[go: up one dir, main page]

CN111787856A - 可穿戴式诊断装置 - Google Patents

可穿戴式诊断装置 Download PDF

Info

Publication number
CN111787856A
CN111787856A CN201780098322.6A CN201780098322A CN111787856A CN 111787856 A CN111787856 A CN 111787856A CN 201780098322 A CN201780098322 A CN 201780098322A CN 111787856 A CN111787856 A CN 111787856A
Authority
CN
China
Prior art keywords
user
test
invasive diagnostic
sensors
diagnostic test
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201780098322.6A
Other languages
English (en)
Inventor
萨利姆·萨亚尼
穆罕默德·阿卜杜勒·穆凯特
哈菲兹·伊姆蒂亚兹·艾哈迈德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Publication of CN111787856A publication Critical patent/CN111787856A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—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
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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 for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02416—Measuring 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
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02438—Measuring pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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 for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/0245—Measuring pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14535—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring haematocrit
    • 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring blood gases
    • 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/332—Portable devices specially adapted therefor
    • 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
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1101—Detecting tremor

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Emergency Medicine (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

描述了穿戴在用户身体上的能够向所述用户提供各种类型的健康相关信息的可穿戴式诊断装置。所述可穿戴式诊断装置能够提供关于用户心率、血红蛋白水平、体温、氧气水平、葡萄糖水平和血压的实时的、非侵入性的、准确的和连续的数据。在一些实施方式中，所述可穿戴式诊断装置还可以提供心电图(EKG)数据或帕金森氏症状的检测，如用户手部的不自主运动。用户可以配置所述可穿戴式诊断装置以提供关于一种、多种或所有以上所示的健康相关信息的信息。

