TW201918833A - 控制感測裝置的系統與方法及感測器系統 - Google Patents

控制感測裝置的系統與方法及感測器系統 Download PDF

Info

Publication number
TW201918833A
TW201918833A TW107126400A TW107126400A TW201918833A TW 201918833 A TW201918833 A TW 201918833A TW 107126400 A TW107126400 A TW 107126400A TW 107126400 A TW107126400 A TW 107126400A TW 201918833 A TW201918833 A TW 201918833A
Authority
TW
Taiwan
Prior art keywords
sensing
vital signal
wearable device
vital
data
Prior art date
Application number
TW107126400A
Other languages
English (en)
Inventor
艾里瑞查 艾里亞米利
Original Assignee
南韓商三星電子股份有限公司
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 南韓商三星電子股份有限公司 filed Critical 南韓商三星電子股份有限公司
Publication of TW201918833A publication Critical patent/TW201918833A/zh

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • 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
    • 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
    • A61B5/72—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/14—Central alarm receiver or annunciator arrangements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • 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
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Emergency Management (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Pulmonology (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

在一種控制感測裝置的方法中，所述方法包括：由處理器在第一時間段期間向穿戴式裝置傳送信號，以起始生命信號感測；由所述處理器從所述穿戴式裝置接收來自所述穿戴式裝置的生命信號資料；由所述處理器基於所述生命信號資料來調整用於起始所述生命信號感測的時間表；以及由所述處理器根據所述用於起始所述生命信號感測的時間表在第二時間段期間向所述穿戴式裝置傳送信號以起始所述生命信號感測。

Description

控制感測裝置的系統與方法
本公開涉及一種穿戴式裝置，更具體來說，涉及檢測使用者的生命信號異常或生命信號資料的方法、系統及設備。
穿戴式裝置（例如，手錶、手鐲）上可安裝有一個或多個感測器，以用於檢測穿戴所述穿戴式裝置的使用者的生命信號異常或監視相關生命信號資料（例如，異常的心律）。穿戴式裝置可使用電池供電以使使用者無需將裝置連接到外部電源，但根據穿戴式裝置的運行而定，電池壽命可相對短且需要頻繁再充電。
此背景技術部分中所公開的上述資訊僅是為了增強對本公開背景技術的理解，且因此其可能含有並不形成現有技術的資訊。 [問題的解決方案]
本公開的目的是提供在保持對生命信號異常進行感測的準確度的同時降低功耗的方法、系統及設備。
本公開的一個或多個示例性實施例涉及一種控制感測裝置的系統及方法。
根據一個或多個實施例，在控制感測裝置的方法中，所述方法包括：由處理器在第一時間段期間向穿戴式裝置傳送信號，以起始生命信號感測；由所述處理器從所述穿戴式裝置接收來自所述穿戴式裝置的生命信號資料；由所述處理器基於所述生命信號資料來調整用於起始所述生命信號感測的時間表；以及由所述處理器根據所述用於起始所述生命信號感測的時間表在第二時間段期間向所述穿戴式裝置傳送信號以起始所述生命信號感測。
根據一些實施例，所述方法更包括：由所述處理器從所述穿戴式裝置接收與所述生命信號資料對應的情境資料。
根據一些實施例，所述情境資料包括所述生命信號感測的時間。
根據一些實施例，所述情境資料包括與所述穿戴式裝置對應的運動資訊。
根據一些實施例，所述方法更包括：由所述處理器基於所述生命信號資料來判斷在第二時間段期間是否起始感測間隔。
根據一些實施例，所述方法更包括：由所述處理器計算在所述第二時間段的一部分期間感測到相關生命信號的機率；以及由所述處理器基於所計算的所述機率來調整所述用於起始所述生命信號感測的時間表。
根據一些實施例，在所述第一時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第一指令，所述第一指令根據所述用於起始所述生命信號感測的時間表在第一多個感測間隔期間執行所述生命信號感測，且在所述第二時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第二指令，所述第二指令在所述時間表經過調整之後根據所述時間表在第二多個感測間隔期間執行所述生命信號感測。
根據一些實施例，所述第一多個感測間隔及所述第二多個感測間隔中的每一者的持續時間及間隔是由所述用於起始所述生命信號感測的時間表來定義。
根據一個或多個示例性實施例，在控制感測裝置的系統中，所述系統包括：處理器；以及記憶體，耦合到所述處理器，其中所述記憶體儲存指令，所述指令在由所述處理器執行時使所述處理器：在第一時間段期間向穿戴式裝置傳送信號，以起始生命信號感測；從所述穿戴式裝置接收來自所述穿戴式裝置的生命信號資料；基於所述生命信號資料來調整用於起始所述生命信號感測的時間表；以及根據所述用於起始所述生命信號感測的時間表在第二時間段期間向所述穿戴式裝置傳送信號以起始所述生命信號感測。
根據一些實施例，所述指令更使所述處理器從所述穿戴式裝置接收與所述生命信號資料對應的情境資料。
根據一些實施例，所述情境資料包括所述生命信號感測的時間。
根據一些實施例，所述情境資料包括與所述穿戴式裝置對應的運動資訊。
根據一些實施例，所述指令更使所述處理器基於所述生命信號資料來判斷在第二時間段期間是否起始感測間隔。
根據一些實施例，所述指令更使所述處理器：計算在所述第二時間段的一部分期間感測到相關生命信號的機率；以及基於所計算的所述機率來調整所述用於起始所述生命信號感測的時間表。
根據一些實施例，在所述第一時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第一指令，所述第一指令根據所述用於起始所述生命信號感測的時間表在第一多個感測間隔期間執行所述生命信號感測，且在所述第二時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第二指令，所述第二指令在所述時間表經過調整之後根據所述時間表在第二多個感測間隔期間執行所述生命信號感測。
根據一些實施例，所述第一多個感測間隔及所述第二多個感測間隔中的每一者的持續時間及間隔是由所述用於起始所述生命信號感測的時間表來定義。
根據一個或多個示例性實施例，一種感測器系統包括：伺服器，被配置成為穿戴式裝置進行排程並根據所述時間表在第一時間段期間起始感測間隔，所述穿戴式裝置相對於所述伺服器遠端定位；以及所述穿戴式裝置，包括用於感測使用者的生命信號的一個或多個感測器，其中所述穿戴式裝置被配置成感測位置資料及生命信號資料並將所感測的所述位置資料及所述生命信號資料傳送到所述伺服器，其中所述穿戴式裝置被配置成根據來自所述伺服器的信號來啟動感測器，且其中所述伺服器被配置成根據所感測的所述位置資料及所述生命信號資料來針對用於啟動所述感測器的第二時間段來調整所述時間表。
根據一些實施例，所述伺服器被配置成計算在所述第二時間段的一部分期間感測到相關生命信號的機率並基於所計算的所述機率來針對所述第二時間段調整所述時間表。
根據一些實施例，所述伺服器更被配置成從所述穿戴式裝置接收與所述生命信號資料對應的情境資料。
根據一些實施例，所述伺服器更被配置成基於所述情境資料來判斷所述生命信號資料是否包括指示生命信號異常的資訊。 [發明的有利效果]
根據本公開，用於檢測生命信號異常的感測器是基於對出現生命信號異常的時間段進行的訓練來被啟動或去啟動的。因此，本發明提供在保持對生命
在下文中，將參照附圖更詳細地闡述示例性實施例，在所有附圖中，相同的參考編號指代相同的元件。然而，本公開可被實施為各種不同形式，而不應被視為僅限於本文中所示出的實施例。確切來說，提供這些實施例作為實例是為了使本公開將透徹及完整，並將向所屬領域中的技術人員全面傳達本公開的各個方面及特徵。因此，可不再闡述對於所屬領域中的一般技術人員完整理解本公開的各個方面及特徵而言並非必需的工藝、元件及技術。除非另有說明，否則在所有附圖及書面說明通篇中相同的參考編號表示相同的元件，且因此將不對其進行重複說明。在圖式中，為清晰起見，可誇大各個元件、各個層及各個區的相對大小。
應理解，儘管本文中可能使用用語“第一（first）”、“第二（second）”、“第三（third）”等來闡述各種元件、元件、區、層和/或區段，然而這些元件、元件、區、層和/或區段不應受這些用語限制。這些用語用於區分一個元件、元件、區、層或區段與另一個元件、元件、區、層或區段。因此，在不背離本公開的精神及範圍的條件下，以下所述第一元件、元件、區、層或區段也可被稱為第二元件、元件、區、層或區段。
本文所用術語僅是出於闡述特定實施例的目的而並非旨在限制本公開。除非上下文清楚地另外指明，否則本文所用單數形式“一（a及an）”旨在也包括複數形式。還應理解，當在本說明書中使用用語“包括（comprises、comprising）”及“包含（includes、including）”時，是指明所陳述特徵、整數、步驟、操作、元件和/或元件的存在，但不排除一個或多個其他特徵、整數、步驟、操作、元件、元件和/或其群組的存在或添加。本文所用用語“和/或”包括相關列出項中的一個或多個項的任意及所有組合。當例如“...中的至少一個（at least one of）”以及“選自...中的至少一個（at least one selected from）”等表達與一系列元件相關聯時，是修飾整個系列的元件而非修飾所述一系列元件中的各別元件。
本文所用用語“實質上（substantially）”、“大約（about）”及類似用語用作近似用語、而並非作為程度用語，並且旨在考慮到所屬領域中的一般技術人員將知的測量值或計算值的固有變化。另外，在闡述本公開的實施例時使用“可（may）”是指代“本公開的一個或多個實施例”。本文所用用語“使用（use）”、“正使用（using）”及“被使用（used）”可被視為分別與用語“利用（utilize）”、“正利用（utilizing）”及“被利用（utilized）”同義。
根據本文所述本公開實施例的電子裝置或電裝置和/或任何其他相關裝置或元件（例如，處理器、神經網路、基於神經網路的控制器、馬達、致動器及各種感測器）可使用任何適合的硬體、韌體（例如，應用專用積體電路（application-specific integrated circuit，ASIC））、軟體、或軟體、韌體、及硬體的組合來實施。舉例來說，可將這些裝置的各種元件形成在一個積體電路（integrated circuit，IC）晶片上或單獨的積體電路晶片上。此外，可將這些裝置的各種元件實施在柔性印刷電路膜（flexible printed circuit film）、載帶封裝（tape carrier package，TCP）、印刷電路板（printed circuit board，PCB）上、或形成在一個基板上。此外，這些裝置的各種元件可為在一個或多個計算裝置中由一個或多個處理器運行、執行電腦程式指令並與用於執行本文所述各種功能的其他系統元件進行交互的過程或執行緒（thread）。電腦程式指令儲存在可在使用例如（舉例來說）隨機存取記憶體（random access memory，RAM）等標準記憶體裝置的計算裝置中實施的記憶體中。電腦程式指令也可儲存在例如（舉例來說）壓縮磁碟唯讀記憶體（compact disc read only memory，CD-ROM）、快閃記憶體驅動器（flash drive）或類似元件等其他非暫時性電腦可讀介質中。另外，所屬領域中的技術人員應知，在不背離本公開示例性實施例的精神及範圍的條件下，可將各種計算裝置的功能組合或整合成單一的計算裝置，或者可使特定計算裝置的功能跨越一個或多個其他計算裝置分佈。
除非另外定義，否則本文所用所有用語（包括技術及科學用語）的含義均與本公開所屬領域中的一般技術人員所通常理解的含義相同。還應理解，用語（例如在常用詞典中所定義的用語）應被解釋為具有與其在相關技術的上下文和/或本說明書中的含義一致的含義，且除非在本文中明確定義，否則不應將其解釋為具有理想化或過於正式的意義。
穿戴式醫療裝置越來越受到關注並且能夠實現在醫院或醫療設施之外對患者的診斷及監視。穿戴式醫療裝置使使用者及使用者的醫生能夠使用穿戴式醫療裝置內所包括的感測器來監視生命信號（例如，心率、血氧水準及各種其他生命信號）並檢測這些生命信號中的異常。現代技術進步已使得穿戴式醫療裝置及它們的元件（例如，感測器及精密的計算及通信元件）足夠小以使用戶可在進行日常活動時將這些裝置穿戴在他們的身體上，而無需栓系或硬連線到外部電源或計算硬體。
為了改善用戶體驗（包括用戶在使用期間的機動性），穿戴式醫療裝置的元件可由內部電池充電，而非始終將穿戴式醫療裝置連接到外部電源。收集生命信號並處理對應的資料以利於醫療診斷或監視醫療狀況的過程會導致電池的儲存會隨著時間推移而耗散。穿戴式醫療裝置的感測器連續地或以頻繁的間隔運行可導致收集到與監視特定醫療狀況或症狀的目的無關的多餘的或不相干的資料的大量實例。這種對資料的多餘收集可能會引起電池壽命相對縮短，並導致對穿戴式醫療裝置的電池的相對更頻繁的再充電。因對多餘的及不相干的資料的低效收集而導致的電池耗電的效率降低以及從每一次對電池充電起始的執行時間減少也可能會引起穿戴式醫療裝置的功效降低。
因此，一些示例性實施例包括利用與穿戴式醫療裝置配合使用的主動學習方法的生命信號異常檢測系統以及方法，以在其中用戶產生令人感興趣的或相關的生命信號異常資料的時間段期間更頻繁地（或者只在這些時間段期間）“喚醒（wake up）”或接通穿戴式醫療裝置的感測器來收集生命信號資料（例如，心率/心律、血氧水準、血壓水準、體溫及呼吸率）且在其中用戶不產生令人感興趣的或相關的生命信號資料的時間段期間較不頻繁地（或者在這些時間段期間從不）“喚醒”或接通穿戴式醫療裝置的感測器來收集上述生命信號資料。
相關生命信號異常資料可包括例如對具有超出對於用戶而言預期的、健康的或正常的預定閾值範圍或水準之外的特徵、特性或值的生命信號的檢測。舉例來說，在為心率的情形中，心率超出預定的閾值水準可被視為構成生命信號異常。相似地，在為心律的情形中，異常的或不規則的心律可被視為構成生命信號異常。在一些實施例中，所述系統可在穿戴式裝置的其他環境狀況或運行狀況的情形中查看生命信號資料。舉例來說，如果生命信號感測裝置處於運動之中，則生命信號異常檢測系統可確定使用者參與體力活動從而證明心率升高是合理的，以使得所檢測到的心率升高可不被視為構成生命信號異常。本公開的實施例並非僅限於用於判斷所檢測的生命信號是否構成相關生命信號異常資料的上述因素或機制，且還可包括用於判斷所檢測的生命信號是否異常（例如，超出正常的、健康的或可接受的範圍或水準的邊界之外）的任何其他合適的因素、特性或度量。舉例來說，用於確定所檢測的生命信號構成生命信號異常的系統的其他細節在2017年11月3日提出申請且名稱為“使用穿戴式裝置進行高準確度的基於光電血管容積圖的房顫檢測的方法及設備（Method and Apparatus for High Accuracy Photoplethysmogram Based Atrial Fibrillation Detection Using Wearable Device）”的美國專利申請第62/581,569號中加以闡述，所述美國專利申請的公開內容包括在與本文一起提交的附件中且所述美國專利申請的全文併入本申請供參考。
通過控制感測及收集生命信號資料的時間段，一些示例性實施例可運行來使對相關生命信號資料進行的收集最大化，且使對無關的或不感興趣的生命信號資料的收集最小化，同時還使對裝置電池的每一次充電而言穿戴式醫療裝置的執行時間增大或最大化。因此，本公開的實施例可實現對穿戴式感測裝置中的感測器啟動的控制以使得功耗降低或最小化、同時保持對生命信號異常的檢測準確度。
根據一些實施例，由穿戴式醫療裝置執行的主動學習方法以及對資料收集的控制可在基於雲的神經網路機器學習系統上執行，基於雲的神經網路機器學習系統相對於使用者及穿戴式醫療裝置是遠端定位的（儘管實施例並非僅限於此，且根據其他實施例這種主動學習及控制可由穿戴式醫療裝置在內部執行）。如在下文中將更詳細地闡述，控制及學習系統可與穿戴式醫療裝置進行電子通信（例如，通過無線通信通道進行）以從穿戴式醫療裝置接收生命信號資料並向穿戴式醫療裝置提供信號來對生命信號資料的感測及收集進行啟動和/或去啟動。由於主動學習以及對資料收集的控制可在遠端的基於雲的系統上進行，因此生命信號檢測系統可進一步提高穿戴式醫療裝置的電池電荷消耗的效率，這是因為由穿戴式醫療裝置執行的計算及處理的量可減小。
本公開闡述一種與穿戴式裝置配合使用的基於雲的系統以及主動學習方法以在所關心的時間處喚醒穿戴式裝置而不影響感測過程的性能，此使得穿戴式感測器顯著地節約電力。用於確定進行感測的最佳時間的資訊是從包括以下在內的若干來源收集的：用戶位置、一天內的某一時刻以及先前記錄的相關感測器資料。
圖1示出根據一些示例性實施例的示例性生命信號檢測系統。如圖1所示，生命信號檢測系統100包括由使用者104操作和/或穿戴的穿戴式醫療裝置102。如在下文中將更詳細地闡述，穿戴式醫療裝置102可包括一個或多個生命信號感測器，所述一個或多個生命信號感測器被配置成從使用者104感測或檢測生命信號資料以有利於監視或診斷一種或多種醫療狀況。舉例來說，生命信號感測器可包括一個或多個光電血管容積圖（photoplethysmogram，PPG）感測器、脈搏血氧儀（pulse oximeter）、脈搏波速度感測器（pulse wave velocity sensor）以及被配置成感測和/或收集來自人體的生命信號資料的任何其他合適的感測器。另外，穿戴式醫療裝置102可包括用於測量穿戴式醫療裝置的環境狀況或運行狀況的一種或多種操作感測器，例如慣性測量單元（inertial measurement unit，IMU）、加速度計、陀螺儀、溫度計、計時器和/或用於測量穿戴式醫療裝置的相關環境狀況或運行狀況的任何其他合適的感測器。根據一些實施例，穿戴式醫療裝置102還可包括用於與外部元件進行通信的電子通信硬體（例如，接收器和/或發送器）。
生命信號檢測系統100還包括例如通過無線網路配置與穿戴式醫療裝置102進行電子通信的控制系統或伺服器106。控制系統106被配置成從穿戴式醫療裝置102接收資料（例如，感測器資料和/或情境資料/運行資料）108以及向穿戴式醫療裝置102傳送指令110以起始和/或停止感測及收集生命信號資料。根據一些實施例，控制系統106可通過無線資料通信網路（例如，互聯網）來與穿戴式醫療裝置102進行電子通信，且可包括用於使控制系統106與穿戴式醫療裝置102交換資料及控制信號的介面模組112（例如，通過應用程式化介面（application programming interface，API））。
控制系統106可包括一個或多個儲存裝置或記憶體裝置114，所述一個或多個儲存裝置或記憶體裝置114被配置成接收並儲存從穿戴式醫療裝置102接收的資料108。所述一個或多個記憶體裝置114還可連接到處理器，且可儲存指令，所述指令在由處理器執行時使處理器執行一個或多個操作來控制及監視生命信號檢測系統100的元件。
控制系統106還可包括處理器或計算模組116，所述處理器或計算模組116被配置成在記憶體114與機器學習引擎或模組118之間介面，且被配置成控制控制系統106的一個或多個操作。舉例來說，根據一些實施例，計算模組116可被配置成取回儲存在記憶體114中的資料（例如，感測器資料108）以及計算或判斷資料是否包括與所監視的生命信號或醫療狀況相關的資訊。計算模組116可接著將資料（和/或關於資料的計算或判斷）傳送到機器學習引擎118。
機器學習引擎118可具有所屬領域中的技術人員已知的任何合適的神經網路架構，且可使用所屬領域中的技術人員已知的任何合適的樣本資料加以訓練。如在下文中將更詳細地論述，機器學習引擎118被配置成從穿戴式醫療裝置102（例如，通過控制系統106、介面模組112、所述一個或多個記憶體裝置114和/或計算模組116）接收感測器資料（或關於感測器資料的資訊）。感測器資料可包括生命信號資料以及情境資訊，例如運動、慣性、移動、環境和/或時間資料。回應於接收到感測器資料，機器學習引擎118可使生命信號檢測系統100能夠修改或調整使穿戴式醫療裝置102的感測器現用或被接通的時間表或頻率。根據一些實施例，在初始階段（例如，訓練週期和/或當用戶104起始利用穿戴式醫療裝置102時），生命信號檢測系統100（通過計算模組116和/或機器學習引擎118及介面模組112）可向穿戴式醫療裝置102傳送指令以在規則的和/或均勻的間隔期間啟動或接通對資料（例如，生命信號及情境資料）的感測。在某些感測週期中，生命信號檢測系統100可確定檢測到生命信號異常或相關生命信號資料，且在其他感測週期中，生命信號檢測系統100可確定未檢測到生命信號異常或相關生命信號資料。
隨著時間的進行，通過使用機器學習引擎118，生命信號檢測系統100可調整感測週期的頻率和/或持續時間，以使其中在感測週期期間檢測到生命信號異常或相關生命信號資料的實例最大化或增多以及使其中在感測週期期間未檢測到生命信號異常或相關生命信號資料的實例最小化或減少。因此，生命信號檢測系統100可被配置成將感測週期的頻率和/或持續時間調整成使得感測器在檢測到生命信號異常或相關生命信號資料的機率相對高（例如，超過預定的閾值）時被啟動或被接通、以及使感測器在檢測到生命信號異常或相關生命信號資料的機率相對低（例如，低於預定的閾值）時不被啟動或被接通。因此，生命信號檢測系統100可被配置成通過以下方式來保持電池壽命及降低再充電頻率：訓練自己在感測到相關資料的機率高（例如，超過預定的閾值）時感測及收集資料（從而提高電池電荷消耗）且在感測到相關資料的機率低（例如，低於預定的閾值）時不感測及收集資料（從而降低電池電荷消耗）。
圖2示出根據一些示例性實施例的由生命信號檢測系統實施的主動學習過程的示例性圖。根據一些實施例，生命信號檢測系統100可使用任何合適的神經網路和/或深度學習架構（例如，深度Q學習（Deep Q Learning，DQN）架構）來從穿戴式醫療裝置102接收生命信號資料以及運行資料和/或情境資料，並通過機器學習引擎118調整或控制穿戴式醫療裝置102的感測器被啟動的頻率和/或持續時間。
如圖2所示，通過感測器資料108將狀態s 從穿戴式醫療裝置102傳送到機器學習引擎118。狀態s 包括感測器資料（在其中可檢測到生命信號異常或相關生命信號）以及各種運行資訊或情境資訊，例如穿戴式醫療裝置102的位置、收集或測量感測器資料的時間、穿戴式醫療裝置102的運動或慣性、各種環境狀況測量（例如，溫度、濕度等）、感測器中的一個或多個感測器當前是否為現用的以及先前測量的或歷史狀態資訊。
另外，由於生命信號檢測系統100可利用強化DQN架構，因此可將獎勵資料200從穿戴式醫療裝置102傳送到機器學習引擎118。獎勵數據200的獎勵rt 是將被最大化的目標，所述目標是在具有最低次數的感測嘗試的同時具有最高的生命信號異常或相關生命信號資料的檢測率。指令110的動作a 是用於從穿戴式醫療裝置102的所述一個或多個感測器起始感測操作的命令。
機器學習引擎118的神經網路可使用從穿戴式醫療裝置102的物理模型產生的生命信號異常或相關生命信號資料的所類比事件（simulated episodes）來加以訓練。神經網路的示例性目標是在具有最低次數的感測嘗試的同時實現最好的（或最高的）生命信號異常或相關生命信號資料的檢測率。
策略p 是力圖將值函數最大化或最小化的從狀態到動作的映射。每一步驟中的值函數表示每一動作或狀態的良好程度。Q值表示預期總獎勵。Q值函數根據以下方程式[1]表示出在折現因數（discount factor）為g 的策略p 下來自狀態s 及動作a 的預期總獎勵：Q p (s ,a ) =E [rt+ 1 +g rt +2 +g 2 rt +3 + ...| s,a ] 方程式[1]
最優值函數是最大的可實現值，其可根據以下方程式[2]來計算得到：方程式[2]
用於實現最大的可實現值的動作可根據以下方程式[3]來計算得到：方程式[3]
因此，根據本公開的一些實施例，可根據以上方程式[1]到方程式[3]來利用深度強化學習模型，在所述深度強化學習模型中由深度神經網路來表示及學習模型、策略及值函數。根據一些示例性實施例，可利用隨機梯度下降來對損失函數進行優化。
圖3是示出根據一些示例性實施例的穿戴式醫療裝置的啟動感測器的頻率的圖。如上所述，生命信號檢測系統100可被配置成調整或修改穿戴式醫療裝置102的感測器被啟動的頻率以利用最少數目的感測週期來使獎勵（例如，檢測到生命信號異常或相關生命信號資料）增大或最大化。因此，如圖3所示，在對生命信號檢測系統100進行訓練之後，與其中檢測到生命信號異常或相關生命信號資料的實例較少（或者不存在此種實例）的第二週期304相比，穿戴式醫療裝置102的感測器可在其中檢測到生命信號異常或相關生命信號資料的實例302的數目較多的第一週期300期間被更頻繁地啟動。第一週期300及第二週期304的時序及持續時間可基於機器學習引擎118的確定以及基於檢測到生命信號異常或相關生命信號資料的統計概率來確定。
圖4是示出根據一些示例性實施例的訓練生命信號檢測系統的示例性過程的時序圖。參照圖4，生命信號檢測系統100可在第一訓練週期（例如，第一天）期間起始以週期性的和/或均勻的間隔400來感測生命信號資料。在間隔400期間，可將穿戴式醫療裝置102的感測器啟動或接通以感測或檢測生命信號異常或相關生命信號資料。另一方面，在間隔400之外，可將穿戴式醫療裝置102的感測器去啟動或關斷以使得穿戴式醫療裝置102汲取的電池電荷（與在間隔400期間相比）減少，但穿戴式醫療裝置102即使在出現生命信號異常或相關生命信號資料時也無法對其進行感測。在一個或多個感測間隔400期間，生命信號檢測系統100可檢測生命信號異常或相關生命信號資料402的一個或多個實例的出現。另外，生命信號異常或相關生命信號資料402的一個或多個實例可出現在感測間隔400中的任何感測間隔之外，從而使得它們不會被生命信號檢測系統100檢測到。對於在感測間隔400期間檢測到或感測到生命信號異常或相關生命信號資料402的每一實例而言，資料402與情境資料和/或運行資料（例如，運動資料、一天內的某一時刻、位置資訊、環境狀況等）一起被傳送到控制系統106。另外，根據一些實施例，對於在其間未檢測到生命信號異常或相關生命信號資料402的感測間隔400而言，可將情境資料和/或運行資料傳送到控制系統106。
利用資料402及對應的情境資料和/或運行資料，生命信號檢測系統100可使用合適的機器學習技術（如以上所解釋）來為各個時間段計算檢測到生命信號異常或相關生命信號資料的機率，並根據所計算的機率來調整（與第一訓練週期相比）第二訓練週期（例如，第二天）期間的感測間隔的頻率和/或持續時間。
對於每一後續週期（例如，第三天、第四天、第五天等），生命信號檢測系統100繼續基於資料402及對應的情境資料和/或運行資料來為各個時間段重新計算檢測到生命信號異常或相關生命信號資料的機率，並基於所計算的機率來重新調整感測間隔的頻率和/或持續時間，以使得在多個訓練週期（例如，第五天）之後，生命信號檢測系統100只在其中檢測到生命信號異常或相關生命信號資料的機率高（例如，高於預定的閾值機率）的時間段期間起始感測間隔。在其中檢測到生命信號異常或相關生命信號資料的機率低（例如，低於預定的閾值機率）的週期期間，生命信號檢測系統100不起始感測間隔。
根據一些實施例，生命信號檢測系統100可不指定任何特定數目的訓練週期，但可基於在部分先前感測間隔期間收集的資料402以及對應的情境和/或運行資料來繼續或連續地更新或調整感測間隔的頻率和/或持續時間。
圖5是示出根據一些示例性實施例的控制生命信號檢測系統的過程的流程圖。用於對生命信號檢測系統進行控制的過程中的操作的數目及次序可根據各種實施例發生變化。也就是說，所述過程可包括另外的操作或更少的操作，且除非另外明確地或含蓄地加以說明，否則所述操作的相對次序可發生變化。如圖5所示，在500處，生命信號檢測系統100可與對應的生命信號感測器資料一起收集和/或接收包括狀態及情境資訊的訓練資料。在502處，生命信號檢測系統100可對包括機器學習引擎的生命信號檢測控制器進行訓練，以基於訓練資料來調整感測間隔的頻率和/或持續時間。根據一些實施例，生命信號檢測系統100在初始時可不接收任何訓練資料，而是可根據預設的或初始的感測間隔時間表（例如，恒定不變的持續時間及均勻間隔開的間隔）來起始感測間隔。
在504處，生命信號檢測系統100基於由機器學習引擎作出的判斷和/或默認的感測間隔時間表來判斷是否是起始感測間隔的時間，以啟動或接通穿戴式醫療裝置102的感測器來感測使用者的生命信號。如果在504處生命信號檢測系統100確定不是起始感測間隔的時間，則生命信號檢測系統100迴圈回到504以在另一時刻（例如，在預定時間量之後）重複所述決策。如果在504處生命信號檢測系統100確定是起始感測間隔的時間，則生命信號檢測系統100向穿戴式醫療裝置102傳送信號來啟動或接通穿戴式醫療裝置102的一個或多個感測器以起始感測間隔並開始收集使用者的生命信號資料。在感測間隔結束時，生命信號檢測系統100可向穿戴式醫療裝置102另外傳送信號以將在感測間隔開始時接通的感測器去啟動或接通。作為另外一種選擇，穿戴式醫療裝置102可在預定時間段之後自動地將感測器去啟動。在完成感測間隔之後，生命信號檢測系統100將生命信號感測器資料及任何對應的情境資料和/或運行資料傳送到控制器106以繼續訓練機器學習引擎。
在一個實施例中，如所屬領域中的技術人員應理解，前述各圖中的各種伺服器、控制器、引擎和/或模組（統稱為伺服器）中的每一者是通過硬體或韌體（例如，ASIC））來實施的。
在一個實施例中，前述各圖中的各種伺服器、控制器、引擎和/或模組（統稱為伺服器）中的每一者可為在一個或多個計算裝置1500（例如，圖6A、圖6B）中由一個或多個處理器運行、執行電腦程式指令並與用於執行本文所述各種功能的其他系統元件進行交互的過程或執行緒。電腦程式指令儲存在可在使用例如（舉例來說）隨機存取記憶體（RAM）等標準記憶體裝置的計算裝置中實施的記憶體中。電腦程式指令也可儲存在例如（舉例來說）CD-ROM、快閃記憶體驅動器或類似元件等其他非暫時性電腦可讀介質中。另外，所屬領域中的技術人員應認識到，計算裝置可通過韌體（例如，應用專用積體電路）、硬體、或軟體、韌體、及硬體的組合來實施。所屬領域中的技術人員還應知，除非另外明確地說明或暗示，否則在不背離本公開示例性實施例的範圍的條件下，可將各種計算裝置的功能組合或整合成單一的計算裝置，或者可使特定計算裝置的功能跨越一個或多個其他計算裝置分佈。伺服器可為軟體模組（也可簡單地稱為模組）。生命信號檢測系統中的一組模組可包括伺服器及其他模組。
圖6A及圖6B繪示在根據一些示例性實施例的穿戴式醫療裝置102和/或控制系統106中可採用的計算裝置1500的方塊圖。每一計算裝置1500可包括中央處理器1521及主記憶體單元1522。如圖6A所示，計算裝置1500還可包括儲存裝置1528、可移除介質介面1516、網路介面1518、輸入/輸出（input/output，I/O）控制器1523、一個或多個顯示裝置1530c、鍵盤1530a及定點裝置1530b（例如，滑鼠）。儲存裝置1528可包括但不限於對作業系統及軟體的儲存。如圖6B所示，每一計算裝置1500還可包括與中央處理器1521進行通信的各種另外的可選元件，例如記憶體埠1503、橋接器1570、一個或多個另外的輸入/輸出裝置1530d、1530e以及快取記憶體1540。在本文中可使用參考編號1530來籠統地指代輸入/輸出裝置1530a、1530b、1530d及1530e。
中央處理器1521是回應於從主記憶體單元1522提取的指令並對從主記憶體單元1522提取的指令進行處理的任何邏輯電路。中央處理器1521可例如以微處理器、微控制器或圖形處理單元（graphics processing unit，GPU）的形式實施在積體電路中或者實施在現場可程式化閘陣列（field-programmable gate array，FPGA）或應用專用積體電路（ASIC）中。主記憶體單元1522可為能夠儲存資料且使得任何儲存位置均能夠被中央處理器1521直接存取的一個或多個記憶體晶片。如圖6A所示，中央處理器1521經由系統匯流排1550與主記憶體1522進行通信。如圖6B所示，中央處理器1521還可經由記憶體埠1503與主記憶體1522直接通信。
圖6B繪示其中中央處理器1521經由二次匯流排（有時稱為後端匯流排（backside bus））來與快取記憶體1540直接通信的實施例。在其他實施例中，中央處理器1521使用系統匯流排1550來與快取記憶體1540進行通信。快取記憶體1540通常具有比主記憶體1522更快的回應時間。如圖6A中所示，中央處理器1521經由本地系統匯流排1550來與各種輸入/輸出裝置1530進行通信。可使用包括以下各種匯流排作為本地系統匯流排1550：視頻電子標準協會（Video Electronics Standards Association，VESA）本地匯流排（VESA local bus，VLB）、工業標準架構（Industry Standard Architecture，ISA）匯流排、擴展工業標準架構（Extended Industry Standard Architecture，EISA）匯流排、微通道架構（MicroChannel Architecture，MCA）匯流排、周邊元件連接（Peripheral Component Interconnect，PCI）匯流排、周邊元件連接擴展（PCI Extended，PCI-X）匯流排、周邊元件連接快速匯流排（PCI-Express bus）或網路使用者匯流排（network user Bus，NuBus）。對於其中輸入/輸出裝置是顯示裝置1530c的實施例而言，中央處理器1521可通過高級圖形埠（Advanced Graphics Port，AGP）來與顯示裝置1530c進行通信。圖6B繪示其中中央處理器1521與輸入/輸出裝置1530e直接通信的計算裝置1500的實施例。圖6B還繪示其中本地匯流排與直接通信進行混合的實施例：中央處理器1521在與輸入/輸出裝置1530直接通信的同時使用本地系統匯流排1550來與輸入/輸出裝置1530d進行通信。
在計算裝置1500中可存在各種各樣的輸入/輸出裝置1530。輸入裝置包括一個或多個鍵盤1530a、滑鼠、軌跡板、軌跡球、麥克風及繪圖平板（drawing tablet）。輸出裝置包括視頻顯示裝置1530c、揚聲器及印表機。如圖6A中所示，輸入/輸出控制器1523可控制輸入/輸出裝置1530。輸入/輸出控制器可控制一個或多個輸入/輸出裝置，例如鍵盤1530a及定點裝置1530b（例如，滑鼠或光學筆）。
再次參照圖6A，計算裝置1500可支援一個或多個可移除介質介面1516，例如軟碟機、CD-ROM驅動器、數位通用盤唯讀記憶體（Digital Versatile Disk read only memory，DVD-ROM）驅動器、各種格式的帶驅動器（tape driver）、通用序列匯流排（Universal Serial Bus，USB）埠、安全數位或緊湊快閃記憶體TM 儲存卡埠、或者適用於從唯讀介質讀取資料或適用於從讀寫介質讀取資料或將資料寫入到讀寫介質的任何其他裝置。輸入/輸出裝置1530可為系統匯流排1550與可移除介質介面1516之間的橋接器。
可移除介質介面1516可例如用於安裝軟體及程式。計算裝置1500還可包括儲存裝置1528（例如一個或多個硬碟驅動器及硬碟驅動器陣列），用於儲存作業系統及其他相關軟體以及用於儲存應用軟體程式。可選地，可移除介質介面1516還可用作儲存裝置。舉例來說，作業系統及軟體可從可引導介質（例如，可引導CD）運行。
在一些實施例中，計算裝置1500可包括或連接到多個顯示裝置1530c，所述多個顯示裝置1530c分別可為相同或不同的類型和/或形式。由此，輸入/輸出裝置1530和/或輸入/輸出控制器1523中的任一者可包括任何類型和/或任何形式的合適的硬體、軟體、或硬體與軟體的組合以支援、實現或提供計算裝置1500對多個顯示裝置1530c的連接及使用。舉例來說，計算裝置1500可包括與顯示裝置1530c進行介面、通信、連接或以其他方式使用顯示裝置1530c的任何類型和/或任何形式的視訊卡、視訊卡、驅動器和/或庫（library）。在一個實施例中，視訊卡可包括多個連接器以與多個顯示裝置1530c進行介面。在其他實施例中，計算裝置1500可包括多個視訊卡，其中每一個視訊卡連接到顯示裝置1530c中的一者或多者。在一些實施例中，計算裝置1500的作業系統的任何部分均可被配置成使用多個顯示裝置1530c。在其他實施例中，顯示裝置1530c中的一者或多者可由例如經由網路連接到計算裝置1500的一個或多個其他計算裝置提供。這些實施例可包括被設計及構造成使用另一個計算裝置的顯示裝置作為計算裝置1500的第二顯示裝置1530c的任何類型的軟體。所屬領域中的一般技術人員將認識並瞭解計算裝置1500可被配置成具有多個顯示裝置1530c的各種方式及實施例。
圖6A及圖6B中所繪示類型的計算裝置1500可在作業系統的控制下運行，作業系統控制對任務進行的排程以及對系統資源的存取。計算裝置1500可運行任何作業系統、任何嵌入式作業系統、任何即時操作系統、任何開源作業系統、任何專有作業系統（proprietary operating system）、用於移動計算裝置的任何作業系統或者能夠在計算裝置上運行並執行本文所述操作的任何其他作業系統。
計算裝置1500可為任何工作站、臺式電腦、膝上型或筆記本電腦、伺服器機器（server machine）、掌上型電腦、行動電話或其他可攜式電信裝置、媒體播放裝置、遊戲系統、移動計算裝置或者能夠進行通信且處理器能力及記憶體容量足以執行本文所述操作的任何其他類型和/或任何其他形式的計算裝置、電信裝置或媒體裝置。在一些實施例中，計算裝置1500可具有與所述裝置相容的不同的處理器、作業系統及輸入裝置。
在其他實施例中，計算裝置1500是移動裝置，例如支援Java的蜂窩電話或個人數位助理（personal digital assistant，PDA）、智慧型電話、數位音訊播放機或可攜式媒體播放機。在一些實施例中，計算裝置1500包括裝置的組合，例如行動電話與數位音訊播放機或可攜式媒體播放機的組合。
如圖6C所示，中央處理器1521可包括多個處理器P1、P2、P3、P4，且可提供用於同時執行多個指令的功能或者用於對多於一個的資料同時執行一個指令的功能。在一些實施例中，計算裝置1500可包括具有一個或多個核的並行處理器。在這些實施例中的一者中，計算裝置1500是具有多個處理器和/或多個處理器核的共用記憶體並行裝置（shared memory parallel device），所述共用記憶體並行裝置將所有可用記憶體作為單個全域位址空間進行存取。在這些實施例中的另一者中，計算裝置1500是具有多個處理器的分散式記憶體並行裝置，這些處理器各自僅存取本機存放區器。在這些實施例中的再一者中，計算裝置1500具有一些共用的記憶體以及一些隻可由特定處理器或處理器子集進行存取的記憶體兩者。在這些實施例中的又一者中，中央處理器1521包括多核微處理器，所述多核微處理器將兩個或更多個獨立的處理器組合成單個封裝（例如，組合成單個積體電路（IC））。在圖6D中繪示的一個示例性實施例中，計算裝置1500包括至少一個中央處理器1521及至少一個圖形處理器1521'。
在一些實施例中，中央處理器1521提供單指令多資料（single instruction, multiple data，SIMD）功能，例如同時對多個資料執行單個指令。在其他實施例中，中央處理器1521中的多個處理器可提供對多個資料同時執行多個指令的功能（多指令多資料（multiple instruction multiple data，MIMD））。在另一些實施例中，中央處理器1521可在單個裝置中使用單指令多資料核與多指令多資料核的任何組合。
計算裝置可為由網路連接的多個機器中的一個機器，或者可包括這樣連接的多個機器。圖6E示出示例性網路環境。網路環境包括經由一個或多個網路1504來與一個或多個遠端機器1506a、1506b、1506c（通常還被稱為伺服器機器1506或遠端機器1506）進行通信的一個或多個本地機器1502a、1502b（通常還被稱為本地機器1502、用戶端1502、用戶端節點1502、用戶端機器1502、用戶端電腦1502、用戶端裝置1502、端點1502或端點節點1502）。在一些實施例中，本地機器1502能夠用作力圖對由伺服器機器提供的資源進行存取的用戶端節點及供其他用戶端1502a、1502b存取所持有資源的伺服器機器二者。儘管在圖6E中只示出兩個用戶端1502及三個伺服器機器1506，然而一般來說可存在任意數目的用戶端及任意數目的伺服器機器。網路1504可為局域網（local-area network，LAN）（例如，如公司內網（company intranet）等私有網路）、都會區網路（metropolitan area network，MAN）或廣域網路（wide area network，WAN）（例如，互聯網或另一種公共網路）或其組合。
計算裝置1500可包括網路介面1518以通過各種連接來與網路1504進行介面，所述各種連接包括但不限於標準電話線、局域網（LAN）鏈路或廣域網路（WAN）鏈路、寬頻連線、無線連接、或上述任何連接或全部連接的組合。可使用各種通信協定來建立連接。在一個實施例中，計算裝置1500經由任何類型和/或任何形式的閘道或隧道協議（例如，安全套接層（Secure Socket Layer，SSL）或傳輸層安全（Transport Layer Security，TLS））來與其他計算裝置1500進行通信。網路介面1518可包括適用於使計算裝置1500與能夠進行通信及執行本文所述操作的任何類型的網路進行介面的內置網路介面卡（例如，網路介面卡）。輸入/輸出裝置1530可為系統匯流排1550與外部通信匯流排之間的橋接器。
根據一個實施例，圖6E所示網路環境可為網路的各個元件均被虛擬化的虛擬網路環境。舉例來說，各種機器1502可為虛擬機器器，所述虛擬機器器被實施成在實體機器上運行的基於軟體的電腦。各虛擬機器器可共用同一作業系統。在其他實施例中，在每一虛擬機器器實例上可運行不同的作業系統。根據一個實施例，實施“管理程式（hypervisor）”類型的虛擬化，其中多個虛擬機器器在同一主機物理機器上運行，每一個虛擬機器器仿佛具有其自己的專用盒一樣發揮作用。當然，虛擬機器器還可在不同的主機實體機器上運行。
預期還存在其他類型的虛擬化，例如（舉例來說）網路（例如，經由軟體定義網路（Software Defined Networking，SDN））。還可例如（舉例而言）通過網路功能虛擬化（Network Functions Virtualization，NFV）來對各種功能（例如，會話邊界控制器（session border controller）的功能及其他類型的功能）進行虛擬化。
儘管已參照示例性實施例闡述了本公開，然而所屬領域中的技術人員將認識到，可執行對所述實施例的各種改變及修改，而此均不背離本公開的精神及範圍。另外，各種領域中的技術人員將認識到，本文所述的本公開將使人設想出對其他任務的解決方案以及適合於其他應用的修改形式。申請人意圖通過本文中的權利要求來涵蓋本公開的所有這些用途、以及可對出於公開的目的而選擇的本文所述本公開示例性實施例作出的所有改變及修改，此均不背離本公開的精神及範圍。因此，本公開的示例性實施例應在各個方面均被視為說明性的而非限制性的，其中本公開的精神及範圍由隨附權利要求書及其等效形式指示。另外，所屬領域中的技術人員將理解，根據本公開一個或多個實施例的一個或多個特徵可與根據本公開一個或多個其他實施例的一個或多個其他特徵進行組合，而此並不背離本公開的精神及範圍。
100‧‧‧生命信號檢測系統
102‧‧‧穿戴式醫療裝置
104‧‧‧用戶
106‧‧‧控制系統/伺服器
108‧‧‧感測器資料/資料
110‧‧‧指令
112‧‧‧介面模組
114‧‧‧記憶體裝置/記憶體
116‧‧‧計算模組
118‧‧‧機器學習引擎/機器學習模組
200‧‧‧獎勵數據
300‧‧‧第一週期
302‧‧‧實例
304‧‧‧第二週期
400‧‧‧間隔/感測間隔
402‧‧‧生命信號異常或相關生命信號資料/資料
500、502、504、506‧‧‧步驟
1500‧‧‧計算裝置
1502a、1502b‧‧‧本地機器/用戶端
1503‧‧‧記憶體埠
1506a、1506b、1506c‧‧‧遠端機器
1516‧‧‧可移除介質介面
1518‧‧‧網路介面
1521‧‧‧中央處理器
1521'‧‧‧圖形處理器
1522‧‧‧主記憶體單元/主記憶體
1523‧‧‧輸入/輸出控制器
1528‧‧‧儲存裝置
1530a‧‧‧鍵盤/輸入/輸出裝置
1530b‧‧‧定點裝置/輸入/輸出裝置
1530c‧‧‧顯示裝置/視頻顯示裝置/第二顯示裝置
1530d、1530e‧‧‧輸入/輸出裝置
1540‧‧‧快取記憶體
1550‧‧‧本地系統匯流排/系統匯流排
1570‧‧‧橋接器
P1、P2、P3、P4‧‧‧處理器
通過結合附圖參照以下詳細說明可更好地理解本公開，從而可更容易地達到對本公開以及本公開許多伴隨特徵及方面的更完整理解，在附圖中，相同的參考符號表示相同的元件，其中： 圖1示出根據一個實施例的示例性生命信號檢測系統。 圖2示出根據一個實施例的由生命信號檢測系統實施的主動學習過程的示例性圖。 圖3是示出根據一個實施例的穿戴式醫療裝置的啟動感測器的頻率的圖。 圖4是示出根據一個實施例的訓練生命信號檢測系統的示例性過程的時序圖。 圖5是示出根據一個實施例的控制生命信號檢測系統的過程的流程圖。 圖6A是根據根據一個實施例的計算裝置的方塊圖。 圖6B是根據根據一個實施例的計算裝置的方塊圖。 圖6C是根據一個實施例的計算裝置的方塊圖。 圖6D是根據一個實施例的計算裝置的方塊圖。 圖6E是根據一個實施例的包括若干計算裝置的網路環境的方塊圖。

Claims (20)

  1. 一種控制感測裝置的方法，所述方法包括： 由處理器在第一時間段期間向穿戴式裝置傳送信號，以起始生命信號感測； 由所述處理器從所述穿戴式裝置接收來自所述穿戴式裝置的生命信號資料； 由所述處理器基於所述生命信號資料來調整用於起始所述生命信號感測的時間表；以及 由所述處理器根據用於起始所述生命信號感測的所述時間表在第二時間段期間向所述穿戴式裝置傳送信號以起始所述生命信號感測。
  2. 如申請專利範圍第1項所述的方法，更包括：由所述處理器從所述穿戴式裝置接收與所述生命信號資料對應的情境資料。
  3. 如申請專利範圍第2項所述的方法，其中所述情境資料包括所述生命信號感測的時間。
  4. 如申請專利範圍第2項所述的方法，其中所述情境資料包括與所述穿戴式裝置對應的運動資訊。
  5. 如申請專利範圍第1項所述的方法，更包括：由所述處理器基於所述生命信號資料來判斷在第二時間段期間是否起始感測間隔。
  6. 如申請專利範圍第1項所述的方法，更包括： 由所述處理器計算在所述第二時間段的部分期間感測到相關生命信號的機率；以及 由所述處理器基於所計算的所述機率來調整用於起始所述生命信號感測的所述時間表。
  7. 如申請專利範圍第1項所述的方法，其中在所述第一時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第一指令，所述第一指令根據用於起始所述生命信號感測的所述時間表在第一多個感測間隔期間執行所述生命信號感測，且 在所述第二時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第二指令，所述第二指令在所述時間表經過調整之後根據所述時間表在第二多個感測間隔期間執行所述生命信號感測。
  8. 如申請專利範圍第7項所述的方法，其中所述第一多個感測間隔及所述第二多個感測間隔中的每一者的持續時間及間隔是由用於起始所述生命信號感測的所述時間表來定義。
  9. 一種控制感測裝置的系統，所述系統包括： 處理器；以及 記憶體，耦合到所述處理器，其中所述記憶體儲存指令，所述指令在由所述處理器執行時使所述處理器： 在第一時間段期間向穿戴式裝置傳送信號，以起始生命信號感測； 從所述穿戴式裝置接收來自所述穿戴式裝置的生命信號資料； 基於所述生命信號資料來調整用於起始所述生命信號感測的時間表；以及 根據用於起始所述生命信號感測的所述時間表在第二時間段期間向所述穿戴式裝置傳送信號以起始所述生命信號感測。
  10. 如申請專利範圍第9項所述的系統，其中所述指令更使所述處理器從所述穿戴式裝置接收與所述生命信號資料對應的情境資料。
  11. 如申請專利範圍第10項所述的系統，其中所述情境資料包括所述生命信號感測的時間。
  12. 如申請專利範圍第10項所述的系統，其中所述情境資料包括與所述穿戴式裝置對應的運動資訊。
  13. 如申請專利範圍第9項所述的系統，其中所述指令更使所述處理器基於所述生命信號資料來判斷在第二時間段期間是否起始感測間隔。
  14. 如申請專利範圍第9項所述的系統，其中所述指令更使所述處理器： 計算在所述第二時間段的部分期間感測到相關生命信號的機率；以及 基於所計算的所述機率來調整用於起始所述生命信號感測的所述時間表。
  15. 如申請專利範圍第9項所述的系統，其中在所述第一時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第一指令，所述第一指令根據用於起始所述生命信號感測的所述時間表在第一多個感測間隔期間執行所述生命信號感測，且 在所述第二時間段期間傳送到所述穿戴式裝置以起始所述生命信號感測的所述信號包括第二指令，所述第二指令在所述時間表經過調整之後根據所述時間表在第二多個感測間隔期間執行所述生命信號感測。
  16. 如申請專利範圍第15項所述的系統，其中所述第一多個感測間隔及所述第二多個感測間隔中的每一者的持續時間及間隔是由用於起始所述生命信號感測的所述時間表來定義。
  17. 一種感測器系統，包括： 伺服器，被配置成為穿戴式裝置進行排程並根據時間表在第一時間段期間起始感測間隔，所述穿戴式裝置相對於所述伺服器是遠端定位的；以及 所述穿戴式裝置，包括用於感測使用者的生命信號的一個或多個感測器， 其中所述穿戴式裝置被配置成感測位置資料及生命信號資料並將所感測的所述位置資料及所述生命信號資料傳送到所述伺服器， 其中所述穿戴式裝置被配置成根據來自所述伺服器的信號來啟動感測器，且 其中所述伺服器被配置成根據所感測的所述位置資料及所述生命信號資料來針對用於啟動所述感測器的第二時間段來調整所述時間表。
  18. 如申請專利範圍第17項所述的感測器系統，其中所述伺服器被配置成計算在所述第二時間段的部分期間感測到相關生命信號的機率並基於所計算的所述機率來針對所述第二時間段調整所述時間表。
  19. 如申請專利範圍第17項所述的感測器系統，其中所述伺服器更被配置成從所述穿戴式裝置接收與所述生命信號資料對應的情境資料。
  20. 如申請專利範圍第19項所述的感測器系統，其中所述伺服器更被配置成基於所述情境資料來判斷所述生命信號資料是否包括指示生命信號異常的資訊。
TW107126400A 2017-11-14 2018-07-31 控制感測裝置的系統與方法及感測器系統 TW201918833A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762585976P 2017-11-14 2017-11-14
US62/585,976 2017-11-14
US15/892,253 US20190148010A1 (en) 2017-11-14 2018-02-08 System and method for controlling sensing device
US15/892,253 2018-02-08

Publications (1)

Publication Number Publication Date
TW201918833A true TW201918833A (zh) 2019-05-16

Family

ID=66432303

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107126400A TW201918833A (zh) 2017-11-14 2018-07-31 控制感測裝置的系統與方法及感測器系統

Country Status (5)

Country Link
US (1) US20190148010A1 (zh)
JP (1) JP2019088774A (zh)
KR (1) KR20190054892A (zh)
CN (1) CN109770877A (zh)
TW (1) TW201918833A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI827411B (zh) * 2022-12-21 2023-12-21 新唐科技股份有限公司 微控制電路及處理方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3150004A1 (en) * 2019-09-06 2021-03-11 Vivek KHARE SIMULATED ANIMAL MODEL AND DATA PRODUCTION SYSTEM
IT201900015923A1 (it) * 2019-09-09 2021-03-09 Andrea Carazza Stazione per transazioni in internet fra privati.
WO2022055973A1 (en) * 2020-09-11 2022-03-17 Qeexo, Co. Method and system for training machine learning models on sensor nodes
KR102272545B1 (ko) * 2020-11-26 2021-07-05 웰트 주식회사 건강 진단을 위한 사용자 장치 제어 방법 및 이러한 방법을 수행하는 장치
US20220183638A1 (en) * 2020-12-10 2022-06-16 Draeger Medical Systems, Inc. Apparatus, method, and computer-readable recording medium for executing a customizable physiological measurement schedule for patients

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120029300A1 (en) * 2010-07-27 2012-02-02 Carefusion 303, Inc. System and method for reducing false alarms and false negatives based on motion and position sensing
US20160262641A1 (en) * 2013-10-22 2016-09-15 Koninklijke Philips N.V. Sensor apparatus and method for monitoring a vital sign of a subject
TWI502537B (zh) * 2013-12-13 2015-10-01 Ind Tech Res Inst 生理資料量測管理系統及其方法
WO2016080911A1 (en) * 2014-11-18 2016-05-26 Nanyang Technological University Server apparatus and wearable device for blood glucose monitoring and associated methods
US10874358B2 (en) * 2015-12-22 2020-12-29 Joseph Insler Method and device for automatic identification of an opioid overdose and injection of an opioid receptor antagonist

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI827411B (zh) * 2022-12-21 2023-12-21 新唐科技股份有限公司 微控制電路及處理方法

Also Published As

Publication number Publication date
KR20190054892A (ko) 2019-05-22
CN109770877A (zh) 2019-05-21
JP2019088774A (ja) 2019-06-13
US20190148010A1 (en) 2019-05-16

Similar Documents

Publication Publication Date Title
TW201918833A (zh) 控制感測裝置的系統與方法及感測器系統
US20220007955A1 (en) Method for measuring biological signal and wearable electronic device for the same
TWI599960B (zh) 在多核心處理器中執行電源管理
CN103239216B (zh) 一种体能监测装置及体能监测方法
US20160089089A1 (en) Systems and methods for digital predictive disease exacerbation and pre-emptive treatment
US10366206B2 (en) System and method for providing connecting relationships between wearable devices
CN107209545A (zh) 在多核处理器中执行功率管理
JP2008165797A (ja) Ｐｃｕにプロセッサアーキテクチャイベントをファクタリングすることによる電力使用の最適化
US20210318871A1 (en) Patient Monitoring using Edge Servers having Deep Learning Accelerator and Random Access Memory
TW201629895A (zh) 在感測器中樞內具有低功率屬性的體適能感測器
US20070136544A1 (en) Information processing apparatus and memory control method
US20230134166A1 (en) Wearable Electronic Device with Built-in Intelligent Monitoring Implemented using Deep Learning Accelerator and Random Access Memory
US10022051B2 (en) Information provision system, electronic device, method and storage medium
US20240099665A1 (en) Electrocardiogram data processing server, electrocardiogram data processing method of extracting analysis required section while segmenting electrocardiogram signal into signal segments with variable window sizes, and computer program
TWI590055B (zh) 通用串列匯流排（ｕｓｂ）裝置中斷信號之技術
US20170103036A1 (en) Sensor bus interface for electronic devices
US20170003717A1 (en) Memory card connector for electronic devices
US11356601B2 (en) Intelligent digital camera having deep learning accelerator and random access memory
WO2016160150A1 (en) Motion tracking using electronic devices
US20200333869A1 (en) Battery monitoring system using network connectivity
US20220369992A1 (en) Energy efficient detection and management of atrial fibrillation
JP7537776B2 (ja) 医療データ提供装置、医療データ提供方法及びコンピュータプログラム
US12093114B2 (en) Low-power vision sensing
Liu et al. A Wearable Multi-Modal Edge-Computing System for Real-Time Kitchen Activity Recognition