TWI827427B - 穿戴裝置與應用其上之光強度數據值選用與判讀方法 - Google Patents
穿戴裝置與應用其上之光強度數據值選用與判讀方法 Download PDFInfo
- Publication number
- TWI827427B TWI827427B TW111150853A TW111150853A TWI827427B TW I827427 B TWI827427 B TW I827427B TW 111150853 A TW111150853 A TW 111150853A TW 111150853 A TW111150853 A TW 111150853A TW I827427 B TWI827427 B TW I827427B
- Authority
- TW
- Taiwan
- Prior art keywords
- light
- data
- light intensity
- intensity
- spectral
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003595 spectral effect Effects 0.000 claims abstract description 109
- 238000001228 spectrum Methods 0.000 claims abstract description 104
- 238000005070 sampling Methods 0.000 claims abstract description 54
- 238000005259 measurement Methods 0.000 claims description 19
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 8
- 238000004820 blood count Methods 0.000 claims description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 6
- 230000036772 blood pressure Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 102000001554 Hemoglobins Human genes 0.000 claims description 3
- 108010054147 Hemoglobins Proteins 0.000 claims description 3
- PPBAJDRXASKAGH-UHFFFAOYSA-N azane;urea Chemical compound N.NC(N)=O PPBAJDRXASKAGH-UHFFFAOYSA-N 0.000 claims description 3
- 229940109239 creatinine Drugs 0.000 claims description 3
- 210000003743 erythrocyte Anatomy 0.000 claims description 3
- 238000005534 hematocrit Methods 0.000 claims description 3
- 210000000265 leukocyte Anatomy 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 210000000707 wrist Anatomy 0.000 claims description 3
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 claims description 2
- 108010082126 Alanine transaminase Proteins 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 210000003491 skin Anatomy 0.000 description 41
- 238000013186 photoplethysmography Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 4
- 230000003862 health status Effects 0.000 description 4
- 230000031700 light absorption Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013526 transfer learning Methods 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 210000004207 dermis Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- QNAYBMKLOCPYGJ-REOHCLBHSA-N L-alanine Chemical compound C[C@H](N)C(O)=O QNAYBMKLOCPYGJ-REOHCLBHSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 235000004279 alanine Nutrition 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000005891 transamination reaction Methods 0.000 description 1
- 210000003462 vein Anatomy 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/7235—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
- A61B2560/0443—Modular apparatus
-
- 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
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
- A61B2562/0238—Optical sensor arrangements for performing transmission measurements on body tissue
-
- 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
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
- A61B2562/0242—Special features of optical sensors or probes classified in A61B5/00 for varying or adjusting the optical path length in the tissue
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Computation (AREA)
- Cardiology (AREA)
- Emergency Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一種穿戴裝置與應用其上之光強度數據值選用與判讀方法，該穿戴裝置
包含有一發光單元以及一光譜感測單元，該方法包含下列步驟：控制該發光單元同時發出包含有多個光譜頻段的一混合光，該混合光通過該感測表面而入射至該使用者之皮膚內部；控制該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中所包含之複數個光強度數據值可被區分成對應複數個光譜頻段所分別取得之複數組頻段-光強度數據值，也可被分別區分成對應該等一連串複數個取樣時間的複數個取樣時間-光強度數據值集合；以及根據該複數組頻段-光強度數據的信號品質，於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組頻段-光強度數據值來進行資料判讀，於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組頻段-光強度數據值來進行資料判讀。
Description
本案係為一種穿戴裝置與應用其上之光強度數據值選用與判讀方法，尤指可應用於使用者人體上之穿戴裝置與應用其上之光強度數據值選用與判讀方法。
隨著穿戴裝置的日益普及，許多人都會配戴智慧型手錶或智慧型手環。而這些穿戴裝置大多已具有監測生理數值的功能，用以量測與記錄各種可以代表使用者身體狀態變化的數據，藉以即時監測使用者的健康狀態。
請參見圖1，其係習知穿戴裝置接觸使用者皮膚的功能方塊示意圖，其中穿戴裝置主體11的底部與使用者皮膚10的表面接觸。而在該穿戴裝置主體11的底部，通常設有一光體積變化描記圖法(Photoplethysmography，以下簡稱PPG)模組110。而在習知技術手段中，傳統的光體積變化描記圖法模組110在某單一時間點上僅會發出單一頻段光線射入皮膚內部，然後再偵測從皮膚內部出射光線的強度變化，用以估測出真皮與皮下組織中血管的狀況，最後再推測出心跳速率、脈搏或血壓等生理數值。而藉由監控該等生理數值的變化並進行判讀，便可以即時有效地監測使用者的健康狀態。
舉例來說，當一定波長的光束照射到皮膚表面時，每次心跳所造成的血管收縮和擴張都會影響光的透射(例如對通過指尖的光線來進行透射式PPG，)或是光的反射(例如對來自手腕表面附近所反射的光線來進行反射式PPG)。而當光照射至皮膚組織然後再出射到光感測器時，光的強度會有一定的衰減。且在測量部位沒有大幅度的運動時，肌肉、骨骼、靜脈和其他連接組織對光的吸收，基本上是不變的。但是動脈比較不同，因為動脈裡有血液的明顯流動，那麼對於光的吸收自然也有較明顯的變化。當透過PPG法把光轉換成電信號時，正是由於動脈對光的吸收有變化但其他組織對光的吸收基本不變，所以得到的信號也就可以分為直流信號和交流信號。因此，只要提取出其中的交流信號，就能夠反應出血液流動的特點。
但是，傳統的光體積變化描記圖法模組110中用以接收出射光線的光感測器，僅能將所接收到之單一頻段的出射光線轉成一能量強度變化的單一信號曲線。而且，由於穿戴裝置容易與皮膚間產生位移而造成入射距離產生變化，故容易因使用者的晃動而造成量測結果失真。再者，因單一頻段上的出射光線所能產生的感測資訊量不夠豐富，而上述的種種缺失，最後將導致穿戴裝置容易產生誤判，進而無法即時有效地監測使用者的健康狀態。
而如何解決上述傳統光體積變化描記圖法模組的缺失，係為發展本案技術手段之主要目的。本發明主要係有關於一種穿戴裝置，應用於一使用者之上，其包含：一主體，其包含有一殼體，該殼體包含有一感測表面，該感測表面可靠近於該使用者之皮膚外部；一生理數據感測模組，設置於該殼體中，該生
理數據感測模組中包含有一發光單元以及一光譜感測單元，其中該發光單元用以同時發出包含有多個光譜頻段的一混合光，該混合光通過該感測表面而入射至該使用者之皮膚內部，該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個光譜頻段所分別取得之複數組頻段-光強度數據值，以及被分別區分成對應該等一連串複數個取樣時間的複數個取樣時間-光強度數據值集合；以及一運算單元，信號連接於該生理數據感測模組，用以接收該光譜數據集合，該運算單元根據光譜數據集合中該複數組頻段-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組頻段-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組頻段-光強度數據值來進行資料判讀。
根據上述構想，本案所述之穿戴裝置中該感測表面頂抵於該使用者之手腕皮膚外部，而該生理數據感測模組為一微型光譜儀，該微型光譜儀中之該發光單元包含有多個發光二極體，用以同時發出包含有該多個光譜頻段的該混合光，該微型光譜儀中之該光譜感測單元用以於該一連串的取樣時間來感測該使用者之皮膚內部所出射出之該出射光，進而產生複數個光譜頻段-強度信號曲線，其中任一光譜頻段-強度信號曲線係由該光譜數據集合中一組頻段-光強度數據所生成。
根據上述構想，本案所述之穿戴裝置中該運算單元設置於該殼體中，信號連接於該生理數據感測模組，用以接收該光譜數據集合，該運算單元根據該光譜數據集合所生成之複數個光譜頻段-強度信號曲線的信號品質，而於第
一判斷時間點選用該光譜數據集合中信號品質符合條件的一個或多個光譜頻段-強度信號曲線來進行資料判讀，而於第二判斷時間點再另外選用該光譜數據集合中信號品質符合條件的一個或多個光譜頻段-強度信號曲線來進行資料判讀，該複數個光譜頻段-強度信號曲線的信號品質為其信噪比數值。
