SSR01 Smart Ring · 2026-08-19

SSR01 藍圖

健康數據 Dashboard 實作規劃,加上這顆戒指三種感測器(PPG 光學、三軸加速度計、皮膚溫度)對應的演算法與論文文獻庫。

後端上 Zeabur 多用戶產品響應式網頁共用(PWA=APP 版)

一、架構總覽

沿用已驗證能跑通的鏈路,只把後端從 Mac 本機搬上雲、在前面加一層網頁 Dashboard。iOS RingApp 繼續當 BLE 上傳器,不重寫。

SSR01 戒指 ──BLE──▶ iOS RingApp(現有,BLE 上傳器)
                        │ HTTPS  POST /api/app/v1/ring/health-data/batch
                        ▼
        Zeabur:jx-admin(Spring Boot)+ MySQL + Redis
                        ▲
                        │ REST(登入/查詢)
        響應式 Web Dashboard(Next.js + PWA)@ Zeabur

二、實作步驟

後端上雲約 1–2 天

jx-admin 的 docker compose(Spring Boot / MySQL / Redis / MinIO)搬上 Zeabur;MinIO 若目前沒用到就先不部,省成本。
換掉全部 seed 帳密與金鑰(現在是 it_android_user@example.com / old1234,這是逆向來的模板,不能帶預設值上網)。
iOS RingApp 的 Base URL 指向雲端,實戴戒指驗證真實讀數落庫——部署成功≠鏈路通,要看到資料進 ring_health_data 才算。
掛 uptime 監控(會對外收錢的站,先有「死掉會叫」再談其他)。

多用戶最小閉環約 2–3 天

盤點 jx-admin 有無註冊端點;沒有就補一個最小 /register。
iOS app 加登入/註冊畫面,取代寫死的 seed 帳號。
設備綁定流程:用戶 ↔ 戒指 MAC(現有 /devices 端點為基礎)。
健康數據是敏感個資——這一階段結束前跑一輪安全審查(密碼雜湊、token 期限、他人資料存取隔離)。

Web Dashboard MVP 約 3–5 天

Next.js 響應式單頁 + PWA manifest——手機「加入主畫面」就是 APP 版,不另做原生。
登入 → 今日總覽卡(心率/血氧/HRV/壓力/步數)→ 7 天與 30 天趨勢圖。
先盤點 jx-admin 的查詢端點:上傳端點確定有,查詢端點可能要補(在 Spring Boot 端加,不繞過後端直讀 DB)。
把 iOS HealthReference.swift 的參考範圍與白話分析移植到網頁端,兩邊口徑一致。

進階功能 MVP 驗證後再排

睡眠與溫度面板(iOS 端要先做這兩種型別的歷史同步上傳,別先畫空面板)。
健康警報、資料匯出、多設備、TestFlight 發佈。
利用 G-sensor raw 資料自研步數/睡眠演算法(文獻庫 B 節有現成配方)。

三、技術選擇

決策	選擇	理由
後端	沿用 jx-admin,不重寫	已驗證能收數據(SpO2/壓力真實讀數落過庫);重寫上傳鏈路是最長工期的選項。
部署	Zeabur	團隊現行標準,部署配方現成。
前端	Next.js + 圖表庫 + PWA	一份程式碼吃網頁+手機;iOS 原生 Dashboard 停止加碼,避免兩份 UI 同步維護。
APP	暫不做 Flutter 跨平台	已有能用的 Swift 上傳器;等 Android 用戶需求真實出現再評估。

四、風險評估

模板安全性未知。jx-admin 是逆向來的中國後台模板,上雲前必須改光所有預設帳密/金鑰、關閉不必要的 admin 端點,健康數據外洩是個資事件。

血壓/血糖是估測值。學術界對 PPG 估血壓血糖的大樣本結論都不樂觀(見文獻庫)。Dashboard 不上這兩個指標,或藏在「實驗性」區並標示參考值——在台灣做醫療宣稱有醫材法規風險。

查詢端點可能缺件。Python 客戶端只實作了上傳;P3 開工前先盤點查詢 API,缺就得補 Spring Boot 端點,工期加 1–2 天。

多用戶的硬體門檻。每個用戶要有 iPhone + side-load 的 RingApp。開發者簽章七天過期,量產前 TestFlight 是隱藏工期;Android 用戶目前無解。

五、感測器演算法文獻庫

依戒指實際硬體分三類:PPG 光學感測(HR/SpO2/HRV/壓力/血壓/血糖全部由它推導)、三軸加速度計(步數/活動/睡眠/G-sensor raw)、皮膚溫度。每項附核心演算法與代表論文。「落地」欄是對我們產品的建議。

A. PPG 光學感測

指標	核心演算法	代表論文	落地
心率 HR	帶通濾波+峰值偵測為基礎;運動偽影對策:TROIKA(訊號分解+稀疏頻譜重建+頻譜峰追蹤,誤差 2.34 BPM)、JOSS(1.28 BPM)、MAICR 依偽影強度分級選法、NLMS 自適應濾波拿加速度計當雜訊參考	TROIKA(IEEE TBME 2015)、MAICR 框架、運動下 HR 追蹤數學模型(Sci Rep 2025)	用戒指算好的值
心率(深度學習)	CNN/LSTM 端到端取代手工頻譜法:CorNET(MAE 1.47 BPM)、Deep PPG 大規模 CNN(並發布 PPG-DaLiA 資料集)、MH Conv-LSTM(PPG-DaLiA 上 MAE 6.28 BPM);優勢是抗運動偽影,代價是需要訓練資料與裝置端算力	CorNET(IEEE 2019)、Deep PPG(Sensors 2019)、DeepHeart(ACM TOSN 2021)	自研備選;先用經典法
血氧 SpO2	Ratio-of-Ratios:RR=(AC/DC)_紅/(AC/DC)_紅外,SpO2=f(RR) 二階多項式;校正須依 ISO 80601-2-61 缺氧試驗	戒指型反射式血氧計(Biosensors 2023)、可調式智慧戒指 SpO2(ABME 2025)、深膚色人群驗證(Mayo)	用戒指算好的值
HRV	時域 RMSSD/SDNN/pNN50、頻域 LF/HF(LF/HF 解讀學界仍有爭議);注意 PPG 得到的是 PRV,與 ECG 的 HRV 不完全等價	穿戴式 HRV 指標總review(2025)、PPG-HRV≠ECG-HRV(Bayesian 分析)	趨勢比單點有意義
壓力	HRV/PRV 特徵(RMSSD、pNN50、LF/HF…)+ 機器學習分類(SVM、elastic net、KNN)	HRV 壓力預測 AI State-of-the-Art(2023)、PRV 特徵+elastic net 壓力偵測	標「參考值」呈現
心律不整 AFib	PPG 節律不規則性 + 深度學習分類。戒指硬體已被臨床驗證:CardioTracker 戒指 30 秒樣本準確率 96.9%(縮到 10 秒仍 94.7%);連續戴 14 天偵測電擊整流後復發;消費穿戴橫評敏感度 80–98%、特異度 91–97%	CardioTracker 戒指(JMIR 2020)、戒指連續監測 AFib(EHJ 2022)、消費穿戴 AFib 橫評(JMIR 2025)	醫療宣稱風險,實驗區
呼吸率 RR	PPG 的三種呼吸調變(RIIV 基線強度/RIAV 脈波振幅/RIFV 心搏頻率)各自抽出呼吸訊號 → 時域或頻域估計 → 依 SQI 加權融合;RRest 工具箱收錄全部經典法;深度學習 RRWaveNet 在 CAPNOBASE/BIDMC 上 MAE 約 1.6 次/分	RRest toolbox(Charlton)、CAPNOBASE 呼吸率方法橫評(IEEE 2021)、深度學習呼吸率(Diagnostics 2024)	夜間呼吸率是睡眠面板好材料
睡眠呼吸中止 OSA	夜間連續 SpO2 算 ODI(血氧下降指數),與 PSG 金標準的 AHI 高度相關(AUC 0.956–0.976);類神經網路直接吃 SpO2 訊號估 AHI/ODI,中位誤差 <1 次/時、嚴重度分級 90.9% 正確;反射式 PPG 穿戴做 ODI 分級已有專文	ANN 分析 SpO2 診斷 OSA(2019)、ODI 作 OSA 篩檢參數、反射式 PPG 之 ODI 分級(arXiv 2025)	只呈現 ODI 趨勢,不做診斷
血壓 BP	PPG 波形特徵(46 維時頻特徵)+ SVR/深度學習;實驗室可達 AAMI/BHS Grade A,但樣本小、跨人泛化差。標準面:cuffless 專用驗證標準 IEEE 1708-2025 已出,但至今沒有任何 cuffless 裝置通過 ISO 81060-3:2022 或 ESH 2023 驗證——這就是「不上」的硬依據	無袖帶血壓 ML(Heliyon 2024)、特徵集與模型優化(2023)、IEEE 1708-2025 標準、為何穿戴血壓計仍不準(Hypertens Res 2025)	不上 Dashboard
血糖	PPG + 深度學習;106 篇系統性回顧顯示小樣本漂亮、大樣本(2538 人)掉到 60.6%,近期 arXiv 重新評估結論是基本不可行	PPG 血糖 review(AI Review 2025)、可行性重新評估(arXiv 2026)	不上 Dashboard
訊號品質+節拍偵測	自研任何 PPG 題目的前置件。Elgendi 三級品質標註(excellent/acceptable/unfit)是業界標註標準;其 systolic peak 偵測演算法敏感度 99.84%、陽性預測率 99.89%,免手動調閾值;beat detector 大橫評中 MSPTD 與 qppg 在運動/新生兒/AFib 情境都最穩;fiducial point 與取樣率的選擇會直接改變 PRV 數值	Elgendi systolic peak(PLOS One 2013)、PPG 品質評估綜述(arXiv 2023)、fiducial point 對 PRV 的影響	自研前必讀
血管年齡 SDPPG	PPG 二次微分(APG)取 a–e 五波振幅,老化指數 AGI=(b−c−d−e)/a;d/a 比值與動脈硬度呈強負相關;濾波參數已有定論(低通 6 Hz);新式做法用 CNN 直接從波形估血管年齡	SDPPG 動脈硬度演算法(Pilt 2013)、深度 CNN 血管老化評估(Sci Rep 2022)、手機 PPG 血管年齡(Sci Rep 2020)	需 raw PPG 波形,SDK 未必給
PPG 基礎模型	2024 起的範式轉移:PaPaGei(Nokia Bell Labs,ICLR 2025,開源含權重)以 5.7 萬小時/2,000 萬段公開 PPG 預訓練,14+ 下游任務平均提升 6.3%,效能勝過大 70 倍的通用時序模型;Apple 也用 AHMS 資料(14.1 萬人)訓練自家穿戴生訊基礎模型;另有 SiamQuality、Pulse-PPG 開源線。意義:自研演算法不必從零訓,拿基礎模型微調即可	PaPaGei(ICLR 2025)、開源 repo(含權重)、Apple 穿戴生訊基礎模型	自研跳板;P4 首選技術路線

A+. 進階應用(多感測融合)

應用	核心演算法	代表論文	落地
生病前兆偵測	TemPredict(63,153 人,史上最大戒指研究):體溫+HR+HRV+呼吸率+活動多模態,平均比就醫檢測提前 2.75 天示警(敏感度 82%/特異度 63%,AUC 0.819);連續體溫這一味讓 AUC 多 4.9%——戒指的 NTC 指溫(解析度 0.07°C)正是關鍵優勢	TemPredict(Sci Rep 2022)、長新冠生理變化偵測(Sci Rep 2025)	戒指殺手級應用,P4 首選
女性週期追蹤	夜間指溫偵測黃體期持續升溫 → 排卵偵測與受孕窗預測;Oura 演算法排卵偵測敏感度 83.3%(−3〜+2 天窗),不規則週期者優勢更明顯;Natural Cycles+戒指組合典型使用避孕有效性 93%。戒指韌體已有 `GIRL_CARE` opcode,此功能有現成文獻依據	Oura 排卵偵測驗證(JMIR 2025)、指溫週期追蹤 pilot(2019)	GIRL_CARE 的文獻依據
個人基線異常偵測	rolling 30 天個人基線+殘差標準化,取代跟母體平均比;經典雙演算法 RHR-diff(靜息心率殘差)與 HROS-AD(心率/步數比 elliptic envelope);無監督路線用 Isolation Forest 與 Autoencoder。這是整個「基線+偏差」呈現原則的方法論底座	穿戴資料異常偵測框架 review(Sensors 2022)	全 Dashboard 呈現底座
端上推論 TinyML	量化/剪枝/知識蒸餾 → TFLite Micro 或 Edge Impulse 部署;ESP8266 等級 MCU 上跑 PPG 推論可達 95.1% 準確率、138 ms 延遲	TinyML 於超低功耗裝置(2022)、Tiny DL survey(2025)	算力在手機+雲端,暫不需要

B. 三軸加速度計

指標	核心演算法	代表論文	落地
步數	四大流派:windowed peak detection(開源實作最準,89–95%)、zero-crossing、自相關、頻域法;慢走是共同弱點(77%)	開源步數演算法(IoT 2020)、心血管病患驗證、14 天自由生活驗證(2023)	P4 可用 G-sensor raw 自研
睡眠	加速度計單獨=睡/醒二分類 94%;加上 PPG 的 HRV/呼吸+體溫特徵 → 四階段(醒/淺/深/REM)可到 79%(Oura OSSA 2.0 對照 PSG,96 人 42 萬 epochs)	Oura 多感測睡眠分期(Sensors 2021)、OSSA 2.0 vs 多夜 PSG(Sleep Med 2024)、穿戴睡眠分期可靠性(npj Digit Med 2024)	P4;先用戒指睡眠品質值
睡眠分期(深度學習)	SleepPPG-Net:8 層 ResConv 直接吃 raw PPG 做四階段分期,以 2,374 人/23,055 小時(含 MESA)訓練;Net2 再強化跨資料集泛化——「只靠 PPG 就能分期」的天花板持續上移	SleepPPG-Net(IEEE TBME 2023)、SleepPPG-Net2(2025)	需 raw PPG;先觀望
跌倒偵測	兩派:閾值法(衝擊 g 值+姿態角,省電、反應快,但對新型跌倒適應差)vs 機器學習(SVM/NN,準確率可達 96–97%);主流折衷是先閾值觸發再 ML 確認;腕/指部位誤報率高於腰部是已知限制	穿戴跌倒偵測系統(2015)、腕戴加速度計改良(2018)、ensemble ML 長者跌倒偵測(2025)	長者市場敲門磚,P4 候選
活動辨識 HAR	閾值/特徵工程起家,現主流為 CNN、LSTM 神經結構化學習;單一 IMU 辨識走/跑/坐臥等日常活動測試準確率 82–95%;省電框架用低取樣率待機+事件觸發升頻	LSTM 神經結構化學習 HAR(Sci Rep 2021)、省電 HAR 框架(JNCA 2020)	P4;G-sensor raw 可直接餵
熱量估測 EE	基線做法=活動計數 × MET 對照表;進階為 HR/HRV+加速度多模態融合迴歸與多任務 CNN(活動辨識+熱量同時出);學界共識:單點穿戴的絕對誤差仍大,呈現宜用區間不用單值	EE 估測 survey(ACM Comp Surv 2020)、HRV 參數在 HAR+EE 的角色、多任務 CNN 同出活動+熱量(2024)	MET 表+步數起步即可

C. 皮膚溫度

指標	核心演算法	代表論文	落地
溫度趨勢	晝夜節律基線 + 模板匹配偵測異常:峰值 <0.4°C、持續 2–3 週的微弱異常(感染前兆)可在錯誤率 <10% 下偵測;手指血管密度高、偽影低,是量膚溫的好位置	感染早期偵測穿戴系統(IEEE Sensors 2022)、Oura 指溫追蹤月經週期(pilot)、睡眠膚溫動態與血流灌注(npj 2026)	P4;夜間基線+偏差圖

D. 開源工具箱與資料集

HeartPy — Python 心率/HRV 分析,對雜訊 PPG 特化,拿到 raw PPG 就能出 BPM/IBI/HRV 全套。
NeuroKit2 — 多生理訊號(PPG/ECG/EDA)前處理+特徵抽取,研究級標準件。
pyPPG — PPG 波形形態學全指標工具箱。
戒指多參數生理感測 Dataset + Toolkit(arXiv 2505.04172) — 戒指專用,最貼近我們硬體形態的公開資料集與工具,想自研演算法先從這份入手。
Multi-site PPG 野外資料集(arXiv 2605.17859) — 多部位穿戴 PPG,可比對手指 vs 手腕特性。
PPG-beats — beat detector 大合集含橫評框架(MSPTD、qppg 等),挑節拍演算法先看這裡。
RRest — 呼吸率演算法工具箱,收錄文獻裡全部經典抽取/估計/融合法。
PPG-DaLiA — 最大公開 PPG 心率資料集(15 人日常活動+運動,附同步加速度),自研 HR 演算法的標準考場。
CAPNOBASE / BIDMC — 呼吸率基準資料集(附專家標註的脈波峰與呼吸事件)。
WESAD — 壓力/情緒多模態穿戴資料集(15 人,中性/壓力/愉悅三態,含 BVP、EDA、體溫、加速度),壓力模型的公開基準。
MESA / SHHS(NSRR) — 數千人級多導睡眠(PSG)+同步 PPG 公開資料集(需申請),SleepPPG-Net 等睡眠分期模型的訓練考場。
VitalDB — 手術病人高解析生理波形公開資料庫(含 PPG 與動脈血壓對照),無袖帶血壓研究的常用考場。
Apple Heart & Movement Study(AHMS) — 約 2,000 萬段 PPG/14.1 萬人(256Hz 四通道),Apple 基礎模型的訓練基底;資料不對外,但論文方法可直接抄。
UK Biobank 穿戴數據 — 23.6 萬人指尖 PPG 平均波形+10 萬人腕戴加速度計 7 天原始資料(需申請),流行病學級關聯研究的標準考場。

F. 產業與法規對標

廠商演算法與法規先例。收錄門檻:高引用或有大規模採用/官方發證證據;引用量級以括號標示,不標精確數。

對象	演算法與證據	來源	對我們的意義
Apple Watch AFib	不規則節律通知走 FDA De Novo(DEN180042);背後是 Apple Heart Study 41.9 萬人(NEJM 2019,引用 2000+):通知陽性者同步 ECG 貼片驗證,80% 確認房顫、98% 有臨床相關心律不整	Apple Heart Study(NEJM 2019)、FDA De Novo 審查文件	消費穿戴進醫療宣稱的黃金路徑:大規模研究 → De Novo → 逐項擴充
Movano EvieMED Ring	2024-12 拿到 FDA 510(k):戒指形態的脈搏血氧計清關先例;策略是單一指標(SpO2)先行進臨床市場,再逐步擴 respiration/BP/血糖	MedTech Dive 報導、官方新聞稿	戒指拿 FDA 的可行路徑=單指標先行,不是全家桶
華為心臟健康研究	301 醫院發起,基於 TruSeen PPG 篩房顫:約 500 萬用戶、篩出房顫約 2 萬人、確診率 92.4%;研究方法獲 JACC 刊載(高引用);心電分析軟體取得 NMPA 二類醫療器械證	華為健康研究論文列表、新華網(2023 數據)	大陸「研究+發證」全鏈路先例;PPG 房顫在 NMPA 走二類證
華米 Zepp RealBeats	北大醫院臨床驗證:ECG/PPG 判斷房顫準確度 94.76%/93.27%,由雙醫師標註對照;裝置端累計心率監測 211 億小時(業界大規模採用)	China Daily(臨床研究)、北大醫院測試數據	大陸廠商 PPG 演算法臨床驗證的第二個樣板
深圳戒指同源方案	我們這顆 SSR01 就是大陸方案。同源生態公開資料:RingConn(玖治科技)全球銷量第二、行銷 80 餘國;西部證券《智能指環行業深度報告》有整條供應鏈拆解;5 款戒指硬體拆解合集可對照感測器佈局	深圳新聞網(RingConn)、西部證券行業深度報告、5 款戒指拆解	同源方案商的公開資料=我們硬體的免費情報庫
戒指同業驗證現況	Samsung Galaxy Ring 與 RingConn 均無獨立發表驗證;Ultrahuman 僅有自家科學頁研究;Oura 是唯一累積大量同儕審查驗證的戒指(見 B 節睡眠列)	Ultrahuman 自家研究頁	「有第三方驗證」本身就是差異化;掛文獻依據就是在做這件事
OSA 偵測 FDA 先例	2024 年兩個 De Novo:Samsung Galaxy Watch OSA 偵測(2024-02,首例)與 Apple Watch 睡眠呼吸擾動通知(2024-09,DEN230041)——注意 Apple 用的是加速度計呼吸擾動而非 SpO2;兩者定位都是「篩檢提示」而非診斷,限未確診成人	Samsung De Novo(AASM)、Apple DEN230041 審查文件	OSA 篩檢已有兩個 FDA 先例;我們的 ODI 趨勢路線與法規動向一致,措辭跟著用「提示就醫」
FDA SpO2 膚色指引	2025-01 draft guidance:臨床試驗需 150+ 受試者、每膚色組(Monk Skin Tone 分三組)≥25%;背景是深膚色讀值系統性偏高的多年爭議;34 款血氧計橫評顯示問題普遍存在	MedTech Dive 解讀、JAMA 評述(2025)、34 款血氧計膚色橫評	SpO2 呈現措辭要中性+標參考值;深膚色偏差在 Dashboard 註記為已知限制
大陸法規現況	電子血壓計行標 YY 0670 只覆蓋袖帶示波法,註冊審查指導原則明示不含手指法;動態血壓儀指導原則 2024 修訂中;Lancet 高血壓委員會籲各國按 ISO 81060-2:2018 強制獨立驗證——cuffless 在 NMPA 同樣沒有既成標準可走	YY 0670 行標、中檢院 81060-2 說明	兩岸都沒有無袖帶血壓標準;血壓不上線的決策再獲支撐

E. 對我們的落地總結

第一階段全部用戒指 SDK 算好的值。HR/SpO2/HRV/壓力都是韌體出的成品數字,Dashboard 只做呈現與趨勢,不必自己碰訊號處理。
自研的入口是 G-sensor raw。我們已能拿到原始加速度流,步數(peak detection)與睡/醒偵測是文獻裡最成熟、風險最低的兩個自研題目。
血壓/血糖擋在門外。兩者學術大樣本結論都撐不起產品宣稱,上了反而製造法規與信任風險。
呈現原則:所有指標標「參考值,非醫療診斷」;HRV/壓力/溫度以個人基線+偏差呈現,比絕對值誠實也比較有用。
指標開發照 npj Digital Medicine 的十課框架走。從穿戴感測資料到數位生物標記的十個教訓與 DACIA 框架(npj Digit Med 2024)是頂刊方法論總結:先定臨床/產品意義再選訊號,驗證分層做,別先算指標再找用途。
感染前兆與基線偏差是同一套方法。TemPredict 的做法本質就是「多指標個人基線+殘差異常偵測」;我們把 HRV/體溫/呼吸率做成基線偏差圖之後,生病前兆偵測是同一條管線的免費副產品,不必另起爐灶。
綜合「恢復/準備度分數」是黑盒,別抄。WHOOP Recovery(HRV 權重約 56%)與 Oura Readiness(HRV 權重 <5%)輸入相似、權重迥異,學界視為未驗證的黑盒;底層 HRV 量測本身倒是驗證充分(WHOOP 驗證研究,Oura 夜間 HRV 誤差約 6–7%)。我們若做綜合分數,用個人基線+公開透明的權重,反而是差異化。