**对比文件名称**：2014-11-18_US8888700B_发明授权_US08888700B2 Body-worn monitor for measuring respiratory rate
**目标专利名称**：稳健心率估计CN107708538B
**本次调用的模型名称**：专利创造性评估模型
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：获得光学传感器信号的多个光学传感器信号测量值，所述光学传感器信号测量值部分地基于用户的至少一个心血管参数 | [0006]：“...RR can be measured from the envelope of a time-dependent optical waveform called a photoplethysmogram (PPG) that is measured from the patient's index finger during a conventional measurement of the patient's oxygen saturation (SpO2).”<br>（...呼吸率可以从光电血管容积图（PPG）这一随时间变化的光学波形的包络中测量，该波形是在常规测量患者血氧饱和度（SpO2）时从患者食指上测量的。）<br>[0014]：“Both SpO2 and cNIBP rely on accurate measurement of PPG and ACC waveforms...”<br>（SpO2和cNIBP都依赖于对PPG和ACC波形的准确测量...） | **隐含公开**。对比文件明确公开了使用PPG传感器获得光学波形（PPG信号）。根据本领域公知常识，PPG信号源自血液容积的周期性变化，该变化由心脏搏动（心血管参数）驱动。因此，PPG信号测量值必然“部分地基于用户的至少一个心血管参数”。虽然对比文件主要利用PPG测量呼吸率或血氧，但其获取PPG信号这一行为本身，已经隐含了获得基于心血管参数的光学传感器信号测量值。本领域技术人员可以从对比文件中毫无疑义地推导出这一技术特征。 |
| **技术特征B**：获得运动传感器信号的多个运动传感器信号测量值，所述运动传感器信号测量值部分地基于所述用户的运动 | [0009]：“...accelerometer waveforms (ACC).”<br>（...加速度计波形（ACC）。）<br>[0010]：“The accelerometer is typically mounted on the patient's torso...and measures small, breathing-induced movements to generate the time-dependent ACC waveform. The ACC waveform is also highly sensitive to the patient's motion and position...”<br>（加速度计通常安装在患者的躯干上...并测量微小的呼吸引起的运动以生成随时间变化的ACC波形。ACC波形也对患者的运动和体位高度敏感...）<br>[0071]：“The accelerometer 12 mounted within the sensor module 25 measures ACC waveforms that are modulated by the patient's general motion and posture...”<br>（安装在传感器模块25内的加速度计12测量由患者的一般运动和体位调制的ACC波形...） | **直接公开**。对比文件多次明确描述了使用加速度计（ACC）来测量患者的运动，并生成ACC波形（即运动传感器信号）。这些信号直接基于患者的运动（包括呼吸引起的运动和整体身体运动）。因此，该技术特征被对比文件直接公开。 |
| **技术特征C**：部分地基于从所述光学传感器信号测量值获得的谱峰值与从所述运动传感器信号测量值获得的谱峰值的比较，确定与所述光学传感器信号相关联的基频 | [0010]：“With the FFT-based algorithms, time-domain ACC and IP waveforms are mathematically transformed to the frequency domain and processed to generate a power spectrum. Further processing of this signal yields frequency components corresponding to both respiratory events and motion. The ACC waveform yields well-defined frequency components that are highly sensitive to motion. These signals can be collectively processed and used to filter out motion artifacts from the transformed IP waveform.”<br>（基于FFT的算法，将时域的ACC和IP波形数学变换到频域并处理以生成功率谱。对此信号的进一步处理产生对应于呼吸事件和运动的频率分量。ACC波形产生对运动高度敏感的、定义明确的频率分量。这些信号可以被共同处理，并用于从变换后的IP波形中滤除运动伪影。）<br>[0123]：“...the algorithm determines motion frequency components from the frequency-domain motion spectrum, and then using a digital filter removes these...from the IP spectrum.”<br>（...该算法从频域运动谱中确定运动频率分量，然后使用数字滤波器将这些分量从IP谱中移除。） | **隐含公开**。对比文件公开了“Algorithm 4”（第0123段及图18-21），该方法将时域ACC和IP波形进行傅里叶变换得到频域功率谱，通过比较运动（ACC）谱和生理信号（IP）谱，识别出与运动相关的频率分量（谱峰值），然后将其从IP谱中滤除以提取呼吸频率。这里的“呼吸频率”即对应于目标专利中“与光学传感器信号相关联的基频”（在目标专利中是心率基频，在对比文件中是呼吸率基频）。虽然处理的生理信号不同（IP vs PPG），但“基于从生理信号获得的谱峰值与从运动信号获得的谱峰值的比较来确定生理信号的基频”这一核心方法步骤是相同的。本领域技术人员可以合理地从对比文件公开的用于呼吸率的方法，推理出该方法同样适用于处理PPG信号以确定心率基频。因此，该技术特征被隐含公开。 |
| **技术特征D**：部分地基于所述基频估计第一心率 | [0128]：“The frequency of the dominant peak in the filtered IP spectrum corresponds to RR.”<br>（滤波后的IP频谱中的主导峰频率对应于呼吸率（RR）。）<br>[0133]：“In all these cases both the ACC and IP waveforms can be processed collectively or independently to estimate RR.”<br>（在所有这些情况下，ACC和IP波形都可以被共同或独立处理以估计呼吸率。） | **未公开**。对比文件明确公开的是基于提取的基频（主导峰频率）来估计“呼吸率（RR）”，而非“心率（HR）”。虽然对比文件也提到了测量心率（HR，例如从ECG，见第0089段），但通过所讨论的频谱比较方法（Algorithm 4）确定并用于估计的生理参数是呼吸率。本领域技术人员无法从对比文件直接或隐含地得出“基于所述基频估计第一心率”的技术方案。两者估计的生理频率目标不同。 |
| **技术特征E**：获得与所述第一心率相关联的第一质量度量，所述第一质量度量至少部分地基于：第一总和，其中所述第一总和是通过将对应于所述基频的谱峰值的幅值与所述光学传感器信号中的谱峰值的第一子集中的谱峰值的幅值相加获得的， | 对比文件中未发现记载计算“第一总和”（基频及其谐波的幅值之和）以及将其用于构成质量度量的相关内容。对比文件提到通过峰值查找算法确定主导峰（第0128、0130段），并进行有效性检查（第0128、0132段），但未涉及计算如目标专利所述的特定数学组合（基频和谐波的幅值总和）作为质量评估的依据。 | **未公开**。对比文件没有公开任何关于计算“第一质量度量”的具体数学公式或方法，特别是没有公开将对应于基频的谱峰幅值与一个选自基频整数倍谐波的谱峰值子集的幅值相加，以获得一个总和的技术特征。对比文件的质量判断更多依赖于阈值比较（如α， ε1, ε2）和信号处理步骤（如滤波、平滑）后的直观分析，而非目标专利中这种基于谱能量分布的比率计算。 |
| **技术特征F**：其中所述谱峰值的第一子集是选自与所述光学传感器信号中的所述基频的整数倍相关联的谱峰值， | 同上。对比文件未提及基频的“整数倍”（即谐波）的谱峰值集合，更未提及从此集合中选择子集进行幅值求和。 | **未公开**。该技术特征定义了“第一子集”的具体来源，是对技术特征E的进一步限定。对比文件完全没有涉及对基频谐波成分的识别、选择与利用。 |
| **技术特征G**：以及第二总和，其是通过将所述光学传感器信号中的谱峰值的第二子集中的所述谱峰值的幅值相加获得的， | 同上。对比文件未提及计算“第二总和”（例如所有非运动相关谱峰或总谱峰的幅值之和）。 | **未公开**。该技术特征定义了构成第一质量度量的另一个组成部分（第二总和）。对比文件未公开此类计算。 |
| **技术特征H**：其中所述谱峰值的第二子集是选自所述光学传感器信号中的非运动相关谱峰值集。 | 同上。对比文件虽然通过Algorithm 4得到了去除运动分量后的IP谱（第0126段，图20E，21E），但并未对该谱中所有非运动相关谱峰值的幅值进行求和运算以形成“第二总和”。 | **未公开**。该技术特征是对“第二子集”来源的进一步限定。对比文件未公开从非运动相关谱峰值集中选择子集并求和的步骤。 |
| **技术特征I**：其中：所述第一质量度量计算为所述第一总和与所述第二总和的比率。 | 同上。对比文件未公开将两个总和相除以计算质量度量的方法。 | **未公开**。该技术特征定义了第一质量度量的具体计算方法。对比文件未公开此方法。 |
| **技术特征J**：其进一步包括：获得与所述第一心率相关联的第二质量度量，所述第二质量度量部分地基于：第一功率，其对应于与所述基频相关联的所述谱峰值的功率，以及第二功率，其对应于距离所述基频一预定谱距离处的功率。 | 对比文件中未发现记载计算与基频谱峰功率及其邻近谱距离处功率相关的“第二质量度量”的内容。对比文件提到了对频谱进行平滑处理（第0128段，图25，26）以方便峰值查找，但平滑处理的目的并非用于计算一个基于局部功率分布的质量度量。 | **未公开**。对比文件没有公开任何基于“基频谱峰功率”与“预定谱距离处功率”来计算第二个独立质量度量的技术方案。 |
| **技术特征K**：其中：所述第二质量度量是作为所述第一功率与通过将所述第一功率和所述第二功率相加获得的总和的比率而获得。 | 同上。对比文件未公开此具体比率计算公式。 | **未公开**。该技术特征定义了第二质量度量的具体计算方法。对比文件未公开此方法。 |
| **技术特征L**：其进一步包括：部分地基于所述第一质量度量和所述第二质量度量的数学组合，获得第三质量度量。 | 对比文件中未发现记载组合两个质量度量以获得第三个质量度量的内容。 | **未公开**。对比文件未公开存在多个如目标专利定义的质量度量，更未公开将它们进行数学组合。 |
| **技术特征M**：其进一步包括：通过执行所述第一心率的自适应平滑化来估计第二心率，其中所述自适应平滑化部分地基于所述第三质量度量。 | 对比文件公开了“自适应滤波”（Adaptive Filtering， Algorithms 2 & 3，第0098-0122段），但其用于从时域IP信号中滤除运动噪声，而非用于对已估计出的心率值进行“自适应平滑化”。并且，该自适应滤波的参数是基于ACC和IP信号关系计算出的滤波器系数（第0102-0117段），并非基于如目标专利所述的“质量度量”。 | **未公开**。对比文件公开的自适应滤波是信号预处理技术，目标专利的自适应平滑化是对心率估计值的后处理技术，两者目的、对象和方法均不同。且对比文件的自适应滤波不依赖于质量度量。因此，该技术特征未被公开。 |
| **技术特征N**：其进一步包括：获得第四质量度量，其中部分地基于所述第一心率和所述第二心率的比较，动态地获得所述第四质量度量。 | 对比文件中未发现记载通过比较两个心率估计值来动态获得质量度量的内容。 | **未公开**。对比文件未公开“第二心率”的概念，也没有基于两个心率值的比较来动态调整质量度量的技术方案。 |
| **技术特征O**：其中确定所述基频包括：获得来自所述多个光学传感器信号测量值的所述光学传感器信号的频域表示以及来自所述多个运动传感器信号测量值的所述运动传感器信号的频域表示 | [0123]：“...the ACC and IP waveforms...are mathematically transformed into frequency-domain spectra...”<br>（...ACC和IP波形...被数学变换为频域谱...）<br>[0124]：“The algorithm begins by determining if the patient is walking or running... Once the patient's walking or running state is identified, the ACC and IP waveforms...are...transmitted to the remote server, which then determines their frequency-domain power spectra...”<br>（该算法首先确定患者是否在行走或跑步...一旦确定了患者的行走或跑步状态，ACC和IP波形...被...传输到远程服务器，然后服务器确定它们的频域功率谱...） | **隐含公开**。对比文件在Algorithm 4中明确公开了将时域的ACC波形和IP波形通过数学变换（如FFT）转换为频域表示（功率谱）。虽然目标专利使用的是PPG信号，而对比文件使用的是IP信号，但两者都是用于提取生理参数的传感器信号。在“获得传感器信号的频域表示”这一通用方法步骤上，两者是相同的。本领域技术人员可以从对比文件公开的处理IP信号的方法，毫无困难地推理出该方法同样适用于处理PPG信号。因此，该技术特征被隐含公开。 |
| **技术特征P**：将所述光学传感器信号的所述频域表示中的谱峰值与所述运动传感器信号的所述频域表示中的谱峰值进行比较，以确定所述光学传感器信号的所述频域表示中的一或多个非运动相关谱峰值 | [0123]：“...the algorithm determines motion frequency components from the frequency-domain motion spectrum, and then using a digital filter removes these, or parameters calculated therefrom, from the IP spectrum.”<br>（...该算法从频域运动谱中确定运动频率分量，然后使用数字滤波器将这些分量或由其计算出的参数从IP谱中移除。）<br>[0126]：“The notch filter is then used to process the power spectra of the IP waveform by only passing components outside of the notch.”<br>（然后使用陷波滤波器处理IP波形的功率谱，只允许陷波外的分量通过。） | **隐含公开**。对比文件明确描述了在频域中，通过分析运动（ACC）频谱来确定运动相关的频率分量（即运动相关谱峰值），然后利用这些信息（例如通过陷波滤波器）从生理（IP）频谱中去除这些分量，从而得到主要包含非运动相关分量（即呼吸信号）的频谱。这一“比较-识别-去除”的过程，实质上就是“通过比较来确定非运动相关谱峰值”。虽然信号类型和最终生理目标不同，但该方法的逻辑和步骤与目标专利特征P一致。本领域技术人员可以合理推断此方法适用于PPG信号。 |
| **技术特征Q**：以及从所述光学传感器信号的所述频域表示中的所述一或多个非运动相关谱峰值确定与所述光学传感器信号相关联的所述基频。 | [0128]：“The frequency of the dominant peak in the filtered IP spectrum corresponds to RR.”<br>（滤波后的IP频谱中的主导峰频率对应于呼吸率（RR）。）<br>[0130]：“Both techniques smooth out discrete frequency components, creating a continuous set of peaks which can then be analyzed with conventional peak-finding algorithms...The frequency of the dominant peak in the filtered IP spectrum corresponds to RR.”<br>（两种技术都平滑了离散的频率分量，产生一组连续的峰，然后可以用常规的寻峰算法进行分析...滤波后的IP频谱中的主导峰频率对应于呼吸率。） | **隐含公开**。对比文件公开了在去除运动分量后，对处理过的IP频谱进行平滑和寻峰分析，将其中占主导地位的峰值频率确定为基频（此处是呼吸率RR）。这完全对应于目标专利中“从非运动相关谱峰值确定基频”的步骤。尽管确定的生理频率不同，但“从处理后的生理信号频谱中确定主导峰作为基频”这一技术手段是相同的。因此，该技术特征被隐含公开。 |
<<<B>>><<<a>>><<<c>>><<<o>>><<<p>>><<<q>>>