CN116348032A - 使用多光路光电体积描记设备测量生物指标和血管几何形状的系统和方法 - Google Patents
使用多光路光电体积描记设备测量生物指标和血管几何形状的系统和方法 Download PDFInfo
- Publication number
- CN116348032A CN116348032A CN202180017039.2A CN202180017039A CN116348032A CN 116348032 A CN116348032 A CN 116348032A CN 202180017039 A CN202180017039 A CN 202180017039A CN 116348032 A CN116348032 A CN 116348032A
- Authority
- CN
- China
- Prior art keywords
- ror
- leds
- optical path
- red
- component
- 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.)
- Granted
Links
- 239000000090 biomarker Substances 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title abstract description 56
- 238000013186 photoplethysmography Methods 0.000 title description 46
- 230000003287 optical effect Effects 0.000 claims abstract description 230
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims abstract description 52
- 239000000758 substrate Substances 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 230000017531 blood circulation Effects 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 73
- 238000012545 processing Methods 0.000 claims description 66
- 230000006870 function Effects 0.000 claims description 63
- 238000012546 transfer Methods 0.000 claims description 54
- 238000005534 hematocrit Methods 0.000 claims description 26
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 22
- 229910052760 oxygen Inorganic materials 0.000 claims description 22
- 239000001301 oxygen Substances 0.000 claims description 22
- 239000002131 composite material Substances 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 12
- 230000000875 corresponding effect Effects 0.000 description 62
- 210000004369 blood Anatomy 0.000 description 45
- 239000008280 blood Substances 0.000 description 45
- 238000004458 analytical method Methods 0.000 description 17
- 238000000502 dialysis Methods 0.000 description 10
- 230000003993 interaction Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 102000001554 Hemoglobins Human genes 0.000 description 5
- 108010054147 Hemoglobins Proteins 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 102000003951 Erythropoietin Human genes 0.000 description 3
- 108090000394 Erythropoietin Proteins 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 210000003743 erythrocyte Anatomy 0.000 description 3
- 229940105423 erythropoietin Drugs 0.000 description 3
- OXCMYAYHXIHQOA-UHFFFAOYSA-N potassium;[2-butyl-5-chloro-3-[[4-[2-(1,2,4-triaza-3-azanidacyclopenta-1,4-dien-5-yl)phenyl]phenyl]methyl]imidazol-4-yl]methanol Chemical compound [K+].CCCCC1=NC(Cl)=C(CO)N1CC1=CC=C(C=2C(=CC=CC=2)C2=N[N-]N=N2)C=C1 OXCMYAYHXIHQOA-UHFFFAOYSA-N 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 208000007502 anemia Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010412 perfusion Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 206010019280 Heart failures Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
- A61B5/0086—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters using infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1076—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions inside body cavities, e.g. using catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14535—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring haematocrit
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14552—Details of sensors specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/1459—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters invasive, e.g. introduced into the body by a catheter
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4887—Locating particular structures in or on the body
- A61B5/489—Blood vessels
-
- 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
- A61B5/6832—Means for maintaining contact with the body using adhesives
- A61B5/6833—Adhesive patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/05—Surgical care
-
- 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
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
- A61B2562/0242—Special features of optical sensors or probes classified in A61B5/00 for varying or adjusting the optical path length in the tissue
-
- 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
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
Abstract
使用柔性基底的贴片监测血流指标的系统和方法,柔性基底的贴片被配置为附着到血管上方的皮肤区域。该贴片包括设置在基底上以形成矩阵的多个光源和设置在基底上与几行LED基本平行的一行光电检测器。该贴片包括光信号接口,该光信号接口被配置成驱动每个光源并在其中一个光电检测器处输入强度信号。强度信号用于确定对应于每个光路的AC分量和DC分量。计算每个光路的AC/DC分量比,并用于确定比率比。比率比的至少一个子集用于确定血管的生物指标或横截面积。
Description
背景技术
近来,在医疗诊断行业中已经投入了大量的努力来开发便携式乃至可佩戴的诊断设备,这些诊断设备被配置成帮助执业医生远程监控患者。这种远程监控将理想地为执业医生提供以其他方式无法获得的数据,例如趋势线数据,并且将减少患者到诊所、实验室或其他测试中心的拜访次数。在过去的一年里,面对席卷全世界的COVID-19疫情,这一目标变得更加重要。COVID-19疫情造成医疗基础设施的压力。病毒的快速传播已经使医院超负荷运行。过度拥挤、工作人员超负荷工作和资源短缺使得医疗系统不仅难以照顾COVID-19患者,也难以照顾需要其他类型治疗的患者。
这种情况对于脆弱的患者群体,例如患有慢性疾病的患者来说尤其困难。如果易感人群感染COVID,他们出现严重症状的风险最高。这些患者还必须经常拜访他们的护理提供者,以监测、治疗和管理他们的慢性疾病。例如,由于许多透析患者仍须每周进行3次透析,并且具有大量并发症需要处理,包括糖尿病、心力衰竭和贫血,因此透析患者面临极高的风险。
许多远程医疗服务正被用来实现从医院到家庭的护理过渡。然而,今天的远程医疗访问只允许临床医生访问主观数据,而无法访问客观数据。对于易感人群来说,目前没有办法在他们的家中复制或补充他们遇到的最重要的问题的临床测试。在大多数情况下,预后筛查工具(相对于诊断测试)足以补充和减少临床测试负担。一个精确的家庭筛查系统将减少患者和医生的临床测试负担和暴露风险。有了自动化的家庭筛查,只有当家庭筛查检测到显著变化时,才能指导进行临床测试。
受益于远程无创监测的核心指标包括血红蛋白和血细胞比容(Hb/Hct)。可以受益于改进的无创监测的患者类型的一个例子是透析患者。许多透析患者通常需要每月抽血检测Hb/Hct水平。这些患者通常在透析治疗的同时还服用促红细胞生成素(EPO)来控制贫血。必须密切监测这些患者的Hb/Hct水平,以便在需要时可以调整他们的EPO剂量和/或透析剂量。过度透析的后果十分严重——患者可能会出现低血压,导致住院甚至死亡。
由于抽血频率不高,医生依靠患者自我报告症状和/或透析中心工作人员的判断来确定患者何时需要调整剂量。缺乏对透析过程中这一关键输入的客观测量导致透析患者的高住院率和死亡率。
通过更频繁地评估Hb/Hct水平来补充每月抽血,以提醒临床医生注意潜在的问题,这是可取的。这使得大量采用Hb/Hct测量设备以补充每月抽血和每周门诊测试。虽然这些用于Hb/Hct监测的工具遭受较高的误差,但与抽血相比,它们的易用性可以生成Hb/Hct的趋势线,这提供了额外的临床发现。
目前可用的HB/Hct监测工具往往会出现可能展现较显著的误差,并且无法代替患者前往检测中心抽血的传统方式。更准确的HB/Hct监测将允许更准确的趋势线,并且不仅可以减少透析患者的拜访医院的需求,还可以减少患有其他症状的患者的拜访医院的需求。
发明内容
鉴于以上所述,提供了使用来自多个光源和光检测器的多个光路来监测血流度量的系统和方法。在一个实例中,柔性基底的贴片被配置为附着在血管上方的皮肤区域。设置在基底上以形成R×C矩阵的多个发光二极管(LED),以及设置在基底上的一行C个光电检测器(PD),该一行C个光电检测器与R行LED基本平行,R行LED铺展以形成与每个光电检测器基本共线的C列。光信号接口安装在基底上,并被配置成在开启期间驱动每个LED,并在开启期间在光电检测器之一处输入光信号。接收由行r=1至R、列c=1至C的LED和接收光信号的光电检测器形成的光路OPrc的强度测量值。一种包括用于存储由处理系统执行的程序指令的存储器的处理系统,其被配置为当执行指令时:
a.在一段时间内接收对应于光路OPrc的多个强度测量值Irc,以接收每个光路的多个强度测量值;
b.根据一段时间内每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
d.通过将第一组多个选定的AC/DC分量比除以第二组多个选定的AC/DC分量比来确定多个比率比,即RoR值;以及
e.使用RoR值的至少一个子集来确定生物指标。
在一个方面,多个LED是发射红外光的多个红外(IR)LED。处理系统的存储器包括由处理系统执行的程序指令,以使用RoR值的至少一个子集来确定生物指标,其中生物指标是血细胞比容浓度Hct,使用下式来确定:Hct=F(RoR′),其中F是传递函数,其基于根据使用参考血细胞比容测量系统测量的多个参考RoR值所确定的参考血细胞比容浓度,将RoR值的范围与血细胞比容浓度值的范围相关联,并且其中RoR’是RoR值的至少一个子集。
附图说明
图1是用于确定生物指标的系统的示例实现的框图;
图2A是被配置为生成用于测量生物指标的多个光路的贴片的示例实现;
图2B是设置在用于测量生物指标的示例贴片上的示例系统的示意图;
图2C是被配置为生成用于测量生物指标的多个光路的贴片的另一示例实现;
图3是血管上的贴片及生成多个光路的示例的示意性侧视截面图;
图4A是基本上以血管为中心且生成多个光路的贴片的实例的正面截面图;
图4B是生成多个光路的、位于血管上的贴片的示例的正面截面图,其中贴片的中心从血管的中心偏移;
图5A是在示例贴片上形成的多个光路的示例的示意性俯视图;
图5B是示出了确定图5A中多个光路的AC/DC比的示例的流程图;
图5C描绘了比率比(RoR)的值的表格,其示出用于确定RoR的替代方案;
图6是相对于示例性PPG栅格中与光电检测器相对的LED位置绘制的RoR值的曲线图的示例;
图7A是在示例性贴片上的两个波长处形成的多个光路的另一示例的示意性俯视图,以及示出了用于确定两个不同波长处的AC/DC分量比的另一示例性方法的操作的流程图;
图7B-7D是示出了用于确定两个波长处的多个光路的比率比的方法的示例的流程图和矩阵;
图8A是示出用于生成参考曲线关系以确定血管的几何特性或测量血管中血流的血液指标的方法的示例的操作的流程图;
图8B是多条曲线的曲线图的示例,示出了相对于峰值比率比的比率比的百分比和以血管半径的百分比表示的到通道中心的通道距离之间的曲线关系,以及贴片的多个通道的确定比率比的示例图表;以及
图8C描绘了可用于确定血管横截面积的RoR值的矩阵的两个示例。
具体实施方式
下文描述了用于测量生物指标和下层血管的横截面积的系统和方法。在一个示例性实施方式中,一种系统贴片,其被配置为附着在血管上方的皮肤区域。贴片包括多个发光二极管(“LED”)和多个光电检测器。LED可以设置成R行×C列的栅格,使得C个光电检测器中的每一个与R行的列共线放置。LED和光电检测器的矩阵被设置成覆盖血管上方的区域,使得来自LED的光在LED和光电检测器之间形成基本上与血管相交的光路。
LED可以发出对应于要测量的生物指标的任何合适波长的光。例如,可以使用红外(IR)光来测量血细胞比容。可以使用红光和红外光的光学测量值来测量一些测量值,例如氧饱和度。可以基于光的相互作用和被测量度量的组织特性来选择LED波长。例如,选择IR光来测量Hct,因为测量的通过血液的IR信号的强度是与红细胞中血红蛋白的相互作用的函数。本公开重点关注血细胞比容(Hct)、血红蛋白(Hgb)和氧饱和度(SpO2)的测量。然而,使用下述示例技术,可以使用类似波长的光来执行其他度量。
在示例实现中,系统被配置成通过将传递函数应用于被称为“比率比”的光电容积描记(PPG)参数来计算Hct,“比率比”也可以称为RoR,指的是两个值的比率,这两个值本身也是比率度量。对于红外LED位于离同一光电二极管不同距离的两个LED-光电二极管对中的每一个,将信号幅度的比率除以信号的DC值。根据使用了PPG传感器的本申请,该AC/DC值也称为漫反射系数或灌注指数。
在示例性实施方式中,贴片可以被配置为使用多个光源来执行PPG测量,该多个光源被设置在具有行和列的阵列中,并且该矩阵从与光源行基本平行的光检测器行铺展。每个光源可以与每个光检测器形成光路。对于每个光路,可以确定AC/DC值或灌注指数。可以定义多个通道以对应于PPG栅格中的多个光检测器。
下面使用光电检测器作为光检测器、使用发光二极管(LED)作为光源来描述PPG栅格,而不意图将光源或光检测器限制为任何特定的设备。任何示例PPG栅格中的LED可以包括任何合适波长的LED,这可以取决于被测量的生物指标。具有多个波长的LED可以用在PPG栅格中,这同样取决于被测量的生物指标。
下面描述的PPG栅格包括一行中的三个光电检测器和基本上平行于光电检测器铺展的五行LED。然而,可以使用任何合适数量的光电检测器和任何合适数量的LED来实现PPG栅格。光电检测器和LED的数量以及组件之间的间距可以取决于多种因素,例如所需的复杂程度、血管的预期几何形状、血管的近似深度以及其他因素。通常,PPG栅格的几何形状可以被配置成获得光信号与在目标血管中流动的血液的最大相互作用。
可以通过将一个LED的光路的AC/DC值除以另一个LED的光路的AC/DC值来计算多个RoR。在一些示例中,对应于每个较近的LED的光路的AC/DC值可以除以对应于下一个较远的LED的光路的AC/DC值。在一些示例中,对应于所选LED的光路的AC/DC值可以用作参考,并用于确定对应于每个LED的RoR。
一般而言,可以以在确定血液指标(例如Hct、Hgb、SpO2和其他,包括例如血管的几何指标)时能够实现分析优势的方式来确定RoR。下面参照图5A-5D、6A-6B和7A-7B描述使用PPG栅格和根据PPG栅格计算的RoR来确定Hct和SpO2的例子。下面参照图8A和8B描述使用RoR确定血管几何形状的示例。
在一些示例实现中,可以确定对应于每个光电检测器的LED列中的光路的RoR。可以分析列中的RoR,以确定例如用于确定血液指标的RoR的最佳列。在另一个示例中,在多列RoR中确定的多个RoR可以用于确定血液指标。一列或多列中的多个RoR可以根据所选血液指标的传递函数进行曲线拟合。在另一个示例中,多个RoR可以是表面拟合为传递函数。
注意,每个通道的RoR值可以取决于每列LED在血管上的位置。将贴片放置在血管上方的皮肤上可能不会导致血管与任何通道的精确对准。在每个通道中形成的光路可以仅部分地与血管会聚。RoR值可用于确定最佳列,根据该最佳列来确定期望的血液指标。在一个示例中,LED的最佳列可以被识别为具有最高幅度的一个或多个RoR值的列。在另一个示例中,可以将列中的RoR与测量的峰值RoR进行比较,并且可以使用来自具有最高百分比的一个或多个RoR的列的一个或多个RoR值来确定血液指标。
可以确定最优的单个RoR、RoR’并用于传递函数中,以根据公式[Hct]=f(RoR′)确定Hct浓度。传递函数可以从光路与血管会聚的数学构造的分析中导出。在一个示例中,传递函数将二阶多项式拟合到RoR参数:Hct=aR2+bR+c,其中参数a、b和c通过R=RoR的曲线拟合参考值来确定,以确定Hct的已知值。可以通过使用不同比率的查找表来进一步增强,以适应所期望的血细胞比容浓度范围内的任何非线性。
在一些示例中,可以使用多个RoR值来确定Hct。例如,RoR值的最佳列(optimumcolumn)可以用在如下表示的传递函数中:[Hct]=f(RoR′|optimum column)。在这个示例中,被认为是最佳列的列中的RoR值可以拟合到使用已知回归分析技术确定的多变量曲线函数中。在其他示例中,可以使用[Hct]=f(All RoR values)来确定Hct。可以使用回归分析技术来将该组RoR值拟合到函数中。在其他示例中,传递函数可以使用表面拟合技术。
以上示出了在示例实现中如何确定Hct值。可以实施类似的技术来确定其他血液指标。例如,关于氧饱和度的确定,可以执行结合RoR的类似分析,但需使用两个波长。参考图6A-6C更详细地描述了示例实现。
根据PPG设备上的强度测量值来计算RoR也可以用于确定用光信号询问的血管的横截面积。在一个示例性实施方式中,可以确定由贴片测量的多行光路的RoR。可以识别最佳的RoR行,并且可以将这些值与参考RoR和距血管中心的距离的百分比之间的曲线关系进行比较。下面参照图7描述使用行RoR来确定血管几何特征的例子。
参考图1,用于监测血流度量的系统100包括贴片102,其安装在目标血管103上方的皮肤101的区域上。贴片102可以被配置成使用设置在贴片上的LED和光电检测器来测量光信号。光信号、通常是强度值、可以作为原始强度信号传送到PPG数据处理系统106。在一些实施方式中,可以在贴片102上执行用于获得生物指标的一些或所有数据处理。可以在贴片102上执行一些信号处理,如噪声消除、滤波、SNR降低等,其可以作为原始强度传送到PPG数据处理系统106。
注意,贴片102可以被配置为由距诊所或测试中心较远的患者使用。也就是说,当向PPG数据处理系统106传输数据或传输数据到被配置为接收测量值的位置时,患者可以在家。这种数据传输可以使用WiFi、蜂窝通信基础设施或任何其他合适的通信介质,用于将数据传输到PPG数据处理系统106,然后传输到需要结果的医生或医务人员。
在一个示例实现中,PPG数据处理系统106被用作云服务。数据中继器104可用于调节贴片102和PPG数据处理系统106之间的数据传输。例如,数据中继104可以用作智能手机应用程序,其可以格式化数据的报告以传送到PPG数据处理系统106,该数据处理系统106可以用作云服务。数据中继器104通常可以是专门配置的桥式联网组件,或者被配置为接收原始强度信号并将原始强度信号传送到PPG数据处理系统106的任何其他合适的联网组件。
注意,图1中的数据中继器104可以是便携式的,例如附在智能手机上,或者位于佩戴贴片102的患者经常去的房间中。数据中继器104可以被配置为当与贴片102基本处于同一位置时建立按需连接,并且在连接期间在贴片102和PPG数据处理系统106之间传送数据。
参考图2A,贴片102可以实现为柔性基底112,其被配置为附在血管103上的皮肤101的区域。基底可以由能够支撑嵌入其上的电子元件的任何合适的材料制成。一个表面可以被处理以粘附到皮肤上,并且还可以包括允许从LED发出的光离开基底进入皮肤的端口,以及允许光从皮肤进入光电检测器的附加端口。贴片102包括设置在基底上以形成R×C矩阵的多个LED 130a-o和设置在基底上的基本平行于R行LED的C个光电检测器120a-c的行,该R行LED铺展以形成与每个光电检测器120基本上共线的C列。
光信号接口(在图2A中被示为模拟前端(AFE))126被安装在基底112上,并且被配置为驱动每个LED 130持续一个开启时段,并且在开启时段期间在光电检测器120之一处输入光信号,以接收光路OPrc的强度测量,该光路OPrc由行r=1至R、列c=1至C的LED 130和接收光信号的光电检测器120形成。开启时段的时间足以从光路中获得单个强度。每个LED130与光电检测器120形成至少一个光路。在一个示例实现中,在一列中的每个LED130之间形成光路,每个光路从光电检测器120之一铺展。每列每个LED 130的多个光路形成每个光电检测器120的光路通道。
系统100包括处理系统,该处理系统包括用于存储程序指令的存储器,该程序指令由处理系统执行以确定血管103的生物指标和横截面积。处理器124还可以作为处理系统的一部分执行其他功能,该处理系统根据强度来确定生物指标。可以在贴片102上提供处理器124,以控制LED 130的激活和从光电检测器120读取强度。处理器124可以控制光路的生成以读取原始强度,可以执行信号处理功能,并且可以将原始强度传送给PPG处理系统106以执行附加功能,从而从强度中导出生物指标。在一些实施方式中,处理器124还可以被配置为执行确定生物指标的功能。贴片上的处理器124执行确定生物指标的功能的程度取决于贴片102上安装的处理器的处理能力和电功率能力以及贴片102上可以容纳的存储量。贴片102可以由电池供电,电池会失去电荷并需要充电,否则需要丢弃和替换贴片。
图2A中的贴片102可以由电池供电。为了使下面的描述更加清晰,处理器124可以被实现为确定血管103的生物特性和横截面积的处理系统(连同PPG数据处理系统106)的一部分。在一个示例实施例中,贴片102上的处理器124控制光强度的测量,并将原始强度传送给PPG数据处理系统106,用于执行计算生物指标的附加步骤。
在示例实现中,PPG处理系统106可以是基于云的服务,其在一段时间内接收对应于光路OPrc的多个强度测量值Irc,以接收每个光路的多个强度测量值。PPG处理系统106接收强度的时间段可能足以产生几次心跳,从而将血液泵送到血管。处理系统106随时间分析每个光路的原始强度,以检测由于心跳导致的血液在血管103中流动时的强度变化。
PPG处理系统106可以根据一段时间内每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC。可分析强度测量值以对应于心脏泵血时生成的任何心电图(ECG)信号。可以根据强度随时间的变化来确定与ECG信号的对应关系,并与由于心跳引起的预期强度变化的模式进行比较。下面参照图5A和5B更详细地描述AC/DC分量的计算。
一旦确定了每个光路的AC和DC分量,就可以确定每个光路的AC/DC分量比然后,可以使用AC/DC分量比,通过将第一组多个选定的AC/DC分量比除以第二组多个选定的AC/DC分量比,来确定多个比率比,即RoR值。可以选择第一组多个选定的AC/DC分量比和第二组多个选定的AC/DC分量比,以生成RoR值,其可以指示具有最佳信号的光路,或者信号,从该信号可以获得光学测量值。如下所述,然后选定的RoR值可以用于确定血液指标和/或血管的几何特性。
图2A中所示的贴片102包括R=5行、C=3列的LED。在任何特定的实施方式中,行数R和列数C都可以是任何合适的数量,并且可以取决于要被问询的血管的典型近似尺寸。类似地,通道之间的距离、或者LED和光电检测器的列之间的距离可以取决于要问询的血管的典型近似尺寸。
图2B是设置在示例贴片102上用于测量生物指标的示例系统的示意图。注意,贴片102的示例实现可以包括用于执行其他特征的附加组件,例如用于检测运动的加速度计、用于检测心率的拾音器、用于执行ECG的单导联传感器等。图2B中的示例实现包括处理器124、存储元件(存储器)130、通信接口140、光信号接口126、多个LED 130和多个光电检测器120。
处理器126可以是任何合适的处理元件。在一个示例实现中,处理器126根据激励模式控制光信号的读取和LED的激活。然后处理器126经由通信接口140将光信号、原始强度值传送到PPG数据处理系统106。通信接口140可以是任何合适的无线接口,例如蓝牙TM、蓝牙TM低能量(BLETM)、WiFi信号或其他合适的替代。无线接口可以被配置成直接与PPG数据处理系统106通信,例如经由蜂窝通信系统或连接到互联网的WiFi。在一个示例实现中,贴片102上的无线接口经由数据中继104(图1)与PPG数据处理系统106通信。数据中继器104允许贴片上的通信接口140和数据中继器104之间的接口不用太复杂,例如经由BLETM,从而降低对贴片102的功率需求。然后数据中继器104可以连接到云服务器上的PPG数据处理系统106,或者使用蜂窝网络的另一个合适的联网组件、连接到互联网的Wifi接口或任何其他合适的联网基础设施。
处理器124执行存储在存储器130中的指令。存储器130还可以用于存储从光电检测器120收集的原始数据,以及由处理器124被编程以执行的任何信号处理产生的数据。处理后的数据可以作为原始强度信号传送到PPG数据处理系统106。
处理器124可以通过嵌入在贴片102中的总线150进行操作。光信号接口126可以作为I/O设备连接到总线150。光信号接口126可以包括控制电路,以将一个或多个LED 130激活到开启状态一段时间。在相同的开启期间,光信号接口126上的控制电路从选定的光电检测器120接收对应于光强度值的电流信号。光信号接口126可以选择要激活的LED,触发LED130的激活,并选择光电检测器,以使用时钟信号和被配置为控制选择电路的定时电路来接收输入。在一个示例实现中,选择电路可以包括LED控制器134,其被配置为通过选择解复用器来控制解复用阵列138,通过解复用器输出功率信号以激活所选择的LED达所需的开启时段。在相同的开启时段期间,光电检测器控制器136选择路径以从连接到所选路径的光电检测器接收电流信号。
处理器124通过程序控制可以选择LED和光电检测器通过一系列的开启时段,直到从对应于在每个光电检测器和R×C个LED中的每一个LED之间产生的光路的C个光电检测器中的每一个光电检测器中接收到电流信号。在一系列R×C开启时段期间,可以测量对应于C个光电检测器和R×C个LED的每个光路的强度。可以在更长的时间段内重复一系列R×C个开启时段,以在足以覆盖至少一次心跳的时间段内收集对应于每个光路的原始强度。此外,当贴片102和PPG数据处理系统106(或数据中继器104)之间的连接在运行时,可以连续收集原始强度。强度值根据通过血管的体积流量而变化,体积流量响应于心跳的心动周期而变化。
PPG数据处理系统106接收原始强度值,并对其进行处理以解释数据并得出所需的度量。以上参考图5A-5B和图6A-6C描述了强度值的进一步处理。
图2C是贴片200的另一个示例性实施方式的示意图,该贴片200在基底212上形成,并且被配置为生成用于测量生物指标的多个光路。图2D中的贴片200被配置成确定可能涉及一个以上波长的生物指标。在一个示例性实施方式中,图2A中的示例性贴片102可以被配置为使用发射红外光的LED来操作,以测量血细胞比容浓度和可以根据组织与红外光的相互作用所确定的任何其他指标。图2C中的贴片200可以包括多个红外LED 230a-o和多个红色LED 232a-o,每个都与对应的红外LED之一相邻。红色LED 232a-o和红外LED 230a-o优选地彼此足够接近,使得红色LED可以被认为与红外(IR)LED位于同一位置,从而以不同波长生成基本会聚的光路。
贴片200还包括C个光电检测器220,其被配置成接收来自R×C IR LED和R×C红色LED的IR和红光。在替代实施方式中,贴片200可以包括被配置为主要接收来自IR LED的IR光的C个IR光电检测器和被配置为主要接收来自红色LED的红光的C个红色光电检测器。图2C中的贴片200可以如本公开中所述配置,以使用来自IR LED 230的IR光路来确定Hct浓度,并使用来自IR LED的IR光路和来自红色LED 232的红色光路来确定SpO2。
贴片200包括处理器224、光信号接口226、存储器(未示出)和通信接口(未示出)。光信号接口226可以被配置成从PD-IR LED对(pair)生成的IR光路和从PD-red LED对生成的红光光路接收原始强度值。光信号接口226可以使用如上参考图2A和2B所述的生成的贴片102的PD-LED光路的每个光路的开启时段来操作。
图3是血管303上的贴片302的示例的示意性侧截面图,并生成多个光路350。贴片302以横截面示出,以示出沿一列设置的光电检测器320,其中五个LED 330a-e以基本相同的距离dr分开设置。所示的贴片302应用于血管303上方的皮肤301。当每个LED 330被激活时,LED 320与光电检测器320形成光路350。
每个光路被示为从每个LED 350发射并被光电检测器320接收的光。由每个LED350发射的光可以以基本上全向的模式或者以基本上指向光电检测器320的模式从LED分散。光路350被描绘成基本上香蕉形的图案,作为到达光电检测器320的光,而不是分散在其他方向的光。如图3所示,当LED330a发射光穿过皮肤下的组织并被光电检测器320接收时,形成光路350a。当LED 330b发射光穿过皮肤下的组织并被光电检测器320接收时,形成光路350b。当LED 330c发射光穿过皮肤下的组织并被光电检测器320接收时,形成光路350c。当LED 330d发射光穿过皮肤下的组织并被光电检测器320接收时,形成光路350d。当LED 330e发射光穿过皮肤下的组织并被光电检测器320接收时,形成光路350e。
注意,图3中的每个光路350可以被有序地照亮,并且一次一个光路,使得在光电检测器320处读取的强度读数对应于各个光路。沿着给定列的LED 330a-e问询光路350的序列。每列LED可以被称为光路通道。
图3中的示例描绘了具有五行LED 330a-e的贴片302。在示例实现中,由LED 330a和光电检测器320生成的光路350a可以具有比来自远离光电检测器的LED 330b-e的光路更高的强度。光路350a铺展的深度也是五个光路350中最浅的。光电检测器320和最远的LED330e之间的光路350e最深地铺展到血管303中,并在一定程度上铺展到血管303之下。最精确的读数可以从与血管重叠最多的光路中获得。对于给定的实现,可以提供LED和C个光电检测器的R×C矩阵来问询(interrogate)不同横截面积的血管。较小的血管可以用R×C光路的子集来问询。此外,LED和光电检测器的更大矩阵可以被设置在贴片上以问询更大的血管,但是被配置为使用更大矩阵的子集来问询更小的血管。
注意,在一些实施方式中,光路的通道可以包括与给定光电检测器形成光路的其他列中的LED。在这里描述的实施方式中,光路的通道包括与给定光电检测器对准的给定列中的LED。
图4A是贴片402的示例的示意性正面截面图,该贴片402基本上以血管403为中心,生成多个光路410a-c、412a-c和414a-c。该截面图描绘了间隔基本上相同距离dc的三个光电检测器,这些光电检测器从来自LED(未示出)的光路接收光。图4A从血管横截面的前视图描绘了光路410a-c、412a-c和414a-c。光路410a-c、412a-c、414a-c将通道410、412、414形成为与血管403的横截面重叠的基本上圆形的横截面。光路410、412、414由光电检测器感测的从LED发射的光、而不是被引导到别处的光形成。横截面与血管403的横截面重叠最多的通道代表与血管403中流动的血液相互作用最多的信号路径。这种光路可以提供最精确的测量值,根据这些测量值,可以确定血液的任何生物学指标。
在使用期间,在将系统配置为收集来自贴片402的光学数据之前,医务人员可以将贴片402放置在皮肤上。放置贴片402的目的是确保大多数通道的大部分横截面积与血管403的横截面重叠。典型地,当两个最外面的光电检测器之间的长度a的中心c1沿着垂直于两个最外面的光电检测器之间的线的线l2与血管的中心c2对齐时,实现这种最佳放置。最佳放置并不总能实现,并且贴片402可能经常被放置成使得血管的中心c2偏移了误差距离,如图4B所示。可以执行下面描述的进一步分析,以确定一个或多个最佳光路,从该一个或多个最佳光路可以获得度量测量,而不管从血管中心和光电检测器行中心之间的对准的偏移。
图5A是在R=5乘C=3(15)个LED(LEDrc)和C=3个光电检测器(PDc)之间具有多个光路OPrc的贴片502的示例的俯视示意图。在该示例中,贴片502位于血管501上,以问询血管501的血细胞比容浓度(Hct)。
在一个示例性实施方式中,光路OPrc由LED中的一个LED、即LEDrc的激活以及向与LEDrc同一列的光电检测器PDrc的输入形成。虽然图5B中描绘了处于开启状态的光路OPrc,但是在一段时间内的开启时段期间,可以一次一个地形成或开启光路。
参考图5B,当形成每个光路OPrc时,贴片502经由光电检测器PDrc在505接收原始强度信号。可以使用信号处理技术进一步处理原始强度信号,以消除噪声、提供压缩、执行滤波或其他信号处理技术。然后在520,原始强度值被用于计算AC和DC分量。
AC分量可以使用下式来确定:Irc,AC=f(Irc),其中f(Imr)是一阶或更高阶带通滤波器,其可以在特定实现中通过实验来确定。一个示例实现可以使用有限脉冲响应(FIR)带通滤波器来处理PPG信号。FIR滤波器的特定参数可以基于每个数据记录的检测到的心率进行调整,以便不管患者的心率如何都保持相同的波形特征,即使在健康的受试者中,患者的心率也可能与常人相差三倍。可以使用自相关算法来分析该处理后的波形,以识别各个心跳波形。波形的AC分量可以计算为这些心跳波形的平均幅度。
DC分量可以使用下式确定:对于在一段时间内收集的n个样本, 的平均值。可以计算AC和DC分量,用于在时间段内来自每个光路的强度值,该时间段足够长以包含至少一次心跳。该时间段可以构成可以重复任何期望时间量的循环。在一个示例实现中,贴片502包括加速度计,该加速度计传送指示佩戴贴片502的患者的运动的信号。运动信号可以在时间线上与AC和DC分量进行比较,以识别其值可能受运动影响的任何AC和DC分量。受运动影响的AC和DC分量可以被丢弃或者被相应地处理。
一旦在520确定了AC和DC分量,就在530确定每个光路的AC/DC分量比Rrc。AC/DC分量比在图5B的540中示出,作为对应于LED的R×C矩阵的矩阵。每列对应于与每个光电检测器相关联的列。AC/DC分量比的最顶上一行对应于由最靠近光电检测器行的那一行LED形成的光路。
一旦如图5B中的矩阵540所示确定了多个AC/DC分量比,AC/DC分量比就可以进一步进行彼此相除,或者与参考AC/DC分量比相除,以提供进一步分析经由光路接收的信号的框架。图5C示出了可用于进一步分析的替代RoR公式。在图5C中的550,图5B的矩阵540中每一行的AC/DC分量比除以图5B的矩阵540中AC/DC分量比的第一行的AC/DC分量比。在图5C的560,对应于每个较近的LED的光路的AC/DC分量比除以对应于第一行之后的下一个较近的LED的光路的AC/DC分量比,该第一行对应于与最近的LED对应的光路。针对与最近的LED对应的光路所确定的RoR是AC/DC分量比除以其自身,得到的值每个都是1,或都是100%。
图5C中的矩阵550和560仅仅是如何确定RoR的两个例子。可以实现确定RoR的其他方式,并且确定RoR的最佳方式可以取决于栅格的尺寸(行数和列数)、分量之间的距离(dr和dc)、被问询的血管的大致尺寸、PPG栅格中LED的波长以及其他因素。
在示例实现中,可以确定RoR阵列以用于如上所述的传递函数。可以使用回归分析技术从具有已知血液指标的血管测量出的参考RoR中导出传递函数。图6描绘了对应于示例PPG栅格上的LED和光电检测器位置的RoR值的两个曲线图。
参考图6,第一图表600描绘了对应于二维平面上的LED位置而绘制的垂直轴上的RoR值。二维平面在一个轴上具有列间距,在另一个轴上具有LED到光电检测器(PD)的间距。在第一图表600中,选择最靠近光电检测器行的那一行LED作为参考。例如,可以使用上面在图5C的矩阵550中示出的确定RoR的方法来确定在第一图表600中绘制的RoR值。
可以分析对应于第一图表600的数据,来选择一个RoR子集,以用于为该RoR子集配置的传递函数中。例如,传递函数可以被配置成例如基于被确定为最佳列的一列RoR中的RoR来确定血液指标Hct浓度。基于第一图表600中所示的示例,传递函数将被配置为在最佳列中使用多达五个RoR值。在其他实施方式中,传递函数可以具有不同数量的RoR值作为输入,这取决于LED和光电检测器的矩阵的大小(RxC)以及实施方式所需的复杂程度。
也可以分析RoR值来确定最优性。例如,可以分析使用上面参考图5B描述的技术确定的RoR值,以确定最佳光路或用于确定Hct的光路。在一个示例实现中,RoR值的最大值可以被认为对应于用于确定Hct的最佳光路列。在另一个例子中,RoR值可以用于确定最优光路,从该最优光路中选择AC/DC分量比以用于传递函数中。在这样的例子中,最佳光路可以对应于具有最高RoR值的光路。
传递函数也可以被配置为使用PPG栅格的所有RoR值。例如,RoR值可以作为离散值用在传递函数中。传递函数也可以对应于RoR值集的表面拟合。图6中的第二图表602描绘了相对于示例PPG栅格上的LED位置和光电检测器的、绘制为表面的RoR值。第二图表602示出了可能需要传递函数的数据模型,该传递函数将由RoR值定义的表面拟合到由参考数据定义的表面。因此,传递函数可以将定义该表面的系数(而不是整个RoR值集合)作为输入,从而降低传递函数的复杂性。可以与RoR值一起使用的传递函数可以根据计算的复杂性、相对于参考测量系统测量的性能、使用测量数据的质量加权的可能性以及所选技术能够适应不同PPG栅格的容易程度来选择。
以上参照图5A、5B和6的描述说明了从具有多个光源和光检测器的PPG栅格的光学测量值中导出的RoR值的计算和使用,其中光以单一波长发射。在测量Hct时,波长可以在光谱的红外区,因为红外信号是红外光与红细胞中血红蛋白相互作用的函数。可以基于组织与其他波长的光的相互作用来确定其他血液指标。对于其他血液指标,可以测量多个波长的光。
上述分析方法可以被结合用于使用多于一个波长的其他血液指标。例如,可以根据在两个波长中测量的光使用比率比分析来确定血液指标,例如SpO2。图7A是在示例贴片上的两个波长处形成的多个光路的另一示例的示意性俯视图,以及示出了用于确定两个不同波长处的AC/DC分量比的另一示例方法的操作的流程图。图7B-7D是流程图和矩阵,示出了用于确定两个波长的多个光路的比率比的方法的示例。参考图7A至7D描述的示例可以用于确定例如SpO2。
如图7A所示,贴片702可以包括一行光电检测器和从每个光电检测器成列铺展的多行LED对,每个LED对包括IR LED和红色LED。贴片702可以是图2C中的贴片202的示例。来自红色LED的原始强度值705和来自IR LED的原始强度值707可以以类似于上面参照图5A-5B所述的方式在跨越至少一个心跳周期的时间段期间的开启时段被接收。在710,来自对应于每个红色LED的每个光路的红色强度值705可以用于计算红色AC分量和红色DC分量。在712,来自对应于每个IR LED的每个光路的IR强度值707可以用于计算红外AC分量和红外DC分量。AC和DC分量可以以类似于上面参考图5A描述的方式计算。在714,可以根据对应于每个红色LED的光路的AC和DC值来确定红色AC/DC分量比。在716,可以根据对应于每个IR LED的光路的红外AC和DC值来确定红外AC/DC分量比。
参考图7B,在720,可以为每个红色光路确定红色AC/DC分量比,以在722导出一组比率。在730,可以为每个红色光路确定红外AC/DC分量比,以在732导出一组比率。参考图7C,可以对红色AC/DC分量比721和红外AC/DC分量比731进行除法以获得如740所示的复合RoR。在740的复合RoR是红色LED的AC/DC分量比除以IR LED的AC/DC分量比所得出的。
复合RoR可用于确定RoR值,用于分析。可以通过将第一行复合RoR除以其自身来将第一行复合RoR中的复合RoR用作参考,并且对应于更远离光电检测器放置的每个LED对的每一更远行复合RoR可以除以第一行中的复合RoR,如750所示。参考图7D,可以通过使用第一行复合RoR作为参考来确定另一组示例RoR值,如上所述,并将每一个下一更远行的复合RoR除以下一行更近的复合RoR,如760所示。然后,750或760中的RoR可以用于分析,以类似于上面参考图5A和5B所述的方式来选择RoR值用于传递函数中。
上面参考图5A-5C、图6和图7A-7D描述的比率比分析有利地允许更精确地确定诸如Hct和SpO2的生物指标。在示例实现中,比率比分析也可以用于确定与被问询的血管的几何特性相关的信息。
上面参考图1-7A和7B描述了用于通过分析从设置在贴片上的LED和光电检测器的矩阵接收的光学信号来确定血液指标的系统和方法的示例实现,该贴片附在患者的血管上。在光电检测器处接收的光学测量值被用于生成对应于由矩阵中的LED和光电检测器形成的光路的AC/DC分量比的矩阵。比率比分析可以是对传递函数的曲线拟合,用于提供诸如Hct、SpO2等血液指标。如上所述,可以通过将LED和光电检测器的矩阵放置在血管上来构建传递函数,以在血液指标水平已知的情况下执行分析。然后,基于从贴片上的LED和光电检测器矩阵接收的光学测量值的比率比分析,可以使用传递函数来确定血液指标。
LED和光电检测器矩阵的示例实现也可以用于跨行的比率比分析,以获得与血管的几何特性相关的信息,以及用于更精确的血液度量。图8A是流程图,示出了用于生成参考曲线关系、并对照参考曲线关系分析比率比集合以确定血管的几何特性的方法的示例的操作。在一个示例实现中,比率比集合的分析也可以用于测量血管中血流的血液指标。
参考曲线关系的生成可以作为贴片102(图1中)的校准或配置步骤来执行。参考曲线关系为在问询不同尺寸的血管时接收的光学测量值的曲线拟合比率比数据提供了选项。通过确保结果对应于信号和血液组织之间的更高程度的相互作用,提高了血液指标测量的准确度。
在图8A中的步骤802,可以为贴片102(图1)生成多个参考曲线关系。该步骤可以在部署之前作为一批贴片或单个贴片的配置步骤来执行。在一个示例性实施方式中,可以通过从多个血管收集光学测量值来配置贴片,每个血管具有不同尺寸。在配置过程中,可以将贴片放置到LED和光电检测器矩阵的中心列,该中心列直接位于穿过血管横截面中心的假想线上。例如,贴片居中于血管上和血管直径的确定可以在光学数据收集期间或基本上与光学数据收集同时使用成像技术来完成。用于生成参考曲线关系的光学测量可以使用任何合适的配置来执行。
如上所述,参考曲线关系允许光学测量值的处理主要作为光子和血液之间的相互作用。参考图3,光路350中的IR信号主要是IR能量与红细胞中血红蛋白的相互作用的函数。在血管附近,每个光通道的结果信号是光路和血管横截面积重叠的函数。这种关系可以表示为:
krcRrc,其中:
krc是光电检测器PDc和LEDrc之间光路的比例常数。
Rrc PDc和LEDrc的AC/DC比。
在确定血管几何形状的情况下,每个光路的比例常数旨在对由于几何形状和深度造成的强度差异的通道响应进行归一化。可以通过从血管半径之外取血管横截面的切片来取得近似的血管几何形状和深度。每个光学通道的比率比应该具有与光学通道和血管之间的重叠量相对应的大小。如果光学通道与血管完全重叠,则该光学通道的比率比的大小接近比率比的峰值。当光学通道穿过血管区域时,较少的光学通道与血管重叠。当血管宽度相对于共线通道(即穿过血管)的间距变化时,使用这种关系并计算光学通道的预期比率比,可以生成多条曲线,如下面参考图8B所述。
图8B中的曲线图830描绘了八个参考曲线关系,或参考曲线(曲线1至曲线8),每条参考曲线对应于血管直径与光学宽度直径的不同比率。也就是说,每条参考曲线代表光路面积和血管面积之间的相关性。在参考曲线上方,三个光电检测器850a、850b和850c指示叠加在曲线图上的三个光路OP1、OP2、OP3的端点。光电检测器850被放置成彼此相距距离dc(见图4A和4B)。距离dc对应于贴片上光电检测器之间的距离。
图8B中的曲线图830具有对应于相对于峰值RoR值832的百分比RoR的纵轴。图8B中曲线图830的水平轴是距离血管中心834的百分比直径。这些曲线基于血管直径的百分比,将相对于峰值的百分比RoR值与相对于离血管中心834的距离的每个光路的中心位置相关联。
峰值RoR值可以是为测量计算的RoR值,其中LED阵列的中心列与血管对齐,使得中心列的光路与血管的横截面完全重叠。参考曲线(曲线1至曲线8)可以根据从具有与血管对齐的中心列的阵列获得的测量值来绘制。绘制的每条曲线的RoR值可以对应于由一行中的LED形成的光路。可以通过将一行LED中每个光路的AC/DC分量比除以由给定行中的中心列的LED形成的光路的AC/DC分量比来确定RoR值。
注意,图8B中的曲线图830可以存储在存储器中作为包括对应于图8B所示曲线的数据元素和关系的数据结构。根据本公开中提供的描述,可以开发算法来处理光学测量值,并将其结合到系统中,而不需要借助于曲线图。可以结合机器学习、查找表和其他技术的算法可以被实现为存储在存储器中的软件程序,作为系统100(图1)的一部分,例如,如本文所述处理来自贴片102(图1)的光学测量值。
在生成图8B中的曲线时,如上所述,光学测量值被接收并处理光路。光学测量值用于确定每个光路的AC/DC分量。当中心列与血管对齐时,中心列(Rr2,对于每行r=1-5)中的LED的光路定义了RoR值。中间列中光路的AC/DC分量处于峰值AC/DC分量。相对于峰值的百分比RoR值将是100%。因此,在图8B中,对于曲线1至曲线8的每条曲线,RoR值相对于峰值的百分比是100%。
在图8A中的步骤804,现在通过如上参考图3和8B所述的参考曲线关系的构造而配置的贴片102(图1中)可以放置在血管上,以确定血管几何形状和/或血液指标。光学测量值可以如上所述作为强度值被接收,强度值可以用于确定每个光路的AC/DC分量比,如上面参考图5A-5C所述。例如,在步骤806,可以接收由贴片102(图1)上的LED和光电检测器的R×C矩阵形成的光路的强度测量值。在步骤808,原始强度值可以用于确定AC分量和DC分量,然后确定AC/DC分量的比。
曲线图830中的曲线跟踪了当光路远离血管中心时RoR值的变化。血管中心的RoR值将处于其峰值。当光路远离中心时,RoR值减小,因为光路较少的横截面与血管相交。如图8B所示,对应于两个外部光电检测器850a和850c的光路OP1和OP3仅部分地与血管833相交,如区域860和870所示。第一参考曲线、曲线1对应于曲线图800中测量的最大血管。随着光路远离血管的中心,RoR值降低得更慢,因为血管的更大面积允许光路的重叠以更慢的速率降低。因此,曲线1是八条曲线中最平坦的。在所示的例子中,曲线1对应于直径为光路宽度的163%的血管。随着光路远离血管中心,第二条曲线、曲线2和每个后续曲线下降得更快。血管直径与光路宽度的比率对应于图8A右侧图例中所示的每条曲线。
在步骤810,光路的AC/DC分量比用于计算跨行的RoR表。在下面的描述中,光学测量值被处理以生成如图8C中的RoR表880所示的一组RoR。可以处理在步骤808生成的类似于图5A中540的表的AC/DC分量的表,以生成图8C中的RoR表880。如上所述,图8C中的表880包括通过将光路矩阵(图5B中的540)的三列中的AC/DC分量比除以中心列中的AC/DC分量比(图5B中的540中的Rr2)而确定的RoR值。
注意,在步骤810,图8C中的RoR表880是使用中心列的AC/DC分量作为除数跨行计算得到的一组RoR。可选地,AC/DC分量表可以除以在配置期间使用已知血管直径和血液指标值所确定的峰值参考值。使用峰值参考AC/DC分量作为除数产生了图8C中的RoR表890。
在图8A中的步骤812,可以分析图8C中的RoR值的表880以确定最佳行,该最佳行可以对应于具有最高值的行。注意,可以使用确定最佳行的替代方法。例如,可以为每列确定所有行的加权平均值。三个加权平均RoR值可以与图8B中的曲线图830一起使用。
三个RoR值可以绘制在图8B的曲线图830中。在图8B中示为点840、842和814的点对应于与三个光电检测器820a-c对准的每个光路OP1、OP2、OP3的中心。在步骤814,三个点的位置可以与每个光路和中心列之间的距离相关。在步骤816,识别三个点的RoR曲线关系。三个RoR值840、842、844可以以曲线关系拟合到曲线845(穿过值840、842和844的虚线曲线),该曲线845可以与曲线图830中绘制的参考曲线(曲线1至曲线8)之一对齐或匹配。在步骤818,RoR曲线关系可以与参考曲线之一匹配。
注意,在实现过程中,中心RoR值842可能与对应于血管833中心的曲线峰值不匹配。这将表明光电检测器没有被放置成使得最外面的光电检测器之间的线的中心点没有与血管的中心对齐,如图8C中的H-偏移所示。曲线845的峰值847可能高于参考曲线(曲线1至曲线8)的峰值(相对于峰值为100%RoR),其在曲线图830中被指定为V-偏移。向侧面和向下移动绘制的点可以将曲线845与其中一条曲线对齐,或者在两条曲线之间对齐。
三个点840、842、844对齐的曲线对应于血管直径与光路的比率,该比率被表示为百分比,如图8B中的图例所示。当三个点840、842和844被移位时,三个点840、842和844与光电检测器850的对准使得中心列光电检测器与曲线的中心对准,从而将外部点840和844放置在距血管中心已知距离dc处(例如,在图4中)。这个已知的距离dc(例如,在图4中)可以与外部点与水平轴对齐的位置进行比较,dc是百分比。
在判定框820,计算出的数据(RoR表880或890)以及数据与来自曲线之一的参考曲线关系的匹配可用于确定血管的几何特性或计算血液指标。
一旦RoR点840、842、844位于水平轴上,就可以确定光路直径。此外,一旦点840、842和844与曲线之一相关联,血管直径与光路宽度的比率可用于确定血管的直径,该直径可用于确定血管的横截面积。
在步骤828,图8B示出了使用曲线(曲线1至曲线8)并将曲线与相对于RoR值曲线拟合的数据进行对准,以确定由LED-PD矩阵问询的血管的横截面积。以这种方式,对应于由LED矩阵中的LED-PD对形成的光路的RoR值和穿过被问询的血管的直径的光路的中心之间的曲线关系可以用于确定血管的横截面积。如上所述,通过对LED-PD矩阵测量的RoR值进行曲线拟合,并相对于多个参考曲线关系绘制曲线(可以使用具有不同血管直径的血管的参考测量来绘制该曲线)从而实现该比较。还可以使用查找表、执行算法曲线拟合、机器学习或其任意组合来执行RoR曲线关系与多个参考曲线关系的比较。
在步骤822至826,参考图8A和8B描述的分析可用于测量选定的血液指标。为了说明一个示例,一旦一组RoR值已经被曲线拟合并与参考曲线(曲线1至曲线8)之一对齐,在步骤822,测量的曲线的峰值RoR值可以与参考曲线峰值(100%处)进行比较以确定V-偏移。在步骤824,可以处理来自(例如)图5B中的表540的AC/DC分量,以生成基于中间列的RoR。在示例实现中,基于中间列的RoR可以是表550或表560,并且可以被配置为与血液指标的传递函数一起使用。在这个例子中,Hct浓度的传递函数可以在步骤826被定义为[Hct]=f(RoR_center_col),其中LED-PD矩阵被放置成使得中心列与被问询的血管对准。如果用于RoR测量的LED-PD矩阵没有与血管对齐,则通过曲线拟合被测量的RoR值得到的峰值RoR值可能大于100%。在这种情况下,RoR峰值将是x大于RoR中心列的100%。这些百分比可以在[Hct]=f(x*RoR_center_col)中进行比较和使用。
注意,参考图8A描述的示例涉及确定Hct浓度。类似的解决方案可用于确定其他血液指标。
示例性实施例
鉴于以上所述,用于监测血流指标和/或用于确定血管几何特性的系统和方法包括以下:
示例1:一种用于监测血流指标的系统,包括:
·柔性基底的贴片,其被配置为附着在血管上方的皮肤区域;
·设置在基底上以形成R×C矩阵的多个发光二极管(LED),以及设置在基底上的一行C个光电检测器(PD),该行C个光电检测器与R行LED基本平行,该R行LED铺展以形成与每个光电检测器基本共线的C列;
·光信号接口,其安装在基底上,并且被配置为在开启时段内驱动每个LED,并且在开启时段内在光电检测器之一处输入光信号,以接收光路OPrc的强度测量值,光路OPrc由行r=1至R、列c=1至C的LED和接收光信号的光电检测器形成;
·一种处理系统,包括用于存储程序指令的存储器,该程序指令由该处理系统执行以:
·根据一段时间内对于每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
·通过将第一组多个选定的AC/DC分量比除以第二组多个选定的AC/DC分量比来确定多个比率比,即RoR值;以及
·使用RoR值的至少一个子集来确定生物指标。
示例2:示例1的系统,其中处理系统被配置为通过将每一行AC/DC分量比中的AC/DC分量比除以对应于最靠近光电检测器行的最近LED行的光路的一行AC/DC分量比中的AC/DC分量比来确定多个RoR。
示例3:示例1的系统,其中处理系统被配置成:
·通过以下方式确定多个RoR:
·将对应于最靠近光电检测器行的最近LED行的光路的一行AC/DC分量比中的AC/DC分量比与自己相除;以及
·从第二行开始,将每一行中的AC/DC分量比除以下一更远行中的AC/DC分量比。
示例4:示例1的系统,其中:
·多个LED是发射红外光的多个红外(IR)LED;
·处理系统的存储器包括由处理系统执行的程序指令,以:
·在使用RoR值的至少一个子集来确定生物指标时,生物指标是血细胞比容浓度Hct,使用以下公式来确定:
·Hct=F(RoR′),其中F是传递函数,其基于根据使用参考血细胞比容测量系统测量的多个参考RoR值确定的参考血细胞比容浓度,将RoR值的范围与血细胞比容浓度值的范围相关联,并且其中RoR’是RoR值的至少一个子集。
示例5:示例4的系统,其中RoR值的子集包括对应于一列LED的RoR值。
示例6:示例4的系统,其中RoR值的子集包括通过识别最大RoR值而选择的RoR值。
示例7:示例4的系统,其中RoR’值包括对应于所有RxC个LED的一组RoR值。
示例8:示例4的系统,其中RoR’值包括对应于所有RxC个LED的一组RoR值,并且处理系统被配置为根据传递函数来对RoR’值进行表面拟合。
示例9:示例4的系统,其中传递函数F将二阶多项式拟合到RoR’值,以确定血细胞比容浓度。
示例10:示例8的系统,其中在测量强度之前,使用公式Hct=aR2+bR+c来确定传递函数F,其中根据R=RoR的参考值来确定参数a、b和c,以确定Hct的已知值。
示例11:示例1的系统,其中:
·多个LED是多个红外(IR)LED,用于发射第一波长的红外光,该系统还包括多个红色LED,用于发射第二波长的红光,
·其中多个红色LED中的每一个被设置在基底上,与R×C矩阵中的多个IR LED中的每一个相邻,
·其中光信号接口被配置为独立地驱动每个IR LED和每个红色LED,以形成独立的IR光路和红色光路,OPIR,r,c和OPred,r,c,
·其中处理系统被配置成通过以下方式测量氧饱和度度量:
·在一段时间内接收对应于光路OPred,r,c的多个红色强度测量值Ired,rc和对应于光路OPIR,r,c的多个IR强度测量值IIR,rc,以接收每个波长下每个光路的多个强度测量值;
·根据在一段时间内每个红色光路OPred,rc的多个强度测量值Irc确定红色AC分量Ired,rc,AC和红色DC分量Ired,rc,DC;
·根据在一段时间内每个IR光路OPIR,rc的多个强度测量值Irc确定IR AC分量IIR,rc,AC和IR DC分量IIR,rc,DC;
·通过将红色或IR AC/DC分量比中的每一个除以IR或红色AC/DC分量比中的每一个,直到所有的红色和IR AC/DC分量都被合并,来确定多个复合比率比;
·通过将第一组多个选定的复合比率比除以第二组多个选定的复合比率比来确定多个比率比,即RoR值;以及
·使用RoR值的至少一个子集来确定生物指标。
示例12:示例11的系统,其中RoR值的至少一个子集用于根据公式SpO2=F(RoR′)确定氧饱和度SpO2,其中F是基于参考氧饱和度将RoR值的范围与氧饱和度值的范围相关联的传递函数,参考氧饱和浓度是根据使用参考氧饱和测量系统测量的RoR值的至少一个子集所确定的。
示例13:示例12的系统,其中传递函数F将二阶多项式拟合到RoR’值,以确定氧饱和浓度。
示例14:示例13的系统,其中在测量强度之前,使用公式SpO2=aR2+bR+c来确定传递函数F,其中根据R=RoR的参考值来确定参数a、b和c,以确定SpO2的已知值。
示例15:示例1的系统,其中贴片包括安装在基底上的通信接口,该通信接口被配置为将多个强度传送到在一个或多个联网的计算设备上运行的处理系统。
示例16:示例1的系统,其中贴片包括安装在贴片的基底上的处理系统和被配置为通过网络传送生物指标的通信接口。
示例17:一种用于确定血管几何特性的系统,包括:
·柔性基底的贴片,其被配置为附在血管上方的皮肤区域;
·设置在基底上以形成R×C矩阵的多个发光二极管(LED),以及设置在基底上的一行C个光电检测器(PD),该行C个光电检测器与R行LED基本平行,该R行LED铺展以形成与每个光电检测器基本共线的C列;
·光信号接口,其安装在基底上,并且被配置为在开启时段内驱动每个LED,并且在开启时段内在光电检测器之一处输入光信号,以接收光路OPrc的强度测量值,该光路OPrc由行r=1至R、列c=1至C中的LED和接收光信号的光电检测器形成;
·处理系统,包括用于存储程序指令的存储器,该程序指令由该处理系统执行以:
·根据一段时间内接收的每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
·通过将每行中的每个AC/DC分量比除以高参考AC/DC分量比直到至少一行AC/DC分量比被合并到多个比率比中,来确定多个比率比;
·识别对应于与血管相交最多的一行光路的比率比最佳行;
·将最佳行中的每个比率比与相应比率比的光路和中心列之间的距离相关联;
·确定比率比最佳行的RoR曲线关系;
·将RoR曲线关系与对应于具有已知血管直径的参考血管的参考曲线关系进行比较,参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的百分比率,其中每个值对应于参考血管的中心和对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定参考曲线关系时,R×C矩阵的中心列位于参考血管上方的中心;以及
·根据参考曲线关系的已知血管直径确定血管的横截面积。
示例18:示例17的系统,其中识别最佳行包括计算每列中RoR值的加权平均值,并且使用加权平均RoR值作为最佳行中的RoR。
示例19:示例17的系统,其中在将RoR曲线关系与多个参考曲线关系进行比较时,确定RoR曲线关系和参考曲线关系之间的偏移,该偏移对应于R×C矩阵的中心列和由参考曲线关系中的峰值位置指示的血管中心之间的距离。
示例20:示例17的系统,其中参考曲线关系是多个曲线关系中的一个,每个曲线关系对应于具有已知血管直径的参考血管,其中每个参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的参考百分比率,其中每个值对应于参考血管的中心和对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定多个参考曲线关系时,R×C矩阵的中心列位于每个参考血管上方的中心,其中处理器被配置成存储多个参考曲线关系。
示例21:示例17的系统,其中在确定多个比率比时,高参考AC/DC分量比是峰值参考AC/DC分量比。
示例22:示例17的系统,其中RoR曲线关系与参考曲线关系的比较包括使用查找表、执行算法曲线拟合、机器学习或其任意组合。
示例23:一种用于监测血流指标的系统,包括:
·柔性基底的贴片,其被配置为附在血管上方的皮肤区域;
·设置在基底上以形成R×C矩阵的多个发光二极管(LED),以及设置在基底上的一行C个光电检测器(PD),该行C个光电检测器与R行LED基本平行,该R行LED铺展以形成与每个光电检测器基本共线的C列;
·光信号接口,其安装在基底上,并且被配置为在开启时段内驱动每个LED,并且在开启时段内在光电检测器之一处输入光信号,以接收光路OPrc的强度测量值,该光路OPrc由行r=1至R、列c=1至C的LED和接收光信号的光电检测器形成;
·一种处理系统,包括用于存储程序指令的存储器,该程序指令由该处理系统执行以:
·根据一段时间内接收的每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
·通过将每行中的每个AC/DC分量比除以高参考AC/DC分量比直到至少一行AC/DC分量比被合并到第一组多个比率比中,来确定第一组多个比率比;
·识别对应于与血管相交最多的一行光路的比率比最佳行;
·将最佳行中的每个比率比与相应比率比的光路和中心列之间的距离相关联;
·识别比率比最佳行的RoR曲线关系;
·将RoR曲线关系与对应于具有已知血管直径的参考血管的参考曲线关系进行比较,参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的百分比率,其中每个值对应于参考血管的中心与对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定参考曲线关系时,R×C矩阵的中心列位于参考血管上方的中心;
·确定RoR曲线关系的RoR峰值和参考曲线关系的参考峰值之间的偏移;
·识别高于参考曲线关系的峰值参考RoR的RoR曲线关系的峰值RoR,并将RoR校正因子确定为RoR曲线关系的峰值RoR相对于峰值参考AC/DC分量比的百分比RoR;以及
·通过将每行中的每个AC/DC分量比除以其他行中的AC/DC分量比来确定第二组多个比率比,以确定第二组多个RoR的中心列的RoR,其中在传递函数中将RoR校正因子与第二组多个RoR的中心列的RoR一起使用,以确定血液指标。
示例24:示例23的系统,其中参考曲线关系是多个曲线关系中的一个,每个曲线关系对应于具有已知血管直径的参考血管,其中每个参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的参考百分比率,其中每个值对应于参考血管的中心和对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定多个参考曲线关系时,R×C矩阵的中心列位于每个参考血管上方的中心,其中处理器被配置成存储多个参考曲线关系。
示例25:示例23的系统,其中在确定多个比率比时,高参考AC/DC分量比是峰值参考AC/DC分量比。
示例26:示例23的系统,其中每行的中心列中的光路的AC/DC分量比。
示例27:示例23的系统,其中RoR曲线关系与参考曲线关系的比较包括使用查找表、执行算法曲线拟合、机器学习或其任意组合。
示例28:一种用于监测血流指标的方法,包括:
·按顺序驱动R×C个发光二极管(LED)中的至少一个持续一个开启时段,该R×C个LED在设置于血管上方的贴片的基底上沿C列和R行设置;
·在每个开启时段内从C个光电检测器中的至少一个接收多个强度测量值,每个LED和光电检测器在开启时段内操作,形成光路,其中C个光电检测器沿着与R行LED平行的光电检测器行设置,每个光电检测器限定从光电检测器铺展的C列LED;
·根据一段时间内每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
·通过将第一组多个选定的AC/DC分量比除以第二组多个选定的AC/DC分量比来确定多个比率比,即RoR值;以及
·使用RoR值的至少一个子集来确定生物指标。
示例29:示例28的方法,其中:
·多个LED是发射红外波长的光的多个红外(IR)LED;
·该方法包括:
·在使用RoR值的至少一个子集来确定生物指标时,生物指标是血细胞比容浓度Hct,使用以下公式来确定:
·Hct=F(RoR′),其中F是基于参考血细胞比容浓度将RoR值的范围与血细胞比容浓度值的范围相关联的传递函数,该参考血细胞比容浓度是根据使用参考血细胞比容测量系统测量的多个参考RoR值确定的,并且其中RoR’是RoR值的至少一个子集。
示例30:示例29的方法,其中传递函数F将二阶多项式拟合到RoR’值,以确定血细胞比容浓度。
示例31:示例30的方法,其中在测量强度之前,该方法包括使用Hct=aR2+bR+c确定传递函数F,其中根据R=RoR的参考值确定参数a、b和c,以确定Hct的已知值。
示例32:示例28的方法,其中:
·多个LED是多个红外(IR)LED,用于发射第一波长的红外光,该系统还包括多个红色LED,用于发射第二波长的红光,
·其中多个红色LED中的每一个被设置在基底上,与R×C矩阵中的多个IR LED中的每一个相邻,
·其中光信号接口被配置为独立地驱动每个IR LED和每个红色LED以形成独立的IR光路和红色光路,OPIR,r,c和OPred,r,c,
·其中该方法还包括通过以下步骤测量氧饱和度指标:
·在一段时间内接收对应于光路OPred,rc的多个红色强度测量值Ired,rc和对应于光路OPIR,rc的多个IR强度测量值IIR,rc,以接收每个波长的每个光路的多个强度测量值;
·根据一段时间内每个红色光路OPred,rc的多个强度测量值Irc确定红色AC分量Ired,rc,AC和红色DC分量Ired,rc,DC;
·根据一段时间内每个IR光路OPIR,rc的多个强度测量值Irc确定IR AC分量IIR,rc,AC和IR DC分量IIR,rc,DC;
·通过将红色或IR AC/DC分量比中的每一个除以IR或红色AC/DC分量比中的每一个直到所有红色或IR AC/DC分量都被合并,来确定多个复合比率比;
·通过将第一组多个选定的复合比率除以第二组多个选定的复合比率来确定多个比率比,即RoR值;以及
·使用RoR值的至少一个子集来确定生物指标。
示例33:示例28的方法,其中RoR值的至少一个子集用于根据公式SpO2=F(RoR′)来确定氧饱和度SpO2,其中F是传递函数,其基于参考氧饱和度浓度,将RoR值的范围与氧饱和度值的范围相关联,参考氧饱和度浓度是根据使用参考氧饱和度测量系统测量的RoR值的至少一个子集确定的。
示例34:示例33的方法,其中传递函数F将二阶多项式拟合到RoR’值,以确定氧饱和浓度。
示例35:示例33的方法,其中在测量强度之前,该方法包括使用SpO2=aR2+bR+c来确定传递函数F,其中参数a、b和c是根据R=RoR的参考值而确定,以确定SpO2的已知值。
示例36:一种用于确定血管的几何特性的方法,包括:
·按顺序驱动个发光二极管(LED)中的至少一个持续一个开启时段,这些RxC LED在设置于血管上方的贴片的基底上沿C列和R行设置;
·在每个开启时段从C个光电检测器中的至少一个接收多个强度测量值,每个LED和光电检测器在开启时段内操作,形成光路,其中C个光电探测器沿着与R行LED平行的光电检测器行设置,每个光电检测器限定从光电检测器铺展的C列LED;
·根据一段时间内接收的每个光路的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
·通过将每行中的每个AC/DC分量比除以高参考AC/DC分量比直到至少一行AC/DC分量比被合并于多个比率比中,来确定多个比率比;
·识别对应于与血管相交最多的一行光路的比率比最佳行;
·将最佳行中的每个比率比与相应比率比的光路和中心列之间的距离相关联;
·识别比率比最佳行的RoR曲线关系;
·将RoR曲线关系与对应于具有已知血管直径的参考血管的参考曲线关系进行比较,参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的百分比率,其中每个值对应于参考血管的中心与对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定参考曲线关系时,R×C矩阵的中心列位于参考血管上方的中心;以及
·根据参考曲线关系的已知血管直径确定血管的横截面积。
示例37:示例36的系统,其中识别最佳行包括计算每列中RoR值的加权平均值,并使用加权平均RoR值作为最佳行中的RoR。
示例38:示例36的方法,其中在将RoR曲线关系与多个参考曲线关系进行比较时,确定RoR曲线关系和参考曲线关系之间的偏移,该偏移对应于R×C矩阵的中心列和由参考曲线关系中的峰值位置指示的血管中心之间的距离。
示例39:示例36的方法,其中参考曲线关系是多个曲线关系中的一个,每个曲线关系对应于具有已知血管直径的参考血管,其中每个参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的参考百分比率,其中每个值对应于参考血管的中心和对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定多个参考曲线关系时,R×C矩阵的中心列位于每个参考血管上方的中心,该方法还存储多个参考曲线关系。
示例40:示例37的方法,其中在确定多个比率比时,高参考AC/DC分量比是峰值参考AC/DC分量比。
示例41:示例37的方法,其中RoR曲线关系与参考曲线关系的比较包括使用查找表、执行算法曲线拟合、机器学习或其任意组合。
示例42:一种用于监测血流指标的方法,包括在一个开启时段内按顺序驱动个发光二极管(LED)中的至少一个,该个LED在放置于血管上方的贴片的基底上沿C列和R行设置;
·在每个开启时段内从C个光电检测器中的至少一个接收多个强度测量值,每个LED和光电检测器在开启时段内操作,形成光路,其中C个光电检测器沿着与R行LED平行的光电检测器行设置,每个光电检测器限定从光电检测器铺展的C列LED;
·根据一段时间内接收的每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
·通过将每行中的每个AC/DC分量比除以高参考AC/DC分量比直到至少一行AC/DC分量比被合并到第一组多个比率比中,来确定第一组多个比率比;
·识别对应于与血管相交最多的一行光路的比率比最佳行;
·将最佳行中的每个比率比与相应比率比的光路和中心列之间的距离相关联;
·识别比率比最佳行的RoR曲线关系;
·将RoR曲线关系与对应于具有已知血管直径的参考血管的参考曲线关系进行比较,参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的百分比率,其中每个值对应于参考血管的中心与对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定参考曲线关系时,R×C矩阵的中心列位于参考血管上方的中心;
·确定RoR曲线关系的RoR峰值和参考曲线关系的参考峰值之间的偏移;
·识别高于参考曲线关系的峰值参考RoR的RoR曲线关系的峰值RoR,并将RoR校正因子确定为RoR曲线关系的峰值RoR相对于峰值参考AC/DC分量比的百分比RoR;以及
·通过将每行中的每个AC/DC分量比除以其他行中的AC/DC分量比来确定第二组多个比率比,以确定第二组多个RoR的中心列的RoR,其中在传递函数中将RoR校正因子与第二组多个RoR的中心列的RoR一起使用,以确定血液指标。
示例43:示例42的系统,其中识别最佳行包括计算每列中RoR值的加权平均值,并且使用加权平均RoR值作为最佳行中的RoR。
示例44:示例42的方法,其中参考曲线关系是多个曲线关系中的一个,每个曲线关系对应于具有已知血管直径的参考血管,其中每个参考曲线关系包括AC/DC分量比(参考RoR)相对于峰值参考AC/DC分量比的参考百分比率,其中每个值对应于参考血管的中心和对应于每个参考RoR值的参考光路的参考光路中心之间的距离,其中参考光路由R×C矩阵形成,该矩阵被放置成使得当测量强度以确定多个参考曲线关系时,R×C矩阵的中心列位于每个参考血管上方的中心,该方法还包括存储多个参考曲线关系。
示例45:示例42的方法,其中在确定多个比率比时,高参考AC/DC分量比是峰值参考AC/DC分量比。
示例46:示例42的方法,其中每行的中心列中的光路的AC/DC分量比。
示例47:示例42的方法,其中RoR曲线关系与参考曲线关系的比较包括使用查找表、执行算法曲线拟合、机器学习或其任意组合。
本文提供的公开内容描述了其优选和示例性实施例的特征。通过阅读本公开,本领域普通技术人员将会想到在所附权利要求的范围和精神内的许多其他实施例、修改和变化。
Claims (15)
1.一种用于监测血流指标的系统,包括:
柔性基底的贴片,其被配置为附在血管上方的皮肤区域;
排列在基底上以形成RxC矩阵的多个发光二极管(LED),以及设置在基底上的一行C个光电检测器(PD),所述一行C个光电检测器与R行LED基本平行,所述R行LED铺展以形成与每个光电检测器基本共线的C列;
光信号接口,其安装在所述基底上,并且被配置为在开启时段内驱动每个LED,并且在所述开启时段内在所述光电检测器之一处输入光信号,以接收光路OPrc的强度测量值,所述OPrc由行r=1至R、列c=1至C的LED和接收光信号的光电检测器形成;
处理系统,包括用于存储程序指令的存储器,所述程序指令由所述处理系统执行以:
根据一段时间内每个光路OPrc的多个强度测量值Irc确定AC分量Irc,AC和DC分量Irc,DC;
通过将第一组多个选定的AC/DC分量比除以第二组多个选定的AC/DC分量比来确定多个比率比,即RoR值;以及
使用RoR值的至少一个子集来确定生物指标。
2.根据权利要求1所述的系统,其中所述处理系统被配置为:
通过将每一行AC/DC分量比中的AC/DC分量比除以对应于最靠近光电检测器行的最近LED行的光路的一行AC/DC分量比中的AC/DC分量比来确定多个RoR。
3.根据权利要求1所述的系统,其中所述处理系统被配置为:
通过以下方式确定多个RoR:
将对应于最靠近光电检测器行的最近LED行的光路的一行AC/DC分量比中的AC/DC分量比与自己相除;以及
从第二行开始,将每一行中的AC/DC分量比除以下一更远行AC/DC分量比中的AC/DC分量比。
4.根据权利要求1所述的系统,其中:
多个LED是发射红外光的多个红外(IR)LED;
所述处理系统的存储器包括由处理系统执行的程序指令,以:
在使用RoR值的至少一个子集来确定生物指标时,生物指标是血细胞比容浓度Hct,使用以下公式来确定:
Hct=F(RoR′),其中F是传递函数,其基于根据使用参考血细胞比容测量系统测量的多个参考RoR值确定的参考血细胞比容浓度,将RoR值的范围与血细胞比容浓度值的范围相关联,并且其中RoR’是RoR值的至少一个子集。
5.根据权利要求4所述的系统,其中所述RoR值的子集包括对应于一列LED的RoR值。
6.根据权利要求4所述的系统,其中:
所述RoR’值包括对应于所有RxC个LED的一组RoR值。
7.根据权利要求4所述的系统,其中所述RoR’值包括对应于所有RxC个LED的一组RoR值,并且所述处理系统被配置为:
根据所述传递函数对RoR’值进行表面拟合。
8.根据权利要求4所述的系统,其中,所述传递函数F将二阶多项式拟合到所述RoR’值,以确定所述血细胞比容浓度。
9.根据权利要求8所述的系统,其中在测量强度之前,使用公式Hct=aR2+bR+c来确定所述传递函数F,其中根据R=RoR的参考值来确定参数a、b和c,以确定Hct的已知值。
10.根据权利要求1所述的系统,其中:
所述多个LED是多个红外(IR)LED,用于发射第一波长的红外光,所述系统还包括多个红色LED,用于发射第二波长的红光;
其中所述多个红色LED中的每一个被设置在基底上,与R×C矩阵中的多个IR LED中的每一个相邻;
其中所述光信号接口被配置为独立地驱动每个IR LED和每个红色LED,以形成独立的IR光路和红色光路,OPIR,r,c和OPred,r,c;
其中所述处理系统被配置成通过以下方式测量氧饱和度度量:
在一段时间内接收对应于所述光路OPred,rc的多个红色强度测量值Ired,rc和对应于光路OPIR,rc的多个IR强度测量值IIR,rc,以接收每个波长下每个光路的多个强度测量值;
根据在一段时间内每个红色光路OPred,rc的多个强度测量值Irc确定红色AC分量Ired,rc,AC和红色DC分量Ired,rc,DC;
根据在一段时间内每个IR光路OPIR,rc的多个强度测量值Irc确定IR AC分量IIR,rc,AC和IRDC分量IIR,rc,DC;
通过将红色或IR AC/DC分量比中的每一个除以IR或红色AC/DC分量比中的每一个直到所有的红色和IR AC/DC分量都被合并,来确定多个复合比率比;
通过将第一组多个选定的复合比率比除以第二组多个选定的复合比率比来确定多个比率比,即RoR值;以及
使用RoR值的至少一个子集来确定生物指标。
11.根据权利要求11所述的系统,其中所述RoR值的至少一个子集用于根据下式确定氧饱和度SpO2:
SpO2=F(RoR′),其中F是基于参考氧饱和浓度将RoR值的范围与氧饱和值的范围相关联的传递函数,所述参考氧饱和浓度是根据使用参考氧饱和测量系统测量的RoR值的至少一个子集所确定的。
12.根据权利要求12所述的系统,其中所述传递函数F将二阶多项式拟合到RoR’值,以确定所述氧饱和浓度。
13.根据权利要求13所述的系统,其中,在测量强度之前,使用公式SpO2=aR2+bR+c来确定所述传递函数F,其中,根据R=RoR的参考值来确定参数a、b和c,以确定SpO2的已知值。
14.根据权利要求1所述的系统,其中所述贴片包括安装在所述基底上的通信接口,所述通信接口被配置为将所述多个强度传送到在一个或多个联网的计算设备上运行的处理系统。
15.根据权利要求1所述的系统,其中所述贴片包括安装在所述贴片的基底上的处理系统和被配置为通过网络传送生物指标的通信接口。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2021/026763 WO2022220784A1 (en) | 2021-04-11 | 2021-04-11 | Systems and methods for measuring biological metrics and blood vessel geometry using a multiple optical path photoplethysmography device |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116348032A true CN116348032A (zh) | 2023-06-27 |
CN116348032B CN116348032B (zh) | 2024-04-26 |
Family
ID=83639892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180017039.2A Active CN116348032B (zh) | 2021-04-11 | 2021-04-11 | 使用多光路光电体积描记设备测量生物指标和血管几何形状的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11937906B2 (zh) |
EP (1) | EP4096512A4 (zh) |
JP (1) | JP7368028B2 (zh) |
CN (1) | CN116348032B (zh) |
AU (2) | AU2021404854B2 (zh) |
CA (1) | CA3168046A1 (zh) |
WO (1) | WO2022220784A1 (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1322216A1 (en) * | 2000-10-05 | 2003-07-02 | Cybro Medical Ltd. | A pulse oximeter and a method of its operation |
US8423105B2 (en) * | 2005-04-18 | 2013-04-16 | Imec | Sensor for eliminating undesired components and measurements method using said sensor |
JP2015173698A (ja) * | 2014-03-13 | 2015-10-05 | セイコーエプソン株式会社 | 光検出ユニット及び生体情報検出装置 |
CN105796070A (zh) * | 2015-01-21 | 2016-07-27 | 三星电子株式会社 | 用于检测活体的生物计量信息的设备 |
US20170014081A1 (en) * | 2014-04-03 | 2017-01-19 | Koninklijke Philips N.V. | Monitoring device and method for compensating non-linearity effects in vital signs monitoring |
CN106691406A (zh) * | 2017-01-05 | 2017-05-24 | 大连理工大学 | 一种基于单探头光电容积脉搏波的血管弹性和血压的检测方法 |
CN106901703A (zh) * | 2015-12-10 | 2017-06-30 | 飞比特公司 | 光学生物参数传感器中的光场管理 |
CN107847158A (zh) * | 2015-03-31 | 2018-03-27 | 深圳市长桑技术有限公司 | 用于生理参数监测的系统和方法 |
CN109195510A (zh) * | 2016-04-29 | 2019-01-11 | 飞比特公司 | 多信道光电容积脉搏波传感器 |
CN110944575A (zh) * | 2017-04-14 | 2020-03-31 | 加州大学董事会 | 通过使用相干光源进行生物组织询问的非侵入式血液动力学评估 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5277181A (en) | 1991-12-12 | 1994-01-11 | Vivascan Corporation | Noninvasive measurement of hematocrit and hemoglobin content by differential optical analysis |
JP3464697B2 (ja) * | 1993-12-21 | 2003-11-10 | 興和株式会社 | 酸素飽和度測定装置 |
JP3725156B2 (ja) * | 1995-01-03 | 2005-12-07 | ノン−インヴェイシヴ テクノロジイ,インク. | 生物組織の生体内検査用の光学カプラ |
US20100030040A1 (en) * | 2008-08-04 | 2010-02-04 | Masimo Laboratories, Inc. | Multi-stream data collection system for noninvasive measurement of blood constituents |
CN102413761B (zh) | 2009-04-30 | 2014-06-04 | 株式会社村田制作所 | 生物传感器装置 |
US9649055B2 (en) * | 2012-03-30 | 2017-05-16 | General Electric Company | System and methods for physiological monitoring |
EP3013217B1 (de) * | 2014-01-07 | 2017-02-22 | Opsolution GmbH | Vorrichtung und verfahren zur bestimmung einer konzentration in einer probe |
WO2018064211A1 (en) * | 2016-09-27 | 2018-04-05 | Spry Health, Inc. | Systems and methods for biological metrics measurement |
EP3554366A4 (en) | 2016-12-15 | 2020-09-02 | Rhythm Diagnostic Systems Inc. | HEALTH MONITORING SYSTEMS AND METHODS |
WO2019226692A1 (en) * | 2018-05-21 | 2019-11-28 | The Regents Of The University Of California | Printed all-organic reflectance oximeter array |
-
2021
- 2021-04-11 EP EP21908086.8A patent/EP4096512A4/en active Pending
- 2021-04-11 CA CA3168046A patent/CA3168046A1/en active Pending
- 2021-04-11 US US17/801,506 patent/US11937906B2/en active Active
- 2021-04-11 CN CN202180017039.2A patent/CN116348032B/zh active Active
- 2021-04-11 AU AU2021404854A patent/AU2021404854B2/en active Active
- 2021-04-11 JP JP2022555101A patent/JP7368028B2/ja active Active
- 2021-04-11 WO PCT/US2021/026763 patent/WO2022220784A1/en active Application Filing
-
2023
- 2023-04-30 AU AU2023202645A patent/AU2023202645A1/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1322216A1 (en) * | 2000-10-05 | 2003-07-02 | Cybro Medical Ltd. | A pulse oximeter and a method of its operation |
US8423105B2 (en) * | 2005-04-18 | 2013-04-16 | Imec | Sensor for eliminating undesired components and measurements method using said sensor |
JP2015173698A (ja) * | 2014-03-13 | 2015-10-05 | セイコーエプソン株式会社 | 光検出ユニット及び生体情報検出装置 |
US20170014081A1 (en) * | 2014-04-03 | 2017-01-19 | Koninklijke Philips N.V. | Monitoring device and method for compensating non-linearity effects in vital signs monitoring |
CN105796070A (zh) * | 2015-01-21 | 2016-07-27 | 三星电子株式会社 | 用于检测活体的生物计量信息的设备 |
CN107847158A (zh) * | 2015-03-31 | 2018-03-27 | 深圳市长桑技术有限公司 | 用于生理参数监测的系统和方法 |
CN106901703A (zh) * | 2015-12-10 | 2017-06-30 | 飞比特公司 | 光学生物参数传感器中的光场管理 |
CN109195510A (zh) * | 2016-04-29 | 2019-01-11 | 飞比特公司 | 多信道光电容积脉搏波传感器 |
CN106691406A (zh) * | 2017-01-05 | 2017-05-24 | 大连理工大学 | 一种基于单探头光电容积脉搏波的血管弹性和血压的检测方法 |
CN110944575A (zh) * | 2017-04-14 | 2020-03-31 | 加州大学董事会 | 通过使用相干光源进行生物组织询问的非侵入式血液动力学评估 |
Also Published As
Publication number | Publication date |
---|---|
WO2022220784A1 (en) | 2022-10-20 |
AU2021404854A1 (en) | 2022-11-03 |
JP2023518929A (ja) | 2023-05-09 |
CA3168046A1 (en) | 2022-10-11 |
CN116348032B (zh) | 2024-04-26 |
US11937906B2 (en) | 2024-03-26 |
EP4096512A1 (en) | 2022-12-07 |
EP4096512A4 (en) | 2023-11-01 |
US20240016403A1 (en) | 2024-01-18 |
JP7368028B2 (ja) | 2023-10-24 |
AU2023202645A1 (en) | 2023-05-18 |
AU2021404854B2 (en) | 2023-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8694067B2 (en) | Sensor, apparatus and method for non-invasively monitoring blood characteristics of a subject | |
US8406865B2 (en) | Bioimpedance system and sensor and technique for using the same | |
US8777867B2 (en) | Detection of oximetry sensor sites based on waveform characteristics | |
US8977348B2 (en) | Systems and methods for determining cardiac output | |
US7606606B2 (en) | Patient monitoring device with multiple sensors | |
KR102033914B1 (ko) | 혈당 측정방법 및 이를 이용한 인체착용형 혈당 측정장치 | |
JP2013510678A (ja) | 複合型生理学的センサのシステムおよび方法 | |
CN111683597A (zh) | 用于非侵入式地监测血红蛋白的系统和方法 | |
US20100249550A1 (en) | Method And Apparatus For Optical Filtering Of A Broadband Emitter In A Medical Sensor | |
US8983566B2 (en) | System and method for facilitating sensor and monitor communication | |
US20140187883A1 (en) | Systems and methods for ensemble averaging in pulse oximetry | |
US20220039705A1 (en) | System and method for non-invasive monitoring of hematocrit concentration | |
US20100249551A1 (en) | System And Method For Generating Corrective Actions Correlated To Medical Sensor Errors | |
US11219376B2 (en) | Identifying anomalous autoregulation state values | |
CN106264555B (zh) | 血糖检测仪 | |
CN116348032B (zh) | 使用多光路光电体积描记设备测量生物指标和血管几何形状的系统和方法 | |
US20140187884A1 (en) | Systems and methods for ensemble averaging in pulse oximetry | |
US20090171172A1 (en) | Method and system for pulse gating |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |