KR20170087855A - 적어도 부분적으로 펄스 파형에 기반하는 자동화 진단 - Google Patents
적어도 부분적으로 펄스 파형에 기반하는 자동화 진단 Download PDFInfo
- Publication number
- KR20170087855A KR20170087855A KR1020177007945A KR20177007945A KR20170087855A KR 20170087855 A KR20170087855 A KR 20170087855A KR 1020177007945 A KR1020177007945 A KR 1020177007945A KR 20177007945 A KR20177007945 A KR 20177007945A KR 20170087855 A KR20170087855 A KR 20170087855A
- Authority
- KR
- South Korea
- Prior art keywords
- pulse
- information
- pulse signal
- waveform
- pulse waveform
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 206
- 208000024891 symptom Diseases 0.000 claims abstract description 93
- 238000010801 machine learning Methods 0.000 claims abstract description 65
- 238000012549 training Methods 0.000 claims description 83
- 210000001367 artery Anatomy 0.000 claims description 62
- 238000004891 communication Methods 0.000 claims description 35
- 230000004044 response Effects 0.000 claims description 30
- 210000002321 radial artery Anatomy 0.000 claims description 23
- 230000000747 cardiac effect Effects 0.000 claims description 16
- 210000000707 wrist Anatomy 0.000 claims description 12
- 230000003111 delayed effect Effects 0.000 claims description 7
- 229910052709 silver Inorganic materials 0.000 claims 1
- 239000004332 silver Substances 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 5
- 230000009471 action Effects 0.000 abstract description 2
- 238000005067 remediation Methods 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 20
- 210000003811 finger Anatomy 0.000 description 19
- 230000006870 function Effects 0.000 description 16
- 210000002216 heart Anatomy 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 230000036541 health Effects 0.000 description 12
- 230000004217 heart function Effects 0.000 description 12
- 239000000853 adhesive Substances 0.000 description 11
- 230000001070 adhesive effect Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000011282 treatment Methods 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 10
- 239000008280 blood Substances 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 10
- 239000000463 material Substances 0.000 description 10
- 239000000758 substrate Substances 0.000 description 10
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000003491 array Methods 0.000 description 7
- 210000000988 bone and bone Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000001225 therapeutic effect Effects 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 229920001971 elastomer Polymers 0.000 description 5
- 210000000245 forearm Anatomy 0.000 description 5
- 239000004033 plastic Substances 0.000 description 5
- 230000000004 hemodynamic effect Effects 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000009084 cardiovascular function Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000004171 remote diagnosis Methods 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 201000001320 Atherosclerosis Diseases 0.000 description 2
- 229920002799 BoPET Polymers 0.000 description 2
- 239000005041 Mylar™ Substances 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012631 diagnostic technique Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 239000013013 elastic material Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005057 finger movement Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 235000003642 hunger Nutrition 0.000 description 2
- 230000036571 hydration Effects 0.000 description 2
- 238000006703 hydration reaction Methods 0.000 description 2
- 206010020871 hypertrophic cardiomyopathy Diseases 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000000069 prophylactic effect Effects 0.000 description 2
- 230000035485 pulse pressure Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000037351 starvation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 229920002725 thermoplastic elastomer Polymers 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 208000031104 Arterial Occlusive disease Diseases 0.000 description 1
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 208000006029 Cardiomegaly Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010018852 Haematoma Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010020850 Hyperthyroidism Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 201000002481 Myositis Diseases 0.000 description 1
- 239000004820 Pressure-sensitive adhesive Substances 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 206010053648 Vascular occlusion Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000012790 adhesive layer Substances 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 206010002906 aortic stenosis Diseases 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 208000021328 arterial occlusion Diseases 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000036471 bradycardia Effects 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 206010061592 cardiac fibrillation Diseases 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011067 equilibration Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000002600 fibrillogenic effect Effects 0.000 description 1
- 210000001145 finger joint Anatomy 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000001361 intraarterial administration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 210000000713 mesentery Anatomy 0.000 description 1
- 210000004115 mitral valve Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017311 musculoskeletal movement, spinal reflex action Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 229940124595 oriental medicine Drugs 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 208000008494 pericarditis Diseases 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000009662 stress testing Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 208000005057 thyrotoxicosis Diseases 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
- 210000000623 ulna Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 208000021331 vascular occlusion disease Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6825—Hand
- A61B5/6826—Finger
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G06F19/345—
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hematology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Power Engineering (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
프론트-앤드 시스템은 펄스 파형 정보를 포함하고, 선택적으로 시간 정보, 증상 정보 및/또는 진단 정보를 포함하는 진단 관련 정보 또는 데이터를 수집한다. 하나 이상의 센서 또는 변환기는 다양한 대상자 및 종사자를 통해 일돤된 방식으로 펄스 파형을 감지한다. 백-앤드 시스템은 일반적으로 다수의 대상자 및 종사자에 대한 진단 관련 정보 및 진단 정보를 저장한다. 백-앤드 시스템은 시스템에 제안된 질의 또는 요청을 기반으로 생성된 진단 및/또는 제안된 개선 조치를 생성한다. 백-앤드 시스템은 예를 들어, 중국 전통 의학과 같이 상당한 수의 종사자에 의해 제출된 다수의 샘플에 대해서, 펄스 파형 및 진단의 정의된 특성 또는 특징 사이의 상관 관계를 식별하는데 기계 학습 기술을 사용한다. 백-앤드 시스템은 또한 상관 관계를 식별하는데 주 및/또는 부 증상을 사용할 수도 있다.
Description
본 개시 내용은, 일반적으로 진단 시스템, 방법 및 장치에 관하고, 특히 데이터의 평가 및 그에 기반한 진단의 제공을 자동화하는 시스템 및 방법에 관한다.
많은 의료 종사자들은 개인이나 환자의 건강을 평가하기 위해 맥박 또는 촉진에 의존한다. 예를 들어, 서양 의학에서, 의사 및 기타 건강 관리 제공자는 일반적으로 표준 또는 종래의 신체 검사의 일부로 혈압과 맥박 속도를 측정한다.
맥박 속도를 측정하는 것은 일반적으로 손가락 및 타이머 또는 시계가 요구된다. 혈압 측정에는 일반적으로 풍선 커프(inflatable cuff) 및 혈압계가 요구된다. 일반적으로 두 측정치인 수축기 혈압 및 이완기 혈압이 취해지고, 이는 일반적으로 수은 밀리미터(mm Hg)로 최고 혈압 및 최저 혈압을 나타낸다. 일부의 경우, 서양의 의료 종사자는 혈류의 다양한 특성을 어느 정도 나타내는 기타 변수를 측정, 예를 들어 심장 기능의 일부로 생성된 전자기 신호에 반응하는 리드(lead)를 통해 심장의 전기적 활동(즉, 심전도)을 측정할 수 있다.
일부 비-서양 의료 종사자는 서양 의료 종사자보다 맥박 측정에 더 의존한다. 예를 들어, 전통 중국 의학(traditional Chinese medicine: TCM) 종사자는 종종 환자의 맥박을 취하고 적어도 부분적으로는 그에 국한되지 않는다면 환자의 맥박을 기초로 진단을 내릴 수 있다. 그러한 기법이 천 년 이상 동안 사용되어 왔지만 그 기법과 관련된 가변성은 광범위한 경향이 있다. 예를 들어, 한 종사자가 다른 종사자에 비해 맥박을 감지하거나 해석하는 방법에 있어서, 또는 심지어 특정 종사자에 있어서 매일의 또는 환자-환자 간 실질적인 가변성이 존재한다. 마찬가지로, 동일 또는 매우 유사한 맥박이 주어진 상이한 종사자들 간의 결과 진단에서의 실질적인 가변성뿐 아니라, 동일 또는 매우 유사한 맥박이 주어진 한 특정 종사자에 의한 결과 진단에서도 가변성이 존재한다.
진단을 수행하는데 맥박의 사용이 유용하다는 것이 입증되었지만, 맥박이 감지되거나 해석되는 방식에 있어서 상당한 가변성이 있고, 상응하는 진단에 있어서 상당한 가변성이 존재한다. 그러한 가변성을 감소시키는 것이 바람직하다.
시스템은 적어도 하나의 가변성 원인을 감소 또는 제거하면서, 펄스 파형을 일관되게 감지 또는 측정하도록 동작가능한 하나 이상의 센서 또는 변환기를 갖는 장치를 포함 할 수 있다. 시스템은 샘플 진단과 함께 대량의 샘플 펄스 파형 또는 펄스 파형 정보를 수집하여, 시스템이 펄스 파형의 특성을 정의하는 것과 특정 진단 및/또는 심장 기능의 치료 또는 예방 조치 및/또는 측정기준(metirics) 간 상관관계를 결정 또는 정의 할 수 있는 데이터베이스 또는 기타 정보 수집을 형성할 수 있다. 시스템은 샘플 펄스 파형 및 샘플 진단과 함께 샘플 증상을 더 수집할 수 있고, 그로부터 시스템은 i) 펄스 파형의 특성을 정의하는 것과 ii) 증상 및 특정 진단 및/또는 심장 기능의 치료 또는 예방적 조치 및/또는 측정기준 사이의 상관관계를 결정 또는 정의할 수 있다. 시스템은 예를 들어, 상관관계를 결정 또는 정의하기 위하여 훈련 시간 동안 하나 이상의 기계-학습 기법 또는 신경망을 사용할 수 있다.
이 시스템은 심장, 혈액, 및 혈관계를 포함하는 종사자의 심혈관계의 기능성을 나타내는 펄스 (예: 동맥 펄스)의 다양한 동적 특성, 및 혈관, 조직 및 기관을 통한 펄스의 상호 작용 및 풍부(profusion)를 얻기 위한 센서를 포함한다. 시스템은 수집된 신호를 처리하고, 다양한 의료 또는 건강 관련 상태, 질병 및/또는 병의 진단을 생성한다.
런타임 동안, 시스템은 예를 들어, 식별된 증상의 유무에 관계없이, 펄스 파형 정보의 형태로 질의를 수신할 수 있고, 이에 응답하여 심장 기능의 측정기준을 생성하고, 축적된 지식 또는 지식 기반의 세트 및/또는 심장 기능의 측정기준에 기초하여 권고하는 적절한 진단 및/또는 치료 또는 예방 조치를 결정할 수 있다. 따라서, 시스템은 축적된 지식 또는 지식 기반의 세트를 사용하여, 식별된 증상의 유무에 관계없이, 펄스 파형 정보에 기초한 진단 및/또는 권장된 치료 또는 예방 조치를 자율적으로 생성 또는 제공할 수 있다.
축적된 지식 또는 지식 기반의 세트는 종사자의 피드백을 사용하여 더욱 향상될 수 있다. 피드백은 예를 들어, 펄스 파형 정보의 주어진 세트에 대해, 특정 증상의 유무에 관계없이, 올바른 진단 또는 치료 또는 예방 조치가 무엇이었는지를 특정하여, 시스템에 의해 자율적으로 생성 또는 제공된 진단이 정확했는지 또는 그렇지 않은지를 특정할 수 있다.
런타임 동안, 이 시스템은 훈련 도구로 사용되어, 종사자가 특정 증상의 유무에 관계없이 펄스 파형을 샘플링하고 진단하며, 종사자의 진단을, 다수 그룹의 종사자 또는 환자를 포괄하고 바람직하게는 다수 그룹의 경험 많은 종사자를 포괄하는 축적된 지식 또는 지식 기반의 세트에서 생성된 진단과 비교할 수 있다. 그러한 것은 적절한 피드백을 제공하여 종사자가 진단 기술을 연마 또는 향상시킬 수 있게 한다.
이 시스템은 하나 이상의 위치에서, 예를 들어 종사자 또는 환자의 요골 동맥을 따라 3개의 위치에서 펄스 파형을 포착하기 위해 센서 또는 변환기 세트를 사용한다. 센서 또는 변환기는 적어도 하나의 상기 위치에서 인가된 힘 또는 압력의 하나, 또는 바람직하게는 더 많은 레벨에서의 펄스 파형을 포착한다. 시스템은 인가된 힘 또는 압력의 양을 감지 또는 측정하기 위해 센서 또는 변환기 세트를 사용할 수 있다. 펄스 파형을 감지하는 센서 또는 변환기는 예를 들어, 인가된 힘 또는 압력을 감지 또는 측정하는 센서 또는 변환기와 별개이고 구분될 수 있다. 이 시스템은 심장의 전기적 활성, 예를 들어, 하나 이상의 EKG 리드를 감지 또는 측정하는 센서 또는 변환기 세트를 사용할 수 있다. 이 시스템은 펄스 파형의 시간 정보로 전기적 활성을 사용할 수 있고, 예를 들어 노이즈 필터링을 구현하여 펄스 파형의 정의된 특정한 특성을 식별할 수 있는 능력을 향상시킬 수 있다.
적어도 하나의 구현예에서, 웹 인터페이스 또는 포털(portal)을 사용하여 질의 또는 요청을 제출하고, 진단을 포함하는 응답을 수신하고, 및/또는 종사자의 훈련을 제공하기 위해, 서비스(SaaS) 모델로서 다양한 백 앤드(back-end) 시스템 기능이 소프트웨어 하에서 제공될 수 있다. 적어도 하나의 구현예에서, 원격 의료 서비스를 통해 다양한 백 앤드 시스템 기능이 제공되어, 특히 종사자가 의료 종사자와 멀리 떨어져 있는 경우 원격 진단을 가능하게 한다. 적어도 하나의 구현예에서, 클리닉 또는 응급실에서 다양한 시스템 기능이 제공되어 종사자 또는 환자를 신속하게 분류할 수 있다.
진단 시스템은 하기를 포함하는 것으로 요약될 수 있다: 적어도 하나의 프로세서 회로; 상기 적어도 하나의 프로세서 회로와 통신가능하게 연결되고 적어도 하나의 프로세서 실행가능 명령 또는 데이터를 저장하는 적어도 하나의 비휘발성(nontransitory) 메모리로서, 상기 명령 또는 데이터의 실행이 상기 적어도 하나의 프로세서 회로를: 복수의 대상자(subject) 각각에 의한 다수의 방문들(visits) 각각에 대해서, i) 제1 위치의 제1 인가된 압력에서 각 대상자로부터 포착된 제1 펄스 신호 파형 및 ii) 상기 제1 인가된 압력과 상이한, 상기 제1 위치의 제2 인가된 압력에서 각 대상자로부터 포착된 적어도 제2 펄스 신호 파형을 나타내는 각 펄스 신호 정보를 수신하도록 하고, 상기 각 대상자에 의한 각 방문과 관련된 주진단(primary diagonosis)을 적어도 포함하는 진단 정보를 수신하도록 하며; 상기 수신된 각 펄스 신호 정보 및 진단 정보를 상기 적어도 하나의 비휘발성 메모리에 저장하도록 하고; 및 상기 제1 및 적어도 상기 제2 펄스 신호 파형의 표시에 대한 다수의 정의된 특성 중 여러 특성과 상기 진단 정보 간 간 하나 이상의 상관관계를 결정하도록 하는 비휘발성 메모리. 이 시스템은 제 1 또는 제 2 인가된 압력 중 적어도 하나를 나타내는 적어도 하나의 값, 일례로 제 1 펄스 신호 파형을 감지할 경우 및 제 2 펄스 신호 파형을 감지할 경우 인가되는 힘 또는 압력의 레벨을 나타내는 각각의 값을 수신할 수 있다.
상기 적어도 하나의 프로세서 회로는 펄스 신호 정보 및 진단 정보를 익명화 형태로 수신할 수 있다. 복수의 대상자 각각에 의한 각 방문 횟수에 대해서, 적어도 하나의 프로세서 회로는: iii) 제1 및 제2 인가된 압력과 상이한, 제1 위치의 제3 인가된 압력에서 각 대상자로부터 포착된 제3 펄스 신호 파형을 나타내는 각 펄스 신호 정보를 수신할 수 있다. 대상자 중 특정인의 특정한 하나의 방문에 대해서, 수신된 각 펄스 신호 정보는 제1 위치로부터 이격된, 특정한 동맥을 따르는 제2 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서 각 대상자로부터 포착된 제4, 제5 및 제6 펄스 신호 파형을 더 나타낼 수 있다. 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2 및 제3 펄스 신호 파형이 일시적으로 상호 근접하여 포착될 수 있다. 대상자 중 특정인의 특정한 하나의 방문에 대해서, 제1, 제2, 제3, 제4, 제5, 및 제6 펄스 신호 파형이 일시적으로 상호 근접하여 포착될 수 있다. 대상자 중 특정인의 특정한 하나의 방문에 대해서, 제1, 제2 및 제3 펄스 신호 파형은 각각 제1, 제2 및 제3 인가된 압력에서 대상자의 손의 엄지 측의 손목뼈에 근접한 요골 동맥을 따르는 제1 위치에서 포착된 펄스 파형을 나타낼 수 있고, 제4, 제5 및 제6 펄스 신호 파형은 각각 제1, 제2 및 제3 인가된 압력에서 상기 제1 위치로부터 이격된, 척골에 근접한 요골 동맥을 따르는 제2 위치에서 포착된 펄스 파형을 나타낼 수 있다. 대상자 중 특정인의 특정한 하나의 방문에 대해서, 수신된 각 펄스 신호 정보는 제1 및 제2 위치로부터 근접하게 이격된, 요골 동맥을 따르는 제3 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서, 각 대상자로부터 포착된 제7, 제8 및 제9 펄스 신호 파형을 더 나타낼 수 있다. 대상자 중 특정인의 특정한 하나의 방문에 대해서, 제1, 제2, 제3, 제4, 제5, 제6, 제7, 제8, 및 제9 펄스 신호 파형은 실질적으로 상호 동시에 포착될 수 있다. 상기 제1, 제2 및 제3 펄스 신호 파형은 각각 상기 특정 대상자의 피부를 통해 포착된 펄스 파형 중 해당하는 하나를 나타낼 수 있다. 적어도 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 수신된 진단 정보는 각 대상자에 의한 각 방문과 관련된 2차 진단(secondary diagnosis)을 적어도 포함할 수 있다. 적어도 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 진단 시스템은 각 대상자에 의한 각 방문과 관련된 주증상(primary symptom)을 적어도 수신할 수 있다. 적어도 하나의 프로세서 회로는 펄스 신호 정보 및 상기 진단 정보를 익명화 형태로 수신할 수 있다. 적어도 대상자의 서브세트의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 진단 시스템은 각 대상자에 의한 각 방문과 관련된 2차 증상을 적어도 수신할 수 있다. 적어도 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 수신된 진단 정보는 각 대상자에 의한 각 방문과 관련된 2차 진단을 적어도 포함할 수 있다. 적어도 하나의 프로세서 회로는 훈련 시간 동안 제 1 및 적어도 제 2 펄스 신호 파형의 표시 중 다수의 정의된 특성 중 여러 특성과 진단 정보 간 하나 이상의 상관관계를 결정하기 위해 펄스 파형 및 진단 정보에 대한 기계 학습을 수행할 수 있다. 훈련 시간에 이어지는 런타임 동안, 복수의 추가적인 각 방문에 대해서, 적어도 하나의 프로세서 회로는 각 방문 및 각 대상자에 대하여 펄스 파형 정보를 수신할 수 있고, 적어도 부분적으로 수신된 펄스 파형 정보 및 결정된 상관관계에 기초하여 진단을 결정할 수 있으며, 결정된 진단을 제공할 수 있다. 훈련 시간에 뒤이은 런타임 동안, 복수의 추가적인 각 방문에 대해서, 적어도 하나의 프로세서 회로는 각 방문 및 각 대상자에 대하여 펄스 파형 정보 및 증상 정보를 수신할 수 있고, 적어도 부분적으로 수신된 펄스 파형 정보, 증상 정보 및 결정된 상관관계에 기초하여 진단을 결정할 수 있으며, 결정된 진단을 제공할 수 있다. 런타임 동안, 적어도 하나의 프로세서 회로는 펄스 신호 정보 및 진단 정보를 익명화 형태로 수신할 수 있다. 적어도 하나의 비휘발성 메모리에서 프로세서 실행가능 명령 또는 데이터 중 적어도 하나의 실행은 적어도 하나의 프로세서 회로를, 복수의 각 대상자에 의한 다수의 각 방문에 대하여, 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건(event)을 나타나는 시간 정보를 수신하도록 할 수 있다. 상기 시간 정보는 심전도(EKG) 변환기에 의해 감지되는 심전도 신호, 알려진 시간 범위만큼 심전도(EKG) 신호에 대해 지연되는 상기 펄스 신호 파형을 나타낼 수 있다. 적어도 하나의 프로세서 회로는 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 펄스 신호 파형 중 적어도 하나의 식별 특성을 더 식별할 수 있다. 적어도 하나의 비휘발성 메모리에서 적어도 하나의 프로세서 실행 가능 명령 또는 데이터의 실행은, 복수의 각 대상자에 의한 각 방문 횟수에 대하여, 적어도 하나의 프로세서 회로를 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건을 나타나는 심전도 시간 정보를 수신하도록 하고; 적어도 하나의 프로세서 회로는 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 펄스 신호 파형 중 적어도 하나의 식별 특성을 더 식별할 수 있다. 수신된 각 펄스 신호 정보는 상기 제1 및 제2 펄스 신호 파형의 디지털화 버전을 나타낼 수 있다. 상기 적어도 하나의 프로세서 회로는 상기 제1 및 제2 펄스 신호 파형을 디지털화하여 상기 각 펄스 신호 정보를 생성할 수 있다.
적어도 하나의 프로세서 회로 및 상기 적어도 하나의 프로세서 회로와 통신 가능하게 결합되고, 적어도 하나의 프로세서 실행가능 명령 또는 데이터를 저장하는 적어도 하나의 비휘발성 메모리를 포함하는 진단 시스템에서의 작동 방법은 하기를 포함하는 것으로 요약될 수 있다: 복수의 각 대상자에 의한 다수의 각 방문에 대해서, i) 제1 위치의 제1 인가된 압력에서 각 대상자로부터 포착된 제1 펄스 신호 파형, 및 ii) 상기 제1 인가된 압력과 상이한, 상기 제1 위치의 제2 인가된 압력에서 각 대상자로부터 포착된 적어도 제2 펄스 신호 파형을 수신하는 단계, 및 상기 각 대상자에 의한 각 방문과 관련된 주진단을 적어도 포함하는 진단 정보를 수신하고; 상기 수신된 각 펄스 신호 정보 및 진단 정보를 상기 적어도 하나의 비휘발성 메모리에 저장하는 단계; 및 상기 제1 및 적어도 상기 제2 펄스 신호 파형을 표시하는 다수의 정의된 특성 중 여러 특성과 상기 진단 정보 간 하나 이상의 상관관계를 결정하는 단계. 상기 방법은 제1 또는 제2 인가된 압력 중 적어도 하나를 나타내는 적어도 하나의 값, 일례로 제1 펄스 신호 파형을 감지할 때 및 제2 펄스 신호 파형을 감지할 때 인가되는 힘 또는 압력의 수준을 나타내는 해당 값을 감지하거나 수신하는 단계를 포함할 수 있다.
상기 펄스 신호 정보 및 상기 진단 정보를 수신하는 단계는 상기 펄스 신호 정보 및 상기 진단 정보를 익명화 형태로 수신하는 단계를 포함할 수 있다. 상기 복수의 대상자 각각에 의한 각 방문 횟수에 대해서, 상기 각 펄스 신호 정보를 수신하는 단계는 iii) 상기 제1 및 제2 인가된 압력과 상이한, 상기 제1 위치의 제3 인가된 압력에서 각 대상자로부터 포착된 제3 펄스 신호 파형을 나타내는 펄스 신호 정보를 수신하는 단계를 포함할 수 있다. 상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 수신된 각 펄스 신호 정보는 상기 제1 위치로부터 이격된, 특정한 동맥을 따르는 제2 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서 각 대상자로부터 포착된 제4, 제5 및 제6 펄스 신호 파형을 더 나타낼 수 있다. 상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2 및 제3 펄스 신호 파형은 일시적으로 상호 근접하여 포착될 수 있다. 상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2, 제3, 제4, 제5, 및 제6 펄스 신호 파형은 일시적으로 상호 근접하여 포착될 수 있다. 상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 제1, 제2 및 제3 펄스 신호 파형은 각각 상기 제1, 제2 및 제3 인가된 압력에서 대상자의 손의 엄지 측의 손목뼈에 근접한 요골 동맥을 따르는 제1 위치에서 포착된 펄스 파형을 나타낼 수 있고, 상기 제4, 제5 및 제6 펄스 신호 파형은 각각 상기 제1, 제2 및 제3 인가된 압력에서 상기 제1 위치로부터 이격된, 척골에 근접한 요골 동맥을 따르는 제2 위치에서 포착된 펄스 파형을 나타낼 수 있다. 상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 수신된 각 펄스 신호 정보는 상기 제1 및 제2 위치로부터 근접하게 이격된, 상기 요골 동맥을 따르는 제3 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서, 각 대상자로부터 포착된 제7, 제8 및 제9 펄스 신호 파형을 더 나타낼 수 있다. 상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2, 제3, 제4, 제5, 제6, 제7, 제8, 및 제9 펄스 신호 파형은 실질적으로 상호 동시에 포착될 수 있다. 상기 제1, 제2 및 제3 펄스 신호 파형은 각각 상기 특정 대상자의 피부를 통해 포착된 펄스 파형 중 해당하는 파형을 각각 나타낼 수 있다. 적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 수신된 진단 정보는 상기 각 대상자에 의한 각 방문과 관련된 2차 진단을 적어도 포함할 수 있다. 적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 방법은 상기 각 대상자에 의한 상기 각 방문과 관련된 주증상을 적어도 수신하는 단계를 포함할 수 있다. 상기 펄스 신호 정보 및 상기 진단 정보를 수신하는 단계는 상기 펄스 신호 정보 및 상기 진단 정보를 익명화 형태로 수신하는 단계를 포함할 수 있다. 적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 방법은 상기 각 대상자에 의한 각 방문과 관련된 2차 증상을 적어도 수신하는 단계를 포함할 수 있다. 적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 수신된 진단 정보는 상기 각 대상자에 의한 상기 각 방문과 관련된 2차 진단을 적어도 포함할 수 있다. 상기 방법은 하기를 더 포함할 수 있다: 훈련 시간 동안 상기 적어도 하나의 프로세서 회로에 의해, 상기 제1 펄스 및 적어도 제2 펄스 신호 파형을 표시하는 다수의 정의된 특성 중 여러 특성과 상기 진단 정보 간 하나 이상의 상관관계를 결정하기 위해 펄스 파형 및 진단 정보에 대한 기계 학습을 수행하는 단계. 상기 훈련 시간에 뒤이은 런타임 동안, 복수의 추가적인 각 방문에 대해, 상기 방법은 상기 적어도 하나의 프로세서 회로에 의해, 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보를 수신하는 단계, 및 상기 적어도 하나의 프로세서 회로에 의해, 적어도 부분적으로 상기 수신된 펄스 파형 정보 및 상기 결정된 상관관계에 기초한 진단을 결정하는 단계를 포함할 수 있고, 상기 결정된 진단을 제공한다. 상기 런타임 동안, 복수의 추가적인 각 방문에 대해, 상기 적어도 하나의 프로세서 회로가 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보 및 증상 정보를 수신하고, 상기 수신된 펄스 파형 정보, 상기 증상 정보 및 상기 결정된 상관 관계에 적어도 부분적으로 기초한 진단을 결정하며, 상기 결정된 진단을 제공할 수 있다. 상기 런타임 동안, 상기 방법은 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보를 수신하는 단계는 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보를 익명화 형태로 포함할 수 있다. 상기 방법은 하기를 더 포함할 수 있다: 복수의 각 대상자에 의한 각 방문 횟수에 대하여, 상기 적어도 하나의 프로세서 회로에 의해, 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건을 나타내는 시간 정보를 수신하는 단계. 상기 시간 정보는 심전도(EKG) 변환기에 의해 감지되는 심전도 신호, 알려진 시간 범위만큼 심전도(EKG) 신호에 대해 지연되는 상기 펄스 신호 파형을 나타낼 수 있다. 상기 방법은 하기를 더 포함할 수 있다: 상기 적어도 하나의 프로세서 회로에 의해, 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 상기 펄스 신호 파형 중 적어도 하나의 식별 특성을 식별하는 단계. 상기 방법은 하기를 더 포함할 수 있다: 복수의 각 대상자에 의한 각 방문 횟수에 대하여, 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건을 나타나는 심전도 시간 정보를 수신하는 단계; 및 상기 적어도 하나의 프로세서 회로에 의해, 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 상기 펄스 신호 파형 중 적어도 하나의 식별 특성을 식별하는 단계. 상기 각 펄스 신호 정보를 수신하는 단계는 상기 제1 및 제2 펄스 신호 파형의 디지털화 버전을 나타내는 각 펄스 신호 정보를 수신하는 단계를 포함할 수 있다. 상기 방법은 하기를 더 포함할 수 있다: 상기 적어도 하나의 프로세서 회로에 의해, 상기 제1 및 제2 펄스 신호 파형을 디지털화하여 상기 각 펄스 신호 정보를 생성하는 단계.
진단 정보를 포착하기 위한 시스템이 하기를 포함하는 것으로 요약될 수 있다: 하기를 포함하는 장치로서: 펄스에 응답하여 제1 펄스 파형 표시를 생성하는 제1 펄스 파형 변환기; 펄스에 응답하여 제2 펄스 파형 표시를 생성하고, 사용시 상기 제1 펄스 파형 변환기로부터 이격되어 있는 제2 펄스 파형 변환기; 및 적어도 상기 제1 펄스 파형 변환기에 인가된 압력에 응답하고, 상기 인가된 압력에 반응하여 상기 인가된 압력에 비례하는 압력 신호를 생성하는 적어도 하나의 인가된 압력 변환기를 포함하는 장치.
이 시스템은 하기를 더 포함할 수 있다: 상기 제1 및 제2 펄스 파형 변환기를 운반하는 다수의 커플러, 및 상기 적어도 하나의 인가된 압력 변환기로서, 상기 커플러는 임상의의 다수의 손가락에 선택적으로 부착 및 분리가능한 커플러. 이 시스템은 하기를 더 포함할 수 있다: 상기 제1 및 제2 펄스 파형 변환기를 운반하는 슬리브 또는 커프, 및 상기 적어도 하나의 인가된 압력 변환기로서, 상기 슬리브 또는 커프는 대상자의 손목에 선택적으로 부착 및 분리가능한 슬리브 또는 커프. 이 시스템은 하기를 더 포함할 수 있다: 펄스에 응답하여 제3 펄스 파형 표시를 생성하고, 사용시 상기 제1 및 제2 펄스 파형 변환기로부터 이격되어 있는 제3 펄스 파형 변환기. 이 시스템은 하기를 더 포함할 수 있다: 상기 제1, 제2, 및 제3 펄스 파형 변환기를 운반하는 다수의 커플러, 및 상기 적어도 하나의 인가된 압력 변환기로서, 상기 커플러는 임상인의 복수의 손가락 끝 중 해당하는 손가락 끝의 상기 제1, 제2, 및 제3 펄스 파형 변환기가 배치되는 위치에 선택적으로 부착 및 분리가능한 커플러. 적어도 하나의 인가된 압력 변환기는 하기를 포함할 수 있다: 상기 제1 펄스 파형 변환기를 통해 인가된 압력에 응답하도록 배치된 제1 인가된 압력 변환기; 상기 제2 펄스 파형 변환기를 통해 인가된 압력에 응답하도록 배치된 제2 인가된 압력 변환기; 상기 제3 펄스 파형 변환기를 통해 인가된 압력에 응답하도록 배치된 제3 인가된 압력 변환기. 이 시스템은 하기를 더 포함할 수 있다: 상기 제1, 제2, 및 제3 펄스 파형 변환기를 운반하는 다수의 커플러, 및 상기 제1, 제2, 및 제3 인가된 압력 변환기로서, 상기 커플러는 임상인의 복수의 손가락 끝 중 해당하는 손가락 끝의 상기 제1, 제2, 및 제3 펄스 파형 변환기가 배치되는 위치에 선택적으로 부착 및 분리가능한 커플러. 이 시스템은 하기를 더 포함할 수 있다: 사용시 적어도 주 진단을 특정하는 정보를 수신하는 사용자 입력 장치. 이 시스템은 하기를 더 포함할 수 있다: 사용시 적어도 주 증상을 특정하는 정보를 수신하는 사용자 입력 장치. 상기 사용자 입력 장치는 적어도 주 진단을 특정하는 정보를 더 수신할 수 있다. 상기 사용자 입력 장치는 적어도 2차 진단을 특정하는 정보를 더 수신할 수 있다. 상기 사용자 입력 장치는 적어도 2차 증상을 특정하는 정보를 더 수신할 수 있다. 이 시스템은 하기를 더 포함할 수 있다: 적어도 상기 제1 및 제2 펄스 파형 표시 및 상기 시스템으로부터 인가된 압력에 비례하는 상기 압력 신호를 전송하는 적어도 하나의 통신 포트.
진단 정보를 포착하기 위한 시스템의 작동 방법은 하기를 포함하는 것으로 요약될 수 있다: 제1 동맥을 따르는 제1 위치 및 제1 인가된 압력에서 제1 펄스 파형 변환기에 의해 검출되는 제1 펄스 파형을 나타내는 제1 펄스 파형 표시를 생성하는 단계; 상기 제1 위치로부터 이격되고 상기 제1 동맥을 따르는 제2 위치 및 제1 인가된 압력에서 제2 펄스 파형 변환기에 의해 검출되는 제2 펄스 파형을 나타내는 제2 펄스 파형 표시를 생성하는 단계; 적어도 상기 제1 펄스 파형 변환기의 인가된 압력에 비례하는 적어도 제1 인가된 압력 신호를 생성하는 단계; 및 상기 제1 펄스 파형 표시, 제2 펄스 파형 표시 및 적어도 제1 인가된 신호를 진단 장치로부터 전송하는 단계.
이 방법은 하기를 더 포함할 수 있다: 상기 제1 동맥을 따르는 상기 제1 위치 및 상기 제1 인가된 압력과 상이한 제2 인가된 압력에서 제1 펄스 파형 변환기에 의해 검출되는 제1 펄스 파형을 나타내는 제1 펄스 파형 표시를 생성하는 단계; 상기 제1 동맥을 따르는 상기 제2 위치 및 상기 제1 인가된 압력과 상이한 제2 인가된 압력에서 제2 펄스 파형 변환기에 의해 검출되는 제2 펄스 파형을 나타내는 제2 펄스 파형 표시를 생성하는 단계. 이 방법은 하기를 더 포함할 수 있다: 상기 제1 동맥을 따르는 상기 제1 위치 및 상기 제1 및 제2 인가된 압력과 상이한 제3 인가된 압력에서 제1 펄스 파형 변환기에 의해 검출되는 제1 펄스 파형을 나타내는 제1 펄스 파형 표시를 생성하는 단계; 상기 제1 동맥을 따르는 상기 제2 위치 및 상기 제1 및 제2 인가된 압력과 상이한 제3 인가된 압력에서 제2 펄스 파형 변환기에 의해 검출되는 제2 펄스 파형을 나타내는 제2 펄스 파형 표시를 생성하는 단계. 이 방법은 하기를 더 포함할 수 있다: 제1 동맥을 따르고 상기 제1 및 제2 위치와 상이한 제3 위치 및 제1 인가된 압력에서 제3 펄스 파형 변환기에 의해 검출되는 제3 펄스 파형을 나타내는 제3 펄스 파형 표시를 생성하는 단계. 이 방법은 하기를 더 포함할 수 있다: 상기 제1 동맥을 따르는 상기 제3 위치 및 상기 제1 인가된 압력과 상이한 제2 인가된 압력에서 제3 펄스 파형 변환기에 의해 검출되는 제3 펄스 파형을 나타내는 제3 펄스 파형 표시를 생성하는 단계. 적어도 상기 제1 펄스 파형 변환기의 인가된 압력에 비례하는 적어도 제1 인가된 압력 신호를 생성하는 단계는 각각 상기 제2 및 제3 펄스 파형 변환기의 인가된 압력에 비례하는 제2 및 제3 인가된 압력 신호를 생성하는 단계를 포함할 수 있다. 이 방법은 하기를 더 포함할 수 있다: 적어도 하나의 사용자 입력 장치를 통해 적어도 주 진단을 특정하는 정보를 수신하는 단계. 이 방법은 하기를 더 포함할 수 있다: 적어도 하나의 사용자 입력 장치를 통해 적어도 주 증상을 특정하는 정보를 수신하는 단계. 이 방법은 하기를 더 포함할 수 있다: 적어도 하나의 사용자 입력 장치를 통해 적어도 주 증상을 특정하는 정보를 수신하는 단계. 이 방법은 하기를 더 포함할 수 있다: 적어도 하나의 사용자 입력 장치를 통해 적어도 2차 진단을 특정하는 정보를 수신하는 단계. 이 방법은 하기를 더 포함할 수 있다: 적어도 하나의 사용자 입력 장치를 통해서 적어도 2차 증상을 특정하는 정보를 수신하는 단계. 이 방법은 하기를 더 포함할 수 있다: 진단 장치로부터 상기 제1 펄스 파형 표시, 제2 펄스 파형 표시 및 적어도 제1 인가된 압력 신호와 함께 적어도 주 증상을 특정하는 상기 수신된 정보를 전송하는 단계를 더 포함하는 방법.
이 시스템은 심장, 혈액, 및 혈관계를 포함하는 종사자의 심혈관계의 기능성을 나타내는 펄스 (예: 동맥 펄스)의 다양한 동적 특성, 및 혈관, 조직 및 기관을 통한 펄스의 상호 작용 및 풍부(profusion)를 얻기 위한 센서를 포함한다. 시스템은 수집된 신호를 처리하고, 다양한 의료 또는 건강 관련 상태, 질병 및/또는 병의 진단을 생성한다.
런타임 동안, 시스템은 예를 들어, 식별된 증상의 유무에 관계없이, 펄스 파형 정보의 형태로 질의를 수신할 수 있고, 이에 응답하여 심장 기능의 측정기준을 생성하고, 축적된 지식 또는 지식 기반의 세트 및/또는 심장 기능의 측정기준에 기초하여 권고하는 적절한 진단 및/또는 치료 또는 예방 조치를 결정할 수 있다. 따라서, 시스템은 축적된 지식 또는 지식 기반의 세트를 사용하여, 식별된 증상의 유무에 관계없이, 펄스 파형 정보에 기초한 진단 및/또는 권장된 치료 또는 예방 조치를 자율적으로 생성 또는 제공할 수 있다.
축적된 지식 또는 지식 기반의 세트는 종사자의 피드백을 사용하여 더욱 향상될 수 있다. 피드백은 예를 들어, 펄스 파형 정보의 주어진 세트에 대해, 특정 증상의 유무에 관계없이, 올바른 진단 또는 치료 또는 예방 조치가 무엇이었는지를 특정하여, 시스템에 의해 자율적으로 생성 또는 제공된 진단이 정확했는지 또는 그렇지 않은지를 특정할 수 있다.
런타임 동안, 이 시스템은 훈련 도구로 사용되어, 종사자가 특정 증상의 유무에 관계없이 펄스 파형을 샘플링하고 진단하며, 종사자의 진단을, 다수 그룹의 종사자 또는 환자를 포괄하고 바람직하게는 다수 그룹의 경험 많은 종사자를 포괄하는 축적된 지식 또는 지식 기반의 세트에서 생성된 진단과 비교할 수 있다. 그러한 것은 적절한 피드백을 제공하여 종사자가 진단 기술을 연마 또는 향상시킬 수 있게 한다.
이 시스템은 하나 이상의 위치에서, 예를 들어 종사자 또는 환자의 요골 동맥을 따라 3개의 위치에서 펄스 파형을 포착하기 위해 센서 또는 변환기 세트를 사용한다. 센서 또는 변환기는 적어도 하나의 상기 위치에서 인가된 힘 또는 압력의 하나, 또는 바람직하게는 더 많은 레벨에서의 펄스 파형을 포착한다. 시스템은 인가된 힘 또는 압력의 양을 감지 또는 측정하기 위해 센서 또는 변환기 세트를 사용할 수 있다. 펄스 파형을 감지하는 센서 또는 변환기는 예를 들어, 인가된 힘 또는 압력을 감지 또는 측정하는 센서 또는 변환기와 별개이고 구분될 수 있다. 이 시스템은 심장의 전기적 활성, 예를 들어, 하나 이상의 EKG 리드를 감지 또는 측정하는 센서 또는 변환기 세트를 사용할 수 있다. 이 시스템은 펄스 파형의 시간 정보로 전기적 활성을 사용할 수 있고, 예를 들어 노이즈 필터링을 구현하여 펄스 파형의 정의된 특정한 특성을 식별할 수 있는 능력을 향상시킬 수 있다.
적어도 하나의 구현예에서, 웹 인터페이스 또는 포털(portal)을 사용하여 질의 또는 요청을 제출하고, 진단을 포함하는 응답을 수신하고, 및/또는 종사자의 훈련을 제공하기 위해, 서비스(SaaS) 모델로서 다양한 백 앤드(back-end) 시스템 기능이 소프트웨어 하에서 제공될 수 있다. 적어도 하나의 구현예에서, 원격 의료 서비스를 통해 다양한 백 앤드 시스템 기능이 제공되어, 특히 종사자가 의료 종사자와 멀리 떨어져 있는 경우 원격 진단을 가능하게 한다. 적어도 하나의 구현예에서, 클리닉 또는 응급실에서 다양한 시스템 기능이 제공되어 종사자 또는 환자를 신속하게 분류할 수 있다.
도면에서, 동일한 참조 번호는 유사한 요소 또는 동작을 식별한다. 도면에서 구성 요소의 크기 및 상대적 위치는 반드시 일정한 비율로 도시된 것은 아니다. 예를 들어, 다양한 구성 요소 및 각도의 형상은 반드시 일정한 비율로 도시된 것은 아니고, 이들 구성 요소 중 일부는 도면의 가독성을 향상시키기 위해서 임의로 확대 및 배치될 수 있다. 또한, 도시된 구성 요소의 특정 형상은 반드시 특정 구성 요소의 실제 형상에 관한 어떤 정보를 전달할 의도가 아니고, 도면에서 용이한 인식을 위해서 선택되었을 수도 있다.
도 1은 일 실시예에 따른 하나 이상의 프론트-앤드 서브시스템 및 하나 이상의 백-앤드 시스템, 예를 들어 기계-학습 시스템을 포함하는 예시적인 진단 시스템을 도시한 개략도이다.
도 2A는 일 실시예에 따른 대상자로부터 펄스 파형 신호를 포착하기 위한 대상자 인터페이스 장치의 개략도이다.
도 2B는 일 실시예에 따른 개인 예를 들어 종사자의 손 및 팔에 장착된 도 2A의 대상자 인터페이스 장치의 정면도이다.
도 2C는 일 실시예에 따른 개인의 손 및 팔에 장착된 도 2B의 대상자 인터페이스 장치의 측면도이다.
도 3A는 일 실시예에 따른 손가락 끝에 장착된 단일 센서 또는 변환기 및 단일 센서 및 변환기의 사용을 통해 식별 가능한 정보에 대응되는 디스플레이를 도시한다.
도 3B는 일 실시예에 따른 손가락 끝에 장착된 선형 또는 일차원 어레이(array)의 센서들 또는 변환기들 및 선형 또는 일차원 어레이의 센서들 또는 변환기들의 사용을 통해 식별 가능한 정보에 대응되는 디스플레이를 도시한다.
도 3C는 일 실시예에 따른 손가락 끝에 장착된 2차원 어레이의 센서들 또는 변환기들 및 2차원 어레이의 센서들 또는 변환기들의 사용을 통해 식별 가능한 정보에 대응되는 디스플레이를 도시한다.
도 4는 일 실시예에 따른 신체의 일부 예를 들어 손목, 피부 조직, 뼈 조직 및 피부 및 뼈 조직 사이의 동맥을 보여주고, 다수의 힘 또는 압력 및 피부 조직 및 동맥의 압력(depression) 깊이를 도시한다.
도 5는 다른 실시예에 따른 대상자로부터 펄스 파형 신호를 포착하기 위한 대상자 인터페이스 장치의 개략도이다.
도 6은 일 실시예에 따른 함께 형성된 펄스 파형 반응 센서 또는 변환기 및 인가된 힘 반응 센서 또는 변환기가 조합된 센서 또는 변환기를 도시한다.
도 7은 또 다른 실시예에 따른 대상자로부터 펄스 파형 신호를 포착하기 위한 대상자 인터페이스 장치의 개략도이다.
도 8은 다른 실시예에 따른 특성 또는 특징을 규정하는 예시적인 펄스 파형을 도시한 그래프이다.
도 9는 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 수집하기 위한 프론테-앤드 시스템의 작동 방법에 대한 순서도이다.
도 10은 일 실시예에 따른 진단 시스템, 예를 들어 기계-학습 기술을 통해 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 작동 방법에 대한 순서도이다.
도 11은 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 런타임 시스템의 작동 방법에 대한 순서도이다.
도 12는 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 런타임 시스템의 작동 방법을 도시한 순서도이다.
도 13은 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 프론트-앤드 시스템의 작동 방법에 대한 순서도이다.
도 14는 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 런타임 시스템 및 훈련시간 시스템의 작동 방법에 대한 순서도이다.
도 1은 일 실시예에 따른 하나 이상의 프론트-앤드 서브시스템 및 하나 이상의 백-앤드 시스템, 예를 들어 기계-학습 시스템을 포함하는 예시적인 진단 시스템을 도시한 개략도이다.
도 2A는 일 실시예에 따른 대상자로부터 펄스 파형 신호를 포착하기 위한 대상자 인터페이스 장치의 개략도이다.
도 2B는 일 실시예에 따른 개인 예를 들어 종사자의 손 및 팔에 장착된 도 2A의 대상자 인터페이스 장치의 정면도이다.
도 2C는 일 실시예에 따른 개인의 손 및 팔에 장착된 도 2B의 대상자 인터페이스 장치의 측면도이다.
도 3A는 일 실시예에 따른 손가락 끝에 장착된 단일 센서 또는 변환기 및 단일 센서 및 변환기의 사용을 통해 식별 가능한 정보에 대응되는 디스플레이를 도시한다.
도 3B는 일 실시예에 따른 손가락 끝에 장착된 선형 또는 일차원 어레이(array)의 센서들 또는 변환기들 및 선형 또는 일차원 어레이의 센서들 또는 변환기들의 사용을 통해 식별 가능한 정보에 대응되는 디스플레이를 도시한다.
도 3C는 일 실시예에 따른 손가락 끝에 장착된 2차원 어레이의 센서들 또는 변환기들 및 2차원 어레이의 센서들 또는 변환기들의 사용을 통해 식별 가능한 정보에 대응되는 디스플레이를 도시한다.
도 4는 일 실시예에 따른 신체의 일부 예를 들어 손목, 피부 조직, 뼈 조직 및 피부 및 뼈 조직 사이의 동맥을 보여주고, 다수의 힘 또는 압력 및 피부 조직 및 동맥의 압력(depression) 깊이를 도시한다.
도 5는 다른 실시예에 따른 대상자로부터 펄스 파형 신호를 포착하기 위한 대상자 인터페이스 장치의 개략도이다.
도 6은 일 실시예에 따른 함께 형성된 펄스 파형 반응 센서 또는 변환기 및 인가된 힘 반응 센서 또는 변환기가 조합된 센서 또는 변환기를 도시한다.
도 7은 또 다른 실시예에 따른 대상자로부터 펄스 파형 신호를 포착하기 위한 대상자 인터페이스 장치의 개략도이다.
도 8은 다른 실시예에 따른 특성 또는 특징을 규정하는 예시적인 펄스 파형을 도시한 그래프이다.
도 9는 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 수집하기 위한 프론테-앤드 시스템의 작동 방법에 대한 순서도이다.
도 10은 일 실시예에 따른 진단 시스템, 예를 들어 기계-학습 기술을 통해 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 작동 방법에 대한 순서도이다.
도 11은 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 런타임 시스템의 작동 방법에 대한 순서도이다.
도 12는 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 런타임 시스템의 작동 방법을 도시한 순서도이다.
도 13은 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 프론트-앤드 시스템의 작동 방법에 대한 순서도이다.
도 14는 일 실시예에 따른 진단 시스템, 예를 들어 다수의 대상자에 대한 진단 관련 정보를 처리하기 위한 백-앤드 시스템의 런타임 시스템 및 훈련시간 시스템의 작동 방법에 대한 순서도이다.
이하의 설명에서 특정의 구체적인 세부 사항은 다양한 개시된 구현의 완전한 이해를 제공하기 위해 제시된다. 그러나, 관련 기술 분야의 당업자는 구현이 이들 특정 세부 사항 중 하나 이상을 사용하거나 또는 다른 방법, 구성 요소, 재료 등으로 실시될 수 있다는 것을 인식할 것이다.
다른 경우에 컴퓨터 시스템, 서버 컴퓨터 및/또는 통신 네트워크와 관련된 공지된 구조는 구현의 설명을 불필요하게 불분명하게 하는 것을 피하기 위해서, 상세히 도시되거나 기술되지 않았다. 다른 예에서, 분석 및 다른 공지된 수학적 연산을 수행하기 위한 공지된 수학적, 통계적 또는 기계적-학습 방법은 구현의 설명을 불필요하게 불분명하게 하는 것을 피하기 위해서 상세히 기술되지 않았다.
상기 문맥이 달리 요구되지 않는 한, 명세서 및 청구범위 전체에 걸쳐, "포함하는"이라는 단어는 "포함하다"와 동의어이고, 포괄적이거나 제한이 없다(즉, 언급되지 않은 구성요소 또는 방법 행위를 추가적으로 배제하지 않는다).
본 명세서 전반에 걸쳐 "하나의 구현" 또는 "구현"은 구현과 관련하여 기술된 특징, 구조 또는 특성이 적어도 하나의 구현에 포함됨을 의미한다. 따라서, 본 명세서 전반에 걸쳐 "하나의 구현 예" 또는 "구현 예"라는 문구는 반드시 동일한 구현을 지칭하는 것은 아니다. 또한, 특별한 특징, 구조 또는 특성은 하나 이상의 구현예에서 임의의 적절한 방식으로 결합될 수 있다.
본 명세서 및 첨부된 청구범위에서 사용된 바와 같이, 단수 형태 "a", "an" 및 "the"는 내용이 명확하게 다르게 지시하지 않는 한 복수 대상을 포함한다. "또는" 이라는 용어는 내용이 명확하게 다르기 지시하지 않는 한 일반적으로 "및/또는"을 포함하는 의미로 사용된다는 점을 유의해야 한다.
본 명세서에서 제공되는 표제 및 요약은 단지 편의를 위한 것이고 구현의 범위 또는 의미를 그 범위로 해석하지 않는다.
본 발명의 구현예는 감지되거나 측정된 펄스 파형을 해석할 때, 감지되거나 측정된 펄스 파형을 적어도 부분적으로 기초한 진단을 해석할 때, 및 적어도 증상(예, 보고되거나 관찰된 주 증상, 보고되거나 관찰된 부 증상)에 대한 일부의 경우에는 가변성을 감소시키거나 제거한다.
상기 시스템은 진단 및/또는 제안된 치료 또는 예방 조치 및/또는 심장기능의 측정(metrics) 항목 생성과 함께 펄스 파형 정보 및 선택적으로 증상을 상호 연관시키는 진단 모델을 생성할 수 있다. 각각의 펄스 파형과 관련된 다수의 펄스 파형 및 종사자 진단의 샘플을 사용하여, 진단 모델은 기계-학습 시스템을 사용하여 i) 펄스 파형의 정의된 특성을 식별할 수 있도록 및/또는 ii) 축적된 지식 또는 지식 기반의 세트를 사용하여 수신된 펄스 파형을 기초한 진단을 자율적으로 제공할 수 있도록 생성된다. 축적된 지식 또는 지식 기반의 세트는 대상자들 또는 환자들의 다수 그룹에 걸쳐 있고, 경험 많은 종사자 그룹에 속하는 것이 바람직하다. 맥박의 속도 및 강도는 예를 들어 수화(hydration), 동맥 막힘, 운동 수준, 수축기 혈압, 심부전, 비대 폐쇄성 심근 병증, 과다한 순환, 심박동, 심낭염, 만성 수면, 무호흡증, 크룹(Crop) 및 또는 폐색성 폐 질환의 수준을 결정하거나 평가하는데 사용될 수 있다. 약하고, 지연된 맥박은 심한 대동맥 협착을 나타낼 수 있다. 이완된 수축기 맥박은 일부 폐쇄성 심금 병증을 나타낼 수 있다. 경계 펄스(bounding pulse)는 전형적으로 발열, 빈혈 및/또는 갑상선 중독증과 같은 운동 과다 상태에서 발생할 수 있는 급격한 감소와 함께 큰 뇌졸증 양을 나타낸다. 평가 가능한 조건은 예를 들어 수화 또는 기아 또는 소비를 포함할 수 있다. 예를 들어 맥박의 2번째 반사(reflection)(즉, 상 장간막)는 기아를 나타낼 수 있다. 이러한 정보는 다이어트 중인 사람들에게 정보를 제공하는데 사용될 수 있다. 이러한 정보는 의사소통이 어렵고, 다시 말해서 배가 고프다고 분명하게 나타낼 수 없는 유아의 부모 또는 다른 사람(예, 뇌졸증 환자)의 간병인에게 제공하는데 사용될 수 있다.
상기 시스템은 훈력 도구로 사용될 수 있고, 종사자는 특정 증상의 유무와 관계없이 펄스 파형을 샘플링할 수 있고, 진단을 동일하게 하며, 다수 그룹의 대상자 또는 환자를 포괄하고, 바람직하게는 다수 그룹의 경험이 많은 종사자를 포괄하는 축적된 지식 또는 지식 기반 세트에서 생성된 종사자의 진단을 비교할 수 있다. 그러한 정보는 적절한 피드백을 제공할 수 있고, 종사자에게 그들의 진단 기술을 연마 또는 향상시킬 수 있게 한다.
예를 들어, 진단 관련 데이터의 각 구성요소는 이진 탐색 트리 알고리즘 또는 다른 기계-학습 알고리즘에 의해서 판독 가능한 입력으로 변환될 수 있다. 진단 관련 데이터는 펄스 파형의 정의 특성에 대한 다양한 값을 특정하는 펄스 파형 또는 정보를 포함할 수 있다. 진단 관련 데이터는 선택적으로 종사자에 의해서 관찰되거나 대상자에 의해서 보고된 하나 이상의 주 증상 또는 부 증상을 포함할 수 있다. 진단 관련 데이터는 선택적으로 종사자에 의해서 제공된 하나 이상의 주 증상 또는 부 증상을 포함할 수 있다. 구현예는 주 진단 또는 부 진단은 예비적일 수 있으며, 종사자는 시스템을 통해서 주 진단 또는 부 진단을 확인하려고 시도한다.
