[发明专利]使用动态心率预测模型的生物激励动作补偿及实时生理负荷估计

说明书

技术领域

本发明涉及生理参数的非侵入式监测领域。更具体地，引入了一种系统和方法，通过该系统和方法，可以在移动使信号失真的条件下提高用传感器数据进行心率预测的准确度。此外，可以反演在该方法中利用的模型来推断关于对象的生理状态的信息，例如实时能量利用。此方法的核心在于描述不同生理需求下人类心率的动态调整的模型。

背景技术

从追踪一段时间内的心率所获得的健康效益正在吸引越来越多的个体注意。虽然从基于胸带的心率监测器到穿戴式解决方案存在明显移动，但是使用心电图(ECG)和光学体积描记术(PPG)二者测量的心率信号会在体力活动的时段内被动作伪像破坏。惯性动作传感器(诸如加速度计)已经成为测量动作和/或活动的流行工具，因此形成旨在补偿已知的破坏生理信号的动作伪像的许多专利和申请的一部分。Schoshe Industries Inc.的专利申请US20120150052描述了一个实例，该实例使用动作感测系统(红色LED)和一个加速度计来相应地感测光学心率监测器分别相对于皮肤以及相对于心脏的位置的变化。然后使用来自该动作感测系统和该加速度计的信息来补偿PPG心率监测器信号中的动作伪像。类似地，专利申请US20140018635使用一个卡尔曼滤波器来使用加速度计信号适应性地滤除光学信号中的噪声。描述类似方法的其他专利包括US8945017(Fitbit Inc.)和EP2229880(CSEM)。此外，US8483788描述了动作补偿脉冲血氧计，该血氧计使用一个加速度计来测量由光发射器和检测器之间的动作引起的变化。然后使用加速度计数据、与光发射器和检测器之间的模型距离相关的方程以及基于光的预期行为的模型的组合来计算衰减因子。然后，使用查找表来找到对应于该衰减因子的动作测量，并且使用此测量以更好地计算感兴趣的生理参数。

Koninklijke Philips N.V的专利申请US20140213858首先通过测量光学心率信号的信号质量来解决该问题。只有当信号质量在一个特定阈值以下时，动作信号才被用来使用一个指数预测模型来估计心率。多个专利申请和出版物也利用了动态模型和建模技术以提取生理信息，诸如心率，尤其是在存在动作伪像的情况下。例如，Streamline Automation,Llc.的美国专利申请20100274102公开了一种使用去除噪声和动作伪像的概率模型来处理来自生物医学传感器(例如，脉搏血氧计、心电图仪)的生理数据的系统和方法。此发明将动态状态空间模型(DSSM)和数据处理器，该数据处理器能够将sigma点卡尔曼滤波器(SPKF)或序贯蒙特卡罗(Monte Carlo)(SMC)算法与贝叶斯(Bayesian)统计结合。此外，使用了由心血管和光体积描记术(PPG)模型构建的数学模型来去除噪声和动作伪像。

下文更详细地解释的本发明提出了一种能够基于推断的活动水平来预测心率变化的动态心率模型。这将被用于在运动期间心率不能够与动作信号分离的情境，因此提供平滑过渡。该模型是概率性的且将心率轨迹映射到生理负荷。以此方式，该模型的反演型式也可以被用来预测生理负荷。这以相比于现有技术中所考虑的方式更易响应的方式示出能量消耗。例如(WO201412083、WO201008443、EP2489302，WO2012172375)呈现了用于在运动期间估计能量消耗的方法，然而这些方法与本发明不同，且这些方法不能够在三种能量系统之间区分能量供应源自哪种能量系统。

肌肉的能量需求通过三种能量系统来实现：无氧能量系统(被进一步分类为非乳酸成分和乳酸成分)以及有氧能量系统。因此，运动分段是指确定在运动期间三种能量系统中的每种能量系统对总能量供应的相对贡献。关于运动分段的现有技术在某种程度上依赖于有氧和/或无氧阈值的确定，其倾向于得出关于这些能量系统中的每种能量系统的相对贡献与时间进程以及在运动期间利用它们的程度的不准确的假设。