JP2023513888A - 無呼吸-低呼吸指数計算のための睡眠状態検出 - Google Patents
無呼吸-低呼吸指数計算のための睡眠状態検出 Download PDFInfo
- Publication number
- JP2023513888A JP2023513888A JP2022547015A JP2022547015A JP2023513888A JP 2023513888 A JP2023513888 A JP 2023513888A JP 2022547015 A JP2022547015 A JP 2022547015A JP 2022547015 A JP2022547015 A JP 2022547015A JP 2023513888 A JP2023513888 A JP 2023513888A
- Authority
- JP
- Japan
- Prior art keywords
- user
- sleep
- parameters
- combination
- smart
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 400
- 208000008784 apnea Diseases 0.000 title claims abstract description 105
- 206010021079 Hypopnoea Diseases 0.000 title claims abstract description 93
- 238000004364 calculation method Methods 0.000 title claims description 31
- 238000001514 detection method Methods 0.000 title claims description 18
- 230000033001 locomotion Effects 0.000 claims abstract description 169
- 238000000034 method Methods 0.000 claims abstract description 164
- 230000008667 sleep stage Effects 0.000 claims abstract description 97
- 238000012545 processing Methods 0.000 claims abstract description 71
- 230000000694 effects Effects 0.000 claims abstract description 62
- 230000000747 cardiac effect Effects 0.000 claims abstract description 38
- 230000000241 respiratory effect Effects 0.000 claims description 169
- 206010062519 Poor quality sleep Diseases 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 230000005236 sound signal Effects 0.000 claims description 16
- 238000010183 spectrum analysis Methods 0.000 claims description 15
- 230000036541 health Effects 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 230000000306 recurrent effect Effects 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 12
- 230000001965 increasing effect Effects 0.000 claims description 9
- 230000002860 competitive effect Effects 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000002644 respiratory therapy Methods 0.000 description 60
- 230000029058 respiratory gaseous exchange Effects 0.000 description 28
- 230000036387 respiratory rate Effects 0.000 description 20
- 238000002560 therapeutic procedure Methods 0.000 description 20
- 230000036772 blood pressure Effects 0.000 description 18
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 17
- 229910052760 oxygen Inorganic materials 0.000 description 17
- 239000001301 oxygen Substances 0.000 description 17
- 230000004461 rapid eye movement Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 239000012491 analyte Substances 0.000 description 13
- 239000000126 substance Substances 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 206010041235 Snoring Diseases 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000037361 pathway Effects 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 210000003414 extremity Anatomy 0.000 description 6
- 230000037053 non-rapid eye movement Effects 0.000 description 6
- 230000036544 posture Effects 0.000 description 6
- 210000002345 respiratory system Anatomy 0.000 description 6
- 208000000884 Airway Obstruction Diseases 0.000 description 5
- 208000003417 Central Sleep Apnea Diseases 0.000 description 5
- 206010010904 Convulsion Diseases 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 230000003434 inspiratory effect Effects 0.000 description 5
- 230000000414 obstructive effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 206010008589 Choking Diseases 0.000 description 4
- 208000000059 Dyspnea Diseases 0.000 description 4
- 206010013975 Dyspnoeas Diseases 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 206010011224 Cough Diseases 0.000 description 3
- 206010038743 Restlessness Diseases 0.000 description 3
- 230000037007 arousal Effects 0.000 description 3
- 208000006673 asthma Diseases 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 230000001269 cardiogenic effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000002570 electrooculography Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000037081 physical activity Effects 0.000 description 3
- 231100000430 skin reaction Toxicity 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 208000022925 sleep disturbance Diseases 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 206010019233 Headaches Diseases 0.000 description 2
- 208000001705 Mouth breathing Diseases 0.000 description 2
- 208000001431 Psychomotor Agitation Diseases 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 230000004217 heart function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008452 non REM sleep Effects 0.000 description 2
- 208000001797 obstructive sleep apnea Diseases 0.000 description 2
- 238000002496 oximetry Methods 0.000 description 2
- 230000006461 physiological response Effects 0.000 description 2
- 229920001296 polysiloxane Polymers 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 201000002859 sleep apnea Diseases 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- 241000238876 Acari Species 0.000 description 1
- 208000031636 Body Temperature Changes Diseases 0.000 description 1
- 206010006326 Breath odour Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000005355 Hall effect Effects 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 208000005793 Restless legs syndrome Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 206010047924 Wheezing Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008512 biological response Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002051 biphasic effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 208000020020 complex sleep apnea Diseases 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011513 continuous positive airway pressure therapy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000036757 core body temperature Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 206010013781 dry mouth Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 201000006646 mixed sleep apnea Diseases 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000010344 pupil dilation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004202 respiratory function Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000004620 sleep latency Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 230000004599 slow eye movement Effects 0.000 description 1
- 230000037322 slow-wave sleep Effects 0.000 description 1
- 206010041232 sneezing Diseases 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Anesthesiology (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
デバイス、システム、および方法が開示されている。これらのデバイス、システム、および方法は、ユーザの睡眠セッション中にユーザの動き、ユーザの心臓活動、ユーザと関連付けられた音声、またはそれらの組み合わせに関する1つ以上のパラメータを検出し、覚醒、睡眠、または睡眠段階のうちの少なくとも1つであるユーザの睡眠状態を、この1つ以上のパラメータを処理して判断し、その睡眠状態に少なくとも部分的に基づいて、その睡眠セッション中にユーザの無呼吸-低呼吸指数を計算する。【選択図】図1
Description
関連出願の相互参照
本出願は、2020年3月31日に出願された「SLEEP STATUS DETECTION FOR APNEA-RESPIRATION INDEX CALCULATION(無呼吸-低呼吸指数計算のための睡眠状態検出)」と題する米国仮特許出願第63/002,585号および2020年1月31日に出願された「SLEEP STATUS DETECTION FOR APNEA-RESPIRATION INDEX CALCULATION(無呼吸-低呼吸指数計算のための睡眠状態検出)」と題する米国仮特許出願第62/968,775号の便益および優先権を主張するものであり、これらの内容は、参照によりその全体が本明細書に組み込まれる。
本出願は、2020年3月31日に出願された「SLEEP STATUS DETECTION FOR APNEA-RESPIRATION INDEX CALCULATION(無呼吸-低呼吸指数計算のための睡眠状態検出)」と題する米国仮特許出願第63/002,585号および2020年1月31日に出願された「SLEEP STATUS DETECTION FOR APNEA-RESPIRATION INDEX CALCULATION(無呼吸-低呼吸指数計算のための睡眠状態検出)」と題する米国仮特許出願第62/968,775号の便益および優先権を主張するものであり、これらの内容は、参照によりその全体が本明細書に組み込まれる。
技術の分野
本技術は、睡眠状態を検出するため、および睡眠状態を考慮した無呼吸低呼吸指数(AHI)を判断するためのデバイス、システム、ならびに方法に関するものである。
本技術は、睡眠状態を検出するため、および睡眠状態を考慮した無呼吸低呼吸指数(AHI)を判断するためのデバイス、システム、ならびに方法に関するものである。
ユーザが睡眠しているか覚醒しているかを、睡眠状態とみなすことができる。いったん眠りに就くと、睡眠は、一晩を通じて変化する4つの異なる睡眠段階によって特徴付けることができる。ユーザの中でも特に、健康なユーザであれば、睡眠中に睡眠段階を順番に何度か移行するのが通例である。睡眠段階はN1、N2、およびN3を含み、いずれもノンレム段階およびレムと称される。
段階N1は、最も浅い睡眠段階であり、エポックの50%超にわたってアルファ波が散在する複数の周波数におけるいくつかの低振幅波の出現によって特徴付けられる。また、頂鋭波、眼電図記録(EOG)信号上のいくつかの遅い眼球運動、および/または脳波図(EEG)信号の周波数の全体的な低下も生じ得る。
段階N2は、やや深い睡眠段階であり、混合周波数信号のバックグラウンド上の睡眠紡錘波およびK複合波の出現によって特徴付けられる。睡眠紡錘波は、より高い(例えば、12Hzを超える)周波数活動のバーストである。K複合波は、約1~2秒続く別個の孤立した双極波である。
段階N3は、最も深い睡眠段階であり、エポックの少なくとも20%にわたる徐波(例えば、1~2Hzの周波数)の出現によって特徴付けられる。
レム段階は、急速眼球運動睡眠であり、EOG信号における明確な活動の存在によって明白である。記録されたEEG信号は、段階N1と酷似しているのが典型的で、覚醒していることさえある。
睡眠時呼吸障害(SDB)という用語は、無呼吸(例えば、10秒以上にわたる気流の停止)および低呼吸(例えば、関連付けられた酸素飽和度低下または覚醒を伴う10秒以上にわたる30%以上の気流の減少)が睡眠中に存在する疾病を表し得る。
呼吸不安定性は、覚醒状態またはレム睡眠の指標であり、呼吸安定性は、ノンレム(例えば、N1、N2、N3)睡眠の指標である。ただし、呼吸の不安定性だけでは、睡眠段階を正確に推断するのに不十分である。例えば、呼吸不安定性は、覚醒状態またはレム睡眠の明示であり、無呼吸、低呼吸、および睡眠中に起こる呼吸努力関連覚醒(RERA)など、頻発する呼吸事象の結果としても起こり得る。そのため、大半が呼吸事象によって誘発される呼吸不安定性の期間を真の覚醒状態の期間と区別することが有用である。
気道陽圧呼吸デバイスは、無呼吸および低呼吸などの睡眠時呼吸障害(SDB)事象をリアルタイムで検出するように構成できるが、ユーザが眠っていないことや正しくない睡眠段階にあることに基づいてSDB事象を誤検出することが多い。例えば、流量の分析は、ユーザが睡眠しているかどうか、さらにはどの睡眠段階であるかについての判断へと至り得る。ただし、流量に基づいたかかる睡眠段階判定には制限がある。流量に基づいた信号を用いて覚醒状態と睡眠状態とを正確に区別することは困難であり得る。流量に基づいた信号は断片化することがあり、開始時、中間時(夜中に洗面所に行ったり離床したりするとき)、および終了時に情報を欠いてしまう。
ユーザが就寝した時期、ユーザが覚醒した時期、およびその間にユーザがどの睡眠段階を経たかを知ることは興味深い。睡眠セッション中にユーザが経た種々の睡眠段階を完全に表したものを睡眠図という。睡眠図の用途の一例が、無呼吸-低呼吸指数(AHI)と称されるSDBの重症度の指数の計算である。AHIは、無呼吸および低呼吸の総数を睡眠セッションの長さで除算して計算するのが通例で、SDBのスクリーニング、診断、および監視ツールとして広く使用されている。ただし、セッション中の相当の期間にわたってユーザが眠っていなかった可能性があることから、かかる計算はAHIを過小評価する傾向がある。その結果、従来のAHI計算を用いると、ユーザが療法の有効性を過剰に楽観視しがちである。特に、流量に基づいた睡眠段階判定に関しては、睡眠側に偏るため、覚醒時に発生するSDB事象がAHIに誤ってカウントされてしまう。逆に、ユーザが覚醒して動いているときにSDB事象が誤って検出された場合には、AHIが過大評価される可能性がある。過大評価および/または過小評価は、例えば、呼吸デバイスの自動設定アルゴリズムが、睡眠の質および/または療法の有効性に悪影響を及ぼすように療法を適応させることを意味し得る。
より正確にAHIを計算する方法は、無呼吸および低呼吸の数を、ユーザがセッション中に眠っていた時間数で除算することである。このようにしてAHIを計算するには、ユーザが眠っていた時期についての知識、すなわち睡眠図から得られ得る知識が必要である。ただし、純粋に呼吸流量から睡眠段階を推断することは困難な作業であることが判明されており、結果的に、AHI計算の正確性、ひいては呼吸療法(例えば、連続気道陽圧(CPAP)療法)に関するAHIベースのユーザ監視に影響する。
そのため、呼吸療法ユーザの睡眠の状態および段階を推断するための改善されたデバイス、システム、および方法を開発する必要性が存在し、ユーザの疾病および適用された療法の有効性をより正確に評価できれば、SDBを治療することによって睡眠アーキテクチャを改善することができる。
本開示のいくつかの態様によれば、睡眠状態に基づいて覚醒と呼吸事象睡眠とを区別するためのデバイス、システム、および方法が開示される。
本開示のいくつかの態様によれば、睡眠を検出し、睡眠状態に関するフィードバックをユーザに提供するデバイス、システム、および方法が開示される。
本開示の一実装形態によれば、ユーザの睡眠状態を検出するための方法が開示される。この方法は、睡眠セッション中にユーザの動きに関する1つ以上のパラメータを検出することを含む。この方法は、その1つ以上のパラメータを処理してユーザの睡眠状態を判断することをさらに含む。睡眠状態は、覚醒、睡眠、または睡眠段階のうちの少なくとも1つである。この方法は、睡眠状態に少なくとも部分的に基づいて、睡眠セッション中にユーザの無呼吸-低呼吸指数を計算することをさらに含む。
この実装形態のいくつかの態様によれば、睡眠段階は、ノンレム睡眠、N1睡眠、N2睡眠、N3睡眠、またはレム睡眠の明示であり得る。この実装形態のいくつかの態様によれば、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象中に睡眠状態が覚醒であると判断されたことを受けて無視される。さらに、その1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである。この実装形態のいくつかの態様によれば、その1つ以上のパラメータは、持続時間、周波数、強度、ユーザの動きのタイプ、またはそれらの組み合わせに関する。この実装形態のいくつかの態様によれば、その1つ以上のパラメータは、ユーザ上に配置されているか、ユーザの近傍に配置されているか、それらの組み合わせである1つ以上のセンサに基づいて測定される。呼吸デバイスに接続されたチューブおよびマスクを通じて、ユーザの気道に加圧空気を印加することができる。この1つ以上のセンサのうちの少なくとも1つのセンサが、チューブ、マスク、またはそれらの組み合わせの上もしくは内部に所在し得る。この少なくとも1つのセンサは、チューブ、マスク、またはそれらの組み合わせの上もしくは内部に慣性測定ユニットを含み得る。この1つ以上のセンサのうちの少なくとも1つのセンサは、ユーザに連結されたスマートデバイス内に慣性測定ユニットを含み得る。このスマートデバイスは、(1)それぞれがユーザと接触しているスマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、もしくはヘルスモニタ、(2)それぞれがユーザの近傍に所在するスマートスピーカもしくはスマートTV、または(3)それらの組み合わせのうちの1つ以上であり得る。この実装形態のいくつかの態様によれば、その1つ以上のパラメータの処理は、その1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含む。
本開示の別の実装形態によれば、ユーザの睡眠状態を検出するための方法が開示される。この方法は、睡眠セッション中にユーザの心臓活動に関する1つ以上のパラメータを検出することを含み、これは、ユーザの気道に加圧空気を印加することを含み得る。この方法は、その1つ以上のパラメータを処理してユーザの睡眠状態を判断することをさらに含む。睡眠状態は、覚醒、睡眠、または睡眠段階のうちの少なくとも1つである。この方法は、睡眠状態に少なくとも部分的に基づいて、睡眠セッション中にユーザの無呼吸-低呼吸指数を計算することをさらに含む。
この実装形態のいくつかの態様によれば、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象中に睡眠状態が覚醒であると判断されたことを受けて無視される。この1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである。この実装形態のいくつかの態様によれば、その1つ以上のパラメータは、ユーザの心拍数、心拍数変動、心拍出量、またはそれらの組み合わせに関する。心拍数変動は、1分間、5分間、10分間、30分間、1時間、2時間、3時間、または4時間にわたって計算することができる。この実装形態のいくつかの態様によれば、呼吸デバイスに接続されたチューブおよびマスクを通じてユーザの気道に加圧空気を印加することができ、その1つ以上のパラメータの少なくとも1つのセンサが、チューブ、マスク、またはそれらの組み合わせの上もしくは内部に所在し得る。1つ以上の実装形態において、この少なくとも1つのセンサはマイクロフォンであり得る。その1つ以上のパラメータを検出することは、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づき得る。
本開示の一実装形態によれば、ユーザの睡眠状態を検出するための方法が開示される。この方法は、睡眠セッション中にユーザと関連付けられた音声に関する1つ以上のパラメータを検出することを含み、これは、ユーザの気道に加圧空気を印加することを含み得る。この方法は、その1つ以上のパラメータを処理してユーザの睡眠状態を判断することをさらに含む。睡眠状態は、覚醒、睡眠、または睡眠段階のうちの少なくとも1つである。この方法は、睡眠状態に少なくとも部分的に基づいて、睡眠セッション中にユーザの無呼吸-低呼吸指数を計算することをさらに含む。
この実装形態のいくつかの態様によれば、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象中に睡眠状態が覚醒であると判断されたことを受けて無視される。この1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである。この実装形態のいくつかの態様によれば、その音声は、(1)ユーザの1つ以上の動き、(2)ユーザに加圧空気を印加するように構成された呼吸デバイスに接続されたチューブ、マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせと関連付けられている。そのチューブ、そのマスク、またはそれらの組み合わせの1つ以上の動きと関連付けられた音声に関する1つ以上のパラメータを検出することは、1つ以上の流量信号、1つ以上の音声信号、もしくはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づき得る。この実装形態のいくつかの態様によれば、その音声は、チューブ、マスク、またはチューブに接続された装置内の1つ以上のマイクロフォンに基づいて検出することができ、その装置は、ユーザの気道に加圧空気を提供する。
本開示の一実装形態によれば、ユーザの睡眠状態を検出するための方法が開示される。この方法は、睡眠セッション中に個人と、またはユーザの気道に加圧空気を印加するセッション中にそのユーザと関連付けられた複数のパラメータを検出することを含み、この複数のパラメータの各パラメータは少なくとも1つのモダリティと関連付けられており、その複数のパラメータは複数のモダリティを網羅する。この方法は、この複数のパラメータを処理してユーザの睡眠状態を判断することをさらに含み、睡眠状態は、覚醒、睡眠、または睡眠段階のうちの少なくとも1つである。この方法は、睡眠状態に少なくとも部分的に基づいて、セッション中にユーザの無呼吸-低呼吸指数を計算することをさらに含む。さらには、複数のモダリティを組み合わせることができ、その場合には、呼吸療法システム120と関連付けられた、または呼吸療法システム120から判断された1つ以上のモダリティが使用されない。例えば、睡眠状態および/または段階は、心臓活動に関連するモダリティから得られたAHIと組み合わせて判断することができる。その後、動きに関連し、心臓活動には関連しない1つ以上の他のパラメータを使用して、心臓活動に基づいた睡眠状態および/または段階を確認することができる。さらなる実施例として、血中酸素レベル、または睡眠段階および/もしくは段階を捕捉できない他の何らかのパラメータ(単数または複数)からAHI(必ずしも睡眠状態および/または段階とは限らない)を判断することができる。その後、動きや心臓活動など、異なるモダリティに関連する別のパラメータを使用して、睡眠状態および/または段階を確認することができる。
この実装形態のいくつかの態様によれば、これらのモダリティは、ユーザの動きと、加圧空気の流量と、ユーザの心臓活動と、ユーザと関連付けられた音声と、のうちの2つ以上を含む。この実装形態のいくつかの態様によれば、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象中に睡眠状態が覚醒であると判断されたことを受けて無視される。この1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせを含む。この実装形態のいくつかの態様によれば、その複数のパラメータを処理することは、その2つ以上のモダリティのうちの第1のモダリティと関連付けられた複数のパラメータのうちの1つ以上のパラメータに基づいてユーザの睡眠状態を判断することができない、と判断することをさらに含む。その複数のパラメータの処理は、その2つ以上のモダリティのうちの第2のモダリティと関連付けられた複数のパラメータのうちの1つ以上のパラメータを処理してユーザの睡眠状態を判断することをさらに含む。この実装形態のいくつかの態様によれば、ユーザの睡眠状態を判断することができないという判断は、閾値判定メトリックを満たすことに基づく。閾値判定メトリックは、睡眠状態、睡眠状態、またはそれらの組み合わせに関して競合する複数のパラメータのうちの2つ以上のパラメータに基づき得る。この2つ以上の競合パラメータは、その2つ以上のモダリティに由来する。2つ以上の競合パラメータ間の競合は、品質の低いデータに基づいて導出されたパラメータを無視することによって解消され、かつ/または品質の高いデータから抽出されたパラメータに与えられる重みが高まる。閾値判定メトリックは、ユーザの気道に加圧空気を印加する1つ以上の旧セッション中にユーザと関連付けられた複数の旧パラメータに基づき得る。この実装形態のいくつかの態様によれば、この処理は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行される。いくつかの態様によれば、その複数のパラメータの処理は、その複数のモダリティのうちの選択された2つ以上のモダリティに由来する複数のパラメータのサブセットに基づく。選択された2つ以上のモダリティは、データ品質に基づく重み付けに従って選択することができる。
1つ以上の実装形態によれば、本明細書に開示された1つ以上のパラメータを検出するように構成されている1つ以上のセンサと、ユーザに連結されたチューブおよびマスクを有する呼吸デバイスと、機械可読命令を記憶するメモリと、本明細書に開示された方法を実行するためにそれらの機械可読命令を実行するように構成された1つ以上のプロセッサを含む制御システムと、を含み得る1つ以上のシステムが開示される。
本技術のいくつかのバージョンは、プロセッサによって実行されると、本明細書に開示された方法のうちの任意の1つ以上をプロセッサに実行させる符号化されたプロセッサ実行可能命令を有するコンピュータプロセッサ可読メモリ記憶装置を含み得る。
本開示の一実装形態によれば、ユーザの無呼吸-低呼吸指数を計算するための方法が開示される。この方法は、睡眠セッション中にユーザの動きに関する1つ以上のパラメータを検出することを含み、これは、ユーザの気道に加圧空気を印加することを含み得る。この方法は、その1つ以上のパラメータを処理してユーザの睡眠状態を判断することをさらに含む。睡眠状態は、覚醒、睡眠または睡眠段階のうちの少なくとも1つであり得る。この方法は、睡眠状態に少なくとも部分的に基づいて、睡眠セッション中にユーザの無呼吸-低呼吸指数を計算することをさらに含む。この方法は、無呼吸-低呼吸指数、睡眠状態、またはそれらの組み合わせに少なくとも部分的に基づいて動作を開始することをさらに含む。
この実装形態のいくつかの態様によれば、この動作は、(1)無呼吸-低呼吸指数の記録を保存すること、(b)無呼吸-低呼吸指数を外部デバイスに伝達すること、または(c)デバイスの動作設定を調節すること、のうちの1つ以上を含む。このデバイスは、ユーザの気道に加圧空気を供給する呼吸デバイスであり得る。この実装形態のいくつかの態様によれば、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象中に睡眠状態が覚醒であると判断されたことを受けて無視される。その1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、1つ以上の周期性四肢運動、またはそれらの組み合わせであり得る。この実装形態のいくつかの態様によれば、1つ以上のパラメータは、持続時間、期間、速度、周波数、強度、ユーザの動きのタイプ、またはそれらの組み合わせに関し得るものである。この実装形態のいくつかの態様によれば、その1つ以上のパラメータは、ユーザ上に配置されているか、ユーザの近傍に配置されているか、それらの組み合わせである1つ以上のセンサに基づいて測定することができる。加圧空気は、呼吸デバイスに接続されたチューブおよびマスクを通じてユーザの気道に印加することができ、その1つ以上のセンサのうちの少なくとも1つのセンサが、チューブの上もしくは内部、マスクの上もしくは内部、またはそれらの組み合わせに所在する。この少なくとも1つのセンサは、チューブの上もしくは内部、マスクの上もしくは内部、またはそれらの組み合わせに体動センサを含み得る。この実装形態のいくつかの態様によれば、この1つ以上のセンサのうちの少なくとも1つのセンサが、スマートデバイス内の体動センサを含む。このスマートデバイスは、(1)それぞれがユーザと接触しているスマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、もしくはヘルスモニタ、(2)それぞれがユーザの近傍に所在するスマートスピーカもしくはスマートTV、または(3)それらの組み合わせのうちの1つ以上であり得る。この実装形態のいくつかの態様によれば、その1つ以上のパラメータの処理は、その1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含む。この実装形態のいくつかの態様によれば、ユーザの動きは、ユーザの心臓または呼吸活動と関連付けることができる。この少なくとも1つのセンサは、マイクロフォンであり得る。その1つ以上のパラメータを検出することは、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づき得る。いくつかの実装形態によれば、その1つ以上のパラメータの検出は、セッション中にユーザと関連付けられた音声に関してのことであり得る。その音声は、(1)ユーザの1つ以上の動き、(2)ユーザに加圧空気を印加するように構成された呼吸デバイスに接続されたチューブ、マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせと関連付けることができる。その音声に関する1つ以上のパラメータの検出は、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づき得る。その音声は、チューブ、マスク、またはチューブに接続された装置内の1つ以上のマイクロフォンに基づいて検出することができ、その装置は、ユーザの気道に加圧空気を提供する。いくつかの実装形態によれば、その1つ以上の複数のパラメータのうちの各パラメータは、少なくとも1つのモダリティと関連付けることができ、その1つ以上のパラメータのうちの複数が複数のモダリティを網羅する。これらのモダリティは、ユーザの動きと、加圧空気の流量と、ユーザの心臓活動と、ユーザと関連付けられた音声と、を含み得る。その複数のパラメータを処理することは、その2つ以上のモダリティのうちの第1のモダリティと関連付けられた複数のパラメータのうちの1つ以上のパラメータに基づいてユーザの睡眠状態を判断することができない、と判断することと、その2つ以上のモダリティのうちの第2のモダリティと関連付けられた複数のパラメータのうちの1つ以上のパラメータを処理してユーザの睡眠状態を判断することと、をさらに含み得る。この実装形態のいくつかの態様によれば、ユーザの睡眠状態を判断することができないという判断は、閾値判定メトリックを満たすことに基づき得る。閾値判定メトリックは、判断された睡眠状態、睡眠段階、またはそれらの組み合わせに関して競合する複数のパラメータのうちの2つ以上のパラメータに基づき得る。この2つ以上の競合パラメータは、その2つ以上のモダリティに由来する。2つ以上の競合パラメータ間の競合は、品質の低いデータに基づいて導出されたパラメータを無視することによって解消することができ、かつ/または品質の高いデータから抽出されたパラメータに与えられる重みが高まる。この実装形態のいくつかの態様によれば、閾値判定メトリックは、ユーザの気道に加圧空気を印加する1つ以上の旧セッション中にユーザと関連付けられた複数の旧パラメータに基づき得る。この実装形態のいくつかの態様によれば、この処理は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行することができる。
本開示の一実装形態によれば、ユーザの無呼吸-低呼吸指数を計算するためのシステムが開示される。このシステムは、ユーザの気道に加圧空気を印加するセッションを含み得る睡眠セッション中にユーザの動きに関する1つ以上のパラメータを検出するように構成された1つ以上のセンサを含む。このシステムは、機械可読命令を記憶するメモリと制御システムとをさらに含む。この制御システムは、覚醒、睡眠、または睡眠段階のうちの少なくとも1つであるユーザの睡眠状態を、1つ以上のパラメータを処理して判断し、その睡眠状態に少なくとも部分的に基づいて、その睡眠セッション中にユーザの無呼吸-低呼吸指数を計算し、その無呼吸-低呼吸指数、その睡眠状態、またはそれらの組み合わせに少なくとも部分的に基づいて動作を開始する、ためにそれらの機械可読命令を実行するように構成された1つ以上のプロセッサを含む。
この実装形態のいくつかの態様によれば、この動作は、(1)無呼吸-低呼吸指数の記録を保存すること、(b)無呼吸-低呼吸指数を外部デバイスに伝達すること、または(c)デバイスの動作設定を調節すること、のうちの1つ以上を含む。このデバイスは、ユーザの気道に加圧空気を供給する呼吸デバイスである。この実装形態のいくつかの態様によれば、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象中に睡眠状態が覚醒であると判断されたことを受けて無視される。その1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、1つ以上の周期性四肢運動、またはそれらの組み合わせである。この実装形態のいくつかの態様によれば、1つ以上のパラメータは、持続時間、期間、速度、周波数、強度、ユーザの動きのタイプ、またはそれらの組み合わせに関するものである。この実装形態のいくつかの態様によれば、その1つ以上のセンサは、ユーザ上に配置されているか、ユーザの近傍に配置されているか、それらの組み合わせである。この実装形態のいくつかの態様によれば、このシステムは、ユーザに連結されたチューブおよびマスクを有する呼吸デバイスをさらに含む。加圧空気は、チューブおよびマスクを通じてユーザの気道に印加することができ、その1つ以上のセンサのうちの少なくとも1つのセンサが、チューブ、マスク、またはそれらの組み合わせの上もしくは内部に所在する。この1つ以上のセンサは、チューブ、マスク、またはそれらの組み合わせの上もしくは内部に体動センサを含み得る。この実装形態のいくつかの態様によれば、この1つ以上のセンサのうちの少なくとも1つのセンサが、スマートデバイス内の体動センサを含み得る。このスマートデバイスは、(1)それぞれがユーザと接触しているスマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、もしくはヘルスモニタ、(2)それぞれがユーザの近傍に所在するスマートスピーカもしくはスマートTV、または(3)それらの組み合わせのうちの1つ以上であり得る。この実装形態のいくつかの態様によれば、その1つ以上のパラメータの処理は、その1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含み得る。この実装形態のいくつかの態様によれば、ユーザの動きは、ユーザの心臓または呼吸活動と関連付けることができる。この少なくとも1つのセンサは、マイクロフォンであり得る。その1つ以上のパラメータの検出は、マイクロフォンによって検出された1つ以上の流量信号、1つ以上の音声信号、もしくはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づき得る。この実装形態のいくつかの態様によれば、その1つ以上のパラメータの検出は、睡眠セッション中にユーザと関連付けられた音声に関してのことであり得る。この実装形態のいくつかの態様によれば、その音声は、(1)ユーザの1つ以上の動き、(2)ユーザに加圧空気を印加するように構成された呼吸デバイスに接続されたチューブ、マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせと関連付けることができる。この実装形態のいくつかの態様によれば、その音声に関する1つ以上のパラメータの検出は、1つ以上の流量信号、1つ以上の音声信号、もしくはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づき得る。この実装形態のいくつかの態様によれば、その音声は、チューブ、マスク、またはチューブに接続された装置内の1つ以上のマイクロフォンに基づいて検出することができ、その装置は、ユーザの気道に加圧空気を提供する。この実装形態のいくつかの態様によれば、その1つ以上のパラメータの各パラメータは、少なくとも1つのモダリティと関連付けられており、その1つ以上のパラメータが複数のモダリティを網羅する。これらのモダリティは、ユーザの動きと、加圧空気の流量と、ユーザの心臓活動と、ユーザと関連付けられた音声と、を含み得る。制御システムは、その2つ以上のモダリティのうちの第1のモダリティと関連付けられた複数のパラメータのうちの1つ以上のパラメータに基づいてユーザの睡眠状態を判断することができない、と判断するために、およびその2つ以上のモダリティのうちの第2のモダリティと関連付けられた複数のパラメータのうちの1つ以上のパラメータを処理して、ユーザの睡眠状態を判断するために、それらの機械可読命令を実行するように構成することができる。この実装形態のいくつかの態様によれば、ユーザの睡眠状態を判断することができないという判断は、閾値判定メトリックを満たすことに基づく。閾値判定メトリックは、判断された睡眠状態、睡眠段階、またはそれらの組み合わせに関して競合する複数のパラメータのうちの2つ以上のパラメータに基づき得る。この2つ以上の競合パラメータは、2つ以上のモダリティに由来し得る。この実装形態のいくつかの態様によれば、2つ以上の競合パラメータ間の競合は、品質の低いデータに基づいて導出されたパラメータを無視することによって解消することができ、かつ/または品質の高いデータから抽出されたパラメータに与えられる重みが高まる。この実装形態のいくつかの態様によれば、閾値判定メトリックは、ユーザの気道に加圧空気を印加する1つ以上の旧セッション中にユーザと関連付けられた複数の旧パラメータに基づき得る。この実装形態のいくつかの態様によれば、この処理は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行することができる。この実装形態のいくつかの態様によれば、その1つ以上のパラメータの各パラメータは、少なくとも1つのモダリティと関連付けることができ、その1つ以上のパラメータは、複数のモダリティを網羅する。その複数のパラメータの処理は、その複数のモダリティのうちの選択された2つ以上のモダリティに由来する複数のパラメータのサブセットに基づき得る。選択された2つ以上のモダリティは、データ品質に基づく重み付けに従って選択することができる。この実装形態のいくつかの態様によれば、睡眠段階は、ノンレム睡眠またはレム睡眠の明示であり得る。この実装形態のいくつかの態様によれば、睡眠段階は、N1睡眠、N2睡眠、N3睡眠、またはレム睡眠の明示であり得る。
本開示の一実装形態によれば、1つ以上のプロセッサを有する制御システムを含むシステムが開示される。このシステムは、機械可読命令を記憶したメモリを備える。制御システムはメモリに連結され、上記した方法の任意の1つ以上は、メモリ内の機械実行可能命令が制御システムの1つ以上のプロセッサのうちの少なくとも1つによって実行されたときに実装される。
本開示の一実装形態によれば、上に開示された方法のうちのいずれか1つ以上を実施するように構成された制御システムを含むシステムが開示される。
本開示の一実装形態によれば、コンピュータによって実行されると、上に開示された方法のうちのいずれか1つ以上をコンピュータに実行させる命令を含むコンピュータプログラム製品が開示される。1つ以上の実装形態において、このコンピュータプログラム製品は、非一時的コンピュータ可読媒体である。
上記態様の複数部分が、本技術の下位態様を形成し得る。本技術の他の特徴は、以下の詳細な説明、要約、図面および特許請求の範囲中に含まれる情報に鑑みれば明らかになる。また、下位態様および/または態様のうち多様な1つを多様に組み合わせることができ、本技術のさらなる態様または下位態様も構成し得る。上記の要旨は、本開示の各実装形態または各態様を示すことを意図していない。本開示のさらなる特徴および便益は、下記の詳細な説明および図から明らかである。
本開示は、様々な変更および代替形態が可能であるが、本開示の具体的な実装形態および実装形態が図面に例として示されており、本明細書において詳述される。ただしそれは、開示された特定の形態に本開示を限定することを意図するものではなく、本開示は、添付の請求項によって定義される本開示の精神および範囲内に属するすべての改変物、均等物、および代替物を網羅するということを理解すべきである。
本開示のデバイス、システム、および方法は、流量以外のモダリティと関連付けられたパラメータに基づいて、または流量に基づくパラメータと組み合わせた他のモダリティと関連付けられたパラメータに基づいて睡眠状態(例えば、睡眠状態および/または睡眠段階)を判断することによって上記の課題を解決する。本開示のデバイス、システム、および方法は、ユーザが眠っていないときに生じる偽のSDB事象を無視した後にAHIを判断することによって上記の課題をさらに解決または改善する。そのため、ユーザが覚醒しているときに検出される偽のSDB事象がAHIに誤って影響を与えることはない。
上記のとおり、流量に基づいた睡眠段階判定は、呼吸数、(長短の時間スケールにわたる)呼吸数変動、および正規化された呼吸数変動を含む流量関連パラメータを計算することを伴う。流量ベースの睡眠段階判定の欠点を補うために、本開示のデバイス、システム、および方法は、呼吸デバイスまたはユーザの環境内の他のデバイスによって生成および/または計算されたパラメータに少なくとも部分的に基づく追加処理を含み得る。例えば、その環境内の呼吸デバイスおよび/または別のスマートデバイスは、心拍数および心拍数変動を推定するために、ユーザの心原性振動を検出することができる。例えば、心原性振動信号パラメータの信号品質の急変動を示すパラメータを、単独で、または一般的な流量信号パラメータの変化と組み合わせて、ユーザの動きを推断するのに使用することができる。そのため、心拍数変動(短期心拍数変動および夜間の長期傾向分析)は、睡眠状態を判断するためのさらなる入力パラメータであり得る。
追加または代替として、これらのデバイス、システム、および方法は、ユーザの睡眠状態を表す音声パラメータと流量パラメータを組み合わせるマルチモーダル機能を提供することができる。1つ以上の実装形態において、これらのデバイス、システム、および方法は、睡眠状態を判断するために、呼吸デバイス内、インターフェース内、またはチューブ内のマイクロフォンを単独で、または流量信号と組み合わせて使用する。このマイクロフォンは、ユーザの動き事象と関連付けられたパラメータを検出することができる。これらのパラメータは、睡眠状態の判断を支援するための、動き事象の持続時間、頻度、および強度を示すことができる。
1つ以上の特定の実装形態において、これらの動きは、チューブ内の音のエコー反射を変化させ、その後、その変化を検出することができる。心拍数と同様、呼吸数は、ユーザが眠っているときのほうが安定しており、覚醒時よりも睡眠時のほうが少ない。そして、深睡眠時だとさらに少ない。呼吸数から生じる流量のほうが不規則で、そこに動きがある場合には、ユーザが覚醒している可能性が高いため、動き検出を追加することによって睡眠状態の判断が支援される。ただし、レム睡眠の場合には、覚醒中より動きが少なくても、流量信号が依然として不規則であり得る。動き検出を追加することにより、睡眠状態の検出がさらに支援され、これにより、AHIの計算を、ユーザが眠っているときの実際のSDB事象に集中させることができ、AHI事象のように見えるかもしれないが実際にはユーザが覚醒している偽のSDB事象を計数しないようにすることができる。
1つ以上の実装形態において、AHIは、単一のAHIよりも細かい粒度で計算することができる。例えば、1つ以上の実装形態において、AHIは、複数の睡眠セッション、単一の睡眠セッション、睡眠セッション中に1時間、またはより短い時間増分で計算することができる。そのため、ユーザは、呼吸デバイスを制御するために記憶、報告、および/または使用される単一のAHI値を有すること、または、他の様々な潜在的動作の中でも特に、呼吸デバイスを制御するために記憶、報告、および/または使用される複数のAHI値を有することができる。
1つ以上の実装形態において、ユーザは、睡眠段階に関して、より細かい粒度レベルで判断されたAHIを有することができる。例えば、検出された睡眠段階は、レムおよびノンレムであり得る。その場合には、レムに関してAHIを計算し、ノンレムに関して別のAHIを計算することができる。この計算は、全体のAHIを計算することに加えて、または全体のAHIを計算せずに、行うことができる。1つ以上の実装形態において、AHIは、例えば、N1、N2、N3、および/またはレムの各睡眠段階について計算することができる。これにより、SDB事象を起こさずに良質な睡眠を得るという点から最良の睡眠段階についての洞察をユーザに提供することができる。代替として、AHIは、N3およびレムに関してのみ、またはN2、N3、およびレムに関してのみ計算することもできる。
