CN101124464A

CN101124464A - 温度预测系统和方法

Info

Publication number: CN101124464A
Application number: CNA2006800055934A
Authority: CN
Inventors: R·D·巴特菲尔德
Original assignee: Alaris Medical Systems Inc
Current assignee: CareFusion 303 Inc
Priority date: 2005-04-01
Filing date: 2006-03-24
Publication date: 2008-02-13
Anticipated expiration: 2026-03-24
Also published as: CA2602530A1; CA2602530C; US20060224349A1; BRPI0609586A2; JP2012022010A; RU2007140372A; JP2008534967A; NO20073724L; AU2006232933B2; ZA200706787B; WO2006107630A1; RU2413187C2; EP1864098B1; BRPI0609586B1; NZ556524A; JP5001257B2; CN101124464B; AU2006232933A1; EP1864098A1; US7318004B2

Abstract

温度计系统和方法，其基于当温度检测探针与身体接触时所接收的温度信号，快速预测体温。一个非线性、多参数曲线拟合过程被执行，并根据该曲线拟合中的误差改变参数或预测温度。曲线拟合和温度数据之间的差异存在标准。如果在有限个时帧内的曲线拟合不能接受，处理器将切换至连续监测状态。通过组织接触阈值，外加预测时间延迟，确定用于预测的测量时帧所基于的开始时间。

Description

温度预测系统和方法

技术背景

[1]本发明一般涉及温度计的改良，更具体地涉及电子预测温度计，用于从病人大量的测量部位更加快速地获得准确的温度测量结果。

[2]在医学领域中，如在医院和医生的办公室中，使用测量温度并显示被测温度的热敏装置确定病人的体温是惯例。一种这类装置是一个玻璃泡温度计，包括一个热敏水银柱，其连续膨胀和收缩校准过的温度刻度。典型地，玻璃泡温度计被插进病人体内，并使其保持足够长的时间间隔，使得温度计的温度稳定在病人的体温，然后拿开，由医务人员读取体温。该时间间隔通常在两至八分钟的级别上。

[3]传统的使用玻璃泡温度计或同类装置的温度测量过程往往具有许多显著缺陷。温度测量非常慢，对于(由于年龄或虚弱)不能被指望能够恰当地保持温度计插入体内必要的时间的病人，可能迫使医务人员在相对较长的测量周期内都必须在场，从而分散他们对其它职责的注意力。此外，玻璃泡温度计不容易读取，因此测量易产生人为错误，尤其在光线较暗的环境中读取或由仓促的人员读取。

[4]通过使用温度敏感探针，对最小化或消除玻璃泡温度计的这些缺陷进行了各种尝试，所述温度敏感探针被设计成与直接读取电子温度计仪器一同工作。在这种方法中，在探针的末端安放一个电子温度敏感装置，比如热敏电阻，并插入病人体内。根据具体的仪器，监测装置的电压或电流变化，并且当输出信号稳定时，以数字格式显示温度。这通常被称为直接读取法，并且，虽然它减少了因读错测量温度产生错误的可能性，但它仍然需要相对较长的时间达到稳定的温度读数。在典型的直接读取方法或模式中，为了获取温度读数大约需要三到五分钟。

[5]电子温度计的一个内在特点是：它们不能即时地测量应用对象的体温。在电子温度计显示的温度代表被测的实际体温之前可能要花费相当长的时间。这个迟延是由测量系统中防碍热量从身体表面流向温度传感器的各种构件引起的。所述构件的一些是传感器头、身体的皮肤和组织、以及应用于传感器头用于防止测量物体之间污染的任何卫生覆盖物。因此这种方法仅仅提供了部分解决方案。

[6]克服上述缺陷的一个尝试涉及到使用与预测或估算电路耦合的温度敏感电子探针，以在探针与病人达到平衡前获得病人温度的直接数字显示。使用这种方法，假设病人的温度在测量时间内不会显著改变，根据被测温度，预测在电子温度计与病人达到热稳定时占主导地位的温度，并在达到热稳定前显示出来。在很多现有装置中，通过长时间监测被测温度、计算导数、并处理这些变量来预测病人的温度，温度预测得以进行。

[7]对于预测最终稳定温度的电子温度计，一个优势就是温度测量是在达到热稳定前完成的，因此减少了测量所需的时间。这就减少了病人不能在整个测量时间内将探针保持在一个正确位置的风险，而且还减少了主治医务人员的时间。另一个优势是，因为体温是动态变化的，并且可能会在与传统水银玻璃温度计测量相关的两到八分钟测量间隔内显著变化，所以快速判定提供了更及时的诊断信息。然而这种温度计的一个缺点是预测温度的准确性会显著下降，除非正确地执行数据的处理和分析。

[8]使用预测类型处理和温度确定的电子温度计可以包括热敏电阻作为响应温度的转换器。热敏电阻渐近地达到最终的稳定温度，最后的温度变化增长发生得非常缓慢，而大部分温度变化发生得相对迅速。图1显示了这样的温度响应。图中显示了典型的热敏电阻的被测温度曲线20，其被描绘为测量时间22和温度24的函数。如上所述，热敏电阻显示的温度20滞后于被测对象的实际温度T_F 26。滞后可以通过比较被测温度线20和对象的实际温度线26看出。可以看出，测量过程从起始时间t₀开始，在时间t₀和t₁之间温度快速地从T_R升高到T₁。在时间t₁和t₂之间，显示的温度的增长速度减缓，并且，随着时间的增加，温度线渐近地趋向温度T_F 26。如上所述，本发明涉及能够对在测量早期收集到的温度数据进行分析的系统，比如在时间t₁和t₂之间，并预测最终的温度T_F。已经进行的现有尝试监测开始阶段更快速的温度变化，从该变化中抽取数据，并早在热敏电阻实际稳定在组织温度前，估计正与热敏电阻接触的组织的实际温度。

[9]用来在热敏电阻达到与病人平衡前更快速预测组织温度的现有方法是：在热敏电阻的响应早期进行数据点抽样，并根据这些数据点预测热敏电阻响应的曲线形状。根据曲线形状，可以预测曲线渐近线，从而可以估计稳定温度。为了用一个较为简易系统的示例阐述这些概念，考虑图2所示的与两个温度不同的物体相关的热传递物理过程，其中一个物体具有大的热质，而另一个物体具有小的热质，在时间为0时相互接触地放置在一起。随着时间的增长，小热质和大热质的温度在某一温度达到平衡，这个温度被称作稳定温度。描述此过程的方程式如下：

