用于评估与用户的生理状态有关的估计指标的可靠性的方法、设备和系统与流程

本发明涉及用于评估与用户的生理状态有关的估计指标的可靠性的方法、设备和系统。

背景技术：

1、为了改善患者护理、减少住院时间和提高患者疗效，连续、隐蔽和远程监测活动和生命指标正变得越来越流行。走动速度(即，行走速度)被认为是第六生命体征并且能够用于在临床实践中评估患者的身体表现并确定虚弱和相关联的健康风险。活动水平(例如，以计步的形式)能够评估患者在医院中的总移动水平，并且帮助将对活动的生理反应情境化。所有这些指标在走动患者监测设备中变得特别相关，以增强医院的决策过程(例如，与出院准备有关的决策过程)；迄今为止，在大多数情况下，出院准备依赖于护士对活动和患者状况的主观输入。

2、存在几种用于估计生理指标和解剖指标(特别是走动指标)的算法。在这些算法中，大多数算法都使用(例如通过在体加速度计、光电体积描记法(ppg)和心电图(ecg)获得的)加速度信号和心血管信号的特征以及数据分析技术(例如，线性回归和机器学习)来估计指标(例如，行走速度、步数和行走经济性)。

3、us2013/0138007a1描述了一种测量用户心率的技术。所公开的心跳测量设备包括：信息存储单元，其存储关于用户特有心率的特有信息或关于在用户中检测到的心跳的信息；以及确定单元，其基于存储在信息存储单元中的特有信息或关于心跳的信息来确定用户的心跳测量状态是否正常。

4、在us2015/0099945a1和us2013/0080255a1中描述了用于估计生理指标或解剖指标的其他方法。

5、对于每一种算法，由于不可预见的数据或所使用的特征和数据分析技术的固有限制，估计值可能会偏离实际值。事实上，走动指标估计值总是以一定量的误差来表征的。然而，可能并不总是能够改善所提到的估计方法的估计结果，且这种改善并不保证在新的数据上不会出现估计误差。不幸的是，这些估计误差可能会导致对患者状态的错误评估。除了在临床决策中的所述严重后果之外，对用户生理指标或解剖指标的错误估计可能会导致对用户体质水平的错误评估，由此导致不适当的训练计划。此外，这种错误估计可能会导致不适当的，甚至有害的饮食计划。

6、因此，准确估计生理指标和解剖指标(特别是走动指标)对于以高(或至少已知的)可靠性评估患者的状态或人的健康是重要的。因此，需要使这些误差最小化。特别地，评估可靠性对于保证估计的生理指标的质量变得至关重要。

技术实现思路

1、本发明的目的是提高与用户的生理状态有关的估计指标的可靠性，由此更准确地评估用户的健康状态。特别地，本发明的目的是提高与用户的行走能力有关的估计指标的可靠性。

2、在本发明的第一方面，提出了一种用于评估与用户的生理状态有关的估计指标的可靠性的方法，所述方法包括：

3、获得与所述用户的所述生理状态有关的一个或多个传感器信号；

4、基于所述一个或多个传感器信号，使用不同的方法和/或算法来彼此独立地估计第一指标和第二指标，其中，所述第一指标是通过第一数学函数与所述第二指标进行关联的；

5、确定所述第一数学函数的第一值；

6、将所述第一值与所述第一值的边界进行比较；

7、基于所述比较来评估针对所述第一指标和/或所述第二指标的估计结果的可靠性评级；并且

8、输出所评估的可靠性评级。

9、在本发明的另外的方面，提出了一种用于评估与用户的生理状态有关的估计指标的可靠性的设备，所述设备包括：

10、传感器输入部，其被配置为获得与所述用户的所述生理状态有关的一个或多个传感器信号；

11、处理器，其被配置为：

12、基于所述一个或多个传感器信号，使用不同的方法和/或算法来彼此独立地估计第一指标和第二指标，其中，所述第一指标是通过第一数学函数与所述第二指标进行关联的；

13、确定所述第一数学函数的第一值；

14、将所述第一值与所述第一值的边界进行比较；并且

15、基于所述比较来评估针对所述第一指标和/或所述第二指标的估计结果的可靠性评级；以及

16、信息输出部，其被配置为输出所评估的可靠性评级。

17、在本发明的又一方面，提出了一种用于评估与用户的生理状态有关的估计指标的可靠性的系统，所述系统包括：

18、传感器，其被配置为测量与所述用户的所述生理状态有关的一个或多个传感器信号；

19、本文公开的设备；以及

20、用户接口，其被配置为发布所述设备的所述可靠性评级。

21、在本发明的又另外的方面，提供了一种对应的计算机程序，其包括程序代码单元，当所述计算机程序在计算机上被执行时，所述程序代码单元用于使所述计算机执行本文公开的方法的步骤；还提供了一种非瞬态计算机可读记录介质，其中存储有计算机程序产品，所述计算机程序产品在由处理器运行时使本文公开的方法被执行。

22、在从属权利要求中定义了本发明的优选实施例。应当理解，所要求保护的设备、系统、计算机程序和介质具有与所要求保护的方法(特别是与从属权利要求所定义的和本文所公开的方法)相似和/或相同的优选实施例。

23、用于估计生理指标或解剖指标(特别是走动指标)的常规方法不如所要求的那样准确。特别地，与真实值相差很大的估计值往往得不到认可。从加速度估计值到心脏信号估计值的多种生理参数和解剖参数估计值都是这种情况。

24、本发明提出了一种方法，其中，基于彼此有关的两个或更多个估计指标的关系的生物力学边界和生理学边界来估计这两个或更多个估计指标的可靠性。换句话说，提出了通过基于彼此有关的不同指标的关系的生物力学边界、生理学边界或解剖学边界对这两个指标的交叉检查来评估生理(或解剖)指标(特别是走动指标)的估计结果的可靠性。

25、对于许多临床决策过程来说，确定估计结果何时正确是至关重要的，因为与用户健康有关的决策应当基于可靠的指标。此外，只有在精确知晓指标的可靠性(即，所使用的估计算法的输出，或者换句话说，活动或生命参数的估计结果)的情况下，才能拒绝(即，挑选出)显著偏离真实值的指标，并且在进一步的考虑中忽略这些显著偏离真实值的指标。此外，知晓估计指标的可靠性可以帮助改进算法以获得更加可靠的结果。

26、在所提出的方法中，监测用户活动(和/或生命参数)并且根据监测设备的信号来计算(或更精确地说，估计)至少两个与边界有关的生理(或解剖)指标。为了估计这些指标，可以使用一种或多种方法(特别是算法)。然后，对一个指标是否遵守由(一个或多个)其他指标规定的边界(并且优选地，反之亦然)进行评估。在没有遵守(一个或多个)边界的情况下，可以以特定的方式标记/标注(一个或多个)对应的指标，使得在进一步的考虑中能够忽略这样的(一个或多个)不可靠的指标。例如，可以将不遵守另一指标的边界的指标标注为“不可靠”，并且/或者可以为所述指标提供特定的可靠性分数。

27、更精确地说，可以使用方法g来估计第一指标a，并且可以使用方法h来估计第二指标b，其中，g和h是使用一个或多个传感器信号的一个或多个特征的方法(或算法)。函数g和h的特征集可以相同，也可以不同。特别地，每个特征集的部分特征可以是相同的。然而，通常可以彼此独立地估计这些指标。所提到的一个或多个特征可以包括例如以下各项中的任一项：加速度信号的周期性、加速度信号的标准偏差、(例如来自气压计的)压力信号的斜率、平均心率、最大心率，以及呼吸率范围。

28、第一指标a和第二指标b可以通过第一数学函数进行彼此关联。例如，a和b可以经由第三指标f(a，b)进行彼此关联，使得f(a，b)＝a/b。通过将指标值插入函数f(a，b)，能够确定第一值c。然后，将所述第一值c与针对所述值的边界(或者更精确地说，函数的可能值的边界)进行比较，并且基于该比较的结果来评估第一指标和/或第二指标是否可靠。

29、所提出的想法源于不同生理指标的值可能彼此定界的事实(即，一个指标可以定义另一指标的最小值和/或最大值)。不是基于第一值c的最大值和最小值来定义这些指标中的每个指标的边界，而是能够经由f(a，b)＝a/b来获得估计的第一值c并对其定界以得到指标a和指标b的可靠性。

30、例如，行走速度和步频(即，步子节奏)这两个走动指标基于步长进行彼此关联；行走速度[t]＝测量_步频[t]*测量_步长。此外，这两个指标彼此定界。可以从一个或多个传感器信号中提取这些指标(分别作为第一指标和第二指标的示例)。例如，可以基于由惯性传感器(例如，加速度计或陀螺仪)提供的信号来估计行走速度。同时，可以根据相同的传感器信号或另一传感器信号(使用相同或其他信号特征)来估计用户的步频。由于行走速度这一第一指标是通过步长函数与步频这一第二指标进行关联的，因此可以根据这两个指标的估计结果来计算步长函数的值(即，第一值)。由于步长表示有界值(上下均有界)，因此所估计的(即，所计算的)步长可以与其边界进行比较。

31、通常，第一值与其边界的比较可以包括直接比较以及间接比较。

32、在直接比较中，可以检查第一值是否遵守其边界，即，第一值是低于、等于还是高于该边界。直接比较还可以包括计算第一值与边界之差。例如，在上述示例中，可以检查估计步长值是否小于针对步长上限。同样，可以计算步长上限与估计步长值之差。

33、另一方面，在间接比较中，可能并不将第一值与边界进行直接比较，而是通过将第一值与边界的函数进行比较来进行间接比较。例如，边界的函数可以是边界与第一值之差的函数。在上面的示例中，可以计算包括步长估计值与其边界之差的函数。此外，也可以将函数的评价结果与边界进行比较。

34、然后，可以使用比较的结果来评估关于第一指标和/或第二指标的估计结果的可靠性评级。可以直接输出可靠性评级，也可以在输出前过滤可靠性评级。例如，可以将低于(或高于)预定义极限值的可靠性评级归类为不可靠，因此可以不输出这些可靠性评级。另一方面，可以只输出低于(或高于)预定义极限值的可靠性评级。

35、通常，可以使用不同的方法/算法来确定多个第一指标和/或第二指标(的值)。因此，可以使用这些指标来确定数学函数的多个第一值，并且可以将这多个第一值与第一值的边界进行比较。因此，可以基于所述比较来评估针对第一指标和/或第二指标的估计结果的多个可靠性评级。然后可以分析这多个可靠性评级，并且可以根据这些可靠性评级来选择用于确定这些指标的方法。特别地，只会使用那些已经使对应指标的可靠性评级高于预定阈值的指标估计方法。因此，能够进一步提高指标估计结果的可靠性。

36、本发明的主要应用涉及医院和家庭中的健康监测，特别关注睡眠和呼吸护理、生命体征感测和相关联的感测。

37、在所述方法的实施例中，将所述第一值与所述第一值的所述边界进行比较包括：确定所述第一值是否满足所述第一数学函数与所述边界之间的关系。

38、第一数学函数与边界之间的关系可以包括等式或不等式。因此，检查第一值是否满足所述等式或不等式。例如，第一值可以是a/b，其中，a是第一指标，并且b是第二指标，并且可以检查a/b是否＜c，c表示边界值。通常，第一数学函数之间的关系可以包括以下各项中的任一项：第一数学函数与边界之差、第一数学函数与边界之和、第一数学函数与边界的分数，以及第一数学函数与边界之积。

39、边界可以是依赖于时间的或依赖于用户的。用户依赖性可以包括对以下各项中的任一项的依赖性：用户的年龄、体重、身高、性别、腿长、脚大小或任何其他生理或解剖特征。

40、在实施例中，所述边界是下限和/或上限。

41、例如，第一指标可以是行走速度，并且第二指标可以是步频。这两个指标经由步长进行关联。用户的步长值由生理/解剖限制(例如，用户(或一般人)的腿长)来定界。因此，第一值的边界可以是步长上限。以类似的方式，可以定义步长值的下限或另一第一值。

42、在另一示例中，第一指标可以是用户的心率，并且第二指标可以是用户(在特定活动期间)的活动计数。这些指标之间的关系高度依赖于用户的体质水平。能够用vo2max(即，在递增锻炼期间测得的最大耗氧率)(它是有界的)来表示体质。可以基于用户的身体特性(例如，体重、bmi、无脂肪质量，以及年龄)来确定vo2max的下限和上限。

43、作为示例，可以将下限设置为0，并且可以将上限设置为(正)无穷大。

44、在另一实施例中，将所述第一值与所述第一值的所述边界进行比较包括：确定所述第一值是否高于所述下限并且/或者低于所述上限。

45、同样，可以确定第一值是否等于或低于下限和/或第一值是否等于或高于上限。例如，可以将估计步长值与下限进行比较，包括确定估计步长值是否高于所述下限。

46、在另一实施例中，所述方法的所述边界是预定的，或者所述方法还包括：基于先前的第一指标、先前的第二指标、先前的第一值或所述一个或多个传感器信号中的任一项来估计所述边界。

47、可以从文献中确定边界(特别是下限和/或上限)。例如，如从文献中知晓的，在行走期间，人的最小步长可以是30cm，并且最大步长可以是90cm。然而，在跑步期间，这些边界可能有所不同，如文献数据所示。

48、然而，也可以根据经验来确定边界。特别地，边界可以取决于所获得的一个或多个信号和/或基于这些信号的估计指标。事实上，步长下限和步长上限可能基于所获得的加速度计信号或者基于从其估计的指标而变化。可以根据记录的数据将边界推断为统计数据(例如，对于用户a来说，分数99％(时间行走速度/步频)＜n，则n可以是上限)。事实上，基于经验知识，可以通过常识或基于先前收集的数据来推断固定阈值。

49、此外，边界可以取决于一个或多个预定义参数。

50、在任何情况下，特别是对于估计的(即，经验确定的)下限和上限，可以进一步考虑可能的估计误差。因此，如果主要是高估步长，则能够降低步长的边界(特别是上限)。

51、在所述方法的又一实施例中，所述第一指标、所述第二指标和所述第一数学函数中的任一项可以是依赖于时间的。例如，第一指标(即，所估计的行走速度)与第二指标(即，所估计的步频)之间的关系可以根据白天时间或行走期间经过的时间而改变。

52、此外，第一指标、第二指标和第一数学函数中的任一项都可以取决于用户的生理参数。

53、在所述方法的另外的实施例中，还包括：确定将所述第一数学函数与所述边界进行关联的第二数学函数的第二值，其中，评估针对所述第一指标和/或所述第二指标的所述估计结果的所述可靠性评级基于所述第二值。

54、第二数学函数可以特别地包括第一值的边界与(当插入第一指标和第二指标时)第一数学函数的值之差。例如，如果第一数学函数表示步长，则第二数学函数可以包括步长下限min_sl与估计步长值之差。类似地，第二数学函数可以包括步长上限max_sl与估计步长值之差。例如，第二函数可以是：

55、

56、或者

57、

58、从该示例中能够看出：第二数学函数可以是依赖于时间的。特别地，第二数学函数可以是第一值的依赖于时间的边界的函数。然而，第二数学函数也可以包括依赖于时间的第一数学函数。然而，第二数学函数同样可以是不依赖于时间的。

59、在另一实施例中，评估所述可靠性评级包括将二元尺度或连续尺度的分数分配给所述第一指标和/或所述第二指标的所述估计结果。

60、例如，能够用二元分数“可靠”和“不可靠”来表达指标的可靠性评级。例如，在估计速度和估计步频这两个指标的情况下，可以将第一函数定义为估计步长。可以将步长的第一值与最小步长min_sl和最大步长max_sl进行比较。换句话说，可以检查是否满足以下关系：

61、min_sl<第一值<max_sl

62、如果估计步长小于最小步长，并且如果估计步长大于最大步长，则可以给这两个估计指标都分配分数“不可靠”。在任何其他情况下，都可以给估计指标分配分数“可靠”。

63、另一方面，如果第一值高于所述值的上限，则可以将可靠性设置为0，否则设置为1。此外，如果第一值低于所述值的下限，则可以将可靠性设置为0，否则设置为1，其中，可靠性评级为0可以对应于不可靠的估计第一值，而可靠性评级为1可以对应于可靠的估计第一值。

64、作为另一示例，可以确定两个第二函数，特别是表示“下步长可靠性”的第一第二函数

65、

66、以及表示“上步长可靠性”的第二第二函数

67、

68、在第一第二函数或第二第二函数小于0的情况下，可以分别将第一第二函数或第二第二函数的值设置为0。另一方面，如果第一第二函数或第二第二函数高于1，则可以分别将第一第二函数或第二第二函数的值设置为1。可以将可靠性评级设置为第一第二函数值和第二第二函数值中的较小值，即，可以将可靠性评级设置为：

69、

70、因此，可以用从0到1的范围内的分数来表示可靠性评级。

71、在又一(不同的)示例中，可靠性评级可以是0至1(或任何其他数字)之间的任何分数，该分数例如取决于第一值与边界之差。如果第一值与上限之差等于第一值与下限之差(即，如果第一值在下限与上限之间的中间)，则可以将可靠性设置为1。另一方面，第一值离下限越远，离上限越近，可靠性评级的分数就可能越低，反之亦然，其中，如果第一值低于下限或高于上限，则将可靠性评级的分数设置为0，这意味着这样的第一值是不可靠的。

72、在另一替代示例中，可以认为在下限与上限之间的任何第一值都是可靠的，并且可以给在任一边界之外的第一值都分配一个可靠性评级，该可靠性评级随着离边界的距离的增加而降低。

73、在另外的实施例中，所述方法还包括：基于所述可靠性评级来调整或改变用于估计所述第一指标和/或所述第二指标的方法。换句话说，可以使用可靠性估计结果来更新第一指标和/或第二指标的估计结果。通常，可以使用一种以上的估计方法来估计这些指标中的一者(或两者)。例如，可以使用方法a来估计行走速度，而可以使用方法a和b来估计步频，或者甚至可以使用方法x和y来进行速度估计，并且使用方法a和b(和c等)来估计步频。在这种情况下，可以使用对应的可靠性评级来选择使用哪个预测的(即，估计的)指标(例如，算法a或b的步频估计结果)或估计指标的组合(例如，算法a的步频估计结果与算法x的速度的组合)来进行进一步的考虑，特别是进一步的可靠性评估。此外，基于可靠性评级，可以决定哪个指标可以直接输出或者用作健康评估的进一步输入。这样能够提高指标的准确度，同时也能够保持较高的覆盖度。

74、作为另一示例，可以使用算法a1来进行速度估计，从而得到估计速度a1；可以使用算法a2来进行速度估计，从而得到估计速度a2；可以使用算法a3来进行速度估计，从而得到估计速度a3；以此类推。假设这些算法彼此不同，那么对于要应用算法的各种可能的行走速度或行走模式，并非所有这些算法都可以同样好地执行。例如，对于低速度，算法a1可能是最准确的算法，而对于较高速度，算法a2可能更合适，并且对于利用助步车等的行走，算法a3可能是最佳选择。如果速度估计结果a1是不可靠的(基于上述方法)，那么它显然不应用于评估用户。因此，对于速度估计，可以拒绝(排除)算法a1。排除算法a1并因此排除估计结果a1减少了速度估计结果的覆盖度(即，导致少一个数据点)。然而，这能够通过并行使用其他算法(a2、a3、……、an)来克服。检查这些方法的可靠性，并且使用具有最佳可靠性的方法来代替算法a1。

75、另外，在排除了速度估计结果a1之后，可以(例如通过对速度估计结果求平均)合并其他算法的速度估计结果。事实上，虽然当在个体内部测量和跨个体测量时，表示用户的生理特征或解剖特征的行走速度和其他参数显示出相似的边界和彼此之间的关系并因此通常保持在一定的边界内，但是通常存在指定关系种类的特定参数。例如，latt,m.d.、menz,h.b.、fung,v.s.和lord,s.r.的“walking speed,cadence and step length areselected to optimize the stability of head and pelvis accelerations”(experimental brain research，第184卷，第2期，第201-209页)公开了自选步态速度(即，用户经历的步态速度)和若干与步子有关的指标之间的各种关系。从所述文献中能够看出：测得的速度与步频之间的关系在高至大致2.0m/s(对应于大致150步/分钟的步频)时是线性的。然而，此时的误差棒非常大。事实上，对于更快的行走速度，这两个指标之间的关系会发生变化。这是因为：在这一点上，用户的活动从行走变为慢跑。这两个指标之间的关系是由若干依赖于人的生物力学特性和背景变量介导的。一个主要因素是步长可变性。事实上，对于人与人之间和人内部的相同速度，步长并不是恒定的。因此，经由步频的速度估计可能具有相当大的误差(即使对于低于2m/s的速度也是如此)。这种“弱”关系不允许通过知晓步长来基于速度准确计算步频(并且反之亦然)。然而，它允许基于最小可能步长值和最大可能步长值为这些指标中的每个指标设置边界。此外，通过使用所公开的数据，可以调整可靠性估计结果的边界。此外，可以根据先前估计指标的值(或者更精确地说，根据指标所依赖的参数，或者根据第一值)来改变所使用的算法。

76、在又另外的实施例中，所述一个或多个传感器信号包括以下各项中的任一项：加速度信号、陀螺仪信号、心率信号、呼吸信号、氧饱和度(spo2)信号、运动信号、力信号、压力信号、肌电图(emg)信号、温度信号、卡路里消耗信号、全球定位系统信号、相机信号、雷达信号、速度测量信号、扭矩测量信号、心电图(ecg)信号、脑电图(eeg)信号、光电体积描记(ppg)信号、气压计信号、肌张力信号，出汗水平信号、压力水平信号、皮肤电导信号、皮肤电反应信号、惯性测量信号，以及血压信号，并且/或者，其中，所述第一指标和/或所述第二指标包括以下各项中的任一项：行走速度、步频、步长、心率、能量消耗，以及活动类型。

77、同样可以想到与用户的生理状态或解剖状态有关的任何其他指标。

78、在所述系统的实施例中，所述传感器包括以下各项中的任一项：加速度计、陀螺仪、心率传感器、呼吸传感器、氧饱和度(spo2)传感器、运动传感器、力传感器、压力传感器、肌电图(emg)传感器、温度传感器、卡路里消耗传感器、全球定位系统传感器、相机、雷达、速度测量传感器、扭矩测量传感器、心电图(ecg)传感器、脑电图(eeg)传感器、光电体积描记(ppg)传感器、气压计、肌张力传感器，出汗水平传感器、压力水平传感器、皮肤电导传感器、皮肤电反应传感器、惯性测量传感器，以及血压传感器。

79、在所述系统的另一实施例中，所述传感器是远程传感器或可穿戴传感器。所述传感器可以特别是接触式传感器。例如，远程传感器包括相机(记录用户的活动)或鞋子传感器。可穿戴传感器可以集成到可穿戴物体(例如，挂件或裤兜)中，也可以附着到手腕、指尖、耳垂、入耳式零件、躯干等中的任一项，并且可以包括例如智能电话、智能手表和入耳式设备中的任一项。

80、所述系统可以包括一个或多个传感器。在系统包括多个传感器的情况下，一个或多个传感器可以是可穿戴传感器。可穿戴传感器提供了高度隐蔽性并且特别便于长期使用。特别地，可以通过使用可穿戴传感器来估计走动指标。