CN111012323B

CN111012323B - 用于估计血压的设备以及用于支持血压估计的设备

Info

Publication number: CN111012323B
Application number: CN201910490761.2A
Authority: CN
Inventors: 朴昌淳; 权义根; 尹胜槿; 张大根
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 2018-10-10
Filing date: 2019-06-06
Publication date: 2024-06-18
Anticipated expiration: 2039-06-06
Also published as: EP3636146A1; EP3636146B1; KR20200040564A; US20200113527A1; KR102655676B1; CN111012323A

Abstract

提供一种用于估计血压的设备以及用于支持血压估计的设备。一种用于估计血压的设备包括：传感器，被配置为测量生物信号；处理器，被配置为从所述生物信号获取特征值，并基于特征值检测血压变化符号。处理器进一步被配置为基于血压变化符号获取比例因子，并基于特征值和比例因子估计血压。

Description

用于估计血压的设备以及用于支持血压估计的设备

本申请要求于2018年10月10日提交到韩国知识产权局的第10-2018-0120641号韩国专利申请的优先权，所述韩国专利申请的公开通过整体引用包含于此。

技术领域

与示例实施例一致的设备和方法涉及无袖带血压估计，更具体地，涉及用于估计血压的设备和方法以及用于支持血压估计的设备。

背景技术

近年来，由于人口结构老龄化、医疗费用的快速增长以及专业医疗服务人员的短缺，对作为互联网技术(IT)与医疗技术的结合的IT-医疗融合技术的积极研究已被开展。人体的健康状态的监测不限于医院，而是扩展到在日常生活(诸如，家和办公室)中监测用户的健康状态的移动医疗保健领域。指示个体的健康状态的生物信号的典型示例可包括心电图(ECG)信号、光电容积描记(PPG)信号、肌电图(EMG)信号等。正在开发各种生物信号传感器以在日常生活中测量这样的信号。在PPG传感器的情况下，可通过分析反映心血管状态的脉搏波形来估计人体的血压。

根据对PPG生物信号的研究，整个PPG信号是从心脏传播到身体外周部分的传播波与从身体的外周部分返回的反射波的叠加。已知，通过提取与传播波或反射波相关联的各种特征，能够获得能估计血压的信息。

发明内容

根据示例实施例的一方面，提供一种用于估计血压的设备，所述设备包括：传感器，被配置为测量生物信号；以及处理器，被配置为：从生物信号获取特征值；基于特征值，检测血压变化符号；基于血压变化符号，获取比例因子；以及基于特征值和比例因子，估计血压。

处理器进一步可被配置为：基于获取的特征值是否大于参考特征值，检测血压变化符号。

参考特征值可从校准时测量的生物信号被获取。

处理器进一步可被配置为：基于获取的特征值大于参考特征值，检测到血压变化符号为正；以及基于获取的特征值小于参考特征值，检测到血压变化符号为负。

处理器进一步可被配置为：使用根据血压变化符号不同地定义的比例因子估计模型，获取比例因子。

比例因子估计模型可包括常数值、反映用户的特性的第一估计等式和反映所述用户的组中的每个组的特性的第二估计等式中的任意一个或任意组合。

处理器进一步可被配置为：基于血压变化符号被检测为正，获取比例因子作为针对正符号定义的第一常数值；以及基于血压变化符号被检测为负，获取比例因子作为针对负符号定义的第二常数值。

处理器进一步可被配置为：基于血压变化符号被检测为正，获取比例因子作为针对正符号定义的常数值；以及基于血压变化符号被检测为负，使用针对负符号定义的第二估计等式来获取比例因子。

处理器进一步可被配置为：基于血压变化符号被确定为负，接收所述用户中的一个用户的特性信息；以及基于所述特性信息被应用于所述组中的所述用户中的所述一个用户所属的组的第二估计等式，获取比例因子。

所述组中的每个组可基于性别、年龄、是否服用药物、职业和疾病中的任意一个或任意组合来分类。

第一估计等式和第二估计等式中的每个可具有反映所述用户中的一个用户的特性中的至少一种特性的个人特性因子的输入。

个人特性因子可包括年龄、性别、身高、体重、体质指数、脉压、基线收缩压、基线舒张压、基线收缩压与基线舒张压之间的差以及心率中的任意一个或任意组合。

处理器进一步可被配置为：通过组合生物信号的波形的形状、生物信号的最大点处的时间和幅度、生物信号的最小点处的时间和幅度、构成生物信号的脉搏波形分量的位置处的时间和幅度以及生物信号的面积中的一个或多个来获取特征值。

处理器进一步可被配置为：使用比例因子对特征值进行缩放；以及基于缩放后的特征值，估计血压。

处理器进一步可被配置为：还基于校准时的基线血压值，估计血压。

传感器可包括：光源，被配置为向感兴趣对象发射光；以及检测器，被配置为检测从感兴趣对象散射的光。

所述设备还可包括：输出接口，被配置为输出处理器的处理结果。

所述设备还可包括：通信接口，被配置为从外部装置接收将用于获取比例因子的比例因子估计模型。

处理器进一步可被配置为：基于预设时间段、用户的特性的变化和估计的血压中的任意一个或任意组合，确定是否更新比例因子估计模型；以及基于比例因子估计模型被确定为被更新，控制通信接口从外部装置接收新的比例因子估计模型。

根据示例实施例的一方面，提供一种估计血压的方法，所述方法包括：测量生物信号；从生物信号获取特征值；基于特征值，检测血压变化符号；基于血压变化符号，获取比例因子；以及基于特征值和比例因子，估计血压。

检测血压变化符号的步骤可包括：基于获取的特征值是否大于参考特征值，检测血压变化符号。

获取比例因子的步骤可包括：使用根据血压变化符号不同地定义的比例因子估计模型，获取比例因子。

获取比例因子的步骤可包括：基于血压变化符号被检测为正，获取比例因子作为针对正符号定义的常数值；以及基于血压变化符号被检测为负，使用针对负符号定义的第二估计等式来获取比例因子。

获取比例因子的步骤可包括：基于血压变化符号被确定为负，基于所述用户中的一个用户的特性信息，选择所述组中的所述用户中的所述一个用户所属的组。

估计血压的步骤可包括：使用比例因子缩放特征值；以及基于缩放后的特征值，估计血压。

根据示例实施例的一方面，提供一种用于支持血压估计的设备，所述设备包括：信息收集器，被配置为收集用户的血压相关信息；以及处理器，被配置为：基于血压相关信息，生成针对正血压变化符号和负血压变化符号中的每个的比例因子估计模型，比例因子估计模型用于缩放将用于估计血压的生物信号特征值。

比例因子估计模型可包括常数值、反映所述用户的特性的第一估计等式和反映所述用户的组中的每个组的特性的第二估计等式中的任意一个或任意组合。

处理器进一步可被配置为：基于所述用户中的每个用户的生物信号特征值的血压变化符号，对所述用户进行分类；基于所述用户中的每个用户的生物信号特征值和实际血压值，获取所述用户中的每个用户的最优比例因子，生物信号特征值和实际血压值对应于所述用户中的每个用户的血压变化符号；以及基于所述用户中的每个用户的个人特性因子和最优比例因子，生成反映所述用户的特性的第一估计等式。

处理器可被配置为：基于所述用户中的各个用户的生物信号特征值的血压变化符号，对所述用户进行分类；基于性别、年龄、是否服药、职业和疾病中的任意一个或任意组合，将分类的所述用户细分为组；以及生成反映所述组中的每个组的特性的第二估计等式。

所述设备还可包括：通信接口，被配置为：基于请求从用于估计血压的设备被接收或基于比例因子估计模型被生成，将比例因子估计模型发送到用于估计血压的设备。

所述设备还可包括：存储装置，被配置为存储血压相关信息和比例因子估计模型中的任意一个或二者。

根据示例实施例的一方面，提供一种用于估计血压的设备，所述设备包括：传感器，被配置为测量用户的生物信号；以及处理器，被配置为：从生物信号获取当前特征值；确定当前特征值是否大于参考特征值；基于当前特征值被确定为大于参考特征值，使用第一模型获取比例因子；基于当前特征值被确定为小于参考特征值，使用不同于第一模型的第二模型来获取比例因子；使用比例因子缩放当前特征值；以及基于缩放后的当前特征值，估计血压。

处理器进一步可被配置为：基于当前特征值被确定为大于参考特征值，基于用户的特性信息，选择用户所属的组；以及使用针对选择的组并且针对当前特征值被确定为大于参考特征值时预设的估计等式，获取比例因子；以及基于当前特征值被确定为小于参考特征值，将比例因子设置为针对当前特征值被确定为小于参考特征值时预设的值。

处理器进一步可被配置为：基于用户的特性信息，选择用户所属的组；基于当前特征值被确定为大于参考特征值，使用针对选择的组并且针对当前特征值被确定为大于参考特征值时预设的第一估计等式，获取比例因子；以及基于当前特征值被确定为小于参考特征值，使用针对选择的组并且针对当前特征值被确定为小于参考特征值时预设的第二估计等式，获取比例因子。

附图说明

通过以下结合附图对示例实施例进行的描述，以上和/或其他方面将更清楚，其中：

图1A和图1B是示出根据实施例的用于估计血压的设备的框图；

图2A和图2B是示出根据图1A和图1B的实施例的处理器的框图；

图3A、图3B、图3C、图3D、图3E、图3F和图3G是示出根据实施例的血压估计的示图；

图4是示出根据实施例的估计血压的方法的流程图；

图5A、图5B、图5C和图5D是示出根据实施例的比例因子的获取的流程图；

图6是示出根据实施例的用于支持血压估计的设备的框图；

图7A和图7B是示出可穿戴装置的示图；以及

图8是示出智能装置的示图。

具体实施方式

提供下面的详细描述来帮助读者获得对在此描述的方法、设备和/或***的全面理解。在此描述的***、设备和/或方法的各种变化、修改和等同物将向本领域普通技术人员表明其本身。在下面的描述中，当这里包含的已知功能和配置的详细描述会以不必要的细节模糊主题时，它被将省略。在整个附图和详细描述中，除非另有描述，否则相同的附图参考标号将被理解为表示相同的元件、特征和结构。为了清楚、说明和方便，可夸大这些元件的相对尺寸和描绘。

如在此使用的，除非上下文另有明确指示，否则单数形式也意图包括复数形式。还将理解，当在本说明书中使用术语“包含”和/或“包括”时，指明存在阐述的特征、数量、步骤、操作、元件、组件或它们的组合，但不排除存在或添加一个或多个其他特征、数量、步骤、操作、元件、组件或它们的组合。此外，诸如“单元”和“模块”的术语表示处理至少一个功能或操作的单元，并且它们可通过使用硬件、软件或硬件与软件的组合来实现。

在下文中，将参照附图详细描述用于估计血压的设备和方法的实施例。

图1A和图1B是示出根据实施例的用于估计血压的设备的框图。在本实施例中，用于估计血压的设备100a和设备100b可安装在终端(诸如，智能电话、平板个人计算机(PC)、台式PC、笔记本PC等)中，或者以能够佩戴在感兴趣对象上的形式安装在可穿戴装置中。在这种情况下，可穿戴装置可被实现为腕表型、手镯型、腕带型、戒指型、眼镜型或发带型可穿戴装置，但不限于此。此外，设备100a和设备100b可安装在针对在医疗机构中的生物信息测量和分析中的使用而制造的医疗装置中。

参照图1A和图1B，用于估计血压的设备100a和设备100b中的每个包括传感器110和处理器120。

传感器110可从感兴趣对象测量生物信号。在这种情况下，生物信号可以是包括光电容积描记(PPG)信号的脉搏波信号。然而，生物信号不限于此，并且可包括可被建模为多个波形分量的总和的各种类型的生物信号(诸如，心电图(ECG)信号、PPG信号和肌电图(EMG)信号等)。在这种情况下，感兴趣对象可以是与传感器110接触或邻近并易于测量脉搏波的人体区域。例如，感兴趣对象可包括邻近于桡动脉的腕部皮肤区域和毛细血管或静脉血管通过的人体皮肤区域。然而，感兴趣对象不限于以上示例，并且可以是人体中具有高密度血管的区域的人体的外周部分(诸如，手指、脚趾等)。

传感器110可包括光源和检测器。光源可向感兴趣对象发射光，检测器可检测从感兴趣对象散射或反射的光。光源可包括发光二极管(LED)、激光二极管和/或荧光体，并且可被配置为一个或两个或更多个阵列。检测器可包括一个或多个像素，并且每个像素可包括但不限于光电二极管、光电晶体管和/或图像传感器，其中，光电二极管、光电晶体管和图像传感器中的每个检测光并将光转换为电信号。

处理器120可电连接到传感器110。处理器120可响应于来自处理器120的针对血压的估计的请求而控制传感器110，并从传感器110接收生物信号。针对血压的估计的请求可由用户输入，或者可在达到预定周期时发生。当从传感器110接收到电生物信号时，处理器120可执行预处理(诸如，用于去除噪声的滤波、生物信号的放大或将生物信号转换为数字信号)。

处理器120可基于从传感器110接收的生物信号来估计血压。例如，处理器120可通过分析生物信号来获取特征值，缩放获取的特征值，并且基于缩放后的特征值来估计血压。处理器120可基于血压变化符号将特征值缩放到不同程度，从而通过考虑每个个体的特性来估计血压。在这种情况下，血压变化符号可指示测量时的血压相对于校准时的血压是升高还是降低。

由于从生物信号获取的特征值反映在测量的时刻的每个个体的生物信号的特性，因此特征值是变化的值。另一方面，在难以充分反映每个个体的特性的受限制的环境中，对于大多数人，用于缩放特征值的比例因子被给定为相同的常数值，因此考虑每个个体的特性来估计血压是受到限制的。在本实施例中，通过根据情况来改变在血压估计时缩放特征值的程度，可以估计反映每个个体的特性的准确血压。

参照图1B，用于估计血压的设备100b还可包括输出接口130、存储装置140和通信接口150。

输出接口130可输出来自传感器110和处理器120的处理结果。例如，输出接口130可通过显示模块视觉地输出估计的血压值。可选择地，输出接口130可通过扬声器模块或触觉模块以非视觉方法(诸如，声音、振动、触感等)输出估计的血压值。输出接口130可将显示器的区域划分为两个或更多个区域，将用于估计血压的生物信号曲线图、血压估计结果等输出到第一区域，并以曲线图等的形式将血压估计历史输出到第二区域。在这种情况下，当估计的血压值超出正常范围时，也可以以各种方式(诸如，以红色突出显示、与正常范围一起显示、作为语音警告消息输出或强度控制的振动等)输出警告信息。

存储装置140可将传感器110和处理器120的处理结果存储在其中。此外，存储装置140可存储用于血压估计的各种参考信息。例如，参考信息可包括用户特性信息(诸如，用户的年龄、性别、健康状态等)。参考信息可包括校准时的参考特征值、基线血压值、血压周期、校准确定的标准、比例因子估计模型、血压估计模型、用于获取比例因子的条件、比例因子估计模型更新的标准等。然而，参考信息不限于上述示例。

在这种情况下，存储装置140可包括存储介质(诸如，闪存型存储器、硬盘型存储器、多媒体卡微型存储器或卡型存储器(例如，SD或XD存储器)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁存储器、磁盘、光盘等)，但不限于此。

通信接口150可在处理器120的控制下使用有线/无线通信技术与外部装置通信，并发送和接收各种数据。例如，通信接口150可向外部装置170发送血压估计结果以及从外部装置170接收用于血压估计的各种参考信息(例如，基线血压值、比例因子估计模型等)。在这种情况下，外部装置可包括信息处理装置(诸如，袖带型血压测量装置、血压估计支持装置、智能电话、平板PC、台式PC和笔记本PC)。

在这种情况下，通信技术可包括蓝牙通信、蓝牙低功耗(BLE)通信、近场通信(NFC)、无线局域网(WLAN)通信、ZigBee通信、红外数据协会(IrDA)通信、Wi-Fi直连(WFD)通信、超宽带(UWB)通信、Ant+通信、WiFi通信、射频识别(RFID)通信、第三代(3G)通信、4G通信、5G通信等。然而，通信技术不限于以上示例。

处理器120可基于预定间隔、用户的特性的变化和血压估计结果来确定是否更新比例因子估计模型。例如，当达到预定更新间隔时，处理器120可通过参考存储装置140的参考信息来控制通信接口150。此外，处理器120可在生物信号测量时从用户接收用户特性信息，并通过确定接收到的用户特性信息是否已经改变来确定是否更新比例因子估计模型。例如，如下所述，当存在用户所属的组的信息的变化时(例如，当年龄组、关于是否服用血压药物的信息等被改变时)，处理器120可控制通信接口150将现有估计等式更新为新的组的估计等式。此外，当确定血压估计结果的准确性低时，处理器120可控制通信接口150更新比例因子估计模型。

图2A和图2B是示出根据图1A和图1B的实施例的处理器的框图。图3A、图3B、图3C、图3D、图3E、图3F和图3G是示出根据实施例的血压估计的示图。

脉搏波信号是从心脏传播到身体外周部分的传播波和从外周部分返回的反射波的叠加。可通过适当地组合每个脉搏波形分量的位置处的时间和幅度信息，来提取与血压高度相关的特征。

参照图2A和图2B，处理器200a和处理器200b中的每个可包括特征获取器210、血压变化符号检测器220、比例因子获取器230和血压估计器240。

特征获取器210可通过分析从传感器110接收的生物信号来获取特征值。在这种情况下，特征值是与血压变化符号相关联的值，并且例如可以是特征在于沿与血压的升高或降低相同的方向升高或降低的值。

例如，特征获取器210可从生物信号提取波形的形状、最大点的时间和幅度、最小点的时间和幅度、构成生物信号的脉搏波形分量的位置处的时间和幅度、生物信号的至少一个区间的面积、心率等，并通过适当地组合提取的多条信息来获取特征值。在这种情况下，特征获取器210可获得生物信号的二阶导数，以获得构成生物信号的脉搏波分量的位置，并将二阶导数信号的最小点的位置确定为脉搏波分量的位置。可选择地，特征获取器210可通过适当地组合上述特征值中的两个或更多个来获取新的特征值。在这种情况下，特征值可以以各种方式(例如，相加、相减、相除、相乘、对数值及其组合)进行组合，并且不具体限于任意特定方式。

血压变化符号检测器220可基于获取的特征值来检测血压变化符号。例如，血压变化符号检测器220可基于获取的特征值相对于参考特征值的变化的方向来检测血压变化符号。也就是说，血压变化符号检测器220可在获取的特征值大于参考特征值时将血压变化符号确定为正(+)，并可在获取的特征值小于参考特征值时将血压变化符号确定为负(-)。在这种情况下，参考特征值可以是从校准时测量的生物信号获取的特征值。

比例因子获取器230可根据检测到的血压变化符号获取不同的比例因子。例如，比例因子获取器230可使用针对每个血压变化符号不同地定义的比例因子估计模型来获取适合于检测到的血压变化符号的比例因子。在这种情况下，可预先针对每个血压变化符号定义比例因子估计模型。也就是说，将在正(+)符号的情况下应用的比例因子估计模型和将在负(-)符号的情况下应用的比例因子估计模型被彼此不同地定义。比例因子估计模型可包括预定义的常数值、反映每个个体的特性的第一估计等式和反映每个组的特性的第二估计等式中的任意一个或任意组合。

在一个示例中，当检测到的血压变化符号为正(+)时，比例因子获取器230可获取针对正(+)符号预定义的固定常数值作为比例因子。此外，当检测到的血压变化符号为负(-)时，比例因子获取器230可使用针对负(-)符号预定义的第二估计等式来获取比例因子。当检测到的血压变化符号为负(-)时，比例因子获取器230可确定用户所属的组，并可通过将用户的个人特征因子输入到针对相应的组定义的第二估计等式来获取比例因子。在这种情况下，个人特征因子可包括用户的年龄、性别、身高、体重、体质指数、脉压、基线收缩压、基线舒张压、基线收缩压与基线舒张压之间的差以及心率，但不限于此。

在另一示例中，当检测到的血压变化符号为正(+)时，比例因子获取器230可获取针对正(+)符号预定义的固定常数值作为比例因子，并且当检测到的血压变化符号为负(-)时，比例因子获取器230可获取针对负(-)符号预定义的固定常数值作为比例因子。在另一示例中，符号比例因子获取器230可在检测到的血压变化符号为正(+)时使用针对正(+)符号预定义的第一估计等式来获取比例因子，并可在检测到的血压变化符号为负(-)时使用针对负(-)符号预定义的第一估计等式来获取比例因子。在另一示例中，比例因子获取器230可在检测到的血压变化符号为正(+)时使用针对正(+)符号预定义的第二估计等式来获取比例因子，并可在检测到的血压变化符号为负(-)时使用针对负(-)符号预定义的第二估计等式来获取比例因子。

然而，用于获取比例因子的比例因子估计模型的应用不限于以上示例，并且可根据采用本实施例的装置的类型(例如，装置是智能电话还是智能手表)或者根据使用装置的用户的特性来不同地修改。

此外，第一估计等式是通过反映每个个体的特性而获得的函数公式。例如，参照图3A，可绘制多个用户的整体的散点图，在x轴上显示每个用户的个人特性因子，在y轴上显示每个用户的最优比例因子，然后可通过线性回归等式获得反映全部用户的特性的线性函数公式y＝Ax+B。在这种情况下，可通过学习或者基于每个用户的基线血压、从生物信号获得的特征值以及在生物信号测量时测量的实际血压等来获得最优比例因子。以这种方式，可针对多个用户获得针对正(+)符号的第一估计等式和针对负(-)符号的第一估计等式。

另外，第二估计等式可以是通过反映每个组的特性而预定义的函数公式。例如，参照图3B，可将多个用户划分成两个组(即，组1和组2)，然后可通过应用上述方法获得针对每个组的估计等式。也就是说，可获得线性函数公式(诸如，针对组1的y＝A1x+B1，针对组2的y＝A2x+B2)。以这种方式，可获得针对每个组的正符号(+)的第二估计等式和负符号(-)的第二估计等式。在图3B中，示出了两个组，但是实施例不限于此，并且可基于性别、年龄组、用户是否服用药物、职业组、疾病或其组合来划分用户的组。

当根据检测到的血压变化符号的比例因子被获取时，血压估计器240可使用获取的比例因子来缩放特征值，并且使用缩放后的特征值来估计血压。在这种情况下，可通过进一步组合缩放后的特征值与偏移值来估计血压。下面是作为血压估计等式的示例的等式1，但是实施例不限于此。

BP＝SF×f_cur+Offset (1)

这里，BP表示估计的血压，SF表示由比例因子获取器230获得的比例因子，f_cur表示由特征获取器210获取的特征值。在该等式中，Offset可表示校准时使用袖带血压装置等测量的实际基线血压值，但是实施例不限于此。

参照图2B，处理器200b还可包括校准器250和用户特性输入器260。

当从用户接收到校准请求时或当满足用于校准的预设条件时，校准器250可执行校准。在这种情况下，当满足用于校准的预设条件时，校准器250可引导用户执行校准。例如，当达到预设校准间隔时，或者当估计的血压值不满足预设正常范围的总次数、不连续满足正常范围的次数、在预定时间段内不满足正常范围的次数等大于或等于预定阈值时，可确定校准将被执行。

当用户通过外部血压测量装置测量基线血压时，校准器250可从外部血压测量装置或用户获取基线血压。此外，校准器250可控制传感器110测量用于校准的生物信号。

在一个示例中，参照图3F，校准器250可控制通信接口150与外部血压测量装置34通信，并且可在外部血压测量装置34完成基线血压的测量时接收基线血压值。用户可通过在测量左臂上的袖带血压的同时使右手指与传感器110接触来测量参考生物信号。然而，基线血压和参考生物信号的测量不一定同时执行。当通过通信接口150从外部血压测量装置34接收到基线血压值时，校准器250可向实现本实施例的装置30的显示器32输出界面，并可在输出的界面上显示基线血压值。

在另一示例中，参照图3G，可直接从用户接收基线血压值。校准器250可通过输出接口130输出界面，以允许用户将基线血压值输入到装置30的显示器32。

校准器250可从参考生物信号获取参考特征值，并将获取的参考特征值、基线血压值等存储在存储装置140中作为参考信息。

用户特性输入器260可从用户接收用户特性信息，以确定用户所属的用于应用上述第二估计等式的组，或者获取用于获取比例因子的输入值。在这种情况下，用户特性信息可包括上述个人特性因子和关于是否服用包括影响血压的血压药物的药物、健康状态等的信息。仅针对用户所属的组的第二估计等式可被预先存储在存储装置140中，然后被使用。在这种情况下，可省略将在下面描述的用于接收用户特性信息以确定用户所属的组的处理。

参照图3C至图3E，在关于用户所属的组的信息将被确定用于比例因子估计模型的应用的情况下，用户特性输入器260可通过输出接口130输出界面并使用界面接收用户特性信息。

例如，如图3C所示，在基于性别对与第二估计等式相关联的组进行分类的情况下，可将包括将用于选择性别的对象的界面与诸如“请输入您的性别”的文本一起输出到装置30的显示器32。此外，参照图3D，在基于是否服用血压药物对与第二估计等式相关联的组进行分类的情况下，可将包括将用于选择药物的使用的对象的界面与诸如“请输入您是否服用血压药物”的文本一起输出到装置30的显示器32。类似地，参照图3E，在基于年龄组对与第二估计等式相关联的组进行分类的情况下，可将包括将用于输入用户的出生日期的对象的界面与诸如“请输入您的出生日期”的文本一起输出到装置30的显示器32。

图4是示出根据实施例的估计血压的方法的流程图。图5A、图5B、图5C和图5D是示出根据实施例的比例因子的获取的流程图。图4至图5D的实施例可以是由图1A的设备100a或图1B的设备100b执行的估计血压的方法的实施例。

首先，当用于估计血压的设备接收到针对血压的估计的请求时，设备可测量生物信号(410)。设备可提供用于与用户交互的接口，并且可通过接口从用户接收针对血压的估计的请求。可选择地，设备可从外部装置接收针对血压的估计的请求。在这种情况下，从外部装置接收的针对血压的估计的请求可包括用于提供血压估计结果的请求。当外部装置装备有血压估计算法时，针对血压的估计的请求可包括用于提供获取的特征的请求。外部装置可包括由用户携带的智能电话、平板PC、笔记本PC、可穿戴装置等。在这种情况下，生物信号可包括PPG信号，但不限于此。

然后，可通过分析生物信号从生物信号获取特征值(420)。在这种情况下，特征值可以是通过生物信号的最大点和最小点处的时间和幅度、组成脉搏波形的位置处的时间和幅度、生物信号的面积和心率中的一个或者两个或更多个以上的组合获得的值。在这种情况下，组合两个或更多个特征的方法不具体限于特定的特征。

然后，使用获取的特征值，可检测血压变化符号并且可获取比例因子(430)。可基于操作420中的获取的特征值相对于参考时间点处的特征值的变化的方向来检测血压变化符号。这里，当不存在血压的变化时，血压变化符号为0，但是在这种情况下，参考时间点处的血压未变化，因此描述了血压变化符号限于仅包括正(+)符号和负(-)符号。

将参照图5A至图5D描述检测血压变化符号并获取比例因子的操作430的各种实施例。然而，实施例不限于以下描述的示例。

参照图5A，可通过将在操作420中获取的特征值f_cur和校准时的参考特征值f_cal进行比较来确定血压变化符号(511)。

然后，当在操作511中确定血压变化符号是指示特征值f_cur大于参考特征值f_cal的正(+)符号时，可获取针对正(+)符号预设的固定常数值SF_pos作为用于缩放特征值f_cur的比例因子SF(512)。当在操作511中确定血压变化符号是指示特征值f_cur小于参考特征值f_cal的负(-)符号时，可基于用户特性信息选择用户所属的组(513)。在这种情况下，在针对用户预设组的情况下，可省略操作513。然后，可通过应用针对用户所属的组预设的负符号估计等式f_neg,G(x)来获取比例因子SF(514)。

参照图5B，可通过将在操作420中获取的特征值f_cur和校准时的参考特征值f_cal进行比较来确定血压变化符号(521)。

然后，当在操作521中确定血压变化符号是指示特征值f_cur大于参考特征值f_cal的正(+)符号时，可基于用户特性信息选择用户所属的组(522)。在这种情况下，当针对用户预设组时，可省略操作522。然后，可通过应用针对用户所属的组预设的正(+)符号估计等式f_pos,G(x)来获取比例因子SF(523)。当在操作521中确定血压变化符号是指示特征值f_cur小于参考特征值f_cal的负(-)符号时，可获取针对负(-)符号预设的固定常数值SF_neg作为比例因子SF(524)。

参照图5C，可首先基于用户特性信息选择用户所属的组(531)。在这种情况下，当针对用户预设组时，可省略操作531。然后，可通过将在操作420中获取的特征值f_cur和校准时的参考特征值f_cal进行比较来确定血压变化符号(532)。

然后，当在操作532中确定血压变化符号是指示特征值f_cur大于参考特征值f_cal的正(+)符号时，可通过应用针对用户所属的组预设的正(+)符号估计等式f_pos,G(x)来获取比例因子SF(533)。当在操作532中确定血压变化符号是指示特征值f_cur小于参考特征值f_cal的负(-)符号时，可通过应用针对用户所属的组预设的负(-)符号估计等式f_neg,G(x)来获取比例因子SF(534)。

参照图5D，可通过将在操作420中获取的特征值f_cur和校准时的参考特征值f_cal进行比较来确定血压变化符号(541)。

然后，当确定操作541血压变化符号是指示特征值f_cur大于参考特征值f_cal的正(+)符号时，可获取针对正(+)符号预设的固定常数值SF_pos作为比例因子SF(542)。当确定血压变化符号是指示特征值f_cur小于参考特征值f_cal的负(-)符号时，可获取针对负(-)符号预设的固定常数值SF_neg作为比例因子SF(543)。

返回参照图4，可基于在操作420中获取的特征值和在操作430中获取的比例因子来估计血压(440)。例如，可如上面的等式1所示地使用比例因子来缩放特征值，然后可通过组合缩放后的特征值与偏移值来估计血压。

然后，可输出血压的估计的结果(450)。例如，可使用各种视觉方法通过显示器输出血压估计结果。可选择地，可使用非视觉方法(诸如，声音、触觉、振动等)通过扬声器和/或触觉模块将血压估计结果提供给用户。此外，可基于估计的生物信息来确定用户的健康状态，并且可根据确定结果向用户通知警告或要采取的动作。

图6是示出根据实施例的用于支持血压估计的设备的框图。用于支持血压估计的设备600可安装在终端(诸如，智能电话、平板PC、台式PC、笔记本PC等)、设备600的制造商或销售商的服务器、或者针对在医疗机构中测量和分析生物信息的使用而制造的医疗装置中。用于支持血压估计的设备600可安装在这样的装置中，并且可执行用于支持血压估计设备660的各种功能(例如，生成和更新比例因子估计模型并将比例因子估计模型分发到血压估计设备660)。

参照图6，用于支持血压估计的设备600可包括信息收集器610、处理器620、存储装置630和通信接口640。

信息收集器610可收集与多个用户的血压相关的信息。例如，信息收集器610可通过通信接口640连接到由多个用户使用的血压估计设备660，并从血压估计设备660收集血压相关信息。可选择地，信息收集器610可通过使用包括袖带型血压测量装置的各种血压相关装置从参与测试的多个用户直接收集信息。在这种情况下，血压相关信息可包括从多个用户测量的生物信号、上述个人特性因子、使用袖带血压装置等获得的实际血压测量值等，但不限于此。信息收集器610可由处理器实现。

处理器620可基于从多个用户收集的血压相关信息来生成与每个血压变化符号相关联的用于缩放将用于估计血压的生物信号特征值的比例因子估计模型。在这种情况下，比例因子估计模型可包括如上所述针对每个血压变化符号不同地定义的常数值、反映每个个体的特性的估计等式以及反映每个组的特性的估计等式。

在一个示例中，处理器620可根据血压变化符号对多个用户进行分类，基于与血压变化符号对应的每个用户的生物信号特征值和实际血压值来获取每个用户的最优比例因子，并基于获取的最优比例因子来确定适用于所有用户的针对每个血压变化符号的最优固定常数值。

在另一示例中，处理器620可根据血压变化符号对多个用户进行分类，并基于与每个血压变化符号对应的每个用户的生物信号特征值和实际血压值来获取每个用户的最优比例因子。例如，可通过将实际血压值、基线血压值和生物信号特征值输入到上面的等式1中来获取比例因子。这样，通过使用根据血压变化符号针对每个用户获取的比例因子和相应的用户的个人特性因子，可以以与参照图3A描述的方式相同的方式获得反映每个个体的特性的每个血压变化符号的估计等式。

在又一示例中，处理器620可根据血压变化符号对多个用户进行分类，并根据性别、年龄组、用户是否服用药物、职业组、疾病等将分类的用户进一步细分为组，并且生成针对每个组的反映相应的组的特性的估计等式。如参照图3B所述，可使用每个组的用户的个人特性因子和针对相应的用户获取的比例因子来获取针对每个组的比例因子估计等式。

处理器620可通过通信接口640将生成的比例因子估计模型分发到血压估计设备660。在存在来自血压估计设备660的请求或确定血压估计设备600的更新将被执行的情况下，当完成比例因子估计模型的生成或当达到预设周期时，处理器620可将比例因子估计模型分发到血压估计设备660。

通信接口640可与血压估计设备660通信，并从血压估计设备660接收血压相关信息和/或针对比例因子估计模型的请求。此外，通信接口640可在处理器620的控制下将比例因子估计模型发送到血压估计设备660。

存储装置630可存储从血压估计设备660收集或通过测试收集的血压相关信息。此外，当由处理器620生成比例因子估计模型时，存储装置630可存储生成的比例因子估计模型。

图7A和图7B是示出可穿戴装置的示图。用于估计血压的设备100a和100b的上述实施例可安装在佩戴在腕部上的智能手表或智能带型可穿戴装置中。然而，这样的装置是为了便于描述的示例，并且实施例可被应用于信息处理终端(诸如，智能电话、平板PC、笔记本PC、台式PC等)。

参照图7A和图7B，可穿戴装置700可包括装置主体710和带730。

主体710可被配置为各种形式，并且可具有安装在其内部或表面上的模块，以执行血压估计功能和其他各种功能。电池可嵌入在主体710或带730的内部，以向装置700的各种模块供电。

带730可连接到主体710。带730可被形成为柔性的，从而以环绕用户的腕部的形状弯曲。带730可被配置为从用户的腕部拆卸的形式，或者被配置为不可分割的带的形式。带730可被填充有空气或者具有根据施加到腕部的压力的变化而具有弹性的气囊，并且可将腕部的压力变化传递到主体710。

被配置为测量生物信号的传感器720可安装在主体710中。传感器720可安装在主体710的与用户腕部的上部接触的后表面上，并且可包括被配置为向腕部皮肤发射光的光源和被配置为检测从感兴趣对象散射或反射的光的检测器。传感器720还可包括被配置为测量由感兴趣对象施加的接触压力的接触压力传感器。

处理器可安装在主体710的内部，并且处理器可电连接到安装在可穿戴装置700中的每个配置，以控制每个配置。此外，处理器可使用由传感器720测量的生物信号来估计血压。如上所述，处理器可从生物信号获取特征值，并使用获取的特征值来检测血压变化符号。另外，处理器可通过应用针对每个血压变化符号预设的比例因子估计模型来获取比例因子，并在使用获取的比例因子缩放特征值之后估计血压。

在安装了接触压力传感器的情况下，处理器可基于腕部和传感器720之间的接触压力监视感兴趣对象的接触状态，并可通过显示器通知用户接触位置和/或接触状态。

此外，被配置为存储处理器的处理结果和各种信息的存储装置可安装在主体710内部。在这种情况下，各种信息可包括用于血压估计的参考信息和与可穿戴装置700的功能相关的各种信息。

此外，被配置为接收用户的控制指令并将控制指令发送到处理器的操作器740可安装在主体710中。操作器740可包括用于输入用于开启/关闭可穿戴装置700的指令的电源按钮。

显示器714可安装在主体710的前表面上，并可包括能够接收触摸输入的触摸面板。显示器714可接收用户的触摸输入，将触摸输入发送到处理器，并显示处理器的处理结果。

例如，显示器714可显示估计的血压信息。在这种情况下，可与血压信息一起显示附加信息(诸如，血压的估计的日期或健康状态)。此时，如果用户通过操纵操作器740或通过对显示器714的触摸输入来请求详细信息，则可以以各种方式输出详细信息。

参照图7B，显示器714可在第一区域714a中输出详细信息，并在第二区域714b中输出血压历史曲线图。在这种情况下，血压历史曲线图可包括指示血压估计的时间的对象(例如，诸如圆、矩形等的图形)。此外，可在血压历史曲线图上显示指示由用户当前选择的对象I的标识标记M。尽管标识标记M被示出为竖直线，但实施例不限于此，标识标记M可以以各种形式(诸如，圆形、多边形(诸如，矩形)、指示相关位置的箭头等)进行显示。用户可请求显示血压历史曲线图。当在第二区域714b中显示血压曲线图时，用户可在一时间点触摸对象I，或将曲线图向左或向右移动以将该一时间点的对象I与标识标记M匹配，使得可在第一区域714a中输出详细信息。在这种情况下，信息(诸如，在由用户选择的估计时间的估计血压值、测量日期和在相关时间点的健康状态)可被输出到第一区域714a，然而，信息不限于此。

此外，被配置为与外部装置(诸如，用户的便携式终端)通信的通信接口可安装在主体710中。通信接口可将生物信息的估计的结果发送到外部装置(例如，用户的智能电话)，并允许将结果显示给用户。然而，实施例不限于此，并且各种信息可被发送和接收。

图8是示出应用用于估计血压的设备的实施例的智能装置的示图。在这种情况下，智能装置可包括智能电话、平板PC等。

参照图8，传感器830可安装在智能装置800的主体810的一个表面上。传感器830可包括脉搏波传感器，其中，脉搏波传感器包括一个或多个光源831和检测器832。如图8所示，传感器830可安装在主体810的后表面上，但不限于此。传感器830可与主体810的前表面上的指纹传感器或触摸面板组合。

此外，显示器可安装在主体810的前表面上。显示器可视觉地输出生物信息的估计的结果等。显示器可包括触摸面板，并接收通过触摸面板输入的各种信息并将通过触摸面板输入的各种信息发送到处理器。

图像传感器820可安装在主体810中。当用户将手指靠近传感器830以测量脉搏波信号时，图像传感器820可捕获手指图像并将手指图像发送到处理器。在这种情况下，处理器可从手指图像辨识手指相对于传感器830的实际位置的相对位置，并通过显示器向用户提供手指的相对位置信息，从而引导用户更准确地测量脉搏波信号。

当如上所述由传感器830测量生物信号时，处理器可考虑相对于参考时间点的血压变化符号来估计血压。用于执行其它功能的各种模块可安装在智能装置800中，并且其详细描述将被省略。

当前实施例可被实现为计算机可读记录介质中的计算机可读代码。构成计算机程序的代码和代码段可由本领域的熟练的计算机程序员容易地推断出来。计算机可读记录介质包括存储计算机可读数据的所有类型的记录介质。计算机可读记录介质的示例包括ROM、RAM、CD-ROM、磁带、软盘和光学数据存储装置。此外，记录介质可以以诸如因特网传输的载波的形式来实现。此外，计算机可读记录介质可通过网络分发到计算机***，其中，计算机可读代码可以以分布式方式来存储和执行。

上面已经描述了若干示例。然而，将理解，可做出各种修改。例如，如果以不同的顺序执行描述的技术，和/或如果以不同的方式组合描述的***、架构、装置或电路中的组件和/或使用其他组件或它们的等同物替换或补充描述的***、构造、装置或电路中的组件，则可实现适当的结果。因此，其他实施方式在权利要求书的范围之内。

Claims

1.一种用于估计血压的设备，所述设备包括：

传感器，被配置为测量生物信号；以及

处理器，被配置为：

从生物信号获取特征值；

基于特征值，检测血压变化符号；

基于血压变化符号，获取比例因子；以及

基于特征值和比例因子，估计血压，

其中，处理器进一步被配置为：

基于获取的特征值是否大于参考特征值，检测血压变化符号；

根据检测到的血压变化符号获取不同的比例因子。

2.如权利要求1所述的设备，其中，参考特征值从校准时测量的生物信号被获取。

3.如权利要求1所述的设备，其中，处理器进一步被配置为：

基于获取的特征值大于参考特征值，检测到血压变化符号为正；以及

基于获取的特征值小于参考特征值，检测到血压变化符号为负。

4.如权利要求1所述的设备，其中，处理器进一步被配置为：使用根据血压变化符号不同地定义的比例因子估计模型，获取比例因子。

5.如权利要求4所述的设备，其中，比例因子估计模型包括常数值、反映多个用户的特性的第一估计等式和反映所述多个用户的多个组中的每个组的特性的第二估计等式中的任意一个或任意组合。

6.如权利要求5所述的设备，其中，处理器进一步被配置为：

基于血压变化符号被检测为正，获取针对正符号定义的第一常数值作为比例因子；以及

基于血压变化符号被检测为负，获取针对负符号定义的第二常数值作为比例因子。

7.如权利要求5所述的设备，其中，处理器进一步被配置为：

基于血压变化符号被检测为正，获取针对正符号定义的常数值作为比例因子；以及

基于血压变化符号被检测为负，使用针对负符号定义的第二估计等式来获取比例因子。

8.如权利要求7所述的设备，其中，处理器进一步被配置为：基于血压变化符号被检测为负：

接收所述多个用户中的一个用户的特性信息；以及

通过将所述特性信息应用于所述多个组中的所述多个用户中的所述一个用户所属的一个组的第二估计等式，获取比例因子。

9.如权利要求5所述的设备，其中，所述多个组中的每个组基于性别、年龄、是否服用药物、职业和疾病中的任意一个或任意组合来分类。

10.如权利要求5所述的设备，其中，第一估计等式和第二估计等式中的每个具有反映所述多个用户中的一个用户的特性中的至少一种特性的个人特性因子的输入。

11.如权利要求10所述的设备，其中，个人特性因子包括年龄、性别、身高、体重、体质指数、脉压、基线收缩压、基线舒张压、基线收缩压与基线舒张压之间的差以及心率中的任意一个或任意组合。

12.如权利要求1所述的设备，其中，处理器进一步被配置为：通过组合生物信号的波形的形状、生物信号的最大点处的时间和幅度、生物信号的最小点处的时间和幅度、构成生物信号的脉搏波形分量的位置处的时间和幅度以及生物信号的面积中的一个或多个来获取特征值。

13.如权利要求1所述的设备，其中，处理器进一步被配置为：

使用比例因子缩放特征值；以及

基于缩放后的特征值，估计血压。

14.如权利要求13所述的设备，其中，处理器进一步被配置为：还基于校准时的基线血压值，估计血压。

15.如权利要求1所述的设备，其中，传感器包括：

光源，被配置为向感兴趣对象发射光；以及

检测器，被配置为检测从感兴趣对象散射或反射的光。

16.如权利要求1所述的设备，还包括：输出接口，被配置为输出处理器的处理结果。

17.如权利要求1所述的设备，还包括：通信接口，被配置为从外部装置接收将用于获取比例因子的比例因子估计模型。

18.如权利要求17所述的设备，其中，处理器进一步被配置为：

基于预设时间段、用户的特性的变化和估计的血压中的任意一个或任意组合，确定是否更新比例因子估计模型；以及

基于确定更新比例因子估计模型，控制通信接口从外部装置接收新的比例因子估计模型。

19.一种存储程序的计算机可读存储介质，其中，当所述程序被处理器执行时，使处理器执行以下的步骤：

接收生物信号；

从生物信号获取特征值；

基于特征值，检测血压变化符号；

基于血压变化符号，获取比例因子；以及

基于特征值和比例因子，估计血压，

其中，检测血压变化符号的步骤包括：基于获取的特征值是否大于参考特征值，检测血压变化符号，

其中，获取比例因子的步骤包括：根据检测到的血压变化符号获取不同的比例因子。

20.如权利要求19所述的计算机可读存储介质，其中，获取比例因子的步骤包括：使用根据血压变化符号不同地定义的比例因子估计模型，获取比例因子。

21.如权利要求20所述的计算机可读存储介质，其中，比例因子估计模型包括常数值、反映多个用户的特性的第一估计等式和反映所述多个用户的多个组中的每个组的特性的第二估计等式中的任意一个或任意组合。

22.如权利要求21所述的计算机可读存储介质，其中，获取比例因子的步骤包括：

23.如权利要求22所述的计算机可读存储介质，其中，获取比例因子的步骤包括：基于血压变化符号被检测为负，基于所述多个用户中的一个用户的特性信息，选择所述多个组中的所述多个用户中的所述一个用户所属的一个组。

24.如权利要求19所述的计算机可读存储介质，其中，估计血压的步骤包括：

使用比例因子缩放特征值；以及

基于缩放后的特征值，估计血压。

25.一种用于支持血压估计的设备，所述设备包括：

信息收集器，被配置为收集多个用户的血压相关信息；以及

处理器，被配置为：基于血压相关信息，生成针对正血压变化符号和负血压变化符号中的每个的比例因子估计模型，比例因子估计模型用于缩放将用于估计血压的生物信号特征值，

其中，基于与血压相关信息对应的特征值是否大于参考特征值，血压变化符号被检测为正血压变化符号或负血压变化符号，

其中，根据检测到的血压变化符号获取不同的比例因子。

26.如权利要求25所述的设备，其中，比例因子估计模型包括常数值、反映所述多个用户的特性的第一估计等式和反映所述多个用户的多个组中的每个组的特性的第二估计等式中的任意一个或任意组合。

27.如权利要求26所述的设备，其中，处理器进一步被配置为：

基于所述多个用户中的每个用户的生物信号特征值的血压变化符号，对所述多个用户进行分类；

基于所述多个用户中的每个用户的生物信号特征值和实际血压值，获取所述多个用户中的每个用户的最优比例因子，生物信号特征值和实际血压值对应于所述多个用户中的每个用户的血压变化符号；以及

基于所述多个用户中的每个用户的个人特性因子和最优比例因子，生成反映所述多个用户的特性的第一估计等式。

28.如权利要求26所述的设备，其中，处理器被配置为：

基于所述多个用户中的各个用户的生物信号特征值的血压变化符号，对所述多个用户进行分类；

基于性别、年龄、是否服药、职业和疾病中的任意一个或任意组合，将分类的所述多个用户细分为所述多个组；以及

生成反映所述多个组中的每个组的特性的第二估计等式。

29.如权利要求25所述的设备，还包括：通信接口，被配置为：基于请求从用于估计血压的设备被接收或基于比例因子估计模型被生成，将比例因子估计模型发送到用于估计血压的设备。

30.如权利要求25所述的设备，还包括：存储装置，被配置为存储血压相关信息和比例因子估计模型中的任意一个或二者。

31.一种用于估计血压的设备，所述设备包括：

传感器，被配置为测量用户的生物信号；以及

处理器，被配置为：

从生物信号获取当前特征值；

确定当前特征值是否大于参考特征值；

基于当前特征值被确定为大于参考特征值，使用第一模型来获取比例因子；

基于当前特征值被确定为小于参考特征值，使用不同于第一模型的第二模型来获取比例因子；

使用比例因子缩放当前特征值；以及

基于缩放后的当前特征值，估计血压。

32.如权利要求31所述的设备，其中，处理器进一步被配置为：

基于当前特征值被确定为大于参考特征值：

基于用户的特性信息，选择用户所属的组；以及

使用针对选择的组并且针对当前特征值被确定为大于参考特征值的情况预设的估计等式，获取比例因子；以及

基于当前特征值被确定为小于参考特征值，将比例因子设置为针对当前特征值被确定为小于参考特征值的情况预设的值。

33.如权利要求31所述的设备，其中，处理器进一步被配置为：

基于用户的特性信息，选择用户所属的组；

基于当前特征值被确定为大于参考特征值，使用针对选择的组并且针对当前特征值被确定为大于参考特征值的情况预设的第一估计等式，获取比例因子；以及

基于当前特征值被确定为小于参考特征值，使用针对选择的组并且针对当前特征值被确定为小于参考特征值的情况预设的第二估计等式，获取比例因子。