TWI749880B - 生理病徵識別方法及生理病徵感測系統 - Google Patents
生理病徵識別方法及生理病徵感測系統 Download PDFInfo
- Publication number
- TWI749880B TWI749880B TW109140487A TW109140487A TWI749880B TW I749880 B TWI749880 B TW I749880B TW 109140487 A TW109140487 A TW 109140487A TW 109140487 A TW109140487 A TW 109140487A TW I749880 B TWI749880 B TW I749880B
- Authority
- TW
- Taiwan
- Prior art keywords
- sound
- signal
- physiological
- sensing system
- processor
- 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
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4216—Diagnosing or evaluating gastrointestinal ulcers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6831—Straps, bands or harnesses
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/008—Detecting noise of gastric tract, e.g. caused by voiding
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4222—Evaluating particular parts, e.g. particular organs
- A61B5/4238—Evaluating particular parts, e.g. particular organs stomach
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Endocrinology (AREA)
- Gastroenterology & Hepatology (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一種生理病徵識別方法及生理病徵感測系統。在獲得聲音訊號之後,自聲音訊號擷取多個訊號片段。接著,識別訊號片段各自對應的聲音類型。然後,基於訊號片段的聲音類型及聲音類型的組合排序,判斷生物體的生理狀態。
Description
本發明是有關於一種語音處理機制,且特別是有關於一種生理病徵識別方法及生理病徵感測系統。
根據不同世代的作息習慣或人生背景,不分年齡層皆會有腸胃問題。腸胃道就像城市主要幹道,是人體廢物與不好物質流通過的必經路徑之一,當不好的物質長期逗留於體內,腸胃道功能就會變差,可能造成腹部不適或發炎等現象。而每年因腸胃及消化系統造成困擾的人數高達400多萬人。但由於人們對於腸胃問題的警覺性太低,習慣自行購買成藥或是誤以為是短暫的急性症狀便隱忍而不就醫,故,此積習長久下來為腸胃種下隱憂。據此,需要一種裝置能夠即時判斷使用者的生理病徵。
本發明提供一種生理病徵識別方法以及生理病徵感測系
統,可及時判斷使用者的生理病徵。
本發明的生理病徵識別方法,用於識別生物體之生理狀態,包括:獲得聲音訊號;自聲音訊號擷取多個訊號片段;識別訊號片段各自對應的聲音類型;以及基於訊號片段的聲音類型及聲音類型的組合排序,判斷生物體之生理狀態。
在本發明的一實施例中,其中自聲音訊號擷取訊號片段的步驟包括:自聲音訊號中偵測各訊號片段的語音起始點與語音結束點。
在本發明的一實施例中,其中識別訊號片段各自對應的聲音類型的步驟包括:自各訊號片段中提取多個特徵值;以及將這些特徵值輸入識別模型以獲得各訊號片段對應的聲音類型。
在本發明的一實施例中,其中獲得聲音訊號的步驟包括:透過設置在穿戴式裝置上的聲音感測器來獲得聲音訊號。
在本發明的一實施例中,所述生理病徵識別方法更包括:透過設置在穿戴式裝置上的運動感測器來獲得生物體的移動資訊;以及基於移動資訊產生警示通知。
在本發明的一實施例中,其中穿戴式裝置為護腰,以獲得生物體的腹部的聲音訊號。
在本發明的一實施例中,所述生理病徵識別方法更包括:依據所述聲音類型之一或多個組合排序識別一異常情境。
在本發明的一實施例中,所述異常情境對應至第一組合排序,所述第一組合排序包括無聲、腹鳴、鼓脹聲、痙攣聲、無
聲。
在本發明的一實施例中,其中聲音類型為無聲、咕嚕聲、痙攣聲、低沉聲、鼓脹聲、腹鳴、抽痛、飢餓、排放聲其中一個。
本發明的生理病徵感測系統,包括:聲音感測器,用以感測聲音訊號;處理器,耦接至聲音感測器。所述處理器經配置以:接收聲音訊號;自聲音訊號擷取多個訊號片段;識別訊號片段各自對應的聲音類型;基於訊號片段的聲音類型及聲音類型的組合排序,判斷生物體之生理狀態。
基於上述,本發明利用聲音訊號中所包括的多個聲音類型及這些聲音類型的組合排序,進一步判斷使用者的生理病徵。
100:生理病徵感測系統
110:聲音感測器
120:處理器
130:儲存裝置
S205~S220:生理病徵識別方法的各步驟
301:運動感測器
303:訊號放大器
305:微控制器
307:傳輸介面
310:穿戴式裝置
320:行動裝置
330:伺服器
340:電池
350:微區塊
圖1是依照本發明一實施例的生理病徵感測系統的方塊圖。
圖2是依照本發明一實施例的生理病徵識別方法的流程圖。
圖3是依照本發明一實施例的生理病徵感測系統的示意圖。
圖1是依照本發明一實施例的生理病徵感測系統的方塊圖。請參照圖1,生理病徵感測系統100包括聲音感測器110、處理器120以及儲存裝置130。
聲音感測器110例如為一種簡單的麥克風,可用於偵測
環境的聲音強度來產生聲音訊號。在此,將聲音感測器110設置在生物體的腹部附近,藉此來偵測腸胃所發出的聲音。例如,在穿戴式裝置上設置聲音感測器110,將穿戴式裝置配戴於生物體的腰部(腹部附近)。
處理器120例如為中央處理單元(Central Processing Unit,CPU)、物理處理單元(Physics Processing Unit,PPU)、可程式化之微處理器(Microprocessor)、嵌入式控制晶片、數位訊號處理器(Digital Signal Processor,DSP)、特殊應用積體電路(Application Specific Integrated Circuits,ASIC)或其他類似裝置。
儲存裝置130例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory,RAM)、唯讀記憶體(Read-Only Memory,ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合。儲存裝置130中儲存有多個程式碼片段,上述程式碼片段在被安裝後,會由處理器120來執行,以實現下述生理病徵識別方法。
在一實施例中,處理器120及儲存裝置130可與聲音感測器110一起設置在同一個穿戴式裝置中。在另一實施例中,生理病徵感測系統100還可包括設置有聲音感測器110的穿戴式裝置,以及另一獨立電子裝置(設置有圖1的處理器120以及儲存裝置130)。將穿戴式裝置配戴在生物體身上,以獲得特定部位(例如腹部)的聲音訊號,再將所獲得的聲音訊號傳送至電子裝置(例如為智慧型手機)來進行分析。所述電子裝置與穿戴式裝置之間
的傳輸例如可透過藍牙等近距離無線通訊技術來進行。
圖2是依照本發明一實施例的生理病徵識別方法的流程圖。請參照圖1、圖2,在步驟S205中,透過聲音感測器110來獲得聲音訊號。在獲得聲音訊號之後,聲音感測器110將聲音訊號傳送給處理器120進行分析處理。
在步驟S210中,處理器120自該音訊號擷取多個訊號片段。處理器120自聲音訊號中偵測各訊號片段的語音起始點與語音結束點。由於聲音由無聲轉變為有聲的過程需要有經過一段觀察期間才能判斷準確,因而設計一組緩衝區來做為判斷的標準。例如,設計A個緩衝區依照接收順序來儲存聲音訊號。當A個緩衝區中有B個緩衝區的聲音能量皆超過一預設門檻值的情況下,便以第1個緩衝區的時間點作為語音起始點。其中,A可視情況來設定,B小於A。在此,A=8,B=6。另外,之後,持續依照接收順序將接收到的聲音訊號儲存至其他組緩衝區中。當其他組緩衝區中的所有緩衝區的聲音能量皆低於一無聲門檻值,便將此組緩衝區中的第1個緩衝區的時間點作為語音結束點。以此類推,可獲得多個訊號片段。
另外,也可利用端點偵測(End-point Detection,EPD)來找出語音起始點與語音結束點。
接著,在步驟S215中,處理器120識別各訊號片段對應的聲音類型。處理器120自各訊號片段中提取多個特徵值,並將這些特徵值輸入識別模型以獲得各訊號片段對應的聲音類型。所
述識別模型例如為隱藏式馬可夫模型(Hidden Markov Model,HMM)。
在此,可利用梅爾倒頻譜係數(Mel-Frequency Cepstrum Coefficients,MFCC)來提取多個特徵值。MFCC是一組用來建立梅爾倒頻譜的關鍵係數。MFCC特徵值的提取包括預加重(pre-emphasis)處理、分幀(frame blocking)處理、加窗(window)處理、傅立葉變換(Fourier Transform)處理以及濾波器處理。
預加重處理:將聲音訊號通過一個高通濾波器H(Z)來提升高頻部分,使聲音訊號的頻譜變得平坦,保持在低頻到高頻的整個頻帶中,能用同樣的信噪比求頻譜。其中,H(Z)=1-μz-1,式中μ的值介於0.9-1.0之間,通常取μ=0.97。
分幀處理:將N個取樣點集合成一個觀測單位,稱為幀(frame),其大小範圍約為20毫秒到40毫秒。連續兩個幀之間具有一段重疊區域,重疊區域包含了M個取樣點。在此,重疊範圍設定為N的50%(+/-10%)。其中,幀的時間長度T=取樣頻率F/取樣點N。例如,假設取樣頻率為8KHz,取樣點為200,則幀的時間長度為200/8000×1000=25ms。一般設定幀的時間長度為25ms以及10ms的步幅,即,重疊區域為15ms。
加窗處理:將每一幀乘上一視窗,以增加幀左端和右端的連續性。在此使用漢明視窗(Hamming Window)。
傅立葉變換處理:在經過加窗處理後,每幀還必須再經過快速傅立葉變換以得到在頻譜上的能量分佈。例如,使用短時
距傅立葉變換(Short-time Fourier transform,STFT)。
可以做一個傅立葉變換在每個幀上計算頻譜,這也稱為短時傅立葉變換(STFT),其中取樣點N通常是256或512,傅立葉係數NFFT為512。
濾波器處理:將頻譜能量乘以一組梅爾(Mel)尺度的三角帶通濾波器,求得每一個濾波器輸出的對數能量(Log Energy)。一般而言,每個幀基本的特徵向量有13維,包含了1個對數能量和12個倒頻譜參數。另外,還可進一步加上差量倒頻譜係數(Delta Cepstrum Coefficients),以顯示倒頻譜係數對時間的變化,進而來調整特徵向量的維度。
在獲得多個特徵值之後,進一步使用HMM等識別模型來獲得各訊號片段對應的聲音類型。聲音類型例如為無聲、咕嚕聲、痙攣聲、低沉聲、鼓脹聲、腹鳴或排放聲等。在實際識別過程中,可更仔細地將所有發音區分為更基本的基本發音單位,例如音素(phoneme),藉此來區別不同發音的最小聲音單位,並且根據音素來建立聲學模型。舉例來說,可根據胃部不同狀態來建立不同的音素,利用不同的音素建立聲學模型(Acoustic Model)。
處理器120運用隱藏馬可夫模型(HMM),將所獲得的特徵質(例如,MFCC係數)和資料庫的模板比較,計算兩者相似的聲音大小,決定辨識的結果。
最後,在步驟S220中,處理器120基於訊號片段的聲音類型及聲音類型的組合排序,判斷生物體的生理狀態。處理器120
可根據識別出的聲音類型及其組合排序來判斷對應的情境。例如,處理器120可將所獲得的聲音類型及其組合排序來比對資料庫所儲存的多個情境資料,藉此判斷生物體(例如為使用者)的生理狀態。另外,還可進一步依據聲音類型來區分正常情境與異常情境,並在判定為異常情境時,發出一警示通知。
例如,參照表2,在獲得的聲音類型的組合排序為無聲、
腹鳴、鼓脹聲、痙攣聲、無聲時,判定為異常情境(即,進食後-胃潰瘍)。
圖3是依照本發明一實施例的生理病徵感測系統的示意圖。本實施例的生理病徵感測系統包括穿戴式裝置310、行動裝置320以及伺服器330。在此,穿戴式裝置310例如為護腰,行動裝置320例如為智慧型手機,然並不以此為限。
穿戴式裝置310中設置有電池340以及微區塊(Microblock)350。由電池340供電給微區塊350中的各個構件。微區塊350包括運動感測器301、聲音感測器110、訊號放大器303、微控制器305以及傳輸介面307。微控制器305耦接至運動感測器301、聲音感測器110、訊號放大器303以及傳輸介面307。傳輸介面307進一步包括Wi-Fi模組以及藍牙模組,利用Wi-Fi模組來進行遠距離傳輸,利用藍牙模組來進行近距離傳輸。
在本實施例中,穿戴式裝置310(護腰)除了保護腰部以外,還可以透過聲音感測器110去收集原始訊號並透過訊號放大器303增強原始訊號,微控制器305經由傳輸介面307將處理後的聲音訊號傳送至行動裝置320。
在本實施例中,行動裝置320中設置有未繪示的處理器以及儲存裝置,其功能與圖1所示的實施例的處理器120以及儲存裝置130相同,可參照上述說明。儲存裝置中儲存有一應用程式,由處理器來執行。
在行動裝置320中,透過應用程式來分析聲音訊號,藉
此檢測生物體的生理狀態,並將分析處理後的資料上傳至伺服器330做資料的儲存與配對。並且,應用程式在分析後發現異常狀態(例如胃脹氣、腸胃蠕動不佳等)時,還可進一步發出警示通知。例如,在行動裝置320的顯示器中顯示「應適時放鬆身體」等警示訊息。另外,倘若應用程式時常檢測到異常狀態的發生,則在行動裝置320的顯示器中顯示「建議尋求醫生協助,以進一步判斷出病因」等訊息。
另外,穿戴式裝置310同時搭載運動感測器301,以偵測配戴穿戴式裝置310的生物體的移動資訊。運動感測器301例如為三軸感測器。微控制器305通過傳輸介面307隨時將運動感測器301所感測到的移動資訊傳送給行動裝置320。在行動裝置320中透過應用程式分析生物體的移動資訊,基於移動資訊產生警示通知。例如,倘若偵測到使用者長時間坐著,應用程式可以文字訊息或聲音訊息來通知使用者該起身走動,避免長時間坐在椅子上,可減少腰的負擔,避免腰痛的情況以及肌力降低、骨骼關節無力。
另外,還可在穿戴式裝置310上設置一功能鍵,當此功能鍵被致能時,才開始驅動聲音感測器110的運作。而當此功能鍵再次被致能時,則停止聲音感測器110的運作。
綜上所述,本發明透過聲音感測器去收集使用者身上特定部位發出的微弱聲音,並加以放大其聲音功率,經由收集這些數據再利用演算法進行分析,藉此找出特徵值來歸類出可能病
情,並且與資料庫所儲存的訓練資料進行比對。倘若出現異常情境,發出警示通知來提醒使用者。據此,可在日常生活中時時監控使用者的生理病徵,並在異常狀態嚴重之前便發現癥兆進而趁早治療。
S205~S220:生理病徵識別方法的各步驟
Claims (18)
- 一種生理病徵識別方法,用於識別一生物體之生理狀態,包括: 獲得一聲音訊號; 自該聲音訊號擷取多個訊號片段; 識別該些訊號片段各自對應的一聲音類型;以及 基於該些訊號片段的聲音類型及所述聲音類型的組合排序,判斷該生物體之生理狀態。
- 如請求項1所述的生理病徵識別方法,其中自該聲音訊號擷取該些訊號片段的步驟包括: 自該聲音訊號中偵測各該些訊號片段的一語音起始點與一語音結束點。
- 如請求項1所述的生理病徵識別方法,其中識別該些訊號片段各自對應的該聲音類型的步驟包括: 自各該些訊號片段中提取多個特徵值;以及 將該些特徵值輸入一識別模型以獲得各該些訊號片段對應的該聲音類型。
- 如請求項1所述的生理病徵識別方法,其中獲得該聲音訊號的步驟包括: 透過設置在一穿戴式裝置上的一聲音感測器來獲得該聲音訊號。
- 如請求項4所述的生理病徵識別方法,更包括: 透過設置在該穿戴式裝置上的一運動感測器來獲得該生物體的一移動資訊;以及 基於該移動資訊產生一警示通知。
- 如請求項4所述的生理病徵識別方法,其中該穿戴式裝置為一護腰,以獲得該生物體之腹部的該聲音訊號。
- 如請求項1所述的生理病徵識別方法,更包括: 依據該等聲音類型之一或多個組合排序識別一異常情境。
- 如請求項7所述的生理病徵識別方法,其中該異常情境對應至一第一組合排序,該第一組合排序包括無聲、腹鳴、鼓脹聲、痙攣聲、無聲。
- 如請求項1所述的生理病徵識別方法,其中該聲音類型為無聲、咕嚕聲、痙攣聲、低沉聲、鼓脹聲、腹鳴、抽痛、飢餓、排放聲其中一個。
- 一種生理病徵感測系統,包括: 一聲音感測器,用以獲得一聲音訊號; 一處理器,耦接至該聲音感測器,其中該處理器經配置以: 接收該聲音訊號; 自該聲音訊號擷取多個訊號片段; 識別該些訊號片段各自對應的一聲音類型; 基於該些訊號片段的聲音類型及所述聲音類型的組合排序,判斷一生物體之生理狀態。
- 如請求項10所述的生理病徵感測系統,更包括: 一穿戴式裝置,設置有該聲音感測器,並且還包括: 一傳輸介面;以及 一訊號放大器,用以放大該聲音感測器所感測的一原始訊號而獲得該聲音訊號,再透過該傳輸介面傳送該聲音訊號至該處理器。
- 如請求項11所述的生理病徵感測系統,其中該穿戴式裝置更包括: 一運動感測器,偵測配戴該穿戴式裝置的該生物體的一移動資訊,並透過該傳輸介面傳送該移動資訊至該處理器, 該處理器基於該移動資訊產生一警示通知。
- 如請求項11所述的生理病徵感測系統,其中該穿戴式裝置為一護腰,以獲得該生物體之腹部的該聲音訊號。
- 如請求項10所述的生理病徵感測系統,其中該處理器經配置以: 自該聲音訊號中偵測各該些訊號片段的一語音起始點與一語音結束點。
- 如請求項10所述的生理病徵感測系統,其中該處理器經配置以: 自各該些訊號片段中提取多個特徵值;以及 將該些特徵值輸入一識別模型以獲得各該些訊號片段對應的該聲音類型。
- 如請求項10所述的生理病徵感測系統,依據該等聲音類型之一或多個組合排序識別一異常情境。
- 如請求項16所述的生理病徵感測系統,其中該異常情境對應至一第一組合排序,該第一組合排序包括無聲、腹鳴、鼓脹聲、痙攣聲、無聲。
- 如請求項10所述的生理病徵感測系統,其中該聲音類型為無聲、咕嚕聲、痙攣聲、低沉聲、鼓脹聲、腹鳴、抽痛、飢餓、排放聲其中一個。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109140487A TWI749880B (zh) | 2020-11-19 | 2020-11-19 | 生理病徵識別方法及生理病徵感測系統 |
US17/137,328 US20220151543A1 (en) | 2020-11-19 | 2020-12-29 | Method for recognizing physiological symptom and physiological symptom sensing system |
CN202011616762.6A CN114515137B (zh) | 2020-11-19 | 2020-12-30 | 肠胃病征识别方法及肠胃病征感测*** |
EP21154410.1A EP4000528A1 (en) | 2020-11-19 | 2021-01-29 | Method for recognizing physiological symptom and physiological symptom sensing system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109140487A TWI749880B (zh) | 2020-11-19 | 2020-11-19 | 生理病徵識別方法及生理病徵感測系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI749880B true TWI749880B (zh) | 2021-12-11 |
TW202220614A TW202220614A (zh) | 2022-06-01 |
Family
ID=74418349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109140487A TWI749880B (zh) | 2020-11-19 | 2020-11-19 | 生理病徵識別方法及生理病徵感測系統 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220151543A1 (zh) |
EP (1) | EP4000528A1 (zh) |
CN (1) | CN114515137B (zh) |
TW (1) | TWI749880B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170830A (zh) * | 2008-05-08 | 2011-08-31 | 葛兰素集团有限公司 | 用于监视胃肠功能和生理特性的方法及*** |
TWM511300U (zh) * | 2015-08-17 | 2015-11-01 | Astek Technology Ltd | 可接收音訊之護具 |
TW201622639A (zh) * | 2014-11-27 | 2016-07-01 | 英特爾公司 | 穿戴式個人電腦與保健裝置 |
TW201643865A (zh) * | 2015-06-03 | 2016-12-16 | 創心醫電股份有限公司 | 識別生理聲音的方法以及系統 |
WO2019094399A1 (en) * | 2016-11-11 | 2019-05-16 | Vitalchains Corporation | Multi-mic sound collector and system and method for sound localization |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5621858A (en) * | 1992-05-26 | 1997-04-15 | Ricoh Corporation | Neural network acoustic and visual speech recognition system training method and apparatus |
US6228040B1 (en) * | 1998-08-04 | 2001-05-08 | Western Research Company, Inc. | Method and apparatus for diagnosis of irritable bowel syndrome |
CA2617933A1 (en) * | 2004-08-05 | 2006-02-09 | Bio Equidae Llc | Monitoring system for animal husbandry |
EA034268B1 (ru) * | 2010-04-16 | 2020-01-23 | Юниверсити Оф Теннесси Рисерч Фаундейшн | Системы и способы для предотвращения желудочно-кишечного расстройства |
US20130131465A1 (en) * | 2010-07-26 | 2013-05-23 | Sharp Kabushiki Kaisha | Biomeasurement device, biomeasurement method, control program for a biomeasurement device, and recording medium with said control program recorded thereon |
US9474482B2 (en) * | 2010-11-01 | 2016-10-25 | G-Tech Medical, Inc. | Method for diagnosis and treatment of disorders of the gastrointestinal tract, and apparatus for use therewith |
US20120172676A1 (en) * | 2010-12-29 | 2012-07-05 | Stichting Imec Nederland | Integrated monitoring device arranged for recording and processing body sounds from multiple sensors |
KR101894390B1 (ko) * | 2011-02-28 | 2018-09-04 | 삼성전자주식회사 | 음성을 이용한 건강 상태 진단 장치 및 방법 |
EP3254615A1 (en) * | 2012-09-07 | 2017-12-13 | The Regents of the University of California | Multisensor wireless abdominal monitoring apparatus, systems, and methods |
KR20140134443A (ko) * | 2013-05-14 | 2014-11-24 | 울산대학교 산학협력단 | 음성신호의 특징벡터를 이용한 연하장애 판단방법 |
CN107898432B (zh) * | 2017-10-17 | 2021-02-26 | 深圳和而泰智能控制股份有限公司 | 鼾声检测方法、装置、设备及介质 |
CN108175436A (zh) * | 2017-12-28 | 2018-06-19 | 北京航空航天大学 | 一种肠鸣音智能自动识别方法 |
WO2019157552A1 (en) * | 2018-02-14 | 2019-08-22 | The University Of Western Australia | Method and system for indicating the likelihood of a gastrointestinal condition |
GB201803805D0 (en) * | 2018-03-09 | 2018-04-25 | Cambridge Entpr Ltd | Smart Stethoscopes |
WO2019216320A1 (ja) * | 2018-05-08 | 2019-11-14 | 国立大学法人徳島大学 | 機械学習装置、解析装置、機械学習方法および解析方法 |
EP3840642B1 (en) * | 2018-08-21 | 2024-02-21 | Eko Devices, Inc. | Systems for determining a physiological or biological state or condition of a subject |
WO2020118372A1 (en) * | 2018-12-13 | 2020-06-18 | The University Of Western Australia | Method of monitoring a gastrointestinal region in a subject |
CN109620154A (zh) * | 2018-12-21 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于深度学习的肠鸣音识别方法及相关装置 |
CN110051380B (zh) * | 2019-06-05 | 2023-03-31 | 南京清科信息科技有限公司 | 对人体状态进行连续实时监测的***和方法 |
CN110638482B (zh) * | 2019-10-18 | 2022-10-21 | 北京大学第三医院(北京大学第三临床医学院) | 一种肠鸣音和腹腔压力的实时监护*** |
-
2020
- 2020-11-19 TW TW109140487A patent/TWI749880B/zh active
- 2020-12-29 US US17/137,328 patent/US20220151543A1/en active Pending
- 2020-12-30 CN CN202011616762.6A patent/CN114515137B/zh active Active
-
2021
- 2021-01-29 EP EP21154410.1A patent/EP4000528A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102170830A (zh) * | 2008-05-08 | 2011-08-31 | 葛兰素集团有限公司 | 用于监视胃肠功能和生理特性的方法及*** |
TW201622639A (zh) * | 2014-11-27 | 2016-07-01 | 英特爾公司 | 穿戴式個人電腦與保健裝置 |
TW201643865A (zh) * | 2015-06-03 | 2016-12-16 | 創心醫電股份有限公司 | 識別生理聲音的方法以及系統 |
TWM511300U (zh) * | 2015-08-17 | 2015-11-01 | Astek Technology Ltd | 可接收音訊之護具 |
WO2019094399A1 (en) * | 2016-11-11 | 2019-05-16 | Vitalchains Corporation | Multi-mic sound collector and system and method for sound localization |
Also Published As
Publication number | Publication date |
---|---|
CN114515137A (zh) | 2022-05-20 |
CN114515137B (zh) | 2024-04-19 |
TW202220614A (zh) | 2022-06-01 |
US20220151543A1 (en) | 2022-05-19 |
EP4000528A1 (en) | 2022-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180018974A1 (en) | System and method for detecting tantrums | |
Shin et al. | Automatic detection system for cough sounds as a symptom of abnormal health condition | |
TWI403304B (zh) | 隨身語能偵知方法及其裝置 | |
US11517252B2 (en) | Using a hearable to generate a user health indicator | |
EP4131256A1 (en) | Voice recognition system and method using accelerometers for sensing bone conduction | |
Archana et al. | Gender identification and performance analysis of speech signals | |
Ding et al. | Deep connected attention (DCA) ResNet for robust voice pathology detection and classification | |
Kang et al. | Snoring and apnea detection based on hybrid neural networks | |
WO2020000523A1 (zh) | 一种信号处理方法及装置 | |
Javid et al. | Single frequency filter bank based long-term average spectra for hypernasality detection and assessment in cleft lip and palate speech | |
CN110728993A (zh) | 一种变声识别方法及电子设备 | |
Banjar et al. | Fall event detection using the mean absolute deviated local ternary patterns and BiLSTM | |
TWI749880B (zh) | 生理病徵識別方法及生理病徵感測系統 | |
Tripathi et al. | CNN based Parkinson's Disease Assessment using Empirical Mode Decomposition. | |
Wahed | Computer aided recognition of pathological voice | |
Neto et al. | Feature estimation for vocal fold edema detection using short-term cepstral analysis | |
KR20090070325A (ko) | 멀티모달 정보기반 응급상황 인식 시스템 및 방법 | |
Alkaher et al. | Detection of distress in speech | |
Ma et al. | Unsupervised snore detection from respiratory sound signals | |
Paul et al. | Speech recognition of throat microphone using MFCC approach | |
Hu et al. | Separation of fricatives and affricates | |
Zeng et al. | Adaptive context recognition based on audio signal | |
Pires et al. | User environment detection with acoustic sensors embedded on mobile devices for the recognition of activities of daily living | |
Chao et al. | Vocal Effort Detection Based on Spectral Information Entropy Feature and Model Fusion. | |
CN113039601A (zh) | 一种语音控制方法、装置、芯片、耳机及*** |