CN115298750A - 生物体信号分析算法和系统及方法 - Google Patents
生物体信号分析算法和系统及方法 Download PDFInfo
- Publication number
- CN115298750A CN115298750A CN202180022265.XA CN202180022265A CN115298750A CN 115298750 A CN115298750 A CN 115298750A CN 202180022265 A CN202180022265 A CN 202180022265A CN 115298750 A CN115298750 A CN 115298750A
- Authority
- CN
- China
- Prior art keywords
- body temperature
- value
- infection
- tracking
- terminal
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0008—Temperature signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
- A61B5/4842—Monitoring progression or stage of a disease
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- A61B5/14542—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 blood gases
-
- 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
- A61B5/681—Wristwatch-type devices
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本说明书涉及一种分析算法和系统及方法,其利用收集生物体信号测量值的终端基于大数据平台对病毒潜伏期中的目标对象进行识别、追踪和预防等,并通过对生物体信号测量数据值进行存储、流通、收集和分析处理,提供根据数字防疫的流行病学调查等。
Description
技术领域
本发明涉及一种分析算法、基于大数据平台的分析算法和系统及方法,其使得因收集生物体信号的终端的形态、用户条件、周围环境条件、收集方法、个人活动等导致的生物体信号数据值的错误和歪曲最小化,并且算出在佩戴终端后收集的正常状态下的体温测量值的平均值,利用与之后收集的体温测量值的偏差值来区分、判读病毒感染阶段,随着时间的推移,利用偏差值的增减率来分析病毒的类型预测、到达各感染阶段的时间、发热起点预计时间等,并基于大数据平台对病毒潜伏期内的目标对象进行识别、追踪及预防等。
背景技术
虽然生命科学在持续发展,但因新型病毒COVID-19引起的流行病(Pandemic)等原因,经济损失和人员伤亡正在日益增加,并且随着新型病毒的预防疫苗、新药治疗剂等开发被推迟,迫切需要引进技术方法和多种流行病学调查方法等,更需要能够迅速应对紧急情况的方案。
另外,为了阻断COVID-19的感染扩散,首先体温的发热检查成为新的社会焦点,虽然陆续上市了可测量体温的智能手环、智能手表等,但由于终端的形态、用户条件、周围环境条件、收集方法、个人活动等,发生了体温测量值的错误和歪曲现象,并且持续地对体温测量值进行追踪从而可识别病毒潜伏期内的疑似感染目标对象的分析算法的缺失和病毒感染后不能自觉察觉发热状态的无症状感染正在成为严重的问题。
韩国公开专利第10-1818857号[可测量及监测体温的智能手环型温度计]涉及一种可测量及监测体温的智能手环型温度计,其具有以一定宽度的带状形成的带部,以便包围用户的手臂,并且以从累积有温度传感器测量出的体温的体温数据值导出的平均值为基础,与已设定的正常状态下的标准温度相比,在较高或较低的情况下进行警告,从而提供持续的体温测量。
但是,现有技术在计算正常状态的体温测量值时,利用累积的体温数据算出平均值后,单纯地比较、判断体温高或低的情况,但没有记述由于终端的形态、环境条件、收集方法、个人活动等可导致体温测量发生错误和歪曲的缺点和当首次佩戴智能手环时传感元件和皮肤接触面的温度适应净化过程以及算出正常状态体温测量值的具体技术方法。
因此,本发明中,在佩戴智能手环时,在进行一定时间的用于传感元件和皮肤接触面的温度适应的净化过程后,在误差范围±0.5℃以内间隔一定时间进行数次测量,并算出除了收集到的测量的值的最高温度和最低温度以外的正常状态的体温平均值,利用与之后收集到的体温测量值的偏差值来判读感染阶段或随着时间的推移,可利用偏差值的增减率来追踪病毒类型预测、到达感染阶段的预计时间、发热起点预计时间等,并且当疑似病毒感染目标对象产生活动时,将包括位置信息的数据信息通知、告知到便携终端APP.(应用),由此本发明与现有技术具有明显的区别。
发明内容
本发明是为了解决现有技术的问题而形成的,目的在于提供一种分析系统和算法,其使得终端收集的体温测量值的错误和歪曲现象最小化,并且对病毒感染阶段进行区分、判读,基于大数据平台对病毒潜伏期内的目标对象实施识别、追踪及预防等。
另外,本发明想要解决的另一个技术课题及目的是提供如下一种技术方法,可通过COVID-19等的疑似新型病毒感染目标对象的识别及位置追踪而进行远程监控,并且可通过基于大数据平台上的数字防疫系统来进行多种流行病学调查等。
在这里,本发明想要解决的技术课题及目的不局限于以上提到的技术课题及目的,并且未提及的另外的技术课题及目的可从以下的记载为本领域的技术人员所明确地理解。
为了实现上述目的,本发明使得根据终端的形态、用户条件、收集方法、外部环境条件等收集的体温测量值的错误和歪曲现象最小化,并且便携终端App.通过对从终端的蓝牙模块传送的体温测量值进行分析来判断是否是疑似病毒感染目标对象,而且还包括从便携终端接收分析后的体温测量值的服务器。
下载便携终端App.后,设置信息登记及用于病毒预防的与疑似感染终端佩戴目标对象的接近距离,并且算出在静止状态下间隔一定时间测量数次的正常状态的体温平均值,可利用与之后测量出的体温测量值的偏差值来判读病毒感染阶段。
另外,根据时间的推移,可利用体温偏差值的增减率来追踪、中断追踪体温的变化,并且通过体温变化的追踪、中断追踪来算出有意义的增减率,从而可算出体温到达各感染阶段的预计时间及发热起点预计时间。