T (t) = T_{R} + (T_{F} - T_{R}) \cdot (1 - e^{- (\frac{1}{τ})}) = T_{F} - (T_{F} - T_{R}) \cdot e^{- (\frac{1}{τ})}

(方程式1)

其中：T(t)是较小物体的温度，是时间的函数，

T_F是系统的稳定温度，

T_R是较小物体的初始温度，

t是时间，和

τ是系统的时间常数。

[10]根据此关系式，当获知了温度T在时间t中两点的值，比如在时间t₁时温度值为T₁，在时间t₂时温度值为T₂，可通过运用下面的方程式2预测稳定温度T_F。

T_{F} = \frac{T_{2} - T_{1} e^{\frac{t_{2} - t_{1}}{τ}}}{1 - e^{\frac{t_{2} - t_{1}}{τ}}} = \frac{T_{2} e^{\frac{t_{2}}{τ}} - T_{1} e^{\frac{t_{1}}{τ}}}{e^{\frac{t_{2}}{τ}} - e^{\frac{t_{1}}{τ}}}

(方程式2)

[11]另外，对于方程式1描述的简易的一阶热传递系统，温度的一阶时间导数的自然对数是斜率为-1/τ的直线，如下所示：

\ln (\frac{dT}{dt}) = K - \frac{1}{τ}

(方程式3)

并且：

T_F＝T(t)+τ·T″(t) (方程式4)

其中：

τ = - \frac{T^{'} (t)}{T^{''} (t)}

(方程式5)

其中K＝基于T_R，T_F和τ的一个常数。

T′＝温度的一阶导数

T″＝温度的二阶导数

[12]现有的技术已经运用这些简单的一阶关系式来分析温度平衡曲线。在一些实例中，已经利用了由热敏电阻生产厂家设定的热敏电阻时间常数。然而，所有这些技术都未认识到温度响应曲线不能用一阶来准确建模，因为温度响应曲线由病人的组织和血管系统与卫生探针罩、传感器和探针杆之间的复杂的热力学相互作用决定。当热敏电阻与人体组织接触放置，比如放进人嘴里，探针相对于该组织的物理位置、特定组织的热传递特性、隔离探针和组织的卫生探针套34(图2)、以及通过探针感应头和杆36的热传递都会影响响应曲线，如图3所示。图3中这些因素36的每一个都影响来自热敏电阻的热流，并且每个都有不同的热力学特性，包括热阻和热容量。生物因素38影响热向热敏电阻的流动，并且在病人之间显著变化，尤其是随着年龄和身体构成而变化。这些因素和结构的空间几何形状一起使得由热敏电阻感知的温度遵循比通过简易模型预测得到的曲线--比如从只使用由工厂提供的先验热敏电阻时间常数获得的曲线--更具复杂的特性曲线。

[13]先前的预测技术依赖于这样的假设：通过皮肤接触后的升温遵循指数曲线(所谓的牛顿“加热”(Newton“heating”))。这样的模型在有无尽的、充分搅拌的热源用于加热传感器的情况下可能正确，还是如图2所示。探针套34安放于温度传感器或探针32上，所述温度传感器或探针32浸泡在具有比热和初始温度“T_w(0)”的大量水源30中。探针的热质为“M”，初始温度为“T_P(0)”。探针套的热阻为“R”。在这些理想情况下，从水浴到探针的热流由简易的方程式控制：

\overset{\cdot}{Q} = \frac{T_{W} - T_{P}}{R} = \frac{ΔT}{R}

(方程式6)

其中Q＝热流(flow_of_heat)

[14]在任意时刻求解探针温度的微分方程，产生如下形式的方程式，用于计算在浸入水中后在任何时刻“t”下探针的温度。

T_{P} (t) = T_{W} (0) - [T_{W} (0) - T_{P} (0)] \cdot e^{\frac{1}{R \cdot M}}

(方程式7)

[15]热量上升的“时间常数”很大程度上由探针的热质“M”和探针套的热阻“R”的乘积决定。

[16]将这个简易模式应用于加热与身体的一部分--比如嘴或腋窝--接触的温度探针，这不能说明直接接触探针的区域中组织的有限热容量，以及从表皮层开始并继续到内部结构的连续多层组织的热阻。

[17]具体而言，随着探针温度的升高，来自与探针直接接触的区域的热量已经被移走，这需要额外的热能经由更多的组织传输，以便到达探针。这部分“远程”的热能因此具有比从更近端区域流入探针的热能更长的“时间常数”。

[18]在任意时刻“t”，当前值和最终值之间的温度差由下列方程式给定：

\frac{\frac{d}{dt} [e^{\frac{- t}{R \cdot M}}]}{e^{\frac{t}{R \cdot M}}} = - \frac{1}{R \cdot M}

(方程式8)

因此，通过考虑：方程式2预测的温度的“变化速率”保持为在任意时刻下保持发生的温度变化的恒定比例，可以看出方程式2对身体组织内复杂的传导进行建模的限制。

[19]因此，需要一种不同于一阶模型的测量系统，它能够预测稳定温度，还能适应受测身体和测量系统本身不断变化的热流特性。建议预测技术采用一组实时求解的联立方程，以产生恰当的表示稳定温度的升温曲线。为了成功，这种技术要求使用具有很多系数的方程式，这样升温曲线的形状才能充分地近似。实际的约束限制了可使用的项的个数，因此限制了这种方法的准确性。另外，当温度计使用了相对简单、低功率的微处理电路时，这些方程式的计算求解是很费劲的事。

[20]同样值得注意的是：当生产厂家能够开发出非常复杂的医疗设备时，造价的问题必须时刻牢记于心。生产厂家努力保持医疗设备的成本尽可能低，这样可以应用于多种病人。当拥有大得多的处理器、快得多的计算速度、大得多的内存空间的温度计可利用，以便可以执行更快的计算和执行更多的计算时，也引发了造价的问题。这种处理能力的提高将显著增加温度计的造价，并可能因此造成很多病人无法使用这种温度计。反而，本领域技术人员期望有一种温度计，它具有经济效益，但通过使用稳定、准确、和快速执行的算法，通过复杂的温度数据处理，能够提供病人温度的准确和快速预测。

[21]对于单个温度计，一个公认的要求是：能够测量病人口腔、直肠、腋窝等部位的温度。多种因素可能会作用于某个特定病人，使得一个或多个这些部位在温度测量过程中不能使用。因此，能够测量所有这三个部位的温度计将提供一种期望的优势，无需为不同部位使用不同温度计。需要认识到的是，在病人的腋窝部位测量温度与在口腔和直肠部位测量温度差别很大。在大多数情况下，探针对腋窝部位的温度响应与对口腔和直肠部位的温度响应存在很大差异。由于腋窝部位是由非粘液表皮组织，加上下层脂肪组织组成的，相较于安放在口腔和直肠部位的探针，安放在腋窝的探针的温度响应曲率要平缓很多(参见图7，其中对于口腔部位，曲线100是典型的，而对于腋窝部位，曲线102是典型的)。

[22]虽然现有的温度预测定技术已经显著促进了电子测温领域的发展，但本领域的技术人员认识到对电子温度计仍然存在这样的要求：能够在测量过程的早期预测稳定温度，在所述测量过程中，测量条件和被测对象的特性会根据测量不同而变化。另外，对单个温度计已经认识到存在这样的要求：能够从病人的多个部位测量和预测温度，比如口腔、直肠和腋窝部位。还有，对于包含相对简单、廉价的电路但仍准确的医用温度计存在需求。本发明满足了这些需求和其它需求。

发明概述

[23]简略地概括，本发明提供了通过预测在测量过程早期对象的温度确定对象温度的温度计和方法。本发明的温度计系统和方法适应含有多个参数的非线性模型，以使模型曲线拟合被监测的温度数据。在升温曲线的早期选择这些参数，并由所得到的模型曲线预测传感器的平衡温度，由此预测被测对象温度。这样，该预测过程会适应温度计探针的热特性、以及被测对象的解剖结构和生理，并且要求相对少的数据获取和数据处理时间，同时产生传感器平衡温度的准确预测。

[24]在一个详细的方面，参数之一“曲率指数(curvature index)”C，一般通过一定范围的值算出，这些值适合选定的测量解剖结构部位。因为根据本发明的温度计系统和方法的适应特性，病人的多个部位可以使用一个温度计进行测量。

[25]在其它方面，传感器提供响应于检测所述对象温度的温度信号，该温度信号随时间变化。处理器在第一选择的时帧内监测温度信号；确定第一时帧内温度样本的选定特征子集；基于被监测温度信号特征的一组非线性曲线拟合参数的计算和基于模型曲线，提供或“拟合”模型温度曲线；预测对象温度。在更详细的方面，处理器在传感器到达对象温度前的时间段中选择第一时帧，并使用非线性曲线拟合参数，以提供模型曲线来计算对象温度的预测值。在另一个更详细的方面，处理器比较模型曲线和被监测温度数据，并且如果差异不超过阈值，则处理器从模型曲线预测并显示对象的温度。在另一个更详细的方面，处理器使用为选定区域确定的模型参数来计算出偏移项(offsetterm)，它是选定模型参数的线性函数。在另一个更详细的方面，用来计算偏移项的模型参数与曲率参数有关。在另一个更详细的方面，处理器使用选定预测窗口开始前的时间延迟来计算偏移项，所述偏移项是选定模型参数的线性函数。

[26]在进一步的方面，处理器将选定的第一时帧的非线性曲线拟合和预先确定的完整性标准(integrity criterion)作比较，并且如果来自第一帧的预测温度没有满足完整性标准，处理器在计算对象的温度时会排除第一时帧。

[27]在另一个方面，处理器比较被监测的温度数据的各方面和完整性标准，并且如果被监测的温度数据的任意特性没有满足完整性标准，处理器在预测对象的温度时不会使用这些数据。在更详细的方面，完整性标准之一包括被监测温度数据的曲率特性。在另一更加详细的方面，另一个完整性标准包括被监测温度数据的斜率极限。在另一方面，如果被监测温度数据不满足完整性标准，处理器选择被监测温度数据的不同窗口来和完整性标准比较。

[28]在另一方面，如果在确定对象的温度时排除了第一选定的时帧，处理器会在第二选定的时帧内监测温度信号。另外，在一方面，处理器选择在第一时帧后发生的第二时帧，而在另一个方面，处理器选择与第一时帧重叠的第二时帧。

[29]在更广泛的方面，如果处理器在确定对象的温度时将之前的时帧排除，它会在大量不同的选定时帧来监测温度信号，并且处理器将大量被监测的时帧的数目限制在传感器到达对象温度前的、预先确定的时间段中出现的那些时帧的数目。

[30]在不同的方面，处理器确定传感器开始监测对象温度的起始时间，并且处理器选择第一时帧来包括发生在起始时间后发生的温度信号。在更详细的方面，处理器通过计算来自传感器的温度信号的当前值判定传感器正在监测对象的温度，并且在当前值超过组织接触阈值温度时，基于计算结果设置起始时间。

[31]通过下面的详细描述，连同以示例方式阐述本发明特性的附图，本发明的其它特征和优势会变得明显。

附图简介

[32]图1是典型的热敏电阻传感器装置的渐近响应曲线的图，显示了放置在与病人接触的温度探针里的传感器的温度平衡；

[33]图2是具有第一温度的小物体浸入大流体槽的视图，其中流体温度为第二温度，比第一温度高，图中显示了两者之间的热流，直到达到平衡；

[34]图3是测量病人温度过程的热流图，显示了由内部器官产生的热量，通过主要血管和其它组织、通过探针套和其它装置扩散，最终到达热敏电阻，但另一方面，通过空气、手柄和从热敏电阻传导热量的装置和事物，热量会从热敏电阻流向探针杆，甚至流向操作员；

[35]图4是一个便携式温度计的前视图，它有两个探针，一个探针套，一个显示屏，和对于测量对象温度有用的输入装置；

[36]图5是根据发明原理的系统的结构图，该系统用于在系统的传感器温度与病人达到最后平衡前，通过基于对平衡前获取的温度数据的分析预测病人温度，从而确定病人的温度；

[37]图6是显示收集和处理温度数据的流程图，用于根据本发明的多个方面预测和显示温度；

[38]图7显示了热敏电阻传感器装置示例性的响应曲线，显示了在口腔和直肠测量部位的温度测量的曲率，以及在腋窝部位温度测量的第二条线，该第二条线显示了在腋窝部位的响应线条的曲率要比口腔/直肠部位的响应线条的曲率小很多。

