使用多模态传感器检测生理信息的系统和方法

相关申请的交叉引用

本公开要求于2018年10月18日提交的标题为“SYSTEMS AND METOHDS OF MICROIMPULSE RADAR DETECTION OF PHYSIOLOGICAL INFORMATION”的美国临时申请No.62/747,617的权益和优先权，其公开内容通过引用整体并入本文。

背景

本公开一般而言涉及微脉冲雷达(MIR)的领域。更具体而言，本公开涉及用于生理信息的微脉冲雷达检测的系统和方法。

MIR系统可以输出具有相对低功率要求的宽带信号。与现有雷达系统相比，MIR系统的制造可以相对廉价。

发明内容

至少一个实施例涉及一种微脉冲雷达(MIR)系统。该系统包括MIR收发器电路，该MIR收发器电路被配置为朝着受试者传输至少一个传输的雷达信号；并且接收至少一个雷达回波信号。该系统包括控制电路，该控制电路被配置为生成控制信号，该控制信号定义至少一个传输的雷达信号的雷达信号参数；基于雷达信号参数将控制信号提供给MIR收发器电路，以使MIR收发器电路传输至少一个传输的信号；并且基于至少一个雷达回波信号来确定受试者的生理参数。

另一个实施例涉及一种方法。该方法包括：由控制电路生成控制信号，该控制信号定义传输的雷达信号的雷达信号参数；由控制电路将控制信号提供给MIR收发器电路；由MIR收发器电路基于雷达信号参数传输传输的雷达信号；由MIR收发器电路接收雷达回波信号；并且由控制电路基于雷达回波信号确定受试者的生理参数。

另一个实施例涉及一种方法。该方法包括由包括微脉冲雷达(MIR)传感器的第一传感器接收与朝着受试者传输的MIR雷达信号对应的多个雷达回波。该方法包括由第二传感器接收传感器数据。该方法包括由控制电路基于多个雷达回波和传感器数据来计算受试者的生理参数。

另一个实施例涉及一种系统。该系统包括微脉冲雷达(MIR)传感器，该MIR传感器被配置为接收与朝着受试者传输的MIR雷达信号对应的多个雷达回波；以及控制电路，该控制电路被配置为基于多个雷达回波来计算受试者的生理参数。

另一个实施例涉及一种方法。该方法包括由微脉冲雷达(MIR)传感器接收与朝着受试者传输的MIR雷达信号对应的多个雷达回波；并且由控制电路基于多个雷达回波来计算受试者的生理参数。

另一个实施例涉及一种系统。该系统包括第一传感器、第二传感器和控制电路。第一传感器包括微脉冲雷达(MIR)传感器，该MIR传感器被配置为接收与朝着受试者传输的MIR雷达信号对应的多个雷达回波。第二传感器被配置为检测关于受试者的传感器数据。控制电路被配置为基于多个雷达回波和传感器数据来计算受试者的生理参数。

另一个实施例涉及一种系统。该系统包括被构造为耦合到受试者的壳体；安装在壳体中的传感器，该传感器被配置为检测关于受试者的信息；以及耦合到传感器的控制电路，该控制电路被配置为基于由传感器检测到的信息来计算关于受试者的生理参数。

另一个实施例涉及一种方法。该方法包括由安装在耦合到受试者的壳体中的传感器检测关于受试者的信息；并且由耦合到传感器的控制电路基于由传感器检测到的信息来计算关于受试者的生理参数。

本发明内容仅仅是说明性的，并且不以任何方式进行限制。

附图说明

通过结合附图进行的以下详细描述，本公开将变得被更加充分地理解，其中相同的附图标记指代相同的元件，其中：

图1是根据本公开的实施例的MIR系统的示意图。

图2是图1的MIR系统的收发器的示意图。

图3是根据本公开的实施例的MIR系统的框图。

图4是图3的MIR系统的处理模块的框图。

图5是根据本公开的实施例的便携式MIR系统的示意图。

图6是根据本公开的实施例的操作MIR系统的方法的流程图。

具体实施方式

在转向详细图示某些示例性实施例的附图之前，应当理解的是，本公开不限于本描述中阐述或在附图中示出的细节或方法。还应当理解的是，本文所使用的术语仅出于描述的目的，而不应当被认为是限制性的。

现在参考图1-2，示出了根据本公开的实施例的MIR系统110。MIR系统110被用于检测关于受试者100的生理信息。受试者100可以是活体受试者，诸如哺乳动物(例如，人)受试者。

MIR系统110包括发送器电路112和接收器电路114。发送器电路112可以传输第一雷达信号116，诸如在朝着受试者100的方向上。发送器电路112可以将第一雷达信号116生成为MIR信号。例如，发送器电路112可以包括脉冲发生器208，该脉冲发生器208向发射天线204施加电压以使发射天线204输出第一雷达信号116。脉冲发生器208可以以短脉冲施加电压以生成MIR信号。例如，脉冲可以具有皮秒级的上升时间，并且脉冲发生器可以每秒生成数百万个脉冲的量级的脉冲。在一些实施例中，由脉冲发生器输出的脉冲的脉冲宽度在大约两百皮秒和五纳秒之间。与典型的雷达系统相比，脉冲在频率上可以是相对宽带的脉冲。

接收器电路114可以包括接收天线212(其可以与发送器电路112的发射天线204位于同一位置，或者可以与发送器电路112的发射天线204分离)和脉冲接收器216。接收器电路114可以在接收天线212处接收第二雷达信号118，其可以与第一雷达信号116对应。例如，第二雷达信号118(例如，回波信号)可以是与第一雷达信号116对应的雷达回波信号。第二雷达信号118可以由第一雷达信号116和受试者100的交互产生。例如，第二雷达信号118可以由受试者100对第一雷达信号116的透射、反射、折射、吸收(和随后的发射)、阴影或以其它方式散射或各种组合(诸如多路径组合)而产生。各种信号在本文中可以被描述为第一、第二、第三或进一步编号的信号，其可以指代在空间、时间、输出或接收的各个点处的一个或多个信号的方面。在一些实施例中，接收器电路114控制第二雷达信号118的接收定时，使得接收器电路114的检测范围相对小。例如，接收器电路114可以使用第一雷达信号116和第二雷达信号118的预期往返飞行时间来将检测范围维持在阈值检测范围以下。在一些实施例中，阈值检测范围为英尺量级。在一些实施例中，阈值检测范围约为英寸或更小的量级(例如，对于便携式MIR系统120)。照此，MIR系统110可以通过关注第二雷达信号118来维持相对高的信噪比，对于该第二雷达信号118，MIR系统110可以具有与第一雷达信号116与受试者100的交互对应的高置信度。脉冲接收器216可以经由接收天线212接收第二雷达信号118，并生成与第二雷达信号118对应的电子信号(例如，模拟信号、射频信号)以供进一步分析。MIR系统110可以接收和传输信号116、118以检测关于受试者100的生理参数。

如图1中所示，可以提供便携式MIR系统120。便携式MIR系统120可以类似于MIR系统110，诸如以输出雷达信号并接收与输出的雷达信号对应的返回雷达信号。便携式MIR系统120可以包括带子、粘合剂或其它附接构件，以使得便携式MIR系统120能够被受试者100穿戴。

现在参考图3-4，示出了根据本公开的实施例的MIR系统300。MIR系统300可以结合参考图1-2描述的MIR系统110、120的特征。

MIR系统300包括MIR收发器电路302和处理电路312，该MIR收发器电路302包括MIR发送器306和MIR接收器304。MIR发送器306可以结合参考图1-2描述的发送器电路112的特征，并且MIR接收器304可以结合参考图1-2描述的接收器电路114的特征。例如，MIR发送器306可以朝着受试者传输第一雷达信号，并且MIR接收器304可以接收与第一雷达信号对应的第二雷达信号。

处理电路312包括处理器314和存储器316。处理器314可以被实现为专用处理器、专用集成电路(ASIC)、一个或多个现场可编程门阵列(FPGA)、片上系统(SoC)、一组处理组件(例如，多核处理器)或其它合适的电子处理组件。存储器316是一个或多个设备(例如，RAM、ROM、闪存、硬盘存储装置)，用于存储数据和计算机代码，以完成并促进本公开中描述的各种用户或客户端过程、层和模块。存储器316可以是或包括易失性存储器或非易失性存储器，并且可以包括数据库组件、目标代码组件、脚本组件或用于支持本文公开的发明构思的各种活动和信息结构的任何其它类型的信息结构。存储器316可通信地连接到处理器314，并且包括用于执行本文描述的一个或多个过程的计算机代码或指令模块。存储器316包括使处理器314执行本文描述的系统和方法的各种电路、软件引擎和/或模块。

如图4中所示，存储器316可以包括控制信号发生器404、参数计算器408、历史数据库412，处理器314可以执行其中的每一个以执行本文描述的系统和方法。处理电路312可以分布在多个设备上。例如，包括并执行控制信号发生器404的处理电路312的第一部分可以机械地耦合到MIR收发器电路302，而包括并执行参数计算器408、历史数据库412、健康状况计算器416和/或机器学习引擎420的处理电路312的第二部分可以远离第一部分并且可通信地耦合到第一部分(例如，使用通信电路318)。

MIR系统300可以包括图像捕获设备308。图像捕获设备308可以捕获关于受试者100的图像，并将图像提供给处理电路312(例如，提供给历史数据库412)。

处理电路312可以使用由图像捕获设备308捕获的图像来执行对象识别和/或位置估计。例如，处理电路312可以从接收到的图像中提取诸如形状、颜色、边缘和/或接收到的图像的像素之间的空间关系之类的特征。处理电路312可以将提取出的特征与模板特征(例如，人类受试者的模板)进行比较，并且基于比较(诸如通过确定比较的结果以满足匹配条件)来识别图像的对象。模板可以包括受试者100的预期形状。在一些实施例中，处理电路312可以基于接收到的图像来估计受试者100的解剖特征的位置，诸如通过基于已经检测到受试者100来估计受试者100的心脏、肺或子宫的位置。

MIR系统300可以包括位置传感器310。位置传感器310可以检测MIR系统300的一个或多个组件的姿态(例如，位置或朝向中的至少一个)。例如，位置传感器310可以检测MIR接收器304的姿态并且检测MIR发送器306的姿态。位置传感器310可以包括各种传感器，诸如加速度计。

MIR系统300可以包括通信电路318。通信电路318可以包括用于与各种系统、设备或网络进行数据通信的有线或无线接口(例如，插孔、天线、发送器、接收器、收发器、有线终端等)。例如，通信电路318可以包括以太网卡和用于经由基于以太网的通信网络发送和接收数据的端口。通信电路318可以包括用于经由无线通信网络进行通信的WiFi收发器。通信电路318可以经由局域网(例如，建筑物LAN)、广域网(例如，互联网、蜂窝网络)进行通信，和/或进行直接通信(例如，NFC、蓝牙)。在一些实施例中，通信电路318可以进行有线和/或无线通信。例如，通信电路318可以包括一个或多个无线收发器(例如，Wi-Fi收发器、蓝牙收发器、NFC收发器、蜂窝收发器)。

