返回项目页面
对比文件列表
1999-08-19_WO1999040843A_发明申请_WO99040843A1 ORGANISM INFORMATION MEASURING DEVICE_+++A_B_C_D_O_P_Q+++.docx
2026-03-19 23:31
2000-03-08_GB2341233A_发明专利_GB2341233A Organism information measuring device_+++A_D_b_c_o_p_q+++.docx
2026-03-19 23:31
2000-10-09_AU3773300A_发明专利_AU3773300A Improved pulse oximeter probe-off detector_+++A_B_C_D_O_P_Q+++.docx
2026-03-19 23:31
2001-03-27_JP2001078973A_发明专利_JP2001078973A Biological information measuring apparatus_+++A_B_O+++.docx
2026-03-19 23:31
2003-12-08_JP3475427B_发明专利_JP3475427B2 Biological information measuring device_+++A_B_C_D_O_P_Q_h+++.docx
2026-03-19 23:31
2005-04-07_US2005075553A_发明申请_US20050075553A1 Portable biological information monitor apparatus and information management apparatus_+++A_B_C_D_O_P_Q+++.docx
2026-03-19 23:31
2011-05-26_US2011125063A_发明申请_US20110125063A1 Systems and Methods for Monitoring and Modifying Behavior_+++A_B_O+++.docx
2026-03-19 23:31
2014-01-16_US2014018635A_发明申请_US20140018635A1 HEART RATE MONITOR_+++A_B_D_c_o_p_q+++.docx
2026-03-19 23:31
2014-07-31_US2014213858A_发明申请_US20140213858A1 DEVICE AND METHOD FOR ESTIMATING THE HEART RATE DURING MOTION_+++A_B_o+++.docx
2026-03-19 23:31
2014-09-18_US2014275852A_发明申请_US20140275852A1 WEARABLE HEART RATE MONITOR_+++A_B_D_O_c_m_p_q+++.docx
2026-03-19 23:31
2014-11-17_JP2014530037A_发明专利_JP2014530037A 運動中に心拍を推定する装置及び方法_+++A_B_F_d_o+++.docx
2026-03-19 23:31
2014-11-18_US8888700B_发明授权_US08888700B2 Body-worn monitor for measuring respiratory rate_+++B_a_c_o_p_q+++.docx
2026-03-19 23:31
2015-01-13_US8934952B_发明授权_US08934952B2 Wearable monitoring devices having sensors and light guides_+++A_B_c_d_o_p_q+++.docx
2026-03-19 23:31
JP2018520753A_Description_20260309_2150_+++A_B_C_D_E_F_G_H_I_J_K_L_M_N_O_P_Q+++.docx
2026-03-19 23:31
JP2018520753A_Description_20260309_2150_+++A_B_C_D_E_F_G_H_I_J_K_L_M_N_O_P_Q+++.docx

对比文件名称:JP2018520753A_Description_20260309_2150

目标专利名称:269稳健心率估计CN107708538B

本次调用的模型名称:DeepSeek-R1

技术特征描述以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**:《直接公开》<br>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。“プロセッサ実装方法は、光センサ信号の複数の光センサ信号測定値を取得するステップであって、光センサ信号測定値が、ユーザの少なくとも1つの心臓血管パラメータに部分的に基づく、ステップと…を備え得る。”对比文件明确公开了处理器实施的方法包括获得光学传感器信号的多个测量值的步骤,且该测量值部分地基于用户的至少一个心血管参数。这与目标专利特征A的技术方案和作用(获取反映心血管信息的光学信号)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征B**:《直接公开》<br>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。“…モーションセンサ信号の複数のモーションセンサ信号測定値を取得するステップであって、モーションセンサ信号測定値が、ユーザのモーションに部分的に基づく、ステップとを備え得る。”对比文件明确公开了获得运动传感器信号的多个测量值的步骤,且该测量值部分地基于用户的运动。这与目标专利特征B的技术方案和作用(获取反映用户运动的信号)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征C**:《直接公开》<br>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。“本方法は、光センサ信号測定値から取得されたスペクトルピークと、モーションセンサ信号測定値から取得されたスペクトルピークとの比較に部分的に基づいて、光センサ信号に関連付けられる基本周波数を決定するステップをさらに備え得る。”对比文件明确公开了基于从光学传感器信号测量值获得的谱峰值与从运动传感器信号测量值获得的谱峰值的比较,来确定与光学传感器信号相关联的基本周波数(即基频)。这与目标专利特征C的技术方案和作用(通过比较分离运动干扰,确定心率基频)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征D**:《直接公开》<br>部分地基于所述基频估计第一心率。“第1の心拍数は、基本周波数に部分的に基づいて推定され得る。”对比文件明确公开了基于基频估计第一心率(原文为“第1の心拍数”)。这与目标专利特征D的技术方案和作用(基于基频进行初步心率估计)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征E**:《直接公开》<br>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。“第1の品質メトリックは、第1の合計であって、基本周波数に対応するスペクトルピークの振幅を、光センサ信号内のスペクトルピークの第1のサブセット内のスペクトルピークの振幅に追加することによって取得され…に少なくとも部分的に基づき得る。”对比文件明确公开了获得与第一心率相关联的第一质量度量,并详细描述了该质量度量至少部分地基于第一总和,该第一总和是通过将对应于基频的谱峰值的幅值与光学传感器信号中谱峰值的第一子集内的谱峰值的幅值相加而获得的。这与目标专利特征E的技术方案和作用(计算反映信号周期性的质量度量分子部分)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征F**:《直接公开》<br>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。“…スペクトルピークの第1のサブセットは、光センサ信号内の基本周波数の整数倍に関連付けられるスペクトルピークから選択される…”对比文件明确公开了第一子集是选自与光学传感器信号中的基频的整数倍相关联的谱峰值。这与目标专利特征F的技术方案和作用(定义第一子集为基频的谐波成分)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征G**:《直接公开》<br>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。“…第2の合計であって、光センサ信号内のスペクトルピークの第2のサブセットにスペクトルピークの振幅を追加することによって取得される…”对比文件明确公开了第二总和是通过将光学传感器信号中谱峰值的第二子集的幅值相加获得的。这与目标专利特征G的技术方案和作用(计算质量度量的分母部分,代表总信号能量或特定集合能量)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征H**:《直接公开》<br>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。对比文件在描述第一质量度量计算时,隐含了第二子集选自光学传感器信号中的谱峰值集。结合对比文件全文关于去除运动相关分量(例如,图9及相关描述)以获得非运动相关谱峰值的内容,本领域技术人员可以明确理解,用于计算第二总和的谱峰值第二子集是选自去除运动相关分量后的谱峰值,即非运动相关谱峰值集。对比文件在描述第一质量度量时,明确指出第二子集选自光学传感器信号中的谱峰值集(“光センサ信号内のスペクトルピークのセットから選択される”)。同时,对比文件详细阐述了通过比较光学与运动谱峰值来识别和去除运动相关分量,从而得到非运动相关谱峰值(如图9所示“没有运动相关谱分量”)。因此,本领域技术人员在阅读对比文件后能够毫无疑义地理解,用于计算第二总和的谱峰值第二子集,实质上就是选自这些非运动相关谱峰值集,以避免运动噪声对质量度量评估的干扰。这与目标专利特征H的作用完全相同。因此,该技术特征被直接公开。
**技术特征I**:《直接公开》<br>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。“第1の品質メトリックは以下のように取得され得る。<br>Q1<sup>RHR</sup> = (Σ a<sub>i</sub> (P<sub>i</sub> s.t. \f<sub>i</sub> - kF<sub>0</sub>\< ε<sub>k</sub>)) / (Σ a<sub>i</sub> (P<sub>i</sub> ∈ {非運動関連ピーク}))”对比文件明确给出了第一质量度量Q1_RHR的计算公式,该公式正是第一总和(分子,基频及其谐波幅值之和)与第二总和(分母,非运动相关谱峰值幅值之和)的比率。这与目标专利特征I的技术方案和作用(将第一总和与第二总和的比率作为质量度量)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征J**:《直接公开》<br>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。“第2の品質メトリックQ2<sup>RHR</sup> は、ピークの幅に部分的に基づき得る。…第2の品質メトリックQ2<sup>RHR</sup> は、…(i)基本周波数に関連付けられるスペクトルピークの電力に対応する第1の電力と、…(ii)…基本周波数に関連付けられるスペクトルピークへの、何らかのあらかじめ定められたスペクトル距離でスペクトルの電力に対応する第2の電力…”。对比文件明确公开了获得与原始心率(即第一心率)相关联的第二质量度量Q2_RHR,并详细说明该度量部分地基于:第一功率(对应于与基频相关联的谱峰值的功率)和第二功率(对应于距离基频一预定谱距离δ处的功率)。这与目标专利特征J的技术方案和作用(评估谱峰尖锐度的质量度量)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征K**:《直接公开》<br>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。“Q2<sup>RHR</sup> は以下のように定義され得る。<br>Q2<sup>RHR</sup> = A<sub>F0</sub><sup>2</sup> / (A<sub>F0</sub><sup>2</sup> + A<sub>F0-δ</sub><sup>2</sup> + A<sub>F0+δ</sub><sup>2</sup>)”对比文件明确给出了第二质量度量Q2_RHR的计算公式,该公式正是第一功率(A<sub>F0</sub><sup>2</sup>)与第一功率和第二功率(A<sub>F0-δ</sub><sup>2</sup> + A<sub>F0+δ</sub><sup>2</sup>)之和的比率。这与目标专利特征K的技术方案和作用(通过比率量化谱峰尖锐度)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征L**:《直接公开》<br>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。“第3の品質メトリックQ3<sup>RHR</sup> を取得するために、第1の品質メトリックQ1<sup>RHR</sup> および第2の品質メトリックQ2<sup>RHR</sup> が組み合わせられ得る。…第3の品質メトリックQ3<sup>RHR</sup> は、以下のように定義され得る。Q3<sup>RHR</sup> = Q2<sup>RHR</sup>* Q1<sup>RHR</sup>”对比文件明确公开了通过组合第一质量度量Q1_RHR和第二质量度量Q2_RHR来获得第三质量度量Q3_RHR,并举例说明了数学组合方式为乘法。这与目标专利特征L的技术方案和作用(综合多个质量指标得到一个总体质量度量)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征M**:《直接公开》<br>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。“FHRは、RHRを適応的に平滑化することによって取得され得る…適応フィルタ(適応平滑化を実行し得る)の係数は、第3の品質メトリックに部分的に基づいて調整され得る。”对比文件明确公开了通过对原始心率(RHR,即第一心率)进行自适应平滑化来获得最终心率(FHR,即第二心率),并且该自适应平滑化部分地基于第三质量度量(Q3_RHR)来调整滤波器系数。这与目标专利特征M的技术方案和作用(利用质量度量自适应地平滑初步心率估计,得到更稳健的最终心率)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征N**:《直接公开》<br>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。“第4の品質メトリックQ4<sup>RHR</sup> が、比較の結果に基づいて動的に取得され得る。たとえば、RHRとFHRとの間の絶対差があるしきい値を超える場合、報告された品質が低下する可能性がある。”对比文件明确公开了获得第四质量度量Q4_RHR,并且该度量是基于原始心率(RHR,即第一心率)和最终心率(FHR,即第二心率)的比较结果动态获得的(例如,当差值超过阈值时降低质量)。这与目标专利特征N的技术方案和作用(通过比较初步估计和最终输出来动态调整最终报告的质量度量)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征O**:《直接公开》<br>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。“ステップ332において、(i)光センサ信号測定値および(ii)モーションセンサ信号測定値に対応する電力スペクトルが取得され得る。…入力光信号およびモーション信号のFFTの大きさは…対応する電力スペクトルを取得するために2乗され得る。”对比文件明确公开了在确定基频的过程中,包括获得光学传感器信号测量值和运动传感器信号测量值对应的功率谱(即频域表示),例如通过FFT技术。这与目标专利特征O的技术方案和作用(将时域信号转换到频域以便进行谱分析)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征P**:《直接公开》<br>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。“ステップ336において、RHRを決定するために、光センサスペクトルピークとモーションセンサスペクトルピークとのセットが比較され得る。…モーションセンサ信号内のスペクトルピークに近い周波数の光センサ信号内のスペクトルピークは、モーションに関連すると考えられ得る。…周波数の点で無関係である…光センサスペクトルピークは、心拍数に起因する可能性があり…”对比文件明确公开了将光学传感器信号的谱峰值(频域表示中)与运动传感器信号的谱峰值(频域表示中)进行比较,以识别出哪些光学谱峰值在频率上与运动谱峰值接近(从而归因于运动),哪些无关(从而可能归因于心率,即非运动相关)。这与目标专利特征P的技术方案和作用(通过频域比较区分运动干扰信号和心率信号)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。
**技术特征Q**:《直接公开》<br>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。“光センサ信号の周波数領域表現における非モーション関連スペクトルピークに基づいて、ユーザの心拍数に関連付けられる基本周波数が決定され得る。”对比文件明确公开了基于光学传感器信号的频域表示中的非运动相关谱峰值,来确定与用户心率相关联的基本频率(基频)。这与目标专利特征Q的技术方案和作用(从纯净的心率相关谱峰中确定基频)完全相同。因此,本领域技术人员能够毫无疑义地得出该技术特征。

<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<K>>><<<L>>><<<M>>><<<N>>><<<O>>><<<P>>><<<Q>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE