AT520925A4 - Verfahren zur Detektion von Atemaussetzern - Google Patents

Verfahren zur Detektion von Atemaussetzern Download PDF

Info

Publication number
AT520925A4
AT520925A4 ATA50757/2018A AT507572018A AT520925A4 AT 520925 A4 AT520925 A4 AT 520925A4 AT 507572018 A AT507572018 A AT 507572018A AT 520925 A4 AT520925 A4 AT 520925A4
Authority
AT
Austria
Prior art keywords
time
determined
value
period
person
Prior art date
Application number
ATA50757/2018A
Other languages
English (en)
Other versions
AT520925B1 (de
Original Assignee
Ait Austrian Inst Tech Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ait Austrian Inst Tech Gmbh filed Critical Ait Austrian Inst Tech Gmbh
Priority to ATA50757/2018A priority Critical patent/AT520925B1/de
Priority to PCT/AT2019/060280 priority patent/WO2020047569A1/de
Application granted granted Critical
Publication of AT520925A4 publication Critical patent/AT520925A4/de
Publication of AT520925B1 publication Critical patent/AT520925B1/de

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Optics & Photonics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Detektion von Atemaussetzern einer Person, wobei während des Schlafs der Person ein Atembewegungsmesswert (MB), der die Bewegungen der Person während der Atmung charakterisiert, sowie ein Sauerstoffsättigungswert (MO2), der die relative Sauerstoffkonzentration im Blut der Person angibt, ermittelt werden, wobei die so ermittelten Messwerte (MB, MO2) miteinander korreliert werden, und ein Atemaussetzer dann erkannt wird, wenn während eines ersten Zeitraums (TA1, TA2, ...) der Atembewegungsmesswert (MB) absinkt und zusätzlich während eines zweiten Zeitraums (TB1, TB2, ...), der dem ersten Zeitraum (TA1, TA2, ...) nachfolgt, der Sauerstoffsättigungswert (MO2) absinkt.

Description

Die Erfindung betrifft ein Verfahren zur Detektion von Atemaussetzern einer Person, wobei während des Schlafs der Person ein Atembewegungsmesswert (MB), der die Bewegungen der Person während der Atmung charakterisiert, sowie ein Sauerstoffsättigungswert (MO2), der die relative Sauerstoffkonzentration im Blut der Person angibt, ermittelt werden, wobei die so ermittelten Messwerte (MB, MO2) miteinander korreliert werden, und ein Atemaussetzer dann erkannt wird, wenn während eines ersten Zeitraums (TA1, TA2, ...) der Atembewegungsmesswert (MB) absinkt und zusätzlich während eines zweiten Zeitraums (TB1, TB2, ...), der dem ersten Zeitraum (TA1, TA2, ...) nachfolgt, der Sauerstoffsättigungswert (MO2) absinkt.
(Fig. 8)
1/25
Die Erfindung betrifft ein Verfahren zur Detektion von Atemaussetzern einer Person.
Aus dem Stand der Technik ist eine Vielzahl von unterschiedlichen Möglichkeiten zur Detektion von Atemaussetzern bekannt, die auf unterschiedlichen Messprinzipien basieren. Typischerweise wird im Rahmen einer Untersuchung im Schlaflabor eine Polysomnographiemessung durchgeführt. Dabei werden üblicherweise unter anderem der Luftfluss, sowie Bewegungen des Brustkorbs gemessen. Darüber hinaus wird üblicherweise auch die Sauerstoffsättigung im Blut einer Person gemessen. Liegt ein Atemaussetzer vor, so sinkt der Luftfluss und eventuell auch die Intensität der Brustkorbbewegungen. In weiterer Folge sinkt typischerweise auch die Sauerstoffsättigung im Blut der Person über einen Zeitraum von 10 Sekunden bis 1 Minute signifikant ab. Aus dem Stand der Technik ist es jedoch bislang noch nicht bekannt, in Schlaflaboranwendungen die Sauerstoffentsättigung systematisch für die Detektion von vollständigen Atemaussetzern (Apnoen) zu erfassen bzw systematisch mit anderen, den Patienten nicht im Schlaf behindernden oder störenden, Messprinzipien wie dreidimensionalen Abbildungsverfahren des Patienten zu kombinieren. Beginnt die Person anschließend wieder normal zu atmen, so steigt die Sauerstoffsättigung im Blut der Person wieder an.
Aus dem Stand der Technik sind darüber hinaus weitere Vorgehensweisen zur Bestimmung von Atembewegungen bekannt, die auf Entfernungsmessungen basieren und bei denen die Bewegungen des Brustkorbs oder des Bauchs der Person ermittelt werden. Sofern Bewegungen der Oberfläche der Person oder der Decke, die sich auf der Person befindet, ermittelt werden, die mit einer vorgegebenen Frequenz stattfinden, kann hieraus auf eine Atemtätigkeit der betreffenden Person geschlossen werden.
Darüber hinaus sind auch noch Möglichkeiten bekannt, die Atemgeräusche einer Person zu ermitteln und ausgehend von diesen Atemgeräuschen auf Atmungsaktivität der Person zu schließen.
Ein wesentliches Problem des Standes der Technik ist es, dass die Polysomnographie sehr kostenintensiv und für Patienten belastend und den Schlaf störend ist. Da sowohl Entfernungsmessungen, als auch Geräusche und die Sauerstoffentsättigung mit berührungslosen bzw. minimal belastenden Sensoren gemessen werden können ist eine Detektion von Atemaussetzern basierend auf der Fusion dieser Sensoren der Polysomnographie in praktischen Belangen überlegen, insbesondere wird der Patient
2/25 nicht oder nur in sehr geringem Maße in seinem Schlaf gestört. Um eine robuste und zuverlässige Detektion von Atemaussetzern realisieren zu können müssen die Methoden vorteilhafterweise aufeinander abgestimmt werden.
Der Erfindung liegt daher die Aufgabe zugrunde, eine verbesserte Detektion von Atemaussetzern einer Person zu erreichen, die eine größere Zuverlässigkeit aufweist und hinsichtlich der einzelnen, möglicherweise fehlerbehafteten Messungen eine gewisse Toleranz aufweist. Gleichzeitig soll der Patient nicht im Schlaf gestört werden.
Die Erfindung löst diese Aufgabe bei einem Verfahren zur Detektion von Atemaussetzern einer Person mit den kennzeichnenden Merkmalen des Patentanspruchs 1. Dabei ist vorgesehen,
- dass während des Schlafs der Person die folgenden Messwerte laufend ermittelt werden:
- ein Atembewegungsmesswert, der die Bewegungen der Person während der Atmung charakterisiert, und
- ein Sauerstoffsättigungswert, der die relative Sauerstoffkonzentration im Blut der Person angibt, und
- dass die so ermittelten Messwerte miteinander korreliert werden, und ein Atemaussetzer dann erkannt wird, wenn während eines ersten Zeitraums der Atembewegungsmesswert absinkt und zusätzlich während eines zweiten Zeitraums, der dem ersten Zeitraum nachfolgt, der Sauerstoffsättigungswert absinkt.
Dabei werden die unterschiedlichen Auswirkungen von Atemaussetzern der Person auf die einzelnen Messverfahren betreffend den Sauerstoffsättigungswert sowie den AtemBewegungsmesswert vorteilhaft aufeinander abgestimmt, sodass Atemaussetzer nur dann detektiert werden, wenn diese aufgrund der in beiden Messungen erzielten Messwerte als wahrscheinlich gelten. Fehlalarme, die lediglich in der unzuverlässigen Funktionsweise einer der beiden Messmethoden liegen, werden mit dieser Vorgehensweise wirksam verhindert. Der Patient wird bei diesen Messungen nicht im Schlaf behindert. Insbesondere besteht auch die Möglichkeit die Messung vorzunehmen, ohne dass der Patient hierfür verkabelt werden muss, was auch die Möglichkeit von Heimanwendungen oder von Anwendungen ohne Aufsicht durch Fachpersonal eröffnet und dadurch wesentlich zur Kostenreduktion beiträgt.
3/25
Eine besonders vorteilhafte Vorgehensweise, mit der der Zeitpunkt bzw. Zeitraum des Atemaussetzers vorteilhaft und zuverlässig festgestellt werden kann, sieht vor, dass der Atemaussetzer als innerhalb des ersten Zeitraums liegend angesehen wird.
Dies ermöglicht darüber hinaus auch noch eine zeitliche Korrelation des so festgestellten Atemaussetzers mit einer Vielzahl weiterer gegebenenfalls während des Schlafs erhobener Messwerte beispielsweise von EEG-Messwerten, Videobildern, akustischen Aufnahmen, Wärmebildaufnahmen oder ähnlichen Aufnahmen der schlafenden Person.
Eine vorteilhafte Vorgehensweise, bei der eine Vielzahl von falsch positiv erkannten Atemaussetzern verworfen werden kann, sieht vor, dass ein Atemaussetzer nur dann erkannt wird, wenn der zweite Zeitraum in einem bestimmten Zeitraum, insbesondere zwischen 10 Sekunden und 60 Sekunden, nach dem ersten Zeitraum liegt.
Eine weitere vorteilhafte Kombination mit einer weiteren Messgröße, die zuverlässige Aussagen über Atemgeräusche liefert, sieht vor, dass zusätzlich während des Schlafs der Person ein Schallmesswert laufend ermittelt wird, der die Lautstärke der von der Person abgegebenen Atemgeräusche angibt, und nach Atemereignissen gesucht wird, die für das Auftreten von Atemgeräuschen charakteristisch sind, wobei untersucht wird, ob der erste Zeitraum frei von Atemereignissen ist und in diesem Fall eine zusätzliche Bestätigung dafür erfolgt, dass innerhalb des ersten Zeitraums Atemaussetzer vorhanden waren.
Eine numerisch besonders stabile Vorgehensweise zur Detektion von Atemaussetzern, die zuverlässige Ergebnisse liefert, sieht vor, dass das Absinken des Atembewegungsmesswerts innerhalb eines ersten Zeitraums erkannt wird, indem
- für den zeitlichen Verlauf des Atembewegungsmesswerts eine Hüllkurve ermittelt wird,
- eine Anzahl von Maxima der Hüllkurve ermittelt wird, und
- ein Zeitbereich zwischen zwei Maxima, in dem die Hüllkurve einen vorgegebenen, insbesondere durch die Werte der jeweiligen Maxima festgelegten, Schwellenwert unterschreitet, als erster atmungsfreier Zeitraum festgestellt wird.
Eine besonders robuste Detektion von Maxima in der Hüllkurve des Atembewegungsmesswerts sieht vor, dass ein Maximum nur dann als solches herangezogen wird, wenn
- sein zeitlicher Abstand zum jeweils vorangehenden oder zum jeweils nachfolgenden Maximum einen vorgegebenen zeitlichen Schwellenwert übersteigt und/oder
4/25
- sein Atembewegungsmesswert einen durch das jeweils vorangehende oder nachfolgende Maximum festgelegten Schwellenwert übersteigt.
Eine numerisch besonders effiziente Methode für das Auffinden von Zeiträumen mit geringer Sauerstoffsättigung sieht vor, dass ein zweiter Zeitraum von geringer Sauerstoffsättigung festgestellt wird, indem
- Maxima im Verlauf der Sauerstoffsättigung ermittelt werden,
- nach einem Zeitbereich des Abfallens der Sauerstoffsättigung nach dem jeweiligen Maximum gesucht wird,
- in dem die Dauer des Abfalls der Sauerstoffsättigung zumindest einen vorgegebenen zeitlichen Schwellenwert beträgt, und
- an dessen Ende die Sauerstoffsättigung um zumindest 3% gegenüber dem Wert des Maximums abgesunken ist, und ein solcher Zeitbereich als zweiter Zeitraum erkannt wird.
Eine besonders robuste Detektion von Maxima im Verlauf der Sauerstoffsättigung sieht vor, dass ein Maximum nur dann als solches herangezogen wird, wenn
- sein zeitlicher Abstand zum jeweils vorangehenden oder zum jeweils nachfolgenden Maximum einen vorgegebenen zeitlichen Schwellenwert übersteigt und/oder
- sein Sättigungswert einen durch das jeweils vorangehende oder nachfolgende Maximum festgelegten Schwellenwert übersteigt.
Eine weitere vorteilhafte Vorgehensweise zur Detektion von Atemaussetzern kann auch vorgenommen werden, indem die ermittelten Atem-Bewegungsmesswerte sowie die ermittelte Sauerstoffkonzentration im Blut einem neuronalen Netzwerk zugeführt werden. Dabei ist vorgesehen, dass für eine Anzahl von Zeitintervallen, insbesondere von einer Dauer zwischen 0,5 und 5 Sekunden, jeweils ein Feature-Vektor aus den Messwerten bestimmt wird, dass aus den im betreffenden Zeitintervall aufgenommenen AtemBewegungsmesswerten eine Anzahl von hinsichtlich ihrer Position im Feature-Vektor vorgegebenen Feature-Vektor-Einträgen ermittelt wird, und wobei aus den im betreffenden Zeitfenster aufgenommenen Sauerstoffsättigungswerten eine Anzahl von hinsichtlich ihrer Position im Feature-Vektor vorgegebenen Feature-Vektor-Einträgen ermittelt wird, dass ein Zeitfenster umfassend eine vorgegebene Anzahl von FeatureVektoren oder Zeitintervallen vorgegeben wird, dass die Dauer des Zeitfensters so gewählt wird, dass diese vorzugsweise zwischen 10 und 120 Sekunden liegt, dass die dem Zeitfenster zugeordneten Feature-Vektoren V^ V2, ... an ein vorab trainiertes neuronales Netzwerk übergeben werden, das insbesondere zumindest einen rekurrenten
5/25
Layer, vorzugsweise einen rekurrenten LSTM-Layer, enthält, und dass mittels des neuronalen Netzwerks eine zeitliche Abfolge von einzelnen Wahrscheinlichkeitswerten erhalten wird, die die Wahrscheinlichkeit eines Atemaussetzers während des betreffenden Zeitfensters oder im Bezug auf das betreffende Zeitintervall, für das ein Feature-Vektor gültig ist, angeben.
Eine besonders vorteilhafte Vorgehensweise, mit der vermieden wird, dass Fehler an den Rändern des Fensters auftreten, sieht vor, dass die Zeitfenster einander zumindest teilweise, insbesondere jeweils um die Hälfte, überlappen, sodass für jeden durch einen Feature-Vektor charakterisierten oder von diesen betroffenen Zeitpunkt jeweils zwei Wahrscheinlichkeitswerte ermittelt werden, die die Wahrscheinlichkeit eines Atemaussetzers zum betreffenden Zeitpunkt angeben, und dass die beiden so für einen Feature-Vektor oder einen Zeitpunkt erhaltenen Wahrscheinlichkeitswerte, insbesondere gewichtet, gemittelt werden.
Zu diesem Zweck kann insbesondere vorteilhaft vorgesehen sein, dass die Gewichtung der separat ermittelten und gewichtet addierten Wahrscheinlichkeitswerte derart vorgegeben wird, dass Werte, die sich in der Mitte des Zeitfensters befinden, stärker gewichtet werden als Werte, die sich am Anfang des Zeitfensters befinden.
Um Atemaussetzer zeitlich lokalisieren zu können, kann vorgesehen sein, dass Zeitbereiche, in denen der ermittelte Wahrscheinlichkeitswert für das Vorliegen von Atemaussetzern einen vorgegebenen, insbesondere durch einen gleitenden Mittelwert der umgebenden Wahrscheinlichkeitswerte, gegebenenfalls multipliziert mit einem vorgegebenen Faktor, festgelegten, Vergleichsschwellenwert übersteigt, als Zeitbereiche von Atemaussetzern festgestellt werden.
Eine besonders vorteilhafte, numerisch einfache Möglichkeit zur Bestimmung von Wahrscheinlichkeitswerten sieht vor, dass das neuronale Netzwerk zur Bestimmung des Wahrscheinlichkeitswerts einen oder mehrere weitere Layer aufweist, die dem LSTMLayer vor- oder nachgeschaltet sind und dass das neuronale Netzwerk in einem einzigen Neuron mündet, an dessen Ausgang der Wahrscheinlichkeitswert erhalten wird.
Besonders vorteilhaft kann ein Programm zur Durchführung eines erfindungsgemäßen Verfahrens auf einem Datenträger abgespeichert werden.
6/25
Zwei vorteilhafte Ausführungsformen sowie Weiterbildungen der Erfindung sind anhand der folgenden Zeichnungsfiguren näher dargestellt.
Fig. 1 zeigt ein Diagramm von Messwerten, die üblicherweise im Schlaflabor ermittelt werden. Fig. 2 zeigt die Bildung einer Hüllkurve für den zeitlichen Verlauf des Atembewegungsmesswerts. Fig. 3 zeigt die Ermittlung von Maxima der Hüllkurve. Fig. 4 zeigt die Bestimmung von ersten Zeiträumen, die auf das Vorliegen von Atemaussetzern hindeuten. Fig. 5 zeigt einen Sauerstoffsättigungswert sowie einen geglätteten Zeitverlauf des Sauerstoffsättigungswerts. Fig. 6 und 7 zeigen die Bestimmung von Maxima sowie von zweiten Zeiträumen, die auf das Vorliegen von Atemaussetzern hindeuten. Fig. 8 zeigt die gemeinsame Betrachtung von ersten und zweiten Zeiträumen zur Bestimmung von Zeiträumen, in denen Atemaussetzer vorhanden sind.
Fig. 9 zeigt schematisch die Vorgehensweise zur Bildung von Zeitintervallen bei einer zweiten Ausführungsform der Erfindung. Fig. 10 zeigt die Bildung von Feature-Vektoren für die einzelnen Zeitintervalle sowie die Bildung von Zeitfenstern. Fig. 11 zeigt ein neuronales Netzwerk mit einem rekurrenten LSTM-Layer zur Berechnung eines Wahrscheinlichkeitswerts für das Vorliegen von Atemaussetzern. Fig. 12 zeigt die Bildung von fensterübergreifenden Wahrscheinlichkeitsverläufen sowie die Berechnung von Zeitbereichen mit Atemaussetzern.
In Fig. 1 sind die einzelnen im Rahmen der Untersuchung des Schlafenden nach dem Stand der Technik ermittelten Signale dargestellt. Fig. 1 zeigt übereinander angeordnet Funktionsgraphen für den zeitlichen Verlauf des Drucks F im Bereich der Nase, die Temperatur FT im Bereich von Mund und Nase, Atembewegungsmesswerte, MBi und MB2 für die Messung der Atembewegungen über einen Brust- bzw. Bauchgurt sowie die Sauerstoffsättigung MO2 im arteriellen Blut des Probanden.
In dem in Fig. 1 dargestellten Mittenbereich ist in den einzelnen übereinander dargestellten Messwertsignalen zwischen den Zeitpunkten At und A2 ein Atemaussetzer erkennbar. Einige der hier dargestellten Messwerte liefern zwar signifikante Aussagen über Atemaussetzer, haben aber den Nachteil, dass sie üblicherweise kabelgebunden ermittelt werden, d.h. dass am Körper der Person Sensoren angebracht werden, die den Schlaf der Person wesentlich beeinträchtigen.
7/25
Weiters wird laufend ein Atembewegungsmesswert ermittelt. Der Atembewegungsmesswert wird im Gegensatz zu den Brust- und Bauchgurten bei der Polysomnographie über eine Distanz-Messeinrichtung angegeben, die die Entfernung des Brust- oder Abdomenbereichs der betreffenden Person oder einer oberhalb des Brustund/oder Abdomenmessbereichs der Person liegenden Decke misst. Als derartige Distanz-Messeinrichtung kann typischerweise ein Time of Flight-Sensor verwendet werden.
Die Sauerstoffsättigung kann beispielsweise im Bereich eines Fingers ermittelt werden. Die Bestimmung der Sauerstoffsättigung MO2 erfolgt beispielsweise in Intervallen von 0.5 bis 5 Sekunden. Das Sauerstoffsättigungssignal MO2 liegt dabei als zeitlich diskretes Signal vor, wobei der Sensor auch hinsichtlich des Sauerstoffsättigungsmesswerts MO2 diskretisierte Signale ermittelt.
In weiterer Folge wird eine erste Ausführungsform der Erfindung dargestellt, die mit einem Sauerstoffsättigungssignal MO2 und einem Atembewegungsmesswert MB auskommt, um zuverlässige Aussagen über Atemaussetzer sowie deren zeitliches Auftreten treffen zu können.
In einem ersten Schritt werden unter Verweis auf die Fig. 2 bis 4 Maßnahmen beschrieben, mit denen aus einem Atembewegungsmesswert das Vorliegen eines Atemaussetzers detektiert werden kann. Dabei wird aus dem Atembewegungsmesswert eine Hüllkurve H ermittelt, die hinsichtlich ihrer Oszillation beschränkt ist (Fig. 2). Dazu wird eine den Atembewegungsmesswert von oben einhüllende Kurve mit beschränkter Oszillation und eine den Atembewegungsmesswert von unten einhüllende Kurve mit beschränkter Oszillation berechnet und die Hüllkurve H als Differenz dieser beiden Kurven gebildet.
Dabei werden Zeitpunkt und Wert der Hüllkurve H in den einzelnen Maxima M1, M2, ... der Hüllkurve H ermittelt, die in Fig. 3 näher dargestellt sind. Ein Maximum gilt dann als detektiert und wird nur dann als solches für das weitere Vorgehen herangezogen, wenn sein zeitlicher Abstand zum jeweils vorangehenden oder zum jeweils nachfolgenden Maximum einen vorgegebenen zeitlichen Schwellenwert übersteigt. Dieser zeitliche Schwellenwert kann zwischen 5 und 10 Sekunden betragen. Weiters können die Maxima alternativ oder zusätzlich auch auf solche Signalwerte beschränkt werden, in denen die Hüllkurve einen durch das jeweils vorangehende oder nachfolgende Maximum festgelegten Schwellenwert übersteigt. Beispielsweise kann derart festgeschrieben
8/25 werden, dass der Wert eines Maximums jeweils minimal 90% des Werts des unmittelbar vorangehenden Maximums aufweisen darf.
Wird zwischen zwei Maxima ein Verlauf der Hüllkurve H des Atembewegungsmesswerts festgestellt, bei dem der Wert der Hüllkurve H für einen vorgegebenen ersten Zeitraum TA1,..., TA6 - im vorliegenden Ausführungsbeispiel von wenigstens 10 Sekunden - einen Wert aufweist, der kleiner ist als ein Anteil von - im vorliegenden Ausführungsbeispiel 80% - des Mittelwerts der beiden Maxima, so wird derjenige erste Zeitraum zwischen den beiden Maxima, in denen dieser Schwellenwert unterschritten ist, als atmungsfrei aufgrund des Atembewegungsmesswerts festgestellt. Wie auch im vorangehenden Ausführungsbeispiel kann ein Zeitraum von zwischen 5 und 30s gewählt werden. Als Schwellenwert, der für die Detektion eines Atemaussetzers während des ersten Zeitraums TA1,..., TA6 unterschritten sein muss, kann ein Anteil von zwischen 50% und 90% des Mittelwerts der Funktionswerte der Hüllkurve H in den beiden aufeinander folgenden Maxima M^ M2 herangezogen werden.
Fig. 4 zeigt erste Zeiträume TA1,..., TA6 im Signal des Atembewegungsmesswerts MB, in dem Atemaussetzer als erkannt gelten.
In einem zweiten Schritt wird das diskret ermittelte Sauerstoffsättigungssignal MO2 stückweise in ein glattes Signal umgewandelt, beispielsweise durch stückweise lineare Interpolation oder durch Spline-Interpolation mit quadratischen oder kubischen Splines. Das diskret ermittelte Signal sowie das geglättete und linear interpolierte Signal sind in Fig. 5 näher dargestellt.
Anschließend werden in dem geglätteten Signal der Zeitpunkt sowie die Sauerstoffsättigung MO2 in den einzelnen Maxima ermittelt. Zwischen je zwei unmittelbar aufeinanderfolgenden Maxima wird jeweils ein Zeitbereich des Abfallens der Sauerstoffsättigung MO2 gesucht, in dem die Dauer des Abfalls einer Sauerstoffsättigung Mo2 zumindest einen vorgegebenen zweiten Zeitraum TBi, , TB4 - von in diesem Ausführungsbeispiel 10 Sekunden - beträgt und in dem die Sauerstoffsättigung MO2 gegenüber dem Wert des Maximums um einen vorgegebenen Wert - von in diesem Ausführungsbeispiel 3% - abgesunken ist. Anstelle der hier konkret verwendeten Parameter des Verfahrens können auch andere unterschiedliche Schwellenwerte gewählt werden. Der zweite Zeitraum TB1, ..., TB4, für den eine Schwellenwertunterschreitung gegeben sein muss, damit ein Atemaussetzer detektiert werden kann, kann zwischen 5 und 30 Sekunden liegen. Der Abfall der Sauerstoffsättigung MO2, der vorhanden sein
9/25 muss, damit ein Atemaussetzer als detektiert gilt, kann zwischen 2% und 10% relativer Sauerstoffsättigung MO2 liegen.
In Fig. 6 sind zwei Maxima h, T3 sowie das zwischen ihnen liegende Minumum T2 dargestellt. Im vorliegenden Fall weist die Sauerstoffsättigung im Zeitpunkt Ή den Wert 93% auf, die Sauerstoffsättigung im Zeitpunkt T3 den Wert 95%. Im Zeitpunkt T2 des Minimums weist die die Sauerstoffsättigung den Wert 87% auf.
Die Sättigungsdifferenz zwischen dem kleineren der beiden Maxima und dem Miniumum der Sauerstoffsättigung beträgt im vorliegenden Fall 93%-83%=10%. Die so ermittelte Sättigungsdifferenz wird mit einem Schwellenwert verglichen, der zwischen 3% und 15% liegen kann; im vorliegenden Fall wird beispielhaft ein Schwellenwert von 5% gewählt, sodass die Sättigungsdifferenz von 10% diesen Schwellenwert übersteigt.
Der Zeitabstand ΐνπ zwischen den beiden Maxima beträgt im vorliegenden Fall 20 Sekunden. Für diesen Zeitabstand wird nunmehr untersucht, ob er innnerhalb eines Intervalls von zwischen 5 Sekunden und 90 Sekunden liegt. Die untere Grenze dieses Intervalls kann zwischen 2 Sekunden und 20 Sekunden liegen. Die obere Grenze dieses Intervalls kann zwischen 30 Sekunden und 200 Sekunden liegen.
Da im vorliegenden Fall einerseits die Sättigungsdifferenz den vorgegeben Schwellenwert überschreitet und andererseits der Zeitabstand T3-T1 innerhalb des vorgegebenen Intervalls liegt, wird der Zeitraum zwischen den beiden Maxima als zweiter Zeitraum TBi, ..., TB4eines Atemaussetzers gewertet.
In Fig. 7 ist eine Anzahl von zweiten Zeiträumen TBi, , TB4, in denen eine verringerte und auf einen Atemaussetzer hindeutende Sauerstoffsättigung MO2 erkannt wird, dargestellt. Nachdem sowohl aus dem Atembewegungsmesswert als auch aus dem Sauerstoffsättigungssignal MO2 jeweils erste und zweite Zeiträume TA1, ..., TB1, ... identifiziert wurden, in denen das jeweilige Signal auf das Vorliegen eines Atemaussetzers hindeutet, wird in weiterer Folge untersucht, ob die so ermittelten ersten und zweiten Zeiträume TA1, ..., TB1, ... zeitlich miteinander korrelieren (Fig. 8). Dabei wird nach miteinander in Zusammenhang stehenden ersten und zweiten Zeiträumen TA1, ..., TB1, ... gesucht, die gegeneinander um einen vorgegebenen Abstand ΔΉ verschoben sind, wobei zunächst ein erster Zeitraum TA3 eines Atemaussetzers im Atembewegungsmesswert MB festgestellt wird und anschließend nach einem, etwa einen Verzögerungszeitraum von zwischen 10 und 60 Sekunden später auftretenden, zweiten
10/25
Zeitraum TB1 im Sauerstoffsättigungsmesswertsignal MO2 gesucht wird, der ebenfalls auf das Vorliegen eines Atemaussetzers hindeutet. Können derlei miteinander korrelierende erste und zweite Zeiträume TA1, TBi in den Zeitverläufen des Sauerstoffsättigungswerts M02 und des Atembewegungsmesswerts aufgefunden werden, so wird ein Atemaussetzer der Person während des ersten Zeitraums TA1 detektiert. Auf diese Weise können die Zeiträume TA1, TB1 sowie die Zeiträume TA3, TB3 einander zugeordnet werden. Da im vorliegenden Fall der zweite Zeitraum TB2 vor dem zeitlich nahe liegenden ersten Zeitraum TA2 liegt, kann eine Zuordnung nicht vorgenommen werden.
Eine bevorzugte Weiterbildung der Erfindung sieht vor, dass während des Schlafs der Person zusätzlich ein Schallmesswert Makk ermittelt wird, wobei laufend untersucht wird, ob die Lautstärke der von der Person abgegebenen Atemgeräusche einen vorgegebenen Schwellenwert überschreitet. Gegebenenfalls kann der Schallmesswert Makk vorab einer Filterung unterzogen werden. Ebenso kann nach Atemereignissen oder Atemgeräuschen gesucht werden, die für das Auftreten der Atmung charakteristisch sind. Sofern festgestellt werden kann, dass der erste Zeitraum TA3, in dem der Atembewegungsmesswert MB ein vorgegebenes Maß unterschreitet, auch frei von akustisch identifizierten Atemereignissen ist, wird eine weitere Bestätigung dafür abgegeben, dass innerhalb eines ersten Zeitraums Atemaussetzer vorhanden sind.
Bei einer zweiten bevorzugten, in den Fig. 9-12 dargestellten, Ausführungsform der Erfindung werden - wie auch bei der zuvor dargestellten ersten Ausführungsform - zur Detektion von Atemaussetzern einer Person während des Schlafs der Person ein Atembewegungsmesswert, und ein Sauerstoffsättigungswert MO2 laufend ermittelt. Die gesamte Dauer der Überwachung des Schlafs wird dabei in eine Anzahl von Zeitintervallen h, l2, ... unterteilt, die im vorliegenden Ausführungsbeispiel eine Intervalldauer von etwa einer Sekunde aufweisen (Fig. 9). Grundsätzlich können auch abweichende Intervalldauern, beispielsweise von zwischen 0,5s und 5s gewählt werden. Die Zeitintervalle h, l2, ... werden im vorliegenden Ausführungsbeispiel nicht überlappend und ohne zeitliche Zwischenräume vorgegeben.
Aus den einzelnen Signalen werden für die einzelnen Zeitintervalle h, l2, ... Feature-Werte bestimmt, die einzelne Parameter des Signalverlaufs im jeweiligen Zeitintervall h, l2, ... beschreiben. Dabei ist es durchaus möglich, dass auch Werte der Signale herangezogen werden, die zwar in zeitlicher Nähe, jedoch außerhalb des jeweiligen Zeitintervalls h, l2, ... liegen. Die einzelnen Feature-Werte können, wie später dargestellt, auf unterschiedliche Weise bestimmt werden.
11/25
Die einzelnen so ermittelten Feature-Werte, die jeweils für dasselbe Zeitintervall h, l2, ... ermittelt wurden, werden als Feature-Vektor-Einträge zu einem Feature-Vektor V^ V2, ... zusammengefasst, der wiederum dem betreffenden Zeitintervall h, l2, ... zugeordnet wird (Fig. 10). Die Reihenfolge der einzelnen Feature-Vektor-Einträge im Feature-Vektor V^ V2, ... ist grundsätzlich beliebig, wird jedoch bei der Erstellung aller Feature-Vektoren V^ V2, ... für die einzelnen Zeitintervalle h, l2, ... beibehalten, sodass Feature-Werte, die in den einzelnen Zeitintervallen h, l2, ... jeweils auf dieselbe Weise bestimmt wurden, jeweils an derselben Stelle im Feature-Vektor V^ V2, ... stehen.
In weiterer Folge werden die einzelnen Zeitintervalle h, l2, ... zu Zeitfenstern F^ F2, ... zusammengefasst, wobei ein Zeitfenster F^ F2, ... jeweils eine vorgegebene Anzahl von Zeitintervallen umfasst. Jedem Zeitfenster F^ F2, ... kann somit auch eine Anzahl von Feature-Vektoren V^ V2, ... zugeordnet werden, wenn diese einem Zeitintervall h, l2, ... zugeordnet sind, das dem Zeitfenster F^ F2, ... zugeordnet ist. Durch die zeitliche Abfolge der Zeitintervalle h, l2, ... im jeweiligen Zeitfenster F^ F2, ... ergibt sich auch eine Reihenfolge der den Zeitintervallen h, l2, ... zugeordneten Feature-Vektoren V^ V2, ....
Die Dauer des Zeitfensters F^ F2, ... beträgt typischerweise zwischen 10 und 120 Sekunden. Vorzugsweise ist die Dauer des Zeitfensters größer als die zu erwartende Verzögerungszeit, mit der bei Vorliegen eines Atemaussetzers typischerweise eine Reduktion des Sauerstoffsättigungswerts MO2 auftritt.
Die einzelnen einem Zeitfenster zugeordneten Feature-Vektoren V^ V2, ... werden an ein vorab anhand ähnlicher Feature-Vektoren V^ V2, ... trainiertes neuronales Netzwerk übergeben. Dieses neuronale Netzwerk (Fig. 11) enthält zumindest einen rekurrenten LSTM-Layer. Der grundsätzliche Aufbau einer solchen Schicht eines neuronalen Netzwerks ist beispielsweise in Felix A. Gers, Jürgen Schmidhuber, Fred Cummins: Learning to Forget: Continual Prediction with LSTM In: Neural Computation (journal)vol. 12 issue 10, S. 2451-2471, 2000 beschrieben. Die Eingangsschicht N, des neuronalen Netzwerks N weist dabei für jeden Eintrag des Feature-Vektors V^ V2, ... jeweils ein Eingangsneuron ΝΜ, ..., Ni5 auf. Das neuronale Netzwerk N weist einen Ausgang bzw ein Ausgangsneuron Nout auf, an dem ein Wert anliegt, der die Wahrscheinlichkeit P für das Vorliegen eines Atemaussetzers bei Vorliegen eines am Eingang N, anliegenden FeatureVektors V^ V2, ... angibt. Alternativ kann das neuronale Netzwerk auch so viele Ausgangsneuronen enthalten, wie Zeitintervalle in einem Zeitfenster vorhanden sind. Typischerweise weist das neuronale Netzwerk N zur Bestimmung des
12/25
Wahrscheinlichkeitswerts P einen oder mehrere weitere Layer N2 auf, die dem LSTMLayer vor- oder nachgeschaltet sind.
Zur Ermittlung der einzelnen Wahrscheinlichkeitswerte P werden die einzelnen FeatureVektoren Vt, V2, ... des jeweiligen Fensters F^ F2, ... in der ihnen durch die zeitliche Abfolge ihrer Aufnahme vorgegebenen Reihenfolge an das neuronale Netzwerk N übergeben (Fig. 12). Durch die Übergabe der Feature-Vektoren V^ V2, ... an das neuronale Netzwerk N wird nicht nur für jedes Zeitintervall h, l2, ... ein Wahrscheinlichkeitswert P für das Vorliegen eines Atemaussetzers erhalten, sondern das neuronale Netzwerk N ändert aufgrund seines LSTM-Layers auch seinen inneren Zustand, sodass auch zeitlich verteilte Ereignisse einfach erkannt werden können.
Anstelle eines LSTM-Layers in einem neuronalen Netzwerk können grundsätzlich auch andere Layer bzw Schichten verwendet werden. Beispielsweise kann es ausreichend sein, wenn anstelle eines LSTM-Layers ein vollständig verbundener Layer (Fullyconnected-layer) oder aber ein rekurrenter Layer verwendet wird, der nicht vom LSTMTyp ist, wie beispielsweise eine Gated recurrent unit.
Nachdem sämtliche Feature-Vektoren V^ V2, ... in ihrer Reihenfolge dem neuronalen Netzwerk N übergeben wurden, erhält man am Ausgang Nout des neuronalen Netzwerks N ein zeitliches Ausgangssignal P^ P2, P3, das die Wahrscheinlichkeit P eines Atemaussetzers zum Zeitintervall h, l2, ... des jeweiligen Feature-Vektors V^ V2, ... bzw. zum Zeitfenster F^ F2, ... angibt.
Je nach Wahl der Größe der Zeitfenster F^ F2, ... kann insbesondere vorgesehen sein, dass diese einander um eine bestimmte Zeitspanne überlappen, sodass jedes Zeitintervall h, l2, ... stets in zumindest zwei Zeitfenstern F^ F2, ... liegt. In diesem Fall können für jeden durch einen Feature-Vektor V^ V2, ... charakterisierten oder von diesem betroffenen Zeitpunkt jeweils zumindest zwei Wahrscheinlichkeitswerte P^ P2, ...; P2, P3, ... ermittelt werden, die die Wahrscheinlichkeit eines Atemaussetzers zum betreffenden Zeitpunkt angeben. Die beiden so für einen Feature-Vektor V^ V2, ... oder einen Zeitpunkt erhaltenen Wahrscheinlichkeitswerte können zur Verbesserung der Wahrscheinlichkeitsabschätzung gemittelt werden.
Die Addition der Wahrscheinlichkeitswerte P kann vorzugsweise gewichtet werden. Dabei kann die Gewichtung der separat ermittelten Wahrscheinlichkeitswerte P in Abhängigkeit
13/25 von der zeitlichen Position des zu gewichtenden Wahrscheinlichkeitswerts P in seinem Zeitfenster vorgegeben werden. So können Wahrscheinlichkeitswerte P, die sich in der Mitte des Zeitfensters F2, ... befinden, stärker gewichtet werden als Werte, die sich am Anfang oder Ende des Zeitfensters F^ F2, ... befinden.
Um das Vorliegen eines Atemaussetzers wirksam detektieren zu können, kann der ermittelte Wahrscheinlichkeitswert P mit einem Schwellenwert Pth verglichen werden. Da der Wahrscheinlichkeitswert P im vorliegenden Fall nicht notwendigerweise die tatsächliche Wahrscheinlichkeit angibt, sondern gegebenenfalls auch durch unterschiedliche, jedoch für die betreffende Schlaflaboranordnung im Wesentlichen gleichbleibende Parameter beeinflusst wird, kann auch ein Vergleichsschwellenwert Pth für den Wahrscheinlichkeitswert P nicht allgemein angegeben werden. Eine gleitende Mittelwertbildung des betreffenden Wahrscheinlichkeitswertesignals P ermöglicht eine Anpassung und Bestimmung eines Vergleichsschwellenwerts. Der Vergleichsschwellenwert Pth kann dabei entweder direkt mit dem gleitenden Mittelwert des Wahrscheinlichkeitswerts P gleichgesetzt oder auf einen durch den gleitenden Mittelwert vorgegebenen Wert, beispielsweise zwischen 120% und 150% des gleitenden Mittelwerts, gesetzt werden. Überschreitet das Wahrscheinlichkeitswertesignal den Vergleichsschwellenwert Pth, wird ein Atemaussetzer erkannt und gegebenenfalls dem betreffenden Zeitbereich B zugeordnet.
Zeitbereiche B, in denen der ermittelte Wahrscheinlichkeitswert P für das Vorliegen von Atemaussetzern einen vorgegebenen, insbesondere durch einen gleitenden Mittelwert der vorangehenden Wahrscheinlichkeitswerte festgelegten, Vergleichsschwellenwerts Pth übersteigt, werden, wie in Fig. 12 dargestellt, als Zeitbereich B von Atemaussetzern festgestellt.

Claims (14)

1. Verfahren zur Detektion von Atemaussetzern einer Person,
- wobei während des Schlafs der Person die folgenden Messwerte laufend ermittelt werden:
- ein Atembewegungsmesswert (MB), der die Bewegungen der Person während der Atmung charakterisiert, und
- ein Sauerstoffsättigungswert (MO2), der die relative Sauerstoffkonzentration im Blut der Person angibt, und
- wobei die so ermittelten Messwerte (MB, MO2) miteinander korreliert werden, und ein Atemaussetzer dann erkannt wird, wenn während eines ersten Zeitraums (TA1, TA2, ...) der Atembewegungsmesswert (MB) absinkt und zusätzlich während eines zweiten Zeitraums (TB1, TB2, ...), der dem ersten Zeitraum (TA1, TA2, ...) nachfolgt, der Sauerstoffsättigungswert (MO2) absinkt.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Atemaussetzer als innerhalb des ersten Zeitraums (TA1, TA2, ...) liegend angesehen wird.
3. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass ein Atemaussetzer nur dann erkannt wird, wenn der zweite Zeitraum (TB1, TB2, ...) in einem bestimmten Zeitraum, insbesondere zwischen 10 Sekunden und 60 Sekunden, nach dem ersten Zeitraum (TA1, TA2, ...) liegt.
4. Verfahren nach Anspruch 1 oder 2, wobei zusätzlich während des Schlafs der Person ein Schallmesswert (Makk) laufend ermittelt wird, der die Lautstärke der von der Person abgegebenen Atemgeräusche angibt, und nach Atemereignissen gesucht wird, die für das Auftreten von Atemgeräuschen charakteristisch sind, wobei untersucht wird, ob der erste Zeitraum (TA1, TA2, ...) frei von Atemereignissen ist und in diesem Fall eine zusätzliche Bestätigung dafür erfolgt, dass innerhalb des ersten Zeitraums (TA1, TA2, ...) Atemaussetzer vorhanden waren.
5. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass das Absinken des Atembewegungsmesswerts (MB) innerhalb eines ersten Zeitraums (TA1, TA2, ...) erkannt wird, indem
- für den zeitlichen Verlauf des Atembewegungsmesswerts (MB) eine Hüllkurve (H) ermittelt wird,
- eine Anzahl von Maxima (M^ M2, ...) der Hüllkurve (H) ermittelt wird, und
15/25
- ein Zeitbereich zwischen zwei Maxima (M^ M2, ...), in dem die Hüllkurve einen vorgegebenen, insbesondere durch die Werte der jeweiligen Maxima (M^ M2, ...) festgelegten, Schwellenwert unterschreitet, als erster atmungsfreier Zeitraum festgestellt wird.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass ein Maximum nur dann als solches herangezogen wird, wenn
- sein zeitlicher Abstand zum jeweils vorangehenden oder zum jeweils nachfolgenden Maximum (M^ M2, ...) einen vorgegebenen zeitlichen Schwellenwert übersteigt und/oder
- sein Atembewegungsmesswert (MB) einen durch das jeweils vorangehende oder nachfolgende Maximum (M^ M2, ...) festgelegten Schwellenwert übersteigt.
7. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass ein zweiter Zeitraum von geringer Sauerstoffsättigung (MO2) festgestellt wird, indem
- Maxima im Verlauf der Sauerstoffsättigung (MO2) ermittelt werden,
- nach einem Zeitbereich des Abfallens der Sauerstoffsättigung (MO2) nach dem jeweiligen Maximum gesucht wird,
- in dem die Dauer des Abfalls der Sauerstoffsättigung (MO2) zumindest einen vorgegebenen zeitlichen Schwellenwert beträgt, und
- an dessen Ende die Sauerstoffsättigung (MO2) um zumindest 3% gegenüber dem Wert des Maximums abgesunken ist, und ein solcher Zeitbereich als zweiterZeitraum (TBi, Tß2, ) erkannt wird.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass ein Maximum (M^ M2, ...) nur dann als solches herangezogen wird, wenn
- sein zeitlicher Abstand zum jeweils vorangehenden oder zum jeweils nachfolgenden Maximum (M^ M2, ...) einen vorgegebenen zeitlichen Schwellenwert übersteigt und/oder
- sein Sättigungswert einen durch das jeweils vorangehende oder nachfolgende Maximum (M^ M2, ...) festgelegten Schwellenwert übersteigt.
9. Verfahren zur Detektion von Atemaussetzern einer Person,
- wobei während des Schlafs der Person die folgenden Messwerte laufend ermittelt werden:
- ein Atembewegungsmesswert (MB), der die Bewegungen der Person während der Atmung charakterisiert, und
- ein Sauerstoffsättigungswert (MO2), der die relative Sauerstoffsättigung (MO2) im Blut der Person angibt, und
16/25
- wobei für eine Anzahl von Zeitintervallen (h, l2, ...), insbesondere von einer Dauer zwischen 0,5 und 5 Sekunden, jeweils ein Feature-Vektor (V^ V2, ...) aus den Messwerten (MB, MO2) bestimmt wird,
- wobei aus den im betreffenden Zeitintervall (h, l2, ...) aufgenommenen AtemBewegungsmesswerten eine Anzahl von hinsichtlich ihrer Position im Feature-Vektor (V^ V2, ...) vorgegebenen Feature-Vektor-Einträgen ermittelt wird, und wobei aus den im betreffenden Zeitfenster aufgenommenen Sauerstoffsättigungswerten (MO2) eine Anzahl von hinsichtlich ihrer Position im Feature-Vektor (V^ V2, ...) vorgegebenen FeatureVektor-Einträgen ermittelt wird,
- wobei ein Zeitfenster (F^ F2, ...) umfassend eine vorgegebene Anzahl von FeatureVektoren (V^ V2, ...) oder Zeitintervallen (h, l2, ...) vorgegeben wird,
- wobei die Dauer des Zeitfensters (F^ F2, ...) so gewählt wird, dass diese vorzugsweise zwischen 10 und 120 Sekunden liegt,
- wobei die dem Zeitfenster (F^ F2, ...) zugeordneten Feature-Vektoren V^ V2, ... an ein vorab trainiertes neuronales Netzwerk (N) übergeben werden, das insbesondere zumindest einen rekurrenten Layer, vorzugsweise einen rekurrenten LSTM-Layer, enthält, und
- wobei mittels des neuronalen Netzwerks (N) eine zeitliche Abfolge von einzelnen Wahrscheinlichkeitswerten (P) erhalten wird, die die Wahrscheinlichkeit eines Atemaussetzers während des betreffenden Zeitfensters (F^ F2, ...) oder im Bezug auf das betreffende Zeitintervall (h, l2, ...), für das ein Feature-Vektor (V^ V2, ...) gültig ist, angeben.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass die Zeitfenster (F^ F2, ...) einander zumindest teilweise, insbesondere jeweils um die Hälfte, überlappen, sodass für jeden durch einen Feature-Vektor (V^ V2, ...) charakterisierten oder von diesen betroffenen Zeitpunkt jeweils zwei Wahrscheinlichkeitswerte (P^ P2; P2, P3) ermittelt werden, die die Wahrscheinlichkeit (P) eines Atemaussetzers zum betreffenden Zeitpunkt angeben, und dass die beiden so für einen Feature-Vektor (V^ V2, ...) oder einen Zeitpunkt erhaltenen Wahrscheinlichkeitswerte, insbesondere gewichtet, gemittelt werden.
11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass die Gewichtung der separat ermittelten und gewichtet addierten Wahrscheinlichkeitswerte (P^ P2; P2, P3) derart vorgegeben wird, dass Werte, die sich in der Mitte des Zeitfensters (F^ F2, ...) befinden, stärker gewichtet werden als Werte, die sich am Anfang des Zeitfensters (F^ F2, ...) befinden.
17/25
12. Verfahren nach einem der Ansprüche 9 bis 11, dadurch gekennzeichnet, dass Zeitbereiche (B), in denen der ermittelte Wahrscheinlichkeitswert (P) für das Vorliegen von Atemaussetzern einen vorgegebenen, insbesondere durch einen gleitenden Mittelwert der umgebenden Wahrscheinlichkeitswerte, gegebenenfalls multipliziert mit einem vorgegebenen Faktor, festgelegten, Vergleichsschwellenwert (Pth) übersteigt, als Zeitbereiche (B) von Atemaussetzern festgestellt werden.
13. Verfahren nach einem der Ansprüche 9 bis 12, dadurch gekennzeichnet, dass das neuronale Netzwerk (N) zur Bestimmung des Wahrscheinlichkeitswerts (P) einen oder mehrere weitere Layer (N2) aufweist, die dem LSTM-Layer vor- oder nachgeschaltet sind und
- dass das neuronale Netzwerk (N) in einem einzigen Neuron (Nout) mündet, an dessen Ausgang der Wahrscheinlichkeitswert (P) erhalten wird, oder
- dass das neuronale Netzwerk in so vielen Ausgangsneuronen (Nout) mündet, wie Zeitintervalle in einem Zeitfenster vorhanden sind, und an den einzelnen Ausgängen der Ausgangsneuronen die den Zeitintervallen im Zeitfenster zugeordneten Wahrscheinlichkeitswerte erhalten werden.
14. Datenträger, auf dem ein Computerprogramm zur Durchführung eines Verfahrens nach einem der vorhergehenden Ansprüche abgespeichert ist.
ATA50757/2018A 2018-09-05 2018-09-05 Verfahren zur Detektion von Atemaussetzern AT520925B1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
ATA50757/2018A AT520925B1 (de) 2018-09-05 2018-09-05 Verfahren zur Detektion von Atemaussetzern
PCT/AT2019/060280 WO2020047569A1 (de) 2018-09-05 2019-08-29 Verfahren zur detektion von atemaussetzern

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
ATA50757/2018A AT520925B1 (de) 2018-09-05 2018-09-05 Verfahren zur Detektion von Atemaussetzern

Publications (2)

Publication Number Publication Date
AT520925A4 true AT520925A4 (de) 2019-09-15
AT520925B1 AT520925B1 (de) 2019-09-15

Family

ID=67874561

Family Applications (1)

Application Number Title Priority Date Filing Date
ATA50757/2018A AT520925B1 (de) 2018-09-05 2018-09-05 Verfahren zur Detektion von Atemaussetzern

Country Status (2)

Country Link
AT (1) AT520925B1 (de)
WO (1) WO2020047569A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023108915B3 (de) 2023-04-06 2024-09-26 Diametos GmbH Diagnosesystem zu einer Bestimmung einer klinisch relevanten Schwere einer schlafbezogenen Atmungsstörung aus einem Patientensignal durch eine Gewichtung von respiratorischen Ereignissen mit benachbarten respiratorischen Ereignissen

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111312293A (zh) * 2020-02-17 2020-06-19 杭州电子科技大学 一种基于深度学习对呼吸暂停症患者的识别方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011161680A2 (en) * 2010-06-23 2011-12-29 Oridion Medical 1987 Ltd. Method and system for sleep disturbance analysis
WO2017185128A1 (en) * 2016-04-26 2017-11-02 Resmed Limited Diagnosis and monitoring of respiratory disorders
US20180085053A1 (en) * 2016-09-26 2018-03-29 Seiko Epson Corporation Measurement device and measurement method
WO2018136501A1 (en) * 2017-01-23 2018-07-26 Somnology, Inc. System and method for sleep disorder diagnosis and treatment

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8932227B2 (en) * 2000-07-28 2015-01-13 Lawrence A. Lynn System and method for CO2 and oximetry integration
US7126467B2 (en) * 2004-07-23 2006-10-24 Innovalarm Corporation Enhanced fire, safety, security, and health monitoring and alarm response method, system and device
US8545416B1 (en) * 2005-11-04 2013-10-01 Cleveland Medical Devices Inc. Integrated diagnostic and therapeutic system and method for improving treatment of subject with complex and central sleep apnea
US7896813B2 (en) * 2006-03-31 2011-03-01 Medtronic, Inc. System and method for monitoring periodic breathing associated with heart failure
US8365730B2 (en) * 2008-03-24 2013-02-05 Covidien Lp Method and system for classification of photo-plethysmographically detected respiratory effort

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011161680A2 (en) * 2010-06-23 2011-12-29 Oridion Medical 1987 Ltd. Method and system for sleep disturbance analysis
WO2017185128A1 (en) * 2016-04-26 2017-11-02 Resmed Limited Diagnosis and monitoring of respiratory disorders
US20180085053A1 (en) * 2016-09-26 2018-03-29 Seiko Epson Corporation Measurement device and measurement method
WO2018136501A1 (en) * 2017-01-23 2018-07-26 Somnology, Inc. System and method for sleep disorder diagnosis and treatment

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023108915B3 (de) 2023-04-06 2024-09-26 Diametos GmbH Diagnosesystem zu einer Bestimmung einer klinisch relevanten Schwere einer schlafbezogenen Atmungsstörung aus einem Patientensignal durch eine Gewichtung von respiratorischen Ereignissen mit benachbarten respiratorischen Ereignissen
WO2024208754A1 (de) 2023-04-06 2024-10-10 Diametos GmbH Diagnosesystem zu einer bestimmung einer klinisch relevanten schwere einer schlafbezogenen atmungsstörung aus einem patientensignal durch eine gewichtung von respiratorischen ereignissen mit benachbarten respiratorischen ereignissen

Also Published As

Publication number Publication date
WO2020047569A1 (de) 2020-03-12
AT520925B1 (de) 2019-09-15

Similar Documents

Publication Publication Date Title
DE60203246T2 (de) Aktive implantierbare medizinische Vorrichtung mit verbesserten Mitteln zum Unterscheiden zwischen den Phasen von Wachzustand und Schlafzustand
DE602004006803T2 (de) Tragbarer Detektor zur Messung von Personenbewegungen
EP0858287B1 (de) Vorrichtung zur quantitativen analyse von schlafstörungen
DE602005001645T2 (de) Aktives implantierbares medizinisches Gerät mit respiratorischen Diagnosemitteln und verbesserter Detektion von respiratorischen Artefakten
DE60016284T2 (de) Nichtinvasive bestimmung von herzzeitvolumen, pulmonalem blutfluss und blutgasgehalt
US9357953B2 (en) System and method for diagnosing sleep apnea
Quiceno-Manrique et al. Detection of obstructive sleep apnea in ECG recordings using time-frequency distributions and dynamic features
DE4338466A1 (de) Verfahren und Vorrichtung zur automatischen Erfassung auffälliger Atemgeräusche
Selvaraj et al. Detection of sleep apnea on a per-second basis using respiratory signals
DE102006057709A1 (de) Vorrichtung und Verfahrren zum Bestimmen einer Atemfrequenz
DE102006060819A1 (de) Verfahren und Vorrichtung zur Bestimmung der Atemfrequenz
Mukherjee et al. Can complexity decrease in congestive heart failure?
CH632848A5 (de) Vorrichtung zur detektion von signalen, insbesondere von fetalen herzsignalen.
WO2000077659A1 (de) Qualitätsindikator für messsignale, insbesondere medizinische messsignale wie aus der sauerstoffsättigungsmessung
DE112015001216T5 (de) Systeme, Verfahren und Vorrichtungen zum Lindern und zur Ergebnisüberwachung von Schlafbezogenen Atmungsstörungen
EP0504945A2 (de) Vorrichtung zur Diagnose und quantitativen Analyse von Apnoe und zur gleichzeitigen Feststellung anderer Erkrankungen
Tateno et al. Development of drowsiness detection system based on respiration changes using heart rate monitoring
AT520925B1 (de) Verfahren zur Detektion von Atemaussetzern
EP1748725B1 (de) Vorrichtung zur erfassung der schwere einer erkrankung
DE102007031017B3 (de) Verfahren zum Betreiben einer Anästhesie- oder Beatmungsvorrichtung mit Triggerfunktion und Vorrichtung hierzu
Kagawa et al. Sleep stage classification by body movement index and respiratory interval indices using multiple radar sensors
EP2626005A1 (de) Verfahren zur Bestimmung des physischen und/oder psychischen Zustands eines Probanden anhand einer Analyse seiner Herzratenvariabilität
EP2908720B1 (de) Vorrichtung und verfahren zum erkennen und melden eines belastungszustandes einer person
US20150272474A1 (en) Respiration rate determination in impedance pneumography
CN108261196B (zh) 心电电极脱落检测方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
HA Change or addition of new inventor

Inventor name: CHRISTOPH WIESMEYR, AT

Effective date: 20191126

Inventor name: CARMINA CORONEL, AT

Effective date: 20191126

Inventor name: BERNHARD KOHN, AT

Effective date: 20191126

Inventor name: ALEXANDER SCHINDLER, AT

Effective date: 20191126

Inventor name: ANAHID NAGHIBZADEH-JALALI, AT

Effective date: 20191126

Inventor name: HEINRICH GARN, AT

Effective date: 20191126

MM01 Lapse because of not paying annual fees

Effective date: 20230905