CN112512419B - 提供对象的时间信息 - Google Patents
提供对象的时间信息 Download PDFInfo
- Publication number
- CN112512419B CN112512419B CN201980050134.5A CN201980050134A CN112512419B CN 112512419 B CN112512419 B CN 112512419B CN 201980050134 A CN201980050134 A CN 201980050134A CN 112512419 B CN112512419 B CN 112512419B
- Authority
- CN
- China
- Prior art keywords
- signal
- tb2b
- beat
- time
- filtered
- 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.)
- Active
Links
Classifications
-
- 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
- A61B5/1102—Ballistocardiography
-
- 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
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/029—Measuring blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Measuring devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Hematology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及用于提供关于对象的时间信息的方法和系统。方法包括:用加速度计获得对象的心冲击描记信号,以及处理心冲击描记信号以获得至少搏动至搏动时间(TB2B)信号和每搏量(SV)信号。通过对相应信号滤波以去除不是由心跳引起的错误值来提供经滤波TB2B信号和经滤波SV信号。方法还包括:根据经滤波TB2B信号计算真HR信号,以及根据经滤波SV信号计算真SV信号和每搏量变异性(SVV)信号。对真HR信号滤波以检测异常心跳并将它们与正常心跳分离,同时真SV和SVV信号被用作便利于异常心跳与正常心跳的分离的参数。如果检测到异常心跳,则识别与检测到的异常心跳相关的心律失常的类型,并且将关于所识别心律失常的发生和类型的时间信息提供给用户。
Description
技术领域
本发明涉及方法、系统和计算机程序产品,所述方法、系统和计算机程序产品涉及监测对象诸如人以及提供关于对象的时间信息。更具体地,本发明涉及提供关于对象的时间信息,其可以用于基于单个心冲击描记信号来诊断夜间心律失常。
背景技术
如果心律失常是慢性的或持续性的,则容易诊断心律失常,但是许多时候心律失常本质上是偶发性的—它们毫无征兆地出现又消失。在许多情况下,不同种类的心律失常,尤其在早期阶段,可能仅在睡眠期间并且特别是在某些睡眠阶段和放松状态期间发生,或者甚至不是每晚或每周发生。
对无心脏病个体的研究表明,窦性心动过缓、窦性停搏和1型二度房室传导(AV)阻滞在睡眠期间是常见的。这些是正常的并且反映了在睡眠期间发生的自主神经张力的变化,并且除非伴有症状,否则不需要干预。
REM(快速眼动)睡眠发作大约每90分钟发生一次,并与大多数的梦活动有关。增加的脑兴奋性会中断非REM睡眠的稳定自主状态,从而触发可能超过清醒状态的交感神经元活性的短突发,并且导致通常与非REM睡眠的常规呼吸模式的中断有关的不规则时段的剧烈性高血压和心动过速。非致命性心肌梗塞、植入的除颤器放电和心源性猝死的发生在整个夜晚以不一致的方式发生。
一些显著增加夜间心律失常可能性的状况是突兀性睡眠呼吸暂停和中枢性睡眠呼吸暂停,并伴有诸如充血性心力衰竭或心室颤动的潜在致命疾病。也有人认为,婴儿猝死综合征与夜间室性心律失常相关。
因此,夜间测量可以提供多种心律失常的指示,并且通过将测量结果与自主神经系统的状态、睡眠阶段的同时测量关联以及与可能相关的睡眠现象如突兀性或中枢性睡眠呼吸暂停的检测关联,可以增加心律失常的检测能力,并从而便利于诊断的改善。
心冲击描记术(BCG)是对心脏的冲击力的测量。它可以表征为心电图信号(ECG)的机械响应。当心脏泵送血液时,可以测量两个机械效应:心脏的运动在胸部造成反冲效应,并且血液的运动在全身造成反冲效应。心冲击描记(BCG)信号,也可以被称为心冲击记信号,具有基于血液在身体内上下流动的特性形式。该信号例如BCG信号的延迟和形状的细节可以揭示心脏功能障碍。BCG信号的所谓J峰可以用来以与在心电图(ECG)中使用R峰类似的方式测量心率(HR)和心率变异性(HRV)。
心冲击描记数据指示响应于心脏的心肌活动而发生的身体机械运动的程度。然后这样的心冲击描记数据可以用来处理指示对象的心脏运动的数据。基于一个或多个加速度计或者一个或多个角速率传感器的心冲击描记术提供了用于测量心脏的相对每搏量和搏动至搏动时间两者的无创的、不引人注目和相对轻便的方法。
心率变异性(HRV)是指心脏的搏动至搏动间隔的变化。虽然所测量的生理现象对于HRV和搏动至搏动间隔是相同的,但是描述这些的典型参数是不同的。虽然通常以时间标度表示搏动至搏动时间,但通常以频率标度例如以每分钟搏动数表示心率(HR)。可以通过指示多个连续心跳之间的相对速率变化来表示心率变异性(HRV)。可以通过用合适的数据处理函数检测搏动至搏动间隔来计算心率变异性(HRV)。搏动至搏动间隔的变化是生理现象;心脏窦房结接受几种不同的输入,并且瞬时心率及其变化是这些输入的结果。最近的研究越来越多地将高心率变异性(HRV)与良好的健康和高水平的身体素质联系起来,而降低的心率变异性(HRV)与压力和疲倦有关。
心率变异性(HRV)在频域中的分析是自主心血管控制研究中广泛使用的工具。通常,变异性在频谱曲线中分为高频(HF)带(0.10Hz至0.40Hz)、低频(LF)带(0.04Hz至0.10Hz)和极低频(VLF)带(<0.04Hz)。例如,呼吸周期会引起自然的、明显可检测的心率变化,其中ECG上的R-R间期和BCG中的J-J间期在吸气期间被缩短并且在呼气期间被延长。这种变化被称为呼吸性窦性心律失常(RSA),其在高频(HF)带中被检测到。低频(LF)带(0.04Hz至0.10Hz)表示与血压和血管舒缩张力的调节相关的振荡,包括所谓的0.1Hz波动。高频(HF)带中的心率变异性可以被称为高频心率变异性(HFHRV)。低频(LF)带中的心率变异性可以被称为低频心率变异性(LFHRV)。相应地,极低频(VLF)带中的心率变异性可以被称为极低频心率变异性(VLFHRV)。
每搏量(SV)在此是指每次搏动从心脏的一个心室泵送的血液量。可以根据通过从就在搏动之前的血液量(称为心舒末期容积)减去在搏动末期时心室中的血液量(称为心缩末期容积)的心室容积的测量来计算每搏量。检测每搏量的方法包括超声心动图、心冲击描记装置和用光体积描记器(PPG)或压力传感器进行的脉搏波信号测量。
每搏量变异性(SVV)是指由机械通气引起的动脉血压的变化,其是对象的每搏量的变化的生理现象。每搏量变异性(SVV)是自然发生的现象,其中,由于继发于负压通气(自主呼吸)的胸内压变化,动脉脉压在吸气期间下降,并在呼气期间上升。每搏量变异性(SVV)可以定义为在不固定时段内最大每搏量和最小每搏量(SV)除以最小每搏量的平均值和最大每搏量的平均值之间的百分比变化。
呼吸速率(RR)是指对象的呼吸速率。虽然不是心脏病学测量,但可以使用用于检测心冲击描记信号的相同传感器来检测呼吸速率(RR),因为呼吸引起可用加速度计和/或角速率传感器检测的对象身体的运动。例如,可以通过检测由呼吸周期引起的HFHRV变化从心率信号或心率变化信号间接获得呼吸速率(RR)。由于每搏量(SV)信号幅度由呼吸调制,因此也可以从每搏量变化(SVV)信号间接获得呼吸速率(RR)。
相关技术的描述
专利FI 126631B公开了一种使用利用心冲击描记术(BCG)获得的心率变异性的方法,其为估计压力、夜间恢复和睡眠质量提供了优良工具。
专利FI 126600B公开了BCG也可以用来检测睡眠呼吸暂停。
阿尔托大学的Sami Nurmi的硕士论文文献“Nocturnal sleep quality andquantity analysis with ballistography”评估了基于心冲击描记术的睡眠定性和定量分析方法的可用性和性能。
斯坦福大学的O.T.Inan、M.Etemadi、R.M.Wiard、L.Giovangrandi和G.T.A.Kovacs的“Robust ballistocardiogram acquisition for home monitoring”公开了一种获取BCG信号的方法。
BCG测量是非侵入性的,并且对睡眠和放松几乎没有或没有影响,因此适合于连续的长期监测。因此,BCG克服了与睡眠阶段和睡眠呼吸暂停的检测相关的许多问题。
测量夜间心律失常的现有技术方法是使用记录器和附接至患者胸部的心电图(ECG)电极进行24小时动态心电图测量。ECG测量不是很方便,且对于患者是侵入性的,并且因此可能会扭曲睡眠阶段,从而具有不示出会在正常夜晚期间存在的心律失常的潜在后果。由人移动引起的伪影可能引起错误的心律失常检测,并且难以从所记录的ECG信号中滤除。此外,动态心电图测量完全缺乏关于睡眠阶段的数据。
目前将夜间心律失常与特定睡眠阶段相关联的标准方式是通过使用多导睡眠描记(PSG)。PSG是多参数睡眠研究,其包括监测睡眠期间的许多身体功能,其包括大脑、眼睛运动、肌肉活动或骨骼肌激活以及心律。典型的多导睡眠描记使用广泛范围的有创检测方法,包括脑电图(EEG)、眼电图(EOG)、肌电图(EMG)和ECG。然而,这是极其侵入性的,并因此影响患者的压力水平和睡眠。多导睡眠描记期间的夜晚与在家里的正常夜晚非常不同,并且患者可能根本不会进入会存在心律失常的睡眠阶段。
还可以使用在人下方的床垫下或床垫内的压力传感器来执行用于多导睡眠描记的一些测量,所述压力传感器可以通过感测患者下的压力变化来跟踪心率、呼吸和运动。
专利申请US2018049701 A1公开了一种用于人的休息或睡眠的床垫,该床垫包括与床垫连接布置的传感器,用于确定心率、心率变化、呼吸紊乱、呼吸频率和/或睡眠类别。
然而,基于压力的传感器装置不能检测例如每搏量和/或每搏量变化,其可能是确定是否发生心律失常的重要因素。因此,需要一种无创地检测夜间心律失常的装置和方法。
发明内容
目的是提供一种方法和装置,以解决以无创方式检测夜间心律失常的问题。本发明的目的通过根据权利要求1的特征部分的方法来实现。本发明的目的还通过根据权利要求12的特征部分的系统来实现。
在从属权利要求中公开了本发明的优选实施方式。
本发明基于根据心脏的搏动至搏动时间和相对每搏量来检测不同类型的夜间心律失常的构思,所述心脏的搏动至搏动时间和相对每搏量可以从自对象无创地获得的单个心冲击描记信号获得。可以进一步处理相同的心冲击描记信号以提供关于睡眠障碍、压力、恢复和/或睡眠阶段的信息,这使得能够检测在睡眠期间发生的所检测到的心律失常与上述生理现象之间的可能关系。处理从单个心冲击描记信号获得的信号以滤除信号中可能引入错误检测结果的任何伪影。
根据第一方面,提供了一种用于检测夜间心律失常的方法。该方法包括:获得对象的心冲击描记信号,处理心冲击描记信号以获得至少搏动至搏动时间(TB2B)信号和每搏量(SV)信号,通过对TB2B信号进行滤波以去除不是由心跳引起的错误值而产生经滤波的TB2B信号,通过对SV信号进行滤波以去除不是由心跳引起的错误SV值而产生经滤波的SV信号,根据经滤波的TB2B信号计算真(true)HR信号,根据经滤波的SV信号计算真SV信号和SVV(每搏量变异性)信号,以及对真HR信号进行滤波用于检测异常心跳并将它们与正常心跳分离,以及利用真SV信号和SVV信号作为便利于异常心跳与其与正常心跳的分离的另外的参数。如果检测到异常心跳,则该方法还包括:识别与检测到的异常心跳相关的心律失常的类型,以及输出关于所识别的心律失常的发生和类型的时间信息。
根据第二方面,该方法还包括:计算呼吸速率(RR)信号、根据经滤波的TB2B信号计算HFHRV(高频心率变异性)信号以及LFHRV(低频心率变化)信号、VLFHRV(极低频心率变化)信号中至少之一,分析经滤波的SV信号、RR信号以及LFHRV和VLFHRV信号中至少之一以确定睡眠障碍的发生,并且如果确定已经发生一个或更多个睡眠障碍实例,则识别睡眠障碍的类型,并结合关于心律失常的时间信息输出关于睡眠障碍的发生和所识别的类型的时间信息,以及分析至少RR信号、HFHRV信号和LFHRV信号以确定压力、恢复和睡眠阶段中至少之一的时间信息,并结合关于心律失常的时间信息输出关于所确定的压力、恢复和睡眠阶段中至少之一的相应时间信息。
根据第三方面,对TB2B信号进行滤波包括:计算第一时间段上的平均TB2B信号强度,限定TB2B信号强度的允许变化范围,以及从TB2B信号去除在允许变化范围内不适配(fit)的任何峰,以产生经滤波的TB2B信号。
根据第四方面,对SV信号进行滤波包括:计算第二时间段上的平均SV信号强度,限定SV信号值的允许变化范围,以及从SV信号去除在允许变化范围内不适配的任何值,以产生经滤波的SV信号。
根据第五方面,对真HR信号进行滤波包括:限定第三时间段期间的正常搏动至搏动时间,指定与第三时间段期间的搏动至搏动时间的正常变化对应的时间窗,以及将短于或长于该时间窗的任何搏动至搏动时间识别为指示心律失常的异常心跳。
根据第六方面,基于对象的历史HRV数据动态地限定时间窗。
根据第七方面,该方法还包括:对真SV信号和SVV信号中至少之一进行滤波以检测每搏量的显著变化;以及输出关于检测到的每搏量的显著变化的时间信息连同关于检测到的心律失常的时间信息。
根据第八方面,该方法包括从测量对象的纵向方向上的加速度的加速度计获得对象的心冲击描记信号。
根据第九方面,该方法还包括:结合对TB2B信号进行滤波和对SV信号进行滤波,获得关于错误TB2B信号峰和错误SV信号值中至少之一的发生的信息;以及基于所存储的关于错误TB2B信号峰和错误SV信号值中至少之一的发生的信息来提供对象的运动的时间指示。
根据第十方面,该方法还包括:通过计算所接收的心冲击描记信号的强度的平均均方根来获得信号强度(SS)信号,以及使用SS信号来辨别所接收的信号是表示实际检测到的BCG信号、背景噪声还是对象的运动。
根据第一系统方面,提供了一种夜间心律失常检测系统。该系统包括:加速度计,其被配置成获得对象的心冲击描记信号;处理装置,其被配置成处理心冲击描记信号以获得至少搏动至搏动时间(TB2B)信号和SV(每搏量)信号。该处理装置包括:第一滤波器,其被配置成通过对TB2B信号进行滤波以去除不是由心跳引起的错误TB2B信号峰而产生经滤波的TB2B信号;第二滤波器,其被配置成通过对SV信号进行滤波以去除不是由心跳引起的错误SV信号峰而产生经滤波的SV信号;计算装置,其被配置成根据经滤波的TB2B信号计算真HR信号并根据经滤波的SV信号计算真SV信号和SVV(每搏量变异性)信号;以及第三滤波器,其被配置成对真HR信号进行滤波以检测异常心跳。该处理装置被配置成利用真SV信号和SVV信号作为便利于异常心跳与正常心跳的分离的另外的参数。如果检测到异常心跳,则该处理装置还被配置成:识别与异常心跳相关的心律失常的类型,并输出关于所识别的心律失常的发生和类型的时间信息。
根据第二系统方面,该处理装置还被配置成:计算呼吸速率(RR)信号,根据经滤波的TB2B信号计算HFHRV(高频心率变异性)信号以及LFHRV(低频心率变化)信号和VLFHRV(极低频心率变化)信号中至少之一,分析SV信号、RR信号以及LFHRV和VLFHRV信号中至少之一以确定睡眠障碍的发生,并且如果确定已经发生一个或更多个睡眠障碍实例,则识别睡眠障碍的类型,结合关于心律失常的时间信息输出关于睡眠障碍的发生和所识别的类型的时间信息,通过分析至少RR信号、HFHRV信号和LFHRV信号确定关于压力、夜间恢复和睡眠阶段中至少之一的时间信息,以及结合关于心律失常的时间信息输出关于所确定的压力、恢复和睡眠阶段和睡眠障碍中至少之一的时间信息。
根据第三系统方面,对TB2B信号进行滤波包括:
计算第一时间段上的平均TB2B信号强度,限定TB2B信号强度的允许变化范围,以及从TB2B信号去除在允许变化范围内不适配的任何峰,以产生经滤波的TB2B信号。
根据第四系统方面,对SV信号进行滤波包括:计算第二时间段上的平均SV信号强度,限定SV信号值的允许变化范围,以及从SV信号去除在允许变化范围内不适配的任何值,以产生经滤波的SV信号。
根据第五系统方面,对真HR信号进行滤波包括:限定第三时间段期间的正常搏动至搏动时间,指定与第三时间段期间的搏动至搏动时间的正常变化对应的时间窗,以及将短于或长于该时间窗的任何搏动至搏动时间识别为指示心律失常的异常心跳。
根据第六系统方面,基于对象的历史HRV数据动态地限定时间窗。
根据第七系统方面,该系统还包括:第四滤波器,其被配置成对真SV信号和SVV信号中至少之一进行滤波以检测每搏量的显著变化;以及输出单元,其被配置成输出关于检测到的每搏量的显著变化的时间信息连同关于检测到的心律失常的时间信息。
根据第八系统方面,加速度计被配置成通过测量对象的纵向方向上的加速度获得对象的心冲击描记信号。
根据第九系统方面,处理装置还被配置成:结合对TB2B信号进行滤波和对SV信号进行滤波,获得关于错误TB2B信号峰和错误SV信号值中至少之一的发生的信息,并且输出单元还被配置成基于所存储的关于错误TB2B信号峰和错误SV信号值中至少之一的发生的信息来提供对象的运动的时间指示。
根据第十系统方面,处理装置还被配置成:通过计算所接收的心冲击描记信号的强度的平均均方根来获得信号强度(SS)信号,并使用SS信号来辨别所接收的信号是表示实际检测到的BCG信号、背景噪声还是对象的运动。
根据另一方面,一种计算机程序产品被配置成执行上述方面中的任意方面的方法中的任意方法。
根据另一方面,提供了一种计算机可读介质,其具有存储在其上的指令,其在由计算装置或系统执行时使得计算装置或系统执行上述方面中的任意方面的方法。
