用于分析生物生理周期性數(shù)據(jù)的裝置和方法
【專利摘要】公開了一種用于分析生物生理周期性數(shù)據(jù)的裝置和方法。一種生物生理速率特征的去噪和數(shù)據(jù)融合為單速率估計的方法。所述用于分析生物生理周期性數(shù)據(jù)的計算機實施的方法包括：接收特征數(shù)據(jù)點的流；確定每個特征數(shù)據(jù)點是位于預(yù)定的限制內(nèi)還是預(yù)定的限制外部；響應(yīng)于已經(jīng)確定在第一子集中的每個數(shù)據(jù)點位于所述預(yù)定極限的外部，消除特征數(shù)據(jù)點的第一子集。所述方法還包括：隨時間窗從特征數(shù)據(jù)點提取位于所述預(yù)定限制內(nèi)的特征；執(zhí)行多個假設(shè)檢驗以確定所述特征是否對應(yīng)于多個假設(shè)分布中的任意一個；如果所述特征對應(yīng)于多個最近限定估計的統(tǒng)計均值，則將所述特征限定為實際特征的限定估計。
【專利說明】用于分析生物生理周期性數(shù)據(jù)的裝置和方法
[0001 ] 本申請要求于2015年I月30日提交到美國知識產(chǎn)權(quán)局的第62/110，263號臨時申請、于2015年2月4日提交到美國知識產(chǎn)權(quán)局的第62/112,032號臨時申請、于2015年2月6日提交到美國知識產(chǎn)權(quán)局的第62/113,092號臨時申請的權(quán)益以及于2015年10月17日提交到美國知識產(chǎn)權(quán)局的第14/924,565號美國專利申請的權(quán)益，所述申請通過引用包含于此。
技術(shù)領(lǐng)域
[0002]本描述總體涉及數(shù)據(jù)分析，更具體地講，涉及生物生理速率特征的去噪和數(shù)據(jù)融入口 ο
【背景技術(shù)】
[0003]數(shù)據(jù)分析一般包含針對目標(biāo)(例如，準(zhǔn)確地描述數(shù)據(jù)、發(fā)現(xiàn)數(shù)據(jù)中的有用信息或特征、建議結(jié)論或支持決策)的收集、清理、處理、轉(zhuǎn)換和建模數(shù)據(jù)的處理。數(shù)據(jù)分析通常包括系統(tǒng)地應(yīng)用統(tǒng)計或邏輯技術(shù)以描述、壓縮、說明和評估數(shù)據(jù)。各種分析技術(shù)有利于將感興趣的信號或現(xiàn)象與觀測數(shù)據(jù)中固有的無關(guān)噪聲和不確定性區(qū)分開。
[0004]傳感器數(shù)據(jù)融合技術(shù)通常提供來自于在多個傳感器觀測的數(shù)據(jù)的高級信息，例如，除可用的內(nèi)容之外，采用時空數(shù)據(jù)集成和利用冗余和互補信息。探索性數(shù)據(jù)分析通常應(yīng)用用于異常檢測嘗試的定量數(shù)據(jù)方法以識別并消除不準(zhǔn)確數(shù)據(jù)。此外，可產(chǎn)生描述性統(tǒng)計(諸如統(tǒng)計平均值、中位數(shù)、方差或標(biāo)準(zhǔn)差)來幫助解釋數(shù)據(jù)。此外，還可使用數(shù)據(jù)可視化來檢查圖形格式的數(shù)據(jù)，提供關(guān)于嵌入數(shù)據(jù)的信息的認識。
[0005]—般來說，統(tǒng)計假設(shè)檢驗或驗證數(shù)據(jù)分析采用統(tǒng)計推斷以基于置信區(qū)間或閾值概率確定結(jié)果是否重要?？刹捎媚Ｐ瓦x擇技術(shù)來從多個假設(shè)中確定最適合的模型。還可采用包括卡方檢驗的決策理論和優(yōu)化技術(shù)來選擇多個描述性模型的最佳模型。統(tǒng)計推斷方法包括(但不限于)赤池信息準(zhǔn)則(AIC)、貝葉斯信息準(zhǔn)則(BIC)、集中信息準(zhǔn)則(FIC)、偏差信息準(zhǔn)則(DIC)和漢南-奎因(Hanna-Quinn)信息準(zhǔn)則(HQC)。
[0006]光電血管容積圖(PPG)是光獲取的血管容積圖或器官的體積測量。作為一種PPG傳感器的脈搏血氧儀使用光的一個或多個顏色示出皮膚并測量在每個波長的光吸收的改變。PPG傳感器使用例如光發(fā)射器(諸如發(fā)光二極管(LED))示出皮膚，并且測量穿過相對薄的身體部分(諸如手指或耳垂)而傳播的光量，或者使用例如光電探測器(諸如光電二極管)測量從皮膚反射的光量。PPG傳感器已被用于監(jiān)視呼吸和心率、血氧飽和度、低血容量以及其它循環(huán)狀況。
[0007]傳統(tǒng)的PPG通常監(jiān)視可被用于檢測例如與心臟的連續(xù)心臟循環(huán)的壓力脈沖相應(yīng)的體積變化的向皮膚的真皮和皮下組織的血液灌流和。如果PPG不壓迫皮膚地附著，則從靜脈叢還可見二次壓力峰值。微控制器通常處理和計算波形信號中的峰值以計數(shù)每分鐘的心跳
(bpm) ο
[0008]然而，來自于與期望的特征無關(guān)的來源的信號噪聲(例如，運動偽影和電信號污染)已被證實為影響PPG傳感器讀數(shù)的準(zhǔn)確率的限制因素。雖然來自于與期望的特征無關(guān)的來源的信號噪聲在臨床環(huán)境中可被避免，但是這種信號噪聲可對在自由生活條件中(例如，在鍛煉期間)讀取的PPG傳感器讀數(shù)具有不良效果。因此，當(dāng)被用于在自由生活條件中讀取的PPG傳感器讀數(shù)時，一些現(xiàn)有的數(shù)據(jù)分析方法可能具有缺點。

【發(fā)明內(nèi)容】

[0009]根據(jù)一個實施例，一種裝置包括:存儲器，存儲機器指令;處理器，連接到存儲器，執(zhí)行所述機器指令以接收多個特征數(shù)據(jù)點并從所述多個特征數(shù)據(jù)點的滿足預(yù)定范圍的特征數(shù)據(jù)點提取特征。處理器還執(zhí)行所述機器指令以執(zhí)行多個假設(shè)檢驗來確定所述特征是否對應(yīng)于包括第一假設(shè)分布的多個預(yù)定的假設(shè)分布中的每個。如果所述特征對應(yīng)于第一假設(shè)分布，則處理器還執(zhí)行所述機器指令以將所述特征限定為實際特征的限定估計。
[0010]根據(jù)另一實施例，一種方法包括:接收多個特征數(shù)據(jù)點；從所述多個特征數(shù)據(jù)點的滿足預(yù)定范圍的特征數(shù)據(jù)點提取特征。所述方法還包括:執(zhí)行多個假設(shè)檢驗來確定所述特征是否對應(yīng)于包括第一假設(shè)分布的多個預(yù)定的假設(shè)分布中的每個。所述方法還包括:如果所述特征對應(yīng)于第一假設(shè)分布，則將所述特征限定為實際特征的限定估計。
[0011]根據(jù)另一實施例，一種計算機程序產(chǎn)品包括:非暫時性計算機可讀存儲介質(zhì)，以適于被處理器執(zhí)行以實施接收多個特征數(shù)據(jù)點和從所述多個特征數(shù)據(jù)點的滿足預(yù)定范圍的特征數(shù)據(jù)點提取特征的指令進行編碼。所述指令還適于實施執(zhí)行多個假設(shè)檢驗來確定所述特征是否對應(yīng)于包括第一假設(shè)分布的多個預(yù)定的假設(shè)分布中的每個。所述指令還適于實施:如果所述特征對應(yīng)于第一假設(shè)分布，則將所述特征限定為實際特征的限定估計。
[0012]本公開的一個或多個實施例的細節(jié)在附圖和以下描述中被闡述。本公開的其它的特征、目標(biāo)和優(yōu)點將通過所述描述和附圖以及通過權(quán)利要求而清楚。
【附圖說明】
[0013]圖1示出描述根據(jù)實施例的示例性生物生理周期性數(shù)據(jù)分析器的框圖；
[0014]圖2示出根據(jù)實施例的用于分析生物生理周期性數(shù)據(jù)的多模型自適應(yīng)估計的示例性方法的流程圖；
[0015]圖3示出描述根據(jù)實施例的用于執(zhí)行關(guān)于特征數(shù)據(jù)的統(tǒng)計推斷的示例性統(tǒng)計假設(shè)的曲線圖；
[0016]圖4A示出根據(jù)實施例的分析生物生理周期性數(shù)據(jù)的示例性方法的流程圖；
[0017]圖4B示出根據(jù)實施例的分析生物生理周期性數(shù)據(jù)的示例性方法的另一流程圖；
[0018]圖4C示出根據(jù)實施例的分析生物生理周期性數(shù)據(jù)的示例性方法的另一流程圖；
[0019]圖5示出描述可在根據(jù)實施例的生物生理周期性數(shù)據(jù)分析器中使用的計算系統(tǒng)的示意圖。
【具體實施方式】
[0020]圖1示出描述根據(jù)一個實施例的示例性生物生理周期數(shù)據(jù)分析器的框圖。生物生理周期數(shù)據(jù)分析器10包括特征接收器12、速率計算器14、異常消除器16、最近速率計算器
18、速率濾波器20、速率改變計算器22、生物語義(b1semantic) 二進制限定器24、特征修改器26和濾波器產(chǎn)生器28。特征接收器12被配置為從監(jiān)視對象的生物生理特征的各種傳感器接收多個同時數(shù)據(jù)點(simultaneous data point)，其中，對象的生物生理特征包括但不限于心率(HR)、呼吸速率、流體溶液濃度和身體移動。對象可包括但不限于人、動物和活的有機體。
[0021]數(shù)據(jù)點包括來自多個來源的數(shù)據(jù)融合，所述多個來源來自于在相同的底層傳感器或不同的傳感器上的不同特征。例如，數(shù)據(jù)點包括使用光電血管容積圖(PPG)傳感器(諸如脈搏血氧儀)隨時間觀察的關(guān)于對象的心率和呼吸速率的特征數(shù)據(jù)。在一個實施例中，PPG傳感器和生物生理周期數(shù)據(jù)分析器可被嵌入在固定于對象(例如，主體的頭部、腳部、手指和手腕)的可穿戴裝置中。
[0022]特征接收器12將監(jiān)視的特征數(shù)據(jù)點分類并按順序(例如，按逐個特征)布置數(shù)據(jù)點。特征接收器12將每個按序的數(shù)據(jù)點與同步的時間輸出一起輸出。速率計算器14使用最近數(shù)據(jù)點和相應(yīng)的時間輸出來基于一系列最近的數(shù)據(jù)點計算當(dāng)前特征速率。
[0023]異常消除器16基于關(guān)于特征的一組預(yù)定的生物限制(例如，最小和最大速率限制)確定當(dāng)前特征速率是否在可接受的范圍內(nèi)。落在可接受范圍之外的當(dāng)前特征速率不在后續(xù)的計算中使用。最近速率計算器18使用在期望的時間窗口期間的在可接受范圍內(nèi)的一系列當(dāng)前特征速率來計算更新的最近特征速率。
[0024]異常消除器16基于生物生理限制對假設(shè)加以約束。例如，最小限制(minHR)和最大限制(maxHR)可基于人體心率的現(xiàn)實的預(yù)期范圍。類似地，圍繞最近觀察的心率值(uRecent)的最小和最大相對限制(+/-deltaHR)可基于關(guān)于在采樣時間里心率的變化速率的生理限制。
[0025]速率濾波器20對來自于生物語義二進制限定器24的限定的特征數(shù)據(jù)執(zhí)行統(tǒng)計計算，生物語義二進制限定器24會在以下進一步解釋。圖2示出根據(jù)實施例的用于分析生物生理周期數(shù)據(jù)的多模型自適應(yīng)估計(MMAE)的示例性方法的流程圖。MMAE 30可被速率濾波器20實施以分析限定的特征數(shù)據(jù)。在實施例中，速率濾波器20包括多個卡爾曼濾波器，每個卡爾曼濾波器基于不同的模型。例如，第一卡爾曼濾波器32基于第一模型，第二卡爾曼濾波器34基于第二模型，第三卡爾曼濾波器36基于第三模型，第四卡爾曼濾波器38基于第四模型。可選擇地，統(tǒng)計計算可實施施加于每個輸入流的數(shù)據(jù)的加權(quán)，例如，表示偏重于一個流的信息甚于另一個流的信息。速率改變計算器22持續(xù)地計算關(guān)于濾波后的和未濾波的速率的當(dāng)前速率的變化。
[0026]在假設(shè)層面的融合遵循等同于在通用多模型自適應(yīng)估計框架中使用的方法，所述框架如P.D.Hanlon和P.S.Maybeck在2000年4月IEEE航空航天與電子系統(tǒng)論文集卷AES-36第2期393-406頁發(fā)表的 “Multiple-Model Adaptive Estimat1n Using a ResidualCorrelat1n Kalman Filter Bank(使用殘差相關(guān)卡爾曼濾波器組的多模型自適應(yīng)估計)”(全部內(nèi)容通過引用包含于此)的卡爾曼濾波器的上下文中所描述?？柭鼮V波器估計包括系統(tǒng)狀態(tài)的估計和不確定性。例如，在實施例中，使用與系統(tǒng)行為的可選假設(shè)相關(guān)聯(lián)的無跡卡爾曼濾波器(unscented Kalman filter)，這種卡爾曼濾波器明確地適合來自于輸入的確定性采樣的分布，如Simon J.Julier和Jeffrey K.Uhlmann在1997年《航空航天/國防傳感、仿真和控制》卷3第182頁發(fā)表的“A new extens1n of the Kalman filter tononlinear systems(卡爾曼濾波器向非線性系統(tǒng)的新擴展)”(全部內(nèi)容通過引用包含于此)中所描述。
[0027]生物語義二進制限定器24基于與學(xué)習(xí)的概率模型的兼容性(許多用于模型開發(fā)的可能的方法)基于針對每個輸入特征的二進制選擇準(zhǔn)則而確定限定的數(shù)據(jù)或限定數(shù)據(jù)。即使當(dāng)在特征數(shù)據(jù)中存在很大部分異常或不確定性時，二進制選擇方法也能處理輸入數(shù)據(jù)。例如，生物語義二進制限定器24包括最大似然決策引擎。生物語義二進制限定器24將限定的數(shù)據(jù)產(chǎn)生為輸出。
[0028]在實施例中，生物語義二進制限定器24使用最近速率與濾波后的和未濾波的速率的變化來執(zhí)行假設(shè)檢驗方法40。針對每個觀察的數(shù)據(jù)點考慮多個假設(shè)模型，并且用于接受數(shù)據(jù)點的判定是基于針對每個假設(shè)的判定規(guī)則而做出。模型假設(shè)根據(jù)生物生理約束包含關(guān)于變化速率的生物限制和關(guān)于輸入值的硬性限制。每個假設(shè)根據(jù)假設(shè)的特性而將輸入特征不同地轉(zhuǎn)換。
[0029]圖3示出描述根據(jù)實施例的用于執(zhí)行關(guān)于特征數(shù)據(jù)的統(tǒng)計推斷的示例性統(tǒng)計假設(shè)的曲線圖。曲線圖50示出各種示例性檢驗假設(shè)。基于針對特定時間窗的窗口統(tǒng)計(諸如窗口速率的均值和標(biāo)準(zhǔn)差)，多個假設(shè)概率模型被訓(xùn)練或被開發(fā)。在實施例中，檢驗假設(shè)由離散的預(yù)期概率分布組成，例如，包括最近分布52、試驗分布54和偽影分布56。
[0030]參照圖3，提出判定問題:“應(yīng)該將新的心跳58接受為合理心跳嗎?”針對心率(HR)已開發(fā)兩個示例性假設(shè)，如下:第一假設(shè)，最近分布52，假定測量的輸入特征與最近觀察的心率一致。第二假設(shè)，試驗分布54，假定測量的輸入特征已損壞并且與最近觀察的心率的一半一致。第二假設(shè)與給出心率的一半的準(zhǔn)確估計的特定的信號損壞有關(guān)，其針對真實的心率是非常不準(zhǔn)確的。第三假設(shè)，偽影分布56，假定測量的輸入特征已損壞并且與和真實的心率無關(guān)的偽影一致。在其它實施例中，可包括另外的假設(shè)，例如，基于輸入數(shù)據(jù)流的特點的假設(shè)。
[0031]生物語義二進制限定器24基于概率檢驗來檢驗每個假設(shè)。例如，在所描述的第一假設(shè)類型的情況下，最近分布52和候選點58 二者均是可利用的。因此，從分布導(dǎo)出的點的后驗似然的計算被用來表示關(guān)聯(lián)的假設(shè)的后驗似然。
[0032]基于每個假設(shè)對其零假設(shè)(nullhypothesis)的檢驗，每個假設(shè)被認為是獨立的。例如，假設(shè)基于在對數(shù)似然率檢驗中超出閾值，或者基于針對與假設(shè)相關(guān)聯(lián)的分布的親和力超出閾值。此后，克服零假設(shè)的所有假設(shè)基于假設(shè)中的先驗排名被排序，并且排名最高的假設(shè)被選擇。這樣的優(yōu)點在于可考慮不同的假設(shè)類型，其中，一些假設(shè)具有可計算似然性的顯式概率模型(explicit probability model)，而其它假設(shè)使用不存在顯式概率模型的邏輯觸發(fā)。
[0033]因此，這些統(tǒng)計在不同的數(shù)據(jù)源中被組合，并隨后應(yīng)用于每個假設(shè)?？蛇x地，單獨的統(tǒng)計可與每個數(shù)據(jù)類型相關(guān)聯(lián)地被計算，并且這些統(tǒng)計可被選擇性地附于不同的假設(shè)。
[0034]在所有假設(shè)具有顯式概率的可選實施例中，可通過計算被計算的每個假設(shè)的相關(guān)似然性并選擇被選為正確的最可信假設(shè)來處理假設(shè)選擇。如以下描述，這觸發(fā)接受或拒絕候選點的特定邏輯。
[0035]例如，基于與最近分布52相關(guān)聯(lián)的假設(shè)的相對高的相關(guān)性，特征數(shù)據(jù)點可被接受為被測量的特征數(shù)據(jù)點。否則，例如，特征修改器26可在特征數(shù)據(jù)點被接受之前基于與試驗分布54相關(guān)聯(lián)的假設(shè)的相對高的相關(guān)性修改特征數(shù)據(jù)點。另一方面，特征數(shù)據(jù)點可基于與偽影分布56相關(guān)聯(lián)的假設(shè)的相對高的相關(guān)性從輸出流中被舍棄。
[0036]濾波器產(chǎn)生器28更新速率濾波器20并向生物語義二進制限定器24提供反饋以開發(fā)模型假設(shè)。模型假設(shè)是計算與收集的信息的時間敏感度相關(guān)聯(lián)的不確定性的增加的隨機過程。如果沒有最近特征數(shù)據(jù)被解釋，則不確定性增長。在實施例中，例如，統(tǒng)計計算實施朗之萬(Langevin)校正。這修改概率模型以通過在時間間隔期間增加模型方差來考慮數(shù)據(jù)的時間值。在實施例中，基于布朗運動的物理模型的朗之萬模型隨著時間線性地增加模型方差。
[0037]圖4A至圖4C示出根據(jù)實施例的分析生物生理周期性數(shù)據(jù)的示例性方法的流程圖。可使用本公開中描述的本方法進行分析的生物生理周期性數(shù)據(jù)的示例包括例如心率(HR)、呼吸速率、流體溶液濃度和身體移動。本方法處理關(guān)于隨著時間的生物生理特征的特征數(shù)據(jù)的一個或多個流并輸出限定數(shù)據(jù)的單個流。
[0038]參照圖4A，在60，輸入數(shù)據(jù)軌62、64和65按逐個特征方式被提供。在實施例中，特征可包括例如心臟的心跳間隔、呼吸速率、步速(step rate)和來自于生物生理傳感器的任何其它周期性信號。特征數(shù)據(jù)流在68被分離為感測事件，并在70被分離為相應(yīng)時間。在70的輸出時間被提供給在圖4B繼續(xù)的處理，在72的輸出速率和/或輸出試驗速率被提供給在圖4B和圖4C繼續(xù)的處理。在72，分別基于在68的事件而計算與感測事件相關(guān)聯(lián)的當(dāng)前速率(thisRate)和與統(tǒng)計假設(shè)相關(guān)聯(lián)的試驗速率(trialRate)。
[0039]在74，接收關(guān)于特征的一組固定的或絕對的、生物生理的限制，并且在76，作出關(guān)于在72的速率和/或試驗速率是否落入由生物生理的限制限定的可接受范圍內(nèi)的確定。如果在76，發(fā)現(xiàn)在72的速率和/或試驗速率在可接受范圍內(nèi)，則處理在圖4B的80繼續(xù)。否則，在78，落在可接受范圍之外的在72的速率和試驗速率被丟棄。生物生理的限制被發(fā)送到在圖4B的80的處理。
[0040]參照圖4B，如果在76，發(fā)現(xiàn)在72的速率和/或試驗速率在可接受范圍內(nèi)，則在81，基于在圖4A中的在72的速率和在70的時間來更新基于隨著跟蹤時間窗的統(tǒng)計的最近速率。從輸入的最近速率裁剪在圖4A的76處落在可接受范圍之外的數(shù)據(jù)點。在82，計算塊72的速率的當(dāng)前速率的變化，得到在84的de Ita速率(de ItaRate)。在86，將隨著固定的時間窗而計算的最近速率存儲在緩沖器中。
[0041]除了在76應(yīng)用的絕對限制之外，本方法還檢測可允許的變化速率已超出限制的條件。通過最近時間窗(諸如，置信間隔)來計算動態(tài)限制。例如，基于針對先前窗固定的概率模型來應(yīng)用90%的置信區(qū)間、92%的置信區(qū)間或95%的置信區(qū)間。
[0042]來自于圖4C的統(tǒng)計反饋數(shù)據(jù)被用于修改最近速率濾波器(recentRateFi11)，所述統(tǒng)計反饋數(shù)據(jù)隨著時間窗被計算并被存儲在如圖4B示出的緩沖器88中。例如，如上所述，最近速率濾波器包括多個卡爾曼濾波器。在進入圖4A的框圖頂部的不同流中的數(shù)據(jù)融合在88的最近窗的統(tǒng)計的計算中被管理。參照圖4B，在90，計算在88的最近速率濾波器的當(dāng)前速率變化和在72的試驗速率，在92得到delta速率(deltaRateFilt)。
[0043]在94，例如通過最大似然決策引擎(生物語義二進制限定器或BBQ)執(zhí)行統(tǒng)計假設(shè)檢驗和數(shù)據(jù)融合，以基于在74的生物生理限制、在86的最近速率、在84的delta速率、在92的濾波器delta速率和試驗delta濾波器速率以及在圖4C的112的統(tǒng)計反饋數(shù)據(jù)來確定事件類型。在96的結(jié)果事件類型被發(fā)送到圖4C的過程。
[0044]參照圖4C，基于在圖4B中的96的事件類型，判定邏輯在100確定假設(shè)類別(例如，類型O、類型I或類型2)。在實施例中，判定規(guī)則(判定邏輯)可被設(shè)計為問題(例如，“新觀察的特征(心跳)應(yīng)該被接受為合理的嗎?”)。所述問題可例如基于特征是否位于每個假設(shè)的特定的置信區(qū)間內(nèi)或者可選地通過計算與每個假設(shè)相關(guān)聯(lián)的卡方統(tǒng)計(ch1-squaredstatistics)而被概率性地回答。
[0045]如果在96的事件類型被確定為屬于類型O的假設(shè)類別，則在102，不執(zhí)行關(guān)于事件類型的進一步處理。如果在96的事件類型被確定為屬于類型I的假設(shè)類別，則在104，不修改而使特征通過。如果在96的事件類型被確定為屬于類型2的假設(shè)類別，則在106，根據(jù)合適的模型來修改特征。
[0046]在108，將在104和106輸出的特征與在圖4A的70的時間進行組合以產(chǎn)生具有時間戳的限定的特征。在110，將針對每個時間戳的結(jié)果(例如，包括限定后的特征)作為輸出而發(fā)送到相應(yīng)的假設(shè)類別或類型?？蛇x地，相應(yīng)權(quán)重可被包括在輸出中。
[0047]此外，在可選實施例中，可對最終結(jié)果進行時域平滑來提高精確度，雖然以響應(yīng)能力為代價。例如，特征流可使用各種數(shù)據(jù)平滑方法(例如，包括矩形(boxcar)移動平均濾波器、指數(shù)移動平均濾波器等)被估計。例如，限定的特征流和平滑后的特征流基于由特征數(shù)據(jù)流表示的測量的心跳速率提供隨著時間的主體的真實心跳速率的兩種估計。
[0048]在112，基于關(guān)于針對對應(yīng)時間窗的限定特征來計算統(tǒng)計數(shù)據(jù)，并且過濾條件被開發(fā)以更新在圖4B中的88的最近速率濾波器。例如，針對在數(shù)據(jù)流中的時間間隙(t ime gap)做朗之萬校正。在實施例中，在112確定所有需要的過濾條件。在114，將推論輸出(例如，包括諸如針對與每個時間戳相應(yīng)的時間窗的限定特征均值和標(biāo)準(zhǔn)差的統(tǒng)計)發(fā)送到緩沖器。窗口化的統(tǒng)計可被用于例如產(chǎn)生關(guān)于輸出限定特征流的置信量度。
[0049]如圖5示出的，可在圖1的生物生理周期性數(shù)據(jù)分析器10中使用的示例性計算裝置120包括處理器122、內(nèi)存124、輸入/輸出裝置(I/O) 126、存儲器128和網(wǎng)絡(luò)接口 130。計算裝置的各種組件由本地數(shù)據(jù)鏈路132連接，在各種實施例中，所述本地數(shù)據(jù)鏈路包括例如地址總線、數(shù)據(jù)總線、串聯(lián)總線、并聯(lián)總線或這些總線的任何組合。
[0050]例如，計算裝置120可被用于實施圖1的生物生理周期性數(shù)據(jù)分析的方法。存儲在計算機可讀介質(zhì)(諸如存儲器128或連接到計算裝置120的外部存儲組件)上的編程代碼(諸如源代碼、目標(biāo)代碼或可執(zhí)行代碼)可被裝載到內(nèi)存124中并由處理器122執(zhí)行以執(zhí)行圖1的生物生理周期性數(shù)據(jù)分析的方法的功能。
[0051]本公開的各方面參考流程圖或框圖在這里被描述，其中，每個塊或塊的任何組合可由計算機程序指令實現(xiàn)。指令可被提供給通用計算機、專用計算機或其它可編程數(shù)據(jù)處理設(shè)備的處理器以實現(xiàn)機器或制造品，并且當(dāng)被處理器執(zhí)行時，指令創(chuàng)建用于實施在圖中的每個塊或塊的組合中指定的功能、行為或事件的方法。
[0052]在這點上，在流程圖或框圖中的每個塊可對應(yīng)于包括用于實施指定的邏輯功能的一個或多個可執(zhí)行指令的模塊、段或代碼部分。還應(yīng)注意，在一些可選實施中，與任何塊相關(guān)聯(lián)的功能可以以不同于圖中提到的順序發(fā)生。例如，實際上，連續(xù)示出的兩個塊可實質(zhì)上同時被執(zhí)行，或者有時塊可以以相反的順序被執(zhí)行。
[0053]本領(lǐng)域普通技術(shù)人員將理解，本公開的方面可體現(xiàn)為裝置、系統(tǒng)、方法或計算機程序產(chǎn)品。因此，這里一般被稱為電路、模塊、組件或系統(tǒng)的本公開的方面可被以硬件、軟件(包括固件、駐留軟件、微代碼等)或軟件和硬件的任何組合(包括體現(xiàn)在自身上具有計算機可讀程序代碼的計算機可讀介質(zhì)中的計算機程序產(chǎn)品)實現(xiàn)。
[0054]將會理解，可做出各種修改。例如，如果公開的技術(shù)以不同順序被執(zhí)行和/或如果在公開的系統(tǒng)中的組件以不同方式被組合和/或被其它組件替換或補充，仍能得到有用的結(jié)果。因此，其它的實現(xiàn)落入權(quán)利要求的范圍內(nèi)。
【主權(quán)項】
1.一種用于分析生物生理周期性數(shù)據(jù)的裝置，包括: 存儲器，存儲機器指令； 處理器，連接到存儲器，執(zhí)行所述機器指令以: 接收多個特征數(shù)據(jù)點； 從所述多個特征數(shù)據(jù)點的滿足預(yù)定范圍的特征數(shù)據(jù)點提取特征； 執(zhí)行多個假設(shè)檢驗來確定所述特征是否對應(yīng)于包括第一假設(shè)分布的多個預(yù)定的假設(shè)分布中的每個假設(shè)分布； 如果所述特征對應(yīng)于第一假設(shè)分布，則將所述特征限定為實際特征的限定估計。2.如權(quán)利要求1所述的裝置，其中，處理器還執(zhí)行所述機器指令以確定與特征數(shù)據(jù)點的第一子集相關(guān)聯(lián)的速率的變化，并且響應(yīng)于已經(jīng)確定所述速率的變化在預(yù)定的速率限制之外，而消除至少一個特征數(shù)據(jù)點。3.如權(quán)利要求2所述的裝置，其中，所述預(yù)定的速率限制包括基于在時間上先于第一子集的特征數(shù)據(jù)點的第二子集的置信區(qū)間。4.如權(quán)利要求1所述的裝置，其中，處理器還執(zhí)行所述機器指令以修改特征數(shù)據(jù)點的第一子集以創(chuàng)建特征數(shù)據(jù)點的過濾的子集，確定與過濾的子集相關(guān)聯(lián)的速率的變化并響應(yīng)于已經(jīng)確定所述速率的變化在預(yù)定的速率限制之外，消除至少一個特征數(shù)據(jù)點。5.如權(quán)利要求4所述的裝置，其中，處理器還執(zhí)行所述機器指令以實施無跡卡爾曼濾波器以創(chuàng)建特征數(shù)據(jù)點的過濾的子集。6.如權(quán)利要求1所述的裝置，其中，第一假設(shè)分布表示多個最近限定估計的統(tǒng)計均值。7.如權(quán)利要求1所述的裝置，其中，處理器還執(zhí)行所述機器指令以基于與第二假設(shè)分布相應(yīng)的特征修改所述特征，并基于與第一假設(shè)分布相應(yīng)的特征將經(jīng)修改的特征限定為實際特征的限定估計，其中，所述多個假設(shè)分布還包括第二假設(shè)分布。8.如權(quán)利要求7所述的裝置，其中，第二假設(shè)分布表示多個最近限定估計的統(tǒng)計均值的一半。9.如權(quán)利要求1所述的裝置，其中，則處理器還執(zhí)行所述機器指令以在如所述特征對應(yīng)于第三假設(shè)分布時拒絕所述特征，其中，所述多個假設(shè)分布還包括表示與實際特征不相關(guān)的偽影的第三假設(shè)分布。10.—種用于分析生物生理周期性數(shù)據(jù)的方法，包括: 接收多個特征數(shù)據(jù)點； 從所述多個特征數(shù)據(jù)點的滿足預(yù)定范圍的特征數(shù)據(jù)點提取特征； 執(zhí)行多個假設(shè)檢驗以確定所述特征是否對應(yīng)于包括第一假設(shè)分布的多個預(yù)定的假設(shè)分布中的每個； 如果所述特征對應(yīng)于第一假設(shè)分布，則將所述特征限定為實際特征的限定估計。11.如權(quán)利要求1O所述的方法，還包括: 確定與特征數(shù)據(jù)點的第一子集相關(guān)聯(lián)的變化的速率； 響應(yīng)于已經(jīng)確定所述變化的速率在預(yù)定的速率限制之外，消除至少一個特征數(shù)據(jù)點。12.如權(quán)利要求11所述的方法，其中，所述預(yù)定的速率限制包括基于在時間上先于第一子集的特征數(shù)據(jù)點的第二子集的置信區(qū)間。13.如權(quán)利要求1O所述的方法，還包括: 將濾波器應(yīng)用于特征數(shù)據(jù)點的第一子集以創(chuàng)建特征數(shù)據(jù)點的過濾的子集； 確定與過濾的子集相關(guān)聯(lián)的變化的速率； 響應(yīng)于已經(jīng)確定所述變化的速率在預(yù)定的速率限制之外，消除至少一個特征數(shù)據(jù)點。14.如權(quán)利要求13所述的方法，其中，所述濾波器包括無跡卡爾曼濾波器。15.如權(quán)利要求10所述的方法，其中，第一假設(shè)分布表示多個最近限定估計的統(tǒng)計均值。16.如權(quán)利要求1O所述的方法，還包括: 如果所述特征對應(yīng)于第二假設(shè)分布，則修改所述特征； 如果所述特征對應(yīng)于第一假設(shè)分布，則將經(jīng)修改的特征限定為實際特征的限定估計，其中，所述多個假設(shè)分布還包括第二假設(shè)分布。17.如權(quán)利要求14所述的方法，其中，第二假設(shè)分布表示多個最近限定估計的統(tǒng)計均值的一半。18.如權(quán)利要求10所述的方法，還包括:如果所述特征對應(yīng)于第三假設(shè)分布，則拒絕所述特征，其中，所述多個假設(shè)分布還包括第三假設(shè)分布。19.如權(quán)利要求16所述的方法，其中，第三假設(shè)分布表示與實際特征不相關(guān)的偽影。
【文檔編號】G06T5/00GK105844612SQ201610066912
【公開日】2016年8月10日
【申請日】2016年1月29日
【發(fā)明人】阿斯芙·卡拉科, 瑪度蘇·C·威金斯
【申請人】三星電子株式會社