对比文件名称：1996-12-10_None_发明专利_JPH08322813A Method and device for analyzing heartbeat fluctuation waveform frequency
目标专利名称：1338离床报警系统CN102150186B
本次调用的模型名称：AI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：该系统包括一个或多个传感器（10）《直接公开》 | 段落[0006]：まず、図６に示すように人体２０に生体用電極２１〜２３を張り付け、人体２０の心臓活動に対応する皮膚表面の電位を交流アンプ２４により電極２１と２３及び電極２２と２３の差電圧を求めて増幅し、出力信号Ａ，ＢとしてそれぞれＡ／Ｄ変換器２５に送り、ここでディジタル信号に変換した後、それぞれ演算部２６に与えることにより、出力信号Ａ−Ｂ間の電位差を心電図として記録する。 | 对比文件公开了用于获取心电信号的生体用电极（21~23）作为传感器，这些电极属于测量生理特征（心电活动）的传感器，能够产生电信号，因此直接公开了“一个或多个传感器”。 |
| 技术特征B：所述一个或多个传感器（10）用于测量该用户的一种或多种生理特征《直接公开》 | 段落[0001]：心拍のＲ波間隔より生成した心拍変動波形の周波数解析を行うことにより、心拍変動性指標（以下、ＨＲＶと略称することがある）と呼ばれる指標を得ることができる。段落[0002]：このＨＲＶは、交感・副交感神経系の活動水準を反映しており、その周波数成分中のＬＦ（低周波）成分（又はＭＷＳＡ成分と呼ばれる0.05〜0.15サイクル／ビートの周波数成分）、ＨＦ（高周波）成分（又はＲＳＡ成分と呼ばれる0.15〜0.45サイクル／ビートの周波数成分）のピークパワー値等を検討することで精神的作業負荷、心的作業負荷、覚醒度、緊張度の定量化が行える可能性が示唆されており、医学的に検討価値の高い指標として知られている。 | 对比文件明确通过电极测量心电信号，进而分析心拍间期获得心率变异性（HRV）等生理指标，这些指标反映交感/副交感神经活动、觉醒度等生理特征，因此传感器直接用于测量用户的一种或多种生理特征。 |
| 技术特征C：所述一个或多个传感器（10）用于产生指示所述一种或多种生理特征的对应信号《直接公开》 | 段落[0006]：（同上，电极输出信号A、B）段落[0054]：このＲ波はＡ／Ｄ変換部２５においてアンプ３で増幅された後、ＤＭＡコントローラ１１の制御下のサンプルホールド回路４によりサンプルホールドされてＡ／Ｄ変換器５によりディジタル信号に変換され、バッファメモリ６からデータバス７を介してＣＰＵ１０に取り込まれる。 | 对比文件公开了电极产生的模拟电信号经放大、A/D转换后生成数字信号，该数字信号直接指示心电活动（R波）及由此推导的心率、心率变异性等生理特征，因此传感器产生指示生理特征的对应信号。 |
| 技术特征D：和处理器（12）《直接公开》 | 段落[0050]：演算部２６はバッファメモリ６に接続されたデータバス７に相互接続されたＲＡＭ８と演算アルゴリズム用ＲＯＭ９とＣＰＵ１０とこれらＲＡＭ８及びＣＰＵ１０と接続されてＣＰＵ１０を経由せずにＲＡＭ８にデータを格納させる為のＤＭＡコントローラ１１と、ＣＰＵ１０及びＤＭＡコントローラ１１に一定のクロック信号を与えるための水晶発振回路１２とで構成されている。 | 对比文件公开了运算部26包含CPU10等元件，CPU10用于执行信号处理和分析，相当于权利要求中的处理器，因此直接公开了处理器。 |
| 技术特征E：所述处理器（12）适于监视所述对应信号《直接公开》 | 段落[0055]：ＣＰＵ１０では処理を開始するとＲ波形データを読み込み（ステップＳ１）、そのＲ波時刻を検出する（ステップＳ２）。 | 对比文件公开了CPU10读取R波数据（对应信号）并检测R波时刻，即对信号进行监视，因此直接公开了处理器监视对应信号。 |
| 技术特征F：并所述处理器（12）适于根据所述一种或多种生理特征的变化来确定该用户将要离开床（2）的可能性《未公开》 | 无直接引用。对比文件全文未涉及“床”或“离床”概念，仅涉及心率变异性与觉醒度、紧张度的关系。 | 对比文件仅公开了基于生理特征（心率变异性）评估觉醒度、紧张度等生理状态，但未公开将生理特征变化与离床（bed exit）可能性相关联。离床预测需要具体的场景和意图，对比文件完全未提及床或离床行为，本领域技术人员无法从对比文件直接得出或合理推断出根据生理特征变化确定离床可能性的技术方案。因此，既未直接公开，也未隐含公开。 |
| 技术特征G：其中所述处理器（12）适于通过比较所述一种或多种生理特征的变化与在多次先前的用户离床期间收集的数据来确定用户将要离开床（2）的可能性《未公开》 | 无相关引用。 | 对比文件未涉及任何离床事件，也未提及收集多次离床数据进行比较或学习，因此未公开。 |
| 技术特征H：其中所述处理器（12）进一步适于在其确定用户可能离开床（2）的情况下发出警报或报警信号《未公开》 | 无相关引用。 | 对比文件未公开任何警报或报警信号功能，其输出仅为分析结果（如频谱、功率值），因此未公开。 |
| 技术特征I：其中由所述一个或多个传感器（10）测量的该用户的所述一种或多种生理特征包括心率、脉率、呼吸率、体温、血压或心率变异性中的任意一种或多种《直接公开》 | 段落[0001]：心拍のＲ波間隔より生成した心拍変動波形の周波数解析を行うことにより、心拍変動性指標（ＨＲＶ）を得る。段落[0002]：ＨＦ成分は...安静状態や睡眠中に高い値を示し緊張度の増大により消失傾向に向かう。段落[0003]：ＬＦ成分...精神的緊張の増大、起立性の刺激（姿勢の変化）などにより増大。 | 对比文件通过心电图测量心拍（心率）并分析心率变异性（HRV），因此直接公开了“心率”和“心率变异性”这两种生理特征。权利要求中“任意一种或多种”包括心率或心率变异性，故直接公开。 |
| 技术特征J：进一步包括用于检测用户存在或不存在于床（2）上的传感器（18）《未公开》 | 无相关引用。 | 对比文件未公开任何用于检测用户是否在床上的传感器，其传感器仅用于测量心电信号，因此未公开。 |
| 技术特征K：其中所述用于测量生理特征的一个或多个传感器（10）之一被用作为所述用于检测用户存在或不存在于床（2）上的传感器（18）《未公开》 | 无相关引用。 | 对比文件未公开床存在检测，更未公开复用生理特征传感器进行床存在检测，因此未公开。 |
| 技术特征L：其中所述传感器（18）包括压力传感器或应变计《未公开》 | 无相关引用。 | 对比文件未公开任何压力传感器或应变计，其传感器为生物电极，因此未公开。 |
| 技术特征M：其中所述处理器（10）进一步适于在所述传感器（18）指示用户已经离开床（2）的情况下发出警报或报警信号《未公开》 | 无相关引用。 | 对比文件未公开床存在传感器，也未公开离床检测及报警，因此未公开。 |
| 技术特征N：其中所述处理器（10）适于使用离床预测算法来根据所述一种或多种生理特征的变化确定该用户将要离开床（2）的可能性《未公开》 | 无相关引用。 | 对比文件未公开任何离床预测算法，其算法为心跳波动频率分析，不涉及离床预测，因此未公开。 |
| 技术特征O：其中所述处理器（10）适于基于所确定的可能性与来自传感器（18）的用户是否随后离开床（2）的指示之间的比较来更新所述离床预测算法《未公开》 | 无相关引用。 | 对比文件未公开离床预测算法，也未公开任何反馈更新机制，因此未公开。 |
| 技术特征P：其中所述处理器（10）包括用于实现所述离床预测算法的监督分类算法《未公开》 | 无相关引用。 | 对比文件公开了FFT、AR模型等频谱分析方法，但未公开监督分类算法（如神经网络、支持向量机），也未公开离床预测算法，因此未公开。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<I>>>