本发明的优点在于,该方法能够用简单、耐用、易于安装、轻便和有成本效益的系统可靠地检测和识别各种类型的心律失常,同时测量不影响对象的睡眠。通过将所获得的心律失常信息与用同一检测系统同时接收到的关于人的运动、睡眠阶段、恢复阶段、睡眠障碍和/或压力的信息结合起来,该方法和系统可以便利于由接收该信息的执业医师进行更详细和精确的诊断。
附图说明
下面将参照附图结合优选实施方式更详细地描述本发明,在所述附图中
图1示出了监测系统的示例性配置。
图2示出了指示心律失常发生的示例性方法。
图3示出了指示对象的运动的方法。
图4示出了对TB2B信号进行滤波的实施方式。
图5示出了对SV信号进行滤波的实施方式。
图6示出了显示通过处理单个BCG信号获得的检测信号的曲线图。
图7示出了显示通过处理单个BCG信号获得的检测信号的另一曲线图。
图8示出了检测到的心律失常期间的信号强度和搏动至搏动时间。
图9示出了检测到的心律失常期间的搏动至搏动时间的变化。
具体实施方式
图1示出监测系统(100)包括传感器单元(102)和控制单元(104)的示例性配置。传感器单元(102)可以被认为是要附接至被监测对象的元件,并且控制单元(104)可以被认为是通信地耦接至传感器单元(102)但是在物理上与被监测对象分离的元件。传感器单元(102)可以直接附接至或压在被监测对象上,或者传感器单元(102)可以被放置成从附接至或压在对象例如床或座椅上的元件间接地获得心冲击描记信号。控制单元(104)有利地包括适于处理由传感器单元(102)提供的信号的电路系统以及处理从该信号获得的数据的电路系统。
传感器单元(102)包括用于获得心冲击描记信号的一个或更多个传感器(106)。心冲击描记通常指用于测量身体运动的技术,所述身体运动是在心跳周期期间响应于身体质心的移位而引起的。传感器可以感测身体的线性运动或角度运动,并且因此例如是加速度计或陀螺仪。
传感器单元(102)还可以包括信号处理单元(108),该信号处理单元操纵原始电输入信号以满足下一级的要求,以供进一步处理。信号处理可以包括例如隔离、滤波、放大传感器输入信号以及将传感器输入信号转换为比例输出信号,该比例输出信号可以转发到另外的控制装置或控制系统。信号处理单元(108)还可以对信号执行一些计算功能,例如求和、积分、脉宽调制、线性化和其他数学运算。信号处理单元(108)可以替选地包括在控制单元(104)中。
控制单元(104)是包括处理部件(PC)(110)的装置。处理部件(110)是用于对预定义数据执行操作的系统执行(systematic execution)的一个或更多个计算装置的组合。处理部件可以包括一个或更多个算术逻辑单元、专用寄存器和控制电路。处理部件可以包括或者可以连接到存储器单元(MU)(112),该存储器单元提供可以存储计算机可读数据或程序或用户数据的数据介质。存储器单元可以包括易失性或非易失性存储器例如EEPROM、ROM、PROM、RAM、DRAM、SRAM、固件、可编程逻辑等的一个或更多个单元。
控制单元(104)还可以包括或者可以连接到接口单元(IU)(114),该接口单元包括:用于将数据输入至控制单元的内部进程的至少一个输入单元,以及用于从控制单元的内部进程输出数据的至少一个输出单元。输出单元可以包括或者可以与至少一个显示单元耦接,该至少一个显示单元被配置成呈现由控制单元提供的数据。
如果应用线路接口,则接口单元(114)通常包括充当网关的插入单元,其用于将信息传递至其外部连接点以及用于将信息馈送至连接到其外部连接点的线路。如果应用无线电接口,则接口单元(114)通常包括无线电收发器单元,该无线电收发器单元包括发射器和接收器。无线电收发器单元的发射器可以从处理部件(110)接收比特流,并将比特流转换为无线电信号以通过天线进行发射。相应地,通过天线接收到的无线电信号可以被引导至无线电收发器单元的接收器,该接收器将无线电信号转换为比特流,该比特流被转发到处理部件(110)以供进一步处理。不同的线路接口或无线电接口可以在一个接口单元中实现。
接口单元(114)还可以包括用户接口,该用户接口具有当由心律失常的检测触发时用于输入数据的小键盘、触摸屏、麦克风或等同物以及用于向装置的用户输出数据的屏幕、显示器、触摸屏、扬声器或等同物。给用户的数据可以用于提供监测结果,例如由接口单元(114)对指示进行显示或发声,或使得在接口单元(114)上发起警报。除了检测到的变量的瞬时呈现之外,接口单元(114)或附接至接口单元的存储器装置(未示出)可以存储数据以供稍后显示和甚至进一步分析。
处理部件(110)和接口单元(114)被电互连以提供用于根据预定义的、基本上编程的进程对接收和/或存储的数据执行操作的系统执行的装置。这些操作包括本文中针对图1的监测系统的控制单元所描述的程序。
用于获得心冲击描记信号的传感器单元(106)可以包括加速度计或角速率传感器(陀螺仪)。可以通过测量血压波替选地获得相同的变量,即每搏量和搏动至搏动时间。
在使用角速率传感器例如陀螺仪的情况下,传感器单元有利地附接至对象的胸部,从该胸部可以检测并获得每次心跳时心脏的旋转运动。
在线性检测中,传感器单元(106)可以直接附接至对象,而传感器单元优选地间接附接至对象,例如附接至对象所在的床、床上的床垫等。传感器单元(106)可以是加速度计,其根据自身体转移到中间物品(例如床或床垫)的运动来检测在动脉中移动的血液的反冲信号。将传感器单元附接或放置在床上是有益的,因为它能够实现非常自然的睡眠环境,因为不需要将传感器或其他测量装置附接至对象。因此,测量情况本身可能对对象造成较小的压力,并且从该测量获得的结果对应于对象的自然睡眠情况。
当加速度计被用作检测来自人的心冲击描记信号的传感器单元(106)时,最重要的方面是测量对象的纵向尺寸上的加速度。只要加速度计被布置在加速度计的检测轴与对象的长度(纵向轴)大致对准的位置和取向上,就可以用单个单轴加速度计实现沿着单轴的加速度的测量。例如,加速度计可以安装到床结构上,使得加速度计测量床的纵向尺寸上的加速度。当对象纵向地躺在床上时,加速度计可以测量由移动的血液的反冲信号引起的加速度。可以假设接收到的心冲击描记加速度信号在人类对象的纵向方向上是最强的。
代替上述心冲击描记装置,可以利用脉搏波测量装置替选地获得指示对象心脏的每搏量和搏动至搏动时间两者的信号。这样的装置包括用于将压力传感器可分离地附接至对象的外表面上的位置的紧固元件。传感器单元(106)因此可以是压力传感器,该压力传感器被配置成响应于动脉压力波而生成根据组织的变形而变化的脉搏波信号,所述动脉压力波使该位置中组织下的血管扩张或收缩。信号处理单元(108)可以被配置成接收脉搏波信号并且根据脉搏波信号来计算表示对象心脏的每搏量和搏动至搏动时间的脉搏波参数。
图2示出了指示心律失常发生的示例性方法。
该方法在阶段200处通过获得BCG信号开始。可以从具有单个BCG装置的对象获得BCG信号。然后,对所获得的BCG信号进行处理,以获得多个变量。可以在阶段201中通过检测该信号中的J峰来获得搏动至搏动时间(TB2B)信号。可替选地或另外地,可以基于BCG信号中的J峰来获得表示搏动至搏动时间的倒数的心率(HR)信号。在优选实施方式中,TB2B信号被用于进一步处理和检测例如心律失常,但是心率信号(HR)也可以被提供为可以用于便利于诊断的参数。
在阶段202中通过处理所获得的相同BCG信号来获得每搏量(SV)信号,所获得的相同BCG信号被处理用于获得TB2B和/或HR信号。
为了可靠和稳健的结果,SV信号优选地不是瞬时测量结果,而是表示在单个心跳时段的不同阶段期间计算的多个BCG测量的绝对值的总和。在一个特定示例中,SV信号表示在单个心跳期间在心跳过程的特定阶段处进行的四个连续测量的绝对值的总和。通过计算在不同心跳阶段期间而不只是单个峰由血流变化产生的心冲击力所引起的对象身体加速度的不同阶段的总和,所获得的SV信号更稳健且更不易受噪声和偏移误差的影响。可替选地,心冲击描记信号的单个峰可以用作每搏量的表示,尽管这样的每搏量测量易于产生噪声和偏移误差。
此外,在阶段203中可以从所获得的相同BCG信号获得呼吸速率(RR)信号。RR信号是二次信号,其可以例如通过检测TB2B在呼吸周期中的变化来获得。RR信号不需要用于心律失常检测,但是它可以用于其他目的,例如睡眠障碍检测以及确定压力、夜间恢复和/或睡眠阶段。
可以从BCG信号获得的另一个有用的值是信号强度。这由阶段204示出。在示例性实施方式中使用的信号强度(SS)是如下信号,其表示在时间段期间接收到的BCG信号的总平均均方根强度。可以例如在滑动窗上计算SS信号。可以在0.1秒至10秒的滑动窗上计算信号强度。在一个示例性实施方式中,SS信号表示在1秒时段期间总信号强度的均方根。SS信号例如可以用于对所获得的BCG信号是否指示对象正在移动做决定。出于该目的,如来自阶段204的输出“A”所示,SS信号被馈送到图3中所示的运动检测过程。
当关于所接收的信号是仅表示背景噪声、实际检测到的BCG信号还是对象的运动做决定时,SS信号可以用作辨别信号。由低SS信号值指示的非常弱的信号强度可以指示:所接收的测量结果可能仅由噪声(例如由环境引起的振动)引起,并且对象实际上不存在以产生任何真实的BCG信号。另一方面,非常强的信号强度,即高SS信号值,可以指示对象正在移动,这使得比由实际BCG信号引起的信号更强的信号被接收。当信号强度保持在预定义的信号强度区间内时,可能所获得的信号实际上表示实际的BCG测量结果。因此SS信号可以用于运动检测以及用于将运动伪影、非窦性搏动和正常搏动彼此分离。可以基于对象的尺寸以及对象的姿势来调整预定义的信号强度区间。