図1を参照すると、本開示の各種態様に係る、睡眠状態および段階を推断するためのシステム100の機能ブロック図が表されている。システム100は、制御システム110と、メモリデバイス114と、電子インターフェース119と、呼吸療法システム120と、1つ以上のセンサ130と、1つ以上のユーザデバイス170と、を含む。いくつかの実装形態においては、システム100が、任意選択で、血圧デバイス182、活動トラッカー190、またはそれらの任意の組み合わせをさらに含む。
呼吸療法システム120は、使用中に、医学的に処方された空気圧を睡眠中に呼吸療法システム120が維持しようとするセッション中にSDB事象(例えば、無呼吸または低呼吸事象)を検出および計数し得る。呼吸療法システム120は、これらのSDB事象からAHIを推定することができる。AHIは、SDBリスクを階層化し、セッションをまたいで重症度を監視するのに使用することができる。ただし、上記のとおり、呼吸療法システム120は、無呼吸または低呼吸事象に見えるが実際にはユーザが覚醒しているか浅睡眠の段階(例えばN1)にある疾病を検出することができる。その場合には、無呼吸または低呼吸事象であると思われる「覚醒」状態中に検出された事象をAHIの計算時に考慮しないことが望まれ得る。代替として、呼吸療法システム120は、周期性四肢運動(PLM)の影響を検出し、ユーザが覚醒していると誤って推定し得る。その場合には、呼吸療法システム120が、AHIにおいて考慮すべきSDB事象を見逃し得る。例えば、その人は、PLM中にまだ眠っている可能性があるが、睡眠の質が低下した可能性がある。呼吸療法システム120は、加圧空気を印加するセッション中に、ユーザ(例えば、図2のユーザ210)の睡眠状態(例えば、覚醒または睡眠)をより正確に判断できると同時に、ユーザの睡眠段階(例えば、N1、N2、N3、レム)をより正確に判断できるようにも構成されている。睡眠状態および睡眠段階をより正確に判断できることにより、呼吸療法システム120がAHIをより正確に判断できるようになるため、気道が狭窄または虚脱することを防ぐという良好なセッションを将来的に提供できるというとりわけ大きなメリットが生まれる。
制御システム110は、1つ以上のプロセッサ112(以下、プロセッサ112)を含む。制御システム110は概して、システム100の様々な構成要素を制御し、かつ/またはシステム100の構成要素によって取得および/または生成されたデータを分析するのに使用される。プロセッサ112は、汎用または特殊用途のプロセッサまたはマイクロプロセッサであり得る。図1には1個のプロセッサ112が示されているが、制御システム110は、単一のハウジング内に存在し得るか、互いに離れて所在し得る任意の適切な数のプロセッサ(例えば、1個のプロセッサ、2個のプロセッサ、5個のプロセッサ、10個のプロセッサなど)を含み得る。制御システム110は、例えば、ユーザデバイス170のハウジング、活動トラッカー190、および/またはセンサ130うちの1つ以上のハウジングに連結すること、および/またはそれらの内部に位置付けることができる。制御システム110は、(1つのかかるハウジング内に)集中させるか、(物理的に別個である2つ以上のかかるハウジング内に)分散させることができる。制御システム110を格納する2つ以上のハウジングを含むかかる実装形態においては、かかるハウジングが、互いに近接して、かつ/または遠隔で所在することができる。
制御システム110は、本明細書に開示された、睡眠状態/段階を判断し、AHIを計算するための方法を、「リアルタイム」で実行すること、または後処理として、すなわち睡眠セッションの完了後に実行することができる。後処理の実装形態の場合には、この方法で使用されたデータを、サンプルの時系列として既定のサンプリングレートでメモリデバイス114上に記憶することができる。
メモリデバイス114は、本明細書に開示された他の方法とともに、制御システム110のプロセッサ112によって実行可能かつユーザの睡眠状態/段階を判断することに特化した機械可読命令を記憶する。メモリデバイス114は、例えば、ランダムまたはシリアルアクセスメモリデバイス、ハードドライブ、ソリッドステートドライブ、フラッシュメモリデバイスなど、任意の適切なコンピュータ可読ストレージデバイスまたはメディアであり得る。図1には1つのメモリデバイス114が示されているが、システム100は、任意の適切な数のメモリデバイス114(例えば、1個のメモリデバイス、2個のメモリデバイス、5個のメモリデバイス、10個のメモリデバイスなど)を含み得る。メモリデバイス114は、呼吸デバイス122のハウジング、ユーザデバイス170のハウジング、活動トラッカー190、センサ130うちの1つ以上のハウジング、またはそれらの任意の組み合わせに連結すること、および/またはそれらの内部に位置付けることができる。制御システム110と同様に、メモリデバイス114は、(1つのかかるハウジング内に)集中させるか、(物理的に異なる2つ以上のかかるハウジング内に)分散させることができる。
1つ以上の実装形態において、メモリデバイス114は、音声信号処理や動き信号処理など、信号処理のための記憶されたプロセッサ制御命令を含み得る。かかる具体的な信号処理は、測定フィルタリング、フーリエ変換、対数、位置判定、程度判定、差判定などを含み得る。1つ以上の実装形態において、開示された方法を制御するためのプロセッサ制御命令およびデータは、本明細書に記載されている方法のいずれかに従って、特定用途向けプロセッサとみなされる制御システム110によって使用されるソフトウェアとしてメモリデバイス114内に含まれ得る。
いくつかの実装形態においては、メモリデバイス114が、ユーザと関連付けられたユーザプロファイルを記憶あい、このプロファイルは、状態および段階を推断するためのパラメータとして実装することができる。ユーザプロファイルは、例えば、ユーザと関連付けられた人口統計情報、ユーザと関連付けられた生体情報、ユーザと関連付けられた医療情報、自己申告によるユーザフィードバック、ユーザと関連付けられた睡眠パラメータ(例えば、1つ以上の睡眠セッションから記録された睡眠関連パラメータ)、またはそれらの任意の組み合わせを含み得る。人口統計情報は、例えば、ユーザの年齢、ユーザの性別、ユーザの人種、ユーザの民族性、ユーザの地理的位置、ユーザの移動履歴、交際ステータス、ユーザが1匹以上のペットを有するか否かの状況、ユーザが家族を有するか否かの状況、健康疾病の家族歴、ユーザの雇用状況、ユーザの教育状況、ユーザの社会経済的状況、またはそれらの任意の組み合わせを示す情報を含み得る。医療情報は、例えば、ユーザと関連付けられた1つ以上の病状、ユーザによる薬剤使用、またはその両方を示す情報を含み得る。医療情報データは、反復睡眠潜時検査(MSLT)の結果またはスコアおよび/もしくはピッツバーグ睡眠質問票(PSQI)のスコアまたは値をさらに含み得る。医療情報データは、睡眠ポリグラフ(PSG)検査、CPAP滴定、もしくは在宅睡眠検査(HST)、1つ以上の睡眠セッションから取得した呼吸療法システム設定、1つ以上の睡眠セッションから取得した睡眠関連呼吸事象、またはそれらの任意の組み合わせのうちの1つ以上から得られた結果を含み得る。自己申告によるユーザフィードバックは、自己申告による主観的な療法スコア(劣悪、普通、良好など)、自己申告によるユーザの主観的なストレスレベル、自己申告によるユーザの主観的な疲労レベル、自己申告によるユーザの主観的な健康状態、ユーザが経験した最近のライフイベント、またはそれらの任意の組み合わせを示す情報を含み得る。ユーザプロファイル情報は、毎日(例えば、睡眠セッション間)、毎週、毎月、または毎年など、任意の時期に更新することができる。いくつかの実装形態においては、メモリデバイス114が、下記のディスプレイデバイス128および/またはディスプレイデバイス172上に表示され得るメディアコンテンツを記憶する。
電子インターフェース119は、1つ以上のセンサ130からデータ(例えば、生理学的データ、流量データ、圧力データ、モーションデータおよび/または音響データなど)を受け取るように構成されており、そのデータは、メモリデバイス114に記憶すること、および/または制御システム110のプロセッサ112によって分析することができる。生理学的データ、流量データ、圧力データ、モーションデータ、音響データなどの受信データは、睡眠状態および段階を推断するためのパラメータを判断および/または計算するのに使用され得る。電子インターフェース119は、有線接続または無線接続を用いて(例えば、RF通信プロトコル、Wi-Fi通信プロトコル、Bluetooth通信プロトコル、IR通信プロトコル、セルラーネットワーク、またはその他任意の光通信プロトコルなどを用いて)1つ以上のセンサ130と通信することができる。電子インターフェース119は、アンテナ、受信機(例えば、RF受信機)、送信機(例えば、RF送信機)、トランシーバ(例えば、RF送信機)、またはそれらの任意の組み合わせを含み得る。電子インターフェース119は、本明細書に記載のプロセッサ112およびメモリデバイス114と同一または同様であるもう1つのプロセッサおよび/またはもう1つのメモリデバイスも含み得る。いくつかの実装形態においては、電子インターフェース119が、ユーザデバイス170に連結または統合されている。他の実装形態においては、電子インターフェース119が、ハウジング内で制御システム110および/またはメモリデバイス114に連結されているか、それらと統合されている。
呼吸療法システム120は、(本明細書において呼吸デバイス122と称される)呼吸圧力療法(RPT)デバイス122、ユーザインターフェース124、(チューブまたは空気回路とも称される)導管126、ディスプレイデバイス128、加湿タンク129、レセプタクル180、またはそれらの組み合わせを含み得る。いくつかの実装形態においては、制御システム110、メモリデバイス114、ディスプレイデバイス128、センサ130のうちの1つ以上、および加湿タンク129が、呼吸デバイス122の一部である。
呼吸圧力療法とは、(例えば、タンクベンチレータや陽陰圧体外式人工呼吸器(cuirass)などの陰圧療法とは異なり、)ユーザの呼吸サイクル全体を通じて大気に対して名目上陽である制御された目標圧力で、ユーザの気道の入口に空気供給を印加することを指す。呼吸療法システム120は一般に、1つ以上の睡眠関連呼吸障害(例えば、閉塞性睡眠時無呼吸、中枢性睡眠時無呼吸、または混合性睡眠時無呼吸)に罹患している個人を治療するのに使用される。
呼吸デバイス122は一般に、(例えば、1つ以上のコンプレッサを駆動する1つ以上のモータを使用して)ユーザに送達される加圧空気を生成するのに使用される。いくつかの実装形態においては、呼吸デバイス122が、ユーザに送達される連続的な一定の空気圧を生成する。他の実装形態においては、呼吸デバイス122が、2つ以上の所定の圧力(例えば、第1の所定の空気圧および第2の所定の空気圧)を生成する。さらに他の実装形態においては、呼吸デバイス122が、所定の範囲内の様々な異なる空気圧を生成するように構成されている。例えば、呼吸デバイス122は、少なくとも約6cmH2O、少なくとも約10cmH2O、少なくとも約20cmH2O、約6cmH2Oから約10cmH2O、約7cmH2Oから約12cmH2Oなどを送達することができる。呼吸デバイス122は、(周囲圧力に対して)陽圧を維持しながら、例えば、約-20L/分と約150L/分との間の所定の流量で加圧空気を送達することもできる。
ユーザインターフェース124は、ユーザの顔の一部分と係合し、呼吸デバイス122からユーザの気道に加圧空気を送達して、睡眠中に気道が狭窄および/または閉塞しないように支援する。これにより、睡眠中のユーザの酸素摂取量も増加し得る。ユーザインターフェース124は、加圧空気がユーザの口、ユーザの鼻、またはユーザの口および鼻の両方を介してユーザの気道に送達されるように、ユーザの顔に係合するのが一般的である。呼吸デバイス122、ユーザインターフェース124、および導管126は、ユーザの気道と流体連結された空気経路を共に形成する。
適用される療法に応じて、ユーザインターフェース124は、例えばユーザの顔の領域または部分との密着を形成し得、これにより、周囲圧力に対して約10cmH2Oの陽圧など、周囲圧力に対して十分に異なり、療法の効果をもたらせる圧力でのガスの送達を促進する。酸素送達などの、他の療法の形態において、ユーザインターフェースは、約10cmH2Oの陽圧において気道へのガス供給の送達を促進するのに充分な密閉を含まない場合がある。
図2に示すとおり、いくつかの実装形態においては、ユーザインターフェース124が、ユーザの鼻および口を覆う顔面マスク(例えば、フルフェイスマスク)であるか、それを含む。代替として、いくつかの実装形態においては、ユーザインターフェース124が、ユーザの鼻に空気を提供する鼻マスク、またはユーザの鼻孔に空気を直接送達する鼻枕マスクである。ユーザインターフェース124は、ユーザの一部分(例えば顔)にインターフェースを位置付け、かつ/または安定させるための複数のストラップ(例えば面ファスナを含む)と、ユーザインターフェース124とユーザとの間での気密密着を提供するのを支援する形状適合性クッション(例えば、シリコーン、プラスチック、発泡体など)と、を含み得る。ユーザインターフェース124は、ユーザ210によって吐き出された二酸化炭素および他の気体を逃がせるようにするためのうちの1つ以上の通気孔も含み得る。他の実装形態においては、ユーザインターフェース124が、マウスピース(例えば、ユーザの歯に適合するように成形されたナイトガードマウスピース、下顎骨位置変更デバイスなど)を含む。
(空気回路またはチューブとも称される)導管126は、呼吸デバイス122およびユーザインターフェース124など、呼吸療法システム120の2つの構成要素間で空気が流れるようにする。いくつかの実装形態においては、この導管に吸気および呼気用の別々の枝管が存在し得る。他の実装形態においては、単枝型導管が吸気および呼気の両方に使用される。
呼吸デバイス122、ユーザインターフェース124、導管126、ディスプレイデバイス128、および加湿タンク129のうちの1つ以上が、1つ以上のセンサ(例えば、圧力センサ、流量センサ、湿度センサ、温度センサ、より一般的には、本明細書に記載されているセンサ130のいずれか)を含み得る。これらの1つ以上のセンサは、例えば、呼吸デバイス122によって供給される加圧空気の空気圧および/または流量を測定するのに使用することができる。
ディスプレイデバイス128は概して、静止画、動画、もしくはその両方を含む画像(単数または複数)、および/または呼吸デバイス122に関する情報を表示するのに使用される。例えば、ディスプレイデバイス128は、呼吸デバイス122の状態に関する情報(例えば、呼吸デバイス122がオンかオフか、呼吸デバイス122によって送達されている空気の圧力、呼吸デバイス122によって送達されている空気の温度など)および/または他の情報(参照によりその全体が本明細書に組み込まれる国際公開第2016/061629号に記載されているようなmyAir(商標)スコアとも称される)睡眠スコアおよび/または療法スコア、現在の日付/時刻、ユーザ210の個人情報など)を提供することができる。いくつかの実装形態においては、ディスプレイデバイス128が、入力インターフェースとして画像(単数または複数)を表示するように構成されたグラフィックユーザインターフェース(GUI)を含むヒューマンマシンインターフェース(HMI)の働きをする。ディスプレイデバイス128は、LEDディスプレイ、有機ELディスプレイ、液晶ディスプレイ等であり得る。入力インターフェースは、例えば、タッチスクリーンまたは接触感知基板、マウス、キーボード、または呼吸デバイス122とやりとりする人間ユーザによって行われる入力を感知するように構成された任意のセンサシステムであり得る。
加湿タンク129は、呼吸デバイス122に連結または統合されている。加湿タンク129は、呼吸デバイス122から送達された加圧空気を加湿するのに使用できる貯水器を含む。呼吸デバイス122は、ユーザに提供された加圧空気を加湿するために加湿タンク129内の水を加熱するヒータを含み得る。加えて、いくつかの実装形態においては、導管126が、ユーザに送達された加圧空気を加熱する加熱要素(例えば、導管126に連結され、かつ/または埋め込まれたもの)も含み得る。加湿タンク129は、空気経路の水蒸気入口に流体連結され、水蒸気入口を介して水蒸気を空気経路内に送達すること、または空気経路自体の一部として空気経路と直列に形成することができる。他の実装形態においては、呼吸デバイス122または導管126が、無水加湿器を含み得る。無水加湿器は、システム100内の他の場所に位置付けられた他のセンサとインターフェースするセンサを組み込むことができる。
いくつかの実装形態においては、システム100を、生理学的データ、睡眠関連パラメータ、他のデータもしくは情報、またはそれらの任意の組み合わせに少なくとも部分的に基づいて、レセプタクル180からユーザの空気経路に物質の少なくとも一部分を送達するのに使用することができる。一般に、空気経路への物質の一部分の送達を修正することは、(i)空気経路への物質の送達を開始すること、(ii)空気経路への物質の一部分の送達を終了すること、(iii)空気経路へ送達される物質の量を変更すること、(iv)空気経路への物質の一部分の送達の時間的特性を変更すること、(v)空気経路への物質の一部分の送達の量的特性を変更すること、(vi)空気経路への物質の送達と関連付けられた任意のパラメータを変更すること、または(vii)(i)~(vi)の任意の組み合わせを含み得る。
空気経路内への物質の一部分の送達の時間的特性を変更することは、物質が送達される速度を変えること、異なる時期に開始および/または終了すること、異なる期間にわたって継続すること、送達の時間分布または特性を変えること、時間分布から独立して量分布を変えること、などを含み得る。独立した時間および量の変動により、物質の放出頻度を変えることとは別に、毎回放出される物質の量を確実に変えることができる。このようにして、放出頻度および放出量のいくつかの異なる組み合わせ(例えば、高頻度だが少放出量、高頻度かつ多量、低頻度かつ多量、低頻度かつ少量など)を実現nすることができる。空気経路内への物質の一部分の送達に対する他の変更も利用することができる。
呼吸療法システム120は、例えば、連続気道陽圧(CPAP)システム、自動気道陽圧システム(APAP)、二相性または可変気道陽圧システム(BPAPまたはVPAP)、またはそれらの任意の組み合わせなどのベンチレータまたは気道陽圧(PAP)システムとして使用することができる。CPAPシステムは、(例えば、睡眠医によって判断される)所定の空気圧をユーザに送達する。APAPシステムは、例えば、ユーザと関連付けられた呼吸データに基づいて、ユーザに送達される空気圧を自動的に変化させる。BPAPまたはVPAPシステムは、第1の所定圧力(例えば、吸気気道陽圧またはIPAP)および第1の所定圧力より低い第2の所定圧力(例えば、呼気気道陽圧またはEPAP)を送達するように構成されている。
図2を参照すると、いくつかの実装形態に係るシステム100(図1)の一部分が表されている。呼吸療法システム120のユーザ210および同床者220がベッド230に居り、マットレス232に横たわっている。モーションセンサ138、血圧デバイス182、および活動トラッカー190が示されているが、任意の1つ以上のセンサ130を使用して、ユーザ210の療法、睡眠、および/または休息セッション中のユーザ210の睡眠状態および段階を判断するためのパラメータを生成することができる。
ユーザインターフェース124は、ユーザ210の鼻および口を覆う顔面マスク(例えば、フルフェイスマスク)である。代替として、ユーザインターフェース124は、ユーザ210の鼻に空気を提供する鼻マスク、またはユーザ210の鼻孔に空気を直接送達する鼻枕マスクであり得る。ユーザインターフェース124は、ユーザ210の一部分(例えば顔)にインターフェースを位置付け、かつ/または安定させるための複数のストラップ(例えば面ファスナを含む)と、ユーザインターフェース124とユーザ210との間での気密密着を提供するのを支援する形状適合性クッション(例えば、シリコーン、プラスチック、発泡体など)と、を含み得る。ユーザインターフェース124は、ユーザ210によって吐き出された二酸化炭素および他の気体を逃がせるようにするためのうちの1つ以上の通気孔も含み得る。他の実装形態においては、ユーザインターフェース124が、加圧空気をユーザ210の口内へと方向付けるためのマウスピース(例えば、ユーザの歯に適合するように成形されたナイトガードマウスピース、下顎骨位置変更デバイスなど)である。
ユーザインターフェース124は、導管126を介して呼吸デバイス122に流体的に連結および/または接続されている。呼吸デバイス122は、導管126およびユーザインターフェース124を介してユーザ210に加圧空気を送達してユーザ210の喉における空気圧を高め、睡眠中に気道が閉塞および/または狭窄しないように支援する。呼吸デバイス122は、図2に示すとおり、ベッド230に直に隣接するナイトスタンド240上か、より一般的には、ベッド230および/またはユーザ210に概ね隣接する任意の表面または構造物上に位置付けることができる。
一般に、呼吸療法システム120の使用を処方されたユーザは、(特に、ユーザが睡眠時無呼吸または他の睡眠関連障害に罹患しているときに)呼吸療法システム120を使用しない場合と比較して、睡眠中に呼吸療法システム120を使用した後に睡眠の質が上がり、日中に疲労が減る傾向がある。例えば、ユーザ210は、閉塞性睡眠時無呼吸に罹患し得、導管126を介して呼吸デバイス122から加圧空気を送達するために、ユーザインターフェース124(例えばフルフェイスマスク)に依存し得る。呼吸デバイス122は、睡眠中に気道が閉鎖および/または狭窄することを防ぐためにユーザ210の喉内の空気圧を高めるのに使用される連続気道陽圧(CPAP)装置であり得る。睡眠時無呼吸に罹患している人は、睡眠中に気道が狭窄または虚脱して酸素摂取量が減り、覚醒するなどして睡眠が妨げられ得る。呼吸デバイス122は、気道が狭窄または虚脱するのを防ぐことにより、酸素摂取量の減少によってユーザ210が覚醒したり、別の形で妨げられたりする出来事を最小限にする。
改めて図1を参照すると、システム100の1つ以上のセンサ130は、圧力センサ132、流量センサ134、温度センサ136、モーションセンサ138、マイクロフォン140、スピーカ142、RF受信機146、RF送信機148、カメラ150、赤外線センサ152、光電式(PPG)センサ154、心電図(ECG)センサ156、脳波(EEG)センサ158、静電容量センサ160、力センサ162、歪みゲージセンサ164、筋電図(EMG)センサ166、酸素センサ168、分析物センサ174、水分センサ176、光検出および測距(LiDAR)センサ178を含む。1つ以上の実装形態において、1つ以上のセンサ130は、皮膚電気センサ、加速度計、眼電位(EOG)センサ、光センサ、湿度センサ、空気質センサ、またはそれらの任意の組み合わせなど、様々な他のセンサを含み得る。一般に、1つ以上のセンサ130のそれぞれが、メモリデバイス114または本明細書に開示された方法を少なくとも部分的に実現するための1つ以上の他のメモリデバイスに受信および記憶されたセンサデータを出力するように構成されている。
1つ以上のセンサ130は、ユーザと関連付けられたパラメータを検出するのに使用される。これらのパラメータは、ユーザへの加圧空気の流量と関連付けることができる。これらのパラメータは、体動、呼吸、心臓の動きなど、ユーザの様々な動きと関連付けることができる。これらのパラメータは、心臓の動き(例えば心拍)または他の心臓機能に特有の動きと関連付けることができる。これらのパラメータは、全体的な体動、心臓に関する動き(例えば心拍)、呼吸デバイス122の構成要素に関する動き、呼吸療法システム120のユーザインターフェース124および/または導管126の特性などを示したりするための音声パラメータと関連付けることができる。以下でさらに記述するとおり、1つ以上の実装形態において、センサ130は、呼吸療法システム120の一部であり得るか、外部デバイスの1つ以上のセンサ130から1つ以上のパラメータを受信するための1つ以上の外部デバイスと通信することができるか、その両方の状況の組み合わせであり得る。
1つ以上のセンサ130は、圧力センサ132、流量センサ134、温度センサ136、モーションセンサ138、マイクロフォン140、スピーカ142、RF受信機146、RF送信機148、カメラ150、赤外線センサ152、光電式(PPG)センサ154、心電図(ECG)センサ156、脳波(EEG)センサ158、静電容量センサ160、力センサ162、歪みゲージセンサ164、筋電図(EMG)センサ166、酸素センサ168、分析物センサ174、水分センサ176、および光検出および測距(LiDAR)センサ178のそれぞれを含むものとして図示および記載されているが、1つ以上のセンサ130は、本明細書に記載および/図示されたセンサのそれぞれの任意の組み合わせおよび任意の個数を含み得るのが、より一般的である。
室内環境センサである1つ以上のセンサ130からのデータは、睡眠セッションを通じた温度(例えば、暖かすぎる、寒すぎる)、湿度(例えば、高すぎる、低すぎる)、汚染レベル(例えば、CO2の量および/もしくは濃度ならびに/または閾値以下または閾値を超える粒子)、光レベル(例えば、明るすぎる、ブラインドを使用していない、入眠前に青色光が多すぎる)、および音レベル(例えば、閾値より上、音源のタイプ、睡眠の中断に関連する、同床者のいびき)など、本明細書で説明するパラメータとして使用することができる。これらは、呼吸デバイス122上、(例えば、Bluetoothまたはインターネットを介して接続された)スマートフォンなどのユーザデバイス170上、またはホームオートメーションシステムに接続されたり、その一部であったりなどする他のデバイス/システム上の1つ以上のセンサ130によって捕捉することができる。空気質センサが、ペットやチリダニなどからの汚染など、アレルギーを引き起こすタイプ以外の室内汚染も検出することができ、その部屋は、ユーザの使い心地を良くするために空気濾過の恩恵を受けることができ得る。
ユーザの健康(身体的および/または精神的)疾病に由来するパラメータも組み込むことができる。例えば、パラメータは、(呼吸器症状などの病気の発症または消失による変化および/または併存する慢性疾病などの基礎疾病の変化など、)健康にも関連し得る。
例えば、(マスクに装着された、ヘッドギアに装着された、パッチとしての、腕時計としての、リングとしての、または耳内などにある)PPGセンサ154からのPPGデータは、心拍数、血圧、およびSpO2を推定するのに使用することができ得る。血中酸素レベルは、想定外の低下が見られないことを確認するため、および療法を休止している(マスクを外しているなど)場合/ときに残留呼吸(例えば無呼吸)事象を監視するために、PAP療法時に参照することができ得る。これらのPPGデータは、生じる可能性の高い日中の頭痛を推定するのに、および/または純粋な閉塞性事象に加えて流量制限も扱うなど、PAP療法に対する変更を提案するのに使用することができる。これらのPPGデータは、炎症反応の有無を調べるのに使用することもできる。頭痛は、高すぎる圧力設定が原因である可能性もあり、減圧やEPR設定の変更による恩恵を受ける可能性がある。
改めて図1を参照すると、本明細書に記載のとおり、システム100は一般に、睡眠セッション中に呼吸療法システム120のユーザ(図2のユーザ210)と関連付けられたデータ(例えば、生理学的データ、流量データ、圧力データ、モーションデータ、音響データなど)を生成するのに使用することができる。生成されたデータは、分析して1つ以上の睡眠関連パラメータを生成することができ、このパラメータは、睡眠セッション中のユーザに関連する任意のデータ、読取値、測定値などを含み得る。睡眠セッション中にユーザ210に関して判断できる1つ以上の睡眠関連パラメータは、例えば、AHIスコア、睡眠スコア、流量信号、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、1時間当たりの事象数、事象パターン、段階、呼吸デバイス122の圧力設定、心拍数、心拍数変動、ユーザ210の動き、温度、EEG活動、EMG活動、覚醒、いびき、窒息、咳、口笛、喘鳴、またはそれらの任意の組み合わせを含む。
1つ以上のセンサ130は、例えば、生理学的データ、流量データ、圧力データ、モーションデータ、音響データなどを生成するのに使用することができる。いくつかの実装形態においては、センサ130のうちの1つ以上によって生成されたデータを、ユーザ210の睡眠の持続時間および睡眠の質を判断するために制御システム110によって使用することができる。このデータはパラメータであり、例えば、睡眠セッション中にユーザ210と関連付けられた睡眠覚醒信号および1つ以上の睡眠関連パラメータである。睡眠覚醒信号は、睡眠、覚醒、リラックスした覚醒、微小覚醒、または別個の睡眠段階、例えば急速眼球運動(レム)段階、第1のノンレム段階(「N1」と称されることが多い)、第2のノンレム段階(「N2」と称されることが多い)、第3のノンレム段階(「N3」と称されることが多い)、またはそれらの任意の組み合わせを含む1つ以上の睡眠状態を示すことができる。センサ130などのセンサのうちの1つ以上によって生成される生理学的データから睡眠状態および/または睡眠段階を判断するための方法が、例えば、国際公開第2014/047110号、米国特許出願公開第2014/0088373号、国際公開第2017/132726号、国際公開第2019/122413号、および国際公開第2019/122414号に記載されており、いずれも、参照によりその全体が本明細書に組み込まれる。
睡眠覚醒信号には、ユーザの就床時刻、ユーザの起床時刻、ユーザの入眠試行時刻などを判断するタイムスタンプを付与することもできる。睡眠覚醒信号は、睡眠セッション中に、例えば、1秒につき1サンプル、30秒につき1サンプル、1分につき1サンプルなど所定のサンプリングレートで1つ以上のセンサ130によって測定することができる。いくつかの実装形態においては、睡眠覚醒信号が、睡眠セッション中の呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、1時間当たりの事象数、事象パターン、呼吸デバイス122の圧力設定、またはそれらの任意の組み合わせも示し得る。
この事象(単数または複数)は、いびき、無呼吸、中枢性無呼吸、閉塞性無呼吸、混合性無呼吸、低呼吸、口漏れ、(例えばユーザインターフェース124からの)マスク漏れ、下肢静止不能、睡眠障害、窒息、心拍数増加、心拍数変動、呼吸困難、喘息発作、てんかん挿間症、発作、発熱、咳、くしゃみ、いびき、息切れ、風邪やインフルエンザなどの病気の存在、またはそれらの任意の組み合わせを含み得る。いくつかの実装形態においては、口漏れが、連続的な口漏れ、または弁状の口漏れ(すなわち、呼吸持続時間にわたって変動する)を含み得、そこではユーザの唇が、鼻/鼻枕マスクを使用して、呼気時にパッと開くのが典型的である。口漏れは、口の乾燥、口臭につながる可能性があり、口語で「紙やすり口(sandpaper mouth)」と称されることがある。
睡眠覚醒信号に基づいて睡眠セッション中のユーザについて判断できる1つ以上の睡眠関連パラメータとしては、例えば、総就床時間、総睡眠時間、入眠潜時、入眠後覚醒パラメータ、睡眠効率、断片化指数、またはそれらの任意の組み合わせなどの睡眠の質のメトリックが挙げられる。
1つ以上のセンサ130によって生成されたデータ(例えば、生理学的データ、流量データ、圧力データ、モーションデータ、音響データなど)は、睡眠セッション中のユーザと関連付けられた呼吸信号を判断するのに使用することもできる。呼吸信号は概して、睡眠セッション中のユーザの呼吸または気息を示す。呼吸信号は、例えば、呼吸数、呼吸数変動、吸気振幅、呼気振幅、吸気対呼気比、1時間当たりの事象数、事象パターン、呼吸デバイス122の圧力設定、またはそれらの任意の組み合わせを示すことができる。この事象(単数または複数)は、いびき、無呼吸、中枢性無呼吸、閉塞性無呼吸、混合性無呼吸、低呼吸、口漏れ、(例えばユーザインターフェース124からの)マスク漏れ、下肢静止不能、睡眠障害、窒息、心拍数増、呼吸困難、喘息発作、てんかん挿間症、発作、またはそれらの任意の組み合わせを含み得る。
一般に、睡眠セッションは、ユーザ210がベッド230(または睡眠するつもりで利用する別の領域もしくは物体)に横たわったか着座した後、および/または呼吸デバイス122をオンにし、かつ/もしくはユーザインターフェース124を身に付けた後の任意の時点を含む。そのため、睡眠セッションは、(i)ユーザ210がCPAPシステムを使用しているが、入眠しようする前の(例えば、ユーザ210がベッド230で横になって本を読んでいる)期間、(ii)ユーザ210が入眠しようとするがまだ覚醒している期間、(iii)ユーザ210が浅睡眠(非急速眼球運動(NREM)睡眠の段階1および段階2とも称される)に入っている期間、(iv)ユーザ210が深睡眠(徐波睡眠、SWS、またはNREM睡眠の段階3とも称される)に入っている期間、(v)ユーザ210が急速眼球運動(レム)睡眠に入っている期間、(vi)ユーザ210が浅睡眠、深睡眠、またはレム睡眠の間で周期的に覚醒している期間、または(vii)ユーザ210が覚醒して再び入眠しない期間を含み得る。
睡眠セッションは、ユーザ210がユーザインターフェース124を取り外し、呼吸デバイス122をオフにし、かつ/またはベッド230から出ると終了するものと定義されるのが一般的である。いくつかの実装形態においては、睡眠セッションが、追加の時間期間を含むこと、または上に開示された期間の一部のみに限定することができる。例えば、睡眠セッションは、呼吸デバイス122が気道またはユーザ210に加圧空気を供給し始めたときに始まり、呼吸デバイス122がユーザ210の気道に加圧空気を供給するのを停止したときに終わり、その間の、ユーザ210が就眠または覚醒している時点の一部または全部を含む期間を包含するように定義することができる。
圧力センサ132は、メモリデバイス114に記憶すること、および/または制御システム110のプロセッサ112によって分析することのできる圧力データを出力する。いくつかの実装形態においては、圧力センサ132が、呼吸療法システム120のユーザの呼吸(例えば、吸気および/もしくは呼気)ならびに/または周囲圧力を示すセンサデータを生成する空気圧センサ(例えば大気圧センサ)である。かかる実装形態においては、圧力センサ132が、呼吸デバイス122、ユーザインターフェース124、または導管126に連結または統合することができる。圧力センサ132は、呼吸デバイス122内の空気圧、導管126内の空気圧、ユーザインターフェース124内の空気圧、またはそれらの任意の組み合わせを判断するのに使用することができる。圧力センサ132は、例えば、静電容量センサ、電磁センサ、誘導性センサ、抵抗性センサ、圧電センサ、歪みゲージセンサ、光学センサ、電位差センサ、またはそれらの任意の組み合わせであり得る。一例においては、圧力センサ132が、ユーザの血圧を判断するのに使用することができる。
流量センサ134は、メモリデバイス114に記憶すること、および/または制御システム110のプロセッサ112によって分析することのできる流量データを出力する。いくつかの実装形態において、流量センサ134は、呼吸デバイス122からの空気流量、導管126を通過する空気流量、ユーザインターフェース124を通過する空気流量、またはそれらの任意の組み合わせを判断するのに使用される。かかる実装形態においては、流量センサ134が、呼吸デバイス122、ユーザインターフェース124、または導管126に連結または統合することができる。流量センサ134は、例えば、回転流量計(例えば、ホール効果流量計)、タービン流量計、オリフィス流量計、超音波流量計、熱線センサ、渦流センサ、膜センサ、またはそれらの任意の組み合わせなどの質量流量センサであり得る。
流量センサ134は、睡眠セッション中に呼吸デバイス122のユーザ210(図2)と関連付けられた流量データを生成するのに使用することができる。流量センサ(例えば、流速センサ134など)の例が国際公開第2012/012835号に記載されており、参照により同文献の全体が本明細書に組み込まれる。いくつかの実装形態においては、流量センサ134が、排気流量(例えば、意図的な「漏出」)、意図しない漏出(例えば、口漏れおよび/またはマスク漏れ)、患者流量(例えば、肺の中および/または外への空気)、またはそれらの任意の組み合わせを測定するように構成されている。いくつかの実装形態においては、この流量データを分析して、ユーザの心原性振動を判断することができる。
温度センサ136は、メモリデバイス114に記憶すること、および/または制御システム110のプロセッサ112によって分析することのできる温度データを出力する。いくつかの実装形態においては、温度センサ136が、ユーザ210(図2)の核心体温、ユーザ210の皮膚温度、呼吸デバイス122から、および/または導管126を通過して流れる空気の温度、ユーザインターフェース124内の空気の温度、周囲温度、またはそれらの任意の組み合わせを示す温度データを生成する。温度センサ136は、例えば、熱電対センサ、サーミスタセンサ、シリコンバンドギャップ温度センサもしくは半導体ベースのセンサ、抵抗温度検出器、またはそれらの任意の組み合わせであり得る。
モーションセンサ138は、メモリデバイス114に記憶すること、および/または制御システム110のプロセッサ112によって分析することのできるモーションデータを出力する。モーションセンサ138は、睡眠セッション中にユーザ210の動きを検出するのに、および/または呼吸デバイス122、ユーザインターフェース124、または導管126など、呼吸療法システム120の構成要素のいずれかの動きを検出するのに使用することができる。モーションセンサ138は、加速度計、ジャイロスコープ、および磁力計など1つ以上の慣性センサを含み得る。いくつかの実装形態においては、モーションセンサ138が、代替または追加として、ユーザの体動を表す1つ以上の信号を生成し、この信号から、例えばユーザの呼吸運動を介して、ユーザの睡眠状態または睡眠段階を表す信号が取得され得る。いくつかの実装形態においては、モーションセンサ138からのモーションデータを、別のセンサ130からのさらなるデータと併用して、ユーザの睡眠状態または睡眠段階を判断することができる。いくつかの実装形態においては、このモーションデータを、ユーザの所在位置、体位、および/または体位の変化を判断するのに使用することができる。
モーションセンサ138は、ユーザの動きを検出することができる。いくつかの実装形態においては、モーションセンサ138が、カメラ150(例えば赤外線カメラ)と協働して、周囲温度に対する体温の変化および/または変位を判断して、ユーザが動いているかどうかを判断する。いくつかの実装形態においては、モーションセンサ138が、動きを検出するために赤外線波長における電磁感知を利用する。IRセンサを使用することにより、体温がわずかに低下したという判断を、ユーザが眠っているという指標として使用することができる。体温が赤外線感知に基づく特定レベルを超えて上昇すると、モーションセンサ138は、ユーザが覚醒しており、かつ/または動いていると判断し得る。この温度変化は、マスクの使用中に、ユーザの皮膚と接触するように呼吸システムのマスクに取り付けられた温度センサからも取得され得る。モーションセンサ138の他の例としては、パッシブ赤外線センサ、(上記および下記のような)音響信号を発し、反射した音響信号の受信検出がパターンの変化を示すかどうかを判断するセンサ、慣性測定ユニット(IMU)、ジャイロスコープおよび加速度計、パッシブマイクロフォン、無線周波数(RF)ベースのセンサ、超広帯域センサなどが挙げられる。
マイクロフォン140は、メモリデバイス114に記憶すること、および/または制御システム110のプロセッサ112によって分析することのできる音データを出力する。マイクロフォン140は、本明細書でさらに詳述するとおり、1つ以上の事象(例えば呼吸事象)を含み得る1つ以上の睡眠関連パラメータを(例えば、制御システム110を使用して)判断するために睡眠セッション中に音(単数または複数)(例えば、ユーザ210からの音)を記録するのに使用することができる。マイクロフォン140は、呼吸デバイス122、ユーザインターフェース124、導管126、またはユーザデバイス170に連結または統合することができる。いくつかの実装形態においては、システム100が複数のマイクロフォン(例えば、ビーム形成機能を有する2つ以上のマイクロフォンおよび/またはマイクロフォンの配列)を含み、複数のマイクロフォンのそれぞれによって生成された音データが、その複数のマイクロフォンのうちの別のものによって生成された音データを区別するのに使用できるようになっている。
スピーカ142は、音波を出力する。1つ以上の実装形態において、これらの音波は、システム100のユーザ(例えば、図2のユーザ210)に可聴であり得るか、システムのユーザに不可聴であり得る(例えば、超音波)。スピーカ142は、例えば、目覚まし時計として使用すること、または(例えば、特定された体位および/または体位の変化を受けて)ユーザ210にアラートまたはメッセージを再生するのに使用することができる。いくつかの実装形態においては、スピーカ142が、マイクロフォン140によって生成された音声データをユーザに伝達するのに使用することができる。スピーカ142は、呼吸デバイス122、ユーザインターフェース124、導管126、またはユーザデバイス170に連結または統合することができる。
マイクロフォン140およびスピーカ142は、別々のデバイスとして使用することができる。いつくかの実装形態においては、マイクロフォン140およびスピーカ142を、例えば、参照によりそれぞれ全体が本明細書に組み込まれる国際公開第2018/050913号および国際公開第2020/104465号に記載のとおり、音響センサ141(例えば、ソナーセンサ)に組み入れることができる。かかる実装形態においては、スピーカ142が、所定の間隔および/または周波数で音波を生成または放出し、マイクロフォン140が、スピーカ142から放出された音波の反射を検出する。1つ以上の実装形態において、スピーカ142が生成または放出する音波は、ユーザ210または同床者220(図2)の睡眠を妨げないように、人間の耳には聞こえない周波数(例えば、20Hz未満または約18kHz超)を有することができる。制御システム110は、マイクロフォン140および/またはスピーカ142からのデータに少なくとも部分的に基づいて、ユーザ210(図2)の所在位置および/または、例えば、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、1時間当たりの事象数、事象パターン、睡眠状態、睡眠段階、呼吸デバイス122の圧力設定、またはそれらの任意の組み合わせなど、本明細書に記載されている睡眠関連パラメータ(例えば、特定された体位および/または体位の変化)のうちの1つ以上を判断することができる。この文脈では、ソナーセンサが、超音波または低周波数超音波感知信号(例えば、約17~23kHz、18~22kHz、または17~18kHzの周波数範囲内)を空気中で生成/送信することなどによるアクティブ音響センシングに関わるものと理解され得る。かかるシステムは、上記の国際公開第2018/050913号および国際公開第2020/104465号を踏まえて検討され得る。
いくつかの実装形態においては、センサ130が、(i)マイクロフォン140と同一または同様であり、音響センサ141に統合されている第1のマイクロフォンと、(ii)マイクロフォン140と同一または同様だが、音響センサ141に統合されている第1のマイクロフォンとは別々かつ別個である第2のマイクロフォンと、を含む。
RF送信機148は、所定の周波数および/または所定の振幅(例えば、高周波帯域内、低周波帯域内、長波信号、短波信号など)を有する電波を生成および/または放射する。RF受信機146は、RF送信機148から放射された電波の反射を検出し、このデータを制御システム110によって分析することにより、ユーザ210(図2)の所在位置および/もしくは体位ならびに/または本明細書に記載されている睡眠関連パラメータのうちの1つ以上を判断することができる。RF受信機(RF受信機146およびRF送信機148のどちらか、または別のRFペア)は、制御システム110、呼吸デバイス122、1つ以上のセンサ130、ユーザデバイス170、またはそれらの任意の組み合わせの間での無線通信に使用することもできる。RF受信機146およびRF送信機148は、図1において別々かつ別個の要素として示されているが、いくつかの実装形態においては、RF受信機146およびRF送信機148がRFセンサ147(例えば、RADARセンサ)の一部として組み合わせられている。一部のかかる実装形態においては、RFセンサ147が制御回路を含む。RF通信の具体的な形式は、Wi-FiやBluetoothなどであり得る。
いくつかの実装形態においては、RFセンサ147がメッシュシステムの一部である。メッシュシステムの一例がWi-Fiメッシュシステムであり、このシステムは、メッシュノード、メッシュルータ(単数または複数)、およびメッシュゲートウェイ(単数または複数)を含み得、これらのそれぞれが移動式/可動式または固定式であり得る。かかる実装形態においては、Wi-Fiメッシュシステムが、Wi-Fiルータおよび/またはWi-Fiコントローラ、ならびに1つ以上の衛星(例えばアクセスポイント)を含み、これらのそれぞれが、RFセンサ147と同一または同様であるRFセンサを含む。Wi-Fiルータおよび衛星は、Wi-Fi信号を使用して互いに常時通信する。Wi-Fiメッシュシステムは、物体や人が移動して信号を部分的に妨害することによってルータと衛星(単数または複数)との間で生じるWi-Fi信号の変化(例えば、受信信号強度の差)に基づいてモーションデータを生成するのに使用することができる。このモーションデータは、モーション、呼吸、心拍数、歩行、転倒、挙動など、またはそれらの任意の組み合わせを示し得る。
カメラ150は、メモリデバイス114に記憶できる1つ以上の画像(例えば、静止画、動画、熱画像、またはそれらの任意の組み合わせ)として再現可能な画像データを出力する。カメラ150からの画像データは、制御システム110により、本明細書に記載されている睡眠関連パラメータのうちの1つ以上を判断するのに使用することができる。制御システム110は、カメラ150からの画像データを使用して、例えば、1つ以上の事象(例えば、周期性四肢運動または下肢静止不能症候群)、呼吸信号、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、1時間当たりの事象数、事象パターン、睡眠状態、睡眠段階、またはそれらの任意の組み合わせなど、本明細書に記載されている睡眠関連パラメータのうちの1つ以上を判断することができる。さらには、カメラ150からの画像データを使用して、ユーザの所在位置および/または体位を特定し、ユーザ210の胸の動きを判断し、ユーザ210の口および/または鼻の空気流を判断し、ユーザ210がベッド230に入った時刻を判断し、ユーザ210がベッド230から出た時刻を判断することができる。カメラ150は、眼球運動、瞳孔拡張(ユーザ210の眼の一方または両方が開いている場合)、瞬目率、またはレム睡眠中の任意の変化を追跡するのに使用することもできる。
赤外線(IR)センサ152は、メモリデバイス114に記憶できる1つ以上の赤外線画像(例えば、静止画、動画、またはその両方)として再現可能な赤外線画像データを出力する。IRセンサ152からの赤外線データは、ユーザ210の温度および/またはユーザ210の移動を含む、睡眠セッション中の1つ以上の睡眠関連パラメータを判断するのに使用することができる。IRセンサ152は、ユーザ210の存在、位置、および/または移動を測定する際に、カメラ150と組み合わせて使用することもできる。IRセンサ152が、例えば、約700nmと約1mmとの間の波長を有する赤外光を検出することができるのに対し、カメラ150は、約180nmと約740nmとの間の波長を有する可視光を検出することができる。
PPGセンサ154は、例えば、心拍数、心拍数パターン、心拍数変動、心周期、呼吸数、吸気振幅、呼気振幅、吸気対呼気比、推定血圧パラメータ(単数または複数)、またはそれらの任意の組み合わせなど1つ以上の睡眠関連パラメータを判断するのに使用できる、ユーザ210(図2)と関連付けられた生理学的データを出力する。PPGセンサ154は、ユーザ210が着用すること、ユーザ210が着用する衣類および/または織地に埋め込むこと、ユーザインターフェース124および/またはその関連ヘッドギア(例えばストラップなど)に埋め込むことおよび/または連結すること、などができる。
ECGセンサ156は、ユーザ210の心臓の電気的活動と関連付けられた生理学的データを出力する。いくつかの実装形態においては、ECGセンサ156が、睡眠セッション中のユーザ210の一部分の上または周囲に位置付けられている1つ以上の電極を含む。ECGセンサ156からの生理学的データは、例えば、本明細書に記載されている睡眠関連パラメータのうちの1つ以上を判断するのに使用することができる。
EEGセンサ158は、ユーザ210の脳の電気的活動と関連付けられた生理学的データを出力する。いくつかの実装形態において、EEGセンサ158は、睡眠セッション中のユーザ210の頭皮の上または周囲に位置付けられている1つ以上の電極を含む。EEGセンサ158からの生理学的データは、例えば、睡眠セッション中の任意の所与の時期におけるユーザ210の睡眠状態または睡眠段階を判断するのに使用することができる。いくつかの実装形態において、EEGセンサ158は、ユーザインターフェース124および/またはその関連ヘッドギア(例えばストラップなど)に統合することができる。
静電容量センサ160、力センサ162、および歪みゲージセンサ164は、メモリデバイス114に記憶でき、かつ本明細書に記載されている睡眠関連パラメータのうちの1つ以上を判断するのに制御システム110が使用できるデータを出力する。EMGセンサ166は、1つ以上の筋肉によって生み出された電気的活動と関連付けられた生理学的データを出力する。酸素センサ168は、(例えば、導管126内またはユーザインターフェース124における)気体の酸素濃度を示す酸素データを出力する。酸素センサ168は、例えば、超音波酸素センサ、電気酸素センサ、化学酸素センサ、光学式酸素センサ、またはそれらの任意の組み合わせであり得る。いくつかの実装形態においては、1つ以上のセンサ130が、電気皮膚反応(GSR)センサ、血流センサ、呼吸センサ、脈拍センサ、血圧計センサ、オキシメトリセンサ、またはそれらの任意の組み合わせも含む。
分析物センサ174は、ユーザ210の吐出息における分析物の存在を検出するのに使用することができる。分析物センサ174によって出力されたデータは、メモリデバイス114に記憶することができ、ユーザ210の息に含まれる任意の分析物の同一性および濃度を判断するために制御システム110によって使用することができる。いくつかの実装形態においては、分析物センサ174が、ユーザ210の口付近に位置付けられ、ユーザ210の口から吐き出された息に含まれる分析物を検出する。例えば、ユーザインターフェース124が、ユーザ210の鼻および口を覆う顔面マスクである場合、分析物センサ174は、ユーザ210の口呼吸を監視するためにその顔面マスク内に位置付けられ得る。ユーザインターフェース124が鼻マスクまたは鼻枕マスクである場合など、他の実装形態においては、分析物センサ174が、ユーザの鼻を通じて吐き出される息に含まれる分析物を検出するために、ユーザ210の鼻付近に位置付けられ得る。さらに他の実装形態においては、ユーザインターフェース124が鼻マスクまたは鼻枕マスクである場合に、分析物センサ174が、ユーザ210の口付近に位置付けられ得る。いくつかの実装形態においては、分析物センサ174を、ユーザ210の口から不用意に空気が漏れていないかどうかを検出するのに使用することができる。いくつかの実装形態においては、分析物センサ174が、炭素系化学物質または化合物を検出するのに使用できる揮発性有機化合物(VOC)センサである。いくつかの実装形態においては、分析物センサ174を、ユーザ210が鼻または口のどちらで呼吸しているかを検出するのに使用することもできる。例えば、ユーザ210の口付近または(ユーザインターフェース124が顔面マスクである実装形態において)顔面マスク内に位置付けられた分析物センサ174によって出力されたデータによって分析物の存在が検出された場合、制御システム110は、ユーザ210が口で呼吸しているという指標としてこのデータを使用することができる。
水分センサ176は、メモリデバイス114に記憶でき、かつ制御システム110が使用できるデータを出力する。水分センサ176は、ユーザを取り巻く様々な領域(例えば、導管126またはユーザインターフェース124の内部、ユーザ210の顔付近、導管126とユーザインターフェース124との間の接続部付近、導管126と呼吸デバイス122との間の接続部付近など)において水分を検出するのに使用することができる。そのため、いくつかの実装形態においては、水分センサ176を、呼吸デバイス122からの加圧空気の湿度を監視するために、ユーザインターフェース124または導管126に位置付けることができる。他の実装形態においては、水分センサ176が、水分レベルを監視する必要がある任意の領域付近に配置されている。水分センサ176は、例えばユーザ210の寝室内の空気など、ユーザ210を取り巻く周囲環境の湿度を監視するのに使用することもできる。水分センサ176は、環境変化に対するユーザ210の生体反応を追跡するのに使用することもできる。
1つ以上の光検出および測距(LiDAR)センサ178は、深度感知に使用することができる。このタイプの光学センサ(例えばレーザセンサ)は、物体を検出し、生活空間など周囲環境の3次元(3D)マップを作成するのに使用することができる。LiDARは一般に、パルスレーザを利用して飛行時間を計測する。LiDARは、3Dレーザスキャンとも称される。かかるセンサの一使用例においては、LiDARセンサ178を有する固定または(スマートフォンなどの)モバイルデバイスが、センサから5メートル以上離れた領域を測定およびマッピングすることができる。LiDARデータは、例えば電磁式RADARセンサによって推定されたポイントクラウドデータと融合させることができる。LiDARセンサ(単数または複数)178は、人工知能(AI)を使用して、(RADARに対して高反射性であり得る)ガラス窓など、RADARシステムにとっての問題をもたらし得る空間内の特徴を検出および分類することにより、RADARシステムのジオフェンスを自動的に作成することもできる。LiDARは、人の身長に加え、人が座ったとき、倒れたときなどに生じる身長の変化を推定するのに使用することもできる。LiDARは、環境の3Dメッシュ表現を形成するのに使用され得る。さらなる用途では、電波が通過する固体表面(例えば電波透過性材料)にLiDARが反射し得ることにより、異なるタイプの障害物の分類が可能となる。
いくつかの実装形態においては、1つ以上のセンサ130が、電気皮膚反応(GSR)センサ、血流センサ、呼吸センサ、脈拍センサ、血圧計センサ、オキシメトリセンサ、ソナーセンサ、RADARセンサ、血糖センサ、色センサ、pHセンサ、空気質センサ、傾斜センサ、方位センサ、雨センサ、土壌水分センサ、水流センサ、アルコールセンサ、またはそれらの任意の組み合わせも含む。
図1および図2では別々に示されているが、1つ以上のセンサ130の任意の組み合わせを、呼吸デバイス122、ユーザインターフェース124、導管126、加湿タンク129、制御システム110、ユーザデバイス170、またはそれらの任意の組み合わせを含むシステム100の構成要素のうちの任意の1つ以上に統合および/または連結することができる。例えば、音響センサ141および/またはRFセンサ147は、ユーザデバイス170に統合および/または連結することができる。かかる実装形態においては、ユーザデバイス170を、本開示のいくつかの態様に係るシステム100(例えば制御システム110)が使用する追加または二次データを生成する二次デバイスとみなすことができる。いくつかの実装形態においては、1つ以上のセンサ130のうちの少なくとも1つが、呼吸デバイス122、制御システム110、またはユーザデバイス170に物理的/かつ通信可能に連結されておらず、睡眠セッション中のユーザ210に概ね隣接して位置付けられている(例えば、ユーザ210の一部分の上に位置付けられているか接触している、ユーザ210によって着用されている、ナイトスタンドに連結されているか位置付けられている、マットレスに連結されている、天井に連結されている、など)。
1つ以上のセンサ130からのデータを分析して、呼吸信号、呼吸数、呼吸パターン、吸気振幅、呼気振幅、吸気対呼気比、1つ以上の事象の発生、1時間当たりの事象数、事象パターン、睡眠状態、睡眠段階、無呼吸-低呼吸指数(AHI)、またはそれらの任意の組み合わせを含み得る1つ以上の睡眠関連パラメータを判断することができる。この1つ以上の事象は、いびき、無呼吸、中枢性無呼吸、閉塞性無呼吸、混合性無呼吸、低呼吸、意図的なマスク漏れ、意図しないマスク漏れ、口漏れ、咳、下肢静止不能、睡眠障害、窒息、心拍数増、呼吸困難、喘息発作、てんかん挿間症、発作、血圧上昇またはそれらの任意の組み合わせを含み得る。これらの睡眠関連パラメータの多くは生理学的パラメータであるが、これらの睡眠関連パラメータの一部は非生理学的パラメータであるとみなすことができる。非生理学的パラメータは、加圧空気の流量、圧力、湿度、モータの速度などを含む呼吸療法システムの動作パラメータも含み得る。他のタイプの生理学的および非生理学的パラメータは、1つ以上のセンサ130からのデータまたは他のタイプのデータのどちらからでも判断することができる。
ユーザデバイス170は、ディスプレイデバイス172を含む。ユーザデバイス170は、例えば、スマートフォン、タブレット、ゲーム・コンソール、スマートウォッチ、ノートパソコン等のモバイルデバイスであり得る。代替として、ユーザデバイス170は、外部感知システム、テレビ(例えばスマートテレビ)、または別のスマートホームデバイス(例えば、Google Home、Amazon Echo、Alexaなどのスマートスピーカ(単数または複数))であり得る。いくつかの実装形態においては、このユーザデバイスがウェアラブルデバイス(例えばスマートウォッチ)である。ディスプレイデバイス172は概して、静止画、動画、またはその両方を含む画像(単数または複数)を表示するのに使用される。いくつかの実装形態においては、ディスプレイデバイス172が、画像(単数または複数)および入力インターフェースを表示するように構成されたグラフィックユーザインターフェース(GUI)を含むヒューマンマシンインターフェース(HMI)の働きをする。ディスプレイデバイス172は、LEDディスプレイ、有機ELディスプレイ、液晶ディスプレイ等であり得る。入力インターフェースは、例えば、タッチスクリーンまたは接触感知基板、マウス、キーボード、またはユーザデバイス170とやりとりする人間ユーザによって行われる入力を感知するように構成された任意のセンサシステムであり得る。いくつかの実装形態においては、1つ以上のユーザデバイスを、システム100が使用すること、および/またはシステム100に含めることができる。
血圧デバイス182は、ユーザと関連付けられた1つ以上の血圧測定値を判断するための生理学的データの生成を支援するのに使用されるのが一般的である。血圧デバイス182は、例えば、収縮期血圧成分および/または拡張期血圧成分を測定するための1つ以上のセンサ130のうちの少なくとも1つを含み得る。
いくつかの実装形態においては、血圧デバイス182が、ユーザが装着できる膨張式カフと、圧力センサ(例えば、本明細書に記載されている圧力センサ132)と、を含む血圧計である。例えば、図2の実施例に示すとおり、血圧デバイス182は、ユーザ210の上腕に装着することができる。血圧デバイス182が血圧計であるかかる実装形態においては、血圧デバイス182が、カフを膨張させるためのポンプ(例えば手動操作バルブ)も含む。いくつかの実装形態においては、血圧デバイス182が、呼吸療法システム120の呼吸デバイス122に連結されており、これによって加圧空気が送達されてカフを膨張させる。血圧デバイス182は、制御システム110、メモリデバイス114、呼吸療法システム120、ユーザデバイス170、および/または活動トラッカー190と通信可能に連結および/または物理的に(例えばハウジング内に)統合できるのがより一般的である。
活動トラッカー190は、ユーザと関連付けられた活動測定値を求めるための生理学的データの生成を支援するのに使用されるのが一般的である。この活動測定値は、例えば、歩数、移動距離、登坂歩数、身体活動の持続時間、身体活動のタイプ、身体活動の強度、立って過ごした時間、呼吸数、平均呼吸数、安静時呼吸数、最大呼吸数、呼吸数変動、心拍数、平均心拍数、安静時心拍数、最大心拍数、心拍数変動、燃焼カロリー数、血中酸素飽和度(SpO2)、皮膚電気活動(皮膚コンダクタンスまたは電気皮膚反応とも称される)、ユーザの位置、ユーザの姿勢、またはそれらの任意の組み合わせを含み得る。活動トラッカー190は、例えば、モーションセンサ138(例えば、1つ以上の加速度計および/またはジャイロスコープ)、PPGセンサ154、および/またはECGセンサ156など、本明細書に記載されているセンサ130のうちの1つ以上を含む。
いくつかの実装形態においては、活動トラッカー190が、スマートウォッチ、リストバンド、リング、またはパッチなど、ユーザが装着できるウェアラブルデバイスである。例えば図2を参照すると、活動トラッカー190がユーザ210の手首に装着されている。活動トラッカー190は、ユーザが着用する衣類または衣服に連結または統合することもできる。さらなる代替として、活動トラッカー190は、ユーザデバイス170(例えば、同じハウジング内)に連結または統合することもできる。活動トラッカー190は、制御システム110、メモリデバイス114、呼吸療法システム120、および/またはユーザデバイス170、および/または血圧デバイス182と通信可能に連結または物理的に(例えばハウジング内に)統合できるのがより一般的である。
制御システム110およびメモリデバイス114は、システム100の別々かつ別個の構成要素として図1に記載および図示されているが、いくつかの実装形態においては、制御システム110および/またはメモリデバイス114が、ユーザデバイス170および/または呼吸デバイス122に統合されている。代替として、いくつかの実装形態においては、制御システム110またはその一部分(例えばプロセッサ112)がクラウドに所在し得(例えば、サーバに統合され、モノのインターネット(IoT)デバイスに統合され、クラウドに接続され、エッジクラウド処理を受け得るなど)、1つ以上のサーバ(例えば、リモートサーバ、ローカルサーバなど、またはそれらの任意の組み合わせ)に所在し得る。
システム100は、上記構成要素のすべてを含むものとして示されているが、本開示の種々の実装形態によれば、ユーザによる呼吸療法システム120の使用と関連付けられたデータを分析するためにシステムに含めることのできる構成要素は、それより多くも少なくもある。例えば、第1の代替システムは、制御システム110と、メモリデバイス114と、1つ以上のセンサ130のうちの少なくとも1つと、を含む。別例として、第2の代替システムは、制御システム110と、メモリデバイス114と、1つ以上のセンサ130のうちの少なくとも1つと、ユーザデバイス170と、血圧デバイス182および/または活動トラッカー190と、を含む。別例として、第3の代替システムは、制御システム110と、メモリデバイス114と、呼吸療法システム120と、1つ以上のセンサ130のうちの少なくとも1つと、活動トラッカー190と、ユーザデバイス170と、を含む。別例として、第4の代替システムは、制御システム110と、メモリデバイス114と、呼吸療法システム120と、1つ以上のセンサ130のうちの少なくとも1つと、ユーザデバイス170と、血圧デバイス182および/または活動トラッカー190と、を含む。そのため、本明細書に表示および記載されている構成要素の任意の部分(単数または複数)を使用して、かつ/または1つ以上の他の構成要素と組み合わせて、様々なシステムを形成することができる。
改めて図2を参照すると、システム100は、システム100の動作に必ずしも必要とされないいくつかの任意選択の構成要素(すなわち、多数のセンサやカメラなど)を含む。これらのセンサのいずれも、下記のモダリティのうちの1つを検出できるのであれば、本明細書に記載のとおりにシステムが動作するのに十分であるのが通例である。システム内に1つより多くのセンサを有することにより、睡眠状態を並列および/または独立して推定することが可能となり、それによって計算結果における確度が向上する。このシステムは、明示されたセンサのうちの1つ以上を使用して、眠っている場合の睡眠段階(例えば、N1、N2、N3、レム)に加え、覚醒しているか睡眠しているかについての睡眠状態も含み得る睡眠状態も判断する。この判断は、流量以外のモダリティに基づき得るが、動き、音声、心臓など別の1つ以上のモダリティと組み合わせた流量にも基づき得る。説明を簡略化するために、該当する場合には、図3で識別されるすべての構成要素に単数形が使用される。ただし、単数形の使用は、説明をかかる各構成要素のうちの1つのみに限定するものではない。
上記のとおり、1つ以上の実装形態において、呼吸システム100は、ユーザデバイス170をさらに含み得るか、ユーザデバイス170と関連付けられ得る。ユーザデバイス170は、制御システム172を有することに関して、呼吸デバイス122と同じ機能を有し得る。さらに、ユーザデバイス170は、スマートホームデバイス、スマートフォン、スマートウォッチ、スマートスピーカ、テレビ、スマートマスク、スマートリング、フィットネストラッカー、コンピューティングデバイス(例えば、パーソナルコンピュータ、ノートパソコン、タブレットなど)、スマートペンダント、スマート衣類をはじめ、1つ以上のセンサ130がユーザデバイス170に統合されていなくても、本明細書で述べられているセンサ130のうちの1つ以上と通信できることに加え、少なくとも制御システム172を有することによってスマート機能も有する他の任意のデバイスなど、様々なデバイスであり得る。スマートデバイスは、他のデバイスまたはネットワークに接続できる電子デバイスであり、少なくともある程度は、対話的かつ自律的に概ね動作できるようにする何らかの処理力を有するのが通例である。ユーザデバイス170は、ユーザのパラメータを測定するのに使用されることから、ユーザと広く関連付けられている。場合によっては、ユーザデバイス170はユーザに連結され得る。かかる連結は、ユーザの皮膚と接触するなどして直接的に、または衣服などを通じて間接的に、ユーザと機械的に接触している。連結されたスマートデバイスは、スマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、またはウェアラブルヘルスモニタを含み得る。非接触(非連結)スマートデバイスは、スマートTV、スマートスピーカ、スマートカー、エンターテインメントシステム(車載エンターテインメントシステムを含む)などを含み得る。
ユーザデバイス170はまた、(ユーザおよびローカルスマートデバイスに対して)1つ以上の遠隔サーバを含み得、かつ/またはそのサーバと通信し得る。これらのサーバは、ユーザと関連付けられたデータを処理および記憶するか、単に記憶だけするように構成することができる。場合によっては、より複雑および/または集約的な計算タスクが可能であるのが通例であるこれらのサーバが、ローカルスマートデバイスからデータを受信し、より計算負荷の高いタスクを実行するように構成され得る。その後、このサーバ(単数または複数)は、結果をそのローカルスマートデバイスに記憶および/または返戻し得る。
1つ以上の実装形態において、制御システム110は、ユーザの睡眠状態を判断するために、すなわち、デバイス流量センサによって取得された呼吸流量データに基づいて、本明細書に開示された方法を実行することができる。制御システム110は、任意のさらなる開示されたセンサからデータを収集するようにさらに構成され得る。代替として、本明細書に開示されている、ユーザの睡眠状態を判断するための方法は、呼吸デバイス122と通信するように構成されているユーザデバイス170の制御システム172によって実施することができる。かかる形態では、呼吸デバイス122が収集および/または生成し、かつユーザデバイス170がそれらの方法を実行するのに使用する情報を表す1つ以上の信号を、呼吸デバイス122がユーザデバイス170に送信し得る。
1つ以上の代替実装形態において、本明細書に開示されている、ユーザの睡眠状態を判断するための方法は、部分的に制御システム110によって、および部分的にユーザデバイス170の制御システム172によって実施され得る。例えば、制御システム110は、1つ以上の流量パラメータに基づいてユーザの睡眠状態を判断するために情報を処理することができる。加えて、ユーザデバイス170は、ユーザの体動やユーザの心臓データなどに関連するパラメータなど1つ以上の他のパラメータに基づいてユーザの睡眠状態を判断するために、1つ以上の追加センサを使用して情報を処理することができる。呼吸デバイス122およびユーザデバイス170のうちの一方は、ユーザの最終的な睡眠状態についての以降の判断のため、およびAHIの判断などの追加処理のために、判断されたユーザの睡眠状態を呼吸デバイス122およびユーザデバイス170のうちの他方に送信することができる。
図3を参照すると、本開示のいくつかの態様に係る、ある環境におけるシステム100の構成要素の別の配置例が示されている。その環境は、繰り返しになるが、ユーザ210および同床者220を含む寝室環境である。ユーザ210は、導管126を介して呼吸デバイス122に接続されたユーザインターフェース124を装着している。呼吸デバイス122は、ユーザ210の呼吸流量を測定しやすくすることのできる流量センサを含む。その後、呼吸流量の統計的分析を用いて、例えば、「SYSTEM AND METHOD FOR DETERMINING SLEEP STAGE(睡眠段階を判断するためのシステムおよび方法)」と題する国際特許出願公開第2014/047110号(PCT/US2013/060652)、および「METHOD AND SYSTEM FOR SLEEP MANAGEMENT(睡眠管理のための方法およびシステム)」と題する国際特許出願公開第2015/006164号(PCT/US2014/045814)に開示されているとおり、ユーザ210が覚醒しているか睡眠しているか、および異なる時点においてユーザ210がどの睡眠段階にあるかを示す睡眠パラメータを計算することができ、この両出願の内容は、参照によりそれらの全体が本明細書に組み込まれる。
国際特許出願公開第2014/047110号に記載のとおり、睡眠段階をさらに判断したり、具体的な睡眠段階を最初に判断したりすることなく、人が睡眠しているか覚醒しているかを判断することができる。言い換えれば、本開示は、睡眠段階の判断から独立して、または少なくとも睡眠段階を判断することなく、ユーザ210が覚醒しているか睡眠しているか、すなわち睡眠状態を判断することを企図するものである。
1つ以上の実装形態において、ユーザ210と関連付けられた、呼吸デバイスの使用および/またはユーザ210の環境に関する様々なデータから1つ以上の特徴を生成することができる。これらの特徴は、ユーザ210が覚醒しているか睡眠しているかを判断するのに使用することができる。例えば、ユーザ210が呼吸デバイスを使用している間に、流量および音声または他の音響信号を含む(が、これらに限定されないかこれらを必要としない)流量データを処理して、呼吸特徴を生成することができる。これらの呼吸特徴は、覚醒または睡眠しているのユーザ210と関連付けることができる。分類器に入力されている呼吸特徴に基づき、分類器は、それらの呼吸特徴を分析して、ユーザ210が覚醒しているか睡眠しているかを判断することができる。
1つ以上の実装形態において、覚醒または睡眠についての既知の睡眠状態と関連付けられた以前の呼吸特徴または心臓特徴(または一般に睡眠と関連付けられた他の特徴)を入力することにより、睡眠状態をさらに判断するように分類器を訓練することができる。訓練後、分類器は、ユーザ210の睡眠状態を判断するのに使用され得る。この分類器は、例えば、線形または象限判別分析分類器、決定木、サポートベクトルマシン、または2状態分類を実行するニューラルネットワークであり得、これらは、入力された特徴に基づいて睡眠状態(例えば、覚醒/睡眠判断)を出力するように訓練できるかかる分類器のほんの数例である。さらなる例としては、かかる分類器が、入力特徴を分類するルールベースの処理システムであり得る。場合によっては、この分類器が、睡眠状態を検出するための関数ライブラリからの入力情報を含み得る。このライブラリは、ウェーブレットまたは非ウェーブレットベースの処理を用いるなどして、時間、周波数、または時間対周波数といったエポックごとに動き、活動カウント、および呼吸数を推定するために、1つ以上の感知された信号に対する信号処理を提供することができる。
1つ以上の特定の実装形態においては、ユーザ210と関連付けられた特徴を分類器に入力することができる。この分類器はその後、それらの特徴を組み合わせて、覚醒または睡眠の睡眠状態を推定するのに使用される数を生成し得る。例えば、分類器によって数が生成され得、その数は判別値であり得る。いくつかの実装形態においては、分類器内の値の組み合わせが、線形方式で行われ得る。例えば、その判別値は、線形重み付けされた特徴の組み合わせであり得る。分類器はその後、その判別値から適切な睡眠状態ラベル(例えば、睡眠中、覚醒中、またはあり/なし)を生成し得る。睡眠状態分類器はこのように、入力特徴(例えば、ウェーブレット特徴、呼吸特徴など)を処理して睡眠状態を検出する。
システム100の構成要素は、様々な所在位置が企図される。例えば、1つ以上のカメラを部屋の天井に取り付けることができる。位置350、352、354、356、358に配置されたカメラ、モーションセンサ、レーダセンサ、ソナーセンサ、および/またはマイクロフォンなどの非接触センサを用いて非接触感知を実現することもできる。1つ以上のマイクロフォン、ソナー用のマイクロフォンおよびスピーカの組み合わせ、またはレーダ用の送信機および受信機を、ベッド230および/または部屋の壁などに取り付けることができる。いくつかの実装形態においては、室内の異なる箇所に複数のカメラまたはマイクロフォンを有することにより、ユーザ210に対して同床者220からの雑音を直接区別および排除することを可能にし得る複数の動画角度およびステレオサウンドが可能となる。いくつかの実装形態においては、PPGセンサ、GSRセンサ、ECGセンサ、アクティグラフィセンサなどの接触センサを、ユーザ210の箇所360、362、364、および366に配置することができる。
本開示は主に、ユーザが呼吸療法デバイスを使用している間にそのユーザの睡眠状態および/または段階を検出するという文脈で記載されているが、本開示の方法は、任意のSDBデバイスに適用することができる。例えば、本開示の方法は、下顎骨位置変更デバイスに適用することができる。さらに、本開示の方法は、自身の睡眠に関する情報をより多く望む任意の個人にも適用することができ、必ずしも、何らかの形態の睡眠時呼吸障害に罹患している個人に適用する必要はない。そのため、呼吸療法システムを必要としないこれらの方法は、ユーザの睡眠段階および/または段階を判断できるシステム100内の他の上記構成要素を有する任意の個人に適用することができる。その場合には、例えば、呼吸療法システム120をシステム100から省略することができ、睡眠状態および/または睡眠段階の判断を、システム100の他の構成要素によって達成することができる。
図4は、本開示の各種態様に係る、ユーザの動きに基づいて睡眠状態を検出するためのプロセス400の一例を表している。便宜上、以下の説明では、呼吸療法システム120によって実行されるプロセス400を参照する。ただし、プロセス400は、呼吸療法システム120によって、および/または図1のシステムに(ローカルまたは他の形態で)含まれるセンサ/デバイスのうちのいずれか1つなどリモートの外部センサおよび/またはコンピューティングデバイスによって実行することができる。
ステップ402で、呼吸療法システム120は、ある睡眠セッション中にユーザの動きに関する1つ以上のパラメータを検出する。1つ以上の実装形態において、この睡眠セッションは、任意選択で、ユーザの気道に加圧空気を印加するセッションを含み得る。1つ以上の実装形態において、この1つ以上のパラメータは、ユーザの動きの持続時間、速度、頻度(もしくは期間)、強度またはタイプ、およびそれらの組み合わせに関連し得る。1つ以上の実装形態において、この1つ以上のパラメータは、ユーザ上に配置されているか、ユーザの近傍に配置されているか、それらの組み合わせである1つ以上のセンサに基づいて測定することができる。これらのセンサは、ユーザの全身の動き、ユーザの1つ以上の四肢の動きなど、ユーザの動きを表す少なくとも1つのパラメータを取得する。1つ以上の実装形態において、この動きは、呼吸機能または心臓機能に関連しない任意の動きを含む。かかる全般的な身体運動の例は、本明細書を通じて体動と称され、例えば、寝返り、引きつり、姿勢調整、四肢運動などを含む。これらの動きを示すパラメータは、無線周波数生体モーションセンサによって提供可能であり得るが、センサフィルムまたはセンサマットレスに埋め込まれた1つ以上のアクティグラフィベースのセンサまたは圧力センサ、生体インピーダンス測定システム、超音波センサ、または光学センサなどによって取得することもでき得る。
1つ以上の実装形態において、この動きは、呼吸運動、心臓運動、および全身運動のうちのいずれか1つ以上を含み得る。呼吸運動に関しては、呼吸デバイスによって収集された流量情報または他の動きセンサ(接触(呼吸ベルトまたは他のウェアラブル慣性測定センサ)もしくは非接触(RFまたは音響)センサ)のどちらかに基づいてこれらの運動パラメータを計算することができる。これらの呼吸パラメータは、呼吸振幅と、相対呼吸振幅と、呼吸数と、呼吸数変動と、を含み得る。
1つ以上の実装形態において、加圧空気は、呼吸デバイスに接続されたチューブおよび/またはマスクを通じてユーザの気道に印加され、その1つ以上のセンサのうちの少なくとも1つのセンサが、チューブ、マスク、またはそれらの組み合わせの上もしくは内部に所在し得る。1つ以上の実装形態において、この少なくとも1つのセンサは、チューブ、マスク、またはそれらの組み合わせの上もしくは内部に慣性測定ユニットを含み得る。1つ以上の実装形態において、この1つ以上のセンサのうちの少なくとも1つのセンサは、ユーザに連結されたスマートデバイス内に慣性測定ユニットを含み得る。例えば、そのスマートデバイスは、スマートウォッチ、スマートフォン、活動トラッカー、療法中にユーザが装着するスマートマスク、またはヘルスモニタを含み得る。
1つ以上の実装形態において、体動および/または呼吸運動と関連付けられたパラメータが、感圧マットレスまたは無線周波数(RF)モーションセンサなどの非侵襲的センサを通じて取得され得る。RFモーションセンサは、ユーザがセンサと機械的に接触する必要がないことから、非接触センサである。RFモーションセンサは、例えば1.2メートルの距離内の動きに対して感受性を有するように、かつ、それより遠くの物体からの動きを検出することを回避するように構成することができる。これにより、例えば、ベッド内の第2のユーザや、ファンなど近くの移動物体からの干渉を防止または制限することができる。かかるセンサの1つ以上の具体例を、「APPARATUS, SYSTEM, AND METHOD FOR MONITORING PHYSIOLOGICAL SIGNS(生理学的兆候を監視するための装置、システム、および方法)」と題する国際特許出願公開第2007/143535号(PCT/US2007/070196)(その内容は、参照よりその全体が本明細書に組み込まれる)、および上記の国際特許出願公開第2015/006164号(PCT/US2014/045814)に見つけることができる。
本技術のいくつかのバージョンでは、本明細書にさらに記載されているセンサなど他のセンサが、睡眠段階を検出するための動き(呼吸信号)を生成するために、追加または代替として使用され得るものと理解される。
ステップ404で、呼吸療法システム120は、1つ以上のパラメータを処理して、ユーザが覚醒中、睡眠中、または特定の睡眠段階のいずれかであるユーザの睡眠状態を判断する。1つ以上の実装形態において、推定および分析され得るいくつかの特定のパラメータは、ユーザが覚醒状態から睡眠段階N1の薄明段階に移るときに生じる高周波数(高速)の動きの周波数、振幅、およびバーストに関連する。運動パターン、および呼吸速度値、および波形形状を組み合わせた性質が、睡眠状態を分類するのに使用され得る。
1つ以上の実装形態において、呼吸療法システム120は、ユーザの睡眠状態を判断するのに分類器を使用することができる。分類器は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、および再帰型ニューラルネットワークのうちの任意の1つ以上から導出することができる。分類器は、ステップ402で検出したパラメータを入力情報として受信することができ、それらのパラメータを処理して睡眠状態を判断することができる。1つ以上の実装形態において、分類器は、1次元畳み込みニューラルネットワークを使用する完全睡眠段階分類器であり得る。この手法では、1組の特徴復号器が、未加工または前処理された流量信号から直接学習される。
1つ以上の実装形態において、その1つ以上のパラメータの処理は、その1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含む。そのため、呼吸療法システム120は、この分類の精度を高めるために、時間の経過とともに被験者固有のデータ(例えば、典型的な基準呼吸速度および被験者の移動量、すなわち、ユーザが入眠しているときにベッドで寝返りする/そわそわする量)に適応し得ると共に、学習され、推定プロセスにおいて使用され得る。
ステップ406で、呼吸療法システム120は、ユーザの動きに基づく睡眠状態に少なくとも部分的に基づいて、セッション中にユーザのAHIを計算する。AHIは、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象の進行中に睡眠状態が覚醒であると判断されたことを受けて無視されるように計算される。この1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせであり得る。そのため、1つ以上のSBD事象が発生したものの、ユーザが覚醒していることを睡眠状態が示している場合には、AHIが誤事象による影響を受けないように、そのSBD事象が無視される。
図5は、図4の実施例とやや類似した実施例を表しているが、本開示の各種態様に係る、睡眠状態を検出するためのプロセス500が、心臓活動に基づいている。便宜上、以下の説明では、呼吸療法システム120によって実行されるプロセス500を参照する。ただし、プロセス500は、呼吸療法システム120により、図1のシステムに含まれるセンサおよびデバイス(ローカルまたは他のもの)のうちの任意の1つ以上と併せて実行することもできる。
ステップ502で、呼吸療法システム120は、睡眠セッション中にユーザの心臓活動に関する1つ以上のパラメータを検出する。1つ以上の実装形態において、この睡眠セッションは、任意選択で、ユーザの気道に加圧空気を印加するセッションを含み得る。1つ以上の実装形態において、この加圧空気は、呼吸デバイスに接続されたチューブおよびマスクを通じてユーザの気道に印加される。この1つ以上のパラメータの少なくとも1つのセンサが、チューブ、マスク、またはそれらの組み合わせの上もしくは内部にあり得る。
1つ以上の実装形態において、(呼吸デバイスの流量センサによって、またはさらなる接触もしくは非接触センサから収集された)呼吸流量信号から、または身体表面で作られた心弾動図と呼ばれる圧力波に基づいて、心臓信号が抽出され得る。場合によっては、位置付け、身体のタイプ、およびセンサからの距離の組み合わせにより、心臓信号は、個々のパルスが移動を介して明確に視認できる信号を提供する。かかる場合には、閾値通過技法によって心拍が判断される。例えば、パルスが、信号が閾値を超える点と関連付けられる。より複雑ではあるが典型的な場合には、心弾動図が、より複雑ではあるが再現性の高いパルス形状を提示する。そのため、取得した心臓信号とパルス形状テンプレートを相関させることができ、相関性が高い場所が心拍の所在位置として使用される。パルスはその後、上記のRFセンサなど、動きセンサを使用して測定することができる。
より具体的には、動きに関して上述した実装形態と同様に、1つ以上の実装形態において、このセンサは、呼吸デバイスとは別個であるか、呼吸デバイスと統合された無線周波数センサであり得る。このセンサは、ユーザに向けて無線周波数信号を送信することができる。その後、反射した信号が、受信され、増幅され、元の信号の一部分と混ざり合う。このミキサーの出力は、ローパスフィルタリングすることができる。得られた信号は、ユーザの心臓活動についての情報を含んでおり、通常は、ユーザから収集された呼吸信号に重ね合わせられる。一代替実装形態においては、このセンサが、90度位相がずれた2つのキャリア信号が使用される直角位相送信を使用することもできる。パルスの時間が非常に短かくなるという制限の中で、かかるシステムは、超広帯域(UWB)無線周波数センサと特徴付けることができる。
1つ以上の実装形態において、この1つ以上のパラメータは、ユーザの心拍数、心拍数変動、心拍出量、またはそれらの組み合わせに関連し得る。1つ以上の実装形態において、心拍数変動は、1分間、5分間、10分間、30分間、1時間、2時間、3時間、または4時間にわたって計算することができる。
ステップ504で、呼吸療法システム120は、この1つ以上のパラメータを処理して、覚醒、睡眠、または睡眠段階のうちの少なくとも1つであるユーザの睡眠状態を判断する。上記と同様、1つ以上の実装形態において、この呼吸システムは、ユーザの睡眠状態を判断するのに分類器を使用することができる。分類器は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、および再帰型ニューラルネットワークのうちの任意の1つ以上から導出することができる。分類器は、ステップ502からのパラメータを入力として受信し、パラメータを処理して睡眠状態を判断することができる。1つ以上の実装形態において、分類器は、1次元畳み込みニューラルネットワークを使用する完全睡眠段階分類器であり得る。この手法では、1組の特徴復号器が、未加工または前処理された流量信号から直接学習される。
ステップ506で、呼吸療法システム120は、睡眠状態に少なくとも部分的に基づいて、セッション中にユーザの無呼吸-低呼吸指数を計算する。AHIは、上記の場合のように、呼吸デバイス内の流量センサから収集された呼吸データに基づいて計算されるのが通例である。ユーザの睡眠状態を把握していることにより、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、1つ以上の事象中に睡眠状態が覚醒であると判断されたことを受けて無視されるようにAHI指数を計算することができる。この1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせであり得る。そのため、1つ以上のSBD事象が発生したものの、その時点に関して判断された睡眠状態が、ユーザが覚醒していることを示している場合には、AHIが誤ってスコア付けされた事象による影響を受けないように、そのSBD事象が無視される。
図6は、本開示の各種態様に係る、ユーザと関連付けられた音声パラメータに基づいて睡眠状態を検出するためのプロセス600の一例を表している。便宜上、以下の説明では、呼吸療法システム120によって実行されるプロセス600を参照する。ただし、プロセス600は、呼吸療法システム120により、図1のシステム100に示されている(ローカルまたはそれ以外の)センサ/デバイスのうちのいずれか1つなど付加的なセンサおよびコンピューティングデバイスと協働して実行することができる。
ステップ602で、呼吸療法システム120は、(呼吸システムの)内部を外部マイクロフォンで使用して、睡眠セッション中にユーザと関連付けられた音声に関する1つ以上のパラメータを検出する。1つ以上の実装形態において、この睡眠セッションは、任意選択で、ユーザの気道に加圧空気を印加するセッションを含み得る。この音声パラメータは、例えば、ユーザに近接して位置付けられたマイクロフォンによって受動的に聞こえる音に関連し得る。例えば、チューブがシーツなどの物体を擦って横切ったり、側板沿いを通ったりして音が生じ得る。
代替として、この音声パラメータは、ユーザの近傍に位置付けられたマイクロフォンにおけるエコーを介して放出および受信された音に関連し得る。これらの音は、スピーカなど、音を発することに特化して構成されたデバイスによって、または呼吸デバイスの送風機など、音を間接的に発するデバイスによって発することができる。
1つ以上の特定の実装形態においては、その音声を、(1)ユーザの1つ以上の動き、(2)ユーザに加圧空気を印加するように構成された呼吸デバイスに接続されたチューブ、マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせ、と関連付けることができる。例えば、ユーザは動くことができ、その動きにより、マイクロフォンが拾う音を出すことができる。代替として、ユーザは、チューブなど、呼吸システムを構成する機器を移動させることができ、そのチューブの音をマイクロフォンによって拾うことができる。そのチューブの動きが、ユーザの活動を示し得る。代替として、大きないびきが、ユーザが速やかに睡眠したことを示し得る。
1つ以上の実装形態において、チューブ、マスク、またはそれらの組み合わせの1つ以上の動きと関連付けられた音声に関するこの1つ以上のパラメータを検出することは、1つ以上の音声信号のケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく。その音声は、チューブ、マスク、またはチューブに接続されたデバイス内の1つ以上のマイクロフォンに基づいて検出することができ、そのデバイスは、ユーザの気道に加圧空気を提供する。
さらに具体的には、そのチューブは導波管となることができる。そのチューブが導波管として移動する際の特性の変化により、そのチューブ内の反射(例えばエコー)の位置が変わる。ケプストラム処理、ウェーブレット解析、二乗信号、または二乗平均平方根などによる反射の変化の数学的処理により、それらの変化を検出し、ユーザの動きに一致させることができる。数学的処理のさらなる詳細は、「ACOUSTIC DETECTION FOR RESPIRATORY TREATMENT APPARATUS(呼吸治療装置のための音響検出)」と題する国際特許出願公開第2010/091362(PCT/AU2010/000140)号に見つけることができ、その内容は、参照により全体が本明細書に組み込まれる。さらなる音響センサが、「APPARATUS, SYSTEM, AND METHOD FOR DETECTING PHYSIOLOGICAL MOVEMENT FROM AUDIO AND MULTIMODAL SIGNALS(音声信号およびマルチモード信号から生理学的動きを検出するための装置、システムおよび方法)」と題する国際特許出願公開第2018/050913(PCT/EP2017/073613)号、「APPARATUS, SYSTEM, AND METHOD FOR HEALTH AND MEDICAL SENSING(健康および医療的感知のための装置、システムおよび方法)」と題する国際特許出願公開第2019/122412(PCT/EP2018/086762)号、「APPARATUS, SYSTEM, AND METHOD FOR MOTION SENSING(モーション感知のための装置、システムおよび方法)」と題する国際特許出願公開第2019/122413(PCT/EP2018/086764)号、および「APPARATUS, SYSTEM, AND METHOD FOR PHYSIOLOGICAL SENSING IN VEHICLES(車両内生理学的感知のための装置、システムおよび方法)」と題する国際特許出願公開第2019/122414(PCT/EP2018/086765)号に開示されており、その内容は、参照により全体が本明細書に組み込まれる。
ステップ604で、呼吸療法システム120は、この1つ以上のパラメータを処理して、覚醒、睡眠、または睡眠段階のうちの少なくとも1つであるユーザの睡眠状態を判断する。上記と同様、1つ以上の実装形態において、呼吸療法システム120は、ユーザの睡眠状態を判断するのに分類器を使用することができる。分類器は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、および再帰型ニューラルネットワークのうちの任意の1つ以上から導出することができる。分類器は、ステップ602で検出したパラメータを入力として受信し、それらのパラメータを処理して睡眠状態を判断することができる。1つ以上の実装形態において、分類器は、1次元畳み込みニューラルネットワークを使用する完全睡眠段階分類器であり得る。この手法では、1組の特徴復号器が、未加工または前処理された流量信号から直接学習される。
ステップ606で、呼吸療法システム120は、睡眠状態に少なくとも部分的に基づいて、セッション中にユーザの無呼吸-低呼吸指数を計算する。AHIは、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象の進行中に睡眠状態が覚醒であると判断されたことを受けて無視されるように計算される。この1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせであり得る。そのため、1つ以上のSBD事象が発生したものの、ユーザが覚醒していることを睡眠状態が示している場合には、AHIが誤事象による影響を受けないように、そのSBD事象が無視される。
図7は、本開示の各種態様に係る、複数の異なるモダリティに基づいてユーザの睡眠状態を検出するためのプロセス700の一例を表している。便宜上、以下の説明では、呼吸療法システム120によって実行されるプロセス700を参照する。ただし、プロセス700は、呼吸療法システム120により、図1に含まれる(ローカルまたはそれ以外の)任意の他のセンサまたはデバイスと協働して実行することができる。
ステップ702で、呼吸療法システム120は、ユーザの気道に加圧空気を印加するセッション中にユーザと関連付けられた複数のパラメータを検出する。この複数のパラメータの各パラメータは、ユーザの動き、加圧空気の流量、ユーザの心臓活動、ユーザと関連付けられた音声など、少なくとも1つのモダリティと関連付けられている。この検出はマルチモーダルであり、複数のパラメータがこれらのモダリティのうちの少なくとも2つを網羅する。例えば、これらのパラメータは、体動および呼吸流量、心臓の動きおよび呼吸流量、音声および呼吸流量などを含み得る。
ステップ704で、呼吸療法システム120は、この複数のパラメータを処理して、覚醒、睡眠、または睡眠段階のうちの少なくとも1つであるユーザの睡眠状態を判断する。上記と同様、1つ以上の実装形態において、呼吸療法システム120は、ユーザの睡眠状態を判断するのに分類器を使用することができる。分類器は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、および再帰型ニューラルネットワークのうちの任意の1つ以上から導出することができる。分類器は、ステップ702からのパラメータを入力情報として受信し、パラメータを処理して睡眠状態を判断することができる。1つ以上の実装形態において、分類器は、1次元畳み込みニューラルネットワークを使用する完全睡眠段階分類器であり得る。この手法では、1組の特徴復号器が、未加工または前処理された流量信号から直接学習される。
1つ以上の実装形態において、3つの異なるモダリティのパラメータが時間エポックに分けられ、エポックごとに統計的特徴が生成される。例えば、これらの特徴は、信号分散、スペクトル成分、またはピーク値であり得、これらは、ベクトルXr、Xn、およびXcにグループ化される。これらのベクトルはその後、特徴の単一ベクトルXを形成することができる。これらの特徴を組み合わせて、そのエポックが特定の睡眠状態(例えば、ユーザが睡眠中、ユーザが覚醒中)に対応する確度を判断する。エポックからの分類を、他のエポックからの分類とさらに組み合わせて、ユーザの睡眠段階など、より高いレベルの判断を形成することができる。
体動、呼吸活動、および心臓活動の検出に関してRFセンサを使用する1つ以上の実装形態において、体動は、ゼロ交差またはエネルギーエンベロープ検出アルゴリズム(またはより複雑なアルゴリズム)を使用することによって特定することができ、「モーションオン」または「モーションオフ」インジケータを形成するのに使用することができる。呼吸活動は、0.1から0.8Hzの範囲にあるのが典型的であり、通過帯域がその領域内であるバンドパスフィルタでセンサの元の信号をフィルタリングすることによって導出することができる。心臓活動は、1から10Hzなどの通過帯域を有するバンドパスフィルタでフィルタリングすることによってアクセスできる高周波数の信号として(すなわち、呼吸デバイスによって、または他の接触もしくは非接触センサによって収集された呼吸流量信号において)検出することができる。
1つ以上の実装形態において、このシステムはまず、どのモダリティが最も良質な信号を提供するかをテストする。その後、これらのうちの1つ以上が、さらなる測定において使用される。さらなる実装形態においては、このシステムが、2つ以上の所定のモダリティで開始し得る。ただし、場合によっては、この処理により、2つ以上の所定のモダリティのうちの1つと関連付けられた複数のパラメータのうちの1つ以上のパラメータに基づいてユーザの睡眠状態を判断することができない、と判断され得る。例えば、所定のモダリティの1つが、呼吸流量であり得る。流量に関する上記の欠陥に関して、流量のみに基づいて睡眠状態を判断することはできないと呼吸デバイスが判断した場合には、その後に、その複数のパラメータのうちの1つ以上のパラメータの処理を、2つの所定のモダリティのうちの第2のモダリティと関連付けるか、第2のモダリティに(第3の)モダリティを加えて関連付けることができる。例えば、第2または第3のモダリティは、ユーザの体動、ユーザの心臓活動、ユーザと関連付けられた音声などのうちの1つであり得る。
1つ以上の実装形態において、ユーザの睡眠状態を判断することができないという判断は、閾値判定メトリックを満たすことに基づき得る。閾値判定メトリックは、睡眠状態、睡眠状態、またはそれらの組み合わせに関して競合する複数のパラメータのうちの2つ以上のパラメータに基づき得る。1つ以上の実装形態において、その2つ以上の競合パラメータは、2つ以上の異なるモダリティに由来し得る。1つ以上の実装形態において、2つ以上の競合パラメータ間の競合は、品質の低いデータに基づいて導出されたパラメータを無視することによって解消され、かつ/または品質の高いデータから抽出されたパラメータに対する重み付けが増やされる。そのため、各モダリティおよび/またはパラメータは、データ品質に従って重み付けすることができる。睡眠状態(例えば、睡眠状態および睡眠段階)は、例えば、そのモダリティおよび/またはパラメータのほうが慣例的に正確であることに基づき、重み付けの大きいモダリティおよび/またはパラメータから判断することができる。そのため、1つ以上の実装形態において、この複数のパラメータの処理は、その複数のモダリティのうちの選択された2つ以上のモダリティに由来する複数のパラメータのサブセットに基づき得る。選択された2つ以上のモダリティは、データ品質に基づく重み付けに従って選択することができる。
閾値判定メトリックは、ユーザの気道に加圧空気を印加する1つ以上の旧セッション中にユーザと関連付けられた複数の旧パラメータに基づき得る。旧パラメータは、ユーザの睡眠状態を正確に反映するものとして旧セッションから検証され得る。その後、閾値判定を提供するために、この学習された情報に基づいて分類器を使用することができる。この処理は、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行される。
表1では、列記された睡眠段階が、睡眠中という睡眠状態の文脈内でのノンレム睡眠およびレム睡眠である。列記された睡眠状態は、覚醒および睡眠である。ユーザの生理学的反応は、呼吸数、活動、一回換気量、心拍数、気道抵抗、閉塞性無呼吸、中枢性無呼吸、いびき(非無呼吸)、およびいびき(無呼吸)である。これらの特徴のそれぞれが、呼吸デバイスからの流量信号に基づいて判断でき、その後、睡眠段階を判断するのに使用できる可能性がある。ただしその判断は、可能性が高い、可能性が低い、および可変的であるなど、尤度に基づくものである。それでも、流量のモダリティに追加モダリティを組み合わて睡眠状態および睡眠段階を判断することにより、判断された状態/段階の精度が高まる。精度の向上は、より正確なAHIなど、判断および結果の向上につながる。
ステップ706で、呼吸療法システム120は、睡眠状態に少なくとも部分的に基づいて、セッション中にユーザの無呼吸-低呼吸指数を計算する。AHIは、ユーザの無呼吸-低呼吸指数の計算に影響を及ぼす1つ以上の事象が、その1つ以上の事象の進行中に睡眠状態が覚醒であると判断されたことを受けて無視されるように計算される。この1つ以上の事象は、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせであり得る。そのため、1つ以上のSBD事象が発生したものの、ユーザが覚醒していることを睡眠状態が示している場合には、AHIが誤事象による影響を受けないように、そのSBD事象が無視される。
図8は、ユーザの睡眠セッションと関連付けられたいくつかのグラフを示している。これらのグラフは、呼吸流量図804と呼吸数(1分当たりの拍動数)図806とを含む。これらの図と関連付けられたパラメータを処理して、ユーザの睡眠状態(すなわち、覚醒または非覚醒)と、覚醒していない場合の睡眠段階(すなわち、N1+N2、N3、およびレム)と、を示す睡眠図プロット806が判断される。呼吸数図806は、呼吸流量図804から受け取ったデータに基づき得る。多くの呼吸療法デバイスで、呼吸デバイスの流量センサを使用することによって得られたデータに基づいて呼吸流量図804が描画され、AHIが計算される。ただし、呼吸流量データは、本文において先述のとおり、追加の接触または非接触センサなどによる独立した測定によっても取得され得る。そのため、AHIの計算は、これらの代替センサによって得られたデータにも基づいて実行され得る。さらに、かかる追加センサ(単数または複数)は、ユーザの心臓または体動など他のモダリティを対象とした情報に加え、睡眠セッション中にユーザによって生成された任意の可聴信号にも情報を提供し得る。1つより多くのモダリティに関連するデータを処理することにより、呼吸デバイスを用いて加圧空気が提供されるセッション中のユーザの睡眠状態を正確に反映する正確な睡眠図プロット806を生成することができる。その結果、ユーザAHIの計算精度が向上し得る。
1つ以上の実装形態において、図4~図7に関して上述したプロセスのうちのいずれか1つ以上の中で、睡眠状態、AHI、またはその両方を判断した後、睡眠状態、AHI、またはそれらの組み合わせに少なくとも部分的に基づいて動作が開始され得る。1つ以上の実装形態において、その動作は、(1)無呼吸-低呼吸指数の記録を保存すること、(b)無呼吸-低呼吸指数を外部デバイスに伝達して画面上に情報を表示すること、または(c)デバイスの動作設定を調整すること、のうちの1つ以上を含み得る。例えば、呼吸デバイス122の1つ以上の設定が、検出された睡眠状態、睡眠段階、および/またはAHIに基づいて調整することができる。一実施例においては、より正確に検出されたAHIが、ユーザの睡眠時呼吸障害の改善を示し得ると共に、呼吸デバイス122の呼吸圧力設定を自動的に低減し得る。これにより、呼吸デバイス122を使用する療法効果を必ずしも損ねることなくユーザの快適性を高めることができ、場合によっては、処方された治療に対するユーザのコンプライアンスも向上する。睡眠状態および/またはAHIを検出する装置がユーザデバイス170などの呼吸デバイス122でない場合には、睡眠状態、睡眠段階、および/またはAHIを呼吸デバイス122または呼吸療法システム120に送信することができる。そのため、例えば、睡眠の質に関する豊富な(例えば、より正確なAHIおよび/または睡眠状態)フィードバックをユーザに与えることにより、療法の強制力を高める1つ以上の措置を実施することができる。より正確な睡眠段階判定を用いてユーザに提供する情報を増やすことができれば、消費者の特徴を提供することによってエンゲージメントを改善でき得ると共に、療法のメリットを定量化するフィードバックをユーザに提供することによって患者のアドヒアランス向上を目指すこともでき得る。
本開示について1つ以上の特定の実装形態または実装形態を参照して説明してきたが、当業者であれば、本開示の意図および範囲から逸脱すること無く多数の変更が可能であり得ることを認識する。これらの実装形態およびその明確な変更例はそれぞれ、本開示の意図および範囲に収まるものとして企図される。そして、本開示の各種態様によるさらなる実装形態が、本明細書に記載された実装形態のいずれかから任意の数の特徴を組み合わせ得ることも企図されている。
Claims (138)
- ユーザの睡眠セッション中に前記ユーザの動きに関する1つ以上のパラメータを検出することと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断することと、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの無呼吸-低呼吸指数を計算することと、を含む方法。 - 前記睡眠セッションが、前記ユーザの気道に加圧空気を印加するセッションを含む、請求項1に記載の方法。
- 前記睡眠段階が、ノンレム、N1睡眠、N2睡眠、N3睡眠、またはレム睡眠の明示を含む、請求項1または2に記載の方法。
- 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項1から3のいずれか一項に記載の方法。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである、請求項4に記載の方法。
- 前記1つ以上のパラメータが、持続時間、期間、速度、頻度、強度、前記ユーザの動きのタイプ、またはそれらの組み合わせに関するものである、請求項1から5のいずれか一項に記載の方法。
- 前記1つ以上のパラメータが、前記ユーザ上に配置されているか、前記ユーザの近傍に配置されているか、それらの組み合わせである1つ以上のセンサに基づいて測定される、請求項1から6のいずれか一項に記載の方法。
- 加圧空気が、呼吸デバイスに接続されたチューブおよびマスクを通じて前記ユーザの気道に印加され、前記1つ以上のセンサのうちの少なくとも1つのセンサが、前記チューブの上もしくは内部、前記マスクの上もしくは内部、またはそれらの組み合わせに所在する、請求項7に記載の方法。
- 前記少なくとも1つのセンサが、前記チューブの上もしくは内部、前記マスクの上もしくは内部、またはそれらの組み合わせに所在するモーションセンサを含む、請求項8に記載の方法。
- 前記1つ以上のセンサのうちの少なくとも1つのセンサが、スマートデバイス内のモーションセンサを含む、請求項7から9のいずれか一項に記載の方法。
- 前記スマートデバイスが、(1)それぞれが前記ユーザと接触しているスマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、もしくはヘルスモニタ、(2)それぞれが前記ユーザの近傍に所在するスマートフォン、スマートスピーカ、スマートTV、レーダベースセンサ、ソナーベースセンサ、LiDARベースセンサ、もしくは他の非接触モーションセンサ、(3)またはそれらの組み合わせのうちの1つ以上である、請求項10に記載の方法。
- 前記1つ以上のパラメータの前記処理が、前記1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含む、請求項1から11のいずれか一項に記載の方法。
- ユーザの睡眠セッション中に前記ユーザの心臓活動に関する1つ以上のパラメータを検出することと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断することと、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの無呼吸-低呼吸指数を計算することと、を含む方法。 - 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項13に記載の方法。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである、請求項14に記載の方法。
- 前記1つ以上のパラメータが、前記ユーザの心拍数、心拍数変動、心拍出量、またはそれらの組み合わせに関するものである、請求項13から15のいずれか一項に記載の方法。
- 前記心拍数変動が、1分間、5分間、10分間、30分間、1時間、2時間、3時間、または4時間にわたって計算される、請求項16に記載の方法。
- 加圧空気が、呼吸デバイスに接続されたチューブおよびマスクを通じて前記ユーザの前記気道に印加され、前記1つ以上のパラメータの少なくとも1つのセンサが、前記チューブ、前記マスク、またはそれらの組み合わせの上もしくは内部に所在する、請求項13から17のいずれか一項に記載の方法。
- 前記睡眠セッションが、前記ユーザの気道に加圧空気を印加するセッションを含む、請求項13から18のいずれか一項に記載の方法。
- 前記1つ以上のパラメータを前記検出することが、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項13から19のいずれか一項に記載の方法。
- ユーザの睡眠セッション中に前記ユーザと関連付けられた音声に関する1つ以上のパラメータを検出することと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断することと、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの無呼吸-低呼吸指数を計算することと、を含む方法。 - 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項21に記載の方法。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである、請求項22に記載の方法。
- 前記音声が、(1)前記ユーザの1つ以上の動き、(2)前記ユーザに加圧空気を印加するように構成された呼吸デバイスに接続されたチューブ、マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせと関連付けられている、請求項21から23のいずれか一項に記載の方法。
- 前記チューブ、前記マスク、またはそれらの組み合わせの前記1つ以上の動きと関連付けられた前記音声に関する前記1つ以上のパラメータを前記検出することが、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項24に記載の方法。
- 前記音声が、チューブ、マスク、または前記チューブに接続された装置内の1つ以上のマイクロフォンに基づいて検出され、前記装置が前記ユーザの気道に加圧空気を提供する、請求項21から25のいずれか一項に記載の方法。
- ユーザの気道に加圧空気を印加するセッション中に前記ユーザと関連付けられた複数のパラメータを検出することをであって、前記複数のパラメータの各パラメータが、少なくとも1つのモダリティと関連付けられており、前記複数のパラメータが、複数のモダリティを網羅する、検出することと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記複数のパラメータを処理して判断することと、
前記睡眠状態に少なくとも部分的に基づいて、前記セッション中に前記ユーザの無呼吸-低呼吸指数を計算することと、を含む方法。 - 前記モダリティが、前記ユーザの動きと、前記加圧空気の流量と、前記ユーザの心臓活動と、前記ユーザと関連付けられた音声と、を含む、請求項27に記載の方法。
- 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項27または28に記載の方法。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせを含む、請求項29に記載の方法。
- 前記複数のパラメータの前記処理が、
前記2つ以上のモダリティのうちの第1のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータに基づいて前記ユーザの前記睡眠状態を判断することができない、と判断することと、
前記2つ以上のモダリティのうちの第2のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータを処理して前記ユーザの前記睡眠状態を判断することと、をさらに含む、請求項27から30のいずれか一項に記載の方法。 - 前記ユーザの前記睡眠状態を判断することができないという前記判断が、閾値判定メトリックを満たすことに基づく、請求項31に記載の方法。
- 前記閾値判定メトリックが、睡眠状態、睡眠段階、またはそれらの組み合わせに関して競合する前記複数のパラメータのうちの2つ以上のパラメータに基づく、請求項32に記載の方法。
- 前記2つ以上の競合パラメータが前記2つ以上のモダリティに由来する、請求項33に記載の方法。
- 2つ以上の競合パラメータ間の競合が、品質の低いデータに基づいて導出されたパラメータを無視することによって解消され、かつ/または品質の高いデータから抽出されたパラメータに与えられる重みが高まる、請求項27から34のいずれか一項に記載の方法。
- 前記閾値判定メトリックが、前記ユーザの前記気道に前記加圧空気を印加する1つ以上の旧セッション中に前記ユーザと関連付けられた複数の旧パラメータに基づく、請求項35に記載の方法。
- 前記処理が、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行される、請求項27から36のいずれか一項に記載の方法。
- 前記複数のパラメータの前記処理が、前記複数のモダリティのうちの選択された2つ以上のモダリティに由来する前記複数のパラメータのサブセットに基づき、前記選択された2つ以上のモダリティが、データ品質に基づく重み付けに従って選択される、請求項27から37のいずれか一項に記載の方法。
- ユーザの睡眠セッション中に前記ユーザの動きに関する1つ以上のパラメータを検出するように構成された1つ以上のセンサと、
機械可読命令を記憶するメモリと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断し、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの無呼吸-低呼吸指数を計算する
ために前記機械可読命令を実行するように構成された1つ以上のプロセッサを含む制御システムと、を備えるシステム。 - 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項39に記載のシステム。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである、請求項40に記載のシステム。
- 前記1つ以上のパラメータが、持続時間、期間、速度、頻度、強度、前記ユーザの動きのタイプ、またはそれらの組み合わせに関するものである、請求項39から41のいずれか一項に記載のシステム。
- 前記少なくとも1つのセンサが、前記ユーザ上に配置されているか、前記ユーザの近傍に配置されているか、それらの組み合わせである、請求項42に記載のシステム。
- 前記ユーザに連結されたチューブおよびマスクを有する呼吸デバイスをさらに備え、
加圧空気が、前記チューブおよび前記マスクを通じて前記ユーザの気道に印加され、前記1つ以上のセンサのうちの少なくとも1つのセンサが、前記チューブの上もしくは内部、前記マスクの上もしくは内部、またはそれらの組み合わせに所在する、請求項43に記載のシステム。 - 前記1つ以上のセンサが、前記チューブの上もしくは内部、前記マスクの上もしくは内部、またはそれらの組み合わせに所在するモーションセンサを含む、請求項39から44のいずれか一項に記載のシステム。
- 前記1つ以上のセンサのうちの少なくとも1つのセンサが、スマートデバイス内のモーションセンサを含む、請求項39から45のいずれか一項に記載のシステム。
- 前記スマートデバイスが、(1)それぞれが前記ユーザと接触しているスマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、もしくはヘルスモニタ、(2)それぞれが前記ユーザの近傍に所在するスマートスピーカもしくはスマートTV、または(3)それらの組み合わせのうちの1つ以上である、請求項46に記載のシステム。
- 前記1つ以上のパラメータの前記処理が、前記1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含む、請求項39から47のいずれか一項に記載のシステム。
- ユーザの睡眠セッション中に前記ユーザの心臓活動に関する1つ以上のパラメータを検出するように構成された少なくとも1つのセンサと、
機械可読命令を記憶するメモリと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断し、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの無呼吸-低呼吸指数を計算する
ために前記機械可読命令を実行するように構成された1つ以上のプロセッサを含む制御システムと、を備えるシステム。 - 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項49に記載のシステム。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである、請求項50に記載のシステム。
- 前記1つ以上のパラメータが、前記ユーザの心拍数、心拍数変動、心拍出量、またはそれらの組み合わせに関するものである、請求項39から51のいずれか一項に記載のシステム。
- 前記心拍数変動が、1分間、5分間、10分間、30分間、1時間、2時間、3時間、または4時間にわたって計算される、請求項52に記載のシステム。
- 前記ユーザに連結されたチューブおよびマスクを有する呼吸デバイスをさらに備え、
加圧空気が、前記チューブおよび前記マスクを通じて前記ユーザの気道に印加され、前記1つ以上のセンサのうちの少なくとも1つのセンサが、前記チューブ、前記マスク、またはそれらの組み合わせの上もしくは内部に所在する、請求項39から53のいずれか一項に記載のシステム。 - 前記少なくとも1つのセンサがマイクロフォンである、請求項54に記載のシステム。
- 前記1つ以上のパラメータを前記検出することが、前記マイクロフォンによって検出された1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項55に記載のシステム。
- ユーザの睡眠セッション中に前記ユーザと関連付けられた音声に関する1つ以上のパラメータを検出するように構成された1つ以上のセンサと、
機械可読命令を記憶するメモリと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断し、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの無呼吸-低呼吸指数を計算する
ために前記機械可読命令を実行するように構成された1つ以上のプロセッサを含む制御システムと、を備えるシステム。 - 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項57に記載のシステム。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせである、請求項58に記載のシステム。
- 前記ユーザに連結されたチューブおよびマスクを有する呼吸デバイスをさらに備え、
前記音声が、(1)前記ユーザの1つ以上の動き、(2)前記ユーザに加圧空気を印加するように構成された前記呼吸デバイスに接続された前記チューブ、前記マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせと関連付けられている、請求項57から59のいずれか一項に記載のシステム。 - 前記チューブ、前記マスク、またはそれらの組み合わせの前記1つ以上の動きと関連付けられた前記音声に関する前記1つ以上のパラメータを前記検出することが、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項60に記載のシステム。
- 前記ユーザに連結されたチューブおよびマスクを有する呼吸デバイスをさらに備え、
前記1つ以上のセンサが、チューブ、マスク、または前記チューブに接続された装置内の1つ以上のマイクロフォンであり、前記装置が前記ユーザの気道に加圧空気を提供する、請求項57から61のいずれか一項に記載のシステム。 - ユーザの気道に加圧空気を印加するセッション中に前記ユーザと関連付けられた複数のパラメータを検出するように構成された1つ以上のセンサであって、前記複数のパラメータの各パラメータが、少なくとも1つのモダリティと関連付けられており、前記複数のパラメータが、複数のモダリティを網羅する、1つ以上のセンサと、
機械可読命令を記憶するメモリと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記複数のパラメータを処理して判断し、
前記睡眠状態に少なくとも部分的に基づいて、前記セッション中に前記ユーザの無呼吸-低呼吸指数を計算する
ために前記機械可読命令を実行するように構成された1つ以上のプロセッサを含む制御システムと、を備えるシステム。 - 前記モダリティが、前記ユーザの動きと、前記加圧空気の流量と、前記ユーザの心臓活動と、前記ユーザと関連付けられた音声と、を含む、請求項63に記載のシステム。
- 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項63または64に記載のシステム。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、またはそれらの組み合わせを含む、請求項65に記載のシステム。
- 前記制御システムが、
前記2つ以上のモダリティのうちの第1のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータに基づいて前記ユーザの前記睡眠状態を判断することができない、と判断し、
前記2つ以上のモダリティのうちの第2のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータを処理して前記ユーザの前記睡眠状態を判断する
ために前記機械可読命令を実行して前記複数のパラメータをさらに処理するようにさらに構成されている、請求項63から66のいずれか一項に記載のシステム。 - 前記ユーザの前記睡眠状態を判断することができないという前記判断が、閾値判定メトリックを満たすことに基づく、請求項67に記載のシステム。
- 前記閾値判定メトリックが、睡眠状態、睡眠段階、またはそれらの組み合わせに関して競合する前記複数のパラメータのうちの2つ以上のパラメータに基づく、請求項68に記載のシステム。
- 前記2つ以上の競合パラメータが前記2つ以上のモダリティに由来する、請求項69に記載のシステム。
- 2つ以上の競合パラメータ間の競合が、品質の低いデータに基づいて導出されたパラメータを無視することによって解消され、かつ/または品質の高いデータから抽出されたパラメータに与えられる重みが高まる、請求項63から70のいずれか一項に記載のシステム。
- 前記閾値判定メトリックが、前記ユーザの前記気道に前記加圧空気を印加する1つ以上の旧セッション中に前記ユーザと関連付けられた複数の旧パラメータに基づく、請求項71に記載のシステム。
- 前記処理が、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行される、請求項63から72のいずれか一項に記載のシステム。
- 前記睡眠段階が、ノンレム睡眠またはレム睡眠の明示を含む、請求項63から73のいずれか一項に記載のシステム。
- 前記睡眠段階が、N1睡眠、N2睡眠、N3睡眠、またはレム睡眠の明示を含む、請求項63から74のいずれか一項に記載のシステム。
- 前記制御システムが、前記複数のパラメータを処理して、前記複数のモダリティのうちの選択された2つ以上のモダリティに由来する前記複数のパラメータのサブセットに基づいて前記ユーザの睡眠状態を判断するために前記機械可読命令を実行するようにさらに構成されており、前記選択された2つ以上のモダリティが、データ品質に基づく重み付けに従って選択される、請求項63から75のいずれか一項に記載のシステム。
- ユーザの無呼吸-低呼吸指数を計算する方法であって、
ユーザの睡眠セッション中に前記ユーザの動きに関する1つ以上のパラメータを検出することと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断することと、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの前記無呼吸-低呼吸指数を計算することと、
前記無呼吸-低呼吸指数、前記睡眠状態、またはそれらの組み合わせに少なくとも部分的に基づいて動作を開始することと、を含む方法。 - 前記睡眠セッションが、前記ユーザの気道に加圧空気を印加するセッションを含む、請求項77に記載の方法。
- 前記睡眠段階が、N1睡眠、N2睡眠、N3睡眠、またはレム睡眠の明示を含む、請求項77または請求項78に記載の方法。
- 前記動作が、(1)前記無呼吸-低呼吸指数の記録を保存すること、(b)前記無呼吸-低呼吸指数を外部デバイスに伝達すること、または(c)デバイスの動作設定を調整すること、のうちの1つ以上を含む、請求項77から79のいずれか1項に記載の方法。
- 前記デバイスが、前記ユーザの気道に前記加圧空気を供給する呼吸デバイスである、請求項80に記載の方法。
- 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項77から81のいずれか一項に記載の方法。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、1つ以上の周期性四肢運動、またはそれらの組み合わせである、請求項82に記載の方法。
- 前記1つ以上のパラメータが、持続時間、期間、速度、頻度、強度、前記ユーザの動きのタイプ、またはそれらの組み合わせに関するものである、請求項77から83のいずれか一項に記載の方法。
- 前記1つ以上のパラメータが、前記ユーザ上に配置されているか、前記ユーザの近傍に配置されているか、それらの組み合わせである1つ以上のセンサに基づいて測定される、請求項77から84のいずれか一項に記載の方法。
- 加圧空気が、呼吸デバイスに接続されたチューブおよびマスクを通じて前記ユーザの気道に印加され、前記1つ以上のセンサのうちの少なくとも1つのセンサが、前記チューブの上もしくは内部、前記マスクの上もしくは内部、またはそれらの組み合わせに所在する、請求項85に記載の方法。
- 前記少なくとも1つのセンサが、前記チューブの上もしくは内部、前記マスクの上もしくは内部、またはそれらの組み合わせに所在する体動センサを含む、請求項85または86に記載の方法。
- 前記1つ以上のセンサのうちの少なくとも1つのセンサが、スマートデバイス内の体動センサを含む、請求項85から87のいずれか一項に記載の方法。
- 前記スマートデバイスが、(1)それぞれが前記ユーザと接触しているスマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、もしくはヘルスモニタ、(2)それぞれが前記ユーザの近傍に所在するスマートスピーカもしくはスマートTV、または(3)それらの組み合わせのうちの1つ以上である、請求項88に記載の方法。
- 前記1つ以上のパラメータの前記処理が、前記1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含む、請求項77から89のいずれか一項に記載の方法。
- 前記ユーザの前記動きが、前記ユーザの心臓または呼吸活動と関連付けられている、請求項77から90のいずれか一項に記載の方法。
- 前記少なくとも1つのセンサがマイクロフォンである、請求項91に記載の方法。
- 前記1つ以上のパラメータを前記検出することが、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項92に記載の方法。
- 前記1つ以上のパラメータの前記検出が、前記睡眠セッション中にユーザと関連付けられた音声に関してのことである、請求項77から93のいずれか一項に記載の方法。
- 前記音声が、(1)前記ユーザの1つ以上の動き、(2)前記ユーザに加圧空気を印加するように構成された呼吸デバイスに接続されたチューブ、マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせと関連付けられている、請求項94に記載の方法。
- 前記音声に関する前記1つ以上のパラメータを前記検出することが、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項94または95に記載の方法。
- 前記音声が、チューブ、マスク、または前記チューブに接続された装置内の1つ以上のマイクロフォンに基づいて検出され、前記装置が前記ユーザの気道に加圧空気を提供する、請求項77から96のいずれか一項に記載の方法。
- 前記1つ以上のパラメータの各パラメータが、少なくとも1つのモダリティと関連付けられており、前記1つ以上のパラメータが複数のモダリティを網羅し、前記モダリティが、前記ユーザの動きと、加圧空気の流量と、前記ユーザの心臓活動と、前記ユーザと関連付けられた音声と、を含み、前記複数のパラメータの前記処理が、
前記2つ以上のモダリティのうちの第1のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータに基づいて前記ユーザの前記睡眠状態を判断することができない、と判断することと、
前記2つ以上のモダリティのうちの第2のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータを処理して前記ユーザの前記睡眠状態を判断することと、をさらに含む、請求項77から97のいずれか一項に記載の方法。 - 前記ユーザの前記睡眠状態を判断することができないという前記判断が、閾値判定メトリックを満たすことに基づく、請求項98に記載の方法。
- 前記閾値判定メトリックが、前記判断された睡眠状態、睡眠段階、またはそれらの組み合わせに関して競合する前記複数のパラメータのうちの2つ以上のパラメータに基づく、請求項99に記載の方法。
- 前記2つ以上の競合パラメータが前記2つ以上のモダリティに由来する、請求項100に記載の方法。
- 2つ以上の競合パラメータ間の競合が、品質の低いデータに基づいて導出されたパラメータを無視することによって解消され、かつ/または品質の高いデータから抽出されたパラメータに与えられる重みが高まる、請求項100または101に記載の方法。
- 前記閾値判定メトリックが、前記ユーザの気道に加圧空気を印加する1つ以上の旧セッション中に前記ユーザと関連付けられた複数の旧パラメータに基づく、請求項77から102のいずれか一項に記載の方法。
- 前記1つ以上のパラメータの各パラメータが、少なくとも1つのモダリティと関連付けられており、前記1つ以上のパラメータが複数のモダリティを網羅し、前記複数のパラメータの前記処理が、前記複数のモダリティのうちの選択された2つ以上のモダリティに由来する前記複数のパラメータのサブセットに基づき、前記選択された2つ以上のモダリティが、データ品質に基づく重み付けに従って選択される、請求項77から103のいずれか一項に記載の方法。
- 前記処理が、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行される、請求項77から104のいずれか一項に記載の方法。
- ユーザの無呼吸-低呼吸指数を計算するシステムであって、
ユーザの睡眠セッション中に前記ユーザの動きに関する1つ以上のパラメータを検出するように構成された1つ以上のセンサと、
機械可読命令を記憶するメモリと、
覚醒、睡眠、または睡眠段階のうちの少なくとも1つである前記ユーザの睡眠状態を、前記1つ以上のパラメータを処理して判断し、
前記睡眠状態に少なくとも部分的に基づいて、前記睡眠セッション中に前記ユーザの前記無呼吸-低呼吸指数を計算し、
前記無呼吸-低呼吸指数、前記睡眠状態、またはそれらの組み合わせに少なくとも部分的に基づいて動作を開始する
ために前記機械可読命令を実行するように構成された1つ以上のプロセッサを含む制御システムと、を備えるシステム。 - 前記動作が、(1)前記無呼吸-低呼吸指数の記録を保存すること、(b)前記無呼吸-低呼吸指数を外部デバイスに伝達すること、または(c)デバイスの動作設定を調整すること、のうちの1つ以上を含む、請求項106に記載のシステム。
- 前記デバイスが、前記ユーザの気道に前記加圧空気を供給する呼吸デバイスである、請求項107に記載のシステム。
- 前記ユーザの前記無呼吸-低呼吸指数の前記計算に影響を及ぼす1つ以上の事象が、前記1つ以上の事象中に前記睡眠状態が覚醒であると判断されたことを受けて無視される、請求項106から108のいずれか一項に記載のシステム。
- 前記1つ以上の事象が、1つ以上の無呼吸、1つ以上の低呼吸、1つ以上の周期性四肢運動、またはそれらの組み合わせである、請求項109に記載のシステム。
- 前記1つ以上のパラメータが、持続時間、期間、速度、頻度、強度、前記ユーザの動きのタイプ、またはそれらの組み合わせに関するものである、請求項106から110のいずれか一項に記載のシステム。
- 前記1つ以上のセンサが、前記ユーザ上に配置されているか、前記ユーザの近傍に配置されているか、それらの組み合わせである、請求項106から111のいずれか一項に記載のシステム。
- 前記ユーザに連結されたチューブおよびマスクを有する呼吸デバイスをさらに備え、
加圧空気が、前記チューブおよび前記マスクを通じて前記ユーザの気道に印加され、前記1つ以上のセンサのうちの少なくとも1つのセンサが、前記チューブ、前記マスク、またはそれらの組み合わせの上もしくは内部に所在する、請求項112に記載のシステム。 - 前記1つ以上のセンサが、前記チューブ、前記マスク、またはそれらの組み合わせの上もしくは内部に体動センサを含む、請求項106から113のいずれか一項に記載のシステム。
- 前記1つ以上のセンサのうちの少なくとも1つのセンサが、スマートデバイス内の体動センサを含む、請求項106から114のいずれか一項に記載のシステム。
- 前記スマートデバイスが、(1)それぞれが前記ユーザと接触しているスマートウォッチ、スマートフォン、活動トラッカー、スマートマスク、スマート衣類、スマートマットレス、スマート枕、スマートシーツ、スマートリング、もしくはヘルスモニタ、(2)それぞれが前記ユーザの近傍に所在するスマートスピーカもしくはスマートTV、または(3)それらの組み合わせのうちの1つ以上である、請求項115に記載のシステム。
- 前記1つ以上のパラメータの前記処理が、前記1つ以上のパラメータのうちの少なくとも1つのパラメータを表す信号を経時的に処理することを含む、請求項106から116のいずれか一項に記載のシステム。
- 前記ユーザの前記動きが、前記ユーザの心臓または呼吸活動と関連付けられている、請求項106から117のいずれか一項に記載のシステム。
- 前記少なくとも1つのセンサがマイクロフォンである、請求項118に記載のシステム。
- 前記1つ以上のパラメータを前記検出することが、前記マイクロフォンによって検出された1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項119に記載のシステム。
- 前記1つ以上のパラメータの前記検出が、前記睡眠セッション中にユーザと関連付けられた音声に関してのことである、請求項106から120のいずれか一項に記載のシステム。
- 前記音声が、(1)前記ユーザの1つ以上の動き、(2)前記ユーザに加圧空気を印加するように構成された呼吸デバイスに接続されたチューブ、マスク、もしくはそれらの組み合わせの1つ以上の動き、または(3)それらの組み合わせと関連付けられている、請求項121に記載のシステム。
- 前記音声に関する前記1つ以上のパラメータを前記検出することが、1つ以上の流量信号、1つ以上の音声信号、またはそれらの組み合わせのケプストラム分析、スペクトル分析、高速フーリエ変換、またはそれらの組み合わせに基づく、請求項121または請求項122に記載のシステム。
- 前記音声が、チューブ、マスク、または前記チューブに接続された装置内の1つ以上のマイクロフォンに基づいて検出され、前記装置が前記ユーザの気道に加圧空気を提供する、請求項106から123のいずれか一項に記載のシステム。
- 前記1つ以上のパラメータの各パラメータが、少なくとも1つのモダリティと関連付けられており、前記1つ以上のパラメータが複数のモダリティを網羅し、前記モダリティが、前記ユーザの動きと、加圧空気の流量と、前記ユーザの心臓活動と、前記ユーザと関連付けられた音声と、を含み、前記制御システムが、
前記2つ以上のモダリティのうちの第1のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータに基づいて前記ユーザの前記睡眠状態を判断することができない、と判断し、
前記2つ以上のモダリティのうちの第2のモダリティと関連付けられた前記複数のパラメータのうちの1つ以上のパラメータを処理して前記ユーザの前記睡眠状態を判断する
ために前記機械可読命令を実行するように構成されている、請求項106から124のいずれか一項に記載のシステム。 - 前記ユーザの前記睡眠状態を判断することができないという前記判断が、閾値判定メトリックを満たすことに基づく、請求項125に記載のシステム。
- 前記閾値判定メトリックが、前記判断された睡眠状態、睡眠段階、またはそれらの組み合わせに関して競合する前記複数のパラメータのうちの2つ以上のパラメータに基づく、請求項126に記載のシステム。
- 前記2つ以上の競合パラメータが前記2つ以上のモダリティに由来する、請求項127に記載のシステム。
- 2つ以上の競合パラメータ間の競合が、品質の低いデータに基づいて導出されたパラメータを無視することによって解消され、かつ/または品質の高いデータから抽出されたパラメータに与えられる重みが高まる、請求項127または請求項128に記載のシステム。
- 前記閾値判定メトリックが、前記ユーザの気道に加圧空気を印加する1つ以上の旧セッション中に前記ユーザと関連付けられた複数の旧パラメータに基づく、請求項126から請求項129に記載のシステム。
- 前記1つ以上のパラメータの各パラメータが、少なくとも1つのモダリティと関連付けられており、前記1つ以上のパラメータが複数のモダリティを網羅し、前記制御システムが、前記複数のパラメータを処理し、前記複数のモダリティのうちの選択された2つ以上のモダリティに由来する前記複数のパラメータのサブセットに基づいて前記ユーザの睡眠状態を判断するために前記機械可読命令を実行するようにさらに構成されており、前記選択された2つ以上のモダリティが、データ品質に基づく重み付けに従って選択される、請求項106から130のいずれか一項に記載のシステム。
- 前記処理が、教師あり機械学習、深層学習、畳み込みニューラルネットワーク、または再帰型ニューラルネットワークのうちの1つ以上に基づき、睡眠段階分類器によって実行される、請求項106から131のいずれか一項に記載のシステム。
- 前記睡眠段階が、ノンレム睡眠またはレム睡眠の明示を含む、請求項106から132のいずれか一項に記載のシステム。
- 前記睡眠段階が、N1睡眠、N2睡眠、N3睡眠、またはレム睡眠の明示を含む、133に記載のシステム。
- 1つ以上のプロセッサを含む制御システムと、
機械可読命令を記憶したメモリと、を備え、
前記制御システムが、前記メモリへ連結され、請求項1から38および77から105のいずれか一項に記載の方法が、前記メモリ中の前記機械実行可能命令が前記制御システムの前記1つ以上のプロセッサのうち少なくとも1つによって実行されたときに実施される、システム。 - 請求項1から38および77から105のいずれか一項に記載の方法を実施するように構成された制御システムを含むシステム。
- コンピュータによって実行されると、請求項1から38および77から105のいずれか一項に記載の方法を前記コンピュータに実行させる命令を含むコンピュータプログラム製品。
- 前記コンピュータプログラム製品が、非一時的コンピュータ可読媒体である、請求項137に記載のコンピュータプログラム製品。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062968775P | 2020-01-31 | 2020-01-31 | |
US62/968,775 | 2020-01-31 | ||
US202063002585P | 2020-03-31 | 2020-03-31 | |
US63/002,585 | 2020-03-31 | ||
PCT/IB2021/050755 WO2021152551A1 (en) | 2020-01-31 | 2021-01-31 | Sleep status detection for apnea-hypopnea index calculation |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023513888A true JP2023513888A (ja) | 2023-04-04 |
JPWO2021152551A5 JPWO2021152551A5 (ja) | 2024-02-06 |
Family
ID=74505315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022547015A Pending JP2023513888A (ja) | 2020-01-31 | 2021-01-31 | 無呼吸-低呼吸指数計算のための睡眠状態検出 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230099622A1 (ja) |
EP (1) | EP4096503A1 (ja) |
JP (1) | JP2023513888A (ja) |
CN (1) | CN115334959A (ja) |
AU (1) | AU2021212395A1 (ja) |
WO (1) | WO2021152551A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230068469A1 (en) * | 2021-08-31 | 2023-03-02 | Sanofi | Evaluating drug efficacy by using wearable sensors |
WO2023114751A1 (en) * | 2021-12-13 | 2023-06-22 | Northwestern University | Method and system for a smart mask |
CN114176567B (zh) * | 2021-12-29 | 2023-01-17 | 深圳融昕医疗科技有限公司 | 计算机可读存储介质及终端 |
EP4223214A1 (en) * | 2022-02-07 | 2023-08-09 | Oxehealth Limited | Machine learning classification of sleep state |
TWI826247B (zh) * | 2023-01-31 | 2023-12-11 | 緯創資通股份有限公司 | 事件的偵測方法、偵測系統及推論伺服器 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2007256872B2 (en) | 2006-06-01 | 2013-03-14 | Resmed Sensor Technologies Limited | Apparatus, system, and method for monitoring physiological signs |
WO2010091362A2 (en) | 2009-02-06 | 2010-08-12 | Mesh Therapeutics, Llc | Topical formulations comprising ion channel modulators |
EP2598192B1 (en) | 2010-07-30 | 2018-04-04 | ResMed Limited | Methods and devices with leak detection |
CN104736055A (zh) * | 2012-05-30 | 2015-06-24 | 瑞思迈传感器技术有限公司 | 用于监控心肺健康的方法和设备 |
US10492720B2 (en) | 2012-09-19 | 2019-12-03 | Resmed Sensor Technologies Limited | System and method for determining sleep stage |
ES2863538T3 (es) | 2012-09-20 | 2021-10-11 | Univ Temple | Derivados de alquil diarilo sustituidos, métodos de preparación y usos |
US9926783B2 (en) | 2013-07-08 | 2018-03-27 | Weatherford Technology Holdings, Llc | Apparatus and methods for cemented multi-zone completions |
CA2990779C (en) * | 2013-12-16 | 2018-11-06 | Blue Ocean Laboratories, Inc. | Sleep system alarm |
CA2888394A1 (en) * | 2014-05-02 | 2015-11-02 | University Health Network | Method and system for sleep detection |
WO2016061629A1 (en) | 2014-10-24 | 2016-04-28 | Resmed Limited | Respiratory pressure therapy system |
WO2017106840A1 (en) * | 2015-12-18 | 2017-06-22 | Real 3D Polymers Group Llc | Sleep apnea and anti-snoring system |
EP3410934B1 (en) | 2016-02-02 | 2021-04-07 | ResMed Pty Ltd | Methods and apparatus for treating respiratory disorders |
CN116035528A (zh) | 2016-09-19 | 2023-05-02 | 瑞思迈传感器技术有限公司 | 用于从音频和多模态信号中检测生理运动的装置、系统及方法 |
US20190000375A1 (en) * | 2017-06-29 | 2019-01-03 | Koninklijke Philips N.V. | Method to increase ahi estimation accuracy in home sleep tests |
JP2021508521A (ja) | 2017-12-22 | 2021-03-11 | レスメッド センサー テクノロジーズ リミテッド | 車両内生理学的感知のための装置、システムおよび方法 |
KR102658390B1 (ko) | 2017-12-22 | 2024-04-17 | 레스메드 센서 테크놀로지스 리미티드 | 건강 및 의료 감지를 위한 장치, 시스템, 및 방법 |
KR20200103749A (ko) | 2017-12-22 | 2020-09-02 | 레스메드 센서 테크놀로지스 리미티드 | 모션 감지를 위한 장치, 시스템, 및 방법 |
CN113710151A (zh) | 2018-11-19 | 2021-11-26 | 瑞思迈传感器技术有限公司 | 用于检测呼吸障碍的方法和设备 |
-
2021
- 2021-01-31 AU AU2021212395A patent/AU2021212395A1/en active Pending
- 2021-01-31 CN CN202180025159.7A patent/CN115334959A/zh active Pending
- 2021-01-31 EP EP21703081.6A patent/EP4096503A1/en active Pending
- 2021-01-31 JP JP2022547015A patent/JP2023513888A/ja active Pending
- 2021-01-31 WO PCT/IB2021/050755 patent/WO2021152551A1/en unknown
- 2021-01-31 US US17/796,675 patent/US20230099622A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN115334959A (zh) | 2022-11-11 |
EP4096503A1 (en) | 2022-12-07 |
WO2021152551A1 (en) | 2021-08-05 |
US20230099622A1 (en) | 2023-03-30 |
AU2021212395A1 (en) | 2022-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230173221A1 (en) | Systems and methods for promoting a sleep stage of a user | |
US20230099622A1 (en) | Sleep status detection for apnea-hypopnea index calculation | |
US11878118B2 (en) | Systems and methods for identifying a user interface | |
JP7331257B2 (ja) | スマート加湿のためのシステム、方法、およびデバイス | |
JP2023529912A (ja) | ユーザインタフェースを分類及び/又は特徴付けるためのシステム及び方法 | |
JP2023547497A (ja) | 治療中の睡眠性能スコアリング | |
CN116249481A (zh) | 用于确定呼吸治疗期间的运动的系统和方法 | |
WO2022208368A1 (en) | Systems and methods for managing blood pressure conditions of a user of a respiratory therapy system | |
JP2023544119A (ja) | 併存疾患を監視するシステム及び方法 | |
JP2023513890A (ja) | データに対する同意を求めるためのシステムおよび方法 | |
JP2023525691A (ja) | 個人の身体的特徴を分析するためのシステム及び方法 | |
US20240062872A1 (en) | Cohort sleep performance evaluation | |
US20240000344A1 (en) | Systems and methods for identifying user body position during respiratory therapy | |
US20230417544A1 (en) | Systems and methods for determining a length and/or a diameter of a conduit | |
US20240173499A1 (en) | Systems and methods for managing blood pressure conditions of a user of a respiratory therapy system | |
US20220192592A1 (en) | Systems and methods for active noise cancellation | |
WO2024069500A1 (en) | Systems and methods for cardiogenic oscillation detection | |
WO2023187686A1 (en) | Systems and methods for determining a positional sleep disordered breathing status | |
WO2024039774A1 (en) | Systems and methods for collaborative sleep therapy usage | |
WO2023275812A1 (en) | Systems and methods for characterizing a conduit in a respiratory therapy system | |
WO2022229910A1 (en) | Systems and methods for modifying pressure settings of a respiratory therapy system | |
WO2024069436A1 (en) | Systems and methods for analyzing sounds made by an individual during a sleep session |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240129 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240129 |