TW202211868A - 判定疲憊指數之方法和設備 - Google Patents
判定疲憊指數之方法和設備 Download PDFInfo
- Publication number
- TW202211868A TW202211868A TW110126029A TW110126029A TW202211868A TW 202211868 A TW202211868 A TW 202211868A TW 110126029 A TW110126029 A TW 110126029A TW 110126029 A TW110126029 A TW 110126029A TW 202211868 A TW202211868 A TW 202211868A
- Authority
- TW
- Taiwan
- Prior art keywords
- group
- power
- ratio
- physiological signals
- subgroup
- Prior art date
Links
Images
Classifications
-
- 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
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording 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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- 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
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/07—Home care
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/04—Constructional details of apparatus
- A61B2560/0475—Special features of memory means, e.g. removable memory cards
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Anesthesiology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本發明提供用於判定一疲憊指數之方法和設備。一種判定一疲憊指數之方法可包含:接收生理信號;基於該等生理信號來產生複數個心率變異性參數;及基於該複數個心率變異性參數來判定該疲憊指數。
Description
癌症相關疲憊(CRF)係癌症及其治療之一嚴重副作用,其可擾亂患者之生活品質。臨床上,用於評估CRF之標準方法依賴於自患者自我報告(諸如簡要疲憊報表(BFI))擷取之主觀經驗。然而,大多數患者不會自我報告其疲憊程度。
大多數受試者可能沒有清楚地理解其遭遇到疲憊。通常,受試者可能比其認識到的更疲憊。對於正常受試者,疲憊可能由諸如心律失常、甲狀腺機能減退、腎臟疾病、肝臟疾病或抑鬱症之各種狀況引起。辨識疲憊可有助於識別後續狀況。
優先權聲明及交叉參考
本申請案主張於2020年8月4日提出申請之標題為「METHOD AND SYSTEM FOR MEASURING CANCER-RELATED FATIGUE」之美國臨時申請案第63/060,839號的優先權,該申請案藉此係以引用的方式併入本文中。
以下揭示內容提供用於實施所提供標的物之不同特徵之諸多不同實施例或實例。下文闡述操作、組件及配置之特定實例以簡化本發明。當然,此等實例僅係實例且並非意欲為限制性的。舉例而言,本說明書中在一第二操作之前或之後執行之一第一操作可包含其中一起執行第一操作及第二操作之實施例,且亦可包含其中在第一操作與第二操作之間執行額外操作之實施例。舉例而言,在以下說明中一第一特徵在一第二特徵上面、上或中之形成可包含其中第一特徵及第二特徵直接接觸地形成之實施例,且亦可包含其中額外特徵可形成於第一特徵與第二特徵之間使得第一特徵與第二特徵可不直接接觸之實施例。另外,本發明可在各項實例中重複參考編號及/或字母。此重複係出於簡單及清晰目的且並非本質上指示所論述之各種實施例及/或組態之間的一關係。
此外,可在本文中出於易於闡述目的而使用時間相對術語(諸如「在……以前」、「在……之前」、「在……以後」、「在……之後」及諸如此類)來闡述一項操作或特徵與另一操作或特徵之關係,如各圖中所圖解說明。時間相對術語意欲囊括各圖中所繪示之不同操作序列。此外,可在本文中出於易於闡述目的而使用空間相對術語(諸如「下面」、「下方」、「下部」、「上方」、「上部」及諸如此類)來闡述一個元件或特徵與另一元件或特徵之關係,如各圖中所圖解說明。空間相對術語意欲囊括使用或操作中裝置的除各圖中所繪示之定向之外的不同定向。設備可以其他方式定向(旋轉90度或以其他定向),且因此同樣可解釋本文中所使用之空間相對闡述語。可在本文中出於易於闡述目的而使用連接相關術語(諸如「連接(connect)」、「經連接(connected)」、「連接(connection)」、「耦合」、「經耦合」、「通信」或諸如此類)來闡述對兩個元件或特徵之間的一者之一操作連接、耦合或連結。連接相關術語意欲囊括裝置或組件之不同連接、耦合或連結。裝置或組件可直接地或經由(舉例而言)另一組組件間接地進行連接、耦合或連結。裝置或組件可彼此進行有線及/或無線連接、耦合或連結。
如本文中所使用,單數形式術語「一(a)」、「一(an)」及「該」可包含複數個指示物,除非內容脈絡另有清晰指示。舉例而言,對一裝置之提及可包含多個裝置,除非內容脈絡另有清晰指示。術語「包括」及「包含」可指示所闡述特徵、整數、步驟、操作、元件及/或組件之存在,但可能不排除特徵、整數、步驟、操作、元件及/或組件中之一或多者之組合的存在。術語「及/或」可包含一或多個所列物項之任一組合或所有組合。
另外,可以一範圍格式在本文中呈現量、比率及其他數值。應理解,為方便及簡潔起見而使用此範圍格式,且此範圍格式應被靈活地理解為不僅包含明確規定為對一範圍之限制的數值,而且包含囊括在彼範圍內之所有個別數值或子範圍,如同每一數值及子範圍被明確規定那般。
如下所示地詳細論述實施例之性質及用途。然而,應瞭解,本發明提供可在各種各樣特定內容脈絡中體現之諸多可適用發明性概念。所論述之特定實施例僅圖解說明特定方式以在不限制本發明之範疇的情況下體現及使用本發明。
疲憊可係正常個體需要能量補償之一指標。定義為隨時間發展之一多維現象之癌症相關疲憊(CRF)在患有癌症之患者當中可能表徵為能量及精神能力下降以及心理狀況紊亂。CRF患病率可取決於所使用之診斷準則而估計為在自60%至90%間變化。CRF通常可與抑鬱、疼痛、厭食、失眠、焦慮、噁心及呼吸困難之症狀共存,所有該等症狀可能導致疲憊之表現。CRF可能會對患有癌症之患者之正常日常活動造成限制並深刻地影響其生活品質之所有態樣,包含符合諸如化學治療或放射治療之標準治療。因此,CRF管理對於患有癌症之患者可係一治療計劃之一必不可少部分。
為了評估CRF之嚴重程度,大多數研究中之患者可經由諸如「您如何用0至10之一尺度將您過去7天內的疲憊劃分等級?」的問題來進行主觀評估。(0=不疲憊,10=您能想像到的最嚴重之疲憊)。可使用諸如簡要疲憊報表(BFI)之其他標準化評估工具來進行額外量測。簡要疲憊報表(BFI)可係基於自患者之此等自我報告擷取之主觀經驗。根據指南,建議在臨床實踐中進行CRF之定期篩查。然而,在現實中,CRF可能通常被少報且出於各種緣由而得不到治療。第一,量測CRF之大多數方法可係主觀的。第二,患者可會逐漸習慣於其受損之身體狀況並認為不適係正常的。第三,雖然在臨床實踐中已使用數種藥物治療來緩解CRF,但迄今為止尚沒有標準治療在臨床指南中得到推廣或被證明有效。
可使用類似於心電圖(ECG)之一方法來量測心率變異性(heart rate variability;HRV)。HRV可給出毗鄰兩次心跳之間的可變性指示。自主神經系統可經由複雜相互作用持續來調節HRV,自主神經系統涉及交感神經系統(SNS)、副交感神經系統(PNS)及迷走神經。SNS之活動會提高心率(HR),而PNS之彼等活動會降低心率。HRV可包含時域參數及頻域參數。頻域HRV參數可偵測疲憊及其對應效應,諸如困倦及睡眠。
當前頻域量測將頻帶指派為範圍介於0.14 Hz與0.4 Hz之間的一高頻(HF)帶及範圍介於0.05 Hz與0.15 Hz之間的低頻(LF)帶。LF功率與HF功率(LF/HF)之比率表示在受控制條件下SNS與PNS之間的相對活動。HF功率之一降低及LF功率之一提高可表徵為低副交感神經活動。
壓力可影響SNS、PNS及迷走神經活動。因此,HRV可指示患者之心理健康狀態。HRV可量測不同情境及迥異疾病群組中之疲憊。HRV可識別清醒狀態及疲憊狀態。
HF功率可在一疲憊狀態期間提高,而LF功率可在清醒狀態期間降低。在非快速眼球轉動(非REM)狀態中,LF/HF比率可隨著睡眠加深而逐漸降低。LH/HF比率可反映睡眠活動。LF/HF在非REM狀態與REM狀態之間可有所區別。夜間睡眠品質及日間休息頻率可潛在地對應於疲憊狀態。一較高疲憊程度可導致日間較高休息頻率,從而影響夜間睡眠品質。
睡眠活動包含REM狀態及非REM狀態。非REM狀態可由階段1、階段2、階段3及階段4組成,數目愈大可能指示睡眠愈深。夢通常發生在REM狀態期間,藉此大腦比在非REM狀態中更活躍。一睡眠週期可起始於非REM狀態,從而自非REM階段1至4開始並返回至非REM階段1,後續接著REM狀態,然後非REM狀態再次出現。對於一成年人,每一週期可持續大約90分鐘至120分鐘。然而,LF/HF突發可能發生在REM狀態中,從而導致比在非REM狀態中高得多之一LF/HF。
本發明可旨在提供基於HRV參數之一客觀疲憊指數。可自具有光體積變化描記圖(PPG)感測器之一裝置或自具有ECG感測器之一裝置收集來自HRV資料之LF/HF比率。具有PPG感測器或ECG感測器之裝置可係一可穿戴裝置。可穿戴裝置可經構建以收集具有一預定義頻率之生理信號並計算出LF/HF比率。可週期性地觸發量測,例如,連續7天在24小時內每小時一次。
可在一ECG量測期間在一資料收集程序中獲得生理信號(例如,HRV信號)。可每隔5分鐘記錄一次生理信號,長達24小時。HRV信號可計算為所記錄生理信號之原始資料。在心血管評估及研究中,一裝置用於整夜監測ECG及HRV。然而,用於ECG量測之裝置可經設計以用於固定量測而非行動量測,此在諸多生理量測中可能係需要的。為了計算出HRV參數,可累積連續脈衝間間隔並將其轉換成一波,且可量測R-R間隔(亦即,兩個毗鄰R波之間的間隔)並將其平均化以獲得有關LF及HF之資訊。
PPG可提供一種偵測生理信號之非侵入性技術。PPG可在一受試者之皮膚(一生活體之皮膚)處使用一光源及一光電偵測器來量測血液循環之體積變化並監測健康狀況。在PPG之行動設計當中,腕戴式設計對於計算血液循環之體積變化及在需要此原始資料進行持續分析之研究中已變得流行。PPG信號為ECG記錄提供了一極佳替代。
在本發明中,具有一PPG感測器之一可穿戴裝置(例如,一智慧型手環)會偵測生理信號。此可穿戴裝置自個體收集PPG信號。PPG信號可由可穿戴裝置、與可穿戴裝置通信之一行動裝置(例如,一智慧型電話、一平板電腦或一膝上型電腦)或與可穿戴裝置通信之一遠端裝置(例如,一雲端運算裝置或一霧端運算裝置)轉換成HRV參數。
用於獲得HRV參數之每一量測可需要數分鐘(例如,2分鐘)之偵測,該偵測可包含獲得心率並依據其計算出數個頻域參數(例如,LF功率及HF功率)。經轉換HF及LF資訊可用以估計交感神經及副交感神經活動,從而評估一受試者之壓力及疲憊。
圖1係根據本發明之某些實施例的一程序100之一流程圖。程序100可根據本發明之某些實施例而判定一疲憊指數(FI)。在本發明中,一FI可係基於對一受試者(或一生活體)之客觀量測。
程序100可包含操作101、103及105。在操作101中,可自(舉例而言)一可攜式或可穿戴裝置接收或獲得生理信號。可自具有ECG感測器之一裝置接收生理信號。可自具有PPG感測器之一裝置接收生理信號。生理信號可係ECG信號。生理信號可係PPG信號。PPG信號可包含數個波形參數,例如,脈衝振幅及脈衝斜率。可在一週期內接收生理信號,該週期可係數分鐘(例如,2分鐘至10分鐘)、一或多小時(例如,1小時至5小時)或者一或多天。
在操作103中,可產生或計算出心率變異性(HRV)參數。可自在操作101中接收到或獲得之生理信號產生或計算出HRV參數。HRV參數可包含RR間隔(亦即,毗鄰兩個R波之間的間隔)。在對RR間隔進行處理之後,可獲得HRV參數,包含時域參數、頻域參數及時-頻域參數。
時域參數可包含SDNN (正常至正常之標準偏差)、SDANN (整個記錄之所有5分鐘分段的NN間隔之平均值之標準偏差)、NN50計數(整個記錄中毗鄰NN間隔之對數目相差大於50毫秒)、pNN50 (NN50計數除以所有NN間隔之總數目)及TINN (NN間隔直方圖之三角插值)。SDNN指示NN間隔(亦即,兩次正常心跳之間隔)之標準偏差,其中單位係µs。對於SDANN,將記錄週期劃分成5分鐘之連續分段;計算出5分鐘之每一連續分段的NN間隔之標準偏差,且SDANN指示連續分段之NN間隔之標準偏差之平均值;單位係µs。NN50計數指示在整個記錄內毗鄰NN間隔之對數目相差大於50 ms。HRV三角指數指示所有RR間隔之總數目除以所有RR間隔之直方圖之高度。
可經由傅立葉變換自RR間隔或NN間隔產生頻域中之參數。頻域中之參數可被表示為功率譜密度或譜分佈。頻域中之HRV參數可展示200次至500次連續心跳的特性。用於產生頻域中之HRV參數的記錄可持續至少數分鐘(例如,2分鐘至10分鐘)。RR間隔或NN間隔之譜分佈可小於1 Hz。可能發現某些峰值係在0 Hz至0.4 Hz之間。HRV參數在頻域中之高頻(HF)帶範圍可係自0.15 Hz至0.4 Hz;HRV參數在頻域中之低頻(LF)帶範圍可係自0.04 Hz至0.15 Hz。HF帶中之功率密度或分佈可反映副交感神經之活動。LF帶中之功率密度或分佈可由交感神經或副交感神經控制。
頻域中之HRV參數可包含總功率(TP)、極低頻功率(VLFP) (亦即,頻率中所分佈之功率未超出0.04 Hz)、低頻功率(LFP)、高頻功率(HFP)、正規化LFP (nLFP) (亦即,
)、正規化HFP (nHFP) (亦即,
),及LFP與HFP之比率(
或LF/HF)。LF/HF可指示自主神經之活動的平衡。
在操作105中,一FI可係基於對一受試者(或一生活體)之客觀量測。一疲憊指數(FI)可係基於HRV參數而判定。一FI可係基於在操作103中產生或計算出之HRV參數而判定。一FI可係基於時域中之HRV參數而判定。一FI可係基於頻域中之HRV參數而判定。一FI可係基於頻域中之LF功率及HF功率而判定。一FI可係基於頻域中之LF功率與HF功率之比率(LF/HF)而判定。一FI可係基於不同活動階段中之LF/HF比率而判定。
圖2係根據本發明之某些實施例一程序200之一流程圖。程序200可根據本發明之某些實施例來產生或計算出心率變異性(HRV)參數。
程序200可包含操作201、203及205。在操作201中,可判定生理信號歸屬於哪個階段。可將生理信號判定為歸屬於一活動階段或一睡眠階段(或一非活動階段)。在某些實施例中,一受試者(或一生活體)之日間可包含一活動階段及一睡眠階段(或一非活動階段)。
在操作101中,可接收操作201中所使用之生理信號。可在一子週期內接收操作201中所使用之生理信號。此子週期可係數分鐘(例如,2分鐘至10分鐘)或數小時(例如,1小時至5小時)。一活動階段可包含一或多個子週期。一睡眠階段(或一非活動階段)可包含一或多個子週期。用於記錄生理信號之一週期可包含數個子週期、數小時、一或多天、一或多個活動階段或者一或多個睡眠階段。
在操作203中,可基於在如操作201中所使用之子週期中接收到之生理信號來產生或計算出頻域中之參數。可基於在子週期中接收到之生理信號來產生或計算出頻域中之HRV參數。可基於在如操作201中所使用之子週期中接收到之生理信號來產生或計算出LF功率及HF功率。
在操作205中,可產生或計算出LF功率與HF功率之一比率(亦即,LF/HF)。可基於操作203中所產生之LF功率及HF功率來產生或計算出LF/HF。可基於在如操作201中所使用之子週期中接收到之生理信號來產生或計算出LF/HF。在操作205之後,可產生或計算出一給定子週期(在一活動階段中或在一睡眠階段中)之一LF/HF比率。
圖3展示根據本發明之某些實施例的心率及LF/HF比率之曲線。在圖3中,可自一受試者(或生活體)偵測或量測心率及LF/HF比率。在圖3中,用於記錄生理信號之週期可係4天。圖3中之每一天包含一活動階段及一睡眠階段。較深色之條帶指示活動階段。較淺色之指示睡眠階段。
圖3中之虛線展示不同時間點處之心率(HR) (例如,每分鐘之心跳)。圖3中之實線展示不同時間點處之LF/HF比率。可基於在一子週期中接收到之生理信號來產生或計算出一個時間點處之一心率;子週期可係數分鐘或數小時。可基於在一子週期中接收到之生理信號來產生或計算出一個時間點處之一LF/HF比率;子週期可係數分鐘(例如,2分鐘至10分鐘)或數小時(例如,1小時至5小時)。
通常,一高活動等級可導致一經提高HR及經提高LF/HF比率。在一活動階段中可獲得一較高平均HR及一較高LF/HF比率。在睡眠階段中,HR可逐漸降低,且LF/HF比率可自超出1降低至小於1。若偵測到一經降低HR及小於1之一LF/HF比率,則可獲得一較佳睡眠品質。在睡眠階段結束時,HR及LF/HF比率兩者可提高。
睡眠事件亦可發生在一患者之活動階段中。舉例而言,具有低HR之低LF/HF比率(亦即,小於1)可發生在第2天及第4天。而且,LF/HF比率在第2天之睡眠階段中之突發可指示睡眠階段中之一REM狀態。可以一經定時量測隨機取樣方式監測HRV,其中可在兩個子週期之間的一預定義間隔中對HRV事件進行隨機取樣。為了精確擷取目標事件,可在計時器組態中選取兩個子週期之間的一細分量測間隔。歸功於一大資料儲存空間及電功率消耗之需要,可將用於記錄生理信號之子週期設定為1小時。
圖4係根據本發明之某些實施例的一程序400之一流程圖。程序400可根據本發明之某些實施例來判定一FI。
程序400可包含操作401、403、405、407及409。在操作401中,可產生或計算出一睡眠階段中之LF/HF之一紊亂比率(disorder ratio)。一睡眠階段中之LF/HF之一紊亂比率可表示為:
一睡眠階段中LF/HF之紊亂比率可追蹤睡眠品質與疲憊之間的關係。
LHD 睡眠 (
)之一較高值可暗指一較短深度睡眠持續時間。
在方程式(1)及下文方程式中,變體「BR」係「平衡比」之一縮寫。在某些實施例中,BR可係1。在某些實施例中,BR可係非REM狀態中之一LF/HF比率;BR可係介於0.8與1.2之間或0.5與1.5之間的一實數。在其他實施例中,BR可係REM狀態中之一LF/HF比率;BR可係大於2之一實數。在本發明之某些實施例中,變體「BR」可用以檢查或判定深度睡眠之狀態或者狀況,且變體「BR」可經選擇以聚焦於非REM狀態。BR之所選擇值可與受試者之性別及/或年齡相關聯。舉例而言,一成年男性之BR值可組態為1.2。在另一實例中,一成年女性之BR值可組態為略微小於1。在本發明之某些較佳實施例中,一個一般成年人之BR值可組態為1。
在操作405中,可產生或計算出一活動階段中LF/HF之一紊亂比率。一活動階段中LF/HF之一紊亂比率可表示為:
一活動階段中LF/HF之紊亂比率可追蹤日間休息期間之疲憊程度。
LHD 活動 (
)之一較高值可暗指日間更頻繁之睡眠事件。在方程式(3)中,變體「BR」係「平衡比」之一縮寫。在某些實施例中,BR可係1。BR可係介於0.8與1.2之間或介於0.5與1.5之間的一實數。
在操作407中,可對所屬群組進行判定。可判定在一週期(例如,包含數小時或至少一天;包含至少一個活動階段及至少一個睡眠階段)中接收到之生理信號歸屬於哪個群組。可判定在一週期(例如,包含數小時或至少一天;包含至少一個活動階段及至少一個睡眠階段)中接收到之生理信號歸屬於數個群組(例如,兩個群組、三個群組、四個群組等)中之一者。舉例而言,可判定在一週期中接收到之生理信號歸屬於群組A、群組B及群組C中之一者。在某些實施例中,可判定在一週期中接收到之生理信號歸屬於群組A、群組B、群組C及群組D中之一者。
在操作407中,所屬群組可係基於在一週期(例如,包含數小時或至少一天;包含至少一個活動階段及至少一個睡眠階段)中接收到之生理信號而判定。所屬群組可係基於自在一週期中接收到之生理信號產生或計算出之HRV參數而判定。所屬群組可係基於自在一週期中接收到之生理信號產生或計算出之LF/HF比率而判定。所屬群組可係基於自在一週期中接收到之生理信號產生或計算出之
LHD 睡眠 、
LHA 睡眠 及
LHD 活動 而判定。
操作407可包含判定所產生
LHD 睡眠 (
)之所屬群組(亦即,
群組 LHDS )。可將所產生
LHD 睡眠 判定為歸屬於數個群組中之一者(例如,群組A、群組B及群組C中之一者;
群組 LHDS ∈{
A, B, C})。舉例而言,當所產生
LHD 睡眠 低於臨限值
時,可將所產生
LHD 睡眠 判定為歸屬於群組A;當所產生
LHD 睡眠 超出臨限值
並低於臨限值
時,可將所產生
LHD 睡眠 判定為歸屬於群組B;且當所產生
LHD 睡眠 超出臨限值
時,可將所產生
LHD 睡眠 判定為歸屬於群組C。對所產生
LHD 睡眠 之所屬分群之判定可表示為:
操作407可包含判定所產生
LHA 睡眠 (
)之所屬群組(亦即,
群組 LHAS )。可將所產生
LHA 睡眠 判定為歸屬於數個群組中之一者(例如,群組A、群組B及群組C中之一者;
群組 LHAS ∈{
A, B, C})。舉例而言,當所產生
LHA 睡眠 低於臨限值
時,可將所產生
LHA 睡眠 判定為歸屬於群組A;當所產生
LHA 睡眠 超出臨限值
並低於臨限值
時,可將所產生
LHA 睡眠 判定為歸屬於群組B;且當所產生
LHA 睡眠 超出臨限值
時,可將所產生
LHA 睡眠 判定為歸屬於群組C。對所產生
LHA 睡眠 之所屬分群之判定可表示為:
操作407可包含判定所產生
LHD 活動 (
)之所屬群組(亦即,
群組 LHDA )。可將所產生
LHD 活動 判定為歸屬於數個群組中之一者(例如,群組A、群組B及群組C中之一者;
群組 LHDA ∈{
A, B, C})。舉例而言,當所產生
LHD 活動 低於臨限值
時,可將所產生
LHD 活動 判定為歸屬於群組A;當所產生
LHD 活動 超出臨限值
並低於臨限值
時,可將所產生
LHD 活動 判定為歸屬於群組B;且當所產生
LHD 活動 超出臨限值
時,可將所產生
LHD 活動 判定為歸屬於群組C。對所產生
LHD 活動 之所屬分群之判定可表示為:
操作407可包含基於所產生
LHD 睡眠 之所屬群組、所產生
LHA 睡眠 之所屬群組及所產生
LHD 活動 之所屬群組(亦即,
群組 LHDS 、
群組 LHAS 及
群組 LHDA )而判定在一週期(例如,包含數小時或至少一天;包含至少一個活動階段及至少一個睡眠階段)中接收到之生理信號之所屬群組。
在一週期中接收到之生理信號之所屬群組(亦即,
群組 PS )可係基於所產生
LHD 睡眠 之所屬群組、所產生
LHA 睡眠 之所屬群組及所產生
LHD 活動 之所屬群組(亦即,
群組 LHDS 、
群組 LHAS 及
群組 LHDA )中之大多數而判定。 在某些實施例中,
群組 PS , 群組 LHDS ,
群組 LHAS ,
群組 LHDA ∈{
A, B, C}。舉例而言,當
群組 LHDS =
A、
群組 LHAS =
A且
群組 LHDA =
A時,
群組 PS =
A。當
群組 LHDS =
B、
群組 LHAS =
B且
群組 LHDA =
C時,
群組 PS =
B。當
群組 LHDS =
B、
群組 LHAS =
C且
群組 LHDA =
C時,
群組 PS =
C。
在一週期中接收到之生理信號之所屬群組可係基於所產生
LHD 睡眠 之所屬群組、所產生
LHA 睡眠 之所屬群組及所產生
LHD 活動 之所屬群組的所加權值而判定。舉例而言,
群組 PS 可係基於
W
1 群組 LHDS +
W
2 群 組
LHAS +
W
3 群組
LHDA 而判定。
群組 PS 表示所接收生理信號之所屬群組;
群組 LHDS 表示
LHD 睡眠 之所屬群組;
群組 LHAS 表示
LHA 睡眠 之所屬群組;
群 組
LHDA 表示
LHD 活動 之所屬群組;
W
1 、
W
2 及
W
3 係加權值;且
群組 PS ,
群組
LHDS ,
群組
LHAS ,
群組
LHDA ∈{
A, B, C}。
舉例而言,
W
1 可係0.52,
W
2 可係0.26,且
W
3 可係0.22。在此情形中,
群組 LHDS 之優先權高於另兩者,且
群組 LHAS 之優先權高於
群組 LHDA 。在此實例中,當
群組 LHDS 係A、
群組 LHAS 係B且
群組 LHDA 係C時,
群組 PS 可係A。在實例中,當
群組 LHDS 係B且
群組 LHAS 及
群組 LHDA 係C時,
群組 PS 係B。
在某些實施例中,當
W
1 組態為遠大於
W
2 及
W
3 時,
群組 PS 可係基於
群組 LHDS 而判定。舉例而言,當
W
1 組態為0.8 (其可遠大於
W
2 及
W
3 )時,在
群組 LHDS 、
群組 LHAS 與
群組 LHDA 不同之情形中,
群組 PS 可係基於
群組 LHDS 而判定。在某些實例中,
群組 PS 可係僅基於
群組 LHDS 而判定。
在操作409中,舉例而言,一FI可係基於在一週期(例如,包含數小時或至少一天;包含至少一個活動階段及至少一個睡眠階段)中接收到之生理信號而判定。一FI可係基於自在一週期中接收到之生理信號產生或計算出之HRV參數而判定。一FI可係基於自在一週期中接收到之生理信號產生或計算出LF/HF比率而判定。一FI可係基於自在一週期中接收到之生理信號產生或計算出之
LHD 睡眠 、
LHA 睡眠 及
LHD 活動 而判定。一FI可係基於所接收生理信號之所屬群組而判定。
FI可係經由如下方程式而判定。
加權因子
α
A 、 β
A 、 γ
A 、 α
B 、 β
B 、 γ
B 、 α
C 、 β
C 、 γ
C 可用以放大或減小對應HRV參數之分量。加權因子可取決於其與FI之相關性及其歸功於FI之各別值範圍。當將方程式(8)擬合至一多線性回歸模型中時,偏移因子
ε
A 、 ε
B 、 ε
C 可對應於模型之截距且可基於可用資料集。在某些實施例中,所有加權因子
α
A 、 β
A 、 γ
A 、 α
B 、 β
B 、 γ
B 、 α
C 、 β
C 、 γ
C 可係1。
圖5繪示根據本發明之某些實施例的BFI (例如,基於主觀經驗之一指數)與FI (例如,基於客觀量測之一指數)之間的關係。圖5展示根據本發明之某些實施例的BFI與FI之間的分佈。圖5中所展示之BFI可自問卷獲得。圖5中所展示之FI可自根據本發明之某些實施例的圖1、圖2及圖4中所展示之一或多個操作獲得或產生。圖5展示根據本發明之某些實施例獲得之FI可能接近自問卷獲得之主觀經驗。
圖6係根據本發明之某些實施例的一程序600之一流程圖。程序600可根據本發明之某些實施例來更新因子。程序600可更新加權因子
α
A 、β
A 、γ
A 、α
B 、β
B 、γ
B 、α
C 、β
C 、γ
C 中之一或多者。程序600可更新偏移因子
ε
A 、ε
B 、ε
C 中之一或多者。程序600可更新臨限值
、
、
、
、
、
中之一或多者,該等臨限值用以判定
群組 LHDS 、
群組 LHAS 、
群組 LHDA 。程序600可更新加權值
W
1 、
W
2 、
W
3 中之一或多者,該等加權值可判定
群組 PS 。
程序600可包含操作601、603、605及609。在操作601中,可接收一回饋疲憊指數。回饋疲憊指數可係由使用者輸入。回饋疲憊指數可經由一運算裝置輸入。回饋疲憊指數可經由一可攜式裝置(例如,一智慧型電話或一膝上型電腦)輸入。回饋疲憊指數可經由一可攜式裝置(例如,一智慧型手環)輸入。回饋疲憊指數可係基於包含數個問題之一問卷來判定。回饋疲憊指數可係基於使用者之主觀經驗。
在操作603中,可更新用於判定所屬群組之臨限值。可修改或更新可用以判定
群組 PS 之加權值
W1、
W2、
W3中之一或多者。可修改或更新可用以判定
群組 LHDS 、
群組 LHAS 、
群組 LHDA 之臨限值
、
、
、
、
、
中之一或多者。
操作603之更新可係基於FI與回饋疲憊指數之間的差。操作603之更新可係基於所屬群組與一個或兩個毗鄰群組之間的距離。
在操作605中,可更新一或多個偏移因子。可修改或更新偏移因子
ε
A 、
ε
B 、
ε
C 中之一或多者。在某些實施例中,可僅修改或更新所屬群組之偏移因子。舉例而言,當
群組 PS =
B時,可僅修改或更新偏移因子
ε
B 。操作605之更新可係基於FI與回饋疲憊指數之間的差。
在操作607中,可更新一或多個加權因子。可修改或更新加權因子
α
A 、β
A 、γ
A 、α
B 、β
B 、γ
B 、α
C 、β
C 、γ
C 中之一或多者。在某些實施例中,可僅修改或更新所屬群組之加權因子。舉例而言,當
群組 PS =
C時,可僅修改或更新加權因子
α
C 、
β
C 、
γ
C 。操作605之更新可係基於FI與回饋疲憊指數之間的差。操作605之更新可係基於所屬群組與一個或兩個毗鄰群組之間的距離。
圖7係根據本發明之某些實施例的一程序700之一流程圖。程序700可判定根據本發明之某些實施例的因子。程序700可判定加權因子及偏移因子。
程序700可包含操作701、703、705、707、709及711。在操作701中,可接收或獲得生理信號。可自一可攜式裝置或一可攜式裝置接收生理信號。可自具有ECG感測器之一裝置接收生理信號。可自具有PPG感測器之一裝置接收生理信號。生理信號可係ECG信號。生理信號可係PPG信號。PPG信號可包含數個波形參數,例如,脈衝振幅及脈衝斜率。可在一週期內接收生理信號,該週期可係數小時或數天。可在一週期內接收或偵測經歷測試之數個受試者(或經歷測試之數個生活體)之生理信號。
在操作703中,可產生或計算出心率變異性(HRV)參數。可自在操作101中接收到或獲得之生理信號產生或計算出HRV參數。HRV參數可包含RR間隔(亦即,毗鄰兩個R波之間的間隔)。在對RR間隔進行處理之後,HRV參數可包含時域、頻域及時-頻域中之參數。在某些實施例中,在操作703中,可產生或計算出經歷測試之每一受試者的一睡眠階段中LF/HF之一紊亂比率
LHD 睡眠 、一睡眠階段中LF/HF之一平均值
LHA 睡眠 及一活動階段中LF/HF之一紊亂比率
LHD 活動 。
在操作705中,可接收一BFI (例如,一主觀指數)。BFI可由使用者輸入。BFI可經由一運算裝置輸入。BFI可經由一可攜式裝置(例如,一智慧型電話或一膝上型電腦)輸入。BFI可經由一可攜式裝置(例如,一智慧型手環)輸入。BFI可係基於包含數個問題之一問卷而判定。可接收經歷測試之每一受試者之BFI。
在操作707中,可判定被測試之每一受試者之所屬群組。可判定在一週期(例如,包含數小時或至少一天;包含至少一個活動階段及至少一個睡眠階段)中針對經歷測試之每一受試者而接收到之生理信號歸屬於哪個群組。針對經歷測試之每一受試者,可將在一週期中接收到之生理信號判定為歸屬於數個群組中之一者(例如,群組A、群組B及群組C中之一者)。
在操作707中,所屬群組可係基於在一週期中針對經歷測試之每一受試者而接收到之生理信號而判定。對於經歷測試之每一受試者,所屬群組可係基於自在一週期中接收到之生理信號產生或計算出之HRV參數而判定。對於經歷測試之每一受試者,所屬群組可係基於自在一週期中接收到之生理信號產生或計算出之LF/HF比率而判定。對於經歷測試之每一受試者,所屬群組可係基於自在一週期中接收到之生理信號產生或計算出之
LHD 睡眠 、
LHA 睡眠 及
LHD 活動 而判定。
操作707可包含判定經歷測試之每一受試者的所產生
LHD 睡眠 之所屬群組(亦即,
群組 LHDS )。對於經歷測試之每一受試者,可將所產生
LHD 睡眠 判定為歸屬於數個群組中之一者(例如,群組A、群組B、及群組C中之一者;
群組 LHDS ∈{
A, B,
C})。針對經歷測試之每一受試者的所產生
LHD 睡眠 之所屬群組之判定可如用方程式(4)所表示。
操作707可包含判定針對經歷測試之每一受試者的所產生
LHA 睡眠 之所屬群組(亦即,
群組 LHAS )。對於經歷測試之每一受試者,可將所產生
LHA 睡眠 判定為歸屬於數個群組中之一者(例如,群組A、群組B及群組C中之一者;
群組 LHAS ∈{
A, B, C})。針對經歷測試之每一受試者的所產生
LHA 睡眠 之所屬群組之判定可如方程式(5)中所表示。
操作707可包含判定針對經歷測試之每一受試者的所產生
LHD 活動 之所屬群組(亦即,
群組 LHDA )。對於經歷測試之每一受試者,可將所產生
LHD 活動 判定為歸屬於數個群組中之一者(例如,群組A、群組B及群組C中之一者;
群組 LHDA ∈{
A, B, C})。針對經歷測試之每一受試者的所產生
LHD 活動 之所屬群組之判定可如方程式(6)中所表示。
操作707可包含:對於經歷測試之每一受試者,在一週期(例如,包含數小時或至少一天;包含至少一個活動階段及至少一個睡眠階段) (亦即,
群組 PS )中接收到之生理信號之所屬群組係基於所產生
LHD 睡眠 之所屬群組、所產生
LHA 睡眠 之所屬群組及所產生
LHD 活動 之所屬群組(亦即,
群組 LHDS 、
群組 LHAS 及
群組 LHDA )而判定。
對於經歷測試之每一受試者,在一週期中接收到之生理信號之所屬群組(亦即,
群組 PS )可係基於所產生
LHD 睡眠 之所屬群組、所產生
LHA 睡眠 之所屬群組及所產生
LHD 活動 之所屬群組(亦即,
群組 LHDS 、
群組 LHAS 及
群組 LHDA )中之大多數而判定。
對於經歷測試之每一受試者,在一週期中接收到之生理信號之所屬群組可係基於所產生
LHD 睡眠 之所屬群組、所產生
LHA 睡眠 之所屬群組及所產生
LHD 活動 之所屬群組的所加權值而判定。對於經歷測試之每一受試者,在一週期中接收到之生理信號之所屬群組之判定可如方程式(7)中所表示。
在操作709中,可判定每一群組之偏移因子。在某些實施例中,群組A之偏移因子
ε
A 可係基於其所屬群組係群組A (亦即,
群組 PS =
A)的經歷測試之受試者而判定。群組B之偏移因子
ε
B 可係基於其所屬群組係群組B (亦即,
群組 PS =
B)的經歷測試之受試者而判定。群組C之偏移因子ε
C可係基於其所屬群組係群組C (亦即,
群組 PS =
C)的經歷測試之受試者而判定。對偏移因子之判定可係基於FI與BFI之間的差。可判定偏移因子,其中將所有加權因子
α
A 、
β
A 、
γ
A 、
α
B 、
β
B 、
γ
B 、
α
C 、
β
C 、
γ
C 設定為1。
在操作711中,可判定每一群組之加權因子。在某些實施例中,群組A之加權因子
α
A 、
β
A 、
γ
A 可係基於其所屬群組係群組A (亦即,
群組 PS =
A)的經歷測試之受試者而判定。群組B之加權因子
α
B 、
β
B 、
γ
B 可係基於其所屬群組係群組B (亦即,
群組 PS =
B)的經歷測試之受試者而判定。群組C之加權因子
α
C 、
β
C 、
γ
C 可係基於其所屬群組係群組C (亦即,
群組 PS =
C)的經歷測試之受試者而判定。對加權因子之判定可係基於FI與回饋疲憊指數之間的差。對加權因子之判定可係基於所屬群組與一個或兩個毗鄰群組之間的距離。
在程序700之後,可判定初始偏移因子ε
A、ε
B、ε
C及初始加權因子
α
A 、
β
A 、
γ
A 、
α
B 、
β
B 、
γ
B 、
α
C 、
β
C 、
γ
C 以便產生或計算出FI。
圖8繪示根據本發明之某些實施例的睡眠階段中BFI (例如,一主觀BFI)與LF/HF紊亂比率之間的關係。BFI可係基於包含數個問題之一問卷而判定。圖8中之一資料點可對應於經歷測試之一受試者。圖8中之一資料點可對應於在一週期(例如,一整個記錄週期)中經歷測試之一受試者。在圖8中,可將資料點分群成三個群組(例如,群組A、群組B及群組C)。圖8展示:(1) LF/HF紊亂比率在睡眠階段中隨BFI而提高;(2) 一正相關係介於兩條軸線之間(ρ=0.93);及(3)三個相異BFI群組(即群組A (BFI=0)、B (BFI大約係1至2)及C (BFI>3))存在於0至1之LF/HF紊亂比率之間。
圖9繪示根據本發明之某些實施例的睡眠階段中BFI (例如,一主觀BFI)與LF/HF比率之平均值之間的關係。BFI可係基於包含數個問題之一問卷而判定。圖9中之一資料點可對應於經歷測試之一受試者。圖9中之一資料點可對應於在一週期(例如,一整個記錄週期)內經歷測試之一受試者。在圖9中,可將資料點分群成三個群組(例如,群組A、群組B及群組C)。圖9可展示睡眠階段中平均LF/HF與BFI之間的一正相關(相關係數ρ = 0.86)。
圖10繪示根據本發明之某些實施例的活動階段中BFI (例如,一主觀BFI)與LF/HF紊亂比率之間的關係。BFI可係基於包含數個問題之一問卷而判定。圖10中之一資料點可對應於經歷測試之一受試者。圖10中之一資料點可對應於在一週期(例如,一整個記錄週期)內經歷測試之一受試者。在圖10中,可將資料點分組成三個群組(例如,群組A、群組B及群組C)。圖10可展示活動階段中之一負相關(相關係數ρ=−0.47)。
自圖8及圖9,睡眠品質可與疲憊或BFI (例如,一主觀指數)密切相關。自圖8至圖10,具有高BFI (例如,高疲憊程度)之受試者可在夜間具有不良睡眠品質且具有不充足日間休息。一般而言,具有較低BFI (例如,較低疲憊程度)之受試者之睡眠品質在夜間可係較佳的,且日間之休息頻率會發生變化。
圖11係根據本發明之某些實施例的一系統1100之一圖式。系統1100可包含一可攜式裝置1110 (例如,一智慧型手環)、一可攜式裝置1120 (例如,一智慧型電話或一膝上型電腦)及一運算裝置(例如,一雲端伺服器或一霧端伺服器)。
可穿戴裝置1110可包含一處理器1111、一記憶體1112、一通信模組1113、一輸入/輸出模組1114及彼此耦合之至少一個感測器1115。記憶體1112可係一非暫時性電腦可讀媒體。記憶體1112可包含電腦可執行程式,其中,當處理器1111執行程式時,可引導可穿戴裝置1110及其組件執行程序100、200、400、600及700中之一或多個操作。
感測器1115可收集並偵測來自一受試者或一生活體之生理信號。感測器1115可係一ECG感測器或一PPG感測器。處理器1111可由程式引起以自感測器1115接收生理信號。
通信模組1113可與可攜式裝置1120及運算裝置1130通信。可穿戴裝置1110與可攜式裝置1120之間的通信協定可係一有線協定或一無線協定。可穿戴裝置1110與運算裝置1130之間的通信協定可係一有線協定或一無線協定。有線協定可包含通用串列匯流排(USB)。無線協定可包含藍芽(例如,藍芽低能量)、IEEE 802.11 (例如,Wi-Fi 4、Wi-Fi 5或Wi-Fi 6)、3GPP長期演進(LTE) (4G)及3GPP新無線電(5G)。
可攜式裝置1120可包含一處理器1121、一記憶體1122、一通信模組1123及彼此耦合之一輸入/輸出模組1124。記憶體1122可係一非暫時性電腦可讀媒體。記憶體1122可包含電腦可執行程式,其中,當處理器1121執行程式時,可引導可攜式裝置1120及其組件執行程序100、200、400、600及700之一或多個操作。
通信模組1123可與可攜式裝置1110與運算裝置1130通信。可穿戴裝置1110與可攜式裝置1120之間的通信協定可係一有線協定或一無線協定。可攜式裝置1120與運算裝置1130之間的通信協定可係一有線協定或一無線協定。有線協定可包含通用串列匯流排(USB)。無線協定可包含藍芽(例如,藍芽低能量)、IEEE 802.11 (例如,Wi-Fi 4、Wi-Fi 5或Wi-Fi 6)、3GPP 長期演進(LTE) (4G)及3GPP新無線電(5G)。
運算裝置1130可包含一處理器1131、一記憶體1132、一通信模組1133及彼此耦合之一輸入/輸出模組1134。記憶體1132可係一非暫時性電腦可讀媒體。記憶體1132可包含電腦可執行程式,其中,當處理器1131執行程式時,可引導運算裝置1130及其組件執行程序100、200、400、600及700之一或多個操作。
通信模組1133可與可攜式裝置1110及可攜式裝置1120通信。可穿戴裝置1110與運算裝置1130之間的通信協定可係一有線協定或一無線協定。可攜式裝置1120與運算裝置1130之間的通信協定可係一有線協定或一無線協定。有線協定可包含通用串列匯流排(USB)。無線協定可包含藍芽(例如,藍芽低能量)、IEEE 802.11 (例如,Wi-Fi 4、Wi-Fi 5或Wi-Fi 6)、3GPP長期演進(LTE) (4G)及3GPP新無線電(5G)。
因此,可對可穿戴裝置1110、可攜式裝置1120及運算裝置1130中之至少一者執行產生HRV參數之操作。可對可穿戴裝置1110、可攜式裝置1120及運算裝置1130中之至少一者執行判定一FI (例如,基於客觀量測之一指數)之操作。可對可穿戴裝置1110、可攜式裝置1120及運算裝置1130中之至少一者執行更新群組之加權因子、偏移因子及/或臨限值之操作。可對可穿戴裝置1110、可攜式裝置1120及運算裝置1130中之至少一者執行判定群組之初始加權因子、初始偏移因子及/或初始臨限值之操作。
在某些實施例中,本發明提供一種判定一疲憊指數之方法。該方法可包含:接收生理信號;基於該等生理信號而產生複數個心率變異性參數;及基於該複數個心率變異性參數而判定該疲憊指數。
在某些實施例中,本發明提供一種設備。該設備可包含:至少一個記憶體,其具有儲存於其中之電腦可執行指令;及至少一個處理器,其耦合至該至少一個記憶體。該等電腦可執行指令可致使該至少一個處理器執行操作。該等操作可包含:接收生理信號;基於該等生理信號而產生複數個心率變異性參數;及基於該複數個心率變異性參數而判定該疲憊指數。
本申請案之範疇並不意欲限於本說明書中所闡述之製程、機器、製品及物質組成、手段、方法、步驟及操作之特定實施例。如熟習此項技術者依據本發明之揭示內容將易於瞭解,可根據本發明利用當前存在或稍後將研發的實施與本文中所闡述之對應實施例實質上相同之功能或達成實質上相同結果的製程、機器、製品、物質組成、手段、方法、步驟或操作。因此,所附申請專利範圍意欲在其範疇內包含諸如製程、機器、製品、物質組成、手段、方法、步驟或操作。另外,每一申請項構成一單獨實施例,且各項申請項及實施例之組合係在本發明之範疇內。
亦可在一經程式化處理器上實施根據本發明之實施例之方法、程序或操作。然而,亦可在一個一般用途或特殊用途電腦、一經程式化微處理器或微控制器及周邊積體電路元件、一積體電路、諸如一離散元件電路之一硬體電子或邏輯電路、一可程式化邏輯裝置或諸如此類上實施控制器、流程圖及模組。一般而言,其上駐存有能夠實施各圖中所展示之流程圖之一有限狀態機的任何裝置可用以實施本申請案之處理器功能。
一替代實施例在儲存電腦可程式化指令之一非暫時性電腦可讀儲存媒體中較佳地實施根據本發明之實施例之方法、程序或操作。該等指令係由與一網路安全系統較佳地整合之電腦可執行組件較佳地執行。非暫時性電腦可讀儲存媒體可儲存在任何適合電腦可讀媒體上,諸如RAM、ROM、快閃記憶體、EEPROM、光學儲存裝置(CD或DVD)、硬碟機、軟碟機或任何適合裝置。電腦可執行組件較佳地係一處理器,但另一選擇係或另外,該等指令可由任何適合專用硬體裝置執行。舉例而言,本發明之一實施例提供使電腦可程式指令儲存於其中之一非暫時性電腦可讀儲存媒體。電腦可程式化指令經組態以實施如上文或根據本發明之一實施例之其他方法所陳述的用於依據語音進行情緒辨識之一方法。
雖然已用其特定實施例闡述本申請案,但顯然,諸多替代方案、修改及變化形式對熟習此項技術者可係顯而易見的。舉例而言,實施例之各種組件可在其他實施例中進行互換、添加或替代。而且,每一圖之所有元件未必用於所揭示實施例之操作。舉例而言,將使得所揭示實施例之熟習此項技術者能夠藉由簡單地採用獨立申請項之元素來製作並使用本申請案之教示。因此,如本文中所陳述之本申請案之實施例意欲係說明性的,但並非係限制性的。可在不背離本申請案之精神及範疇的情況下做出各種改變。
100:程序
101:操作
103:操作
105:操作
200:程序
201:操作
203:操作
205:操作
400:程序
401:操作
403:操作
405:操作
407:操作
409:操作
600:程序
601:操作
603:操作
605:操作
607:操作
700:程序
701:操作
703:操作
705:操作
707:操作
709:操作
711:操作
1100:系統
1111:處理器
1112:記憶體
1113:通信模組
1114:輸入/輸出模組
1115:感測器
1120:可攜式裝置
1121:處理器
1122:記憶體
1123:通信模組
1124:輸入/輸出模組
1130:運算裝置
1131:處理器
1132:記憶體
1133:通信模組
1134:輸入/輸出模組
依據當與附圖一起閱讀時之以下詳細說明最佳地理解本發明之態樣。應注意,根據工業中之標準實踐,各種特徵未按比例繪製。實際上,為論述清晰起見,可任意地增加或減小各種特徵之尺寸。
圖1係根據本發明之某些實施例的判定一疲憊指數(FI)之一程序之一流程圖。
圖2係根據本發明之某些實施例的產生心率變異性(HRV)參數之一程序之一流程圖。
圖3展示根據本發明之某些實施例的HRV參數之曲線。
圖4係根據本發明之某些實施例的判定一FI之一程序之一流程圖。
圖5繪示根據本發明之某些實施例的BFI與FI之間的關係。
圖6係根據本發明之某些實施例的對因子進行更新之一程序之一流程圖。
圖7係根據本發明之某些實施例的對因子進行判定之一程序之一流程圖。
圖8繪示根據本發明之某些實施例的睡眠階段中BFI與LF/HF紊亂比率之間的關係。
圖9繪示根據本發明之某些實施例的睡眠階段中BFI與LF/HF比率之平均值之間的關係。
圖10繪示根據本發明之某些實施例的活動階段中BFI與LF/HF紊亂比率之間的關係。
圖11係根據本發明之某些實施例的一系統之一圖式。
不同圖中之對應數字及符號通常係指對應部分,除非另有指示。各圖經繪製以清楚地圖解說明各項實例性之相關態樣且未必按比例繪製。
1100:系統
1111:處理器
1112:記憶體
1113:通信模組
1114:輸入/輸出模組
1115:感測器
1120:可攜式裝置
1121:處理器
1122:記憶體
1123:通信模組
1124:輸入/輸出模組
1130:運算裝置
1131:處理器
1132:記憶體
1133:通信模組
1134:輸入/輸出模組
Claims (20)
- 一種判定一疲憊指數之方法,其包括: 接收生理信號; 基於該等生理信號來產生複數個心率變異性參數;及 基於該複數個心率變異性參數來判定該疲憊指數。
- 如請求項1之方法,進一步包括: 判定在一第一時間週期中接收到之該等生理信號是自一第一階段還是一第二階段獲得; 針對在該第一時間週期中接收到之生理信號來產生一低頻(LF)功率及一高頻(HF)功率;及 產生該LF功率與該HF功率之一比率。
- 如請求項2之方法,進一步包括: 產生一第一階段中該LF功率與該HF功率之該比率之一第一紊亂比率; 產生一第一階段中該LF功率與該HF功率之該比率之一第一平均值;及 產生一第二階段中該LF功率與該HF功率之該比率之一第二紊亂比率, 其中該第一階段及該第二階段包含多個第一時間週期。
- 如請求項3之方法,其中: 該第一紊亂比率係該LF功率與該HF功率之該比率大於一平衡比之一百分比,且 該第二紊亂比率係該LF功率與該HF功率之該比率小於一平衡比之一百分比。
- 如請求項3之方法,進一步包括: 判定在一第二時間週期中接收到之該等所接收生理信號之一所屬群組,其中該第二時間週期包含該第一階段及該第二階段;及 基於該等所接收生理信號之該所屬群組來判定一疲憊指數。
- 如請求項5之方法,進一步包括: 基於該第一紊亂比率來判定一第一子群組; 基於該第一平均值來判定一第二子群組; 基於該第二紊亂比率來判定一第三子群組;及 基於該第一子群組、該第二子群組及該第三子群組來判定在該第二時間週期中接收到之該等所接收生理信號之該所屬群組。
- 如請求項6之方法,其中基於該第一子群組、該第二子群組及該第三子群組中之大多數來判定在該第二時間週期中接收到之該等所接收生理信號之該所屬群組。
- 如請求項6之方法,其中當該第一子群組、該第二子群組及該第三子群組不同時,基於該第一子群組來判定在該第二時間週期中接收到之該等所接收生理信號之該所屬群組。
- 如請求項5之方法,其中該疲憊指數係基於該第一紊亂比率、該第一平均值、該第二紊亂比率及該所屬群組之一偏移值而判定。
- 如請求項9之方法,進一步包括: 接收一回饋疲憊指數; 調整判定在該第二時間週期中接收到之該等所接收生理信號之該所屬群組的一臨限值;及 調整該所屬群組之該偏移值。
- 一種設備,其包括: 至少一個記憶體,其中儲存有電腦可執行指令;及 至少一個處理器,其經耦合至該至少一個記憶體, 其中該等電腦可執行指令致使該至少一個處理器執行操作,且該等操作包括: 接收生理信號; 基於該等生理信號來產生複數個心率變異性參數; 基於該複數個心率變異性參數來判定疲憊指數。
- 如請求項11之設備,進一步包括一感測器,其中自該感測器接收該等生理信號。
- 如請求項11之設備,進一步包括一通信模組,其中自該通信模組接收該等生理信號。
- 如請求項11之設備,其中該等操作進一步包括: 判定在一第一時間週期中接收到之該等生理信號是自一第一階段還是一第二階段獲得; 針對在該第一時間週期中接收到之生理信號來產生一低頻(LF)功率及一高頻(HF)功率;及 產生該LF功率與該HF功率之一比率。
- 如請求項14之設備,其中該等操作進一步包括: 產生一第一階段中該LF功率與該HF功率之該比率之一第一紊亂比率; 產生一第一階段中該LF功率與該HF功率之該比率之一第一平均值;及 產生一第二階段中該LF功率與該HF功率之該比率之一第二紊亂比率, 其中該第一階段及該第二階段包含多個第一時間週期。
- 如請求項15之設備,其中該等操作進一步包括: 判定在一第二時間週期中接收到之該等所接收生理信號之一所屬群組,其中該第二時間週期包含該第一階段及該第二階段;及 基於該等所接收生理信號之該所屬群組來判定一疲憊指數。
- 如請求項16之設備,其中該等操作進一步包括: 基於該第一紊亂比率來判定一第一子群組; 基於該第一平均值來判定一第二子群組; 基於該第二紊亂比率來判定一第三子群組;及 基於該第一子群組、該第二子群組及該第三子群組來判定在該第二時間週期中接收到之該等所接收生理信號之該所屬群組。
- 如請求項17之設備,其中該等操作進一步包括: 接收一回饋疲憊指數; 調整判定在該第二時間週期中接收到之該等所接收生理信號之該所屬群組的一臨限值;及 調整該所屬群組之一偏移值。
- 如請求項18之設備,進一步包括一輸入模組,其中自該輸入模組接收該回饋疲憊指數。
- 如請求項18之設備,進一步包括一通信模組,其中自該通信模組接收該回饋疲憊指數。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063060839P | 2020-08-04 | 2020-08-04 | |
US63/060,839 | 2020-08-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202211868A true TW202211868A (zh) | 2022-04-01 |
TWI833097B TWI833097B (zh) | 2024-02-21 |
Family
ID=80114573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110126029A TWI833097B (zh) | 2020-08-04 | 2021-07-15 | 判定疲憊指數之方法和設備 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220039677A1 (zh) |
TW (1) | TWI833097B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5902250A (en) * | 1997-03-31 | 1999-05-11 | President And Fellows Of Harvard College | Home-based system and method for monitoring sleep state and assessing cardiorespiratory risk |
EP2286723A1 (en) * | 2002-09-19 | 2011-02-23 | Ramot at Tel Aviv University Ltd. | Method and apparatus for determining sleep apnea |
US20100292545A1 (en) * | 2009-05-14 | 2010-11-18 | Advanced Brain Monitoring, Inc. | Interactive psychophysiological profiler method and system |
JP5492247B2 (ja) * | 2012-05-08 | 2014-05-14 | 株式会社Gm3 | 心拍変動指標を用いた精神症状及び精神疾患発病リスク評価のための指標生成装置及びそれを用いた指標生成方法 |
NZ630770A (en) * | 2013-10-09 | 2016-03-31 | Resmed Sensor Technologies Ltd | Fatigue monitoring and management system |
WO2016053444A1 (en) * | 2014-10-02 | 2016-04-07 | Lifeq Global Limited | System and method for motion artifact reduction using surface electromyography |
US10559220B2 (en) * | 2015-10-30 | 2020-02-11 | Logitech Europe, S.A. | Systems and methods for creating a neural network to provide personalized recommendations using activity monitoring devices with biometric sensors |
US10618522B2 (en) * | 2018-03-27 | 2020-04-14 | Hong Kong Productivity Council (HKPC) | Drowsiness detection and intervention system and method |
CN112739259B (zh) * | 2018-08-29 | 2024-06-04 | 睡眠咨询科技股份有限公司 | 基于光电容积描记术检测受试者在清醒、困倦和睡眠阶段之间的转变 |
-
2021
- 2021-07-15 TW TW110126029A patent/TWI833097B/zh active
- 2021-07-15 US US17/377,149 patent/US20220039677A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
TWI833097B (zh) | 2024-02-21 |
US20220039677A1 (en) | 2022-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8568330B2 (en) | Composite human physiological stress index based on heart beat and sleep and/or activity history data including actigraphy | |
US20170238858A1 (en) | Depression assessment system and depression assessment method based on physiological information | |
US7909771B2 (en) | Diagnosis of sleep apnea | |
US8527039B2 (en) | Method and apparatus for detection of nervous system disorders | |
JP6757532B2 (ja) | 睡眠段階判定装置、睡眠段階判定方法、睡眠段階判定プログラム | |
JP2016073527A (ja) | 睡眠状態判定装置、睡眠状態判定方法および睡眠管理システム | |
US9901266B2 (en) | Apparatus and method for personalized cardiac signal processing | |
JP5874489B2 (ja) | 睡眠状態判定装置及び睡眠状態判定方法 | |
CN109350020A (zh) | 身心健康状况分析装置及方法 | |
CN106913326A (zh) | 生物生理状况反馈***及其操作方法 | |
EP3212075B1 (en) | System for the analysis of the daily heart rhythm autonomic nervous system balance | |
KR101578729B1 (ko) | 생체신호를 가지고 수면 단계를 파악하여 잠을 깨우는 장치 및 그 방법 | |
US9918670B2 (en) | Detecting seizures based on heartbeat data | |
EP3957248A1 (en) | Systems, methods and devices for biomarker shaping and sleep profile enhancement | |
TW201720366A (zh) | 穿戴式裝置之生理參數監測方法 | |
TWI833097B (zh) | 判定疲憊指數之方法和設備 | |
US20160066796A1 (en) | Biological information measuring apparatus | |
CN202699824U (zh) | 一种用于睡眠介导的心理生理干预装置 | |
KR20160087762A (ko) | 생체신호기반 수면 상호영향 분석방법 | |
JP2016146891A (ja) | 活性判定システム | |
Päßler et al. | Validation of the use of heart rate variability measurements during meal intake in humans | |
Eyal et al. | Sleep in the cloud: On how to use available heart rate monitors to track sleep and improve quality of life | |
KR102561888B1 (ko) | 불안장애 모니터링 시스템 및 불안장애 판정 방법 | |
WO2020166239A1 (ja) | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法、及び、睡眠時無呼吸症候群判定プログラム | |
TW202416289A (zh) | 互動式心率變異分析參數模型及指標產生系統 |