ОБЛАСТЬ ИЗОБРЕТЕНИЯ
Изобретение относится к устройствам, способам и системам для неинвазивного, персонального и/или по требованию мониторинга состояния здоровья, в частности, центральной температуры тела. Кроме того, изобретение относится к разработке алгоритмов машинного обучения для точного определения центральной температуры тела на основе данных, собранных с датчиков, используемых в носимых устройствах, в частности, в современных смарт-часах и фитнес-браслетах.
ПРЕДПОСЫЛКИ ИЗОБРЕТЕНИЯ
Измерение температуры тела играет важную роль в мониторинге жизненно важных показателей здоровья человека в повседневной жизни (на работе, дома, во время занятий спортом). Это связано с тем, что многие заболевания сопровождаются характерными изменениями температуры тела. Мониторинг температуры позволяет выявить заболевание на ранней стадии. Преимуществом измерения температуры тела с помощью носимых устройств, в частности, смарт-часов или фитнес-браслетов является неинвазивный метод измерения, быстрое измерение, простота использования, возможность измерения в темноте, возможность непрерывного и долгосрочного мониторинга температуры.
Однако современные носимые устройства с функцией отслеживания температуры, в частности, смарт-часы и фитнес-браслеты, выполнены так, что они измеряют температуру поверхности тела, а не центральную температуру тела, на которую принято ориентироваться в медицинской практике.
В научной и медицинской литературе выделяют две основные зоны измерения температуры тела человека - ядро и оболочка, где под ядром понимают - кровь и все внутренние органы, а под оболочкой понимают кожу и другие поверхностно расположенные структуры. Ядро - это часть тела, которая имеет постоянную температуру, а оболочка - часть тела, в которой имеется температурный градиент, через нее идет теплообмен между ядром и окружающей средой. Температурная схема человека в условиях холода и тепла показана на Фиг. 1А.
Для медицинской диагностики используют ртутные или электронные медицинские термометры, которые располагают в подмышечной впадине, в ротовой полости, в прямой кишке, в ухе и др. в зависимости от стандартов, принятых в конкретной стране. Место измерения является одним из спорных и обсуждаемых вопросов в медицине, поскольку существует разница в значениях температуры органов и тканей, расположенных поверхностно или в центральных областях тела человека.
Температура поверхности тела находится в разных температурных интервалах по сравнению с центральной температурой тела, характерной для ядра, поскольку она находится под влиянием ряда внутренних и внешних факторов, вследствие которых точность температурных измерений с помощью носимых устройств, расположенных, например, в области конечностей (запястье, палец и др.), может заметно отличаться от результатов, полученных с помощью медицинских термометров.
Среди основных внешних факторов, влияющих на температуру поверхности кожи, измеряемую посредством носимого устройства, можно перечислить площадь поверхности, на которой происходит измерение, часть тела, на которой происходит измерение, наличие контакта устройства с кожей пользователя и др. Также, на точность определения температуры поверхности кожи оказывают влияние параметры окружающей среды, в которой находится пользователь, в частности, температура окружающей среды, влажность, скорость воздуха (ветер), наличие одежды на той или иной части тела человека, где расположено носимое устройство (например, человек находится на морозе без варежек) и др.
К внутренним факторам, влияющим на температуру поверхности кожи, измеряемую носимым устройством, следует отнести морфологию (состав) тела человека и периферическую микроциркуляции тела человека.
Известно, что кожа и жир человека имеют более низкую теплопроводность, чем другие основные органы и ткани, что позволяет телу человека сохранять тепло. Зная параметры морфологии, характеризующие количество жировой ткани, мышечной ткани, воды в теле человека, соотношение внеклеточной и внутриклеточной воды в теле человека, состояние кожи человека (влажная или сухая), можно оценить их влияние на передачу тепла через оболочку и учесть это влияние при определении центральной температуры тела на основании температуры поверхности кожи, измеряемой носимым устройством.
Поскольку основная часть тепла, передаваемого от ядра тела к поверхности кожи, поступает от сосудов, также очень важно учитывать параметры периферической микроциркуляции тела человека. Например, существуют такие проблемы, как нарушение периферической микроциркуляции, когда у человека постоянно холодные руки или когда у человека постоянно горячие руки (Фиг. 1Б). Без учета этих факторов при определении центральной температуры тела на основании температуры поверхности кожи, измеряемой носимым устройством, размещенным на руке, может возникнуть ошибка.
В US20220171344A1 раскрывается носимое устройство, содержащее по меньшей мере один датчик фотоплетизмограммы (ФПГ) и датчики температуры окружающей среды и температуры тела.
Недостатки данного технического решения связаны с тем, что в нем отсутствует информация, описывающая температурные измерения. Кроме того, в US20220171344A1 при определении температуры тела не используются дополнительные данные, такие как параметры периферической микроциркуляции или параметры морфологии тела человека.
В документе US20210290072A1 описано носимое устройство для неинвазивного измерения температуры тела, содержащее один или более датчиков температуры для измерения температурных данных субъекта и датчик импеданса. Также носимое устройство имеет теплопроводный зонд, расположенный в отверстии устройства и выполненный с возможностью передачи тепловой энергии от субъекта к упомянутому одному или более датчикам температуры, когда носимое устройство закреплено на пользователе. За счет изоляции поверхности кожи в отверстии вокруг зонда предотвращается утечка тепла, поэтому температурный градиент между ядром тела и поверхностью кожи уменьшается. Температура кожи под изолированной областью повышается до тех пор, пока не достигается равновесие с самой теплой областью (т.е. ядром тела), тем самым приближаясь к температуре ядра тела.
Недостатки данного технического решения связаны с тем, что при определении центральной температуры тела не используются дополнительные данные, такие как параметры окружающей среды, параметры периферической микроциркуляции или параметры морфологии тела человека. Кроме того, для достижения теплового равновесия требуется большее время измерения.
В US11224344B2 описаны способ и система для определения центральной температуры тела. Система содержит пары датчиков температуры, термически соединенные с разными каналами теплопередачи, связанными с разными местами измерения, т.е. разными внешними участками кожи человека. Система также выполнена с возможностью определения параметра перфузии и температуры окружающей среды в качестве дополнительных параметров.
Недостатки данного технического решения связаны с тем, что при оценке центральной температуры тела не используются параметры морфологии тела. Кроме того, в данном документе не используются прямые измерения параметров перфузии, т.к. параметры перфузии извлекаются на основании данных о температуре.
Таким образом, существует потребность в разработке устройств, способов и систем с функцией определения центральной температуры тела пользователя в режиме реального времени, способных учитывать большое число факторов, влияющих на передачу тепла от ядра тела к поверхности кожи человека: температура воздуха; влажность воздуха; скорость обдува воздухом; теплопроводность тканей кожи; конвекция системного кровотока; конвекция кожного кровотока; интенсивность метаболических процессов в лежащих ниже тканях, физическая активность и время суток.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Соответственно, настоящее изобретение было выполнено с учетом вышеупомянутых проблем, возникающих в уровне техники.
Данное краткое изложение сущности изобретения предшествует подробному описанию конкретных примерных вариантов осуществления настоящего изобретения, чтобы дать общее представление об аспектах заявленного изобретения, которые будут дополнительно объясняться ниже, и никоим образом не предназначено для определения или ограничения объема настоящего изобретения.
Задачей настоящего изобретения является создание носимых устройств с функцией определения центральной температуры тела пользователя на основе данных, снимаемых с датчиков носимых устройств.
Техническим результатом настоящего изобретения является повышение точности определения центральной температуры тела пользователя с помощью носимого устройства.
В одном аспекте настоящего изобретения предусмотрено носимое устройство с функцией определения центральной температуры тела пользователя, содержащее:
по меньшей мере один датчик внутренней температуры, выполненный с возможностью измерения температуры внутри носимого устройства,
по меньшей мере один датчик температуры кожи, выполненный с возможностью измерения температуры поверхности кожи пользователя,
по меньшей мере один биоимпедансный датчик, выполненный с возможностью измерения по меньшей мере одного параметра импеданса тела пользователя,
по меньшей мере один датчик фотоплетизмограммы (ФПГ), выполненный с возможностью измерения по меньшей мере двух сигналов фотоплетизмограммы (ФПГ) с различными длинами волн,
причем носимое устройство выполнено с возможностью определения центральной температуры тела пользователя на основании по меньшей мере набора измерительных данных, собранных от упомянутых датчиков.
В одном варианте осуществления настоящего изобретения набор измерительных данных включает температуры внутри носимого устройства, температуру поверхности кожи пользователя, по меньшей мере один параметр импеданса тела пользователя и по меньшей мере два сигнала ФПГ с различными длинами волн.
В одном варианте осуществления настоящего изобретения носимое устройство дополнительно выполнено с возможностью: прогнозирования параметров микроклимата вокруг носимого устройства, содержащего прогнозирование локальной температуры окружающей среды вокруг носимого устройства на основании температур внутри носимого устройства, измеренных упомянутым по меньшей мере одним датчиком внутренней температуры, и затем прогнозирование локальной температуры между носимым устройством и кожей пользователя на основании упомянутой локальной температуры окружающей среды и температуры поверхности кожи пользователя, измеренной упомянутым по меньшей мере одним датчиком температуры кожи; прогнозирования параметров морфологии тела пользователя на основании заранее введенных в носимое устройство данных профиля пользователя и упомянутого по меньшей мере одного параметра импеданса тела пользователя, измеренного упомянутым по меньшей мере одним биоимпедансным датчиком; прогнозирования параметров периферической микроциркуляции тела пользователя на основании параметров перфузии тела пользователя, вычисленных по упомянутым по меньшей мере двум сигналам ФПГ с различными длинами волн, измеренным упомянутым по меньшей мере одним датчиком ФПГ; и прогнозирования центральной температуры тела пользователя на основании по меньшей мере упомянутых параметров микроклимата вокруг носимого устройства, упомянутых параметров морфологии тела пользователя и упомянутых параметров периферической микроциркуляции тела пользователя.
В еще одном варианте осуществления настоящего изобретения носимое устройство дополнительно выполнено с возможностью прогнозирования с учетом данных профилей других пользователей, наборов измерительных данных, заранее измеренных у других пользователей, и наборов опорных данных, заранее измеренных внешними опорными средствами измерения.
В еще одном варианте осуществления настоящего изобретения упомянутый по меньшей мере один параметр импеданса тела пользователя включает модуль импеданса тела пользователя, фазовый угол импеданса тела пользователя, модуль контактного импеданса.
В еще одном варианте осуществления настоящего изобретения параметры морфологии тела пользователя характеризуют количество жировой ткани, мышечной ткани, воды в теле пользователя, соотношение внеклеточной и внутриклеточной воды в теле пользователя, состояние кожи пользователя.
В еще одном варианте осуществления настоящего изобретения при вычислении параметров перфузии носимое устройство дополнительно выполнено с возможностью фильтрации упомянутых по меньшей мере двух сигналов ФПГ с различными длинами волн от артефактов движения, разделения упомянутых по меньшей мере двух сигналов ФПГ с различными длинами волн на стационарную и нестационарную компоненты временных рядов и преобразования этих временных рядов в частотную область или частотно-временную область с последующим извлечением их амплитудно-фазовых гармонических характеристик.
В еще одном варианте осуществления настоящего изобретения преобразование упомянутых временных рядов в частотную область содержит преобразование Фурье или преобразование Гильберта-Хуанга, причем преобразование упомянутых временных рядов в частотно-временную область содержит вейвлет-преобразование.
В еще одном варианте осуществления настоящего изобретения упомянутый по меньшей мере один датчик ФПГ содержит по меньшей мере один источник излучения и по меньшей мене один приемник излучения.
В еще одном варианте осуществления настоящего изобретения упомянутый по меньшей мере один источник излучения содержит светоизлучающий диод (СИД).
В еще одном варианте осуществления настоящего изобретения носимое устройство дополнительно содержит корпус, в котором размещены процессор и батарея.
В еще одном варианте осуществления настоящего изобретения упомянутый по меньшей мере один датчик внутренней температуры предназначен для измерения температуры корпуса, температуры процессора и температуры батареи.
В еще одном варианте осуществления настоящего изобретения упомянутый по меньшей мере один датчик температуры кожи представляет собой ИК датчик температуры или резистивный датчик температуры.
В еще одном варианте осуществления настоящего изобретения носимое устройство дополнительно содержит устройство ввода, выполненное с возможностью ввода профиля пользователя, причем профиль пользователя содержит пол, возраст, рост и вес пользователя, и устройство вывода, выполненное с возможностью вывода информации о центральной температуре тела пользователя.
В еще одном варианте осуществления настоящего изобретения носимое устройство выполнено размещаемым на запястье.
В еще одном варианте осуществления настоящего изобретения носимое устройство представляет собой смарт-устройство.
В еще одном варианте осуществления настоящего изобретения носимое устройство представляет собой смарт-часы или фитнес-браслет.
В еще одном варианте осуществления настоящего изобретения носимое устройство дополнительно содержит память, выполненную с возможностью хранения данных профиля пользователя, наборов измерительных данных, дат и времен сбора каждого набора измерительных данных и значений центральных температур тела пользователя, определенных устройством для каждого набора измерительных данных.
В еще одном аспекте настоящего изобретения предусмотрен способ работы носимого устройства, содержащий: измерение температур внутри носимого устройства посредством по меньшей мере одного датчика внутренней температуры, размещенного внутри носимого устройства; измерение температуры поверхности кожи пользователя посредством по меньшей мере одного датчика температуры кожи; измерение по меньшей мере одного параметра импеданса тела пользователя посредством по меньшей мере одного биоимпедансного датчика; измерение по меньше мере двух сигналов ФПГ с различными длинами волн посредством по меньшей мере одного датчика ФПГ, и определение центральной температуры тела пользователя на основании по меньшей мере набора измерительных данных, собранных от упомянутых датчиков.
В одном варианте осуществления настоящего изобретения набор измерительных данных включает температуры внутри носимого устройства, температуру поверхности кожи пользователя, по меньшей мере один параметр импеданса тела пользователя и по меньшей мере два сигнала ФПГ с различными длинами волн.
В еще одном варианте осуществления настоящего изобретения способ дополнительно содержит: прогнозирование параметров микроклимата вокруг носимого устройства, содержащее прогнозирование локальной температуры окружающей среды вокруг носимого устройства на основании температур внутри носимого устройства, измеренных упомянутым по меньшей мере одним датчиком внутренней температуры, и затем прогнозирование локальной температуры между носимым устройством и кожей пользователя на основании упомянутой локальной температуры окружающей среды и температуры поверхности кожи пользователя, измеренной упомянутым по меньшей мере одним датчиком температуры кожи; прогнозирование параметров морфологии тела пользователя на основании заранее введенных в носимое устройство данных профиля пользователя и упомянутого по меньшей мере одного параметра импеданса тела пользователя, измеренного упомянутым по меньшей мере одним биоимпедансным датчиком; прогнозирование параметров периферической микроциркуляции тела пользователя на основании параметров перфузии тела пользователя, вычисленных по упомянутым по меньшей мере двум сигналам ФПГ с различными длинами волн, измеренным упомянутым по меньшей мере одним датчиком ФПГ; и прогнозирование центральной температуры тела на основании по меньшей мере упомянутых параметров микроклимата вокруг носимого устройства, упомянутых параметров морфологии тела пользователя и упомянутых параметров периферической микроциркуляции тела пользователя.
В еще одном варианте осуществления настоящего изобретения при прогнозировании учитывают данные профилей других пользователей, наборы измерительных данных, заранее измеренных у других пользователей, и наборы опорных данных, заранее измеренных внешними опорными средствами измерения.
В еще одном варианте осуществления настоящего изобретения упомянутый по меньшей мере один параметр импеданса тела пользователя включает модуль импеданса тела пользователя, фазовый угол импеданса тела пользователя, модуль контактного импеданса.
В еще одном варианте осуществления настоящего изобретения параметры морфологии тела пользователя характеризуют количество жировой ткани, мышечной ткани, воды в теле пользователя, соотношение внеклеточной и внутриклеточной воды в теле пользователя, состояние кожи пользователя.
В еще одном варианте осуществления настоящего изобретения при вычислении параметров перфузии упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн фильтруют от артефактов движения, разделяют упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн на стационарную и нестационарную компоненты временных рядов и преобразуют эти временные ряды в частотную область или частотно-временную область с последующим извлечением их амплитудно-фазовых гармонических характеристик.
В еще одном варианте осуществления настоящего изобретения упомянутые временные ряды преобразуют в частотную область путем преобразования Фурье или преобразования Гильберта-Хуанга или преобразуют в частотно-временную путем вейвлет-преобразования.
В третьем аспекте настоящего изобретения предусмотрена система, содержащая носимое устройство и удаленный сервер и/или облачное хранилище, причем система имеет по меньшей мере один канал связи для передачи данных между носимым устройством и удаленным сервером и/или облачным хранилищем.
В еще одном варианте осуществления настоящего изобретения система выполнена с возможностью управления функцией определения центральной температуры тела пользователя с других электронных устройств через удаленный сервер и/или облачное хранилище.
В еще одном варианте осуществления настоящего изобретения удаленный сервер и/или облачное хранилище дополнительно выполнены с возможностью хранения данных профиля пользователя, наборов измерительных данных, дат и времен сбора каждого набора измерительных данных и значений центральных температур тела пользователя, определенных носимым устройством для каждого набора измерительных данных, в виде базы данных пользователя.
В еще одном варианте осуществления настоящего изобретения упомянутая база данных пользователя выполнена с возможностью доступа к данным пользователя с других электронных устройств через удаленный сервер и/или облачное хранилище.
В еще одном варианте осуществления настоящего изобретения система дополнительно выполнена с возможностью использования данных, собранных в базе данных пользователя, для уточнения прогнозирования при определении центральной температуры тела пользователя.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Исходя из изложенных выше задачи настоящего изобретения и его аспектов, далее будут подробно описаны конкретные примерные варианты осуществления заявляемого изобретения, которые следует рассматривать вместе с прилагаемыми чертежами и которые ни в коей мере не предназначены для определения или ограничения объема изобретения, а только раскрывают конкретные примеры его осуществления. Специалистам будут очевидны другие варианты осуществления, модификации или эквивалентные замены на основе данного описания, и все такие варианты осуществления, модификации и эквивалентные замены считаются включенными в настоящее изобретение.
Чертежи предоставлены исключительно с целью иллюстрации в качестве помощи при чтении и для понимания описания, и их не следует никоим образом рассматривать как определяющие или ограничивающие объем изобретения. На чертежах изображено следующее:
Фигура 1А показывает температурную схему человека в условиях холода и тепла.
Фигура 1Б показывает изменение температурной схемы человека при нарушениях периферической микроциркуляции крови (постоянно холодные руки или постоянно горячие руки).
Фигура 2А показывает схематическое изображение носимого устройства с функцией определения центральной температуры тела человека.
Фигура 2Б демонстрирует вид сверху и вид снизу варианта осуществления носимого устройства в виде смарт-часов.
Фигура 2В иллюстрирует расположение по меньшей мере одного датчика внутренней температуры и по меньшей мере одного датчика температуры кожи в соответствии с вариантом осуществления носимого устройства в виде смарт-часов.
Фигура 2Г иллюстрирует расположение электродов по меньшей мере одного биоимпедансного датчика в соответствии с вариантом осуществления носимого устройства в виде смарт-часов.
Фигура 2Д иллюстрирует расположение по меньшей мере одного датчика ФПГ в соответствии с вариантом осуществления носимого устройства в виде смарт-часов.
Фигура 3 поясняет внешние и внутренние параметры системы носимое устройство-часть тела пользователя, учитываемые в алгоритме прогнозирования.
Фигура 4А поясняет внешние факторы, влияющие на точность пересчета температуры поверхности кожи в центральную температуру тела.
Фиг. 4Б поясняет использование первого внешнего опорного устройства (ВОУ1) при определении параметров микроклимата.
Фиг. 4В поясняет использование второго внешнего опорного устройства (ВОУ2) при определении параметров микроклимата.
Фиг. 4Г демонстрирует климатическую камеру с размещенным в ней макетом носимого устройства.
Фиг. 4Д демонстрирует экспериментальные данные, полученные на макете носимого устройства, помещенном в климатическую камеру.
Фиг. 4Е демонстрирует результаты прогнозирования по экспериментальным данным, полученные с помощью климатической камеры.
Фигура 5 иллюстрирует строение биологической ткани в виде последовательности плоских слоев с различными тепловыми параметрами, влияющими на передачу тепла от кровеносных сосудов к поверхности кожи.
Фигура 6А показывает тело человека в виде проводящего цилиндра и соответствующую схему представления состава тела человека в биоимпедансном анализе.
Фигура 6Б поясняет использование третьего внешнего опорного устройства (ВОУ3) при определении параметров морфологии тела пользователя.
Фигура 6В показывает результаты прогнозирования параметров морфологии с помощью меньшей мере одного биоимпедансного датчика носимого устройства и с помощью третьего внешнего опорного устройства.
Фигура 6Г демонстрирует результаты прогнозирования параметров морфологии (состава) тела тестируемого субъекта на основании базы клинических данных, содержащей информацию о 578 субъектах.
Фигура 7А поясняет причины использования сигналов ФПГ с различными длинами волн при прогнозировании параметров периферической микроциркуляции.
Фигура 7Б показывает фильтрацию сигналов ФПГ от артефактов движения.
Фигура 7В показывает разделение сигналов ФПГ на стационарную и нестационарную компоненты.
Фигура 7Г показывает разделение сигнала ФПГ на отдельные временные сегменты (импульсы ФПГ).
Фигура 7Д поясняет преобразование стационарной и нестационарной компонент временных рядов ФПГ в частотную область.
Фигура 7Е поясняет использование четвертого внешнего опорного устройства (ВОУ4) при прогнозировании параметров морфологии тела пользователя.
Фигура 7Ж демонстрирует влияние комбинации показателей перфузии и признаков формы волны ФПГ на точность прогнозирования центральной температуры тела.
На Фиг. 8A приведены результаты прогнозирования центральной температуры тела пользователя по базе клинических данных, содержащей информацию о 271 тесте, проведенном на 88 тестируемых субъектах.
Фигура 8Б демонстрирует результаты прогнозирования центральной температуры тела пользователя по базе клинических данных, содержащей информацию о 484 тестах, проведенных на 266 тестируемых субъектах.
Фигура 9А схематически показывает последовательность этапов способа работы носимого устройства с функцией определения центральной температуры тела пользователя.
Фигура 9Б поясняет подэтапы этапа прогнозирования, выполняемого в способе работы носимого устройства с функцией определения центральной температуры тела пользователя.
Фигура 10А показывает схематическое изображение одного варианта осуществления системы, содержащей носимое устройство с функцией определения центральной температуры тела человека.
Фигура 10Б показывает схематическое изображение другого варианта осуществления системы, содержащей носимое устройство с функцией определения центральной температуры тела человека.
ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ
Настоящее изобретение было создано с учетом ряда известных решений, продемонстрированных выше, и направлено, в частности, на устранение и/или смягчение по меньшей мере некоторых недостатков этих известных решений.
В частности, варианты осуществления настоящего изобретения предусматривают носимое устройство с функцией определения центральной температуры тела пользователя, содержащее: по меньшей мере один датчик внутренней температуры, выполненный с возможностью измерения температуры внутри носимого устройства, по меньшей мере один датчик температуры кожи, выполненный с возможностью измерения температуры поверхности кожи пользователя, по меньшей мере один биоимпедансный датчик, выполненный с возможностью измерения по меньшей мере одного параметра импеданса тела пользователя, по меньшей мере один датчик фотоплетизмограммы (ФПГ), выполненный с возможностью измерения по меньшей мере двух сигналов фотоплетизмограммы (ФПГ) с различными длинами волн, причем носимое устройство выполнено с возможностью определения центральной температуры тела пользователя на основании по меньшей мере набора измерительных данных, собранных с упомянутых датчиков.
Кроме того, варианты осуществления настоящего изобретения предусматривают способ работы носимого устройства, и систему, содержащую это носимое устройство.
Специалистам в области техники будет понятно, что различные примерные варианты осуществления настоящего изобретения не следует ни в коем случае истолковывать как определяющие или ограничивающие объем заявляемого изобретения, и что специалистами могут быть предусмотрены другие материальные и технические средства, эквивалентные или явно аналогичные перечисленным ниже, для выполнения различных операций, функций, этапов способа и т.п., описанных ниже. Настоящее подробное описание не предназначено для определения или ограничения объема заявляемого изобретения, которое следует определять только посредством ссылки на прилагаемую формулу изобретения.
Термин «ядро», используемый в настоящем документе, означает кровь и все внутренние органы. Ядро имеет постоянную температуру.
Термин «оболочка», используемый в настоящем документе, включает кожу и другие поверхностно расположенные структуры. В оболочке имеется температурный градиент, через нее идет теплообмен между ядром и окружающей средой.
Термин «центральная температура тела», используемый в настоящем документе, означает температуру центральной нервной системы и внутренних органов грудной и брюшной полости, которая на 2-4 градуса выше температуры конечностей. Также в научной литературе используются термины-синонимы: «температура ядра тела», «внутренняя температура тела». В норме центральная температура тела человека варьирует от 36,0°С до 37,5°С.
Термин «температура оболочки», используемый в настоящем документе, означает температуру кожи, подкожной жировой клетчатки, поверхностных мышц. Также в научной литературе используется термин-синоним «температура кожи». Температура кожи на различных участках тела человека в пределах комфортной температуры среды составляет: на коже лба 33,2°С; на груди 33,5°С; на кисти рук 30,4°С, на стопе 26,5-27,0°С.
Термин «температура поверхности тела», используемый в настоящем документе, означает температуру поверхности кожи. Температура кожи может быть измерена датчиком температуры носимого устройства.
Термин «температурная схема человека», используемый в настоящем документе, означает индивидуальное распределение показателей температуры по поверхности кожи и разным органам. У каждого человека она индивидуальна, при нормальных условиях относительно постоянна.
Термин «периферическая микроциркуляция», используемый в настоящем документе, означает движение крови по микрососудам (капиллярам).
Термин «биоимпедансометрия», используемый в настоящем документе, означает анализ, выполняемый с помощью специализированного оборудования, которое позволяет измерить показатели электрического сопротивления клеток организма.
Термин «биоимпедансный анализ», используемый в настоящем документе, означает контактный метод измерения электрической проводимости биологических тканей, дающий возможность оценки широкого спектра морфологических и физиологических параметров организма.
Термин «импеданс», используемый в настоящем документе, означает полное электрическое сопротивление цепи переменному току. Для биологического объекта импеданс носит составной (комплексный) характер Z=(R,X), где R - активная омическая составляющая, X - реактивная емкостная составляющая импеданса. Импеданс характеризуется модулем 
и фазовым углом 
В емкостную составляющую импеданса вносит вклад и область контакта электродов с биологической тканью. Контактный импеданс (контакт электрода с тканью) учитывает физические и химические процессы, протекающие в области контакта электродов с биологической тканью (например, поляризация электрода, состояние кожи (влажная или сухая) и др.).
Термин «подалгоритм», используемый в настоящем документе, означает алгоритм, целиком используемый в составе другого алгоритма.
Термин «машиночитаемый носитель данных» используемый в настоящем документе, означает любое средство или группу средств, которые могут хранить данные и/или команды в течение некоторого периода времени. Машиночитаемые носители данных могут содержать, без ограничения, запоминающие носители, такие как запоминающее устройство с прямым доступом (например, накопитель на жестком диске или гибкий диск), запоминающее устройство с последовательным доступом (например, накопитель на магнитных лентах), компакт-диск, CD-ROM, DVD, оперативное запоминающее устройство (RAM), постоянное запоминающее устройство (ROM), электрически стираемое программируемое постоянное запоминающее устройство (EEPROM) и/или флеш-память; а также средства коммуникации, такие как провода, оптические волокна и другие электромагнитные и/или оптические носители; и/или любые комбинации вышеупомянутых устройств.
Далее со ссылкой на Фиг. 2А-2Д будет показано схематическое изображение носимого устройства 201 с функцией определения центральной температуры тела человека.
Со ссылкой на Фиг. 2А будет описан вариант осуществления носимого устройства 201 содержащего корпус 202, процессор 203, батарею 204, по меньшей мере один датчик 205 внутренней температуры, по меньшей мере один датчик 206 температуры кожи, по меньшей мере один биоимпедансный датчик 207, по меньшей мере один датчик 208 фотоплетизмограммы (ФПГ), устройство 209 ввода, устройство 210 вывода, дисплей 211, память 212 и модуль 213 связи, включающий в себя модуль 223 беспроводной связи и модуль 224 проводной связи. Носимое устройство 201 может содержать дополнительные датчики, например, инерционные датчики перемещения, гироскопы, акселерометры, датчик измерения ЭКГ, датчик атмосферного давления, датчик влажности, датчик холла, датчик внешней освещенности и др. В вариантах осуществления носимое устройство 201 может представлять собой смарт-устройство, в частности, смарт-часы или фитнес-браслет, медицинское носимое устройство для мониторинга состояния здоровья с функцией определения центральной температуры тела и др. Носимое устройство является электронным носимым устройством. Оно может быть выполнено с возможностью установления проводного или беспроводного канала связи с внешними устройствами (например, устройства 225, 226, такие как: смартфоны, фитнес-браслеты, голосовые помощники, смарт-телевизоры, смарт-часы и т.п.) или сервером 227 и с возможностью передачи данных через сеть 228, 229.
В вариантах осуществления настоящего изобретения, показанных на Фиг. 2Б-2Д, носимое устройство 201 выполнено в виде смарт-часов, которые размещаются на запястье. В других вариантах осуществления настоящего изобретения (не показаны) носимое устройство 201 может быть выполнено размещаемым на других частях тела пользователя (например, палец).
На Фиг. 2Б показаны вид сверху и вид снизу носимого устройства 201. Согласно этому варианту осуществления корпус 202 носимого устройства 201 может включать первую поверхность 214 (или переднюю поверхность), вторую поверхность (или заднюю поверхность) 215 и боковую поверхность 216, окружающую пространство между первой поверхностью 214 и второй поверхностью 215, и элементы крепления, соединенные с по меньшей мере частью корпуса 202 и выполненные с возможностью отсоединяемого крепления носимого устройства 201 на запястье).
Согласно варианту осуществления настоящего изобретения, процессор 203 может получать температуры внутри носимого устройства 201, например, температуру корпуса, Ткорп., температуру процессора, Тпроц., и температуру батареи, Тбат., от упомянутого по меньшей мере одного датчика 205 внутренней температуры, сохранять их в памяти 212 и загружать их из памяти 212 для выполнения операций. Процессор 203 может получать температуру поверхности кожи пользователя, Tпов.кожи, от упомянутого по меньшей мере одного датчика 206 температуры кожи, сохранять ее в памяти 212 и загружать ее из памяти 212 для выполнения операций. Процессор 203 может получать по меньшей мере один параметр импеданса от упомянутого по меньшей мере одного биоимпедансного датчика 207, сохранять его в памяти 212 и загружать его из памяти 212 для выполнения операций. Процессор 203 может получать упомянутые по меньшей мере два сигнала ФПГ от упомянутого по меньшей мере одного датчика 208 ФПГ, сохранять их в памяти 212 и загружать их из памяти 212 для выполнения операций.
Процессор 203 может прогнозировать параметры микроклимата вокруг носимого устройства, т.е. локальную температуру окружающей среды вокруг носимого устройства и локальную температуру между носимым устройством и кожей пользователя. При этом процессор может прогнозировать локальную температуру окружающей среды, Тлок.окр., вокруг носимого устройства на основании температур внутри носимого устройства, например, Ткорп., Тпроц., Тбат., измеренных упомянутым по меньшей мере одним датчиком 205 внутренней температуры, а затем прогнозировать локальную температуру между носимым устройством и кожей пользователя, Tлок.устр., на основании упомянутой локальной температуры окружающей среды, Тлок.окр., и температуры поверхности кожи пользователя, Tпов.кожи, измеренной упомянутым по меньшей мере одним датчиком 206 температуры кожи.
Процессор 203 может прогнозировать параметры морфологии тела пользователя, характеризующие количество жировой ткани, мышечной ткани, воды в теле пользователя, соотношение внеклеточной и внутриклеточной воды в теле пользователя, состояние кожи пользователя. Это может обеспечиваться, например, на основании заранее введенных в носимое устройство данных профиля пользователя и упомянутого по меньшей мере одного параметра импеданса тела пользователя, измеренного упомянутым по меньшей мере одним биоимпедансным датчиком 207.
Процессор может прогнозировать параметры периферической микроциркуляции тела пользователя, на основании параметров перфузии тела пользователя (индекс перфузии (PI), признаки формы волны ФПГ), вычисленных по упомянутым по меньшей мере двум сигналам ФПГ с различными длинами волн, снятым упомянутым по меньшей мере одним датчиком 208 ФПГ. В вариантах осуществления настоящего изобретения процессор 203 может выполнять фильтрацию упомянутых по меньшей мере двух сигналов ФПГ с различными длинами волн от артефактов движения, разделять упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн на стационарную и нестационарную компоненты временных рядов и преобразовывать эти временные ряды в частотную область или частотно-временную область с последующим извлечением их амплитудно-фазовых гармонических характеристик, где преобразование упомянутых временных рядов в частотную область может содержат преобразование Фурье или преобразование Гильберта-Хуанга, а преобразование упомянутых временных рядов в частотно-временную область может содержать вейвлет-преобразование.
Процессор 203 может прогнозировать центральную температуру, Тцентр., тела пользователя на основании по меньшей мере упомянутых параметров микроклимата вокруг носимого устройства, упомянутых параметров морфологии тела пользователя и упомянутых параметров периферической микроциркуляции тела пользователя.
Процессор 203 может получать дополнительные данные (например, данные с упомянутых дополнительных датчиков носимого устройства 201), сохранять их в памяти 212 носимого устройства 201, а также загружать их из памяти 212 для выполнения операций. Процессор 203 может сохранять в памяти 212 носимого устройства 201 данные, полученные при прогнозировании упомянутых параметров микроклимата вокруг носимого устройства, упомянутых параметров морфологии тела пользователя и упомянутых параметров периферической микроциркуляции тела пользователя, а также загружать их из памяти 212 для выполнения операций.
Процессор 203 носимого устройства 201 может передавать информацию о центральной температуре тела пользователя, определенной на основании показаний упомянутых датчиков 205, 206, 207, 208, на устройство вывода 210 для информирования пользователя.
Процессор 203 может загружать данные, принятые от модуля связи 213 в память 212, и/или загружать данные из памяти 212 в модуль связи 213 для передачи на внешнее устройство (например, устройство 225, устройство 226, сервер 227 или облачное хранилище).
Батарея 204 может подавать питание на по меньшей мере на один компонент носимого устройства 201.
Упомянутый по меньшей мере один датчик 205 внутренней температуры может быть выполнен с возможностью измерения температуры внутри носимого устройства 201. Упомянутый по меньшей мере один датчик 205 внутренней температуры может быть выполнен в виде резистивного датчика температуры. В одном из вариантов осуществления настоящего изобретения, показанном на Фиг. 2В, носимое устройство 201 может содержать три датчика 205 внутренней температуры для измерения температуры корпуса 202, Ткорп., температуры процессора 203, Тпроц., температуры батареи 204, Тбат.. В еще одном варианте осуществления настоящего изобретения (не показан) в носимом устройстве 201 может быть использован только один датчик 205 внутренней температуры для измерения температуры корпуса 202, Ткорп.. В другом варианте осуществления настоящего изобретения (не показан) в носимом устройстве 201 может быть использовано два датчика 205 внутренней температуры, один из которых измеряет, например, температуру корпуса 202, а другой температуру батареи 204. В другом варианте осуществления настоящего изобретения в носимом устройстве 201 может быть предусмотрено измерение температур других внутренних компонентов.
Упомянутый по меньшей мере один датчик 206 температуры кожи может быть выполнен с возможностью измерения температуры поверхности кожи пользователя, Tпов.кожи. Он может быть выполнен в виде ИК датчика температуры или резистивного датчика температуры. Упомянутый по меньшей мере один датчик 206 температуры кожи может быть расположен в пределах части корпуса 202, обращенной к коже пользователя, при этом в случае его выполнения в виде резистивного датчика, он также должен иметь тепловой контакт с кожей пользователя. В варианте осуществления настоящего изобретения, показанном на Фиг. 2В, носимое устройство 201 содержит один ИК датчик 206 температуры кожи. В других вариантах осуществления настоящего изобретения носимое устройство может быть снабжено несколькими датчиками 206 температуры кожи. В этом случае показания нескольких датчиков 206 температуры кожи могут суммироваться и усредняться для получения Tпов.кожи.
Упомянутый по меньшей мере один биоимпедансный датчик 207 может быть выполнен с возможностью измерения по меньшей мере одного параметра импеданса тела пользователя, причем упомянутый по меньшей мере один параметр импеданса тела пользователя включает модуль импеданса тела пользователя, фазовый угол импеданса тела пользователя и модуль контактного импеданса. В варианте осуществления настоящего изобретения, показанном на Фиг. 2Б, 2Г, в носимом устройстве 201 предусмотрен один биоимпедансный датчик 207, предназначенный для измерения по меньшей мере одного параметра импеданса тела пользователя. Со ссылкой на Фиг. 2Б и 2Г показано, что упомянутый по меньшей мере один биоимпедансный датчик 207 может содержать четыре электрода: первый электрод 217, второй электрод 218, третий электрод 219 и четвертый электрод 220. В одном из вариантов осуществления настоящего изобретения вторая поверхность 215 может включать в себя первый электрод 217 и третий электрод 219, при этом боковая поверхность 216 может включать в себя второй электрод 218 и четвертый электрод 220. В другом варианте осуществления настоящего изобретения (не показан) в носимом устройстве 201 может быть предусмотрено несколько датчиков ФПГ.
Схема измерения упомянутого по меньшей мере одного параметра импеданса, используемая в настоящем изобретении, может быть аналогична схеме измерения, подробно описанной в WO 2020138667 A1. Такая схема измерения позволяет оценить, как чистый импеданс тела (без влияния контактов электродов с кожей), так и оценить контактный импеданс отдельно (только импедансы контактов электродов с кожей).
В варианте осуществления настоящего изобретения, показанном на Фиг. 2Б, 2Г, пользователь носит носимое устройство 201 на запястье таким образом, что первый электрод 217 и третий электрод 219 соприкасаются с запястьем, и устанавливает контакт со вторым электродом 218 и четвертым электродом 220 с помощью пальцев (см. Фиг. 2Г).
Упомянутый по меньшей мере один датчик 208 фотоплетизмограммы (ФПГ) может быть выполнен с возможностью измерения по меньшей мере двух сигналов фотоплетизмограммы (ФПГ) с различными длинами волн. В варианте осуществления настоящего изобретения, показанном на Фиг. 2Б, 2Д, упомянутый по меньшей мере один датчик 208 ФПГ может быть размещен на стороне второй поверхности 215 корпуса 202 (т.е. поверхности, обращенной к коже пользователя). В одном варианте осуществления настоящего изобретения (не показан) носимое устройство 201 может содержать два датчика 208 ФПГ, каждый из которых содержит по одному источнику 221 излучения и одному приемнику 222 излучения, причем источники 221 излучения этих двух датчиков ФПГ имеют отличающиеся длины волн. В этом варианте осуществления настоящего изобретения два датчика 208 ФПГ смогут обеспечить снятие 2 сигналов ФПГ с различными длинами волн. В варианте осуществления настоящего изобретения, показанном на Фиг. 2Б, в носимое устройство 201 может содержать один датчик 208 ФПГ, который может содержать, например, два источника 221 излучения и, например, два приемника 222 излучения, причем эти источники 221 излучения имеют отличающиеся длины волн. В этом варианте осуществления настоящего изобретения один датчик 208 ФПГ сможет обеспечить снятие 2 сигналов ФПГ с различными длинами волн. В варианте осуществления настоящего изобретения источник излучения 221 может содержать светоизлучающий диод (СИД).
Устройство 209 ввода может принимать данные, которые могут использоваться другим компонентом (например, процессором 203) носимого устройства 201, вводимые извне (например, пользователем носимого устройства 201). В одном из вариантов осуществления настоящего изобретения устройство 209 ввода может быть выполнено с возможностью ввода профиля пользователя, содержащего пол, возраст, рост, вес пользователя. Процессор 203 носимого устройства 201 может получать профиль пользователя от устройства 209 ввода, сохранять профиль пользователя в памяти 212, считывать его из памяти 212 и использовать его при прогнозировании параметров морфологии тела пользователя. Также в носимом устройстве 201 может быть предусмотрен голосовой ввод и вывод данных. Дополнительно ввод и вывод данных могут быть выполнены посредством подключения к сети Интернет.
Устройство 210 вывода может быть выполнено с возможностью вывода информации пользователю на первой стороне 214 носимого устройства 201. Устройство вывода 210 может включать в себя дисплей 211, который может быть выполнен с возможностью отображения выводимой информации и расположен на первой стороне 214 носимого устройства 201. Дополнительно, дисплей 211 может быть выполнен с возможностью использования экранной клавиатуры для ввода данных, например, профиля пользователя.
Память 212 носимого устройства 201 может быть выполнена с возможностью хранения следующих данных:
профиль пользователя, содержащий пол, возраст, рост, вес пользователя,
наборы измерительных данных, включающие:
- температуры внутри носимого устройства, например, Ткорп., Тпроц., Тбат.., измеренные упомянутым по меньшей мере одним датчиком 205 внутренней температуры,
- температуру поверхности кожи пользователя, Tпов.кожи, измеренную упомянутым по меньшей мере одним датчиком 206 температуры кожи,
- по меньшей мере один параметр импеданса тела пользователя, измеренный упомянутым по меньшей мере одним биоимпедансным датчиком 207,
- по меньшей мере два сигнала ФПГ с различными длинами волн, измеренные упомянутым по меньшей мере одним датчиком 208 ФПГ,
даты сбора каждого набора измерительных данных;
времена сбора каждого набора измерительных данных,
центральные температуры, тела пользователя, Tцентр., определенные посредством процессора для каждого набора измерительных данных, и др.
Также память 212 может хранить различные дополнительные данные, например, данные используемые и вычисляемые процессором 203 носимого устройства 201 при определении центральной температуры тела пользователя, в частности, параметры микроклимата вокруг носимого устройства, параметры морфологии тела пользователя, параметры периферической микроциркуляции тела пользователя, или данные снимаемые с дополнительных датчиков носимого устройства 201.
Память 212 может хранить различные инструкции, которые будучи исполняемыми процессором 203, заставляют процессор 203 управлять компонентами носимого устройства 201, соединенными с процессором 203, и выполнять различную обработку данных или вычисления.
Модуль 213 связи может включать в себя модуль 223 беспроводной связи (например, модуль сотовой связи, модуль беспроводной связи ближнего действия или модуль связи глобальной навигационной спутниковой системы (GNSS)) или модуль 224 проводной связи (например, модуль связи локальной сети (LAN) или модуль связи по линии электропередачи (ПЛК)). Модуль 213 связи может поддерживать установление беспроводного канала связи между носимым устройством 201 и внешним устройством (например, устройством 225, устройством 226, сервером 227 или облачным хранилищем) и выполнение связи через установленный канал связи. Модуль 213 связи может включать в себя один или более процессоров связи, которые работают независимо от процессора 203 и поддерживают прямую (например, проводную) связь или беспроводную связь. Соответствующий один из этих модулей связи может осуществлять связь с внешним электронным устройством через первую сеть 228 (например, сеть связи ближнего действия, такую как Bluetooth™, беспроводная связь (Wi-Fi) или передача данных по стандарту в инфракрасном диапазоне (IrDA)) или вторую сеть 229 (например, сеть связи на большие расстояния, такая как сотовая сеть, Интернет или компьютерная сеть (например, локальная сеть или глобальная сеть (WAN)).
Далее со ссылкой на Фиг. 3, 4А-4Е, 5, 6А-6Г, 7А-7Ж будет описано определение центральной температуры тела посредством прогнозирования на основании по меньшей мере показаний упомянутых датчиков 205, 206, 207, 208.
Фигура 3 поясняет внешние и внутренние параметры системы носимое устройство-часть тела пользователя, учитываемые при прогнозировании.
Как показано на Фиг. 3, определение центральной температуры тела пользователя включает в себя:
1) прогнозирование параметров микроклимата вокруг носимого устройства,
2) прогнозирование параметров морфологии (состава) тела пользователя,
3) прогнозирование параметров периферической микроциркуляции тела пользователя,
4) прогнозирование центральной температуры тела пользователя, где Тцентр.=f(Tлок.устр., Тлок.окр., Тпов.кожи, kжира, kмышц, PI, признаков формы волны сигнала ФПГ).
1) Определение параметров локального микроклимата вокруг носимого устройства
Со ссылкой на Фиг. 4А показано, что вокруг системы носимое устройство-часть тела пользователя (например, вокруг системы смарт-часы - запястье) может существовать большое число внешних факторов, влияющих на точность пересчета температуры поверхности кожи в центральную температуру тела пользователя. Например, вокруг системы носимое устройство-часть тела пользователя может возникать поток воздуха, носимое устройство может неплотно прилегать к телу пользователя. Когда человек долго носит носимое устройство (например, смарт-часы он будет носить практически постоянно), то возникают такие неприятные моменты, как образование пленки пота и жировой пленки под носимым устройством, которые также влияют на точность пересчета температуры поверхности кожи в центральную температуру тела.
Для учета такого рода факторов в настоящем изобретении предусмотрено прогнозирование локальной температуры вокруг системы носимое устройства-часть тела пользователя, Тлок.окр., и прогнозирование локальной температуры между носимым устройством и кожей пользователя, Тлок.устр, что позволяет сделать более точный пересчет температуры поверхности кожи, Tпов.кожи, в центральную температуру тела пользователя.
В настоящем изобретении это может быть обеспечено посредством первого подалгоритма прогнозирования, выполненного с возможностью прогнозировать локальную температуру окружающей среды, Тлок.окр, вокруг носимого устройства на основании температур внутри носимого устройства, например, Ткорп., Тпроц., Тбат., измеренных по меньшей мере одним датчиком 205 внутренней температуры, а затем прогнозировать локальную температуру между носимым устройством и кожей пользователя, Тлок.устр, на основании упомянутой локальной температуры окружающей среды, Тлок.окр, и температуры поверхности кожи пользователя, Tпов.кожи, измеренной по меньшей мере одним датчиком 206 температуры кожи.
Первый подалгоритм прогнозирования был создан заранее в результате машинного обучения нейронной сети.
Для обучения первого подалгоритма прогнозирования способности прогнозировать параметры локального микроклимата формировалась первая база обучающих данных. Для этого набиралось первое множество других пользователей (тестируемых субъектов), которым на запястье надевали носимое устройство (его тестовый образец), имеющее по меньшей мере один датчик 205 внутренней температуры. Для каждого из упомянутого первого множества других пользователей снимались показания упомянутого по меньшей мере одного датчика 205 внутренней температуры, например, температуры процессора, корпуса и батареи.
Дополнительно использовалось первое внешнее опорное устройство (ВОУ1), например термопара, которое для каждого из упомянутого первого множества других пользователей позволяло точно определить первую опорную температуру, Т1 опорн., непосредственно у системы носимое устройство-часть тела пользователя. Это первое внешнее опорное устройство (ВОУ1) схематически показано в виде кружка на Фиг. 4Б.
Температуры внутри носимого устройства, например, Ткорп., Тпроц., Тбат, измеренные упомянутым по меньшей мере одним датчиком 205 внутренней температуры для каждого из упомянутого множества других пользователей, и опорная температура, Т1 опорн., определенная первым внешним опорным устройством (ВОУ1) для каждого из упомянутого множества пользователей, помещались в первую базу обучающих данных.
Обученный первый подалгоритм прогнозирования обеспечил возможность определения температуры вокруг носимого устройства, Тлок.окр, на основании температур внутри носимого устройства, например, Ткорп., Тпроц., Тбат.. После этого температура вокруг носимого устройства, Тлок.окр., также помещалась в первую обучающую базу данных.
Далее, для каждого из упомянутого первого множества других пользователей с надетым на запястье носимым устройством измерялась температура поверхности кожи, Tпов.кожи, посредством упомянутого по меньшей мере одного датчика 206 температуры кожи. Дополнительно использовалось второе внешнее опорное устройство (ВОУ2), например термопара, которое находилось между носимым устройством и частью тела пользователя и позволяло точно определять вторую опорную температуру, Т2 опорн, в этом месте. Это второе внешнее опорное устройство (ВОУ2) схематически показано в виде кружка на Фиг. 4В.
Температура поверхности кожи, Tпов.кожи, измеренная упомянутым по меньшей мере одним датчиком 206 температуры кожи для каждого из упомянутого первого множества других пользователей, и вторая опорная температура, Т2 опорн, измеренная вторым внешним опорным устройством (ВОУ2) для каждого из упомянутого множества пользователей, также помещались в первую базу обучающих данных.
Дополненная таким образом первая база обучающих данных использовалась для дальнейшего машинного обучения первого подалгоритма прогнозирования. Дополнительно обученный первый подалгоритм прогнозирования обеспечил возможность определения локальной температуры между носимым устройством и поверхностью кожи пользователя, Tлок.устр, на основании температуры вокруг носимого устройства, Тлок.окр, и температуры поверхности кожи, Tпов.кожи. После этого температура между носимым устройством и поверхностью кожи пользователя, Tлок.устр., также помещалась в первую обучающую базу данных. Таким образом, была сформирована первая база обучающих данных.
Решение задачи прогнозирования температуры вокруг носимого устройства и локальной температуры между носимым устройством и поверхностью кожи было основано на выявлении эмпирических закономерностей в обучающих данных, помещенных в первую базу данных, машинным способом.
Следует отметить, что созданию первого подалгоритма прогнозирования с обучением на основании данных тестируемых субъектов, собранных в первой базе обучающих данных, предшествовали эксперименты на «неживой» лабораторной установке, имитирующей систему носимое устройство-часть тела пользователя. Измерения проводились на макете носимого устройства, помещенном в климатическую камеру, как показано на фиг. 4Г. В климатической камере макет носимого устройства размещался на фрагменте материала, имитирующего теплофизические свойства части тела пользователя. В качестве такого материала был использован кусок термически обработанной свинины. Климатическая камера поддерживала заданную температуру в пределах одного градуса и перестраивала ее по времени согласно заданной программе. В климатической камере фрагмент материала, имитирующего теплофизические свойства части тела пользователя, был закреплен на термостолике. Термостолик управлялся независимо и позволял задать температуру установленного на него объекта (фрагмент материала, имитирующего теплофизические свойства части тела пользователя), которая могла быть больше или равной температуре воздуха (окружающей среды), установленной камерой. Посредством датчиков температуры, установленных в макете носимого устройства, датчика температуры, установленного во фрагменте материала, имитирующего теплофизические свойства части тела пользователя, и внешнего опорного средства измерения (термопара) снимались следующие показания: Твозд. - температура воздуха в климатической камере, Тимит.матер. - температура фрагмента материала, имитирующего теплофизические свойства части тела пользователя, Ткор.(макет) - температура корпуса макета носимого устройства, Тпроц.(макет) - температура процессора макета носимого устройства, Тбат.(макет) - температура батареи макета носимого устройства.
На Фиг. 4Д приведены экспериментальные данные, полученные в процессе 19-часовых измерений с 85 стабилизированными состояниями фрагмента материала, имитирующего теплофизические свойства части тела пользователя. На графике по оси х показано время в часах, по оси y показана температура в градусах Цельсия (°С). В экспериментах фантомная температура «кожи» варьировалась от 29°C до 37°C, в то время как температура воздуха в климатической камере варьировалась от 21°C до 32°C.
Далее использовалась модель машинного обучения «гребневая регрессия» и метод оценки эффективности - перекрестная проверка. При обработке данные с Фиг. 4Д разбивались на 13 наборов из нарастающих линий и выполнялась перекрестная проверка без учета одной линии. При этом в качестве признаков учитывались: «Тимит.матер.» - температура фрагмента материала, имитирующего теплофизические свойства части тела пользователя, разности температур «Тпроц.(макет)-Тимит.матер.», «Тбат.(макет)-Тимит.матер.», «Тимит.матер.-Твозд.», «Тимит.матер.-Ткор.(макет)», а также признаки, характеризующие нагрузку на процессор.
На Фиг. 4Е приведены результаты прогнозирования температуры воздуха в климатической камере по экспериментальным данным с фигуры 4Д. На графике по оси х отложена температура воздуха в климатической камере, измеренная внешним опорным устройством (термопара), по оси y отложена температура воздуха в климатической камере, спрогнозированная по показаниям датчиков температур макета носимого устройства и датчика температуры во фрагменте материала, имитирующего теплофизические свойства части тела пользователя. Также на графике показаны артефакты, вызванные увеличением нагрузки на процессор.
Характеристики точности модели машинного обучения приведены в таблице 1, где использованы следующие обозначения:
MAE (Mean Absolute Error) - метрика, измеряющая среднюю сумму абсолютной разницы между фактическим значением и прогнозируемым значением,
RMSE (Root Mean Squared Error) - корень от усредненного квадрата ошибки,
R2corr - доля дисперсии зависимой переменной, объясняемая рассматриваемой моделью зависимости, то есть объясняющими переменными,
Bias - систематическая ошибка,
Error SD - стандартное отклонение ошибки.
Таким образом, данный эксперимент наглядно продемонстрировал, что температура воздуха в климатической камере может быть спрогнозирована на основании показаний датчиков температуры, снятых на «неживой» лабораторной установке, имитирующей систему носимое устройство-часть тела пользователя с точностью ±0,2°C (MAE = 0,2°C) относительно показаний внешнего опорного устройства (термопара).
2) Определение параметров морфологии (состава) тела человека
Для точного пересчета температуры поверхности кожи пользователя в центральную температуру тела пользователя необходимо учитывать не только внешние факторы, которым подвергается часть тела пользователя с носимым устройством, но и происходящие в этой части тела процессы биотеплообмена. Биотеплообмен зависит от тепловых свойств кожи и лежащих ниже тканей, а также от кровенаполненности ткани. Наиболее широкое распространение для оценки процессов биотеплообмена получило классическое уравнение Пеннеса, учитывающее влияние кровотока и метаболического тепла на баланс энергии в ткани:
где ρтк - плотность ткани, Cтк - теплоемкость ткани, Tтк - температура ткани, kтк - теплопроводность ткани, ρкр - плотность крови, Cкр - теплоемкость крови, Wкр - скорость перфузии крови, Тарт - температура артериальной крови, qмет - метаболическое тепло.
На Фиг. 5 показано, что теплообмен между человеком и окружающей средой осуществляется в результате конвекции (Qконв.), излучения (Qизл.) и в процессе дыхания (Qдых.). Биологическая ткань может быть представлена в виде последовательности плоских слоев толщиной δ, которые имеют различные тепловые параметры (например, плотность (ρ), теплоемкость (С), теплопроводность (k) и др.), влияющие на передачу тепла от кровеносных сосудов к поверхности кожи. Сопротивление передаче тепла оказывают все слои биологической ткани, но наибольшее сопротивление оказывает жировая прослойка. Состав тела каждого человека уникален, каждый человек имеет индивидуальные особенности метаболизма, и все это влияет на то, как будет проходить теплообмен непосредственно в области, где расположено носимое устройство
Тепловые свойства кожи и лежащей рядом с жировой прослойкой ткани коррелируют с общим составом тела и индексом массы. Зная эти параметры, можно оценить, как происходит передача тепла в организме человека. В настоящем изобретении для оценки состава тела человека используется биоимпедансометрия. Измерение параметров морфологии осуществляется посредством биоимпедансного анализа. Тепловые и механические свойства кожи и лежащих ниже тканей могут быть косвенно оценены с помощью данных, снимаемых с биоимпедансного датчика, и данных из профиля пользователя (пол, возраст, рост и вес). На Фигуре 6А тело человека представлено как проводящий цилиндр, а также приведена соответствующая схема представления состава тела человека в биоимпедансометрии.
Для учета такого рода факторов в настоящем изобретении предусмотрено прогнозирование параметров морфологии тела пользователя на основании заранее введенных в носимое устройство данных профиля пользователя и упомянутого по меньшей мере одного параметра импеданса тела пользователя, измеренного по меньшей мере одним биоимпедансным датчиком 207.
В настоящем изобретении это обеспечивается посредством второго подалгоритма прогнозирования, который был создан заранее в результате машинного обучения нейронной сети.
Для обучения второго подалгоритма прогнозирования способности определять параметры морфологии тела пользователя формировалась вторая база обучающих данных. Для этого, набиралось второе множество других пользователей (тестируемых субъектов), которым на запястье надевали носимое устройство (его тестовый образец), имеющее упомянутый по меньшей мере один биоимпедансный датчик 207. Каждый из второго множества других пользователей вводил в носимое устройство профиль пользователя. Далее каждому из упомянутого второго множества других пользователей измеряли по меньшей мере один параметр импеданса (например, модуль импеданса тела пользователя, фазовый угол импеданса тела пользователя и модуль контактного импеданса) посредством упомянутого по меньшей мере одного биоимпедансного датчика 207. Измеренный по меньшей мере один параметр импеданса использовали для определения параметров морфологии каждого из упомянутого второго множества других пользователей: в частности, модуль импеданса использовался для определения количества жировой ткани, количества мышечной ткани, количества воды в теле, фазовый угол импеданса использовался для определения отношения внеклеточной и внутриклеточной воды, модуль контактного импеданса использовался для определения состояния кожи (сухая или влажная).
Как показано на Фиг. 6Б, дополнительно использовалось третье внешнее опорное устройство (ВОУ3), например, анализатор состава тела InBody, применяемый как в медицине, так и в фитнес-центрах), которое для каждого из упомянутого второго множества других пользователей позволяло точно определить опорный состав тела. Посредством третьего внешнего опорного устройства для каждого из упомянутого второго множества других пользователей определялись опорные параметры морфологии: опорный модуль импеданса, который использовался для определения количества жировой ткани, количества мышечной ткани, количества воды в теле, опорный фазовый угол импеданса, который использовался для определения отношения внеклеточной и внутриклеточной воды, опорный модуль контактного импеданса, который использовался для определения состояния кожи (сухая или влажная).
Параметры морфологии, определенные для каждого из упомянутого второго множества других пользователей на основании показаний упомянутого по меньшей мере одного биоимпедансного датчика 207, и опорные параметры морфологии, определенные для каждого из упомянутого второго множества других пользователей на основании показаний третьего опорного устройства, также помещались во вторую базу обучающих данных. Таким образом, была сформирована вторая база обучающих данных, которая использовалась для обучения второго подалгоритма прогнозирования.
Обученный второй подалгоритм обеспечил возможность прогнозирования параметров морфологии пользователя (количество жировой ткани, мышечной ткани, воды в теле пользователя, соотношение внеклеточной и внутриклеточной воды в теле пользователя, состояние кожи пользователя) на основании показаний упомянутого по меньшей мере одного биоимпедансного датчика 207.
Решение задачи прогнозирования параметров морфологии тела пользователя было основано на выявлении эмпирических закономерностей в обучающих данных, помещенных во вторую базу данных, машинным способом.
На Фиг. 6В приведены результаты прогнозирования параметров морфологии (в частности, kжира, kмышц) для второго множества других пользователей. В этом исследовании было задействовано большое число тестируемых субъектов, среди которых были женщины и мужчины, которые имели разный состав тела, разное количество жировой и мышечной ткани, разный возраст, вес. На левом графике показаны результаты, полученные для жировой ткани, на правом графике показаны результаты, полученные для мышечной ткани. По оси х отложены данные, вычисленные по показаниям третьего внешнего опорного устройства (ВОУ3), в килограммах, по оси y отложены данные, вычисленные по показаниям упомянутого по меньшей мере одного биоимпедансного датчика 207, в килограммах. Линия x=y показывает корреляцию. Представленные на Фиг. 6В данные соответствуют случаю, когда измерение по меньшей мере одного параметра импеданса упомянутым по меньшей мере одним биоимпедансным датчиком 207 выполнялось для верхней части тела (от левой руки до правой руки), в то время как измерение параметров импеданса выполнялось третьим внешним опорным устройством (ВОУ3) через все тело. В качестве третьего внешнего устройства также могут быть использованы другие устройства с функцией определения состава тела, например, смарт-весы. В зависимости от числа используемых датчиков измерение параметров импеданса в таких устройствах может проходит только через ноги и нижнюю часть или через все тело. Использование опорных устройств, обеспечивающих измерение параметров импеданса через все тело, является наиболее предпочтительным.
На Фиг. 6Г приведены результаты прогнозирования параметров морфологии (состава) тела тестируемого субъекта на основании базы клинических данных, содержащей информацию о 578 субъектах. На графике сверху показаны результаты определения количества жировой ткани, на графике снизу показаны результаты определения количества мышечной ткани, по оси х отложены данные, вычисляемые по показаниям третьего внешнего опорного устройства, в килограммах, по оси y отложены данные, вычисляемые по показаниям упомянутого по меньшей мере одного биоимпедансного датчика 207, в килограммах. Линия x=y показывает корреляцию. Также на Фиг. 6Г выделены 2 точки, соответствующие двум тестируемым субъектам, имеющим одинаковую общую массу, но разное количество жировой и мышечной ткани: Пользователь 1 - мужчина, имеющий 35 кг жировой ткани и 28 кг мышечной ткани, и Пользователь 2 - женщина, имеющая 28 кг жировой ткани и 35 кг мышечной ткани. Видно, что Пользователь 1 имеет гораздо более высокое отношение жировой ткани к мышечной ткани (более толстый подкожный жир), чем Пользователь 2. Следовательно, передача биотепла от кровеносных сосудов к поверхности кожи Пользователя 1 будет затруднена более толстым слоем подкожного жира по сравнению с Пользователем 2. Известно, что температура поверхности кожи варьируется приблизительно на 0,5°С в зависимости от того, какая у человека жировая прослойка, поэтому учет параметров морфологии позволяет повысить точность определении центральной температуры тела пользователя по температуре поверхности кожи.
Данные, представленные на Фиг. 6В и 6Г, получены при использовании модели машинного обучения «гребневая регрессия» и метода оценки эффективности перекрестная проверка.
3) Определение параметров периферической микроциркуляции тела пользователя
Как показано выше, биотеплообмен также зависит от диаметра кровеносных сосудов, объема крови и скорости кровотока, которые в свою очередь могут изменяться под влиянием процессов внутри тела или внешних условий. Например, из-за холода кровеносные сосуды могут сужаться, из-за тепла - расширяться, влияя на скорость течения крови, объем течения крови, что будет оказывать влияние на передачу тепла. Поэтому параметры периферической микроциркуляции также необходимо учитывать при пересчете центральной температуры тела на основании температуры поверхности кожи.
Для характеристики периферической микроциркуляции тела пользователя в настоящем изобретении используется такой параметр как индекс перфузии тела, характеризующий кровенаполненность, а также признаки формы сигнала ФПГ, которые характеризуют состояние кардиоваскулярной системы человека.
Для учета такого рода факторов в настоящем изобретении предусмотрено прогнозирование параметров периферической микроциркуляции тела на основании параметров перфузии тела пользователя, вычисленных по упомянутым по меньшей мере двум сигналам ФПГ с различными длинами волн, измеренным по меньшей мере одним датчиком 208 ФПГ.
В настоящем изобретении упомянутое прогнозирование обеспечивается посредством третьего подалгоритма прогнозирования, который был создан заранее в результате машинного обучения нейронной сети.
Для обучения третьего подалгоритма прогнозирования способности определять параметры периферической микроциркуляции тела пользователя формировалась третья база обучающих данных. Для каждого из упомянутого третьего множества других пользователей с надетым на запястье носимым устройством (его тестовым образцом) измеряли по меньшей мере два сигнала ФПГ с различными длинами волн посредством упомянутого по меньшей мере одного датчика 208 ФПГ.
Со ссылкой на Фиг. 7А показано, что в настоящем изобретении измерение упомянутых по меньшей мере двух сигналов ФПГ с различными длинами волн (λ1, λ2, … λN) позволяет учитывать тон кожи человека, т.е. насколько у него светлая или более темная, загорелая кожа, и, в зависимости от тона кожи, выявлять сигнал ФПГ более высокого качества. Выбор сигнала ФПГ более высокого качества основан на проверке отношения сигнал-шум. Как правило, высокое содержание меланина в более темных тонах кожи снижает отношение сигнал-шум для зеленой длины волны, низкое содержание меланина в светлых тонах кожи увеличивает отношение сигнал-шум для зеленой длины волны. Таким образом, для светлой кожи предпочтительно использовать сигнал ФПГ на зеленой длине волны, т.к. у него более хорошее отношение сигнал-шум, а для человека с темной кожей предпочтительно использовать другие длины волн, например, инфракрасную, красную длину волны, чтобы обеспечить хорошее качество сигнала ФПГ.
Со ссылкой на Фиг. 7Б показана фильтрация упомянутых по меньшей мере двух сигналов ФПГ от артефактов движения (движения пальцев, дрожание и др.) по данным акселерометра, чтобы избавиться от артефактов движения и работать с отфильтрованным сигналом более высокого качества.
Со ссылкой на Фиг. 7В показано, что упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн разделяют на стационарную и нестационарную компоненты (компоненты переменного и постоянного тока) временных рядов ФПГ, кроме того компоненты переменного и постоянного тока временного ряда ФПГ разделяются на отдельные временные сегменты (импульсы ФПГ) по положению диастолических пиков переменного тока (см. Фиг. 7Г).
Со ссылкой на Фиг. 7Д показано, что упомянутые стационарная и нестационарная компоненты временных рядов ФПГ преобразуются в частотную область с последующим извлечением амплитудно-фазовых гармонических характеристик сигналов. Например, может быть выполнено преобразование Фурье, где каждый импульс ФПГ преобразуется в набор амплитуд и фаз Фурье и, таким образом, набор из 10 чисел [A1: A5, P1: P5] может содержать все функции (информацию) для модели машинного обучения, используемой для прогнозирования параметров периферической микроциркуляции тела пользователя.
Извлечение признаков формы волны сигнала ФПГ основано на вычисления первых пяти коэффициентов быстрого преобразования Фурье (БПФ) (амплитуд A и фаз P) - признаков формы волны сигнала ФПГ и индексов перфузии (PI) для каждой длины волны, оно может быть выполнено, как показано в таблице 2.
Таким образом, периферическая микроциркуляция является функцией f(PI=AC/DC; коэффициентов БПФ формы волны сигнала ФПГ).
Изобретение не ограничивается применением преобразования Фурье и могут использоваться другие преобразования, такие как преобразование Гильберта-Хуанга и вейвлет-преобразование.
На первом этапе преобразования Гильберта-Хуанга выполняется разложение сигнала ФПГ на ряд компонент, которые называются эмпирическими модами (ЭМ), на втором этапе к полученному разложению применятся преобразование Гильберта. Основными информативными признаками преобразования Гильберт-Хуанга являются амплитуда, мгновенная частота и фаза эмпирических мод, получаемые в результате эмпирической модовой декомпозиции исходного сигнала.
При вейвлет-преобразовании выполняется интегральное преобразование, представляющее собой свертку вейвлет-функции с сигналом ФПГ. Вейвлет-преобразование переводит сигнал ФПГ из временного представления в частотно-временное. Алгоритмы вейвлет преобразования позволяют учитывать локальные изменения сигналов ФПГ и нести информацию в трёхмерном формате - амплитуда, частота, время.
Для каждого из упомянутого третьего множества других пользователей в третью базу обучающих данных помещались измеренные сигналы ФПГ, результаты их промежуточной обработки, а также данные, представленные в таблице 2.
Дополнительно использовалось четвертое внешнее опорное устройство (ВОУ4) (Фиг. 7Е), например, медицинский термометр, который для каждого из упомянутого третьего множества других пользователей позволял точно измерить температуру тела, например, электронный градусник, которым измерялась температура во рту или в подмышечной впадине. Данные от четвертого внешнего опорного устройства также помещались в третью базу обучающих данных. Таким образом, была сформирована третья база обучающих данных, которая использовалась для обучения третьего подалгоритма прогнозирования.
Обученный третий подалгоритм прогнозирования обеспечил возможность прогнозирования параметров периферической микроциркуляции на основании показаний упомянутого по меньшей мере одного датчика 208 ФПГ с различными длинами волн.
Решение задачи прогнозирования периферической микроциркуляция было основано на выявлении эмпирических закономерностей в обучающих данных, помещенных в третью базу данных, машинным способом.
Результаты, представленные на Фиг. 7Ж, демонстрируют влияние комбинации показателей перфузии и признаков формы волны сигнала ФПГ на точность прогнозирования центральной температуры тела. На графиках представлены данные, полученные на 8 субъектах, которые использовали носимое устройство, в частности, смарт-часы. На графиках по оси х отложены температуры, измеренные медицинским термометром, °С, по оси y отложены температуры, вычисленные посредством третьего подалгоритма прогнозирования, °С.
На графике слева для прогнозирования использованы только признаки, связанные с формой сигнала ФПГ, выявленные посредством БПФ, на графике справа для прогнозирования использованы только параметры перфузии (PI), на среднем графике использованы как признаки, связанные с формой волны сигнала ФПГ, выявленные посредством БПФ, так и параметры перфузии (PI). Видно, что при совместном использовании признаков (график в центре) точность определения центральной температуры тела повышается.
Данные, представленные на Фиг. 7Ж, получены при использовании модели машинного обучения «гребневая регрессия» и метода оценки эффективности перекрестная проверка.
4) Прогнозирование центральной температуры тела пользователя
Первая, вторая и третья базы обучающих данных, которые использовались для машинного обучения упомянутых подалгоритмов прогнозирования, были объединены в общую базу обучающих данных. Кроме того, в эту общую базу обучающих данных были добавлены дополнительные опорные температуры тела, измеренные с помощью внешних опорных средств измерения (медицинские термометры с измерениями в ушах, во рту и на лбу). В результате проведенных исследований была собрана уникальная база клинических данных, содержащая информацию о множестве тестируемых субъектов, которые имели разный состав тела, возраст, пол, разную периферическую микроциркуляцию, среди них были здоровые люди и люди с температурой >37,2°С и др.
Эта общая база данных использовалась для обучения четвертого подалгоритма прогнозирования способности прогнозировать центральную температуру тела испытуемого субъекта путем прогнозирования на основании по меньшей мере параметров локального микроклимата вокруг носимого устройства, параметров морфологии (состава) тела пользователя, параметров периферической микроциркуляции тела пользователя, определенных на этапах 1)-3), как подробно описано выше.
На Фиг. 8A приведены результаты прогнозирования центральной температуры тела пользователя по базе клинических данных, содержащей информацию о 271 тесте, проведенном на 88 тестируемых субъектах (62 из них находились в лихорадочном состоянии). При сборе опорных данных использовались внешние опорные устройства (ВОУ5) - медицинские термометры, посредством которых выполнялось определение опорной центральной температуры тела тестируемого субъекта (в ушах, подмышкой, на лбу), имели место разные состояния окружающей среды (влажность и температура).
На графике по оси х показана центральная температура тела тестируемого субъекта, измеренная медицинским термометром (ВОУ5), по оси y показана спрогнозированная посредством алгоритма прогнозирования центральная температура тела. Линия x=y показывает корреляцию. Тренд-линия - эмпирическая закономерность выявленная, машинным способом. В данном случае использовалась модель машинного обучения - «гребневая регрессия» и метод оценки эффективности - перекрестная проверка (исключение одного пользователя). Характеристики точности модели машинного обучения приведены в таблице 3.
Данные, представленные в таблице 3, наглядно демонстрируют, что в данном случае центральная температура тела тестируемого субъекта была спрогнозирована на основании по меньшей мере набора измерительных данных, снимаемых с датчиков носимого устройства, с точностью ±0,267°C (MAE = 0,267°C) относительно показаний медицинского термометра.
На Фиг. 8Б приведены результаты прогнозирования центральной температуры тела тестируемого субъекта по базе клинических данных, содержащей информацию о 484 тестах, проведенных на 266 тестируемых субъектах. При сборе опорных данных использовались внешние опорные устройства (ВОУ5) - медицинские термометры, посредством которых выполнялось определение опорной центральной температуры тела тестируемого субъекта (в ушах, подмышкой, на лбу), имели место разные состояния окружающей среды (влажность и температура).
На графике по оси х показана центральная температура тела тестируемого субъекта, измеренная медицинским термометром (ВОУ5), по оси y показана спрогнозированная посредством алгоритма прогнозирования центральная температура тела. Линия x=y показывает корреляцию. Тренд-линия - эмпирическая закономерность выявленная, машинным способом. В данном случае использовалась модель машинного обучения - «гребневая регрессия» и метод оценки эффективности - перекрестная проверка (исключение одного пользователя). Характеристики точности модели машинного обучения приведены в таблице 4.
Данные, представленные в таблице 4, наглядно демонстрируют, что центральная температура тела тестируемого субъекта может быть спрогнозирована на основании по меньшей мере набора измерительных данных, снимаемых с датчиков носимого устройства, с точностью ±0,2°C (MAE = 0,2°C) относительно показаний медицинского термометра.
С учетом информации, представленной на Фиг. 8А и 8Б, видно, что по мере накопления в базе клинических данных информации с результатами измерений на тестируемых субъектах точность прогнозирования возрастает. В частности, носимое устройство может обеспечить измерение центральной температуры тела пользователя с точностью, например, ±0,3°C и менее от значения центральной температуры тела пользователя, измеренного медицинским термометром, в частности, с точностью ±0,2°C и менее от значения центральной температуры тела пользователя, измеренного медицинским термометром. Таким образом, носимое устройство способно определять центральную температуру тела пользователя с точностью, сопоставимой с точностью определения температуры с помощью медицинских термометров.
Решение задачи прогнозирования центральной температуры тела пользователя было основано на выявлении эмпирических закономерностей в обучающих данных, помещенных в общую базу данных, машинным способом.
Таким образом, созданный алгоритм прогнозирования содержит первый, второй, третий и четвертый подалгоритмы прогнозирования, обученные как подробно показано выше. В варианте осуществления настоящего изобретения, описанном выше, алгоритм прогнозирования создан для носимого устройства, расположенного на запястье, поскольку обучение алгоритма прогнозирования было основано на данных, снятых датчиками носимого устройства, расположенного на запястье. В других вариантах осуществления настоящего изобретения возможно обучение алгоритма прогнозирования с учетом размещения носимого устройства на других частях тела, например, пальце. Описанный в этом документе алгоритм прогнозирования может быть реализован в виде программного обеспечения, включающего одну или более инструкций, которые могут исполняться процессором 203 носимого устройства 201.
В описанном выше процессе обучения алгоритма прогнозирования использовались данные профилей других пользователей (тестируемых субъектов), наборы измерительных данных, заранее измеренных у других пользователей, и наборы опорных данных, заранее измеренных внешними опорными устройствами ВОУ1- ВОУ5, как подробно описано выше.
В целом, в процессе машинного обучения алгоритма прогнозирования могут быть использованы следующие методы селекции и обработки признаков и соответствующих дискретных частот:
- Метод Relief-F вычисляется и нормализуется вектор весов признаков, а затем отбираются признаки, вес которых превышает значение заданного порога.
- Метод Correlation-based Feature Selection (CFS) сочетает оценочную формулу с соответствующей корреляционной мерой и эвристической стратегией поиска.
- Метод Fast Correlation Based Filter начинает работать с полным множеством признаков, использует меру симметричной неопределенности для определения зависимостей между признаками и позволяет выбрать подмножество путем поиска и последовательного исключения малоинформативных признаков.
- Метод Sequential forward feature selection (SFFS) на каждой итерации добавляет к набору признак, обеспечивающий наилучшую для данной итерации эффективность распознавания. Метод взаимной информации (Mutual Information) определяет нелинейную корреляционную зависимость взамен вычисления корреляции Пирсона «признак-признак» и «признак-метка».
- Базовые алгоритмы машинного обучения (искусственного интеллекта). В качестве рабочего решения может использоваться комбинация указанных методов и любые производные методы, в основу которых входит базовый алгоритм:
- Деревья решений (Decision Tree) / Случайный лес (Random Forests);
- Метод опорных векторов (Support Vector Machines);
- Наивный байесовский метод (Naive Bayes);
- Линейная регрессия (Linear Regression);
- Логистическая регрессия (Logistic Regression);
- Методы глубокого обучения - искусственные нейросети.
Упомянутый выше со ссылкой на Фиг. 4Е, 6В, 6Г, 7Ж, 8 алгоритм машинного обучения «гребневая регрессия», относится к классу «линейная регрессия», при этом перекрестная проверка - это стандартный этап любого из алгоритмов машинного обучения, когда величина ошибки алгоритма проверяется на данных, не участвовавших в построении самой модели.
Благодаря тому, что при определении центральной температуры тела пользователя в настоящем изобретении учитываются по меньшей мере параметры локального микроклимата системы носимое устройство-часть тела пользователя, параметры морфологии (состава) тела пользователя и параметры периферической микроциркуляции тела пользователя, достигается точность определения центральной температуры тела пользователя с помощью носимого устройства составляет ±0,2°С относительно центральной температуры тела пользователя, измеренной с помощью медицинских термометров.
В одном варианте осуществления настоящего изобретения возможно обучение алгоритма прогнозирования с учетом дополнительных данных.
Например, при обучении алгоритма прогнозирования могут дополнительно учитываться данные о влажности, погодных условиях, времени дня и др. При этом данные о влажности могут быть получены от датчика влажности, который может находиться в составе носимого устройства 201, или данные о влажности, погодных условиях, времени дня могут быть получены по сети Интернет. Благодаря учету дополнительных параметров окружающей среды можно дополнительно повысить точность определения центральной температуры тела пользователя.
В другом варианте осуществления настоящего изобретения можно уточнить прогнозирование благодаря более точному измерению параметров периферической микроциркуляции. Это может быть достигнуто при размещении в упомянутом по меньшей мере одном датчике 208 ФПГ дополнительного источника 221 излучения на длине волны, например, 850 нм, которая является предпочтительной для измерения параметров перфузии. В предпочтительном варианте осуществления настоящего изобретения этот дополнительный источник 221 излучения может иметь мощность, например, 1 мВт.
В другом варианте осуществления настоящего изобретения можно уточнить прогнозирование благодаря дополнительному учету данных предыдущих измерений, выполненных непосредственно для пользователя носимого устройства и накопленных, например, в памяти носимого устройства. Например, при определении носимым устройством центральной температуры тела пользователя наряду с данными, снятыми с датчиков устройства 205, 206, 207, 208, также могут быть учтены данные о ранее спрогнозированных для этого пользователя параметрах морфологии и параметрах периферической микроциркуляции.
В другом варианте осуществления настоящего изобретения алгоритм прогнозирования может работать без данных профиля пользователя, т.е. используя только данные с датчиков носимого устройства. Очевидно, что в этом случае будет достигаться меньшая точность определения центральной температуры тела пользователя. Сразу после заполнения профиля пользователя алгоритм начинает его учитывать, соответственно, точность определения центральной температуры тела пользователя увеличивается. При необходимости пользователь может менять данные профиля пользователя (например, вес, возраст), поскольку алгоритм прогнозирования выполнен с возможностью отслеживать и учитывать эти изменения.
Носимое устройство может функционировать в следующих режимах: режим измерения, в котором выполняется однократное определение центральной температуры тела пользователя; режим непрерывного мониторинга, в котором определение центральной температуры тела пользователя выполняется с некоторой периодичностью в течение некоторого заданного периода времени. Последний режим может быть актуален, для человека имеющего лихорадочное состояние, или спортсмена, поскольку для некоторых видов спорта понижение или повышение температуры во время занятий является характерным.
Далее со ссылкой на Фиг. 2А-2Д, 9А, 9Б будут описаны этапы осуществления способа работы носимого устройства 201 по настоящему изобретению.
Как показано со ссылкой на Фиг. 9А, на первом этапе способа (S901) измеряют температуры внутри носимого устройства, например, Ткорп., Тпроц., Тбат.., посредством по меньшей мере одного датчика 205 внутренней температуры, размещенного внутри носимого устройства 201.
На втором этапе способа (S902) измеряют температуру поверхности кожи пользователя, Tпов.кожи, посредством по меньшей мере одного датчика 206 температуры кожи,
На третьем этапе способа (S903) измеряют по меньшей мере один параметр импеданса тела пользователя посредством по меньшей мере одного биоимпедансного датчика 207,
На четвертом этапе способа (S904) измеряют по меньше мере два сигнала ФПГ с различными длинами волн посредством по меньшей мере одного датчика 208 ФПГ.
На пятом этапе способа (S905) определяют центральную температуру, Tцентр., тела пользователя на основании по меньшей мере набора измерительных данных, собранных с упомянутых датчиков 205, 206, 207, 208.
Как показано со ссылкой на Фиг. 9Б, в вариантах осуществления настоящего изобретения пятый этап способа (S905) может содержать следующие подэтапы:
прогнозирование параметров микроклимата вокруг носимого устройства 201, содержащее прогнозирование локальной температуры окружающей среды, Тлок.окр., вокруг носимого устройства 201 на основании температур внутри носимого устройства, например, Ткорп., Тпроц., Тбат.., измеренных упомянутым по меньшей мере одним датчиком 205 внутренней температуры, и затем прогнозирование локальной температуры между носимым устройством и кожей пользователя, Tлок.устр, на основании упомянутой локальной температуры окружающей среды, Тлок.окр., и температуры поверхности кожи пользователя, Tпов.кожи, измеренной упомянутым по меньшей мере одним датчиком 206 температуры кожи (подэтап S905-1);
прогнозирование параметров морфологии тела пользователя (например, kжира, kмышц) на основании заранее введенных в носимое устройство 201 данных профиля пользователя и упомянутого по меньшей мере одного параметра импеданса тела пользователя, измеренного упомянутым по меньшей мере одним биоимпедансным датчиком 207 (подэтап S905-2);
прогнозирование параметров периферической микроциркуляции тела пользователя на основании параметров перфузии тела пользователя, вычисленных по упомянутым по меньшей мере двум сигналам ФПГ с различными длинами волн, измеренным упомянутым по меньшей мере одним датчиком 208 ФПГ (подэтап S905-3); и
прогнозирование центральной температуры тела пользователя на основании по меньшей мере упомянутых параметров микроклимата вокруг носимого устройства, упомянутых параметров морфологии тела пользователя и упомянутых параметров периферической микроциркуляции тела пользователя (подэтап S905-4).
В вариантах осуществления настоящего изобретения при вычислении параметров перфузии на подэтапе S905-3 способа упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн фильтруют от артефактов движения, разделяют упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн на стационарную и нестационарную компоненты временных рядов и преобразуют эти временные ряды в частотную область или частотно-временную область с последующим извлечением его амплитудно-фазовых гармонических характеристик. При этом упомянутые временные ряды преобразуют в частотную область путем преобразования Фурье или преобразования Гильберта-Хуанга или преобразуют в частотно-временную область путем вейвлет-преобразования.
В вариантах осуществления настоящего изобретения при прогнозировании на подэтапах S905-1 - S905-4 способа дополнительно учитывают данные профилей других пользователей, наборы измерительных данных, заранее измеренных у других пользователей, и наборы опорных данных, заранее измеренных внешними опорными средствами измерения.
В способе прогнозирование основано на применении алгоритма прогнозирования, обученного, как подробно изложено выше.
Далее со ссылкой на Фиг. 2А-2Д, 10А, 10Б будет описана система 1000, содержащая носимое устройство 201, 1001 и удаленный сервер 1027 и/или облачное хранилище 1027*.
Со ссылкой на Фиг. 10А, показано, что в одном варианте осуществления настоящего изобретения система 1000 может содержать носимое устройство 1001, удаленный сервер 1027 и/или облачное хранилище 1027* и имеет по меньшей мере один канал связи 1030, 1031, 1032 для передачи данных между носимым устройством 1001 и удаленным сервером 1027 и/или облачным хранилищем 1027*.
Упомянутый по меньшей мере один канал связи может представлять собой прямой (например, проводной) канал связи или беспроводной канал связи. Например, беспроводной канал связи 1030 может быть установлен между модулем 213 связи носимого устройства 201, 1001 и внешним устройством (например, устройством 1026), беспроводной канал связи 1031 может быть установлен между модулем 213 связи носимого устройства 201, 1001 и внешним устройством 1025, 1026, сервером 1027 или облачным хранилищем 1027*. При этом связь может быть осуществлена через первую сеть 1028 (например, сеть связи ближнего действия, такую как Bluetooth™, беспроводная связь (Wi-Fi) или передача данных по стандарту в инфракрасном диапазоне (IrDA)) или вторую сеть 1029 (например, сеть связи на большие расстояния, такая как сотовая сеть, Интернет или компьютерная сеть (например, локальная сеть или глобальная сеть (WAN)).
В одном варианте осуществления системы 1000, показанном на Фиг. 10А, носимое устройство 201, 1001 использует по меньшей мере набор измерительных данных, собранных с датчиков 205, 206, 207, 208 носимого устройства, для определения центральной температуры тела пользователя, Тцентр.. Также носимое устройство 201, 1001 выполняет прогнозирование параметров микроклимата вокруг носимого устройства, параметров морфологии и параметров периферической микроциркуляции тела пользователя. Прогнозирование основано на применении алгоритма прогнозирования, обученного как показано выше с учетом данных профилей других пользователей (тестируемых субъектов), наборов измерительных данных, заранее измеренных у других пользователей, и наборов опорных данных, заранее измеренных внешними опорными средствами измерения. В этом варианте осуществления настоящего изобретения алгоритм прогнозирования может быть реализован в виде программного обеспечения 1033, включающего одну или более инструкций, которое может храниться на машиночитаемом носителе данных (например, в памяти 212, 1012 носимого устройства 201, 1001), который считывается машиной, т.е. носимым устройством 201, 1001, и исполняться процессором 203 носимого устройства 201, 1001. Например, процессор 203 носимого устройства 201, 1001 может быть запрограммирован с возможностью вызывать по меньшей мере одну из одной или более инструкций, хранящихся в памяти 212, 1012, и выполнять ее с использованием или без использования одного или более других компонентов под управлением процессора 203.
В другом варианте осуществления системы 1000, показанном на Фиг. 10Б, алгоритм 1033 прогнозирования может быть реализован в виде программного обеспечения, включающего одну или более инструкций, которые могут храниться на машиночитаемом носителе данных, расположенном на удаленном сервере 1027. Процессор 203 носимого устройства 201, 1001 может быть способен задействовать модуль связи 213 для запуска программного обеспечения 1033, реализующего алгоритм прогнозирования, на удаленном сервере 1027. В этом варианте осуществления настоящего изобретения процессор 203 носимого устройства 201, 1001 может задействовать модуль связи 213 для передачи данных на удаленный сервер 1027 по каналу связи 1032 и приема данных с удаленного сервера 1027 по каналу связи 1032, в частности процессор 203 может загружать из памяти 212, 1012 носимого устройства 201, 1001 по меньшей мере профиль пользователя и набор измерительных данных, собранных с датчиков 205, 206, 207, 208 носимого устройства, и выдавать инструкцию модулю 213 связи для передачи этих данных по каналу связи 1032 на удаленный сервер 1027. На основании по меньшей мере набора измерительных данных, собранных с датчиков 205, 206, 207, 208 носимого устройства, посредством программного обеспечения 1033 может быть вычислено значение центральной температуры тела пользователя, Тцентр., которое далее может быть передано по каналу 1032 связи модулю связи 213, который, в свою очередь, может передать его процессору 203 носимого устройства 201, 1001. Процессор может сохранить принятое от модуля связи 213 значение центральной температуры, Тцентр., тела пользователя в памяти 212, 1012, а также вывести информацию о центральной температуре тела пользователя на устройство вывода 210 для информирования пользователя.
В другом варианте осуществления настоящего изобретения в системе 1000 может быть реализована возможность управления функцией определения центральной температуры тела пользователя с других электронных устройств через удаленный сервер и/или облачное хранилище. Например, пользователь может включить режим измерения центральной температуры тела с устройства 1025, в этом случае устройство 201, 1001 (например, смарт-часы) может получить инструкцию на определение центральной температуры тела пользователя через сервер 1027 или облачное хранилище 1027*. В другом варианте осуществления настоящего изобретения включение режима измерения центральной температуры может быть запрошено лечащим врачом или спортивным тренером, например, с устройства 1025.
В одном из вариантов осуществления настоящего изобретения удаленный сервер 1027 и/или облачное хранилище 1027* могут быть выполнены с возможностью формирования и хранения базы данных пользователя, которая может содержать следующую информацию: данные профиля пользователя, наборы измерительных данных, даты и времена сбора каждого набора измерительных данных, значения центральных температур тела пользователя, определенных устройством для каждого набора измерительных данных, а также другую необходимую информацию. В частности, в базе данных пользователя также могут храниться такие данные, как: параметры микроклимата вокруг носимого устройства, параметры морфологии тела пользователя, параметры периферической микроциркуляции тела пользователя, вычисляемые в процессе работы программного обеспечения 1033, реализующего алгоритм прогнозирования.
В еще одном варианте осуществления настоящего изобретения может быть реализована возможность доступа к базе данных пользователя с разных электронных устройств (например, смартфон и т.д.), имеющих возможность синхронизировать эти данные между собой посредством облачных технологий. Например, профиль пользователя (пол, возраст, рост и вес) может быть введен или скорректирован пользователем с устройства 1025, а устройство 201, 1001 (например, смарт-часы) получают доступ к этим данным через сервер 1027 или облачное хранилище 1027*. В другом варианте осуществления настоящего изобретения может быть реализована возможность доступа к базе данных пользователя лечащего врача или спортивного тренера.
В одном из вариантов осуществления настоящего изобретения возможно использование данных, собранных в базе данных пользователя, сохраненной на сервере 1027 или в облачном хранилище 1027*, для уточнения прогнозирования при определении центральной температуры тела пользователя. Например, на основании данных, собранных в базе данных пользователя, первично измеренные параметры морфологии и параметры периферической микроциркуляции тела пользователя могут быть уточнены на основании повторных измерений. Далее эти уточненные параметры морфологии и параметры периферической микроциркуляции тела пользователя могут быть переданы процессору 203 носимого устройства 201, 1001 и учтены при прогнозировании центральной температуры тела пользователя наряду с данными, снятыми с датчиков носимого устройства.
В одном из вариантов осуществления настоящего изобретения возможно использование данных, собранных в базе данных пользователя, сохраненной на сервере 1027 или в облачном хранилище 1027*, для контроля показаний, измеряемых датчиками носимого устройства. Например, на основании этих данных может быть выявлено отклонение упомянутых параметров от их усредненных значений, указывающее, например, на ошибку измерения.
Следует отметить, что варианты осуществления настоящего изобретения описаны со ссылкой на различные объекты. Однако специалист в данной области техники поймет из вышеприведенного и последующего описания, что, если не указано иное, в дополнение к любой комбинации признаков, относящихся к одному типу объекта, любая комбинация признаков, относящихся к различным объектам, также считается раскрытой в настоящей заявке. Однако все признаки могут быть объединены с обеспечением синергетических эффектов, которые представляют собой нечто большее, чем простое суммирование признаков.
Хотя изобретение было проиллюстрировано на чертежах и подробно описано в предшествующем описании, эти чертежи и описание следует рассматривать как иллюстративные или примерные, но не ограничительные. Изобретение не ограничено раскрытыми вариантами осуществления настоящего изобретения. Специалисты в данной области техники смогут предусмотреть и осуществить на практике другие вариации раскрытых вариантов осуществления настоящего изобретения в результате изучения чертежей, раскрытия и зависимых пунктов формулы изобретения.
В формуле изобретения слово «содержащий» не исключает других элементов или компонентов, а упоминание элемента в единственном числе не исключает множества таких элементов. Сам факт того, что некоторые меры упоминаются во взаимно отличающихся зависимых пунктах формулы изобретения, не означает, что комбинация этих мер не может быть использована с пользой. Любые ссылочные обозначения в формуле изобретения не следует рассматривать как ограничивающие его объем.
| название | год | авторы | номер документа |
|---|---|---|---|
| СПОСОБ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНОГО НАТЯЖЕНИЯ РЕМЕШКА НОСИМОГО УСТРОЙСТВА ДЛЯ ИЗМЕРЕНИЯ ФИЗИОЛОГИЧЕСКИХ ПАРАМЕТРОВ И НОСИМОЕ УСТРОЙСТВО С ФУНКЦИЕЙ ИЗМЕРЕНИЯ ФИЗИОЛОГИЧЕСКИХ ПАРАМЕТРОВ | 2022 |
|
RU2798199C1 |
| НОСИМОЕ УСТРОЙСТВО С ФУНКЦИЕЙ ОПРЕДЕЛЕНИЯ КОНЦЕНТРАЦИИ ГЕМОГЛОБИНА, СПОСОБ И СИСТЕМА ДЛЯ ОПРЕДЕЛЕНИЯ КОНЦЕНТРАЦИИ ГЕМОГЛОБИНА | 2023 |
|
RU2805810C1 |
| СПОСОБ И УСТРОЙСТВО ДЛЯ ОПРЕДЕЛЕНИЯ АНТРОПОЛОГИЧЕСКОГО ТИПА ЧЕЛОВЕКА ДЛЯ УТОЧНЕНИЯ ОЦЕНКИ ЕГО ФИЗИОЛОГИЧЕСКИХ ПАРАМЕТРОВ | 2021 |
|
RU2785885C1 |
| АВТОНОМНОЕ НОСИМОЕ ОПТИЧЕСКОЕ УСТРОЙСТВО И СПОСОБ ДЛЯ НЕПРЕРЫВНОГО НЕИНВАЗИВНОГО ИЗМЕРЕНИЯ ФИЗИОЛОГИЧЕСКИХ ПАРАМЕТРОВ ЧЕЛОВЕКА | 2016 |
|
RU2640777C2 |
| СПОСОБ И СИСТЕМА ДЛЯ ОПРЕДЕЛЕНИЯ ПЛОЩАДИ АБДОМИНАЛЬНОГО ПОДКОЖНОГО И АБДОМИНАЛЬНОГО ВИСЦЕРАЛЬНОГО ЖИРА | 2022 |
|
RU2799793C1 |
| УСТРОЙСТВО И СПОСОБ ДЛЯ АНАЛИЗА ИМПЕДАНСА ТЕЛА ЧЕЛОВЕКА, НЕЧУВСТВИТЕЛЬНЫЕ К ВЫСОКОМУ КОНТАКТНОМУ ИМПЕДАНСУ И К ПАРАЗИТНЫМ ЭФФЕКТАМ | 2021 |
|
RU2771118C1 |
| УСТРОЙСТВО (ВАРИАНТЫ) И СПОСОБ АВТОМАТИЧЕСКОГО МОНИТОРИНГА ПРИВЫЧЕК ПИТАНИЯ | 2015 |
|
RU2626672C2 |
| СПОСОБ ВЫДАЧИ РЕКОМЕНДАЦИЙ ПО ПОДДЕРЖАНИЮ ЗДОРОВОГО ОБРАЗА ЖИЗНИ НА ОСНОВЕ ПАРАМЕТРОВ ЕЖЕДНЕВНОЙ ДЕЯТЕЛЬНОСТИ ПОЛЬЗОВАТЕЛЯ, АВТОМАТИЧЕСКИ ОТСЛЕЖИВАЕМЫХ В РЕАЛЬНОМ ВРЕМЕНИ, И СООТВЕТСТВУЮЩАЯ СИСТЕМА (ВАРИАНТЫ) | 2018 |
|
RU2712395C1 |
| НОСИМОЕ НА ТЕЛЕ МЕДИЦИНСКОЕ УСТРОЙСТВО | 2018 |
|
RU2745731C1 |
| СПОСОБ И СИСТЕМА СВЯЗЫВАНИЯ ПОЛЬЗОВАТЕЛЯ С НОСИМЫМ УСТРОЙСТВОМ | 2016 |
|
RU2717957C2 |
Группа изобретений относится к медицине, а именно к носимому устройству с функцией определения центральной температуры тела пользователя, системе с этим устройством и способу определения центральной температуры тела пользователя. Устройство содержит датчик внутренней температуры, датчик температуры кожи, биоимпедансный датчик, датчик фотоплетизмограммы и выполнено для определения центральной температуры тела пользователя на основании набора измерительных данных, собранных с датчиков. Датчик внутренней температуры выполнен для измерения температуры внутри носимого устройства. Датчик температуры кожи выполнен для измерения температуры поверхности кожи пользователя. Биоимпедансный датчик выполнен для измерения параметра импеданса тела пользователя. Датчик фотоплетизмограммы выполнен для измерения двух сигналов фотоплетизмограммы с различными длинами волн. Устройство дополнительно выполнено с возможностью: прогнозирования параметров микроклимата вокруг носимого устройства, параметров морфологии тела пользователя, параметров периферической микроциркуляции тела пользователя, центральной температуры тела пользователя. Прогнозирование параметров микроклимата содержит прогнозирование локальной температуры окружающей среды вокруг носимого устройства на основании температур внутри носимого устройства, и затем прогнозирование локальной температуры между носимым устройством и кожей пользователя на основании локальной температуры окружающей среды и температуры поверхности кожи пользователя. Параметры морфологии тела пользователя прогнозируют на основании заранее введенных в носимое устройство данных профиля пользователя и параметра импеданса тела пользователя. Параметры периферической микроциркуляции тела пользователя прогнозируют на основании параметров перфузии тела пользователя, вычисленных по сигналам ФПГ. Центральную температуру тела пользователя прогнозируют на основании параметров микроклимата вокруг носимого устройства, параметров морфологии тела пользователя и параметров периферической микроциркуляции тела пользователя. При исполнении способа измеряют температуру внутри устройства. Измеряют температуру поверхности кожи пользователя. Измеряют параметр импеданса тела пользователя. Измеряют сигналы ФПГ. Определяют центральную температуру тела пользователя. Система содержит носимое устройство и удаленный сервер и/или облачное хранилище, канал связи для передачи данных между носимым устройством и удаленным сервером и/или облачным хранилищем. Обеспечивается повышение точности определения центральной температуры тела пользователя с помощью носимого устройства. 3 н. и 26 з.п. ф-лы, 10 ил., 4 табл.
1. Носимое устройство с функцией определения центральной температуры тела пользователя, содержащее:
по меньшей мере один датчик внутренней температуры, выполненный с возможностью измерения температуры внутри носимого устройства,
по меньшей мере один датчик температуры кожи, выполненный с возможностью измерения температуры поверхности кожи пользователя,
по меньшей мере один биоимпедансный датчик, выполненный с возможностью измерения по меньшей мере одного параметра импеданса тела пользователя,
по меньшей мере один датчик фотоплетизмограммы (ФПГ), выполненный с возможностью измерения по меньшей мере двух сигналов фотоплетизмограммы (ФПГ) с различными длинами волн,
причем носимое устройство выполнено с возможностью определения центральной температуры тела пользователя на основании по меньшей мере набора измерительных данных, собранных с упомянутых датчиков,
отличающееся тем, что
причем носимое устройство дополнительно выполнено с возможностью: прогнозирования параметров микроклимата вокруг носимого устройства, содержащего прогнозирование локальной температуры окружающей среды вокруг носимого устройства на основании температур внутри носимого устройства, измеренных упомянутым по меньшей мере одним датчиком внутренней температуры, и затем прогнозирование локальной температуры между носимым устройством и кожей пользователя на основании упомянутой локальной температуры окружающей среды и температуры поверхности кожи пользователя, измеренной упомянутым по меньшей мере одним датчиком температуры кожи,
прогнозирования параметров морфологии тела пользователя на основании заранее введенных в носимое устройство данных профиля пользователя и упомянутого по меньшей мере одного параметра импеданса тела пользователя, измеренного упомянутым по меньшей мере одним биоимпедансным датчиком,
прогнозирования параметров периферической микроциркуляции тела пользователя на основании параметров перфузии тела пользователя, вычисленных по упомянутым по меньшей мере двум сигналам ФПГ с различными длинами волн, измеренным упомянутым по меньшей мере одним датчиком ФПГ, и
прогнозирования центральной температуры тела пользователя на основании по меньшей мере упомянутых параметров микроклимата вокруг носимого устройства, упомянутых параметров морфологии тела пользователя и упомянутых параметров периферической микроциркуляции тела пользователя.
2. Носимое устройство по п. 1, причем набор измерительных данных включает температуры внутри носимого устройства, температуру поверхности кожи пользователя, по меньшей мере один параметр импеданса тела пользователя и по меньшей мере два сигнала ФПГ с различными длинами волн.
3. Носимое устройство по п. 2, причем носимое устройство дополнительно выполнено с возможностью прогнозирования с учетом данных профилей других пользователей, наборов измерительных данных, заранее измеренных у других пользователей, и наборов опорных данных, заранее измеренных внешними опорными средствами измерения.
4. Носимое устройство по любому из пп. 1-3, причем упомянутый по меньшей мере один параметр импеданса тела пользователя включает модуль импеданса тела пользователя, фазовый угол импеданса тела пользователя, модуль контактного импеданса.
5. Носимое устройство по любому из пп. 1-4, причем параметры морфологии тела пользователя характеризуют количество жировой ткани, мышечной ткани, воды в теле пользователя, соотношение внеклеточной и внутриклеточной воды в теле пользователя, состояние кожи пользователя.
6. Носимое устройство по любому из пп. 1-4, причем при вычислении параметров перфузии носимое устройство дополнительно выполнено с возможностью фильтрации упомянутых по меньшей мере двух сигналов ФПГ с различными длинами волн от артефактов движения, разделения упомянутых по меньшей мере двух сигналов ФПГ с различными длинами волн на стационарную и нестационарную компоненты временных рядов и преобразования этих временных рядов в частотную область или частотно-временную область с последующим извлечением их амплитудно-фазовых гармонических характеристик.
7. Носимое устройство по п. 6, причем преобразование упомянутых временных рядов в частотную область содержит преобразование Фурье или преобразование Гильберта-Хуанга, причем преобразование упомянутых временных рядов в частотно-временную область содержит вейвлет-преобразование.
8. Носимое устройство по любому из пп. 1-7, причем упомянутый по меньшей мере один датчик ФПГ содержит по меньшей мере один источник излучения и по меньшей мене один приемник излучения.
9. Носимое устройство по любому из пп. 1-8, причем упомянутый по меньшей мере один источник излучения содержит светоизлучающий диод (СИД).
10. Носимое устройство по любому из пп. 1-9, дополнительно содержащее корпус, в котором размещены процессор и батарея.
11. Носимое устройство по любому из пп. 1-10, причем упомянутый по меньшей мере один датчик внутренней температуры предназначен для измерения температуры корпуса, температуры процессора и температуры батареи.
12. Носимое устройство по любому из пп. 1-11, причем упомянутый по меньшей мере один датчик температуры кожи представляет собой ИК датчик температуры или резистивный датчик температуры.
13. Носимое устройство по любому из пп. 1-12, дополнительно содержащее устройство ввода, выполненное с возможностью ввода профиля пользователя, причем профиль пользователя содержит пол, возраст, рост и вес пользователя, и устройство вывода, выполненное с возможностью вывода информации о центральной температуре тела пользователя.
14. Носимое устройство по любому из пп. 1-13, причем носимое устройство выполнено размещаемым на запястье.
15. Носимое устройство по любому из пп. 1-14, причем носимое устройство представляет собой смарт-устройство.
16. Носимое устройство по п. 15, причем носимое устройство представляет собой смарт-часы или фитнес-браслет.
17. Носимое устройство по любому из пп. 1-16, дополнительно содержащее память, выполненную с возможностью хранения данных профиля пользователя, наборов измерительных данных, дат и времен сбора каждого набора измерительных данных и значений центральных температур тела пользователя, определенных устройством для каждого набора измерительных данных.
18. Способ определения центральной температуры тела пользователя с помощью носимого устройства по любому из пп. 1-17, содержащий:
измерение температур внутри носимого устройства посредством по меньшей мере одного датчика внутренней температуры, размещенного внутри носимого устройства,
измерение температуры поверхности кожи пользователя посредством по меньшей мере одного датчика температуры кожи,
измерение по меньшей мере одного параметра импеданса тела пользователя посредством по меньшей мере одного биоимпедансного датчика,
измерение по меньше мере двух сигналов ФПГ с различными длинами волн посредством по меньшей мере одного датчика ФПГ,
определение центральной температуры тела пользователя на основании по меньшей мере набора измерительных данных, собранных с упомянутых датчиков,
отличающийся тем, что он дополнительно содержит:
прогнозирование параметров микроклимата вокруг носимого устройства, содержащее прогнозирование локальной температуры окружающей среды вокруг носимого устройства на основании температур внутри носимого устройства, измеренных упомянутым по меньшей мере одним датчиком внутренней температуры, и затем прогнозирование локальной температуры между носимым устройством и кожей пользователя на основании упомянутой локальной температуры окружающей среды и температуры поверхности кожи пользователя, измеренной упомянутым по меньшей мере одним датчиком температуры кожи,
прогнозирование параметров морфологии тела пользователя на основании заранее введенных в носимое устройство данных профиля пользователя и упомянутого по меньшей мере одного параметра импеданса тела пользователя, измеренного упомянутым по меньшей мере одним биоимпедансным датчиком,
прогнозирование параметров периферической микроциркуляции тела пользователя на основании параметров перфузии тела пользователя, вычисленных по упомянутым по меньшей мере двум сигналам ФПГ с различными длинами волн, измеренным упомянутым по меньшей мере одним датчиком ФПГ, и
прогнозирование центральной температуры тела на основании по меньшей мере упомянутых параметров микроклимата вокруг носимого устройства, упомянутых параметров морфологии тела пользователя и упомянутых параметров периферической микроциркуляции тела пользователя.
19. Способ по п. 18, причем набор измерительных данных включает температуры внутри носимого устройства, температуру поверхности кожи пользователя, по меньшей мере один параметр импеданса тела пользователя и по меньшей мере два сигнала ФПГ с различными длинами волн.
20. Способ по п. 19, причем при прогнозировании учитывают данные профилей других пользователей, наборы измерительных данных, заранее измеренных у других пользователей, и наборы опорных данных, заранее измеренных внешними опорными средствами измерения.
21. Способ по любому из пп. 18-20, причем упомянутый по меньшей мере один параметр импеданса тела пользователя включает модуль импеданса тела пользователя, фазовый угол импеданса тела пользователя, модуль контактного импеданса.
22. Способ по любому из пп. 18-21, причем параметры морфологии тела пользователя характеризуют количество жировой ткани, мышечной ткани, воды в теле пользователя, соотношение внеклеточной и внутриклеточной воды в теле пользователя, состояние кожи пользователя.
23. Способ по любому из пп. 18-22, причем при вычислении параметров перфузии упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн фильтруют от артефактов движения, разделяют упомянутые по меньшей мере два сигнала ФПГ с различными длинами волн на стационарную и нестационарную компоненты временных рядов и преобразуют эти временные ряды в частотную область или частотно-временную область с последующим извлечением их амплитудно-фазовых гармонических характеристик.
24. Способ по любому из пп. 18-23, причем упомянутые временные ряды преобразуют в частотную область путем преобразования Фурье или преобразования Гильберта-Хуанга или преобразуют в частотно-временную область путем вейвлет-преобразования.
25. Система, содержащая носимое устройство по любому из пп. 1-17 и удаленный сервер и/или облачное хранилище, причем система имеет по меньшей мере один канал связи для передачи данных между носимым устройством и удаленным сервером и/или облачным хранилищем.
26. Система по п. 25, причем система выполнена с возможностью управления функцией определения центральной температуры тела пользователя с других электронных устройств через удаленный сервер и/или облачное хранилище.
27. Система по п. 25 или 26, причем удаленный сервер и/или облачное хранилище дополнительно выполнены с возможностью хранения данных профиля пользователя, наборов измерительных данных, дат и времен сбора каждого набора измерительных данных и значений центральных температур тела пользователя, определенных носимым устройством для каждого набора измерительных данных, в виде базы данных пользователя.
28. Система по любому из пп. 25-27, причем упомянутая база данных пользователя выполнена с возможностью доступа к данным пользователя с других электронных устройств через удаленный сервер и/или облачное хранилище.
29. Система по любому из пп. 25-28, дополнительно выполненная с возможностью использования данных, собранных в базе данных пользователя, для уточнения прогнозирования при определении центральной температуры тела пользователя.
| Сбор персональных медицинских данных | 2012 |
|
RU2630349C2 |
| US 2018372806 A1, 27.12.2018 | |||
| US 2005245839 A1, 03.11.2005 | |||
| CN 109154527 A, 04.01.2019 | |||
| US 2015289790 A1, 15.10.2015. | |||
