具体实施方式

本文公开了要求保护的结构和方法的详细实施例；然而，可以理解的是，所公开的实施例仅仅是对可以以各种形式体现的要求保护的结构和方法的说明。然而，本发明可以以许多不同的形式体现并且不应被解释作为限于本文阐述的示例性实施例。在描述中，可以省略本领域的技术人员公知的特征和技术的细节以避免不必要地混淆所呈现的实施例。

说明书中对“一个实施例”、“实施例”、“示例性实施例”等的引用，表示所描述的实施例可以包括特定的特征、结构或特性，但是每个实施例可以不一定包括特定的特征、结构或特性。此外，此类短语不一定指相同的实施例。进一步地，当结合实施例描述特定特征、结构或特性时，无论是否明确地描述，认为在本领域的技术人员的知识范围内影响与其他的实施例相关或结合的此类特征、结构或特性。

患者体温预测源于人类体温调节机制的生理学，其平衡内部代谢产热与通过血液灌注、辐射、传导及对流过程从身体表面损失的外部热量。人类体温调节系统试图消除用于正常操作环境条件下大气中变化的波动，例如环境温度在61°F至104°F之间，并保持内部核心温度恒定。因此，环境温度与核心温度的变化或患者体温之间的关系对于环境条件的正常范围可以保持恒定。

上述生理关系可以被构建成如下给出的数学模型。

qc(T_b-T_s)＝hA(T_s-T_a) (1)

其中，T_b是BodyTemp；T_s是SkinTemp；T_a是AmbTemp；q是血流率；c是血液的比热；h为传热系数；A为身体表面面积。

简化以上等式(1)，

基于以上理论框架，BodyTemp预测算法允许在皮肤表面和传感器环境空气的两个不同界面处使用准确的独立温度采样从而抵消来自SkinTemp的环境变化，估计从核心体到胸部皮肤表面的热传递或热交换，并将温度输出量度转变到与核心温度的量度相似的量度以进行比较。

图1示出了用于测量身体皮肤表面处的第一温度和来自传感器环境空气的第二温度的无线可穿戴传感器设备100。无线可穿戴传感器设备100或可穿戴设备包括传感器102、耦接到传感器102的处理器104、耦接到处理器104的存储器106、耦接到存储器106的无线可穿戴传感器设备应用程序108以及耦接到无线可穿戴传感器设备应用程序108的发射器110。

无线可穿戴传感器设备100附接到用户以测量身体皮肤表面处的第一温度和来自传感器环境空气的第二温度。传感器102分别包括但不限于热敏电阻器。传感器102从身体皮肤表面和传感器周围的传感器环境空气获得温度数据，该温度数据被传送到存储器106，继而经由处理器104传送到无线可穿戴传感器设备应用程序108。存储器106可以是闪存。处理器104执行无线可穿戴传感器设备应用程序108以处理和获得关于用户的健康的信息。该信息可以被发送到发射器110并且被发送到另外的用户或设备以用于进一步地处理、分析及存储。即，发射器110可以将各种温度数据发送到远程设备/服务器(例如智能手机、基于云的服务器)以进行处理、分析及存储。发射器110可以是蓝牙低功耗(BLE)收发器。或者，无线可穿戴传感器设备100可以通过存储在存储器106中并由处理器104实现的无线可穿戴传感器设备应用程序108在本地处理和分析温度数据。

传感器102可以是一个或更多个热敏电阻器，并且处理器104是微处理器和可重复使用的电子模块中的任一个。本领域的普通技术人员容易认识到，传感器102、处理器104、存储器106、无线可穿戴传感器设备应用程序108及发射器110可以使用多种设备，并且这些设备将在本申请的精神和范围内。

无线可穿戴传感器设备100可以是具有集成传感器/热敏电阻器和蓝牙低功耗(BLE)收发器的超低成本且完全一次性电池供电的粘合剂生物特征贴片生物传感器，其附接到用户的皮肤并用于结合电子模块以检测、记录及分析来自人体皮肤表面和传感器周围的传感器环境空气的多个温度数据。无线可穿戴传感器设备100不断地从贴片佩戴者收集温度数据。无线可穿戴传感器设备100然后可以加密并通过双向通信将加密的数据发送到集线器中继器，集线器中继器又将数据传输到安全服务器，在安全服务器中数据被存储用于查看、下载及分析。有了这些信息，医疗保健提供者可以实时观察患者的体温的改善或下降，并在必要时进行干预。为了改进生物传感器事件的传递，事件——包括实况事件——被保存到无线可穿戴传感器设备100上的闪存以避免数据丢失。通过在本地存储数据，无线可穿戴传感器设备100不需要保持恒定的蓝牙连接。例如，当佩戴者在蓝牙范围之外时不会丢失数据，并且当无线可穿戴传感器设备100在集线器中继器的范围内时自动发生重新连接。当无线可穿戴传感器设备100与中继器连接时，无线可穿戴传感器设备100会以规则的间隔发送数据，并从中继器接收成功传送的确认。无线可穿戴传感器设备100可以包括存储固件、配置文件及传感器数据的板载闪存。医疗保健提供者可以配置传感器如何收集数据。根据生物传感器的使用方式，可以启用或禁用单个数据流(例如温度数据)。

然后使用可穿戴设备100的集成处理器和算法(例如，可重复使用的电子模块或片上系统板)或外部处理设备(例如智能手机设备、基于云的服务器网络)处理并分析来自身体皮肤表面和传感器周围的传感器环境空气的温度数据。

此外，本领域的普通技术人员容易认识到，可以利用各种无线可穿戴传感器设备，包括但不限于可穿戴设备，这将在本申请的精神和范围内。

图2示出了用于确定患者体温(在此表示作为BodyTemp)的流程图200。因此，在210处，可穿戴传感器用于测量患者的身体皮肤表面处以及传感器周围的传感器环境空气的两个或更多个温度值。在220处，通过使用例如自适应滤波器从皮肤温度测量值中自适应地消除环境温度波动。在230处，通过从皮肤温度值中减去环境滤波器输出来确定患者的体表处的核心体热交换，也被描述作为热通量、热传递或核心体热传递。在240处，通过减去热交换DC偏移并添加转换核心体热交换的时变量的校准输入值来控制并修改推导出的核心体热交换的绝对幅度值。在250处，量度转变的热交换作为患者体温被输出。上面用于患者体温测量的系统和方法的其他细节由图3中的流程图表示描述。

图3示出了患者体温预测算法的流程图300。患者体温评估开始于在301处初始化稳定时间标志(t_s_flag)和校准标志(cal_flag)的初始值为0。可穿戴传感器设备302可以包括两个或更多个温度换能器，允许进行皮肤体表303处的温度(在此表示作为SkinTemp)和附近的传感器环境空气304的温度(在此表示作为AmbTemp)的独立直接采样。如果使用多个变换器网络用于SkinTemp的测量，则根据温度换能器网络的输出计算包括平均值或中值在内的适当的统计度量，称作为SkinTemp。类似地，可以采用一个或更多个独立的温度换能器网络来确定AmbTemp测量值。此外，用于测量SkinTemp和AmbTemp的温度换能器可能具有不同的分辨率和采样频率，在这种情况下，两个测量值可能会根据性能规格分别转换为更高或更低的分辨率和采样频率的相同值。温度换能器例如热敏电阻器、电阻温度计检测器(RTD)及热电偶，可穿戴传感器设备例如贴片传感器、吊坠、腕带、手表或贴在身体上的电子模块都在本申请的范围内。因此，可穿戴传感器系统可以允许使用两个或更多个温度换能器网络对来自皮肤表面的SkinTemp和来自传感器环境空气的AmbTemp进行独立的直接采样。

SkinTemp的输入值{f(n)}305通过自适应滤波器306以产生输出序列{y(n)}307，即自适应滤波器输出。通过最小化误差308来更新滤波器系数，

e(n)＝d(n)-y(n) (3)

其中，{d(n)}309是AmbTemp所需的参考输入值。

从输入SkinTemp中减去自适应滤波器输出以确定皮肤表面和核心体310之间的热交换为

T_x(n)＝f(n)-y(n) (4)

量化核心体和皮肤表面之间热交换的时变变化。

同时，SkinTemp{f(n)}通过微分器320，仅当ts_flag 321当前未开始时(即，ts_flag＝0)，微分器320可以确定单位时间差(即，其中，T_s是SkinTemp)上当前SkinTemp值和先前SkinTemp值之间的差。SkinTemp的计算导数与U_TH的阈值进行比较(例如，0.01是SkinTemp单位显示分辨率(例如0.1)的10％(对应于由于稳定处理的SkinTemp的变化率减少90％)。在另外的示例中，SkinTemp导数在预定的时间窗口上被滤波或平均，以与阈值(例如5％)或单位显示分辨率的其他值进行比较。如果在322处发现那么满足此条件所经过的时间将被确定作为温度传感器的稳定时间t_s 325。另一方面，如果在322处不小于U_TH，则即将到来的SkinTemp的样本将通过微分器320，比较以确定是否满足条件直到达到稳定时间。一旦通过满足上述条件达到稳定时间，并且确定t_s用于连续测量，那么在324处，ts_flag将被设置为1(即，ts_flag＝1)。在ts_flag开始后，用微分器320的处理和上述条件的比较将停止。

在同时且连续确定稳定时间标志是否开始并估计热通量作为局部热交换的量度之后，在330处，算法现在通过检查cal_flag的当前值为0或>0确定校准标志(即cal_flag)是否已经置位。如果在331处cal_flag不>0(即cal_flag值仍然为0)，则算法在332处检查稳定时间标志开始(ts_flag>0？)。如果cal_flag未开始并且在333处ts_flag已经置位(ts_flag>0)，则将提示校准值T_cal 335从参考设备获得并在334处通过适当的用户界面输入到算法中。一旦接收到校准输入T_cal时，在336处cal_flag将开始为1(即，cal_flag＝1)，并且算法不需要用于连续确定患者BodyTemp 340的任何进一步的校准输入值。尽管如此，如果用户提示经由用户界面馈送校准输入(重新校准)，算法会考虑用于患者BodyTemp 340计算的最新的用户输入。另一方面，如果校准标志没有开始并且在337处稳定时间标志也没有开始，则算法的BodyTemp输出将在338处无效，直到稳定时间和校准输入都完成。无效的BodyTemp输出的无效代码可以是唯一的数值，例如负数值或超出人体温度范围的更大正数值。在一种情况下，如果在生物传感器应用后立即获得校准输入，则可以简单地将BodyTemp值作为输入校准值输出，直到温度传感器仍然稳定到稳态。

在稳定时间t_s和接收到校准输入T_cal之后，核心体热交换的绝对值将被确定作为水平控制339的块处的稳定偏移量T_so，并且使用以下方程计算患者体温输出，

T_so＝T_x(n),n＝t_s*f_s (5)

T_b(n)＝T_x(n)-T_so+T_cal,n≥t_s*f_s (6)

其中，T_b为体温输出；T_so是稳定偏移温度；t_s是传感器的稳定时间；f_s，是f的采样率，SkinTemp；T_cal，是来自参考设备的患者温度输入。BodyTemp输出340的绝对水平由用户的校准输入334控制。如果没有水平控制339，输入(例如校准值、热交换中的相对变化、T_x)可能没有与标准温度测量范围相当的绝对量度。在此情况下，热交换的相对变化趋势T_x可用于确定患者或用户不时经历的温度变化的增加或减少程度，而不是将该温度变化与可以区分正常或异常范围的绝对量表关联。对于第一校准输入T_cal，从其AC偏移值T_so中减去热交换T_x，并将T_cal的输入校准值添加作为DC，用于确定具有由校准输入设置的绝对量度的BodyTemp输出。患者BodyTemp输出T_b可以通过与适当的显示器设备(例如监视器、显示器、平板电脑、屏幕等)通信来显示，或者传输以存储在本地传感器存储器或中继器存储器或云上。在一个示例中，可穿戴设备302的构造被建模为例如FIR滤波器并应用于来自身体皮肤表面和传感器周围的传感器环境空气的温度数据以提供从可穿戴设备中的身体皮肤界面的传感器303和环境空气界面的传感器304采样的相对更准确的调节后的温度数据。然后使用皮肤和环境温度的校正的测量值确定方法300中的患者体温。

用于确定患者BodyTemp 340的自适应滤波器306可以是一组指令或由滤波器类型(例如线性(包括最小均方(LMS)、递归最小二乘(RLS)滤波器及其变体)或非线性(包括Volterra和双线性滤波器)或非经典(包括人工神经网络、模糊逻辑及遗传算法)、结构(包括横向、对称、晶格和收缩阵列)、参数(包括零点、极点及多项式系数)以及在微处理器或数字信号处理芯片或现场可编程门阵列或定制的超大规模集成(VLSI)电路或片上系统(SOC)上执行的自适应算法(包括随机梯度方法和最小二乘估计))定义的程序。

RLS自适应滤波器

例如，考虑具有长度为M的有限脉冲响应(FIR)系数的递归最小二乘(RLS)自适应滤波器，例如b_k(k＝0,1,2,…M-1)，用于患者BodyTemp预测算法的自适应滤波器块306。RLS滤波器能有效适应输入温度变化的时变特性且收敛速度快。在一个示例中，下面给出了用于从SkinTemp中传感器环境空气的自适应消除的RLS滤波器实现。

对于给定的新SkinTemp输入向量f(n)305和所需的参考AmbTemp向量d(n)309，使用先前的一组滤波器系数b(n-1)计算FIR滤波器输出y(n)307为，

y(n)＝f^T(n)b(n-1) (7)

其中，初始化滤波器系数为b(0)＝0。

按照等式(3)计算误差。

计算卡尔曼增益向量为

其中，λ是影响滤波器系数的收敛性和稳定性以及滤波器跟踪输入向量的时变特性的能力的系统记忆或遗忘因子；R(n)是给出为下式的自相关矩阵，

其中，初始化R^-1(0)＝δI；δ，正则化参数，例如0.01；I，是单位矩阵。

将用于下一次迭代的逆相关矩阵R^-1(n)更新为，

R^-1(n)＝λ^-1[R^-1(n-1)-k(n)f^T(n)R^-1(n-1)] (10)

将用于下一次迭代的滤波器系数更新为，

b(n)＝b(n-1)+k(n)e(n) (11)

例如，RLS滤波器的参数可以被选择作为如下：滤波器的阶数M为1，遗忘因子λ为0.9999，且正则化因子δ为0.1。

在系统电源复位且用户身上可穿戴设备重新应用的情况下，自适应滤波器参数包括滤波器系数b、误差信号e、逆相关矩阵R^-1、稳定时间标志ts_flag、校准标志cal_flag，均被初始化为零，并重复上述过程以提供连续的BodyTemp输出。在常规的生物传感器操作和重新校准请求的情况下，即当用户通过用户界面提示将新校准值推送到系统时，BodyTemp算法保留自适应滤波器参数用于热交换的自适应确定并将热交换的绝对量度转变成根据新的校准(即重新校准)输入值的新的DC水平。所提出的算法和系统允许根据用户/医疗保健提供者/临床管理员的要求进行多次重新校准。但是，在频繁重新校准的情况下，需要考虑多个重新校准定时和输入值来解释BodyTemp输出的趋势。

样本稳定时间数据

来自应用于患者的可穿戴传感器设备的原始温度数据的稳定时间可以根据温度换能器的初始电响应、患者的皮肤类型、接触压力或传感器在体表上的附着力而广泛变化。在可穿戴传感器设备在皮肤表面的应用的稳定时间期间，来自皮肤表面和传感器环境空气的测量的原始温度数据可能展示其绝对值的剧烈变化，其绝对值在几摄氏度到10℃的范围内。在原始温度测量值稳定之前应用校准值来转变导出的BodyTemp量度可能导致整个传感器生命周期中错误的绝对量度，除非在稳定时间后应用另一次重新校准。因此，为了最大限度地减少误差，在良好置信度的稳定时间之后应用校准输入来转变导出的BodyTemp的绝对量度。因此，使用根据方法300的原始温度值客观地评估或基于临床数据预先确定的传感器的稳定时间用于准确的BodyTemp绝对测量值。图4a展示了应用后胸部皮肤表面处测量的温度值的迹线。在另一个示例中，校准输入可以在传感器应用于患者的身体的时间期间获得，并在用于BodyTemp预测的温度传感器响应的稳定时间的定制的客观评估之后应用。从医院工作流程或其他的用例的角度来看，这种方法可能是实用的，因为观察到患者温度可能不会在几分钟内发生急剧变化。当用户/患者在传感器应用和校准过程中正常时，体温的变化率在24小时周期内是极慢频率现象。但是，如果确定用户/患者在传感器应用和校准期间发烧，建议在典型的稳定期或患者体温达到稳定状态后重新校准，或这样做是有用的，用于获得更准确的绝对BodyTemp值。进一步地，图4a描绘了在粘合剂传感器应用后立即从一组参与者记录的SkinTemp时间曲线，且图4b描绘了连续SkinTemp值的差异作为它们的变化率，该变化率展示了温度传感器输出的稳定过程的固有瞬态阶段。

在一个示例中，基于对从样本总体获得的温度分布的分析，温度传感器的稳定时间也可以被预设为期望的稳定持续时间，例如30分钟。在这种情况下，温度传感器稳定的自动确定被计时器取代，并检查计时器是否已经经历了所需的输入稳定时间。

在另一个客观确定温度传感器在其预热瞬态阶段后是否稳定的示例中，涉及利用SkinTemp导数样本的预定的移动时间窗口(例如，5分钟)拟合线性回归线(L＝α×d+β，其中，α是线L的斜率，且β是截距或偏差)并确定α(作为线性拟合斜率的稳定速率)。上述过程每预定持续时间重复一次(例如1分钟)并跟踪α的趋势。所确定的α的趋势进一步用于确定稳定期作为当α以某种容差(例如5％或10％)接近零或在某个启动期达到全局最小值时的时间。

样本预测的BodyTemp数据

图5a中展示了在3天内收集的样本SkinTemp(用图例ST表示)和AmbTemp(用图例AT表示)数据。该图展示了特别是在从夜间到白天的过渡期间SkinTemp中2℃至6℃的高波动。SkinTemp中如此高的波动并不能反映在正常的昼夜节律周期中患者的核心温度通常会出现1℃的变化。因此，在没有任何额外转换或调整的情况下，SkinTemp的绝对测量在其直接形式中可能不准确。AmbTemp也展示了类似的波动，并且主要影响SkinTemp中的这些高波动。因此，BodyTemp算法自适应地抵消了来自SkinTemp的AmbTemp影响以确定BodyTemp。在图5a中，BodyTemp输出与来自同一样本记录的SkinTemp和AmbTemp一起绘制，以便进行比较。预测的BodyTemp展示出了在3天持续时间内波动<1℃的非常稳定的趋势。图5b现在包括在此控制对象中的3天数据收集期间取得的OralTemp参考值(重复3次)。参考OralTemp和预测的BodyTemp值之间有良好的对应关系。

校准输入

BodyTemp算法根据方程(4)确定T_x(随时间变化的热交换)，它是身体与其周围环境之间热交换变化的连续度量。在贴片稳定时间之后从T_x中进一步减去T_so可以基本上去除热交换的DC分量，并仅提供热交换中的AC分量或增量变化。因此，(T_x-T_so)是指来自上半身的热交换的纯AC分量，其本身对于患者因感染或发烧而恶化的临床监测非常有用。然而，该量可能没有与DC值约为37℃的患者温度(例如正常情况)相似的绝对量级(量度)。为了将此AC热交换的量度转变为类似于临床患者温度，量(T_x-T_so)被添加到DC分量T_cal，如等式(6)中给出的校准输入导致BodyTemp输出T_b的预测。因此，校准温度T_cal将热交换的AC分量的量度转变为与患者的体温的量度相似的BodyTemp的量度。

校准温度T_cal可以通过在计算机、智能手机/设备、平板电脑等上实现的适当用户界面(UI)输入到BodyTemp算法。例如，护士或临床医生可以使用标准的工具(例如口腔温度计或另外的临床患者温度监测器)测量患者温度，并经由UI手动输入。可以修改BodyTemp预测算法，其中，校准输入可以被替换为由大型医院内临床研究训练的变换模型，该模型适用于从发烧、感染和脓毒症等广泛的患者温度范围，通过侵入式热敏电阻探头使用黄金标准参考患者温度测量感染和败血症状况。进一步地，与黄金标准温度参考测量相比，可以修改BodyTemp输出以考虑系统的偏差调整。在另一个示例中，对学习到的SkinTemp误差分布的变换也可以用作校准输入的替代。

本领域的技术人员将理解的是，对于本文公开的该过程和方法以及其他过程和方法，在过程和方法中执行的功能可以以不同的顺序实现。此外，所概述的步骤和操作仅作为示例提供，并且一些步骤和操作可以是可选的，可以组合成更少的步骤和操作，或者在不偏离所公开实施例的本质的情况下扩展为额外的步骤和操作。

此外，本公开不限于本申请中描述的特定实施例，其旨在作为各个方面的说明。可以在不脱离其精神和范围的情况下进行许多修改和变化，这对于本领域的技术人员来说是显而易见的。除了本文列举的那些之外，在本公开的范围内的功能等效的方法甚至装置对于本领域技术人员来说从前面的描述将是显而易见的。此修改和变化旨在落入所附权利要求的范围内。本公开仅受所附权利要求的条款以及这些权利要求所赋予的等效物的全部范围的限制。应当理解的是，本公开不限于特定的方法、试剂、化合物、组合物或生物系统，它们当然可以变化。还应理解的是，本文中使用的术语仅用于描述特定的实施例的目的，并不旨在进行限制。

图6展示了示例计算设备600，其中，可以实现无处不在的计算环境中的可穿戴传感器的各种实施例。更具体地，图6展示了说明性计算实施例，其中，本文描述的任何操作、过程等均可以被实现为存储在计算机可读介质上的计算机可读指令。计算机可读指令可以例如由移动单元、网络元件和/或任何其他计算设备的处理器执行。

在非常基本的配置602中，计算设备600通常包括一个或更多个处理器604和系统存储器606。存储器总线608可用于在处理器604和系统存储器606之间通信。

取决于期望的配置，处理器604可以是任何类型，包括但不限于微处理器(μP)、微控制器(μC)、数字信号处理器(DSP)或其任意组合。处理器604可以包括一个或多个级别的缓存，例如一级缓存610和二级缓存612、处理器核心614和寄存器616。示例处理器核心614可以包括算术逻辑单元(ALU)、浮点单元(FPU)、数字信号处理核心(DSP Core)或其任意组合。示例存储器控制器618也可以与处理器604一起使用，或者在一些实现方式中，存储器控制器618可以是处理器604的内部部分。

取决于期望的配置，系统存储器606可以是任何类型，包括但不限于易失性存储器(例如RAM)、非易失性存储器(例如ROM、闪存等)或其任何组合。系统存储器606可以包括操作系统620、一个或更多个应用程序622和程序数据624。

应用程序622可以包括客户端应用程序680，该客户端应用程序680被布置为执行本文所描述的功能，包括先前关于图1至图5所描述的那些功能。程序数据624可以包括表650，其可替代地称为“数字表650”或“分布表650”，其可用于确定如本文所描述的患者体温。

计算设备600可以具有附加特征或功能以及附加接口以促进基本配置602与任何所需的设备和接口之间的通信。例如，总线/接口控制器630可以用于促进基本配置602和一个或更多个数据存储设备632之间经由存储接口总线634的通信。数据存储设备632可以是可移动存储设备636、不可移动存储设备638、或其组合。可移动存储和不可移动存储设备的示例包括磁盘设备，例如软盘驱动器和硬盘驱动器(HDD)，光盘驱动器，例如光盘(CD)驱动器或数字通用磁盘(DVD)驱动器、固态驱动器(SSD)以及磁带驱动器等等。示例计算机存储介质可以包括用于存储信息(例如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。

系统存储器606、可移动存储设备636和不可移动存储设备638是计算机存储介质的示例。计算机存储介质可能包括但不限于RAM、ROM、EEPROM、闪存或其他存储技术、CD-ROM、数字多功能磁盘(DVD)或其他的光存储、磁带、磁带、磁盘存储或其他磁存储设备，或可用于存储所需的信息并且可由计算设备600访问的任何其他的介质。任何此类计算机存储介质可以是计算设备600的部分。

计算设备600还可以包括用于促进从各种接口设备(例如，输出设备642、外围接口644和通信设备646)经由总线/接口控制器630到基本配置602的通信的接口总线640。示例输出设备642可以包括图形处理单元648和音频处理单元650，其可以被配置为通过一个或更多个A/V端口652与各种外部设备(例如显示器或扬声器)通信。示例外围接口644可以包括串行接口控制器654或并行接口控制器656，其可以被配置为经由一个或更多个I/O端口458与诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备等)或其他的外围设备(例如，打印机、扫描仪等)的外部设备通信。示例通信设备646可以包括网络控制器660，其可以被布置为在网络通信链路上经由一个或更多个通信端口664促进与一个或更多个计算设备662通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以由计算机可读指令、数据结构、程序模块或调制的数据信号(例如载波或其他的传输机制)中的其他的数据来体现，并且可以包括任何信息传递介质。“调制数据信号”可以是这样一种信号：其一个或更多个特征被设置或改变以在信号中编码信息。作为示例而非限制，通信介质可以包括诸如有线网络或直接有线连接的有线介质，以及诸如声学、射频(RF)、微波、红外(IR)以及其他的无线介质的无线介质。本文使用的术语计算机可读介质可以包括存储介质和通信介质。

计算设备600可以被实现作为小型便携式(或移动)电子设备的部分，例如手机、个人数字助理(PDA)、个人媒体播放器设备、无线网络手表设备、个人耳机设备、特定应用设备或包含任何上述功能的混合设备。计算设备400也可以被实现作为包括膝上型计算机和非膝上型计算机配置的个人计算机。

系统的各方面的硬件和软件实现之间几乎没有区别；硬件或软件的使用通常(但并非总是如此，因为在某些情况下，硬件和软件之间的选择可能变得重要)代表成本与效率权衡的设计选择。存在可以实施本文描述的过程和/或系统和/或其他的技术的各种载体，例如硬件、软件和/或固件，并且优选的载体可以随着过程和/或在其中的上下文而变化和/或系统和/或其他的技术被部署。例如，如果实施者确定速度和准确性最重要，则实施者可能会选择主要是硬件和/或固件工具；如果灵活性是最重要的，实施者可以选择主要是软件实施；或者，再一次替代地，实施者可以选择硬件、软件和/或固件的某种组合。

前述详细的描述已经通过使用框图、流程图和/或示例阐述了用于确定患者体温的设备和/或过程的各种实施例。就包含一个或更多个功能和/或操作的此类框图、流程图和/或示例而言，本领域的技术人员将理解，此类框图、流程图或示例中的每个功能和/或操作都可以实现单独地和/或共同地，通过广泛的硬件、软件、固件或其几乎任何组合被实现。在一个实施例中，本文描述的主题的几个部分可以通过专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)或其他的集成格式来实现。然而，本领域的技术人员将认识到，本文公开的实施例的一些方面整体地或部分地可以在集成电路中等效地实现作为在一台或更多台计算机上运行的一个或更多个计算机程序(例如，作为一个或更多个)一个或更多个计算机系统上运行的多个程序、一个或更多个处理器上运行的一个或更多个程序(例如，一个或更多个微处理器上运行的一个或更多个程序)、固件或其几乎任何组合，并且根据本公开，设计电路和/或为软件和/或固件编写代码将完全在本领域的技术人员的技能的范围内。此外，本领域的技术人员将理解，本文描述的主题的机制能够以各种形式作为程序产品被分配，并且本文描述的主题的说明性实施例适用于不考虑特定的用于实际进行分配的信号承载介质的类型。信号承载介质的示例包括但不限于以下：可记录类型的介质，例如软盘、硬盘驱动器、CD、DVD、数字磁带、计算机存储器等；以及传输类型的介质，例如数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路，等等)。

本领域的技术人员将认识到，在本领域内以本文阐述的方式描述设备和/或过程是常见的，然后使用工程实践将此类描述的设备和/或过程集成到数据处理系统中。即，本文描述的设备和/或过程的至少部分可以通过合理的实验量集成到数据处理系统中。本领域的技术人员将认识到，典型的数据处理系统通常包括系统单元外壳、视频显示设备、诸如易失性和非易失性存储器之类的存储器、诸如微处理器和数字信号处理器之类的处理器、计算实体，例如操作系统、驱动程序、图形用户界面和应用程序，一个或更多个交互设备，例如触摸板或屏幕，和/或包括反馈回路和控制电机的控制系统(例如，用于感测位置和/或速度；用于移动和/或调整组件和/或量的控制电机)。典型的数据处理系统可以利用任何合适的商业上可获得的组件来实现，例如通常在数据计算/通信和/或网络计算/通信系统中发现的那些组件。

本文描述的主题有时说明包含在不同的其他组件内或与不同的其他组件连接的不同组件。应当理解的是，此描述的架构仅仅是示例，并且实际上可以实现相同功能的许多其他的架构。从概念上讲，实现相同功能的组件的任何排列都是有效地“关联”的，从而实现所需的功能。因此，本文中组合以实现特定功能的任何两个组件可以被视作为彼此“关联”，从而实现期望的功能，而与架构或中间组件无关。同样地，任意两个如此关联的组件也可以被视作为“可操作地连接”或“可操作地耦合”，以实现所需的功能，并且任意两个能够如此关联的组件也可以被视作为“可操作地连接”或“可操作地耦合”，以实现所需的功能。可操作地耦合的具体示例包括但不限于物理可配合的和/或物理交互组件和/或无线可交互和/或无线交互和/或逻辑交互和/或逻辑可交互组件。

最后，关于本文中基本上任何复数和/或单数术语的使用，本领域的技术人员可以根据上下文从复数翻译成单数和/或从单数翻译成复数和/或应用程序。为了清楚起见，本文可以明确地阐述各种单数/复数排列。

本领域的技术人员将理解的是，一般而言，本文中使用的术语，尤其是所附权利要求中使用的术语，例如所附权利要求的主体，一般旨在作为“开放”术语，例如术语“包括”应被解释作为“包括但不限于”，术语“具有”应被解释作为“至少具有”，术语“包括”应被解释作为“包括但不限于”等。本领域的技术人员将进一步理解，如果打算引入特定数量的权利要求引用，则将在权利要求中明确引用此意图，并且在没有此引用的情况下不存在这样的意图。例如，为了帮助理解，以下所附的权利要求可能包含使用介绍性短语“至少一个”和“一个或更多个”来介绍权利要求的引用。然而，此类短语的使用不应被解释作为暗示通过词语“一”或“一个”引入权利要求引用将包含此类引入的权利要求引用的任何特定的权利要求限制为仅包含一个此类引用的实施例，即使当同一权利要求包括介绍性短语“一个或更多个”或“至少一个”以及词语，例如“一”或“一个”，例如“一”和/或“一个”应被解释作为“至少一个”或“一个或更多个”；这同样适用于使用定冠词来介绍权利要求。此外，即使明确引用了引入的权利要求引用的具体编号，本领域的技术人员将认识到，此类引用应被解释作为至少表示所引用的编号，例如“两次引用”的裸引用，而不是其他的修饰语，意味着至少两个引用，或两个或两个以上的引用。此外，在那些类似于“A、B及C等中的至少一个”的约定的情况下使用，一般而言，此构造旨在在本领域技术人员将理解约定的意义上，例如，“具有A、B和C中的至少一个的系统”将包括但不限于以下系统：具有单独的A，单独的B，单独的C，A和B一起，A和C一起，B和C一起，和/或A、B及C一起，等等。一般而言，此构造旨在在本领域技术人员将理解约定的意义上，例如，“具有A、B或C中的至少一个的系统”将包括但不限于以下系统：具有单独的A、单独的B、单独的C、A和B一起、A和C一起、B和C一起，和/或A、B及C一起，等等。本领域的技术人员将进一步理解的是，实际上无论是在说明书、权利要求或附图中，呈现的任意两个或更多个替代术语的分离词和/或短语都应被理解作为考虑包括其中一个术语、任一术语或两个术语的可能性。例如，短语“A或B”将被理解为包括“A”或“B”或“A和B”的可能性。

此外，在根据马库什组描述本公开的特征或方面的情况下，本领域的技术人员将认识到，本公开由此也根据马库什组的任何个体成员或成员的子组进行描述。

从上文可以理解的是，为了说明的目的，本文描述了本公开的各种实施例，并且在不脱离本公开的范围和精神的情况下可以进行各种修改。因此，本文公开的各种实施例不旨在限制，其真实范围和精神由以下权利要求指示。