TWI844328B - 用於生物測定監測之方法和設備以及相關的非暫時性電腦可讀取媒體 - Google Patents
用於生物測定監測之方法和設備以及相關的非暫時性電腦可讀取媒體 Download PDFInfo
- Publication number
- TWI844328B TWI844328B TW112113071A TW112113071A TWI844328B TW I844328 B TWI844328 B TW I844328B TW 112113071 A TW112113071 A TW 112113071A TW 112113071 A TW112113071 A TW 112113071A TW I844328 B TWI844328 B TW I844328B
- Authority
- TW
- Taiwan
- Prior art keywords
- feature vectors
- data
- heartbeat
- sensor device
- eigenvectors
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 41
- 238000012544 monitoring process Methods 0.000 title claims description 34
- 239000013598 vector Substances 0.000 claims abstract description 128
- 230000015654 memory Effects 0.000 claims description 22
- 238000000513 principal component analysis Methods 0.000 abstract description 15
- 230000009466 transformation Effects 0.000 abstract description 10
- 230000004087 circulation Effects 0.000 description 37
- 230000000875 corresponding effect Effects 0.000 description 31
- 230000009471 action Effects 0.000 description 23
- 230000008569 process Effects 0.000 description 22
- 230000001052 transient effect Effects 0.000 description 21
- 230000000747 cardiac effect Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 238000012937 correction Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 6
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 230000003205 diastolic effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 210000000624 ear auricle Anatomy 0.000 description 2
- 230000036571 hydration Effects 0.000 description 2
- 238000006703 hydration reaction Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003836 peripheral circulation Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Images
Abstract
本申請公開了自主式全光譜生物測定監測。一種設備可以獲得與多個波長通道相關聯的原始心跳資料。該設備可以基於特徵向量變換來產生多個特徵向量,每個特徵向量對應於多個波長通道中的相應一個波長通道。該設備可以基於多個相關係數平方從多個特徵向量中識別一組選定特徵向量,每個相關係數平方與多個特徵向量中的相應對相關聯。該設備可以基於主成分分析來產生該一組選定特徵向量的平均特徵向量。該設備可以基於平均特徵向量來確定初始心跳循環資料。該設備可以校正在初始心跳循環資料中的心跳循環間隙,以便確定最終心跳循環資料。
Description
本申請案是關於自主式全光譜生物測定監測的技術領域。
光學體積描記術(PPG)是可用於檢測在外周循環中的血液的體積變化(當血液體積由於心臟的泵送作用而變化時)的光學技術。PPG是一種在皮膚的表面處(例如在指尖、手腕、耳垂等等處)進行測量的非侵入性方法。PPG設備可以採取提供與多個波長通道(例如,64個波長通道)相關聯的心跳時間序列資料的多光譜感測器設備(例如,二進位多光譜(BMS)感測器設備)的形式。多光譜感測器設備包括多個感測器元件(例如,光學感測器、光譜感測器和/或圖像感測器),每個感測器元件(通過多光譜濾波器的相應區域)接收多個波長通道之一,以便捕獲心跳時間序列資料。
根據一些實現方式,一種方法可以包括:通過設備獲得與多個波長通道相關聯的原始心跳資料;通過設備並基於特徵向量變換來產生多個特徵向量,每個特徵向量對應於多個波長通道中的相應的一個波長通道;通過設備基於多個相關係數平方從所述多個特徵向量中識別一組選定特徵向量,每個相關係數平方與多個特徵向量中的相應對相關聯;通過設備並使用主成分分析來產生該一組選定特徵向量的平均特徵向量;通過設備基於平均特徵向量來確定初始心跳循環資料;以及通過設備校正在初始心跳循環資料中的心跳循環間隙,以便確定最終心跳循環資料以允許生物測定監測(biometric monitoring)動作被執行。
根據一些實現方式,一種設備可以包括一個或更多個記憶體以及一個或更多個處理器,該一個或更多個處理器通信地耦合到一個或更多個記憶體以:獲得與多個波長通道相關聯的原始心跳資料;基於特徵向量變換來產生多個特徵向量,每個特徵向量對應於多個波長通道中的相應一個波長通道;基於多個相關係數平方從多個特徵向量中識別一組選定特徵向量,每個相關係數平方與多個特徵向量中的相應對相關聯;基於主成分分析來產生該一組選定特徵向量的平均特徵向量;基於平均特徵向量來確定初始心跳循環資料;以及校正在初始心跳循環資料中的心跳循環間隙,以便確定最終心跳循環資料以允許生物測定監測動作被執行。
根據一些實現方式,一種非暫時性電腦可讀取媒體可以儲存指令,所述指令包括當由一個或更多個處理器執行時使一個或更多個處理器執行下列操作的一個或更多個指令:獲得與多個波長通道相關聯的原始心跳資料;基於特徵向量變換來產生多個特徵向量,每個特徵向量對應於多個波長通道中的相應一個波長通道;基於多個相關係數平方從多個特徵向量中識別一組選定特徵向量,每個相關係數平方與多個特徵向量中的相應對相關聯;基於主成分分析來產生該一組選定特徵向量的平均特徵向量;基於平均特徵向量來確定初始心跳循環資料;以及校正在初始心跳循環資料中的心跳循環間隙,以便確定最終心跳循環資料以允許生物測定監測動作被執行。
以下示例實現方式的詳細描述參考了附圖。在不同圖式中的相同的元件符號可以標識相同或相似的元件。
如上所述,多光譜感測器設備可以能夠測量、獲得、收集或以其它方式確定與多個(例如,16、32、64等)波長通道相關聯的心跳時間序列資料。這種資料在本文被稱為原始心跳資料。實際上,原始心跳資料可能是有很多雜訊的,並且可能包括頻繁的基線偏移。由於這種雜訊和/或基線偏移,將原始心跳資料分割成收縮期(例如,心臟正收縮時的時間)和舒張期(例如,心臟正休息時的時間)可能是困難的或不可能的。因此,使用原始心跳資料與執行生物測定監測動作(例如執行生命體徵監測(例如,確定暫態心率、確定血壓,等等))相關聯常常是困難或不可能的,因為原始心跳資料可能導致不準確、不可靠的結果。
本文描述的一些實現方式提供了用於基於由多光譜感測器設備收集的原始心跳資料來確定心跳循環資料的心跳循環資料設備,生物測定監測動作可以基於該心跳循環資料而被執行。更特別地,所描述的一些實現方式提供了心跳循環資料設備,其能夠處理原始心跳資料,以便確定心跳循環資料(例如,識別心跳循環的開始和結束時間的資料),從而允許使用心跳循環資料的生物測定監測動作提供相對更準確和/或相對更可靠的結果(例如,與使用原始心跳資料與執行生物測定監測動作相關聯相比)。
圖1A和圖1B是本文描述的示例實現方式100的圖。
如圖1A所示,多光譜感測器設備可以相對於受驗物件的皮膚表面被定位。例如,如圖1A所示,多光譜感測器設備可以是佩戴在受驗物件的手腕上的設備。在一些實現方式中,多光譜感測器設備可以相對於皮膚表面被定位在身體上的另一位置處,例如在指尖、手臂、腿、耳垂等處。在一些實現方式中,多光譜感測器設備包括在例如可見(VIS)光譜、近紅外(NIR)光譜等中操作的BMS感測設備。
如由元件符號105所示的,多光譜感測器設備可以確定(例如,測量、聚集、收集等)與N(N > 1)個波長通道相關聯的原始心跳資料。對於N個波長通道中的每一個波長通道,原始心跳資料包括指示在給定時間點在皮膚表面下(在多光譜感測器設備的位置處)的血容量(blood volume)的光度回應資料。
如由元件符號110所示的,心跳循環資料設備可以從多光譜感測器設備獲得原始心跳資料。如本文所述,心跳循環資料設備是能夠基於與多個波長通道相關聯的原始心跳資料來確定心跳循環資料的設備。在一些實現方式中,心跳循環資料設備可以與多光譜感測器設備整合在一起(例如,在同一封裝、同一外殼中、在同一晶片上,等等)。可選地,心跳循環資料設備可以與多光譜感測器設備分離(例如,被遠端地定位)。
在一些實現方式中,心跳循環資料設備可以即時或接近即時地(例如,當多光譜感測器設備被配置為在多光譜感測器設備獲得原始心跳資料時提供原始心跳資料的時候)獲得原始心跳資料。此外或可選地,心跳循環資料設備可以基於多光譜感測器設備(例如,自動地)週期性地(例如,每一秒、每五秒等等)提供原始心跳資料來獲得原始心跳資料。此外或者可選地,心跳循環資料設備可以基於從多光譜感測器設備請求原始心跳資料來從多光譜感測器設備獲得原始心跳資料。
如由元件符號115所示的,心跳循環資料設備可以基於原始心跳資料產生N個特徵向量,每個特徵向量對應於N個波長通道中的相應一個波長通道。例如,心跳循環資料設備可以對與N個波長通道中的每一個波長通道相關聯的原始心跳資料的項執行特徵向量變換,以便產生N個特徵向量。
心跳循環的收縮期和舒張期分別由表示原始心跳資料的信號的向上傾斜部分和向下傾斜部分表徵。因此,如果這樣的表徵在從變換原始心跳資料而產生的特徵向量中被捕獲,那麼信號雜訊比(SNR)將被改善(例如,與原始心跳資料相比)。在一些實現方式中,可以為了這個目的產生移動四分之一週期斜率特徵向量。在一些實現方式中,這種特徵向量變換減輕源自點對點變化的雜訊,同時提供足夠的範圍來在特徵向量改變符號之前捕獲多個時間步長。
在一些實現方式中,可以使用以下等式來產生四分之一週期移動視窗斜率特徵向量:
FV = (R
t- R
0) / R
0 其中,
R
t 是以當前時間步長通過原始心跳資料識別的光度回應,以及
R
0 是以在當前時間步長之前的
wFV時間步長通過原始心跳資料識別的光度回應。在這裡,
wFV是受試對象的所估計的心跳循環週期的四分之一(例如,典型心跳循環週期、平均心跳循環週期、先前確定的心跳循環週期等等,其可以是可調的)。特別地,儘管
wFV被描述為受驗物件的心跳循環週期的四分之一(1/4),但是在一些實現方式中
wFV可以不同於心跳循環週期的1/4(例如,心跳循環週期的1/6、心跳循環週期的1/5、心跳循環週期的1/3、心跳循環週期的1/2等等)。下面關於圖5A-5D描述了示出特徵向量產生的示例。
實際上,在多光譜感測器設備的操作期間,並非所有波長通道都具有可接受的SNR,且因此,心跳循環資料設備可能需要過濾對應於這些有雜訊的波長通道的特徵向量。在一些實現方式中,心跳循環資料設備可以基於N個特徵向量的相關係數平方來執行這種過濾。較低的相關係數平方(例如,接近於0)指示兩個變數是不太相關的,而較高的相關係數平方指示兩個變數是相對較高地相關的。因此,如由圖1A中的元件符號120所示的,心跳循環資料設備可以確定關於N個特徵向量中的每對的相關係數平方。
如由元件符號125所示的,心跳循環資料設備可以基於相關係數平方來識別M(M≤N)個選定特徵向量。在一些實現方式中,每個選定特徵向量可以對應於相應的乾淨(clean)波長通道。作為示例,心跳循環資料設備可以確定N x (N-1)/2個相關係數平方,每個相關係數平方與N個特徵向量中的一對相關聯。接下來,心跳循環資料設備可以識別N x (N-1)/2個相關係數平方中滿足臨界值(例如,最小可允許值,例如0.80、0.90、0.95,等等)的一組M x (M-1)/2個相關係數平方。在這裡,心跳循環資料設備可以識別對應於滿足臨界值的一組M x (M-1)/2個相關係數平方的一組M個選定特徵向量。以這種方式,心跳循環資料設備可以過濾具有不可接受的雜訊量的波長通道。
如在圖1B中並且由元件符號130所示的,在識別出M個選定特徵向量之後,心跳循環資料設備可以使用主成分分析(PCA)來產生M個選定特徵向量的平均特徵向量。例如,因為資料分割可以被設計為對單變數時間序列資料執行,對應於M個選定特徵向量的多變數時間序列資料可能需要被壓縮成單變數時間序列資料。這個壓縮可以被看作是M個選定特徵向量的平均。在一些實現方式中,基於作為PCA的結果而確定的第一主成分(PC1)來產生平均特徵向量。在一些實現方式中,使用PCA產生平均特徵向量允許心跳的收縮期和舒張期被更容易地識別(例如,因為平均特徵向量將具有比該一組選定特徵向量中的單一特徵向量或該一組選定特徵向量的平均值更高的SNR,如下所述)。下面關於圖6描述示出這種平均特徵向量的示例。
如由元件符號135所示,心跳循環資料設備可以基於平均特徵向量來確定初始心跳循環資料。初始心跳循環資料可以包括識別心跳的初始集合的開始時間和結束時間的資訊。在一些實現方式中,心跳循環資料設備可以基於平均特徵向量來確定初始心跳循環資料。例如,心跳循環資料設備可以識別平均特徵向量的正相位(例如,在其期間平均特徵向量具有實質上正的斜率並越過臨界值時的時間視窗)和平均特徵向量的負相位(例如,在其期間平均特徵向量具有實質上負的斜率並越過臨界值時的時間窗口)。在該示例中,與負相位(指示心跳的舒張期)相鄰的正相位(指示心跳的收縮期)定義一個心跳循環週期,並且心跳循環的開始和結束時間可以相應地被確定。在一些實現方式中,心跳循環資料設備可以確定識別多個心跳的開始和結束時間的初始心跳循環資料。
如在圖1B中並由元件符號140進一步所示,心跳循環資料設備可以校正在初始心跳循環資料中的心跳循環間隙,以便確定最終(例如,無間隙)心跳循環資料。
心跳循環間隙可以是在初始心跳循環資料中的導致給定心跳循環週期被識別為明顯短於或長於合理地可能的心跳循環週期的錯誤、不準確、不一致等。例如,在實踐中,平均特徵向量可以包括可以將心跳循環過度劃分成正相位或負相位的若干片段的尖峰和/或雜訊。當這種情況出現時,在初始心跳循環資料中識別的心跳循環週期將顯著低於實際心跳循環週期。因此,基於這種資料執行的生物測定監測動作可能是不準確和/或不可靠的。例如,在過度劃分的心跳的情況下,暫態心跳速率將顯示相當大的正尖峰(例如,使得所確定的暫態心率比實際心率高得多)。
作為另一個示例,在平均特徵向量中的傾斜基線(例如,由在原始心跳資料中的傾斜基線引起)可以使負相位或正相位未被檢測到。例如,正傾斜基線可能使負相位未被檢測到,而負傾斜基線可能使正相位未被檢測到。當這出現時,在初始心跳循環資料中被識別的心跳循環週期將顯著高於實際心跳循環週期。因此,基於這種資料執行的生物測定監測動作可能是不準確和/或不可靠的。例如,在這種未檢測階段的情況下,暫態心率將具有負尖峰(例如,使得所確定的暫態心率比實際心率低得多)。在一些實現方式中,校正在初始心跳循環資料中的間隙可以去除過度劃分的心跳循環和傾斜基線的影響。
在一些實現方式中,作為在校正初始心跳循環資料中的心跳循環間隙時的第一步驟,心跳循環資料設備可以識別一個或更多個這樣的心跳循環間隙。例如,心跳循環資料設備可以確定由初始心跳循環資料識別的心跳循環具有滿足臨界值的週期。例如,心跳循環資料設備可以確定給定心跳循環具有小於最小心跳循環週期的週期。在這種情況下,心跳循環資料設備可以識別由過度劃分的心跳循環引起的間隙的存在。作為另一個示例,心跳循環資料設備可以確定給定心跳循環具有大於最大心跳循環週期的週期。在這種情況下,心跳循環資料設備可以識別由傾斜基線引起的間隙的存在。
在一些實現方式中,心跳循環資料設備可以被配置有識別臨界值的資訊,並且臨界值可以是(例如,通過心跳循環資料設備、被受驗物件等)可調的。例如,心跳循環資料設備可以儲存或存取識別與受驗物件相關聯的所估計的心跳循環週期(例如,典型心跳循環週期、平均心跳循環週期、先前確定的心跳循環週期等)以及與所估計的心跳循環週期的最大可允許正的和負的差異(例如,時間量、百分比等)的資訊。
在一些實現方式中,在識別出心跳循環間隙之後,心跳循環資料設備可以修改初始心跳循環資料,以便校正所識別的心跳循環間隙。例如,在過度劃分的心跳循環的情況下,心跳循環資料設備可以組合相鄰的心跳循環,直到調整後的心跳循環週期大於或等於最小心跳循環週期為止。作為另一個示例,在未檢測階段的情況下,心跳循環資料設備可以識別在心跳循環週期期間的平均特徵向量中的局部穀或峰,並且可以將心跳循環分成兩個或更多個心跳循環(例如,使得兩個或更多個心跳循環的調整後的心跳循環週期小於或等於最大心跳循環週期)。在一些實現方式中,心跳循環資料設備可以校正在初始心跳循環資料中的多個心跳循環間隙。在一些實現方式中,由一個或更多個心跳循環間隙的校正產生的資料可以被稱為最終(例如,無間隙)心跳循環資料。下面關於圖7A和圖7B描述示出心跳循環間隙校正的效果的示例。
在一些實現方式中,最終心跳循環資料可以允許生物測定監測動作(例如,由心跳循環資料設備、由多光譜感測器設備、或者由另一設備)被執行。生物測定監測動作可以包括例如生命體徵監測(例如,暫態心率確定、血壓確定等)或者另一種類型的生物測定確定和/或監測(例如,血氧確定、增強指數確定、水合作用確定等)。
在一些實現方式中,如由元件符號145所示的,心跳循環資料設備可以提供最終心跳循環資料和/或與最終心跳循環資料相關聯的資訊。例如,在一些實現方式中,心跳循環資料設備可以向被配置為執行生命體徵監測(例如,暫態心率確定、血壓確定等)的設備提供最終心跳循環資料。作為另一個示例,在一些實現方式中,心跳循環資料設備可以將最終心跳循環資料提供給被配置為執行另一種類型的生物測定監測(例如血氧飽和度確定、水合作用等)的設備。在一些實現方式中,可以提供用於在BMS PPG特徵矩陣中使用的最終心跳循環資料,生物測定監測可以基於該BMS PPG特徵矩陣被執行。
在一些實現方式中,心跳循環資料設備可以基於最終心跳循環資料來確定暫態心率,並且可以提供(例如,用於通過多光譜感測器設備和/或心跳循環資料設備的顯示幕來顯示)識別暫態心率的資訊。下面關於圖8描述與暫態心率的確定相關聯的示例。
以這種方式,心跳循環資料設備可以基於由多光譜感測器設備收集的原始心跳資料來確定心跳循環資料,以便允許以增加的準確度和/或增加的可靠性(例如,與基於原始心跳資料執行生物測定監測動作相比)來執行生物測定監測動作。
如上面所指示的,圖1A和圖1B僅作為示例被提供。其它示例可以不同於關於圖1A和圖1B描述的示例。
圖2是在其中可以實現本文中所述的系統和/或方法的示例環境200的圖示。如圖2所示,環境200可以包括多光譜感測器設備205、心跳循環資料設備210、和網路215。環境200的設備可經由有線連接、無線連接、或有線和無線連接的組合來互連。
如本文所述,多光譜感測器設備205包括能夠測量、聚集、收集、或以其它方式確定與多個波長通道相關聯的原始心跳資料的設備。例如,多光譜感測器設備205可以包括能夠確定在64個波長通道中的每一個上的原始心跳資料(以多變數時間序列資料的形式)的多光譜感測設備。在一些實現方式中,多光譜感測器設備205可以在可見光譜、近紅外光譜、紅外光譜等中操作。在一些實現方式中,多光譜感測器設備205可以是可穿戴設備(例如,可佩戴在手腕、手指、手臂、腿、頭部、耳朵等上的被戴著的設備)。在一些實現方式中,多光譜感測器設備205可以與心跳循環資料設備210整合(例如,使得多光譜感測器設備205和心跳循環資料設備210在同一晶片上、在同一封裝中、在同一外殼中,等等)。可選地,在一些實現方式中,多光譜感測器設備205可以與心跳循環資料設備210分離。在一些實現方式中,多光譜感測器設備205可以從環境200中的另一個設備(例如心跳循環資料設備210)接收資訊和/或向另一個設備(例如心跳循環資料設備210)傳輸資訊。
如本文所述,心跳循環資料設備210包括能夠基於與多個波長通道相關聯的原始心跳資料來確定心跳循環資料的設備。例如,心跳循環資料設備210可以包括專用積體電路(ASIC)、積體電路、伺服器、一組伺服器等和/或另一種類型的通信和/或計算設備。在一些實現方式中,心跳循環資料設備210可以與多光譜感測器設備205整合(例如,使得多光譜感測器設備205和心跳循環資料設備210在同一晶片上、在同一封裝中、在同一外殼中等)。可選地,在一些實現方式中,心跳循環資料設備210可以與多光譜感測器設備205分離。在一些實現方式中,心跳循環資料設備210可以從環境200中的另一個設備(例如多光譜感測器設備205)接收資訊和/或向另一個設備(例如多光譜感測器設備205)傳輸資訊。
網路215包括一個或更多個有線和/或無線網路。例如,網路215可以包括有線網路(例如,當多光譜感測器設備205和心跳循環資料設備210被包括在同一封裝和/或同一晶片中時)。作為另一示例,網路215可包括蜂窩網路(例如,長期演進(LTE)網路、分碼多工(CDMA)網路、3G網路、4G網路、5G網路、另一類型的下一代網路等)、公共陸地移動網路(PLMN)、局域網(LAN)、廣域網路(WAN)、都會區網路(MAN)、電話網絡(例如公共交換電話網絡(PSTN))、私有網路、自組織網路、內聯網、互聯網、基於光纖的網路、雲端計算網路,等等、和/或這些或其它類型的網路的組合。
圖2所示的設備和網路的數量和佈置作為示例被提供。實際上,與圖2所示的那些設備和網路相比,可以有額外的設備和/或網路、更少的設備和/或網路、不同的設備和/或網路、或不同地佈置的設備和/或網路。此外,圖2所示的兩個或更多個設備可在單個設備內被實現,或圖2所示的單個設備可被實現為多個分散式設備。另外或可選地,環境200的一組設備(例如,一個或更多個設備)可以執行被描述為由環境200的另一組設備執行的一個或更多個功能。
圖3是設備300的示例部件的圖示。設備300可以對應於多光譜感測器設備205和/或心跳循環資料設備210。在一些實現方式中,多光譜感測器設備205和/或心跳循環資料設備210可以包括一個或更多個設備300和/或設備300的一個或更多個部件。如圖3所示,設備300可包括匯流排310、處理器320、記憶體330、儲存部件340、輸入部件350、輸出部件360、和通信介面370。
匯流排310包括允許在設備300的部件當中通信的部件。處理器320在硬體、韌體、或硬體和軟體的組合中被實現。處理器320是中央處理單元(CPU)、圖形處理單元(GPU)、加速處理單元(APU)、微處理器、微控制器、數位訊號處理器(DSP)、現場可程式設計閘陣列(FPGA)、專用積體電路(ASIC)、或另一類型的處理部件。在一些實現方式中,處理器320包括能夠被程式設計以執行功能的一個或更多個處理器。記憶體330包括隨機存取記憶體(RAM)、唯讀記憶體(ROM)、和/或儲存資訊和/或指令以用於由處理器320使用的另一類型的動態或靜態儲存設備(例如,快閃記憶體、磁記憶體、和/或光學記憶體)。
儲存部件340儲存與設備300的操作和使用相關的資訊和/或軟體。例如,儲存部件340可以包括硬碟(例如,磁片、光碟、磁光碟、和/或固態盤)、壓縮光碟(CD)、數位通用盤(DVD)、軟碟、盒式磁帶(cartridge)、磁帶、和/或另一類型的非暫時性電腦可讀取媒體以及相對應的驅動器。
輸入部件350包括允許設備300例如經由使用者輸入端(例如,觸控式螢幕顯示器、鍵盤、小鍵盤、滑鼠、按鈕、開關、和/或麥克風)來接收資訊的部件。另外或可選地,輸入部件350可以包括用於感測資訊的感測器(例如,全球定位系統(GPS)部件、加速度計、陀螺儀、和/或致動器)。輸出部件360包括提供來自設備300的輸出資訊的部件(例如,顯示器、揚聲器、和/或一個或更多個發光二極體(LED))。
通信介面370包括使設備300能夠例如經由有線連接、無線連接、或有線和無線連接的組合與其它設備通信的類似收發機的部件(例如,收發機和/或單獨的接收機和發射機)。通信介面370可允許設備300從另一設備接收資訊和/或將資訊提供到另一設備。例如,通信介面370可包括乙太網介面、光學介面、同軸介面、紅外介面、射頻(RF)介面、通用序列匯流排(USB)介面、Wi-Fi介面、蜂窩網路介面,等等。
設備300可執行本文所述的一個或更多個流程。設備300可以基於處理器320執行由非暫時性電腦可讀取媒體(例如記憶體330和/或儲存部件340)儲存的軟體指令來執行這些流程。電腦可讀取媒體在本文被定義為非暫時性記憶體設備。記憶體設備包括在單個物理儲存設備內的記憶體空間或遍佈於多個物理儲存設備的記憶體空間。
軟體指令可經由通信介面370從另一電腦可讀取媒體或從另一設備被讀取到記憶體330和/或儲存部件340內。當被執行時,儲存在記憶體330和/或儲存部件340中的軟體指令可使處理器320執行本文所述的一個或更多個流程。另外或可選地,硬連線電路可代替軟體指令或與軟體指令組合來使用以執行本文所述的一個或更多個流程。因此,本文所述的實現方式不限於硬體電路和軟體的任何特定組合。
圖3所示的部件的數量和佈置作為示例被提供。實際上,與圖3所示的那些部件相比,設備300可包括額外的部件、更少的部件、不同的部件、或不同地佈置的部件。另外或可選地,設備300的一組部件(例如一個或更多個部件)可執行被描述為由設備300的另一組部件執行的一個或更多個功能。
圖4是用於基於與多個波長通道相關聯的原始心跳資料來確定心跳循環資料的示例流程400的流程圖。在一些實現方式中,圖4的一個或更多個流程區塊可由心跳循環資料設備(例如,心跳循環資料設備210)執行。在一些實現方式中,圖4的一個或更多個流程區塊可由與心跳循環資料設備分離的或者包括心跳循環資料設備的另一設備或一組設備(例如多光譜感測器設備(例如多光譜感測器設備205)等)執行。
如圖4所示,流程400可以包括獲得與多個波長通道相關聯的原始心跳資料(區塊410)。例如,心跳循環資料設備(例如,使用處理器320、記憶體330、儲存部件340、輸入部件350、通信介面370,等等)可以獲得與多個波長通道相關聯的原始心跳資料,如上所述。
如圖4所示,流程400可以包括基於特徵向量變換產生多個特徵向量,每個特徵向量對應於多個波長通道中的相應一個波長通道(區塊420)。例如,如上所述,心跳循環資料設備(例如,使用處理器320、記憶體330等)可以基於特徵向量變換產生多個特徵向量,每個特徵向量對應於多個波長通道中的相應一個波長通道。
如圖4所示,流程400可以包括基於多個相關係數平方從多個特徵向量中識別一組選定特徵向量,每個相關係數平方與多個特徵向量中的相應對相關聯(區塊430)。例如,如上所述,心跳循環資料設備(例如,使用處理器320、記憶體330等)可以基於多個相關係數平方從多個特徵向量中識別一組選定特徵向量,每個相關係數平方與多個特徵向量中的相應對相關聯。
如圖4所示,流程400可以包括使用主成分分析產生該一組選定特徵向量的平均特徵向量(區塊440)。例如,如上所述,心跳循環資料設備(例如,使用處理器320、記憶體330等)可以使用主成分分析產生該一組選定特徵向量的平均特徵向量。
如圖4所示,流程400可以包括基於平均特徵向量來確定初始心跳循環資料(區塊450)。例如,如上所述,心跳循環資料設備(例如,使用處理器320、記憶體330等)可以基於平均特徵向量來確定初始心跳循環資料。
如圖4所示,流程400可以包括校正在初始心跳循環資料中的心跳循環間隙,以便確定最終心跳循環資料以允許生物測定監測動作被執行(區塊460)。例如,如上所述,心跳循環資料設備(例如,使用處理器320、記憶體330等)可以校正在初始心跳循環資料中的心跳循環間隙,以便確定最終心跳循環資料,從而允許生物測定監測動作被執行。
流程400可以包括額外的實現方式,諸如以下描述的和/或結合本文其他地方描述的一個或更多個其他流程描述的任何單個實現方式或實現方式的任何組合。
在一些實現方式中,生物測定監測動作是暫態心率確定。在這裡,在一些實現方式中,心跳循環資料設備可以基於最終心跳循環資料來確定暫態心率,並且提供識別暫態心率的資訊。
在一些實現方式中,生物特徵監測動作是生命體徵監測。在這裡,心跳循環資料設備可以提供與執行生命體徵監測相關聯的最終心跳循環資料。
在一些實現方式中,多個特徵向量是多個移動四分之一週期斜率特徵向量。
在一些實現方式中,心跳循環資料設備可以確定關於多個特徵向量的多個相關係數平方,並且識別多個相關係數平方中滿足臨界值的一組相關係數平方。在這裡,當識別一組選定特徵向量時,心跳循環資料設備可以基於該一組相關係數平方來識別該一組選定特徵向量,其中該一組相關係數平方中的每一個對應於該一組選定特徵向量中的相應對。
在一些實現方式中,基於與主成分分析相關聯的第一主成分產生平均特徵向量。
在一些實現方式中,當校正心跳循環間隙以便確定最終心跳循環資料時,心跳循環資料設備可以基於確定由初始心跳循環資料識別的心跳循環具有滿足臨界值的週期來識別心跳循環間隙;以及基於所估計的心跳循環週期來修改初始心跳循環資料,以便校正所識別的心跳循環間隙,其中修改初始心跳循環資料以校正所識別的心跳循環間隙的結果是最終心跳循環資料。
儘管圖4示出了流程400的示例區塊,但是在一些實現方式中,與在圖4中描繪的那些區塊相比,流程400可以包括額外的區塊、更少的區塊、不同的區塊、或不同地佈置的區塊。此外或可選地,流程400的兩個或更多個區塊可以並行地被執行。
圖5A-5D是示出如本文所述的基於原始心跳資料產生的特徵向量的示例的圖。特別地,各個信號的識別對於理解由圖5A-5D所示的實現方式不是必需的;因此,沒有顯示每個信號的清晰輪廓。
圖5A是示出在從時間步長0到大約時間步長180的時間視窗期間的14個波長通道的原始心跳資料(以平均計數的相對計數變化的形式)的示例。特別地,圖5A所示的原始心跳資料具有相對平坦的基線。在一些實現方式中,如上所述,可以產生關於每個波長通道的特徵向量。圖5B是示出將與14個波長通道中的每一個波長通道相關聯的原始心跳資料轉換成相應的移動四分之一週期斜率特徵向量的結果的示例。如圖5B所示,特徵向量的正相位和負相位(例如,與原始心跳資料相比)是容易地可識別的。因此,如上所述,特徵向量變換可以允許心跳循環資料由心跳循環資料設備210確定。
圖5C是示出在從大約時間步長180到大約時間步長320的時間視窗期間的14個波長通道的原始心跳資料(以平均計數的相對計數變化的形式)的示例。特別地,圖5C所示的原始心跳資料有具有顯著正斜率的基線。在一些實現方式中,如上所述,可以產生關於每個波長通道的特徵向量。圖5D是示出將與14個波長通道中的每一個波長通道相關聯的原始心跳資料轉換成相應的移動四分之一週期斜率特徵向量的結果的示例。如圖5D所示,特徵向量的正相位和負相位(例如,與原始心跳資料相比)是相對可識別的。因此,如上所述,特徵向量變換可以允許心跳循環資料由心跳循環資料設備210確定。在一些實現方式中,如上所述,心跳循環資料設備210可以以上述方式(例如,在產生平均特徵向量之後)校正由正傾斜基線導致的間隙。
如上所述,圖5A-5C僅作為示例被提供。其它示例可以不同於關於圖5A-5D描述的示例。
圖6是示出如本文所述的基於一組選定特徵向量的主成分分析產生的平均特徵向量的示例的圖。如圖6所示,在該示例中,對應於506納米(nm)波長通道的特徵向量、對應於520nm波長通道的特徵向量、以及對應於該一組選定特徵向量(例如,包括對應於506nm和520nm通道的特徵向量的一組選定特徵向量)的平均數的特徵向量具有在給定時間視窗中的範圍在大約-0.02和大約0.02之間的值。如進一步示出的,使用該一組選定特徵向量的PCA產生的平均特徵向量(PC1)具有在給定的時間視窗中的範圍在大約-0.06和0.08之間的值。
如圖6所示,使用PCA產生平均特徵向量(例如PC1)提供(例如,與該一組選定特徵向量中的各個選定特徵向量或該一組選定特徵向量的平均數相比)具有顯著更高的SNR的信號,且因此允許正相位和負相位以上述方式與確定心跳循環資料相關聯地被更容易識別。
如上面所指示的,圖6僅作為示例被提供。其它示例可以不同於關於圖6描述的示例。
圖7A和圖7B是示出如本文所述的在初始心跳循環資料中的心跳資料間隙校正的示例效果的圖。圖7A示出了在給定時間視窗期間的間隙校正之前和之後的不同心跳週期的出現的次數的示例,以及圖7B示出了在給定時間視窗期間的間隙校正之前和之後的所確定的暫態心率的示例。
如圖7A所示,在間隙校正之前,存在多個過度劃分的心跳循環週期(例如,具有小於大約20個時間步長的週期的心跳循環週期)和未檢測的心跳循環週期。如進一步示出的,在間隙校正之後,這些間隙被去除(例如,使得所有心跳循環具有在大約20和大約32個時間步長之間的週期)。
類似地,如圖7B所示,在間隙校正之前,暫態心率包括由過度劃分的心跳循環週期導致的多個正尖峰(例如,高於大約每分鐘150次心跳)以及由未檢測的心跳循環週期導致的負尖峰。如進一步所示的,在間隙校正之後,這些尖峰被去除(例如,使得暫態心率不包括突然的顯著增加或減小)。
如上面所指示的,圖7A和圖7B僅作為示例被提供。其它示例可以不同於關於圖7A和圖7B描述的示例。
圖8是示出本文所述的基於最終心跳循環資料確定的暫態心率的示例的圖。如圖8所示,如本文所述。基於最終心跳循環資料確定的暫態心率可以近似地匹配(例如,在每分鐘幾次心跳內)在傳統胸帶心率監測器中確定的暫態心率(其被已知是相對準確的)。特別地,進一步的改進可以由所確定的暫態心率的平滑化(例如,使用移動視窗平均值)產生,且因此比圖8所示的更接近的匹配可以被實現。在任一情況下,如圖8所示,以本文所述的方式確定的最終心跳循環資料可以允許生物測定監測動作以可接受的準確度和/或可靠性被執行。
如上面所指示的,圖8僅作為示例被提供。其它示例可以不同於關於圖8描述的示例。
本文所述的一些實現方式允許心跳循環資料設備210基於由多光譜感測器設備205收集的原始心跳資料來確定心跳循環資料,生物測定監測動作可以基於該心跳循環資料被執行。更特別地,本文描述的一些實現方式允許心跳循環資料設備210處理原始心跳資料,以便確定心跳循環資料,從而允許使用心跳循環資料的生物測定監測動作(例如,與使用與執行生物測定監測動作相關聯的原始心跳資料相比)提供相對更準確和/或相對更可靠的結果。
前述公開提供了說明和描述,但並不旨在窮舉或將實現方式限制到所公開的精確形式。修改和變型可以根據以上公開內容進行,或者可以從實現方式的實踐中獲取。
如在本文使用的,術語“部件”被規定為廣泛地被解釋為硬體、韌體、和/或硬體和軟體的組合。
本文結合臨界值描述了一些實現方式。如本文所使用的,根據上下文,滿足臨界值可以指大於臨界值、多於臨界值、高於臨界值、大於或等於臨界值、小於臨界值、少於臨界值、低於臨界值、小於或等於臨界值、等於臨界值等的值。
將明顯的是,在本文中所述的系統和/方法可在硬體、韌體、或硬體和軟體的組合的不同形式中實現。用於實現這些系統和/或方法的實際專用控制硬體或軟體代碼並不是這些實現方式的限制。因此,在本文中描述了系統和/或方法的操作和行為而不參考特定的軟體代碼,應理解的是,軟體和硬體可以被設計成基於本文中的描述來實現系統和/或方法。
儘管在申請專利範圍中陳述了和/或在說明書中公開了特徵的特定組合,但是這些組合並不旨在限制各種實現方式的公開內容。事實上,這些特徵中的許多特徵可以以申請專利範圍中未具體陳述和/或說明書中未公開的方式組合。儘管所附的每個附屬項可以直接依附於僅僅一個請求項,但是各種實現方式的公開內容包括每個附屬項與請求項群組中的每個其他請求項相結合。
本文中使用的任何元件、動作或指令沒有一個一定要被解釋為關鍵或必要的,除非這樣明確說明。此外,如本文所使用的,冠詞“一個(a)”和“一個(an)”意欲包括一個或更多個項,並且可以與“一個或更多個”可互換地使用。此外,如本文所使用的,術語“集(set)”旨在包括一個或更多個項(例如,相關項、不相關項、相關項和不相關項的組合等),並且可以與“一個或更多個”互換使用。在意指僅一個項的情況下,術語“僅一個(only one)”或類似的語言被使用。此外,如本文所使用的,術語“具有(has)”、“具有(have)”、“具有(having)”等被認為是開放式術語。此外,短語“基於”被認為意指“至少部分地基於”,除非另有明確說明。
100:示例實現方式
105~125:示例實現方式中的動作
130~145:示例實現方式中的動作
200:環境
205:多光譜感測器設備
210:心跳循環資料設備
215:網路
300:設備
310:匯流排
320:處理器
330:記憶體
340:儲存部件
350:輸入部件
360:輸出部件
370:通信介面
400:流程
410~460:區塊
[圖1A]和[圖1B]是本文所述的示例實現方式的圖。
[圖2]是在其中可以實現本文中描述的系統和/或方法的示例環境的圖示。
[圖3]是圖2的一個或更多個設備的示例部件的圖示。
[圖4]是用於基於與多個波長通道相關聯的原始心跳資料來確定心跳循環資料的示例流程的流程圖。
[圖5A]至[圖5D]是示出如本文所述的基於原始心跳資料產生的特徵向量的示例的圖。
[圖6]是示出如本文所述的基於一組選定特徵向量的主成分分析產生的平均特徵向量的示例的圖。
[圖7A]和[圖7B]是示出如本文所述的在初始心跳循環資料中的心跳資料間隙校正的示例效果的圖。
[圖8]是示出如本文所述的基於最終心跳循環資料確定的暫態心率的示例的圖。
400:流程
410~460:區塊
Claims (20)
- 一種用於生物測定監測之方法,包括:藉由一設備從一多光譜感測器設備接收原始心跳資料;藉由所述設備基於所述原始心跳資料識別多個特徵向量;藉由所述設備基於與所述多個特徵向量相關聯的多個相關係數平方從所述多個特徵向量中識別一或多個選定特徵向量;藉由所述設備基於所述一或多個選定特徵向量確定最終心跳循環資料;以及藉由所述設備提供與所述最終心跳循環資料相關聯的資訊。
- 根據請求項1所述的方法,其中,所述多光譜感測器設備相對於受驗物件的皮膚表面被定位。
- 根據請求項1所述的方法,其中,所述設備與所述多光譜感測器設備整合在同一外殼中。
- 根據請求項1所述的方法,其中,所述設備從所述多光譜感測器設備處遠端地定位。
- 根據請求項1所述的方法,其中,所述一或多個選定特徵向量中的一特徵向量對應於一波長通道。
- 根據請求項1所述的方法,其中,所述多個相關係數平方中的一相關係數平方與所述多個特徵向量中的一對特徵向量相關聯。
- 根據請求項1所述的方法,其中,識別所述一或多個選定特徵向量包括:從所述多個特徵向量中識別對應於所述多個相關係數平方中滿足臨界值的一組相關係數平方的所述一或多個選定特徵向量。
- 一種用於生物測定監測之設備,包括: 一或多個記憶體;以及一或多個處理器,所述一或多個處理器耦合到所述一或多個記憶體,並且用以:基於原始心跳資料識別多個特徵向量;基於與所述多個特徵向量相關聯的多個相關係數平方從所述多個特徵向量中識別一或多個選定特徵向量;基於所述一或多個選定特徵向量確定最終心跳循環資料;以及提供與所述最終心跳循環資料相關聯的資訊。
- 根據請求項8所述的設備,其中,所述一或多個處理器進一步用以:從相對於受驗物件的皮膚表面而被定位的一多光譜感測器設備接收所述原始心跳資料。
- 根據請求項8所述的設備,其中,所述一或多個處理器進一步用以:從與所述設備整合在同一外殼中的一多光譜感測器設備接收所述原始心跳資料。
- 根據請求項8所述的設備,其中,所述一或多個處理器進一步用以:從相對於所述設備遠端地定位的一多光譜感測器設備接收所述原始心跳資料。
- 根據請求項8所述的設備,其中,所述一或多個選定特徵向量中的一特徵向量對應於一波長通道。
- 根據請求項8所述的設備,其中,所述多個相關係數平方中的一相關係數平方與所述多個特徵向量中的一對特徵向量相關聯。
- 根據請求項8所述的設備,其中,為了識別所述一或多個選定特徵向量,所述一或多個處理器進一步用以:從所述多個特徵向量中識別對應於所述多個相關係數平方中滿足臨界值的一組相關係數平方的所述一或多個選定特徵向量。
- 一種儲存指令集的非暫時性電腦可讀取媒體,所述指令集包括:一或多個指令,所述一或多個指令當由一設備的一或多個處理器執行時使所述設備:從一多光譜感測器設備接收原始心跳資料;基於所述原始心跳資料識別多個特徵向量;基於所述多個特徵向量從所述多個特徵向量中識別一或多個選定特徵向量;基於所述一或多個選定特徵向量確定最終心跳循環資料;以及提供與所述最終心跳循環資料相關聯的資訊。
- 根據請求項15所述的非暫時性電腦可讀取媒體,其中,所述多光譜感測器設備相對於受驗物件的皮膚表面被定位。
- 根據請求項15所述的非暫時性電腦可讀取媒體,其中,所述設備與所述多光譜感測器設備整合在同一外殼中。
- 根據請求項15所述的非暫時性電腦可讀取媒體,其中,所述設備從所述多光譜感測器設備處遠端地定位。
- 根據請求項15所述的非暫時性電腦可讀取媒體,其中,所述一或多個選定特徵向量中的一特徵向量對應於一波長通道。
- 根據請求項15所述的非暫時性電腦可讀取媒體,其中,所述一或多個選定特徵向量係基於與所述多個特徵向量中的一對特徵向量相關聯的一 相關係數平方而被識別。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/210,740 US11000198B2 (en) | 2018-12-05 | 2018-12-05 | Autonomous full spectrum biometric monitoring |
US16/210,740 | 2018-12-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202329872A TW202329872A (zh) | 2023-08-01 |
TWI844328B true TWI844328B (zh) | 2024-06-01 |
Family
ID=
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201634006A (zh) | 2015-03-11 | 2016-10-01 | 圖爾庫大學 | 用於產生心臟功能不良的資訊指示的方法及設備 |
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201634006A (zh) | 2015-03-11 | 2016-10-01 | 圖爾庫大學 | 用於產生心臟功能不良的資訊指示的方法及設備 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109414203B (zh) | 基于光学测量的在线心率估计 | |
US11918328B2 (en) | Baseline correction and extraction of heartbeat profiles | |
US9729693B1 (en) | Determining measurement confidence for data collected from sensors of a wearable device | |
JP7296503B2 (ja) | 自律型フルスペクトル生体モニタリング | |
Pal et al. | Improved heart rate detection using smart phone | |
TWI844328B (zh) | 用於生物測定監測之方法和設備以及相關的非暫時性電腦可讀取媒體 | |
Datta et al. | Novel statistical post processing to improve blood pressure estimation from smartphone photoplethysmogram | |
WO2017031110A1 (en) | Wearable led sensor device configured to identify a wearer's pulse | |
US11331017B2 (en) | Calibration-free pulse oximetry | |
EP3903673A1 (en) | Blood pressure estimation with photoplethysmography measurement |