CN115768341A - 患者监视系统 - Google Patents

Abstract

本发明提供了一种定位在患者身体上的用于监视患者的IV系统。IV系统包括：1)插入患者静脉系统中的导管；2)连接到导管的压力传感器，该压力传感器测量指示患者静脉系统中压力的生理信号；3)测量运动信号的运动传感器；以及4)处理系统，该处理系统：i)从压力传感器接收生理信号；ii)从运动传感器接收运动信号；iii)通过将运动信号与预定阈值进行比较来处理运动信号，以确定患者何时具有相对较低程度的运动；以及iv)当处理系统确定运动信号低于预定阈值时，处理生理信号以确定生理参数。

Description

患者监视系统

优先权声明和对相关申请的交叉引用

本申请要求2020年6月24日提交的名称为“PATIENT-MONITORING SYSTEM(患者监视系统)”的美国临时专利申请第63/043,494号的优先权和权益，其全部内容以全文引用的方式并入本文中并作为依据。

技术领域

本文所描述的发明涉及用于药物和流体输送的系统，以及用于在例如医院和医疗诊所中监视患者的系统。

背景技术

除非术语在本文中使用短语“在本文中“——””或类似句子明确定义，否则无意将该术语的含义限制为超出其通常或普通含义。就本文献中以与单一含义一致的方式提及的任何术语而言，这仅仅是为了清楚起见；这并不意图将这种权利要求术语限制于该单一含义。最后，除非权利要求要素是通过叙述单词“装置”和功能而没有叙述任何结构来定义的，否则并无意图基于35 U.S.C.112(f)的应用来解释任何权利要求要素的范围。

对住院患者的适当护理通常需要：1)使用静脉内(在此称为“IV”)导管和输注泵输送药剂和流体；以及2)用患者监视器测量生命体征和血流动力学参数。通常，IV导管插入患者手或臂的静脉中，并且患者监视器连接到佩戴在(或插入)患者身体上的传感器或电极。

常规患者监视器通常使用躯干佩戴式电极测量心电图(本文称为“ECG”)和阻抗呼吸描记法(本文称为“IP”)波形，由此计算心率(本文称为“HR”)、心率变异性(本文称为“HRV”)和呼吸率(本文称为“RR”)。大多数常规监视器还利用传感器测量光学信号，称为光电体积描记图(本文称为“PPG”)波形，传感器通常夹在患者的手指或耳垂上。这种传感器能够从这些PPG波形中计算血氧水平(本文称为“SpO2”)和脉搏率(本文称为“PR”)。更先进的监视器还能够测量血压(本文称为“BP”)，特别是收缩压(本文称为“SYS”)、舒张压(本文称为“DIA”)和平均(本文称为“MAP”)BP，通常使用称为示波法的基于袖带的技术，或者插入患者动脉系统的称为动脉线的压敏导管。数字听诊器能够是便携式的和身体佩戴式设备，能够测量指示心音和杂音的心音图(本文称为“PCG”)波形。

一些患者监视器是完全身体佩戴式的。这些通常采用贴片的形状，其测量ECG、HR、HRV，并且在某些情况下还能够测量RR。这种贴片还能够包括测量运动(本文称为“ACC”)波形的加速度计。算法能够从ACC波形确定患者的姿势、运动程度、跌倒和其它相关参数。患者通常在医院佩戴这些类型的贴片，或者备选地在门诊和家庭使用。贴片通常佩戴相对较短的时间段(例如，从几天到几周)。它们通常是无线的，并且常常包括诸如

收发器等技术，以在短范围内将信息发送到次级“网关”设备，该次级“网关”设备通常包括蜂窝或Wi-Fi无线电，以将信息发送到基于云的系统。

甚至更复杂的患者监视器使用称为Swan-Ganz或肺动脉导管的侵入式传感器测量参数，诸如每搏输出量(本文称为“SV”)、心输出量(本文称为“CO”)和心楔压。为了进行测量，这些传感器被定位在患者的左心，在那里使用球囊导管将它们“楔入”小的肺血管。作为这种高度侵入式测量的备选方案，患者监视器能够使用诸如生物阻抗和生物电抗等非侵入式技术来测量类似的参数。这些方法部署身体佩戴式电极(通常部署在患者的胸部、腿部和/或颈部上)来测量阻抗体积描记图(本文称为“IPG”)和/或生物电抗(本文称为“BR”)波形。对IPG和BR波形的分析产生了SV、CO和胸阻抗，胸阻抗代表患者胸中的流体(本文称为“FLUIDS”)。值得注意的是，IPG和BR波形大体上具有类似的形状，并且使用相似的测量技术来感测，因此在本文中可互换使用。

测量SV、CO和FLUIDS的设备能够确定患者的血容量、流体响应性，并且在某些情况下，还可确定相关指标，诸如中心静脉压(本文称为“CVP”)。总的来说，这些参数能够诊断某些医疗状况并指导复苏努力。但是Swan-Ganz和肺动脉导管的高度侵入式性质可能是不利的，并且伴随着高感染风险。附加地，CVP测量响应于某些急性状况可能变化缓慢，诸如当循环系统试图通过在损害外周的情况下保护中心循环系统的血容量水平以补偿血容量失衡(特别是血容量减少)时。例如，外周血管的收缩可以减轻流体损失对中心系统的影响，从而暂时掩蔽常规CVP测量中的失血。这种掩蔽可能导致对患者状况的延迟认识和治疗，从而恶化结果。

为了解决这些和其它缺点，开发了一种称为外周静脉内波形分析(本文称为“PIVA”)的测量技术，如美国专利申请序列No.14/853,504(2015年9月14日提交，并作为美国专利公开No.2016/0073959公开)和PCT申请No.PCT/US16/16420(2016年2月3日提交，并作为WO2016/126856公开)，其内容以引用的方式并入到本文中。这些文献描述了以压力换能器为特征的传感器，该压力换能器接收来自插入患者静脉系统中的留置导管的信号，并通过缆线连接到远程电子器件(本文称为“PIVA传感器”)，远程电子器件处理由此生成的信号。PIVA传感器使用现有的IV线测量指示外周静脉压(在此称为“PVP”)的时间相关波形，现有的IV线通常包括附接到盐水滴注或输注泵的IV管。用PIVA传感器进行的测量通常以PVP波形到频域的数学变换为特征，使用称为快速傅立叶变换(本文称为“FFT”)的方法，由远程计算机执行。用FFT生成的频域谱的分析能够产生RR频率(本文称为“F0”)和HR频率(本文称为“F1”)，分别指示患者的HR和RR。对F0和F1进行更详细的分析，例如使用计算机算法来确定这些峰的振幅，或者备选地对以最大峰振幅为中心的曲线下方的面积进行积分，确定这些特征的“能量”。对这些能量的进一步处理产生了患者血容量状态的指示。这种测量已经在例如以下参考文献中进行了描述，这些参考文献的内容以引用的方式并入到本文中：1)Hocking等人，“Peripheral venous waveform analysis for detecting hemorrhage andiatrogenic volume overload in a porcine model(用于在猪模型中检测出血和医源性容量超负荷的外周静脉波形分析)”，Shock.2016年10月；46(4):447-52；2)Sileshi等人，“Peripheral venous waveform analysis for detecting early hemorrhage:a pilotstudy(用于检测早期出血的外周静脉波形分析：初步研究)。”Intensive Care Med.2015年6月；41(6):1147-8；3)Miles等人，“Peripheral intravenous volume analysis(PIVA)forquantitating volume overload in patients hospitalized with acutedecompensated heart failure-a pilot study(用于量化急性失代偿性心力衰竭住院患者的容量超负荷的外周静脉内容量分析(PIVA)——初步研究)”，J Card Fail.2018年8月；24(8):525-532；以及4)Hocking等人，“Peripheral i.v.analysis(PIVA)of venouswaveforms for volume assessment in patients undergoing haemodialysis(用于接受血液透析的患者的容量评估的静脉波形的外周静脉分析(PIVA))”Br J Anaesth.2017年12月1日；119(6):1135-1140。

不幸的是，在使用PIVA传感器进行典型测量期间，由HR和RR事件(通常为5-20mmHg)引起的PVP波形比它们的动脉压对应物(通常为60-150mmHg)弱得多。这意味着由常规压力换能器测量的时间相关PVP波形中的对应信号的幅度通常非常弱(例如，通常为5-50μV)。附加地，PVP波形通常由位于远离患者处的电子系统进行放大、调理、数字化和最终处理。因此，在这些步骤之前，波形的模拟版本通过缆线传播，这能够衰减它们并增加噪声(例如，由于运动)。并且在某些情况下，PVP波形只是缺少对应于F0和F1的识别标志。或者一个主频率的峰被另一个主频率的“谐波”(即给定频率的整数倍)遮蔽。这能够使得自动化医疗设备很难或不可能准确确定F0和F1以及与这些特征相关联的能量。

发明内容

鉴于上述情况，改善常规PIVA传感器，使其克服与弱、嘈杂的PVP波形和F0和F1的不充分检测相关的历史问题，将是有益的。这样的系统能够改善医院和医疗诊所中对患者的监视。为了解决这些和其它缺陷，本文描述了一种增强的、改善的PIVA传感器(本文称为“iPIVA传感器”)，其以下列为特征：1)电路板，该电路板位于紧邻留置静脉导管处，在压力传感器检测到PVP波形(例如，直接在患者身体上)后，立即对其进行放大、滤波和数字化；以及2)胸部佩戴式生理传感器(本文称为“贴片传感器”)，其对生命体征(包括HR和RR)进行准确、独立的测量，这能够辅助定位F0和F1，并且然后处理这些特征以确定它们对应的能量。根据本发明的iPIVA传感器能够包括这些改善中的一者或两者。附加地，根据本发明，来自iPIVA传感器的测量能够与血流动力学参数(例如SV、CO和FLUIDS)(其能够用贴片传感器或可比较患者监视器进行测量)的独立测量相耦合，以产生对患者流体状态改善的理解。最终，这些技术的组合——以新颖信号调理电路板为特征的iPIVA传感器与测量生命体征和血流动力学参数二者的补充贴片传感器相组合——可能会改善医院和医疗诊所对患者的监视和复苏的方式。

本文所描述的iPIVA传感器设计用于与常规IV系统一起工作，并利用留置导管连接至患者，两者均为标准器械。该导管包括壳体，该壳体靠近患者身体佩戴或佩戴在患者身体上，并且通常佩戴在患者的臂或手上，该壳体封闭了信号调理电路板，该信号调理电路板以复杂电路为特征，复杂电路对模拟PVP波形进行放大、滤波和数字化。电路板还可以包括用于处理和存储数字化信号、测量运动(例如加速度计和/或陀螺仪)和无线发送信息(例如

发送器)的部件。以这种方式，电路板能够与远程处理器(例如，服务器、网关、平板电脑、智能手机、计算机、输注泵或其某种组合)集成，该远程处理器能够集体地分析来自贴片传感器的PVP波形和补充信息。

本文所描述的iPIVA传感器简化了生命体征和血流动力学参数的传统测量，这些传统测量可能涉及多个设备，并可能需要几分钟才能完成。与iPIVA传感器和贴片传感器无线耦合的远程处理器能够附加地与现有的医院基础设施和通知系统诸如医院电子医疗记录(在此称为“EMR”)系统集成。这种系统能够向护理人员发出患者状况变化的警报和报警，从而允许他们进行干预。

贴片传感器测量生命体征，诸如HR、HRV、RR、SpO2、TEMP，以及复杂的血流动力学参数，诸如SV、CO和FLUIDS。BP的测量通常是无袖带的，并使用基于袖带的设备诸如基于示波法的设备进行校准。贴片传感器通常是身体佩戴的设备，其粘附到患者的胸部，并且连续地和非侵入式地测量上面提到的参数。当对基于医院的患者进行这种测量时，胸部是理想的位置：它常常容易接近，并且放置在那里的传感器通常不显眼、舒适，并且远离手(手通常经历相对大量的运动)。因为贴片传感器较小，并且因此与各种其它患者监视设备相比明显不太引人注意和显眼，所以能够减少佩戴贴片传感器时的情绪不适，从而促进长期依从性、康复和总体患者健康。

备选地，代替贴片传感器，提供HR、RR和血流动力学参数的独立测量的系统能够是常规生命体征或血流动力学监视器，诸如由Newton Center,MA,USA(美国马萨诸塞州牛顿中心)的Cheetah Medical制造的Starling^TM SV患者监视器。

