CN115867187A - 基于耳朵的核心体温监测系统 - Google Patents

基于耳朵的核心体温监测系统 Download PDF

Info

Publication number
CN115867187A
CN115867187A CN202180047414.8A CN202180047414A CN115867187A CN 115867187 A CN115867187 A CN 115867187A CN 202180047414 A CN202180047414 A CN 202180047414A CN 115867187 A CN115867187 A CN 115867187A
Authority
CN
China
Prior art keywords
user
physiological data
temperature
ear
measured
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180047414.8A
Other languages
English (en)
Inventor
刘哲捷
王明业
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Well Being Digital Ltd
National University of Singapore
Original Assignee
Well Being Digital Ltd
National University of Singapore
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Well Being Digital Ltd, National University of Singapore filed Critical Well Being Digital Ltd
Publication of CN115867187A publication Critical patent/CN115867187A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • A61B5/6817—Ear canal
    • 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
    • A61B5/683—Means for maintaining contact with the body
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/20—Clinical contact thermometers for use with humans or animals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0271—Thermal or temperature sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/06—Arrangements of multiple sensors of different types
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/16—Details of sensor housings or probes; Details of structural supports for sensors
    • A61B2562/164—Details of sensor housings or probes; Details of structural supports for sensors the sensor is mounted in or on a conformable substrate or carrier
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Otolaryngology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种非侵入式的方法和系统，用于连续监测用户的核心体温(Tc)，以预防过热风险。该系统包括：要佩戴在用户的耳朵中的检测单元，其用于通过多个传感器测量用户的生理数据；以及分析单元，其经由通信链路连接至检测单元，用于使用由检测单元测量的生理数据通过预测模型来计算用户的Tc，其中，考虑了心率和外部环境温度对用户的耳道温度的影响。传感器包括用于测量耳道温度的两个传感器(207，208)以及用于分别测量心率和外部耳廓温度的传感器(209，210)。预测模型优选地是随机森林预测模型或者线性或多项式回归模型。当计算的Tc在阈值水平以上(例如，在40℃以上)时，确定用户的过热状态。