优选地,基本上同时执行阶段201、202、203和204。除了如在阶段201、202、203和204中公开的那样获得TB2B和/或HR、SV、RR和SS信号之外,还可以从BCG信号获得其他信号,例如高频心率变异性(HFHRV)信号和状态信号(ST)。大的HFHRV,即大的TB2B变化,结合强SS信号也指示运动。通过将HFHRV与SS信号结合使用,可以以较高精确度检测由运动而不是实际心跳引起的BCG信号中的错误“搏动”。另一方面,高的HFHRV结合期望的信号强度区间内的SS信号用作心律失常的指示。在实施方式中,状态信号(ST)可以用作SS信号强度相对于校准参数的简化的、逐步指示。当SS信号低于正常、在正常范围内或高于正常信号强度时,状态信号(ST)可以被校准为具有特定值。因此,状态信号可以例如用来调整在信号处理中使用的设置。状态信号(ST)的使用改善了运动和实际心跳的可分性。
在阶段211中,TB2B信号还被滤波以获得经滤波的TB2B信号。通过该滤波,TB2B信号中的不是由心跳引起的真实J-峰的任何错误峰被识别并滤除。例如,对象的运动可能引起TB2B信号中的比由心跳引起的任何实际J-峰强的峰。换言之,经滤波的TB2B信号没有任何运动伪影。另一方面,一些外部源例如附近街道中的交通或附近运行的泵装置可能引起TB2B信号中的峰,但是通常这样的噪声峰比实际J-峰弱。在一个实施方式中,可以进一步处理在TB2B滤波阶段211期间被滤波的TB2B峰中的至少一些,例如以便识别对象移动的时间。用来自阶段211的输出“A”来示出将关于TB2B信号中经滤波的错误峰的信息转发到运动检测过程。
在阶段212中,SV信号还被滤波以获得经滤波的SV信号。通过该滤波,SV信号中不是由心跳引起的真SV值的任何错误值被识别并滤除。换言之,经滤波的SV信号没有任何运动伪影。例如,对象的运动可能引起SV信号中比任何实际SV信号强的峰。然而,一些非常强的SV信号值可能指示异常大的每搏量。另一方面,一些外部源例如附近街道中的交通或附近运行的泵装置可能在SV信号中显示,但是通常这样的噪声源信号值比实际SV信号弱。在一个实施方式中,可以进一步处理在SV滤波阶段212期间被滤除的SV读数中的至少一些,例如以便识别对象移动的时间。用来自阶段212的输出“A”来示出将关于SV信号中经滤波的错误峰的信息转发到运动检测过程。优选地,这样的异常SV读数用于与从阶段211获得的经滤除的高TB2B峰一起检测运动。
在阶段222中,基于经滤波的每搏量SV信号来计算真每搏量(SV)信号和每搏量变异性(SVV)信号。真SV信号现在基本上没有由不是由心跳引起的错误值引起的误差,并且因此更可靠地反映对象的实际瞬时每搏量和每搏量变化。
在阶段221中,执行正常心跳和非窦性心跳的分离。对象的正常搏动至搏动时间可以被限定为特定时间段。不仅根据对象来调整该时间段,而且还可以取决于例如由于呼吸而引起的搏动至搏动时间的正常变化来调整该时间段。众所周知,窦性心律失常引起搏动至搏动变化,并且人与人之间的呼吸性窦性心律失常的量例如取决于他们的年龄、健康和身体状况而变化。另一方面,缺乏窦性心律失常或与呼吸速率无关的窦性心律失常可能是健康问题的指示。
除了真的HR信号和/或TB2B信号之外,真的SV和SVV信号可以用作确定心律失常是正常的呼吸性窦性心律失常还是异常状况的另外的参数。例如,连续性心律失常可以降低平均每搏量,并且其通常增加每搏量变异性,特别地如果心律失常包括较晚的搏动,这导致心脏在搏动期间充盈更多的血液,并且每搏量因此增加,而下一个搏动可能在短于正常时段后进行,这导致下一个搏动的每搏量更小。
通过分析真的TB2B信号,不在搏动至搏动时间的允许变化内的任何单个异常心跳例如非窦性搏动可以被识别,并且与正常的心跳分离。在每个时间时刻针对对象限定正常TB2B。正常TB2B优选地被限定为有限长度的时间段,使得正常TB2B在夜晚期间变化。这样的时间段应当优选比对象的最长呼吸周期略长。如果时间段比呼吸周期长得多,则当呼吸节奏改变时,心跳可能被错误地识别为非窦性搏动。例如,用于限定正常TB2B的时间段可以约为10秒。基于该正常TB2B来限定时间窗,即时间段,在该时间窗期间,下一正常搏动预期在前一正常搏动之后。时间窗优选地针对每个对象个人地进行调整,并且时间窗还可以在测量时段期间例如取决于当前的睡眠阶段、呼吸速率等来进行调整。在一个实施方式中,基于对象的历史HRV数据动态地限定时间窗。时间窗的调整对于确保仅实际的异常搏动被如此识别是重要的。
如果获得的真TB2B短于或长于所限定的时间窗,则该搏动被识别为异常搏动。还可以在阶段221期间将连续性和/或持续性心律失常与正常心跳分离。
在阶段231中,基于去除任何运动伪影之后的经滤波的TB2B信号来计算真心率(HR)信号。真HR信号现在基本上没有由不是由心跳引起的错误峰引起的误差,并且因此更可靠地反映对象的实际瞬时心率。此外,在阶段231中,可以基于在阶段221中去除非窦性搏动之后的经滤波的TB2B信号来计算低频心率变异性(LFHRV)信号和极低频心率变异性(VLFHRV)信号。此外,可以在阶段231期间获得没有任何运动伪影的真呼吸速率(RR)信号。真RR信号优选地从在阶段221中已分离运动伪影和任何非窦性搏动的一个或多个信号中获得。
作为分离阶段221的结果,获得两组搏动。在阶段241中,异常搏动可以用于识别心律失常的类型以及心律失常的发生时间或时间段。可以根据异常TB2B信号和异常SV信号识别心律失常的类型。SS信号优选地用来确保在分析中仅包括由真实心跳引起的信号。异常的每搏量反映了心脏在心跳之前进行充盈所可用的时间量。因此,当TB2B比正常短时,异常每搏量可能小于正常,或者当TB2B比正常长时,每搏量可能较大。从阶段221接收的正常搏动可以用于在阶段242中识别睡眠呼吸暂停的发生,以及用于在阶段243中计算压力和夜间恢复以及确定睡眠阶段。可以在阶段242中基于HFHRV、LFHRV、VLFHRV的变化以及RR和真RR信号中至少之一来确定睡眠呼吸暂停。例如,当与正常睡眠期间的相同信号相比时,睡眠呼吸暂停可能引起降低的HFHRV、增加的LFHRV和VLFHRV以及较高变化的RR。在一些情况下,例如在不宁腿、打鼾或癫痫的情况下,增加的SS信号也可以指示睡眠呼吸暂停。可以在阶段243中基于HFHRV、LFHRV或SVV确定睡眠阶段、压力和恢复。较小或降低的HFHRV、LFHRV和/或SVV可以指示压力。增加的HFHRV、LFHRV和/或SVV指示恢复。可以根据HFHRV、LFHRV和/或SVV的变化以及RR或RR变化来检测睡眠阶段。SVV还指示呼吸深度及其变化。
可以通过外推、相关和其他统计方法从真HR信号识别许多类型的连续性或持续性心律失常。真HR、SV、SVV和原始HFHRV的组合可以用于识别过程。原始HFHRV是指连续搏动之间的搏动至搏动时间TB2B的变化。例如,这些包括但不限于:
-心动过速,其高于对象休息时的平均HR
-心动过缓,其低于平均HR,其也可能包括丢失的搏动
-非常小的窦性心律失常或SVV,其可以是脱水或糖尿病的指示
-心房颤动,其中心脏的上腔室不规则地搏动(颤抖)
-心房扑动,其导致心房搏动过快,
-心室颤动,其中由于心室内无组织的电活动而引起的心脏颤抖而不是泵送。
此外,经滤波的TB2B信号允许检测偶尔的心律失常,例如仅引起单个或少数遗漏的心跳的心脏阻滞、表现为额外心跳的室性早搏或心跳之间的其他类型的病理间隔。
当在阶段241中识别出任何类型的心律失常时,为阶段251提供关于心律失常发生的时间信息。术语关于现象的时间信息是指将现象的发生与时间诸如时间时刻或时间段(时间区间)联系在一起的信息。关于心律失常的时间信息优选地包括从识别阶段241接收的心律失常类型的识别及其定时信息。对于连续性或持续性心律失常,时间信息可以包括心律失常的类型以及关于这种类型的心律失常出现的一个或多个时间段的信息,并且对于偶尔的心律失常,例如心动过缓(丢失的搏动)或额外的搏动,时间信息可以包括心律失常的类型以及关于这种特定心律失常发生的一个或更多个时间实例的信息。
与在阶段241中识别心律失常并行,可以在阶段242中检测和识别睡眠障碍例如不同类型的睡眠呼吸暂停,并且提供检测到的睡眠障碍的时间信息作为输出。因此,睡眠障碍的时间信息包括检测到的睡眠障碍的类型以及这些睡眠障碍发生的时间实例或时间段。使用BCG信号作为基础来检测睡眠障碍的示例在专利FI 126600B中公开,根据该专利,可以基于LFHRV和VLFHRV、RR和SVV信号中至少之一来识别睡眠障碍例如睡眠呼吸暂停。然后,在阶段251中,可以将关于检测到的和识别出的睡眠障碍的时间信息与关于心律失常的时间信息结合起来,使得执业医师可以基于所结合的时间信息执行分析。结合关于睡眠障碍的时间信息和关于心律失常的时间信息便利于改善对心律失常和相关物理现象的诊断。
此外,与阶段241和242并行,在阶段243中,在阶段221和231中获得的信号可以用来确定关于对象的压力、夜间恢复和/或睡眠阶段的时间信息。例如,专利FI 126631B公开了一种方法,该方法基于包括至少RR信号、HFHRV信号和LFHRV信号的参数使用利用BCG测量获得的心率变异性来估计压力、夜间恢复和睡眠质量中至少之一。优选地,没有运动伪影以及也没有非窦性搏动的真RR、HFHRV和LFHRV信号用于该确定。可替选地,在阶段203中获得的RR信号以及基于经滤波的TB2B获得的HFHRV和LFHRV信号可以被使用。在阶段251中在每个时间点压力、恢复和/或睡眠阶段的时间信息可以优选地与心律失常的时间指示被结合提供。结合关于心律失常的时间信息提供关于压力、夜间恢复和/或睡眠质量的时间信息还便利于改善对心律失常和相关物理现象的诊断。在阶段251中提供信息可以包括例如在显示装置上呈现时间信息和/或在存储器装置上存储时间信息和/或发送时间信息。
根据一个实施方式,在阶段201中获得的原始的未滤波的HR信号可以与真HR信号或甚至与归一化的HR信号、即仅包括正常心跳的真HR信号进行比较,换言之,在阶段231中已经从其中去除由于心律失常引起的HR的任何变化。在不同的心率指示之间的这种比较可以使用从装置接收的数据为执业医师提供进一步的信息以进行改善的诊断。
图3示出使用在阶段211和212中滤除的TB2B峰和/或SV值来检测和指示对象的运动,以提供关于对象运动的时间信息。TB2B信号中的高峰可能由对象的运动引起,使得滤除的高TB2B峰的时间和强度可以用作对象运动的指示。因此,阶段341中的运动检测可以基于对被滤除的高TB2B峰的实例的检测,并且这样的经滤除的TB2B滤波器的时间实例和/或时间段可以被称为关于对象运动的时间信息。当对象移动时,SS信号为高,换言之,加速度信号的均方根平均值增加,可能超过其预定义的信号强度区间。如果从加速度计接收到的运动以及由此接收到的幅度保持在允许的范围内,则每搏量和指示TB2B变化的HFHRV将增加。可以将BCG信号的幅度与一组校准参数进行比较,以评估所测量的加速度幅度是否保持在允许的范围内。换言之,可以用一组校准参数来限定加速度信号幅度的允许范围。此外,SV信号的经滤波的值可以与TB2B峰一起用于确定对象的运动。如果对象移动,则SS增加。如果运动与测量参数相比在可接受的范围内,则SV信号和HFHRV换言之TB2B的变化增加。例如,可以使用逐步ST信号来限定该范围。可以在阶段251中将所获得的运动的时间信息与心律失常、睡眠障碍、压力、恢复和/或睡眠阶段的时间信息结合在一起。
图2和图3中所示的或以上另外提及的作为指示的所有获得的信号、处理的数据、接收到的计算结果和/或数据输出可以被存储在监测系统的存储器单元中以及被提供在接口单元处。例如,接口单元的显示器或者直接或间接耦接至接口单元的显示器可以显示以下夜晚时间线,其具有检测到的心律失常的指示以及压力、恢复、睡眠周期和睡眠呼吸暂停的指示。所获得的任何类型的数据,包括但不限于原始信号、处理后的信号和所得到的关于各种现象的时间信息,也可以被存储到用于传输数据的可移动存储器装置,用打印机打印出来,或者在本地或远程用户界面处提供例如为图形输出或文本输出。
图4示出了对TB2B信号进行滤波的实施方式。TB2B信号的总强度通常取决于例如对象的姿势而变化。因此,TB2B信号需要在有限的时间段内被分析,以使分析适应信号强度的变化。在阶段411中,计算合适的移动时间窗上的TB2B的平均均方根信号强度,其中,该时间窗与如下时间段对应,该时间段优选地比对象的呼吸周期的时段长。可以从RR信号获得呼吸周期的时段。在阶段412中,围绕平均TB2B信号强度针对J峰限定TB2B信号强度的允许变化范围。可以将TB2B信号中的每个峰与该平均值进行比较。此外,为了更可靠地检测J峰,可以在TB2B滤波过程中将SV信号与TB2B信号强度一起使用。在阶段413中,信号强度在允许信号范围之外的任何TB2B峰被认为是错误峰,即不是真J峰,并且被滤除。然后将经滤波的TB2B信号作为输入提供给阶段221。如由输出“A”所示,信号强度高于允许信号范围的经滤除的TB2B信号值可以用于运动检测。通过该滤波,不仅滤除非常强的峰,而且滤除信号强度低于允许变化范围的弱峰。然而,优选地,仅将明显强于预期的TB2B信号峰用于运动检测。
图5示出了对SV信号进行滤波的实施方式。SV信号的总强度通常取决于例如对象的姿势而变化。因此,SV信号需要在有限的时间段内被分析,以使分析适应信号强度变化。在阶段511中,限定合适的移动时间窗上的SV的平均均方根信号强度,其中,时间窗与如下时间段对应,该时间段优选地比对象的呼吸周期的时段长。可以从RR信号获得呼吸周期的时段。在阶段512中,围绕平均SV信号强度限定SV信号强度的允许SV信号强度变化范围。然后将所获得的SV信号与该平均值进行比较。在允许的信号范围之外的任何检测到的SV信号强度可以被认为指示错误的结果,即不是真SV读数,并且可以在阶段513中被滤除。然后将经滤波的SV信号作为输入提供给阶段222。通过该滤波,不仅滤除由BCG信号中的强峰引起的非常高的值,而且可以滤除信号强度低于允许的变化范围的弱峰。如由输出“A”所示,信号强度高于允许的变化范围的上述经滤除的SV信号值可以用于运动检测。然而,优选地,仅将明显强于预期的SV信号峰用于运动检测。
图6示出了显示根据本发明的通过处理单个BCG信号获得的所选信号的曲线图的示例。在现实的监测器或纸上曲线图中,可以例如以不同的颜色呈现表示所获得的信号值的不同曲线,这使得输出更直观。X轴是表示一小时时段的时间轴。Y轴表示任意标度,可以针对不同的检测的信号不同地定义任意标度。例如,HRV曲线(605)和信号强度曲线(602)优选地具有相互不同的标度,这便利于关注的信号的特性之间的视觉区分。
阶梯状睡眠阶段曲线(601)表示检测到的睡眠阶段。睡眠阶段曲线(601)的值150指示深度睡眠,值100指示浅睡眠,而值50表示REM睡眠,而值0指示对象醒着。
用信号强度曲线(602)指示对象的运动,该信号强度曲线可以用作对象运动的指示。在该示例性时段期间,对象主要睡觉而不移动,但是可以识别出少数清晰峰(602a),其指示对象已经移动,这引起强的峰。这样的峰(602a)指示需要对所获得的SV信号和TB2B信号进行滤波,以便去除运动原始伪影。
实线每搏量(SV)曲线(603)指示经滤波的每搏量,并且虚线经滤波的HRV曲线(604)指示在过滤掉由心律失常引起的HRV之后的经滤波心率变化。该曲线图中的每搏量曲线(603)是通过用指数滤波器对SV信号进行滤波而形成的,该指数滤波器可以使用例如等式y(t)=(1-k)*y(t-1)+k*(x(t))。由HRV曲线(605)指示真HRV。
基于这些测量结果,一小时的示例性时段可以被细分为不同的时段,这些不同的时段中的一些被标记在时间轴下方。在第一和最后时段(610)期间,HRV曲线显示相对小的变化,并且运动量也小,因此可以假设这些时段表示具有正常心跳的平静睡眠阶段。一些自然的HRV例如由于呼吸性心率变化而发生。在正常心跳的这些时段期间,用平滑实线标记的表示真每搏量信号的每搏量曲线(603)保持在相当稳定的水平,从所述真每搏量信号已滤除例如由运动引起的任何伪影,并且用虚线标记且表示任何异常搏动被从其过滤掉的HRV的经滤波的HRV曲线(604)保持相当稳定。然而,在真HRV曲线中可以检测到单个高峰(605a),这可能指示一两个偶尔的异常心跳。
时段611示出由于对象的运动而引起的信号水平的变化,这也引起真HRV信号的强度和变化两者的增加。然而,高的总信号强度(高SS)表明,该高度地变化的真HRV信号可能不是由心律失常引起的,而是对象的运动引起错误的检测。换言之,会另外表现为异常短的TB2B或异常SV信号的信号可能仅仅由对象的运动引起。除了异常HRV之外或者与异常HRV结合,还可以通过跟踪总信号强度(SS信号)来检测对象的运动。
时段612示出具有高的真HRV的时段,但是对象的运动非常小,因为信号强度(602)在用于信号强度信号(602)的标度中基本上保持恒定为零。在该时段期间,真HRV信号(605)的高水平和变化给出了持续性或连续性心律失常的明确指示。此外,SV信号(603)值低于正常心跳时段(610)期间的值,这指示在该时段期间心跳没有产生正常每搏量。该信息进一步证实HRV信号的变化是由心律失常引起的。
图7示出了显示根据本发明的通过处理单个BCG信号而获得的信号的曲线图的另一示例,表示在大约6小时睡眠的情况下一整晚的记录。该曲线图显示以下输出,其具有阶梯状睡眠阶段信号(601)、实线每搏量信号(603)、虚线心率变异性信号(605)和信号强度信号(602)。出于说明目的,Y轴表示便利于各种信号之间的清晰区分的任意标度。如睡眠曲线(601)从指示睡眠之前醒着的值-50上升到指示浅睡眠的值100所示,对象首先醒着,但在约0.15至0.20小时入睡。刚好在记录的两小时之后的时段611a提供了SS信号具有一些高峰的时段的示例,其指示对象正在移动并且睡眠浅。可以在记录的约6小时找到具有大量运动的另一时段611b。该时段主要表示REM睡眠,其中睡眠阶段信号601的值为50。在这样的运动时段期间,在每搏量信号中存在大量变化,但是SS信号值指示这些变化不太可能由异常心跳引起,而是由对象的运动引起。
时段610是没有检测到心律失常的正常、平静的深睡眠的示例性时段,与图6的时段610类似。每搏量信号(603)指示在正常睡眠和心跳时段610期间良好和健康的每搏量。心率变化信号(605)具有比例如在0小时与1小时之间的第一浅睡眠时段期间更高的值。这可能是由于在睡眠期间已经发生恢复引起。
图7还显示了持续性或连续性心律失常的时段(612,613)。可以从以下组合来识别心律失常:由信号强度信号(602)指示的很少或没有运动,但是增加的HRV信号(605),换言之,心率变异性HRV信号(605)值高于正常睡眠时段期间(610),和/或搏动至搏动时间异常。可以更详细地分析在该时段的心律失常期间获得的心跳TB2B和/或HRV信号,以识别心律失常的类型。
时段613还包括大体上正常的信号强度(SS)水平,其指示仅具有两个信号强度信号(602)峰的安静深睡眠,但HRV信号(605)中存在显著变化。例如与先前的睡眠时段相比,总的每搏量信号(603)水平的下降还指示异常心跳情况的发生,从而指示心脏的腔室在该时段期间不能充分利用其正常容量。每搏量(603)略低于正常心跳期间(610),并且HRV信号(605)明显高于正常心跳期间(610)。这些都是心律失常的清楚指示。
虽然从单个加速度计接收的所获得的BCG信号非常弱,但是来自环境例如附近的交通或诸如泵的机械装置的噪声仍可能导致会被检测到的加速度信号,所述加速度信号可能被错误地解释为对象的BCG信号。然而,通常可以将这样的噪声源信号与从真实对象获得的信号区分开。通常,由环境引起的信号具有比从对象获得的信号低的信号强度。因此,如果信号强度非常弱,则异常的搏动至搏动时间、每搏量或过高的HRV由于可能由噪声引起而可以被忽略。
图8示出了在几分钟的时段期间的示例性检测到的心律失常期间的信号强度和搏动至搏动时间的曲线图。由实线示出的信号强度(602)在指示没有运动的水平中或可能被解释为仅是噪声的弱信号水平中保持相对稳定。因此,可以预期该曲线图表示对象的实际获得的搏动至搏动时间。然而,用点标记的搏动至搏动时间(801)显著变化,并形成清晰的组。大部分搏动至搏动时间(801)具有500毫秒至1200毫秒范围内的值,但是搏动至搏动时间的另一个清晰可见的组可以在大约1500毫秒至2000毫秒之间的范围内看到。这样的正常和延长的搏动至搏动时间(801)的模式指示心动过缓的发生,这意味着丢失或延迟的心跳。
图9示出了在图8的曲线图中所示的相同时间段上的被称为庞加莱或洛伦兹曲线图的示例性重现图,其示出对连续的搏动至搏动时间之间的差的另一视图。该曲线图将每个搏动至搏动时间B2BT(n)与前一个搏动至搏动时间B2BT(n-1)进行比较。在该曲线图中,正常的搏动至搏动时间形成第一组(901),同时示出了两个相对对称放置的侧组(902),其指示延长的、大约两倍的搏动至搏动时间。基于搏动至搏动时间的指示的变化,心律失常的类型可以被识别为心动过缓。
对于本领域技术人员明显的是,随着技术进步,本发明的基本构思可以以各种方式实现。因此,本发明及其实施方式不限于以上示例,而是可以在权利要求的范围内变化。
Claims (13)
1.一种提供关于对象的时间信息的方法,所述方法包括:
-接收对象的心冲击描记BCG信号;
-处理所述心冲击描记信号以获得至少搏动至搏动时间TB2B信号和每搏量SV信号;
-通过对所述TB2B信号进行滤波以去除不是由心跳引起的错误TB2B信号峰来产生经滤波的TB2B信号,其中,对所述TB2B信号进行所述滤波包括:
-计算第一时间段上的平均TB2B信号强度;
-限定所述TB2B信号强度的允许变化范围;以及
-从所述TB2B信号去除在所述允许变化范围内不适配的任何峰,以产生所述经滤波的TB2B信号;
-通过对所述SV信号进行滤波以去除不是由心跳引起的错误SV信号值来产生经滤波的SV信号;
-根据所述经滤波的TB2B信号计算真心率HR信号,其中,所述真心率HR信号基本上没有由错误峰引起的误差,所述错误峰不由心跳引起;
-根据所述经滤波的SV信号计算真SV信号和每搏量变异性SVV信号;
-对所述真心率HR信号进行滤波以检测异常心跳,以及对所述真SV信号和所述SVV信号中至少之一进行滤波以用于检测所述每搏量的变化的改变并使用所述每搏量的变化的这样的改变作为便利于异常心跳与正常心跳的分离的另外的参数;以及
-如果检测到异常心跳,还识别与所检测到的异常心跳相关的心律失常的类型;以及
-输出关于所识别的心律失常的发生和类型的时间信息以及关于所检测到的每搏量的变化的改变的时间信息,
其中,所述方法还包括:
-结合对所述TB2B信号进行滤波和对所述SV信号进行滤波,获得关于所述错误TB2B信号峰和错误SV信号值中至少之一的发生的信息;
-通过计算所接收的心冲击描记信号的强度的平均均方根来获得信号强度SS信号;
-使用所述SS信号来辨别所接收的信号是表示实际检测到的BCG信号、背景噪声还是所述对象的运动,其中,在预定义信号强度区间内的SS信号被认为表示实际的BCG测量结果,比所述预定义信号强度区间弱的SS信号被认为表示噪声,并且比所述预定义信号强度区间强的SS信号被认为表示所述对象的运动;以及
-基于关于所述错误TB2B信号峰和所述错误SV信号值中至少之一的发生的所述信息来输出所述对象的运动的时间指示。
2.根据权利要求1所述的方法,还包括:
-计算呼吸速率RR信号;
-根据所述经滤波的TB2B信号计算高频心率变异性HFHRV信号以及低频心率变化LFHRV信号、极低频心率变化VLFHRV信号中至少之一;
-分析所述经滤波的SV信号、所述RR信号以及所述LFHRV信号和所述VLFHRV信号中至少之一以确定睡眠障碍的发生,并且如果一个或更多个睡眠障碍实例被确定已发生,则识别睡眠障碍的类型,并结合关于心律失常的所述时间信息来输出关于睡眠障碍的所述发生和所识别的类型的时间信息;以及
-分析至少所述RR信号、所述HFHRV信号和所述LFHRV信号以确定压力、恢复和睡眠阶段中至少之一的时间信息,并结合关于心律失常的所述时间信息来输出关于所确定的压力、恢复和睡眠阶段中至少之一的相应时间信息。
3.根据权利要求1至2中任一项所述的方法,其中,对所述SV信号进行所述滤波包括:
-计算第二时间段上的平均SV信号强度;
-限定所述SV信号值的允许变化范围;以及
-从所述SV信号去除在所述允许变化范围内不适配的任何值,以产生所述经滤波的SV信号。
4.根据权利要求1或2所述的方法,其中,对所述真心率HR信号进行所述滤波包括:
-限定第三时间段期间的正常搏动至搏动时间;
-指定与所述第三时间段期间的所述搏动至搏动时间的正常变化对应的时间窗;以及
-将短于或长于所述时间窗的任何搏动至搏动时间识别为异常心跳。
5.根据权利要求4所述的方法,其中,基于所述对象的历史HRV数据动态地限定所述时间窗。
6.根据权利要求1或2所述的方法,其中,所述方法还包括:
-从测量所述对象的纵向方向上的加速度的加速度计来获得所述对象的心冲击描记信号。
7.一种提供关于对象的时间信息的系统,所述系统包括:
-加速度计,其被配置成获得对象的心冲击描记BCG信号;
-处理装置,其被配置成处理所述心冲击描记信号以获得至少搏动至搏动时间TB2B信号、呼吸速率RR信号和每搏量SV信号,其中,
所述处理装置包括:
-第一滤波器,其被配置成通过对所述TB2B信号进行滤波以去除不是由心跳引起的错误TB2B信号峰来产生经滤波的TB2B信号,其中,所述第一滤波器被配置成:
-计算第一时间段上的平均TB2B信号强度;
-限定所述TB2B信号强度的允许变化范围;以及
-从所述TB2B信号去除在所述允许变化范围内不适配的任何峰,以产生所述经滤波的TB2B信号;
-第二滤波器,其被配置成通过对所述SV信号进行滤波以去除不是由心跳引起的错误SV信号值来产生经滤波的SV信号;
-被配置成根据所述经滤波的TB2B信号计算真心率HR信号的计算装置,其中,所述真心率HR信号基本上没有由错误峰引起的误差,所述错误峰不由心跳引起;
-被配置成根据所述经滤波的SV信号计算真SV信号和每搏量变异性SVV信号的计算装置;
-第三滤波器,其被配置成对所述真心率HR信号进行滤波以检测异常心跳;
其中,所述处理装置被配置成对所述真SV信号和所述SVV信号进行滤波以用于检测所述每搏量的变化的改变并使用所述每搏量的变化的这样的改变作为便利于异常心跳与正常心跳的分离的另外的参数,以及如果检测到异常心跳,则所述处理装置还被配置成:识别与所述异常心跳相关的心律失常的类型,并输出关于所识别的心律失常的发生和类型的时间信息以及关于所检测到的每搏量的变化的时间信息,其中,所述处理装置还被配置成:
-结合对所述TB2B信号进行滤波和对所述SV信号进行滤波,获得关于所述错误TB2B信号峰和所述错误SV信号值中至少之一的发生的信息;
-通过计算所接收的心冲击描记信号的强度的平均均方根来获得信号强度SS信号;以及
-使用所述SS信号来辨别所接收的信号是表示实际检测到的BCG信号、背景噪声还是所述对象的运动,其中,在预定义信号强度区间内的SS信号被认为表示实际的BCG测量结果,比所述预定义信号强度区间弱的SS信号被认为表示噪声,并且比所述预定义信号强度区间强的SS信号被认为表示所述对象的运动,并且其中,所述系统中包括的输出单元被配置成基于关于所述错误TB2B信号峰和所述错误SV信号值中至少之一的发生的所述信息来提供所述对象的运动的时间指示。
8.根据权利要求7所述的系统,其中,所述处理装置还被配置成:
-计算呼吸速率RR信号;
-根据所述经滤波的TB2B信号来计算高频心率变异性HFHRV信号以及低频心率变化LFHRV信号和极低频心率变化VLFHRV信号中至少之一;
-分析所述SV信号、所述RR信号以及所述LFHRV信号和所述VLFHRV信号中至少之一以确定睡眠障碍的发生,并且如果一个或更多个睡眠障碍实例被确定已发生,则识别睡眠障碍的类型;
-结合关于心律失常的所述时间信息输出关于睡眠障碍的所述发生和所识别的类型的时间信息;
-通过分析至少所述RR信号、所述HFHRV信号和所述LFHRV信号确定关于压力、夜间恢复和睡眠阶段中至少之一的时间信息;以及
-结合关于心律失常的所述时间信息输出关于所确定的压力、恢复和睡眠阶段和睡眠障碍中至少之一的时间信息。
9.根据权利要求7至8中任一项所述的系统,其中,对所述SV信号进行所述滤波包括:
-计算第二时间段上的平均SV信号强度;
-限定所述SV信号值的允许变化范围;以及
-从所述SV信号去除在所述允许变化范围内不适配的任何值,以产生所述经滤波的SV信号。
10.根据权利要求7或8所述的系统,其中,对所述真心率HR信号进行所述滤波包括:
-限定第三时间段期间的正常搏动至搏动时间;
-指定与所述第三时间段期间的所述搏动至搏动时间的正常变化对应的时间窗;以及
-将短于或长于所述时间窗的任何搏动至搏动时间识别为指示心律失常的异常心跳。
11.根据权利要求10所述的系统,其中,基于所述对象的历史HRV数据动态地限定所述时间窗。
12.根据权利要求7或8所述的系统,其中,所述加速度计被配置成通过测量所述对象的纵向方向上的加速度来获得所述对象的心冲击描记信号。
13.一种被配置成执行提供关于对象的时间信息的方法的计算机程序产品,其在由计算装置或系统执行时使得所述计算系统或装置执行如下步骤:
-接收对象的心冲击描记BCG信号;
-处理所述心冲击描记信号以获得至少搏动至搏动时间TB2B信号和每搏量SV信号;
-通过对所述TB2B信号进行滤波以去除不是由心跳引起的错误TB2B信号峰来产生经滤波的TB2B信号,其中,对所述TB2B信号进行所述滤波包括:
-计算第一时间段上的平均TB2B信号强度;
-限定所述TB2B信号强度的允许变化范围;以及
-从所述TB2B信号去除在所述允许变化范围内不适配的任何峰,以产生所述经滤波的TB2B信号;
-通过对所述SV信号进行滤波以去除不是由心跳引起的错误SV信号值来产生经滤波的SV信号;
-根据所述经滤波的TB2B信号计算真心率HR信号,其中,所述真心率HR信号基本上没有由错误峰引起的误差,所述错误峰不由心跳引起;
-根据所述经滤波的SV信号计算真SV信号和每搏量变异性SVV信号;
-对所述真心率HR信号进行滤波以检测异常心跳,以及对所述真SV信号和所述SVV信号中至少之一进行滤波以用于检测所述每搏量的变化的改变并使用所述每搏量的变化的这样的改变作为便利于异常心跳与正常心跳的分离的另外的参数;以及
-如果检测到异常心跳,还识别与所检测到的异常心跳相关的心律失常的类型;以及
-输出关于所识别的心律失常的发生和类型的时间信息以及关于所检测到的每搏量的变化的改变的时间信息,
其中,所述步骤还包括:
-结合对所述TB2B信号进行滤波和对所述SV信号进行滤波,获得关于所述错误TB2B信号峰和错误SV信号值中至少之一的发生的信息;
-通过计算所接收的心冲击描记信号的强度的平均均方根来获得信号强度SS信号;
-使用所述SS信号来辨别所接收的信号是表示实际检测到的BCG信号、背景噪声还是所述对象的运动,其中,在预定义信号强度区间内的SS信号被认为表示实际的BCG测量结果,比所述预定义信号强度区间弱的SS信号被认为表示噪声,并且比所述预定义信号强度区间强的SS信号被认为表示所述对象的运动;以及
-基于关于所述错误TB2B信号峰和所述错误SV信号值中至少之一的发生的所述信息来输出所述对象的运动的时间指示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20185659 | 2018-07-27 | ||
FI20185659 | 2018-07-27 | ||
PCT/IB2019/055952 WO2020021377A1 (en) | 2018-07-27 | 2019-07-12 | Providing temporal information of a subject |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112512419A CN112512419A (zh) | 2021-03-16 |
CN112512419B true CN112512419B (zh) | 2024-10-01 |
Family
ID=67551398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980050134.5A Active CN112512419B (zh) | 2018-07-27 | 2019-07-12 | 提供对象的时间信息 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210228108A1 (zh) |
EP (1) | EP3829435A1 (zh) |
JP (1) | JP7180776B2 (zh) |
CN (1) | CN112512419B (zh) |
WO (1) | WO2020021377A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111035367B (zh) * | 2019-12-31 | 2021-05-18 | 华南师范大学 | 一种用于判断睡眠呼吸暂停的信号检测系统 |
JP7614584B2 (ja) | 2020-08-19 | 2025-01-16 | セコム株式会社 | 検出装置、検出方法及びプログラム |
WO2022056148A1 (en) * | 2020-09-10 | 2022-03-17 | Frictionless Systems, LLC | Mental state monitoring system |
MX2023007484A (es) * | 2020-12-25 | 2023-08-24 | Astellas Pharma Inc | Dispositivo y programa de asistencia de deteccion de estados arritmicos. |
KR102718009B1 (ko) * | 2022-09-08 | 2024-10-16 | (주)허니냅스 | 심박수 측정 장치 및 방법 |
WO2024262325A1 (ja) * | 2023-06-20 | 2024-12-26 | パナソニックIpマネジメント株式会社 | 表示制御装置、個室ブース、表示方法、及び、プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI20155577A (fi) * | 2015-08-10 | 2017-02-11 | Murata Manufacturing Co | Unen ilmiöiden havaitseminen ballistokardiografiaa käyttäen |
EP3135194A1 (en) * | 2015-08-28 | 2017-03-01 | Universite Libre De Bruxelles | Improvements in or relating to heart monitoring |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8870780B2 (en) * | 2008-10-15 | 2014-10-28 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for monitoring heart function |
WO2010067297A1 (en) * | 2008-12-11 | 2010-06-17 | Koninklijke Philips Electronics N.V. | Method and apparatus for the analysis of ballistocardiogram signals |
JP2012055390A (ja) * | 2010-09-07 | 2012-03-22 | Kuniyuki Nagatomo | 皮膚のインピーダンス特性解析装置、及び、生体診断支援装置 |
US10292625B2 (en) * | 2010-12-07 | 2019-05-21 | Earlysense Ltd. | Monitoring a sleeping subject |
JP6336963B2 (ja) * | 2012-04-23 | 2018-06-06 | プレコルディール オサケユイチア | 心臓の機能不全と異常を表す情報を測定するための方法及び器械 |
