CN115361902A - 感应式感测系统和方法 - Google Patents
感应式感测系统和方法 Download PDFInfo
- Publication number
- CN115361902A CN115361902A CN202180025815.3A CN202180025815A CN115361902A CN 115361902 A CN115361902 A CN 115361902A CN 202180025815 A CN202180025815 A CN 202180025815A CN 115361902 A CN115361902 A CN 115361902A
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- input
- frequency
- candidate
- 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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0522—Magnetic induction tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
-
- 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
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种用于从感测到的感应信号提取与身体中的不同生理现象有关的分量信号的系统(8)和方法。谐振器电路(10)以一定频率振荡以生成交变电磁场,所述交变电磁场被施加到待研究的身体上。该场在身体中感应出次级涡流,该次级涡流与初级磁场相互作用并且至少改变谐振器电路振荡电流的频率和幅度。电流特性,特别是频率和幅度,的这些变化被测量,并提供第一输入信号和第二输入信号。本发明的实施例提供了被布置为接收这些输入信号的系统(8)或方法。然后由系统生成多个不同的复合或融合信号,每个信号由两个输入信号的不同线性组合比率形成。然后利用信号选择程序来评估这些信号,以识别用于提供特定的一个或多个生理现象的度量或指示的最佳候选信号。这可以基于例如与候选信号的信号特性有关的预定义的选择准则。
Description
技术领域
本发明涉及一种特别是用于检测和分离指示不同生理现象的信号分量的感应式感测系统。
背景技术
通常存在测量内部身体结构(诸如心脏、肺、或动脉)的机械移动和动态改变的需要。例如,测量心脏或肺的腔室或动脉的机械活动的周期性变化的内部容积或尺寸(例如,随着心动周期的改变的动脉容积)是有用的。
测量机械活动的传感器有时被称为记波传感器(临床领域中的记波生物测定传感器)。记波生物测定传感器的一些示例是基于加速度计的生物传感器、经胸廓阻抗生物传感器、基于雷达的生物传感器、电容传感器和光体积描记(PPG)传感器。
磁感应式传感器还具有用作用于感测机械活动的生物测定传感器的潜在性。感应式感测的工作原理基于法拉第定律。振荡初级磁场由生成环形天线生成,并且这经由法拉第定律在由信号辐射的组织中感应出涡流。涡流生成次级磁场。总磁场然后是初级磁场和次级磁场的叠加。生成天线的电学特性(天线电流)中感应的改变可以被测量并且这些用于推断次级磁场并且因此刺激组织的特性。
感应式感测提供针对心脏和肺机械活动、或血管(诸如人体手臂中的桡动脉)的机械活动的简单无接触测量的潜在性。
记波生物传感器(包括感应式传感器和其他类型的传感器)的显著缺点通常在于,区分起源于不同生理源的感测信号当前是非常困难的。
例如,在单个复合返回信号内区别与心脏的机械活动(例如,心脏脉搏)有关的信号元素和与肺的机械活动(例如,呼吸)有关的元素是非常困难的。
在已知系统中,这常常通过假定心率大于呼吸速率来执行。以这种方式,不同的信号分量可以基于频率来区分和分离。
然而,针对心率和脉搏率的临床可能范围重叠。例如,特别高的呼吸速率的频率与特别低的脉搏率的频率重叠,并且反之亦然。因此,感测的(高)呼吸速率可能由现有技术系统不正确地解释为低心率,并且反之亦然,这导致错误的临床诊断和介入。
例如,在新生儿监测中,呼吸暂停常常不由基于阻抗的测量检测,因为该状况的心脏收缩特性不正确地被解释为患者的呼吸速率。
关于已知系统的另一相关问题在于,运动伪影还难以与真实的生物物理信号区分,诸如脉搏信号或呼吸信号。将运动伪影与真实信号区分又常常通过假定伪影的频率与生物测定信号的频率不同和/或伪影的波形与生物测定信号的波形不同(例如,在形状特性方面)来执行。然而,这些方法常常是不令人满意的,因为信号伪影的频率和波形两者常常类似于生物测定信号的频率和波形。
例如,如果患者的步行期间的步进频率接近于脉搏率(通常情况是这样),那么脉搏频率的测量结果变得不可靠。此外,甚至在频率不同的情况下,患者的步进频率可能仍然例如由于两者的非常类似的波形而被解释为脉搏频率。这导致心率的不正确的测量结果。
因此,要求一种能够更可靠地将不同生理信号两者彼此并且与信号伪影区分的感应式感测的经改进的方法。
WO2018/127488A1公开了一种磁感应式感测设备,包括环形天线,该环形天线用于与响应于利用电磁激励信号对介质的刺激而从介质发射的电磁(EM)信号感应地耦合。在一实施例中,两个天线均与相关联的用于以不同的相应频率f1和f2驱动天线的振荡器连接。响应于所生成的电磁激励信号而在每个天线处接收回来的电磁信号也将处于相应的频率f1和f2,并且这些电磁信号通过混频器和所应用的低通滤波器彼此混频,该低通滤波器被配置为使差分频率经过。然后将该信号传递到另外的信号处理元件,例如计数器。
发明内容
本发明由权利要求书定义。
根据依据本发明的方面的示例,提供了一种在感应式感测中用于处理响应于向身体施加电磁激励信号而从所述身体返回的电磁信号的系统,
所述系统被布置为接收指示所述感测到的返回信号的信号输入,所述返回信号对应于在谐振器电路的环形天线处基于在所述电路被驱动以生成所述激励信号时检测到所述谐振器电路的电特性的变化而感测到的信号;
其中,所述系统被配置为实施信号提取程序,在所述信号提取程序中,所述系统被配置为:
从所感测到的返回信号检测第一输入信号,所述第一信号基于所感测到的返回信号的频率,
从所感测到的返回信号检测第二输入信号,所述第二信号基于所感测到的返回信号的感测幅度,
应用信号生成程序,包括生成多个候选信号,每个候选信号由所述第一输入信号和所述第二输入信号的不同线性组合形成,并且
应用用于选择所述候选信号中的一个候选信号的信号选择程序,所述选择程序基于与所述输入信号的一个或多个信号特性有关的预定义准则,所述准则被配置用于隔离与所述身体中的特定生理源有关的信号,所选择的信号形成输出信号。
所述系统可以被配置为例如在使用中与感应式感测装置进行信号通信,所述感应式感测装置包括谐振器电路,所述谐振器电路包括环形天线,所述环形天线被布置为被驱动以生成电磁激励信号,并且包括信号感测单元,所述信号感测单元用于基于检测到谐振器电路的电特性的变化而感测来自所述身体的所述返回信号。
所述系统可以例如包括处理单元或控制器,所述处理单元或控制器用于接收指示所感测到的返回信号的所述信号输入并且用于执行所述信号提取程序。
本发明的实施例提供了一种用于从所测量的感应信号提取来自不同生理源的信号分量的方法。这基于收集至少两个测量的输入信号,第一个基于谐振器电路的频率变化,并且第二个基于幅度变化。给定生理信号将存在于第一信号和第二信号中的每个信号中的相对量通常将不同。因此,通过以特定的不同比率组合(或融合)两个输入信号,可以得到结果输出信号,其中,不期望的生理信号分量被抑制,并且期望的信号分量被强调或增强。
然而,诸如这样的简单信号组合方法依赖于知道组合输入信号的确切比率以便滤除不期望的分量,或它导致多个可能的输出信号,并且其中,不清楚哪个应当用于进一步分析。
因此,根据本发明的实施例替代地提出生成由输入信号的不同组合比率形成的多个候选信号,并且然后应用用于为特定生理现象选择最佳候选信号的另一信号选择步骤。这可以基于预定的信号特性。因此,信号融合并且然后基于特定于所讨论的生理现象的准则的信号选择的组合允许提取与身体中的特定生理源有关的信号分量。
如上所述,所述系统被配置为基于信号特征的分析从候选信号中进行选择。在一些示例中,这可以包括评分程序,该评分程序包括根据信号表示所讨论的生理源的所确定的可能性对候选信号进行评分,并且使得具有最高分数的信号被选择用于进一步分析。
所述系统可以被布置为从系统外部接收与感测到的感应式感测信号相对应的输入,并且所述系统被配置为仅执行信号提取程序。例如,它可以包括用于此目的的处理器或控制器单元。
在其他实施例中,所述系统还可以包括用于采集感应式感测信号的感应式感测装置。
特别地,根据一个或多个实施例,所述系统还包括感应式感测装置,所述感应式感测装置包括:
谐振器电路,其包括环形天线;
信号生成单元,其适于激励所述环形天线以生成所述电磁激励信号;以及
信号感测单元,其适于基于检测到所述谐振器电路的电特性的变化而使用所述环形天线感测来自所述身体的所述返回信号。
在一些示例中,系统可以包括处理器,诸如微处理器单元,其被配置为控制谐振器电路、信号生成单元和信号感测单元执行上面概述的信号检测、组合和选择步骤。
第一信号和第二信号可以表示频率或幅度随时间的变化或改变。它们可以表示自谐振器电路电流的起始频率或幅度的偏差。它们可以指示自谐振器电路的自然(例如谐振)频率和自然(例如谐振)幅度的偏差。幅度信号可以是指示电流随时间的阻尼(即由于返回信号引起的自然幅度的变化)的阻尼信号。它在本文中可以另外被称为吸收信号,因为它指示所施加的激励信号中的能量的吸收,导致谐振器电路中的电流的可测量幅度的变化。
根据一个或多个示例,所述信号生成程序基于独立分量分析(ICA)方法的使用。
例如,ICA方法可以用于确定用于生成信号的组合比率。ICA是众所周知的信号分析方法,并且基于以下假设:在谐振器电路天线处感测到的返回信号是由多个信号分量形成的复合信号,每个信号分量对应于不同的生理源。
ICA寻求确定描述潜在生理信号分量如何映射到两个检测到的输入信号的权重向量矩阵。由此,可以根据输入信号的特定线性组合来重建原始生理信号分量。
ICA程序在处理资源方面可能是相当密集的。因此,作为替代方案,根据另一组实施例,所述信号生成程序可以基于一组预定义的信号组合比率的使用以形成所述多个候选信号。
例如,信号组合比率可以存储在列表中。替代地,可以存在预定义的信号协议,其定义用于以一系列不同比率组合输入信号的方案。例如,它可以在设定的间隔中定义一系列组合比率。
因此,在一些示例中,这可以代替ICA来使用(例如,这可以增加处理速度),或在一些示例中,可以与ICA组合使用以改善信号选择的准确性。
根据一个或多个实施例,所述信号选择程序的准则可以包括以下中的一项或多项:所述候选信号的频率、以及所述信号在给定时间窗口内的最大值和最小值的数量。
根据一个或多个实施例,所述信号提取程序还可以包括基于所选择的候选信号来生成指示所述特定生理现象的信息输出。
根据一个或多个实施例,所述信号提取程序可以包括在所述信号生成程序之前将带通滤波器应用于所述输入信号的另一步骤。
例如,可以根据要提取信号的生理现象来设置带通滤波器的阈值或参数。它可以基于例如已知与不同生理现象相关联的预定义参数。这有利地预先抑制已知可能在与所讨论的生理现象相关联的信号频率分量的范围之外的信号频率分量。
根据一个或多个实施例,所述信号提取程序可以包括在检测到所述输入信号之后直接应用的另一信号处理步骤,所述信号处理步骤被配置用于抑制所述输入信号中的每个输入信号中的运动伪影。
在一组有利的实施例中,所述另一处理步骤可以包括:
接收指示要抑制的运动的基频的输入;以及
将陷波滤波器应用于所述输入信号,所述陷波滤波器具有可调适的频率设置,其中,所述陷波滤波器在所述基频的一倍或多倍处被应用于所述输入信号。
该程序允许抑制可能存在于输入信号中的周期性运动伪影。
在一些示例中,可以基于来自运动传感器(诸如加速度计)的输入来确定基频。它可以由系统本身确定,或可以简单地从系统的外部接收。
在有利的示例中,所述选择程序在至少一种模式中被配置用于选择被确定为指示所述对象的呼吸速率的候选信号。
这可以基于例如已知与呼吸信号相关联的预定信号特性。
所述系统可以在至少一种模式中被配置为运行所述信号提取程序的两次迭代,所述信号选择程序在第一运行和第二运行中被配置用于选择与不同的相应的第一生理现象和第二生理现象有关的信号。
在优选的一组示例中,至少在所述第二运行中,可以在所述信号生成程序之前将带通滤波器应用于所感测到的输入信号。
在优选的一组示例中,所述信号选择程序可以在所述第一运行中被配置用于选择与所述对象的呼吸速率有关的信号,并且在所述第二运行中被配置用于选择与所述对象的心率有关的信号。
根据本发明的另一方面的示例提供了一种在感应式感测中用于处理响应于向身体施加电磁激励信号而从所述身体返回的电磁信号的方法,所述方法包括:
接收指示所述感测到的返回信号的信号输入,所述返回信号对应于在谐振器电路的环形天线处基于在所述电路被驱动以生成所述激励信号时检测到所述谐振器电路的电特性的变化而感测到的信号;以及
实施信号提取程序,包括:
从所感测到的返回信号检测第一输入信号,所述第一信号基于所感测到的返回信号的频率,
从所感测到的返回信号检测第二输入信号,所述第二信号基于所感测到的返回信号的感测幅度,
应用信号生成程序,包括生成多个候选信号,每个候选信号由所述第一输入信号和所述第二输入信号的不同线性组合形成,以及
应用用于选择所述候选信号中的一个候选信号的信号选择程序,所述选择程序基于与所述输入信号的一个或多个信号特性有关的预定义准则,所述准则被配置用于隔离与所述身体中的特定生理源有关的信号,所选择的信号形成输出信号。
该方法可以仅用于执行信号处理,并且其中,物理感应信号生成和感测是单独执行的,在所要求保护的方法的范围之外。
然而,在另一组实施例中,所述方法还可以包括以下步骤:
使用谐振器电路将电磁激励信号施加到身体,所述谐振器电路包括环形天线;以及
基于检测到所述谐振器电路的电特性的变化而使用所述环形天线感测来自所述身体的所述返回信号。
因此,在该另一组实施例中,所述方法还包括用于执行物理感应式感测本身的步骤的步骤。
根据本发明的另一方面的示例提供了一种计算机程序产品,包括代码单元,所述代码单元被配置为当在处理器上运行时令所述处理器执行根据上面概述或下面描述的任何示例或实施例或根据本申请的任何权利要求的方法。
本发明的这些和其他方面将参考下文描述的(一个或多个)实施例变得显而易见并将参考下文描述的(一个或多个)实施例得以阐述。
附图说明
为了更好地理解本发明并且为了更清楚地示出它可以如何被实施,现在将会仅以示例的方式参照附图,其中:
图1示意性地描绘了感应式感测的基本原理;
图2以框图形式示意性地概述了根据一个或多个实施例的示例感应式感测系统的部件;
图3概述了由根据一个或多个实施例的系统或方法应用的示例信号提取程序的步骤;
图4图示了在感应式传感器天线处感测到的示例输入信号,并且图示了由两者的线性组合形成的示例候选信号;
图5图示了针对呼吸速率的一组示例候选信号,每个候选信号由至少两个输入信号的线性组合形成;
图6图示了针对心率的一组示例候选信号,每个候选信号由至少两个输入信号的线性组合形成;
图7概述了用于确定运动伪影的频率的示例程序的步骤;
图8图示了用于运动抑制程序的示例陷波滤波器函数;
图9概述了用于从信号提取程序的输出信号提取呼吸速率测量的示例程序中的步骤;
图10概述了用于从信号提取程序的输出信号提取心率测量的示例方法的步骤;
图11图示了根据一个或多个实施例的一个示例信号提取方法的步骤;并且
图12图示了根据一个或多个实施例的另一示例信号提取方法的步骤。
具体实施方式
本发明将会参考附图来进行描述。
应当理解,详细描述和具体示例在指示设备、系统和方法的示例性实施例的同时,仅旨在用于图示的目的,而不旨在限制本发明的范围。根据以下描述、所附权利要求和附图将更好地理解本发明的设备、系统和方法的这些和其他特征、方面和优点。应当理解,附图仅仅是示意性的,并未按比例绘制。还应当理解,在整个附图中使用相同的附图标记来表示相同或相似的部件。
本发明提供了一种用于从感测到的感应信号提取与身体中的不同生理现象有关的分量信号的系统和方法。谐振器电路以一定频率振荡从而产生施加到待研究的身体的交变电磁场。该场在身体中感应出次级涡流,该次级涡流与初级磁场相互作用并且至少改变谐振器电路振荡电流的频率和幅度。电流特性(特别是频率和幅度)的这些变化被测量,并提供第一输入信号和第二输入信号。本发明的实施例提供了被布置为接收这些输入信号的系统或方法。然后由系统生成多个不同的复合或融合信号,每个信号由两个输入信号的不同线性组合比率形成。这些然后利用信号选择程序来评估,以识别用于提供特定的一个或多个生理现象的度量或指示的最佳候选信号。这可以基于例如与候选信号的信号特性有关的预定义选择准则。
本发明的实施例提供了用于处理由感应式感测设备采集的感测信号的系统和方法。在一些情况下,所述系统和方法执行用于采集感应式感测信号的步骤。因此,实施例通常基于磁感应的原理。首先将简要概述磁感应的基本原理。
感应式感测基于电感耦合的原理,由此,由于暴露于时变磁场,线圈或导线已经跨其感应电势差。本发明的实施例使用该原理通过感测接近身体放置的线圈或环形天线的电感的改变来测量在身体的区域内生成的电磁信号的强度,其中,这些改变基于改变天线或谐振器电路的谐振特性来检测。
本发明的某些实施例利用谐振器,包括天线(其在优选实施例中可以仅包括单匝环路)以利用电磁信号(波)刺激或激励身体并且响应于那些激励信号而感测从身体发射回来的信号。
线圈可以利用交流电驱动以生成用于施加到身体的激励信号。这些可以是传播电磁信号,在一些情况下传播到介质中,或信号可以包括施加到介质的非传播电磁场,即,通过使环形天线源接近于目标介质。交流电产生交变场强的场。
当线圈达到接近身体时,电感L采集由于由刺激身体中感应的涡流发生的额外反射电感分量Lr作为激励信号的施加的结果。
这在图1中示意性地图示,其以示例的方式示出接近对象的胸部16的利用交流电驱动的环形天线12,以便将电磁信号22施加到胸腔。
因此,涡流18在胸腔内感应出。
这些涡流继而有效地贡献于环形天线12的电感。这是因为它们自己导致生成由初级天线12生成的频率的等效频率的时变磁通量24。这些涡流通量与天线的初级通量组合,这导致天线中的修改的感应反EMF,并且因此更大的可测量的有效电感。
起因于涡流的电感的添加分量被称为“反射电感”Lr。线圈天线12的总电感Lt可以被表达为:
Lt=L0+Lr
其中,L0是自由空间中的线圈天线12的自感,并且Lr是由接近身体的存在引起的反射电感。
通常,反射电感Lr是复数,并且可以被表达为:
Lr=L′r+iL″r
其中,L′r与线圈天线的无功阻抗有关,并且L″r与线圈的电阻阻抗有关。
电感Lr的反射分量的添加导致谐振器电路的电学特性的失谐。特别地,共振器电路的自然径向频率和共振器电路的阻尼因子两者改变。通过测量电学特性的该失谐,可以检测反射电感Lr的实部和虚部。
特别地,附加电感分量Lr的实部表现在谐振器电路或天线的频率中。附加电感分量的虚部表现在谐振器电路的幅度中。因此,通过测量谐振器电路(电流)的频率和幅度的变化并分别导出第一输入信号和第二输入信号,检测指示潜在解剖移动和现象的信号。
为了简洁并且便于描述,下面将描述本发明的实施例,其包括既用于生成和感测感应信号又用于执行感测信号的处理(特别是执行信号提取程序)的部件或方法步骤。然而,应当理解,本发明的实施例可以仅包括用于执行信号处理的部件,其中,输入感应信号作为信号输入在系统处被接收。例如,一组实施例可以仅包括被配置用于执行信号提取程序的处理器或控制单元。因此,下面阐述的描述和选项应当被理解为同样适用于其中系统仅包括用于执行信号提取程序的单元的实施例。
图2图示了根据一个或多个实施例的示例感应式感测系统8的部件的框图。
感应式感测系统8用于响应于将电磁激励信号施加到身体中而感测从所述身体返回的电磁信号。
系统包括谐振器电路10,其包括环形天线12和电学耦合的电容器13。电容器13的电容至少部分地定义谐振器电路的自然谐振频率(在没有力或阻尼的情况下)。当天线12被激励时,其将倾向于在定义的谐振频率处自然谐振,在相同频率处生成电磁信号。因此,选择电容器的电容允许所生成的电磁信号的频率的至少部分调谐。
系统8还包括信号生成单元14,其适于激励环形天线以生成电磁激励信号。信号生成单元可以包括驱动器单元,其用于例如在径向频率ω处驱动天线,即,利用频率ω的交流电驱动天线。驱动单元可以是或包括例如振荡器。
信号生成单元可以利用径向频率ω的电流驱动天线和谐振器电路,其中,要求径向频率ω的激励信号。
通过激励谐振器,谐振电流被感应出以通过环形天线来回流动到电容器中。通过驱动交流电通过天线,从而可以刺激振荡电磁信号(波)的生成。
与被用于作为响应感测从身体接收到的电磁信号的天线相同的天线被用于生成激励信号。
为了避免怀疑,“电磁激励信号”简单地意指出于激励或刺激身体内的涡流的生成的目的而施加到身体的电磁信号,其用于继而刺激可以由感测系统感测的反向发射到身体之外的电磁信号。
通过“电磁信号”可以通常意指电磁辐射发射或电磁近场振荡或电磁振荡和/或电磁波。
系统8还包括信号感测单元(“信号感测”)20,其适于基于检测谐振器电路10的电学特性的变化,使用环形天线12感测来自身体的所述返回信号。信号感测单元可以包括用于检测或监测谐振器电路10中的电流的电学特性的信号处理或分析单元。
例如,信号感测单元20可以适于至少监测谐振器电路电流的频率,以及谐振器电路电流的幅度。电流的这些性质将取决于从身体返回并且在天线处检测到的反射电磁信号的强度而改变。
这些信号特性的感测与用于生成激励信号的天线的激励同时(即,与其同时地)执行。因此,信号传输和感测同时执行。
该系统被配置为实施信号提取程序。例如,可以提供处理器或控制器单元56用于执行信号提取程序。在图3中以框图形式概述了根据一个或多个实施例的示例信号提取程序30的步骤。
该系统被配置为从感测到的返回信号检测32第一输入信号,第一输入信号基于感测到的返回信号的频率。
该系统还被配置为从感测到的返回信号检测34第二输入信号,第二输入信号基于天线处的感测到的返回信号的感测幅度。
该系统还被配置为应用36信号生成程序,包括生成多个候选信号,每个候选信号由第一输入信号和第二输入信号的不同线性组合形成。
该系统还被配置为应用38用于选择候选信号之一的信号选择程序。选择程序基于与输入信号的一个或多个信号特征相关的预定义准则,该准则被配置用于隔离与身体中的特定生理源有关的信号。所选择的信号形成输出信号。例如,根据一个或多个应用实施例,选择准则可以被配置用于选择与对象的呼吸速率和/或心率信号有关的信号。
系统8适于使用以上部件执行所概述的一系列步骤。系统可以包括控制器或微处理器(“MPU”)56,其适于执行或促进这些步骤。示例微处理器56在图2的示例系统中被示出以用于图示。然而,专用控制器或微处理器不是必需的。在其他示例中,系统的其他部件中的一个或多个,诸如信号感测单元20和/或信号生成单元14可以适于执行步骤。
在图2中,信号感测单元20被示出为经由信号生成单元14连接到谐振器电路10。然而,这不是必需的:信号感测单元和信号处理单元可以独立地连接到谐振器。
在一些示例中,信号提取程序可以被配置用于提取呼吸信号,例如呼吸速率。在一些示例中,它可以被配置用于提取心率。这些仅代表两个有利的示例。
如上所述,根据一个或多个实施例,可以从系统8中省略谐振器电路10、信号生成单元14和信号感测单元20。该系统可以仅包括处理器单元56,该处理器单元56被配置为接收指示从身体感测到的返回信号的信号输入,所述返回信号对应于在谐振器电路的环形天线处例如基于在电路被驱动以生成激励信号时检测到谐振器电路的电特性的变化而感测到的信号。
在一组优选的示例中,该系统被配置为运行该信号提取方法的至少两次迭代或运行,第一次用于提取与对象的呼吸速率有关的信号,并且第二次用于提取指示心率的信号(或反之亦然)。
信号生成程序包括以不同比率融合或线性地组合输入信号。这意味着将具有不同线性组合系数的输入信号加在一起或叠加,例如,通过该过程从输入信号s1和s2生成的一组示例候选信号C可以包括:
C1=1.0s1+1.0s2
C2=1.5s1+1.0s2
C3=1.0s1+1.5s2
…
Cn=αs1+βs2
其中,α和β可以是正的或负的。
为了进一步解释,根据本发明的实施例的感应式感测设备测量人体的体积变化。然而,在天线处感测到的输入信号通常包含多种不同生理现象的分量。此外,一些现象在感应信号中具有比其他现象更强的存在。例如,呼吸信号分量比心脏信号分量更强,并且因此,对于放置在胸部上的天线,呼吸信号分量可以主导输入信号,使得难以检测心率信号。
同样地,对于呼吸速率测量,心脏分量的存在是一个问题。虽然呼吸速率可以高达60次呼吸/分钟,而心率可以低至30次心跳/分钟。因此,两种现象共享30至60BPM之间的频率范围,意味着纯粹基于频率的信号分离是不可行的。
信号融合是其中来自各种源的信号被组合使得不想要的分量被消除的方法。由于呼吸和心跳引起的体积变化的贡献对于频率和吸收是不同的。由于这种差异,如果信号被线性地组合(加在一起或以某个因子从彼此减去),则所得到的信号在大多数情况下更适合于提取这些生理信号(心率和呼吸速率)中的一个而不是另一个,并且在大多数情况下更适合于提取呼吸速率而不是心率。通过以合适的线性倍数或比率将信号进行组合,可以强调与期望生理信号有关的信号分量,同时可以抑制来自其他生理现象的那些信号分量。
这在图4中示意性地图示。为了参考,信号(a)示出了例如由附加的辅助传感器测量的真实呼吸信号。信号(b)图示了示例第一输入信号(指示所接收的在天线12处感测到的感应信号的频率)。信号(c)图示了示例第二输入信号(指示身体的能量吸收,例如,在天线12处感测到的感应信号的幅度)。信号(d)图示了由输入信号(a)和(b)的线性组合形成(特别是由频率信号(信号(b))和吸收信号(信号(c))的差形成)的示例候选信号。
信号生成程序36可以以不同的方式执行。具体地,一种广泛的方法是确定或计算输入信号的特定组合比率或一组比率以便最大程度地强调期望的生理信号分量,并且然后从该选择组中选择最佳信号。另一种广泛的方法是简单地生成由输入信号的不同混合比率形成的大量候选信号,所述混合比率是随机的、或遵循递增变化的组合系数的准则序列,并且然后从该更大的组中确定最佳信号。现在将概述这两种方法的示例。
存在搜索多通道信号的特定混合矩阵的各种方法,所述多通道信号将包含在信号中的某些特征分开。在特定示例中,每个输入信号可以被认为是多通道信号(即,包含来自多个生理源的信号分量)。混合矩阵是指用于组合多通道输入信号以便强调或削弱某些信号分量的一组线性组合系数。
根据一个或多个示例,可以应用独立分量分析(ICA)程序以便确定用于形成多个候选信号的不同输入信号的组合比率或线性组合系数。
ICA是众所周知的信号分析方法,并且基于以下假设:在谐振器电路天线处感测到的返回信号是由多个信号分量形成的复合信号,每个信号分量对应于不同的生理源。
ICA寻求确定描述潜在生理信号分量如何映射到两个检测到的输入信号的权重向量矩阵。由此,可以根据输入信号的特定线性组合来重建原始生理信号分量。
利用ICA(独立分量分析)将多通道信号(即输入信号)分解为独立的非高斯信号。根据该方法,我们可以将感应频率和吸收认为是2D矢量阵列的两个轴。
一般而言,ICA可以被理解为旋转信号矢量,使得每个轴看起来尽可能是非高斯的。
根据一个或多个示例,第一步骤可以是将数据(即,输入信号)白化(或“球化”)。这使平均值为零(居中)并在所有方向上归一化方差(白化),从而有效地将矢量包含在零附近的球体内。
适合于在根据一个或多个示例的信号生成程序中使用的ICA的一种流行方法被称为快速ICA(Fast ICA)。例如在论文[A.,&Oja,E.(2000).Independentcomponent analysis:algorithms and applications.Neural Networks,13,411–430.]中详细地描述了该算法的细节。它使用针对潜在源信号的熵的高效近似,并且它具有优化权重向量矩阵(或其逆)以便使熵最小化(使非高斯性最大化)的有效迭代方法。
根据一个或多个示例,代替使用ICA来生成候选信号,可以以随机组合或以标准的预定义序列或一组组合(组合比率或系数)来组合信号。
例如,可以根据预定义的信号生成协议来生成候选信号,该协议为两个或更多个输入信号定义顺序地增加和/或减小的线性组合系数。例如,信号生成协议例如以规则增量有效地逐步通过每个输入信号的递增或递减的线性组合系数的序列,从而生成遵循递增线性组合系数的标准序列的一组候选信号。
例如,让r表示组合比率,具有0.1的均匀步长:
r=[0.0,0.1,02,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0]
可以通过将感应频率信号(第一输入信号)If和感应吸收信号Ia(第二输入信号)相加和相减来生成两个系列的信号组合:
s1=r·If+(1–r)·Ia
s2=r·If–(1–r)·Ia
注意,组合(候选)信号的最终符号(即,正或负)和信号的最终标度(即,信号的幅度)不是关键的。重要的是候选信号中包括的输入信号的相对组合比率。
对该程序的一种可能改进可以是例如基于梯度下降搜索使用自适应步长(即,非均匀步长)。
在仅存在少量输入信号(例如仅存在两个输入信号)的情况下,如在本示例中,根据预定义信号生成协议(诸如上面讨论的协议)生成100个不同候选信号的计算负荷(大多数时间)比一次ICA计算更快。因此,根据一个或多个示例,可以通过遵循随机信号生成过程或遵循固定协议或一组线性组合系数而不是使用ICA程序来有利地减少计算需求或使用。
一旦已经生成候选信号,就有必要决定哪一个(或多个)用于提取所讨论的生理参数或信号(例如,根据两个示例的呼吸速率或心率)的测量或样本。因此应用信号选择程序。
根据一个或多个示例,信号选择程序可以包括评分程序或算法,其中,每个候选信号根据它最佳地反映所讨论的生理参数的所确定的可能性(例如,根据信号是“类似呼吸速率”的程度或信号是“类似心率”的程度)来“评分”。
评分可以基于例如已知与反映特定的一个或多个生理现象的信号相关联的一个或多个预定义信号特性。换句话说,评分可以通过查看对于所讨论的生理现象而言典型的特征来完成。
即使在使用ICA来生成初始候选信号的情况下,使用信号选择程序也是有利的。这是因为尽管ICA可以成功地将一个或多个特定生理信号与其他失真或其他生理信号(例如,心脏信号或运动信号)分离,但是它不能辨别将所得到的分离的信号分量中的哪一个用于特定的生理现象。换句话说,它不能将相应的源归因于不同的分离的信号分量;它不能辨别每个分离的信号分量属于哪个生理现象或噪声源。
因此,需要额外的步骤来识别所生成的候选信号中的哪个候选信号与期望输出信号的特定生理现象有关。例如,需要额外的步骤来基于每一个输出信号拥有与已知与所讨论的生理信号源相关联的信号特性相匹配的信号特性的程度来对每一个输出信号进行“评分”。
例如,为了识别用于表示对象的呼吸速率的最佳候选,一种可能的方法是分析信号是“低频率”的程度。呼吸速率的典型频率低于心脏脉搏的典型频率范围和由于行走引起的周期性运动失真的典型频率范围两者。
在该示例中,评分可以通过例如对信号中的最大值和最小值进行计数来完成。具有最低计数的信号得到最高分数并被选择作为输出信号。
该方法是执行信号评分的简单且快速的方式。它例如比使用带通滤波器更简单。带通滤波器本身不能确定信号是否是低频的。为了确定这一点,将需要应用多个带通滤波器并识别哪个所得到的滤波信号具有最高能量,或执行傅里叶变换并分析频谱。这些在处理资源方面是昂贵的操作。对峰/谷的过零点进行计数是更简单且更快速的替代方案。
这在图5中示意性地图示,图5描绘了一组四个示例候选信号,并且针对每个候选信号列出了峰和谷的计数数量,即分数。“最佳”信号被选择为具有最低数量的峰和谷的信号,即信号-1。
在使用ICA的情况下,如上所述,评分可以仅应用于ICA程序的两个输出信号,或除了ICA程序的两个原始输入信号(来自上述ICA公式的If和Ia)之外,还可以应用于这两个输出。在后一种情况下,这意味着在ICA程序在生成更好的类似呼吸的信号方面不成功的情况下,这将不会影响最终结果,因为可以替代地选择原始输入信号作为候选信号。
作为另一示例,为了识别用于指示心率信号的最佳候选,根据一个或多个示例,可以基于两个信号特性来执行用于心率测量的候选融合信号的评分:
1.例如如由过零点(Z)的数量指示的信号的频率,
2.能量包络的平坦度(F)。这被定义为(未校正的)标准偏差(S)与平均绝对偏差(M)之间的比率乘以因子200(例如凭经验确定的)。
可以基于其相应的Z和F值对不同的候选信号进行评分,其中,更高的分数归因于更高的Z和F值。
该方法基于以下认识:非心脏相关信号分量通常表现出比心率信号(呼吸信号)更低的频率,并且(在时间窗口内的)心脏脉冲的信号包络通常是相对恒定的。
可以对两个特征的值求和以形成最终分数:分数=Z+F。
该示例方法在图6中示意性地图示,图6图示了一组四个示例候选信号、以及每个候选信号的相应Z和F值。指示了“最佳”候选信号(即,具有最高Z和F值的候选信号)。在该示例中,所选择的信号是信号-1。
根据一个或多个实施例,由系统执行的信号提取程序可以包括在输入信号的检测32、34之后直接应用的另外的信号处理步骤,该信号处理步骤被配置用于抑制每个输入信号中的运动伪影。
运动抑制可以以不同的方式完成。根据一个或多个示例,它可以包括滤波器(例如带通滤波器)的简单应用。滤波器参数可以被配置用于选择已知对于所讨论的生理现象或参数是典型的范围内的频率分量,或至少用于排除已知在所讨论的现象的典型范围之外的一个或多个频率分量。
现在将简要概述一种用于抑制输入信号中的运动伪影的有利方法。该方法特别适合于对周期性运动伪影(即表现出周期性频率的那些伪影)滤波或去除。这样的伪影可以例如由患者的行走或跑步(其中,传感器是便携式可穿戴传感器)或由影响对象的其他规则移动引起。
在该示例中,另外的运动抑制处理步骤基于检测或以其他方式识别要抑制的周期性运动的基频,并且然后应用滤波器以去除该基频的范围周围的频率分量。
例如,系统可以被配置为接收指示要抑制的运动的基频的输入,并且将滤波器(陷波滤波器)应用于输入信号,该陷波滤波器具有可调适的频率设置,其中,该陷波滤波器在基频的一倍或多倍处应用于输入信号。
作为示例,与行走和跑步有关的运动伪影通常被限制在感应式传感器信号中的某些频带内。因此,可以通过例如自适应陷波滤波器在周期性运动的基频(f0)的倍数处来抑制这些周期性失真。
周期性运动的基频f0可以由系统本身确定或检测,或它可以作为到系统的输入被接收,其中,它已经在外部被确定或识别。它可以由例如外部运动传感器元件检测,并传送到本发明的系统。
根据一个或多个示例,运动频率可以由系统基于例如来自由对象携带的运动传感器的输入运动信号来确定。
例如,可以使用来自加速度计(例如,耦合到对象的3D加速度计)的输入来测量运动频率。
3D加速度计测量三个方向上的加速度:X、Y和Z(在加速度计的参考系中)。这些可以被称为身体轴。
3D加速度计测量由重力引起的加速度和由移动引起的加速度两者。重力引入在各个轴之间分布的恒定偏置(g)。为了仅提取由于运动引起的加速度(Am),必须减去重力分量。这可以以两个步骤来完成:
首先,可以计算加速度矢量的范数:
其次,重力偏差可以通过减去恒定重力来去除,并且信号被纠正:
Am=|An-g|
其中,
g=9.80665m/s2
运动抑制过程可以包括检测(一个或多个)输入信号是否包括需要被抑制的运动伪影的初始步骤。然后可以仅在检测到运动伪影的情况下应用运动抑制过程的剩余步骤。
作为示例,可以将运动阈值Tm应用于信号Am,并且其中,超过阈值Tm的运动信号Am(例如,在利用10秒汉宁窗口进行窗口化之后)被视为指示信号具有需要被抑制的运动伪影。
阈值可以是预定义的并且本地地存储在系统中,或例如可以凭经验确定。作为示例,在一个示例应用中,对15名志愿者进行志愿者研究,其中,每个志愿者穿戴根据实施例的感应式感测设备与加速度计组合。以每秒一次的频率重复测量。作为该研究的结果,识别1m/s2的阈值Tm。在一些实施例中,可以使用1m/s2的阈值Tm。
如上所述,可以使用来自3D加速度计的信号来测量运动频率。特别地,可以根据3D加速度计信号的范数来确定频率。由左脚和右脚引入的失真可能略微不同。在一些示例中,从加速度测量的基频f0因此可以除以2以也抑制这些。
通过分别检查加速度频率和感测到的感应信号频率的测量频谱,已经发现运动失真的主要贡献在运动基频f0的大约一半处,例如大约50rpm(每分钟转数)的量级。
本领域中已知用于从输入信号提取基频f0的许多方法,并且技术人员将意识到这样的示例方法。作为示例,通常基于在针对信号的幅度谱中或在针对信号的时域相关函数(诸如自相关)中找到峰值来完成基频检测。
在优选实施例中,可以使用被称为组合的频谱基音检测的特别有利的算法从输入加速度信号确定基频f0。在文献WO2012/063185中详细阐述了该算法的全部细节,读者可参考该文献以获得进一步的实施细节。
简而言之,基于检测幅度或时域相关函数中的峰值来检测基频的典型方法可能导致在基频的倍数处的错误检测。对于频谱分析,这可能例如是高次谐波。对于时域相关,它可以是重复脉冲信号的倍数。
替代的基音检测方法(在WO2012/063185中概述)基于组合频域和时域信号以使得所得到的信号仅具有f0分量。
图7以框图形式简要地概述了组合的频谱基音检测算法的步骤。
在第一步骤62中,通过应用窗口函数对输入信号S进行窗口化。进一步的细节在WO2012/063185第8页第14-30行中找到。
然后,在步骤64中,基于离散傅里叶变换(DFT)的应用将所得到的窗口化信号Sw从时域变换到频域,以提供信号的频谱。出于效率的原因,优选地使用快速傅里叶变换(FFT)(例如,基数2FFT)。进一步的细节可以在WO2012/063185第8页第31行至第9页第9行中找到。
提取信号的幅度|S|。进一步的细节可以在WO2012/063185第9页第10行至第25行中找到。
然后在步骤66中使用逆傅里叶变换(IFT)将窗口压缩的幅度谱变换到时域。例如,可以使用快速傅里叶逆变换(IFFT)。这种到时域的变换用于获得包括在基频的倍数处的峰值的相关信号c。进一步的细节可以在WO2012/063185第10页第21行至第11页第9行中找到。
在步骤68中,通过将幅度谱S与相关信号c相乘来形成组合谱b。该组合谱b在基频处具有明显的峰值。通过将这些谱相乘,频谱中的更高次谐波被衰减,并且基频保持为主峰值。进一步的细节可以在WO2012/063185第11页第18行至第12页第25行中找到。
最后,在步骤70中,执行峰值位置检测步骤,其包括搜索组合谱b的最大值。这导致以Hz为单位的指示基频f0的输出频率值p。进一步的细节可以在WO2012/063185第13页第1行至第13页第13行中找到。
如上所述,一旦已经由系统检测到或接收到运动伪影的基频f0,就可以基于具有根据基频设置的其频率参数的滤波器的应用来抑制输入信号中的运动伪影。例如,滤波器可以是陷波滤波器(例如自适应陷波滤波器),使得可以调整频率参数并且可以滤除多个频率分量。
通过示例的方式,在要测量的生理现象是呼吸速率的情况下,第一输入信号和第二输入信号(频率信号和幅度或吸收信号)均可以通过陷波滤波器在f0和f0/2Hz处进行滤波,其中,f0是周期性运动伪影的基频。
通过图示的方式,图8图示了在40rpm的频率下应用的陷波滤波器的函数,其具有从Q=2到Q=6的各种不同的品质因数Q。线102-110分别示出了针对Q因数2、3、4、5和6的滤波函数。
通过示例的方式,在要提取的生理现象是呼吸速率的情况下,Q可以有利地被设置为Q=5。在要提取的生理现象是心率的情况下,对于心率测量,Q可以有利地被设置为Q=6。
对于心率计算,优选地仅抑制f0/2Hz。其原因是相关运动伪影的基频f0通常比呼吸频率高得多,而对于心率测量,运动f0通常更接近心率频率。因此,在心率检测的情况下在f0处应用滤波器可以导致心脏脉搏信号本身的基频的完全去除。因此,为了避免这种情况,优选地,陷波滤波器被设置在仅f0/2Hz处。
一旦已经在信号选择程序中选择了最佳候选信号(上面图3的方法的步骤38),则可以需要执行进一步的步骤以从所选择的候选信号实际提取所讨论的生理现象的测量。
在一些示例中,这可以是非常简单的,并且可以例如通过简单地检测候选信号的频率(例如,以采集呼吸速率或心率)来完成。
在另外的示例中,可以应用另外的处理步骤来提取生理现象的更准确或精确的测量。
例如,在要采集的生理现象或参数是速率(例如呼吸速率或心率)的情况下,从候选信号提取生理参数的测量可以包括从所选择的候选信号检测基频f0。这可以帮助确保参数或现象的所导出的测量不会受到信号中的噪声相关的频率分量的过度影响。
作为一个示例,现在将讨论从所选择的候选信号提取呼吸速率测量或信号。
图9概述了用于从所选择的候选信号s提取或导出呼吸速率的示例算法的步骤。
该程序基于检测到所选择的候选信号s的基频。这样做的程序基本上与在图7中阐述并在上面描述的示例算法相同。因此,这里将不详细描述类似的步骤,而是读者替代地参考上面关于图7提供的相关步骤的描述。
对于图7的程序,该程序以窗口化步骤82开始,其中,输入候选信号s被时间窗口化以生成窗口化信号Sw。
然后,在步骤84中,基于离散傅里叶变换(DFT)的应用将所得到的窗口化信号Sw从时域变换到频域,以提供信号的频谱。出于效率的原因,优选地使用快速傅里叶变换(FFT)(例如,基数2FFT)。
提取信号的幅度|S|。与图6的方法相比,提取的幅度被提升到1.7的幂。该提升的指数将具有强调频谱峰值并减少噪声贡献的效果。幂值(1.7)是发明人凭经验确定为特别有利的值。在呼吸信号的情况下,这将(通常)具有进一步强调基频分量(f0)的效果。对于运动检测和心率提取,不进行这种强调,因为这些信号中的基频可能比更高次谐波更弱。
然后在步骤86中使用逆傅里叶变换(IFT)将窗口压缩的幅度谱变换到时域。例如,可以使用快速傅里叶逆变换(IFFT)。这种到时域的变换用于获得包括在基频的倍数处的峰值的相关信号c。
在步骤88中,通过将幅度谱S与相关信号c相乘来形成组合谱b。该组合谱b在基频处具有明显的峰值。通过将这些谱相乘,频谱中的更高次谐波被衰减,并且基频保持为主峰值。进一步的细节可以在WO2012/063185第11页第18行至第12页第25行中找到。
在步骤90中,执行峰值位置检测步骤,其包括搜索组合谱b的最大值。这导致以Hz为单位的指示呼吸速率的基频的输出频率值f0。进一步的细节可以在WO2012/063185第13页第1行至第13页第13行中找到。
所计算的f0可以用作最终呼吸速率测量。在一些示例中,算法参数可以被配置为每秒提供测量,每个测量在25秒的窗口内(因此窗口之间具有24秒重叠)。具有25秒窗口的每个一秒测量被称为帧。
该方法可以任选地包括另外的平均步骤94,其中,可以在更长的持续时间内对多个帧内的输出进行平均以提供更准确的预测。例如,所导出的频率速率值可以在一分钟的窗口内进行平均,如当前世界卫生组织(WHO)指南当前所要求的。
在图10中以框图形式概述了用于从所选择的候选信号s提取心率的示例程序。该程序基于识别所选择的候选信号s的基频f0。
用于确定心率的基频(f0)的示例算法与上面关于移动检测描述并在图7中概述的示例算法基本上相同。因此,这里将不详细描述类似的步骤,而是读者替代地参考上面关于图7提供的相关步骤的描述。
所计算的f0可以用作最终心率测量。在一些示例中,算法参数可以被配置为每秒提供测量,每个测量在25秒的窗口内(因此窗口之间具有24秒重叠)。具有25秒窗口的每个一秒测量被称为帧。该示例将具有12.5秒的对应(计算)延迟。
该方法可以任选地包括另外的平均步骤,其中,可以在更长的持续时间内对多个帧内的输出进行平均以提供更准确的预测。
如上所述,根据一个或多个实施例,信号提取程序可以包括在信号生成程序之前将带通滤波器应用于输入信号的另一步骤。带通滤波器允许滤除已知在所讨论的生理现象的典型范围之外的任何频率分量,这使得最终提取的测量更准确且更可靠。
可以根据要提取的生理信号来设置带通滤波器的频带。
作为一个示例,在要提取的生理参数是呼吸速率的情况下,可以基于对象群体的呼吸速率的典型范围来设置带通滤波器。
(成人的)典型呼吸速率范围从4BPM(呼吸/分钟)直到60BPM。
因此,带通滤波器可以被设置用于去除该范围之外的频率分量。
作为示例,滤波器可以包括例如两个巴特沃斯IIR滤波器的级联,其中,二阶高通滤波器和三阶低通滤波器在截止频率处具有例如-6dB的衰减。
作为示例,分析窗口持续时间可以被设置为25秒。可以在正向和反向(零相位)上针对每个分析窗口单独应用滤波器,而不引入滤波器延迟。
作为另一示例,在要提取的生理参数是心率的情况下,可以基于对象群体的心率或脉搏率的典型范围来设置带通滤波器。
(成人的)典型心率范围从30BPM(心跳/分钟)直到220BPM。因此,带通滤波器可以被设置去除该范围之外的频率分量。
在一些示例中,如果30BPM的下限截止值低于呼吸速率的两倍,则可以使用后者。
所应用的滤波器可以类似于用于呼吸速率测量的滤波器。例如,它可以包括两个巴特沃斯IIR滤波器的级联,其中,二阶高通滤波器和三阶低通滤波器在截止频率处具有例如-6dB的衰减。
分析窗口持续时间为25秒。在正向和反向(零相位)上针对每个分析窗口单独应用滤波器,而不引入滤波器延迟。
根据一组有利的实施例,该系统可以在至少一种模式中被配置为执行信号提取程序的至少两次运行,第一运行和第二运行中的信号选择程序被配置用于选择与不同的相应的第一生理现象和第二生理现象有关的信号。
在优选示例中,在至少第二运行中,在信号生成程序之前将带通滤波器应用于感测到的输入信号。
信号选择程序可以优选地在第一运行中被配置用于选择与对象的呼吸速率有关的信号,并且在第二运行中被配置用于选择与对象的心率有关的信号。
在图11中以框图形式概述了根据该方式的示例信号提取方法。
如上所述,该方法包括使用谐振器电路将电磁激励信号施加到对象的身体,该谐振器电路包括环形天线。
该方法还包括基于检测到谐振器电路的电特性的变化而使用环形天线感测来自身体的所述返回信号。
从感测到的返回信号,至少检测32第一输入信号和第二输入信号34,第一信号基于感测到的返回信号的频率,第二信号基于感测到的返回信号的感测幅度。幅度信号指示身体对初始施加的激励信号的吸收。
优选地,在输入信号检测的同时,该方法还可以包括在步骤52中,使用由对象携带(例如由他们穿戴或安装到其人)的运动传感器来检测对象的运动(例如,行走运动)。运动传感器可以例如包括加速度计,例如3D加速度计。
如果检测到运动,则系统被配置为在步骤54中应用用于抑制检测到的输入信号中的任何运动伪影的运动抑制程序。上面参考图7详细描述了示例运动抑制程序,并且读者参考该描述以获得关于步骤54的运动抑制程序的细节。
然后,该方法继续到用于从输入信号提取生理信号或测量的步骤的第一运行或迭代。
在第一运行中,该方法被配置为提取对象的呼吸速率的测量。
在第一运行中,该方法优选地包括对每个输入信号应用55带通滤波器。带通滤波器的频率参数例如基于呼吸速率的典型频率范围来设置。
该方法然后包括应用36信号生成程序,包括生成多个候选信号,每个候选信号由第一输入信号和第二输入信号的不同线性组合形成。换句话说,感应频率和吸收信号(即,第一输入信号和第二输入信号)被融合到一组候选信号中的每一个中。这可以具有例如所得到的信号没有任何高频失真的效果。
然后执行呼吸速率的计算。
这包括首先应用用于选择所生成的候选信号中的一个候选信号的信号选择程序38,该选择程序基于与输入信号的一个或多个信号特征相关的预定义准则,该准则被配置用于隔离与身体中的呼吸活动有关的信号。所选择的信号形成输出信号。准则可以是预先确定的或预定义的,并且可以例如基于典型信号特性的经验观察,该典型信号特性倾向于与源自身体中的呼吸动作的信号可靠地相关联。
使用所选择的候选信号来计算40呼吸速率。本公开中先前已经详细描述了用于从所选择的候选信号提取呼吸速率的程序。
该方法然后继续到信号提取程序的第二运行,这次被配置用于提取指示对象的心率的测量或信号。
在带通滤波55之后,再次应用信号生成程序36,包括生成多个候选信号,每个候选信号由两个输入信号的不同线性组合或融合形成。
然后计算心率,这基于再次应用信号选择程序38,其中,在这种情况下,程序的选择准则被配置用于选择与心率相关联的信号。再次,这些准则可以是预先确定的或预定义的,例如基于经验研究或观察。
一旦已经选择了用于计算心率的候选信号,则从所选择的信号提取40心率。上面已经详细描述了用于从所选择的候选信号提取心率测量的示例程序。
该方法的最终结果是分别指示呼吸速率和心率的一组输出测量42。
在图12中以框图形式概述了根据该方式的另一示例信号提取方法,其类似于图11中所示的示例信号提取方法,但是提供了从速率计算38、40到带通滤波55的另外反馈。
(成人的)有效心率范围大约从30BPM直到220BPM。当使用生物测量信号来测量心率时,从信号中去除落在有效范围之外的任何频率分量或至少将搜索空间限制在最小和最大速率之间是有利的。可以使用带通滤波器来去除这种不想要的频率分量。进一步限制该有效范围的任何手段将改善测量结果。
根据图12所示的实施例,假设如果呼吸速率是已知的,则呼吸速率可以用于进一步限制有效心率范围。如果用于导出心率的生物测量信号还包含与呼吸速率相关的频率分量,则限制心率范围甚至更有利。
例如,成人的呼吸范围通常跨越每分钟4至60次呼吸。因此,根据每分钟30到60次心跳,所测量的基频(f0)可以属于心率以及呼吸速率两者。使用心率至少是呼吸速率的第一因数F1(例如,两倍)的知识将有助于抑制信号中的呼吸速率的(一个或多个)一次谐波(例如,前两次谐波),这将改善心率测量的测量准确性。
同样地,使用心率最大处于呼吸速率的第二因数F2(例如十倍)的知识来限制有效心率频率的上限也将改善测量结果。
因此,在图12所示的实施例中,呼吸速率的输出测量42被反馈到带通滤波55,带通滤波55使用该知识来滤除检测到的输入信号中的不能是心率信号的分量的频率分量以用于确定心率信号。例如,如果呼吸速率的输出测量42是R1,则将R1的值乘以第一因数F1,以给出在检测到的输入信号中考虑用于确定心率的频率的下限。可选地,此外,将R1的值乘以第二因数F2,以给出在检测到的输入信号中考虑用于确定心率的频率的上限。
因数F1和F2可以是固定值(例如,对于成人,F1=2和F2=10),或可以由用户例如根据患者的特征(例如,年龄、性别、健康状况等)预先或单独设置。可以应用于成人的因数2和/或10不必是精确的。也可以使用接近2和/或10的值或其他单独的值。
该实施例可以优选地在同时进行呼吸测量和心率测量的情况下应用。呼吸速率测量通常在心率测量之前。在示例性实施方式中,呼吸速率测量的输出乘以2,并且如果该值高于系统预期测量的最小心率(例如30BPM),则使用呼吸速率的2倍。作为进一步的改进步骤,心率范围的上限也可以被限制为呼吸速率的至多10倍。
可以根据本公开中先前关于本发明的设备方面(即,系统方面)提供的解释和描述来理解和解读上述步骤中的每一个的实施选项和细节。
以上关于本发明的设备方面(关于系统)描述的任何示例、选项或实施例特征或细节可以在经必要的修改后应用或组合或并入到本发明的本方法方面中。
尽管上面的示例已经特别参考了呼吸速率和心率的提取,但是这些仅表示两个可能的示例。本发明的实施例可以应用于从身体提取任何生理或解剖信号,特别是与一个或多个身体或身体内的特征的移动相关联或由其引起的那些信号。感应式感测特别适合于检测含水身体的移动。
根据本发明的另一方面的示例提供了一种感应式感测方法,其基于感测响应于电磁激励信号施加到身体而从所述身体返回的电磁信号。
在一组实施例中,该方法包括接收指示所述感测到的返回信号的信号输入,该返回信号对应于在谐振器电路的环形天线处基于在电路被驱动以生成激励信号时检测到谐振器电路的电特性的变化而感测到的信号。
该方法还包括实施信号提取程序30。
信号提取程序包括从感测到的返回信号检测32第一输入信号,第一信号基于感测到的返回信号的频率。
信号提取程序还包括从感测到的返回信号检测34第二输入信号,第二信号基于感测到的返回信号的感测幅度。
信号提取程序30还包括应用36信号生成程序,包括生成多个候选信号,每个候选信号由第一输入信号和第二输入信号的不同线性组合形成。
信号提取程序还包括应用36用于选择候选信号中的一个候选信号的信号选择程序,该选择程序基于与输入信号的一个或多个信号特性有关的预定义准则,该准则被配置用于隔离与身体中的特定生理源有关的信号,所选择的信号形成输出信号。
根据另一组实施例,该方法还可以包括用于执行物理感应式感测和采集感应式感测信号的步骤。
特别地,根据一个或多个实施例,该方法还可以包括:
使用谐振器电路将电磁激励信号施加到身体,所述谐振器电路包括环形天线;以及
基于检测到所述谐振器电路的电特性的变化,使用所述环形天线感测来自所述身体的所述返回信号。
根据另一方面的示例提供了一种计算机程序产品,该计算机程序产品包括代码单元,该代码单元被配置为当在处理器上运行时令处理器执行根据上面概述或下面描述的任何示例或实施例或根据本申请的任何权利要求的方法。
如上所述,系统利用处理器来执行数据处理。处理器可以用软件和/或硬件以多种方式实施,以执行所需的各种功能。处理器通常采用可以使用软件(例如,微代码)编程以执行所需的功能的一个或多个微处理器。处理器可以被实施为执行一些功能的专用硬件与执行其他功能的一个或多个编程的微处理器和相关联的电路的组合。
可以在本公开的各种实施例中采用的电路的示例包括但不限于常规微处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。
在各种实施方式中,处理器可以与一个或多个存储介质相关联,诸如易失性和非易失性计算机存储器,诸如RAM、PROM、EPROM和EEPROM。存储介质可以利用一个或多个程序来编码,所述一个或多个程序当在一个或多个处理器和/或控制器上运行时以所需的功能来执行。各种存储介质可以固定在处理器或控制器内,或可以是可传输的,使得存储在其上的一个或多个程序可以加载到处理器中。
本领域技术人员通过研究附图、公开内容以及权利要求,在实践请求保护的发明时能够理解并实现对所公开的实施例的变型。在权利要求中,“包括”一词不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。
单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。
尽管某些措施被记载在互不相同的从属权利要求中,但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以被存储/分布在合适的介质上,例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质,但是也可以被以其他形式分布,例如经由互联网或其他有线或无线的电信系统。
如果术语“适合于”用于权利要求书或说明书中,应注意术语“适合于”旨在相当于术语“被配置为”。
权利要求中的任何附图标记都不应被解释为对范围的限制。
Claims (15)
1.一种在感应式感测中用于处理响应于向身体施加电磁激励信号而从所述身体返回的电磁信号的系统(8),
所述系统被布置为接收指示所述感测到的返回信号的信号输入,所述返回信号对应于在谐振器电路的环形天线处基于在所述电路被驱动以生成所述激励信号时检测到所述谐振器电路的电特性的变化而感测到的信号;
其中,所述系统被配置为实施信号提取程序(30),在所述信号提取程序中,所述系统被配置为:
从所感测到的返回信号检测(32)第一输入信号,所述第一信号基于所感测到的返回信号的频率,
从所感测到的返回信号检测(34)第二输入信号,所述第二信号基于所感测到的返回信号的感测幅度,
应用(36)信号生成程序,包括生成多个候选信号,每个候选信号由所述第一输入信号和所述第二输入信号的不同线性组合形成,并且
应用(38)用于选择所述候选信号中的一个候选信号的信号选择程序,所述选择程序基于与所述输入信号的一个或多个信号特性有关的预定义准则,所述准则被配置用于隔离与所述身体中的特定生理源有关的信号,所选择的信号形成输出信号。
2.根据权利要求1所述的系统,其中,所述系统还包括感应式感测装置,所述感应式感测装置包括:
谐振器电路(10),其包括环形天线(12);
信号生成单元(14),其适于激励所述环形天线以生成所述电磁激励信号;以及
信号感测单元(20),其适于基于检测到所述谐振器电路的电特性的变化而使用所述环形天线感测来自所述身体的所述返回信号。
3.根据权利要求1或2所述的系统,其中,所述信号生成程序基于独立分量分析方法的使用。
4.根据权利要求1-3中任一项所述的系统,其中,所述信号生成程序基于一组预定义的信号组合比率的使用以形成所述多个候选信号。
5.根据权利要求1-4中任一项所述的系统,其中,所述信号选择程序的所述准则包括以下中的一项或多项:所述候选信号的频率、以及所述信号在给定时间窗口内的最大值和最小值的数量。
6.根据权利要求1-5中任一项所述的系统,其中,所述信号提取程序还包括基于所选择的候选信号来生成指示所述特定生理现象的信息输出。
7.根据权利要求1-6中任一项所述的系统,其中,所述信号提取程序包括在所述信号生成程序之前将带通滤波器应用于所述输入信号的另一步骤。
8.根据权利要求1-7中任一项所述的系统,其中,所述信号提取程序包括在检测到所述输入信号之后直接应用的另一信号处理步骤,所述信号处理步骤被配置用于抑制所述输入信号中的每个输入信号中的运动伪影。
9.根据权利要求8所述的系统,其中,所述另一处理步骤包括:
接收指示要抑制的运动的基频的输入;以及
将陷波滤波器应用于所述输入信号,所述陷波滤波器具有可调适的频率设置,其中,所述陷波滤波器在所述基频的一倍或多倍处被应用于所述输入信号。
10.根据权利要求1-9中的任一项所述的系统,其中,所述选择程序在至少一种模式中被配置用于选择被确定为指示对象的呼吸速率的候选信号。
11.根据权利要求1-10中任一项所述的系统,其中,
所述系统在至少一种模式中被配置为执行所述信号提取程序的至少两次运行,所述信号选择程序在第一运行和第二运行中被配置用于选择与不同的相应的第一生理现象和第二生理现象有关的信号。
12.根据权利要求11所述的系统,其中,至少在所述第二运行中,在所述信号生成程序之前将带通滤波器应用于所感测到的输入信号。
13.根据权利要求11或12所述的系统,其中,所述信号选择程序在所述第一运行中被配置用于选择与对象的呼吸速率有关的信号,并且在所述第二运行中被配置用于选择与所述对象的心率有关的信号。
14.一种在感应式感测中用于处理响应于向身体施加电磁激励信号而从所述身体返回的电磁信号的方法,所述方法包括:
接收指示所述感测到的返回信号的信号输入,所述返回信号对应于在谐振器电路的环形天线处基于在所述电路被驱动以生成所述激励信号时检测到所述谐振器电路的电特性的变化而感测到的信号;以及
实施信号提取程序(30),包括:
从所感测到的返回信号检测(32)第一输入信号,所述第一信号基于所感测到的返回信号的频率,
从所感测到的返回信号检测(34)第二输入信号,所述第二信号基于所感测到的返回信号的感测幅度,
应用(36)信号生成程序,包括生成多个候选信号,每个候选信号由所述第一输入信号和所述第二输入信号的不同线性组合形成,以及
应用(38)用于选择所述候选信号中的一个候选信号的信号选择程序,所述选择程序基于与所述输入信号的一个或多个信号特性有关的预定义准则,所述准则被配置用于隔离与所述身体中的特定生理源有关的信号,所选择的信号形成输出信号。
15.一种包括代码单元的计算机程序产品,所述代码单元被配置为当在处理器上运行时令所述处理器执行根据权利要求14所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20167550.1A EP3888542A1 (en) | 2020-04-01 | 2020-04-01 | Inductive sensing system and method |
EP20167550.1 | 2020-04-01 | ||
PCT/EP2021/056915 WO2021197855A1 (en) | 2020-04-01 | 2021-03-18 | Inductive sensing system and method |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115361902A true CN115361902A (zh) | 2022-11-18 |
Family
ID=70154295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180025815.3A Pending CN115361902A (zh) | 2020-04-01 | 2021-03-18 | 感应式感测系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230172477A1 (zh) |
EP (2) | EP3888542A1 (zh) |
JP (1) | JP2023520452A (zh) |
CN (1) | CN115361902A (zh) |
WO (1) | WO2021197855A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10248590B4 (de) * | 2002-10-17 | 2016-10-27 | Resmed R&D Germany Gmbh | Verfahren und Vorrichtung zur Durchführung einer signalverarbeitenden Betrachtung eines mit der Atmungstätigkeit einer Person im Zusammenhang stehenden Messsignales |
EP2638541A1 (en) | 2010-11-10 | 2013-09-18 | Koninklijke Philips Electronics N.V. | Method and device for estimating a pattern in a signal |
CN203252647U (zh) * | 2012-09-29 | 2013-10-30 | 艾利佛公司 | 用于判定生理特征的可佩带的设备 |
US20160073897A1 (en) * | 2014-09-13 | 2016-03-17 | ARC Devices, Ltd | Non-touch detection of body core temperature |
WO2017019184A2 (en) * | 2015-06-09 | 2017-02-02 | University Of Connecticut | Method and apparatus for removing motion artifacts from biomedical signals |
CN110167441B (zh) * | 2017-01-09 | 2023-06-13 | 皇家飞利浦有限公司 | 用于感测来自身体的电磁信号的电感感测系统 |
US11517283B2 (en) * | 2017-01-09 | 2022-12-06 | Koninklijke Philips N.V. | Magnetic inductive sensing device and method |
-
2020
- 2020-04-01 EP EP20167550.1A patent/EP3888542A1/en not_active Withdrawn
-
2021
- 2021-03-18 EP EP21711603.7A patent/EP4125567A1/en active Pending
- 2021-03-18 JP JP2022559892A patent/JP2023520452A/ja active Pending
- 2021-03-18 WO PCT/EP2021/056915 patent/WO2021197855A1/en unknown
- 2021-03-18 US US17/916,127 patent/US20230172477A1/en active Pending
- 2021-03-18 CN CN202180025815.3A patent/CN115361902A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230172477A1 (en) | 2023-06-08 |
EP4125567A1 (en) | 2023-02-08 |
JP2023520452A (ja) | 2023-05-17 |
EP3888542A1 (en) | 2021-10-06 |
WO2021197855A1 (en) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105578960B (zh) | 用于处理生理信号的处理装置、处理方法和系统 | |
Sathyapriya et al. | Analysis and detection R-peak detection using Modified Pan-Tompkins algorithm | |
US8798726B2 (en) | Method and apparatus for eliminating motion artifacts of bio signal using personalized bio signal pattern | |
EP2854620A1 (en) | Narrow band feature extraction from cardiac signals | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
WO2016071872A1 (en) | Actigraphy methods and apparatuses | |
WO2017142667A1 (en) | Pulse validation | |
CN113951885A (zh) | 一种脑磁图源定位方法、存储介质和设备 | |
US11000234B2 (en) | Wearable device, method and apparatus for eliminating motion interference | |
US20230172477A1 (en) | Inductive sensing system and method | |
JP6385839B2 (ja) | 脈波計測装置、および脈波計測方法 | |
KR100928421B1 (ko) | Lc 발진회로를 이용한 비접촉식 호흡·심장박동신호 측정장치 및 이를 위한 신호 처리 방법 | |
CN107088060A (zh) | 传感器信息处理设备 | |
CN113164055A (zh) | 移动监护设备、生理信号的调整和处理方法 | |
JP7462640B2 (ja) | 誘導感知システム及び方法 | |
CN115005803A (zh) | 呼吸检测方法和装置 | |
CN113242716B (zh) | 一种心律失常事件的监测方法、设备和系统 | |
JP2001518822A (ja) | パルスレート及び飽和度を測定するための方法及び装置 | |
JP7217470B2 (ja) | 心拍信号検出装置、及び心拍信号検出プログラム | |
CN115568863A (zh) | 一种心阻抗血流图的去噪方法、系统及存储介质 | |
Teichmann et al. | Monitoring of thoracic activity using electromagnetic coupling | |
Dube et al. | Implementation of Heart Rate Variability Analysis Algorithm on Fpga Platform | |
CN114631790A (zh) | 基于穿戴设备的睡眠分期方法、装置、设备和存储介质 | |
JP2012165912A (ja) | 細動検出装置および細動検出方法 |
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 |