TWI645834B - 用於機會性測量及處理使用者的情境的裝置、方法及非暫態計算裝置可讀取媒體 - Google Patents
用於機會性測量及處理使用者的情境的裝置、方法及非暫態計算裝置可讀取媒體 Download PDFInfo
- Publication number
- TWI645834B TWI645834B TW104136322A TW104136322A TWI645834B TW I645834 B TWI645834 B TW I645834B TW 104136322 A TW104136322 A TW 104136322A TW 104136322 A TW104136322 A TW 104136322A TW I645834 B TWI645834 B TW I645834B
- Authority
- TW
- Taiwan
- Prior art keywords
- user
- data
- ppg
- sensors
- curve
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 50
- 238000005259 measurement Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000036772 blood pressure Effects 0.000 claims description 39
- 210000003414 extremity Anatomy 0.000 claims description 29
- 230000035487 diastolic blood pressure Effects 0.000 claims description 25
- 230000035488 systolic blood pressure Effects 0.000 claims description 25
- 210000000707 wrist Anatomy 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 16
- 238000000718 qrs complex Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000007477 logistic regression Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000035790 physiological processes and functions Effects 0.000 description 26
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012417 linear regression Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 210000001364 upper extremity Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004962 physiological condition Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- 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
- A61B5/6897—Computer input devices, e.g. mice or keyboards
-
- 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
-
- 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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
-
- 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
- A61B2560/04—Constructional details of apparatus
- A61B2560/0462—Apparatus with built-in sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
Abstract
本揭露之實施例提供用於使用者的情境之機會性測量及處理的裝置之技術與組態。於一情況中,該裝置可包含一感測器模組,其包含設置於一工作表面上的感測器,當一使用者的肢體之部份係被置於該工作表面上時,該等感測器與該使用者的肢體之一部份維持直接或間接接觸持續一段期間,用以獲得在整個直接或間接接觸之該時間期間中該使用者的情境之一第一與一第二參數之讀數;及一處理模組,用以處理該第一與該第二參數之讀數,包含用以識別該第一參數之一第一特徵與該第二參數之與該第一特徵時間關聯的一第二特徵,及基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數。其他實施例可被說明及/或主張權利。
Description
本揭露之實施例大致關於感測裝置之領域,具體言之,係有關於提供使用者的生理情境之機會性測量。
今日的計算裝置可提供使用者感測及給予使用者一些使用者情境參數(user context parameter),例如使用者的移動、周圍光、周圍溫度等等。使用者情境參數可藉由增加相關的感測器及對應的邏輯至使用者的計算裝置而被提供。然而,用以提供使用者的情境之現有方法(例如有關使用者的健康狀態之參數)會消耗實質的使用者的時間之量,且需要連續的感測器讀數及對應的資料處理,而這些會需要使用實質的能源、硬體、及計算資源。
100‧‧‧裝置
102‧‧‧工作表面
104‧‧‧計算裝置
106‧‧‧手
110‧‧‧電極
112‧‧‧電極
114‧‧‧感測器
116‧‧‧感測器
118‧‧‧感測器
120‧‧‧感測器
122‧‧‧感測器
124‧‧‧電子電路
126‧‧‧ECG模組
128‧‧‧PPG模組
130‧‧‧目前狀態感測器模組
140‧‧‧感測器陣列
150‧‧‧感測器聚合器
152‧‧‧系統單晶片
154‧‧‧外部計算裝置
160‧‧‧處理模組
162‧‧‧血壓決定次模組
164‧‧‧血壓臨界決定次模組
166‧‧‧作業系統及/或應用程式
170‧‧‧顯示器
202‧‧‧視圖
204‧‧‧邊框
205‧‧‧箱罩
206‧‧‧平板電腦計算裝置
208‧‧‧背側
212‧‧‧視圖
222‧‧‧視圖
224‧‧‧按鍵
226‧‧‧鍵盤
302‧‧‧ECG圖
310‧‧‧脈波傳輸時間
312‧‧‧PPG圖
400‧‧‧流程
402‧‧‧方塊
404‧‧‧方塊
406‧‧‧方塊
408‧‧‧方塊
410‧‧‧方塊
500‧‧‧計算裝置
502‧‧‧處理器核心
504‧‧‧系統記憶體
506‧‧‧大量儲存裝置
508‧‧‧輸入/輸出裝置
510‧‧‧通訊介面
512‧‧‧系統匯流排
522‧‧‧計算邏輯
藉由下列詳細說明參考所附圖式,實施例將被輕易地了解。為了協助此說明,相似的元件符號代表相似的結構
元件。實施例係藉由後附圖式中之範例來說明但非用以限制。
第1圖為方塊圖,顯示根據一些實施例結合本揭露的教示之用於使用者的情境之機會性測量及處理之裝置100。
第2圖顯示用以進行使用者的情境的測量之根據一些實施例於計算裝置的工作表面上之感測器的配置之範例。
第3圖為顯示表示因應根據一些實施例之待被處理的使用者的情境之機會性測量所接收的感測器資料之範例圖式的時間關聯圖之圖形表示。
第4圖顯示根據一些實施例之用於使用者的情境之機會性測量及處理的流程圖。
第5圖顯示根據一些實施例之適用於使用第1圖之各種組件(例如第1圖之用於使用者的情境之機會性測量及處理的裝置)之範例計算裝置。
本揭露之實施例包含用於使用者的生理情境之機會性測量的裝置之技術與組態。機會性測量可包含使用者與一裝置互動的期間之使用者的情境之測量,例如當使用者的上肢體之部份(例如手、手掌、及/或手腕)係被設於該裝置之工作表面上。
根據一些實施例,該裝置可包含一感測器模組,其包含設置於一工作表面上的一或多個感測器,用以當一使用者的上肢體之部份(例如手、手掌、或手腕)係被置於該
工作表面上(例如與該裝置互動)時,該一或多個感測器與該使用者的上肢體之部份(例如手、手掌、或手腕)維持直接或間接接觸持續至少一決定的時間期間,用以獲得在整個直接或間接接觸之該決定的時間期間中該使用者的情境之一第一與一第二參數之讀數。該裝置可更包含與該感測器模組耦接之一處理模組,用以處理該第一與第二參數之讀數。處理可包含用以識別至少該第一參數之一特徵與該第二參數之與該第一特徵時間關聯的一特徵,及至少部份基於被識別的該等特徵來決定該使用者的情境之一第三參數。
該範例實施例說明使用者的肢體(例如手、手掌、或手腕)之不同部份與該裝置之感測器(例如電極)之間的接觸。不同的其他實施例可被考量,其中使用者的肢體之其他部份(例如肘、前臂等)可與該裝置互動,允許使用者的情境之測量。
於接下來的詳細說明中,將參考形成其一部分之後附圖式,其中類似的元件符號表示類似的部件,且其中藉由說明的實施例所顯示,本揭露之標的可被實現。應了解的是,其他實施例可被利用且結構的或邏輯的的改變可在不超出本揭露之範疇的情況下被做出。因此,接下來的詳細說明並非用以限制用,且實施例之範疇係由所附申請專利範圍及其等效所界定。
對於本揭露之目的,用語「A及/或B」表示(A)、(B)、或(A及B)」。對於本揭露之目的,用語「A、
B及/或C」表示(A)、(B)、(C)、(A及B)、(A及C)、(B及C)、或(A、B、及C)。
此說明可使用透視式說明(perspective-based description),例如頂/底、入/出、在...之上/在...之下、等等。此說明僅被使用以幫助說明且非用以限制此處所述的實施例之應用至任何特定面向。
此說明可使用用語「於一實施例中(in an embodiment)」或「於實施例中(in embodiments)」,其可各參照一或多個相同或不同的實施例。再者,用語「包含(comprising)」、「包括(including)」、「具有(having)」及類似者(如關於本揭露之實施例所使用者)係同義。
用語「與...耦接(coupled with)」及其衍生者可於此被使用。「耦接(coupled)」可表示以下之一或多者。「耦接(coupled)」可表示兩個或更多個元件係直接物理的、電氣的、或光學的接觸。然而,「耦接(coupled)」亦可表示兩個或更多個元件係彼此間接接觸,但仍彼此合作或互動,且可表示一或多個其他元件係在的所謂彼此耦接的元件之間耦接或連接。用語「直接耦接(directly coupled)」可表示兩個或更多個元件係直接接觸。
第1圖為方塊圖,顯示根據一些實施例結合本揭露的教示之用於使用者的情境之機會性測量及處理之裝置100。裝置100可包含工作表面102(例如鍵盤的一部
分,如鍵盤前方的平面、或鍵盤按鍵)、邊框、背側、或當與裝置100互動時可藉由使用者的肢體(例如手、手掌或手腕)而被存取的計算裝置104之其他部份。工作表面102可包含感測器陣列140。感測器陣列140可包含一或多個感測器(例如電極)110、112及當使用者的手、手掌、或手腕被設置於工作表面102用以與裝置100互動時被設置於工作表面以直接地或間接地(當感測器被裝置100之殼體覆蓋或被置於其後時)接觸使用者的手、手掌、或手腕106之其他感測器114、116、118、120、122,用以取得使用者的情境(例如生理情境)之一或多個參數。
提供使用者的情境之讀數之不同類型的感測器可被設置於工作表面102上(例如嵌入)且通常在裝置100附近。電極110、112及感測器114、116、118、120、122可提供有關各種使用者身體功能及目前的生理狀態之讀數。舉例來說,感測器110、112、114、116、118、120、122中之至少一些可被設置於膝上型或桌上型電腦之鍵盤上或平板電腦之邊框或背側上,在使用者會自然地放置其手指及手掌或手腕的位置。舉例來說,電極110、112可被組構以從使用者的手、手掌、或手腕106測量心電圖(ECG)生物電勢。舉例來說,電極110、112可在工作表面102上形成導電性圖案。
感測器114、116、118可包含光學感測器以提供光體積變化描述波形(photoplethysmographic;PPG)測量。
光學感測器114、116、118可包含經組構以偵測血液流量的光偵測器與發光二極體(LED)之結合,例如從置於工作表面102附近之使用者的手指或手掌,而使用者之資料血壓係自該處所導出(例如結合ECG讀數)。感測器120、122可包含經組構以測量使用者的目前生理狀態之其他類型的感測器。更具體言之,感測器120、122可測量使用者關於裝置100(例如計算裝置104)的動作、與使用者與計算裝置104的互動相關聯之抖動(例如使用者與計算裝置104的鍵盤、觸碰螢幕、或觸碰板的互動)、使用者的身體皮膚溫度、等等。舉例來說,感測器120、122可包含加速計、陀螺儀、溫度感測器或類似者之其中一者。
在進一步說明第1圖之元件之前,亦應注意的是,所顯示的電極及感測器之數目及所提供的感測器之類型僅為說明之用而非用以限制本揭露。
裝置100可進一步包含與感測器陣列140耦接之電子電路124,用以收集使用者的情境之參數,同時維持使用者的手、手掌、或手腕與包含至少一些感測器之工作表面之間的直接接觸,從而能進行使用者的情境之機會性測量。電路124可包含ECG模組126用以接收及預處理由感測器110、112所提供之ECG測量的讀數、及PPG模組128用以接收及預處理由感測器114、116、118所提供之PPG測量的讀數。電路124可進一步包含目前狀態感測器模組130用以接收及預處理由感測器120、122所提供之
與使用者的目前狀態相關聯之讀數。舉例來說,電路124可包含放大器、類比至數位轉換器(ADC)及控制器以操作該電路124。於某些實施例中,電路124可被整合成積體電路(IC)之形式。
裝置100可進一步包含與電路124耦接且經組構以聚合由電路124所預處理的資料並進一步處理該資料之感測器聚合器(例如感測器集線器)150。於某些實施例中,感測器聚合器150可被整合於系統單晶片(SOC)152上,如虛線中所表示者。於某些實施例中,感測器聚合器150可與作業系統及/或應用程式(OS/App)166耦接,其於某些實施例中可被整合於SOC 152上,如虛線中所表示者。感測器聚合器150可包含共用低功率感測器集線器,用以在每當使用者維持其手(手掌、手腕)106與感測器陣列140之感測器之間的直接(或間接)接觸時進行機會性感測。
裝置100可進一步包含經組構以處理由感測器電路124所提供的讀數之處理模組160。處理模組160可包含與感測器聚合器150一起被設置的血壓決定次模組162,其係經組構以處理該第一與該第二參數之讀數(例如ECG及PPG)、識別該第一參數之至少一特徵與該第二參數之與該第一參數之特徵時間關聯的另一特徵、及至少部份基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數(例如血壓(BP))。
處理模組160可進一步包含與OS/App 166一起被設
置的血壓臨界決定次模組164,其係經組構以基於抖動資料、動作資料收縮壓(SBP)資料、及舒張壓(DBP)資料來決定對於使用者之第三參數(例如BP)之臨界值(至少部份基於由抖動資料及動作資料所表示之使用者的生理狀態)。BP及其臨界的提供可憑經驗或嘗試錯誤地完成,例如使用後文中所詳述之機器學習演算法。
於某些實施例中,處理模組160可被以其他方式分佈於裝置100之組件之間。舉例來說,次模組162及164可位於感測器聚合器150上且可執行於感測器聚合器150的處理器上。於某些實施例中,次模組162及164可位於OS/App 166上且可執行於裝置100的中央處理單元(CPU)(未圖示)上。
除了所顯示的元件及所提及的CPU以外,裝置100可包含裝置100之功能所需之其他組件。舉例來說,處理單元160可與一或多個介面(未圖示)及/或任何其他適合的裝置(例如外部計算裝置154)耦接以透過一或多個有線或無線網路與使用者的情境測量通訊。該裝置可進一步包含顯示器170用以顯示使用者的情境之機會性測量及處理之結果。
根據裝置100之類型,裝置之不同組件可實體地位於裝置之其他部份中。舉例來說,若裝置100包含平板電腦或智慧型手機,則組件140、124、150、及166可位於平板電腦或智慧型手機的本體中。若裝置100包含膝上型或桌上型電腦,則組件140、124、及150可位於鍵盤內
部,且組件166可位於電腦之記憶體內部,其可經由互連(例如通用序列匯流排(USB)或序列周邊介面(SPI))而與其他組件通訊地耦接。
來自ECG感測器110、112、及PPG感測器114、116、118之資料可被機會地擷取,例如當使用者把手掌(或手腕)置於ECG感測器112、114及把指尖置於PPG感測器114、116、118之按鍵上。為了確保有意義的感測器讀數,感測器資料可在一決定的時間期間被擷取,例如至少達五秒。擷取感測器讀數之最佳時間可被經驗地組構以用於裝置100。所擷取的感測器資料可當其被感測器擷取時被標示時間標記。
來自ECG感測器及來自PPG感測器之資料可被以相關聯的方式擷取,以確保所擷取的感測器資料之處理的有意義的結果。如上所述,感測器114、116、118可包含經組構以偵測血液流量的光偵測器與光源(例如LED)之結合,例如從置於工作表面102附近之使用者的指或掌。因此,來自光源之光可被使用以藉由測量皮膚下血管的大小而間接地測量心跳率及周邊血氧飽和濃度(peripheral capillary oxygen saturation;SpO2),用以提供PPG讀數。置於裝置100之特定區域的兩個或更多個電極(例如110、112)可被使用以直接地測量使用者的心電活動及心跳率,用以提供ECG讀數。電極110、112可被置於例如相對側且與使用者的心臟有距離。電極110、112可被使用以從使用者的左及右手、手掌、或手腕106來感測ECG
