TWI518629B - 用於生理信號之自動化品質評估的方法及設備 - Google Patents

用於生理信號之自動化品質評估的方法及設備 Download PDF

Info

Publication number
TWI518629B
TWI518629B TW103118238A TW103118238A TWI518629B TW I518629 B TWI518629 B TW I518629B TW 103118238 A TW103118238 A TW 103118238A TW 103118238 A TW103118238 A TW 103118238A TW I518629 B TWI518629 B TW I518629B
Authority
TW
Taiwan
Prior art keywords
noise
qualitative
physiological signal
physiological
module
Prior art date
Application number
TW103118238A
Other languages
English (en)
Other versions
TW201510917A (zh
Inventor
阿密特 貝斯
Original Assignee
英特爾股份有限公司
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 英特爾股份有限公司 filed Critical 英特爾股份有限公司
Publication of TW201510917A publication Critical patent/TW201510917A/zh
Application granted granted Critical
Publication of TWI518629B publication Critical patent/TWI518629B/zh

Links

Classifications

    • 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
    • G16H40/63—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 local 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
    • 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
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • 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
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0204—Operational features of power management
    • A61B2560/0214—Operational features of power management of power generation or supply

Description

用於生理信號之自動化品質評估的方法及設備
實施例大致上關於健康監視。更特別地，實施例關於居家健康監視環境中生理信號的自動化品質評估。
健康監視傳統上涉及取自例如醫院、醫生辦公室或其它醫療中心等臨床上的個體之例如心電圖(ECG)讀值等的生理信號。在此情形中，醫療專業人員將各式各樣的感測器連接至個體/病人並解讀讀值以作出有關健康的決定。假使醫療專業人員判定ECG讀值不可靠或是不具適當品質時，則在根據那些讀值而作出健康有關的決定之前調整感測配置及/或環境。但是，在居家使用環境中，病人通常缺乏必要的醫學及/或技術知識以辨識不可靠或不佳的品質讀值並對感測配置/環境作出適當調整。結果，遭遇到次級健康照顧(例如，不當的診斷、增加的成本及/或增加的病人風險)。
16‧‧‧行動裝置
18‧‧‧感測器
20‧‧‧健康照護網路
21‧‧‧測量配件
22‧‧‧行動裝置
24‧‧‧感測器
51‧‧‧邏輯架構
62‧‧‧計算平台
64‧‧‧處理器
讀值下述說明書及後附的申請專利範圍，以及參考下述圖式，習於此技藝者將清楚實施例的各種優點，其中：圖1顯示根據實施例的訊號組的實例；圖2A及2B顯示根據實施例的感測配置之實例；圖3是根據實施例之生理信號的評估方法之實例的流程圖；圖4是根據實施例的加權方式的實例圖；圖5是根據實施例的邏輯架構的實例之方塊圖；以及圖6是根據實施例之平台的實例之方塊圖。
【發明內容及實施方式】
圖1顯示與居家保健環境中的個體/病人的監視相關的眾多信號。在說明的實例中，由於在生理信號10中缺乏雜訊，所以，例如心電圖(ECG)信號等的生理信號10可以被視為可靠的。雖然顯示的生理信號10含有ECG資訊，但是，在其它實例中，生理信號10可含有血壓資訊、脈博血氧計資訊、腦波儀(EEG)資訊、光體積掃描器(PPG)資訊、等等。
取決於感測配置及/或環境，眾多雜訊源12(12a-12e)可能疊加於例如信號10等生理信號上並因而降低這些信號的品質及/或可靠度。舉例而言，功率主(例如，50/60Hz)干擾源12a可能源自附近的低頻電氣設備、建築物電力線、等等。此外，肌肉雜訊源12b源於病人因焦慮之非自主肌肉收縮，以及，動作人為雜訊源12c源於病 人移動。此外，電磁干擾(EMI)源12d源於例如行動電話及其它電子裝置等附近的高頻裝置，以及，基線漂移雜訊源12e源於化學反應以及皮膚電極阻抗改變的其它原因。各雜訊源12因而對測得的生理信號的品質具有負面影響之程度達到個別型式的雜訊出現在生理信號中。事實上，在導因於典型的病人相當缺乏醫學及/或技術知識之居家保健環境中，雜訊源12呈現特有挑戰。
如同將更詳細說明般，在居家保健環境中，對於各雜訊源12，可以執行定性分析及定量分析，其中，那些分析可以用以決定是否及何時報告生理信號給例如臨床保健環境(例如，醫院、醫師辦公室或其它醫學中心)等遠端地點。此外，分析可以用以引導病人修改感測器配置及/或環境，以增加報告的生理信號之可靠度。
現在轉至圖2A，顯示居家健康監視環境，其中，病人14使用行動裝置16以取得例如ECG讀值、血壓讀值、脈博血氧計讀值、EEG讀值、PPG讀值等等讀值。在所示的實例中，行動裝置16包含一或更多感測器(例如，電極、接點)18，一或更多感測器可以壓在病人14的身體部份(例如，胸、臂、頭)上以測量病人14的生理條件。行動裝置16可以配合讀值而產生一或更多生理信號，其中，生理信號可以傳送至健康照護網路20。如同將詳細說明般，行動裝置16可以配置成在傳送生理信號給健康照護網路20之前作出生理信號的自動化品質評估，以及，假使評估指出較早的讀值缺乏可靠度時，則引 導病人14取得額外的讀值。
健康照護網路20接著提供報告的生理信號給例如醫生、護士、臨床醫生等健康照護專業人員。此外，健康照護專業人員可以經由健康照護網路20及/或行動裝置16而遞送建議給病人14。除了具有整合的感測器18之外，行動裝置16可為具有例如發訊(例如文字傳訊、即時訊息/IM、電子郵件)、計算、媒體播放、等等其它功能之計算平台，例如無線智慧型電話、智慧型平板電腦、個人數位助理(PDA)、行動網際網路裝置(MID)、筆記型電腦、變形平板電腦、等等。
圖2B顯示居家健康監視環境，其中，病人14使用測量配件21及行動裝置22以取得例如ECG讀值、血壓讀值、脈博血氧計讀值、EEG讀值、PPG讀值等等讀值。在說明的實例中，測量配件21包含一或更多感測器(例如，電極、接點)24，可以壓在病人14的身體部份上以測量病人14的生理條件。顯示的測量配件21產生一或更多生理信號與讀值，其中，生理信號可以傳送至行動裝置22。如同在行動裝置16(圖2A)的情形中一般，測量配件21或行動裝置22可以配置成在傳送生理信號給健康照護網路20之前作出生理信號的自動化品質評估，以及，假使評估指出較早的讀值缺乏可靠度時，則引導病人14取得額外的讀值。
如同已述般，健康照護網路20提供報告的生理信號給健康照護專業人員，他們會經由健康照護網路20及/或 行動裝置22而遞送建議給病人14。行動裝置22可以是具有發訊、計算、媒體播放及/或其它功能之計算平台，例如無線智慧型電話、智慧型平板電腦、PDA、MID、筆記型電腦、變形平板電腦、等等。
圖3顯示在居家保健環境中評估生理信號的方法26。以儲存在例如隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可編程ROM(PROM)、韌體、快閃記憶體等記憶體的機器或電腦可讀媒體中作為邏輯指令集之可執行軟體、以例如可編程邏輯陣列(PLA)、現場可編程閘陣列(FPGA)、複合可編程邏輯裝置(CPLD)等可組態邏輯、以使用例如特定應用積體電路(ASIC)、互補金屬氧化物半導體(CMOS)或電晶體-電晶體邏輯(TTL)技術等電路技術之固定功能邏輯硬體、或以其任何組合，實施方法26。舉例而言，以包含例如Java、Smalltalk、C++等及例如「C」程式語言或類似的程式語言等傳統的程序程式語言之一或更多程式語言的任何組合，撰寫執行方法26中所示的操作之電腦程式碼。
顯示的處理區塊28用於從與行動裝置相關連的感測器配置接收生理信號。如同已知，生理信號可以與ECG讀值、血壓讀值、脈博血氧計讀值、EEG讀值、PPG讀值等等相關連。在區塊30評估生理信號的信號強度。在一實例中，信號強度的評估涉及使用多頻帶濾波器以將生理信號去除雜訊。在去除雜訊程序中使用的濾波器會考慮各種型式的雜訊源的頻率輪(例如，功率主干擾、肌肉雜 訊、動作人為雜訊、EMI、基線漂移雜訊)。此外，區塊30涉及信號處理以辨識被濾波的信號中的一或更多基準點。舉例而言，在ECG信號中的基準點對應於ECG信號的R-波(亦即，在QRS複合波中的向上偏轉)。因此，基準點可以用以計算生理信號的信號強度。
區塊32從生理信號中取出第一雜訊源。舉例而言，對於上述基線漂移雜訊12e(圖1)，區塊32將具有1Hz的截止頻率、三次仿樣函數、等等之數位低通濾波器(LPF)應用至生理信號。替代地，來自區塊30之去除雜訊的生理信號從區塊32中的信號中減掉，以將基線漂移雜訊12e與生理信號隔離。在本實例中，區塊32的輸出可以僅為從生理信號取出的基線漂移。顯示的區塊34用於執行第一雜訊源的雜訊評估。舉例而言，對於基線漂移雜訊12e(圖1)，雜訊評估涉及拒斥隔離的基線漂移雜訊中的異常值資料以及決定/計算結果曲線之下的面積。在雜訊曲線之下的面積對於例如基線漂移雜訊等低頻雜訊特別有效。區塊34也將評估的雜訊相對於區塊30中評估的生理信號強度歸一化。
在區塊36對第一雜訊源執行定性分析。更特別地，藉由比較第一雜訊源的評估雜訊與適當的臨界值，將個別的定性分級-QR1(例如，「良好」、「普通」、「不佳」)指派給第一雜訊源。關於此點，由於醫療專業人員典型地作出生理信號的目視評估以決定它們是否為可接受的品質，所以，定性臨界值被選成符合人工視力敏銳度/ 評估。舉例而言，可如下述表I提供的，實施分級準則。
顯示的區塊38對第一雜訊源執行定性分析。更特別地，根據來自區塊30的評估的生理信號強度與來自區塊34之評估並歸一化的雜訊，計算對於第一雜訊源之信號對雜訊比(SNR1)。如同將詳細說明般，用於第一雜訊源的SNR1後續會與其它雜訊源的SNR結合以取得用於生理信號整體品質位準。
類似地，區塊40從生理信號取出第二雜訊源。舉例而言，對於上述功率主干擾源12a(圖1)，區塊40將具有50Hz或60Hz的中心頻率、子波轉換等等的數位橢圓帶通濾波器(BPF)應用至生理信號。替代地，來自區塊30的去除雜訊的生理信號可以從區塊40中的濾波的信號減掉，以將功率主干擾源與生理信號隔離。在本實例中，區塊40的輸出可以僅為從生理信號取出的主50或60Hz雜訊。顯示的區塊42用於執行第二雜訊源的雜訊評估。 舉例而言，對於功率主干擾源12a(圖1)，雜訊評估涉及隔離的功率主干擾之雜訊曲線的峰值至峰值平均。峰值至峰值平均對於例如功率主干擾等高頻雜訊特別有效。區塊42也用於將評估的雜訊相對於區塊30中評估的生理信號強度歸一化。
如同在第一雜訊源的情形中一般，在區塊44對第二雜訊源執行定性分析。因此，如同已經參考表I所作的說明般，藉由比較第二源的評估雜訊與適當的臨界值，而將個別定性分級-QR2(例如，「良好」、「普通」、「不佳」)指派給第二雜訊源。顯示的區塊46對第二雜訊源執行定性分析。更特別地，根據來自區塊30的評估的生理信號強度及來自區塊42之評估的和歸一化的雜訊，計算對於第二雜訊源的SNR2。
對生理信號中眾多的雜訊源中的各雜訊源，執行所示的雜訊取出及評估程序。舉例而言，對於肌肉雜訊源12b(圖1)，雜訊取出涉及施加具有2Hz或100Hz的中心頻率之數位BPF至生理信號。對於動作人為雜訊源12c(圖1)，雜訊取出可能涉汲施加具有50Hz或60Hz的中心頻率之數位陷波濾波器以移除功率主干擾以及施加具有5Hz的截止頻率、三次仿樣函數、等等之數位低通濾波器(LPF)。雜訊取出技術可以類似地適用至EMI源12d(圖1)以及生理信號中的其它型式的雜訊。在各情形中，來自區塊30的去除雜訊的生理信號可以從濾波的雜訊訊號減掉以將特別型式的雜訊與生理信號隔離。
關於雜訊評估，藉由計算雜訊曲線的峰值至峰值平均，而評估例如肌肉雜訊源12b及/或EMI源12d等相當高頻的雜訊。另一方面，藉由拒斥隔離的雜訊中的異常值資料及決定結果曲線之下的面積，可以評估例如動作人為雜訊源12c等相當低頻的雜訊。
也可對眾多雜訊源中的各雜訊源執行所例示的定性及定量分析。因此，可以取得眾多定性分級，其中，眾多定性分級對應於眾多雜訊源。此外，可以對眾多雜訊源取得眾多SNR。此外，在指派個別的定性分級以分開雜訊型式之後，使用評分函數以結合個別的定性分級(QR1、QR2、…)，而達到以「良好」、「普通」、或「不佳」之整體定性分級(OQR)。因此，顯示的區塊48用於決定生理信號的OQR。
區塊48也決定用於生理信號的整體品質位準(OQL)，其中，OQL可以根據個別的定性分析(QR1、QR2、…)以及個別的定量分析(SNR1、SNR2、…)。更特別地，動態加權函數可以將複數個個別的SNR結合成單一值(例如，從0至10的範圍)。假使某雜訊型式過量地存在而使生理信號品質偏斜至無法接受的程度，則在加權函數中的權重可以動態地改變。舉例而言，假使ECG信號僅受基線漂移雜訊污染，但在數量上使得ECG信號不可靠，則加權函數可以調整此特定雜訊型式相對於其它雜訊型式的權重，以致於適當考慮可接受的多雜訊型式的溫和至適度量上之單一過量雜訊型式。動態加權函數 可以實施成OQL是下述函數：
其中，n是雜訊型式數，WK是指派給特定雜訊型式的動態權重，以及，SNRk是該特定雜訊型式的訊號對雜訊比。因此，在上述表示式中，雜訊型式的權重Wk根據其對應的個別定性分級(QRk)而動態地改變。區塊48也用於儲存去除雜訊的生理信號以及與生理信號相關連的定性及定量資訊(例如，個別的QR、OQR、OQL、等等)以用於稍後使用。
圖4顯示加權曲線50，其可用以指派權重給個別雜訊型式。一般而言，假使特定雜訊型式的定性分級是不佳時，則其相關連的權重會急遽地朝向零下降，以致顯著地降低該雜訊型式對OQL的SNR貢獻。此方式藉由顯著地降低OQL而可以有效地放大過量存在的雜訊型式。
現在回至圖3，在區塊25決定是否已滿足品質條件。舉例而言，品質條件可以指明沒有雜訊型式具有「不佳」之個別的QR、OQR是「良好」或「普通」、OQL在某臨界值之上(例如，10中的5)、等等、或是其任何組合。假使品質條件未滿足時，則顯示的區塊54決定是否已達到最多數目的讀值(例如，3)。假使為否，則在區塊56產生使用者提示。使用者提示可請求一或更多增加的讀值(例如，「請取得另一ECG讀值」)。
使用者提示也包含適合眾多雜訊源中之一或更多雜訊 源的建議。舉例而言，在基線漂移雜訊的情形中，病人可能被要求輕輕地及以均勻壓力固持裝置。在過量的肌肉顫抖雜訊的情形中，病人被要求放鬆及支撐他或她的手。在動作人為雜訊的情形中，病人可能被要求在呼吸期間維持靜止或避免太多的胸部移動。在過量的功率主干擾或EMI的情形中，可能要求病人改變地點及/或關閉附近的裝置。也可作其它雜訊型式特定的建議。一旦病人被提示時，重複所示的方法26以取得與對應的眾多讀值相關連之眾多生理信號，以及，對眾多生理信號中的各生理信號執行定性及定量分析。如上述已述般，將結果的生理信號及相關連的定性及定量資料儲存以用於往後使用。
假使品質條件滿足或達到最多數目讀值的時，區塊58可以根據定性及定量分析結果以選取最佳的生理信號，其中，在所示的區塊60，選取的最佳生理信號(以及，相關連的定性及定量資料)報告給遠端地點。
圖5顯示邏輯架構51(51a-51g)，用以評估居家保健環境的生理訊號。在顯示的實例中，感測器介面51a從與行動裝置相關連的感測器配置接收生理信號，以及，定性模組51b對生理信號中的眾多雜訊源中的各雜訊源執行定性分析以取得對應的眾多定性分級。選取模組51c使用至少眾多定性分級以決定是否將生理信號報告給遠端地點。
在一實例中，架構51也包含定量模組51d以對眾多雜訊源中的各雜訊源執行定量分析以取得整體品質程度， 其中，整體品質程度也用以決定是否將生理信號報告給遠端地點。更特別地，定量模組51d根據眾多定性分級而將權重指派給與眾多雜訊源相關連的訊號對雜訊比。
此外，定性模組51b將眾多定性分級結合成整體定性分級，其中，整體定性分級是要被用以決定是否要將生理信號報告給遠端地點。所示的架構51也包含雜訊取出模組51e以及雜訊評估模組51f，雜訊取出模組51e針對眾多雜訊源中的各雜訊而將生理信號濾波，雜訊評估模組51f對濾波的生理信號執行雜訊評估。架構51也包含使用者介面(UI)，以便假使品質條件未滿足時，產生使用者提示。如同已述般，使用者提示可以請求一或更多增加的讀值及/或包含適合眾多雜訊源的一或更多雜訊源之建議。
現在轉至圖6，顯示計算平台62。平台62可為具有計算功能(例如，PDA、膝上型電腦、智慧型平板電腦)、通訊功能(例如，無線智慧型電話)、成像功能、媒體播放功能(例如，智慧型電視/TV)、或其任何組合(例如，行動網際網路裝置/MID)之行動裝置的一部份。在所示的實例中，平台62包含處理器64、積體記憶體控制器(IMC)66、輸入輸出(IO)模組68、系統記憶體70、網路控制器72、感測器配置74、大量儲存器76(例如，光碟、硬碟機/HDD、快閃記憶體)、一或更多使用者介面(UI)裝置82及供應電力給平台62的電池80。處理器64包含具有一或數個處理器核心78的核心區。
所示的IO模組68有時稱為晶片組的南橋或南複合，其作為主控制器及與網路控制器72通訊，網路控制器提供用於多種目的之平台外通訊功能，例如，蜂巢式電話(例如，寬頻分碼多重存取/W-CDMA(通用行動電信系統/UMTS))、CDMA2000(IS-856/IS-2000)、等等)、WiFi(無線保真度，例如，電機電子工程師學會/IEEE 802.11-2007、無線區域網路/LAN媒體存取控制(MAC))及實體層(PHY)規格)、4G LTE(第四代長程演進)、藍芽(例如，IEEE 802.15.1-2005、無線個人區域網路)、WiMax(例如，IEEE 802.16-2004，LAN/MAN寬頻無線LANS)、全球定位系統(GPS)、展頻(例如，900MHz)、及其它射頻(RF)電話目的。IO模組68也包含一或更多無線硬體電路區以支援此功能。雖然處理器64及IO模組68顯示為分開的區塊，但是，處理器64及IO模組68可以在相同半導體晶粒上實施成為系統晶片(SoC)。
系統記憶體70包含例如雙倍資料速率(DDR)同步動態隨機存取記憶體(SDRAM、例如2008年4月的DDR3 SDRAM JEDEC標準JESD79-3C)模組。系統記憶體70的模組可以併入單一線內記憶體模組(SIMM)、雙線內記憶體模組(DIMM)、小型DIMM(SODIMM)、等等。
如同已參考圖4及5所述般，所示的核心78執行邏輯84以評估居家保健環境中的生理信號。因此，邏輯84 可以從感測器配置74接收生理信號，對生理信號中的眾多雜訊源中的各雜訊源執行定性分析以取得對應的眾多定性分級，以及使用至少眾多定性分級以決定是否將生理信號報告給遠端地點。邏輯84也對眾多雜訊源中的各雜訊源執行定量分析，以取得整體品質程度，其中，整體品質程度也用以決定是否將生理信號報告給遠端地點。經由包含顯示器、揚音器、等等的UI裝置82，將用於額外讀值之使用者提示呈現給病人。
其它說明及實例：
實例1包含行動裝置以評估生理信號，包括：提供電力給行動裝置的電池、感測器配置及用以從感測器配置接收生理信號的感測器介面。行動裝置也包含定性模組及選取模組，定性模組對生理信號中的眾多雜訊源中的各雜訊源執行定性分析，以取得對應的眾多定性分級，以及，選取模組使用至少眾多定性分級以決定是否將生理信號報告給遠端地點。
實例2包含實例1的行動裝置，又包含定量模組以對眾多雜訊源中的各雜訊源執行定量分析，以取得整體品質程度，其中，整體品質程度是要用以決定是否將生理信號報告給遠端地點。
實例3包含實例2的行動裝置，其中，定量模組是根據眾多定性分級而將權重指派給與眾多雜訊源相關的訊號對雜訊比。
實例4包含實例1的行動裝置，其中，定性模組是將眾多定性分級結合成整體定性分級，以及，其中，整體定性分級是要用以決定是否將生理信號報告給遠端地點。
實例5包含實例1的行動裝置，又包含使用者介面，假使品質條件未滿足時，產生使用者提示，其中，使用者提示是要請求一或更多增加的讀值以及包含適合眾多雜訊源中的一或更多雜訊源之建議。
實例6包含實例1至5中任一實例的行動裝置，又包含雜訊取出模組及雜訊評估模組，雜訊取出模組針對眾多雜訊源中的各雜訊源而將生理信號濾波，以及，雜訊評估模組對濾波的生理信號執行雜訊評估。
實例7包含生理信號評估裝置，包括感測器介面、定性模組、及選取模組，感測器介面從與行動裝置相關連的感測器配置接收生理信號，定性模組對生理信號中的眾多雜訊源中的各雜訊源執行定性分析以取得對應的眾多定性分級，選取模組使用至少眾多定性分級以決定是否將生理信號報告給遠端地點。
實例8包含實例7的裝置，又包含定量模組以對眾多雜訊源中的各雜訊源執行定量分析，以取得整體品質程度，其中，整體品質程度是要用以決定是否將生理信號報告給遠端地點。
實例9包含實例8的裝置，其中，定量模組是根據眾多定性分級而將權重指派給與眾多雜訊源相關的訊號對雜訊比。
實例10包含實例7的裝置，其中，定性模組是將眾多定性分級結合成整體定性分級，以及，其中，整體定性分級是要用以決定是否將生理信號報告給遠端地點。
實例11包含實例7的裝置，又包含使用者介面，假使品質條件未滿足時，產生使用者提示，其中，使用者提示是要請求一或更多增加的讀值以及包含適合眾多雜訊源中的一或更多雜訊源之建議。
實例12包含實例7至11中任一實例的裝置，又包含雜訊取出模組及雜訊評估模組，雜訊取出模組針對眾多雜訊源中的各雜訊源而將生理信號濾波，以及，雜訊評估模組對濾波的生理信號執行雜訊評估。
實例13包含生理信號評估方法，包括：從與行動裝置相關連的感測器配置接收生理信號，對生理信號中的眾多雜訊源中的各雜訊源執行定性分析以取得對應的眾多定性分級，以及，使用至少眾多定性分級以決定是否將生理信號報告給遠端地點。
實例14包含實例13的方法，又包含對眾多雜訊源中的各雜訊源執行定量分析以取得整體品質程度，其中，整體品質程度是用以決定是否將生理信號報告給遠端地點。
實例15包含實例14的方法，其中，又包含根據眾多定性分級而將權重指派給與眾多雜訊源相關的訊號對雜訊比。
實例16包含實例13的方法，又包含將眾多定性分級結合成整體定性分級，其中，整體定性分級是用以決定是 否將生理信號報告給遠端地點。
實例17包含實例13的方法，又包含假使品質條件未滿足時，產生使用者提示，其中，使用者提示請求一或更多增加的讀值以及包含適合眾多雜訊源中的一或更多雜訊源之建議。
實例18包含實例13至17中任一實例的方法，又包含針對眾多雜訊源中的各雜訊源而將生理信號濾波，以及，對濾波的生理信號執行雜訊評估。
實例19包含至少一電腦可讀值的儲存媒體，儲存媒體包括指令集，指令集假使由行動裝置執行時，促使行動裝置執行實例13至18中任一實例的方法。
實例20包含生理信號評估裝置，包括用於執行實例13至18中的任一實例之方法的機構。
因此，此處所述的技術因而藉由測量導因於多重型式的雜訊之貢獻而自動地評估生理信號品質。此外，非依賴單一雜訊型式，技術可以將整體性的信號品質評估合成。此外，由於雜訊型式可以分開地被取出並量化，所以，也能夠將雜訊的正確起因指出給終端使用者/病人。此方式使得病人能夠精準地校正連續測量中的雜訊起因。此外，動態加權方式使分析結果偏差，以致於來自單一雜訊源的過量污染(典型上是不可接受的)在來自多個雜訊源的溫和/適度污染(可接受的)之上。技術也藉由從再測量結果集之中選取最佳品質準則而強化性能。
因此，由於僅有那些具有臨床上可接受的品質之生理 信號可以送至健康照護中心網路以由醫療專業人員解釋，所以，產生臨床上可接受的生理信號之可能性可以增進。在此處所述的技術之下，用於所需的醫療建議的轉迴時間也可以顯著地下降。該等技術也使得具有少量或不具有醫療或技術訓練的個人能夠自我量測他們自己的遠端/居家環境中之生理狀況。事實上，使用此處所述的技術，可以滿足與醫療標準相關連的各種風險減輕要求。
本發明的實施例可應用於所有型式的半導體積體電路(「IC」)晶片的使用。這些IC晶片的實例包含但不限於處理器、控制器、晶片組組件、可編程邏輯陣列(PLA)、記憶體晶片、網路晶片、系統晶片(SoC)、SSD/NAND控制器特定應用積體電路、等等。此外，在某些圖式中，信號導線由線代表。在標示更多構成信號路徑上，某些圖式是不同的，這些圖式具有數字標號，以標示構成信號路徑的數字，及/或在一或更多端具有箭頭，以標示主要資訊流動方向。但是，這不應被解釋為限定方式。而是，可以配合一或更多舉例說明的實施例使用這些增加的細節，以便更容易瞭解電路。任何代表的信號線，無論是否具有增加的資訊，都可以真正地包括可在多方向上行進的以及可由任何適當型式的信號設計實施的一或更多信號，例如，由不同對、光纖線、及/或單端線實施的數位或類比線。
已提供尺寸/模型/值/範圍實例，但是，本發明的實施例不限於此。由於製造技術(例如，微影術)隨著時間成 熟，所以，可期望製造較小尺寸的裝置。此外，為了簡化說明及討論，熟知的IC晶片及其它組件的電力/接地連接顯示於或未顯示於圖式中，以免模糊本發明的實施例的某些態樣。此外，以方塊圖形式顯示配置，以避免模糊發明的實施例，以及，也慮及這些方塊圖配置的實施之特定細節高度地取決於實施這些實施例的平台，亦即，這些特定細節應在習於此技藝者的見識之內。在提出特定細節(例如，電路)以說明本發明的舉例說明的實施例之情形中，習於此技藝者應都清楚知道，有或沒有這些特定細節的變異，都可以實施本發明的實施例。說明因而被視為說明性的而非限定性的。
此處可以使用「耦合」一詞以意指討論的組件之間任何型式之直接或間接的關係，以及可應用至電的、機械的、流體的、光學的、電磁的、電機的或其它連接。此外，此處使用「第一」、「第二」等詞僅為了便於說明，以及，除非另有說明，不帶有特定時間或按時間次序的含義。
從上述說明中，習於此技藝者將瞭解本發明的實施例之寬廣技術能夠以各種形式實施。因此，雖然已配合特定實例而說明本發明的實施例，但是，由於習於此藝者在研究圖式、說明書、及後述申請專利範圍時將清楚知道其它修改，所以，本發明的實施例不應受此侷限。

Claims (19)

  1. 一種行動裝置，包括：提供電力給該行動裝置的電池；感測器配置；感測器介面，用以從該感測器配置接收生理信號；定性模組，對該生理信號中的眾多雜訊源中的各雜訊源執行定性分析，以取得對應的眾多定性分級；以及，選取模組，使用至少眾多定性分級以決定是否將該生理信號報告給遠端地點。
  2. 如申請專利範圍第1項的行動裝置，又包含定量模組以對該眾多雜訊源中的各雜訊源執行定量分析，以取得整體品質程度，其中，該整體品質程度是要用以決定是否將生理信號報告給該遠端地點。
  3. 如申請專利範圍第2項的行動裝置，其中，該定量模組是根據該眾多定性分級而將權重指派給與該眾多雜訊源相關的訊號對雜訊比。
  4. 如申請專利範圍第1項的行動裝置，其中，該定性模組是將該眾多定性分級結合成整體定性分級，以及，其中，該整體定性分級是要用以決定是否將該生理信號報告給該遠端地點。
  5. 如申請專利範圍第1項的行動裝置，又包含使用者介面，假使品質條件未滿足時，產生使用者提示，其中，該使用者提示是要請求一或更多增加的讀值以及包含適合該眾多雜訊源中的一或更多雜訊源之建議。
  6. 如申請專利範圍第1至5項中任一項的行動裝置，又包含：雜訊取出模組，針對該眾多雜訊源中的各雜訊源而將生理信號濾波；以及，雜訊評估模組，對該濾波的生理信號執行雜訊評估。
  7. 一種用於生理信號之自動化品質評估的裝置，包括：感測器介面，從與行動裝置相關連的感測器配置接收生理信號；定性模組，對該生理信號中的眾多雜訊源中的各雜訊源執行定性分析以取得對應的眾多定性分級；以及，選取模組，使用至少眾多定性分級以決定是否將該生理信號報告給遠端位置。
  8. 如申請專利範圍第7項的裝置，又包含定量模組以對該眾多雜訊源中的各雜訊源執行定量分析，以取得整體品質程度，其中，該整體品質程度是要用以決定是否將該生理信號報告給該遠端地點。
  9. 如申請專利範圍第8項的裝置，其中，該定量模組是根據該眾多定性分級而將權重指派給與該眾多雜訊源相關的訊號對雜訊比。
  10. 如申請專利範圍第7項的裝置，其中，該定性模組是將該眾多定性分級結合成整體定性分級，以及，其中，該整體定性分級是要用以決定是否將該生理信號報告給該遠端地點。
  11. 如申請專利範圍第7項的裝置，又包含使用者介面，假使品質條件未滿足時，產生使用者提示，其中，該使用者提示是要請求一或更多增加的讀值以及包含適合該眾多雜訊源中的一或更多雜訊源之建議。
  12. 如申請專利範圍第7至11項中任一項的裝置，又包含：雜訊取出模組，針對該眾多雜訊源中的各雜訊源而將生理信號濾波；以及，雜訊評估模組，對該濾波的生理信號執行雜訊評估。
  13. 一種用於生理信號之自動化品質評估的方法，包括：從與行動裝置相關連的感測器配置接收生理信號；對該生理信號中的眾多雜訊源中的各雜訊源執行定性分析以取得對應的眾多定性分級；以及，使用至少該眾多定性分級以決定是否將該生理信號報告給遠端地點。
  14. 如申請專利範圍第13項的方法，又包含對該眾多雜訊源中的各雜訊源執行定量分析以取得整體品質程度，其中，該整體品質程度是用以決定是否將該生理信號報告給該遠端地點。
  15. 如申請專利範圍第14項的方法，又包含根據眾多定性分級而將權重指派給與該眾多雜訊源相關的訊號對雜訊比。
  16. 如申請專利範圍第13項的方法，又包含將該眾多 定性分級結合成整體定性分級，其中，該整體定性分級是用以決定是否將該生理信號報告給該遠端地點。
  17. 如申請專利範圍第13項的方法，又包含假使品質條件未滿足時，產生使用者提示，其中，該使用者提示請求一或更多增加的讀值以及包含適合該眾多雜訊源中的一或更多雜訊源之建議。
  18. 如申請專利範圍第13至17項中任一項的方法，又包含：針對該眾多雜訊源中的各雜訊源而將該生理信號濾波；以及，對該濾波的生理信號執行雜訊評估。
  19. 如申請專利範圍第13至17項中任一項的方法，又包含：接收與對應的眾多讀值相關的眾多生理信號；以及對該眾多生理信號中的各生理信號執行定性分析；至少部份地根據該定性分析，而從該眾多的生理信號選取最佳的生理信號；以及將該最佳生理信號報告給該遠端地點。
TW103118238A 2013-06-12 2014-05-26 用於生理信號之自動化品質評估的方法及設備 TWI518629B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
IN2556CH2013 2013-06-12

Publications (2)

Publication Number Publication Date
TW201510917A TW201510917A (zh) 2015-03-16
TWI518629B true TWI518629B (zh) 2016-01-21

Family

ID=52022678

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103118238A TWI518629B (zh) 2013-06-12 2014-05-26 用於生理信號之自動化品質評估的方法及設備

Country Status (7)

Country Link
US (2) US10296835B2 (zh)
EP (2) EP3660779A1 (zh)
JP (1) JP6144412B2 (zh)
KR (1) KR101821967B1 (zh)
CN (1) CN105210107B (zh)
TW (1) TWI518629B (zh)
WO (1) WO2014200856A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI518629B (zh) 2013-06-12 2016-01-21 英特爾股份有限公司 用於生理信號之自動化品質評估的方法及設備
US10694988B2 (en) * 2016-02-17 2020-06-30 Nuralogix Corporation System and method for detecting physiological state
CN109922729A (zh) 2016-09-06 2019-06-21 维戈尔医疗系统公司 便携式肺活量计和用于监测肺功能的方法
TWI598073B (zh) 2016-12-15 2017-09-11 財團法人工業技術研究院 生理訊號量測方法及生理訊號量測裝置
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
US11471083B2 (en) 2017-10-24 2022-10-18 Nuralogix Corporation System and method for camera-based stress determination
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
WO2019127559A1 (zh) * 2017-12-30 2019-07-04 深圳迈瑞生物医疗电子股份有限公司 一种高频射频干扰去除装置及方法
US11478603B2 (en) 2017-12-31 2022-10-25 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
WO2020056418A1 (en) 2018-09-14 2020-03-19 Neuroenhancement Lab, LLC System and method of improving sleep
WO2020136570A1 (en) * 2018-12-26 2020-07-02 Analytics For Life Inc. Method and system for automated quantification of signal quality
CN109893121B (zh) * 2019-03-26 2021-11-05 深圳理邦智慧健康发展有限公司 心电信号的采集方法、装置、终端和计算机可读存储介质
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
TWI782282B (zh) * 2020-06-08 2022-11-01 宏智生醫科技股份有限公司 腦波監測系統及腦波監測方法

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US1211152A (en) 1916-05-12 1917-01-02 Sterling P Hickerson Collapsible chicken-coop.
US6229856B1 (en) * 1997-04-14 2001-05-08 Masimo Corporation Method and apparatus for demodulating signals in a pulse oximetry system
EP1521615A4 (en) 2002-06-11 2010-11-03 Jeffrey A Matos SYSTEM FOR CARDIOLOGICAL REVIVAL
US20090177068A1 (en) * 2002-10-09 2009-07-09 Stivoric John M Method and apparatus for providing derived glucose information utilizing physiological and/or contextual parameters
US7769465B2 (en) 2003-06-11 2010-08-03 Matos Jeffrey A System for cardiac resuscitation
US9082156B2 (en) 2005-08-17 2015-07-14 Jeffrey A. Matos Emergency management system
CN101170943A (zh) 2005-05-06 2008-04-30 皇家飞利浦电子股份有限公司 无线医学监视设备
WO2007033194A2 (en) 2005-09-13 2007-03-22 Aware Technologies, Inc. Method and system for proactive telemonitor with real-time activity and physiology classification and diary feature
US20080091090A1 (en) 2006-10-12 2008-04-17 Kenneth Shane Guillory Self-contained surface physiological monitor with adhesive attachment
US20080091089A1 (en) 2006-10-12 2008-04-17 Kenneth Shane Guillory Single use, self-contained surface physiological monitor
US8157730B2 (en) * 2006-12-19 2012-04-17 Valencell, Inc. Physiological and environmental monitoring systems and methods
JP5255771B2 (ja) * 2007-01-15 2013-08-07 フクダ電子株式会社 生体情報処理装置および生体情報処理方法
US9095271B2 (en) 2007-08-13 2015-08-04 Cheetah Medical, Inc. Dynamically variable filter
EP2200692B1 (en) * 2007-09-26 2016-11-09 Medtronic, Inc. Frequency selective monitoring of physiological signals
TWI353242B (en) 2007-11-02 2011-12-01 Univ Nat Taiwan Rapid method for analyzing bio-signal instantaneou
CN101504696A (zh) 2008-02-05 2009-08-12 周常安 互动式生理分析方法
US8805482B2 (en) * 2008-07-28 2014-08-12 General Electric Conpany System and method for signal quality indication and false alarm reduction in ECG monitoring systems
US9655518B2 (en) * 2009-03-27 2017-05-23 Braemar Manufacturing, Llc Ambulatory and centralized processing of a physiological signal
US8290730B2 (en) * 2009-06-30 2012-10-16 Nellcor Puritan Bennett Ireland Systems and methods for assessing measurements in physiological monitoring devices
AU2010269114B2 (en) * 2009-07-06 2014-05-08 Heard Systems Pty Ltd Non-invasively measuring physiological process
US8471713B2 (en) * 2009-07-24 2013-06-25 Cercacor Laboratories, Inc. Interference detector for patient monitor
TW201112179A (en) 2009-08-19 2011-04-01 Chang-Ming Yang Object for detecting physiology and posture status
US8938268B2 (en) 2009-11-24 2015-01-20 Qualcomm Incorporated Method and apparatus for facilitating a layered cell search for Long Term Evolution systems
CN102270264B (zh) 2010-06-04 2014-05-21 中国科学院深圳先进技术研究院 生理信号质量评估系统及方法
CN101980228A (zh) 2010-09-01 2011-02-23 张辉 人体信息监测与处理系统及方法
US8489182B2 (en) 2011-10-18 2013-07-16 General Electric Company System and method of quality analysis in acquisition of ambulatory electrocardiography device data
WO2013066642A1 (en) * 2011-10-19 2013-05-10 Scanadu Incorporated Automated personal medical diagnostic system, method, and arrangement
US8954135B2 (en) * 2012-06-22 2015-02-10 Fitbit, Inc. Portable biometric monitoring devices and methods of operating same
US9049998B2 (en) * 2012-06-22 2015-06-09 Fitbit, Inc. Biometric monitoring device with heart rate measurement activated by a single user-gesture
US20150335288A1 (en) * 2013-06-06 2015-11-26 Tricord Holdings, Llc Modular physiologic monitoring systems, kits, and methods
TWI518629B (zh) 2013-06-12 2016-01-21 英特爾股份有限公司 用於生理信號之自動化品質評估的方法及設備
US9794653B2 (en) * 2014-09-27 2017-10-17 Valencell, Inc. Methods and apparatus for improving signal quality in wearable biometric monitoring devices

Also Published As

Publication number Publication date
JP6144412B2 (ja) 2017-06-07
CN105210107A (zh) 2015-12-30
US20200050948A1 (en) 2020-02-13
US20160055415A1 (en) 2016-02-25
WO2014200856A1 (en) 2014-12-18
EP3660779A1 (en) 2020-06-03
JP2016522037A (ja) 2016-07-28
US11721435B2 (en) 2023-08-08
EP3008686A1 (en) 2016-04-20
KR20150140822A (ko) 2015-12-16
KR101821967B1 (ko) 2018-01-25
CN105210107B (zh) 2019-11-19
US10296835B2 (en) 2019-05-21
TW201510917A (zh) 2015-03-16
US20200210861A9 (en) 2020-07-02
EP3008686A4 (en) 2017-02-22

Similar Documents

Publication Publication Date Title
TWI518629B (zh) 用於生理信號之自動化品質評估的方法及設備
US11707244B2 (en) Techniques for breast imaging patient motion artifact compensation
RU2768581C2 (ru) Устройства, системы и способы для прогнозирования, скрининга и контроля энцефалопатии/делирия
US10624587B2 (en) Non-invasive determination of disease states
CN109452935B (zh) 使用统计后处理从血管容积图估计血压的无创方法和系统
Morelli et al. Profiling the propagation of error from PPG to HRV features in a wearable physiological‐monitoring device
WO2018201395A1 (en) Apparatus and method for determining a blood pressure of a subject
Senova et al. Using the accelerometers integrated in smartphones to evaluate essential tremor
Elgendi et al. A six-step framework on biomedical signal analysis for tackling noncommunicable diseases: Current and future perspectives
WO2016048520A1 (en) System method for assessing fitness state via a mobile device
Kim et al. Normalization of photoplethysmography using deep neural networks for individual and group comparison
Guarin et al. Video-based facial movement analysis in the assessment of bulbar amyotrophic lateral sclerosis: clinical validation
Chen et al. Edge-Enabled Heart Rate Estimation from Multisensor PPG Signals
Jebastine Fetal ECG extraction and QRS detection using advanced adaptive filtering-based signal decomposition and peak threshold technique from abdominal ECG signals
US20200375491A1 (en) Heartbeat analyzing method and heartbeat analyzing method
Lee et al. Video-based bio-signal measurements for a mobile healthcare system
WO2022195327A1 (en) Health monitoring system and method
CN113208609A (zh) 心电信息管理系统
Yoon et al. Blood Pressure Measurement Based on the Camera and Inertial Measurement Unit of a Smartphone: Instrument Validation Study
TWI837364B (zh) 心跳分析方法及心跳分析系統
Panerai et al. COHmax: an algorithm to maximise coherence in estimates of dynamic cerebral autoregulation
JP7289095B2 (ja) 睡眠教育システム、睡眠教育方法及びプログラム
Vandendriessche et al. Piloting the clinical value of wearable cardiorespiratory monitoring for people with cystic fibrosis
WO2023214957A1 (en) Machine learning models for estimating physiological biomarkers
WO2023214956A1 (en) Systems, devices, and methods for biomarker detection and tracking