JP6940414B2 - 特性信号から人間の検出及び識別 - Google Patents

特性信号から人間の検出及び識別 Download PDF

Info

Publication number
JP6940414B2
JP6940414B2 JP2017554455A JP2017554455A JP6940414B2 JP 6940414 B2 JP6940414 B2 JP 6940414B2 JP 2017554455 A JP2017554455 A JP 2017554455A JP 2017554455 A JP2017554455 A JP 2017554455A JP 6940414 B2 JP6940414 B2 JP 6940414B2
Authority
JP
Japan
Prior art keywords
parameters
respiratory
sensor
sensors
person
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.)
Active
Application number
JP2017554455A
Other languages
English (en)
Other versions
JP2018517448A (ja
JP2018517448A5 (ja
Inventor
ショルディス，レドモンド
ドヒニー，エメル
ザッファローニ，アルベルト
Original Assignee
レスメッド センサー テクノロジーズ リミテッド
レスメッド センサー テクノロジーズ リミテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by レスメッド センサー テクノロジーズ リミテッド, レスメッド センサー テクノロジーズ リミテッド filed Critical レスメッド センサー テクノロジーズ リミテッド
Publication of JP2018517448A publication Critical patent/JP2018517448A/ja
Publication of JP2018517448A5 publication Critical patent/JP2018517448A5/ja
Priority to JP2021138998A priority Critical patent/JP7273909B2/ja
Application granted granted Critical
Publication of JP6940414B2 publication Critical patent/JP6940414B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • 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
    • A61B5/1102—Ballistocardiography
    • 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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • 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
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0051—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes with alarm devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/021—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes operated by electrical means
    • A61M16/022—Control means therefor
    • A61M16/024—Control means therefor including calculation means, e.g. using a processor
    • A61M16/026—Control means therefor including calculation means, e.g. using a processor specially adapted for predicting, e.g. for determining an information representative of a flow limitation during a ventilation cycle by using a root square technique or a regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • 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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • 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
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/003—Detecting lung or respiration noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0057—Pumps therefor
    • A61M16/0066—Blowers or centrifugal pumps
    • A61M16/0069—Blowers or centrifugal pumps the speed thereof being controlled by respiratory parameters, e.g. by inhalation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0057—Pumps therefor
    • A61M16/0072—Tidal volume piston pumps
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/06—Respiratory or anaesthetic masks
    • A61M16/0683—Holding devices therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/10—Preparation of respiratory gases or vapours
    • A61M16/14—Preparation of respiratory gases or vapours by mixing different fluids, one of them being in a liquid phase
    • A61M16/16—Devices to humidify the respiration air
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • A61M2016/0027—Accessories therefor, e.g. sensors, vibrators, negative pressure pressure meter
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • A61M2016/003—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter
    • A61M2016/0033—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter electrical
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2202/00—Special media to be introduced, removed or treated
    • A61M2202/02—Gases
    • A61M2202/0208—Oxygen
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/21—General characteristics of the apparatus insensitive to tilting or inclination, e.g. spill-over prevention
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/35—Communication
    • A61M2205/3546—Range
    • A61M2205/3553—Range remote, e.g. between patient's home and doctor's office
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/502—User interfaces, e.g. screens or keyboards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/60—General characteristics of the apparatus with identification means
    • A61M2205/6009—General characteristics of the apparatus with identification means for matching patient with his treatment, e.g. to improve transfusion security
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/60—General characteristics of the apparatus with identification means
    • A61M2205/6018—General characteristics of the apparatus with identification means providing set-up signals for the apparatus configuration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/60—General characteristics of the apparatus with identification means
    • A61M2205/609—Biometric patient identification means
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Cardiology (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Emergency Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Electromagnetism (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)

Description

（関連出願の相互参照）
本出願は、２０１５年４月２０日に出願された米国仮特許出願第６２／１４９，８３９号及び２０１５年８月２０日に出願された米国仮特許出願第６２／２０７，６８７号に対する出願日の利益を主張し、その全文は本明細書に参照として組み込まれる。
（発明の分野）
本技術は、移動個体及び生きている被験者の特性検出のための回路及びセンサに関する。より詳細には、本技術は、例えば、特に人間の識別や認証のための信号特性に重点を置いた、距離ゲートされた無線周波数動作感知のような、健康モニター等におけるセンサに関する。
連続波（ＣＷ）ドップラレーダ動作センサは、連続波無線周波数（ＲＦ）キャリアを放出し、送信されたＲＦをリターンエコーと混合して、移動目標物によって生成されたドップラシフトに同等な差周波数を生成する。これらのセンサは、確実な限界範囲を有していない（すなわち、これらは、近くて遠い両物体用信号を受信することができ、これらの受信された信号は、レーダ断面積の関数である）。これは、誤ったトリガ、すなわち、動作アーチファクト干渉をもたらすことができる。これらは、誤ったトリガをもたらす近距離において好ましくない高感度を有することもできる。
パルスドップラ動作センサは、米国特許第４，１９７，５３７号（Ｆｏｌｌｅｎらの）に記載されている。短いパルスが送信され、そのエコーが送信パルスと自己混合する。パルス幅は、距離ゲートされた領域を定義する。送信パルスが終了すると、送信パルスの終了後に到来する混合端部とターゲットリターンは混合されずに出るようになる。
「差分パルスレーダ動作センサ」という名称の米国特許第５，９６６，０９０号（ＭｃＥｗａｎ）に開示された差分パルスドップラ動作センサは、２つの異なるパルス幅で交互に送信する。次いで、各幅からドップラ反応を差し引くと、かなり一定の反応対範囲を有する距離ゲートされた「ドップラ」感知領域を生成する。
「超広帯域レーダ動作センサ」という名称の米国特許第５，３６１，０７０号（ＭｃＥｗａｎ）に記載されたようなインパルスレーダは、送信されたパルス幅に関連する非常に狭い感知領域を生成する。「パルスホモダインフイルード撹乱センサ」という名称の米国特許第５，６８２，１６４号（ＭｃＥｗａｎ）に記載されたような２パルスドップラレーダ動作センサは、第１のパルスを送信した後に、第１のパルスからのエコーと混合する第２のパルスを生成する。従って、距離ゲートされた感知帯域には、定義された最小及び最大の範囲が形成される。ＵＷＢレーダ動作センサは、意図的な放熱器として世界的なＲＦ規制承認を受けていない欠点を有する。これらは、中間範囲で物体を感知することが困難であり、幾つかの実施形態において、ＲＦ干渉を受けやすい可能性がある。
変調パルスドップラセンサは、ＭｃＥｗａｎの米国特許第６，４２６，７１６号に記載されている。距離ゲートされたマイクロ波動作センサは、調節可能な最小及び最大の検出範囲を含む。これらの装置は、送信及び混合器パルスを生成するために関連付けられたパルス生成及び遅延素子を有するＲＦ発振器、信号送信（ＴＸ）／受信（ＲＸ）アンテナまたは一対の別個のＴＸ及びＲＸアンテナ、及び混合器及びエコーパルスから距離ゲートされたドップラ信号を生成するために関連付けられたフィルタリング、増幅、及び復調素子を有する検出器／混合器を含むＲＦ受信器を含む。
米国特許第７，９５２，５１５号において、ＭｃＥｗａｎは、特定のホログラフィックレーダを開示している。ホログラフィックレーダに距離ゲートを追加して具体的なダウンレンジ領域に対する反応を制限する。ＭｃＥｗａｎは、特に、内部画像平面またはスライスを画像化するために材料を透過させるときに、画像化された表面のよりきれいなクラッタフリーレーダホログラムが得ることができるということを明示している。距離ゲーティングは、積層されたホログラム技術を可能にし、この場合、複数の画像化された表面がダウンレンジ方向に積層され得る。
米国特許第７，９９４，９６８号において、ＭｃＥｗａｎは、ホログラフィックレーダ用のＲＦ大きさサンプラを開示している。ＭｃＥｗａｎは、ＲＦ大きさサンプラが、狭帯域ホログラフィックパルスレーダによって生成された干渉計測パターンを精巧に解決することができるということを記述している。
米国特許公開公報第２０１４／００２４９１７号において、ＭｃＭａｈｏｎ らは、距離ゲートされた感知用無線周波数パルスを放出するための振動信号を生成するように構成され得る生理感知用センサを記載している。これらのセンサは、パルスを放出するように構成された無線周波数送信器及び放出された無線周波数パルスのうちの反射したパルスを受信するように構成された受信器を含む。受信されたパルスは、動作、睡眠、呼吸及び／または心拍動のような生理特性を検出するように処理され得る。
Ｎｙｍｉのようなウェアラブルリストバンドは、認証システム−各ユーザー用に特定されたＥＣＧ形状において使用され得る他の変数を導入する。（ｈｔｔｐｓ：／／ｗｗｗ．ｎｙｍｉ．ｃｏｍ／）
ＵＳ２０１００１９１０７６ Ａ１（Ａａｒｏｎ Ｌｅｗｉｃｋｅ，Ｙｉ Ｚｈａｎｇ，Ｊｏｈｎ Ｄ．Ｈａｔ−ｌｅｓｔａｄ）は、昼間／夜間呼吸数モニタリングを記述している。
ＵＳ８２３２８６６（Ｗｉｌｌｉａｍ Ｒ． ＭｃＧｒａｔｈ，Ａｓｈｉｔ Ｔａｌｕｋｄｅｒ）は、マイクロ波心臓信号を利用したリモートロングスタンドオフバイオメトリック識別を記述している。
ＵＳ８３２１００（Ｓｅｔｈ Ｓｎｙｄｅｒ，Ｊａｓｐｅｒ Ｓｐｅｉｃｈｅｒ）は、バイオメトリックデータディスプレイシステム及び方法を記述している。
ＷＯ２００３００００１５（Ｍａｒｋ Ｄ Ｗｉｅｄｅｒｈｏｌｄ，Ｒｏｄｎｅｙ Ｐ Ｍｅｙｅｒ，Ｓｔｅｖｅｎ Ａ Ｉｓｒａｅｌ，Ｊｏｈｎ Ｍ Ｉｒｖｉｎｅ）は、生理計測変化の分析による識別を記述している。
ＵＳ８７６２７３３（Ｐ．Ａｌｅｘａｎｄｅｒ Ｄｅｒｃｈａｋ，Ｌａｎｃｅ Ｍｙｅｒｓ）は、生理的指紋を判断するために、生理学的バイオメトリックスを利用したアイデンティティ確認用システム及び方法を記述している。
ＵＳ２０１１００４０５７４（Ｈｏ Ｃｈｕｎｇ Ｎｉｃｈｏｌａｓ Ｆｕｎｇ，Ｃｈｕ Ｙｏｎｇ Ｓａｎｇ）は、バイオメトリック識別を利用した健康モニタリングシステムを記述している。
ＵＳ６９９３３７８（Ｍａｒｋ Ｄ．Ｗｉｅｄｅｒｈｏｌｄ，Ｓｔｅｖｅｎ Ａ． Ｉｓｒａｅｌ，Ｒｏｄｎｅｙ Ｐ．Ｍｅｙｅｒ，Ｊｏｈｎ Ｍ．Ｉｒｖｉｎｅ）は、生理計測変化の分析による識別を記述している。
識別または認証のための特性を感知するために、センサ及び／またはその信号処理を改善する必要があり得る。
認証及び他の目的のために、個人を識別することができることが好ましい。
ウェアラブル非接触生理的行動データ収集の出現は、特定の人をその個人のバイオメトリック「指紋」から検出し識別して、他の人（偽装したこと）からデータを拒否し、そして、センサ（及び潜在的に付与されるか関連付けられたサービスまたは治療）の遵守や使用を保障する必要性を誘発する。このような特性は、生理的行動信号から引き出すことができる。
センサデータが特定のユーザー及びマイクロ及びマクロ環境から収集されることを検出することに加えて、システムが正常（健康な）信号からの偏差を検出することができ、このような変化（例えば、悪化する状態または処置／治療によった好転する状態）に対して頑強であることが好ましい。
本技術の幾つかの実施形態の一態様は、例えば、無線周波数信号で生理的特性を検出するためのセンサに関する。
本技術の幾つかの実施形態の他の態様は、例えば、無線周波数信号を利用して検出された信号特性から個人を認証するためのセンサに関する。
本技術の幾つかのバージョンは、健康モニタリングのような１つ以上の人の生理学的パラメータをモニタリングするための人を識別する方法またはシステムを含むことができる。前記システムは、１つ以上の人の生理学的パラメータをモニタリングするための１つ以上のセンサを含むことができる。前記システムは、人を識別するために１つ以上のセンサからの信号を処理するように構成された１つ以上のプロセッサを含むことができ、前記処理は、呼吸特徴、心臓特徴または動き特徴、例えば、検出された呼吸数、検出された呼吸深度、検出された動き度及び検出された心拍数のうちの任意の１つ以上を含む特徴の評価を含み、前記評価は、検出された特徴のうちの１つ以上の分析を含む評価を含むことができる。
幾つかのバージョンにおいて、１つ以上のセンサは、無線周波数非接触センサを含む。前記検出は、人の睡眠中に生理学的特性の検出を含むことができる。前記処理は、睡眠段階の検出を含むことができる。前記処理は、深い睡眠の検出を含むことができる。前記処理は、ＲＥＭ睡眠の検出を含むことができる。前記検出は、人の起床時間中の生理的特性の検出を含むことができる。前記１つ以上のセンサは、明細書の詳細な説明の全般にわたって記述される任意の１つ以上のセンサを含むことができる。前記１つ以上のプロセッサの評価は、明細書に記述されたセンサ信号の任意の１つ以上の特性の検出及び分析を含むことができる。
幾つかのバージョンにおいて、前記１つ以上のセンサは、１つ以上のセンサのうちの少なくとも２つのセンサの間の無線周波数（ＲＦ）干渉などの干渉を最小限にするように構成され得る。前記１つ以上のセンサは、距離ゲーティングパルスタイミング、ＲＦパルスのようなパルスの放出電力レベル、ＲＦパルスのようなパルスの検出周波数、及び／またはＲＦパルスのようなパルスの検出周波数を変更し、及び／または操縦可能なアンテナの位置を調整することによって、ＲＦ干渉などの干渉を最小限にするように構成され得る。１つ以上のセンサは、有線または無線リンクを介して通信することができる。
幾つかのバージョンにおいて、独立型人間ソースの生理学的認識を最適化し、他のソースを拒否するために、１つ以上のセンサの性能を動的に調整するようにバイオメトリックパラメータが適用され得る。前記システムは、１つ以上のセンサと通信する制御プロセッサを含むことができ、前記制御プロセッサは、１つ以上のセンサと通信して、１つ以上のセンサの検出制御パラメータを調整することによって、人または動物の識別に基づいて、１つ以上のセンサの検出制御パラメータを調整することができる。前記１つ以上のセンサの検出制御パラメータは、距離ゲーティング、ＲＦ中心周波数及びＲＦ電力レベルのうちの１つ以上を含むことができる。
幾つかのバージョンにおいて、前記システムは、１つ以上のセンサと通信する制御プロセッサを含むことができる。前記制御プロセッサは、１つ以上のセンサによる人または動物の識別に基づいて更なるセンサシステムを起動するように構成され得る。更なるセンサシステムは、カメラを含むことができる。選択的に、システムにおいて、プロセッサは、以前にモニタリングされた人であると確認された前記人の識別に基づいて検出されたバイオメトリック特性（例えば、人のアイデンティティと関連したデータベースにおけるような記録データ）をログするとか、またはログすることができる。システムの幾つかのバージョンにおいて、前記プロセッサは、以前にモニタリングされていない人であると確認された前記人の識別に基づいて検出されたバイオメトリック特性をロギングすることを抑制するか、または抑制するように構成され得る。幾つかのバージョンにおいて、プロセッサは、特定の個人に対するバイオメトリック特性検出を初期化するように構成され得る。選択的に、プロセッサは、新たに検出されたバイオメトリック特性を初期化されたバイオメトリック特性と比較して、人を識別することができる。前記評価は、新たに検出されたバイオメトリック特性と初期化されたバイオメトリック特性とを比較することを含むことができる。
選択的に、前記評価は、前記信号などから決定された特徴などの分類を含むことができる。前記特徴などは、以下のうちの１つ以上を含むことができる：スペクトルピーク比；設定オプティマイザフラグベクトル；ピークトラフ比；フィルタリングされた呼吸数；呼吸変動尺度；センサ信号の帯域内電力；センサ信号の範囲；最終呼吸数；呼吸周期の最大振幅対最小振幅の比；センサ信号の高帯域電力；平均呼吸数；周期的足動き活動検出；ターンオーバーの検出またはターンオーバー検出；及び後処理動き。
選択的に、前記評価は、前記特徴などが心臓パラメータ、ガルバニック皮膚反応パラメータ、運動強度パラメータ、呼吸パラメータ、血圧パラメータ、咳（ｃｏｕｇｈｉｎｇ）パラメータ、いびきパラメータ、睡眠パラメータのうちの１つ以上を含む信号などから決定された特徴などの分類を含むことができる。
前記評価は、決定された特徴と過去の特徴とを比較することを含むことができる。幾つかのバージョンにおいて、評価は、決定された特徴などから一定期間の平均及び／または標準偏差値を計算することをさらに含むことができる。
幾つかのバージョンにおいて、モニタリングシステムの１つ以上のプロセッサは、他のモニタリングシステムから１つ以上のセンサによって検出された受信データを評価する。受信したデータの評価は、複数の健康モニタリング装置などの間の同等のものを感知する決定を含むことができる。各々のモニタリング装置は、設定分類器及び被験者分類器を含むことができ、各分類器は、人を識別するために、信号から特徴を評価するように構成される。被験者分類器は、人を識別するために、過去の特徴を評価するようにさらに構成され得る。健康モニタリング装置またはシステムは、赤外線及び赤外線放出器に感応するカメラをさらに含むことができる。幾つかのバージョンにおいて、健康モニタリング装置のようなモニタリングシステムの１つ以上のプロセッサは、信号からイベントを検出し、前記イベントを含むカメラで撮影されたビデオの特定の部分に前記イベントを関連付けるように構成され得る。前記モニタリング装置またはシステムは、バッテリー及びバッテリーの無線充電用のコイルをさらに含むことができる。
幾つかのバージョンにおいて、前記１つ以上のプロセッサは、動物を示すバイオメトリック特性の検出時に、センサ検出電力、センサ周波数、センサ距離ゲーティングまたは検出のための他の制御パラメータを変更するために、１つ以上のセンサを制御するように構成され得る。１つ以上のプロセッサは、設定パラメータに関連付けられた人の識別に基づいて、光、音及び／または環境機器のうちの任意の１つ以上に対する設定パラメータにアクセスするように構成され得る。前記１つ以上のプロセッサは、識別された人の検出されたバイオメトリックに関連付けられた設定パラメータで、光、音及び／または環境機器のうちの任意の１つ以上の設定をトリガーするように構成され得る。
幾つかのバージョンにおいて、前記システムは、前記センサなどの集合体と通信する中央コントローラを含むことができる。中央コントローラは、構造内の識別された人々の位置確認を提供するように構成され得る。幾つかのバージョンにおいて、１つ以上のセンサは、終夜灯を含むことができる。１つ以上のセンサは、通過コンセントを含むことができる。１つ以上のセンサは、センサに電力を供給するためのＡＣプラグ及びＡＣ電源通過コンセントを含むことができる。１つ以上のセンサは、センサに電力を供給するためのＵＳＢプラグ及びＵＳＢ通過連結アダプダを含むことができる。１つ以上のセンサは、無線または有線ネットワーク通信のためのネットワークインタフェースを含むことができる。
幾つかのバージョンにおいて、１つ以上のプロセッサは、識別された人に基づいて呼吸治療装置の動作を設定するように構成され得る。前記設定された動作は、呼吸治療装置への治療を可能にすることができる。設定動作は、呼吸治療装置の治療を変更させることができるか、又は変更させる。
選択的に、前記１つ以上のプロセッサは、前記識別で評価されたバイオメトリック特性が呼吸治療装置によって処理される場合、前記人の識別のために再トレーニングするように構成され得る。１つ以上のプロセッサは、センサ信号品質の決定時に１つ以上のセンサの動作を調整するように構成され得る。１つ以上のプロセッサは、検出されたバイオメトリック特性の品質評価に応じて人を識別するために、異なるバイオメトリック特性に依存するように構成され得る。１つ以上のプロセッサは、人を識別するためのバイオメトリック特性のベースラインを初期化するための登録プロセスを動作させるように構成され得る。登録工程は、誘導呼吸セッションまたは自発的呼吸セッションを含むことができる。幾つかのバージョンにおいて、１つ以上のプロセッサは、無線周波数干渉が検出されるときに人を識別することに関連付けられたバイオメトリック特性を拒否するように構成される。
本技術の幾つかのバージョンにおいて、システムの１つ以上のプロセッサは、識別された人に基づいて警報の動作を設定するように構成され得る。１つ以上のプロセッサは、１つ以上の他のユーザーからメインユーザーを識別するように構成され得る。システムは、１つ以上のユーザーのパラメータを経時的に追跡して、１つ以上の呼吸特徴、心臓特徴または動き特徴のうちの少なくとも一つに基づいて分類特徴を構築するように構成され得る。一部このような場合に、１つ以上の呼吸特徴、心臓特徴または動き特徴のうちの少なくとも一つは、以下の呼吸パラメータ：範囲、呼吸の変化、形状及び吸気と呼気の比のうちの１つ以上を含む。
選択的に、１つ以上のプロセッサは、分類プロセスで決定された特徴などからユーザーのアイデンティティを分類するように構成され得る。分類プロセスは、神経ネットワーク、隠れ層マルコフモデル、ロジスティック回帰処理、線形カーネルサポートベクトルマシン及びラジアルカーネルサポートベクトルマシンのうちの１つ以上を含むことができる。分類プロセスは、分類に先立って、特徴または特徴セットに関するメイン成分分析を使用することを含むことができる。分類プロセスは、リアルタイム特性及びオフライン特性を含むことができる。分類プロセスは、ユーザーまたはメインユーザーのアイデンティティに関する確率のような出力事後確率を生成するために、複数の分類器及び出力の遅延統合または分類器の出力を含むことができる。
場合によって、システムまたは方法は、同一または異なる人を検出するために配置された複数のセンサを含むことができ、前記システムは、複数のセンサの感知制御パラメータなどのパラメータを自動的に調整することができ、前記パラメータは：範囲、電力、周波数、検出方向及び放射パターンのうちの少なくとも１つを含む。
本技術の他の態様、特徴、及び利点は、本明細書の一部であり、一例として技術の原理を示した添付図面に関連して、以下の詳細な説明から明らかになる。本技術の更なる態様は、添付の特許請求の範囲から明らかになる。
本技術の更なる例示的な実施形態が、添付図面を参照して説明される。
本技術の幾つかのバージョンにおいて、無線周波数センサで実施するために適した例示的な検出装置の図である。 本技術の幾つかのバージョンに適したセンサ信号の評価のための概念的な構造及び工程流れを示した図である。 例示的な生理インジケータの検出のためのセンサ信号の更なる処理を示す図である。 睡眠及び昼間の人間のバイオメトリックを算出するための処理システム及び流れをそれぞれ示した図である。 睡眠及び昼間の人間のバイオメトリックを算出するための処理システム及び流れをそれぞれ示した図である。 バイオメトリック指紋を発生させるための、特性特徴の算出のための処理を示す図である。 アイデンティティの登録（トレーニング）及びその後の検証や拒否のためのシステム処理を示す図である。 アイデンティティの登録（トレーニング）及びその後の検証や拒否のためのシステム処理を示す図である。 １．８ｍ未満の距離で非接触パルス化された連続波ＲＦセンサを利用して記録された睡眠期間（約８．３時間）中の被験者「ユーザーＡ」に対する心拍数及び呼吸数の信号を示す図である。 １．８ｍ未満の距離で非接触パルス化された連続波ＲＦセンサを利用して記録された睡眠期間（約８．３時間）中の図８の被験者「ユーザーＡ」に対する心拍数及び呼吸数ヒストグラムを示す図である。 １．８ｍ未満の距離で非接触パルス化された連続波ＲＦセンサを利用して記録された睡眠期間（６時間をわずかに超える）中の被験者「ユーザーＢ」に対する心拍数及び呼吸数を有する信号を示す図である。 １．８ｍ未満の距離で非接触パルス化された連続波ＲＦセンサを利用して記録された睡眠期間（約８．３時間）中の図１０の被験者「ユーザーＢ」に対する心拍数及び呼吸数ヒストグラムを示す図である。 ０．１Ｈｚのペーシングされる（ｐａｃｅｄ）呼吸周波数に対するＨＲとＢＲとの間のクロススペクトル密度を示す図である。登録は、自発呼吸だけでなく、ペーシングされる呼吸期間を含むことができる。 デフォルト構成で２人の人間をモニタリングする２つのセンサを示した図である。センサが各個人からオーバレイされた呼吸及び心拍数信号を受信することに応じてバイオメトリック品質は低下し、両個人の移動が検出される。 ２人の人間をモニタリングする２つのセンサを示した図である。センサが明確で分離されたバイオメトリックを最大限にするために、範囲と力を最小限にするように構成されることに応じて、バイオメトリック品質は優れている。 デフォルト構成で１人の人間をモニタリングする２つのセンサを示した図である。センサ＿ａが人間＿ｂを「見ており」重複バイオメトリックがセンサのうちの少なくとも１つで検出されることに応じて、バイオメトリック品質が低下する。 明確で分離されたバイオメトリックを最大限にするために、範囲と力を最小限にするようになされた構成で一人の人間をモニタリングする２つのセンサを示した図である。センサ＿ａが節電／検索モードに入る。センサ＿ｂは人間＿ｂの明確なバイオメトリックを検出する。 動物（犬）がルームに入ってベッドに横になっているベッドルームをモニタリングする２つのセンサを示した図である。センサ＿ａが節電／検索モードに入り、同時にセンサ＿ｂは非人間の心拍数及び呼吸数信号をモニタリングする。 他の生命体（例えば、犬）の干渉がありながら、３人の人間をモニタリングする３つのセンサを示した図である。 ユーザーの識別のための例示的な分類システムの処理を示す図である。 ベッドサイド面で検出されたユーザーが予想されたユーザーであることを確認するために、センサデータが比較される睡眠（または覚醒）環境における２人（またはそれ以上の）のユーザーの識別のための例示的な分類システムの処理を示す図である。 本技術によるシステムを示した図である。患者インタフェース３０００を着用した患者１０００が、ＲＰＴ装置４０００から加圧された空気の供給を受ける。ＲＰＴ装置４０００からの空気は、加湿器５０００で加湿され、空気回路４１７０に沿って患者１０００に移動する。ベッドパートナー１１００がまた示されている。 鼻マスク型患者インタフェース３０００を有する患者１０００で使用されているＲＰＴ装置４０００を示す図である。 フルフェイス（ｆｕｌｌ−ｆａｃｅ）マスク型の患者インタフェース３０００を有する患者１０００で使用されているＲＰＴ装置４０００を示す図である。 鼻マスク形態になった非侵襲患者インタフェース３０００を示す図である。 本技術の一形態によるＲＰＴ装置４０００を示す図である。 本技術の一形態によるＲＰＴ装置４０００の空気圧回路の概略的な図である。上流及び下流の方向が示されている。 本技術の一態様によるＲＰＴ装置４０００の電気構成素子の概略的な図である。 本技術の一態様によるＲＰＴ装置４０００で実施されるアルゴリズム４３００の概略的な図である。図９Ｄにおいて、実線の矢印は、例えば、電子信号による情報の実際の流れを示している。 本技術の一態様による図９Ｄの治療エンジンモジュール４３２０によって行われる方法４５００を示したフローチャートである。 加湿器５０００を示す図である。
１．背景
現在の健康管理及び個人健康の未来を窺って見ると、互いに連結されている３つのカテゴリーが明白である：すなわち、（ｉ）私たちの身体からデータを収集してモニタリングする傾向、（ｉｉ）圧迫されている健康予算及び（ｉｉｉ）医療の自動化。
（「定量化された自己（Ｑｕａｎｔｉｆｉｅｄ Ｓｅｌｆ）」の動きに対してアーリーアダプダから）ますますより多い健康教育を受けるようになるにつれて、人々はより長く生きており、彼らの医者に、より多いことを要求しており、「パワーカーブ（ｐｏｗｅｒ ｃｕｒｖｅ）」が消費者に向かって移動しているといういくつかの証拠がある。この空間にある製品が成功的になるためには、製品は、製品を人の人生に付属しなければならず、必須品になるべきである。予防は、治療よりもはるかに安価であり、健康システムは−医者が誰かをよく守ってくれる対価として支払って受けるが、人が病気になると支払って受けることができない（すなわち、西洋の世界で医学が支払った典型的な方法と対照的な）古代中国システムにより−結果ベースの措置に移行するべきである。
医療機器及びサービスのぼやけは、医学の自動化及びエキスパートシステムの出現につながっている。このような変化によって、支払者（例えば、保険会社）は、資金調逹の格差を解消し、計画された方式で病院入院を事前対比的に管理することを追求することができるので、家庭の慢性疾患をモニタリングする能力が容易になっている。
２．ユーザーアイデンティティ
従って、偽装したことを避け、識別されたユーザーのバイオメトリック及び行動データの非正常的な変化を検出するために、ユーザー特定のパターン（すなわち、ユーザーを識別すること、ここでは、一般的なバイオメトリック「指紋」という）を識別することができるシステムが必要である。
実際の人間の指紋またはたぶん虹彩スキャンとは異なり、本発明で言及された「バイオメトリック指紋」は、必然的にユーザーのアイデンティティの曖昧な（より正確でなない）推定であり、２つのバイオメトリック及び行動様相の両方を含むという点に留意しなければならない。そのような生理学的及び行動的パラメータは（例えば、ユーザーがより痛くて、より健康になり、他の生活変化を経験することによって）、時間の経過と共にユーザーごとに進化すると予想される。
概要されたシステムは、ユーザー特定のパターンを検出することができることに意図される。使用の例は、ユーザーの健康及び身体鍛錬レベルを改善または管理するとか治療法遵守を奨励するために（例えば、保険料、または支払い資格を減らすために、または追加負担金を減らすために）、ユーザーを認証し、処方された治療を遵守するかどうかを潜在的に確認し、及び／または支払いまたはその他インセンティブを認可することを含む。場合によって、特定のユーザーの検出は、（例えば、センサを利用して互いに異なるセッションなどの間で）バイオメトリック健康パラメータが以前に検出される現在のユーザーが、健康パラメータが以前に検出された以前のユーザーと同一であることを保障するために使用され得る。このような場合、複数のセッションから過去から検出された健康パラメータの分析は、異なるユーザーの健康パラメータと混じっていない単一のユーザーのものとして確認され得る。従って、検出されたパラメータのセンサ記録は、以前に識別されたユーザーのバイオメトリック確認／認証に基づくことができる。
本技術は、ソフトウェアアルゴリズム（複数）のようなプロセス、及び１つ以上のセンサ及びサービスからデータを読み取り、データを処理し、新たに収集されたデータ及び以前に収集されたデータセットに基づいてシステムパラメータを適応させるシステムに関する。このようなセンサのうちの一部またはすべては、システムの最終ユーザーから生理学的データ読み取り値を収集する。
このようなソフトウェアアルゴリズム及びシステムの一例は、歩行計数用加速度計（複数）、コンパス（複数）、全地球測位システム（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ：ＧＰＳ）（位置設定／位置認識）及び心拍数測定モニターのような内蔵したセンサを有するスマートフォンを含むことができる。他の例示的なシステムは、（動き測定用）加速度計、（例えば、光学またはその他の方法を使用する）心拍数モニター、ガルバニック皮膚反応（ｇａｌｖａｎｉｃ ｓｋｉｎ ｒｅｓｐｏｎｓｅ：ＧＳＲ）測定装置、（例えば、フォトプレチスモグラフィック信号から導出された）血圧モニター、及び／または（例えば、前述または本明細書で論議された無線ＲＦバイオモーション（生体運動）センサに基づく）呼吸センサを含むことができる。
追加のデータは、無線リンクを介して「ラボオンチップ（Ｌａｂ ｏｎ ｃｈｉｐ）」付着モジュールによってユーザーから、または、例えば、ＲＦＩＤ（ｒａｄｉｏ ｆｒｅｑｕｅｎｃｙ ＩＤ、無線周波数ＩＤ）のような識別チップを介して薬物分配器から直接、または肺活量計（ピーク流量計）のような測定装置から収集され得る。
３．生理学的及び行動情報の検出
一実施形態において、ユーザーがベッドにいる間に心拍数、呼吸数、（例えば、浅い／喘ぎまたは深い）呼吸深度のような生理学的パラメータ、動き度（動きの程度）及びその他の関連するパラメータを収集する装置が、ベッドサイド（またはベッドの中または下または上に、またはユーザーに着用されて）の側に配置され得る。
システムは、ユーザー入力を必要とせずに連続的に作動することができる。例えば、デバイスは、ユーザーがそばにいてもいなくても（例えば、常に）、センサが（例えば、２４時間、７日、一週）感知するようにそれの動作をトリガー、させない。これに関して、距離ゲーティング（ｒａｎｇｅ ｇａｔｅｄ）ＲＦセンサのようなデバイスは、メインユーザーと他のユーザー（複数）を区別するために空間（例えば、ベッドルーム）を連続的にモニタリングすることができる。システムは、動きパターン及び呼吸（例えば、範囲、呼吸対呼吸変化、形状、吸気対呼気の比）に基づいて特徴の分類を構築するために、時間の経過と共にユーザーのパラメータを追跡することができる。従って、システムは、分類特徴を構築するように構成され得る。
システムは、持続的にシステムのメイン（支配的な）またはプライマリユーザーを追跡することができ、差分特徴を構築することができる。また、システムは、ユーザーが寝ているベッドサイドとユーザーが毎週寝る時間などのようなユーザーの習慣を追跡することができる。システムは、神経ネットワーク（例えば、隠れ層マルコフモデル）のような分類器を使用するか、より簡単な実施のために分類特徴を決定するロジスティック回帰（ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ）を使用することができる。オフライン及びリアルタイムの両方で被験者分類特徴は、システムにとって検出された人が、ユーザーまたはユーザーのパートナーのような他のユーザーである確率を決定できるようにすることができる。オフライン処理は、また、感知／モニタリングセッションの間に計算／決定され得るリアルタイムパラメータに基づいてシステムを再トレーニングさせることができるようにする。これに関して、リアルタイム分類は、ユーザーがセンサの感知範囲で感知される間に行われ得る。感知／モニタリングセッションの以後に計算／決定され得るオフラインパラメータのようなオフライン処理は、ユーザーがこれ以上センサの範囲内にいなくなったときに、以前に感知されたデータを使用して行われ得る。オフライン特徴（または複数のオフライン特徴）またはオフラインパラメータは、オフライン処理の産物である。例えば、ごく最近のデータ（「リアルタイム」）に基づいて計算及び／または分類する代わりに、オフライン処理ステップは、全体モニタリング／感知セッション（例えば、夜間）または複数のセッションなど（例えば、夜間など）の事後（ｐｏｓｔ ｈｏｃ）分析を可能にする。このような処理は、例えば、ベッドパートナーが覚醒してベッドルーム／センサ領域を離れた後に行われ得る。このようにすると、夜間／睡眠セッション（複数）のすべてのデータの広範囲な検討が提供され得る。リアルタイム特徴またはリアルタイムパラメータは、計算されることができ、及び／または、例えば、特定の感知／モニタリングセッション中にごく最近のデータを有した分類に適用され得る。
線形カーネルまたはラジアルカーネルサポートベクトルマシン（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ：ＳＶＭ）のような分類のための他の技術が実現され得る。特徴の計算は、非常に類似している多数の特徴が使用される場合に、分類に先立って特徴集合を「白くする（ｗｈｉｔｅｎ）」（すなわち、更なる処理の前に次元数データのようなすべての冗長データを減らす）メイン成分分析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ：ＰＣＡ）を使用して最適化され得る。複数の分類器が使用され得るが、出力事後確率を形成するために、出力の「遅延統合」を使用することができる。
複数のセンサに適用されるとき、（例えば、ベッドのいずれかの側に置かれた）複数のセンサから同一または異なる人を検出し、ネットワークを介してデータを共有することによって、範囲、電力、周波数、検出方向及び／または放出された放射パターンのようなセンサパラメータは、病棟内の患者のような多数の人々が存在することができる領域を支援するように自動的に調整され得る。これに関して、放出された放射パターンは、検出パターンまたは検出領域（すなわち、３次元（３Ｄ）感知空間−センサの後ろに存在し得る任意の後方突出部（ｌｏｂｅ）を含む）に関連する。検出パターンは、範囲及び方向に関連する。センサは、（例えば、近距離及び遠距離ゲーティングを有する）センサの範囲、センサの放出された電力レベル（遠距離ゲート内でさえもＳＮＲ（信号対雑音）が低くなる可能性があるため、効果的な更なる検出が以前よりもはるかに近くなるので、これも範囲に影響を及ぼすこと）を調整するように調整され得る。電力は、感知環境に人がいないとき、電力は低い電力／バッテリー使用のための省エネルギーにも関連することができる。無線周波数誘電体共振発振器（ｄｉｅｌｅｃｔｒｉｃ ｒｅｓｏｎａｎｔ ｏｓｃｉｌｌａｔｏｒ：ＤＲＯ）は、センサに使用される場合、相当な電力を消費することができる。周波数は、（例えば、干渉を避ける）共存または異なる国の規制要件のために変わることができる。自動化された検出方向は、デバイスのセットアップを劣悪にさせる（例えば、最適に第１のユーザーを指さないと、システムは、ユーザーに実際の適切なセットアップを移すように促すことなく、このセットアップに自動的に適応することができる）。例えば、センサは、周波数及び放出特性を制御され、可逆可能な方式で動的に修正することができる再構成可能なアンテナを有することができる。
従って、システムは、ＲＦのような非接触センサから、例えば、運動、呼吸及び／または心拍数のパラメータを検出することによってユーザーを検出し、認証するように構成され得る。
例えば、図１に示したように、本技術の幾つかの実施形態は、装置の近傍にいるユーザーまたは患者の生理学的特性を検出するために有用な感知または検出装置１００を実現することができる。センサは、独立型センサであり得るか、または装置のセンサによって検出された生理学的特性の分析に基づいた自動化された治療回答を提供するために、呼吸治療装置のような他の装置と結合され得る。例えば、コントローラ及びフロージェネレーターを備えた呼吸治療装置は、このようなセンサで構成されることができ、センサによって検出された生理学的特性に応答して患者インタフェース（例えば、マスク）において行われる加圧治療を調整するように構成され得る。例示的な呼吸治療装置は、２０１５年７月３１日付に出願された国際特許出願第ＰＣＴ／ＵＳ２０１５／０４３２０４号に開示されており、その全文は、本明細書に参照により組み込まれる。
このような装置の典型的なセンサは、距離ゲーティング感知のための無線周波数パルスのような無線周波数の波を放出するために送信器を使用することができる。送信器との組み合わされた装置にオプションで含まれることができる受信器は、反射されたバージョンの波を受信し処理するように構成され得る。受信された反射信号に基づいて生理学的特性を導出するために、センサを活性化させる装置のプロセッサのような信号処理が使用され得る。
例えば、図２Ａに示したように、送信器は、被験者、例えば、人間に向かって無線周波数信号を送信する。一般に、ＲＦ信号のソースは、局部発振器（ｌｏｃａｌ ｏｓｃｉｌｌａｔｏｒ：ＬＯ）である。次いで、反射された信号は、原の信号の一部と共に受信され、増幅され、ミキシングされ、このミキサーの出力は、フィルタリングされ得る。結果信号は、人の動き、呼吸及び心臓活動に関する情報を含んでいることができ、未加工（ｒａｗ：ロー）動作センサ信号と呼ばれる。
図２Ｂは、生理学的特性のインジケータを生成するために、未加工センサ信号のいくつかの潜在的な処理を例示するダイヤグラムである。未加工信号は、一般に、身体動き、呼吸及び心臓活動の組み合わせを反映する成分を含む。身体動きは、例えば、ゼロクロス（ｚｅｒｏ−ｃｒｏｓｓｉｎｇ）またはエネルギー包絡線検出アルゴリズム（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識別されることができ、これは、「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ために使用され得る。例えば、このような動き検出アルゴリズムは、米国特許出願公開番号第２００９／０２０３９７２号に開示された方法に従って実施されることができ、この全文は、本明細書に参照により組み込まれる。呼吸活動は、典型的に０．１〜０．８Ｈｚの範囲であり、その領域の通過帯域を有した帯域通過フィルタで元の信号をフィルタリングすることによって導出され得る。心臓活動は、より高い周波数の信号に反映され、このような活動は、１〜１０Ｈｚの範囲の通過帯域を有する帯域通過フィルタでフィルタリングすることによってアクセスされ得る。
このような呼吸及び動きセンサは、距離ゲーティングされたＲＦ動作検出器（ｍｏｔｉｏｎ ｄｅｔｅｃｔｏｒ）であり得る。センサは、ＤＣ電源入力を受けて、検出範囲内の人の呼吸及び動き信号の同位相及び直交成分の両方を有する４つのアナログ動作チャンネル出力を提供するように構成され得る。パルス化されたＲＦモーションセンサの場合、距離ゲーティングは、所望の区域または範囲のみに動き検出を制限するために役に立つことができる。従って、センサを利用した検出は、センサから規定された距離内で行われ得る。
他の例として、使用されるセンサのタイプは、前述のＭｃＥｗａｎ及びＭｃＭａｈｏｎの特許文献に記載された技術のうちの少なくとも一部を使用する無線周波数ＲＦベースの、例えば、ＲｅｓＭｅｄのＳｌｅｅｐＭｉｎｄｅｒ非接触センサファミリであり得る。本明細書中に参考として組み込まれる国際公開ＷＯ２０１０／０３６７００、ＷＯ２０１０／０９１１６８、ＷＯ２００８／０５７８８３、ＷＯ２００７／１４３５３５及びＷＯ２０１５／００６３６４に記載された測定及びデータ処理技術がまた、使用され得る。さらに、加速度計、圧電またはＵＷＢ（ＲＦ Ｕｌｔｒａ Ｗｉｄｅ Ｂａｎｄ：ＲＦ超広帯域）マットレス、受動赤外線または皮膚色及び動き検出機能があるカメラのような他の光学手段を使用する代替技術も使用され得る。例えば、デバイスは、米国特許出願公開第２００９／０２０３９７２号、国際特許出願第ＰＣＴ／ＵＳ１４／０４５８１４号；２０１５年４月２０日付に出願された米国仮特許出願第６２／１４９、８３９号及び本願と同日付で出願された米国仮特許出願第６２／２０７、６７０号のうちのいずれかの文献に開示されている任意の方法及びセンサに従って、動き検出アルゴリズムまたはセンサ技術を実施することができ、これらの全体開示内容は、それぞれ本明細書中に参照により組み込まれる。さらに、２０１５年８月１４日付に出願された米国仮特許出願第６２／２０５，１２９号に記載された任意の無線周波数センサは、本発明技術の任意のバージョンで実施されることができ、その全体開示内容は、本明細書中に参照により組み込まれる。
呼吸数、慢性咳またはいびきと一致するサウンドパターンをモニタリングして分類し、これらをファン、道路雑音及びこれと類似のような背景雑音から分離するために、マイクロフォンがまた、使用され得る。例えば、昼間の昼寝の間に行われることもできるが、これは「夜間睡眠」モニタリングと呼ばれ、ユーザーの睡眠環境でユーザーを対象にする。また、呼吸数及び心拍数、及び他のそのような生理学的信号は、非接触または接触関連技術に基づいたセンサのような代替センサを使用しても検出され得る。
ユーザーがベッドから出るとき、ユーザーの生理学的パラメータは、身体ウェアラブルセンサによって選択的にモニタリングされ得る。例えば、これは、クリップベースデバイス、スティックオンパッチ（皮膚またはラボオンチップ）または腕時計スタイルデバイスであることができ；収集されたセンサパラメータは、（加速度計を介した）動き及びステップ、位置、ガルバニック皮膚反応（ｇａｌｖａｎｉｃ ｓｋｉｎ ｒｅｓｐｏｎｓｅ：ＧＳＲ）、（光学、電気または動き手段による）心臓及び呼吸数及びその他の関連したパラメータの一部または全部を含む。これは「昼間／覚醒モニタリング」と呼ばれ、ユーザーの覚醒している活動の中でユーザーを対象にする。このようなデバイスは、ＦｉｔＢｉｔ、Ｂａｓｉｓ、Ａｐｐｌｅ、Ｗｉｔｈｉｎｇｓまたはその他の製品のようなイヤークリップ、腕時計またはリストバンドフォームファクター内にあり得る。
１つ以上のセンサからのバイオメトリックデータは、また「生存性（ｌｉｖｅｎｅｓｓ）」、すなわち、生きている人間の検出の信頼度をさらに高めるために、または顔認識、皮膚色検出及び／またはマイクロブラッシュ検出のような技術を使用して特定のユーザーを識別するために、ビデオ／カメライメージデータと融合され得る。データのこのような融合は、更なる因子を分析するために加えることができる。例えば、皮膚色検出は、顔認識、ジェスチャー認識及びその他の応用例における第１のステップとして使用されることができ、スケーリング、回転及び咬合に非常に堅牢である。
幾つかの実施形態において、昼間及び／または夜間の呼吸数は、ベルトまたはブラジャー、胸部バンド（例えば、ｓｐｉｒｅ．ｉｏデバイス）、鼻カニューレにクリップされた加速度計のようなウェアラブル呼吸センサによって、または、ＰＰＧ（ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ：光電容積脈波）信号から波形を抽出して捕捉され得る。このようなデータは、本明細書に説明されたバイオメトリック識別にも関与され得る。
移植可能な（すなわち、モニタリングされる人の中に移植された）装置からの圧力及びその他のデータをシステムによって収集された値と組み合わせることが可能であることを分からなければならない。また、ベッドルームの外部で収集されたベースラインデータを互いに相関させることが可能である。従って、１つ以上のセンサからのデータは、例えば、特定のユーザーに起因することができる検出されたバイオメトリックデータのベースラインを確立し、及び／または新たに検出されたデータを以前に収集されたデータと比較して新たに検出されたデータが特定のユーザーに起因することを確認することにより、人／ユーザーのバイオメトリック確認／識別時に評価され得る。従って、システムは、現在パラメータを過去パラメータと比較することができる。
システムは、接触センサ読み取り値（例えば、身体ウェアラブルセンサからの読み取り値）及び非接触センサ（例えば、ドップラ、ＲＦセンサ）からのデータだけでなく、ビデオ検出システムからのビデオ／カメライメージデータを集計及び／または組み合わせることができる。従って、システムは、ユーザーのライフスタイルに合うように集合的２４／７作動またはその一部を行うことができる。
本明細書で記述されるアルゴリズム及び方法は、データベース記憶装置にアクセスする、例えば、コンピューティング装置（例えば、ＰＣ、サーバー、クラウドサービス、スマートデバイスアプリケーションまたは変形体）上の１つ以上のプロセッサで実施され得る。アルゴリズムは、一つまたは複数のデータソースを分析する分類システムに基づくことができ、データベースに記憶された過去データを引き出すことができる。規則閾値、テンプレート及び／または格納されたモデルは、ユーザー特定及び人口ベースの人口統計データに基づいた適応的な確率重み付け値に基づいて変更され得る。
３．１ センサフィードバック
システムは、フィードバックループを（例えば、ＰＣまたはスマートフォンまたはタブレットのようなスマートデバイスを介して）ユーザーまたは第３者に提供することができ、選択的には、検討、認証及び選択的仲裁のためにモニタリングセンターに提供することができる。システムは、また、様々な呼吸の問題を有したユーザーを助けるために使用される持続性気道陽圧（ｃｏｎｔｉｎｕｏｕｓ ｐｏｓｉｔｉｖｅ ａｉｒｗａｙ ｐｒｅｓｓｕｒｅ：ＣＰＡＰ）、適応補助換気装置（ａｄａｐｔｉｖｅ ｓｅｒｖｏ ｖｅｎｔｉｌａｔｉｏｎ：ＡＳＶ）及び／またはバイレベル気道陽圧（バイレベル）マシンのような治療装置の治療効果に対するフィードバックを提供することができる。このような装置は、本明細書でより詳細に説明される。
幾つかの実施形態において、センサは、ＣＰＡＰ装置、例えば、フロージェネレーターまたはこれと類似の（例えば、呼吸圧力治療（Ｒｅｓｐｉｒａｔｏｒｙ Ｐｒｅｓｓｕｒｅ Ｔｈｅｒａｐｙ：ＲＰＴ）装置のような呼吸治療装置と共に統合されるか、呼吸治療装置内に統合され得るか、または一緒に通信するように構成され得る。例えば、治療を受ける人のバイオメトリックを検出すると、システムは、予想されたシステムのユーザーが正しい治療法を受けていたかどうかをクロスチェックすることができる。従って、システムは、ＰＡＰデバイスの治療法を、例えば、識別に基づくＣＰＡＰ、ＡＳＶまたはバイレベルマシンにおける予想されたマシンパラメータ（圧力または流動プロトコルなど）で選択的に再構成することが可能にすることができる。また、システムは、予想された人（例えば、以前に検出され識別されたユーザー）が識別されることができない場合、モニタリングセンター及び／またはユーザーに警報をフラグで知らせることができる。このような治療装置の一例は、本明細書の以前セクション及び後続セクションでより詳細に説明される。
同様に、予想されるバイオメトリックが検出されるとき、被験者の呼吸数及び心拍数は、特定のユーザーに治療法をよりうまく適応させるためにシステムによって利用され得る。例えば、上昇した心拍数を検出すると、システムは、心拍数を予想される範囲内に減少させるために、呼吸を補助してくれるデバイスに特定の呼吸曲線を入力することができる。
幾つかの実施形態において、ＣＰＡＰ、バイレベル、ＡＳＶまたは他の治療法に対する心拍数フィードバックが受信されるとき、治療法が使用中である場合及び使用されていない場合の両方も心拍数の増加を追跡し、（不整脈を示すことができる）心拍数の不規則な変動の増加を追跡し、及び／または心拍数力学及び呼吸数力学の長期傾向を追跡することが可能である。
このような方式で、フィードバックをモニタリングサーバーに提供することが可能である。
職場健康環境において、そのようなバイオメトリックデータは、モニタリングシステムの濫用を低減及び／または防止することができる。例えば、鉱夫またはトラック運転手は、睡眠呼吸障害スクリーニング、診断、モニタリング及び睡眠品質分析装備をこれらの居所またはバンク（例えば、車両の運転席／寝棚）に設置することができる。いくつかのタイプのセンサは、ベッドサイド、上または下ではないベッド上に置かれることができる。特定の被験者／ユーザーが説明されたバイオメトリックで実際にモニタリングされていることを確実にすることにより、モニタリング情報は、（すなわち、すべてのユーザーが割り当てられたバンクで寝ていることを保証する）ロスタリングシステム（ｒｏｓｔｅｒｉｎｇ ｓｙｓｔｅｍ）のような中央システムに供給されることができ、例えば、意図された／識別された人に十分な睡眠が確実に確保されるように実施され得る。これに関して、システムは、疲労管理システムを参照して、バンクで寝ている人を検出し、睡眠品質を追跡することができる。一例において、ユーザーが睡眠時無呼吸症を有することができるが、ユーザーの治療に順応しないことができる（例えば、ＣＰＡＰマスクを着用しないことができる）。このように、（特に、労働安全衛生上の理由で治療法を使用するべきであると）、システムは、ユーザーのリスクが高いという警報を出すことがある。幾つかの実施形態において、システムは、ユーザーを追跡及び／または識別する前に、システムのユーザーまたはオペレータから許可を要求することができる。
一般に、幾つかのバージョンにおいて、感知されたバイオメトリックデータが（例えば、分類された「指紋」によって）特定の人物に属するものとして識別されると、バイオメトリックデータは、その人のアイデンティティと関連して、例えば、データベースに記憶され得る。
昼間、重機械の専門運転手及び／またはオペレータまたは安全が重要なアプリケーションにいる他の人（例えば、航空交通管制官）は、Ｐｌｅｓｓｅｙ ＥＰＩＣ容量性センサ、レーダまたはウェアラブルデバイスのような生理学的センサを使用してモニタリングされ得る。
「覚醒している」及び「寝ている」データの例示的な収集は、以下に説明される。「覚醒している」からの信号収集方法は、「寝ている」にも適用されることができ、その逆の場合も同様である。
４．「覚醒している」時間データ収集
システムによって情報がどのように利用されるかの例は、以下の通りである：
４．１ 心拍数
ａ．心拍数（Ｈｅａｒｔ ｒａｔｅ：ＨＲ）データは、連続または半連続的にユーザーから収集される。これは、胸部バンド（例えば、Ｐｏｌａｒによって提供されるようなスポーツモニタリングバンド）、または心拍数モニタリングを実施する腕時計（例えば、Ｂａｓｉｓ時計、携帯型ＥＣＧ、光電容積脈波（ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｍ）、心弾動図（ｂａｌｌｉｓｔｏｃａｒｄｉｏｇｒａｍ）またはこれと類似の）を介して行われ得る。理想的に、低いユーザー衝撃デバイスが使用されるが、これは長期間（数日、数ヶ月または数年）にわたる毎日モニタリングに適する。
ｂ．ＨＲデータは、製品心拍数変動性（ｈｅａｒｔ ｒａｔｅ ｖａｒｉａｂｉｌｉｔｙ：ＨＲＶ）推定値を生成するために分析される。
ｃ．記録されたＨＲＶパラメータ（例えば、心拍数の短期及び長期変動）は、正常被験者及び慢性疾患被験者の過去パラメータ及び人口統計（予想）パラメータと比較され、特徴は、分類器に提供される。また、信号の低域フィルタリングに基づいて、より円滑なバージョンのＨＲＶが利用されることができ；これは、メインに長期間の変動の分析及び傾向除去されたバージョンとの比較に使用される。
４．２ ガルバニック皮膚反応
ａ．ガルバニック皮膚反応（Ｇａｌｖａｎｉｃ ｓｋｉｎ ｒｅｓｐｏｎｓｅ：ＧＳＲ、皮膚電気反応（ｅｌｅｃｔｒｏｄｅｒｍａｌ ｒｅｓｐｏｎｓｅ）としても知られている）は、ウェアラブルデバイス（例えば、Ｂａｓｉｓ時計または他の市販のＧＳＲ測定装置）で記録することができる。
ｂ．ＧＳＲ信号は、交感神経の「戦闘または飛行」活性化の代理測定値として使用される。
ｃ．抽出されたＧＳＲ信号とＨＲＶ信号を組み合わせると、交感神経活性化と副交感神経活性化との間の比を推算することができる。交感神経対副交感神経活性化のこのような均衡は、システムによる正常対疾病進行状態（例えば、副交感活動の減少による増加された交感神経活動）の推定者として使用される。
４．３ 運動強度
ａ．運動強度と持続期間の変動は、「昼間」センサから捕捉され、データベースに記録され、特定の傾向及び変動について分析される。
ｂ．概日リズム／眠気の重複されたモデルは、一日中の活動と静止の明確なパターン（例えば、ベッドから出た後、出勤、その後に早朝にコーヒーブレーク、その後に会議への歩行、ランチタイムの散歩、続いて午後の眠気［最も強い睡眠駆動は、一般的に午後１時から３時の間に起こる］、休息中の活動、家に退勤、夕方に読書／テレビ視聴中の活動減少及び睡眠時間中の更なる減少［最も強い睡眠欲は、一般的に午前２時から４時の間に起こる］のような時間の間に会社員の活動の増加）を示すことができる。
ｃ．エネルギー消耗は、ステップカウンタと共に心拍数とＧＳＲデータを組み合わせて推定され得る。代替的に、運動強度の代用として（例えば、Ｎｉｋｅ Ｆｕｅｌ Ｂａｎｄ、ＦｉｔＢｉｔ、Ｊａｗｂｏｎｅ Ｕｐまたはこれと同様のウェアラブルデバイスを使用する）独立型ステップカウンター（万歩計）を使用することができる。
４．４ 呼吸パラメータ
ａ．呼吸数、深度及び活動（下記の「睡眠」セクションで説明する）
４．５ 血圧パラメータ
ａ．ウェアラブル光電容積脈波ベースセンサから導出される
５．「睡眠」時間データ収集
「睡眠モニタリング」情報がシステムによってどのように利用されるかの例は、以下の通りである：
５．１ 呼吸数、深度及び活動（運動）レベル
アルゴリズムは、ユーザーの息（呼吸）数及び力学関係のパターンを検出するように実施される。アルゴリズムは、日、週、月及び／または年にわたって人のベースライン呼吸数、動き特性及び呼吸波形形状を適応的に追跡して呼吸力学のプロフィールを構築することができる。
アルゴリズムモジュールは、ユーザーに対する適応的ベースラインを生成し、一定期間（例えば、２４時間）にわたる中央値、平均、四分位範囲、歪度、尖度、最小及び最大呼吸数のような呼吸数パラメータをよく見て、メインに（しかし、排他的ではない）人が眠っている時を目標とする。さらに、吸気／呼気波形形状と短期、中期及び長期の呼吸変動が追跡される。ユーザーのベースライン体力もこのような読み取り値に影響を与えることができる。
呼吸による胸部の動き、揺れ感知及び解除、ベッドで転がし、及び（例えば、肉体的な刺激または不快感による）スクラッチングを含んだ多数の行動による粗くて微細な動き検出によって誘発されたものを含めて、生理学的の反復的及び可変的動きを決定するためのアルゴリズム処理ステップ及び関連するデジタル信号処理のグループとして、「覚醒している」モニタリングにおいて行われる活動検出と幾つかの重なりがある。
５．２ 心拍数
心拍数は、また、接触（例えば、光学的方法を使用するＢａｓｉｓ時計のようなウェアラブルデバイスまたはＥＣＧ電極及び装置）から、または、（心弾動図信号―皮膚表面から非侵襲的に検出された心臓の機械的動きから導出される）ウェーブレットベースの時間−周波数変換のような技術を利用するＳｌｅｅｐＭｉｎｄｅｒのような非接触センサから「夜間」ベッドルーム環境で推定され得る。
５．３ 咳といびき
マイクロフォンを介して記録されたオーディオ信号のデジタルサンプリングを利用して、アルゴリズムはいびき、鼻詰まり（ｓｎｕｆｆｌｉｎｇ）、咳または呼吸困難の特徴的なパターンを検出することができる。これは、デジタルフィルタバンク、周波数分解及び「バースト的（ｂｕｒｓｔｙ）」雑音の探索、すなわち、スペクトル分析を使用した「咳署名」の探索を使用して、または、形態学的処理を使用して実現される。これらのイベントは、選択的に動き及び呼吸パターンとクロス相関される。
６．信号処理
イン−ベッド（ｉｎ−ｂｅｄ）モニタリングの１つの例示的な実現のために、本発明は、適切なＡＤＣモジュールを使用してデジタル化された無線周波数ＲＡＤＡＲによって記録された２つのチャンネル（同位相Ｉ及び直交Ｑ）信号を分析する。これらのＲＦ信号は、連続波であるか、またはパルス化することができる（例えば、ＲｅｓＭｅｄのＳｌｅｅｐＭｉｎｄｅｒ５．８ＧＨｚ及び１０．５２５ＧＨｚセンサ、ＦＭＣＷ方法を使用する装置またはその他のものに適用され得る）。幾つかの場合において、センサは、米国特許出願公開第２０１４／００２４９１７号に開示されたセンサであることができ、その全文は、本明細書中に参照により組み込まれる。信号は、フィルタバンクに供給され、フィルタバンクで帯域通過フィルタリングを含めた一連のデジタルフィルタが適用されて低周波の揺れ情報を感知して除去する。２つのチャンネル内の位相情報は、比較されて時計回り／反時計回りのパターンを生成する。信号フォールドオーバ（ｆｏｌｄｏｖｅｒ）を抑制するためにヒステリシス及びグリッチ検出が適用され、その結果、信号は、センサの基準フレームに対する動き源（動きソース）の相対的方向を表す。ピーク／トラフ検出及び信号追跡は、この処理を補助するために追加で使用される。従って、システムは、動きがセンサに向かってまたはセンサから遠ざかって移動するかどうか、方向が変わるかどうかを決定することができる。
信号のスペクトル内容の計算は、高速フーリエ変換及びピーク検出（周波数領域）を使用して行われるかまたは例えば、離散化連続ウェーブレット変換（ｄｉｓｃｒｅｔｉｚｅｄ ｃｏｎｔｉｎｕｏｕｓ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ）、適切なベーシス選択及びピーク検出を使用する時間−周波数処理を通じて行われる。残余低周波成分は、また、より長い時間尺度傾向を決定するために処理され得る。
チェーンストークス呼吸（Ｃｈｅｙｎｅ−Ｓｔｏｋｅｓ Ｒｅｓｐｉｒａｔｉｏｎ）のような循環的または周期的パターンを含む睡眠呼吸障害（ｓｌｅｅｐ ｄｉｓｏｒｄｅｒｅｄ ｂｒｅａｔｈｉｎｇ）のパターンは、状態の悪化を引き起こすこと以外に、ユーザー認識の側面を提供することができる。このようなＳＤＢ症状の発現が検出されると、ＣＰＡＰのような治療法を後続適用することを分かっているシステムは、変化するバイオメトリックを認識するように自動的に再トレーニングを受けることができることを知るべきである（すなわち、ＣＰＡＰ治療法介入の事前及び事後検証を確認する）。従って、呼吸／心臓／動き活動に影響を及ぼす疾病状態が治療されると、システムは、確認プロセスを再調整／再トレーニングすることができる。
心房細動及び震い（発作を含む）、心室頻脈及びその他のもののような心臓パターンは、また、アイデンティティ認識の側面を提供することができる。そのような場合、治療法に関連するシステムへの入力は、ユーザーが自己の不整脈に関する治療を捜すと、アイデンティティ検出失敗を減らすことができる。
７．「指紋」生成
可能な多数の入力信号を処理する重要な側面は、各信号の信号品質の確固な推定値である。ユーザーのバイオメトリック「指紋」を推定し、このバイオメトリックマーカーが健康状態から病気状態に進化することを追跡して捕捉することが好ましいように、信号が品質が悪いか、変質されたものであるかまたは好ましくないように加工され得る（すなわち、操作され得る）ことが認識される。劣悪な信号品質は、必ずしもセンサ間の干渉によって引き起こされるではない。例えば、ウェアラブル心臓モニターは、身体に不適切に接触して使用することができないか、誤読された信号を誘発することができる。同時に着用された他の運動センサからのデータと関係して比較することは、センサの位置が間違っているために長期間疑心される信号品質に対比して、身体の動きによる間歇的な劣悪信号（例えば、他のセンサ（複数）を撹乱する動きによって潜在的に予想される信号損傷）を区別するために役に立つことができる。
ユーザーは、ユーザー自己ではない何らかの他の人為的または自然的動きソース上にステップカウンターを置くことによって、ステップカウンターを欺いて、人為的に高い読み取り値を提供するように決定することができる。検出された動き及び／または他のパラメータの時間変動統計は、ユーザーの予測されたバイオメトリック「指紋」と区別し、無効または改ざんされた値をフラグで知らせるために使用され得る。
パターン認識プロセスを管理するシステムは、複数の入力パラメータを受け入れることができ、品質推定器が実行されて任意の劣悪な品質データを破棄またはフラグ付けしたと推定する。入力データは、寸法的に重複され得るということと、追後処理に先立ってこのような任意の重複性を減らすために、ランダム化されたＰＣＡ（メイン成分分析）のようなプロセスが適用され得るということが認識される。
図３は、睡眠環境における人間のバイオメトリック（または複数のバイオメトリック）を計算するためのシステムを概略的に示す。アナログセンサの場合、データはＡＤＣによってデジタル化され、デジタルセンサの場合、信号は直接使用され得る。帯域通過フィルタリングを使用して雑音ソース（例えば、メインな５０／６０Ｈｚ）をフィルタリングすることのような前処理が行われる。心拍数、呼吸数及び動き／活動は、時間周波数方法を使用して（例えば、短時間フーリエ解析またはウェーブレット解析を使用することによって）抽出される。従って、睡眠環境における運動及び呼吸信号（生理学的信号）の存在は、距離ゲーティングされた運動センサモジュール（またはピエゾベースマットレスセンサまたはリスト着用センサなどのような他のタイプのセンサ）のようなフィールドセンサによって検出される。次いで、生理学的信号が含まれた分解された運動信号に対して睡眠段階が行われる。バイオメトリック特徴が抽出され、「指紋」／バイオメトリックは推定され、人間が以前にシステムに知られているかどうかにかかわらず、人間であるか否かに分類される。行動データには、睡眠持続時間の長期傾向（例えば、平日／週末変動の典型的な長期傾向）、就寝時間（平日／週末）、睡眠効率、覚醒回数、入眠するまでにかかる時間（入眠潜時）、ＲＥＭと深い睡眠の割合など−これらは、週末に社会活動するユーザーの行動によって、例えば、自発的な睡眠制限によって影響を受けるものなどである−を含む。
図４は、生理学的パラメータから人間のバイオメトリック特性を計算し、選択的に、行動特性（例えば、昼間活動、位置、一日中の特定の時間帯の心拍数／呼吸数の急増または変動のパターンなど）を組み合わせるシステムを概略的に示す。昼間信号には、行動データだけでなく、生理学的信号も含まれることができる。使用可能なセンサ及び所望のユースケース（ｕｓｅ ｃａｓｅ）に応じて、睡眠時間と昼間の検出が組み合わせされるかまたは個別的に考慮され得ることが分かる。
図８は、１．８ｍ未満の距離にある非接触式パルス化された連続波ＲＦセンサを利用して記録した、睡眠セッション（約８．３時間）中に被験者「ユーザーＡ」の心拍数（上パネル）及び呼吸数（下パネル）の信号を示す。図９は、「ユーザーＡ」に関する関連心拍数及び呼吸数ヒストグラムを示す。図１０は、（６時間をわずかに超える）睡眠セッション中の異なる被験者「ユーザーＢ」の心拍数及び呼吸数を有する信号、及び図１１の関連する心拍数及び呼吸数ヒストグラムを示す。このような信号は、本技術の処理によって評価され得る。
例えば、図５は、バイオメトリック指紋を生成するために特徴的な特徴の計算のための処理を示す。ユーザー分類器に入力されるバイオメトリックパラメータを区別することによってユーザー認識が行われ得る（例えば、このような目的のために心臓及び呼吸信号からの特徴を計算して組み合わせることができる図５を参照すること）。選択的に、良質のＨＲ（心拍数）が使用可能でないか検出されないと、システムは、考慮中の処理期間の一部または全部の間にＢＲ（呼吸数）に後退することができる；従って、システムは、検出されたバイオメトリック特性の品質に応じて、人を識別するために異なるバイオメトリック特性に依存することができる。図５に示されるか、以下で識別される特徴のうちの任意の（例えば、２つまたはそれ以上の）特徴は、バイオメトリック指紋の一部として評価され得る：
［呼吸／呼吸信号関連パラメータ］
−昼間及び／または夜間の呼吸数の変動性（ユーザーを特徴付ける変動性）
−これは、呼吸の間またはより長い時間尺度の間（例えば、３０、６０、９０秒またはより長い期間の間）であり得る
−経時安全性（変動性に関連する）
−呼吸数の標準偏差
−呼吸深度（浅い、深いなど）及び隣接呼吸の相対振幅
−呼吸数の平均または平均値
−アウトライヤーを拒否するためにトリミングされた平均（例えば、１０％）
−覚醒または睡眠（すなわち、検出されたユーザーの睡眠状態）
−静かな期間及びＲＥＭ睡眠中に見られる呼吸数の急変（突然の加速または減速）
−中央値（５０百分位数）
−四分位範囲（２５〜７５百分位数）
−５〜９５百分位数
−１０〜９０百分位数
−ヒストグラムの形状
−歪度
−尖度
−経時ピーク周波数
−ピーク周波数の第２の高調波と第３の高調波の比率
−有効データの百分率（有効生理学的に妥当なデータ）
−個々信号の自己相関
−スペクトログラムの特徴的なパターン
−覚醒または睡眠
−ＲＥＭと深い睡眠の相対割合
［心臓／心臓信号］
−心拍数変動性（例えば、心弾動図（Ｂａｌｌｉｓｔｏｃａｒｄｉｏｇｒａｍ）から導出される）心拍動間）及びより長く定義された移動ウィンドウの間−例えば、３０、６０、９０秒）
−経時変動性（心拍動間／呼吸変動性）
−平均
−トリミングされた平均（１０％）
−標準偏差
−中央値（５０百分位数）
−四分位範囲（２５〜７５百分位数）
−５〜９５百分位数
−１０〜９０百分位数
−ヒストグラムの形状
−歪度
−尖度
−経時による安全性
−経時によるピーク周波数
−ピーク周波数の第２高調波と第３高調波の比率
−有効データの百分率（有効生理学的に妥当なデータ）
−覚醒または睡眠
−個別信号の自己相関
−スペクトログラムの特徴的なパターン
［心臓呼吸信号］
−（移動ウィンドウで）振幅二乗クロススペクトル密度（Ｍａｇｎｉｔｕｄｅ Ｓｑｕａｒｅ Ｃｒｏｓｓ Ｓｐｅｃｔｒａｌ Ｄｅｎｓｉｔｙ）
−クロスコヒーレンス
−呼吸副鼻腔不整脈ピーク
−自律神経系の副交感神経／交感神経均衡を示すＬＦ／ＨＦ比
−心臓及び呼吸信号推定値のクロス相関、クロスコヒーレンス（またはクロススペクトル密度）
−より長い時間尺度にわたった特徴的な動きパターン、すなわち、信号において観察される統計的挙動
−これらの心臓及び呼吸信号を検出して比較する間の動きパターン（例えば、睡眠中に幾つかのユーザーは、より安らかな睡眠を取ることができ、幾つかのユーザーは、安眠できなくなることがある）
例えば、動き及び／または他の特徴の基準分布は、計算された分布と比較されることができ、ノンパラメトリックコルモゴロフ-スミルノフ（Ｋｏｌｍｏｇｏｒｏｖ−Ｓｍｉｒｎｏｖ）適合度のようなテストは、変動性に関して定義された登録されたヒストグラムの比較器として行われ得る。パラメータの抽出は、（ＳＴＦＴまたはウェーブレットのような）時間周波数分析技法を使用して達成することができる。
どんな単一パラメータ（例えば、平均心拍数または休む時のまたは深い睡眠のような特定の睡眠段階における平均呼吸数）もユーザーを区別するようにすることはできないが、より進歩したシステムは、複数の特徴を組み合わせることができ、これに応じて特徴のグループが分類器に供給される早期統合接近法が選好される。トレーニングデータ（ラベル付けされたデータ）が使用可能であれば、監督分類システムが使用されることができ、これにより、モデルパラメータを生成するために、大規模トレーニングデータセットがシステムに提供される。最初の使用から生じたデータ（昼間または夜間信号）は、バイオメトリック「指紋」がユーザー特定の正確度で増加されるようにするために、フィードバックされてユーザー特定の分類器をアップデートすることができる。これは、登録ステップを介して達成することができ、これにより、サンプル取得テンプレートがデータベースに格納される。続いて、アイデンティティを検証するためにマッチングステップが行われる。そのような詳細トレーニングデータが不足していると、スパース符号化（ｓｐａｒｓｅ ｃｏｄｉｎｇ）（例えば、イメージ処理フィールドから引き出されたＬＣＣローカル座標符号化）またはその他の符号化のような技術を用いた、半監督された、または監督されていない学習特徴階層（例えば、深層学習）アプローチが使用される。
決定ベース神経ネットワークは、テンプレートマッチングステップが行われた以後に利用されることができて、決定が検証され得る。
ユーザーの生理学的指紋は、「正確な」（すなわち、予想される）ユーザーが検出されることを検査するために参照され得る。これは、例えば、ベッドルーム用テーブル（ｎｉｇｈｔｓｔａｎｄ）に置かれた非接触センサがユーザーＡをモニタリングするときに起こり得る曖昧さを低減／除去する。ユーザーＡは、ベッドから出ることができ（例えば、浴室に行く、または仕事することができるなど）、他のユーザーＢ（例えば、ベッドパトーナー（複数可）、ベビーまたはペット）は、センサ範囲内に移動することができる。基本センサデータプロセッサは、ユーザーＢのパラメータを感知するはずであり、それでは、これをユーザーＡと混同することができる。より進歩されたプロセッサは、ユーザーＢの「指紋」／パターンを感知し、これをＡと区別する。静的センサがユーザー集合を知っている場合、システムは、処理された学習の一部として監督されたトレーニングデータにアクセスすることができる。ユーザーを知らない場合（すなわち、システムに知られていない場合）、半監督された（すなわち、ユーザーＡは知っているが、Ｂ、Ｃなどは知らない）パターン認識が行われることができるか、または区別するラベルがないと、監督されていないシステムがシステムに利用可能である。半監督されたまたは監督されていないシステムは、ユーザーの生理学的パラメータと行動パラメータの特徴的な組み合わせの「指紋」を生成するために、複数日／夜間のデータが必要になることができる。
ベッドルームで非接触または最小の接触センサを使用してシステムを登録する間に、被験者は、センサの前で特定の呼吸運動−例えば、案内された深い呼吸信号を行うように要請され得る。システムは、案内したとき、定義された吸気／呼気期間及び深度の深いまたは浅い特定の呼吸パターンを有したユーザーを登録することができる。検出された心拍数信号及び他のＨＲ特徴との一貫性のレベルは、ベースライン入力として使用され得る。より複雑な登録は、システムをトレーニングさせ、及び／または昼間のセンサデータをモニタリングするために、より長い期間の自発的呼吸（例えば、一晩信号）を記録することを要求する。
登録プロセス及び後続するアイデンティティ検証のアルゴリズム的処理ステップは、図６及び図７で提供される。図６において、最初に登録のためのシステムが構成される。これは、実は自動または手動であることができ；例えば、睡眠セッションを登録するために、これは手動で開始することができるが、システムは、夜間期間に生成されたデータを自動にスキャンして基点を確認し、ユーザーに対するバイオメトリック署名（「指紋」）を生成するために、特徴（例えば、分類器のモデル重み付け値）を計算する。これは、後でバイオメトリック検索及び比較のためにデータベースに格納される。昼間の登録は、１つ以上のモニタリング装置からデータを集計し、また、署名を生成するために、ユーザー行動データを処理することができる。このような行動の側面は、悪意のあるユーザーが呼吸及び心臓信号を模倣するのがより容易であるから、行動データには、生理学的データよりも低い重み付け値が割り当てられることができる。
図７において、最初のステップは、有効信号（例えば、加速度計上のセンサベースライン活動以上の、ＲＦセンサの地域で検出された「存在」）が検出されること、及び人間が検出され（呼吸及び心臓信号が検出されることを意味する）、特徴が計算され、機械学習アルゴリズムがバイオメトリック推定値を出力することである。その後、システムは、データベースにアクセスして、（検出された信号に）適切な睡眠及び／または覚醒モデルをチェックする。特定のユーザーが検出される確率に基づいて、システムは、可能性のある候補者をチェックするためにアイデンティティ及びアクセス管理（ｉｄｅｎｔｉｔｙ ａｎｄ ａｃｃｅｓｓ ｍａｎａｇｅｍｅｎｔ：ＩＡＭ）システムにアクセスする。統計的な比較が行われ、人間のバイオメトリックを有効なものとして認証するか、（関連する権限レベルを承認するか、チェックするか−または同一であることを確認するために別のデータベースを参照するか）、バイオメトリックを拒否（ユーザーを認証しない）することの決定が下される。
図８及び図１０には、（ＲＦセンサによって検出されたものとして）ユーザーＡ及びユーザーＢの心拍数及び呼吸数のサンプルグラフが示される。これらの信号の関連するヒストグラムは、図９及び図１１に示される。
図１２は、０．１Ｈｚ（６呼吸／分の深呼吸）で維持される呼吸を行う被験者の心拍数及び同時呼吸数の部分間のクロススペクトル密度を示す。クロススペクトル（このような方法は、システム間の関係を特性化するために使用され得る）において、ピークは、０．１Ｈｚで心拍数及び呼吸数に及ぼす共同影響を示す。
ベッドで寝ている動物−例えば、犬と猫−からデータを検出して拒否することがこのシステムによって可能になる。例えば、幾つかの夜間記録のために、射程距離が長いセンサが第２の人を検出する場合、ベッドにいる第２の人のＢＲ及びＨＲ成分を検出して拒否することも可能であり、または第１の人が離れていれば、一日晩中可能である。
より一般的に、特定のモニタリング技術を使用するために（例えば、一定期間にわたって活動／運動を示すために）、ユーザーにインセンティブを提供する雇用者または保険会社の場合、推定されたバイオメトリックパラメータ（複数）は、許可されたユーザーがその技術を利用しており、実際に他の当事者（意図しないまたは故意に偽装したこと）ではないことをチェックするために使用される。
特定の睡眠段階の呼吸及び／または心拍数パラメータとの関係は、睡眠中に呼吸及び心拍数統計パラメータが特に被験者の自発的制御の下にないので、ユーザー特定のバイオメトリック識別子に加外の洞察力を提供することができる。例えば、システムは、ユーザーがＲＥＭ（夢見ている）または深い睡眠中であることを検出するように構成され得る。例えば、システムは、２０１３年９月１９日に出願された国際特許出願第ＰＣＴ／ＵＳ２０１３／０６０６５２号及び２０１４年７月８日に出願された国際特許出願第ＰＣＴ／ＵＳ２０１４／０４５８１４号に開示された方法のように、睡眠状態または準備することを決定するための方法を実施することができ、これらの特許出願の全文は、本明細書に参照として組み込まれる。優先的に、深い睡眠が選択されて昼間のストレス要因の影響がもっとも少なく目立つようにすることができる。ＲＥＭ睡眠は、場合によってより大きい呼吸変化をス召す示すことができるが、ＳＤＢ症状の発現、ＰＴＳＤ（外傷後ストレス障害）または他の問題によって、より大きい程度に影響を及ぼし得る。軽い睡眠（第２の段階）がまた分析され得るか、第１の段階の軽い睡眠パラメータであり得る。
批判的にも、人が眠っていれば、その人は、意識的に自己の呼吸を特定のパターンとして調節せず、信号が改ざんされる可能性は減る。従って、別個の覚醒及び睡眠モデルがユーザーのために生成され得る。実際に、深い、ＲＥＭまたは他の睡眠段階ごとに別個のモデルが作成され得る。従って、アイデンティティ認証プロセスにおいて、場合によって、これらの段階のうちの任意の段階またはそれぞれの段階ごとに人の指紋が使用され得る。次いで、これらの睡眠段階特定の指紋（複数）は、識別プロセスにおいて、特定の睡眠段階（複数）において決定された適切な特徴で評価されるので、人の識別が特定の睡眠段階に関連してなされ得る。
これに関して、システムは、分析中のデータの分析を提供することができ、複数日の夜間にわたって傾向化され得る。
さらに、ＰＡＰデバイスまたはＲＰＴによって検出された呼吸パターンは、ユーザーの「指紋」の一部を形成することができる。導管及び／またはマスク、または本明細書でより詳細に記述された他のそのデバイスのような患者インタフェースまたは患者回路は、加速度計のように追加で感知する機能を含むことができるか、または導管（例えば、ＣＰＡＰホース）の動きが検出されることができて、特性化可能な動き情報を抽出された呼吸パラメータに付加することができる。このような方式で、ＰＡＰデバイスは、規定遵守のためにユーザーのバイオメトリック「指紋」をチェックすることができる。
呼吸数の単純な増加は、普通風邪のような慢性的ではない条件に関連することができることに留意されたい。
個々の人に関する健康のマルチパラメータ全体論的分析は、システムが状況を認知し、関連するデータを正しいユーザーに関連付けることができることを意味する。例えば、保険会社は、特定の健康増進目標を満たすユーザーに基づいたシステムのユーザーに割引を提供することができる。そのような目標は、平均心拍数減少、呼吸数減少、運動強度増加などを達成することができる。
単純なアクチグラフセンサまたはウェアラブルセンサによって記録されたガルバニック皮膚反応及び／または皮膚温度の変化は、このバイオメトリック分類を増強するために使用され得る。特定の心拍数及びＧＳＲが変わる場合、これらは、運動強度に交互参照されてストレスイベントまたは活動が特定の変化に影響を与えるかどうかを示すことができる。各人のごとに、人々は運動やストレスイベントに応じて、特定の手順の心拍数、呼吸数及びＧＳＲ変化を示すことができる。従って、ユーザーの固有のストレスレベル及びストレスに対処する能力は、他の使用可能なパラメータと組み合わされるときにバイオメトリックマーカーとして役立ち得る。
運動強度及び採択したステップにおけるより長期的なパターンは、ユーザー特定の行動と相関され得る。
システムは、（例えば、ＲＦセンサを有する装置の）モニタリング装備の盗難を検出するように、すなわち、認可されていないまたは未知のユーザーのバイオメトリックが検出されたことを検出するように構成され得る。そのような決定は、取り付けられた装備から利用することができれば、例えば、位置データが「指紋」の一部として含まれれば、位置データ（例えば、ＧＰＳ座標）を参照することができる。
システムは、病院環境において、異なる患者が病院のモニタリングされる異なるベッドに移動するとか、退院し、ベッドが再使用される際にその異なる患者からの読み取り値を自動に分離するために使用され得る。システムは、モニタリング装置から収集された病院／クリニックデータ集合を長期間モニタリングのために家に持って帰る患者に提供される第２のデバイスに自動に関連させることができる。
これは、攻撃者／有害行為が、例えば、攻撃者／有害行為制御下で第２のＲＦセンサからＲＡＤＡＲ信号を模倣またはリプレイしようと試みるリプレイ攻撃（ｒｅｐｌａｙ ａｔｔａｃｋ）に非常に頑強であり得ることに留意されたい。第１のＲＦセンサは、第２のＲＦセンサからの放射及び干渉を検出し、システムに警報信号をフラグで知らせることができる。生理学的信号は、数秒ごとに新たに生じたバイオメトリックを提供することができるので、事実上、システムは、連続的な認証を提供することができる。
ベッドにいる第１の人及び第２の人のバイオメトリックを識別するシステムは、センサの範囲及び／または電力レベルを調整して、所望の人（例えば、第１の人）を検出するようにするために、制御信号をＲＦセンサにフィードバックすることができる。
従って、場合によって、システムは、複数の情報ソースを集め、これらのデータをスマート処理して、及び／または例えば、夜行性／睡眠記録中に特定の情報のユーザー及びデバイスに対するフィードバックを受けてユーザーを識別することができる。そのようなシステムの他のバージョンは、特定のパラメータのみを対象とすることができ、またはユーザー特定のパラメータに適応させないことができる。
幾つかの技術バージョンの潜在的利点は、以下のようなものを含むことができる：
１．システムは、心臓及び／または呼吸信号に基づいて生理学的パターンを検出し、人を識別することができる。
２．信号は、パルス化された無線周波数（ＲＦ）センサまたはセンサグループを介して捕捉され得る。
３．システムは、ユーザーのバイオメトリックパラメータを識別することができる。すなわち、非接触センサによって記録された心拍数及び／または呼吸数及び／または振幅に基づいて、記録された信号が与えられたユーザーから来たものであることを検証することができる。
４．システムは、睡眠及び覚醒している段階の間にバイオメトリックをアップデートすることができる。
５．睡眠状態は、信号に課された意識的な変動性を減らし／除去する（例えば、ＯＨ＆Ｓユースケースで言及されたように）（すなわち、心拍数にまた影響を及ぼし得る呼吸パターンを誤分類する危険またはこれをユーザーが「偽装する」危険を減少させる）。
６．深い（最善）またはＲＥＭ（次善）の睡眠中に優先的にバイオメトリックをアップデートすることができる。
７．システムは、サーバーと通信して既存のアイデンティティテンプレート／モデルをチェックし、アイデンティティを決定することができる。
８．システムは、覚醒しているまたは睡眠段階を使用してユーザーを登録することができる。
９．システムは、定義された吸気／呼気期間及び深度の特定の深いまたは浅い呼吸パターンが案内されるときにユーザーを登録することができる。
１０．パルス化された無線周波数（ＲＦ）センサを使用するシステムは、システムに対する「リプレイ」攻撃を軽減させるために、第２の非認可された第２のＲＦセンサが開始したかどうかを検出して通知することができる。
１１．システムは、人の健康状態を検出することができ、フロージェネレーターに対するロック及びキー、及び心拍動に適応サーボ換気装置（ａｄａｐｔｉｖｅ ｓｅｒｖｏ ｖｅｎｔｉｌａｔｏｒ：ＡＳＶ）のスマートな適応を含んで、新しい健康条件に再トレーニングされ得るように治療／治療法などが作られると、入力を受信することができる。システムは、適切な人がその人のために計画された以前環境の治療法デバイスを使用していることを保障することができ、そうでなければ、新しい／未知のユーザーにより適した環境に再設定することができる。
１２．システムは、昼間及び夜間に、例えば、データベース及びライブラリ内の、ウェアラブルセンサからの、（また昼間呼吸数用の加速度計及びビデオのような他のセンサの「生存性」データを使用して）呼吸数、心拍数、運動パターン、ガルバニック皮膚反応、血圧を含めたバイオメトリックデータをアップデートすることができる。
１３．システムは、第２または第３の人のデータが第１の人に集中されたシステムによる誤りに処理されないようにするのために、一部または全部の記録期間に第２のバイオメトリックが検出されるときを検出することができる。
１４．システムは、センサ地域で睡眠中のまたは覚醒している犬または猫のような動物を検出することができる。
１５．ベッドにいる２人の人（２つのバイオメトリック）を検出するシステムは、第１の人をより良く検出するようにするために、制御信号をセンサ／プロセッサに送信してセンサ挙動（電力／距離ゲーティング／指向性）を調整することができる（バイオメトリックに基づいてセンサを調整し、特定の状況で最低のセンサ電力を選択する付随的な詳細内容及び例である）。
１６．システムは、クラウドベースであることができ、それで、システムは、センサ（複数）が人と一緒に行動する必要がないように、異なる場所にある複数の固定または移動センサを介して人のバイオメトリックを追跡することができる。例えば、システムは、第１のルームにある第１のセンサから第２のルームにある第２のセンサまで人を追跡することができ、第１及び第２のセンサからの生理学的データを自動に対照することができる。
８．０ バイオメトリックフィードバックを用いたマルチセンサ協業
複数のセンサが協業する場合、例えば、遠隔地に設置されるかまたはセンサと共存する制御プロセッサを有するシステムから（連続的にまたはペアリングプロセスの一部として）有線または無線リンクを介して通信する場合、特徴的なバイオメトリックパラメータは、人間という独立的なソースの生理学的認識を最適化し、他のソースを拒否するために、１つ以上のセンサの性能を力学的に調整するために使用され得る。
互いに隣接した２つ以上のセンサがＲＦ干渉または他のタイプの干渉を最小化するために情報を交換する場合、各センサによって検出された人間または人間たちのバイオメトリックのアイデンティティ及び／または関連するバイオメトリック品質は、１つ以上のセンサの制御パラメータを調整するための基礎として使用することができる。例えば、調整可能なパラメータは、距離ゲーティングパルスタイミング及び（許容可能な規制限界内の）放出された電力レベルまたはセンサのＲＦ検出周波数（例えば、中心周波数）を含むことができる。このような変更は、制御信号がこれを許容するように構成されたアナログセンサデバイスに提供され得るが、デジタル化されたセンサ設計で最も容易に達成される。
センサは、良好な信号品質バイオメトリックを達成するために、できるだけ最低電力量を使用するように構成され得る。これは、環境的な理由から、そして、センサがバッテリーで駆動され得る付随的な能力のため有利であり得る。また、他のセンサまたはデバイスとの干渉可能性を最小化することができる。
８．１ マルチセンサアレイのバイオメトリック制御
センサは、最小のＲＦ干渉を維持しながら、互いに近接して作動するように構成され得る。これに関して、２つのセンサがベッドの対向側に配置されることができ、平凡な配列で睡眠中の分離個体をモニタリングするようにプログラムされてあり得る。例えば、特定のユーザーのバイオメトリック特性は、それぞれのセンサによって検出されることができ、それぞれのセンサは、そのようなユーザーデータで初期化され得るので、センサがユーザーに起因することができるデータのベースラインを含むようにする。しかしながら、図１３に示されたように、更なる動作の間に、センサが各人から重複された信号を受信することができるので、センサの品質は低下され得る。例えば、人間＿ａから信号を検出するようにプログラムされているセンサ＿ａは、人間＿ｂから重複された呼吸、心拍数及び／または動き信号を受信することができ、それによって、人間＿ａに関して受信された信号を低下させることができる。同様に、人間＿ｂから信号を検出するようにプログラムされたセンサ＿ｂは、人間＿ａから重複された呼吸、心拍数及び／または動き信号を受信することができ、それによって、人間＿ｂに関する受信信号を低下させることができる。
このような劣化を避けるために、センサは干渉を最小化するように調整され得る。例えば、図１４に示されたように、ベッドの対向側に配置され、平凡な配列で睡眠中の分離個体をモニタリングするようにプログラムされている２つのセンサは、各センサの範囲及び電力を調整することによって干渉を最小化するようにプログラムされてあり得る。これに関して、人間＿ａ及び人間＿ｂからそれぞれバイオメトリックを受信するようにプログラムされたセンサ＿ａ及びセンサ＿ｂは、明確で分離されたバイオメトリックを極大化するために、範囲及び電力を最小化するように構成され得る。例えば、予期しない、または与えられたユーザーの「指紋」では特に識別されないバイオメトリックを検出するとき、センサはその検出範囲を減少させることができる。図１４の例において、センサ＿ｂがその初期化されたユーザーと関連付けられると認識されるバイオメトリックを検出し、その初期化されたユーザーと関連付けられると認識されないバイオメトリックを検出すると、センサ＿ｂは、その初期化されたユーザーと関連付けられると認識されるバイオメトリックのみを検出するまで（例えば、電力または距離ゲーティング調整を介して）その検出範囲を減少させることができる。センサ＿ａも同様にプログラムされてあり得る。従って、センサは、単一の人間からのバイオメトリック信号のみを検出するので、２つのセンサ＿ａ及びセンサ＿ｂの両方によって受信されるバイオメトリック品質が優れている可能性がある。
幾つかの実施形態において、ベッドの対向側に配置されね睡眠中の分離個体をモニタリングするようにプログラムされている２つのセンサは、単一の個人のみをモニタリングすることができる。例えば、図１５に示されたように、人間＿ｂから信号を検出するようにプログラムされたセンサ＿ｂは、意図したとおりに人間＿ｂから呼吸、心拍数及び／または動き信号を受信することができる。すなわち、例えば、センサは、その初期化されたユーザーを検出されたバイオメトリックデータから認識することができる。しかしながら、（現在は存在しない）人間＿ｂから信号を検出するようにプログラムされているセンサ＿ａは、人間＿ｂから呼吸、心拍数及び／または動き信号を受信することができる。すなわち、例えば、センサは、検出されたバイオメトリックデータがセンサの初期化されたユーザーから来たものではないことを認識することができる。従って、センサ＿ａがセンサ＿ｂによって検出されたバイオメトリックを複製することができるので、またはそうでなければ信号が干渉することができるので、バイオメトリック品質が低下される。
重複されたバイオメトリックまたは他の干渉を避けるために、特定の個人のバイオメトリックを受信するようにプログラムされているセンサは、例えば、認識されていないバイオメトリックのみを検出するとき、節電モード及び／または検索モードに進入することができ、このモードにおいてセンサは、例えば、感知または感知範囲を減少させるか終了する。従って、図１６に示されたように、１つのセンサがスリップ状態にある間に作動中のセンサは、最小化された干渉で作動することができる。これに関して、センサ＿ｂは、人間＿ｂから呼吸、心拍数及び／または動き信号を検出するようにプログラムされてあることができ、センサ＿ａは、（現在は存在しない）人間＿ａから信号を検出するようにプログラムされてあり得る。センサ＿ａは、人間＿ａが存在しないと決定して節電／検索モードに切り替えると、センサ＿ｂによって検出されたバイオメトリックを複製することを避けることができる。節電及び／または検索モードは、戻る特定の個人を待つ間にセンサの範囲と電力を制限することができる。このように重複バイオメトリックは、もはや受信されない。
特定の実施形態において、２つ以上のセンサが使用され得る。例えば、図１８に示されたように、近接した３つのセンサが使用され得る。これに関して、第１のセンサ「アルファ」（センサ＿ａ）は、ベッドの第１の側にあるベッドルーム用テーブル上に位置されることができ、センサ＿ａの初期化されたユーザーであり得る第１の人間（人間＿ａ）に向けられ得る。人間＿ａとベッドを共有する人間＿ｂは、ベッドの第２の対向側にあるベッドルーム用テーブル上に配置され、センサ＿ｂの初期化されたユーザーであり得る人間＿ｂに向けられている第２のセンサ「ベータ」（センサ＿ｂ）によってモニタリングすることができる。一例においで、人間＿ｂは、人間＿ａまたは人間＿ｃよりも大きい体質量指数（ＢＭＩ）を有する大きい被験者であり得る。さらに、人間＿ｃは、人間＿ｂ及び人間＿ａの薄い隔壁の遠い側にあるベッドで寝ている可能性がある。センサ＿ｃの初期化されたユーザーであり得る人間＿ｃは、センサ＿ｃによってモニタリングされ得る。
システムは、センサ＿ａを奇数周波数で、センサ＿ｂを偶数周波数で、センサ＿ｃを奇数周波数で動作するように構成することができる。このように、センサグループの間のＲＦ干渉は最小化され得る。
バイオメトリック信号は、各々のセンサデバイスから検出され得る。検出されたバイオメトリック信号に基づいて、人間＿ａ、ｂ及びｃは、これらの「指紋」に基づいて識別され得る。これに関して、センサ＿ａは、人間＿ａが検出されないとき（例えば、人間＿ａがルームを出たとき）（ベッドの他の側にいる）人間＿ｂとして識別されたバイオメトリック信号の一部を検出することができる。言い換えれると、人間＿ｂのバイオメトリックは、２つのセンサ＿ａ及びセンサ＿ｂの両方で検出された。従って、システム制御プロセッサは、距離ゲーティングを調整する制御信号をセンサ＿ａに送信するか、生成して範囲を短縮することができ、検出されたバイオメトリックを継続してモニタリングすることができる。さらに、システム制御プロセッサは、選択的に、センサ＿ａの電力レベルを減少させることができる。
センサ＿ａが人間＿ａを検出するとき、センサは調整されるか、そうでなければ、活性化されて正常の電力状態に進行され得る。センサ＿ａが（人間＿ａが実際に室内にいるとき）人間＿ａのバイオメトリックを正しく検出し、人間＿ｂのバイオメトリックが検出されない構成がなされるとき、その検出構成の制御パラメータは、最適な設定として保存され得る。
さらに、モニタリングするように意図されない個人または動物がセンサの範囲に入るとき、センサは、更なる制御を変更するようにプログラムされてあり得る。例えば、図１８に示されたように、犬＿ａという犬が人間＿ａを乗り越えてベッドの中央に登る形態でベッドに入ることができる。センサは、人間以外のバイオメトリックを検出することができ、そのような検出時に、センサは、犬＿ａのバイオメトリックを最小化してセンサ＿ａ及びセンサ＿ｂによって人間＿ａ及び人間＿ｂが優先的に検出されるようにするために、センサの距離ゲーティング及び／または電力パラメータ（例えば、２つのセンサ＿ａ及びセンサ＿ｂの両方）を調整することができる。
このような方式で、センサの挙動は、例えば、本明細書に記述された検出方法のうちの任意のものを含むセンサの制御プロセッサまたは他のシステム制御プロセッサによって、モニタリングセッションの間に１回以上調整され得る。
センサパラメータの最適化がバイオメトリック品質の向上をもたらさない任意の場合に、ユーザーまたはユーザーたちは、１つ以上のセンサの方位を調整するように促求され得る。
図１８に示されたような（センサ＿ａ、センサ＿ｂ及びセンサ＿ｃを含む）マルチセンサセットアップの一例において、センサは、選択的に、位置チェック（例えば、ＧＰＳまたは他の入力データ）のために、及び／または検出周波数を設定して干渉を最小化するためにプログラムされているプロセッサを含むことができる。これに関して、プロセッサは、センサの位置に適したＲＦ検出周波数を決定して利用することができる。例えば、センサがその位置を米国内にあると決定すると、センサは、データ（例えば、周波数及び地理的位置に関連付けられたテーブル）にアクセスし、米国に関連してテーブルから目標検出中心周波数及びＦＣＣスペクトルマスクとその他のセッティングを設定することができる。適切なＥＴＳＩ（Ｅｕｒｏｐｅａｎ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｔａｎｄａｒｄｓ Ｉｎｓｔｉｔｕｔｅ：欧州電気通信標準化機構）スペクトルマスクに応じて、ＥＵの一部でも同様のパラメータを使用することができ、その地域（または現地規定に基づいて実際に他の国）での中心周波数を許可されることもできる。このように、センサ＿ａの中心周波数は、自動に１０、５２７、１２５ｋＨｚに、電力レベルは４３．８％に調整されることができ、距離ゲーティング（飛行時間）は９２．５ｃｍで検出ロ−ルオフを提供するように調整される。センサ＿ｂの中心周波数は、自動に１０、５２５、０００ｋＨｚに、電力レベルは９３．２％に調整されることができ、距離ゲーティングは１６５．２ｃｍでロ−ルオプを提供するように調整される。センサ＿ｃの中心周波数は、自動に１０、５２２、３７５ｋＨｚに、出力レベルは８０．０％に調整されることができ、距離ゲーティングは１５０．０ｃｍでロ−ルオプを提供するように調整される。
一例において、人間＿ａは、深い睡眠中に６．３ｂｐｍの四分位範囲を有する５１．４ｂｐｍの中央心拍数及び９．１ｂｐｍの四分位範囲を有するＲＥＭ睡眠中に５５．７ｂｐｍの中央心拍数を有することが分かった。人間＿ａの個人バイオメトリックは、中央値、結果ヒストグラムの形状及び呼吸信号と心臓信号との間の中間乃至高い一貫性で最もよく描写され得る。人間＿ａの呼吸数は、睡眠中に１３．１ｂｒ／分（＋／−３．２ｂｒ／分）であり、ＲＥＭ睡眠中に１３．９ｂｒ／分（＋／−１．１ｂｒ／分）であった。
人間＿ｂは、一晩中、ほぼ３０ｂｐｍの顕著な加速がある７７．５ｂｐｍの平均心拍数を示し、根本的な間歇的不整脈に起因した拍動間の変動性が増加した。人間＿ｂの１８．２ｂｒ／ｍｉｎという平均呼吸数は、有意な心拍数の加速期間の間に２０ｂｒ／分以上に増加した。ＲＥＭ睡眠中のｂｒ／ｒａｔｅの変化は、４．５ｂｒ／ｍｉｎであった。呼吸追跡の中で呼吸停止（無呼吸及び呼吸低下）が検出された。ＨＲにおける特徴的な徐脈／頻脈は、これらの無呼吸症状発現と関連がある。ＨＲ／ＢＲの一貫性は、一般にＨＲとＢＲの両方に顕著な変動性があるために低い。歪度及び尖度の指数は、分布が不均一であることを示す。
人間＿ｃの平均心拍数は、５９．８ｂｐｍであり、深い睡眠中に特に安定している。ＲＥＭ睡眠中、変動性は２〜２３ｂｐｍの振動に劇的に増加した。人間＿ｃの呼吸数の平均は、１７ｂｒ／ｍｉｎであり、最小１５．２ｂｒ／ｍｉｎであった。
人間＿ａと人間＿ｂとの間の空間に犬＿ａが入るとき、センサ＿ｂは、前述のように人間＿ａのわずかに近い位置に合わせられてあり得る。例えば、認識されない／初期化されたバイオメトリックを検出すると、センサを制御するプロセッサは、感知のための検出電力、周波数または他の制御パラメータのようなセンサでの変化を制御することができる。例えば、中心周波数は、１０、５２５、０００ｋＨｚに、電力レベルは８４．９％に調整されることができ、距離ゲーティングは１４５．６ｃｍでロ−ルオプを提供するように調整される。これは、（例えば、範囲、電力レベルまたは検出方向を調整することによって）人間＿ａのみが検出され、犬＿ａは、拒否されるように（すなわち、検出されないように）センサ＿ａパラメータを制限することによって、犬と人間を区別することを助けるはずであり；同様に、センサ＿ｂパラメータは、人間＿ｂのみが検出され、犬＿ａは拒否されるように自動に調整される。システムは、また未知のバイオメトリックが検出されることをフラグで知らせることができ、それだけでなく、呼吸数、呼吸深度及び心拍数パラメータが動物と一致することをフラグで知らせることができる。休息を取る普通の犬は、２４回／分の呼吸を要するが、人間におけるそのような呼吸数は、うっ血性心不全またはＣＯＰＤ（慢性閉塞性肺疾患）のような慢性疾患の多くの特徴であるが、人間には、（人口平均または個人ベースラインに対比して）浅い呼吸が伴うされ、心拍数変動性は異なる。犬または猫が激しく運動するか、高温に曝された場合、一定期間の間に開いた口でより速い呼吸数（喘ぐ）を予想することができる。犬の普通の呼吸範囲は、約２０〜３０ｂｒ／分であり、心拍数は、大型品種の場合一般に６０〜１００ｂｐｍであり、小型品種の場合１００〜１４０ｂｐｍ、子犬の場合約２２０ｂｐｍである。典型的な猫類の呼吸数の範囲は、２０〜４０ｂｒ／分であり、心拍動数は、１４０及び２２０ｂｐｍである。体重が増加すると、哺乳類の全肺活量が増加する傾向があり；普通の猫または犬は、成人よりも軽く、赤ちゃんまたは子供に比べて異なったパターンを有する。従って、センサ制御パラメータは、また、プロセッサによって人間ではない動物を示すものと認識される１つ以上のそのようなバイオメトリック特性の検出時に調整され得る。
同様に、他の例として、人間＿ａがベッドを出ると、センサ＿ａは、中心周波数が１０、５２７、１２５ｋＨｚであり、電力レベルが０〜１００％である節電／検索モードに進入することができ、距離ゲーティング（飛行時間）は、５０〜３００ｃｍのロ−ルオプを提供するように調整される。センサ＿ｂの存在を事前に知っていれば、センサ＿ａの検索モードは、センサ＿ｂに入る可能な干渉パルスを最小化するために、電力百分率とロ−ルオプ距離を制限することができる。
幾つかの実施形態において、（例えば、古典的な位相配列またはデジタルビーム形成を使用する）操縦可能なアンテナは、センサのカバレッジ範囲を調整し、干渉を最小化するために使用され得る。例えば、センサ＿ａ及びセンサ＿ｂの感知「コーン（ｃｏｎｅ）」は、犬＿ａのバイオメトリック証拠を完全に排除するように調整される。
選択的に、場合によって、例えば、センサが初期化されたユーザーを識別しない場合、センサのバイオメトリック識別に基づいて他のシステムがトリガーされ得る。例えば、図１７に示されたように、システムのプロセッサは、予期しないバイオメトリック（例えば、犬のバイオメトリック）を警報するために（例えば、人間＿ａ及び人間＿ｂのスマートデバイスに）、警報をトリガーまたは送信することができる。更なる例として、このような検出時のプロセッサは、ウェブカムを活性化させるか、または（例えば、スピーカーを介して）音声警報をトリガーすることができる。
特定のバイオメトリックを検出することによって、光及び／または音及び／または環境パラメータのオーダーメード型構成が設定され得る（すなわち、識別を行うコントローラ／プロセッサによって制御され得る）。例えば、２人のパートナーがベッドルームを共有するシステムを考えて見る。第１のパートナーが検出されるとき、システムはスマートテレビをスポーツチャンネル（またはＮｅｔｆｌｉｘまたはこれと同様のオンラインサービスを介するストリーム）に切り替え、ベッドルームのメイン照明をオフする。一定時間の後、ユーザーは、眠っていると検出され、Ｈｉ−Ｆｉシステムを介して柔らかいジャズ音楽がオンになり、テレビはオフになる。ユーザーが深い睡眠状態に入った後、Ｈｉ−Ｆｉボリュームが徐々に減ってから消える。ベッドルームで第２のパートナーが検出されると、Ｈｉ−Ｆｉ／ラジオは、保存された音楽コレクションからまたはストリーミング音楽サービス（例えば、Ｓｐｏｔｉｆｙ、Ｄｅｅｚｅｒ、Ａｐｐｌｅ）を介してポピュラー音楽／最新の上位２０個のヒット曲を再生するように構成され；さらに、ルームの照明は暗くなり、ベッドサイドの照明は、白色／青色の含量が低いオレンジ色／赤色の色合いを持つように構成される。テレビは、（低いバックライト強度で）日没のビデオシーケンスをディスプレイするか、暖炉をシミュレーションするように構成される。第２のパートナーが第２のパートナーが眠りにつくと、ユーザーが深い睡眠に入るまで音楽とテレビの振幅は、徐々に減少して／暗くなって、両方ともオフになる。２人のパートナーが同時にルームにいる場合、スポーツテレビ／ビデオストリームは、第１のパートナーのワイヤレスヘッドフォンに伝達され、ポップ音楽は、第２のパートナーのワイヤレスヘッドフォン（または枕スピーカー）に伝達される。可能な場合、テレビ偏光子は、スポーツフィードを第１のユーザーに伝達し、暖炉ビデオを第２のユーザーに伝達するように構成される。従って、１つ以上のパートナーのバイオメトリックを検出してカスタマイズされたベッドルーム（または実際リビングルーム）を経験することができるようにする。同様に、起床経験のために、アラームが第１のパートナー及び第２のパートナーに基づいてカスタマイズされ得る。例えば、第１のパートナーは、第２のパートナーより後に目覚ますことを望むことができる。このように、第１のパートナーを目覚めさせることを避けるために、低い振幅アラームと共に集中照明を第２のパートナーに使用することができる。このような優先権は、システムにプログラムされ、システムのプロセッサによって行われる識別に基づいてアクセスされ得る。
例えば、システムはね更なる動物及び／または（認識されない）人間がセンサの検出空間に進入するかどうかをユーザーに警報することができる。例えば、図１７に示されたように、犬＿ａ（または実際に他の動物または人間）がセンサ検出空間に進入し、システムによって警報がトリガーされ得る。選択的に、イベントのイメージまたはビデオがトリガーされ、認可された人に検討のために格納及び／または送信され得る。これに関して、トリガーされたカメラ（例えば、ネットワーク接続された、暗い照明の、イルミネータが連合された赤外線、熱または他のタイプのもの）またはウェブカムは、認識されていない個人のビデオを認可された人に送ることができる。この点を強調するために、１つ以上のセンサ区域に泥棒／侵入者のような未知の人のバイオメトリックが発見されると、このような警報が発生することもできる。ビデオ及び／またはオーディオセンサがアクセス可能であるか、システムの制御下にある場合、例えば、警察に連絡する前にモニタリングセンターによる検討のために、ビデオ及び／またはオーディオの録音またはライブ伝送が行われることができる。このようなバイオメトリック検出は、属性の他の検出装備と共に実施されるとき、ＰＩＲ（受動赤外線）、他のマイクロ波侵入者センサ、ガラス破損検出器（振動または音響）、磁気接触スィッチ、衝撃センサ、ビデオモーショントリガーまたは（例えば、マットのような）圧力作動式と共に、侵入者警報システムの誤作動を減らすために使用され得る。
アパートブロックまたはオフィスビルで実施されると、このようなバイオメトリック検出は、消防隊員が火災警報システムによって提供される人間（バイオメトリック）数をチェックすること（及び稼働中であれば、アクセスカードシステムと選択的に相関させること）を助けることができることが分かる。このようなＲＦセンサは、標準ビデオフィードと対照的にスモーキーまたは高熱状況で機能し続けることができる（そして、ＲＦは、例えば、浴室／ベッドルームなどで可能な使用のための、フルビデオ処理と同一の私生活と密接な関係がない）。ユーザーバイオメトリックが、中央コントローラまたはセンサ集合から識別を受信するコンピューターのようなシステムに登録されたら、火災警報コンピューターは、建物／構造物内の名前及び位置のリストを出力することができる。従って、中央コンピューターは、各センサの位置を識別し、センサ集合のうちのどのセンサの検出範囲内にいる人々の識別に関連して緊急時にそのようなリストを提供するためにデータを維持することができる。
このようなＲＦセンサは、多数の方式で電力を供給受けることができる。例えば、ＲＦセンサは、ＡＣ通過コンセント内に配置されることもできる（すなわち、メーンソケット／ＡＣコンセントに差し込むことができ、非常にスリムなフォームファクターのピキーバック（ｐｉｇｇｙ−ｂａｃｋ）ＡＣコンセントを提供することができ；ＵＳＢソケットは、デバイスの副次的使用のためにソケットフェースプレート上に提供されることもできる）。夜間照明特徴は、例えば、廊下に配置されると、デバイス上に提供されることもでき、ＲＦセンサを使用した動き検出によって活性化され得る。ＲＦセンサは、（例えば、ルームの一部または全体をカバーする）ソケット／ＡＣコンセントの区域内で感知するはずであり、Ｗｉ−Ｆｉまたはその他の無線通信手段を介して、またはメイン配線を介して（例えば、Ｈｏｍｅｐｌｕｇまたは同様の標準を介して）データを送信する。他の例は、通過ＵＳＢアダプダまたはケーブルが提供される例である。ＲＦセンサ及び（例えば、Ｗｉ−Ｆｉを介するかまたはＵＳＢリンク自体を介する）通信は、アダプダまたはケーブルに統合されており、ＵＳＢ仕様で提供される５Ｖからの電源をあさり／引く。これにより、ＵＳＢケーブルが提供されるどこでもＲＦセンサが配置され得るが、例えば、壁面の電話機／タブレット充電器にプラグされることができ、ラップトップなどにプラグされ得る。このようなデバイスをラップトップまたはタブレットにプラグすることによおて、デバイスの前や近傍でユーザーのバイオメトリックがチェックされ得ることが分かる。ＡＣコンセントデバイスまたはＵＳＢインラインデバイスオプションのうちのいずれか１つは、バイオメトリック特性のための空間をモニタリングする非常に低コストでシンプルな（デバイスを単にプラグよる）機能を提供する。
９．０ 識別／区別のための更なる方法論
前述のように、識別方法論は、センサに隣接した存在を区別するためにセンサによって使用され得る。以下の更なる実施例において、多数の存在は、特定のユーザーが識別され得るように区別され得る。
９．１ 序論
大人の大部分は、潜在的に異なる睡眠パターンを有するパートナーと睡眠する。パートナーは、睡眠センサのメイン（または１次）ユーザーに先立ってベッドに入ることができるか、メインユーザーがベッドを離れた後にもベッドに留まることができる。パートナーをメインユーザーとして誤認することを避けるために、プロセスはそれらの間を区別するためにシステムによって使用され得る。幾つかの場合、これはメインユーザーの睡眠が別個で評価−（すなわち、パートナーの感知されたデータから分離）−され得るようにする。
９．２ 方法論
９．２．１ 実験設計
５人の健康な被験者が募集された予備研究が実施された。各被験者は、パートナーと眠る。１０．５ＧＨｚ非接触センサが自分の胸に向かって、各自のベッドサイドのユニット上で、被験者の（またはユーザーの）ベッドサイドに設置された。図１を参照する。非接触センサは、研究持続期間中、１日当たり２４時間のデータを記録するように設置された。一次ユーザー（以下、ユーザー）は、自分が就寝時、自分のパートナーが就寝したとき、自分が朝に起床したとき及び自分のパートナーが起床したときの詳細を記した日誌をまた、提供された。
センサデータは、装置が最初にオンにされた時間と等しい開始及び終了時間を有して、２４時間の記録に分割された。１セットの注釈が、（ａ）ユーザーデータ、（ｂ）パートナーデータ、（ｃ）欠如、及び（ｄ）‘不十分な情報’を識別するために、各記録ごとに（ベッドに、ベッドの外へのユーザーが提供した日誌記録に基づいて）手動で作成された。
９．２．２ センサ信号及び前処理プロセス
例示的なセンサシステムは、センサのＩ及びＱ信号を表す２つのアナログ電圧信号を出力する。センサは、１０．５ＧＨｚで無線周波数エネルギーの２つの短いパルスを発生させることによって作動する。第１のパルスはメイン送信パルスとして作用し、第２のパルスはミキサーパルスである。第１のパルスは隣近物体から反射して、センサで再び受信されるエコーパルスを生成する。エコーパルスによって移動された距離は、エコー信号が再びセンサに到逹するとき時間遅延を誘発する。このような時間遅延は、エコー信号と参照ミキサー信号との間の位相シフトをもたらす。受信機内部でミキサーパルスとエコーパルスを乗算（混合する）することにより、エコーパルスの任意の位相シフトに比例する信号が発生される。動く物体（例えば、呼吸する人）は、回路内の電子装置によって検出され得る可変型位相シフトを発生する（ｄｅ Ｃｈａｚａｌ，Ｐ．、Ｆｏｘ，Ｎ．，Ｏ'Ｈａｒｅ，Ｅ．など．非接触生体運動センサを使用した睡眠／覚醒測定。Ｊ．Ｓｌｅｅｐ Ｒｅｓ．，２０１１，２０：３５６〜３６６）。
センサデータは、分析に先立って、フィルタリングされる（低域及びアンチ−エイリアス（ａｎｔｉ−ａｌｉａｓ）フィルタリングされ、並列で、動き分析のために、高域及びアンチ−エイリアスフィルタリングされる）。データは、エポック（ｅｐｏｃｈ）（例えば、３０秒期間または他の適切な期間）で分析される。
初期存在有無検出を行った後に、睡眠／覚醒検出を行った。動き及び活動レベルは、毎エポックごとに数値化され得る。呼吸数を１Ｈｚで計算した。全体睡眠状態分析（識別された浅睡、熟眠及びＲＥＭ睡眠）がまた行われることもできる。
９．２．３ 特徴の抽出及び調査
その後、特徴(例えば、２５個の特徴（表１））を抽出した（例えば、すべての記録の毎３０秒エポックごとに）。従って、プロセッサは、識別プロセスにおいて以下の表の特徴などのうちの任意の１つ以上を計算または決定するように構成され得る。初期の調査のために、例えば、一元分散分析（ＡＮＯＶＡ）を使用して、誘導された特徴がユーザー及びパートナー使用の公知された期間の間に比較され、各々の個別特徴がパートナーからユーザーを有意に区別することができるかどうかを評価することができる。各々の特徴は、また、全体記録にわたったその平均値及び特定の被験者に対する過去データからの平均値と比較され得る。これは、可用な特徴の数を顕著に増加させる。
表１（例示の特徴名及び説明）
Figure 0006940414
Figure 0006940414
特定人を識別／認識するための分類器システムを実施するとき、特徴量は、一定期間（例えば、毎夜、夜間、１つ以上のエポックなど）の間にユーザー及びパートナーに対して決定または計算され得る。このような計算された多くの特徴などのうちのいずれかの１つは、ユーザーとパートナーとの間の統計学的に有意な区別を提供する役割をすることができる。表１の特徴は、一元ＡＮＯＶＡを使用して個別的に評価したとき、０．０５以下のｐ値（ここで、我々は、ｐ＜０．０５であるとき統計学的に有意であると見做す）を有する、パートナーデータからユーザーデータを有意に区別するものとして判明された。これは、これらの特徴が、ユーザーデータとパートナーデータとの間を区別するための分類器モデルに含めるために有用であることを示す。
９．２．４ 例示的な分類器トレーニング
このような分類器は、センサ記録からのデータを使用して採択され得る。例えば、各記録に対して、すべてのパートナーデータは、トレーニングセットの一部として使用されることができ、同一数のユーザーエポックが無作為に選択されてトレーニングセットを完成することができる。
特徴選択ルーチン（例えば、順次順方向特徴選択）がクロス検証（ｃｒｏｓｓ−ｖａｌｉｄａｔｉｏｎ）（例えば、１０倍クロス検証）内で使用され、分類方法、例えば、ロジスティック回帰を使用して結合され得るこれらの特徴の下位セットを選択して、ユーザーまたは自分のパートナーのみが存在したかどうかを最も識別することができる。次いで、選択された特徴は、人を識別するために、処理装置での実施のための分類器として使用され得る。
９．２．５ 分類器の性能評価
トレーニングされた分類器は、センサ記録からのデータを使用してテストされ得る。テスティングセットは、すべてのパートナーデータ、及びすべてのユーザーデータを含むことができる。
９．３．０ 更なる例示的な分類器
９．３．１ 動き及び非動きに対する別途の分類器
多くの潜在的な特徴は、データの動きセクション中またはデータの非動き（呼吸）セクションの間に無意味な（すなわち、数字でない（ｎｏｔ−ａ−ｎｕｍｂｅｒ）／ＮａＮまたは０）出力を提供する。例えば、動きのセクション中、設定オプティマイザ及び呼吸数の特徴は、ＮａＮと同一であり得る。同様に、動き特徴は、動きが検出されないときに、０と同一である。従って、幾つかのバージョンにおいて、表１のもののような検出特徴は、動き中に有意義な特徴を有するグループ、及び動きが検出されなかったクリアな呼吸の間に有意義な特徴を有するグループのような、別個のグループに組職化され得る。これらのグループは、両方のシナリオで意味のある幾つかの重複する特徴を有することができる。次に、分類器モデルが特徴などの各グループごとに使用されることができ、センサ信号の分析によって設定された動きフラグが、各エポックで使用のために呼吸または動き分類器モデルを選択するためのトリガーとして使用され得る（図１９参照）。従って、動きフラグに応じて、特定のエポックが特定のユーザー（例えば、ユーザーまたはパートナー）に関係するかどうかの分類において、異なるセットの特徴などが考慮され得る。
９．３．２ 被験者ベースメトリックスのみを使用して分類器を開発
幾つかのバージョンにおいて、特徴は、また被験者ベースまたは信号品質ベースとして分類またはグループ化されることができ、２つの分類器を生成するために使用され得る。信号品質ベース特徴は、実生活データ、すなわち、センサが１日２４時間データを捕捉し、ユーザーとパートナーの両方が幾つかの一定期間の間にベッドの特定の側面（常にセンサから所定の距離範囲内にいるユーザー、及びセンサから他の距離範囲内にいるパートナー）上に個別的に存在する注釈付き２つのベッド中のデータ（ａｎｎｏｔａｔｅｄ ｔｗｏ−ｉｎ−ａ−ｂｅｄ ｄａｔａ）を使用してモデルをトレーニングするときに有用である。このようなデータセットを使用して、被験者ベース特徴と共に信号品質ベース特徴が図１９の‘設定（Ｓｅｔ ｕｐ）’分類器を開発するために使用され得る。代替的に、信号品質ベース特徴を排除し、被験者ベース特徴、例えば、呼吸数及び動きのみを含ませることによって、２人の区別される被験者からの非注釈データが併合されて‘被験者分類器（Ｓｕｂｊｅｃｔ ｃｌａｓｓｉｆｉｅｒ）’を開発することができる（図１９参照）。ユーザーがベッドに入って寝る準備をするときに記録を開始し、ユーザーが朝に起床するときに記録を終了する典型的な記録は、典型的に、パートナーデータの相当な期間を含まない。パートナーデータは、メインユーザーがベッドにいないがパートナーが存在するときにのみ存在する−信号は、ユーザーが存在し、パートナーが全く‘見え（ｖｉｓｉｂｌｅ）’ない間にメインユーザーから反射する。このシナリオで両方のユーザーデータ及びパートナーデータが同一の設定を使用して捕捉されるので、すべての信号品質ベース特徴は、この‘被験者分類器’に対する分類器開発中に排除される。これらの分類方法の各々は、使用されるトレーニングデータの属性に起因して、異なるシナリオにより適合するようになることができ−すなわち、設定分類器は、睡眠セッションの開始または終了時にパートナーデータを識別するためにより有用であり得る一方、被験者分類器は、日中に誰が昼寝を取っていたのかを識別するためにより有用であり得る。
９．３．３ 過去データの使用
一般的な分類モデルは、初期使用期間、一晩または可能にはより長い間に使用され得る。これは、時間経過よよもにモデル性能を改善するために使用され得る被験者−特定の過去データを収集することができるようにする。これは、周期的にアップデートされ、使用期間が延長されるにつれて徐々によりテーラード化され、より正確な分類器を提供することができる。このような分類モデルに対する例示的な処理が図１９を参照して示されている。例えば、初期使用または設定期間中に、１９２０における設定分類処理は、ユーザーの識別のために、特徴抽出ユニット１９２２から特徴などのセットを評価することができる。設定分類は、１９２４及び１９２６においてそれぞれ呼吸分類及び／または動き分類のための処理を使用することができる。被験者特定の分類処理１９２８がまた含まれることもできる。より特定の被験者分類処理１９２８は、１９３０及び１９３２においてそれぞれ呼吸分類及び／または動き分類のための処理を使用することもできる。処理１９２８は、１９２０における設定分類処理によって評価された特徴などのセットよりも特徴抽出ユニット１９２２から取られた特徴などの他のセットを評価することができるが、このような特徴などのセットなどの重複があり得る。
分類器組合せ機プロセス１９４０は、例えば、１９４０において、単独でまたは一緒に被験者分類及び設定分類プロセスから分類を選択することができる。出力は、二進決定が行われる、ユーザーが存在する確率（百分率）である。確率が所定の閾値よりも小さい場合、出力はパートナーが存在することであり、確率が前記閾値を上回る場合、出力はユーザーが存在することである。閾値は、一日の睡眠の持続期間または時間を含む（しかし、これに限定されない）変数に基づいて、時間経過とともに変わることができる。分類器組合せ機は、時間の関数（例えば、セッション数または収集された使用データ）として異なる分類器プロセスなどの出力を選択的に選択するように作動することができる。例えば、最初に設定分類のみを選択することができ、追後に（例えば、一定期間またはセッション数の後に）、その代わりに被験者分類のみを選択することができる。選択的に、組合せ機は、時間経過とともに異なる分類プロセスなどから出力された識別などの両方に提供された重み付け値を選択的に修正することができる。例えば、最初に設定分類処理によって行われた識別により大きい重み付け値を提供することができ、使用時間が経過するにつれて被験者分類処理の識別の重み付け値を徐々に増加させることができる。１つまたは他のデータストリーム(「８．３．１動き及び非動きに対する別途の分類器」セッション参照)において可能なＮａＮまたは０特徴を説明するために、別途の呼吸及び動き分類処理が存在し；別途の心臓特徴分類器がまた含まれることができる。
９．４．０ 代替機械学習モデル
選択的に、他の監督された、半監督された、または監督されていない機械学習モデルが実施され得る。例えば、異常検出、サポートベクトルマシンまたはクラスタリング分類方法が、更なるシステム実施において提供され得る。
１０．０ 複数のユーザー／被験者の区別のための更なる方法論
図２０は、例えば、複数の装置が互いに通信する場合及び／または中央処理装置、例えば、サーバーがセンサからのデータを処理する場合に、Ｎ装置によってモニタリングされるＮ被験者の区別のためのシステムにおいて実施され得る処理を示す。図２０では、２つのセンサ装置（１００−Ａ及び１００−Ｂ）のみが示されている。
例えば、各センサ装置は、共通的な近所で他のセンサ装置から受信されたデータにアクセスするとかそれを処理することができ、段階的な分類処理を適用することができる。例えば、図２０におけるそれぞれのセンサ装置（１及び２）は、最初に、例えば、両方のセンサからのセンサデータから抽出されたセンサデータまたは特徴を比較することによって、他の装置が検出されるか、２０１０ａ、２０１０ｂでこれを検出しているかどうかを評価することができる。用語「特徴抽出」は、装置（２）からのデータが両方の装置（１）（１００ａと呼ばれる点線領域内）だけでなく、装置（２）（１００ｂと呼ばれる点線領域内）上で処理される方法を指す。同様に、装置（１）からのデータも両方の装置上で処理される。これは、両方の装置によって収集されたデータ間の比較を可能にし、同一人、または２人の個人をモニタリングしていたかどうかを決定することができるようにする。両方の装置が同一人をモニタリングしている場合、優れた信号品質を有するデータが使用されることができ、分類は、どのユーザーであるかを決定するために使用される。装置が２人の個人をモニタリングしている場合であれば、このダイアグラムは、メインユーザーであると見做し、データ分析で進行する。
そうでない場合、パターンを検出した装置に対する分析は、２０１２ａ、２０１２ｂにおいて正常に進行され得る。すなわち、各装置は、その後に、各ユーザーの感知されたデータ（例えば、呼吸特性、心臓特性、睡眠特性など）を収集／評価することによって、独立的にそれぞれの異なるユーザーのモニタリングセッションに進行することができる。
しかしながら、複数の装置が同一のパターンを検出した場合（すなわち、同一人が両方のセンサによって検出されている場合）、並列分類器（例えば、２つ以上）が各装置上で処理され得る。その後、各装置は、検出された被験者が、例えば、図１９で説明されたものに匹敵するプロセスを実施することによって、以前にモニタリングされたユーザーである場合を確認／識別するための分類器を実施することができる。例えば、感知されたデータは、（例えば、過去データと共に）被験者認識を目標とする設定分類プロセス２０２０ａ、２０２０ｂ及び／または被験者特定の分類プロセス２０２８ａ、２０２８ｂに適用され得る。その後、分類組合せ機２０４０ａ、２０４０ｂは、データが以前にモニタリングされた被験者に関する場合を決定することができる。認識されたユーザーがいる場合であれば、センサモニタリングは、例えば、以前のセッションに対して累積方式で識別されたユーザーを続いてモニタリングするために、２０１２ａ、２０１２ｂで進行することができる。認識されたユーザーがいない場合、センサデータは無視され得るとか、またはセンサは、他のユーザーに起因することができる以前のセッションからの任意のセンサ／モニタリングデータに対して非累積的方式に２０１２ａ、２０１２ｂで新しいユーザーをモニタリングするように進行することができる。
この接近法の潜在的な利点は、複数の人（例えば、ルームの中に２つのセンサを備えた２人）に適用されることができ、より多くの人口に対するバイオメトリック分析を必要としない方式で所定の人（例えば、２人）にカスタマイズ化されることである。これに関して、区別は、有限のグループ（例えば、家庭／ベッドパートナーまたは病室患者）に関する制限的問題であり得る。また、検出範囲が重複するときに、２つのセンサの両方が単一のベッドユーザーを検出する場合にも複数のセンサの出力の共有された通信を可能にして、睡眠／呼吸／動き／心拍数のシステムレベル分離を可能にする。従って、ベッドの形状及び大きさ、ベッドサイドサイドロッカー、人々を広範囲に変化させる脈絡内において、展開されたシステムの堅牢性を顕著に改善することができる。
図２０は、２つの並列または共存センサ処理を示しているが、流れ処理ブロックを更なる装置で複製してデータを共有することによって、２人よりも多くの人がモニタリングされ得ることが理解される。
これに関して、様々な技術がセンサ装置によって、そして、これらの間でセンサデータを共有するために実施され得る。例えば、センサ対センサ（点対点）通信を可能にするために無線通信（例えば、Ｗｉ−Ｆｉダイレクト（アドホック））が、選択的にセンサなどの間で実施され得る。他の形態の通信（例えば、有線または他の無線通信）が実施されることもできる。
１１．０ 追加の選択的特徴
（ｉ）幾つかの場合に、センサ装置は、（例えば、ＱＩ無線充電器を使用して）無線で充電され得る製品と一体化され得る。従って、このような充電可能なセンサ製品は、充電できるようにするバッテリー（例えば、リチウム）及びコイルを有することができる。そうすると、このようなセンサ製品は、無線充電器に近接して配置されるときに昼の間に充電され得る。充電の後、モニタリングセッション中に（例えば、ユーザーの近いで夜間に）使用のためにセンサ製品を誘導するための保有構造体内に挿入され得る。例えば、センサは、充電可能なセンサ製品を受け取る壁マウント、スタンドまたはベッドマウントと合致することができる。その後、無線充電器は、夜間に他の装置（例えば、スマートフォン）を充電するために使用することができる。
（ｉｉ）幾つかの場合に、センサ装置などは、マイクロフォン及び／または赤外線に敏感な一体化されたカメラ（例えば、ＩＲをフィルタリングしないか、または他に赤外線を検出するように最適化されるカメラ装置）をそれぞれ含むことができる。赤外線放出器（例えば、拡散器／レンズを有する１つ以上のＩＲ ＬＥＤ）がまた含まれることができる。それでは、センサ装置は、（例えば、装置メモリ上に記録され、及び／または無線通信を介して送信される）暗いベッドルーム内のその非接触センサ（複数）及びカメラの両方を介してユーザーの動きを記録することができる。リアルタイムでまたは夜間にイベント（例えば、非接触または最小接触センサを介して検出されるＳＤＢエピソード、ＰＬＭ／ＲＬＳのような特定のタイプの動き、異常的な動き、呼吸数）または（例えば、非接触マイクロフォン／変換器を介して検出される）いびき音、喘鳴音（ｗｈｅｅｚｅ）、咳のような他のイベントが検出される場合、プロセッサは、検出されたイベントを共通の時間フレーム中に撮影されたＩＲカメラによって検出されたビデオのセグメントと連結／関連付けることができる。その後、関連／連結されたセグメント（及び選択的に周期的な時間フレーム）が、（例えば、電話機またはコンピューターのような表示装置上に表示するため）一緒にアクセスされて、夜間の重要なイベントを見るために、ビデオをインデックスするための容易な方法をユーザーに提供する。従って、例えば、ビデオ内のＳＤＢイベントをユーザーが見られるようにする。例えば、ユーザーは、自分自身が呼吸を停止することと、追後に呼吸を回復することを見ることができる。イベント別にインデックスされたビデオは、スマート装置（例えば、一体化されたモニター／ディスプレイを有するセンサ装置またはセンサ装置と通信するスマートフォン、ラップトップまたはコンピューター）から見ることができ、例えば、イベント別に夜間の睡眠の非常に速いビデオ検討を可能にすることができる。
（ｉｉｉ）このようなカメラ実施センサは、また例えば、リアルタイムまたはほぼリアルタイムで遠隔視聴のために実施され得る。例えば、センサは、患者または他のユーザーの睡眠及び他の状態（例えば、熟眠中のモニタリングされる被験者の覚醒状態など）に対する遠隔の視覚的モニタリングを可能にする役割をすることができる。従って、例えば、クリニック／病院環境において、乳児モニター／遠隔医療専門家モニターとしての役割をすることができる。
１２．０ 治療
例えば、治療装置を含んだ現在技術の幾つかのバージョンに対して呼吸器疾患を治療するとか、改善するために様々な治療が使用され得る。また、そうではない健康な人は、呼吸器疾患を予防するために、このような治療の利点を取ることができる。
鼻持続的気道陽圧（ＣＰＡＰ）療法は、閉塞性睡眠時無呼吸（ＯＳＡ）の治療に用いられてきた。この作用機序は、持続的気道陽圧が空気的副子として作用し、軟口蓋と舌を前方に押して、後口咽頭壁から離すなどして、上気道の閉塞が防止できると言うものである。
非侵襲的換気（ＮＩＶ）治療は、患者が完全に呼吸しおよび／または適切な酸素レベルを体内に維持するのを支援するために、呼吸作業の一部またはすべてを行って、上気道を通して患者に換気補助を提供する。ＮＩＶは非侵襲患者インタフェースを通じて提供される。ＮＩＶはＣＳＲ、ＯＨＳ、ＣＯＰＤ、ＮＭＤ及び胸壁疾患の治療に使用されてきた。
１２．１ 診断及び治療システム
技術の幾つかのバージョンにおいて、治療は、前述の識別装置／システムと共助して作動することができる治療システムまたは装置によって提供され得る。このようなシステム及び装置は、また状態を治療せずに診断するために使用されることもできる。
治療システムは呼吸圧力治療装置（ＰＲＴ装置）装置、空気回路、加湿器、患者インタフェースおよびデータ管理からなる。
患者インタフェースは、例えば呼吸可能なガスの流れに提供することによって、呼吸装置をそのユーザにインタフェースするのに使用できる。呼吸可能なガスの流れは、鼻おおび／または口へのマスク、口へのチューブまたはユーザーの気管への気管開口チューブを経由して提供される。適用する治療法次第で、患者インタフェースはシールを形成してよく、例えば患者の顔部分、治療が効果をもたらすように、周囲圧力と十分に相違した圧力で、例えば周囲圧力に関して約１０ｃｍＨ２Ｏの陽圧で、ガスを送出する。酸素の送出または大流量の空気のようなほかの形態では、約１０ｃｍＨ２Ｏの陽圧で、空気の気道への供給ができるシールを患者のインタフェースに含めなくてよい。
１２．２ 呼吸圧力治療（ＲＰＴ）装置
空気圧力発生器は、例えば産業スケールの換気システムのような様々な適用で知られている。しかし医療用の空気圧力発生器には、信頼性、サイズおよび重量のようなより汎用の空気圧力発生器で達成されない特定の要件がある。さらに、医療用にデザインされた装置でも、快適さ、騒音、使い易さ、効率、サイズ、重量、製造可能性、コストおよび信頼性の１つまたはそれ以上に関する欠点に含くまされている。
睡眠呼吸障害の治療に使用する１つの既知のＲＰＴ装置は、 ＣＰＡＰ治療を証明するＲｅｓＭｅｄ が製造するＳ９Ｓｌｅｅｐ Ｔｈｅａｐｙ Ｓｙｓｔｅｍである。ＲＰＴ装置のもう１つの例は、人工呼吸器である。成人および小児用人工呼吸器の ＲｅｓＭｅｄ Ｓｔｅｌｌａｒ（商標）シリーズのような人工呼吸器は、ＮＭＤ、ＯＨＳおよびＣＯＰＤのような（ただしこれらに限定されない）多数の状態を治療する様々な患者に、侵襲および非侵襲非依存人工呼吸器治療に対するサポートを提供することができる。
ＲＰＴ装置は、典型的にはモータ駆動の送風機または圧縮ガスリザーバのような圧力発生器から成り、患者の気道に加圧された空気を供給するように構成される。ＲＰＴ装置の出口は、空気回路を経由して上記の患者のインタフェースに接続される。
１２．１ 選択事項の例示的な治療装置
前述のように、１つの形態において、本技術は、呼吸器疾患を治療及び／またはモニタリングするための器具または装置を含むことができる。器具または装置は、空気回路４１７０を介して患者インタフェース３０００に至る患者１０００に加圧された空気を供給するためのＲＰＴ装置４０００であり得る。以下の説明において、ＲＰＴ装置は、図２１〜２４を参照して考慮され得る。
１２．２ 患者インタフェース
本技術の１態様による非侵襲患者インタフェース３０００は、下記の機能面を有している:シール形成構造３１００、プレナムチャンバー３２００、位置決めおよび安定化構造３３００および空気回路４１７０へ接続するための接続口３６００、ベント３４００、空気回路４１７０に接続するための接続ポート３６００の１形態および額支持３７００。いくつかの形態では、機能面は１つまたはそれ以上の物理的コンポーネントによって提供されてよい。いくつかの形態では、１つの物理的コンポーネントが１つまたはそれ以上の機能的態様を提供することができる。使用中は、気道への加圧された空気の供給が容易にするようにシール形成構造３１００は患者の気道入り口を囲むように配置される。
１２．３ ＲＰＴ装置
本技術の１態様によるＲＰＴ装置４０００は、機械的および空気的コンポーネンツ４１００、電気的コンポーネント４２００から成り、１つまたはそれ以上のアルゴリズム４３００を実行するようにプログラムされている。ＲＰＴ装置４０００は、２つの部分に形成された、上部４０１２と下部４０１４、外部ハウジング４０１０を有する。一つの形態で、外部ハウジング４０１０は１つまたはそれ以上のパネル（複数）４０１５を含むことができる。ＲＰＴ装置４０００は、ＲＰＴ装置４０００の１つまたはそれ以上の内部コンポーネントを支持するシャーシ４０１６を含んでよい。ＲＰＴ装置４０００はハンドル４０１８を含んでよい。
ＲＰＴ装置４０００の空気路は、入口フィルター４１１２、入り口マフラー４１２２、加圧された空気が供給できる圧力発生器４１４０（例えば送風機４１４２）および出口マフラー４１２４と圧力センサー４２７２および流量センサー４２７４のような１つまたはそれ以上の変換器４２７０のような１つまたはそれ以上の空気路アイテムを含んでよい。
１つまたはそれ以上の空気路アイテムは、空気ブロック４０２０と称する取外し可能な単一の構造内に位置できる。空気ブロック４０２０は外部ハウジング４０１０内に位置できる。１形態において、空気ブロック４０２０はシャーシ４０１６で支持されるかまたはその一部を形成する。
ＲＰＴ装置４０００は、電源４２１０、１つまたはそれ以上の入力装置４２２０、中央コントローラ４２３０、治療装置コントローラ４２４０、圧力発生器４１４０、１つまたはそれ以上の保護回路４２５０、メモリー４２６０、変換器４２７０、データ通信インタフェース４２８０および１つまたはそれ以上の出力装置４２９０から成ることができる。電気コンポーネント４２００は単一のプリント基板ユニット（ＰＣＢＡ）４２０２上に置くことができる。代案として、ＲＰＴ装置４０００は１つ以上のＰＣＢＡ４２０２を含んでよい。
１２．３．１ ＲＰＴ装置の機械的および空気的コンポーネンツ
ＲＰＴ装置４０００は、１つまたはそれ以上の下記のコンポーネンツを一体ユニットの中に含むことができる。代案の形態で、１つまたはそれ以上の次のコンポーネンツが、それぞれ別のユニットとして位置することができる。
１２．３．１．１ 空気フィルター（複数）
本技術の１形態によるＲＰＴ装置４０００は、空気フィルター４１１０または複数の空気フィルター４１１０を含むことができる。
１つの形態において、空気入口フィルター４１１２は、圧力発生器４１４０の上流の空気路の先頭に位置している。
１つの形態において、例えば抗菌性フィルターのような空気出口フィルター４１１４は空気ブロックの出口４０２０と患者インタフェース３０００の間に位置している。
１２．３．１．２ マフラー（複数）
本技術の１つの形態によるＲＰＴ装置４０００は、マフラー４１２０または複数のマフラー４１２０を含むことができる。
本技術の１形態において、入口マフラー４１２２は圧力発生器４１４０の上流の空気路に位置している。
本技術の１形態において、出口マフラ―４１２４は圧力発生器４１４０と患者インタフェース３０００の間の空気路に位置している。
１２．３．１．１３ 圧力発生器
本技術の１形態において、加圧空気を供給する、圧力装置４１４０は制御可能な送風機４１４２である。例えば送風機４１４２は、ボリュートの中に収めた一つまたはそれ以上のインペラーを有するブラシレスＤＣモータ４１４４を含む。圧力発生器４１４０は、例えば、約１２０リーッター／分の陽圧を、約４ｃｍＨ２Ｏから約２０ｃｍＨ２Ｏの範囲またはそのほかの形態で約３０ｃｍＨ２Ｏまでの範囲で空気の供給または流れを発生できる。
圧力発生器４１４０は、治療送値コントローラ４２４０の制御下にある。
その他の形態において、圧力発生器４１４０はピストン駆動のポンプ、高圧源（例えば、圧縮空気リザーバ）に接続された圧力調整器またはベローズであってよい。
１２．３．１．４ 変換器（複数）
変換器はＲＰＴ装置の内部でも外部でもよい。外部変換器は例えば空気回路に置かれまたは患者インタフェースのような空気回路の一部を形成する。外部変換器はデータをＲＰＴ装置に送信または移送するドップラーレーダ動きセンサーのような非接触センサーの形態であってよい。
本技術の１形態において、１つまたはそれ以上の変換器４２７０が圧力発生器４１４０の上流および／または下流に位置している。１つまたはそれ以上の変換器４２７０が、流量、空気路中のそのポイントにおける圧力または温度のようなそれぞれの空気の流れの特性を表示するデータを発生するように構築されかつ配置される。
本技術の１形態において、１つまたはそれ以上の変換器４２７０を患者インタフェース３０００の近位に置かれる。
１形態において、変換器４２７０からの信号は、ローパス、ハイパスまたはバンドパス・フィルタリングなどによってフィルターにかけられる。
１２．３．１．５ 抗スピルバック弁
本技術の１形態において、抗スピルバック弁４１６０が加湿器５０００と空気ブロック４０２０の間に位置している。この抗スピルバック弁は、水が加湿器５０００から上流に流れるリスク、例えばモータ４１４４へを低減するよう構築されかつ配置される。
１２．３．１．６ 空気回路
本技術の一つの態様による空気回路４１７０は、空気の流れが例えば空気ブロック４０２０と患者インタフェース３０００のような２つのコンポーネンツ間を使用中に行き来できるように構築されかつ配置されるた導管またはチューブである。
１２．３．１．７ 酸素補給
本技術の１形態において、補充酸素４１８０が例えば空気ブロック４０２０の上流、空回路４１７０へおよび／または患者インタフェース３０００へなど、空気通路中の１つまたはそれ以上のポイントに補充される。
１２．３．２ ＲＰＴ装置電気コンポーネント
１２．３．２．１ 電源
本技術の１つの形態において、電源４２１０は、ＲＰＴ装置４０００の外部ハウジング４０１０の内部にある。本技術の他の形態において、電源４２１０は、ＲＰＴ装置４０００の外部ハウジング４０１０の外部にある。
本技術の１形態において、電源４２１０はＲＰＴ装置４０００にのみ電気を提供する。本技術のもう１つの形態において、電源４２１０はＲＰＴ装置４０００と加湿器５０００の両方に電気を提供する。
１２．３．２．２ 入力装置
本技術の１形態において、ＲＰＴ装置４０００は作業者が装置と交流できるように、ボタン、スイッチまたはダイアルの形態の１つまたはそれ以上の入力装置４２２０を含む。ボタン、スイッチまたはダイアルは物理的装置またはタッチスクリーンからアクセスできるソフトウエア装置であってよい。１つの形態において、ボタン、スイッチまたはダイアルはハウジング４０１０に物理的に接続するかまたはもう１つの形態では、中央コントローラ４２３０と電気的接続にあるレシーバとの無線通信であってよい。
１つの形態において、入力装置４２２０は作業者が値および／またはメニューオプションが選択できるように構築されかつ配置される。
１２．３．２．３ 中央コントローラ
本技術の１つの形態において、中央コントローラ４２３０は、ｘ８６ＩＮＴＥＮＬプロセッサのようなＲＰＴ装置４０００を制御するために適したプロセッサである。
本技術の他の形態によるＲＰＴ装置４０００を制御するために適した中央コントローラ４２３０は、ＡＲＭホールディングスからのＡＲＭ Ｃｏｒｔｅｘ−Ｍプロセッサに基づいたプロセッサを含む。例えば、ＳＴ ＭＩＣＲＯＥＬＥＣＴＲＯＮＩＣＳからのＳＴＭ３２シリーズマイクロコントローラが使用され得る。
本技術の更なる代替形態によるＲＰＴ装置４０００を制御するために適した他の中央コントローラ４２３０は、ＡＲＭ９ベースの３２ビートＲＩＳＣ ＣＰＵファミリから選択されたメンバーを含む。例えば、ＳＴ ＭＩＣＲＯＥＬＥＣＴＲＯＮＩＣＳからのＳＴＲ９シリーズマイクロコントローラが使用され得る。
本技術の所定の代替形態において、１６ビートＲＩＳＣ ＣＰＵは、ＲＰＴ装置４０００用中央コントローラ４２３０として使用され得る。例えば、ＴＥＸＡＳ ＩＮＳＴＲＵＭＥＮＴＳによって製造された、ＭＳＰ４３０ファミリのマイクロコントローラからのプロセッサが使用され得る。
本技術の別の１形態において、中央コントローラ４２３０は専用の電子回路である。別の１形態において、中央コントローラ４２３０は特定用途向け集積回路（ＡＳＩＣ）である。もう１つの形態において、中央コントローラ４２３０は離散的な電子コンポーネンツを含む。
中央コントローラ４２３０は、１つまたはそれ以上の変換器４２７０そして１つまたはそれ以上の入力装置４２２０および加湿器５０００からの入力信号（複数）を受信するように構成される。
中央コントローラ４２３０は、出力信号（複数）を、１つまたはそれ以上の出力装置４２９０、治療装置コントローラ４２４０、データ通信インタフェース４２８０および加湿器５０００に提供するように構成される。
本技術のいくつかの形態において、中央コントローラ４２３０は、コンピュータプログラムとして表され、メモリー４２６０のような持続性コンピュータ可読記憶媒体に保存される１つまたはそれ以上のアルゴリズム４３００のような、本明細書に記載の１つまたはそれ以上の方法論を組み込むように構成される。本技術のいくつかの形態において、前述のように、中央コントローラ４２３０はＲＰＴ装置４０００と統合することができる。しかし本技術のいくつかの形態において、いくつかの方法論は遠隔に位置した装置によって実行できる。例えば遠隔に位置した装置は、人工呼吸器の制御設定を決定し、本明細書に記載の任意のセンサーからの保存されたデータを分析することによって呼吸関連のイベントが検出できる。
中央コントローラ４２３０は、様々なセンサ（例えば、変換器４２７０）、データ通信インタフェース４２８０、メモリ４２６０だけでなく、他の装置と相互作用する単一のコントローラを含むことができるが、コントローラ４２３０の機能は、１つより多くのコントローラ間に分散され得る。従って、本明細書で使用されるように用語「中央」は、アーキテクチャを他の装置を制御する単一のコントローラまたはプロセッサに制限することを意味しない。例えば、代替アーキテクチャは、１つより多くのコントローラまたはプロセッサを含んだ分散型コントローラアーキテクチャを含むことができる。これは、例えば、アルゴリズム４３００の一部を行う別途のローカル（すなわち、ＲＰＴ装置４０００内）または遠隔に位置したコントローラ、またはアルゴリズムの一部を記憶する１つより多くのローカルまたは遠隔メモリを含むことができる。さらに、コンピュータープログラムとして表現されるときのアルゴリズムは、高レベルの人間可読コード（例えば、Ｃ＋＋、ヴィジュアルベーシック、他のオブジェクト指向言語など）または低／機械レベル命令語（アセンブラ、ヴェリログなど）を含むことができる。アルゴリズム（複数）の機能によって、このようなコードまたは命令語は、コントローラ、例えば、ＡＳＩＣまたはＤＳＰで焼かれることができるとか、またはアルゴリズム（複数）によって要求される作業を行うために、特別にプログラムされるＤＳＰまたは汎用プロセッサにポーティングされた実行可能なランタイムであり得る。
１２．３．２．４ 時計
ＲＰＴ装置４０００は、中央コントローラ４２３０に接続された時計４２３２を含むことができる。
１２．３．２．５ 治療装置コントローラ
本技術の１形態において、治療装置コントローラ４２４０は、中央コントローラ４２３０が実行するアルゴリズム４３００の一部を形成する制御モジュール４３３０である。
本技術の１形態において、治療装置コントローラ４２４０は専用のモータ制御の集積回路である。例えば、ＯＮＳＥＭＩが製造しているＭＣ３３０３５ブラシレスＤＣモータコントローラの１形態である。
１２．３．２．６ 保護回路
本技術によるＲＰＴ装置４０００は、１つ以上の保護回路４２５０を含むことができる。
本技術による保護回路４２５０の１つの形態は、電気保護回路である。本技術による保護回路４２５０の１つの形態は、温度または圧力安全回路である。
１２．３．２．７ メモリー
本技術の１形態により、ＲＰＴ装置４０００はメモリー４２６０、例えば、非揮発性メモリーを含む。いくつかの形態において、メモリー４２６０はバッテリー駆動のスタティックＲＡＭを含むことができる。いくつかの形態では、メモリー４２６０は揮発性ＲＡＭを含むことができる。
メモリー４２６０はＰＣＢＡ４２０２上に置いてよい。メモリー４２６０は、ＥＥＰＲＯＭまたはＮＡＮＤフラッシュの形態とすることができる。
追加でまたは代案として、ＲＰＴ装置４０００は、例えば、Ｓｅｃｕｒｅ Ｄｉｎｇｉｔａｌ（ＳＤ）標準で作ったメモリーカードのようなの取り外し形態のメモリー４２６０を含む。
本技術の１つの形態において、メモリー４２６０は、１つまたはそれ以上のアルゴリズム４３００のような、本明細書に記載の１つまたはそれ以上の方法論を表現するコンピュータプログラムのインストラクションが搭載された非一時的なコンピュータ可読記憶媒体として働く。
１２．３．２．８ 変換器
変換器は、装置４０００の内部、またはＲＰＴ装置４０００の外部にあり得る。外部変換器は、例えば、患者インタフェイで、空気伝達回路４１７０上に配置されるとか、またはその一部を形成することができる。外部変換器は、ＲＰＴ装置４０００にデータを送信または転送するドップラレーダ動きセンサのような非接触センサの形態であり得る。
１２．３．２．８．１ 流量
本技術による流量変換器４２７４は、差圧変換器、例えば、ＳＥＮＳＩＲＩＯＮからのＳＤＰ６００シリーズ差圧変換器に基づくことができる。差圧変換器は、空気圧回路と流体連通し、それぞれの圧力変換器のうちの１つは、流れ制限要素内のそれぞれの第１及び第２の地点に連結される。
一例において、流量変換器４２７４からの総流量（Ｑｔ）を表す信号は、中央コントローラ４２３０によって受信される。
１２．３．２．８．２ 圧力
本技術による圧力変換器４２７２は、空気圧経路と流体連通状態に配置される。適した圧力変換器４２７２の例は、ＨＯＮＥＹＷＥＬＬ ＡＳＤＸシリーズからのセンサである。他の適した圧力変換器は、ＧＥＮＥＲＡＬ ＥＬＥＣＴＲＩＣからのＮＰＡシリーズからのセンサである。
使用時に、圧力変換器４２７２からの信号は、中央コントローラ４２３０によって受信される。１つの形態において、圧力変換器４２７２からの信号は、中央コントローラ４２３０によって受信される前にフィルタリングされる。
１２．３．２．８．３ モーター速度
本技術の１つの形態において、モーター速度変換器４２７６は、モーター４１４４及び／または送風機４１４２の回転速度を決定するために使用される。モーター速度変換器４２７６からのモーター速度信号は、治療装置コントローラ４２４０に提供され得る。モーター速度変換器４２７６は、例えば、ホール効果センサのような速度センサであり得る。
１２．３．２．９ データ通信システム
本技術の１形態において、データ通信インタフェース４２８０が提供でき、中央コントローラ４２３０に接続できる。データ通信インタフェース４２８０は遠隔外部通信ネットワーク４２８２に接続可能でありおよび／またははローカルの外部通信ネットワーク４２８４に接続可能である。遠隔外部通信ネットワーク４２８２は遠隔外部装置４２８６に接続可能である。ローカル外部通信ネットワーク４２８４はローカルの外部装置４２８８に接続可能である。
１つの形態において、データ通信インタフェース４２８０は中央コントローラ４２３０の一部である。もう１つの形態において、データ通信インタフェース４２８０は、中央コントローラ４２３０とは別で、集積回路またはプロセッサーを含むことができる。
１つの形態において、遠隔外部通信ネットワーク４２８２はインターネットである。データ通信インタフェース４２８０は有線接続（例えば、イーサネット経由または光ファイバー）またはインターネットに接続する無線プロトコル（例えば、ＣＤＭＡ、ＧＳＭ、ＬＴＥ）であってよい。
１つの形態において、ローカル外部通信ネットワーク４２８４はＢｌｕｅｔｏｏｔｈまたは消費者赤外プロトコルのような１つまたはそれ以上の通信標準を利用する。
１つの形態において、遠隔外部装置４２８６は１つ以上のコンピュータ、例えばネットワーク・コンピュータのクラスターであってよい。１つの形態において、遠隔外部装置４２８６は、物理的コンピュータと言うよりむしろ仮想コンピュータであってよい。いずれの場合でも、このような遠隔外部装置４２８６には臨床医のような適切に権限を与えられた人がアクセスできる。
ローカル外部装置４２８８は、パーソナルコンピュータ、携帯電話、タブレットまたは遠隔制御であってよい。
１つの形態において、インタフェースは、例えば、ＲＦモーションセンサを含む本明細書で説明されたセンサなどのうちのいずれかの１つのようなセンサと通信することができる。
１２．３．２．１０ オプションのディスプレイ、警報を含む出力装置
本技術による出力装置４２９０は、視覚、オーディオおよび触覚ユニットの一つまたはそれ以上の形態をとることができる。視覚ディスプレイは液晶表示装置（ＬＣＤ）または発光ダイオード（ＬＥＤ）ディスプレイであってよい。
１２．３．２．１０．１ ディスプレイ・ドライバー
ディスプレイ・ドライバー４２９２は入力としてディスプレイ４２９４に表示する文字、記号または映像を受信し、それらをコマンドに変換してディスプレイ４２９４にこれらの文字、記号または映像を表示させる。
１２．３．２．１０．２ ディスプレイ
ディスプレイ４２９４は、ディスプレイ・ドライバー４２９２から受信したコマンドに対応して文字、記号または映像を視覚的に表示するように設定される。例えば、ディスプレイ４２９４は８セグメント表示であってよく、この場合ディスプレイ・ドライバー４２９２は例えば数字「０」のような文字または記号のそれぞれを８つの論理信号に変換し、８つのそれぞれのセグメントが特定の文字または記号を表示するように活性化するかどうかを指示する。
１２．３．３ ＲＰＴ装置アルゴリズム
１２．３．３．１ 前処理モジュール
本技術による前処理モジュール４３１０は、変換器４２７０、例えば、流量センサ４２７４または圧力センサ４２７２からのローデータを入力として受信し、１つ以上のプロセスステップを行って、他のモジュール、例えば、治療エンジンモジュール４３２０への入力として使用される１つ以上の出力値を計算する。
本技術の１つの形態において、出力値は、インタフェースまたはマスク圧力Ｐｍ、呼吸流量Ｑｒ、及び漏れ流量Ｑｌを含む。
本技術の様々な形態において、前処理モジュール４３１０は、以下のアルゴリズムのうちの１つ以上を含む：圧力補償４３１２、ベント流量推定４３１４、漏れ流量推定４３１６、呼吸流量推定４３１７、換気決定４３１１、目標換気決定４３１３、呼吸数推定４３１８、及びバックアップ率決定４３１９。
１２．３．３．１．１ 圧力補償
本技術の１つの形態において、圧力補償アルゴリズム４３１２は、空気圧ブロック４０２０の出口近くの空気圧経路内の圧力を示す信号を入力として受信する。圧力補償アルゴリズム４３１２は、空気回路４１７０内の圧力降下を推定し、患者インタフェース３０００での推定された圧力Ｐｍを出力として提供する。
１２．３．３．１．２ ベント流量推定
本技術の１つの形態において、ベント流量評価アルゴリズム４３１４は、患者インタフェース３０００での推定された圧力Ｐｍを入力として受信し、患者インタフェース３０００でのベント３４００から空気のベント流量Ｑｖを推定する。
１２．３．３．１．３ 漏れ流量推定
本技術の１つの形態において、漏れ流量推定アルゴリズム４３１６は、総流量Ｑｔ及びベント流量Ｑｖを入力として受信し、漏れ流量Ｑｌを推定する。１つの形態において、漏れ流量推定アルゴリズム４３１６は、数個の呼吸周期を含むために十分に長い期間、例えば、約１０秒にわたって総流量とベント流量Ｑｖとの間の差の平均を計算することによって漏れ流量Ｑｌを推定する。
１つの形態において、漏れ流量推定アルゴリズム４３１６は、患者インタフェース３０００での総流量Ｑｔ、ベント流量Ｑｖ、及び推定された圧力Ｐｍを入力として受信し、漏れコンダクタンス（ｌｅａｋ ｃｏｎｄｕｃｔａｎｃｅ）を計算して漏れ流量Ｑｌを漏れコンダクタンス及び圧力Ｐｍの関数であるものとして決定することによって漏れ流量Ｑｌを推定する。漏れコンダクタンスは、総流量Ｑｔとベント流量Ｑｖとの間の差と同一の低域フィルタリングされた非ベント流量の値、及び圧力Ｐｍの低域フィルタリングされた平方根として計算されることができ、ここで、低域フィルタ時定数は、数個の呼吸周期を含むために十分に長い値、例えば、約１０秒を有する。漏れ流量Ｑｌは、漏れコンダクタンスと圧力関数Ｐｍとの積として推定され得る。
１２．３．３．１．４ 呼吸流量推定
本技術の１つの形態において、呼吸流量推定アルゴリズム４３１７は、総流量Ｑｔ、ベント流量Ｑｖ、漏れ流量Ｑｌを入力として受信し、総流量Ｑｔからベント流量Ｑｖ及び漏れ流量Ｑｌ減算することによって患者に対する空気の呼吸流量Ｑｒを推定する。
本技術の他の形態において、呼吸流量推定アルゴリズム４３１７は、呼吸流量Ｑｒに対するプロキシとして作用する値を提供する。呼吸流量に対する可能なプロキシは、次を含む：
−患者１０００の胸部の呼吸運動
−圧力発生器４１４０によって流れる電流
−圧力発生器４１４０のモーター速度
−患者１０００の経胸腔（Ｔｒａｎｓ−ｔｈｏｒａｃｉｃ）インピーダンス
呼吸流量プロキシ値は、ＲＰＴ装置４０００内の変換器４２７０、例えば、モーター速度センサ４２７６、またはＲＰＴ装置４０００外部のセンサ、例えば、呼吸運動センサまたは経胸腔インピーダンスセンサによって提供され得る。
１２．３．３．１．５ 換気決定
本技術の１つの形態において、換気決定アルゴリズム４３１１は、呼吸流量Ｑｒを受信し、現在の患者換気を示す測定値Ｖｅｎｔを決定する。
幾つかの実施形態において、換気決定アルゴリズム４３１１は、実際患者の換気の推定である換気の測定値Ｖｅｎｔを決定する。
１つのこのような実施形態において、換気の測定値Ｖｅｎｔは、０．１１Ｈｚのコーナー周波数を有する２次ベッセル低域フィルタのような低域フィルタによって選択的にフィルタリングされる、呼吸流量Ｑｒの絶対値の半分である。
１つのこのような実施形態において、換気の測定値Ｖｅｎｔは、総肺胞換気（ｇｒｏｓｓ ａｌｖｅｏｌａｒ ｖｅｎｔｉｌａｔｉｏｎ）（すなわち、非解剖学的死腔換気）の推定値である。これは、解剖学的死腔の推定値を必要とする。１つは、解剖学的死腔の良好な予測因子として患者の身長（または重度の骨格変形の場合にはアームスパン（ａｒｍ−ｓｐａｎ））を使用することができる。それでは、総肺胞換気は、例えば、前記のように決定された実際患者の換気の測定値と同一であり、推定された解剖学的死腔と推定された自発的呼吸数Ｒｓとの積よりも少ない。
他の実施形態において、換気決定アルゴリズム４３１１は、実際患者の換気にほぼ比例する換気の測定値Ｖｅｎｔを決定する。１つのこのような実施形態は、期の吸気部分にわたってピーク呼吸流量Ｑｐｅａｋを推定する。呼吸流量Ｑｒをサンプリングすることを含むこの手順及び多くの他の手順は、流量波形の形状が非常にあまり変わらない限り換気にほぼ比例する測定値を生成する（ここで、２つの呼吸の形状は、時間及び振幅に標準化された呼吸の流量波形が類似するときに類似したものとして取られる）。幾つかの簡単な例は、中央陽性呼吸流量、呼吸流量の絶対値の中央値、及び流量の標準偏差を含む。正の係数を使用する呼吸流量の絶対値、及びさらには正及負の係数の両方使用する幾つかの任意の順序統計の任意の線形組み合わせは、換気にほぼ比例する。他の例は、吸気部分の中間Ｋ比率（時間基準）における呼吸流量の平均であり、ここで、０＜Ｋ＜１である。流量波形の形状が一定である場合に、換気に正比例する任意の多くの数の測定値がある。
他の形態において、換気決定アルゴリズム４３１１は、呼吸流量Ｑｒに基づいていないが、患者１０００に取り付けられた適切なセンサから得られる、酸素飽和度（ＳａＯ２）、または二酸化炭素の部分圧力（ＰＣＯ２）のような現在患者の換気に対するプロキシである換気の測定値Ｖｅｎｔを決定する。
１２．３．３．１．６ 目標換気決定
本技術の１つの形態において、中央コントローラ４２３０は、現在換気の測定値Ｖｅｎｔの測定値を入力として取り込み、換気の測定値に対する目標値Ｖｔｇｔの決定のために、１つ以上の目標換気決定アルゴリズム４３１３を行う。
本技術の幾つかの形態では、目標換気決定アルゴリズム４３１３がなく、例えば、ＲＰＴ装置４０００の構成中にハードコーディングによってまたは入力装置４２２０を介する手動入力によって目標換気Ｖｔｇｔが予め決定される。
適応的サーボ−換気（ａｄａｐｔｉｖｅ ｓｅｒｖｏ−ｖｅｎｔｉｌａｔｉｏｎ：ＡＳＶ）治療（後述する）のような本技術の他の形態において、目標換気決定アルゴリズム４３１３は、患者１０００の典型的な最近の換気を示す値Ｖｔｙｐから目標換気Ｖｔｇｔを演算する。
適応的サーボ−換気治療の幾つかの形態において、目標換気Ｖｔｇｔは、典型的な最近の換気Ｖｔｙｐより小さいが、高い割合として計算される。このような形態における高い割合は、（８０％、１００％）、または（８５％、９５％）、または（８７％、９２％）の範囲内であり得る。
適応的サーボ−換気治療の他の形態において、目標換気Ｖｔｇｔは、典型的な最近の換気Ｖｔｙｐの単一倍数よりもわずかに大きいとして演算される。
典型的な最近の換気Ｖｔｙｐは、幾つかの予め決定された時間尺度にわたって複数の時間瞬間にわたった最近の換気の測定値Ｖｅｎｔの分布がクラスタされる傾向がある値、すなわち、最近の履歴にわたった現在換気の測定の中央傾向の測定値である。目標換気決定アルゴリズム４３１３の１つの実施形態において、最近の履歴は、数分程度であるが、いずれの場合にも、チェーン−ストークス漸増及び漸減周期の時間尺度よりも長くすべきである。目標換気決定アルゴリズム４３１３は、現在換気の測定値Ｖｅｎｔから典型的な最近の換気Ｖｔｙｐを決定するために、中央傾向の様々な周知の測定値のうちのいずれのものを使用することができる。１つのこのような測定値は、１００秒と同一の時定数で、現在換気Ｖｅｎｔの測定値に対する低域フィルタの出力である。
１２．３．３．１．７ 呼吸数推定
本技術の１つの形態において、呼吸数推定アルゴリズム４３１８は、患者１０００に対する呼吸流量Ｑｒを入力として受信し、患者の自発的呼吸数Ｒｓの推定値を生成する。
呼吸数推定アルゴリズム４３１８は、患者１０００が自発的に呼吸しているとき、すなわち、ＲＰＴ装置４０００が「バックアップ呼吸」（後述する）を伝達していないときの期間にわたって自発的呼吸数Ｒｓを推定することができる。本技術の幾つかの形態において、呼吸数推定アルゴリズム４３１８は、サーボ−補助（圧力補助（ｐｒｅｓｓｕｒｅ ｓｕｐｐｏｒｔ）から最小圧力補助を引いた値として定義される）が低いとき、１つの実施形態では、４ｃｍＨ２Ｏ未満のときの期間にわたって呼吸数を推定するが、これは、このような期間が自発的な呼吸努力を反映する可能性がより大きいからである。
本技術の幾つかの形態において、呼吸数推定アルゴリズム４３１８は、このような期間中の呼吸数が、覚醒中の呼吸数と実質的に異なることができるので、睡眠中の呼吸期間にわたって呼吸数を推定する。不安は、典型的に睡眠中に優勢な呼吸数よりも高い呼吸数をもたらす。患者が各自の呼吸過程に集中するとき、各自の呼吸数は、典型的に正常な覚醒中または睡眠中のものよりも低い。国際公開ＷＯ２０１１／００６１９９として公開され、全体開示内容が参照として本明細書に組み込まれる国際特許出願ＰＣＴ／ＡＵ２０１０／０００８９４号は、呼吸流量Ｑｒから覚醒中の呼吸期間を識別するために使用され得る。
本技術の幾つかの形態において、呼吸数推定アルゴリズム４３１８は、関心期間中の呼吸持続期間Ｔｔｏｔの中央傾向の様々な周知の統計的測定値などのうちの１つの逆数（ｒｅｃｉｐｒｏｃａｌ）として自発的呼吸数Ｒｓを推定する。このような測定値などでは、外れ値（ｏｕｔｌｉｅｒ）を拒否するか、少なくとも外れ値に対して強くすることが好ましい。整列された呼吸持続期間の下部及び上部のＫ比率が捨てられる１つのこのような測定値、すなわち、トリミングされた平均（ｔｒｉｍｍｅｄ ｍｅａｎ）、及び残っている呼吸持続時間に対して計算された平均は外れ値に対して強い。例えば、Ｋが０．２５であるとき、これは、呼吸持続期間Ｔｔｏｔの上部及び下部四分位数を捨てることに該当する。中央値は、中央傾向の他の堅固な測定値であるが、これは、時々分布が強く二峰性（ｂｉｍｏｄａｌ）であるときに不満足な結果を与えることができる。単純な平均は、中央傾向の測定値として使用されることもできるが、外れ値に敏感である。不確実な呼吸数（例えば、４５呼吸／分の超過または６呼吸／分の未満）に該当する連続的な時間間隔が平均計算で外れ値として排除される初期間隔フィルタリング段階が使用され得る。単独で、または間隔フィルタリングと組み合わせて使用され得る他のフィルタリングメカニズムは、Ｎの連続的な自発的呼吸のシーケンスの一部ではない呼吸を排除すること（ここで、Ｎは、幾つかの小さな整数（例えば、３）である）と連続的な自発的呼吸の初期及び後期の呼吸を排除すること、例えば、４回の呼吸のシーケンスのうち最初及び最後呼吸を排除することである。後者のメカニズムに対する理論的根拠は、自発的呼吸のシーケンス中、特に最初及び最後呼吸、及び一般的に初期及び後期呼吸が非典型的であることができ；例えば、最初自発的呼吸は、覚醒（ａｒｏｕｓａｌ）の結果として、起こることができ、最終自発的呼吸は、自発的呼吸のシーケンスを終了するバックアップ呼吸をもたらす呼吸ドライブ（ｒｅｓｐｉｒａｔｏｒｙ ｄｒｉｖｅ）の減少のために、より長くなることができる。
本技術の幾つかの形態において、呼吸数推定アルゴリズム４３１８は、初期推定期間を使用して自発的呼吸数Ｒｓの初期推定を行って、治療エンジンモジュール４３２０で後続処理を開始させた後、初期推定期間より長い推定期間を使用して自発的呼吸数Ｒｓの推定を連続的にアップデートして、統計的頑健性を改善する。例えば、初期推定期間は、適切な自発的呼吸の２０分であり得るが、その次には、推定期間が一部の最大持続期間、例えば、８時間まで徐々に増加することができる。この推定のために、このような持続期間のローリングウィンドウが使用されるのではなく、呼吸持続期間に対する低域フィルタが、セッションが進行されるにつれて徐々により長い反応時間（より正確には、徐々に低いコーナー周波数）を有して使用され得る。
幾つかの形態において、トリミングされた平均のような中央傾向の適切に処理された短期間（例えば、１０分）測定値は、適切な低域フィルタに入力されて、時間単位またはその以上の時間尺度に対して変わる推定値Ｒｓを提供することができる。これは、トリミングされた平均が数時間または数日間持続する呼吸持続期間データの移動ウィンドウに対して計算される必要がある場合に起こることもできるので、潜在的に大量の呼吸持続期間データが格納され、処理される必要がないという利点がある。
本技術の幾つかの形態において、短時間にわたって、特に１回の呼吸にわたって測定された呼吸数は、また前述した中央傾向測定値での呼吸持続期間の代わりに使用されることができ、一般的に類似しているが同一ではない結果を提供する。
１２．３．３．１．８ バックアップ率決定
本技術の１つの形態において、バックアップ率決定アルゴリズム４３１９は、呼吸数推定アルゴリズム４３１８によって提供された自発的呼吸数推定値Ｒｓを入力として受信し、「バックアップ率」Ｒｂをリターンする。バックアップ率Ｒｂは、ＲＰＴ装置４０００が顕著な自発的呼吸努力欠如時に、患者１０００にバックアップ呼吸を伝達する、すなわち、人工呼吸支援を提供し続ける比率である。
前処理モジュール４３１０の１つの形態では、バックアップ率決定アルゴリズム４３１９がなく、代わりにバックアップ率Ｒｂが、例えば、入力装置４２２０を介してＲＰＴ装置４０００に手動に提供されるか、ＲＰＴ装置４０００の構成時にハードコートされる。
適応的バックアップ率として知られた１つの形態において、バックアップ率決定アルゴリズム４３１９は、バックアップ率Ｒｂを自発的呼吸数Ｒｓの関数として決定する。１つの実施形態において、関数は、バックアップ率Ｒｂを自発的呼吸数Ｒｓから２回／分の呼吸のような定数を引いた値として決定する。他の実施形態において、関数は、バックアップ率Ｒｂを自発的呼吸数Ｒｓに１よりわずかに小さい定数を乗算した値として決定する。
可変型バックアップ率として知られた１つの形態において、バックアップ率決定アルゴリズム４３１９は、バックアップ率Ｒｂを時間の関数として決定する。バックアップ率Ｒｂは、持続的時限的バックアップ率（ｓｕｓｔａｉｎｅｄ ｔｉｍｅｄ ｂａｃｋｕｐ ｒａｔｅ：ＳＴＢＲ）として知られた最終目標バックアップ率の幾つかの分率である自発的バックアップ率（ｓｐｏｎｔａｎｅｏｕｓ ｂａｃｋｕｐ ｒａｔｅ：ＳＢＲ）として知られた値に初期化される。分率は、２／３、または３／４、または１未満の他の正の値であり得る。ＳＢＲは、直近の吸気が自発的（すなわち、患者−トリガーされた）呼吸であったときのバックアップ呼吸に対するタイムアウト期間の逆数である。ＳＴＢＲは、予め決定されることができるか（例えば、前述のように手動入力またはハードコーディングによって）または１５ｂｐｍのような幾つかの典型的な呼吸数に設定され得る。以前の自発的呼吸以後から経過された時間とともにバックアップ率Ｒｂは、ＳＢＲからＳＴＢＲに向かって増加される。前記増加は、予め決定されたプロフィールである、例えば、一連のステップ、または連続的な線形プロフィールに従うことができる。前記プロフィールは、バックアップ率Ｒｂが予め決定された間隔後にＳＴＢＲに逹するように選択される。前記間隔は、３０秒のような時間の単位で、または５回の呼吸のような患者の呼吸に対して測定され得る。
可変型バックアップ率の幾つかの形態において、バックアップ率ＲｂがＳＢＲからＳＴＢＲに向かって増加する予め決定された間隔は、現在換気の適切性の関数であり得る。目標値Ｖｔｇｔが換気の測定のために存在するサーボ−換気に適した１つの実施形態において、バックアップ率は、換気Ｖｅｎｔの現在測定値が目標換気Ｖｔｇｔ未満の範囲でより速くＳＴＢＲに近付く。
適応可変型バックアップ率として知られた可変型バックアップ率の１つの形態において、バックアップ率決定アルゴリズム４３１９は、呼吸数推定アルゴリズム４３１８によって提供される現在推定自発的呼吸数Ｒｓの関数だけでなく、時間の関数としてバックアップ率Ｒｂを決定する。可変型バックアップ率決定と同様に、適応可変型バックアップ率決定は、現在換気の適切性の関数であり得る予め決定された間隔にわたってＳＢＲからＳＴＢＲに向かってバックアップ率Ｒｂを増加させる。ＳＴＢＲは、標準呼吸数、例えば、１５ｂｐｍに初期化され得る。自発的呼吸数Ｒｓの信頼できる推定値が呼吸数推定アルゴリズム４３１８から使用可能であれば、ＳＴＢＲは、幾つかの定数を乗算した現在推定された自発的呼吸数Ｒｓに設定され得る。ＳＢＲは、可変型バックアップ率と同様に、ＳＴＢＲの幾つかの分率に設定され得る。１つの形態において、分率、例えば、２／３は、比較的低い呼吸数、例えば、１２回／分の呼吸を有する患者においてたまに長い呼吸持続期間を収容するために、自発的呼吸数Ｒｓの初期推定期間中に、０．５５のような低い値に設定され得る。
幾つかの形態において、現在推定された自発的呼吸数ＲｓがＳＴＢＲを得るために乗算される定数は、無呼吸の間により積極的な人工呼吸を提供するように１よりもわずかに高いことができる、例えば、１．１であることができ、これは、短い無呼吸において好ましいことができる。定数は、特に患者努力の返還に対する患者との再同期化の困難が特定の患者の問題であることが明かになる場合、１よりもわずかに低いことができる、例えば、０．８であり得る。低いバックアップ率は、再同期化が一般的に生じる、呼気後休止を長くすることによって、再同期化をより容易にする。
１２．３．３．２ 治療エンジンモジュール
本技術の１つの形態において、治療エンジンモジュール４３２０は、患者インタフェース３０００での圧力Ｐｍ、患者に対する空気の呼吸流量Ｑｒ、及び自発的呼吸数の推定値Ｒｓのうちの１つ以上を入力として受信し、１つ以上の治療パラメータを出力として提供する。様々な形態において、治療エンジンモジュール４３２０は、以下のアルゴリズムのうちの１つ以上を含む：位相決定アルゴリズム４３２１、波形決定アルゴリズム４３２２、吸気流れ制限決定アルゴリズム４３２４、無呼吸／呼吸低下決定アルゴリズム４３２５、いびき検出アルゴリズム４３２６、気道開通性決定アルゴリズム４３２７、及び治療パラメータ決定アルゴリズム４３２９。
１２．３．３．２．１ 位相決定
本技術の１つの形態において、位相決定アルゴリズム４３２１は、呼吸流量Ｑｒを示す信号を入力として受信し、患者１０００の現在呼吸周期の位相Φを出力として提供する。
離散位相決定（ｄｉｓｃｒｅｔｅ ｐｈａｓｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ）として知られた幾つかの形態において、位相出力Φは、離散変数である。離散位相決定の１つの実施形態は、自発的吸気及び呼気の開始をそれぞれ検出するとき、例えば、それぞれ０及び０．５回転値として表される吸気または呼気値を有する２値の位相出力Φを提供する。トリガー及び周期ポイントは、位相が呼気から吸気へ、及び吸気から呼気へそれぞれ変化する瞬間であるので、「トリガー」及び「サイクル」するＲＰＴ装置４０００は、離散位相決定を効果的に行う。２値位相決定の１つの実施形態において、位相出力Φは、呼吸流量Ｑｒが正の閾値を超過する値を有するときに、０の離散値（これによってＲＰＴ装置４０００を「トリガリング」）、及び呼吸流量Ｑｒが負の閾値よりも負の値を有するときに、０．５回転数の離散値（これによってＲＰＴ装置４０００を「サイクリング」）を有すると決定される。
離散位相決定の他の実施形態は、吸気、中間吸気休止、呼気のうちの１つに対する値を有する３値位相出力Φを提供する。
連続位相決定として知られた他の形態において、位相出力Φは、例えば、０から１回転数まで、または０から２πラジアンまで変わる連続値である。連続位相決定を行うＲＰＴ装置４０００は、連続位相が０及び０．５回転数にそれぞれ逹するときに、トリガー及びサイクルされ得る。連続位相決定の１つの実施形態において、位相Φの連続値は、呼吸流量Ｑｒのファジー論理分析を利用して決定される。この実施形態において決定される位相の連続値は、しばしば「ファジー位相」と呼ばれる。ファジー位相決定アルゴリズム４３２１の１つの実施形態では、以下の規則が呼吸流量Ｑｒに適用される：
１．呼吸流量が０で速く増加している場合であれば、位相は０回転数である。
２．呼吸流量が大きい正数で一定した場合であれば、位相は０．２５回転数である。
３．呼吸流量が０で速く低下する場合であれば、位相は０．５回転数である。
４．呼吸流量が大きい負数で一定した場合であれば、位相は０．７５回転数である。
５．呼吸流量が０で一定しており、呼吸流量の５秒低域フィルタリングされた絶対値が大きい場合であれば、位相は０．９回転数である。
６．呼吸流量が正数で位相が呼気の場合であれば、位相は０回転数である。
７．呼吸流量が負数で位相が吸気の場合であれば、位相は０．５回転数である。
８．呼吸流量の５秒低域フィルタリングされた絶対値が大きい場合、位相は２０秒の時定数で低域フィルタリングされた、患者の呼吸数と同一の一定の速度で増加している。
各規則の出力は、位相が規則の結果値であり、大きさが規則が真であるファジー程度であるベクトルとして表現され得る。呼吸流量が「大きい」、「一定する」などのファジー程度は、適切なメンバシップ関数によって決定される。ベクトルとして表現された規則の結果値などは、以後、例えば、中心（ｃｅｎｔｒｏｉｄ）を求める幾つかの関数によって組み合わせされる。このような組み合わせにおいて、規則は、等しく重み付けされるとか、異なるように重み付けされ得る。
連続位相決定の他の実施形態において、吸気時間Ｔｉ及び呼気時間Ｔｅは、最初に呼吸流量Ｑｒから推定される。その後、位相Φは、以前のトリガー瞬間以後に経過された吸気時間Ｔｉの割合の半分、または０．５回転加えた以前の周期瞬間以後に経過された呼気時間Ｔｅの割合の半分を加えたもの（いずれか最近のもの）として決定される。
圧力補助換気治療（後述する）に適切な本技術の幾つかの形態において、位相決定アルゴリズム４３２１は、呼吸流量Ｑｒが、例えば、無呼吸の間に顕著に小さい場合でもトリガーされるように構成される。従って、ＲＰＴ装置４０００は、患者１０００からの自発的呼吸努力欠如時に「バックアップ呼吸」を伝達する。自発／時限（ｓｐｏｎｔａｎｅｏｕｓ／ｔｉｍｅｄ）（Ｓ／Ｔ）モードとして知られたこのような形態において、位相決定アルゴリズム４３２１は、バックアップ率決定アルゴリズム４３１９によって提供されたバックアップ率Ｒｂを使用することができる。
「ファジー位相」を使用する位相決定アルゴリズム４３２１は、「モーメンタム」規則をファジー位相規則に含ませることによってバックアップ率Ｒｂを使用してＳ／Ｔモードを実施することができる。モーメンタム規則の効果は、他に連続的位相を他の規則を介して繰り越す呼吸流量Ｑｒの特徴がない場合に、バックアップ率Ｒｂで連続位相を呼気から吸気に繰り越すことである。１つの実施形態において、換気の測定値Ｖｅｎｔ（後述する）が換気の目標値Ｖｔｇｔ（やっぱり後述する）より十分に低いことが事実であるほど、モーメンタム規則が組み合わせでより大きく重み付けされる。しかしながら、（目標換気に対して）軽度乃至中程度の低換気に反応する圧力補助の急速な増加の結果として、換気は、目標換気に非常に近接することができる。患者が呼吸器によって高い割合で呼吸するように不必要に押し込まれることなく、他の時間（患者が中枢性無呼吸状態にない場合）での呼吸数よりも顕著に低い割合で呼吸できるようにするために、換気が目標値に近接するときにモーメンタム規則に低い重み付け値が付与されることが好ましい。しかし、換気が目標値と近いが、その下である値を上回るときにモーメンタム規則に低い重み付け値が付与されるとき、適切な換気がバックアップ率よりはるかに下の割合で比較的高い圧力補助で容易に達成され得る。バックアップ呼吸がより高い割合で伝達することが好ましいであるが、これは、目標換気がより低い圧力サポートで伝達することができるようにするからである。これは、様々な理由から好ましく、その中で核心的な１つは、マスク漏れを減らすことである。
要約すると、Ｓ／Ｔモードを実施するファジー位相決定アルゴリズム４３２１において、バックアップ率Ｒｂを含むモーメンタム規則の重み付け値を選択するのにジレンマが存在する：重み付け値が高すぎる場合、患者がバックアップ率によって「押しつけられる（ｐｕｓｈｅｄ ａｌｏｎｇ）」感じを受けることができる。重み付け値が低すぎる場合、圧力補助が過度になることができる。従って、前述のモーメンタム規則に依存しないＳ／Ｔモードを実施する方法を提供することが好ましい。
（離散型またはモーメンタム規則なしの連続的）位相決定アルゴリズム４３２１は、時限的バックアップとして知られた方式でバックアップ率Ｒｂを使用してＳ／Ｔモードを実施することができる。時限的バックアップは、以下のように実施され得る：位相決定アルゴリズム４３２１は、例えば、前述のように呼吸流量Ｑｒをモニタリングすることによって自発的呼吸努力による吸気の開始を検出しようと試みる。自発的呼吸努力による吸気の開始が、持続期間がバックアップ率Ｒｂの逆数と等しい前回のトリガー瞬間後の一定期間（バックアップタイミング閾値として知られた間隔）内に検出されない場合、位相決定アルゴリズム４３２１は、位相出力Φを吸気の値に設定する（これにより、ＲＰＴ装置４０００をトリガーする）。ＲＰＴ装置４０００がトリガーされ、バックアップ呼吸が伝達され始めると、位相決定アルゴリズム４３２１は、例えば、呼吸流量Ｑｒをモニタリングすることのよって、自発的呼気の開始を検出しようと試み、これにより、位相出力Φが呼気の値に設定される（これにより、ＲＰＴ装置４０００を循環させる）。
前述した可変型バックアップ率システムでのように、バックアップ率Ｒｂが時間経過に応じてＳＢＲからＳＴＢＲに増加する場合、バックアップタイミングの閾値はより長く開始して徐々に短くなる。すなわち、ＲＰＴ装置４０００は、より多くのバックアップ呼吸が伝達されることによって自発的呼吸努力の欠如に対して少なく警戒し始めてから徐々により警戒するようになる。このようなＲＰＴ装置４０００は、必要なときにバックアップ呼吸を依然として提供しながら、患者が標準の割合より低く呼吸することを好む場合に、患者が「押しつけられる」感じを受ける可能性が少ない。
可変型バックアップ率システムでのＳＴＢＲが前述した適応可変型バックアップ率システムでのように、患者の推定された自発的呼吸数Ｒｓに適応する場合、バックアップ呼吸は、患者自身の最近の自発的呼吸努力に適した割合で伝達される。
１２．３．３．２．２ 波形決定
本技術の１つの形態において、治療制御モジュール４３３０は、圧力発生器４１４０を制御して波形テンプレートП(Φ)による患者の呼吸周期の位相Φの関数として変化する治療圧力Ｐｔを供給する。
本技術の１つの形態において、波形決定アルゴリズム４３２２は、治療パラメータ決定アルゴリズム４３２９によって使用される位相決定アルゴリズム４３２１によって提供された位相値Φの領域に対して［０、１］範囲内の値を有する波形テンプレートΠ（Φ）を提供する。
離散または連続値の位相のいずれかに適した１つの形態において、波形テンプレートΠ（Φ）は、０．５回転以下の位相の値に対して１の値を有し、０．５回転超過の位相の値に対して０の値を有する方形波テンプレートである。連続値の位相に適した１つの形態において、波形テンプレートΠ（Φ）は、２つの滑らかに湾曲した部分、すなわち、０．５回転までの位相値に対して０から１まで滑らかに湾曲した（例えば、上昇されたコサイン（ｒａｉｓｅｄ ｃｏｓｉｎｅ）の）上昇、及び０．５回転超過の位相の値に対して１から０まで滑らかに湾曲した（例えば、指数（ｅｘｐｏｎｅｎｔｉａｌ）の）減衰を含む。このような「滑らかで快適な」波形テンプレートの一例は、上昇が上昇されたコサインであり、滑らかな減衰が（Φが１回転に近接することによってΠの限界が正確に０になるように）準−指数（ｑｕａｓｉ−ｅｘｐｏｎｅｎｔｉａｌ）を有する「鮫ひれ」波形テンプレートである。
本技術の幾つかの形態において、波形決定アルゴリズム４３２２は、ＲＰＴ装置４０００の設定に応じて波形テンプレートのライブラリから波形テンプレートΠ（Φ）を選択する。ライブラリ内の各波形テンプレートΠ（Φ）は、位相値Φに対する値Πの探索テーブルとして提供され得る。他の形態において、波形決定アルゴリズム４３２２は、おそらく１つ以上のパラメータ（例えば、指数的に湾曲した部分の時定数）によってパラメータ化される、予め決定された関数形態を使用して波形テンプレートΠ（Φ）を「簡単に（Ｏｎ−ｔｈｅ−ｆｌｙ）」計算することができる。関数形態のパラメータは、予め決定されるかまたは患者１０００の現在状態に依存することができる。
波形決定アルゴリズム４３２２は、吸気（Φ＝０回転）または呼気（Φ＝０．５回転）の離散２値位相に適切な本技術の幾つかの形態において、波形決定アルゴリズム４３２２は、直近のトリガー時点（呼気から吸気への転移）以後に測定された離散位相Φと時間ｔの両方の関数として「その場で（ｏｎ ｔｈｅ ｆｌｙ）」波形テンプレートΠを演算する。このような１つの形態において、波形決定アルゴリズム４３２２は、波形テンプレートΦ、ｔを以下のように２つの部分（吸気と呼気）に演算する：
Figure 0006940414
 ここで、Πｉ（ｔ）とΠｅ（ｔ）は、波形テンプレートΠ（Φ、ｔ）の吸気と呼気の部分であり、Ｔｉは吸気時間である。このような１つの形態において、波形テンプレートの吸気部分Πｉ（ｔ）は、立ち上がり時間によってパラメータ化された、０から１までの滑らかな立ち上がりであり、波形テンプレートの呼気部分Πｅ（ｔ）は、立ち下がり時間によってパラメータ化された１から０までの滑らかな立ち下がりである。
１２．３．３．２．３ 吸気流量制限の検出
本技術の１つの形態において、プロセッサは、吸気流量制限（部分閉塞）の検出のために１つ以上のアルゴリズム４３２４を行う。
１つの形態において、アルゴリズム４３２４は、呼吸流量信号Ｑｒを入力として受信し、呼吸の吸気部分が吸気流量制限を示す程度のメトリックを出力として提供する。
本技術の１つの形態において、各呼吸の吸気部分は、各瞬間に推定された位相Φに基づいて識別される。例えば、呼吸の吸気部分は、位相Φが０．５以下である呼吸流量の値である。時点を表す、多数の等間隔の地点（例えば、６５個）は、各呼吸に対する吸気流れ−時間曲線に沿って補間器によって補間される。その後、地点によって説明される曲線は、単一長さ（持続時間／期間）及び単一面積を有するようにスケーラによってスケーリングされて変わる呼吸数及び深度の影響を除去する。その後、スケーリングされた呼吸は、比較器において妨害されない正常の呼吸を表す予め記憶されたテンプレートと比較される。このテンプレートからの吸気の間のいつでも特定された閾値（典型的に１スケーリングされた単位）より多く外れた呼吸、例えば、咳、ため息、嚥下およびしゃっくりは、拒否される。拒否されていないデータの場合、第１のこのようなスケーリングされた地点の移動平均は、先行する数個の吸気イベントについて中央コントローラ４２３０によって計算される。これは、第２のこのような地点などについて同様の吸気イベントにわたって繰り返される。従って、例えば、６５個のスケーリングされたデータ地点が中央コントローラ４２３０によって生成され、先行する数個の吸気イベント、例えば、３つのイベントの移動平均を表す。（例えば、６５個の）地点の連続的にアップデートされる値の移動平均は、以下でＱｓ（ｔ）として指定された「スケーリングされた流れ（ｓｃａｌｅｄ ｆｌｏｗ）」と呼ばれる。代替的に、単一の吸気イベントが移動平均の代わりに活用され得る。
スケーリングされた流れから、部分閉塞の決定に関する２つの形状ファクターが計算され得る。
形状ファクター１は、中央（例えば、３２個）のスケーリングされた流れ地点の平均対全体（例えば、６５個）のスケーリングされた流れ地点の平均の比率である。この比率が１を超過する場合、呼吸は、正常であると取られる。比率が１以下の場合、呼吸は、閉塞されたと取られる。約１．１７の比率は、部分的に閉塞された呼吸と閉塞されない呼吸との間の閾値として取られ、典型的なユーザーの適切な酸素供給を維持することができるようにする程度の閉塞と同等である。
形状ファクター２は、中間（例えば、３２個の）地点にわたって取られた、単位スケーリングされた流れからのＲＭＳ偏差として計算される。約０．２単位のＲＭＳ偏差は、正常と見做される。０のＲＭＳ偏差は、完全に流れ制限された呼吸であると見做される。ＲＭＳ偏差が０に近づくほど、呼吸はより流れ制限されるものと見做されることで見なされる。
形状ファクター１及び２は、代替として、または組み合わせて使用され得る。本技術の他の形態において、サンプリングされた地点、呼吸、及び中央地点の数は、前述のものと異なることができる。また、閾値も前述のものと異なることができる。
１２．３．３．２．４ 無呼吸及び呼吸低下の決定
本技術の１つの形態において、中央コントローラ４２３０は、無呼吸及び／または呼吸低下の検出のために１つ以上のアルゴリズム４３２５を行う。
１つの形態において、１つ以上の無呼吸／呼吸低下決定アルゴリズム４３２５は、呼吸流量Ｑｒを入力として受信し、無呼吸または呼吸低下が検出されたことを示すフラグを出力として提供する。
１つの形態において、無呼吸は、呼吸流量Ｑｒの関数が予め決定された一定期間の間に流れ閾値を下回ったときに検出されたと言える。関数は、ピーク流れ、比較的短期間の平均流れ、または比較的短期間の平均流れ及びピーク流れの中間流れ、例えば、ＲＭＳ流れを決定することができる。流れ閾値は、比較的長期間の流れ測定値であり得る。
１つの形態において、呼吸低下は、呼吸流量Ｑｒの関数が予め決定された一定期間の間に第２流れ閾値を下回ったときに検出されたと言える。関数は、ピーク流れ、比較的短期間の平均流れ、または比較的短期間の平均流れ及びピーク流れの中間流れ、例えば、ＲＭＳ流れを決定することができる。第２の流れ閾値は、比較的長期間の流れ測定値であり得る。第２の流れ閾値は、無呼吸を検出するために使用される流れ閾値よりも大きい。
１２．３．３．２．５ いびきの検出
本技術の１つの形態において、中央コントローラ４２３０は、いびきの検出のために１つ以上のいびき検出アルゴリズム４３２６を行う。
１つの形態において、いびき検出アルゴリズム４３２６は、呼吸流量信号Ｑｒを入力として受信し、いびきが存在する程度のメトリックを出力として提供する。
いびき検出アルゴリズム４３２６は、３０〜３００Ｈｚ範囲内の流量信号の強度を決定するステップを含むことができる。いびき検出アルゴリズム４３２６は、背景雑音、例えば、送風機４１４２からシステム内の空気流の音を低減するために呼吸流量信号Ｑｒをフィルタリングするステップをさらに含むことができる。
１２．３．３．２．６ 気道開通性の決定
本技術の１つの形態において、中央コントローラ４２３０は、気道開通性を決定するために１つ以上のアルゴリズム４３２７を行う。
１つの形態において、気道開通性アルゴリズム４３２７は、呼吸流量信号Ｑｒを入力として受信し、約０．７５Ｈｚ及び約３Ｈｚの周波数範囲内の信号の電力を決定する。この周波数範囲内のピークの存在は、開気道を示すものと見做される。ピークの欠如は、閉気道を示すものと見做される。
１つの形態において、ピークが求められる周波数範囲は、治療圧力Ｐｔの小さな強制振動の周波数である。１つの実施形態において、強制振動は、約１ｃｍＨ２Ｏの振幅を有する２Ｈｚの周波数である。
１つの形態において、気道開通性アルゴリズム４３２７は、呼吸流量信号Ｑｒを入力として受信し、心原性信号の存在または不在を決定する。心原性信号の不在は、閉気道を表示であると見做される。
１２．３．３．２．７ 治療パラメータの決定
本技術の幾つかの形態において、中央コントローラ４２３０は、治療エンジンモジュール４３２０で１つ以上の他のアルゴリズムなどによってリターンされた値を使用して、１つ以上の治療パラメータを決定するために１つ以上の治療パラメータ決定アルゴリズム４３２９を行う。
本技術の１つの形態において、治療パラメータは、瞬間治療圧力Ｐｔである。この形態の１つの実施形態において、治療パラメータ決定アルゴリズム４３２９は、以下の式を使用して治療圧力Ｐｔを決定する。
Figure 0006940414
 ここで：
−Ａは、振幅であり、
−Φは、現在の位相値であり；
−Π（Φ）は、現在の位相値での波形テンプレート値（０〜１の範囲内）であり、
−Ｐ０は、基本圧力である。
波形決定アルゴリズム４３２２が波形テンプレートΠ（Φ）を位相Φによってインデックスされた値の探索テーブルとして提供する場合、治療パラメータ決定アルゴリズム４３２９は、位相決定アルゴリズム４３２１によってリターンされた現在の位相値Φに最も近い探索テーブルエントリを探索することによって、または現在の位相値Φにまたがっている２つのエントリ間の補間によって式（１）を適用する。
振幅Ａ及び基本圧力Ｐ０の値は、後述する方式で選択された圧力治療モードに応じて、治療パラメータ決定アルゴリズム４３２９によって設定され得る。
１２．３．３．３ 治療制御モジュール
本技術の１つの形態による治療制御モジュール４３３０は、治療エンジンモジュール４３２０の治療パラメータ決定アルゴリズム４３２９から治療パラメータを入力として受信し、圧力発生器４１４０を制御して、治療パラメータに従って空気の流れを伝達する。
本技術の１つの形態において、治療パラメータは、治療圧力Ｐｔであり、治療制御モジュール４３３０は、圧力発生器４１４０を制御して、患者インタフェース３０００でのマスク圧力Ｐｍが治療圧力Ｐｔと同一の気体の流れを伝達する。
１２．３．３．４ 欠陥状態の検出
本技術の１つの形態において、プロセッサは、欠陥状態の検出のために１つ以上の方法４３４０を行う。１つ以上の方法によって検出された欠陥状態は、以下のうちの少なくとも１つを含むことができる：
−停電（無電力、または不十分な電力）
−変換器欠陥検出
−コンポーネントの存在を検出するものの故障
−勧奨範囲外の作動パラメータ（例えば、圧力、流れ、温度、ＰａＯ２）
−検出可能な警報信号を発生させるためのテスト警報の故障。
欠陥状態の検出時、対応するアルゴリズムは、以下のうちの１つ以上によって欠陷の存在に対して信号を送る：
−聴覚、視覚及び／または運動（例えば、振動）警報の開始
−外部デバイスにメッセージを送信する
−事件のロギング。
１２．４ 加湿器
本技術の１つの形態では、周囲空気に対して患者に伝達するために空気またはガスの絶対湿度を変化させるための加湿器５０００（例えば、図２４に示されたように）が提供される。典型的に、加湿器５０００は、患者の気道への伝達の前に絶対湿度を増加させ、（周囲空気に対して）空気の流れの温度を増加させるために使用される。
１２．５ 用語解説
本技術の公開の目的で、本技術のある形式において、１つまたはそれ以上の以下の定義を適用してよい。本技術のそのほかの形態において、代案の定義が適用できる。
１２．５．１ 一般
空気：本技術のある形態において、空気は大気の空気を意味し、本技術のそのほかの形態では、空気は例えば酸素の多い大気の空気のような呼吸できるガスのいくつかのそのほかの組み合わせを意味する。
呼吸圧力治療（ＲＰＴ）：典型的に大気に対して陽性である処理圧力での気道への空気供給の伝達。
連続陽圧気道（ＣＰＡＰ）治療：患者のブリージングサイクルを通じて、治療圧力がほぼ一定である呼吸圧力治療。ある形態では、気道への入口における圧力は呼気中にわずか高く、吸入中にわずか低い。ある形態では、圧力は患者の異なるブリージングサイクル間で変動する。例えば、上気道の部分的閉塞の兆候を検出すると増加し、部分的上気道閉塞の兆候がないと低下する。
患者：呼吸疾患を患っているかどうかに関係なく、ヒト。
自動陽圧気道（ＡＰＡＰ）治療：ＳＤＢイベントの有無に依存して、最小限と最大限の間で、例えば、吸い込みから吸い込みへ、治療圧力が自動で調整可能な、ＣＰＡＰ治療。
１２．５．２ 呼吸サイクルの様態
無呼吸：一部の定義によれば、無呼吸は呼吸流量がある期間、例えば、１０秒、所定の閾値以下に低下すると起こると言われる。閉塞性無呼吸は、患者の努力にもかかわらず気道の閉塞により空気が流れないときに発生したと言われる。中枢性無呼吸は、気道が開いているにもかかわらず、呼吸努力の低下によって無呼吸が検出されたときまたは呼吸努力がなされない時発生したと言われる。混合性無呼吸は、呼吸努力の低下または欠如が気道の閉塞と同時に生じたときに発生したと言われる。
ブリージング数または呼吸数（Ｒｓ）：患者の自発呼吸の率で、通常１分当たりの呼吸で測定される。
負荷サイクル：合計呼吸存続Ｔｔｏｔに対する吸入時間とＴｉの比率。
努力（ブリージング）：呼吸努力は、呼吸を試みる患者の自発呼吸によってなされた仕事。
ブリージングサイクルの呼気の部分：呼気の流れの開始から吸気の流れの開始の期間。
流れ制限：流れ制限は、患者の努力の結果が対応する流れの増加を生じない、患者の呼吸作用における事態と解釈される。呼吸サイクルの吸気部分で流れ制限が生じると、吸気流れの制限と記述される。呼吸サイクルの呼気部分で流れ制限が発生すると、呼気流れの制限と記述される。
呼吸低下：一部の定義によれば、好ましくは呼吸低下は流れにおける減少と言い、流れの中断ではない。一つの形態において、閾値以下の流れの低下がある期間あれば、呼吸低下が生じたと言う。呼吸努力の低減により呼吸低下が発生した時、中枢性無呼吸が生じたという。成人における一形態において、以下のいずれも呼吸低下と言える:
（ｉ）患者の呼吸が少なくとも１０秒間３０％低下し、さらに４％の関連した脱飽和がある；または
（ｉｉ）患者の呼吸が少なくとも１０秒間低下し（５０％以下）、さらに少なくとも３％の関連した脱飽和または覚醒がある。
ブリージングサイクルの吸気部分：吸気流れの開始から呼気流れの開始までの期間を呼吸サイクルの吸気部分と言う。
開通性（気道）：開いている気道の程度または気道が開いている度合。開通性の気道が開いている。気道の開通性は、（１）の値で開そしてゼロ（０）の値で閉塞と定量化される。
呼吸終末陽圧（ＰＥＥＰ）：肺における気圧以上の圧力で、呼気の終りに存在する。
ピーク流量（Ｑｐｅａｋ）：呼吸気流量の波形の吸気部分の間の流量の最大値。
呼吸流量／空気流量、患者の流量、呼吸空気流量（Ｑｒ）：これらの同義語は、ＲＰＴ装置の呼吸流量の推定を参照すると理解してよい。これに対して、患者が経験する実際の呼吸流量「真の呼吸流量」または「真の呼吸空気流」があり通常１分あたりのリッターで表す。
１回換気量（Ｖｔ）：余分の努力をしない時、通常の呼吸の間に吸気するまたは呼気する空気量。
（吸気時間）（Ｔｉ）:呼吸気流量波形の吸気部分の期間。
（呼気）時間（Ｔｅ）：呼吸気流量波形の呼吸部分の期間。
（合計）時間またはブリージング期間（Ｔｔｏｔ）：一つの呼吸気流量波形の吸気部分の開始と、続く呼吸気流量波形の吸気部分の開始間の合計期間。
上部気道閉塞（ＵＡＯ）：は部分的および全上気道閉塞のいずれを含む。これは流量制限の状態に関連しており、上気道を横切る圧力差が増加すると、流量が僅か増加するかまたは低下することさえある。（スターリング・レジスター行動）。
換気（Ｖｅｎｔ）：患者の呼吸器系で交換されるガス総量の測定値。換気の測定値は、単位時間当たりの吸気流と呼気流の１つまたは両方を含む。１分当たりの容量で示すと、この量はしばしば「分換気」と呼ばれる。分換気は場合によっては単に容量として与えられ、１分当たりの容量と理解される。
１２．５．３ ＲＰＴ装置パラメータ
流量：単位時間当りに伝達される空気の瞬時容積（または質量）。流量及び換気は、単位時間当りの容積または質量と同一の寸法を有するが、流量は、はるかに短い時間にわたって測定される。流れは、患者の呼吸周期の吸気部分については名目上陽性であり、従って患者の呼吸周期の呼気部分については陰性である。一部の場合に、流量に対する言及は、スカラー量、すなわち、大きさのみを有する量に対する言及である。他の場合に、流量に対する言及は、ベクトル量、すなわち、大きさと方向の両方を有する量に対する言及である。流量は、記号Ｑで与えられる。‘流量’は、時々単に‘流れ’に短縮される。総流速Ｑｔは、ＲＰＴ装置を出る空気の流れである。換気流量Ｑｖは、吐き出されたガスを洗い出すことができるようにベントを出る空気の流れである。漏れ流速Ｑｌは、患者インタフェースシステムからの意図しない漏れの流量である。呼吸流量Ｑｒは、患者の呼吸システム内に受け入れられる空気の流れである。
漏れ：単語漏れは、意図しない空気の流れと見做される。一例において、漏れは、マスクと患者の顔との間の不完全なシール（ｓｅａｌ）の結果として生じ得る。他の例において、漏れは、周囲への旋回エルボー（ｓｗｉｖｅｌ ｅｌｂｏｗ）内で生じ得る。
圧力：単位面積当たりの力。圧力は、ｃｍＨ２Ｏ、ｇ−ｆ／ｃｍ２、ヘクトパスカルを含んだ単位の範囲で測定され得る。１ｃｍＨ２Ｏは１ｇ−ｆ／ｃｍ２のと同一であり、約０．９８ヘクトパスカルである。本明細書において、他に言及されない限り、圧力はｃｍＨ２Ｏ単位で与えられる。患者インタフェース（マスク圧力）での圧力は、記号Ｐｍで与えられる一方、現在の瞬間の時間でマスク圧力Ｐｍによって達成される目標値を表す処理圧力は、記号Ｐｔで与えられる。
１２．５．４ 換気に関する用語
適応サーボ換気装置（ＡＳＶ）：一つの固定の目標換気よりむしろ変更可能な換気を持ったサーボ換気装置。変更可能な目標換気は、例えば患者の呼吸特性のような患者のいくつかの特性から学ぶことができる。
バックアップ率：自発的な呼吸努力でトリガーされなければ、換気装置が患者に送達する呼吸数を決める換気装置のパラメータ（典型的には１分あたりの呼吸数）。
サイクルド：換気装置の吸気相の終了。自発呼吸している患者に換気装置が呼吸を提供している時、呼吸サイクルの吸気部分の終りにおいて、換気装置は呼吸の提供を停止するようサイクルしたと言う。
呼気陽圧（ＥＰＡＰ）:呼吸の間に変動している圧力が加えられるベース圧力で、換気装置はある時間に達成しようと試みる所望のマスク圧力を生成する。
呼気終末圧力（ＥＥＰ）：所望のマスク圧力で、換気装置が呼吸の呼気部分の終りに達成しようと試みる。呼気の終りに圧力波形テンプレートＩＩ（Φ）がゼロ値であれば、即ちΦ=１の時、ＩＩ（Φ）=０であれば、ＥＥＰはＥＰＡＰに等しい。
ＩＰＡＰ：呼吸の吸気部分の間に換気装置が達成しようとする所望のマスク圧力。
圧力サポート：換気装置の呼気の間の数値を上回っている、換気装置の吸気の間の圧力の増加を示す数で、一般に吸気中の最大値とベース圧力間の差圧（例えば、ＰＳ=ＩＰＡＰ−ＥＰＡＰ）を意味する。ある文脈において、圧力サポートは、換気装置が実際に達成したと言うよりはむしろ達成しようと意図する差を意味する。
サーボ・ベンチレータ：患者の換気を測定するベンチレータで目標の換気を持ち、これが圧力サポートのレベルを調整して患者の換気を目標の換気に向ける。サーボ・補助：圧力支持から最小圧力支持を差し引いたもの。
自発／時限（Ｓ／Ｔ）：自発呼吸する患者の呼吸の開始を検出しようと試みる換気装置またはその他の装置のあるモード。しかし装置が所定の時間内に呼吸が検知できない場合は、装置は呼吸の送達を自動的に開始する。
スイング：圧力サポートの同等の用語。
トリガーした：換気装置が空気の呼吸を自発呼吸している患者に送達した時、患者努力によるブリージングサイクルの吸息部分の開始においてトリガーされたと言う。
典型的な最近の換気：典型的な最近の換気Ｖｔｙｐは、ある所定の時間スケールにおける換気の最近の測定値が、その周りにクラスターする傾向にある値であって、即ち、最近の履歴における換気の測定値の中心傾向の測定値は、典型的な最近の換気の適切な値となる。
人工呼吸器（Ｖｅｎｔｉｌａｔｏｒ）：患者に圧力補助を提供してブリージング動作の一部または全部を行う機械デバイス。
１２．６ その他の注記
本特許文献の開示の一部は、著作権保護にあたる事項を含んでいる。著作権の所有者は、特許商標庁の特許ファイルまたは記録にそれが載っている限り、誰かが特許文献または特許の開示をフクシミリ複製することについて異議を唱えることはない。載っていなければ、何であれ著作権を留保する。
文脈で明確に記載されていなければ、また値の範囲が記載されていなければ、それぞれの介在する値は、その範囲の上限と下限の間で、下限の単位の１／１０まで、およびその記述された範囲の任意のそのほかの記述されたまたは介在する値は、該技術に包含される。これらの介在範囲の上限と下限は、記載された範囲における任意の具体的に除外される限界を条件として、介在範囲に独立に含めてよく、本技術の範囲内に包含される。記述した範囲が一つまたは両方の制限を含む場合、これらの含まれた制限のいずれかまたは両方を除いた範囲も該技術に含まれる。
更に、一つまたはそれ以上の値が、技術の一部としてここに組み込まれていると記載されている場合、特記のない限り、このような値は近似することができ、実際的な技術の実装が許容するまたは必要とする範囲まで、このような値は、任意の適当な有意桁まで利用できることを理解されたい。
特に定義されていない限り、本明細書で使用するすべての技術的用語および科学的用語は、この技術が属する当業者の一人によって共通して理解されるのと同じ意味を有している。ここに記載のものに類似したまたは同等な任意の方法また材料も、本技術の実践またはテストで使用できるが、限られた数の例示的方法と材料がここに記載されている。
特定の材料が好ましくは、コンポーネントを構築するのに使用されると確認された場合、同様の特性を有する明らかに代替の材料を代替えとして使用できる。さらに、それとは反対に特記のない限り、ここに記載の任意のそしてすべてのコンポーネンツは製造が可能と理解され、よって一緒にまたは別に製造することができる。
本明細書と付属の請求の範囲で使用される単数形「ａ」、「ａｎ」および「ｔｈｅ」は、文脈で明確にそうではないと記述されていない限り、複数形を含むことに留意すべきである。
ここで言及したすべての刊行物は、これら刊行物の主題である方法および／または材料を開示しかつ記述するために参照のため取り入れられた。ここで議論する刊行物は、それらの開示の目的で、本出願の出願日に先立ち提供された。ここに記載のいずれも、本技術が先行発明の理由でこのような刊行物に先行する権利を与えられたと解釈できない。さらに記載の公開日が実際の刊行日と異なるかもしれず、それぞれ単独で確認する必要がある。
さらに、本開示内容を解釈する際には、すべての用語は、文脈と一致する最も広い合理的な方式で解釈されるべきである。特に、語句「ｃｏｍｐｒｉｓｅｓ」と「ｃｏｍｐｒｉｓｉｎｇ」は、エレメントツ、コンポーネンツまたはステップを参照すると非独占の態様で解釈して、参照したエレメントツ、コンポーネンツまたはステップが、存在するかまたは利用されるかまたは明示的に参照されていないそのほかのエレメントツ、コンポーネンツまたはステップと組み合わされるとすべきである。
詳細な説明で使用される件名は、読者の参照を容易にするためにのみ含まれており、開示または特許請求の範囲にわたって見出される主題を制限するために使用してはならない。主題の見出しは請求項または請求項の制限の範囲を解釈するのに使用してはならない。
本明細書に記載の技術は特定の実施様態を参照して記述してきたが、これらの実施様態は該技術の原理と適用の単なる例示であることを理解されたい。場合によっては、用語および記号は、該技術を実践するのに要求されない特定の詳細を暗示することがある。例えば、「第１の」および「第２の」という語句が特記のない限り使用されるが、それらは任意の順序を示すことを意図せず、はっきりと異なるエレメンツを区別するために使用できる。さらに方法論におけるプロセス・ステップは順に記述または例示されてもよいが、このような順序は必要とされない。当業者は、このような順序が修正されてもよいことおよび／またはそれらの特徴が同時にまたは同期的に実施されてもよいことを認識するであろう。
従って、例示的な実施様態に多数の変更が行われてもよく、該技術の趣旨および範囲から逸脱することなくそのほかの配置が考案され得ることを理解されたい。
当技術分野で公知された主題に対する本明細書でのいずれかの言及も、反対の指示が表示されない限り、そのような主題が本技術に関連する当業者によって一般的に公知されていることを認めるものではないことがさらに理解される。
なお、本願の出願当初の開示内容を維持するために、本願の出願当初の請求項１〜９２の記載内容を以下に追加する。
（請求項１）
１人以上の人の生理学的パラメータをモニタリングするために人を識別するシステムで
あって、
前記１人以上の人の生理学的パラメータをモニタリングする１つ以上のセンサと、
人を識別するために前記１つ以上のセンサからの信号を処理するように構成された１つ以上のプロセッサであって、前記処理は、１つ以上の呼吸特徴、心臓特徴、又は動き特徴を含む特徴の評価を含む、１つ以上のプロセッサと、
を含む、システム。
（請求項２）
前記特徴の評価は、検出された呼吸数、検出された呼吸深度、検出された動きの程度、及び検出された心拍数、のうちの少なくとも１つの分析を含む、請求項１に記載のシステム。
（請求項３）
前記１つ以上のセンサは、無線周波数非接触センサを含む、請求項１又は２に記載のシステム。
（請求項４）
前記モニタリングは、睡眠中の前記人の生理学的特徴の検出を含む、請求項２に記載のシステム。
（請求項５）
前記処理は、前記人の睡眠段階の検出を含む、請求項１〜４のいずれか一項に記載のシステム。
（請求項６）
前記処理は、前記人の深い睡眠の検出を含む、請求項１〜５のいずれか一項に記載のシステム。
（請求項７）
前記処理は、人のＲＥＭ睡眠の検出を含む、請求項１〜６のいずれか一項に記載のシステム。
（請求項８）
前記モニタリングは、前記人の起床時間中の生理学的特徴の検出を含む、請求項１〜７のいずれか一項に記載のシステム。
（請求項９）
前記１つ以上のセンサは、
無線周波数非接触センサと、
生体運動センサと、
ウェアラブルセンサと、
のうちの任意の１つ以上を含む、請求項１〜８のいずれか一項に記載のシステム。
（請求項１０）
前記１つ以上のプロセッサの評価は、バイオメトリック及び行動特徴を含む任意の１つ以上の特徴の検出及び分析を含む、請求項１〜９のいずれか一項に記載のシステム。
（請求項１１）
前記１つ以上のセンサは、該１つ以上のセンサのうちの少なくとも２つの間の干渉を最小限にするように構成される、請求項１〜１０のいずれか一項に記載のシステム。
（請求項１２）
前記１つ以上のセンサは、距離ゲーティングパルスタイミング、パルスの放出電力レベル、パルスの検出周波数及び／又は操縦可能なアンテナの位置調整、のための制御パラメータを変更して干渉を最小化する、請求項１〜１１のいずれか一項に記載のシステム。
（請求項１３）
前記１つ以上のセンサは、有線又は無線リンクを介して通信する、請求項１〜１２のいずれか一項に記載のシステム。
（請求項１４）
独立型人間ソースの生理学的認識を最適化し、他のソースを拒絶するために、前記１つ以上のセンサのうちの少なくとも１つにおける性能を動的に調整するように、特性バイオメトリックパラメータが適用される、請求項１〜１３のいずれか一項に記載のシステム。
（請求項１５）
前記１つ以上のセンサと通信する制御プロセッサをさらに含み、該制御プロセッサは、前記１つ以上のセンサと通信して、該１つ以上のセンサによる前記人、他の人、又は動物の識別に基づいて、前記１つ以上のセンサの検出制御パラメータを調整する、請求項１〜１４のいずれか一項に記載のシステム。
（請求項１６）
前記１つ以上のセンサの検出制御パラメータは、距離ゲーティング、中心周波数、及び電力レベルのうちの１つ以上を含む、請求項１５に記載のシステム。
（請求項１７）
前記１つ以上のセンサと通信する制御プロセッサをさらに含み、該制御プロセッサは、前記人、他の人、又は動物の識別に基づいて更なるセンサシステムを起動するように構成される、請求項１〜１７のいずれか一項に記載のシステム。
（請求項１８）
前記更なるセンサシステムは、カメラを含む、請求項１７に記載のシステム。
（請求項１９）
プロセッサは、前記人が以前にモニタリングされた人であるとの識別に基づいて、検出されたバイオメトリック特性をログする、請求項１〜１８のいずれか一項に記載のシステム。
（請求項２０）
プロセッサは、前記人が以前にモニタリングされていない人であるとの識別に基づいて、検出されたバイオメトリック特性をログすることをやめる、請求項１〜１９のいずれか一項に記載のシステム。
（請求項２１）
プロセッサは、特定の人に対するバイオメトリック特性検出を初期化するように構成される、請求項１〜２０のいずれか一項に記載のシステム。
（請求項２２）
前記プロセッサは、新たに検出されたバイオメトリック特性を、初期化されたバイオメトリック特性と比較して、前記特定の人を識別する、請求項２１に記載のシステム。
（請求項２３）
前記評価は、新たに検出されたバイオメトリック特性と初期化されたバイオメトリック特性とを比較することをさらに含む、請求項２１に記載のシステム。
（請求項２４）
前記評価は、前記信号から決定された特徴の分類を含み、該特徴は、
スペクトルピーク比、
設定オプティマイザフラグベクトル、
ピークトラフ（ピーク対谷）比、
フィルタリングされた呼吸数、
呼吸変動の尺度、
センサ信号の帯域内電力、
センサ信号の範囲、
最終呼吸数、
呼吸周期の最大振幅対最小振幅の比、
センサ信号に対する高帯域電力、
平均呼吸数、
周期的足運動活動検出、
ターンオーバーの検出、及び
後処理された動き、
のうちの１つ以上を含む、請求項１〜２３のいずれか一項に記載のシステム。
（請求項２５）
前記評価は、前記信号から決定された特徴の分類を含み、該特徴は、心臓パラメータ、ガルバニック皮膚反応パラメータ、運動強度パラメータ、呼吸パラメータ、血圧パラメータ、咳パラメータ、いびきパラメータ、睡眠パラメータ、のうちの１つ以上を含む、請求項１〜２３のいずれか一項に記載のシステム。
（請求項２６）
前記評価は、前記決定された特徴と過去の特徴との比較を含む、請求項２４又は２５に記載のシステム。
（請求項２７）
前記評価は、前記決定された特徴から、ある期間の平均及び／又は標準偏差値を計算することをさらに含む、請求項２４〜２６のいずれか一項に記載のシステム。
（請求項２８）
前記システムの１つ以上のプロセッサは、別のモニタリングシステムからの１つ以上のセンサによって検出される受信データを評価する、請求項１〜２７のいずれか一項に記載のシステム。
（請求項２９）
前記受信データの評価は、複数の健康モニタリング装置間の同等感知の決定を含む、請求項２８に記載のシステム。
（請求項３０）
モニタリング装置は、設定分類器及び被験者分類器を含み、それぞれの分類器は、人を識別するために、前記信号からの特徴を評価するように構成される、請求項１〜２９のいずれか一項に記載のシステム。
（請求項３１）
前記被験者分類器は、人を識別するために、過去の特徴を評価するようにさらに構成される、請求項３０に記載のシステム。
（請求項３２）
健康モニタリング装置は、赤外線及び赤外線放出器に感応するカメラをさらに含む、請求項１〜３１のいずれか一項に記載のシステム。
（請求項３３）
前記健康モニタリング装置の１つ以上のプロセッサは、前記信号からイベントを検出し、該イベントを、該イベントを含む前記カメラで撮影されたビデオの特定の部分に関連付けるように構成される、請求項３２に記載のシステム。
（請求項３４）
前記健康モニタリング装置は、バッテリー及び該バッテリーの無線充電用のコイルをさらに含む、請求項３２又は３３に記載のシステム。
（請求項３５）
前記１つ以上のプロセッサは、前記１つ以上のセンサを制御して、動物を示すバイオメトリック特性の検出に基づき、センサ検出電力、センサ周波数、センサ距離ゲーティング、又は感知のための他の制御パラメータを変更するように構成される、請求項１〜３４のいずれか一項に記載のシステム。
（請求項３６）
前記１つ以上のプロセッサは、前記設定パラメータに関連付けられた特定の人の識別に基づいて、光、音、及び／又は環境機器のうちの任意の１つ以上に対する設定パラメータにアクセスするように構成される、請求項１〜３４のいずれか一項に記載のシステム。
（請求項３７）
前記１つ以上のプロセッサは、識別された特定の人の、検出されたバイオメトリックに関連付けられた設定パラメータにより、光、音、及び／又は環境機器のうちの任意の１つ以上における設定をトリガーするように構成される、請求項３６に記載のシステム。
（請求項３８）
前記センサの集合体と通信する中央コントローラをさらに含み、該中央コントローラは、構造内の識別された人の位置の確認を提供するように構成される、請求項１〜３７のいずれか一項に記載のシステム。
（請求項３９）
前記１つ以上のセンサは、終夜灯を含む、請求項１〜３８のいずれか一項に記載のシステム。
（請求項４０）
前記１つ以上のセンサは、通過コンセントを含む、請求項１〜３９のいずれか一項に記載のシステム。
（請求項４１）
前記１つ以上のセンサは、該センサに電力を供給するＡＣプラグ、及びＡＣ電源通過コンセントを含む、請求項１〜４０のいずれか一項に記載のシステム。
（請求項４２）
前記１つ以上のセンサは、該センサに電力を供給するＵＳＢプラグ、及びＵＳＢ通過接続アダプダを含む、請求項１〜４１のいずれか一項に記載のシステム。
（請求項４３）
前記１つ以上のセンサは、無線又は有線ネットワーク通信のためのネットワークインタフェースを含む、請求項１〜４２のいずれか一項に記載のシステム。
（請求項４４）
前記１つ以上のプロセッサは、前記識別された人に基づいて呼吸治療装置の動作を設定するように構成される、請求項１〜４３のいずれか一項に記載のシステム。
（請求項４５）
該設定動作は、前記呼吸治療装置による治療を許容するか、又は拒絶する、請求項４４に記載のシステム。
（請求項４６）
前記設定動作は、前記呼吸治療装置の治療を変更する、請求項４４に記載のシステム。
（請求項４７）
前記１つ以上のプロセッサは、前記識別で評価されたバイオメトリック特性が前記呼吸治療装置によって処理される場合、前記人の識別のために再トレーニングするように構成される、請求項４４〜４６のいずれか一項に記載のシステム。
（請求項４８）
前記１つ以上のプロセッサは、センサ信号品質の決定時に前記１つ以上のセンサの動作を調整するように構成される、請求項１〜４７のいずれか一項に記載のシステム。
（請求項４９）
前記１つ以上のプロセッサは、検出されたバイオメトリック特性の品質評価に応じて前記人を識別するために異なるバイオメトリック特性に依存するように構成される、請求項１〜４８のいずれか一項に記載のシステム。
（請求項５０）
前記１つ以上のプロセッサは、人を識別するためのバイオメトリック特性のベースラインを初期化するための登録プロセスを動作させるように構成され、該登録プロセスは、誘導された呼吸セッション又は自発的呼吸セッションを含む、請求項１〜４９のいずれか一項に記載のシステム。
（請求項５１）
前記１つ以上のプロセッサは、周波数干渉が検出される場合、前記人を識別することに関連付けられたバイオメトリック特性を拒絶するように構成される、請求項１〜５０のいずれか一項に記載のシステム。
（請求項５２）
前記１つ以上のプロセッサは、前記識別された人に基づいて警報の動作を設定するように構成される、請求項１〜５１のいずれか一項に記載のシステム。
（請求項５３）
前記１つ以上のプロセッサは、１つ以上の他のユーザーからメインユーザーを識別するように構成される、請求項１〜５２のいずれか一項に記載のシステム。
（請求項５４）
前記システムは、１つ以上のユーザーのパラメータを経時的に追跡して、前記１つ以上の呼吸特徴、心臓特徴、又は動き特徴のうちの少なくとも１つに基づいて分類特徴を構築するように構成される、請求項１〜５３のいずれか一項に記載のシステム。
（請求項５５）
前記１つ以上の呼吸特徴、心臓特徴、又は動き特徴のうちの少なくとも１つは、次の呼吸パラメータ、すなわち、範囲、呼吸の変化、形状、及び吸気対呼気比、のうちの１つ以上を含む、請求項５４に記載のシステム。
（請求項５６）
前記１つ以上のプロセッサは、分類プロセスで決定された特徴からユーザーのアイデンティティを分類するように構成される、請求項１〜５５のいずれか一項に記載のシステム。
（請求項５７）
前記分類プロセスは、神経ネットワーク、隠れ層マルコフモデル、ロジスティック回帰処理、線形カーネルサポートベクトルマシン、及びラジアルカーネルサポートベクトルマシン、のうちの任意の１つ以上を含む、請求項５６に記載のシステム。
（請求項５８）
前記分類プロセスは、分類の前に前記特徴に関するメイン成分分析を使用することを含む、請求項５６又は５７に記載のシステム。
（請求項５９）
前記分類プロセスは、リアルタイム特性及びオフライン特性を含む、請求項５６〜５８のいずれか一項に記載のシステム。
（請求項６０）
前記分類プロセスは、出力事後確率を生成するために、複数の分類器及びこれらの出力の遅延統合を含む、請求項５６〜５９のいずれか一項に記載のシステム。
（請求項６１）
同一又は異なる人を検出するために配置された複数のセンサを含み、前記システムは、該複数のセンサのパラメータを自動的に調整するように構成され、該パラメータは、範囲、電力、周波数、検出方向、及び放射パターン、のうちの少なくとも１つを含む、請求項１〜６０のいずれか一項に記載のシステム。
（請求項６２）
１人以上の人の生理学的パラメータをモニタリングするための、人を識別する方法であって、
前記１人以上の人の生理学的パラメータを、１つ以上の感知用センサでモニタリングするステップと、
１つ以上のプロセッサにより、人を識別するために前記１つ以上のセンサからの信号を処理するステップであって、該処理は、１つ以上の呼吸特徴、心臓特徴、又は動き特徴、を含む特徴を評価することを含む、ステップと、
を含む方法。
（請求項６３）
前記特徴を評価することは、検出された呼吸数、検出された呼吸深度、検出された動きの程度、及び検出された心拍数、のうちの少なくとも１つの分析を含む、請求項６２に記載の方法。
（請求項６４）
前記１つ以上のセンサは、無線周波数非接触センサを含む、請求項６２又は６３に記載の方法。
（請求項６５）
前記評価することは、バイオメトリック及び行動特性を含む任意の１つ以上の特徴の検出及び分析を含む、請求項６２〜６４のいずれか一項に記載の方法。
（請求項６６）
前記１つ以上のセンサと通信する制御プロセッサを使用して、前記１つ以上のセンサによる前記人、他の人、又は動物、の識別に基づいて、更なるセンサシステムを起動するステップをさらに含む、請求項６２〜６５のいずれか一項に記載の方法。
（請求項６７）
プロセッサを使用して、前記人が以前にモニタリングされた人であるとの識別に基づいて、検出されたバイオメトリック特性をロギングするステップをさらに含む、請求項６２〜６６のいずれか一項に記載の方法。
（請求項６８）
プロセッサを使用して、前記人が以前にモニタリングされていない人であるとの識別に基づいて、検出されたバイオメトリック特性をロギングすることをやめるステップをさらに含む、請求項６２〜６７のいずれか一項に記載の方法。
（請求項６９）
特定の人に対するバイオメトリック特性検出を初期化するステップをさらに含む、請求項６２〜６８のいずれか一項に記載の方法。
（請求項７０）
プロセッサにおいて、新たに検出されたバイオメトリック特性を、初期化されたバイオメトリック特性と比較して、前記特定の人を識別するステップをさらに含む、請求項６９に記載の方法。
（請求項７１）
プロセッサにおいて、新たに検出されたバイオメトリック特性と初期化されたバイオメトリック特性とを比較するステップをさらに含む、請求項６９に記載の方法。
（請求項７２）
前記評価することは、前記信号から決定された特徴を分類することを含み、該特徴は、
スペクトルピーク比、
設定オプティマイザフラグベクトル、
ピークトラフ（ピーク対谷）比、
フィルタリングされた呼吸数、
呼吸変動の尺度、
センサ信号の帯域内電力、
センサ信号の範囲、
最終呼吸数、
呼吸周期の最大振幅対最小振幅の比、
センサ信号に対する高帯域電力、
平均呼吸数、
周期的足運動活動検出、
ターンオーバーの検出、及び
後処理された動き、
のうちの１つ以上を含む、請求項６２〜７１のいずれか一項に記載の方法。
（請求項７３）
前記評価することは、前記信号から決定された特徴を分類することを含み、該特徴は、心臓パラメータ、ガルバニック皮膚反応パラメータ、運動強度パラメータ、呼吸パラメータ、血圧パラメータ、咳パラメータ、いびきパラメータ、睡眠パラメータ、のうちの１つ以上を含む、請求項６２〜７２のいずれか一項に記載の方法。
（請求項７４）
前記評価することは、前記決定された特徴を過去の特徴と比較することを含む、請求項７２又は７３に記載の方法。
（請求項７５）
前記評価することは、前記決定された特徴から、ある期間の平均及び／又は標準偏差値をプロセッサにおいて計算することをさらに含む、請求項７２〜７４のいずれか一項に記載の方法。
（請求項７６）
前記１つ以上のプロセッサを使用し、前記１つ以上のセンサを制御して、動物を示すバイオメトリック特性の検出に基づき、センサ検出電力、センサ周波数、センサ距離ゲーティング、又は感知のための他の制御パラメータ、を変更するステップをさらに含む、請求項６２〜７５のいずれか一項に記載の方法。
（請求項７７）
前記１つ以上のプロセッサを使用して、前記設定パラメータに関連付けられた特定の人の識別に基づいて、光、音、及び／又は環境機器のうちの任意の１つ以上に対する設定パラメータにアクセスするステップをさらに含む、請求項６２〜７５のいずれか一項に記載の方法。
（請求項７８）
前記１つ以上のプロセッサを使用して、識別された前記特定の人の、検出されたバイオメトリックに関連付けられた設定パラメータにより、光、音、及び／又は環境機器のうちの任意の１つ以上における設定をトリガーするステップをさらに含む、請求項７７に記載の方法。
（請求項７９）
前記１つ以上のプロセッサを使用して、前記識別された人に基づいて呼吸治療装置の動作を設定するステップをさらに含む、請求項６２〜７８のいずれか一項に記載の方法。
（請求項８０）
前記動作を設定するステップは、前記呼吸治療装置による治療を許容するか、又は拒絶する、請求項７９に記載の方法。
（請求項８１）
前記動作を設定するステップは、前記呼吸治療装置の治療を変更する、請求項７９に記載の方法。
（請求項８２）
前記１つ以上のプロセッサを使用して、前記人を識別するためのバイオメトリック特性のベースラインを初期化するための登録プロセスを動作させるステップをさらに含み、該登録プロセスは、誘導された呼吸セッション又は自発的呼吸セッションを含む、請求項６２〜８１のいずれか一項に記載の方法。
（請求項８３）
前記１つ以上のプロセッサを使用して、前記識別された人に基づいて警報の動作を設定するステップをさらに含む、請求項６２〜８２のいずれか一項に記載の方法。
（請求項８４）
前記１つ以上のプロセッサにおいて、１つ以上の他のユーザーからメインユーザーを識別するように構成される、請求項６２〜８３のいずれか一項に記載の方法。
（請求項８５）
１つ以上のユーザーのパラメータを経時的に追跡して、１つ以上の呼吸特徴、心臓特徴、又は動き特徴のうちの少なくとも１つに基づいて、分類特徴を構築するステップをさらに含む、請求項６２〜８４のいずれか一項に記載の方法。
（請求項８６）
前記１つ以上の呼吸特徴、心臓特徴、又は動き特徴のうちの少なくとも１つは、次の呼吸パラメータ、すなわち、範囲、呼吸の変化、形状、及び吸気対呼気の比、のうちの１つ以上を含む、請求項８５に記載の方法。
（請求項８７）
前記１つ以上のプロセッサにおいて、分類プロセスで決定された特徴からユーザーのアイデンティティを分類するステップをさらに含む、請求項６２〜８６のいずれか一項に記載の方法。
（請求項８８）
前記分類プロセスは、神経ネットワーク、隠れ層マルコフモデル、ロジスティック回帰処理、線形カーネルサポートベクトルマシン、及びラジアルカーネルサポートベクトルマシン、のうちの１つ以上を含む、請求項８７に記載の方法。
（請求項８９）
前記分類プロセスは、分類の前に特徴に関するメイン成分分析を使用することを含む、請求項８７又は８８に記載の方法。
（請求項９０）
前記分類プロセスは、リアルタイム特性及びオフライン特性を含む、請求項８８又は８９に記載の方法。
（請求項９１）
前記分類プロセスは、出力事後確率を生成するために、複数の分類器及びこれらの出力の遅延統合を含む、請求項８８〜９０のいずれか一項に記載の方法。
（請求項９２）
同一又は異なる人を検出するために配置された複数のセンサを使用して、該複数のセンサのパラメータを自動的に調整するステップをさらに含み、該パラメータは、範囲、電力、周波数、検出方向、及び放射パターンのうちの少なくとも１つを含む、請求項６２〜９１のいずれか一項に記載の方法。
１００ 検出装置
１０００ 患者
１１００ ベッドパートナー
１９２２ 特徴抽出ユニット
１９２８ 分類処理
１９４０ 分類器組合せ機プロセス
３０００ 患者インタフェース
３１００ 構造
３２００ プレナムチャンバ
３３００ 構造
３４００ ベント
３６００ 接続ポート
３７００ 額支持部
４０００ ＲＰＴ装置
４０１０ 外部ハウジング
４０１２ 上部
４０１４ 下部
４０１５ パネル
４０１６ シャーシー
４０１８ ハンドル
４０２０ 空気ブロック
４１００ 空気的コンポーネント
４１１０ 空気フィルタ
４１１２ 入口空気フィルタ
４１１４ 出口空気フィルタ
４１２０ マフラー
４１２２ 入口マフラー
４１２４ 出口マフラー
４１４０ 圧力発生器
４１４２ 送風機
４１４４ モーター
４１６０ バック弁
４１７０ 空気伝達回路
４１８０ 補充酸素
４２００ 電気的コンポーネント
４２０２ ＰＣＢＡ
４２１０ 電源
４２２０ 入力装置
４２３０ 中央コントローラ
４２３２ 時計
４２４０ 治療装置コントローラ
４２５０ 保護回路
４２６０ メモリ
４２７０ 変換器
４２７２ 圧力センサ
４２７４ 流量センサ
４２７６ モーター速度センサ
４２８０ データ通信インタフェース
４２８２ 遠隔外部通信ネットワーク
４２８４ ローカル外部通信ネットワーク
４２８６ 遠隔外部装置
４２８８ ローカル外部装置
４２９０ 出力装置
４２９２ ディスプレイドライバ
４２９４ ディスプレイ
４３００ アルゴリズム
４３１０ 処理モジュール
４３１１ 換気決定アルゴリズム
４３１２ 圧力補償アルゴリズム
４３１３ 目標換気決定アルゴリズム
４３１３ 目標換気決定
４３１４ ベント流量推定アルゴリズム
４３１６ 漏れ流量推定アルゴリズム
４３１７ 呼吸流量推定アルゴリズム
４３１８ 呼吸数推定アルゴリズム
４３１９ バックアップ率決定アルゴリズム
４３２０ 治療エンジンモジュール
４３２１ 位相決定アルゴリズム
４３２２ 波形決定アルゴリズム
４３２４ 吸気流れ制限決定アルゴリズム
４３２５ 無呼吸／呼吸低下決定アルゴリズム
４３２６ いびき検出アルゴリズム
４３２７ 気道開通性決定アルゴリズム
４３２９ 治療パラメータ決定アルゴリズム
４３３０ 治療制御モジュール
４３４０ 方法
４５００ 方法
５０００ 加湿器
２０２０ａ 設定分類プロセス
２０２０ｂ 設定分類プロセス
２０２８ａ 特定分類プロセス
２０２８ｂ 特定分類プロセス
２０４０ａ 分類組合せ機
２０４０ｂ 分類組合せ機

Claims (61)

  1. 識別した人の生理学的パラメータをモニタリングするために人を識別するように構成された生理学的パラメータをモニタリングするシステムであって、
    前記１人以上の人の生理学的パラメータをモニタリングする１つ以上のセンサと、
    人を識別するために、前記１つ以上のセンサからの信号を処理するように構成された１つ以上のプロセッサであって、前記１つ以上のセンサからの信号を処理することは、前記生理学的パラメータの評価を含み、前記生理学的パラメータは、１つ以上の呼吸パラメータと、１つ以上の心臓パラメータと、１つ以上の動きパラメータとのうちのいずれかを含むものである、１つ以上のプロセッサと、
    を含み、
    前記生理学的パラメータの評価は、（ａ）検出された呼吸深度と、（ｂ）検出されたベッドでの動きの程度とのうちの少なくとも１つの分析を含み、
    前記１つ以上のプロセッサは、前記認識した人に関連した前記モニタリングした生理学的パラメータを、ローカルに記憶するか、又は遠隔サーバに記憶するために転送するようにさらに構成されており、
    前記１つ以上のプロセッサは、前記人を識別するバイオメトリック特性の初期化のために登録プロセスを操作するように構成され、該登録プロセスは、データ内の基点を識別し、ユーザーのバイオメトリック署名を生成する分類特徴を計算するために、該ユーザーの睡眠セッションからのデータをスキャンすることを含み、
    前記生理学的パラメータの評価は、生成された前記バイオメトリック署名の評価をさらに含むものである、システム。
  2. 前記１つ以上のセンサは、無線周波数非接触センサを含む、請求項１に記載のシステム。
  3. 前記モニタリングは、睡眠中の前記人の生理学的特徴の検出を含む、請求項１に記載のシステム。
  4. 前記処理は、前記人の睡眠段階の検出を含む、請求項１〜３のいずれか一項に記載のシステム。
  5. 前記処理は、前記人の深い睡眠の検出を含む、請求項１〜４のいずれか一項に記載のシステム。
  6. 前記処理は、前記人のＲＥＭ睡眠の検出を含む、請求項１〜５のいずれか一項に記載のシステム。
  7. 前記モニタリングは、前記人の起床時間中の生理学的特徴の検出を含む、請求項１〜６のいずれか一項に記載のシステム。
  8. 前記１つ以上のセンサは、
    無線周波数非接触センサと、
    生体運動センサと、
    ウェアラブルセンサと、
    のうちの任意の１つ以上を含む、請求項１〜７のいずれか一項に記載のシステム。
  9. 前記パラメータを評価するために、前記１つ以上のプロセッサは、バイオメトリック及び行動特徴を含む任意の１つ以上の特徴を検出して分析するように構成される、請求項１〜８のいずれか一項に記載のシステム。
  10. 前記１つ以上のセンサは少なくとも２つのセンサを含み、該少なくとも２つのセンサは、該１つ以上のセンサのうちの前記少なくとも２つのセンサ間の干渉を最小限にするように構成される、請求項１〜９のいずれか一項に記載のシステム。
  11. 前記１つ以上のセンサは、距離ゲーティングパルスタイミング、パルスの放出電力レベル、パルスの検出周波数、及び／又は操縦可能なアンテナの位置調整、のための制御パラメータを変更して干渉を最小化する、請求項１〜１０のいずれか一項に記載のシステム。
  12. 前記１つ以上のセンサは、有線又は無線リンクを介して通信する、請求項１〜１１のいずれか一項に記載のシステム。
  13. 別個の人間の生理学的認識を最適化するために、前記１つ以上のセンサのうちの少なくとも１つにおける性能を動的に調整するように、特性バイオメトリックパラメータが適用される、請求項１〜１２のいずれか一項に記載のシステム。
  14. 前記１つ以上のセンサと通信する制御プロセッサをさらに含み、該制御プロセッサは、前記１つ以上のセンサと通信して、該１つ以上のセンサによる前記人、他の人、又は動物の識別に基づいて、前記１つ以上のセンサの検出制御パラメータを調整する、請求項１〜１３のいずれか一項に記載のシステム。
  15. 前記１つ以上のセンサの検出制御パラメータは、距離ゲーティング、中心周波数、及び電力レベル、のうちの１つ以上を含む、請求項１４に記載のシステム。
  16. 前記１つ以上のセンサと通信する制御プロセッサをさらに含み、該制御プロセッサは、前記１つ以上のセンサによる前記人、他の人、又は動物の識別に基づいて、更なるセンサシステムを起動するように構成される、請求項１〜１５のいずれか一項に記載のシステム。
  17. 前記更なるセンサシステムは、カメラを含む、請求項１６に記載のシステム。
  18. プロセッサは、前記人が以前にモニタリングされた人であるとの識別に基づいて、検出されたバイオメトリック特性をログする、請求項１〜１７のいずれか一項に記載のシステム。
  19. プロセッサは、前記人が以前にモニタリングされていない人であるとの識別に基づいて、検出されたバイオメトリック特性をログすることをやめる、請求項１〜１８のいずれか一項に記載のシステム。
  20. 前記パラメータを評価するために、前記１つ以上のプロセッサは、検出された前記呼吸深度と検出された前記ベッドでの動きの程度との両方の分析を行うように構成される、請求項１〜１９のいずれか一項に記載のシステム。
  21. 前記プロセッサは、新たに検出されたバイオメトリック特性を初期化されたバイオメトリック特性と比較して、前記特定の人を識別する、請求項２０に記載のシステム。
  22. 前記評価は、新たに検出されたバイオメトリック特性と初期化されたバイオメトリック特性とを比較することをさらに含む、請求項２０に記載のシステム。
  23. 前記評価は、前記信号から決定されたパラメータの分類を含み、該パラメータは、
    周波数スペクトルのピークのいくつかの値の比、
    決定された信号品質、
    信号のピークの振幅であるいくつかの値と、トラフの平均である別の値との比、
    時間にわたってフィルタリングされた呼吸数、
    呼吸数の変動の尺度、
    センサ信号から決定された所定の周波数範囲内の電力の尺度、
    所定のウィンドウにわたるセンサ信号から決定された最大値及び最小値の差によって規定された範囲、
    呼吸数、
    呼吸周期の最大振幅と最小振幅との比、
    センサ信号から決定された、閾値を超える所定の周波数に対する電力の尺度、
    平均呼吸数、
    周期的足動き活動による、検出されたいくつかの動きイベント、
    ベッドでのターンオーバーを示す、検出された動きイベント、及び
    周期的足動き活動による動きを除去した後の動き信号中の活動イベント、
    のうちの１つ以上を含む、請求項１〜２２のいずれか一項に記載のシステム。
  24. 前記評価は、前記信号から決定されたパラメータの分類を含み、該パラメータは、心臓パラメータ、ガルバニック皮膚反応パラメータ、運動強度パラメータ、呼吸パラメータ、血圧パラメータ、咳パラメータ、いびきパラメータ、睡眠パラメータ、のうちの１つ以上を含む、請求項１〜２２のいずれか一項に記載のシステム。
  25. 前記評価は、前記決定されたパラメータと過去のパラメータとの比較を含む、請求項２３又は２４に記載のシステム。
  26. 前記評価は、前記決定されたパラメータから、ある期間の平均及び／又は標準偏差値を計算することをさらに含む、請求項２３〜２５のいずれか一項に記載のシステム。
  27. 前記１つ以上のプロセッサは、別のモニタリングシステムからの１つ以上のセンサによって検出される受信データを評価するように構成される、請求項１〜２６のいずれか一項に記載のシステム。
  28. 前記受信データの評価は、複数の健康モニタリング装置から収集されたデータの相関を含む、請求項２７に記載のシステム。
  29. 前記システムは、セットアップ期間のための設定分類器及び後の期間のための被験者分類器をさらに含み、それぞれの分類器は、人を識別するために、前記信号からパラメータを評価するように構成される、請求項１〜２８のいずれか一項に記載のシステム。
  30. 前記被験者分類器は、人を識別するために、過去のパラメータを評価するようにさらに構成される、請求項２９に記載のシステム。
  31. 前記システムは、赤外線及び赤外線放出器に感応するカメラを含む健康モニタリング装置を含む、請求項１〜３０のいずれか一項に記載のシステム。
  32. 前記健康モニタリング装置の１つ以上のプロセッサは、前記信号からイベントを検出し、該イベントを、該イベントを含む前記カメラで撮影されたビデオの特定の部分に関連付けるように構成される、請求項３１に記載のシステム。
  33. 前記健康モニタリング装置は、バッテリー及び該バッテリーの無線充電用のコイルをさらに含む、請求項３１又は３２に記載のシステム。
  34. 前記１つ以上のプロセッサは、前記１つ以上のセンサを制御して、動物を示すバイオメトリック特性の検出に基づき、センサ検出電力、センサ周波数、センサ距離ゲーティング、又は感知のための他の制御パラメータ、を変更するように構成される、請求項１〜３３のいずれか一項に記載のシステム。
  35. 前記１つ以上のプロセッサは、前記設定パラメータに関連付けられた特定の人の識別に基づいて、光、音、及び／又は環境機器のうちの任意の１つ以上に対する設定パラメータにアクセスするように構成される、請求項１〜３３のいずれか一項に記載のシステム。
  36. 前記１つ以上のプロセッサは、識別された特定の人の検出されたバイオメトリックに関連付けられた設定パラメータにより、光、音、及び／又は環境機器のうちの任意の１つ以上における設定をトリガーするように構成される、請求項３５に記載のシステム。
  37. 前記センサの集合体と通信する中央コントローラをさらに含み、該中央コントローラは、構造内の識別された人の位置の確認を提供するように構成される、請求項１〜３６のいずれか一項に記載のシステム。
  38. 前記１つ以上のセンサは、終夜灯を含む、請求項１〜３７のいずれか一項に記載のシステム。
  39. 前記１つ以上のセンサは、主電源に差し込んで、副次的使用のために電力が通過できるように構成されたコンセントを含む、請求項１〜３８のいずれか一項に記載のシステム。
  40. 前記１つ以上のセンサは、該センサに電力を供給するためのＡＣプラグ及びＡＣ電源コンセントを含み、該ＡＣ電源コンセントは、副次的利用のために電力が前記コンセントを通過できるように構成される、請求項１〜３９のいずれか一項に記載のシステム。
  41. 前記１つ以上のセンサは、該センサに電力を供給するためのＵＳＢプラグ及びＵＳＢ接続アダプダを含み、該ＵＳＢ接続アダプタは、副次的利用のためにＵＳＢ電力が前記接続アダプタを通過できるように構成される、請求項１〜４０のいずれか一項に記載のシステム。
  42. 前記１つ以上のセンサは、無線又は有線ネットワーク通信のためのネットワークインタフェースを含む、請求項１〜４１のいずれか一項に記載のシステム。
  43. 前記１つ以上のプロセッサは、前記識別された人に基づいて呼吸治療装置の動作を設定するように構成される、請求項１〜４２のいずれか一項に記載のシステム。
  44. 該設定動作は、前記呼吸治療装置を用いた治療を許容するか、又は拒絶する、請求項４３に記載のシステム。
  45. 該設定動作は、前記呼吸治療装置の治療を変更する、請求項４３に記載のシステム。
  46. 前記１つ以上のプロセッサは、前記識別で評価されたバイオメトリック特性が前記呼吸治療装置によって処理される場合、前記人の識別のために再トレーニングするように構成される、請求項４３〜４５のいずれか一項に記載のシステム。
  47. 前記１つ以上のプロセッサは、センサ信号品質の決定に基づき、前記１つ以上のセンサの動作を調整するように構成される、請求項１〜４６のいずれか一項に記載のシステム。
  48. 前記１つ以上のプロセッサは、検出されたバイオメトリック特性の品質評価に応じて前記人を識別するために、異なるバイオメトリック特性に依存するように構成される、請求項１〜４７のいずれか一項に記載のシステム。
  49. 前記１つ以上のプロセッサは、前記人を識別するためのバイオメトリック特性のベースラインを初期化するための前記登録プロセスを動作させるように構成され、該登録プロセスは、誘導された呼吸セッション又は自発的呼吸セッションを含む、請求項１〜４８のいずれか一項に記載のシステム。
  50. 前記１つ以上のプロセッサは、センサによって使用される周波数の周波数干渉が検出された場合、前記人を識別することに関連付けられた前記バイオメトリック特性のうちのバイオメトリック特性の使用を控えるように構成される、請求項１〜４９のいずれか一項に記載のシステム。
  51. 前記１つ以上のプロセッサは、前記識別された人に基づいて警報の動作を設定するように構成される、請求項１〜５０のいずれか一項に記載のシステム。
  52. 前記１つ以上のプロセッサは、１つ以上の他のユーザーからメインユーザーを識別するように構成される、請求項１〜５１のいずれか一項に記載のシステム。
  53. 前記システムは、１つ以上のユーザーのパラメータを経時的に追跡して、１つ以上の呼吸パラメータ、心臓パラメータ、又は動きパラメータのうちの少なくとも１つに基づいて、分類パラメータを構築するように構成される、請求項１〜５２のいずれか一項に記載のシステム。
  54. 前記１つ以上の呼吸パラメータ、１つ以上の心臓パラメータ、又は１つ以上の動きパラメータのうちの少なくとも１つは、経時呼吸変動性、呼吸波形の形状の特徴、及び呼気期間に対する吸気期間の比、のうちの１つ以上を含み、前記１つ以上の呼吸パラメータ、１つ以上の心臓パラメータ、又は１つ以上の動きパラメータのうちの少なくとも１つの評価は、呼吸数の範囲を含む、請求項５３に記載のシステム。
  55. 前記１つ以上のプロセッサは、計算された前記分類特徴に基づいてユーザーのアイデンティティを分類する分類プロセスを備えるようにさらに構成される、請求項１〜５４のいずれか一項に記載のシステム。
  56. 前記分類プロセスは、神経ネットワーク、隠れ層マルコフモデル、ロジスティック回帰処理、線形カーネルサポートベクトルマシン、及びラジアルカーネルサポートベクトルマシン、のうちの１つ以上を含む、請求項５５に記載のシステム。
  57. 前記分類プロセスは、分類の前にパラメータに関するメイン成分分析を使用することを含む、請求項５５又は５６に記載のシステム。
  58. 前記分類プロセスは、リアルタイムパラメータ及びオフラインパラメータを含む、請求項５５〜５７のいずれか一項に記載のシステム。
  59. 前記分類プロセスは、出力事後確率を生成するために、複数の分類器及びこれらの出力の遅延統合を含む、請求項５５〜５８のいずれか一項に記載のシステム。
  60. 同一又は異なる人を検出するために配置された複数のセンサを含み、前記システムは、複数のセンサのパラメータを自動的に調整するように構成され、該パラメータは、範囲、電力、周波数、検出方向、及び放射パターン、のうちの少なくとも１つを含む、請求項１〜５９のいずれか一項に記載のシステム。
  61. １人以上の人の生理学的パラメータをモニタリングするために人を識別する、請求項１〜６０のいずれか一項に記載の生理学的パラメータをモニタリングするシステムの作動方法であって、
    前記１つ以上の感知用センサが、前記１人以上の人の生理学的パラメータをモニタリングするステップと、
    前記１つ以上のプロセッサが、（ｉ）１つ以上の呼吸パラメータ、（ｉｉ）１つ以上の心臓パラメータ、及び／又は（ｉｉｉ）１つ以上の動きパラメータのいずれかを含む１つ以上の前記生理学的パラメータを評価することによって、人を識別するために前記１つ以上のセンサからの信号を処理するステップと、
    を含み、
    前記生理学的パラメータを評価することは、（ａ）検出された呼吸深度と、（ｂ）検出されたベッドでの動きの程度とのうちの少なくとも１つの分析を含み、
    前記１つ以上のプロセッサが、前記認識した人に関連した前記モニタリングした生理学的パラメータを、ローカルに記憶するか、又は遠隔サーバに記憶するために転送し、
    前記１つ以上のプロセッサが、前記人を識別するバイオメトリック特性の初期化のために登録プロセスを操作し、該登録プロセスは、データ内の基点を識別し、ユーザーのバイオメトリック署名を生成する分類特性を計算するために、該ユーザーの睡眠セッションからのデータをスキャンすることを含み、
    前記生理学的パラメータを評価することは、前記１つ以上のプロセッサが、生成された前記バイオメトリック署名を評価することをさらに含む、
    請求項１〜６０のいずれか一項に記載の生理学的パラメータをモニタリングするシステムの作動方法。
JP2017554455A 2015-04-20 2016-04-20 特性信号から人間の検出及び識別 Active JP6940414B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021138998A JP7273909B2 (ja) 2015-04-20 2021-08-27 特性信号から人間の検出及び識別

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562149839P 2015-04-20 2015-04-20
US62/149,839 2015-04-20
US201562207687P 2015-08-20 2015-08-20
US62/207,687 2015-08-20
PCT/EP2016/058789 WO2016170005A1 (en) 2015-04-20 2016-04-20 Detection and identification of a human from characteristic signals

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2021138998A Division JP7273909B2 (ja) 2015-04-20 2021-08-27 特性信号から人間の検出及び識別

Publications (3)

Publication Number Publication Date
JP2018517448A JP2018517448A (ja) 2018-07-05
JP2018517448A5 JP2018517448A5 (ja) 2019-05-23
JP6940414B2 true JP6940414B2 (ja) 2021-09-29

Family

ID=55970957

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2017554455A Active JP6940414B2 (ja) 2015-04-20 2016-04-20 特性信号から人間の検出及び識別
JP2021138998A Active JP7273909B2 (ja) 2015-04-20 2021-08-27 特性信号から人間の検出及び識別
JP2023074459A Pending JP2023099126A (ja) 2015-04-20 2023-04-28 生理学的パラメータモニタリングシステム及びモニタリング方法

Family Applications After (2)

Application Number Title Priority Date Filing Date
JP2021138998A Active JP7273909B2 (ja) 2015-04-20 2021-08-27 特性信号から人間の検出及び識別
JP2023074459A Pending JP2023099126A (ja) 2015-04-20 2023-04-28 生理学的パラメータモニタリングシステム及びモニタリング方法

Country Status (5)

Country Link
US (3) US10690763B2 (ja)
EP (2) EP3286577B1 (ja)
JP (3) JP6940414B2 (ja)
CN (2) CN114545355A (ja)
WO (1) WO2016170005A1 (ja)

Families Citing this family (194)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10182661B2 (en) * 2013-03-14 2019-01-22 Sleep Number Corporation and Select Comfort Retail Corporation Inflatable air mattress alert and monitoring system
WO2015006364A2 (en) 2013-07-08 2015-01-15 Resmed Sensor Technologies Limited Method and system for sleep management
US11648373B2 (en) 2013-07-08 2023-05-16 Resmed Sensor Technologies Limited Methods and systems for sleep management
US9575560B2 (en) 2014-06-03 2017-02-21 Google Inc. Radar-based gesture-recognition through a wearable device
US9939823B2 (en) * 2014-06-05 2018-04-10 Wise Spaces Ltd. Home automation control system
US9811164B2 (en) 2014-08-07 2017-11-07 Google Inc. Radar-based gesture sensing and data transmission
US10268321B2 (en) 2014-08-15 2019-04-23 Google Llc Interactive textiles within hard objects
US9778749B2 (en) 2014-08-22 2017-10-03 Google Inc. Occluded gesture recognition
US11169988B2 (en) 2014-08-22 2021-11-09 Google Llc Radar recognition-aided search
US9600080B2 (en) 2014-10-02 2017-03-21 Google Inc. Non-line-of-sight radar-based gesture recognition
KR102002112B1 (ko) 2015-04-30 2019-07-19 구글 엘엘씨 제스처 추적 및 인식을 위한 rf―기반 마이크로―모션 추적
KR102011992B1 (ko) 2015-04-30 2019-08-19 구글 엘엘씨 타입-애그노스틱 rf 신호 표현들
CN111880650A (zh) 2015-04-30 2020-11-03 谷歌有限责任公司 基于宽场雷达的手势识别
US10088908B1 (en) 2015-05-27 2018-10-02 Google Llc Gesture detection and interactions
US11439344B2 (en) * 2015-07-17 2022-09-13 Origin Wireless, Inc. Method, apparatus, and system for wireless sleep monitoring
US10817065B1 (en) 2015-10-06 2020-10-27 Google Llc Gesture recognition using multiple antenna
US20180279885A1 (en) * 2015-10-08 2018-10-04 Koninklijke Philips N.V Device, system and method for obtaining vital sign information of a subject
WO2018145042A1 (en) * 2017-02-03 2018-08-09 University Of Notre Dame Du Lac Heart and lung monitoring with coherent signal dispersion
WO2017098609A1 (ja) * 2015-12-09 2017-06-15 富士通株式会社 センサシステム、センサ情報処理装置、センサ情報処理プログラム、及び、ベッド
DE102016109524A1 (de) * 2015-12-30 2017-07-06 Dewertokin Gmbh Schlaf-oder Ruhemöbel und elektromotorischer Möbelantrieb für ein solches Möbel sowie Verfahren zum Bereitstellen eines Informations und/oder Warnsignals durch einen elektromotorischen Möbelantrieb
US10667723B2 (en) 2016-02-19 2020-06-02 Covidien Lp Systems and methods for video-based monitoring of vital signs
US20170290526A1 (en) * 2016-04-07 2017-10-12 Oregon Health & Science University Telecentive spirometer
WO2017192167A1 (en) 2016-05-03 2017-11-09 Google Llc Connecting an electronic component to an interactive textile
WO2017200949A1 (en) 2016-05-16 2017-11-23 Google Llc Interactive fabric
CN107440695B (zh) * 2016-05-31 2020-10-16 佳纶生技股份有限公司 生理信号感测装置
EP3455835A4 (en) 2016-06-08 2020-01-08 Aerial Technologies Inc. SYSTEM AND METHOD FOR INTELLIGENT INTRUSION DETECTION USING WIRELESS SIGNALS AND ARTIFICIAL INTELLIGENCE
US10335045B2 (en) 2016-06-24 2019-07-02 Universita Degli Studi Di Trento Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions
US10715533B2 (en) * 2016-07-26 2020-07-14 Microsoft Technology Licensing, Llc. Remediation for ransomware attacks on cloud drive folders
US11207021B2 (en) * 2016-09-06 2021-12-28 Fitbit, Inc Methods and systems for labeling sleep states
US11067667B2 (en) 2016-09-08 2021-07-20 Magna Closures Inc. Radar detection system for non-contact human activation of powered closure member
US10934764B2 (en) 2016-09-08 2021-03-02 Magna Closures Inc. Radar detection system for non-contact human activation of powered closure member
GB201617408D0 (en) 2016-10-13 2016-11-30 Asio Ltd A method and system for acoustic communication of data
GB201617409D0 (en) 2016-10-13 2016-11-30 Asio Ltd A method and system for acoustic communication of data
KR102087583B1 (ko) * 2016-10-18 2020-03-11 한국전자통신연구원 이상호흡 감지 장치 및 방법
EP3535846B1 (en) * 2016-11-03 2021-04-07 Vicwood Prosperity Technology Limited Living body detection method and apparatus
EP3537961A1 (en) 2016-11-10 2019-09-18 The Research Foundation for The State University of New York System, method and biomarkers for airway obstruction
US11452829B2 (en) 2016-11-18 2022-09-27 ResMed Pty Ltd Methods and apparatus for ventilatory treatment of respiratory disorders
US10835158B2 (en) * 2016-11-23 2020-11-17 Lifeq Global Limited System and method for biometric identification using sleep physiology
US10579150B2 (en) 2016-12-05 2020-03-03 Google Llc Concurrent detection of absolute distance and relative movement for sensing action gestures
WO2018119316A1 (en) * 2016-12-21 2018-06-28 Emory University Methods and systems for determining abnormal cardiac activity
CN110113998B (zh) * 2016-12-28 2022-05-13 皇家飞利浦有限公司 表征睡眠呼吸障碍的方法
KR101883226B1 (ko) * 2016-12-30 2018-07-30 (주)더블유알티랩 레이더를 이용하여 수면 효율을 측정하는 방법 및 장치
CN108392176A (zh) * 2017-02-08 2018-08-14 上海跃扬医疗科技有限公司 一种基于心冲击信号采集的睡眠结构检测方法
GB201704636D0 (en) 2017-03-23 2017-05-10 Asio Ltd A method and system for authenticating a device
US20180287432A1 (en) * 2017-03-29 2018-10-04 Qualcomm Incorporated Adaptive adc control for living object protection
EP3384827A1 (en) * 2017-04-03 2018-10-10 Koninklijke Philips N.V. System for determining a physiological parameter of a subject
US10813597B2 (en) * 2017-04-14 2020-10-27 The Regents Of The University Of California Non-invasive hemodynamic assessment via interrogation of biological tissue using a coherent light source
GB2565751B (en) * 2017-06-15 2022-05-04 Sonos Experience Ltd A method and system for triggering events
RU2654613C1 (ru) * 2017-06-05 2018-05-21 Федеральное государственное бюджетное учреждение науки Тихоокеанский океанологический институт им. В.И. Ильичева Дальневосточного отделения Российской академии наук (ТОИ ДВО РАН) Способ контроля состояния дыхательной системы больных обструктивными заболеваниями легких на дому
WO2019006473A1 (en) * 2017-06-30 2019-01-03 The Johns Hopkins University ACTION RECOGNITION SYSTEMS AND METHOD USING MICRO-DOPPLER SIGNATURES AND RECURRING NEURAL NETWORKS
US11660025B2 (en) * 2017-07-11 2023-05-30 Nec Corporation Identification device, identification method, and recording medium with recorded identification program
AU2018303841B2 (en) * 2017-07-17 2022-10-13 Health Apps Pty Ltd A system for aiding early detection and management of breathing related disorders
US11561806B2 (en) * 2017-08-04 2023-01-24 Hannes Bendfeldt Adaptive interface for screen-based interactions
RU2678494C1 (ru) 2017-08-24 2019-01-29 Самсунг Электроникс Ко., Лтд. Устройство и способ для биометрической идентификации пользователя с использованием рч (радиочастотного) радара
WO2019039780A1 (ko) * 2017-08-24 2019-02-28 삼성전자 주식회사 무선 주파수 레이더를 사용하는 사용자 식별 디바이스 및 방법
RU181546U1 (ru) * 2017-10-09 2018-07-19 Общество с ограниченной ответственностью "Биоконтроль" Персональное наручное устройство для мониторинга и анализа биометрических показателей
WO2019075520A1 (en) * 2017-10-18 2019-04-25 Medibio Limited INDICATOR OF RESPIRATORY CONDITION
CN107693916A (zh) * 2017-10-26 2018-02-16 山东大学 一种具有远程监控功能的呼气正压鼻面罩
CN107883529A (zh) * 2017-10-30 2018-04-06 海南电网有限责任公司电力科学研究院 一种基于模糊技术的中央空调系统温度控制方法
US10939824B2 (en) 2017-11-13 2021-03-09 Covidien Lp Systems and methods for video-based monitoring of a patient
US10878072B2 (en) * 2017-11-20 2020-12-29 Ppip, Llc Systems and methods for biometric identity and authentication
US11153364B1 (en) 2017-11-29 2021-10-19 Parallels International Gmbh Embedding remote applications into HTML pages
US10825564B1 (en) * 2017-12-11 2020-11-03 State Farm Mutual Automobile Insurance Company Biometric characteristic application using audio/video analysis
US10503970B1 (en) 2017-12-11 2019-12-10 State Farm Mutual Automobile Insurance Company Method and system for identifying biometric characteristics using machine learning techniques
GB2570634A (en) 2017-12-20 2019-08-07 Asio Ltd A method and system for improved acoustic transmission of data
CN111565638B (zh) 2018-01-08 2023-08-15 柯惠有限合伙公司 用于基于视频的非接触式潮气容积监测的系统和方法
US10795012B2 (en) 2018-01-22 2020-10-06 Infineon Technologies Ag System and method for human behavior modelling and power control using a millimeter-wave radar sensor
US20190254599A1 (en) * 2018-02-02 2019-08-22 Sentier Hc Llc Systems and methods for non-invasive monitoring of animals
SG11202008455WA (en) * 2018-03-02 2020-09-29 Nitto Denko Corp Method, computing device and wearable device for sleep stage detection
DE102018106145A1 (de) * 2018-03-16 2019-09-19 Steinel Gmbh Gebäude-Sensorsystem
US10775493B2 (en) * 2018-03-28 2020-09-15 Infineon Technologies Ag System and method for controlling access to a trunk of a vehicle using a radar sensor
US10775482B2 (en) * 2018-04-11 2020-09-15 Infineon Technologies Ag Human detection and identification in a setting using millimeter-wave radar
CN110501035B (zh) * 2018-05-18 2022-03-15 好庆科技企业股份有限公司 感测器及感测器的自动校正方法
CN108670200B (zh) * 2018-05-30 2021-06-08 华南理工大学 一种基于深度学习的睡眠鼾声分类检测方法及系统
CN108983207A (zh) * 2018-06-13 2018-12-11 北京慧远达科技有限公司 一种基于微波雷达监控活动指数的系统和方法
EP3806727A1 (en) 2018-06-15 2021-04-21 Covidien LP Systems and methods for video-based patient monitoring during surgery
TWI669522B (zh) * 2018-06-28 2019-08-21 立積電子股份有限公司 都普勒訊號處理裝置及訊號處理方法
US20210267488A1 (en) 2018-07-02 2021-09-02 3M Innovative Properties Company Sensing system and method for monitoring time-dependent processes
CN108957399B (zh) * 2018-07-05 2021-04-16 北京航空航天大学 一种利用lte信号信道状态信息实现运动检测的方法
WO2020012455A1 (en) 2018-07-09 2020-01-16 Neteera Technologies Ltd. A sub-thz and thz system for physiological parameters detection and method thereof
CN108983225A (zh) * 2018-07-12 2018-12-11 芜湖博高光电科技股份有限公司 一种基于毫米波生命体征探测的宿舍查岗装置及查岗方法
US10339789B1 (en) * 2018-07-18 2019-07-02 Curbell Medical Products, Inc. Nurse call pillow speaker with brownout protection
US11656321B2 (en) * 2018-07-23 2023-05-23 Richwave Technology Corp. Method of microwave motion detection with adaptive frequency control and related devices
WO2020028470A1 (en) * 2018-07-31 2020-02-06 The Trustees Of Dartmouth College Device for automatically detecting lung function variability
EP3833241A1 (en) 2018-08-09 2021-06-16 Covidien LP Video-based patient monitoring systems and associated methods for detecting and monitoring breathing
US11000191B2 (en) 2018-08-20 2021-05-11 Thomas Jefferson University Acoustic sensor and ventilation monitoring system
US11213225B2 (en) 2018-08-20 2022-01-04 Thomas Jefferson University Acoustic sensor and ventilation monitoring system
WO2020041167A2 (en) 2018-08-20 2020-02-27 Thomas Jefferson University Acoustic sensor and ventilation monitoring system
CN109164450B (zh) * 2018-09-12 2022-11-22 天津大学 一种基于多普勒雷达数据的下击暴流预测方法
US11183772B2 (en) 2018-09-13 2021-11-23 Infineon Technologies Ag Embedded downlight and radar system
JP6726256B2 (ja) * 2018-10-23 2020-07-22 株式会社ポケモン プログラム、ゲームサーバ、情報処理端末、方法およびゲームシステム
US11580355B2 (en) 2018-10-25 2023-02-14 Electronic Warfare Associates, Inc. System-on-a-chip incorporating artificial neural network and general-purpose processor circuitry
US10557932B1 (en) * 2018-11-28 2020-02-11 Qualcomm Incorporated Clock oscillator detection
US11617520B2 (en) 2018-12-14 2023-04-04 Covidien Lp Depth sensing visualization modes for non-contact monitoring
TWI687202B (zh) * 2018-12-21 2020-03-11 緯創資通股份有限公司 非接觸式生命徵象偵測系統與方法
CN111381282A (zh) * 2018-12-28 2020-07-07 物流及供应链多元技术研发中心有限公司 基于超宽带的物件识别
US11467275B2 (en) * 2018-12-28 2022-10-11 Logistics And Supply Chain Multi Tech R&D Centre Limited Ultra-wideband-based object identification
US11508484B1 (en) * 2018-12-28 2022-11-22 ResMed Pty Ltd Prediction of respiratory therapy compliance
US11315275B2 (en) 2019-01-28 2022-04-26 Covidien Lp Edge handling methods for associated depth sensing camera devices, systems, and methods
US11816600B1 (en) 2019-02-07 2023-11-14 State Farm Mutual Automobile Insurance Company Systems and methods for detecting building events and trends
TWI712392B (zh) * 2019-02-27 2020-12-11 和碩聯合科技股份有限公司 多目標生命徵象偵測系統及方法
CN113439218A (zh) * 2019-02-28 2021-09-24 谷歌有限责任公司 在存在身体运动的情况下检测人体生命体征的基于智能设备的雷达系统
CN109948481B (zh) * 2019-03-07 2024-02-02 惠州学院 一种基于窄带射频链路采样的无源人体识别方法
US20200297236A1 (en) * 2019-03-21 2020-09-24 Qualcomm Incorporated Radar for detecting human body part
JP7477884B2 (ja) * 2019-03-28 2024-05-02 国立大学法人山形大学 生体検知装置
US11399636B2 (en) * 2019-04-08 2022-08-02 Sleep Number Corporation Bed having environmental sensing and control features
US20200323171A1 (en) * 2019-04-09 2020-10-15 Ryan Crosby Automated recreational device for pets
CN110400264A (zh) * 2019-04-14 2019-11-01 泰州市赛得机电设备有限公司 设备状态实时转换系统
GB2583117B (en) * 2019-04-17 2021-06-30 Sonocent Ltd Processing and visualising audio signals
KR102218414B1 (ko) * 2019-04-18 2021-02-19 한양대학교 산학협력단 생체 신호 검증 장치, 생체 신호 측정 장치 및 이의 생체 신호 검증 방법
CN110045370B (zh) * 2019-05-10 2023-11-14 成都宋元科技有限公司 基于毫米波雷达的人体感知方法及其系统
US11229369B2 (en) 2019-06-04 2022-01-25 Fitbit Inc Detecting and measuring snoring
US11793453B2 (en) * 2019-06-04 2023-10-24 Fitbit, Inc. Detecting and measuring snoring
KR102395937B1 (ko) * 2019-06-11 2022-05-11 한국과학기술연구원 보행 시간-주파수 분석에 기초한 건강 상태 예측 방법 및 시스템
KR102399672B1 (ko) * 2019-06-11 2022-05-20 한국과학기술연구원 보행 시간-주파수 분석에 기초한 개인 식별 방법 및 시스템
CN110349587B (zh) * 2019-07-12 2022-03-25 南京航空航天大学 一种两人场景下目标个体打呼区分方法
US11544360B2 (en) * 2019-07-30 2023-01-03 Ppip, Llc Masking biometric markers by sensor path control
CN110464303B (zh) * 2019-08-15 2022-04-01 深圳数联天下智能科技有限公司 睡眠质量评估方法及装置
CN110596705B (zh) * 2019-08-22 2023-04-28 南京理工大学 基于生命体征sar成像的人体目标身份识别方法及系统
US11986307B2 (en) * 2019-09-06 2024-05-21 Tencent America LLC Digital signal processing assistant modeling method for biosignal analysis
CN110579807B (zh) * 2019-09-06 2021-07-23 合创汽车科技有限公司 生命体探测方法、装置、计算机设备和存储介质
WO2021050966A1 (en) 2019-09-13 2021-03-18 Resmed Sensor Technologies Limited Systems and methods for detecting movement
CN110897621B (zh) * 2019-10-21 2022-10-28 思澜科技（成都）有限公司 一种生理信号提取方法及其系统
CN112866807B (zh) * 2019-11-12 2024-04-30 鸿富锦精密电子(郑州)有限公司 智能关机方法、装置及电子装置
CN110710963A (zh) * 2019-11-19 2020-01-21 山东一脉物联网科技有限公司 一种窄面式雷达智能监控呼吸系统
US11875659B2 (en) 2019-12-12 2024-01-16 Google Llc Privacy-preserving radar-based fall monitoring
KR20210074749A (ko) * 2019-12-12 2021-06-22 삼성전자주식회사 라이브니스 검사 방법 및 라이브니스 검사 장치
US20210208239A1 (en) * 2020-01-06 2021-07-08 Metawave Corporation Amplitude tapering in a beam steering vehicle radar for object identification
WO2021140588A1 (ja) 2020-01-08 2021-07-15 三菱電機株式会社 生体認証装置、生体認証方法、および、生体認証プログラム
US20210210204A1 (en) * 2020-01-08 2021-07-08 Hill-Rom Services, Inc. Associating a patient with a device
EP4097506A4 (en) * 2020-01-27 2024-02-28 Hewlett Packard Development Co DETECTION FIELDS OF VIEW
US11484208B2 (en) 2020-01-31 2022-11-01 Covidien Lp Attached sensor activation of additionally-streamed physiological parameters from non-contact monitoring systems and associated devices, systems, and methods
JP6994262B2 (ja) * 2020-02-18 2022-01-14 Ｒｅｈａｂｉｌｉｔａｔｉｏｎ３．０株式会社 作業療法支援装置、作業療法支援装置のための人工知能学習装置、及び作業療法支援装置の使用方法
US11337615B2 (en) 2020-03-06 2022-05-24 The Access Technologies Smart wristband for multiparameter physiological monitoring
WO2021182250A1 (ja) * 2020-03-11 2021-09-16 パナソニックＩｐマネジメント株式会社 信号処理システム、センサシステム、生体管理システム、環境制御システム、信号処理方法、及びプログラム
CN111345802B (zh) * 2020-03-16 2023-07-07 南京润楠医疗电子研究院有限公司 一种基于心冲击信号获取双人心跳频率的装置及方法
US20210307683A1 (en) * 2020-04-01 2021-10-07 UDP Labs, Inc. Systems and Methods for Remote Patient Screening and Triage
CN111507010A (zh) * 2020-04-23 2020-08-07 苏州聚分享电子商贸有限公司 一种ai人工智能检测口气的数据模型
WO2021243332A1 (en) * 2020-05-29 2021-12-02 Lifeq B.V. System and method for detecting coughs from sensor data
US10905249B1 (en) * 2020-05-29 2021-02-02 Khalid Saghiri Multifunctional smart beds and methods of operating thereof
CN112180338B (zh) * 2020-06-10 2022-03-01 四川九洲电器集团有限责任公司 全息数字阵列雷达目标数量估计方法和系统
WO2021253217A1 (zh) * 2020-06-16 2021-12-23 曾浩军 用户状态分析方法及相关设备
US11662449B2 (en) 2020-06-22 2023-05-30 Honeywell International Inc. Methods and systems for improving target detection performance of an indoor radar sensor
US11639985B2 (en) * 2020-07-02 2023-05-02 International Business Machines Corporation Three-dimensional feature extraction from frequency modulated continuous wave radar signals
US20220012315A1 (en) * 2020-07-07 2022-01-13 National Taiwan University Authorization system based on biometric identification and method therefor
CN111772633B (zh) * 2020-07-16 2023-06-23 韩锋 一种遥感呼吸功能监护装置及方法
US11837106B2 (en) * 2020-07-20 2023-12-05 Koninklijke Philips N.V. System and method to monitor and titrate treatment for high altitude-induced central sleep apnea (CSA)
US11406281B2 (en) 2020-08-11 2022-08-09 Google Llc Contactless cough detection and attribution
US11808839B2 (en) * 2020-08-11 2023-11-07 Google Llc Initializing sleep tracking on a contactless health tracking device
US11832961B2 (en) 2020-08-11 2023-12-05 Google Llc Contactless sleep detection and disturbance attribution
US11754676B2 (en) 2020-08-11 2023-09-12 Google Llc Precision sleep tracking using a contactless sleep tracking device
US11988784B2 (en) 2020-08-31 2024-05-21 Sonos, Inc. Detecting an audio signal with a microphone to determine presence of a playback device
WO2022072838A1 (en) * 2020-10-01 2022-04-07 DawnLight Technologies Inc. Contactless monitoring system
CN112401856B (zh) * 2020-11-16 2022-07-08 武汉烽火凯卓科技有限公司 一种基于毫米波雷达的疗养院监护方法及系统
CN112460742B (zh) * 2020-11-19 2021-11-23 珠海格力电器股份有限公司 传感器的控制方法、装置、传感器、存储介质及处理器
US20230420124A1 (en) 2020-11-20 2023-12-28 Resmed Sensor Technologies Limited Systems and methods for monitoring a comfort level of an individual
KR102471623B1 (ko) * 2020-11-20 2022-11-28 링크페이스 주식회사 복수의 센서를 이용한 호흡 신호 측정 방법 및 이를 실행하는 시스템
CN112686094B (zh) * 2020-12-03 2021-08-10 华中师范大学 一种基于毫米波雷达的非接触式身份识别方法及系统
CN112698314B (zh) * 2020-12-07 2023-06-23 四川写正智能科技有限公司 一种基于毫米波雷达传感器的儿童智能健康管理方法
CN112598033B (zh) * 2020-12-09 2022-08-30 兰州大学 生理信号处理方法、装置、设备及存储介质
CN112580486B (zh) * 2020-12-15 2022-12-09 北京理工大学 一种基于雷达微多普勒信号分离的人体行为分类方法
CN112270815B (zh) * 2020-12-23 2021-03-16 四川写正智能科技有限公司 一种基于智能手表的读写姿态识别方法及系统
US20240049974A1 (en) * 2021-01-07 2024-02-15 Circadia Technologies, Ltd. Systems, apparatus and methods for acquisition, storage and analysis of health and environmental data
WO2022153329A1 (en) * 2021-01-12 2022-07-21 Cloudphysician Healthcare Pvt Ltd Method and system for analyzing data displayed on ventilators
US20240108834A1 (en) * 2021-02-09 2024-04-04 Halare, Inc. Multi-therapy systems, methods and apparatuses for the alleviation of sleep disordered breathing
US11925447B1 (en) * 2021-02-24 2024-03-12 Amazon Technologies, Inc. Out-of-bed zone generation and monitoring associated with respiratory activity tracking
US11514708B2 (en) * 2021-03-03 2022-11-29 Thales Dis France Sas Anti-spoofing for contactless fingerprint readers
TWI768774B (zh) * 2021-03-17 2022-06-21 宏碁股份有限公司 輔助評估心臟運動狀態的方法
TWI762243B (zh) * 2021-03-17 2022-04-21 緯創資通股份有限公司 頻率調變連續波雷達、數位訊號處理方法與表徵資訊偵測方法
US11762350B2 (en) 2021-03-22 2023-09-19 Honeywell International Inc. Methods and systems for detecting occupancy of a space
JP2022151313A (ja) * 2021-03-26 2022-10-07 パナソニックＩｐマネジメント株式会社 電子機器連携システム、無接点充電器、制御装置、および方法
CN113064161B (zh) * 2021-03-30 2023-05-30 南京信息工程大学 一种基于双子脉冲重构的海浪波谱仪交叉谱计算方法
CN113109808B (zh) * 2021-04-01 2023-12-29 深圳迈睿智能科技有限公司 基于存在探测的多普勒信号处理方法和装置
CN113041575A (zh) * 2021-04-23 2021-06-29 中国人民解放军联勤保障部队第九八〇医院 一种适用于肺部康复训练的洁净式呼吸训练装置
WO2022226909A1 (zh) * 2021-04-29 2022-11-03 京东方科技集团股份有限公司 睡眠数据的处理方法、装置、计算机设备、程序及介质
CN113288114A (zh) * 2021-05-28 2021-08-24 南京润楠医疗电子研究院有限公司 一种基于无线信号的多人混合呼吸信号提取方法
CN113205518B (zh) * 2021-07-05 2021-09-07 雅安市人民医院 医疗车图像信息处理方法及装置
CN114239649B (zh) * 2021-07-15 2023-04-07 电子科技大学 面向可穿戴设备光电容积脉搏波信号发现和识别新用户的身份识别方法
AU2021107064B4 (en) * 2021-08-24 2022-08-25 Rudder Technology Pty Ltd Non-contact human respiration detection with radar signals
US11920771B2 (en) 2021-11-05 2024-03-05 Hb Innovations, Inc. Multi-colored night light with sound output imitating breathing pattern cadence
CN114010185B (zh) * 2021-11-17 2024-05-28 上海跃扬医疗科技有限公司 一种呼吸障碍的监测方法、装置、设备及介质
CN113963427B (zh) * 2021-12-22 2022-07-26 浙江工商大学 一种快速活体检测的方法与系统
IL289321B2 (en) * 2021-12-23 2023-10-01 Neteera Tech Ltd Derivation of heartbeat interval hundreds of returns
WO2023131422A1 (en) * 2022-01-10 2023-07-13 Qumea Ag Method for determining a posture of a human being
US20230284970A1 (en) * 2022-03-10 2023-09-14 Bitsensing Inc. Device, method and computer program for analysis of sleep time using radar
WO2023212037A1 (en) * 2022-04-29 2023-11-02 Koko Home, Inc. Person loc ation determination using multipath
WO2024015344A1 (en) * 2022-07-11 2024-01-18 Luca Rigazio Radar identification of persons via vital signs
CN115470864B (zh) * 2022-09-28 2023-05-23 中国人民解放军总医院 一种基于脉冲超宽带雷达的身份识别方法
US20240144721A1 (en) * 2022-10-28 2024-05-02 Linear Dimensions Muscle, Skin or Brain Based Authentication and Identification
JP7349215B1 (ja) 2023-03-28 2023-09-22 株式会社Ｔａｏｓ研究所 生体判定方法、生体判定システム及び生体判定プログラム
CN116421178B (zh) * 2023-04-19 2024-05-28 河北金盛达医疗用品有限公司 辅助监护的方法、装置、终端设备及可读存储介质
CN116449353B (zh) * 2023-06-20 2023-08-15 精华隆智慧感知科技（深圳）股份有限公司 一种睡眠过程人体存在检测方法、装置、设备及存储介质
CN116895382B (zh) * 2023-07-12 2024-02-13 中健三六五健康科技有限公司 基于数据分析的人体健康监测管理系统
CN117392121B (zh) * 2023-12-07 2024-03-08 西安鼎福十方网络智能科技有限公司 一种基于图像识别的经皮给药治疗控制方法及系统

Family Cites Families (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US45814A (en) 1865-01-10 Improved ventilator
US5966A (en) 1848-12-12 Ephraim morris
US832100A (en) 1905-05-29 1906-10-02 Nelson Tingley Water-motor for blowers for forges.
US4197537A (en) 1976-08-19 1980-04-08 Honeywell Inc. Intruder detection system
US5361070B1 (en) 1993-04-12 2000-05-16 Univ California Ultra-wideband radar motion sensor
US5682164A (en) 1994-09-06 1997-10-28 The Regents Of The University Of California Pulse homodyne field disturbance sensor
US7384410B2 (en) 1995-03-13 2008-06-10 Cardinal Health 303, Inc. System and method for managing patient care
US5966090A (en) 1998-03-16 1999-10-12 Mcewan; Thomas E. Differential pulse radar motion sensor
US6515586B1 (en) * 1998-12-18 2003-02-04 Intel Corporation Tactile tracking systems and methods
US7592944B2 (en) 1999-06-14 2009-09-22 Time Domain Corporation System and method for intrusion detection using a time domain radar array
US7666151B2 (en) * 2002-11-20 2010-02-23 Hoana Medical, Inc. Devices and methods for passive patient monitoring
US6426716B1 (en) 2001-02-27 2002-07-30 Mcewan Technologies, Llc Modulated pulse doppler sensor
WO2003000015A2 (en) 2001-06-25 2003-01-03 Science Applications International Corporation Identification by analysis of physiometric variation
EP1985861B1 (en) 2001-12-10 2011-02-02 ResMed Limited Blower apparatus of the CPAP/NIPPV type
US20030236450A1 (en) * 2002-06-24 2003-12-25 Kocinski Richard J. System for remotely monitoring and controlling CPAP apparatus
WO2004096045A1 (ja) 2003-05-02 2004-11-11 Seijiro Tomita 個体判別方法及びその装置
US7787946B2 (en) * 2003-08-18 2010-08-31 Cardiac Pacemakers, Inc. Patient monitoring, diagnosis, and/or therapy systems and methods
KR100547811B1 (ko) 2003-09-15 2006-01-31 삼성전자주식회사 디지털 방송시스템에서의 부가방송 서비스 방법 및 장치
AU2003289401A1 (en) * 2003-12-17 2005-07-05 Seijiro Tomita Individual authentication system using cardiac sound waveform and/or breathing waveform pattern
US20060155386A1 (en) * 2005-01-10 2006-07-13 Wells David L Electromyographic sensor
US7458937B2 (en) * 2005-01-11 2008-12-02 Coherence Llc Method and system for assessing breathing effectiveness via assessment of the dynamic arterial pressure wave using the oscillometric measurement technique
JP5132925B2 (ja) 2005-12-21 2013-01-30 レスメド・リミテッド マスク及び人工呼吸器の構成部品の識別システム及びその方法
US8762733B2 (en) * 2006-01-30 2014-06-24 Adidas Ag System and method for identity confirmation using physiologic biometrics to determine a physiologic fingerprint
JP2007213196A (ja) * 2006-02-08 2007-08-23 Olympus Corp 個人認証方法、個人認証システムおよび生体情報測定システム
US8232866B2 (en) * 2006-04-05 2012-07-31 California Institute Of Technology Systems and methods for remote long standoff biometric identification using microwave cardiac signals
EP2020919B1 (en) * 2006-06-01 2019-07-31 ResMed Sensor Technologies Limited Apparatus, system, and method for monitoring physiological signs
JP4905043B2 (ja) * 2006-10-12 2012-03-28 アイシン精機株式会社 ベッド装置
CN104352224B (zh) 2006-11-01 2017-01-11 瑞思迈传感器技术有限公司 用于监测心肺参数的系统和方法
CN101190123A (zh) * 2006-11-28 2008-06-04 周纯美 睡眠状态监控系统
WO2008102291A2 (en) * 2007-02-20 2008-08-28 Philips Intellectual Property & Standards Gmbh Method and system for identifying a subject
US9743859B2 (en) 2007-06-15 2017-08-29 Cardiac Pacemakers, Inc. Daytime/nighttime respiration rate monitoring
AU2008353513B2 (en) 2008-03-25 2013-08-08 Oneempower Pte Ltd Health monitoring system with biometric identification
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
US8882684B2 (en) * 2008-05-12 2014-11-11 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US20090275807A1 (en) * 2008-05-02 2009-11-05 General Electric Company Method for managing alarms in a physiological monitoring system
US20100090862A1 (en) * 2008-09-04 2010-04-15 Dubrow Nicole M Point-of-use energy monitoring and management
KR101850855B1 (ko) 2008-09-24 2018-04-20 레스메드 센서 테크놀로지스 리미티드 평가 및 조정을 위한 삶의 질 변수의 비접촉 및 최소접촉 모니터링
JP5300602B2 (ja) 2008-10-31 2013-09-25 三菱電機株式会社 空気調和機
US9526429B2 (en) 2009-02-06 2016-12-27 Resmed Sensor Technologies Limited Apparatus, system and method for chronic disease monitoring
US7952515B2 (en) 2009-02-26 2011-05-31 Mcewan Technologies, Llc Range gated holographic radar
US7994968B2 (en) 2009-02-26 2011-08-09 Mcewan Technologies, Llc RF magnitude sampler for holographic radar
US20110003550A1 (en) * 2009-07-03 2011-01-06 Sony Ericsson Mobile Communications Ab Tactile input for accessories
NZ615010A (en) 2009-07-16 2015-06-26 Resmed Ltd Detection of sleep onset
US8321006B1 (en) 2009-07-23 2012-11-27 Humana Inc. Biometric data display system and method
US9974919B2 (en) 2010-04-07 2018-05-22 Caire Inc. Portable oxygen delivery device
US20140194793A1 (en) * 2010-05-14 2014-07-10 Kai Medical, Inc. Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, apnea diagnosis, and snore therapy
US8799167B2 (en) * 2010-07-13 2014-08-05 Tec Solutions, Inc. Biometric authentication system and biometric sensor configured for single user authentication
US10264968B2 (en) * 2010-09-30 2019-04-23 Koninklijke Philips N.V. Body worn sensors network with redundant parameter prioritization and temporal alignment
CN102068261A (zh) * 2011-01-21 2011-05-25 上海弘周电子科技有限公司 安全监护仪
CN103635862A (zh) * 2011-02-09 2014-03-12 Actatek私人有限公司 一种用于控制电器的系统和方法
US20120245479A1 (en) * 2011-03-23 2012-09-27 Meena Ganesh Physiology Monitoring and Alerting System and Process
US20130060150A1 (en) * 2011-09-01 2013-03-07 Zhendong Song Method and apparatus for monitoring cardiac and respiratory conditions using acoustic sounds
WO2013077977A1 (en) 2011-11-23 2013-05-30 Remedev, Inc. Remotely-executed medical diagnosis and therapy including emergency automation
JP6027716B2 (ja) * 2012-04-03 2016-11-16 旭光電機株式会社 装着型使用者状態情報取得装置
US9465520B2 (en) * 2012-05-01 2016-10-11 Jorge Mestre Messaging device
WO2013179254A1 (en) * 2012-05-31 2013-12-05 Ben Gurion University Of The Negev Research And Development Authority Apparatus and method for diagnosing sleep quality
US9044149B2 (en) * 2012-06-22 2015-06-02 Fitbit, Inc. Heart rate data collection
US10525219B2 (en) 2012-06-26 2020-01-07 Resmed Sensor Technologies Limited Methods and apparatus for monitoring and treating respiratory insufficiency
US9445729B2 (en) 2012-07-20 2016-09-20 Resmed Sensor Technologies Limited Range gated radio frequency physiology sensor
KR102091167B1 (ko) 2012-09-19 2020-03-20 레스메드 센서 테크놀로지스 리미티드 수면 스테이지를 결정하는 시스템 및 방법
CN103006223A (zh) * 2012-12-13 2013-04-03 中国人民解放军第四军医大学 一种家用非接触睡眠监测装置及方法
US9974468B2 (en) * 2013-03-15 2018-05-22 Covidien Lp Systems and methods for identifying a medically monitored patient
JP6353194B2 (ja) * 2013-04-22 2018-07-04 公立大学法人首都大学東京 身体情報測定装置
JP6193650B2 (ja) * 2013-07-04 2017-09-06 パラマウントベッド株式会社 異常評価装置及び異常評価プログラム
WO2015006364A2 (en) 2013-07-08 2015-01-15 Resmed Sensor Technologies Limited Method and system for sleep management
US9655559B2 (en) * 2014-01-03 2017-05-23 Vital Connect, Inc. Automated sleep staging using wearable sensors
US9649558B2 (en) * 2014-03-14 2017-05-16 Sony Interactive Entertainment Inc. Gaming device with rotatably placed cameras
US11540769B2 (en) * 2014-04-28 2023-01-03 The General Hospital Corporation System and method for tracking sleep dynamics using behavioral and physiological information
US20150351700A1 (en) * 2014-06-05 2015-12-10 Morphy Inc. Methods and systems for monitoring of human biological signals
US10610153B2 (en) * 2014-07-21 2020-04-07 Withings System and method to monitor and assist individual's sleep
CA2898812A1 (en) * 2014-08-01 2016-02-01 George Ayer Systems and methods for underwater wireless radio-frequency communications
NZ630757A (en) 2014-08-01 2016-03-31 Resmed Ltd Self-optimising respiratory therapy system
CN107205641A (zh) * 2014-08-29 2017-09-26 因赛飞公司 用于增强神经功能的方法和装置
US20160302677A1 (en) * 2015-04-14 2016-10-20 Quanttus, Inc. Calibrating for Blood Pressure Using Height Difference

Also Published As

Publication number Publication date
JP2018517448A (ja) 2018-07-05
CN108474841A (zh) 2018-08-31
US10690763B2 (en) 2020-06-23
US11796665B2 (en) 2023-10-24
US20200386879A1 (en) 2020-12-10
JP7273909B2 (ja) 2023-05-15
CN108474841B (zh) 2022-03-18
US11092685B2 (en) 2021-08-17
EP3943971A1 (en) 2022-01-26
JP2021192801A (ja) 2021-12-23
US20180106897A1 (en) 2018-04-19
US20220075050A1 (en) 2022-03-10
EP3286577A1 (en) 2018-02-28
CN114545355A (zh) 2022-05-27
WO2016170005A1 (en) 2016-10-27
EP3286577B1 (en) 2021-03-17
JP2023099126A (ja) 2023-07-11

Similar Documents

Publication Publication Date Title
JP7273909B2 (ja) 特性信号から人間の検出及び識別
JP7284782B2 (ja) 慢性疾患の監視および管理のためのシステムおよび方法
JP7273774B2 (ja) 心肺健康状態をモニタリングするシステム、システムの作動方法及びコンピュータ可読媒体
JP7244695B2 (ja) 慢性疾患をモニタする方法及び機器
CN113710151A (zh) 用于检测呼吸障碍的方法和设备
US20230190140A1 (en) Methods and apparatus for detection and monitoring of health parameters
JP2018531055A6 (ja) 慢性疾患の監視および管理のためのシステムおよび方法
US20230099622A1 (en) Sleep status detection for apnea-hypopnea index calculation
AU2021214974A1 (en) Systems and methods for detecting mouth leak
CN116601721A (zh) 用于识别用户接口的系统和方法
US20230377114A1 (en) Systems and methods for diagnosing operational issues in a respiratory system
Abdulqader Internet of medical things–integrated, ultrasound-based respiration monitoring system for incubators
WO2023275812A1 (en) Systems and methods for characterizing a conduit in a respiratory therapy system

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171219

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190411

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190411

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200221

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200403

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20200703

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20200902

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200910

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210224

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20210521

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210713

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210806

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210902

R150 Certificate of patent or registration of utility model

Ref document number: 6940414

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150