KR20210132614A - 광혈류측정을 이용한 혈압 추정 - Google Patents

광혈류측정을 이용한 혈압 추정 Download PDF

Info

Publication number
KR20210132614A
KR20210132614A KR1020210053341A KR20210053341A KR20210132614A KR 20210132614 A KR20210132614 A KR 20210132614A KR 1020210053341 A KR1020210053341 A KR 1020210053341A KR 20210053341 A KR20210053341 A KR 20210053341A KR 20210132614 A KR20210132614 A KR 20210132614A
Authority
KR
South Korea
Prior art keywords
subject
bpl
local
heart rate
class
Prior art date
Application number
KR1020210053341A
Other languages
English (en)
Inventor
챙 멍 시엉
란 선
Original Assignee
비아비 솔루션즈 아이엔씨.
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 비아비 솔루션즈 아이엔씨. filed Critical 비아비 솔루션즈 아이엔씨.
Publication of KR20210132614A publication Critical patent/KR20210132614A/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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • 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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A61B5/02427—Details of sensor
    • A61B5/02433—Details of sensor for infrared radiation
    • 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
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Cardiology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

장치는 현재 피검체의 심박 프로파일을 취득할 수 있고, 심박 프로파일은 파장 채널들의 세트에 연관된 광혈류측정(PPG) 데이터에 기초한다. 장치는, 복수의 클래스를 포함하는 글로벌 모델을 결정할 수 있고, 각 클래스는 피검체 식별자 및 혈압 수준(BPL) 식별자에 연관된다. 장치는, 현재 피검체의 심박 프로파일에 기초하여 클래스를 현재 피검체에 가장 가까운 클래스로서 식별할 수 있다. 장치는, 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 가장 가까운 클래스에 연관된 로컬 피검체를 식별할 수 있다. 장치는, 로컬 피검체에 대한 심박 프로파일 데이터에 기초하여 현재 피검체에 대한 BPL 추정 모델을 생성할 수 있다. 장치는, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 이용하여 현재 피검체에 대한 BPL 추정을 결정할 수 있다.

Description

광혈류측정을 이용한 혈압 추정{BLOOD PRESSURE ESTIMATION WITH PHOTOPLETHYSMOGRAPHY MEASUREMENT}
광혈류측정(photoplethysmography: PPG)은, (혈액량이 심장의 펌핑 작용으로 인해 변함에 따라) 말초 순환에서 혈액의 체적 변화를 검출하는 데 사용될 수 있는 광학 기술이다. PPG는 피부의 표면(예를 들어, 손가락 끝, 손목, 귓불 등)에서 측정을 행하는 비침습적 방법이다. PPG 장치는, 예를 들어, 다수의 파장 채널(예를 들어, 64개의 파장 채널)에 연관된 심박 시계열 데이터를 제공하는 멀티스펙트럼 센서 장치(예를 들어, 이진 멀티스펙트럼(binary multispectral: BMS) 센서 장치)의 형태를 취할 수 있다. 멀티스펙트럼 센서 장치는, 심박 시계열 데이터를 캡처하기 위해 다수의 파장 채널 중 하나를 (멀티스펙트럼 필터의 각 영역을 통해) 각각 수신하는 다수의 센서 요소(예를 들어, 광학 센서, 스펙트럼 센서, 및/또는 이미지 센서)를 포함할 수 있다.
일부 구현예에 따르면, 방법은, 장치에 의해, 파장 채널들의 세트에 연관된 PPG 데이터에 기초하는 현재 피검체의 심박 프로파일을 취득하는 단계; 장치에 의해, 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계로서, 복수의 클래스의 각 클래스는 피검체 식별자 및 혈압 수준(blood pressure level: BPL) 식별자에 연관된, 단계; 장치에 의해, 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별하는 단계로서, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별되는, 단계; 장치에 의해, 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계로서, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별되는, 단계; 장치에 의해, 현재 피검체에 대한 BPL 추정 모델을 생성하는 데 사용될, 로컬 피검체에 연관된 적어도 두 개의 클래스를 선택하는 단계로서, 적어도 두 개의 클래스는 가장 가까운 클래스 및 로컬 피검체에 연관된 적어도 다른 하나의 클래스를 포함하고, 적어도 다른 하나의 클래스는 가장 가까운 클래스의 BPL 식별자와는 다른 BPL 식별자에 연관된, 단계; 장치에 의해, 로컬 피검체에 연관된 적어도 두 개의의 클래스에 대한 심박 프로파일 데이터에 기초하여 BPL 추정 모델을 생성하는 단계; 및 장치에 의해, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 이용하여 현재 피검체에 대한 BPL 추정을 결정하는 단계를 포함할 수 있다.
일부 구현예에 따르면, 방법은, 장치에 의해, 파장 채널들의 세트에 연관된 PPG 데이터에 기초하는 현재 피검체의 심박 프로파일을 취득하는 단계; 장치에 의해, 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계로서, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된, 단계; 장치에 의해, 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별하는 단계로서, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별되는, 단계; 장치에 의해, 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계로서, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별되는, 단계; 장치에 의해 그리고 로컬 피검체의 식별에 기초하여, 로컬 피검체에 연관된 로컬 피검체 전달 세트를 결정하는 단계로서, 로컬 피검체 전달 세트는 기준 BPL에서 수집되는 로컬 피검체의 하나 이상의 심박 프로파일을 포함하는, 단계; 장치에 의해, 현재 피검체에 연관된 현재 피검체 전달 세트를 취득하는 단계로서, 현재 피검체 전달 세트는 기준 BPL에서 수집되는 현재 피검체의 하나 이상의 심박 프로파일을 포함하는, 단계; 장치에 의해, 현재 피검체 전달 세트 및 로컬 피검체 전달 세트에 기초하여, 전달되는 현재 피검체 세트(transferred current subject set)를 생성하는 단계로서, 전달되는 현재 피검체 세트는 현재 피검체에 연관된 복수의 전달되는 심박 프로파일을 포함하는, 단계; 장치에 의해, 식별된 로컬 피검체에 연관된 로컬 피검체 세트에 기초하여 BPL 추정 모델을 생성하는 단계; 및 장치에 의해, 전달되는 현재 피검체 세트에 기초하여 BPL 추정 모델을 이용하여 현재 피검체에 대한 BPL 추정을 결정하는 단계를 포함할 수 있다.
일부 구현예에 따르면, 방법은, 장치에 의해, 파장 채널들의 세트에 연관된 PPG 데이터에 기초하는 현재 피검체의 심박 프로파일을 취득하는 단계; 장치에 의해, 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계로서, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된, 단계; 장치에 의해, 글로벌 모델에 포함된 복수의 클래스 중 클래스를 현재 피검체에 가장 가까운 클래스로서 식별하는 단계로서, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별되는, 단계; 장치에 의해, 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계로서, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별되는, 단계; 장치에 의해, 로컬 피검체에 대한 심박 프로파일 데이터에 기초하여 현재 피검체에 대한 BPL 추정 모델을 생성하는 단계; 및 장치에 의해, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 이용하여 현재 피검체에 대한 BPL 추정을 결정하는 단계를 포함할 수 있다.
도 1A 및 도 1B는 본 명세서에 설명되는 예시적인 구현예의 도면이다.
도 2는 본 명세서에 설명된 바와 같이 복수의 클래스에 연관된 글로벌 모델에 연관된 일례의 도면이다.
도 3 및 도 4는 본 명세서에 설명된 바와 같이 현재 피검체에 연관된 심박 프로파일 데이터에 기초한 가장 가까운 클래스의 식별에 연관된 예를 도시하는 도면이다.
도 5는 본 명세서에 설명된 시스템 및/또는 방법이 구현될 수 있는 예시적인 환경의 도면이다.
도 6은 도 5의 하나 이상의 장치의 예시적인 구성요소의 도면이다.
도 7 내지 도 9는 본 명세서에 설명된 바와 같이 PPG 데이터에 기초하여 혈압 수준 추정을 결정하기 위한 예시적인 프로세스의 흐름도이다.
예시적인 구현예에 대한 다음의 상세한 설명에서는 첨부 도면을 참조한다. 상이한 도면들에서의 동일한 참조 번호는 동일하거나 유사한 요소를 식별할 수 있다. 또한, 다음의 설명에서는 멀티스펙트럼 센서 장치를 예로 사용할 수 있지만, 본 명세서에 설명된 원리, 절차, 동작, 기술, 및 방법은, 분광계, 광학 센서, 스펙트럼 센서, 및/또는 유사물 등의 다른 임의의 유형의 감지 장치와 함께 사용될 수 있다.
전술한 바와 같이, 멀티스펙트럼 센서 장치는, 다수의(예를 들어, 16개, 32개, 64개 등의) 파장 채널에 연관된 심박 시계열 데이터를 측정, 취득, 수집, 또는 그 외에는 결정할 수 있다. 이러한 데이터를 본 명세서에서는 PPG 데이터라고 한다. 일부 경우에는, 멀티스펙트럼 센서 장치를 사용하여 피검체에 연관된 PPG 데이터를 수집할 수 있으며, PPG 데이터는 피검체의 혈압 수준(BPL)을 추정할 수 있는 심박 프로파일을 생성하는 데 사용될 수 있다. 그러나, PPG 기반 심박 프로파일의 피검체별 변동은 통상적이며, 동일한 피검체의 경우에도, 심박 프로파일은 BPL의 상이한 영역들에서 상이한 변동 경향을 나타낼 수 있다. 따라서, PPG 데이터로부터 생성되는 심박 프로파일을 기반으로 BPL을 추정하는 기존의 기술은, 일반적으로 큰 편향과 열악한 예측 성능을 나타내므로, 신뢰할 수 없다.
본 명세서에 설명된 일부 구현예는 개선된 PPG 기반 BPL 추정을 제공하는 장치를 제공한다. 일부 구현예에서, 장치는, 로컬 피검체(즉, 다수의 피검체에 연관된 글로벌 모델로부터 식별된 특정 피검체)에 대한 심박 프로파일 데이터에 기초하여 현재 피검체(즉, BPL 추정이 결정될 피검체)에 대한 BPL 추정 모델을 생성하고, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 이용하여, 현재 피검체에 대한 BPL 추정을 결정한다. 일부 구현예에서, BPL 추정 모델이 생성되는 방식은, 현재 피검체에 대한 심박 프로파일 데이터 및/또는 글로벌 모델에 연관된 글로벌 피검체에 대한 심박 프로파일 데이터의 가용성에 의존할 수 있다. BPL 추정 모델을 생성하는 다양한 기술을 아래에서 제공한다.
도 1A 및 도 1B는 본 명세서에 설명된 예시적인 구현예(100)의 도면이다.
도 1A에 도시된 바와 같이, 멀티스펙트럼 센서 장치는 현재 피검체(즉, BPL 추정이 결정될 피검체)의 피부 표면에 대해 위치될 수 있다. 예를 들어, 도 1A에 도시된 바와 같이, 멀티스펙트럼 센서 장치는 현재 피검체의 손목에 착용된 장치일 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치는, 손가락 끝, 팔, 다리, 귓불 등과 같은 신체의 다른 위치에서 피부 표면에 대해 위치될 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치는, 예를 들어, 가시광선(VIS) 스펙트럼, 근적외선(NIR) 스펙트럼 등에서 동작하는 BMS 감지 장치를 포함한다.
참조 번호(105)에 의해 도시된 바와 같이, 멀티스펙트럼 센서 장치는, N개(N>1)의 파장 채널에 연관된 PPG 데이터(예를 들어, 원시 심박 데이터)를 결정(예를 들어, 측정, 모음, 수집 등)할 수 있다. PPG 데이터는, N개의 파장 채널 각각에 대해, 주어진 시점에서 멀티스펙트럼 센서 장치의 위치에서 피부 표면 아래의 혈액량을 나타내는 측광 응답 데이터를 포함한다.
참조 번호(110)에 의해 도시된 바와 같이, 추정 장치는 멀티스펙트럼 센서 장치로부터 PPG 데이터를 취득할 수 있다. 추정 장치는, 본 명세서에 설명된 바와 같이 현재 피검체에 연관된 BPL 추정 모델을 생성하고/하거나 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정할 수 있는 장치이다. 일부 구현예에서, 추정 장치는 멀티스펙트럼 센서 장치와 함께 (예를 들어, 동일한 패키지, 동일한 하우징, 동일한 칩 등)에 통합될 수 있다. 대안으로, 추정 장치는 멀티스펙트럼 센서 장치로부터 (예를 들어, 원격으로 위치하여) 분리될 수 있다.
일부 구현예에서, 추정 장치는, (예를 들어, 멀티스펙트럼 센서 장치가 PPG 데이터를 취득함에 따라 멀티스펙트럼 센서 장치가 PPG 데이터를 제공하도록 구성된 경우) PPG 데이터를 실시간으로 또는 거의 실시간으로 취득할 수 있다. 추가로 또는 대안으로, 추정 장치는, PPG 데이터를 주기적으로(예를 들어, 1초마다, 5초마다 등) 제공하는 멀티스펙트럼 센서 장치에 기초하여 (예를 들어, 자동으로) PPG 데이터를 취득할 수 있다. 추가로 또는 대안으로, 추정 장치는, 멀티스펙트럼 센서 장치로부터의 PPG 데이터 요청에 기초하여 멀티스펙트럼 센서 장치로부터 PPG 데이터를 취득할 수 있다.
참조 번호 (115)에 의해 도시된 바와 같이, 추정 장치는 복수의 클래스를 포함하는 글로벌 모델을 결정할 수 있다. 일부 구현예에서, 글로벌 모델의 하나 이상의 클래스는 후술하는 바와 같이 BPL 추정 모델을 생성하기 위한 기초로서 사용될 수 있다. 일부 구현예에서, 글로벌 모델의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된 심박 프로파일 데이터를 포함한다. 즉, 각 클래스는, 로컬 피검체들의 그룹의 로컬 피검체(예를 들어, 심박 프로파일 세트가 각 심박 프로파일의 알려진 BPL에서 수집된 피검체)에 대응하는 피검체 식별자 및 연관된 심박 프로파일 데이터가 수집된 BPL을 나타내는 BPL 식별자에 연관될 수 있다. 일부 구현예에서, 후술하는 바와 같이, 추정 장치는, 글로벌 모델에 기초하여 현재 피검체에 가장 가까운 클래스를 식별하고, 식별된 가장 가까운 클래스에 연관된 로컬 피검체에 대한 심박 프로파일 데이터에 기초하여 현재 피검체에 대한 BPL 추정 모델을 생성한다.
일부 구현예에서, 추정 장치는 글로벌 모델을 생성할 수 있다. 예를 들어, 추정 장치는 로컬 피검체들의 그룹에 연관된 심박 프로파일들을 취득할 수 있으며, 여기서 각 심박 프로파일은, 로컬 피검체들 중 하나의 로컬 피검체의 심박 프로파일이고, 각각의 알려진 BPL에 연관된다. 특정 예로서, 추정 장치는, 제1 로컬 피검체에 연관된 심박 프로파일들의 제1 그룹 및 제2 로컬 피검체에 연관된 심박 프로파일들의 제2 그룹을 취득할 수 있다. 여기서, 심박 프로파일들의 제1 그룹의 제1 심박 프로파일은 제1 로컬 피검체의 알려진 제1 BPL에 연관될 수 있으며(예를 들어, 수집되었을 수 있으며), 심박 프로파일들의 제1 그룹의 제2 심박 프로파일은 제1 로컬 피검체의 알려진 제2 BPL에 연관될 수 있고, 같은 방식으로 계속될 수 있다. 따라서, 심박 프로파일들의 제1 그룹은 제1 로컬 피검체의 심박 프로파일들의 그룹을 포함할 수 있으며, 이러한 심박 프로파일 각각은 제1 로컬 피검체의 각각의 알려진 BPL에 연관된다. 유사하게, 심박 프로파일들의 제2 그룹의 제1 심박 프로파일은 제2 로컬 피검체의 알려진 제1 BPL에 연관될 수 있으며, 심박 프로파일들의 제2 그룹의 제2 심박 프로파일은 제2 로컬 피검체의 알려진 제2 BPL에 연관될 수 있고, 같은 방식으로 계속될 수 있다. 따라서, 심박 프로파일들의 제2 그룹은 제2 로컬 피검체의 심박 프로파일들의 그룹을 포함할 수 있으며, 이러한 심박 프로파일 각각은 제2 로컬 피검체의 각각의 알려진 BPL에 연관된다. 다른 로컬 피검체들에 연관된 심박 프로필들의 그룹들은 유사한 정보를 포함할 수 있다. 일부 구현예에서, 추정 장치는, 다른 장치(예를 들어, 알려진 BPL에서 수집된 피검체에 대한 심박 프로파일을 저장하는 데이터베이스로 구성된 장치)로부터 로컬 피검체들의 그룹에 연관된 심박 프로파일들을 취득한다.
일부 구현예에서, 주어진 로컬 피검체에 대한 심박 프로파일들의 그룹은, (예를 들어, 임상적으로 승인된 혈압 모니터, 가정용 혈압계 등과 같은 기준 혈압 모니터에 의해 측정되는 바와 같이) 기준 BPL에서 수집된 하나 이상의 심박 프로파일을 포함할 수 있다. 일부 구현예에서, 주어진 로컬 피검체에 대한 심박 프로파일들의 그룹은, 기준 BPL과는 적어도 특정 양(예를 들어, 20 mm-수은(mmHg))만큼 다른 BPL에서 수집된 적어도 하나의 추가 심박 프로파일을 포함할 수 있다. 일부 구현예에서, 주어진 로컬 피검체에 대한 심박 프로파일들의 그룹은, 적어도 두 개의 BPL에 연관된 심박 프로파일들을 포함하는데, 하나 이상의 심박 프로파일은 기준 BPL에 연관되고, 하나 이상의 심박 프로파일은 기준 BPL과는 (예를 들어, 특정 양만큼) 다른 BPL에 연관된다.
일부 구현예에서, 추정 장치는 로컬 피검체들의 그룹에 연관된 심박 프로파일들에 기초하여 글로벌 모델을 생성한다. 예를 들어, 추정 장치는 복수의 클래스를 포함하도록 글로벌 모델을 생성할 수 있다. 여기서, 제1 클래스는 제1 로컬 피검체 및 알려진 제1 BPL에 연관된 심박 프로파일에 대응할 수 있고, 제2 클래스는 제1 로컬 피검체 및 알려진 제2 BPL에 연관된 심박 프로파일에 대응할 수 있고, 제3 클래스는 제1 로컬 피검체 및 알려진 제3 BPL에 연관된 심박 프로파일에 대응할 수 있고, 제4 클래스는 제2 로컬 피검체 및 알려진 제4 BPL에 연관된 심박 프로파일에 대응할 수 있고, 제5 클래스는 제2 로컬 피검체 및 알려진 제5 BPL에 연관된 심박 프로파일에 대응할 수 있고, 제6 클래스는 제3 로컬 피검체 및 알려진 제6 BPL에 연관된 심박 프로파일에 대응할 수 있고, 제7 클래스는 제3 로컬 피검체 및 알려진 제7 BPL에 연관된 심박 프로파일에 대응할 수 있고, 심박 프로파일들의 그룹의 각 심박 프로파일에 대해서도 마찬가지이다. 일반적으로, 글로벌 모델에서, 각 BPL에서의 각 로컬 피검체에 대한 각 심박 프로파일은 (예를 들어, 글로벌 모델을 생성하기 위해 다중 라벨 모든 조합 분류가 수행되도록) 하나의 클래스로서 처리된다. 일부 구현예에서, 추정 장치는 지원 벡터 머신(SVM) 분류자 또는 계층적 SVM 분류자(ILM)와 같은 비선형 분류자를 사용하여 글로벌 모델을 생성할 수 있다.
일부 구현예에서, 추정 장치는 (예를 들어, 글로벌 모델이 나중에 BPL 추정 모델을 생성하는 데 사용될 수 있도록) 글로벌 모델을 저장할 수 있다. 추가로 또는 대안으로, 추정 장치는 (예를 들어, 추정 장치가 글로벌 모델을 생성하도록 구성되지 않은 경우에) 다른 장치로부터 글로벌 모델을 수신하는 것에 기초하여 글로벌 모델을 결정할 수 있다.
도 2는 전술한 바와 같이 글로벌 모델에서 각 로컬 피검체에 대한 각 BPL이 서로 다른 클래스로서 취급되는 글로벌 모델의 일례를 도시하는 도면이다. 도 2에 도시된 예에서는, 5개의 로컬 피검체에 연관된 (도 2에 표시된 바와 같이) 13개의 클래스가 있다. 여기서, 도 2에 도시된 각 영역은 13개의 클래스 중 하나의 클래스에 연관되며, 각 클래스는 상이한 로컬 피검체 식별자 및 BPL 조합에 해당한다. 특히, 개별 영역 내의 지점 식별은 도 2에 예시된 개념을 이해하는 데 필요하지 않으며, 결과적으로, 각 지점의 명확한 경계 표시는 도 2에 도시되어 있지 않다. 또한, 도 2는 단지 일례로서 제공된 것이다. 다른 예는 도 2에 관하여 설명되는 바와 다를 수 있다.
다시 도 1A를 참조해 볼 때, 참조 번호(120)에 의해 도시된 바와 같이, 추정 장치는 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별할 수 있다. 일부 구현예에서, 추정 장치는 현재 피검체의 심박 프로파일에 기초하여 가장 가까운 클래스를 식별할 수 있다. 예를 들어, 추정 장치는 현재 피검체에 대한 심박 프로파일을 글로벌 모델에 포함된 클래스들 중 하나의 클래스에 속하는 것으로 분류할 수 있다. 여기서, 현재 피검체의 심박 프로파일이 분류되는 글로벌 모델의 클래스가 가장 가까운 클래스로서 식별될 수 있다. 일부 구현예에서, 추정 장치는 패턴 매칭을 사용하여 가장 가까운 클래스를 식별할 수 있다.
참조 번호(125)에 의해 도시된 바와 같이, 추정 장치는 가장 가까운 클래스에 연관된 로컬 피검체를 식별할 수 있다. 일부 구현예에서, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별된다. 예를 들어, 추정 장치는 전술한 바와 같이 현재 피검체에 가장 가까운 클래스를 식별할 수 있다. 여기서, 글로벌 모델의 각 클래스는 피검체 식별자에 연관되어 있으므로, 추정 장치는 가장 가까운 클래스의 피검체 식별자에 기초하여 가장 가까운 클래스에 연관된 로컬 피검체를 식별할 수 있다.
도 1B의 참조 번호(130)에 의해 도시된 바와 같이, 추정 장치는, 가장 가까운 클래스에 연관된 로컬 피검체(여기서는 식별된 로컬 피검체라고 함)에 대한 심박 프로파일 데이터에 기초하여 현재 피검체에 대한 BPL 추정 모델을 생성할 수 있다.
일부 구현예에서, BPL 추정 모델을 생성할 때, 추정 장치는, 식별된 로컬 피검체에 연관된 적어도 두 개의 클래스를 선택할 수 있고, 식별된 로컬 피검체에 연관된 적어도 두 개의 클래스에 대한 심박 프로파일 데이터에 기초하여 BPL 추정 모델을 생성할 수 있다. 일부 구현예에서, 적어도 두 개의 클래스는, 가장 가까운 클래스 및 식별된 로컬 피검체에 연관된 적어도 다른 하나의 클래스(예를 들어, 가장 가까운 클래스의 BPL 식별자와는 다른 BPL 식별자에 연관된 적어도 다른 하나의 클래스)를 포함할 수 있다. 일부 구현예에서, 적어도 두 개의 클래스를 선택할 때, 추정 장치는, 식별된 로컬 피검체에 연관된 클래스들의 세트의 선형 영역을 식별할 수 있고, 식별된 로컬 피검체에 연관된 클래스들의 세트의 선형 영역에 기초하여 적어도 두 개의 클래스를 선택할 수 있다. 따라서, 일부 구현예에서, 식별된 로컬 피검체의 선형 영역은, 현재 피검체의 BPL을 추정하는 데 사용될 수 있는 현장 BPL 추정 모델(예를 들어, 로컬 회귀 모델)의 생성과 연관되어 사용될 수 있다.
실제로, 상이한 현재 피검체의 심박 프로파일은, 사용된 위치 및 분류자에 따라 BPL 추정 모델을 생성하기 위한 기준으로서 선택되는 클래스들의 상이한 조합들의 선택을 초래할 수 있다. 도 3은 식별된 로컬 피검체의 PCA-SVM 플롯 내에 도시된 예시적인 현재 피검체의 데이터의 검증 세트에 연관된 일례를 도시한다. 여기서, (도 3에서 BP68CS로 표기된 별 부호에 의해 식별되는) 현재 피검체의 심박 프로파일 데이터의 알려지지 않은 스펙트럼이 (도 3에서 영역(BP57LS)에 의해 식별된) 로컬 피검체의 제1 BPL에 연관된 제1 클래스와 (도 3에서 영역(BP88LS)로 표기된 해 식별된) 로컬 피검체의 제2 BPL에 연관된 제2 클래스 또는 (도 3에서 영역(BP117LS)에 의해 식별된) 로컬 피검체의 제3 BPL에 연관된 제3 클래스 사이에 위치함을 알 수 있다. 이 예에서는, 현재 피검체에 연관된 70개 샘플 중 57개가 제1 클래스 및 제2 클래스를 BPL 추정 모델을 생성하도록 기초로 하는 두 개의 클래스로서 선택하고, 70개 샘플 중 13개가 제1 클래스 및 제3 클래스를 BPL 추정 모델을 생성하도록 기초로 하는 두 개의 클래스로서 선택한다. 특히, 일부 시나리오에서, 두 개의 클래스는 현재 피검체의 BPL에 가장 가까운 BPL에 연관된 두 개의 클래스가 아닐 수 있으며, 그 일례가 도 4에 도시되어 있다. 도 4에서, (도 4에서 BP119CS로 표기된 별 부호에 의해 식별되는) 현재 피검체의 심박 프로파일 데이터의 알려지지 않은 스펙트럼이 (도 4에서 영역(BP72LS)에 의해 식별되는) 로컬 피검체의 제1 BPL에 연관된 제1 클래스와 (도 4에서 영역(BP152LS)에 의해 식별되는) 로컬 피검체의 제2 BPL에 연관된 제2 클래스 또는 (도 4에서 영역(BP174LS)에 의해 식별되는) 로컬 피검체의 제3 BPL에 연관된 제3 클래스 사이에 위치함을 알 수 있다. 이 예에서, 현재 피검체에 연관된 일부 샘플은, (제2 클래스가 제1 클래스 또는 제3 클래스보다 현재 피검체의 실제 BPL에 더 가까운 BPL을 가지고 있음에도 불구하고) 제1 및 제3 클래스를 두 개의 클래스로서 선택한다. 일부 구현예에서, 이러한 선택은 x-행렬 공간의 다른 클래스에 대해 비선형적으로 거동하는 클래스의 결과이다. 전술한 바와 같이, 도 3 및 도 4는 단지 예로서 제공된 것이다. 다른 예는 도 3 및 도 4에 관하여 설명되는 바와 다를 수 있다.
일부 구현예에서, 전술한 바와 같이, 추정 장치는, 로컬 피검체에 연관된 적어도 두 개의 클래스에 대한 심박 프로파일 데이터에 기초하여 BPL 추정 모델을 생성할 수 있다. 예를 들어, 추정 장치는, 적어도 두 개의 클래스에 연관된 심박 프로파일 데이터를 취득할 수 있고, 심박 프로파일 데이터에 기초하여 로컬 회귀 모델을 생성할 수 있다. 일부 구현예에서, 적어도 두 개의 클래스에 연관된 심박 프로파일 데이터에 기초하여 생성된 BPL 추정 모델은 부분 최소 제곱 회귀를 사용하여 생성된 정량적 모델일 수 있다. 일부 구현예에서, 이러한 BPL 추정 모델에 의해 제공되는 BPL 추정은 현재 피검체의 추정된 BPL(예를 들어, 현재 피검체의 BPL의 정량적 추정)을 포함할 수 있다. 일부 구현예에서, BPL 추정은, 정성적 BPL 추정(예를 들어, 현재 피검체의 BPL이 증가, 감소, 또는 변하지 않았는지에 대한 표시, 또는 현재 피검체가 고혈압, 정상 상태, 고혈압 전단계, 고혈압 1기, 고혈압 2기, 또는 고혈압 위기에 있는지 여부에 대한 표시)일 수 있다.
일부 구현예에서, 신호 포인트 교정(SPC) 사용 모델은 BPL 추정 모델 생성에 연관하여 사용될 수 있다. 여기서, BPL 추정 모델을 생성하기 위해, 추정 장치는 식별된 로컬 피검체에 연관된 로컬 피검체 전달 세트를 결정할 수 있다. 로컬 피검체 전달 세트는 기준 BPL에서 수집된 식별된 로컬 피검체의 하나 이상의 심박 프로파일을 포함할 수 있다. 다음으로, 추정 장치는 현재 피검체에 연관된 현재 피검체 전달 세트를 취득할 수 있다. 현재 피검체 전달 세트는 기준 BPL에서 수집된 현재 피검체의 하나 이상의 심박 프로파일을 포함할 수 있다. SPC 사용 모델에 따르면, 현재 피검체에 연관된 심박 프로파일 그룹을 제공하기 위해 하나 이상의 알려진 BPL에서 현재 피검체에 대한 PPG 신호를 (사전에) 수집해야 한다. 이어서, 이러한 심박 프로파일들의 그룹을 사용하여 교차 피검체 모델 예측에 연관된 편향을 줄일 수 있는 모델 전달을 수행할 수 있다. 일부 구현예에서, 현재 피검체에 대한 심박 프로파일들의 그룹은, (예를 들어, 임상적으로 승인된 혈압 모니터, 가정용 혈압 모니터 등의 기준 혈압 모니터에 의해 측정되는 바와 같이) 기준 BPL에서 수집된 하나 이상의 심박 프로파일을 포함할 수 있다. 일부 구현예에서, 현재 피검체에 대한 심박 프로파일들의 그룹은 두 개 이상의 BPL에 연관된 심박 프로파일을 포함한다: 기준 BPL에 연관된 하나 이상의 심박 프로파일 및 기준 BPL과는 (예를 들어, 특정 양만큼) 다른 BPL에 연관된 하나 이상의 심박 프로파일.
일부 구현예에서, 추정 장치는, 현재 피검체 전달 세트 및 로컬 피검체 전달 세트에 기초하여, 전달되는 현재 피검체 세트를 생성할 수 있다. 전달되는 현재 피검체 세트는 현재 피검체에 연관된 복수의 전달되는 심박 프로파일을 포함할 수 있다. 예를 들어, 추정 장치는 평균 차 보정(MDC)을 사용하여 전달되는 현재 피검체 세트를 생성할 수 있다. MDC에 따르면, 현재 피검체 전달 세트의 중심이 로컬 피검체 전달 세트의 중심으로 맵핑될 수 있다. 여기서, 이러한 중심들이 같은 위치로 맵핑되면, 편향이 제거될 수 있다. 맵핑의 결과는 현재 피검체 전달 세트의 전달이다. 일부 구현예에서, 추정 장치는, 예를 들어, MDC, 부분적 직접 표준화, 일반화된 최소 제곱, 직교 신호 보정, 또는 다른 기술을 사용하여 전달되는 현재 피검체를 생성할 수 있다. 특히, 일부 경우에는, BPL 추정 모델을 사용하여 (추정된 BPL 값이 아닌) 카테고리형 출력을 제공할 수 있다.
다음으로, 추정 장치는, 식별된 로컬 피검체에 연관된 로컬 피검체 세트(예를 들어, 로컬 피검체의 심박 프로파일들의 세트의 선형 영역)에 기초하여 BPL 추정 모델을 생성할 수 있다. 예를 들어, 추정 장치는 선형 회귀를 사용하여 설정된 로컬 피검체에 기초하여 BPL 추정 모델을 생성할 수 있다. 일부 구현예에서, 식별된 로컬 피검체에 연관된 로컬 피검체 세트에 기초하여 생성된 BPL 추정 모델은 부분 최소 제곱 회귀를 사용하여 생성된 정량적 모델일 수 있다. 일부 구현예에서, 이러한 BPL 추정 모델에 의해 제공되는 BPL 추정은 현재 피검체의 추정된 BPL(예를 들어, 현재 피검체의 BPL의 정량적 추정)을 포함할 수 있다. 일부 구현예에서, 식별된 로컬 피검체에 연관된 로컬 피검체 세트에 기초하여 생성된 BPL 추정 모델은 분류자를 사용하여 생성된 정성적 모델일 수 있다. 일부 구현예에서, 이러한 BPL 추정 모델에 의해 제공되는 BPL 추정은, 현재 피검체의 BPL이 증가, 감소, 또는 변하지 않았는지에 대한 표시 또는 현재 피검체가 특정한 상태에 있는지 여부의 표시(고혈압, 정상 상태, 고혈압 전단계, 고혈압 1기, 고혈압 2기, 또는 고혈압 위기 등) 등의 현재 피검체에 연관된 카테고리형 출력을 포함할 수 있다.
도 1B의 참조 번호(130)에 의해 도시된 바와 같이, 추정 장치는, 전달되는 현재 피검체 세트에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정할 수 있다. 예를 들어, 추정 장치는, 전달되는 현재 피검체 세트에 연관된 정보(예를 들어, 현재 피검체의 하나 이상의 전달되는 심박 프로파일에 연관된 정보)를 BPL 추정 모델로의 입력으로서 제공할 수 있고, 현재 피검체에 연관된 BPL 추정을 출력으로서 수신할 수 있다. 일부 구현예에서, 전술한 바와 같이, BPL 추정은, 정량적 BPL 추정(예를 들어, 추정된 BPL) 또는 정성적 BPL 추정(예를 들어, 현재 피검체의 BPL이 증가, 감소 또는 변경되지 않았는지의 표시 또는 현재 피검체가 고혈압, 정상 상태, 고혈압 전단계, 고혈압 1기, 고혈압 2기, 또는 고혈압 위기인지 여부에 대한 표시)일 수 있다.
참조 번호(135)에 의해 도시된 바와 같이, 추정 장치는 현재 피검체의 BPL 추정에 연관된 정보를 제공할 수 있다. 예를 들어, 일부 구현예에서, 추정 장치는, (예를 들어, 멀티스펙트럼 센서 장치의 디스플레이 스크린을 통해, 모니터링 장치의 디스플레이 스크린 등을 통해) 디스플레이를 위한 BPL 추정에 연관된 정보를 제공할 수 있다.
일부 구현예에서, 추정 장치는, 현재 피검체의 BPL의 모니터링을 (예를 들어, 실시간으로 또는 거의 실시간으로) 가능하게 하기 위해 전술한 프로세스를 (예를 들어, 사용자의 표시 등에 기초하여 주기적으로 자동으로) 반복할 수 있다.
이러한 방식으로, 추정 장치는, PPG 신호에 의해 생성되는 심박 프로파일에 기초하여(예를 들어, 전체 스펙트럼 NIR에 기초하여) 현재 피검체의 BPL을 비침습적으로 추정 및/또는 모니터링할 수 있다. 일부 경우에는, 심박별 혈압 모니터링을 수행할 수 있다. 특히, 전술한 기술은 단일 채널 PPG 및 다중 채널 PPG 모두에 사용될 수 있다.
전술한 바와 같이, 도 1A 및 도 1B는 단지 예로서 제공된 것이다. 다른 예는 도 1A 및 도 1B에 관하여 설명된 바와 다를 수 있다.
도 5는 본 명세서에 설명된 시스템 및/또는 방법이 구현될 수 있는 예시적인 환경(500)의 도면이다. 도 5에 도시된 바와 같이, 환경(500)은 멀티스펙트럼 센서 장치(505), 추정 장치(510), 및 네트워크(515)를 포함할 수 있다. 환경(500)의 장치들은, 유선 연결, 무선 연결, 또는 유선 연결과 무선 연결의 조합을 통해 상호 연결될 수 있다. 멀티스펙트럼 센서 장치(505) 및 추정 장치(510)는, 도 1A 및 도 1B에 연관되어 전술한 멀티스펙트럼 센서 장치 및 추정 장치에 각각 대응할 수 있다.
멀티스펙트럼 센서 장치(505)는, 본 명세서에 설명된 바와 같이 복수의 파장 채널에 연관된 PPG 데이터를 측정, 모음, 수집, 또는 그 외에는 결정할 수 있는 장치를 포함한다. 예를 들어, 멀티스펙트럼 센서 장치(505)는, 64개의 파장 채널 각각에서 (다변량 시계열 데이터의 형태로) PPG 데이터를 결정할 수 있는 멀티스펙트럼 감지 장치를 포함할 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치(505)는 가시광선 스펙트럼, 근적외선 스펙트럼, 적외선 스펙트럼 등에서 동작할 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치(505)는 웨어러블 장치(예를 들어, 손목, 손가락, 팔, 다리, 머리, 귀 등에 착용될 수 있는 착용 장치)일 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치(505)는 (예를 들어, 멀티스펙트럼 센서 장치(505) 및 추정 장치(510)가 동일한 칩, 동일한 패키지, 동일한 하우징 등에 있도록) 추정 장치(510)와 통합될 수 있다. 대안으로, 일부 구현예에서, 멀티스펙트럼 센서 장치(505)는 추정 장치(510)로부터 분리될 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치(505)는, 추정 장치(510)와 같은 환경(500)의 다른 장치로부터 정보를 수신할 수 있고/있거나 이러한 다른 장치로 정보를 전송할 수 있다.
추정 장치(510)는 본 명세서에 설명된 바와 같이 PPG 데이터에 기초하여 혈압 추정에 연관된 하나 이상의 동작을 수행할 수 있는 장치를 포함한다. 예를 들어, 추정 장치(510)는, 주문형 집적 회로(ASIC), 집적 회로, 서버, 서버들의 그룹 등, 및/또는 다른 유형의 통신 및/또는 컴퓨팅 장치를 포함할 수 있다. 일부 구현예에서, 추정 장치(510)는 (예를 들어, 멀티스펙트럼 센서 장치(505) 및 추정 장치(510)가 동일한 칩, 동일한 패키지, 동일한 하우징 등에 있도록) 멀티스펙트럼 센서 장치(505)와 통합될 수 있다. 대안으로, 일부 구현예에서, 추정 장치(510)는 멀티스펙트럼 센서 장치(505)로부터 분리될 수 있다. 일부 구현예에서, 추정 장치(510)는, 멀티스펙트럼 센서 장치(505)와 같은 환경(500)에서 다른 장치로부터 정보를 수신할 수 있고/있거나 이러한 다른 장치로 정보를 전송할 수 있다.
네트워크(515)는 하나 이상의 유선 및/또는 무선 네트워크를 포함한다. 예를 들어, 네트워크(515)는 (예를 들어, 멀티스펙트럼 센서 장치(505) 및 추정 장치(510)가 동일한 패키지 및/또는 동일한 칩에 포함될 때) 유선 네트워크를 포함할 수 있다. 다른 일례로, 네트워크(515)는, 셀룰러 네트워크(예를 들어, LTE 네트워크, CDMA 네트워크, 3G 네트워크, 4G 네트워크, 5G 네트워크, 다른 유형의 차세대 네트워크 등), 공중 지상 이동 네트워크(PLMN), LAN, WAN, MAN, 전화 네트워크(예를 들어, PSTN), 사설 네트워크, 애드혹 네트워크, 인트라넷, 인터넷, 광섬유 기반 네트워크, 클라우드 컴퓨팅 네트워크 등, 및/또는 이들 유형 또는 다른 유형의 네트워크들의 조합을 포함할 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치(505) 및 추정 장치(510)는 블루투스, NFC, RF 등을 통해 무선으로 통신할 수 있다.
도 5에 도시된 장치 및 네트워크의 수와 배열은 예로서 제공된 것이다. 실제로, 추가 장치 및/또는 네트워크, 더 적은 장치 및/또는 네트워크, 다른 장치 및/또는 네트워크, 또는 도 5에 도시된 바와는 다르게 배열된 장치 및/또는 네트워크가 있을 수 있다. 또한, 도 5에 도시된 두 개 이상의 장치가 단일 장치 내에 구현될 수 있거나, 도 5에 도시된 단일 장치가 다수의 분산된 장치로서 구현될 수 있다. 추가로 또는 대안으로, 환경(500)의 장치들의 세트(예를 들어, 하나 이상의 장치)는, 환경(500)의 장치들의 다른 세트에 의해 수행되는 것으로서 설명된 하나 이상의 기능을 수행할 수 있다.
도 6은 장치(600)의 예시적인 구성요소들의 도면이다. 장치(600)는 멀티스펙트럼 센서 장치(505) 및/또는 추정 장치(510)에 대응할 수 있다. 일부 구현예에서, 멀티스펙트럼 센서 장치(505) 및/또는 추정 장치(510)는 하나 이상의 장치(600) 및/또는 장치(600)의 하나 이상의 구성요소를 포함할 수 있다. 도 6에 도시된 바와 같이, 장치(600)는, 버스(610), 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 및 통신 인터페이스(670)를 포함할 수 있다.
버스(610)는 장치(600)의 다수의 구성요소 간의 통신을 허용하는 구성요소를 포함한다. 프로세서(620)는 하드웨어, 펌웨어, 및/또는 하드웨어와 소프트웨어의 조합으로 구현된다. 프로세서(620)는, 중앙 처리 유닛(CPU), 그래픽 처리 유닛(GPU), 가속 처리 유닛(APU), 마이크로프로세서, 마이크로컨트롤러, 디지털 신호 프로세서(DSP), 필드 프로그래머블 게이트 어레이(FPGA), ASIC, 또는 다른 유형의 처리 구성요소이다. 일부 구현예에서, 프로세서(620)는 기능을 수행하도록 프로그래밍될 수 있는 하나 이상의 프로세서를 포함한다. 메모리(630)는, RAM, ROM, 및/또는 프로세서(620)에 의한 사용을 위한 정보 및/또는 명령어를 저장하는 다른 유형의 동적 또는 정적 저장 장치(예를 들어, 플래시 메모리, 자기 메모리 및/또는 광학 메모리)를 포함한다.
저장 구성요소(640)는 장치(600)의 동작 및 사용에 연관된 정보 및/또는 소프트웨어를 저장한다. 예를 들어, 저장 구성요소(640)는, 하드 디스크(예를 들어, 자기 디스크, 광 디스크 및/또는 자기 광학 디스크), 솔리드 스테이트 드라이브(SSD), CD, DVD, 플로피 디스크, 카트리지, 자기 테이프, 및/또는 대응 드라이브를 갖춘 다른 유형의 비일시적 컴퓨터 판독가능 매체를 포함할 수 있다.
입력 구성요소(650)는, 사용자 입력(예를 들어, 터치 스크린 디스플레이, 키보드, 키패드, 마우스, 버튼, 스위치, 및/또는 마이크)을 통해 장치(600)가 정보를 수신하도록 허용하는 구성요소를 포함한다. 추가로 또는 대안으로, 입력 구성요소(650)는, 위치를 결정하기 위한 구성요소(예를 들어, GPS 구성요소) 및/또는 센서(예를 들어, 가속도계, 자이로스코프, 액추에이터, 다른 유형의 위치 또는 환경 센서 등)를 포함할 수 있다. 출력 구성요소(660)는, (예를 들어, 디스플레이, 스피커, 햅틱 피드백 구성요소, 오디오 또는 시각적 표시자 등을 통해) 장치(600)로부터의 출력 정보를 제공하는 구성요소를 포함한다.
통신 인터페이스(670)는, 장치(600)가 예컨대 유선 연결, 무선 연결, 또는 유선 연결과 무선 연결의 조합을 통해 다른 장치와 통신할 수 있도록 하는 트랜시버형 구성요소(예를 들어, 트랜시버, 별도의 수신기, 별도의 송신기 등)를 포함한다. 통신 인터페이스(670)는, 장치(600)가 다른 장치로부터 정보를 수신하고/하거나 이러한 다른 장치에 정보를 제공하게 할 수 있다. 예를 들어, 통신 인터페이스(670)는, 이더넷 인터페이스, 광학 인터페이스, 동축 인터페이스, 적외선 인터페이스, 무선 주파수(RF) 인터페이스, USB 인터페이스, Wi-Fi 인터페이스, 셀룰러 네트워크 등을 포함할 수 있다.
장치(600)는 본 명세서에 설명된 하나 이상의 프로세스를 수행할 수 있다. 장치(600)는, 메모리(630) 및/또는 저장 구성요소(640)와 같은 비일시적 컴퓨터 판독가능 매체에 의해 저장된 소프트웨어 명령어를 실행하는 프로세서(620)에 기초하여 이러한 프로세스를 수행할 수 있다. 본 명세서에서 사용되는 바와 같이, "컴퓨터 판독가능 매체"라는 용어는 비일시적 메모리 장치를 지칭한다. 메모리 장치는, 단일 물리적 저장 장치 내의 메모리 공간 또는 다수의 물리적 저장 장치에 걸쳐 분산된 메모리 공간을 포함한다.
소프트웨어 명령어는, 통신 인터페이스(670)를 통해 다른 컴퓨터 판독가능 매체로부터 또는 다른 장치로부터 메모리(630) 및/또는 저장 구성요소(640)로 판독될 수 있다. 메모리(630) 및/또는 저장 구성요소(640)에 저장된 소프트웨어 명령어는, 실행 시, 프로세서(620)가 본 명세서에 설명된 하나 이상의 프로세스를 수행하게 할 수 있다. 추가로 또는 대안으로, 하드웨어 회로는, 본 명세서에 설명된 하나 이상의 프로세스를 수행하기 위해 소프트웨어 명령어 대신 또는 소프트웨어 명령어와 조합하여 사용될 수 있다. 따라서, 본 명세서에 설명된 구현예들은 하드웨어 회로와 소프트웨어의 임의의 특정 조합으로 제한되지 않는다.
도 6에 도시된 구성요소들의 수와 배열은 일례로 제공된 것이다. 실제로, 장치(600)는, 도 6에 도시된 구성요소보다, 많은 구성요소, 적은 구성요소, 다른 구성요소 또는 다르게 배열된 구성요소를 포함할 수 있다. 추가로 또는 대안으로, 장치(600)의 구성요소들의 세트(예를 들어, 하나 이상의 구성요소)는 장치(600)의 구성요소들의 다른 세트에 의해 수행되는 바와 같이 설명된 하나 이상의 기능을 수행할 수 있다.
도 7은 본 명세서에 설명된 바와 같이 PPG 데이터에 기초하여 BPL 추정을 결정하기 위한 예시적인 프로세스(700)의 흐름도이다. 일부 구현예에서, 도 7의 하나 이상의 프로세스 블록은 추정 장치(예를 들어, 추정 장치(510))에 의해 수행될 수 있다. 일부 구현예에서, 도 7의 하나 이상의 프로세스 블록은, 멀티스펙트럼 센서 장치(예를 들어, 멀티스펙트럼 센서 장치(505))와 같은 추정 장치와는 분리되거나 이러한 추정 장치를 포함하는, 다른 장치 또는 장치들의 그룹에 의해 수행될 수 있다.
도 7에 도시된 바와 같이, 프로세스(700)는 현재 피검체의 심박 프로파일을 취득하는 단계를 포함할 수 있으며, 심박 프로파일은 파장 채널들의 세트에 연관된 PPG 데이터에 기초한다(블록(710)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 현재 피검체의 심박 프로파일을 취득할 수 있고, 심박 프로파일은 파장 채널들의 세트에 연관된 PPG 데이터에 기초한다.
도 7에 추가로 도시된 바와 같이, 프로세스(700)는 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계를 포함할 수 있으며, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된다(블록(720)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 복수의 클래스를 포함하는 글로벌 모델을 결정할 수 있고, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된다.
도 7에 추가로 도시된 바와 같이, 프로세스(700)는, 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별하는 단계를 포함할 수 있으며, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별된다(블록(730)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별할 수 있고, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별된다.
도 7에 추가로 도시된 바와 같이, 프로세스(700)는 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계를 포함할 수 있으며, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별된다(블록(740)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 가장 가까운 클래스에 연관된 로컬 피검체를 식별할 수 있고, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별된다.
도 7에 추가로 도시된 바와 같이, 프로세스(700)는, 현재 피검체에 대한 BPL 추정 모델을 생성하는 데 사용될, 로컬 피검체에 연관된 적어도 두 개의 클래스를 선택하는 단계를 포함할 수 있다(블록(750)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 현재 피검체에 대한 BPL 추정 모델을 생성하는 데 사용될, 로컬 피검체에 연관된 적어도 두 개의 클래스를 선택할 수 있다. 일부 구현예에서, 적어도 두 개의 클래스는 가장 가까운 클래스 및 로컬 피검체에 연관된 적어도 다른 하나의 클래스를 포함하고, 적어도 다른 하나의 클래스는 가장 가까운 클래스의 식별자와는 다른 BPL 식별자에 연관된다.
도 7에 추가로 도시된 바와 같이, 프로세스(700)는, 로컬 피검체에 연관된 적어도 두 개의 클래스에 대한 심박 프로파일 데이터에 기초하여 BPL 추정 모델을 생성하는 단계를 포함할 수 있다(블록(760)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 로컬 피검체에 연관된 적어도 두 개의 클래스에 대한 심박 프로파일 데이터에 기초하여 BPL 추정 모델을 생성할 수 있다.
도 7에 추가로 도시된 바와 같이, 프로세스(700)는, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정하는 단계를 포함할 수 있다(블록(770)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정할 수 있다.
프로세스(700)는, 임의의 단일 구현예 또는 본 명세서의 다른 곳에서 설명된 하나 이상의 다른 프로세스와 관련되고/되거나 설명된 구현예들의 임의의 조합과 같은 추가 구현예를 포함할 수 있다.
일부 구현예에서, 글로벌 모델을 결정하는 것은, 복수의 로컬 피검체에 연관된 복수의 심박 프로파일을 취득하는 것 및 복수의 로컬 피검체에 연관된 복수의 심박 프로파일에 기초하여 글로벌 모델을 생성하는 것을 포함하고, 복수의 심박 프로파일의 각 심박 프로파일은 알려진 BPL에서 수집된 복수의 로컬 피검체 중 하나의 로컬 피검체의 심박 프로파일이다.
일부 구현예에서, 글로벌 모델은 비선형 분류자를 사용하여 생성된다.
일부 구현예에서, 현재 피검체에 대한 BPL 추정 모델을 생성하는 데 사용될 적어도 두 개의 클래스를 선택하는 것은, 로컬 피검체에 연관된 클래스들의 세트의 선형 영역을 식별하는 것 및 로컬 피검체에 연관된 클래스들의 세트의 선형 영역에 기초하여 적어도 두 개의 클래스를 선택하는 것을 포함하며, 클래스들의 세트는 가장 가까운 클래스 및 적어도 다른 하나의 클래스를 포함한다.
일부 구현예에서, BPL 추정 모델은 부분 최소 제곱 회귀를 사용하여 생성된 정량적 모델이다.
일부 구현예에서, BPL 추정 모델은 분류자를 사용하여 생성된 정성적 모델이다.
일부 구현예에서, BPL 추정은 현재 피검체의 추정된 BPL을 포함한다.
일부 구현예에서, 프로세스(700)는 현재 피검체의 BPL 추정에 연관된 정보를 제공하는 단계를 포함한다.
도 7은 프로세스(700)의 예시적인 블록을 도시하지만, 일부 구현예에서, 프로세스(700)는, 도 7에 도시된 블록보다 많은 블록, 적은 블록, 다른 블록, 또는 다르게 배열된 블록을 포함할 수 있다. 추가로 또는 대안으로, 프로세스(700)의 블록들 중 두 개 이상이 병렬로 수행될 수 있다.
도 8은 본 명세서에 설명된 바와 같이 PPG 데이터에 기초하여 BPL 추정을 결정하기 위한 예시적인 프로세스(800)의 흐름도이다. 일부 구현예에서, 도 8의 하나 이상의 프로세스 블록은 추정 장치(예를 들어, 추정 장치(510))에 의해 수행될 수 있다. 일부 구현예에서, 도 8의 하나 이상의 프로세스 블록은, 멀티스펙트럼 센서 장치(예를 들어, 멀티스펙트럼 센서 장치(505))와 같은 추정 장치로부터 분리되거나 이러한 추정 장치를 포함하는, 다른 장치 또는 장치들의 그룹에 의해 수행될 수 있다.
도 8에 도시된 바와 같이, 프로세스(800)는 현재 피검체의 심박 프로파일을 취득하는 단계를 포함할 수 있으며, 심박 프로파일은 파장 채널들의 세트에 연관된 PPG 데이터에 기초한다(블록(810)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 현재 피검체의 심박 프로파일을 취득할 수 있고, 심박 프로파일은 파장 채널들의 세트에 연관된 PPG 데이터에 기초한다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계를 포함할 수 있으며, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된다(블록(820)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 복수의 클래스를 포함하는 글로벌 모델을 결정할 수 있고, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별하는 단계를 포함할 수 있고, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별된다(블록(830)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별할 수 있고, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별된다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계를 포함할 수 있고, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별된다(블록(840)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 가장 가까운 클래스에 연관된 로컬 피검체를 식별할 수 있고, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별된다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는, 로컬 피검체의 식별에 기초하여, 로컬 피검체에 연관된 로컬 피검체 전달 세트를 결정하는 단계를 포함할 수 있고, 로컬 피검체 전달 세트는 기준 BPL에서 수집된 로컬 피검체의 하나 이상의 심박 프로파일을 포함한다(블록(850)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 로컬 피검체의 식별에 기초하여, 로컬 피검체에 연관된 로컬 피검체 전달 세트를 결정하는 단계를 포함할 수 있고, 로컬 피검체 전달 세트는, 기준 BPL 또는 그 근방에서(예를 들어, BPL에서 또는 기준 BPL에 가장 가까운 BPL에서) 수집된 로컬 피검체의 하나 이상의 심박 프로파일을 포함한다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는 현재 피검체에 연관된 현재 피검체 전달 세트를 취득하는 단계를 포함할 수 있으며, 현재 피검체 전달 세트는 기준 BPL에서 수집된 현재 피검체의 하나 이상의 심박 프로파일을 포함한다(블록(860)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 현재 피검체에 연관된 현재 피검체 전달 세트를 취득할 수 있고, 현재 피검체 전달 세트는 기준 BPL에서 수집된 현재 피검체의 하나 이상의 심박 프로파일을 포함한다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는·현재 피검체 전달 세트 및 로컬 피검체 전달 세트에 기초하여, 전달되는 현재 피검체 세트를 생성하는 단계를 포함할 수 있다(블록(870)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 현재 피검체 전달 세트 및 로컬 피검체 전달 세트에 기초하여, 전달되는 현재 피검체 세트를 생성할 수 있다. 일부 구현예에서, 전달되는 현재 피검체 세트는 현재 피검체에 연관된 복수의 전달되는 심박 프로파일을 포함한다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는, 식별된 로컬 피검체에 연관된 로컬 피검체 세트에 기초하여 BPL 추정 모델을 생성하는 단계를 포함할 수 있다(블록(880)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 로컬 피검체 세트에 기초하여 BPL 추정 모델을 생성할 수 있다.
도 8에 추가로 도시된 바와 같이, 프로세스(800)는, 전달되는 현재 피검체 세트에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정하는 단계를 포함할 수 있다(블록(890)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 전달되는 현재 피검체 세트에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정할 수 있다.
프로세스(800)는, 임의의 단일 구현예 또는 본 명세서의 다른 곳에서 설명된 하나 이상의 다른 프로세스와 관련되고/되거나 설명된 구현예들의 임의의 조합과 같은 추가 구현예를 포함할 수 있다.
일부 구현예에서, 글로벌 모델을 결정하는 것은, 복수의 로컬 피검체에 연관된 복수의 심박 프로파일을 취득하는 것 및 복수의 로컬 피검체에 연관된 복수의 심박 프로파일에 기초하여 글로벌 모델을 생성하는 것을 포함하며, 여기서 복수의 심박 프로파일의 각 심박 프로파일은, 복수의 로컬 피검체 중 알려진 BPL에서 수집되는 하나의 로컬 피검체의 심박 프로파일이다.
일부 구현예에서, 글로벌 모델은 비선형 분류자를 사용하여 생성된다.
일부 구현예에서, 전달되는 현재 피검체 세트는, 평균 차 보정, 부분적 직접 표준화, 일반화된 최소 제곱, 직교 신호 보정, 및/또는 하나 이상의 다른 교정 전달 방법을 사용하여 생성된다.
일부 구현예에서, BPL 추정 모델은 부분 최소 제곱 회귀를 사용하여 생성된 정량적 모델이다.
일부 구현예에서, BPL 추정은 현재 피검체의 추정된 BPL을 포함한다.
일부 구현예에서, BPL 추정 모델은 분류자를 사용하여 생성된 정성적 모델이다.
일부 구현예에서, 프로세스(800)는 현재 피검체의 BPL 추정에 연관된 정보를 제공하는 단계를 포함한다.
도 8은 프로세스(800)의 예시적인 블록을 도시하지만, 일부 구현예에서, 프로세스(800)는 도 8에 도시된 블록보다 많은 블록, 적은 블록, 다른 블록, 또는 다르게 배열된 블록을 포함할 수 있다. 추가로 또는 대안으로, 프로세스(800)의 블록들 중 두 개 이상이 병렬로 수행될 수 있다.
도 9는 본 명세서에 기술된 바와 같이 PPG 데이터에 기초하여 BPL 추정을 결정하기 위한 예시적인 프로세스(900)의 흐름도이다. 일부 구현예에서, 도 9의 하나 이상의 프로세스 블록은 추정 장치(예를 들어, 추정 장치(510))에 의해 수행될 수 있다. 일부 구현예에서, 도 9의 하나 이상의 프로세스 블록은, 멀티스펙트럼 센서 장치(예를 들어, 멀티스펙트럼 센서 장치(505))와 같은 추정 장치로부터 분리되거나 이러한 추정 장치를 포함하는, 다른 장치 또는 장치들의 그룹에 의해 수행될 수 있다.
도 9에 도시된 바와 같이, 프로세스(900)는 현재 피검체의 심박 프로파일을 취득하는 단계를 포함할 수 있고, 심박 프로파일은 파장 채널들의 세트에 연관된 PPG 데이터에 기초한다(블록(910)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 현재 피검체의 심박 프로파일을 취득할 수 있고, 심박 프로파일은 파장 채널들의 세트에 연관된 PPG 데이터에 기초한다.
도 9에 추가로 도시된 바와 같이, 프로세스(900)는 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계를 포함할 수 있으며, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된다(블록(920)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 복수의 클래스를 포함하는 글로벌 모델을 결정할 수 있고, 복수의 클래스의 각 클래스는 피검체 식별자 및 BPL 식별자에 연관된다.
도 9에 추가로 도시된 바와 같이, 프로세스(900)는 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별하는 단계를 포함할 수 있으며, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별된다(블록(930)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 글로벌 모델에 포함된 복수의 클래스 중의 클래스를 현재 피검체에 가장 가까운 클래스로서 식별할 수 있고, 가장 가까운 클래스는 현재 피검체의 심박 프로파일에 기초하여 식별된다.
도 9에 추가로 도시된 바와 같이, 프로세스(900)는 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계를 포함할 수 있으며, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별된다(블록(940)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는 가장 가까운 클래스에 연관된 로컬 피검체를 식별할 수 있고, 로컬 피검체는 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별된다.
도 9에 추가로 도시된 바와 같이, 프로세스(900)는, 로컬 피검체에 대한 심박 프로파일 데이터에 기초하여 현재 피검체에 대한 BPL 추정 모델을 생성하는 단계를 포함할 수 있다(블록(950)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 로컬 피검체에 대한 심박 프로파일 데이터에 기초하여 현재 피검체에 대한 BPL 추정 모델을 생성할 수 있다.
도 9에 추가로 도시된 바와 같이, 프로세스(900)는, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정하는 단계를 포함할 수 있다(블록(960)). 예를 들어, 전술한 바와 같이, (예컨대, 프로세서(620), 메모리(630), 저장 구성요소(640), 입력 구성요소(650), 출력 구성요소(660), 통신 인터페이스(670) 등을 사용하는) 추정 장치는, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정할 수 있다.
프로세스(900)는, 임의의 단일 구현예 또는 본 명세서의 다른 곳에서 설명된 하나 이상의 다른 프로세스와 관련되고/되거나 설명된 구현예들의 임의의 조합과 같은 추가 구현예를 포함할 수 있다.
일부 구현예에서, BPL 추정 모델을 생성하는 것은, 현재 피검체에 대한 BPL 추정 모델을 생성하는 데 사용될 로컬 피검체에 연관된 적어도 두 개의 클래스를 선택하는 것, 및 로컬 피검체에 연관된 적어도 두 개의 클래스에 대한 심박 프로파일 데이터에 기초하여 BPL 추정 모델을 생성하는 것을 포함하고, 적어도 두 개의 클래스는 가장 가까운 클래스 및 로컬 피검체에 연관된 적어도 다른 하나의 클래스를 포함하고, 적어도 다른 하나의 클래스는 가장 가까운 클래스의 BPL 식별자와는 다른 BPL 식별자에 연관된다.
일부 구현예에서, BPL 추정 모델을 생성하는 것은, 로컬 피검체에 연관된 로컬 피검체 전달 세트를 결정하는 것으로서, 로컬 피검체 전달 세트는 BPL 또는 그 근방에서(예를 들어, 기준 BPL 또는 기준 BPL에 가장 가까운 BPL에서) 수집된 로컬 피검체의 하나 이상의 심박 프로파일을 포함하는, 것; 현재 피검체에 연관된 현재 피검체 전달 세트를 취득하는 것으로서, 현재 피검체 전달 세트는 기준 BPL에서 수집된 현재 피검체의 하나 이상의 심박 프로파일을 포함하는, 것; 현재 피검체 전달 세트 및 로컬 피검체 전달 세트에 기초하여, 전달되는 현재 피검체 세트를 생성하는 것으로서, 전달되는 현재 피검체 세트는 현재 피검체에 연관된 복수의 전달되는 심박 프로파일을 포함하는, 것; 및 식별된 로컬 피검체에 연관된 로컬 피검체 세트에 기초하여 BPL 추정 모델을 생성하는 것을 포함하고, 현재 피검체에 대한 BPL 추정은, 전달되는 현재 피검체에 기초하여 BPL 추정 모델을 사용하여 결정된다.
일부 구현예에서, 글로벌 모델을 결정하는 것은, 복수의 로컬 피검체에 연관된 복수의 심박 프로파일을 취득하는 것으로서, 복수의 심박 프로파일의 각 심박 프로파일은 알려진 BPL에서 수집된 복수의 로컬 피검체 중 하나의 로컬 피검체의 심박 프로파일인, 것; 및 복수의 로컬 피검체에 연관된 복수의 심박 프로파일에 기초하여 글로벌 모델을 생성하는 것을 포함하고, 글로벌 모델은 비선형 분류자를 사용하여 생성된다.
일부 구현예에서, BPL 추정은 현재 피검체의 추정된 BPL을 포함한다.
본 명세서에서 설명한 일부 구현예는, 개선된 PPG 기반 BPL 추정을 제공하는 장치(예를 들어, 추정 장치(1010), 멀티스펙트럼 센서 장치(1005) 등)를 제공한다. 일부 구현예에서, 장치는, 로컬 피검체(즉, 다수의 피검체에 연관된 글로벌 모델로부터 식별된 특정 피검체)에 대한 심박 프로파일 데이터에 기초하여 현재 피검체(즉, BPL 추정이 결정될 피검체)에 대한 BPL 추정 모델을 생성하고, 현재 피검체의 심박 프로파일에 기초하여 BPL 추정 모델을 사용하여 현재 피검체에 대한 BPL 추정을 결정한다.
전술한 개시 내용은, 예시 및 설명을 제공하지만, 구현예들을 개시된 구체적인 형태로 제한하거나 포괄하려는 것이 아니다. 수정 및 변경은, 상술한 개시 내용에 비추어 이루어질 수 있거나 구현예의 실시로부터 획득될 수 있다.
본 명세서에서 사용되는 바와 같이, "구성요소"라는 용어는, 하드웨어, 펌웨어, 및/또는 하드웨어와 소프트웨어의 조합으로서 광범위하게 해석되도록 의도된 것이다.
일부 구현예는 본 명세서에서 임계값과 관련하여 설명되어 있다. 본 명세서에서 사용되는 바와 같이, 임계값을 충족한다는 것은, 문맥에 따라, 임계값보다 큰 값, 임계값보다 크거나, 임계값보다 높거나, 임계값 이상이거나, 임계값 미만이거나, 임계값보다 적거나, 임계값보다 낮거나, 임계값 이하이거나, 임계값과 동일함 등을 가리킨다.
본 명세서에 설명된 시스템 및/또는 방법은 하드웨어, 펌웨어, 또는 하드웨어와 소프트웨어의 조합의 상이한 형태로 구현될 수 있음이 명백할 것이다. 이러한 시스템 및/또는 방법을 구현하는 데 사용되는 실제 특수 제어 하드웨어 또는 소프트웨어 코드는 구현예를 제한하지 않는다. 따라서, 시스템 및/또는 방법의 동작 및 거동은 본 명세서에서 특정 소프트웨어 코드를 참조하지 않고 설명되며, 소프트웨어 및 하드웨어는 본 명세서의 설명에 기초하여 시스템 및/또는 방법을 구현하도록 설계될 수 있음을 이해할 수 있다.
특징들의 특정 조합들이 청구범위에 인용되고/되거나 명세서에 개시되어 있지만, 이들 조합은 다양한 구현예의 개시 내용을 제한하려는 것이 아니다. 사실, 이러한 특징들 중 다수는 청구범위에서 구체적으로 인용되지 않고/않거나 명세서에 개시되지 않은 방식으로 결합될 수 있다. 아래에 나열되는 각 종속항은 하나의 청구항만을 직접적으로 인용할 수 있지만, 다양한 구현예의 개시 내용은, 각 종속항이 청구항 세트의 다른 모든 청구항과 조합된 구성을 포함한다.
본 명세서에 사용된 어떠한 요소, 동작, 또는 명령어도, 명시적으로 설명하지 않는 한, 중요하거나 필수적인 것으로서 해석되어서는 안 된다. 또한, 본 명세서에 사용된 바와 같이, "한" 및 "하나"라는 부정관사는, 하나 이상의 항목을 포함하도록 의도된 것이며, "하나 이상"과 상호 교환하여 사용될 수 있다. 또한, 본 명세서에 사용된 바와 같이, "그"라는 정관사는, 정관사와 관련하여 언급되는 하나 이상의 항목을 포함하도록 의도된 것이며, 해당하는 "하나 이상"과 상호 교환하여 사용될 수 있다. 또한, 본 명세서에 사용된 바와 같이, "세트"라는 용어는, 하나 이상의 항목(예를 들어, 관련 항목, 관련되지 않은 항목, 관련된 항목과 관련되지 않은 항목의 조합 등)을 포함하도록 의도된 것이며, "하나 이상"과 상호 교환하여 사용될 수 있다. 하나의 항목만이 의도된 경우, "하나만"이라는 문구 또는 유사한 용어가 사용된다. 또한, 본 명세서에 사용된 바와 같이, "갖다", "갖는다", "갖는" 등의 용어는 개방형 용어로 의도된 것이다. 또한, "에 기초"이라는 문구는, 달리 명시적으로 언급되지 않는 한, "에 적어도 부분적으로 기초"를 의미하도록 의도된 것이다. 또한, 본 명세서에 사용된 바와 같이, "또는"이라는 용어는, 달리 명시적으로 언급되지 않는 한, 연속적으로 사용될 때 포괄적이도록 의도된 것이며 (예를 들어, "어느 하나" 또는 "중 하나만"과 함께 사용되는 경우에) "및/또는"과 상호 교환하여 사용될 수 있다.

Claims (20)

  1. 방법으로서,
    장치에 의해, 파장 채널들의 세트에 연관된 광혈류측정(photoplethysmography: PPG) 데이터에 기초하는 현재 피검체의 심박 프로파일을 취득하는 단계;
    상기 장치에 의해, 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계로서, 상기 복수의 클래스의 각 클래스는 피검체 식별자 및 혈압 수준(blood pressure level: BPL) 식별자에 연관된, 상기 글로벌 모델을 결정하는 단계;
    상기 장치에 의해, 상기 글로벌 모델에 포함된 상기 복수의 클래스 중의 클래스를 상기 현재 피검체에 가장 가까운 클래스로서 식별하는 단계로서, 상기 가장 가까운 클래스는 상기 현재 피검체의 심박 프로파일에 기초하여 식별되는, 상기 식별하는 단계;
    상기 장치에 의해, 상기 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계로서, 상기 로컬 피검체는 상기 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별되는, 상기 로컬 피검체를 식별하는 단계;
    상기 장치에 의해, 상기 현재 피검체에 대한 BPL 추정 모델을 생성하는 데 사용될, 상기 로컬 피검체에 연관된 적어도 두 개의 클래스를 선택하는 단계로서,
    상기 적어도 두 개의 클래스는 상기 가장 가까운 클래스 및 상기 로컬 피검체에 연관된 적어도 다른 하나의 클래스를 포함하고, 상기 적어도 다른 하나의 클래스는 상기 가장 가까운 클래스의 BPL 식별자와는 다른 BPL 식별자에 연관된, 상기 적어도 두 개의 클래스를 선택하는 단계;
    상기 장치에 의해, 상기 로컬 피검체에 연관된 상기 적어도 두 개의 클래스에 대한 심박 프로파일 데이터에 기초하여 상기 BPL 추정 모델을 생성하는 단계; 및
    상기 장치에 의해, 상기 현재 피검체의 심박 프로파일에 기초하여 상기 BPL 추정 모델을 이용하여 상기 현재 피검체에 대한 BPL 추정을 결정하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서, 상기 글로벌 모델을 결정하는 단계는,
    복수의 로컬 피검체에 연관된 복수의 심박 프로파일을 취득하는 단계로서,
    상기 복수의 심박 프로파일의 각 심박 프로파일은 상기 복수의 로컬 피검체 중 알려진 BPL로 수집되는 하나의 로컬 피검체의 심박 프로파일인, 상기 복수의 심박 프로파일을 취득하는 단계; 및
    상기 복수의 로컬 피검체에 연관된 상기 복수의 심박 프로파일에 기초하여 상기 글로벌 모델을 생성하는 단계
    를 포함하는, 방법.
  3. 제1항에 있어서, 상기 글로벌 모델은 비선형 분류자를 이용하여 생성되는, 방법.
  4. 제1항에 있어서, 상기 현재 피검체에 대한 상기 BPL 추정 모델을 생성하는 데 사용될 적어도 두 개의 클래스를 선택하는 단계는,
    상기 로컬 피검체에 연관된 클래스들의 세트의 선형 영역을 식별하는 단계로서, 상기 클래스들의 세트는 상기 가장 가까운 클래스와 상기 적어도 다른 하나의 클래스를 포함하는, 상기 선형 영역을 식별하는 단계; 및
    상기 로컬 피검체에 연관된 상기 클래스들의 세트의 선형 영역에 기초하여 상기 적어도 두 개의 클래스를 선택하는 단계
    를 포함하는, 방법.
  5. 제1항에 있어서, 상기 BPL 추정 모델은 부분 최소 제곱 회귀를 이용하여 생성되는 정량적 모델인, 방법.
  6. 제1항에 있어서, 상기 BPL 추정 모델은 분류자를 이용하여 생성되는 정성적 모델인, 방법.
  7. 제1항에 있어서, 상기 BPL 추정은 상기 현재 피검체의 추정된 BPL을 포함하는, 방법.
  8. 제1항에 있어서,
    상기 현재 피검체의 BPL 추정에 연관된 정보를 제공하는 단계를 더 포함하는, 방법.
  9. 방법으로서,
    장치에 의해, 파장 채널들의 세트에 연관된 광혈류측정(PPG) 데이터에 기초하는 현재 피검체의 심박 프로파일을 취득하는 단계;
    상기 장치에 의해, 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계로서, 상기 복수의 클래스의 각 클래스는 피검체 식별자 및 혈압 수준(BPL) 식별자에 연관된, 상기 글로벌 모델을 결정하는 단계;
    상기 장치에 의해, 상기 글로벌 모델에 포함된 상기 복수의 클래스 중의 클래스를 상기 현재 피검체에 가장 가까운 클래스로서 식별하는 단계로서, 상기 가장 가까운 클래스는 상기 현재 피검체의 심박 프로파일에 기초하여 식별되는, 상기 식별하는 단계;
    상기 장치에 의해, 상기 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계로서, 상기 로컬 피검체는 상기 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별되는, 상기 로컬 피검체를 식별하는 단계;
    상기 장치에 의해 그리고 상기 로컬 피검체의 식별에 기초하여, 상기 로컬 피검체에 연관된 로컬 피검체 전달 세트를 결정하는 단계로서, 상기 로컬 피검체 전달 세트는 기준 BPL에서 또는 상기 기준 BPL 근방에서 수집되는 상기 로컬 피검체의 하나 이상의 심박 프로파일을 포함하는, 상기 로컬 피검체 전달 세트를 결정하는 단계;
    상기 장치에 의해, 상기 현재 피검체에 연관된 현재 피검체 전달 세트를 취득하는 단계로서, 상기 현재 피검체 전달 세트는 상기 기준 BPL에서 수집되는 상기 현재 피검체의 하나 이상의 심박 프로파일을 포함하는, 상기 현재 피검체 전달 세트를 취득하는 단계;
    상기 장치에 의해, 상기 현재 피검체 전달 세트 및 상기 로컬 피검체 전달 세트에 기초하여, 전달되는 현재 피검체 세트(transferred current subject set)를 생성하는 단계로서,
    상기 전달되는 현재 피검체 세트는 상기 현재 피검체에 연관된 복수의 전달되는 심박 프로파일을 포함하는, 상기 전달되는 현재 피검체 세트를 생성하는 단계;
    상기 장치에 의해, 에 기초하여 BPL 추정 모델을 생성하는 단계; 및
    상기 장치에 의해, 상기 전달되는 현재 피검체 세트에 기초하여 상기 BPL 추정 모델을 이용하여 상기 현재 피검체에 대한 BPL 추정을 결정하는 단계
    를 포함하는, 방법.
  10. 제9항에 있어서, 상기 글로벌 모델을 결정하는 단계는,
    복수의 로컬 피검체에 연관된 복수의 심박 프로파일을 취득하는 단계로서,
    상기 복수의 심박 프로파일의 각 심박 프로파일은 상기 복수의 로컬 피검체 중 알려진 BPL에서 수집되는 하나의 로컬 피검체의 심박 프로파일인, 상기 복수의 심박 프로파일을 취득하는 단계; 및
    상기 복수의 로컬 피검체에 연관된 상기 복수의 심박 프로파일에 기초하여 상기 글로벌 모델을 생성하는 단계
    를 포함하는, 방법.
  11. 제9항에 있어서, 상기 글로벌 모델은 비선형 분류자를 이용하여 생성되는, 방법.
  12. 제9항에 있어서, 상기 전달되는 현재 피검체 세트는,
    평균 차 보정,
    구간별 직접 표준화,
    일반화된 최소 제곱,
    직교 신호 보정 또는
    하나 이상의 다른 교정 전달 방법
    중 하나를 이용하여 생성되는, 방법.
  13. 제9항에 있어서, 상기 BPL 추정 모델은 부분 최소 제곱 회귀를 이용하여 생성되는 정량적 모델인, 방법.
  14. 제9항에 있어서, 상기 BPL 추정은 상기 현재 피검체의 추정된 BPL을 포함하는, 방법.
  15. 제9항에 있어서, 상기 BPL 추정 모델은 분류자를 이용하여 생성되는 정성적 모델인, 방법.
  16. 제9항에 있어서,
    상기 현재 피검체의 BPL 추정에 연관된 정보를 제공하는 단계를 더 포함하는, 방법.
  17. 방법으로서,
    장치에 의해, 파장 채널들의 세트에 연관된 광혈류측정(PPG) 데이터에 기초하는 현재 피검체의 심박 프로파일을 취득하는 단계;
    상기 장치에 의해, 복수의 클래스를 포함하는 글로벌 모델을 결정하는 단계로서, 상기 복수의 클래스의 각 클래스는 피검체 식별자 및 혈압 수준(BPL) 식별자에 연관된, 상기 글로벌 모델을 결정하는 단계;
    상기 장치에 의해, 상기 글로벌 모델에 포함된 상기 복수의 클래스 중 클래스를 상기 현재 피검체에 가장 가까운 클래스로서 식별하는 단계로서, 상기 가장 가까운 클래스는 상기 현재 피검체의 심박 프로파일에 기초하여 식별되는, 상기 식별하는 단계;
    상기 장치에 의해, 상기 가장 가까운 클래스에 연관된 로컬 피검체를 식별하는 단계로서, 상기 로컬 피검체는 상기 가장 가까운 클래스에 연관된 피검체 식별자에 기초하여 식별되는, 상기 로컬 피검체를 식별하는 단계;
    상기 장치에 의해, 상기 로컬 피검체에 대한 심박 프로파일 데이터에 기초하여 상기 현재 피검체에 대한 BPL 추정 모델을 생성하는 단계; 및
    상기 장치에 의해, 상기 현재 피검체의 심박 프로파일에 기초하여 상기 BPL 추정 모델을 이용하여 상기 현재 피검체에 대한 BPL 추정을 결정하는 단계
    를 포함하는, 방법.
  18. 제17항에 있어서, 상기 BPL 추정 모델을 생성하는 단계는,
    상기 현재 피검체에 대한 BPL 추정 모델을 생성하는 데 사용될, 상기 로컬 피검체에 연관된 적어도 두 개의 클래스를 선택하는 단계로서,
    상기 적어도 두 개의 클래스는 상기 가장 가까운 클래스 및 상기 로컬 피검체에 연관된 적어도 다른 하나의 클래스를 포함하고, 상기 적어도 다른 하나의 클래스는 상기 가장 가까운 클래스의 BPL 식별자와는 다른 BPL 식별자에 연관된, 상기 적어도 두 개의 클래스를 선택하는 단계; 및
    상기 로컬 피검체에 연관된 상기 적어도 두 개의 클래스에 대한 심박 프로파일 데이터에 기초하여 상기 BPL 추정 모델을 생성하는 단계
    를 포함하는, 방법.
  19. 제17항에 있어서, 상기 BPL 추정 모델을 생성하는 단계는,
    상기 로컬 피검체에 연관된 로컬 피검체 전달 세트를 결정하는 단계로서, 상기 로컬 피검체 전달 세트는 기준 BPL에서 수집되는 상기 로컬 피검체의 하나 이상의 심박 프로파일을 포함하는, 상기 로컬 피검체 전달 세트를 결정하는 단계;
    상기 현재 피검체에 연관된 현재 피검체 전달 세트를 취득하는 단계로서, 상기 현재 피검체 전달 세트는 상기 기준 BPL에서 수집되는 상기 현재 피검체의 하나 이상의 심박 프로파일을 포함하는, 상기 현재 피검체 전달 세트를 취득하는 단계;
    상기 현재 피검체 전달 세트 및 상기 로컬 피검체 전달 세트에 기초하여, 전달되는 현재 피검체 세트를 생성하는 단계로서,
    상기 전달되는 현재 피검체 세트는 상기 현재 피검체에 연관된 복수의 전달되는 심박 프로파일을 포함하는, 상기 전달되는 현재 피검체 세트를 생성하는 단계; 및
    상기 식별된 로컬 피검체에 연관된 로컬 피검체 세트에 기초하여 상기 BPL 추정 모델을 생성하는 단계
    를 포함하되, 상기 현재 피검체에 대한 BPL 추정은, 상기 전달되는 현재 피검체 세트에 기초하여 상기 BPL 추정 모델을 이용하여 결정되는, 방법.
  20. 제17항에 있어서, 상기 글로벌 모델을 결정하는 단계는,
    복수의 로컬 피검체에 연관된 복수의 심박 프로파일을 취득하는 단계로서,
    상기 복수의 심박 프로파일의 각 심박 프로파일은 상기 복수의 로컬 피검체 중 알려진 BPL에서 수집되는 하나의 로컬 피검체의 심박 프로파일인, 상기 복수의 심박 프로파일을 취득하는 단계; 및
    상기 복수의 로컬 피검체에 연관된 복수의 심박 프로파일에 기초하여 상기 글로벌 모델을 생성하는 단계
    를 포함하되, 상기 글로벌 모델은 비선형 분류자를 이용하여 생성되는, 방법.
KR1020210053341A 2020-04-27 2021-04-23 광혈류측정을 이용한 혈압 추정 KR20210132614A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/859,568 US20210335495A1 (en) 2020-04-27 2020-04-27 Blood pressure estimation with photoplethysmography measurement
US16/859,568 2020-04-27

Publications (1)

Publication Number Publication Date
KR20210132614A true KR20210132614A (ko) 2021-11-04

Family

ID=75674626

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210053341A KR20210132614A (ko) 2020-04-27 2021-04-23 광혈류측정을 이용한 혈압 추정

Country Status (4)

Country Link
US (1) US20210335495A1 (ko)
EP (2) EP3903673B1 (ko)
KR (1) KR20210132614A (ko)
CN (1) CN113633269A (ko)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6525138B2 (ja) * 2014-05-14 2019-06-05 国立大学法人信州大学 血圧測定装置
EP3033991B1 (en) * 2014-12-15 2018-02-28 Stichting IMEC Nederland System and method for blood pressure estimation
EP3282937A4 (en) * 2015-04-14 2018-11-21 Nueon Inc. Method and apparatus for determining markers of health by analysis of blood
US20170156606A1 (en) * 2015-12-02 2017-06-08 Echo Labs, Inc. Systems and methods for non-invasive blood pressure measurement
CN107788965A (zh) * 2016-09-05 2018-03-13 京东方科技集团股份有限公司 一种血压的确定方法及装置
EP3773155B1 (en) * 2018-03-30 2023-03-01 Koninklijke Philips N.V. System and method for non-invasive determination of blood pressure dip based on trained prediction models
TWI685326B (zh) * 2018-06-01 2020-02-21 華碩電腦股份有限公司 穿戴式血壓量測裝置及其量測方法
KR102655676B1 (ko) * 2018-10-10 2024-04-05 삼성전자주식회사 혈압 추정 장치 및 방법과, 혈압 추정 지원 장치

Also Published As

Publication number Publication date
EP4154806A1 (en) 2023-03-29
CN113633269A (zh) 2021-11-12
US20210335495A1 (en) 2021-10-28
EP3903673B1 (en) 2022-11-23
EP3903673A1 (en) 2021-11-03

Similar Documents

Publication Publication Date Title
JP2017224281A (ja) ヘルストラッキングデバイス
CN109864704A (zh) 生物信号质量评价设备和生物信号质量评价方法
US9729693B1 (en) Determining measurement confidence for data collected from sensors of a wearable device
US11918328B2 (en) Baseline correction and extraction of heartbeat profiles
US11024034B2 (en) Image segmentation confidence determination
JP6213943B1 (ja) 血圧推定装置、血圧推定方法、およびコンピュータプログラム
US20170127960A1 (en) Method and apparatus for estimating heart rate based on movement information
EP3315062B1 (en) Bio-signal quality assessment apparatus and method and bio-signal measurement parameter optimization apparatus and method
US20190110698A1 (en) Apparatus and method for processing bio-information
KR20210132614A (ko) 광혈류측정을 이용한 혈압 추정
US20220000377A1 (en) Sensor device
JP7296503B2 (ja) 自律型フルスペクトル生体モニタリング
JP6676217B2 (ja) ストレス推定システム
JP2022552123A (ja) センサーデバイス

Legal Events

Date Code Title Description
A201 Request for examination