Description

基于耳朵的核心体温监测系统
技术领域
本发明涉及连续地监测用户的核心体温(Tc)的系统和方法。更具体地，本发明涉及用于连续地监测用户的核心体温(Tc)以防止过热的风险的非侵入式方法。
背景技术
在穿上个人防护装备时在热和/或潮湿环境中的体力活动会提高身体上的生理应激。这是许多热暴露行业的工作者(包括但不限于军事人员、消防员和采矿工作者)所关心的问题。这样的职业的日常任务通常涉及大量的体力劳动负荷、炎热环境工作条件，并可能需要穿戴厚的个人防护设备，从而增加了热工作的应激。进而，这可能会提高他们发展出诸如锻炼相关联的肌肉痉挛、热衰竭或劳力型热射病的疾病的风险。按极度体温过高(核心体温超过40℃)和中枢神经系统功能紊乱分类的劳力型热射病可能导致多器官系统功能障碍，并且甚至在严重情况下导致死亡。尽管有关于劳力型热射病的预防和治疗的大量文献，但是其在这些行业中的患病率仍在继续增长。这表明管理热工作应激的当前实践仍然不足以完全解决现有的问题。
现存的热应激管理策略集中在识别高风险环境和基于感知的热应激的行为改变。然而，这些策略未能考虑关键的易感因素，例如身体体质、热适应/习服状态、热损伤史和代谢产热的个体差异。因此，提出了使用可穿戴技术对个性化的生理监测的实现，作为解决个体热工作应激的潜在解决方案。热工作应激的评定涉及对诸如核心体温、皮肤温度、心率和出汗率的若干生理参数的测量。
然而，目前不存在准确且实用的方法来监测职业场合(setting)中的核心体温(Tc)。目前，可用于连续地监测Tc的设备事实是侵入式的，并且带来高昂成本，这样的设备例如直肠探针、食道探针和可摄取的遥测药丸。此外，插入直肠或食道的热敏电阻可能引起明显的用户不适，并且因此对于日常实施是不可行的。然而，尽管在利用可摄取的遥测药丸时提高了用户的舒适度，但该策略带来高昂的成本(例如，每单次使用药丸120美元)，而且由于需要考虑胃肠运动的个体差异而导致实施起来复杂。虽然诸如对口腔和腋窝温度的测量的非侵入式替代方案已被实施用于在临床场合中记录Tc，但是由于对环境因素的高度敏感性以及不能提供连续的Tc测量，这些策略仍然不适合在身体活动期间使用。
已研究耳朵作为人类Tc的替代测量位点的可行性。由于由也灌注下丘脑的颈内动脉引起的鼓膜的血管形成而提出鼓膜温度(Tty)。可以通过直接接触鼓膜或者间接测量从鼓膜和耳道发出的热量来测量Tty。虽然通过直接接触鼓膜来测量Tty与Tc具有可接受的相关性，但是对于在热工作应激监测中使用而言是不安全的，，则热敏电阻在身体移动期间的移位可能导致鼓膜损伤或者如果传感器接触耳道的充分受神经支配的部分的话引起疼痛。使用红外传感器间接测量Tty提供了更佳的舒适度和安全性。然而，由于准确反映Tc需要到鼓膜的视线，诸如耳道形状和/或插入深度不足的因素可能导致差异。由于红外传感器的差的绝缘、汗液凝结和加热引起的环境影响也可能影响测量结果。
监测耳道温度(Tac)是有前景的替选方案。当传感器靠近鼓膜放置时，Tac测量结果显示出与直肠温度的最佳相关性。而且，没有由于传感器的放置而引起的用户的不适。然而，尽管监测耳道温度有前景，但仅基于Tac输入的算法的开发的确具有其限制性。具体地，Tac对环境温度的波动敏感，这可能导致与Tc的偏差。此外，心率高度反映了身体的新陈代谢需求，这又改变了体温调节，并且因此改变Tc。鉴于这些情况，非常需要用于连续地监测Tc以防止热有关的损伤的非侵入式的、准确的并且实用的方法/设备。
发明内容
通过提供连续地监测用户的核心体温(Tc)的系统和方法，解决了以上和其他问题，并在本领域取得了进步。使用用户的经测量的生理数据通过Tc预测模型连续地执行Tc的估计，其中，考虑了心率和外部环境温度对用户的耳道温度的影响。
本发明具有许多益处和优点，例如，非侵入式的、准确的、便携的、用户友好的、可重复使用的、比侵入式方法成本低的、并且适合户外使用。特别地，由于考虑了心率和外部环境温度对用户的耳道温度的影响，因此本发明提高了Tc估计的准确性和可靠性。由于传感器位于耳道的开口附近(即，远离鼓膜)以及外部耳廓附近，因此本发明是安全的且易于使用。因此，与侵入式方法相比，本发明将用户的不适最低化，并且减少了插入侵入式探针期间的风险。此外，可以将生理数据测量结果无线地传送至分析单元(用于Tc估计)，该分析单元可以是每天随身携带的移动电话。该系统的操作简单、快速、易于由任何人使用，并且由于其便携性而适合在户外使用。通过连续地监测Tc，可以在达到临界Tc(约40℃)之前从操作中撤出人员，从而提高安全性。此外，本发明是通用的，因为它可以嵌入或集成到具有音频功能的耳机中，其中可以提供经由音频或视频功能的连续反馈。
提供了一种用于连续监测用户的核心体温(Tc)的系统。该系统包括：(1)检测单元，其要佩戴在用户的耳朵中，用于通过安装在检测单元处的多个传感器测量用户的生理数据，其中，要测量的生理数据包括用户的第一耳道温度(Tac1)、第二耳道温度(Tac2)、外部耳廓温度(Tea)和心率(HR)；以及(2)分析单元，其经由通信链路连接至检测单元，用于使用由检测单元测量的生理数据通过预测模型计算用户的Tc，其中，考虑了心率和外部环境温度对用户的耳道温度的影响。当所计算的用户的Tc在阈值水平以上时，检测到过热状态。优选地，阈值水平为40℃。
多个传感器包括：用于测量Tac1的第一温度传感器；用于测量Tac2的第二温度传感器；用于测量Tea的第三温度传感器；以及用于测量HR的光学传感器。优选地，第一温度传感器和第二温度传感器是热电偶传感器。优选地，第三温度传感器是红外传感器。优选地，光学传感器是光体积描记图传感器。根据预定义的时间间隔重复测量用户的生理数据，使得可以连续监测用户的Tc。
检测单元包括：耳塞，其适配到用户的耳朵；第一延伸构件，其从所述耳塞延伸以插入所述用户的耳朵的耳道中，其中，所述第一温度传感器、所述第二温度传感器和所述光学传感器安装在所述第一延伸构件上，以用于分别测量Tac1、Tac2和HR；第二延伸构件，其从耳塞延伸并与用户的耳朵的耳甲部分接触，其中，第三温度传感器安装在第二延伸构件处，以用于测量Tea；以及控制模块，其用于接收测量的生理数据并将测量的生理数据发送至分析单元，并且在检测到过热状态时提醒用户。检测单元还可以包括弹性构件，其用于密封耳道，从而将耳道与外部环境之间的空气交换最小化。
第二延伸构件具有耳钩状结构以环绕于用户的耳朵的背面，其中，第三温度传感器安装在与用户的耳朵的耳甲的隆起接触的位置处。替选地，第二延伸构件具有延伸到用户的耳朵的耳甲的长形结构，其中，第三温度传感器安装在与耳甲艇接触的位置处。
分析单元包括数据处理模块，该数据处理模块用于接收由检测单元测量的生理数据，并且使用生理数据通过预测模型计算用户的Tc，其中，考虑了心率和外部环境温度对用户的耳道温度的影响。分析单元还包括：用户界面，其用于显示用户的计算的Tc和/或测量的生理数据，并且允许用户改变Tc计算参数；以及存储器，其用于存储用户的计算的Tc和/或测量的生理数据。分析单元可以呈智能设备的形式，智能设备安装有软件应用以计算用户的Tc并且显示用户的计算的Tc和/或测量的生理数据。
预测模型是随机森林预测模型，其在具有小于±0.27℃的可接受平均偏差的情况下利用机器学习算法来计算用户的Tc，其中，测量的生理数据用于得出决策树以预测用户的Tc。
替选地，预测模型是线性回归预测模型，其使用公式和测量的生理数据来计算用户的Tc，其中，公式是：15.4299+3.6506Tac1-3.1375Tac2+0.0682Tea+0.0037HR
替选地，预测模型是2次多项式回归预测模型，其使用公式和所测量的生理数据来计算用户的Tc，其中，公式是：
-77.6520+82.9429Tac1-75.4587Tac2-2.4982Tea-0.0320HR-6.1514Tac1 2+8.4253(Tac1×Tac2)+1.7738(Tac1×Tea)+0.0332(Tac1×HR)-2.4006Tac2 2–1.6639(Tac2×Tea)-0.0357(Tac2×HR)-0.0355Tea 2+0.0040(Tea×HR)-0.0001HR2。
提供了一种连续监测用户的核心体温(Tc)的方法。该方法包括：由多个传感器测量所述用户的生理数据，多个传感器安装在要佩戴在用户的耳朵中的检测单元处，其中，要测量的生理数据包括所述用户的第一耳道温度(Tac1)、第二耳道温度(Tac2)、外部耳廓温度(Tea)和心率(HR)；经由通信链路将所测量的生理数据发送至与检测单元连接的分析单元；由分析单元使用由检测单元测量的生理数据通过预测模型来计算用户的Tc，其中，考虑了心率和外部环境温度对用户的耳道温度的影响；当所计算的用户的Tc在阈值水平以上时，确定过热状态；以及当确定过热状态时，生成警告信号，以提醒用户。该方法还包括：在分析单元上显示所计算的Tc和/或所测量的生理数据；以及将所计算的Tc和/或所测量的生理数据存储在分析单元中。
根据预定义的时间间隔重复测量用户的生理数据的步骤，使得可以连续地监测用户的Tc。
Tc计算步骤的预测模型是随机森林预测模型，其在具有小于±0.27℃的可接受平均偏差的情况下利用机器学习算法来计算用户的Tc，其中，使用测量的生理数据来得出决策树以预测用户的Tc。
附图说明
参照下图在以下对优选实施方式的详细描述中描述本发明的以上及其他特点和优点。
图1示出了根据本发明的实施方式的用于连续地监测用户的Tc的系统。
图2示出了根据本发明的第一实施方式的检测单元。
图3使出了根据本发明的第二实施方式的检测单元。
图4示出了耳朵的耳廓的前视图(A)和后视图(B)。
图5是耳朵的截面图，其示出了耳道。
图6是根据本发明的实施方式的连续地监测用户的Tc的方法的流程图。
图7是将基线期间的(A)Tiin与Tgi之间、(B)Tpoiy与Tgi之间以及(C)Trf与Tgi之间的一致性与平均偏差(实线)、理想一致性界限LOAi(±0.27℃；点线)和最大一致性界限LOAmax(±0.40℃；短划线)进行比较的Bland-Altman图。
图8是将PAH期间的(A)Tiin与Tgi之间、(B)Tpoiy与Tgi之间以及(C)Trf与Tgi之间的一致性与平均偏差(实线)、LOAi(±0.27℃；点线)和LOAmax(±0.40℃；短划线)进行比较的Bland-Altman图。
图9是将RUN期间的(A)Tiin与Tgi之间、(B)Tpoiy与Tgi之间以及(C)Trf与Tgi之间的一致性与平均偏差(实线)、LOAi(±0.27℃；点线)和LOAmax(±0.40℃；短划线)进行比较的Bland-Altman图。
图10是将WALK期间的(A)Tiin与Tgi之间、(B)Tpoiy与Tgi之间以及(C)Trf与Tgi之间的一致性与平均偏差(实线)、LOAi(±0.27℃；点线)和LOAmax(±0.40℃；短划线)进行比较的Bland-Altman图。
图11是将恢复期间的(A)Tiin与Tgi之间、(B)Tpoiy与Tgi之间以及(C)Trf与Tgi之间的一致性与平均偏差(实线)、LOAi(±0.27℃；点线)和LOAmax(±0.40℃；短划线)进行比较的Bland-Altman图。
具体实施方式
图1示出了用于以非侵入式方式连续地监测用户的核心体温(Tc)使得能够检测到用户的过热状态的系统100，在过热状态下所计算的Tc在诸如40℃的阈值水平以上。阈值水平能够基于个体要求改变。系统100包括通过通信链路500彼此连接的检测单元200和分析单元300，该通信链路500可以是无线通信(例如，蓝牙)或有线通信。检测单元200是要佩戴在用户的耳朵400中的用于测量用户的生理数据的基于耳朵的设备。检测单元200由于其小尺寸且重量轻，可以像耳机一样被长时间段佩戴而不感到不适。另一方面，分析单元300可以呈安装有软件应用以高效地和快速地计算用户的Tc的智能设备(例如，移动电话)的形式，并且提供用户友好的界面以显示所计算的Tc和/或所测量的用户的生理数据。
图2和图3示出了检测单元200的两种不同设计。图4示出了人类耳朵400的前视图和后视图。图5是人类耳朵400的截面图，其示出耳道404。检测单元200包括适配于用户的耳朵的耳塞202、从耳塞202延伸的第一延伸构件204和第二延伸构件206以及控制模块(未示出)。多个传感器207、208、209和210安装在检测单元200处，用于测量用户的生理数据，该生理数据包括由第一温度传感器207测量的第一耳道温度(Tac1)、由第二温度传感器208测量的第二耳道温度(Tac2)、由第三温度传感器210测量的外部耳廓温度(Tea)以及由光学传感器209测量的用户心率(HR)。根据用于估计Tc的算法/公式，可能使用更多的传感器来获得更多的生理变量。
检测单元200还可以包括用于密封耳道404使得可以使耳道404与外部环境之间的空气交换最小化的弹性构件212。弹性构件212由诸如硅胶、橡胶或其他合适材料的皮肤友好材料制成，使得检测单元200可以舒适地长时段佩戴。弹性构件212也可替换为最适配于用户的合适尺寸，例如用于成年人和儿童的不同尺寸。由于检测单元200能够由同一用户或不同的用户重复使用，因此它应该由可以承受消毒过程的材料制成，因为使用之后需要清洁。检测单元200也可以被集成到具有音频功能的耳机中。