贴片传感器还能够包括运动检测加速度计和陀螺仪，通过该加速度计和陀螺仪能够确定运动相关参数，诸如姿势、运动程度、活动水平、呼吸引起的胸部起伏和跌倒。例如，这些参数能够确定住院期间患者的姿势或移动。贴片传感器能够运行附加算法，附加算法处理运动相关参数，允许其仅在运动最小或低于预定阈值时测量生命体征和血流动力学参数，从而减少假象。此外，贴片传感器估计运动相关参数，诸如姿势，以改善生命体征和血流动力学参数的计算准确度。

贴片传感器底部表面上的一次性电极可将其固定在患者身体上，无需麻烦的缆线。在实施例中，这种电极借助于磁体容易地连接到传感器(和从传感器断开连接)，从而允许传感器在其被移除的情况下容易地迅速恢复到正确的位置。贴片传感器通常是轻质的，重约20克。它由锂离子电池供电，锂离子电池能够利用常规的缆线或无线机构充电。

鉴于上述情况，一方面，本发明提供了一种用于监视患者的IV系统，该IV系统定位在患者身体上。IV系统包括：1)插入患者静脉系统的导管；2)连接到导管的压力传感器，该压力传感器测量指示患者静脉系统中压力的生理信号；3)运动传感器，该运动传感器测量运动信号；以及4)处理系统，该处理系统：i)从压力传感器接收生理信号；ii)接收来自运动传感器的运动信号；iii)通过将运动信号与预定阈值进行比较来处理运动信号，以确定患者何时具有相对较低程度的运动；以及iv)当处理系统确定运动信号低于预定阈值时，处理生理信号以确定生理参数。

另一方面，使用运动传感器来测量患者的姿势，而不是患者的运动，当患者处于预定姿势时，处理系统确定生理参数。

另一方面，本发明提供了一种用于监视患者的IV系统，该IV系统包括：1)插入患者静脉系统中的导管；2)连接到该导管的压力传感器，该压力传感器测量指示患者静脉系统中压力的生理信号；3)运动传感器，该运动传感器测量运动信号；以及4)处理系统，仅当运动信号降低低于预定阈值时，该处理系统发送生理信号或从这些信号计算的参数。

在实施例中，运动传感器为加速度计(例如，3轴线加速度计)和/或陀螺仪。在实施例中，处理系统通过分析对应于3轴线加速度计的每个轴线的运动信号来计算运动向量。用于确定患者运动是否太严重而不能进行准确测量的预定运动阈值通常对应于0.1G的向量幅度。在其它实施例中，处理系统将运动向量与预定的查找表进行比较，以确定患者的姿势。

在其它实施例中，处理系统对信号进行数字滤波(例如，使用数字高通滤波器)，以生成已滤波的信号。然后，它处理已滤波的信号，以确定患者的心率/呼吸率。在实施例中，处理系统附加地处理指示患者心率和呼吸率的信号分量，以确定指示患者流体状态的生理参数(例如，楔压、中心静脉压、血容量、流体容量和肺动脉压)。

在实施例中，处理系统将信号转换到频域，以在确定生理参数之前生成频域信号。用于变换的方法通常是FFT、连续小波变换或离散小波变换。

另一方面，本发明提供了一种在向患者供应IV流体同时对患者进行监视的系统。该系以定位在患者身体上的壳体为特征。该壳体包括导管和连接到壳体的压力传感器，导管插入患者静脉系统以供应IV流体，该压力传感器测量指示患者静脉系统中压力的时间相关压力信号。壳体还包括连接到压力传感器的电路系统，该电路系统接收压力传感器生成的时间相关信号。该电路系统以下列为特征：i)差分放大器，该差分放大器放大时间相关的压力信号以生成已放大的信号；ii)低通滤波器，该低通滤波器对已放大的信号进行滤波以生成已滤波的信号，以及iii)次级放大器系统，其放大已滤波的信号以生成二次放大的信号。

在实施例中，差分放大器、低通滤波器和次级放大器能够以任何次序定位在与上文描述的电路不同的电路中。

在另一方面，该系统附加地包括运行计算机代码的处理系统，该计算机代码分析二次放大的信号，以估计与患者对应的生命体征(例如，HR、RR)。在又一方面，该系统附加地包括向远程接收器发送生命体征的数字表示的无线发送器，以及向压力传感器、电路系统、处理系统和无线发送器供应功率的功率源。

在实施例中，IV系统包括壳体，并且完全封闭电路系统和压力传感器，并附接至导管。例如，导管能够佩戴在患者的手上或臂上。

在实施例中，差分放大器以至少10X的增益为特征。低通滤波器通常从已放大的信号中分离出包含心率和呼吸率分量的信号分量。低通滤波器通常包括生成10Hz与30Hz之间滤波器截止频率的电路部件。在其它实施例中，电路系统附加地包括高通滤波器，该高通滤波器接收二次放大的信号，并且作为响应，生成二次滤波的信号。在这种情况下，高通滤波器通常包括生成0.01Hz与1Hz之间滤波器截止频率的电路部件。

在实施例中，电路系统附加地包括次级低通滤波器，该次级低通滤波器接收二次放大的信号，并作为响应，生成三次滤波的信号。在这种情况下，次级低通滤波器通常包括生成10Hz与30Hz之间的滤波器截止频率的电路部件。

在其它实施例中，电路系统附加地包括运动传感器，诸如加速度计或陀螺仪。在其它实施例中，电路系统附加地包括无线发送器，诸如

Wi-Fi或蜂窝发送器。在其它实施例中，电路系统附加地包括微处理器，该微处理器运行算法来处理二次放大的信号或从其导出的信号。并且在另外的实施例中，电路系统附加地包括闪存系统，该闪存系统存储二次放大的信号或从其导出的信号的数字表示。

另一方面，本发明提供了一种用于监视患者的系统，该系统包括连接至患者的生理传感器，该生理传感器以生物阻抗和/或生物电抗感测元件为特征，该生物阻抗和/或生物电抗感测元件测量指示患者流体状态的第一组参数。该系统还包括IV系统，IV系统以下列为特征：1)插入患者静脉系统的导管；2)压力传感器，该压力传感器接收来自导管的流体，并且作为响应，测量指示患者静脉系统中压力的波形；以及3)第一处理系统，该第一处理系统接收波形并对其进行处理，或者对从其导出的新信号进行处理，以估计指示患者流体状态的第二组参数。然后，第二处理系统接收第一组参数和第二组参数，或者从它们导出的新参数，并且集体地处理它们以估计来自患者的生理参数。

另一方面，本发明提供了一种类似的系统，仅生理传感器佩戴在患者身上。它包括生物阻抗和/或生物电抗感测元件和第一处理系统。

在再一方面，本发明提供了一种用于监视患者的系统，包括：1)连接至患者的生物阻抗和/或生物电抗感测元件，该生物阻抗和/或生物电抗感测元件测量第一时间相关波形；2)插入患者静脉系统的IV系统，该IV系统以压力传感器为特征，该压力传感器测量第二时间相关波形；以及3)处理系统，该处理系统分析从第一波形和第二波形计算的参数，并且集体地处理它们以估计来自患者的生理参数。

在实施例中，第二处理系统选自由计算机、平板计算机和移动电话组成的组。该系统能够运行将第一组参数与第二组参数进行比较的算法，以估计生理参数。在其它实施例中，生理传感器包括第一无线发送器，IV系统包括第二无线发送器，并且第二处理系统包括第三无线发送器。这里，第三无线发送器能够与第一无线发送器和第二无线发送器无线通信。

在其它实施例中，指示患者流体状态的第一组参数选自BP、SpO2、SV、心搏指数、CO、心脏指数、胸阻抗、FLUIDS、细胞间流体和细胞外流体。在其它实施例中，第二组参数选自包括F0、F1、与F0和F1相关联的能量、F0和F1的数学组合以及从这些参数中确定的参数的组。

第二处理系统能够运行线性数学模型，以集体地处理第一组参数和第二组参数。备选地，它能够运行基于人工智能的算法来集体地处理第一组参数和第二组参数。

在实施例中，由第二处理系统估计的生理参数指示患者的流体状态。例如，估计的生理参数能够是患者的血容量、楔压和肺动脉压中的一个。

另一方面，本发明提供了一种用于监视患者的系统，包括：1)连接至患者的生理传感器，该生理传感器以感测元件为特征，该感测元件测量指示患者生理的第一组信号；2)IV系统，该IV系统以下列为特征：i)插入患者静脉系统的导管；以及ii)压力传感器，该压力传感器感测来自导管的流体，并且作为响应，测量指示患者静脉系统中压力的第二组信号；以及3)处理系统，该处理系统接收第一组信号和第二组信号，并集体地处理它们，或从它们导出的新信号，以估计指示患者状态的生理参数。

另一方面，本发明提供了一种类似的系统，仅所有元件——生理传感器、压力传感器和处理系统——佩戴在患者身体上。

另一方面，本发明提供了一种用于监视患者的系统，该系统以下列为特征：1)佩戴在患者身体上的生理传感器，该生理传感器带有测量心率和/或呼吸率的感测元件；2)插入患者静脉系统并收集流体的导管；3)连接到导管的压力传感器，该压力传感器感测流体，并且作为响应，测量指示患者静脉系统中压力的信号；以及4)处理系统，该处理系统接收来自生理传感器的心率和/或呼吸率的值，并集体地处理该值和指示患者静脉系统中压力的信号，或从这些信号导出的新信号，以估计指示患者状态的生理参数。

在实施例中，生理传感器测量ECG波形，然后对其进行处理，以确定HR的值。生理传感器还能够测量IPG或BR波形，并且然后对其进行处理，以确定RR的值。在这些实施例中，HR和RR都表示本文使用的“第一组信号”。

在实施例中，压力传感器测量指示患者静脉系统压力的时间相关压力波形；这表示本文使用的“第二组信号”。然后，处理系统能够被配置成利用算法(例如，用于执行FFT、连续小波变换或离散小波变换的算法)来处理时间相关波形，以生成频域谱。在一个实施例中，处理系统然后集体地处理HR的值和频域谱，以确定频域谱中对应于HR(即F1)的特征；然后，它处理F1或由此估计的参数(例如，如本文所描述，其振幅或对应的能量)，以估计指示患者状态的生理参数。在相关实施例中，处理系统集体地处理RR的值和频域谱，以确定频域谱中对应于RR(即F0)的特征；然后，它处理F0或由此估计的参数(例如，其振幅或对应的能量，如本文所描述)，以估计指示患者状态的生理参数。在又一个实施例中，F0和F1或者从其导出的参数被集体地处理，以估计指示患者状态的生理参数。该参数可能是例如楔压、中心静脉压、肺动脉压、血容量、流体容量或相关值。

另一方面，本发明提供了一种用于监视患者的IV系统，该系统定位在患者身体上。该系统以下列为特征：1)插入患者静脉系统的导管；2)连接到导管的压力传感器，该压力传感器测量指示患者静脉系统中压力的信号；以及3)处理系统，该处理系统接收来自压力传感器的信号，并且作为响应，处理它们以测量生理参数。

另一方面，本发明提供了一种用于监视患者的IV系统，该IV系统定位于患者身体上。该系统以下列为特征：1)插入患者静脉系统的导管；2)连接到导管的压力传感器，该压力传感器测量指示患者静脉系统中压力的信号；以及3)处理系统，该处理系统接收来自压力传感器的信号并处理它们，以确定指示患者心率和呼吸率中的一者(或两者)的信号分量。

在另一个方面，本发明提供了一种用于监视患者的系统，该系统定位在患者的身体上。该系统以下列为特征：1)插入患者静脉系统并收集流体的导管；2)连接到导管的压力传感器，该压力传感器感测流体，并且作为响应，测量指示患者静脉系统中压力的信号；以及3)处理系统，该处理系统接收来自压力传感器的信号，并且作为响应，处理它们以确定患者的心率和呼吸率中的一者(或两者)。

在实施例中，处理系统对信号进行数字滤波(例如，使用数字高通滤波器、低通滤波器和/或带通滤波器)，以生成已滤波的信号。然后，它处理已滤波的信号，以确定患者的心率/呼吸率。在实施例中，处理系统附加地处理指示患者心率和呼吸率的信号分量，以确定指示患者流体状态的生理参数(例如，F0、F1、与F0相关联的能量、与F1相关联的能量、楔压、中心静脉压、血容量、流体容量和肺动脉压)。

在实施例中，处理系统将信号变换到频域，以生成频域信号。用于变换的方法通常是FFT、连续小波变换(本文称为“CWT”)或离散小波变换(本文称为“DWT”)。

在实施例中，处理系统为微处理器。微处理器通常包括存储计算机程序的随机存取存储器和存储来自压力传感器的信号的数字表示的闪存。在另外的实施例中，处理系统附加地包括运动传感器，诸如加速度计或陀螺仪。在其它实施例中，处理系统附加地包括无线发送器，例如