Description

可穿戴式诊断装置
背景
随着个人对健康意识的日益增强，用户对以简单和方便的方式接收个人健康信息的需求日益增长。通常，用户可能必须穿戴多个装置，其中每个装置提供关于用户健康的单个方面的信息。需要能够以简单、非侵入性和方便的方式提供关于多个方面或用户健康的信息的装置。
概述
一般而言，本主题的创新方面描述了用于进行一项或多项医学诊断测试的可穿戴式诊断装置以及方法和系统。
在一些实施方式中，系统包括一个或多个计算机装置以及存储指令的一个或多个存储装置，所述指令在由一个或多个计算机装置执行时，使所述一个或多个计算机装置执行操作。所述操作包括接收对应于开始非侵入性诊断测试以检测用户的医疗状态的请求的输入；确定用于进行所述非侵入性诊断测试的一个或多个传感器；基于所述非侵入性诊断测试激活确定的一个或多个传感器；通过所述一个或多个传感器接收信号数据；部分地基于用户特征获得所述非侵入性诊断测试的预测值；基于所述预测值和接收的信号数据确定测试结果；以及通过显示器或扬声器输出所述测试结果。
实施方式可以各自任选地包括以下特征中的一个或多个。例如，在一些实施方式中，非侵入性诊断测试包括以下中的一项或多项：葡萄糖测试、胆固醇测试、血红蛋白测试、氧饱和度水平测试和心电图监测测试。
在一些实施方式中，操作还包括基于从接收的信号数据获得的原始数据选择路径，以及基于选择的路径获得一组确定值。基于预测值和接收的信号数据确定测试结果包括基于确定值确定测试结果。
在一些实施方式中，操作还包括从一个或多个数据库获得用户临床数据和用户人口统计学数据；基于获得的用户临床数据和用户人口统计学数据确定临床数据集范围；以及将所述临床数据集范围映射到非侵入性诊断测试的预测值。
在一些实施方式中，操作还包括基于(i)将第二非侵入性诊断测试与非侵入性诊断测试相关联的用户模式，以及(ii)用户的医疗史确定待进行的第二非侵入性诊断测试；基于第二非侵入性诊断测试激活第二组的一个或多个传感器；通过第二组的一个或多个传感器接收第二信号数据；部分地基于用户特征获得第二非侵入性诊断测试的第二预测值；以及基于第二预测值和接收的第二信号数据确定第二测试结果。
在一些实施方式中，获得非侵入性诊断测试的预测值包括使用第二测试结果确定非侵入性诊断测试的预测值。
在一些实施方式中，当所述非侵入性诊断测试为葡萄糖测试时，所述第二非侵入性诊断测试是与其同时进行的胆固醇测试。
在一些实施方式中，非侵入性诊断测试和第二非侵入性诊断测试由包括一个或多个计算机装置的手表进行。
在一些实施方式中，一个或多个传感器包括以下中的一种或多种：无线心脏电极、压电振动传感器、红外线传感器、温度传感器、加速度计和微电子机械系统(MEMS)传感器。
根据所公开的主题的方面，手表包括一个或多个计算机装置以及存储指令的一个或多个存储装置，所述指令在由所述一个或多个计算机装置执行时，使所述一个或多个计算机装置执行操作。所述操作包括基于用户特征选择葡萄糖测试和胆固醇测试；确定用于进行葡萄糖测试和胆固醇测试的一个或多个传感器；激活确定的一个或多个传感器；通过所述一个或多个传感器接收信号数据；部分地基于用户特征获得葡萄糖测试的第一预测值；基于所述第一预测值和接收的信号数据确定葡萄糖测试结果和胆固醇测试结果；以及通过手表的显示器或扬声器输出葡萄糖测试结果和胆固醇测试结果。
在一些实施方式中，一个或多个传感器包括红外线传感器和压电振动传感器。操作包括基于从接收的信号数据获得的原始数据选择路径，以及基于选择的路径获得一组确定值。基于第一预测值和接收的信号数据确定葡萄糖测试结果包括基于确定值确定葡萄糖测试结果。
本说明书中进一步描述的上述方面和实施方式提供了几项优势。例如，单个可穿戴式诊断装置可以进行多项非侵入性诊断测试，包括非侵入性葡萄糖测试、非侵入性胆固醇测试和非侵入性血红蛋白测试。可穿戴式诊断装置还可以获得心电图(EKG)数据或帕金森氏症状的检测，如用户手的不自主运动。具有无线电极的可穿戴式诊断装置可以记录用户历史和医疗状况，并且可以利用预测值、算法和映射数据库来为葡萄糖、胆固醇和/或血红蛋白测试提供更高的精度和可靠的结果。预测值包括用户的临床和人口统计学信息，并且因此可以使计算更准确，所述计算将可能会影响葡萄糖或血红蛋白水平的诸如肤色和年龄的参数考虑在内。预测值还可用于将预测值与用户对某些疾病的易感性相关联。
其他方面包括配置成实施上述方法的动作的相应方法、系统、设备、计算机可读存储介质和计算机程序。
本说明书中描述的一个或多个方面的细节在附图和以下描述中示出。根据说明书、附图和权利要求书，主题的其他特征、方面和优势将变得显而易见。
附图简述
图1、2、3、4和5描述了可穿戴式诊断装置的示例性实施方式。
图6描述了在可穿戴式诊断装置中实施的示例性系统。
图7描述了确定用户的葡萄糖水平的示例性方法的流程图。
图8描述了确定葡萄糖预测值的示例性方法的流程图。
图9描述了确定用户的血红蛋白水平的示例性方法的流程图。
图10描述了确定血红蛋白预测值的示例性方法的流程图。
图11描述了确定用户的血压水平的示例性方法的流程图。
图12描述了确定血压预测值的示例性方法的流程图。
图13描述了确定用户的胆固醇水平的示例性方法的流程图。
各个附图中相同的参考数字和标号表示相同的元件。
详述
本公开总体上涉及可以穿戴在用户的身体上以向用户提供各种类型的健康相关信息的可穿戴式诊断装置。在一些实施方式中，可穿戴式诊断装置可以执行一项或多项医学诊断测试，并提供关于用户心率、血红蛋白水平、体温、氧气水平、葡萄糖水平、胆固醇和血压的实时的、非侵入性的、准确的和连续的数据。在一些实施方式中，可穿戴式诊断装置还可以提供心电图(EKG)数据和帕金森氏症状的检测，如用户手的不自主运动。用户可以配置可穿戴式诊断装置以提供关于上述诊断测试中的一项或多项的信息。以下参考附图描述了可穿戴式诊断装置的实施方式。
图1-5示出了可穿戴式诊断装置的不同视图。在一些实施方式中，可穿戴式诊断装置可以以手表的形式实施，如图1-5所示。图6示出了包括在根据一些实施方式的可穿戴式诊断装置中的组件的另外的细节。通常，可穿戴式诊断装置可以以各种合适的形状、形式和尺寸来实施，并且可以是任何电子装置，其可以安装到用户的左臂并且能够获得用户的多个健康诊断测量结果。
参照图1-5，可穿戴手表可以包括外壳101、显示器102、可拆卸的无线心脏电极103、113、带104、109、压电振动传感器105、红外线(IR)/光/激光传感器106、连接器107、温度传感器108、控制按钮110、111、后盖112、带连接器114、带紧固件115、充电连接器116、电源117、外部带层118、120、绝缘线119、加速度计121、电源管理器122、片上系统(SoC)123和电源开关124。可穿戴手表可以穿戴在用户的左臂150上。
外壳101可以包括或联接到显示器102、充电连接器116、控制按钮110、111和一个或多个电子组件，如处理器、印刷电路板(PCB)、集成电路(IC)、SoC 123、存储器和无线收发器。显示器102可以使用任何合适的显示器来实施，包括例如液晶显示器(LCD)、发光二极管(LED)显示器或有机LED显示器，以显示各种数据。在一些实施方式中，显示器102可以是触摸屏，如电容式触摸屏。
显示器102可以显示被配置为向用户输出数据和从用户接收输入的用户界面。控制按钮110、111可被用户使用以在可穿戴式诊断装置中浏览用户界面、进行选择和执行一项或多项操作。在一些实施方式中，显示器102可以从用户接收选择，并可以将指示用户选择的信息提供给可穿戴手表或网络装置中的一个或多个处理器。在一些实施方式中，显示器102可以从一个或多个处理器接收数据，并可以将数据提供给显示器102以向用户输出。例如，在一些情况下，用户可以通过用户界面输入提供用户的葡萄糖水平的请求。在确定用户的葡萄糖水平后，可以通过显示器102上显示的用户界面输出指示用户的葡萄糖水平的信息。
外壳101中的一个或多个处理器可以在PCB或IC中实施，并且可以与可穿戴式诊断装置的其他电子组件，如存储器、显示器102和无线收发器电连接。例如，处理器可以接收指示来自显示器102的用户选择的数据，确定用户所请求的信息类型，并基于用户所请求的信息产生执行一项或多项操作的指令。
在一些实施方式中，一个或多个处理器可以使用无线收发器传输和接收数据。数据可以在可穿戴式诊断装置和辅助装置之间进行收发。辅助装置可以是由用户选择的装置、网络服务器或可穿戴手表被配置为与之通信的装置。例如，用户可以选择用户所拥有的另一装置来从可穿戴式诊断装置向其发送数据。在另一个实例中，可穿戴式诊断装置可以被配置为根据用户请求或预定的收发数据时间表向一个或多个网络服务器收发数据。
一个或多个网络服务器可以为一个或多个网络提供服务，所述一个或多个网络可以包括一个或多个数据库、接入点、基站、存储系统、云系统和模块。一个或多个服务器可以是运行网络操作系统的一系列服务器。一个或多个服务器可以用于和/或提供云和/或网络计算。
网络中的数据库可以包括云数据库或由数据库管理系统(DBMS)管理的数据库。DBMS可以实施为控制数据库中数据的组织、存储、管理和检索的引擎。DBMS通常提供查询、备份和复制、执行规则、提供安全性、进行计算、进行更改和访问日志，以及自动优化的能力。DBMS通常包括建模语言、数据结构、数据库查询语言和事务机制。根据数据库模型，可以使用建模语言来定义DBMS中每个数据库的模式，所述数据库模型可以包括层次模型、网络模型、关系模型、对象模型或一些其他适用的已知或方便的组织。数据结构可以包括字段、记录、文件、对象以及任何其他适用的已知或方便的用于存储数据的结构。DBMS还可以包括关于所储存数据的元数据。
在一些实施方式中，数据库可以包括用户数据库，其可以存储用户信息，如用户的别名、医疗史和任何医疗状况。用户数据库还可以存储与用于访问各种工具和软件的许可证、权限和证书有关的数据。在一些情况下，用户可以选择使用户数据匿名的选项，使得可以确定用户的任何信息都被匿名化，并在用户数据库中存储数据之前去除用户确定信息。
通常，可以将各种合适的无线协议用于将数据传送到可穿戴式诊断装置和用于传送来自可穿戴式诊断装置的数据。例如，可穿戴式诊断装置可以使用WiFi或蓝牙通信与一个或多个网络、装置或服务器进行通信。通常，可以与各种类型的网络通信，并且可以使用各种通信协议。
充电连接器116可以是被配置为与诸如通用串行总线或导线的电源电缆连接的端口。在连接到电源电缆时，充电连接器116可以作为电源接口发挥功能以从外部电源提供电力，从而对可穿戴手表中的电源117充电。电源117可以是任何合适的电池，并且可以向可穿戴式诊断装置中的任何电子组件提供电力。
外壳101还包括电源开关124。在一些实施方式中，响应于使得电源开关124处于电源关闭位置的电源开关124的选择，一个或多个处理器可以向电源管理器122发送指令以停止向可穿戴式诊断装置的一个或多个组件如显示器102提供电力。在一些实施方式中，响应于使得电源开关124处于电源打开位置的电源开关124的选择，电源管理器122可以向电源117发送指令以向可穿戴式诊断装置的一个或多个组件如显示器102提供电力。
外壳101连接到带104、109、连接器107和带连接器114，可以对所述带连接器114进行调节以将可穿戴式诊断装置固定在不同尺寸的手腕周围。例如，带104、109和带连接器114可以缠绕在用户的手腕周围，并且带紧固件115可以将带104、109和带连接器114保持在固定位置。后盖112和心脏电极113可以设置在外壳101的底部上。
可以将一根或多根绝缘线119集成到可穿戴式诊断装置的结构中，并且可以提供与可穿戴式诊断装置的各种组件的电连接。例如，如图6所示，一根或多根绝缘线119可以沿着可穿戴式诊断装置的中心轴线设置，并且可以在电源117和外壳101之间以及电源117和IR/光/激光传感器106之间提供电连接。
可穿戴式诊断装置还可以包括一个或多个传感器如心脏电极103、113、压电振动传感器105、红外线(IR)/光/激光传感器106、温度传感器108、加速度计121和阻抗传感器。在一些实施方式中，压电振动传感器105可以包括微电子机械系统(MEMS)传感器。
无线心脏电极103、113可以包括金属导电材料，其被配置为检测心脏电势波形，如在心脏收缩过程中产生的电压。无线心脏电极103设置在与可穿戴式诊断装置的外周相对应的外带层118上。无线心脏电极113设置在后盖112上或集成在后盖112内，使得当可穿戴式诊断装置固定在用户手臂150周围时，它可以接触用户的皮肤。无线心脏电极103、113可以卸下并重新连接到可穿戴式诊断装置，并可以将数据无线地传送到另一电子装置。
IR/光/激光传感器106可以包括信号发生器和信号检测器。信号发生器可以产生并传输波长范围在例如650-1400纳米(nm)的红外信号。此范围对于获得指示用户血液中氧气、葡萄糖、血红蛋白分子的存在的数据特别有用。可以将信号检测器配置为检测接收自用户身体的红外信号。
在一些实施方式中，IR/光/激光传感器106可以使用动脉方法(Artery method)中的脉搏波传导时间(PWTT)来检测脉冲信号并处理检测到的信号。可以将这些脉冲信号与由压电振动传感器105获取的数据结合以非侵入性地预测血压。IR/光/激光传感器106还可以用于非侵入性地确定或获得指示用户血液中的氧饱和度水平(SpO2)的数据。
压电振动传感器105和加速度计121可以用于测量用户手的振动。例如，加速度计121可以检测方向、速度、振动和旋转的变化。温度传感器108可以用于测量用户的体温。温度传感器108可以以各种合适的方式实施。例如，温度传感器108可以是包括一个或多个传感电阻器的热电偶、硅带隙传感器、温度计或热敏电阻。传感电阻器中电阻的变化可以对应于体温的变化。在一些实施方式中，温度传感器可以包括有源和无源组件以及在单个ICs封装中制造的电阻和半导体材料。
传感器可以用于获得如下文中进一步详细描述的一个或多个测量结果。在下文中进一步详细描述了使用可穿戴式诊断装置进行的用以确定葡萄糖水平、血红蛋白水平、血压水平、EKG、心率水平、体温和手部振动的操作。通过用户将可穿戴式诊断装置放置在用户的左臂150上并调节带104、109、带连接器114、带紧固件115和外带层118、120中的一个或多个以将可穿戴式诊断装置固定在用户的左臂150周围来开始操作。
当将可穿戴式诊断装置固定在用户的左臂150上时，IR/光/激光传感器106可以与用户的桡尺动脉正上方的用户的左手腕下部接触。如上所述，IR/光/激光传感器106可以包括信号发生器，以产生并传输红外信号。信号可以从IR/光/激光传感器106向用户左手腕下部的用户皮肤传输。
IR/光/激光传感器106可以检测到来自用户皮肤的信号反射。然后可以使用模数转换器(ADC)将包括吸收光谱数据在内的检测信号转换为数字信号。转换的结果是，产生了对应于从用户皮肤接收的信号的原始数字数据。可以对原始数字数据进行处理，以确定与用户血液中各种分子，如氧气、葡萄糖、血红蛋白的存在对应的吸收光谱。通过确定吸收光谱，可以估计用户血液中存在的特定分子的存在和相应的水平。
在一些实施方式中，可以获得多个信号测量结果，以便在各个时间点获得多组原始数字数据。可以对不同组的原始数字数据进行累加和平均，以生成用户的单组原始数据。
在一些实施方式中，可穿戴式诊断装置可以获得与用户健康相关的信息。与用户健康相关的信息可以包括但不限于，例如，用户的居住位置、用户的医生、用户的药剂师、用户的医疗记录持有者、用户与一个或多个群组的人口统计学关联、用户的饮食、用户拥有的多个孩子的指示、用户的医疗史、用户的一项或多项过去或当前的医疗状况(例如，过敏、手术、遗传状况)、用户的一项或多项健康问题以及用户有兴趣获得详细信息的一项或多项血液含量水平。例如，用户可以指示用户对用户的葡萄糖或血压水平特别感兴趣。用户还可以指示用户想要获得关于用户的葡萄糖或血压水平的信息的频率。
与用户健康相关的信息可以用于创建用户特征。用户特征可以本地存储在可穿戴式诊断装置中，或者存储在远离可穿戴式诊断装置的数据库或服务器中。在一些实施方式中，在存储或使用之前，可以以一种或多种方式对用户特征数据进行处理，以便移除个人可确定信息。例如，可以对用户的身份进行处理，使得不能确定用户的个人可确定信息，或者可以将用户的地理位置、身份或人口统计学背景泛化成用户期望的程度，使得不能确定用户的特定细节。因此，用户可以控制收集什么信息以及如何使用该信息。为了实现这一点，可以通过可穿戴式诊断装置为用户提供控制，其允许用户选择本文描述的系统、程序或特征是否可以或何时可以收集或提供用户信息。
在一些实施方式中，用户可以订阅或选择参加服务，通过该服务可穿戴式诊断装置可以实时接收并更新用户的医疗信息。特别地，可穿戴式诊断装置可以更新测试结果、医生就诊结果、诊断或处方。例如，用户可以授权用户的医生、药剂师或医疗记录持有者将用户的医疗信息发布到存储用户特征的服务器或数据库中。该服务器或数据库可以通过订阅服务进行管理，所述订阅服务可以从各种来源收集信息以更新用户的特征。可穿戴式诊断装置可以实时地、定期地或在用户请求时接收关于用户医疗信息的更新。
在一些实施方式中，用户可以使用可穿戴式诊断装置的用户界面直接输入关于用户健康和背景的信息。然后可以远程存储输入的用户医疗信息或将其存储在可穿戴式诊断装置上。
应当理解，尽管关于图1-6描述的特征涉及与穿戴在用户的左臂上的可穿戴式诊断装置，但可穿戴式诊断装置可以具有其他各种形式，并且在一些情况下，可以穿戴或施用于用户身体的其他部位。此外，一个或多个另外的组件可以被包括在可穿戴式诊断装置中或与之偶联。例如，在一些实施方式中，可穿戴式诊断装置可以包括一个或多个扬声器来使用声波和麦克风输出信息，以接收与例如用户指令、请求或反馈相对应的音频输入。
在一些实施方式中，可穿戴式诊断装置还可以被配置为执行一项或多项诊断测试，以基于接收的或获得的与用户健康相关的信息，获得与穿戴可穿戴式诊断装置的用户相关的葡萄糖水平、血红蛋白水平或血压水平中的一项或多项。这些过程进一步描述在图7-12中。
参照图7、9和13，可穿戴式诊断装置可以接收应进行测试的指示(702、902、1302)。例如，可穿戴式诊断装置可以接收应进行葡萄糖测试(702)、血红蛋白测试(902)或胆固醇测试(1302)的指示。应进行测试的指示可以包括以下中的一项或多项：用户作出的进行测试的选择；以及一个或多个处理器根据预定时间作出的请求。例如，可穿戴式诊断装置可被编程以提供在某些时间或在某些时间段后的血压读数。然后可穿戴式诊断装置可以安排何时应向用户提供特定读数，如血压读数的日期和时间，并且可以在预定时间开始确定血压和氧饱和度水平的方法。
在接收到应进行测试的指示(702、902、1302)之后，可穿戴式诊断装置的一个或多个处理器可以确定用于测试的传感器类型并激活所确定的传感器类型，其在葡萄糖或血红蛋白测试的情况下，可以包括一个或多个IR/光/激光传感器(704、904)。在胆固醇测试的情况下，激活的传感器可以包括IR/光/激光传感器、阻抗传感器和电磁传感器中的一种或多种。激活传感器可以包括以下操作，包括但不限于向传感器提供增加的功率、对传感器进行预热以发射或接收信号(如IR信号)或者配置或校准传感器。
激活的一个或多个传感器可以获得表征用户的测量结果(706、906、1306)。例如，一个或多个IR/光/激光传感器可以分别被配置为发射红外信号或脉冲信号持续短的时间段，例如30秒，并检测发射的信号从用户皮肤的反射。在一些情况下，使用阻抗传感器的反射测量和电流测量可以迭代获得，或者可以在不同的环境，如不同的脉冲功率或磁场下获得。例如，对于胆固醇测量，可以在不施加磁场的情况下获得第一电流或红外信号测量结果，并且可以在产生各种低功率强度的磁场一段时间(例如10秒)后，进行一项或多项其他电流或红外测量。
在葡萄糖和血红蛋白测试的情况下，处理测得的检测到的信号，并且基于原始数据值选择特定路径(708、908)。特别地，每个检测到的信号都包括吸收光谱数据，可以使用模数转换器(ADC)将其转换为原始数字数据。处理可以任选地包括另外的处理操作，如降频转换、滤波、卷积、混合以及任何其他合适的信号处理操作。
对应于接收自用户皮肤的信号的原始数字数据被用作选择特定路径以及相应的预测值和斜率回归值的基础(710、910)。例如，当进行葡萄糖测试时，如表I所示的示例性映射可以用于选择特定路径以及相应的预测值和斜率回归值。如果原始值大于或等于500且小于或等于700，则选择路径A以及相应的917的葡萄糖(G)预测值和0.838的G斜率回归值。如果原始值大于或等于701且小于或等于850，则选择路径B以及相应的919的G预测值和0.838的G斜率回归值。如果原始值大于或等于851且小于或等于950，则选择路径C以及相应的1001的G预测值和0.838的G斜率回归值。如果原始值大于或等于951且小于或等于1100，则选择路径D以及相应的1004的G预测值和0.838的G斜率回归值。如果原始值大于或等于1101，则选择路径E以及相应的981的G预测值和0.838的G斜率回归值。
表I
Figure BDA0002652427670000111
然后，可以将所获得的预测值和斜率回归值用于确定用户的葡萄糖水平(712)。为了确定葡萄糖水平，可穿戴式诊断装置可以将概化理论和G斜率回归应用于原始数据集，并使用如下所示的[等式1]确定指示葡萄糖水平的值。
葡萄糖值＝预测值(G-临床取样回归)-(G回归斜率)*(原始数据) [等式1]
然后可以通过各种合适的方法输出所确定的葡萄糖值(714)。例如，所确定的葡萄糖值可以输出在可穿戴式诊断装置的显示器上或通过可穿戴式诊断装置的扬声器输出。
当进行血红蛋白测试时，如表II所示的示例性可以用于选择特定路径以及相应的预测值和斜率回归值。如果原始值等于或大于500且小于或等于700，则选择路径A以及相应的31.5的血红蛋白(Hb)预测值和0.114的Hb斜率回归值。如果原始值等于或大于701且小于或等于850，则选择路径B以及相应的67的Hb预测值和0.114的Hb斜率回归值。如果原始值等于或大于851且小于或等于950，则选择路径C以及相应的81的Hb预测值和0.114的Hb斜率回归值。如果原始值等于或大于951且小于或等于1100，则选择路径D以及相应的98的Hb预测值和0.114的Hb斜率回归值。如果原始值大于或等于1101，则选择路径E以及相应的100.5的Hb预测值和0.114的Hb斜率回归值。
表II
Figure BDA0002652427670000121
然后，可以将所获得的预测值和斜率回归值用于确定用户的血红蛋白水平(912)。为了确定血红蛋白水平，可穿戴式诊断装置可以将Hb斜率回归应用于原始数据集，并使用如下所示的[等式2]确定指示血红蛋白水平的值。
Hb值＝((Hb回归斜率)*(原始数据))-预测值(Hb-临床取样回归) [等式2]
然后可以通过各种合适的方法输出所确定的血红蛋白值(914)。例如，可以将所确定的血红蛋白值输出在可穿戴式诊断装置的显示器上，或者通过可穿戴式诊断装置的扬声器输出。
对于在葡萄糖或血红蛋白测试中小于500的原始数据值，可穿戴式诊断装置可以确定该值是错误的，并开始另外的尝试以通过一个或多个IR/光/激光传感器获得原始数据值。如果在三次尝试后，不能获得大于500的值，则可穿戴式诊断装置可以输出出错信息，指示用户当前不能进行葡萄糖或血红蛋白测试。
当进行胆固醇测试以确定与穿戴可穿戴式诊断装置的用户相关的胆固醇水平(例如HDL、LDL、甘油三酸酯分子)时，用户左手腕的下部暴露于自IR/光/激光传感器发射的红外信号。用户皮肤的该区域也可以暴露于磁场中一段短的时间，例如10或30秒，此后，除了胆固醇分子以外，血液颗粒根据电磁的正负极自行排列。可以在施加磁场之前和之后获得指示红外吸收光谱的数据(1306)，并且可以随后处理所获得的数据(1308)。所获得数据的处理可以包括使用模数转换器(ADC)将数据转换为数字信号，以及计算施加磁场之前和之后吸收光谱值之间的差以产生原始值。
接下来，从数据库获得预测的胆固醇水平值(1310)。数据库可以包括胆固醇水平到原始值的映射，并且可以根据人口统计学类别进行组织。可以基于如下所述的对多个人类对象的测试来生成数据库。
最初，可以记录对象的人口统计学特征。人口统计学特征可以包括关于对象的各种类型的描述性信息，如对象的年龄、性别、种族、肤色、婚姻状况和/或医疗状况。例如，对象可具有如下人口统计学特征：48岁、白人、丧偶、患有皮肤癌。对于每名对象，可以使用各种合适的方法进行侵入性胆固醇测试，并且可以将测试结果添加到对象特征中。
接下来，可以分别使用如上所述的电阻传感器和红外线传感器来获得对象的电流和红外信号测量结果。可以在施加磁场之前和施加磁场一定时间段之后进行电流和红外线信号的测量。可以计算所测量的信号的差值并将其保存为原始值。将原始值映射到从侵入性胆固醇测试获得的胆固醇水平，并存储在对象特征中。
可能要测试数百和数千名对象，以便可以使用大样本量的对象来生成根据一个或多个人口统计学类别(例如性别、种族、年龄等)将原始值映射到胆固醇水平的数据库。在一些实施方式中，可以从测试中提取统计数据，以便可以确定每个人口统计学类别的胆固醇水平和原始值的平均值、中值和众数值。
通常，可以形成各种类型的人口统计学类别。例如，在一些情况下，人口统计学类别可能会受到年龄，例如40多岁人群的年龄的限制。在一些情况下，人口统计学类别可以包括多项人口统计学特征，如年龄和种族，或年龄、种族和性别。因此，数据库可以包括映射表，其基于与特定人口统计学类别相关的原始值来映射可能的胆固醇水平。这里要注意的是，可以以匿名方式产生数据库，从而不会泄露或知道对象的身份。
返回参照图13，基于在操作1308中获得的原始值从数据库获得预测的胆固醇水平值(1310)。特别地，通过参考数据库中的映射表获得了映射到在操作1308中获得的原始值和穿戴可穿戴式诊断装置的用户的人口统计学特征的胆固醇水平。
接下来，可以将预测的胆固醇水平值确定为穿戴可穿戴式诊断装置的用户的可能的胆固醇水平(1312)。在一些实施方式中，可以将预测的胆固醇水平值与先前获得的用户的胆固醇水平进行比较。如果预测的用户的胆固醇水平和最后获得的用户的胆固醇水平之间的差大于阈值，例如3％，则可穿戴式诊断装置可以重复操作1302至1310以获得新的预测的胆固醇水平。这样的迭代可以继续直到预测的胆固醇水平值在最后获得的用户的胆固醇水平的阈值差之内。在一些情况下，如果执行三次迭代而没有满足阈值差，则可以将在第三次迭代获得的预测的胆固醇水平值确定为穿戴可穿戴式诊断装置的用户的可能的胆固醇水平。然后可以通过可穿戴式诊断装置的显示器102来显示确定的用户的可能胆固醇水平。
在上述示例性实施方式中，预测值被用于确定葡萄糖、血红蛋白或胆固醇水平。可以使用各种不同的方法并基于几种因素来确定预测值。上文描述了获得胆固醇水平的预测值的方法。参照图8和10进一步描述了获得葡萄糖和血红蛋白水平的预测值的方法。
参照图8，为了获得用户葡萄糖水平的预测值，可穿戴式诊断装置可以获得用户特征信息(802)。用户特征信息可以包括以下中的一项或多项：用户的居住位置、用户的医生、用户的药剂师、用户的医疗记录持有者、用户与一个或多个群组的人口统计学关联、用户的饮食、用户拥有的多个孩子的指示、用户的医疗史、用户的一项或多项过去或当前的医疗状况(例如，过敏、手术、遗传状况)、用户的一项或多项健康问题以及用户有兴趣获得详细信息的一项或多项血液含量水平。
使用来自用户特征的信息，可穿戴式诊断装置可以基于用户的血压和温度确定用户的葡萄糖的临床关联信息值(cCIG)(804)。在一些实施方式中，cCIG可以是代表可能的血压和温度的值的矩阵。通常，可以将各种合适的方法用于获得用户的血压和温度。在一些实施方式中，可以按本说明书中参照图11和12所述获得血压，并且可以使用可穿戴式诊断装置中包括的温度传感器获得温度。在一些情况下，可以使用从用户特征获得的临床信息(如用户的医疗史)确定cCIG，所述用户的医疗史包括诸如医生的报告、过去或当前的医疗状况、临床诊断等数据。
接下来，可穿戴式诊断装置可以确定用户的葡萄糖的临床关联人口统计学值(cLDG)(806)。可以部分地基于一项或多项用户特征如用户的人口统计学群组、用户的年龄和用户的其他个人特征确定cLDG。例如，如果以上所述的原始葡萄糖值与特定路径，如路径A相关联，或者用户特征指示用户的特定人口统计学来源或特征，则可以以cLDG值与用户的原始葡萄糖值或者特定人口统计学来源或特征相对应的方式确定cLDG值。在一些实施方式中，如果用户已同意提供该个人信息，则cLDG可以是代表用户的各种特征，例如，年龄、饮食、性别的值的矩阵。
在获得cCIG和cLDG之后，可穿戴式诊断装置可以基于cCIG和cLDG确定临床数据集范围(810)。所确定的临床数据集范围被映射到用户的葡萄糖水平的葡萄糖预测值(812)。可以用确定的临床数据集范围查询存储各种临床数据集范围和葡萄糖预测值的数据库，并且可以返回映射到确定的临床数据集范围的葡萄糖预测值。然后可以提供葡萄糖预测值，并将其用于确定用户的葡萄糖水平(814)。
参照图10，为了获得用户血红蛋白水平的预测值，可穿戴式诊断装置可以获得用户特征信息(1002)。用户特征信息可以包括以下中的一项或多项：用户的居住位置、用户的医生、用户的药剂师、用户的医疗记录持有者、用户与一个或多个群组的人口统计学关联、用户的饮食、用户拥有的多个孩子的指示、用户的医疗史、用户的一项或多项过去或当前的医疗状况(例如，过敏、手术、遗传状况)、用户的一项或多项健康问题以及用户有兴趣获得详细信息的一项或多项血液含量水平。
使用来自用户特征的信息，可穿戴式诊断装置可以确定用户的血红蛋白的临床关联信息值(cCIHb)(1004)。可以使用从用户特征获得的临床信息(如用户的医疗史)确定cCIHb，所述用户的医疗史包括诸如医生报告、过去或当前医疗状况、临床诊断等数据。在一些实施方式中，如果用户已同意提供该个人信息，则cCIHb可以是代表用户医疗史的各个方面的值的矩阵。
接下来，可穿戴式诊断装置可以通过获得用户的氧饱和度和温度数据确定用户的血红蛋白的临床关联人口统计学值(cLDHb)(1006)。在一些实施方式中，cLDHb可以是代表用户的可能的氧饱和度和温度的值的矩阵。通常，各种合适的方法可用于获得用户的氧饱和度和温度。在一些实施方式中，可以按本说明书中参照图11所述获得氧饱和度，并且可以使用可穿戴式诊断装置中包括的温度传感器获得温度。在一些实施方式中，可以部分地基于通过用户特征提供的信息，如一项或多项用户特征，如用户的人口统计学群组、用户的年龄和用户的其他个人特征确定cLDHb。
在获得cCIHb和cLDHb之后，可穿戴式诊断装置可以基于cCIHb和cLDHb确定临床数据集范围(1010)。可以将确定的临床数据集范围映射到用户血红蛋白水平的血红蛋白预测值(1012)。可以用确定的临床数据集范围查询存储各种临床数据集范围和血红蛋白预测值的数据库，并且可以返回映射到确定的临床数据集范围的血红蛋白预测值。然后可以提供血红蛋白预测值，并将其用于确定用户的血红蛋白水平(1014)。
除利用血压和温度数据之外，还通过利用预测值来确定用户的葡萄糖和血红蛋白水平，所确定的用户的葡萄糖和血红蛋白水平相对于不利用预测值确定葡萄糖和血红蛋白水平的方法具有高得多的精确度。预测值包括用户的临床和人口统计学信息，并且因此可以使计算更准确，所述计算将可能会影响葡萄糖或血红蛋白水平的诸如肤色和年龄的参数考虑在内。预测值还可以用于将预测值与用户对某些疾病的易感性相关联，并且用户可以因此采取预防步骤以使获取这些疾病的可能性最小化，并提高用户的健康状况和预期寿命。此外，可以根据需要通过单个装置来进行这些多项测试并且可以从测试中获得结果，从而为用户提供高度的便利性。
除了获得用户的葡萄糖和血红蛋白水平之外，可穿戴式诊断装置还可以确定用户的血压和氧饱和度水平。确定用户的血压和氧饱和度水平的示例性方法的流程图描绘在图11中。最初，可穿戴式诊断装置可以接收应进行血压测定的指示(1102)。应进行血压测定的指示可以包括以下的一项或多项：用户作出的提供血压读数的选择以及一个或多个处理器根据预定时间作出的请求。例如，可穿戴式诊断装置可被编程以提供在某些时间或在某些时间段后的血压读数。然后可穿戴式诊断装置可以安排何时应向用户提供血压读数的日期和时间，并且可以在预定时间开始确定血压和氧饱和度水平的方法。
在接收到应进行血压测定的指示(1102)后，可穿戴式诊断装置可以确定用于血压测试的传感器类型，并激活所确定的传感器类型，其在血压测试的情况下，可以包括压电振动传感器和IR/光/激光传感器(1104)。激活传感器可以包括几项操作，包括但不限于向传感器提供增加的功率以及配置或校准传感器。
激活的压电振动传感器和IR/光/激光传感器可以获得用户测量结果(1106)。例如，压电振动传感器被配置为感测或检测用户手的运动、位置、接近度、速度和方向，并产生与检测到的触摸、振动和冲击运动中的一项或多项相对应的电信号。IR/光/激光传感器被配置为发射红外信号、检测发射的红外信号从用户皮肤的反射。在一些实施方式中，可以使用前置放大器来放大通过压电振动传感器获得的弱脉冲信号。
可以例如通过进行模数转换(ADC)和滤波操作来处理通过压电振动传感器和IR/光/激光传感器检测到的信号，以产生红外目标检测(IRTD)值和压电振动(PV)值(1108)。通常，可以对通过压电振动传感器和IR/光/激光传感器检测到的信号进行各种信号处理操作。在一些实施方式中，操作1104-1108可以重复多次，并且可以确定多个IRTD和PV值的平均值。
处理还可以包括将确定的IRTD值和PV值与预测的IRTD值和PV值进行比较。比较产生两组血压值。将两组血压值中的每组进行平均以分别产生收缩压值和舒张压值(1112)。使用如下所示的[等式3]，可以将收缩压值和舒张压值用于确定平均动脉压(MAP)。
MAP＝舒张压+(1/3)(收缩压–舒张压) [等式3]
下文参照图12解释了用于血压测量的预测值的生成。在一些实施方式中，也可以使用[等式4]确定用户血液的氧饱和度水平(1110)。
氧饱和度水平＝((CHbO2)/(CHbO2+CHb))*100 [等式4]
在[等式4]中，CHbO2等于氧化的血红蛋白的浓度，且CHb等于脱氧的血红蛋白的浓度。可以通过使用红外线传感器获得CHb02和CHb的值。
在操作1110和1112之后，输出血压和氧饱和度值(1114)。例如，在一些实施方式中，通过显示器显示血压和氧饱和度值。在一些实施方式中，通过扬声器输出血压和氧饱和度值。在一些实施方式中，可以使用信息，如邮件、SMS或MMS将血压和氧饱和度值传送至另一电子装置。信息可以在没有任何用户输入的情况下自动生成和填充。可以提示用户确认是否应将血压和氧饱和度值的信息传输至其它电子装置。
在上述示例性实施方式中，预测值被用于确定用户的血压。可以使用各种不同的方法并基于几种因素确定预测值。参照图12，为了获得用户血压的预测值，可穿戴式诊断装置可以获得用户特征信息(1202)，如在操作802和1002中所述的。可穿戴式诊断装置可以从用户特征获得用户的临床和人口统计学信息。
使用来自用户特征的信息，可穿戴式诊断装置可以确定用户的血压临床关联信息值(cCIBP)并获得EKG数据(1204)。可以使用从用户特征获得的临床信息(用户的医疗史)确定cCIBP，所述用户的医疗史包括诸如医生的报告、过去或当前的医疗状况、临床诊断等的数据。可以从各种合适的来源，诸如例如用户的医疗史获得EKG数据。
接下来，处理EKG数据以确定峰值和峰值，特别是R波之间的时间差(1206)。可穿戴式诊断装置还可以确定用户的血压的临床关联人口统计学值(cLDBP)(1206)。在一些实施方式中，可穿戴式诊断装置中的一个或多个处理器可以执行一个或多个程序和算法，其检测用户的EKG中的峰值和检测到的峰值之间的时间差。在一些实施方式中，可以部分地基于一项或多项用户特征如用户的人口统计学群组、用户的年龄和用户的其他个人特征确定cLDBP。在一些实施方式中，如果用户已同意提供该个人信息，则cLDBP可以是代表用户的各种特征，例如年龄、饮食、性别的值的矩阵。
在获得cCIBP和cLDBP之后，可穿戴式诊断装置可以基于cCIBP和cLDBP确定临床数据集范围(1208)。所确定的临床数据集范围被映射到用户的葡萄糖水平的血压预测值(1210)。可以用确定的临床数据集范围查询存储各种临床数据集范围和血压预测值的数据库，并且可以返回映射到所确定的临床数据集范围的血压预测值。然后可以提供血压预测值，并将其用于确定用户的血压水平(1212)。
在一些实施方式中，可穿戴式诊断装置可以执行获得穿戴可穿戴式诊断装置的用户的EKG和心率水平的过程。
当将可穿戴式诊断装置固定在用户的左臂上时，第一心脏电极可以设置在可穿戴式诊断装置的底面之上或之内，并以可与用户左手腕的上侧接触。第二心脏电极被设置在可穿戴式诊断装置的上表面之上或之内，而不接触用户左臂上的皮肤。第一心脏电极可以从用户左臂上的手腕上部获取信号，并且第二心脏电极可以利用放在用户胸部上的第二心脏电极获取两种信号。所获取的信号可以包括心脏电势波形，如在心脏收缩期间产生的电压。将从这三种信号获得的数据转换为诱因(Provocation)、品质(Quality)、放射情况、严重程度、时间(PQRST)波。PQRST波可用于产生艾因托文氏三角(Einthoven's triangle)、EKG图，并计算另外的信息，如用户的心跳。在一些情况下，PQRST波可用于诊断心脏状况。
在一些实施方式中，可穿戴式诊断装置可以执行用于获得与穿戴可穿戴式诊断装置的用户相关的体温的过程。在将可穿戴式诊断装置缠绕在用户手臂周围并与用户皮肤接触之后，可穿戴式诊断装置中的温度传感器将基于皮肤接触获得用户的温度。例如，温度传感器可以接触手腕，并且可以获得用户在特定的时间段内的体温数据。温度传感器将传感器数据提供给一个或多个处理器，其可以将接收的数据转换为华氏温标，并对在一个或多个时间段内采集的温度数据进行平均，以产生用户的可能体温。
在一些实施方式中，可穿戴式诊断装置可以执行用于获得与穿戴可穿戴式诊断装置的用户相关的手部振动的过程。一个或多个处理器可以使用计时器和加速度计或压电振动传感器执行操作，以获得手部振动测量结果。例如，在接收到用户有兴趣查看关于手部振动的指示后，处理器可以将计时器设置为特定时间段，例如60秒，并指示加速度计或压电振动传感器获得特定时间段的振动数据。加速度计或压电振动传感器可以感测特定时间段内用户的手部振动的次数和强度，并向处理器提供指示振动次数的数据。
处理器可以接收指示振动次数的数据，并可以确定振动的频率。如果振动的频率为3-7赫兹(Hz)，则该振动可归类为与帕金森氏震颤相关的振动。处理器还可以从加速度计或压电振动传感器获得振幅信息，以确定与帕金森氏震颤相关的任何振动的强度。指示振动的时间、强度和频率的数据可以存储在存储装置中的用户特征中，和/或可以经由显示器呈现给用户。
可以平行地、同时地或在不同的时间执行上述的获得关于用户的葡萄糖水平、血红蛋白水平、血压水平、EKG、心率水平、体温、手部振动和胆固醇水平的信息的过程。可穿戴式诊断装置具有足够的处理能力以在任何时间和响应于用户请求执行这些过程中的任一个。
在一些实施方式中，可以顺序地或同时地运行多项诊断测试。例如，可以在血压测试之前或期间进行EKG测试。可以在血红蛋白测试之前或期间进行氧饱和度测试和体温测试。可以在葡萄糖测试之前或期间进行血压测试和体温测试。其他变化和组合是可能的。例如，如果用户具有某些病况的医疗史如患糖尿病，则可穿戴式诊断装置可以定期进行与用户病况最相关的测试，如葡萄糖诊断测试，并且可以在最相关的诊断测试之前、之后或期间进行其他测试，如血压测试、胆固醇测试或氧饱和度测试。
在一些实施方式中，尽管用户可以输入进行一种类型的诊断测试(例如葡萄糖测试)的请求，但可穿戴式诊断装置可以确定将与用户请求的诊断测试一起进行的一项或多项测试，例如血压测试。可以基于一个或多个标准来确定另外的测试，所述测试为诸如例如，由用户、默认设置、厂商设置、医生推荐通常选择的将同时、顺序或成对进行的。在一些实施方式中，可以基于用户的医疗史确定另外的测试。例如，如果用户患有糖尿病和高血压，则每当用户选择血压测试，可穿戴式诊断装置也可以进行葡萄糖测试。如果用户选择葡萄糖测试，则可穿戴式诊断装置也可以进行血压测试。
可以将从执行一个或多个上述过程获得的结果储存在可穿戴式诊断装置中的存储器中，或者储存在与用户关联的数据库或云账户中。也可以通过显示器显示从执行一个或多个上述过程获得的结果。在一些实施方式中，如果确定的葡萄糖水平、血红蛋白水平、血压水平、EKG、心率水平、体温和手部振动中的一项或多项指示严重的医疗状况，则可穿戴式诊断装置可以输出视觉的、声音的或电子的警报。例如，如果例如，EKG包括一些异常心脏运动迹象或者体温超过102华氏度，则可穿戴式诊断装置可以产生声音输出，如声波，建议用户去看医生。
应当理解，本说明书中描述的实施方式和/或动作可以在数字电子电路，或者在计算机软件、固件或硬件中实施，包括本说明书中所公开的结构及其结构等同物，或者以其一个或多个的组合。实施方式可以实施为一个或多个计算机程序产品，例如，在由数据处理设备执行或控制数据处理设备的运行的计算机可读介质上编码的计算机程序指令的一个或多个模块。计算机可读介质可以是机器可读存储装置、机器可读存储基板、存储器装置、实现机器可读传播信号的物质组成，或者它们中一种或多种的组合。术语“数据处理设备”涵盖用于处理数据的所有设备、装置和机器，包括例如可编程处理器、计算机或者多处理器或计算机。除了硬件之外，设备还可以包括为讨论中的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统或者它们中的一个或多个的组合的代码。传播的信号是人工产生的信号，例如机器产生的电信号、光信号或电磁信号，其被产生以编码用于传输到合适的接收设备的信息。
可以以任何形式的编程语言(包括编译或解释型语言)编写计算机程序(也称为程序、软件、软件应用、脚本或代码)，并且其可以以任何形式(包括作为独立程序或作为模块、组件、子例程或适用于计算环境的其他单元)部署。计算机程序不一定与文件系统中的文件相对应。程序可以存储在保存其他程序或数据(例如，存储在标记语言文件中的一个或多个脚本)的文件的一部分中、存储在专用于所讨论程序的单个文件中，或存储在多个协调文件(例如，存储一个或多个模块、子程序或部分代码的文件)中。可以在一台计算机上执行计算机程序，或者可以在位于一个站点或分布在多个站点并通过通信网络互连的多台计算机上执行计算机程序。
本说明书中描述的过程和逻辑流程可以由执行一个或多个计算机程序以通过对输入数据进行操作并生成输出来执行动作的一个或多个可编程处理器执行。过程和逻辑流程也可以由专用逻辑电路，例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行，并且设备也可以被实施为专用逻辑电路，例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
例如，计算机中的执行计算机程序的处理器包括通用微处理器和专用微处理器，以及任何种类的数字计算机的任何一个或多个处理器。通常，处理器将从只读存储器或随机存取存储器或两者接收指令和数据。
尽管本说明书包含许多细节，但这些细节不应被解释为对本公开的范围或所要求保护的范围的限制，而是对特定实施方案的特定特征的描述。本说明书中在单独实施方案的上下文中描述的某些特征也可以在单个实施方案中组合实施。相反，在单个实施方案的上下文中描述的各种特征也可以在多个实施方案中单独实施或以任何合适的子组合来实施。此外，尽管上文可以将特征描述为以某些组合起作用并且甚至可能就此要求保护，但在一些情况下可以从所要求保护的组合中剥离来自该组合的一个或多个特征，并且所要求保护的组合可以涉及子组合或子组合的变型。
应当理解，短语“……中的一个或多个/一种或多种”和短语“……中的至少一个(种)”包括元素的任何组合。例如，短语“A和B中的一个或多个/一种或多种”包括A、B或者A和B。类似地，短语“A和B中的至少一个(种)”包括A、B或者A和B。
因此，已经描述了特定的实施方式。其他实施方式在以下权利要求的范围内。例如，权利要求中所述的动作可以以不同的顺序执行并且仍然获得期望的结果。

Claims (20)

1.系统，其包括：
一个或多个计算机装置以及存储指令的一个或多个存储装置，所述指令在由所述一个或多个计算机装置执行时，使所述一个或多个计算机装置执行包括以下的操作：
接收对应于开始非侵入性诊断测试以检测用户的医疗状态的请求的输入；
确定用于进行所述非侵入性诊断测试的一个或多个传感器；
基于所述非侵入性诊断测试激活所确定的一个或多个传感器；
通过所述一个或多个传感器接收信号数据；
部分地基于用户特征获得所述非侵入性诊断测试的预测值；
基于所述预测值和所述接收的信号数据确定测试结果；以及
通过显示器或扬声器输出所述测试结果。
2.如权利要求1所述的系统，其中所述非侵入性诊断测试包括以下中的一项或多项：葡萄糖测试、胆固醇测试、血红蛋白测试、氧饱和度水平测试和心电图监测测试。
3.如权利要求1所述的系统，其中所述操作还包括：
基于从所述接收的信号数据获得的原始数据选择路径；以及
基于所述选择的路径获得一组确定值，
其中基于所述预测值和所述接收的信号数据确定所述测试结果包括基于所述确定值确定所述测试结果。
4.如权利要求1所述的系统，其中所述操作还包括：
从一个或多个数据库获得用户临床数据和用户人口统计学数据；
基于所述获得的用户临床数据和所述用户人口统计学数据确定临床数据集范围；以及
将所述临床数据集范围映射到所述非侵入性诊断测试的预测值。
5.如权利要求1所述的系统，其中所述操作还包括：
基于(i)将第二非侵入性诊断测试与所述非侵入性诊断测试相关联的用户模式，以及(ii)所述用户的医疗史，确定待进行的所述第二非侵入性诊断测试；
基于所述第二非侵入性诊断测试激活第二组的一个或多个传感器；
通过所述第二组的一个或多个传感器接收第二信号数据；
部分地基于所述用户特征获得所述第二非侵入性诊断测试的第二预测值；以及
基于所述第二预测值和所述接收的第二信号数据确定第二测试结果。
6.如权利要求5所述的系统，其中获得所述非侵入性诊断测试的预测值包括使用所述第二测试结果确定所述非侵入性诊断测试的预测值。
7.如权利要求5所述的系统，其中当所述非侵入性诊断测试为葡萄糖测试时，所述第二非侵入性诊断测试是与其同时进行的胆固醇测试。
8.如权利要求5所述的系统，其中所述非侵入性诊断测试和所述第二非侵入性诊断测试由包括所述一个或多个计算机装置的手表进行。
9.如权利要求1所述的系统，其中所述一个或多个传感器包括以下中的一种或多种：无线心脏电极、压电振动传感器、红外线传感器、温度传感器、加速度计和微电子机械系统(MEMS)传感器。
10.计算机实施的方法，其包括：
接收对应于开始非侵入性诊断测试以检测用户的医疗状态的请求的输入；
通过一个或多个计算机装置确定用于进行所述非侵入性诊断测试的一个或多个传感器；
基于所述非侵入性诊断测试激活所确定的一个或多个传感器；
通过所述一个或多个传感器接收信号数据；
部分地基于用户特征，通过所述一个或多个计算机装置获得所述非侵入性诊断测试的预测值；
基于所述预测值和所述接收的信号数据，通过所述一个或多个计算机装置确定测试结果；以及
由所述一个或多个计算机装置通过显示器或扬声器输出所述测试结果。
11.如权利要求10所述的计算机实施的方法，其中所述非侵入性诊断测试包括以下中的一项或多项：葡萄糖测试、胆固醇测试、血红蛋白测试、氧饱和度水平测试和心电图监测测试。
12.如权利要求10所述的计算机实施的方法，其中所述操作还包括：
基于从所述接收的信号数据获得的原始数据选择路径；以及
基于所述选择的路径获得一组确定值，
其中基于所述预测值和所述接收的信号数据确定所述测试结果包括基于所述确定值确定所述测试结果。
13.如权利要求10所述的计算机实施的方法，其中所述操作还包括：
从一个或多个数据库获得用户临床数据和用户人口统计学数据；
基于所述获得的用户临床数据和所述用户人口统计学数据确定临床数据集范围；以及
将所述临床数据集范围映射到所述非侵入性诊断测试的预测值。
14.如权利要求10所述的计算机实施的方法，其中所述操作还包括：
基于(i)将所述第二非侵入性诊断测试与所述非侵入性诊断测试相关联的用户模式，以及(ii)所述用户的医疗史，确定待进行的第二非侵入性诊断测试；
基于所述第二非侵入性诊断测试激活第二组的一个或多个传感器；
通过所述第二组的一个或多个传感器接收第二信号数据；
部分地基于所述用户特征，获得所述第二非侵入性诊断测试的第二预测值；以及
基于所述第二预测值和所述接收的第二信号数据确定第二测试结果。
15.如权利要求14所述计算机实施的方法，其中获得所述非侵入性诊断测试的预测值包括使用所述第二测试结果确定所述非侵入性诊断测试的预测值。
16.如权利要求14所述的计算机实施的方法，其中当所述非侵入性诊断测试为葡萄糖测试时，所述第二非侵入性诊断测试是与其同时进行的胆固醇测试。
17.如权利要求14所述的计算机实施的方法，其中所述非侵入性诊断测试和所述第二非侵入性诊断测试由包括所述一个或多个计算机装置的手表进行。
18.如权利要求10所述的计算机实施的方法，其中所述一个或多个传感器包括以下中的一种或多种：无线心脏电极、压电振动传感器、红外线传感器、温度传感器、加速度计和微电子机械系统(MEMS)传感器。
19.手表，其包括：
一个或多个计算机装置以及存储指令的一个或多个存储装置，所述指令在由所述一个或多个计算机装置执行时，使所述一个或多个计算机装置执行包括以下的操作：
基于用户特征选择葡萄糖测试和胆固醇测试；
确定用于进行所述葡萄糖测试和所述胆固醇测试的一个或多个传感器；
激活所述确定的一个或多个传感器；
通过所述一个或多个传感器接收信号数据；
部分地基于所述用户特征获得所述葡萄糖测试的第一预测值；
基于所述第一预测值和所述接收的信号数据确定葡萄糖测试结果和胆固醇测试结果；以及
通过所述手表的显示器或扬声器输出所述葡萄糖测试结果和所述胆固醇测试结果。
20.如权利要求19所述的手表，其中所述一个或多个传感器包括红外线传感器和压电振动传感器；
其中所述操作还包括：
基于从所述接收的信号数据获得的原始数据选择路径；以及
基于所述选择的路径获得一组确定值；以及
其中基于所述第一预测值和所述接收的信号数据确定所述葡萄糖测试结果包括基于所述确定值确定所述葡萄糖测试结果。
CN201780098322.6A 2017-12-28 2017-12-28 可穿戴式诊断装置 Pending CN111787856A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2017/068692 WO2019132915A1 (en) 2017-12-28 2017-12-28 Wearable diagnostic device

Publications (1)

Publication Number Publication Date
CN111787856A true CN111787856A (zh) 2020-10-16

Family

ID=61022443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780098322.6A Pending CN111787856A (zh) 2017-12-28 2017-12-28 可穿戴式诊断装置

Country Status (7)

Country Link
JP (2) JP7232261B2 (zh)
KR (1) KR102563533B1 (zh)
CN (1) CN111787856A (zh)
AU (1) AU2017444934B2 (zh)
DE (1) DE112017008334T5 (zh)
GB (1) GB2584221B (zh)
WO (1) WO2019132915A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12089930B2 (en) 2018-03-05 2024-09-17 Marquette University Method and apparatus for non-invasive hemoglobin level prediction
US20220062096A1 (en) * 2018-09-11 2022-03-03 Encora, Inc. Apparatus and Method for Reduction of Neurological Movement Disorder Symptoms Using Wearable Device
WO2021130683A1 (en) 2019-12-23 2021-07-01 Alimetry Limited Electrode patch and connection system
KR102489418B1 (ko) * 2021-03-22 2023-01-19 유에프유헬스 주식회사 웨어러블 디바이스를 이용한 헬스케어 데이터 제공 시스템 및 방법

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1414839A (zh) * 1999-12-28 2003-04-30 平迪产品公司 血糖非侵入性分析的方法和设备
US20060099148A1 (en) * 2004-01-15 2006-05-11 Mount Sinai School Of Medicine Methods and compositions for imaging
JP2008005920A (ja) * 2006-06-27 2008-01-17 Toshiba Medical Systems Corp 非侵襲的測定装置
CN101374455A (zh) * 2006-02-27 2009-02-25 拜尔健康护理有限责任公司 用于生物传感器系统的温度调节的分析物测定
US20130072807A1 (en) * 2006-05-12 2013-03-21 Bao Tran Health monitoring appliance
TWM486395U (zh) * 2014-04-22 2014-09-21 Sheng-Rong Huang 多功能非侵入式智慧型心血管監測與診斷裝置
CN106153661A (zh) * 2016-06-17 2016-11-23 东南大学 一种用于血糖血脂无创核磁共振检测的方法
CN106714674A (zh) * 2014-09-29 2017-05-24 微软技术许可有限责任公司 用于脉搏传导时间计算的可穿戴感应带
US20170164878A1 (en) * 2012-06-14 2017-06-15 Medibotics Llc Wearable Technology for Non-Invasive Glucose Monitoring
CN106923807A (zh) * 2015-12-31 2017-07-07 北京大学深圳研究生院 基于温度对血压测量值进行校正的方法及系统

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001344352A (ja) * 2000-05-31 2001-12-14 Toshiba Corp 生活支援装置および生活支援方法および広告情報提供方法
JP2002143097A (ja) * 2000-11-10 2002-05-21 Kuniaki Otsuka 疾病発症予知通報システム及び方法
JP4208186B2 (ja) * 2003-08-28 2009-01-14 パナソニック株式会社 生体センサ内蔵携帯電話機
JP2008532104A (ja) * 2004-12-30 2008-08-14 プロベンティス インコーポレーテッド 複数の医療関連アウトカムの予測を行い、インターベンション計画の評価を行い、更に同時にバイオマーカー因果性検証を行うことのできる、予測モデルを生成して適用する方法、そのシステム、及びそのコンピュータ・プログラム製品
JP5090013B2 (ja) * 2007-02-23 2012-12-05 株式会社日立製作所 情報管理システム及びサーバ
JP2009027638A (ja) * 2007-07-23 2009-02-05 Sharp Corp 生体情報解析システム、ユーザ端末装置、解析装置、課金装置、解析指示送信方法、制御プログラムおよびコンピュータ読み取り可能な記録媒体
US8928671B2 (en) * 2010-11-24 2015-01-06 Fujitsu Limited Recording and analyzing data on a 3D avatar
US9168419B2 (en) * 2012-06-22 2015-10-27 Fitbit, Inc. Use of gyroscopes in personal fitness tracking devices
JP5511033B1 (ja) 2012-12-04 2014-06-04 Ｎｅｃシステムテクノロジー株式会社 血糖値予測装置、測定装置、血糖値予測方法、及びプログラム
US20140236025A1 (en) * 2013-02-15 2014-08-21 Michael L. Sheldon Personal Health Monitoring System
JP6105719B2 (ja) * 2013-05-02 2017-03-29 アトナープ株式会社 生体を監視するモニターおよびシステム
JP2016073483A (ja) * 2014-10-07 2016-05-12 セイコーエプソン株式会社 生体情報取得装置
KR102323211B1 (ko) * 2014-11-04 2021-11-08 삼성전자주식회사 헬스 케어 장치 및 그 동작 방법
US20170332980A1 (en) * 2014-12-02 2017-11-23 Firefly Health Pty Ltd Apparatus and method for monitoring hypoglycaemia condition
US20160235370A1 (en) * 2015-02-11 2016-08-18 Avi Lazar Systems and method for dlco and hemoglobin measurements
JP2016214641A (ja) 2015-05-22 2016-12-22 セイコーエプソン株式会社 生体情報測定装置
US20170055891A1 (en) * 2015-09-02 2017-03-02 Leila Chaychi Method, device and system for non-invasive measurement of blood glucose content
US10251597B2 (en) * 2016-04-21 2019-04-09 Viavi Solutions Inc. Health tracking device

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1414839A (zh) * 1999-12-28 2003-04-30 平迪产品公司 血糖非侵入性分析的方法和设备
US20060099148A1 (en) * 2004-01-15 2006-05-11 Mount Sinai School Of Medicine Methods and compositions for imaging
CN101374455A (zh) * 2006-02-27 2009-02-25 拜尔健康护理有限责任公司 用于生物传感器系统的温度调节的分析物测定
US20130072807A1 (en) * 2006-05-12 2013-03-21 Bao Tran Health monitoring appliance
JP2008005920A (ja) * 2006-06-27 2008-01-17 Toshiba Medical Systems Corp 非侵襲的測定装置
US20170164878A1 (en) * 2012-06-14 2017-06-15 Medibotics Llc Wearable Technology for Non-Invasive Glucose Monitoring
TWM486395U (zh) * 2014-04-22 2014-09-21 Sheng-Rong Huang 多功能非侵入式智慧型心血管監測與診斷裝置
CN106714674A (zh) * 2014-09-29 2017-05-24 微软技术许可有限责任公司 用于脉搏传导时间计算的可穿戴感应带
CN106923807A (zh) * 2015-12-31 2017-07-07 北京大学深圳研究生院 基于温度对血压测量值进行校正的方法及系统
CN106153661A (zh) * 2016-06-17 2016-11-23 东南大学 一种用于血糖血脂无创核磁共振检测的方法

Also Published As

Publication number Publication date
KR102563533B1 (ko) 2023-08-07
AU2017444934A1 (en) 2020-08-13
GB2584221A (en) 2020-11-25
GB2584221B (en) 2022-06-15
AU2017444934B2 (en) 2024-02-15
JP2023075115A (ja) 2023-05-30
JP7232261B2 (ja) 2023-03-02
KR20200113201A (ko) 2020-10-06
DE112017008334T5 (de) 2020-09-03
JP7591595B2 (ja) 2024-11-28
WO2019132915A1 (en) 2019-07-04
JP2021516833A (ja) 2021-07-08
GB202011660D0 (en) 2020-09-09

Similar Documents

Publication Publication Date Title
US11076805B2 (en) Wearable diagnostic device
JP7591595B2 (ja) ウェアラブル診断装置
Al-Khafajiy et al. Remote health monitoring of elderly through wearable sensors
Lee et al. Highly flexible, wearable, and disposable cardiac biosensors for remote and ambulatory monitoring
US10506926B2 (en) Multi-vital sign detector in an electronic medical records system
US10492684B2 (en) Multi-vital-sign smartphone system in an electronic medical records system
US7996074B2 (en) System and method for providing closely-followed cardiac therapy management through automated patient care
US20190046056A1 (en) Multi-Vital Sign Detector in an Electronic Medical Records System
US10602987B2 (en) Multi-vital-sign smartphone system in an electronic medical records system
US20230157617A1 (en) Wearable Heartbeat and Breathing Waveform Continuous Monitoring System
US20210298616A1 (en) Wearable Pulse Waveform Measurement System and Method
Abdulameer et al. Design of health care monitoring system based on internet of thing (IOT)
Al-Aubidy et al. Real-time patient health monitoring and alarming using wireless-sensor-network
US20180235478A1 (en) Multi-Vital Sign Detector in an Electronic Medical Records System
Priyadarsini et al. IoT based mobile app for continuous health monitoring of the person
US20240201027A1 (en) Accurately Sensing Surface Temperatures Using Thermal Noise at Computing Devices
GB2603316A (en) Wearable diagnostic device
US20250020748A1 (en) Non-invasive radio-frequency analyte sensors, systems and methods
Vasava et al. Portable health monitoring device
Karthikeyan et al. Smart Health Checkup Portable Device for Monitoring Patients
WO2024130169A1 (en) Accurately sensing surface temperatures using thermal noise at computing devices
Scholar IOT Based Disease Prediction and Diagnosis System for Healthcare
RAJESH et al. Measurement of Bilirubin count, BP, EMG and Glucose level using microcontroller for patient monitoring.
Mohammed et al. Design of Health Care Monitoring System Based on Internet of Thing (IOT)
Shan Pulse Signal System: Sensing, Data Acquisition and Body Area Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40042063

Country of ref document: HK