TWI553584B - 放鬆狀態之評估系統、方法以及電腦程式產品 - Google Patents

放鬆狀態之評估系統、方法以及電腦程式產品 Download PDF

Info

Publication number
TWI553584B
TWI553584B TW103136832A TW103136832A TWI553584B TW I553584 B TWI553584 B TW I553584B TW 103136832 A TW103136832 A TW 103136832A TW 103136832 A TW103136832 A TW 103136832A TW I553584 B TWI553584 B TW I553584B
Authority
TW
Taiwan
Prior art keywords
parameter
user
input parameter
input
evaluation index
Prior art date
Application number
TW103136832A
Other languages
English (en)
Other versions
TW201616436A (zh
Inventor
邱鴻志
何奕倫
林彥宏
馬席彬
王宗道
詹鈞傑
盧虹君
Original Assignee
國立清華大學
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 國立清華大學 filed Critical 國立清華大學
Priority to TW103136832A priority Critical patent/TWI553584B/zh
Priority to US14/645,141 priority patent/US9642546B2/en
Publication of TW201616436A publication Critical patent/TW201616436A/zh
Application granted granted Critical
Publication of TWI553584B publication Critical patent/TWI553584B/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • 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
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • 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
    • A61B5/02405—Determining heart rate variability

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

放鬆狀態之評估系統、方法以及電腦程式產品
本發明是有關一種放鬆狀態之評估系統、方法以及電腦程式產品，特別是一種利用心電圖(electrocardiograph，ECG)數據來評估放鬆狀態之系統、方法以及電腦程式產品。
壓力已成為現代人重要的致病因子之一，因此，持續累積之壓力或疲勞狀態若未能及時有效地紓解，將對身體的器官或機能造成危害。傳統上，大多是以腦波訊號為基礎之指標來評估受測者之放鬆狀態。然而，腦波訊號不易量測或容易受到干擾，因此，量測腦波需要較為精密的儀器或特定的環境，因而造成使用者的不便或無法隨時得知放鬆狀態。
有鑑於此，提供一種不以腦波訊號為基礎之指標來評估放鬆狀態便是目前極需努力的目標。
本發明提供一種放鬆狀態之評估系統、方法以及電腦程式產品，其是統計分析心電圖(electrocardiograph，ECG)數據，以建立以心電圖數據為基礎的評估指標來評估使用者之放鬆狀態，因此，本發明之評估指標較易量測且不易受到干擾而可推廣至使用者自行評估。
本發明一實施例之放鬆狀態之評估系統包含一感測模組以及一評估模組。感測模組用以量測一使用者之一心電圖數據。評估模組與感測模組電性連接，用以分析感測模組所量測之心電圖數據以產生一第一參數、一第二參數、一第三參數以及一第四參數，並計算出一評估指標。第一參數代表使用者治療心血管疾病之前之短尺度熵斜率。第二參數代表使用者治療心血管疾病之後以及之前之平均RR間距之差值。第三參數代表使用者治療心血管疾病之前之高頻範圍正常心跳間期的變異數取對數刻度。第四參數代表使用者治療心血管疾病之前之低頻範圍正常心跳間期的變異數除高頻範圍正常心跳間期的變異數取對數刻度。評估指標為第一參數、第二參數、第三參數以及第四參數之函數，且評估指標大於一閥值即判定使用者處於一放鬆狀態。
本發明另一實施例之放鬆狀態之評估方法包含：量測一使用者之一心電圖數據；分析心電圖數據以產生一第一參數、一第二參數、一第三參數以及一第四參數，其中第一參數代表使用者治療心血管疾病之前之短尺度熵斜率；第二參數代表使用者治療心血管疾病之後以及之前之平均RR間距之差值；第三參數代表使用者治療心血管疾病之前之高頻範圍正常心跳間期的變異數取對數刻度；以及第四參數代表使用者治療心血管疾病之前之低頻範圍正常心跳間期的變異數除高頻範圍正常心跳間期的變異數取對數刻度；計算出一評估指標，其中評估指標為第一參數、第二參數、第三參數以及第四參數之函數；以及評估使用者之放鬆狀態，其中評估指標大於一閥值判定使用者處於一放鬆狀態。
本發明又一實施例之電腦程式產品記錄於一非暫態之電腦可讀取媒體。電腦程式產品可供一運算裝置載入以執行一放鬆狀態之評估方法。放鬆狀態之評估方法包含：量測一使用者之一心電圖數據；分析心電圖數據以產生一第一參數、一第二參數、一第三參數以及一第四參數，其中第一參數代表使用者治療心血管疾病之前之短尺度熵斜率；第二參數代表使用者治療心血管疾病之後以及之前之平均RR間距之差值；第三參數代表使用者治療心血管疾病之前之高頻範圍正常心跳間期的變異數取對數刻度；以及第四參數代表使用者治療心血管疾病之前之低頻範圍正常心跳間期的變異數除高頻範圍正常心跳間期的變異數取對數刻度；計算出一評估指標，其中評估指標為第一參數、第二參數、第三參數以及第四參數之函數；以及評估使用者之放鬆狀態，其中評估指標大於一閥值判定使用者處於一放鬆狀態。
以下藉由具體實施例配合所附的圖式詳加說明，當更容易瞭解本發明之目的、技術內容、特點及其所達成之功效。
本發明所使用之評估指標是以心電圖(ECG)數據為基礎。運用非線性的數值分析方法可以觀測出心電圖數據所包含的非線性特性。非線性數值分析方法主要使用多尺度熵分析(multiscale entropy analysis，MSE analysis)以及心率變異度之去趨勢波動分析(de-trended fluctuation analysis)兩種方法。使用多尺度熵分析方法主要計算其斜率和面積的參數來呈現短時間和長時間的訊號複雜度，而心率變異度之去趨勢波動分析只要用來量化RR間距之間長時間和短時間之間的相關性。運用特性正規化的方法可以克服傳統正規化的限制，特性正規化是根據訊號本身的機率分佈對稱性做正規化運算，其可有效減低原訊號因受正規化運算的失真。
運用統計學的線性遞迴歸分析方法可建構出高度相關的公式來證實心電圖訊號與腦電圖(electroencephalogram，EEG)訊號之間的溝通。首先將心電圖訊號和腦電圖訊號分別使用線性和非線性的方法量化後，並輸入部分受測者的年齡、用藥情況和手術狀況的參數，使用統計學的Spearman correlation方法去除高度相關變項，透過逐步變量選擇方法(stepwise variable selection method)找出最適合的變項，最後利用線性迴歸(linear regression)建構出期望的方程式。整個分析流程最後可由多重R值(Multiple R)來證實心電圖訊號與腦電圖訊號之間的溝通信賴程度。
請參照圖1，本發明之一實施例之放鬆狀態之評估系統包含一感測模組11以及一評估模組12。感測模組11用以量測一使用者之一心電圖數據。舉例而言，感測模組11可藉由量測使用者之心跳、脈搏或血氧濃度取得對應之心電圖數據，量測期間可為5分鐘至24小時。評估模組12與感測模組11電性連接。評估模組12對感測模組11所量測之心電圖數據進行統計分析即可獲得相對應之一第一參數、一第二參數、一第三參數以及一第四參數。第一參數代表使用者治療心血管疾病之前(即未治療心血管疾病)之心電圖數據經由多尺度熵分析所獲得之短尺度熵(Short-scale)斜率。第二參數代表使用者治療心血管疾病之後(已治療心血管疾病)以及之前之心電圖數據之平均RR間距之差值。第三參數代表使用者治療心血管疾病之前之高頻範圍正常心跳間期的變異數，並取對數刻度。舉例而言，高頻範圍是指截取之頻率範圍為0.15-0.4Hz，其代表副交感神經活性的指標。第四參數代表使用者治療心血管疾病之前之低頻範圍正常心跳間期的變異數除高頻範圍正常心跳間期的變異數，並取對數刻度。舉例而言，低頻範圍是指截取之頻率範圍為0.04-0.15Hz，其代表交感神經活性或交感神經與副交感神經同時調控的指標。
接續上述說明，評估模組12並依據第一參數、第二參數、第三參數以及第四參數計算出一評估指標。舉例而言，評估指標為第一參數、第二參數、第三參數以及第四參數之函數。當評估指標大於一閥值時，評估模組12即可判定為使用者處於一放鬆狀態。
於第一實施例中，評估指標可由以下公式(1)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4             (1)
其中，PA1~PA4分別為第一參數、第二參數、第三參數以及第四參數，而A0~A4分別為一係數。可以理解的是，係數A0~A4可能隨著不同的資料庫樣本而有所調整。舉例而言，資料庫樣本中不同的人種、年齡、性別、是否服用心血管疾病藥物或是否接受過心血管疾病之手術治療等因子皆可能造成係數A0~A4產生變動。可以理解的是，當資料庫有足夠大的樣本數時，係數A0~A4亦可為一定值。以下其它實施例所提及之係數亦具有相同特性，故不再贅述。
於第一實施例中，評估指標在-7.2465至8.4435之間變化。當評估指標大於0.5985時即可判定使用者處於放鬆狀態。表一顯示第一參數、第二參數、第三參數以及第四參數對於評估指標之顯著性差異分析，即統計分析之P值(P value)。此外，經與腦波訊號分析比較，其多重R值為0.53，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表一
於第二實施例中，評估指標可由以下公式(2)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5                                                                               (2)
其中，A5為一係數，PA5為一第五參數，而其它相同代號之意義如前所述，在此不再贅述。第五參數代表使用者治療心血管疾病之前之心電圖數據經由多尺度熵分析所獲得之長尺度熵(Long-scale)斜率。
於第二實施例中，評估指標在-11.0056至11.0665之間變化。當評估指標大於0.0305時即可判定使用者處於放鬆狀態。表二顯示第一參數至第五參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.554，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表二
於第三實施例中，評估指標可由以下公式(3)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6                                                           (3)
其中，A6為一係數，PA6為第六參數，而其它相同代號之意義如前所述，在此不再贅述。第六參數代表使用者治療心血管疾病之後以及之前相鄰正常心跳間期差值超過20毫秒之差值，並取對數刻度。
於第三實施例中，評估指標在-10.2559至9.5578之間變化。當評估指標大於-0.3491時即可判定使用者處於放鬆狀態。表三顯示第一參數至第六參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.5637，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表三
於第四實施例中，評估指標可由以下公式(4)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7                                       (4)
其中，A7為一係數，PA7為第七參數，而其它相同代號之意義如前所述，在此不再贅述。第七參數代表使用者治療心血管疾病之後以及之前正常竇性心搏間期之標準差之差值，並取對數刻度。
於第四實施例中，評估指標在-12.6167至11.5619之間變化。當評估指標大於-0.5274時即可判定使用者處於放鬆狀態。表四顯示第一參數至第七參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.585，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表四
於第五實施例中，評估指標可由以下公式(5)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8                  (5)
其中，A8為一係數，PA8為第八參數，而其它相同代號之意義如前所述，在此不再贅述。第八參數代表使用者治療心血管疾病之後以及之前之短尺度熵斜率之差值。
於第五實施例中，評估指標在-9.6939至7.0790之間變化。當評估指標大於-1.3075時即可判定使用者處於放鬆狀態。表五顯示第一參數至第八參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.603，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表五
可以理解的是，使用者之生理狀態可能影響所量測到之心電圖數據，因此，於一實施例中，使用者可自行輸入一使用者參數，其代表使用者之生理資料，例如年齡、是否服用心血管疾病藥物或是否接受過心血管疾病之手術治療等。而計算評估指標時即進一步考量使用者所輸入之參數。舉例而言，於第六實施例中，評估指標可由以下公式(6)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                 (6)
其中，Au1~Au4分別為一係數，IP1~IP4分別為一第一輸入參數、一第二輸入參數、一第三輸入參數以及一第四輸入參數，而其它相同代號之意義如前所述，在此不再贅述。第一輸入參數代表使用者之腎絲球過濾率，其用以評估使用者之腎臟功能，其值介於低於60 ml/min/1.73m2 至90 ml/min/1.73m2 。第二輸入參數代表使用者有服用靜脈擴張劑藥物，例如硝酸異山梨醇酯(消心痛、硝異梨醇、Sorbitrate)、Ismo-20、Nithroderm TTS、Sigmant或硝酸甘油-舌下錠等。第三輸入參數代表使用者未服用抗凝血藥物，第四輸入參數代表使用者具有高血壓。
於第六實施例中，評估指標在-7.7442至15.3658之間變化。當評估指標大於8.4328時即可判定使用者處於放鬆狀態。表六顯示第一參數至第八參數以及第一輸入參數至第四輸入參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.7，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表六
於第七實施例中，評估指標可由以下公式(7)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + A9 × PA9   (7)
其中，A9為一係數，PA9為第九參數，而其它相同代號之意義如前所述，在此不再贅述。第九參數代表使用者治療心血管疾病之後以及之前之長尺度熵面積之差值。
於第七實施例中，評估指標在-10.6144至7.4267之間變化。當評估指標大於-1.5939時即可判定使用者處於放鬆狀態。表七顯示第一參數至第九參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.606，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表七
於第八實施例中，評估指標可由以下公式(8)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                 (8)
其中，相同代號之意義如前所述，在此不再贅述。
於第八實施例中，評估指標在-9.2634至16.7214之間變化。當評估指標大於8.9256時即可判定使用者處於放鬆狀態。表八顯示第一參數至第九參數以及第一輸入參數至第四輸入參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.71，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表八
於第九實施例中，評估指標可由以下公式(9)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4 + Au5 × IP5 + Au6 × IP6 + Au7 × IP7 + Au8 × IP8 + Au9 × IP9 + Au10 × IP10 + Au11 × IP11 + Au12 × IP12 + Au13 × IP13 + Au14 × IP14 (9)
其中，Au5~Au14分別為一係數，IP5~IP14分別為第五輸入參數、第六輸入參數、第七輸入參數、第八輸入參數、第九輸入參數、第十輸入參數、第十一輸入參數、第十二輸入參數、第十三輸入參數以及第十四輸入參數，其它相同代號之意義如前所述，在此不再贅述。第五輸入參數代表使用者未服用毛地黃糖苷(Digitalis Glycoside)藥物(例如Digoxin)，其適應症為心臟衰竭、心房撲動、心房纖維顫動、陣發性上室性心博過速等，第六輸入參數代表使用者之年齡，第七輸入參數代表使用者治療心血管疾病之前的血壓，第八輸入參數代表使用者具有高血脂，第九輸入參數代表使用者未服用靜脈擴張劑藥物，第十輸入參數代表使用者有服用抗凝血藥物(例如Bokey、Plavix、Tapal)，第十一輸入參數代表使用者有周邊動脈阻塞性疾病並有做氣球擴張，第十二輸入參數代表使用者有冠狀動脈疾病無做導管，第十三輸入參數代表使用者有服用降血脂藥物(例如Zocor、Lipitor、Crestor、Mevalotin、Lescol)，第十四輸入參數代表使用者有血管阻塞，但未做氣球擴張與支架。
於第九實施例中，評估指標在-5.4138至8.6076之間變化。當評估指標大於4.4012時即可判定使用者處於放鬆狀態。表九顯示第一參數至第九參數以及第一輸入參數至第十四輸入參數對於評估指標之顯著性差異分析。此外，經與腦波訊號分析比較，其多重R值為0.88，顯示心電圖訊號與腦波訊號之間具有同步相關聯性。 表九
前述實施例之評估指標變動範圍並不相同，導致判斷閥值亦不相同。可以理解的是，經由正規化處理可使判斷閥值趨於一致。舉例而言，可經由將評估指標正規化處理後，第一至第五以及第七實施例之判斷閥值可設定為0.5。同理，第六、八、九實施例之判斷閥值可設定為0.5。
於一實施例中，評估模組12能夠以有線或無線的方式與感測模組11電性連接。舉例而言，感測模組11可包含一藍牙通訊模組或無線區域網路(WLAN)模組而將所量測的心電圖數據無線傳送至評估模組12。此外，評估模組12可為單一裝置或為多個裝置之組合。舉例而言，評估模組12可為一電腦、可攜式裝置或行動上網裝置(例如智慧型手機或平板電腦)。或者，評估模組12可為電腦或行動上網裝置與雲端伺服器之組合。依據此架構，電腦或行動上網裝置可收集感測模組11所量測的心電圖數據及/或使用者所輸入之參數並傳送至雲端伺服器，待分析以及評估完成後，將評估結果回傳至電腦或行動上網裝置呈現給使用者了解。
請參照圖2，以說明本發明一實施例之放鬆狀態之評估方法。首先，量測一使用者之一心電圖數據(S21)，並分析所量測之心電圖數據以產生所需之參數(S22)，例如第一實施例之第一參數至第四參數。接著，計算出一評估指標(S23)。評估指標為步驟S22所產生之參數之函數。最後，評估使用者之放鬆狀態(S24)，例如當評估指標大於一閥值時判定為使用者處於一放鬆狀態。詳細之說明如前所述，在此不再贅述。
此外，本發明一實施例之電腦程式產品記錄於一非暫態之電腦可讀取媒體。本發明之電腦程式產品可供一運算裝置載入以執行如圖2所示之一放鬆狀態之評估方法。本發明之放鬆狀態之評估方法之詳細說明如前所述，在此不再贅述。可以理解的是，運算裝置可為一電腦、可攜式裝置或行動上網裝置等。
綜合上述，本發明之放鬆狀態之評估系統、方法以及電腦程式產品所使用之評估指標是藉由統計分析心電圖數據所獲得，因此，本發明量測使用者之心電圖數據即可評估使用者之放鬆狀態。相較於腦波訊號，本發明之評估指標較易量測且不容易受到干擾，因而可推廣至個人並由使用者自行評估。
以上所述之實施例僅是為說明本發明之技術思想及特點，其目的在使熟習此項技藝之人士能夠瞭解本發明之內容並據以實施，當不能以之限定本發明之專利範圍，即大凡依本發明所揭示之精神所作之均等變化或修飾，仍應涵蓋在本發明之專利範圍內。
11‧‧‧感測模組
12‧‧‧評估模組
S21~S24‧‧‧本發明之步驟
圖1為一方塊圖，顯示本發明一實施例之放鬆狀態之評估系統。 圖2為一流程圖，顯示本發明一實施例之放鬆狀態之評估方法。
S21~S24‧‧‧本發明之步驟

Claims (36)

  1. 一種放鬆狀態之評估系統，包含： 一感測模組，其用以量測一使用者之一心電圖數據；以及 一評估模組，其與該感測模組電性連接，用以分析該心電圖數據以產生一第一參數、一第二參數、一第三參數以及一第四參數，並計算出一評估指標； 其中該第一參數代表該使用者治療心血管疾病之前之短尺度熵(Short-scale)斜率；該第二參數代表該使用者治療心血管疾病之後以及之前之平均RR間距之差值；該第三參數代表該使用者治療心血管疾病之前之高頻範圍正常心跳間期的變異數取對數刻度；以及該第四參數代表該使用者治療心血管疾病之前之低頻範圍正常心跳間期的變異數除高頻範圍正常心跳間期的變異數取對數刻度；該評估指標為該第一參數、該第二參數、該第三參數以及該第四參數之函數，且該評估指標大於一閥值判定該使用者處於一放鬆狀態。
  2. 如請求項1所述之放鬆狀態之評估系統，其中該評估指標由以下公式(1)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4               (1) 其中，A0~A4分別為一係數，PA1~PA4分別為該第一參數、該第二參數、該第三參數以及該第四參數。
  3. 如請求項2所述之放鬆狀態之評估系統，其中計算該評估指標之函數更包含一第五參數，其代表該使用者治療心血管疾病之前之長尺度熵(Long-scale)斜率，且該評估指標由以下公式(2)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5                                                                                 (2) 其中，A5為一係數，PA5為該第五參數。
  4. 如請求項3所述之放鬆狀態之評估系統，其中計算該評估指標之函數更包含一第六參數，其代表該使用者治療心血管疾病之後以及之前相鄰正常心跳間期差值超過20毫秒之差值並取對數刻度，且該評估指標由以下公式(3)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6                                                             (3) 其中，A6為一係數，PA6為該第六參數。
  5. 如請求項4所述之放鬆狀態之評估系統，其中計算該評估指標之函數更包含一第七參數，其代表該使用者治療心血管疾病之後以及之前正常竇性心搏間期之標準差之差值並取對數刻度，且該評估指標由以下公式(4)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7                                         (4) 其中，A7為一係數，PA7為該第七參數。
  6. 如請求項5所述之放鬆狀態之評估系統，其中計算該評估指標之函數更包含一第八參數，其代表該使用者治療心血管疾病之後以及之前之短尺度熵斜率之差值，且該評估指標由以下公式(5)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8                     (5) 其中，A8為一係數，PA8為該第八參數。
  7. 如請求項6所述之放鬆狀態之評估系統，其中計算該評估指標更依據一使用者參數，其中該使用者參數代表該使用者之生理資料。
  8. 如請求項7所述之放鬆狀態之評估系統，其中該使用者參數包含一第一輸入參數、一第二輸入參數、一第三輸入參數以及一第四輸入參數，該第一輸入參數代表該使用者之腎絲球過濾率，該第二輸入參數代表該使用者有服用靜脈擴張劑藥物，該第三輸入參數代表該使用者未服用抗凝血藥物，該第四輸入參數代表該使用者具有高血壓，且該評估指標由以下公式(6)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                    (6) 其中，Au1~Au4分別為一係數，IP1~IP4分別為該第一輸入參數、該第二輸入參數、該第三輸入參數以及該第四輸入參數。
  9. 如請求項6所述之放鬆狀態之評估系統，其中計算該評估指標之函數更包含一第九參數，其代表該使用者治療心血管疾病之後以及之前之長尺度熵面積之差值，且該評估指標由以下公式(7)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + A9 × PA9 (7) 其中，A9為一係數，PA9為該第九參數。
  10. 如請求項9所述之放鬆狀態之評估系統，其中計算該評估指標更依據一使用者參數，其中該使用者參數代表該使用者之生理資料。
  11. 如請求項10所述之放鬆狀態之評估系統，其中該使用者參數包含一第一輸入參數、一第二輸入參數、一第三輸入參數以及一第四輸入參數，該第一輸入參數代表該使用者之腎絲球過濾率，該第二輸入參數代表該使用者有服用靜脈擴張劑藥物，該第三輸入參數代表該使用者未服用抗凝血藥物，該第四輸入參數代表該使用者具有高血壓，且該評估指標由以下公式(8)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                    (8) 其中，Au1~Au4分別為一係數，IP1~IP4分別為該第一輸入參數、該第二輸入參數、該第三輸入參數以及該第四輸入參數。
  12. 如請求項11所述之放鬆狀態之評估系統，其中該使用者參數更包含一第五輸入參數、一第六輸入參數、一第七輸入參數、一第八輸入參數、一第九輸入參數、一第十輸入參數、一第十一輸入參數、一第十二輸入參數、一第十三輸入參數以及一第十四輸入參數，該第五輸入參數代表該使用者未服用毛地黃糖苷(Digitalis Glycoside)藥物，該第六輸入參數代表該使用者之年齡，該第七輸入參數代表該使用者治療心血管疾病之前的血壓，該第八輸入參數代表該使用者具有高血脂，該第九輸入參數代表該使用者未服用靜脈擴張劑藥物，該第十輸入參數代表該使用者有服用抗凝血藥物，該第十一輸入參數代表該使用者有周邊動脈阻塞性疾病並有做氣球擴張，該第十二輸入參數代表該使用者有冠狀動脈疾病無做導管，該第十三輸入參數代表該使用者有服用降血脂藥物，該第十四輸入參數代表該使用者有血管阻塞，但未做氣球擴張與支架，且該評估指標由以下公式(9)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4 + Au5 × IP5 + Au6 × IP6 + Au7 × IP7 + Au8 × IP8 + Au9 × IP9 + Au10 × IP10 + Au11 × IP11 + Au12 × IP12 + Au13 × IP13 + Au14 × IP14    (9) 其中，Au5~Au14分別為一係數，IP5~IP14分別為該第五輸入參數、該第六輸入參數、該第七輸入參數、該第八輸入參數、該第九輸入參數、該第十輸入參數、該第十一輸入參數、該第十二輸入參數、該第十三輸入參數以及該第十四輸入參數。
  13. 一種放鬆狀態之評估方法，包含： 量測一使用者之一心電圖數據； 分析該心電圖數據以產生一第一參數、一第二參數、一第三參數以及一第四參數，其中該第一參數代表該使用者治療心血管疾病之前之短尺度熵(Short-scale)斜率；該第二參數代表該使用者治療心血管疾病之後以及之前之平均RR間距之差值；該第三參數代表該使用者治療心血管疾病之前之高頻範圍正常心跳間期的變異數取對數刻度；以及該第四參數代表該使用者治療心血管疾病之前之低頻範圍正常心跳間期的變異數除高頻範圍正常心跳間期的變異數取對數刻度； 計算出一評估指標，其中該評估指標為該第一參數、該第二參數、該第三參數以及該第四參數之函數；以及 評估該使用者之放鬆狀態，其中該評估指標大於一閥值判定該使用者處於一放鬆狀態。
  14. 如請求項13所述之放鬆狀態之評估方法，其中該評估指標由以下公式(1)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4               (1) 其中，A0~A4分別為一係數，PA1~PA4分別為該第一參數、該第二參數、該第三參數以及該第四參數。
  15. 如請求項14所述之放鬆狀態之評估方法，其中計算該評估指標之函數更包含一第五參數，其代表該使用者治療心血管疾病之前之長尺度熵(Long-scale)斜率，且該評估指標由以下公式(2)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5                                                                                 (2) 其中，A5為一係數，PA5為該第五參數。
  16. 如請求項15所述之放鬆狀態之評估方法，其中計算該評估指標之函數更包含一第六參數，其代表該使用者治療心血管疾病之後以及之前相鄰正常心跳間期差值超過20毫秒之差值並取對數刻度，且該評估指標由以下公式(3)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6                                                             (3) 其中，A6為一係數，PA6為該第六參數。
  17. 如請求項16所述之放鬆狀態之評估方法，其中計算該評估指標之函數更包含一第七參數，其代表該使用者治療心血管疾病之後以及之前正常竇性心搏間期之標準差之差值並取對數刻度，且該評估指標由以下公式(4)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7                                         (4) 其中，A7為一係數，PA7為該第七參數。
  18. 如請求項17所述之放鬆狀態之評估方法，其中計算該評估指標之函數更包含一第八參數，其代表該使用者治療心血管疾病之後以及之前之短尺度熵斜率之差值，且該評估指標由以下公式(5)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8                     (5) 其中，A8為一係數，PA8為該第八參數。
  19. 如請求項18所述之放鬆狀態之評估方法，其中計算該評估指標更依據一使用者參數，其中該使用者參數代表該使用者之生理資料。
  20. 如請求項19所述之放鬆狀態之評估方法，其中該使用者參數包含一第一輸入參數、一第二輸入參數、一第三輸入參數以及一第四輸入參數，該第一輸入參數代表該使用者之腎絲球過濾率，該第二輸入參數代表該使用者有服用靜脈擴張劑藥物，該第三輸入參數代表該使用者未服用抗凝血藥物，該第四輸入參數代表該使用者具有高血壓，且該評估指標由以下公式(6)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                    (6) 其中，Au1~Au4分別為一係數，IP1~IP4分別為該第一輸入參數、該第二輸入參數、該第三輸入參數以及該第四輸入參數。
  21. 如請求項18所述之放鬆狀態之評估方法，其中計算該評估指標之函數更包含一第九參數，其代表該使用者治療心血管疾病之後以及之前之長尺度熵面積之差值，且該評估指標由以下公式(7)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + A9 × PA9 (7) 其中，A9為一係數，PA9為該第九參數。
  22. 如請求項21所述之放鬆狀態之評估方法，其中計算該評估指標更依據一使用者參數，其中該使用者參數代表該使用者之生理資料。
  23. 如請求項22所述之放鬆狀態之評估方法，其中該使用者參數包含一第一輸入參數、一第二輸入參數、一第三輸入參數以及一第四輸入參數，該第一輸入參數代表該使用者之腎絲球過濾率，該第二輸入參數代表該使用者有服用靜脈擴張劑藥物，該第三輸入參數代表該使用者未服用抗凝血藥物，該第四輸入參數代表該使用者具有高血壓，且該評估指標由以下公式(8)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                    (8) 其中，Au1~Au4分別為一係數，IP1~IP4分別為該第一輸入參數、該第二輸入參數、該第三輸入參數以及該第四輸入參數。
  24. 如請求項23所述之放鬆狀態之評估方法，其中該使用者參數更包含一第五輸入參數、一第六輸入參數、一第七輸入參數、一第八輸入參數、一第九輸入參數、一第十輸入參數、一第十一輸入參數、一第十二輸入參數、一第十三輸入參數以及一第十四輸入參數，該第五輸入參數代表該使用者未服用毛地黃糖苷(Digitalis Glycoside)藥物，該第六輸入參數代表該使用者之年齡，該第七輸入參數代表該使用者治療心血管疾病之前的血壓，該第八輸入參數代表該使用者具有高血脂，該第九輸入參數代表該使用者未服用靜脈擴張劑藥物，該第十輸入參數代表該使用者有服用抗凝血藥物，該第十一輸入參數代表該使用者有周邊動脈阻塞性疾病並有做氣球擴張，該第十二輸入參數代表該使用者有冠狀動脈疾病無做導管，該第十三輸入參數代表該使用者有服用降血脂藥物，該第十四輸入參數代表該使用者有血管阻塞，但未做氣球擴張與支架，且該評估指標由以下公式(9)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4 + Au5 × IP5 + Au6 × IP6 + Au7 × IP7 + Au8 × IP8 + Au9 × IP9 + Au10 × IP10 + Au11 × IP11 + Au12 × IP12 + Au13 × IP13 + Au14 × IP14    (9) 其中，Au5~Au14分別為一係數，IP5~IP14分別為該第五輸入參數、該第六輸入參數、該第七輸入參數、該第八輸入參數、該第九輸入參數、該第十輸入參數、該第十一輸入參數、該第十二輸入參數、該第十三輸入參數以及該第十四輸入參數。
  25. 一種電腦程式產品，其記錄於一非暫態之電腦可讀取媒體，並用以供一運算裝置載入以執行一放鬆狀態之評估方法，該放鬆狀態之評估方法包含： 量測一使用者之一心電圖數據； 分析該心電圖數據以產生一第一參數、一第二參數、一第三參數以及一第四參數，其中該第一參數代表該使用者治療心血管疾病之前之短尺度熵(Short-scale)斜率；該第二參數代表該使用者治療心血管疾病之後以及之前之平均RR間距之差值；該第三參數代表該使用者治療心血管疾病之前之高頻範圍正常心跳間期的變異數取對數刻度；以及該第四參數代表該使用者治療心血管疾病之前之低頻範圍正常心跳間期的變異數除高頻範圍正常心跳間期的變異數取對數刻度； 計算出一評估指標，其中該評估指標為該第一參數、該第二參數、該第三參數以及該第四參數之函數；以及 評估該使用者之放鬆狀態，其中該評估指標大於一閥值判定為該使用者處於一放鬆狀態。
  26. 如請求項25所述之電腦程式產品，其中該評估指標由以下公式(1)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4               (1) 其中，A0~A4分別為一係數，PA1~PA4分別為該第一參數、該第二參數、該第三參數以及該第四參數。
  27. 如請求項26所述之電腦程式產品，其中計算該評估指標之函數更包含一第五參數，其代表該使用者治療心血管疾病之前之長尺度熵(Long-scale)斜率，且該評估指標由以下公式(2)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5                                                                                 (2) 其中，A5為一係數，PA5為該第五參數。
  28. 如請求項27所述之電腦程式產品，其中計算該評估指標之函數更包含一第六參數，其代表該使用者治療心血管疾病之後以及之前相鄰正常心跳間期差值超過20毫秒之差值並取對數刻度，且該評估指標由以下公式(3)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6                                                             (3) 其中，A6為一係數，PA6為該第六參數。
  29. 如請求項28所述之電腦程式產品，其中計算該評估指標之函數更包含一第七參數，其代表該使用者治療心血管疾病之後以及之前正常竇性心搏間期之標準差之差值並取對數刻度，且該評估指標由以下公式(4)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7                                         (4) 其中，A7為一係數，PA7為該第七參數。
  30. 如請求項29所述之電腦程式產品，其中計算該評估指標之函數更包含一第八參數，其代表該使用者治療心血管疾病之後以及之前之短尺度熵斜率之差值，且該評估指標由以下公式(5)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8                     (5) 其中，A8為一係數，PA8為該第八參數。
  31. 如請求項30所述之電腦程式產品，其中計算該評估指標更依據一使用者參數，其中該使用者參數代表該使用者之生理資料。
  32. 如請求項31所述之電腦程式產品，其中該使用者參數包含一第一輸入參數、一第二輸入參數、一第三輸入參數以及一第四輸入參數，該第一輸入參數代表該使用者之腎絲球過濾率，該第二輸入參數代表該使用者有服用靜脈擴張劑藥物，該第三輸入參數代表該使用者未服用抗凝血藥物，該第四輸入參數代表該使用者具有高血壓，且該評估指標由以下公式(6)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                    (6) 其中，Au1~Au4分別為一係數，IP1~IP4分別為該第一輸入參數、該第二輸入參數、該第三輸入參數以及該第四輸入參數。
  33. 如請求項30所述之電腦程式產品，其中計算該評估指標之函數更包含一第九參數，其代表該使用者治療心血管疾病之後以及之前之長尺度熵面積之差值，且該評估指標由以下公式(7)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8 + A9 × PA9 (7) 其中，A9為一係數，PA9為該第九參數。
  34. 如請求項33所述之電腦程式產品，其中計算該評估指標更依據一使用者參數，其中該使用者參數代表該使用者之生理資料。
  35. 如請求項34所述之電腦程式產品，其中該使用者參數包含一第一輸入參數、一第二輸入參數、一第三輸入參數以及一第四輸入參數，該第一輸入參數代表該使用者之腎絲球過濾率，該第二輸入參數代表該使用者有服用靜脈擴張劑藥物，該第三輸入參數代表該使用者未服用抗凝血藥物，該第四輸入參數代表該使用者具有高血壓，且該評估指標由以下公式(8)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4                    (8) 其中，Au1~Au4分別為一係數，IP1~IP4分別為該第一輸入參數、該第二輸入參數、該第三輸入參數以及該第四輸入參數。
  36. 如請求項35所述之電腦程式產品，其中該使用者參數更包含一第五輸入參數、一第六輸入參數、一第七輸入參數、一第八輸入參數、一第九輸入參數、一第十輸入參數、一第十一輸入參數、一第十二輸入參數、一第十三輸入參數以及一第十四輸入參數，該第五輸入參數代表該使用者未服用毛地黃糖苷(Digitalis Glycoside)藥物，該第六輸入參數代表該使用者之年齡，該第七輸入參數代表該使用者治療心血管疾病之前的血壓，該第八輸入參數代表該使用者具有高血脂，該第九輸入參數代表該使用者未服用靜脈擴張劑藥物，該第十輸入參數代表該使用者有服用抗凝血藥物，該第十一輸入參數代表該使用者有周邊動脈阻塞性疾病並有做氣球擴張，該第十二輸入參數代表該使用者有冠狀動脈疾病無做導管，該第十三輸入參數代表該使用者有服用降血脂藥物，該第十四輸入參數代表該使用者有血管阻塞，但未做氣球擴張與支架，且該評估指標由以下公式(9)計算得到： A0 + A1 × PA1 + A2 × PA2 + A3 × PA3 + A4 × PA4 + A5 × PA5 + A6 × PA6 + A7 × PA7 + A8 × PA8+ A9 × PA9 + Au1 × IP1 + Au2 × IP2 + Au3 × IP3 + Au4 × IP4 + Au5 × IP5 + Au6 × IP6 + Au7 × IP7 + Au8 × IP8 + Au9 × IP9 + Au10 × IP10 + Au11 × IP11 + Au12 × IP12 + Au13 × IP13 + Au14 × IP14    (9) 其中，Au5~Au14分別為一係數，IP5~IP14分別為該第五輸入參數、該第六輸入參數、該第七輸入參數、該第八輸入參數、該第九輸入參數、該第十輸入參數、該第十一輸入參數、該第十二輸入參數、該第十三輸入參數以及該第十四輸入參數。
TW103136832A 2014-10-24 2014-10-24 放鬆狀態之評估系統、方法以及電腦程式產品 TWI553584B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW103136832A TWI553584B (zh) 2014-10-24 2014-10-24 放鬆狀態之評估系統、方法以及電腦程式產品
US14/645,141 US9642546B2 (en) 2014-10-24 2015-03-11 Relaxation state evaluation system and method and computer program product thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW103136832A TWI553584B (zh) 2014-10-24 2014-10-24 放鬆狀態之評估系統、方法以及電腦程式產品

Publications (2)

Publication Number Publication Date
TW201616436A TW201616436A (zh) 2016-05-01
TWI553584B true TWI553584B (zh) 2016-10-11

Family

ID=55790995

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103136832A TWI553584B (zh) 2014-10-24 2014-10-24 放鬆狀態之評估系統、方法以及電腦程式產品

Country Status (2)

Country Link
US (1) US9642546B2 (zh)
TW (1) TWI553584B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI553584B (zh) * 2014-10-24 2016-10-11 國立清華大學 放鬆狀態之評估系統、方法以及電腦程式產品
KR20160137259A (ko) * 2015-05-22 2016-11-30 삼성전자주식회사 터치 패널을 포함하는 전자 장치 및 그 제어 방법
CN105902263B (zh) * 2016-04-29 2019-04-16 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置
JP2018015462A (ja) * 2016-07-29 2018-02-01 富士通株式会社 眠気検知プログラム、眠気検知方法および眠気検知装置
CN106264510B (zh) 2016-08-23 2019-12-13 清华大学 一种筛选手术患者的建模方法
CN110353704B (zh) * 2019-07-12 2022-02-01 东南大学 基于穿戴式心电监测的情绪评估方法与装置
CN111374819B (zh) * 2020-03-16 2021-12-17 深圳市值米科技有限公司 止鼾器及其鼾声识别方法、鼾声识别装置和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1182890C (zh) * 1996-07-09 2005-01-05 精工爱普生株式会社 放松指导装置和生物反馈指导装置
US20050251054A1 (en) * 2004-05-10 2005-11-10 Medpond, Llc Method and apparatus for measurement of autonomic nervous system function
US20060235319A1 (en) * 2005-04-18 2006-10-19 Mayo Foundation For Medical Education And Research Trainable diagnostic system and method of use
WO2010140117A1 (en) * 2009-06-04 2010-12-09 Koninklijke Philips Electronics, N.V. Method and system for providing behavioural therapy for insomnia
CN102113879A (zh) * 2009-12-30 2011-07-06 上海东方脑科学研究所 一种脑波实时评价系统及其评价方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI553584B (zh) * 2014-10-24 2016-10-11 國立清華大學 放鬆狀態之評估系統、方法以及電腦程式產品

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1182890C (zh) * 1996-07-09 2005-01-05 精工爱普生株式会社 放松指导装置和生物反馈指导装置
US20050251054A1 (en) * 2004-05-10 2005-11-10 Medpond, Llc Method and apparatus for measurement of autonomic nervous system function
US20060235319A1 (en) * 2005-04-18 2006-10-19 Mayo Foundation For Medical Education And Research Trainable diagnostic system and method of use
WO2010140117A1 (en) * 2009-06-04 2010-12-09 Koninklijke Philips Electronics, N.V. Method and system for providing behavioural therapy for insomnia
CN102113879A (zh) * 2009-12-30 2011-07-06 上海东方脑科学研究所 一种脑波实时评价系统及其评价方法

Also Published As

Publication number Publication date
US20160113538A1 (en) 2016-04-28
TW201616436A (zh) 2016-05-01
US9642546B2 (en) 2017-05-09

Similar Documents

Publication Publication Date Title
TWI553584B (zh) 放鬆狀態之評估系統、方法以及電腦程式產品
Mejía-Mejía et al. Pulse rate variability in cardiovascular health: A review on its applications and relationship with heart rate variability
AU2016293110B2 (en) Processing biological data
US9943237B2 (en) Analysis of direct and indirect heartbeat data variations
Wang et al. Cuff-free blood pressure estimation using pulse transit time and heart rate
van Westrhenen et al. Ictal autonomic changes as a tool for seizure detection: a systematic review
US20160338640A1 (en) Psychological acute stress measurement using a wireless sensor
US20120136261A1 (en) Systems and methods for calibrating physiological signals with multiple techniques
EP3096686B1 (en) Heart monitoring device
US20190059753A1 (en) Apparatus and method for determining a blood pressure of a subject
JPWO2009150744A1 (ja) 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム
JP2011115188A (ja) 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム
US20200121193A1 (en) Non-cerebral organ autoregulation status determination
JP6522327B2 (ja) 脈波解析装置
Lam et al. Measuring heart rate variability in free-living conditions using consumer-grade photoplethysmography: Validation study
Alves et al. Linear and complex measures of heart rate variability during exposure to traffic noise in healthy women
US20180078212A1 (en) System and method for characterizing respiratory stress
EP3203900A1 (en) Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis
Naranjo-Hernández et al. Smart device for the determination of heart rate variability in real time
Liu et al. Arteries stiffen with age, but can retain an ability to become more elastic with applied external cuff pressure
Cassirame et al. Effects of RR time series accuracy on heart rate variability indexes
Park et al. A study on the development of a day-to-day mental stress monitoring system using personal physiological data
Iqbal et al. Real-time signal processing of data from an ECG
De Alwis et al. Parametric model between pulse transit time and systolic and diastolic blood pressures for non-invasive blood pressure estimation
Baglio et al. Virtual biosensors for the estimation of medical precursors