知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-07-03
(45)【発行日】2023-07-11
(54)【発明の名称】心臓血管信号の取得、融合、およびノイズの軽減のための方法
(51)【国際特許分類】
A61B 5/33 20210101AFI20230704BHJP
A61B 5/0535 20210101ALI20230704BHJP
A61B 5/26 20210101ALI20230704BHJP
A61B 5/352 20210101ALI20230704BHJP
【ＦＩ】
A61B5/33 200
A61B5/0535 ZDM
A61B5/26 100
A61B5/352
【請求項の数】
17
(21)【出願番号】P 2021546194
(86)(22)【出願日】2019-10-14
(65)【公表番号】
(43)【公表日】2022-01-19
(86)【国際出願番号】 US2019056162
(87)【国際公開番号】W WO2020081472
(87)【国際公開日】2020-04-23
【審査請求日】2021-06-16
(31)【優先権主張番号】16/163,349
(32)【優先日】2018-10-17
(33)【優先権主張国・地域又は機関】US
(73)【特許権者】
【識別番号】521165781
【氏名又は名称】ボディポート インコーポレイテッド
(74)【代理人】
【識別番号】110001243
【氏名又は名称】弁理士法人谷・阿部特許事務所
(72)【発明者】
【氏名】コリー ジェームス センテン
(72)【発明者】
【氏名】サラ アン スミス
【審査官】藤原 伸二
(56)【参考文献】
【文献】米国特許出願公開第２０１８／０１９９８２４（ＵＳ，Ａ１）
【文献】特開２０１６－０６４１２５（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１７／０３４７８９９（ＵＳ，Ａ１）
【文献】特表２００５－５１２６６５（ＪＰ，Ａ）
【文献】特表２０１０－５１６４３１（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１７／０１８８８５８（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ５／００－５／０５３８
Ａ６１Ｂ ５／０６－５／３９８
(57)【特許請求の範囲】
【請求項1】
コンピュータによって実行される心臓血管の健康評価のための方法であって、現在の測定セッションの間に、ユーザーの左足および右足から、１組の電極からの心電図（ＥＣＧ）信号およびインピーダンスプレチスモグラフィー（ＩＰＧ）信号と、１組の力のセンサーからの心弾動図（ＢＣＧ）信号および体重信号とを含む１組の電気信号を同時期に生成するステップであって、前記１組の電気信号は、前記ユーザーの前記左足を通って、左脚部の領域を通って、下部矢状面をわたって、右脚部の領域を通って、前記右足を通過する電気回路から生成される、ステップと、
信号融合演算を用いて、前記ＥＣＧ信号、前記ＩＰＧ信号、および前記ＢＣＧ信号を処理すると、１組の収縮時間パラメーターの値を生成するステップであって、前記信号融合演算は、
前記ユーザーに対する測定セッションにわたって、前記ＩＰＧ信号における１組の特徴的な特性を識別するステップと、
前記１組の特徴的な特性のそれぞれの特徴的な特性に関連付けられる時間マーカーについての前記ＥＣＧ信号、前記ＩＰＧ信号、および前記ＢＣＧ信号のそれぞれの、ウィンドウイング演算を実施すると、平均化されたアンサンブルＥＣＧ波形、平均化されたアンサンブルＩＰＧ波形、および平均化されたアンサンブルＢＣＧ波形を生成するステップと、
前記平均化されたアンサンブルＥＣＧ波形におけるＲピークと、前記平均化されたアンサンブルＢＣＧ波形および前記平均化されたアンサンブルＩＰＧ波形のうちの少なくとも１つの波のピークとを識別するステップと、
前記Ｒピークおよび前記波の前記ピークの位置から放出前期間（ＰＥＰ）を判断するステップと、
を含み、
前記１組の収縮時間パラメーターは前記ＰＥＰを含む、
ステップと、
前記１組の収縮時間パラメーターを１組の臨床パラメーターへ変換するステップであって、
前記平均化されたアンサンブルＩＰＧ波形から導き出された第１の特徴および前記平均化されたアンサンブルＢＣＧ波形から導き出された第２の特徴を変換すると、脈波伝播時間（ＰＴＴ）および脈波伝播速度（ＰＷＶ）を生成するステップと、
前記平均化されたアンサンブルＥＣＧ波形、前記平均化されたアンサンブルＩＰＧ波形、前記平均化されたアンサンブルＢＣＧ波形のうちの少なくとも１つから脈拍数を識別するステップと、
前記平均化されたアンサンブルＢＣＧ波形からＢＣＧ振幅を識別するステップと、
前記ＰＥＰ、前記ＰＴＴ、前記脈拍数、前記ＢＣＧ振幅、および前記体重信号から導き出されたユーザー体重のうちの少なくとも１つを、心拍出量値、１回拍出量値、全身血管抵抗値、および中心静脈圧値のうちの少なくとも１つを含む前記１組の臨床パラメーターへと変換するステップと、
を含む、ステップと、
前記現在の測定セッションの間に、前記ユーザーの心臓血管の健康状態の予測を生成するように構成された心臓血管のリスクモデルを用いて、前記１組の臨床パラメーターを処理するステップと、
複数の異なる時点における、一連の以前の測定セッションのそれぞれの間に、前記ユーザーの心臓血管の健康状態の予測にアクセスするステップと、
前記一連の以前の測定セッションの間の前記ユーザーの心臓血管の健康状態の前記予測と、前記現在の測定セッションの間の前記ユーザーの心臓血管の健康状態の前記予測とを比較して、経時的な前記ユーザーの健康状態の変化の評価を生成するステップと、
経時的な前記ユーザーの健康状態の変化の前記生成された評価を出力するステップと
を備える方法。
【請求項2】
前記信号融合演算を用いた処理するステップは、前記ＥＣＧ信号、前記ＩＰＧ信号、および前記ＢＣＧ信号のそれぞれを、１組のバンドパスフィルタリング演算に通すステップを含む、請求項１に記載の方法。
【請求項3】
前記ウィンドウイング演算のウィンドウの成分を前記ＢＣＧ信号の参照特徴に再整列すると、前記平均化されたアンサンブルＢＣＧ波形から真の振幅値を抽出するステップをさらに含む、請求項１に記載の方法。
【請求項4】
前記１組の収縮時間パラメーターの値を生成するステップは、前記平均化されたアンサンブルＩＰＧ波形の高次導関数を生成するステップと、前記平均化されたアンサンブルＩＰＧ波形におけるインピーダンスの最大変化の直前の第１の最小値を識別するステップと、前記平均化されたアンサンブルＩＰＧ波形の前記高次導関数の絶対最小値を識別するステップと、前記第１の最小値および前記絶対最小値の位置から左心室放出時間（ＬＶＥＴ）を判断するステップとを含む、請求項１に記載の方法。
【請求項5】
前記平均化されたアンサンブルＢＣＧ波形および前記平均化されたアンサンブルＩＰＧ波形の変換から導き出された左心室放出時間（ＬＶＥＴ）を生成するステップをさらに含む、請求項１に記載の方法。
【請求項6】
前記平均化されたアンサンブルＥＣＧ波形、前記平均化されたアンサンブルＢＣＧ波形、および前記平均化されたアンサンブルＩＰＧ波形のうちの少なくとも２つの変換からＰＥＰ／ＬＶＥＴ比を生成するステップをさらに含む、請求項１に記載の方法。
【請求項7】
前記ＰＥＰ／ＬＶＥＴ比から、前記ユーザーの放出率の評価を生成するステップをさらに含む、請求項６に記載の方法。
【請求項8】
前記心拍出量値、前記全身血管抵抗値、および前記中心静脈圧値から、前記ユーザーの平均動脈圧、収縮血圧、拡張血圧、および脈圧を判断するステップをさらに含む、請求項１に記載の方法。
【請求項9】
ａ）前記平均化されたアンサンブルＥＣＧ波形、前記平均化されたアンサンブルＩＰＧ波形、および前記平均化されたアンサンブルＢＣＧ波形のうちの少なくとも１つから導き出された振幅値と、ｂ）少なくとも１つの前記１組の収縮時間パラメーターとを含む、１組の特徴から前記ユーザーの１回拍出量を判断するステップをさらに含む、請求項１に記載の方法。
【請求項10】
前記ＩＰＧ信号から抽出された基線インピーダンス値および前記体重信号から抽出された基線体重のうちの少なくとも１つを用いて、前記１組の特徴のうちの少なくとも１つを正規化するステップをさらに含む、請求項９に記載の方法。
【請求項11】
前記平均化されたアンサンブルＥＣＧ波形、および前記平均化されたアンサンブルＩＰＧ波形および前記平均化されたアンサンブルＢＣＧ波形のうちの少なくとも１つから前記ユーザーのためにパルス到着時間（ＰＡＴ）を生成するステップをさらに含む、請求項１に記載の方法。
【請求項12】
前記ユーザーの前記左足および前記右足への接触に応答して、温度信号および湿度信号を生成するステップと、前記１組の収縮時間パラメーターのうちの少なくとも１つの値を前記温度信号および前記湿度信号に基づいて、変調するステップとをさらに備える、請求項１に記載の方法。
【請求項13】
前記心臓血管のリスクモデルを用いて、前記１組の臨床パラメーターを処理するステップは、前記１組の収縮時間パラメーターの前記値を１組の臨床パラメーターの値へと変換するステップと、前記ユーザーに対する前記１組の臨床パラメーターの値と１組の健康状態に関連付けられる臨床パラメーターの値との間の距離の分析を実行するステップと、前記距離の分析に基づいて前記ユーザーの状態の予測を出力するステップとを含む、請求項１に記載の方法。
【請求項14】
前記１組の収縮時間パラメーターのうちの１つまたは複数から導き出された体液の状態の分析を生成するステップをさらに備え、前記体液の状態の分析は、前記ユーザーの乾燥体重の値を含む、請求項１に記載の方法。
【請求項15】
前記平均化されたアンサンブルＥＣＧ波形、前記平均化されたアンサンブルＩＰＧ波形、前記平均化されたアンサンブルＢＣＧ波形のうちの少なくとも１つから脈拍数を判断するステップさらに含む、請求項１に記載の方法。
【請求項16】
コンピュータによって実行される心臓血管の健康評価のための方法であって、現在の測定セッションの間に、１組の電極によって、ユーザーの左足および右足に接触するステップと、
前記ユーザーの前記左足および前記右足から、前記１組の電極からの１組のパッシブ電気信号およびアクティブ電気信号、および１組の力センサーからの１組の力から導き出された信号を同時期に生成するステップであって、
心電図（ＥＣＧ）信号、インピーダンスプレチスモグラム（ＩＰＧ）信号、心弾動図（ＢＣＧ）信号、および体重信号を生成するステップ、
を含む、ステップと、
信号融合演算を用いて、前記１組のパッシブ電気信号およびアクティブ電気信号、および前記１組の力から導き出された信号を処理すると、１組の収縮時間パラメーターの値を生成するステップであって、前記信号融合演算は、
前記ユーザーに対する測定セッションにわたって、前記ＥＣＧ信号、前記ＩＰＧ信号、および前記ＢＣＧ信号のうちの少なくとも１つから導き出された１組の特徴的な特性を識別するステップと、
前記１組の特徴的な特性のそれぞれの特徴的な特性に関連付けられる時間マーカーについての前記ＥＣＧ信号、前記ＩＰＧ信号、および前記ＢＣＧ信号のそれぞれの、ウィンドウイング演算を実施すると、平均化されたアンサンブルＥＣＧ波形、平均化されたアンサンブルＩＰＧ波形、および平均化されたアンサンブルＢＣＧ波形を生成するステップと、
前記平均化されたアンサンブルＥＣＧ波形におけるＲピークと、前記平均化されたアンサンブルＢＣＧ波形および前記平均化されたアンサンブルＩＰＧ波形のうちの少なくとも１つの波のピークとを識別するステップと、
前記Ｒピークおよび前記波の前記ピークの位置から放出前期間（ＰＥＰ）を判断するステップと、
を含み、前記１組の収縮時間パラメーターは前記ＰＥＰを含む、
ステップと、
前記１組の収縮時間パラメーターを１組の臨床パラメーターへ変換するステップであって、
前記平均化されたアンサンブルＩＰＧ波形から導き出された第１の特徴および前記平均化されたアンサンブルＢＣＧ波形から導き出された第２の特徴を変換すると、脈波伝播時間（ＰＴＴ）および脈波伝播速度（ＰＷＶ）を生成するステップと、
前記平均化されたアンサンブルＥＣＧ波形、前記平均化されたアンサンブルＩＰＧ波形、前記平均化されたアンサンブルＢＣＧ波形のうちの少なくとも１つから脈拍数を識別するステップと、
前記平均化されたアンサンブルＢＣＧ波形からＢＣＧ振幅を識別するステップと、
前記ＰＥＰ、前記ＰＴＴ、前記脈拍数、前記ＢＣＧ振幅、および前記体重信号から導き出されたユーザー体重のうちの少なくとも１つを、心拍出量値、１回拍出量値、全身血管抵抗値、および中心静脈圧値のうちの少なくとも１つを含む前記１組の臨床パラメーターへと変換するステップと、
を含む、ステップと、
前記現在の測定セッションの間に、前記ユーザーの心臓血管の健康状態の予測を生成するように構成された健康リスクモデルを用いて、前記１組の臨床パラメーターを処理するステップと、
複数の異なる時点における、一連の以前の測定セッションのそれぞれの間に、前記ユーザーの心臓血管の健康状態の予測にアクセスするステップと、
前記一連の以前の測定セッションの間の前記ユーザーの心臓血管の健康状態の前記予測と、前記現在の測定セッションの間の前記ユーザーの心臓血管の健康状態の前記予測とを比較して、経時的な前記ユーザーの健康状態の変化の評価を生成するステップと、
経時的な前記ユーザーの健康状態の変化の前記生成された評価を出力するステップと
を備える方法。
【請求項17】
前記１組の収縮時間パラメーターの値を生成するステップは、前記平均化されたアンサンブルＢＣＧ波形および前記平均化されたアンサンブルＩＰＧ波形のうちの少なくとも１つの変換から導き出された左心室放出時間（ＬＶＥＴ）を生成するステップを含む、請求項１６に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、一般に、ユーザーの心臓血管疾患の監視に関連し、より具体的には、心臓血管の健康に関連する生体測定信号の取得、信号の融合、および信号におけるノイズの軽減に関連する。
【背景技術】
【0002】
本出願は、２０１８年１月９日に出願された同時係属中の米国出願第１５／７４３，１５４号の一部継続であり、これは、２０１５年１１月２日に出願された国際出願番号ＰＣＴ／ＣＡ２０１５／０５１１２０の国内移行であり、２０１５年７月１０日に出願された米国仮出願第６２／１９１，３１８号の優先権の利益を主張しており、これらはすべて参照によりその全体が本明細書に組み込まれる。本出願は、また、米国特許出願第＿＿＿＿＿号（代理人整理番号第３５１９３－４１２７０／ＵＳ）に関連して、同日にこれによって、「CARDIOVASCULAR SIGNAL ACQUISITION, FUSION, AND NOISE MITIGATION」という表題で出願され、また、米国特許出願第＿＿＿＿＿号（代理人整理番号第３５１９３－４１２７２／ＵＳ）に関連して、同日にこれによって、「CARDIOVASCULAR HEALTH MONITORING DEVICE」という表題で出願され、両方の内容が参照により本明細書に組み込まれる。
【0003】
米国の成人の約３人のうちの１人（７，０００万人を超える人たち）が高血圧を患っており、彼らのうちの約半分の人たちだけが高血圧を管理下に置いている。高血圧がよく「サイレントキラー」と呼ばれるのは、それが通常、警告の兆候または症状をもたらさないためであるが、心臓病や脳卒中などのより深刻な状態のリスクファクターの増加に関連付けられている。血圧および心臓血管の健康に関連するその他の生体測定パラメーターを頻繁に監視することは、異常または悪化している心臓血管の健康状態を早期に検出することを可能とするが、現在利用可能な家庭用デバイス（例えば、空気カフ）は、健康監視療法の順守に関連して、使い勝手が悪く、心地がよくなく、使用が困難であり、常用を奨励するよう設計されていない。さらにまた、消費者向けのデバイスは、取得できる信号の種類、および異なる心臓血管の健康状態に関連する複合特徴を生成する効果的な処理が限定されている。
【発明の概要】
【0004】
電極のアレイを含むデバイスは、ユーザーから１つまたは複数の電気信号を生成すること、１つまたは複数のノイズ信号を抽出すること、および電気信号を、ノイズ信号を用いて処理すると、１つまたは複数のノイズを除去された電気信号を生成することを含む。電極のアレイは、デバイスの表面に結合されており、ここで、デバイスは、また、ユーザーの体重および他の力を検出するために、表面と機械的に連絡する力センサーを含む。デバイスは、電極のアレイの異なるサブポーションから電気信号を生成して、電極のアレイの異なるサブポーションからノイズ信号を抽出するよう構成されることが可能であり、ここで、電気信号生成のサブポーションは、ノイズ信号抽出の電極のサブポーションと重複することまたは重複しないことがある。
【0005】
集合的に、デバイスのセンサーによって生成される電気信号および力関連の信号は、心臓血管の健康状態を示す複合特徴のセンサー融合および抽出のために構成される電子機器およびアーキテクチャを有するコンピューティングサブシステムによって処理される。１つまたは複数の実施形態において、デバイスは、心電図（ＥＣＧ）信号、インピーダンスプレチスモグラム（ＩＰＧ）信号、心弾動図（ＢＣＧ）信号、およびユーザーの足とのインターフェースを通じて体重測定値を生成する。コンピューティングサブシステムコンポーネントは、ＥＣＧ、ＩＰＧ、およびＢＣＧデータを融合して、心位相の時間的成分に関連するさまざまなパラメーター、力および体積に関連するパラメーター、および他の関連パラメーターに関連して、ユーザーの心臓血管の健康の分析を効率的に生成する。パラメーターは日常的に収集および分析され、ユーザーの心臓血管の健康を監視して、予防的な保健介入を引き起こす。
【図面の簡単な説明】
【0006】
【図1A】１つまたは複数の実施形態にかかる、心臓血管信号の取得、融合、およびノイズ軽減のためのシステムの概略図を図示する。
【図2】１つまたは複数の実施形態にかかる、電気信号の取得およびノイズ取得に関連付けられる成分およびベクトルの平面図を図示する。
【図4】１つまたは複数の実施形態にかかる、システムコンポーネントの構成の平面図を図示する。
【図5A】１つまたは複数の実施形態にかかる、心臓血管信号の取得およびノイズ軽減のための方法のフローチャートを図示する。
【図6】１つまたは複数の実施形態にかかる、電気的および機械的心臓血管信号の取得処理のための方法のフローチャートを図示する。
【図7A】１つまたは複数の実施形態にかかる、心臓血管の健康パラメーターの抽出プロセスのフロー図を図示する。
【図8】１つまたは複数の実施形態にかかる、リスクモデルを用いて心臓血管の健康パラメーターを処理するための方法のフローチャートを図示する。
【図9】１つまたは複数の実施形態にかかる、ユーザーの心臓血管の健康の長期的な監視のフローチャートを図示する。
【0007】
図面は、例示のみを目的としてさまざまな実施形態を示す。当業者は、本明細書で説明される構造および方法の代替的な実施形態が、本明細書で説明される原理から逸脱することなく採用されることができることを以下の説明から容易に認識することとなる。
【発明を実施するための形態】
【0008】
（１．心臓血管信号の取得、融合、およびノイズの軽減）
図１Ａは、１つまたは複数の実施形態にかかる、心臓血管信号の取得、融合、およびノイズ軽減のためのシステム１００の概略図を図示する。図１Ｂは、図１Ａに図示されるシステム１００のコンポーネントの平面図を図示する。システムは、基板１１０、表面に結合され、左部サブポーション１２２および右部サブポーション１２８を含む電極のアレイ１２０、基板１１０と機械的に通信する１つまたは複数の力センサー１３０、および電極のアレイ１２０からの電気信号の生成のため、且つ力センサー１３０からの信号を中継および／または前処理するために、チャネル１４４およびチャネル１４６を含む電子サブシステム１４０を含む。また、電子サブシステム１４０は、コンピューティングサブシステム１５０の他のコンポーネントとデータ通信をするために、コンピューティングサブシステム１５０および伝送ハードウェア１４９のコンポーネントを含み、ここで、コンピューティングサブシステム１５０は、ノイズ除去された信号を生成するため、且つ電気的および機械的信号データを融合するために、アーキテクチャを含み、心臓血管の健康の分析に関連する特徴を抽出する。それ故に、システム１００は、以下のセクション２でより詳細に説明される方法に関連付けられる演算を含む、信号の取得および処理のための構造、サブシステムインターフェース、および演算モードを提供する。
図１Ａは、１つまたは複数の実施形態にかかる、心臓血管信号の取得、融合、およびノイズ軽減のためのシステム１００の概略図を図示する。図１Ｂは、図１Ａに図示されるシステム１００のコンポーネントの平面図を図示する。システムは、基板１１０、表面に結合され、左部サブポーション１２２および右部サブポーション１２８を含む電極のアレイ１２０、基板１１０と機械的に通信する１つまたは複数の力センサー１３０、および電極のアレイ１２０からの電気信号の生成のため、且つ力センサー１３０からの信号を中継および／または前処理するために、チャネル１４４およびチャネル１４６を含む電子サブシステム１４０を含む。また、電子サブシステム１４０は、コンピューティングサブシステム１５０の他のコンポーネントとデータ通信をするために、コンピューティングサブシステム１５０および伝送ハードウェア１４９のコンポーネントを含み、ここで、コンピューティングサブシステム１５０は、ノイズ除去された信号を生成するため、且つ電気的および機械的信号データを融合するために、アーキテクチャを含み、心臓血管の健康の分析に関連する特徴を抽出する。それ故に、システム１００は、以下のセクション２でより詳細に説明される方法に関連付けられる演算を含む、信号の取得および処理のための構造、サブシステムインターフェース、および演算モードを提供する。
【0009】
システム１００は、心臓血管の健康に関連付けられる電気的および機械的信号を同時に取得して、信号取得の間に、ユーザーの位置の変化、周囲のソース、および他のソースによって誘発されるノイズを軽減する信号処理方法を実装するよう機能する。システム１００は、また、ユーザーの足とのインターフェースを通じて異なるタイプの電気的および機械的信号を受信すること、デバイスセンサーの位置によって定義される異なるベクトルにわたる信号を比較すること、および比較に基づいて健康関連の信号成分およびノイズ成分を抽出するアーキテクチャを含む。具体的には、システム１００は、収縮時間間隔、他の時間的パラメーター（例えば、拡張時間間隔）、および他のパラメーターを含み、システムの日常的な使用を促進する設計検討を有する血流力学的パラメーターの日常的な評価のために構成される。
【0010】
（１．１システム－基板および電極）
図１Ａおよび図１Ｂに図示されるように、システムは、基板１１０に結合された電極のアレイ１２０へ電気信号の伝達を促進して、以下でより詳細に説明される、体重測定およびセンサーの他の力に関連する信号の生成機能に関連してユーザーの体重を機械的に支持するよう機能する基板１１０を備える。基板１１０は、ユーザーへの情報の表示（例えば、統合された表示要素を用いて、透明な材料を用いて、半透明の材料を用いてなど）を可能とするよう、さらに機能することが可能である。情報は、システムによって生成される信号の分析から導き出された情報、ユーザーへの指示、ユーザー認証情報、または他のタイプの情報を含むことが可能である。
図１Ａおよび図１Ｂに図示されるように、システムは、基板１１０に結合された電極のアレイ１２０へ電気信号の伝達を促進して、以下でより詳細に説明される、体重測定およびセンサーの他の力に関連する信号の生成機能に関連してユーザーの体重を機械的に支持するよう機能する基板１１０を備える。基板１１０は、ユーザーへの情報の表示（例えば、統合された表示要素を用いて、透明な材料を用いて、半透明の材料を用いてなど）を可能とするよう、さらに機能することが可能である。情報は、システムによって生成される信号の分析から導き出された情報、ユーザーへの指示、ユーザー認証情報、または他のタイプの情報を含むことが可能である。
【0011】
形態において、基板１１０は、使用の間に、電気的および機械的信号の生成のためにユーザーの足へインターフェースを提供する広い表面を含む。基板１１０の広い表面は、平面であるが、代替的に、広い表面で画定される凹状および／または凸状の領域を含むことが可能である。広い表面の凹状および／または凸状の領域は、ユーザーの足の配置を誘導するよう構成されることが可能であり、ユーザーの足の裏を補完する特徴を含むことが可能である。
【0012】
基板１１０は、広い表面が水平面に投影された場合に、長方形の足跡を有し、ここで、長方形の足跡は、丸みを帯びたエッジを有する。基板１１０は、代替的に、他の任意の適切な足跡を有することが可能である。寸法において、基板１１０は、１０～５０センチメートルの幅、１０～５０センチメートルの長さ、および０．２～２センチメートルの厚さを有することが可能であるが、ただし、基板１１０は、代替的に、他の任意の適切な寸法を有することが可能である。
【0013】
材料構成において、基板１１０は、ガラスから構成される少なくとも１つの領域を含み、ここで、以下でより詳細に説明される、ガラスは、機械的特性、電気的特性、光学的特性、または他の特性の観点から所望の特性を有するよう処理（例えば、焼き戻しなど）されることが可能である。基板１１０は、追加的または代替的に、ポリマー材料（例えば、プラスチック）、金属材料、セラミック材料、および天然材料（例えば、木材、繊維など）のうちの１つまたは複数から構成される領域を構成、または含むことが可能である。基板１１０は、それ故に、単一の材料で構成されることが可能であるか、または適切な物理的特性を提供するよう複合材料であることが可能である。
【0014】
機械的特性に関連して、基板１１０の材料は、圧縮強度、剪断強度、引張強度、曲げにおける強度、弾性係数、硬度、上記の機械的特性の導関数、ならびに／またはシステム１１０の使用に関連付けられるさまざまな演算モードにおいて、ユーザーおよび／もしくは他のシステム要素の構造的サポートを可能とする他の特性を有することが可能である。
【0015】
電気的特性に関連して、基板１１０の材料は、導電率、抵抗率、上記の電気的特性の導関数、および／またはユーザーの身体から以下でより詳細に説明されるシステム１００の電極に電気信号の伝達を可能とする他の特性を有することが可能である。基板１１０のうちの１つまたは複数の表面は、所望の電気的特性を有するよう処理されることが可能である。例えば、ユーザーの足とインターフェースするよう構成される広い表面は、システムおよび／またはユーザーの身体を通るシグナル伝達に関連して所望のパターンを有する導電性材料（例えば、インジウムスズ酸化物）で表面処理されることが可能である。基板１１０のバルク材料は、代替的に、所望の電気的特性を有するよう選択されることが可能である。このため、基板１１０は、導電性基板であることが可能である。追加的または代替的に、基板および／または基板に結合された要素のうちの１つまたは複数の部分は、例えば絶縁層を通して、以下で説明される電極に容量結合されることが可能であり、これらの実施形態では、電極は、絶縁材料で覆われた導電性材料の組み合わせ（さらに、ユーザーの足は、絶縁層を通して導電性材料に容量結合されている）を含む。このため、基板は導電性領域を含むことが可能であるが、ユーザーに接触するシステムの部分は絶縁されている。光学特性に関連して、基板１１０の材料は、ユーザーに情報を伝達することに適する透明性または半透明性を有することが可能であり、電子ディスプレイに結合される、隣に配置されるという目的で、またはそうでなければ、別の方法において、基板１１０に光学的に統合される。基板の材料は、また、光を操作（例えば、反射、散乱、誘導、形成など）するよう製造されることが可能である。
【0016】
図１Ａおよび図１Ｂに図示されるように、システム１００は、また、表面に結合された電極のアレイ１２０を備え、左部サブポーション１２２および右部サブポーション１２８を備えている。以下でより詳細に説明されるように、左部サブポーション１２２のうちの１つまたは複数の電極は、右部サブポーション１２８のうちの１つまたは複数の電極と協働し、心臓血管の健康に関連するパラメーターが生成されることが可能である電気信号を生成する。左部サブポーション１２２のうちの１つまたは複数の電極は、また、コンピューティングサブシステム１５０が電気信号をノイズ除去することに用いることが可能であるノイズ信号を提供することが可能である。同様に、右部サブポーション１２８のうちの１つまたは複数の電極は、また、コンピューティングサブシステム１５０が電気信号をノイズ除去することに用いることが可能であるノイズ信号を提供することが可能である。それ故に、基板１１０に対する空間における電極のアレイ１２０の配置は、システムが、信号処理方法を用いて信号対ノイズ（ＳＮＲ）比を改善することを可能とし、ここで、ノイズは、周囲のソースからのノイズ（例えば、主として６０Ｈｚ）、システム１００を用いているユーザーの動きからのノイズ、足の接触が不十分または変化していることからのノイズ、および／または他のあらゆるノイズソースに関連付けられる。ノイズソースおよび信号をノイズ除去する方法は、以下のセクション２でさらに説明される。
【0017】
図１Ａに図示されるように、ユーザーが基板１１０を彼／彼女の足に接触させることによって電極のアレイ１２０と関係させた場合に、システム１００は、ユーザーの身体を通して電気回路を形成する。図１Ａに図示される電気回路は、ユーザーの身体の下部を通して画定されて、左脚の領域を通過して、左足の領域を通過して、ユーザーの矢状面を横断して、右脚の領域を通過して、右足の領域を通過する。
【0018】
電極のアレイ１２０の電極は、導電性材料（例えば、導電性ポリマー、金属など）で構成されることが可能である。
【0019】
電極のアレイ１２０は、使用の間に心電図（ＥＣＧ）信号を生成する。電極のアレイ１２０は、使用の間にインピーダンスプレチスモグラフィー（ＩＰＧ）信号をさらに生成することが可能である。電極のアレイ１２０は、システム１００の使用の間にユーザーの身体と関係すると、さらなる他の生体電気信号を生成することが可能である。
【0020】
電極は、２Ｄアレイで配置される。２Ｄアレイは、長方形アレイであることが可能であり、ここで、長方形アレイは、その幅と高さに沿って同数の電極を有することが可能である。電極の数、空間における電極の分布、および電極間の間隔の観点から電極のアレイ１２０の寸法は、基板１２０、他のシステムの態様、または他の設計上の検討事項によって規定される形態上の制約に基づいて構成されることが可能である。しかしながら、代替の実施形態において、電極のアレイ１２０の電極は、多角アレイ、楕円アレイ、または他のあらゆる適切な方法（例えば、アモルファスアレイ）で配置されることが可能である。電極のアレイ１２０の電極は、基板１１０の広い表面の中央領域および／または基板１１０の広い表面の周辺領域に配置されることが可能である。
【0021】
左部サブポーション１２２は、右部サブポーション１２８から電気的に絶縁されており、左部サブポーション１２２の電極と右部サブポーション１２８の電極とのブリッジを回避する。電気的絶縁は、基板１１０の広い表面で導電性領域のパターン化、基板１１０に結合された絶縁材料の使用、または別の方法によって提供されることが可能である。
【0022】
図２に図示される実施形態おいて、電極のアレイ１２０は、左前部電極２２１、右前部電極２２２、左後部電極２２３、および右後部電極２２４を含む。左前部電極２２１および左後部電極２２３は、電極のアレイ１２０の左部サブポーション１２２の実施形態であり、右前部電極２２２および右後部電極２２４は、電極のアレイ１２０の右部サブポーション１２８の実施形態であり、上記の図１Ａおよび図１Ｂに関連して説明される。左前部電極２２１および右前部電極２２２は、以下で説明される電子サブシステムの第１の電気信号チャネル２４５に関連付けられ、左後部電極２２３および右後部電極２２４は、以下で説明される電子サブシステムの第２の電気信号チャネル２４６に関連付けられ、ここで、第１の電気信号チャネルおよび第２の電気信号チャネルのそれぞれは、システムの使用の間にユーザーの身体の下部矢状面を横断する回路に関連付けられている。左前部電極２２１および左後部電極２２３は、第１のノイズチャネル２４７に関連付けられる第１のノイズ信号を生成することに用いられることが可能であり、右前部電極２２２および右後部電極２２４は、第２のノイズチャネル２４８に関連付けられる第２のノイズ信号を生成することに用いられることが可能であり、ここで、ノイズ除去の方法は、以下のセクション２でより詳細に説明される。
【0023】
図３Ａは、図２に図示されるシステムの第１の実施形態のシステムコンポーネントの構成を図示し、ここで、システムの第１の実施形態は、２つチャネルのＥＣＧ信号を生成するために２チャネルシステムとして構成される。第１の実施形態は、左前部電極３２１、右前部電極３２２、左後部電極３２３、および右後部電極３２４を含み、ここで、左前部電極３２１および右前部電極３２２は、第１のＥＣＧチャネル３４５ａに関連付けられて、左後部電極３２３および右後部電極３２４は、第２のＥＣＧチャネル３４６ａに関連付けられている。信号およびノイズの抽出方法は、２チャネル構成で以下のセクション２でより詳細に説明される。
【0024】
図３Ｂは、図２に図示されるシステムの第２の実施形態のシステムコンポーネントの構成を図示し、ここで、システムの第２の実施形態は、ＥＣＧ信号のチャネルおよびノイズ信号の２つのチャネルを生成するために３チャネルシステムとして構成される。第１の実施形態は、左後部電極３２３および右後部電極３２４を含み、ここで、左後部電極３２３および右後部電極３２４は、ＥＣＧチャネル３４６ｂに関連付けられて、左後部電極３２３は、第１のノイズチャネル３４７ｂに関連付けられて、右後部電極３２４は、第２のノイズチャネル３４８ｂに関連付けられている。第１ノイズチャネル３４７ｂおよび第２のノイズチャネル３４８ｂは、ノイズ信号のアグリゲーションおよび処理のために加算回路３４９ｂに結合されることが可能である。信号およびノイズの抽出方法は、３チャネル構成で以下のセクション２でより詳細に説明される。
【0025】
図３Ｃは、図２に図示されるシステムの第３の実施形態のシステムコンポーネントの構成を図示し、ここで、システムの第３の実施形態は、ＥＣＧ信号のチャネルおよびノイズ信号の２つのチャネルを生成するために３チャネルシステムとして構成される。第１の実施形態は、左前部電極３２１および右前部電極３２２を含み、ここで、左前部電極３２１および右前部電極３２２は、ＥＣＧチャネル３４５ｃに関連付けられて、左前部電極３２１は、第１のノイズチャネル３４７ｃに関連付けられて、右前部電極３２２は、第２のノイズチャネル３４８ｃに関連付けられている。第１ノイズチャネル３４７ｃおよび第２のノイズチャネル３４８ｃは、加算回路３４９ｃに結合されることが可能である。信号およびノイズの抽出方法は、３チャネル構成で以下のセクション２でより詳細に説明される。
【0026】
図３Ｄは、図２に図示されるシステムの第４の実施形態のシステムコンポーネントの構成を図示し、ここで、システムの第４の実施形態は、ＥＣＧ信号の２つのチャネルおよびノイズ信号の２つのチャネルを生成するために４チャネルシステムとして構成される。第１の実施形態は、左前部電極３２１、右前部電極３２２、左後部電極３２３、および右後部電極３２４を含み、ここで、左前部電極３２１および右前部電極３２２は、第１のＥＣＧチャネル３４５ｄに関連付けられて、左後部電極３２３および右後部電極３２４は、第２のＥＣＧチャネル３４６ｄに関連付けられて、左前部電極３２１および左後部電極３２３は、第１のノイズチャネル３４７ｄに関連付けられて、右前部電極３２２および右後部電極３２４は、第２のノイズチャネル３４８ｄに関連付けられる。第１ノイズチャネル３４７ｄおよび第２のノイズチャネル３４８ｄは、加算回路３４９ｄに結合されることが可能である。信号およびノイズの抽出方法は、４チャネル構成で以下のセクション２でより詳細に説明される。
【0027】
図３Ａ～図３Ｄに関連する変形例において、システムは、ノイズの異なるチャネルおよびＥＣＧ信号の１つのチャネル（または２つのチャネル）を生成するために３チャネル（または４チャネル）システムとして構成される。より詳細には、システムは、左前部電極３２１、右前部電極３２２、左後部電極３２３、および右後部電極３２４を備え、ここで、左前部電極３２１および左後部電極３２３の両方は、ノイズソースを導き出すことに用いられ、および／または右前部電極３２２および右後部電極３２４の両方は、ノイズソースを導き出すことに用いられる。左後部電極３２３および右後部電極３２４は、第１のＥＣＧチャネルに関連付けられ、および／または左前部電極３２１および右前部電極３２２は、第２のＥＣＧチャネルに関連付けられる。図４は、１つまたは複数の実施形態にかかる、システムコンポーネントの構成の平面図を図示する。図４に図示される実施形態は、ＥＣＧ信号の多様なチャネルおよび／またはノイズ信号の多様なチャネルを生成するためにマルチチャネルシステムとして構成されている。電極４２０のアレイは、前部サブポーション４２１、後部サブポーション４２２、左部サブポーション４２３、および右部サブポーション４２４として配置され、ここで、前部サブポーション４２１のグループ化は、１つまたは複数のＥＣＧチャネル４４５に関連付けられて、後部サブポーション４２２のグループ化は、１つまたは複数のＥＣＧチャネル４４６に関連付けられて、左部サブポーション４２３のグループ化は、１つまたは複数のノイズチャネル４４７に関連付けられて、右部サブポーション４２４のグループ化は、１つまたは複数のノイズチャネル４４８に関連付けられる。
【0028】
（１．２システム－他のセンサー）
図１Ａおよび図１Ｂに図示されるように、システムの実施形態は、また、表面１１０と機械的に連絡する１つまたは複数の力センサー１３０を含み、ここで、力センサーは、ユーザーの体重を示す信号を（例えば、ユーザーが基板１１０に足を踏み込むにつれて）生成することが可能であり、および／または他の生理学的に関連するパラメーターを示す力および力の変化を検出することが可能である。例えば、力センサー１３０は、心臓血管の生理学的作用によって生成された力から心弾動図（ＢＣＧ）信号を生成することが可能であり、ここで、以下で説明される方法によって検出され、他の信号データと融合される。
図１Ａおよび図１Ｂに図示されるように、システムの実施形態は、また、表面１１０と機械的に連絡する１つまたは複数の力センサー１３０を含み、ここで、力センサーは、ユーザーの体重を示す信号を（例えば、ユーザーが基板１１０に足を踏み込むにつれて）生成することが可能であり、および／または他の生理学的に関連するパラメーターを示す力および力の変化を検出することが可能である。例えば、力センサー１３０は、心臓血管の生理学的作用によって生成された力から心弾動図（ＢＣＧ）信号を生成することが可能であり、ここで、以下で説明される方法によって検出され、他の信号データと融合される。
【0029】
システムの実施形態は、追加的または代替的に、右脚駆動（ＲＬＤ）電極に結合された１つまたは複数の電極を含むことが可能であり、ここで、このような構成は、少なくとも部分的に、少なくとも１つのＥＣＧ信号の共通モード部分から導き出され、使用の間にユーザーの身体に戻して適用される信号を生成する。このような構成は、共通モード干渉の除去を可能とするよう演算して、ＥＣＧ信号をそれぞれの信号増幅器の入力電圧範囲内にバイアスすることが可能である。ＲＬＤ信号は、単一のＥＣＧ信号または複数のＥＣＧ信号の組み合わせから導き出されることが可能である。ＲＬＤ電極および関連する回路のない構成において、信号入力はＡＣ結合されて、供給中の電圧でバイアスされ、ＥＣＧ信号をそれぞれの信号増幅器の入力電圧範囲内にバイアスする。
【0030】
システムの実施形態は、追加的または代替的に、ユーザーの態様を感知するために他のセンサーおよび／または生体認証センサー、ユーザーの生理機能、および／またはユーザーの環境を含むことが可能である。他のセンサーは、音声センサー（例えば、マイク）、運動／方向センサー（例えば、加速度計、ジャイロスコープ、慣性測定ユニットなど）、呼吸センサー（例えば、プレチスモグラフィーセンサー）、心臓血管センサー（例えば、電気信号ベースの心臓血管センサー、レーダーベースの心臓臓血管センサー、力ベースの心臓血管センサーなど）、環境温度（例えば、周囲温度）および／またはユーザーの体温を監視するための温度センサー、湿度センサー（例えば、環境湿度を検出するため）、光学センサー（例えば、ユーザーの身体組織を通して血流を光学的に検出するため、ユーザーとの接触を検出するための光学センサー）、容量性タッチセンサー、他の電気生理学的センサー（例えば、皮膚コンダクタンスセンサー）、および／または他のあらゆる適切なセンサーを含むことが可能である。
【0031】
（１．３システム－電子機器およびコンピューティングサブシステム）
図１Ａおよび図１Ｂに図示されるように、システムの実施形態は、また、電極のアレイ１２０からの電気信号の生成のために、および力センサー１３０からの信号を中継および／または前処理をするために、チャネル１４４およびチャネル１４６を含む電子サブシステム１４０を含み、ここで、チャネル構成は、異なる実施形態における電極のアレイの構成に関連して、上記でより詳細に説明されている。
図１Ａおよび図１Ｂに図示されるように、システムの実施形態は、また、電極のアレイ１２０からの電気信号の生成のために、および力センサー１３０からの信号を中継および／または前処理をするために、チャネル１４４およびチャネル１４６を含む電子サブシステム１４０を含み、ここで、チャネル構成は、異なる実施形態における電極のアレイの構成に関連して、上記でより詳細に説明されている。
【0032】
電子サブシステム１４０は、電極のアレイ１２０および／または力センサー１３０によって生成された信号を受信、調整、および中継するためのコンポーネントを含む。例えば、ユーザーの足からシステムによって検出される電気信号は、従来の方法によって（例えば、胸、手、または上肢を通して）収集される電気信号より１０～１００倍小さく、これは、大幅に信号対ノイズ比を大幅に減少させる。したがって、電子サブシステム１４０は、高解像度Ａ／Ｄ変換器および／または１つまたは複数のフィルターのような調整コンポーネントを含むことが可能である。電子サブシステム１４０は、また、電力を提供し、および／または１つまたは複数の他のシステムコンポーネントへの電力供給を管理するコンポーネントを含むことが可能である。例えば、電子サブシステム１４０は、所望の回路電圧および／または異なるシステムコンポーネントに適切な電流引き込みを維持する電力管理システムに電気的に結合されたバッテリー（例えば、充電式バッテリー、非充電式バッテリー）を含むことが可能である。電子サブシステム１４０の電力関連コンポーネントは、システムのハウジング内に保持することが可能であり、ここで、電子サブシステム１４０は、１つまたは複数の基板１１０、電極のアレイ１２０、および力センサーにハウジングを通して電気的および／または物理的に結合されることが可能である。
【0033】
電子サブシステム１４０は、また、コンピューティングサブシステム１５０のコンポーネントを含み、また、ユーザーが物理的に関係するデバイスコンポーネントから離れたコンピューティングサブシステム１５０の他のコンポーネントとのデータ通信のためにデータ伝送ハードウェア１４９を含むことができる。リモートコンピューティングコンポーネントは、他のネットワークコンピュータで、リモートサーバー、クラウドにおいて、および／または別のコンピューティングプラットフォームにおいて実装されることが可能である。伝送ハードウェア１４９は、ユーザーが物理的に関係するデバイスの電子機器とネットワークを通してリモートコンピューティングコンポーネントとの間のデータ転送を処理するために受信および／または伝送コンポーネントを含むことが可能である。さらに、伝送ハードウェア１４９は、ネットワークまたは他のリモートコンピューティングサブシステムのコンポーネントとの有線および／または無線（例えば、ＷｉＦｉ、ブルートゥースＬＥなど）インターフェースを提供することが可能である。
【0034】
以下のセクション２で説明される方法に関連して、コンピューティングサブシステム１５０は、また、以下で説明される方法の１つまたは複数の部分を実装するためにコンピュータプログラムコードを含む非一時的なコンピュータ可読記憶媒体を含むことが可能である。例えば、コンピューティングサブシステム１５０は、電極のアレイ１２０の左部サブポーション１２２および右部サブポーション１２８から心電図（ＥＣＧ）信号を生成して、電極のアレイの左部サブポーション１２２から第１のノイズ信号および／または右部サブポーション１２８から第２のノイズ信号を生成して、ノイズ除去されたＥＣＧ信号を第１ノイズ信号および／または第２のノイズ信号を用いてＥＣＧ信号を処理すると生成することのためにプログラムコードおよびアーキテクチャを含むことが可能である。
【0035】
コンピューティングサブシステム１５０は、また、電極および／またはセンサーの動作状態を制御するために非一時的なコンピュータ可読媒体に命令を格納し、コンピューティングサブシステム１５０に結合されたコンポーネントの状態を監視し、メモリにおけるデータを格納し、データ転送を（例えば、伝送ハードウェア１４９に関連して）調整し、および／またはシステムの他の適切なコンピューティング機能を実行するためにアーキテクチャを含むことが可能である。コンピューティングコンポーネント１６０ａは、追加的または代替的に、システム１００の電極およびセンサー信号の出力を処理するために信号調整要素（例えば、増幅器、フィルター、アナログ－デジタル変換器、デジタル－アナログ変換器など）を含むことが可能である。
【0036】
（２．方法－電気信号の抽出およびノイズ除去）
図５Ａは、１つまたは複数の実施形態にかかる、心臓血管信号の取得およびノイズ軽減のための方法のフローチャートを図示する。図５Ａに示されるように、電極のアレイは、アレイの左部サブポーションおよび右部サブポーションから１つまたは複数のＥＣＧ信号を生成する５１０。次に、コンピューティングサブシステム（例えば、上記の電子サブシステムおよび／またはコンピューティングサブシステムのコンポーネント）は、１つまたは複数のノイズ信号を抽出して５４０、１つまたは複数のノイズ除去されたＥＣＧ信号を生成して５７０、１つまたは複数のＥＣＧ信号を処理すると、ＥＣＧ信号からノイズ信号の成分を取り出す。
図５Ａは、１つまたは複数の実施形態にかかる、心臓血管信号の取得およびノイズ軽減のための方法のフローチャートを図示する。図５Ａに示されるように、電極のアレイは、アレイの左部サブポーションおよび右部サブポーションから１つまたは複数のＥＣＧ信号を生成する５１０。次に、コンピューティングサブシステム（例えば、上記の電子サブシステムおよび／またはコンピューティングサブシステムのコンポーネント）は、１つまたは複数のノイズ信号を抽出して５４０、１つまたは複数のノイズ除去されたＥＣＧ信号を生成して５７０、１つまたは複数のＥＣＧ信号を処理すると、ＥＣＧ信号からノイズ信号の成分を取り出す。
【0037】
方法５００は、非標準的な方法、且つユーザーによる日常的な使用を促進するよう設計されたシステムにおいて、心臓血管の健康に関連付けられる電気信号を取得するよう機能して、また、周囲のソース、ユーザーの動き（例えば、足の動き）、および他のソースによって誘発されるノイズを軽減するよう空間の中にセンサー分布を実装するよう機能する。この方法は、ユーザーの足を通して電気信号を受信するステップと、デバイスセンサーの位置によって画定される異なるベクトルにわたって信号を比較するステップと、ノイズ分離および抽出方法に基づいて健康関連の信号成分およびノイズ成分を抽出するステップとを備えることが可能である。このため、方法５００は、ユーザーの足を通して取得される電気信号の信号対ノイズ比を大幅に増加させる。ＥＣＧ信号をノイズ除去するために方法５００の適用が説明される一方で、方法５００は、追加的または代替的に、他の電気信号（例えば、ＩＰＧ信号、他の受動電気信号、他の能動電気信号）をノイズ除去するよう用いられることが可能である。
【0038】
方法５００は、上記のシステムの実施形態のうちの１つまたは複数の部分によって実装されることが可能であり、ここで、電極のアレイの前部、後部、左部、および右部の電極部分が、ノイズ除去された対象の信号を生成するよう処理されるソース信号を提供することが可能である。上記のシステムの実施形態の構造によって構成されるように、前部電極から出力において存在するノイズおよびアーティファクトは、後部電極から出力において存在するノイズおよびアーティファクトと大部分は、相関関係がない。さらに、上記のシステムの実施形態の構造によって構成されるように、電極の前部サブポーションおよび後部サブポーションは、信号およびノイズ成分の両方を出力し、一方で、電極の左部サブポーションおよび右部サブポーションは、それらが身体および心臓を横断して配置されないため、ノイズ成分だけを出力する。より詳細には、電極の左部サブポーションおよび右部サブポーションから出力されるノイズは、電極の前部サブポーションおよび後部サブポーションからのノイズ信号成分に対して変化する比率および組み合わせでノイズ信号成分を生成する。
【0039】
（２．１方法－ノイズの寄与）
例えば、ユーザーの足からシステムによって検出される電気信号は、従来の方法によって（例えば、胸、手、または上肢を通して）収集される電気信号より１０～１００倍小さく、これは、大幅に信号対ノイズ比を大幅に減少させる。このため、ノイズファクターは、心臓血管の健康に関連する信号取得のための従来の方法と比較して、信号の取得および／または処理により大きな影響を与える可能性がある。電極のアレイを用いて生成されるＥＣＧ信号（または他の電気信号）へのノイズの寄与に関連して、ノイズは、周囲のソース（例えば、主に６０Ｈｚ、主に５０Ｈｚ、環境における熱変動、産業用ノイズなど）から発生する可能性がある。ノイズは、また、電極のアレイとのインターフェースの間にユーザーの動きから発生する可能性がある。例えば、上記の装置の体重計の形成ファクターに関連して、体重を測定する間の揺れ動き、足の湾曲、足の移動、バランスを保つための動きなど、ユーザーの身体および／または足の動き、足の領域と電極との間の不十分な接触、および／または他の動きは、所望の信号のＳＮＲに影響を与える重大なノイズを誘発する可能性がある。このような動きは、筋肉の収縮および／または弛緩行動からの電気信号の生成によって、電気信号に筋電図（ＥＭＧ）アーティファクトを誘発する可能性がある。このような動きは、追加的または代替的に、システムの力に関連する測定を干渉する可能性のある力に関連するアーティファクトを誘発する可能性がある。
例えば、ユーザーの足からシステムによって検出される電気信号は、従来の方法によって（例えば、胸、手、または上肢を通して）収集される電気信号より１０～１００倍小さく、これは、大幅に信号対ノイズ比を大幅に減少させる。このため、ノイズファクターは、心臓血管の健康に関連する信号取得のための従来の方法と比較して、信号の取得および／または処理により大きな影響を与える可能性がある。電極のアレイを用いて生成されるＥＣＧ信号（または他の電気信号）へのノイズの寄与に関連して、ノイズは、周囲のソース（例えば、主に６０Ｈｚ、主に５０Ｈｚ、環境における熱変動、産業用ノイズなど）から発生する可能性がある。ノイズは、また、電極のアレイとのインターフェースの間にユーザーの動きから発生する可能性がある。例えば、上記の装置の体重計の形成ファクターに関連して、体重を測定する間の揺れ動き、足の湾曲、足の移動、バランスを保つための動きなど、ユーザーの身体および／または足の動き、足の領域と電極との間の不十分な接触、および／または他の動きは、所望の信号のＳＮＲに影響を与える重大なノイズを誘発する可能性がある。このような動きは、筋肉の収縮および／または弛緩行動からの電気信号の生成によって、電気信号に筋電図（ＥＭＧ）アーティファクトを誘発する可能性がある。このような動きは、追加的または代替的に、システムの力に関連する測定を干渉する可能性のある力に関連するアーティファクトを誘発する可能性がある。
【0040】
これらおよび他のソースによって誘発されるノイズを分離および抽出するための方法は、図５Ｂ～図５Ｆに関連して以下で説明され、ここで、ブラインドソース分離技術（例えば、独立した成分分析の使用）、適応フィルタリング演算の使用、センサーチャネルウィンドウィング演算の使用、非パラメトリックスペクトル推定プロセスの使用、および／またはソース信号から所望の信号と望ましくないノイズ信号成分とを分離する他の演算を用いて所望の成分およびノイズの両方を含むノイズを抽出することが可能である。
【0041】
（２．２方法－ブラインドソース分離技術を用いた信号のノイズ除去）
図５Ｂは、図５Ａに図示される方法の第１の実施形態のフローチャートを図示し、ここで、独立したＥＣＧ信号ソースは、ノイズを有するソース信号から推定されることが可能である。図５Ｂの方法５００ｂは、２チャネルアレイ構成（例えば、図３Ａ図示される構成）を用いて、３チャネルアレイ構成（例えば、図３Ｂまたは図３Ｃに図示される構成）を用いて、４チャネルアレイ構成（例えば、図３Ａに図示される構成）を用いて、または４つのチャネル超える構成を用いて実装されることが可能である。コンピューティングサブシステムは、電極のアレイと協働することで、前部ＥＣＧ信号５２０を含む１つまたは複数のＥＣＧ信号および／または後部ＥＣＧ信号５３０を生成して５１０、電極アレイ構成に基づいてノイズ成分からノイズ除去された成分の分離５７０に関して、左ノイズ信号および／または右ノイズ信号５６０を含むノイズ信号を抽出する５４０。
図５Ｂは、図５Ａに図示される方法の第１の実施形態のフローチャートを図示し、ここで、独立したＥＣＧ信号ソースは、ノイズを有するソース信号から推定されることが可能である。図５Ｂの方法５００ｂは、２チャネルアレイ構成（例えば、図３Ａ図示される構成）を用いて、３チャネルアレイ構成（例えば、図３Ｂまたは図３Ｃに図示される構成）を用いて、４チャネルアレイ構成（例えば、図３Ａに図示される構成）を用いて、または４つのチャネル超える構成を用いて実装されることが可能である。コンピューティングサブシステムは、電極のアレイと協働することで、前部ＥＣＧ信号５２０を含む１つまたは複数のＥＣＧ信号および／または後部ＥＣＧ信号５３０を生成して５１０、電極アレイ構成に基づいてノイズ成分からノイズ除去された成分の分離５７０に関して、左ノイズ信号および／または右ノイズ信号５６０を含むノイズ信号を抽出する５４０。
【0042】
図５Ｂのある実施形態において、コンピューティングサブシステムは、電極のアレイからソース信号を受信する電子コンポーネントと協働して、入力チャネルから入力信号を処理して、出力信号を提供し、ここで、独立した所望の信号成分は、望ましくないノイズ成分から分離されている。本実施形態において、コンピューティングシステムは、独立成分分析（ＩＣＡ）の演算を実行するためのコードにおけるアーキテクチャを含み、入力チャネルから多変量信号を所望の信号およびノイズに関連付けられるサブコンポーネントへと分離する。
【0043】
図３Ａ～図３Ｄに関連して上記で述べられるように、入力チャネルは、左前部電極および右前部電極に結合された前部ＥＣＧチャネル、および左後部電極および右後部電極に結合された後部ＥＣＧチャネル（図３Ａの２チャネル構成におけるように）であってよく、ここで、ＩＣＡ演算の出力は、ノイズ成分を分離することで新しい前部ＥＣＧ信号および新しい後部ＥＣＧ信号を再作成する。あるいは、入力チャネルは、（図３Ｂの３チャネル構成におけるように）それぞれ、左後部電極および右後部電極に結合された後部ＥＣＧチャネル、および左部電極および右部電極に結合された２つのノイズチャネルであってよく、ここで、ＩＣＡ演算の出力は、新しい後部ＥＣＧ信号および２つのノイズチャネルに関連付けられる分離されたノイズ信号を再作成する。あるいは、入力チャネルは、（図３Ｃの３チャネル構成のように）それぞれ、左前部電極および右前部電極に結合された前部ＥＣＧチャネル、および左電極および右電極に結合された２つのノイズチャネルであってよく、ＩＣＡ演算の出力は、新しい前部ＥＣＧ信号および２つのノイズチャネルに関連付けられる分離されたノイズ信号を再作成する。あるいは、入力チャネルは、（図３Ｄの４チャネル構成におけるように）それぞれ、左前部電極および右前部電極に結合された前部ＥＣＧチャネル、および左部電極および右部電極に結合された２つのノイズチャネルであってよく、ここで、ＩＣＡ演算の出力は、新しい前部ＥＣＧ信号、新しい後部ＥＣＧ信号および２つのノイズチャネルに関連付けられる分離されたノイズ信号を再作成する。
【0044】
コンピューティングサブシステムによって実装されるＩＣＡ演算は、並列または収縮のＩＣＡアルゴリズムを用いて、推定された信号およびノイズ成分の統計的独立性を高めることによって、独立した信号およびノイズ成分を分離する。ＩＣＡ演算は、非ガウス性の最大化（例えば、中心極限定理、尖度を検討、ネゲントロピーを検討することによって動機づけられる）、または相互情報量の最小化（例えば、発散係数に基づく最大エントロピーを検討）に基づくことが可能である。ＩＣＡ演算は、多変量入力を分解された独立した成分へと変換する非線形関数または線形関数に基づいてよい。代替の実施形態において、主成分分析、特異値分解、従属成分分析、行列因数分解、暗号化および複合化、定常サブスペース分析、などの別のブラインドソース分離演算、または別の演算は、信号およびノイズ成分を分解することに用いられることが可能である。
【0045】
（２．３方法－適応フィルタリング技術を用いた信号のノイズ除去）
図５Ｃは、図５Ａに図示される方法の第２の実施形態のフローチャートを図示し、ここで、第２の実施形態は、適応フィルタリング演算を実装する。図５Ｃの方法５００ｃは、４チャネルアレイ構成（例えば、図３Ｄに図示される構成）を用いて、または別のアレイ／チャネル構成を用いて実装されることが可能である。方法５００ｃを実行することにおいて、コンピューティングサブシステムは、電極のアレイと協働することで、前部ＥＣＧ信号５２０および後部ＥＣＧ信号５３０を含む１つまたは複数のＥＣＧ信号を生成して５１０、適応フィルタリング演算に基づいてノイズ成分からノイズ除去された成分の分離５７０に関して、左ノイズ信号および／または右ノイズ信号５６０を含むノイズ信号を抽出する５４０。
図５Ｃは、図５Ａに図示される方法の第２の実施形態のフローチャートを図示し、ここで、第２の実施形態は、適応フィルタリング演算を実装する。図５Ｃの方法５００ｃは、４チャネルアレイ構成（例えば、図３Ｄに図示される構成）を用いて、または別のアレイ／チャネル構成を用いて実装されることが可能である。方法５００ｃを実行することにおいて、コンピューティングサブシステムは、電極のアレイと協働することで、前部ＥＣＧ信号５２０および後部ＥＣＧ信号５３０を含む１つまたは複数のＥＣＧ信号を生成して５１０、適応フィルタリング演算に基づいてノイズ成分からノイズ除去された成分の分離５７０に関して、左ノイズ信号および／または右ノイズ信号５６０を含むノイズ信号を抽出する５４０。
【0046】
適応フィルタリング演算は、フィルター方程式ｙ（ｋ）＝ＸＴ（ｋ）＊ｗ（ｋ）を用いたアフィン射影アルゴリズムを用いることが可能であり、ここで、ｙは、フィルター化された信号であり、Ｘは、ｘの関数のフィルター入力行列であり、ここで、ｘは、適応フィルターパラメーターのベクトルであり、ｗは、適応パラメーターの適応関数であり、ｋは、時間インデックスである。アフィン射影演算への入力信号は、前部ＥＣＧ信号と後部ＥＣＧ信号、および２つのノイズチャネルからの信号の合計である。
【0047】
適応フィルタリング演算は、フィルター方程式ｙ（ｋ）＝ｘＴ（ｋ）＊ｗ（ｋ）を用いて、帰納的最小二乗アルゴリズムまたは最小二乗平均アルゴリズムを用いることが可能であり、ここで、ｙは、フィルター化された信号であり、ｘは、適応フィルターパラメーターのベクトルであり、ｗは、適応パラメーターの適応関数、ｋは、時間インデックスである。最小二乗演算への入力信号は、前部ＥＣＧ信号と後部ＥＣＧ信号、および２つのノイズチャネルからの信号の合計である。
【0048】
適応フィルタリング演算の代替の実施形態は、一般化された正規化された勾配降下アルゴリズム、最小平均第４のアルゴリズム、または別の適切な適応フィルタリングアルゴリズムを用いることが可能である。
【0049】
（２．４方法－センサー選択技術を用いた信号のノイズ除去）
図５Ｄは、図５Ａに図示される方法の第３の実施形態のフローチャートを図示し、図５Ｅは、図５Ｄに図示される方法の実施形態の概略フローを図示する。方法５００ｄを実行することにおいて、コンピューティングサブシステムは、電極のアレイと協働して、前部ＥＣＧ信号５２０および後部ＥＣＧ信号５３０を含む１つまたは複数のＥＣＧ信号を生成して５１０、前部ＥＣＧ信号５９１ａおよび後部ＥＣＧ信号５９１ｂをセグメント化して、ノイズ除去信号を生成して５７０、前部ＥＣＧ信号および後部ＥＣＧ信号のそれぞれのセグメントに存在するノイズの分析に基づいて、品質評価演算を実行して５９２、品質評価演算に合格したセグメントをステッチして５９３、複合ノイズ除去ＥＣＧ信号を形成する。セグメンテーションに関連して、コンピューティングサブシステムは、信号を所望のウィンドウの長さ（例えば、１秒、１秒より短い、１秒より長い）のウィンドウへとセグメント化することが可能であり、ここで、ウィンドウは、重なり合わないか、または重なり合ってよい。品質評価演算において、複合ノイズ除去ＥＣＧ信号に含まれる信号ウィンドウの選択のための基準は、ＳＮＲ基準または分散関連基準に基づいてよい。より詳細には、前部ＥＣＧ信号および後部ＥＣＧ信号にわたるそれぞれの一致するウィンドウに対して、コンピューティングサブシステムは、ＳＮＲまたは分散関連基準に基づいて、どのウィンドウがノイズをより少なく有するかを判断して、ステッチングのために「ウィニング」ウィンドウを通過させ、複合ノイズ除去ＥＣＧ信号を生成することが可能である。
図５Ｄは、図５Ａに図示される方法の第３の実施形態のフローチャートを図示し、図５Ｅは、図５Ｄに図示される方法の実施形態の概略フローを図示する。方法５００ｄを実行することにおいて、コンピューティングサブシステムは、電極のアレイと協働して、前部ＥＣＧ信号５２０および後部ＥＣＧ信号５３０を含む１つまたは複数のＥＣＧ信号を生成して５１０、前部ＥＣＧ信号５９１ａおよび後部ＥＣＧ信号５９１ｂをセグメント化して、ノイズ除去信号を生成して５７０、前部ＥＣＧ信号および後部ＥＣＧ信号のそれぞれのセグメントに存在するノイズの分析に基づいて、品質評価演算を実行して５９２、品質評価演算に合格したセグメントをステッチして５９３、複合ノイズ除去ＥＣＧ信号を形成する。セグメンテーションに関連して、コンピューティングサブシステムは、信号を所望のウィンドウの長さ（例えば、１秒、１秒より短い、１秒より長い）のウィンドウへとセグメント化することが可能であり、ここで、ウィンドウは、重なり合わないか、または重なり合ってよい。品質評価演算において、複合ノイズ除去ＥＣＧ信号に含まれる信号ウィンドウの選択のための基準は、ＳＮＲ基準または分散関連基準に基づいてよい。より詳細には、前部ＥＣＧ信号および後部ＥＣＧ信号にわたるそれぞれの一致するウィンドウに対して、コンピューティングサブシステムは、ＳＮＲまたは分散関連基準に基づいて、どのウィンドウがノイズをより少なく有するかを判断して、ステッチングのために「ウィニング」ウィンドウを通過させ、複合ノイズ除去ＥＣＧ信号を生成することが可能である。
【0050】
（２．５方法－非パラメトリックスペクトル推定技術を用いた信号のノイズ除去）
図５Ｆは、図５Ａに図示される心臓血管信号の取得およびノイズ軽減のための方法の変形例のフローチャートを図示する。方法５００ｆを実行することにおいて、コンピューティングサブシステムは、電極のアレイと協働して、電極のアレイの左部サブポーションおよび右部サブポーションから１つまたは複数のＥＣＧ信号を生成することによって５１０、非パラメトリックスペクトル推定プロセスを実行して、ＥＣＧ信号を分解して５８１、ノイズ除去された信号を生成して５８０、ＥＣＧ信号を再構築して５８２、ノイズ除去された信号の成分およびノイズ成分を抽出する。方法５００ｆを実行することにおいて、コンピューティングサブシステムは、ＥＣＧ信号の準周期的な性質を用いることによって、ノイズ除去されたＥＣＧ信号を抽出することが可能である。５００ｆの具体的な例示において、コンピューティングサブシステムは、入力ＥＣＧ信号（例えば、前部ＥＣＧ信号、後部ＥＣＧ信号）を、精度の検討事項に基づいて、所望の長さ（例えば、１００サンプルの長さ、１００サンプルより短い長さ、１００サンプルより長い長さ）を有するハンケル行列へと埋め込み、ここで、より長い行列ほど精度は、より高くなるが、計算コストが高い。次に、コンピューティングサブシステムは、ハンケル行列を用いた特異値分解演算を用いて、入力信号を分解する。次に、コンピューティングサブシステムは、分解演算からの出力を、ＥＣＧ信号成分のために第１のグループおよびノイズ信号成分のために第２のグループを含む２つのグループへと分割することによって、ＥＣＧ信号を再構築する。具体的な例示において、再構築された時系列は、対角平均を用いて形成される。しかしながら、方法５００ｆの代替的な変形例は、別の分解および／または再構築アルゴリズムを有する別のスペクトル推定アーキテクチャを実装することが可能である。
図５Ｆは、図５Ａに図示される心臓血管信号の取得およびノイズ軽減のための方法の変形例のフローチャートを図示する。方法５００ｆを実行することにおいて、コンピューティングサブシステムは、電極のアレイと協働して、電極のアレイの左部サブポーションおよび右部サブポーションから１つまたは複数のＥＣＧ信号を生成することによって５１０、非パラメトリックスペクトル推定プロセスを実行して、ＥＣＧ信号を分解して５８１、ノイズ除去された信号を生成して５８０、ＥＣＧ信号を再構築して５８２、ノイズ除去された信号の成分およびノイズ成分を抽出する。方法５００ｆを実行することにおいて、コンピューティングサブシステムは、ＥＣＧ信号の準周期的な性質を用いることによって、ノイズ除去されたＥＣＧ信号を抽出することが可能である。５００ｆの具体的な例示において、コンピューティングサブシステムは、入力ＥＣＧ信号（例えば、前部ＥＣＧ信号、後部ＥＣＧ信号）を、精度の検討事項に基づいて、所望の長さ（例えば、１００サンプルの長さ、１００サンプルより短い長さ、１００サンプルより長い長さ）を有するハンケル行列へと埋め込み、ここで、より長い行列ほど精度は、より高くなるが、計算コストが高い。次に、コンピューティングサブシステムは、ハンケル行列を用いた特異値分解演算を用いて、入力信号を分解する。次に、コンピューティングサブシステムは、分解演算からの出力を、ＥＣＧ信号成分のために第１のグループおよびノイズ信号成分のために第２のグループを含む２つのグループへと分割することによって、ＥＣＧ信号を再構築する。具体的な例示において、再構築された時系列は、対角平均を用いて形成される。しかしながら、方法５００ｆの代替的な変形例は、別の分解および／または再構築アルゴリズムを有する別のスペクトル推定アーキテクチャを実装することが可能である。
