CN116997975A - 多种部分冗余的生物识别感测装置 - Google Patents
多种部分冗余的生物识别感测装置 Download PDFInfo
- Publication number
- CN116997975A CN116997975A CN202180077329.6A CN202180077329A CN116997975A CN 116997975 A CN116997975 A CN 116997975A CN 202180077329 A CN202180077329 A CN 202180077329A CN 116997975 A CN116997975 A CN 116997975A
- Authority
- CN
- China
- Prior art keywords
- physiological
- sensor
- data
- user
- devices
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 151
- 238000004891 communication Methods 0.000 claims description 113
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 62
- 238000013186 photoplethysmography Methods 0.000 claims description 36
- 230000000694 effects Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 33
- 210000003414 extremity Anatomy 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 30
- 210000003205 muscle Anatomy 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 26
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 24
- 239000008103 glucose Substances 0.000 claims description 24
- 230000036772 blood pressure Effects 0.000 claims description 23
- 230000003287 optical effect Effects 0.000 claims description 22
- 210000004556 brain Anatomy 0.000 claims description 21
- 210000000613 ear canal Anatomy 0.000 claims description 21
- 230000004962 physiological condition Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 18
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 17
- 229910052760 oxygen Inorganic materials 0.000 claims description 17
- 239000001301 oxygen Substances 0.000 claims description 17
- 230000002123 temporal effect Effects 0.000 claims description 17
- 230000002792 vascular Effects 0.000 claims description 16
- 230000024883 vasodilation Effects 0.000 claims description 16
- 238000012935 Averaging Methods 0.000 claims description 15
- 206010047139 Vasoconstriction Diseases 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 230000025033 vasoconstriction Effects 0.000 claims description 15
- 210000003484 anatomy Anatomy 0.000 claims description 12
- 230000002146 bilateral effect Effects 0.000 claims description 12
- 231100000430 skin reaction Toxicity 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 9
- 230000001537 neural effect Effects 0.000 claims description 9
- 210000000707 wrist Anatomy 0.000 claims description 9
- 230000002829 reductive effect Effects 0.000 claims description 8
- 238000002567 electromyography Methods 0.000 claims description 7
- 238000013179 statistical model Methods 0.000 claims description 7
- 208000006011 Stroke Diseases 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 210000003128 head Anatomy 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 239000011521 glass Substances 0.000 claims description 5
- 230000010355 oscillation Effects 0.000 claims description 5
- 230000037081 physical activity Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 210000000038 chest Anatomy 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 4
- 238000005421 electrostatic potential Methods 0.000 claims description 4
- 230000035790 physiological processes and functions Effects 0.000 claims description 4
- 238000004451 qualitative analysis Methods 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 229940079593 drug Drugs 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 230000005802 health problem Effects 0.000 claims description 3
- 210000004072 lung Anatomy 0.000 claims description 3
- 230000003387 muscular Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 claims description 2
- 208000007536 Thrombosis Diseases 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000003321 amplification Effects 0.000 claims description 2
- 230000000320 anti-stroke effect Effects 0.000 claims description 2
- 210000000481 breast Anatomy 0.000 claims description 2
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 2
- 238000013144 data compression Methods 0.000 claims description 2
- 210000001061 forehead Anatomy 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims 1
- 125000002791 glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 claims 1
- 210000004369 blood Anatomy 0.000 description 47
- 239000008280 blood Substances 0.000 description 47
- 230000036541 health Effects 0.000 description 39
- 210000001519 tissue Anatomy 0.000 description 39
- 238000005516 engineering process Methods 0.000 description 34
- 238000004422 calculation algorithm Methods 0.000 description 28
- 238000004458 analytical method Methods 0.000 description 26
- 238000005259 measurement Methods 0.000 description 23
- 210000003491 skin Anatomy 0.000 description 23
- 230000005540 biological transmission Effects 0.000 description 21
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 20
- 230000033001 locomotion Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 19
- 238000003860 storage Methods 0.000 description 19
- 230000000747 cardiac effect Effects 0.000 description 16
- 102400000686 Endothelin-1 Human genes 0.000 description 13
- 101800004490 Endothelin-1 Proteins 0.000 description 13
- 238000010521 absorption reaction Methods 0.000 description 13
- 230000017531 blood circulation Effects 0.000 description 13
- 210000004204 blood vessel Anatomy 0.000 description 13
- 230000000541 pulsatile effect Effects 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 11
- 102000004877 Insulin Human genes 0.000 description 10
- 108090001061 Insulin Proteins 0.000 description 10
- 210000001367 artery Anatomy 0.000 description 10
- 230000003205 diastolic effect Effects 0.000 description 10
- 229940125396 insulin Drugs 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 10
- 239000003826 tablet Substances 0.000 description 10
- 230000001413 cellular effect Effects 0.000 description 9
- 238000012546 transfer Methods 0.000 description 9
- 230000007704 transition Effects 0.000 description 9
- 206010048554 Endothelial dysfunction Diseases 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000008694 endothelial dysfunction Effects 0.000 description 8
- 238000003306 harvesting Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 208000032109 Transient ischaemic attack Diseases 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 7
- 201000010875 transient cerebral ischemia Diseases 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 201000001320 Atherosclerosis Diseases 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 230000035515 penetration Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 230000001934 delay Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 210000002683 foot Anatomy 0.000 description 5
- 210000004247 hand Anatomy 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 206010020772 Hypertension Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 206010003549 asthenia Diseases 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000003511 endothelial effect Effects 0.000 description 4
- 230000003914 insulin secretion Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000006213 oxygenation reaction Methods 0.000 description 4
- 210000000329 smooth muscle myocyte Anatomy 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 206010010904 Convulsion Diseases 0.000 description 3
- 206010049816 Muscle tightness Diseases 0.000 description 3
- 208000012902 Nervous system disease Diseases 0.000 description 3
- 206010044565 Tremor Diseases 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 239000007943 implant Substances 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 229940028444 muse Drugs 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- GMVPRGQOIOIIMI-DWKJAMRDSA-N prostaglandin E1 Chemical compound CCCCC[C@H](O)\C=C\[C@H]1[C@H](O)CC(=O)[C@@H]1CCCCCCC(O)=O GMVPRGQOIOIIMI-DWKJAMRDSA-N 0.000 description 3
- 238000002106 pulse oximetry Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 210000004761 scalp Anatomy 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000006438 vascular health Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000025966 Neurological disease Diseases 0.000 description 2
- 102000008299 Nitric Oxide Synthase Human genes 0.000 description 2
- 108010021487 Nitric Oxide Synthase Proteins 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 102000003993 Phosphatidylinositol 3-kinases Human genes 0.000 description 2
- 108090000430 Phosphatidylinositol 3-kinases Proteins 0.000 description 2
- OUUQCZGPVNCOIJ-UHFFFAOYSA-M Superoxide Chemical compound [O-][O] OUUQCZGPVNCOIJ-UHFFFAOYSA-M 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008321 arterial blood flow Effects 0.000 description 2
- 230000004071 biological effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 210000002889 endothelial cell Anatomy 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 201000006417 multiple sclerosis Diseases 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000004770 neurodegeneration Effects 0.000 description 2
- 208000015122 neurodegenerative disease Diseases 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000008667 sleep stage Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000008093 supporting effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 210000000779 thoracic wall Anatomy 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 230000006492 vascular dysfunction Effects 0.000 description 2
- 239000005526 vasoconstrictor agent Substances 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 206010002329 Aneurysm Diseases 0.000 description 1
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 206010053567 Coagulopathies Diseases 0.000 description 1
- 102000000634 Cytochrome c oxidase subunit IV Human genes 0.000 description 1
- 108050008072 Cytochrome c oxidase subunit IV Proteins 0.000 description 1
- 208000002251 Dissecting Aneurysm Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 208000036119 Frailty Diseases 0.000 description 1
- 108010015776 Glucose oxidase Proteins 0.000 description 1
- 239000004366 Glucose oxidase Substances 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010022489 Insulin Resistance Diseases 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 description 1
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 206010040047 Sepsis Diseases 0.000 description 1
- 206010040880 Skin irritation Diseases 0.000 description 1
- 206010041925 Staphylococcal infections Diseases 0.000 description 1
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- 206010047163 Vasospasm Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000037328 acute stress Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 206010002026 amyotrophic lateral sclerosis Diseases 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 239000003472 antidiabetic agent Substances 0.000 description 1
- 206010002895 aortic dissection Diseases 0.000 description 1
- 210000000617 arm Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 208000015294 blood coagulation disease Diseases 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000036996 cardiovascular health Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 210000003467 cheek Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000001447 compensatory effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 210000003792 cranial nerve Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 229940088598 enzyme Drugs 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 230000004992 fission Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229940116332 glucose oxidase Drugs 0.000 description 1
- 235000019420 glucose oxidase Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000005831 heart abnormality Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000001744 histochemical effect Effects 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 229940126904 hypoglycaemic agent Drugs 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000008798 inflammatory stress Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000002540 macrophage Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 210000002161 motor neuron Anatomy 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000010004 neural pathway Effects 0.000 description 1
- 210000000118 neural pathway Anatomy 0.000 description 1
- 230000000955 neuroendocrine Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036542 oxidative stress Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 231100000255 pathogenic effect Toxicity 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000036513 peripheral conductance Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000004202 respiratory function Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 229920005573 silicon-containing polymer Polymers 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 230000036556 skin irritation Effects 0.000 description 1
- 231100000475 skin irritation Toxicity 0.000 description 1
- 230000037046 slow wave activity Effects 0.000 description 1
- 210000002460 smooth muscle Anatomy 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000000287 tissue oxygenation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000006496 vascular abnormality Effects 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 230000003639 vasoconstrictive effect Effects 0.000 description 1
- 230000000304 vasodilatating effect Effects 0.000 description 1
- 229940124549 vasodilator Drugs 0.000 description 1
- 239000003071 vasodilator agent Substances 0.000 description 1
- 230000008320 venous blood flow Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Classifications
-
- 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
- A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0031—Implanted circuitry
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—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
- A61B5/14532—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 glucose, e.g. by tissue impedance measurement
-
- 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
- A61B5/1468—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 chemical or electrochemical methods, e.g. by polarographic means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- 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
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Otolaryngology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- General Chemical & Material Sciences (AREA)
- Vascular Medicine (AREA)
- Emergency Medicine (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Multimedia (AREA)
- Power Engineering (AREA)
Abstract
本发明涉及一种用于从用户获取生理数据并对其进行分析的系统和方法。所述系统包含多个互连装置,所述多个互连装置可以将传感器数据传送到个人移动电子装置。每个互连装置包含用于获取生理数据的至少一个传感器。另外,至少一个传感器可操作地连接到所述用户的身体。进一步地,互连生物识别装置可以是植入式医疗装置和/或可穿戴电子装置。所述个人移动电子装置无线连接到多个互连生物识别装置中的每个互连生物识别装置。另外,所述个人移动电子装置被配置成接收和分析由所述多个互连装置中的每个互连装置获取的生理数据,并计算在所述用户的身体的不同位置处测量的相同生理参数的值之间的差异。
Description
技术领域
本发明涉及生理感测领域,并且更具体地涉及用于测量身体不同部位的参数测量差异的系统和方法。更具体地,本发明涉及医学诊断领域,尤其是可穿戴装置领域。本发明具体公开了一种用于使用多个可穿戴装置获取和分析生物识别数据的系统。
背景技术
对生理参数的感测是众所周知的。然而,对名义上相同的参数中的差异的测量并不为人所知。此类测量的实例有听诊器检查、身体影像研究和肢体血压差。
随着过去几十年技术的进步,一些供应商正在生产用于使用生物识别传感器来监测个体健康和活动的可穿戴装置。例如,可穿戴装置包含手镯、脚链、戒指、手表、眼镜和耳塞式耳机。如今,医疗服务提供者利用可穿戴装置来收集个体的生物识别信息。可穿戴装置可以被放置在手腕上、手指上、脚踝上、耳道中或另一身体表面上。可穿戴装置还可以涵盖可植入装置(尽管这些装置在技术上不是“可穿戴的”),并记录个体的用户生物识别信息。生物识别信息包括关于生理参数的任何信息(作为非限制性实例,如温度、皮肤电势、脉搏、血压、血氧合、肌张力、EMG、EKG、EEG)和任何可测量的健康相关信息。传统上,医生在双腕上测量脉搏并且在双臂上测量血压。有研究表明,血压差与死亡率相关。
对皮肤温度的空间变化和其它生物参数变化的研究较少。
在许多情况下,变化可能有明确的病因。例如,主动脉夹层动脉瘤可能在物理上阻塞升主动脉中的血流,从而导致一只手臂与另一只手臂中的血流受阻情况不同。在其它情况下,空间和时间变化不太好理解。
然而,无法获得提供关于连续监测的空间变化的正常类型、范围、可变性和其它统计特性的统计数据。
发明内容
本发明提供了多个传感器,每个传感器感测至少一个生理参数,使得多个传感器在不同身体位置处感测对应的生理参数。传感器优选地是可穿戴的,并且因此,适于随时间或连续地测量生理参数。传感器可以形成网络。
本发明提供了用于测量来自身体的生理参数的空间差异、分析这些差异并报告结果的系统和方法。例如,当超过预定阈值时,监测并报告温度、血氧合或二氧化碳、脉搏波形、皮肤电反应、EMG、EEG、EKG波形、加速度计等的差异。
所述技术通常涉及实时和连续感测或周期性采样,其采用个域网在传感器与控制模块之间传输信息。确保数据完整性和隐私的安全技术可以采用如分布式控制技术、分布式一致性算法(在适当的情况下)、能量采集、纳米动力技术、loT技术、各种架构的神经网络以及统计分析等技术。
优选地,可穿戴传感器是容许装置故障或不可用以及节点添加或丢失的自组织动态自动配置网络的一部分。具体地,虽然一个节点可以优选作为主节点或中央处理节点,但是网络优选地不需要特定的此类中央处理器,并且如果提供的话,网络容许其丢失。
容错的基本原理是,由于断电、干扰、脆弱性等原因,可穿戴装置的可靠性可能较低。对组件和整体网络的高可靠性要求增加了成本和重量,并且可能降低效用。相反,通过容许限制,低成本的一次性传感器是可行的。
就利用来自任意来源的信息而言,所述系统在其监测和分析中优选地是机会主义的。
装置可以采用替代的通信协议策略。根据一种策略,每个装置传送指示其传感器类型、空间位置、时间码、错误检测和校正码以及数据分析的标记消息。另外,可以传送网络状态信息等。根据不同策略,传感器通过管理数据的稀疏传输来流式传输传感器读数。节点可以提供存储和转发功能,以允许节点之间的间接通信。
一个或多个节点接收并处理来自其它节点的数据。其它节点可以接收数据并存档,而无需同时进行处理。处理节点可以传输其结果以供其它节点进行冗余存档,或者在传感器网络外部进行通信。如果处理节点失败或退出,则可以招募另一个节点来承担这一角色。
有时,不同肢体上的同一参数(如温度、脉搏、血压、氧饱和度ECG、耳道内部压力或温度等)的值之间的差异比每个单独的值更有诊断价值。即使是医院中使用的专业医疗级诊断设备也是如此。因此,单个节点无法生成和处理差异分析所需的数据。最少需要两个节点,其中一个或两个(或单独的处理节点)执行主要计算。传感器数据和处理结果优选地被冗余地存储。
根据一个实施例,部分冗余的感测是测量脑电图信号,所述脑电图信号可以来源于头皮传感器、太阳穴传感器、耳内传感器、眼镜框传感器等。每个传感器可以是一对电极,或者更复杂的多电极排列。在EEG信号中存在正常的双侧相关性和差异,因此分析必须确定传感器读数与正常或通常(长期)状态的偏差。参见en.wikipedia.org/wiki/Correlation。进一步地,相同的电极经常从颅神经和受神经支配的面部肌肉拾取辐射。例如,在短暂性脑缺血发作中,已经观察到双侧不对称和特性病灶模式。
使用脑电图(EEG)作为诊断工具主要基于由描述性标准定义的人EEG正常性的概念,其中α节律是主要的电活动(Berger 1929)。这种活动的特征之一是其振幅降低或被脑的内部或外部刺激阻断的趋势(Berger 1930)。EEG的这种事件相关去同步化(ERD)可以在检测皮质活动的甚至是轻微的功能障碍时用作高灵敏度参数(Pfurtscheller和Aranibar1977),前提是量化这些阻断反应的分析方法是可用的。
局灶性慢波活动(FSWA)是在疑似TIA患者的早期EEG中发现的最常见的EEG异常,但无法区分TIA与癫痫患者。在癫痫发作患者中,FSWA比EA更常见,并且它在癫痫发作患者中比在TIA患者中更可能出现在晚期EEG中。
因此,对EEG信号的分析,尤其是利用空间区分进行分析,可以提供缺血性神经事件的早期和特异性指示。
脑波例如EEG信号可以以各种方式获取。神经病学家和脑描记术/EEG技术人员进行的传统信号获取包括粘贴电极或具有电极阵列(例如,放置在头皮上的20-256个电极)的帽子。然而,在一些情况下,特别是在不需要高空间分辨率并且寻求主要脑波模式的情况下,可以采用更简单且更少控制的EEG获取系统,包含通过旨在与智能手机接合的可商购的装置。参见kokoon.io,www.thinkmindset.com/;www.choosemuse.com(Muse,Muse 2);Neurosky;getvi.com(Vi感测);Strickland,Eliza,“耳内EEG使得不显眼的脑部入侵装置真正成为可能(In-Ear EEG Makes Unobtrusive Brain-Hacking Gadgets a RealPossibility)”,《IEEE综览(IEEE Spectrum)》2016年7月7日;Strickland,Eliza,“无线耳塞将记录EEG,将脑波数据发送到手机(Wireless Earbuds Will Record Your EEG,SendBrainwave Data To Your Phone)”,《IEEE综览》2016年5月17日。独角兽“混合黑”可穿戴EEG头戴式装置提供了具有八个电极通道和数字数据获取电子装置(24位,250Hz)的头戴式装置,其旨在为艺术、控制和其它任务提供脑机接口。参见www.unicorn-bi.com/。斯达克实验室公司(Starkey Laboratories,Inc.)US 20190166434公开了一种具有用于来自穿戴者耳朵的EEG信号的多个传感器的耳戴式电子装置作为脑机接口。许多设计都提供了集成了从耳道拾取信号的EEG电极的入耳式耳机。
来自加拿大安大略省多伦多InteraXon公司的Muse 2头戴式装置(choosemuse.com)是蓝牙连接的EEG头戴式装置,其使用智能手机应用程序来促进冥想。对应装置可从Neuralink、Brainlink、BrainCo、Emotiv、Kernel、MindMaze、NeuroSky、NeuroPro、Neurable和Paradromics获得。消费型EEG头戴式装置不需要剃发,并且已经用于脑机接口应用、生物反馈和其它应用。
空间分离型传感器还允许分析局部周围神经和肌肉活动。虽然此类活动通常是自发的并且可以是有意不对称的,但是此类神经和肌肉电模式的特性可以独立于自发动作来确定。例如,肌肉抽动模式可以提供数据。
传感器可以是光学传感器,例如,光源和光学检测器。光学传感器可以检测血压、脉搏或血氧饱和度。光学传感器可以包括含有荧光团的基质,并且其中荧光团的荧光强度或荧光寿命取决于分析物的量。光学传感器可以被配置成执行近红外光谱分析。传感器可以检测葡萄糖。传感器可以是电势化学传感器、电流化学传感器、氧气传感器、pH传感器、温度传感器或葡萄糖传感器。参见www.medicaldesignbriefs.com/component/content/article/mdb/features/applications/17695。温度传感器可以是双极结、热敏电阻、热电偶或正比于绝对温度(PTAT)的电路。可植入装置可以包括体压电超声换能器和热敏电阻。传感器可以是压力传感器或微机电系统(MEMS)传感器,例如,MEMS压力传感器。可植入装置可以被配置成测量血压或脉搏。传感器可以是应变传感器。美国专利申请第16/826,027号中公开的技术明确地通过引用整体并入本文。
因此,多个传感器(例如,来自耳朵的EEG拾取电极)被用于例如通过假定从相同来源发出的信号的振幅和相位延迟差来定位事件或状况。然而,EEG脑波和其它信号是在整个脑中产生的,因此“相同来源”的假设是没有根据的。在这种情况下,可以分析不同信号来解释其接近度或环境的不对称性或差异。因此,例如,EEG活动的双侧差异可能是由于不同的脑半球活动或者一个半球中的单个焦点源,其中掩蔽信号足够低而无法检测到它。
在中风或其它器质性脑缺陷的情况下,神经通路可能会受损。因此,传出通路可能产生与未受损(例如,正常)通路不同的模式。因此,神经模式会发生变化,这可以通过传感器来检测。另外,受神经支配的肌肉或组织可能对异常的神经支配通路做出响应。例如,肌肉可以具有不同的抽动模式,或者以其它方式显示出与正常肌肉的电生理差异。除肌肉之外的其它组织也对神经或神经内分泌信号做出响应,因此此类差异也是可以检测到的。
根据本发明,一种示例性传感器具有眼镜框形状因子,其在如鼻梁、太阳穴和耳后等处具有电极。参见U.S.9,955,895。
通信可以支持所谓的无线体域网(WBAN)通信协议,例如IEEE 802.15.6。这可以提供与各种来源的装置的互兼容性。
WBAN支持各种实时健康监测和消费电子应用。WBAN在人体周围区域内提供低功耗、短程和极其可靠的无线通信,从而支持不同应用的广泛数据速率。身体附近或内部的短程无线通信。其使用现有工业科学医疗(ISM)频段以及国家医疗和/或监管机构批准的频段。需要支持服务质量(QoS)、极低功耗和高达10Mbps的数据速率,同时在需要时遵守严格的无干扰准则。此标准考虑了人的存在对便携式天线的影响、为最小化人体的比吸收率(SAR)而进行的辐射方向图整形以及用户运动导致的特性变化。
IEEE 802.15.6标准旨在提供机密性、认证、完整性、隐私保护和重放防御。当然,在适当的情况下,本发明可以任选地避免高安全性。
所有节点和集线器必须选择三个安全级别:不安全通信(0级)、认证但不加密(1级)以及认证且加密(2级)。在安全关联过程期间,节点和集线器需要共同选择合适的安全级别。在单播通信中,激活预共享或新的MK。然后生成每个会话仅使用一次的成对临时密钥(PTK)。在多播通信中,生成与对应组共享的群组临时密钥(GTK)。在数据交换之前,WBAN中的所有节点和集线器都必须经过MAC层的某些阶段。安全关联是彼此识别节点和集线器、建立在其之间共享的新主密钥(MK)或激活在其之间预共享的现有MK的程序。IEEE 802.15.6标准中的安全关联基于四个密钥协商协议。
根据其在网络协调器中的角色,WBAN中有三种类型的节点:此节点充当通往外部世界的网关、另一WBAN、信任中心或访问协调器。PDA是WBAN的协调器,所有其它节点可以在所述协调器中通信。结束节点:这种类型的节点被限制为执行其固定应用,但是它们不具有向其它节点传输消息的能力。中继:这些节点表示中间节点,并且它们被称为中继。中继节点由父节点和子节点组成并中继消息。如果节点在脚上,则任何发送的数据在到达PDA之前都需要被其它节点中继。此外,这些类型的节点可以感测来自其它节点的数据。
致动器基于规定的指令对来自传感器的信息进行操作。致动器机构配备有集成储存器并且管理适当剂量的降血糖剂,以支持例如糖尿病患者的葡萄糖水平测量。图1典型地示出了通过WBAN进行通信的传感器的放置。它可以进一步用于几个其它领域和应用,如监测污染水平、生理和医疗监测、人机交互、教育和娱乐。智能手机可以远程访问传感器感测到的信息。
医疗传感器感测患者的身体状况并向医生或医院服务器发送消息。在发送这些消息时,传感器可能会受到攻击。例如,敌手可能从无线通道捕获数据并修改结果。他/她可能稍后将受到攻击的数据传递给医生或服务器。这可能会危及患者的生命。鉴于患者隐私的弱点,当考虑在医疗保健环境中使用技术时,安全性应该是最重要的。
根据IEEE 802.15.6工作组,WBAN被认为在一跳或两跳星形拓扑中工作,其中节点被放置在星形技术的中心。存在两种类型的数据传输,其包含(a)从装置到协调器的传输和(b)从协调器到装置的传输。开始技术有两种通信方式:信标模式和非信标模式。在信标模式方法中,网络协调器负责控制通信和其在星形拓扑中心的位置。为了允许装置同步和网络控制,网络协调器发送周期性信标来定义超帧的开始和结束,并且信标周期的长度可以由用户和WBAN的标准来确定。非信标模式表示网络中能够向协调器发送数据的节点。它还使用避免冲突的载波侦听多路访问(CSMA/CA)。当被邀请参与通信时,节点需要加电并要求协调器接收数据。
确保WBAN系统安全和其被用户广泛接受的主要安全和隐私要求概述如下:
数据机密性:数据机密性表示保护机密数据不被暴露,这在WBAN中被认为是至关重要的问题。由于在医疗情况下应用的WBAN节点有望并依赖于传输关于患者健康状态的敏感且私密的信息,因此必须保护其数据不受可能危及患者生命的未经授权的访问。此数据可能在传输期间被“偷听”,并且可能损害患者、提供者或系统本身。通过在安全的WBAN节点与其协调器之间的安全通信通道上提供共享密钥,加密可以为此敏感数据提供更好的机密性。
数据完整性:数据完整性是指为保护消息内容、其准确性和一致性而采取的措施。它既适用于单个消息,也适用于消息流。然而,数据机密性不能保护数据不被外部修改。当数据被传输到作为敌手的不安全WBAN时,信息可能被非法改变,所述敌手可以在患者信息到达网络协调器之前容易地对其进行调节。更具体地,可以简单地通过整合一些片段、操纵包内的数据并且然后将包转发到PS来进行修改。此拦截和修改会导致严重的健康问题,并且甚至在极端情况下导致死亡。因此,必须确保信息不被潜在的敌手通过应用认证协议来访问和更改。
数据新鲜度:数据新鲜度技术可以有效地确保数据的完整性和机密性受到保护,以防止敌手记录和重放旧数据并迷惑WBAN协调器。它确保旧数据不会被回收并且其帧是正确的。目前使用两种类型的数据新鲜度:强新鲜度除了帧排序之外还承诺延迟,而弱新鲜度限于帧排序但不提供任何延迟保证。当信标被传送到WBAN协调器时,同步需要强新鲜度,而弱新鲜度用于具有低占空比的WBAN节点。
网络的可用性:它暗示了医疗从业者可以高效地获取患者的信息。由于此类系统携带重要的、高度敏感的和可能挽救生命的信息,因此在紧急情况下网络始终可供患者使用是至关重要的。为此,如果发生可用性损失,则必须将操作切换到另一WBAN。
数据认证:医疗和非医疗应用可能需要数据认证。因此,WBAN内的节点必须能够验证信息是从已知的信任中心发送的而不是冒名顶替的。因此,所有数据的网络和协调器节点通过共享未公开的密钥来计算消息认证码(MAC)。MAC代码的准确计算使网络协调器确保消息是由可信任的节点传导的。
安全管理:为了将密钥分发递送到WBAN,解密和加密操作需要协调器的安全控制。协调器的角色是在节点关联和解除关联期间以安全的方式添加和去除WBAN节点。
可信性:系统必须是可靠的和可信的。正确数据检索失败表示WBAN中的另一个关键问题,因为它可能会成为威胁患者生命的问题。为了解决此问题,可以使用纠错码技术。
安全本地化:大多数WBAN应用需要正确估计患者的位置。缺少跟踪方法可能会让攻击者比如通过回复关于患者位置的虚假信号来传输不正确的详细信息。
责任:在医疗领域,医疗保健提供者有必要保护患者的健康信息。如果提供者不保护此信息,或者在更糟的情况下滥用他或她的职责,则他或她应该对此负责以阻止另外的滥用。
灵活性:患者需要具有在WBAN内指定医疗数据的AP控制的灵活性。例如,在紧急情况下,可以根据需要向不一定被列为具有许可的不同医师给予解释患者数据的授权。在另一实例中,如果患者更换医院或医师,则应该可以转移访问控制。
隐私规则和合规性要求:保护私人健康信息的需要是全球性的问题。最重要的隐私措施之一是制定谁有权访问患者敏感数据的规则/政策,以保护患者的隐私。若干法规和法案被列入卫生保健规定。目前,世界各地有多套不同的隐私法规/政策。《健康保险携带和责任法案》(HIPAA)包括针对医生、医疗保健提供者和医院的一套指导,并且旨在确保个体健康和医疗记录的安全。HIPAA概述了在用于管理或通信需求时必须采取以保护患者数据的详细预防措施。
WBAN很容易受到大量的攻击和威胁。WBAN经常面临外部威胁和入侵,这些威胁和入侵可能会侵入网络,如图所示。因此,应该很好地解决安全和隐私问题。攻击者可能通过捕获或禁用特定节点来攻击WBAN的可用性,这有时会导致患者丧生。例如,敌手可以捕获或禁用EEG传感器,并向医师发送错误信息。这可能导致威胁生命的危险情况或甚至死亡。敌手还可能使用人为干扰和篡改。敌手可以在几个节点上使用人为干扰(射频干扰)来阻塞整个网络。此方法不能阻塞大型网络,但是由于WBAN通常是小型网络,因此不仅网络阻塞的几率相当高,而且还会导致包丢失。敌手有时会对WBAN进行物理篡改。攻击者有可能通过电子手段干扰、破坏或取代WBAN来获取患者的个人健康信息。其还可能使用泛洪技术通过重复发送系统无法处理的额外不必要包来耗尽内存。这阻止了网络的合法用户访问服务或资源。这可以通过拒绝服务(DoS)攻击来完成,这种攻击不仅意味着扰乱、破坏和摧毁网络,还意味着削弱网络提供必要紧急服务的能力。
TinySec表示在生物医学传感器网络中实现数据的链路层加密和认证的解决方案。此技术是WSN的链路层安全架构,并且是TinyOS发布的正式部分。在此系统中,传感器节点之间使用的是群组密钥,其中针对整个包计算安全加密的数据包和MAC。在默认情况下,它依赖于单个密钥,所述单个密钥在部署传感器节点之前被手动编程到传感器节点中。这提供了最低级别的安全性并且不能防止物理节点捕获,因为它是共享的。
WBAN有严格的资源约束。另外,所述系统受到了安全和隐私方面的挑战,更不用说它们的实用性和可用性了。由于资源短缺,WBAN安全方案最初是由对称密码系统建立的。此系统在提供相对较弱的安全性方面存在问题,因为它在揭示对称密钥时对物理折衷和延迟没有弹性。另外,传感器节点的主要弱点是其有限的计算能力能量、通信速率和存储空间。
因此,WBAN中的自组织网络和安全性提出了有趣且独特的挑战。例如,典型的低功率或微功率要求限制了传输能量和安全算法的计算复杂度。进一步地,因为通信固有地涉及多方,所以安全性可能需要对称密钥的分发,从而导致相对于多个装置和初始密钥分发的较大攻击表面积。
个人医疗系统有各种需求,如数据共享、数据安全性和一致性、数据可靠性和便利性。个人医疗数据的这些要求对于EMR的交互和收集是最重要的。传统医疗保健系统无法满足高效过程的这些关键要求,因为它们在数据安全性、共享和访问控制模型方面没有一致且可靠的结构。因此,有必要建立新的安全系统,以在政府法规的隐私性和安全性方面增强数据访问过程,从而确保对医疗使用数据的责任和监测。区块链是安全透明的分布式账本,并且它通过整合其独特功能为现有医疗保健系统的革命铺平了道路。
区块链本质上是分布式账本(数据库),其可以被编程为记录在线金融交易,使得这些交易是安全的并且无法被操纵。在区块链中,每笔交易都由参与者进行数字签名以确保其真实性和安全性。分布式账本以一致性方式操作(智能合约)。双方同意在账本上将每笔交易放入块中,并验证所述块以将其添加到链中。每个块含有数据和信息。最后,使用加密算法保护所述链,并且因此,所述链不会被操纵或更改。区块链是确保数据安全性的分散技术,并且由于交易数据在不同服务器上有很多副本,因此没有人可以操纵交易数据。存储在中央服务器中的数据资源容易受到网络犯罪的攻击。另一方面,区块链通过将数据存储在分散的位置中来确保数据安全性和隐私性。在过去几年中,区块链技术的市场价值大幅增加。区块链技术比所有其它记录保持系统更可信、更安全。它是网络的所有节点共享同一文档的分布式账本。它还用于通过利用区块链技术使传统过程自动化来提高效率和速度。它还降低了成本,因为它不需要通过第三方来买卖产品。
在过去几年中,许多系统已经帮助患者和医院实现了医疗记录的数字化、共享和方便访问。在本节中,我们将讨论几个基于区块链的EHR系统。
MedRec是医疗保健平台,其在系统的不同用户之间提供分散的记录管理、数据共享和授权。患者可以存储、管理并授权其它利益相关者访问其记录。所设计的MedRec框架可以使用键值格式而不是指向数据存储位置的指针在区块链数据库上存储医疗记录。基于区块链的医疗保健平台Gem是由Gem健康网络使用以太坊区块链设计和开发的。所实施的系统解决了数据管理的运营成本问题。所提出的系统还提供了不同利益相关者之间的互操作性,以访问相同的信息,从而维持更好的医疗保健服务。目前,研究人员使用患者医疗保健信息进行基于医疗保健组织的研究。健康银行(Healthbank)是使得每个患者能够存储和管理其医疗数据并向研究人员和制药公司提供医疗保健数据的平台。所设计的健康银行系统也为患者对系统的贡献提供激励。基于区块链的数据共享(BBDS)是启用利用加密算法加密的安全、可扩展数据交易的经许可区块链平台。HDG(医疗保健数据网关)是构建在启用区块链的云之上的智能手机应用程序网关。可以使用以太坊平台建立经许可区块链,以提供安全的远程患者监测系统。所设计的平台是允许利益相关者参与和跟踪其健康记录并提供远程患者监测的安全实时监测系统。所述系统维护安全和最新的患者病历。Ivan表示使用基于区块链技术的分散数据库开发的安全健康数据存储系统。所述系统能够公开存储加密的医疗保健数据,并使用基于区块链的个人健康记录(PHR)等系统。此外,PHR系统还使得患者不仅能够访问和监测其数据,还允许患者与其它医疗保健人员共享数据。开发了基于区块链的癌症患者远程治疗和诊断。所述系统使用智能合约来确保患者健康信息的有效性和安全性。远程监测系统在不同的医疗保健中心处理安全共享的专业患者医疗保健数据。Mannaro等人提出了用于帮助患有皮肤病的患者的基于区块链的在线皮肤病学系统。类似地,提出了为老年人提供支持的基于区块链的积极老龄化系统。所述系统能够监测患者的慢性病,例如癌症等。区块链是用于远程患者监测和支持的理想技术。MediBloc是基于区块链的EMR平台,其基于分散的开源协议,用于为医疗保健提供者、研究人员和患者存储医疗保健数据。所述应用程序是基于以太坊虚拟机(EVM)开发的,其使用基于点的系统来评估用户参与。
之后,硬币令牌使用医疗交易作为保险支付。健康币(Healthcoin)是用于验证医疗保健交易的基于区块链的免许可货币。
Gupta等人提出了对分数动力学具有最小感测的基于未知输入的模型。所提出的系统处理如包含ECG和SPO2的神经生理信号等系统。此系统的主要贡献是找到模型的最佳参数、检索所提出方案的状态并且基于最佳参数和状态的替代方法。他们计算一组可恢复的参数。在另一项研究中,Gupta等人描述了用于将现有的基于ECG的脑接口与当前的时变复杂方法进行比较的方法,所述方法使用基于机器学习算法的有创和无创技术。就分类而言,系统准确度更多地涉及具有较少的训练样本。此外,所设计的系统使用EEG数据集来评估系统方法。
Xue等人提出了用于构造复杂动力学的复杂数学方法。所提出的系统使用基于与概率模型集成的偶然推理的框架来区分短程和远程动力学依赖性。此外,我们还对区分复杂结构与无记忆的时间依赖结构的多点概率使用熵函数。类似地,Xue提出了使用时空分形方法的信息物理系统的脑机体接口。所开发的方法使用数学模型来捕获耦合过程和脑机体接口方面的时空交叉依赖性。
Ghorbani等人提出了用于人工胰腺设计的集成了硬件模块的数学模型。通过使用常规的非分形模型比较真实世界的测量值来测量系统的性能。此外,我们还使用现场可编程门阵列平台证明了所开发的最优控制算法的晶片实现的可行性。
Jamil等人提出了作为每一层都与其它层解耦的模块化架构的医疗保健IoT区块链平台。解耦特征使得开发人员能够添加和去除任何模块,而不会影响系统的其余部分。所开发的系统由四个层构成,即应用程序层、loT区块链服务层、连接层和医疗保健loT物理层。所提出的医疗保健loT物理层包括具有计算、数据存储和通信能力的各种医疗保健装置。连接层旨在提供路由管理,因为身体医疗保健感测装置没有全局内部协议。连接层还负责提供服务,包含安全管理、消息代理和网络管理。类似地,loT区块链服务层能够组织与区块链相关的服务,包含例如一致性、身份管理、分布式账本技术(DLT)和对等通信(P2P)等。DLT是分布在整个区块链网络中的共享、同步和复制的数字数据的一致性,其中每个参与者都有其账本副本。此外,DLT还存储和保护由医疗保健传感器提供的生命体征感测数据。DLT的任何变化都会反映在跨整个区块链的所有副本中。大数据模块使得区块链能够在线存储数据,这使得区块链更加高效和可靠。在区块链中,来自不同方的大量交易数据以结构化形式存储在账本中,并在分析过程中进一步使用。此外,区块链中的所有方都被允许访问单个网络,从而使客户很容易获得这些详细信息。智能合约是一段计算机代码,其被认为是由外部客户端应用程序触发以管理、访问和修改账本的计算机协议。另外,智能合约也在网络中的每个对等体上启动和安装。所提出的系统中的事件管理负责每当在满足预定义条件的情况下将新块添加到账本中时发送通知。应用程序编程接口(API)暴露了由所设计的医疗区块链平台提供的开发服务,客户通过所述医疗区块链平台访问应用程序并管理区块链网络。区块链技术允许用户进行通信和安全地共享其资源和资产。区块链中的通信基于P2P网络、一致性算法和非对称密码。最后,应用程序层是顶层用户界面并负责生命体征数据的可视化,并且用于管理和控制医疗保健装置。
所述系统由技术基础设施构成,其通过用户服务框架将智能合约和DL作为服务暴露给区块链。医疗区块链模型包括可靠的授权对等体,其中每个个体对等体保存区块链网络账本的副本以保持分布式账本的均匀性。分布式账本由用于存储块中的不可变交易的块链和用于存储并维护与医疗保健传感器和网络的其它相关参与相关的医疗数据的数据湖组成。区块链网络用作记录和维护数据湖中发生的所有更改的交易日志。数据湖充当链外账本(数据库),用于存储患者的以下详细信息,如生命体征和医疗保健装置信息的更新值等。链外数据库进一步用于数据分析和其它医疗保健服务,例如,急救护理、重症监护和预防性护理响应。此外,客户端应用程序使用REST API通过提交交易请求(例如,任务生成服务以及用户和装置注册)来管理区块链网络。每个参与者在提交其交易之前都需要注册区块链。注册证书含有签署交易所需的私钥。区块链网络中的交易被定义为从分布式账本中读取和写入数据。参与者(即患者、护士和医生)可以提交交易,以生成新任务或通过医疗保健IoT服务器从先前生成的任务获得响应。之后,医疗保健loT服务器向区块链网络发送请求以根据所述请求执行任务。此外,医疗保健loT服务器还传送从客户端生成的任务以获取实时生命体征信息、装置信息和装置状态。所收集的包含生命体征数据、装置信息和装置状态的信息与根据智能合约定义的特定患者数据一起存储在账本中。最后,在交易成功时,向相关参与者生成通知。
用户可以生成任务以在医疗保健传感器上执行操作(例如,从ECG传感器读取心率并使用鼻腔气流传感器读取气流速率)。此外,用户还可以基于需求指定某些任务。特定任务请求被发送到医疗保健loT服务器,所述服务器进一步将所述请求翻译成传感器的定义协议并将所述请求传送到指定的传感器以执行操作。目标传感器根据请求运行并将生命体征数据返回到医疗保健loT服务器以及区块链网络。此生命体征信息以结果的形式在客户端应用程序中显示给用户。此外,计算结果也作为交易的有效载荷被发送到区块链网络。最后,生命体征信息被附加到每个对等体的分布式账本中。它还在超过预定义阈值的情况下发送通知,例如,在体温传感器的情况下,正常范围为97.7°F与99.5°F之间。
Jamil等人实施了一项案例研究,在所述案例研究中,患者配备了医疗保健传感器以使用超级账本结构框架上的基于区块链的技术来监测生命体征。所述模型旨在建立loT资源、医疗保健loT服务器和区块链网络之间的通信。loT装置是医疗保健装置,如ECG传感器、血压计传感器、EMG传感器、SpO2传感器、体温传感器等。树莓派(Raspberry Pi)配备了充当loT网关的Libelium e-Health工具包,其将生命体征数据路由到医疗保健loT服务器。医疗保健loT服务器负责处理请求并通过区块链网络向客户端提供所需的传感器读数。处理包含但不限于对数据进行滤波、检查生命体征读数是正常还是异常以及以客户端装置可以有效使用的格式来布置数据。所提出的系统使用超级账本结构框架来建立具有四个对等体的区块链网络,其中订购者节点作为docker容器中的图像工作。所提出的区块链网络中的每个对等体都由数据存储和智能合约构成,以将交易写入区块链账本。数据存储是DBcouch,其充当具有丰富查询功能的状态数据库,并且还支持将智能合约建模为JavaScript对象符号(JSON)。此外,超级账本合成器服务器提供了表述性状态转移(REST)应用程序编程接口(API)的功能,以向客户端应用程序暴露服务供进一步分析。智能合约中写入的所有服务都可以使用客户端应用程序通过REST API进行访问。另外,结构客户端还使用Google远程程序调用(gRPC)来与结构网络通信。区块链网络还通过WebSocket为客户端生成通知。
智能合约是用于在系统中执行定制设计的功能并以商业网络档案(BNA)的形式进行编译的计算机程序。在所提出的系统中,我们使用超级账本合成器来设计和实施用于安全监测患者生命体征的智能合约。超级账本合成器是专门用于开发基于区块链的应用程序的个开源框架。智能合约由四个主要部分构成——模型、交易、查询定义和访问控制规则。模型文件进一步含有参与者和资产。参与者是系统的用户,他们负责管理系统并与系统交互。类似地,资产是在参与者之间使用并存储在区块链注册中心的有价值的实体、服务或商品。
此外,交易是智能合约中定义的可以与资产交互的逻辑操作。这些交易负责修改区块链网络中的参与者和资产的价值。第三部分是访问控制语言(ACL),其旨在为网络内的参与者提供认证和授权并定义每个参与者在业务网络域模型中的角色。此外,在ACL中,我们定义了智能合约的第四个也是最后一个部分,即以定制查询语言写入在单独文件中的查询。超级账本合成器查询用于基于用户请求从世界国家数据库中检索定制数据。参与者是医生、患者和护士,而资产是传感器、生命体征读数和患者健康记录。最后,交易处理器函数是获得传感器读数(getSensorReading)、添加传感器(addSensor)、更新传感器(UpdateSensor)、阈值检测(Threshold Detection)。
BNA进一步用于生成REST API,其向客户端应用程序解释restful服务。REST API是独立于平台的,并且可以通过有效凭证从任何平台访问。创建REST API的目的是在BNA与前端客户端应用程序之间建立通信。所设计的REST API由三个子部分构成——资源、动词和动作。资源是请求URL,而动词是将要在特定资源上执行的动作,如PUT、POST、GET和DELETE。RESTAPI基于HTTP协议并在头文件中包括以下参数:媒体类型、动词和基本URI。动词是在特定资源上执行的操作,如POST(新增)、PUT(修改)、GET(查询)和DELETE(删除)。类似地,媒体类型定义了状态转换元素,例如,应用程序/JSON。最后,URI确定请求数据条目的路径,例如,对资源URI like/api/VitalSignReading的GET请求将返回来自特定医疗保健传感器的生命体征信息列表。相反,对同一URI的POST请求将请求医疗保健loT服务器接受在URI请求中加密的包。
体域网(BAN),也称为无线体域网(WBAN)或身体传感器网络(BSN)或医疗体域网(MBAN),是可穿戴计算装置的无线网络。BAN装置可以作为植入物嵌入体内,可以在固定位置表面安装在身体上,或者可以是人可以在不同位置携带的伴随装置,如在衣服口袋中、用手拿或在各种包中。虽然存在装置小型化的趋势,具体地,体域网由几个小型化身体传感器单元(BSU)和单个身体中央单元(BCU)组成,但较大分米(tab和pad)大小的智能装置仍然在充当数据集线器或数据网关以及提供用户界面以现场查看和管理BAN应用方面发挥着重要作用。WBAN技术的发展大约始于1995年,其围绕着使用无线个域网(WPAN)技术在人体上、附近和周围实施通信的想法。大约六年后,术语“BAN”开始指完全在人体内、人体上和人体附近进行通信的系统。WBAN系统可以使用WPAN无线技术作为网关以达到更远的范围。通过网关装置,可以将人体上的可穿戴装置连接到互联网。这样,医疗专业人员可以独立于患者的位置使用互联网在线访问患者数据。
生理传感器、低功耗集成电路和无线通信的快速发展启用了新一代无线传感器网络,其现在用于监测交通、作物、基础设施和健康等目的。体域网领域是跨学科的领域,其可以通过互联网凭借实时更新医疗记录来实现廉价和连续的健康监测。许多智能生理传感器可以集成到可穿戴无线体域网中,所述可穿戴无线体域网可以用于计算机辅助康复或医疗病状的早期检测。此领域依赖于在人体内植入非常小的生物传感器的可行性,所述生物传感器既舒适又不损害正常活动。人体内植入的传感器将收集各种生理变化,以便监测患者的健康状况,而无论其位置在哪里。信息将被无线传输到外部处理单元。此装置将会把所有的信息实时传输给全世界的医生。如果检测到紧急情况,医师将通过发送适当的消息或警报通过计算机系统立即通知患者。目前,所提供的信息水平和能够为传感器供电的能源是有限的。虽然这项技术仍处于原始阶段,但它正在被广泛研究,并且一旦被采用,其预计将成为医疗保健领域的突破性发明,从而使远程医疗和移动医疗等概念成为现实。
典型的BAN或BSN可以采用生命体征监测传感器、运动检测器(通过加速度计)来帮助识别被监测个体的位置,并且采用某种形式的通信来将生命体征和运动读数传输给医疗从业者或护理人员。典型的体域网套件将由传感器、处理器、收发器和电池组成。已经开发了如ECG和SpO2传感器等生理传感器。如血压传感器、EEG传感器和PDA BSN接口等其它传感器正在开发中。
FCC已经批准在2360-2400MHz频段下为医疗BAN低功耗广域无线电链路分配40MHz的频谱带宽。这允许将MBAN通信从已经饱和的标准Wi-Fi频谱卸载到标准频段。2360-2390MHz的频率范围是其次可用的。FCC将在其规则的第95部分中扩展现有的医疗装置无线电通信(MedRadio)服务。使用所述频段的MBAN装置将在“规则许可”的基础上运行,而无需申请单独的发射器许可。2360-2390MHz频率的使用仅限于医疗保健设施的室内操作,并且须经注册和协调员的现场批准以保护航空遥测的主要用途。2390-2400MHz频段的操作无需注册或协调,并且可以用于所有区域,包含住宅区。
WBAN技术所面临的问题包含:
数据质量:通过BAN生成和收集的数据可以在患者护理过程中发挥关键作用。此数据的质量必须是高标准的,以确保所做的决定是基于尽可能好的信息。
数据管理:由于BAN会生成大量数据,因此管理和维护这些数据集至关重要。
传感器验证:普遍的感测装置受到固有的通信和硬件限制,包含不可靠的有线/无线网络链路、干扰和有限的电力储备。这可能导致错误的数据集被传回给最终用户。最重要的是,尤其是在医疗保健领域,所有传感器读数都要经过验证。这有助于减少错误警报的产生并识别硬件和软件设计中可能存在的弱点。
数据一致性:需要以无缝的方式收集和分析驻留在多个移动装置和无线病历中的数据。在体域网内,重要的患者数据集可能分散在多个节点上并跨越多个联网的PC或膝上型计算机。如果医疗从业者的移动装置不含有所有已知信息,则患者护理质量可能会降低。
安全性:要使WBAN传输安全和准确,需要相当大的努力。必须确保患者的“安全”数据仅来自每位患者的专用WBAN系统并且不会与其它患者的数据混淆。进一步地,从WBAN生成的数据应该有安全和有限的访问。尽管在大多数网络中安全性具有高度优先性,但在这方面对WBAN的研究却很少。由于WBAN在功率、存储器、通信速率和计算能力方面是资源受限的,因此为其它网络提出的安全解决方案可能不适用于WBAN。数据的机密性、认证、完整性和新鲜度以及可用性和安全管理是WBAN的安全要求。IEEE 802.15.6标准作为WBAN的最新标准试图在WBAN中提供安全性。然而,它有几个安全性问题。
互操作性:WBAN系统将必须确保跨如蓝牙、ZigBee等标准的无缝数据传输,以促进信息交换、即插即用装置交互。进一步地,系统将必须是可扩展的,确保跨网络的高效迁移,并提供不间断的连接。
系统装置:WBAN中使用的传感器必须复杂度低、形状因数小、重量轻、节能、易于使用且可重新配置。进一步地,存储装置需要便于远程存储和查看患者数据以及通过互联网访问外部处理和分析工具。
能量与准确度:应确定传感器的激活策略,以优化BAN的功耗与患者健康状态错误分类概率之间的权衡。高功耗通常导致对患者健康状态的更准确观察,反之亦然。
侵犯隐私:如果应用超出了“安全”医疗用途,则人们可能会认为WBAN技术是对自由的潜在威胁。社会认可将是这项技术获得更广泛应用的关键。
干扰:用于身体传感器的无线链路应该减少干扰并增加传感器节点装置与环境中可用的其它网络装置的共存。这对于WBAN系统的大规模实施来说尤其重要。
成本:当今的消费者期望低成本、高功能的健康监测解决方案。WBAN实施方案将需要进行成本优化以吸引注重健康的消费者。
持续监测:用户可能需要不同级别的监测,例如,那些有心脏缺血风险的用户可能希望其WBAN持续工作,而有跌倒风险的其它用户可能只需要WBAN在其行走或移动时对其进行监测。监测级别影响所需的能量和能源耗尽之前BAN的生命周期。
受限部署:WBAN需要是可穿戴的、轻便的和非侵入性的。它不应该改变或妨碍用户的日常活动。所述技术最终应该对用户透明,即,它应该在用户没有意识到的情况下执行其监测任务。
一致的性能:WBAN的性能应该是一致的。即使在WBAN关闭并再次打开时,传感器测量值也应准确并经过校准。无线链路应该是鲁棒的并且可以在各种用户环境下工作。
MIT媒体实验室的Rosalind Picard、Steve Mann和Jennifer Healey设计了监测穿着者的连续生理数据的“智能服装”。这些“智能服装”、“智能内衣”、“智能鞋子”和智能珠宝收集了含有生理信息的数据或者控制着如相机和其它装置等生理传感器和环境传感器。参见Mann,S.(1996).《智能服装:向可穿戴计算的转变(Smart clothing:The shift towearable computing)》.美国计算机学会会刊(Comm.of the ACM),39(8),23-24;Mann,Steve(1997年3月).“智能服装(Smart Clothes)”《个人技术(Personal Technologies)》.1(1):21-27;Picard,Rosalind;Healey,Jennifer(1997年12月).“情感可穿戴装置(Affective Wearables)”.《个人技术》.1(4):231-240;Mann,S.(1997).“可穿戴计算:迈向个人影像的第一步(Wearable computing:A first step toward personal imaging)”.IEEE计算机(IEEE Computer),30(2),25-32。
爱尔兰廷德尔国家研究所开发了“远程非侵入性患者监测”平台,其用于评估患者传感器生成的数据质量以及最终用户可能采用所述技术的方式。参见O′Donoghue,John、John Herbert和Paul Stack.“远程非侵入性患者监测(Remote non-intrusive patientmonitoring)”《智能家居及其它(Smart Homes and Beyond)》(2006):180-87。
活动跟踪器,如Jawbone公司和Fitbit公司制造的智能腕带,正在收集关于心率、步数和其它生理数据的信息。它们作为手镯或手表戴在手腕上。此类装置通常包含加速度计、计步器、用于测量心率的光学传感器以及其它传感器。
可穿戴装置极易出错,而且不是很准确。然而,具有至少两个装置(例如,两枚戒指、两个手镯、或一个戒指和一个手镯)将(a)给出更精确的信息,因为一个装置可以补偿另一个装置中的误差,并且(b)给出具有诊断价值的另外的数据。在现有的可穿戴装置中,每个生理参数仅在单个肢体(通常是手臂)上测量。多个数据流不用于噪声滤波,并且不进行比较来计算差异。进一步地,不执行由不同传感器获取的参数之间的任何比率的计算。然而,本发明被设计成收集和比较不同的生理参数并允许更精确地确定用户的生理状态。另外,本发明被设计成测量不同肢体上的相同生理参数(例如,脉搏或血压),允许计算差异,这具有单独的诊断意义。进一步地,多个可穿戴装置可以全部在局域网中互连,这可以具有另外的益处。
在美国专利申请US20140300490中,公开了一种用于安全控制生理传感器和医疗装置的可穿戴装置。可穿戴电子装置包含无线电子系统。另外,无线电子系统被配置成提供体域网(BAN)功能以与体域网(BAN)的节点通信,并提供上行链路无线电功能以与服务器通信。可穿戴装置具有带存储器的电池供电处理器。另外,存储器具有用于通过BAN无线电与至少一个可穿戴节点通信以接收数据的固件以及用于通过上行链路无线电进行通信以下载与可穿戴节点相关联的应用程序和配置信息并将数据上传到服务器的固件。可穿戴节点或从属节点可以是胰岛素泵、化疗泵、TENS单元、心脏监测器或用于监测受试者的生理或行为特性的另一装置。
在另一美国专利申请20140228904中,公开了用于可植入装置联网的系统和方法。可植入装置被配置用于电生理信息、生物传感器、被配置成附着/耦合到身体的装置以及用于在身体上携带的可穿戴装置。本发明提出了用于传感器和装置的方法,这些传感器和装置可配置有至少一个唯一标识号,由此可以在由装置和传感器形成的一个或多个网络中以特定性、安保性和安全性对这些装置和传感器进行访问、通信和寻址。装置和/或传感器可以被配置有唯一的装置/传感器配置文件。可以用包含健康信息在内的用户信息构成的用户配置文件来描述和配置用户,使得用户信息/配置文件和装置/传感器信息/配置文件可以单独使用或彼此串联使用。
以上提到的现有技术系统和方法有几个缺点。先前的关注点是位于体内的用于通信、协调、命令和控制由可植入装置执行的功能的一个或多个可植入装置的联网。另外,现有技术提出了通过安全和无缝联网的多个手段来识别个体和与个体相关联的可植入装置。现有技术集中于具有固件的可穿戴主电子装置,所述固件用于与可穿戴节点进行BAN通信以接收数据并且在实施例中发送配置数据。然而,这些现有技术参考文献没有考虑生理参数,并且没有被设计成比较不同的生理参数。它们不允许更精确地确定用户的生理状态。另外,现有技术没有公开在不同肢体上测量相同生理参数(例如,温度、脉搏、氧饱和度或血压)。此外,现有技术不允许计算差异,这可能具有单独的诊断意义。进一步地,现有技术无法计算由不同传感器获取的参数之间的任何比率。
鉴于以上讨论,需要克服上述缺点的装置、方法和系统。
本发明涉及用于从用户获取生物识别数据并对其进行分析的系统。
所述系统可以包含可以互连的多个可穿戴装置和个人移动电子装置。可穿戴装置被穿戴在皮肤表面附近或皮肤表面上,在所述皮肤表面处所述可穿戴装置检测、分析和传输关于身体信号的信息,如生命体征和其它生理参数。可穿戴生物识别装置可以包含但不限于手表、戒指、手镯、脚链、耳环、头盔、头戴式装置、耳塞、无线耳机、头戴式耳机、耳机和助听器。生物识别装置可以穿戴在身体上、嵌入在一件衣服或珠宝中。替代性地,可穿戴装置可以直接附接到皮肤上或植入皮下。
特别优选的实施方案包含在双耳中提供传感器以在声学上感测心跳、温度、脉搏血氧饱和度、脑电图、EMG、声音共振等的一对耳间装置。有利地,所述一对双耳装置还充当具有回放和通话能力以及蓝牙(例如,BLE)接口的传统耳塞。
可植入装置和可穿戴装置可以连接在一个体域网(BAN)中,从而使用人体的自然导电性来传输信号。每个可穿戴装置包含至少一个传感器,用于获取生理数据,如温度、心节律(例如,心率、静息心率、心悸、心率一阶变化和心率二阶变化等)、呼吸、脉搏血氧测定、静电血压、耳道内压力、静电电势、ECG、血糖、睡眠阶段、癫痫发作、身体活动(例如,步数)、锻炼花费的时间、消耗和/或燃烧的卡路里数、移动方向、其速度和加速度、身体劳损、某些生化物质的释放、耳道内压力等。
另外,可穿戴生物识别装置可以收集关于周围环境的信息,如温度、湿度、气压、空气纯度、亮度、位置等。可穿戴装置中的检测器可以包含安装在身体、衣物或珠宝上的加速度计、陀螺仪、光传感器和气压传感器。此类装置可以测量运动表现、血液酒精含量,监测用户的病情。参见例如Coldewey,Devin.“智能手表可以很快告诉你什么时候生病(Smartwatches could soon tell you when you′re getting sick)”TechCrunch.;Li X,Dunn J、Salins D、Zhou G、Zhou W、Schüssler-Fiorenza Rose SM等人(2017)《数字健康:使用可穿戴生物传感器跟踪生理机能和活动揭示了有用的健康相关信息(DigitalHealth:Tracking Physiomes and Activity Using Wearable Biosensors RevealsUseful Health-Related Information)》《公共科学图书馆:生物学(PLoS Biol)》15(1):e2001402.doi.org/10.1371/journal.pbio.2001402。可穿戴装置可以监测和预测情绪、压力和健康的变化。参见例如Schwab,Katharine.“此MIT初创公司正在为脑开发健身跟踪器(This MIT Startup is Developing a Fitness Tracker for your Brain.)”《快公司(Fastcompany)》(检索时间2020-08-04)。己经尝试开发健康风险评估应用程序,包含测量虚弱和年龄相关疾病的风险。参见Tim Pyrkov、Konstantin Slipensky、Mikhail Barg、Alexey Kondrashin、Boris Zhurov、Alexander Zenin、Mikhail Pyatnitskiy、LeonidMenshikov、Sergei Markov和Peter O.Fedichev(2018)“通过深度学习从生物医学数据中提取生物年龄:过犹不及?(Extracting biological age from biomedical data viadeep learning:too much of a good thing?)”《科学报告(Scientific Reports.)》8(1):5210。
织物生产的创新导致了“电子纺织品”的产生。当前的可穿戴技术将感测能力集成到衣服中。通过将电极编织到服装所用的材料中,可以收集心电图和肌电图数据。参见例如Patel S、Park H、Bonato P、Chan L、Rodgers M.,“可穿戴传感器和系统在康复中的应用综述(A review of wearable sensors and systems with application inrehabilitation)”《神经康复杂志(J Neuroeng Rehabil.)》2012年4月20日;9():21。
表皮电子装置属于可穿戴技术领域,因其性质和行为与表皮或皮肤的最外层相当而得名。这些可穿戴装置直接附接在用户的皮肤上,以连续监测皮肤和皮下的生理和代谢过程。参见Kim,Dae-Hyeong;Rogers,John(2011).“表皮电子装置(EpidermalElectronics)”.《科学(Science)》.333:838-843.Webb,R.Chad;Ma,Yinji;Krishnan,Siddharth;Li,Yuhang;Yoon,Stephen;Guo,Xiaogang;Feng,Xue;Shi,Yan;Seidel,Miles;Cho,Nam Heon;Kurniawan,Jonas(2015年10月).“用于非侵入性、精确和连续绘制大血管和微血管血流的表皮装置(Epidermal devices for noninvasive,precise,and continuousmapping of macrovascular and microvascular blood flow)”.《科学进展(ScienceAdvances)》.1(9):e1500701.Zhang,Yujia;Tao,Tiger H.(2019-10-17).“用于获取人体生理信号的皮肤友好型电子装置(Skin-Friendly Electronics for Acquiring HumanPhysiological Signatures)”.《高级材料(Advanced Materials)》.31(49):1905767;
另外,可穿戴装置可以在体域网(BAN)中可操作地彼此连接。进一步地,互连可穿戴装置可以包含植入式医疗装置。如智能手机、平板计算机、智能手表等个人移动电子装置无线连接到可穿戴生物识别装置和/或BAN中的每一个。另外,个人移动电子装置被配置成接收和分析由多个互连生物识别装置中的每一个获取的生理数据。
本发明体现了被配置成从与生理参数相关的多个数据流计算生理参数的个人移动电子装置。每个数据流由位于用户身体不同位置的不同可穿戴装置获取。个人移动电子装置被进一步配置成通过以下来计算生理参数:使用由不同可穿戴装置获取的数据流对生理参数求平均;对与相同生理参数相关的多个数据流使用噪声滤波器;或者使用统计技术来分析与生理参数相关的多个数据流。个人移动电子装置被进一步配置成根据由多个互连可穿戴装置中的不同可穿戴装置获取的至少一个其它生理参数的值来计算生理参数。个人移动电子装置被进一步配置成计算在相对肢上获取的相同生理参数之间的差异。在本发明的一个实施例中,通过实时比较与由放置在相对的手(或腿)上的可穿戴装置获取的心率相关的数据流而比较相对的手上的心率来分析心率。在本发明的另一个实施例中,通过比较与由放置在相对的手(或腿)上的可穿戴装置获取的血压相关的数据流而比较相对的手上的血压来分析血压。可以分析此数据以诊断预测心脏和血管异常。在本发明的另一个实施例中,通过实时比较与由放置在相对的手(或腿)上的可穿戴装置获取的温度相关的数据流而比较相对的手上的温度来分析温度。在本发明的又一个实施例中,通过实时比较与由放置在相对的手(或腿)上的可穿戴装置获取的氧饱和度相关的数据流而比较相对的手上的氧饱和度来分析氧饱和度。此数据可以用于诊断或预测微血管或其它异常。
在另一个实施例中,耳道内压力之间的压差可以通过嵌入在耳机、耳塞、助听器等中的麦克风来容易地测量。此压差具有诊断意义。
在本发明的一个实施例中,通过比较与由放置在相对的手(或腿)上的可穿戴装置获取的肌张力相关的数据流而比较相对的手上的肌张力来分析肌张力。肌张力的差异可能是短暂性缺血(TIA)、中风、瘫痪或其它神经障碍的指示。
在本发明的另一个实施例中,通过比较与由放置在相对的腿上的可穿戴装置获取的移动相关的数据流而比较相对的腿的移动来分析用户的门。门的变化可以指示神经障碍,如多发性硬化(MS)、帕金森病(Parkinson)、卢伽雷氏病(Lou Gehrig disease)、阿尔茨海默病(Alzheimer′s)或另一种神经退行性疾病。
在本发明的另一个实施例中,通过比较与由放置在相对的手上的可穿戴装置获取的移动相关的数据流而比较相对的手的移动来分析用户手的移动。检测到手的震颤可以指示如帕金森病或另一种神经退行性疾病等神经障碍的发作。
在本发明的另一个实施例中,一个可穿戴装置由另一个互连可穿戴装置控制。所述方法包括以下步骤:将第一可穿戴装置与第二可穿戴装置操作性地连接到局部网络(如LAN或BAN)中;将信号从第二可穿戴装置发送到第一可穿戴装置;由第一可穿戴装置从第二可穿戴装置接收信号;以及根据从第二可穿戴装置接收到的信号来改变第一可穿戴装置的操作方案。
本发明的又一个实施例陈述了一种对从多个互连可穿戴装置接收到的生理信号进行降噪的方法。所述方法包括以下步骤:将与生理信号相关的多个信号从至少两个可穿戴装置发送到个人移动电子装置;由个人移动电子装置接收所述多个信号;以及通过比较与从所述至少两个可穿戴装置接收到的生理信号相关的多个信号来对所述生理信号进行降噪,其中使用个人移动电子装置来执行降噪。
优选地对所述生理信号的动态特性进行建模。然后,使用所述模型来形成“最佳滤波器”,即具有通过高质量分离将信号与噪声分离的特性的滤波器。通常,在具有极点和零点的频域滤波器的情况下,分离在统计上被优化以增加信噪比或另一个有用的度量。另一方面,在生理信号是在除频域以外的域中建模的情况下,可以采用具有统计优化的其它类型的滤波器。在一些情况下,可以使用卷积神经网络架构。
所述模型可以是统计模型,并且可以预测未来状态,如隐马尔可夫模型(hiddenMarkov model,HMM)。参见en.wikipedia.org/wiki/Hidden_Markov_model。隐马尔可夫模型(HMM)是统计马尔可夫模型,在所述统计马尔可夫模型中,被建模的系统被假设为具有无法观察的(隐藏)状态的马尔可夫过程(称为X)。作为定义的一部分,HMM要求有可观察的过程Y,其结果以己知的方式受到X的结果的“影响”。由于无法直接观察X,因此目标是通过观察Y来了解X。HMM还有另外的要求,即t=t0时Y的结果可能只受t=t0时X的结果“影响”,并且t<t0时X和Y的结果不得影响t=t0时Y的结果。
分层隐马尔可夫模型(HHMM)是来源于隐马尔可夫模型(HMM)的统计模型。en.wikipedia.org/wiki/Hierarchical_hidden_Markov_model。在HHMM中,每种状态被视为自含式概率模型。更准确地说,HHMM的每种状态本身就是HHMM。这意味着HHMM的状态发出观察符号序列,而不是像标准HMM状态那样发出单个观察符号。当HHMM中的状态被激活时,它将激活其自己的概率模型,即,它将激活底层HHMM的状态之一,这进而可以激活其底层HHMM等。重复所述过程,直到称为生产状态的特殊状态被激活。只有生产状态发出通常HMM意义上的观察符号。当生产状态已经发出符号时,控制返回到激活生产状态的状态。不直接发射观察符号的状态被称为内部状态。在内部状态下激活HHMM中的状态被称为垂直过渡。在垂直过渡完成后,同一级别内的状态发生水平过渡。当水平过渡导致终止状态时,控制返回到层次结构中较高的HHMM中产生最后一个垂直过渡的状态。请注意,在达到生产状态序列并最终返回到顶级之前,垂直过渡可能导致更多的垂直过渡。因此,被访问的生产状态产生由顶层状态“产生”的观察符号序列。HMM和HHMM属于同一类分类器。也就是说,它们可以用来解决同一组问题。事实上,HHMM可以变换成标准的HMM。然而,HHMM利用其结构来更高效地解决问题的子集。
基本生理参数的性质通常被充分研究,并且因此模型和最佳滤波器(取决于传感器和噪声环境)是可获得的。同样,神经网络和此类网络的训练数据是众所周知的和可获得的。然而,关于动态的传感器间差异,需要进行数据分析。
在多个部分冗余的测量值的情况下,许多不同的度量是重要的。每个传感器测量值都是“真实数据”的证据,即从“黄金标准”过程中获得的标称测量值。进一步地,每个传感器提供接近相应传感器的参数的证据。传感器测量相应感测的参数随时间的动态变化。最后,传感器读数之间存在动态差异。这些中的每一个都有不同的分析和解释。差异分析是本发明的方面的重要特征。
在本发明的又一个实施例中,通过对从不同装置接收到的值求平均,以更高的准确度计算从多个互连可穿戴装置接收到的生理信号。所述方法包括以下步骤:将与生理信号相关的多个信号从至少两个可穿戴装置发送到个人移动电子装置;由个人移动电子装置接收所述多个信号;以及通过对从与从至少两个可穿戴装置接收到的生理信号相关的多个信号中获得的值求平均来计算所述生理信号,其中使用个人移动电子装置来执行平均。
为了训练系统以分析差分传感器的信号,获得数据是很重要的,所述数据通常可以在传感器网络完全建立之前从传感器网络获得。系统的其它关键信息是结果数据,其可以从电子医疗记录、自我报告以及来自其它传感器和智能手机的其它实时数据(自我报告和自动获取)中获得。一旦传感器数据和结果数据是可获得,这些就可以被联合处理以提供用于分析数据类型的模型、滤波器和/或分析框架。
在本发明的又一个实施例中,通过对从不同可穿戴装置获得的多个数据集执行统计分析来提高测量生理参数的准确度。所述方法包括以下步骤:将与生理信号相关的多个信号从至少两个可穿戴装置发送到个人移动电子装置;由个人移动电子装置接收所述多个信号;以及通过对与从多个互连可穿戴装置中的至少两个接收到的生理信号相关的多个信号执行统计分析来计算所述生理信号,其中使用个人移动电子装置来执行统计分析。对所述生理信号的统计分析是众所周知的。
美国专利申请20190060733涉及耳戴式装置。移动装置可以包括为移动性而设计的各种类型的计算装置。例如,移动装置可以包括智能手机、平板计算机、便携式媒体播放器装置、全球导航卫星系统(GNSS)装置或为移动使用而设计的其它类型的装置。移动装置106可以通过通信网络与服务器装置通信,所述通信网络例如是蜂窝通信网络,如4G LTE网络、5G网络或使用另一种类型的无线通信技术的蜂窝通信网络。耳戴式装置可通信地耦合到移动装置。耳戴式装置和移动装置可以使用各种无线通信技术进行通信。
例如,耳戴式装置和移动装置可以使用蓝牙、WiFi、Zigbee或另一种无线通信技术进行通信。耳戴式装置可以包括收集关于耳戴式装置的穿戴者的生物识别数据的一个或多个传感器。例如,耳戴式装置可以包括测量穿戴者体温的体温传感器、用于确定穿戴者心率的一个或多个传感器、皮肤电反应(GSR)传感器、所走的步数等。耳戴式装置可以将生物识别数据无线传输到计算系统。计算系统104可以将生物识别数据用于各种目的。例如,计算系统可以使用生物识别数据来确定耳戴式装置的穿戴者继续打高尔夫球是否安全,并且在继续打高尔夫球不安全的情况下通知穿戴者。因此,在此实例中,计算系统的无线电可以从耳戴式装置无线接收生物识别数据。在此实例中,生物识别数据可以包括心率信息、体温信息、所走的步数或GSR信息中的至少一项。此外,在此实例中,计算系统可以基于生物识别数据来确定耳戴式装置的穿戴者是否应该停止在高尔夫球场上打球。响应于确定耳戴式装置的穿戴者应该停止在高尔夫球场上打球,计算系统可以将音频数据无线发送到耳戴式装置。音频数据可以表示停止在高尔夫球场上打球的建议的发声声波。在一些实例中,如果穿戴者的心率和/或体温上升到特定阈值以上和/或如果穿戴者在给定时间段内已经走了超过特定步数,则计算系统可以确定穿戴者应该停止在高尔夫球场上打球。在一些实例中,计算系统存储生物识别数据的记录以供将来参考。
美国专利申请20200237317涉及非侵入式健康监测的系统和方法,并且具体地使用光学传感器来检测血流中的葡萄糖水平的系统和方法。生物传感器可以包含温度传感器,所述温度传感器被配置成检测用户的温度。例如,温度传感器可以包含传感器阵列(例如,16×16像素)以检测用户的皮肤温度。温度传感器还可以用于校准PPG电路,如LED或其它光源的波长输出。生物传感器可以包含显示生物传感器数据的显示器或用于生物传感器的控制接口。
生物传感器进一步包含收发器。收发器可以包含无线或有线收发器,所述无线或有线收发器被配置成通过LAN、MAN和/或WAN与一个或多个装置通信。在一方面,无线收发器可以包含启用蓝牙的(BLE)收发器或符合IEEE 802.11ah、Zigbee、IEEE802.15-11或WLAN(如IEEE 802.11标准协议)的收发器。另一方面,无线收发器可以使用RFID、短程射频、红外链路或其它短程无线通信协议来操作。另一方面,无线收发器还可以包含或可替代地包含用于通过蜂窝网络进行通信的接口。收发器还可以包含有线收发器接口,例如,USB端口或其它类型的有线连接,用于通过LAN、MAN和/或WAN与一个或多个其它装置通信。收发器可以包含无线或有线收发器,所述无线或有线收发器被配置成通过控制器局域网(CAN)、本地互连网络(LIN)、Flex Ray、面向媒体的系统传输(MOST)、(车载诊断II)、以太网或使用其它类型的网络或协议与车辆或其组件通信。生物传感器可以使用收发器通过广域网(如蜂窝网络)向第三方服务提供者(如医疗保健提供者或紧急服务提供者)传输健康数据。
生物传感器还可以包含运动传感器,所述运动传感器被配置成检测生物传感器或患者的运动。在实施例中,运动传感器包含加速度计。由于运动,PPG信号的信号质量可能下降。在实施例中,可以设置PPG信号质量指示器的可接受容限。当运动水平超过阈值时,则可以忽略PPG数据以避免测量误差。生物传感器可以被编程为在超过预定的运动水平(例如,速度或加速度)后复位。
光体积描记法(PPG)用于测量由心动周期引起的血管中血液的时间依赖性体积性质。例如,心跳影响血流体积和动脉血流中被测物质的浓度或吸收水平。在心动周期内,脉动的动脉血液改变了血管中的血流体积。入射光IO指向组织部位,并且一定量的光被反射或透射,而一定量的光被吸收。在心动周期中的血流或体积的峰值处,反射/透射光IL由于被增加的血液体积吸收(例如,由于血管中的脉动血液)而处于最小值。在心动周期期间血液体积最小时,透射/反射光IH由于缺乏来自脉动血液的吸收而处于最大值。生物传感器被配置成从透射/反射光IH中对脉动血液的反射/透射光IL进行滤波。此滤波将由于脉动血液的反射/透射产生的光与由于来自非脉动血液、血管壁、周围组织等的反射/透射产生的光隔开。生物传感器然后可以从脉动血液中的反射/透射光IL测量一种或多种物质的浓度水平。例如,入射光IO以一种或多种波长指向组织部位。反射/透射光I由相机中的光电检测器或传感器阵列检测。在血流或体积的峰值处,反射光IL由于被脉动血液、非脉动血液、其它组织等吸收而处于最小值。在心动周期期间血流或体积最小值处,入射或反射光IH由于缺乏来自脉动血液体积的吸收而处于最大值。因为光I在两个测量时间被反射或穿过不同体积的血液,所以由PPG传感器提供的测量被称为“体积测量”,其描述了在心动周期的不同时间在用户血管内的特定位置存在的不同血液体积。本文描述的这些原理可以应用于静脉血流和动脉血流。
当心脏在心脏收缩期间将血液泵送到身体和肺部时,到达皮肤表面毛细血管的血液量增加,从而导致更多的光吸收。然后,血液通过静脉网络回到心脏,从而导致毛细血管中的血液体积减少并且光吸收减少。因此,所测量的PPG波形包括脉动的(通常称为“AC”)生理波形,所述生理波形反映了血液体积与心动周期的同步变化,所述心动周期叠加在大得多的缓慢变化的准静态(“DC”)基线上。迄今为止,PPG技术的用途主要用于测量血管中的血氧饱和度。
生物传感器可以包含光学电路,所述光学电路被配置成获得从用户的组织反射的多个波长的多个PPG信号,其中不同的波长具有不同的组织穿透深度。生物传感器还包含处理电路,所述处理电路被配置成使用多个PPG信号来确定多个不同波长的多个L值,并使用多个L值来确定多个R值。处理电路被进一步配置成使用多个PPG信号来确定一个或多个其它PPG参数;并且使用多个L值、多个R值和一个或多个其它PPG参数来确定血流中的葡萄糖水平。光学电路还可以被配置成获得对于血流中的一氧化氮(NO)具有高吸收系数的波长的第一PPG信号和对于血流中的NO具有低吸收系数的波长的第二PPG信号。多个L值包含使用在380nm-400nm范围内的第一波长下获得的第一PPG信号确定的第一L值;以及使用在等于或大于660nm的第二波长下获得的第二PPG信号确定的第二L值。
生物传感器可以包含温度传感器,所述温度传感器被配置成检测用户的温度。例如,温度传感器可以包含传感器阵列(例如,16×16像素)以检测用户的皮肤温度。温度传感器还可以用于校准PPG电路,如LED或其它光源的波长输出。生物传感器可以包含显示生物传感器数据的显示器或用于生物传感器的控制接口。
生物传感器可以包含收发器,例如,无线或有线收发器,所述无线或有线收发器被配置成通过LAN、MAN和/或WAN与一个或多个装置通信。在一方面,无线收发器可以包含启用蓝牙的(BLE)收发器或符合IEEE 802.11ah、Zigbee、IEEE 802.15.11或WLAN(如IEEE802.11标准协议)的收发器。另一方面,无线收发器可以使用RFID、短程射频、红外链路或其它短程无线通信协议来操作。另一方面,无线收发器还可以包含或可替代地包含用于通过蜂窝网络进行通信的接口。收发器112还可以包含有线收发器接口,例如,USB端口或其它类型的有线连接,用于通过LAN、MAN和/或WAN与一个或多个其它装置通信。收发器112可以包含无线或有线收发器,所述无线或有线收发器被配置成通过控制器局域网(CAN)、本地互连网络(LIN)、Flex Ray、面向媒体的系统传输(MOST)、(车载诊断II)、以太网或使用其它类型的网络或协议与车辆或其组件通信。生物传感器100可以使用收发器112通过广域网(如蜂窝网络)向第三方服务提供者(如医疗保健提供者或紧急服务提供者)传输健康数据。
生物传感器还可以包含运动传感器,例如,加速度计,所述运动传感器被配置成检测生物传感器或患者的运动。
生物传感器的实施例可以使用PPG技术来检测血流内的一种或多种物质的浓度水平。例如,生物传感器可以检测一氧化氮(NO)浓度水平,并将NO浓度水平与血糖水平相关联。生物传感器还可以检测血流中的氧饱和度(SaO2或SpO2)水平。生物传感器还可以被配置成检测肝酶细胞色素氧化酶(P450)酶并将P450浓度水平与血液酒精水平相关联。
注意,NO与血管舒张相关联,并且血管舒张的局部差异可以反映传感器附近的组织过程。
在每个波长下获得的光谱响应可以基于其相应光谱响应中的心脏收缩点和心脏舒张点来对准。此对准有助于将每个光谱响应与血管内脉搏诱发的局部压力波的特定阶段或相位(其大致模拟心动周期,并且因此包含心脏收缩和心脏舒张阶段和其子阶段)相关联。此时间对准有助于确定在心动周期的心脏收缩时间点附近和心动周期的心脏舒张时间点附近获取的与用户血管内的局部压力波相关联的吸收测量值。此测得的局部脉搏定时信息可以用于正确解释吸收测量值,以便确定由生物传感器测得的AC和DC分量的相对贡献。
然后确定光谱响应的心脏收缩点和心脏舒张点。因为人的脉搏通常在1Hz的数量级,所以心脏收缩点与心脏舒张点之间的时间差通常在几毫秒、几十毫秒或几百毫秒的数量级。因此,在期望的测量周期内,可以以约10-100Hz的频率获得光谱响应测量值。在一个或多个心动周期内获得光谱响应,并确定光谱响应的心脏收缩点和心脏舒张点。优选地,在至少三个心动周期内获得光谱响应,以便获得心率。将低通滤波器(如5Hz低通滤波器)应用于光谱响应信号。AC和DC分量的相对贡献是获得的IAC-HDC和IAC。应用峰值检测算法来确定心脏收缩和心脏舒张点。如果没有同时检测到,则波长中的每一个的光谱响应的心脏收缩点和心脏舒张点可以对准,或者可以与压力脉搏波形或心动周期的心脏收缩点和心脏舒张点对准。
然后应用比尔-朗伯特方程(Beer-Lambert equation)。例如,然后为第一波长λ1和第二波长λ2计算Lλ值。
本文中可以实施一种或多种类型的人工神经网络(也称为机器学习算法),以从PPG信号中确定健康数据。例如,神经网络可以用于从源自PPG信号的输入数据中获得NO或葡萄糖的浓度水平或其它健康数据。
神经网络模型可以被视为定义函数f的简单数学模型,其中f:X→Y或X或X和Y两者上的分布。当前可用的神经网络引擎或API的类型包含例如TensorFlowTM、KerasTM、CNTKTM、CaffeTM、TheanoTM和LasagneTM。
有时,各种机器学习技术与特定的学习规则密切相关。函数f可以是一类函数的定义(其中所述类的成员是通过改变参数、连接权重、阈值等获得的)。神经网络通过反复调整其参数、权重和阈值来学习,以产生期望的输出。使用定义的一组规则(也称为学习算法)来执行训练。机器学习技术包含脊线性回归、多层感知器神经网络、支持向量机和随机森林。例如,在监督训练模型的情况下使用梯度下降训练算法。如果实际输出不同于目标输出,则确定有差异或误差。梯度下降算法以这种方式改变网络的权重以最小化此误差。其它学习算法包含反向传播、最小均方(LMS)算法等。一组实例或训练集用于神经网络的学习。训练集用于识别网络的参数[例如,权重]。
压力脉搏波从较深组织传播到较浅组织,并且因此在IR和UV信号中的压力脉搏波之间产生相位差。随着动脉血管舒张和血管收缩,对压力脉搏波的阻力发生变化,并改变从较深组织到较浅组织的传播时间。传播时间的此变化也改变了IR和UV信号中的压力脉搏波之间的相位差。此相位差提供了血管舒张和血管收缩作用的量度。通过比较UV和IR之间相位差的变化,可以测量血管舒张和血管收缩的作用。
在相同的输入功率下,较高波长的光(IR光)比较低波长的光(UV光)更深地穿透血管组织。组织的光学性质受许多因素影响,包含但不限于皮肤色调、组织水合作用和组织化学。在来自光源的光反向散射到同一表面上的传感器的传感器配置中,传感器处的光信号包含在与组织相互作用后到达焦面的所有反向散射的光的总和。在光功率在所有波长上都相同的情况下,从IR光反向散射的一些光比UV光更深地穿透到组织中。这意味着不同波长的光探测不同深度的组织。在皮肤表面附近,动脉血管的密度(即动脉血液的量)比更深的组织深度处的要高得多。这意味着虽然IR光受到较浅深度的动脉血液的影响,但是大部分IR信号是从较深的动脉血液反射的。
当心跳时,动脉会随着液体排出心脏而膨胀。膨胀或压力波的前沿像“鼓包”一样穿过动脉系统。此系统可以被视为弹性阻尼液压系统。脉动血流中的压力波或鼓包从下部组织移动到上部组织。因此,较深的穿透波长(如IR光)首先检测到压力波,随后是较小的穿透波长(如可见光,然后是UV光)。因此,从下部组织移动到上部组织中的“鼓包”或压力波的时间延迟在不同波长的PPG信号中看到的压力波形中产生了时间延迟。例如,如图15所示,与IR范围内的波形和可见光范围(390nm至700nm)内的波形相比,UV范围内的波形具有时间延迟。因此,此不同波长的时间延迟是由于每个波长穿透皮肤的深度。
血管舒张/血管收缩改变了压力波的传播,从更深、更大的动脉开始,然后移动到更浅、更小的动脉。另外,血液对395nm UV光的吸收多于对940nm UV光的吸收。因此,需要较少的血液即可获得对PPG信号进行采样的相同强度。因为较深的动脉在动脉结构中“更靠近”向组织部位供血的主动脉,所以它们与更靠近皮肤表面(在皮肤表面大部分UV信号被反射)的小动脉相比不太坚硬。较深的动脉更容易受到血管舒张和血管收缩的影响。
压力波传播的此变化可以通过传递函数从穿透组织很深的波长(例如,在IR范围内)到穿透组织不太深的波长(例如,在可见光或UV范围内)的变化来测量。这意味着通过测量具有不同穿透深度的两个或更多个波长的PPG信号的形状和时间延迟的变化(例如,其中至少一个在近IR窗口中,一个不在所述窗口中),可以确定关于血管舒张/血管收缩的信息。此外,因为两种穿透深度之间的传递函数受血压、血液粘度、组织吸收度以及通常的心血管健康的影响,所以也可以表征这些其它参数。可以检查的PPG信号的特征或参数包含但不限于不同波长的心脏收缩点和心脏舒张点之间的时间延迟以及波长之间的重搏切迹抑制的差异。
血管收缩迫使更多的血液流出组织部位。这将导致传感器视场中的吸收减少,因为通常血液比组织吸收更多的光。在生物传感器处检测到的反射光的强度会增加,因为吸收的光减少(因为吸收光的血液减少)。这将导致“DC”信号急剧增加。另外,因为血管的表面积减小,所以由压力脉搏波(AC信号)引起的脉动信号的强度减小。
由于血管的扩张或收缩,血管舒张或血管收缩也可以改变皮肤组织的颜色或色调。此血流量的增加或减少可能会改变皮肤的色调。通过监测皮肤的色调,生物传感器100可以检测组织中的血管舒张或血液循环的其它变化。例如,如黄色(590nm-560nm)或红色(564nm-580nm)或蓝色(490nm-450nm)波长的可见光范围内的PPG信号可以用于检测皮肤色调的变化。
内皮细胞还通过释放NO使血管壁的平滑肌松弛来介导对血管扩张的神经信号的快速响应。NO的产生抵消或介导了ET-1对血管中的胰岛素的收缩作用。胰岛素通过随后激活细胞内酶1-磷脂酰肌醇3-激酶(PI3-激酶)和Akt来刺激内皮细胞中NO的产生,从而激活内皮NO合酶。被较高胰岛素剂量刺激的NO被认为是胰岛素介导的内皮依赖性血管舒张的潜在药剂。在健康动脉中,与NO水平相比,所产生的ET-1水平较低,并且因此NO的生物利用度得以保持。
在血管功能障碍中,平滑肌细胞和巨噬细胞中ET-1的表达增加。介导血管收缩的平滑肌细胞上ETB受体的表达也有所增加。另外,ET-1可以降低内皮NO合酶(eNOS)表达,从而减少NO的产生。平滑肌细胞上的ETA和ETB受体都可以介导内皮功能障碍中超氧化物的形成。超氧化物将通过形成过氧硝酸根(ONOO--)来降低NO的生物活性。这增加了ET-1的作用并降低了NO对平滑肌细胞的作用。肥胖症和糖尿病的临床证据表明,内皮功能障碍是指在施加内皮依赖性血管舒张剂以及过度的血管收缩张力后血管未能充分舒张。因此,ET-1通过其血管收缩作用直接导致内皮功能障碍,并通过对NO产生的抑制作用间接导致内皮功能障碍。
总的来说,内皮功能障碍中这些作用的平衡转向更多的血管收缩、炎症和氧化应激。ET-1的表达和生物学作用改变在血管功能障碍中的致病作用可能导致心血管疾病、动脉粥样硬化和高血压的发展。例如,血管内皮功能障碍是心血管疾病发展中的早期发现,并且与动脉粥样硬化和高血压患者的临床事件密切相关。
如以上所讨论的,在血管系统中,胰岛素刺激ET-1和NO活性。这些物质的功效之间的不平衡可能与心脏病、高血压和动脉粥样硬化的病理生理学有关。因此,用于确定体内的这些物质的平衡的装置和方法在确定胰岛素抵抗和血管健康方面将是重要的。在“休息”时,身体通过向血流中释放胰岛素来应对热量摄入。此胰岛素释放刺激ET-1和NO活性。
响应于胰岛素释放的血管收缩因此受到ET-1和NO的平衡以及如动脉粥样硬化等血管疾病的影响。通过测量响应于胰岛素释放的相对血管收缩或动脉直径的相对变化,可以使用生物传感器来评估血管健康。
在健康人群中,动脉壁更柔韧,并且因此响应于胰岛素具有更大的直径相对变化。脉搏形状相关性和相位延迟信号反映了响应于胰岛素的信号水平的更大变化。R值脉搏相应地更加明显。相位定时与动脉直径成反比。
在患有内皮功能障碍的患者中,动脉表现出僵硬并且直径的相对变化减小。在患有如动脉粥样硬化、高血压和糖尿病等疾病的患者中可以发现内皮功能障碍。在胰岛素释放事件期间,脉搏形状相关性和相位延迟以减小的相对幅度变化进行响应。因此,脉搏形状相关性和相位延迟可以用于确定动脉僵硬度和血管健康。
相位延迟、脉搏形状相关性和R值还可以用于确定ET-1或NO在对胰岛素的响应中是否更占优势。例如,测量健康人群中的这些测量值中的一个或多个的平均值或平均范围。然后,将单个测量值与相位延迟、脉搏形状相关性和R值中的一个或多个的平均值或平均范围进行比较。所述比较可以用于获得ET-1和NO的作用之间是否存在不平衡。由于ET-1活性的增加,这两种物质的作用的不平衡增加了对血管的血管收缩作用。另外,压力波传播的此变化可以通过传递函数从穿透组织很深的波长(例如,在IR范围内)到穿透组织不太深的波长(例如,在可见光或UV范围内)的变化来测量。这意味着通过测量具有不同穿透深度的两个或更多个波长的PPG信号的脉搏形状和相位延迟的变化(例如,其中至少一个在近IR窗口中,一个不在所述窗口中),可以确定关于血管收缩/血管舒张水平的信息。
可以使用人工智能(AI)或机器学习技术来处理来自传感器的参数。AI处理装置可以预先配置有权重、参数或从训练集得到的其它学习向量。训练集优选地包含相同的输入参数和已知值。在学习阶段期间,神经网络迭代地调整参数、权重和阈值,以从输入参数(PPG参数、患者生命体征和/或患者数据)产生已知输出。使用定义的一组规则(也称为学习算法)来执行训练。例如,在监督训练模型的情况下使用梯度下降训练算法。如果实际输出不同于目标输出,则确定有差异或误差。梯度下降算法以这种方式改变网络的权重以最小化此误差。可以实施的其它学习算法包含反向传播、最小均方(LMS)算法、“随机森林”、使用受限波尔兹曼机器训练的深度信任网络或支持向量机。分析可以使用任何已知的回归分析技术,例如但不限于随机森林、支持向量机或使用受限波尔兹曼机器训练的深度信任网络。在另一个实施例中,机器学习过程可以包含分类器类型算法。也可以实施其它类型的AI处理模型来分析多个参数(PPG参数、患者生命体征和患者数据)以获得期望的输出响应。作为AI处理的替代方案,在4814中,也可以使用定制算法或处理模型来处理多个参数以获得葡萄糖输出。
可以使用多参数方法来诊断健康状况,如肾功能、心力衰竭、心房纤维性颤动、其它心脏状况、动脉粥样硬化、肺炎、葡萄球菌感染、败血症、其它类型的感染、呼吸功能、COPD、糖尿病、I型糖尿病或II型糖尿病。多个PPG参数被输入到神经网络或AI分类器模型中,所述神经网络或Al分类器模型已经用临床诊断具有目标健康状况的患者的数据进行了训练。多个参数优选地包含各自使用不同波长比获得的多个R值以及在不同波长下获得的多个L值。
目的是提供一种生物识别系统,其包括:多个可穿戴或可植入传感器,每个传感器包括:壳体;电源;至少一个生理换能器,所述至少一个生理换能器被配置成感测用户的相应生理换能器局部的相应生理状况;以及通信端口,所述通信端口被配置成传输从感测到的生理状况得到的生理数据;以及个人移动电子装置,所述个人移动电子装置被配置成:分析从多个可穿戴或可植入感测装置中的每个可穿戴或可植入感测装置接收到的生理数据的空间和时间差异;并且响应于所述空间和时间差异产生输出。
还有一个目的是提供一种生物识别监测方法,其包括:提供多个可穿戴或可植入传感器,每个传感器包括:壳体;电源;至少一个生理换能器,所述至少一个生理换能器被配置成感测用户的相应生理换能器局部的相应生理状况;以及通信端口,所述通信端口被配置成传输从感测到的生理状况得到的生理数据;用个人移动电子装置中的自动化处理器分析从多个可穿戴或可植入感测装置中的每个可穿戴或可植入感测装置接收到的生理数据的空间和时间差异;以及响应于所述空间和时间差异产生输出。
进一步的目的是提供一种对从多个互连装置接收到的生理信号进行降噪的方法,所述方法包括:提供多个互连装置,每个互连装置包括:壳体;电源;至少一个生理换能器,所述至少一个生理换能器被配置成感测用户的相应生理换能器局部的相应生理状况;以及通信端口,所述通信端口被配置成传输从感测到的生理状况得到的生理数据;将生理数据从多个互连装置传送到个人移动电子装置;以及通过根据用户的预测统计模型对来自互连装置中的至少两个互连装置的生理数据执行空间和时间分析来对所述生理信号进行降噪。
还有一个目的是提供一种对来自多个互连装置的生理信号进行降噪的方法,所述方法包括:提供多个互连装置,每个互连装置包括:壳体;电源;至少一个生理换能器,所述至少一个生理换能器被配置成感测用户的相应生理换能器局部的相应生理状况;以及通信端口,所述通信端口被配置成传输从感测到的生理状况得到的生理数据并从另一个互连装置接收从所述感测到的生理状况得到的时间编码的生理数据;将生理数据从多个互连装置传送到个人移动电子装置;通过根据用户的预测统计模型对来自互连装置中的至少两个互连装置的生理数据执行空间和时间分析来对所述生理信号进行降噪。
通信端口可以通过无线局域网(LAN)、无线个域网(PAN)和/或无线体域网(BAN)进行无线传输。
生理数据可以选自由以下组成的组:心脏活动、肌肉活动、皮肤电反应、电生理活动;温度、血压、葡萄糖水平、氧饱和度、一氧化氮水平、血管舒张水平、血管外流体状况、身体平衡、肌肉协调、身体疲惫、耐力极限。
多个可穿戴或可植入传感器可以包括位于右肢上的第一可穿戴或可植入传感器以及位于左肢上的第二可穿戴或可植入传感器,由此提供双侧感测。第三可穿戴或可植入传感器装置可以位于躯干上。多个可穿戴或可植入传感器可以包括每个耳道中的相应可穿戴传感器装置。
每个耳道中的每个相应可穿戴传感器装置可以包括至少一个麦克风和扬声器,其中每个相应可穿戴传感器装置具有第一模式和第二模式,在所述第一模式下,所述至少一个麦克风用于声音放大并且所述扬声器用于音频再现,在所述第二模式下,所述至少一个麦克风用于获取血管声音并且所述血管声音不由所述扬声器再现。
多个可穿戴或可植入传感器中的每个可穿戴或可植入传感器可以包括光学感测装置、机械感测装置、化学感测装置和/或电磁信号感测装置(例如,光、电场、磁场)。
个人移动电子装置可以包括智能手表,所述智能手表具有至少一个生理传感器,所述至少一个生理传感器用于感测用户的相应手腕处的相应生理状况。
个人移动电子装置可以被进一步配置成基于来自多个多个可穿戴或可植入传感器的生理数据的相关性对来自每个生理换能器的生理数据进行滤波。
个人移动电子装置可以被进一步配置成向来自每个生理换能器的生理数据应用统计技术以对用户的生理状况进行分类。
个人移动电子装置可以被进一步配置成对来自每个生理换能器的生理数据的空间和时间模式进行统计分类,并选择性地产生依赖于其的输出。
个人移动电子装置可以被进一步配置成根据来自每个生理换能器的生理数据来适应性地更新用户的统计模型,预测生理数据的空间和时间模式,并根据来自每个生理换能器的生理数据的空间和时间模式与预测的空间和时间模式的偏差来统计地确定用户的显著变化。
个人移动电子装置可以被进一步配置成实施用户的隐马尔可夫模型(HMM),并根据所述隐马尔可夫模型来确定未来用户状态的概率。
还有一个目的是提供一种从用户获取生物识别数据并对其进行分析的系统,所述系统包括:多个互连装置,每个互连装置包括至少一个用于获取生理数据的可穿戴或可植入传感器;以及个人移动电子装置,所述个人移动电子装置无线连接到所述多个互连装置中的每个互连装置,并且被配置成接收和分析由所述多个互连装置中的每个互连装置获取的生理数据。
多个互连可穿戴装置通过无线局域网(LAN)、无线个域网(PAN)、无线体域网(BAN)、蜂窝网络、宽带通信网络等进行无线互连。
生理数据可以选自由以下组成的组:温度、心率、心脏模式、心电图(ECG)、静电势、电生理信号;血压、葡萄糖水平、加速度、脑波、神经元振荡、脑电图、氧饱和度、一氧化氮水平、耳道压力、肌张力、身体活动、身体疲劳、耐力极限、身体活动水平、步数、行走距离、跑步距离、移动、速度、加速度、卡路里数和睡眠阶段。
多个互连装置可以包括位于右肢上的第一装置以及位于左肢上的第二装置,以提供双侧感测。第三装置可以位于用户的躯干上。可以在用户的每个肢体上提供至少一个传感器。多个互连可穿戴装置可以是至少五个装置,一个位于用户的每个肢体上,并且一个位于用户的躯干或头部上。多个互连装置可以包含设置在每个耳道中的装置。互连装置可以位于用户的面部、前额和头部之一上。互连装置可以包括一对助听器、一对头戴式耳机和一对耳塞式耳机或耳塞,即插入耳道中并且通常使用蓝牙或BLE与音频源无线连接的音频再现装置。所述一对助听器、一对头戴式耳机和一对耳塞式耳机中的每一个都可以包括麦克风。所述一对助听器、一对头戴式耳机和一对耳塞式耳机中的每一个都被配置成测量相应耳道内部的压力。
传感器可以选自由以下组成的组:温度计、二极管、皮肤电反应传感器、血氧计、麦克风、光传感器、葡萄糖传感器、心电图传感器、脑电图传感器和加速度计。
至少一个可穿戴装置可以是手镯、腕带、智能手表、戒指、脚链、袖带、胸带、头带、助听器、耳机、耳塞式耳机、耳环和/或眼镜。
个人移动电子装置可以选自由以下组成的组:智能手机、智能手表、个人数字助理(PDA)和平板计算机。
个人移动电子装置可以被进一步配置成根据与生理参数相关的多个生理数据集来计算生理参数,其中所述多个生理数据集中的每个生理数据集由位于用户的身体上的不同位置处的不同互连装置获取。个人移动电子装置可以被进一步配置成通过对生理数据求平均来计算生理参数。
个人移动电子装置可以被进一步配置成通过对与生理参数相关的多个数据集使用噪声滤波来计算生理参数。个人移动电子装置可以被配置成通过使用统计技术对与生理参数相关的多个数据集进行分析来计算生理参数。个人移动电子装置可以被进一步配置成根据由不同互连装置获取的至少一个其它生理参数的值来计算生理参数。个人移动电子装置可以被配置成计算在相对肢上获取的相同生理参数之间的差异。个人移动电子装置可以被配置成计算手臂、手、腿、脚、耳、乳房、脸颊、太阳穴和眼睛之间的双侧差异。个人移动电子装置可以被配置成比较从脑的相对脑叶获取的脑电图(EEG)。个人移动电子装置可以被配置成比较从相对肺获取的相同生理参数。个人移动电子装置可以被配置成将所计算的差异与预定阈进行比较。
多个互连装置中的第一互连装置的操作方案可以取决于从所述多个互连装置中的第二互连装置接收到的信号。
可以例如通过互联网或蜂窝数据网络或物联网(lot)网络来提供可由个人移动电子装置无线访问的远程服务器。医疗保健提供者可以访问远程服务器。
个人移动电子装置可以被进一步配置成在所计算的差异超过预定阈值时生成警报。
个人移动电子装置可以包括机器学习软件,并且可以主动学习和/或适应信号接收或操作环境。个人移动电子装置可以接收依赖于机器学习的参数,以用于对传感器数据执行算法。机器学习软件可以是神经网络和深度神经网络之一,所述神经网络和深度神经网络被训练成基于从多个互连装置接收到的数据集来识别可能的健康问题。
另一个目的是提供一种由多个互连装置中的第二装置来控制第一装置的方法,所述方法包括:将多个互连装置中的第一装置与多个互连装置中的第二装置操作性地连接到局部网络中;将信号从第二装置发送到第一装置;由第一装置从第二装置接收信号;以及根据从第二装置接收到的信号改变第一装置的操作方案。
互连装置可以是可穿戴装置或植入式装置。
局部网络可以是无线局域网(LAN)、无线个域网(PAN)和无线体域网(BAN)之一。
进一步的目的是提供一种对从多个互连装置接收到的生理信号进行降噪的方法,所述方法包括以下步骤:将与生理信号相关的多个信号从多个互连装置中的至少两个互连装置发送到个人移动电子装置;由个人移动电子装置接收多个信号;以及通过比较与从多个互连装置中的至少两个互连装置接收到的生理信号相关的多个信号来对所述生理信号进行降噪,其中使用个人移动电子装置来执行降噪。
更进一步的目的是提供一种计算从至少两个互连装置接收到的生理信号的方法,所述方法包括以下步骤:将与生理信号相关的数据集从互连装置中的至少两个互连装置发送到个人移动电子装置;由个人移动电子装置接收数据集;以及通过对与从至少两个互连可穿戴装置接收到的生理信号相关的数据集中的值求平均来计算所述生理信号的值,其中所述求平均由个人移动电子装置执行。
还有一个目的是提供一种计算从多个互连可穿戴装置接收到的生理信号的方法,所述方法包括以下步骤:将与生理参数相关的多个信号从至少两个互连装置发送到个人移动电子装置;由个人移动电子装置接收多个信号;以及通过对与从至少两个互连装置接收到的生理参数相关的多个信号进行统计分析来计算所述生理信号,其中使用个人移动电子装置来执行统计分析。
多个互连可穿戴装置可以通过选自由无线局域网(LAN)和身体局域网(BAN)组成的组的网络进行通信。
所述方法可以进一步包括将所计算的生理信号发送到医疗保健提供者。
进一步的目的是提供一种检测用户的脑血管意外(中风)的方法,所述方法包括:使用第一可穿戴装置测量用户的身体右侧上的肌肉的肌张力;使用第二可穿戴装置测量用户身体的左侧上的对应肌肉的肌张力;将与用户的身体右侧上的肌肉的肌张力相对应的第一值发送到个人移动装置;将与用户的身体左侧上的肌肉的肌张力相对应的第二值发送到个人移动装置;将第一值与第二值进行比较以计算增量,所述计算由个人移动装置完成;将增量与预定阈值进行比较,所述比较由个人移动装置执行;以及在增量超过预定阈值的情况下,由个人移动装置执行预定的一组步骤。预定的一组步骤可以是以下各项中的至少一项:通知用户、通知用户的近亲、通知用户的医疗保健提供者、通知用户的护理者、通知救护车、通知警察、通知第一响应者、发出警报以及指示植入式装置释放抗中风药物。
更进一步的目的是提供一种生物识别传感器,其包括:电源;至少一个传感器,所述至少一个传感器选自由以下组成的组:电化学传感器、电生理学传感器、光体积描记传感器、麦克风传感器、加速度计、压力传感器、光度传感器和超声波传感器;无线电收发器;存储器;以及至少一个微控制器,所述至少一个微控制器被配置成:从所述至少一个传感器接收数据,处理所述数据以形成数字流,将所述数字流存储在所述存储器中;执行数据压缩以产生压缩数据,使用可靠协议通过所述无线电收发器传输所述压缩数据,并且执行与至少一个其它生物识别传感器的时间同步。
另一个目的是提供一种自组织无线身体网络的生理传感器节点,所述生理传感器节点包括:自含式电源;微控制器;至少一个存储器;至少一个生理传感器;以及收发器,其中所述微控制器根据存储在所述至少一个存储器中的指令代码进行控制,并且由所述自含式电源供电,以执行以下各项:基于通过所述收发器进行的通信来同步时基;从所述至少一个生理传感器获取时间编码的传感器数据;处理所述时间编码的传感器数据以归一化传感器读数;根据经处理的时间编码的传感器数据选择性地准备至少一个数据包并表示所述生理传感器节点;根据通信参数将所述至少一个包传输到所述自组织无线身体网络的至少一个其它节点;根据所述自组织无线身体网络的状态选择性地接收信息;以及根据接收到的信息选择性地修改所述通信参数。
进一步的目的是提供一种自组织无线身体网络的控制节点,所述控制节点包括:自含式电源;微控制器;至少一个存储器;以及第一收发器、第二收发器;其中所述微控制器根据存储在所述至少一个存储器中的指令代码进行控制,并且由所述自含式电源供电,以执行以下各项:通过第一收发器从所述自组织无线身体网络的多个不同生理传感器装置接收带时间戳的传感器数据,分析接收到的带时间戳的传感器数据,以定量地确定所述多个不同生理传感器装置之间的所述带时间戳的传感器数据中反映的对应特征的相对定时,定量地分析所述多个不同生理传感器装置的所确定的相对定时和传感器数据,并且定性地表征至少关于历史传感器数据的事件;至少基于所述定量分析和定性分析来确定异常事件的发生;根据加密协议通过所述第二收发器传输至少一个包;确定所述自组织无线身体网络的状态;以及根据所述自组织无线身体网络的状态通过所述第一收发器选择性地传输至少一个包。
另一个目的是提供一种自组织无线身体网络的控制节点,所述控制节点包括:微控制器;收发器,其中所述微控制器根据存储的指令代码进行控制,以执行以下各项:通过所述收发器从多个生理传感器装置接收时间编码的传感器数据,分析接收到的时间编码的传感器数据以确定对应特征的相对定时;定量地分析所确定的相对定时和接收到的时间编码的传感器数据;基于当前时间编码的传感器数据和历史时间编码的传感器数据两者定性地表征所述接收到的时间编码的传感器数据;至少基于所述定量分析和所述定性分析来确定事件的发生;根据加密协议,基于来自至少一个生理传感器装置的接收到的时间编码的传感器数据,通过第二收发器来传输至少一个包,所述至少一个包包括用于改变相应生理传感器装置的操作的自适应参数和所述自组织无线身体网络的所确定的状态。
自组织无线身体网络的控制节点可以与自组织无线身体网络的生理传感器节点相关联,所述生理传感器节点包括:微控制器、至少一个生理传感器和收发器,其中微控制器根据存储的指令代码进行控制,以执行以下各项:基于通过所述收发器与所述控制节点进行的通信来同步时基;从所述至少一个生理传感器获取时间编码的传感器数据,根据通信参数,根据所述时间编码的传感器数据选择性地传输至少一个数据包并标识所述生理传感器节点;根据所述自组织无线身体网络的所述状态通过所述收发器从所述控制节点选择性地接收信息;以及根据接收到的信息选择性地修改所述通信参数。
进一步的目的提供了一种用于从用户获取生物识别数据并对其进行分析的系统,所述系统包括:(i)至少两个无线装置,所述至少两个无线装置能够测量至少一个生理参数,其中所述至少两个无线装置被配置成位于所述用户身体的不同位置,以测量所述位置处的所述相同的至少一个生理参数;以及(ii)个人移动电子装置,所述个人移动电子装置无线连接到所述至少两个无线装置中的每个无线装置,其中所述至少两个无线装置被配置成将通过测量至少一个生理参数获取的生物识别数据传输到所述个人移动电子装置,其中所述个人移动电子装置被配置成接收并比较在两个不同位置处测量并且由所述至少两个无线装置传输的关于所述相同的生理参数的所述生物识别数据。
所述无线装置中的每个无线装置可以是可穿戴装置和可植入装置之一。
所述至少两个无线装置中的每个无线装置可以通过无线个域网(WPAN)无线连接到个人移动电子装置。WPAN可以使用蓝牙、红外数据协会协议(IrDA)、802.15和WiFi中的至少一种进行操作。
生理参数可以选自由以下组成的组:温度、心率、心脏模式、心电图(ECG)、皮肤电势、电生理信号、血压、葡萄糖水平、脑波、神经元振荡、脑电图、氧饱和度、一氧化氮水平、耳道压力和肌张力。
所述至少两个无线装置可以包括位于右肢上的第一装置和位于左肢上的第二装置,以提供双侧感测和比较。所述至少两个无线装置可以包括位于用户的身体右侧上的第一装置和对称地位于用户的身体左侧上的第二装置,以提供双侧感测和比较。所述至少两个无线装置可以包括位于右肢上的第一装置和位于左肢上的第二装置,以提供双侧感测和比较。所述至少两个无线装置可以包括位于用户的右手上的第一装置和位于用户的左手上的第二装置,以提供双侧感测和比较。所述至少两个无线装置可以包括位于用户的右腿上的第一装置和位于用户的左腿上的第二装置,以提供双侧感测和比较。所述至少两个无线装置可以是至少四个无线装置,所述至少四个无线装置包括位于用户的右手上的第一装置、位于用户的左手上的第二装置、位于用户的右腿上的第三装置和位于用户的左腿上的第二装置,以提供双侧感测和比较。所述至少两个无线装置可以是一对助听器、一对头戴式耳机和一对耳塞式耳机之一。所述至少两个无线装置可以在无线个域网(WPAN)和体域网(BAN)(en.wikipedia.org/wiki/Body_area_network)之一中互连。
所述至少两个无线装置中的第一无线装置可以设置在第一耳道中,并且所述至少两个无线装置中的第二无线装置设置在第二耳道中。
所述无线装置中的每个无线装置可以包括选自由以下组成的组的传感器:温度计、二极管(双极结)、皮肤电反应传感器、血氧计、麦克风、光传感器、葡萄糖传感器、心电图传感器、脑电图传感器和加速度计。
所述至少两个无线装置中的至少一个无线装置可以是选自由以下组成的组的可穿戴装置:手镯、腕带、智能手表、戒指、脚链、袖口、胸带、头带、助听器、耳机、耳塞式耳机、耳环和眼镜。
个人移动电子装置可以选自由以下组成的组:智能手机、智能手表、个人数字助理(PDA)和平板计算机。
个人移动电子装置可以被进一步配置成根据与生理参数相关的多个生理数据集来计算生理参数,其中所述多个生理数据集中的每个生理数据集由位于用户的身体上的不同位置处的至少两个无线装置中的不同装置获取。
个人移动电子装置可以被进一步配置成通过对多个生理数据集中的值求平均来计算生理参数。
个人移动电子装置可以被进一步配置成通过使用统计技术对与生理参数相关的多个数据集进行分析来计算生理参数。
个人移动电子装置可以被进一步配置成计算在相对肢上获取的相同生理参数之间的差异。
还有一个目的是提供一种计算从位于用户相对侧的至少两个无线装置接收到的生理参数的值之间的差异的方法,所述方法包括以下步骤:由所述至少两个无线装置中的第一无线装置测量第一位置处的生理参数的值;由所述至少两个无线装置中的第二无线装置测量第二位置处的生理参数的值;从所述至少两个无线装置中的第一无线装置向个人移动电子装置发送与生理参数的值相关的第一数据;从所述至少两个无线装置中的第二无线装置向个人移动电子装置发送与生理参数的值相关的第二数据;由个人移动电子装置接收第一数据;由个人移动电子装置接收第二数据;以及通过从来自第一数据的生理参数的值中减去来自第二数据的生理参数的值来计算在用户身体的相对侧测量的生理参数的值之间的差异。
所述方法可以进一步包括将在两个位置处测量的生理参数之间的差异与预定阈值进行比较;并且在差异大于预定阈值的情况下,向用户、用户的护理者、用户的指定人员和医疗保健提供者中的至少一者发出警报。
进一步的目的是提供一种计算从位于用户的不同解剖区域上的多个无线装置接收到的生理参数的值之间的差异的方法,所述方法包括:测量用户的不同解剖区域处的生理参数的值;将不同解剖区域处的生理参数的值无线传输到个人移动电子装置;以及计算第一位置和第二位置处的生理参数之间的差异,所述差异包括振幅或波形的差异和相位或同步的差异。所述方法可以进一步包括:将所计算的差异与预定阈值进行比较;以及在差异大于预定阈值的情况下,向用户、用户的护理者、用户指定的人员和医疗保健提供者中的至少一者发出警报。生理参数可以是电生理参数、光体积描记测量参数和/或声学测量参数。
另一个目的是提供一种生物识别方法,其包括:提供多个无线传感器模块,每个无线传感器模块具有射频收发器、生理参数传感器、微处理器、存储器和电源,并且被配置成生成与用户的相应解剖区域相关联的生理数据流;提供个人移动电子装置,所述个人移动电子装置被配置成与所述多个无线传感器模块中的每个无线传感器模块无线通信,以获取与用户的解剖区域相关联的多个生理数据流;以及由个人移动电子装置中的自动化处理器分析与用户的解剖区域相关联的多个生理数据流,以确定用户的血管状况的变化。用户的血管状况的变化可以包括血凝块、血管痉挛、血管收缩或血管舒张。
附图说明
鉴于对附图的描述,将更好地理解本文的实施例,所述附图如下:
图1展示了用于从用户获取可穿戴数据并对其进行分析的系统的概述。
图2展示了描述用于由多个互连可穿戴装置中的第二至少一个互连可穿戴装置来控制多个互连可穿戴装置中的第一至少一个互连可穿戴装置的方法的流程图。
图3展示了描述用于对从多个互连可穿戴装置接收到的生理信号进行降噪的方法的流程图。
图4展示了描述用于计算从多个互连可穿戴装置接收到的生理信号的方法的流程图。
图5展示了描述用于计算从多个互连可穿戴装置接收到的生理信号的方法的流程图。
图6展示了图1的系统的硬件框架的框图。
图7示出了用户身上的传感器网络的示意图,所述传感器网络包含冗余传感器和多个不同类型的传感器。
具体实施方式
参考在以下详细描述中展示的非限制性实施例,更全面地解释了本文的实施例和其各种特征和有利细节。省略了对众所周知的组件和处理技术的描述,以免不必要地模糊本文的实施例。本文所使用的实例仅旨在促进对可以实践本文的实施例的方式的理解并且进一步使本领域技术人员能够实践本文的实施例。因此,实例不应该被解释为限制本文的实施例的范围。
对于本领域的技术人员而言,对所公开实施例的各种修改将变得非常明显,并且本文中限定的一般原理可以在不背离本发明的精神或范围的情况下应用于其它实施例和应用。因此,本发明不局限于所示出的实施例,而是就权利要求达成最广泛范围的一致。在说明书的前面部分和后面部分中公开的本文的术语如“可以是”、“应该是”、“可能是”和其它相关术语不以任何方式限制或改变本发明的范围。提供所述术语仅仅是为了理解主要发明和其实施例。
参考附图描述示例性实施例。在任何便利的情况下,将贯穿附图使用相同附图标记来指代相同或类似的部分。虽然本文描述了所公开的原理的示例和特征,但是在不背离所公开的实施例的精神和范围的情况下,修改、改编和其它实施方案是可能的。
所描述的实施方案可以在任何装置、设备或系统中实施。在一个实例中,所描述的实施方案可以在植入装置或可植入医疗装置中实施。例如,所描述的实施方案可以在电池供电的可植入医疗装置(如神经刺激器)中实施。一些所描述的实施方案可以在用于与植入装置通信的询问器装置中实施。尽管如此,所述教导不旨在受限于仅附图中描绘的实施方案,而是具有对如本领域的普通技术人员来说显而易见的广泛适用性。
更一般地,包含壳体的生理传感器装置的电源可以是电池、超级电容器、电化学电池单元(例如,葡萄糖氧化酶)、燃料电池单元、流动电解质电池单元、金属空气电池单元、光伏电池单元、热离子电池单元、核裂变供电电池单元、电力收集装置(振动/加速度、可移动线圈磁体、收集杂散磁场的螺线管、射频能量收集、压电收集、热电收集等)。在电力收集系统中,直接从收集机构获得的电力可能低于系统的峰值电力要求。(利用有源询问的RFID系统是反例,其中询问期间的电力等于或超过应答器的操作电力)。因此,提供可充电电池(例如,锂离子)和/或超级电容器来储存电力。装置壳体优选地是密封的,并且因此在提供直接充电机制的情况下,其通过电感耦合到例如位于壳体内的线圈。由于可能的腐蚀和/或皮肤过敏,因此欧姆接触不是优选的,但是可以采用一组鲁棒的金表面(例如,固体的、电镀的)接触或其它插入的导电材料(例如,碳负载硅酮聚合物)。由于成本和空间限制,对于通信,采用相同的线圈来进行电感耦合以将电力传输到系统通常是高效的,并且在这样的系统中,可以采用RFID技术。通信标准的选择涉及到多种考虑因素。较低的频率可以具有较低的电力需求,并且因此对于相同的电力需求具有更远的范围,但是为了最佳操作,可能需要物理上更大的天线。然而,其它问题涉及其它用户/用途的通信通道或频段拥塞、干扰、数据速率、与其它装置(例如,智能手机:蓝牙、BLE、NFC、WiFi、2.4GHz、5GHz、6GHz、60GHz、4G、LTE、5G[低,中,高])的兼容性、计算复杂度等。因此,如果不考虑上下文相关的外部性,就不存在单一的优化设计。然而,所述装置与常见的智能手机通信模式兼容是有用的,所述智能手机通信模式包含蓝牙/BLE、WiFi、蜂窝4G、LTE、5G、NFC、IR、光学和声学耦合,以及在极少数情况下,使用惯性管理单元(IMU)传感器作为数据通信端口(例如,用于检测低频磁场调制的磁力计)。
所述装置需要嵌入式微处理器,并且成本和电力限制权衡处理器与通信控制器的集成。此类装置通常提供以相对较低的时钟速率运行的ARM MO或M3内核,并且可以提供数据获取和记录、数据归一化和初始分析以及通信控制。根据本发明的优选方面,生理传感器装置能够独立于中央控制器根据自组织通信协议相互通信,以提供可靠的数据获取、警报或报警状态的多传感器数据分析以及高效的额外自组织网络通信。
根据优选实施例,生理传感器网络是“开放”网络,允许不同类型的兼容装置,并且不需要特定的传感器星座。然而,需要单个控制节点可能是高效的,所述控制节点可以是独立的或者是传感器装置的一部分。因此,可以提供(通常通过具有皮肤电极的附着垫)安装在胸壁上的心脏传感器装置作为核心装置,其为外部通信和集中式网络控制提供公共网关。然而,核心装置优选地是封闭的,即,具有“专有”接口,所述接口确保隐私、安全性以及针对入侵、攻击等的有限的漏洞占用。另一方面,核心装置也可以通过潜在地不可信的基于标准的中继装置实施到远程或云服务器的虚拟私有网络。参见US 10,841,104;10,305,695;9,942,051;以及9,215,075,所述文献明确地通过引用整体并入本文。核心装置有利地涉及例如通过传输实时接收的时间码或时间戳样本或通过其它方法进行的网络的时间同步。
在典型的实施方案中,传输操作比接收操作消耗更多的电力,并且较远范围的通信比较短范围的通信消耗更多的电力。冲突会导致数据丢失或重传成本。进一步地,数据包的大小通常使得平均通信不需要多个包,并且考虑到一些传感器可能比其它传感器具有更大的有效载荷,包可能以小于容量的方式传输。这导致了存储转发的可能性,其中网络的节点以最小电力向可用的接收者传输可靠的通信,然后接收者聚集接收到的数据,附加其自己的数据,并将其转发到链中的下一个节点。通常,到核心装置的跳数将是一或二,但在一些情况下可能是三或更多。例如,在非常短程的通信中,例如10cm,从脚踝到胸壁上的核心装置的范围可以是-15跳。然而,这导致可变电力传输的进一步增强,其中每个节点以足够的电力传输以可靠地到达序列中的下一个节点,除非效率算法揭示不同的目的地是优选的。此外,给定短程通信,可以采用空分复用来允许不同节点之间的无干扰并发通信。
为了仲裁通信并减少不必要的冗余通信(可靠的通信可能需要一些冗余,例如,纠错和检测码、重传等),可以如以状态向量或状态向量散列的形式传播基于正确操作的系统的推断状态,例如表示在给定时间应该发生的通信。网络上的任何节点都可以将其网络状态向量估计与所传送的网络状态向量或其散列进行比较。如果网络状态向量不同,则节点可以标记异常并采取补救措施,如通过重传、潜在丢失数据的持久存储、向其它节点发送异常标志等。另一方面,如果网络状态向量是一致的,则节点可以继续以相同的方式操作,或者甚至实施简化算法来减少资源消耗,直到可靠性削弱,此时可以重新实施先前的可靠状态(潜在地经受进一步的优化)。简化算法可以是例如对传输电力、调制类型、符号编码、传输速率、跳跃策略、数据存储策略等进行操作的遗传算法。因此,系统内的许多因素可以随着时间的推移被联合优化和自适应地重新优化,以确保可靠性和有限资源的资源消耗的最小化,所述资源消耗通常由功耗决定。一旦系统可靠地运行并且在其功率预算内,优化就可能倾向于测试可能迫使重新优化的变化条件的策略。
一些变量可以是超动态的;例如,当手臂弯曲时,环形传感器可以直接与核心装置通信,但是当手臂伸展时,可能需要第二跳或增加的电力。在核心装置实施NFC的情况下,当传感器在范围内时,可以采用被动反向散射通信模式,而当传感器在范围外时,可以采用主动传输模式。被动反向散射通信传输可以与主动传输相同或不同;即,当在范围外时,传感器装置可以主动发射与被动反向散射接收器兼容的信号。可替代地,通信模式可以不同。
可以采用超宽带(UWB)通信(en.wikipedia.org/wiki/Ultra-wideband),或使用专用的UWB无线电装置(例如,NXP NCJ29D5;NXP SR100T;Apple U1;Qorvo DW1000;QorvoDW3000;或3dB 3DB6830),或由所述装置的微控制器实施的发射器,以基于其自己的协议发射宽带脉冲。
在优选的操作环境中,网络包含至少两个相同类型的传感器,从而从不同的分离位置读取相同的生理参数。通常,传感器将位于两侧以测量左右差异。例如,在手和/或脚上提供用于血氧合的光体积描记传感器或用于感测其它参数的超光谱PPG传感器。传感器自然地揭示脉搏,并且因此在空间上远离的传感器将提供不同的脉搏延迟,所述脉搏延迟是距离、血管弹性/僵硬度和潜在阻塞的函数。脉搏血氧计测量局部毛细血管血红蛋白氧合,这在很大程度上是中心效应的结果。然而,局部读数可以揭示组织灌注的局部差异,并且深穿透IR可以用于确定皮下器官灌注。参见www.edwards.com/devices/hemodynamic-monitoring/ForeSight?。因此,不同位置的读数提供不同的信息。
通常,传感器被应用于没有经历急性事件的稳定用户/患者。因此,传感器(传感器网络)可以自己建立基线和基线统计。类似地,如果我们假设在非急性应激或非急性病理状态下开始使用,则初始数据可以用于训练神经网络或其它机器学习算法来捕获正常状态。此后,系统可以监测传感器以确定是否偏离正常(慢性)状态。此类特定于患者的归一化可能对变化非常敏感并且独立于传感器校准等。当网络检测到异常(例如,偏离慢性传感器读数的统计标准)时,通常可以从核心装置生成警报。虽然单个生理传感器装置也可以识别与正常值的偏差,但是由核心装置进行的中继和分析是优选的,因为它允许对来自所有传感器的数据进行分析,并且因为它允许警报功能集中。
例如,在短暂性脑缺血发作(TIA)的情况下,人们可能会从经颅PPG中看到局部脑氧去饱和、葡萄糖和一氧化氮的可能变化、可能的双侧温差、运动神经元电生理活动的差异以及EEG活动的差异。这些发现中的许多发现都需要头戴式传感器,如头皮电极、耳内传感器等,但在一些情况下,运动效应是尾部的。
虽然与可用基础设施的兼容性对于在发生故障的情况下不会对健康产生不利影响的消费装置是有用的,但在其它情况下,与共享基础设施隔离可能是可取的。此类隔离在很大程度上可以通过两种不同的方式来实现:物理方式,通过使用单独的硬件和不同的通信通道,以及逻辑方式,通过创建不与其它通道和储库重叠的信息通道和储库。在前一种情况下,传感器网络可以通过非基于标准的系统或模糊的基于标准的系统进行通信,例如使用与NFC不兼容的RFID标准IS011784/785134或125kHz,以与具有数据分析、存储、远程通信/输出和警报能力的专用读取器进行通信。在后一种情况下,通信可以通过BLE或NFCISO/IEC 15693、通过SSL/TLS通道到达智能手机,并在必要时使用VPN进一步转发以进行远程分析、解释和传输。
本公开总体上涉及用于在植入装置与一个或多个远程装置之间提供安全通信的系统、方法和装置。
根据一些实施例,由不同位置处的不同传感器进行的多个测量的时间同步受到基于获取时间对传感器读数(或经处理的输出)进行时间戳标记的影响。在相关的情况下,传感器读数或经处理的读数被实时传输,从而可以通过接收时间来推断感测时间。在任何情况下,在不同位置处捕获多个读数,并且实施分析以确保对正确样本或内插/外推进行比较。在一些情况下,传感器被有意地欠采样,即,以低于传感器信号的重要元素的奈奎斯特频率的速率获取传感器读数。然而,对于周期性信号,读数可以通过仔细定时传感器读数来混叠。参见en.wikipedia.org/wiki/Undersampling,带通采样(Bandpass Sampling),Proakis&Manolakis 6.4,www.ws.binghamton.edu>II-2 BP Sampling_2007;Vaughan、Rodney G.、Neil L.Scott和D.Rod White.“带通采样理论(The theory of bandpasssampling)”IEEE信号处理汇刊(IEEE Transactions on signal processing)39,第9期(1991):1973-1984。这允许更低的采样速率,利用对应的更少数据样本进行传输和分析,这在试图节省电力时通常很有用。
例如,差分体积描记法分析可以试图确定脉搏峰值的延迟,以及作为脉搏的函数的组织光学性质。虽然可以在传感器之间没有时间同步的情况下确定局部性质,但是相位延迟的微小变化将需要严格的定时控制。例如,如果实施传感器网络来监测针对凝血病和栓塞的血管状态,则脉搏波形、延迟、峰值高度和局部组织化学读数(多个波长下的不同光学吸收)中随时间的微小差异是相关的。在大多数情况下,感兴趣的读数是组织的特性,并且由于移动、加速度等引起的读数的动态变化不是特别感兴趣的,而持续超过15秒的时间尺度(例如,30秒、60秒、120秒、180秒、240秒、300秒等)的变化是最感兴趣的。另一方面,慢性病虽然也与患者的健康有关,但最好是在适当的医学检查中使用直接测量而不是推断或间接读数来发现。实际上,传感器可以在稳定状态下对患者进行自校准,并且传感器用于监测所述状态下的变化,无论是更好还是更坏。因此,传感器网络可以监测健康衰退和康复、疾病和恢复。
虽然单个传感器可以监测单个位置,但是当试图解释数据时,传感器会受到各种模糊性的影响。推测的脉搏峰值的增加可能是由于外周血管阻力增加或心输出量增加。未改变的脉搏峰值可能是由补偿效应引起的并隐藏了病理状态。进一步地,单个外围传感器限于监测其自身的位置。
因此,提供了传感器通信协议,其用获取的时间代码、传感器标识、任选的错误检测和校正代码、任选的可靠交易消息和任选的协议管理消息来标记传感器读数。在非典型实施方案中,传感器累积读数并周期性地将读数传输到中央处理节点。虽然可使用各种WBAN技术,但优选的实施方案采用蓝牙低功耗(BLE)与智能手机进行通信,所述智能手机本身具有用于与传感器接合、接收和存储传感器数据、在本地执行分析并将数据传送到中央服务器或云处理系统的应用程序。传感器-智能手机通信可以是未加密的或轻度加密的,而智能手机通过蜂窝载体或WiFi与互联网之间的通信以及因此与服务器或云之间的通信根据如SSL/TLS等安全加密标准进行加密。
所述分析优选地包含身体上每个传感器的位置,所述位置可能影响根据身体模型等的解释。然而,传感器不需要固有地用其位置进行编码,并且在一些情况下,可以是可移动的或可重定位的。
当分析脉动波形、特别是基于相同激励(即,相同心跳的不同表示)的波形时,可以使用时域分析、频率变换域分析和小波变换域分析。同样,可以使用其它类型的变换。在时域分析算法中,相关参数包含延迟,并且更具体地,不同传感器之间波形的特性延迟的变化;脉搏形状和脉搏峰值。可以通过血管上的压力或应变传感器、由于灌注引起的组织中的光学变化、用于测量组织机械干扰的加速度计等来获得脉搏波形。如以上所讨论的,当采用光学传感器时,采用多个波长可能是有用的,这可以确定血液和组织化学。在一些情况下,脉搏波形可能保持不变,而组织化学由于某种条件而改变。例如,组织氧合、pH、乳酸、钠/钾比、氧化还原电势、一氧化氮、葡萄糖、钙或其它血液化学成分可以响应于健康问题而改变。
另一种传感器类型是肌电图传感器,或者更一般地,细胞去极化传感器,用于检测细胞电生理学。这些传感器通常不需要同步,并且进一步地,传感器输出可以是信号的统计度量,从而表示频率分布,但是不一定需要正式的频域变换。
图1展示了根据本公开的各种实施例的从用户110获取生物识别数据并对其进行分析的系统100的概述。系统100描述了适于交互式接收和处理用户的生物识别数据的环境。系统100被配置成向多个互连可穿戴装置102提供用于获取和分析用户110的身体生物识别数据的设置。生物识别数据包含温度、心率、心电图(ECG)、静电势、血压、耳道内压力、葡萄糖水平、加速度、脑波、神经元振荡、脑电图和氧饱和度等。
系统100包含多个互连可穿戴装置102、体域网108、用户110、通信网络112、个人移动电子装置114、服务器116和数据库118。另外,多个互连可穿戴装置102包含但可以不限于植入式医疗装置和可穿戴电子装置104。在本公开的实施例中,可穿戴电子装置104包含手镯、腕带、智能手表、戒指、脚链、袖带、象棋带、头带和眼镜。多个互连可穿戴装置102利用一个或多个传感器106来测量用户110的身体的生理数据。另外,一个或多个传感器106集成在多个集成可穿戴装置102中的每个集成可穿戴装置内部。在本公开的实施例中,一个或多个传感器106包含但可以不限于温度计、二极管、电势计和加速度计。在本公开的实施例中,多个互连可穿戴装置102是至少两个装置。另外,至少两个装置中的第一装置位于手臂和腿中的右边的一个上。进一步地,至少两个装置中的第二装置位于手臂和腿中的左边的一个上。在本公开的另一个实施例中,多个互连可穿戴装置102是至少三个装置。另外,至少三个装置中的第一装置位于手臂和腿中的右边的一个上。进一步地,至少两个装置中的第二装置位于手臂和腿中的左边的一个上。此外,至少三个装置中的第三装置位于用户110的身体的躯干上。在本公开的又另一个实施例中,多个互连可穿戴装置102是至少四个装置。另外,至少四个装置中的前两个装置位于用户的相对的手臂上,并且至少四个装置中的后两个装置位于用户110的相对的腿上。在本公开的又另一个实施例中,多个互连可穿戴装置102是至少五个装置。另外,至少四个装置中的前两个装置位于用户110的相对的手臂上。另外,至少四个装置中的后两个装置位于用户110的相对的腿上。进一步地,至少第五个装置位于用户110的躯干上。在本公开的又另一个实施例中,多个互连可穿戴装置102是至少五个装置。另外,至少四个装置中的前两个装置位于用户110的相对的手臂上。进一步地,至少四个装置中的后两个装置位于用户110的相对的腿上,并且至少第五个装置位于用户110的头部上。
系统100包含体域网108。通常,体域网对应于可穿戴计算装置的无线网络。另外,可穿戴计算装置被放置在人体上方的特定位置。进一步地,体域网被用于传输由放置在人体上的可穿戴计算装置生成的数据。在本公开的实施例中,多个互连可穿戴装置102通过体域网108与用户110的身体电互连。多个互连可穿戴装置102通过体域网108接收与用户110的身体相关联的生理数据。另外,体域网108安装在医疗植入装置和可穿戴电子装置104内部。多个互连可穿戴装置102通过通信网络112连接到个人移动电子装置114。
系统100包含通信网络112。通信网络112向多个互连可穿戴装置102提供介质,用于与个人移动电子装置114连接。通信网络112使用协议将多个互连可穿戴装置102与个人移动电子装置114连接起来。在本公开的实施例中,通信网络112有助于将生物识别数据传输到个人移动电子装置114。通常,通信网络与能够传输数据的硬件装置相关联。
多个互连可穿戴装置102是能够向个人移动电子装置114传输用户110的身体的生物识别数据的硬件装置。另外,借助于通信网络108来传输用户110的身体的生物识别数据。进一步地,多个互连可穿戴装置102通过通信网络112与个人移动电子装置114相关联。通信网络112向个人移动电子装置114提供介质以接收用户110的身体的生物识别数据。通信网络112使用多种方法向个人移动电子装置114提供网络连接。用于向个人移动电子装置114提供网络连接的多种方法包含2G、3G、4G、5G、6G(如当前提出的)、WiFi 5、WiFi 6、蓝牙5、5.1、5.2、BLE(IEEE-802.15.4、IEEE-802.15.6)、IEEE802.11,例如,11ay、LAN、VPN、WAN等。在一个实例中,通信网络112包含但可以不限于局域网、城域网、广域网、虚拟私有网络、全域网和家域网。
在本公开的实施例中,通信网络112是向个人移动电子装置114提供互联网连接的任何类型的网络。在本公开的实施例中,通信网络112是无线移动网络。在本公开的另一个实施例中,通信网络112是具有有限带宽的有线网络。在本公开的又另一个实施例中,通信网络112是用于数据传输的最佳吞吐量的无线和有线网络的组合。在本公开的又另一个实施例中,通信网络112是光纤高带宽网络,其能够以可忽略的连接掉线实现高数据速率。
系统100包含个人移动电子装置114。在本公开的实施例中,个人移动电子装置114包含但可以不限于智能手机、智能手表和平板计算机。在一个实例中,个人移动电子装置114包含移动智能手机,如iPhone、Android、Linux或其它Unix变体电话,或者任何其它合适的智能手机。在另一个实例中,个人移动电子装置114包含平板计算机(如计算机平板)、笔记本计算机或任何其它合适的计算装置。另外,这些装置可以包含IPad、Android平板计算机、Windows平板计算机或任何其它合适的平板计算机。在又另一个实例中,个人移动电子装置114可以包含具有如Windows操作系统、Macintosh操作系统或基于Linux或Unix的操作系统等复杂操作系统的台式计算机或膝上型计算机。在一个实例中,个人移动电子装置114还包含屏幕或其它合适的视觉或触觉通信接口。另外,屏幕是触敏屏幕显示器,并且被配置成接收基于手势的用户输入(包含触摸输入)并向用户显示输出。进一步地,个人移动电子装置114还可以包含一个或多个物理或虚拟按钮,例如按钮,以便于用户与屏幕的交互。在本公开的实施例中,个人移动电子装置114被配置成根据与生理参数相关的多个数据来计算生理参数,每个数据由位于不同位置处的多个互连可穿戴装置102中的不同可穿戴装置获取。个人移动电子装置114被配置成通过对由不同可穿戴装置获取的生理参数求平均、对与生理参数相关的多个数据使用噪声滤波器以及使用统计技术来分析与生理参数相关的多个数据之一来计算生理参数。
个人移动电子装置114被配置成根据由多个互连可穿戴装置中的不同可穿戴装置获取的至少一个其它生理参数的值来计算生理参数。个人移动电子装置114被进一步配置成计算在相对肢上获取的相同生理参数之间的差异。在本公开的实施例中,多个互连可穿戴装置102中的第一至少一个互连可穿戴装置的操作方案取决于从多个互连可穿戴装置102中的第二至少一个互连可穿戴装置接收到的信号。
系统100包含服务器116。在本公开的实施例中,个人移动电子装置114与服务器116连接。在本公开的另一个实施例中,服务器116是个人移动电子装置114的一部分。服务器116处理由个人移动电子装置114执行的每个操作和任务。服务器116存储用于执行个人移动电子装置114的各种操作的一个或多个指令和一个或多个过程。在本公开的实施例中,服务器116是云服务器。云服务器是通过云计算平台构建、托管和递送的。通常,云计算是使用托管在互联网上的远程网络服务器来存储、管理和处理数据的过程。进一步地,服务器116包含数据库118。
系统100包含数据库118。数据库118用于存储目的。数据库118与服务器116相关联。通常,数据库是信息的集合,所述信息被组织以便于访问、管理和更新。在本公开的实施例中,数据库118为个人数据电子装置114所需的所有数据和信息提供存储位置。在本公开的实施例中,数据库118可以是分层数据库、网络数据库、关系数据库、面向对象的数据库等中的至少一种。然而,数据库118不限于上述数据库。
图2展示了流程图200,其描述了根据本公开的各种实施例的用于通过多个互连可穿戴装置102中的第二至少一个互连可穿戴装置来控制多个互连可穿戴装置102中的第一至少一个互连可穿戴装置的方法。流程图200在步骤202处开始。在步骤204处,所述方法包含将多个互连可穿戴装置102中的至少一个互连可穿戴装置中的第一装置与多个互连可穿戴装置102中的至少一个互连可穿戴装置中的第二装置操作性地连接到局部网络中。在步骤206处,所述方法包含将信号从多个互连可穿戴装置102中的第二至少一个互连可穿戴装置发送到多个互连可穿戴装置102中的第一至少一个互连可穿戴装置。在步骤208处,所述方法包含由多个互连可穿戴装置102中的第一至少一个互连可穿戴装置从多个互连可穿戴装置102中的第二至少一个互连可穿戴装置接收信号。在步骤210处,所述方法包含根据从多个互连可穿戴装置102中的第二至少一个互连可穿戴装置接收到的信号改变多个互连可穿戴装置102中的第一至少一个互连可穿戴装置的操作方案。局部网络是无线局域网(LAN)和身体局域网108之一。流程图200在步骤212处终止。
图3展示了流程图300,其描述了根据本公开的各种实施例的用于对从多个互连可穿戴装置102接收到的生理信号进行降噪的方法。流程图300在步骤302处开始。在步骤304处,所述方法包含将与生理信号相关的多个信号从多个互连可穿戴装置102中的至少两个互连可穿戴装置发送到个人移动电子装置114。在步骤306处,所述方法包含由个人移动电子装置114接收多个信号。在步骤308处,所述方法包含通过比较与从多个互连可穿戴装置102中的至少两个互连可穿戴装置接收到的生理信号相关的多个信号来对所述生理信号进行降噪,其中降噪由个人移动电子装置114进行。流程图300在步骤310处终止。
图4展示了流程图400,其描述了根据本公开的各种实施例的用于计算从多个互连可穿戴装置102接收到的生理信号的方法。流程图400在步骤402处开始。在步骤404处,所述方法包含将与生理信号相关的多个信号从多个互连可穿戴装置102中的至少两个互连可穿戴装置发送到个人移动电子装置114。在步骤406处,所述方法包含由个人移动电子装置114接收多个信号。在步骤408处,所述方法包含通过对与从多个互连可穿戴装置中的至少两个互连可穿戴装置接收到的生理信号相关的多个信号求平均来计算所述生理信号。另外,由个人移动电子装置114求平均。流程图400在步骤410处终止。
图5展示了流程图500,其描述了根据本公开的各种实施例的用于计算从多个互连可穿戴装置102接收到的生理信号的方法。流程图500在步骤502处开始。在步骤504处,所述方法包含将与生理信号相关的多个信号从多个互连可穿戴装置102中的至少两个互连可穿戴装置发送到个人移动电子装置114。在步骤506处,所述方法包含由个人移动电子装置114接收多个信号。在步骤508处,所述方法包含通过对与从多个互连可穿戴装置102中的至少两个互连可穿戴装置接收到的生理信号相关的多个信号执行统计分析来计算所述生理信号。另外,统计分析由个人移动电子装置114进行。局部网络是无线局域网(LAN)和身体局域网108之一。所述方法进一步包含将所计算的生理参数发送到医疗保健提供者的步骤。流程图500在步骤510处终止。
图6展示了根据本公开的各种实施例的图1的系统100的硬件框架600的框图。运行系统100需要硬件框架600。硬件框架600包含同步工作以实现系统100的处理的各种组件,并且允许在系统100中存储数据。硬件框架600包含直接或间接耦合以下装置的总线602:存储器604、一个或多个处理器606、一个或多个呈现组件608、一个或多个输入/输出(I/O)端口610、一个或多个输入/输出组件612以及说明性电源614。总线602表示总线可以是一条或多条总线(如地址总线、数据总线或其组合)。尽管为了清楚起见用线条示出了图6的各个块,但是实际上,描绘各种组件并不是那么清晰,打个比方,线条更准确地说是灰色和模糊的。例如,可以将如显示装置等呈现组件视为I/O组件。此外,处理器具有存储器。发明人认识到这是本技术的本质,并重申图6仅展示了可以结合本发明的一个或多个实施例使用的示例性硬件框架600。不区分如“工作站”、“服务器”、“膝上型计算机”、“手持装置”等类别,因为所有这些都在图6的范围内设想并参考“硬件框架”。
硬件框架600通常包含各种计算机可读介质。计算机可读介质可以是任何可用介质,包含易失性和非可失性介质、可移除和不可移除介质。作为实例而非限制,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包含以任何方法或技术实施的易失性和非易失性介质以及可移除和不可移除介质,以用于存储如计算机可读指令、数据结构、程序模块或其他数据等信息。计算机存储介质包含但不限于短期存储程序代码和/或数据的非暂时性计算机可读存储介质,如寄存器存储器、处理器缓存和随机存取存储器(RAM),或可以用于存储期望信息的任何其它介质。计算机存储介质包含但不限于将程序代码和/或数据存储更长时间的非暂时性计算机可读存储介质,如二级或永久性长期存储器,如只读存储器(ROM)、EEPROM、闪速存储器或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储器、磁带盒、磁带、磁盘存储装置或其它磁存储装置,或可以用于存储期望信息的任何其它介质。通信介质通常体现为计算机可读指令、数据结构、程序模块或如载波或其它传输机制等调制数据信号中的其它数据,并且包含任何信息递送介质。术语“调制数据信号”意指以在信号中对信息进行编码的方式设置或改变其特性中的一个或多个特性的信号。作为实例而非限制,通信介质包含有线介质,如有线网络或直接有线连接,以及无线介质,如声学介质、RF介质、红外介质和其它无线介质。以上任何的组合也应当包含在计算机可读介质的范围内。
存储器604包含易失性和/或非易失性存储器形式的计算机存储介质。存储器604可以是可移除的、不可移除的或其组合。示例性硬件装置包含固态存储器、硬盘驱动器、光盘驱动器等。硬件框架600包含从如存储器604或I/O组件612的各种实体读取数据的一个或多个处理器606。一个或多个呈现组件608向用户或其它装置呈现数据指示。示例性呈现组件包含显示装置、扬声器、打印组件、振动组件等。
图7示出了具有一组传感器的用户700,所述一组传感器可以是多重的。一些传感器可以是专用的,而其它传感器可以是通用的和/或根据如ANT或BLE或WBAN协议等开放协议提供数据。例如,耳塞式耳机传感器702可以是定制的传感器系统,其具有各种传感器,如电生理传感器、光体积描记传感器、麦克风、压力传感器、电化学传感器、皮肤电反应传感器等。可替代地,耳塞式耳机传感器702可以是仅具有麦克风传感器的普通的苹果公司的无线耳机。在后一种情况下,麦克风可以用于拾取生物识别语音信号和模式、心跳和低音、杂音、上呼吸音等。
传感器还可以包含眼镜框传感器704,其除了支撑眼镜镜片之外还可以提供图形投影显示器和扬声器,并读取来自眼肌(EOG、EMG)的信号、脑电图(EEG)信号、加速度计、陀螺仪和用于提供头部位置和震颤的多轴感测的磁力计以及麦克风。
可植入传感器706可以集成到如起搏器等系统中,其读取EKG信号并且可以提供自动药物输注、离子感测、葡萄糖感测等。可植入传感器通常不使用蓝牙进行通信,而是可以使用电感耦合连接、WBAN技术、RFID(反向散射、能量收集)或其它低功率、节能或外部供电系统。
可以提供智能手表传感器708,其类似于耳塞式耳机传感器702,可以是提供光体积描记(PPG)感测、按需心电图(ECG)感测、加速度计等的标准型装置。进一步地,智能手表还可以含有完整的4G/LTE无线电或IOT通信。智能手表可以支持可下载的(或固有的)应用程序,并且因此表示网络的集线器或中央处理器。可替代地,智能手机或基础设施元件(未示出)可以充当网络的主节点并执行传感器信号的系统级处理。在一个实施例中,传感器网络通过蓝牙与路由器通信,然后路由器允许在云服务器上进行远程处理。路由器可以是智能手机或智能家居装置,如Alexa、Google Home等。在另一个实施例中,可以提供专用主处理节点装置。还可以提供一组戒指传感器710或腕部传感器712或电子脚链传感器714,以提供典型的循环或血管状态、血管收缩、震颤等的双侧感测。
与现有技术相比,本发明具有多种优点。本发明提供了可编程flex应用程序,以基于用户请求的带宽来分配动态带宽。另外,可编程flex应用程序避免了带宽浪费。进一步地,可编程flex应用程序以自动方式配置物理通道。此外,在识别光线路系统中产生的问题期间,可编程flex应用程序连续地监测和执行光线路系统光谱的重新调谐。此外,可编程flex应用程序有助于通道的动态调整并允许用户的优先流量保持不中断。
典型的主节点(例如,智能手机)将提供具有GPU的四核ARM架构处理器、随机存取存储器、闪速存储器、WiFi和蓝牙连接、任选地3G、4G、5G和/或LTE连接、LCD、OLED和/或在眼镜框内向眼睛投射图像的平视显示器、包含静态/视频相机、麦克风、加速度计、磁力计、陀螺仪、触摸板、指纹扫描仪、手势传感器、可充电锂离子电池、扬声器的传感器封装,以及其它标准元件。
电生理传感器电子装置通常采用仪表放大器,所述仪表放大器被配置成提供具有高共模抑制比的高差分增益,并且优选地提供数字可控增益或自动增益控制(AGC)。经放大的信号被数字化,并且根据本发明的优选实施例,经数字化的信号通过蓝牙或WBAN连接进行通信。在可用的范围内,传感器装置本身可以执行信号处理,这可能受到电力、处理能力/可用性和信号可用性的约束。信号流的接收装置可以执行最复杂的信号处理。然而,应该理解,尽管在前面的描述中已经阐述了本发明的许多特性和优点以及本发明的结构和功能的细节,但是本公开仅仅是说明性的。可以在本发明的原理内在所提及术语的广泛一般含义所指示的最大程度上对细节作出改变,特别是在部件的形状、大小和布置方面。
Claims (112)
1.一种生物识别系统,其包括个人移动电子装置,所述个人移动电子装置被配置成:分析从多个可穿戴或可植入感测装置中的每个可穿戴或可植入感测装置接收到的生理数据的空间和时间差异;并且至少响应于所述生理数据的空间和时间差异产生输出,
其中多个可穿戴或可植入传感器中的每个可穿戴或可植入传感器包括:壳体;电源;至少一个生理换能器,所述至少一个生理换能器被配置成感测用户的相应生理换能器局部的相应生理状况;以及通信端口,所述通信端口被配置成传输从感测到的生理状况得到的生理数据。
2.根据权利要求1所述的生物识别系统,其中所述通信端口通过无线局域网(LAN)进行无线传输。
3.根据权利要求1所述的生物识别系统,其中所述通信端口通过无线个域网(PAN)和无线体域网(BAN)中的至少一个进行无线传输。
4.根据权利要求1所述的生物识别系统,其中所述生理数据选自由以下组成的组:心脏活动、肌肉活动、皮肤电反应、电生理活动;温度、血压、葡萄糖水平、氧饱和度、一氧化氮水平、血管舒张水平、血管外流体状况、身体平衡、肌肉协调、身体疲惫、耐力极限。
5.根据权利要求1所述的生物识别系统,其包括所述多个可穿戴或可植入传感器,所述多个可穿戴或可植入传感器包括位于右肢上的第一可穿戴或可植入传感器以及位于左肢上的第二可穿戴或可植入传感器,由此提供双侧感测。
6.根据权利要求5所述的生物识别系统,其进一步包括位于躯干上的第三可穿戴或可植入传感器装置。
7.根据权利要求1所述的生物识别系统,其进一步包括所述多个可穿戴或可植入传感器,所述多个可穿戴或可植入传感器包括每个耳道中的相应可穿戴传感器装置。
8.根据权利要求7所述的生物识别系统,其中每个耳道中的每个相应可穿戴传感器装置包括至少一个麦克风和扬声器,其中每个相应可穿戴传感器装置具有第一模式和第二模式,在所述第一模式下,所述至少一个麦克风用于声音放大并且所述扬声器用于音频再现,在所述第二模式下,所述至少一个麦克风用于获取血管声音并且所述血管声音不由所述扬声器再现。
9.根据权利要求1所述的生物识别系统,其进一步包括所述多个可穿戴或可植入传感器,每个可穿戴或可植入传感器包括光学感测装置。
10.根据权利要求1所述的生物识别系统,其进一步包括所述多个可穿戴或可植入传感器,每个可穿戴或可植入传感器包括机械感测装置。
11.根据权利要求1所述的生物识别系统,其进一步包括所述多个可穿戴或可植入传感器,每个可穿戴或可植入传感器包括化学感测装置。
12.根据权利要求1所述的生物识别系统,其进一步包括所述多个可穿戴或可植入传感器,每个可穿戴或可植入传感器包括电磁信号感测装置。
13.根据权利要求1所述的生物识别系统,其中所述个人移动电子装置包括智能手表,所述智能手表具有至少一个生理传感器,所述至少一个生理传感器用于感测所述用户的相应手腕处的相应生理状况。
14.根据权利要求1所述的生物识别系统,其中所述个人移动电子装置被进一步配置成基于来自所述多个多个可穿戴或可植入传感器的所述生理数据的相关性对来自每个生理换能器的所述生理数据进行滤波。
15.根据权利要求14所述的生物识别系统,其中所述个人移动电子装置被进一步配置成向来自每个生理换能器的所述生理数据应用统计分类技术以对所述用户的生理状况进行分类。
16.根据权利要求1所述的生物识别系统,其中所述个人移动电子装置被进一步配置成对来自每个生理换能器的所述生理数据的空间和时间模式进行统计分类,并选择性地产生依赖于其的输出。
17.根据权利要求16所述的生物识别系统,其中所述个人移动电子装置被进一步配置成根据来自每个生理换能器的所述生理数据来适应性地更新统计模型,预测所述生理数据的空间和时间模式,并根据来自每个生理换能器的所述生理数据的空间和时间模式与预测的空间和时间模式的偏差来统计地确定所述用户的显著变化。
18.根据权利要求1所述的生物识别系统,其中所述个人移动电子装置被进一步配置成实施隐马尔可夫模型(HMM),并根据所述隐马尔可夫模型来确定未来用户状态的概率。
19.一种生物识别监测方法,其包括:
提供多个可穿戴或可植入传感器,每个传感器包括:壳体;电源;至少一个生理换能器,所述至少一个生理换能器被配置成感测用户的相应生理换能器局部的相应生理状况;以及通信端口,所述通信端口被配置成传输从感测到的生理状况得到的生理数据;
用个人移动电子装置中的自动化处理器分析从多个可穿戴或可植入感测装置中的每个可穿戴或可植入感测装置接收到的生理数据的空间和时间差异;以及
响应于所述空间和时间差异产生输出。
20.一种对来自多个互连装置的生理信号进行降噪的方法,所述方法包括:
提供多个互连装置,每个互连装置包括:壳体;电源;至少一个生理换能器,所述至少一个生理换能器被配置成根据相应生理换能器相对于用户的位置来感测所述用户的相应生理状况;以及通信端口,所述通信端口被配置成传输从感测到的生理状况得到的时间编码的生理数据并从另一个互连装置接收从所述感测到的生理状况得到的时间编码的生理数据;
将所述生理数据从所述多个互连装置传送到个人移动电子装置;以及
通过根据所述用户的预测统计模型对来自所述互连装置中的至少两个互连装置的所述生理数据执行空间和时间分析来对所述生理信号进行降噪。
21.一种用于从用户获取生物识别数据并对其进行分析的系统,所述系统包括:
多个互连装置,每个互连装置包括用于获取生理数据的至少一个可穿戴或可植入传感器;以及
个人移动电子装置,所述个人移动电子装置无线连接到所述多个互连装置中的每个互连装置,并且被配置成接收和分析由所述多个互连装置中的每个互连装置获取的生理数据。
22.根据权利要求21所述的系统,其中多个互连可穿戴装置通过无线局域网(LAN)无线互连。
23.根据权利要求21所述的系统,其中多个互连可穿戴装置通过无线个域网(PAN)无线互连。
24.根据权利要求21所述的系统,其中多个互连可穿戴装置通过无线体域网(BAN)无线互连。
25.根据权利要求21所述的系统,其中所述生理数据是温度。
26.根据权利要求21所述的系统,其中所述生理数据选自由以下组成的组:心率、心脏模式和心电图(ECG)。
27.根据权利要求21所述的系统,其中所述生理数据选自由以下组成的组:静电势、电生理信号;肌电图和肌张力。
28.根据权利要求21所述的系统,其中所述生理数据是血压。
29.根据权利要求21所述的系统,其中所述生理数据是葡萄糖水平。
30.根据权利要求21所述的系统,其中所述生理数据是氧饱和度。
31.根据权利要求21所述的系统,其中所述生理数据是一氧化氮水平。
32.根据权利要求21所述的系统,其中所述生理数据选自由以下组成的组:脑波、神经元振荡和脑电图。
33.根据权利要求21所述的系统,其中所述生理数据选自由以下组成的组:身体活动、身体疲惫、耐力极限和身体活动水平。
34.根据权利要求21所述的系统,其中所述生理数据是耳道压力。
35.根据权利要求21所述的系统,其中所述多个互连装置包括位于右肢上的第一装置以及位于左肢上的第二装置,以提供双侧感测。
36.根据权利要求35所述的系统,其进一步包括位于所述用户的躯干上的第三装置。
37.根据权利要求35所述的系统,其包括位于所述用户的每个肢体上的至少一个传感器。
38.根据权利要求21所述的系统,其中多个互连可穿戴装置是至少五个装置,一个位于所述用户的每个肢体上,并且一个位于所述用户的躯干或头部上。
39.根据权利要求21所述的系统,其中所述多个互连装置包括每个耳道中的相应装置。
40.根据权利要求39所述的系统,其进一步包括位于所述用户的面部、前额和头部之一上的装置。
41.根据权利要求39所述的系统,其中所述装置包括一对助听器、一对头戴式耳机和一对耳塞式耳机。
42.根据权利要求41所述的系统,其中所述一对助听器、所述一对头戴式耳机和所述一对耳塞式耳机中的每一个都包括麦克风。
43.根据权利要求41所述的系统,其中所述一对助听器、所述一对头戴式耳机和所述一对耳塞式耳机中的每一个都被配置成测量相应耳道内部的压力。
44.根据权利要求21所述的系统,其中相应传感器选自由以下组成的组:温度计、二极管、皮肤电反应传感器、血氧计、麦克风、光传感器、葡萄糖传感器、心电图传感器、脑电图传感器和加速度计。
45.根据权利要求21所述的系统,其中相应传感器是皮肤电反应传感器。
46.根据权利要求21所述的系统,其中相应传感器是葡萄糖传感器。
47.根据权利要求21所述的系统,其中相应传感器是加速度计。
48.根据权利要求21所述的系统,其中至少一个可穿戴装置选自由以下组成的组:手镯、腕带、智能手表、戒指、脚链、袖带、胸带、头带、助听器、耳机、耳塞式耳机、耳环和眼镜。
49.根据权利要求21所述的系统,其中所述个人移动电子装置选自由以下组成的组:智能手机、智能手表、个人数字助理(PDA)和平板计算机。
50.根据权利要求21所述的系统,其中所述个人移动电子装置被进一步配置成根据与生理参数相关的多个生理数据集来计算所述生理参数,其中所述多个生理数据集中的每个生理数据集由位于所述用户的身体上的不同位置处的不同互连装置获取。
51.根据权利要求50所述的系统,其中所述个人移动电子装置被进一步配置成通过对所述生理数据求平均来计算所述生理参数。
52.根据权利要求50所述的系统,其中所述个人移动电子装置被进一步配置成通过对与所述生理参数相关的所述多个数据集使用噪声滤波来计算所述生理参数。
53.根据权利要求50所述的系统,其中所述个人移动电子装置被进一步配置成通过使用统计技术对与所述生理参数相关的所述多个数据集进行分析来计算所述生理参数。
54.根据权利要求21所述的系统,其中所述个人移动电子装置被进一步配置成根据由不同互连装置获取的至少一个其它生理参数的值来计算生理参数。
55.根据权利要求21所述的系统,其中所述个人移动电子装置被进一步配置成计算在相对肢上获取的相同生理参数之间的差异。
56.根据权利要求55所述的系统,其中所述个人移动电子装置被进一步配置成计算手臂、手、腿、脚、耳、乳房、脸颊、太阳穴和眼睛之间的双侧差异。
57.根据权利要求21所述的系统,其中所述个人移动电子装置被进一步配置成比较从脑的相对脑叶获取的脑电图(EEG)。
58.根据权利要求21所述的系统,其中所述个人移动电子装置被进一步配置成比较从相对肺获取的相同生理参数。
59.根据权利要求21所述的系统,其中所述多个互连装置中的第一互连装置的操作方案取决于从所述多个互连装置中的第二互连装置接收到的信号。
60.根据权利要求21所述的系统,其进一步包括能够由所述个人移动电子装置无线访问的远程服务器。
61.根据权利要求60所述的系统,其中所述远程服务器能够由医疗保健提供者访问。
62.根据权利要求21所述的系统,其中所述个人移动电子装置被配置成将所计算的差异与预定阈值进行比较。
63.根据权利要求62所述的系统,其中所述个人移动电子装置被进一步配置成在所述所计算的差异超过所述预定阈值时生成警报。
64.根据权利要求21所述的系统,其中所述个人移动电子装置包括机器学习软件。
65.根据权利要求64所述的系统,其中所述机器学习软件是神经网络和深度神经网络之一,所述神经网络和所述深度神经网络被训练成基于从所述多个互连装置接收到的数据集来识别可能的健康问题。
66.一种由多个互连装置中的第二装置控制多个互连装置中的第一装置的方法,所述方法包括:
将所述多个互连装置中的所述第一装置与所述多个互连装置中的所述第二装置操作性地连接到局部网络中;
将信号从所述第二装置发送到所述第一装置;
由所述第一装置从所述第二装置接收信号;以及
根据从所述第二装置接收到的信号改变所述第一装置的操作方案。
67.根据权利要求66所述的方法,其中所述互连装置是可穿戴装置和植入式装置之一。
68.根据权利要求66所述的方法,其中所述局部网络是无线局域网(LAN)、无线个域网(PAN)和无线体域网(BAN)之一。
69.一种对从多个互连装置接收到的生理信号进行降噪的方法,所述方法包括以下步骤:
将与所述生理信号相关的多个信号从所述多个互连装置中的至少两个互连装置发送到个人移动电子装置;
由所述个人移动电子装置接收所述多个信号;以及
通过比较与从所述多个互连装置中的至少两个互连装置接收到的所述生理信号相关的所述多个信号来对所述生理信号进行降噪,其中所述降噪是使用所述个人移动电子装置来执行的。
70.根据权利要求69所述的方法,其中所述降噪包括确定每个传感器的特性时间偏移,通过使经受所述特性时间偏移的归一化的所述多个信号相关来使所述多个信号相关,并且对由每个相应传感器的相应特性时间偏移延迟的共同生理事件的表示进行滤波。
71.一种计算从至少两个互连装置接收到的生理信号的方法,所述方法包括以下步骤:
将与所述生理信号相关的数据集从互连装置中的至少两个互连装置发送到个人移动电子装置;
由所述个人移动电子装置接收所述数据集;以及
通过对与从至少两个互连可穿戴装置接收到的所述生理信号相关的数据集中的值求平均来计算所述生理信号的值,其中所述求平均由所述个人移动电子装置执行。
72.一种计算从多个互连可穿戴装置接收到的生理信号的方法,所述方法包括以下步骤:
将与生理参数相关的多个信号从至少两个互连装置发送到个人移动电子装置;
由所述个人移动电子装置接收所述多个信号;以及
通过对与从至少两个互连装置接收到的所述生理参数相关的所述多个信号执行统计分析来计算所述生理信号,其中所述统计分析是使用所述个人移动电子装置来执行的。
73.根据权利要求71、72或73所述的方法,其中所述多个互连可穿戴装置通过选自由无线局域网(LAN)和体局域网(BAN)组成的组的网络进行通信。
74.根据权利要求71、72或73所述的方法,其进一步包括将所计算的生理信号发送到医疗保健提供者的步骤。
75.一种检测用户的脑血管意外(中风)的方法,所述方法包括:
使用第一可穿戴装置测量所述用户的身体右侧上的肌肉的肌张力;
使用第二可穿戴装置测量所述用户的身体左侧上的对应肌肉的肌张力;
将与所述用户的身体右侧上的肌肉的肌张力相对应的第一值发送到个人移动装置;
将与所述用户的身体左侧上的肌肉的肌张力相对应的第二值发送到所述个人移动装置;
将所述第一值与所述第二值进行比较以计算增量,所述计算由所述个人移动装置进行;
将所述增量与预定阈值进行比较,所述比较由所述个人移动装置执行;以及
在所述增量超过所述预定阈值的情况下,由所述个人移动装置执行预定的一组步骤。
76.根据权利要求75所述的方法,其中所述预定的一组步骤是以下各项中的至少一项:通知所述用户、通知所述用户的近亲、通知所述用户的医疗保健提供者、通知所述用户的护理者、通知救护车、通知警察、通知第一响应者、发出警报以及指示植入式装置释放抗中风药物。
77.一种生物识别传感器,其包括:电源;至少一个传感器;无线电收发器;存储器;以及至少一个微控制器,所述至少一个微控制器被配置成:从所述至少一个传感器接收数据,处理所述数据以形成数字流,将所述数字流存储在所述存储器中;执行数据压缩以产生压缩数据,使用可靠协议通过所述无线电收发器传输所述压缩数据,并且执行与至少一个其它生物识别传感器的时间同步。
78.根据权利要求77所述的生物识别传感器,其中所述至少一个传感器选自由以下组成的组:电化学传感器、电生理传感器、光体积描记传感器、麦克风传感器、加速度计、压力传感器、光度传感器和超声波传感器。
79.一种自组织无线身体网络的生理传感器节点,所述生理传感器节点包括:自含式电源;微控制器;至少一个存储器;至少一个生理传感器;以及收发器,
其中所述微控制器根据存储在所述至少一个存储器中的指令代码进行控制,并且由所述自含式电源供电,以执行以下各项:(a)基于通过所述收发器进行的通信来同步时基;(b)从所述至少一个生理传感器获取时间编码的传感器数据;(c)处理所述时间编码的传感器数据以归一化传感器读数;(d)根据经处理的时间编码的传感器数据选择性地准备至少一个数据包并标识所述生理传感器节点;(e)根据通信参数将所述至少一个包传输到所述自组织无线身体网络的至少一个其它节点;(f)根据所述自组织无线身体网络的状态选择性地接收信息;以及(g)根据接收到的信息选择性地修改所述通信参数。
80.一种自组织无线身体网络的控制节点,所述控制节点包括:自含式电源;微控制器;至少一个存储器;第一收发器;以及第二收发器;
其中所述微控制器根据存储在所述至少一个存储器中的指令代码进行控制,并且由所述自含式电源供电,以执行以下各项:(a)通过所述第一收发器从所述自组织无线身体网络的多个不同生理传感器装置接收带时间戳的传感器数据;(b)分析接收到的带时间戳的传感器数据,以定量地确定所述多个不同生理传感器装置之间的所述带时间戳的传感器数据中反映的对应特征的相对定时,定量地分析所述多个不同生理传感器装置的所确定的相对定时和传感器数据,并且定性地表征至少关于历史传感器数据的事件;(c)至少基于定量分析和定性分析来确定异常事件的发生;(d)根据加密协议通过所述第二收发器传输至少一个包;(e)确定所述自组织无线身体网络的状态;以及(f)根据所述自组织无线身体网络的状态通过所述第一收发器选择性地传输至少一个包。
81.一种自组织无线身体网络的控制节点,所述控制节点包括:微控制器和收发器,其中所述微控制器根据存储的指令代码进行控制,以执行以下各项:(a)通过所述收发器从多个生理传感器装置接收时间编码的传感器数据;(b)分析接收到的时间编码的传感器数据以确定对应特征的相对定时;(c)定量地分析所确定的相对定时和接收到的时间编码的传感器数据;(d)基于当前时间编码的传感器数据和历史时间编码的传感器数据两者定性地表征所述接收到的时间编码的传感器数据;(e)至少基于所述定量分析和定性分析来确定事件的发生;以及(f)根据加密协议,基于来自至少一个生理传感器装置的所述接收到的时间编码的传感器数据,通过第二收发器来传输至少一个包,所述至少一个包包括用于改变相应生理传感器装置的操作的自适应参数和所述自组织无线身体网络的所确定的状态。
82.根据权利要求81所述的自组织无线身体网络的控制节点,其进一步包括所述自组织无线身体网络的生理传感器节点,所述生理传感器节点包括:微控制器、至少一个生理传感器和收发器,其中所述微控制器根据存储的指令代码进行控制,以执行以下各项:(g)基于通过所述收发器与所述控制节点进行的通信来同步时基;(h)从所述至少一个生理传感器获取时间编码的传感器数据;(i)根据通信参数,根据所述时间编码的传感器数据选择性地传输至少一个数据包并标识所述生理传感器节点;(j)根据所述自组织无线身体网络的所述状态通过所述收发器从所述控制节点选择性地接收信息;以及(k)根据接收到的信息选择性地修改所述通信参数。
83.一种用于从用户获取生物识别数据并对其进行分析的系统,所述系统包括:
(i)至少两个无线装置,所述至少两个无线装置能够测量至少一个生理参数,其中所述至少两个无线装置被配置成位于所述用户的身体的不同位置处,以测量所述位置处的相同的至少一个生理参数;以及
(ii)个人移动电子装置,所述个人移动电子装置无线连接到所述至少两个无线装置中的每个无线装置,其中所述至少两个无线装置被配置成将通过测量至少一个生理参数获取的生物识别数据传输到所述个人移动电子装置,其中所述个人移动电子装置被配置成接收并比较在两个不同位置处测量并且由所述至少两个无线装置传输的关于所述相同的生理参数的所述生物识别数据。
84.根据权利要求83所述的系统,其中所述无线装置中的每个无线装置是可穿戴装置和可植入装置之一。
85.根据权利要求83所述的系统,其中所述至少两个无线装置中的每个无线装置通过无线个域网(WPAN)无线连接到所述个人移动电子装置。
86.根据权利要求85所述的系统,其中所述WPAN使用蓝牙、红外数据协会协议(IrDA)、802.15和WiFi中的至少一种进行操作。
87.根据权利要求83所述的系统,其中所述生理参数选自由以下组成的组:温度、心率、心脏模式、心电图(ECG)、皮肤电势、电生理信号、血压、葡萄糖水平、脑波、神经元振荡、脑电图、氧饱和度、一氧化氮水平、耳道压力和肌张力。
88.根据权利要求83所述的系统,其中所述至少两个无线装置包括位于右肢上的第一装置和位于左肢上的第二装置,以提供双侧感测和比较。
89.根据权利要求83所述的系统,其中所述至少两个无线装置包括位于所述用户的身体右侧上的第一装置和对称地位于所述用户的身体左侧上的第二装置,以提供双侧感测和比较。
90.根据权利要求83所述的系统,其中所述至少两个无线装置包括位于右肢上的第一装置和位于左肢上的第二装置,以提供双侧感测和比较。
91.根据权利要求83所述的系统,其中所述至少两个无线装置包括位于所述用户的右手上的第一装置和位于所述用户的左手上的第二装置,以提供双侧感测和比较。
92.根据权利要求83所述的系统,其中所述至少两个无线装置包括位于所述用户的右腿上的第一装置和位于所述用户的左腿上的第二装置,以提供双侧感测和比较。
93.根据权利要求83所述的系统,其中所述至少两个无线装置是至少四个无线装置,所述至少四个无线装置包括位于所述用户的右手上的第一装置、位于所述用户的左手上的第二装置、位于所述用户的右腿上的第三装置和位于所述用户的左腿上的第二装置,以提供双侧感测和比较。
94.根据权利要求83所述的系统,其中所述至少两个无线装置中的第一无线装置设置在第一耳道中,并且所述至少两个无线装置中的第二无线装置位于第二耳道中。
95.根据权利要求83所述的系统,其中所述至少两个无线装置是一对助听器、一对头戴式耳机和一对耳塞式耳机之一。
96.根据权利要求83所述的系统,其中所述至少两个无线装置中的每个无线装置包括选自由以下组成的组的至少一个传感器:温度计、二极管、皮肤电反应传感器、血氧计、麦克风、光传感器、葡萄糖传感器、心电图传感器、脑电图传感器和加速度计。
97.根据权利要求83所述的系统,其中所述至少两个无线装置中的至少一个无线装置是选自由以下组成的组的可穿戴装置:手镯、腕带、智能手表、戒指、脚链、袖带、胸带、头带、助听器、耳机、耳塞式耳机、耳环和眼镜。
98.根据权利要求83所述的系统,其中所述个人移动电子装置选自由以下组成的组:智能手机、智能手表、个人数字助理(PDA)和平板计算机。
99.根据权利要求83所述的系统,其中所述至少两个无线装置在无线个域网(WPAN)和体域网(BAN)之一中互连。
100.根据权利要求83所述的系统,其中所述个人移动电子装置被进一步配置成根据与生理参数相关的多个生理数据集来计算所述生理参数,其中所述多个生理数据集中的每个生理数据集由位于所述用户的身体上的不同位置处的至少两个无线装置中的不同装置获取。
101.根据权利要求100所述的系统,其中所述个人移动电子装置被进一步配置成通过对所述多个生理数据集中的值求平均来计算生理参数。
102.根据权利要求100所述的系统,其中所述个人移动电子装置被进一步配置成通过使用统计技术对与所述生理参数相关的所述多个数据集进行分析来计算所述生理参数。
103.根据权利要求100所述的系统,其中所述个人移动电子装置被进一步配置成计算在相对肢上获取的相同生理参数之间的差异。
104.一种计算从位于用户的不同解剖区域上的多个无线装置接收到的生理参数的值之间的差异的方法,所述方法包括:
测量所述用户的所述不同解剖区域处的所述生理参数的值;
将所述不同解剖区域处的所述生理参数的所述值无线传输到个人移动电子装置;以及
计算第一位置和第二位置处的所述生理参数之间的差异,所述差异包括振幅或波形的差异和相位或同步的差异。
105.根据权利要求104所述的方法,其进一步包括:
将所计算的差异与预定阈值进行比较;以及
在所述差异大于所述预定阈值的情况下,向所述用户、用户的护理者、用户指定的人员和医疗保健提供者中的至少一者发出警报。
106.根据权利要求104所述的方法,其中所述生理参数是电生理参数。
107.根据权利要求104所述的方法,其中所述生理参数是以光体积描记法测量的。
108.根据权利要求104所述的方法,其中所述生理参数是在声学上测量的。
109.一种生物识别方法,其包括:
提供多个无线传感器模块,每个无线传感器模块具有射频收发器、生理参数传感器、微处理器、存储器和电源,并且被配置成生成与用户的相应解剖区域相关联的生理数据流;
提供个人移动电子装置,所述个人移动电子装置被配置成与所述多个无线传感器模块中的每个无线传感器模块无线通信,以获取与所述用户的所述解剖区域相关联的多个生理数据流;以及
由所述个人移动电子装置中的自动化处理器分析与所述用户的所述解剖区域相关联的所述多个生理数据流,以确定所述用户的血管状况的变化。
110.根据权利要求109所述的生物识别方法,其中所述用户的所述血管状况的变化包括血凝块。
111.根据权利要求109所述的生物识别方法,其中所述用户的所述血管状况的变化包括血管收缩。
112.根据权利要求109所述的生物识别方法,其中所述用户的所述血管状况的变化包括血管舒张。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063116164P | 2020-11-20 | 2020-11-20 | |
US63/116,164 | 2020-11-20 | ||
PCT/US2021/060405 WO2022109428A1 (en) | 2020-11-20 | 2021-11-22 | Multiple partially redundant biometric sensing devices |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116997975A true CN116997975A (zh) | 2023-11-03 |
Family
ID=81658654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180077329.6A Pending CN116997975A (zh) | 2020-11-20 | 2021-11-22 | 多种部分冗余的生物识别感测装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220160309A1 (zh) |
EP (1) | EP4247243A1 (zh) |
CN (1) | CN116997975A (zh) |
WO (1) | WO2022109428A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11636401B2 (en) * | 2019-01-25 | 2023-04-25 | Noodle.ai | Artificial intelligence platform |
US11917556B2 (en) * | 2021-10-19 | 2024-02-27 | Qualcomm Incorporated | Energy harvesting based on power headroom |
WO2023178117A1 (en) | 2022-03-14 | 2023-09-21 | O/D Vision Inc. | Systems and methods for artificial intelligence based blood pressure computation based on images of the outer eye |
CN115334460B (zh) * | 2022-08-16 | 2023-09-01 | 西安交通大学 | 一种基于mesh技术的隧道实时通讯方法和系统 |
CN115474163B (zh) * | 2022-08-16 | 2023-09-05 | 西安交通大学 | 一种基于mesh技术的抗干扰隧道实时通讯方法和系统 |
US20240113744A1 (en) * | 2022-09-30 | 2024-04-04 | Nxp B.V. | Wireless device network topology |
CN116682543B (zh) * | 2023-08-03 | 2023-11-10 | 山东大学齐鲁医院 | 一种区域康复信息的共享方法及系统 |
CN117494013B (zh) * | 2023-12-29 | 2024-04-16 | 南方医科大学南方医院 | 一种多尺度权值共享卷积神经网络及其脑电情感识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8781566B2 (en) * | 2006-03-01 | 2014-07-15 | Angel Medical Systems, Inc. | System and methods for sliding-scale cardiac event detection |
US20120245439A1 (en) * | 2008-11-20 | 2012-09-27 | David Andre | Method and apparatus for determining critical care parameters |
US20140378810A1 (en) * | 2013-04-18 | 2014-12-25 | Digimarc Corporation | Physiologic data acquisition and analysis |
CN112998649A (zh) * | 2015-01-06 | 2021-06-22 | 大卫·伯顿 | 移动式可穿戴的监控系统 |
US20170119318A1 (en) * | 2015-10-28 | 2017-05-04 | Blumio, Inc. | System and method for biometric measurements |
US10602987B2 (en) * | 2017-08-10 | 2020-03-31 | Arc Devices Limited | Multi-vital-sign smartphone system in an electronic medical records system |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
-
2021
- 2021-11-22 EP EP21895783.5A patent/EP4247243A1/en active Pending
- 2021-11-22 CN CN202180077329.6A patent/CN116997975A/zh active Pending
- 2021-11-22 US US17/532,922 patent/US20220160309A1/en active Pending
- 2021-11-22 WO PCT/US2021/060405 patent/WO2022109428A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4247243A1 (en) | 2023-09-27 |
US20220160309A1 (en) | 2022-05-26 |
WO2022109428A1 (en) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116997975A (zh) | 多种部分冗余的生物识别感测装置 | |
Khan et al. | The state-of-the-art wireless body area sensor networks: A survey | |
Baker et al. | Internet of things for smart healthcare: Technologies, challenges, and opportunities | |
Anikwe et al. | Mobile and wearable sensors for data-driven health monitoring system: State-of-the-art and future prospect | |
Shakeel et al. | A survey on COVID-19 impact in the healthcare domain: worldwide market implementation, applications, security and privacy issues, challenges and future prospects | |
Baig et al. | Smart health monitoring systems: an overview of design and modeling | |
Indrakumari et al. | The growing role of Internet of Things in healthcare wearables | |
Ahmed et al. | Insights into Internet of Medical Things (IoMT): Data fusion, security issues and potential solutions | |
Sivani et al. | Wearable devices: evolution and usage in remote patient monitoring system | |
Jaiswal et al. | A survey on IoT-based healthcare system: potential applications, issues, and challenges | |
Bradai et al. | A comprehensive overview of wireless body area networks (WBAn) | |
Malik et al. | A survey of research in WBAN for biomedical and scientific applications | |
US20230317217A1 (en) | System and Method for Populating Electronic Health Records with Wireless Earpieces | |
US20230352131A1 (en) | System and Method for Populating Electronic Medical Records with Wireless Earpieces | |
Rangarajan | Emerging trends in healthcare adoption of wireless body area networks | |
Maheswar et al. | Body area network challenges and solutions | |
Wang et al. | Wireless Health | |
Al-Thobhani et al. | Implementation Wearable WBANs for e-Healthcare | |
Al-Thobhani | IoSTs in e-healthcare services | |
Upadhyay et al. | Challenges and limitation analysis of an IoT-Dependent system for deployment in smart healthcare using communication standards features | |
Goswami et al. | Wireless body area networks combined with mobile cloud computing in healthcare: a survey | |
Baig | Smart vital signs monitoring and novel falls prediction system for older adults | |
Sridhar et al. | Wireless body area networks: requirements, characteristics, design consideration, and challenges | |
Juneja et al. | Healthcare analysis via wireless sensor network | |
Sinha et al. | Detailed analysis of medical IoT using wireless body sensor network and application of IoT in healthcare |
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 |