DE102019106565B4

DE102019106565B4 - Atmung aus einem photoplethysmogramm (ppg) unter verwendung fester und adaptiver filterung

Info

Publication number: DE102019106565B4
Application number: DE102019106565.8A
Authority: DE
Inventors: James E. Durnin
Original assignee: Nonin Medical Inc
Current assignee: Nonin Medical Inc
Priority date: 2018-03-15
Filing date: 2019-03-14
Publication date: 2023-03-23
Anticipated expiration: 2039-03-15
Also published as: GB2584561A; JP2019193774A; CA3036609C; GB2573628A; GB202011651D0; GB201903476D0; JP2021180999A; CA3036609A1; GB2584561B; GB2573628B; CA3182511A1; DE102019106565A1; US20190282125A1; JP6935441B2; JP7343954B2

Abstract

System zur Ermittlung einer Atemrate eines Subjekts aus einer Ausgabe einer Vorrichtung, die ein Photoplethysmogramm- (PPG-) Signal erzeugen kann, wobei das System Folgendes aufweist:einen oder mehrere hardware-basierte Prozessoren, um das PPG-Signal bei einer ersten ausgewählten Frequenz zu sampeln;einen ersten Hochpassfilter, um das gesampelte PPG-Signal zu filtern;einen zweiten Hochpassfilter, der in Reihe mit dem ersten Hochpassfilter verbunden ist, um eine Ausgabe von dem ersten Hochpassfilter zu empfangen undum die Ausgabe bei einer zweiten ausgewählten Frequenz zu filtern;einen Nulldurchgangsfilter, um eine Ausgabe von dem zweiten Hochpassfilter zu empfangen und um Nulldurchgänge mit positiven (steigenden) Flanken undNulldurchgänge mit negativen (fallenden) Flanken von zumindest einem ausgewählten Bereich des PPG-Signals zu interpolieren, um Atemzeit-Abstände zu ermitteln, die als eine Differenz zwischen interpolierten Nulldurchgängen ermittelt werden, die von einem Einfluss der Atemrate auf das PPG-Signal verursacht werden; undeinen Medianfilter, um einen Durchschnitt der Atemzeit-Abstände für die Nulldurchgänge mit positiven Flanken und die Nulldurchgänge mit negativen Flanken zu ermitteln, um eine Schätzung der Atemrate abzuleiten.

Description

TECHNISCHES GEBIET
Der hier offenbarte erfinderische Gegenstand bezieht sich auf das Ableiten von Atemraten eines Subjekts (z. B. eines menschlichen Patienten) aus optischbasierten physiologischen Sensorvorrichtungen, wie etwa einem Pulsoximeter, die eine Ausgabe in der Form eines Photoplethysmogramms (PPG) erzeugen.
HINTERGRUND
Es existiert ein breites Spektrum an Vorrichtungen, die von der Übertragung optischer Signale abhängen, um verschiedene biologische oder umgebungsbedingte Parameter eines Patienten zu überwachen und zu messen. So setzen beispielsweise verschiedene Formen von Blutoximetrie-Vorrichtungen bei der Messung von einem oder mehreren biologischen oder umweltbedingten Parametern eines Patienten die Übertragung und das Empfangen von Signalen ein.
Blutoximetrie-Vorrichtungen, oder Pulsoximeter, werden üblicherweise verwendet, um den Sauerstoffsättigungsgrad von Blut in einem Körperorgan oder in Geweben, einschließlich Blutgefäßen, oder den oxidativen Stoffwechsel von Geweben bzw. Organen zu überwachen bzw. zu messen. Ein Beispiel für ein optisches Oximeter ist in U.S. 33 643 E, mit dem Titel „Single Channel Pulse Oximeter“ offenbart. Pulsoximetrie ist eine Technologie, die verwendet wird, um sowohl den Sauerstoffgehalt in dem Blut eines Subjekts als auch die Herzfrequenz eines Subjekts zu messen. Ein Finger-Pulsoximeter ist mit einer Technologie ausgestattet, mit der schnell Veränderungen in dem Blutsauerstoffgehalt des Subjekts detektiert werden können. Diese Vorrichtungen können außerdem oftmals die Herzfrequenz und das Durchblutungsvolumen in Organen oder Geweben ermitteln oder weitere biologische oder umweltbedingte Parameter überwachen bzw. messen und werden dafür verwendet.
Eine Blutoximetrie-Vorrichtung misst die Höhe der Komponenten von einem oder mehreren Signalen von einer oder mehreren Frequenzen, wie sie durch ein Gewebe oder ein Organ übertragen bzw. davon reflektiert werden, um einen oder mehrere biologische oder umweltbedingte Parameter zu ermitteln, wie etwa den Sauerstoffgehalt des Bluts und das Blutvolumen oder die Herzfrequenz eines Patienten.
Zudem beeinflusst die Atmung den Herzzyklus, indem sie den intrathorakalen Druck innerhalb der Pleurahöhle eines tierischen (z. B. eines menschlichen) Subjekts variiert. Der intrathorakale Druck ist der Druck zwischen der Thoraxwand und den Lungen. Da sich das Herz in der Brusthöhle zwischen den Lungen befindet, beeinflusst der Teildruck aufgrund des Ein- und Ausatmens während der Atmung den Druck auf die Hohlvenen. Da die Atmung den Herzzyklus beeinflusst, enthält somit das PPG Signalkomponenten, die von den Atemzyklen von Ein- und Ausatemzügen verursacht werden. Folglich weist das PPG-Signal Informationen auf, die extrahiert werden können, um die Atmungsrate eines Subjekts in Atemzügen pro Minute (engl. „breaths per minute“, BPM) zu ermitteln.
Blutoximetrie-Vorrichtungen können auch als direkt verbundene Vorrichtungen konstruiert sein, das heißt als Vorrichtungen, die direkt mit einem Patienten verbunden sind und die die gewünschten Informationen direkt präsentieren oder die Informationen direkt aufzeichnen, und als entfernt angeordnete Vorrichtungen, das heißt als Vorrichtungen, die an einen Patienten angeschlossen sind und die Messungen an eine Fernanzeige, eine Monitoring- oder Datenerfassungs-Vorrichtung übertragen.
Blutoximetrie-Vorrichtungen messen den Sauerstoffgehalt im Blut, die Pulsfrequenz und das Durchblutungsvolumen, indem sie Strahlung in einem Frequenzbereich emittieren, wie etwa in dem roten oder nahinfraroten Bereich, wobei die Transmission der Strahlung durch oder die Reflexion der Strahlung an den Geweben oder einem Organ von dem Sauerstoffsättigungsgrad und dem Blutvolumen in den Geweben oder dem Organ messbar beeinflusst wird. Eine Messung der Signalhöhe, die durch ein Gewebe oder Organ transmittiert wird bzw. von einem Gewebe oder Organ reflektiert wird, kann dann eine Messung oder Indikation des Sauerstoffsättigungsgrads in dem Gewebe oder Organ angeben. Die transmittierten oder reflektierten Signale können von unterschiedlicher Frequenz sein, die typischerweise in messbar unterschiedlichen Weisen oder Beträgen durch verschiedene Parameter bzw. Faktoren bzw. Komponenten des Bluts beeinflusst werden.
Parameter, die von transmittierten oder reflektierten Signalen repräsentiert werden, können von unterschiedlichen miteinander zusammenhängenden oder voneinander unabhängigen Parametern der empfangenen Signale repräsentiert werden. Zum Beispiel kann ein Signal, das durch zu messendes Gewebe oder ein zu messendes Organ transmittiert oder daran reflektiert wird, beispielsweise Blutoxygenierung oder Durchblutung, eine konstante bzw. „DC“-Komponente aufgrund des zeitunabhängigen Zustands des Blutvolumens in dem Gewebe oder Organ aufweisen, sowie eine zeitabhängige bzw. „AC“-Komponente, die das zeitabhängige Blutvolumen anzeigt, das aufgrund des Herzschlags des Körpers durch das Gewebe oder Organ fließt. Jede Signalkomponente kann verschiedene Informationen angeben und kann Informationen angeben, die zusammen verwendet werden kann, um weitere Informationen zu erzeugen oder zu ermitteln. Was benötigt wird, ist ein Weg, um unter Verwendung von Daten des PPG die Atemfrequenz eines Subjekts (z. B. eines menschlichen Patienten) schnell und akkurat zu ermitteln.
Das Stand der Technik Dokument EP 2 739 207 B1 offenbart ein Signalverarbeitungssystem, umfassend: einen physiologischen Sensor, der zur Erzeugung einer Photoplethysmograph- (PPG) -Wellenform konfiguriert ist, die eine kardiovaskuläre Signalkomponente und eine pulmonale Signalkomponente beinhaltet; ein variables Hochpassfilter, das auf die PPG-Wellenform anspricht und das zum Hochpassfiltern der PPG-Wellenform als Reaktion auf eine daran angelegte Eckfrequenz konfiguriert ist; einen Herzfrequenzmetrikextraktor, der auf das variable Hochpassfilter anspricht und der zum Extrahieren einer Herzfrequenzmetrik aus der hochpassgefilterten PPG-Wellenform konfiguriert ist; ein variables Tiefpassfilter, das ebenfalls auf die PPG-Wellenform anspricht und das zum Tiefpassfiltern der PPG-Wellenform als Reaktion auf eine daran angelegte Eckfrequenz konfiguriert ist; einen Atemfrequenzmetrikextraktor, der auf das variable Tiefpassfilter anspricht und der zum Extrahieren einer Atemfrequenzmetrik aus der von dem variablen Tiefpassfilter gefilterten PPG-Wellenform konfiguriert ist; und eine Eckfrequenzeinstelleinrichtung, die auf den Herzfrequenzmetrikextraktor anspricht und die zur Bestimmung der Eckfrequenz, die an das variable Hochpassfilter angelegt wird, auf Basis der Herzfrequenzmetrik, die aus der PPG-Wellenform extrahiert wurde, konfiguriert ist und wobei die Eckfrequenzeinstelleinrichtung ferner zur Bestimmung der Eckfrequenz, die an das variable Tiefpassfilter angelegt wird, auf Basis der Herzfrequenzmetrik, die extrahiert wurde, konfiguriert ist.
Das Stand der Technik Dokument US 2013 / 0 172 760 A1 offenbart einen hochauflösenden Ansatz zur Schätzung der TFS und der zugehörigen Amplituden durch den Einsatz von VFCDM. Bei diesem zweistufigen Verfahren wird die TVOPS-Technik zur Ermittlung der TFS eingesetzt, gefolgt von der Verwendung des VFCDM, um eine höhere Auflösung der TFS und der Momentanamplituden zu erhalten, die nur mit den spezifischen Frequenzen von Interesse verbunden sind.
Das Stand der Technik Dokument US 7 881 790 B1 offenbart ein Verfahren zur Verringerung der zur Analyse eines hämodynamischen Signals erforderlichen Datenmenge, umfassend: (a) Erzeugen von nur einer Probe des hämodynamischen Signals pro Atmungszyklus zu einem im Wesentlichen gleichen Zeitpunkt in jedem Atmungszyklus für ein Zeitfenster, das sich über mindestens zwei Atmungszyklen erstreckt, um dadurch eine Vielzahl von Proben für das Fenster zu erzeugen; und (b) Analysieren des hämodynamischen Signals auf der Grundlage der mehreren Abtastwerte, wobei jeder der Abtastwerte eine Amplitude des hämodynamischen Signals zu einem einzelnen Zeitpunkt in einem der Atemzyklen anzeigt.
Ausgehend vom Stand der Technik stellt sich die Aufgabe, unter Verwendung von Daten des PPG die Atemfrequenz eines Subjekts (z. B. eines menschlichen Patienten) schnell und akkurat zu ermitteln.
ZUSAMMENFASSUNG DER ERFINDUNG
Die vorliegende Erfindung löst die Aufgabe gemäß den unabhängigen Ansprüchen 1, 14, und 25. Vorteilhafte Weiterbildungen sind in den abhängigen Ansprüchen angegeben.
Figurenliste

1A zeigt ein unmoduliertes Signal eines PPG eines Herzpulses;
1B bis 1D zeigen verschiedene Modulationen des PPG aus 1A aufgrund von Atmung durch zwei vollständige Atemzyklen;
2A bis 2C zeigen Frontend-Verarbeitungsverfahren für jedes der drei Grundsignale (DC, pT und pM);
3 zeigt einen Festfilter-Algorithmus zur vorläufigen Ermittlung der Atmung aus einem frequenzmodulierten Signal;
4 zeigt ein gleitendes DC-Durchschnittssignal, das über zwei Einzelpulslängen ermittelt wird;
5A zeigt einen Plot der Intensität eines Signalwerts, H(β), als eine Funktion von β für jeden von 13 Bandpassfiltern;
5B zeigt normalisierte Intensitätsplots für Ausgaben von jedem der 13 linearphasigen Bandpassfilter, beginnend bei β = 0, für jeden der 29 Messpunkte entsprechend einer Ausführungsform des offenbarten Gegenstands mit adaptiver Filterung;
6A bis 6C zeigen zusätzliche Vorgänge zur Ermittlung der Atmungsrate unter Verwendung des Adaptiven-Filter-Algorithmus für jedes der drei Grundsignale;
7A und 7B zeigen Beispielgraphen, die in einem Prüfprotokoll für spektrale Kalibrierung der hier beschriebenen adaptiven Filter verwendet werden;
8A bis 8D zeigen separate Spektren für jedes der Grundsignale sowie den Durchschnitt der drei Signale wie unter Bezugnahme auf die 6B und 6C beschrieben, gegen einen wahren Wert von β;
9A und 9B zeigen eine Auswirkung von einem spektralen Ausgleich vor der Mittelung von drei Grundspektren, wie unter Bezugnahme auf 8A bis 8C gezeigt;
10A liefert zusätzliche Details über das Erhöhen der Genauigkeit von β, wie von dem Adaptiven-Filter-Algorithmus basierend auf der Verwendung zahlreicher Eingaben ermittelt, um eine Oberflächen-Antwortfunktion zweiter Ordnung und eine resultierende Übertragungsfunktionsschätzung von β zu entwickeln;
10B zeigt die Kombination von Spektral- und Zeitraum-Schätzungen von β, um eine nichtlineare Verbesserung der Auflösung eines tatsächlichen Wertes von β zu erzeugen;
11A bis 11C zeigen Wellenform-Beispiele mit dynamischen β-Schätzungen in der Pulszeit; und
12 zeigt in einer beispielhaften Form ein vereinfachtes Blockdiagramm einer Maschine eines Computersystems, in dem ein Satz von Befehlen ausgeführt werden kann, um die Maschine dazu zu veranlassen, eine oder mehrere der hier besprochenen Vorgehensweise durchzuführen.

DETAILLIERTE BESCHREIBUNG
Wie vorstehend besprochen, verursachen Änderungen in dem intrathorakalen Druck während der Atmungszyklen Modulationen an einem PPG-Signal. Bei 1A bis 1D sind verschiedene, von einem Pulsoximeter gesampelte Signale gezeigt, das an ein Subjekt gekoppelt ist. Bei 1A ist eine PPG-Wellenform 101 als ein unmodulierter Herzpuls gezeigt. Die PPG-Wellenform 101 ist ein erwartetes Antwortsignal eines Herzpulses von einem zu testenden Subjekt ohne Einfluss der Atmung des Subjekts (z. B. Atmungsrate). Die PPG-Wellenform 101 wiederholt sich bei konstanter Herzfrequenz kontinuierlich.
Weiter auf 1B bis 1D bezugnehmend, sind verschiedene Modulationen des PPG von 1A aufgrund der Atmung über zwei vollständige Atmungszyklen gezeigt. Die modulierten PPG-Wellenformen von 1B bis 1D bilden ab, was aufgrund von Änderungen im Blutvolumen in einem Finger eines Subjekts auftritt. Daher repräsentieren die modulierten PPG-Wellenformen die drei Grundsignale, auf die hier Bezug genommen wird. Die drei Grundsignale werden nach verschiedenen Techniken verarbeitet, wie im Detail untenstehend beschrieben wird.
1B beispielsweise zeigt eine DC-modulierte Wellenform 103 des PPG, die mit einer zugrundeliegenden Basislinienwellenform 105 moduliert ist. Die DC-Modulation des PPG wird von einer Variation im venösen Rückfluss von Blut zum Herzen verursacht. Die DC-modulierte Wellenform 103 kann hier alternativ als DC-Signal bezeichnet werden. Der Fachmann wird außerdem erkennen, dass - auch ohne Atmung - weiterhin eine DC-Modulation des PPG aufgrund der Mayer-Wellen vorhanden wäre. Mayer-Wellen sind zyklische Änderungen im arteriellen Blutdruck, die von verschiedenen Rezeptoren in den Blutgefäßen verursacht werden, die Blutdruckinformationen an das Gehirn übermitteln, um einen angemessenen Blutdruck beizubehalten. Die Mayer-Wellen weisen eine Frequenz von etwa 0,1 Hz auf (z.B. ein Zeitraum von etwa 10 Sekunden). Dieses von den Mayer-Wellen verursachte niederfrequente „Rauschen“ ist eines der Signale, die mittels digitaler oder analoger Hochpassfilterung (oder einer Kombination aus beidem) verringert oder beseitigt werden müssen, um die tatsächliche Atemrate (RR; engl. „respiration rate“) aus einer PPG-Wellenform zu extrahieren.
1C zeigt eine amplitudenmodulierte Wellenform 107 des Herzpulses, wie sie von jedem der zwei Atmungszyklen moduliert werden. Änderungen in der Pulsamplitude werden von einer Variation in dem Schlagvolumen verursacht und werden hier als p-max oder pM-Signal bezeichnet.
1D zeigt eine frequenzmodulierte Herzpuls-Wellenform 109, die mit Änderungen in der Pulszeit moduliert ist. Daher ändert sich die Pulslänge des PPG der Pulszeit entsprechend (die Variation der Herzfrequenz aufgrund der Atmung). Typischerweise nimmt die Pulszeit während der Einatmung zu und nimmt während der Ausatmung ab. Die Variation der Herzfrequenz ist im Fachwissen als Respiratorische Sinusarrhythmie (RSA) bekannt und wird vom Vagusnerv reguliert. Der Vagusnerv ist mit einem Bereich des vegetativen Nervensystems zur Steuerung des Herzens, der Lungen und des Verdauungstrakts eines Subjekts verbunden. Daher werden Änderungen in der Frequenzmodulation aufgrund der Pulszeit hier als ein Pulszeit- oder pT-Signal bezeichnet.
Alle drei dieser Grundsignale, DC, pM und pT, werden im Wesentlichen gleichzeitig verwendet, um die tatsächliche Atemrate eines Subjekts (z.B. eines Patienten) zu extrahieren. Das Signal-Rausch-Verhältnis (SNR) dieser drei Grundsignale kann von einem zum anderen Subjekt stark variieren. Beispielsweise können einige Subjekte für alle drei Signale ein hohes SNR haben. Bei anderen Subjekten kann nur eines der drei Signale ein SNR aufweisen, das ausreichend hoch ist, um die Atemrate zu extrahieren. Bei einem geringen Prozentsatz der Bevölkerung weist keines der drei Signale ein hohes SNR auf. Indem jedes der drei Grundsignale in Betracht gezogen wird, kann somit eine korrekte Atemrate für alle bzw. fast alle Subjekte extrahiert werden.
Verschiedene Ausführungsformen des hier präsentierten erfinderischen Gegenstands betrachten Nulldurchgänge der Signale in einem Zeitraum. Wie im Detail untenstehend besprochen wird, wird das SNR für jedes der drei Grundsignale erhöht oder maximiert, indem ein adaptiver Filter verwendet wird, der auf das zeitabhängige Signal abgestimmt ist. Folglich wird eine Ermittlung der ungefähren Frequenz des Signals vorgenommen. Das Signal wird dann durch einen Filter geleitet, der zeitlich eng an das Signal angepasst ist. Indem die Filterbreite zeitlich an das Signal angepasst wird, wird das SNR erhöht oder maximiert. Wenn zum Beispiel das Sampling-Fenster des Filters zu breit ist, wird zusätzliches Rauschen eingeführt. Wenn die Breite zu klein ist, kann das Signal nicht zeitlich aufgelöst werden.
Ein Schlüsselparameter, der bei der Extraktion der Atemrate verwendet wird, ist Beta (β). β ist als die Atmungsfrequenz definiert, wenn bei der Pulsfrequenz gesampelt wird, und ist durch die folgende Gleichung gegeben: $β= \frac{A t e m r a t e}{P u l s f r e q u e n z}$
Somit ist, wie von Gleichung (1) gezeigt, β die Frequenz der Atemrate in Pulszeit (im Gegensatz zur realen Zeit). Nach den ersten Vorgängen der Frontend-Verarbeitung der drei Signale, die nachstehend unter Bezugnahme auf 2A bis 2C beschrieben werden, werden alle verbleibenden, hierin beschriebenen Filterungen in Pulszeit (d. h. abhängig von der Pulsfrequenz des Subjekts) durchgeführt.
Da die Grundsignale diskret und nicht kontinuierlich gesampelt werden, gelten die Nyquist-Sampling-Kriterien. Wie dem Fachmann bekannt ist, ist die Nyquist-Frequenz die Hälfte der Sampling-Frequenz von jedem diskreten Signalverarbeitungssystem und bei Frequenzen, die höher sind als die Nyquist-Frequenz, wird Signal-Aliasing auftreten. Eine finale Sampling-Rate für jedes der drei Grundsignale (pT, pM, and DC) wie hier beschrieben ist das Doppelte (2x) der Herzfrequenz. Das bedeutet, dass theoretisch Informationsinhalte von bis zu einem Wert von β = 1,0 erfasst werden können. Da der Informationsgehalt jedes der drei Grundsignale jedoch grundsätzlich nur einem Sampling bei dem Einfachen (1x) der Herzfrequenz entspricht, ist die effektive Nyquist-Frequenz (oberhalb derer Aliasing auftritt) β = 0,5, und eine Atemrate größer als die Hälfte der Herzfrequenz kann nicht gemessen werden. Bei spontanem Atmen menschlicher Subjekte ist die Herzfrequenz typischerweise viermal (4x) bis fünfmal (5x) die Atemrate. Auf das Detektieren von Atemraten beschränkt zu sein, die weniger als die Hälfte der Herzfrequenz betragen, stellt in der Praxis keine signifikante Einschränkung dar.
Unter Bezugnahme auf 2A bis 2C sind Frontend-Verarbeitungsverfahren für jedes der drei Grundsignale (DC, pT, and pM) gezeigt.
In 2A beginnt ein DC-Digital-Signal-Filterverfahren 200 bei 201, wobei das DC-Signal bei einer ausgewählten Echtzeit-Frequenz bei 203 gesampelt wird. Bei einer Ausführungsform beträgt die Sampling-Frequenz 75 Hz. Bei dieser Ausführungsform wurde die 75 Hz Sampling-Frequenz so gewählt, dass sie mit Standard-Pulsoximetrievorrichtungen übereinstimmt, die aktuell auf dem Markt erhältlich sind. Ein Grund für die Verwendung einer 75 Hz Sampling-Frequenz besteht darin, eine hohe Auflösung der PPG-Wellenformenmerkmale zur Verfügung zu stellen. Insbesondere wird ein anfänglicher Zustrom aufgezeichnet, wenn ein Pulsoximeter an ein Subjekt gekoppelt wird (das Oximeter wird z. B. an einen Finger oder ein Ohr des Subjekts gekoppelt). Der Zustrom dauert typischerweise etwa 100 Millisekunden und definiert einen Bereich, in dem das PPG am schnellsten variiert. Unabhängig davon wird der Fachmann verstehen, dass viele andere Sampling-Frequenzen verwendet werden können, sowohl höhere als auch niedrigere Frequenzen.
Bei 205 eliminiert ein Tiefpassfilter einen Großteil des Hochfrequenzsignals aufgrund des Herzpulses und leitet hauptsächlich das Niederfrequenzsignal durch, das von der Atmung des Subjekts verursacht wird.
Bei 207 wird das Signal, das von 205 empfangen wird, durch einen ersten Hochpassfilter geleitet. Bei einer Ausführungsform kann der erste Hochpassfilter eine exponentielle Mittelwertbildungsfunktion aufweisen, um eine Glättung der Eingabedaten zu erreichen. Derartige Typen von Hochpassfiltern sind im Fachwissen bekannt (z. B. wie etwa ein DC-Blocker). Diese Ausführungsform kann den Hochpassfilter außerdem mit einem p-Wert von 0,00 verwenden.
Hinsichtlich der p-Werte kann für ein gegebenes digitales Signal X[n], wobei n die Sample-Zahl ist, ein hochpassgefilterter Wert, D[n], (üblicherweise als DC-Blocker bezeichnet), der in verschiedenen hier beschriebenen Ausführungsformen verwendet wird, anhand eines p-Werts kategorisiert werden, gemäß der mathematischen Gleichung: $D [n] = X [n] - X [n - 1] + p * D [n - 1]$
wobei der Parameter p die Bedingung: 0 ≤ p < 1 erfüllt.
Eine entsprechende Übertragungsfunktion H(Z) im Z-Raum ist dann gegeben durch: $\begin{array}{l} H (Z) = D (Z) / X (Z) = [1 - (Z - 1)] / [1 - p * (Z - 1)] \end{array}$
die eine Null an der Stelle Z = 1 (DC) und einen Pol an der Stelle Z = p aufweist.
Zusätzliche Ermittlungen für p-Werte werden nachstehend detaillierter beschrieben. Wenn digitale Filtertechniken eingesetzt werden wird der Fachmann erkennen, dass verschiedene Typen von Techniken verwendet werden können, um die Daten für jeden der hier beschriebenen Filterungsschritte zu glätten. Beispielsweise sind Polynomfits höheren Grades, Z-Übertragungsfunktionen, (Im)Pulsübertragungsfunktionen, Funktionen des gleitenden Mittelwerts usw. im Fachwissen bekannt.
Bei 209 wird die Ausgabe des ersten Hochpassfilters über einen Puls nach dem anderen gemittelt. Bei dieser Ausführungsform wird der Puls um jeweils einen halben Puls über eine Sampling-Pulszeit-Frequenz von zwei Pulsen der Herzfrequenz (HR) verschoben. Die Pulsverschiebungstechnik wird nachstehend detaillierter unter Bezugnahme auf 4 beschrieben.
Bei 211 wird die resultierende Signalausgabe aus 209 durch einen zweiten Hochpassfilter geleitet, der beispielsweise einen p-Wert von 0,50 aufweist. Ein frontend-verarbeitetes Signal von DCo wird bei 213 von dem DC-Digital-Signal-Filterverfahren 200 ausgegeben. Bei verschiedenen Ausführungsformen kann alles außer dem p = 0 Wert, der in dem DC-Signal verwendet wird, empirisch ermittelt werden, um das SNR für die gesamte Subjektpopulation zu erhöhen bzw. zu maximieren. Der p = 0 Wert für das DC in Kombination mit der Mittelung über einen Puls hat die ganz besondere Eigenschaft, dass er eine Übertragungsfunktion erzeugt, die nur von β abhängt und nicht von einer tatsächlichen Frequenz.
Die zwei Hochpassfilter-Schritte helfen dabei, Frequenzen aufgrund von Mayer-Wellen, die vorstehend unter Bezugnahme auf 1B besprochen wurden, zu verringern oder zu eliminieren, und werden selektiv ausgewählt, um Frequenzen durchzulassen, die mit Atemraten zusammenhängen. Jeder der Hochpassfilter kann einen anderen Typ von Mittelwertbildungsunktion oder Mittelwertbildungsfunktionen des gleichen Typs mit unterschiedlichen Werten einsetzen.
In 2B ist ein pT-Signal-Filterverfahren 230 gezeigt. In 2C ist ein pM-Signal-Filterverfahren 250 gezeigt. Sowohl die pT- als auch die pM-Signale werden grundsätzlich bei einfacher Herzfrequenz (1 x HR) ermittelt. Das heißt, dass die pT- und die pM-Signale grundsätzlich in dem Sinne 1 x HR sind, dass nur ein Wert der pT- und pM-Signale aus jedem Puls ermittelt werden kann - es ist keine höhere Frequenz von Informationen über die pT- und pM-Signale möglich.
Unter gleichzeitiger Bezugnahme auf 2B und 2C beginnt sowohl die pT-Signal- als auch die pM-Signal-Verarbeitung bei 231 bzw. 251, wobei die jeweiligen Signale bei einer ausgewählten Frequenz-Pulszeit-Frequenz gesampelt werden 233, 253. Bei einer Ausführungsform ist die Frequenz so ausgewählt, dass sie äquivalent zur Herzfrequenz ist (F_s = 1 x HR). Die Herzfrequenz lässt sich leicht aus dem zusammengesetzten Pulsoximeter-Signal ermitteln und kann bei einer Frequenz der Herzfrequenz (1 x HR) gesampelt werden. Das Signal wird dann, bei 235, durch einen Slew-Rate-Filter geleitet, um Signale zu eliminieren, die Slew-Rates aufweisen, die um mehr als einen bestimmten Prozentsatz von einem Puls zu dem nächsten Puls abweichen. Eine Slew-Rate beispielsweise von etwa ± 25 % von dem einen Puls zu dem nächsten kann für den Slew-Rate-Filter ausgewählt werden, um Signale von Pulsen zu verringern oder zu eliminieren, die mehr als + 25 % von Puls zu Puls abweichen.
Bei 237 und 257 läuft das Signal durch einen ersten Hochpassfilter. Bei einer Ausführungsform weist der erste Hochpassfilter einen p-Wert von 0,95 auf. Bei einer Ausführungsform werden alle vorhergehenden Vorgänge bei 1 x HR ausgeführt. Bei Vorgang 239 wird das Signal upgesampelt. Das Upsampling verringert Artefakte (Schwebungseffekte aufgrund von Phasensensitivität), die ansonsten in den Wellenformen auftreten würden, wenn sich β 0,5 annähert. Eine erhöhte Samplingfrequenz erfasst daher geeignete Phaseninformationen und verringert oder eliminiert somit mögliche Probleme aufgrund der Phase. Bei einer besonderen beispielhaften Ausführungsform wird das Signal zu etwa dem Doppelten der Frequenz bei 2 x HR upgesampelt. Die upgesampelte Frequenz wird dann bei 241 und 261 durch einen zweiten Hochpassfilter gesendet. Bei einer Ausführungsform weist der zweite Hochpassfilter einen p-Wert von 0,50 auf.
Frontend-verarbeitete Signale von pT₀ und pM₀ werden bei 243 bzw. 263 von den Digital-Signal-Filterverfahren 230, 250 ausgegeben.
Zusätzlich zu den drei frontend-verarbeiteten Signalen von DCo, pT₀ und pM₀ ist eine vierte fundamentale Eingabe bzw. Grundeingabe, die bei einer späteren Verarbeitung verwendet wird, die nachstehend unter Bezugnahme auf 10A besprochen wird, eine durchschnittliche Herzfrequenz von vier Schlägen, <HR₄>. Die durchschnittliche Herzfrequenz von vier Schlägen wird aus der upgesampelten 2(HR)-Frequenz extrapoliert, die bei 239, 259 verwendet wird. Beim Lesen und Nachvollziehen der hier angegebenen Offenbarung wird der Fachmann erkennen, dass die vierte Grundeingabe auch so gewählt werden kann, dass sie anderen Werten entspricht. So kann die vierte Grundeingabe beispielsweise so ausgewählt werden, dass sie ein anderer ganzzahliger Wert der Herzfrequenz ist.
Nach diesem Punkt wird jede weitere Signalverarbeitung in Pulszeit und nicht in Echtzeit durchgeführt. Indem alle zusätzlichen Berechnungen in Pulszeit durchgeführt werden, kann eine geringere Anzahl von Bandpassfiltern verwendet werden, da ein Gesamtberechnungsbereich durch die Verwendung von Pulszeitberechnungen schnell ermittelt wird. Die Signalbandbreite, die von Interesse ist, wird dann automatisch unter Verwendung der Pulszeitberechnungen ermittelt.
Der Fachmann wird die Verwendung der zwei Hochpassfilter in jeder der 2A bis 2C bemerkt haben. Das Verwenden eines zweipoligen Hochpassfilters hilft dabei, niederfrequentes Rauschen, das von Mayer-Wellen und anderen Quellen verursacht wird, erheblich zu verringern oder zu eliminieren.
Weiter auf 3 bezugnehmend, ist ein Festfilter-Algorithmus 300 gezeigt. Bei 301 wird das pT₀ verarbeitete Signal für Nulldurchgänge bei 303 verarbeitet. Der Fachmann wird erkennen, erneut auf 1D bezugnehmend, dass nur das frequenzmodulierte pT-Signal eine signifikante Abweichung in der Frequenz aufweisen wird. Daher ist der Festfilter-Algorithmus 300 nur auf das pT-Signal anwendbar und folglich auch auf das frontend-verarbeitete pT₀-Signal, da beide variierende Frequenzen von Nulldurchgängen aufweisen.
Unter weiterer Bezugnahme auf 3 wird das pT₀ verarbeitete Signal bei 303 im Hinblick auf Nulldurchgänge verarbeitet, beispielsweise unter Verwendung eines interpolierten Nulldurchgangsfilters, indem sowohl die positiven (steigenden) als auch die negativen (fallenden) Flanken des Signals berücksichtigt werden. Ein Abstand zwischen den interpolierten Nulldurchgängen zeigt die Periode an und folglich, basierend auf der Periode, die Atmungsrate.
Bei 305, 307 wird eine Interpolation von positiven und negativen Nulldurchgängen ermittelt und ein Median der Atmungsrate wird für sowohl die positiven als auch die negativen Flanken berechnet. Die Berechnung des Medianwerts kann als eine Anwendung eines Median- bzw. Rangordnungsfilters verstanden werden.
Bei einer Ausführungsform ist die Median-Periode der Atmungsrate, basierend auf den positiven Nulldurchgängen und ermittelt aus der Berücksichtigung von drei Atemzügen bis zu neun Atemzügen, durch Gleichung (2) gegeben: $_{P} = b T M e d i a n [3,9] (s e c)$
Die Median-Periode der Atmungsrate, basierend auf den negativen Nulldurchgängen, ist durch Gleichung (3) gegeben: $_{N} = b T M e d i a n [3,9] (s e c)$
Bei dieser Ausführungsform wird ein Minimum von drei Atemzügen verwendet, um Ausreißer im Atemmuster eines Subjekts zu eliminieren und folglich die Genauigkeit der ermittelten Atmungsrate zu verbessern, indem das Rauschen verringert wird, das durch Atemschwankungen in der Atmung des Subjekts verursacht wird. Das Maximum von neun Atemzügen wurde experimentell ermittelt, da es einen konstanten Medianwert der Atmungsrate liefert, der bei den meisten Subjekten mit der tatsächlichen Atmungsrate übereinstimmt. Zusätzliche experimentelle Messungen haben ergeben, dass einige Subjekte extrem konstante Pulsfrequenzen haben - es wurden Pulsfrequenzen mit einer Abweichung des quadratischen Mittels (QMW) von nur drei Millisekunden und bis zu 60 msec beobachtet. Allerdings wurde der hier beschriebene erfinderische Gegenstand darauf basierend etabliert, dass er auf die gesamte Bevölkerung anwendbar ist.
Die Gleichungen (2) und (3) erzeugen typischerweise geringfügig unterschiedliche Ergebnisse, da sowohl die Phase etwas unterschiedlich als ist als auch das Tastverhältnis sich ändert.
Die durchschnittlichen Atemzüge pro Minute, BPM_P, basierend auf der Atemzeit zwischen den positiven Nulldurchgängen, sind durch Gleichung (4) gegeben: $_{P} = \frac{60}{_{P}}$
In ähnlicher Weise sind die durchschnittlichen Atemzüge pro Minute, BPM_N, basierend auf der Atemzeit zwischen den negativen Nulldurchgängen, durch die Gleichung (5) gegeben: $_{N} = \frac{60}{_{N}}$
Die durchschnittliche Anzahl der Atemzüge pro Minute, BPM, wird dann als ein arithmetisches Mittel der positiven durchschnittlichen Atemzüge pro Minute, BPM_P und BPM_N, in Schritt 309, gemäß Gleichung (6) ermittelt: $ = \frac{1}{2} [_{P} + _{N}]$
Indem die ungefähre Atmungsrate durch das Verarbeiten und Berechnen von Nulldurchgängen wie vorstehend gezeigt ermittelt wird, tritt der erste Zeitpunkt zur erstmaligen Anzeige der Atmungsrate des Subjekts gemäß dieser Ausführungsform nach nur vier positiven Flanken und vier negativen Flanken auf. Die Zeit, um die Atmungsrate bei den meisten Subjekten anzuzeigen, beträgt dann etwa 15 Sekunden. Ferner sind die Anforderungen an die Berechnung sehr begrenzt. So kann zum Beispiel ein Prozessor mit einer begrenzten Rechengeschwindigkeit problemlos die vorsehend gezeigten Berechnungen durchführen, um eine erste Schätzung der Atmungsrate eines Subjekts zu ermitteln und anzuzeigen. Dennoch ist die Schätzung der Atmungsrate noch immer genau mit geringer Abweichung von weitaus aufwändigeren Methoden, wie beispielsweise unter Bezugnahme auf die adaptiven Filtertechniken nachstehend beschrieben.
Wie vorstehend unter Bezugnahme auf 2A besprochen, zeigt 4 ein Verfahren 400 zur Bestimmung, wie ein gleitender DC-Durchschnitt über zwei Pulslängen berechnet wird. Ein erster Puls 401 und ein zweiter Puls 403 werden zeitlich jeweils in eine Pulszeit 401A, 403A der ersten Hälfte und jeweils in eine Pulszeit 401B, 403B der zweiten Hälfte unterteilt. Eine Gesamtsumme, S, der Anzahl von Samples, N, ist für jeden Halbpuls gezeigt, der jeweils um einen halben Puls verschoben wird. Somit hat die erste Hälfte des ersten Pulses 401 eine Gesamt-Samplezahl, N_1B, der Gesamtzahl von Samples, N₁, für den gesamten ersten Puls, beträgt ½ der Gesamtzahl der Samples und berechnet sich zu: $N_{1 A} = \frac{N_{1}}{2}$
Ebenso hat die zweite Hälfte des ersten Pulses 401 eine Gesamtzahl von Samples, N_1B, der Gesamtzahl von Samples, N₁, für den gesamten ersten Puls, beträgt ½ der Gesamtzahl von Samples und berechnet sich zu: $N_{1 B} = \frac{N_{1}}{2}$
Entsprechende Berechnungen werden für den zweiten Puls 403 vorgenommen, wobei jede Summierung um jeweils einen halben Puls verschoben wird. Der Fachmann wird umgehend erkennen, dass weitere Bruchteile der Pulse ermittelt und berechnet werden können, die keine ½ Pulsanteile sind, und die somit nicht patentierbar gegenüber anderen Bruchteilen oder Beträgen sind.
Aus dieser Information wird dann ein gleitender DC-Durchschnitt, ermittelt als eine kontinuierliche Funktion <F> für jede Zeit, t, in einer Periode, T, über einer vorgegebenen Anzahl von Pulsen, berechnet als: $< F > = \frac{\int_{0}^{T} F (t) d t}{T}$
Für die gesampelten diskreten Werte kann ein durchschnittliches DC-Signal für jeden der in 4 dargestellten Bereiche mit einer Schrittweite von ½ Puls, 405, 407, 409, bei der zweifachen Pulsfrequenz für jedes ½-Pulsinkrement berechnet werden als: $< D C >_{0} = \frac{(S_{1 A} + S_{1 B})}{(N_{1 A} + N_{1 B})}$
$< D C >_{1} = \frac{(S_{1 A} + S_{2 B})}{(N_{1 A} + N_{2 A})}$
$< D C >_{2} = \frac{(S_{2 A} + S_{2 B})}{(N_{2 A} + N_{2 A})}$
Somit wird <DC>₀ berechnet als der Durchschnitt der Halbpuls-Summierungen, geteilt durch die Anzahl von Samples über den gesamten ersten Puls. <DC>₁ wird berechnet als der Durchschnitt der Halbpuls-Summierungen über die zweite Hälfte des ersten Pulses und die erste Hälfte des zweiten Pulses, geteilt durch die Anzahl von Samples über diesen Pulsbereich. <DC>₂ wird berechnet als der Durchschnitt der Halbpuls-Summierungen geteilt durch die Anzahl von Samples über den gesamten zweiten Puls.
Folglich kann bei der zweifachen Herzfrequenz das Durchschnittssignal von DCo 411 für das PPG ermittelt werden. In Kombination mit der unter Bezugnahme auf 2A gezeigten und beschriebenen Hochpassfilterung hängt eine resultierende Übertragungsfunktion nicht von einer Echtzeit-Frequenz ab. Die resultierende Übertragungsfunktion hängt allein von β ab. Somit wird jeglicher Einfluss auf eine Echtzeit-Herzfrequenz eliminiert und alle Berechnungen werden nur in Pulszeit ermittelt.
Auf 5A und 5B bezugnehmend, werden adaptive Filterelemente des erfinderischen Gegenstands gezeigt. Bei einer Ausführungsform werden dreizehn Bandpassfilter eingesetzt - ein Bandpassfilter für jeden Wert von β von 0,00 bis 0,60, erhöht um eine Schrittweite von 0,05. Ein β-Wert von 0,60 ist das gewählte Maximum, da andernfalls über β = 0,5 starkes Aliasing auftreten wird. Wie vorstehend angemerkt, kann jeder Frequenzinhalt über der Nyquist-Frequenz Aliasing-Fehlern begegnen. Der Aliasing-Fehler wird nachstehend unter Bezugnahme auf 9A und 9B gezeigt und besprochen.
Der Graph 530 in 5B zeigt einen normalisierten Intensitätsplot für Ausgaben von jedem der 13 linearphasigen Bandpassfilter, beginnend bei β = 0, für jeden von 29 Messpunkten (z. B. Samples bei ± 14 plus einem Nullpunkt). Jeder der Bandpassfilter läuft konstant für den adaptiven Filter und liefert eine grobe Schätzung eines tatsächlichen Wertes von β für ein gegebenes Signal. Indem von einem oder mehreren der Bandpassfilter ein geeigneter Wert von β ausgewählt wird, kann ein korrekter adaptiver Filter ausgewählt werden, wie nachstehend detaillierter beschrieben wird. Folglich hilft der Bandpassfilter dabei, den geeigneten Wert für β in einem Frequenzraum zu ermitteln. Sobald die maximale Signalstärke für einen gegebenen Wert von β für einen einzelnen Bandpassfilter gefunden ist, wird die spektrale Ausgabe von dem ausgewählten Bandpassfilter zu der Ausgabe der zwei benachbarten Bandpassfilter addiert (bei β _-0.05 und β +_0.05), um die Bandbreite zu erweitern, sodass später der reale Nulldurchgang aus der PPG-Wellenform ermittelt werden kann. Der Fachmann versteht, dass die Addition der spektralen Ausgaben möglich ist, weil die Filter „linearphasig“ sind. Folglich weisen alle Frequenzen die gleiche Phasenverschiebung entlang jedem der 13 Bandpassfilter auf.
Der Fachmann wird erkennen, dass eine kleinere Anzahl oder eine größere Anzahl von Bandpassfiltern eingesetzt werden kann, um die Zentralfrequenz eines Signals zu finden. Eine geringere Anzahl von Bandpassfiltern erhöht die Rechengeschwindigkeit bei einem gewissen Verlust an Genauigkeit. Eine geringere Anzahl von Bandpassfiltern wird auch eine Wirkung auf 5A haben, da der Überlapp jedes Bandpassfilters mit benachbarten Bandpassfiltern verringert wird. Allerdings wird, basierend auf tatsächlichen klinischen Tests, eine größere Anzahl von Bandpassfiltern die Rechenzeit erhöhen, jedoch nicht unbedingt zu einer gleichzeitigen Erhöhung der Genauigkeit führen. Ergebnisse der klinischen Vergleiche von berechneten Werten der Atemrate, die aus dem PPG abgeleitet sind, werden nachstehend unter Bezugnahme auf 7A bis 9B gezeigt und besprochen.
Weiter auf 5 bezugnehmend, zeigt der Graph 500 einen Plot der Intensität des Signalwertes, H(β), als eine Funktion von β für jeden der 13 Bandpassfilter. Der Wert von Hzeigt verschiedene Werte der Zentralfrequenz β für β = 0,00 bis 0,60 bei einer Schrittweite von 0,05. Hist als eine Funktion von sowohl β als auch der Anzahl von Messpunkten in dem Bandpassfilter, n, ermittelt. (Es sei daran erinnert, dass β als die Atmungsrate beim Sampling mit der Pulsfrequenz definiert ist.) H[n, β] kann aus der folgenden Gleichung ermittelt werden: $H [n, β] = sin (π β n) * {cos}^{2} (\frac{π n}{36})$
Der Fachmann wird erkennen, dass eine Cosinus-Quadrat-Fensterfunktion in Gleichung (7) eingesetzt wird, um jeden oder den meisten spektralen Verlust zu verringern oder zu eliminieren.
Bei dieser Ausführungsform ist jeder Bandpassfilter ein Typ 2 (ungerader/ antisymmetrischer) linearer Phasenfilter. Wie vorstehend angemerkt, weist jeder Bandpassfilter 29 Messpunkte bei zweifacher Herzfrequenz auf - die sich über 14,5 Pulse erstrecken und bei allen Frequenzen die gleiche Phasenverzögerung aufweisen. Da die Bandpassfilter aufgrund ihrer Eigenschaft als lineare Phasenfilter oder annähernd lineare Phasenfilter alle die gleiche Phasenverzögerung aufweisen, können Ausgaben von jedem der Bandpassfilter direkt addiert werden. Ausgaben direkt addieren zu können, kann erheblich Rechenzeit sparen, wie nachstehend detaillierter besprochen wird.
6A bis 6C zeigen zusätzliche Arbeitsschritte zum Ermitteln der Atemrate unter Verwendung des Adaptiven-Filter-Algorithmus. Wie in 6A gezeigt, wird jedes der drei Grundsignale, DCo, pT₀ und pM₀, getrennt in jeden der 13 Bandpassfilter, BP_i, eigegeben, wobei in dieser Ausführungsform I = 13 ist. (Es sei daran erinnert, dass die drei Grundsignale DCo, pT₀ und pM₀ vorstehend unter Bezugnahme auf 2A bis 2C beschrieben sind.)
Auf das Verfahren 600 gemäß 6B bezugnehmend, wird bei 601 für jedes der drei Grundsignale die gemittelte QMW-Amplitude, Ai, ausgegeben von jedem Filter, BP_i, berechnet. Die Summation für jeden berechneten Wert von A_i wird dann für die weitere Verarbeitung bei 603 auf 1,0 normalisiert. Bei 605 wird jeder der A_i-Werte den drei Grundsignaltypen entsprechend angeglichen. Anschließend wird in Schritt 607 eine quadratische Interpolation durchgeführt, um β_MAX für jeden der drei Grundsignaltypen zu berechnen. Folglich ermittelt das Verfahren 600 bei welchem Wert von β die Spitzenantwort für jeden der drei Grundsignaltypen auftritt. Der ermittelte und berechnete Wert für β_MAX für jeden der drei Grundsignaltypen wird dann für die weitere Verarbeitung zu einem zusammengefügten Spektrum kombiniert.
Das Verfahren 630 gemäß 6C berechnet einen β_MAX-Wert für das zusammengefügte Spektrum. Bei 631 wird der angeglichene Wert von A_i für jeden der drei Grundsignaltypen angeglichen. Die zusammengefügten Amplitudenwerte werden bei 633 auf einen Maximalwert von „1“ normalisiert. Ein berechneter Wert von β_MAX,AVG wird bei 635 unter Verwendung einer quadratischen Interpolation aus dem zusammengefügten Spektrum berechnet.
Aus den Verfahren 600, 630 gemäß 6B und 6C werden vier neue Eingaben für die weitere Verarbeitung erzeugt, wie untenstehend unter Bezugnahme auf 10A und 10B gezeigt und beschrieben wird. Die vier erzeugten neuen Eingaben sind die Bestimmungen von β_MAX basierend auf den drei Grundsignaltypen, β_DC, β_pT und β_pM. Die vierte Eingabe β_MAX,AVG ist die spektrale Schätzung von β, basierend auf der maximalen QMW-Amplitude, die von den Bandpassfiltern für das gemittelte Spektrum zusammen mit dem Wert von β_MAX aus den drei Grundsignaltypen, β_DC, β_pT und β_pM gemessen wird.
Als ein Beispiel für die Anwendung des Verfahrens ist ein angeglichenes Spektrum für jedes der drei Grundsignale (pT, pM und DC) und außerdem ein zusammengefügtes Spektrum angegeben, von denen jedes aus den 13 Bandpassfiltern besteht. Für jedes dieser vier Spektren wird jeden Halbpuls ein β_MAX-Wert wie folgt berechnet:

• Bestimmen des Bandpassfilters, der die größte QMW-Amplitude aufweist. Wenn beispielsweise der Bandpassfilter bei β = 0,20 die maximale QMW-Amplitude aufweist, dann ist der Wert von β nahe 0,2, was die Schätzung erster Ordnung wäre, die in Schritten von 0,05 quantisiert ist.
• Unter Verwendung der maximalen QMW-Amplitude und auch der QMW-Amplituden der zwei nächsten Bandpassfilter (bei diesem Beispiel wären der Bandpassfilter und die zwei nächsten Bandpassfilter 0,15, 0,20 und 0,25) wird eine quadratische Interpolation der QMW-Amplituden durchgeführt, um die tatsächliche Position der QMW-Maximalamplitude zu schätzen, aus der dann eine präzisierte Schätzung von β berechnet wird (z. B., β_MAX = 0,22 für dieses Beispiel, was die Schätzung zweiter Ordnung wäre).

Um den erfinderischen Gegenstand zu überprüfen, wurde festgestellt, ob die berechneten Werte von β, sowohl mittels dem Festfilter-Algorithmus gemäß 3 als auch mittels der Anfangsschritte des Adaptiven-Filter-Algorithmus gemäß 6A bis 6C, die tatsächliche Atemrate eines Test-Subjekts präzise repräsentieren. Auf 7A bezugnehmend, ist ein Atemraten-Graph 700 gezeigt, der die Atemzüge pro Minute (BPM) als eine Funktion der Zeit zeigt. Während eines anfänglichen 20-minütigen Zeitraums 703 zeigt die Linie 701 die normale Atemrate eines Subjekts in BPM. Während des letzten Zeitraums 705 jedoch, von Minute 20 bis Minute 45, wurde das Subjekt gebeten, im Rhythmus mit einem Metronom zu atmen, das so variiert wurde, dass es von 5 bis zu 40 Klicks pro Minute erzeugte. Die Atemrate des Subjekts während des letzten Zeitraums 705 wird von Linie 707 gezeigt.
Ein zeitabhängiger Spektrumsgraph 730 gemäß 7B zeigt ein Beispiel für tatsächliche Werte von β, die aus einer Kapnographiemessung von Kohlendioxid- (CO₂-) Werten während Ausatmungen des Subjekts erhalten wurden. Die β-Werte des zeitabhängigen Spektrumsgraphen 730 zeigen jede der 13 diskreten Bandpassfilter-Amplituden als eine Funktion der Zeit und wurden mittels einer quadratischen Interpolation der Bandpassfilter-Amplituden ermittelt. Die Ordinatenachse des Graphen 730 zeigt eine Ausgabe von jedem der 13 Bandpassfilter (0,00 bis 0,60 mit Zwischen-Skalenstrichen bei 0,05). Die Grauwertamplitude jedes Bandpassfilters wird von der „Amp“-Skala auf der rechten Seite des Graphen 730 angezeigt. Die helleren Werte der Amplitude zeigen einen zentralen Spitzenwert von β für die Atmungsrate gegen die Zeit aufgetragen. Obwohl der Graph einen kontinuierlichen Plot zu zeigen scheint, existiert tatsächlich nur eine einzige vertikale Linie für jeden Bandpassfilter pro Zeitabstand/Zeitintervall. Folglich können die Graphen 700, 730 verwendet werden, um die hier beschriebenen Algorithmen zu trainieren. Somit verringert das Hochpassfiltern Mayer-Wellen; wenn jedoch die p-Werte zu niedrig vorgegeben werden, wird auch das Signal verringert. Folglich werden die p-Werte so ausgewählt, dass sie das SNR maximieren.
8A bis 8D zeigen separate Beispiele für Spektren für jedes der Grundsignale für ein Subjekt, sowie den Durchschnitt der drei Signale, wie unter Bezugnahme auf 6B und 6C besprochen, aufgetragen gegen einen Realwert von β. 8A beispielsweise zeigt einen Intensitätsgraphen des DC-Grundsignals für jeden der 13 Bandpassfilterwerte, 0,00 bis 0,60, auf der Ordinatenachse, durch eine Regressionslinie 801 verglichen mit dem Realwert von β, wie auf der Abszisse angegeben. 8B zeigt einen Intensitätsgraphen des pT-Grundsignals für jeden der 13 Bandpassfilterwerte auf der Ordinatenachse, durch eine Regressionslinie 803 verglichen mit dem Realwert von β auf der Abszisse. 8C zeigt einen Intensitätsgraphen des pM-Grundsignals für jeden der 13 Bandpassfilterwerte auf der Ordinatenachse, durch eine Regressionslinie 805 verglichen mit dem Realwert von β auf der Abszisse. 8D schließlich zeigt einen Intensitätsgraphen des Durchschnittsspektrums von jedem der drei Grundsignalspektren für jeden der 13 Bandpassfilterwerte auf der Ordinatenachse, durch eine Regressionslinie 807 verglichen mit dem Realwert von β auf der Abszisse.
Der Fachmann wird einige Abweichungen von den Regressionslinien 801, 803, 805, 807 bei etwa 0,05 bis 0,10 auf der Ordinatenachse erkennen. Diese Abweichungen werden von Mayer-Wellen verursacht, die vorstehend unter Bezugnahme auf 1B besprochen werden. Die Intensität der Mayer-Wellen kann von Subjekt zu Subjekt immens variieren. Folglich ist das Verringern oder Eliminieren jeglicher Effekte durch Mayer-Wellen zumindest einer der Gründe für die Anwendung eines zweipoligen Hochpassfilters, wie vorstehend unter Bezugnahme auf 2A bis 2C beschrieben. Jede Variation der Intensitätswerte in Mayer-Wellen von einem Subjekt zum nächsten (z. B. Tendenz des Subjekts, engl. „subject bias“) wird verringert oder eliminiert.
9A und 9B zeigen die Auswirkung der spektralen Angleichung, bevor drei Grundspektren gemittelt werden, wie unter Bezugnahme auf 8A bis 8C gezeigt. 9A zeigt eine Regressionslinie 901, die die Bandpassfilter-Ausgabe mit dem realen β für ein Durchschnittsspektrum eines Subjekts vergleicht. 9B zeigt eine Regressionslinie 903, die die Bandpassfilter-Ausgabe mit dem realen β für ein durchschnittliches angeglichenes Spektrum eines Subjekts vergleicht. Auf die Intensitätsskala auf der rechten Seite von 9A und 9B bezugnehmend, hat die Amplitude bei β = 0,4 bei dem durchschnittlichen angeglichenen Spektrum eines Subjekts gemäß 9B einen viel höheren Intensitätswert. Somit erhöht das Angleichen des Durchschnittsspektrums die Genauigkeit eines berechneten β gegenüber dem realen β noch weiter.
Der Fachmann wird zudem die „T-förmige“-Verbreiterung in den Spektren bei einem β-Wert von etwa 0,5 bemerken. Die Verbreiterung tritt aufgrund eines Aliasing-Effekts auf, wie hier beschrieben. Wie außerdem hier hinsichtlich der meisten menschlichen Subjekte beschrieben, ist jedoch eine typische Atemrate weitaus niedriger als die Hälfte der Herzpulsfrequenz. Daher hat der Aliasing-Effekt selten, wenn überhaupt, einen Einfluss bei der Berechnung eines Wertes von β für ein gegebenes Subjekt.
10A liefert zusätzliche Details über das Verbessern der Genauigkeit von β, wie es von dem Adaptiven-Filter-Algorithmus basierend auf der Verwendung einer Vielzahl von Eingaben 1001 ermittelt wird, um eine Oberflächen-Antwortfunktion 1003 zweiter Ordnung zu entwickeln. Eine Ausgabe der Oberflächen-Antwortfunktion 1003 zweiter Ordnung wird anschließend verwendet, um bei 1005 eine Übertragungsfunktionsschätzung von β, β_XF zu ermitteln. Bei dieser Ausführungsform sind alle Eingaben und Ausgaben Funktionen der Zeit, die in Pulszeit bei einer Frequenz, F_S, die gleich zweimal der Herzfrequenz ist, gesampelt werden.
Die Eingaben 1001 umfassen die normalisierten zusammengesetzten Spektralamplituden oder „M“-Werte (M_0,00 bis M_0,06) der Ausgaben der 13 Bandpassfilter aus dem zusammengefügten Spektrum, wie unter Bezugnahme auf 6C gezeigt und beschrieben; die vier verschiedenen Schätzwerte von β (β_DC, β_pT, β_ρM und β_MAX, _AVG); und die durchschnittliche Herzfrequenz von vier Schlägen, <HR₄>.
Die Eingaben 1001 werden in die Oberflächen-Antwortfunktion 1003 zweiter Ordnung eingegeben. Bei einer Ausführungsform werden 45 Ausdrücke (basierend auf den 18 Eingabefaktoren, wie unmittelbar vorstehend angemerkt) verwendet, um eine Ausgabe der Oberflächen-Antwortfunktion 1003 zweiter Ordnung zu berechnen, deren Ausgabe die Übertragungsfunktionsschätzung 1005 von β, β_XF, ist. Die ermittelte Übertragungsfunktionsschätzung β_XF zeigt den mittleren Wert des Signals, β, zum Auswählen des adaptiven Filters an.
Weiter auf die Oberflächen-Antwortfunktion 1003 zweiter Ordnung bezugnehmend, wird der Fachmann erkennen, dass, basierend auf den 18 Eingabewerten, 190 Faktoren berechnet werden können. Wenn beispielsweise nur eine Zwei-Faktor-Eingabe, i₁ und i₂, betrachtet wird, würde die Oberflächen-Antwortfunktion eine Funktion erster Ordnung aufweisen, i₁ + i₂. Die Antwortfunktion zweiter Ordnung würde i₁ + i₂, i₁ x i₂, i₁ ² und i₂ ² aufweisen. Als solches zieht eine Response-Surface-Methode (RSM) im Allgemeinen Beziehungen zwischen einer Vielzahl von Eingabevariablen und einer oder mehreren resultierenden Antwortvariablen in Betracht. Die RSM kann in einer statistischen Versuchsplanung verwendet werden, um eine optimale Antwortfunktion zu schätzen. Der Fachmann wird ferner erkennen, dass abhängig von der gewünschten Genauigkeit von β eine größere oder kleinere Anzahl von Faktoren eingesetzt werden kann. Beispiele für Wellenformen mit dynamischen β- Schätzwerten werden nachstehend unter Bezugnahme auf 11A bis 11C beschrieben und gezeigt.
In 10B sind die Spektral- und Zeitraum-Schätzungen von β kombiniert, um eine nichtlineare Verbesserung der Auflösung eines tatsächlichen Werts von β zu erzeugen. Mit gleichzeitiger Bezugnahme auf 11A bis 11C wird die Übertragungsfunktionsschätzung 1005 von β, β_XF anfänglich verwendet, um bei 1009 einen geschätzten Wert von β, β_EST zu ermitteln. Bei 1011 wird der aktuelle Wert von β_EST mit ausgewählten Bandpassfilter-Ausgaben kombiniert, wie nachstehend in 11A bis 11C gezeigt und beschrieben. Die Wellenformen-Nulldurchgänge von allen drei Grundsignalen, DC, pT und pM, werden verwendet, um einen zusätzlichen β-Wert basierend auf den Wellenformen, β_WF, zu ermitteln. Die neue, auf den Wellenformenbasierende Schätzung, β_WF, wird anschließend bei 1013 rückgekoppelt. Ein neuer β_EST-Wert wird bei 1007 als das arithmetische Mittel der ursprünglichen Übertragungsfunktionsschätzung von β, β_XF, und des geschätzten Wellenform-Werts von β, β_WF, berechnet. Daher wird die neue Schätzung von β ermittelt als: $β_{EST} = \frac{1}{2} [β_{XF} + β_{WF}]$
Sobald die neue Schätzung basierend auf den Wellenformen, β_WF, dann bei 1013 rückgekoppelt ist (z. B. etwa 15 Pulse nach der ersten Schätzung von β_XF), läuft bei einer bestimmten beispielhaften Ausführungsform die „Schleife“ kontinuierlich in der Zeit. Bei 1015 tritt eine Signalfusion an der Stelle auf, wo die vorausgesagte Atemrate, pRR, als ein Medianwert der Atemraten ermittelt wird, wie sie für jedes der drei Signale DC, pT und pM ermittelt werden, wie unter Bezugnahme auf 11A bis 11C beschrieben und gezeigt.
11A bis 11C zeigen Beispiele von Wellenformen mit dynamischen β-Schätzungen (ebeta) in Pulszeit. 11A zeigt einen Plot der DC-Wellenform 1101 mit einer Schätzung von β 1103, die sich basierend auf der DC-Wellenform ändert. 11B zeigt einen Plot der pT-Wellenform 1105 mit einer Schätzung von β 1107, die sich basierend auf der pT-Wellenform ändert. 11C zeigt einen Plot der pM-Wellenform 1109 mit einer Schätzung von β 1111, die sich basierend auf der DC-Wellenform ändert.
Wenn eine Schätzung von β gemäß der verschiedenen Aspekte des hier beschriebenen erfinderischen Gegenstands ermittelt wurde, werden bei einer Ausführungsform der Bandpassfilter, der der Schätzung am nächsten ist, zusammen mit den zwei nächsten Nachbarn (das heißt, insgesamt drei Bandpassfilter) bei der Verarbeitung der Wellenform für ein gegebenen Signaltypen eingesetzt. Die Nulldurchgänge (sowohl Nulldurchgänge mit positiver Flanke als auch Nulldurchgänge mit negativer Flanke in Betracht ziehend) können dann verwendet werden, um die Atemraten eines Subjekts zu ermitteln. Zusammen mit der Berücksichtigung der drei Grundsignale können die tatsächlichen Nulldurchgänge noch eine weitere Schätzung des tatsächlichen Werts von β liefern. Die kombinierte-β-Schätzung (Übertragungsfunktion plus Feedback) schneidet besser ab als jeder der beiden Werte allein. Wie vorstehend unter Bezugnahme auf 10B beschrieben, kann diese Schätzung von β, die aus den Nulldurchgängen ermittelt ist, bei 1013 rückgekoppelt werden (10B), um eine verbesserte (genauere) Schätzung von β zu liefern. Daher liefert die aktive Feedbackschleife 1013 eine kontinuierlich aktualisierte Schätzung des tatsächlichen Wertes von β. Eine Fusion der drei Signale, basierend auf der kontinuierlich aktualisierten Schätzung des tatsächlichen Werts von β von drei Wellenformen, ermöglicht eine Wahl des besten adaptiven Filters, indem das gesamte Signal-Rausch-Verhältnis maximiert wird. Dadurch wird ein höherer Grad an Genauigkeit bereitgestellt.
Klinische Versuche haben gezeigt, dass genaue Werte von β, und somit von Atemraten, schnell und genau ermittelt werden können. Beispielsweise kann unter Verwendung des (nicht-adaptiven) Festfilter-Algorithmus, der unter Bezugnahme auf 3 beschrieben und gezeigt ist, eine genaue Ermittlung der Atemrate in Atemzügen pro Minute (BPM) in etwa 15 Sekunden genau ermittelt werden. Sofern für ein bestimmtes Subjekt benötigt (z. B. aufgrund einer klinischen Anforderung von einem sehr genauen BPM-Wert oder in einem Fall, bei dem ein Subjekt mehrere Faktoren aufweist, die zum „Rauschen“ beitragen, wie oben beschrieben), kann eine noch genauere BPM-Schätzung mittels der hier beschriebenen adaptiven Filterverfahren ermittelt werden. Für einen sehr genauen BPM-Bestimmungsgrad können die hier beschriebenen adaptiven Filterverfahren in etwa 45 Sekunden ermittelt werden. Außerdem wird der Fachmann erkennen, dass abhängig von dem für das gegebene Subjekt benötigten Genauigkeitsgrad nicht alle Schritte des Adaptiven-Filter-Algorithmus eingesetzt werden müssen.
Beispielhafte Maschinenarchitektur und maschinenlesbares Speichermedium
Unter Bezugnahme auf 12 erstreckt sich eine beispielhafte Ausführungsform auf eine Maschine in einem Beispiel für ein Computersystem 1200, in dem Befehle ausgeführt werden können, um die Maschine dazu zu veranlassen, eine oder mehrere der hier besprochenen Methoden bzw. Verfahren auszuführen. Bei alternativen beispielhaften Ausführungsformen arbeitet die Maschine als Einzelvorrichtung oder kann mit anderen Maschinen verbunden werden (z. B. vernetzt). Bei einer vernetzten Konfiguration kann die Maschine als Server oder Client-Maschine in einer Server-Client-Netzwerkumgebung betrieben werden oder als eine Peer-Maschine in einer Peer-to-Peer- (oder verteilten) Netzwerkumgebung. Die Maschine kann ein Personal Computer (PC), ein Tablet-PC, eine Set-Top-Box (STB), ein Personal Digital Assistant (PDA), ein Mobiltelefon, ein Webgerät, ein Netzwerk-Router, ein Switch oder eine Bridge oder irgendeine Maschine sein, die Befehle ausführen kann (sequenziell oder auf andere Art und Weise), die Maßnahmen spezifizieren, die von dieser Maschine zu ergreifen sind. Während nur eine einzelne Maschine abgebildet ist, soll ferner der Begriff „Maschine“ verwendet werden, um jede Sammlung von Maschinen einzuschließen, die einzeln oder zusammen einen Satz (oder mehrere Sätze) von Befehlen ausführt, um eine oder mehrere der hier besprochenen Methoden bzw. Verfahren durchzuführen.
Das Computersystem 1200 weist einen Prozessor (z. B. einen hardware-basierten Mikroprozessor oder eingebetteten hardware-basierten Prozessor, eine hardware-basierte zentrale Recheneinheit (CPU), einen hardware-basierten Graphikprozessor (GPU) oder verschiedene Kombinationen daraus), einen Hauptspeicher 1203 und einen statischen Speicher 1205 auf, die über einen Bus 1207 miteinander kommunizieren. Das Computersystem 1200 kann ferner eine Videoanzeigeeinheit 1209 (z. B. eine Flüssigkristallanzeige (LCD) oder eine Kathodenstrahlröhre (CRT)) aufweisen. Das Computersystem 1200 weist außerdem eine alphanumerische Eingabevorrichtung 1211 (z. B. eine Tastatur), eine Benutzerschnittstellen- (UI-) Steuerungsvorrichtung 1213 (z. B. eine Maus), eine Laufwerkseinheit 1215, eine Signalerzeugungseinheit 1217 (z. B. einen Lautsprecher) sowie eine Netzwerkschnittstellenvorrichtung 1219 auf.
Maschinenlesbares Medium
Die Laufwerkseinheit 1215 weist ein permanentes maschinenlesbares Medium 1221 auf, auf dem ein oder mehrere Sets von Befehlen und Datenstrukturen (z. B. Software 1223) gespeichert sind, die von einer oder mehreren der hier beschriebenen Methoden oder Funktionen verwendet werden oder die diese verkörpern. Die Software 1223 kann sich auch, vollständig oder zumindest teilweise, auf dem Hauptspeicher 1203 befinden oder auf dem Prozessor 1201, während sie von dem Computersystem 1200 ausgeführt wird; wobei der Hauptspeicher 1203 und der Prozessor 1201 außerdem maschinenlesbare Medien darstellen.
Während das permanente maschinenlesbare Medium 1221 in einer beispielhaften Ausführungsform als ein einzelnes Medium dargestellt ist, kann der Ausdruck „maschinenlesbares Medium“ ein einzelnes Medium oder mehrere Medien (z. B. eine zentralisierte oder verteilte Datenbank oder zugehörige Caches und Server) aufweisen, die die einen oder mehreren Befehle speichern. Der Ausdruck „permanentes maschinenlesbares Medium“ soll ebenfalls so verstanden werden, dass jedes materielle Medium eingeschlossen ist, das Befehle für die Ausführung durch die Maschine speichern, kodieren oder tragen kann und das die Maschine dazu veranlasst, eine oder mehrere der Methoden der vorliegenden Erfindung auszuführen, oder das Datenstrukturen, die von derartigen Befehlen verwendet oder werden mit diesen zusammenhängen, speichern, kodieren oder tragen kann. Der Ausdruck „permanentes maschinenlesbares Medium“ ist dementsprechend so zu verstehen, dass er Solid-State-Speicher sowie optische und magnetische Medien einschließt, aber nicht darauf beschränkt ist. Spezifische Beispiele von maschinenlesbaren Medien beinhalten nichtflüchtige Speicher, einschließlich beispielhaft genannter Halbleiterspeicher-Vorrichtungen (z. B. EPROM, EEPROM und Flash-Speichervorrichtungen); Magnetplatten, wie etwa interne Festplatten und Wechselplatten; magneto-optische Platten/Disketten; und CD-ROM- und DVD-ROM-Disketten.
Übertragungsmedium
Die Software 1223 kann ferner unter Verwendung eines Übertragungsmediums über die Netzwerkschnittstellenvorrichtung 1219 unter Einsatz eines von einer Vielzahl wohlbekannter Übertragungsprotokolle (z. B. HTTP) über ein Kommunikationsnetzwerk 1225 übertragen oder empfangen werden. Beispiele für Kommunikationsnetzwerke beinhalten ein lokales Netzwerk (LAN), ein Wide-Area-Network (WAN), das Internet, mobile Telefonnetzwerke, Plain-Old-Telephone- (POTS-) Netzwerke und drahtlose Datennetzwerke (z. B. WiFi- und WiMax-Netzwerke). Der Begriff „Übertragungsmedium“ soll so verstanden werden, dass er jedes immaterielle Medium einschließt, dass Befehle für die Ausführung durch die Maschine speichern, kodieren oder tragen kann, und digitale oder analoge Kommunikationssignale oder ein anderes immaterielles Medium aufweist, um die Kommunikation derartiger Software zu erleichtern.
Der hier offenbarte Gegenstand weist verschiedene System- und Verfahrensdiagramme auf, wobei verschiedene Ausführungsformen des spezifischen Sensor-Kalibrierungssystems beschrieben werden. Daher umfasst die vorstehende Beschreibung veranschaulichende Beispiele, Vorrichtungen, Systeme und Verfahren, welche den offenbarten Gegenstand verkörpern. Zum Zwecke der Erklärung wurden in der Beschreibung zahlreiche spezifische Details festgelegt, um ein Verständnis von verschiedenen Ausführungsformen des erfinderischen Gegenstands zu ermöglichen. Für den Fachmann wird jedoch offensichtlich sein, dass verschiedene Ausführungsformen des erfinderischen Gegenstands ohne diese spezifischen Details ausgeübt werden können.
Zudem wurden gut bekannte Strukturen, Materialien und Techniken nicht im Detail gezeigt, um die verschiedenen veranschaulichten Ausführungsformen nicht unklar werden zu lassen. So wird der Fachmann beispielsweise erkennen, dass jeder der hier beschriebenen Filterungsalgorithmen in Hardware, Software, Firmware oder verschiedene Kombinationen daraus implementiert werden kann. Außerdem können die verschiedenen Filter zusätzlich zu den digitalen Filtern analoge Filter sein oder eine Kombination aus beidem.
Gemäß der vorliegenden Offenbarung können Komponenten, Arbeits- bzw. Verfahrensschritte und/oder Datenstrukturen unter Verwendung verschiedener Typen von Betriebssystemen, Programmiersprachen, Computerplattformen, Computerprogrammen und/oder Universalmaschinen implementiert werden. Zudem wird der Fachmann erkennen, dass Vorrichtungen mit einem weniger allgemeinen Zweck bzw. einer weniger allgemeinen Natur/Beschaffenheit, wie etwa festverdrahtete Vorrichtungen, Field-Programmable-Gate-Arrays (FPGAs), anwendungsspezifische integrierte Schaltungen (ASICs) oder dergleichen, ebenso verwendet werden können, ohne von dem Umfang der hier offenbarten Konzepte abzuweichen. Beispielsweise wird der Fachmann erkennen, dass einer oder mehrere der hier beschriebenen Filter in eine FPGA-Vorrichtung implementiert werden können. Wie ebenfalls hier beschrieben, können verschiedene Ausführungsformen als ein Satz von Computerbefehlen, die auf einem computerlesbaren Medium, wie etwa einer Speichervorrichtung, gespeichert sind, materiell verkörpert werden.
Wenn hier verwendet, kann der Begriff „oder“ in einem inklusiven oder exklusiven Sinne ausgelegt werden. Obwohl sich die hier besprochenen verschiedenen beispielhaften Ausführungsformen auf bestimmte Weisen fokussieren, eine Schätzung von β zu ermitteln, werden zusätzlich vom Fachmann beim Lesen und Verstehen der angegebenen Offenbarung weitere Ausführungsformen verstanden werden. Ferner wird der Fachmann beim Lesen und Verstehen der hier angegebenen Offenbarung schnell verstehen, dass verschiedene Kombinationen der hier angegebenen Techniken und Beispiele jeweils in verschiedenen Kombination angewendet werden können.
Obwohl verschiedene Ausführungsformen separat besprochen werden, sollen diese separaten Ausführungsformen nicht als unabhängige Techniken oder Gestaltungen betrachtet werden. Wie vorstehend angezeigt, kann jeder der verschiedenen Bereiche zusammenhängen und jeder kann separat oder in Kombination mit anderen hier besprochenen spezifischen Sensor-Kalibrierungssystems-Ausführungsformen verwendet werden.
Folglich können viele Modifikationen und Variationen vorgenommen werden, wie dem Fachmann beim Lesen und Verstehen der hier angegebenen Offenbarung ersichtlich sein wird. Funktional äquivalente Verfahren und Vorrichtungen innerhalb des Umfangs der Offenbarung, zusätzlich zu den hier aufgezählten, werden dem Fachmann aus den vorhergehenden Beschreibungen ersichtlich sein. Bereiche und Merkmale von einigen Ausführungsformen können eingeschlossen sein oder anstelle anderer ersetzt werden. Derartige Modifikationen und Variationen sollen in den Umfang der beigefügten Ansprüche fallen. Daher soll die vorliegende Offenbarung nur von den Merkmalen der beigefügten Ansprüche, zusammen mit dem gesamten Umfang der Äquivalente, die der Schutz derartiger Ansprüche umfasst, beschränkt werden. Es ist außerdem zu verstehen, dass die hier verwendete Terminologie allein dem Zweck der Beschreibung bestimmter Ausführungsformen dient und nicht beschränkend sein soll.
Die Zusammenfassung der Offenbarung ist angegeben, um es dem Leser zu ermöglichen, das Wesen der technischen Offenbarung schnell zu ermitteln. Die Zusammenfassung wird mit dem Verständnis vorgelegt, das sie nicht verwendet wird, um die Ansprüche zu interpretieren oder zu beschränken. In der vorhergehenden detaillierten Beschreibung kann zusätzlich gesehen werden, dass verschiedene Merkmale in einer einzelnen Ausführungsform zusammen gruppiert werden können, um die Offenbarung zu verschlanken. Das Verfahren der Offenbarung ist nicht als die Ansprüche beschränkend zu interpretieren. Somit werden die folgenden Ansprüche hiermit in die detaillierte Beschreibung aufgenommen, wobei jeder Anspruch für sich alleine als separate Ausführungsform steht.

Claims

System zur Ermittlung einer Atemrate eines Subjekts aus einer Ausgabe einer Vorrichtung, die ein Photoplethysmogramm- (PPG-) Signal erzeugen kann, wobei das System Folgendes aufweist: einen oder mehrere hardware-basierte Prozessoren, um das PPG-Signal bei einer ersten ausgewählten Frequenz zu sampeln; einen ersten Hochpassfilter, um das gesampelte PPG-Signal zu filtern; einen zweiten Hochpassfilter, der in Reihe mit dem ersten Hochpassfilter verbunden ist, um eine Ausgabe von dem ersten Hochpassfilter zu empfangen und um die Ausgabe bei einer zweiten ausgewählten Frequenz zu filtern; einen Nulldurchgangsfilter, um eine Ausgabe von dem zweiten Hochpassfilter zu empfangen und um Nulldurchgänge mit positiven (steigenden) Flanken und Nulldurchgänge mit negativen (fallenden) Flanken von zumindest einem ausgewählten Bereich des PPG-Signals zu interpolieren, um Atemzeit-Abstände zu ermitteln, die als eine Differenz zwischen interpolierten Nulldurchgängen ermittelt werden, die von einem Einfluss der Atemrate auf das PPG-Signal verursacht werden; und einen Medianfilter, um einen Durchschnitt der Atemzeit-Abstände für die Nulldurchgänge mit positiven Flanken und die Nulldurchgänge mit negativen Flanken zu ermitteln, um eine Schätzung der Atemrate abzuleiten.
System gemäß Anspruch 1, wobei die einen oder mehreren hardware-basierten Prozessoren ferner dazu ausgebildet sind, Komponenten des PPG-Signals in eine DC-modulierte Wellenform (DC-Signal), eine amplitudenmodulierte Wellenform (pM-Signal) und eine frequenzmodulierte Wellenform (pT-Signal) aufzuteilen.
System gemäß Anspruch 1 oder Anspruch 2, wobei die erste ausgewählte Frequenz eine Pulszeit-Frequenz für das pM-Signal und das pT-Signal ist.
System gemäß Anspruch 3, wobei die zweite ausgewählte Frequenz auf das doppelte der Pulszeit-Frequenz für das pM-Signal und das pT-Signal interpoliert wird.
System gemäß Anspruch 2, wobei die erste ausgewählte Frequenz eine Echtzeit-Frequenz für das DC-Signal ist.
System gemäß Anspruch 2, wobei die zweite ausgewählte Frequenz für das DC-Signal die Ausgabe des ersten Hochpassfilters ist, die über einen Puls nach dem anderen gemittelt wird und um einen halben Puls nach dem anderen über einer Sampling-Pulszeit-Frequenz von zwei Herzfrequenz-Pulsen verschoben wird.
System gemäß einem der vorhergehenden Ansprüche, wobei die einen oder mehreren hardware-basierten Prozessoren ferner dazu ausgebildet sind, eine Pulsfrequenz des Subjekts aus dem PPG-Signal zu ermitteln.
System gemäß einem der vorhergehenden Ansprüche, das ferner einen Slew-Rate-Filter aufweist, um Effekte zu verringern oder Signale zu eliminieren, die Slew-Raten aufweisen, die von einem Puls zum nächsten Puls um mehr als einen bestimmten Prozentsatz abweichen.
System gemäß Anspruch 8, wobei der bestimmte Prozentsatz bei ±25 % liegt.
System gemäß einem der vorhergehenden Ansprüche, wobei die einen oder mehreren hardware-basierten Prozessoren dazu ausgebildet sind, das PPG-Signal bei einer ausgewählten Frequenz basierend auf einer Herzfrequenz des Subjekts zu sampeln.
System gemäß einem der vorhergehenden Ansprüche, wobei der erste Hochpassfilter und/oder der zweite Hochpassfilter einen digitalen Hochpassfilter aufweisen/aufweist.
System gemäß einem der vorhergehenden Ansprüche, wobei der erste Hochpassfilter und/oder der zweite Hochpassfilter einen analog-digitalen Hochpassfilter aufweisen/aufweist.
System gemäß einem der vorhergehenden Ansprüche, wobei der Medianfilter ferner dazu ausgebildet ist, die Schätzung der Atemrate basierend auf der Berechnung von Atemraten für sowohl die Nulldurchgänge mit positiven Flanken als auch für die Nulldurchgänge mit negativen Flanken vor der Mittelwertbildung abzuleiten.
Verfahren zur Ermittlung der Atemrate eines Subjekts aus einer Ausgabe einer Vorrichtung, die ein Photoplethysmogramm- (PPG-) Signal erzeugen kann, wobei das Verfahren folgende Schritte aufweist: Sampeln des PPG-Signals bei einer ersten ausgewählten Frequenz; Filtern des PPG-Signals mit einem ersten Hochpassfilter; Empfangen einer Ausgabe von dem ersten Hochpassfilter und Filtern der Ausgabe bei einer zweiten ausgewählten Frequenz in einem zweiten Hochpassfilter; Empfangen einer Ausgabe von dem zweiten Hochpassfilter von zumindest einem ausgewählten Bereich des PPG-Signals; Interpolieren von Nulldurchgängen mit positiven (steigenden) Flanken und Nulldurchgängen mit negativen (fallenden) Flanken des ausgewählten Bereichs des PPR-Signals, um Atemzeit-Abstände zu ermitteln, die als eine Differenz zwischen interpolierten Nulldurchgängen ermittelt werden, die durch einen Einfluss der Atemrate auf das PPG-Signal verursacht werden; und Ermitteln eines Durchschnitts der Atemzeit-Abstände für die Nulldurchgänge mit positiven Flanken und für die Nulldurchgänge mit negativen Flanken, um eine Schätzung der Atemrate abzuleiten.
Verfahren gemäß Anspruch 14, das ferner den Schritt des Aufteilens von Komponenten des PPG-Signals in eine DC-modulierte Wellenform (DC-Signal), eine amplitudenmodulierte Wellenform (pM-Signal) und eine frequenzmodulierte Wellenform (pT-Signal) aufweist.
Verfahren gemäß Anspruch 15, wobei die erste ausgewählte Frequenz eine Pulszeit-Frequenz für das pM-Signal und das pT-Signal ist.
Verfahren gemäß Anspruch 16, wobei die zweite ausgewählte Frequenz auf etwa das doppelte der Pulszeit-Frequenz für das pM-Signal und das pT-Signal interpoliert wird.
Verfahren gemäß Anspruch 15, wobei die erste ausgewählte Frequenz eine Echtzeit-Frequenz für das DC-Signal ist.
Verfahren gemäß Anspruch 15, wobei die zweite ausgewählte Frequenz für das DC-Signal die Ausgabe des ersten Hochpassfilters ist, die über einem Puls nach dem anderen gemittelt wird und um einen halben Puls nach dem anderen über einer Sampling-Pulszeit-Frequenz von zwei Herzfrequenz-Pulsen verschoben wird.
Verfahren gemäß einem der Ansprüche 14 bis 19, das ferner den Schritt des Ermittelns einer Pulsfrequenz des Subjekts aus dem PPG-Signal aufweist.
Verfahren gemäß einem der Ansprüche 14 bis 20, das ferner den Schritt des Filterns des PPG-Signals mit einem Slew-Rate-Filter aufweist, um Effekte zu verringern oder Signale zu eliminieren, die Slew-Raten aufweisen, die von einem Puls zum nächsten Puls um mehr als einen bestimmten Prozentsatz abweichen.
Verfahren gemäß Anspruch 21, wobei der bestimmte Prozentsatz bei ±25 % liegt.
Verfahren gemäß einem der Ansprüche 14 bis 22, wobei das Sampling des PPG-Signals auf einer ausgewählten Frequenz basiert, die auf der Herzfrequenz des Subjekts basiert.
Verfahren gemäß einem der Ansprüche 14 bis 23, wobei das Ableiten der Schätzung der Atemrate auf der Berechnung von Atemraten für sowohl Nulldurchgänge mit positiven Flanken als auch für Nulldurchgänge mit negativen Flanken vor der Mittelwertbildung basiert.
Materielles computerlesbares Medium, das keine flüchtigen Signale aufweist und Befehle enthält, die, wenn sie von einem oder mehreren hardware-basierten Prozessoren einer Maschine ausgeführt werden, die Maschine dazu veranlassen, Vorgänge durchzuführen, die folgende Schritte aufweisen: Ermitteln einer Atemrate eines Subjekts aus einer Ausgabe einer Vorrichtung, die ein Photoplethysmogramm- (PPG-) Signal erzeugen kann, wobei das Ermitteln folgende Schritte aufweist: Sampeln des PPG-Signals bei einer ersten ausgewählten Frequenz; Filtern des PPG-Signals mit einem ersten Hochpassfilter; Empfangen einer Ausgabe von dem ersten Hochpassfilter und Filtern der Ausgabe bei einer zweiten ausgewählten Frequenz in einem zweiten Hochpassfilter; Empfangen einer Ausgabe von dem zweiten Hochpassfilter von zumindest einem ausgewählten Bereich des PPG-Signals; Interpolieren von Nulldurchgängen mit positiver (steigender) Flanke und von Nulldurchgängen mit negativer (fallender) Flanke des ausgewählten Bereichs des PPG-Signals, um Atemzeit-Abstände zu ermitteln, die als eine Differenz zwischen interpolierten Nulldurchgängen ermittelt werden, die von einem Einfluss der Atemrate auf das PPG-Signal verursacht werden; und Ermitteln eines Durchschnitts der Atemzeit-Abstände für die Nulldurchgänge mit positiven Flanken und für die Nulldurchgänge mit negativen Flanken, um eine Schätzung der Atemrate abzuleiten.
Materielles computerlesbares Medium gemäß Anspruch 25, wobei das Verfahren ferner den Schritt des Ermittelns einer Pulsfrequenz des Subjekts aus dem PPG-Signal aufweist.
Materielles computerlesbares Medium gemäß Anspruch 25 oder 26, wobei das Verfahren ferner den Schritt des Filterns des PPG-Signals mit einem Slew-Rate-Filter aufweist, um Effekte zu verringern oder Signale zu eliminieren, die Slew-Raten aufweisen, die von einem Puls zu dem nächsten Puls um mehr als einen bestimmten Prozentsatz abweichen.
Materielles computerlesbares Medium gemäß Anspruch 27, wobei der bestimmte Prozentsatz bei ±25 % liegt.
Materielles computerlesbares Medium gemäß einem der Ansprüche 25 bis 28, wobei das Sampeln des PPG-Signals auf einer ausgewählten Frequenz basiert, die auf der Herzfrequenz des Subjekts basiert.