Wi-Fi或蜂窝发送器。

另一方面，本发明提供了一种IV系统，该系统对患者进行监视，并将其整体定位于患者身体上。该IV系统包括：1)插入患者静脉系统的导管；2)连接到导管的压力传感器，该压力传感器测量指示患者静脉系统中压力的信号；以及3)从压力传感器接收信号的电路系统。电路系统以下列为特征：i)差分放大器，该差分放大器放大信号以生成已放大的信号；ii)低通滤波器，该低通滤波器对已放大的信号进行滤波以生成已滤波的信号；以及iii)次级放大器系统，该次级放大器系统放大已滤波的信号以生成二次放大的信号。

另一方面，本发明提供了一种类似的IV系统，其也整体定位于患者身体上，包括与上文描述的那些类似的导管、压力传感器和电路系统。此处，电路系统以下列为特征：i)放大器，该放大器放大信号以生成已放大的信号；ii)滤波器，该滤波器对已放大的信号进行滤波以生成已滤波的信号；iii)次级放大器系统，该次级放大器系统放大已滤波的信号以生成二次放大的信号；以及iv)模数转换器，该模数转换器将二次放大的信号或从其导出的信号数字化。

在实施例中，上述放大器、滤波器和次级滤波器能够在电路系统内以任何次序排列。

在又一方面，本发明提供了一种用于监视患者的系统，该系统以下列为特征：插入患者静脉系统的导管，以及整体定位于患者身体上的壳体，该壳体包括：1)压力传感器，该压力传感器被配置成感测来自导管的流体，并作为响应，测量压力信号；以及2)电路系统，该电路系统具有对压力信号进行放大、滤波和数字化以识别指示患者HR和RR的信号分量的电路部件。

在实施例中，IV系统包括壳体，该壳体完全封闭电路系统和压力传感器，并附接至导管。例如，壳体能够佩戴在患者的手上或臂上。例如，能够使用带子或粘合剂将其附接到这些身体部位。

在实施例中，差分放大器以至少10X的增益为特征。低通滤波器通常将已放大的信号分成包含与HR和RR相关的分量的第一放大的信号分量，以及没有这些分量的第二放大的信号分量。低通滤波器通常包括生成10Hz与30Hz之间的滤波器截止频率的电路部件。在其它实施例中，电路系统附加地包括高通滤波器，该高通滤波器接收二次放大的信号，并且作为响应，生成二次滤波的信号。在这种情况下，高通滤波器通常包括生成0.01Hz与1Hz之间滤波器截止频率的电路部件。

在实施例中，电路系统附加地包括次级低通滤波器，该次级低通滤波器接收二次放大的信号，并作为响应，生成三次滤波的信号。在这种情况下，次级低通滤波器通常包括生成10Hz与30Hz之间的滤波器截止频率的电路部件。

在其它实施例中，电路系统附加地包括运动传感器，诸如加速度计或陀螺仪。在其它实施例中，电路系统附加地包括无线发送器，诸如

Wi-Fi或蜂窝发送器。在其它实施例中，电路系统附加地包括微处理器，该微处理器运行算法来处理二次放大的信号或从其导出的信号。在其它实施例中，电路系统附加地包括闪存系统，该闪存系统存储二次放大的信号或从其导出的信号的数字表示。

根据以下详细说明和权利要求，本发明的优点应显而易见。

附图说明

图1为本发明的以贴片传感器和iPIVA传感器为特征的系统图；

图2A为指示图1的iPIVA传感器如何附接到患者的示意图；

图2B为臂佩戴式壳体的机械图，该臂佩戴式壳体封闭在iPIVA传感器中使用的电路板；

图2C为由图2B所示的臂佩戴式壳体封闭的电路板的图像；

图2D和图2E分别为图2C所示图像所指示电路板的图像和照片；

图3为图2D和图2E的电路板的以用于对PVP-AC和PVP-DC波形进行滤波、放大和数字化的电路为特征的电气示意图；

图4A是图3的电气示意图描述的第一放大器级之后测量的第一PVP-AC波形的时间相关图表；

图4B是图3的电气示意图描述的第二放大器/滤波器级之后测量的第二PVP-AC波形的时间相关图表；

图4C为取自图3的电气示意图的以用于处理PVP-AC波形的电路为特征的电路板的电气示意图；

图5是与图3的电气示意图描述的和在图2E的电路板上制造的滤波器和放大器的理论理想响应相比较，使用图2E的电路板测量的PVP-AC和PVP-DC信号的对数频率相关图表；

图6A是根据本发明的系统在30分钟时段从患者测量的PVP-AC波形的时间相关图表；

图6B、图6C和图6D为取自图6A中的图表并且分别始于420、780和1310秒的时间段处的PVP-AC波形(即波形片段)的时间相关图表；

图6E、图6F和图6G是分别表示在图6B、图6C和图6D中所示波形片段的FFT的频域谱；

图7为图1的iPIVA生理传感器的机械图；

图8A至图8E为由图1的贴片传感器和iPIVA传感器同时测量的ECG、PPG、IPG/BR、PCG和PVP-AC波形的时间相关图表；

图9A、图9B和图9C为根据本发明的iPIVA生理传感器的分解视图和iPIVA生理传感器的相应底部表面、顶部表面的机械图；

图10A、图10B和图10C分别为佩戴根据本发明的iPIVA生理传感器实施例的患者的示意图、使用图10A的iPIVA生理传感器测量的PPG波形的时间相关图表、以及使用图10A的iPIVA生理传感器测量的PVP-AC波形的时间相关图表；

图11A、图11B和图11C分别为佩戴根据本发明的iPIVA生理传感器实施例的患者的示意图、使用图11A的iPIVA生理传感器测量的PPG波形的时间相关图表、以及使用图11A的iPIVA生理传感器测量的PVP-AC波形的时间相关图表；

图12A、图12B、图12C和图12D分别为佩戴根据本发明的iPIVA生理传感器实施例的患者的示意图、使用图12A的iPIVA生理传感器测量的PPG波形的时间相关图表，使用图12A的iPIVA生理传感器测量的PCG波形的时间相关图表，以及使用图12A的iPIVA生理传感器测量的PVP-AC波形的时间相关图表；

图13A、图13B、图13C、图13D和图13E分别为佩戴根据本发明的iPIVA生理传感器实施例的患者的示意图、使用图13A的iPIVA生理传感器测量的ECG波形的时间相关图表、使用图13A的iPIVA生理传感器测量的PPG波形的时间相关图表、使用图13A的iPIVA生理传感器测量的IPG/BR波形的时间相关图表、以及使用iPIVA生理传感器测量的PVP-AC波形的时间相关图表

图14A、图14B、图14C、图14D、图14E和图14F分别为佩戴根据本发明的iPIVA生理传感器实施例的患者的示意图、使用图14A的iPIVA生理传感器测量的ECG波形的时间相关图表、使用图14A的iPIVA生理传感器测量的PPG波形的时间相关图表、使用图14A的iPIVA生理传感器测量的IPG/BR波形的时间相关图表、使用图14A的iPIVA生理传感器测量的PCG波形的时间相关图表、以及使用图14A的iPIVA生理传感器测量的PVP-AC波形的时间相关图表；

图15A是示出由图1中系统使用的算法的流程图，该算法处理来自iPIVA和贴片传感器的信号以监视患者；

图15B是分别在图8A、图8B和图8C所示的ECG、PPG和IPG/BR波形的时间相关图表；

图15C是用iPIVA传感器测量的PVP-AC波形(在图15A的流程图中称为‘PVP-AC_time’)的时间相关图表；

图15D是取自图15C中PVP-AC波形的时间相关图表的波形片段(在图15A的流程图中称为‘PVP-AC_time,segment’)的时间相关图表；以及，

图15E为频域谱(称为‘PVP-AC_{frequency,segment,ave}’)，示出了图15C所指示的时域波形片段的DWT的总体平均值。

具体实施方式

尽管下文阐述了许多不同实施例的详细描述，但应理解，本文所描述的发明的法律范围由本专利末尾所阐述的权利要求的文字限定。详细描述仅被解释为示例性的；它没有描述每个可能的实施例，因为这即使不是不可能的，也是不切实际的。本领域的普通技术人员可以实施许多替代实施例，这些实施例仍将落入权利要求的范围内。

iPIVA传感器

参考图1，系统10以IV系统19为特征，该IV系统19结合了iPIVA传感器15，与iPIVA生理传感器70协同工作，表征躺在医院病床24上的患者11的生命体征和血流动力学参数。iPIVA传感器15包括臂佩戴式壳体20，该臂佩戴式壳体20封闭玻璃纤维电路板(如图2B和2D所示，并在下面详细描述)，该封闭玻璃纤维电路板被配置成对PVP信号进行放大、滤波和数字化。臂佩戴式壳体20终止于静脉导管21，静脉导管21插入患者手或臂的静脉中。远程处理器36(例如平板计算机或具有可比功能的设备)通过缆线22连接到臂佩戴式壳体20，并通过无线接口(例如

)连接到iPIVA生理传感器70。在实施例中，远程处理器36能够通过有线(例如缆线)或无线(例如

)装置连接到臂佩戴式壳体20和iPIVA生理传感器70。在测量期间，它接收来自iPIVA传感器15的PVP信号和来自iPIVA生理传感器70的生命体征和血流动力学参数，并如下文详细描述的那样集体地分析它们以监视患者。

iPIVA传感器15和iPIVA生理传感器70紧密耦合并集成在IV系统19内。这些部件的组合，以及它们所测量的信息的集体分析(例如，通过远程处理器)，是本文描述的发明的关注点。更具体地，在测量期间，iPIVA生理传感器70测量患者的生命体征(例如，HR、HRV、RR、BP、SpO2、TEMP)和血流动力学参数(SV、CO、FLUIDS)，而iPIVA传感器15测量PVP波形，这些波形经过处理产生F0和F1。这些数据组的数字版本流向远程处理器36以进行后续处理。例如，在实施例中，远程处理器36分析数字化的PVP波形，并使用诸如FFT、CWT和DWT的技术计算它们的频域变换，以产生频域谱。然后，它使用来自iPIVA生理传感器70的HR值和RR值来检测来自频域谱的F0和F1，然后确定这些特征的相关联能量，以估计指示患者流体状态的参数(例如楔压)。在实施例中，与F0和F1相关联的能量以及来自iPIVA生理传感器的测量能够用于估计与患者流体状态相关的其它参数，诸如肺动脉压和血容量，如下面参考图15A更详细描述的。远程处理器还能够包括内部无线发送器(例如，

或Wi-Fi发送器)，内部无线发送器通过天线57向医院的EMR系统传送信息，如图标39所指示。当由iPIVA传感器15和iPIVA生理传感器70测量的生理参数指示患者的状态趋势高于或低于某些预定阈值时，它还能够生成音频和/或视觉“警报”和“报警”，从而指示患者代偿失调。

IV系统19以袋子16为特征，袋子16包含用于患者的药用化合物和/或流体(本文称为“药剂”17)。袋子16通过第一管14连接到输注泵12。标准的IV杆28支撑袋子16、输注泵12和远程处理器36。输注泵12前面板上的显示器13指示输送给患者的药剂类型、其流速、测量时间等。药剂17从袋子16通过第一管14进入输注泵12。从那里，它被适当地计量，并穿过第二管18，穿过连接器58和缆线区段42，进入臂佩戴式壳体20，并最终穿过静脉导管21，并进入患者的静脉系统23。臂佩戴式壳体20通常附连到患者的臂或手上，例如使用诸如医用胶带等粘合剂或一次性电极。

静脉导管21可为标准静脉接入设备，因此可包括针、导管、套管或在导管21与患者外周静脉系统23之间建立流体连接的其它装置。静脉接入设备可以是连接到静脉导管21的单独部件，或者可以形成为静脉导管21的一体式部分。以这种方式，当iPIVA传感器15和iPIVA生理传感器70同时测量与患者的PVP、生命体征和血流动力学参数相关的信号时，IV系统19向患者的静脉系统23供应药剂17，iPIVA生理传感器70以压力测量系统为特征并且将在下文更详细地描述。

重要的是，并且如下文更详细地描述，臂佩戴式壳体20设计成使得其在靠近(或直接在)患者身体上部署时，与患者的循环系统(并且特别是是静脉系统)保持恒定的“流体连接”。臂佩戴式壳体20以电子系统为特征，该电子系统用于测量患者静脉系统内的模拟压力信号，以生成PVP波形，然后对这些信号进行放大和滤波，以优化其信噪比。在通过缆线发送PVP波形之前，臂佩戴式壳体内的模数转换器将模拟PVP波形数字化，从而最小化通常会影响所发送的模拟信号并最终导致下游测量的F0和F1值(及其相关联能量)不准确的任何噪声(例如，由缆线运动引起的)。值得注意的是，这种设计在PVP波形首先被检测并且然后被处理和数字化的地方之间提供了相对较短的传导路径；最终，这导致更有可能产生楔压(以及在实施例中肺动脉压(并且特别是该压力的舒张压分量)、血容量和其它流体相关参数)的高度准确值的信号。

图2A至图2D更详细地示出了臂佩戴式壳体20、其运行方法以及其中包括的各种部件。壳体20被设计成舒适地搁靠在患者附近或患者上，同时：1)允许来自IV系统的流体(和/或药剂)流入(如图2A中箭头25所指示)患者的静脉系统(图2A中的方框27)；2)用压力传感器测量来自患者静脉系统的压力信号(图2A中的方框29)；3)用小型印刷电路板对压力信号进行滤波/放大，该小型印刷电路板以用作模拟放大器和滤波器的电路为特征(图2A中的方框31)；4)用模数转换器对已滤波/放大的信号数字化(图2A中的方框33)；以及5)使用串行协议(例如，SPI、I2C)发送数字化信号，以供远程处理器进一步处理(图2A中的箭头35)。

图2B和图2C分别示出了根据本发明封闭电路板62的臂佩戴式壳体20的机械图，以及连接至第二管18(其从IV系统接收药剂)和缆线22(其将信号发送至远程处理器)的臂佩戴式壳体20的照片。具体地，电路板62支撑集成电路(本文称为“IC”)和离散电气部件的集合，这些集成电路和离散电气部件在协同工作时执行图2A中示意性示出的功能；根据图3所示并且下文更详细地描述的电气示意图，它们被部署在电路板62上。电路板62通过壳体远侧端部上的后面板64连接到短缆线区段37，该短缆线区段37终止于多针连接器(multi-pinconnector)(图中未示出)并被包覆模制件54封闭，包覆模制件54与由类似包覆模制件56封闭的对应连接器(图中也未示出)配合。包覆模制件56连接到缆线22，缆线22又连接到远程处理器36。利用这种机构，缆线22能够容易地从臂佩戴式壳体20拆离，例如在患者被移动或连接到新的输注系统的情况下。缆线22以个别的电连接器为特征，这些个别电连接器向电路板供应功率(5V、3.3V、GND)，并且附加地通过串行协议(例如，SPI、I2C)向远程处理器36发送数字化的PVP波形，用于后续处理，如下文更详细地描述的。在其它实施例中，电路板62能够包括内部无线收发器(例如，Bluetooth^TM、Wi-Fi或蜂窝收发器)，使得它能够与远程系统(诸如远程处理器、输注泵和医院的EMR)无线通信。它还可以包括用于估计臂佩戴式壳体20的运动的加速度计、用于存储信息的闪存和RAM存储器、用于分析PVP波形和其它信号的高端微处理器、电池以及用于测量TEMP和生理波形(例如PPG、ECG、IPG和BR)的附加电路和传感器，从这些波形中计算生命体征(PR、HR、HRV、SpO2、RR、BP)和血流动力学参数(FLUID、SV、CO)。一般来说，电路板62被设计成利用与常规生命体征监视器中部署的方法可比的方法来放大和调理PVP信号以及其它生理信号，诸如在美国专利10,314,496和10,188,349中描述的那些，这些专利的内容以引用的方式并入到本文中。

参考图2B，臂佩戴式壳体20以连接器60为特征，该连接器60由凸缘50围绕，该连接器连接至留置静脉导管(图中未示出)，该静脉导管在测量期间插入患者的静脉系统。导管通常容纳在配合的塑料部件(图中也未示出)中，该塑料部件固定到凸缘50上，并使用橡胶垫圈66形成防水密封。电路板62通过一组塑料肋59牢固地保持在臂佩戴式壳体内的适当位置。电路板62通过通常只有几厘米长的短缆线区段37连接到缆线22。

图2D和图2E分别示出了臂佩戴式壳体内电路板62的图像和照片。电路板62根据图3所示并在下文更详细地描述的电气示意图(具体地是部件100)制造。图中所示的电路板62是4层玻璃纤维/金属结构，其包括焊接到模数转换器68、加速度计75、运算放大器71a至71f和功率调节器72a至72b等部件的金属焊盘。更具体地，运算放大器71a至71d构成模拟高通滤波器和低通滤波器，并且运算放大器71e至71f和功率调节器72a至72b集体地调节电路板62中各种部件的功率电平。加速度计75测量电路板62的运动，并且在这样做时，测量它所附接的患者身体的任何部位的运动。在模拟PVP波形被滤波后，模数转换器68将其数字化，并将其转换成具有16位分辨率和200千样本/秒(本文称为“Ksps”)的最大数字化速率的数字波形。

电路板62附加地包括金属电镀孔组，金属电镀孔组支撑4针连接器69、两个6针连接器77、78和3针连接器79。更具体地，连接器69直接连接到压力换能器，在那里它接收公共接地信号和表示患者静脉系统中压力的模拟PVP波形。这些波形被滤波和数字化，如下文更详细地描述的。通过连接器79，电路板接收来自外部电源的电力(+5V、+3.3V和接地)，外部电源例如是位于臂佩戴式壳体中的电池或电源。在本发明的其它实施例中，这些功率电平可以不同。来自模数转换器68的数字信号和对应的接地终止于连接器78处；此时它们离开电路板62，例如通过图2C所示的缆线区段37。连接器77主要用于测试和调试目的，并且特别地允许模拟PVP信号一旦通过模拟高通滤波器和低通滤波器，就可以用诸如示波器的外部设备进行测量。

在实施例中，电路板62附加地包括用于处理、存储和发送由模数转换器68数字化的数据的部件。例如，电路板62能够包括微处理器、微控制器或类似的集成电路，并且能够附加地为iPIVA生理传感器提供模拟和数字电路。在实施例中，其上的微处理器或微控制器能够运行计算机代码来处理来自iPIVA传感器和iPIVA生理传感器的PVP-AC、PVP-DC、ECG、PCG、PPG、IPG、BP和其它时间相关波形，以确定生命体征(例如，HR、HRV、RR、BP、SpO2、TEMP)、血流动力学参数(CO、SV、FLUIDS)、PVP波形的分量(例如，F0、F1和与其相关联的振幅和能量)以及与患者的流体状态有关的相关联参数(例如，楔压、中心静脉压、血容量、流体容量和肺动脉压)。如本文所使用的，以这种方式由微处理器“处理”意味着使用计算机代码或可比方法来进行数字滤波(例如，使用高通滤波器、低通滤波器、和/或带通滤波器)、变换(例如，使用FFT、CWT、和/或DWT)、数学操纵、以及通常使用本领域已知的算法来处理和分析波形和参数以及从其导出的构造。这种算法的示例包括在以下共同待决和颁布的专利中描述的那些算法：“NECK-WORN PHYSIOLOGICAL MONITOR(颈部佩戴式生理监视器)”，U.S.S.N.14/975,646，2015年12月18日提交；“NECKLACE-SHAPED PHYSIOLOGICAL MONITOR(项链形生理监视器)”U.S.S.N 14/184,616，2014年8月21日提交；以及“BODY-WORN SENSORFOR CHARACTERIZING PATIENTS WITH HEART FAILURE(用于表征心力衰竭患者的身体佩戴式传感器)”，U.S.S.N 14/145,253，2014年7月3日提交。

在相关实施例中，电路板能够包括闪存和随机存取存储器，用于在微处理器处理之前或之后存储时间相关波形和数值。在其它实施例中，电路板能够包括用于发送和接收信息的

和/或Wi-Fi收发器。

再次参考图1和图2A至图2E，在使用iPIVA传感器进行测量期间，静脉导管输送由输注泵12计量出的药剂17通过第二管18并进入患者的静脉系统23。第二管18终止于连接器58，连接器58通过短缆线区段42连接到臂佩戴式壳体。这允许臂佩戴式壳体容易与IV系统19脱离(即，分开)。在此实施例中，第二管18能够用小塑料件60暂时夹紧，以阻塞流体流入和流出患者。在相关实施例中，臂佩戴式壳体20能够包括功率源(例如内部电池)、处理器和板上无线发送器。以这种方式，iPIVA传感器15能够用作用于例如门诊患者的身体佩戴式设备：它能够测量PVP波形，处理它们以确定与F0和F1相关联的能量，然后将这些分量的数字化版本发送到远程设备。这种系统还可以有效地与iPIVA生理传感器70耦合，iPIVA生理传感器70也是无线的和电池供电的身体佩戴式生命体征和血流动力学监视器，并且因此能够测量门诊患者的生命体征和血流动力学参数。这意味着，根据上文提到的实施例协同工作，iPIVA传感器和iPIVA生理传感器能够用作用于归入医院病床上的患者，以及转移到医院的不同区域，并最终从医院转移到家中的患者的有效单一设备。

使用本文所描述系统测量的PVP波形以与可能随时间快速变化的心跳和呼吸事件相关的信号分量为特征。这种信号分量在本文中被称为“PVP-AC”波形，其中“AC”是通常用于描述交流电流的术语，但是在本文中用于描述随着信号演变而随时间快速变化的信号分量。图6A至图6D示出了PVP-AC波形的示例，以及它们如何被臂佩戴式壳体20中的电路板62放大和调理以改善它们的信噪比。同样，相对稳定并且不随时间变化的PVP波形的低频分量在本文中被称为“PVP-DC”波形，其中术语“DC”通常用于描述直流电流，但在本文中用于描述不随时间快速变化的信号。

更具体地，PVP波形通常具有5-50μV范围内的信号电平，这是可能难以处理的相对较弱的振幅。这种信号在先前已经描述过(例如，在美国专利申请16/023,945(2018年6月29日提交，并作为美国专利公开2019/0000326公布)；美国专利申请序列号14/853,504(2015年9月14日提交，并作为美国专利公开No.2016/0073959号公布)，以及PCT申请No.PCT/US16/16420(2016年2月3日提交，并作为WO 2016/126856公布)。这些未决专利申请的内容已经在先前以引用的方式并入到本文中。在常规的PIVA测量中，如这些文献中所描述，PVP波形是用在患者近侧的压力传感器来测量的，压力传感器生成模拟信号；这些信号通常通过相对较长的缆线，并且由远离患者的系统进行放大、滤波和数字化。附加地，常规PIVA传感器，诸如先前公开的那些，通常包括将PVP波形变换到频域(通常使用例如FFT)，并且然后尝试识别F0(指示与RR相关的频率)和F1(指示与HR相关的频率)，而不需要对这些参数进行任何二次确定。然后，分析与F0和F1相关联的能量，以估计与患者流体状态相关的其它指标(例如，楔压、肺动脉压)。然而，由于PVP波形较弱，并且特征在于低信噪比，因此极难测量它们。附加地，当变换到频域时，与F0、F1及其相应谐波(即，对应于F0和F1的整数倍的频率)相关的信号分量可能彼此重叠，使得它们难以描绘和明确测量。这些和其它因素可能最终使从与F0和F1相关联的能量确定的参数例如患者的流体状态的确定复杂化。

本发明试图通过以下方式解决在测量PVP波形以及最终与F0和F1相关联的能量中的这些缺陷：1)在压力换能器感测到PVP波形后，立即对其进行放大、滤波、数字化，以及在某些情况下对其进行处理(与首先使模拟信号通过长的引起噪声的缆线相反)，以改善其信噪比，并创建不受缆线引起噪声影响的数字表示；2)用外部iPIVA生理传感器同时且独立地测量HR和RR，该外部iPIVA生理传感器与iPIVA传感器紧密集成；以及3)用来自iPIVA生理传感器的HR和RR测量集体地处理已放大/滤波/数字化的PVP波形，以更好地确定与F0和F1相关联的能量。附加地，来自iPIVA生理传感器的其它测量，诸如BP、SV、CO和FLUIDS，并且与来自iPIVA传感器的测量组合，以更好地确定患者的流体状态，从而改善他们在医院内的护理。

图3示出了图2A至图2C中描述的电路板62的示意图100。示意图100包括：1)第一组电路元件102，设计用于对PVP-AC波形进行放大和滤波；2)第二组电路元件104，设计用于对PVP-DC波形进行放大和滤波；以及3)16位、200Ksps模数转换器106，用于使PVP-AC和PVP-DC波形二者数字化。

更具体地，示意图100所描述的电路被设计成对传入的PVP波形连续执行以下功能：

传入的PVP波形

1)使用零漂移放大器将信号以100X增益放大

2)以附加的10X增益差分地放大该信号

3)用25Hz 2极低通滤波器对已放大的信号进行滤波

该电路的第一部分为传入的PVP波形提供大致1000x组合增益，从而将输入信号(通常在μV范围内)放大为更大的信号(在mV范围内)。后续的低通滤波器可移除任何高频噪声。最终，这些步骤有助于处理PVP-AC和PVP-DC波形二者，如下文所描述。

在本文提供的描述中，术语“差分地放大”是指电路测量正(图3中的P_IN)与负(图3中的N_IN)端子之间的差的过程。值得注意的是，差分放大器的输出是单端信号，在系统的中点电压处归零。备选地，它能够在0V处归零，尽管电压轨之间的中心点通常会提供更准确并且更干净的输出信号。

同样，术语“零漂移放大器”是指下面这样的放大器：1)内部校正温度和其它形式的低频信号误差；2)具有非常高的输入阻抗；以及3)具有非常低的偏移电压。零漂移放大器接收的传入信号通常非常小，这意味着它可能受到干扰、增益变动或放大器输入漏出生成的电流的影响；放大器的零漂移架构有助于减轻或消除这种情况。

在处理输入PVP波形后，由示意图100描述的电路被设计为对PVP-AC和PVP-DC波形连续执行以下功能：

仅PVP-AC波形

1)用0.1Hz的2极高通滤波器对信号进行滤波

2)用15Hz的2极低通滤波器对信号进行滤波

3)以50X增益放大该信号

仅PVP-DC信号

1)用0.07Hz的2极低通滤波器对信号进行滤波

2)用0.13Hz的2极低通滤波器对信号进行滤波

3)以10X增益放大信号

PVP-AC和PVP-DC波形二者

1)用16位、200Ksps Delta-Sigma(Δ-Σ)模数转换器对信号进行数字化

通过这种水平的数字信号处理，电路板62能够直接在患者身体上处理PVP波形，并且更具体地，能够处理与呼吸率(F0)和心率(F1)相关联的信号。它执行这些功能而无需通过外部缆线传送信号，外部缆线是会增添噪声和其它信号假象，并且因此对F0、F1及其相关联能量的测量产生负面影响的方法，如上文所描述。

如本领域技术人员所理解的，图3所示的电路元件102、104和106可具有实现上文描述的步骤的可比设计，该设计具有与图3所示示意图略有不同的示意图。附加地，它还可以包括其它集成电路和部件，以改善F0、F1及其相关联能量的测量，并且因此提供增添的功能。例如，电路板62还可以包括温度/湿度传感器、多轴线加速度计、集成陀螺仪或被配置成感测与患者相关联的运动信号(例如，患者臂、手腕或手的运动)的其它运动检测传感器。在实施例中，例如，运动信号能够与PVP波形相继被处理，并且被用作自适应滤波器来移除运动分量。备选地，由这些部件之一测量的运动信号能够被处理并与预先存在的阈值进行比较：如果信号超过预定阈值，则其能够指示患者移动太多而不能进行准确测量；如果信号小于预定阈值，则其能够指示患者是稳定的，并且能够进行准确的测量。

这样的电路元件102、104和106通常制造在小玻璃纤维电路板上，诸如图2E所示的电路板，其特征在于尺寸设计为装配在图2B和2C所示的臂佩戴式壳体内。

图4A至图4C指示了分别如图2A至图2C和图3所示的电路板62和相关联电路元件102如何放大和总体改善PVP-AC波形的模拟版本。更具体地，图4A示出了在对应于初始模拟滤波和放大级的电路元件102内的位置130处测量的PVP-AC波形的时间相关图表。从图清楚地看出，此时PVP-AC波形的信噪比相对较弱，使得很难(如果不是不可能的话)检测到对应于实际生理分量的任何特征，例如心跳或呼吸引起的脉冲。相比之下，在经过三个附加的放大/滤波级——1)利用附加10X增益的差分放大器；2)具有25Hz 2极低通滤波器，和然后0.1Hz 2极高通滤波器，以及然后15Hz 2极低通滤波器的滤波器；3)具有50X增益的放大器——之后，信号得到极大改善。图4B示出了在第二位置132处进一步沿着电路的放大器链测量的时间相关波形：其以相对高的信噪比和清楚的心跳引起的脉冲为特征(即，其示出了对应于HR的明确限定的时域信号)。当如上文所描述在频域中处理时，这种波形将产生对应于F1的清楚特征，从而改善F0、F1及其相关联能量的测量。

重要的是，并且如上文所描述，图4A至图4C中所指示的模拟信号处理和PVP波形的数字化在尽可能靠近信号源的地方进行，即在图2A至图2D所示的臂佩戴式壳体中进行。这种配置最小化信号通过长的“有损耗”缆线(该缆线还易受运动影响)传播到远程滤波器/放大电路产生的噪声和衰减。最终，这种方法会产生具有最高可能信噪比的时间相关波形，从而最大化能够最终确定F0、F1及其相关联能量的准确度。

图5示出了实际实验的结果，该实验设计成验证图2E所示电路板隔离和放大PVP-AC和PVP-DC信号二者的功效。对于该实验，将函数发生器和信号减弱电路组合起来，生成输入模拟正弦波形，输入模拟正弦波形表示与从患者测量的那些信号类似的PVP-AC和PVP-DC信号。如这些信号的实际版本一样，输入波形的频率在0.5-100Hz之间，并且振幅在20μV范围内。在实验中，波形穿过与图2E中所示电路板类似的电路板，在那里根据上文所描述的参数(并且也在图3中示出)对它们进行滤波和放大，并且然后用模数转换器(图3中示出的部件106)进行数字化。已数字化的波形存储在存储器中，并且然后从数字化信号计算峰间电压。最后，将这些值与如由电路/模拟器程序确定的PVP-AC和PVP-DC信号的理想的、理论的频率相关增益进行比较。

如图5所示，PVP-AC和PVP-DC信号的测量的峰间电压输出由曲线图的实线(PVP-AC信号用三角形信号标志，并且PVP-DC信号用方形信号标志)和左侧的y轴线表示。电路板的理想理论增益响应由曲线图的虚线和右侧的y轴线表示。x轴线指示对应于输入正弦波形的频率的对数。

图5示出了电路板的理想理论增益与放大和滤波后的正弦波形的测量峰间电压之间有很强的一致性。这种一致性在大约0.5-50Hz的频率范围内持续存在。这指示图2E所示的电路板如预期的那样工作，并且对PVP-AC和PVP-DC信号进行了有效地滤波和放大。

在如上文所描述测量后，处理器分析PVP波形，以确定F0、F1及其相关联能量。图6A至图6G示出了使用与图1所示IV系统类似的IV系统从住院患者测量的典型的时间相关PVP-AC波形。更具体地，图6A示出了在大约30分钟的时间段测量的波形。方框110a、110b和110c指示1分钟的“波形片段”，选择这些片段是为了示出常规PIVA传感器的挑战，以及本文描述的发明是如何设计以克服这些挑战的。

图6B示出了从图6A中的PVP-AC波形在420-480秒选择的1分钟时间相关波形片段(即w(t))及其第一时间相关导数(即dw(t)/dt)，如方框110a所指示。波形片段及其导数是以一系列心跳引起的脉冲为特征。这里，导数有效地用作高通滤波器，其从信号中移除低频分量，诸如呼吸引起的分量，并放大高频信号，诸如心跳引起的信号。图6E示出了图6B中所示的原始的、未求导的波形片段的FFT。图中的峰被标记以指示F1(对应于70次跳动/分钟)，以及F1的2X和3X谐波。

虽然与F1相关联的信号分量在图6B和6E中显而易见，但与F0(即呼吸)相关联的信号分量不存在。在这1分钟的时段期间，患者显然是活着的，并且可能正在呼吸；因此，呼吸相关信号的缺失可能是由多种因素造成的，诸如导管的移动、与F0相关联的低信号、运动引起的噪声、浅呼吸等。事实上，对应于F0的峰可能存在于图6E中，但是在没有患者真实RR的一些先验知识的情况下，其太弱而无法检测。然而，例如使用图1所示的iPIVA生理传感器对患者RR的独立测量，将便于明确和独立地确定F0。处理变换的PVP波形的跳动拾取算法(beat-picking algorithm)然后可以在频域中对F0进行“搜索”，将该搜索集中在如由贴片传感器确定的呼吸频率周围。这进而可以允许确定F0、F1及其相关联能量。备选地，自适应滤波器可以在软件中实施，其中，滤波器被具体设计为放大如用iPIVA生理传感器所测量的以RR为中心的信号分量。

图6C示出了从图6A中的时间相关PVP-AC波形在780-840秒选择的第二1分钟波形片段，如方框110b所指示。在此片段中，由于F0(呼吸率)和F1(心率)二者产生的信号分量与图6B和6E中所示的信号分量相比更加明显。更具体地，心跳引起的脉冲在时域中非常清楚明显(图6C)，导致在频域中出现明确限定的F1峰(对应于72次跳动/分钟的心率)以及对应的2X和3X谐波(图6F)。附加地，该片段的呼吸分量比图6B和6E中所示的片段更明确地限定。呼吸引起的波动在时域中清楚，导致在频域中出现相当明确限定的F0峰，对应于17次呼吸/分钟。与上文所描述的情况一样，如利用贴片传感器确定的心脏和呼吸事件的先验知识意味着被通知对应HR和RR值的算法将可能更成功地检测频域中的相关峰。最终，这将改善iPIVA传感器及其进行的任何测量。

这种情况的清楚的示例在从图6A所示的PVP-AC波形在1310-1370秒选择的第三1分钟波形片段中示出，如方框110c所指示。这里，由于F0(即RR)和F1(即HR)二者而产生的信号分量与先前的情况中描述的信号分量相比更加明显。大概对应于HR和RR的波动在时域中是清楚的(图6D)，导致在频域中明确限定的F0和F1峰(图6G)。然而，由于此片段中的呼吸分量如此显著，F1峰(在64次呼吸/分钟下测量)实际上可能对应于呼吸事件的4X谐波(4×17次呼吸/分钟＝68次呼吸/分钟)。换句话说，从图6G中的频谱的简单检查不清楚1Hz附近的峰(即60次跳动/分钟)是由于F1还是F0的4X谐波造成的。如前面所述，使用贴片传感器对HR进行独立测量可以解决这一问题，因为这可以用于通知F1的确定。

可以以不同方式处理与F0和F1相关联的特征(例如，其振幅或能量)，以估计流体相关参数，例如楔压和/或肺动脉压。能量的进一步处理然后产生适当的流体相关参数。这种处理的示例在以下参考文献中描述，其内容已经通过引用并入本文：

1)Hocking等人，“Peripheral venous waveform analysis for detectinghemorrhage and iatrogenic volume overload in a porcine model(用于在猪模型中检测出血和医源性容量过载的外周静脉波形分析)”，Shock.2016年10月；46(4):447-52；

2)Sileshi等人，“Peripheral venous waveform analysis for detectingearly hemorrhage:a pilot study(用于检测早期出血的外周静脉内波形分析)：初步研究。”Intensive Care Med.2015年6月；41(6):1147-8；

3)Miles等人，“Peripheral intravenous volume analysis(PIVA)forquantitating volume overload in patients hospitalized with acutedecompensated heart failure-a pilot study(用于量化急性失代偿性心力衰竭住院患者的容量超负荷的外周静脉容量分析(PIVA)-初步研究)。”，J Card Fail.2018年8月；24(8):525-532；以及

4)Hocking等人，“Peripheral i.v.analysis(PIVA)of venous waveforms forvolume assessment in patients undergoing haemodialysis(用于血液透析患者容量评估的静脉波形的外周静脉分析(PIVA))”Br J Anaesth.2017年12月；119(6):1135-1140。

如本文所描述，由协同工作的iPIVA传感器和iPIVA生理传感器确定的诸如楔压等参数通常指示患者的流体状态，并且因此用于管理患者的护理和使他们复苏。这些参数在可以用流体输送治疗的某些病症(例如败血症)或用流体移除治疗的病症(例如心力衰竭)的情况下可能是有用的。特别地，败血症常常在重症监护室中用IV流体和抗生素进行治疗，这两种药物通常一检测到状况就给药。通常需要替换流体以维持血压。事实上，正确治疗像败血症这样的流体相关疾病可能意味着生死之别。死于败血症的风险高达30％，死于严重败血症的风险高达50％，并且死于败血性休克的风险高达80％。估计表明败血症每年影响数百万人；在发达国家，每年每1000人中大约有0.2到3人受到败血症的影响，在美国每年导致大约一百万病例。

iPIVA生理传感器

直接与患者流体状态相关的iPIVA生理传感器的测量，例如BP、FLUIDS、SV和CO，可补充如楔压等参数，并辅助管理患有败血症等状况的患者。测量这些参数的传感器通常部署生物阻抗和生物电抗测量，运行与在以下未决专利申请中描述的硬件系统和算法类似的硬件系统和算法，以下未决专利申请的内容以引用的方式并入到本文中：美国专利申请序列号No.62/845,097(2019年5月8日提交)和美国专利申请序列号16/044,386(2018年7月24日提交)。

一般而言，并且再次参考图1，根据本发明的iPIVA生理传感器70通常以中央处理单元83为特征，该中央处理单元83集成到柔性臂佩戴式包裹物82中，柔性臂佩戴式包裹物82附接在患者臂上。在实施例中，诸如图10至图14中描述的那些实施例，臂佩戴式包裹物82能够包括反射式或透射式光学传感器，以及一个或多个一次性电极(图1中未示出)，以测量时间相关的生理波形，诸如图8和图10至图14中示出的那些，并且在下文更详细地描述。在诸如图1和图12至图14所示那些实施例的实施例中，臂佩戴式包裹物82和包含在其中的中央处理单元通过缆线81连接到辅助传感器80，辅助传感器80能够佩戴在患者的肩部(如图1和图13A所示)、胸部(如图14A所示)或肱部(如图12A所示)上。在肩部佩戴式实施例中，辅助传感器80包括一对电极；这些电极通常是粘合性的、含水凝胶的电极，其将辅助传感器80粘附到患者的皮肤上，同时测量生物电信号，通过处理并且当与类似的一对电极(例如，臂佩戴式包裹物82中的电极)组合时，产生ECG、IPG和BR波形。在胸部佩戴式实施例中，辅助传感器还可以包括测量来自患者胸部中下层的心脏瓣膜的PCG波形的数字麦克风以及如上文所描述起作用的一对电极。最后，在肱佩戴式实施例中，臂佩戴式包裹物82还包括测量来自患者下层的肱动脉的PCG波形的数字麦克风以及如上所描述起作用的一对电极。

中央处理单元83以微处理器为特征，微处理器运行算法以处理波形，最终产生诸如HR、HRV、RR、BP、SpO2、TEMP、SV、CO、FLUIDS的参数。一旦测量完成，iPIVA传感器15和iPIVA生理传感器二者都将信息(通过有线和/或无线方式)发送到远程处理器36，远程处理器36包括微处理器和显示部件38。通过在远程处理器36中的微处理器上操作的计算机代码运行的算法处理来自贴片传感器30和iPIVA传感器15的信号，以确定患者的生命体征和流体状态。例如，并且如上文所描述，算法的实施例可以使用由iPIVA生理传感器独立确定的HR和RR值(例如，从阻抗和ECG波形确定)来通知对iPIVA传感器15测量的F0和F1值(分别对应于RR和HR)的“搜索”。该算法然后确定F0和F1的对应能量，并且最后处理这些能量以确定患者的流体状态。这种算法由图15A所示的流程图指示。这里，搜索可能涉及使用跳动拾取算法来处理PVP波形的频域谱(使用上文描述的方法之一生成)。

该算法的另一个实施例可集体处理由iPIVA传感器15测量的参数(例如，楔压和血容量，其可能和与F0、F1或其某种组合相关联的能量有关)与由iPIVA生理传感器70测量的参数(例如，BP、SpO2、FLUIDS、SV和CO)，以确定患者的流体状态，并在使患者复苏时有效通知流体输送(例如，在败血症和/或流体超负荷的时段期间)。通常，通过使用来自iPIVA传感器15和iPIVA生理传感器70的信息，临床医生能够通过表征威胁生命的状况来更好地管理患者11，并帮助指导他们的复苏。

作为更具体的示例，在实施例中，由iPIVA生理传感器测量的BP和SpO2值能够与从iPIVA传感器确定的容量状态相组合，以估计患者的血流和灌注。对这些参数的了解继而能够通知临床医生在复苏时估计需要输送多少流体。类似地，由iPIVA生理传感器测量的SV、CO、BP和SpO2，以及由iPIVA传感器测量的F0和F1能量的比率，每个都指示患者的灌注水平。它们也能够在数学“指数”中组合，以更好地估计这种状况。然后，在患者接受称为“被动抬腿”的技术时，能够测量这些参数或指数，被动抬腿是一种评估危重病人是否需要进一步流体复苏的测试。被动抬腿涉及抬高患者的腿(通常没有他们的主动参与)，这导致重力将血液从腿拉到中心器官，从而增加心脏可用的循环容量(通常称为‘心脏前负荷’)大约150-300毫升，这取决于静脉储库的量。如果由iPIVA和贴片传感器测量的上文提到的参数或指数增加，这能够指示腿抬高有效地增加了患者中心器官中的灌注，从而指示它们将对流体有响应。临床医生能够通过IV系统向患者提供流体推注，并且然后监视由iPIVA和贴片传感器测量的参数或指数的增加或减少来进行类似的测试。

在实施例中，简单的线性计算方法，与临床研究的结果相组合，能够用于开发模型，模型集体处理由iPIVA传感器和iPIVA生理传感器生成的数据。在其它实施例中，更复杂的计算模型，诸如涉及人工智能和/或机器学习的计算模型，可以用于进行这种集体处理。

图7示出了根据本发明的iPIVA生理传感器70的具体实施例。这种贴片70能够与上文所描述的iPIVA传感器集成，以起到两种功能：1)独立地测量诸如HR和RR的参数，以更好地便于F0、F1及其相关联能量的测量；以及2)附加地测量诸如BP、FLUIDS、SV和CO的参数，这些参数补充用iPIVA传感器15测量的参数，诸如楔压、肺动脉压、血容量和流体状态，以辅助管理患者。

iPIVA生理传感器70测量患者的ECG、PPG、PCG、IPG和BR波形，并根据这些波形计算生命体征(HR、HRV、SpO2、RR、BP、TEMP)和血流动力学参数(FLUIDS、SV和CO)，如下文详细描述。一旦该信息被确定，贴片传感器30将该信息无线发送到远程监视器，从而能够利用来自iPIVA传感器的信息对其进行分析，以表征患者。

图7所示的iPIVA生理传感器70以两个主要部件为特征：1)佩戴在患者手腕附近的中央处理单元83；以及2)佩戴在患者左肩附近的辅助传感器80。柔性含导线的缆线81连接中央处理单元83和辅助传感器80。中央处理单元包括在其底部表面上的光学传感器(在图9中更详细地示出)，该光学传感器使用反射模式几何形状测量来自患者臂的PPG波形。电极引线(中央处理单元中的两个90a、90b，辅助传感器中的两个107a、107b)各自连接到单次使用的粘合性电极(图中未示出)，并帮助将iPIVA生理传感器70(并且特别是光学传感器)固定到患者。中央感测/电子模块130以两个“半部”139A、139B为特征，每个“半部”容纳下文更详细地描述的感测和电子部件，它们由第一柔性橡胶垫圈138分隔。传感器30内的柔性电路通常由具有嵌入式电迹线的

制成，该电迹线连接中央感测/电子模块130的两个半部139A、139B内的玻璃纤维电路板(也在传感器内)，从而允许传感器挠曲并符合患者的胸部。

电极引线141、142、147、148连接到单次使用的电极(图中未示出)并形成两对引线，其中每对引线中的引线141、147之一注入电流以测量IPG和BR波形，并且每对引线中的另一根引线142、148感测生物电信号，然后由中央感测/电子模块130中的电子器件处理，以确定ECG、IPG和BR波形。电极引线143、145也连接到单次使用的电极(也未在图中示出)，但是不起到电功能(即，它们不测量生物电信号)，并且仅帮助将贴片传感器30固定到患者。

当电流注入电极141、147将高频(例如100kHz)、低安培数(例如4mA)电流注入患者胸部时，进行IPG和BR测量。在实施例中，注入的电流能够被顺序地调整以具有一范围频率(例如，5-1000kHz)。特别地，低频测量(例如5kHz)通常不穿透患者身体内的细胞壁，并且因此对位于这些壁外部的流体，即细胞外流体特别敏感。

电极142、148感测指示注入电流遇到的阻抗的电压。电压穿过以模拟滤波器和差分放大器为特征的一系列电路。它们分别对ECG、IPG和BR波形的选定分量进行滤波和放大。IPG和BR波形都具有低频(DC)和高频(AC)分量，这些分量被进一步滤波和处理，如将在下文和本文引用的参考文献中更详细地描述，以测量不同的阻抗波形。IPG波形对由电容变化(例如，由呼吸事件引起的变化)和传导变化(例如，由例如流体和血流中的变化引起的变化)施加给注入电流的相位和振幅变化都敏感。BR波形主要对由这些相同分量引起的施加给注入电流的相位变化敏感。

当贴片传感器30附接到患者的胸部时，使用缆线134连接中央感测/电子模块130和光学传感器136允许电极引线(中央感测/电子模块130中的141、142；二次电池157中的147、148)能够以相对较大的距离分隔。例如，二次电池157能够附接在患者的左肩部附近。电极引线141、142、147、148之间的这种分隔通常改善了贴片传感器30测量的ECG、IPG和BR波形的信噪比，因为这些波形是由单次使用电极收集的生物电信号的差异确定的，该差异通常随着电极分隔而增加。最终，电极引线的分隔改善了从这些波形中检测的任何生理参数诸如HR、HRV、RR、BP、SV、CO和FLUIDS的准确度。

声学模块146以固态声学麦克风为特征，该固态声学麦克风通常为由泡沫基板围绕的薄压电盘。在测量期间，泡沫基板接触患者的胸部，并将来自患者心脏的声音耦合到压电盘，然后压电盘测量来自患者的心音。塑料封壳封闭整个声学模块146。

心音是通常用听诊器从心脏听到的“lub/dub(啦-嗒)”声：它们指示下层的二尖瓣和三尖瓣(本文称为“S1”，或“lub(啦)”声)和主动脉瓣和肺动脉瓣(本文称为“S2”，或“dub(嗒)”声)何时关闭(注意：当瓣膜打开时，不会生成可检测的声音)。通过信号处理，心音产生PCG波形，该波形与其它信号一起用于确定BP，如下文更详细地描述的。在其它实施例中，使用多个固态声学麦克风来提供冗余，并且更好地检测来自患者心脏的S1、S2、心脏杂音和其它声音。

光学传感器136以光学系统160为特征，该光学系统160包括以圆形图案排列的光电探测器阵列162，光电探测器阵列162围绕发出红色和红外光谱区辐射的LED 161。在测量期间，从LED 161顺序发出的红色和红外辐射照射患者胸部中下层的组织并从下层的组织反射，并被光电探测器阵列162检测到。检测到的辐射被流经下层的组织中毛细血管床的血液调制。用中央感测/电子模块130中的电子器件处理反射的辐射导致对应于红和红外辐射的PPG波形，其用于确定BP和SpO2，如下文所描述。

光学传感器136的外表面被加热元件覆盖，加热元件以薄

膜165为特征，薄

膜165具有例如以蛇形图案排列的嵌入式电导体。也能够使用电导体的其它图案。

膜165以切口部分为特征，该切口部分使由LED 161发出的辐射通过，并在该辐射从患者皮肤反射后被光电探测器162检测到。薄

膜165上的凸片部分167折叠，因此它能够插入贴片传感器30内的电路板中。在使用期间，在贴片传感器30上操作的软件控制电路板上的电源管理电路，以向薄

膜165内的嵌入式导体施加电压，从而使电流通过它们。嵌入式导体的电阻导致膜165逐渐变热并温热下层的组织。所施加的热量增加了对组织的灌注(即血流)，这又改善了PPG波形的信噪比。位于

膜上或附近的温度传感器与电源管理电路集成，允许软件以闭环方式运行，以仔细控制和调整施加的温度。这里，“闭环方式”意味着软件分析PPG波形中心跳引起的脉冲的振幅，并且如果需要，增加施加到

膜165的电压，以增加其温度并最大化PPG波形中的心跳引起的脉冲。通常，温度被调节在41-42℃之间的水平，这对下层的组织具有最小的影响，并且被美国食品药品监督管理局(FDA)认为是安全的。

贴片传感器30通常还包括3轴线数字加速度计和温度/湿度传感器(图中未具体标识)，以分别测量三个时间相关的运动波形(沿x轴线、y轴线和z轴线)、湿度和TEMP值。

贴片传感器30通常以相对较高的频率(例如，250Hz)对时间相关波形进行采样。运行固件的内部微处理器利用计算算法处理波形，以大约每分钟一次的频率生成生命体征和血流动力学参数。在以下共同未决和已授权的专利中描述了算法的示例，这些专利的内容已经通过引用并入本文：“NECK-WORN PHYSIOLOGICAL MONITOR(颈部佩戴式生理监视器)”，U.S.S.N.14/975,646，2015年12月18日提交；“NECKLACE-SHAPED PHYSIOLOGICAL MONITOR(项链形生理监视器)”，U.S.S.N 14/184,616，2014年8月21日提交；以及““BODY-WORNSENSOR FOR CHARACTERIZING PATIENTS WITH HEART FAILURE(用于表征心力衰竭患者的身体佩戴式传感器)，U.S.S.N 14/145,253，2014年7月3日提交。

图7中所示的贴片传感器30被设计用于当在患者上部署时，最大化舒适度并减少“缆线杂乱”，同时优化其所测量的ECG、IPG、BR、PPG和PCG波形，以确定生理参数，如HR、HRV、BP、SpO2、RR、TEMP、FLUIDS、SV和CO。柔性橡胶垫圈138允许传感器30在患者胸部上挠曲，从而改善男性和女性患者的舒适度。其胸部佩戴式配置的附加益处是减少了运动假象，运动假象会使波形失真，并导致报告错误的生命体征和血流动力学参数值。这部分是由于在日常活动期间，胸部通常比手和手指运动得少，并且随后的假象减少最终改善了从患者测量的参数的准确度。

测量时间相关的生理波形并计算生命体征和血流动力学参数

如图8A至图8E所示，上文所描述的贴片传感器通过集体地处理时间相关的ECG、IPG、BR、PPG、PCG和ACC波形来确定生命体征(HR、RR、SpO2、TEMP)和血流动力学参数(FLUIDS、SV、CO)(注意：BR和IPG波形具有类似的形态，并且因此为简单起见，图8D中仅示出了IPG波形)。ECG、IPG、BR、PPG和PPG波形的典型特征在于心跳引起的“脉冲”；这些在图中由虚线170a、170b指示。如图8A所指示，脉冲的时间分隔与HR逆相关。一些波形，并且尤其是IPG和BR波形，受到呼吸事件的强烈影响。这是因为这种事件改变了患者胸部的电容，并且因此改变了阻抗。值得注意的是，图8C的具有由虚线180a、180b指示的波动，其分隔与RR逆相关。对应于这些生命体征的值——HR和RR——可以用来通知用于在频域谱中定位F0和F1的跳动拾取器(beat-picker)算法，如上文详细描述。

在测量期间，在贴片传感器上运行的嵌入式固件处理这些波形中的脉冲，如上文所描述的那些脉冲，使用“跳动拾取”算法确定对应于每个脉冲特征的基准标志；然后用本文所描述的附加算法处理这些标志，以确定生命体征和血流动力学参数。

例如，图8A示出了由本文所描述的贴片传感器测量的ECG波形。它包括心跳引起的QRS复合波，其非正式地标志着每个心动周期的开始。与其它生理波形相比，ECG波形通常具有相对较好的信噪比，并且易于使用跳动拾取算法进行分析；因此，它们经常被用于测量HR，并且QRS复合波用作“基准”标志，用于分析下面描述的一些更复杂的波形。图8B示出了由光学传感器测量的PPG波形，并且指示了由心跳引起的血流造成的下层的毛细血管中的容量变化。如本领域众所周知的，用红光(～660nm)和红外光(～940nm)中的光学辐射测量的PPG波形的AC和DC分量可以被集体地处理以确定SpO2的值。

IPG波形包括AC和DC分量：DC分量通过测量基线电阻抗来指示胸部中的流体量；如上文所参考，Z₀的平均值用于确定FLUIDS。图8C所示的AC分量跟踪胸血管系统中的血流，并表示IPG波形的脉动分量。AC分量的时间相关导数包括明确限定的峰，该明确限定的峰指示胸血管系统中血流的最大加速度。AC和DC分量都能够与称为左心室射血时间(本文称为“LVET”)的参数和称为Sramek-Bernstein方程(或其等价方程)的方程一起处理，以确定SV。LVET指示主动脉瓣打开与关闭之间的时间分隔；如本领域已知的，它能够直接从AC分量的时间相关导数来确定，或者备选地，能够使用称为Weissler回归的标准回归方程从HR值来估计，或者从PCG波形中S1和S1峰的时间分隔来估计。CO是SV和HR的数学乘积。

图8D所示的PCG波形包括对应于每次心跳的两个特征：S1(指示下层的二尖瓣和三尖瓣关闭)和S2(指示主动脉瓣和肺动脉瓣关闭)。已知S1和S2的振幅、时序和频域谱对BP敏感。图8E示出了由加速度计沿单轴线测量的运动波形。运动波形通常沿x轴线、y轴线和z轴线测量，并且能够用于表征患者的运动程度和类型及其姿势。

能够通过分析不同波形中特征之间的时间差来确定与BP相关的参数。例如，在贴片传感器上的固件中操作的算法能够计算其它波形中每一个上的QRS复合波与基准标志之间的时间间隔。一个这样的间隔是在PPG波形(图8B)和QRS复合波(图8A)中分隔开脉冲“脚”的时间，称为脉冲到达时间(本文称为“PAT”)。PAT与BP和全身血管阻力逆相关。类似地，血管通过时间(本文中称为“VTT”)是除ECG之外的波形中的基准标志，例如PCG波形中脉冲中的S1点或S2点(图8D)与PPG波形中的脚(图8B)之间的时间差。或者波形中脉冲的峰(图8C)和PPG波形的脚(图8B)。一般来说，从除ECG之外的波形中确定的时间相关基准的任何组都能够用于确定VTT。总的来说，从四个生理波形中的脉冲中提取的PAT、VTT和其它时间相关参数被称为“收缩压时间间隔”，并且通常与BP逆相关。

通常，基于收缩时间间隔的BP测量方法指示BP中的变化；它们需要来自基于袖带的系统(例如手动听诊或自动示波法)的校准，以确定BP的绝对值。通常，这种校准方法提供初始BP值以及BP与PAT/VTT之间的患者特定关系。在无袖带测量期间，以准连续的方式测量PAT/VTT值，并且然后与在校准期间确定的BP和PAT/VTT值相组合，以产生BP的准连续值。这种校准通常涉及通过采用示波法的基于袖带的BP监视器对患者进行多次(例如2-4次)测量，同时收集PAT和VTT值，如上文所描述的那些。每个基于袖带的测量产生单独的BP值。校准通常持续约1天，然后它们需要重复进行。

在实施例中，基于袖带的BP测量之一与改变患者BP的“挑战事件”，例如紧握手柄、改变姿势或抬起他们的腿同时进行。这在校准测量中施加变化，从而改善了校准后测量对BP波动的敏感性。在其它实施例中，能够将“通用校准”(例如，对所有患者的单一校准)用于BP测量。在其它实施例中，BP测量未经校准，并且仅计算BP的相对测量。

替代贴片传感器

在本文所描述的贴片传感器的形状因子不同于图7所示的贴片传感器。例如，图9A至图9B分别示出了这种替代实施例的顶部图像和底部图像。与图7中描述的贴片传感器一样，图9A至图9B中示出的贴片传感器230以两个主要部件为特征：佩戴在患者胸部中心附近并以反射光学传感器274为特征的中央感测/电子模块252，以及通过细缆线258连接到中央感测/电子模块252的辅助模块254。中央感测/电子模块252以电极引线250a至250d特征，电极引线250a至250d结合了圆形磁体251a至251d，在测量期间，圆形磁体251a至251d连接到单次使用的电极(图中未示出)中的配合的磁活性柱。单次使用的电极将中央感测/电子模块252固定到患者的胸部。附加地，电极引线250a用作检测生物电信号的“感测”电极，该生物电信号在处理后产生如上文所描述的ECG、IPG和BR波形。类似地，电极引线250b用作“驱动”电极，将高频、低安培数电流注入患者胸部，用于IPG和BR测量。电极引线250c至250d以及磁体251c至251d不起到电功能，并且仅仅用于更好地将感测/电子模块252固定到患者的胸部。为了完成ECG、IPG和BR测量，辅助模块254包括单个感测电极256a和对应的磁体257a，以及单个驱动电极256b和对应的磁体257b。它们与感测电极引线250a和驱动电极引线250b形成电极对。如前所述，能够在范围在大约5-1000KHz的多个频率测量IPG和BR波形。

图9A和图9B中所示的贴片传感器230，与图7中所示的贴片传感器一样，包括反射式光学传感器274，该反射式光学传感器274以发出红色和红外波长的LED 272为特征。光电探测器270的圆形阵列围绕LED 272。具有嵌入式电迹线的薄

膜273围绕光电探测器270和LED 272，并且当施加电压时生成热量；这使用闭环系统将皮肤温和地温热到41℃-42℃，从而增加灌注并放大对应的PPG波形。

贴片传感器230包括导热金属柱264，在测量期间，导热金属柱264连接至温度传感器(图中未示出)和患者皮肤。由此，贴片传感器230能够测量皮肤温度。它由能够通过小型USB端口261充电的锂离子电池或者备选地由执行无线充电的嵌入式变压器供电。简单的接通/断开开关260给传感器230通电。传感器230没有声学传感器，这意味着它不能测量S1和S2，如上文所描述。

在其它实施例中，贴片传感器230能够具有其它形状因子，并可包括附加的传感器。例如，辅助模块254可以包括声学传感器，类似于图7所示的声学传感器(部件146)。类似于图7所示的光学传感器(部件136)，反射式光学传感器274可以包括光电探测器和LED的其它非圆形配置。例如，在实施例中，光电探测器可以排列成线性、正方形或矩形阵列。

图10至图14示出了根据本发明的贴片传感器的替代实施例，以及它们测量的波形的时间相关图表。在这些情况下，每个贴片传感器的编号部件具有与图1中描述的部件相同的功能。例如，图10A示出了佩戴在患者11手腕上的贴片传感器70的实施例。图10B和10C分别示出了由贴片传感器测量的PPG和PVP-AC波形。这里，臂佩戴式包裹物82包括测量来自患者手腕的PPG波形的反射式光学传感器。图11A示出了贴片传感器70的类似实施例，仅光学传感器210作为带子佩戴在患者11的拇指周围，并通过细缆线112连接到中央处理单元83。对于该实施例，由传感器测量的PPG和PVP-AC波形分别在图11B和图11C中示出。

图12A示出了两件式贴片传感器70，其以嵌入在环绕患者肘前窝的带子113中的声学传感器114为特征。声学传感器114通过细缆线181连接到中央处理单元83，并且从由通过下层的肱动脉的血液脉动生成的声学声音测量PCG波形。在此实施例中，与图10A所示的实施例一样，光学传感器是反射式的，并测量来自患者手腕的PPG波形。在图12B至图12D中分别示出了对应于此实施例的时间相关的PPG、PCG和PVP-AC波形。

图13A示出了根据本发明的另一个两件式贴片传感器70。这里，包含电极的辅助传感器80设置在患者11的肩部附近，并通过缆线181连接到中央处理单元83。包含电极的辅助传感器80允许使用与上文描述的方法类似的方法沿着患者的肱动脉测量ECG和IPG/BR波形。图13B至图13E分别示出了用本发明的此实施例测量的ECG、PPG、ICG/BR和PVP-AC波形。

图14A示出了贴片传感器70的另一个实施例。与图13A一样，此实施例也包括含电极的辅助传感器85。仅在这种情况下，辅助传感器85包括两个电极和心音图传感器，该心音图传感器测量来自患者11的下层心脏的PPG波形。由贴片传感器70测量的时间相关ECG、PPG、IPG/BR、PCG和PVP-AC波形分别在图14B至14F中示出。

用于处理来自iPIVA和贴片传感器的信号的算法

图15A示出了流程图300，其指示了算法所使用的步骤，该算法处理来自本文所描述的iPIVA和贴片传感器的信号，以确定与患者流体状态相关的参数(例如，楔压、肺动脉压、血容量、流体状态)。图15B至图15E示出了对应于流程图300中列出的不同步骤的曲线图表。

如上文所描述，该算法开始于利用贴片传感器明确地确定HR/RR参数(步骤320)。如图10B所示(其直接取自图8A至图8C)，对于这种测量，贴片传感器通常测量ECG、PPG和/或IPG/BR波形，并如上文所描述处理它们以确定HR和RR。该算法然后使用iPIVA传感器在时域中收集PVP波形，以生成PVP-AC_time(步骤322)。对于该步骤，算法可以附加地包括滤波算法(例如带通滤波)或其它信号处理技术(例如自适应滤波或平均技术；使用加速度计或声学传感器来考虑泵引起的移动和噪声)以减轻或消除归因于泵的假象。信号通常在至少几分钟的时间段收集。算法然后将PVP-AC_time分段成更短的时间间隔(例如，类似于图6A至图6D中所示的波形片段)，这些时间间隔被分类为PVP-AC_{time,segments}(步骤324)。在图10C中示出了PVP-AC_time的示例，其中PVP-AC_{time,segments}由图中虚线340之间的波形的时间区域指示。图15D示出了对应于由阴影圆圈342指示的区段的PVP-AC_{time,segments}的时间相关图表；它具有指示心跳和呼吸事件的特征。

一旦算法生成PVP-AC_{time,segments}，每个区段被变换到频域(使用例如FFT、CWT或DWT)以生成分类为PVP-AC_{frequency,segments}的个别频域区段(步骤326)。然后，该算法求PVP-AC_{frequency,segments}的集合的总体平均值，以形成PVP-AC_{frequency,segments,ave}(步骤328)。一旦确定了PVP-AC_{frequency,segments,ave}，该算法就在步骤320期间使用由贴片传感器独立确定的HR/RR值(步骤330)来通知峰拾取算法，该峰拾取算法识别对应于F0和F1的值和能量(步骤332)。更具体地，算法使用来自贴片传感器的HR/RR值作为“真值”，然后将这些值结合到滤波器中，该滤波器防止算法在频域中选择错误的峰。备选地，在步骤330期间，从贴片传感器确定的HR/RR值能够在自适应滤波器或可比数学滤波器中使用，以从频域谱中移除错误的峰和其它特征(例如，与运动或噪声相关联)，从而使得更容易检测F0和F1。

图15E示出了F0(顶部图表)和F1(底部图表)的图表，在这种情况下，其通过离散小波变换生成。从图表可以清楚地看出，使用这种方法确定的F0和F1的信噪比都较高，使得处理与这些基准标志相关联的参数相对容易。

一旦选择F0和F1，其频率从峰最大值确定，并且其能量从峰振幅确定，或者备选地通过对以最大峰振幅为中心的曲线下方的面积进行积分确定(步骤332)。算法然后处理对应于F0和F1或其组合的参数，以确定与患者流体状态相关的参数(步骤334)。临床医生然后能够使用这样的参数来治疗患者。

图15A中由步骤334指示的算法能够采取多种形式。例如，它可以是简单的线性回归方程，该方程将与用iPIVA测量的F0和F1相关的参数(例如，幅度、平均值、变异性、相位、上坡或下坡)转换成与患者的流体状态相关的参数(楔压、血容量、肺动脉压)。这里，线性回归的常数(斜率，y截距)通常是预先用临床试验确定的，该临床试验同时：1)利用本文描述的系统测量iPIVA；以及2)利用参考设备如肺动脉导管测量患者流体状态相关的参数。一旦测量了这些数据，就可以通过处理该信息来确定线性回归的斜率和y截距，然后将其与iPIVA测量一起用于确定与患者流体状态相关的参数。线性回归的常数可以根据与患者相关联的生物特征参数分组，诸如他们的体重、性别或生命体征(例如HR、BP)。在相关实施例中，线性回归可以用更复杂的数学函数代替，诸如多项式、指数或非线性方程，其参数用上文所描述的方法预先确定，并且然后用于将iPIVA值转换成与患者流体状态相关的参数。

备选地，能够使用机器学习方法开发模型，该模型将与用iPIVA测量的F0和F1相关的参数转换为与患者流体状态相关的参数。一种这样的机器学习方法被称为支持向量机(本文称为“SVM”)。这里的方法类似于线性回归中使用的方法：从临床试验中确定的数据用于构建SVM，SVM然后用于进一步将iPIVA参数转换为如心脏楔压等数据。能够在类似应用中使用的其它计算模型包括高斯核函数(Gaussian Kernel Function)、提升集成(BoostingEnsemble)和装袋集成(Bagging Ensemble)。

其它替代实施例

在本发明的实施例中，在iPIVA传感器上操作的算法能够使用以下步骤识别与RR(即F0)和HR(即F1)相关的特征：

步骤1)在时域中收集PVP波形，并选择要处理的所需部段。

步骤2)将PVP波形的所需部段分成36秒的区段，并对每个区段进行CWT。

步骤3)将每个区段的CWT的F0可能值识别为与0与0.5HZ之间的最大能量相关联的频率的中值。然后计算5个连续区段的中值F0值；这成为后续步骤中F0的工作估计。

步骤4)识别F0的3次、2次和4次谐波的中值能量，如步骤3中所确定的。如果4次谐波的能量是三者中最高的，则4次谐波的频率成为F1的候选者。

步骤5)从大于F0的4次谐波的频率检测所有局部最大值。对于每个最大值，计数频率在该最大值频率倍数10％以内的其它最大值的数量。具有最高倍数的最大值是该区段的最终F1。但是，如果多个峰具有相同倍数，或者只有一个峰，或者没有峰，继续下面的步骤6。

步骤6)找出大于F0的4次谐波并具有最大对应能量(即峰下的积分面积)的频率。这成为F1的新候选者。如果还存在来自步骤4的候选F1，比较两个候选F1的能量，并选择具有更大相关联能量的候选F1。如果不存在来自步骤4的候选F1，则如该步骤中描述来计算新的候选F1，并且该候选F1是该区段的最终F1。

步骤7)来自先前5个区段的中值F1成为F1的工作估计。

在实施例中，此方法的变型(例如，使用FFT或DWT代替CWT)能够与上文列出的步骤一起使用，以确定F0和F1的值。

在本发明的其它实施例中，S1或S2(或两者)心音的振幅能够用于预测BP。该参数通常随着心音的振幅以线性方式增加。在实施例中，描述该线性关系的通用校准可用于将心音振幅转换成BP值。用于确定BP的算法也可以基于使用机器学习或人工智能的技术，例如使用SVM的技术。

例如，可根据在对大量受试者进行的临床试验中收集的数据确定BP测量的校准。这里，描述BP与心音振幅之间关系的数值系数是通过拟合试验期间收集的数据来确定的。这些系数和线性算法被编码到传感器中，以便在实际测量期间使用。备选地，能够通过在进行实际测量前的校准测量期间测量参考血压值和对应的心音振幅来确定患者特定的校准。然后，来自校准测量的数据能够如上文所描述进行拟合，以确定患者特定的校准，其然后用于进一步将心音转换成BP值。

IPG、BR和PCG波形的时域和频域分析能够用于区分呼吸事件，诸如咳嗽、喘息，并测量呼吸潮气量。特别地，通过对IPG或BR波形(诸如图8C所指示)中“呼吸脉冲”下方的面积进行积分，然后将其与预定的校准进行比较，来确定呼吸潮气量。这些事件可以与来自iPIVA传感器的信息相组合，以帮助预测患者的代偿失调。在其它实施例中，本发明可以使用上文所描述的算法的变型来确定生命体征和血流动力学参数。例如，为了改善IPG、PCG和PPG波形中脉冲的信噪比，在贴片传感器上运行的嵌入式固件能够运行称为“跳动堆叠(beatstacking)”的信号处理技术。例如，利用跳动堆叠，从来自IPG波形的多个(例如七个)连续脉冲计算平均脉冲，这些脉冲通过分析ECG波形中的对应QRS复合波来描绘，并且然后一起求平均。然后，在7样本窗口上计算IPG波形的AC分量的导数作为总体平均值，并且然后如上文所描述使用。

在其它实施例中，能够使用敏感的加速度计代替声学传感器(例如，在图9A至图9B所示的贴片传感器中)，以测量由患者下层跳动的心脏驱动的胸部的小尺度震动运动。这种波形被称为心震图(SCG)，可以用来代替(或协同)PCG波形来测量S1和S2心音。

在其它实施例中，来自PIVA和iPIVA的信号能够用于估计诸如IV浸润、外渗和静脉阻塞等状况。这里，时域和频域PVP波形的变化能够指示这些状况。例如，PVP的逐渐增加与F0和F1的逐渐减小相组合可能指示IV导管正滑出患者的静脉并进入周围组织。备选地，PVP的快速增加加上F0和F1的快速消除可能指示IV导管阻塞。在其它实施例中，这些信号能够用于监视IV泵性能(例如流速)或者IV系统是否处于自由流动状态。

本发明的这些及其它实施例被视为在以下权利要求的范围内。

Claims (20)

1.一种用于监视患者并且被定位在所述患者的身体上的静脉内(“IV”)系统，所述系统包括：

导管，所述导管被配置成插入所述患者的静脉系统中；

压力传感器，所述压力传感器被连接到所述导管，并且被配置成测量指示所述患者的静脉系统中的压力的生理信号；

运动传感器，所述运动传感器被配置成测量运动信号；以及，

处理系统，所述处理系统被配置成：

i)从所述压力传感器接收所述生理信号；

ii)从所述运动传感器接收所述运动信号；

iii)通过将所述运动信号与预定阈值进行比较来处理所述运动信号，以确定所述患者何时具有相对较低程度的运动；以及

iv)当所述处理系统确定所述运动信号低于所述预定阈值时，处理所述生理信号以确定生理参数。

2.根据权利要求1所述的系统，其中，

所述运动传感器是加速度计和陀螺仪中的一个。

3.根据权利要求2所述的系统，其中，

所述运动传感器是3轴线加速度计。

4.根据权利要求3所述的系统，其中，

所述处理系统被配置成：通过分析与所述3轴线加速度计的每个轴线相对应的运动信号，来计算运动向量。

5.根据权利要求1所述的系统，其中，

针对运动的所述预定阈值对应于0.1G的向量幅度。

6.根据权利要求1所述的系统，其中，

所述处理系统还被配置成对所述生理信号进行数字滤波，以生成已滤波的信号。

7.根据权利要求6所述的系统，其中，

所述处理系统被配置成：利用高通滤波器对所述生理信号进行数字滤波，以生成已滤波的信号。

8.根据权利要求7所述的系统，其中，

所述处理系统还被配置成：处理所述已滤波的信号，以确定指示所述患者的心率和呼吸率的信号分量。

9.根据权利要求1所述的系统，其中，

所述处理系统还被配置成：将所述生理信号变换到频域，以生成频域信号。

10.根据权利要求9所述的系统，其中，

所述处理系统被配置成：使用FFT将所述生理信号变换到所述频域，以生成频域信号。

11.根据权利要求9所述的系统，其中，

所述处理系统被配置成：使用小波变换将所述生理信号变换到所述频域，以生成频域信号。

12.根据权利要求11所述的系统，其中，

所述处理系统被配置成：使用连续小波变换和离散小波变换中的一个将所述生理信号变换到所述频域，以生成频域信号。

13.一种用于监视患者并且被定位在所述患者的身体上的IV系统，所述系统包括：

导管，所述导管被配置成插入所述患者的静脉系统中；

压力传感器，所述压力传感器被连接到所述导管，并且被配置成测量指示所述患者的静脉系统中的压力的生理信号；

运动传感器，所述运动传感器被配置成测量运动信号；以及，

处理系统，所述处理系统被配置成：

i)从所述压力传感器接收所述生理信号；

ii)从所述运动传感器接收所述运动信号；

iii)通过将所述运动信号与数学模型进行比较来处理所述运动信号，以确定所述患者的姿势；以及

iv)当所述处理系统确定所述患者具有预定姿势时，处理所述生理信号以确定生理参数。

14.根据权利要求13所述的系统，其中，

所述运动传感器是加速度计和陀螺仪中的一个。

15.根据权利要求14所述的系统，其中，

所述运动传感器是3轴线加速度计。

16.根据权利要求15所述的系统，其中，

所述处理系统被配置成：通过分析与所述3轴线加速度计的每个轴线相对应的运动信号来计算运动向量。

17.根据权利要求13所述的系统，其中，

所述处理系统还被配置成：将所述运动向量与预定的查找表进行比较，以确定所述患者的姿势。

18.根据权利要求13所述的系统，其中，

所述处理系统还被配置成：将所述生理信号变换到所述频域，以生成频域信号。

19.根据权利要求18所述的系统，其中，

所述处理系统被配置成：使用FFT将所述生理信号变换到所述频域，以生成频域信号。

20.根据权利要求18所述的系统，其中，

所述处理系统被配置成：使用小波变换将所述生理信号变换到所述频域，以生成频域信号。

Images