第一延伸构件204是从耳塞202延伸以用于插入用户的耳道404中的短的长形结构(例如，8毫米长)。第一温度传感器207、第二温度传感器208和光学传感器209以适当位置安装在第一延伸构件204处，以用于在耳道404中分别测量用户的Tac1、Tac2和HR。例如，如图2和图3所示，传感器207、208和209可以安装在第一延伸构件204的端部部分周围。
第二延伸构件206从耳塞202延伸，并且与用户的耳朵400的耳甲部分408接触。图2示出了第二延伸构件206的第一设计，其具有耳钩状结构，以环绕于用户的耳朵400的背面。第三温度传感器210安装在耳钩状结构处，并且与耳甲部分408的背面，即耳甲的隆起(参见图4(B))接触，以用于测量用户的耳朵400的外部温度(即，外部耳廓温度Tea)。图3示出了第二延伸构件206的第二设计，其具有比耳钩状结构短的长形结构，其中，第三温度传感器210安装在端部部分周围，并且与耳甲区域408的前面，即耳甲艇(参见图4(A))接触，以用于测量用户的耳朵400的外部温度(即，外部耳廓温度Tea)。
温度传感器207、208、210中的每一个可以是热电偶传感器或红外传感器。光学传感器209可以是光体积描记图传感器。由检测单元200获得的生理数据Tac1、Tac2、Tea和HR将被发送至分析单元300，以用于Tc计算。根据预定义的时间间隔(例如，每1分钟)重复测量Tac1、Tac2、Tea和HR，使得可以连续地监测用户的Tc。时间间隔能够基于个体要求和/或外部环境条件改变。
当用户的耳朵被适当地密封和隔离时，或者当耳朵被保持在紧密且受控的热条件下时，Tc估计的准确度显著增大。然而，对于大多数热暴露的职业而言，完全密封或隔离用户的耳朵既不是期望的选择，也不是可行的选择，因为这可能导致身体活动期间热量的累积，并且因此影响方法的准确度，并且还可能使用户感到不舒服。因此，本发明试图通过考虑在估计Tc期间环境温度和用户的心率的变化来提高Tc准确度，而不是完全密封耳朵。在这种情况下，Tac1、Tac2、Tea和HR同时被测量，并且用于以更高的准确度计算Tc。因此，无论环境和用户的活动如何，都可以准确地监测用户的Tc。
耳塞202是被配置成牢固地装配至用户的耳朵400的耳道404的开口的小壳体。优选地，检测单元200的控制模块设置在耳塞202内。
控制模块接收用户的测量的生理数据Tac1、Tac2、Tea和HR，并且通过通信链路500将它们发送至分析单元300。当由分析单元300检测到过热状态时，携带分析单元300的人可以与用户通信或提醒用户。替选地，当由分析单元300检测到过热状态或者检测到检测单元200与分析单元300之间的通信的故障时，检测单元200的控制模块也可以经由音频功能提醒用户。也可以是检测单元200具有警报器以在分析单元300检测到过热状态时利用扬声器或发光二极管(LED)提醒用户或用户周围的人。
分析单元300包括数据处理模块、用户友好界面和存储器。数据处理模块从检测单元200接收所测量的生理数据Tac1、Tac2、Tea和HR，并且使用所测量的生理数据通过预测模式来计算用户的Tc，其中，考虑了心率和外部环境温度对用户的耳道温度的影响。优选地，预测模型是随机森林预测模型，其利用机器学习算法以小于±0.27℃的可接受的低平均偏差来计算用户的Tc，其中，所测量的生理数据用于得出决策树以预测Tc。当检测到用户的过热状态时，数据处理模块将生成警告信号并将警告信号发送至检测单元200，以提醒用户。用户界面可以显示用户的所计算的Tc和/或所测量的生理数据(以及任何其他信息)，并允许用户改变Tc计算参数。存储器用于存储用户的所计算的Tc和/或所测量的生理数据。
图6示出了用于使用上述系统100连续地监测用户的Tc的方法的流程图。方法600包括以下步骤。在步骤601中，由安装在要佩戴在用户的耳朵中的检测单元200处的多个传感器207、208、209、210测量用户的生理数据Tac1、Tac2、Tea和HR。在步骤602中，将所测量的生理数据Tac1、Tac2、Tea和HR发送至分析单元300，该分析单元300通过通信链路500与检测单元200进行通信。在步骤603中，由分析单元300使用所测量的生理数据的Tc通过预测模型来计算用户的Tc，其中，考虑了心率和外部环境温度对用户的耳道温度的影响。在步骤604中，当计算的Tc在阈值水平(例如，40℃)以上时，确定用户的过热状态。在步骤605中，当确定过热状态时，生成警告信号以提醒用户。该方法还可以包括以下步骤：在分析单元上显示所计算的Tc和/或所测量的生理数据；以及将所计算的Tc和/或所测量的生理数据存储在分析单元中。根据预定义的时间间隔(例如，每1分钟)连续地重复以上步骤，使得可以连续地监测用户的Tc。该方法的Tc预测模型可以是随机森林预测模型、线性回归预测模型或2次多项式回归预测模型，下面将描述这些模型。随机森林预测模型是优选模型，因为它具有小于±0.27℃的可接受平均偏差和相对小的平均绝对误差。
利用用户的所测量的生理数据Tac1、Tac2、Tea和HR来开发三种潜在的Tc预测模型：(1)随机森林预测模型(Trf模型)；(2)线性回归预测模型(Tiin模型)；以及(3)2次多项式回归预测模型(Tpoiy模型)。为了细化本发明，对照从遥测药丸得出的胃肠道温度(Tgi)(对应于用户的Tc)验证所开发的三个预测模型。这样做时，可以识别在不同的加热模式下最准确和可靠的Tc预测模型。20位健康的有氧健身的男性(年龄＝25±3岁，体重指数(BMI)＝21.7±1.8，体脂＝12±3％，最大有氧能力(VO2max)＝64±7ml/kg/min)参与该研究。参与者执行了VO2max测试，随后执行了三项实验性试验：被动加热试验(PAH)、跑步试验(RUN)和快速行走试验(WALK)。在所评估的三个预测模型中，Trf模型是跨所有测量阶段的最理想的预测模型。
最大有氧能力(VO2max)测试：
使用递增式锻炼方案来测量每个参与者的VO2max。在第一阶段中，参与者以四个不同的速度执行跑步机跑步，其中初始速度比他们预期的10公里比赛速度慢1km/h。跑步机速度每3分钟增加1km/h，总持续时间为12分钟。在休息5分钟后，参与者进行至第二阶段，该第二阶段包括以中等强度的固定速度进行的跑步机跑步，其中初始坡度(elevation)为1％。跑步机的坡度每分钟增加1％，直到达到意志疲惫。VO2max被确立为测试终止之前最后一分钟期间的平均VO2。
实验性试验：
所有参与者都遵循类似的饮食并在每次实验性试验之前24小时重复进行任何身体活动。测量尿液SG，以确保参与者在每次测验(session)开始之前水分充足(尿液SG<1.025)。分别使用可摄取遥测传感器和基于胸部的监测器监测参与者的Tgi和HR。温度传感器是在每次测验之前8至10小时摄取的，或者在到达试验点时从直肠插入。由基于耳朵的检测单元连续地记录Tac1、Tac2、Tea和HR。每15分钟向参与者提供2g/kg体重的维持在26℃的水。在RUN和WALK期间的特定时间点处，使用代谢车来测量VO2。
被动加热试验(PAH)：
参与者穿上跑步短裤并在空调实验室环境中完成10分钟的就座基线(干球温度：Tdb＝21.6±0.5℃，相对湿度：RH＝68±3％，湿球黑球温度：WBGT＝19.2±0.5℃)。此后，参与者将他们自己浸入到容纳通过外部加热单元维持在42.0±0.3℃处的水的可充气盆中，直至胸部水平。应用轻微面部扇动，以使参与者的不适最小化。参与者被动地被加热，直到达到39.5℃的Tgi或60分钟的总持续时间。随后，参与者进行就座恢复，直到Tgi返回到38.0℃以下。作为安全预防措施，在恢复期间也采用面部扇动。
跑步试验(RUN)和快速行走试验(WALK)：
参与者穿上跑步服及运动鞋，并且在受控环境室(Tdb＝30.0±0.2℃，RH＝71±2％，WBGT＝27.1±0.3℃)中完成了10分钟的就座基线。在RUN期间，参与者以与其VO2max的70±3％对应的速度在机动跑步机上跑步。在WALK期间，参与者在坡度为7％的情况下以6km/h执行跑步机行走。在这两种试验中，当Tgi达到39.5℃时，终止锻炼。在60分钟持续时间内未达到目标Tgi的参与者经受延长的锻炼阶段。这包括在坡度(elevation)为1％的情况下以6km/h的速度进行的跑步机行走，最大持续时间为30分钟。随后，参与者进行就座恢复，直到Tgi返回到38.0℃以下。
模型开发：
在基线阶段(10分钟)、锻炼/加热阶段和恢复阶段(直到参与者的Tgi恢复到38.0℃以下)的过程中，从两个热电偶传感器(针对Tac1和Tac2)、一个红外传感器(针对Tea)和一个光体积描记图传感器(针对HR)收集生理数据。以一秒钟的间隔记录对Tac1、Tac2、Tea和HR的测量结果，同时每15秒记录对Tgi的测量结果。
如下基于来自Tac1、Tac2、Tea和HR的输入，生成Tiin模型以预测Tgi(呈现为最接近的四个小数位)：
15.4299+3.6506Tac1-3.1375Tac2+0.0682Tea+0.0037HR
如下基于来自Tac1、Tac2、Tea和HR的输入，生成Tpoiy模型来预测Tgi(呈现为最接近的四个小数位)：
-77.6520+82.9429Tac1-75.4587Tac2-2.4982Tea-0.0320HR-6.1514Tac1 2+8.4253(Tac1×Tac2)+1.7738(Tac1×Tea)+0.0332(Tac1×HR)-2.4006Tac2 2–1.6639(Tac2×Tea)-0.0357(Tac2×HR)-0.0355Tea 2+0.0040(Tea×HR)-0.0001HR2
例如，当Tac1＝37.0℃，Tac2＝36.9℃，Tea＝36.5℃并且HR＝70bpm时，通过Tiin模型和Tpoiy模型预测的Tgi如下：
a)Tiin模型＝15.4299+(3.6506×37.0)-(3.1375×36.9)+(0.0682
×36.5)+(0.0037×70)＝37.48℃
b)Tpoiy模型＝-77.6520+(82.9429×37.0)-(75.4587×36.9)-(2.4982
×36.5)-(0.0320×70)-(6.1514×(37.0)2)+(8.4253×(37.0×36.9))+(1.7738×(37.0×36.5))+(0.0332×(37.0×70))-(2.4006×(36.9)2)-(1.6639×(36.9×36.5))-(0.0357×(36.9×70))-(0.0355×(36.5)2)+(0.0040×(36.5×70))-(0.0001×(70)2)＝37.08℃
关于Trf模型，使用随机选择的Tac1、Tac2、Tea、HR和它们的衍生物的子集通过机器学习来得出决策树，该决策树产生相对于对应Tgi具有低均方误差的值。用不同的子集的集合重复该过程，并且从预测值的平均值得出最终值。由于Trf模型具有低的整体偏差，因此当引入新的数据时，Trf模型是高度稳定的，并且对于分类数据和数字数据都是鲁棒的。采用独热(one-hot)编码技术将诸如参与者、训练模式和锻炼阶段的分类变量转换为成列的数字二进制数据。因此，如果数据点处于基线处，则它将在基线列中具有值“1”，并且在其他列中具有值“0”。该步骤是在Python中使用函数get_dummies完成的。
此外，使用特征缩放来缩放数据集中的所有数值，以确保以同等重要性评估所有特征，不管其绝对数值如何。为此，采用了Sci-kit-Learn的StandardScaler类。使用sklearn.ensemble库的RandomForestRegressor类来求解Trf模型的回归问题。在可以用于配置Trf模型的参数中，最关键的参数是n_estimators参数。该值定义了Trf模型中的树的数量。在改进算法中，选择n_estimators＝100被选择来实现准确度与计算资源的平衡。
利用总共16位参与者来训练每个预测模型，然后通过滚动平均过滤器对预测模型进行优化。将该经过滤的预测对照来自其余四名参与者的数据进行比较，以评估模型有效性。此外，为了评定Trf模型的可靠性，执行五折叠(five-fold)平均分析，其中，每个数据折叠(折叠-1至折叠-5)分别由用于模型训练的16位参与者和用于模型有效性测试的4位参与者的不同组合组成。
统计分析：
使用夏皮罗-威尔克(Shapiro-Wilk)测试评定数据的正态性。执行双尾配对t测试以评定试验之间的差异。使用皮尔逊相关系数(r)来评估Tgi与三个预测模型中的每个模型之间的相关程度。按如下确定相关程度：非常强(r>0.90)；强(r＝0.70至<0.90)；中等(r＝0.50至<0.70)；低(r＝0.30至<0.50)；以及可忽略(r<0.30)。使用Bland-Altman图来评定从遥测药丸得出的Tgi数据与来自三个预测模型的输出之间的一致性。此外，针对每个预测模型计算了平均偏差、95％置信区间(CI)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)的对应值。所有数据均以平均值±SD呈现，并且将0.05的显著性水平用于所有统计分析。统计显著性表示为如下：*:p<0.05，**:p<0.01，***:p<0.001。以下标准用于确定预测模型的有效性以预测Tgi：(a)平均偏差<±0.27℃；以及(b)在±0.40℃内的95％ CI。
结果：
在下面表1中描绘了每个预测模型(Tlin、Tpoly和Trf)的有效性度量(平均偏差、95％CI、MAE和MAPE)和相关性。在如下的五个独立阶段中对照使用金标准温度胶囊测量的Tgl评估三个预测模型：a)基线休息；b)被动加热；c)锻炼跑步；d)锻炼步行；以及e)就座恢复。在Trf模型中在所有测量阶段期间平均偏差均在<±0.27℃的有效性标准内(-0.20℃至0.13℃)，但在Tlin模型(-0.63℃至0.68℃)和Tpoly模型(-0.37℃至0.64℃)中并未如此。在基线期间Trf模型中的95％ CI也在±0.4℃的有效性标准内(-0.35℃至0.26℃)，但在其他测量阶段中并非如此。Tlin模型和Tpoly模型的95％ CI在所有测量阶段期间都超过有效性标准。与Tlin模型和Tpoly模型相比，在Trf模型中MAE和MAPE两者似乎都较小。在基线期间，Tlin模型(r＝0.677，p<0.01)和Tpoly模型(r＝0.591，p<0.01)被观察到与Tgl适度相关，而Trf模型与Tgl之间的相关性是可忽略的(r＝0.225，p<0.01)。在锻炼和加热期间，Trf模型表现出与Tgl的非常强的相关性(r＝0.902至0.933，p<0.01)，而Tlin模型(r＝0.708至0.955，p<0.01)和Tpoly模型(r＝0.865至0.957，p<0.01)表现出与Tgl的强到非常强的相关性。所有预测模型都被观察到在恢复期间与Tgl强相关(Tlin：r＝0.708，p<0.01；Tpoly：r＝0.742，p<0.01；Tlln：r＝0.819，p<0.01)。
表1：比较Tlin预测模型、Tpoly预测模型和Trf预测模型的有效性度量和相关性的概述。
Figure BDA0004035190420000121
指示在以下有效性标准内：a)平均偏差<±0.27℃或95％ CI在±0.40℃内。
Figure BDA0004035190420000131
在基线期间，针对Trf模型评定了429个配对数据点，其中所有数据点被观察到在LOAmax之内(图7(C))。进而，针对Tlin模型和Tpoly模型评定了440个配对数据点，其中分别发现62％和80％的数据点在LOAmax内(图7(A)和图7(B))。在PAH期间，针对Tlin模型、Tpoly模型和Trf模型评定了537个配对数据点，其中分别发现25％、23％和66％的数据点在LOAmax内(图8(A)、图8(B)和图8(C))。在RUN期间，针对Tlin模型、Tpoly模型和Trf模型评定了720个配对数据点，其中分别发现65％、77％和73％的数据点在LOAmax内(图9(A)、图9(B)和图9(C))。在WALK期间，针对Tlin模型、Tpoly模型和Trf模型评定了887个配对数据点，其中分别发现63％、82％和85％的数据点在LOAmax内(图10(A)、图10(B)和图10(C))。在恢复期间，针对Tlin、Tpoly和Trf模型评定了1004个配对数据点，其中分别发现33％、54％和79％的数据点在LOAmax内(图11(A)、图11(B)和图11(C))。
如下表2所示，在试验的每个独立阶段(基线、PAH、RUN、WALK和恢复)中，针对有效性度量(平均偏差、95％ CI、MAE和MAPE)和相关性，评定Trf模型的五折叠平均值。总体而言，在Trf模型的五折叠平均值中评定了18897个配对数据点。跨试验的所有阶段，平均偏差都在有效性标准(<±0.27℃)内(-0.26℃至0.01℃)。此外，95％ CI在基线期间，接近有效性标准(-0.39℃至0.41℃)，但在其余试验阶段超过可接受范围(95％ CI>±0.40℃)。MAE在以下期间似乎为小：在基线(0.17℃±0.12℃)和WALK(0.28℃±0.25℃)期间。最终，在除了基线(r＝0.332，p<0.01)期间的所有试验阶段(r＝0.780至0.855，p<0.01)中，Trf模型的五折叠平均值表现出与Tgl的强相关性。
表2：有效性度量的五折叠平均值分析以评估Trf模型的可靠性。
Figure BDA0004035190420000142
指示在以下有效性标准内：a)平均偏差<±0.27℃或95％ CI在±0.40℃内。
Figure BDA0004035190420000141
结论：
所有三个Tlin、Tpoly和Trf模型很大程度上能够预测RUN试验和WALK试验的锻炼阶段期间的Tgi。这被可接受的平均偏差<±0.27℃所证实(表1)。然而，与Trf模型相比，Tlin模型和Tpoly模型在PAH和恢复期间的结果似乎较差。已知的是，耳道温度(Tac)非常受环境条件的影响。此外，与胃肠道温度和/或直肠温度相比，Tac对Tc变化更快地做出响应。因此，来自水表面的辐射热(环境条件)和对增加的Tc的更快的Tac响应的组合效应会促成Tlin模型和Tpoly模型在PAH期间对Tgi的过高评估和在恢复期间对Tgi的过低评估。
Trf模型是用于跨所有测量阶段预测Tgi的最理想模型。除了跨试验的所有阶段实现小于±0.27℃的可接受平均偏差(-0.20℃至0.13℃)之外，Trf模型还在除了PAH期间(0.34±0.27℃；表1)的所有测量阶段中具有小的MAE(0.14至0.25℃)。这指示，在利用Trf模型时，与Tgi的平均正偏差和负偏差相对小。此外，跨所有试验阶段(表1)，与Tlin模型和Tpoly模型相比，Trf模型均具有较小MAPE和较窄的95％ CI。进而，发现在设置的LOAmax(±0.40℃)内的配对数据点的百分比被发现在Trf模型中更大(图7至图11)。综上所述，Trf模型更佳，并且能够校正环境条件的变化和测量位点之间的热惯性的差异。因此，在所有试验和/或测量阶段中，与Tlin模型和Tpoly模型相比，Trf模型能够更准确地预测Tgi。
为了评定Trf模型的可靠性，执行了五折叠平均值分析。总体而言，Trf模型的五折叠平均值跨所有试验阶段均表现出可接受平均偏差(-0.26℃至0.01℃，表2)。这显示出与Trf的初始单折叠分析相一致(平均偏差<±0.27℃，表1)。因此，Trf模型的可靠性可以从其跨五折叠分析的一致表现观察到。在基线期间，观察到95％ CI接近有效性标准(-0.39℃至0.41℃，表2)，从而指示Trf模型在很大程度上能够评估休息期间的Tgi。由于本发明和算法的设计意图在于监测职业热应激，因此值得注意的是，在WALK期间观察到相对小的平均偏差误差(-0.15℃±0.34℃，表2)。这表明Trf模型在职业场合中常见的低强度至中等强度活动期间显示出监测热应激的有前景的准确度。综上所述，本发明的Trf算法对于热应激监测具有有前景的准确度，其中平均偏差值在±0.27℃的可接受标准内。

Claims (20)

1.一种用于连续监测用户的核心体温(Tc)的系统，所述系统包括：
检测单元，其要佩戴在所述用户的耳朵中，用于通过安装在所述检测单元处的多个传感器测量所述用户的生理数据，其中，要测量的所述生理数据包括所述用户的第一耳道温度(Tac1)、第二耳道温度(Tac2)、外部耳廓温度(Tea)和心率(HR)；以及
分析单元，其经由通信链路连接至所述检测单元，用于使用由所述检测单元测量的所述生理数据通过预测模型计算所述用户的Tc，其中，考虑了心率和外部环境温度对所述用户的耳道温度的影响；
其中，当所述用户的计算的Tc在阈值水平以上时，检测到过热状态。
2.根据权利要求1所述的系统，其中，所述多个传感器包括：
用于测量所述Tac1的第一温度传感器；
用于测量所述Tac2的第二温度传感器；
用于测量所述Tea的第三温度传感器；以及
用于测量所述HR的光学传感器。
3.根据权利要求2所述的系统，其中，所述检测单元包括：
耳塞，其适配到所述用户的耳朵；
第一延伸构件，其从所述耳塞延伸以插入所述用户的耳朵的耳道中，其中，所述第一温度传感器、所述第二温度传感器和所述光学传感器安装在所述第一延伸构件处，以用于分别测量所述Tac1、所述Tac2和所述HR；
第二延伸构件，其从所述耳塞延伸并与所述用户的耳朵的耳甲部分接触，其中，所述第三温度传感器安装在所述第二延伸构件处，以用于测量所述Tea；以及
控制模块，其用于接收所测量的生理数据并将所测量的生理数据发送至所述分析单元，并且在检测到所述过热状态时提醒所述用户。
4.根据权利要求3所述的系统，其中，所述第二延伸构件具有耳钩状结构以环绕于所述用户的耳朵的背面，其中，所述第三温度传感器安装在与所述用户的耳朵的耳甲的隆起接触的位置处。
5.根据权利要求3所述的系统，其中，所述第二延伸构件具有延伸到所述用户的耳朵的耳甲艇的长形结构，其中，所述第三温度传感器安装在与所述耳甲艇接触的位置处。
6.根据权利要求3所述的系统，其中，所述检测单元还包括：
弹性构件，其用于密封所述耳道，从而将所述耳道与外部环境之间的空气交换最小化。
7.根据权利要求1所述的系统，其中，所述分析单元包括：
数据处理模块，其用于接收由所述检测单元测量的所述生理数据，并且使用所述生理数据通过所述预测模型计算所述用户的Tc，其中，考虑了心率和外部环境温度对所述用户的耳道温度的影响。
8.根据权利要求1所述的系统，其中，所述分析单元还包括：
用户界面，其用于显示所述用户的计算的Tc和/或测量的生理数据，并且允许所述用户改变Tc计算参数；以及
存储器，其用于存储所述用户的计算的Tc和/或测量的生理数据。
9.根据权利要求1所述的系统，其中，所述预测模型是随机森林预测模型，所述随机森林预测模型在具有小于±0.27℃的可接受平均偏差的情况下利用机器学习算法来计算所述用户的Tc，其中，使用测量的生理数据来得出决策树以预测所述用户的Tc。
10.根据权利要求8所述的系统，其中，所述预测模型是线性回归预测模型，所述线性回归预测模型使用公式和所述测量的生理数据来计算所述用户的Tc，所述公式为：
15.4299+3.6506Tac1-3.1375Tac2+0.0682Tea+0.0037HR。
11.根据权利要求8所述的系统，其中，所述预测模型是2次多项式回归预测模型，所述2次多项式回归预测模型使用公式和所述测量的生理数据来计算所述用户的Tc，所述公式为：
-77.6520+82.9429Tac1-75.4587Tac2-2.4982Tea-0.0320HR-6.1514Tac1 2+8.4253(Tac1×Tac2)+1.7738(Tac1×Tea)+0.0332(Tac1×HR)-2.4006Tac2 2-1.6639(Tac2×Tea)-0.0357(Tac2×HR)-0.0355Tea 2+0.0040(Tea×HR)-0.0001HR2。
12.根据权利要求1所述的系统，其中，所述分析单元能够呈智能设备的形式，所述智能设备安装有软件应用以计算所述用户的Tc并且显示所述用户的计算的Tc和/或测量的生理数据。
13.根据权利要求1所述的系统，其中，根据预定义的时间间隔重复测量所述用户的生理数据，使得能够连续地监测所述用户的Tc。
14.根据权利要求1所述的系统，其中，所述阈值水平为40℃。
15.根据权利要求2所述的系统，其中，所述第一温度传感器和所述第二温度传感器是热电偶传感器。
16.根据权利要求2所述的系统，其中，所述第三温度传感器是红外传感器。
17.一种用于连续监测用户的核心体温(Tc)的方法，所述方法包括：
由多个传感器测量所述用户的生理数据，所述多个传感器安装在要佩戴在所述用户的耳朵中的检测单元处，其中，要测量的所述生理数据包括所述用户的第一耳道温度(Tac1)、第二耳道温度(Tac2)、外部耳廓温度(Tea)和心率(HR)；
经由通信链路将所测量的生理数据发送至与所述检测单元连接的分析单元；
由所述分析单元使用由所述检测单元测量的所述生理数据通过预测模型来计算所述用户的Tc，其中，考虑了心率和外部环境温度对所述用户的耳道温度的影响；
当所计算的所述用户的Tc在阈值水平以上时，确定过热状态；以及
当确定所述过热状态时，生成警告信号以提醒所述用户。
18.根据权利要求17所述的方法，还包括：
在所述分析单元上显示所计算的Tc和/或所测量的生理数据；以及
将所计算的Tc和/或所测量的生理数据存储在所述分析单元中。
19.根据权利要求17所述的方法，其中，所述预测模型是随机森林预测模型，所述随机森林预测模型在具有小于±0.27℃的可接受平均偏差的情况下利用机器学习算法计算所述用户的Tc，其中，使用所测量的生理数据来得出决策树以预测所述用户的Tc。
20.根据权利要求17所述的方法，其中，根据预定义的时间间隔重复测量所述用户的生理数据的步骤，使得能够连续监测所述用户的Tc。
CN202180047414.8A 2020-07-03 2021-07-02 基于耳朵的核心体温监测系统 Pending CN115867187A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10202006454P 2020-07-03
SG10202006454P 2020-07-03
PCT/SG2021/050387 WO2022005406A1 (en) 2020-07-03 2021-07-02 Ear-based core body temperature monitoring system

Publications (1)

Publication Number Publication Date
CN115867187A true CN115867187A (zh) 2023-03-28

Family

ID=79317858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180047414.8A Pending CN115867187A (zh) 2020-07-03 2021-07-02 基于耳朵的核心体温监测系统

Country Status (5)

Country Link
US (1) US20230240541A1 (zh)
CN (1) CN115867187A (zh)
DE (1) DE212021000417U1 (zh)
GB (1) GB2611230A (zh)
WO (1) WO2022005406A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG108873A1 (en) * 2002-09-20 2005-02-28 Dso Nat Lab Temperature telemeter
US20150164346A1 (en) * 2013-12-05 2015-06-18 Medisim, Ltd. Flexible thermometer for invasive and non-invasive measurement and predictive based on additional parameters measurement
JP6338182B2 (ja) * 2014-05-20 2018-06-06 学校法人産業医科大学 外耳道温測定器及び熱中症計
US20160331244A1 (en) * 2015-05-12 2016-11-17 Razzberry Inc. Core body temperature system
US11517203B2 (en) * 2016-08-25 2022-12-06 The Government Of The United States, As Represented By The Secretary Of The Army Real-time estimation of human core body temperature based on non-invasive physiological measurements
EP3576434A1 (en) * 2018-05-30 2019-12-04 Oticon A/s Body temperature hearing aid
WO2020061209A1 (en) * 2018-09-18 2020-03-26 Biointellisense, Inc. Validation, compliance, and/or intervention with ear device

Also Published As

Publication number Publication date
GB202218731D0 (en) 2023-01-25
DE212021000417U1 (de) 2023-03-14
WO2022005406A1 (en) 2022-01-06
US20230240541A1 (en) 2023-08-03
GB2611230A (en) 2023-03-29

Similar Documents

Publication Publication Date Title
JP7255906B2 (ja) 携帯型生理学的モニタ
JP7026953B2 (ja) 鼓膜温度を測定するように構成された携帯型生理学的モニタ
Trivedi et al. Android based health parameter monitoring
KR101090667B1 (ko) 생물학적 파라미터 측정 장치 및 방법
JP6855589B2 (ja) 監視装置、監視方法、及び監視プログラム
Nagano et al. Technique for continuously monitoring core body temperatures to prevent heat stress disorders in workers engaged in physical labor
Saidi et al. Towards real-time thermal stress prediction systems for workers
EP3451910B1 (en) Portable hydration sensor
CN115867187A (zh) 基于耳朵的核心体温监测系统
Sekiguchi et al. Monitoring internal body temperature
WO2004027363A1 (en) Temperature telemeter
Bogatu et al. Physiological sensing for thermal comfort assessment
TWM310726U (en) Wrist protector with bio-electro signal detecting and warning function
Shaban et al. SportsMBAN: Sports and Tele-healthcare Wireless Medical Body Area Network for Real-Time Activity Monitoring and Fall Detection
CN116367897A (zh) 信息处理装置、辅助系统、终端装置、信息处理方法以及程序
Richmond Monitoring heat strain during work in challenging environments
Richmond Monitoring heat strain in physically challenging environments

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