TW201733522A

TW201733522A - 量測使用者的生物學訊號的方法與系統及其非暫時性機器可讀取媒體

Info

Publication number: TW201733522A
Application number: TW106106037A
Authority: TW
Inventors: 李叶磊; 馬修 C. 威金斯
Original assignee: 三星電子股份有限公司
Priority date: 2016-03-28
Filing date: 2017-02-23
Publication date: 2017-10-01
Also published as: EP3225158A3; CN107233086A; KR20170113252A; JP2017176827A; US20170273635A1; US10722182B2; EP3225158A2

Abstract

本揭露提供一種量測使用者的生物學訊號的系統，所述系統包括：感測器模組，用以經由目前通道擷取使用者的心衝擊圖（BCG）訊號，其中所述目前通道是所述感測器模組的至少一個通道；分解模組，用以將所述心衝擊圖訊號分解成分解訊號；重構模組，用以將所述分解訊號的至少一部分重構成重構訊號；處理模組，用以將所述重構訊號處理成心率、呼吸數、呼吸階段、及血壓中的至少一者；以及顯示模組，用以在顯示裝置上顯示與所述心率、所述呼吸數、所述呼吸階段、及所述血壓中的所述至少一者對應的至少一個輸出。

Description

量測使用者的生物學訊號的方法與系統及其非暫時性機器可讀取媒體

本揭露是有關於量測使用者的身體訊號，且更具體而言，是有關於使用低電力感測器之心率與呼吸數估計的方法與裝置。

如同任意的可攜式電子裝置一樣，監測生物訊號的可穿戴式感測器裝置亦期望具有長的電池壽命。通常，可藉由提供較少的資訊內容來為可穿戴式裝置提供較長的電池壽命。然而，在某些情形中，減少資訊內容可能是不能接受的。

血管容積圖（photoplethysmogram，PPG）感測器裝置通常基於血管容積圖式心率方法來確定並估計心率及呼吸數。然而，血管容積圖感測器耗費大量電力。

本揭露提供基於所不期望的生物訊號或生物特徵進行連續治療分類及後續升級的方法與裝置。示例性實施例可包括一種儲存有機器可執行指令的非暫時性機器可讀取媒體，所述機器可執行指令在被執行時會使計算系統控制用於量測使用者的生物學訊號的操作。所述操作可包括：經由目前通道擷取使用者的心衝擊圖（ballistocardiogram，BCG）訊號，其中所述目前通道是感測器的至少一個通道。可將所述心衝擊圖訊號處理成分解訊號，且可將所述分解訊號處理成重構訊號。接著可將所述重構訊號處理成心率、呼吸數、呼吸階段、及血壓中的至少一者，以便可顯示所述心率、所述呼吸數、所述呼吸階段、及所述血壓中的所述至少一者以供使用者或他人進行觀察。

另一示例性實施例可為量測使用者的生物學訊號的系統，所述系統包括：感測器模組，用以經由目前通道擷取使用者的心衝擊圖（BCG）訊號，其中所述目前通道是所述感測器模組的至少一個通道。所述系統亦可包括分解模組及重構模組，所述分解模組用以將所述心衝擊圖訊號分解成分解訊號，所述重構模組用以將所述分解訊號的至少一部分重構成重構訊號。處理模組可用以將所述重構訊號處理成心率、呼吸數、呼吸階段、及血壓中的至少一者。可在顯示模組上顯示所述心率、所述呼吸數、所述呼吸階段、及所述血壓中的一或多者以供使用者或他人進行觀察。

另一示例性實施例可為一種量測使用者的生物學訊號的方法，所述方法包括：經由目前通道擷取使用者的心衝擊圖（BCG）訊號，其中所述目前通道是感測器的至少一個通道。可將所述心衝擊圖訊號分解成分解訊號；且可將所述分解訊號的至少一部分重構成重構訊號。可將所述重構訊號處理成心率、呼吸數、呼吸階段、及血壓中的至少一者；且可在顯示裝置上顯示所述心率、所述呼吸數、所述呼吸階段、及/或所述血壓中的一或多者。

其他態樣將在以下說明中予以闡述及/或藉由實踐所提供示例性實施例而習得。

藉由參照對實施例的以下詳細說明及附圖，可更容易地理解本揭露的一或多個實施例的優點及特徵。

就此而言，該些實施例不應被視為僅限於本文所述的說明。確切而言，提供該些實施例是作為例子來使此揭露內容將透徹及完整並將向此項技術中具有通常知識者充分傳達該些實施例的概念。隨附申請專利範圍說明本揭露的實施例中的某些實施例。

在本說明書通篇中，相同的參考編號指代相同的組件。本文使用的包括描述性用語或技術用語在內的所有用語均應被視為具有對此項技術中具有通常知識者而言顯而易見的含義。當某一用語因語言的演進、先例或新技術的出現而具有模糊的含義時，此揭露內容中使用的用語的含義應首先由其在此揭露內容中的用法及/或定義來闡明。若需要進一步闡明，則應接著如此項技術中具有通常知識者在本揭露公開之時在本揭露的上下文中所應理解的那樣來闡明所述用語。

當某一零件''包括（include或comprise）''某一組件時，除非存在與其相反的特別說明，否則所述零件可更包括其他組件。本揭露實施例中的用語''單元''意指執行具體功能的軟體部件或硬體部件。所述硬體部件可包括例如現場可程式化閘陣列（field-programmable gate array，FPGA）或應用專用積體電路（application-specific integrated circuit，ASIC）。

軟體部件可指代可定址儲存媒體中的可執行碼及/或由所述可執行碼使用的資料。因此，軟體部件可為例如目標導向軟體部件（object-oriented software component）、類別部件及任務部件，且可包括進程、函數、屬性、程序、次常式、程式碼的某些區段、驅動器、韌體、微碼、電路、資料、資料庫、資料結構、表格、陣列或變數。

由某一''單元''提供的功能可被劃分成額外的部件及''單元''。

現在將詳細參考實施例，該些實施例的例子在附圖中加以說明。就此而言，該些實施例可具有不同形式且不應被視為僅限於本文所述的說明。

在以下說明中，未對眾所習知的功能或構造進行詳細闡述，以免因不必要的細節而使該些實施例模糊不清。

圖1是說明根據本揭露實施例的電子裝置的圖。參照圖1，電子裝置（其可為使用者可穿戴式裝置100）具有顯示器102、處理器110及處理器112、感測器模組120、電池130、腕帶140、及卡扣142。感測器模組120可包括感測器122及感測器124。處理器110或處理器112亦可被稱為診斷處理器。

儘管使用者可穿戴式裝置100可穿戴於手腕上，然而本揭露的各種實施例未必僅限於此。使用者可穿戴式裝置100亦可被設計成穿戴於身體的其他部分上，例如（舉例而言）穿戴於胳膊上（圍繞前臂、肘部、或上臂）、穿戴於腿上、穿戴於胸部、像束髮帶一樣穿戴於頭部、像「頸鏈（choker）」一樣穿戴於喉部、以及穿戴於耳朵上。使用者可穿戴式裝置100可能夠與例如（舉例而言）智慧型電話、膝上型電腦或醫院或醫生診療室中的各種醫療裝置等其他電子裝置進行通訊。此將針對圖3進行更詳細的闡述。

顯示器102可輸出來自使用者的身體的所監測生理學訊號以供使用者及/或他人進行觀察。正被監測的訊號可被稱為生物訊號或生物特徵資料。所監測訊號可為例如心（脈搏）率、脈搏形態（形狀）、脈搏間距（心跳間間隔）、呼吸（respiration）（呼吸（breathing））數、及血壓。顯示器102亦可在使用使用者可穿戴式裝置100或使用其他量測裝置時向使用者或他人輸出指令，以及例如輸出狀態及診斷結果。

處理器110可經由感測器模組120中的低電力感測器而接收所監測訊號。感測器模組120可包括例如當使用者可穿戴式裝置100由使用者穿戴時自使用者的手腕擷取訊號的感測器122及感測器124。感測器122及/或感測器124可為例如加速度計。處理器112可控制感測器122及感測器124，且亦可處理由感測器122及感測器124監測的訊號。舉例而言，處理器112可分解由感測器122及/或感測器124監測的訊號，並接著重構所述分解訊號。本揭露的各種實施例可使處理器110亦執行處理器112的功能。本揭露的各種實施例亦可具有不同數目的感測器。

感測器122可為例如用於連續地或近乎連續地監測脈衝相關資訊的運動感測器或加速度計。感測器124可相似於感測器122或可為不同類型的感測器，例如（舉例而言）用於測定使用者的體溫的體溫計。

電池130可用以為使用者可穿戴式裝置100提供電力。電池130可使用有線充電系統或無線充電系統進行充電。腕帶140可包繞於手腕周圍且使用者可穿戴式裝置100可使用卡扣142而保持於手腕上。

圖2是根據本揭露實施例的電子裝置的高階方塊圖。參照圖2，圖2示出顯示器102、處理器110、感測器模組120、及電池130。輸出至顯示器102的輸出可由處理器110進行控制。顯示器102亦可包括例如（舉例而言）按鍵、撥號鍵（dial）、觸感式螢幕（touch sensitive screen）、及麥克風等輸入裝置（圖中未示出）。

處理器110可包括中央處理單元（central processing unit，CPU）200、記憶體210、輸入/輸出（input/output，IO）介面220、通訊介面230、電力管理單元（power management unit，PMU）240、分解模組250、及重構模組260。儘管處理器110被闡述為包括該些各種裝置，然而其他實施例亦可使用其中以不同方式對不同的功能性進行分組的其他架構。舉例而言，可以不同的積體電路晶片進行分組。或者所述分組可將不同的裝置組合於一起，例如將輸入/輸出介面220與通訊介面230組合於一起，或將分解模組250與重構模組260組合於一起。

中央處理單元200可控制感測器模組120的運作以及自感測器模組120接收所監測的訊號。中央處理單元200可控制使用者可穿戴式裝置100，所述控制包括對來自感測器模組120的所監測訊號進行處理、在顯示器102上顯示所處理的訊號、接收來自顯示器102的輸入、藉由執行記憶體210中的指令而經由輸入/輸出介面220或通訊介面230來介接各種裝置。輸入/輸出介面220可由中央處理單元200用於介接顯示器102。

處理器112可在不同的實施例中使用不同的架構進行運作。舉例而言，處理器112可使用記憶體210來儲存用於執行的指令，或者處理器112可針對其指令而具有其自己的記憶體（圖中未示出）。儘管某些實施例具有單獨的處理器110及單獨的處理器112，然而各種實施例未必僅限於此。可存在用於控制使用者可穿戴式裝置100的功能性的一個處理器110，或可存在用於使用者可穿戴式裝置100的多個處理器。

記憶體210可包括非揮發性記憶體216及揮發性記憶體218。在非揮發性記憶體216中可儲存作業系統及應用程式。本揭露各種實施例可端視設計及或實作內容而使用不同的記憶體架構。

通訊介面230可使得使用者可穿戴式裝置100能夠藉由例如有線協定或無線協定（例如，通用串列匯流排（universal serial bus，USB）、藍芽、近場通訊（Near Field Communication，NFC）、及無線保真）而與其他裝置進行通訊。電力管理單元240可對以下操作進行控制：接收來自外部源的電力；對電池130進行充電；以及對使用者可穿戴式裝置100的不同部分分配電力。

分解模組250可用於例如使用時-頻變換而將輸入訊號（例如，心衝擊圖訊號）分解成多個頻帶。重構模組260可用於例如對來自分解模組250的分解訊號進行重構以提煉並存取原始訊號（例如，心衝擊圖訊號）的所期望的分量。

圖3是根據本揭露實施例的位於通訊網路中的電子裝置的圖解。參照圖3，圖3示出使用者可穿戴式裝置100及智慧型電話300。使用者可穿戴式裝置100可使用通訊介面230與智慧型電話300進行通訊。所述通訊可經由通訊訊號302進行，其中所述通訊可直接在使用者可穿戴式裝置100與智慧型電話300之間進行，或者在使用者可穿戴式裝置100與智慧型電話300之間亦包括其他裝置。

使用者可穿戴式裝置100的應用程式214中的一者可使得智慧型電話300能夠控制使用者可穿戴式裝置100的至少某些操作。舉例而言，使用者可穿戴式裝置100可向顯示器102輸出由處理器110處理的結果，及/或可將相同的結果傳輸至智慧型電話300。使用者亦可選擇位於使用者可穿戴式裝置100上的選項或位於智慧型電話300上的選項。所述選項可為例如由使用者可穿戴式裝置100開始生物訊號監測過程或停止生物訊號監測過程。

由於智慧型電話300具有較大的顯示器，因此對使用者而言在智慧型電話300上觀察結果及選擇選項可較在使用者可穿戴式裝置100上觀察結果或選擇選項更容易。然而，應注意，智慧型電話300可能一般而言並非是使用者可穿戴式裝置100的操作所必需的。

圖4A及圖4B分別說明心衝擊圖訊號及血管容積圖訊號。心衝擊圖訊號量測由心臟輸出運動以及呼吸運動造成的身體加速度。通常而言，心衝擊圖訊號對應於與人體同軸的運動。如圖中可見，圖4B中的血管容積圖相對簡單、而圖4A中的心衝擊圖訊號相對複雜，乃因心衝擊圖訊號在一次心跳期間含有多個峰值事件。所述峰值可被歸類成三個主要的分組：心收縮前、心收縮時、及心舒張時。由於心衝擊圖訊號的複雜性及心衝擊圖訊號的諧波模式，直接自原始心衝擊圖訊號確定心率及呼吸數可具有挑戰性。因此，可能需要對心衝擊圖訊號進行處理以確定心率及呼吸數。

理想的心衝擊圖訊號可被建模為：（1）其中指代心臟相關分量的權重，指代呼吸分量的權重，指代心跳頻率，指代呼吸頻率，指代心跳的諧波因素，指代呼吸階段位移，且指代雜訊及人為因素。

為了使用心衝擊圖訊號來準確地量化心臟及呼吸活動，本揭露提供心衝擊圖變換過程（訊號預處理）以自方程式（1）提取對應的參數並將所述參數轉換成血管容積圖狀波形。此會在以下進行更詳細地解釋。

儘管已揭露了用於確定心率及呼吸數的本揭露的各種實施例，然而所述實施例未必僅限於此。舉例而言，亦可對心衝擊圖訊號進行處理確定使用者的呼吸階段。

圖5A及圖5B分別說明示例性多貝西5尺度函數波形及多貝西5小波函數波形。本揭露的實施例可使用所示尺度函數及小波函數來分解例如（舉例而言）心衝擊圖訊號等訊號。

圖6A至圖6I說明根據本揭露實施例的示例性心衝擊圖訊號及小波式心衝擊圖分解波形。該些圖說明圖6A中的心衝擊圖訊號及藉由以七階分解（seven levels of decomposition）對心衝擊圖訊號進行分解而得出的八個頻帶。舉例而言，圖6B至圖6I可示出被分解成8個頻帶的取樣速率為100赫茲的心衝擊圖訊號。圖6B至圖6I所示8個頻帶分別對應於實質上為0赫茲至0.78赫茲、0.78赫茲至1.56赫茲、1.56赫茲至3.13赫茲、3.13赫茲至6.25赫茲、6.25赫茲至12.5赫茲、12.5赫茲至25赫茲、25赫茲至50赫茲、及50赫茲至100赫茲的頻帶。

低頻層可對應於呼吸模式，而中間頻帶可對應於心跳事件。圖4A及圖4B所示多貝西5波形可用於將圖6A所示心衝擊圖訊號分解成圖6B至圖6I所示分解訊號，乃因多貝西5小波與心衝擊圖心跳事件具有高的相似性。

本揭露的各種實施例可基於例如（舉例而言）Symlet小波或雙正交小波（biorthogonal wavelet）等表現出與心衝擊圖心跳事件的高相關性的其他小波來執行心衝擊圖訊號分解。其他實施例可提供指代心衝擊圖（形態）的可配置的小波。因此，各種實施例可使用不同類型的小波，包括例如自產生母小波（self-generated mother wavelet）。

儘管圖6B至圖6I示出分解心衝擊圖訊號的八個頻帶，然而在不背離本揭露的範圍的條件下，分解頻帶的數目可基於心衝擊圖取樣速率及規定使用情形（例如，心率、呼吸數、呼吸階段、血壓）而為任意數目。

本揭露的各種實施例可基於相關聯的頻帶而自使用者的身體進行所期望類型的速率量測。因此，可自使用者的各種身體位置擷取感測器資料。

本揭露的各種實施例可基於多種訊號分解技術中的一或多者來執行心衝擊圖訊號分解，所述多種訊號分解技術包括但不限於希伯特變換（Hilbert transform）、具有不同截止頻帶及阻帶的有限脈衝響應（finite impulse response，FIR）/無限脈衝響應（infinite impulse response，IIR）濾波器、時域式移動平均方法、及多階導數中的一或多者。

圖7A說明根據本揭露實施例的重構分解心衝擊圖訊號的示例性流程圖。參照圖7A，各種感測器（例如（舉例而言）感測器122及/或感測器124）可偵測一或多個方向上的運動。舉例而言，感測器122及感測器124中的每一者可能夠偵測X方向、Y方向及Z方向上的運動。作為另外一種選擇，可穿戴式裝置100上的感測器可能夠偵測僅一或兩個方向上的運動。能夠偵測多個方向上的運動的感測器可被稱為具有多個通道，其中每一通道可偵測特定方向上的運動。心衝擊圖可被解釋為單通道運動感測器訊號或多通道合成訊號（例如，加速度計量值訊號）。所述運動感測器可偵測例如加速度。

在702處可接收運動資料。此運動資料可為例如圖4A所示心衝擊圖訊號所示加速度量值。在704處，可利用N階小波分解（N-level wavelet decomposition）來分解運動資料。可例如藉由分解模組250來執行所述分解。此可得出在706a至706h處所示的與圖6B至圖6I所示分解訊號對應的分解訊號。

本揭露的各種實施例可對重構過程應用例如一或多種統計平均方法來提煉並增強分解心衝擊圖訊號的決定性分量。舉例而言，可使用移動平均能量熵。可使用滑動視窗來計算移動平均能量。在每一視窗實例中，在以下給出的方程式（2）至方程式（4）中對能量熵進行闡述。可使用基於具體使用情形而具有所期望的視窗大小的滑動視窗。另外，可基於具體使用情形而應用多視窗式重構。

在708a至708h處，可對在706a至706h處所示分解訊號中的每一者進行能量計算。端視所述架構而定，可由分解模組250、重構模組260、處理器112、及/或中央處理單元200來進行計算。其他未示出的架構可使用其他處理器。所述能量計算可使用方程式（2）（2）

在710處，可收集各別能階以計算分解訊號706a至分解訊號706h的機率分佈。可使用以下公式（3）來計算各個機率：（3）

可接著使用712a至712h處的各個機率來計算訊號的熵S，如方程式（4）所示：（4）

各種實施例可使用熵S來計算波茲曼熵S_B 以自分解訊號706a至分解訊號706h重構重構訊號：（5）

藉由調整波茲曼常數K_B ，本揭露的各種實施例可為每一滑動視窗形成自適應性權重。因此，各種實施例可基於具體使用情形而進一步提供時域平滑技術，包括但不限於移動平均及最大化模量原理。

在714’處，可選擇與例如706a至706h對應的一或多個頻帶。在714處，可使用方程式（4）及方程式（5）來進行所選擇頻帶的能量熵計算。可接著在716處使用能量熵計算以自分解心衝擊圖訊號重構心衝擊圖訊號，從而增強並恢復例如心率、呼吸階段、及呼吸數。在本揭露的某些實施例中，可能不需要對呼吸進行重構。各種實施例可使用較低頻頻帶，例如用於確定呼吸數及/或呼吸階段的特低頻頻帶。

儘管已將具體模組闡述為執行具體功能，然而本揭露的範圍未必僅限於此。舉例而言，可由共用硬體模組及/或軟體模組來執行分解及重構。軟體模組可包括由處理器（例如，處理器110及/或處理器112）執行的指令。

圖7B說明根據本揭露實施例的重構分解心衝擊圖訊號的示例性流程圖。將不再闡述圖7B與圖7A的相似部分，例如702、704、706a…706h、及708a…708h。在708之後，在710之前的710’處發生頻帶選擇。因此，在710處，可收集所選擇頻帶的各別能階以計算所選擇分解訊號706a至分解訊號706h的機率分佈。可使用方程式（3）計算所選擇頻帶的各別機率。

可接著使用712a至712h中的所選擇頻帶的各別機率來計算訊號的熵S，如方程式（4）所示。在714處，可使用方程式（4）及方程式（5）來進行所選擇頻帶的能量熵計算。可接著在716處使用能量熵計算以自分解心衝擊圖訊號重構心衝擊圖訊號，從而增強並恢復例如心率、呼吸階段、及呼吸數。在本揭露的某些實施例中，可能不需要對呼吸進行重構。

圖8A至圖8F說明根據本揭露實施例的重構心衝擊圖訊號的示例性波形。為進行比較，圖8A至圖8C說明具有良好訊號品質的重構訊號的示例性波形且圖8D至圖8F說明具有差的訊號品質的重構訊號的示例性波形。

如圖8A至圖8F所示，心衝擊圖訊號重構顯著地抑制了寬廣範圍的心衝擊圖訊號的心臟諧波分量及高頻人為因素。在所有靜止情形中，重構心衝擊圖訊號可與來自血管容積圖感測器的血管容積圖訊號高度相關。可為下游方法進一步提取來自重構心衝擊圖訊號的資訊以確定心率變異性（heart rate variability，HRV）、睡眠品質、及壓力。心衝擊圖重構的優點是會移除多個心跳諧波並消除模糊性。

根據某些實施例，心衝擊圖訊號可基於心衝擊圖訊號與所期望的血管容積圖訊號之間的預定義頻率轉移函數而被轉換成血管容積圖狀波形。所述預定義頻率轉移函數可基於對心衝擊圖訊號與對應的所期望血管容積圖訊號的頻率響應進行的比較以及對心衝擊圖訊號與對應的所期望血管容積圖訊號的頻率關係進行的量化。所述預定義轉移函數可用於規定心衝擊圖變換的濾波器參數。

圖9A及圖9B說明根據本揭露實施例的兩個使用者的心衝擊圖式心率趨勢及血管容積圖式心率趨勢的示例性波形。如在圖9A及圖9B中的每一者中可見，兩個對象（使用者）的目前心衝擊圖式夜間心率與光學感測器（血管容積圖）式心率趨勢高度相同。

某些實施例可將快速傅立葉變換應用於具有滑動時間視窗的重構心衝擊圖訊號。在每一視窗中，可提取頻譜中的前N個最大峰值作為心率候選項。可使用生物意義（biosemantic）心率追蹤機制（例如先前在美國申請案第14/924,565號中所揭露者）來連續地追蹤使用者的心率。美國申請案第14/924,565號全文倂入供參考。

某些實施例可進一步基於諸多不同方法來提取心衝擊圖式心率候選項。一種方法包括對重構心衝擊圖訊號或原始心衝擊圖訊號應用倒譜分析來辨識諧波延遲。該些極大值（maxima value）可被視為所述訊號的給定區段的基本頻率。某些實施例可基於將重構心衝擊圖訊號以給定嵌入尺寸及時間延遲投影至規定吸引區（attractor）中來應用非線性訊號重構。可接著使用遞歸圖分析（recurrence plot analysis）來辨識週期性心臟活動模式。

目前為止，已對使用感測器（例如，三軸線加速度計）的量值向量作為心衝擊圖訊號來進行心率估計的各種實施例進行了闡述。其他實施例可能夠自心衝擊圖訊號中的特低頻（VLF）頻帶偵測呼吸數，如圖6B所說明。由於心衝擊圖訊號的量值向量會抑制直流/低頻分量，因此可使用加速度計的單個軸線對呼吸數進行估計。然而，亦可使用多軸線加速度計合成來確定呼吸事件。

圖10說明根據本揭露實施例的來自加速度計的單個軸線的訊號相對於對應訊號的特低頻分量的示例性波形。如圖中可見，特低頻分量極佳地追蹤來自加速度計的單個軸線的訊號的波形。此表明在對原始訊號（例如，圖6A中的心衝擊圖訊號）進行分解的同時並未引入明顯誤差。因此，各種實施例亦可使用早先闡述的機制來執行相似的追蹤以連續地追蹤使用者的呼吸數。

圖11A及圖11B說明根據本揭露實施例兩個使用者的夜間呼吸數趨勢的示例性波形。可使用本揭露各種實施例中的心衝擊圖訊號波形來確定呼吸數。心跳事件亦可能會因呼吸事件而偶爾地受到調變。

圖12說明根據本揭露實施例的由感測器的定向改變而觸發的訊號品質變化的示例性波形。可以看出，在圖12中的曲線圖的靠近中心處存在移動，且在移動之後所監測到的訊號不同於在移動之前所監測到的訊號。此為使感測器處於不同的位置或定向上可如何影響訊號品質的實例。

為了獲得最佳準確性效能，本揭露的各種實施例可應用智慧型運動感測器通道選擇機制。當偵測到運動時，可觸發運動感測器通道重設旗標。實施例可接著重新選擇某一運動感測器通道來進行下一呼吸數估計循環。通道評估準則可基於呼吸數估計置信度指標，其中給定軸線的特低頻的頻譜中的主峰值的存在可被視為高呼吸數品質置信度。通道評估準則亦可基於心率估計置信度指標，其中重構心衝擊圖訊號的頻譜中的主峰值的存在可表示高心率品質置信度。

圖13A及圖13B說明根據本揭露實施例的各種手位置下的心率及呼吸數估計的示例性波形。圖13A及圖13B示出當在使用者的手部處於各種位置（例如，手在桌上、手在腿上、及手下垂）時自使用者的手腕量測心衝擊圖時，所估計心率及呼吸數保持穩健。因此，應理解，在不背離本揭露的範圍的條件下，可自使用者的身體的不同部分（例如，前額、耳朵、胸部、腿部、及胳膊）擷取心衝擊圖訊號。

根據各種實施例，可使用例如加速度計感測器等低電力運動感測器而非血管容積圖感測器來進行連續的安靜心率監測，乃因血管容積圖感測器可較運動感測器耗費顯著多的電力。因此，所揭露的低電力運動感測器的使用可顯著地延長電池充電循環。考慮以下系統電力消耗方程式。（6）其中E₀ 指代電池能量的初始狀態（單位：焦耳），指代電池能量安全餘量（單位：焦耳），指代來自背景監測過程的耗用功率（power drain）（單位：瓦特），指代血管容積圖取樣期間的平均耗用功率（單位：瓦特），指代在加速度計裝置喚醒期間包括運動感測器或加速度計的基礎模組的平均耗用功率（單位：瓦特），K₁ 指代血管容積圖取樣工作循環，K₂ 指代基礎模組喚醒工作循環，K₃ 指代加速度計取樣工作循環，且t指代時間變數（單位：秒）。

對於連續的心率及呼吸數監測而言，K₁ 及K₃ 等於1，且方程式（6）可簡化為如下：（7）

可觀察到基礎模組工作循環K₂ 相依於在基礎模組上運行的進程的複雜性。若在基礎模組上運行的進程非常高效，則K₂ 可為非常小的分數。在此種情形中，電池運行時間是直至電池已耗盡的時間：（8）

假設且K₂ 是常數值，則：（9）

基於方程式（9），可藉由切換至心衝擊圖式安靜心率及呼吸數估計來使電池充電循環延長k倍。另外，可以看出呼吸數準確率得到顯著提高。相較於血管容積圖式系統，此處所揭露的心衝擊圖式連續心率/呼吸數估計系統的各種實施例已使電池循環延長至少300%。

根據本揭露的各種實施例，可基於一或多種智慧型電力調度機制而進一步擴展電池循環。一種智慧型電力調度機制使本文所述系統在典型日常運動之間的靜止週期期間間歇性地擷取日間心率及呼吸數量測結果。另一種智慧型電力調度機制使睡眠心率及呼吸數成為僅被短時間的覺醒中斷的連續的趨勢。

大量的日間安靜週期可提供對使用者的安靜心率趨勢的深入瞭解。該些深入瞭解對例如壓力分析及高血壓監測等使用情形而言是有意義的。另一方面，連續的睡眠趨勢提供關於心率變異率、睡眠障礙（sleeping disorder）及心率紊亂（cardiac arrhythmia）的有價值的資訊。

圖14A說明根據本揭露實施例的針對連續的安靜心率及呼吸監測進行的智慧型電力調度的示例性流程圖。參照圖14，一或多個感測器（例如（舉例而言）感測器122及/或感測器124）可偵測X方向、Y方向及Z方向上的運動。所感測的運動可為例如X加速度、Y加速度及Z加速度。作為另外一種選擇，可穿戴式裝置100上的感測器可能夠偵測僅一或兩個方向上的運動。

在1402處可感測到所述運動。此運動資料可為例如圖4A所示心衝擊圖訊號。在1404處，可判斷可穿戴式裝置100是否已處於穩定位置達預定時間段。若沒有，則可重複進行1404直至所述可穿戴式裝置已處於穩定位置達預定時間段為止。本揭露的各種實施例在再次進行檢查之前可具有時間延遲，所述時間延遲可為預定的或可變地設定的。若可穿戴式裝置100已處於穩定位置達預定時間段，則接下來可進行1406。

在1406處，可為即將進行的生物訊號量測選擇通道。所述通道選擇可包括分析所監測訊號以選擇所述各通道中的最佳通道。本揭露的某些實施例可能無法搜索最佳通道，而是可停留在目前通道，或前進至可用通道中的下一通道。

在1408處，可自所選擇通道接收訊號且可使用所述運動的量值（例如，加速度）來確定心衝擊圖訊號。此可相似於圖7A或圖7B的702。在1410處，可將來自1408的訊號分解，且如先前所述對分解訊號進行重構。1410可相似於704至716。

在1412a處，可選擇分解訊號的特低頻頻帶來進行呼吸數監測。在1412b處，可選擇重構訊號來進行心率監測。在1414a處，可自特低頻頻帶偵測呼吸數特徵。在1414b處，可自重構訊號偵測心率特徵。

在1416a處，可選擇一或多個呼吸數候選項來進一步進行處理。在1416b處，可選擇一或多個心率候選項來進一步進行處理。在1418處，生物意義趨勢追蹤可確定心率及呼吸數。在1420a及1420b處，可例如分別顯示所確定的呼吸數及心率以供使用者或他人查看。或者可將所確定的呼吸數及心率傳送至另一裝置（例如（舉例而言）智慧型電話300）。

圖14B說明根據本揭露實施例的針對連續的安靜心率及呼吸監測進行的智慧型電力調度的示例性流程圖。圖14B所示流程圖與圖14A所示流程圖相似。因此，將不再對圖14B的與圖14A在開始時的相似部分（例如，1402、1404、1406、及1408）予以贅述。在1410’處，可對來自1408的訊號進行分解，但不會如在圖14A處的1410處所做的那樣進行重構。在1412a處，可選擇分解訊號的特低頻頻帶來進行呼吸數監測。在1412b’處，可選擇帶通訊號來進行心率監測，但是在圖14A所示的1412b處，選擇了重構訊號來進行心率監測。可注意，1414a、1414b、1416a、1416b、1418、1420a及1420b與圖14A所示者相似。

儘管已提及智慧型電話300作為可與可穿戴式裝置100進行通訊的電子裝置的實例，然而本揭露的各種實施例亦可與例如可在醫院或醫生診療室中存在的電子裝置等其他電子裝置進行通訊。

各種實施例已將使用者可穿戴式裝置100闡述成是有關於監測使用者的生物訊號或生物特徵資料中的某些。然而，其他實施例可監測與此揭露內容中所提及的生物訊號不同的生物訊號。

本揭露的各種實施例可被編寫成電腦程式，且可在使用非暫時性電腦可讀取記錄媒體來執行程式的通用數位電腦中進行實作。

非暫時性電腦可讀取記錄媒體可包括例如磁性儲存媒體（例如，唯讀記憶體、軟碟、及硬碟）、以及光學記錄媒體（例如，光碟唯讀記憶體、或數位視訊碟（digital video disk，DVD））。

儘管已參照圖對本揭露的各種實施例進行了闡述，然而此項技術中具有通常知識者將理解，在不背離由以下申請專利範圍界定的本揭露的精神及範圍的條件下，可對其作出形式及細節上的各種改變。因此，以上實施例及以上實施例的所有態樣僅為實例且並非限制性的。

100‧‧‧可穿戴式裝置/使用者可穿戴式裝置
102‧‧‧顯示器
110、112‧‧‧處理器
120‧‧‧感測器模組
122、124‧‧‧感測器
130‧‧‧電池
140‧‧‧腕帶
142‧‧‧卡扣
200‧‧‧中央處理單元
210‧‧‧記憶體
212‧‧‧作業系統
214‧‧‧應用程式
216‧‧‧非揮發性記憶體
218‧‧‧揮發性記憶體
220‧‧‧輸入/輸出介面
230‧‧‧通訊介面
240‧‧‧電力管理單元
250‧‧‧分解模組
260‧‧‧重構模組
300‧‧‧智慧型電話
302‧‧‧通訊訊號
702、704、708a、708b、708g、708h、710、710’、712a、712b、712g、712h、714’、714、716、1402、1404、1406、1408、1410、1410’、1412a、1412b、1412b’、1414a、1414b、1416a、1416b、1418、1420a、1420b‧‧‧步驟
706a、706b、706g、706h‧‧‧分解訊號/步驟

結合附圖閱讀對所述示例性實施例的以下說明，該些及/或其他態樣將變得顯而易見且更易於理解。

圖1是說明根據本揭露實施例的電子裝置的圖。圖2是根據本揭露實施例的電子裝置的高階方塊圖。圖3是根據本揭露實施例的位於通訊網路中的電子裝置的圖解。圖4A是根據本揭露實施例的心衝擊圖訊號的示例性圖解。圖4B是根據本揭露實施例的血管容積圖訊號的示例性圖解。圖5A說明根據本揭露實施例的示例性多貝西5尺度函數（Daubechies 5 scaling function）波形。圖5B說明根據本揭露實施例的示例性多貝西5小波函數（Daubechies 5 wavelet function）波形。圖6A說明根據本揭露實施例的示例性心衝擊圖訊號。圖6B說明根據本揭露實施例的處於0赫茲至0.78赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖6C說明根據本揭露實施例的處於0.78赫茲至1.56赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖6D說明根據本揭露實施例的處於1.56赫茲至3.13赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖6E說明根據本揭露實施例的處於3.13赫茲至6.25赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖6F說明根據本揭露實施例的處於6.25赫茲至12.5赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖6G說明根據本揭露實施例的處於12.5赫茲至25赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖6H說明根據本揭露實施例的處於25赫茲至50赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖6I說明根據本揭露實施例的處於50赫茲至100赫茲的頻率範圍中的小波式心衝擊圖分解波形。圖7A說明根據本揭露實施例的重構分解心衝擊圖訊號的示例性流程圖。圖7B說明根據本揭露實施例的重構分解心衝擊圖訊號的示例性流程圖。圖8A說明根據本揭露實施例的示例性心衝擊圖波形。圖8B說明根據本揭露實施例的重構心衝擊圖訊號的示例性波形。圖8C說明根據本揭露實施例的示例性血管容積圖波形。圖8D說明根據本揭露實施例的示例性心衝擊圖波形。圖8E說明根據本揭露實施例的重構心衝擊圖訊號的示例性波形。圖8F說明根據本揭露實施例的示例性血管容積圖波形。圖9A說明根據本揭露實施例的第一使用者的心衝擊圖式心率趨勢及血管容積圖式心率趨勢的示例性波形。圖9B說明根據本揭露實施例的第二使用者的心衝擊圖式心率趨勢及血管容積圖式心率趨勢的示例性波形。圖10說明根據本揭露實施例的來自感測器的訊號相對於對應訊號的特低頻（very low frequency，VLF）分量的示例性波形。圖11A說明根據本揭露實施例的第一使用者的夜間呼吸數趨勢的示例性波形。圖11B說明根據本揭露實施例的第二使用者的夜間呼吸數趨勢的示例性波形。圖12說明根據本揭露實施例的由感測器的定向改變而觸發的訊號品質變化的示例性波形。圖13A說明根據本揭露實施例的在各種手位置下的呼吸數估計的示例性波形。圖13B說明根據本揭露實施例的在各種手位置下的心率估計的示例性波形。圖14A說明根據本揭露實施例的針對連續的安靜心率（resting heart rate）及呼吸監測進行的智慧型電力調度的示例性流程圖。圖14B說明根據本揭露實施例的針對連續的安靜心率及呼吸監測進行的智慧型電力調度的示例性流程圖。

100‧‧‧可穿戴式裝置/使用者可穿戴式裝置

102‧‧‧顯示器

110、112‧‧‧處理器

120‧‧‧感測器模組

122、124‧‧‧感測器

130‧‧‧電池

140‧‧‧腕帶

142‧‧‧卡扣

Claims

一種量测使用者的生物學訊號的系統，包括：感測器模組，用以經由目前通道擷取使用者的心衝擊圖（BCG）訊號，其中所述目前通道是所述感測器模組的至少一個通道；分解模組，用以將所述心衝擊圖訊號分解成分解訊號；重構模組，用以將所述分解訊號的至少一部分重構成重構訊號；處理模組，用以將所述重構訊號處理成心率、呼吸數、呼吸階段、及血壓中的至少一者；以及顯示模組，用以在顯示裝置上顯示與所述心率、所述呼吸數、所述呼吸階段、及所述血壓中的所述至少一者對應的至少一個輸出。
如申請專利範圍第1項所述的系統，其中所述分解模組用以使用與小波對應的函數來分解所述心衝擊圖訊號。
如申請專利範圍第1項所述的系統，其中所述分解模組用以使用與希伯特變換、具有不同截止頻帶及阻帶的有限脈衝響應（FIR）/無限脈衝響應（IIR）濾波器、時域式移動平均方法、及多階導數中的一或多者對應的函數來分解所述心衝擊圖訊號。
如申請專利範圍第1項所述的系統，其中所述重構模組用以使用統計平均方法中的一或多者來重構所述分解訊號的所述至少一部分。
如申請專利範圍第1項所述的系統，其中所述重構模組用以使用以下中的一或多者進行重構：滑動視窗，用以計算所述分解訊號的每一部分的移動平均能量熵；及波茲曼熵，其中調整波茲曼常數來為所述滑動視窗提供自適應性權重。
如申請專利範圍第1項所述的系統，其中所述重構模組用以使用與移動平均及最大模量原理中的一或多者對應的時域平滑來進行重構。
如申請專利範圍第1項所述的系統，更包括診斷處理器，所述診斷處理器用以基於所述心衝擊圖訊號與所期望血管容積圖訊號之間的預定義頻率轉移函數將所述心衝擊圖訊號轉換成血管容積圖狀（PPG狀）波形。
如申請專利範圍第1項所述的系統，更包括診斷處理器，所述診斷處理器用以基於對所述心衝擊圖訊號及所述重構訊號中的至少一者的倒譜分析來確定所述心率。
如申請專利範圍第1項所述的系統，更包括診斷處理器，所述診斷處理器用以當所述目前通道偵測到運動時選擇下一通道，其中所述下一通道是所述感測器模組的用於下一呼吸數估計循環的通道。
如申請專利範圍第9項所述的系統，其中用於選擇所述下一通道的通道評估準則是基於以下中的至少一者：呼吸數估計置信度指標，由所述通道的特低頻（VLF）頻帶中的峰值決定；以及心率估計置信度指標，由重構心衝擊圖訊號的頻譜中的峰值決定。
一種儲存有機器可執行指令的非暫時性機器可讀取媒體，所述機器可執行指令在被執行時會使計算系統控制用於量测使用者的生物學訊號的操作，所述操作包括：經由目前通道擷取使用者的心衝擊圖（BCG）訊號，其中所述目前通道是運動感測器的至少一個通道；將所述心衝擊圖訊號分解成分解訊號；將所述分解訊號的至少一部分重構成重構訊號；將所述重構訊號處理成心率、呼吸數、呼吸階段、及血壓中的至少一者；以及在顯示裝置上顯示與所述心率、所述呼吸數、所述呼吸階段、及所述血壓中的所述至少一者對應的至少一個輸出。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，其中所述心衝擊圖訊號是藉由與小波對應的函數來分解。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，其中所述心衝擊圖訊號是藉由與希伯特變換、具有不同截止頻帶及阻帶的有限脈衝響應（FIR）/無限脈衝響應（IIR）濾波器、時域式移動平均方法、及多階導數中的一或多者對應的函數來分解。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，其中將所述分解訊號的所述至少一部分重構成重構訊號是使用一或多種統計平均方法來執行。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，其中將所述分解訊號的所述至少一部分重構成重構訊號是使用以下中的一或多者來執行：使用滑動視窗計算所述分解訊號的每一部分的移動平均能量熵；及波茲曼熵，其中調整波茲曼常數來為所述滑動視窗提供自適應性權重。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，其中將所述分解訊號的所述至少一部分重構成重構訊號是使用與移動平均及最大模量原理中的一或多者對應的時域平滑來執行。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，更包括用以基於所述心衝擊圖訊號與所期望血管容積圖訊號之間的預定義頻率轉移函數將所述心衝擊圖訊號轉換成血管容積圖狀（PPG狀）波形的指令。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，其中所述心率是基於對所述心衝擊圖訊號及所述重構訊號中的至少一者的倒譜分析來確定。
如申請專利範圍第11項所述的非暫時性機器可讀取媒體，更包括用以當所述目前通道偵測到運動時選擇下一通道的指令，其中所述下一通道是所述運動感測器的用於下一呼吸數估計循環的通道。
如申請專利範圍第19項所述的非暫時性機器可讀取媒體，其中用於選擇所述下一通道的通道評估準則是基於以下中的至少一者：呼吸數估計置信度指標，由所述通道的特低頻（VLF）頻帶中的峰值決定；以及心率估計置信度指標，由重構心衝擊圖訊號的頻譜中的峰值決定。
一種量测使用者的生物學訊號的方法，包括：經由目前通道擷取使用者的心衝擊圖（BCG）訊號，其中所述目前通道是運動感測器的至少一個通道；將所述心衝擊圖訊號分解成分解訊號；將所述分解訊號的至少一部分重構成重構訊號；將所述重構訊號處理成心率、呼吸數、呼吸階段、及血壓中的至少一者；以及在顯示裝置上顯示與所述心率、所述呼吸數、所述呼吸階段、及所述血壓中的所述至少一者對應的至少一個輸出。