TWI524879B - Human microcirculation evaluation system - Google Patents
Human microcirculation evaluation system Download PDFInfo
- Publication number
- TWI524879B TWI524879B TW103107013A TW103107013A TWI524879B TW I524879 B TWI524879 B TW I524879B TW 103107013 A TW103107013 A TW 103107013A TW 103107013 A TW103107013 A TW 103107013A TW I524879 B TWI524879 B TW I524879B
- Authority
- TW
- Taiwan
- Prior art keywords
- blood flow
- microcirculation
- state
- flow parameter
- subject
- Prior art date
Links
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Description
本發明是有關於一種健康評估系統,特別是指一種人體微循環評估系統。
近年來由於社會和科技的快速進步,電腦及可攜式電子行動裝置產品已廣為在工作、生活、社群、休閒上被人們普遍應用,而長期使用與過度依賴的結果,在長時間久坐不動、維持同樣姿勢之情況下,很容易地造成人體局部組織疲勞與疾病,導致健康上的隱憂,如:頸肩僵硬疼痛、腕隧道症候群,以及下背痛、足部血液回流不良等;然而,上述的症狀容易被人們忽略與漠視,往往在身體出現明顯的疼痛與嚴重影響正常活動時才會被注意與治療。
由於受測者局部組織病變初期出現輕微病徵時,首先會反映到人體局部組織微循環功能的異常;而在近年來,有研究顯示可以使用雷射都卜勒血流儀來定量評估慢性疼痛患者之周邊肌肉組織微循環的變化,但是使用的為侵入式的探頭,有安全性不足之虞,不適合使用在臨床的早期評估。
有鑑於此,本發明旨在發展出一套基於非侵入
式的生理參數之評估系統,其透過微循環功能參數來推測受測者局部組織初期的不適程度,使其能早期取得局部組織健康狀態的量化指標,以達到即早發現、及時控制與預防的成效。
因此,本發明之目的,即在提供一種人體微循環評估系統,以透過非侵入方式來偵測並取得受測者局部組織健康狀態。
於是本發明人體微循環評估系統,包含一心跳週期感測單元、一微循環感測單元、一數位訊號處理單元、一資料庫及一評估單元。
該心跳週期感測單元用於透過非侵入方式感測受測者在一特定狀態之血液循環,以輸出與該受測者之血液循環同步之一心跳週期訊號。
該微循環感測單元用於透過非侵入方式針對受測者之一受測部位在該特定狀態下進行感測,以輸出相關於該受測部位之局部組織的一微循環血流訊號。
該數位訊號處理單元用於依據相關於該心跳週期訊號之一參考週期時間及該微循環血流訊號,計算出一微循環血流平均函數,並依據該微循環血流平均函數的函數值,計算出相關於該受測者在該特定狀態下的一微循環特徵組。
該資料庫用於儲存多筆分別對應多個受測群組之不同受測部位的局部組織的統計資料組。
該評估單元用於在該資料庫中比對與該微循環特徵組相關的統計資料組,以得到相關於該受測部位之健康狀態的一評估結果。
本發明之功效在於利用非侵入式之心跳週期感測單元及微循環感測單元,來感測受測者局部組織之生理訊號,並經由該數位訊號處理單元對感測到的心跳同步生理信號進行分析計算,進而結合該資料庫與該評估單元利用統計原理將該信號進行評估判斷,繼而可簡單及迅速地取得相關於受測者受測部位之局部組織健康狀態的評估結果;其中,非侵入式之感測無傷害之虞,可安全地適用於各事業單位、機構或組織之人員。
1‧‧‧人體微循環評估系統
11‧‧‧心跳週期感測單元
111‧‧‧心跳週期訊號
12‧‧‧微循環感測單元
121‧‧‧微循環血流訊號
13‧‧‧類比數位轉換單元
14‧‧‧抗噪單元
15‧‧‧數位訊號處理單元
151‧‧‧訊號分段模組
152‧‧‧正規轉換模組
153‧‧‧函數計算模組
154‧‧‧微循環血流平均函數
155‧‧‧最大峰值
156‧‧‧最小谷值
16‧‧‧資料庫
17‧‧‧評估單元
DC‧‧‧直流血流參數
AC‧‧‧交流血流參數
PP‧‧‧相對血流參數
201‧‧‧低肌肉柔軟度樣本集
202‧‧‧高肌肉柔軟度樣本集
301~304‧‧‧參考指標
401~404‧‧‧參考指標
本發明之其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:圖1是一方塊圖,說明本發明人體微循環評估系統之較佳實施例;圖2是一示意圖,說明對應本較佳實施例之一心跳週期訊號及一微循環血流訊號的波形;以及圖3是一示意圖,說明對應本較佳實施例之一微循環血流平均函數的波形;。圖4是一示意圖,說明對應本較佳實施例之一低肌肉柔軟度樣本集及一高肌肉柔軟度樣本集在一直流血流參數的數值表現;圖5是一示意圖,說明對應本較佳實施例之該低肌肉
柔軟度樣本集及該高肌肉柔軟度樣本集在一交流血流參數的數值表現;圖6是一示意圖,說明對應本較佳實施例之一久坐不動樣本集及一規律運動群組樣本集在一直流血流參數的數值分布情況;以及圖7是一示意圖,說明對應本較佳實施例之該久坐不動樣本集及該規律運動群組樣本集在一相對血流參數的數值分布情況。
參閱圖1與圖2,本發明人體微循環評估系統1之較佳實施例包含一心跳週期感測單元11、一微循環感測單元12、一類比數位轉換單元13、一抗噪單元14、一數位訊號處理單元15、一資料庫16及一評估單元17。其中,該數位訊號處理單元15包括一訊號分段模組151、一正規轉換模組152,及一函數計算模組153。
其中,該心跳週期感測單元11用於以非侵入方式針對一受測者在一特定狀態下的血液循環進行感測,以輸出與血液循環同步之一心跳週期訊號111。在本較佳實施例中,該心跳週期感測單元11為可測得該受測者之心跳週期訊號111之一裝置,該心跳週期訊號111例如為下列訊號之其中一者:心電圖(Electrocardiography,ECG)訊號、連續血壓(Continuous Blood Pressure,CBP)訊號、超音波血流(Ultrasound Blood Flow)訊號、生物電阻抗(Bioelectrical Impedance Plethysmograph)、或光學血流
(Optical Blood Flow)訊號等。
其中,該微循環感測單元12用於透過非侵入方式針對該受測者之一受測部位的局部組織在該特定狀態下進行感測,以輸出相關於該局部組織之一微循環血流訊號121。其中,該受測部位係相關於人體之頸、肩、軀幹、上肢、下肢部分。在本較佳實施例中,該微循環血流訊號121可為,如透過雷射都卜勒血流儀(Laser Doppler Flowmetry,LDF)、光體積描計(Photoplethysmography,PPG)、近紅外線光譜儀(Near-Infrared Spectroscopy,NIRS)、或藉由生物電阻抗(Bioelectrical Impedance Plethysmograph)等其中一者所測得之局部組織之微循環血流量生理訊號。舉例來說,當該微循環感測單元12為雷射都卜勒血流儀時,其係透過功率20mw,並藉由皮膚探頭以貼片固定在該受測部位的皮膚表面來進行非侵入式感測。
參閱圖2,在本較佳實施例中,該心跳週期訊號111的實施態樣為心電圖訊號(如圖2中編號111非虛線部分波形),且該微循環血流訊號121的實施態樣為藉由雷射都卜勒血流儀測得隨著時間變化之微循環血流量的波形(在本實施態樣中,由感測該受測者頸肩部所獲得如圖2中編號121虛線部分之波形),但不以此例示為限,感測波形亦可由該受測者採用不同的等效裝置且由身體上不同的局部組織部位獲得;從圖2中可以觀察到,該心跳週期訊號111係由多個不同的心跳間期(RR波)所構成。
參閱圖1,其中,在該類比數位轉換單元13中,其主要將由該心跳週期感測單元11及該微循環感測單元12所輸入的訊號由類比轉換成數位訊號。
其中,該抗噪單元14用以將上述經由數位化的心跳週期訊號111及微循環血流訊號121依序透過截止平率為0.1Hz的高通濾波器以減少呼吸運動所導致的雜訊,接著將其經由截止頻率為55Hz的低通濾波器來濾除儀器的電子雜訊。
其中,在數位訊號處理單元15中,該正規轉換模組152首先依據一參考週期時間,利用一重取樣演算法(Resample Algorithm)將每一心跳間期不同於該參考週期時間的微循環血流函數進行正規化計算,使正規化後的每一微循環血流函數的心跳間期長度均與該參考週期時間相同。
在本較佳實施例中,該參考週期時間例如可為統計該受測者在一分鐘內所有的心跳間期,並從中採用上述心跳間期之“中位數”作為代表。
一般而言,由於血流訊號不如血壓訊號或心電訊號可明顯看出與心律同步的週期訊號,因此,在數位訊號處理單元15中,該訊號分段模組151用於依據該心跳週期訊號111中該等心跳間期,將該微循環血流訊號121進行分段,以產生多個對應於該等心跳間期之微循環血流函數。其中,每一段微循環血流函數波形表示為一次心跳的血流訊號。
其中,該正規轉換模組152所進行的重取樣演算法之正規化程序如下:假設有一波形G(x)函數是心跳間期長度為N+1的微循環血流函數;首先,將G(x)函數對應於水平x軸上的該心跳間期長度正規化至[0,1]區間,使其在x軸上的每一取樣點為[0,1/N,2/N,...,1]。
接著,假設該參考週期時間長度為L=M+1;因此,為了產生一個新的波形G’(x)函數,使其心跳間期長度同樣為L(亦即有M+1個取樣點),因此,可透過下列的步驟計算得到:首先,將G’(x)函數對應於水平x軸上的該心跳間期長度正規化至[0,1]區間,使其在x軸上的每一取樣點為[0,1/M,2/M,...,1];接著,令G’(0)=G(0),G’(1)=G(1);接著,由取樣點1/M,2/M,...,(M-1)/M中找出和x為1/N,2/N,...,(N-1)/N之相同的取樣點,使G’(x)=G(x);接著,在剩餘無法直接由1/M,2/M,...,(M-1)/M中直接獲得對應數值之取樣點x中,個別找出一組對應於所述取樣點x之y1及y2,使得y1<x<y2,並且利用下列線性內插法(Linear Interpolation)公式(1)以解出相對於剩餘取樣點的G’(x),如下:
因此,每一微循環血流函數經由上述正規化計
算後,其心跳間期長度均能與該參考週期時間相同。
參閱圖1與圖3,在該數位訊號處理單元15中,該函數計算模組153用於將該等心跳間期長度與該參考週期時間相同的微循環血流函數在同一參考週期時間區間內進行平均計算,以產生該微循環血流平均函數154,並依據該微循環血流平均函數154之函數值,計算出相關於該受測者在該特定狀態下的一微循環特徵組。
參閱圖1與圖4至圖7,在本較佳實施例中,該微循環特徵組包括一直流血流參數DC、一交流血流參數AC,及一相對血流參數(Pulsatile Percentage,PP)。其中,該直流血流參數DC為相關於由固定量的動脈血、靜脈血、皮膚、脂肪等組織經都卜勒效應(Doppler Effect)所散射的量值,且該交流血流參數AC為相關於血管脈動時由血量增減變化所產生的量值,且該相對血流參數PP為相關於該直流血流參數DC與該交流血流參數AC之脈動百分比。
這三種參數均由如同圖3中的微循環血流平均函數154計算求得,主要是可用於評估該受測者各個受測部位局部組織之健康狀態。
其中,該直流血流參數DC定義為在該參考週期時間內,由該數位訊號處理單元15中的函數計算模組153所計算出的該微循環血流平均函數154之函數平均值,即為一平均血流量(單位為Perfusion Unit,PU)。
其中,該交流血流參數AC可為一血液面積變
化量或為一平均血液振幅變化量。其中,該血液面積變化量定義為該微循環血流平均函數154在該參考週期時間中,且由縱軸座標為該最大峰值155及該最小谷值156之間所界定的範圍內,將該微循環血流平均函數154積分計算求得,且該平均血液振幅係由該血液面積變化量除上該參考週期時間計算而求得。
其中,該相對血流參數PP之數值可藉由該數位訊號處理單元15計算該交流血流參數AC中的血液面積變化量與該直流血流參數DC之比值計算而來(即,),或者該相對血流參數PP之數值亦可採用該數位訊號處理單元15計算該交流血流參數AC中的平均血液振幅變化量與該直流血流參數DC之比值計算而來(即,)。
其中,該資料庫16用於儲存對應於不同性別及年齡層之多個受測群組之不同受測部位的局部組織在不同溫度、皮下脂肪厚度或BMI,以及特定狀態情況下之多筆統計資料組。
其中,該評估單元17用於依據受測者該次測量之該微循環特徵組在該資料庫16中與其相關的統計資料組之比對結果,產生一評估結果。
舉例來說,請參考圖4與圖5,為針對該受測部位之局部組織為小腿肌腹(腓腸肌)作為例示,所量測出該等受測群組中的一低肌肉柔軟度樣本集201及一高肌肉柔軟度樣本集202分別在該直流血流參數DC及該交流血
流參數AC之中位數之數值表現;其中,圖4及圖5中的BL代表該受測部位(即,小腿腓腸肌)之該特定狀態為一起始狀態,且AS1與AS2代表該受測部位之該特定狀態為一拉伸中狀態,R1~R3則代表該受測部位之該特定狀態為表示放鬆之一拉伸後狀態,且BL、AS1、R1、AS2、R2、R3間的時間間隔為一分鐘;每一特定狀態所獲得的量測數值皆被記錄至該資料庫16之該等統計資料組中,用以作為指標以評估該受測部位的健康狀況。其中,由圖4中可觀察到,該低肌肉柔軟度樣本集201在AS1狀態與BL狀態下之中位數數值之差值均大於該高肌肉柔軟度樣本集202在AS1狀態與BL狀態下之中位數數值之差值。
其中,請參考圖1及圖4,針對該受測部位為小腿腓腸肌時,當該評估單元17比對該受測者之受測部位分別在拉伸中狀態(AS1)與起始狀態(BL)的直流血流參數DC之差值大於該高肌肉柔軟度樣本集202分別在拉伸中狀態(AS1)與起始狀態(BL)的直流血流參數DC之差值時,則該評估單元17的評估結果為該受測者之受測部位處於低肌肉柔軟度狀態。此外,當該評估單元17比對該受測者之受測部位在起始狀態(BL)的直流血流參數DC大於該高肌肉柔軟度樣本集202在起始狀態(BL)的直流血流參數DC之參考指標(即,樣本之中位數數值),以及同時比對出該受測者之受測部位在起始狀態(BL)的直流血流參數DC大於其在拉伸後狀態(R1、R2、R3)的直流血流參數DC時,則該評估單元17所產生的評估結果為該受測
者之受測部位目前正處於不健康的血液滯積狀態。
其中,請參考圖1及圖5,針對該受測部位為小腿腓腸肌時,當該評估單元17比對該受測者之受測部位分別在拉伸中狀態與起始狀態的交流血流參數AC之差值大於該高肌肉柔軟度樣本集202分別在拉伸中狀態與起始狀態的交流血流參數AC之差值時,則該評估單元17的評估結果為該受測者之受測部位處於低肌肉柔軟度狀態。
或者,舉例來說,請參考圖6與圖7,為針對該受測部位為肩頸作為例示,所量測出該等受測群組中一久坐不動群組樣本集及一規律運動群組樣本集分別在該直流血流參數DC及該相對血流參數PP時之數值分布表現;其中,BLS表示該久坐不動群組樣本集在起始狀態時之數值分布情形,且PSS表示該久坐不動群組樣本集在拉伸後狀態時之數值分布情形,以及BLA表示該規律運動群組樣本集在起始狀態時之數值分布情形,且PSA表示該規律運動群組樣本集在拉伸後狀態時之數值分布情形。同樣地,每一特定狀態所獲得的量測數值皆被記錄至該資料庫16之該等統計資料組中;其中,圖6中編號301~304分別代表針對不同的受測群組,其受測部位分別在不同的特定狀態之直流血流參數DC的參考指標;在本較佳實施例中,該參考指標為樣本之中位數數值。圖7中編號401~404分別代表針對不同的受測群組,其受測部位分別在不同的特定狀態之相對血流參數PP的參考指標;其中,該規律運動群組樣本集在相對血流參數PP的表現中,其無論在起始狀態
以及在拉伸後狀態,其參考指標之數值均高於該久坐不動群組樣本集。
其中,請參考圖6,針對該受測部位為肩頸時,當該評估單元17比對該受測者之受測部位在起始狀態的直流血流參數DC大於該規律運動群組樣本集在起始狀態的直流血流參數DC之參考指標303,並且在同時比對出該受測者之受測部位在起始狀態的直流血流參數DC大於其在拉伸後狀態的直流血流參數DC時,則該評估單元17所產生的評估結果為該受測者之受測部位目前正處於不健康的血液滯積狀態。
其中,請參考圖7,針對該受測部位為肩頸時,當該評估單元17比對該受測者之受測部位在該起始狀態的相對血流參數之數值低於該規律運動群組樣本集在該起始狀態(BLA)的相對血流參數之參考指標403;或者,當該評估單元17比對出該受測者之受測部位在該拉伸後狀態的相對血流參數之數值低於該規律運動群組樣本集在該拉伸後狀態(PSA)的相對血流參數之參考指標404時,則該評估單元17的評估結果為該受測者之受測部位處於久坐不動或處於長時間維持同樣姿勢之狀態,可用於提醒受測者需針對該受測部位進行規律的運動。
由此可知,該評估單元17可將該受測部位之該直流血流參數DC或該交流血流參數AC與該受測部位相關的統計資料組進行比對,以進一步產生該評估結果,並用以確定該受測部位是否處於低肌肉柔軟度、或處於不健康
的血液滯積狀態,甚至可用於提醒受測者是否久坐不動或長期維持同樣姿勢。
值得一提的是,該資料庫16還用於儲存該受測者於不同時期所感測的微循環特徵組之感測結果,該評估單元17可依據歷史感測數據及該統計資料組,得知該受測者身上某處局部組織之健康趨勢是否轉好。
綜上所述,由於人體微循環訊號所呈現之相對變化,在生理意義上能提供許多有價值的參考性指標,因此,本發明人體微循環評估系統1透過其心跳週期感測單元11及微循環感測單元12以非侵入方式來感測該受測者身體局部組織中的生理訊號,將其經由該數位訊號處理單元15計算,並結合該資料庫16及評估單元17針對生理訊號之分析評估,使該受測者可藉由該評估單元17即時的評估檢測所產生的初步評估結果,在該評估結果級數為低級數時,可提醒該受測者加強其對於其身體特定部位之局部組織健康的重視,並調整其生活型態、或工作型態,甚至在必要時須就醫檢查,避免在組織發生病變或傷害時而不自覺,因而導致特定部位之局部組織更嚴重之傷害與失能之遺憾,故確實能達成本發明之目的。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。
1‧‧‧人體微循環評估系統
11‧‧‧心跳週期感測單元
12‧‧‧微循環感測單元
13‧‧‧類比數位轉換單元
14‧‧‧抗噪單元
15‧‧‧數位訊號處理單元
151‧‧‧訊號分段模組
152‧‧‧正規轉換模組
153‧‧‧函數計算模組
16‧‧‧資料庫
17‧‧‧評估單元
Claims (11)
- 一種人體微循環評估系統,包含:一心跳週期感測單元,用於透過非侵入方式感測受測者在一特定狀態之血液循環,以輸出與該受測者之血液循環同步之一心跳週期訊號;一微循環感測單元,用於透過非侵入方式針對受測者之一受測部位在該特定狀態下進行感測,以輸出相關於該受測部位之局部組織的一微循環血流訊號;一數位訊號處理單元,用於依據相關於該心跳週期訊號之一參考週期時間及該微循環血流訊號,計算出一微循環血流平均函數,並依據該微循環血流平均函數的函數值,計算出相關於該受測者在該特定狀態下的一微循環特徵組,其中,該數位訊號處理單元包括:一訊號分段模組,用於依據該心跳週期訊號中多個不同的心跳間期,將該微循環血流訊號進行分段,以產生多個對應於該等心跳間期之微循環血流函數;一正規轉換模組,用於依據該參考週期時間,將每一心跳間期不同於該參考週期時間的微循環血流函數進行正規化計算,使正規化後的每一微循環血流函數的心跳間期長度均與該參考週期時間相同;及一函數計算模組,用於將正規化後的每一微循 環血流函數進行平均計算,以產生該微循環血流平均函數,並依據該微循環血流平均函數之函數值,計算出該微循環特徵組;一資料庫,用於儲存多筆分別對應多個受測群組之不同受測部位在該特定狀態下之局部組織的統計資料組;以及一評估單元,用於在該資料庫中比對與該微循環特徵組相關的統計資料組,以得到相關於該受測部位之健康狀態的一評估結果。
- 如請求項1所述的人體微循環評估系統,其中,該數位訊號處理單元的正規轉換模組係利用一重取樣演算法,對每一心跳間期不同於該參考週期時間的微循環血流函數進行正規化計算。
- 如請求項1所述的人體微循環評估系統,其中,該受測部位之該特定狀態分為一起始狀態、一拉伸中狀態及一拉伸後狀態。
- 如請求項3所述的人體微循環評估系統,其中,該微循環特徵組包括一直流血流參數,且該直流血流參數定義為在該參考週期時間內,由該數位訊號處理單元所計算出的該微循環血流平均函數之函數平均值。
- 如請求項4所述的人體微循環評估系統,其中,該等受測群組包括一規律運動群組樣本集,且該資料庫所儲存的統計資料組包括該規律運動群組樣本集在該起始狀態的直流血流參數之參考指標,當該評估單元比對 該受測者之受測部位在該起始狀態的直流血流參數大於該規律運動群組樣本集在該起始狀態的直流血流參數之參考指標,且同時比對該受測者之受測部位在該起始狀態的直流血流參數大於其在該拉伸後狀態的直流血流參數時,則該評估單元所產生的評估結果為該受測者之受測部位目前正處於不健康的血液滯積狀態。
- 如請求項4所述的人體微循環評估系統,其中,針對該受測部位,該等受測群組包括一高肌肉柔軟度樣本集,當該評估單元比對該受測者之受測部位分別在該拉伸中狀態與該起始狀態的直流血流參數之差值大於該高肌肉柔軟度樣本集分別在該拉伸中狀態與該起始狀態的直流血流參數之差值時,則該評估單元的評估結果為該受測者之受測部位處於低肌肉柔軟度狀態。
- 如請求項3所述的人體微循環評估系統,其中,該微循環特徵組包括一交流血流參數,且該交流血流參數為在該參考週期時間內,由該數位訊號處理單元所計算出的該微循環血流平均函數之函數平均值,與該微循環血流平均函數之一最小谷值的相差值。
- 如請求項7所述的人體微循環評估系統,其中,針對該受測部位,當該評估單元比對該受測者之受測部位分別在該拉伸中狀態與該起始狀態的交流血流參數之差值大於該高肌肉柔軟度樣本集分別在該拉伸中狀態與該起始狀態的交流血流參數之差值時,則該評估單元 的評估結果為該受測者之受測部位處於低肌肉柔軟度狀態。
- 如請求項3所述的人體微循環評估系統,其中,該微循環特徵組包括一直流血流參數、一交流血流參數及一相對血流參數,該直流血流參數定義為在該參考週期時間內,由該數位訊號處理單元所計算出的該微循環血流平均函數之函數平均值,該交流血流參數為在該參考週期時間內,由該數位訊號處理單元所計算出的該微循環血流平均函數之函數平均值,與該微循環血流平均函數之一最小谷值的相差值,且該相對血流參數係由該數位訊號處理單元依據該直流血流參數及該交流血流參數計算而來。
- 如請求項9所述的人體微循環評估系統,其中,該等受測群組包括一規律運動群組樣本集,且該資料庫所儲存的統計資料組包括該規律運動群組樣本集在該起始狀態的相對血流參數之參考指標,當該評估單元比對該受測者之受測部位在該起始狀態的相對血流參數之數值低於該規律運動群組樣本集在該起始狀態的相對血流參數之參考指標,則該評估單元的評估結果為該受測者之受測部位處於久坐不動或處於長時間維持同樣姿勢之狀態。
- 如請求項9所述的人體微循環評估系統,其中,該等受測群組包括一規律運動群組樣本集,且該資料庫所儲存的統計資料組包括該規律運動群組樣本集在該拉伸 後狀態的相對血流參數之參考指標,當該評估單元比對該受測者之受測部位在該拉伸後狀態的相對血流參數之數值低於該規律運動群組樣本集在該拉伸後狀態的相對血流參數之參考指標,則該評估單元的評估結果為該受測者之受測部位處於久坐不動或處於長時間維持同樣姿勢之狀態。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103107013A TWI524879B (zh) | 2013-04-02 | 2014-03-03 | Human microcirculation evaluation system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102111895 | 2013-04-02 | ||
TW103107013A TWI524879B (zh) | 2013-04-02 | 2014-03-03 | Human microcirculation evaluation system |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201505605A TW201505605A (zh) | 2015-02-16 |
TWI524879B true TWI524879B (zh) | 2016-03-11 |
Family
ID=53019128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103107013A TWI524879B (zh) | 2013-04-02 | 2014-03-03 | Human microcirculation evaluation system |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI524879B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI697912B (zh) * | 2018-10-30 | 2020-07-01 | 宏碁股份有限公司 | 生理狀態的風險評估系統、方法及電子裝置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6988802B2 (ja) * | 2016-07-01 | 2022-01-05 | ソニーグループ株式会社 | 情報処理装置、情報処理方法及びプログラム |
-
2014
- 2014-03-03 TW TW103107013A patent/TWI524879B/zh not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI697912B (zh) * | 2018-10-30 | 2020-07-01 | 宏碁股份有限公司 | 生理狀態的風險評估系統、方法及電子裝置 |
Also Published As
Publication number | Publication date |
---|---|
TW201505605A (zh) | 2015-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miao et al. | Multi-sensor fusion approach for cuff-less blood pressure measurement | |
Zhang et al. | Highly wearable cuff-less blood pressure and heart rate monitoring with single-arm electrocardiogram and photoplethysmogram signals | |
Nabian et al. | An open-source feature extraction tool for the analysis of peripheral physiological data | |
Elgendi | On the analysis of fingertip photoplethysmogram signals | |
McCarthy et al. | An investigation of pulse transit time as a non-invasive blood pressure measurement method | |
Wang et al. | Monitoring heart and respiratory rates at radial artery based on PPG | |
TW201019898A (en) | Method and apparatus for presenting heart rate variability by sound and/or light | |
CN109846464A (zh) | 血液流动力学参数的无创测量系统和数据处理系统 | |
Davies et al. | Wearable in-ear PPG: Detailed respiratory variations enable classification of COPD | |
Heydari et al. | A chest-based continuous cuffless blood pressure method: Estimation and evaluation using multiple body sensors | |
Ibrahim et al. | Continuous blood pressure monitoring using wrist-worn bio-impedance sensors with wet electrodes | |
Mieloszyk et al. | A comparison of wearable tonometry, photoplethysmography, and electrocardiography for cuffless measurement of blood pressure in an ambulatory setting | |
Chen et al. | Unconstrained detection of respiration rhythm and pulse rate with one under-pillow sensor during sleep | |
Li et al. | The correlation study of Cun, Guan and Chi position based on wrist pulse characteristics | |
Nagura et al. | A practical BCG measuring system with bed sensors and algorithm for heartbeat detection | |
EP3888548A1 (en) | Bed-based ballistocardiogram apparatus | |
TWI524879B (zh) | Human microcirculation evaluation system | |
Hsu et al. | Heart rate and respiratory rate monitoring using seismocardiography | |
Bhat et al. | The biophysical parameter measurements from PPG signal | |
Zhang et al. | Development of a Continuous Blood Pressure Monitoring System based on Pulse Transit Time and Hemodynamic Covariates. | |
Ibrahim et al. | Effects of bio-impedance sensor placement relative to the arterial sites for capturing hemodynamic parameters | |
Johnson et al. | A Review of Photoplethysmography-based Physiological Measurement and Estimation, Part 1: Single Input Methods | |
More et al. | Development of non-invasive diagnostic tool for diseases using Photo Plethysmography | |
Wang et al. | An improved algorithm for noninvasive blood pressure measurement | |
Manamperi et al. | A robust neural network-based method to estimate arterial blood pressure using photoplethysmography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |