CN112107303A - 校准生物信息估计模型的设备和方法及生物信息估计设备 - Google Patents

Abstract

提供了一种用于校准生物信息估计模型的设备和方法及生物信息估计设备。所述设备可包括：传感器，被配置为从感兴趣的对象检测生物信号；以及处理器，被配置为：在生物信号的多个点中的每个处提取第一特征，在生物信号的所述多个点中的每个处提取第二特征，并且基于在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度从生物信号的所述多个点之中确定生物信息估计模型的校准点。

Description

校准生物信息估计模型的设备和方法及生物信息估计设备

本申请基于并要求于2019年6月19日在韩国知识产权局提交的第10-2019-0072661号韩国专利申请的优先权，所述韩国专利申请的公开通过引用全部包含于此。

技术领域

公开涉及用于校准生物信息估计模型并基于校准的生物信息估计模型估计生物信息的技术。

背景技术

通常，在不损伤人体的情况下非侵入式地测量血压的方法包括通过测量基于袖带的压力来测量血压的方法以及在不使用袖带的情况下通过测量脉搏波来估计血压的方法。科罗特科夫音(Korotkoff-Sound)法是基于袖带的血压测量方法，在科罗特科夫音法中，增大缠绕上臂的袖带中的压力，在降低压力的同时通过经由听诊器听血管中产生的声音来测量血压。另一基于袖带的血压测量方法是使用自动化机器的示波(oscillometric)法，在示波法中，袖带缠绕上臂，增大袖带中的压力，在袖带压力逐渐降低的同时连续测量袖带中的压力，基于压力信号的改变超过阈值处的点来测量血压。无袖带血压测量方法通常包括通过计算脉搏传导时间(PTT)来测量血压的方法以及通过分析脉搏波的形状来估计血压的脉搏波分析(PWA)方法。

发明内容

附加方面将在以下描述中被部分地阐述，并且部分地将从描述清楚，或者可通过呈现的实施例的实践而获知。

根据公开的方面，一种用于校准生物信息估计模型的设备可包括：传感器，被配置为从感兴趣的对象检测生物信号；以及处理器，被配置为：在生物信号的多个点中的每个处提取第一特征；在生物信号的所述多个点中的每个处提取第二特征；并且基于在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度，从生物信号的所述多个点之中确定生物信息估计模型的校准点。

生物信号可包括以下项中的至少一种：光电容积描记(PPG)信号、阻抗容积描记(IPG)信号、视频容积描记(VPG)信号、心电描记(ECG)信号、肌电描记(EMG)信号以及心冲击描记(BCG)信号。

生物信号可包括在单个时间段期间测量的单个生物信号或在多个时间段期间测量的多个生物信号。

处理器可依次将生物信号的所述多个点中的每个设置为参考点，并且计算相对于每个设置的参考点在所述多个点中的每个处的第一特征的第一变化程度和第二特征的第二变化程度。

处理器可组合相对于每个参考点在每个点处计算的第一特征的第一变化程度和第二特征的第二变化程度，并且将组合结果满足预定标准的参考点确定为校准点。

处理器可针对每个参考点计算在每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的残差和，并且将计算的残差和具有最小值的参考点确定为校准点。

处理器可从所述多个点之中确定两个或更多个有效点，并且从确定的有效点之中确定校准点。

处理器可基于在生物信号的所述多个点中的每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的相关性确定有效点。

处理器可通过以预定数量的位为单位对生物信号的波形进行总体平均获取与所述多个点中的每个对应的代表性波形，并且从代表性波形中的每个提取第一特征和第二特征。

根据公开的方面，一种用于校准生物信息估计模型的设备可包括：传感器，被配置为从感兴趣的对象检测生物信号；以及处理器，被配置为：从生物信号的多个点提取第一特征；从生物信号的所述多个点提取第二特征；并且基于在每个点处的第一特征相对于在校准点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在校准点处的第二特征的第二变化程度来确定生物信息估计模型的耦合系数。

处理器可从生物信号的所述多个点设置单个预设点作为校准点。

处理器可依次将所述多个点中的每个设置为参考点，并且基于在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度，从生物信号的所述多个点确定校准点。

处理器可确定耦合系数，使得通过将耦合系数应用于在每个点处的第一特征的第一变化程度和第二特征的第二变化程度中的一个来组合第一特征的第一变化程度和第二特征的第二变化程度的结果满足预定标准。

处理器可确定耦合系数，使得第一特征的第一变化程度与第二特征的第二变化程度之间的残差和具有最小值。

耦合系数的范围可基于以下项中的一个或多个被预先设置：用户输入、用户特性、外部环境特性、生物信息估计历史、将被估计的生物信息的类型以及所述设备的计算性能度量。

处理器可从所述多个点之中确定两个或更多个有效点，并且基于在确定的有效点处的第一特征和第二特征的各自变化程度确定耦合系数。

根据公开的方面，一种校准生物信息估计模型的方法包括：从感兴趣的对象检测生物信号；从生物信号的多个点中的每个提取第一特征；从生物信号的多个点中的每个提取第二特征；识别在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度；识别在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度；以及基于第一特征的第一变化程度和第二特征的第二变化程度从生物信号的所述多个点之中确定生物信息估计模型的校准点。

识别第一特征的第一变化程度和第二特征的第二变化程度的步骤可分别包括：依次将所述多个点中的每个设置为参考点，并且计算相对于每个参考点在每个点处的第一特征的第一变化程度和第二特征的第二变化程度。

确定校准点的步骤可包括：组合相对于每个参考点的在每个点处的第一特征的第一变化程度和第二特征的第二变化程度，并且将组合结果满足预定标准的参考点确定为校准点。

确定校准点的步骤可包括：针对每个参考点计算在每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的残差和，并且将计算的残差和具有最小值的参考点确定为校准点。

确定校准点的步骤可包括：从所述多个点之中确定两个或更多个有效点，并且从确定的有效点之中确定校准点。

确定校准点的步骤可包括：基于在每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的相关性确定有效点。

根据公开的方面，一种校准生物信息估计模型的方法可包括：从感兴趣的对象检测生物信号；从生物信号的多个点提取第一特征；从生物信号的所述多个点提取第二特征；从生物信号的所述多个点之中确定校准点；识别在每个点处的第一特征相对于在校准点处的第一特征的第一变化程度；识别在每个点处的第二特征相对于在校准点处的第二特征的第二变化程度；并且基于第一特征的第一变化程度和第二特征的第二变化程度确定生物信息估计模型的耦合系数。