상기 이진 탐색 트리는 사용 가능한 정보를 취할 수 있고, 하나의 지점에 있는 가장 많은 첫번째 진단 예제 및 다른 지점에 있는 가장 많은 두 번째 진단 예제를 배치하는 단일 선형 또는 범주형 변수의 분할을 기반으로 하는 두 개의 지점으로 나눌 수 있다. 그 후, 상기 이진 탐색 트리 알고리즘은 중지 조건에 도달할 때까지 새로 생성된 지점에 대해 반복될 수 있다. 상기 중지 조건은 상기 트리가 상기 데이터에 오버 피팅(over fit)되지 않도록 정의된다. 이 특정 예에서, 상기 중지 기준은 최종 지점("리프")이 포함할 수 있도록 구성 요소의 최소수로 정의될 수 있다. 이것은 데이터 세트의 크기에 크게 좌우된다. 두 번째 중지 기준인, 복잡성은 모델의 R-제곱(상기 모델에 얼마나 가깝게 적합할 수 있는지의 통계적 척도)이 고려되어야 할 분할에 대해 일정량만큼 증가해야 하는 것과 같이 정의될 수 있다. 상기 트리가 오버 피팅되지 않음을 확인하는데 도움을 주는 교차 유효성을 사용하여 상기 트리를 생성할 수 있다. 상기 트리가 일단 생성되면 상기 트리는 오버 피팅을 줄이기 위해서 복잡성과 적합성을 기반으로 다시 가지치기(pruned)할 수 있다. 지원 벡터 기계, 부스트된 트리, 신경 네트워크, 베이지안(Bayesian) 네트워크 또는 랜덤(random) 포레스트(forests)와 같은 분류 방법도 사용될 수 있다.
이하에서 더 상세히 설명되는 바와 같이, 상기 모델은 적어도 두개의 다른 상황에서 사용될 수 있다. 첫째, 종사자가 대상자에게 진단 관련 정보를 수집하고, 상기 진단 관련 정보에 기반으로 하는 하나 이상의 주 진단 또는 부 진단을 발생하는 상기 시스템을 원할 때. 둘째, 종사자가, 대상자에게 진단 관련 정보를 수집하고, 예비 주 진단 및/또는 예비 부 진단을 실시하고, 상기 종사자의 예비 진단이 다른 종사자가 한 진단과 일치하는지 확인하고자 할 때.
도 1은 프론트-앤드 시스템(102) 및 백-앤드 시스템 컴퓨터 시스템(104)를 포함하는 진단 시스템(100)의 예를 도시한다. 상기 프론트-앤드 시스템(102)는 각각의 센서 또는 변환기(108,110,112) 및 적어도 하나의 사용자 인터페이스 시스템(114)을 통해 다수의 대상자(106)에 대한 (단지 하나만 도시됨) 진단 관련 정보를 수집한다. 상기 프론트-앤드 시스템(102), 또는 그 구성요소는 하나 이상의 의학적 종사자들(116)(단지 하나만 도시), 예를 들어 한의학의 종사자들에 의해서 작동될 수 있다. 상기 백-앤드 시스템 컴퓨터 시스템(104)은 하나 이상의 비휘발성 프로세서-판독 매체(120) 안에 또는 그 위에 저장된 축적된 지식 또는 지식 기반(118)을 형성하고 프론테-앤드 시스템(102)에 의해서 생성된 질의에 응답하여 진단 및/또는 제안된 교정 또는 예방 수단 및/또는 심장 기능의 측정 기준(metrics)을 제공하거나 생성할 수 있다.
단일 프론트-앤드 시스템(102)으로 도시되어 있지만, 전형적인 구현예는 다수의 프론트-앤드 시스템(102)을 포함한다. 상기 프론트-앤드 시스템(102)은 다양한 각각의 임상 시설 또는 다른 위치에 배치될 수 있다. 마찬가지로, 단일 대상자(106) 및 단일 종사자(116)만 도시되어 있지만, 통상적인 구현예는 다수의 대상자(106) 및 종사자(116)가 있다. 예를 들어, 각각의 프론트-앤드 시스템(102)을 운영하는 2, 10, 100, 수천 또는 심지어 수십만 명의 종사자들(116)이 있을 수 있다. 상기 종사자들 각각은 하나 이상의 환자 또는 대상자들에서 각각의 프론트-앤드 시스템(102)을 사용할 수 있다. 따라서, 프론트-앤드 시스템(102)은 수십, 수백, 수천, 수십만 또는 수백만의 대상자로부터 진단 관련 정보를 수집할 수 있다. 상기 백-앤드 시스템 컴퓨터 시스템(104)은 다수 그룹의 환자 또는 대상자를 포괄하고 바람직하게는 다수 그룹의 경험이 많은 종사자(116)를 포괄하는 축적된 지식 또는 지식 기반(118)을 형성한다. 이러한 큰 샘플링 풀은 심장 기능의 측정 기준(metrics) 생성 및/또는 진단 생성 및/또는 제안된 치료 또는 예방 조치의 가변성을 줄이기 위해서 기계-학습 기술의 유리한 사용을 허용한다. 상기 대상자(106)는 하나 이상의 의학 종사자들(116), 예를 들어 중국 전통 의학의 종사자 및/또는 서양 의학의 종사자로부터 치료를 원하는 다양한 대상자 또는 환자를 포함하는 전체 개체군을 형성한다.
상기 프론트-앤드 시스템(102)은 상기 하나 이상의 센서 또는 변환기(108, 110, 112)를 포함하는 대상자 인터페이스 장치(122)를 포함한다. 본 명세서의 다른 곳에서 설명된 바와 같이, 상기 대상자 인터페이스 장치(122)는 예를 들어, 대상자(106)를 검사할 때 종사자(116)가 착용할 수 있다. 또한, 본 명세서의 다른 곳에서 설명된 바와 같이, 상기 대상자 인터페이스 장치(122)는 예를 들어, 종사자(116)에 의해서 검사될 때 대상자(106)에 의해 착용될 수 있다.
상기 프론트-앤드 시스템(102)의 상기 대상자 인터페이스 장치(122)는 펄스 파형에 응답하는 및 인가된 힘 또는 압력에 선택적으로 응답하는 하나 이상의 센서 또는 변환기(108)를 포함한다.
상기 프론트-앤드 시스템(102)의 상기 대상자 인터페이스 장치(122)는 전기 활동 예를 들어, 여기서 심전도(EKG) 센서 또는 변환기(110)로 지정된 상기 대상자(106)의 심장의 전기적 활동에 반응하는 하나 이상의 센서 또는 변환기(110)을 선택적으로 포함한다. 상기 프론트-앤드 시스템(102)의 상기 대상자 인터페이스 장치(122)는 예를 들어, 심장의 개별 부분(예를 들어, 우심실, 좌심실, 우측 대동맥, 좌측 대동맥)의 움직임을 포착하기 위해 대상자(106)의 심장에 배치된 용량 감지 어레이(배열)를 선택적으로 포함한다.
상기 프론트-앤드 시스템(102)의 상기 대상자 인터페이스 장치(122)는 여기서 위치 또는 방향 변환기(112)로 지정된 위치 및/또는 방향에 응답하는 하나 이상의 센서 또는 변환기(110)을 포함한다.
상기 프론트-앤드 시스템(102)의 상기 대상자 인터페이스 장치(122)는 다양한 센서들 또는 변환기들로부터 신호들에 대한 전처리(pre-processing)를 수행하는 전자장치(124)를 선택적으로 포함한다. 예를 들어, 상기 전자장치(124)는 다양한 센서 또는 변환기(108, 110, 112)로부터 신호를 수신하고 증폭하도록 연결된 하나 이상의 증폭기(126a, 126b, 126c)(총체적으로3개로 보여짐(126)) 예를 들어 아날로그 신호 증폭기를 포함할 수 있다. 상기 전자장치(124)는 예를 들어, 증폭된 신호를 아날로그 형태로부터 디지털 형태로 변환하는 하나 이상의 아날로그-디지털 변환기(ADCs) (128a, 128b, 128c)(총체적으로 3개로 보여짐(128))를 포함한다.
상기 전자장치(124)는 하나 이상의 통신 포트(예를 들어 유선 또는 유선 포트, 무선 포트)를 포함한다. 도시된 바와 같이, 상기 통신 포트는 바람직하게는 대상자 인터페이스 장치(122)로부터 무선 통신을 제공하는 하나 이상의 무선 장치, 송신기 또는 송수신기(130) 및 관련된 안테나(132)의 형태를 취할 수 있다. 이는 상기 대상자 인터페이스 장치(122)가 사용 중에 상기 종사자(116) 또는 대상자(106)에 의해 편리하게 착용될 수 있게 한다.
상기 전자장치(124)는 상기 대상자 인터페이스 장치(122)로부터 수집된 정보의 전송을 제어하도록 통신 가능하게 결합된 제어기(134)(예를 들어, 마이크로 제어기 또는 멀티 플렉서(multiplexer))를 선택적으로 포함한다.
상기 프론트-앤드 시스템(102)은 상기 센서 또는 변환기들(108, 110, 112)로부터 적어도 정보를 수신하기 위한 상기 대상자 인터페이스 장치(122)에 통신 가능하게 결합된 통신 인터페이스 모듈(136)을 포함한다. 따라서, 통신 인터페이스 모듈(136)은 하나 이상의 통신 포트(예를 들어 유선 포트, 무선 포트)를 포함한다. 도시된 바와 같이, 상기 통신 포트는 바람직하게는 상기 대상자 인터페이스 장치(122)로부터 무선 통신을 제공하는 하나 이상의 무선 통신, 송신기, 수신기 또는 송수신기(138) 및 관련된 안테나(140)의 형태를 취한다.
상기 통신 인터페이스 모듈(136)은 라디오, 송신기, 수신기 또는 송수신기(138)로부터 디지털신호를 수신하고 신호를 아날로그 형태로 변환하도록 결합된 디지털-아날로그(DAC) 변환기(142)를 선택적으로 포함할 수 있다. 상기 통신 인터페이스 모듈(136)은 하나 이상의 신호 변환기(144) 예를 들어, 하나 이상의 디지털 신호 프로세서(DSPs) 또는 다른 신호 프로세서(예를 들어, 마이크로 프로세서, 주문형 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGA), 그래픽 처리 장치(GPU) 등을 선택적으로 포함한다. 상기 신호 처리기(144)는 상기 수신된 신호에 대한 분석(146)을 수행할 수 있다. 예를 들어 상기 신호 처리기(144)는 임의의 정의된 특성에 대한 아날로그 형태의 펄스 파형을 분석할 수 있다. 정의된 특성은 예를 들어 i) 맥박 이동시간, 즉, 심장 수축과 펄스 검출 사이; ii) 펄스 파형의 글로벌 최대값; iii) 펄스 파형의 글로벌 최소값; iv) 펄스 파형의 하나 이상의 로컬 최대값; v) 펄스 파형의 하나 이상의 로컬 최소값; vi) 다양한 뚜렷한 파형 특징들 사이에 펄스 파형의 하나 이상의 성분들(예를 들어, 펄스 파형에서 글로벌 최대값과 가장 직후의 로컬 최대값 또는 로컬 최소값 사이) 형태를 취할 수 있다. 이러한 정보는 예를 들어 심장의 힘, 동맥 강화, 심장의 효율 및/또는 혈액의 점도를 포함하는 혈류 역학과 같은 다양한 신체 기능의 건강에 특징적일 수 있다. 분석은 시간 정보 예를 들어 심장의 전기적 활동을 나타내는 심전도 정보를 유용하게 이용할 수 있다.
이는 신호 처리기(144)가 잡음 (예를 들어, 집단 전체의 정상적인 변동, 센서 또는 변환기의 이동에 의한 잡음, 대상자의 이동 및/또는 종사자, 종사자 자신의 펄스)에 의한 신호를 보다 용이하게 식별할 수 있게 한다.
예를 들어, 상기 시간 정보는 심장 스트레스 테스트를 받는 대상자 또는 종사자의 비자발적인 움직임에 의해 도입되거나 상기 대상자의 물리적 활동에 의해 도입된 잡음을 처리하기 위해 펄스 압력 파형 신호를 평균화하기 위한 시간기준으로 사용될 수 있다.
상기 결과 정보는 백-앤드 시스템 컴퓨터 시스템(104)에 전송될 다른 진단 관련 정보(예를 들어, 증상)와 함께 패키징(packaged)되거나 연관될 수 있다. 일부 예에서, 상기 정의된 특성들은 상기 정의된 특성들이 유도된 기본(underlying) 펄스 파형 없이 상기 백-앤드 시스템 컴퓨터 시스템(104)으로 전송될 수 있다. 이러한 것은 전송되거나 전송될 필요가 있는 정보양을 유리하게 제한할 수 있다.
통신 인터페이스 모듈(136)은 상기 사용자 인터페이스 시스템(114)의 디스플레이 또는 모니터(152)(이하 후술함)를 구동하도록 통신 가능하게 결합되는 예를 들어, 특정 대상자(106)에 대한 다양하게 포착된 펄스 파형을 종사자(116)에게 제공하기 위해서, 디스플레이 드라이버(148)를 선택적으로 포함할 수 있다.
이전에 언급한 바와 같이, 상기 프론트-앤드 시스템(102)은 적어도 하나의 사용자 인터페이스 시스템(114)를 포함한다. 상기 사용자 인터페이스 시스템(114)은 종사자에게 관련 진단 정보를 입력하게 한다. 상기 사용자 인터페이스 시스템(114)은 예를 들어, 프로세서-기반 컴퓨터 시스템(150)을 출력 장치 또는 입력/출력 장치(예를 들어 디스플레이, 모니터, 스크린, 또는 터치 감지 스크린)(152), 입력 장치(예를 들어 키보드 또는 키패드 (154a), 마우스(154b), 트랙볼, 트랙 패드와 같은 커서 제어)와 함께, 포함할 수 있다. 프로세서-기반 컴퓨터 시스템(150)은 임의의 다양한 형태, 예를 들어 워크스테이션 컴퓨터, 테스크탑, 랩탑 컴퓨터, 태블릿 컴퓨터, 넷북 컴퓨터, 스마트 폰 및/또는 개인 휴대 정보 단말기와 같은 형태를 취할 수 있다. 상기 프로세서-기반 컴퓨터 시스템(150)은 관련 진단 정보를 수집하기 위해서 적어도 하나의 프로세서 및 적어도 하나의 프로세서로 하여금 사용자의 인터페이스, 예를 들어 그래픽 사용자 인터페이스(156)를 제공하게 하는 명령어를 저장하는 적어도 하나의 비휘발성 프로세서-판독 가능 매체를 포함한다. 예를 들어, 상기 사용자 인터페이스(156)는 사용자(예를 들어 종사자(106))가 진단 관련 정보를 입력 또는 선택할 수 있게 하는 하나 이상의 사용자 인터페이스 요소(예를 들어 필드(156a), 풀다운(pull down) 또는 드롭 다운(drop down) 메뉴(156b), 선택 목록, 대화상자, 라디오 버튼)를 가질 수 있다. 예를 들어, 진단 관련 정보는 이전 환자 또는 대상자(106) 방문으로부터 하나 이상의 주 증상, 하나 이상의 부 증상, 하나 이상의 이전 또는 이전 치료, 하나 이상의 이전 또는 이전 진단을 포함할 수 있다. 예를 들어, 진단 관련 정보는 현재 환자 또는 대상자(106) 방문으로부터 하나 이상의 주 진단 및/또는 하나 이상의 부 진단을 포함할 수 있다.
조작자(예, 종사자(116))는 단일 또는 다중 포인트 터치 스크린 인터페이스 또는 키보드(154a) 및/또는 마우스(154b)와 같은 포인팅 장치와 같은 하나 이상의 입력 장치를 사용하여 및/또는 그래픽 사용자 인터페이스를 통해 사용자 인터페이스 시스템(114)에 명령 및 정보를 입력할 수 있다. 다른 입력 장치로는 마이크, 조이스틱, 게임패드, 태블릿, 스캐너 등을 포함할 수 있다. 이들 및 다른 입력 장치는 시스템 버스에 결합되는 직렬 포트 인터페이스와 같은 적절한 I/O 인터페이스를 사용하여 시스템에 통신 가능하게 결합되지만 병렬 포트, 게임 포트 또는 무선 인터페이스 또는 범용 직렬 버스(USB)와 같은 다른 인터페이스가 사용될 있다. 모니터(152) 또는 다른 디스플레이 장치는 시스템 버스, 예를 들어 비디오 어뎁터와 같은 비디오 인터페이스를 통해 연결된다. 사용자 인터페이스 시스템(114)은 스피커, 프린터 등과 같은 다른 출력 장치를 포함할 수 있다. 따라서 상기 시스템은 펄스(예를 들어 압력 대 시간)의 시각적 및/또는 청각적 표현을 제공할 수 있다. 이것은 종사자가 상기 센서 또는 변환기(108)을 통해서 느끼는 것을 보고, 들을 수 있게 하여 종사자에게 신호의 유효성 및 추가 해석을 제공한다.
상기 사용자 인터페이스 시스템(114) 또는 통신 인터페이스 모듈(136) 중 적어도 하나의 통신 경로(160)를 통해 백-앤드 시스템 컴퓨터 시스템(104)에 통신 가능하게 연결된다. 특히, 사용자 인터페이스 시스템(114) 및/또는 상기 통신 인터페이스 모듈은 백-앤드 시스템 컴퓨터 시스템(104)에 진단 관련 정보를 제공하고, 백-앤드 시스템 컴퓨터 시스템(104)로부터 진단을 선택적으로 수신하도록 통신 가능하게 결합된다. 예를 들어, 상기 사용자 인터페이스 시스템(114) 및/또는 상기 통신 인터페이스 모듈(136)은 펄스 파형 정보, 증상 정보 및/또는 진단 정보와 같은 진단 관련 정보를 백-앤드 시스템 컴퓨터 시스템(104)에 제공할 수 있다.
상기 통신 경로(160)는 임의의 다양한 형태를 취할 수 있고, 일반적으로 시스템(100)의 일부를 포함하지 않는다. 예를 들어, 통신 경로(160)는 인터넷, 익스트라넷, 인트라넷, 가상 사설망 또는 전용 통신 채널의 형태를 취할 수 있다. 상기 통신 경로(160)는 유선 및 무선 또는 광학 부분을 포함할 수 있다. 통신 경로(160)는 지상 유선, 광 케이블 및/또는 마이크로파 전송 릴레이를 포함할 수 있다. 상기 통신 경로(160)는 적절한 지상국, 라디오 및 안테나를 갖춘 위성 통신을 포함할 수 있다. 상기 프론트-앤드 시스템(102) 및 백-앤드 시스템(104) 사이의 통신 경로에는 다양한 컴퓨터, 스위칭 장치, 라우터, 브리지, 방화벽 및 기타 장치가 있을 수 있다.
상기 펄스 파형 정보는 예를 들어 대상자(106)로부터 검출, 감지 또는 측정된 하나 이상의 펄스 파형의 하나 이상의 아날로그 또는 디지털 표현의 형태를 취할 수 있다. 선택적으로 또는 부가적으로 펄스 파형 정보는 예를 들어 대상자로부터 검출, 감지 또는 측정된 하나 이상의 펄스 파형의 하나 이상의 정의 특성 또는 파라미터에 대한 하나 이상의 값의 형태를 취할 수 있다.
상기 증상 정보는 다양한 형태를 취할 수 있다. 예를 들어 증상 정보는 대상자(106)에 의해 경험된 하나 이상의 주 및/또는 부 증상에 대한 설명의 형태를 취할 수 있다. 상기 주 및/또는 부 증상은 상기 대상자(106)에 의해 보고될 수 있고, 및/또는 종사자(106)에 의해서 관찰될 수 있다. 상기 주 및/또는 부 증상은 자유형 텍스트 예를 들어 사용자 인터페이스(156)의 자유형 텍스트 필드(156a)를 통해 입력될 수 있다. 픽스된(fixed) 증상 세트의 사용은 상기 시스템(100)에 의해 생성된 나중의 진단의 정확성을 증가시킬 수 있다.
상기 진단 정보는 다양한 형태를 취할 수 있다. 예를 들어 상기 증상 정보는 상기 특정 대상자에 대해서 종사자(116)에 의해 하나 이상의 주 및/또는 부 진단에 대한 설명의 형태를 취할 수 있다. 상기 주 및/또는 부 진단은 자유형 텍스트 예를 들어 사용자 인터페이스 자유형 텍스트 필드를 통해 입력될 수 있다. 더 바람직하게, 상기 주 및/또는 부 진단은 주 및/또는 부 진단의 픽스된 리스트로부터 선택될 수 있다. 픽스된 진단 세트의 사용은 시스템(100)에 의해 생성된 나중의 진단의 정확도를 증가시킬 수 있다. 상기 주 및/또는 부 진단은 상기 시스템(100)을 초기에 채우거나 훈련시키기 위한 데이터 또는 정보를 수집할 때만 입력될 수 있다. 따라서, 일부 종사자들은 제공되는 다른 진단 관련 정보에 기초하여 시스템(100)에 의존하여 생성하는 주 및/또는 부 진단을 입력하지 않을 수 있다. 다른 예에서, 상기 종사자(116)는 상기 시스템(100)이 초기에 배치되거나 훈련된 후에도 주 및/또는 부 진단을 제공할 수 있다. 이를 통해 시스템이 정확히 주 및/또는 부 진단을 생성할 수 있는 능력을 지속적으로 향상시킬 수도 있다. 이러한 것은 부가적으로 또는 선택적으로 상시 시스템이 종사자들(106)을 훈련하는데 예를 들어 종사자의 초기 주 및/또는 부 진단과 상기 시스템(100)에 의해서 생성된 주 및/또는 부 진단을 비교하는 피드백을 제공하여 사용될 수 있다.
백-앤드 시스템 컴퓨터 시스템(104)은 기계 학습 또는 훈련 시스템(162), 런타임 시스템(164), 하나 이상의 비휘발성 제어기-판독 가능 저장 매체(120) 및 또는 선택적 트래픽 서버(166)에 저장된 데이터베이스(118)를 포함할 수 있다.
상기 트래픽 서버(166)는 트래픽 흐름을 제어하고, 선택적으로 방화벽을 구현할 수 있다. 일부 구현에에서, 상기 트래픽 서버(166)는 특정 트래픽(예를 들어, 훈련진단 관련 정보 또는 데이터)을 훈련 시스템에 전송하고, 다른 트랙픽(예를 들어 진단 관련 정보 또는 데이터를 포함하는 진단에 대한 질의 또는 요청)을 런타임 시스템에 전송할 수 있다. 선택적으로, 상기 트래픽 서버(166)는 모든 트래픽(예를 들어, 훈련진단 관련 정보 또는 데이터; 진단 관련 정보 또는 데이터를 포함하는 진단을 위한 질의 또는 요청)을 상기 훈련시스템에 전송할 수 있고, 진단에 대한 질의 또는 요청인 트래픽만 런타임 시스템에 전송할 수 있다.
적어도 하나의 구현예에서, 백-앤드 시스템(104)의 트래픽 서버(166)는 질의 또는 요청을 제출하고, 진단을 포함하는 응답을 수신하기 위해서 웹 인터페이스 또는 포털을 사용하여 서비스(SaaS) 모델로서의 소프트웨어로서의 기능을 제공할 수 있다. 서비스는 구독 기반 또는 "지불 방식대로"를 기준으로 제공될 수 있다. 상기 시스템은 나중에 제출된 질의 또는 요청에 대해 사용될 수 있는 데이터 세트를 초기에 작성하거나 채우는 것을 돕는 종사자에게 크레딧(credits)을 제공할 수 있다. 적어도 하나의 구현예에서, 다양한 백-앤드 시스템 기능은 특히 대상자가 의료 종사자로부터 멀리 떨어져 있는 경우 원격 진단이 가능하게 원격 진료 서비스를 통해 제공될 수 있다. 적어도 하나의 실시예에서, 다양한 시스템 기능은 대상자 또는 환자를 신속하게 분류하기 위해 클리닉 또는 응급실에서 제공될 수 있다. 일부 구현예에서는 대상자가 예를 들어, 슬리브 또는 커프 구현 및 증상을 입력하고, 펄스 파형 정보를 제출하고, 수신하는 시스템 생성 진단을 응답하여, 웹 포탈을 사용하여, 자체 검사를 수행할 수 있다.
상기 트래픽 서버(166)는 예를 들어, 운영 체제, 하나 이상의 응용 프로그램, 다른 프로그램 또는 모듈 및 프로그램 데이터와 같은 시스템 메모리에 저장된 하나 이상의 프로그램 모듈을 포함할 수 있다. 일부 구현예에서, 적어도 하나의 프로세서-판독 가능한 명령어들의 형태의 응용 프로그램들은 상기 트래픽 서버(166)로 하여금 사용자 프로세서-기반 장치(예를 들어 사용자 인터페이스 시스템(114))와의 통신(예를 들어 다수의 대화식(interactive) 및 비대화식 웹페이지를 통한)을 용이하게 하고; 비휘발성 프로세서-판독 가능 저장 매체(120) 상에 상주하는 데이터 스토어 또는 데이터 베이스(118)에 펄스 파형의 특성 또는 특징을 식별하는 값을 포함하는 진단 관련 정보를 포함하는 하나 이상의 초기 데이터 세트를 자동적으로 저장하고; 및 자동적으로 자율적으로 수신된 질의 또는 요청에 대한 응답으로 사용자에게 진단을 제공을 수행하도록 하는 명령어를 포함할 수 있지만 이에 제한되지는 않는다.
응용 프로그램은 전자 또는 디지털 문서 또는 파일에 대한 다양한 행위를 수행하기 위한 특권, 사용권한 또는 권한 부여뿐만 아니라, 전자 또는 디지털 문서 또는 파일과 관련된 정보의 자동 설정, 유지 관리 및 업데이트는 물론 읽기, 수정, 주석 달기, 가져오기 및/또는 삭제 같은 일반적인 기능과 관련된 프로세서-판독 가능 명령어들을 포함할 수 있다. 다른 프로그램 모듈은 패스워드 또는 다른 액세스 보호 및 통신 암호화와 같은 보안을 처리하기 위한 명령을 포함할 수 있다. 상기 시스템 메모리는 예를 들어 트래픽 서버(166)가 종사자에게 웹 페이지를 분배하게 하는 웹 서버로서 기능하도록 하는 통신 프로그램을 포함할 수도 있다. 적어도 일부 구현예에서, 이러한 웹 서버 기능은 HTML(Hypertext Markup Language), XML(Extensible Markup Language) 또는 WML(Wireless Markup Language)와 같은 마크업 언어 기반이고, 문서의 구조를 나타내기 위해서 문서의 데이터에 구문적으로 구분된 문자를 사용하는 마크업 언어로 작동한다. 시스코(Cisco), HP(Hewlett-Packard), 아파치(Apache), 모질라(Mozilla), 구글(Google), 마이크로소프트(Microsoft) 및 애플(Apple)의 서버와 같은 다수의 적합한 서버를 상업적으로 사용할 수 있다.
상기 런타임 시스템(164)은 하나 이상의 프로세서, 예를 들어 하나 이상의 마이크로 프로세서(168a)(하나 이상의 코어와 함께), 디지털 신호 프로세서(DSP)(168b), 그래픽 처리 장치(GPUs), 중앙 처리 장치(CPUs), 주문형 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGAs), 프로그램 가능 논리 제어기들(PLCs) 등(집합적으로 168)을 포함할 수 있다. 런타임 시스템(164)은 버스(172) 또는 제어기 실행 가능 명령어 및/또는 데이터를 저장하는 다른 채널을 통해 프로세서(168)에 통신 가능하게 결합된 하나 이상의 비휘발성 프로세서-판독 가능 매체(집합적으로 170)를 포함할 수 있다. 비휘발성 제어기 판독 가능 저장 매체(170)는 다양한 형태, 예를 들어, 비휘발성 메모리, 휘발성 메모리, 판독 전용 메모리(ROM)(170), 전기적 소거 가능 프로그램 가능한 판독 전용 메모리(EEPROMs), 플래쉬 메모리, 랜덤 액세스 메모리(RAM)(170b), 정적 RAM, 동적 RAM, 예를 들어 자기 디스크 또는 광학 디스크와 같은 방적 매체를 취할 수 있다. 비휘발성 제어기 판돈 가능저장 매체(170)는 예를 들어, 하나 이상의 프로세서로 하여금, 기계-학습 또는 훈련시스템(162)에 의해서 구현된 모델의 출력 레이어(output layer)를 통해 데이터베이스에 저장된 데이터에 관해서 쿼리 매칭 함수를 실행하도록 하는 명령어 또는 로직(172)을 저장할 수 있다.
기계-학습 또는 훈련시스템(162)은 하나 이상의 프로세서, 예를 들어 하나 이상의 마이크로 프로세서(176a)(하나 이상의 코어와 함께), 디지털 신호 프로세서(DSP)(176b), 그래픽 처리 장치(GPUs), 중앙 처리 장치(CPUs), 주문형 집적 회로(ASICs), 필드 프로그래머블 게이트 어레이(FPGAs), 프로그램 가능 논리 제어기들(PLCs) 등(집합적으로 176)을 포함할 수 있다. 기계-학습 또는 훈련시스템(162)은 버스(180) 또는 제어기 실행 가능 명령어 및/또는 데이터를 저장하는 다른 채널을 통해 프로세서에 통신 가능하게 결합된 하나 이상의 비휘발성 프로세서-판독 가능 매체(총체적으로 178)을 포함할 수 있다. 비휘발성 제어기 판독 가능저장 매체(178)는 다양한 형태, 예를 들어, 비휘발성 메모리, 휘발성 메모리, 판독 전용 메모리(ROM)(178), 전기적 소거 가능 프로그램 가능 판독 전용 메모리(EEPROMs), 플래쉬 메모리, 랜덤 액세스 메모리(RAM)(178b), 정적 RAM, 동적 RAM, 예를 들어 자기 디스크 또는 광학 디스크와 같은 방적 매체를 취할 수 있다. 비휘발성 제어기 판독 가능저장 매체(178)는 데이터 베이스, 또는 예를 들어, 입력 레이어(184a), 모델링 레이어(184b), 및 출력 레이어(184c)로 구현된 다른 데이터 구조에 저장된 데이터에 관해서 하나 이상의 프로세서가 기계-학습 기능을 실행하도록 하는 명령어 또는 로직(182)을 저장할 수 있다.
일부 구현예에서 상기 런타임 시스템(164)은 진단관련 데이터를 축적, 정렬 및/또는 조직한다. 일부 구현예에서, 진단 관련 데이터의 적어도 일부는 예를 들어 고유 식별자 또는 이름으로, 대상자들(106) 각각의 것들과 논리적으로 연관될 수 있다. 다른 구현예에서, 진단 관련 데이터의 적어도 일부는 대상자들(106)의 특정 하나와 논리적으로 연관될 수 없고, 익명화된 형태로 존재할 수 있다. 다른 구현예에서, 진단 관련 데이터의 적어도 일부는 대상자(106)의 각각의 것들과 논리적으로 연관될 수 있는 반면, 일부는 익명의 형태로 존재할 수 있다. 예를 들어, 진단 관련 데이터의 일부는 훈련목적으로 수집될 수 있고, 그러한 것들은 익명의 형태로 수신될 수 있다. 진단 관련 데이터의 일부는 진단 및/또는 제안된 치료 또는 예방 조치를 생성 및/또는 심장 기능의 측정기준을 생성하기 위한 질의(query) 또는 요청의 일부로 제출될 수 있다. 이러한 진단 관련 데이터는 상기 대상자들(106) 각각의 것들과 논리적으로 관련될 수 있다. 선택적으로 그러한 것은 익명의 형태로 상기 시스템(100)에 의해 수신될 수 있지만, 질의 또는 요청을 제출한 종사자(116)에 의해 특정 대상자(106)와 연관될 수 있다.
적어도 일부의 경우에는 상기 런타임 시스템(164)은 진단 관련 데이터를 초기 데이터 세트로 조직화한 다음, 훈련데이터 서브 세트 및 테스트 데이터 서브세트를 생성하는데 사용된다. 런타임 시스템(164)은 하나 이상의 네트워크 또는 통신 채널을 통해 기계 학습 또는 훈련시스템(162)에 적어도 훈련데이터 서브 세트를 제공한다. 기계-학습 또는 훈련시스템(162)은 입력 레이어(184a)에 훈련데이터 서브 세트를 수신한다.
훈련데이터 서브세트에 포함된 진단 관련 데이터를 사용하여, 기계 학습 또는 훈련시스템(162)은 모델링 레이어(184b)에 모델을 구성한다. 모델링 레이어(184b)에 생성된 출력 데이터는 기계-학습 또는 훈련시스템(162)의 출력 레이어(184c)에 전달된다. 출력 데이터는 적어도 진단 관련 데이터(예를 들어 펄스 파형 정보, 선택적으로 증상 정보, 선택적으로 예비 주 및/또는 부 진단 정보)의 특정 세트에 기초하여 상대적으로 가능한 주 및/또는 부 진단을 나타내는 데이터를 포함한다.
런타임 시스템(164)은 네트워크 또는 채널을 통해 기계-학습 또는 훈련시스템(162)의 출력 레이어(184c)로부터 출력 데이터를 수신한다. 런타임 시스템(164)은 질의 또는 요청에 대한 응답을 생성할 수 있고, 상기 응답은 특정 대상자(106)에 대한 하나 이상의 주 또는 부 진단을 포함한다. 런타임 시스템(164)은 질의 또는 요청을 개시한 종사자에게 예를 들어, 트래픽 서버(166) 및 사용자 인터페이스 시스템(114), 또는 모바일, 핸드헬드 장치, 예를 들어 종사자(116)의 스마트폰 또는 테블릿 컴퓨터 통해 응답을 전송할 수 있다.
일부 예에서, 기계-학습 또는 훈련시스템(162)이 하나 이상의 훈련데이터 서브 세트를 사용하여 훈련된 후에, 기계 학습 또는 훈련시스템(162)에 의해 구성된 모델(184c)의 정확성을 평가하기 위해서 런타임 시스템(164)은 기계-학습 또는 훈련시스템(162)에 하나 이상의 테스트 데이터 서브세트를 제공할 수 있다. 이러한 경우에, 런타임 시스템(164)은 기계 학습 또는 훈련시스템(162)의 출력 레이어(184c)로부터 출력 데이터의 전부 또는 일부를 수신할 수 있다.
때때로, 런타임 시스템(164)은 적어도 하나의 훈련데이터 서브 세트 및 적어도 하나의 테스트 데이터 서브세트를 생성하기 위해서 초기 데이터 세트로부터 진단 관련 데이터를 스크랩하거나 다른 방법으로 획득한다. 런타임 시스템(164)은 모델링 레이어(184b) 내에 예측 모델의 구성을 허용하기 위해서 기계 학습 또는 훈련시스템(162)의 입력 레이어(184a)에 훈련데이터 서브 세트의 전부 또는 일부를 제공한다. 훈련데이터 서브 세트는 진단을 가진 임의의 대상자들(106)과 논리적으로 연관된 진단 관련 데이터를 포함한다.
때때로, 런타임 시스템(164)은 적어도 하나의 업데이트된 훈련데이터 서브세트를 생성하기 위해 초기 데이터로부터 데이터를 스크랩할 수 있다. 주기적으로 또는 때때로, 런타임 시스템(164)은 기계-학습 또는 훈련시스템(162)에 의해 사용되는 예측모델을 업데이트하기 위해서 기계-학습 또는 훈련시스템(162)의 입력 레이어(184a)에 적어도 하나의 업데이트된 훈련데이터 서브세트의 전부 또는 일부를 제공할 수 있다. 적어도 일부 구현예에서, 업데이트된 훈련데이터 서브 세트의 제공 및 업데이트된 예측 모델의 생성은 프론트-앤드 시스템(102) 및 기계 학습 또는 훈련시스템(162) 중 하나 또는 모두에 의해서 배경 작업으로 실행될 수 있다.
때로는, 상기 훈련데이터의 구성은 훈련데이터 서브 세트를 형성하는데 사용되는 초기 데이터 세트를 나타낼 수 있다. 다른 경우에, 훈련데이터 서브세트의 구성은 훈련데이터 서브 세트를 형성하는데 사용되는 초기 데이터 세트의 구성을 나타내지 않도록 훈련데이터 서브세트의 구성이 비뚤어질(skewed) 수 있다.
또 다른 시간에, 일반적인 진단 집단보다 더 정확할 것 같은 속성 값으로 진단의 식별을 돕기 위해서 훈련데이터 서브 세트에 포함된 하나 이상의 진단 관련 데이터 속성 값을 가중시키는 것이 유익할 수 있다.
일부 예에서, 적어도 하나의 업데이트된 훈련데이터 서브 세트를 사용하여 예측 모델을 업데이트 한 후에, 업데이트된 예측 모델의 정확성은 초기 데이터 세트로부터 스크랩된 적어도 하나의 업데이트된 테스트 데이터 서브 세트의 전부 또는 일부 또는 적어도 하나의 테스트 데이터 서브세트의 전부 또는 일부를 사용하여 평가된다. 일부 예에서, 업데이트된 예측 모델의 정확성은 하나 이상의 정의된 임계 값 한계 및/또는 정의된 임계 값 범위에 대해 평가된다.
기계-학습 또는 훈련시스템(162)이 입력 레이어(184a), 모델링 레이어(184b) 및 출력 레이어(184c)이 포함된 것으로 도 1에 도시되어 있지만, 다른 기계 학습 시스템 구성도 가능하다. 기계-학습 또는 훈련시스템(162)은 이진 탐색 트리, 신경 네트워크, 랜덤 포레스트(random forests), 또는 부스트된 트리(boosted trees)를 포함하는 하나 이상의 예측 모델을 포함할 수 있다. 또한, 기계 학습 또는 훈련시스템(162)은 런타임 시스템(164)과 별개로 도 1에 도시되어 있지만, 기계 학습 또는 훈련시스템(162)의 전부 또는 일부는 런타임 시스템(164) 또는 프론트 앤드 시스템(102)에 통합될 수 있다. 또한, 프론트-앤드 시스템(102) 및 백-앤드 시스템 컴퓨터 시스템(104)은 단일 시스템에 통합되거나, 둘 이상의 물리적 및/또는 논리적 시스템으로 분산될 수 있다.
기계-학습 또는 훈련시스템(162)은 런타임 시스템(164) 내에 분리되거나, 부분적으로 포함되거나 완전히 포함될 수 있다. 달리 말하면, 어떤 경우에는 런타임 시스템(164)의 프로세서는 기계 학습 또는 훈련시스템(162)의 프로세서와 본 명세서에서 상이한, 분리된 장치로 기술되었지만 동일할 수 있다. 유사하게, 런타임 시스템(164)의 비휘발성 프로세서-판독 가능 저장 매체는 기계 학습 또는 훈련시스템(162)의 비휘발성 프로세서-판독 가능 저장 매체와 본 명세서에서 상이한, 분리된 장치로 기술되었지만 동일 할 수 있다. 기계-학습 또는 훈련시스템(162)은 기계 학습 또는 훈련시스템(162)의 출력 레이어(146)으로부터 출력 데이터를 수신한다. 출력 데이터는 상대 진단 가능성을 나타내는 적어도 하나의 값을 포함한다.
예측 모델은 모델링 레이어(184a) 내에 하나 이상의 이진 검색 트리를 포함할 수 있다. 펄스 파형의 다양한 특성 값들 각각은 이진 탐색 트리 알고리즘 또는 다른 기계 학습 알고리즘에 의해서 판독 가능한 입력으로 변환될 수 있다. 이진 탐색 트리는 이용 가능한 정보를 취하고, 하나의 지점에 제1 또는 고 레벨 펄스 파형 특성에 대한 제1 공통 값 세트를 갖는 샘플 및 다른 지점 상에 제1 또는 고레벨 펄스 파형 특성에 대한 제2 공통 값 세트를 갖는 샘플을 배치하는 단일 선형 또는 범주형 변수의 분할을 기초하여 두개의 지점으로 데이터를 분리할 수 있다. 그런 후 이진 탐색 트리 알고리즘은 중지 조건에 도달할 때까지 새롭게 생긴 지점에 대해 반복될 수 있다. 각 지점은 특정 펄스 파형 특성에 대한 가치가 있는 상세 검색을 처리할 수 있다. 각 지점은 다른 펄스 파형 특성을 처리할 수 있다. 각 지점은 각 증상, 즉 주 또는 부 증상을 처리할 수 있다. 중지 조건은 상기 트리가 데이터에 대해 오버 피팅되지 않도록 정의된다. 이 특정 예에서 중단 기준은 최종 지점(“리프”)가 포함될 수 있는 요소의 최소 수로 정의될 수 있다. 이것은 데이터 세트의 크기에 크게 좌우된다. 제2 중단 기준, 복잡성은 모델의 R-제곱(모델에 얼마나 근접하는지 통계적 척도)은 고려되어야 할 분할에 대해 일정량만큼 증가해야 하는 것과 같이 정의될 수 있다. 상기 트리가 오버피팅되지 않음을 확인하는데 도움을 주는 교차 유효성을 사용하여 상기 트리를 생성할 수도 있다. 일단 생성되면, 트리는 오버피팅을 줄이기 위해서, 다시 복잡성과 적합성을 기반으로 가지를 칠 수 있다.
다른 예로서, 일부 구현예에서, 기계 학습 또는 훈련시스템(162)은 모델링 레이어(184b) 내에 하나 이상의 신경 네트워크를 포함하는 예측 모델을 포함할 수 있다. 각 지점은 각각의 증상을 처리할 수 있고, 하나 이상의 신경 네트워크 내의 주 또는 부 연결 중 하나는 적어도 부분적으로 상기 훈련데이터 서브 세트에 포함된 진단 관련정보 및 대응 진단과 연관된 속성 값 데이터를 사용하여 형성 및/또는 재구성된다. 하나 이상의 신경 네트워크 내에 연결 가중치는 적어도 부분적으로 훈련데이터 서브세트에 포함된 제출되거나 공지의 진단을 갖는 대상자와 관련된 속성 값 데이터를 사용하여 설립되거나 재 설립된다. 일 구현예에서, 런타임 시스템(164)은 기계 학습 또는 훈련시스템(162)의 출력 레이어(184c)로부터 수신된 출력 데이터가 기계 학습 시스템의 하나 이상의 성능 측면이 정체되어 있음을 나타낼 때까지 기계 학습 또는 훈련시스템(162)의 입력 레이어(184a)에 훈련데이터 서브 세트를 공급한다. 일부 구현에에서, 런타임 시스템(164)은 하나 이상의 성능 측면이 정의된 수의 기계-학습 시스템 훈련신기원(epochs)에 도달하였는지 여부에 적어도 부분적으로 기초하여 정체되어 있는지 여부를 결정한다.
지원 벡터 기계, 부스트(강화)된 트리, 또는 랜덤 포레스트와 같은 다른 분류 방법도 사용될 수 있다.
일단 훈련되면, 기계-학습 또는 훈련시스템(162)은 특정 사용자와 논리적으로 연관된 진단 관련 데이터 속성 값에 기초하여 정학하고 신뢰할 수 있는 주 및/또는 부 진단을 제공한다. 보다 현저하게, 현재 알려진 진단 관련 정보 및 대응 진단으로 수시로 업데이트되는 예측 모델은 예측 성능이 향상된다.
일부 구현예에서, 런타임 시스템(164)은 하나 이상의 매체, 서비스 또는 컨텐츠 전달 장치, 예를 들어 진단 및/또는 종사자 훈련 또는 피드백의 형태로 콘텐츠를 전달하는 하나 이상의 웹 서버를 포함할 수 있다. 오디오, 비디오 또는 오디오/비디오 데이터 형태의 콘텐츠는 각각의 종사자와 관련된 임의의 수의 프로세서-기반 사용자 인터페이스 시스템(114)에 전달할 수 있다. 프로세서-기반 사용자 인터페이스 시스템(114)은 데스크탑 컴퓨터, 휴대용 또는 랩탑 컴퓨터, 스마트폰, 웨어러블 컴퓨터 등과 같은 서비스 제공자로부터 콘텐츠를 수신하기에 적합한 임의의 장치를 포함할 수 있다.
도 2A-2C는 일 실시예에 따른 대상자 인터페이스 장치(222)를 도시한다. 상기 대상자 인터페이스 장치(222)는 사용자에 의해 예를 들어 종사자(116)(도 1)착용되는 다수의 구성요소를 포함한다. 도 2a-2c의 상기 대상자 인터페이스 장치(222)는 유리하게도 펄스를 전자적으로 검출하거나 측정할 뿐만 아니라, 펄스를 종사자가 느낄 수 있도록 한다.
도시된 실시예에서, 대상자 인터페이스 장치(222)는 동맥을 따라 서로 근접하게 이격될 수 있는 우치(즉, 성인 손가락의 두께 이내), 동맥을 따르는, 예를 들어 요골 동맥을 따르는, 3개의 개별 위치(286a, 286b, 286c)에서 펄스 파형을 검출하기 위해 3개의 손가락 끝 센서 또는 변환기(208a-208b)(총체적으로 308)을 포함할 수 있다. 전술한 바와 같이, 상기 손가락 끝 센서 또는 변환기(208)는 인가된 힘 또는 압력에 반응할 수 있다. 선택적으로 상기 대상자 인터페이스 장치(222)는 인가된 힘 또는 압력에 비례하는 값을 검출 또는 측정하거나 생성하기 위해서 하나 이상의 별도의 전용 센서 또는 변환기를 포함할 수 있다.
도 2B 및 도 2C에 가장 잘 도시된 바와 같이, 상기 대상자 인터페이스 장치(222)는 하나 이상의 센서 또는 변환기(208)를 사용자(예를 들어, 종사자(116))의 하나 이상의 손가락에 분리 가능하게 물리적으로 결합시키는 하나 이상의 커플러(288a-288c)를 포함할 수 있다. 상기 커플러는 예를 들어, 후크 및 루프 재료(예, 중간 지골 및 말단 지골 사이와 같은 손가락 조인트에서 VELCRO® 288a, 288b, 288c), 테이프, 탄성 밴드(예를 들어, 고무 또는 탄성 밴드), 재질 또는 플라스틱 탄성 클립(예, C자형 클립), 접착제(예, 손가락 끝에 접착 패드 288d, 288e, 288f) 등 형태를 취할 수 있다.
도 2A에 도시된 바와 같이, 대상자 인터페이스 장치(222)는 하나 이상의 EKG 리드(290a) 및 센서 또는 변환기(290b)를 포함할 수 있다. EKG 리드(290a) 및 센서 또는 변환기(290b)는 분리 가능하게 물리적으로 예를 들어 접착제(미도시), 예를 들어 바람직하게는 생체 적합성 접착제인 감압성 접착제, 상기 대상자와 결합될 수 있다.
도시된 실시예에서, 대상자 인터페이스 장치(122)는 전자 장치(224)를 포함할 수 있다. 전자 장치는 예를 들어, 아날로그 증폭기(226), ADC(228), 및 라디오 또는 무선 송시기(230)(예를 들어, BLUETOOTH® 트랜시버, WI-FI®트랜시버) 및 하나 이상의 안테나(232)를 포함할 수 있다. 전자장치(224)는 환경 보호를 제공하는 하우징(292) 내에 유지될 수 있다.
상기 대상자 인터페이스 장치(122)는 분리 가능하게 물리적으로 전자장치(224) 및/또는 하우징(292)을 사용자의 팔뚝 또는 다른 부분에 결합시키는 하나 이상의 커플러(288g)(도 2c에 도시된 두 개)를 포함할 수 있다. 상기 커플러(288g)는 예를 들어, 후크 및 루프 재료(예, VELCRO®), 테이프, 탄성 밴드(예를 들어, 고무 또는 탄성 밴드), 재질 또는 플라스틱 탄성 클립(예를 들어, C자형 클립), 벨트, 홀스터(holster), 접착제 등 형태를 취할 수 있다. 적절한 절연을 갖는 리드 또는 전기 도전성 와이어(294)는 센서 또는 변환기(208)와 전자장치(224)에 통신 가능하게 연결된다.
도 3A는 일 실시예에 따라, 손가락 끝(395)에 장착된 단일 센서 또는 변환기(308a) 및 단일 센서 또는 변환기(308a)의 사용을 통해 식별 가능한 정보에 대응하는 디스플레이를 도시한다.
단일 센서 또는 변환기(308a)는 손가락 끝(395) 마다 단일 지점에서 펄스를 감지 또는 검출한다. 센서 또는 변환기(308a)는 예를 들어, 힘 L1, L2, L3의 3가지 레벨(도 5), 3개의 상이한 깊이 L1, L2, L3(도 5)로 피부(400) 및 동맥(402) 내로 센서 또는 변환기(308a)를 가압하기 위해서, 하나 이상의 별개의 힘 F1, F2, F3(도 4)을 사용하여 피부(400)(도 4)를 통해 대상자(106)(도 1)에게 인가할 수 있다. 제1 레벨의 힘 F1은 손가락 끝(395)에 의해 가해지는 힘이 없기 때문에 단순히 센서 또는 변환기의 무게에 대응될 수 있다. 따라서 피부(400) 및 동맥(402)에 제1 깊이 레벨 L1에서 최소로 가압된다. 제2 레벨의 힘 F2는 손가락 끝(305)를 통해 가해지는 힘의 중간 레벨에 대응될 수 있다. 따라서 피부(400) 및 동맥(402)의 제2 깊이 레벨 L2에서 중간 깊이로 가압된다. 제3 레벨의 힘 F3은 손가락 끝(305)를 통해 가해지는 비교적 높은 레벨의 힘에 대응될 수 있다. 따라서 피부(400) 및 동맥(402)의 제3 깊이 레벨 L3로 비교적 깊게 가압된다. 높은 레벨의 힘F3은 동맥(42) 내의 혈류를 충분히 차단하기 위고, 뼈(404)(도 4)의 표면, 예를 들어, 반경에 대해 가압하는 동맥(402), 예를 들어, 요골 동맥(402)을 충분히 차단할 수 있다. 힘 또는 압력은 대상자 영역이나 부피에 맥동이 되돌아 올 때까지 이후에 천천히 방출될 수 있다. 제2 또는 중간 레벨 F2, L2는 예를 들어, 피부(400) 및 동맥(402)의 힘 및 압력(depression)에 관해서 제1 레벨 F1, L1 및 제3레벨F3, L3사이의 중간이 될 수 있다. 펄스 파형의 측정은 제3 레벨의 힘 또는 압력 F3을 적용한 직후 방출력 또는 압력에서 혈액의 초기 돌입 이후에 펄스가 균등해지는데 필요한 시간을 고려하여 지연될 수 있다.
대응 디스플레이(3960a)는 하나 이상의 손가락 끝(396) 각각에서 포착된 펄스의 시간 이력을 시각적으로 나타낼 수 있는 펄스의 최대 강도의 깊이(397)를 표시한다. 시스템은 수집된 또는 식별된 정보(예를 들어, 하나 이상의 손가락 끝 각각에 포착된 펄스의 시간 이력)에 대해 자동 상관, 상호 상관 및/또는 전력 스펙트럼 분석을 수행할 수 있다.
시스템은 예를 들어, 혈액 점도, 동맥 경화 또는 맥박(pulse jerk)(즉, 맥박의 3차 미분) 중 하나 이상의 결정, 평가 또는 특성화할 수 있다.
도 3B는 일 실시예에 따라 센서 또는 변환기(308b, 308c, 308d)의 선형 또는 일차원 어레이의 사용을 통해 식별 가능한 정보의 대응 디스플레이(396b) 및 손가락 끝(395)에 장착된 센서 또는 변환기(308b, 308c, 308d)의 선형 또는 일차원 어레이를 도시한다.
센서 또는 변환기(308b-308d)의 선형 또는 일차원 어레이는 손가락(395) 마다, 다수(예를 들어, 3개)의 포인트에서 펄스를 감지 또는 검출한다. 센서 또는 변환기(308b-308d)는 하나 이상의 별개의 힘 예를 들어, 센서 또는 변환기(308a)를 피부 또는 동맥 내로 3가지 상이한 깊이로 가압하는 3가지 레벨의 힘을 사용하여 대상자에 적용할 수 있다. 이러한 것은 도 3을 참조하여 상기 논의되었지만, 간결성을 위해서 이 설명은 반복하지 않는다.
대응 디스플레이는 펄스의 깊이 형상(398a, 398b, 398c)(집합적으로 398)을 표시한다. 이러한 것은 단일 센서 또는 변환기(도 3a)와 비교하여 더 높은 해상도의 공간 분석이 가능하다. 센서 또는 변환기는 사용 중에 동맥과 동축으로 정렬되어야 한다. 단일 센서 또는 변환기(도 3a)에 의해서 감지할 수 있는 특성 이외에, 선형 또는 일차원 어레이 센서 또는 변환기를 사용하여 수집되거나 식별된 정보는, 예를 들어, 시스템이 혈압을 결정하거나 평가하거나 특성을 부여할 수 있다. 혈압 파형 분석은 블라인드 소스 분리를 통해서 수행될 수 있다. 혈압 파형 분석은 웨이블렛 분석, 주성분 분석(PCA) 및 독립 성분 분석(ICA)을 포함할 수 있지만 이에 국한되지는 않는다. PCA는 예를 들어, 측정된 데이터의 제1 및 제2 모멘트를 활용할 수 있으므로 가우시안(Gaussian) 특징에 크게 의존한다. ICA는 예를 들어, 본질적으로 데이터의 비가우시안(non-Gaussian) 특징을 이용하고, 더 높은 순간을 이용할 수 있다.
도 3C는 일 실시예에 따른 손가락 끝(395)에 장착된 센서 또는 변환기(308e, 308f…,309n)의 2차원 어레이 및 센서 또는 변환기(308e~308n)(9개 도시된, 단지 도면 명확화를 위해 3개만 도시)의 2차원 어레이의 사용을 통해서 식별 가능한 정보의 대응 디스플레이(396c)를 도시한다.
센서 또는 변환기(308e~308n)의 2차원 어레이는 손가락(395)마다 2차원 어레이(예를 들어 9)지점에 펄스를 감지 또는 검출한다. 센서 또는 변환기(308e~308n)는 하나 이상의 별개의 힘 예를 들어, 3가지 레벨의 깊이로 피부 또는 동맥 내로 센서 또는 변환기(308a)를 가압하는 3가지 레벨의 힘을 사용하여 상기 대상자(106)(도 1)에 적용할 수 있다. 이러한 것은 도 3A를 참조하여 논의되었지만 간결성을 위해서 이 설명은 반복하지 않는다.
대응 디스플레이는 펄스(399a, 399b, 399c)(집합적 399)의 3차원 표현을 나타낸다. 이러한 것은 맥박을 찾는 것을 용이하게 한다. 센서 또는 변환기의 어레이의 주 디멘젼(dimensions) 중 하나는 사용 중에 동맥과 정렬되어야 한다. 센서 또는 변환기(308b-308d)(도 3b)의 선형 또는 일차원 어레이에 의해 검출 가능한 특성 이외에, 센서 또는 변환기의 2차원 어레이를 통해 수집되거나 식별되는 정보는 예를 들어 시스템이 동맥 형태학을 결정하거나 평가하거나 특성화할 수 있다.
도 5는 일 실시예에 따른 상대자 인터페이스 장치(522)를 도시한다. 상대자 인터페이스 장치(522)는 사용자 예를 들어 상대자(106)(도 1)에 의해서 착용되도록 설계된 슬리브 또는 커프에 의해 운반되는 다수의 구성요소를 포함한다. 상대자 장착된 슬리브 또는 커프의 사용은 유리하게도 종사자에 의해서 잡음을 도입을 피할 수 있다. 예를 들어, 종사자가 장착한 상대자 인터페이스 장치(예, 도 2)에서 발생할 수 있는 종사자 자신의 펄스의 검출을 피할 수 있다.
도시된 실시예에서, 대상자 인터페이스 장치(522)는 3개의 센서 또는 변환기(308a, 508b-508n)를 포함할 수 있다. 동맥을 따라 다수의 개별 위치(586a-586n)에서 펄스 파형을 검출하기 위해서 예를 들어, 요골 동맥을 따라, 상기 위치는 동맥을 따라 서로 서로로부터 근접하게 이격(즉, 성인 손가락의 두께 내)될 수 있다. 전술한 바와 같이, 센서 또는 변환기(508)는 또한 인가된 힘 또는 압력에 반응할 수 있다. 선택적으로 인가된 힘 또는 압력에 비례하는 값을 검출 또는 측정 또는 생성하기 위하여 대상 인터페이스 장치(522)는 하나 이상의 분리되고, 전용 센서 또는 변환기를 포함할 수 있다.
도시된 실시예에서, 상대자 인터페이스 장치(522)는 예를 들어 하우징(522)에 둘러싸인 전자 장치를 포함할 수 있다. 전자 장치는 예를 들어, 아날로그 증폭기(526), ADC(528) 및 라디어 또는 무선 송신기(530)(예를 들어 BLUETOOTH® 트랜시버, WI-FI® 트랜시버)를 포함할 수 있다. 전자 장치는 하나 이상의 위치 또는 방향 센서 또는 변환기(527)를 선택적으로 포함할 수 있고, 또는 적어도 센서 또는 변환기(508) 및 가능한 전체 대상자 인터페이스 장치(522)의 적어도 위치 및/또는 방향을 나타내는 위치 정보를 생성하는 다른 구성요소를 선택적으로 포함할 수 있다. 이는 센서 또는 변환기(508)가 동맥과 적절하게 위치되고, 정렬되는지 여부의 결정을 허용할 수 있다. 전자 장치는 하나 이상의 가속도계(예를 들어 3축 가속도) 및 하나 이상의 광학 LED 및 광 검출기 쌍을 포함할 수 있다. 예를 들어, 각각의 가속도계 또는 광학 LED 및 광 검출기 쌍은 센서 또는 변환기 각각과 관련될 수 있다. 이로써 전자장치는 가장 큰 펄스 파형 압력을 감지하는 센서 및 변환기로부터 인접한 센서 또는 변환기로의 이동을 뺄 수 있다. 전자 장치는 환경 보호를 제공하는 하우징(522) 내에 유지될 수 있다.
대상자 인터페이스 장치(522)는 하나 이상의 센서 또는 변환기 및 전자 장치를 사용자(예를 들어 대상자(106)의 팔(529)의 부분에 분리 가능하게 물리적으로 결합되는 슬리브 또는 커프(523)를 포함한다. 상기 슬리브 또는 커프(523)는 예를 들어, 일반적으로 관 형상을 취하고 한쪽 말단에서 다른 말단으로 직경이 점점 작아질 수 있고, 그렇지 않을 수도 있다. 슬리브 또는 커프(523)는 밀폐되고, 일체형(integral) 또는 일체형(unitary) 재료일 수 있고, 각각 단부(523a, 523b)에 하나씩 한 쌍의 대향하는 개구만을 구비하고, 먼저 하나의 개구 및 그 후 다른 개구를 통해 팔(529)을 통과시키고, 팔 (529) 상에 장착될 수 있다. 예를 들어 도 7에 도시된 바와 같이, 선택적으로 슬리브 또는 커프(523)는 팔(529)(예들 들어 팔뚝, 손목) 둘레에 감쌀 수 있는 재료의 조각일 수 있고, 그 후에 2개의 대향 측면을 함께 도시되고, 커플러로 고정함으로써 폐쇄될 수 있다. 적절한 커플러는 후크 및 루프 재료(예, VELCRO®), 테이프, 벨트 및 버클, snap fasters, 메탈 또는 플라스틱 탄성 클린, 슬롯 및 베벨 치아 또는 융기(예, 도 7), 접착제 등을 포함할 수 있다. 어느 경우에나, 재료는 사용 중에 슬리브 또는 커프(523)를 제 위치에 확실하게 유지하기 위해 예를 들어 탄성 재질(예, 고무)일 수 있다. 선택적으로 하나 이상의 밴드(예 고무 또는 탄성 밴드) 또는 금속 또는 탄성 클립(예 C자형 클립)은 사용 중에 슬리브 또는 커프(523)를 제 위치에 고정하기 위해 사용될 수 있다.
도 5에 도시된 바와 같이, 대상 인터페이스 장치(522)는 하나 이상의 EKG 리드 (590a) 및 센서 또는 변환기(50b)를 포함하거나 이와 연관될 수 있다. EKG 리드(590a) 및 센서 또는 변환기(590b)는 예를 들어, 접착제, 예를 들어 바람직하게는 생체 적합성 접착제인 인감압 접착제를 통해서 대상자(106)(도 1)에 분리 가능하게 물리적으로 결합된다.
일부 구현에에서, 2개의 슬리브 또는 커프(523), 대상 인터페이스 장치(522)는 단일 대상에 동시에 사용될 수 있다. 이런 경우 단일 추적 EKG/ECG 신호 수집을 허용할 수 있다. EKG/ECG 측정 사이에 대상자의 피부 또는 신체를 통해 직렬 데이터 링크를 설정할 수 있다. 이러한 것은 예를 들어 운동 에너지 및/또는 태양에너지로 충전되는 초 저전력 장치의 형태를 취할 수 있고, 적어도 하나의 EKG/ECG 측면을 가질 수 있다.
도 6은 예시된 일 구체예에 따라, 펄스 파형에 응답하고 인가된 힘에 응답하여 펄스 파형을 나타내고 인가된 힘을 나타내는 신호를 생성하는, 결합된 센서 또는 변환기 구조 (608)를 도시한다.
결합된 센서 또는 변환기 구조 (608)는 피부를 통해 검출되는 동맥 내 펄스 파형에 응답하는 제 1 센서 또는 변환기 (608a)를 포함한다. 예를 들어, 제 1 센서 또는 변환기 (608a)는 도 6에 도시된 바와 같이 압전 필름 또는 기판의 형태를 취할 수 있다. 결합된 센서 또는 변환기 구조 (608)는 결합된 센서 또는 변환기 구조 (608)를 통해 피부 및 동맥 상에 발휘되는 인가된 힘 또는 압력에 응답하는 제2 센서 또는 변환기 (608b)를 포함한다. 제2 센서 또는 변환기 (608b)는 예를 들어, 도 6에 도시된 바와 같이 힘 감응성 저항기의 형태를 취할 수 있다. 제2 센서 또는 변환기 (608b)는 예를 들어, 힘 감응성 저항기 (608b)에 걸친 전압을 결정하고, 힘에 비례하는 대응 신호를 생성하기 위해 휘트스톤 브리지 또는 다른 회로 (미도시)에 결합될 수 있다.
결합된 센서 또는 변환기 구조 (608)는 제2 센서 또는 변환기 (608b) (예: 힘 감응성 저항기)가 탑재되는, 예를 들어 MYLAR 필름 또는 기판과 같은 제1 전기 절연성 기판 (609a)을 포함할 수 있다. 결합된 센서 또는 변환기 구조 (608)는 제1 센서 또는 변환기 (608a) (예: 압전 필름 또는 기판)와 제2 센서 또는 변환기 (608b)(예: 힘 감응성 저항기) 사이의, 제2 전기 절연성 기판 (609b), 예를 들어 MYLAR 필름 또는 기판을 포함할 수 있다. 결합된 센서 또는 변환기 구조 (608)는 제2 전기 절연성 기판 (609b)과 제1 센서 또는 변환기 (608a) (예: 압전 필름 또는 기판) 사이의 접착제 (611) (예: 접착층)를 포함할 수 있다. 결합된 센서 또는 변환기 구조 (608)는 제1 센서 또는 변환기 (608a) (예: 압전 필름 또는 기판)를 덮고 보호하는 제3 전기 절연성 기판 (609c)을 더 포함할 수 있다. 하나 이상의 와이어, 전도성 트레이스 또는 다른 전도성 구조 (613)는 제1 및 제2 센서 또는 변환기 (608a, 608b)로부터 하나 이상의 증폭기 및/또는 ADC에 통신가능하게 연결되게 할 수 있다.
결합된 센서 또는 변환기 구조 (608)는 유리하게는 감지된 펄스 파형에 대해 인가된 힘의 정확한 판독을 보장하면서, 제1 및 제2 센서 또는 변환기를 서로 정합되게(in registration) 정렬 또는 배치시킨다. 결합된 센서 또는 변환기 구조 (608)는 또한 콤팩트한 패키지 및 경제적인 설계를 제공한다. 결합된 센서 또는 변환기 구조 (608)는 전술한 구현예 또는 구체예 중 어느 것 또는 이하에서 기술되는 구현예 또는 구체예에서 유리하게 사용될 수 있다.
도 7은 예시된 일 구체예에 따른, 대상자 인터페이스 장치 (722)를 도시한다. 대상자 인터페이스 장치 (722)는 사용자, 예를 들어 대상자 (106) (도 1)에 의해 착용되도록 설계된 슬리브 또는 커프 (723)에 의해 운반되는 다수의 구성 요소를 포함한다.
대상자 인터페이스 장치 (722)는 동맥을 따라 서로 근접하게 이격될 수 있는 위치인(즉, 성인 손가락의 두께 이내), 동맥을 따르는, 예를 들어 요골 동맥을 따르는, 복수의 개별 위치에서 펄스 파형을 검출하기 위해 하나의, 바람직하게는 그 이상의 센서 또는 변환기(도 7에 도시되지 않음)를 포함할 수 있다. 전술한 바와 같이, 또한 센서들 또는 변환기들은, 예를 들어 도 6에 도시되고 도 6에 관하여 기술된, 결합된 센서 또는 변환기 구조 (608)는 인가된 힘 또는 압력에 응답할 수 있다. 마찬가지로, 예를 들어 하우징에 둘러싸인(도 7에 도시되지 않음) 대상자 인터페이스 장치 (722)가 전자 장치를 포함할 수 있다 (도 7에 도시되지 않음). 전자 장치 및/또는 하우징은 임의의 전술된 전자 장치 및 하우징 형태를 취할 수 있다. 센서 또는 변환기 및/또는 전자 장치 및/또는 하우징은 슬리브 또는 커프 (723)에 통합될 수 있고, 예를 들어, 팔에 착용될 때 센서 또는 변환기만 슬리브 또는 커프 (723)의 내부 표면상에 노출된다.
대상자 인터페이스 장치 (722)는 하나 이상의 센서 또는 변환기 및 전자 장치를 사용자(예: 대상자 106)의 팔 부분에 분리가능하게 물리적으로 결합시키는 슬리브 또는 커프 (723)를 포함한다. 슬리브 또는 커프 (723)는 예를 들어, 사용시 일반적으로 관형(tubular form)을 가질 수 있고, 일단부에서 타단부로 직경이 테이퍼링되거나 되지 않을 수 있다. 슬리브 또는 커프 (723)는 팔(예: 팔뚝, 손목) 둘레에 감싸진 후, 서로 대향하는 2개의 측면 (723a, 723b)을 당기고 커플러로 고정함으로써 폐쇄될 수 있는 한 조각의 재료일 수 있다. 적절한 커플러는 슬롯 (735a, 735b)을 갖는 스트랩 (733a, 733b) 및 티스 (739a, 739b)(예: 경사진 티스 또는 릿지)를 갖는 보완 스트랩 (737a, 737b), 후크 및 루프 재료(예: VELCRO®), 테이프, 벨트 및 버클, snap faster, 금속 또는 플라스틱 탄성 클립, 접착제 등을 포함할 수 있다. 어느 경우에나, 상기 재료는 예를 들어, 사용 중에 슬리브 또는 커프를 제 위치에 단단하게 유지하는 탄성 재료(예: 고무)일 수 있다. 예를 들어, 슬리브 또는 커프 (723)는 예를 들어, Ninjaflex로부터 상업적으로 입수가능한 3D 인쇄를 위한 열가소성 엘라스토머 (TPE)와 같은 재료로부터 3D 인쇄될 수 있다. 대안적으로, 사용 중에 슬리브 또는 커프 (723)를 제 위치에 고정하기 위해 하나 이상의 별개의 및 구분되는 밴드(예: 고무 또는 탄성 밴드), 또는 금속 또는 플라스틱 클립(예: C형 클립)이 사용될 수 있다.
슬리브 또는 커프 (723)는 유리하게는 유체(예: 가스, 공기)를 보유하는 내부 또는 챔버를 갖는 하나 이상의 블래더(bladder)를 형성한다. 슬리브 또는 커프 (723)는 유리하게는 블래더의 내부 또는 챔버와 유체 통신을 제공하는 두 개 이상의 포트 741a, 741B를 포함한다. 블래더 내 압력을 조정하기 위해 공기 또는 기타 유체의 공급원이 포트 (741a, 741b)에 연결될 수 있다. 특히, 포트 741a, 741b는 펄스압 파형을 검출하는 동안 블래더를 차등적으로 팽창시킴으로써 동맥의 길이의 일부분을 따라 차등 압력을 생성 및/또는 제어하는데 사용될 수 있다. 그러한 것은 유리하게도 동맥의 폐색 없이 혈압 판독을 용이하게 한다.
도 8은 예시된 일 구체예에 따른 펄스 파형 (800)을 도시한다.
펄스 파형 (800)은 다양한 형태, 예컨대 압력 대 시간, 또는 진폭(예: 밀리볼트) 대 샘플로 나타낼 수 있다.
펄스 파형 (800)은 건강 및 웰니스를 평가하는데, 및 진단 및/또는 치료 또는 예방 조치를 생성하고 및/또는 심장 기능의 측정기준을 생성하는데 유용한 다양한 정의된 특성 및 특징을 갖는다.
일부 전통 의료 시스템에 따르면, 각 펄스는 i) 확장, 뒤이어 ii) 일시 중지, 그 후 iii) 수축, 뒤이어 iv) 두 번째 일시 정지인 네 부분으로 구성된다. 일부 전통 의료 시스템은 펄스를 평가하기 위한 10가지 기준을 사용한다: 다양한 펄스에 있어서 크기, 빠름 또는 느림, 강함 또는 약함, 펄스 간격의 짧음 또는 길이, 부드러움 또는 단단함, 유사성 또는 불일치성, 규칙성 또는 불규칙성, 펄스의 음악적 특성과 관련된 조화.
펄스 파형 (800)은 글로벌 최대값 (802) 및 글로벌 최소값을 포함할 수 있다. 펄스 파형 (800)은 하나 이상의 로컬 최대값 (806a, 806b) 및/또는 로컬 최소값 (808a, 808b)을 포함 할 수 있다. 펄스 파형 (800)은 또한 다양한 글로벌 및 로컬 최대값 (802, 806a, 806b)과 글로벌 및 로컬 최소값 (804, 808a, 808b) 사이의 다양한 경사 또는 구배 (810a, 810b, 810c)를 포함할 수 있다. 펄스 파형 (800)은 또한 다른 정의된 특성 또는 특징의 다양한 쌍들 간 다양한 시간 또는 주파수를 포함할 수 있다. 본 명세서에서 신호 분석은 시간 도메인 신호 분석 기법에 관하여 일반적으로 논의되지만, 시스템 (100)은 주파수 도메인 신호 분석 기법을 사용할 수 있다.
펄스 파형 (800)의 정의된 특성 및 특징이 의학적으로 중요한지 여부, 그 정의된 특성 및 특징의 중요성, 및 그 정의된 특성 및 특징 및/또는 심장 기능의 상응하는 측정 기준에 해당하는 상응하는 진단 및/또는 치료 또는 예방 조치를 식별하기 위해 다양한 기법, 예를 들어 기계 학습 기법이 사용될 수 있다.
도 9는 적어도 하나의 예시된 구체예에 따른 진단 환경에서의 동작 방법(900)을 도시한다. 방법 900은 도 1에 대해 설명되고 기술된 것과 유사 또는 동일한 프론트 앤드 시스템에 의해 실행될 수 있다.
방법 (900)은 단계 (902)에서 시작한다. 예를 들어, 방법 (900)은 프론트 앤드 시스템 또는 그 일부에 전력을 공급할 때 시작할 수 있다. 대안적으로, 방법 (900)은 도 1에 도시된 것과 같은 종사자에 의한 사용자 인터페이스 장치 및/또는 사용자 입력 시스템의 사용에 시작될 수 있다. 또 다른 대안으로서 방법 (900)은 호출 프로그램, 루틴 또는 서브 루틴에 의해 호출되는 것에 응답하여 시작할 수 있다. 한 대상자의 관점에서 기술되었지만, 방법 (900)은 많은 수의 대상자들과 함께, 및 많은 수의 종사자들에 의해 사용될 수 있고, 이는 기계 학습 기법에 의존하는 범위까지 시스템의 신뢰성을 유리하게 개선할 수 있다.
904에서, 사용자 인터페이스 장치는 하나 이상의 위치(예: 3개의 위치에서 3개의 센서) 및 각 위치에서의 하나 이상의 깊이(예: 3개의 깊이)에서 펄스 파형을 샘플링한다. 따라서, 각 센서 또는 변환기는 2 이상의 깊이(즉, 2 이상의 힘 또는 압력 레벨)에서 각각 펄스 파형을 수집하거나 포착할 수 있다.
906에서, 사용자 인터페이스 장치는 펄스 파형이 샘플링되는 인가된 힘, 압력 및/또는 깊이를 샘플링한다. 따라서, 하나 이상의 센서 또는 변환기는 인가된 힘, 압력 또는 깊이에 비례하는 신호를 수집하거나 포착할 수 있다.
908에서, 사용자 인터페이스 장치는 하나 이상의 시간 신호를 샘플링하거나 식별한다. 본 명세서의 다른 곳에서 기술된 바와 같이, 하나 이상의 EKG 센서 또는 단말기가 대상자 심장의 전기적 활성을 검출하도록 배치 될 수 있다. 이는 수축의 명확한 표시를 제공하므로, 혈액 펄스 주기가 시작된다. 혈액 펄스가 모니터링되는 영역(예: 요골 동맥 근위 손목)에 도달하는 데 걸리는 지연 또는 시간에 대한 정보는, 시간 정보를 사용하여 잡음(예: 대상자 또는 종사자의 움직임, 전기 소음)으로부터 신호(예: 펄스)를 보다 잘 식별할 수 있게 한다.
910에서, 사용자 인터페이스 시스템은 하나 이상의 주 증상 및/또는 2차 증상을 수신한다. 그러한 경우는 다양한 방법으로 종사자에 의해, 또는 대안 적으로 대상자에 의해 입력될 수 있다. 이는, 예컨대 그래픽 사용자 인터페이스와 같은 사용자 인터페이스를 통해 입력될 수 있다. 예를 들어, 하나 이상의 자유형 텍스트 입력 필드에 키보드 입력을 포함할 수 있다. 이는 풀-다운 메뉴 또는 리스트, 또는 다른 사용자 인터페이스 구조로부터 선택하는 것을 포함 할 수 있다. 증상은 대상자에 의해 보고 될 수 있고 및/또는 종사자에 의해 관찰될 수 있다. 증상은, 예를 들면, 특정 신체 부위의 통증, 호흡 곤란, 피로, 발열, 통증 등을 포함할 수 있다.
912에서, 사용자 인터페이스 시스템은 하나 이상의 주 진단 및 선택적으로 하나 이상의 2차 진단을 수신한다. 그러한 경우는 다양한 방법으로 종사자에 의해, 또는 대안 적으로 대상자에 의해 입력될 수 있다. 이는, 예컨대 그래픽 사용자 인터페이스와 같은 사용자 인터페이스를 통해 입력될 수 있다. 예를 들어, 하나 이상의 자유형 텍스트 입력 필드에 키보드 입력을 포함할 수 있다. 이는 풀-다운 메뉴 또는 리스트, 또는 다른 사용자 인터페이스 구조로부터 선택하는 것을 포함 할 수 있다. 진단은 일반적으로 펄스 파형 및 증상에 대한 친숙성과 같은 다양한 요인에 기초하여 종사자에 의해 학습된 결론이다. 진단은 특정 건강 상태 또는 증후군을 포함하는 많은 형태를 취할 수 있다. 그러한 것은 제안된 치료 또는 예방 조치 및/또는 심장 기능의 측정 기준의 특정을 추가로 포함할 수 있다.
914에서, 프론트 앤드 시스템은 수집된 정보를 백앤드 시스템, 예를 들어 도 1에 도시된 백앤드 시스템에 제출한다. 프론트 앤드 시스템 또는 그의 구성요소는 패킷으로, 또는 백앤드 시스템이 다양한 정보 간 논리적 관계를 도출할 수 있는 방식으로 백앤드에 전송하기 위하여 정보(예: 펄스파 정보, 시간 정보, 증상 특정 정보, 진단 정보)를 편집할 수 있다. 예를 들어, 정보는 특정 환자 / 대상자 방문 및 종사자에게 고유한, 공유되는 고유 식별자를 통해 모두 논리적으로 연관될 수 있다. 일부 경우, 정보는 특정 환자(즉, 익명화된)를 고유하게 식별할 정보 없이 전송될 수 있으며, 이는 기계 학습을 위한 데이터 세트를 최초로 준비할 때 특히 유용할 수 있다. 다른 곳에서 언급했듯이, 프론트 앤드 시스템은 수집된 정보를 백앤드 시스템으로 전송하기 위해 알려진 통신 방법을 사용할 수 있다.
선택적으로 916에서, 프론트 앤드 시스템은 하나 이상의 시스템 생성 주 진단 및/또는 하나 이상의 시스템 생성 2차 진단을 수신한다. 일부 경우, 수집 된 정보는 데이터베이스 또는 데이터 세트를 채우기 위한 목적으로만 전송될 수 있다. 그러한 경우, 수집된 정보는 일반적으로 종사자의 자체 진단을 포함할 것이다. 따라서, 그러한 경우에는 시스템 생성 진단을 반환할 이유가 없을 수 있다. 다른 경우, 종사자는 진단을 받지 못할 수 있고, 또는 시스템 생성 진단에 대해 그의 진단을 확인받기를 원할 수 있다.
방법 (900)은 918에서 종료한다. 일부 구현예에서, 방법 (900)은 연속적으로 또는 주기적으로 반복될 수 있다. 방법 (900)은 예를 들어, 하나 이상의 프로세서 상에서 동작하는 다수의 스레드와 같이 다수의 경우에 병렬로 실행될 수 있다.
도 10은 적어도 하나의 예시된 구체예에 따른 진단 환경에서의 동작 방법(1000)을 도시한다. 방법 1000은 도 1에 대해 설명되고 기술된 것과 유사 또는 동일한 벡앤드 시스템에 의해 실행될 수 있다.
방법 (1000)은 1002에서 시작한다. 예를 들어, 방법 (1000)은 백앤드 시스템 또는 그 일부에 전력을 공급할 때 시작할 수 있다. 대안적으로, 방법 (1000)은 프론트 앤드 시스템에 의한 질의 또는 요청의 수신시 또는 프론트 앤드 시스템으로부터 수집된 정보의 제출시에 시작할 수 있다. 또 다른 대안으로서 방법 (1000)은 호출 프로그램, 루틴 또는 서브 루틴에 의해 호출되는 것에 응답하여 시작할 수 있다. 한 대상자의 관점에서 기술되었지만, 방법 (1000)은 많은 수의 대상자들과 함께, 및 많은 수의 종사자들에 의해 사용될 수 있고, 이는 기계 학습 기법에 의존하는 범위까지 시스템의 신뢰성을 유리하게 개선할 수 있다.
1004에서, 백앤드 시스템은 프론트 앤드 시스템들 중 하나로부터 펄스 신호 정보를 수신한다. 펄스 신호 정보는 다양한 형태를 취할 수 있다.
펄스 신호 정보는 하나 이상의 인가된 힘의 레벨에서, 따라서 피부 및 동맥의 압력(depression) 깊이에서, 동맥을 따르는 하나 이상의 위치로부터 샘플링된 하나 이상의 펄스 파형의 표시를 포함할 수 있다. 펄스 신호 정보는 아날로그 펄스 파형, 디지털화된 펄스 파형, 및/또는 펄스 파형을 특징짓는 정보, 예를 들어 펄스 파형의 하나 이상의 정의된 특성 또는 정의된 특징에 대한 값의 형태를 취할 수 있다.
펄스 신호 정보는 또한 각 펄스 파형 표시 또는 데이터에 대해 인가된 힘, 압력 또는 깊이 (피부 또는 조직의 변형)의 레벨을 특정하는 정보를 포함 할 수 있다.
펄스 신호 정보는 또한 펄스 파형 표시 또는 데이터 중 하나 이상, 또는 바람직하게는 모두에 대한 시간 정보를 특정하는 정보를 포함할 수 있다. 백앤드 시스템은 시간 정보를 이용하여 펄스 파형 표시 중 임의의 가능한 노이즈로부터 펄스 파형의 다양한 정의된 특성 또는 특징을 더 잘 구별할 수 있다. 일부 구현 예에서, 프론트 앤드 시스템은 펄스 파형을 전 처리하는데 시간 정보를 사용할 수 있으므로, 백앤드 시스템이 시간 정보를 수신할 필요가 없을 수도 있다. 백앤드 시스템은 증상 정보의 유무에 관계없이, 시스템 생성 진단을 결정하거나 생성하기 위해 펄스 파형 및 힘, 압력 또는 깊이 정보를 사용한다. 힘, 압력 또는 깊이 정보는 특히 혈관 구조에서 다양한 반사를 생성하는 것과 관련되어, 백앤드 시스템이 펄스 파형 분석에서 반사계의 한 형태를 사용할 수 있게 한다. 예를 들어, 일부 구현예에서, 시스템은 주 펄스 이벤트 동안 발생하는 반사를 검출하기 위해 현재의 펄스 파형으로부터 이전 펄스 파형들 평균의 감산을 평균 할 수 있다. 이는 시스템이 다르게는 현재 또는 다음 펄스 주기 내에 숨겨져 있었을 반사를 검출 및 특성화하게 할 수 있습니다. 본 명세서에서의 신호 분석은 일반적으로 시간 도메인 신호 분석 기법에 관하여 논의되지만, 시스템 (100)은 주파수 도메인 신호 분석 기법을 사용할 수 있다.
1006에서, 백앤드 시스템은 프론트 앤드 시스템으로부터 하나 이상의 주 증상 및/또는 2차 증상을 수신한다. 주 증상 및/또는 2차 증상은 특정 대상자가 경험했거나 경험하고 있는 증상, 또는 종사자가 펄스 파형 정보가 생성된 특정 대상자에서 관찰한 증상이다. 일부 구현예에서, 백앤드 시스템은 펄스 파형을 평가하고 주 진단 또는 2차 진단이 생성된 하나 이상의 시스템을 생성하는 것 이외에 또는 그 일부로서 대상자의 증상을 고려할 것이다. 주 증상은 상태, 질환 또는 병을 진단하는데 더 관련 있을 것 같은 증상일 수 있고, 2차 증상은 덜 관련 있는 것으로 간주되는 증상 또는 많은 상태, 질환 또는 병에 공통적인 증상일 수 있다.
1008에서, 백앤드 시스템은 하나 이상의 주 진단 및/또는 하나 이상의 2차 진단을 수신한다. 주 진단 및/또는 2차 진단은 대상자를 검사하는 종사자에 의해 제공되는 진단이다. 일부 경우, 주 진단 및/또는 2차 진단은 종사자에 의해 도달된 결론일 수 있고, 데이터베이스 또는 정보의 데이터 세트 형성 돕기 위해 종사자가 제출하는 것일 수 있다. 일부 경우, 주 진단 및/또는 2차 진단은 종사자에 의해 도달된 예비 결론일 수 있고, 시스템 생성 주 진단 및/또는 2차 진단에 대한, 또는 대상자와 실무자의 대규모 집단, 및 따라서 펄스 파형 및 상태, 질환 또는 병의 대규모 집단으로부터 생성된 데이터베이스 또는 데이터 세트에 대한 유효성 확인을 위해 종사자가 제출하는 것일 수 있다. 또 다른 예에서, 주 진단 및/또는 2차 진단은 훈련의 일부로서 종사자에 의해 도달된 결론일 수 있고, 시스템 생성 주 진단 및/또는 2차 진단에 대한 유효성 확인을 위해 종사자가 제출하는 것일 수 있다. 일부 구현예에서, 백앤드 시스템은 하나 이상의 시스템 생성 주 진단 또는 2차 진단을 생성하는데 있어 펄스 파형 및/또는 증상을 평가하는 것 이외에 또는 그의 일부로 특정 대상자에 대한 종사자의 주 진단 및/또는 2차 진단을 고려할 것이다.
별개의 동작으로 기술되지만, 백앤드 시스템은 특정 대상자에 대하여 펄스 신호 정보, 하나 이상의 주 증상 및/또는 2 차 증상 및/또는 하나 이상의 주 진단 및/또는 하나 이상의 2차 진단을 동시에 수신할 수 있다. 일부 구현예에서, 수집된 모든 정보는 패키지화되고 하나의 단위로 전송될 수 있다. 이러한 정보는 대상자 특이 식별 정보, 예를 들어 이름, 주소, 사회 보장 번호 또는 기타 고유 식별 정보를 포함하거나 포함하지 않을 수 있다. 그러한 정보는 비-대상자(non-subject) 특이 식별 정보, 예컨대 대상자의 인구통계 정보, 예를 들어 연령 또는 연령대, 성별, 인종 또는 민족, 흡연자 상태 등을 포함하거나 포함하지 않을 수 있다. 그러한 정보는 비-대상자 특이 식별 정보, 예컨대 대상자 병력을 포함하거나 포함하지 않을 수 있다.
1010에서, 백앤드 시스템은 수신된 정보를 저장한다. 예를 들어, 런타임 시스템은 수신된 정보를 하나 이상의 비휘발성 컴퓨터 또는 프로세서-판독가능 매체 내 또는 매체 상에 데이터베이스, 데이터 세트 또는 기타 데이터 구조에 저장할 수 있다.
단계 (1012)에서, 백앤드 시스템은 펄스 신호 파형 표시의 정의된 특성 또는 특징을 결정 또는 식별한다. 전술한 바와 같이, 펄스 파형은 다양한 정의 특성 또는 특징, 예를 들면, 글로벌 맥시마, 글로벌 미니마, 로컬 맥시마, 로컬 미니 마, 슬로프 또는 그래디언트, 또는 기타 정의된 특성 또는 특징의 다양한 쌍들 간의 시간 또는 주파수를 가질 수 있다. 본 명세서의 다른 곳에 기술된 바와 같이, 백앤드 시스템은 펄스 신호 파형 표시의 정의된 특성 또는 특징을 결정 또는 식별하기 위해 다양한 기계 학습 기법을 사용할 수 있다.
단계 (1014)에서, 백앤드 시스템은 정의된 특성 또는 특징의 다양한 값과 하나 이상의 진단 간의 하나 이상의 상관관계를 결정 또는 식별한다. 본 명세서의 다른 곳에 기술된 바와 같이, 백앤드 시스템은 정의된 특성 또는 특징의 다양한 값과 하나 이상의 진단 간의 하나 이상의 상관관계를 결정 또는 식별하기 위해 다양한 기계 학습 기법을 사용할 수 있다.
방법 (1000)은 단계 1016에서 종료한다. 일부 구현예에서, 방법 (1000)은 연속적으로 또는 주기적으로 반복될 수 있다. 방법 (1000)은 예를 들어 하나 이상의 프로세서 상에서 동작하는 다수의 스레드(thread)와 같이 다수의 경우(instance)에 병렬로 실행될 수 있다.
도 11은 적어도 하나의 예시된 구체예에 따른 진단 환경에서의 동작 방법 (1100)을 도시한다. 방법 (1100)은 도 1에 대해 설명되고 기술된 것과 유사 또는 동일한 벡앤드 시스템에 의해 구현될 수 있다. 예를 들어, 방법 (1100)은 런타임 시스템, 예를 들어 기계-학습 생성 데이터 세트에 의해 실행될 수 있다.
방법 (1100)은 1102에서 시작한다. 예를 들어, 방법 (1100)은 백앤드 시스템 또는 그 일부(예: 런타임 시스템)에 전력을 공급할 때 시작할 수 있다. 대안적으로, 방법 (1100)은 프론트 앤드 시스템에 의한 질의 또는 요청의 수신시 또는 프론트 앤드 시스템으로부터 수집된 정보의 제출시에 시작할 수 있다. 또 다른 대안으로서 방법 (1100)은 호출 프로그램, 루틴 또는 서브 루틴에 의해 호출되는 것에 응답하여 시작할 수 있다. 한 대상자의 관점에서 기술되었지만, 방법 (1100)은 많은 수의 대상자들과 함께, 및 많은 수의 종사자들에 의해 사용될 수 있고, 이는 기계 학습 기법에 의존하는 범위까지 시스템의 신뢰성을 유리하게 개선할 수 있다.
1104에서, 백앤드 시스템은 펄스 신호 정보 및 진단 정보를 익명화 형태로 수신한다. 따라서, 수신된 정보는 가능하게는 익명화 정보를 제출한 종사자에 의한 것을 제외하고는, 수신된 정보가 관련되었던 특정 대상자에게로 다시 관련될 수 없다. 일부 구현에서, 익명화 정보를 제출한 종사자조차 제출된 정보를 다시 특정 대상자와 관련시킬 수 없다.
1106에서, 백앤드 시스템은 익명화 정보에 대한 하나 이상의 일치 항목(match)를 찾는다. 예를 들어, 백앤드 시스템은 데이터베이스, 데이터 세트 또는 기타 데이터 구조에 대해 다양한 일치 알고리즘을 사용할 수 있다. 또한 예를 들어, 백앤드 시스템은 기계 학습 시스템 및/또는 데이터 세트를 사용하여 하나 이상의 일치 항목을 찾을 수 있다. 백앤드 시스템은 정확한 일치 항목을 찾을 수 있다. 대안적으로 또는 추가적으로, 백앤드 시스템은 느슨한 일치 항목을 찾을 수 있고, 이는 제한조건 집합의 일부 하위 집합이 충족되거나 일부 제한조건 자체가 느슨하게 충족되는 경우 (즉, 제한조건의 값이 목표값과 정확하게 일치하지 않지만, 목표값의 허용가능한 범위 내에 있음) 일치 항목이다.
1108에서, 백앤드 시스템은 매칭에 기초하여 하나 이상의 주 진단 및/또는 2차 진단을 생성 및/또는 제공한다. 예를 들어, 백앤드 시스템은 특정 제한조건 또는 기준에 대한 많은 수 또는 비율의 일치 항목을 발견할 수 있고, 이들 일치 항목에 대응하거나 해당하는 진단을 사용할 수 있다. 예를 들어, 백앤드 시스템은 주어진 위치 및/또는 인가된 힘 또는 압력에 대해 동일 또는 유사한 펄스 파형을 가진 다른 대상자의 수많은 사례를 발견할 수 있다. 백앤드 시스템은 적어도 부분적으로는 일치 항목에 있어서 종사자 할당된 또는 생성된 주 진단 및/또는 2차 진단의 공통점(consensus)에 기초하여 하나 이상의 주 진단 및/또는 2차 진단을 생성할 수 있다. 부가적으로 또는 대안적으로, 백앤드 시스템은 일치 항목을 찾는데 하나 이상의 주 증상 및/또는 2차 증상을 포함할 수 있다.
방법 (1100)은 1110에서 종료한다. 일부 구현예에서, 방법 (1100)은 연속적으로 또는 주기적으로 반복될 수 있다. 방법 (1100)은 예를 들어 하나 이상의 프로세서 상에서 동작하는 다수의 스레드와 같이 다수의 경우에 병렬로 실행될 수 있다.
도 12는 적어도 하나의 예시된 구체예에 따른 진단 환경에서의 동작 방법(1200)을 도시한다. 방법 1200은 도 1에 대해 설명되고 기술된 것과 유사 또는 동일한 벡앤드 시스템에 의해 실행될 수 있다. 예를 들어, 방법 1200은 런타임 시스템에 의해, 예를 들어 기계 학습 생성 데이터 세트를 사용하여 실행될 수 있다.
방법 (1200)은 1202에서 시작한다. 예를 들어, 방법 (1200)은 백앤드 시스템 또는 그 일부(예: 런타임 시스템)에 전력을 공급할 때 시작할 수 있다. 대안적으로, 방법 (1200)은 프론트 앤드 시스템에 의한 질의 또는 요청의 수신시, 또는 프론트 앤드 시스템으로부터 수집된 정보의 제출시에 시작할 수 있다. 또 다른 대안으로서 방법 (1200)은 호출 프로그램, 루틴 또는 서브 루틴에 의해 호출되는 것에 응답하여 시작할 수 있다. 한 대상자의 관점에서 기술되었지만, 방법 (1200)은 많은 수의 대상자들과 함께, 및 많은 수의 종사자들에 의해 사용될 수 있고, 이는 기계 학습 기법에 의존하는 범위까지 시스템의 신뢰성을 유리하게 개선할 수 있다.
1204에서, 백앤드 시스템은 펄스 신호 정보 및 진단 정보를 익명화 형태로 수신한다. 따라서, 수신된 정보는 가능하게는 익명화 정보를 제출한 종사자에 의한 것을 제외하고는, 수신된 정보가 관련되었던 특정 대상자에게로 다시 관련될 수 없다. 일부 구현예에서, 익명화 정보를 제출한 종사자조차 제출된 정보를 다시 특정 대상자와 관련시킬 수 없다.
1206에서, 백앤드 시스템은 익명화 정보에 대한 하나 이상의 일치 항목을 찾는다. 예를 들어, 백앤드 시스템은 데이터베이스, 데이터 세트 또는 기타 데이터 구조에 대해 다양한 일치 알고리즘을 사용할 수 있다. 또한 예를 들어, 백앤드 시스템은 기계 학습 시스템 및/또는 데이터 세트를 사용하여 하나 이상의 일치 항목을 찾을 수 있다. 백앤드 시스템은 정확한 일치 항목을 찾을 수 있다. 대안적으로 또는 추가적으로, 백앤드 시스템은 느슨한 일치 항목을 찾을 수 있고, 이는 제한조건 집합의 일부 하위 집합이 충족되는 경우 또는 일부 제한조건 자체가 느슨하게 충족되는 경우(즉, 제한조건의 값이 목표값과 정확하게 일치하지 않지만, 목표값의 허용가능한 범위 내에 있음) 일치 항목이다.
1208에서, 백앤드 시스템은 종사자에 의해 제공되는 하나 이상의 주 진단 및/또는 2차 진단을 하나 이상의 시스템 결정된 또는 생성된 주 진단 및/또는 2차 진단과 비교한다. 따라서, 벡앤드 시스템은 대상자 및 종사자의 대규모 집단, 및 따라서 펄스 파형 및 상태, 질환 또는 병의 대규모 집단으로부터 생성된 데이터베이스 또는 데이터 세트를 사용하여 종사자의 주 진단 및/또는 2차 진단이 시스템에 의해 생성된 진단과 일치하는지 여부를 결정할 수 있다. 부가적으로 또는 대안적으로, 백앤드 시스템은 종사자의 주 진단 및/또는 2차 진단이 시스템에 의해 생성된 진단과 얼마나 근접한지를 결정할 수 있다.
1210에서, 백앤드 시스템은 종사자에게 피드백을 제공한다. 피드백은 다양한 형태를 취할 수 있다. 예를 들어, 피드백은 주어진 진단 관련 정보 세트에 대하여 종사자의 주 진단 및/또는 2차 진단의 표시 및 시스템 생성 주 진단 및/또는 2차 진단의 표시를 포함할 수 있다. 피드백은 주어진 진단 관련 정보 세트에 대하여 가장 일반적이거나 가장 많이 발생하는 주 진단 및/또는 2차 진단의 표시를 포함할 수 있다. 피드백은 주어진 진단 관련 정보 세트에 대하여 덜 일반적이지만 여전히 흔한 주 진단 및/또는 2차 진단의 표시를 포함할 수 있다. 피드백은 적어도 부분적으로 종사자의 주 진단 및/또는 2차 진단이 시스템에 의해 생성된 진단과 얼마나 근접하게 일치하는지에 기초하여 점수를 부여하는 것을 포함할 수 있다.
방법 (1200)은 1212에서 종료한다. 일부 구현예에서, 방법 (1200)은 연속적으로 또는 주기적으로 반복될 수 있다. 방법 (1200)은 예를 들어 하나 이상의 프로세서 상에서 동작하는 다수의 스레드와 같이 다수의 경우에 병렬로 실행될 수 있다.
도 13은 적어도 하나의 예시된 구체예에 따른 진단 환경에서의 동작 방법 (1300)을 도시한다. 방법 (1300)은 도 1과 관련하여 설명되고 기술된 것과 유사 또는 동일한 프론트 앤드 시스템에 의해 구현될 수 있다.
방법 (1300)은 1302에서 시작한다. 예를 들어, 방법 (1300)은 백앤드 시스템 또는 그 일부(예: 런타임 시스템)에 전력을 공급할 때 시작할 수 있다. 대안적으로, 방법 (1300)은 프론트 앤드 시스템에 의한 질의 또는 요청의 수신시, 또는 프론트 앤드 시스템으로부터 수집된 정보의 제출시에 시작할 수 있다. 또 다른 대안으로서 방법 (1200)은 호출 프로그램, 루틴 또는 서브 루틴에 의해 호출되는 것에 응답하여 시작할 수 있다. 한 대상자의 관점에서 기술되었지만, 방법 (1300)은 많은 수의 대상자들과 함께, 및 많은 수의 종사자들에 의해 사용될 수 있고, 이는 기계 학습 기법에 의존하는 범위까지 시스템의 신뢰성을 유리하게 개선할 수 있다.
1304에서, 하나 이상의 센서 또는 변환기는 동맥(예: 요골 동맥)을 따르는 제1 위치의 제1 인가된 압력에서 제1 펄스 신호 파형을 포착한다. 1306에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제1 위치의 제2 인가된 압력에서 제2 펄스 신호 파형을 포착한다. 1308에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제1 위치의 제3 인가된 압력에서 제3 펄스 신호 파형을 포착한다.
단계 (1310)에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제2 위치의 제1 인가된 압력에서 제4 펄스 신호 파형을 포착한다. 1312에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제2 위치의 제2 인가된 압력에서 제5 펄스 신호 파형을 포착한다. 1314에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제2 위치의 제3 인가된 압력에서 제6 펄스 신호 파형을 포착한다.
단계 (1316)에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제3 위치의 제1 인가된 압력에서 제7 펄스 신호 파형을 포착한다. 1318에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제3 위치의 제2 인가된 압력에서 제8 펄스 신호 파형을 포착한다. 1320에서, 하나 이상의 센서 또는 변환기는 동맥을 따르는 제3 위치의 제3 인가된 압력에서 제9 펄스 신호 파형을 포착한다.
펄스 신호 파형은 대상자(106)의 피부 조직을 통해, 바람직하게는 대상자의 손의 엄지 쪽에 있는 손목 뼈에 근접한 요골 동맥을 따르는 하나 이상의 위치에서, 및 하나 이상의 인가된 힘 또는 압력의 레벨에서 포착된 펄스 파형을 나타낸다. 이 방법은 유리하게도 비 침습적이어서 바늘을 필요로 하지 않거나 피부에 구멍을 뚫을 필요가 없다.
제1, 제2 및 제3 위치는 바람직하게는, 예를 들어 성인의 손가락 너비(예: 5/8 인치) 내에서 근접하게 이격되어 있다. 주어진 인가된 힘 또는 압력에서 다양한 위치에서의 펄스 신호 파형은 바람직하게는 시간상 서로 근접하여(예: 2 밀리초 이내) 포착된다.
단계 (1322)에서, 하나 이상의 센서 또는 변환기가 시간을 포착한다. 예를 들어, 하나 이상의 EKG 센서 또는 전극이 대상자 심장의 전기적 활성을 검출할 수 있다. 대안적으로, 초음파 사진(echogram)은 대상자 심장의 움직임을 포착할 수 있다. 시간 정보는, 예를 들면, 펄스 주기의 시작 시간, 펄스 주기의 종료 시간, 펄스 주기의 길이 시간 등을 포함 할 수 있다.
시간 정보는 복수의 펄스 파형과 별도로 감지되는 심장 주기의 이벤트를 나타낸다. 예를 들어, 시간 정보는 EKG 변환기로 감지되는 심전도(EKG) 신호를 나타내고, 펄스 신호 파형은 알려진 시간 범위만큼 심전도(EKG) 신호에 대해 지연된다.
1324에서, 프론트 앤드 시스템은 펄스 신호 파형으로부터의 펄스 파형 정보 및 시간 정보를 생성한다.
1326에서, 프론트 앤드 시스템 또는 그 구성요소(예: 사용자 인터페이스 시스템)는 증상 정보(예: 주 증상 및/또는 2차 증상)를 수신한다. 그러한 사항은 종사자에 의해 입력될 수 있고, 대상자가 보고한 또는 종사자가 관찰한 주 증상 및/또는 2차 증상을 포함할 수 있다.
1328에서, 프론트 앤드 시스템 또는 그 구성요소(예: 사용자 인터페이스 시스템)는 진단 정보(예: 주 진단 및/또는 2차 진단)를 수신한다. 그러한 사항은 종사자에 의해 입력될 수 있고, 대상자의 검사를 기초로 종사자가 생성한 주 진단 및/또는 2차 진단을 포함할 수 있다. 예를 들어, 검사는 일반적으로 전통 중국 의료 종사자에 의한 검사의 일부로 수행되는 것과 같이, 종사자 자신의 손가락(들)을 통한 대상자의 펄스 파형에 대한 수동 검사를 포함할 수 있다. 전통 중국 의료 종사자 집합으로부터, 및 특히 잘 알려진 전통 중국 의료 종사자로부터 주 진단 및/또는 2차 진단의 수집은, 시스템이 시스템 생성 진단을 생성할 수 있는 매우 신뢰할 수 있는 데이터베이스 또는 데이터 세트를 구축할 수 있다.
1330에서, 프론트 앤드 시스템 또는 그 구성요소는 펄스 파형 정보, 증상 정보 및/또는 진단 정보를 백앤드 시스템에 전송한다. 프론트 앤드 시스템은 암호화된 및 암호화되지 않은 통신을 포함하는 모든 통신 채널 또는 장비를 사용할 수 있다. 적어도 하나의 구현예에서, 백앤드 시스템 기능은 웹 인터페이스 또는 포털을 사용하여 쿼리 또는 요청을 제출하고 진단을 포함한 응답을 수신하는 서비스로서의 소프트웨어(software as a service: SaaS) 모델로 제공될 수 있다.
일부 구현예에서, 사용자 인터페이스 장치는 심혈관 시스템에서 알려진 파형을 생성할 수 있는 액츄에이터를 포함할 수 있다. 예를 들어, 솔레노이드, 스피커, 초음파 변환기 또는 다른 액추에이터는 사용자 인터페이스 장치의 하나 이상의 센서 또는 변환기에 의해 검출될 수 있는, 동맥 내로 에너지를 넣기 위한 덤퍼(thumper) 또는 핑거(pinger)로서 작용할 수 있다. 예를 들어, 센서 또는 변환기가 배치된 측면(예: 오른쪽 팔뚝상의 오른쪽 손목 근처의 액추에이터, 왼쪽 팔뚝상의 왼쪽 손목 근처의 센서 또는 변환기)으로부터 대상자의 반대 편에 있는 요골 동맥으로 알려진 파형이 도입될 수 있다. 프론트 앤드 또는 백앤드 시스템은 혈류 역학 시스템을 모델링하는데 있어서, 및 다양한 건강 지표를 예측하거나 결정하는데 있어서 수집된 펄스 파형 정보 및 알려진 파형을 사용할 수 있다.
방법 (1300)은 단계 (1332)에서 종료한다. 일부 구현예에서, 방법 (1300)은 연속적으로 또는 주기적으로 반복될 수 있다. 방법 (1300)은 예를 들어 하나 이상의 프로세서 상에서 동작하는 다수의 스레드와 같이 다수의 경우에 병렬로 실행될 수 있다.
도 14는 적어도 하나의 예시된 구체예에 따른 진단 환경에서의 동작 방법 (1400)을 도시한다. 방법 (1400)은 도 1과 관련하여 설명되고 기술된 것과 유사 또는 동일한 백앤드 시스템에 의해 구현될 수 있다.
방법 (1400)은 훈련 시간 부분 및 런타임 부분의 관점에서 논의된다. 훈련 시간 부분은 예를 들어, 하나 이상의 기계 학습 기법을 통한 모델의 훈련에 해당할 수 있다. 훈련은 예를 들어, 도 1과 관련하여 기술된 것과 유사하거나 동일한 기계 학습 또는 훈련 시스템을 통해 구현될 수 있다. 예를 들어, 바람직하게는 대상자, 종사자, 및 선택적으로 증상, 상태, 질환 및 병의 대규모 집단을 포함하는 데이터베이스 또는 데이터 세트로부터 생성되는 진단 관련 정보를 제공하는 것 및 상기 진단 관련 정보에 기초하여 하나 이상의 진단을 수신하는 것에 의해, 런타임은 훈련된 모델에 결과를 문의하는 것에 해당할 수 있다. 진단 학적으로 관련된 정보에 기초하여 하나 이상의 진단 정보를 수신하는 단계를 포함한다.
방법 (1400)은 단계 (1402)에서 시작한다. 예를 들어, 방법 (1400)은 백앤드 시스템 또는 그 일부에 전력을 공급할 때 시작할 수 있다. 대안적으로, 방법 (1000)은 프론트 앤드 시스템에 의한 질의 또는 요청의 수신시, 또는 프론트 앤드 시스템으로부터 수집된 정보의 제출시에 시작할 수 있다. 또 다른 대안으로서 방법 (1400)은 호출 프로그램, 루틴 또는 서브 루틴에 의해 호출되는 것에 응답하여 시작할 수 있다. 한 대상자의 관점에서 기술되었지만, 방법 (1400)은 많은 수의 대상자들과 함께, 및 많은 수의 종사자들에 의해 사용될 수 있고, 이는 기계 학습 기법에 의존하는 범위까지 시스템의 신뢰성을 유리하게 개선할 수 있다.
1404에서, 훈련 시간 동안, 기계 학습 또는 훈련 시스템은 펄스 파형 정보, 증상 및 진단 정보에 대한 기계 학습을 수행한다. 기계 학습 또는 훈련 시스템은 예를 들어, 다양한 펄스 파형의 정의된 특성 또는 특징의 세트를 결정할 수 있다. 기계 학습 또는 훈련 시스템은 예를 들어, 정의된 특성 또는 특징값의 다양한 값과 다양한 진단 간의 상관관계 세트를 결정할 수 있다. 기계 학습 또는 훈련 시스템은 예를 들어, 증상과 정의된 특성 또는 특징 또는 그 값 간의 상관관계 세트를 결정할 수 있다. 기계 학습 또는 훈련 시스템은 예를 들어, a) 하나 이상의 증상 및 하나 이상의 정의된 특성 또는 특징 또는 그 값의 조합과 b) 다양한 진단, 예를 들어, 하나 이상의 증상과 하나 이상의 정의된 특성 또는 특징 또는 그 값의 유사 조합에 대하여 전통 중국 의료 종사자에 의해 수행된 진단 간의 상관관계 세트를 결정할 수 있다.
단계 (1406)에서, 런타임 동안, 런타임 시스템은 주어진 대상자에 대하여, 특정 진단 관련 정보(예: 예컨대 인가된 힘 및 시간 정보, 증상 정보, 예비 진단을 포함하는 펄스 파형 표시)를 특정하는 하나 이상의 문의 또는 요청을 수신한다.
1408에서, 런타임 동안, 런타임 시스템은 예를 들어, 기계 학습 데이터 세트(예: 출력 레이어)를 사용하여 수신된 진단 관련 정보에 적어도 부분적으로 기초하여 하나 이상의 주 진단 및/또는 2차 진단을 결정한다.
1410에서, 런타임 동안, 런타임 시스템은 질의 또는 요청에 대한 응답을 제공하고, 이는 대상자에 대하여 시스템 생성된 하나 이상의 주 진단 및/또는 2차 진단을 포함한다. 응답은 특정 대상자 및 방문에 대한 초기 진단이 포함될 수 있다. 대안적으로, 응답은 특정 대상자 및 방문에 대하여 종사자에 의해 이전에 확인된 진단을 확인하거나 대조할 수 있다.
방법 (1400)은 1412에서 종료한다. 일부 구현예에서, 방법 (1400)은 연속적으로 또는 주기적으로 반복될 수 있다. 방법 (1400)은 예를 들어, 하나 이상의 프로세서 상에서 동작하는 다수의 스레드와 같이 다수의 경우에 병렬로 실행될 수 있다.
보다 상세한 알고리즘
1. N개의 필터 트랩을 사용하여 피에조(Piezo) 변환기 출력(들)을 로우 패스 필터한다. 예를 들어, 라인 또는 주 전원에서 험(humg)을 제거하기 위해 60Hz 미만으로 필터링한다. 정확한 주파수는 필터 기울기(즉, dB/옥타브)에 따라 변할 것이다.
2. N개의 필터 트랩을 사용하여 ECG 센서 출력(들)을 밴드 패스 필터하고, 여기서 N은 상기 1로부터의 로우 패스 필터 트랩의 수 N과 동일한 수이므로 필터링으로 인한 위상 오프셋이 정확히 동일하다. 예를 들어, 10Hz 내지 45Hz의 필터. 정확한 시작-정지 대역 주파수는 필터 기울기(즉, dB/옥타브)에 따라 변할 것이다. 이는 심장에 대한 주요 신호의 예리한/신속한 피크를 끌어내어, 마스터 시간 기준(예: 시간 신호)으로 사용된다.
3. 피에조 및 ECG 어레이를 윈도화(즉, 트리밍)하여 에지(예: 피에조 어레이의 약 1/20)에서 필터 잡음(artifact)를 제거한다.
4. 피에조 어레이의 끝이 손가락 움직임(예: 동맥 해제 센서(a lifting sensor off artery))을 나타내는지 여부를 결정한다. 예를 들어, 피에조 어레이(N1)의 마지막 1/3의 시작 부분에서 최대/피크 어레이 샘플값을 취하고, 피에조 어레이의 두 번째 마지막 세 번째 절반이 Piezo 어레이의 이전 절반(N1)에서 나타나는 최대값보다 큰 정해진 배수(예: 2.7배)를 포함하는지 여부를 결정함으로써 그와 같이 검출될 수 있다.
5. 4에서의 결정이 정해진 배수(예: 2.7배)보다 크거나 같은 값을 반환할 경우, 피에조 어레이 및 ECG 어레이의 마지막 여섯 번째를 제거한다.
6. Piezo 어레이(N2)의 마지막 절반 1/3의 시작 부분에서 최대/피크 어레이 샘플값을 취하고, 피에조 어레이의 처음 1/6이 최대값(N2)보다 큰 정해진 배수(예: 2.7배)인 값을 포함하는지 여부를 결정함으로써, Piezo 어레이의 시작 부분이 손가락 움직임(예: 동맥에 센서를 배치함)을 나타내는지 여부를 결정한다.
7. 6에서의 결정이 정해진 배수(예: 2.7배)보다 크거나 같은 값을 반환할 경우, 피에조 어레이 및 ECG 어레이의 처음 여섯 번째를 제거한다.
8. 피에조 변환기의 출력 신호(들)가 반전되는지 여부를 결정한다. 예를 들어, Piezo 어레이의 마지막 1/3을 취하고 전체 어레이의 정규화된 평균이 0.5를 초과하는지 여부를 확인한다. 예를 들어, 그와 같은 것은 0과 1 사이에 정규화하는 것, 피에조 어레이의 요소 합산하는 것, 및 어레이 요소의 전체 수에 의해 나누는 것에 의해 달성될 수 있다.
9. 8에서의 결정이 0.5보다 크거나 같은 값을 반환할 경우, 피에조 신호를 반전시킨다.
10. 피에조 및 ECG 신호(들)가 피크 검출을 위한 최소 신호 높이보다 큰지 여부를 확인한다. 그렇지 않다면, 펄스 추출기는 제로 펄스를 반환한다(즉, 환자에게 연결되지 않은 센서로부터의 잡음을 처리하지 않음).
11. 예를 들어 ECG 신호의 정렬된(예: 더 작은 값 내지 더 큰 값) 어레이를 취하고 그 값들 중 상위 5 %의 최소값을 취함으로써, 펄스 피크 검출기에 대한 ECG 펄스 높이의 평균을 추정한다.
12. 위의 11에서 추정된 평균의 결과값을 초과하는 샘플에 대해 ECG 어레이를 검색함으로써 ECG 펄스 위치의 어레이를 생성한다. 발견되면, 11에 대해 다시 신호가 결과값 미만으로 떨어지기 전에 최대값(P1)을 찾는다.
13. 모든 개별 피에조 펄스의 2차원(2D) 배열을 생성하기 위해 피에조 배열로부터 ECG 펄스 위치들 사이에서 배열 서브세트를 취한다.
14. 개별 펄스를 보고 펄스 전파 시간(즉, ECG 신호와 손목에 도달하는 펄스파의 시간 사이의 시간)을 밀리초 단위로 계산하기 위해 피에조 펄스 이벤트의 2D 어레이를 인덱싱한다. 이는 피에조 펄스 어레이에서 최대값의 인덱스를 찾고, 그것을 1000(즉, 밀리 초)을 샘플 속도(Hz)로 나눈 결과와 곱함으로써 달성될 수 있다. 결과는 기록된 데이터의 모든 펄스에 대한 펄스 전파 시간의 일차원(1D) 배열이다.
15. 펄스 간격은 ECG 펄스 위치 배열의 인접한 값들에서의 차이이며 그것을 샘플 속도(Hz)로 1000을 나눈 결과를 곱한 값이다.
16. 환자 움직임/펄스 품질의 추정은 추출된 전체 피에조 변환기 감지된 펄스 어레이(즉, 평균 펄스)의 정규화된 평균을 취하고, 추출된 펄스 어레이에서 각 펄스에 대한 정규화된 펄스를 감산함으로써 수행된다. 정규화된 차이의 합은 추출된 펄스 배열의 각 펄스에 대한 이동에 의해 크게 영향받는 측정 기준(metric)을 제공한다.
본 시스템 및 방법은 개입이 가장 효과적일 수 있을 경우, 심혈관 및 관련 질환에 대한 저비용 조기 경보 시스템을 제공할 수 있다. 상기 시스템 및 방법은 동맥 펄스의 동적 특성을 나타내는 펄스 파형의 획득에 의존하고, 이는 결국 심장, 혈액 및 혈관, 조직 및 기관을 통한 혈액의 상호 작용 및 풍부를 포함하는 심혈관계의 기능성을 나타낸다. 수집된 측정치 또는 측정치로부터 식별 된 특성은 펄스 이동 시간(예: 반사 계측법), 혈류 역학(예: 심장의 강도), 동맥 경화(예: 심장 효율), 및 혈액 점도를 포함한다. 종종 현재 심장 주기의 지배적인 펄스 파형에 의해 가려져 열등한, 2차적인 또는 기저의 것으로 명명됨에도 불구하고, 이 시스템은 현재의 심장 주기 중 우세 또는 일차 펄스 파형을 포함하는, 심혈관계의 혈류 역학을 특성화하고 해석할 수 있으며, 현재 심장 주기 중에 나타나는 이전 심장 주기로부터의 펄스 파형의 반사를 가능하게 한다
이 시스템은 관상동맥 허혈, 심장 판막 기능, 심장 근육 염증, 승모판 막(mitral valve) 문제, 다발 분지 막힘, 삼첨판 막(tricuspid valve) 문제, 고혈압, 대동맥 판막 문제, 불규칙 심장 박동, 대동맥 기능 부전, 심방 세동, 작은 혈관 막힘, 빈맥, 약한 심장, 서맥, 확대된 심장, 울혈성 심장, 관상 동맥 혈류 (혈종), 동맥 경화, 뇌졸중을 포함하는 다수의 상태를 진단하는데 이용될 수 있다.
이 시스템은 요골 동맥 펄스의 공간적 및 시간적 프로파일을 기반으로 포유류 환자, 특히 인간 환자에 대한 진단을 생성할 수 있다. 펄스의 패턴은 힘 또는 압력 감지 센서 또는 변환기가 아닌 모든 유형의 센서 또는 변환기에 의해 측정될 수 있다. 예를 들어, 펄스가 피부를 움직이게 할 경우 고해상도의 고 프레임 속도 이미지 캡쳐가 펄스를 감지하는데 사용될 수 있다. 음향 센서 또는 변환기는 마찬가지로 피부를 통해 펄스를 감지할 수 있다. 이 시스템은 데이터베이스 또는 데이터 세트에서 펄스 패턴 및 일치 진단을 수집 또는 조립하고 컴퓨터 모델링, 실무자 입력, 알려진 진단, 알려진 패턴, 심초음파(echocardiogram), 기계 계측 또는 이들의 조합을 사용할 수 있다. 기타 구현예는 빛, 레이저(예: 신체 조직 또는 피부로부터의 레이저 스펙클(speckle)을 검출하는 레이저 소스 및 센서에 의함), 자성, 센서를 이용하여 펄스 파형을 감지, 검출, 측정 또는 평가할 수 있고 및/또는 콘트라스트 향상 기법을 이용할 수 있다.
환자의 펄스 압력, 형태, 흐름, 깊이, 속도, 규칙성, 폭, 길이, 매끄러움(smoothness), 강성, 및 강도가 측정되고 펄스의 패턴이 데이터베이스 또는 데이터 세트에 입력된다. 이 시스템은 진단 관련 정보와 진단 간에 신뢰할 수 있는 상관관계를 도출하는 다양한 기계 학습 기법을 사용할 수 있다. 이 시스템은 대상자의 펄스 파형 또는 패턴을 데이터베이스 또는 데이터 세트 중 이전에 입력 또는 분류된 펄스 패턴과 비교하고, 이전에 입력 또는 분류된 상응하는 진단을 식별하며, 진단 및/또는 제안된 치료 조치를 제공할 수 있다. 예를 들어, 기계 학습 알고리즘 또는 기법은 진단을 블라인드 신호 분석과 관련시키는 데 사용될 수 있다.
혈관(예: 요골 동맥)을 따르는 센서 또는 변환기의 배치는, 팔, 다리 또는 신체의 다른 영역(일반적으로, 팔)을 따르는 혈관의 3차원 파동에 대한 완벽한 묘사를 시스템에 제공할 수 있다. 이 시스템은 영역을 통한 압력 파를 측정하고, 압력 파 대 시간 신호(예: 압력 파 대 시간)를 상관시킨다. 이 시스템은 압력 파를 심장 이벤트(일반적으로, 심장 박동)와 더 관련시킬 수 있다. 신호 처리는 수집된 데이터 세트 및 상관관계에 적용되어 압력 반사, 반사 타이밍, 및 주요 파동에 대한 반사의 진폭 및 위상을 식별하고 정량할 수 있고 또한 상호가능하다.
데이터 입력 모듈은 혈관을 따라 센서 또는 변환기로부터 펄스 파형 데이터를 수신할 수 있고, 신호 처리 모듈에 데이터를 제공한다. 신호 처리 모듈은 데이터를 전처리할 수 있다. 예를 들어, 신호 처리 모듈은 혈관의 3 차원 파동의 묘사를 결정할 수 있다. 또한 예를 들어, 신호 처리 모듈은 압력 파동 대 시간을 식별할 수 있다. 또 다른 예로서, 신호 처리 모듈은 전술한 바와 같이 압력 파동을 심장 이벤트와 상관시킬 수 있다. 신호 처리 모듈은 압력 반사, 반사 타이밍, 및 주요 파동에 대해서 및 가능하면 서로에 대한 반사의 진폭 및 위상을 식별 및/또는 정량화할 수 있다. 그 후, 이 시스템은 이 모든 정보(예: 펄스 파형 정보)를 진단 데이터베이스 또는 데이터 세트의 저장된 패턴과 비교하고, 알려진 병리학적 "표지(signature)"(예: 신체 어딘가의 막힌 동맥)와 가장 잘 맞는 것을 찾는다. 수집된 데이터 및 분석은 매우 특이적으로(예: 막힘, 막힘 정도 및 신체 내 막힌 위치), 또는 단지 통상적으로(예: 신체 어딘가의 막힘) 병리를 확인하기에 충분할 수 있다. 그 후 적절한 치료 계획이 수립될 수 있다.
맥박의 깊이는 측정 표면(예: 피부) 아래의 동맥 펄스의 수직 위치이며, 연속체를 따라 순위가 매겨진다. 속도(rate)는 1분 동안 박자의 수이다. 규칙 성(regularity)은 규칙적 또는 불규칙적으로 분류되는 동맥 파동의 리듬이다. 너비(width)는 동맥 펄스의 강도이다. 길이(length)는 감지될 수 있는 동맥 파동의 범위이다. 부드러움(smoothness)는 동맥 맥박의 매끄러움(slickness)이다. 강성(stiffness)은 요골 동맥의 탄성이다. 힘(strength)은 인가된 압력의 변화에 대한 동맥 펄스의 힘이다.
전술한 바와 같이, 시스템은 하나 이상의 심도, 예를 들어, 표면, 중간 및/또는 깊은 레벨에서의 펄스 파 형태를 평가한다. 표면 레벨은 피부 레벨 바로 아래에 있을 수 있고, 수동적 무게만 인가되는 압력에 의해 요골 동맥 바로 위에 센서 또는 손가락을 놓음으로써 위치한다. 깊은 레벨은 요골(radius) 표면의 바로 위에 위치할 수 있다. 깊은 레벨은 동맥에 상당한 힘 또는 압력을 가하고, 맥동이 멈출 때까지 동맥을 뼈(예: 요골)의 표면에 밀어 넣은 후, 맥동이 회복될 때까지 그 힘 또는 압력을 서서히 풀어주어 요골 동맥을 처음 폐쇄함으로써 위치가 결정된다. 이러한 유형의 폐쇄는 혈류에 후속의 초기 돌진(initial rush)을 유발하여, 맥박 평가가 계속되기 전 동일한 손가락 압력을 유지하면서, 맥박이 평형을 이루는 몇 초를 허용하는 것을 바람직하게 한다. 중간 레벨은 표면 및 깊은 레벨 사이, 예를 들어 그 사이 중간에 위치할 수 있다.
일부 구현예에서, 펄스 패턴은 실무자의 손가락 중 하나 이상의 손가락에 위치된 하나 이상의 센서에 의해 측정되거나 특징화된다. 일부 구현예에서, 센서는 집게, 중간 및 넷째 손가락, 또는 이들의 조합에 착용된다. 추가 구현예에서, 다수의 센서가 각 손가락에 착용될 수 있다. 또 다른 구현예에서, 센서는 대상자의 팔다리(예: 팔) 주위에 놓인 커프(cuff) 또는 소매에 포함될 수 있다. 센서는 손가락을 따라 및/또는 손을 가로질러 선형 배열 또는 일련의 선형 배열(예: 2차원 배열)로 배열될 수 있다.
일부 구현예에서, 피부 아래의 펄스 파동의 전달에 기인한 미세 변위(micro-displacement)는 레이저 스펙클(speckle)로서 비디오 카메라에 의해 관찰될 때, 접촉 없이 피부의 표면으로부터 반사된 간섭성 광의 간섭에 의해 측정될 수 있다. 어떤 경우에는 피부의 미묘한 움직임을 측정하기 위해 비디오 카메라의 신호를 처리하여 피부 표면에 생기는 미세 변위가 측정될 수 있다. 센서 또는 변환기는 펄스 파형뿐만 아니라 펄스 측정에 사용되는 인가된 힘 또는 압력의 양을 검출할 수 있다. 센서 또는 변환기는 아날로그 증폭기로 전송될 수 있는 신호로 펄스를 변환할 수 있다. 신호는 디지털 신호로 변환되고 트랜스시버(transceiver)로 전송된다. 그 후, 수신된 신호는 디지털 신호 프로세서로 전송된다. 그 다음, 신호가 데이터베이스로 전송되어 다른 펄스 패턴과 비교된다. 일치하는 항목(match)이 발견되면, 대상자에 대한 진단이 표시된다.
일부 구현예에서, 수집된 센서 또는 변환기 신호에 대한 신호 분석은 자기 상관, 교차 상관, 전력 스펙트럼 분포, 교차 스펙트럼 분포, 푸리에 분석, 웨이블렛 분석, 주성분 분석, 실효값 매칭(root mean square matching) 및 유사 및/또는 맞춤 분석 도구를 포함하는 디지털 신호 스트림의 시계열 분석을 포함한다. 이 도구는 펄스 트레인(pulse train)을 고유값의 형태로 감소시켜, 환자 데이터의 대형 데이터베이스 내에서 신속한 비교를 가능하게 할 수 있다.
데이터베이스 또는 데이터 세트의 환자 데이터는 대상자(예: 환자)의 건강을 평가하기 위한 다양한 평가에 사용될 수 있다. 펄스 파형 정보는 원하는 만큼 적거나 많은 추가적인 환자 데이터와 조합될 수 있다. 일부 구현예에서, 데이터베이스 또는 데이터 세트는 환자 관련 데이터, 예를 들어 환자 식별자 및/또는 환자 인구 통계 정보를 저장할 수 있다. 또한 데이터베이스는 보고서 생성 모듈을 사용하여 보고서를 생성할 수 있다. 질병 관리 권장사항 모듈은 펄스로부터 수집된 데이터 분석을 기반으로 환자 보고서에 포함될 수 있는 다양한 치료 권장사항을 저장할 수 있다. 비교 데이터 저장소는 건강한 환자 및/또는 만성 질환을 갖는 환자 및 펄스 패턴과 진단의 조합으로부터 비교 데이터를 저장할 수 있다.
일부 구현예에서, 대상자는 시스템의 진단 능력을 향상시키기 위한 설문지를 작성할 수 있다. 설문지는 현재의 증상, 과거의 질병 또는 병을 포함한 여러 건강 상태를 처리할 수 있다. 예를 들어, 일부 구현예에서, 등급 척도는 대상자의 건강 및 정신 상태를 평가하는데 사용될 수 있다. 일부 구현예에 따르면, 설문지는 웹 포털을 통해 제공될 수 있고, 설문지를 대상자 및/또는 실무자에게 제시하는 웹 페이지 또는 웹 페이지 시리즈가 사용자에게 제공된다. 반응을 환자 프로파일과 함께 저장하고 다른 환자 정보와 결합하거나 진단을 분석하고 치료 과정을 결정할 때 사용하기 위해 실무자에게 전달될 수 있다. 대안적으로, 응답은 익명으로 저장될 수 있다.
전술한 상세한 설명은 블록도, 개략도, 및 예시를 사용하여 장치 및/또는 프로세스의 다양한 구현예를 설명하였다. 그러한 블록도, 개략도 및 예시가 하나 이상의 기능 및/또는 동작을 포함하는 한, 이러한 블록도, 흐름도 또는 예시 내의 각 기능 및/또는 동작이 개별적으로 및/또는 집합적으로, 광범위한 하드웨어, 소프트웨어, 펌웨어에 의해, 또는 사실상 그의 조합이 구현될 수 있다는 것이 통상의 기술자에 의해 이해될 것이다, 일 구현예에서, 본 발명은 주문형 집적 회로(Application Specific Integrated Circuit: ASIC)를 통해 구현될 수 있다. 그러나, 통상의 기술자는, 본 명세서에 개시된 구현예가 전체적으로 또는 부분적으로, 하나 이상의 컴퓨터상에서 실행되는 하나 이상의 컴퓨터 프로그램으로서(예: 하나 이상의 컴퓨터 시스템상에서 실행되는 하나 이상의 프로그램으로서), 하나 이상의 컨트롤러상에서 실행되는 하나 이상의 프로그램으로서(예: 마이크로컨트롤러), 하나 이상의 프로세서상에서 실행되는 하나 이상의 프로그램으로서(예: 마이크로프로세서), 펌웨어로서, 또는 사실상 그의 조합으로서, 표준 집적 회로에서 등가적으로 구현될 수 있다는 것, 및 전기회로망을 설계하는 것 및/또는 소프트웨어 및/또는 펌웨어에 대한 코드를 작성하는 것이 본 개시에 비추어 통상의 기술자의 기술 범위 내에 있을 것이라는 것을 인식할 것이다.
통상의 기술자는 본 명세서에 설명된 많은 방법 또는 알고리즘이 추가적인 동작을 사용할 수 있고, 일부 동작을 생략할 수 있고, 및/또는 특정된 순서와 다른 순서로 동작을 실행할 수 있다는 것을 인식할 것이다.
또한, 통상의 기술자는 본 명세서에 교시된 메커니즘이 다양한 형태로 프로그램 제품으로서 분배될 수 있다는 것, 및 예시적인 구현이 실제로 분배를 수행하는데 사용되는 신호 보유 매체(signal bearing media)의 특정 유형에 상관없이 동등하게 적용된다는 것을 이해할 것이다. 신호 보유 매체의 예는 하기를 포함하나 이에 한정되지 않는다: 플로피 디스크, 하드 디스크 드라이브, CD ROM, 디지털 테이프 및 컴퓨터 메모리와 같은 기록 가능 유형 매체.
전술된 다양한 구현예는 결합되어 추가적인 구현을 제공할 수 있다. 본 명세서의 특정 교시 및 정의와 일치하지 않는 범위에서, 2014년 8월 22일자로 출원된 미국 임시 특허 출원 제62/040990호를 포함한, 본 명세서에서 언급된 미국 특허, 미국 특허 출원 공보, 미국 특허 출원, 외국 특허, 외국 특허 출원 및 비특허 공보가 그 전체가 본 명세서에 참조에 의해 포함된다. 필요한 경우 구현예의 측면을 수정하여 다양한 특허, 응용 프로그램 및 출판물의 시스템, 회로 및 개념을 사용하여 추가 구현예를 제공할 수 있다.
이들 및 기타 변형이 전술된 기술내용에 비추어 구체예들로 제조될 수 있다. 통상적으로, 하기 청구항에서, 사용된 용어는 명세서 및 청구항에 개시된 특정한 구현예에 청구항을 한정하는 것으로 해석되어서는 안되나, 그러한 청구항이 부여된 등가물의 전체 범위를 따라 모든 가능한 구현예를 포함하는 것으로 해석되어야 한다. 따라서, 청구항은 개시에 의해 한정되지 않는다.
100 : 진단 시스템
102 : 프론트-앤드 시스템
104 : 백-앤드 시스템
104 : 백-앤드 시스템
Claims (75)
- 하기를 포함하는 진단 시스템으로서:
적어도 하나의 프로세서 회로;
상기 적어도 하나의 프로세서 회로와 통신 가능하게 연결되고 적어도 하나의 프로세서 실행가능 명령 또는 데이터를 저장하는 적어도 하나의 비휘발성(nontransitory) 메모리로서, 상기 명령 또는 데이터의 실행이 상기 적어도 하나의 프로세서 회로를:
복수의 대상자(subject) 각각에 의한 다수의 방문들(visits) 각각에 대해서, i) 제1 위치의 제1 인가된 압력에서 각 대상자로부터 포착된 제1 펄스 신호 파형, ii) 상기 제1 인가된 압력과 상이한, 상기 제1 위치의 제2 인가된 압력에서 각 대상자로부터 포착된 적어도 제2 펄스 신호 파형, 및 iii) 상기 제1 또는 제2 인가된 압력 중 적어도 하나를 나타내는 적어도 하나의 값을 나타내는 각 펄스 신호 정보를 수신하도록 하고, 상기 각 대상자에 의한 각 방문과 관련된 주진단(primary diagonosis)을 적어도 포함하는 진단 정보를 수신하도록 하며,
상기 수신된 각 펄스 신호 정보 및 진단 정보를 상기 적어도 하나의 비휘발성 메모리에 저장하도록 하고; 및
상기 제1 및 적어도 상기 제2 펄스 신호 파형을 표시하는 다수의 정의된 특성 중 여러 특성과 상기 진단 정보 간 하나 이상의 상관관계를 결정하도록 하는 비휘발성 메모리를 포함하는 진단 시스템. - 제 1 항에 있어서,
상기 적어도 하나의 프로세서 회로는 상기 펄스 신호 정보 및 상기 진단 정보를 익명화 형태로 수신하는 방법. - 제 1 항에 있어서,
상기 복수의 대상자 각각에 의한 각 방문 횟수에 대해서, iii) 상기 제1 및 제2 인가된 압력과 상이한, 상기 제1 위치의 제3 인가된 압력에서 각 대상자로부터 포착된 제3 펄스 신호 파형을 나타내는 각 펄스 신호 정보를 수신하는 진단 시스템. - 제 3항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 수신된 각 펄스 신호 정보는 상기 제1 위치로부터 이격된, 특정한 동맥을 따르는 제2 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서 각 대상자로부터 포착된 제4, 제5 및 제6 펄스 신호 파형을 더 나타내는 진단 시스템. - 제4항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2 및 제3 펄스 신호 파형이 일시적으로 상호 근접하여 포착되는 진단 시스템. - 제4항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2, 제3, 제4, 제5, 및 제6 펄스 신호 파형이 일시적으로 상호 근접하여 포착되는 진단 시스템. - 제3 항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 제1, 제2 및 제3 펄스 신호 파형은 각각 상기 제1, 제2 및 제3 인가된 압력에서 대상자의 손의 엄지 측의 손목뼈에 근접한 요골 동맥을 따르는 제1 위치에서 포착된 펄스 파형을 나타내고, 제4, 제5 및 제6 펄스 신호 파형은 각각 상기 제1, 제2 및 제3 인가된 압력에서 상기 제1 위치로부터 이격된, 척골에 근접한 요골 동맥을 따르는 제2 위치에서 포착된 펄스 파형을 나타내는 진단 시스템. - 제7 항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 수신된 각 펄스 신호 정보는 상기 제1 및 제2 위치로부터 근접하게 이격된, 상기 요골 동맥을 따르는 제3 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서, 각 대상자로부터 포착된 제7, 제8 및 제9 펄스 신호 파형을 더 나타내는 진단 시스템. - 제8 항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2, 제3, 제4, 제5, 제6, 제7, 제8, 및 제9 펄스 신호 파형은 실질적으로 상호 동시에 포착되는 진단 시스템. - 제7항에 있어서,
상기 제1, 제2 및 제3 펄스 신호 파형은 각각 상기 특정 대상자의 피부를 통해 포착된 펄스 파형 중 하나를 나타내는 진단 시스템. - 제1항 내지 제10항 중 어느 한 항에 있어서,
적어도 상기 복수의 대상자의 서브 세트에 의한 방문 횟수의 서브 세트에 대해서, 상기 수신된 진단 정보는 상기 각 대상자에 의한 각 방문과 관련된 2차 진단(secondary diagnosis)을 적어도 포함하는 방법. - 제1항에 있어서,
적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서,
상기 각 대상자에 의한 상기 각 방문과 관련된 주증상을 적어도 수신하는 진단 시스템. - 제12항에 있어서,
상기 적어도 하나의 프로세서 회로는 상기 펄스 신호 정보 및 상기 진단 정보를 익명화 형태로 수신하는 진단 시스템. - 제12 항에 있어서,
적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 각 대상자에 의한 각 방문과 관련된 2차 증상을 적어도 수신하는 진단 시스템. - 제12 항 내지 제14 항 중 어느 한 항에 있어서,
적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 수신된 진단 정보는 상기 각 대상자에 의한 상기 각 방문과 관련된 2차 진단을 적어도 포함하는 진단 시스템. - 제1 항 내지 제10 항, 제12 항 내지 14항 중 어느 한 항에 있어서,
상기 적어도 하나의 프로세서 회로는 훈련 시간 동안 상기 제1 펄스 및 적어도 제2 펄스 신호 파형을 표시하는 다수의 정의된 특성 중 여러 특성과 상기 진단 정보 간 하나 이상의 상관관계를 결정하기 위해 펄스 파형 및 진단 정보에 대한 기계 학습을 수행하는 진단 시스템. - 제16항에 있어서,
상기 훈련 시간에 뒤이은 런타임 동안, 복수의 추가적인 각 방문에 대해, 상기 적어도 하나의 프로세서 회로는 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보를 수신하고, 적어도 부분적으로 상기 수신된 펄스 파형 정보 및 상기 결정된 상관관계에 기초한 진단을 결정하고, 상기 결정된 진단을 제공하는 진단 시스템. - 제16항에 있어서,
상기 훈련 시간에 뒤이은 런타임 동안, 복수의 추가적인 각 방문에 대해, 상기 적어도 하나의 프로세서 회로는 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보 및 증상 정보를 수신하고, 상기 수신된 펄스 파형 정보 및 상기 결정된 상관 관계에 적어도 부분적으로 기초한 진단을 결정하고, 상기 결정된 진단을 제공하는 진단 시스템. - 제16항에 있어서,
상기 런타임 동안, 상기 적어도 하나의 프로세서 회로는 익명화 형태로 수신하는 진단 시스템. - 제16항에 있어서,
적어도 하나의 비휘발성 메모리에서 상기 적어도 하나의 프로세서 실행 가능 명령 또는 데이터의 실행은, 복수의 각 대상자에 의한 각 방문 횟수에 대하여, 상기 적어도 하나의 프로세서 회로를 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건(event)을 나타나는 시간 정보를 수신하도록 하는 진단 시스템. - 제20항에 있어서,
상기 시간 정보는 심전도(EKG) 변환기에 의해 감지되는 심전도 신호, 알려진 시간 범위만큼 심전도(EKG) 신호에 대해 지연되는 상기 펄스 신호 파형을 나타내는 진단 시스템. - 제21항에 있어서,
상기 적어도 하나의 프로세서 회로는 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 상기 펄스 신호 파형 중 적어도 하나의 식별 특성을 더 식별하는 진단 시스템. - 제1항에 있어서,
적어도 하나의 비휘발성 메모리에서 상기 적어도 하나의 프로세서 실행 가능 명령 또는 데이터의 실행은, 복수의 각 대상자에 의한 각 방문 횟수에 대하여, 상기 적어도 하나의 프로세서 회로를 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건을 나타나는 심전도 시간 정보를 수신하도록 하고;
상기 적어도 하나의 프로세서 회로는 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 상기 펄스 신호 파형 중 적어도 하나의 식별 특성을 더 식별하는 진단 시스템. - 제1항에 있어서,
상기 수신된 각 펄스 신호 정보는 상기 제1 및 제2 펄스 신호 파형의 디지털화 버전을 나타나는 진단 시스템. - 제1항에 있어서,
상기 적어도 하나의 프로세서 회로는 상기 제1 및 제2 펄스 신호 파형을 디지털화하여 상기 각 펄스 신호 정보를 생성하는 진단 시스템. - 적어도 하나의 프로세서 회로 및 상기 적어도 하나의 프로세서 회로와 통신 가능하게 결합되고, 적어도 하나의 프로세서 실행가능 명령 또는 데이터를 저장하는 적어도 하나의 비휘발성 메모리를 포함하는 진단 시스템에서의 작동 방법으로서, 상기 방법은:
복수의 각 대상자에 의한 다수의 각 방문에 대해서, i) 제1 위치의 제1 인가된 압력에서 각 대상자로부터 포착된 제1 펄스 신호 파형, ii) 상기 제1 인가된 압력과 상이한, 상기 제1 위치의 제2 인가된 압력에서 각 대상자로부터 포착된 적어도 제2 펄스 신호 파형, 및 iii) 상기 제1 또는 제2 인가된 압력 중 적어도 하나를 나타내는 적어도 하나의 값을 나타내는 각 펄스 신호 정보를 수신하고, 상기 각 대상자에 의한 각 방문과 관련된 주진단을 적어도 포함하는 진단 정보를 수신하는 단계;
상기 수신된 각 펄스 신호 정보 및 진단 정보를 상기 적어도 하나의 비휘발성 메모리에 저장하는 단계; 및
상기 제1 및 적어도 상기 제2 펄스 신호 파형을 표시하는 다수의 정의된 특성 중 여러 특성과 상기 진단 정보 간 하나 이상의 상관관계를 결정하는 단계를 포함하는 방법. - 제26항에 있어서,
상기 펄스 신호 정보 및 상기 진단 정보를 수신하는 단계는 상기 펄스 신호 정보 및 상기 진단 정보를 익명화 형태로 수신하는 단계를 포함하는 방법. - 제26항에 있어서,
상기 복수의 대상자 각각에 의한 각 방문 횟수에 대해서, 상기 각 펄스 신호 정보를 수신하는 단계는 iii) 상기 제1 및 제2 인가된 압력과 상이한, 상기 제1 위치의 제3 인가된 압력에서 각 대상자로부터 포착된 제3 펄스 신호 파형을 나타내는 펄스 신호 정보를 수신하는 단계를 포함하는 방법. - 제28항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 수신된 각 펄스 신호 정보는 상기 제1 위치로부터 이격된, 특정한 동맥을 따르는 제2 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서 각 대상자로부터 포착된 제4, 제5 및 제6 펄스 신호 파형을 더 나타내는 방법. - 제29항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2 및 제3 펄스 신호 파형이 일시적으로 상호 근접하여 포착되는 방법. - 제29 항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2, 제3, 제4, 제5, 및 제6 펄스 신호 파형이 일시적으로 상호 근접하여 포착되는 방법. - 제28 항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 제1, 제2 및 제3 펄스 신호 파형은 각각 상기 제1, 제2 및 제3 인가된 압력에서 대상자의 손의 엄지 측의 손목뼈에 근접한 요골 동맥을 따르는 제1 위치에서 포착된 펄스 파형을 나타내고, 제4, 제5 및 제6 펄스 신호 파형은 각각 상기 제1, 제2 및 제3 인가된 압력에서 상기 제1 위치로부터 이격된, 척골에 근접한 요골 동맥을 따르는 제2 위치에서 포착된 펄스 파형을 나타내는 방법. - 제32 항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 수신된 각 펄스 신호 정보는 상기 제1 및 제2 위치로부터 근접하게 이격된, 상기 요골 동맥을 따르는 제3 위치에서, 각각 제1, 제2 및 제3 인가된 압력에서, 각 대상자로부터 포착된 제7, 제8 및 제9 펄스 신호 파형을 더 나타내는 방법. - 제33 항에 있어서,
상기 대상자 중 특정인의 특정한 하나의 방문에 대해서, 상기 제1, 제2, 제3, 제4, 제5, 제6, 제7, 제8, 및 제9 펄스 신호 파형은 실질적으로 상호 동시에 포착되는 방법. - 제32 항에 있어서,
상기 제1, 제2 및 제3 펄스 신호 파형은 각각 상기 특정 대상자의 피부를 통해 포착된 펄스 파형 중 해당하는 파형을 각각 나타내는 방법. - 제26항 내지 제35 항 중 어느 한 항에 있어서,
적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 수신된 진단 정보는 상기 각 대상자에 의한 각 방문과 관련된 2차 진단을 적어도 포함하는 방법. - 제26항에 있어서,
적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 각 대상자에 의한 상기 각 방문과 관련된 주증상을 적어도 수신하는 방법. - 제37항에 있어서,
상기 펄스 신호 정보 및 상기 진단 정보를 수신하는 단계는 상기 펄스 신호 정보 및 상기 진단 정보를 익명화 형태로 수신하는 단계를 포함하는 방법. - 제37항에 있어서,
적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 각 대상자에 의한 각 방문과 관련된 2차 증상을 적어도 수신하는 단계인 방법. - 제37항 내지 39 항 중 어느 한 항에 있어서,
적어도 상기 복수의 대상자의 서브세트에 의한 방문 횟수의 서브세트에 대해서, 상기 수신된 진단 정보는 상기 각 대상자에 의한 상기 각 방문과 관련된 2차 진단을 적어도 포함하는 방법. - 제26 내지 35 항, 제37항 내지 제39항 중 어느 한 항에 있어서,
훈련 시간 동안 상기 적어도 하나의 프로세서 회로에 의해, 상기 제1 펄스 및 적어도 제2 펄스 신호 파형을 표시하는 다수의 정의된 특성 중 여러 특성과 상기 진단 정보 간 하나 이상의 상관관계를 결정하기 위해 펄스 파형 및 진단 정보에 대한 기계 학습을 수행하는 단계를 더 포함하는 방법. - 제41항에 있어서,
상기 훈련 시간에 뒤이은 런타임 동안, 복수의 추가적인 각 방문에 대해, 상기 적어도 하나의 프로세서 회로에 의해, 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보를 수신하는 단계, 상기 적어도 하나의 프로세서 회로에 의해, 적어도 부분적으로 상기 수신된 펄스 파형 정보 및 상기 결정된 상관관계에 기초한 진단을 결정하는 단계, 및 상기 결정된 진단을 제공하는 방법. - 제41항에 있어서,
상기 훈련 시간에 뒤이은 런타임 동안, 복수의 추가적인 각 방문에 대해, 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보 및 증상 정보를 상기 적어도 하나의 프로세서 회로에 의해 수신하는 단계, 및 상기 적어도 하나의 프로세서 회로에 의해, 상기 수신된 펄스 파형 정보 및 상기 결정된 상관 관계에 적어도 부분적으로 기초한 진단을 결정하는 단계, 및 상기 결정된 진단을 제공하는 방법. - 제43항에 있어서,
상기 런타임 동안, 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보를 수신하는 단계는 상기 각 방문 및 각 대상자에 대한 펄스 파형 정보를 익명화 형태로 포함하는 방법. - 제43항에 있어서,
복수의 각 대상자에 의한 각 방문 횟수에 대하여, 상기 적어도 하나의 프로세서 회로에 의해, 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건을 나타나는 시간 정보를 수신하는 단계를 더 포함하는 방법. - 제45항에 있어서,
상기 시간 정보는 심전도(EKG) 변환기에 의해 감지되는 심전도 신호, 알려진 시간 범위만큼 심전도(EKG) 신호에 대해 지연되는 상기 펄스 신호 파형을 나타내는 방법. - 제46항에 있어서,
상기 적어도 하나의 프로세서 회로에 의해, 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 상기 펄스 신호 파형 중 적어도 하나의 식별 특성을 식별하는 단계를 더 포함하는 방법. - 제26항에 있어서,
복수의 각 대상자에 의한 각 방문 횟수에 대하여, 복수의 펄스 파형으로부터 별도로 감지되는 심장 주기 중 사건을 나타나는 심전도 시간 정보를 수신하는 단계; 및
상기 적어도 하나의 프로세서 회로에 의해, 적어도 복수의 대상자의 각 서브세트에 의한 방문 횟수의 각 서브세트에 대해서, 적어도 부분적으로 상기 시간 정보에 기초한 적어도 하나의 상기 펄스 신호 파형 중 적어도 하나의 식별 특성을 식별하는 단계를 더 포함하는 방법. - 제26항에 있어서,
상기 각 펄스 신호 정보를 수신하는 단계는 상기 제1 및 제2 펄스 신호 파형의 디지털화 버전을 나타내는 각 펄스 신호 정보를 수신하는 단계를 포함하는 방법. - 제26항에 있어서,
상기 적어도 하나의 프로세서 회로에 의해, 상기 제1 및 제2 펄스 신호 파형을 디지털화하여 상기 각 펄스 신호 정보를 생성하는 단계를 더 포함하는 방법. - 진단 정보를 포착하기 위한 시스템으로서, 상기 시스템은 장치를 포함하고:
상기 장치는:
펄스에 응답하여 제1 펄스 파형 표시를 생성하는 제1 펄스 파형 변환기;
펄스에 응답하여 제2 펄스 파형 표시를 생성하고, 사용시 상기 제1 펄스 파형 변환기로부터 이격되어 있는 제2 펄스 파형 변환기; 및
적어도 상기 제1 펄스 파형 변환기에 인가된 압력에 응답하고, 상기 인가된 압력에 반응하여 상기 인가된 압력에 비례하는 압력 신호를 생성하는 적어도 하나의 인가된 압력 변환기를 포함하는 시스템. - 제51 항에 있어서,
상기 제1 및 제2 펄스 파형 변환기를 운반하는 다수의 커플러, 및 상기 적어도 하나의 인가된 압력 변환기를 더 포함하고, 상기 커플러는 임상의의 다수의 손가락에 선택적으로 부착 및 분리가능한 시스템 - 제51항에 있어서,
상기 제1 및 제2 펄스 파형 변환기를 운반하는 슬리브 또는 커프, 및 상기 적어도 하나의 인가된 압력 변환기를 더 포함하고, 상기 슬리브 또는 커프는 대상자의 손목에 선택적으로 부착 및 분리가능한 시스템. - 제51항에 있어서,
펄스에 응답하여 제3 펄스 파형 표시를 생성하고, 사용시 상기 제1 및 제2 펄스 파형 변환기로부터 이격되어 있는 제3 펄스 파형 변환기를 더 포함하는 시스템. - 제51항에 있어서,
상기 제1, 제2, 및 제3 펄스 파형 변환기를 운반하는 다수의 커플러, 및 상기 적어도 하나의 인가된 압력 변환기를 더 포함하고, 상기 커플러는 임상인의 복수의 손가락 끝 중 해당하는 손가락 끝의 상기 제1, 제2, 및 제3 펄스 파형 변환기가 배치되는 위치에 선택적으로 부착 및 분리가능한 시스템 - 제55항에 있어서,
적어도 하나의 인가된 압력 변환기는:
상기 제1 펄스 파형 변환기를 통해 인가된 압력에 응답하도록 배치된 제1 인가된 압력 변환기; 상기 제2 펄스 파형 변환기를 통해 인가된 압력에 응답하도록 배치된 제2 인가된 압력 변환기; 상기 제3 펄스 파형 변환기를 통해 인가된 압력에 응답하도록 배치된 제3 인가된 압력 변환기를 포함하는 시스템. - 제56항에 있어서,
상기 제1, 제2, 및 제3 펄스 파형 변환기를 운반하는 다수의 커플러, 및 상기 제1, 제2, 및 제3 인가된 압력 변환기를 더 포함하고, 상기 커플러는 임상인의 복수의 손가락 끝 중 해당하는 손가락 끝의 상기 제1, 제2, 및 제3 펄스 파형 변환기가 배치되는 위치에 선택적으로 부착 및 분리가능한 시스템. - 제51항에 있어서,
사용시 적어도 주 진단을 특정하는 정보를 수신하는 사용자 입력 장치를 더 포함하는 시스템. - 제51항에 있어서,
사용시 적어도 주 증상을 특정하는 정보를 수신하는 사용자 입력 장치를 더 포함하는 시스템. - 제59항에 있어서,
상기 사용자 입력 장치는 적어도 주 진단을 특정하는 정보를 더 수신하는 시스템. - 제60항에 있어서,
상기 사용자 입력 장치는 적어도 2차 진단을 특정하는 정보를 더 수신하는 시스템. - 제60항에 있어서,
상기 사용자 입력 장치는 적어도 2차 증상을 특정하는 정보를 더 수신하는 시스템. - 제51항에 있어서,
적어도 상기 제1 및 제2 펄스 파형 표시 및 상기 시스템으로부터 인가된 압력에 비례하는 상기 압력 신호를 전송하는 적어도 하나의 통신 포트를 더 포함하는 시스템. - 진단 정보를 포착하기 위한 시스템의 작동 방법으로서, 상기 방법은:
제1 동맥을 따르는 제1 위치 및 제1 인가된 압력에서 제1 펄스 파형 변환기에 의해 검출되는 제1 펄스 파형을 나타내는 제1 펄스 파형 표시를 생성하는 단계;
상기 제1 위치로부터 이격되고 상기 제1 동맥을 따르는 제2 위치 및 제1 인가된 압력에서 제2 펄스 파형 변환기에 의해 검출되는 제2 펄스 파형을 나타내는 제2 펄스 파형 표시를 생성하는 단계;
적어도 상기 제1 펄스 파형 변환기의 인가된 압력에 비례하는 적어도 제1 인가된 압력 신호를 생성하는 단계; 및
상기 제1 펄스 파형 표시, 제2 펄스 파형 표시 및 적어도 제1 인가된 신호를 진단 장치로부터 전송하는 단계를 포함하는 방법. - 제64항에 있어서,
상기 제1 동맥을 따르는 상기 제1 위치 및 상기 제1 인가된 압력과 상이한 제2 인가된 압력에서 제1 펄스 파형 변환기에 의해 검출되는 제1 펄스 파형을 나타내는 제1 펄스 파형 표시를 생성하는 단계;
상기 제1 동맥을 따르는 상기 제2 위치 및 상기 제1 인가된 압력과 상이한 제2 인가된 압력에서 제2 펄스 파형 변환기에 의해 검출되는 제2 펄스 파형을 나타내는 제2 펄스 파형 표시를 생성하는 단계를 더 포함하는 방법. - 제64항에 있어서,
상기 제1 동맥을 따르는 상기 제1 위치 및 상기 제1 및 제2 인가된 압력과 상이한 제3 인가된 압력에서 제1 펄스 파형 변환기에 의해 검출되는 제1 펄스 파형을 나타내는 제1 펄스 파형 표시를 생성하는 단계;
상기 제1 동맥을 따르는 상기 제2 위치 및 상기 제1 및 제2 인가된 압력과 상이한 제3 인가된 압력에서 제2 펄스 파형 변환기에 의해 검출되는 제2 펄스 파형을 나타내는 제2 펄스 파형 표시를 생성하는 단계를 더 포함하는 방법. - 제65항에 있어서,
제1 동맥을 따르고 상기 제1 및 제2 위치와 상이한 제3 위치 및 제1 인가된 압력에서 제3 펄스 파형 변환기에 의해 검출되는 제3 펄스 파형을 나타내는 제3 펄스 파형 표시를 생성하는 단계를 더 포함하는 방법. - 제67항에 있어서,
상기 제1 동맥을 따르는 상기 제3 위치 및 상기 제1 인가된 압력과 상이한 제2 인가된 압력에서 제3 펄스 파형 변환기에 의해 검출되는 제3 펄스 파형을 나타내는 제3 펄스 파형 표시를 생성하는 단계를 더 포함하는 방법. - 제67항에 있어서,
적어도 상기 제1 펄스 파형 변환기의 인가된 압력에 비례하는 적어도 제1 인가된 압력 신호를 생성하는 단계는 각각 상기 제2 및 제3 펄스 파형 변환기의 인가된 압력에 비례하는 제2 및 제3 인가된 압력 신호를 생성하는 단계를 포함하는 방법. - 제65항에 있어서,
적어도 하나의 사용자 입력 장치를 통해 적어도 주 진단을 특정하는 정보를 수신하는 단계를 더 포함하는 방법. - 제65항에 있어서,
적어도 하나의 사용자 입력 장치를 통해 적어도 주 증상을 특정하는 정보를 수신하는 단계를 더 포함하는 방법. - 제71항에 있어서,
적어도 하나의 사용자 입력 장치를 통해 적어도 주 증상을 특정하는 정보를 수신하는 단계를 더 포함하는 방법. - 제72항에 있어서,
적어도 하나의 사용자 입력 장치를 통해 적어도 2차 진단을 특정하는 정보를 수신하는 단계를 더 포함하는 방법. - 제72항에 있어서,
적어도 하나의 사용자 입력 장치를 통해서 적어도 2차 증상을 특정하는 정보를 수신하는 단계를 더 포함하는 방법. - 제72항에 있어서,
진단 장치로부터 상기 제1 펄스 파형 표시, 제2 펄스 파형 표시 및 적어도 제1 인가된 압력 신호와 함께 적어도 주 증상을 특정하는 상기 수신된 정보를 전송하는 단계를 더 포함하는 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201462040990P | 2014-08-22 | 2014-08-22 | |
| US62/040,990 | 2014-08-22 | ||
| PCT/US2015/046386 WO2016029166A1 (en) | 2014-08-22 | 2015-08-21 | Automated diagnosis based at least in part on pulse waveforms |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20170087855A true KR20170087855A (ko) | 2017-07-31 |
Family
ID=55347228
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177007945A KR20170087855A (ko) | 2014-08-22 | 2015-08-21 | 적어도 부분적으로 펄스 파형에 기반하는 자동화 진단 |
Country Status (4)
| Country | Link |
|---|---|
| US (2) | US10299735B2 (ko) |
| KR (1) | KR20170087855A (ko) |
| CN (1) | CN107205671A (ko) |
| WO (1) | WO2016029166A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101872870B1 (ko) * | 2017-10-12 | 2018-06-29 | 이광재 | 진맥 진단 장치 및 상기 진맥 진단 장치에서의 진맥 방법 |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10542961B2 (en) | 2015-06-15 | 2020-01-28 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
| GB2545668B (en) | 2015-12-21 | 2020-05-20 | Suunto Oy | Sensor based context management |
| EP3255573A1 (en) * | 2016-06-10 | 2017-12-13 | Electronics and Telecommunications Research Institute | Clinical decision supporting ensemble system and clinical decison supporting method using the same |
| GB201616777D0 (en) | 2016-10-03 | 2016-11-16 | Univ Southampton | A frame for an implantable medical device and a method of manufacturing a frame for an implantable medical device |
| US10637960B2 (en) | 2016-10-21 | 2020-04-28 | Infiswift Technologies, Inc. | Method for bridging publish/subscribe brokers for guaranteed low-latency delivery |
| US10708360B2 (en) * | 2017-03-14 | 2020-07-07 | Infiswift Technologies, Inc. | Method for transport agnostic communication between internet of things client and broker |
| CN106955092B (zh) * | 2017-03-31 | 2021-02-23 | 北京信息科技大学 | 一种脉搏分布的测量方法和设备 |
| CN107157463A (zh) * | 2017-05-22 | 2017-09-15 | 京东方科技集团股份有限公司 | 血压测试装置及方法 |
| CN107334466A (zh) * | 2017-08-08 | 2017-11-10 | 西安交通大学 | 一种可穿戴的慢性病智能监控及预警的装置与方法 |
| CN107506603A (zh) * | 2017-09-08 | 2017-12-22 | 深圳市前海安测信息技术有限公司 | 远程中医辅助诊疗系统及方法 |
| MX2017012013A (es) * | 2017-09-25 | 2019-03-26 | Daniel Han Aragon Han | Sistema, método y aparato para medir, clasificar y desplegar la actividad eléctrica cardiaca. |
| US11013421B2 (en) * | 2017-10-10 | 2021-05-25 | Verily Life Sciences Llc | Blood pressure estimation using finger-wearable sensor array |
| GB2567648B (en) * | 2017-10-18 | 2022-09-14 | Imperial College Sci Tech & Medicine | Electrocardiogram apparatus and method |
| CN107752976A (zh) * | 2017-12-05 | 2018-03-06 | 新绎健康科技有限公司 | 智能健康检测系统、智能健康检测镜及智能健康检测方法 |
| EP3785174B1 (en) * | 2018-04-27 | 2022-12-14 | Medtronic Ardian Luxembourg S.à.r.l. | Identifying patients suited for renal denervation therapy |
| CN108464837B (zh) * | 2018-05-04 | 2020-10-23 | 重庆大学 | 一种面向家庭医疗的血液粘度光学诊疗一体化仪器及方法 |
| CN108742607A (zh) * | 2018-06-29 | 2018-11-06 | 南阳市中心医院 | 一种神经内科介入治疗装置 |
| JP6472153B1 (ja) * | 2018-11-08 | 2019-02-20 | 兆奇 胡 | 脈拍測定による健康状態評価システムとその作動方法 |
| CN109637669B (zh) * | 2018-11-22 | 2023-07-18 | 中山大学 | 基于深度学习的治疗方案的生成方法、装置及存储介质 |
| EP3769674A1 (en) * | 2019-07-23 | 2021-01-27 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk Onderzoek TNO | Heart monitoring system and method |
| CN112971740B (zh) * | 2021-02-08 | 2023-01-31 | 上海掌门科技有限公司 | 一种通过诊脉设备诊脉的方法与设备 |
| CN114098689A (zh) * | 2021-11-26 | 2022-03-01 | 上海掌门科技有限公司 | 脉搏波分析方法和设备 |
| WO2023114787A1 (en) * | 2021-12-13 | 2023-06-22 | Hhid, Llc | Wearable ring-type sensor devices for monitoring health and wellness conditions |
| CN114224308A (zh) * | 2021-12-14 | 2022-03-25 | 上海掌门科技有限公司 | 腕带诊脉装置和脉搏波采集方法 |
| CN114631795B (zh) * | 2022-05-19 | 2022-08-12 | 天津工业大学 | 一种血压追踪检测系统 |
| CN116403735B (zh) * | 2023-06-05 | 2023-08-11 | 山东志诚普惠健康科技有限公司 | 一种云健康服务平台的数据交互系统及方法 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1127322C (zh) * | 1993-01-07 | 2003-11-12 | 精工爱普生株式会社 | 脉波分析装置和使用该装置的诊断装置 |
| US5511546A (en) | 1993-09-20 | 1996-04-30 | Hon; Edward H. | Finger apparatus for measuring continuous cutaneous blood pressure and electrocardiogram electrode |
| TW388705B (en) * | 1997-03-28 | 2000-05-01 | Seiko Epson Corp | Tactile sense detector, tactile sense telling device, information input device, tactile sense reproducer, tactile sense transmission system, a sphygmopalpation device, a sphygmopalpation education device and a sphygmopalpation information transmission |
| US6135966A (en) * | 1998-05-01 | 2000-10-24 | Ko; Gary Kam-Yuen | Method and apparatus for non-invasive diagnosis of cardiovascular and related disorders |
| IL141755A0 (en) * | 1998-09-04 | 2002-03-10 | Wolfe Res Pty Ltd | Medical implant system |
| WO2000049943A1 (fr) | 1999-02-22 | 2000-08-31 | Seiko Epson Corporation | Dispositif de mesure de la pression arterielle et dispositif de detection des ondes d'impulsion |
| US6354999B1 (en) * | 2000-01-14 | 2002-03-12 | Florence Medical Ltd. | System and method for detecting, localizing, and characterizing occlusions and aneurysms in a vessel |
| KR100869514B1 (ko) * | 2007-03-14 | 2008-11-19 | 한국 한의학 연구원 | 허맥 및 실맥 진단 시스템 |
| US8551005B2 (en) * | 2007-12-13 | 2013-10-08 | Robert A. BARUCH | Monitoring respiratory variation of pulse pressure |
| US20090204668A1 (en) * | 2008-02-12 | 2009-08-13 | Sydney Furan Huang | System and process for distant pulse diagnosis |
| WO2011141765A1 (en) * | 2010-05-14 | 2011-11-17 | Centre For Development Of Advanced Computing | Diagnostic classifications of pulse signal waveform data |
| TWI459926B (zh) * | 2011-08-19 | 2014-11-11 | 中原大學 | Pulse pressure signal measurement system and its measurement method |
| KR102384225B1 (ko) * | 2015-03-06 | 2022-04-07 | 삼성전자주식회사 | 혈압 측정 장치 및 방법 |
| US10765331B2 (en) * | 2015-04-02 | 2020-09-08 | Microsoft Technology Licensing, Llc | Wearable pulse sensing device signal quality estimation |
| US10980428B2 (en) * | 2016-12-15 | 2021-04-20 | ViviPulse, LLC | Wearable pulse waveform measurement system and method |
-
2015
- 2015-08-21 WO PCT/US2015/046386 patent/WO2016029166A1/en active Application Filing
- 2015-08-21 US US15/505,844 patent/US10299735B2/en not_active Expired - Fee Related
- 2015-08-21 CN CN201580053598.3A patent/CN107205671A/zh active Pending
- 2015-08-21 US US14/832,896 patent/US20160051203A1/en not_active Abandoned
- 2015-08-21 KR KR1020177007945A patent/KR20170087855A/ko unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101872870B1 (ko) * | 2017-10-12 | 2018-06-29 | 이광재 | 진맥 진단 장치 및 상기 진맥 진단 장치에서의 진맥 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10299735B2 (en) | 2019-05-28 |
| US20160051203A1 (en) | 2016-02-25 |
| CN107205671A (zh) | 2017-09-26 |
| WO2016029166A1 (en) | 2016-02-25 |
| US20170258336A1 (en) | 2017-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20170087855A (ko) | 적어도 부분적으로 펄스 파형에 기반하는 자동화 진단 | |
| JP6721155B2 (ja) | 生体情報分析装置、システム、及び、プログラム | |
| JP7191159B2 (ja) | コンピュータプログラム、及び、被験者の感情状態を提供する方法 | |
| JP6190466B2 (ja) | 生体信号測定器及び接触状態推定方法 | |
| CN109640803A (zh) | 用于监测血液动力学状态的系统和方法 | |
| EP3636146B1 (en) | Apparatus and method for estimating blood pressure | |
| CN109480800B (zh) | 用于估计生物信息的设备和方法及血压监视装置 | |
| US20140128754A1 (en) | Multimodal physiological sensing for wearable devices or mobile devices | |
| CN110115574A (zh) | 心率监测的方法和装置 | |
| JP2014171660A (ja) | 心房細動解析装置、心房細動解析システム、心房細動解析方法およびプログラム | |
| Siddiqui et al. | Hand gesture recognition using multiple acoustic measurements at wrist | |
| Chauhan et al. | Real-time stress assessment through PPG sensor for VR biofeedback | |
| KR20190043453A (ko) | 혈압 추정 장치 및 방법 | |
| JP2000166877A (ja) | 生体リズム検査装置及び生体リズム検査方法 | |
| KR20210031281A (ko) | 생체정보 추정 장치 및 방법 | |
| US10327648B2 (en) | Blood vessel mechanical signal analysis | |
| KR20070122012A (ko) | 생체 정보 인식 및 분석을 통한 진단시스템 및 그 방법 | |
| US20190298190A1 (en) | Pulse detection, measurement and analysis based health management system, method and apparatus | |
| JP6244724B2 (ja) | ストレスレベルを決定するための腎血流ドップラ信号の周波数領域分析変換 | |
| Miah et al. | Low cost computer based heart rate monitoring system using fingertip and microphone port | |
| Kinase et al. | Estimating mood variation from MPF of EMG during walking | |
| Bobrova et al. | Method of fetal movement registration for remote monitoring systems | |
| Kerr et al. | Towards pulse detection and rhythm analysis using a biomimetic fingertip | |
| JP2022517096A (ja) | 脳内血流による頭蓋の動きから脳の状態を特定するためのシステム、装置、及び方法 | |
| TW201601681A (zh) | 具有ｍｅｍｓ及心律分析之醫療裝置與其心律分析方法 |