KR20150110414A - 웨어러블 센서 플랫폼을 사용하여 생리적 측정을 하기 위한 신뢰 지수 - Google Patents

웨어러블 센서 플랫폼을 사용하여 생리적 측정을 하기 위한 신뢰 지수 Download PDF

Info

Publication number
KR20150110414A
KR20150110414A KR1020150040069A KR20150040069A KR20150110414A KR 20150110414 A KR20150110414 A KR 20150110414A KR 1020150040069 A KR1020150040069 A KR 1020150040069A KR 20150040069 A KR20150040069 A KR 20150040069A KR 20150110414 A KR20150110414 A KR 20150110414A
Authority
KR
South Korea
Prior art keywords
data
sensor
noise
physiological
physiological data
Prior art date
Application number
KR1020150040069A
Other languages
English (en)
Inventor
줄리엔 펜더스
알렉산더 영
노암 로센샬
람 피쉬
에바 씨. 웬팅크
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of KR20150110414A publication Critical patent/KR20150110414A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—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
    • A61B5/04—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Pulmonology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

실시 예들은 웨어러블 센서 플랫폼의 사용자에게 데이터를 제공하기 위한 방법 및 시스템을 포함한다. 방법은 적어도 하나의 프로세서를 실행하는 적어도 하나의 소프트웨어 컴포넌트에 의해 실행될 수 있다. 방법은 웨어러블 센서 플랫폼의 적어도 하나의 센서를 사용하여 사용자에 대한 데이터를 획득할 수 있다. 데이터는 생리적 데이터 및 잡음 데이터를 포함한다. 생리적 데이터는 노이즈 데이터를 포함한다. 데이터에 대한 신뢰 지수는 생리적 데이터 및 잡음 데이터 중 적어도 하나에 기초하여 판단된다. 생리적 데이터 및 신뢰 지수에 대응하는 생리적 데이터 신호는 웨어러블 센서 플랫폼의 사용자에게 제공된다.

Description

웨어러블 센서 플랫폼을 사용하여 생리적 측정을 하기 위한 신뢰 지수{CONFIDENCE INDICATOR FOR PHYSIOLOGICAL MEASUREMENTS USING A WEARABLE SENSOR PLATFORM}
본 발명은 웨어러블 센서 플랫폼에 관한 것으로, 좀 더 상세하게는, 생리적 데이터를 측정하여 웨어러블 센서 플랫폼의 사용자에게 제공하는 것에 관한 것이다.
생리적 측정들은 살아있는 인체에서 발생하는 다양한 과정들에 대한 데이터를 수집한다. 예를 들어, 심전도(electrocardiogram; ECG)는 인체 표면에서 심전도 활동을 통해 생성되는 전기적 포텐셜을 측정할 수 있고, 심전도의 활동과 관련된 다양한 양상들을 해석하는데 사용될 수 있다. 바이오임피던스(Bioimpedance)는 조직을 통하여 구동되는 전류 방향으로의 살아있는 조직의 저항의 측정이고, 동맥을 통하여 박동 된 혈액량을 판단하는데 사용될 수 있다. 온도는 인체 표면에서 측정될 수 있고, 일반적인 건강을 나타낼 수 있다.
생리적 측정을 할 때 발생하는 문제점으로써 비-생리적 영향들에 의해 야기되는 노이즈가 있다. 인체의 동작은 그러한 노이즈의 하나의 소스이다. 예를 들어, ECG 읽기는 일반적으로 사용자의 피부에서 발생하는 전극을 사용하여 획득된다. 동작 잡음(motion artifact)은 사용자의 피부와 관련된 전극의 동작으로부터 발생하는 노이즈이다. 어떤 예에서, 전극의 움직임은 전극 위치 주변에서 피부의 변형을 일으킨다. 이러한 변형은 전극 주변에서 피부의 전기적 특성들에 있어서 변화를 야기하고, ECG 읽기에 기여할 수 있다. 이러한 기여는 심전도 활동과 관련되지 않으며, 따라서 노이즈의 소스이다. 동작 잡음은 특히 모바일 또는 포터블 애플리케이션에서의 생리적 측정과 관련된다. 그러한 애플리케이션을 위해, 높은 레벨의 노이즈는 동작 잡음에 의해 야기될 수 있다.
따라서, 생리적 측정에 있어서, 특히 포터블 애플리케이션에 있어서, 동작 잡음과 같은 노이즈를 해명하는데 도움이 되는 시스템 및 방법을 제공하는 것이 필요하다.
본 발명의 목적은 생리적 측정에 있어서, 특히 포터블 애플리케이션에 있어서, 동작 잡음과 같은 노이즈로 인해 야기되는 문제점을 해결할 수 있는 시스템 및 방법을 제공하는 데 있다.
본 발명의 실시 예들은 웨어러블 센서 플랫폼의 사용자에게 데이터를 제공하기 위한 방법 및 시스템을 포함한다. 본 발명의 실시 예에 따른 방법은 상기 웨어러블 센서 플랫폼에 있는 적어도 하나의 센서를 사용하여 상기 사용자를 위한 데이터를 획득하는 단계를 포함한다. 상기 데이터는 생리적 데이터 및 잡음 데이터를 포함한다. 상기 생리적 데이터는 노이즈 데이터를 포함한다. 상기 데이터에 대한 신뢰 지수는 상기 생리적 데이터 및 상기 잡음 데이터 중 적어도 하나에 기초하여 판단된다. 상기 생리적 데이터 및 상기 신뢰 지수에 대응하는 생리적 데이터 신호는 상기 웨어러블 센서 플랫폼의 상기 사용자에게 제공된다.
본 발명의 실시 예에 따르면, 생리적 측정에 있어서, 특히 포터블 애플리케이션에 있어서, 동작 잡음과 같은 노이즈로 인해 야기되는 문제점을 해결할 수 있는 시스템 및 방법을 제공할 수 있다.
도 1은 본 발명의 실시 예에 따른 모듈러 센서 플랫폼을 보여주는 도면이다.
도 2는 도 1에 도시된 모듈러 센서 플랫폼의 실시 예를 보여주는 도면이다.
도 3은 모듈러 센서 플랫폼의 다른 실시 예를 보여주는 도면이다.
도 4는 베이스 컴퓨팅 유닛 및 배터리를 포함하는 컴포넌트에 연결된 대역폭 센서 모듈을 포함하는, 모듈러 센서 플랫폼의 실시 예를 보여주는 블록도이다.
도 5는 손목에 대한 사용과 관련하여 셀프-얼라이닝 센서 어레이를 갖춘 모듈러 센서 플랫폼의 실시 예를 보여주는 도면이다.
도 6은 센서 모듈의 일 실시 예를 보여주는 블록도이다.
도 7은 모듈러 웨어러블 센서 플랫폼을 위한 신뢰 지수 엔진의 일 실시 예를 보여주는 블록도이다.
도 8은 모듈러 웨어러블 센서 플랫폼을 위한 신뢰 지수 엔진의 다른 실시 예를 보여주는 블록도이다.
도 9는 사용자에게 웨어러블 센서 플랫폼을 이용하여 생리적 데이터 및 신뢰 지수를 제공하는 방법의 일 실시 예를 보여주는 순서도이다.
도 10은 사용자에게 웨어러블 센서 플랫폼을 이용하여 생리적 데이터 및 신뢰 지수를 제공하는 방법의 일 실시 예를 보여주는 순서도이다.
도 11은 사용자에게 웨어러블 센서 플랫폼을 이용하여 생리적 데이터 및 신뢰 지수를 제공하는 방법의 일 실시 예를 보여주는 순서도이다.
도 12 내지 도 17은 다양한 생리적 데이터 및 신뢰 지수들을 보여주는 도면이다.
본 발명의 사상을 보여주기 위한 목적으로써, 특정한 실시 예들이 도면들에 도시되었다. 그러나, 본 발명의 사상은 첨부된 도면에만 한정되는 것은 아니다.
앞의 일반적인 설명 및 다음의 상세한 설명 모두 예시적이라는 것이 이해되어야 하며, 청구된 발명의 부가적인 설명이 제공되는 것으로 여겨져야 한다. 참조 부호들이 본 발명의 바람직한 실시 예들에 상세히 표시되어 있으며, 그것의 예들이 참조 도면들에 표시되어 있다. 가능한 어떤 경우에도, 동일한 참조 번호들이 동일한 또는 유사한 부분을 참조하기 위해서 설명 및 도면들에 사용된다.
한 요소 또는 층이 다른 요소 또는 층에 "연결되는", "결합하는", 또는 "인접하는" 것으로 언급되는 때에는, 다른 요소 또는 층에 직접적으로 연결되거나, 결합 되거나, 또는 인접하는 것일 수 있고, 혹은 그 사이에 끼워지는 요소 또는 층이 존재할 수 있음이 잘 이해될 것이다. 본 명세서에서 사용되는 "및/또는"이라는 용어는 나열된 요소들의 하나 또는 그 이상의 가능한 조합들을 포함할 것이다.
비록 "제 1", "제 2" 등의 용어가 여기서 다양한 요소를 설명하기 위해 사용될 수 있다 하더라도, 이들 요소는 이 용어들에 의해 한정되지 않는다. 이 용어들은 단지 다른 것들로부터 하나의 구성요소를 구별하기 위해 사용될 수 있다. 따라서, 본 명세서에서 사용된 제 1 구성요소, 구간, 층과 같은 용어는 본 발명의 사상을 벗어나지 않는 범위 내에서 제 2 구성요소, 구간, 층 등으로 사용될 수 있다.
"아래의", "하부의", "위의", "상부의", 및 이와 유사한 용어들은 직접적으로(directly) 또는 다른 층을 개재하여(indirectly) 배치되는 경우를 모두 포함한다. 그리고, 공간적으로 상대적인 이러한 용어들은 도면에 도시된 방향에 더하여 다른 방향을 포함하는 것으로 이해되어야 한다. 예를 들어, 만일 장치가 뒤집히면, "아래의"로 설명된 구성요소는 "위의"가 될 것이다.
본 명세서에서 설명되는 용어는 단지 특정한 실시 예를 설명하기 위한 목적으로 사용되며, 그것에 한정되지 않는다. "하나의"와 같은 용어는 달리 명백하게 지칭하지 않으면 복수의 형태를 포함하는 것으로 이해되어야 한다. "포함하는" 또는 "구성되는"과 같은 용어는 설명된 특징, 단계, 동작, 성분, 및/또는 구성요소의 존재를 명시하며, 추가적인 하나 또는 그 이상의 특징, 단계, 동작, 성분, 구성요소 및/또는 그들의 그룹의 존재를 배제하지 않는다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있도록 본 발명의 실시 예를 첨부된 도면을 참조하여 설명할 것이다.
도 1 및 도 2는 모듈러 센서 플랫폼의 실시 예들을 보여주는 도면이다. 도 1 및 도 2는 웨어러블 센서 플랫폼(10)의 실시 예들의 사시도를 보여준다. 반면, 도 3은 웨어러블 센서 플랫폼(10)의 다른 실시 예의 측면도를 보여준다. 비록 도 1 및 도 2에 도시된 웨어러블 센서 플랫폼의 컴포넌트들이 대체로 동일할지라도, 모듈들 및/또는 컴포넌트들의 위치는 다를 수 있다.
도 1 및 도 2를 참조하면, 웨어러블 센서 플랫폼(10)은 스마트 시계 또는 신체의 일부분(예를 들어, 손목)에 부착되는 웨어러블 기기로써 구현될 수 있다.
웨어러블 센서 플랫폼(10)은 베이스 모듈(12), 밴드(16), 클래스프(clasp)(30), 배터리(22), 및 밴드(16)에 연결되는 센서 모듈(14)을 포함할 수 있다. 실시 예에 있어서, 웨어러블 센서 플랫폼(10)의 모듈들 및/또는 컴포넌트들은 최종 사용자(예를 들어, 소비자, 환자, 의사 등)에 의해 제거될 수 있다. 그러나, 다른 실시 예에 있어서, 웨어러블 센서 플랫폼(10)의 모듈들 및/또는 컴포넌트들은 제조자에 의해 웨어러블 센서 플랫폼(10)에 집적될 수 있고, 최종 사용자에 의해 제거되지 않도록 의도될 수 있다. 웨어러블 센서 플랫폼(10)은 방수 기능을 가질 수 있다.
밴드 또는 스트랩(16)은 하나의 조각이거나 또는 모듈식일 수 있다. 밴드(16)는 직물(fabric)로 만들어질 수 있다. 예를 들어, 광범위의 꼴 수 있는(twistable) 그리고 확장할 수 있는(expandable) 탄성 메쉬/섬유(mesh/textiles)가 고려될 수 있다. 밴드(16)는 멀티-밴드(multi-band) 또는 모듈러 링크(modular links)로써 구성될 수 있다. 밴드(16)는 시계가 어떠한 실행들을 가동할 준비가 되어 있도록 하기 위한 래치 또는 클래스프 메커니즘들(a latch or a clasp mechanism)을 포함할 수 있다. 어떤 실시 예에서, 밴드(16)는 와이어링 연결(wiring connecting)(미도시), 베이스 모듈(12), 및 센서 모듈(14)을 포함할 수 있다. 베이스 모듈(19) 및 센서 모듈(14) 사이에서의 무선 통신 (또는 무선 통신과 유선 통신의 조합)도 고려될 수 있다.
센서 모듈(14)은 밴드(16)에 탈부착 가능하도록 부착될 수 있다. 그 결과, 센서 모듈(14)은 웨어러블 센서 플랫폼(10)의 밑부분 또는, 베이스 모듈(12)의 끝쪽에 배치될 수 있다. 사용자의 손목의 아래쪽에 피부와 적어도 부분적으로 접촉하도록 그러한 방법으로 센서 모듈(14)을 배치하는 것은, 센서 유닛들(24)이 사용자로부터 생리적 데이터를 감지할 수 있도록 한다. 센서 유닛들(24)의 접촉 표면(들)은 센서 모듈(14)의 표면 위에, 밑에 (또는 그러한 배치의 조합) 배치될 수 있다.
베이스 모듈(12)은 밴드(16)에 부착되어, 베이스 모듈(12)은 웨어러블 센서 플랫폼(10)의 윗부분에 배치될 수 있다. 그러한 방법으로 베이스 모듈(120)을 배치함으로써, 그것은 적어도 부분적으로 손목의 윗부분과 접촉한다.
베이스 모듈(12)은 베이스 컴퓨팅 유닛(20), 및 그래픽 유저 인터페이스(graphical user interface; GUI)가 제공되는 디스플레이(18)를 포함할 수 있다. 예를 들어, 베이스 모듈(12)은 시간을 표시하는 것, 계산을 실행하는 것, 및/또는 센서 모듈(14)로부터 수집된 센서 데이터를 포함하는 데이터를 표시하는 것을 포함하는 기능들을 실행할 수 있다. 센서 모듈(14)과의 통신뿐만 아니라, 베이스 모듈(12)은 인체 영역 네트워크를 형성하기 위해 사용자의 다른 인체 부분들에 부착된 다른 센서 모듈들(미도시)과 무선 통신할 수 있다. 또는 스마트폰, 태블릿, 디스플레이 또는 다른 컴퓨팅 장치들과 같은 억세서블 디바이스들(미도시)과도 가능하다. 도 4에서 상세하게 설명될 것과 같이, 베이스 컴퓨팅 유닛(20)은 프로세서(202), 메모리(206), 입력/출력(208), 통신 인터페이스(205), 배터리(22), 그리고 가속도계/자이로스코프(214A) 및 온도계(214B)와 같은 한 세트의 센서들(214)을 포함할 수 있다.
센서 모듈(14)은 사용자로부터 그리고 베이스 모듈(12)과의 통신으로부터 데이터(예를 들어, 생리적, 활동 데이터, 수면 상태 및/또는 다른 데이터)를 수집할 수 있다. 센서 모듈(14)은 센서 플레이트(26)에 내장된 센서 유닛들(24)을 포함할 수 있다. 실시 예에 있어서, 손목 시계와 같은 포터블 디바이스는 매우 작은 크기와 제한된 배터리 전력을 가질 수 있고, 개시된 타입의 센서 유닛들(24)은 특히 손목 시계에서 센서 측정의 실행을 위해 적합할 수 있다. 실시 예에 있어서, 센서 모듈(14)은 밴드(16)에 조절할 수 있도록 부착될 수 있고, 베이스 모듈(12)은 고정된 위치에 있지 않을 수 있으나, 손목의 생리적 기질(physiological make-up)에 의존하여 다르게 구성될 수 있다.
센서 유닛들(24)은 광학 센서 어레이 (optical sensor array), 온도계, 피부 전도 반응 (galvanic skin response; GSR) 센서 어레이, 바이오임피던스 (bioimpedance; BioZ) 센서 어레이, 심전도 (electrocardiogram; ECG) 센서, 또는 그들의 조합을 포함할 수 있다. 센서 유닛들(24)은 외부에 관한 정보를 취득할 수 있고 그것을 웨어러블 모듈러 센서 플랫폼(10)에 제공할 수 있다. 센서들(24)은 사용자에게 주변의 입력(environmental input) 및 피드백을 제공하기 위해 다른 컴포넌트들과 함께 동작할 수 있다. 예를 들어, MEMS 가속도계는 프로세서(202)에 의한 사용을 위해, 위치, 움직임, 경사, 충격, 및 진동과 같은 측정 정보에 이용될 수 있다. 다른 센서(들) 역시 사용될 수 있다. 센서 모듈(14)은 센서 컴퓨팅 유닛(28)을 포함할 수 있다. 센서 유닛들(24)은 생물학적(biological) 센서들(예를 들어, 맥박, 맥박 산소 측정법(pulse oximetry), 신체 온도, 혈압, 체지방 등), 대상들의 근접도를 감지하기 위한 근접 검출기(proximity detector), 그리고 환경 센서(environmental sensor)들 (예를 들어, 온도, 습도, 주변광, 압력, 고도, 범위 등)을 포함할 수 있다.
다른 실시 예로써, 클래스프(clasp)(31)는 ECG 전극을 제공할 수 있다. 클래스프(31)가 접촉되었을 때, 클래스프(31) 상의 하나 또는 그 이상의 센서 유닛들(24) 및 ECG 전극은 완전한 ECG 신호 회로를 형성할 수 있다. 센서 컴퓨팅 유닛(28)은 데이터를 분석할 수 있고, 데이터에 대한 동작들(예를 들어, 계산)을 실행할 수 있고, 데이터를 주고받을 수 있고, 어떤 실시 예에서는, 센서 유닛들(24)에 의해 수집된 데이터를 저장할 수 있다. 센서 컴퓨팅 유닛(28)은 센서 유닛들(24) 중 하나 또는 그 이상의 센서들로부터, 예를 들어, ECG 신호의 데이터 표시(data indicative)를 수신할 수 있고, 수신된 데이터를 처리하여 신호의 미리 정의된 표시(예를 들어, ECG 신호)를 형성할 수 있다.
센서 컴퓨팅 유닛(28)은 데이터, 및/또는 하나 또는 그 이상의 미리 정의된 수신자(예를 들어, 베이스 컴퓨팅 유닛(20), 더 나아간 처리를 위해서는, 디스플레이, 통신 및 이와 유사한 것들)에게 수신된 데이터의 처리된 형태를 주고받도록 구성될 수 있다. 예를 들어, 어떤 실시 예에서는, 베이스 컴퓨팅 유닛(20) 및 센서 컴퓨팅 유닛은 데이터가 신뢰할만한지 여부를 판단할 수 있고, 사용자에게 제공되는 데이터의 신뢰 지수(indication of confidence)를 판단할 수 있다.
센서 컴퓨팅 유닛(28)은 센서 플레이트(26) 내에 집적되기 때문에, 도 1 및 도 2에는 점선으로 도시되었다. 다른 실시 예에 있어서, 센서 컴퓨팅 유닛(28)은 생략되거나, 웨어러블 센서 플랫폼(10)의 다른 곳에 배치되거나, 또는 웨어러블 센서 플랫폼(10)으로부터 떨어져 배치될 수 있다. 센서 컴퓨팅 유닛(28)이 생략되는 실시 예에 있어서, 베이스 컴퓨팅 유닛(20)은 센서 컴퓨팅 유닛(28)에 의해 실행될 수 있는 기능들을 실행할 수 있다. 센서 모듈(14)과 베이스 모듈(12)의 조합을 통하여, 데이터는 수집되고, 전송되고, 저장되고, 분석되고, 그리고 사용자에게 제공될 수 있다.
도 3에 도시된 웨어러블 센서 플랫폼(10)은 도 1 및 도 2에 도시된 웨어러블 센서 플랫폼(10)과 유사하다. 따라서, 웨어러블 센서 플랫폼(10)은 밴드(12), 배터리(22), 클래스프(34), 디스플레이/GUI(18)를 포함하는 베이스 모듈(12), 베이스 컴퓨팅 유닛(20), 그리고 센서 유닛(24), 센서 플레이트(26), 및 광학 센서 컴퓨팅 유닛(28)을 포함하는 센서 모듈(14)을 포함할 수 있다. 그러나, 도 3에 도시된 바와 같이, 어떤 모듈들의 위치는 변경될 수 있다. 예를 들어, 도 3에 도시된 클래스프(34)는 도 1에 도시된 클래스프보다 디스플레이/GUI(18)에 더 가까울 수 있다. 유사하게, 도 3에서, 배터리(22)는 베이스 모듈(12)과 함께 내장될 수 있다. 도 1에 도시된 실시 예에 있어서, 배터리(22)는 디스플레이(18)에 반대편인, 밴드(16)에 내장된다. 그러나, 어떤 실시 예에서, 배터리(22)는 베이스 모듈(12)을 충전할 수 있고, 옵션적으로 베이스 모듈(12)의 내부 배터리(미도시)를 충전할 수 있음은 잘 이해될 것이다. 이러한 방법에서, 웨어러블 센서 플랫폼(10)은 지속적으로 사용자에게 착용 될 수 있다. 따라서, 다양한 실시 예에서, 모듈들의 위치 및/또는 기능 그리고 다른 컴포넌트들은 변경될 수 있다.
도 4는 베이스밴드 모듈(12)을 포함하는 모듈러 웨어러블 센서 플랫폼(10) 및 컴포넌트들의 일 실시 예를 보여주는 도면이다. 웨어러블 센서 플랫폼(10)은 도 1 내지 도 3에 도시된 웨어러블 센서 플랫폼(10)과 유사하다. 따라서, 웨어러블 센서 플랫폼(10)은 유사한 기준 라벨을 갖는 유사한 컴포넌트들을 포함할 수 있다. 이 실시 예에서, 웨어러블 센서 플랫폼(10)은 밴드(16), 및 밴드(16)에 부착된 센서 모듈(14)을 포함할 수 있다. 제거가능한 센서 모듈(14)은 밴드(16)에 부착되는 센서 플레이트(26), 및 센서 플레이트(26)에 부착되는 센서 유닛들(24)을 포함할 수 있다. 센서 모듈(14)은 센서 컴퓨팅 유닛(32)을 포함할 수 있다.
웨어러블 센서 플랫폼(10)은, 도 1 내지 도 3에 도시된 베이스 컴퓨팅 유닛(20) 및 하나 또는 그 이상의 배터리들(22)과 유사한, 도 4에 도시된 베이스 컴퓨팅 유닛(20) 및 하나 또는 그 이상의 배터리들(201)을 포함할 수 있다. 예를 들어, 도 1 내지 도 3에 도시된 배터리(22)와 유사한 내장형 배터리(permanent battery) 및/또는 제거가능한 배터리(201)가 제공될 수 있다. 실시 예에 있어서, 베이스 컴퓨팅 유닛(20)은 통신 인터페이스(205)를 통하여 센서 컴퓨팅 유닛(32)과 통신하거나 이를 제어할 수 있다. 실시 예에 있어서, 통신 인터페이스(205)는 시리얼 인터페이스로 구성될 수 있다. 베이스 컴퓨팅 유닛(20)은 프로세서(202), 메모리(206), 입력/출력(208), 디스플레이(18), 통신 인터페이스(205), 센서(214), 및 전력 관리 유닛(220)을 포함할 수 있다.
프로세서(202), 메모리(206), I/O(208), 디스플레이(18), 통신 인터페이스(205), 센서(214), 및 전력 관리 유닛(220)은 시스템 버스(미도시)를 통하여 함께 연결될 수 있다. 프로세서(202)는 하나 또는 그 이상의 코어를 갖는 싱글 프로세서, 또는 하나 또는 그 이상의 코어들을 갖는 멀티 프로세서를 포함할 수 있다. 프로세서(202)는 I/O(208)와 함께 사용자에 의해 주어진 언어의 청각 주파수 명령(verbal audio frequency command)을 받고, 수신하고, 변환하고, 처리하도록 구성될 수 있다. 예를 들어, 오디오 코덱이 사용될 수 있다. 프로세서(202)는 운영 체제(OS)의 명령 및 다양한 애플리케이션들(204)을 처리할 수 있다. 프로세서(202)는 디바이스 컴포넌트들 사이의 명령 상호작용(command interaction)들 및 I/O 인터페이스에 걸쳐있는 통신들을 제어할 수 있다. 예를 들어, OS(204)는 Linux Android™, 및 Android Wear를 포함할 수 있으나, 이에 한정되지 않는다.
예를 들어, 메모리(206)는 RAM(예를 들어, DRAM 및 SRAM), ROM, 캐시(cache), 가상 메모리 마이크로드라이브, 하드디스크, 마이크로 SD 카드, 및 플래시 메모리를 포함할 수 있다. 예를 들어, I/O(208)는 정보를 입력하거나 출력하는 컴포넌트들을 포함할 수 있다. 예를 들어, 컴포넌트들은 마이크로폰, 메세징, 카메라, 및 스피커를 포함하는, 입력되거나, 출력되거나, 또는 다른 처리된 데이터를 수용할 능력이 있는 것들을 갖는 I/O(208)를 포함할 수 있다. I/O(208)는 오디오 칩(미도시), 디스플레이 컨트롤러(미도시), 및 터치스크린 컨트롤러(미도시)를 포함할 수 있다.
통신 인터페이스(205)는 단방향 또는 양방향 무선 통신을 지원하기 위한 컴포넌트들을 포함할 수 있고, 네트워크를 통한 무선 통신을 위한 무선 네트워크 인터페이스 컨트롤러 (또는 이와 유사한 컴포넌트)를 포함할 수 있다(다른 실시 예에서는, 유선 인터페이스, 또는 멀티플 인터페이스). 실시 예에 있어서, 통신 인터페이스(205)는, 주로 원격으로, 디스플레이(18)에 표시되고 업데이트 되는 스트리밍 데이터를 포함하는 데이터를 수신하기 위한 것이다. 그러나 다른 실시 예에 있어서, 데이터를 전송하는 것 이외에, 통신 인터페이스(205)는 음성 전송을 지원할 수도 있다. 다른 실시 예에 있어서, 통신 인터페이스(205)는 낮고 중간의 전력 라디오 주파수(power radio frequency) 통신을 지원할 수 있다. 어떤 실시 예에 있어서, 무선 통신은 BLE (Bluetooth Low Energy), WLAN (wireless local area network), WiMAX, 수동 RFID (passive radio-frequency identification), 네트워크 아답터 및 모뎀을 포함할 수 있다. 그러나 다른 실시 예에 있어서, 무선 통신은 WAN (Wide Area Network) 인터페이스, Wi-Fi, WPAN, 멀티 홉 네트워크 (multi-hop networks), 또는 3G, 4G, 5G 또는 LTE (Long Term Evolution)와 같은 셀룰러 네트워크 (cellular network)를 포함할 수 있다. 다른 무선 옵션들은, 예를 들어, UWB (ultra-wide band) 및 적외선을 포함할 수 있다. 통신 인터페이스(205)는 무선 통신 외에, 접촉을 통한 직렬 통신 및/또는 USB 통신과 같은 다른 타입의 통신 장치들(미도시)을 포함할 수 있다. 예를 들어, 마이크로 USB 타입, 플래시 드라이브, 또는 다른 유선 연결이 통신 인터페이스(205)와 함께 사용될 수 있다.
실시 예에 있어서, 디스플레이(18)는 베이스 컴퓨팅 유닛(20)과 함께 집적될 수 있다. 반면, 다른 실시 예에서, 디스플레이(18)는 베이스 컴퓨팅 유닛(20) 외부에 있을 수 있다. 디스플레이(18)는 평평하거나 굴곡질 수 있다. 예를 들어, 디스플레이(18)는 웨어러블 센서 모듈 플랫폼(10)이 위치하는 (예컨대, 손목, 발목, 머리 등) 인체의 부분의 곡률과 유사하도록 굴곡질 수 있다.
디스플레이(18)는 터치 스크린이거나 제스처 컨트롤(gesture control) 될 수 있다. 디스플레이(18)는 OLED (Organic Light Emitting Diode) 디스플레이, TFT LCD (Thin-Film-Transistor Liquid Crystal Display), 다른 적절한 디스플레이 기술일 수 있다. 디스플레이(18)는 액티브-매트릭스(active-matrix)일 수 있다. 예를 들어, 디스플레이(18)는 AMOLED 디스플레이 또는 SLCD일 수 있다. 디스플레이는 3D이거나, 유연할(flexible) 수 있다. 센서(214)는 MEMS (micro electro mechanical system) 센서일 수 있다. 예를 들어, 그러한 센서는 가속도계/자이로스코프(214A) 및 온도계(214B)를 포함할 수 있다.
전력 관리 유닛(220)은 전원(22)에 연결될 수 있고, 적어도 베이스 컴퓨팅 유닛(20)의 전력 기능들과 통신하거나 이를 제어할 수 있는 마이크로컨트롤러를 포함할 수 있다. 전력 관리 유닛(220)은 프로세서(202)와 통신할 수 있고, 전력 관리를 조정할 수 있다. 실시 예에 있어서, 전력 관리 유닛(220)은 전력 레벨이 어떤 문턱 레벨 이하로 떨어졌는지 여부를 판단할 수 있다. 다른 실시 예에 있어서, 전력 관리 유닛(220)은 총 시간이 2차 충전(secondary charging)을 경과 하였는지 여부를 판단할 수 있다.
전력 관리 유닛(220)은 연료 전지(fuel cell) 또는 포토 전압 셀(photo voltage cell) 등과 같은, 내장형 또는 제거 가능한 배터리일 수 있다. 배터리(22)는 일회용일 수 있다. 실시 예에 있어서, 전원(22)은 충전할 수 있는 것을 포함할 수 있으며, 리튬 이온 배터리 또는 이와 유사한 것들이 사용될 수 있다. 전력 관리 유닛(220)은 전압 컨트롤러 및 배터리(22)를 충전하기 위한 충전 컨트롤러를 포함할 수 있다. 실시 예에 있어서, 하나 또는 그 이상의 태양 전지가 전원(22)으로 사용될 수 있다. 전원(22)은 AC/DC 전력 공급기에 의해 전원을 공급받거나 충전될 수 있다. 전원(22)은 비접촉 또는 접촉 방식에 의해 충전될 수 있다. 실시 예에 있어서, 전력 관리 유닛(220)은 통신하거나 전력 인터페이스(222)를 통하여 제거가능한 센서 모듈(14)로 배터리 전력을 공급할 수 있다. 실시 예에 있어서, 배터리(22)는 베이스 컴퓨팅 유닛(20)에 내장될 수 있다. 다른 실시 예에 있어서, 배터리(22)는 베이스 컴퓨팅 유닛(20) 외부에 있을 수 있다.
다른 웨어러블 디바이스 구성들이 사용될 수 있다. 예를 들어, 웨어러블 센서 모듈 플랫폼은 레그 또는 암 밴드 (leg or arm band), 가슴 밴드, 손목 밴드, 사용자에 의해 착용 되는 옷의 물품으로 구현될 수 있다. 또는 웨어러블 센서 모듈 플랫폼은, 센서 유닛들(23)이 정확한 그리고 신뢰할만한 데이터를 얻기 위해 사용자의 피부에 적절한 위치를 갖게 배치되도록, 사용자에 의해 착용 되는 디바이스들로써 구현될 수 있다.
도 5는 웨어러블 센서 모듈(10)의 일 실시 예를 보여주는 도면이다. 도 5의 윗부분은 사용자의 손목(11)을 둘러싼 웨어러블 센서 모듈(10)의 단면을 보여준다. 도 5의 아랫부분은 밴드(16)의 펼쳐진 형태를 보여준다.
본 실시 예에 따르면, 웨어러블 센서 모듈(10)은 적어도 광학 센서 어레이(301)를 포함하고, 온도계(303), 피부 전도 반응 (galvanic skin response; GSR) 센서 어레이(305), 바이오임피던스 (BioZ) 센서 어레이(307), 및 심전도(electrocardiogram; ECG) 센서(309), 다른 센서(들)(311), 또는 이들의 다양한 조합들을 포함할 수 있다.
다른 실시 예에 따르면, 센서 유닛들(24)은 밴드(16)에 배치되는 디스크리트 센서(discrete sensor)들의 어레이로 구성된 센서 어레이(들)로써 구성되어, 밴드(16)가 신체의 일부에 착용 될 때, 각각의 센서 어레이는 특정한 혈관(예를 들어, 정맥, 동맥, 또는 모세 혈관), 또는 혈관과 상관없는 더 큰 전기적 반응을 갖는 영역에 걸쳐있을 수 있다.
좀 더 상세하게 설명하면, 도 5에 도시된 바와 같이, 센서 어레이는 대체로 혈관의 길이 방향에 수직으로 배치될 수 있고, 최적의 신호를 얻기 위해 혈관의 폭과 오버래핑될 수 있다. 실시 예에 있어서, 밴드(16)는 센서 어레이(들)을 포함하는 센서 유닛들(24)이 사용자의 피부에 접촉할 수 있도록 착용 될 수 있으나, 밴드(16)가 사용자의 손목(11)과 같은 신체 일부에 걸쳐 어떤 움직임으로부터 방해받지 않도록, 또는 센서가 접촉하는 지점에서 사용자가 불편함을 느끼지 않도록, 너무 타이트하지 않게 착용 될 수 있다.
다른 실시 예에 있어서, 센서 유닛들(24)은 광학 센서 어레이(301)를 포함할 수 있고, 상대적인 혈류, 맥박, 및/또는 혈중 산소 레벨을 측정할 수 있는 PPG (photoplethysmograph) 센서 어레이를 포함할 수 있다. 본 실시 예에서, 충분한 정확도 및 신뢰도를 갖는 측정을 얻기 위해, 광학 센서 어레이(301)는 광학 센서 어레이(301)가 노동맥(radial artery) 또는 자동맥(ulnar artery)과 같은 동맥에 충분히 근접하게 배치될 수 있도록, 센서 모듈(14)에 배치될 수 있다.
광학 센서 어레이(301)에 대하여 좀 더 상세하게 설명될 것이다. 일반적으로, 디스크리트 광학 센서들(discrete optical sensors)(301A)의 각각의 구성 및 레이아웃은 사용되는 케이스에 따라 매우 다양할 수 있다. 한 실시 예에 있어서, 광학 센서 어레이(301)는 디스크리트 광학 센서들(301A)을 포함할 수 있는데, 각각의 디스크리트 광학 센서(301A)는 적어도 하나의 광검출기(photodetector)(301B) 및 광검출기(301B)에 인접하여 배치된 적어도 두 개의 매칭 광원의 조합이다. 실시 예에 있어서, 디스크리트 광학 센서들(301A)은 밴드(16) 상에서 약 0.5 내지 2 mm 정도의 미리 정해진 거리만큼 그것의 인접한 것과 떨어져 있을 수 있다.
실시 예에 있어서, 광원들(301C) 각각은 LED (light emitting diode)를 포함할 수 있는데, 디스크리트 광학 센서들 각각의 LED들은 다른 파장의 광을 방출할 수 있다. LED들에 의해 방출되는 빛의 색상은 녹색, 붉은색, 근적외선, 및 적외선 파장들을 포함할 수 있다. 광검출기들(301B) 각각은 수신된 광 에너지를 전기적 신호로 변환시킬 수 있다. 실시 예에 있어서, 신호들은 투과율 광전용적맥파 (transmittance photoplethysmograph) 신호들을 포함할 수 있다. 실시 예에 있어서, 광검출기(301B)는 포토트랜지스터(phototransistor)들을 포함할 수 있다. 다른 실시 예에 있어서, 광검출기(301B)는 CCD (charge-coupled device)들을 포함할 수 있다.
본 발명의 실시 예에 따른 조절 가능한 센서 지원 구조에 의하면, 유연한 브리지 구조(flexible bridge structure)에 의해 지원되는 센서들은 밴드를 따라 양 끝단이 서로 직렬로 연결될 수 있다. 예를 들어, 브리지에 의해 지원되는 센서들을 갖춘 그러한 밴드들은 손목에 착용 될 수 있다. 손목과 같은 측정 위치에 착용 될 때, 손목의 변화하는 토폴로지(topology)는, 손목의 변화하는 토폴로지에 대한 밴드의 준수(compliance of the band)로 인하여 동시에 브리지들로 가해지는 힘을 유발할 수 있다.
다른 종류의 디바이스들도 사용자와의 상호작용을 위해 제공하는데 사용될 수 있다. 예를 들어, 사용자에게 제공되는 피드백은 어떠한 형태의 감각 피드백(sensory feedback)(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백) 일 수 있다. 그리고 사용자로부터의 입력은 음향, 말, 또는 촉각 입력을 포함하는 어떠한 형태로 수신될 수 있다.
본 명세서에서 설명되는 시스템 및 기술들은 컴퓨팅 시스템으로 구현될 수 있다. 이때 컴퓨팅 시스템은 백 엔드 컴포넌트(back end component)(예를 들어, 데이터 서버로서의), 또는 미들웨어 컴포넌트(middleware component)(예를 들어, 애플리케이션 서버로서의), 또는 프런트 엔드 컴포넌트(front end component)(예를 들어, 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터, 또는 사용자가 본 명세서에서 설명된 시스템 및 기술의 구현과 상호 작용할 수 있는 웹 브라우저), 또는 백 엔드 컴포넌트, 미들웨어 컴포넌트, 또는 프런트 엔드 컴포넌트의 어떤 조합을 포함할 수 있다. 시스템의 컴포넌트들은 디지털 데이터 통신(예를 들어, 통신 네트워크)의 어떠한 형태 또는 매체에 의해 서로 연결될 수 있다. 예를 들어, 통신 네트워크는 LAN (local area network), WAN (a wide area network), 및 인터넷을 포함할 수 있다.
컴퓨팅 시스템은 클라이언트들 및 서버들을 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있을 수 있고, 일반적으로 통신 네트워크를 통하여 통신할 수 있다. 클라이언트와 서버의 관계는 각각의 컴퓨터들에서 구동되고 서로 클라이언트-서버 관계를 갖는 컴퓨터 프로그램의 장점에 의해 유발될 수 있다. 예를 들어, 다양한 클라우드 기반의 플랫폼들 및/또는 다른 데이터베이스 플랫폼들이, 모듈러 센서 플랫폼(10)으로 데이터를 전송하거나 또는 모듈러 센서 플랫폼(10)으로부터 데이터를 수신하기 위한 모듈러 센서 플랫폼(10)의 구현에 사용될 수 있다.
도 6은 센서 모듈(14)의 컴포넌트의 일 실시 예를 보여주는 블록도이다. 센서 모듈(14)은 센서 모듈들(14)과 유사하다. 따라서, 센서 모듈(14)은 유사한 라벨(label)들을 갖는 유사한 컴포넌트들을 포함할 수 있다. 앞서 설명된 바와 같이, 센서 모듈(14)은 센서 플레이트(26) 및 센서 컴퓨팅 유닛(28)에 부착된 센서 유닛들(24)을 포함할 수 있다. 실시 예에 있어서, 센서 유닛들(24)은 광학 센서 어레이(301), 온도계(303), GSR 센서 어레이(305), 바이오임피던스 센서 어레이(307), 및 ECG 센서(309), 다른 센서(들)(311) 및/또는 이들의 조합을 포함할 수 있다. 비록 특정한 수의 센서들 및 센서 어레이들이 도시되었다 하더라도, 다른 수의 센서들/센서 어레이들 및/또는 다른 센서들/센서 어레이들이 포함될 수 있다. 센서들 및/또는 어레이들은 센서 플레이트(26) 또는 밴드(16)에 부착될 수 있다.
실시 예에 있어서, 광학 센서 어레이(301)는, 상대적인 혈류, 맥박, 및/또는 혈중 산소 레벨을 측정할 수 있는 PPG (photoplethysmograph)를 포함할 수 있다. 실시 예에 있어서, 광학 센서 어레이(12)는 디스크리트 광학 센서(discrete optical sensor)들의 어레이를 포함할 수 있는데, 각각의 디스크리트 광학 센서는 적어도 하나의 광검출기 및 광검출기에 인접하여 배치된 적어도 두 개의 매칭 광원(예를 들어, LED들)의 조합이다. 이 실시 예에서, 광학 센서 어레이(301)는 광학 센서 어레이(301)가 노동맥(radial artery) 또는 자동맥(ulnar artery)과 같은 혈관에 걸쳐있도록 밴드에 배치될 수 있다.
온도계(303)는 온도 및 온도 기울기를 측정할 수 있다. GSR (galvanic skin response) 센서 어레이(305)는 습도 레벨과 함께 변하는 피부의 전기적 전도도를 측정할 수 있는 네 개 또는 그 이상의 GSR 센서들을 포함할 수 있다. 바이오 임피던스(bioimpedance; BioZ) 센서 어레이(307)는 조직을 통한 전류의 흐름으로의 생체전기저항(bioelectrical impedance) 또는 그 반대(opposition)를 측정할 수 있는 네 개 또는 그 이상의 바이오임피던스 센서들을 포함할 수 있다. 다른 실시 예에서, 어레이들(305 및/또는 307)은 다른 개수의 센서들을 포함할 수 있다. 본 실시 예에 있어서, 바이오임피던스 센서 어레이(16)는 광학 센서 어레이(301)가 노동맥(radial artery) 또는 자동맥(ulnar artery)과 같은 혈관에 걸쳐있도록 밴드에 배치될 수 있다. 실시 예에 있어서, 바이오임피던스 센서들을 포함하는 하나 또는 그 이상의 전극들은 하나 또는 그 이상의 GSR 센서들(305)과 다중송신(multiplexed)될 수 있다. 심전도(electrocardiogram; ECG) 센서(309)는 기간에 걸쳐 사용자의 심장의 전기적 활동을 측정할 수 있다.
실시 예에 있어서, ECG(309), 바이오임피던스 센서 어레이(307), GSR(305), 온도계(303), 광학 센서 어레이(301), 및 다른 센서(들)(311)은 제어하고 센서 유닛들(24)로부터 데이터를 수신하는 센서 컴퓨팅 유닛(28)에 연결될 수 있다. 실시 예에 있어서, 센서 컴퓨팅 유닛(28)은 밴드(16)(미도시)의 일부일 수 있다. 다른 실시 예에 있어서, 센서 컴퓨팅 유닛(28)은 센서 플레이트(26)의 일부일 수 있다. 다른 실시 예에 있어서, 센서 컴퓨팅 유닛(28)은 베이스 컴퓨팅 유닛(20)에 이익이 되도록 생략될 수 있다. 그러한 실시 예들에서, 센서 컴퓨팅 유닛(28)에 의해 실행되는 기능들은 베이스 컴퓨팅 유닛(20)에 의해 실행될 수 있다.
센서 컴퓨팅 유닛(28)은 ECG 및 바이오임피던스(BIOZ) 아날로그 프런트 엔드(analog front end; AFE)(302), GSR AFE(304), 광학 센서 AFE(306), 프로세서(308), 아날로그 디지털 컨버터(ADC)(310), 메모리(312), 3 차원 가속도계(three-axis accelerometer), 압력 센서(316), 및 배터리(318)를 포함할 수 있다. 실시 예에 있어서, 배터리(318)는 배터리(22)로 대체될 수 있다. 게다가, 가속도계(314)는 센서 컴퓨팅 유닛(28), 베이스 컴퓨팅 유닛(20), 또는 웨어러블 센서 플랫폼(10)의 다른 위치에 있을 수 있다.
여기서 사용된 바와 같이, AFE는 대응하는 센서들과 ADC(310) 또는 프로세서(308) 사이의 아날로그 신호 처리 회로 인터페이스(analog signal conditioning circuitry interface)를 포함할 수 있다. ECG 및 BIOZ AFE(302)는 ECG(18) 및 바이오임피던스 센서 어레이(307)와 신호들을 교환할 수 있다. 그리고 광학 센서 AFE(306)는 광학 센서 어레이(301)와 신호들을 교환할 수 있다. 실시 예에 있어서, GSR AFE(304), 광학 센서 AFE(306), 가속도계(314), 및 압력 센서(316)는 버스(320)를 통하여 ADC(310)와 연결될 수 있다. ADC(310)는 전압과 같은 물리량을 진폭을 나타내는 디지털 숫자로 변환시킬 수 있다.
실시 예에 있어서, ECG 및 BIOZ AFE(302), 메모리(312), 프로세서(308), 그리고 ADC(310)는 마이크로컨트롤러(322)의 컴포넌트들일 수 있다. 예를 들어, 프로세서(308)는 ARM Holdings사에 의한 Cortex 32-bit RISC ARM 프로세서 코어와 같은, RISC (reduced instruction set computer)를 포함할 수 있다. 실시 예에 있어서, 센서 컴퓨팅 유닛(28)은 베이스 컴퓨팅 유닛(28)으로의 차후의 전송을 위해 메모리(312)에 있는 센서 데이터를 수집하고 저장할 수 있다.
신뢰 지수(confidence indicator; CI) 엔진(400)이 프로세서(308)의 일부로써 설명된다. 다른 실시 예에서, CI 엔진(400)은 베이스 컴퓨팅 유닛(20)에 있는 프로세서의, 센서 모듈(14)에 있는 다른 프로세서(미도시)의, 또는 웨어러블 센서 플랫폼(10)에 있는 또 다른 프로세서(미도시)의 일부로 고려될 수 있다. CI 엔진(400)은 프로세서(308)에서 실행되는 명령으로써 구현될 수 있고, 센서 모듈(14)을 사용하여 측정되는 생리적 데이터를 위한 신뢰 지수를 판단하는데 사용될 수 있다.
특히, CI 엔진은 관심 있는 생리적 파라미터를 위한 데이터와는 별개로 획득된 잡음 데이터(artifact data), 및/또는 처리된 생리적 데이터 신호에 포함될 수 있는 신뢰도(level of confidence)를 판단하기 위한 생리적 데이터에 내재 된 노이즈 데이터를 이용할 수 있다. 여기서 사용된, 노이즈 데이터는 관심 있는 생리적 파라미터의 측정들에 내재 된 생리적 데이터의 일부분이고, 관심 있는 생리적 파라미터의 측정들을 사용하여 (적어도 부분적으로) 추정될 수 있다. 예를 들어, (관심 있는 생리적 파라미터인) 심장 박동을 판단하는데 있어서, 노이즈 데이터는 광학 센서 어레이(301)에 의해 실행된 PPF 측정들에 내재 되어 있다. 노이즈의 양은 광학 센서 어레이(310)로부터의 PPG 데이터의 신호 처리를 사용하여 판단될 수 있다. 잡음 데이터(Artifact data)는 관심 있는 생리적 파라미터와 별도로 측정될 수 있다. 잡음 데이터는 생리적 데이터를 측정하는 같은 센서 유닛(들)(24) 및/또는 별도의 센서 유닛(들)에 의해 측정될 수 있다. 잡음 데이터는 관심 있는 생리적 파라미터와 관련될 수 있고 관심 있는 물리적 파라미터의 측정들에 영향을 줄 수 있다. 이것을 확장시키기 위해, 잡음 데이터는 노이즈(noise)에 대한 잡음(artifact)의 기여를 측정 (또는 추정)하는데 사용될 수 있다. 그러나, 아무것도 "잡음" 데이터가 다른 생리적 파라미터에 관련된 생리적 데이터일 수 있다는 것을 방해할 수 없다. 앞서 PPD 데이터의 예에서, 가속 데이터(잡음 데이터)는 가속도계(314)에 의해 측정될 수 있다. 가속 데이터에 의해 지시되는 움직임은 심장 박동률을 판단하는데 사용되는 PPG 데이터에 있는 노이즈에 기여할 수 있다. 예를 들어, 이 기여는 가속 데이터의 주파수 스펙트럼에 있는 피크(peak)들을 PPG 데이터에 있는 피크들과 연관시킴으로써 판단될 수 있다. 심장 박동률 측정에서의 신뢰도를 판단하는데 있어서, 가속도계(314)로부터의 생리적 데이터 및 잡음 데이터로부터 판단된 데이터 중 하나 또는 둘 다 사용될 수 있다. 예를 들어, PPG 측정에 있어서의 신호-대-잡음 비(노이즈 데이터) 및 가속 데이터(잡음 데이터)는 (관심 있는 생리적 파라미터인) 심장 박동을 감지하는데 있어서 신뢰도(level of confidence)를 판단하는데 사용될 수 있다. 나아가 신호-대-잡음 비를 판단하는 것은 처리된 잡음 데이터의 사용과 관련될 수 있다는 것을 상기하라. 이 신뢰도의 지수는 웨어러블 센서 플랫폼(10)의 사용자에게 제공될 수 있다.
CI 엔진(400)은 특정한 신호 처리 알고리즘을 사용할 수 있고, 또는 노이즈의 레벨을 판단하기 위해 측정할 수 있다. 예를 들어, 노이즈 및/또는 잡음의 절대적인 한계(absolute limit), 주파수 특징들(예를 들어, 주파수 스펙트럼의 피크의 개수, 또는 생리적 데이터로부터의 피크들 및 주파수 스펙트럼에 있는 잡음 데이터 사이의 오버래핑), 표준 편차 임계(standard deviation threshold), 피크-투-피크 노이즈(peak-to-peak noise) 및/또는 잡음 임계(artifact threshold), 비율 임계(ratio threshold), 노이즈/잡음의 주기 특성(cyclic nature), (평균 노이즈/잡음 레벨 및/또는 명시된 임계 노이즈/잡음 레벨에 의해 판단된) 어떤 노이즈/잡음 레벨 이상에서 존재하는 주 진동수 컴포넌트의 식별, 그리고 다른 특성들이 신뢰 지수(confidence indicator)를 판단하는데 사용될 수 있다. 실시 예에 있어서, 필터는 시간 영역 필터, 주파수 영역 필터, 베이지안(Bayesian) 필터, 칼만(Kalman) 필터, 템플릿-기초의 필터(template-based filter), 및/또는 다른 타입의 필터들(그러나, 이에 국한되지 않음)이 데이터에 있어서의 신뢰도를 판단하는데 사용될 수 있다. 실시 예에 있어서, 기능 극대화 또는 극소화 스킴이 사용될 수 있다. 예를 들어, 노이즈 및/또는 신호 품질에 관한 어떤 파라미터 또는 파라미터들의 세트와 관련된 "비용" 기능이 정의될 수 있다. 이 비용 기능은 극대화되거나 극소화될 수 있다. 다른 신호 처리 및/또는 노이즈 인식 알고리즘이 CI 엔진(400)에 의해 사용될 수 있다. CI 엔진(400)에 의한 잡음 데이터를 처리하는 것은, 신뢰 지수의 최종 계산에 앞서, 그것의 신호 처리를 알릴 수 있고, 그 반대도 가능하다. 앞서 설명된 심장 박동률/PPG의 예에 있어서, 가속도계로부터의 잡음 데이터(예를 들어, 주파수 스펙트럼의 피크들)는, PPG 데이터에 대한 신호-대-잡음 비를 판단하기에 앞서, 동작 잡음들을 제거하는데 사용될 수 있다. 사용되는 특정한 알고리즘은 CI 엔진(400)에 의해 분석되는 노이즈 데이터, 노이즈 데이터의 타입, 및/또는 생리적 데이터의 타입에 의존할 수 있다. 따라서, CI 엔진(400)의 동작은 노이즈를 분석하는데 사용되는 특정한 경험(heuristic)에 의존하지 않는다.
일단 CI 엔진에 의해 수신되면, 노이즈, 잡음, 및/또는 생리적 데이터는 규모, 표준 편차, 평균, 중간값, 모드, 푸리에 변환(Fourier transform), 하틀리 변환(Hartley transform), 및/또는 다른 처리된 데이터를 포함하지만 이에 한정되지 않는 양들을 생성하기 위해 처리될 수 있다. 처리된 데이터는 역격자 공간(inverse space), 위상 공간(phase space), 시간 공간, 및 주파수 공간을 포함하지만 이에 한정되지 않는 다양한 영역에서 사용될 수 있다. 예를 들어, 불연속적이거나 연속적일 수 있는 푸리에 변환이 주파수 및/또는 시간의 기능으로써 노이즈 및/또는 잡음 데이터에 있는 어떤 특징들을 찾아내고 필터링 하기 위해 사용될 수 있다. 예를 들어, 데이터는 스칼라 성능 지수(scalar figure of merit)(예를 들어, 표준 편차에 걸쳐있는 피크 값)로써 출력될 수 있도록 CI 엔진(400)에 의해 더 처리될 수 있고, 임계 값(들)과 관련하여 분석될 수 있다. 이 스칼라 신뢰 지수는 시간 의존적이고, 그리고 시각적인, 물리적인, 및/또는 음성적인 것을 포함하나 이에 한정되지 않는 다양한 방법으로 사용자에게 제공될 수 있다. 예를 들어, 특정한 구간에서의 스칼라 신뢰 지수 및 관련 임계(들) 사이의 관계에 기초하여, 특정한 컬러(예를 들어, 붉은색, 오렌지색, 녹색)가 디스플레이를 위해 선택될 수 있고, 생리적 데이터를 위한 파형이 특정한 방법(서로 다른 색상, 배경, 및/또는 포맷을 갖는 파형의 일부)으로 표시될 수 있고, 다른 컬러 및/또는 포맷을 갖는 텍스트가 사용될 수 있고, 알람이 울릴 수 있고, 그리고/또는 웨어러블 센서 플랫폼(10)이 진동 모드로 될 수 있다.
실시 예에 있어서, CI 엔진(400)에 의해 생성되는 신뢰 지수는 실시간으로 사용자에게 생리적 데이터의 제공을 채택하기 위해 사용될 수 있다. 예를 들어, 신뢰 지수에 기초하여, 디스플레이가 턴 온 되거나 턴 오프 될 수 있다. 사용자에게 제공되는 라인 폭, 라인 스타일, 라인 컬러, 배경 컬러, 및 데이터의 다른 면들과 같은 다양한 시각화 특징들은 실시간으로 변화되어, 생리적 데이터에 있어서의 현재의 신뢰도에 관하여 사용자를 업데이트할 수 있다. 앞서 설명된 음성 및 물리적 신뢰 지수는 처리된 노이즈 및/또는 잡음 데이터를 사용하여 제공될 수 있다. 어떤 실시 예에서, 생리적 데이터 신호의 낮은 신뢰 부분들(예를 들어, 임계 이하의 신뢰 지수)은 대체되거나, 감춰질 수 있다. 예를 들어, 대체는 보간된 데이터(interpolated data), 평균 데이터, 널 신호, 및/또는 다른 어떤 메커니즘을 사용하여 실행될 수 있다. 생리적 데이터를 처리하는데 사용되는 필터(들)은 신뢰 지수에 기초하여 선택될 수 있다. 어떤 실시 예에서, 신뢰 지수는 신호(들)이 스위칭 온/오프 될 예정에 있다는 것을 나타낼 수 있다. (예를 들어, 불필요한 정보를 제공하는 신호는 스위칭 오프 될 것이다.) 웨어러블 센서 플랫폼(10)의 동작 모드는 신뢰 지수에 기초하여 변할 수 있다.
CI 엔진(400)은 생리적 데이터에 내재 된 데이터를 추정하고, 사용자에게 생리적 데이터 신호를 제공하는데 이 추정을 사용할 수 있다. 예를 들어, 이 추정된 노이즈는 데이터 처리 동안 생리적 데이터로부터 제거될 수 있다. 노이즈가 생리적 데이터로부터 제거될 것인지 여부는 적어도 신뢰 지수의 일부에 의해 판단될 수 있다. 예를 들어, 필터링 알고리즘이 데이터로부터 노이즈 및/또는 잡음 데이터를 제거하기 위해 사용될 수 있다. 실시 예에 있어서, 필터링 알고리즘은 노이즈 데이터를 사용하여, 데이터로부터의 원치 않는 노이즈를 제거하거나 감소시키기 위한 목적을 위해, 생리적 데이터의 노이즈 컴포넌트를 예측하거나 추정할 수 있다. 유사하게, 생리적 데이터에 있는 노이즈에 기여하는 잡음들은 추정될 수 있고 생리적 데이터로부터 제거될 수 있다. 예를 들어, 필터링 알고리즘은 잡음 데이터를 사용하여, 잡음들을 감소시키거나 제거하기 위해 생리적 데이터에 있는 잡음들을 예측하고 추정할 수 있다. 생리적 데이터에 있는 노이즈 및/또는 잡음들은 생리적 데이터가 얻어지기 전에 획득된 데이터에 기초하여 예언적으로(predictively) 필터링 될 수 있다. 또는, 앞서 측정된 생리적 데이터는 소급적으로 제거된 노이즈 기여분(noise contributions)을 가질 수 있다. 데이터에 있는 노이즈는 그것의 습득 후에, 습득 동안 실시간으로, 또는 습득에 앞서, 예를 들어, 그들의 측정을 방해하는 특정한 주파수를 필터링 함으로써, 미리 제거될 수 있다. 원치 않는 노이즈 및/또는 잡음을 제거하기 위해 생리적 데이터를 필터링하는 것은 시간 영역, 주파수 영역, 또는 적절한 다른 영역에서 실행될 수 있다. 예를 들어, 시간 영역 필터는, 데이터가 주기적인 특성의 파형을 가질 때, 잡음의 제거를 위해 유용할 수 있다. 그러나, 만일 노이즈 및/또는 잡음 데이터의 진폭이 너무 크거나(즉, 생리적 데이터의 신뢰도가 너무 낮은 경우) 또는 노이즈 및/또는 잡음 데이터의 진폭이 너무 크다면(즉, 생리적 데이터의 신뢰도가 너무 높은 경우), 생리적 데이터로부터 노이즈/잡음을 제거하는데 있어서 컴퓨팅 리소스를 확장시키는 것이 바람직할 수 있다. 따라서, CI 엔진(400)에 의해 생성된 신뢰 지수는 노이즈 및/또는 잡음을 처리하고 생리적 데이터로부터 그러한 데이터를 제거하기 위해서뿐만 아니라, 그러한 데이터를 생리적 데이터로부터 제거하는지 여부를 판단하기 위해서 사용될 수 있다.
신뢰 지수에 기초하여 사용할 수 없다고 여겨지는 데이터는 감춰질 수 있다. 실시 예에 있어서, 노이즈 레벨들 및/또는 잡음들, 또는 그것의 평가는 신뢰 지수를 계산하는 프로세서의 일부로써 CI 엔진(400)에 의해 판단될 수 있다. 신뢰 지수에 기초하여, 은폐 과정(concealment process)이 실행될 필요가 있는지 여부가 판단될 수 있다(즉, 베이스라인 필터링과 같은 더 나아간 프로세싱을 방해하는 것으로부터 동작 잡음들을 제거하기 위해). 은폐 과정은 보간된 값들(interpolated values), 앞서 측정된 값들, 평균값들을 사용하는 것, 받아들일 수 없는 부분을 위한 널 신호(null signal)를 제공하는 것, 또는 받아들일 수 없는 데이터를 숨기는 것을 포함할 수 있다. CI 엔진(400)에 의해 판단된 신뢰 지수에 기초하여, 플랫폼(10)에 의해 다양한 조치들이 취해질 수 있다.
CI 엔진(400)은 신뢰 지수를 판단하는데 있어서 식별자(identifier)를 사용할 수 있다. 센서 유닛(들)(24)로부터 수신된 잡음 데이터 및 생리적 데이터는, 데이터 동기화 및/또는 데이터 통합을 위해 사용될 수 있는 타임스탬프(timestamp) 및/또는 위치 좌표를 포함하나 이에 한정되지 않는 식별 데이터를 포함할 수 있다. 센서 데이터는 시간 및/또는 위치 의존적일 수 있는 다른 센서 데이터에 대한 가산적인(additive), 감산적인(subtractive), 또는 상관적인(relational) 효과를 가질 수 있다.
앞서 설명된 바와 같이, CI 엔진(400)은 하나 또는 그 이상의 센서 유닛들(24)로부터의 데이터를 사용하여 신뢰 지수를 판단할 수 있다. CI 엔진(400)은 신뢰 지수를 계산하기 위해 관심 있는 생리적 파라미터를 위한 생리적 데이터, 노이즈 데이터, 잡음 데이터, 및/또는 다른 데이터를 이용할 수 있다. 예를 들어, 관심 있는 생리적 데이터는 센서 유닛(24)으로부터 CI 엔진(400)으로 제공될 수 있다. CI 엔진(400)은 데이터 처리 동안 생리적 데이터에 내재하는 신호-대-잡음 비(signal-to-noise ratio; SNR)를 판단할 수 있다. CI 엔진은 제거되거나, 숨겨지거나, 또는 이러한 처리의 일부로써 잡음을 차지할 수 있음을 상기하라. SNR의 크기는 신뢰 지수로써 사용되거나, 또는 생리적 데이터를 위한 다른 신뢰 지수의 계산의 일부일 수 있다. CI 엔진(400)은 측정되는 생리적 데이터를 위한 신호 품질 추정(signal quality estimation)을 제공할 수 있다.
생리적 데이터를 획득하는 동일한 센서 유닛(들)(24)은 잡음들이 생리적 데이터와 구분되도록 하기 위해 잡음 데이터를 CI 엔진(400)으로 제공할 수 있다. 예를 들어, ETI (electrode tissue impedance)는 관심 있는 생리적 데이터와 무관한 근거들을 위해 변할 수 있다. 예를 들어, 사용자의 손가락은 ECG 센서 유닛(309)과 관련하여(예를 들어, 유닛의 ECG 센서(309)가 클래스프 상에 있다면, 클래스프와 관련하여), 움직일 수 있다. 사용자의 피부는 센서(309)의 영역에서 늘어지거나 변할 수 있다. 그러한 움직임은 ETI에서의 변화에 대응하는 잡음들을 초래할 수 있다. ETI는 작은 전류를 흘리고 센서 유닛을 둘러싼 조직의 임피던스를 판단하는 센서 유닛에 의해 판단될 수 있다. ETI의 측정은 생리적 데이터의 측정과 분리될 수 있으나, 동일한 센서들에 의해 실행될 수 있다. 예를 들어, ECG 센서 어레이(309)는 ECG 측정 및 ECG 측정에 대응하는 것을 모두 실행할 수 있다. CI 엔진(400)은 ETI (잡음 데이터)를 사용하여 ECG (생리적 데이터)에 있어서 신뢰도(level of confidence)를 판단할 수 있다. 그렇게 하기 위해, CI 엔진(400)은 ETI (잡음) 데이터를 ECG (생리적) 데이터와 연관시킬 수 있다. 데이터가 일단 연관되면, 생리적 (ECG) 데이터에 있어서 신뢰도는 잡음들 (ETI) 데이터의 특징들에 기초하여 판단될 수 있다. 따라서, 잡음 데이터는 생리적 데이터를 측정하는 동일한 센서 유닛(24)에 의해 획득될 수 있고, 생리적 데이터를 위한 신뢰 지수를 제공하는데 사용될 수 있다.
CI 엔진(400)은 다른 센서 유닛(들)로부터의 데이터를 사용하여 신뢰 지수를 판단할 수 있다. 그렇게 하기 위해, CI 센서 엔진(400)은 하나의 센서 유닛(24)에 의해 측정되는 생리적 데이터를 다른 센서 유닛(24)으로부터의 잡음 데이터와 연관시킬 수 있다. 만일 충분한 연관성이 존재한다면, 생리적 데이터의 신뢰는 낮을 수 있다. 예를 들어, 앞서 설명된 ECG 측정들에 있어서, 움직임은 ECG 데이터에 있어서 노이즈(noise)로의 잡음들(artifacts)에 기여할 수 있다. 이 동작 잡음들은, 사용자 자신의 움직임 때문에, 사용자뿐만 아니라 전체 웨어러블 센서 플랫폼(10)과 관련된 센서 유닛(들)(309)의 움직임에 기인할 수 있다. 예를 들어, 팔의 스윙 모션(swinging motion)은 ECG 센서들(309)로부터의 생리적 데이터에 있어서 주기적 노이즈를 초래할 수 있다. ECG 센서 어레이(309)와 관련된 사용자의 움직임은 앞서 설명된 바와 같은 ETI에 의해 적어도 부분적으로 설명될 수 있다. 잔존하는 동작 잡음들에 접근하기 위해, 가속 데이터의 형태의 잡음 데이터는 가속도계(314)로부터 획득될 수 있다. 가속도계(314)로부터의 잡음 데이터는 ECG 센서들(309)로부터의 ECG 데이터와 연관될 수 있다. 예를 들어, 가속도 데이터 및 ECG 데이터는 주파수 스펙트럼으로 변환될 수 있다. 만일 가속도 데이터 및 ECG 데이터가 동일한 주파수에서 이질적인 피크들(extraneous peaks)을 갖는다면, 손의 움직임과 ECG 데이터 사이의 상관관계가 판단될 수 있고, 신뢰 지수에 대응하는 것이 제공될 수 있다.
유사하게, 동작 잡음들은 광학 센서 어레이(301)에 의해 실행되고 펄스를 판단하는데 사용되는 PPG 측정들에 있어서 쟁점이 될 수 있다. PPG 측정들을 위해, 팔과 관련된 밴드(16)의 움직임은 혈관과 관련된 광학 센서 어레이(301)의 위치를 변화시킬 수 있다. 팔의 스윙은, 예를 들어 팔과 관련된 밴드(16)의 움직임 때문에, 주기적인 노이즈를 초래할 수 있다. 가슴 밴드와 같은, 다른 실시 예에 있어서, 심장의 움직임은 PPG 측정 동안 노이즈의 소스일 수 있다. 이러한 동작 잡음들에 접근하기 위해, 가속 데이터의 형태의 잡음 데이터는 가속도계(314)에 의해 획득될 수 있다. 가속 데이터는 광학 센서 어레이(301)에 의해 획득된 PPG 데이터와 연관될 수 있다. 이러한 연관성에 기초하여, 동작으로 인한 잡음들 및 PPG 데이터의 노이즈에 대한 동작 잡음들의 기여가 판단될 수 있고, 심장 박동률의 신뢰도가 계산되고 사용자에게 제공될 수 있다.
뿐만 아니라, 특정한 생리적 파라미터를 위한 출력 신호를 판단하는데 있어서 생리적 데이터 및/또는 잡음 데이터의 타입들이 사용될 수 있음을 상기하라. 예를 들어, 심장 박동률의 판단은 ECG 센서 어레이(309)로부터의 ECG 데이터 (생리적 데이터) 및 광학 센서 어레이(301)로부터의 PPG 데이터 (생리적 데이터)를 모두 사용하여 박동률의 탐지를 사용할 수 있다. ECG 데이터를 위해, 잡음 데이터는 ECG 센서 어레이(309)에 의해 만들어지는 ETI 측정 및 가속도계(314)에 의해 만들어지는 가속 데이터로부터 비롯될 수 있다. PPG 데이터를 위해, 잡음 데이터는 가속도계(314)에 의해 만들어지는 가속 데이터로부터 비롯될 수 있다. 신호-대-잡음 비는 PPG 데이터 및 ECG 데이터를 위한 심장 박동률의 탐지를 위해 판단될 수 있다. 심장 박동률은 PPG 데이터 및 ECG 데이터에 기초하여 판단될 수 있다. 지수는 PPG 데이터, ECG 데이터 및 잡음 데이터 (가속 및 ETI)에 기초하여 판단될 수 있다. 따라서, CI 엔진은 복수의 소스들 및 생리적 데이터의 형태들(따라서 노이즈 데이터)을 잡음 데이터의 적당한 소스(들)과 결합하여, 관심 있는 생리적 파라미터를 위한 신뢰 지수(들)을 판단할 수 있다.
CI 엔진(400)은 복수의 신뢰 지수들을 결합하여 생리적 데이터를 위한 전반적인 신뢰 지수를 판단할 수 있다. 앞서 ECG 예에 있어서, CI 엔진은 ECG 센서들(309)에 의해 측정된 ECG 데이터 (노이즈를 포함하는 생리적 데이터), ECG 센서들에 의해 측정된 ETI (잡음 데이터), 및 가속도계(314)를 사용하여 측정된 가속 데이터 (잡음 데이터)에 있는 노이즈를 위해 추정을 사용하여, ECG 데이터를 위한 전반적인 신뢰 지수를 판단할 수 있다. 실시 예에 있어서, ETI 신뢰 지수, 동작/가속 신뢰 지수 및 SNR은 단순히 결합되어 전반적인 신뢰 지수를 제공할 수 있다. 다른 실시 예에 있어서, 다른, 적은 및/또는 추가적인 신뢰 지수들은 전반적인 신뢰 지수를 위해 결합될 수 있다. 그러나 노이즈 및/또는 잡음들의 어떤 소스들은 다른 것들보다 더 중요할 수 있다. 따라서, 어떤 실시 예에서, 기여도가 가중될 수 있다. 신뢰 지수들의 결합은, SNR에 있어서의 고도의 신뢰(즉, 높은 SNR)로 인한 중간-레벨의 신뢰도 및 동작 잡음들(고도의 움직임 야기된 노이즈)로 인한 저도의 신뢰를 초래할 수 있다. 실시 예에 있어서, 임계 이상 또는 이하인 어떤 신뢰 지수들은 임계 이상 또는 이하인 전반적인 신뢰 지수를 초래할 수 있다. 예를 들어, 아무런 동작 잡음들이 존재하지 않는 고도의 신뢰가 있다고 하더라도, 매우 낮은 SNR은 생리적 데이터에 있어서 낮은 레벨의 신뢰를 나타내는 신뢰 지수를 초래할 수 있다. 나아가, 신뢰 지수들의 다른 조합들은 다른 타입의 생리적 데이터를 위해 그리고/또는 웨어러블 센서 플랫폼(10)이 동작하는 다른 조건들을 위해 사용될 수 있다.
CI 엔진(400) 및 생리적 데이터 신호로부터의 신뢰 지수는 웨어러블 디바이스 플랫폼(10)의 사용자에게 제공될 수 있다. 데이터가 제공되는 방법은 신뢰 지수에 의해 판단될 수 있다. 예를 들어, 하이 로우 신뢰도(high low confidence level)(예를 들어, 특정한 임계 이상 또는 이하의 신뢰 지수)은 디폴트 방법으로 표시되는 생리적 데이터 신호를 초래할 수 있다. 어떤 데이터 신호들에 대해, 이것은 특정한 사이즈, 컬러, 또는 포맷의 폰트(font)일 수 있다. 다른 생리적 데이터 신호들에 대해, 신호에 대응하는 파형은 디폴트 포맷 (예를 들어, 선 두께 또는 타입, 배경 컬러, 또는 타입)을 가질 수 있다. 다른 실시 예에 있어서, 데이터의 높은 신뢰는 다른 방법(예를 들어, 녹색)으로 나타내어질 수 있다. 다른 레벨의 신뢰(예를 들어, 임계 이상, 이하, 및/또는 임계들 사이의 신뢰 지수)는 생리적 데이터의 일부 또는 전부가 또 다른 방법으로 표시되는 것을 초래할 수 있다. 어떤 데이터 신호들에 대해, 이것은 다른 사이즈(예를 들어, 더 작은), 컬러(예를 들어, 붉은색), 또는 포맷(예를 들어, 언볼디드체(unbolded) 또는 이탤릭체(italics))의 폰트일 수 있다. 다른 신뢰도를 갖는 데이터 신호에 대한 파형의 일부는 다른 컬러 또는 라인 포맷을 가질 수 있고, 감춰지거나 추정될 수 있고(예를 들어, 보간됨으로써 대체되거나 또는 다른 데이터), 다른 배경 컬러를 가질 수 있고, 또는 또 다른 방법으로 표시될 수 있다. 다른 실시 예에 있어서, 다른 컬러의 빛(예를 들어, 붉은 색 또는 오렌지색)이 사용될 수 있다. 따라서, 센서 모듈(14)을 사용하여, 센서 유닛들(24)로부터의 생리적 데이터는, 처리되어 숫자로 표시된 심장 박동률 또는 파형과 같은 데이터 신호로써 사용자에게 제공될 수 있을 뿐만 아니라, 생리적 데이터에 대한 신뢰도(level of confidence)의 표시를 동반할 수 있다.
도 7은 모듈러 웨어러블 센서 플랫폼(10)을 위한 CI 엔진(400') 및 센서 유닛들(24 및 214)을 보여주는 블록도이다. CI 엔진(400') 센서 유닛들(24), 센서 플레이트(26), 및 센서들(214)은 CI 엔진(400), 센서 유닛들(24), 센서 플레이트(26), 및 센서들(214)과 유사하고, 따라서 유사한 라벨들을 갖는다. 도시된 실시 예에 있어서, 센서 유닛들(24)은 광학 센서 어레이(301), 온도계(303), GSR 어레이(305), BioZ 센서 어레이(307), 및 ECG 센서(309), 다른 센서(들)(311) 및/또는 이들의 조합을 포함할 수 있다. 비록 특정한 수의 센서들 및 센서 어레이들이 도시되었다 하더라도, 다른 수의 센서들/센서 어레이들 및/또는 다른 센서들/센서 어레이들이 포함될 수 있다. 센서들 및/또는 어레이들은 센서 플레이트(26) 및 밴드(16)에 부착될 수 있다.
가속도계(314) 및 다른 센서들(214)이 도시되었다. 도시된 실시 예에 있어서, 가속도계(314)는 센서 모듈(14)의 일부일 수 있다. 다른 실시 예에 있어서, 가속도계(314)는 베이스 유닛(20)의 일부일 수 있다. 다른 센서(들)(214C)은 온도계(214B) 및/또는 베이스 컴퓨팅 유닛(20)에 위치하는 다른 센서들을 포함할 수 있다.
CI 엔진(400')은 프로세서(308)와 같은 프로세서에서 실행되는 소프트웨어로써, 그리고/또는 ASIC (application specific integrated circuit) 및/또는 프로세싱 유닛을 포함하나 이에 한정되지 않는 하드웨어로써 구현될 수 있다. CI 엔진(400')은 교차-상관관계(cross-correlation) 노이즈 프로세싱 모듈(410), 신호 프로세싱 모듈(420), 및 광 결합된(optional combined) CI 생성기(430)를 포함할 수 있다. CI 엔진(400')의 일부일 수 있거나 또는 CI 엔진(400')으로부터의 입력(들)을 수신할 수 있는 사용자 표시 블록(440)이 도시되었다. 신호 프로세싱 모듈(420)은 CI 엔진(400)의 일부이거나 또는 다른 모듈의 일부일 수 있다. 결과적으로, 점선이 신호 프로세싱 모듈(420)의 주위에 도시되었다.
CI 엔진(400')은 센서 유닛들(24), 가속도계(314), 및 다른 센서들(214)로부터의 입력 데이터를 가질 수 있다. 모듈들(410 및 420)로 입력된 특정한 신호(들)은 측정되는 생리적 데이터에 의존할 수 있다. 예를 들어, ECG 데이터에 대하여, 신호들은 ECG 센서들(309)(ECG 및 ETI 신호들 둘 다)로부터 온 것일 수 있고, 가속도계(314)로부터 온 것일 수 있다. PPG 데이터에 대하여, 신호들은 광학 센서 어레이(301) 및 가속도계(314)로부터 온 것일 수 있다. 다른 생리적 데이터는 다른 그리고/또는 추가적인 센서(들)을 사용할 수 있다. 따라서, 센서들(214C, 314, 301, 303, 305, 307, 309, 및 311)은 CI 엔진(400')으로 데이터를 제공할 수 있다. 그러나 단지 특정한 신호들이 모듈들(410 및 420)로 입력될 수 있다.
신호 프로세싱 모듈(420)은 센서 유닛(들)(24) 및/또는 다른 센서들(214)로부터 생리적 데이터를 입력으로써 수신할 수 있다. 게다가, 블록(410)은 신호 프로세싱 모듈(420)에 제공될 수 있다. 생리적 데이터는 심장 박동률, ECG, 바이오임피던스 및/또는 다른 파라미터와 같은 관심 있는 생리적 파라미터에 대응할 수 있다. 신호 프로세싱 모듈(420)은 모델링, 신호 프로세싱 알고리즘 및/또는 다른 메커니즘을 적용하여, CI 엔진(400)으로 입력된 처리되지 않은 생리적 데이터로부터 생리적 데이터를 판단할 수 있다. 생리적 데이터는 관심 있는 생리적 파라미터의 파형, 심장 박동률과 같은 스칼라 량, 또는 다른 표현일 수 있다. 데이터 프로세싱의 일부로써, 신호 프로세싱 모듈(420)은 생리적 데이터에 내재한 노이즈를 추정할 수 있다. 예를 들어, SNR이 판단될 수 있다. 따라서, 데이터 자체에 대한 신뢰 지수(SNR)는 신호 프로세싱 모듈(420)에 의해 출력될 수 있다. 생리적 CI 및 처리된 생리적 신호가 신호 프로세싱 블록(420)에 의해 출력되는 것으로 도시되었다. 다른 실시 예에 있어서, 신호 프로세싱 모듈(420)은 SNR을 계산할 수 있는 블록(420)으로 생리적 특징들을 제공할 수 있다. 그러한 실시 예에 있어서, 신호 프로세싱 모듈(420)은 CI 엔진(400')과 분리된 것으로 고려될 수 있다. 게다가, 신호 프로세싱 모듈(420)은 모듈(410)로부터 잡음들과 관련된 정보를 수신할 수 있다.
센서 유닛(들)(24) 및/또는 다른 센서들(214)로부터의 (내재한 노이즈 데이터를 포함하는) 생리적 데이터, 그리고 센서 유닛(들)(24), 가속도계(314) 및/또는 다른 센서들(214)로부터의 잡음 데이터는 교차-상관관계 블록(410)으로 입력될 수 있다. 데이터는 신호 프로세싱 블록(420)에 의해 교차-상관관계 블록(410)으로 제공될 수 있다. 모델링 및 따른 데이터 처리 알고리즘이 교차-상관관계 블록(410)에 의해 적용되어 잡음 데이터와 생리적 데이터 사이의 상관관계를 판단할 수 있다. 잡음의 다른 특징들은 교차-상관관계 블록(410)에서 판단될 수 있다. 따라서, 잡음 데이터에 대한 신뢰 지수(들) 및/또는 잡음 데이터와 생리적 데이터 사이의 상관 관계가 교차-상관관계 블록(410)에 의해 출력될 수 있다. 실시 예에 있어서, 모듈들(410 및 420)에 의해 출력되는 신뢰 지수들 중 하나 또는 둘 다, 사용자로 표시되기 위해, 생리적 데이터 신호에 덧붙여, 곧바로 제공될 수 있다. 다른 실시 예에 있어서, 전반적인, 결합된 신뢰 지수는 모듈들(410 및 420)로부터의 신뢰 지수들을 사용하여 모듈(430)에 의해 생성될 수 있다. 실시 예에 있어서, 다른 가중치가 모듈들(410 및 420)로부터의 신뢰 지수들에 적용될 수 있다.
결합된, 모듈(430)에 의해 제공된 총 신뢰 지수, 생리적 데이터 신호 및 모듈(420)에 의해 제공된 내재한 노이즈 신뢰 지수뿐만 아니라, 교차-상관관계 모듈(410)에 의해 제공된 외부의 신뢰 지수/잡음 지수가 사용자 표시 모듈에 의해 사용되어 사용자에게 데이터를 제공할 수 있다. 예를 들어, 처리된 신호는 관심 있는 생리적 데이터의 파형이거나, 숫자로 표시되거나, 또는 다른 표시일 수 있다. 사용자 표시 모듈(440)은 생리적 데이터 자체 또는 환경을 업데이트 할 수 있는데, 환경 안에 데이터가 제공되어 신뢰 지수에 의해 표현된 것과 같은 생리적 데이터의 신뢰도를 나타낼 수 있다.
도 8은 특정한 타입의 생리적 데이터를 처리하는데 사용되는 CI 엔진(400''), 센서 유닛들(24 및 214)의 다른 실시 예를 보여주는 블록도이다. CI 엔진(400''), 센서 유닛들(24), 센서 플레이트(26), 및 센서 유닛들(214)은 CI 엔진(400/400'), 센서 유닛들(24), 센서 플레이트(26), 및 센서들(214)과 유사하므로, 유사한 라벨들을 갖는다. 도시된 실시 예에 있어서, 센서 유닛들(24)은 광학 센서 어레이(301), 온도계(303), GSR 센서 어레이(305), BioZ 센서 어레이(307), 및 ECG 센서(309), 다른 센서(들)(311) 및/또는 이들의 어떤 조합을 포함할 수 있다. 비록 특정한 수의 센서들 및 센서 유닛들이 도시되었다 하더라도, 다른 수의 센서들/센서 어레이들 및/또는 다른 센서들/센서 어레이들이 포함될 수 있다. 센서들 및/또는 어레이들은 센서 플레이트(26) 또는 밴드(16)에 부착될 수 있다.
CI 엔진(400'')은 PPG 데이터를 위해 구성될 수 있다. 따라서, CI 엔진(400'')은 광학 센서 어레이(301) 및 가속도계(314)로부터 입력된 데이터를 사용할 수 있다. 생리적 (PPG) 데이터가 탐지 모듈(420)에 대응하는 신호 프로세싱/심장박동 탐지 모듈(420')에 제공될 수 있다. 모듈(420')은 (신호 처리된) 심장 박동 및/또는 탐지된 생리적 특징들뿐만 아니라 SNR을 출력할 수 있다. 가속도계(314)로부터의 가속 (잡음) 데이터뿐만 아니라 광학 센서들(301)로부터의 PPG 데이터도 교차-상관관계 모듈(410')로 입력될 수 있다. 교차-상관관계 모듈은 잡음 (가속) 데이터와 생리적 (PPG) 데이터 사이의 상관관계를 판단하는데 사용될 수 있다. 모듈(410')은, 예를 들어, 가속도 데이터와 매칭하는 PPG 데이터에 있는 주기적인 동작 잡음들을 감지함으로써 그리고 그러한 동작 잡음들의 심각도를 판단함으로써, 가속도계와 PPG 사이의 상관관계들을 판단할 수 있다. 실시 예에 있어서, 모듈(410')은 SNR도 판단할 수 있다.
결합된 신뢰 지수 생성기(430')는 모듈(420')의 SNR/출력 및 모듈(410')로부터의 출력을 결합하여 총 신뢰 지수를 생성할 수 있다. 신뢰 지수 및 처리된 생리적 데이터(심장 박동)는 가공되지 않은 데이터로부터 생성될 수 있다. 결합된, 모듈(430')에 의해 제공된 총 신뢰 지수, 심장 박동 및 모듈(420')에 의해 제공된 SNR뿐만 아니라, 교차-상관관계 모듈(410')에 의해 제공된 외부 신뢰 지수도 사용자 표시 모듈에 의해 사용되어, 사용자에게 데이터를 제공할 수 있다. 예를 들어, 처리된 신호는 단위 시간당 심장 박동의 수를 나타내는 파형이거나 관심 있는 생리적 데이터의 다른 표시일 수 있다. 사용자 표시 모듈(440)은 생리적 데이터 자체 또는 환경을 업데이트 할 수 있는데, 환경 안에 데이터가 제공되어 신뢰 지수에 의해 표현된 것과 같은 생리적 데이터의 신뢰도를 나타낼 수 있다. 예를 들어, 데이터의 신뢰도를 나타내는 빛, 심장 박동률 컬러 또는 신뢰 지수의 다른 표시가 사용될 수 있다.
도 9는 웨어러블 센서 플랫폼을 사용하여 사용자에게 생리적 데이터 및 신뢰 지수를 제공하는 방법(500)을 보여주는 순서도이다. 방법(500)은 웨어러블 플랫폼(10) 및 CI 엔진(400)의 맥락에서 설명되었다. 다른 실시 예에 있어서, 방법(500)은 다른 시스템(들)을 사용하여 실행될 수 있다. 어떤 단계들은 생략되거나, 결합 되거나, 중간에 삽입되거나, 다른 순서로 실행되거나, 또는 하위 단계들을 포함할 수 있다.
도 7 및 도 9를 참조하면, 502 단계에서, 내재하는 노이즈 데이터를 포함하는) 생리적 데이터는 적당한 센서(들)(24)을 사용하여 감지될 수 있다. 모듈(410/410')이 사용되는 다른 실시 예에서, 잡음 데이터는 생리적 데이터와 별도로 측정될 수 있다. 데이터 획득은 생리적 데이터를 감지한 동일한 센서 및/또는 다른 센서들에 의해 실행될 수 있다. 예를 들어, ETI에 대해, 동일한 센서(들)이 사용될 수 있다. 동작/가속도와 같은 다른 노이즈 데이터에 대해, 별도의 센서가 사용될 수 있다.
504 단계에서, 생리적 데이터에 대한 신뢰 지수(들)이 판단될 수 있다. 504 단계는, 잡음 데이터를 생리적 신호 데이터와 연관시키는 것뿐만 아니라, 생리적 데이터 그 자체를 처리하는 것, 노이즈 및 잡음 데이터를 처리하는 것을 포함하도록 고려될 수 있다. 따라서, 504 단계를 실행하는데 있어서 모듈들(410/410' 및/또는 410/410'')이 사용될 수 있다. 게다가, 504 단계의 일부로써, 전반적인 신뢰 지수가 모듈(430/430')에서 계산될 수 있다.
506 단계에서, 처리된 생리적 데이터 신호 및 신뢰 지수(들)이 웨어러블 센서 플랫폼(10)을 통하여 사용자에게 제공될 수 있다. 506 단계는 신뢰 지수에 의해 표현되는 생리적 데이터의 신뢰도를 나타내기 위해 다양한 시각적, 청각적 및/또는 물리적 단서들을 사용하는 것을 포함할 수 있다. 따라서, 방법(500)을 사용하여, 평가에 덧붙여, 웨어러블 센서 플랫폼(10)을 위한 생리적 데이터가 획득되고, 처리되고, 접근되고, 그리고 사용자에게 제공될 수 있다.
도 10은 웨어러블 센서 플랫폼을 사용하여 사용자에게 생리적 데이터 및 신뢰 지수를 제공하는 방법(510)을 보여주는 순서도이다. 방법(510)은 웨어러블 센서 플랫폼(10) 및 CI 엔진(400)의 맥락에서 설명되었다. 다른 실시 예에 있어서, 방법(510)은 또 다른 시스템을 사용하여 실행될 수 있다. 어떤 단계들은 생략되거나, 결합 되거나, 중간에 삽입되거나, 다른 순서로 실행되거나, 또는 하위 단계들을 포함할 수 있다. 복수의 센서들로부터의 데이터가 사용될 때, 방법(510)이 사용될 수 있다.
도 7 및 도 10을 참조하면, 512 단계에서, 생리적 데이터는 제 1 센서 유닛(24)을 사용하여 감지될 수 있다. 이 데이터는 바이오임피던스, ECG 또는 PPG 데이터에 대한 파라미터들을 포함할 수 있다. 514 단계에서, 잡음 데이터는 하나 또는 그 이상의 센서들을 사용하여 별도로 획득될 수 있다. 514 단계에서 감지된 데이터는, ETI와 같은 동일한 센서 유닛(24)에 의해 감지될 수 있는 잡음 데이터를 포함할 수 있다. 514 단계에서, 다른 센서들을 사용하여 측정될 수 있는, 가속도 데이터와 같은 잡음 데이터가 획득될 수 있다. 512 및 514 단계는 동시에/ 동일한 시구간에 걸쳐 실행될 수 있으며, 각각의 단계는 동시에 반복될 수 있는 몇몇 샘플링 단계들과 관련될 수 있다.
516 단계에서, 512 단계에서 획득된 생리적 데이터가 모듈(420)을 사용하여 처리될 수 있다. 따라서, ECG 또는 심장 박동률과 같은 생리적 데이터 신호가 획득될 수 있다. 516 단계는, 관심 있는 생리적 데이터에 적합한 알려진 데이터 처리 알고리즘들을 사용하여 실행될 수 있다. 데이터 처리의 일부로써, 생리적 데이터에 내재하는 노이즈가 획득될 수 있다. 예를 들어, SNR은 516 단계에서 계산될 수 있다. 516 단계에서 SNR은 모듈(420)에 의해 판단된 신뢰 지수에 대응할 수 있다. 또는, 만일 신뢰 지수의 판단이 신호 처리와 분리되어 있다면, SNR은 별도로 판단될 수 있다.
518 단계에서, 잡음 데이터와 생리적 데이터 사이의 상관관계가 모듈(410)에 의해 판단될 수 있다. 518 단계는 모델링, 푸리에 변환과 같은 알려진 알고리즘, 또는 다른 메커니즘을 사용하여 실행될 수 있다. 520 단계에서, 모듈(410)은 연관된 잡음 데이터에 대한 신뢰 지수를 제공할 수 있다. 516 및 518 단계는 교차 배치(interleave)될 수 있음을 상기하라. 따라서, 잡음 데이터와 생리적 데이터 사이의 상관관계들은 516 단계에서 생리적 데이터를 처리하는데 있어서 사용될 수 있다. 유사하게, 518 단계에서, 처리된 생리적 데이터는 잡음 데이터와의 상관관계들을 판단하는데 사용될 수 있다.
520 단계에서, SNR, 상과관계 및 생리적 데이터에 기초하여, 신뢰 지수들이 판단될 수 있다. 520 단계는 데이터 신호들 및/또는 516 및 518 단계에서 판단된 신뢰 지수들에 기초하여 총 신뢰 지수를 제공하는 것을 포함할 수 있다.
522 단계에서, 처리된 생리적 데이터 신호 및 신뢰 지수(들)은 사용자에게 제공될 수 있다. 따라서, 방법(510)을 사용하여, 평가에 덧붙여, 웨어러블 센서 플랫폼(10)에 대한 생리적 데이터가 획득되고, 처리되고, 접근되고 그리고 사용자에게 제공될 수 있다.
도 11은 웨어러블 센서 플랫폼을 사용하여 사용자에게 생리적 데이터 및 신뢰 지수를 제공하는 방법(530)을 보여주는 순서도이다. 좀 더 상세하게 설명하면, 방법(530)은, 데이터가 신뢰 지수를 나타내기 위해 어떻게 고쳐지는지를 판단하기 위해 신뢰 지수들이 결합하는 방법을 보여준다. 신뢰 지수들은 또 다른 방법으로 계산될 수 있다. 방법(530)은 웨어러블 센서 플랫폼(10), CI 엔진(400) 및 모듈(440)의 맥락에서 설명되었다. 다른 실시 예에 있어서, 방법(530)은 또 다른 시스템을 사용하여 실행될 수 있다. 어떤 단계들은 생략되거나, 결합 되거나, 중간에 삽입되거나, 다른 순서로 실행되거나, 또는 하위 단계들을 포함할 수 있다. 복수의 센서들로부터의 데이터가 사용될 때, 방법(530)이 사용될 수 있다.
532 단계에서, 생리적 데이터의 노이즈가 노이즈 데이터에 대한 임계와 어떻게 비교되는지 판단될 수 있다. 예를 들어, 모듈(440)은 SNR 또는 다른 것을 임계(들)과 비교할 수 있고, 또는 생리적 데이터의 노이즈의 절대 등급과 다른 임계(들)의 관계를 판단할 수 있다. 534 단계에서, 만일 특정한 임계 내에 있지 않으면, 생리적 데이터가 표시되는 방법을 변경하는 신뢰 지수가 선택될 수 있다. 534 단계는 사용자에게 표시하기 위한 디폴트로부터 변경된 데이터의 적어도 일부를 나타내도록 고려될 수 있다.
536 단계에서, 만일 생리적 데이터에 있는 노이즈가 임계(들)을 충족하지 못하면, 생리적 데이터와 잡음 데이터 사이의 상관관계가 특정한 임계들을 충족하는지 여부가 판단될 수 있다. 536 단계는 잡음 데이터 자체가 특정한 임계들을 충족하는지 여부를 판단할 수 있다. 예를 들어, 단계 536은 노이즈 데이터와 생리적 데이터 사이의 상관관계가 특정한 임계 이하인지 여부 또는 노이즈의 등급이 특정 임계 이내에 있는지 여부를 판단할 수 있다. 만일 그렇지 않다면, 536 단계에서, 생리적 데이터가 사용자에게 표시되는 방법을 변경하는 신뢰 지수가 선택될 수 있다. 536 단계는 사용자에게 표시하기 위한 디폴트로부터 변경된 데이터의 적어도 일부를 나타내도록 고려될 수 있다. 다른 실시 예에 있어서, 536 및 538 단계들은 532 및 534 단계와 바뀔 수 있음을 상기하라. 이 블록들이 실행되는 순서는 변할 수 있다. 바람직한 것은, 데이터에 있는 잡음들 및 노이즈 레벨의 별도의 지수 그리고 이들 데이터 세트에 별개로 기초하는 신뢰 지수들을 판단하고 설명하기 위한 메커니즘이다.
540 단계에서, 결합된 신뢰 지수가 계산되고 적절한 임계(들)과 비교될 수 있다. 예를 들어, 결합된 신뢰 지수는 534 단계 및 538 단계로부터의 신뢰 지수들의 가중되거나 또는 감산된 평균(weighted or unweighted mean)일 수 있다. 만일 조합된 신뢰 지수가 임계들을 충족한다면, 데이터의 신뢰도는 충분히 높을 수 있다. 따라서, 542 단계에서, 데이터는 디폴트 방식(default fashion)으로 사용자에게 제공될 수 있다. 만일 결합된 신뢰 지수가 임계들을 충족하지 못하거나, 또는 534 단계 또는 538 단계가 실행된다면, 생리적 신호 데이터는 신뢰도가 낮다는 표시와 함께 사용자에게 제공될 수 있다. 544 단계를 통하여, 모듈(440)은 534, 538, 및 540 단계로부터의 낮은 신뢰도를 나타내는 3 개의 신뢰 지수들을 사용하여, 다양한 시각적, 청각적 및/또는 물리적 큐(cue)들을 출력 신호와 관련하여 사용자에게 제공할 수 있다. 따라서, 사용자는 생리적 데이터 신호들의 신뢰도를 통지받을 수 있다.
도 12 내지 도 17은 사용자에게 자세하게 제공되는 다양한 생리적 데이터 및 신뢰 지수들을 나타내는 도면이다. 따라서, 도 12 내지 도 17은 디스플레이(18)의 다양한 면을 보여준다. 도 12 내지 도 17에서, ECG 생리적 데이터에 대한 파형이 도시되었다. 도 12에서, 파형(550)은 하나이고, 여기서 신뢰 지수는 고 레벨의 신뢰도에 대응한다. 따라서, 디폴트 배경 및 라인 포맷이 제공된다. 도 13은 ECG 생리적 데이터에 대한 파형(550')을 보여준다. 여기서 배경의 일부는 해칭 되어, 낮은 신뢰도에 대응하는 신뢰 지수를 갖는 파형의 일부에 대한 데이터를 나타낸다. 다른 실시 예에 있어서, 헤칭된 영역은 특히 높은 신뢰도를 나타내는 신뢰 지수에 대응할 수 있다. 도 14는 두꺼운 라인을 갖는 데이터의 일부를 갖는 ECG 생리적 데이터에 대한 파형(550'')을 보여준다. 라인의 두꺼운 부분은 생리적 데이터의 일부에 있어서 낮은 신뢰도에 대응할 수 있다.
예를 들어, ECG 데이터는 이전의 ECG 또는 모델 ECG 데이터로부터 보간된 데이터로 대체되었을 수 있다. 도 15는 3 개의 데이터 부분들을 갖는 ECG 데이터에 대한 파형(550''')을 나타낸다. 첫 번째, 중앙 부분은 디폴트 라인 포맷을 갖는다. 한 부분은 점선 라인 포맷을 갖는다. 파형(550''')의 다른 부분은 점선 및 큰 라인 폭을 갖는다. 따라서, 도 15의 디스플레이(18)는 3 개의 다른 레벨의 신뢰도에 대한 신뢰 지수들을 나타낸다. 점선 및 두꺼운 라인 포맷을 갖는 부분은 가장 낮은 신뢰도를 가질 수 있고, 점선은 다음의 높은 신뢰도를 가질 수 있고, 그리고 평범한(중앙) 부분은 플롯(550''')에 대한 가장 높은 신뢰도를 가질 수 있다. 도 16은 신호가 빈(signal blanked) 그리고 두꺼운 라인으로 표시된 부분을 갖는 파형(550'''')을 보여준다. 데이터의 이 부분은 실제 데이터의 숨김을 초래하는, 특히 낮은 신뢰 지수를 가질 수 있다. 도 17은 디스플레이(18) 상의 심장 박동률 데이터를 보여준다. 영역(560)은 신뢰 지수들을 반영하기 위해 컬러로 되어 있을 수 있다. 예를 들어, 붉은색, 녹색, 및 오렌지색이 사용되어, 각각 낮은 질, 높은 질, 및 중간의 질을 위해 영역(560)을 채울 수 있다. 다른 실시 예들 및/또는 다른 생리적 신호들에 있어서, 포맷은 다른 방법으로 변경될 수 있다. 따라서, 데이터의 신뢰도가 판단되어 사용자에게 제공될 수 있다.
생리적 데이터 신호에 대한 신뢰 지수를 제공하는 방법 및 시스템이 개시되었다. 본 발명이 개시된 실시 예들에 따라 설명되었으며, 실시 예는 다양할 수 있으며, 다양한 변형들이 본 발명의 사상을 벗어나지 않는 범위 내에서 가능하다. 따라서, 본 발명이 속하는 기술 분야에서 통상의 지식을 지닌 자는 첨부된 청구항들의 범위를 벗어나지 않는 범위 내에서 다양한 수정을 할 수 있다.
10: 모듈러 웨어러블 센서 플랫폼
12: 베이스 모듈
14: 센서 모듈
16: 밴드
18: 디스플레이/GUI
20: 베이스 컴퓨팅 유닛
22: 배터리
24: 센서 유닛들
26: 센서 플레이트
28: 센서 컴퓨팅 유닛
30: 클래스프

Claims (10)

  1. 웨어러블 센서 플랫폼의 사용자에게 생리적 데이터를 제공하는 방법에 있어서:
    상기 웨어러블 센서 플랫폼의 적어도 하나의 센서를 사용하여 상기 사용자에 대한 데이터를 획득하는 단계로써, 상기 데이터는 생리적 데이터 및 잡음 데이터를 포함하고, 상기 생리적 데이터는 노이즈 데이터를 포함하는 것;
    상기 잡음 데이터 및 상기 노이즈 데이터 중 적어도 하나에 기초하여 상기 데이터에 대한 신뢰 지수를 판단하는 단계; 그리고
    상기 웨어러블 센서 플랫폼의 상기 사용자에게 상기 생리적 데이터 및 상기 신뢰 지수에 대응하는 생리적 데이터 신호를 제공하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 획득하는 단계는:
    상기 적어도 하나의 센서의 제 1 센서를 사용하여 상기 생리적 데이터를 감지하는 단계; 그리고
    상기 제 1 센서 및 상기 적어도 하나의 센서의 제 2 센서 중 적어도 하나를 사용하여 상기 잡음 데이터를 감지하는 단계를 더 포함하는 방법.
  3. 제 2 항에 있어서,
    상기 판단하는 단계는 상기 잡음 데이터를 상기 생리적 데이터와 연관시키는 단계를 더 포함하되,
    상기 신뢰 지수는 상기 잡음 데이터와 상기 생리적 데이터 사이의 상관관계가 임계 이상인지 여부를 나타내는 방법.
  4. 제 2 항에 있어서,
    상기 판단하는 단계는 상기 생리적 데이터에 대한 제 1 신뢰 지수를 판단하는 단계를 더 포함하는 방법.
  5. 제 4 항에 있어서,
    상기 판단하는 단계는 제 2 신뢰 지수를 제공하기 위해 상기 잡음 데이터를 상기 생리적 데이터와 연관시키는 단계를 더 포함하되,
    상기 제 2 신뢰 지수는 상기 잡음 데이터와 상기 생리적 데이터 사이의 상관관계가 임계 이상인지 여부를 나타내는 방법.
  6. 제 5 항에 있어서,
    상기 판단하는 단계는 상기 제 1 신뢰 지수 및 상기 제 2 신뢰 지수에 기초하여 총 신뢰 지수를 제공하는 단계를 더 포함하는 방법.
  7. 제 2 항에 있어서,
    상기 판단하는 단계는 상기 잡음 데이터에 대한 신뢰 지수를 판단하는 단계를 더 포함하는 방법.
  8. 웨어러블 센서 플랫폼에 있어서:
    밴드;
    상기 밴드에 연결된 복수의 센서들; 그리고
    상기 복수의 센서들에 연결된 프로세서를 포함하되,
    상기 복수의 센서들은 사용자에 대한 데이터를 획득하기 위한 것이고, 상기 데이터는 생리적 데이터 및 잡음 데이터를 포함하고, 상기 생리적 데이터는 노이즈 데이터를 포함하고,
    상기 프로세서는 상기 생리적 데이터 및 상기 잡음 데이터를 수신하고, 상기 생리적 데이터 및 상기 잡음 데이터 중 적어도 하나에 기초하여 상기 데이터에 대한 신뢰 지수를 판단하고, 그리고 상기 사용자에게 상기 생리적 데이터 및 상기 신뢰 지수에 대응하는 생리적 데이터 신호를 제공하도록 구성된 웨어러블 센서 플랫폼.
  9. 제 8 항에 있어서,
    상기 복수의 센서들의 제 1 센서는 상기 생리적 데이터를 획득하고, 그리고 상기 제 1 센서 및 상기 복수의 센서들의 제 2 센서 중 적어도 하나는 상기 잡음 데이터를 획득하는 웨어러블 센서 플랫폼.
  10. 제 9 항에 있어서,
    상기 프로세서는 상기 잡음 데이터를 상기 생리적 데이터와 연관시킴으로써 상기 신뢰 지수를 판단하고, 상기 신뢰 지수는 상기 잡음 데이터와 상기 생리적 데이터 사이의 상관관계가 임계 이상인지 여부를 나타내는 웨어러블 센서 플랫폼.
KR1020150040069A 2014-03-24 2015-03-23 웨어러블 센서 플랫폼을 사용하여 생리적 측정을 하기 위한 신뢰 지수 KR20150110414A (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201461969769P 2014-03-24 2014-03-24
US61/969,769 2014-03-24
US14/286,846 2014-05-23
US14/286,846 US10258288B2 (en) 2014-03-24 2014-05-23 Confidence indicator for physiological measurements using a wearable sensor platform

Publications (1)

Publication Number Publication Date
KR20150110414A true KR20150110414A (ko) 2015-10-02

Family

ID=54140932

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150040069A KR20150110414A (ko) 2014-03-24 2015-03-23 웨어러블 센서 플랫폼을 사용하여 생리적 측정을 하기 위한 신뢰 지수

Country Status (4)

Country Link
US (2) US10258288B2 (ko)
KR (1) KR20150110414A (ko)
CN (1) CN104951069B (ko)
TW (1) TWI657796B (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020263506A1 (en) * 2019-06-28 2020-12-30 Fitbit, Inc. Methods and systems for combination electrodes for wearable devices
US10890549B2 (en) 2016-03-02 2021-01-12 Mcell Co., Ltd. Wearable sensor and method for manufacturing same

Families Citing this family (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8700111B2 (en) 2009-02-25 2014-04-15 Valencell, Inc. Light-guiding devices and monitoring devices incorporating same
US8788002B2 (en) 2009-02-25 2014-07-22 Valencell, Inc. Light-guiding devices and monitoring devices incorporating same
US8888701B2 (en) 2011-01-27 2014-11-18 Valencell, Inc. Apparatus and methods for monitoring physiological data during environmental interference
US9427191B2 (en) 2011-07-25 2016-08-30 Valencell, Inc. Apparatus and methods for estimating time-state physiological parameters
US9801552B2 (en) 2011-08-02 2017-10-31 Valencell, Inc. Systems and methods for variable filter adjustment by heart rate metric feedback
US20150359491A1 (en) * 2012-09-29 2015-12-17 Aliphcom Physiological characteristic determination based on signal correlation
WO2014116924A1 (en) 2013-01-28 2014-07-31 Valencell, Inc. Physiological monitoring devices having sensing elements decoupled from body motion
US20150351699A1 (en) * 2014-06-06 2015-12-10 Covidien Lp Systems and methods for analyzing a respiratory parameter
EP3151737B1 (en) 2014-08-06 2022-08-17 Valencell, Inc. Optical physiological sensor modules with reduced signal noise
CN107072538B (zh) * 2014-09-08 2021-07-13 苹果公司 将脉搏传导时间(ptt)测量系统电耦接到心脏以用于血压测量
US20160088090A1 (en) * 2014-09-24 2016-03-24 Intel Corporation System and method for sensor prioritization
JP6216303B2 (ja) * 2014-09-26 2017-10-18 京セラ株式会社 測定装置及び測定方法
US9794653B2 (en) * 2014-09-27 2017-10-17 Valencell, Inc. Methods and apparatus for improving signal quality in wearable biometric monitoring devices
WO2016106768A1 (zh) * 2014-12-30 2016-07-07 北京阿纽山医药科技有限公司 一种智能健康腕带
EP3073400B1 (en) * 2015-03-25 2022-05-04 Tata Consultancy Services Limited System and method for determining psychological stress of a person
US10557881B2 (en) 2015-03-27 2020-02-11 Analog Devices Global Electrical overstress reporting
KR102430941B1 (ko) * 2015-08-11 2022-08-10 삼성전자주식회사 생체 상태 정보 제공 방법 및 이를 지원하는 전자 장치
US10945618B2 (en) 2015-10-23 2021-03-16 Valencell, Inc. Physiological monitoring devices and methods for noise reduction in physiological signals based on subject activity type
WO2017070463A1 (en) 2015-10-23 2017-04-27 Valencell, Inc. Physiological monitoring devices and methods that identify subject activity type
US9826912B2 (en) 2015-11-11 2017-11-28 Livassured B.V. Photoplethysmographic device for measuring a heart rhythm
CN105476607A (zh) * 2015-12-31 2016-04-13 中京宇通（北京）科技有限公司 一种人体体征动态监测手表
US20170188843A1 (en) * 2016-01-05 2017-07-06 Tosense, Inc. Handheld physiological sensor
US20170188873A1 (en) * 2016-01-05 2017-07-06 Tosense, Inc. Handheld physiological sensor
CN105662378A (zh) * 2016-01-08 2016-06-15 深圳市极冠技术有限公司 一种老人智能监控看护系统和方法
US10441180B2 (en) * 2016-08-10 2019-10-15 Huami Inc. Episodical and continuous ECG monitoring
US10368765B2 (en) 2016-02-02 2019-08-06 Anhui Huami Information Technology Co., Ltd. Wearable apparatus for ECG signal acquisition
US10537253B2 (en) 2016-02-25 2020-01-21 Samsung Electronics Company, Ltd. Detecting live tissues using signal analysis
WO2017148881A1 (en) * 2016-02-29 2017-09-08 Koninklijke Philips N.V. A method for assessing the reliability of a fetal and maternal heart rate measurement and a mobile device and system for implementing the same
CN105629713A (zh) * 2016-03-26 2016-06-01 林捷达 一种带湿度检测的智能手表
CN109068986B (zh) * 2016-04-01 2021-08-06 奥丽特婴儿保健公司 胎儿健康数据监测
WO2017174738A1 (en) * 2016-04-08 2017-10-12 Koninklijke Philips N.V. Method and display for reliability of the real-time measurements of physiological signals
US20170290549A1 (en) * 2016-04-12 2017-10-12 Valencell, Inc. Systems and methods for variable filter adjustment by heart rate metric feedback and noise reference sensor
WO2017189612A1 (en) * 2016-04-25 2017-11-02 Performance Athlytics Method and device for tissue monitoring and heart rate detection
US20200383582A1 (en) * 2016-05-11 2020-12-10 Tyto Care Ltd. Remote medical examination system and method
US9729693B1 (en) * 2016-06-07 2017-08-08 Huami Inc. Determining measurement confidence for data collected from sensors of a wearable device
US10285651B2 (en) * 2016-06-30 2019-05-14 Analog Devices, Inc. On-demand heart rate estimation based on optical measurements
US10163314B2 (en) 2016-07-06 2018-12-25 At&T Intellectual Property I, L.P. Programmable devices to generate alerts based upon detection of physical objects
US10966662B2 (en) 2016-07-08 2021-04-06 Valencell, Inc. Motion-dependent averaging for physiological metric estimating systems and methods
US10416713B2 (en) * 2016-07-19 2019-09-17 Shenzhen Royole Technologies Co., Ltd. Flexible device with casing including two end covers
CN106293081A (zh) * 2016-08-03 2017-01-04 北京奇虎科技有限公司 可穿戴设备
CN110267589A (zh) * 2016-08-26 2019-09-20 Ami 研发有限责任公司 使用生物电阻抗经由触摸屏进行生命体征监测
CN106527680A (zh) * 2016-09-19 2017-03-22 清华大学 防水型动作捕捉系统
US20200253820A1 (en) * 2017-01-20 2020-08-13 Physio-Control, Inc. Systems and methods of managing and evaluating emergency medical procedures
JP2018134129A (ja) * 2017-02-20 2018-08-30 株式会社東芝 脈波検出器
US10749863B2 (en) * 2017-02-22 2020-08-18 Intel Corporation System, apparatus and method for providing contextual data in a biometric authentication system
CN110650681B (zh) * 2017-05-15 2023-08-15 布鲁姆技术公司 用于监测胎儿健康的系统和方法
EP3406189B1 (en) * 2017-05-25 2024-05-29 Tata Consultancy Services Limited System and method for heart rate estimation
US11164679B2 (en) * 2017-06-20 2021-11-02 Advinow, Inc. Systems and methods for intelligent patient interface exam station
US10555679B2 (en) * 2017-06-20 2020-02-11 General Electric Company Non-contact heart rate monitoring
EP3417770A1 (en) * 2017-06-23 2018-12-26 Koninklijke Philips N.V. Device, system and method for detection of pulse and/or pulse-related information of a patient
US11317814B2 (en) * 2017-06-27 2022-05-03 Beijing Shunyuan Kaihua Technology Limited Systems and methods for collecting physiological information of a user
US20190000394A1 (en) * 2017-07-03 2019-01-03 Mediatek Inc. Physiological monitoring devices and physiological monitoring method
CN111183613A (zh) * 2017-07-05 2020-05-19 迈恩特公司 用于感测生物数据的方法及其在与联网设备的双向通信中的用途
WO2019014931A1 (zh) * 2017-07-21 2019-01-24 深圳市汇顶科技股份有限公司 生物信号的干扰分析方法及装置、穿戴设备
US11331019B2 (en) 2017-08-07 2022-05-17 The Research Foundation For The State University Of New York Nanoparticle sensor having a nanofibrous membrane scaffold
CN111065326A (zh) * 2017-08-25 2020-04-24 博能电子公司 增强光学心脏活动测量
US10499827B2 (en) * 2017-09-19 2019-12-10 Honeywell International Inc. System and method for interpretation of signal-to-noise ratios detected in an array of electrodes sensors in terms of physical and cognitive state
CN107550484B (zh) * 2017-09-28 2020-02-07 漫迪医疗仪器（上海）有限公司 一种心磁信号质量评价方法及系统
CN107595263A (zh) * 2017-10-11 2018-01-19 上海展扬通信技术有限公司 一种基于智能终端的健康监测方法及健康监测装置
US20190125187A1 (en) * 2017-11-01 2019-05-02 Mediatek Inc. Biosensor configuration which can detect at least two physiological features simultaneously with only two contact positions in mobile device
US11147463B2 (en) * 2017-11-03 2021-10-19 Samsung Electronics Co., Ltd. Method and apparatus for high accuracy photoplethysmogram based atrial fibrillation detection using wearable device
US11907423B2 (en) 2019-11-25 2024-02-20 Meta Platforms Technologies, Llc Systems and methods for contextualized interactions with an environment
EP3742962A4 (en) * 2018-01-25 2021-04-28 Facebook Technologies, LLC. NEUROMUSCULAR SIGNAL ARTIFACT MITIGATION METHODS AND APPARATUS
WO2019166359A1 (en) * 2018-02-27 2019-09-06 Robert Bosch Gmbh Wearable health device system with automatic referencing of seismocardiography signals
US11348688B2 (en) 2018-03-06 2022-05-31 Advinow, Inc. Systems and methods for audio medical instrument patient measurements
WO2020044854A1 (ja) * 2018-08-30 2020-03-05 パナソニックＩｐマネジメント株式会社 生体計測装置、及び生体計測方法
WO2020041863A1 (en) 2018-08-31 2020-03-05 Nuralogix Corporation Method and system for dynamic signal visualization of real-time signals
US10860103B2 (en) * 2018-09-19 2020-12-08 Dell Products, L.P. Enhancing virtual reality with physiological sensing
WO2020072989A2 (en) 2018-10-05 2020-04-09 Medtronic, Inc. Multi-tier prediction of cardiac tachyarrythmia
US20200143657A1 (en) * 2018-11-07 2020-05-07 Patrick Humphrey Medical Alert System
CN109567781B (zh) * 2018-11-13 2021-06-18 中国人民解放军陆军军医大学 心肺复苏过程中自动检测脉搏的装置及其检测方法
US11797087B2 (en) 2018-11-27 2023-10-24 Meta Platforms Technologies, Llc Methods and apparatus for autocalibration of a wearable electrode sensor system
CN109805918A (zh) * 2018-12-28 2019-05-28 北京津发科技股份有限公司 一种基于环形多点压力测量脉搏波形的设备
CN109620195B (zh) * 2019-01-08 2023-11-17 研和智能科技(杭州)有限公司 基于可穿戴设备的多波长信号融合心率检测方法及系统
US20200352466A1 (en) 2019-05-06 2020-11-12 Medtronic, Inc. Arrythmia detection with feature delineation and machine learning
US11723577B2 (en) * 2019-05-06 2023-08-15 Medtronic, Inc. Visualization of arrhythmia detection by machine learning
US11776691B2 (en) 2019-05-06 2023-10-03 Medtronic, Inc. Machine learning based depolarization identification and arrhythmia localization visualization
US11694804B2 (en) 2019-05-06 2023-07-04 Medtronic, Inc. Reduced power machine learning system for arrhythmia detection
JP2021041088A (ja) * 2019-09-13 2021-03-18 株式会社東芝 電子装置及び方法
US11690564B2 (en) 2019-11-22 2023-07-04 MyFitnessPal, Inc. Training plans and workout coaching for activity tracking system
US11517790B2 (en) * 2019-11-26 2022-12-06 MyFitnessPal, Inc. Methods and apparatus for training plan delivery and logging
CN112494001B (zh) * 2020-11-25 2023-05-26 青岛歌尔智能传感器有限公司 Ppg信号质量评估方法、装置、穿戴式设备及存储介质
US20220408534A1 (en) * 2021-06-21 2022-12-22 Daniel R. Judd Electronic device identification system
JP2023088513A (ja) * 2021-12-15 2023-06-27 オムロンヘルスケア株式会社 診療支援システム、診療支援装置及びプログラム
CN114680879B (zh) * 2022-06-01 2022-09-27 华南师范大学 体动伪迹信号的检测方法以及装置
TWI827427B (zh) * 2022-12-30 2023-12-21 國立臺北科技大學 穿戴裝置與應用其上之光強度數據值選用與判讀方法
CN116721768B (zh) * 2023-08-07 2024-01-16 华中科技大学协和深圳医院 一种包含可信度因素的交互数据的获取方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8019400B2 (en) 1994-10-07 2011-09-13 Masimo Corporation Signal processing apparatus
US5904652A (en) 1995-06-29 1999-05-18 Teratech Corporation Ultrasound scan conversion with spatial dithering
US6684090B2 (en) * 1999-01-07 2004-01-27 Masimo Corporation Pulse oximetry data confidence indicator
US6430525B1 (en) * 2000-06-05 2002-08-06 Masimo Corporation Variable mode averager
US20080319281A1 (en) 2005-12-20 2008-12-25 Koninklijle Philips Electronics, N.V. Device for Detecting and Warning of Medical Condition
US7890153B2 (en) * 2006-09-28 2011-02-15 Nellcor Puritan Bennett Llc System and method for mitigating interference in pulse oximetry
US8290559B2 (en) 2007-12-17 2012-10-16 Dexcom, Inc. Systems and methods for processing sensor data
US8868149B2 (en) * 2009-07-30 2014-10-21 Oxitone Medical Ltd. Photoplethysmography device and method
US8690799B2 (en) * 2009-10-15 2014-04-08 Masimo Corporation Acoustic respiratory monitoring sensor having multiple sensing elements
US9615781B2 (en) 2011-02-03 2017-04-11 Covidien Lp Systems and methods for monitoring depth of consciousness
GB2494622A (en) 2011-08-30 2013-03-20 Oxitone Medical Ltd Wearable pulse oximetry device
TWM447215U (zh) 2012-08-20 2013-02-21 Bo Jing Medical Co Ltd 心電訊號品質顯示裝置
CN203252647U (zh) * 2012-09-29 2013-10-30 艾利佛公司 用于判定生理特征的可佩带的设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10890549B2 (en) 2016-03-02 2021-01-12 Mcell Co., Ltd. Wearable sensor and method for manufacturing same
WO2020263506A1 (en) * 2019-06-28 2020-12-30 Fitbit, Inc. Methods and systems for combination electrodes for wearable devices
US11963745B2 (en) 2019-06-28 2024-04-23 Fitbit, Inc. Methods and systems for combination electrodes for wearable devices

Also Published As

Publication number Publication date
US20190192080A1 (en) 2019-06-27
TW201540261A (zh) 2015-11-01
TWI657796B (zh) 2019-05-01
US20150265217A1 (en) 2015-09-24
US10595786B2 (en) 2020-03-24
US10258288B2 (en) 2019-04-16
CN104951069B (zh) 2019-06-28
CN104951069A (zh) 2015-09-30

Similar Documents

Publication Publication Date Title
US10595786B2 (en) Confidence indicator for physiological measurements using a wearable sensor platform
US11883195B2 (en) Multimode sensor devices
Mahmud et al. A wireless health monitoring system using mobile phone accessories
US9044150B2 (en) Biometric monitoring device with heart rate measurement activated by a single user-gesture
US9042971B2 (en) Biometric monitoring device with heart rate measurement activated by a single user-gesture
US11317814B2 (en) Systems and methods for collecting physiological information of a user
CN104055499B (zh) 连续监控人体生理体征的可穿戴式智能手环及方法
US10251571B1 (en) Method for improving accuracy of pulse rate estimation
US11320789B1 (en) Electronic device for determining bioimpedance
US11622696B2 (en) Method for improving heart rate estimates by combining multiple measurement modalities
KR20150067047A (ko) 모듈러 센서 플랫폼
TW201542161A (zh) 使肌膚接觸最佳化用的可調式感測器支撐結構
US9826940B1 (en) Optical tracking of heart rate using PLL optimization
JP6676499B2 (ja) 疲労度判定装置、疲労度判定方法、疲労度判定プログラム、及び、生体情報測定装置
CN203914894U (zh) 连续监控人体生理体征的可穿戴式智能手环
Mahmud et al. SensoRing: An integrated wearable system for continuous measurement of physiological biomarkers
US11419509B1 (en) Portable monitor for heart rate detection
US20220378308A1 (en) Method And Device That Monitors A Fetal Heart Rate
Suman et al. A Review on Implementation of Wearable Devices in Healthcare

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application