根據上述構想，本案所述之穿戴裝置中該複數個光譜頻段-強度信號曲線中的任一個光譜頻段-強度信號曲線在頻段範圍從一下限頻率至一上限頻率中的信號成份定義為訊號，而在頻段範圍從該下限頻率至該上限頻率之外的信號成份定義為雜訊，該運算單元將該複數個光譜頻段-強度信號曲線中的每一個光譜頻段-強度信號曲線分別算出其訊號強度與雜訊強度的比值而得到該信噪比數值，再從中挑出信噪比數值大於一預設值的一個或多個光譜頻段-強度信號曲線判定為合格的光譜頻段-強度信號曲線，然後再對一個或多個合格的光譜頻段-強度信號曲線來進行一PPG資料判讀。
根據上述構想，本案所述之穿戴裝置中該下限頻率為0.5Hz，該上限頻率為7Hz，而該運算單元將符合信噪比(SNR)標準的複數個光譜頻段-強度信號曲線進行最大比值合併，用以加權組合成一條最佳化的強度信號曲線，然後再用此最佳化的強度信號曲線來進行後續的PPG資料判讀。
根據上述構想，本案所述之穿戴裝置中該PPG資料判讀可估測出該使用者的白血球計數、紅血球計數、血色素、血比容、血糖、血壓、血液尿素氨、肌酸酐與丙胺酸轉胺酶(GPT)中之一數值。
根據上述構想，本案所述之穿戴裝置中該PPG資料判讀係利用人工智慧學習來進行優化，同時產生對應p個光譜頻段的p個光譜頻段-強度信號
曲線，用以在短時間內提供更多的數據資料來讓人工智慧程式進行訓練，將可以快速地提高資料判讀的正確率。
根據上述構想，本案所述之穿戴裝置中該運算單元根據同一取樣時間點上所取得之對應該複數個光譜頻段之一取樣時間-光強度數據值集合，用以判定量測環境或裝置穿戴狀況是否正確。
根據上述構想，本案所述之穿戴裝置中該運算單元根據同一取樣時間點上所取得之對應該複數個光譜頻段之一取樣時間-光強度數據值集合，用以判定量測物體特徵，並根據該量測物體特徵來選用適當的人工智慧模型與預測模型。
根據上述構想，本案所述之穿戴裝置中該運算單元根據一取樣時間點上所取得之對應該複數個光譜頻段之一取樣時間-光強度數據值集合，用以判定量測物體特徵，並根據該量測物體特徵來選定對應之一量測參數，該量測參數為個別頻段之光源強度、該光譜感測單元的取樣速度與量測次數、鏡頭光圈值或曝光值。
根據上述構想，本案所述之穿戴裝置中該運算單元將該光譜數據集合轉成一平面彩色影像，該平面彩色影像的二維座標分別為取樣時間與光譜頻段，而該彩色影像中任一座標點上的色彩值為一光強度值，該運算單元利用一卷積神經網絡圖像辨識技術來對該平面彩色影像來進行資料判讀。
本案之另一方面為一種穿戴裝置，應用於一使用者之上，其包含：一主體，其包含有一殼體，該殼體包含有一感測表面，該感測表面可靠近於該使用者之皮膚外部；一生理數據感測模組，設置於該殼體中，該生理數據感測模組中包含有一發光單元以及一光譜感測單元，其中該發光單元用以發出強度隨時間
變化之一入射光，不同強度之該入射光通過該感測表面而入射至該使用者之皮膚內部的不同深度，該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個入射光強度所分別取得之複數組深度-光強度數據值；以及一運算單元，信號連接於該生理數據感測模組，用以接收該光譜數據集合，該運算單元根據光譜數據集合中該複數組深度-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組深度-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組深度-光強度數據值來進行資料判讀。
本案之再一方面為一種光強度數據值選用與判讀方法，應用於一使用者與一穿戴裝置之間，該穿戴裝置包含有一發光單元以及一光譜感測單元，其方法包含下列步驟：控制該發光單元同時發出包含有多個光譜頻段的一混合光，該混合光通過一感測表面而入射至該使用者之皮膚內部；控制該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個光譜頻段所分別取得之複數組頻段-光強度數據值，以及被分別區分成對應該等一連串複數個取樣時間的複數個取樣時間-光強度數據值集合；以及根據光譜數據集合中該複數組頻段-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組頻段-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光
譜數據集合中滿足該信號品質指標的至少一第二組頻段-光強度數據值來進行資料判讀。
本案之又一方面為一種光強度數據值選用與判讀方法，應用於一使用者與一穿戴裝置之間，該穿戴裝置包含有一發光單元以及一光譜感測單元，其方法包含下列步驟：控制該發光單元同時發出強度隨時間變化之一入射光，不同強度之該入射光通過一感測表面而入射至該使用者之皮膚內部的不同深度；控制該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個入射光強度所分別取得之複數組深度-光強度數據值；以及根據光譜數據集合中該複數組深度-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組深度-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組深度-光強度數據值來進行資料判讀。
為了能對本發明之上述構想有更清楚的理解，下文特舉出多個實施例，並配合對應圖式詳細說明如下。
10:使用者皮膚
11:穿戴裝置主體
110:光體積變化描記圖法模組
2:穿戴裝置
20:主體
21:生理數據感測模組
22:運算單元
200:殼體
2000:感測表面
2001:皮膚表面
210:發光單元
211:光譜感測單元
2101、2102、...、210n:發光二極體
29:發光二極體組
291、292、293:發光二極體
31、32、33:入射光
301:真皮層
310、320、330:光譜頻段-強度信號曲線
圖1，其係習知穿戴裝置接觸使用者皮膚的功能方塊示意圖。
圖2a，其係本案發展出之一種穿戴裝置的功能方塊示意圖。
圖2b，其係本案發展出關於發光單元的功能方塊示意圖。
圖2c，其係本案發展出關於生理數據感測模組的功能方塊示意圖。
圖2d，其係本案發展出關於生理數據感測模組的元件配置示意圖。
圖3a，其係本案穿戴裝置所發出的入射光示意圖。
圖3b，其係三種不同頻段的入射光強度分佈示例圖。
圖3c，其係本案裝置所產生之3個隨時間變化且對應於不同光譜頻段的光譜頻段-強度信號曲線示意圖。
圖4，其係本案所發展出之光強度數據值選用與判讀方法的一較佳實施例流程圖。
圖5，其係本案所發展出之光強度數據值選用與判讀方法的另一較佳實施例流程圖。
為了解決上述的問題，本案發明人係發展出具有如圖2a所示之一種穿戴裝置2的功能方塊示意圖，其可應用於一使用者的生理數據感測。而該穿戴裝置主要包含有一主體20、一生理數據感測模組21以及一運算單元22，其中該主體20包含有一殼體200，該殼體200包含有一感測表面2000，該感測表面2000可靠近甚或是頂抵於該使用者之皮膚表面2001。
至於生理數據感測模組21，可設置於該殼體200中，該生理數據感測模組21中包含有一發光單元210以及一光譜感測單元211，該發光單元210主要是用以同時發出包含有多個光譜頻段的一混合光。舉例來說，該發光單元210中可以裝設一個頻段可涵蓋多段光譜(例如紅外線、可見光以及紫外線)的單一發光二極體，或是如圖2b所示之關於發光單元的功能方塊示意圖，該發光單元210
可包含有利用多個頻段互異之多個發光二極體來2101、2102、...、210n所組成之發光二極體組29。舉例來說，多個發光二極體可以是使用分別為綠光(波長515nm)、紅光(波長660nm)以及紅外光(波長940nm)的發光二極體，三種光源之光譜圖則如圖2c之所示。
由該發光單元210於同一時間點所發出之該多段光譜混合光將通過該感測表面2000而入射至該使用者之皮膚表面2001內。而由於不同頻段(波長範圍)的入射光可以進入到該使用者皮膚的不同深度，所以從該使用者之皮膚表面內部所出射的一出射混合光中所包含不同頻段(波長範圍)的出射光強度變化，將攜帶有代表不同深度處所發生的生理狀態變化。而為能接收到所有頻段的光強度信號，光譜感測單元211可以是一個多波長光體積變化描記圖法(Multi-Wavelength Photoplethysmography，以下簡稱MW-PPG)感測器，可使用例如是nanoLambda公司所開發的微型光譜儀來完成。如圖2d所示，本案所發展出之生理數據感測模組21中可設置有由綠光(波長515nm)、紅光(波長660nm)以及紅外光(波長940nm)的發光二極體291、292與293所構成的發光二極體組29，光源排列成對稱狀，並且將光譜感測單元211設置於中間，使得由皮膚內部所出射之不同波長光線可聚集於中心點以利MW-PPG感測器之採集。相較於傳統光譜儀的面積動輒數平方公分，此款感測器的面積僅佔有數平方毫米，由於其構造並不需要使用光柵、焦透鏡等精密光學元件，在使用上微小且輕便，並可同時採集包含340、345、...、505nm、510nm、515nm、520nm、525nm、620nm、625nm、630nm、635nm、640nm、930nm、935nm、940nm、945nm、950nm共153個波長的PPG訊號。
以圖3a所示之入射光示意圖來舉例說明，三種不同頻段(波長範圍)的入射光31、32、33)可進入到該使用者皮膚中真皮層301的不同深度，所以從該使用者之皮膚表面內部所出射的出射混合光，在某一個取樣時間點上，其出射光強度分佈示例圖則可如圖3b之所示，其中三個波峰便是代表三種不同頻段(波長範圍)的入射光31、32、33的主要波長位置。而由於該發光單元210所發出之入射光係同時包含有多段光譜(紅外線及可見光)的混合光，因此該出射光也是屬於多段光譜的混合光。於是，本案所設置的該光譜感測單元211將可於一連串的取樣時間點T1、T2、...、Tn上，用來感測該使用者之皮膚表面內部所出射出之多段光譜的出射混合光而產生一光譜數據集合，而該光譜數據集合中包含有相對應該一連串的取樣時間T1、T2、...、Tn的n個取樣時間-光強度數據值集合。
舉例來說，該n個取樣時間-光強度數據值集合中的第一取樣時間-光強度數據值集合，係由於一第一取樣時間點T1上所分別取得之對應該p個光譜頻段(F1、F2、...、Fp)之p個光強度數據值所組成。至於該n個取樣時間-光強度數據值集合中之一第二取樣時間-光強度數據值集合，則為於一第二取樣時間點T2上所分別取得之對應該p個光譜頻段(F1、F2、...、Fp)之p個光強度數據值來組成。而該運算單元22則可根據光譜數據集合中該複數組頻段-光強度數據的信號品質，可於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組頻段-光強度數據值來進行資料判讀，另可於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組頻段-光強度數據值來進行資料判讀。如此一來，即使穿戴裝置與使用者之間因配戴不牢所產生相對位移而導致入射光到達深度產生變異，也可以因為根據信號品質來即時選用當時以最佳深度進行量測的至少一組頻段-光強度數據值來進行資料判讀，進而避免深
度變異所造成的誤判。也可以因為根據信號品質來即時選用當時以最佳量測效果的至少一組頻段-光強度數據值來進行資料判讀，進而避免因量測環境變化、生理變化或深度變異所造成的誤判。
換言之，根據該光譜數據集合可以生成出對應該p個光譜頻段(F1、F2、...、Fp)之p個光譜頻段-強度信號曲線。而以上述圖3a與3b為例，在一連串的取樣時間後，便可以得到如圖3c所示之3個隨時間變化且對應於不同光譜頻段的3個光譜頻段-強度信號曲線310、320、330。而由上述說明文字與圖3a-3c的圖式可以看出，運用本案硬體設置所得到的該光譜數據集合可生成代表不同皮膚深度的p個光譜頻段的光譜頻段-強度信號曲線，如此一來，信號連接於該生理數據感測模組21的運算單元22(可設置於該殼體200或也可以改設置到雲端)，用以接收上述光譜感測單元211所產生的該光譜數據集合。如此一來，本案的運算單元22便可根據光譜數據集合所生成之p個光譜頻段-強度信號曲線的信號品質，而於第一判斷時間點選用該光譜數據集合中信號品質符合條件的一個或多個光譜頻段-強度信號曲線來進行資料判讀，而於第二判斷時間點再另外選用該光譜數據集合中信號品質符合條件的一個或多個光譜頻段-強度信號曲線來進行資料判讀。而上述光強度數據值選用與判讀方法，可以應用於使用者與穿戴裝置之間，其方法流程圖則可以參考圖4之所示，包含有下列步驟：控制該發光單元同時發出包含有多個光譜頻段的混合光，該混合光通過該感測表面而入射至該使用者之皮膚內部(步驟41)；控制該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之出射光的強度而產生一光譜數據集合(步驟42)，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個光譜頻段所分別取得之複數組頻段-光強度數據值，以及被
分別區分成對應該等一連串複數個取樣時間的複數個取樣時間-光強度數據值集合；然後再根據光譜數據集合中該複數組頻段-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組頻段-光強度數據值來進行資料判讀(步驟43)，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組頻段-光強度數據值來進行資料判讀(步驟44)。
舉例來說，運算單元22可以用信號品質中的信噪比(SNR)來從對應p個光譜頻段的p個光譜頻段-強度信號曲線中，挑選至少一個光譜頻段-強度信號曲線來進行PPG資料判讀，用以確保信號的可靠度。以上述應用例而言，可將上述任一個光譜頻段-強度信號曲線在頻段範圍從一下限頻率至一上限頻率中的信號成份定義為訊號，而在頻段範圍從該下限頻率至該上限頻率之外的信號成份定義為雜訊。舉例來說，若該光譜頻段-強度信號曲線代表是血管脈動的信號時，可將其頻段範圍在0.5Hz~7Hz中的信號成份定義為訊號，而頻段範圍在0.5Hz~7Hz之外的信號成份則定義為雜訊，故可以將p個光譜頻段-強度信號曲線中的每一個光譜頻段-強度信號曲線分別算出其信噪比(SNR)，再從中挑出信噪比(SNR)大於一預設值的至少一個光譜頻段-強度信號曲線判定為合格的光譜頻段-強度信號曲線，然後再對一個或多個合格的光譜頻段-強度信號曲線來進行資料判讀(例如PPG資料判讀)。另外一種實施例是，可以依據信噪比(SNR)來將符合信噪比(SNR)標準的複數個光譜頻段-強度信號曲線進行最大比值合併(Maximal Ratio Combining，簡稱MRC)，用以加權組合成一條最佳化的強度信號曲線，然後再用此最佳化的強度信號曲線後續的資料判讀。而上述本案對皮膚內血管變化的PPG資料判讀，因為具有較多資訊來進行訓練與判斷，所以還
可以廣泛地應用於該使用者的白血球計數、紅血球計數、血色素、血比容、血糖、血壓、血液尿素氨、肌酸酐與丙胺酸轉胺酶(GPT)的數值估測。
至於運算單元22對上述合格光譜頻段-強度信號曲線或最佳化的強度信號曲線進行的資料判讀，可以是已被廣泛應用的PPG資料判讀，並可以利用人工智慧學習(AI learning)來不斷進行優化並應用各式心血管狀態相關數據的資料判讀。又因為人工神經網路(ANN，Artificial Neural Network)是一種模仿人類大腦的結構和功能的數學模型，主要是用於進行回歸、分類等問題的處理。所以隨著顯示卡晶片等相關硬體裝置的運算速度及效能提升，神經網路模型的層數得以大幅加深，因此能夠訓練的神經元特徵數也可隨之增加，如此將可使得神經網路模型有機會獲得更佳的學習結果。但是在醫學領域，每筆資料的蒐集得來不易，又因為訓練數據量的多寡，是決定模型好壞的重要關鍵。因此當本案技術手段所完成之穿戴裝置可以同時產生對應p個光譜頻段的p個光譜頻段-強度信號曲線，便可在短時間內提供更多的數據資料來讓人工智慧程式進行訓練，將可以快速地提高資料判讀的正確率。
更佳者，本案更可使用轉移學習(transfer learning)方法來進行優化。轉移學習方法屬於機器學習中的特別研究領域，其研究來源基於一個觀點：人類在遇到新的問題時，若在過去曾遇過相似或相同的問題，便能根據曾經學過的經驗、知識，更快及更有效率的解決新問題，也就是一個轉移知識的過程，因此只要能找到與欲訓練的神經網路模型相同或相關任務的模型，就能以此作為來源領域模型並藉由轉移學習訓練目標領域模型，不需要從頭對目標領域收集數據、標籤數據及訓練模型，大幅節省了蒐集數據的時間。因此，若使用本案的微型光譜儀能夠蒐集到的數據量仍是不足，直接進行神經網路模型訓練的結果通常還是不
盡理想時，本案還可以透過轉移學習方法，使用與"Y.Kurylyak,F.Lamonaca and D.Grimaldi,"A neural network-based中method for continuous blood pressure estimation from a PPG signal,"in proc.of 2013 IEEE I2MTC,Minneapolis,MN,pp.280-283,2013."相同的MIMIC公開數據庫資料作為來源領域神經網路模型(source domain model)的訓練資料。
另外，透過對圖3c所示之複數個隨時間變化且對應於複數個光譜頻段的強度信號曲線310、320、330的觀察，可以看出這個三維的PPG強度分佈信號，若強度(高度)轉換成色彩值後，便可以將三維影像轉換成一平面彩色影像，而該平面彩色影像可以利用卷積神經網絡(Convolutional Neural Network，簡稱CNN)等強悍的AI圖像辨識技術來進行資料判讀。同樣的，將該光譜數據集合中的光強度數據值轉換成色彩值後，該光譜數據集合也是可以轉成一平面彩色影像來進行上述的資料判讀。
再者，本案運算單元22還可根據某個取樣時間點上所取得之對應該p個光譜頻段(F1、F2、...、Fp)之p個光強度數據值(以下簡稱頻譜快照，snapshot spectrum)，還可以用來判定量測環境與裝置穿戴狀況是否正確，也可依據當下的頻譜快照來判定量測物體特徵(例如人種)，用來選用適當的人工智慧模型與預測模型。當然也可依據當下的頻譜快照所判定之量測物體特徵(例如人種)，進而選定對應之量測參數，例如如個別頻段之光源強度、光譜感測單元211的取樣速度與量測次數，甚至可以相對應調整鏡頭光圈而控制曝光值等各種參數。而這些手段都是為了讓測量結果更接近真實狀態，減少誤判的機率。
另外，信號品質的例子，除了以較直接方便的信噪比(SNR)來進行判斷外，也可以利用經驗法則來進行選擇，將過去的波形來進行比對，發現差異
過大的就將其剔除。或是將某一個頻段的強度信號曲線與相鄰頻段的強度信號曲線進行比較，若是波形差異太多就將其剔除。再者，也可以利用事後判斷法，例如，若利用有某頻段的強度信號曲線進行資料判讀後當下所預測得到的心律值、血氧值或任意一血液指標發生異常，明顯超出人類可能的範圍值，即可將此頻段的強度信號曲線剔除而改使用剩餘頻段的強度信號曲線來進行資料判讀與預測，如此重複進行，便可疊代挑選出最佳頻段訊號。
除了利用多個頻段的混合光來入射至不同皮膚深度外，本案也可以控制該發光單元210在不同時段中發出相同頻率但不同強度之入射光(例如以分時多工的方式，在不同時間槽中發出不同強度之入射光)，當然也可以是不同頻段又不同強度之入射光。而不同強度之該入射光便可通過該感測表面2000而入射至該使用者之皮膚內部的不同深度。而該光譜感測單元211則可用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個入射光強度所分別取得之複數組深度-光強度數據值。如此一來，本案的運算單元22將可根據所接收到之該光譜數據集合中該複數組深度-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組深度-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組深度-光強度數據值來進行資料判讀。如此一來，即使穿戴裝置與使用者之間因配戴不牢所產生相對位移而導致入射光到達深度產生變異，也可以因為根據信號品質來即時選用當時以最佳深度進行量測的至少一組頻段-光強度數據值來進行資料判讀，進而避免深度變異所造成的誤判。
而上述光強度數據值選用與判讀方法，可以應用於使用者與穿戴裝置之間，其方法流程圖則可以參考圖5之所示，包含有下列步驟：控制該發光單元同時發出強度隨時間變化之一入射光，不同強度之該入射光通過該感測表面而入射至該使用者之皮膚內部的不同深度(步驟51)；控制該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合(步驟52)，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個入射光強度所分別取得之複數組深度-光強度數據值；然後再根據光譜數據集合中該複數組頻段-光強度數據的信號品質，而於第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組深度-光強度數據值來進行資料判讀(步驟53)，而於第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組深度-光強度數據值來進行資料判讀(步驟54)。
綜上所述，本案技術可以改善穿戴裝置因為與皮膚間產生位移而造成入射距離產生變化所造成之量測結果失真，並且利用多個頻段或多個光強度的出射光線而產生出豐富的感測資訊量來進行較佳信號的選用，進而改善傳統穿戴裝置容易產生誤判的缺失，達成即時有效地監測使用者健康狀態的功效。雖然本發明以實施例揭露如上，但並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之技術精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍請求項所界定者為準。
2:穿戴裝置
20:主體
21:生理數據感測模組
22:運算單元
200:殼體
2000:感測表面
2001:皮膚表面
210:發光單元
211:光譜感測單元
Claims (14)
- 一種穿戴裝置，應用於一使用者之上，其包含：一主體，其包含有一殼體，該殼體包含有一感測表面，該感測表面可靠近於該使用者之皮膚外部；一生理數據感測模組，設置於該殼體中，該生理數據感測模組中包含有一發光單元以及一光譜感測單元，其中該發光單元用以同時發出包含有多個光譜頻段的一混合光，該混合光通過該感測表面而入射至該使用者之皮膚內部，該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個光譜頻段所分別取得之複數組頻段-光強度數據值，以及被分別區分成對應該等一連串複數個取樣時間的複數個取樣時間-光強度數據值集合；以及一運算單元，信號連接於該生理數據感測模組，用以接收該光譜數據集合，該運算單元根據光譜數據集合中該複數組頻段-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組頻段-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組頻段-光強度數據值來進行資料判讀。
- 如請求項1所述之穿戴裝置，其中該感測表面頂抵於該使用者之手腕皮膚外部，而該生理數據感測模組為一微型光譜儀，該微型光譜儀中之該發光單元包含有多個發光二極體，用以同時發出包含有該多個光譜頻段的該混合光，該微型光譜儀中之該光譜感測單元用以於該一連串的取樣時間來感測該使用者之皮膚內部所出射出之該出射光，進而產生複數個光譜頻段-強度信號曲線， 其中任一光譜頻段-強度信號曲線係由該光譜數據集合中一組頻段-光強度數據所生成。
- 如請求項2所述之穿戴裝置，其中該運算單元設置於該殼體中，信號連接於該生理數據感測模組，用以接收該光譜數據集合，該運算單元根據該光譜數據集合所生成之複數個光譜頻段-強度信號曲線的信號品質，而於第一判斷時間點選用該光譜數據集合中信號品質符合條件的一個或多個光譜頻段-強度信號曲線來進行資料判讀，而於第二判斷時間點再另外選用該光譜數據集合中信號品質符合條件的一個或多個光譜頻段-強度信號曲線來進行資料判讀，該複數個光譜頻段-強度信號曲線的信號品質為其信噪比數值。
- 如請求項3所述之穿戴裝置，其中該複數個光譜頻段-強度信號曲線中的任一個光譜頻段-強度信號曲線在頻段範圍從一下限頻率至一上限頻率中的信號成份定義為訊號，而在頻段範圍從該下限頻率至該上限頻率之外的信號成份定義為雜訊，該運算單元將該複數個光譜頻段-強度信號曲線中的每一個光譜頻段-強度信號曲線分別算出其訊號強度與雜訊強度的比值而得到該信噪比數值，再從中挑出信噪比數值大於一預設值的一個或多個光譜頻段-強度信號曲線判定為合格的光譜頻段-強度信號曲線，然後再對一個或多個合格的光譜頻段-強度信號曲線來進行一PPG資料判讀。
- 如請求項4所述之穿戴裝置，其中該下限頻率為0.5Hz，該上限頻率為7Hz，而該運算單元將符合信噪比(SNR)標準的複數個光譜頻段-強度信號曲線進行最大比值合併，用以加權組合成一條最佳化的強度信號曲線，然後再用此最佳化的強度信號曲線來進行後續的PPG資料判讀。
- 如請求項4與5中之任一項所述之穿戴裝置，其中該PPG資料判讀可估測出該使用者的白血球計數、紅血球計數、血色素、血比容、血糖、血壓、血液尿素氨、肌酸酐與丙胺酸轉胺酶(GPT)中之一數值。
- 如請求項4與5中之任一項所述之穿戴裝置，其中該PPG資料判讀係利用人工智慧學習來進行優化，同時產生對應p個光譜頻段的p個光譜頻段-強度信號曲線，用以在短時間內提供更多的數據資料來讓人工智慧程式進行訓練，將可以快速地提高資料判讀的正確率。
- 如請求項1所述之穿戴裝置，其中該運算單元根據同一取樣時間點上所取得之對應該複數個光譜頻段之一取樣時間-光強度數據值集合，用以判定量測環境或裝置穿戴狀況是否正確。
- 如請求項1所述之穿戴裝置，其中該運算單元根據同一取樣時間點上所取得之對應該複數個光譜頻段之一取樣時間-光強度數據值集合，用以判定量測物體特徵，並根據該量測物體特徵來選用適當的人工智慧模型與預測模型。
- 如請求項1所述之穿戴裝置，其中該運算單元根據一取樣時間點上所取得之對應該複數個光譜頻段之一取樣時間-光強度數據值集合，用以判定量測物體特徵，並根據該量測物體特徵來選定對應之一量測參數，該量測參數為個別頻段之光源強度、該光譜感測單元的取樣速度與量測次數、鏡頭光圈值或曝光值。
- 如請求項1所述之穿戴裝置，其中該運算單元將該光譜數據集合轉成一平面彩色影像，該平面彩色影像的二維座標分別為取樣時間與光譜頻段，而該彩色影像中任一座標點上的色彩值為一光強度值，該運算單元利用一卷積神經網絡圖像辨識技術來對該平面彩色影像來進行資料判讀。
- 一種穿戴裝置，應用於一使用者之上，其包含：一主體，其包含有一殼體，該殼體包含有一感測表面，該感測表面可靠近於該使用者之皮膚外部； 一生理數據感測模組，設置於該殼體中，該生理數據感測模組中包含有一發光單元以及一光譜感測單元，其中該發光單元用以發出強度隨時間變化之一入射光，不同強度之該入射光通過該感測表面而入射至該使用者之皮膚內部的不同深度，該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個入射光強度所分別取得之複數組深度-光強度數據值；以及一運算單元，信號連接於該生理數據感測模組，用以接收該光譜數據集合，該運算單元根據光譜數據集合中該複數組深度-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組深度-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組深度-光強度數據值來進行資料判讀。
- 一種光強度數據值選用與判讀方法，應用於一使用者與一穿戴裝置之間，該穿戴裝置包含有一發光單元以及一光譜感測單元，其方法包含下列步驟：控制該發光單元同時發出包含有多個光譜頻段的一混合光，該混合光通過一感測表面而入射至該使用者之皮膚內部；控制該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個光譜頻段所分別取得之複數組頻段-光強度數據值，以及被分別區分成對應該等一連串複數個取樣時間的複數個取樣時間-光強度數據值集合；以及 根據光譜數據集合中該複數組頻段-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組頻段-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組頻段-光強度數據值來進行資料判讀。
- 一種光強度數據值選用與判讀方法，應用於一使用者與一穿戴裝置之間，該穿戴裝置包含有一發光單元以及一光譜感測單元，其方法包含下列步驟：控制該發光單元同時發出強度隨時間變化之一入射光，不同強度之該入射光通過一感測表面而入射至該使用者之皮膚內部的不同深度；控制該光譜感測單元用以於一連串取樣時間來感測該使用者之皮膚內部所出射出之一出射光的強度而產生一光譜數據集合，該光譜數據集合中包含有複數個光強度數據值，該複數個光強度數據值可被區分成對應複數個入射光強度所分別取得之複數組深度-光強度數據值；以及根據光譜數據集合中該複數組深度-光強度數據的信號品質，而於一第一判斷時間點選用該光譜數據集合中滿足一信號品質指標的至少一第一組深度-光強度數據值來進行資料判讀，而於一第二判斷時間點選用該光譜數據集合中滿足該信號品質指標的至少一第二組深度-光強度數據值來進行資料判讀。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111150853A TWI827427B (zh) | 2022-12-30 | 2022-12-30 | 穿戴裝置與應用其上之光強度數據值選用與判讀方法 |
| US18/400,268 US20240215875A1 (en) | 2022-12-30 | 2023-12-29 | Wearable device and a method for selecting and interpreting light intensity data values applicable thereto |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111150853A TWI827427B (zh) | 2022-12-30 | 2022-12-30 | 穿戴裝置與應用其上之光強度數據值選用與判讀方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI827427B true TWI827427B (zh) | 2023-12-21 |
| TW202425919A TW202425919A (zh) | 2024-07-01 |
Family
ID=90053508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111150853A TWI827427B (zh) | 2022-12-30 | 2022-12-30 | 穿戴裝置與應用其上之光強度數據值選用與判讀方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240215875A1 (zh) |
| TW (1) | TWI827427B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201540261A (zh) * | 2014-03-24 | 2015-11-01 | Samsung Electronics Co Ltd | 使用可穿戴感測器平台之生理測量用的信心指標 |
| CN108451517A (zh) * | 2018-02-13 | 2018-08-28 | 安徽奇智科技有限公司 | 一种基于可穿戴设备的健康检测方法 |
| US20200187788A1 (en) * | 2018-12-14 | 2020-06-18 | Imec Vzw | Device for read-out of a photoplethysmography signal and a wearable sensor |
| WO2022085983A1 (ko) * | 2020-10-23 | 2022-04-28 | 삼성전자 주식회사 | 생체 정보 측정을 위한 웨어러블 장치 및 방법 |
| CN115500800A (zh) * | 2022-03-25 | 2022-12-23 | 张烁 | 一种穿戴式生理参数检测系统 |
-
2022
- 2022-12-30 TW TW111150853A patent/TWI827427B/zh active
-
2023
- 2023-12-29 US US18/400,268 patent/US20240215875A1/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201540261A (zh) * | 2014-03-24 | 2015-11-01 | Samsung Electronics Co Ltd | 使用可穿戴感測器平台之生理測量用的信心指標 |
| CN108451517A (zh) * | 2018-02-13 | 2018-08-28 | 安徽奇智科技有限公司 | 一种基于可穿戴设备的健康检测方法 |
| US20200187788A1 (en) * | 2018-12-14 | 2020-06-18 | Imec Vzw | Device for read-out of a photoplethysmography signal and a wearable sensor |
| WO2022085983A1 (ko) * | 2020-10-23 | 2022-04-28 | 삼성전자 주식회사 | 생체 정보 측정을 위한 웨어러블 장치 및 방법 |
| CN115500800A (zh) * | 2022-03-25 | 2022-12-23 | 张烁 | 一种穿戴式生理参数检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240215875A1 (en) | 2024-07-04 |
| TW202425919A (zh) | 2024-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2959570T3 (es) | Sistema y método para la determinación de la presión arterial sin contacto | |
| US11690513B2 (en) | Methods and system for multi-channel bio-optical sensing | |
| US10004410B2 (en) | System and methods for measuring physiological parameters | |
| RU2669616C2 (ru) | Устройство и способ определения показателей жизнедеятельности субъекта | |
| CN107920786B (zh) | 脉搏血氧测定 | |
| US20200383628A1 (en) | Optical response measurement from skin and tissue using spectroscopy | |
| CN109044323B (zh) | 基于深度学习的心率和血氧饱和度测量设备 | |
| CN103271734A (zh) | 一种基于低端成像设备的心率测量方法 | |
| CN106999116A (zh) | 用于皮肤检测的设备和方法 | |
| JPWO2018088358A1 (ja) | 脈波検出装置、画像解析装置および生体情報生成システム | |
| JP6970840B2 (ja) | 対象を含むシーンの画像の画像セグメンテーションのための装置、システム及び方法 | |
| TW202133029A (zh) | 活體偵測裝置及方法 | |
| TWI827427B (zh) | 穿戴裝置與應用其上之光強度數據值選用與判讀方法 | |
| WO2021250681A1 (en) | Sensor device to mitigate the effects of unwanted signals made in optical measurements of biological properties | |
| CN113616201A (zh) | 一种ppg传感器、生理参数传感器及智能可穿戴设备 | |
| US12082947B2 (en) | Physiological detection device with white light source | |
| WO2016108056A1 (en) | A ppg-based physiological sensing system with a spatio-temporal sampling approach towards identifying and removing motion artifacts from optical signals | |
| CN209932708U (zh) | 一种用于测量心率和血氧的阵列排布电路 | |
| CN111803085A (zh) | 一种基于颜色特性的无创血红蛋白浓度水平测量装置 | |
| EP3629895B1 (en) | Method and apparatus for light-weight, non-invasive, point of care diabetes screening device | |
| WO2023187820A1 (en) | Electronic ring for optimizing health and fitness parameters measured by optical sensors | |
| CN111248889B (zh) | 一种基于led二极管及led显示矩阵的脉搏波测量装置及方法 | |
| CN116327152B (zh) | 一种远程非接触式心率检测系统及方法 | |
| CN115023185A (zh) | 用于确定光体积描记图的可穿戴设备和方法 | |
| WO2016111696A1 (en) | A ppg-based physiological sensing system with a spatio-temporal sampling approach towards identifying and removing motion artifacts from optical signals |