[39]图8是温度图，显示了根据本发明多个方面的组织接触阈值、预测开始延迟，预测开始和预测完成点，以预测对象温度；

[40]图9是一组由不同组的选定Ai、Bi和Ci参数形成的模型温度曲线，它与对象的温度数据曲线一起被用于使模型曲线拟合数据曲线，并且当拟合在极限内，则被用于预测对象的温度；

[41]图10显示了曲线拟合模型温度曲线和实际测量数据点，并确定模型曲线和每个实际数据点之间的差异，以用来确定模型曲线对数据是否有可接受的“拟合”；

[42]图11是图8温度图的放大局部，显示了在预测中使用的最终组织接触点，以及显示了预测开始延迟和预测样本的起始；和

[43]图12是根据本发明的多个方面提供的方法的多个方面绘制的数据流程图。

优选实施方式详述

[44]在下面的描述中，在附图的不同图中，同样的参考数字会用来指示同样或相应的元件。现在参看附图，尤其是图4，显示了包含有本发明新特征的电子温度计40的一个实施方式。电子温度计包含用来检测病人身体选定部分的温度的探针42，探针42与温度计的主体部分46通过导线44连接。探针已经从主体部分中的储存腔48移出。温度计的主体包含电子元器件和温度计的电源，还有一个用来显示温度值和错误或警示消息的显示屏50，以及第一输入装置52，它在此例中是位于显示屏下方的通断开关。主体部分的前面板56还提供了模式转换开关54，用来选择更适当地处理温度数据的部位和方法，这样在温度测量过程中部位的特性也得到了考虑。在一个实施方式中，模式转换提供了“快速口腔(FAST ORAL)”、“快速腋窝(FASTAXILLARY)”和“快速直肠(FAST RECTAL)”几种选择。温度计还包括第二探针5 8，在图中显示为插在主体部分的腔60中这个储存位置。根据本实施方式，一个探针用于测量病人的口腔和腋窝的温度，另一个探针用于测量直肠的温度。在接触病人前罩于探针上的卫生套62也被示出。

[45]参看图5，结构图大概显示了根据本发明多个方面的温度计40的一个实施方式的主要电子元件。温度传感器42提供响应于在测量过程中被测温度的温度信号。同时还有位于病人和探针传感器之间的探针套62。在热敏电阻被用作温度传感器的情况下，这些信号是模拟电压，表示热敏电阻的电阻，从而表示被测温度。表示温度的信号被放大器70放大，然后被模数转换器72转换为数字形式，用于进一步处理。模数转换器与处理器74连接，处理器74接收数字电压信号，并处理这些信号，以确定被测对象的温度。存储器76存储温度和时间信号数据，还有算法，这样可以在后续时间分析信号数据。一旦这些信号得到了处理，处理器向显示屏78提供信号，显示预测的稳定温度。探针包括一个由加热器电源80控制的加热器装置。通过打开加热器电源，一旦将探针从主体部分的腔拿开，处理器会控制探针加热器，以提升探针的温度到一设定点。设定点一般是93(33.9℃)，但可以选择其它温度。打开开关启动温度计的温度测量功能。这个开关优选放置在探针储存腔中，这样拿开探针可以自动启动测量。电源82为各种元器件提供能源。为保持图示的清晰，电源和元器件之间的详细连接在图中未显示；然而本领域的技术人员将很好地理解这些连接。

[46]虽然图5显示了电子预测温度计的一个具体实施方式，但这仅仅是为了说明的目的。存储器76可以实际上包括多个存储器装置。处理器74可以包含多个处理器。用户接口78可以包含多个开关或显示屏。很显然，对于本领域的技术人员来说，图5可以做很多不同的更改。

[47]现在参看图6，显示了根据本发明多个方面的方法实施方式的一般功能(任务)，还有流经它们的数据。这些任务可以同时执行或者依次执行，并且所示的有些任务可能在系统执行的某一次特定测量中不会执行。数据流不表明激活顺序。图中没有显示控制和激活。

[48]温度计系统被初始化90，并开始生成来自温度传感器的数据。当获取了足够的温度样本(数据)时，则这些数据被过滤92。过滤由所采取的过滤器类型、顺序和模式决定。在一种情况下，使用了简易的巨大平均器/数字采样抽取器(boxcar averager/decimator)。可以使用其它更复杂的过滤器。然后，处理器使用过滤后的温度数据计算预测温度94。一旦已经进行可接受的预测温度的计算，就进行显示96。

[49]现在将讨论对口腔、直肠和腋窝部位进行温度预测方法的概括性实施方式。操作员对部位的选择决定了用于该部位的选定的一组控制参数和阈值。

ABCE非线性多参数曲线拟合预测的概述

[50]通过将非线性多参数模型(方程式9)拟合到在组织接触(参见图8)后出现的一连串经过滤的温度样本(“窗口(window)”)，对在定义的将来时间(比如预期传感器与病人温度达到平衡的时间)下的温度进行估量或预测。

(方程式9)

其中：

T_拟合(n·τ)是在特定时间t＝n·τ时的温度估计()；

n是整型样本指数(integer sample index)，在满足“预测开始(Prediction Start)”条件的第一个样本时初始化为0；

τ是每个样本的秒数(秒)；

A是“偏移”参数(或者℃)；

B是“跨度”或“范围”参数(或者℃)；

C是“曲率”或“平衡率”参数(秒^-1)；以及

E是“时间偏差(time warp)”因子(无单位)，其可以用来对模型曲

线的曲率做非线性修正，使模型曲线更好地拟合温度数据曲线。如果在第一个窗口内完成的拟合没有满足预测标准，窗口将向前“滑动”一个测量样本(平均10个样本为一秒，参见下面的TAD计算详情)，而且重新计算模型参数。

[51]对于许多C、E的离散值的每一个，模型参数(A，B)都使用线性最小二乘优化法计算。达到最小“误差平方和”的A、B、C和E的解集被称作该窗口的Am、Bm、Cm和Em，其中根据模型曲线值和窗口数据元素值之间的差，度量最小“误差平方和”。如果该值比定义的阈值小，并且在该窗口中满足其它曲率特性(curvature quality)(下面描述的“CQI”)和斜率条件(下面描述的“WindowSlope”)，则采用下面的方程式10，利用参数ABC预测温度。

(方程式10)

其中：

D(Cm)是“曲率调整因子”；

D(T)是“时间调整因子”；

D₀是偏移常数；

w是预测开始后逝去的秒数；和

n·τ是在温度被估计时，相对于预测开始的未来的秒数。需要注意的是，Cm的指数“E”(参见方程式9)在图10的实施方式中被置为“1”。然而，在另一实施方式中，指数值可以被设置为不同于“1”的值，以便于使模型曲线更加准确地拟合温度数据的曲率。温度数据是依赖于时间的，也就是说，每个数据点都是在离散的时间点获取。当这些数据点被连接起来，以显示温度数据“曲线”时，这种曲线用时间作为一个轴，因此也可以认为是一种时间曲线。指数“E”非线性地修正模型曲线的曲率，以便于更准确地匹配温度/时间数据曲率，并因此被称作“时间偏差”因子，因为此指数在时间意义上改变模型曲线。改变指数“E”来更准确地匹配数据曲线，要求更多的处理时间和功率。

[52]由方程式10产生的模型曲线预测当通过与组织接触而被“加热”时探针温度的变化率。相较于对腋窝部位，对口腔/直肠部位测量的设计需要更高的C值，原因在于这些位置热传递的差异。图7显示了一个大概的比较。图线100代表对口腔和直肠部位的温度响应的典型形状。图线102代表对腋窝部位的温度响应的典型形状。很明显，口腔和直肠部位的曲率比腋窝部位的曲率要大得多。腋窝与口腔/直肠模式的一些控制参数和阈值也有差异。这些差异在后面描述。

[53]另外，一旦确定了因子的各种值(A、B、C和D)，就可以输入时间n·τ，以确定平衡温度的预测。作为一个例子，对于口腔或直肠测量，可以输入180秒的值，而对于腋窝测量，可以输入300秒的值。求解方程式10的结果(T_预测)就是平衡温度。

[54]因子D(C)、D(W)和D_o补偿预测中的小系统误差，当E项固定时，该误差可能会部分产生。D(C)是线性调整因子，形式为：

D(C)≡C_斜率·C (方程式11)

其中：

C_斜率是常数；

C是与最小误差平方和相关的估计值。

类似地，D(w)的形式为：

D(w)≡T_斜率·w (方程式12)

其中：

w是预测开始后逝去的时间(秒)，其中在当前窗口被评价的时刻下，预测开始；和

D_o是常数，其用来消除D(w)和D(C)的偏压效应(bias effect)，以及在群体研究中统计学上观测到的小系统偏移。

[55]基于对广泛的、随机选择的对象群体进行的实际温度测试，选择所用“C”值的范围和“D”项的值。基于那些实际的温度测试，设置所有这些值，以优化为该大群体的对象预测温度的性能。然而，本领域的技术人员清楚，根据对其它对象群体的测试结果，可能改变这些值。还需要注意的是，取决于所测的实际数据，一些或全部“D”项可能为零值。另外，如果方程式9中“C”项的指数“E”被用于控制模型的曲率，“D”项可能不需要，并可以置为零。如同在方程式10中一样，当指数“E”被置为一时，“D”项被用于为模型曲线的形状提供一些补偿。已经发现，设置指数“E”为一并使用线性“D”项的这个实施方式，降低了对处理器的要求，仍产生准确的预测结果。

[56]如果估计温度在低预测极限或高预测极限之外，仪器将自动转换到“持续监测状态(Continuous Monitoring State)”。“持续监测状态”是这样的状态：其中温度计并不预测对象的温度，而仅仅保持活动状态，直到它与对象的温度达到平衡。取决于选定的解剖部位、接触、液力联轴器、和施加的压力，这可能需要三到八分钟。

[57]图8图解说明了预测过程的典型温度分布和关键特征。当把探针42从设备“腔”48(参见图4)拿走时，它一般处于房间环境温度。探针加热器电源80(参见图5)被激活110，通过探针加热器使探针温度达到一个目标设置点，但它可以超过几度并振荡，尤其是当探针套没有放在探针上更是如此。然后，将探针套安放在探针上。当放置带有探针套的探针与组织接触时，温度从设置点升高，超过组织接触阈值112，导致加热器关闭。

[58]通过探测超过组织接触阈值的原始(100ms)温度，确定预测开始，随后是固定的、依赖于模式的时延。如果所述原始温度在达到预测开始条件之前降到组织接触阈值之下，时延被延长。

[59]从原始样本满足预测开始114的标准开始，对区(blocks)内的10个原始温度样本进行求平均并存储，产生一个含有十个过滤后样本的数组(窗口)116。每一个这样的10个过滤后样本之平均值被称作“TAD”(Temperature Averaged and Decimated(平均和采样抽取温度))。如果任意TAD值比记录的最大TAD值低超过1(≈0.5℃)，则设备状态会变为持续监测状态，因为组织接触丧失被假定已经发生。

[60]每个窗口中的TAD样本被用于计算曲率特性指数(CQI)和窗口斜率值。为了用于将被呈现的预测，这些值与误差平方和(SSE)一起必须都满足指定的标准。如果没有满足这些标准，则如下形成后续窗口。后继每一秒对应的TAD值都被加入到估计窗口，并且最早的TAD值被去掉，直到产生一个成功的单个窗口预测或者达到窗口的最大数目(MaxNumWindows)。

[61]如果到达最后的窗口，并且其SSE、CQI和窗口斜率(WindowSLope)值没有达到指定的阈值，则比较最后窗口的SSE和阈值FSSE。如果成功，则从最后窗口进行预测，否则设备过渡到持续监测状态。对于任意另外合格的预测，如果预测温度在低预测极限或高预测极限之外，则设备自动转换到持续监测状态。

[62]其它几种情况可以触发从预测状态到持续监测状态的转换。这些情况由软件程序设定，这些软件程序用于在热敏电阻发生故障时控制加热器和监测探针。为了完整的目的，图12显示了这些情况，并在本说明书的其它地方进行了描述。

平均和采样抽取温度(TAD处理)

[63]设备对来自温度探针放大器70(参见图5)的电压进行抽样，并按100毫秒的间隔将该值进行数字转换。为了效率和噪声抑制的目的，100毫秒(“原始”)样本采用简易的巨大平均器/数字采样抽取器进行预先过滤(参见方程式13)，以一秒间隔产生“平均采样抽取温度(temperature averaged decimated)”或者“TAD”样本。

{TAD}_{i} = Σ_{j = 1}^{N} T_{j + N &NotEqual; (i - 1)}

(方程式13)

其中N是TAD样本/窗口的数目，并且其中第一个TAD的第一个样本是预测开始延迟(Prediction Start Delay)118后的那个样本。预测开始延迟从超过组织接触温度94(33.4℃)的第一个样本依次开始。如果在开始延迟时期期间，原始温度降低到组织接触阈值之下，则重置预测开始延迟计时器。

预测窗口样本选择

[64]热平衡曲线通常含有来自多个源的假象。根据本发明多个方面的系统和方法力图通过输入数据的优化选择来避开假象的影响。在组织接触后的开始几秒，探针加热的残余效果可能影响平衡曲线的形状。探针离开设备后，越快接触组织，这些影响越有可能出现。探针套与皮肤的位置和/或压迫的变化使组织和探针套之间的热阻发生更改。这既影响热平衡曲线的形状，还影响平衡温度的值。

[65]为了减轻噪声源的影响，算法由“时间窗口”计算出多个估计值，每个“时间窗口”由固定数目的TAD样本组成(参见方框图12)。为了确定由特定窗口得到的估计值是否适合预测，或该测量窗口是否必须向前推进(滑动)到下一个到来的TAD值，计算了三个量度：

1.第一个定性量度是窗口的误差平方和(SSE)(参见方程式14)。在到达允许的最后窗口的情形中，使用最后窗口的SSE值确定预测结果是否应该显示，或确定当设备无法进行可靠的预测时，是否应该转换到持续监测状态。

对于N个TAD，

SSE = Σ_{i - 1}^{N} {({TAD}_{i} - {\hat{T}}_{i})}^{2}

(方程式14)

2.第二个定性量度是“曲率特性指数”(CQI)。它的目的是检测窗口TAD数据中可能引起温度曲线背离通常的下凹形状(参见图1)的假象。从窗口的第三个TAD开始，评估每三个TAD值来确定它们的“曲率”。在一个实施方式中，一系列三个TAD值中的第二点的值必须等于或高于第一点和第三点的平均值，否则认为该CQI不可接受。如果窗口中三个一组TAD中的任意一组未能满足曲率标准，则此窗口不能用来进行预测，并且该算法必须将窗口向前推进一步(一个TAD)。

{CQI}_{w} = Σ_{k = 1}^{N - 2} ifPOSITIVE (\frac{{TAD}_{k + w - 1} + {TAD}_{k + w + 1}}{2} - {TAD}_{k + w})

(方程式15)

其中：

w是估计窗口从1到NumWindows的指数。

N是每个窗口TAD的数目，TAD指数为从1到NumWindows+N-1。

注意“ifPOSITIVE(如果为正)”算子表示，如果右边括号内的值为正，则加入总和。如果值为负，则不加入总和。为了通过用于产生立即显示的预测的给定窗口进行估计，每个窗口的CQI值必须等于或小于CQIThreshold(CQI阈值)。

3.第三个定性量度是窗口的斜率(WindowSlope)，它简单地被计算为每个窗口中第一个和最后一个TAD之间的差。如果该值超过极限SlopeThreshold(斜率阈值)，则必须选择下一个窗口或所评估的最后窗口。

窗口斜率(WindowSlope)＝TAD(NumTADs-1)-TAD(0)(方程式16)

其中NumTADs(TAD数目)是窗口中TAD样本的数目。

[66]已经发现，在对象的温度很高的情况下，比如104(40℃)，WindowSlope非常有帮助。在很多情况下，这种病人的温度数据曲线开始时有很高的斜率，并可能导致处理器预测的温度远远高于对象实际的温度。根据WindowSlope的特性，当斜率太大时--表示可能的“热”的对象，处理器将等待下一个窗口的数据。后来的数据可能更接近所述对象的温度数据开始更渐近的点，并且预测将是准确的。在一个实施方式中，如果没有窗口满足立即预测的标准，一旦到达最后窗口(LastWindow)，会提供供替代的机会。该最后窗口的SSE与阈值FinalWindowSumSquareThreshold(最后窗口平方和阈值)作比较。如果满足了标准，则对最后窗口计算预测。

估计处理

[67]要生成估计值，必须通过获取和生成所需的TAD样本使估计窗口完备。接着处理TAD样本来确定拟合参数A、B和C，以及定性量度--SSE、CQI和WindowSlope。

[68]使用最小二乘估计法(least squares estimation，LSE)，确定A和B，但是由于方程式9的非线性特性，必须通过计算每一个C、E值的误差平方和，以及查找与生成最小误差平方和(“SSE”)的相应A、B值一起的C、E值，来确定C和E。已经发现，对于特定的身体部位，从有限范围的可能值中足以选择C和E。口腔和直肠具有足够相似和相对高的热传导性，以使用一个范围的C、E值。而腋窝具有较低的平均热导性，使用不同的较低范围的C、E值。在一个实施方式中，为了确定A和B，对于每一个C值，构造了三个固定的常量数组，并将E的值置为1且固定不变。图9呈现了本实施方式中参数A、B和C的确定。处理器选择了15个C值中的每个值和其相伴参数A、B，并为每个值获得误差平方和。在方程式10中，C值和其具有最小误差的相伴参数A、B一起被用于计算预测温度。

[69]图9和图10呈现了根据本发明实施方式的技术，其中使模型温度曲线精确拟合实际温度测量数据点。在图9中显示了多种曲线，所有这些曲线都被应用于图10显示的实际温度测量数据点126。图10显示，含有特定参数A_i、B_i和C_i的模型曲线128已经拟合数据点。确定了误差e1到e6，也就是数据点与模型曲线之间的差异，并且获得了误差平方和。在一个实施方式中，如果本模型曲线的SSE是最低的，则其被用作本次测量的温度数据的模型曲线。如同本领域的技术人员熟知的一样，可以使用任意众所周知的最小二乘估计程序。在替代的实施方式中，可以确定生成最小SSE的两个C值。根据这两个值确定C的中间值，并由此计算SSE。如果该SSE比初始的两个SSE值都小，则使用此SSE或者重复处理过程直到SSE降低到可接受的阈值之下或停止降低。

组织接触检测、开始和预测的重启

[70]为了确定总预测时间的目的，组织接触检测的时限被定义为在预测前最后的原始温度样本(100ms)超过组织接触(TissueContact)阈值温度的时间。这个样本被称作TC样本。

[71]预测开始样本(Start of Prediction sample，SOP)出现在预测开始延迟(PredcitStartDelay)样本(原始样本)之后。注意，如果TC之后的任意样本等于或降低到组织接触阈值之下，则重置TC的值，停止并重置预测，以及重启预测开始延迟。因此，SOP的指数值定义如下：

SOP＝TC+预测开始延迟 (方程式17)

在图8和图11的例子中，因为原始温度122降低到组织接触阈值112以下，第一个TC 120被重置。接着发现最后TC 124具有等于1的相伴相对指数。在样本的预测开始延迟118之后，出现了开始预测114样本，这个样本是第一个TAD的第一个样本。

组织接触丧失的检测

[72]在预测完成前，可能在某一点失去组织接触。当比最大TAD值小预设的差数的TAD样本出现时，这种情况被检测到。

[73]图12提供了与图线130的图结合的数据流程图，其中图线130表示在预测技术中使用的温度传感器的温度响应。在本实施方式中，在图线中以点表示的温度样本132每100毫秒获取一次。在间隔134期间，加热器把传感器的温度升高到目标预热温度，一般低于组织接触阈值136大约1(≈0.5℃)，在本例中所述组织接触阈值为94℃(34.4℃)。在图11中，示出了穿过组织接触阈值7次的图线。由于开始延迟138，TAD计算处理过程140直到第七次142穿过组织接触阈值才发生。

[74]通过要求在预测过程开始前被取样的温度必须保持在组织接触阈值之上至少一个时间间隔(一般为0.5秒)，开始延迟操作避免了预测过程的过早开始。即使满足了这个条件，如果被取样的温度降低到组织接触阈值之下，预测过程中止，并且重新开始取样，以确定被取样的温度什么时候或者是否重新超过如上讨论的组织接触阈值。如果被取样的温度在一分钟内没有超过组织接触阈值，模式自动转换为持续监测状态，同时还有相伴的音频提示和显示指示器的改变。

[75]一旦被取样的数据超过组织接触阈值长达要求的时间，在第一个窗口144计算用长划符号表示的TAD值，并且如果在第一个窗口不能进行温度预测，则在后续的窗口中进行计算。用如上所述的TAD值执行“从当前窗口预测温度(predict temp from current window)”146、SSE 148、CQI 150、FSSE 152、最后窗口154和组织接触丧失156的功能。图12显示了这些功能的逻辑。

[76]使用逻辑与门162控制来自当前窗口的预测是否被使用和呈现，或者窗口是否必须向前推进一个TAD值。具体而言，为了使输出162为真，使得当前的预测被显示，三次比较的结果必须全为真。三个输入如下生成。SSE通过比较操作158与SSE阈值160进行比较，CQI通过比较操作164与CQI阈值166进行比较，而窗口斜率168通过比较操作170与窗口斜率阈值172进行比较。三个比较操作算子158、164和170的输出作为与门162的输入而呈现。

[77]如果到达最后的窗口，一组不同的规则被应用来判定是显示该窗口的预测结果还是转换到持续监测状态。使用逻辑与门178控制最后的窗口产生的预测通过传输门184传输到用户显示器。特别地，为了使门178的输出为真--其再允许传输门184将预测传输给显示器196，两个比较的结果必须都为真。两个逻辑输入如下生成。通过比较器174测试FSSE 152和FSSE阈值176，并评估最后窗口状态154是真是假，这个逻辑信号也被发送给与门178。

[78]可能会出现几种导致设备的操作状态转换到持续监测状态188的逻辑条件。逻辑或门186为真时，导致转换到持续监测状态。它的输入包括与门182的输出，与门182依次接收两个逻辑信号，一个来自最后的窗口逻辑154，而另一个来自比较器174的反向180输出。该逻辑实现如下测试“...如果FSSE大于FSSE阈值，以及当前最后的窗口正被用于进行预测，则转换到持续监测状态。”

[79]逻辑或门186的其它输入包括安全性和可靠性测试，这些测试包括将探针从腔中拿出后，立刻检查不正常的初始探针温度190；加热器控制逻辑不能获得足够的温度升高192；和确定最后窗口的预测在允许的范围之外194。

[80]图12还显示了用于将来自当前窗口146的预测温度呈现在显示器196上的门195。然而，在能够完成上述操作前，必须存在来自与门162的输入，指示SSE、CQI和WindowSlope都可接受。在另一个特性中，将与门162的输出提供给反向器198，反向器198为推进预测窗口200提供信号。

[81]根据如上所述，提供一种系统和方法用来准确地预测对象的温度。不使用温度数据曲线的近似法。相反，使实际曲线拟合温度数据曲线，提高了准确性。使非线性、多参数模型曲线拟合温度测量数据。根据特定的温度测量数据本身选择多个参数，从而使模型曲线适应附近特定的温度环境，以及由此使模型曲线非常准确。为了防止误导数据的使用，提供了保护措施，所述误导数据比如来自加热器影响、温度很高的对象，以及组织接触丧失。提供的方法可以由拥有有限处理能力的处理器实施，却能在到达平衡前提供对象温度的准确预测。

[82]虽然已经阐述和描述了本发明的几种形式，很明显，在不背离本发明的精神和范围的情况下可以做各种改动。因此，除了所附的权利要求，没有意图对本发明进行限制。

Claims

1.用于确定对象温度的温度计，包括：

传感器，其响应于检测所述对象的温度，提供温度信号，所述温度信号随时间变化；和

处理器，其被配置以：

监测所述温度信号；

使形状变化、非线性的、多参数模型温度曲线适应该被监测的温度信号；

比较所述模型温度曲线和该被监测的温度信号；和

如果所述模型温度曲线和所述被监测的温度信号之间的差没超过阈值，则基于所述模型曲线预测所述对象的温度。

2.根据权利要求1所述温度计，其中所述处理器被进一步配置，以通过误差平方和确定所述模型温度曲线和所述被监测的温度信号之间的差。

3.根据权利要求1所述温度计，其中在适应所述模型温度曲线中所述处理器的配置包括：

其中：

T_拟合(n·τ)是在特定时间t＝n·τ时温度的估计()；

n是整型样本指数，在满足“预测开始”条件的第一个样本时初始化为0；

τ是每个样本的秒数(秒)；

A是“偏移”参数(或者℃)；

B是“跨度”或“范围”参数(或者℃)；

C是“曲率”或“平衡率”参数(秒^-1)；以及

E是“时间偏差”因子(无单位)，其可以用来对所述模型曲线的曲率做非线性修正，使所述模型曲线更好地拟合所述温度数据的曲线。

4.根据权利要求3所述温度计，其中所述处理器被进一步配置，以通过误差平方和确定所述模型温度曲线和所述被监测的温度信号之间的差，并且使用所述误差平方和选择一个或更多个参数。

5.根据权利要求4所述温度计，其中对于给定的C、E参数，所述处理器使用所述误差平方和选择A、B参数。

6.根据权利要求3所述温度计，其中所述处理器被进一步配置，以通过误差平方和确定所述模型温度曲线和所述被监测的温度信号之间的差，并且使用所述误差平方和选择所有可选择参数的值。

7.根据权利要求1所述温度计，其中所述处理器被进一步配置，以：

在第一时帧内监测所述温度信号；和

选择第二时帧，如果所述模型温度曲线和所述被监测的温度信号的比较表明所述差超过所述阈值，则在所述第二时帧内监测所述温度信号。

8.根据权利要求7所述温度计，其中所述处理器被进一步配置，以选择与所述第一时帧重叠的第二时帧。

9.根据权利要求7所述温度计，其中所述处理器被进一步配置，以选择与所述第一时帧不重叠的第二时帧。

10.根据权利要求1所述温度计，其中所述处理器被进一步配置，以比较非线性曲线拟合和预先确定的完整性标准，并且如果来自所述曲线拟合的预测温度没有满足所述完整性标准，则所述处理器不使用所述被监测的温度数据来预测所述对象的温度。

11.根据权利要求1所述温度计，其中所述处理器被进一步配置，以将所述被监测的温度数据的特性和完整性标准比较，并且如果所述被监测的温度数据的任意特性不满足所述完整性标准，所述处理器则不使用此被监测的温度数据来预测所述对象的温度。

12.根据权利要求11所述温度计，其中所述完整性标准之一包含所述被监测温度数据的曲率特性。

13.根据权利要求12所述温度计，其中所述曲率特性由基于实际温度测量数据的曲线区域的存在确定，所述实际温度测量数据被考虑用于估计不下凹的温度。

14.根据权利要求11所述温度计，其中所述完整性标准之一包含所述被监测温度数据的斜率极限。

15.根据权利要求14所述温度计，其中所述斜率极限包含斜率极限最大值。

16.根据权利要求1所述温度计，其中所述处理器被进一步配置，以对所述被监测温度信号的曲率特性和特性阈值进行比较，并且如果所述曲率特性超出所述特性阈值，所述处理器将不会基于构成所述曲率特性比较基础的数据来预测所述对象的温度。

17.根据权利要求1所述温度计，其中所述处理器被进一步配置，以对所述被监测温度信号的斜率和斜率阈值进行比较，并且如果所述斜率超出所述斜率阈值，所述处理器将不会基于构成所述斜率比较的基础的数据来预测所述对象的温度。

18.根据权利要求1所述温度计，其中所述处理器采用的非线性模型的多个参数中的一个是曲率指数。

19.根据权利要求18所述温度计，其中所述曲率指数被限制在适合测量部位的一类值范围内。

20.用于确定对象温度的方法，包括：

检测所述对象的温度；

基于所述检测提供温度信号，所述温度信号随时间变化；

监测所述温度信号；

使形状变化、非线性的、多参数的模型温度曲线适应该被监测的温度信号；

比较所述模型温度曲线和所述被监测的温度信号；和

如果所述模型温度曲线和所述被监测的温度信号的差没有超出阈值，则基于所述模型曲线预测所述对象的温度。

21.根据权利要求20所述方法，还包括通过误差平方和确定所述模型温度曲线和所述被监测的温度信号之间的差。

22.根据权利要求20所述方法，其中适应所述模型温度曲线包括：

T_拟合(n·τ)是在特定时间t＝n·τ时的温度估计()；

τ是每个样本的秒数(秒)；

A是“偏移”参数(或者℃)；

B是“跨度”或“范围”参数(或者℃)；

C是“曲率”或“平衡率”参数(秒^-1)；以及

E是“时间偏差”因子(无单位)，其可以用来对所述模型曲线的曲率做非线性修正，使它更好地拟合所述温度数据的曲线。

23.根据权利要求22所述方法，其中确定所述模型温度曲线和所述被监测温度信号的差包括获取误差平方和以及使用所述误差平方和选择一个或更多个参数。

24.根据权利要求23所述方法，还包括对于给定的C、E参数，使用误差平方和选择A、B参数。

25.根据权利要求22所述方法，还包括通过误差平方和确定所述模型温度曲线和所述被监测温度信号之间的差，和使用所述误差平方和选择所有可选择参数的值。

26.根据权利要求20所述方法，还包括：

在第一时帧内监测所述温度信号；和

选择第二时帧，如果所述模型温度曲线和所述被监测温度信号的比较表明所述差超过所述阈值，则在所述第二时帧内监测所述温度信号。

27.根据权利要求26所述方法，其中选择第二时帧包括选择与所述第一时帧重叠的第二时帧。

28.根据权利要求26所述方法，其中选择第二时帧包括选择与所述第一时帧不重叠的第二时帧。

29.根据权利要求20所述方法，还包括比较所述非线性曲线拟合和预先确定的完整性标准，并且如果来自所述曲线拟合的预测温度不满足所述完整性标准，则不使用所述被监测的温度数据来预测所述对象的温度。

30.根据权利要求20所述方法，还包括比较所述被监测的温度数据的特性和完整性标准，并且如果所述被监测的温度数据的任意特性不满足所述完整性标准，则不使用所述被监测的温度数据来预测所述对象的温度。

31.根据权利要求30所述方法，其中所述完整性标准之一包括所述被监测的温度数据的曲率特性。

32.根据权利要求31所述方法，其中所述曲率特性由基于实际温度测量数据的曲线区域的存在确定，所述实际温度测量数据被考虑用于估计不下凹的温度。

33.根据权利要求30所述方法，其中所述完整性标准之一包括所述被监测的温度数据的斜率极限。

34.根据权利要求33所述方法，其中所述斜率极限包括斜率极限最大值。

35.根据权利要求20所述方法，还包括比较所述被监测的温度数据的曲率特性和特性阈值，并且如果所述曲率特性超出所述特性阈值，则不用基于构成所述曲率特性比较的基础的数据来预测所述对象的温度。

36.根据权利要求20所述方法，还包括比较所述被监测的温度信号的斜率和斜率阈值，并且如果所述斜率超出所述斜率阈值，则不用基于构成所述斜率比较的基础的数据来预测所述对象的温度。

37.根据权利要求20所述方法，其中适应形状变化、非线性的、多参数模型温度曲线包括选择曲率指数作为所述非线性模型的多个参数中的一个。

38.根据权利要求37所述方法，其中所述曲率指数被限制在适合测量部位的一类值范围内。