KR20210124250A - 심박수 측정 시스템 - Google Patents

심박수 측정 시스템 Download PDF

Info

Publication number
KR20210124250A
KR20210124250A KR1020217025017A KR20217025017A KR20210124250A KR 20210124250 A KR20210124250 A KR 20210124250A KR 1020217025017 A KR1020217025017 A KR 1020217025017A KR 20217025017 A KR20217025017 A KR 20217025017A KR 20210124250 A KR20210124250 A KR 20210124250A
Authority
KR
South Korea
Prior art keywords
heart rate
values
measurement system
threshold
value
Prior art date
Application number
KR1020217025017A
Other languages
English (en)
Inventor
비벡 카리
비프랄리 바트카르
마크 고르스키
스탠리 미모토
아누룹 야다브
Original Assignee
스포츠 데이타 랩스, 인코포레이티드
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 스포츠 데이타 랩스, 인코포레이티드 filed Critical 스포츠 데이타 랩스, 인코포레이티드
Publication of KR20210124250A publication Critical patent/KR20210124250A/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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • 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]
    • A61B5/339—Displays specially adapted therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • 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
    • A61B5/7203—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—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
    • A61B5/7445—Display arrangements, e.g. multiple display units
    • 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
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

심박수 값을 계산하는 방법은 거짓 R-피크 검출 또는 누락된 R-피크 검출로 이어질 수 있는 대상자, 센서, 전송 및/또는 기타 변수에서 파생된 노이즈를 보상한다. 상기 방법은 센서에서 송출된 디지털화된 ECG 판독값의 약 10초 창에 기초하여 업데이트된 심박수를 계산한다. 연속 계산 사이에 ECG 판독 창이 상당히 중첩하도록 새로운 값이 약 1초마다 계산된다. 상기 방법은 이전에 계산된 심박수 값과 임계값 초과만큼 상이한 심박수 샘플을 삭제하여 노이즈가 있는 데이터를 보상한다. 임계값은 심박수 샘플 사이의 차이의 표준 편차에 기초하여 조정된다. 심박수 값을 계산하기 전에, 원시 데이터가 매우 낮은 신호 대 노이즈 비를 가지는 상황에서 미래 지향적인 사전 필터 로직이 적용될 수 있다.