【0051】
（３．方法－心臓血管の健康を監視するための多様な信号の生成および融合）
図６は、１つまたは複数の実施形態にかかる、電気的および機械的心臓血管信号の取得処理のための方法のフローチャートを図示する。図６に図示されるように、ユーザーの足への接触に応答し、電極のアレイは、１つまたは複数の電気信号（例えば、ＥＣＧ信号、ＩＰＧ信号）を生成する６１０。ユーザーの足に接触することに応答して、１組の力センサーは、また、１つまたは複数の力から導き出された信号（例えば、ＢＧＣ信号、体重信号）を生成する６１５。次に、コンピューティングサブシステム（例えば、上記の電子サブシステムおよび／またはコンピューティングサブシステムのコンポーネント）は、１組の心臓血管の健康パラメーターの値を生成し６２０、ここで、１組の心臓血管の健康パラメーターの値の生成は、収縮時間パラメーターの値の生成６２５を含むことが可能であり、これらのいくつかが以下で説明される。次に、コンピューティングサブシステムは、１組の心臓血管の健康パラメーターの値を、心臓血管のリスクモデルを用いて処理して６４０、心臓血管のリスクモデルの出力を戻す６５０。
図６は、１つまたは複数の実施形態にかかる、電気的および機械的心臓血管信号の取得処理のための方法のフローチャートを図示する。図６に図示されるように、ユーザーの足への接触に応答し、電極のアレイは、１つまたは複数の電気信号（例えば、ＥＣＧ信号、ＩＰＧ信号）を生成する６１０。ユーザーの足に接触することに応答して、１組の力センサーは、また、１つまたは複数の力から導き出された信号（例えば、ＢＧＣ信号、体重信号）を生成する６１５。次に、コンピューティングサブシステム（例えば、上記の電子サブシステムおよび／またはコンピューティングサブシステムのコンポーネント）は、１組の心臓血管の健康パラメーターの値を生成し６２０、ここで、１組の心臓血管の健康パラメーターの値の生成は、収縮時間パラメーターの値の生成６２５を含むことが可能であり、これらのいくつかが以下で説明される。次に、コンピューティングサブシステムは、１組の心臓血管の健康パラメーターの値を、心臓血管のリスクモデルを用いて処理して６４０、心臓血管のリスクモデルの出力を戻す６５０。
【0052】
コンピューティングシステムは、また、出力から導き出されたユーザーの心臓血管の健康状態の予測をユーザーに関連付けられたエンティティに提供することが可能である６６０。エンティティは、望ましくない心臓血管の健康状態を積極的に改善するために、または所望の心臓血管の健康状態を維持するために自動治療介入に関連する予測のさらなる分析を提供する別のコンピューティングエンティティであってよい。自動治療介入は、医療デバイス（例えば、電気刺激デバイス、薬剤溶出デバイス、薬剤分配デバイスなど）を通して、コンピューティングサブシステムと通信して提供されることが可能であり、これによって、コンピューティングサブシステムは、また、自動治療介入のための医療デバイスの動作状態を制御するために命令を生成および／または提供することが可能である。エンティティは、追加的または代替的に、開業医、救急隊員、介護士、家族、友人、またはユーザーの他の知人などの非コンピューティングエンティティであってよい。
【0053】
方法６００は、心臓血管の健康パラメーターの値を抽出すべく、ユーザーが感知面に足を踏み入れると同時にまたは同時期に収集される電気信号から導き出されたパラメーターおよび力から導き出された信号を処理および融合するよう機能する。次に、パラメーターの値は、ユーザーの心臓血管の健康状態をリアルタイムで判断することに用いられることが可能である。１つまたは複数の実施形態において、方法６００に関連付けられるシステムは、ＥＣＧ信号（例えば、上記の方法などにおいて）、ＩＰＧ信号、ＢＣＧ信号、およびユーザーの足との関係を通して体重測定値を生成する。方法６００および関連するシステムコンポーネントは、これによって、パラメーターの値が非破壊的／非侵入的方法で日常的に収集されるよう構成され、必要に応じて、危機的な時期に治療介入を引き起こすようユーザーの心臓血管の健康を監視するために分析されることが可能である。
【0054】
方法６００は、上記のシステム実施形態の１つまたは複数の部分によって実装されることが可能であり、ここで、電極のアレイの部分（例えば、電極のアレイの前部サブポーション、後部サブポーション、左部サブポーション、および右部サブポーション）が異なるチャネル（ＥＣＧチャネル、ＩＰＧチャネルなど）で処理される電気信号を提供することが可能であり、１つまたは複数の力センサーは、力から導き出された信号を提供することが可能である。次に、信号は、電子サブシステムコンポーネントを用いて調整され、コンピューティングサブシステムによって処理されて、ユーザーの健康を維持または改善するために用いられることが可能である処理された出力を提供する。
【0055】
（３．１方法－パッシブ電気信号の抽出）
図６に図示されるように、ユーザーの足への接触に応答して、電極のアレイは、１つまたは複数の電気信号を生成する６１０。
図６に図示されるように、ユーザーの足への接触に応答して、電極のアレイは、１つまたは複数の電気信号を生成する６１０。
【0056】
上記の方法５００に関連して説明されるＥＣＧ信号を含むパッシブ電気信号は、生成されることが可能である。それ故に、パッシブ電気信号は、心臓の減極によって生成される周期的な信号を含むことが可能である。パッシブ電気信号は、また、ユーザーの脚の筋肉に関連付けられる筋肉活動情報を含む時間の変化する成分を含むことが可能であり、立ち上がるおよび／またはバランスをとったりすることに用いられる筋肉によって生成される電位から導き出せる。脚の筋肉の活動を取得する信号は、ユーザーの足とシステムの電極のアレイとの間の接触インピーダンスのため、より低い周波数を有する。脚の筋肉活動を取得する信号は、また、足の位置における変化、皮膚の皮膚電気活動、皮膚における汗腺の活動によって変調され、生理学的および／または（自律神経系の活性化に関連する）心理学的覚醒の指示であってよい。
【0057】
（３．２方法－アクティブ電気信号の抽出）
パッシブ電気信号を生成するために用いられる同一の電極のアレイは、また、ユーザーが電極のアレイと電気的に接触している表面に足を踏み入れた場合の上記ＩＰＧ信号などのアクティブ電気信号を生成することが可能であるが、代替的な実施形態において、ＩＰＧ信号（または他の電気信号）は、別の電極の組を用いて収集されることが可能である。それぞれのアクティブ電気信号は、心拍ごとに血液量と流量が変化するにつれて下肢の抵抗が変化することに起因する周期成分を有しており、周期成分（つまり、ＩＰＧ信号）は、コンピューティングサブシステムおよびバンドパスフィルターに（例えば、０．５～３０Ｈｚの周波数帯域で）関連付けられる電子機器によって抽出される。それぞれのアクティブ電気信号は、また、身体のインピーダンスを表現する静的なまたはゆっくり変化するＤＣ成分を有して、このＤＣ成分は、体内の水分量の指示である。コンピューティングサブシステムおよび関連する電子機器は、ＤＣコンポーネントからパラメーターの値を抽出し、ここで、パラメーターは、体液の状態、細胞外と細胞内水分量、身体組成、体脂肪、および浮腫の状態のうちの１つまたは複数を含む。周期成分とＤＣ成分は、以下でより詳細に説明されるように、コンピューティングサブシステムによって多様な周波数で導き引き出され、追加情報を抽出する。例えば、より高い周波数の信号（～６４ｋＨｚ）は、身体の中のより多くの細胞膜を通過することが可能であり、それ故に、身体全体の水分量を表現する。低周波数の信号（～８ｋＨｚ）は、細胞膜をより通過しにくく、細胞外の水分量を表現する。それ故に、コンピューティングサブシステムは、さまざまな周波数で信号を処理することが可能であり、体内総水分（ＴＢＷ）、細胞外液（ＥＣＷ）、および細胞内水（ＩＣＷ）の含有量に関連するパラメーターの値を抽出する。
パッシブ電気信号を生成するために用いられる同一の電極のアレイは、また、ユーザーが電極のアレイと電気的に接触している表面に足を踏み入れた場合の上記ＩＰＧ信号などのアクティブ電気信号を生成することが可能であるが、代替的な実施形態において、ＩＰＧ信号（または他の電気信号）は、別の電極の組を用いて収集されることが可能である。それぞれのアクティブ電気信号は、心拍ごとに血液量と流量が変化するにつれて下肢の抵抗が変化することに起因する周期成分を有しており、周期成分（つまり、ＩＰＧ信号）は、コンピューティングサブシステムおよびバンドパスフィルターに（例えば、０．５～３０Ｈｚの周波数帯域で）関連付けられる電子機器によって抽出される。それぞれのアクティブ電気信号は、また、身体のインピーダンスを表現する静的なまたはゆっくり変化するＤＣ成分を有して、このＤＣ成分は、体内の水分量の指示である。コンピューティングサブシステムおよび関連する電子機器は、ＤＣコンポーネントからパラメーターの値を抽出し、ここで、パラメーターは、体液の状態、細胞外と細胞内水分量、身体組成、体脂肪、および浮腫の状態のうちの１つまたは複数を含む。周期成分とＤＣ成分は、以下でより詳細に説明されるように、コンピューティングサブシステムによって多様な周波数で導き引き出され、追加情報を抽出する。例えば、より高い周波数の信号（～６４ｋＨｚ）は、身体の中のより多くの細胞膜を通過することが可能であり、それ故に、身体全体の水分量を表現する。低周波数の信号（～８ｋＨｚ）は、細胞膜をより通過しにくく、細胞外の水分量を表現する。それ故に、コンピューティングサブシステムは、さまざまな周波数で信号を処理することが可能であり、体内総水分（ＴＢＷ）、細胞外液（ＥＣＷ）、および細胞内水（ＩＣＷ）の含有量に関連するパラメーターの値を抽出する。
【0058】
アクティブ電気信号の生成に関連して、システムは、ユーザーの片方の足から一方の脚を通って、次に、ユーザーの他方の脚と他一方の足を通って流れる刺激電流を提供することが可能である。ユーザーの体内の血液および他の体液の流れおよび存在は、刺激電流に対して変化する抵抗を示し、ここで、抵抗は、任意の所与の時点で、それぞれの身体領域（例えば、脚領域）における流体を用いて変化する。刺激電流は、検出可能な電圧変化を生成する抵抗率におけるこの変化に直面する。それ故に、検出可能な電圧変化に関連して、アクティブ電気波形は、刺激電流に関連付けられるユーザーの身体領域における最大および最小の流体量（例えば、血液量）を表現する特徴的なピークを有する。
【0059】
アクティブ信号を生成するために用いられる電極のサブポーションは、上記の基板の導電性の態様を通してユーザーの足に刺激電流を適用するよう構成されてよい。刺激電流は、小さな電流（例えば、５００ｕＡより小さい電流、１ｍＡより小さい電流、５ｍＡより小さい電流、１０ｍＡより小さい電流など）であってよい。刺激電流は、また、規則的な波形（例えば、正弦波形、非正弦波形、方形波形、鋸歯状波形など）または非規則的な波形を有する可変電流であってよい。しかしながら、刺激電流は非可変であってよく、身体領域のインピーダンスを評価することに用いられる周知の特性を有する。ある実施形態において、刺激電流は、８～６４ｋＨｚの周波数を有する約５００ｕＡの電流である。
【0060】
デバイスの左側および右側（およびユーザーの身体の左側および右側）に関連付けられる対の電極を用いる構成において、第１の対の電極は、刺激電流を適用することに用いられてよく、第２の対の電極は、アクティブ電気信号を検出することに用いられてよい。上記図２に図示されるデバイス構成に関連して、前部電極は、刺激電流を適用することに用いられてよく、後部電極は、ＩＰＧ信号を検出することに用いられてよい。あるいは、後部電極は、刺激電流を適用することに用いられてよく、前部電極は、ＩＰＧ信号を検出することに用いられてよい。あるいは、計時電子アーキテクチャで構成されることで、刺激電流は、一対の電極に適用されてよく、続いて、同一の対の電極でＩＰＧ信号を検出する。さらに、計時電子アーキテクチャに関連して、電子サブシステムは、アクティブ電気信号を検出するために用いられる電極のアレイを通してパッシブ電気信号を検出するための計時演算モードを実装することが可能である。
【0061】
（３．３方法－力から導き出された信号の抽出および他の信号）
図６に図示されるように、ユーザーの足に接触することに応答して、１組の力センサーは、また、１つまたは複数の力から導き出された信号（例えば、ＢＧＣ信号、体重信号）を生成する６１５。１組の力センサーおよび関連する電子サブシステムのコンポーネント（例えば、アナログ回路）は、心弾動図記録法に対して十分な信号対ノイズ比（ＳＮＲ）および解像度を有し、ここで、システムは、ユーザーの心臓血管系の生理学的動作によって生成される小さな力（例えば、心臓が鼓動するときの身体の小さな摂動など）を検出する。このような力は、心臓から大動脈への血液の放出（例えば、ＢＣＧ信号のＪ波に対応する）、および大動脈の上昇部分および下降部分を通ってユーザーの身体の他の部分への血液の移動に関連付けられる。ＢＣＧ信号は、コンピューティングサブシステムによってバンドパスフィルター（例えば、０．５～５０Ｈｚ）を通して抽出される。強制的に導き出された信号の低周波数またはＤＣ成分は、コンピューティングサブシステムによってローパスフィルター（例えば、５Ｈｚのカットオフ周波数）を通して導き出され、デバイス上に立っているユーザーの体重と同様に、基板上のユーザーの動きを特徴付ける。より詳細には、体重は、システムのすべての力センサーからの信号の合計を通して抽出されてよく、動きは、ローパスフィルタリングを通してそれぞれの力センサーを個別に抽出されてよく、圧力の中心情報を抽出する。
図６に図示されるように、ユーザーの足に接触することに応答して、１組の力センサーは、また、１つまたは複数の力から導き出された信号（例えば、ＢＧＣ信号、体重信号）を生成する６１５。１組の力センサーおよび関連する電子サブシステムのコンポーネント（例えば、アナログ回路）は、心弾動図記録法に対して十分な信号対ノイズ比（ＳＮＲ）および解像度を有し、ここで、システムは、ユーザーの心臓血管系の生理学的動作によって生成される小さな力（例えば、心臓が鼓動するときの身体の小さな摂動など）を検出する。このような力は、心臓から大動脈への血液の放出（例えば、ＢＣＧ信号のＪ波に対応する）、および大動脈の上昇部分および下降部分を通ってユーザーの身体の他の部分への血液の移動に関連付けられる。ＢＣＧ信号は、コンピューティングサブシステムによってバンドパスフィルター（例えば、０．５～５０Ｈｚ）を通して抽出される。強制的に導き出された信号の低周波数またはＤＣ成分は、コンピューティングサブシステムによってローパスフィルター（例えば、５Ｈｚのカットオフ周波数）を通して導き出され、デバイス上に立っているユーザーの体重と同様に、基板上のユーザーの動きを特徴付ける。より詳細には、体重は、システムのすべての力センサーからの信号の合計を通して抽出されてよく、動きは、ローパスフィルタリングを通してそれぞれの力センサーを個別に抽出されてよく、圧力の中心情報を抽出する。
【0062】
信号生成の間に、電子サブシステムに結合された追加のセンサーは、また、ユーザーの環境に関連付けられる追加の信号を生成することが可能である。このような信号は、温度信号および／または湿度信号を含むことが可能であり、ここで、他の電気信号測定または力信号測定に情報を与えるか、または影響を与えることが可能である。実装されることが可能であるさらなるセンサーは、上記でより詳細に説明される。
【0063】
（３．４方法－心臓血管および他の生理学的な健康パラメーターの抽出）
図７Ａは、１つまたは複数の実施形態にかかる、心臓血管の健康パラメーターの抽出プロセスのフロー図を図示する。図７Ａに図示されるように、システムは、１つまたは複数（またはセンサーの多様性および構成に応じて、１つまたは複数の例示）のＥＣＧ信号、ＩＰＧ信号、ＢＣＧ信号、体重信号、温度信号、および湿度信号を生成する。次に、電子サブシステムおよび／またはコンピューティングサブシステムは、図７Ｂ～図７Ｇに関連して、より詳細に以下で説明されるように、心臓血管の健康に関連するパラメーターの値を抽出すべく、それぞれの信号を異なる動作フローに通して通過させる。次に、パラメーターの値は、ユーザーの心臓血管の健康状態の予測を生成すべく、心臓血管のリスクモデルを用いて処理され、ここで、予測は、ユーザーの健康をサポートするための適切な治療介入を引き起こすことに用いられることが可能である。図７Ａ～図７Ｇに図示されるフローは、ユーザーがデバイスを用いるたびに日常的に（例えば、１日、毎日、毎週などの多様な回数）繰り返されることが可能であり、ここで、日常的な使用は、システムの要素を、体重信号を超えた信号を同時期に測定することが可能である体重計形成ファクターで構成されることによって促進される。それ故に、日常的な測定は、ユーザーの心臓血管の健康状態を長期的に分析するために豊富なデータを提供することが可能である。
図７Ａは、１つまたは複数の実施形態にかかる、心臓血管の健康パラメーターの抽出プロセスのフロー図を図示する。図７Ａに図示されるように、システムは、１つまたは複数（またはセンサーの多様性および構成に応じて、１つまたは複数の例示）のＥＣＧ信号、ＩＰＧ信号、ＢＣＧ信号、体重信号、温度信号、および湿度信号を生成する。次に、電子サブシステムおよび／またはコンピューティングサブシステムは、図７Ｂ～図７Ｇに関連して、より詳細に以下で説明されるように、心臓血管の健康に関連するパラメーターの値を抽出すべく、それぞれの信号を異なる動作フローに通して通過させる。次に、パラメーターの値は、ユーザーの心臓血管の健康状態の予測を生成すべく、心臓血管のリスクモデルを用いて処理され、ここで、予測は、ユーザーの健康をサポートするための適切な治療介入を引き起こすことに用いられることが可能である。図７Ａ～図７Ｇに図示されるフローは、ユーザーがデバイスを用いるたびに日常的に（例えば、１日、毎日、毎週などの多様な回数）繰り返されることが可能であり、ここで、日常的な使用は、システムの要素を、体重信号を超えた信号を同時期に測定することが可能である体重計形成ファクターで構成されることによって促進される。それ故に、日常的な測定は、ユーザーの心臓血管の健康状態を長期的に分析するために豊富なデータを提供することが可能である。
【0064】
システムのセンサーは、また、他の生理学的な健康パラメーターの値を生成することが可能であり、電気皮膚電位、電極への足の接触、パッシブ電位から足から足への筋電図信号、体内水分量（ＥＣＷ、ＩＣＷ、およびＴＢＷ）、身体組成、およびアクティブ電気信号からの体液の状態、体重、圧力の中心、および力から導き出された信号からの動きを含む。これらのパラメーターは、システムによって用いられて、広範囲の患者にさらなる臨床コンテキストを提供して、利用人口は、上記および以下で説明されるように、ノイズの軽減およびアーティファクトの除去のためにシステムにおけるノイズおよび動きを検出するためのシステムによって用いられることが可能である。
【0065】
（３．４．１方法－アンサンブル平均）
図７Ｂは、図７Ａに図示されるフロー図の第１の部分を図示し、これは、図６に図示される方法の部分６２０の実施形態に対応する。図７Ａおよび図７Ｂに図示されるように、電子サブシステムは、関連するコンピューティングアーキテクチャを用いて、ＥＣＧ信号、ＩＰＧ信号、およびＢＣＧ信号のそれぞれを補間演算７２１および１組のフィルタリング演算７２２を通して通過させることが可能である。ある実施形態において、補間およびフィルタリングの前に、アクティブおよびパッシブ電気信号は、システムの回路の２４ビットデルタシグマアナログ－デジタル変換器（ＡＤＣ）を用いて、２５０Ｈｚのサンプリングレートで測定される。ある実施形態において、補間およびフィルタリングの前に、１組の力センサーのそれぞれからの力から導き出された信号は、システムの回路の２４ビットデルタシグマＡＤＣを用いて、１ｋＨｚで連続的にサンプリングされ、ここで、より高いサンプリングレートは、力センサーの増加した数に関連付けられる。
図７Ｂは、図７Ａに図示されるフロー図の第１の部分を図示し、これは、図６に図示される方法の部分６２０の実施形態に対応する。図７Ａおよび図７Ｂに図示されるように、電子サブシステムは、関連するコンピューティングアーキテクチャを用いて、ＥＣＧ信号、ＩＰＧ信号、およびＢＣＧ信号のそれぞれを補間演算７２１および１組のフィルタリング演算７２２を通して通過させることが可能である。ある実施形態において、補間およびフィルタリングの前に、アクティブおよびパッシブ電気信号は、システムの回路の２４ビットデルタシグマアナログ－デジタル変換器（ＡＤＣ）を用いて、２５０Ｈｚのサンプリングレートで測定される。ある実施形態において、補間およびフィルタリングの前に、１組の力センサーのそれぞれからの力から導き出された信号は、システムの回路の２４ビットデルタシグマＡＤＣを用いて、１ｋＨｚで連続的にサンプリングされ、ここで、より高いサンプリングレートは、力センサーの増加した数に関連付けられる。
【0066】
コンピューティングサブシステムによって実行されるように、ある実施形態において、補間演算は、力から導き出された信号と同様に、パッシブおよびアクティブ電気信号の時間的解像度を高めるべく、１ｋＨｚへの信号の補間を含むことが可能である。しかしながら、補間は、別の適切な補間周波数を用いて、コンピューティングサブシステムによって実装されることが可能である。
【0067】
フィルタリング演算は、上記のようなバンドパスフィルタリング演算、および／または他のフィルタリング演算を含むことが可能である。フィルタリング演算は、異なる電気信号および／または力から導き出された信号にわたって変化することが可能であり、デジタル有限インパルス応答（ＦＩＲ）技術および／または無限インパルス応答（ＩＩＲ）技術を含むことが可能である。ある実施形態において、フィルタリング演算は、ＥＣＧ信号に関連付けられるパッシブ電気信号のために０．１～１００Ｈｚのバンドパスフィルターを含む。ある実施形態において、フィルタリング演算は、脚の筋肉から導き出された電位に関連付けられるパッシブ電気信号のために５～１００Ｈｚのバンドパスフィルターを含む。ある実施形態において、フィルタリング演算は、ＩＰＧ信号に関連付けられるアクティブ電気信号のために０．５～３０Ｈｚのバンドパスフィルターを含む。実施形態において、フィルタリング演算は、ＢＣＧ信号に関連付けられる力から導き出された信号のために０．５～５０Ｈｚのバンドパスフィルターを含む。しかしながら、変形例において、他の周波数域は、さまざまなバンドパスフィルタリング演算で、さまざまな信号タイプのために用いられることが可能である。
【0068】
追加的または代替的に、フィルタリング演算は、４次ハイパスフィルター演算に続いて、ローパスフィルター演算を含むことが可能である。それぞれの信号タイプに対して、ハイパスフィルターは、信号の高次導関数の特徴を保持すべく、それぞれの信号タイプの高次導関数に関連付けられるカットオフ周波数を含むことが可能であり、ここで、カットオフ周波数は、信号タイプにわたって異なることがある。しかしながら、カットオフ周波数または周波数域は、代替的に、重複する可能性がある。同様に、ローパスフィルターは、それぞれの信号タイプに関連付けられるカットオフ周波数を含むことが可能であり、ここで、カットオフ周波数は、信号タイプにわたって異なる。しかしながら、カットオフ周波数または周波数域は、代替的に、重複する可能性がある。さらに他の変形例において、フィルタリング演算は、信号の非４次導関数に適用されることが可能である。さらに、フィルターは、他の適切な順序でインバウンド信号に適用されることが可能である。
【0069】
上記に示されるように、電気および力から導き出された信号は、位相関係および信号間の正確な時間同期に依存する心臓血管の健康パラメーターの抽出を促進すべく、ユーザーが彼／彼女の足で基板に接触した場合に同時にサンプリングされる。このため、システム構成は、自動信号同期を可能とし、フィルタリングおよび他の信号処理演算のため、位置合わせのずれの原因となる。しかしながら、代替の実施形態において、システムは、非同時サンプリングで異なる信号を収集することが可能であり、信号登録および位置合わせ技術を実装して、位相関係に依存する心臓血管の健康パラメーターを抽出する。
【0070】
図７Ａおよび図７Ｂに関連して、電子サブシステムは、関連するコンピューティングアーキテクチャを用いて、特定の信号タイプをゲートオフするアンサンブル平均化技術を用いて、他の信号タイプのアンサンブル平均の参照として、１つの信号タイプの抽出された特徴を用いることが可能である。説明される実施形態において、動的な力から導き出された信号と同様に、アクティブおよびパッシブ電気信号は、大きさが小さく、且つノイズおよびアーティファクトによって汚染されており、ここで、アンサンブル平均化の使用を動機付ける。説明される実施形態において、ＩＰＧ信号は、最高の信号対ノイズ比（ＳＮＲ）を有するので、ＩＰＧ信号の特徴的な特性は、それぞれの信号をアンサンブル平均することに用いられる。
【0071】
ある実施形態において、図７Ａ、図７Ｂ、および図７Ｃに図示されるように、コンピューティングサブシステムは、ＩＰＧ信号から１組のピークを検出することが可能であり、ＩＰＧ信号が生成されるにつれて、抽出されたピークを用いて、ＥＣＧ信号、ＩＰＧ信号、および／またはＢＣＧ信号のそれぞれに対して、アンサンブル平均波形を生成する７２３。より詳細には、コンピューティングサブシステムは、ＩＰＧ信号の１次導関数を生成して、移動平均フィルターを用いてＩＰＧ信号の１次導関数を平滑化して、平滑化演算の出力を二乗する。ＩＰＧ導関数信号の最大ピークは、処理された電気信号および力から導き出された信号のアンサンブル平均のためのゲーティング特徴として用いられる。次に、ＩＰＧ信号のそれぞれの入力ピークは、それぞれの電気および力から導き出された信号のためのそれぞれの時間マーカーの両側にウィンドウ（例えば、５００～１０００ｍｓのウィンドウ）を収集して格納するために時間マーカーとして用いられる。さらなるピークが検出されるにつれて、それぞれのピークについての信号のウィンドウは、合計、且つ平均が出されて、（例えば、デバイスの基板上に立っているユーザーのセッションに関連付けられる）測定期間にわたってそれぞれの信号タイプのアンサンブル平均を作成する。本実施形態において、結果としてアンサンブル平均は、それぞれの電気信号および力から導き出された信号タイプのためにおよそ１つの心拍周期の情報をもたらす。しかしながら、さまざまな実施形態において、アンサンブル平均にわたるピークの数は、ノイズを低減するためにコンピューティングサブシステムによって調整されることが可能であり、ある実施形態において、それぞれのアンサンブル平均は、２０回の心拍にわたって生成される。数（Ｎ）のピークにわたる平均化は、Ｎの平方根の係数によってノイズの低減に関連付けられている。アンサンブル平均プロセス７２３を実行することにおいて、コンピューティングサブシステムは、非周期的であるノイズのソースを除去することが可能である。例えば、パッシブ電気信号の（下肢の筋肉の活性化に関連付けられる）筋電図成分は、パッシブ電気信号のＥＣＧ成分を圧倒することが可能であり、ＩＰＧ信号を用いたアンサンブル平均は、筋電図成分に関連付けられる非周期的ノイズを除去することが可能である。
【0072】
他の実施形態において、他の特徴は、アンサンブル平均を作成することに用いられることが可能である。例えば、コンピューティングサブシステムは、他のＩＰＧ信号の特徴（例えば、他の最大値または最小値）、ＩＰＧ信号の高次導関数の特徴、およびＩＰＧ信号の他の変換の特徴に基づいて、信号のアンサンブル平均を生成することが可能である。さらに他の実施形態において、コンピューティングサブシステムは、アンサンブル平均のためのゲーティングソースとして他の非ＩＰＧ信号を実装することが可能である。このようなある実施形態において、十分な品質を有するＢＣＧ信号は、コンピューティングサブシステムによって処理されることが可能であり、アンサンブル平均に用いられるための（例えば、Ｉ波の、Ｊ波の）特徴的な特性を検出する。追加的または代替的に、別の実施形態において、十分な品質を有するＥＣＧ信号は、コンピューティングサブシステムによって処理されることが可能であり、アンサンブル平均に用いられるための（例えば、ＱＲＳピークの）特徴的な特性を検出する。ゲーティング特徴は、すべてのユーザーにわたって一定であってよく、またはそれぞれのユーザーのためにそれぞれの信号タイプの品質の特徴に基づいて、コンピューティングサブシステムによって自動的且つ適応的に変化して選択してよい。
【0073】
（３．４．２方法－アンサンブル平均に関連するノイズ軽減）
さらに、アンサンブル平均演算７２３を実行することにおいて、コンピューティングサブシステムは、重み付きウィンドウプロセスを用いることが可能であり、それによって、分散関連パラメーター（例えば、局所的分散、標準偏差）は、それぞれの信号ウィンドウに重み付けを割り当てることに用いられることが可能であり、それが処理されてアンサンブル平均を生成し、ここで、よりノイズの多い信号ウィンドウに対して重み付けを低減する。
さらに、アンサンブル平均演算７２３を実行することにおいて、コンピューティングサブシステムは、重み付きウィンドウプロセスを用いることが可能であり、それによって、分散関連パラメーター（例えば、局所的分散、標準偏差）は、それぞれの信号ウィンドウに重み付けを割り当てることに用いられることが可能であり、それが処理されてアンサンブル平均を生成し、ここで、よりノイズの多い信号ウィンドウに対して重み付けを低減する。
【0074】
関連するプロセスにおいて、アンサンブル平均プロセスを用いたノイズ軽減に関連して、コンピューティングサブシステムは、ゲーティング特徴がアンサンブル平均プロセスでさらに用いられることを阻止し、それによって、高いレベルのノイズまたは他のアーティファクトに関連付けられる信号のウィンドウのためにアンサンブルを阻止する。コンピューティングサブシステムは、閾値のノイズ条件との比較に基づいて、ゲーティング特徴の阻止を引き起こすことが可能である。コンピューティングサブシステムは、追加的または代替的に、別のパラメーターの値（例えば、動きの尺度として、力センサーから導き出されたデータからの圧力の中心）に基づいて、ゲーティング特徴の阻止を引き起こすことが可能である。ゲーティング特徴の阻止の閾値の値条件は、測定セッションごとに一定にされてよく、または信号タイプごとに適合されてよい。コンピューティングサブシステムは、また、対象の特徴（例えば、ＥＣＧ信号のＱＲＳ群など）を除外しない方法で、閾値の条件の比較を実装する。
【0075】
（３．４．３方法－心臓血管パラメーターの抽出）
信号が測定され、且つ前処理されると、信号間の特徴的な特性および関係がコンピューティングサブシステムによって抽出され、心臓血管の健康状態および／またはユーザーの他の生理学的状態が判断される。以下で説明されるように、ＩＰＧ、ＥＣＧ、およびＢＣＧ信号のそれぞれの特徴は、抽出され、且つ混合抽出されることが可能であり、心臓血管の健康パラメーターと相関する特徴の値を生成する。
信号が測定され、且つ前処理されると、信号間の特徴的な特性および関係がコンピューティングサブシステムによって抽出され、心臓血管の健康状態および／またはユーザーの他の生理学的状態が判断される。以下で説明されるように、ＩＰＧ、ＥＣＧ、およびＢＣＧ信号のそれぞれの特徴は、抽出され、且つ混合抽出されることが可能であり、心臓血管の健康パラメーターと相関する特徴の値を生成する。
【0076】
図７Ｄは、図７Ａに図示されるフロー図の第２の部分を図示し、これは、図６に図示される方法の部分６２０の実施形態に対応する。図７Ａおよび図７Ｄに図示されるように、コンピューティングサブシステムは、ＥＣＧ信号のＲピーク、または平均化されたＥＣＧ波形およびＢＣＧ信号のＩ波のピーク、または平均化されたＢＣＧ波形を識別することが可能である。次に、コンピューティングサブシステムは、Ｒピークの位置およびＩ波のピークを用いることが可能であり、ユーザーのために放出前期間（ＰＥＰ）を抽出する７２４。Ｒピークは、心臓の右心室と左心室の減分極に対応するＱＲＳ群のピークであり、ＥＣＧ信号において取得される。コンピューティングサブシステムは、ウェーブレット分析を用いることが可能であり、信号におけるＲピークを識別する。ウェーブレット分析は、ＥＣＧ信号におけるＲピークを強化するよう離散ウェーブレット変換に続いて、Ｒピークに関連付けられる時点を見つけるためにピーク検出プロセスを含むことが可能である。Ｉ波ピークは、ＰＥＰの終了に対してよいプロキシであってよく、Ｉ波は、大動脈からの血液の放出後を表現し、コンピューティングサブシステムは、Ｉ波のピークに対応する時点を見つけるようピーク検出プロセスを用いてよい。次に、コンピューティングサブシステムは、補正演算を適用してよく、ＰＥＰ期間のより正確な終了を抽出し、ここで、補正演算は、ＰＥＰの真の値を出力する基準デバイスに対するモデリングに基づいてよい。あるいは、ＰＥＰおよび／またはＰＥＰに関連付けられる相対的な時点は、例えば、脈拍数および／または脈拍通過時間の他の測定されたパラメーターを用いて、補正係数を用いて推定されてよい。補正演算は、（例えば、さまざまな測定システムの間に）さまざまなユーザーからの信号に普遍的に適用されるか、または代替的にカスタマイズされることが可能である。しかしながら、他の特徴は、ＰＥＰ期間の終了（例えば、ＩＰＧから導き出された信号のＢポイント）を見つけるためのよいプロキシであってよい。ＰＥＰは、心臓の電気的減分極と上行大動脈への血液の放出との間の時間を特徴付け、これは、心臓が収縮している時間の長さに関連して、心臓の収縮性を反映している。
【0077】
図７Ｅは、図７Ａに図示されるフロー図の第３の部分を図示し、これは、図６に図示される方法の部分６２０の実施形態に対応する。ある実施形態において、コンピューティングサブシステムは、平均化されたＩＰＧ波形の１次導関数を生成して、１次導関数に（例えば、１５Ｈｚの）ローパスフィルターを適用する。ある実施形態において、コンピューティングサブシステムは、また、平均化されたＩＰＧ波形の２次導関数を生成して、（例えば、２１Ｈｚの）ローパスフィルターを２次導関数に適用する。ある実施形態において、コンピューティングサブシステムは、平均化されたＩＰＧ波形の３次導関数を生成して、３次導関数に（例えば、２１Ｈｚの）ローパスフィルターを適用する。図７Ａおよび図７Ｅに図示されるように、コンピューティングサブシステムは、ＩＰＧ信号または平均化されたＩＰＧ波形のＢポイント、およびＩＰＧ信号または平均化されたＩＰＧ波形の１次導関数、２次導関数、および３次導関数のうちの少なくとも１つからＸポイントを識別することが可能である。具体的には、ＢポイントおよびＸポイントのうちの１つまたは複数の識別は、ノイズまたは非定的な信号形態によって不明瞭になる可能性がある。このため、他の信号（例えば、ＥＣＧから導き出された信号、ＢＣＧから導き出された信号、ＩＰＧから導き出された信号）のうちの１つまたは複数は、Ｂおよび／またはＸポイントを正しく識別することに用いられることが可能である。例えば、ＥＣＧから導き出された信号のＲピークは、生理学的なウィンドウを画定することに用いられることが可能であり、ここで、Ｂポイントは、見つかると予想される。このため、他の信号は、このような特徴の局在化を改善すべく、生理学的に関連する時間ウィンドウを生成することに用いられることが可能であり、ここで、他の信号特徴は、見つかると予想される。次に、コンピューティングサブシステムは、ＢポイントとＸポイントとの間の時間距離からユーザーのために左心室放出時間（ＬＶＥＴ）を判断することが可能であり、ここで、ＬＶＥＴは、大動脈弁を横断する血流の時間周期であり、ユーザーの心拍数（ＨＲ）、大動脈弁の前負荷、大動脈弁の後負荷、および収縮状態によって影響を受ける。より詳細には、ユーザーのＬＶＥＴを判断することにおいて、コンピューティングサブシステムは、平均化されたＩＰＧ波形（またはＩＰＧ信号）の２次導関数を生成することが可能であり、平均化されたＩＰＧ波形（またはＩＰＧ信号）におけるインピーダンスの最大変化の直前の第１の最小値を識別し、ここで、第１の最小値に関連付けられる時点がＢポイントに対応する。コンピューティングサブシステムは、また、平均化されたＩＰＧ波形（またはＩＰＧ信号）の２次導関数の絶対最小値を識別することが可能であり、ここで、絶対最小値に関連付けられる時点は、Ｘポイントに対応する。次に、コンピューティングサブシステムは、第１の最小値および絶対最小値の位置から左心室放出時間（ＬＶＥＴ）を判断することが可能である。
【0078】
関連する実施形態において、ＬＶＥＴは、ＢＣＧから導き出された信号および／またはＩＰＧから導き出された信号の特徴から判断することが可能である。例えば、ＢＣＧから導き出された信号は、ハイパスフィルタリングされることが可能であり、および／またはＢＣＧから導き出された信号の導関数は、計算されることが可能であり、これによって、信号のより高い周波数成分が強調され、且つ抽出される。結果として得られる特徴は、大動脈弁の開閉によるユーザーの身体の振動を表現することが可能であり、コンピューティングサブシステムによって、弁の開閉を表現する時間マーカーを判断することに用いられることが可能である。次に、これらの時間マーカーは、ＩＰＧから導き出された特徴の組み合わせの有無にかかわらず、ユーザーのためにＬＶＥＴを計算することに用いられる。これらの特徴は、また、ＰＥＰを計算するためにＥＣＧから導き出された特徴を用いて用いられることが可能である。例えば、コンピューティングサブシステムは、ＰＥＰを判断するために、Ｒピーク時点およびＢＣＧから導き出された信号の大動脈弁開放の特徴の時点を処理することが可能である。
【0079】
このため、アンサンブル平均信号の変換は、特徴を抽出することに用いられることが可能であり、ここで、平均アンサンブル信号（例えば、平均化されたＩＰＧ信号）の導関数および高次導関数（例えば、２次導関数、３次導関数、４次導関数など）は、異なる心臓血管の時間間隔に関連付けられる特徴（例えば、ピークおよび谷）を抽出することに用いられることが可能である。さらに、信号の変換に関連付けられる時間間隔は、導関数の特徴を抽出することに用いられることが可能である。
【0080】
コンピューティングサブシステムは、アンサンブル平均信号から振幅特徴を抽出することが可能である。具体的には、アンサンブルは、ゲーティングを含むため、異なる信号タイプにわたる測定セッションの間に、信号のタイミングおよび位相の小さな変化が結果としてゲーティング特徴を含まない信号のために特徴振幅を低減することが可能である。それ故に、コンピューティングサブシステムは、個々の成分信号を用いて個々のアンサンブル平均波形を再整列することによって、それぞれの信号タイプにおける特徴の真の振幅を回復することが可能である。ある例示において、ＢＣＧ信号を再整列させるために、アンサンブル平均のＢＣＧ信号を生成することに用いられるそれぞれの成分信号のＪ波は、アンサンブル成分を再整列することに用いられることが可能である。Ｊ波の位置が周知であるため、より狭いウィンドウ（例えば、５００ｍｓより小さいウィンドウ）は、Ｊ波の位置に関連付けられる局所的なピークを検出することに用いられることが可能であり、アンサンブル成分を再整列することに用いられる。次に、再整列後に、Ｊ波成分の真の振幅は、コンピューティングサブシステムによって抽出されることが可能である。
【0081】
図７Ｆは、図７Ａに図示されるフロー図の第４の部分を図示し、これは、図６に図示される方法の部分６２０の実施形態に対応する。図７Ａおよび図７Ｆに図示されるように、コンピューティングサブシステムは、ＥＣＧ信号およびＩＰＧ信号に適用される信号融合プロセスから導き出されたＰＥＰ／ＬＶＥＴ比を判断し、ここで、ユーザーのためのＰＥＰおよびＬＶＥＴは、上記の図７Ｃおよび図７Ｅに関連して説明されるように、判断されることが可能である。ＰＥＰ／ＬＶＥＴ比は、放出割合と相関する左心室収縮性能の指標（つまり収縮時間比、ＳＴＲ）を特徴付け、これは、収縮するごとにユーザーの心臓から出る血液の割合の測定である。具体的には、閾値を上まわるＰＥＰ／ＬＶＥＴ比は、収縮心不全の患者を診断するためにコンピューティングサブシステムによって用いられることが可能である。例えば、０．４０（または別の閾値）より大きいＰＥＰ／ＬＶＥＴ比は、患者が４０％（または別の値）より小さい放出率を有することを示すことが可能である。コンピューティングサブシステムは、また、ＰＥＰ／ＬＶＥＴ比を表現型の患者に用いることが可能である。例えば、ＰＥＰ／ＬＶＥＴ比は、心不全の最も共通の２つの形態間（例えば、心不全に関連する放出率の低減および心不全に関連する放出率の保持）を判別することに用いられることが可能である。
【0082】
図７Ｇは、図７Ａに図示されるフロー図の第５の部分を図示し、これは、図６に図示される方法の部分６２０の実施形態に対応する。図７Ａおよび図７Ｇに図示されるように、コンピューティングサブシステムは、平均化されたＢＣＧ波形（またはＢＣＧ信号）のＪ波の位置を識別し、ここで、Ｊ波は、心位相のＱＲＳ群と心位相のＳＴセグメントとの間の信号における偏差に対応する。次に、コンピューティングサブシステムは、システムの１組の力センサーを通して、ユーザーの左足と右足のうちの少なくとも１つでＪ波に関連付けられるパルスの到着時間を検出することが可能である。次に、Ｊ波の位置、パルスの到着時間、およびユーザーの身長に対応する時点に基づいて、コンピューティングサブシステムは、ユーザーのためにパルス通過時間（ＰＴＴ）および／または脈波伝播速度（ＰＷＶ）を生成することが可能である７２７。より詳細には、コンピューティングサブシステムは、多様な信号からＰＴＴおよびＰＡＴを判断し、ここで、ある実施形態において、ＰＴＴは、ＩＰＧから導き出された信号およびＢＣＧから導き出された信号を用いて計算される。より詳細には、Ｉ波のピークは、第１の時間マーカーとして用いられて、ＩＰＧから導き出された信号の最大値は、第２の時間マーカーとして用いられ、ここで、第１の時間マーカーと第２の時間マーカーとの間の距離はＰＴＴに等しい。しかしながら、ＩＰＧおよび／またはＢＣＧから導き出された信号の他の特徴は、ＰＴＴを判断することに用いられることが可能である。例えば、ＩＰＧから導き出されたＪ波ピークおよびＸポイントは、ＰＴＴを判断することに用いられることが可能であり、ＩＰＧから導き出されたＢポイントおよびＢＣＧから導き出された信号のＪ波は、ＰＴＴを判断することに用いられることが可能であり、ＢＣＧから導き出された信号のＩ波ピークおよびＩＰＧから導き出されたＸポイントは、ＰＴＴを判断することに用いられることが可能であり、および／またはＢＣＧから導き出された信号のＩ波ピークおよびＩＰＧから導き出された最大ピークは、ＰＴＴを判断することに用いられることが可能である。
【0083】
ＰＴＴは、脈圧波形が動脈樹の一部（例えば、大動脈弓からユーザーの胴体下部領域まで）に沿って移動するためにかかる時間を特徴付け、ＰＷＶは、脈圧波形の移動速度を特徴付ける。コンピューティングサブシステムは、また、図７Ｇに図示されるように、Ｊ波の位置に関連してピーク検出アルゴリズムを実装することによって、平均化されたＢＣＧ波形のＩピークを見つけることが可能である。次に、コンピューティングサブシステムは、Ｉピークの位置、振幅、または他の態様を用いることが可能であり、収縮時間のパラメーターの値または健康リスクに関連する他のパラメーターの値を導き出す。
【0084】
図７Ａは、また、方法の一部を図示し、ここで、コンピューティングサブシステムは、多様なタイプの信号を融合し、ユーザーのために平均動脈圧、収縮血圧（ＳＢＰ）、および拡張期血圧（ＤＰＢ）のうちの１つまたは複数を抽出する。より詳細には、コンピューティングサブシステムは、平均化されたＥＣＧ波形、平均化されたＩＰＧ波形、平均化されたＢＣＧ波形、およびアンサンブル波形のうちの少なくとも１つから脈拍数を識別する。ある実施形態において、脈拍数は、ＩＰＧ信号のピークから判断されることが可能であり、心拍数のアンサンブル平均信号は、上記のように、ウィンドウ演算を用いて、（例えば、ＩＰＧ信号におけるそれぞれのピークについて－１５００～５００ｍｓのウィンドウを用いて）生成されることが可能である。次に、コンピューティングサブシステムは、平均化されたＢＣＧ波形からＢＣＧ振幅を識別する。次に、コンピューティングサブシステムは、（上記のように判断される）ＰＥＰ、（上記のように判断される）ＰＴＴ、脈拍数、ＢＣＧ振幅、および体重信号から心拍出量（ＣＯ）値へと導き出されたユーザーの体重、全身血管抵抗（ＳＶＲ）値、および中心静脈圧（ＣＶＰ）値を変換する７２８。最後に、ＣＯ、ＳＶＲ、およびＣＶＰ値を用いて、コンピューティングサブシステムは、ユーザーのために、心拍出量（ＣＯ）値および全身血管抵抗（ＳＶＲ）値の積が中心静脈圧（ＣＶＰ）値に加えられることから平均動脈圧（ＭＡＰ）を判断する７２９。
【0085】
脈拍数に関連して、コンピューティングサブシステムは、ＥＣＧから導き出された信号、ＩＰＧから導き出された信号、およびＢＣＧから導き出された信号のうちのいずれか１つまたは複数のリアルタイムの脈拍数を判断することが可能である。コンピューティングサブシステムは、追加的または代替的に、１つまたは複数の平均化された波形（つまり、平均化されたアンサンブル信号）から脈拍数（つまり、測定セッションの過程にわたって判断される平均脈拍数）を判断することが可能である。例えば、アンサンブル演算のためにウィンドウが（例えば、平均パルスの周期の約２倍またはそれより長く）拡張された場合、コンピューティングサブシステムは、所与のアンサンブルにおける多様な心拍を取得する。次に、平均脈拍数は、特徴的な特性の例示の時点（例えば、ＩＰＧから導き出された信号のピーク、ＥＣＧ信号のＲピーク）を検出することによって、最終的なアンサンブルを生成することに用いられるそれぞれの波形期間にわたって、導き出されることが可能であり、ここで、時点間の差は、脈拍数を計算することに用いられる。この実施形態において、判断される脈拍数は、それぞれのアンサンブル平均波形の判断において含まれた拍動だけを含んでおり、低品質および／または低解像度の信号に関連してロバストである。さらに、測定に関連付けられる動きまたは他のアーティファクトのため、特定の特徴が（説明されているフィルタリング演算によって）阻止された場合、特徴は、アンサンブル平均波形の生成の間、および、また、脈拍数の判断の間に自動的に検討から除外される。それ故に、脈拍数は、１つまたは複数のＥＣＧ信号、ＩＰＧ信号、およびＢＣＧ信号のアンサンブル平均波形を生成することからロバストに判断されることが可能である。
【0086】
前述のパラメーターに関連して、図７Ａに図示されるように、コンピューティングサブシステムは、また、ユーザーのために、（上記のように判断される）ＰＥＰおよび（上記のように判断される）ＰＴＴの合計からパルス到着時間（ＰＡＴ）をさらに生成する７３０。追加的または代替的に、ＰＡＴは、ＥＣＧから導き出された信号、ＢＣＧから導き出された信号、およびＩＰＧから導き出された信号から推測されるように判断されることが可能である。例えば、ＰＡＴは、コンピューティングサブシステムによって、ＥＣＧから導き出された信号のＲピークおよびＩＰＧから導き出された信号の１次導関数の最大値に基づいて、判断されることが可能である。
【0087】
さらに、ある実施形態において、コンピューティングサブシステムによって判断される生理学的に関連する時間間隔（例えば、ＰＥＰおよびＬＶＥＴ）は、脈拍数によって影響を受ける。このため、コンピューティングサブシステムは、また、脈拍数の判断に基づいて、これらの生理学的に関連する時間間隔を補正することが可能であることによって、それらの生理学的な重要性が（例えば、適切な治療介入の生成に関連して）適切に評価される。ある例示において、補正されたＬＶＥＴｃは、式ＬＶＥＴｃ＝１．５＊ＨＲ＋ＬＶＥＴに基づいて生成されることが可能であり、ここで、ＨＲは、脈拍数である。ある例示において、補正されたＰＥＰｃは、式ＰＥＰｃ＝０．４＊ＨＲ＋ＰＥＰに基づいて生成されることが可能である。補正された時間間隔（例えば、ＰＥＰｃ、ＬＶＥＴｃ）は、リアルタイムのＥＣＧ、ＢＣＧ、および／またはＩＰＧ信号から、および／または（上記のように）アンサンブル平均波形の生成を用いて判断されることが可能であり、ここで、補正されたおよび補正されていない時間間隔は、予測モデル（例えば、以下の図８に関連して説明される心電図の健康リスクの予測モデル）への入力として用いられることが可能である。例えば、ＰＥＰ／ＬＶＥＴ比は、上記のように、補正された間隔（例えば、ＰＥＰｃ／ＬＶＥＴｃ）を用いて判断されることが可能である。
【0088】
図７Ｈは、図７Ａに図示されるフロー図の第６の部分を図示し、これは、図６に図示される方法の部分６２０の実施形態に対応する。図７Ａおよび図７Ｇに図示されるように、コンピューティングサブシステムは、平均化されたＥＣＧ波形、平均化されたＩＰＧ波形、および平均化されたＢＣＧ波形のうちの１つまたは複数を、上記のシステムに関連して説明される、温度センサーからの入力温度信号および／または湿度センサーからの湿度信号を用いて変調する７３１。このため、ユーザーの左足および右足への接触に応答して、コンピューティングサブシステムは、温度信号および湿度信号を生成することが可能であり、温度信号および湿度信号に基づいて、１組の収縮時間パラメーターのうちの少なくとも１つの値を変調することが可能である。例えば、コンピューティングサブシステムは、デバイスの変化（例えば、湿度の変化による電極抵抗の変化）および／または過度の熱および／または湿度によるユーザーの生理学的変化のため、演算を変調することが可能である。
【0089】
また、上記のシステムに関連して、コンピューティングサブシステムは、生成された電気信号から、体内水分量と相関する身体インピーダンスを計算することが可能である。コンピューティングサブシステムは、また、ユーザーが基板に足を踏み入れるにつれて、ユーザーのバランスを判断することが可能であり、ここで、バランス分析は、多様な方向（例えば、横方向、前／後方向）における動き、圧力の中心、姿勢の揺れ、揺れ経路、揺れ速度、バランス指数、およびユーザーのバランスのあらゆる他の適切な成分のうちの１つまたは複数を含むことが可能である。
【0090】
さらに、ある実施形態において、あらゆる導き出されたパラメーター（例えば、ＭＡＰ、ＳＶ、ＣＯ、収縮時間間隔など）は、（例えば、基線または他の基準測定と比較して）絶対測定または相対測定であってよい。相対および／または絶対測定は、精度を改善するために基準デバイスに対して較正されてよい。例えば、導き出された１回拍出量モデルは、基準デバイス（例えば、フィック法に従って動作するデバイス、熱希釈デバイス、インピーダンス心電図デバイスなど）からデータを収集することによって、同時期に、上記のシステムの実施形態から判断されるパラメーターの値の精度を改善すべく、上記のシステムの実施形態からのデータの収集を用いて、特定のユーザーのために較正することが可能である。
【0091】
（４．方法－リスクモデルを用いて心臓血管の健康パラメーターの値を処理して、心臓血管の健康状態の予測を生成する）
図８は、１つまたは複数の実施形態にかかる、リスクモデルを用いて心臓血管の健康パラメーターを処理するための方法のフローチャートを図示する。図８に図示されるように、コンピューティングサブシステムは、上記のように、ユーザーのそれぞれの測定セッションの間に、心臓血管の健康パラメーターの値を生成する８４１。実施形態において、上記のように、コンピューティングサブシステムは、時間間隔および振幅から導き出された特徴を生成する。これらの特徴は、心臓血管の健康リスクに関連付けられる臨床パラメーターのモデルを構築することに用いられる。それ故に、コンピューティングサブシステムは、時間間隔および振幅から導き出された特徴の値を１回拍出量、心拍出量、血圧、全身血管抵抗、および他のパラメーターを含む臨床的に関連するパラメーターへと変換することが可能である８４２。次に、臨床パラメーターは、ユーザーの心臓血管の健康状態の予測を生成するよう構成される訓練されたリスクモデルへと入力してよく、ここで、心臓血管の健康状態は、安定状態、悪化状態（例えば、さまざまな形態の心臓病）および／または不確定な状態に関連してよい。ある例示において、特定のユーザーのために心臓血管のリスクモデルの出力は、距離分析８４３、または特定のユーザーのためにパラメーターを比較する別の分析を用いて処理されてよく、心臓血管の健康状態に関連付けられるモデルを出力する。次に、コンピューティングサブシステムは、距離分析または別の分析を用いて、ユーザーの心臓血管の健康状態の予測８４４を戻すことが可能である。ある例示において、予測は、心不全患者の代償不全を示すことが可能であり、コンピューティングサブシステムは、（例えば、不必要な入院の低減のために）予測を用いて遠隔治療介入を推進することが可能である。
図８は、１つまたは複数の実施形態にかかる、リスクモデルを用いて心臓血管の健康パラメーターを処理するための方法のフローチャートを図示する。図８に図示されるように、コンピューティングサブシステムは、上記のように、ユーザーのそれぞれの測定セッションの間に、心臓血管の健康パラメーターの値を生成する８４１。実施形態において、上記のように、コンピューティングサブシステムは、時間間隔および振幅から導き出された特徴を生成する。これらの特徴は、心臓血管の健康リスクに関連付けられる臨床パラメーターのモデルを構築することに用いられる。それ故に、コンピューティングサブシステムは、時間間隔および振幅から導き出された特徴の値を１回拍出量、心拍出量、血圧、全身血管抵抗、および他のパラメーターを含む臨床的に関連するパラメーターへと変換することが可能である８４２。次に、臨床パラメーターは、ユーザーの心臓血管の健康状態の予測を生成するよう構成される訓練されたリスクモデルへと入力してよく、ここで、心臓血管の健康状態は、安定状態、悪化状態（例えば、さまざまな形態の心臓病）および／または不確定な状態に関連してよい。ある例示において、特定のユーザーのために心臓血管のリスクモデルの出力は、距離分析８４３、または特定のユーザーのためにパラメーターを比較する別の分析を用いて処理されてよく、心臓血管の健康状態に関連付けられるモデルを出力する。次に、コンピューティングサブシステムは、距離分析または別の分析を用いて、ユーザーの心臓血管の健康状態の予測８４４を戻すことが可能である。ある例示において、予測は、心不全患者の代償不全を示すことが可能であり、コンピューティングサブシステムは、（例えば、不必要な入院の低減のために）予測を用いて遠隔治療介入を推進することが可能である。
【0092】
さらに、コンピューティングサブシステムは、疾病表現型（例えば、収縮変異体と拡張変異体との間の心不全の疾病表現型）のモデルを予測および生成するためのアーキテクチャを含むことが可能である。別の例示において、コンピューティングサブシステムは、１回拍出量の入力、全身血管抵抗の入力、およびインピーダンスの入力を高血圧表現型へと変換することが可能である。このような表現型は、コンピューティングサブシステムによって、ユーザーが体液の状態の問題または血液量の問題に苦しんでいるかを識別するよう命令することに用いられることが可能である。以下の治療介入規定に関連して説明されるように、表現型検査は、その次に、望ましくない健康状態の内在するメカニズムを標的とする治療をより正確に実施することに用いられることが可能である。
【0093】
パラメーターの値の生成およびモデルを用いたパラメーターの値の処理に関連して、コンピューティングサブシステムは、予測を生成すべく、上記の方法に従って生成される心臓血管および他の生理学的パラメーターの組み合わせを処理することが可能である。例えば、コンピューティングサブシステムは、心臓の状態に関連する出力の生成に加えて、体重および基線インピーダンスパラメーターを用いることが可能であり、体液の状態指数を生成する。体液の状態および心臓の状態の情報の組み合わせは、コンピューティングサブシステムによって用いられることが可能であり、特定の条件に対する感度および特異性を増加し、ここで、例えば、心臓の状態の変化（例えば、状態の悪化に関連する）に関連付けられる体液の状態変化（例えば、体液の貯留に関連する）は、増加した感度および特異性を用いて（例えば、心不全に関連する、慢性閉塞性肺疾患に関連する、慢性腎臓病に関連するなどの）状態を示すことが可能である。さらに、体重情報、インピーダンス情報、および他の心臓データの組み合わせは、コンピューティングサブシステムによって用いられることが可能であり、乾燥体重（つまり、いかなる体液も蓄積されていない患者の身体の通常の体重）を判断する。より詳細には、コンピューティングサブシステムは、血行力学的性能（ＭＡＰ、ＣＯ、収縮時間間隔など）の同時測定と組み合わせて、体液の状態を評価すると、乾燥体重を判断することが可能である。乾燥体重の評価は、（例えば、心不全、腎臓病などの）条件に関連して重要であり、ここで、体液の変化は、乾燥体重の基線と比較して測定されることが可能である。さらに、効果的な利尿は、ユーザーの乾燥体重の知識から恩恵を受ける。
【0094】
別の例示において、コンピューティングサブシステムは、体重に基づいてモデル出力を生成することが可能であり、実用的なフィードバックループにおけるユーザーの心臓の状態を改善する。より詳細には、ユーザーが過度の体重のため、高血圧であると判断された場合、コンピューティングサブシステムは、ユーザーのために、関連する予測を生成して、治療介入プロトコル（例えば、減量プログラム、接続された運動機器によって実施される運動療法に対する制御命令、減量サプリメントを含む接続されたディスペンサーに対する制御命令など）を生成することが可能である。治療介入は、また、上記のシステムの動作に対して調整された修正を含むことが可能であり、ここで、システムがユーザーのために体重および心臓の状態を同時に測定して、且つこのような情報をユーザーまたは別の関連するエンティティに提供して、ユーザーの健康状態の改善を促進する。より詳細には、体重の同時測定は、身長の情報と組み合わせて（例えば、別の方法で判断されるように、ユーザーまたは別のエンティティによって入力されると）、コンピューティングサブシステムによって用いられることが可能であり、ユーザーの体形に正規化された心臓血管の機能の指標を（例えば、ＢＭＩ、体表面積、または体形の他の導関数的な測定の観点から）生成する。ある例示において、１回拍出量および心拍出量は、体表面積を１回拍出量および心拍出量でそれぞれ割ることによって、（デュボイスの式、ヘイコック法などを用いて身長および体重から判断されると）１回拍出係数および心係数へと計算、且つ変換されてよい。具体的には、心係数は、１分間での左心室からの心拍出量（ＣＯ）を体表面積に関連する血行力学的パラメーターであり、それ故に、心臓性能がユーザーの体格に関連する。
【0095】
図９は、１つまたは複数の実施形態にかかる、ユーザーの心臓血管の健康の長期的な監視のフローチャートを図示する。図９に図示されるように、システムは、ユーザーの足に接触することに応答して、上記の実施形態にかかる、１組の電極からパッシブ電気信号およびアクティブ電気信号（例えば、ＥＣＧ信号およびＩＰＧ信号）を生成することが可能である９１０。ユーザーの足に接触することに応答して、システムは、また、上記の実施形態にかかる、力から導き出された信号（例えば、体重信号およびＢＣＧ信号）を生成することが可能である９１５。次に、コンピューティングサブシステムは、上記で導出された実施形態にかかる、信号融合演算を用いて、１組の心臓血管の健康パラメーターを生成することが可能であり９２０、ここで、心臓血管の健康パラメーターは、リスクモデルを用いてコンピューティングサブシステムによって処理される９４０。コンピューティングサブシステムは、ユーザーのために、異なる測定セッションに関連付けられる多様な時点で、心臓血管のリスクモデルの出力９５０を戻すことが可能である。異なる時点に関連付けられる出力は、経時的なユーザーの健康状態の変化に対する洞察を生成すべく、長期的な分析を用いて処理される９５１ことが可能である。長期的な分析は、ユーザーの特定の条件に対して調整された治療介入を促進することに用いられることが可能である。長期的な分析は、ユーザーの特定の条件に対して調整された治療介入を促進することに用いられることが可能である。例えば、コンピューティングサブシステムは、ユーザーのために、自動投薬調整に対する命令を生成することが可能である。ある特定の例示において、コンピューティングサブシステムの出力は、心不全患者の利尿投薬の自動滴定に用いられることが可能である。他の例示において、コンピューティングサブシステムの出力を用いて判断される自動投薬調整を他の慢性疾患条件（例えば、高血圧症）に適用されてよい。
【0096】
（４．結論）
説明されているシステムおよび方法は、利益および／または技術的改善を与えることが可能であり、それらのうちのいくつかが本明細書で記載されている。例えば、システムおよび方法は、複雑な生理学的な行動を特徴付ける融合または複合データを生成することが可能であり、これは、ユーザーの健康介入を改善するための洞察を提供するために分析される。このようなデータ構造および処理方法は、異なるソースからの大量のデータにわたって、経時的に多数のユーザーのために効率的に比較を生成することに用いられることが可能である。
説明されているシステムおよび方法は、利益および／または技術的改善を与えることが可能であり、それらのうちのいくつかが本明細書で記載されている。例えば、システムおよび方法は、複雑な生理学的な行動を特徴付ける融合または複合データを生成することが可能であり、これは、ユーザーの健康介入を改善するための洞察を提供するために分析される。このようなデータ構造および処理方法は、異なるソースからの大量のデータにわたって、経時的に多数のユーザーのために効率的に比較を生成することに用いられることが可能である。
【0097】
システムおよび方法は、センサーの非典型的な使用をさらに採用することが可能である。例えば、システムおよび方法は、非伝統的な身体領域から取られる生体測定信号のノイズに、極端にＳＮＲを増加させることを大幅に改善することを可能とする空間的および構造的構成において、異なるタイプのセンサーを含むセンサーアレイを採用することが可能である。そのため、システムおよび方法は、いくつかの技術的改善を提供することが可能である。
【0098】
実施形態の前述の説明は、例示の目的で提示されており、網羅的であること、または開示された正確な形態に特許権を限定することに意図されていない。関連技術分野における当業者は、上記の開示を考慮すると、多くの修正例および変形例が可能となることを理解することが可能である。
【0099】
本説明のある部分は、情報に対する動作のアルゴリズムおよび記号表現の観点から見ると、実施形態を説明している。これらのアルゴリズムの説明および表現は、データ処理技術における当業者によって一般的に用いられ、彼らの仕事の趣旨を効果的に他の当業者に伝える。これらの動作は、機能的、計算的、または論理的に説明されている一方で、コンピュータプログラム、または等価電気回路、マイクロコードなどによって実装されると理解される。さらに、普遍性を失うことなく、これらの動作の配列をモジュールと呼ぶことが便利な場合もあることが分かる。説明される動作およびそれらに関連するモジュールは、ソフトウェア、ファームウェア、ハードウェア、またはそれらのあらゆる組み合わせで具現化されてよい。
【0100】
本明細書で説明される任意のステップ、動作、またはプロセスは、単独または他のデバイスと組み合わせることで、１つまたは複数のハードウェアまたはソフトウェアモジュールを用いて実行または実装されてよい。ある実施形態において、ソフトウェアモジュールは、コンピュータプログラムコードを含むコンピュータ可読媒体を含むコンピュータプログラム製品を用いて実装され、これは、説明されるステップ、動作、またはプロセスのいずれかまたはすべてを実行するためにコンピュータプロセッサによって実行されることが可能である。
【0101】
実施形態は、また、本明細書の動作を実行するための装置に関連してよい。本装置は、要求される目的のために特別に構築されてよく、および／または、コンピュータに格納されるコンピュータプログラムによって、選択的にアクティベートされるか、または再構成される汎用コンピューティングデバイスを備えてよい。このようなコンピュータプログラムは、非一時的な有形のコンピュータ可読記憶媒、または任意のタイプの電子命令を格納することに適する媒体に格納されてよく、これは、コンピュータシステムバスに結合されてよい。さらに、本明細書で言及される任意のコンピューティングシステムは、単一のプロセッサを含んでよく、またはコンピューティング能力を高めるために多様なプロセッサ設計を採用するアーキテクチャであってよい。
【0102】
また、実施形態は、本明細書で説明されるコンピューティングプロセスによって生成される製品に関連してよい。このような製品は、コンピューティングプロセスから生じる情報を含んでよく、ここで、情報は、非一時的な有形のコンピュータ可読記憶媒体に格納され、本明細書で説明されるコンピュータプログラム製品または他のデータの組み合わせの任意の実施形態を含んでよい。
【0103】
最後に、明細書で用いられる文言は、主に読み易さおよび教育目的のために選択されており、本特許権を描写または制限するために選択されていないことがある。したがって、本特許権の範囲は、本詳細な説明によってではなく、本明細書に基づいた出願で発行される請求項によって制限されることが意図されている。したがって、実施形態の開示は、添付の特許請求の範囲に記載される本特許権の範囲を例示することを意図するものであり、限定することを意図するものではない。
【図1A】
【図1B】
【図2】
【図3A】
【図3B】
【図3C】
【図3D】
【図4】
【図5A】
【図5B】
【図5C】
【図5D】
【図5E】
【図5F】
【図6】
【図7A】
【図7B】
【図7C】
【図7D】
【図7E】
【図7F】
【図7G】
【図7H】
【図8】
【図9】