在一些实施例中，MIR系统300包括用户界面320。用户界面320可以接收用户输入并且呈现关于MIR系统300的操作的信息。用户界面320可以包括一个或多个用户输入设备，诸如按钮、拨盘、滑块或键，以接收来自用户的输入。用户界面320可以包括一个或多个显示设备(例如，OLED、LED、LCD、CRT显示器)、扬声器、触觉反馈设备或其它输出设备以向用户提供信息。

控制信号发生器404控制MIR收发器电路302的操作。控制信号发生器404可以生成控制信号，该控制信号定义要由MIR发送器306传输的第一雷达信号的雷达信号参数。控制信号发生器404可以将雷达信号参数定义为包括第一雷达信号的频率、振幅、脉冲宽度或脉冲重复频率中的至少一个。

在一些实施例中，控制信号发生器404基于受试者对第一雷达信号的预期响应和/或第一雷达信号对受试者的预期响应来定义雷达信号参数。例如，控制信号发生器404可以基于预期的物理响应来定义雷达信号参数，该预期的物理响应使第二雷达信号具有预期的信号，该预期的信号具有对于控制信号发生器404基于第二雷达信号确定的生理参数的预期信噪比。预期响应可以与诸如以下因素对应：第一雷达信号是否将被受试者100的外表面(例如，包括受试者所穿的衣服)反射、是否会在被吸收或反射之前穿透受试者100、或者第一雷达信号预期穿透受试者100的距离。在一些实施例中，控制信号发生器404基于受试者100的生物学和/或解剖特征(与骨骼结构相比，诸如MIR收发器电路302所针对的可以主要由水分子组成的区域)来估计预期的物理响应。例如，控制信号发生器404可以定义雷达信号参数，使得输出的第一雷达信号具有特定的频率、振幅、脉冲宽度和/或脉冲重复频率。

控制信号发生器404可以通过基于先前接收到的雷达信号的实际信噪比确定预期响应来定义雷达信号参数。例如，控制信号发生器404可以从历史数据库412中检索先前接收的雷达信号的实际信噪比、与先前接收到的雷达信号对应的历史雷达信号参数，以及与先前接收到的雷达信号对应的受试者100的参数，并通过将从历史数据库412检索到的数据与关于MIR系统300探测受试者100的操作的对应数据进行比较来确定预期响应。受试者100的参数可以包括从MIR系统300到受试者100的距离，或者受试者100的特定解剖特征的位置。

控制信号发生器404可以将噪声施加到控制信号，诸如以使控制信号的脉冲率随机化。通过将噪声施加到控制信号，控制信号发生器404可以对控制信号进行唯一编码，从而对由MIR收发器电路302传输的传输的雷达信号进行唯一编码。此外，施加噪声可以减少来自其它电磁辐射源的干扰的影响。

在一些实施例中，控制信号发生器404控制MIR接收器304的操作。例如，控制信号发生器404可以控制MIR接收器304的测距门。测距门可以基于与受试者100的交互而与由MIR发送器306传输的传输的雷达信号和由MIR接收器304接收的对应雷达回波信号的预期往返时间对应。例如，控制信号发生器404可以使用到受试者100的距离来控制测距门。在一些实施例中，控制信号发生器404使用受试者100的特定解剖特征(诸如心脏或肺)的位置来控制测距门。

参数计算器408可以基于第二雷达信号确定受试者的生理参数。例如，参数计算器408可以基于第二雷达信号来计算参数，诸如解剖特征的位置、解剖特征的移动、解剖特征的尺寸、流体(例如，血流)的移动或速度数据。参数计算器408可以执行多普勒算法以计算速度数据。参数计算器408可以计算诸如在各种频率下的雷达回波信号的振幅或功率之类的信息，诸如以生成对雷达回波信号的频谱分析。参数计算器408可以基于雷达回波信号来计算生理参数，以包括心脏参数、肺参数、血流参数或胎儿参数中的至少一个。雷达回波信号可以包括多种回波信号中的任何一个，包括反射、吸收、折射或散射信号，或其组合，包括多径信号。

在一些实施例中，参数计算器408使用预定模板或参数函数中的至少一个来计算生理参数。预定模板可以包括诸如在某些频率下的预期信号幅度或雷达回波信号的脉冲形状之类的特征。预定模板可以包括解剖特征，诸如血管壁或腔壁的形状，使得参数计算器408可以识别解剖特征(以及血流和其它流体流)的移动。参数函数可以被配置为将雷达回波信号的数据(例如，在各种频率下作为时间的函数的振幅)转换成各种其它变量，诸如速度或周期性。

在一些实施例中，参数计算器408基于对生理参数的类型的指示来计算生理参数。例如，参数计算器408可以基于用户输入来接收指示。参数计算器408可以确定指示，诸如通过确定MIR系统300正在使用传输的雷达信号进行探测的受试者100的预期解剖特征。例如，参数计算器408可以使用来自图像捕获设备308的图像数据来确定MIR系统300正在探测受试者100的心脏，并且将生理参数的类型确定为心脏参数。参数计算器408可以使用确定的生理参数的类型来选择要执行的特定预定模板或参数函数，或者增加对雷达回波信号表示生理参数的类型的置信度(这对于基于将雷达回波信号与(一个或多个)预定模板进行比较并相应地搜索匹配项来计算生理参数可以是有用的)。

在一些实施例中，参数计算器408计算心脏参数以包括心率、心脏体积、心搏量、血液体积、心率变化、脉搏形状、心脏泵送效率或循环到循环变化中的至少一个。例如，参数计算器408可以从雷达回波信号中提取周期性以计算心率，并且可以监视各个循环上的周期性以计算心率变化。参数计算器408可以使用一个或多个脉冲形状模板来计算由雷达回波信号表示的脉冲形状。参数计算器408可以监视雷达回波信号在各种频率下的振幅的改变，以计算循环到循环变化。

参数计算器408可以计算肺参数以包括呼吸速率、呼吸速率变化、受试者100的胸部体积、受试者的胸部体积改变或空气交换效率中的至少一个。参数计算器408可以基于从雷达回波信号提取出的周期性来确定呼吸速率，该周期性包括肺壁的周期性移动(例如，使用与肺壁对应的形状模板来确定)。参数计算器408可以通过在几个循环上监视呼吸速率来确定呼吸速率变化。参数计算器408可以通过确定肺壁的位置和/或形状来确定胸部的体积，并且基于肺壁的体积和周期性运动来确定胸部的体积变化。参数计算器408可以通过监视可以与气体交换相关联的参数(诸如通风和/或灌注参数)来计算空气交换效率(例如，气体交换效率)。参数计算器408可以计算生理参数以包括受试者表现参数。受试者表现参数可以包括健康参数、运动参数以及与受试者的表现参数相关联的其它参数。例如，受试者表现参数可以包括肌肉含量信息、脂肪含量信息、呼吸能力、血氧含量以及其它这样的信息。参数计算器408可以将受试者表现参数与先前的值进行比较以确定表现的改变。

在一些实施例中，参数计算器408计算胎儿参数以包括与心脏和/或肺部参数相似的参数。参数计算器408可以使用具有特定于胎儿参数的不同特点的预定模板和/或参数函数(例如，基于对胎儿心率快于成人心率的预期)。参数计算器408可以计算胎儿参数以包括与用于胎儿超声的参数类似的参数，诸如羊水的体积、胎儿位置、胎龄或出生缺陷。

历史数据库412可以维护关于多个受试者的历史数据、针对每个受试者接收的雷达信号、针对每个受试者计算的生理参数，以及与针对每个受试者计算的生理参数对应的MIR系统操作(例如，雷达信号参数)。例如，历史数据库412可以向每个受试者指派多个数据结构，每个数据结构包括被传输以探测受试者的第一雷达信号的雷达信号参数、在回波中接收的第二雷达信号，以及基于第二雷达信号计算的生理参数。历史数据库412可以维持要使用雷达信号探测的预期生理特征(例如，心脏、肺)和/或计算出的生理参数的类型(例如，心脏，肺部)的指示。历史数据库412可以向每个受试者指派各种人口统计数据(例如，年龄、性别、身高、体重)。

历史数据库412可以维护基于雷达回波信号计算出的各种参数。例如，历史数据库412可以维护生理参数、信噪比、健康状况以及本文描述的处理电路312使用雷达回波信号计算的其它参数。当附加的雷达回波信号被接收和分析时，处理电路312可以更新历史数据库412。

在一些实施例中，MIR系统300包括健康状况计算器416。健康状况计算器416可以使用由参数计算器408计算出的生理参数和/或由历史数据库412维护的历史数据来计算受试者100具有特定健康状况的可能性。健康状况计算器416可以计算与医疗状况、情绪状况、生理状况或其它健康状况相关联的可能性。

在一些实施例中，健康状况计算器416通过将生理参数与(i)与受试者相关联的生理参数的历史值(例如，如在历史数据库412中维护的)或(ii)与医疗状况相关联的生理参数的预定值(例如，如下所述与匹配状况对应的预定值)中的至少一个进行比较来预测受试者100具有健康状况的可能性。例如，健康状况计算器416可以计算生理参数随时间的平均值，以确定受试者100的正常值或值范围，并基于生理参数与平均值之间的差来确定受试者100患有医疗状况的可能性。

健康状况计算器416可以维护与每个健康状况相关联的匹配状况。匹配状况可以包括指示与健康状况匹配的雷达回波数据和/或生理参数的一个或多个阈值。作为示例，健康状况计算器416可以通过将受试者100的心率与最小心率阈值(例如，低于该阈值，受试者100有可能患心律不齐)或最大心率阈值(例如，高于该阈值，受试者100有可能患心律不齐)中的至少一个进行比较来确定受试者100患心律不齐的可能性，并基于比较而输出受试者患心律不齐的可能性。健康状况计算器416可以将输出的可能性存储在历史数据库412中。

在一些实施例中，健康状况计算器416基于外部输入来更新匹配状况。例如，健康状况计算器416可以接收指示受试者100具有的健康状况的用户输入；用户输入还可以包括关于健康状况的置信度级别的指示。健康状况计算器416可以调整匹配状况，诸如通过调整匹配状况的一个或多个阈值，使得匹配状况更准确地表示外部输入的信息。在一些实施例中，健康状况计算器416通过将外部输入作为训练数据提供给机器学习引擎420来更新匹配状况。

健康状况计算器416可以基于关于多个受试者的数据来确定受试者100患有医疗状况的可能性。例如，历史数据库412可以维护关于多个受试者的雷达回波数据、生理参数数据和医疗状况数据(机器学习引擎420可以使用其来生成更丰富和更准确的参数模型)。健康状况计算器416可以计算多个受试者的生理参数的统计测量(例如，平均值、中值)，并且计算受试者100的生理参数异常的指示和/或基于统计测量计算受检者100患有医疗状况的可能性。

在一些实施例中，MIR系统300包括机器学习引擎420。机器学习引擎420可以被用于计算本文描述的各种参数，包括可能需要分析相对大量的数据以计算参数以及用于评估那些参数的阈值的情况。例如，参数计算器408可以执行机器学习引擎420以确定[用于识别生理参数的阈值]。健康状况计算器416可以执行机器学习引擎420以确定[用于确定生理参数是否指示受试者100具有特定医疗状况的阈值]。

在一些实施例中，机器学习引擎420包括参数模型。通过将输入数据作为输入提供给参数模型、使参数模型基于输入数据计算模型输出、将模型输出与训练数据的输出参数进行比较，并修改参数模型以减小模型输出与训练数据的输出参数之间的差异(例如，直到差异小于标称阈值为止)，机器学习引擎420可以使用包括输入数据和对应输出参数的训练数据来训练参数模型。例如，机器学习引擎420可以基于模型输出和训练数据的输出参数来执行目标函数(例如，成本函数)。

参数模型可以包括机器学习引擎420可以使用训练数据和/或历史数据库412来训练的各种机器学习模型。机器学习引擎420可以执行监督式学习以训练参数模型。在一些实施例中，参数模型包括分类模型。在一些实施例中，参数模型包括回归模型。在一些实施例中，参数模型包括支持向量机(SVM)。在一些实施例中，参数模型包括马尔可夫决策过程引擎。

在一些实施例中，参数模型包括神经网络。神经网络可以包括多个层，每个层包括一个或多个节点(例如，神经元、感知器)，诸如第一层(例如，输入层)、第二层(例如，输出层)以及一个或多个隐藏层。神经网络可以包括诸如权重和偏差之类的特点，这些特点与可以在层的节点之间执行的计算相关联，机器学习引擎420可以对其进行修改以训练神经网络。在一些实施例中，神经网络包括卷积神经网络(CNN)。机器学习引擎420可以以基于图像的格式(例如，在空间维度上映射的计算出的雷达值)提供来自训练数据和/或历史数据库412的输入，与现有系统相比，它可以提高CNN的性能，诸如通过减少用于在计算健康状况时获得期望准确性的计算要求。CNN可以包括一个或多个卷积层，其可以对从前一层的节点接收的值执行卷积，诸如以对从前一层的节点接收的值进行本地滤波。CNN可以包括一个或多个池化层，其可以被用于减少从前一层的节点接收的值的空间尺寸，诸如通过实现最大池化功能、平均池化功能或其它池化功能。CNN可在卷积层之间包括一个或多个池化层。CNN可以包括一个或多个完全连接的层，通过将完全连接的层中的每个节点连接到前一层中的每个节点，其可以与神经网络的层类似(与(一个或多个)卷积层的节点相比，其连接到少于前一层的所有节点)。

机器学习引擎420可以通过将来自训练数据和/或历史数据库412的输入作为输入提供给参数模型、使参数模型使用该输入生成模型输出、使用目标函数(例如，损失函数)修改参数模型的特点(诸如减小模型输出与训练数据的对应输出之间的差异)来训练参数模型。在一些实施例中，机器学习引擎420执行优化算法，该算法可以修改参数模型的特点，诸如参数模型的权重或偏差，以减小差异。机器学习引擎420可以执行优化算法，直到达到收敛条件(例如，完成多次优化迭代；差异减小到小于阈值差异为止)。

如下面进一步描述的，机器学习引擎420可以使用来自多个传感器模态的输入来训练参数模型。通过使用来自多个传感器模态(例如，MIR和心电图)的输入来分析心脏参数，机器学习引擎420可以更准确地训练参数模型并改进MIR系统300的操作，因为来自多个传感器模态的输入表示多个独立的相关数据集。例如，可以独立地确定MIR数据和心电图数据，以表示循环到循环变化，当在训练参数模型时将这些独立的数据集相关时，增加参数模型的准确性。

在一些实施例中，MIR系统300生成关于调整MIR接收器304或MIR发送器306中的至少一个的姿态的指令。处理电路312可以从位置传感器310接收MIR接收器304或MIR发送器306中的至少一个的初始姿态。处理电路312可以从图像捕获设备308接收受试者100的图像，并且如上所述，执行对象识别以检测图像中的受试者100并估计受试者100的解剖特征的位置(例如，估计心脏在特定位置)。照此，处理电路312可以生成用于使用受试者100的检测来调整MIR接收器304或MIR发送器306中的至少一个的初始姿态的指令，诸如移动MIR接收器304和/或MIR发送器306更靠近或远离受试者100，或调整MIR发送器306朝着受试者100传输传输的雷达信号或MIR接收器304从受试者100接收雷达回波信号的角度。例如，处理电路312可以生成指令以将MIR接收器304定向为直接指向受试者100的心脏的估计位置，以使处理电路312能够更有效地计算心脏参数。

在一些实施例中，处理电路312使用用户界面320呈现指令。照此，用户可以使用指令基于指令来确定如何调整MIR接收器304或MIR发送器306中的至少一个的姿态。处理电路312可以迭代地评估MIR接收器304或MIR发送器306中的至少一个的姿态，并且在调整姿态时更新所呈现的指令。在一些实施例中，MIR系统300包括耦合到MIR接收器304或MIR发送器306中的至少一个的致动器，并且处理电路312可以使致动器自动地调整姿态。

在一些实施例中，MIR收发器电路302包括电子扫描的阵列(ESA)，诸如以将传输的雷达信号选择性地指向特定方向。处理电路312可以以与用于调整姿态的方式相似的方式来生成指令，以控制ESA的操作以使由ESA传输的传输的雷达信号转向。

处理电路312可以控制MIR收发器电路302的操作以执行MIR断层摄影。例如，控制信号发生器404可以生成指令，以使MIR发送器306可以扫描受试者100的多个部分，诸如感兴趣的特定二维切片。如上所述，处理电路312可以生成指令以指示MIR接收器304和/或MIR发送器306的姿态的期望改变，或者以电子方式使MIR发送器306转向，从而使得MIR收发器电路302能够选择性地扫描受试者100的特定部分。

进一步参考图3，在一些实施例中，MIR系统300包括一个或多个远程MIR接收器324和/或一个或多个远程MIR发送器326。例如，MIR系统300可包含多个发送器(MIR发送器306和一个或多个MIR发送器326)；MIR系统300可以包括多个接收器(MIR接收器304和一个或多个MIR发送器326)。远程MIR接收器324可以类似于MIR接收器304，并且远程MIR发送器326可以类似于MIR发送器306。MIR发送器306或远程MIR发送器326可以被用于传输第一雷达信号，并且多个接收器304、324可以接收与第一雷达信号对应的第二雷达信号。例如，MIR发送器306、326可以传输第一雷达信号，接收器304可以接收与第一雷达信号对应的第二雷达信号(其可以包括来自受试者100对第一雷达信号的透射、反射、折射、吸收(和以后的发射)、阴影或散射中的任何一个的分量)，并且接收器324可以接收第三雷达信号(其可以包括来自受试者100对第一雷达信号的透射、反射、折射、吸收(和以后的发射)、阴影或散射中的任何一个的分量)。MIR发送器306和远程MIR发送器326可以被用于各自传输第一雷达信号(或相应的第一和第二雷达信号)，并且接收器304、324中的一个或多个可以接收与第一雷达信号对应的(一个或多个)第二或第三雷达信号。

在一些实施例中，远程MIR接收器324和远程MIR发送器326可以在同一收发器322中提供，或者可以彼此远离。处理电路312可以接收关于每个远程MIR接收器324和每个远程MIR发送器326的姿态数据。

处理电路312可以基于为MIR发送器306生成的雷达信号参数为一个或多个远程MIR发送器326生成雷达信号参数。例如，处理电路312可以生成用于远程MIR发送器326的雷达信号参数，以具有与用于MIR发送器306的雷达信号参数不同的脉冲宽度或脉冲重复频率。处理电路312可以在提供给远程MIR发送器326的控制信号上编码与提供给MIR发送器306的控制信号不同的噪声，以使MIR接收器304、324能够更有效地区分相应的雷达回波信号。

处理电路312可以将从MIR接收器304和一个或多个MIR接收器324接收的雷达回波信号进行组合，以生成受试者100的综合印象。在一些实施例中，处理电路312使用关于MIR接收器304、324和/或MIR发送器306、326的姿态数据来组合雷达回波信号。例如，姿态数据以及姿态数据与受试者100的关系可以指示使用传输的雷达回波信号进行探测的受试者100的不同区域；类似地，姿态数据可以指示将由雷达回波信号表示的受试者100的预期区域。

在一些实施例中，处理电路312从使用与MIR不同的模态的系统接收传感器数据。例如，处理电路312可以接收超声数据、磁共振成像(MRI)数据、X射线数据、计算机断层摄影(CT)数据、心电图(ECG)数据或其它此类传感器数据。处理电路312可以并发地或异步地接收多个模态的传感器数据(或使远程设备检测传感器数据)。例如，可以使用MRI机器来检测MRI数据，并且在将受试者100从MRI机器上移开之后，可以随后检测ECG数据和MIR数据。ECG数据和MIR数据可以被并发地检测。来自多个模态的各种此类数据可以由处理电路312维护在存储器中，直到被用于执行本文描述的各种功能，诸如使用来自多个模态的数据检测健康状况。可以针对包括X射线、CT和PET在内的各种模态执行本文描述的各种此类规程。

例如，可以执行以下规程：其中将可穿戴MIR设备(例如，便携式MIR系统500)提供给至少部分地定位在MRI机器中的受试者100。MRI机器可以被用于检测MRI数据，该MRI数据可以被提供给处理电路312。MIR设备可以在位于MRI机器中(例如，在由MRI机器的范围界定或由MRI输出的大于标称阈值强度的磁场强度定义的区域内)的同时检测MIR数据(例如，输出雷达信号并接收返回雷达信号)，因为MIR设备可以由材料制成，并且输出和接收不干扰MRI机器的操作的信号。照此，MIR设备和MRI机器可以执行关于受试者100的同时数据检测，这可能是MRI和MIR以外的其它传感器模态的结合所无法实现的。

在一些实施例中，可以基于由MIR设备检测到的数据来操作MRI机器。例如，MIR数据可以被用于检测受试者100的特定解剖特征的位置(例如，心脏位置)，并且MRI机器可以被控制为基于使用MIR数据检测到的位置来瞄准现场输出(例如，基于处理电路312的处理)。

在一些实施例中，来自MRI机器的传感器数据可以被用于操作MIR设备。例如，处理电路312可以接收MRI传感器数据，使用MRI传感器数据来识别关于受试者的受试者100的签名(例如，受试者100特有的生理参数的基线值)，并基于签名来控制MIR发送器306的操作，诸如以基于签名来调整输出的雷达信号的频率。

处理电路312可以使用来自其它模态的传感器数据来验证处理电路312如何评估MIR数据，反之亦然。例如，处理电路312可以生成训练数据，包括来自其它模态的传感器数据以及传感器数据与机器学习引擎420对应的解剖特征、生理参数和/或健康状况的指示。机器学习引擎420还可以基于这个训练数据来训练参数模型或其它模型。照此，处理电路312可以通过组合跨不同模态的数据来生成用于计算参数和医疗状况的更准确的阈值。

处理电路312还可以使用通过MIR系统300收集的信息来控制其它传感器系统的操作。例如，处理电路312可以使用由MIR接收器304接收的雷达回波信号来识别受试者100的感兴趣的位置(例如，心脏的位置)，并将该位置提供给另一个传感器系统以使得该另一个传感器系统能够更准确地瞄准要扫描的感兴趣位置。

在一些实施例中，处理电路312将基于由MIR系统300接收的雷达回波信号确定的信息与来自其它传感器模态的信息进行组合。例如，处理电路312可以执行使用接收到的雷达回波信号确定的生理参数和使用(一个或多个)其它传感器模态计算出的对应生理参数的加权平均。处理电路312可以基于与使用相应传感器模态来确定生理参数相关联的已知或预期的置信度级别来确定加权平均的权重。

处理电路312可以使用用户界面320来基于由MIR系统300接收到的雷达回波信号以及来自其它传感器模态的信息来呈现信息。例如，处理电路312可以使用户界面320将使用雷达回波信号确定的血流数据与使用超声确定的血流数据重叠。

现在参考图5，示出了根据本公开的实施例的便携式MIR系统500。便携式MIR系统500可以结合参考图1描述的便携式MIR系统120的特征。便携式MIR系统500可以是可穿戴设备。

如图5中所示，便携式MIR系统500包括传感器层502，该传感器层502包括耦合到电源508和通信电路512的MIR传感器504。MIR传感器504可以结合MIR收发器电路302的特征，以传输传输的雷达信号并接收雷达回波信号。通信电路512可以结合参考图3描述的通信电路318的特征。在一些实施例中，通信电路318使用相对低功率的通信协议，诸如蓝牙低功耗。

鉴于MIR传感器504的功率要求相对低(例如，小于0.1瓦)，电源508的容量可以相对低。类似地，由于传输的脉冲的功率相对低(例如，数十微瓦的量级)，便携式MIR系统500对于连续穿戴和使用可以是安全的。

MIR传感器504可以使用通信电路512将传感器数据传输到远程设备。在一些实施例中，MIR传感器504将传感器数据传输到便携式电子设备(例如，蜂窝电话)，该便携式电子设备可以执行MIR系统300的功能，诸如基于传感器数据计算生理参数。照此样，便携式MIR系统500可以具有相对低的尺寸、重量、功率和/或成本。

便携式MIR系统500包括壳体层516。壳体层516可以被成形并被构造为由受试者100穿戴。在一些实施例中，壳体层516形成衣物或穿戴的装备(例如，运动装备)的一部分，诸如肩垫、头盔或鞋子。在一些实施例中，壳体层516对于MIR信号是透明的。

便携式MIR系统500可以包括附接构件520。附接构件520可以使便携式MIR系统500能够附接到穿戴者或穿戴者的身体(例如，受试者100的身体)。例如，附接构件520可以包括粘合剂、带子或其它附接组件。通过将便携式MIR系统500附接到穿戴者，便携式MIR系统500可以以医学上安全的方式(由于MIR信号的低功率输出)实现对生理参数的纵向评估。

现在参考图6，示出了根据本公开的实施例的操作MIR的方法600。可以使用本文描述的各种系统来执行方法600，包括MIR系统110、MIR系统300和便携式MIR系统500。

在605处，控制信号由控制电路定义传输的(例如，将要传输的)雷达信号的雷达信号参数。控制电路可以基于受试者对传输的雷达信号的预期物理响应来定义雷达信号参数，该预期物理响应使雷达回波信号具有针对生理参数的预期信噪比。控制电路可以将雷达信号参数定义为包括传输的雷达信号的频率、振幅、脉冲宽度或脉冲重复频率中的至少之一。在610处，控制电路将控制信号提供给MIR收发器电路。

在615处，MIR收发器电路基于控制信号来传输传输的雷达信号。例如，MIR收发器电路可以使用天线来输出传输的雷达信号。MIR收发器电路可以将传输的雷达信号朝着受试者传输。

在620处，MIR收发器电路接收雷达回波信号。雷达回波信号可以与传输的雷达信号对应。例如，由于与受试者的交互，雷达回波信号可以基于传输的雷达信号的反射、折射、吸收(和随后的发射)或其它散射。

在625处，控制电路基于雷达回波信号确定生理参数。生理参数可以包括心脏参数、肺参数、胃肠道参数和胎儿参数。在一些实施例中，控制电路基于生理参数确定受试者患有医疗状况的可能性。

如本文所使用的，术语“大致”、“大约”、“基本上”和类似术语旨在具有广泛的含义，与本公开的主题涉及的本领域普通技术人员的接受和公认用法相一致。审阅本公开的本领域技术人员应当理解的是，这些术语旨在允许描述所描述并要求保护的某些特征，而不将这些特征的范围限制到所提供的精确数值范围。因而，这些术语应当被解释为指示所描述并要求保护的主题的无实质或无关紧要的修改或变更被认为在所附权利要求书中陈述的本公开的范围内。

应当注意的是，如本文用来描述各种实施例的术语“示例性”及其变体旨在指示此类实施例是可能实施例的可能示例、表示或说明(并且此类术语不旨在表示此类实施例必然是非凡或最高级的示例)。

如本文所用，术语“联接”及其变体是指两个构件彼此直接或间接地接合。这样的接合可以是静止的(例如，永久的或固定的)或可移动的(例如，可移除的或可释放的)。这种接合可以通过两个构件彼此直接耦合、通过两个构件使用单独的中间构件和任何附加的彼此耦合的中间构件彼此耦合或者通过两个构件使用与两个构件之一一体地形成为单个整体的中间构件彼此耦合来实现。如果通过附加术语(例如，直接耦合)对“耦合”或其变体进行修改，那么以上提供的“耦合”的通用定义由附加术语的简单语言含义进行修改(例如，“直接耦合”是指两个构件之间的接合，没有任何单独的中间构件)，从而导致比上面提供的“耦合”通用定义更窄的定义。这种耦合可以是机械的、电气的或流体的。

如本文所使用的，术语“或”以其包含性含义(而不是以其排他性含义)使用，使得当用于连接元件的列表时，术语“或”指列表中的一个、一些或全部元素。除非另有明确说明，否则诸如短语“X、Y和Z中的至少一个”之类的连接性语言应理解为传达元素可以是X、Y、Z中任一个；X和Y；X和Z；Y和Z；或X、Y和Z(即，X、Y和Z的任何组合)。因此，除非另外指出，否则这种连接性语言一般不旨在暗示某些实施例要求存在X中的至少一个、Y中的至少一个和Z中的至少一个的每个。

本文中对元件的位置(例如，“顶部”、“底部”、“上方”、“下方”)的引用仅用于描述附图中各种元件的朝向。应当注意的是，根据其它示例性实施例，各种元件的朝向可以不同，并且这样的变化旨在被本公开所涵盖。

结合本文公开的实施例描述的用于实现各种过程、操作、说明性逻辑、逻辑块、模块和电路的硬件和数据处理组件可以用被设计为执行本文描述的功能的通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑设备、离散门或晶体管逻辑、离散硬件组件或其任何组合来实现或执行。通用处理器可以是微处理器，或者是任何常规的处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，诸如DSP和微处理器的组合、多个微处理器、与DSP核心结合的一个或多个微处理器，或任何其它这样的配置。在一些实施例中，特定过程和方法可以由特定于给定功能的电路系统执行。存储器(例如，存储器、存储器单元、存储设备等)可以包括一个或多个用于存储数据和/或计算机代码的设备(例如，RAM、ROM、闪存、硬盘存储装置)以完成或促进本公开中描述的各种过程、层和模块。存储器可以是或包括易失性存储器或非易失性存储器，并且可以包括数据库组件、目标代码组件、脚本组件，或用于支持本公开中描述的各种活动和信息结构的任何其它类型的信息结构。根据示例性实施例，存储器经由处理电路可通信地连接到处理器并且包括用于(例如，由处理电路或处理器)执行本文描述的一个或多个过程的计算机代码。

本公开预期任何机器可读介质上用于实现各种操作的方法、系统和程序产品。本公开的实施例可以使用现有的计算机处理器来实现，或者由为此目的或其它目的而被并入的用于适当系统的专用计算机处理器来实现，或者由硬连线系统来实现。本公开的范围内的实施例包括程序产品，该程序产品包括用于在其上承载或具有存储在其上的机器可执行指令或数据结构的机器可读介质。这样的机器可读介质可以是可以由通用或专用计算机或具有处理器的其它机器访问的任何可用介质。举例来说，这样的机器可读介质可以包括RAM、ROM、EPROM、EEPROM或其它光盘存储装置、磁盘存储装置或其它磁性存储设备，或者可以被用于以机器可执行指令或数据结构的形式承载或存储期望程序代码并且可以由通用或专用计算机或其它带有处理器的机器访问的任何其它介质。以上的组合也包括在机器可读介质的范围内。机器可执行指令包括例如使通用计算机、专用计算机或专用处理机器执行特定功能或功能组的指令和数据。

虽然附图和描述可以示出方法步骤的具体次序，但是除非上文另外指定，否则这些步骤的次序可以与所描绘和描述的次序不同。而且，两个或更多个步骤可以并发地执行或部分并发地执行，除非上面另有说明。这种变化可以例如取决于所选择的软件和硬件系统并取决于设计者的选择。所有这些变化都在本公开的范围内。同样，可以用具有基于规则的逻辑和其它逻辑的标准编程技术来完成所描述方法的软件实施方式，以完成各种连接步骤、处理步骤、比较步骤和决策步骤。

重要的是要注意，各种示例性实施例中所示的MIR和听诊器设备及系统的构造和布置仅仅是说明性的。此外，一个实施例中公开的任何元素可以与本文公开的任何其它实施例结合或利用。虽然上面已经描述了可以在另一个实施例中结合或利用的来自一个实施例的元素的仅一个示例，但是应当认识到的是，各种实施例的其它元素可以与本文公开的任何其它实施例结合或利用。