确定校准点的步骤可包括：从所述多个点确定单个预设点作为校准点。

确定校准点的步骤可包括：依次将所述多个点中的每个设置为参考点，并且基于在每个点处的第一特征相对于在参考点处的第一特征的变化程度以及在每个点处的第二特征相对于在参考点处的第二特征的变化程度从所述多个点确定校准点。

确定耦合系数的步骤可包括：确定耦合系数，使得通过将耦合系数应用于在每个点处的第一特征的第一变化程度和第二特征的第二变化程度中的一个来组合第一特征的第一变化程度和第二特征的第二变化程度的结果满足预定标准。

确定耦合系数的步骤可包括：确定耦合系数，使得第一特征的第一变化程度与第二特征的第二变化程度之间的残差和具有最小值。

确定耦合系数的步骤可包括：从所述多个点之中确定两个或更多个有效点，并且基于在确定的有效点处的第一特征和第二特征的各自变化程度确定耦合系数。

根据公开的方面，一种用于估计生物信息的设备可包括：传感器，被配置为从感兴趣的对象检测第一生物信号和第二生物信号；以及处理器，被配置为：从第一生物信号的多个点中的每个提取多个特征；基于相对于参考点在每个点处的每个特征的变化程度从所述多个点之中确定校准点；基于在确定的校准点处的特征校准生物信息估计模型；并且基于第二生物信号和校准的生物信息估计模型估计生物信息。

处理器可依次将所述多个点中的每个设置为参考点，计算相对于每个设置的参考点在每个点处的所述多个特征的各自变化程度之间的残差和，并且将计算的残差和具有最小值的参考点确定为校准点。

处理器可从第二生物信号提取多个特征，并且基于从第二生物信号提取的每个特征相对于在校准点处的每个特征的变化程度使用校准的生物信息估计模型估计生物信息。

生物信息包括以下项中的至少一种：血压、血管年龄、动脉硬化的程度、主动脉压波形、血管顺应性、应力指数以及疲劳的程度。

从下面的具体实施方式、附图和权利要求，其他特征和方面将是清楚的。

附图说明

从下面的结合附图的描述，本公开的特定实施例的以上和其他方面、特征以及优点将更加明显，其中：

图1是示出根据实施例的用于校准生物信息估计模型的设备的框图。

图2是示出根据实施例的图1的处理器的配置的框图。

图3A至图3D是用于描述根据实施例的校准的曲线图。

图4是示出根据实施例的图1的处理器的配置的框图。

图5是用于描述根据实施例的校准的曲线图。

图6是示出根据实施例的校准的方法的流程图。

图7是示出根据实施例的校准的方法的流程图。

图8是示出根据实施例的用于估计生物信息的设备的框图。

图9是示出根据实施例的可穿戴装置的示图。

图10是示出根据实施例的智能装置的示图。

贯穿附图和具体实施方式，除非另外描述，否则相同的附图参考标号可表示相同的元件、特征和结构。为了清楚、说明和方便，这些元件的相对尺寸和描绘可被夸大。

具体实施方式

以下参照附图更详细地描述实施例。

在下面的描述中，即使在不同的附图中，同样的附图参考标号也可被用于同样的元件。提供在描述中定义的内容(诸如，详细的构造和元件)，以帮助全面理解实施例。然而，清楚的是，可在没有那些具体定义的内容的情况下实践示例性实施例。另外，公知的功能或构造不会被详细描述，以免使描述模糊。

将理解，虽然可在此使用诸如“第一”、“第二”等的术语来描述各种元件，但是这些元件可不被这些术语限制。这些术语可被用于将一个元件与另一元件区分开。另外，除非上下文另外清楚地指示，否则单数形式的术语可包括复数形式的术语。在说明书中，除非明确地相反地描述，否则术语“包括”和变形将被理解为表明包括陈述的元件，但不排除任何其他元件。诸如“单元”、“模块”、“组件”等的术语可表示处理至少一个功能或操作的单元、模块、组件等，并且“单元”、“模块”、“组件”等可以以硬件、软件或者硬件和软件的组合来实现。

在下文中，将参照附图描述用于校准生物信息估计模型的设备和方法以及用于估计生物信息的设备。

图1是示出根据实施例的用于校准生物信息估计模型的设备的框图。生物信息估计模型可以是用于估计以下项的以各种形式(诸如，线性/非线性数学函数)实现的模型：血压、血管年龄、动脉硬化的程度、主动脉压波形、血管顺应性、压力指数、疲劳的程度等。在下文中，作为示例，为了便于描述，生物信息模型可被描述为被配置为测量血压。

参照图1，用于校准的设备100包括传感器110和处理器120。

传感器110可被配置为在处理器120的控制下检测用户的感兴趣的对象的生物信号。在这种情况下，感兴趣的对象可以是人的皮肤组织，并且可以是例如毛细血管血液或静脉血液在其下面经过的人体部分(诸如，手背、手腕、手指等)。然而，感兴趣的对象的示例不限于以上示例，并且可以是动脉(诸如，桡动脉)经过的人体部分。在这种情况下，生物信号可包括光电容积描记(PPG)信号、阻抗容积描记(IPG)信号、视频容积描记(VPG)信号、心电描记(ECG)信号、肌电描记(EMG)信号以及心冲击描记(BCG)信号等。然而，生物信号的示例不限于以上示例。

例如，传感器110可包括被配置为检测包括PPG信号的脉搏波信号的脉搏波传感器。脉搏波传感器可包括被配置为向感兴趣的对象发射光的光源和被配置为检测通过被光源照射的感兴趣的对象的活组织(诸如，皮肤表面或血管)散射或反射的光的检测器。

光源可向与脉搏波传感器接触的感兴趣的对象发射预定波段的光。这里，预定波段可以是红外波段、可见光波段等。光源可包括发光二极管(LED)、激光二极管(LD)、磷光体等。然而，光源不限于以上示例。光源可被配置为单个LED并且可发射单个波长的光。可选地，光源可被配置为多个LED的阵列并且多个LED中的每个可发射相同波长的光，或者至少一些LED可发射彼此不同的波长的光。

检测器可检测通过感兴趣的对象的组织反射的光，并且可将检测的光的强度转换成电信号并输出电信号，所述感兴趣的对象的组织吸收、散射或反射从光源发射的光。检测器可包括光电二极管、光电晶体管(PTr)、图像传感器(例如，互补金属氧化物半导体(CMOS)图像传感器)等。然而，检测器不限于以上示例。例如，检测器可利用单个光电二极管或多个光电二极管阵列来配置。在这种情况下，检测器中的每个可被设置在距光源不同的距离处，并且可在不同位置处检测从被光源照射的感兴趣的对象的组织散射或反射的光。

基于校准事件，处理器120可控制传感器110检测用于校准的生物信号。处理器120可控制输出组件向用户提供用于维持稳定状态和测量生物信号的引导信息，使得可在用户的稳定状态下从感兴趣的对象准确地检测生物信号。例如，处理器120可控制输出组件提供关于感兴趣的对象与脉搏波传感器之间的接触位置和/或接触压力的信息，使得用户可将感兴趣的对象准确地与脉搏波传感器接触。

例如，处理器120可分析由传感器110在一个时间段期间检测的一个生物信号，并且校准生物信息估计模型。

在另一示例中，处理器120可使用在多个时间段期间检测的多个生物信号来执行校准。例如，在校准期间，处理器120可以以预定的时间间隔检测多个生物信号。在这种情况下，可通过考虑在稳定状态下测量生物信号之后用户返回到稳定状态所花费的时间，来预设用于测量生物信号的时间间隔。可选地，可获得在当前校准期间检测的生物信号和在前一校准期间检测的生物信号。

处理器120可通过控制通信模块与外部装置进行通信，并且可从外部装置接收用作用于生物信息的校准的参考的信息。此外，处理器120可将作为校准的结果生成的信息(例如，将在以下描述的参考特征和利用耦合系数校准的生物信息估计模型)发送到外部装置(诸如，用于估计生物信息的设备)。在这种情况下，外部装置可包括血压测量设备、与其他生物信息的测量相关的医疗装置以及信息处理设备(诸如，智能电话、平板个人计算机(PC)、台式PC、笔记本PC等)。

通信模块可使用各种有线/无线通信技术，诸如，蓝牙通信、低功耗蓝牙(BLE)通信、近场通信(NFC)、无线局域网(WLAN)通信、ZigBee通信、红外数据协会(IrDA)通信、无线保真(Wi-Fi)通信、超宽带(UWB)通信、Ant+通信、WiFi直连(WFD)通信、射频识别(RFID)通信、第三代(3G)通信、第四代(4G)通信、第五代(5G)通信等。

处理器120可控制输出组件向用户提供处理结果。例如，在校准期间生成的信息(例如，将在以下进行描述的关于参考特征和/或耦合系数的信息)可被输出给用户。在这种情况下，输出组件可包括显示器、扬声器、触觉组件等。

处理器120可将作为处理的结果生成的信息存储在存储装置中。例如，可存储并管理用于校准的参考信息、检测的生物信号、关于作为校准的结果生成的参考特征和/或耦合系数的信息、校准历史信息等。在这种情况下，参考信息可包括用户特性信息(诸如，用户的年龄、性别、健康状态等)以及生物信息估计模型。

存储装置可包括非暂时性计算机可读存储介质，诸如，闪存型存储器、硬盘型存储器、多媒体卡存储器、微型卡型存储器(例如，安全数字(SD)存储器或极限数字(XD)存储器)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁存储器、磁盘、光盘等，但不限于此。

图2是示出图1的处理器的配置的框图。图3A至图3D是用于描述根据实施例的校准的曲线图。

参照图2，根据实施例的处理器200可包括预处理器210、校准点确定器220以及校准器230。

基于预处理器210从传感器110接收到用于校准的生物信号，预处理器210可预处理接收的生物信号。例如，预处理器210可通过生物信号被归一化并且趋势和偏移被去除的去趋势化、0.4Hz至10Hz带通滤波、低通滤波等，来执行预处理(诸如，噪声去除和信号放大)。

此外，预处理器210可从生物信号的多个点检测代表性波形。例如，预处理器210可以以在时间轴上的预定数量的点处从生物信号的波形检测代表性波形。参照图3A，可通过以预定数量的位为单位计算生物信号的波形的总体平均值(ensemble average)，来检测代表性波形。如图3A中所示，预定数量的位被用作一个窗口带宽(BW)，并且可通过滑动窗口BW来获取多个代表性波形。

预处理器210可基于用于测量生物信号的时间段、将从生物信号检测的代表性波形的数量等，来自适应地调整窗口大小(即，包括在位单位中的位的数量，也就是说上述的预定数量)。

例如，预处理器210可基于用户输入、用户特性(例如，健康状态、性别、年龄等)、外部环境特性(例如，温度、湿度、季节等的变化)、生物信息估计历史、将被估计的生物信息的类型、装置的计算性能等，来针对每个用户调整用于测量生物信号的时间段或将被检测的代表性波形的数量。例如，基于用于测量生物信号的时间段减小或将被检测的代表性波形的数量增加时，预处理器210可减小窗口大小以检测更多的代表性波形。然而，实施例不限于示例。

基于获取多个生物信号，预处理器210可通过从多个生物信号中的每个检测一个或多个代表性波形，来检测预定数量的代表性波形。

基于预处理器210检测到多个代表性波形，校准点确定器220可从多个代表性波形中的每个提取两个或更多个特征。校准点确定器220可通过分析每个代表性波形和每个代表性波形的导数信号/积分信号(derivative/integrated signals)来获取特征。在这种情况下，导数和积分的阶未被特别限制。

这里，特征可以是与实际生物信息具有高度相关性的值，并且可以是例如在与血压升高/降低的方向相同的方向上增大/减小的值。通常，脉搏波信号是从心脏向身体的边缘部分传播的传播波和从身体的边缘部分返回的反射波的叠加。校准点确定器220可通过组合在脉搏波信号中的每个脉搏波分量的位置处获得的时间和幅度信息，来提取与血压具有高度相关性的特征。

例如，校准点确定器220可提取每个代表性波形的形状、最大点的时间和幅度、最小点的时间和幅度、构成生物信号的脉搏波分量的位置处的时间和幅度、生物信号的一个或多个区域的面积、心率等，并且基于两个或更多个获取的特征的组合来获取新的特征。在这种情况下，组合可以以各种方式(诸如，加法、减法、除法、乘法、对数值及它们的组合)来进行，并且不特别限于任何特定类型的组合。在这种情况下，校准点确定器220可通过对每个代表性波形进行二阶微分来导出二阶导数信号以获取构成每个脉博波形的脉搏波分量的位置，并且可搜索二阶导数信号的最小点作为脉搏波分量的位置。

通常，平均动脉压(MAP)的变化量与心输出量(CO)和总外周阻力(TPR)成比例，如以下等式1中所示。

ΔMAP＝CO×TPR...等式(1)

参照等式1，ΔMAP表示左心室与右心房之间的MAP的差异。由于右心房的MAP通常在3mmHg至5mmHg的范围内，因此通过等式1获得的平均血压(MBP)类似于左心室的MBP或上臂的MBP。因此，如果已知绝对的CO和TPR值，则可获取主动脉处或上臂处的MAP。

为了改进绝对的CO和TPR值的估计，校准点确定器220可在生物信号的多个点中的每个点处提取与CO相关联的特征(在下文中称为“第一特征”)以及与TPR相关联的特征(在下文中称为“第二特征”)。这里，与CO相关联的特征可以是以下特征：当与同稳定状态相比基本恒定的TPR相比，CO相对增大或减小大于阈值时，示出与CO成比例地增大或减小的趋势的特征。类似地，与TPR相关联的特征可以是以下特征：当与同稳定状态相比基本恒定的CO相比，TPR相对增大或减小大于阈值时，示出与TPR成比例地增大或减小的趋势的特征。

当在每个点提取到第一特征和第二特征时，校准点确定器220可基于第一特征与第二特征之间的相关性来确定校准点。

例如，图3B示出根据各种血压的变化机制的多个用户的血压的变化，其中，第一区域(1)示出在不执行运动的稳定状态期间测量的血压的变化，第二区域(2)示出在执行有氧运动的状态期间测量的血压的变化，第三区域(3)示出在执行无氧运动的状态下测量的血压的变化。参照图3B，可假设在稳定状态下MAP的变化量是可忽略的。

因此，校准点确定器220可将使用从在稳定状态期间检测的生物信号的多个点提取的多个第一特征和多个第二特征计算的MAP变化量(ΔMAP)变为零的点或ΔMAP接近零的点，确定为校准点。

图3C示出基于通常确定的校准点(例如，校准索引为零的点)获得的第一特征的变化量fCO_org和第二特征的变化量fTPR_org、以及基于根据本实施例确定的校准点CP获得的归一化的第一特征的变化量fCO_new和归一化的第二特征的变化量fTPR_new。

例如，基于在多个点中的每个点处提取到第一特征和第二特征，校准点确定器220可计算在每个点处的第一特征和第二特征相对于在参考点处的第一特征和第二特征的变化程度，并且对第一特征的变化程度和第二特征的变化程度进行归一化。例如，可通过从在每个点处的第一特征减去在参考点处的第一特征来获得第一特征的变化程度，并且可通过除以在参考点处的第一特征来对变化程度进行归一化。类似地，可通过从在每个点处的第二特征减去在参考点处的第二特征来获得第二特征的变化程度，并且可通过除以在参考点处的第二特征来对变化程度进行归一化。

校准点确定器220可依次将生物信号的多个点中的每个设置为参考点，并且对相对于每个参考点在每个点处的第一特征和第二特征的变化程度进行计算和归一化。此外，校准点确定器220可针对每个参考点组合归一化的在每个点处的第一特征和第二特征的变化程度，并且基于组合结果确定满足预定标准的参考点是校准点。

例如，以下等式2是组合第一特征的变化程度和第二特征的变化程度的一个示例。针对每个参考点的第一特征的变化程度与第二特征的变化程度之间的残差和可被获取，并且残差和具有最小值的点可被确定为校准点。

参照等式2，M表示生物信号的多个点的数量。此外，i是从1到M范围内表示每个点的索引的整数。此外，j是从1到M范围内表示参考点的索引的整数。此外，Δf_1，i表示当参考点为j时在第i点处的第一特征的变化程度，并且Δf_2，i表示当参考点为j时在第i点处的第二特征的变化程度。

如上所述，校准点确定器220可从生物信号的多个点之中确定有效点，并且通过组合在有效点处的第一特征的变化程度和在有效点处的第二特征的变化程度来确定校准点。在这种情况下，如图3D中所示，校准点确定器220可获取第一特征的变化程度Δf_co与第二特征的变化程度Δf_TPR之间的相关性，并且基于该相关性确定有效点(例如，确定该相关性大于或等于预定阈值的点是有效点)。

在这种情况下，可使用各种方法(诸如，欧几里得距离、曼哈顿距离、余弦距离、马氏距离、杰卡德系数、扩展杰卡德系数、皮尔逊相关系数、斯皮尔曼相关系数等)来计算相关性。

基于校准点确定器220确定校准点，校准器230可将在确定的校准点处的第一特征和第二特征分别确定为第一参考特征和第二参考特征，并且使用确定的第一参考特征和第二参考特征校准生物信息估计模型。

例如，为了便于描述，假设血压估计模型由以下等式3定义。然而，示例性实施例不限于此。

BP＝SF×(w₁Δf₁+w₂Δf₂)+OFF...等式(3)

参照等式3，BP表示在估计时的血压估计，并且Δf₁表示在估计时的第一特征相对于第一参考特征的变化程度。Δf₂表示在估计时的第二特征相对于第二参考特征的变化程度。第一参考特征和第二参考特征分别表示由校准点确定器220确定的校准点的与CO相关联的特征和与TPR相关联的特征。此外，w₁和w₂表示可以是通过预处理处理预定义的值的耦合系数。此外，SF表示比例因子，并且可以是通过预处理处理预定义的值。此外，特征的变化量(w₁Δf₁+w₂Δf₂)与比例因子SF的乘积可定义为血压的变化量ΔBP。此外，OFF是用于校正血压变化量以获取血压估计的值，并且通常可以是在校准时测量的袖带血压。

图4是示出根据实施例的图1的处理器的配置的另一实施例的框图。

参照图4，处理器400可包括预处理器410、校准点确定器420、校准器430以及耦合系数确定器440。

基于从传感器110接收到用于校准的生物信号，预处理器410可对接收到的生物信号进行预处理。例如，预处理器410可通过生物信号的归一化、去趋势化、带通滤波、低通滤波等，来执行噪声去除、信号放大等。

此外，预处理器410可从生物信号检测代表性波形。如上所述，预处理器410可从生物信号检测预定数量的代表性波形。可选地，预处理器410可从在当前校准期间以预定时间间隔在不同的时间段期间获取的多个生物信号中的每个检测一个或多个代表性波形，或者从在前一校准期间或在血压估计时获得的多个生物信号中的每个检测一个或多个代表性波形。

如上所述，校准点确定器420可从每个代表性波形(即生物信号的每个点)提取两个或更多个特征。在这种情况下，从每个点提取的两个或更多个特征可包括两种或更多种特征，例如，与CO相关联的第一特征和与TPR相关联的第二特征。

另外，校准点确定器420可确定在其处将执行校准的校准点。校准点确定器420可从生物信号的多个点之中确定一个任意点作为校准点。

例如，校准点确定器420可将从生物信号的多个点之中预先确定的一个点确定为校准点。例如，当从在当前校准期间获得的一个生物信号获取多个点时，可将时间上的第一点、中间点等确定为校准点。可选地，当从在多次校准期间获得的多个生物信号获取多个点时，可将在当前校准时获得的时间上最近的点或中间点确定为校准点。然而，实施例不限于此。

在另一示例中，如上所述，可依次将生物信号的多个点中的每个设置为参考点，并且可针对每个参考点获取并组合在每个点处的第一特征的变化程度和在每个点处的第二特征的变化程度，并且可将组合结果满足预定标准的点确定为校准点。

当校准点被确定时，耦合系数确定器440可对相对于校准点在每个点处的第一特征和第二特征的变化程度进行计算和归一化，并且基于计算的第一特征的变化程度和第二特征的变化程度确定生物信息估计模型的耦合系数。在这种情况下，耦合系数可以是用于基于获取到生物信息估计模型中的特征的变化量耦合第一特征的变化程度和第二特征的变化程度的值，并且可以是应用于第一特征的变化程度和第二特征的变化程度中的至少一个以使它们彼此相等或相似的参数。

例如，耦合系数确定器440可通过将耦合系数应用于第一特征的变化程度和第二特征的变化程度中的至少一个来组合相对于校准点在每个点处的第一特征的变化程度和在每个点处的第二特征的变化程度，并且确定使得组合结果满足预定标准的耦合系数。

以下等式4是一个示例，通过所述示例组合在每个点处的第一特征的变化程度和在每个点处的第二特征的变化程度并且计算耦合系数。然而，实施例不限于此。

在此，M表示生物信号的多个点的数量。此外，i表示从1到M范围内表示每个点的索引的整数。此外，c表示校准点的索引。此外，Δf_1，i表示相对于校准点在第i点处的第一特征的变化程度，并且Δf_2，i表示相对于校准点在第i点处的第二特征的变化程度。此外，α表示应用于第二特征的变化程度的耦合系数。

耦合系数确定器440可确定使以上等式4中的残差和具有最小值的耦合系数α。在这种情况下，可基于生理学或基于数据的分析结果，将耦合系数预设为具有特定范围(例如，0.8≤α≤1.2)内的值。然而，耦合系数的范围可基于用户输入、用户特性、外部环境特性、生物信息估计历史、将被估计的生物信息的类型以及装置的计算性能度量之中的至少一个而变化。

如上所述，耦合系数确定器440可从生物信号的多个点之中确定有效点，并且通过组合在有效点处的第一特征的变化程度和第二特征的变化程度来确定耦合系数。在这种情况下，如图3D中所示，耦合系数确定器440可获得第一特征的变化程度Δf_co与第二特征的变化程度Δf_TPR之间的相关性，并基于该相关性确定有效点(例如，确定该相关性大于或等于预定阈值的点是有效点)。

在以上等式3的血压估计模型中应用第一特征的变化程度的耦合系数w₁和第二特征的变化程度的耦合系数w₂，以获取特征的变化量(w₁Δf₁+w₂Δf₂)。为了获取这样的耦合系数，可通过预处理处理从各种用户获得校准血压(例如，袖带血压信息)。然而，根据本实施例，可在不使用校准血压的情况下获取使第一特征的变化程度和第二特征的变化程度彼此相等或相似的耦合系数。

图5是示出相对于作为校准索引为0的点的确定的校准点的第一特征的变化程度fCO以及第二特征的变化程度fTPR_org和fTPR_new的曲线图。参照图5，fTPR_org表示第二特征的原始变化程度，fTPR_new表示通过将如上所述计算的耦合系数α应用于fTPR_org而获得的第二特征的变化程度。此外，fTPR_valid表示在如上所述确定的有效点处的第二特征的变化程度。

如图5中所示，通过将耦合系数α应用于第二特征的原始变化程度fTPR_org而获得的第二特征的变化程度fTPR_new变得与第一特征的变化程度fCO相似。这样，可通过使第二特征的变化程度类似于第一特征的变化程度来获取使得在稳定状态下校准时MAP的变化程度接近于零的耦合系数，并且可将耦合系数应用于血压估计模型(诸如以上等式3)，从而提高血压测量的准确性。

校准器430可将由校准点确定器420确定的校准点的第一特征和第二特征以及由耦合系数确定器440确定的耦合系数应用于血压估计模型，诸如以上等式3。

图6是示出根据实施例的校准的方法的流程图。

图6的方法可由用于校准的图1的设备100执行。以上参照图1和图2描述了校准，因此将在以下对校准进行简要描述。

首先，设备100可从感兴趣的对象检测生物信号(操作610)。设备100可监视校准事件的发生，并且基于确定校准事件发生，可检测用于校准的生物信号。在这种情况下，校准事件可基于用户的输入、校准周期、来自外部装置的请求等发生。设备100可基于校准事件的发生，在时间段期间测量感兴趣的对象的连续的生物信号。然而，当用于获取生物信号的标准被预先设置时，可在多个不同的时间段期间检测多个生物信号，或者除了从感兴趣的对象检测的生物信号之外，还可获取在前一校准期间检测的生物信号。

然后，可从生物信号的多个点提取第一特征和第二特征(操作620)。在这种情况下，可从检测的生物信号的在时间轴上的多个点检测代表性波形，或者从多个生物信号中的每个检测一个或多个代表性波形，并且可检测与预定数量的点对应的多个代表性波形。此外，可从检测的代表性波形中的每个提取第一特征和第二特征。在这种情况下，第一特征可以是与CO相关联的特征，第二特征可以是与TPR相关联的特征。

然后，可计算相对于参考点在每个点处的第一特征和第二特征的变化程度(操作630)。例如，用于校准的设备100可依次将生物信号的多个点中的每个设置为参考点，并且计算相对于每个参考点在每个点处的第一特征和第二特征的变化程度。在这种情况下，基于第一特征的变化程度与第二特征的变化程度之间的相关性，可从多个点去除异常点，然后设备100可计算每个有效点处的第一特征和第二特征的变化程度。

然后，可基于针对每个参考点计算的在每个点处的第一特征和第二特征的变化程度，从多个点确定校准点(操作640)。例如，可针对每个参考点组合在每个点处的第一特征和第二特征的变化程度，并且可将组合结果满足预定标准的参考点(例如，第一特征的变化程度与第二特征的变化程度之间的残差和具有最小值的点，如等式2中所示)确定为校准点。

然后，可基于在确定的校准点处的第一特征和第二特征来校准生物信息估计模型(操作650)。例如，在校准点处的第一特征和第二特征可被分别设置为第一参考特征和第二参考特征，以被用于获取在估计血压时的第一特征和第二特征的变化程度，如等式3中所示。

图7是示出根据另一实施例的校准的方法的流程图。

图7的方法可由用于校准的图1的设备100执行。以上参照图1和图4描述了校准，因此将在以下对校准进行简要描述。

首先，用于校准的设备100可从感兴趣的对象检测生物信号(操作710)。设备100可在时间段期间检测感兴趣的对象的连续的生物信号，或者可基于设置在多个不同的时间段期间检测多个生物信号，或者还可获取在前一校准期间从感兴趣的对象检测的生物信号。

然后，可从生物信号的多个点提取第一特征和第二特征(操作720)。

然后，可将生物信号的多个点之中的任意点确定为校准点(操作730)。例如，可将从多个点预先设置的点(例如，初始点)确定为校准点。可选地，多个点中的每个可被依次设置为参考点，并且相对于每个参考点在每个点处的第一特征和第二特征的变化程度的组合满足预定标准的参考点可被确定为校准点。

然后，可计算相对于校准点在每个点处的第一特征和第二特征的变化程度(操作740)，并且可基于计算的第一特征和第二特征的变化程度确定生物信息估计模型的耦合系数(操作750)。例如，如通过采用等式4作为示例所描述的那样，可将耦合系数应用于第一特征的变化程度和第二特征的变化程度中的至少一个以获得第一特征的变化程度与第二特征的变化程度之间的残差和，并且可确定使残差和具有最小值的耦合系数。在这种情况下，可预设耦合系数的范围。

然后，可基于在操作730中确定的校准点处的第一特征和第二特征以及在操作750中确定的耦合系数来校准生物信息估计模型(操作760)。

图8是示出根据实施例的用于估计生物信息的设备的框图。

参照图8，用于估计生物信息的设备800可包括脉搏波传感器810、处理器820、输出接口830、存储装置840以及通信接口850。

脉搏波传感器810可从用户的感兴趣的对象检测包括PPG信号的脉搏波信号。脉搏波传感器810可包括被配置为向感兴趣的对象发射光的光源和被配置为检测通过感兴趣的对象吸收、散射或反射的光的检测器。光源可包括一个或多个LED、激光二极管(LD)或磷光体。检测器可包括一个或多个光电二极管、光电晶体管(PTr)、图像传感器(例如，CMOS图像传感器)等。

处理器820可电连接到脉搏波传感器810。处理器820可通过控制脉搏波传感器810接收脉搏波信号用于校准或生物信息估计，并且使用脉搏波信号来校准生物信息估计模型或者估计生物信息。这里，生物信息可包括血压、血管年龄、动脉硬化的程度、主动脉压波形、血管顺应性、压力指数、疲劳的程度等。然而，生物信息不限于此。

例如，处理器820可执行上述用于校准的设备100的校准功能。处理器820可监视校准事件的发生，并且基于检测到校准事件的发生通过控制脉搏波传感器810检测用于校准的一个或多个第一脉搏波信号。

此外，处理器820可使用一个或多个第一脉搏波信号获取校准点和/或耦合系数。如上所述，第一脉搏波信号的多个点中的每个可被设置为参考点，并且在每个点处的第一特征的变化程度与第二特征的变化程度之间的残差和具有最小值的点可被确定为校准点。另外，可计算使针对确定的校准点在每个点处的第一特征的变化程度与第二特征的变化程度之间残差和具有最小值的耦合系数。

在另一示例中，处理器820可基于检测到校准事件的发生，控制通信接口850与外部装置870进行通信。处理器820可通过发送由脉搏波传感器810检测的第一脉搏波信号来请求外部装置870执行校准，并且可从外部装置870接收关于如上所述执行校准的外部装置870获取的在校准点处的耦合系数和/或特征的信息。

处理器820可将获取的在校准点处的耦合系数和/或特征存储在存储装置840中，并且更新存储在存储装置840中的生物信息估计模型。

处理器820可基于检测到生物信息估计事件的发生，控制脉搏波传感器810检测用于估计生物信息的第二脉搏波信号，并且可通过分析第二脉搏波信号的波形来提取第一特征和第二特征。此外，处理器820可通过使用存储装置840来获取生物信息估计模型以及在校准点处的第一特征、第二特征和耦合系数。处理器820可基于在校准点处的第一特征和第二特征计算从第二脉搏波信号提取的第一特征和第二特征的变化程度，并且通过基于耦合系数组合第一特征的变化程度和第二特征的变化程度来获取特征的变化程度。在这种情况下，耦合系数可以是针对多个用户通过预处理处理预先定义的固定值，或者可以是如上所述由处理器820获得的值。处理器820可通过将获取的特征的变化程度应用于生物信息估计模型(诸如，等式3)来估计生物信息。

输出接口830可输出处理器820的处理结果。输出接口830可包括视觉输出组件(诸如，显示器)、音频输出组件(诸如，扬声器)、提供诸如振动或触觉的信息的触觉组件，并且可通过利用视觉/非视觉输出组件来输出用户的信息。

例如，输出接口830可将显示器划分为第一部分和第二部分，将生物信息估计结果、生物信息估计历史等输出到第一部分，并且第一脉搏波信号、第二脉搏波信号等输出到第二部分。在这种情况下，显示器可包括能够接收触摸输入的触摸屏。基于用户从生物信息估计历史选择在特定时间点的生物信息估计结果，输出接口830可将相应的时间点的详细信息输出到第二部分。然而，这仅仅是示例，并且实施例不限于此。

存储装置840可存储用于生物信息估计的信息。例如，存储装置840可存储由脉搏波传感器810检测的脉搏波信号和/或处理器820的处理结果。此外，存储装置840可存储用户特性信息(诸如，用户的年龄、性别、健康状态等)、生物信息估计模型以及参考信息(诸如，从生物信号获取的点的数量、窗口大小、脉搏波信号测量持续时间等)。

通信接口850可在处理器820的控制下接入通信网络，或者与连接到当前接入的通信网络的外部装置通信。在这种情况下，外部装置可包括但不限于信息处理装置，诸如，袖带血压监视器、校准装置、智能电话、平板PC、台式PC、笔记本PC等。

图9是示出根据实施例的将被佩戴在手腕上的可穿戴装置的示图。上述用于校准的设备100或用于估计生物信息的设备800的实施例可安装在将被佩戴在手腕上的智能手表或智能带型可穿戴装置中。然而，实施例不限于此。

参照图9，可穿戴装置900可包括主体910、脉搏波传感器920、带930以及输入接口940。

主体910可被配置为具有各种形状，具有安装在其内部或外表面上的用于执行上述校准功能或生物信息估计功能的各种模块，并且具有用于执行各种其他功能(例如，手表功能和警报功能)的模块。电池可被装备在主体910或带930中以向装置900中的各种模块供电。

带930可连接到主体910。带930可被柔性地构造为围绕用户的手腕弯曲。带930可以以与用户的手腕分离的形式、或者以不分离的带形式来构造。带930可被填充有空气或者气囊以具有根据施加到手腕的压力的变化的弹性，并且可将手腕的压力变化发送到主体910。

脉搏波传感器920可安装在主体910中以检测脉搏波信号。脉搏波传感器920可安装在主体910的一个表面上，当主体910被佩戴在用户的手腕上时，该一个表面与用户的手腕接触。脉搏波传感器920可包括被配置为向用户的手腕发射光的光源和被配置为检测通过体内组织(诸如，皮肤表面、血管等)散射或反射的光的检测器。

此外，处理器可安装在主体910内，并且可电连接到可穿戴装置900的组件以控制组件。

处理器可基于检测到校准事件的发生控制脉搏波传感器920检测脉搏波信号，并且可基于检测到的脉搏波信号执行校准。另外，基于检测到生物信息估计事件的发生，处理器可控制脉搏波传感器920检测脉搏波信号，并且可基于检测到的脉搏波信号和校准的生物信息估计模型来估计生物信息。以上详细描述了校准和生物信息估计，因此不再重复其详细描述。

显示器可安装在主体910的前表面上，并且可以是包括能够接收触摸输入的触摸屏的触摸面板。显示器可接收用户的触摸输入并将触摸输入传送到处理器，并且可输出处理器的处理结果。例如，显示器可显示生物信息估计，并且显示附加信息(诸如，生物信息估计历史、健康状态的变化、警告等)。

存储装置可安装在主体910内，以存储处理器的处理结果和其他信息。在这种情况下，除了与生物信息估计相关的信息之外，存储装置可存储与可穿戴装置900的其他功能相关的信息。

另外，输入接口940可安装在主体910中以接收用户的输入并且将输入传送到处理器。输入接口940可包括使用户能够输入用于可穿戴装置900的通电/断电的指令的电源按钮。

此外，通信接口可安装在主体910内以与外部装置进行通信。通信接口可将生物信息估计结果发送到外部装置(例如，用户的移动终端)，使得生物信息估计结果可经由外部装置的输出模块被输出或者可被存储在外部装置的存储装置中。此外，通信接口可从外部装置接收用于支持由可穿戴装置执行的各种其他功能的信息。

图10是示出根据实施例的应用了上述用于校准的设备100或用于估计生物信息的设备800的实施例的智能装置的示图。在这种情况下，智能装置可以是智能电话或平板PC，但不限于此。

参照图10，脉搏波传感器1030可安装在智能装置1000的主体1010的一个表面上。脉搏波传感器1030可包括检测器1032和一个或多个光源1031。如图10中所示，脉搏波传感器1030可安装在主体1010的后表面上，但不限于此。脉搏波传感器1030可被配置为结合到前表面上的指纹传感器或触摸面板。

此外，力传感器可安装在主体1010内，并且可检测由与脉搏波传感器接触的用户的手指等施加的力，并且将检测到力传送到处理器。

显示器可安装在主体1010的前表面上。显示器可视觉地输出生物信息估计结果等。显示器可包括触摸面板，可接收通过触摸面板输入的信息，并且可将信息传送到处理器。

图像传感器1020可安装在主体1010中。图像传感器1020可基于用户在脉搏波传感器1030附近以测量脉搏波传感信号来捕获用户的手指的图像，并且可将图像传送到处理器。在这种情况下，处理器可从手指的图像识别与脉搏波传感器1030的位置相比的手指的相对位置，并且通过显示器将手指的相对位置信息提供给用户，从而可指示用户正确地将他的/她的手指与脉搏波传感器1030接触。

处理器可使用由脉搏波传感器1030检测的脉搏波信号来校准生物信息估计模型或估计生物信息。以上详细描述了校准或生物信息估计，因此将省略其详细描述。

当前实施例可被实现为存储在非暂时计算机可读介质中的计算机可读代码。本领域的技术人员可推断构成计算机程序的代码和代码段。计算机可读介质包括在其中存储有计算机可读数据的所有类型的记录介质。计算机可读介质的示例包括ROM、RAM、CD-ROM、磁带、软盘和光学数据存储装置。此外，计算机可读介质可以以载波(诸如，因特网传输)的形式来实现。此外，计算机可读介质可分布到网络上的计算机系统，在计算机系统中，计算机可读代码可以以分布的方式被存储和执行。

以上已经描述了若干示例。然而，将理解，可进行各种修改。例如，如果描述的技术以不同的顺序被执行和/或如果描述的系统、架构、装置或电路中的组件以不同的方式被组合和/或被其他组件或它们的等同物替换或补充，则可实现适当的结果。因此，其他实施方式在权利要求的范围内。

Claims (34)

1.一种用于校准生物信息估计模型的设备，包括：

处理器，被配置为：

获取与感兴趣的对象相关联的生物信号；

在生物信号的多个点中的每个处提取第一特征；

在生物信号的所述多个点中的每个处提取第二特征；并且

基于在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度，从生物信号的所述多个点之中确定生物信息估计模型的校准点。

2.根据权利要求1所述的设备，其中，生物信号包括以下项中的至少一种：光电容积描记信号、阻抗容积描记信号、视频容积描记信号、心电描记信号、肌电描记信号以及心冲击描记信号。

3.根据权利要求1所述的设备，其中，生物信号包括在单个时间段期间测量的单个生物信号或在多个时间段期间测量的多个生物信号。

4.根据权利要求1所述的设备，其中，处理器还被配置为：

依次将生物信号的所述多个点中的每个设置为参考点；并且

计算相对于每个设置的参考点在所述多个点中的每个处的第一特征的第一变化程度和第二特征的第二变化程度。

5.根据权利要求4所述的设备，其中，处理器还被配置为：

针对每个参考点组合在每个点处计算的第一特征的第一变化程度和第二特征的第二变化程度；并且

将组合结果满足预定标准的参考点确定为校准点。

6.根据权利要求5所述的设备，其中，处理器还被配置为：

针对每个参考点计算在每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的残差和；并且

将计算的残差和具有最小值的参考点确定为校准点。

7.根据权利要求1所述的设备，其中，处理器还被配置为：

从所述多个点之中确定两个或更多个有效点；并且

从确定的有效点之中确定校准点。

8.根据权利要求7所述的设备，其中，处理器被配置为：

基于在生物信号的所述多个点中的每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的相关性，确定有效点。

9.根据权利要求1所述的设备，其中，处理器还被配置为：

通过以预定数量的位为单位对生物信号的波形进行总体平均，来获取与所述多个点中的每个对应的代表性波形；并且

从代表性波形中的每个提取第一特征和第二特征。

10.根据权利要求1所述的设备，还包括：

传感器，被配置为从感兴趣的对象检测生物信号。

11.一种用于校准生物信息估计模型的设备，包括：

传感器，被配置为从感兴趣的对象检测生物信号；以及

处理器，被配置为：

从生物信号的多个点提取第一特征；

从生物信号的所述多个点提取第二特征；并且

基于在每个点处的第一特征相对于在校准点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在校准点处的第二特征的第二变化程度，确定生物信息估计模型的耦合系数。

12.根据权利要求11所述的设备，其中，处理器还被配置为：

从生物信号的所述多个点设置单个预设点作为校准点。

13.根据权利要求11所述的设备，其中，处理器还被配置为：

依次将所述多个点中的每个设置为参考点；并且

基于在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度，从生物信号的所述多个点确定校准点。

14.根据权利要求11所述的设备，其中，处理器还被配置为：

确定耦合系数，使得通过将耦合系数应用于在每个点处的第一特征的第一变化程度和第二特征的第二变化程度中的至少一个来组合第一特征的第一变化程度和第二特征的第二变化程度的结果满足预定标准。

15.根据权利要求14所述的设备，其中，处理器还被配置为：

确定耦合系数，使得第一特征的第一变化程度与第二特征的第二变化程度之间的残差和具有最小值。

16.根据权利要求11所述的设备，其中，耦合系数的范围基于以下项中的一个或多个被预先设置：用户输入、用户特性、外部环境特性、生物信息估计历史、将被估计的生物信息的类型以及所述设备的计算性能度量。

17.根据权利要求11所述的设备，其中，处理器还被配置为：

从所述多个点之中确定两个或更多个有效点；并且

基于在确定的有效点处的第一特征和第二特征的各自变化程度确定耦合系数。

18.一种校准生物信息估计模型的方法，所述方法包括：

获得与感兴趣的对象相关联的生物信号；

从生物信号的多个点中的每个提取第一特征；

从生物信号的所述多个点中的每个提取第二特征；

识别在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度；

识别在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度；以及

基于在每个点处的第一特征的第一变化程度和第二特征的第二变化程度从生物信号的所述多个点之中确定生物信息估计模型的校准点。

19.根据权利要求18所述的方法，其中，识别在每个点处的第一特征的第一变化程度和第二特征的第二变化程度的步骤包括：依次将所述多个点中的每个设置为参考点，并且计算相对于每个参考点在每个点处的第一特征的第一变化程度和第二特征的第二变化程度。

20.根据权利要求19所述的方法，其中，确定校准点的步骤包括：针对每个参考点组合在每个点处的第一特征的第一变化程度和第二特征的第二变化程度，并且将组合结果满足预定标准的参考点确定为校准点。

21.根据权利要求20所述的方法，其中，确定校准点的步骤包括：针对每个参考点计算在每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的残差和，并且将计算的残差和具有最小值的参考点确定为校准点。

22.根据权利要求18所述的方法，其中，确定校准点的步骤包括：从所述多个点之中确定两个或更多个有效点，并且从确定的有效点之中确定校准点。

23.根据权利要求22所述的方法，其中，确定校准点的步骤包括：基于在每个点处的第一特征的第一变化程度与第二特征的第二变化程度之间的相关性确定有效点。

24.一种校准生物信息估计模型的方法，所述方法包括：

从感兴趣的对象检测生物信号；

从生物信号的多个点提取第一特征；

从生物信号的所述多个点提取第二特征；

从生物信号的所述多个点之中确定校准点；

识别在每个点处的第一特征相对于在校准点处的第一特征的第一变化程度；

识别在每个点处的第二特征相对于在校准点处的第二特征的第二变化程度；并且

基于在每个点处的第一特征的第一变化程度和第二特征的第二变化程度确定生物信息估计模型的耦合系数。

25.根据权利要求24所述的方法，其中，确定校准点的步骤包括从所述多个点确定单个预设点作为校准点。

26.根据权利要求24所述的方法，其中，确定校准点的步骤包括：依次将所述多个点中的每个设置为参考点，并且基于在每个点处的第一特征相对于在参考点处的第一特征的第一变化程度以及在每个点处的第二特征相对于在参考点处的第二特征的第二变化程度从所述多个点确定校准点。

27.根据权利要求24所述的方法，其中，确定耦合系数的步骤包括：确定耦合系数，使得通过将耦合系数应用于在每个点处的第一特征的第一变化程度和第二特征的第二变化程度中的至少一个来组合第一特征的第一变化程度和第二特征的第二变化程度的结果满足预定标准。

28.根据权利要求27所述的方法，其中，确定耦合系数的步骤包括：确定耦合系数，使得第一特征的第一变化程度与第二特征的第二变化程度之间的残差和具有最小值。

29.根据权利要求24所述的方法，其中，确定耦合系数的步骤包括：从所述多个点之中确定两个或更多个有效点，并且基于在确定的有效点的处第一特征和第二特征的各自变化程度确定耦合系数。

30.一种用于估计生物信息的设备，所述设备包括：

传感器，被配置为从感兴趣的对象检测第一生物信号和第二生物信号；以及

处理器，被配置为：

从第一生物信号的多个点中的每个提取多个特征；

基于相对于参考点在每个点处的每种特征的变化程度从所述多个之点中确定校准点；

基于在确定的校准点处的特征校准生物信息估计模型；并且

基于第二生物信号和校准的生物信息估计模型估计生物信息。

31.根据权利要求30所述的设备，其中，处理器还被配置为：

依次将所述多个点中的每个设置为参考点；

针对每个设置的参考点计算在每个点处的所述多个特征的各自变化程度之间的残差和；并且

将计算的残差和具有最小值的参考点确定为校准点。

32.根据权利要求30所述的设备，其中，处理器被配置为：

从第二生物信号提取多个特征；并且

基于从第二生物信号提取的每个特征相对于在校准点处的每个特征的变化程度使用校准的生物信息估计模型估计生物信息。

33.根据权利要求30所述的设备，其中，生物信息包括以下项中的至少一种：血压、血管年龄、动脉硬化的程度、主动脉压波形、血管顺应性、压力指数以及疲劳的程度。

34.一种用于校准生物信息估计模型的装置，包括：

处理器，配置为：

获得用户的生物信号；

识别与生物信号的多个点对应的多个第一特征；

识别与生物信号的所述多个点对应的多个第二特征；

识别所述多个第一特征相对于在所述多个点中的参考点处的第一特征的第一变化程度；

识别所述多个第二特征相对于在参考点处的第二特征的第二变化程度；并且

基于第一变化程度和第二变化程度识别生物信息估计模型的校准点。

Images