方差值是至少针对所述三个方向轴的所述子集生成的并且指示所述可穿戴物件的一个或多个对应运动水平;并且
基于所述中值中的一个或多个中值和所述方差值中的一个或多个方差值来确定所述传感器装置与患者的所述身体部位之间的所述接触时段。
15.根据权利要求14所述的方法,其中,确定所述呼吸速率包括:
基于所述感测时段中的所述传感器信号来生成功率谱估计结果和跨谱估计结果;并且
基于所述功率谱估计结果来计算所述呼吸速率。
16.一种监测器,包括:
存储器,其被配置为存储指令;以及
处理器,其被配置为运行所述指令以生成针对要被监测的患者的信息,所述处理器包括:
(a)接触检测器,其被配置为:从传感器装置接收传感器信号,从所述传感器信号中提取移动信息,并且基于所述移动信息来确定所述传感器装置与患者的身体部位之间的感测时段;以及
(b)呼吸速率计算器,其被配置为基于在所述感测时段期间发生的所述传感器信号来确定所述患者的呼吸速率,其中,所述传感器信号是从被包含在相对于所述患者的所述身体部位移动的可穿戴物件上或内的传感器装置接收的,作为所述可穿戴物件的移动的结果,所述传感器装置以间歇性模式与患者发生接触和非接触。
17.根据权利要求16所述的监测器,其中,所述感测时段包括所述传感器装置与所述患者的所述身体部位之间的接触时段。
18.根据权利要求16所述的监测器,其中,确定所述感测时段包括:
确定所述传感器装置与所述患者的所述身体部位之间的一个或多个非接触时段,并且
排除所述一个或多个非接触时段以确定所述传感器装置与所述患者的所述身体部位之间的接触时段,所述接触时段与所述感测时段相对应。
19.根据权利要求16所述的监测器,其中,所述移动信息指示所述可穿戴物件沿着三个方向轴的子集的移动。
20.根据权利要求19所述的监测器,其中,所述子集包括:
所述三个方向轴中的一个轴并且排除其余两个轴,或
所述三个方向轴中的两个方向轴的组合。
21.根据权利要求19所述的监测器,其中,所述接触检测器被配置为将沿着所述三个方向轴中的两个方向轴的组合生成的所述传感器信号进行组合以生成所述移动信息。
22.根据权利要求19所述的监测器,其中,所述接触检测器要通过确定至少一个时间窗口来确定所述感测时段,在所述至少一个时间窗口中,所述移动信息指示所述可穿戴物件沿着三个方向轴的所述子集的移动至少低于第一预定值。
23.根据权利要求22所述的监测器,其中,所述第一预定值指示坐着状态、躺下状态、静止站立状态或睡眠状态。
24.根据权利要求22所述的监测器,其中,所述接触检测器通过以下操作来确定所述至少一个时间窗口:
识别多个候选时间窗口,
基于至少一个参数对所述候选时间窗口进行分级,并且
从所述多个候选时间窗口中选择所述至少一个时间窗口,
其中,所述至少一个参数与所述多个候选时间窗口中的每个候选时间窗口中的所述传感器信号的至少一个参数相对应,并且其中,所述候选时间窗口的未被选择的候选时间窗口因为包含噪声或杂散信号而被丢弃。
25.根据权利要求24所述的监测器,其中,所述传感器信号的所述至少一个参数基于:
所述多个候选窗口中的所述传感器信号的幅度,
所述传感器装置的灵敏度,或
以上两者。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962949487P | 2019-12-18 | 2019-12-18 | |
US62/949,487 | 2019-12-18 | ||
PCT/EP2020/085252 WO2021122210A1 (en) | 2019-12-18 | 2020-12-09 | System and method for detecting respiratory information using contact sensor |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115175608A true CN115175608A (zh) | 2022-10-11 |
Family
ID=74104033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080096733.3A Pending CN115175608A (zh) | 2019-12-18 | 2020-12-09 | 用于使用接触传感器来检测呼吸信息的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210369138A1 (zh) |
EP (1) | EP4076175A1 (zh) |
JP (1) | JP2023506299A (zh) |
CN (1) | CN115175608A (zh) |
WO (1) | WO2021122210A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4371470A1 (en) * | 2022-11-21 | 2024-05-22 | Koninklijke Philips N.V. | Method and system for on/off wearing detection of an accelerometer-based wearable device |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI120716B (fi) * | 2005-12-20 | 2010-02-15 | Smart Valley Software Oy | Menetelmä ihmisen tai eläimen liikkeiden mittaamiseksi ja analysoimiseksi äänisignaalien avulla |
US8972197B2 (en) * | 2009-09-15 | 2015-03-03 | Numera, Inc. | Method and system for analyzing breathing of a user |
EP2263532A1 (en) * | 2009-06-05 | 2010-12-22 | Koninklijke Philips Electronics N.V. | Motion determination apparatus |
WO2013033524A2 (en) * | 2011-08-31 | 2013-03-07 | The Curators Of The University Of Missouri | Hydraulic bed sensor and system for non-invasive monitoring of physiological data |
JP6059229B2 (ja) | 2011-09-02 | 2017-01-11 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ベッド退出監視装置 |
CN104736055A (zh) * | 2012-05-30 | 2015-06-24 | 瑞思迈传感器技术有限公司 | 用于监控心肺健康的方法和设备 |
US20140085050A1 (en) * | 2012-09-25 | 2014-03-27 | Aliphcom | Validation of biometric identification used to authenticate identity of a user of wearable sensors |
KR102463383B1 (ko) * | 2015-02-27 | 2022-11-04 | 삼성전자주식회사 | 생체 신호 측정을 위한 방법 및 이를 위한 착용형 전자 장치 |
US20160302671A1 (en) * | 2015-04-16 | 2016-10-20 | Microsoft Technology Licensing, Llc | Prediction of Health Status from Physiological Data |
WO2017190965A1 (en) * | 2016-05-04 | 2017-11-09 | Koninklijke Philips N.V. | A method and apparatus for verifying whether to change a determined wearing status of a device |
-
2020
- 2020-12-09 WO PCT/EP2020/085252 patent/WO2021122210A1/en unknown
- 2020-12-09 EP EP20830089.7A patent/EP4076175A1/en not_active Withdrawn
- 2020-12-09 CN CN202080096733.3A patent/CN115175608A/zh active Pending
- 2020-12-09 JP JP2022537118A patent/JP2023506299A/ja active Pending
- 2020-12-14 US US17/120,431 patent/US20210369138A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20210369138A1 (en) | 2021-12-02 |
WO2021122210A1 (en) | 2021-06-24 |
JP2023506299A (ja) | 2023-02-15 |
EP4076175A1 (en) | 2022-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | TagSheet: Sleeping posture recognition with an unobtrusive passive tag matrix | |
US20230270377A1 (en) | Automated Detection of Breathing Disturbances | |
JP5674766B2 (ja) | 着用位置を検出するためのセンシングデバイス | |
CN108042108B (zh) | 一种基于体震信号的睡眠质量监测方法与系统 | |
Enayati et al. | Sleep posture classification using bed sensor data and neural networks | |
EP1284645A2 (en) | System and device for multi-scale analysis and representation of electrocardiographic data | |
KR101746590B1 (ko) | 무구속 생체정보 기반의 산만도 추정 시스템 | |
Kim et al. | 1D CNN based human respiration pattern recognition using ultra wideband radar | |
Altini et al. | Cardiorespiratory fitness estimation using wearable sensors: Laboratory and free-living analysis of context-specific submaximal heart rates | |
Liu et al. | Human biometric signals monitoring based on wifi channel state information using deep learning | |
Adami et al. | A method for classification of movements in bed | |
US11291406B2 (en) | System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep | |
CN115175608A (zh) | 用于使用接触传感器来检测呼吸信息的系统和方法 | |
Angelucci et al. | An IMU-based wearable system for respiratory rate estimation in static and dynamic conditions | |
US10980446B2 (en) | Apparatus and method for determining a sedentary state of a subject | |
Thammachote et al. | Contactless monitoring of human behaviors in bed using RSSI signals | |
US20160206224A1 (en) | Ecg electrode snap connector and associated methods | |
Wu et al. | Unobtrusive monitoring of sedentary behaviors with fusion of bluetooth and ballistocardiogram signals | |
Sujin et al. | Public e-health network system using arduino controller | |
CN112432640A (zh) | 使用状态判断方法、装置、电子设备和介质 | |
WO2019224113A1 (en) | Measuring movement in a subject | |
WO2021230223A1 (ja) | 睡眠覚醒判定システム、睡眠覚醒判定装置、およびプログラム | |
Jin et al. | VTMonitor: Tidal Volume Estimation Using Earbuds | |
US20240188883A1 (en) | Hypnodensity-based sleep apnea monitoring system and method of operation thereof | |
JP7294449B2 (ja) | 監視システム、監視方法、および監視プログラム |
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 |