Description

심박수 측정 시스템
본 개시는 인간 데이터 모니터링 시스템 분야에 관한 것이다. 더 구체적으로, 본 개시는 예를 들어, 스포츠 또는 다른 고도로 활동적이고 움직임이 많은 활동에 종사하는 사람의 심박수를 측정하기 위한 시스템에 관한 것이다.
심박수(heart rate; HR)는 다양한 활동 동안 심장의 기능 및 성능의 핵심 지표이다. 실시간 HR 계산은 기본적인 신체적 및/또는 정신적 활동으로 인한 HR의 심장박동에 따른 변화를 반영한다. HR의 변화는 HRV(심박수 변동성)로서 캡처될 수 있으며 심장 건강의 진단 및 모니터링에 매우 중요하다. 이러한 활동 중에 즉각적인 HR을 표시하면 기본 활동의 영향뿐만 아니라 심장 건강에 관한 중요한 정보를 제공한다.
심박수 계산은 신체 운동으로 인해 심전도(ECG) 신호에서 유도된 모션 아티팩트(motion artifact)에 의해 악영향을 받을 수 있다. 이들 변화 중 일부는 걸러낼 수 있지만 식별된 R-피크가 없는 경우 HR의 급격한 증가 또는 감소가 관찰될 수 있다. 원시 신호에서 이러한 빈번한 노이즈 기간(noisy period)은 노이즈가 있는 HR 파형으로 이어질 수 있다.
일 양태에서, 심박수를 측정하기 위한 시스템이 제공된다. 상기 시스템은 적어도 하나의 센서, 서버(server) 및 디스플레이 장치를 포함한다. 적어도 하나의 센서는 대상자의 신체에서 전기 신호를 측정하고, 아날로그 측정값(analog measurement)을 디지털 판독값(digital reading)으로 변환하고, 디지털 판독값을 전송하도록 구성된다. 서버는 디지털 판독값을 수신하고 (i) 중첩 세그먼트(overlapping segment) 내에서 R-피크를 식별하고, (ii) 인접한 R-피크들 사이의 시간에 기초하여 샘플 값의 수를 계산하고, (iii) 거짓 피크 검출(false peak detection) 또는 누락된 피크 검출에 의해 영향을 받는 샘플을 폐기하고, (iv) 가중된 나머지 샘플 값일 수 있는 평균을 계산함으로써, 디지털 판독값의 중첩 부분에 기초하여 하나 이상의 심박수 값을 계산한다. 디스플레이 장치는 나머지 샘플 값의 계산을 한 명 이상의 사용자에게 전달한다. 서버는 제 1 임계값(threshold) 초과만큼 이전 심박수 값과 상이한 샘플 값에 응답하여 거짓 피크 검출 또는 누락된 피크 검출에 의해 샘플이 영향을 받는다고 결정할 수 있다. 샘플 사이의 차이에 대한 표준 편차가 제 2 임계값보다 더 크면, 서버는 제 1 임계값보다 더 작은 제 3 임계값 초과만큼 이전 심박수 값과 상이한 샘플 값에 응답하여 거짓 피크 검출 또는 누락된 피크 검출에 의해 샘플이 영향을 받는다고 결정할 수 있다.
다른 양태에서, 심박수 측정 시스템이 제공된다. 상기 시스템은 대상자의 신체에서 전기 신호를 측정하고, 하나 이상의 아날로그 측정값을 하나 이상의 디지털 판독값으로 변환하고, 하나 이상의 디지털 판독값을 전송하도록 구성된 적어도 하나의 센서를 포함한다. 서버는 하나 이상의 디지털 판독값을 수신하도록 구성되고 하나 이상의 중첩 세그먼트 내의 R-피크를 식별하고, 인접한 R-피크들 사이의 시간에 기초하여 하나 이상의 샘플 값을 계산하고, 거짓 피크 검출 또는 누락된 피크 검출에 의해 영향을 받는 하나 이상의 샘플을 폐기하고, 나머지 샘플 값의 하나 이상의 평균을 계산함으로써 하나 이상의 디지털 판독값의 하나 이상의 중첩 세그먼트에 기초하여 심박수를 계산하도록 구성된다. 상기 시스템은 또한, 나머지 샘플 값의 하나 이상의 평균을 표시하도록 구성된 디스플레이 장치를 포함한다.
다른 양태에서, 심박수를 측정하기 위한 시스템이 제공된다. 상기 시스템은 적어도 하나의 센서, 서버 및 디스플레이 장치를 포함한다. 적어도 하나의 센서는 대상자의 피부에 고정되고 피부의 전기 신호를 측정하고 아날로그 측정값을 디지털 판독값으로 변환하고 디지털 판독값을 전송하도록 구성된다. 서버는 디지털 판독값을 수신하고, (i) 하나 이상의 중첩 세그먼트 내에서 R-피크를 식별하고, (ii) 인접한 R-피크들 사이의 시간에 기초하여 샘플 값의 수를 계산하고, (iii) 이전 심박수 값의 제 1 임계값 내에서 샘플을 선택하고, (iv) 현재 심박수 값을 가중될 수 있는 선택된 샘플의 평균으로 설정함으로써 디지털 판독값의 하나 이상의 중첩 세그먼트에 기초하여 하나 이상의 심박수 값을 계산한다. 각각의 샘플 값은 인접한 R-피크들 사이의 시간의 역수에 비례할 수 있다. 서버는 제 3 임계값보다 더 큰 연속 샘플들 사이의 차이의 표준 편차에 응답하여 이전 심박수 값의 제 2 임계값 내에서 샘플을 선택할 수 있다. 서버는 샘플 수가 제 4 임계값 미만이거나 샘플이 선택되지 않은 경우에 응답하여 현재 심박수 값을 이전 심박수 값과 동일하게 설정할 수 있다. 디스플레이 장치는 하나 이상의 현재 심박수 값을 하나 이상의 사용자에게 전달한다. 시스템은 실시간 또는 근-실시간(near real-time)으로 작동할 수 있으며, 여기서 디스플레이 장치는 각각의 후속 심박수 값이 계산되기 전에 각각의 현재 심박수 값을 표시하도록 구성되고 센서가 후속 심박수 값을 계산하는데 사용되는 판독값의 적어도 일부분 또는 전체에 대한 측정을 완료하기 전에 서버는 각각의 현재 심박수 값을 계산한다. 서버는 중첩 세그먼트보다 더 긴 디지털 판독값의 예비 세그먼트를 수신하고, 예비 세그먼트 내에서 R-피크를 식별하고, 인접한 R-피크들 사이의 시간에 기초하여 샘플 값을 계산하고, 가중될 샘플의 평균을 계산하여 초기 심박수 값을 계산할 수 있다.
또 다른 양태에서, 심박수 측정 시스템이 제공된다. 상기 시스템은 대상자의 피부, 중요한 기관, 근육, 정맥, 혈액, 혈관, 조직 또는 골격계에 고정하거나 접촉하거나, 또는 이와 관련되거나 이로부터 유도되는 전자 통신을 송신하도록 구성되고, 대상자의 신체에서 하나 이상의 전기 신호를 측정하고, 아날로그 측정값을 하나 이상의 디지털 판독값으로 변환하고, 디지털 판독값을 전송하도록 구성된 적어도 하나의 센서를 포함한다. 서버는 하나 이상의 디지털 판독값을 수신하도록 구성되고 하나 이상의 중첩 세그먼트 내의 R-피크를 식별하고, 인접한 R-피크들 사이의 시간에 기초하여 하나 이상의 샘플 값을 계산하고, 이전 심박수 값의 제 1 임계값 내에서 하나 이상의 샘플을 선택하고, 현재 심박수 값을 선택된 샘플의 평균으로 설정함으로써 하나 이상의 디지털 판독값의 하나 이상의 중첩 세그먼트에 기초하여 하나 이상의 심박수 값을 계산하도록 구성된다. 상기 시스템은 또한, 하나 이상의 현재 심박수 값을 표시하도록 구성된 디스플레이 장치를 포함한다.
또 다른 양태에서, 한 명 이상의 사람의 심박수를 측정하는 방법이 제공된다. 상기 방법은 적어도 하나의 센서로부터 판독값을 수신하고, 판독값을 처리하고, 하나 이상의 결과를 표시하는 단계를 포함한다. 판독값의 제 1 세그먼트는 하나 이상의 센서로부터 수신된다. 그런 다음 제 1 세그먼트 내의 R-피크가 식별된다. 그런 다음, 인접한 R-피크들 사이의 시간에 기초하여 제 1 복수의 샘플 값이 계산된다. 예를 들어, 상수는 인접한 R-피크들 사이의 시간으로 나누어질 수 있다. 제 1 복수의 샘플 값의 제1 서브세트(subset)는 이전 심박수 값의 제 1 임계값 내의 샘플 값만을 포함하여 선택된다. 그런 다음, 샘플 값의 제 1 서브세트의 평균에 기초하여 제 1 업데이트된(updated) 심박수 값이 계산된다. 그런 다음, 제 1 업데이트된 심박수 값이 표시된다. 나중의 반복에서, 디지털 판독값의 제 2 세그먼트가 하나 이상의 센서로부터 수신될 수 있다. 디지털 판독값의 제 3 세그먼트는 제 2 세그먼트를 제 1 세그먼트에 추가하여 형성할 수 있다. 그런 다음, 제 3 세그먼트 내의 R-피크가 식별될 수 있다. 제 2 복수의 샘플 값은 인접한 R-피크들 사이의 시간에 기초하여 계산될 수 있다. 그런 다음, 연속 샘플들 사이의 복수의 차이가 계산될 수 있다. 제 2 임계값을 초과하는 차이의 표준 편차에 응답하여, 제 1 업데이트된 심박수 값의 제 3 임계값 내의 샘플 값만을 포함하는 제 2 복수의 샘플 값의 제 2 서브세트가 선택될 수 있다. 제 2 업데이트된 심박수 값은 가중될 수 있는 샘플 값의 제 2 서브세트의 평균에 기초하여 계산되고 표시될 수 있다. 초기 심박수 값은 디지털 판독값의 예비 세그먼트에 기초하여 계산될 수 있다.
또 다른 양태에서, 신호 품질과 관련된 문제가 해결된다. 원시 데이터의 신호 대 노이즈 비가 매우 낮은 경우, 심박수 값을 계산하기 전에 추가 사전 필터 로직(pre-filter logic)이 적용될 수 있다. 사전 필터 프로세스는 이상값(outlier value)을 검출하고 미래 지향적 접근방식을 사용하여 하나 이상의 이상값을 생성된 값의 시계열(time series)로 정렬되고 미리 설정된 임계값/범위 내에 맞는 값으로 대체한다. 미리 설정된 임계값/범위에 맞는 이들 생성된 값은 하나 이상의 심박수 값의 계산을 위해 시스템을 통해 전달될 것이다.
또 다른 양태에서, 하나 이상의 센서로부터 생성된 하나 이상의 이상값을 검출하고 대체하기 위한 방법이 제공된다. 상기 방법은 하나 이상의 센서에 의해 직접 또는 간접적으로 생성된 하나 이상의 값을 수신하는 단계를 포함한다. 각각의 값에 대해 허용 가능한 상한 및/또는 하한을 결정하기 위해서 하나 이상의 통계 테스트가 적용된다. 역 채우기 방법(backward filling method)은 하나 이상의 이상값을 현재 샘플 창에 설정된 허용 범위 내에 있는 다음 사용 가능한 값으로 대체하는데 사용된다.
도 1은 심박수 측정 및 디스플레이 시스템의 개략도이다.
도 2는 증가하는 심박수를 갖는 사람에 대한 ECG 측정을 예시하는 그래프이다.
도 3은 도 1의 시스템에서 디지털화된 ECG 측정의 스트림에 기초하여 심박수 값을 계산하는 방법에 대한 흐름도이다.
도 4는 도 3의 방법에서 초기화 단계를 수행하기 위한 흐름도이다.
도 5a 및 도 5b는 본 명세서에 설명된 시스템 및 방법을 활용하여 다양한 신체 활동에 종사하는 사람의 심박수 측정을 예시한다.
본 개시의 실시예가 본 명세서에서 설명된다. 그러나, 개시된 실시예는 단지 예이고 다른 실시예가 다양하고 대안적인 형태를 취할 수 있음을 이해해야 한다. 도면들은 반드시 척도에 따르지 않고; 일부 특징부는 특정 구성요소의 세부 정보를 도시하기 위해 과장되거나 축소화될 수 있다. 따라서, 본 명세서에서 개시된 구체적인 구조적 및 기능적 세부사항은 제한적인 것으로 해석되어서는 안 되며, 본 발명을 다양하게 채용할 수 있도록 당업자에게 교시하기 위한 대표적인 근거로서 해석되어야 한다. 당업자가 이해하는 바와 같이, 도면 중 어느 하나를 참조하여 예시되고 설명된 다양한 특징은 명시적으로 예시되거나 설명되지 않은 실시예를 생성하기 위해 하나 이상의 다른 도면에 예시된 특징과 조합될 수 있다. 예시된 특징들의 조합은 전형적인 용례에 대한 대표적인 실시예를 제공한다. 그러나, 본 개시의 교시와 일치하는 특징의 다양한 조합 및 수정이 특정 용례 또는 구현예에 대해 바람직할 수 있다.
명세서 및 첨부된 청구범위에 사용된 바와 같이, 단수 형태("a", "an" 및 "the")는 문맥에서 명백하게 달리 나타내지 않는 한 복수 지시대상을 포함한다는 점에 또한 유의해야 한다. 예를 들어, 단수의 구성요소에 대한 언급은 복수의 구성요소를 포함하도록 의도된다.
용어 "포함하는(comprising)"은 "포함하는(including)", "갖는", "함유하는" 또는 "~에 의해 특징지어지는"과 동의어이다. 이들 용어는 포괄적이고 제한이 없으며 추가의 인용되지 않은 요소 또는 방법 단계를 배제하지 않는다.
문구 "~로 구성된"은 청구범위에 명시되지 않은 임의의 요소, 단계 또는 성분을 배제한다. 이러한 문구가 전제부 바로 다음에 오는 것이 아니라 청구범위 본문의 절에 나타날 때 해당 절에 기재된 요소만을 한정하며; 다른 요소는 전체적으로 청구범위에서 배제되지 않는다.
문구 "본질적으로 구성된"은 청구된 요지의 기본 및 신규 특성(들)에 실질적으로 영향을 미치지 않는 특정 재료 또는 단계에 대한 청구범위의 범주를 한정한다.
용어 "포함하는", "구성된" 및 "본질적으로 구성된"과 관련하여, 이들 세 가지 용어 중 하나가 본 명세서에서 사용되는 경우, 현재 개시되고 청구된 요지는 다른 두 용어 중 하나의 사용을 포함할 수 있다.
또한, 정수 범위는 모든 중간 정수를 명시적으로 포함한다는 것을 이해해야 한다. 예를 들어, 정수 범위 1 내지 10은 명시적으로 1, 2, 3, 4, 5, 6, 7, 8, 9 및 10을 포함한다. 마찬가지로, 범위 1 내지 100은 1, 2, 3, 4. . . 97, 98, 99, 100을 포함한다. 유사하게, 임의의 범위가 요구될 때, 상한과 하한 사이의 차이의 증분을 10으로 나눈 중간 숫자가 대체 상한 또는 하한으로 취해질 수 있다. 예를 들어, 범위가 1.1 내지 2.1인 경우, 다음 숫자 1.2, 1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9 및 2.0이 하한 또는 상한으로 선택될 수 있다.
용어 "서버"는 본 명세서에서 기재된 방법 및 기능을 수행하도록 구성된 임의의 컴퓨터, 컴퓨팅 장치, 이동 전화, 데스크탑 컴퓨터, 노트북 컴퓨터 또는 랩톱 컴퓨터, 분산 시스템, 블레이드(blade), 게이트웨이(gateway), 스위치, 처리 장치 또는 이들의 조합을 의미한다.
도 1은 대상자(10)의 심박수를 결정하고 표시하기 위한 시스템을 예시한다. 전형적으로, 대상자(10)는 사람이다. 그러나 대상자는 ECG-관련 데이터를 유도할 수 있는 임의의 생물(예를 들어, 동물)일 수 있다. 개선예에서, 대상자는 살아있는 존재의 하나 이상의 디지털 표현(예를 들어, 인위적으로 생성되고 인간 또는 동물과 적어도 하나의 공통 특성을 공유하는 인간 또는 동물을 나타내는 데이터 세트), 및 인간 또는 다른 동물과 하나 이상의 특성을 공유하는 하나 이상의 인공 창조물(예를 들어, 인간 또는 동물의 심장과 유사한 하나 이상의 전기 신호를 생성하는 실험실-배양 심장)을 포함한다. 유리하게, 대상자는 스포츠 또는 운동에 종사하는 사람(예를 들어, 건설 노동자, 군인, 걷고 있는 개인, 피트니스 수업 중인 개인)과 같이 활동적이다. 그러나 심박수를 결정하고 표시하는 시스템은 임의의 활동(예를 들어, 수면, 앉아 있음)에 참여하는 모든 대상자에 사용될 수 있다. 활동의 성격에 따라서, 대상자의 심박수는 비교적 짧은 시간 프레임 동안 크게 달라질 수 있다. 적어도 하나의 ECG 센서(12) 및/또는 이의 하나 이상의 부속물은 대상자(10)에 부착되거나 대상자 내부에 매립되어 심장 기능과 관련된 대상자의 신체(예를 들어, 피부)의 전기 변화를 측정한다. 개선예에서, 적어도 하나의 ECG 센서 및/또는 이의 하나 이상의 부속물은 대상자의 피부, 안구, 생체 또는 골격계를 포함한 대상자에 부착되거나, 접촉되거나, 이와 관련하여 또는 이로부터 파생된 전자 통신을 송신할 수 있거나, 대상자에 의해 섭취되거나, 직접적으로 또는 하나 이상의 매개체를 통해서 대상자와 접촉하거나 통신하는 직물, 섬유, 천, 재료, 고정 장치, 물체 또는 장치에 또는 이의 일부에 통합되거나 이에 부착 또는 매립된다. 예를 들면, 접착제를 통해 대상자에 달라붙는 ECG 센서(따라서 센서와 대상자 사이의 매개체 역할을 함), 피사체가 착용한 셔츠에 통합되거나 이에 매립된 ECG 센서, 대상자와 접촉하는 스티어링 휠에 통합된 ECG 센서, 비디오 게임 제어기에 통합된 ECG 센서, 안경에 연결되고 대상자의 귀에 접촉하는 ECG 센서, 피트니스 장비에 통합된 ECG 센서 등이 포함된다. 유리하게, ECG 센서는 단일 센서 내에 다중 센서를 가질 수 있다. 개선예에서, 적어도 하나의 ECG 센서는 적어도 하나의 센서가 ECG와 관련되지 않은 데이터를 제공할 수 있게 하는 다른 감지 기능을 가진다. 예를 들어, ECG 센서는 XYZ 좌표를 캡처하고 제공할 수 있는 자이로스코프, 가속도계 및 자력계도 가질 수 있다.
적어도 하나의 센서는 하나 이상의 측정값을 디지털화하고 디지털화된 측정값을 서버(14)로 전송한다. 디지털화된 측정값은 하나 이상의 무선 통신 프로토콜(16)을 사용하여 서버로 송신될 수 있다. 센서가 신호를 전송하는데 사용하는 기술에 의해 본 발명이 제한되지 않지만, 사용될 수 있는 이러한 무선 통신 프로토콜은 블루투스(Bluetooth), 지그비(Zigbee), Ant+ 및 와이-파이(Wi-Fi)를 포함한다. 개선예에서, 서버는 유선 또는 무선 연결을 통해 디지털화된 측정값을 전송할 수 있는 단일 유닛 또는 하나 이상의 부속물을 갖는 유닛으로서 센서 내부 또는 센서의 일부로 통합되거나 센서에 부착되거나 조합된다. 예를 들어, 하나 이상의 디지털화된 측정값을 수집하는 센서는 시계일 수 있고, 서버는 시계의 케이스 내에 위치하거나 시계를 포함하는 하나 이상의 시계 구성요소 내에 통합될 수 있다. 다른 예에서, 하나 이상의 디지털화된 측정치를 수집하는 센서 및 서버는 안경류의 케이스 내에 위치되거나, 안경류에 부착되거나, 안경류를 포함하는 하나 이상의 안경류 구성요소 내에 통합될 수 있다.
하나 이상의 통신 프로토콜은 실시간 또는 근-실시간으로 측정값이 서버에 도달하기 위해 직접적이거나 하나 이상의 매개체를 포함할 수 있다. 예를 들어, 하나 이상의 전송 서브-시스템이 디지털화된 측정값을 서버(14)로 전송하는데 사용될 수 있다. 전송 서브-시스템은 전송기와 수신기, 또는 이의 조합(예를 들어, 트랜시버)을 포함한다. 전송 서브-시스템은 메시 네트워크(mesh network)의 일부일 수 있는 단일 안테나 또는 다중 안테나를 갖는 수신기, 전송기 및/또는 트랜시버를 포함할 수 있다. 개선예에서, 전송기, 수신기 또는 트랜시버는 적어도 하나 이상의 ECG 센서에 통합된다. 다른 개선예에서, 하나 이상의 전송 서브-시스템은 착용할 수 있고 직접적으로 또는 하나 이상의 매개체(예를 들어, 옷, 사람이 착용하는 장비)를 통해 대상자에 부착되거나 대상자와 접촉할 수 있다. 또 다른 개선예에서, 하나 이상의 전송 서브-시스템은 선택적으로 다른 센서로서 작용하거나 적어도 하나의 ECG 센서에 통합되는 온- 또는 인-바디 트랜시버("온- 바디 트랜시버")를 포함한다. 온-바디 트랜시버는 표적 대상자에 대한 또는 하나 이상의 표적 대상자에 걸쳐 적어도 하나의 ECG 센서와 통신하도록 작동할 수 있으며 ECG-관련 데이터(예를 들어, 위치 데이터, 수화 데이터, 생체 역학 데이터) 이외에 하나 이상의 유형의 다른 생물학적 데이터를 추적할 수 있다. 개선예에서, 온-바디 트랜시버는 대상자의 피부, 중요한 기관, 근육, 골격계, 의복, 물체 또는 대상자의 신체에 있는 기타 장치에 부착되거나 통합되거나 접촉된다. 유리하게, 온-바디 트랜시버는 특정 센서의 하나 이상의 전송 프로토콜을 사용하여 각각의 센서와 통신하여 대상의 신체에 있는 하나 이상의 ECG 센서로부터 실시간 또는 근-실시간으로 데이터를 수집한다. 변형예에서, 전송 서브-시스템은 사람 또는 물체에 대한 적어도 하나의 ECG 센서로부터의 연속 스트리밍을 위한 공중 트랜시버(aerial transceiver)로 구성되거나 이를 포함할 수 있다. 공중 기반 전송 서브-시스템의 예는 트랜시버가 부착된 드론 및/또는 통신 위성을 포함할 수 있는 하나 이상의 명명되지 않은 항공기를 포함하지만 이에 제한되지 않는다. 무인 항공기 기반 데이터 수집 및 배포 시스템의 추가 세부사항은 2019년 7월 19일자로 출원된 미국 특허 번호 16/517,012 호에 개시되며; 그 전체의 개시 내용은 본 명세서에 원용에 의해 포함된다.
바람직하게, 사용된 적어도 하나의 센서에 따라서 증가 또는 감소될 수 있지만, 초당 250 내지 1000개의 이러한 측정값이 송출(예를 들어, 전송)된다. 비록 이것이 조정가능한 매개변수일 수 있지만, 이들 측정값으로부터 서버(14)는 대략 초당 1회 심박수 값을 계산한다. 서버(14)는 프로토콜(20)을 사용하여 디스플레이(18)에 하나 이상의 심박수 값을 전달한다. 전형적으로, 디스플레이는 시각적 형태로 정보를 전달한다. 디스플레이는 디스플레이를 구성하는 복수의 디스플레이를 포함할 수 있다. 디스플레이는 대상자(10) 및/또는 다른 사람이 볼 수 있도록 배열될 수 있다. 유리하게, 디스플레이는 오디오 또는 청각 형식(예를 들어, 심박수 측정의 구두 통신), 물리적 제스처(예를 들어, 하나 이상의 심박수 측정), 또는 이의 조합을 포함한 하나 이상의 다른 메커니즘을 사용하여 정보를 전달할 수 있다. 프로토콜(20)은 무선 프로토콜 또는 유선 프로토콜일 수 있다. 일부 실시예에서, 디스플레이(18) 및 서버(14)는 프로세싱 및 디스플레이 능력을 갖는 스마트폰과 같은 단일 물리적 장치, 또는 다른 컴퓨팅 장치(예를 들어, AR/VR 헤드셋)에 통합될 수 있다. 용어 "컴퓨팅 장치"는 일반적으로 다른 컴퓨팅 장치와 통신하는 것을 포함한, 적어도 하나의 기능을 수행할 수 있는 모든 장치를 의미한다. 개선예에서, 컴퓨팅 장치는 데이터 및 프로그램 코드를 저장하기 위한 메모리 및 프로그램 단계를 실행할 수 있는 중앙 처리 장치를 포함한다. 유리하게, 서버(14) 및/또는 디스플레이(18)는 사람(10)(예를 들어, 스마트 안경류, 시계)에 의해 착용가능할 수 있다.
도 2는 ECG 측정의 예시적인 출력을 예시한다. 측정은 각각의 심장 박동에 대해 반복되는 규칙적인 패턴을 따른다. 반복 패턴의 다양한 지점은 P, Q, R, S 및 T로 표시된다. R 지점은 국부적인 피크로 표시된다. R 피크의 시간은 1≤i≤n에 대해 R_loci로 표시된다. 연속적인 R_loc 시간 사이의 차이는 1≤i<n에 대해 박동 사이의 간격, i(IBIi)로 표시된다. (도 2에 예시된 출력의 경우 n=6이다.) R 피크들 사이의 시간은 간격의 시작 부분보다 도 2에 표시된 기간의 끝 부분에서 더 짧다. 이는 개인의 심박수가 증가하고 있음을 나타낸다. 심박수가 급격히 변할 때 심박수를 계산하는 것은 심박수가 일정할 때 계산하는 것보다 어렵다. 도 2의 그래프는 매우 뚜렷한 R 피크를 보여주지만 실제 측정값이 반드시 그렇게 명확하지는 않다. 도 1의 시스템에는 사람의 신체 운동으로 인한 측정 노이즈, 사람 또는 사람 일부(예를 들어, 체근, 체지방)의 인공물로부터의 노이즈, 센서 성능 저하, 전도율, 환경 조건 및 전송과 같은 ECG 신호에서의 다양한 노이즈 소스가 있다.
순간 HR의 이상을 처리할 수 있는 방법 중 하나는 윈도잉 방법(windowing method)이다. 상기 방법에 대한 자세한 설명은 아래 섹션에서 설명된다. 10초(또는 그 미만) 내지 5분(또는 그 초과)과 같은 특정 기간의 슬라이딩 윈도우를 사용하여 ECG 데이터를 볼 수 있다. 이는 검출된 R-피크(박동)가 여러 개 포함되어 있다. 노이즈가 있는 신호에서, 이들 박동 중 일부는 노이즈 피크로 인해 HR 이상값이 매우 높거나 낮을 수 있다. 이들 값의 분포를 분석하여 HR 계산 전에 양호한 박동을 승인하거나 거부할 수 있다. 더욱 세밀한 해상도와 과거 HR 정보를 사용하기 위해서 중첩 슬라이딩 윈도우가 사용될 수 있다. 이러한 방법은 HR의 급격한 변화를 피하는데 매우 유용하고 효과적이다. 개선예에서, 슬라이딩 윈도우의 정확한 지속시간은 조정 가능한 매개변수이며, 대상자, 대상자가 참여하는 활동, 센서 및/또는 이의 조합을 포함한 하나 이상의 매개변수에 기초하여 가능한 미래 발생을 예측하기 위해서 이전에 수집된 데이터 세트를 살펴보는 인공 지능 또는 기계 학습 기술을 기초로 조정될 수 있다.
도 3은 디지털화된 ECG 측정의 수신된 스트림에 기초하여 심박수 값의 스트림을 계산하는 서버(14)에 의해 실행되는 방법을 예시한다. 상기 방법은 가장 최근에 계산된 심박수 값을 나타내는 매개변수(Past_HR)를 사용한다. 도면 부호 30에서, 이러한 매개변수는 초기화된다. Past_HR을 초기화하는 절차는 아래에서 더 자세히 설명된다. 도면 부호32에서, 상기 방법은 약 10초 동안의 ECG 데이터를 수집한다. 수집할 데이터의 정확한 지속기간은 조정 가능한 매개변수이다. 더 긴 기간을 사용하면, 상기 방법이 심박수의 급격한 변화에 덜 반응할 수 있다. 너무 짧은 기간을 사용하면 업데이트된 심박수를 계산하지 않는 방법의 빈도수가 증가할 수 있다. 개선예에서, 인공 지능 또는 기계 학습 기술은 하나 이상의 심박수 값에 영향을 미치지 않고 더 긴 기간 또는 더 짧은 기간이 활용될 수 있는 하나 이상의 패턴을 식별하거나 하나 이상의 값에 가중치를 부여하는데 사용될 수 있다. 도면 부호 34에서, R-피크 위치가 식별된다. 이러한 단계에 대해서는 본 발명자들이 권장하는 방법인 Pan-Thompkins 알고리즘을 포함한 다양한 방법이 공지되어 있다. 이러한 단계의 결과는 일련의 시간, R_loci, 1≤i≤n이다. 도면 부호 36에서, 방법은 인접한 R_loc 값 사이의 시간을 기초로 샘플 값의 수를 계산한다. 구체적으로, 1≤i<n-1에 대한 각각의 샘플 값, Hri는 60을 인접한 R_loc 값 사이의 시간 차이로 나눈 값과 같다. Hri 샘플 값은 대상자의 심박수와 동일한 단위, 분당 박동 수를 가지며 동일한 일반 범위에 속할 것으로 예상된다. 일부 실시예는 보고하기 전에 적절한 변환과 함께 IBI와 같은 상이하지만 관련된 샘플 값을 사용할 수 있다. 도면 부호 38에서, 상기 방법은 샘플 수가 미리 정의된 최소값, 예컨대 10을 초과하는지 여부를 테스트한다. 필요한 샘플 수는 조정 가능한 매개변수이다. 사용 가능한 샘플 수가 충분하지 않은 경우, 상기 방법은 40으로 분기하고 업데이트된 값을 계산하지 않고 이전 값을 보고한다. 개선예에서, 업데이트된 값이 계산되도록 하기 위해서 이전에 수집된 데이터의 적어도 일부에 기초하여 하나 이상의 샘플이 인위적으로 생성(발생)될 수 있다. 인공 데이터(artificial data)는 하나 이상의 인공 지능 및/또는 기계 학습 기술을 이용하여 생성될 수 있으며, 이는 하나 이상의 신경망의 훈련을 포함할 수 있다. 시뮬레이션된 동물 데이터 및 모델을 생성하기 위한 시스템의 추가 세부사항은 2019년 9월 6일자로 출원된 미국 특허 번호 62/897,064호에 개시되며; 그 전체 개시 내용은 원용에 의해 본 명세서에 통합되고 본 개시 내용에서 하나 이상의 인공 지능 및 기계 학습 기술을 활용하는 다른 참조 및 예에 적용 가능하다.
디지털화된 ECG 측정의 수신된 시계열의 노이즈로 인해 두 가지 유형의 피크 검출 오류가 발생할 수 있다. 제 1 유형의 오류는 실제 피크가 검출되지 않는 경우이다. 이러한 유형의 오류의 결과는 두 개의 정확한 IBI 값의 합과 동일한 IBI 값이다. 결과적인 Hri 값은 정확한 심박수보다 상당히 작다. 제 2 유형의 오류는 거짓 피크가 검출되는 경우이다. 이러한 유형의 오류의 결과는 정확한 IBI 값을 합산하는 두 개의 IBI 값이다. 결과적인 두 개의 Hri 값은 각각 정확한 심박수보다 크다. 결과적인 거짓 값이 두 유형의 오류에 대해 보고된 심박수 값 계산에 포함되어서는 안 된다.
샘플의 수가 충분하면, 상기 방법은 Past_HR의 임계값 내에 있는 샘플의 서브세트를 선택한다. 임계값은 샘플 차이의 표준 편차에 따라 달라진다. 도면 부호 42에서, 인접한 샘플 사이의 차이, 1≤i<n-2에 대한 Diffi가 계산된다. 도면 부호 44에서, Hri 샘플의 차이의 표준 편차가 계산되고 제 1 임계값과 비교된다. 본 발명자들은 조정 가능한 매개변수이지만 이러한 제 1 임계값에 대해 분당 5 박동의 값을 권장한다. 표준 편차가 제 1 임계값보다 작은 경우, 샘플은 Past_HR의 제 2 임계값 내에 있는 지의 여부에 따라 도면 부호 46에서 선택된다. 본 발명자들은 이러한 제 2 임계값에 대해 분당 20 박동의 값을 권장하지만 이는 조정 가능한 매개변수이다. 표준 편차가 도면 부호 44에서 제 1 임계값보다 크거나 같으면 Past_HR의 제 3 임계값 내에 있는지 여부에 따라서 도면 부호 48에서 샘플이 선택된다. 본 발명자들은 이러한 제 3 임계값에 대해 분당 12 박동의 값을 권장하지만 이는 조정 가능한 매개변수이다. 도면 부호 50에서, 상기 방법은 샘플이 선택되었는 지의 여부를 테스트한다. 그렇지 않은 경우, 상기 방법은 40으로 분기하고 업데이트된 값을 계산하지 않고 이전 값을 보고한다.
일부 샘플이 도면 부호 50에서 선택되면, 상기 방법은 선택된 샘플의 평균, 바람직하게는 중간을 취함으로써 도면 부호 52에서 Current_HR을 계산한다. 이러한 업데이트된 심박수 값은 디스플레이 장치로 전송하여 보고된다. 도면 부호 54에서, Past_HR은 Current_HR과 동일하게 설정된다. 업데이트된 값은 향후 반복에서 샘플을 선택하는 기준이 된다.
도면 부호 54에서 업데이트된 값을 보고하거나 도면 부호 40에서 이전 값을 보고한 후, 상기 방법은 도면 부호 56에서 추가 ECG 데이터를 대략 1초 동안 수집하고 세그먼트로 불릴 수 있는 현재 ECG 데이터 윈도우의 끝에 추가 데이터를 추가한다. 도면 부호 58에서, 도면 부호 56에서 추가된 데이터와 기간이 동일한 ECG 데이터의 가장 오래된 부분이 ECG 데이터 창에서 삭제된다. 값이 다소 자주 필요한 경우 도면 부호 56 및 58에서 시간 간격이 조정될 수 있다. 결과적으로, 이전 반복의 데이터 중 약 90%가 새 ECG 데이터 창에 포함된다.
도 4는 단계(30)의 초기화 절차를 설명한다. 도면 부호60에서, 약 2분의 ECG 데이터가 서버에 의해 수집된다. 그러나 이는 조정 가능한 매개변수이다. 바람직하게, 이러한 데이터는 심박수가 비교적 일정하고 사람의 모션으로 인해 신호 노이즈가 증가하지 않도록 사람이 쉬고 있는 동안 수집된다. 도면 부호 62에서, 상기 방법은 예를 들어, Pan-Thompkins 알고리즘을 사용하여 수집된 ECG 측정 스트림에서 R 피크를 식별한다. 도면 부호 64에서, R 피크, R_loci의 시간으로부터 다수의 샘플 Hri 값이 계산된다. 도면 부호 66에서, 초기 Past_HR 값은 Hri 값 샘플의 평균을 취하여 계산된다.
도 5a 및 도 5b는 본 명세서에 설명된 시스템 및 방법을 사용하여 다양한 신체 활동에 종사하는 사람의 심박수 측정을 예시한다. 이들 예에서, 접착제를 통해 대상자의 가슴에 부착된 단일 리드 센서는 초당 250회 측정의 샘플링 속도로 원시 데이터(예를 들어, 아날로그 측정값)를 생성하고 본 명세서에 설명된 시스템 및 방법을 사용하여 심박수 측정으로 변환된다. 도 5a는 인체의 고-활동 운동을 포함하는 스포츠인 스쿼시에 대한 심박수 측정값의 비교를 보여준다. 라인(70)은 단일 리드 센서를 통한, 경기 중 프로 스쿼시 선수의 가슴 끈 기반(chest-strap based) 심박수 모니터에서 파생된 심박수 측정값을 보여 주는 반면에, 라인(72)은 동일한 경기 중 본 명세서에 설명된 시스템 및 방법을 활용하는 프로 스쿼시 선수의 심박수 측정값을 보여준다. 도 5b는 인체의 고-활동 운동을 포함하는 스포츠인 테니스의 심박수 측정값을 비교한 것이다. 라인(80)은 단일 리드 센서를 통한, 훈련 세션 동안 프로 테니스 선수의 가슴 끈 기반 심박수 모니터에서 파생된 심박수 측정값을 보여 주는 반면에, 라인(82)은 동일한 훈련 세션 동안 본 명세서에 설명된 시스템 및 방법을 활용하는 프로 테니스 선수의 심박수 측정값을 보여준다. 라인(84)은 라인(80)과 라인(82) 사이의 분당 심박수의 데이터 차이를 보여준다.
개선예에서, 둘 이상의 센서는 하나 이상의 심박수 측정값을 계산하는데 필요한 ECG 관련 판독값을 제공하기 위해서 동시에 또는 연속적으로 사용될 수 있다. 예를 들어, 심박수 측정값을 계산할 때, 하나의 센서는 리드 I 위치에 놓일 수 있으며, 다른 센서는 리드 II 위치에 놓일 수 있으며, 다른 센서는 리드 III 위치에 놓일 있으며, 여기서 둘 이상의 센서는 서버, 서로 또는 둘 모두와 통신하여 하나 이상의 센서에 의해 송신된 데이터의 적어도 일부로부터 하나 이상의 심박수 측정값을 계산한다.
대부분의 경우에, 하나 이상의 센서는 서버에 직접 제공되는 아날로그 측정값(예를 들어, 원시 AFE 데이터)을 생성하며, 여기서 서버는 데이터를 필터링하고 하나 이상의 심박수 값을 생성하기 위해 이전에 설명된 방법을 적용한다. 그러나 데이터의 신호 대 노이즈 비가 매우 낮은 경우 사전-필터 로직이 필요할 수 있다. 본 발명자들은 생성된 하나 이상의 데이터 값이 깨끗하고 미리 결정된 범위 내에 맞는 것을 보장하기 위해서 시스템이 센서로부터 생성된 데이터를 "고정"하는 여러 단계를 수행할 수 있는 사전-필터 방법을 제안한다. 이러한 사전 필터 논리는 센서의 데이터를 사용하고, 이상값 또는 "나쁜" 값을 검출하고, 이들 값을 예상 또는 "양호한" 값으로 대체하고, 하나 이상의 심박수 값을 계산하기 위해서 "양호한" 값을 전달한다. "고정"이란, 본 발명자는 생성된 값의 시계열로 정렬하고 미리 설정된 임계값 내에 맞는 미리 설정된 임계값을 벗어날 수 있는 값을 하나 이상의 "양호한" 데이터 값으로 대체하기 위해서 하나 이상의 대체 데이터 값(즉, "양호한" 값)을 생성하는 능력을 의미한다. 이들 단계는 하나 이상의 HR 값을 계산하기 위해서 심박수 로직이 수신된 데이터에 대해 조치를 취하기 이전에 발생한다.
유리하게, 하나 이상의 데이터 값의 식별 및 교체를 위한 사전 필터 로직 및 방법론은 미-처리 및 처리된 출력 모두를 포함한, 수집된 임의의 유형의 센서 데이터에 적용될 수 있다. 예시 목적을 위해, 그리고 아날로그 측정(AFE)과 같은 원시 데이터가 근전도(EMG) 신호와 같은 다른 파형으로 변환될 수 있지만, 본 발명자들은 ECG 및 HR 값으로의 변환에 중점을 둘 것이다.
이전에 설명된 바와 같이, 사전 필터 로직은 하나 이상의 센서로부터 생성된 AFE 값의 시계열에서 신호 대 노이즈 비가 0에 있거나 0에 가깝거나 수치적으로 작은 시나리오에서 중요해진다. 이 경우, 하나 이상의 심박수 값을 생성하기 위해서 본 명세서에 설명된 시스템 및 방법은 하나 이상의 그러한 값을 무시할 수 있으며, 이는 생성된 심박수 값이 생성되지 않거나 미리 설정된 매개변수, 패턴 및/또는 임계값을 벗어날 수 있는 생성된 심박수 값을 초래할 수 있다. 그러한 AFE 값은 대상자가 하나 이상의 다른 생리학적 매개변수(예를 들어, 근육 활동)를 증가시키는 행동을 취하거나 동일한 센서가 도입되거나 연결을 악화시키는 경쟁 신호 또는 다른 변수에서 발생할 수 있다. 이는 차례로 일관성 없는 HR 시리즈를 만들 수 있다.
이러한 문제점을 해결하기 위해서, 본 발명자들은 이전에 생성된 값이 아닌 미래의 값을 살펴봄으로써 하나 이상의 데이터 값을 생성할 수 있는 방법을 확립하였다. 더 구체적으로, 시스템은 하나 이상의 이상치 신호 값을 검출하고 이상치 값을 예상 범위(예를 들어, 설정된 상한 및 하한) 내에 속하는 하나 이상의 신호 값으로 대체하여, 시리즈를 평활화하는 동시에 각각의 값 사이의 분산을 줄이는 효과를 가진다. 설정된 예상 범위는 개인, 센서 유형, 하나 이상의 센서 매개변수, 하나 이상의 센서 특성, 하나 이상의 환경 요인, 개인의 하나 이상의 특성, 개인의 활동성 등을 포함한 상이한 변수를 고려할 수 있다. 예상 범위는 또한, 이전에 수집된 센서 데이터 및/또는 이의 하나 이상의 파생물(derivative), 및 가능하게는 앞서 언급한 변수 중 하나 이상을 사용하여 예상 범위가 무엇인 지를 하나 이상의 인공 지능 또는 기계 학습 기술에 의해 생성될 수 있다. 예상 범위는 또한, 일정 기간 동안 변경될 수 있으며 본질적으로 동적이며 하나 이상의 변수(예를 들어, 사람이 종사하는 활동성 또는 환경 조건)에 따라 조정된다. 변형예에서, 하나 이상의 인공 지능 또는 기계 학습 기술은 수집된 센서 데이터의 적어도 일부로부터 유도된 예상 범위(예를 들어, 상한 및 하한) 내의 하나 이상의 인공 신호 값 및/또는 이의 하나 이상의 센서로부터의 하나 이상의 파생물을 생성하기 위해 적어도 부분적으로 활용될 수 있다.
미래 값에 기초하여 하나 이상의 값을 생성하는 원하는 결과를 달성하기 위해서, 시스템은 먼저 센서의 "정상" 또는 "예상" AFE 값 중 하나 이상을 샘플링하고 통계 테스트 및 탐색적 데이터 분석을 적용하여 사분위수 범위(IQR), 분포 및 백분위수 컷오프, 첨도(kurtosis) 등과 같은 이상치 검출 기술을 포함할 수 있는 센서에 의해 생성된 각각의 AFE 값의 허용 가능한 상한 및 하한을 결정한다. 정상 또는 예상 AFE 값은 이전에 수집된 센서 데이터의 적어도 일부분을 활용하여 결정될 수 있다. 정상 또는 예상 AFE 값으로 간주되는 값은 센서, 센서 매개변수 또는 정상 또는 예상되는 것으로 결정되는 요인(예를 들어, 대상자, 대상자가 종사하는 활동성)에 의해 변할 수 있다.
일단 이상치가 식별되면, 사전 필터 로직은 하나 이상의 이상치(즉, 허용되는 하한 및 상한을 벗어나는 AFE 값)를 샘플의 현재 창(current window)에서 정상 범위 내에 속하는 이용 가능한 다음 값으로 채우는 역방향 채우기 방법(backward filling method)을 사용한다. 이는 처리할 수 없는 노이즈가 없는 더 깨끗하고 예측 가능한 시계열 값을 초래한다. 개선예에서, 하나 이상의 값은 모델이 과거 AFE 값 시퀀스가 주어지면 다음 AFE 값을 예측하도록 훈련된 인공 지능 또는 기계 학습 기술을 활용하여 생성되고/되거나 값의 시퀀스가 정상 범위 내에 있게 하기 위해서 하나 이상의 이상값을 대체함으로써 생성된다.
변형예에서, 사용자는 센서에서 생성되는 AFE 신호와 유사한 파형을 설명하는 경험적 또는 수학적 공식 기초 방법을 사용할 수 있다. 심박수 값의 경우, 시스템은 n초 분량의 AFE 데이터를 포함하도록 원시 데이터를 처리하는 사전 필터 로직에 의해 사용되는 데이터의 양을 증가시킬 수 있다. 시스템에서 수집하고 활용하는 데이터 양이 증가하면 QRS 컴플렉스를 식별하는데 사용되는 간격 수가 증가함에 따라서 시스템에서 HR 생성 값에 대한 더욱 예측 가능한 패턴을 생성할 수 있다. 이는 HR이 1초 하위 간격에 대해 계산된 HR 값의 평균이기 때문에 발생한다. n초는 미리 결정되거나 동적일 수 있는 조정 가능한 매개변수이다. 개선예에서, 인공 지능 또는 기계 학습 기술은 하나 이상의 이전에 수집된 데이터 세트에 기초하여 주어진 범위 내에 속하는 하나 이상의 값을 생성하는데 필요한 n초의 AFE 데이터를 예측하는데 사용될 수 있다.
데이터의 전처리가 QRS 컴플렉스에서 가능한 R-피크를 복제하지 않을 수 있지만, 하나 이상의 노이즈 값을 정상 또는 예상 신호의 범위로 끌어오는 것은 다운스트림 필터 및 시스템이 HR 값을 생성하여 품질 신호가 없을 때 예상 범위에 속하는 하나 이상의 HR 값을 생성한다.
지난 수년 동안, 심박수는 의료 및 소비자 건강 모니터링 시스템에서 널리 사용되었다. 심박수는 자율신경계(ANS)의 비침습적 측정이다. 심박수 및 모니터링은 주어진 성능의 훈련 및 평가를 위해서 스포츠에서 효과적으로 사용된다. 또한 유산소 운동과 관련된 통찰력을 제공한다. 심박수는 또한, 훈련 및 회복 최적화, 질병 위험 식별, 건강 모니터링, 사망률 및 이환율 등과 같은 다양한 용례에 사용된다. 또한, 다른 데이터 세트 또는 추론과 결합된 심박수 측정은 심박수 해석과 관련하여 추가적인 가치를 제공할 수 있다. 예를 들어, 긴장 및 회복을 포함한 다양한 요인이 심박수 측정에 영향을 줄 수 있으며, 이는 동일한 데이터에 대한 여러 해석으로 이어질 수 있다. 또한, 심박수 측정값이 캡처되는 맥락과 관련된 정보는 관련 정보(예를 들어, 훈련 프로그램 시작 시 캡처된 심박수 측정값 대 중간값, 신체 활동 분포, 훈련 부하)뿐만 아니라, 수집되고(예를 들어, 근육 관련 데이터, 수화 관련 데이터) 관찰된(예를 들어, 인지된 피로) 기타 센서 데이터일 수 있다.
심박수 측정 및/또는 이의 하나 이상의 파생물의 실시간 또는 근-실시간 모니터링은 항공 및 우주 여행, 의료(예를 들어, 병원 ), 제약, 자동차, 군사, 스포츠, 피트니스, 지방자치단체(예를 들어, 경찰, 소방관), 의료, 금융, 보험, 제조, 통신, 음식료, ICT, 석유 및 가스, 개인 건강, 연구, 기업 건강 등을 포함한 다수의 용례 및 다양한 산업에 사용될 수 있다. 예를 들어, 트레이너 또는 피트니스 기술(예를 들어, 피트니스 기계)은 계산된 심박수에 기초하여 훈련 중 운동 선수의 운동 패턴을 조정할 수 있다. 훈련이나 경기 중에 선수는 피로, 최적이 아닌 경기력 또는 부상 위험을 나타내는 심박수에 따라서 휴식을 취할 수 있다. 심박수 및/또는 이의 하나 이상의 파생물은 에너지 활동 또는 스트레스와 같은 마커에 대한 지표의 일부로서 활용될 수 있다. 심장 기반 측정 및/또는 이의 하나 이상의 파생물은 스포츠 베팅 용례 내에서 적어도 부분적으로 내기(wager)/걸기(bet)로서, 내기/걸기에 사용되는 정보로서, 내기/걸기와 관련된 배당률을 조정하기 위한 정보로서, 내기/걸기와 관련하여 베팅 제품을 만들기 위한 입력으로, 확률(예를 들어, 개인이 심장마비에 걸릴 가능성)을 평가하거나 계산하기 위한 입력으로서, 전략 수립의 입력(예를 들어, 보험 회사가 심장 기반 측정에 기초하여 특정 사람을 보장하기를 원하는 지의 여부)으로서, 위험을 완화하기 위한 입력(예를 들어, 보험 회사의 경우 심장 기반 데이터에 기초하여 누군가를 보장하거나 보험료를 인상하지 않기로 결정하는 심장 기반 데이터를 활용; 병원의 경우 심장 기반 측정을 모니터링하여 사람에게 심장마비가 발생하지 않았는 지를 확인; 우주 여행의 경우 심장 기반 데이터를 모니터링하여 대상자의 우주 여행 적합성을 판단)으로서, 미디어 콘텐츠의 입력(예를 들어, 소셜 미디어 또는 피트니스 회사의 온라인 커뮤니티에서 공유하기 위해 그룹 피트니스 수업에서 생성된 심장 기반 측정값 사용, 전문 스포츠 또는 비디오 게임 콘텐츠를 위한 라이브 방송의 일부로 심장 박동수 데이터 사용)으로서, 또는 프로모션의 입력으로 활용될 수 있다. 하나 이상의 심박수 측정 및/또는 이의 하나 이상의 파생물을 활용할 수 있는 용례를 갖는 동물 데이터 예측 시스템과 관련된 추가 세부사항은 2019년 4월 15일자로 출원된 미국 특허 번호 62/833,970호 및 2019년 10월 9일자로 출원된 미국 특허 번호 62/912,822호에 개시되며; 그 전체 개시 내용은 원용에 의해 본 명세서에 포함된다.
변형예에서, 하나 이상의 심장 기반 측정치 및/또는 이의 하나 이상의 파생물 중 적어도 일부는 모니터링하거나 실시간 또는 근-실시간으로 하나 이상의 사용자의 건강과 직간접적으로 관련된 피드백을 제공하는데 사용된다. 예를 들어, 한 명 이상의 대상자는 하루 종일 다양한 환경에서(예를 들어, 집에서, 직장에서, 피트니스 수업에서, 잠자는 동안) 자신의 심박수 기반 측정값을 모니터링하기를 원할 수 있으며, 여기서 심박수 및/또는 이의 하나 이상의 파생물(예를 들어, 성능 영역)은 실시간 또는 근-실시간으로 표시된다. 다른 예에서, 항공사는 비행 중 생리적 상태를 더 잘 이해하기 위해서 조종사의 심박수 또는 ECG를 모니터링하기를 원할 수 있다. 우주 여행 회사는 건강 관련 기내 상태 확인의 일환으로서 승객 또는 승무원의 실시간 심장 기반 측정을 모니터링할 수 있다. 보험 회사는 보험에 가입할 수 있는 개인의 생리적 특성을 더 잘 이해하고 해당 데이터를 기반으로 보험료를 조정하기 위해서 운동 또는 기타 활동 중 심박수 측정을 원할 수 있다. 건설 회사 또는 석유 및 가스 회사는 작업자의 심장 건강을 실시간으로 모니터링하기를 원할 수 있다. 군사 조직은 군인의 실시간 건강을 모니터링하기를 원할 수 있다. 은퇴 시설이나 요양원은 환자의 심박수 측정값을 모니터링할 수 있다. 택시 회사는 보험 목적으로 운전자와 관련된 생리학적 데이터를 모니터링할 수 있다. 회사에서 근무하는 동안 직원의 실시간 심박수를 모니터링할 수 있다. 모니터/디스플레이와 조합된 자전거, 모니터/디스플레이 또는 소프트웨어 분석 플랫폼을 갖는 러닝머신과 같은 피트니스 플랫폼(fitness platform)은 운동 중 또는 운동 전후에 플랫폼 사용자에게 실시간 심박수 피드백을 제공할 수 있다. 이들 예에서, 심장 기반 측정을 도출하는 하나 이상의 센서와 웹 브라우저 내에서 실행되는 애플리케이션(application) 사이의 직접 통신을 통해 하나 이상의 위치에서 모니터링이 발생할 수 있다. 심박수 측정 및/또는 이의 하나 이상의 파생물에 대한 애플리케이션을 갖는 브라우저 기반 생물학적 데이터 추적 시스템 및 방법과 관련된 추가 세부사항은 2019년 2월 13일자로 출원된 미국 특허 번호 16/274,701호에 개시되어 있으며, 그 전체 개시 내용은 본 명세서에에 원용에 의해 포함된다. 개선예에서, 하나 이상의 심박수 측정값 및/또는 이의 하나 이상의 파생물을 하나 이상의 사용자에게 전달하는 디스플레이는 하나 이상의 심장 기반 측정 및/또는 이의 하나 이상의 파생물의 적어도 일부분에 기초한 하나 이상의 사용자가 취해야 할 하나 이상의 조치에 대한 하나 이상의 권장사항, 지침 또는 지시를 제공한다. 예를 들어, 디스플레이 장치는 데이터에 기초하여 취해질 하나 이상의 조치에 대한 하나 이상의 권장 사항을 제공할 수 있다(예를 들어, 심박수 측정값이 너무 높으면 "활동 중지"; 심박수 측정값 또는 ECG가 불규칙하면 "의사 진찰"; 대상자의 심박수 측정이 잠재적인 건강 문제 신호를 보내면 대상자의 배우자 또는 의사와 같은 사용자에게 긴급 전화를 걸기 위한 조치가 시작되거나 디스플레이 장치에 "긴급 번호로 전화 걸기" 경고가 제공된다.
개선예에서, 대상자의 하나 이상의 심장 기반 측정 및/또는 이의 하나 이상의 파생물의 적어도 일부분에 기초하여 하나 이상의 조정, 변경, 수정 또는 조치가 권장되고, 개시되거나 취해진다. 예를 들어, 사용자(예를 들어, 자동차 회사)는 차량 내 대상자의 상황 또는 상태를 결정하기 위해서 차량 내 운전자 또는 승객의 심박수 또는 ECG 측정을 모니터링하기를 원할 수 있다. 사용자 또는 차량 자체는 하나 이상의 심박수 측정값이 운전자 및/또는 승객에게 하나 이상의 잠재적인 문제(예를 들어, 승객이 심장마비가 있는 경우)를 알리는 신호로 해석되면 하나 이상의 수정 조치를 취(예를 들어, 차를 멈추거나 차를 견인)할 수 있다. 다른 예에서, 대상자의 심박수를 모니터링하는 피트니스 플랫폼(예를 들어, 애플리케이션, 상호 연결된 피트니스 하드웨어 및 소프트웨어)은 심박수 측정값 및/또는 이의 하나 이상의 파생물을 기초로 하여 실시간 또는 근-실시간으로 조정할 수 있다(예를 들어, 트레드밀(treadmill)은 심장 기반 표적 목표에 따라 자동으로 속도를 낮추거나 높일 수 있고, 고정식 자전거는 대상자의 심박수에 기초하여 자율적으로 난이도를 높이거나 낮출 수 있다). 다른 예에서, 통합 컴퓨팅 및 디스플레이 장치는 사람이 불규칙한 측정을 하는 것으로 검출되면 911에 전화하는 조치를 취할 수 있다. 또 다른 예에서, 보험 회사는 대상자의 심장 기반 측정 및/또는 이의 하나 이상의 파생물에 기초하여 보험료를 조정하기 위해서 위에 기재된 시스템 중 어느 하나를 적용할 수 있다.
개선예에서, 하나 이상의 대상자는 심박수 측정값 및/또는 하나 이상의 파생물에 대한 액세스를 제공하는 대가로 고려될 수 있다. 예를 들어, 운동 선수는 보상(예를 들어, 금전 또는 가치 있는 것)을 받는 대가로 공공 소비를 위해(예를 들어, 스포츠 생중계에서 이들의 심박수 데이터 표시하기 위해) 자신의 심박수 측정 및/또는 하나 이상의 파생물에 대한 액세스를 제공할 수 있다. 다른 예에서, 사람들의 특정 부분 집합(예를 들어, 정의된 연령, 체중, 키, 건강 상태, 사회적 습관 등)으로부터 심박수 측정값을 수집하는데 관심이 있는 연구 기관의 기준을 충족하는 사람은 더 큰 그룹 연구(예를 들어, 연구에는 10,000명의 개인이 필요하고 이러한 사람은 10,000명 중 1명)의 일부로서 심박수 측정에 대한 액세스를 연구 기관에 제공할 수 있다. 다른 예에서, 조합된 자전거/모니터, 트레드밀/모니터, 피트니스 기계 또는 소프트웨어 분석 플랫폼과 같은 피트니스 플랫폼의 하나 이상의 사용자는 사용자(예를 들어, 데이터 작성자) 또는 데이터 권리 보유자(예를 들어, 소유자)에게 다시 제공되는 보상의 대가로 데이터를 획득하는데 관심이 있는 여러 당사자(예를 들어, 보험 회사)에게 이의 수집된 심박수 측정값 및/또는 이의 하나 이상의 파생물을 제공할 수 있으며, 그 보상의 대가는 본질적으로 금전일 수 있거나 다른 형태(예를 들어, 피트니스 플랫폼에 대한 할인 또는 무료 액세스, 더 낮은 보험료, 기타 무료 또는 할인 특전)로 제공될 수 있다. 심박수 측정 및/또는 이의 하나 이상의 파생물에 대한 애플리케이션과 함께 인간 데이터에 대한 수익화 시스템의 추가 세부사항은 2019년 4월 15일자로 출원된 미국 특허 번호 62/834,131호 및 2019년 10월 8일자로 출원된 미국 특허 번호 62/912,210호에 개시되며; 이들 전체 개시 내용은 본 명세서에 원용에 의해 포함된다.
개선예에서, 하나 이상의 심장 기반 측정 및/또는 이의 하나 이상의 파생물 중 적어도 일부분은 (1) 하나 이상의 전략을 공식화하기 위해서; (2) 하나 이상의 내기/걸기가 베팅될 수 있는 하나 이상의 시장을 제공하기 위해서; (3) 한 명 이상의 사용자에게 조치를 취하도록 알리기 위해서; (4) 하나 이상의 내기/걸기가 베팅되는 하나 이상의 값으로서; (5) 하나 이상의 확률이나 가능성을 계산, 수정 또는 평가하기 위해서; (6) 하나 이상의 제품을 생성, 개선 또는 수정하기 위해서; (7) 하나 이상의 데이터 세트 또는 하나 이상의 시뮬레이션, 애플리케이션 또는 분석에 사용되는 다른 하나 이상의 데이터 세트의 일부로서; (8) 하나 이상의 시뮬레이션 내에서, 하나 이상의 사용자와 직간접적으로 관계되는 출력으로서; (9) 하나 이상의 미디어 또는 프로모션에서 입력으로서; 또는 (10) 하나 이상의 위험을 완화하기 위해서 사용된다. 제품에는 획득, 구매, 판매, 거래, 라이선스, 광고, 평가, 표준화, 인증, 임대 또는 배포될 수 있는 데이터 제품이 포함될 수 있다.
다른 개선예에서, 심박수 측정값 및/또는 이의 하나 이상의 파생물은 하나 이상의 시뮬레이션을 통해 그리고 심박수 측정값 및/또는 또는 그 하나 이상의 파생물 중 적어도 일부분에 기초하여 생성될 수 있는 인공 데이터를 생성하는데 사용될 수 있다. 인공 데이터는 (1) 하나 이상의 전략을 공식화하기 위해서; (2) 하나 이상의 내기/걸기가 베팅될 수 있는 하나 이상의 시장(예를 들어, 프로포지션(proposition) 베팅을 제공하기 위해서; (3) 한 명 이상의 사용자에게 조치를 취하도록 알리기 위해서; (4) 하나 이상의 내기/걸기가 베팅되는 하나 이상의 값으로서; (5) 하나 이상의 확률이나 가능성을 계산, 수정 또는 평가하기 위해서; (6) 하나 이상의 제품을 생성, 개선 또는 수정하기 위해서; (7) 하나 이상의 데이터 세트 또는 하나 이상의 시뮬레이션, 애플리케이션 또는 분석에 사용되는 다른 하나 이상의 데이터 세트의 일부로서; (8) 하나 이상의 시뮬레이션 내에서, 하나 이상의 사용자와 직간접적으로 관계되는 출력으로서; (9) 하나 이상의 미디어 또는 프로모션에서 입력으로서; 또는 (10) 하나 이상의 위험을 완화하기 위해서 다수의 애플리케이션에 사용된다. 유리하게는, 적어도 부분적으로, 심박수 측정으로부터 유도된 인공 데이터는 미래의 발생 또는 경향을 예측하기 위해서 사용될 수 있다. 인공 데이터는 하나 이상의 신경망의 훈련을 포함할 수 있는 하나 이상의 인공 지능 및/또는 기계 학습 기술을 사용하여 생성될 수 있다.
다른 개선예에서, 하나 이상의 훈련된 신경망은 더욱 정밀하고 정확한 심박수 측정을 제공하기 위한 데이터의 하나 이상의 변동(예를 들어, "유효한" R-피크 대 거짓" R-Peak 검출)을 식별 및/또는 분류하기 위해서 심박수 측정과 같은 이전에 수집된 ECG-유도 데이터를 활용할 수 있다. 예를 들어, 임의의 주어진 활동에서 하나 이상의 ECG 데이터 세트가 개인에 대해 수집된 경우, 하나 이상의 신경망은 유효한 R-피크와 거짓 R-피크(또는 노이즈가 많은 R-Peak)를 식별하고 차등화하도록 훈련될 수 있다. 또한, 하나 이상의 신경망은 인공 심박수 측정값, 또는 실제 심박수 측정값 또는 수집된 ECG 관련 데이터에 기초한 다른 ECG 관련 데이터를 생성하도록 훈련될 수 있다. 예를 들어, 심박수 측정과 관련된 하나 이상의 데이터 세트가 임의의 주어진 활동에 대해 시스템에 의해 수집된 경우, 하나 이상의 신경망은 인공 데이터(예를 들어, 심박수 측정값)를 생성하여 하나 이상의 변수를 조정할 능력을 가짐으로써 미래 발생을 예측하도록 훈련될 수 있다. 임의의 주어진 운동선수에 대한 심박수 측정을 포함한 생리학적 데이터 세트가 하나 이상의 변수(예를 들어, 온도 85도, 습도 65%, 고도 2000 피트)로 수집된 경우, 시스템은 (예를 들어, 95도 열 대 85도 열에서 운동 선수의 심박수 측정값이 어떻게 보이는지 이해하기 위해서 시뮬레이션을 실행하는)사용자가 설정한 하나 이상의 조정된 변수를 통합하는, 인공 데이터(예를 들어, 인공 심박수 측정값)를 생성할 능력을 가질 수 있다. 신경망은 GAN(Generative Adversarial Network: 생산적 적대 신경망)을 비롯한 다양한 방법을 사용하여 훈련될 수 있다. GAN은 두 개의 신경망으로 구성된 심층 신경망 아키텍처(deep neural network architecture)로, 하나가 다른 하나(적대적)와 맞물린다. GAN을 활용하여, 생성기는 하나 이상의 새로운 데이터 세트를 포함할 수 있는 하나 이상의 새로운 데이터 값을 생성하는 반면에, 판별자는 하나 이상의 사용자 정의 기준에 기초하여 하나 이상의 새로운 값을 평가함으로써 새로 생성된 값을 인증, 확인 또는 검증한다. 시뮬레이션된 동물 데이터 및 모델을 생성하기 위한 시스템의 추가 세부사항은 2019년 9월 6일자로 출원된 미국 특허 번호 62/897,064호에 개시되며; 그 전체 개시 내용은 본 명세서에 원용에 의해 포함된다.
개선예에서, 하나 이상의 시뮬레이션에서 하나 이상의 변수는 하나 이상의 사용자에 의해 결정될 수 있고, 하나 이상의 시뮬레이션의 출력은 보상의 대가로 하나 이상의 사용자에게 분배될 수 있다.
예시적인 실시예가 위에서 설명되었지만, 이들 실시예는 청구범위에 의해 포함되는 모든 가능한 형태를 설명하는 것으로 의도되지 않는다. 본 명세서에서 사용된 용어는 한정이 아닌 설명의 용어이며, 본 개시의 사상 및 범주로부터 벗어남이 없이 다양한 변경이 이루어질 수 있는 것으로 이해된다. 이전에 설명된 바와 같이, 다양한 실시예의 특징은 명시적으로 설명되거나 예시되지 않을 수 있는 본 발명의 추가 실시예를 형성하기 위해서 조합될 수 있다. 다양한 실시예가 장점을 제공하거나 하나 이상의 원하는 특성과 관련하여 다른 실시예 또는 종래 기술 구현예보다 선호되는 것으로 설명될 수 있지만, 당업자는 하나 이상의 특징 또는 특성이 특정 용례 및 구현예에 따라 달라지는 원하는 전체 시스템 속성을 달성하기 위해서 절충될 수 있음을 인식한다. 그 때문에, 하나 이상의 특성과 관련하여 다른 실시예 또는 종래 기술 구현예보다 덜 바람직한 것으로 설명된 실시예는 본 개시의 범주를 벗어나지 않으며 특정 용례에 바람직할 수 있다.

Claims (26)

  1. 심박수(heart rate) 측정 시스템으로서,
    대상자의 신체에서 전기 신호를 측정하고, 하나 이상의 아날로그 측정값(analog measurement)을 하나 이상의 디지털 판독값(digital reading)으로 변환하고, 하나 이상의 디지털 판독값을 전송하도록 구성된 적어도 하나의 센서;
    하나 이상의 디지털 판독값을 수신하도록 구성되고 하나 이상의 중첩 세그먼트 내의 R-피크를 식별하고, 인접한 R-피크들 사이의 시간에 기초하여 하나 이상의 샘플 값을 계산하고, 거짓 피크 검출(false peak detection) 또는 누락된 피크 검출에 의해 영향을 받는 하나 이상의 샘플을 폐기하고, 나머지 샘플 값의 하나 이상의 평균을 계산함으로써 하나 이상의 디지털 판독값의 하나 이상의 중첩 세그먼트(overlapping segment)에 기초하여 심박수를 계산하도록 구성된 서버(server); 및
    나머지 샘플 값의 하나 이상의 평균을 표시하도록 구성된 디스플레이 장치를 포함하는,
    심박수 측정 시스템.
  2. 제 1 항에 있어서,
    서버는 제 1 임계값(threshold) 초과만큼 이전 심박수 값과 상이한 주어진 샘플 값에 응답하여 하나 이상의 샘플이 거짓 피크 검출 또는 누락된 피크 검출에 의해 영향을 받는지를 결정하는,
    심박수 측정 시스템.
  3. 제 2 항에 있어서,
    하나 이상의 샘플 사이의 차이의 표준 편차가 제 2 임계값보다 더 큰 것에 응답하여, 서버는 제 1 임계값과 상이한 제 3 임계값 초과만큼 이전 심박수 값과 상이한 샘플 값에 응답하여 하나 이상의 샘플이 거짓 피크 검출 또는 누락된 피크 검출에 의해 영향을 받는지를 결정하는,
    심박수 측정 시스템.
  4. 제 3 항에 있어서,
    제 3 임계값은 제 2 임계값보다 더 작은,
    심박수 측정 시스템.
  5. 제 1 항에 있어서,
    하나 이상의 심장 기반 측정 및/또는 이의 하나 이상의 파생물(derivative) 중 적어도 일부분은 (1) 하나 이상의 전략을 공식화하기 위해서; (2) 하나 이상의 내기(wager)/걸기(bet)가 베팅될 수 있는 하나 이상의 시장을 제공하기 위해서; (3) 한 명 이상의 사용자에게 조치를 취하도록 알리기 위해서; (4) 하나 이상의 내기/걸기가 베팅되는 하나 이상의 값으로서; (5) 하나 이상의 확률이나 가능성을 계산, 수정 또는 평가하기 위해서; (6) 하나 이상의 제품을 생성, 개선 또는 수정하기 위해서; (7) 하나 이상의 데이터 세트 또는 하나 이상의 시뮬레이션, 애플리케이션(application) 또는 분석에 사용되는 다른 하나 이상의 데이터 세트의 일부로서; (8) 하나 이상의 시뮬레이션 내에서, 하나 이상의 사용자와 직간접적으로 관계되는 출력으로서; (9) 하나 이상의 미디어 또는 프로모션에서 입력으로서; 또는 (10) 하나 이상의 위험을 완화하기 위해서 사용되는,
    심박수 측정 시스템.
  6. 제 1 항에 있어서,
    하나 이상의 심장 기반 측정 및/또는 이의 하나 이상의 파생물 중 적어도 일부분은 실시간 또는 근-실시간(near real-time)으로 하나 이상의 사용자의 건강을 모니터링하거나 이와 직접 또는 간접적으로 관련된 피드백을 제공하는데 사용되는,
    심박수 측정 시스템.
  7. 제 1 항에 있어서,
    디스플레이 장치는 하나 이상의 심장 기반 측정 및/또는 이의 하나 이상의 파생물 중 적어도 일부분에 기초하여 하나 이상의 사용자에 의해 취해질 하나 이상의 조치에 대한 하나 이상의 추천, 명령 또는 지시를 제공하는,
    심박수 측정 시스템.
  8. 제 1 항에 있어서,
    대상자의 하나 이상의 심장 기반 측정 및/또는 이의 하나 이상의 파생물의 적어도 일부분에 기초하여 하나 이상의 조정, 변경, 수정 또는 조치가 권장, 개시되거나 취해지는,
    심박수 측정 시스템.
  9. 심박수 측정 시스템으로서,
    대상자의 피부, 중요한 기관, 근육, 정맥, 혈액, 혈관, 조직 또는 골격계에 고정하거나 접촉하거나, 또는 이와 관련되거나 이로부터 유도되는 전자 통신을 송신하도록 구성되고, 대상자의 신체에서 하나 이상의 전기 신호를 측정하고, 아나로그 측정값을 하나 이상의 디지털 판독값으로 변환하고, 디지털 판독값을 전송하도록 구성된 적어도 하나의 센서;
    하나 이상의 디지털 판독값을 수신하도록 구성되고 하나 이상의 중첩 세그먼트 내의 R-피크를 식별하고, 인접한 R-피크들 사이의 시간에 기초하여 하나 이상의 샘플 값을 계산하고, 이전 심박수 값의 제 1 임계값 내에서 하나 이상의 샘플을 선택하고, 현재 심박수 값을 선택된 샘플의 평균으로 설정함으로써 하나 이상의 디지털 판독값의 하나 이상의 중첩 세그먼트에 기초하여 하나 이상의 심박수 값을 계산하도록 구성된 서버; 및
    하나 이상의 현재 심박수 값을 표시하도록 구성된 디스플레이 장치를 포함하는,
    심박수 측정 시스템.
  10. 제 9 항에 있어서,
    디스플레이 장치는 각각의 후속 심박수 값이 계산되기 전에 각각의 현재 심박수 값을 표시하는,
    심박수 측정 시스템.
  11. 제 10 항에 있어서,
    서버는 적어도 하나의 센서가 후속 심박수 값을 계산하는데 사용되는 하나 이상의 디지털 판독값의 적어도 일부분을 측정하는 것을 완료하기 전에 각각의 현재 심박수 값을 계산하는,
    심박수 측정 시스템.
  12. 제 9 항에 있어서,
    서버는 제 3 임계값보다 큰 연속 샘플들 사이의 차이의 표준 편차에 응답하여 이전 심박수 값의 제2 임계값 내에서 샘플을 선택하는,
    심박수 측정 시스템.
  13. 제 9 항에 있어서,
    서버는 샘플 수가 제 4 임계값 미만인 것에 응답하여 현재 심박수 값을 이전 심박수 값과 동일하게 설정하는,
    심박수 측정 시스템.
  14. 제 9 항에 있어서,
    서버는 샘플이 선택되지 않은 것에 응답하여 현재 심박수 값을 이전 심박수 값과 동일하게 설정하는,
    심박수 측정 시스템.
  15. 제 9 항에 있어서,
    각각의 샘플 값은 인접한 R-피크들 사이의 시간의 역수에 비례하는,
    심박수 측정 시스템.
  16. 제 9 항에 있어서,
    서버는 하나 이상의 중첩 세그먼트보다 더 긴 디지털 판독값의 예비 세그먼트를 수신하고, 예비 세그먼트 내에서 R-피크를 식별하고, 인접한 R-피크들 사이의 시간에 기초하여 샘플 값을 계산하고, 샘플의 평균을 계산함으로써 초기 심박수 값을 계산하는,
    심박수 측정 시스템.
  17. 제 9 항에 있어서,
    하나 이상의 샘플은 이전에 수집된 데이터의 적어도 일부분에 기초하고 하나 이상의 인공 지능 또는 기계 학습 기술을 활용하여 인위적으로 생성되는,
    심박수 측정 시스템.
  18. 사람의 심박수를 측정하는 방법으로서,
    적어도 하나의 센서로부터 디지털 판독값의 제 1 세그먼트를 수신하는 단계;
    디지털 판독값의 제 1 세그먼트 내에서 R-피크를 식별하는 단계;
    인접한 R-피크들 사이의 시간에 기초하여 제 1 복수의 샘플 값을 계산하는 단계;
    이전 심박수 값의 제 1 임계값 내의 샘플 값만을 포함하는 제 1 복수의 샘플 값의 제 1 서브세트를 선택하는 단계;
    제 1 복수의 샘플 값의 제 1 서브세트(subset)의 평균에 기초하여 제 1 업데이트된(updated) 심박수 값을 계산하는 단계; 및
    제 1 업데이트된 심박수 값을 표시하는 단계를 포함하는,
    사람의 심박수를 측정하는 방법.
  19. 제 18 항에 있어서,
    적어도 하나의 센서로부터 디지털 판독값의 제 2 세그먼트를 수신하는 단계;
    디지털 판독값의 제 2 세그먼트를 제1 세그먼트에 추가함으로써 디지털 판독값의 제3 세그먼트를 형성하는 단계;
    디지털 판독값의 제 3 세그먼트 내에서 R-피크 식별하는 단계;
    인접한 R-피크들 사이의 시간에 기초하여 제 2 복수의 샘플 값을 계산하는 단계;
    제 1 업데이트된 심박수 값의 제 1 임계값 내의 샘플 값만을 포함하는 제 2 복수의 샘플 값의 제 2 서브세트를 선택하는 단계;
    제 2 복수의 샘플 값의 제2 서브세트의 평균에 기초하여 제 2 업데이트된 심박수 값을 계산하는 단계; 및
    제 2 업데이트된 심박수 값을 표시하는 단계를 더 포함하는,
    사람의 심박수를 측정하는 방법.
  20. 제 18 항에 있어서,
    적어도 하나의 센서로부터 디지털 판독값의 제 2 세그먼트를 수신하는 단계;
    디지털 판독값의 제 2 세그먼트를 디지털 판독값의 제 1 세그먼트에 추가함으로써 디지털 판독값의 제 3 세그먼트를 형성하는 단계;
    디지털 판독값의 제 3 세그먼트 내에서 R-피크를 식별하는 단계;
    인접한 R-피크들 사이의 시간에 기초하여 제 2 복수의 샘플 값을 계산하는 단계;
    연속 샘플들 사이의 복수의 차이를 계산하는 단계;
    제 2 임계값을 초과하는 차이의 표준 편차에 응답하여, 제 1 업데이트된 심박수 값의 제 3 임계값 내의 샘플 값만을 포함하는 제 2 복수의 샘플 값의 제 2 서브세트를 선택하는 단계;
    제 2 복수의 샘플 값의 제 2 서브세트의 평균에 기초하여 제 2 업데이트된 심박수 값을 계산하는 단계; 및
    제 2 업데이트된 심박수 값을 표시하는 단계를 더 포함하는,
    사람의 심박수를 측정하는 방법.
  21. 제 18 항에 있어서,
    제 1 복수의 샘플 값을 계산하는 단계는 상수를 인접한 R-피크들 사이의 시간으로 나누는 단계를 포함하는,
    사람의 심박수를 측정하는 방법.
  22. 제 18 항에 있어서,
    디지털 판독값의 예비 세그먼트를 수신하고;
    디지털 판독값의 예비 세그먼트 내에서 R-피크를 식별하고;
    인접한 R-피크들 사이의 시간에 기초하여 샘플 값을 계산하고;
    샘플 값의 평균을 계산하여 초기 심박수 값을 계산하는 단계를 더 포함하는,
    사람의 심박수를 측정하는 방법.
  23. 하나 이상의 센서로부터 생성된 하나 이상의 이상값(outlier value)을 검출하고 교체하는 방법으로서,
    하나 이상의 센서에 의해 직접 또는 간접적으로 생성된 하나 이상의 값을 수신하는 단계;
    각각의 값에 대한 허용 가능한 상한 및/또는 하한을 결정하기 위해서 하나 이상의 통계적 테스트를 적용하는 단계; 및
    샘플의 현재 창(current window)에서 설정된 허용 가능한 범위 내에 속하는 다음 사용 가능한 값으로 하나 이상의 이상값을 대체하기 위해서 역방향 채우기 방법(backward filling method)을 활용하는 단계를 포함하는,
    하나 이상의 센서로부터 생성된 하나 이상의 이상값을 검출하고 교체하는 방법.
  24. 제 23 항에 있어서,
    하나 이상의 이상값의 검출 및/또는 상한 및/또는 하한의 설정은 대상자의 하나 이상의 특성, 센서 유형, 하나 이상의 센서 매개변수, 하나 이상의 센서 특성, 하나 이상의 환경 요인 또는 대상자가 참여하는 하나 이상의 활동 중 적어도 하나의 변수를 고려하는,
    하나 이상의 센서로부터 생성된 하나 이상의 이상값을 검출하고 교체하는 방법.
  25. 제 24 항에 있어서,
    이전에 수집된 센서 데이터 및/또는 이의 하나 이상의 파생물 및 적어도 하나의 변수 중 적어도 일부분을 사용하는 하나 이상의 인공 지능 또는 기계 학습 기술을 활용하여, 적어도 부분적으로 하나 이상의 이상값의 검출이 발생하거나 상한 및/또는 하한이 생성되거나 조정되는,
    하나 이상의 센서로부터 생성된 하나 이상의 이상값을 검출하고 교체하는 방법.
  26. 제 23 항에 있어서,
    하나 이상의 인공 지능 또는 기계 학습 기술이 적어도 부분적으로 사용되어 이전에 수집된 센서 데이터 및/또는 이의 하나 이상의 파생물 중 적어도 일부분으로부터 유도된 상한 및 하한 내에서 하나 이상의 인공 값을 생성하는,
    하나 이상의 센서로부터 생성된 하나 이상의 이상값을 검출하고 교체하는 방법.
KR1020217025017A 2019-01-14 2020-01-14 심박수 측정 시스템 KR20210124250A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/246,923 2019-01-14
US16/246,923 US20200221958A1 (en) 2019-01-14 2019-01-14 System for measuring heart rate
PCT/US2020/013461 WO2020150203A1 (en) 2019-01-14 2020-01-14 System for measuring heart rate

Publications (1)

Publication Number Publication Date
KR20210124250A true KR20210124250A (ko) 2021-10-14

Family

ID=71518018

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217025017A KR20210124250A (ko) 2019-01-14 2020-01-14 심박수 측정 시스템

Country Status (7)

Country Link
US (1) US20200221958A1 (ko)
EP (1) EP3911226A4 (ko)
JP (1) JP2022523631A (ko)
KR (1) KR20210124250A (ko)
CN (1) CN113573627A (ko)
CA (1) CA3126763A1 (ko)
WO (1) WO2020150203A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11850053B2 (en) 2019-01-14 2023-12-26 Sports Data Labs, Inc. System for measuring heart rate
GB2602646A (en) * 2021-01-07 2022-07-13 Prevayl Innovations Ltd Method and system for correcting an array of candidate peaks identified from a heartrate signal
GB2606140A (en) * 2021-04-21 2022-11-02 Prevayl Innovations Ltd Method and system for correcting heartrate values derived from a heart rate signal
CN114027847B (zh) * 2021-11-17 2023-05-05 湖南万脉医疗科技有限公司 一种基于时频分析的心电信号分析方法
CN113892930B (zh) * 2021-12-10 2022-04-22 之江实验室 一种基于多尺度心率信号的面部心率测量方法和装置
TWI790910B (zh) * 2022-01-28 2023-01-21 興友科技股份有限公司 體組成分析儀之資料整合系統

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11151231A (ja) * 1997-11-20 1999-06-08 Nissan Motor Co Ltd 車両用精神疲労度判定装置
JP2002078695A (ja) * 2000-09-08 2002-03-19 Osaka Gas Co Ltd 心電図計測装置
WO2004086967A1 (en) * 2003-03-26 2004-10-14 Biotechplex Corporation Instantaneous autonomic nervous function and cardiac predictability based on heart and pulse rate variability analysis
US7379770B2 (en) * 2003-05-13 2008-05-27 Dayton Technologies Limited Devices and methods for heart rate measurement and wrist-watch incorporating same
US9808163B2 (en) * 2009-04-30 2017-11-07 Texas Instruments Incorporated Method and apparatus for heart rate monitoring
US9198634B2 (en) * 2009-08-03 2015-12-01 Diacoustic Medical Devices (Pty) Ltd Medical decision support system
US8588895B2 (en) * 2011-04-22 2013-11-19 Cameron Health, Inc. Robust rate calculation in an implantable cardiac stimulus or monitoring device
EP2836116A4 (en) * 2012-04-11 2015-11-25 Impak Health Llc ECARD ECG MONITOR
US20140275960A1 (en) * 2013-03-13 2014-09-18 David R. Hubbard Functional magnetic resonance imaging biomarker of neural abnormality
EP3035848B1 (en) * 2013-08-23 2020-03-11 Medicus Engineering ApS Method and device for improving prediction of change in a physiological condition
US9545227B2 (en) * 2013-12-13 2017-01-17 Vital Connect, Inc. Sleep apnea syndrome (SAS) screening using wearable devices
ES2953946T3 (es) * 2014-10-31 2023-11-17 Irhythm Tech Inc Sistema de monitorización fisiológica
WO2016183683A1 (en) * 2015-05-20 2016-11-24 University Health Network Method and system for assessing qrs components and the risk of ventricular arrhythmias
US11647967B2 (en) * 2016-09-22 2023-05-16 Vital Connect, Inc. Generating automated alarms for clinical monitoring

Also Published As

Publication number Publication date
CN113573627A (zh) 2021-10-29
EP3911226A1 (en) 2021-11-24
CA3126763A1 (en) 2020-07-23
EP3911226A4 (en) 2022-12-28
WO2020150203A1 (en) 2020-07-23
JP2022523631A (ja) 2022-04-26
US20200221958A1 (en) 2020-07-16

Similar Documents

Publication Publication Date Title
KR20210124250A (ko) 심박수 측정 시스템
US20230034337A1 (en) Animal data prediction system
US20240099639A1 (en) System for measuring heart rate
EP4299148A2 (en) System for generating simulated animal data and models
US11246531B2 (en) Fatigue measurement in a sensor equipped garment
US9101261B2 (en) Method, medium, and apparatus generating health state based avatars
EP2916724A1 (de) Verfahren und vorrichtung zur bestimmung von vitalparametern
EP2842491A1 (en) Device for calculating amount of retained physical activity, method for calculating amount of retained physical activity and system for calculating amount of retained physical activity
Beh et al. MAUS: A dataset for mental workload assessmenton N-back task using wearable sensor
US20190046107A1 (en) Exercise application based on muscle stress measurement
RU2649519C2 (ru) Способ непрерывного контроля уровня напряженного состояния человека
CA3220063A1 (en) Method and system for generating dynamic real-time predictions using heart rate variability
Gajda et al. Sports heart monitors as reliable diagnostic tools for training control and detecting arrhythmias in professional and leisure-time endurance athletes: an expert consensus statement
Pyre Analysis of physiological responses induced by motion sickness and its detection based on ocular parameters
CN108882883A (zh) 对副交感自主神经系统和交感自主神经系统的同时和独立活动进行测量、相关和分析的方法和系统
RU2531443C1 (ru) Способ определения стресса
Razak et al. Driver-centered pervasive application for heart rate measurement
US20240212845A1 (en) Animal data-based identification and recognition system and method
CN117615709A (zh) 信号处理设备和方法
Scherz et al. QRS complex detection, analysis and pre-processing to determine stress
CA3033804A1 (en) Anxiety detection in different user states