另外,当疑似病毒感染目标对象产生活动时,则便携终端App.可将包括终端佩戴个体的便携终端App.的多址访问位置信息的信息值等以文字、图像、语音等方式通知、告知到服务器,并且在基于大数据平台的病毒潜伏期内,可对疑似感染目标对象进行识别、追踪、隔离及预防等。
本发明的特征及优点将通过根据附图的以下详细的说明而变得更加明显。
根据本发明,可通过生物体信号测量终端对病毒潜伏期中的目标对象进行识别、跟踪及预防等,并且当终端佩戴目标对象发生活动时,活用生物体信号分析算法,并通过基于大数据平台的机械学习和深度学习来构建大数据。
另外,可利用随着时间推移的体温偏差值的增减率来算出感染阶段中的体温到达预计时间及发热起点预计时间,可以追踪或中断追踪体温的变化,并且通过追踪、中断追踪体温变化来算出有意义的增减率,当终端佩戴个体发生活动时,从便携终端App.向服务器传送疑似病毒感染目标对象的信息数据值等,从服务器将包括便携终端App.的多址访问位置信息的信息值等以数字、文字、图像、语音等方式通知、告知到便携终端,从而可预防病毒感染。
另外,在COVID-19等新型病毒感染中,可通过对无症状感染个体的潜伏期中的微小体温变化进行追踪来识别、追踪其为疑似病毒感染目标对象。
另外,将终端收集到的各种生物体信号测量数据值发送到服务器,并且活用已接收、储存到服务器的各生物体信号的测量出的大数据,通过可接收诊疗、诊断、处方等的非面对面的医疗行为可以预防病毒感染。
附图说明
图1(a)、(b)是模拟病毒个体数和氧气饱和度的相关关系的图表。
图1(c)是模拟根据病毒接种后体温上升的偏差值变化的图表。
图2是概略示出根据本发明的系统构成的块图。
图3是示出本发明的终端的形状的使用状态图和立体图。
图4是本发明的多址定位追踪系统的概念图。
图5是概略示出本发明的生物体信号测量值的处理状态的顺序图。
图6是示出本发明的便携终端中的生物体信号测量数据传送状态的顺序图。
图7是概略示出本发明的对病毒感染阶段进行区分的过程的顺序图。
图8是示出本发明的对疑似病毒感染目标对象的感染时间点进行判读的构成图。
图9是示出本发明的测量终端和服务器之间的数据流动状态的顺序图。
图10是模拟本发明的算出体温的偏差值及增减率的方法的图表。
图11是模拟本发明的对体温到达感染阶段及发热起点预计时间进行追踪的图表。
图12(a)是模拟本发明的追踪体温的变化的方法的图表。
图12(b)、(c)、(d)及(e)是模拟本发明的中断追踪体温变化的方法的图表。
图13是模拟本发明的判断测量出的体温是否正常的方法的图表;以及
图14是模拟本发明的对病毒类型进行预测的方法的图表。
具体实施方式
以下,决定参照附图对本发明的优选实施例进行说明。在此过程中,图上示出的线条的厚度或构成要素的大小等在说明的明了性和便利性上可能会被夸张地示出。
另外,后述的术语作为考虑到本发明中的功能而定义的术语,其可根据用户、运用者的意图或惯例而改变。因此,对这些术语的定义应以本说明书整体的内容为基础而进行。
这里的附图是为了对技术的构成及作用进行说明和理解的便利及明确性而夸张或简化了一部分后示出,表明各构成要素与实际的大小及形态并不完全一致。
以下说明的实施例是为向具有一般知识的人完整地告知发明的范畴而提供的,本发明不限于以下公开的实施例,可以以多种形态体现出来。
图中相同的构成尽可能在所有地方显示相同的符号。在下面的说明中,出现了具体的特定事项,这只是为了帮助对本发明的全面理解而提供的,并不是将本发明限定在特定的实施形态,应该理解为包括本发明的思想及技术范围中的所有变更、均等物乃至替代物。另外,在说明本发明时,如果认为相关的公知功能或结构的具体说明有可能不必要地模糊本发明的要点,则省略其详细说明。
同时,以下实施例并不限定本发明的权利范围,只是本发明的权利要求书中揭示的构成要素的示例性事项,包含在本发明的整个说明书的技术思想中,包含从权利要求书的构成要素中可作为均等物进行置换的构成要素的实施例可以包含在本发明的权利范围中。
用于实施本发明的更加详细的内容如下,本发明的系统还包括:便携终端APP.(应用),其对从生物体信号测量终端的蓝牙模块传送的体温测量值进行分析,并判断活动是否发生;服务器,当活动发生时,其从便携终端APP.接收分析后的体温测量值,并且具有便携终端和网关中一个以上,便携终端对位置数据及终端测量的体温值进行接收并进行无线传送,网关从终端接收位置数据及测量出的体温值并传送,并且从便携终端及网关中的至少任意一个接收、储存位置数据及终端测量出的体温值,当活动发生时,将接收的位置数据及终端测量出的体温值传送至服务器,并且包括便携终端APP.的多址访问位置信息在内,服务器通过关于活动个体信息的数字、文字、图像、语音等向便携终端进行通知、告知,服务器还包括:数据库部,其对终端测量出的体温值进行分析、存储;收发部,其可通过互联网传送体温测量值,并且可通过对活动发生的体温测量值进行机械学习和深度学习来构建大数据。
另外,本发明提供一种基于大数据平台对病毒潜伏期中的目标对象进行识别、追踪及预防等的分析方法,其特征在于,包括如下步骤:用生物体信号测量终端测量出的体温值的分析算法来算出正常状态的体温值;判断测量出的体温是否正常;利用收集到的正常状态的体温值和之后测量出的体温值的偏差值来区分感染阶段;算出体温的偏差值及增减率;追踪体温到达感染阶段的预计时间和发热起点预计时间;利用体温偏差值的增减率来追踪体温的变化;中断体温变化追踪;通过测量出的体温值的增减来预测病毒类型等。
以下,决定参照附图对本发明的优选实施例进行更加详细的说明。
图1(a)是模拟病毒个体数和氧气饱和度的相关关系的图表。参照图1(a),在美国国立医学图书馆国立卫生研究院(US National Library of Medicine NationalInstitutes of Health)(PMC2776688)发表的“脉搏血氧测定法能准确预测流感感染期间的肺病理学和免疫反应(Pulse-oximetry accurately predicts lung pathology andthe immune response during influenza infection)”实验中,诱发与病毒感染有关并导致外皮损伤和肺炎的局部免疫及炎症反应(Taubenberger,2008),并且,如图1(b)所示,氧气饱和度(SaO2)水平在感染的所有阶段中都与肺病理直接有关,并且评价了氧气饱和度水平根据病毒个体数是否可成为流感(Influenza)感染的重症度的有效指标。实验的方法是以流感A/PR8/34(PR8)病毒的分别10TCID50、100TCID50、1000TCID50的含量感染BALB/c老鼠鼻腔内后,模拟了根据感染后经过天数的病毒个体数和氧饱和度的相关关系。
因此,以10TCID50、100TCID50、1000TCID50的病毒含量分别感染的老鼠如图1(a)所示,感染后第5天显示病毒个体数的峰值,每毫升病毒的个体数分别增值并检测出105~106、106~107、107~108。如图1(b)所示,以分别10TCID50、100TCID50、1000TCID50的病毒含量感染后显示出氧气饱和度随着经过天数而逐渐下降的相关关系,并且包括老鼠实验在内,在猴子、鼬鼠、猪、狗、猫等动物实验中显示了随着病毒个体数量的增加氧气饱和度下降的相关关系。
图1(c)是模拟了根据动物实验(鼬鼠)中的SARS-CoV-2(COVID-19)菌株的攻击接种后体温上升导致的偏差值的变化的图表。参考图1(c),https://doi.org/10.1016/j.chom.在2020年03月23日登载的“SARS-CoV-2在接种了NMC-nCoV02的白鼬体内的感染和快速传播(Infection and Rapid Transmission of SARS-CoV-2 in Ferrets NMC-nCoV02)”论文的COVID-19相关实验中,为了确认鼬鼠间的传染,在2020年2月将从韩国被确诊为COVID-19的患者身上分离出的菌株(NMC-nCoV02)的105.5TCID50的病毒接种(IN)到鼬鼠(n=2)鼻腔内,实验方法是共同饲养的直接接触(DC)或从已感染的鼬鼠以分离的形式利用透射性分区而间接接触(IC),并记录了第一次攻击接种后已感染两天的SARS-CoV-2感染的个体数。该研究反复进行了3次独立的实验(共n=24;直接感染[n=6]、DC[n=6]、IC[n=6]及PBS控制[n=6]),并且可知感染了NMC-nCoV02的鼬鼠的体温在攻击接种后约2~8天内从38.1℃上升到40.3℃及使得6个直接感染(DC)的所有鼬鼠的体温都有所增加,并且从病毒感染后到一定时间的潜在期为止,没有发生体温增加的变化,约36个小时后开始出现了发热起点。
因此,感染病毒后,随着个体数量的增加,经过潜在期(Latent Period)的同时,到达血液中病毒个体数量的定量临界值以后,从发热起点开始,体温显示为根据经过天数而上升。
图2是概略示出根据本发明的一个实施例的系统构成的块图。参照图2,本发明的可穿戴形态的生物体信号测量终端100包括控制装置200,其设置于生物体信号测量终端100主体一面,并且终端100包括:一个以上的传感元件110,其可实现包括红外线传感器、体温感知传感器、LED的光电容积脉搏描记(PPG,PhotoPlethysmoGraphy)和脉搏血氧测定法(Pulse Oximetry)等的传感及元件技术;以及蓝牙模块150,其连接到便携终端或平板电脑等。控制装置200与终端100设置为一体型,或以可拆卸的形式设置于终端100。
另外,本发明还设置有便携终端300a和网关300b中一个以上,便携终端300a接收位置数据及生物体信号测量数据值并进行无线传送,网关300b从终端100接收位置数据值及生物体信号测量数据值并进行传送。包括服务器400,其从便携终端300a和网关300b中的至少任意一个接收、存储位置数据值及生物体信号测量数据值,当活动发生时,对接收的位置数据值及各生物体信号测量数据值进行分析、判读,生成对终端佩戴目标对象的判读信息值。服务器400还包括:数据库部410,其对接收到的生物体信号传感数据值进行储存;收发部420,其通过互联网传送生物体信号传感数据值,可通过对活动相关的生物体信号测量大数据值进行机械学习和深度学习来构建基于人工智能的平台。
另外,从包括控制装置200的终端100的传感元件110所获得的测量数据值通过便携终端300a或网关300b中的至少任意一个传送到服务器400。
根据本发明的实施例,终端100佩戴个体的便携终端300a包括电池340、陀螺传感器350、加速度传感器360、红外线传感器370、动作感知传感器380、GPS模块390等,并且便携终端利用陀螺传感器350、加速度传感器360、动作感知传感器380、GPS模块390等可在终端100App.画面上设置终端100传感元件110的测量时间和次数,并且仅在静止状态下收集从传感元件110获得的传感数据值,从而可收集更加准确的生物体信号传感数据值。
另外,终端100佩戴个体的便携终端300a还包括:PPG信号检测部310,其收集生物体信号传感数据值,用于检测光电容积脉搏描记(PPG,Photo Plethysmo Graphic)信号;信号处理部320,其利用加速度传感器360和陀螺传感器350等仅在静止状态下可测量,并且用于检测静止信号的PPG信号和静止信号的增幅及数字转换;无线通信部330,其用于根据无线通信标准来处理并传送数字转换后的PPG信号和静止信号。
以本发明的终端100的应用方法为例,其特征在于,针对乘坐的交通手段是飞机、船、火车、公交车、地铁等的乘客,在佩戴终端100移动的期间收集体温上升、呼吸次数增加、氧气饱和度减少等各种生物体信号测量值,可对疑似病毒感染目标对象进行识别、追踪,并可通过在军队、幼儿园、学校、公司、剧场、演出场、教会、教堂、寺庙、工厂、集会场所等密集场所佩戴所述终端来预防病毒感染。
另外,本发明的系统及方法通过3G、LTE、5G通信等传送利用各种测量技术获得的数据值等信息,在服务器400中加工数据并存储在数据库部,将其构成为DB系统,可对储存的数据的结果进行分析并对疑似病毒感染目标对象进行识别、跟踪。另外,终端可对包括氧气饱和度、体温、咳嗽声频率次数等在内的肌电图、呼吸次数、心电图、血压、脉搏、活动量等生物体信号传感数据值进行测量、收集、分析。上述技术是通常情况下为实施本发明的人所广泛知晓的技术,故省略详细的说明。
图3是示出本发明的终端形状的使用状态图和立体图。参照图3,在本图中,为了便于说明,终端是指以与佩戴者的皮肤(S)相接触的方向的面为背面,以与背面相反的方向的面为前面。
参考图3的(a),在包括用于使得生物体信号测量数据值的错误和歪曲现象最小化的控制装置的终端100中,如图3的(a)和(b)所示,控制装置200借助于连接部件250连接到终端主体,并具有易于拆卸的结构。
参照图3的(b),用于使得生物体信号测量数据值的错误和歪曲最小化的控制装置包括:收纳空间210,其形成于终端中央部后面,以便不妨碍终端的生物体信号传感感知;弹性弹簧220,其安装在上述收纳空间,并且保持各种传感元件与皮肤接触面的一定距离;开放型腔室230,其设置于控制装置的下端部,并且与身体部位接触面形成相同的曲率;腔室安装槽240,其以具有与开放型腔室相对应的形状的形式凹陷地形成于下端面;连接部件250,其将控制装置和终端连接起来。连接部件的形状可执行连接控制装置和终端的功能,并且参考图3的(c)、(d),可包括没有控制装置200也能够以可执行图3的(a)、(b)功能的一体型的形式佩戴的各种形状及结构,并且可省略通常情况下为实施本发明的人所广泛熟知的技术的详细说明。
图4示出了利用多址定位追踪(Multiple access location tracking)的病毒感染预防系统。参照图4,服务器在下载便携终端的App.后,为了预防疑似感染终端佩戴目标对象的病毒而设置接近距离(10M),服务器收集便携终端App.的多址访问位置信息数据值,并且当在密集地区发生活动时,向服务器上的便携终端App.,包括包含疑似感染终端佩戴目标对象和便携终端之间的位置信息的信息值等在内,在便携终端App.画面上可通知、告知疑似病毒感染目标对象的数量。根据记述的结构,可利用通过实时GPS的位置追踪来预防病毒感染。
图5是概略示出本发明的生物体信号测量数据值的处理操作的顺序图。参照图5,包括如下步骤:将位于终端主体后面的测量元件和身体部位接触面隔开、保持一定的测量有效距离后进行佩戴S110;在下载终端佩戴目标对象的便携终端App.后,设置基本信息及用于预防病毒的与疑似感染目标对象的接近距离,并且在静止状态下,将终端测量出的生物体信号测量数据值的平均值认证为正常状态下的数据值S120;收集正常状态下的数据值和之后终端测量出的各生物体信号测量数据值,并在便携终端App.上分析S130;当活动发生时,将分析后的生物体信号测量数据值传送至服务器S140;将包括传送到服务器的终端佩戴目标对象的位置信息的信息值等传送到便携终端S150;当疑似病毒感染终端佩戴个体进入便携终端内已设置的接近距离以内时,将包含活动目标对象的位置信息的个体信息值显示在便携终端App.画面S160;在服务器上,可持续进行App.的多址定位追踪,另外,可适用对活动目标对象的生物体信号测量数据值进行存储、流通、收集、分析处理的并列分布数据处理结构。
图6是示出本发明的便携终端中的生物体信号测量数据传送操作的顺序图。参照图6,包括如下步骤:在终端佩戴个体的便携终端下载App.S121;利用App.画面来登记终端佩戴个体的信息及每当佩戴终端时对正常状态的各个生物体信号测量数据值的平均值进行认证S122;算出认证后的正常状态的生物体信号测量数据值的平均值,并且算出与之后收集到的生物体信号测量数据值的测量值的偏差值S123;通过各个生物体信号数据值的组合来识别疑似感染目标对象,并传送到服务器S124;对传送至服务器的数据值进行存储,并且包括终端佩戴个体之间的位置信息在内,通过服务器将疑似感染终端佩戴目标对象的各个数据值传送到便携终端S125;将传送至便携终端的位置信息和疑似感染目标对象的数量显示并通知、告知在App.画面上S126;通过对储存在服务器的已识别的各个生物体信号数据值进行机械学习和深度学习,以人工智能的方式进行分析S127;根据记述的结构,服务器可从便携终端获得终端测量的测量值的传递,并构建服务器里的大数据,从而可构建能够远程监控感染源、感染途径、感染传播速度等流行病学调查的数字防疫系统。
图7是概略示出对本发明的感染阶段进行区分的过程的顺序图。参照图7,包括如下步骤:将佩戴个体的终端和便携终端App.相联动并下载S210;在下载便携终端App.后登记基本信息等S220;体温和氧气饱和度的误差范围分别在±0.5℃、±1%以内隔开一定时间间隔并且在静止状态下进行数次测量,在去除已测量的值的最高生物体信号测量数据值和最低生物体信号测量数据值之后,将平均值认证为正常状态的体温值、氧气饱和度值S240;当体温和氧气饱和度的误差范围分别脱离±0.5℃、±1%以内时进行重新适用,算出正常状态的体温值、氧气饱和度值,并算出与之后收集到的体温和氧气饱和度的测量值的偏差值S240;根据已算出的偏差值范围来区分感染阶段S250;感染阶段细分为轻症和重症,并可根据临床诊断标准区分病毒感染阶段。
图8是示出对疑似病毒感染目标对象的感染时间点进行判读的构成图。参照图8,虽然疑似感染目标对象在潜伏期中的潜在期(Latent period)状态下不会出现发热症状,但经过潜在期后,经过病毒血液中出现的最小定量临界值,对从最初发热起点到潜伏期结束为止的发热状态进行追踪,并对病毒感染时间点进行判读,特别示出了在感染新型病毒(COVID-19)后,没有自觉察觉发热状态的无症状感染期间的感染阶段的判读时间点。
图9是示出本发明的终端和服务器之间的数据流动状态的顺序图。参照图9,利用便携终端从服务器收集、追踪多址访问位置信息数据值,当活动发生时,向服务器上的便携终端传送疑似感染目标对象的位置信息等,为了预防病毒感染,判断疑似感染终端佩戴个体是否进入便携终端App.里已设置的接近距离以内,并根据疑似感染终端佩戴个体进入与否来传送至服务器的步骤,当疑似感染终端佩戴个体进入接近距离以内时,将服务器上的疑似感染终端佩戴个体的位置信息等传送到便携终端,并且将疑似感染目标对象的数字、语音、图像等形象化于App.画面,并可执行通知、告知,当没有进入已设置的接近距离以内时,在服务器内可利用便携终端持续地收集、追踪多址访问位置信息数据值。
图10是模拟对体温的偏差值及增减率进行计算的方法的图表。参照图10,特征在于,在算出体温的偏差值及增减率之前,为了判断体温是否持续上升而计算并追踪体温随着时间的推移的变化(偏差值),即增减率,并且为了防止因暂时性的体温增加和减少导致的歪曲,活用增减率来判断测量出的体温是否正常,计算式是偏差值除以经过时间,可以计算出每小时体温的变化,在计算式中,Ts为正常状态体温(s:standard)、Tp是当前测量体温(p:present)、Te是预计体温(e:expectation)、te是预计体温时间、△te是预计体温到达值(e:expectation)、Tc是体温变化追踪标准体温(c:criteria)、△Tc是体温变化追踪标准增加值(c:criteria)、Tb是体温变化追踪开始体温(b:beginning point)、tb是体温变化追踪开始时间(b:beginning point)、tf是发热起点预计时间、△tf是发热起点到达值(f:fever)、±Tmax定义为增减率的最大、最高值,体温变化追踪开始体温(Tb)和当前测量体温(Tp)的偏差值及增减率的计算式是经过时间(tp,tb)=tp-tb、偏差值(Tp,Tb)=TP-Tb、增减率(Tp,Tb)=偏差值(Tp,Tb)/经过时间(tp,tb)=(Tp-Tb)/(tp-tb)。另外,特征在于,利用正常状态的体温值和之后收集的体温测量值的偏差值,分为感染注意阶段0.0~+1.0、感染警戒阶段+1.0~+2.0、感染疑似阶段+2.0以上,所区分的各感染阶段分别细分为(0.0~+0.5、+0.5~+1.0)、(+1.0~+1.5、+1.5~+2.0)、(+2.0~+2.5、+2.5),并按照轻症、重症来区分各感染阶段。
图11是模拟追踪体温到达感染阶段预计时间和发热起点预计时间的方法的图表。参照图11,特征在于,作为追踪体温到达感染阶段预计时间和发热起点预计时间的方法,为了事先认知感染阶段,为了在判断潜伏期内的一定时间内体温持续上升的发热状态和感染阶段水平时,确认可参考的体温偏差值(增减值)及根据时间的推移而导致的体温上升速度(体温增减率),当体温上升至超过正常状态一定水平以上时,开始追踪体温变化,体温的偏差值是通过测量时间点的体温值和经过一定时间后测量出的体温值的差异值来显示体温的变化,体温增减率是每经过一定时间体温的变化,用体温偏差值(增减值)除以经过时间来表示体温的上升速度,通过活用算出的增减率来追踪体温到达各感染阶段的预计时间和实际发热起点预计时间,并且计算式为体温到达感染阶段的预计时间(te)=tp+预计体温到达值(△te),△te=(Te-Tp)/增减率(Tp,Tb),实际发热起点预计时间的计算式为发热起点预计时间(tf)=tp-发热起点到达值(△tf),用△tf=(Tp-Ts)/增减率(Tp,Tb)追踪因潜伏期内的体温上升而导致的体温到达病毒感染阶段预计时间、发热起点预计时间。
图12(a)是模拟追踪体温变化的方法的图表。参照图12(a),特征在于,在确认正常状态体温值(Ts)后,在设定时间(以1小时为单位)自动测量体温,并且当之后测量出的体温在体温变化追踪标准体温(Tc=Ts+△Tc)以上时,则开始追踪体温变化,并且当开始追踪体温变化时,在一定时间内进行追踪并实质上确认体温的上升、减少及正常状态的体温的恢复,并且可防止因特殊的周边环境或脱离日常活动的例外的体温增减变化而导致的错误判断,并且判断病毒感染的持续体温上升特征和体温测量传感器的最小测量单位的临界值0.1单位的体温上升与否。
图12(b)、(c)、(d)、(e)是模拟中断追踪体温变化的方法的图表。参照图12(b),特征在于,长时间过去可能会导致增减率歪曲,为了完善此而在体温变化追踪活动以后,在不存在有意义的体温变化的状态下,在未达到体温变化追踪标准体温(Tc)时中断,图12(c)在存在有意义的体温变化的状态下,在减少到体温变化追踪标准体温(Tc)以下后,追踪一定时间,当体温上升到Tc以上时,不中断地进行体温变化追踪,图12(d)在一定时间(6h~12h)以后持续保持Tc以下时,中断体温变化追踪,图12(e)在体温变化追踪标准体温(Tc)以上开始追踪体温变化后,虽然保持体温变化追踪标准体温(Tc)以上,但在一定时间内没有发生有意义的变化的状态,即,增减率持续下降时,识别为特殊状态,并中断体温变化追踪,从相应时间点开始重新进行体温变化追踪。
图13判断测量出的体温是否正常,参照图13,与之前正常测量体温值相比,当当前测量体温值的偏差值增减超出±Tmax范围时,则判断为特殊情况(图13内a、b、c、f)状态并排除,或者当脱离按照对之前正常测量体温适用±Tmax体温增减率的经过时间算出的值范围时,作为特殊情况(图13内d、e)排除。
图14是模拟预测病毒类型等方法的图表。参照图14,特征在于,作为用于预测病毒类型的方法,除了随着时间的推移而积累的特殊体温外,以被认为是正常体温的体温值为对象,从个别算出的增减率求出平均增减率,并对病毒类型进行分类,并且以偏差值0.001单位计算个别已算出的增减率数据值的平均值,用将平均值四舍五入为0.01单位的值预测增减率带的单位区间内的病毒类型等。因此,在全世界范围内,关于大流行病可根据病毒类型掌握发生地区、感染源的移动路线,进行病毒感染扩散速度等的流行病学调查,通过人工智能方法利用病毒个别算出的增减率,并通过机械学习和深度学习来构建基于大数据平台的全球数字防疫系统。
另外,本发明还可包括预防病毒感染的步骤。该步骤是在下载与测量终端联动的便携终端App.后,设定便携终端和用于预防病毒感染的疑似感染终端佩戴目标对象(Target Object)的接近距离,然后利用测量终端的蓝牙模块,将传送的体温(BT)、氧气饱和度(SpO2)、心率(HRM)、咳嗽声(Cough Sound)等测量值传送至便携终端,并且在便携式终端App.中,通过测量值的临床区分、组合来判读活动是否发生,当发生疑似感染终端佩戴个体的活动时,个体信息数据值被传送至服务器,在服务器中,通过便携终端App.的多址定位追踪,在便携终端,包括疑似感染终端佩戴目标对象的位置信息在内,将活动目标对象数形象化为文字、语音、图像等,并通知、告知到便携终端App.画面。
本发明的单纯的变形乃至变更全部属于本发明的范畴,本发明的具体保护范围将根据专利权利要求书而变得明确。
Claims (11)
1.一种生物体信号分析方法,作为利用生物体信号分析系统分析生物体信号的方法,其特征在于,
生物体信号分析系统通过对活动产生的体温测量值进行机械学习和深度学习来构建大数据,还包括:便携终端APP.(应用),其对从生物体信号测量终端的蓝牙模块传送的体温测量值进行分析,并判断活动是否发生;服务器,当活动发生时,其从便携终端APP.接收分析后的体温测量值,并且具有便携终端和网关中一个以上,便携终端对位置数据及测量出的体温值进行无线传送,网关从终端接收位置数据及测量出的体温值并进行传送,所述服务器从便携终端及网关中的至少任意一个接收、储存位置数据及终端测量出的体温值,并且当活动发生时,获得所接收的位置数据及终端测量出的体温值的传送,包括便携终端APP.的多址访问位置信息在内,向便携终端通知、告知关于活动个体信息的数字、文字、图像、语音等,服务器还包括:数据库部,其对终端测量出的体温值进行分析、存储;收发部,其可通过互联网传送体温测量值,
生物体信号分析方法包括以下步骤:
用生物体信号测量终端测量的体温值的分析算法来算出正常状态的体温值;判断测量出的体温是否正常;利用算出的正常状态的体温值和之后测量出的体温值的偏差值来区分感染阶段;算出体温的偏差值及增减率;追踪体温到达感染阶段的预计时间和发热起点预计时间;利用体温偏差值的增减率来追踪体温的变化;中断体温变化追踪;以及通过测量出的体温值的增减来预测病毒类型,
算出体温的偏差值及增减率的步骤是,为了判断体温是否持续上升而计算出并追踪体温随着时间的推移的变化(偏差值),即增减率,并且为了防止因暂时性的体温增加和减少导致的歪曲而活用增减率来判断测量出的体温是否正常,计算式是偏差值除以经过时间,可以计算出每小时体温的变化,并且体温变化追踪开始体温(Tb)和当前测量体温(Tp)的增减值及增减率的计算式是经过时间(tp,tb)=tp-tb、偏差值(Tp,Tb)=Tp-Tb、增减率(Tp,Tb)=偏差值(Tp,Tb)/经过时间(tp,tb)=(Tp-Tb)/(tp-tb)。
2.根据权利要求1所述的生物体信号分析方法,其特征在于,计算出正常状态的体温值的步骤包括:
一定时间内在静止状态下,体温传感元件和皮肤接触面的温度适应净化后,在误差范围±0.5℃以内间隔一定时间测量数次,计算出除测量的值的最高温度和最低温度以外的平均值作为正常状态的体温值的步骤。
3.根据权利要求1所述的生物体信号分析方法,其特征在于,判断测量出的体温是否正常的步骤包括:
与之前正常测量体温值相比,当当前测量体温值的偏差值增减超出±Tmax范围时,则判断为特殊情况并排除,或者当超出按之前正常测量体温适用±Tmax体温增减率的经过时间计算出的值范围时作为特殊情况排除,或当超出按之前正常测量体温适用±Tmax体温增减率的经过时间计算出的值范围时作为特殊情况排除,由此判断体温是否正常的步骤,但,Tmax是增减率的最大值。
4.根据权利要求1所述的生物体信号分析方法,其特征在于,
区分感染阶段的步骤是利用正常状态的体温值和之后收集的测量值的偏差值,区分为感染注意阶段0.0~+1.0、感染警戒阶段+1.0~+2.0、感染疑似阶段+2.0以上,区分的各感染阶段分别细分为(0.0~+0.5、+0.5~+1.0)、(+1.0~+1.5、+1.5~+2.0)、(+2.0~+2.5、+2.5),并按照轻症、重症来区分各感染阶段。
5.根据权利要求1所述的生物体信号分析方法,其特征在于,
还包括追踪体温到达感染阶段的预计时间和发热起点预计时间的步骤,该步骤是为了提前认知感染阶段,为了在判断潜伏期内的一定时间内体温持续上升的发热状态和感染阶段水平时确认可参考的体温偏差值(增减值)及根据时间经过的体温上升速度(体温增减率),当体温上升至超过正常状态一定水平以上时,开始追踪体温变化,体温的偏差值是通过测量时间点的体温值和经过一定时间后测量出的体温值的差异值来显示体温的变化,体温增减率是每经过一定时间体温的变化,用体温偏差值(增减值)除以经过时间来表示体温的上升速度,通过活用算出的增减率来追踪体温到达各感染阶段的预计时间和实际发热起点预计时间,并且计算式为体温到达感染阶段的预计时间(te)=tp+(Te-Tp)/增减率(Tp,Tb),实际发热起点预计时间的计算式为发热起点预计时间(tf)=tp-(Tp-Ts)/增减率(Tp,Tb)。
6.根据权利要求1所述的生物体信号分析方法,其特征在于,
追踪体温变化的步骤是在确认正常状态的体温值(Ts)后,在设定时间自动测量体温,并且当之后测量出的体温超过体温变化追踪标准体温(Tc=Ts+△Tc)时,开始追踪体温变化,当开始追踪体温变化后,通过进行一定时间的追踪来实质上确认体温的上升、减少及正常状态的体温的恢复,从而防止因脱离特殊的周边环境或日常活动的例外的体温增减变化而导致的错误判断,并且判断病毒感染的持续体温上升特征和体温测量传感器的最小测量单位的临界值0.1单位的体温上升与否。
7.根据权利要求1所述的生物体信号分析方法,其特征在于,
中断体温变化追踪的步骤是为了完善长时间的经过带来的增减率的歪曲,而在体温变化追踪活动之后,在不存在有意义的体温变化的状态下,当未达到体温变化追踪标准体温(Tc)时中断,在存下有意义的体温变化的状态下,减少到体温变化追踪标准体温(Tc)以下后追踪一定时间,当体温上升到Tc以上时,不中断地进行体温变化追踪,但当一定时间后持续维持Tc以下时,中断体温变化追踪,并且至体温变化追踪标准体温(Tc)以上开始追踪体温变化后,虽然维持体温变化追踪标准体温(Tc)以上,但在一定时间内没有发生有意义的变化的状态,即,增减率持续下降的情况下识别为特殊状态,并中断体温变化追踪,从相应时间点重新进行体温变化追踪。
8.根据权利要求1所述的生物体信号分析方法,其特征在于,
预测病毒类型的步骤是除了随着时间的推移而积累的特殊体温之外,以被认为是正常体温的体温值为对象,从个别计算出的增减率求出平均增减率,并对病毒类型进行分类,并且以偏差值0.001单位算出个别已算出的增减率数据值的平均值,用将平均值四舍五入为0.01单位后的值预测增减率带的单位区间。
9.根据权利要求1所述的生物体信号分析方法,其特征在于,
还包括判读疑似病毒感染目标对象的感染时间的步骤,该步骤是计算出正常状态的体温平均值,并且算出体温平均值和感染病毒后经过潜在期病毒大幅增加的同时血液中病毒的最小定量临界值之后从因免疫反应媒介导致体温上升的发热起点到潜伏期结束为止收集的体温测量值的偏差值,并在导出重要水准以上的偏差值时,判读感染时间。
10.根据权利要求1所述的生物体信号分析方法,其特征在于,
还包括预防病毒感染的步骤,该步骤是在下载与测量终端联动的便携终端App.后,设定便携终端和用于预防病毒感染的疑似感染终端佩戴目标对象的接近距离,然后利用测量终端的蓝牙模块,将传送的体温(BT)、氧气饱和度(SpO2)、心率(HRM)、咳嗽声等测量值传送至便携终端,并且在便携式终端App.中,通过测量值的临床区分、组合来判读活动是否发生,当发生疑似感染终端佩戴个体的活动时,个体信息数据值被传送至服务器,在服务器中,通过便携终端App.的多址定位追踪,在便携终端,包括疑似感染终端佩戴目标对象的位置信息在内,将活动目标对象数形象化为文字、语音、图像等,并通知、告知到便携终端App.画面。
11.根据权利要求1所述的生物体信号分析方法,其特征在于,
还包括通过终端佩戴个体的便携终端App.确认终端佩戴状态的步骤,在终端佩戴后的一定时间内,测量传感元件和皮肤接触面的温度适应净化后,在静止状态下收集生物体信号测量数据值,以便防止因终端的形态、用户条件及外部环境等导致数据值的错误和测量数据值的歪曲,并且在终端下端面形成一定模样的凹槽,用于安装开放型腔室,开放型腔室底面通过形成一定模样的阳刻、阴刻来防止在皮肤接触面滑动及阻断外部光的流入,当由于终端佩戴目标对象的移动而不能接收测量数据值至便携终端时,通过终端佩戴个体的便携终端App.确认终端佩戴状态。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2020-0039248 | 2020-03-31 | ||
KR20200039248 | 2020-03-31 | ||
KR10-2020-0086623 | 2020-07-14 | ||
KR1020200086623A KR102239557B1 (ko) | 2020-03-31 | 2020-07-14 | 생체 신호 분석 알고리즘과 시스템 및 방법 |
PCT/KR2021/003149 WO2021201464A1 (ko) | 2020-03-31 | 2021-03-15 | 생체 신호 분석 알고리즘과 시스템 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115298750A true CN115298750A (zh) | 2022-11-04 |
Family
ID=75477375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180022265.XA Pending CN115298750A (zh) | 2020-03-31 | 2021-03-15 | 生物体信号分析算法和系统及方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230162857A1 (zh) |
KR (1) | KR102239557B1 (zh) |
CN (1) | CN115298750A (zh) |
WO (2) | WO2021201329A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102638693B1 (ko) * | 2021-10-08 | 2024-02-20 | (주)지큐리티 | 위치 기반 생체정보 모니터링 시스템 및 방법 |
US12021648B2 (en) * | 2021-11-24 | 2024-06-25 | Roger William Hickey | Disease alert system |
CN115101215B (zh) * | 2022-07-08 | 2023-01-31 | 青岛国信城市信息科技有限公司 | 一种基于大数据的疫情防控智能管理平台 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100976089B1 (ko) * | 2009-10-29 | 2010-08-16 | 주식회사 케이.엠.아이 | 패턴 저장식 체온 관리장치 및 이를 이용한 체온 관리방법 |
KR101438274B1 (ko) * | 2012-09-20 | 2014-09-15 | 동국대학교 경주캠퍼스 산학협력단 | 스마트 단말기를 통한 건강 상태 체크 방법 및 이를 이용한 건강 상태 체크 시스템 |
US20150100330A1 (en) * | 2013-10-08 | 2015-04-09 | Assaf Shpits | Method and system of identifying infectious and hazardous sites, detecting disease outbreaks, and diagnosing a medical condition associated with an infectious disease |
KR20170053145A (ko) * | 2015-11-05 | 2017-05-15 | 고려대학교 산학협력단 | 전염병 예방과 확산 방지를 위한 전염병 추적 관리 시스템 |
KR101779705B1 (ko) * | 2016-03-16 | 2017-09-20 | 한양대학교 산학협력단 | 사물인터넷기반 신종 감염병 예측 대응 플랫폼 시스템 |
KR102424517B1 (ko) * | 2016-03-18 | 2022-07-25 | 삼성전자주식회사 | 전염병에 대응을 위해 생체 신호를 분석하는 방법 및 그 장치 |
KR20180074558A (ko) * | 2016-12-23 | 2018-07-03 | 한동호 | 밴드형 메디컬 장치 및 이와 연동되는 스마트폰 앱 |
KR101986088B1 (ko) * | 2017-11-06 | 2019-06-05 | 주식회사 오픈시스넷 | 비정상 생체 신호 감지를 위한 사물 인터넷 디바이스 연동 시스템 및 그 제어방법 |
KR101897236B1 (ko) * | 2017-11-17 | 2018-09-10 | (주)아이오티뉴테크 | 스마트밴드를 이용한 실시간 사고예방 모니터링 시스템 및 이를 위한 스마트밴드 |
-
2020
- 2020-04-08 WO PCT/KR2020/004753 patent/WO2021201329A1/ko active Application Filing
- 2020-07-14 KR KR1020200086623A patent/KR102239557B1/ko active
-
2021
- 2021-03-15 US US17/912,569 patent/US20230162857A1/en active Pending
- 2021-03-15 WO PCT/KR2021/003149 patent/WO2021201464A1/ko active Application Filing
- 2021-03-15 CN CN202180022265.XA patent/CN115298750A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230162857A1 (en) | 2023-05-25 |
WO2021201329A1 (ko) | 2021-10-07 |
WO2021201464A1 (ko) | 2021-10-07 |
KR102239557B1 (ko) | 2021-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115298750A (zh) | 生物体信号分析算法和系统及方法 | |
US10390730B1 (en) | Methods, systems, and devices for determining a respiration rate | |
RU2336808C2 (ru) | Система контроля биологической информации | |
US9927305B2 (en) | Method and apparatus for accurate detection of fever | |
CN102687152B (zh) | Copd恶化预测系统 | |
US20220054092A1 (en) | Eyewear with health assessment, risk monitoring and recovery assistance | |
CN109328034B (zh) | 用于确定对象的睡眠阶段的确定系统和方法 | |
US8552871B2 (en) | Apparatus and method for sensing photoplethysmogram and fall | |
WO2009036312A1 (en) | Device and method for assessing physiological parameters | |
Park et al. | Glasses for the third eye: Improving the quality of clinical data analysis with motion sensor-based data filtering | |
Camcı et al. | Abnormal respiratory event detection in sleep: A prescreening system with smart wearables | |
KR20170133003A (ko) | 환자 낙상 인식을 위한 웨어러블 장치 및 서버 | |
Raj et al. | Clinical validation of a wearable respiratory rate device for neonatal monitoring | |
KR102463765B1 (ko) | 기기 착용 여부를 고려한 제어를 수행하는 웨어러블 디바이스, 그 제어 방법 및 컴퓨터 프로그램 | |
US20210000405A1 (en) | System for estimating a stress condition of an individual | |
Kabanov et al. | Development of a wearable inertial system for motor epileptic seizure detection | |
US20180140192A1 (en) | Apparatus, system, computer-readable medium, and method for controlling communication with attachable sensor attached to target patient | |
WO2022103410A1 (en) | System and methods for indicating pre-symptomatic adverse conditions in a human | |
US20180140254A1 (en) | Apparatus, computer-readable medium, and method for detecting biological data of target patient from attachable sensor attached to target patient | |
US20220151569A1 (en) | System and Methods for Indicating Pre-Sympomatic Adverse Conditions in a Human | |
US20210196194A1 (en) | Unobtrusive symptoms monitoring for allergic asthma patients | |
US20180140202A1 (en) | Apparatus, computer-readable medium, and method for detecting biological data of target patient from attachable sensor attached to target patient | |
EP3854299A1 (en) | Unobtrusive symptoms monitoring for allergic asthma patients | |
US20180140193A1 (en) | Apparatus, computer-readable medium, and method for detecting biological data of target patient from attachable sensor attached to target patient | |
EP4371470A1 (en) | Method and system for on/off wearing detection of an accelerometer-based wearable device |
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 |