WO2024103547A1 - 一种可穿戴设备 - Google Patents
一种可穿戴设备 Download PDFInfo
- Publication number
- WO2024103547A1 WO2024103547A1 PCT/CN2023/075666 CN2023075666W WO2024103547A1 WO 2024103547 A1 WO2024103547 A1 WO 2024103547A1 CN 2023075666 W CN2023075666 W CN 2023075666W WO 2024103547 A1 WO2024103547 A1 WO 2024103547A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- human body
- electrode
- state
- heart rate
- rate variability
- Prior art date
Links
- 230000033001 locomotion Effects 0.000 claims description 96
- 210000001624 hip Anatomy 0.000 claims description 89
- 230000000241 respiratory effect Effects 0.000 claims description 51
- 230000009471 action Effects 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 43
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 38
- 238000010801 machine learning Methods 0.000 claims description 29
- 210000003692 ilium Anatomy 0.000 claims description 26
- 210000001015 abdomen Anatomy 0.000 claims description 25
- 238000011088 calibration curve Methods 0.000 claims description 14
- 238000002567 electromyography Methods 0.000 claims description 14
- 210000002414 leg Anatomy 0.000 claims description 14
- 210000003141 lower extremity Anatomy 0.000 claims description 14
- 210000001217 buttock Anatomy 0.000 claims description 12
- 230000005236 sound signal Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 38
- 238000010586 diagram Methods 0.000 description 26
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000000034 method Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 17
- 238000005452 bending Methods 0.000 description 17
- 230000036391 respiratory frequency Effects 0.000 description 17
- 239000004744 fabric Substances 0.000 description 12
- 210000000629 knee joint Anatomy 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000036541 health Effects 0.000 description 10
- 239000002184 metal Substances 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 210000005037 parasympathetic nerve Anatomy 0.000 description 9
- 230000002889 sympathetic effect Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 210000003423 ankle Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 210000005036 nerve Anatomy 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 5
- 230000008030 elimination Effects 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 5
- 238000002955 isolation Methods 0.000 description 5
- 210000000689 upper leg Anatomy 0.000 description 5
- 230000003187 abdominal effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 244000309466 calf Species 0.000 description 4
- 230000003183 myoelectrical effect Effects 0.000 description 4
- 230000004962 physiological condition Effects 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 230000037237 body shape Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 210000004394 hip joint Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 2
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 210000002445 nipple Anatomy 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 210000001113 umbilicus Anatomy 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 239000004677 Nylon Substances 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 210000000617 arm Anatomy 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 238000007731 hot pressing Methods 0.000 description 1
- 239000000017 hydrogel Substances 0.000 description 1
- -1 linen Polymers 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 239000004745 nonwoven fabric Substances 0.000 description 1
- 229920001778 nylon Polymers 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 210000004061 pubic symphysis Anatomy 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本说明书提供一种可穿戴设备,包括:至少两个电极,被配置为贴合人体皮肤以采集所述人体的心电信号;穿戴结构,被配置为承载所述至少两个电极,并将所述至少两个电极贴合在所述人体的正中矢状面的两侧;以及处理器,基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态。
Description
交叉引用
本申请要求于2022年11月17日提交的申请号为PCT/CN2022/132671的PCT申请的优先权,其全部内容通过引用并入本文。
本申请涉及可穿戴设备领域,特别涉及一种能够确定身体状态的可穿戴设备。
目前用于人体的身体状态检测的可穿戴设备中,对体温、心率、肌电等参数有较为深入的研究。然而,对于热衷于静态运动(例如,瑜伽、普拉提、冥想、打坐、呼吸训练等运动)的用户来说,需要将自身处于相对放松的身体状态,才能达到相应的修养身心的效果。但是目前的可穿戴设备并不能判断用户锻炼时处于怎样的身体状态,也无法引导用户在锻炼中对身体状态进行调节。
因此,有必要提供一种能够确定人体的身体状态以及调整身体状态的可穿戴设备。
发明内容
本说明书实施例之一提供一种可穿戴设备,包括:至少两个电极,被配置为贴合人体皮肤以采集所述人体的心电信号;穿戴结构,被配置为承载所述至少两个电极,并将所述至少两个电极贴合在所述人体的正中矢状面的两侧;以及处理器,基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态。
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的可穿戴设备的示例性应用场景图;
图2是根据本说明书一些实施例所示的可穿戴设备的示例性结构图;
图3是根据本说明书一些实施例所示的可穿戴设备的平面示意图;
图4是根据本说明书一些实施例所示的可穿戴设备的结构示意图;
图5是根据本说明书一些实施例所示的可穿戴设备的结构示意图;
图6是人体全身示意图;
图7是人体腰部区域的髂骨示意图;
图8是根据本说明书一些实施例所示的可穿戴设备的结构示意图;
图9是根据本说明书一些实施例所示的裤装的正面结构示意图;
图10是根据本说明书一些实施例所示的裤装的背面结构示意图;
图11是根据本说明书一些实施例所示的一个标准的心电图;
图12是根据本说明书一些实施例所示的根据心率变异性确定人体的身体状态的示意图;
图13是根据本说明书一些实施例所示的根据心率变异性以及心率确定人体的身体状态的示意图;
图14是根据本说明书一些实施例所示的根据心率变异性以及呼吸状态信息确定人体的身体状态的示意图;以及
图15是根据本说明书一些实施例所示的另一可穿戴设备的示例性结构图。
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
本说明书的实施例提供一种可穿戴设备,包括:至少两个电极,被配置为贴合人体皮肤以采集人体的心电信号;穿戴结构,被配置为承载至少两个电极,并将至少两个电极贴合在人体的正中矢状面的两侧腰部区域;以及处理器,基于心电信号确定人体的心率变异性,并至少根据心率变异性确定人体的身体
状态。本说明书提供的可穿戴设备可以通过实时检测人体的心率变异性(HeartRateVariability,HRV)以及心率、呼吸状态信息等参数,确定人体的身体状态,并将身体状态以及参考性的健康建议向用户实时反馈,实现用户健康监控过程的闭环;另外,用户的身体状态可以包括紧张状态、放松状态等情况,确定身体状态可以应用于体育锻炼、心理测试、临床健康监控等多方面的领域。
图1是根据本说明书一些实施例所示的可穿戴设备的示例性应用场景图。
如图1所示,应用场景100可以包括处理设备110、网络120、可穿戴设备130、终端设备140以及反馈模块150。在一些实施例中,应用场景100可以应用于体育锻炼、心理测试、临床健康监控等多种场景。
在一些实施例中,应用场景100可以用于对用户运动时的身体状态进行测量。示例性的运动可以包括瑜伽、普拉提、冥想、打坐、站桩、呼吸训练等。示例性的身体状态可以包括放松状态以及紧张状态。
在一些实施例中,处理设备110可以包括处理器。在一些实施例中,处理设备110可以用于处理可穿戴设备130、终端设备140产生的电信号。例如,处理设备110可以通过网络120接收穿戴设备130传输的心电信号;处理设备110可以通过网络120接收用户通过终端设备140输入的输入信息。在一些实施例中,处理设备110可以基于心电信号确定人体的心率变异性,并至少根据心率变异性确定人体的身体状态。在一些实施例中,处理设备110可以基于心电信号确定人体的心率变异性和心率,根据心率变异性和心率确定人体的身体状态。在一些实施例中,处理设备110可以通过完成训练的机器学习模型,至少以心率变异性作为输入数据,机器学习模型基于输入数据输出人体的身体状态。在一些实施例中,处理设备110可以确定标定曲线,并根据标定曲线确定人体的身体状态。在一些实施例中,处理设备110可以根据心率变异性和呼吸状态信息确定人体的身体状态。在一些实施例中,处理设备110可以通过完成训练的机器学习模型,至少以心率变异性和呼吸状态信息作为输入数据,机器学习模型基于输入数据输出人体的身体状态。在一些实施例中,处理设备110可以基于第二应变传感器识别人体相应部位的运动动作,这里相应部位的运动动作与第二应变传感器所处的位置相关。例如,当第二应变传感器位于人体腿部或臀部时,处理设备110可以基于第二应变传感器识别人体下肢的运动动作。在一些实施例中,处理设备110可以响应于人体的身体状态发出控制指令。
在一些实施例中,处理设备110可以是本地的或者远程的。例如,处理设备110可以直接或通过网络120访问存储于可穿戴设备130和/或终端设备140中的信息。在一些实施例中,处理设备110可以直接与可穿戴设备130和/或终端设备140连接以访问存储于其中的信息。例如,处理设备110可以位于可穿戴设备130中,并通过网络120实现与终端设备140的信息交互。又例如,处理设备110可以位于终端设备140中,并通过网络120实现与可穿戴设备130的信息交互。在一些实施例中,处理设备110可以在云平台上执行。例如,该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
在一些实施例中,处理设备110可以包含一个或多个子处理设备(例如,单芯处理设备或多核多芯处理设备)。仅仅作为示例,处理设备110可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可以促进应用场景100中各组件之间的数据和/或信息的交换。在一些实施例中,应用场景100中的一个或多个组件(例如,处理设备110、可穿戴设备130、终端设备140、反馈模块150)可以通过网络120发送数据和/或信息给应用场景100中的其他组件。例如,终端设备140产生的电信号可以通过网络120传输至处理设备110。在一些实施例中,网络120可以是任意类型的有线或无线网络。例如,网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。在一些实施例中,网络120可以包括一个或多个网络进出点。例如,网络120可以包含有线或无线网络进出点,如基站和/或网际网络交换点120-1、120-2、…,通过这些进出点,应用场景100的一个或多个组件可以连接到网络120上以交换数据和/或信息。
可穿戴设备130是指具有穿戴功能的服装或设备。在一些实施例中,可穿戴设备130可以包括但不限于裤装、腰带等。可穿戴设备130可以用于获取用户的心电信号、肌电信号,并将上述信号通过网络120传输至处理设备110。在一些实施例中,可穿戴设备130可以设置至少两个电极,被配置为贴合人体皮肤以采集人体的心电信号。在一些实例中,可穿戴设备130还包括第一应变传感器,第一应变传感器基于人体呼吸时腰部区域的起伏变化采集人体的呼吸状态信息。在一些实施例中,可穿戴设备130还包括第二应变传感器,第二应变传感器可以位于用户的腿部、臀部、手臂、肩部、手部等位置。仅作为示例性说
明,第二应变传感器可以位于用户的腿部或臀部,此时第二应变传感器可以用于获取人体下肢动作参数。示例性的下肢动作参数可以包括关节弯曲角度、弯曲方向等。又例如,第二应变传感器可以位于用户的手臂或肩部,此时第二应变传感器可以用于获取手臂的动作参数(比如,手臂的弯曲角度、弯曲方向等)。在一些实施例中,可穿戴设备130还可以包括肌电模块,肌电模块用于采集人体的肌电信号。
需要注意的是,可穿戴设备130并不限于图1中所示的裤装,还可以包括其他设备,例如,腰带、裙装、护腕、护肘、护肩、护膝、袜子等,在此不做限定,任何可以使用本说明书的设备都在本说明书的保护范围内。
终端设备140可以是与用户进行交互的设备。在一些实施例中,终端设备140可以集成于可穿戴设备130上。终端设备140可以接收用户输入的输入信息,并将输入信息通过网络120发送至处理设备110。在一些实施例中,终端设备140可以通过网络120接收处理设备110发送的反馈信息,并将反馈信息呈现给用户。示例性的反馈信息可以包括当前身体状态的信息、运动建议、健康提醒等信息。在一些实施例中,终端设备140可以是移动智能终端141、平板电脑142、笔记本电脑143等。在一些实施例中,终端设备140可以集成在处理设备110、可穿戴设备130上。在一些实施例中,终端设备140可以是其他设备。例如,手机、智能家居装置、智能行动装置、虚拟现实装置、增强现实装置等,或其任意组合。在一些实施例中,智能家居装置可以包括智能电器的控制装置、智能监测装置、智能电视、智能摄像机等,或其任意组合。在一些实施例中,智能行动装置可以包括智能电话、个人数字助理(PDA)、游戏装置、导航装置、POS装置等,或其任意组合。在一些实施例中,虚拟现实装置和/或增强现实装置可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。
反馈模块150可以用于基于控制指令向用户发出反馈信息。在一些实施例中,反馈模块150可以是扬声器、电子屏幕、震动感应装置等设备。在一些实施例中,反馈模块150可以是终端设备140的一部分,或集成于终端设备140中。在一些实施例中,反馈模块150也可以集成在可穿戴设备130上,并相对于终端设备140独立设置。
在一些实施例中,应用场景100还可以包括其他设备或组件,例如,数据库。
数据库可以存储数据,例如,终端设备140接收的生理参数信息(如心电信号、肌电信号、心率、心率变异性、呼吸状态信息等)。在一些实施例中,数据库可以存储从可穿戴设备130和/或移动终端设备获取的信息。在一些实施例中,数据库可以包括大容量存储器、可移动存储器、挥发性读写存储器(例如,随机存取存储器RAM)、只读存储器(ROM)等,或其任意组合。在一些实施例中,数据库可以与网络120连接以与应用场景100的一个或多个组件(例如,处理设备110、可穿戴设备130、终端设备140、移动终端设备等)通讯。应用场景100的一个或多个组件可以通过网络120访问存储于数据库中的数据。在一些实施例中,数据库可以是处理设备110的一部分。
图2是根据本说明书一些实施例所示的可穿戴设备的示例性结构图。
如图2所示,可穿戴设备200可以包括至少两个电极210、穿戴结构220以及处理器230。至少两个电极210可以采集人体的心电信号,处理器可230可以将心电信号处理为心率、心率变异性等信息,通过上述信息确定人体的身体状态。
至少两个电极210可以被配置为贴合人体皮肤以采集人体的心电信号。在一些实施例中,电极210的数量可以是2个、3个或其他数量。在一些实施例中,至少两个电极210可以位于人体的正中矢状面两侧位置。例如,至少两个电极210可以位于人体的正中矢状面两侧的髂骨、后腰或腹部或者双腿等区域贴合,以采集人体的心电信号。在一些实施例中,电极210可以通过魔术贴、网袋、卡扣、热压贴合、胶粘、缝合等方式固定在穿戴结构220上。在一些实施例中,电极210可以包括第一电极、第二电极,第一电极和第二电极可以分别位于人体的正中矢状面两侧位置。关于电极210的具体说明,参见图3及其相关描述。
穿戴结构220可以被配置为承载至少两个电极210,并将至少两个电极210贴合在人体的正中矢状面的两侧区域。穿戴结构220可以是穿戴舒适透气的面料、如棉、麻、尼龙等面料。在一些实施例中,穿戴结构220可以是裤装(如短裤、长裤、连衣裤)、腰带、裙装、护膝、护腰的一个或组合。关于穿戴结构220的具体说明,参见图3、图4、图5及其相关描述。
处理器230可以被配置为基于心电信号确定人体的心率变异性,并至少根据心率变异性确定人体的身体状态。处理器230可以集成在穿戴结构220上的任意位置,或为相对于穿戴结构220独立设置,例如,处理器230可以设置于云服务器中。在一些实施例中,处理器230可以基于心电信号确定人体的心率变异性,并至少根据心率变异性确定人体的身体状态。在一些实施例中,处理器230可以基于心电信号确定人体的心率变异性和心率,根据心率变异性和心率确定人体的身体状态。在一些实施例中,处理器230可以通过完成训练的机器学习模型,至少以心率变异性作为输入数据,机器学习模型基于输入数据输出人体的身体状态。在一些实施例中,处理器230可以确定标定曲线,并根据标定曲线确定人体的身体状态。在一些实施例中,处理器230可以根据心率变异性和呼吸状态信息确定人体的身体状态。在一些实施例中,
处理器230可以通过完成训练的机器学习模型,至少以心率变异性和呼吸状态信息作为输入数据,机器学习模型基于输入数据输出人体的身体状态。在一些实施例中,处理器230可以基于第二应变传感器识别人体下肢的运动动作。在一些实施例中,处理器230可以响应于人体的身体状态发出控制指令。关于处理器230的具体说明,参见图11至图16及其相关描述。
心率变异性可以体现心脏每次跳动时间间隔的变化情况。健康的心脏具有不规律性,而心脏的不规律性是由自主神经控制的,心率变异性可以反映神经系统的健康。自主神经分为两种,一种为控制“战斗或逃跑”的交感神经,另一种为控制“放松或消化”的副交感神经。处于交感神经控制情况下,心率变异性会降低,而处于副交感神经控制下,心率变异性会提高。人体处于放松情况下,心脏每次跳动的时间间隔差异大。而高度紧张时心脏每次跳动的时间间隔差异小,甚至实现等时间间隔的规律跳动。
心率变异性的分析方法可以包括线性分析法和非线性分析法。其中,线性分析法可以包括时域分析和频域分析。时域分析进一步包括统计学分析和几何图形分析等。非线性分析方法可以包括图像法和非线性参数计算法。图像法可以包括心电散点图法。非线性分析法可以包括分维数(相关维、Hausdorf维或信息维)分析法、复杂度分析法、Lyapaunov指数、哥式(Kolmogorov)熵。近似熵分析等。心率变异性的研究可以更好地反映可穿戴设备与人体交互过程中一些生理数据的变化。
图3是根据本说明书一些实施例所示的可穿戴设备的平面示意图。图4和图5是根据本说明书一些实施例所示的可穿戴设备的结构示意图。
结合图3~图5所示,可穿戴设备300可以包括第一电极311、第二电极312和穿戴结构320。
第一电极311和第二电极312用于人体皮肤贴合并采集人体的心电信号。在一些实施例中,第一电极311和第二电极312可以贴合于人体的不同部位,其中,第一电极311所贴合的部位可以具有第一电位,第二电极312所贴合的部位具有第二电位,第一电位和第二电位之间的差值可以用于反映人体的心电信号。
穿戴结构320用于承载第一电极311和第二电极312,并将第一电极311和第二电极312贴合在人体的正中矢状面的两侧。其中,第一电极311和第二电极312可以间隔分布于穿戴结构320上,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别位于人体的正中矢状面的两侧,分别检测人体的正中矢状面两侧的电位(例如,第一电位和第二电位),根据人体的正中矢状面两侧的电位之间的差值来确定心电信号。这里将穿戴结构320佩戴于人体腰部区域,使第一电极311和第二电极312分别位于人体的正中矢状面的两侧,也就是说,第一电极311和第二电极312分别位于身体的两侧,而人体的正中矢状面两侧的电位之间的差值可以反映心电信号的强弱,通过增大第一电极311和第二电极312之间的间距,可以使得心电信号的强度变大。在一些实施例中,如图3所示,穿戴结构320可以具有第一延伸方向和与第一延伸方向垂直的第二延伸方向,第一电极311和第二电极312可以沿穿戴结构的第一延伸方向间隔分布。在一些实施例中,穿戴结构320的第一延伸方向可以是指人体在佩戴穿戴结构320时,穿戴结构320佩戴在人体腰部区域的周向方向。
在一些实施例中,穿戴结构320可以为具有弹性的带状结构,第一电极311和第二电极312可以沿带状结构的延伸方向(或称为长度方向)间隔分布在带状结构上,用户可以通过将带状结构系在或通过卡扣件固定在在自身的腰部区域,使得第一电极311和第二电极312可以分别位于人体的正中矢状面的两侧。其中,穿戴结构320的第一延伸方向为带状结构的延伸方向。在一些实施例中,穿戴结构320可以是图4中示出的腰带的形式,第一电极311和第二电极312可以间隔分布设置在腰带与人体皮肤贴合的表面上。其中,穿戴结构320的第一延伸方向可以是腰带展开后的长度方向。在一些实施例中,腰带的两端可以使用魔术贴或卡扣等方式结合,方便用户佩戴或脱下。穿戴结构320为具有弹性的带状结构,可以保证用户具有较好的佩戴舒适度,并且耐洗涤。在一些实施例中,穿戴结构320还可以是图5中示出的裤装(例如,短裤、长裤、连衣裤等)的形式,第一电极311和第二电极312可以沿裤装的裤腰的周向间隔分布设置在裤腰内侧,当人体穿戴裤装时,裤腰处的第一电极311和第二电极312可以分别位于人体的正中矢状面的两侧。例如,第一电极311和第二电极312可以分别位于左腰侧和右腰侧、左臀部和右臀部、左膝关节和右膝关节、左脚踝和右脚踝等位置(如图5中虚线矩形位置所示)。在一些实施例中,穿戴结构320还可以以裙装的形式,第一电极311和第二电极312可以沿裙装的裙腰的周向间隔分布设置在裙腰内侧,使得第一电极311和第二电极312可以分别位于人体的正中矢状面的两侧。其中,穿戴结构320的第一延伸方向可以是裤腰或裙腰沿其周向展开后的长度方向。
在一些实施例中,可穿戴设备300中的第一电极311和第二电极312还可以与穿戴结构320可拆卸连接。例如,穿戴结构320为带状结构或裤装,第一电极311和第二电极312中不与人体皮肤接触的一侧与带状结构或裤装可以通过粘接、卡接、嵌接等方式与穿戴结构320连接。当用户需要测量心电信号时,将第一电极311和第二电极312安装在带状结构或裤装的裤腰、裤腿末端、裤腿中部、臀部位置上,同时也可以根据用户自身的体型(例如,身高、体重、腰围等)调整第一电极311和第二电极312在穿戴结构
320上的位置,以适用于不同体型的用户。当用户需要对穿戴结构320(例如,带状结构或裤装)进行清洗时,可以将第一电极311和第二电极312等元件从穿戴结构320上卸下,以防止可穿戴设备300在清洗过程中对第一电极311和第二电极312等其它元件造成损伤。在一些实施例中,穿戴结构320(例如,带状结构或裤装的裤腰)与用户贴合的一侧可以设置第一魔术贴,第一魔术贴可以沿带状结构的延伸方向或裤腰的周侧分布,第一电极311、第二电极312与用户身体接触侧相背离的一侧设有第二魔术贴,第二魔术贴可以与第一魔术贴粘接,以实现第一电极311、第二电极312与可穿戴结构320可拆卸连接。在一些实施例中,第一魔术贴可以覆盖穿戴结构320上与用户相贴合的一侧。第一魔术贴为一个整体结构时,会影响穿戴结构320的自身弹性,导致用户穿戴体验感不佳,在一些实施例中,第一魔术贴的数量可以为多个,多个第一魔术贴依次拼接在穿戴结构320上与用户相贴合的一侧,此时,多个第一魔术贴之间存在缝隙可以使得穿戴结构320保持自身的弹性,同时也便于调整第一电极311和第二电极312在穿戴结构320的位置,从而适用于不同体型的用户。在一些实施例中,多个第一魔术贴也可以在沿带状结构的延伸方向或电极位置的周侧分布间隔。例如,每个第一魔术贴的长度可以为4cm,相邻的两个第一魔术贴之间的间距为1cm。在一些实施例中,第一魔术贴或第二魔术贴可以为采用无纺布材质制成,其材质较为柔软,用户在佩戴可穿戴设备300时,用户腰部的皮肤与第一魔术贴接触时,第一魔术贴不会给用户带来不适感,从而提高用户佩戴可穿戴设备300的用户体验感。在一些实施例中,可穿戴设备300中可以包括多组电极模块(例如,第一电极311和第二电极312),每组电极模块上均设有与导线,该导线的一端与电极模块中的第一电极311或第二电极312连接,导线的另一端设置有接口插件,接口插件可以可穿戴设备300的电路结构电连接,例如电路结构的电路板上设置有与接口相适配的端口。用户可以根据自身情况,更换不同的电极模块。在一些实施例中,多个电极模块的尺寸可以相同或不同。仅作为示例性说明,电极模块中第一电极或第二电极尺寸可以为1cm*1cm,1cm*2cm,1cm*3cm,1cm*4cm,1cm*5cm、2cm*2cm,2cm*3cm,2cm*4cm,2cm*5cm、3cm*3cm,3cm*4cm,3cm*5cm、4cm*4cm,4cm*5cm或5cm*5cm。需要注意的是,电极模块中的第一电极或第二电极不限于上述列举的尺寸,还也可以为其它尺寸。
在一些实施例中,第一电极311或第二电极312可以以柔性贴片的形式人体皮肤贴合,该贴片可以为圆形、椭圆形、矩形、菱形等规则形状或其他不规则形状。在实际应用中,可以根据第一电极311或第二电极312贴合在腰部区域皮肤下的骨骼形状来设计第一电极311或第二电极312的形状。在一些实施例中,第一电极311或第二电极312可以是由单一材料制成的电极,例如金属织物电极、导电硅电极、水凝胶电极、金属电极等。优选地,第一电极311或第二电极312可以为金属织物电极和导电硅电极。进一步优选地,第一电极311或第二电极312可以为金属织物电极,金属织物电极电阻率更小,其阻抗以及与皮肤之间的接触阻抗也较小。第一电极311或第二电极312与皮肤之间的接触阻抗越小,有利于降低运动伪迹对第一电极311和第二电极312所采集的心电信号的干扰。在一些实施例中,第一电极311或第二电极312可以凸出于其周围的穿戴结构320的表面,这样可以为第一电极311或第二电极312提供的预压力,有利于第一电极311或第二电极312与人体皮肤充分贴合,以准确采集心电信号。在一些实施例中,第一电极311或第二电极312相对于其周围的穿戴结构320的表面凸出的高度取决于第一电极311或第二电极312的厚度。其中,第一电极311或第二电极312的厚度可以是指第一电极311或第二电极312在垂直于其周围的穿戴结构320的表面的方向上的尺寸。第一电极311或第二电极312的厚度与其材质相关。例如,在一些实施例中,在使用金属织物电极采集心电信号时,金属织物电极的厚度可以为10μm~5mm。优选地,金属织物电极的厚度可以为100μm~3mm。进一步优选地,金属织物电极的厚度可以为500μm~2mm。在一些实施例中,第一电极311或第二电极312还可以是不同材料叠加形成的电极,例如金属织物材料与导电硅材料构成的电极,不仅其与皮肤之间的接触阻抗小,并且其中与皮肤接触的导电硅具有亲肤、耐洗涤、耐摩擦等优点,避免电极与皮肤接触给人体带来的不适感。
在一些实施例中,第一电极311或第二电极312在第一延伸方向的尺寸或在第二延伸方向上的尺寸在不超过穿戴结构320在第一延伸方向的尺寸或在第二延伸方向的尺寸的情况下,第一电极311或第二电极312在第一延伸方向的尺寸或在第二延伸方向的尺寸应尽可能大,这样可以保证第一电极311或第二电极312与皮肤具有较大的贴合面积,以减小第一电极311或第二电极312与所贴合的皮肤之间的接触阻抗,从而可以降低运动伪迹对心电信号的干扰。同时,第一电极311或第二电极312在第一延伸方向的尺寸或在第二延伸方向的尺寸较大可以使得第一电极311或第二电极312在穿戴过程中更不易受到变形和偏移的影响,这样有利于降低运动伪迹,提高心电信号质量。除此之外,第一电极311或第二电极312在第一延伸方向的尺寸或在第二延伸方向的尺寸较大可以保证在各种运动或褶皱的情况下,第一电极311或第二电极312不至于完全从皮肤上脱落,而影响心电信号的采集。在一些实施例中,第一电极311或第二电极312在第一延伸方向的尺寸或在第二延伸方向上的尺寸可以分别是指第一电极311或第二电极312在第一延伸方向的最大尺寸或在第二延伸方向的最大尺寸。在一些实施例中,第一电极311或第二电极312在第一延伸方向的尺寸可以在5mm~50mm的范围内,第一电极311或第二电极312在第二延伸方向的尺寸
可以在5mm~50mm的范围内。在一些实施例中,第一电极311或第二电极312在第一延伸方向的尺寸可以在10mm~45mm的范围内,第一电极311或第二电极312在第二延伸方向的尺寸可以在10mm~45mm的范围内。在一些实施例中,第一电极311或第二电极312在第一延伸方向的尺寸可以在15mm~40mm的范围内,第一电极311或第二电极312在第二延伸方向的尺寸可以在15mm~40mm的范围内。在一些实施例中,第一电极311或第二电极312在第一延伸方向的尺寸可以在20mm~30mm的范围内,第一电极311或第二电极312在第二延伸方向的尺寸可以在20mm~30mm的范围内。
在一些实施例中,第一电极311或第二电极312与穿戴结构320靠近人体皮肤的表面之间可以设置有隔离层,具体地,隔离层位于第一电极311或第二电极312周围的穿戴结构320的表面,隔离层可以避免穿戴结构320在被浸湿的情况下将第一电极311或第二电极312意外接通,产生采集到的心电信号弱、失准的情况。在一些实施例中,隔离层可以由绝缘且防水的材料制成。在一些实施例中,隔离层的材料可以包括橡胶、高分子聚合物、硅胶等,或其任意组合。
本说明书实施例提供的可穿戴设备300可被佩戴在人体的腰部区域、臀部区域、膝关节区域、脚踝处区域等,使得第一电极311和第二电极312分别位于人体正中矢状面的两侧,并且与人体的正中矢状面两侧的腰部区域的皮肤贴合,以采集对人体的心电信号,这样既能实现对佩戴可穿戴设备300的用户的心脏状况监控,也能保证用户具有较好的佩戴舒适度。在一些实施例中,第一电极311和第二电极312在人体的正中矢状面两侧的腰部区域的贴合位置对采集到的心电信号的质量、强度相关。下面将结合具体的人体示意图对第一电极311和第二电极312与人体皮肤的贴合位置进行详细描述。
图6是人体全身示意图。其中,图6中的(a)示出了人体的正面,图6中的(b)示出了人体的背面。图7是人体腰部区域的髂骨示意图。其中,图7中的(a)示出了髂骨的正面,图7中的图(b)示出了髂骨的背面。
如图6中图(a)和图(b)所示,人体的正中矢状面是指通过人体的正中线601且将人体分为相等或近似的两部分的平面。其中,人体的正中线601可以根据从人体的鼻尖到两乳头中间的连线、从两乳头中间到腹部脐中间的连线或从腹部脐的中间到耻骨联合关节中间的连线来确定。人体的腰部区域可以是人体肋骨下端到髂骨下端之间的区域,该区域主要包括腹部和髂骨部分。在一些实施例中,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别贴合在人体的正中矢状面两侧的腰部区域的皮肤上。人体的正中矢状面可以将人体的腰部区域分为左腰区域和右腰区域,在一些实施例中,第一电极311和第二电极312可以分别贴合于左腰区域和右腰区域的皮肤上。在一些实施例中,第一电极311和第二电极312可以分别贴合于左臀部和右臀部的皮肤上。在一些实施例中,第一电极311和第二电极312可以分别贴合于左膝关节和右膝关节的皮肤上。在一些实施例中,第一电极311和第二电极312可以分别贴合于左脚踝和右脚踝的皮肤上。可以理解的是,第一电极311和第二电极312还可以分别贴合于其他部位,如贴合于左大腿和右大腿的皮肤上、左小腿和右小腿的皮肤上等。在一些实施例中,第一电极311和第二电极312可以关于人体的正中矢状面对称设置,这样可以使得第一电极311和第二电极312所贴合的位置的运动伪迹具有较好的一致性,有利于运动伪迹的消除,例如,可以通过差分放大电路来消除心电信号中的运动伪迹,以提高心电信号的质量。在一些实施例中,通过保持第一电极311和第二电极312的一致性,可以进一步提高第一电极311和第二电极312所贴合的位置的运动伪迹之间的一致性,更有利于运动伪迹的消除,使心电信号具有更高的质量。在一些实施例中,第一电极311和第二电极312一致可以包括材料、尺寸(例如,在第一延伸方向的尺寸、在第二延伸方向的尺寸以及厚度等)、对皮肤的压力等或其组合一致。在一些实施例中,还可以通过穿戴结构320承载第一电极311和第二电极312的部分弹性一致,来使得第一电极311和第二电极312所贴合的位置的运动伪迹具有较好的一致性,以便于消除运动伪迹,提高心电信号的质量。需要说明的是,在一些实施例中,第一电极311和第二电极312也可以关于人体的正中矢状面非对称设置,例如,当用户佩戴可穿戴设备时,第一电极311位于正中矢状面一侧的人体腹部,第二电极312位于正中矢状面另一侧的人体髂骨处。又例如,当用户佩戴可穿戴设备时,第一电极311位于正中矢状面一侧的人体腹部,第二电极312位于正中矢状面另一侧的人体后腰处。此外,第一电极311和第二电极312的材料、尺寸、对皮肤的压力等可以一致,也可以不一致。
在一些实施例中,如图7中的图(a)和图(b)所示,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别贴合在人体的正中矢状面两侧的髂骨701位置。作为示例性说明,人体的正中矢状面可以将髂骨701分为左侧髂骨7011和右侧髂骨7012,第一电极311和第二电极312可以分别与覆盖在左侧髂骨7011和右侧髂骨7012对应的皮肤区域贴合,以采集人体的心电信号。在一些实施例中,当人体佩戴穿戴结构320时,第一电极311和第二电极312分别与覆盖在左侧髂骨7011和右侧髂骨7012的皮肤区域的贴合位置可以关于人体的正中矢状面对称,这样可以提高第一电极311和第二电极312贴合位置的运动伪迹的一致性,从而有利于对运动伪迹进行消除,提高心电信号的质量。在一些实施例中,第一电极311和第二电极312分别与覆盖在左侧髂骨7011和右侧髂骨7012的皮肤区域的贴合位置也可以关于人
体的正中矢状面非对称。
在一些实施例中,如图7中的图(a)所示,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别贴合在人体的正中矢状面两侧的髂前上棘702位置。其中,髂前上棘702可以包括分别位于左侧髂骨7011和右侧髂骨7012上的左侧髂前上棘7021和右侧髂前上棘7022。作为示例性说明,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别与覆盖在左侧髂前上棘7021和右侧髂前上棘7022对应的皮肤区域贴合,以采集人体的心电信号。由于左侧髂前上棘7021和右侧髂前上棘7022处的肌肉较少,即使人体处于运动状态时,肌电信号对第一电极311和第二电极312所采集的心电信号干扰也较少,可以保证心电信号具有较好的质量。左侧髂前上棘7021和右侧髂前上棘7022关于人体的正中矢状面对称,第一电极311和第二电极312对应的运动伪迹具有较好的一致性,有利于对运动伪迹进行消除,提高心电信号的质量。此外,左侧髂前上棘7021和右侧髂前上棘7022距离心脏的距离差较大,两者的电位差也较大,第一电极311和第二电极312分别与覆盖在左侧髂骨7011和右侧髂骨7012对应的皮肤区域贴合,可以提高所采集到的心电信号的强度。除此之外,左侧髂前上棘7021和右侧髂前上棘7022具有凸起,以便于与第一电极311和第二电极312充分贴合,保证第一电极311和第二电极312不易脱落,并且人体对于左侧髂前上棘7021和右侧髂前上棘7022处对应的皮肤区域敏感交底,可以保证人体在佩戴穿戴结构320时,具有较好的穿戴舒适感。
在一些实施例中,如图7中的图(b)所示,第一电极311和第二电极312可以分别贴合在人体的正中矢状面两侧的髂后上棘703位置。其中,髂后上棘703可以包括分别位于左侧髂骨7011上的左侧髂后上棘7031和右侧髂骨7012上的右侧髂后上棘7032。作为示例性说明,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别与覆盖在左侧髂后上棘7031和右侧髂后上棘7032对应的皮肤区域贴合,以采集人体的心电信号。由于左侧髂后上棘7031和右侧髂后上棘732处的肌肉较少,即使人体处于运动状态时,肌电信号对第一电极311和第二电极312所采集的心电信号干扰较少,可以保证心电信号具有较好的质量,并且左侧髂后上棘7031和右侧髂后上棘7032关于人体的正中矢状面对称,运动伪迹具有较好的一致性,有利于对运动伪迹进行消除,提高心电信号的质量。
在一些实施例中,如图6中的图(b)所示,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别贴合在人体的正中矢状面两侧的后腰602位置。作为示例性说明,人体的正中矢状面将后腰602分为了左侧后腰6021和右侧后腰6022,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别与左侧后腰6021和右侧后腰6022对应的皮肤区域贴合,以采集心电信号。在一些实施例中,当人体佩戴穿戴结构320时,第一电极311和第二电极312分别与左侧后腰6021和右侧后腰6022的皮肤区域的贴合位置可以关于人体的正中矢状面对称,这样可以提高第一电极311和第二电极312贴合位置的运动伪迹的一致性,从而有利于对运动伪迹进行消除,提高心电信号的质量。在一些实施例中,第一电极311和第二电极312分别与左侧后腰6021和右侧后腰6022的皮肤区域的贴合位置可以关于人体的正中矢状面不对称。
在一些实施例中,如图6中的图(a)所示,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别与在人体的正中矢状面两侧的腹部603贴合。作为示例性说明,人体的正中矢状面将腹部603分为了左侧腹部6031和右侧腹部6032,当人体佩戴穿戴结构320时,第一电极311和第二电极312可以分别与左侧腹部6031和右侧腹部6032的皮肤区域贴合,以采集心电信号。在一些实施例中,当人体佩戴穿戴结构320时,第一电极311和第二电极312分别与左侧腹部6031和右侧腹部6032的皮肤区域的贴合位置可以关于人体的正中矢状面对称,这样可以提高第一电极311和第二电极312贴合位置的运动伪迹的一致性,从而有利于对运动伪迹进行消除,提高心电信号的质量。在一些实施例中,第一电极311和第二电极312分别与左侧腹部6031和右侧腹部6032的皮肤区域的贴合位置可以关于人体的正中矢状面不对称。
图8是根据本说明书一些实施例所示的可穿戴设备的结构示意图。
在一些实施例中,如图8所示,可穿戴设备800可以包括第一电极811、第二电极812、参考电极813以及穿戴结构820,第一电极811和第二电极812可以间隔设置于穿戴结构820靠近人体皮肤的表面,参考电极813可以位于第一电极811和第二电极812之间。其中,第一电极811、第二电极812以及穿戴结构820与可穿戴设备300中的第一电极311、第二电极312以及穿戴结构320类似,关于第一电极811、第二电极812以及穿戴结构820的更多描述可以参考第一电极311、第二电极312以及穿戴结构320的相关描述,在此不再进行赘述。
在一些实施例中,当人体佩戴穿戴结构820时,第一电极811和第二电极812可以分别贴合人体的正中矢状面的两侧,参考电极813可以与人体的皮肤贴合。在一些实施例中,参考电极813可以为第一电极811和第二电极812提供参考地电压,便于后续利用电路(例如,差分放大器)对第一电极811对应的第一电位和第二电极812对应的第二电位进行处理。在一些实施例中,参考电极813也可以与右腿驱动
电路电连接,右腿驱动电路可以降低参考电极813到人体的阻抗,使得右腿驱动电路可以更加有效地降低工频干扰。在一些实施例中,当人体穿戴可穿戴设备800时,参考电极813可以位于人体腰部区域的后腰侧、腹部等其它位置。优选地,当人体佩戴可穿戴设备800时,第一电极811和第二电极812相对于人体正中矢状面对称设置,相应地,参考电极813可以位于人体腰部区域后腰侧的中央(例如,腰椎及其附近区域),可以使得用户在穿戴可穿戴设备800时,各电极相对于人体正中矢状面是对称设置的,使得第一电极811对应的第一电位与参考电极813的电位差的数值与第二电极812对应的第二电位与参考电极813的电位差的数值大致相等,以便于后续电路(例如,差分放大器)的处理。此外,人体后腰侧的肌肉较少,肌电信号对心电信号的影响较小,并且人体后腰侧对外界物体或刺激的感知敏感度较低,可以保证用户在使用可穿戴设备800时可以具有较为舒适的佩戴体验。需要说明的是,参考电极813的数量不限于图8中所示的一个,还可以为多个。例如,参考电极813可以包括第一参考电极和第二参考电极,当人体穿戴可穿戴设备800时,第一参考电极和第二参考电极可以位于人体腰部区域的左后腰和右后腰处,其中,第一参考电极和第二参考电极可以关于人体正中矢状面对称设置,以使得人体穿戴可穿戴设备800时,可穿戴设备800上的各电极可以关于人体正中矢状面对称设置。在一些实施例中,第一参考电极和第二参考电极也可以不关于人体正中矢状面对称设置。例如,第一参考电极和第二参考电极均位于人体的左后腰或右后腰处。又例如,第一参考电极位于人体左后腰远离人体正中矢状面的位置,第二参考电极位于人体右后腰靠近人体正中矢状面的位置。在一些实施例中,第一参考电极和第二参考电极之间通过导线连接,以使得两个参考电极为同一电势,此时,第一参考电极和第二参考电极可以作为当一个参考电极,从而提高可穿戴设备800关于对称性设置的自由度。此外,第一参考电极和第二参考电极不限于设置于人体腰部区域的后腰侧,还可以位于腹部、左右腰侧、左右臀部、左右大腿等其他区域。
在一些实施例中,参考电极813沿穿戴结构820的第二延伸方向的尺寸可以不小于第一电极811或第二电极812沿穿戴结构820的第二延伸方向的尺寸,以便参考电极813与人体进行贴合。在一些实施例中,参考电极813在第二延伸方向的尺寸可以在5mm~80mm的范围内。在一些实施例中,参考电极813在第二延伸方向的尺寸可以在10mm~80mm的范围内。在一些实施例中,参考电极813在第二延伸方向的尺寸可以在20mm~80mm的范围内。在一些实施例中,参考电极813在第二延伸方向的尺寸可以在30mm~80mm的范围内。需说明的是,参考电极813沿穿戴结构820的第二延伸方向的尺寸也可以小于第一电极811或第二电极812沿穿戴结构820的第二延伸方向的尺寸,能够提供参考地电压即可。
图9是根据本说明书一些实施例所示的裤装的正面结构示意图。如图9所示,可穿戴设备可以是裤装900。裤装900可以包括第一应变传感器910、第一电极921、第二电极922、参考电极923以及第二应变传感器930。
在一些实施例中,第一应变传感器910位于穿戴结构上,并与人体的腰部区域相贴合,第一应变传感器910基于人体呼吸时腰部区域的起伏变化采集人体的呼吸状态信息。
在一些实施例中,第一应变传感器910可以是围绕用户腰部的带状/环状结构。例如,第一应变传感器910可以是具有弹性,可以围绕腰部延展的腰带状传感器。用户穿戴裤装900后进行吸气运动时,胸廓周向围度扩大,膈顶下降,引起第一应变传感器910周向围度变化。第一应变传感器910可以测量上述周向围度变化情况。同样地,用户穿戴裤装900后进行呼气运动时,胸廓周向围度缩小,膈顶上升,第一应变传感器910可以测量此时的周向围度变化情况。将上述吸气运动与呼气运动周向围度变化的过程作为一个呼吸过程,得到人体的呼吸状态信息。在一些实施例中,第一应变传感器910也可以是不围绕人体腰部设置。例如,第一应变传感器910可以贴合在人体的腹部区域,当人体呼吸时,腹部区域会发生起伏变化,第一应变传感器910基于腹部区域的起伏变化发生形变,从而获取用户的呼吸状况信息。在一些实施例中,第一应变传感器910的数量可以为一个或多个,当第一应变传感器910的数量为多个时,多个第一应变传感器910可以与腹部区域的不同区域进行贴合,从而获取更加准确的呼吸状况信息。在一些实施例中,第一应变传感器910可以包括应变式压力传感器、应变式扭矩传感器、应变式位移传感器、应变式加速度传感器等中的任意一种或多种。在一些实施例中,第一应变传感器910也可以替换为气压传感器,示例性地,气压传感器可以包括密闭的柔性腔体和压力传感元件,气压传感器与柔性腔体密封连接。当人体佩戴气压传感器时,气压传感器与人体的腰部区域或腹部相贴合,人体呼吸时,腰部区域或腹部区域的起伏可以作用于气压传感器的柔性腔体,柔性腔体的内部压强发生变化,压力传感元件将压强变化转化为电信号,以获取人体呼吸时腰部区域或腹部区域的起变化,从而确定人体的呼吸状况信息。在一些实施例中,气压传感器的数量可以为一个或多个,当气压传感器的数量为多个时,多个气压传感器可以分布于人体腰部区域或腹部区域的不同位置,以获取腰部区域或腹部区域不同位置的起伏情况。
呼吸状态信息可以反映人体呼吸过程的生理结构变化。在一些实施例中,人体的呼吸状态信息可以包括呼吸频率、呼吸深度、呼入时间、呼出时间、呼吸的平稳性等。其中,呼吸频率、呼入时间、呼出时间可以通过测量上述周向围度变化的时间确定。呼吸深度可以通过测量上述周向围度变化的峰值(如周
向围度最大值、周向围度最小值)确定。呼吸的平稳性可以通过测量多个呼吸过程并比较多个呼吸过程之间的呼吸深度、呼入时间、呼出时间以确定。通过第一应变传感器910可以实现呼气过程的实时监控。
第一电极921、第二电极922可以参考图3、图4、图5中的第一电极311和第二电极312,或参考图8中第一电极811、第二电极812。在一些实施例中,至少两个电极(第一电极921、第二电极922)间隔分布于穿戴结构上,当人体佩戴穿戴结构裤装900时,至少两个电极(第一电极921、第二电极922)位于人体的正中矢状面的两侧,也就是说,第一电极921可以位于人体正中矢状面的左侧,第二电极922可以位于人体正中矢状面的右侧。例如,第一电极921可以位于人体正中矢状面的左腿侧,第二电极922可以位于人体正中矢状面的右腿侧。优选地,当人体佩戴穿戴结构裤装900时,至少两个电极(第一电极921、第二电极922)位于人体腰部区域的正中矢状面的两侧。例如,第一电极921可以位于人体腰部区域的正中矢状面左侧,第二电极922可以位于人体腰部区域的正中矢状面右侧。为了与人体皮肤紧密贴合,第一电极921、第二电极922可以位于裤装900内侧,即靠近人体皮肤一侧。在一些实施例中,第一电极921、第二电极922可以通过魔术贴、胶黏、卡扣、网袋等方式与裤装900连接。第一电极921、第二电极922可以获取心电信号。为了降低肌电信号的干扰,在一些实施例中,当人体佩戴穿戴结构裤装900时,第一电极921和第二电极922分别贴合在人体的正中矢状面两侧的髂骨、后腰或腹部。第一电极921和第二电极922贴合在人体的正中矢状面两侧的后腰可以参见图10。
在一些实施例中,当人体佩戴穿戴结构裤装900时,第一电极921和第二电极922关于人体的正中矢状面对称设置。电极对称设置可以使得第一电极921和第二电极922所贴合的位置的运动伪迹具有较好的一致性,有利于运动伪迹的消除,例如,可以通过差分放大电路来消除心电信号中的运动伪迹,以提高心电信号的质量。
参考电极923可以提供参考地电压。在一些实施例中,第一电极921和第二电极922间隔设置于穿戴结构裤装900靠近人体皮肤的表面,参考电极923并位于第一电极921和第二电极922之间。参考电极923也可以位于裤装900内侧。参考电极923可以参考图8中的参考电极813。
第二应变传感器930可以用于获取人体下肢动作参数。第二应变传感器930可以感应人体关节的弯曲、伸展运动。示例性的下肢动作参数可以包括关节弯曲角度、弯曲方向等。在一些实施例中,第二应变传感器930可以位于穿戴结构裤装900与人体腿部或臀部对应的位置处。图9仅绘制第二应变传感器930在左膝关节外侧处的情况,可以理解的是,第二应变传感器930可以位于人体下肢任何一个关节,如右膝关节、踝关节、髋关节处等;第二应变传感器930可以位于人体下肢任何一个关节的任意位置处,如左膝关节外侧处、左膝关节内侧处等。第二应变传感器930位于穿戴结构裤装900与人体臀部对应的位置处可以参见图10。在一些实施例中,第二应变传感器930可以是多个,并分别位于上述不同的下肢关节处。
在一些实施例中,处理器进一步被配置为基于第二应变传感器930识别人体下肢的运动动作。例如,第二应变传感器930获取膝关节弯曲角度为180°、髋关节弯曲角度为120°时,处理器判断下肢运动动作为下蹲;膝关节弯曲角度为0°、髋关节弯曲角度为0°时,处理器判断下肢运动动作为站立。通过第二应变传感器930可以实现人体下肢动作的实时监测。
图10是根据本说明书一些实施例所示的裤装的背面结构示意图。
如图10所示,第一应变传感器910可以与人体的腰部区域相贴合。第一电极921和第二电极922贴合在人体的正中矢状面两侧的后腰。其中,第一电极921贴合在人体的正中矢状面两侧的右后腰,第二电极922贴合在人体的正中矢状面两侧的左后腰。第二应变传感器930位于穿戴结构裤装900与人体臀部(右臀部)对应的位置处。可以理解的是,上述组件的位置仅为说明,在原理相同情况下,上述组件可以位于人体下肢任意位置。例如,第一电极921、第二电极922除了设置于腰部位置,还可以设置于大腿、小腿、膝关节、脚踝等位置。
图11是根据本说明书一些实施例所示的一个标准的心电图,图11中示出的波形1101显现出了P波、QRS波群、ST段、T波、P-R间期、U波等特征。
在一些实施例中,处理器可以基于心电信号确定人体的心率变异性和心率。至少两个电极获取的心电信号可以如图11所示。在一些实施例中,心率可以表示为单位时间(例如,一分钟)内R波出现的次数,例如,通过60除以P-P间期或60除以R-R间期计算得到。
在一些实施例中,处理器可以通过统计学分析,计算一个或多个有关R-R间期的数理统计指标以确定心率变异性。其中,心率异变性可以以SDNN、SDANN、RMSSD、pNN50、SDNNi等统计指标呈现。例如,心率变异性可以通过如下公式(1)计算得到:
其中,SDNN为相邻心跳间隔的标准差;N为数量;RRsi为RR间期;i为不同的RR间期;SDNN可以反
映交感神经与副交感神经总的张力大小。SDNN的正常值为100毫秒至150毫秒,SDNN的异常值为小于50毫秒。
再例如,心率变异性可以通过如下公式(2)、公式(3)计算得到:
其中,SDANN为计算每5分钟RR间期的平均值,再计算得到若干间期的标准差;RRs5为5分钟内RR间期的平均值;SDANN反映交感神经张力大小,与心率的缓慢变化成分相关,当交感神经张力增高时,其值降低。SDANN的正常值为80毫秒至140毫秒,SDANN的异常值为小于50毫秒。
还例如,心率变异性可以通过如下公式(4)计算得到:
其中,RMSSD为相邻心跳间隔的均方根值。RMSSD可以反映副交感神经张力大小,与心率的快速变化成分相关,当副交感神经张力降低时,其值降低。RMSSD的正常值为15毫秒至45毫秒,RMSSD的异常值为小于15毫秒。
还例如,心率变异性可以通过如下公式(5)计算得到:
其中,pNN50为相邻心跳间隔差值超过50毫秒的比例。pNN50反映副交感神经张力大小,与心率的快速变化成分相关,当副交感神经张力降低时,其值降低。pNN50的正常值为1%至12%,pNN50的异常值为小于0.75%。
还例如,心率变异性可以通过如下公式(6)、公式(7)计算得到:
其中,SDNNi为24小时记录中,每5分钟的心跳间隔标准差的平均值;SDNNs5为每5分钟的心跳间隔标准差。SDNNi反映交感神经张力大小,与心率的缓慢变化成分相关,当交感神经张力增高时,其值降低。SDNNi的正常值为40毫秒至80毫秒,SDNNi的异常值为小于20毫秒。可以理解的是,确定心率变异性的数理统计指标还可以是其他数理统计指标,本说明书对此不做限定。
在一些实施例中,处理器可以对心电信号中R-R间期的分布进行分析,得到R-R间期的变异度作为心率变异性。例如,通过R-R间期直方图、R-R间期差值直方图、HRV的时间序列图等得到R-R间期的变异度作为心率变异性。
在一些实施例中,处理器可以通过频域分析确定心率变异性。例如,通过全部正常心跳间期所有频率范围功率总和来评估整体心率变异性;低频范围内的功率表征交感神经和副交感神经活性;高频范围内的功率表征副交感神经活性等。
在一些实施例中,处理器可以通过非线性分析法确定心率变异性。例如,通过分析分维数(相关维、Hausdorf维或信息维)分析法、复杂度分析法、Lyapaunov指数、哥式(Kolmogorov)熵。近似熵分析等确定心率变异性。
在一些实施例中,处理器可以通过心电散点图的指数确定心率变异性。例如,通过矢量长度指数、矢量角度指数等确定心率变异性。
在一些实施例中,处理器可以采用特定的数学算法,建立相应的数学模型确定心率变异性。例如,通过分维数、测度熵、Lyapunov指数、复杂度等参数确定心率变异性。
图12是根据本说明书一些实施例所示的根据心率变异性确定人体的身体状态的示意图。
在一些实施例中,身体状态可以包括放松状态和紧张状态。其中,放松状态可以指人体在清醒、安静、情绪平静、微量运动/未运动时的生理状态。仅作为示例性说明,放松状态可以表现为静息心率在60至80次/分钟;心率变异性相关的数理统计指标为正常值(大于预设阈值)。紧张状态可以指人体在焦虑、情绪波动、进行定量运动时的生理状态。紧张状态可以表现为心率在80至100次/分钟;心率变异性相关的数理统计指标为异常值(不大于预设阈值)。人体处于放松情况下,心脏每次跳动的时间间隔差异大,表现为心率变异性较大。而人体处于高度紧张情况下,心脏每次跳动的时间间隔差异小,表现为心率变异性较小。在一些实施例中,处理器可以在心率变异性不大于预设阈值时,确定人体运动时的身体状态为紧张状态;心率变异性大于预设阈值时,确定人体运动时的身体状态为放松状态。其中,心率变异性的预设阈值可以通过经验数值确定。如心率变异性的数理统计指标为SDNN时,心率变异性的预设阈值可以是50
毫秒。
在一些实施例中,处理器可以通过完成训练的机器学习模型,至少以心率变异性作为输入数据,机器学习模型基于输入数据输出人体的身体状态。示例性的机器学习模型可以包括深度神经网络模型、卷积神经网络模型等。在一些实施例中,机器学习模型可以通过大量带有标识的训练样本训练得到。具体的,将带有标识的多组训练样本输入初始模型,基于初始模型的输出以及标识构建损失函数,基于损失函数迭代通过训练更新模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的模型。其中,预设条件可以为损失函数收敛。
在一些实施例中,训练样本可以包括多个历史心率变异性数据(如SDNN、SDANN、RMSSD、pNN50、SDNNi等统计指标)。标识可以是每个历史心率变异性数据对应的人体的身体状态。通过机器学习模型可以实现人体的身体状态智能识别,提高识别效率,减少因主观判断身体状态而产生的判断结果的误差。
在一些实施例中,处理器可以获取标定曲线,并根据标定曲线确定人体的身体状态。其中,标定曲线根据对人体处于不同身体状态下所产生的心率变异性拟合获得。例如,标定曲线可以通过对心率变异性的数理统计指标SDNN、SDANN、RMSSD、pNN50、SDNNi等拟合获得。在一些实施例中,标定曲线的横坐标可以是时间,纵坐标可以是心率变异性各个数理统计指标的值。在一些实施例中,处理器可以将标定曲线中满足正常值范围的曲线段作为放松状态的区间,将不满足正常值范围的曲线段作为紧张状态的区间。例如,对于数理统计指标SDNN,其标定曲线中满足SDNN值为100毫秒至150毫秒的曲线段作为放松状态的区间,满足SDNN值为小于50毫秒的曲线段作为紧张状态的区间。
图13是根据本说明书一些实施例所示的根据心率变异性以及心率确定人体的身体状态的示意图。
心率也可以反映人体的身体状态,为了进一步提高可穿戴设备对人体的身体状态的判断精准性,在一些实施例中,处理器可以根据心率变异性和心率确定人体的身体状态。
在一些实施例中,处理器可以在心率变异性不大于预设阈值且心率大于预设心率阈值时,确定人体运动时的身体状态为紧张状态;在心率变异性大于预设阈值且心率不大于预设心率阈值时,确定人体运动时的身体状态为放松状态。其中,心率变异性的预设阈值可以通过经验数值确定。如心率变异性的数理统计指标为SDNN时,心率变异性的预设阈值可以是50毫秒。心率的预设心率阈值可以通过经验值或用户自身的身体健康状况进行设置。例如,预设心率阈值可以为60次/分钟、70次/分钟、80次/分钟等。
在一些实施例中,处理器可以通过完成训练的机器学习模型,至少以心率变异性、心率作为输入数据,机器学习模型基于输入数据输出人体的身体状态。示例性的机器学习模型可以包括深度神经网络模型、卷积神经网络模型等。在一些实施例中,机器学习模型可以通过大量带有标识的训练样本训练得到。具体的,将带有标识的多组训练样本输入初始模型,基于初始模型的输出以及标识构建损失函数,基于损失函数迭代通过训练更新模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的模型。其中,预设条件可以为损失函数收敛。
在一些实施例中,训练样本可以包括多个历史心率变异性数据(如SDNN、SDANN、RMSSD、pNN50、SDNNi等统计指标)以及多个历史心率数据。标识可以是每个历史心率变异性数据以及历史心率数据对应的人体的身体状态。通过机器学习模型可以实现人体的身体状态智能识别,提高识别效率,减少因主观判断身体状态而产生的判断结果的误差;另外,模型输入中加入心率数据,增加了模型的计算围度,提高与实际生理情况的拟合程度。
图14是根据本说明书一些实施例所示的根据心率变异性以及呼吸状态信息确定人体的身体状态的示意图。
呼吸也可以反映人体的身体状态,为了进一步提高可穿戴设备对人体的身体状态的判断精准性,在一些实施例中,处理器可以根据心率变异性和呼吸状态信息确定人体的身体状态。
在一些实施例中,处理器可以在心率变异性大于预设阈值且呼吸状态信息在预设呼吸状态信息范围内时,确定人体运动时的身体状态为放松状态;心率变异性不大于预设阈值且呼吸状态信息未在所述预设呼吸状态信息范围内时,确定人体运动时的身体状态为紧张状态。其中,心率变异性的预设阈值可以通过经验数值确定。如心率变异性的数理统计指标为SDNN时,心率变异性的预设阈值可以是50毫秒。仅作为示例,呼吸状态信息可以包括呼吸频率、呼吸深度、呼入时间、呼出时间、呼吸的平稳性等。呼吸状态信息可以反映人体的身体状态。例如,当人体的呼吸频率正常、呼吸深度较大、呼入时间和呼出时间较长、呼吸过程较为稳定时,人体可以被判断为放松状态;当人体的呼吸频率异常(如呼吸频率过快)、呼吸深度较小、呼入时间和呼出时间较短、呼吸过程不稳定时,人体可以被判断为紧张状态。预设呼吸状态信息范围可以通过经验值确定。如呼吸状态信息为呼吸频率时,预设呼吸状态信息范围可以是12次/分钟至20
次/分钟等。进一步地,预设呼吸状态信息范围还可以是呼吸深度、呼入时间、呼出时间、呼吸的平稳性等相对应的预设范围。
在一些实施例中,处理器可以基于心率变异性以及呼吸状态信息中的至少一个参数,确定人体的身体状态。在一些实施例中,呼吸状态信息可以包括呼吸频率,处理器可以基于心率变异性以及呼吸频率确定人体的身体状态。在一些实施例中,基于心率变异性以及呼吸频率确定人体的身体状态可以包括:当人体的身体状态心率变异性不大于预设阈值且呼吸频率大于预设呼吸频率范围的上限时,用户的身体状态为紧张状态;当人体的身体状态心率变异性不大于预设阈值且呼吸频率在预设呼吸频率范围时,用户的身体状态为放松状态。在一些实施例中,呼吸状态信息可以包括呼吸深度,处理器可以基于心率变异性以及呼吸深度确定人体的身体状态。在一些实施例中,基于心率变异性以及呼吸深度确定人体的身体状态可以包括:当人体的身体状态心率变异性不大于预设阈值且呼吸频率小于预设呼吸深度范围的下限时,用户的身体状态为紧张状态;当人体的身体状态心率变异性不大于预设阈值且呼吸深度在预设呼吸深度范围时,用户的身体状态为放松状态。在一些实施例中,呼吸状态信息可以包括呼入时间,处理器可以基于心率变异性以及呼入时间确定人体的身体状态。在一些实施例中,基于心率变异性以及呼入时间确定人体的身体状态可以包括:当人体的身体状态心率变异性不大于预设阈值且呼入时间小于预设呼入时间范围的下限时,用户的身体状态为紧张状态;当人体的身体状态心率变异性不大于预设阈值且呼入时间在预设呼入时间范围时,用户的身体状态为放松状态。在一些实施例中,呼吸状态信息可以包括呼出时间,处理器可以基于心率变异性以及呼出时间确定人体的身体状态。在一些实施例中,基于心率变异性以及呼出时间确定人体的身体状态可以包括:当人体的身体状态心率变异性不大于预设阈值且呼出时间小于预设呼出时间范围的下限时,用户的身体状态为紧张状态;当人体的身体状态心率变异性不大于预设阈值且呼出时间在预呼出时间出范围时,用户的身体状态为放松状态。在一些实施例中,呼吸状态信息可以包括呼吸稳定性,其中,呼吸稳定性可以通过呼吸频率、呼吸深度、呼入时间和呼出时间进行计算,处理器可以基于心率变异性以及呼吸的平稳性确定人体的身体状态等。需要说明的是,处理器还可以基于心率变异性以及呼吸状态信息中的多个参数确定人体的身体状态,此处不再赘述。
在一些实施例中,处理器可以通过完成训练的机器学习模型,至少以心率变异性和呼吸状态信息作为输入数据,机器学习模型基于输入数据输出人体的身体状态。示例性的机器学习模型可以包括深度神经网络模型、卷积神经网络模型等。在一些实施例中,机器学习模型可以通过大量带有标识的训练样本训练得到。具体的,将带有标识的多组训练样本输入初始模型,基于初始模型的输出以及标识构建损失函数,基于损失函数迭代通过训练更新模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的模型。其中,预设条件可以为损失函数收敛。
在一些实施例中,训练样本可以包括多个历史心率变异性数据(如SDNN、SDANN、RMSSD、pNN50、SDNNi等统计指标)以及多个历史呼吸状态信息(如历史呼吸频率、历史呼吸深度、历史呼入时间、历史呼出时间、历史呼吸的平稳性等中的任意一种或多种)。标识可以是每个历史心率变异性数据以及历史呼吸状态信息对应的人体的身体状态。通过机器学习模型可以实现人体的身体状态智能识别;另外,模型输入中加入呼吸状态信息,增加了模型的计算围度,提高模型与实际生理情况的拟合程度。可以理解的是,心率变异性、心率、呼吸状态信息等参数可以同时作为机器学习模型的输入,以进一步提高模型与实际生理情况的拟合程度。
在一些实施例中,不同运动动作对应不同的心率变异性,处理器进一步被配置为基于心率变异性和运动动作评估所述运动动作。运动动作可以基于图9、图10中的第二应变传感器930确定。
在一些实施例中,处理器、终端设备或数据库可以预先存储至少一个参考动作的动作参数以及心率变异性数据。当处理器基于第二应变传感器930获取的人体下肢动作参数确定当前运动动作后,处理器可以将当前运动动作的动作参数与参考动作的动作参数进行比较,将当前运动动作的心率变异性与参考动作的心率变异性进行比较,当二者相似度大于预设相似度阈值时,则评估结果为当前运动动作符合参考动作的标准,也可理解为,当前运动动作正确。当二者相似程度小于预设相似度阈值时,则评估结果为当前运动动作不符合参考动作的标准,可以理解为,当前运动动作错误或者不标准。例如,处理器可以预存瑜伽、普拉提、冥想、打坐、站桩、呼吸训练等运动的关节弯曲角度、弯曲方向等动作参数,以及上述运动对应的心率变异性,如果当前的关节弯曲角度、弯曲方向与参考动作的关节弯曲角度、弯曲方向拟合程度不小于第一阈值(例如,90%),且当前心率变异性和参考心率变异性拟合程度不小于第二阈值(例如,90%),评估结果为当前运动动作符合参考动作的标准。如果当前的关节弯曲角度、弯曲方向与参考动作的关节弯曲角度、弯曲方向拟合程度小于第一阈值,且当前心率变异性和参考心率变异性拟合程度小于预设阈值时,则评估结果为当前运动动作不符合参考动作的标准。
在一些实施例中,处理器可以通过反馈模块向用户发送反馈信息。例如,响应于评估结果为当前
运动动作不符合参考动作的标准,处理器可以通过反馈模块向用户反馈具体的动作参数,并给出指导方案、锻炼方案等。
当用户处于紧张状态时,用户通常会通过相关运动(例如,瑜伽、普拉提、冥想、打坐、站桩、呼吸训练)以调节自身的心率变异性,在一些实施例中,处理器进一步被配置为基于心率变异性和运动动作,可以判断运动动作是否达到预定效果。预定效果是指用户的心率变异性不小于预设阈值。示例性地,当用户的心率变异性不小于预设阈值时,则运动动作达到预定效果。当用户的心率变异性小于预设阈值时,则运动动作未能达到预期效果,处理器可以通过反馈模块提示用户继续进行当前运动动作或更换运动动作,直至用户的心率变异性小于预设阈值。
图15是根据本说明书一些实施例所示的另一可穿戴设备的示例性结构图。如图15所示,可穿戴设备1500可以包括至少两个电极210、穿戴结构220、处理器230、反馈模块240以及肌电模块250。至少两个电极210、穿戴结构220、处理器230可以参见图2的描述。
在一些实施例中,可穿戴设备还可以包括反馈模块240。反馈模块与处理器通信连接,处理器响应于人体的身体状态发出控制指令,反馈模块基于控制指令向用户发出反馈信息。控制指令可以用于确定反馈模块240是否发送反馈信息,以及反馈模块240发送反馈信息的具体内容。示例性的反馈信息的具体内容可以包括训练计划、动作提示、健康提醒等。
在一些实施例中,反馈模块240可以被配置为扬声器,扬声器基于控制指令控制扬声器进入工作状态或切换音频信号。例如,当人体的身体状态为紧张状态时,控制指令可以为确定反馈模块240发送反馈信息,以及切换音频信号为曲调舒缓的音乐;当人体的身体状态为放松状态时,控制指令可以不发送反馈信息。音频信号可以通过网络获取或通过预先存储在数据库中获取。
在一些实施例中,反馈模块240可以被配置为其他设备。例如,电子屏、振动按摩装置等。
在一些实施例中,扬声器进入状态或切换音频信号后,处理器继续至少基于心电信号判断人体的身体状态,若人体的身体状态仍处于紧张状态,处理器可以切换音频信号,直至人体的身体状态进入放松状态。处理器可以通过电极、第一应变传感器以及第二应变传感器实时监控人体的身体状态,并基于实时监控的结果确定反馈信息。例如,当反馈模块240播放一段舒缓音乐后,人体的身体状态仍处于紧张状态,则处理器可以切换曲目,直至所述人体的身体状态进入放松状态。
在一些实施例中,如果用户在进行目标动作时身体状态为紧张状态,反馈模块240还可以引导用户进行动作切换以将用户从紧张状态调整为放松状态,用户身体状态调整至放松状态之后,反馈模块240提醒用户继续进行之前的目标动作。具体地,当处理器判断用户的身体状态为紧张状态,处理器控制反馈模块240向用户发出反馈信息,该反馈信息至少包括提示用户切换动作的信息。例如,用户在进行瑜伽时,处理器判断用户的身体状态为紧张状态,处理器控制反馈模块240向用户发出语音提醒,提醒用户身体处于紧张状态,建议进行打坐或站桩动作对身体状态进行调整,此外反馈模块240还可以引导用户呼吸,以进一步提高用户身体状态的调整,待用户的身体调整至放松状态时,并提示用户继续进行之前的瑜伽动作。在一些实施例中,反馈模块240引导用户进行动作切换的方式可以包括语音提醒、文字信息、视频信息、振动、电击等其中的任意一种或几种。
在一些实施例中,人体的身体状态与反馈信息相关联。当人体的身体状态为紧张状态时,反馈信息可以是缓解紧张状态的信息。例如,舒缓音乐、令人舒适的音频、风景画面、指导信息(例如,包括指导调整呼吸的信息、指导调整动作的信息等)等。在一些实施例中,人体的运动动作与反馈信息相关联。例如,当人体的运动动作为瑜伽时,反馈信息可以包括对瑜伽动作的指导、训练计划、健康提醒等信息。
在一些实施例中,可穿戴设备还可以包括肌电模块250。
肌电模块250可以用于采集人体的肌电信号。在一些实施例中,处理器可以基于肌电信号、运动动作以及呼吸状态信息、心率或心率变异性中的一种或几种判断人体的运动动作是否标准。
肌电信号可以从人体很多部位获取,比如小腿、大腿、臀部、腰、后背、胸部、肩部、手臂、颈部等,从不同部位获取的肌电信号携带着相应部位的运动和功能信息。例如,腿上的肌电信号反应腿部的姿势和运动状态,如行走、跑步、蹲下等。因此,可以通过可穿戴设备采集肌电信号来满足人们对运动健身指导的要求。例如,当人体在进行力量训练时,以哑铃侧平举为例,人体双臂伸直向两侧张开时,肌肉(尤其是肩部肌肉)发力,肌电信号明显增强,人体一般处于吸气状态;双臂合拢,肌电信号减弱,用户一般处于呼气状态,这里可以通过判断人体在不同呼吸状态下肩部肌肉的肌电信号的强弱来对人体侧平举动作中的各个子动作进行评估,从而判断各个子动作是否标准。
在一些实施例中,处理器、终端设备或数据库可以预先存储至少一个参考动作的肌电信号、运动动作以及呼吸状态信息、心率或心率变异性中的一种或几种。处理器可以将当前运动动作的上述参数与参考动作的上述参数进行比较,当相似度均大于预设相似度阈值时,评估结果为当前运动动作符合参考动作的标准,即,用户的运动动作正确;当至少一个参数的相似程度小于预设相似度阈值时,则评估结果为当
前运动动作不符合参考动作的标准,及用户当前的运动动作错误或不标准。
本说明书实施例可能带来的有益效果包括但不限于:(1)通过可穿戴设备的各个组件对人体的心率变异性、心率、呼吸状态信息、运动动作的实时监控,实现人体的紧张/放松状态的实时监控;(2)电极、应变传感器等监控组件集成在可穿戴设备上,通过结构、面料的设计减少上述监控组件对穿戴舒适度的影响;(3)通过机器学习模型将心率变异性、心率、呼吸状态信息等参数作为模型输入,增加模型的输入围度,提高模型与实际生理情况的拟合程度;(4)基于紧张/放松状态监控结果,以及运动动作的判断结果进行不同内容的反馈,提高用户在不同使用场景下的使用体验;(5)可穿戴设备能够应用于体育锻炼、心理测试、临床健康监控、运动动作矫正、康复治疗等多种应用场景。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (21)
- 一种可穿戴设备,包括:至少两个电极,被配置为贴合人体皮肤以采集所述人体的心电信号;穿戴结构,被配置为承载所述至少两个电极,并将所述至少两个电极贴合在所述人体的正中矢状面的两侧;以及处理器,基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态。
- 根据权利要求1所述的可穿戴设备,所述身体状态至少包括放松状态和紧张状态,所述基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态包括:所述心率变异性不大于预设阈值时,所述人体运动时的身体状态为紧张状态;所述心率变异性大于预设阈值时,所述人体运动时的身体状态为放松状态。
- 根据权利要求1所述的可穿戴设备,所述基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态包括:基于所述心电信号确定所述人体的心率变异性和心率,根据所述心率变异性和所述心率确定所述人体的身体状态。
- 根据权利要求3所述的可穿戴设备,所述身体状态至少包括放松状态和紧张状态,所述根据所述心率变异性和所述心率确定所述人体的身体状态包括:所述心率变异性不大于预设阈值且所述心率大于预设心率阈值时,所述人体运动时的身体状态为紧张状态;所述心率变异性大于预设阈值且所述心率不大于所述预设心率阈值时,所述人体运动时的身体状态为放松状态。
- 根据权利要求1所述的可穿戴设备,所述身体状态至少包括放松状态和紧张状态,所述基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态包括:通过完成训练的机器学习模型,至少以所述心率变异性作为输入数据,所述机器学习模型基于所述输入数据输出所述人体的身体状态。
- 根据权利要求1所述的可穿戴设备,所述身体状态至少包括放松状态和紧张状态,所述基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态包括:获取标定曲线,所述标定曲线根据对所述人体处于不同身体状态下所产生的心率变异性拟合获得;根据所述标定曲线确定所述人体的身体状态。
- 根据权利要求1所述的可穿戴设备,其中,所述可穿戴设备还包括第一应变传感器,所述第一应变传感器位于所述穿戴结构上,并与所述人体的腰部区域相贴合,所述第一应变传感器基于所述人体呼吸时腰部区域的起伏变化采集所述人体的呼吸状态信息。
- 根据权利要求7所述的可穿戴设备,其中,所述基于所述心电信号确定所述人体的心率变异性,并至少根据所述心率变异性确定所述人体的身体状态包括:根据所述心率变异性和所述呼吸状态信息确定所述人体的身体状态。
- 根据权利要求8所述的可穿戴设备,所述身体状态至少包括放松状态和紧张状态,所述根据所述心率变异性和所述呼吸状态信息确定所述人体运动时的身体状态包括:所述心率变异性大于预设阈值且所述呼吸状态信息在预设呼吸状态信息范围内时,所述人体运动时的身体状态为放松状态;所述心率变异性不大于预设阈值且所述呼吸状态信息未在所述预设呼吸状态信息范围内时,所述人体运动时的身体状态为紧张状态。
- 根据权利要求8所述的可穿戴设备,所述身体状态至少包括放松状态和紧张状态,所述根据所述心率变异性和所述呼吸状态信息确定所述人体的身体状态包括:通过完成训练的机器学习模型,至少以所述心率变异性和所述呼吸状态信息作为输入数据,所述机器学习模型基于所述输入数据输出所述人体的身体状态。
- 根据权利要求1-10任一项所述的可穿戴设备,还包括反馈模块,所述反馈模块与所述处理器通信连接,所述处理器响应于所述人体的身体状态发出控制指令,所述反馈模块基于控制指令向用户发出反馈信息。
- 根据权利要求11所述的可穿戴设备,所述反馈模块包括扬声器,所述扬声器基于控制指令控制所述扬声器进入工作状态或切换音频信号。
- 根据权利要求12所述的可穿戴设备,所述扬声器进入状态或切换音频信号后,所述处理器继续至少基于所述心电信号判断所述人体的身体状态,若所述人体的身体状态仍处于紧张状态,所述处理器切换音频信号,直至所述人体的身体状态进入放松状态。
- 根据权利要求11所述的可穿戴设备,其中,所述人体的身体状态与所述反馈信息相关联。
- 根据权利要求1所述的可穿戴设备,其中,所述至少两个电极间隔分布于所述穿戴结构上,当所述人体佩戴所述穿戴结构时,所述至少两个电极位于所述人体腰部区域的正中矢状面的两侧。
- 根据权利要求15所述的可穿戴设备,其中,所述至少两个电极包括第一电极和第二电极,其中,当人体佩戴所述穿戴结构时,所述第一电极和所述第二电极分别贴合在所述人体的正中矢状面两侧的髂骨、后腰或腹部。
- 根据权利要求16所述的可穿戴设备,其中,当人体佩戴所述穿戴结构时,所述第一电极和所述第二电极关于所述人体的正中矢状面对称设置。
- 根据权利要求15所述的可穿戴设备,其中,所述至少两个电极包括第一电极,第二电极和参考电极,所述第一电极和第二电极间隔设置于所述穿戴结构靠近所述人体皮肤的表面,所述参考电极并位于所述第一电极和所述第二电极之间。
- 根据权利要求7所述的可穿戴设备,其中,所述穿戴结构为裤装,所述可穿戴设备还包括第二应变传感器,所述第二应变传感器位于所述穿戴结构与人体腿部或臀部对应的位置处;所述处理器进一步被配置为基于所述第二应变传感器识别所述人体下肢的运动动作。
- 根据权利要求19所述的可穿戴设备,其中,不同所述运动动作对应不同的所述心率变异性,所述处理器进一步被配置为基于所述心率变异性和所述运动动作评估所述运动动作。
- 根据权利要求19所述的可穿戴设备,所述可穿戴设备包括肌电模块,所述肌电模块用于采集所述人体的肌电信号,所述处理器基于所述肌电信号、所述运动动作以及呼吸状态信息、心率或所述心率变异性中的一种或几种评估所述人体的运动动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202321404344.XU CN220778334U (zh) | 2022-11-17 | 2023-06-05 | 一种可穿戴设备 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNPCT/CN2022/132671 | 2022-11-17 | ||
PCT/CN2022/132671 WO2024103357A1 (zh) | 2022-11-17 | 2022-11-17 | 一种可穿戴设备及心脏监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024103547A1 true WO2024103547A1 (zh) | 2024-05-23 |
Family
ID=91052570
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/132671 WO2024103357A1 (zh) | 2022-11-17 | 2022-11-17 | 一种可穿戴设备及心脏监控系统 |
PCT/CN2023/075666 WO2024103547A1 (zh) | 2022-11-17 | 2023-02-13 | 一种可穿戴设备 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/132671 WO2024103357A1 (zh) | 2022-11-17 | 2022-11-17 | 一种可穿戴设备及心脏监控系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN118044819A (zh) |
WO (2) | WO2024103357A1 (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488501A (zh) * | 2011-11-17 | 2012-06-13 | 深圳市科瑞康实业有限公司 | 身心放松训练的辅助装置及呼吸引导模型显示处理方法 |
CN204293140U (zh) * | 2014-10-12 | 2015-04-29 | 吴健康 | 一种心率变异性生物反馈康复装置 |
CN105496377A (zh) * | 2014-10-08 | 2016-04-20 | 吴健康 | 一种心率变异生物反馈锻炼系统方法和设备 |
CN108209902A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 运动员竞技状态评估方法及系统 |
US20200035337A1 (en) * | 2015-06-17 | 2020-01-30 | Followflow Holding B.V. | Method and product for determining a state value, a value representing the state of a subject |
CN111527494A (zh) * | 2017-09-05 | 2020-08-11 | B安全有限公司 | 可穿戴的认证设备 |
CN115137299A (zh) * | 2021-03-31 | 2022-10-04 | 华为技术有限公司 | 一种确定训练状态的方法及装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1255065B (it) * | 1992-05-22 | 1995-10-17 | Rotolo Giuseppe | Dispositivo di posizionamento di elettrodi per elettrocardiografia |
US20110028821A1 (en) * | 2009-07-31 | 2011-02-03 | Newcardio, Inc. | Electrocardiographic Monitoring System and Method Using Orthogonal Electrode Pattern |
CN201790810U (zh) * | 2010-07-30 | 2011-04-13 | 江阴市协和针织有限公司 | 穿戴式心电采集装置 |
FR2970168B3 (fr) * | 2011-01-10 | 2013-02-08 | Chin-Yeh Hung | Capteur de signal d'electrocardiogramme avec une ceinture |
JP2014195514A (ja) * | 2013-03-29 | 2014-10-16 | ソニー株式会社 | 生体情報取得装置及び生体情報通信システム |
CN103315722A (zh) * | 2013-06-12 | 2013-09-25 | 浙江大学 | 穿戴式人体多生理参数采集装置 |
CN103908247B (zh) * | 2014-04-08 | 2015-10-14 | 北京邮电大学 | 一种可穿戴式心电信号实时采集装置 |
CN204618226U (zh) * | 2015-04-14 | 2015-09-09 | 祝兴亮 | 一种腰带式可穿戴无线心电监测仪 |
CN106510689A (zh) * | 2016-12-30 | 2017-03-22 | 东南大学 | 一种穿戴式多生理参数采集装置 |
CN207071088U (zh) * | 2017-01-25 | 2018-03-06 | 杭州三目科技有限公司 | 一种基于服装的人体运动监测、分析和反馈装置 |
CN208114591U (zh) * | 2017-05-03 | 2018-11-20 | 长春爱思钛克智能科技有限公司 | 一种可穿戴式心电、呼吸信号实时监测的智能运动内衣 |
CN210447000U (zh) * | 2019-03-29 | 2020-05-05 | 福州益得康信息科技有限公司 | 用于心电监护与预警系统的心电信号采集软板 |
CN210843039U (zh) * | 2019-05-20 | 2020-06-26 | 山东师范大学 | 可穿戴电子服装的心电信号采集装置及监测系统 |
CN215305956U (zh) * | 2021-04-12 | 2021-12-28 | 方琰 | 一种穿戴式心电实时监护装置 |
-
2022
- 2022-11-17 WO PCT/CN2022/132671 patent/WO2024103357A1/zh unknown
-
2023
- 2023-02-13 WO PCT/CN2023/075666 patent/WO2024103547A1/zh unknown
- 2023-02-13 CN CN202310141887.5A patent/CN118044819A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488501A (zh) * | 2011-11-17 | 2012-06-13 | 深圳市科瑞康实业有限公司 | 身心放松训练的辅助装置及呼吸引导模型显示处理方法 |
CN105496377A (zh) * | 2014-10-08 | 2016-04-20 | 吴健康 | 一种心率变异生物反馈锻炼系统方法和设备 |
CN204293140U (zh) * | 2014-10-12 | 2015-04-29 | 吴健康 | 一种心率变异性生物反馈康复装置 |
US20200035337A1 (en) * | 2015-06-17 | 2020-01-30 | Followflow Holding B.V. | Method and product for determining a state value, a value representing the state of a subject |
CN108209902A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 运动员竞技状态评估方法及系统 |
CN111527494A (zh) * | 2017-09-05 | 2020-08-11 | B安全有限公司 | 可穿戴的认证设备 |
CN115137299A (zh) * | 2021-03-31 | 2022-10-04 | 华为技术有限公司 | 一种确定训练状态的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN118044819A (zh) | 2024-05-17 |
WO2024103357A1 (zh) | 2024-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180184735A1 (en) | Physiological monitoring garments with enhanced sensor stabilization | |
US10376155B2 (en) | Method and system for generating physiological signals with fabric capacitive sensors | |
US11541201B2 (en) | Sleep performance system and method of use | |
WO2020190514A1 (en) | Medical therapy arrangement for applying an electrical stimulation to a human or animal subject | |
CA3184173A1 (en) | Modular physiologic monitoring systems, kits, and methods | |
US11957906B2 (en) | External stimulus application system, external stimulus condition determination system, and external stimulus condition determination support server | |
US20230381590A1 (en) | Method and equipment for monitoring the effectiveness of physical activities, especially sports activities | |
JP2016158700A (ja) | 生体刺激装置、生体刺激システム、および刺激装置 | |
US20220008237A1 (en) | Wearable System for Evaluating Joint Performance and Function | |
JP6084361B2 (ja) | 呼吸センサ | |
WO2024103547A1 (zh) | 一种可穿戴设备 | |
CN220778334U (zh) | 一种可穿戴设备 | |
Chen et al. | Designing and evaluating a wearable sEMG device for the elderly | |
KR20240051995A (ko) | 심전 검사 방법 | |
Bourdon et al. | First results with the wealthy garment electrocardiogram monitoring system | |
WO2020180919A1 (en) | Matter of manufacture of compression legging system and associated uses cross-reference to related applications | |
TW201041531A (en) | Adjustable intelligent garment | |
Vowles et al. | The Use of Conductive Lycra Fabric in the Prototype Design of a Wearable Device to Monitor Physiological Signals | |
CN215135492U (zh) | 一种具有心理检测功能的连体治疗衣 | |
KR20160076630A (ko) | 유연성 생체신호 측정센서 | |
CN111921063B (zh) | 一种性欲控制方法及其控制系统 | |
Wua et al. | The Ergonomic Evaluations of Three Front Baby Carriers | |
WO2022134081A1 (zh) | 用于肌电信号采集和处理的设备和方法 | |
US20230096206A1 (en) | Method and Device for Diagnosing Anterior Cruciate Ligament Injury Susceptibility | |
US20220044804A1 (en) | System and Method For Improved Patient Engagement And Better Data-Driven Outcomes |