生物電勢。
為了能進行機會性的感測,使用者可在自然的位置及活動的情況下接觸感測器陣列140之感測器。將這些感測器放置於裝置上會有數個方案。如上所述,裝置100可包含工作表面102,例如計算裝置104之表面,例如計算裝置鍵盤,當使用者操作鍵盤時,其可與使用者的手、手掌、或手腕106直接接觸。於另一範例中,計算裝置可包含平板電腦或智慧型手機,而工作表面可包含該裝置之邊框或背側。感測器置放於各種計算裝置之工作表面的一些範例將說明如下。
應注意的是,裝置100可有數種不同的形式,此處所述之外或替代。舉例來說,裝置100可有許多不同的形式,例如含有計算組件之頭戴設施、眼鏡、杖或筆等等。此外,肢體部份(手、手掌或手腕)之外或替代之不同的身體部位(例如前額、眼、耳等)可與不同類型的計算裝置之不同形式的工作表面直接或間接接觸,用以進行此處所述之使用者的情境測量及處理。第2圖顯示用以進行使用者的情境的測量之根據一些實施例於計算裝置的工作表面上之感測器的配置之範例。視圖202顯示感測器置放在平板電腦計算裝置206之箱罩205的邊框204附近。視圖212顯示感測器置放在平板電腦計算裝置(例如206)或智慧型手機之箱罩205的背側208附近。視圖222顯示感測器置放在計算裝置(例如膝上型電腦、平板電腦(若備有鍵盤)、或桌上型電腦)之鍵盤226上。如圖所示,感
測器可被設置於鍵盤226之特定按鍵224上。
因此,具有適於置放感測器以用於使用者的情境之測量的工作表面之箱罩可包含計算裝置之鍵盤、計算裝置之邊框、或計算裝置之背側之至少一部份。概述之,可於其上置放感測器以用於使用者的情境之機會性測量的計算裝置可包含膝上型電腦、桌上型電腦、平板電腦、智慧型手機或任何其他行動或靜止的計算裝置。
第3圖為顯示表示因應根據一些實施例之待被處理的使用者的情境之機會性測量所接收的感測器資料之範例ECG圖302及PPG圖312的時間關聯圖之圖形表示。舉例來說,使用者可將手掌或手腕置於鍵盤226上之ECG感測器上及將指尖置於按鍵224上之PPG感測器,如第2圖之視圖222所示。如上所述,ECG及PPG資料可被擷取一決定的時間期間,例如至少五秒。由圖302及312所表示的ECG及PPG資料當其被從感測器擷取時可被標示時間標記。如圖302及312所示,ECG及PPG資料可表示時域中之訊號幅度ECG及PPG資料。如下文所述,圖302及312所示之一些特徵(感興趣的點)可具有時間關聯。再者,圖302(ECG參數)之至少一些特徵(與圖312(PPG參數)之特徵時間關聯)可提供與使用者的情境(例如血壓)之另一參數相關聯,其可從ECG及PPG特徵之時間關聯被經驗地導出。
如圖302所示,感興趣的點(例如ECG圖之QRS複合波的波峰與斜坡)係標示為點Q、R、及S。如圖所
示,QRS複合波可包含三個波。Q波可表示ECG訊號之向下偏轉。R波可表示自點Q至點R的向上偏轉。S波可表示自點R至點S的向下偏轉。圖302中其他感興趣的點可包含QRS複合波之前的P波及在QRS複合波之後的T波。
如圖312所示,PPG資料中感興趣的點可包含點A(波谷)(其標示由PPG感測器所偵測之使用者的脈搏之開始)及點B(波峰)(其標示由所偵測之脈搏的結束)。應注意的是,圖312所示之點C為下一個脈搏循環之點A。
圖302之第一特徵(感興趣的點)可包含ECG資料之QRS複合波的R波峰。圖312之第二特徵可包含PPG資料之PPG曲線中的最低點A。第一與第二特徵之間的時間關聯包含脈波傳輸時間(pulse transit time;PTT)310,其中PTT 310為該ECG資料之該QRS複合波的該R波峰與該PPG曲線中之該最低點間消逝之一段時間。因此,PTT 310可表示透過使用者的身體的動脈分支之長度來傳播的脈搏壓波在其抵達末端點(例如使用者的手指)且可由上述PPG感測器所偵測之一段時間。
簡言之,PTT 310可表示從心跳率中之波峰至當由心臟跳動所帶動的血液以最大流量抵達身體的手指中時之時間點(如圖312中所示表示使用者的心臟脈博的開始之點A)之該段時間。因此,所屬技術領域中具有通常知識者將了解到點R(圖302)及A(圖312)或PTT 310與血
壓有相關聯。當此關聯被(例如經驗地或嘗試錯誤地)決定時,可基於PTT 310提供血壓參數之估計。再者,額外的特徵可從圖302及312被提取,可被使用以助於血壓之經驗估計,如下文所述。
此額外的特徵(感興趣的點)可包含與圖302之QRS複合波相關聯之一組值及與圖312之該PPG曲線之一振幅特性及該PPG曲線之上及下坡特性相關聯之另一組值。更具體言之,從圖302及312所提取的特徵可包含下列:x1:PR間隔-從P波的開始至QRS複合波的波峰來測量;x2:QRS持續期間-從Q波的開始至S波的結束來測量;x3:QT間隔-從QRS複合波的開始至T波的結束來測量;x4:Q波斜坡-正好在點Q之前的下坡;x5:R波斜坡-從點Q至點R之上坡;x6:S波斜坡-從點R至點S之下坡;x7:PTT(312)-ECG曲線(圖302)上點R與時間關聯的PPG曲線(圖312)上之點A間之時間消逝,如上所述;x8:P斜坡-PPG曲線之點A與B間之最大斜坡;x9:P振幅-PPG波峰之振幅;x10:P下傾-PPG曲線之點B與C間之下坡;
x11:心跳率-QRS曲線之點R的平均頻率。
以上的值可在一決定的時間期間取平均,讀數可如上述花費例如五秒的時間。基於以上特徵,特徵與待由關聯(例如血壓)導出之參數間之經驗關聯可被導出。舉例來說,機器學習演算法(例如線性迴歸演算法)可被應用至以上特徵以建立特徵間之經驗關聯且自該關聯導出血壓參數。更具體言之,用於收縮壓(SBP)與舒張壓(DBP)之按照所提取的特徵的線性迴歸方程式可被建立且成本函數係數最小化可被決定。舉例來說,線性迴歸模型中之一般方程式為下列形式h θ (x)=θ 0 +θ 1 x 1 +θ 2 x 2 +...+θ n x n (1)
其中xn為特徵組中之特徵之一。此方程式可以矩陣表示來改寫:h θ (x)=θ T X (2)
其中X為特徵矩陣,而θ為係數矩陣。
機器學習演算法可被應用以尋找將成本函數最小化之係數,其為hθ(x)之值與測試資料組(例如實況值(ground truth value))在數量上之差。成本函數可被界定如下
其中y為實況。
機器學習演算法的目標是將成本函數最小化。將成本函數最小化及解出線性迴歸問題的不同方法已為所屬技術領域中具有通常知識者所知而非為此揭露之主題。
因此,涵蓋SBP及DBP之方程式可基於以上考量而
被建立。更具體言之,涵蓋SPB之方程式可被提供為:SBP(x)=θ 0 +θ 1 x 1 +θ 2 x 2 +...+θ n x n (4)
其中xi為由如上所述提取/計算所得的數值特徵值。方程式(4)可根據(2)而改寫成:SBP(X)=θ T X (5)
同樣的,涵蓋DPB之方程式可被提供為:DBP=ψ 0 +ψ 1 x 1 +ψ 2 x 2 +...+ψ n x n (6)
方程式(6)可根據(2)而改寫成:DBP(X)=ψ T X (7)
測試資料可包含可例如使用傳統血壓測量方法而被取得之實況。傳統方法僅可被使用一次用以收集訓練資料。此模型可使用訓練資料來改進,且兩組係數矩陣θ及ψ(一個用於SBP且一個用於DBP)可被計算。
使用參考第1圖所述之裝置,與使用者的生理情境相關的參數(例如ECG與PPG)可被測量、於上文界定的特徵可被決定、係數與特徵值可被應用至方程式、且血壓參數可被計算及向使用者報告。應了解的是,所述技術對於各使用者可不需要訓練且可被應用於多個不同的使用者。再者,若使用者希望進一步訓練該模型,則可對係數矩陣θ加以改良。
ECG與PPG參數及由ECG與PPG所導出的血壓可特性化(characterize)使用者的生理情境。如參考第1圖所述,感測器陣列140之感測器可被使用以提供表示使用者的生理情境(例如使用者的目前生理狀態)不同觀點之讀
數。舉例來說,可使用第1圖之裝置100來收集與使用者的手、手掌、或手腕與工作表面間之直接接觸相關聯的抖動資料、與使用者的手、手掌、或手腕與工作表面間之直接接觸相關聯的動作資料。可被使用以說明使用者的生理狀態之特徵可包含:y1:觸碰螢幕抖動(例如%值);y2:觸碰板抖動(例如%值);y3:鍵盤抖動(例如%值);y4:3軸加速計值(例如g補償(g-compensated)、強度);y5:動作資料(例如反映使用者的靜態與動態中狀態之資料)。
機器學習演算法可至少部份基於該使用者的目前生理狀態而被應用至該抖動資料、動作資料、SBP資料、及DBP資料,用以決定用於該使用者之該血壓之臨界值。機器學習演算法可包含例如邏輯迴歸模型。
基於抖動與動作資料,SBP與DBP可被分類至不同的類別,例如血壓正常、血壓低於正常範圍、及血壓高於正常範圍。因此,對於使用者之正常血壓範圍的臨界值可被決定、從正常狀態之偏離(deviation)可被學習、及模型可被改進(例如臨界值可被調整)。
使用者的生理狀態可被決定(例如透過相關感測器的讀數)且與血壓資料相關聯。邏輯迴歸模型可自行訓練(self-trainable)。當使用者正與計算裝置(例如鍵盤、
觸碰螢幕等等)的輸入組件互動時,正常臨界(閾值)血壓值可被調整。在特定臨界以下的抖動資料可構成使用者之穩定的生理狀況且作為實況資料用以隨著時間來調整正常血壓臨界值。
藉由於一段期間(例如幾天)提供偶然的回饋(實況),該模型可被初始地訓練(例如由使用者)。用以收集資料之機制可例如藉由週期的顯示(例如一天約4-5次)對話框來詢問使用者是否覺得正常(例如跟平常一樣)而被實現。該系統可擷取使用者的回應作為實況資料,並用測量y1到y5之平均值在一決定的時間期間(例如在顯示對話框之前及顯示對話框隨後(例如在顯示對話框之前五分鐘及顯示對話框之後五分鐘))來記錄該資料。
一旦資料被收集一段期間(例如三至五天),該系統可建立一邏輯迴歸模型。已知邏輯迴歸模型可類似線性迴歸模型,而輸出為0至1間的分數。其可由下列方程式獲得:h θ (y)=g(φ T Y)
其中g為s型函數,亦即g(z)=1/(1+e-z),對於z之所有的值皆返回0至1間的值。
Y為從資料中自y1到y5的輸入矩陣。φ為藉由在該模型之訓練期間運行邏輯迴歸模型(類似前文中針對線性迴歸模型所述的方式)所建立之係數矩陣。
舉例來說,由模型所返回的0.7之值可表示使用者有
70%的機會處於「正常」狀態。0.3的值可表示該機率為30%。臨界值可被決定以表示使用者的「正常」狀態。舉例來說,80%之臨界值(亦即0.8及以上之值)可被使用以決定使用者處於「正常」健康狀態。
在運行期間,測量y1到y5可與ECG及PPG資料收集一起被完成,例如使用感測器120、122。使用者的目前狀態之決定可藉由使用來自訓練模型的Y值及φ矩陣來完成。因此,在各運行期間週期的結束,該模型輸出可包含DBP值、SBP值、及表示使用者是否目前處於「正常」健康狀態之布林值。
該系統可維持DBP及SBP之平均(正常)值(DBPavg and SBPavg)。若使用者狀態被決定為「正常」時,則DBP及SBP之目前記錄的值可被使用以調整該等值:DBPavg=((DBPavg * n)+DBP)/(n+1) (9)
其中n為讀數之數量的運行計數,且係在每次進行此計算時增值。同樣地,SBPavg=((SBPavg * n)+SBP)/(n+1) (10)
若使用者狀態被決定不正常,則該等值不被使用以更新正常值,且可忽略此計算。
在每個計算週期之結束,該系統可具有四個決定的值DBP、BPavg、SBP、及SBPavg。這些值可被使用以基於下列邏輯來通知使用者有關其目前的狀態:若(DBP>(DBPavg+10)且SBP>(SBPavg+10)),則通知
使用者其血壓高於平常;若(DBP<(DBPavg-10)且SBP<(SBPavg-10)),則通知使用者其血壓低於平常。
若僅一個值(DBP或SBP)在範圍外(+/- 10),則藉由引起其對其目前狀態注意的通知來提示使用者。舉例來說,對話框可顯示下列問題:「你現在覺得OK嗎?是/否」且使用者的回應可被使用以進一步訓練邏輯迴歸模型作為連續學習模型之一部份。
第4圖顯示根據一些實施例之用於使用者的情境之機會性測量及處理的流程圖。流程400可相稱於及由參照之前第1-3圖所述的各種實施例之一些元件所執行。於替代實施例中,流程400可用較多或較少操作或不同次序的操作來實現。
處理400可開始於方塊402且包含自例如設置於該計算裝置之一工作表面上之感測器的一或多個感測器獲得在該使用者的手、手掌、或手腕與該一或多個感測器間之直接接觸持續一決定的時間期間之一使用者的情境之一第一與第二參數之讀數。該使用者的情境可包含使用者的生理情境及使用者的生理狀態,其中該第一、第二、及第三參數可有關於該使用者的生理狀態。舉例來說,第一、第二、及第三參數可分別包含ECG、PPG、及BP。
於方塊404,流程400可進一步包含獲得在維持該使用者的手、手掌、或手腕與設置於該工作表面之該一或多個感測器間之直接接觸的時間期間之表示一使用者的生理
狀態之讀數。
於方塊406,流程400可包含自所獲得的該第一與第二參數之讀數中識別至少該第一參數之一第一特徵與該第二參數之與該第一特徵時間關聯的一第二特徵。於方塊404,流程400可進一步包含識別該第一參數之一第一複數個特徵與該第二參數之一第二複數個特徵,其中該第一複數個特徵包含該第一特徵而該第二複數個特徵包含該第二特徵,且決定該第一與第二複數個特徵間之經驗關聯。
於方塊408,流程400可包含至少部份基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數。該第三參數可基於在方塊404所決定的該第一與第二複數個特徵間之經驗關聯而進一步被決定。
於方塊410,流程400可包含至少部份基於該使用者的生理狀態而決定用於該使用者之該第三參數之臨界值。
第5圖顯示根據一些實施例之適用於使用第1圖之各種組件(例如第1圖之用於使用者的情境之機會性測量及處理的裝置100)之範例計算裝置500。於某些實施例中,範例計算裝置500可包含裝置100之各種組件,例如參照第1圖所述之電路124、感測器陣列140、感測器聚合器150、及處理模組160。
如圖所示,計算裝置500可包含一或多個處理器或處理器核心502及系統記憶體504。對於此應用的目的,包含申請專利範圍,用語「處理器」及「處理器核心」可被考慮為同義,除非另有特別說明。處理器502可包含任何
類型的處理器,例如中央處理單元(CPU)、微處理器等等。處理器502可被實現為具有多核(例如多核微處理器)之積體電路。計算裝置500可包含大量儲存裝置506(例如固態硬碟、揮發性記憶體(例如動態隨機存取記憶體(DRAM)等等))。通常,系統記憶體504及/或大量儲存裝置506可為任何類型之暫時的及/或持續的儲存,包含(但不限於)揮發性及非揮發性記憶體、光學的、磁性的、及/或固態大量儲存等等。揮發性記憶體可包含(但不限於)靜態及/或動態隨機存取記憶體。非揮發性記憶體可包含(但不限於)電氣可抹除可程式化唯讀記憶體、相變記憶體、電阻式記憶體等等。
計算裝置500可進一步包含輸入/輸出(I/O)裝置508(例如顯示器(例如第1圖之顯示器170)、軟鍵盤、觸碰、觸碰感應螢幕、影像擷取裝置等等)及通訊介面510(例如網路介面卡、數據機、紅外線接收器、無線電接收器(例如近場通訊(NFC)、藍芽、WiFi、4G/5G LTE)等等)。
通訊介面510可包含通訊晶片(未圖示),其可被組構以根據全球行動通信系統(GSM)、通用封包無線電服務(GPRS)、通用行動電信系統(UMTS)、高速封包存取(High Speed Packet Access;HSPA)、演進高速封包存取(E-HSPA)、或長程演進(LTE)網路來操作裝置500。通訊晶片亦可被組構以根據GSM增強數據率演進(EDGE)、GSM EDGE無線電存取網路(GSM EDGE
Radio Access Network;GERAN)、通用陸地無線存取網路(Universal Terrestrial Radio Access Network;UTRAN)、或演進通用陸地無線存取網路(Evolved UTRAN;E-UTRAN)來操作。通訊晶片亦可被組構以根據碼分多重存取(Code Division Multiple Access;CDMA)、分時多工存取(Time Division Multiple Access;TDMA)、數位增強無線通訊(Digital Enhanced Cordless Telecommunications;DECT)、演進資料最佳化(Evolution-Data Optimized;EV-DO)、其衍生者、以及設計用於3G、4G、5G、及更先進者之任何無線協定來操作。通訊介面510可根據其他實施例中之其他無線協定來操作。
上述計算裝置500元件可經由系統匯流排512(其可表示一或多個匯流排)而彼此耦接。在多個匯流排的情形中,其可藉由一或多個匯流排橋接器(未圖示)來橋接。這些元件中之各者可執行其該領域中所知之傳統功能。具體言之,系統記憶體504及大量儲存裝置506可被用以儲存實現與裝置100(例如參照第1圖之處理器160所述之次模組162及164)相關聯之操作的程式指令之工作副本及永久副本。各種元件可藉由由處理器502所支援之組譯器指令或可被編譯成此等指令之高階語言被實現。
程式指令之永久副本可透過例如分配媒體(未圖示)(例如光碟(CD))或透過通訊介面510(自分配伺服器(未圖示))而被置於工廠或場地中之永久儲存裝置506
中。亦即,具有代理程式(agent program)之實現的一或多個分配媒體可被使用以分配代理及程式化各種計算裝置。
元件508、510、512之數量、能力、及/或容量可根據計算裝置500是否被使用作為固定計算裝置(例如機上盒或桌上型電腦)或行動計算裝置(例如平板電腦計算裝置、膝上型電腦、遊戲主控台、或智慧型手機)而改變。其構造為已知,且因此將不進一步說明。
至少一個處理器502可被與計算邏輯522包裝在一起,其係經組構以實現參照第1-4圖所述之實施例的觀點。於一個實施例,至少一個處理器502可被與具有計算邏輯522之記憶體包裝在一起以形成系統級封裝(SiP)或系統單晶片(SoC)。對於至少一實施例,SoC可被利用於(但不限於)計算裝置(例如膝上型電腦、桌上型電腦、平板電腦或智慧型手機)中。
於實施例中,計算裝置500可包含如上所述之裝置100中之至少一些組件。於某些實施例中,裝置100可包含感測器陣列140(例如設置於計算裝置500之鍵盤上)。電路124、感測器聚合器150、及處理模組160可被與如上述及第5圖中所示的計算裝置500之各種元件通訊地耦接。
於各種實現中,計算裝置500可包含膝上型電腦、輕省筆電、筆記型電腦、超輕薄筆電、智慧型手機、平板電腦、個人數位助理(PDA)、超級移動電腦、行動電話、
膝上型電腦、桌上型電腦、或任何其他行動計算裝置。於進一步實現中,計算裝置500可為處理資料之任何其他電子裝置。
於此所述之實施例可藉由以下範例進一步說明。範例1為一種用於使用者的情境之機會性測量及處理之裝置,包含:一感測器模組,其包含設置於該裝置之一工作表面上的一或多個感測器,當一使用者的肢體之部份係被置於該工作表面上時,該等感測器與該使用者的肢體之至少一部份維持直接或間接接觸持續至少一決定的一段期間,用以獲得在整個直接或間接接觸之該決定的一段期間中該使用者的情境之一第一與一第二參數之讀數;及與該感測器模組耦接之一處理模組,用以處理該第一與該第二參數之讀數,其中該處理包含用以識別至少該第一參數之一第一特徵與該第二參數之與該第一特徵時間關聯的一第二特徵,及至少部份基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數。
範例2可包含範例1之標的,其中該處理模組係用以決定該第一與第二特徵間之時間關聯。
範例3可包含範例1之標的,其中該處理模組用以處理該第一與該第二參數之讀數更包含用以識別該第一參數之一第一複數個特徵與該第二參數之一第二複數個特徵,其中該第一複數個特徵包含該第一特徵而該第二複數個特徵包含該第二特徵。
範例4可包含範例3之標的,其中該處理模組用以決
定該使用者的情境之一第三參數包含用以應用一第一機器學習演算法至該第一與第二複數個特徵以決定該第一與第二複數個特徵間之經驗關聯,其中該第三參數之衍生係至少部份基於該第一與第二複數個特徵間之經驗關聯。
範例5可包含範例4之標的,其中該第一機器學習演算法包含一線性迴歸演算法。
範例6可包含範例5之標的,其中該使用者的情境包含使用者的生理情境,其中該第一參數包含心電圖(ECG)資料,該第二參數包含光體積變化描述波形(PPG)資料,該第三參數包含血壓(BP)資料。
範例7可包含範例6之標的,其中該第一參數包含該ECG資料之一QRS複合波的一R波峰,該第二參數包含該PPG資料之一PPG曲線中之一最低點,且該第一與第二特徵間之該時間關聯包含一脈波傳輸時間(PTT),其中該PTT為該ECG資料之該QRS複合波的該R波峰與該PPG曲線中之該最低點間消逝之一段時間。
範例8可包含範例7之標的,其中該第一複數個特徵包含與該QRS複合波相關聯之一第一組值且該第二複數個特徵包含與該PPG曲線之一振幅特性及該PPG曲線之上及下坡特性相關聯之一第二組值。
範例9可包含範例6之標的,其中該BP資料更包含收縮壓(SBP)資料及舒張壓(DBP)資料,其中該處理模組係用以自該第一機器學習演算法推導SBP資料及DBP資料至該第一及第二複數個特徵。
範例10可包含範例9之標的,其中該使用者的情境更包含使用者的生理狀態,其中該感測器模組係進一步用以獲得表示該使用者的生理狀態之資訊,其中該資訊包含與該使用者的肢體的部份及該工作表面間之該直接或間接接觸相關聯之抖動資料、及與該使用者的肢體的部份及該工作表面間之該直接或間接接觸相關聯之動作資料。
範例11可包含範例10之標的,其中該處理模組係進一步至少部份基於該使用者的生理狀態而應用一第二機器學習演算法至該抖動資料、動作資料、SBP資料、及DBP資料,用以決定用於該使用者之該第三參數之臨界值。
範例12可包含範例11之標的,其中該一或多個感測器包含下列之至少一者:陀螺儀或加速計。
範例13可包含範例12之標的,其中該一或多個感測器包含至少兩個或更多個電極以提供該ECG資料之讀數及至少一光感測器以提供該PPG資料之讀數。
範例14可包含範例1-13中任一項之標的,其中該工作表面包含下列之至少一者:該裝置之一鍵盤、該裝置之一邊框、或該裝置之一背側,其中該裝置為一計算裝置,其中該使用者的肢體的部份包含下列之至少一者:被置於該工作表面以與該裝置互動的手腕、手掌、或手。
範例15為一種用於使用者的情境之機會性測量及處理之裝置,包含:一箱罩,具有至少一工作表面,其包含設置於該工作表面上的一或多個感測器,當一使用者的肢體之部份係被置於該工作表面上時,該一或多個感測器與
該使用者的肢體之部份維持直接或間接接觸持續至少一決定的時間期間,用以獲得在整個直接或間接接觸之該決定的時間期間中該使用者的情境之一第一與一第二參數之讀數;及一處理模組,與該一或多個感測器模組耦接以處理該第一與該第二參數之讀數,其中用以處理包含用以識別至少該第一參數之一第一特徵與該第二參數之與該第一特徵時間關聯的一第二特徵,及至少部份基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數。
範例16可包含範例15之標的,其中該處理模組用以處理該第一與該第二參數之讀數更包含用以:
識別該第一參數之一第一複數個特徵與該第二參數之一第二複數個特徵,其中該第一複數個特徵包含該第一特徵而該第二複數個特徵包含該第二特徵;決定該第一與第二複數個特徵間之經驗關聯;及至少部份基於該第一與第二複數個特徵間之經驗關聯而推導該第三參數。
範例17可包含範例16之標的,其中該使用者的情境包含使用者的生理情境及使用者的生理狀態,其中該第一、第二、及第三參數係有關於該使用者的生理狀態,其中該一或多個感測器係進一步用以獲得表示在使用者的肢體之部份與該工作表面間維持直接或間接接觸期間使用者的生理狀態之讀數,且其中該處理模組係進一步至少部份基於該使用者的生理狀態而決定用於該使用者之該第三參數之臨界值,其中肢體的部份係被置於該工作表面以與該裝置互動。
範例18可包含範例17之標的,更包含與該一或多個感測器耦接之一感測器聚合器模組,用以將該一或多個感測器電力開啟及用以預處理由該一或多個感測器提供的讀數。
範例19可包含範例18之標的,其中該感測器聚合器模組及該處理模組係被整合至一系統單晶片(SOC)上,其中該箱罩包含至少一部分的該裝置之一鍵盤、該裝置之一邊框、或該裝置之一背側,其中該裝置包含下列之其中一者:膝上型電腦、桌上型電腦、平板電腦或智慧型手機。
範例20為一種用於使用者的情境之機會性測量及處理之電腦實現方法,包含:藉由一計算裝置自設置於該計算裝置之一工作表面上的一或多個感測器獲得在該使用者的肢體之部份與該一或多個感測器間之直接或間接接觸持續一決定的時間期間之一使用者的情境之一第一與第二參數之讀數;藉由該計算裝置自所獲得的該第一與第二參數之讀數中識別至少該第一參數之一第一特徵與該第二參數之與該第一特徵時間關聯的一第二特徵;及藉由該計算裝置至少部份基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數。
範例21可包含範例20之標的,進一步包含藉由該計算裝置來識別該第一參數之一第一複數個特徵與該第二參數之一第二複數個特徵,其中該第一複數個特徵包含該第一特徵而該第二複數個特徵包含該第二特徵;藉由該計算
裝置來決定該第一與第二複數個特徵間之經驗關聯;及藉由該計算裝置來至少部份基於該第一與第二複數個特徵間之經驗關聯而推導該第三參數。
範例22可包含範例21之標的,其中該使用者的情境包含使用者的生理情境及使用者的生理狀態,其中該第一、第二、及第三參數係有關於該使用者的生理情境,且該方法更包含藉由該計算裝置來獲得表示在使用者的肢體之部份與設置於該工作表面上之一或多個感測器間維持直接或間接接觸期間使用者的生理狀態之讀數,及藉由該計算裝置至少部份基於該使用者的生理狀態而決定用於該使用者之該第三參數之臨界值,其中肢體的部份包含手、手掌、或手腕。
範例23為用於使用者的情境之機會性測量及處理之一或多個非暫態計算裝置可讀取媒體,具有可執行的指令儲存於其中,當指令被執行時,致使一計算裝置進行下列動作:自設置於該計算裝置之一工作表面上的一或多個感測器獲得在該使用者的肢體之部份與該一或多個感測器間之直接或間接接觸持續一決定的時間期間之一使用者的情境之一第一與第二參數之讀數;自所獲得的該第一與第二參數之讀數中識別至少該第一參數之一第一特徵與該第二參數之與該第一特徵時間關聯的一第二特徵;及至少部份基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數。
範例24可包含範例23之標的,其中當指令被執行
時,致使該計算裝置進一步進行下列動作:識別該第一參數之一第一複數個特徵與該第二參數之一第二複數個特徵,其中該第一複數個特徵包含該第一特徵而該第二複數個特徵包含該第二特徵;決定該第一與第二複數個特徵間之經驗關聯;及至少部份基於該第一與第二複數個特徵間之經驗關聯而推導該第三參數。
範例25可包含範例24之標的,其中當指令被執行時,致使該計算裝置進一步進行下列動作:獲得表示在該使用者的肢體之部份與設置於該工作表面上之該一或多個感測器間維持直接或間接接觸期間之該使用者的生理狀態之讀數;及至少部份基於該使用者的生理狀態而決定用於該使用者之該第三參數之臨界值;其中該使用者的情境包含使用者的生理情境及使用者的生理狀態,其中該第一、第二、及第三參數係有關於該使用者的生理狀態。
範例26為一種用於使用者的情境之機會性測量及處理之裝置,包含:用以自設置於該計算裝置之一工作表面上的一或多個感測器獲得在該使用者的肢體之部份與該一或多個感測器間之直接或間接接觸持續一決定的時間期間之一使用者的情境之一第一與第二參數之讀數的手段;用以自所獲得的該第一與第二參數之讀數中識別至少該第一參數之一第一特徵與該第二參數之與該第一特徵時間關聯的一第二特徵之手段;及用以至少部份基於被識別的該第一與該第二特徵來決定該使用者的情境之一第三參數的手段。
範例27可包含範例26之標的,更包含:用以藉由該計算裝置來識別該第一參數之一第一複數個特徵與該第二參數之一第二複數個特徵的手段,其中該第一複數個特徵包含該第一特徵而該第二複數個特徵包含該第二特徵;用以決定該第一與第二複數個特徵間之經驗關聯的手段;及用以至少部份基於該第一與第二複數個特徵間之經驗關聯而推導該第三參數的手段。
範例28可包含範例27之標的,其中該使用者的情境包含使用者的生理情境及使用者的生理狀態,其中該第一、第二、及第三參數係有關於該使用者的生理情境,且該裝置更包含用以獲得表示在使用者的肢體之部份與設置於該工作表面上之一或多個感測器間維持直接或間接接觸期間使用者的生理狀態之讀數的手段;及用以至少部份基於該使用者的生理狀態而決定用於該使用者之該第三參數之臨界值的手段,其中肢體的部份包含手、手掌、或手腕。
各種操作係以最有助於了解所請求的標的之方式依次被說明為多個離散的操作。然而,說明的次序不應被解釋為用以暗示這些操作是必要次序從屬的。本揭露之實施例可被實現於使用任何適合的硬體及/或軟體以依期望組構之系統。
雖然特定實施例已被說明及於此說明以供描述用,被計算以達成相同目的之各種替代及/或等效實施例或實現可被取代所顯示及說明的實施例而不超出本揭露之範疇。
此應用係欲涵蓋任何此處所述之實施例的改進或變化。因此,顯然地,此處所述之實施例僅為申請專利範圍及其等效所限制。
Claims (13)
- 一種裝置,包含:工作表面,包括下列其中一者的至少部分:該裝置之鍵盤、邊框或背側,其中該裝置包含平板電腦或智慧型手機其中一者;裝設於該工作表面之該部分上的複數個感測器,適於維持與該使用者的肢體之部分接觸,在該使用者的肢體與該裝置之互動的過程中該使用者的肢體之部分與該工作表面接觸或互動,其中該複數個感測器包括二或多個電極以獲得心電圖(ECG)資料之讀數,包括一或多個光學感測器以提供光體積變化描述波形(PPG)資料,以及包括一或多個動作感測器用以提供與該使用者關聯的抖動資料,其中該抖動資料包括該使用者的肢體相關於該裝置的該工作表面的動作的指示;及處理的電路,與該一或多個感測器耦接,其中該電路包括處理器和具有指令的記憶體,反應於由該處理器執行,用以收集並處理由該複數個感測器之分別者提供的該ECG、PPG以及抖動資料之讀數其中用以進行處理的步驟包括:從該ECG及PPG讀數收集成組的值,其包括至少指示脈波傳輸時間、該PPG資料之PPG曲線的振幅以及該PPG曲線之上及下坡的讀數;從該脈波傳輸時間、該PPG曲線的振幅與該PPG曲線之上及下坡之間的經驗關聯決定該使用者的血壓;藉由將邏輯迴歸模型應用到該組值決定用於該使用者的該血壓的臨界值,其中該臨界值指示該使用者的正常狀態,其中用以決定臨界值的步驟包括使用該抖動資料在一段時間周期之上調整該臨界值,其中閾值以下的該抖動資料係用以提供實況資料以用於決定該臨界值;以及提供該使用者在該正常狀態下的機率的指示,其包括呈現用於在該裝置之顯示器上顯示該正常狀態的通知。
- 如申請專利範圍第1項之裝置,其中該ECG資料包括從該ECG資料之QRS複合波的P波的開始至S波的波峰測量的間隔,該PPG曲線之該上坡包含在該PPG曲線中最高及最低點之間的斜坡,該PPG曲線之振幅包含在該曲線中的波峰,該PPG曲線之下坡包含該最高點與下一PPG曲線的開始之間的斜坡。
- 如申請專利範圍第1項之裝置,其中該血壓包含收縮壓(SBP)資料及舒張壓(DBP)資料,其中該處理模組係用以自該第一機器學習演算法之應用推導SBP資料及DBP資料至該ECG及PPG資料。
- 如申請專利範圍第1項之裝置,其中該一或多個動作感測器包含下列之至少一者:陀螺儀或加速計。
- 如申請專利範圍第1項之裝置,其中該一或多個光學感測器包含發光二極體(LED)與光偵測器其中至少一者。
- 如申請專利範圍第1項之裝置,其中該裝置為一計算裝置,其中該使用者的肢體的部分包含下列之至少一者:被置於該工作表面以與該裝置互動的手腕、手掌、或手。
- 一種裝置,包含:箱罩,具有至少一工作表面,其包含設置於該工作表面上的複數個感測器,適於維持與該使用者的肢體之部分接觸,該使用者的肢體之部分與該工作表面接觸或互動,用以獲得與該使用者關聯的心電圖(ECG)資料、光體積變化描述波形(PPG)資料以及抖動資料之讀數,其中該箱罩之該工作表面包括下列至少一者的至少部分:該裝置之鍵盤、邊框或背側,其中該裝置包含平板電腦或智慧型手機其中一者;其中該複數個感測器包括二或多個電極用以獲得ECG資料之該讀數,包括一或多個光學感測器以提供PPG資料以及包括一或多個動作感測器以提供抖動資料;處理器,與該複數個感測器通訊地耦接;以及記憶體,與該處理器耦接且具有指令,其反應於由該處理器執行,係用以收集並處理由複數個感測器之分別者提供的該ECG、PPG及抖動資料的該讀數,其中用以進行處理的步驟包括:從該ECG及PPG讀數存取成組的值,其包括至少指示脈波傳輸時間、該PPG資料之PPG曲線的振幅以及該PPG曲線之上及下坡的讀數;從該脈波傳輸時間、該PPG曲線的振幅與該PPG曲線之上及下坡之間的經驗關聯決定該使用者的血壓;藉由將邏輯迴歸模型應用到該組值決定用於該使用者的該血壓的臨界值,其中該臨界值指示該使用者的正常狀態,其中用以決定臨界值的步驟包括使用該抖動資料在一段時間周期之上調整該臨界值,其中閾值以下的該抖動資料係用以提供實況資料以用於決定該臨界值;以及提供該使用者在該正常狀態下的機率的指示,其包括呈現用於在該裝置之顯示器上顯示該正常狀態的通知。
- 如申請專利範圍第7項之裝置,更包含與該一或多個感測器耦接之一感測器聚合器,用以將該一或多個感測器電力開啟及用以預處理由該一或多個感測器提供的讀數。
- 如申請專利範圍第8項之裝置,其中該感測器聚合器、該處理器及該記憶體係被整合至一系統單晶片(SOC)上,其中該裝置更包含下列之其中一者:膝上型電腦或桌上型電腦。
- 一種電腦實現的方法,包含下列步驟:由計算裝置自設置於包括平板電腦或智慧型手機其中一者的該計算裝置之工作表面上的複數個感測器獲得與該使用者關聯的心電圖(ECG)資料、光體積變化描述波形(PPG)資料以及抖動資料之讀數,以反應於使用者的肢體之部分與該複數個感測器之間的接觸,其中該工作表面包括下列其中一者的至少部分:該裝置之鍵盤、邊框或背側,其中該複數個感測器包括二或多個電極用以獲得ECG之該讀數,包括一或多個光學感測器以提供PPG資料以及包括一或多個動作感測器以提供抖動資料,其中進行獲得的步驟包括由該計算裝置從該ECG及PPG讀數收集成組的值,其包括至少指示脈波傳輸時間、該PPG資料之PPG曲線的振幅以及該PPG曲線之上及下坡的讀數;由該計算裝置從該脈波傳輸時間、該PPG曲線的振幅與該PPG曲線之上及下坡之間的經驗關聯識別該使用者的血壓;由該計算裝置決定用於該使用者之該血壓的臨界值,其中該臨界值指示該使用者的正常狀態,其中進行決定的步驟包括:由該計算裝置將邏輯迴歸模型應用到該組值,其中該臨界值指示該使用者的正常狀態,並且由該計算裝置在一時間周期之上使用該抖動資料來調整該臨界值,其中閾值以下的該抖動資料係用以提供實況資料以用於決定該臨界值;以及由該計算裝置提供該使用者在正常狀態下的機率的指示,包括將該正常狀態的通知輸出到該計算裝置的顯示器上。
- 如申請專利範圍第10項之電腦實現的方法,其中該ECG資料包括該ECG資料之QRS複合波的波之開始到該波的波峰所測量的間隔,該PPG曲線之上坡包含在該PPG曲線中最低與最高點之間的斜坡,該PPG曲線之振幅包含在該曲線中的波峰以及該PPG曲線之下坡包含該最高點與下一PPG曲線的開始之間的斜坡。
- 一或多個非暫態計算裝置可讀取媒體,具有可執行的指令儲存於其中,當指令被執行時,致使一計算裝置進行下列動作:自設置於包含平板電腦或智慧型手機其中一者的該計算裝置之工作表面上的複數個感測器獲得與該使用者關聯的心電圖(ECG)資料、光體積變化描述波形(PPG)資料以及抖動資料之讀數,以反應於使用者的肢體之部分與該複數個感測器之間的接觸,其中該工作表面包括下列其中一者的至少部分:該裝置之鍵盤、邊框或背側,其中該複數個感測器包括二或多個電極用以獲得ECG資料之該讀數,包括一或多個光學感測器以提供PPG資料以及包括一或多個動作感測器以提供抖動資料,其中進行獲得的步驟包括:從該ECG及PPG讀數收集成組的值,其包括至少指示脈波傳輸時間、該PPG資料之PPG曲線的振幅以及該PPG曲線之上及下坡的讀數;從該脈波傳輸時間、該PPG曲線的振幅與該PPG曲線之上及下坡之間的經驗關聯識別該使用者的血壓;及決定用於該使用者的該血壓的臨界值,其中該臨界值指示該使用者的正常狀態,其中進行決定的步驟包括:將邏輯迴歸模型應用到收集的該組值,其中該臨界值指示該使用者的正常狀態,並且在一時間周期之上使用該抖動資料來調整該臨界值,其中閾值以下的該抖動資料係用以提供實況資料以用於決定該臨界值;以及提供該使用者在正常狀態下的機率的指示,其包括呈現用於在該裝置之顯示器上顯示該正常狀態的通知。
- 如申請專利範圍第12項之非暫態計算裝置可讀取媒體,其中該ECG資料包括從該ECG資料之QRS複合波的波的開始到該波的波峰所測量的間距,該PPG曲線之該上坡包含在該PPG曲線中最低與最高點之間的斜坡,該PPG曲線之振幅包含在該曲線中的波峰,該PPG曲線之下坡包含該最高點與下一PPG曲線的開始之間的斜坡。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/563,809 US10201312B2 (en) | 2014-12-08 | 2014-12-08 | Opportunistic measurements and processing of user's context |
US14/563,809 | 2014-12-08 | ||
??PCT/US15/50794 | 2015-09-17 | ||
PCT/US2015/050794 WO2016093914A1 (en) | 2014-12-08 | 2015-09-17 | Opportunistic measurements and processing of user's context |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201635974A TW201635974A (zh) | 2016-10-16 |
TWI645834B true TWI645834B (zh) | 2019-01-01 |
Family
ID=56093175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104136322A TWI645834B (zh) | 2014-12-08 | 2015-11-04 | 用於機會性測量及處理使用者的情境的裝置、方法及非暫態計算裝置可讀取媒體 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10201312B2 (zh) |
TW (1) | TWI645834B (zh) |
WO (1) | WO2016093914A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10157350B2 (en) * | 2015-03-26 | 2018-12-18 | Tata Consultancy Services Limited | Context based conversation system |
US10973422B2 (en) * | 2016-01-22 | 2021-04-13 | Fitbit, Inc. | Photoplethysmography-based pulse wave analysis using a wearable device |
US10485433B2 (en) | 2016-12-29 | 2019-11-26 | Intel Corporation | Reliable estimation of pulse transit time in motion for cuffless blood pressure estimation |
CN113934308A (zh) * | 2020-07-14 | 2022-01-14 | 致伸科技股份有限公司 | 具有生理参数检测功能的键盘装置 |
CN114451873A (zh) * | 2020-10-30 | 2022-05-10 | 华为技术有限公司 | 一种信号处理方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100049059A1 (en) * | 2008-08-25 | 2010-02-25 | Ha Kiryong | Apparatus and method for measuring blood pressure |
US20100081946A1 (en) * | 2008-09-26 | 2010-04-01 | Qualcomm Incorporated | Method and apparatus for non-invasive cuff-less blood pressure estimation using pulse arrival time and heart rate with adaptive calibration |
TW201023823A (en) * | 2008-12-23 | 2010-07-01 | Ind Tech Res Inst | Biosignal measurement modules and methods |
TW201424681A (zh) * | 2012-08-17 | 2014-07-01 | Rare Light Inc | 使用一可攜式裝置獲取生理學量測 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6059819A (en) | 1998-07-16 | 2000-05-09 | Southpac Trust International, Inc. | Therapeutic device |
KR100355249B1 (ko) | 2000-04-03 | 2002-10-11 | 박원희 | 체성분분석, ecg 및 맥박감지기능을 갖춘 컴퓨터 |
KR20060039900A (ko) | 2003-07-16 | 2006-05-09 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 휴대용 전자 디바이스 및 개인의 생리적인 조건을모니터하기 위해 배열된 건강 관리 시스템 |
JP2005122339A (ja) | 2003-10-15 | 2005-05-12 | Ricoh Co Ltd | コンピュータシステム |
US7713574B2 (en) | 2004-07-13 | 2010-05-11 | Dexcom, Inc. | Transcutaneous analyte sensor |
WO2007039826A2 (en) | 2005-07-25 | 2007-04-12 | Gal Markel | Mobile communication device and other devices with cardiovascular monitoring capability |
KR100755236B1 (ko) | 2006-04-27 | 2007-09-11 | 서울산업대학교 산학협력단 | 생체정보 검출 시스템 |
KR101451448B1 (ko) | 2006-11-23 | 2014-10-23 | 플로레, 잉고 | 의료 측정 기구 |
KR20080090194A (ko) * | 2007-04-04 | 2008-10-08 | 엘지전자 주식회사 | 혈압 검출 방법 및 그 장치 |
WO2009138927A1 (en) | 2008-05-12 | 2009-11-19 | Koninklijke Philips Electronics N.V. | A method and apparatus for monitoring blood pressure |
FR2940904B1 (fr) | 2009-01-13 | 2012-08-31 | Urgo Laboratoires | Systeme de mesure de pression d'interface |
US8428698B2 (en) * | 2009-03-04 | 2013-04-23 | Pacesetter, Inc. | Systems and methods for monitoring DP, IVRT, DiFT, diastolic function and/or HF |
JP5223967B2 (ja) | 2009-04-02 | 2013-06-26 | 株式会社村田製作所 | 心電信号検出装置 |
US9060722B2 (en) * | 2009-04-22 | 2015-06-23 | Rodrigo E. Teixeira | Apparatus for processing physiological sensor data using a physiological model and method of operation therefor |
JP5360203B2 (ja) | 2009-05-08 | 2013-12-04 | 富士通株式会社 | 操作者状態検知装置およびハンドル |
US8180440B2 (en) * | 2009-05-20 | 2012-05-15 | Sotera Wireless, Inc. | Alarm system that processes both motion and vital signs using specific heuristic rules and thresholds |
US10085657B2 (en) * | 2009-06-17 | 2018-10-02 | Sotera Wireless, Inc. | Body-worn pulse oximeter |
US20110015496A1 (en) | 2009-07-14 | 2011-01-20 | Sherman Lawrence M | Portable medical device |
US20110092780A1 (en) | 2009-10-16 | 2011-04-21 | Tao Zhang | Biosensor module with automatic power on capability |
US8478403B2 (en) * | 2011-02-23 | 2013-07-02 | Pacesetter, Inc. | Implantable systems and methods for use therewith for monitoring and modifying arterial blood pressure without requiring an intravascular pressure transducer |
US20140073969A1 (en) * | 2012-09-12 | 2014-03-13 | Neurosky, Inc. | Mobile cardiac health monitoring |
WO2014089665A1 (en) | 2012-12-13 | 2014-06-19 | Cnv Systems Ltd. | System for measurement of cardiovascular health |
US9332941B2 (en) * | 2012-12-31 | 2016-05-10 | Tosense, Inc. | Body-worn sensor for characterizing patients with heart failure |
-
2014
- 2014-12-08 US US14/563,809 patent/US10201312B2/en active Active
-
2015
- 2015-09-17 WO PCT/US2015/050794 patent/WO2016093914A1/en active Application Filing
- 2015-11-04 TW TW104136322A patent/TWI645834B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100049059A1 (en) * | 2008-08-25 | 2010-02-25 | Ha Kiryong | Apparatus and method for measuring blood pressure |
US20100081946A1 (en) * | 2008-09-26 | 2010-04-01 | Qualcomm Incorporated | Method and apparatus for non-invasive cuff-less blood pressure estimation using pulse arrival time and heart rate with adaptive calibration |
TW201023823A (en) * | 2008-12-23 | 2010-07-01 | Ind Tech Res Inst | Biosignal measurement modules and methods |
TW201424681A (zh) * | 2012-08-17 | 2014-07-01 | Rare Light Inc | 使用一可攜式裝置獲取生理學量測 |
Also Published As
Publication number | Publication date |
---|---|
US10201312B2 (en) | 2019-02-12 |
US20160157782A1 (en) | 2016-06-09 |
TW201635974A (zh) | 2016-10-16 |
WO2016093914A1 (en) | 2016-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11918323B2 (en) | System and method for obtaining bodily function measurements using a mobile device | |
TWI645834B (zh) | 用於機會性測量及處理使用者的情境的裝置、方法及非暫態計算裝置可讀取媒體 | |
US9848823B2 (en) | Context-aware heart rate estimation | |
CN105930631B (zh) | 用于测量生物信号的方法及其可穿戴电子设备 | |
US8519835B2 (en) | Systems and methods for sensory feedback | |
US8988372B2 (en) | Obtaining physiological measurements using a portable device | |
US11786137B2 (en) | Physiological sampling during predetermined activities | |
EP3060100A1 (en) | System and method for obtaining bodily function measurements using a mobile device | |
CN105380618A (zh) | 生物体信息解析系统及生物体信息处理系统 | |
KR102173725B1 (ko) | 생체 신호를 측정하는 방법 및 장치 | |
EP3375357B1 (en) | Biological signal acquisition method, device, electronic equipment and system | |
US20150157278A1 (en) | Electronic device, method, and storage medium | |
JP2014158600A (ja) | 集中状態推定システム、推定装置、筆記具、推定方法及びプログラム | |
WO2023185122A1 (zh) | 一种检测心律的方法和电子设备 | |
Richer et al. | Novel human computer interaction principles for cardiac feedback using google glass and Android wear | |
US20170281012A1 (en) | Opportunistic measurements and processing of user's context | |
WO2018090254A1 (zh) | 一种生物测定数据存储方法、电子设备及系统 | |
WO2020010275A1 (en) | Physical parameter measuring devices | |
WO2023026927A1 (ja) | 心理状態推定システム、心理状態推定方法、および、プログラム | |
JP2016123733A (ja) | 携帯機器 | |
WO2022020410A1 (en) | Wearable ecg and eda with multi-lead and single-lead connections | |
KR20210047041A (ko) | 다중 디바이스 간의 생리적 데이터 통합 및 도시화 장치 및 그 방법 | |
권성준 | Unobtrusive Daily ECG Monitoring Sensors and Middleware for Mobile Healthcare Applications |