US10638942B2 (en) * | 2013-06-26 | 2020-05-05 | Massachusetts Institute Of Technology | Pulse detection from head motions in video |
FI126008B (en) * | 2013-09-13 | 2016-05-31 | Murata Manufacturing Co | cardiac monitoring system |
US20150164351A1 (en) * | 2013-10-23 | 2015-06-18 | Quanttus, Inc. | Calculating pulse transit time from chest vibrations |
FI126631B (en) | 2014-07-28 | 2017-03-15 | Murata Manufacturing Co | Method and apparatus for monitoring stress |
US20180049701A1 (en) | 2015-03-13 | 2018-02-22 | Emfit Oy | Mattress for resting or sleeping of a person |
JP6599723B2 (ja) | 2015-10-01 | 2019-10-30 | ヘルスセンシング株式会社 | 生体情報取得装置及び信号処理方法 |
US10105547B2 (en) * | 2015-11-02 | 2018-10-23 | West Affum Holdings Corp. | Wearable cardioverter defibrillator (WCD) causing patient's QRS width to be plotted against the heart rate |
US10398381B1 (en) * | 2015-11-19 | 2019-09-03 | Fitbit, Inc. | System and method for characterizing cardiac arrhythmia |
US11045095B2 (en) * | 2016-03-11 | 2021-06-29 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for non-contact monitoring of ballistocardiogram, photoplethysmogram, blood pressure and abnormal heart rhythm |
WO2018032042A1 (en) | 2016-08-15 | 2018-02-22 | Resmed Limited | Apparatus and methods for monitoring cardio-respiratory disorders |
EP3305180A1 (en) * | 2016-10-05 | 2018-04-11 | Murata Manufacturing Co., Ltd. | Method and apparatus for monitoring heartbeats |
WO2019126866A1 (en) * | 2017-12-28 | 2019-07-04 | Heart Force Medical Inc. | Sensor apparatuses, methods of operating same, and systems including same, and methods and systems for sensing and analyzing electromechanical characteristics of a heart |
US10849531B2 (en) * | 2018-04-17 | 2020-12-01 | Samsung Electronics Co., Ltd. | Systematic apparatus for motion sensor and optical sensor based cardiac arrhythmia triage |
-
2019
- 2019-07-12 WO PCT/IB2019/055952 patent/WO2020021377A1/en active Search and Examination
- 2019-07-12 CN CN201980050134.5A patent/CN112512419B/zh active Active
- 2019-07-12 EP EP19750177.8A patent/EP3829435A1/en active Pending
- 2019-07-12 US US17/263,518 patent/US20210228108A1/en active Pending
- 2019-07-12 JP JP2021528015A patent/JP7180776B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI20155577A (fi) * | 2015-08-10 | 2017-02-11 | Murata Manufacturing Co | Unen ilmiöiden havaitseminen ballistokardiografiaa käyttäen |
EP3135194A1 (en) * | 2015-08-28 | 2017-03-01 | Universite Libre De Bruxelles | Improvements in or relating to heart monitoring |
Also Published As
Publication number | Publication date |
---|---|
US20210228108A1 (en) | 2021-07-29 |
JP7180776B2 (ja) | 2022-11-30 |
EP3829435A1 (en) | 2021-06-09 |
CN112512419A (zh) | 2021-03-16 |
JP2021535817A (ja) | 2021-12-23 |
WO2020021377A1 (en) | 2020-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112512419B (zh) | 提供对象的时间信息 | |
EP3334337B1 (en) | Monitoring of sleep phenomena | |
EP2317919B1 (en) | Ballistocardiogram analysis method and device | |
EP1684626B1 (en) | Method and system for processing data from ambulatory physiological monitoring | |
JP5281002B2 (ja) | うっ血性心不全患者の携帯型自動モニタリング | |
EP3174458B1 (en) | Method and system for monitoring stress | |
US20190159722A1 (en) | Biological information analysis device, system, and program | |
CN109328034B (zh) | 用于确定对象的睡眠阶段的确定系统和方法 | |
EP1259157B1 (en) | Method and apparatus for the non-invasive detection of particular sleep-state conditions by monitoring the peripheral vascular system | |
CN105142515A (zh) | 测定有利于唤醒的人类睡眠阶段的方法 | |
WO2009150765A1 (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
JP2011115188A (ja) | 睡眠状態モニタリング装置、モニタリングシステムおよびコンピュータプログラム | |
JP2000325315A (ja) | 睡眠段階判定方法および睡眠段階判定装置 | |
US11291406B2 (en) | System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep | |
WO2016093347A1 (ja) | 生体状態分析装置及びコンピュータプログラム | |
JP6860569B2 (ja) | 心不全のリスクを決定する決定システム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |