CN117729879A - 用于确定与对象的心血管系统有关的健康信息的设备、系统和方法 - Google Patents
用于确定与对象的心血管系统有关的健康信息的设备、系统和方法 Download PDFInfo
- Publication number
- CN117729879A CN117729879A CN202280053219.0A CN202280053219A CN117729879A CN 117729879 A CN117729879 A CN 117729879A CN 202280053219 A CN202280053219 A CN 202280053219A CN 117729879 A CN117729879 A CN 117729879A
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- movement
- event
- subject
- 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
- 230000036541 health Effects 0.000 title claims abstract description 66
- 210000000748 cardiovascular system Anatomy 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000033001 locomotion Effects 0.000 claims abstract description 109
- 230000004044 response Effects 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000036962 time dependent Effects 0.000 claims abstract description 9
- 238000013186 photoplethysmography Methods 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 210000003205 muscle Anatomy 0.000 claims description 6
- 230000007177 brain activity Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 10
- 230000007958 sleep Effects 0.000 description 10
- 230000002526 effect on cardiovascular system Effects 0.000 description 9
- 230000035899 viability Effects 0.000 description 8
- 102100026789 Aryl hydrocarbon receptor repressor Human genes 0.000 description 7
- 230000000747 cardiac effect Effects 0.000 description 7
- 230000034431 double-strand break repair via homologous recombination Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 101000690533 Homo sapiens Aryl hydrocarbon receptor repressor Proteins 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 230000036642 wellbeing Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 101150059521 AHRR gene Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010049816 Muscle tightness Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000005792 cardiovascular activity Effects 0.000 description 1
- 230000005800 cardiovascular problem Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002746 orthostatic effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
- 210000000707 wrist Anatomy 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种用于确定与对象的心血管系统有关的健康信息的设备、系统和方法。为了改进所确定的健康信息的准确度，所述设备包括：HR输入部(31)，其被配置为获得表示或允许导出所述对象随时间的心率的时间依赖性心率HR相关信号；事件选择输入部(32)，其被配置为获得允许检测所述对象的移动事件的事件选择信号；处理单元(33)，其被配置为根据所获得的HR相关信号和所获得的事件选择信号来确定与对象的心血管系统有关的健康信息；以及输出部(34)，其被配置为输出所确定的健康信息。所述处理单元(33)被配置为：基于所述事件选择信号来检测所述对象的移动事件；提取所述HR相关信号的时间片段，其中，每个时间片段覆盖包括相应移动事件的不同时段；组合所提取的时间片段以计算聚合的HR响应信号；并且从所述聚合的HR响应信号中提取一个或多个特征，以确定与所述对象的心血管系统有关的健康信息。
Description
技术领域
本发明涉及一种用于确定与对象的心血管系统有关的健康信息的设备、系统和方法，例如用于确定对象的所谓的心脏年龄(HeartAge)作为对象的心血管系统的健康的指示符的设备、系统和方法。
背景技术
现今，人们通过使用应用程序和可穿戴物来保持跟踪睡眠、营养、总体健康以及其生活的许多其他方面。基于例如心电图(ECG)的心血管监测当前成功用于疾病识别、压力分析、预后、生物特征识别等。然而，ECG要求在特定位置处放置多个传感器，这使可穿戴物低效。光电体积描记(PPG)传感器通过用在皮肤上发射光并测量反射的强度的脉搏血氧计测量心率(HR)和心率变异性(HRV)来解决该问题。该强度取决于由心动周期调节的皮肤下的血流。测量反射中的周期性然后得到对HR和HRV的估计。该测量可以在身体的不同部分(例如手腕、手指或耳垂)处完成的事实使得PPG传感器在日常生活中很方便，并广泛集成于类似智能手表的可穿戴设备中。另外，据发现，PPG传感器可以仅通过监测心脏来测量身体的物理和甚至精神状态的变化。除此之外，已经发现远程PPG能够从对象的皮肤部分的相机信号检测生命体征，诸如HR、呼吸速率、SpO2。
