BRPI0912961B1 - sistema de detecção e/ou prevenção de queda, e método de treinamento de uma detecção de queda e/ou algoritmo de prevenção - Google Patents

sistema de detecção e/ou prevenção de queda, e método de treinamento de uma detecção de queda e/ou algoritmo de prevenção Download PDF

Info

Publication number
BRPI0912961B1
BRPI0912961B1 BRPI0912961A BRPI0912961B1 BR PI0912961 B1 BRPI0912961 B1 BR PI0912961B1 BR PI0912961 A BRPI0912961 A BR PI0912961A BR PI0912961 B1 BRPI0912961 B1 BR PI0912961B1
Authority
BR
Brazil
Prior art keywords
fall
detection algorithm
occurred
user
drop
Prior art date
Application number
Other languages
English (en)
Inventor
Baldus Herbert
Jim Sheng
R T Ten Kate Warner
Peng Yang
Original Assignee
Koninl Philips Electronics Nv
Koninklijke Philips Nv
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 Koninl Philips Electronics Nv, Koninklijke Philips Nv filed Critical Koninl Philips Electronics Nv
Publication of BRPI0912961A2 publication Critical patent/BRPI0912961A2/pt
Publication of BRPI0912961B1 publication Critical patent/BRPI0912961B1/pt

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438Sensor means for detecting
    • G08B21/0446Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116Determining posture transitions
    • A61B5/1117Fall detection
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18Prevention or correction of operating errors
    • G08B29/20Calibration, including self-calibrating arrangements
    • G08B29/22Provisions facilitating manual calibration, e.g. input or output provisions for testing; Holding of intermittent values to permit measurement

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Alarm Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

sistema de detecção e/ou prevenção de queda, e método de treinamento de uma detecção de queda e/ou algoritmo de prevenção a presente invenção apresenta um sistema de detecção e/ou prevenção de queda, o qual inclui um ou mais sensores para detecção de características de movimento de um usuário do sistema de detecção e/ou prevenção de queda e para gerar sinais correspondentes; um meio de processamento para analisar os sinais de um ou mais sensores utilizando um algoritmo de detecção de queda para determinar se uma queda ocorreu ou possa vir a ocorrer, em que o meio de processamento também é adaptado para atualizar o referido algoritmo de detecção de queda com base no resultado da análise dos sinais e uma indicação se uma queda ocorreu a partir do usuário ou de terceiros.

Description

SISTEMA DE DETECÇÃO E/OU PREVENÇÃO DE QUEDA, E MÉTODO DE TREINAMENTO DE UMA DETECÇÃO DE QUEDA E/OU ALGORITMO DE PREVENÇÃO
CAMPO TÉCNICO DA INVENÇÃO [001] A presente invenção refere-se a sistemas de detecção e/ou prevenção de queda, e em particular a um sistema de detecção e/ou prevenção de queda dotado de um algoritmo de detecção de queda que pode ser adaptado para as características de um usuário particular.
ANTECEDENTES DA INVENÇÃO [002] A queda é um problema significativo no cuidado de idosos que pode levar a morbidade e mortalidade. Do ponto de vista físico, as quedas ocasionam danos, enquanto sob o ponto de vista mental, as quedas ocasionam medo de cair, o que por sua vez leva ao isolamento social e depressão.
[003] Em termos de intervenção, há dois aspectos onde os dispositivos eletrônicos podem ajudar. Um é proporcionar um sistema de detecção de queda automatizado e confiável, e o outro é proporcionar um sistema de prevenção de queda que proporciona um retorno precoce ao usuário ou ao provedor de cuidados do usuário se o usuário se engaja em uma situação (mais) arriscada. O primeiro garante que medidas adequadas sejam tomadas em case de um incidente de queda, que também proporciona um nível de restauração da confiança para o usuário, e o segundo ajuda o usuário a se manter saudável, o que proporciona um nível adicional de restauração da confiança. Sistemas de detecção de queda estão se tornando amplamente disponíveis, e sistemas de detecção de queda são
Petição 870190079860, de 16/08/2019, pág. 6/15
2/24 esperados surgir brevemente.
[004] De modo comum, sistemas de detecção de queda automatizados são centrados em torno de um acelerômetro que deve ser fixado ao corpo do usuário. O detector rastreia os sinais a partir do acelerômetro e determina que uma queda ocorreu se um padrão característico é identificado. Um padrão típico é uma combinação de um alto valor de impacto no qual o sinal de aceleração excede um limiar pré-configurado, seguido por um período de aceleração relativamente constante, por exemplo, apenas gravidade, uma vez que o usuário está permanecendo imóvel no chão. O padrão pode continuar ao revelar atividade, se desviando a partir do período relativamente constante, quando o usuário fica em pé de novo.
[005] Diversos refinamentos e extensões existem para este sistema simples. Por exemplo, giroscópios e/ou magnetômetros podem ser utilizados para medir a orientação do corpo para checar uma posição não vertical sustentada na avaliação de se uma queda ocorreu.
[006] Os sistemas de detecção de queda automáticos atuais são tipicamente equipados com um botão de reinicialização de alarme” que o usuário pode pressionar para suprimir alarmes falsos (falsos positivos - FP) antes que eles alcancem o provedor de cuidados, de modo que intervenção adicional pelo provedor de cuidados seja abortada. Com freqüência, o botão de reinicialização de alarme, ou alternativamente um botão de alarme”, é utilizado para permitir que o usuário requisite ajuda, o que, em um modo, indica um alarme perdido (isto é um falso negativo FN) . As referidas duas funções podem aparecer como dois botões separados para o usuário pressionar. Os mesmos também
Petição 870190024519, de 14/03/2019, pág. 6/38
3/24 podem ser integrados em um único botão físico, em cujo caso a função muda com o estado atual do algoritmo de detecção (sem queda contra queda detectada). Deve-se observar, contudo, que os botões não são obrigados a fazer parte do dispositivo colocado no corpo do usuário. Eles também poderiam ser parte de uma estação de base, localizada na casa do usuário, a qual se comunica com o sensor e que ainda transmite um alarme ao centro de chamada provedor de cuidados. Faz mais sentido montar o botão para a função de reiniciar na estação de base e ter a função de alarme com o sensor.
[007] Um problema com os sistemas automáticos de detecção de queda é a classificação confiável de quedas e não quedas, caracterizada pela sensibilidade e especificidade. Claramente, para uma classificação de confiança, os falsos positivos e falsos negativos devem ser suprimidos, tanto quanto possível. A confiabilidade total (ou seja, não FP ou FN) só é possível caso as características do conjunto de sinais possam ser completamente distintas em duas séries separadas, uma caracterizando um incidente de queda, a outra um incidente de não queda. Obviamente, na prevenção de quedas, o sistema não pode fazer uso dos eventos de alta aceleração no sinal, uma vez que não estará (ainda) presente, e o problema da identificação correta das situações de maior risco é ainda mais difícil.
[008] São conhecidas diversas técnicas que levam à classificação correta. Elas são referidas coletivamente como aprendizado de máquina [TM Mitchell, Machine Learning, McGraw-Hill, 1997]. Nestes métodos, um algoritmo foi desenvolvido o qual classifica as características de combinações de valor a partir dos sinais
Petição 870190024519, de 14/03/2019, pág. 7/38
4/24 do sensor que caracterizam uma queda ou uma não queda. Utilizando conjuntos de recursos que são conhecidos por corresponder a uma queda ou não queda, os parâmetros do algoritmo são adaptados para fornecer uma resposta correta a esses dados de treinamento. O valor da adaptação é geralmente derivado de uma análise estatística do algoritmo, de modo que o processo de atualização leve a uma situação que corresponda a um critério de otimização. Claro que a fim de ser perfeitamente bem sucedida, é necessário que os sinais, ou seja, suas características observadas sejam distinguíveis no ideal, ou seja, situação livre de ruído. Se este não for o caso, os erros (FP e FN) fundamentalmente permanecerão e a tarefa será encontrar uma configuração ideal de negociação desses FP e FN. Para um treinamento eficaz do algoritmo, uma quantidade suficiente de amostras de dados é necessária, de modo que os limites de classificação possam ser otimizados para uma variação no conjunto de recursos.
[009] Um problema que permanece diz respeito à aquisição dos dados de referência de modo suficiente e que eficientemente represente as classes a serem distintas. Como as pessoas se movem de modos diferentes, consequentemente serão gerados sinais e padrões diferentes, portanto, é difícil prever um tamanho único de conjunto de dados de referência.
[010] US2005/0110648 revela um sistema e um método para detectar uma aceleração de um corpo e avaliar o movimento de um corpo em relação a um ambiente detectador de quedas e movimentos irregulares do corpo. US2007/0132597 divulga métodos e sistemas para o monitoramento de saída de apoio ao doente e início da resposta.
Petição 870190024519, de 14/03/2019, pág. 8/38
5/24 [011] Portanto, um objetivo da invenção consiste na apresentação de um sistema de detecção de queda e/ou sistema de prevenção que possam ser adaptados a queda de um determinado usuário ou características de atividade a fim de melhorar a confiabilidade do algoritmo de detecção de queda, sem que haja necessidade do usuário gastar um período de tempo de treinamento dedicado ao detector. Um objetivo adicional da invenção consiste na apresentação de um sistema de detecção e/ou prevenção de queda que possa se adaptar às mudanças nas características das atividades do usuário (por exemplo, devido ao envelhecimento).
DESCRIÇÃO RESUMIDA DA INVENÇÃO [012] De acordo com um primeiro aspecto da invenção, é apresentado um sistema de detecção da queda e/ou sistema de prevenção de acordo com a reivindicação 1.
[013] Portanto, como uma indicação de que a queda tenha realmente ocorrido é comparado com o resultado do algoritmo de detecção de queda, o algoritmo de detecção de queda pode ser atualizado a fim de reduzir a incidência de falsos positivos e falsos negativos.
[014] Preferivelmente, o meio de processamento é adaptado para gerar um sinal de alarme no caso de ocorrência de uma queda ou caso possa vir a ocorrer.
[015] Em uma modalidade preferida, o sistema inclui ainda uma memória para armazenar os sinais, uma indicação do algoritmo de detecção de queda caso o algoritmo de detecção de queda determine que uma queda tenha ocorrido ou possa vir a ocorrer e a indicação caso uma queda tenha realmente ocorrido.
[016] Em uma modalidade adicional, o sistema
Petição 870190024519, de 14/03/2019, pág. 9/38
6/24 compreende ainda um meio para gerar um rastreamento para uma pluralidade de sinais de um ou mais sensores, e a memória é adaptada para armazenar o rastreamento dos sinais.
[017] Preferivelmente, o meio de processamento determina que o algoritmo de detecção de queda forneceu um falso positivo no caso em que o algoritmo de detecção de queda mostra que a queda ocorreu e o sinal de restauração está presente, e o meio de processamento é adaptado para atualizar o algoritmo de detecção de queda correspondente.
[018] Preferivelmente, o meio de processamento determina que o algoritmo de detecção de queda forneceu um verdadeiro positivo no caso em que o algoritmo de detecção de queda mostra que a queda ocorreu e o sinal de restauração não está presente, e o meio de processamento é adaptado para atualizar o algoritmo de detecção de queda correspondente.
[019] Em uma modalidade adicional, o sistema permite ainda um meio para a recepção do sinal de restauração de terceiros.
[020] Em uma modalidade adicinal e preferível, o sistema inclui ainda um segundo componente operável pelo usuário para gerar um sinal de alarme.
[021] Preferivelmente, o meio de processamento determina que o algoritmo de detecção de queda forneceu um falso negativo no caso em que o algoritmo de detecção de queda não detecta que a queda tenha ocorrido e o sinal de alarme está presente, e o meio de processamento é adaptados para atualizar o algoritmo de detecção de queda correspondente.
[022] Preferivelmente, o meio de processamento determina que o algoritmo de detecção de queda forneceu um
Petição 870190024519, de 14/03/2019, pág. 10/38
7/24 verdadeiro positivo no caso em que o algoritmo de detecção de queda não detecta que a queda tenha ocorrido e o sinal de alarme está presente, e o meio de processamento é adaptado para atualizar o algoritmo de detecção de queda correspondente.
[023] Preferivelmente, o algoritmo de detecção de queda compreende um ou mais conjuntos de recursos representando sinais de um ou mais sensores.
[024] Preferivelmente, o meio de processamento é adaptados para monitorar a frequência com que o algoritmo de detecção de queda é atualizado, e se a freqüência exceder um limite, o meio de processamento é adaptado para remover um ou mais conjuntos de recursos a partir do algoritmo de detecção de queda.
[025] Preferivelmente, o meio de processamento determina se uma queda ocorreu ou possa vir a ocorrer, comparando a um ou mais conjuntos de recursos com os sinais correspondentes gerados por um ou mais sensores.
[026] Preferivelmente, o meio de processamento é adaptado para atualizar o algoritmo de detecção de queda, a fim de otimizar seletivamente falsos positivos, onde o algoritmo incorretamente detecta uma queda, e falsos negativos quando o algoritmo detecta incorretamente que nenhuma queda tenha ocorrido, ou para obter uma relação estável entre falsos positivos e falsos negativos.
[027] Um segundo aspecto da invenção fornece um método de treinamento de detecção de queda e/ou algoritmo de prevenção para o uso em Sistemas de detecção e/ou prevenção de queda de acordo com a reivindicação 15.
[028] Um terceiro aspecto da invenção fornece
Petição 870190024519, de 14/03/2019, pág. 11/38
8/24 um programa de computador de acordo com a reivindicação 16.
BREVE DESCRIÇÃO DOS DESENHOS [029] A invenção será agora descrita, a título de exemplo somente, com referência aos desenhos a seguir, em que :
[030] a figura 1 mostra um sistema de detecção de queda colocado em um usuário;
[031] a figura 2 é um diagrama de blocos do
sistema de detecção de queda;
[032] a figura 3 é um fluxograma ilustrando um
primeiro método, de acordo com a invenção;
[033] a figura 4 é um fluxograma ilustrando um
segundo método, de acordo com a invenção; e
[034] a figura 5 é um fluxograma que ilustra um
método de treinamento de um algoritmo de detecção de queda, de acordo com a invenção.
DESCRIÇÃO DETALHADA DAS MODALIDADES PREFERIDAS [035] A figura 1 mostra um sistema de detecção de queda 2 ligado a um usuário 4 através de uma fita ou qualquer outro meio de fixação 6. O sistema de detecção de queda 2 é, preferivelmente ligado na parte superior do corpo do usuário 4, tal como em torno da cintura, no pulso, ou como um pingente em volta do pescoço.
[036] Nesta modalidade, o sistema de detecção de queda 2 inclui um botão de restauração de alarme 8 que o usuário 4 pode operar para prevenir ou impedir que um sinal de alarme seja enviado para um centro de chamada ou outra unidade de assistência. Dessa maneira, se o sistema de detecção de queda 2 detecta uma queda pelo usuário 4, um sinal de alarme será enviado para um centro de chamadas ou
Petição 870190024519, de 14/03/2019, pág. 12/38
9/24 outras unidades de assistência, a menos que o usuário 4 indique que uma queda não tenha ocorrido, pressionando o botão de restauração de alarme 8. Este é considerado um falso positivo (FP).
[037] Neste caso, o algoritmo de detecção de queda executado no sistema 2 é considerado como tendo identificado incorretamente uma queda a partir dos sinais recebidos dos sensores. Pode ser que os critérios ou parâmetros utilizados para identificar as quedas a partir dos sinais recebidos não sejam projetados a um nível apropriado para o usuário específico 4 do sistema 2, por isso é desejável treinar ou adaptar o algoritmo de detecção de queda para características particulares (por exemplo, para a marcha e equilíbrio) do usuário 4. Adicionalmente, é desejável que o algoritmo de detecção de queda aprenda os tipos de situações ou quedas para as quais o usuário necessita ou não de assistência. Quedas leves para as quais o usuário 4 não necessite da intervenção de centros de chamada podem ser utilizadas para treinar o algoritmo para classificá-las como não quedas.
[038] Adicionalmente, se o usuário 4 cair, mas levantar de novo, o usuário 4 pode querer decidir se precisa de assistência e o sistema de detecção de queda 2 não deve tocar o alarme de forma autônoma. Por exemplo, o sistema 2 pode observar a duração do período de aceleração constante relativa quando o usuário 4 estiver deitado após uma queda e, antes de se levantar.
[039] Se esse prazo for superior a um limite, a decisão final sobre a queda é feita e um alarme é enviado para o centro de chamada.
Petição 870190024519, de 14/03/2019, pág. 13/38
10/24 [040] A supressão deste alarme, possivelmente até mesmo antes do período atingir o limite, indica que este período de tempo deverá ser prorrogado pelo usuário 4. Da mesma forma, ao contrário, pedindo ajuda, ou seja, pressionando o botão de alarme (se houver) antes do período atingir o limite, indica que o limite do período de tempo deve ser reduzido.
[041] A figura 2 é um diagrama de blocos de um sistema de detecção de queda 2, de acordo com a invenção.
[042] O sistema 2 é composto por um ou mais sensores 10 que detectam as características de movimentos do usuário 4 e que geram sinais correspondentes. Um ou mais sensores 10 podem incluir um acelerômetro, magnetômetro, giroscópio e/ou outros sensores.
[043] Os sinais do sensor(es) 10 formam um conjunto de recursos, possivelmente depois de alguns procedimentos. Características exemplares incluem magnitude, conteúdo espectral, distribuição direcional, meio, variação, etc, mas, alternativamente os sinais, ou seja, a série temporal de valores de amostra pode servir como conjunto de características. As características são fornecidas à lógica de decisão 14, que executa o algoritmo de detecção de queda. Em particular, a lógica de decisão 14 determina se uma queda ocorreu, comparando o conjunto de recursos a um conjunto de parâmetros que são utilizados para classificar se uma queda ocorreu ou não. Estes parâmetros podem incluir, ou ser baseados em conjuntos de recursos a partir de quedas conhecidas, ou situações de risco.
[044] Pelo menos um subconjunto de sinais, ou as características extraídas, a partir do(s) sensor(es) 10
Petição 870190024519, de 14/03/2019, pág. 14/38
11/24 também são fornecidos para uma memória FIFO 16, que armazena temporariamente por um período de tempo predeterminado. A duração deste período de tempo pode ser diferente para diferentes partes dos sinais armazenados e recursos. Por exemplo, a sub-amostragem pode ser aplicada depois de passar um primeiro período de tempo. Os sinais armazenados e os recursos são fornecidos a partir da memória FIFO 16 a uma unidade geradora de rastreamento 18 que gera um rastreamento para os sinais que podem ser seletivamente armazenados em uma memória 20. Um rastreamento é gerado no caso de uma queda ser detectada pela decisão lógica 14 ou no caso do botão de restauração de alarme 8 ser pressionado. O estado da decisão lógica 14 (queda / não queda), bem como do botão 8 (pressionado / não pressionado) é marcado com o rastreamento.
[045] Se a decisão lógica 14 determina que a queda ocorreu, um sinal de alarme é gerado e enviado para uma unidade de tempo 22. A unidade de tempo 22 é conectada ao botão de restauração de alarme 8, e, se a unidade de tempo 8 recebe um sinal de restauração de alarme do botão 8 dentro de um período de tempo predeterminado (que pode ser zero), o sinal de alarme é parado. Caso contrário, se nenhum sinal de restauração de alarme é recebido dentro do período de tempo, o sinal de alarme é transmitido a um centro de chamada ou outro ponto de assistência. Alternativamente, o alarme pode ser emitido imediatamente para o centro de chamada, e um sinal de restauração envia uma revogação ao centro de chamada.
[046] Deve ser observado que, em modalidades alternativas, o sistema de detecção de queda 2 pode incluir uma unidade de sensor para ligação a um usuário e a uma
Petição 870190024519, de 14/03/2019, pág. 15/38
12/24 estação de base separada que recebe os sinais do sensor e hospeda o processamento necessário para detectar quedas e gerar sinais de alarme. Em outras modalidades alternativas, o tratamento pode ser localizado no centro de chamda ou em um local intermediário entre o sistema 2 e o centro de chamada.
[047] O rastreamento completo, ou seja, o sinal e/ou características do FIFO 16 e os estados de decisão lógica 14 e do botão 8, são fornecidos para a memória 20.
[048] Em algumas modalidades, como sugerido acima, o botão de restauração de alarme 8 também pode ser utilizado pelo usuário 4 para indicar que a queda tenha ocorrido, no caso de uma queda não ser detectada pelo sistema 2. Neste caso, se a lógica de decisão 14 não detecta uma queda através do conjunto de recursos, mas o botão de restauração de alarme 8 é pressionado, um sinal de alarme pode ser transmitido. Adicionalmente, o sinal da lógica de decisão 14, indicando que nenhuma queda foi detectada é enviado à memória 20, juntamente com o sinal do botão de restauração de alarme 8, onde são armazenadas com o sinal relevante de rastreamento.
[049] Se nenhum alerta é gerado pela lógica de decisão 14 e o botão de restauração de alarme 8 não é pressionado, o conjunto de características relevantes que levaram a esta decisão pode ser descartado a partir da memória FIFO 16. Nestes casos, a lógica da decisão 14 foi corretamente identificada a partir dos conjuntos de características de que nenhuma queda tenha ocorrido, ou que seja provável que nenhuma queda aconteça.
[050] Em modalidades alternativas, pode ser fornecido um botão de alarme, além do botão de restauração de
Petição 870190024519, de 14/03/2019, pág. 16/38
13/24 alarme 8 para permitir ao usuário 4 indicar explicitamente que a queda ocorreu (se ou não o algoritmo detectou uma queda), ou que a assistência é necessária. Nesta modalidade, se a lógica de decisão 14 não detecta uma queda do conjunto de recursos, mas o botão do alarme é pressionado, um sinal de alarme pode ser transmitido. O sinal do botão de alarme é enviado à memória 20, onde ele é armazenado com o rastreamento dos sinais do(s) sensor(es) 10.
[051] Dessa maneira, o sistema de detecção de queda 2, que pode incluir um acelerômetro interno, é estendido com um sistema de armazenamento 16, 18, 20, que é dedicado a armazenar um conjunto de características dos sinais do acelerômetro. Sinais primários do sensor do acelerômetro também podem ser armazenados nos casos em que este é mais eficiente, por exemplo, quando a lógica de decisão 14 baseia-se em características do sinal direto, tal como um limiar da magnitude ou a frequência do sinal. Além do sinal e/ou do conjunto de características, outros dados podem ser armazenados, tais como dados de marcas de tempo. Deve-se
considerar que, embora não seja mostrado na modalidade
ilustrada, o sistema de armazenamento pode ser fisicamente
remoto do acelerômetro (ou seja, remoto a partir do
dispositivo colocado no usuário 4). O sincronismo de dados pode ser relativo, indicando a progressão dentro de um rastreamento de subsequentes conjuntos de recursos.
[052] Durante a operação, os conjuntos de recursos são armazenados na memória 20 e são analisados pela lógica de decisão para caracterizar uma queda, em caso de detecção de queda, ou um aumento do risco de queda, no caso de prevenção de quedas. Claramente, o algoritmo pode ser
Petição 870190024519, de 14/03/2019, pág. 17/38
14/24 utilizado tanto em detecção de quedas quanto em sua prevenção. O algoritmo pode utilizar os dados armazenados diretamente, ou seja, comparar sinal de corrente / funções com os de memória 20. Pode-se também utilizar os dados armazenados indiretamente, neste caso, o algoritmo mantém as configurações internas e limítrofes, que são regularmente adaptadas durante um processo de atualização com base nos dados (novos) armazenados na memória 20. Uma atualização pode ser acionada a cada mudança na memória 20 (adicionadas por rastreamento ou removidas por rastreamento), ou após um determinado número de alterações, possivelmente combinado com um tempo limite. Uma atualização (adicional) também pode ser desencadeada se a taxa na qual a memória 20 é atualizada mudar.
[053] Conforme descrito acima, se o botão de restauração de alarme 8 é pressionado, o rastreamento de conjuntos de recursos na memória é copiado para dentro da memória 20, onde serão mantidos por um período possivelmente indefinido de tempo. Em seguida ao rastreamento de dados, o valor da decisão está armazenado. Dessa maneira, no caso em que a lógica da decisão 14 levantou um alerta, mas o botão de restauração de alarme 8 é pressionado, os dados do rastreamento são rotulados para representar um FP. No caso de nenhum alerta, mas havendo uma indicação do usuário 4 que houve uma queda, os dados de rastreamento estão marcados para representar um FN. Um rastreamento de dados dando um alerta para o qual não foi recebido nenhum pressionamento do botão pode ser armazenado como um VP (verdadeiro positivo). Opcionalmente, os sinais e conjuntos de características que não levam à detecção de queda pela lógica de decisão 14 e que
Petição 870190024519, de 14/03/2019, pág. 18/38
15/24 não são rotulados como uma pressão do botão (alarme) podem ser armazenados, bem como, rotulados como VN (verdadeiros negativos). Isso pode ajudar na formação do algoritmo em adaptação.
[054] A fim de se adaptar às possíveis mudanças nas características do usuário, por exemplo, relacionadas ao envelhecimento, os traços de memória 20 podem expirar. A validade pode ser desencadeada por mecanismos semelhantes como a atualização do algoritmo de decisão 14. A validade em si pode desencadear a referida atualização.
[055] Na primeira utilização do sistema de detecção de queda 2, a memória 20 e o algoritmo 14 podem ser carregados com valores que representam as características da população em geral. Estes valores, ou parte deles, podem ser rotulados para expirar em qualquer caso, ou expirar em um curto período de tempo, por exemplo, assim que uma quantidade suficiente de dados específicos do usuário tenha sido coletada.
[056] Na modalidade alternativa onde os botões separados podem estar presentes para a execução de uma restauração de alarme e para ativar o alarme, os rastreamentos representando VP podem ser selecionados baseados nas prensas de alerta explícitas (junto com um alerta gerado).
[057] De acordo com a invenção, a informação armazenada é utilizada para adaptar ou treinar o algoritmo utilizado na lógica da decisão 14 para reduzir as taxas de falsos positivos e falsos negativos. Dessa maneira, a lógica de decisão 14 é treinada utilizando os dados de rastreamento e o estado de pressão do botão (ou seja, era um botão de
Petição 870190024519, de 14/03/2019, pág. 19/38
16/24 restauração pressionado 8?) ou a situação dos dados de rastreamento associados FP, FN ou VP.
[058] O algoritmo utilizado na lógica de decisão 14 pode ser atualizado a cada vez que um botão 8 é pressionado, ou podem ser atualizados a cada cinco pressões do botão, digamos. Alternativamente, o algoritmo pode ser atualizado após um determinado período de tempo se passar, ou qualquer combinação dos itens acima.
[059] Desta forma, o algoritmo utilizado na lógica da decisão 14 se tornará personalizado aos padrões de movimento do usuário 4. Adicionalmente, no caso da prevenção da queda, o algoritmo vai aprender quais as situações que o usuário 4 considera arriscadas. Em modalidades preferidas, através da obtenção de dados de vários sensores 10 e tipos de sensores, o espaço mensurável destas situações de risco será expandido.
[060] Em particular, no caso da prevenção da queda, os dados fisiológicos interessam, tais como as características indicativas de tonturas, e incluindo as quantidades, como pressão sanguínea, nível de oxigênio (SPO2), freqüência cardíaca (ECG), atividade muscular e fadiga (EMG e MMG), temperatura, sons do pulmão, etc [061] Se o sistema de detecção de queda 2 classifica corretamente uma situação de não-risco (ou seja, corretamente, em termos do algoritmo treinado com os seus dados de referência e opiniões dos usuários), mas acontece uma queda em seguida, o sistema 2 pode revisar suas categorias de risco e não risco e classificar o rastreamento ali inserido com referência a dados anteriores (de outras pessoas, ou de configurações iniciais ou de fábrica). Desta
Petição 870190024519, de 14/03/2019, pág. 20/38
17/24 forma, é possível identificar estes rastreamentos no conjunto de treinamento que são rotulados como sem risco, mas são classificados como arriscados nos dados de referência anterior. Estes rastreamentos podem ser recolhidos a partir do conjunto de treinamento personalizado, após o qual o algoritmo de decisão pode ser treinado novamente.
[062] Um refinamento para o algoritmo de atualização é o de verificar a taxa de atualização, ou seja, o intervalo de tempo entre pressões subsequentes do botão. Se os intervalos são pequenos, isso pode indicar que o algoritmo tem um estado de adaptação sub-otimizada (ou seja, o algoritmo está freqüentemente gerando falsos positivos ou falsos negativos), enquanto que intervalos longos, ou a saturação em ficar mais tempo, indica que a otimização foi alcançada. Em particular, se as taxas de atualização aumentam (isto é, os intervalos ficam mais curtos), isso pode indicar que o algoritmo está se tornando super equipado, ou muito específico/restrito. Para evitar isso, as amostras (ou seja, rastreamentos) podem ser removidas do conjunto de treinamento. No entanto, este processo também deve levar em conta que podem haver mudanças nos padrões de movimento do usuário (marcha e equilíbrio). Por exemplo, a capacidade do usuário de manter o equilíbrio pode diminuir com o tempo. Esta última informação pode, por exemplo, ser inscrita na base do exame regular pelo clínico geral do usuário.
[063] O cálculo para determinar o intervalo de tempo entre as atualizações também pode ser adaptado para as atividades do usuário. Por exemplo, se o usuário tira ou desliga o sistema de detecção de queda 2, esta vez não deveria ser contada para um intervalo de atualização. Da
Petição 870190024519, de 14/03/2019, pág. 21/38
18/24 mesma forma, se o usuário tende a sentar-se firmemente ou ficar na cama por longos períodos de tempo, o cálculo do intervalo do tempo de atualização pode levar isso em conta. Em algumas modalidades, os intervalos de tempo podem ser computados em relação à duração média entre os instantes em que, digamos, a aceleração medida exceder a um ou a alguns limites de referência.
[064] Em algumas modalidades, uma outra medida que pode ser utilizada para estimar a otimização do algoritmo é uma taxa estável entre as taxas de PF e as de FN, ou entre o VP e as taxas de FP. Isso indica que a melhoria do algoritmo (em termos de redução da FP e FN), não é possível sem a adição de sinais de sensores adicionais ou de outro tipo. Em algumas modalidades, o usuário 4 pode ser informado da taxa. Também é possível para o usuário 4 ter o fornecimento com a capacidade de definir a taxa considerada ideal. Por exemplo, nenhum FN pode ser uma definição, e a taxa pode ser utilizada para treinar e ajustar o algoritmo de acordo.
[065] Em modalidades adicionais da invenção, em vez de somente rotular as taxas na base do botão de restauração de alarme 8 (ou um botão de alarme) que está sendo pressionado, outras intervenções podem desencadear o descrito armazenamento assim como o processo de formação. Por exemplo, um provedor de cuidados pode observar uma quase queda ou uma situação de risco e acionar o sistema 2 a fim de utilizar os dados para o treinamento. Esse gatilho pode fazer o provedor de cuidados pressionar o botão 8 no sistema 2, ou fazer o provedor de cuidados remotamente enviar um sinal para o sistema 2.
Petição 870190024519, de 14/03/2019, pág. 22/38
19/24 [066] Os padrões armazenados ou rastreamentos também podem ser separados para inspeção pelo provedor de cuidados ou pelo médico de clínica geral. Em particular, se tiverem sido rotulados como falso positivo pelo usuário 4, o provedor de cuidados pode usar os dados como um relatório para apresentar um parecer sobre o bem-estar (e a tendência ali incluída) do usuário 4. Possivelmente, o provedor de cuidados pode decidir substituir o rótulo do usuário por considerar o incidente um falso positivo.
[067] Além do usuário 4 iniciar o treinamento do algoritmo quando uma restauração de alarme/botão de alarme é pressionado, um provedor de cuidados ou centro de atendimento também pode iniciar a atualização do treinamento. Por exemplo, se um alerta chegar ao centro de chamada e o usuário não emitir uma restauração de alerta, enquanto o centro de atendimento descobre se era um alarme falso, o centro de atendimento pode enviar um comando de treinamento para o sistema de formação 2.
[068] Com referência agora à figura 3, é apresentado o método de operação de um sistema de detecção de queda 2 que possui um botão de restauração de alarme 8. Na etapa 101, um conjunto de recursos é recebido do(s) sensor (es) 10 e é analisado utilizando um algoritmo de detecção de queda na lógica de decisão 14. Se a queda não é detectada (etapa 103), o processo retorna para a etapa 101, onde um conjunto de recursos subseqüentes é analisado.
[069] Se for detectada uma queda (etapa 103), o processo passa para a etapa 105 onde o sistema de detecção de queda 2 aguarda por um período predeterminado para o botão de restauração de alarme 8 ser pressionado.
Petição 870190024519, de 14/03/2019, pág. 23/38
20/24 [070] Se o botão de restauração 8 é pressionado (etapa 107), o conjunto de recursos ou um rastreamento do conjunto de recursos são armazenados na memória 20 (etapa 109). Este conjunto de recursos ou rastreamento é armazenado junto com a indicação de restauração de alarme, o que significa que ele é armazenado como um falso positivo (etapa 111). O processo então retorna para a etapa 101.
[071] Se o botão de restauração 8 não é pressionado (etapa 107), um sinal de alarme é transmitido (etapa 113) . Em modalidades alternativas, etapa 113 também pode ser acionado diretamente por um sim no etapa 103, caso em que por um 'sim' no etapa 107 pode levar a uma revogação.
[072] Opcionalmente (conforme indicado pelas setas e caixas tracejadas), o conjunto de recursos ou um rastreamento do conjunto de recursos são armazenados em uma memória 20 (etapa 115), juntamente com uma indicação de que o botão de restauração de alarme 8 não foi pressionado, o que significa que é armazenado como um verdadeiro positivo (etapa 117). Em ambos os casos, o processo então retorna para a etapa 101.
[073] Um método de operar um sistema de detecção de queda 2 que tem tanto um botão de restauração de alarme 8 quanto um botão de alarme é mostrado na figura. 4. Na etapa 131, um conjunto de recursos é recebido do sensor (s) 10 e é analisado utilizando um algoritmo de detecção de queda na lógica de decisão 14.
[074] Se for detectada uma queda (etapa 133), o processo passa para a etapa 135 onde o sistema de detecção de queda 2 aguarda por um período predeterminado para o botão de restauração de alarme 8 ser pressionado.
Petição 870190024519, de 14/03/2019, pág. 24/38
21/24 [075] Se o botão de restauração é pressionado 8 (etapa 137), o conjunto de recursos ou um rastreamento do conjunto de recursos são armazenados em uma memória 20 (etapa 139). Este conjunto de recursos ou rastreamento é armazenado junto com a indicação de restauração de alarme, o que significa que ele é armazenado como um falso positivo (etapa 141). O processo retorna para a etapa 131 onde um conjunto de recursos subseqüentes é analisado.
[076] Se o botão de restauração 8 não é pressionado (etapa 137), um sinal de alarme é transmitido (etapa 143). A etapa 143 também pode ser acionada diretamente por um sim na etapa 133, caso em que por um 'sim' na etapa 137 pode levar a uma revogação.
[077] Opcionalmente (conforme indicado pelas setas e caixas tracejadas), o conjunto de recursos ou um rastreamento do conjunto de recursos são armazenados em uma memória 20 (etapa 145), juntamente com uma indicação de que o botão de restauração de alarme 8 não foi pressionado, o que significa que é armazenado como um verdadeiro positivo (etapa 147). Como alternativa, ou além do mais, se o botão de alarme foi pressionado, o conjunto de recursos pode ser armazenado na memória 20 juntamente com uma indicação de que este botão de alarme foi pressionado. O processo pode então voltar à etapa 101.
[078] Caso a queda não seja detectada na etapa 133, é determinado se o botão de alarme foi pressionado (etapa 149). Se o botão de alarme não for pressionado, então nenhuma queda ocorreu, e o processo retorna à etapa 131.
[079] Se o botão do alarme é pressionado, um sinal de alarme é transmitido (etapa 151), e o conjunto de
Petição 870190024519, de 14/03/2019, pág. 25/38
22/24 recursos ou um rastreamento do conjunto de recursos é armazenado na memória 20, juntamente com uma indicação de que o botão de alarme foi pressionado (etapa 153). Dessa maneira, este é armazenado como um falso negativo (etapa 155).
[080] O processo então retorna à etapa 131.
[081] A figura 5 é um fluxograma ilustrando as etapas do método de treinamento ou adaptação do algoritmo de detecção de queda, de acordo com a invenção. Na etapa 161, os
dados de treinamento adequados são adquiridos. Estes dados de
treinamento, que incluem conj untos de recursos ou
rastreamentos de conjuntos de recursos, juntamente com
indicações de que se os conjuntos de recursos forem falsos
positivos, falsos negativos e/ou verdadeiros positivos, podem ser adquiridos conforme descrito acima, com referência às Figuras 3 e 4.
[082] Em seguida, na etapa 163, estes dados de treinamento são utilizados para atualizar o algoritmo de detecção de queda. Em particular, se o algoritmo de detecção de queda inclui uma categoria ou categorias de conjuntos de recursos ou rastreamentos que indicam quedas ou não quedas, os dados de treinamento recém-adquiridos podem ser utilizados para preencher essas categorias e/ou ser utilizados para remover conjuntos de recursos existentes ou rastreamentos, se for descoberto agora que os conjuntos de recursos existentes ou rastreamentos não são apropriados para essa categoria.
[083] Dessa maneira, é fornecido um sistema de detecção de queda que pode ser adaptado à queda de um determinado usuário ou a características de atividade a fim de aumentar a confiabilidade do algoritmo de detecção de queda. Em particular, os dados de treinamento para o
Petição 870190024519, de 14/03/2019, pág. 26/38
23/24 algoritmo são gerados a partir de medições do sensor, e se um botão de restauração de alarme é pressionado por um usuário ou por um provedor de cuidados. Desta forma, o algoritmo utilizado para a detecção de quedas ou quedas próximas pode ser treinado em razão do sistema de detecção 2 estar em uso, então os dados realistas podem ser obtidos e utilizados no treinamento, ao invés de ser criado artificialmente por um usuário que imita uma queda ou uma não queda em uma fase de treinamento específica, como nos sistemas convencionais. Adicionalmente, treinando o algoritmo para um usuário em particular, o algoritmo será adaptado às características físicas específicas desse usuário, tais como a marcha e postura, e os padrões de movimento do usuário e a opinião do usuário sobre a gravidade das quedas que necessitem da ajuda de um centro de chamada.
[084] Embora a invenção tenha sido ilustrada e descrita em detalhes nos desenhos e nas descrições anteriores, as referidas ilustrações e as descrições devem ser consideradas ilustrativas ou exemplos e não restritivas; a invenção não se limita às modalidades apresentadas.
[085] As variações das modalidades divulgadas podem ser compreendidas e efetuadas por qualquer técnico no assunto de praticar a invenção reivindicada, a partir de um estudo dos desenhos, da divulgação, e das reivindicações anexas. Nas reivindicações, a palavra contendo não exclui os outros elementos ou etapas, e o artigo indefinido um ou uma não exclui a pluralidade. Um único processador ou outra unidade pode desempenhar as funções de vários itens citados nas reivindicações. O simples fato de que determinadas medidas são citadas em reivindicações mutuamente diferentes e
Petição 870190024519, de 14/03/2019, pág. 27/38
24/24 dependentes não indica que uma combinação dessas medidas não possa ser aproveitada como vantagem. Um programa de computador pode ser armazenado / distribuído em um meio adequado, tal como um meio de armazenamento ótico ou um meio de estado sólido fornecido juntamente com ou como parte de outro equipamento, mas também podem ser distribuídos em outras formas, tais como através da Internet ou outros sistemas de telecomunicações com ou sem fio. Qualquer sinal de referência nas reivindicações não deve ser interpretado como limitador de âmbito.

Claims (17)

  1. REIVINDICAÇÕES
    1. SISTEMA DE DETECÇÃO E/OU PREVENÇÃO DE QUEDA, caracterizado por compreender:
    um ou mais sensores (10) para a detecção de características de movimento do usuário (4) do sistema de detecção e/ou prevenção de queda (2) e para gerar sinais correspondentes;
    um ou mais computadores para analisar os sinais de um ou mais sensores (10) utilizando um algoritmo de detecção de queda para determinar se ocorreu uma queda ou que possa vir a ocorrer, o algoritmo de detecção de queda incluindo um ou mais conjuntos de recursos indicando quedas ou não quedas e representando sinais dos um ou mais sensores, um ou mais computadores sendo configurados para:
    atualizar o dito algoritmo de detecção de queda com base no resultado da análise dos sinais utilizando o algoritmo de detecção de queda para determinar se ocorreu uma queda ou que possa vir a ocorrer e uma indicação se uma queda realmente ocorreu a partir do usuário ou de um terceiro, e monitorar a frequência com que o algoritmo de detecção de queda é atualizado, e se a frequência exceder o limite, remover um ou mais conjuntos de recursos do algoritmo de detecção de queda.
  2. 2. SISTEMA, de acordo com a reivindicação 1, caracterizado por um ou mais computadores ser(em) adicionalmente configurado(s) para gerar um sinal de alarme no caso de ocorrer uma queda ou que possa vir a ocorrer.
  3. 3. SISTEMA, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente:
    uma memória (20) configurada para armazenar um ou
    Petição 870190079860, de 16/08/2019, pág. 7/15
    2/5 mais conjuntos de recursos, uma indicação do algoritmo de detecção de queda para saber se o algoritmo de detecção de queda determinou que ocorreu uma queda ou que possa vir a ocorrer, e a indicação se realmente ocorreu uma queda.
  4. 4. SISTEMA, de acordo com a reivindicação 1, caracterizado por indicar se realmente ocorreu uma queda compreende um sinal de restauração.
  5. 5. SISTEMA, de acordo com a reivindicação 4, caracterizado por um ou mais computadores serem configurados adicionalmente para:
    determinar que o algoritmo de detecção de queda forneceu um falso positivo no caso em que o algoritmo de detecção de queda detecta que uma queda ocorreu e o sinal de restauração está presente, e atualizar o algoritmo de detecção de queda correspondente.
  6. 6. SISTEMA, de acordo com a reivindicação 4, caracterizado por um ou mais computadores serem configurados adicionalmente para:
    determinar que o algoritmo de detecção de queda proporcionou um verdadeiro positivo no caso em que o algoritmo de detecção de queda detecta que uma queda ocorreu e o sinal de restauração não está presente, e atualizar o algoritmo de detecção de queda correspondente.
  7. 7. SISTEMA, de acordo com a reivindicação 4, caracterizado por compreender adicionalmente:
    uma entrada que recebe o sinal de restauração de terceiros.
  8. 8. SISTEMA, de acordo com a reivindicação 4, caracterizado por compreender adicionalmente um primeiro
    Petição 870190079860, de 16/08/2019, pág. 8/15
    3/5 componente operável pelo usuário para permitir um usuário gerar seletivamente o sinal de restauração.
  9. 9. SISTEMA, de acordo com a reivindicação 8, caracterizado por compreender adicionalmente um segundo componente operável pelo usuário para gerar um sinal de alarme.
  10. 10. SISTEMA, de acordo com a reivindicação 9, caracterizado por um ou mais processadores serem adicionalmente configurados para:
    determinar que o algoritmo de detecção de queda proporcionou um falso negativo no caso em que o algoritmo de detecção de queda não detecta que uma queda ocorreu e o sinal de alarme está presente, e atualizar o algoritmo de detecção de queda correspondente.
  11. 11. SISTEMA, de acordo com a reivindicação 9, caracterizado por um ou mais processadores serem adicionalmente configurados para:
    determinar que o algoritmo de detecção de queda proporcionou um verdadeiro positivo no caso em que o algoritmo de detecção de queda detecta que uma queda ocorreu e o sinal de alarme está presente, e atualiza o algoritmo de detecção de queda correspondente.
  12. 12. SISTEMA, de acordo com a reivindicação 1, caracterizado pelo algoritmo de detecção de queda compreender um ou mais conjuntos de recursos representando sinais de um ou mais sensores (10).
  13. 13. SISTEMA, de acordo com a reivindicação 1, caracterizado por compreender:
    um ou mais sensores (10) configurados para detectar
    Petição 870190079860, de 16/08/2019, pág. 9/15
    4/5 características de movimento do usuário (4) e gerar sinais correspondentes para as características de movimento detectadas;
    um computador que analisa sinais dos um ou mais sensores (10) utilizando um algoritmo de detecção de queda que inclui um ou mais conjuntos de recursos representando sinais dos um ou mais sensores para determinar se ocorreu uma queda ou que possa vir a ocorrer, o computador sendo configurado para:
    atualizar o dito algoritmo de detecção de queda com base no resultado da análise dos sinais e uma indicação se ocorreu uma queda ou que possa vir a ocorrer e uma indicação se uma queda realmente ocorreu a partir do usuário ou de um terceiro;
    monitorar a frequência com que o algoritmo de detecção de queda é atualizado, e se a frequência exceder o limite, remover um ou mais conjuntos de recursos do algoritmo de detecção de queda.
  14. 14. SISTEMA, de acordo com a reivindicação 12, caracterizado por um ou mais computadores serem configurados para determinar se ocorreu uma queda ou que possa vir a ocorrer, comparando um ou mais conjuntos de recursos com os sinais correspondentes gerados por um ou mais sensores.
  15. 15. SISTEMA, de acordo com a reivindicação 1, caracterizado por um ou mais computadores serem configurados para atualizar o algoritmo de detecção de queda para seletivamente otimizar falsos positivos, em resposta à:
    o algoritmo incorretamente detecta uma queda ou falsos negativos, ou incorretamente detecta que nenhuma queda tenha
    Petição 870190079860, de 16/08/2019, pág. 10/15
    5/5 ocorrido para obter uma razão estável entre falsos positivos e falsos negativos.
  16. 16. MÉTODO DE TREINAMENTO DE UMA DETECÇÃO DE QUEDA
    E/OU ALGORITMO DE PREVENÇÃO, para o uso em um sistema de detecção e/ou prevenção de queda, em que o método é caracterizado por compreender: com sensores de movimento, obtem medidas de
    características de movimento do usuário (4);
    com um ou mais computadores, análisa as medidas utilizando um algoritmo de detecção de queda que compara características dos conjuntos de recursos de movimento para determinar se uma queda ocorreu ou possa vir a ocorrer (101, 103, 131, 133), e atualizando o referido algoritmo de detecção de queda baseada na indicação sobre se a queda realmente ocorreu e removendo pelo menos um dos conjuntos de recursos em resposta à frequência em que o algoritmo de detecção de queda é atualizado excedendo um limite.
  17. 17. MÉTODO, de acordo com a reivindicação 16, caracterizado por um ou mais computadores atualizarem o algoritmo de detecção de queda em resposta para:
    o algoritmo de detecção de queda determinando que a queda ocorreu ou ou possa vir a ocorrer e uma entrada de usuário ou um terceiro indicando que nenhuma queda ocorreu; ou o algoritmo de detecção de queda não determinando que a queda ocorreu ou possa vir a ocorrer e uma entrada de usuário ou um terceiro indicando que uma queda ocorreu.
BRPI0912961 2008-08-28 2009-08-20 sistema de detecção e/ou prevenção de queda, e método de treinamento de uma detecção de queda e/ou algoritmo de prevenção BRPI0912961B1 (pt)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP08163139 2008-08-28
PCT/IB2009/053677 WO2010023604A1 (en) 2008-08-28 2009-08-20 Fall detection and/or prevention systems

Publications (2)

Publication Number Publication Date
BRPI0912961A2 BRPI0912961A2 (pt) 2015-10-13
BRPI0912961B1 true BRPI0912961B1 (pt) 2019-11-26

Family

ID=41170066

Family Applications (1)

Application Number Title Priority Date Filing Date
BRPI0912961 BRPI0912961B1 (pt) 2008-08-28 2009-08-20 sistema de detecção e/ou prevenção de queda, e método de treinamento de uma detecção de queda e/ou algoritmo de prevenção

Country Status (7)

Country Link
US (1) US9011352B2 (pt)
EP (1) EP2329470B1 (pt)
JP (1) JP5529872B2 (pt)
CN (1) CN102132331B (pt)
AU (1) AU2009286390B2 (pt)
BR (1) BRPI0912961B1 (pt)
WO (1) WO2010023604A1 (pt)

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5515875B2 (ja) * 2010-03-08 2014-06-11 セイコーエプソン株式会社 転倒検出装置、転倒検出方法
US9339224B2 (en) 2011-02-24 2016-05-17 Rochester Institute Of Technology Event dosimeter devices and methods thereof
US9138172B2 (en) 2011-02-24 2015-09-22 Rochester Institute Of Technology Method for monitoring exposure to an event and device thereof
US10292445B2 (en) 2011-02-24 2019-05-21 Rochester Institute Of Technology Event monitoring dosimetry apparatuses and methods thereof
GB2491376B (en) * 2011-06-01 2014-01-08 Fall Safe Assist Ltd Hip impact protector
US9128521B2 (en) 2011-07-13 2015-09-08 Lumo Bodytech, Inc. System and method of biomechanical posture detection and feedback including sensor normalization
WO2013010040A1 (en) 2011-07-13 2013-01-17 Zero2One System and method of biomechanical posture detection and feedback
US9367770B2 (en) 2011-08-30 2016-06-14 Digimarc Corporation Methods and arrangements for identifying objects
CN102657533B (zh) * 2012-04-28 2013-11-13 浙江大学城市学院 一种跌倒检测方法、跌倒检测装置和手腕式设备
CN102722715A (zh) * 2012-05-21 2012-10-10 华南理工大学 一种基于人体姿势状态判决的跌倒检测方法
EP2873064A4 (en) * 2012-07-13 2016-05-25 iRezQ AB EMERGENCY INDICATOR WITHIN AN ALARM COMMUNITY
CA2882453C (en) 2012-08-27 2021-07-20 Universite Du Quebec A Chicoutimi Method to determine physical properties of the ground, foot-worn sensor therefore, and method to advise a user of a risk of falling based thereon
US10709382B2 (en) * 2013-03-04 2020-07-14 Polar Electro Oy Computing user's physiological state related to physical exercises
US20140276238A1 (en) * 2013-03-15 2014-09-18 Ivan Osorio Method, system and apparatus for fall detection
JP2016512777A (ja) * 2013-03-22 2016-05-09 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 転倒を検出する方法及び転倒検出器
US9591996B2 (en) 2013-06-07 2017-03-14 Lumo BodyTech, Inc System and method for detecting transitions between sitting and standing states
US9589442B2 (en) * 2013-09-03 2017-03-07 Verizon Telematics Inc. Adaptive classification of fall detection for personal emergency response systems
EP3043709B1 (en) * 2013-09-11 2019-06-19 Koninklijke Philips N.V. Fall detection system and method
US10664795B1 (en) 2013-09-20 2020-05-26 Amazon Technologies, Inc. Weight based item tracking
US10515309B1 (en) * 2013-09-20 2019-12-24 Amazon Technologies, Inc. Weight based assistance determination
US10799173B2 (en) 2013-10-18 2020-10-13 Carepredict, Inc. Fall prediction assessment
US10743811B2 (en) 2013-10-18 2020-08-18 Carepredict, Inc. Fall prediction assessment
US9974344B2 (en) * 2013-10-25 2018-05-22 GraceFall, Inc. Injury mitigation system and method using adaptive fall and collision detection
US9801568B2 (en) * 2014-01-07 2017-10-31 Purdue Research Foundation Gait pattern analysis for predicting falls
US10657411B1 (en) 2014-03-25 2020-05-19 Amazon Technologies, Inc. Item identification
US10713614B1 (en) 2014-03-25 2020-07-14 Amazon Technologies, Inc. Weight and vision based item tracking
CN104125337B (zh) * 2014-07-22 2016-08-31 厦门美图移动科技有限公司 一种智能手机的跌倒检测和报警方法
CN104771177B (zh) * 2015-05-08 2017-05-10 重庆软汇科技股份有限公司 一种基于机器学习的跌倒检测系统及方法
US10307084B2 (en) * 2015-06-30 2019-06-04 Zibrio Inc. Identifying fall risk using machine learning algorithms
CN108348162B (zh) * 2015-08-31 2021-07-23 梅西莫股份有限公司 无线式病人监护系统和方法
US10314520B2 (en) 2015-10-02 2019-06-11 Seismic Holdings, Inc. System and method for characterizing biomechanical activity
US10463909B2 (en) 2015-12-27 2019-11-05 Seismic Holdings, Inc. System and method for using performance signatures
US10959647B2 (en) 2015-12-30 2021-03-30 Seismic Holdings, Inc. System and method for sensing and responding to fatigue during a physical activity
TWI592832B (zh) * 2016-01-21 2017-07-21 拓連科技股份有限公司 電子裝置之訊號產生方法及系統,及相關電腦 程式產品
US10692011B2 (en) 2016-01-21 2020-06-23 Verily Life Sciences Llc Adaptive model-based system to automatically quantify fall risk
EP3222207A1 (en) * 2016-03-23 2017-09-27 Thomson Licensing System and method for non-intrusive detection and monitoring of parkinson's disease symptoms
CN105869354B (zh) * 2016-04-29 2017-12-01 华南理工大学 一种基于吸引子传播算法的老人跌倒检测方法
DE102016208617A1 (de) * 2016-05-19 2017-11-23 Robert Bosch Gmbh Verfahren und Steuergerät zum Reagieren auf einen Sturz einer Person und Assistenzvorrichtung zum Unterstützen einer Person bei einem Sturz
GB2561328B (en) * 2016-06-28 2019-04-10 Skyguard Ltd Safety device with fall detection
EP3346402A1 (en) 2017-01-04 2018-07-11 Fraunhofer Portugal Research Apparatus and method for triggering a fall risk alert to a person
AU2018256288A1 (en) 2017-04-19 2019-12-05 National Science And Technology Development Agency System for recording, analyzing risk(s) of accident(s) or need of assistance and providing real-time warning(s) based on continuous sensor signals
US10037668B1 (en) 2017-05-09 2018-07-31 Microsoft Technology Licensing, Llc Emergency alerting system and method
CN107180511A (zh) * 2017-05-11 2017-09-19 南京理工大学 一种老人跌倒的检测和预警装置及方法
US20200147451A1 (en) * 2017-07-17 2020-05-14 The University Of North Carolina At Chapel Hill Methods, systems, and non-transitory computer readable media for assessing lower extremity movement quality
KR102449905B1 (ko) 2018-05-11 2022-10-04 삼성전자주식회사 전자 장치 및 이의 제어 방법
US10878683B2 (en) * 2018-11-01 2020-12-29 Apple Inc. Fall detection-audio looping
EP3657456A1 (en) 2018-11-26 2020-05-27 Koninklijke Philips N.V. A method and system for monitoring a user
WO2020236091A2 (en) 2019-05-17 2020-11-26 National Science And Technology Development Agency Method for detecting falls by using relative barometric pressure signals
EP3757958A1 (en) * 2019-06-25 2020-12-30 Koninklijke Philips N.V. Evaluating movement of a subject
EP3757959A1 (en) 2019-06-26 2020-12-30 Koninklijke Philips N.V. Monitoring a subject
CN110575647B (zh) * 2019-09-12 2020-09-29 常州市第一人民医院 一种医疗防跌倒预警装置
EP4044919B1 (de) * 2019-10-18 2023-10-25 DizzyCure GmbH Individualisierte sturzprävention
EP3828854A1 (en) * 2019-11-29 2021-06-02 Koninklijke Philips N.V. Fall detection method and system
WO2021189007A1 (en) 2020-03-20 2021-09-23 Masimo Corporation Remote patient management and monitoring systems and methods
USD974193S1 (en) 2020-07-27 2023-01-03 Masimo Corporation Wearable temperature measurement device
USD1000975S1 (en) 2021-09-22 2023-10-10 Masimo Corporation Wearable temperature measurement device
JP7274016B1 (ja) 2022-02-22 2023-05-15 洸我 中井 歩行解析による疾患タイプ予測モデルを用いた歩行者転倒予防システム
CN114983447B (zh) * 2022-08-01 2023-06-20 广东海洋大学 一种基于ai技术的人体动作识别、分析与储存的可穿戴装置

Family Cites Families (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4829285A (en) * 1987-06-11 1989-05-09 Marc I. Brand In-home emergency assist device
US8280682B2 (en) * 2000-12-15 2012-10-02 Tvipr, Llc Device for monitoring movement of shipped goods
JPH0928681A (ja) 1995-07-14 1997-02-04 Matsushita Electric Ind Co Ltd 安否確認システム
FR2757981B1 (fr) * 1996-12-31 1999-02-19 Cadet Pierre Henri Systeme de surveillance et d'assistance pour personnes a domicile et dispositif pour la mise en oeuvre de ce systeme
GB2323196B (en) 1997-03-11 2001-02-14 Keith Henderson Cameron Automatic fall alarm
JP3986643B2 (ja) * 1998-01-13 2007-10-03 三菱電機株式会社 監視用画像処理装置
JPH11212637A (ja) * 1998-01-22 1999-08-06 Hitachi Ltd 予防保全方法及び装置
GB2352815A (en) 1999-05-01 2001-02-07 Keith Henderson Cameron Automatic health or care risk assessment
EP1071055B1 (en) 1999-07-23 2004-12-22 Matsushita Electric Industrial Co., Ltd. Home monitoring system for health conditions
US6703939B2 (en) * 1999-09-15 2004-03-09 Ilife Solutions, Inc. System and method for detecting motion of a body
CA2398823A1 (en) * 2000-02-14 2001-08-23 First Opinion Corporation Automated diagnostic system and method
US6561992B1 (en) * 2000-09-05 2003-05-13 Advanced Research And Technology Institute, Inc. Method and apparatus utilizing computational intelligence to diagnose neurological disorders
JP3758534B2 (ja) * 2000-10-13 2006-03-22 住友電気工業株式会社 交通流の異常検知装置及び方法
EP1199027A3 (en) * 2000-10-18 2002-05-15 Matsushita Electric Industrial Co., Ltd. System, apparatus, and method for acquiring state information, and attachable terminal apparatus
JP2002175581A (ja) 2000-12-07 2002-06-21 Mitsubishi Electric Corp 生活見守りシステム
US6445299B1 (en) 2001-01-29 2002-09-03 Antonio Rojas, Jr. Retrofit for patient call system and method therefor
DE10117083C2 (de) * 2001-04-06 2003-04-10 Bosch Gmbh Robert Vorrichtung zum Schutz eines Fußgängers
US20100268125A9 (en) * 2002-07-03 2010-10-21 Epley Research, L.L.C. Head-stabilized medical apparatus, system and methodology
GB0307406D0 (en) * 2003-03-31 2003-05-07 British Telecomm Data analysis system and method
IL155955A0 (en) * 2003-05-15 2003-12-23 Widemed Ltd Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal
US7639145B2 (en) * 2003-05-19 2009-12-29 Ge Medical Systems Information Technologies, Inc. Method and apparatus for communicating an alarm while monitoring
AU2003904336A0 (en) * 2003-08-15 2003-08-28 Medcare Systems Pty Ltd An automated personal alarm monitor
EP1676430A1 (en) 2003-09-18 2006-07-05 Sauro Bianchelli Multi-function device for elderly or ill subjects living alone, acting as a life-saving, theft-alarm and carer-monitoring device
US7127376B2 (en) * 2003-09-23 2006-10-24 Neurocom International, Inc. Method and apparatus for reducing errors in screening-test administration
JP2005173668A (ja) * 2003-12-08 2005-06-30 Hitachi Ltd 生活行動パターンの異常判定システム及びそのための装置
US20050195079A1 (en) * 2004-03-08 2005-09-08 David Cohen Emergency situation detector
US7981058B2 (en) * 2004-03-12 2011-07-19 The Trustees Of Dartmouth College Intelligent wearable monitor systems and methods
ES2249143B1 (es) 2004-06-21 2007-05-01 Fundacion Fatronik Metodo y dispositivo para el analisis de la actividad de una persona y deteccion automatica de caidas.
US20060049950A1 (en) * 2004-08-13 2006-03-09 Lockhart Thurman E Fall-sensing systems, hip protector systems, and other protective systems
JP4716723B2 (ja) * 2004-12-08 2011-07-06 立山科学工業株式会社 安否確認システム
KR20070102588A (ko) * 2005-01-31 2007-10-18 히타치 긴조쿠 가부시키가이샤 낙하 검지 방법 및 낙하 검지 장치
JP4116004B2 (ja) * 2005-02-15 2008-07-09 関西電力株式会社 転倒判定方法および転倒判定装置
US20060252999A1 (en) * 2005-05-03 2006-11-09 Devaul Richard W Method and system for wearable vital signs and physiology, activity, and environmental monitoring
JP2006277464A (ja) * 2005-03-30 2006-10-12 Yamaha Corp 緊急連絡装置、緊急事態監視装置および監視方法、ならびに判定方法
US20060282021A1 (en) * 2005-05-03 2006-12-14 Devaul Richard W Method and system for fall detection and motion analysis
US20060001545A1 (en) * 2005-05-04 2006-01-05 Mr. Brian Wolf Non-Intrusive Fall Protection Device, System and Method
JP4668684B2 (ja) * 2005-05-20 2011-04-13 住友大阪セメント株式会社 監視装置及びソフトウエアプログラム
WO2007012068A2 (en) * 2005-07-20 2007-01-25 New York Society For The Ruptured And Crippled Maintaining The Hospital For Special Surgery Device for movement detection, movement correction and training
US20070132597A1 (en) 2005-12-09 2007-06-14 Valence Broadband, Inc. Methods and systems for monitoring patient support exiting and initiating response
EP1969554A4 (en) 2005-12-09 2011-05-04 Bee Cave Llc METHOD AND SYSTEMS FOR MONITORING QUALITY AND PERFORMANCE IN A CARE DEVICE
JP2008032521A (ja) * 2006-07-28 2008-02-14 Icom Inc 転倒検出装置、転倒検出方法及びコンピュータプログラム
US20090306741A1 (en) * 2006-10-26 2009-12-10 Wicab, Inc. Systems and methods for altering brain and body functions and for treating conditions and diseases of the same
US20080108913A1 (en) * 2006-11-06 2008-05-08 Colorado Seminary, Which Owns And Operates The University Of Denver Smart apparatus for gait monitoring and fall prevention
US8217795B2 (en) * 2006-12-05 2012-07-10 John Carlton-Foss Method and system for fall detection
US20080161651A1 (en) * 2006-12-27 2008-07-03 Cardiac Pacemakers, Inc. Surrogate measure of patient compliance
US7612681B2 (en) * 2007-02-06 2009-11-03 General Electric Company System and method for predicting fall risk for a resident
US20080272918A1 (en) * 2007-05-04 2008-11-06 Sally Ingersoll Medical device and method for preventing falls
US7884727B2 (en) * 2007-05-24 2011-02-08 Bao Tran Wireless occupancy and day-light sensing
DE102007038392B8 (de) * 2007-07-11 2015-08-27 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zur Vorhersage eines Kontrollverlustes über einen Muskel
US8152745B2 (en) * 2008-02-25 2012-04-10 Shriners Hospitals For Children Activity monitoring
US20090326339A1 (en) * 2008-06-26 2009-12-31 Microsoft Corporation Connected healthcare devices with real-time and proactive capture and relay of contextual information
US20100100004A1 (en) * 2008-10-16 2010-04-22 Koninklijke Nederlandse Akademie Van Wetenschappen Skin Temperature Measurement in Monitoring and Control of Sleep and Alertness

Also Published As

Publication number Publication date
EP2329470A1 (en) 2011-06-08
CN102132331A (zh) 2011-07-20
WO2010023604A1 (en) 2010-03-04
US9011352B2 (en) 2015-04-21
EP2329470B1 (en) 2013-04-03
BRPI0912961A2 (pt) 2015-10-13
JP2012501033A (ja) 2012-01-12
JP5529872B2 (ja) 2014-06-25
CN102132331B (zh) 2014-09-24
US20110230791A1 (en) 2011-09-22
AU2009286390A1 (en) 2010-03-04
AU2009286390B2 (en) 2015-08-06

Similar Documents

Publication Publication Date Title
BRPI0912961B1 (pt) sistema de detecção e/ou prevenção de queda, e método de treinamento de uma detecção de queda e/ou algoritmo de prevenção
RU2623304C2 (ru) Система мониторинга для мониторинга пациента и обнаружения делирия у пациента
US10327651B2 (en) Resting heart rate monitor system
CN109997178B (zh) 用于提醒紧急服务的计算机系统
JP2019535051A (ja) ベッド転落を予測及び防止する患者監視のためのデバイス、システム、及び方法
RU2602676C2 (ru) Устройство для обнаружения лихорадки
US20110199216A1 (en) Fall detection system
JP6692355B2 (ja) バイタルサインサンプリング周波数が限定されるときのスコア信頼区間推定に関する方法
US20140324459A1 (en) Automatic health monitoring alerts
JP2019535052A (ja) ベッド転落を予測及び防止する患者監視のためのデバイス、システム、及び方法
CN102985007A (zh) 健康装置监视装置
JP2009517180A (ja) 遠隔ケア提供者がアクセスするための患者の状態変化の表示のための邪魔にならない事実上連続的な患者の毎日の活動データの測定
US20190017994A1 (en) Health monitoring system, health monitoring method, and health monitoring program
CN108882853B (zh) 使用视觉情境来及时触发测量生理参数
US20190083005A1 (en) System and method for implementing a chair rise test
JP2019534495A (ja) ベッド転落を予測及び防止する患者監視のためのデバイス、システム、及び方法
US20210000405A1 (en) System for estimating a stress condition of an individual
CN114901128A (zh) 心律失常性心跳弹性睡眠呼吸暂停检测
JP2009086997A (ja) 滞在状況監視システム、滞在状況監視サーバ及び滞在状況監視方法
RU2751146C1 (ru) Устройство контроля и оповещения о состоянии пользователя
TWI524877B (zh) 檢測健康之穿戴裝置及其方法
JPWO2019030880A1 (ja) 監視システム、監視方法、監視プログラムおよびその記録媒体
US20210235995A1 (en) Blood pressure measurement analysis method and system
US20170162021A1 (en) A System for Identifying a Change in Walking Speed of a Person
US20230113324A1 (en) Medical information processing device, medical information processing method, and storage medium

Legal Events

Date Code Title Description
B25D Requested change of name of applicant approved

Owner name: KONINKLIJKE PHILIPS N. V. (NL)

B25G Requested change of headquarter approved

Owner name: KONINKLIJKE PHILIPS N. V. (NL)

B06T Formal requirements before examination [chapter 6.20 patent gazette]
B06F Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette]
B06A Patent application procedure suspended [chapter 6.1 patent gazette]
B16A Patent or certificate of addition of invention granted [chapter 16.1 patent gazette]

Free format text: PRAZO DE VALIDADE: 10 (DEZ) ANOS CONTADOS A PARTIR DE 26/11/2019, OBSERVADAS AS CONDICOES LEGAIS. (CO) 10 (DEZ) ANOS CONTADOS A PARTIR DE 26/11/2019, OBSERVADAS AS CONDICOES LEGAIS

B21F Lapse acc. art. 78, item iv - on non-payment of the annual fees in time

Free format text: REFERENTE A 13A ANUIDADE.

B24J Lapse because of non-payment of annual fees (definitively: art 78 iv lpi, resolution 113/2013 art. 12)

Free format text: EM VIRTUDE DA EXTINCAO PUBLICADA NA RPI 2684 DE 14-06-2022 E CONSIDERANDO AUSENCIA DE MANIFESTACAO DENTRO DOS PRAZOS LEGAIS, INFORMO QUE CABE SER MANTIDA A EXTINCAO DA PATENTE E SEUS CERTIFICADOS, CONFORME O DISPOSTO NO ARTIGO 12, DA RESOLUCAO 113/2013.