获得干净的PPG信号是可穿戴物中的最大挑战，因为它包含不可预测的伪影。因此，大多数研究和应用是在具有最小物理移动的受控环境中执行的。由基于移动的噪声污染的PPG信号窗口被忽略或过滤掉。
尽管PPG在监测应用中的使用的巨大潜力，但是PPG仍然具有关于噪声和不可靠测量的许多问题。这些伪影阻止了PPG作为临床监测设备的使用。
US2018/0249951 A1公开了一种用于准确估计人的能量消耗的设备，特别是通过该设备考虑心血管漂移的效应。该设备包括：输入单元，其用于获得表示人的身体活动的移动信号和表示人的心率的心率信号；心血管漂移确定单元，其用于根据所述移动信号和所述心率信号和/或携带关于人的出汗量、体重减轻、温度升高、血液乳酸浓度和身体疲劳中的一项或多项的信息的一个或多个心血管漂移相关信号来确定心血管漂移阶段；校正单元，其用于校正所生成的并表示心血管漂移阶段期间的心率的心率信号，以及估计单元，其用于根据经校正的心率信号来估计人的能量消耗。
发明内容
本发明的目的是提供一种用于确定与对象的心血管系统有关的健康信息的设备、系统和方法，其优选地以非侵扰的方式操作，并且可以任选地在对象的休息或睡眠期间使用。
在本发明的第一方面中，呈现了一种用于确定与对象的心血管系统有关的健康信息的设备，所述设备包括：
HR输入部，其被配置为获得表示或允许导出所述对象随时间的心率的时间依赖性心率HR相关信号；
事件选择输入部，其被配置为获得允许检测所述对象的移动事件的事件选择信号；
处理单元，其被配置为根据所获得的HR相关信号和所获得的事件选择信号来确定与对象的心血管系统有关的健康信息；以及
输出部，其被配置为输出所确定的健康信息，
其中，所述处理单元被配置为：
基于所述事件选择信号来检测所述对象的移动事件，
提取所述HR相关信号的时间片段，其中，每个时间片段覆盖包括相应移动事件的不同时段，
组合所提取的时间片段以计算聚合的HR响应信号，并且
从所述聚合的HR响应信号中提取一个或多个特征，以确定与所述对象的心血管系统有关的所述健康信息。
在本发明的另一方面中，呈现了一种用于确定与对象的心血管系统有关的健康信息的系统，所述系统包括：
HR传感器，其被配置为感测表示或允许导出所述对象随时间的心率的时间依赖性心率HR相关信号；
选择信号传感器，其被配置为感测允许检测所述对象的移动事件的事件选择信号；
如本文所公开的设备，其用于根据所感测的HR相关信号和所感测的事件选择信号来确定与对象的心血管系统有关的所述健康信息；以及
输出接口，其被配置为发出所确定的健康信息。
在本发明的又一方面中，提供了一种对应的方法、一种包括程序代码模块的计算机程序，当在计算机上执行所述计算机程序时所述程序代码模块用于使所述计算机执行本文所公开的方法的步骤，以及在其中存储计算机程序产品的非瞬态计算机可读记录介质，所述计算机程序产品在由处理器运行时使执行本文所公开的方法。所述方法可以是计算机实施的。
本发明的优选实施例在从属权利要求中定义。应当理解，所要求保护的方法、系统、计算机程序和介质与所要求保护的系统具有相似和/或相同的优选实施例，特别是如从属权利要求中所定义和如本文所公开的。
本发明基于关注由基于移动的噪声“污染”的HR相关信号(例如PPG信号)的时间片段的思想。因此，与用于患者监测的已知方法相反，检测所述对象的移动事件，并且覆盖包括相应移动事件的时段的HR相关信号的对应的时间片段被用于后续处理和确定关于所述对象的心血管系统的信息。
因此，本发明提出了一种解决方案，其可以克服已知监测设备、系统和方法的技术限制，并且允许例如在夜晚期间通过监测移动之后的HR反应性或在其他情况下(例如在白天)非侵扰地确定对象的心血管活力，其中，所述对象的移动影响HR(例如在下自己的汽车时)。
由于该心血管活力(即所确定的健康信息)常常与所述对象的实际年龄相关，因此该新的生理度量可以被称为“心脏年龄”，其可以与所述对象的生物年龄有关。这样一来，其可以用作针对“心脏年龄”的强大的单个值：在对所述对象的心血管系统的适应性/灵活性的指示的意义上，所述对象的心血管系统的“年龄”。通过在不存在护理提供者(例如护士或医生)的情况下连续监测所述对象的“心脏年龄”，在非常早期阶段确定和/或发信号指示关于各种心血管问题的风险可以是可能的。这样一来，本发明可以挽救生命，并且可能是对不久的将来的医疗保健的巨大补充。通常，本发明可以被用于确定与对象的心血管系统有关的其他健康信息片段，并根据例如重量(“心脏重量”)、BMI(“心脏BMI”)、活力(“心脏活力”)、幸福感(“心脏幸福感”)、压力水平(“心脏压力”)等来呈现它们。
在该背景下，对移动事件的“检测”不仅意指实际测量或识别移动事件，而且意指预测或估计移动事件。例如，可能的是，在移动事件之后首先提取所述相关HR信号的时间片段，并且然后将该时间片段在时间上向后扩展，使得它确实包括所述移动事件。
根据优选实施例，所述处理单元被配置为在组合之前基于所述事件选择信号或所获得的对准信号来对准所提取的时间片段，所获得的对准信号指示相应时间片段内的移动事件的时间信息。这进一步改进了健康信息的确定的准确度。通常，所述事件选择信号也可以被用于对准，即，所述事件选择信号不仅可以被用于选择移动事件，而且可以被用于对准所提取的时间片段，但是也可以使用单独的对准信号。例如，来自例如身体穿戴的ACC传感器的加速度计(ACC)信号可以用作对准信号和事件选择信号。在其他实施例中，ACC信号可以用作对准信号，并且非ACC信号(例如，感测所述对象的移动或姿势变化的重量或压力传感器信号)可以用作事件选择信号。在仍然其他实施例中，ACC信号可以用作事件选择信号，并且非ACC信号可以用作对准信号。
所述处理单元可以有利地被配置为通过检测影响所述对象的HR的所述对象的移动来检测移动事件，所述对象的移动特别是所述对象的往复移动或更频繁发生的移动，诸如所述对象的姿势的变化或所述对象的转动移动。一个或多个身体穿戴的传感器(例如ACC传感器)和/或外部传感器(例如相机或压力传感器)的一个或多个传感器信号可以被用于该目的。
优选地，所述处理单元可以被配置为通过检测所述对象的移动的一个或多个移动特征来检测移动事件，所述移动特征包括：高于强度阈值的移动强度、移动模式、移动速度、移动方向和移动距离。
在优选实施例中，所述处理单元被配置为：在所选择的时间片段中检测一个或多个不想要的时间片段，特别是基于相应的选择的时间片段的一个或多个特性在所选择的时间片段中检测一个或多个不想要的时间片段，在所述一个或多个不想要的时间片段期间，所述HR相关信号失真，或者在所述一个或多个不想要的时间片段期间，尽管检测到移动事件，但是所述HR不受影响；并且为了组合所提取的时间片段，丢弃检测到的不想要的时间片段。这进一步改进了健康信息的确定的准确度。除了HR失真的时间片段之外，HR不受影响的时间片段(尽管检测到移动事件)也被移除并且不在进一步处理中使用以确定期望的健康信息。如果例如由于信号噪声或其他失真原因而错误地检测到移动，则HR可能例如不由所述对象的移动影响。通过移除HR保持(基本上或完全)静止的这样的时间片段，基于移动导致HR的变化的主要假设，对这些误差进行后验校正。
在另一实施例中，所述处理单元被配置为：通过确定特性时间点来提取所述HR相关信号的时间片段，检测到的事件的特定特性在所述特性时间点处出现；并且选择围绕所述特性时间点的所述时间片段，以涵盖在所述特性时间点之前的第一时间段和在所述特性时间点之后的第二时间段。所述特性时间点可以例如是所述对象的位置或姿势的变化实际发生的时间。该特性时间点可以例如在所述事件选择信号和/或所述HR相关信号中识别。然后可以从所述HR相关信号中选择所述特性时间点周围(或仅在其之后)的时段作为时间片段。所述时段可以是预定的和固定的，或者可以由所述用户或所述处理单元个体地设置或选择。针对该时段的合理值可以在10至240秒的范围内，特别是在30至120秒的范围内。所述实际值可以取决于本发明的应用，并且可以与那些值不同，即所述实际值通常可以小于或大于所提到的最小值和最大值。
所述处理单元还可以被配置为：为了组合所提取的时间片段，丢弃发生检测到的移动事件的在所述相应的选择的时间片段中的时间段，并且仅使用在所述检测到的移动事件之前和/或之后的在所述相应的选择的时间片段中的时间段。这有助于进一步改进准确度，因为已经发现在所述移动事件的时刻，所述HR相关信号可能是噪声或失真的，即所述运动可能导致所述HR相关信号中的伪影，使得所述HR相关信号的该部分应当被丢弃，并且仅所述HR相关信号中直接在所述移动事件之前和/或之后的(一个或多个)部分应当被用作时间片段。
通常，聚合的HR响应信号的不同特征可以被用于确定期望的健康信息。在实施例中，所述处理单元可以被配置为从所述聚合的HR响应信号中提取以下各项中的一项或多项作为一个或多个特征：
所述聚合的HR响应信号的最大值与最小值之间的差异，
所述聚合的HR响应信号的最大值与开始值之间的差异，
所述聚合的HR响应信号的结束值与开始值之间的差异，
所述聚合的HR响应信号的最小值的出现与最大值的出现之间的时间差，
所述聚合的HR响应信号的开始值的出现与结束值的出现之间的时间差，
聚合的HR响应信号的最大梯度，以及
所述聚合的HR响应信号的增加的持续时间和/或速度。
所述特征通常具有以一个数字来描述所述聚合的心率响应的目标。因此，可以使用服务该目的的这些特征中的一个或多个(或者甚至额外的特征，诸如聚合的HR响应信号下的面积、返回正常之前的心跳量等)。
优选地，所述处理单元可以被配置为通过使用预定函数来确定与所述对象的心血管系统有关的所述健康信息，所述预定函数特别是应用一个或多个预定标量参数的线性或非线性近似。所述标量参数可以是预定的，例如针对各种类型的对象(例如基于年龄、性别、尺寸、重量、健康状况、健身水平等)，或者可以针对检查中的特定对象个体地设置或确定。
在实施例中，所述处理单元可以被配置为根据所述对象的年龄与来自所述聚合的HR响应信号的相应一个或多个特征之间的一个或多个关系来确定所述标量参数。这样的确定优选地基于经验数据预先完成，所述经验数据示出或允许导出年龄与应在所述对象的健康信息的实际确定中使用的聚合HR响应信号的一个或多个特征之间的关系。
通常，各种种类的信号可以用作HR相关信号。优选地，在实际实施方式中使用以下各项中的一项：接触或远程光电体积描记(PPG)信号、HR信号、ECG信号、心冲击描记图、眼压测量信号或全息激光多普勒成像信号。
对于所述事件选择信号，也存在不同的选项，例如基于在特定应用场景中可以使用哪个传感器或哪个信号可用。在实际实施方式中，所述事件选择信号可以是以下各项中的一项：指示所述对象身体的移动的移动信号、加速度计信号、肌肉活动信号、脑部活动信号、压力传感器信号、重量传感器信号、车辆的CAN(控制器局域网)总线信号(或其他总线信号)和相机信号。
对于所述对准信号，也存在不同的选项，再次在特定应用场景中可以使用哪个传感器或哪个信号可用。在实际实施方式中，所述对准信号可以是以下各项中的一项：指示所述对象身体的移动的移动信号、加速度计信号、肌肉活动信号、脑部活动信号、压力传感器信号、重量传感器信号、车辆的CAN总线信号(或其他总线信号)和相机信号。
为了将所述HR相关信号的多个时间片段组合(例如平均)成最终聚合的HR响应信号，存在若干选项。
在优选实施例中，所述处理单元被配置为通过以下操作来组合所提取的时间片段：首先将所提取的时间片段转换为表示随时间的频率的信号(例如，使用小波变换)并且然后将这些信号聚合为聚合的HR响应信号，即，所述HR相关信号首先被转换为描述其相对于时间的频率的信号，并且随后地，通过聚合所提取的时间片段来组合所提取的时间片段。在另一实施例中，所述处理单元被配置为通过以下操作来组合所述聚合的时间片段：首先将所提取的时间片段变换为时间-频率矩阵；组合所述矩阵，特别是在逐像素基础上组合所述矩阵；并且然后采取最大脊线来获得聚合的HR响应信号，即，组合对应的时间-频率矩形并且然后将最大脊线采取为所述聚合的HR响应信号。
附图说明
本发明的这些和其他方面将根据在下文中所描述的(一个或多个)实施例而显而易见并且将参考在下文中所描述的(一个或多个)实施例得到阐述。在以下附图中：
图1示出了根据本发明的系统的实施例的示意图。
图2示出了根据本发明的设备的实施例的示意图。
图3示出了根据本发明的方法的第一实施例的示意图。
图4示出了根据本发明的方法的第二实施例的示意图。
图5示出了时间-频率矩阵的示图。
图6示出了图示HR相关信号的时间片段的求和和平均的示图。
图7示出了图示聚合的HR响应信号在多个夜晚内保持稳定的示图。
图8示出了图示聚合的HR响应信号的强度与对象的年龄之间的关系的示图。
具体实施方式
图1示出了根据本发明的用于确定与对象的心血管系统有关的健康信息的系统1的实施例的示意图。对象通常可以是任何人，但是本发明可以特别适用于监测患者、老年人、具有严重心血管系统的人、运动员等。
系统1包括心率(HR)传感器10，传感器10被配置为感测(即采集或测量)表示或允许导出对象随时间的HR的时间依赖性HR相关信号。HR传感器10可以是可穿戴传感器，诸如接触光电体积描记(PPG)传感器、HR速率传感器、ECG传感器。在其他实施例中，HR传感器可以是外部传感器，诸如远程PPG传感器、心冲击描记图传感器、眼压测量传感器或全息激光多普勒成像传感器。因此，HR相关信号可以直接示出对象随时间的HR，例如在接触PPG信号或HR速率传感器的情况下，或者可以允许导出对象的HR，例如在远程PPG信号或心冲击描记图信号的情况下。
系统1还包括选择信号传感器20，选择信号传感器20被配置为感测允许检测对象的移动事件的事件选择信号。选择信号传感器20可以是提供信号的任何可穿戴或外部传感器，从该信号可以检测对象是否执行移动或将要执行移动，特别是影响对象的HR的移动。信号可以直接示出移动，或者可以允许导出存在或将存在对象的移动。因此，移动事件可能是以下任何事件：其中，对象改变位置和/或姿势，特别是在一定程度上或以某种方式改变位置和/或姿势，使得对象的HR由于对象的移动而示出-潜在临时-变化。在优选实施例中，选择信号传感器20可以是提供指示对象身体的移动的移动信号的移动传感器、加速度计、肌肉活动传感器、脑部活动传感器、压力传感器、重量传感器、提供车辆的CAN总线信号的CAN总线或相机。
系统1还包括设备30，设备30被配置为根据感测到的HR相关信号和感测到的事件选择信号来确定与对象的心血管系统有关的健康信息。下文将描述设备30的细节。设备30可以例如以软件和/或硬件被实施为处理器或计算机或在处理器或计算机中实施。
系统1还包括被配置为发出所确定的健康信息的输出接口40。输出接口40通常可以是以视觉或听觉形式(例如以文本形式、作为图像或示图、作为声音或口语单词等)输出所确定的健康信息的任何模块。例如，输出接口40可以是显示器、扬声器、触摸屏、计算机监测器、智能电话或平板电脑的屏幕等。
任选地，系统1还可以包括对准信号传感器50，对准信号传感器50被配置为感测对准信号，从而允许在组合它们之前对准从HR相关信号提取的时间片段。对于该对准，可以使用事件选择信号(在这种情况下，可以省略对准信号传感器50)。否则，可以获得指示相应时间片段内的移动事件的时间信息的单独的对准信号，使得可以基于该时间信息在时间上对准时间片段。
图2示出了根据本发明的用于确定与对象的心血管系统有关的健康信息的设备30的实施例的示意图。
设备30包括被配置为获得时间依赖性HR相关信号的HR输入部31，以及被配置为获得事件选择信号的事件选择输入部32。任选地，提供额外的对准信号输入部35以获得对准信号(如果可用的话)。HR输入部31和事件选择输入部32(以及任选的对准信号输入部35)可以分别直接耦合或连接到HR传感器10和事件信号传感器20(以及任选的对准信号传感器50)，或者可以从存储设备、缓冲器、网络或总线等获得(即检索或接收)这些信号。因此，输入部31、32和35例如可以是(有线或无线)通信接口或数据接口，诸如蓝牙接口、WiFi接口、LAN接口、HDMI接口、直接线缆连接或允许信号传输到设备30的任何其他适合的接口。
设备30还包括处理单元33，处理单元33被配置为根据所获得的HR相关信号和所获得的事件选择信号来确定与对象的心血管系统有关的健康信息。处理单元33可以是被配置为处理信号并从中确定健康信息的任何类型的模块。它可以在软件和/或硬件中实施，例如在诸如智能电话、智能手表、平板电脑、膝上型电脑、PC、工作站等的用户设备上作为编程处理器或计算机或应用程序。
设备30还包括被配置为输出所确定的健康信息的输出部34。输出部34通常可以是提供所确定的健康信息的任何接口，例如，该接口将其发送到另一设备或提供其以由另一设备(例如智能电话、计算机、平板电脑等)检索。因此，其通常可以是任何(有线或无线)通信或数据接口。
图3示出了根据本发明的用于确定与对象的心血管系统有关的健康信息的方法100的第一实施例的示意图。方法的步骤可以由设备执行，其中，方法的主要步骤由处理单元执行。方法可以被实施为在计算机或处理器上运行的计算机程序。
在第一步骤101中，从HR传感器10获得，例如检索或接收，时间依赖性HR相关信号。在第二步骤102(在步骤101之前、之后或与步骤101并行地执行)中，从事件信号传感器20获得，例如检索或接收，事件选择信号。随后，在步骤103中，根据所获得的HR相关信号和所获得的事件选择信号来确定与对象的心血管系统有关的健康信息。最后，在步骤104中，输出所确定的健康信息。
确定健康信息的步骤103包括基于事件选择信号来检测对象的移动事件的第一步骤1031。对于相应移动事件，在步骤1032中，从HR相关信号中提取时间片段，时间片段覆盖包括相应移动事件的时段。在步骤1033中，所提取的时间片段被组合(例如平均)以计算聚合的HR响应信号。在步骤1034中，从聚合的HR响应信号中提取一个或多个特征，以使用所提取的一个或多个特征来确定与对象的心血管系统有关的健康信息。
在另一实施例中，本发明的设备30可以包括三个模块：
i)记录模块(包括或共同表示输入部31、32和35)，其记录PPG信号(作为HR相关信号)、选择信号和对准信号；
ii)处理模块(表示处理单元33)，其组合这些信号并提取特性聚合的心率响应(AHRR)并从中确定健康信息；以及
iii)反馈模块(表示输出部34)，其总结并报告结果。
在实施例中，处理模块(或处理单元)通过以下操作提取AHRR：
i)使用带通滤波器对PPG信号和选择信号进行预处理，
ii)使用选择信号来选择相关的移动事件，
iii)在这些移动事件期间从PPG信号中去噪和提取心率曲线，
iv)检测并移除严重失真的心率曲线，以及
v)使用对准信号对所有剩余的心率曲线进行对准和平均，并且从而获得AHRR。
所得的AHRR被示出为每个人是稳定的。其被用于估计患者的健康信息，诸如人的心脏年龄。下文将更详细地解释这些步骤。
反馈模块优选地总结并报告在指定时间段内的所有结果。可以向用户或护理提供者(诸如医生或护士)提供反馈。反馈可以以若干形式来提供(例如，文本和可视化)。
在实施例中，提取AHRR的算法将PPG信号(作为HR相关信号)和选择信号作为输入。可以在睡眠期间收集适合的信号，因为当与白天相比较时，心率降低且更稳定。人们在其睡眠期间做出20到80个小(转动)移动。这些导致心率的典型暂时增加(可能与所谓的心血管直立反射有关)。加速度信号可以用作检测转动移动的开始的选择信号。图4示出了根据本发明的利用这样的算法的方法200的第二实施例的示意图。该实施例特别地执行一系列步骤，以便对信号进行去噪并确定AHRR。
第一，在步骤201中对PPG信号的一阶导数执行预处理，例如，使用具有0.5-2Hz的截止频率的带通三阶巴特沃斯滤波器。一阶导数被用于抵消基线漂移并使峰值检测更容易。0.5-2Hz的截止频率对应于30-120BPM(每分钟心跳)的预期HR范围，并允许提取HR的基频。此外，可以使用跨越[-0.5,0.5]秒的样本周围的滑动时间窗口，将选择信号和PPG信号两者归一化到信号依赖性固定范围。信号可以在开始和结束处被零填充，以确保第一和最后一个样本的正确归一化。为了处理信号中的大尖峰和负部分，x/(max-min)归一化可以被用于保证正的固定信号范围。
第二，检测睡眠期间的转动事件(作为“移动事件”的一个示例)(步骤202)，并且将PPG信号分割成多个感兴趣窗口(步骤203)。这些事件窗口(“时间片段”)被定义为相应事件发生的独特时间间隔。移动事件通常可以是触发突然HR响应(即HR的变化)的任何事件。事件可以被选择为具有确定的开始、确定的结束，以及它们之间相当长的休息时段。一种可能性是基于加速度计信号中的暂时的高于确定值的增加来定义转动事件窗口的开始和结束：对于每个事件，可以使用加速度计增加的结束。事件窗口的开始可以被定义为加速度计增加的结束之前的第一时间段(例如在它之前的10到90的范围内，例如在它之前的40秒)，并且事件窗口的结束可以被定义为加速度计增加的结束之后的第二时间段(例如在它之后的10到90的范围内，例如在它之后的60秒)。以这种方式，加速度计信号(用作选择信号)也可以用作对准信号，以在进一步处理之前对准不同的事件窗口。其他特性点(不同于加速度计增加的结束)也可以用于定义上文所提到的事件窗口以及事件窗口的第一和第二时段。
第三，将感兴趣窗口期间的PPG信号转换(步骤304)为时间-频率矩阵(例如，连续小波变换矩阵)，如图5所示，其中，每列描述时间t处的频率谱。确切地在事件期间的PPG信号优选地被忽略，因为它在事件的时刻常常过于失真。然后，该矩阵被压缩，例如通过(samplefreq x 1)最大池滤波器。所得矩阵具有每秒一列的分辨率，并且被称为心率响应(HRR)。这些列的最大值的垂直位置对应于频率。可以提取这些频率以获得描述BPM中的HRR的最大脊线(MR)，如图5的下图所示。
由于PPG信号对失真非常敏感，时间-频率矩阵中的最大像素值有时对应于由噪声引起的频率，而不是由HR引起的频率。因此，在步骤205中，可以通过从原始MR中减去经滤波的MR(例如9s中值滤波的MR)来检测异常。将残差与阈值进行比较，以发现指示异常值行为的大偏差。可以使用偏好高HR异常值的非对称阈值。HR的变化倾向于接近最小和最大HR是渐进的。因此，预期静止HR具有比减小更高的可能增加。大于先前HR的30％或小于先前HR的10％的残差可以从进一步处理中省略。可以对比平均事件持续时间短的所得间隙进行线性插值。
该实施例使能移除错误的测量结果(异常值)。异常值的数目可以给出关于HRR质量的提示。然而，它不是使用的仅有措施。移除过于失真的HRR的过程可以包括两2个步骤：在第一步骤中，测量HRR信号的特性，并且在第二步骤中，基于其特性来选择是否移除HRR曲线。例如，在第一步骤中，从HRR曲线中提取若干特征。这些特征描述了HRR的形式、稳定性、方差、不良测量次数等。基本上，特征描述了人类自己做出关于HRR质量的决策的所有必要信息。然而，可以要求人类，但优选地不应要求人类来决定。相反，可以训练算法以自动地做出该决策。出于该目的，在第二步骤中，在提取特征之后，训练算法以决定曲线是否具有良好的质量，HRR曲线过于失真而没有任何用途。过于失真意指不能提取有意义的HRR。如上文所解释的，随机森林算法可以被用于进行该二进制决策任务。这样的随机森林算法可以利用多个(例如几百个)手动标记的HRR来训练。算法的该标记和训练可以对许多应用进行一次，或者特别地对每个应用进行一次，即，它可以被视为一种校准。这些HRR用手标记为具有好的或坏的质量。基于这些HRR曲线和所有提取的特征，随机森林算法学习检测曲线是否具有好的或坏的质量。然而，可以使用其他分类器来代替随机森林算法。
接下来，在步骤206中，分析插值的HRR，并且计算用作用于判别算法的特征空间的时间和形态特征。判别算法(例如，包含例如具有例如10级的最大深度的100棵树的随机森林分类器)已经学习检测和移除未描述实际心率响应(例如过于平坦)或对于进一步处理而言过于失真的HRR。
最后，多个(优选地所有)事件窗口的剩余HRR信号被归一化、对准(步骤207)，并且然后组合(例如平均)在一起(步骤208)，这强调重复出现的模式，并且从而获得AHRR。这在示出多个HRR和所得AHRR的图6中图示。由于然后对准事件窗口，因此组合单独的事件窗口允许揭示重复出现的HR行为并消除随机错误和波动。如上文所指示的，可以基于主要兴趣指向事件之后的HR行为的选择信号而在事件的结束时间上对准HRR。因此，已经发现，AHRR特性在若干夜晚中针对每个人都非常稳定(组内相关性＝0.7-0.8)。然后从例如针对若干夜晚获得的这些AHRR中提取特征，以确定与对象的心血管系统有关的对象的健康信息，例如动脉系统的活力和状况，在本文中也称为心脏年龄(步骤209)。
在去噪过程中对背景对准的使用允许详细的HR行为分析，其具有先前在可穿戴应用中从未见过的分辨率。该分辨率增加引入了在夜晚非侵扰地连续监测活力和心脏年龄的新的可能性。下文将描述更详细的示例(心脏年龄示例)。
如上文所提到的，许多不同的信号可以用作选择信号和/或对准信号(例如，躯干加速度和腿部肌肉活动)。可以在完全或部分夜间无人看管的家庭记录中获得数据。但是，也可以在其他情况下获得数据，例如，在办公室中，其中，人在坐与站之间重复改变姿势，当人以移动或姿势的变化进行运动时，当人正离开车辆时(即，从座位上站起来并离开车辆)等等。可以使用多个传感器并且AHRR在每个人内稳定的事实表明AHRR的确定和使用是一种通用、鲁棒、准确和稳定的新测量技术。
HR相关信号的各种HRR或时间片段的对准也可以以其他方式进行，例如通过使用互相关。然后，HRR或时间片段本身可以用作对准信号。例如，两个HRR可以在整个延迟范围内彼此相关，并且选择产生最高相关性的延迟。这针对所有成对的两个HRR曲线发生(例如夜间的所有成对的两个HRR曲线)，并且然后在恢复流程以根据移位的HRR曲线计算AHRR之前将每个HRR信号移位其平均延迟量。该方法还将使能根据个体HHR曲线之间的相关性的高度识别不同类型的HRR曲线：彼此良好相关(对于一些延迟)的那些HRR曲线属于同一聚类。然后，对于每个聚类，可以构建特定的AHHR。最可能地，不同的聚类将与夜间不同类型的转动移动有关。
通常，许多移动，例如睡眠期间的每个转动，生成特定于个人的身体的HRR。对这些HRR进行平均给出甚至更稳定的每晚AHRR，其是针对特定身体的特性，并且在夜晚之间没有显著变化，如图7所图示，图7示出了在不同夜晚取得的多个AHRR(每个绘图示出了在3个夜晚期间取得的单个对象的3个AHRR曲线)。使用如上文计算的AHHR信号，“心脏年龄”可以计算如下：
心脏年龄＝a+b*(AHRRincrease)，
其中，a和b是优选根据经验确定的标量，并且AHRR是如上文所描述的聚合的心率响应。AHHR增加可以被确定为AHHR信号中的最大HR减去t＝0处的AHHR。该AHRRincrease可能与所谓的直立反射有关：当某人正改变为更直立的姿势时的HR的增加(参见例如G.Cybulski和W.Niewiadomski，“Influence of age on the immediate heart rateresponse to the active orthostatic test”(J Physiol Pharmacol，第54卷，第1期，第65–80页，2003年))。
上文所描述的实施例借助于线性近似根据AHRRincrease来计算心脏年龄。这是完成其的最简单的方式，并且通常它很好地适合可用的数据。给定针对相关情况的足够的可用数据(例如，从汽车或从座椅上站起来)，任何其他函数F(x)(x是AHRR的特征，并且F是期望的健康信息，诸如心脏年龄)通常可以被拟合到数据，例如二阶函数F(x)＝a+bx+cx2。因此，在某些应用中，不同的函数可以应用于可用的数据集，特别是当为不同的情况(例如离开汽车)收集数据集时。
图8示出了对象的AHRRincrease与实际年龄之间的关系：平均而言，对象的年龄越高，对象的AHRRincrease越低。该总人口关系然后用于使能估计针对心脏年龄和参数a和b的线性依赖性。因此，人的心脏年龄可以被认为是总群体与他/她具有相同的AHRRincrease的年龄。
AHRR的提取可以在家中进行而无需医生的帮助的事实创建了优化身体训练或药物的新的可能性。从而实现了对活力和心脏年龄的不费力的纵向监测。
在图8中，年龄与AHRRincrease之间的关系被描述为根据特定数据集来确定。如图中可见，其遵循线性公式AHRRincrease＝C1+C2*年龄，其中，C1＝25.5bpm，并且C2＝-0.275bpm/年。根据AHRRincrease来确定心脏年龄恰好遵循逆函数：心脏年龄＝(AHRRincrease–C1)/C2＝a+b*AHRRincrease。换句话说，在使用线性近似的方法中，上文所描述的标量a和b可以根据图8所示的拟合线的线性等式来确定，使得b＝1/C2＝3.64年/bpm，并且a＝-C1/C2＝92.7年。基于年龄与基于经验数据为较大群体预先确定的AHRR的一个或多个特征之间的关系，可以使用相同或相似的方法来确定在用于确定心脏年龄(或其他健康信息)的其他近似中使用的其他标量。此外，可以基于患者的典型参数(诸如年龄、性别、尺寸、体重、健身水平、健康状况、药物等)预先为某些类型的对象确定这样的标量。
通常，为了检测心脏年龄，可以从AHRR中提取一个或多个特征。在上文所描述的实施例中，AHRRincrease被用作特征，但是一个或多个其他特征可以替代地或额外地使用。在睡眠期间的转动事件的情况下，姿势在转动期间稍微变化，但是然后返回水平。因此，预期转动之前的HR将与转动(很久)之后的HR粗略相同，具有转动期间和之后不久的HR的临时增加。对于下车来说，情况是不同的：其中，姿势是在姿势改变之前坐着和在姿势改变之后站着，并且已知站着时的HR高于坐着时。因此，预期看到HR的持续增加，但是可能具有站立的过程期间的过冲。在这种情况下，HR的持续增加以及过冲的高度两者是可以指示健康状态或心脏年龄的参数。
也可以使用AHRR的其他特征，诸如：
聚合的HR响应信号的最大值与最小值之间的差异，
聚合的HR响应信号的最大值与开始值之间的差异，
聚合的HR响应信号的结束值与开始值之间的差异，
聚合的HR响应信号的最小值的出现与最大值的出现之间的时间差，
聚合的HR响应信号的开始值的出现与结束值的出现之间的时间差，
聚合的HR响应信号的最大梯度，以及
聚合的HR响应信号的增加的持续时间和/或速度。
本发明的实时实施方式是可能的，因为通常仅必须分析移动事件周围的小感兴趣窗口。移动事件必须至少分隔一个感兴趣窗口的持续时间。由于算法仅由便宜的计算组成，因此可以在事件的感兴趣窗口结束之后立即进行该分析。可以将连续的HRR或HR相关信号的提取的时间片段添加到临时AHRR，该临时AHRR最后除以事件的数目以获得最终AHRR。该处理管线允许在计算能力和电池资源有限的远程应用中实时计算AHRR。
随着智能手表的引入，可穿戴设备的使用在过去几年中呈指数级增长，并且预期在未来几年中甚至更多地经历该增长。可穿戴腕带设备常常经由WiFi的蓝牙连接到智能电话的事实允许在智能电话上远程处理PPG数据(或通常HR相关信号)。由于AHRR估计的实施例之一仅使用PPG和加速度传感器，因此AHRR估计可以理想地使用智能手表和用户友好的智能电话应用程序来完成。由于智能电话的巨大的相互连接性和频繁使用，因此AHRR在日常生活中的使用情况是无穷的。
本发明的一个潜在应用是经由车辆驾驶员或车辆乘客正在使用的腕带(或任何其他可穿戴物)测量心脏年龄或其他健康信息。每次当驾驶员离开汽车时，座椅和门上的传感器记录该活动，并且因此可以用作选择信号。当离开汽车时，驾驶员从就座姿势朝向站立姿势改变，并且这在他们的心血管系统中触发了真正的直立反射：心率增加以适应站立姿势(并且在这样做时，常常临时过冲)。这些心率变化由腕带中的PPG传感器测量。使用座椅和门CAN信号作为选择信号，可以从PPG数据中选择一系列时刻，其中，驾驶员从就座位置改变为直立位置，并且本发明允许针对该特定情况计算AHRR和心脏年龄。乘客座椅和门的组合以及坐在那里的人的腕带也是如此。
因此，在这样的实施例中，驾驶员门打开的汽车的CAN总线信号可以用作选择信号，指示在接下来的一分钟左右预期驾驶员从坐着改变为站立姿势(即，CAN总线信号可以被用于预测未来的移动事件并估计移动事件的时间)，并且因此，假设驾驶员的HR将增加。ACC信号然后可以用作对驾驶员何时确切站立的指示，即用作对准信号。这样的组合的优点是，选择信号在对适当的移动事件的正确选择中可以更严格，而对准在确定(和对准)多个移动事件的确切定时以及在这些移动事件期间的HR相关信号的相关时间片段方面更好。
在另一实施例中，ACC信号可以用作选择信号，并且非ACC可以用作对准信号。例如，在活动传感器(例如ACC传感器)传感器放置在对象的胸部上并且EMG传感器(感测肌肉张力；非ACC传感器)放置在对象的三头肌上的情况下，活动传感器检测到对象开始移动并且对象的胸部向上走。这允许选择捕获胸部正上升的事实的HR轨迹(以及预期HR反应)。三头肌上的EMG传感器指示对象开始使用肌肉站起来时的确切时刻，使得EMG传感器信号可以被用于对准。
通常，可以使用本发明来确定不同的健康信息片段。一个示例是上文所描述的心脏年龄。另一示例是作为人的健康的另一指示符的人的体重，就像通常年龄一样。通过使用本发明获得的主要信息是关于心血管系统的灵活性/适应性的信息。然后，关于心血管系统的灵活性/适应性的信息可以被反翻译成外行可能更好理解的某事物，诸如他的年龄、体重或BMI。
为了确定重量，可以构建心脏重量，类似于心脏年龄，其通过将AHRR的一个或多个特征(诸如AHHRincrease)与具有各种体重的其他人的特征进行比较来给出对心脏的适应性/灵活性的指示。因此，心脏重量可能告诉一个人，不管人的超重(例如重量超过100kg的人)，心脏响应与更瘦的人的心脏响应相似，即，人的心脏重量可能仅是80kg。这将实际上是与心脏年龄相同的健康信息，即关于心血管系统的灵活性/适应性的信息。它将仅以不同的方式呈现。
同样适用于其他心脏信息片段，诸如BMI(“心脏BMI”)、活力(“心脏活力”)、幸福感(“心脏幸福感”)、压力水平(“心脏压力”)等。
本发明使能非侵扰地、流动地、稳定地测量人们的心血管活力。使用例如睡眠期间的可穿戴PPG测量结果，可以确定人们的“心脏年龄”。本发明可以利用不同的信号，例如可穿戴物的加速度计信号，来识别人们的移动，例如睡眠期间的转动。随后，它使用时间-频率转换方法(例如连续小波变换)消除(alienates)这些时刻周围的HR变化。这样一来，本发明采用了正常实践的相反视角：它利用事件检测信号，例如可穿戴物的加速度计信号，来提取HR相关信号的特定信号窗口，否则该信号窗口将被省略为基于移动的噪声。
本发明可以特别适用于健康和良好状态的家庭监测以及睡眠和呼吸护理。此外，本发明提供了一种简单的诊断手段。另一应用领域是汽车应用中的乘客健康。
尽管已经在附图和前述描述中详细图示和描述了本发明，但是这样的图示和描述要被认为是说明性或者示范性而非限制性的；本发明不限于所公开的实施例。通过研究附图、说明书和所附权利要求书，本领域的技术人员在实践请求保护的本发明时可以理解和实现所公开的实施例的其他变型。
在权利要求中，词语“包括”不排除其他元件或者步骤，并且词语“一”或“一个”不排除多个。单个元件或其他单元可以履行权利要求中记载的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以存储/分布在适合的非暂态介质上，诸如与其他硬件一起或作为其他硬件的部分提供的光学存储介质或固态介质上，但是计算机程序也可以以其他形式分布，诸如经由因特网或其他有线或无线电信系统分布。
权利要求中的任何附图标记不应当解释为对范围的限制。
Claims (15)
1.一种用于确定与对象的心血管系统有关的健康信息的设备，所述设备包括：
HR输入部(31)，其被配置为获得时间依赖性心率HR相关信号，所述时间依赖性心率HR相关信号表示或允许导出所述对象随时间的心率；
事件选择输入部(32)，其被配置为获得事件选择信号，所述事件选择信号允许检测所述对象的移动事件；
处理单元(33)，其被配置为根据所获得的HR相关信号和所获得的事件选择信号来确定与对象的心血管系统有关的所述健康信息；以及
输出部(34)，其被配置为输出所确定的健康信息，
其中，所述处理单元(33)被配置为：
基于所述事件选择信号来检测所述对象的移动事件，
提取所述HR相关信号的时间片段，其中，每个时间片段覆盖包括相应移动事件的不同时段，
组合所提取的时间片段以计算聚合的HR响应信号，并且
从所述聚合的HR响应信号中提取一个或多个特征，以确定与所述对象的心血管系统有关的所述健康信息。
2.根据权利要求1所述的设备，
其中，所述处理单元(33)被配置在组合之前基于所述事件选择信号或所获得的对准信号来对准所提取的时间片段，所获得的对准信号指示相应时间片段内的移动事件的时间信息。
3.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为通过检测影响所述对象的HR的所述对象的移动来检测移动事件，所述对象的移动特别是所述对象的往复移动，诸如所述对象的姿势的变化或所述对象的转动移动。
4.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为通过检测所述对象的移动的一个或多个移动特征来检测移动事件，所述移动特征包括：高于强度阈值的移动强度、移动模式、移动速度、移动方向和移动距离。
5.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为：在所选择的时间片段中检测一个或多个不想要的时间片段，特别是基于相应的选择的时间片段的一个或多个特性在所选择的时间片段中检测一个或多个不想要的时间片段，在所述一个或多个不想要的时间片段期间，所述HR相关信号失真，或者在所述一个或多个不想要的时间片段期间，尽管检测到移动事件，但是所述HR不受影响；并且丢弃检测到的不想要的时间片段，以组合所提取的时间片段。
6.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为：通过确定特性时间点来提取所述HR相关信号的时间片段，检测到的事件的特定特性在所述特性时间点处出现；并且选择围绕所述特性时间点的所述时间片段，以涵盖所述特性时间点之前的第一时间段和所述特性时间点之后的第二时间段。
7.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为：为了组合所提取的时间片段，丢弃发生检测到的移动事件的在所述相应的选择的时间片段中的时间段，并且仅使用在所述检测到的移动事件之前和/或之后的在所述相应的选择的时间片段中的时间段。
8.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为从所述聚合的HR响应信号中提取以下各项中的一项或多项作为一个或多个特征：
所述聚合的HR响应信号的最大值与最小值之间的差异，
所述聚合的HR响应信号的最大值与开始值之间的差异，
所述聚合的HR响应信号的结束值与开始值之间的差异，
所述聚合的HR响应信号的最小值的出现与最大值的出现之间的时间差，
所述聚合的HR响应信号的开始值的出现与结束值的出现之间的时间差，
聚合的HR响应信号的最大梯度，以及
所述聚合的HR响应信号的增加的持续时间和/或速度。
9.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为通过使用预定函数来确定与所述对象的心血管系统有关的所述健康信息，所述预定函数特别是应用一个或多个预定标量参数的线性或非线性近似。
10.根据权利要求9所述的设备，
其中，所述处理单元(33)被配置为根据所述对象的年龄与来自所述聚合的HR响应信号的相应一个或多个特征之间的一个或多个关系来确定所述标量参数。
11.根据前述权利要求中的任一项所述的设备，
其中，所述HR相关信号是以下各项中的一项：接触或远程光电体积描记PPG信号、HR信号、ECG信号、心冲击描记图、眼压测量信号或全息激光多普勒成像信号，和/或
其中，所述事件选择信号是以下各项中的一项：指示所述对象的身体的移动的移动信号、加速度计信号、肌肉活动信号、脑部活动信号、压力传感器信号、重量传感器信号、车辆的CAN总线信号和相机信号。
12.根据前述权利要求中的任一项所述的设备，
其中，所述处理单元(33)被配置为通过以下操作来组合所提取的时间片段：
i)首先将所提取的时间片段转换为表示随时间的频率的信号，并且然后将这些信号聚合为聚合的HR响应信号，或者
ii)首先将所提取的时间片段变换为时间-频率矩阵；组合所述矩阵，特别是在逐像素基础上组合所述矩阵；并且然后采取最大脊线来获得聚合的HR响应信号。
13.一种用于确定与对象的心血管系统有关的健康信息的系统，所述系统包括：
HR传感器(10)，其被配置为感测时间依赖性心率HR相关信号，所述时间依赖性心率HR相关信号表示或允许导出所述对象随时间的心率；
选择信号传感器(20)，其被配置为感测事件选择信号，所述事件选择信号允许检测所述对象的移动事件；
根据前述权利要求中的任一项所述的设备(30)，其用于根据所感测的HR相关信号和所感测的事件选择信号来确定与对象的心血管系统有关的所述健康信息；以及
输出接口(40)，其被配置为发出所确定的健康信息。
14.一种用于确定与对象的心血管系统有关的健康信息的方法，所述方法包括：
获得时间依赖性心率HR相关信号，所述时间依赖性心率HR相关信号表示或允许导出所述对象随时间的心率；
获得事件选择信号，所述事件选择信号允许检测所述对象的移动事件；
根据所获得的HR相关信号和所获得的事件选择信号来确定与对象的心血管系统有关的所述健康信息；并且
输出所确定的健康信息，
其中，所述健康信息是通过以下操作确定的：
基于所述事件选择信号来检测所述对象的移动事件，
提取所述HR相关信号的时间片段，其中，每个时间片段覆盖包括相应移动事件的不同时段，
组合所提取的时间片段以计算聚合的HR响应信号，并且
从所述聚合的HR响应信号中提取一个或多个特征，以确定与所述对象的心血管系统有关的所述健康信息。
15.一种包括程序代码模块的计算机程序，当在计算机上执行所述计算机程序时，所述程序代码模块用于使所述计算机执行根据权利要求14所述的方法的步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21188758.3 | 2021-07-30 | ||
| EP21188758.3A EP4124289A1 (en) | 2021-07-30 | 2021-07-30 | Device, system and method for determining health information related to the cardiovascular system of a subject |
| PCT/EP2022/071192 WO2023006874A1 (en) | 2021-07-30 | 2022-07-28 | Device, system and method for determining health information related to the cardiovascular system of a subject |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117729879A true CN117729879A (zh) | 2024-03-19 |
Family
ID=77431105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280053219.0A Pending CN117729879A (zh) | 2021-07-30 | 2022-07-28 | 用于确定与对象的心血管系统有关的健康信息的设备、系统和方法 |
Country Status (3)
| Country | Link |
|---|---|
| EP (2) | EP4124289A1 (zh) |
| CN (1) | CN117729879A (zh) |
| WO (1) | WO2023006874A1 (zh) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6496087B2 (ja) * | 2015-12-22 | 2019-04-03 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 人のエネルギー支出を推定する装置、システムおよび方法 |
| US10980433B2 (en) * | 2017-07-21 | 2021-04-20 | Livmor, Inc. | Health monitoring and guidance |
| US11363992B2 (en) * | 2017-12-04 | 2022-06-21 | Advancing Technologies, Llc | Wearable device utilizing flexible electronics |
-
2021
- 2021-07-30 EP EP21188758.3A patent/EP4124289A1/en not_active Withdrawn
-
2022
- 2022-07-28 EP EP22757288.0A patent/EP4376709A1/en active Pending
- 2022-07-28 WO PCT/EP2022/071192 patent/WO2023006874A1/en active Application Filing
- 2022-07-28 CN CN202280053219.0A patent/CN117729879A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4376709A1 (en) | 2024-06-05 |
| EP4124289A1 (en) | 2023-02-01 |
| WO2023006874A1 (en) | 2023-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7261811B2 (ja) | 訓練された予測モデルに基づく血圧降下の非侵襲的決定のためのシステム及び方法 | |
| US11672436B2 (en) | Pulse detection from head motions in video | |
| US11915825B2 (en) | Systems and methods of analyte measurement analysis | |
| EP3474287B1 (en) | Apparatus and method for providing a corrected blood glucose measurement | |
| DK2696754T3 (en) | Stress-measuring device and method | |
| Balakrishnan et al. | Detecting pulse from head motions in video | |
| US8768438B2 (en) | Determining cardiac arrhythmia from a video of a subject being monitored for cardiac function | |
| US9336594B2 (en) | Cardiac pulse rate estimation from source video data | |
| US20170347899A1 (en) | Method and system for continuous monitoring of cardiovascular health | |
| US20180350468A1 (en) | Processing physiological electrical data for analyte assessments | |
| US11576623B2 (en) | Method for generating a model for generating a synthetic ECG and a method and system for analysis of heart activity | |
| US20180078216A1 (en) | Non-Invasive Determination of Disease States | |
| US20200121207A1 (en) | Method of processing a signal representing a physiological rhythm | |
| US20140221845A1 (en) | Determining cardiac arrhythmia from a video of a subject being monitored for cardiac function | |
| JP2011115188A (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
| KR101996027B1 (ko) | 동공 크기 변화를 이용한 심장 주파수 영역의 정보 추출 방법 및 그 장치 | |
| EP4033495A1 (en) | Activity task evaluating system, and activity task evaluating method | |
| JP2008253727A (ja) | モニタ装置、モニタシステム及びモニタ方法 | |
| KR20170004549A (ko) | 동공 크기 변화율을 이용한 심장 주파수 영역의 정보 추출 방법 및 그 장치 | |
| Gaoan et al. | Heart rate measurement via smart phone acceleration sensor | |
| CN117729879A (zh) | 用于确定与对象的心血管系统有关的健康信息的设备、系统和方法 | |
| JP2020506770A (ja) | 心房細動を検出するための方法及びシステム | |
| WO2022146883A1 (en) | Systems, methods and apparatus for generating biometric estimations using real-time photoplethysmography data | |
| Xie et al. | Heart rate estimation from ballistocardiogram using hilbert transform and viterbi decoding | |
| Ho et al. | A clinical decision and support system with automatically ECG classification in telehealthcare |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |