CN101005799A

CN101005799A - 检测吞咽活动的系统和方法

Info

Publication number: CN101005799A
Application number: CNA2005800276881A
Authority: CN
Inventors: T·T·K·昌; D·J·肯尼; M·J·卡萨斯; G·伯罗尔
Original assignee: Bloorview Macmillan Childrens Centre
Current assignee: Bloorview Macmillan Childrens Centre
Priority date: 2004-06-17
Filing date: 2005-06-17
Publication date: 2007-07-25
Also published as: HK1105850A1; US20090227908A1; AU2005253661B2; JP4773432B2; WO2005122877A1; CA2570202A1; EP1773184A1; US20050283096A1; ES2392641T3; EP1773184A4; DK1773184T3; PT1773184E; EP1773184B1; JP2008502386A; US7749177B2; AU2005253661A1; CA2570202C

Abstract

提供了一种检测吞咽活动的系统和方法。在一个实施方案中，一种方法，包括从加速计接收来自加速度信号的电子信号，所述电子信号表示吞咽活动；从所述信号中提取至少两个特征；基于提取特征将所述信号分为吞咽活动的一类；并生成分类输出。示例性的活动包括吞咽、吸入、运动和人造发声。通过指示活动是吞咽还是吸入，可调整给受吸入增加可能性折磨的病人喂食的方式以增加在进食期间实现吞咽而不是吸入的可能性。因此，减少了因急性或慢性伤害的吸入肺炎病人住院治疗。

Description

检测吞咽活动的系统和方法

技术领域

本发明一般涉及对吸入的诊断，更具体而言，涉及检测吞咽及其相关活动的系统和方法。

背景技术

吞咽困难指任何吞咽障碍，包括口腔期、咽喉期以及食道期的吞咽异常。吞咽困难普遍发生于由于例如脑瘫、脑血管意外、脑损伤、帕金森氏病、中风以及多发性硬化而有神经损伤的个体。有吞咽困难的个体常处于吸入的危险中。吸入是指在吸气过程中外物进入气道。吸入可通过多种不同的方式表现出来。个体会开始出汗并且脸变得涨红。或者，个体会在吞咽后咳嗽。在静性吸入中，没有明显的临床或易察觉的食团吸入迹象。本发明尤其适用于有静性吸入的个体，但也适用于吸入的其它表现。吸入具有诸如慢性肺病、吸入性肺炎、脱水以及营养不良等严重的健康后果。

在美国，吞咽困难折磨着约一千五百万人。可靠渠道表明每年有五万人死于吸入性肺炎(Dray et al.，1998)。无论年龄，有吞咽困难的病人发生弥漫性吸入细支气管炎的并不罕见(Matsuse etal.，1998)。静性吸入在有吞咽困难的儿童中尤其明显，占其总数的预计94％(Arvedson et al.，1994)。半数中风幸存者有吞咽困难(Zorowitz和Robinson，1999)，这说明在美国每年有500,000人因此有吞咽困难(Broniatowski et al.，2001)，并且这些病例中有75％被报道有吸入，而32％报道有肺部感染(Perry和Love，2001)。在急性监护机构(25-45％)，慢性监护病房(50％)(Finiels etal.，2001)以及老年之家(68％)(Steele et al.，1997)中，吞咽困难的发生尤其明显。吞咽困难极大地降低了各年龄人群的生活质量，对于不仅是医学的，还有社会的、情感的，以及身心的健康大打折扣。

利用视频荧光镜(videofluoroscopy)的改进钡餐是当前确认吸入的黄金标准(Wright et al.，1996)。其在吞咽困难治疗上的临床效用不断得到肯定(例如，Martin-Harris，2000；Scott et al.，1998)。病人咽下包有钡膜的物质，并通过X射线获得射线图像的视频序列。改进的钡餐方法是侵入性的，并且在时间及人力方面均代价昂贵(在加拿大每次使用该法约1000保健美元)，并使病人易受电离辐射影响(Beck和Gayler，1991)。

光纤内窥镜检查是另一种侵入性技术，其中穿鼻插入一个柔性的内窥镜到咽下部，该技术也已经被应用于术后吸入的诊断(Brehmer和Laubert，1999)以及静性吸入的床边识别(Leder et al.，1998)。光纤内窥镜在识别吸入的灵敏性和特异性方面通常比得上改进的钡餐(例如，Madden et al.2000；Leder和Karas，2000)，并且具有床边判定的优点。

测量脉搏氧饱和度已作为床边判定吸入的非侵入性辅助法(例如，Sherman et al.，1999；Lim et al.，2001)。但是，将脉血氧饱和度数据与视频荧光镜(videofluoroscopy)(Sellars et al.，1998)和光纤内窥镜检查评估值(Leder，2000；Colodny，2000)相比的一些受控研究已经对脉搏氧饱和度与发生吸入是否存在联系提出了怀疑。

颈听诊包括通过置于颈部上的喉麦、听诊器或加速计(Zenner etal.，1995)监听喉咙附近的呼吸音。它通常被看作长期监护中检测吸入和判定吞咽困难的有限但有用的工具(Zenner et al.，1995；Cichero和Murdoch，2002；Stroud et al.，2002)。但是，当对照视频荧光镜(videofluoroscopy)的黄金标准考虑时，即使是使用颈听诊的床边评估在检测吸入中也只给出有限的准确性(40％-60％)(Sherman et al.，1999；Selina et al.，2001；Sellars et al.，1998)。事实上，我们最近的研究表明通过临床医生利用颈听诊识别的吸入仅占全部吸入的四分之一(Chau，Casas，Berall和Kenny，已提交)。

吞咽加速度测量术(Reddy et al.，2000)与颈听诊紧密相关，但需要数字信号处理和人工智能作为识别工具，而不是有经验的临床医生。临床研究中，加速度测量技术已证实在识别吸入风险中与视频荧光镜基本一致(Reddy et al.，1994)，而信号大小与喉抬高的程度相关(Reddy et al.，2000)。近来，模糊神经网络委员会已证实其在区分正常吞咽和“吞咽困难的”吞咽上极高的准确性(Das et al.，2001)。但是，现有技术的吞咽加速度测量术仅提供了区分“吞咽困难的”吞咽和正常吞咽的有限信息，并没有提供有关病人临床状态的更广泛信息。

视频荧光镜或鼻镜的管理实施需要昂贵的设备和有经验的专家，如放射科医师、耳鼻喉科医师或语言病理学家(Sonies，1994)。儿童对侵入性方法的耐受不好，并且在实践中侵入性方法不能施用于喂食的延长期。需要一种经济的、非侵入性的并且便携的检测吸入的方法，用于床边看护和公共机构设备以外的地方。

发明内容

本发明的目的在于提供一种预防或减轻现有技术中至少一项上述缺点的用于检测吞咽活动的新颖系统和方法。

本发明的一个方面提供了一种检测吞咽活动的方法，包括步骤：

接收表示吞咽活动的电子信号；

从信号中提取至少两项特征；

基于特征将信号分为吞咽活动的一类；以及

生成表示分类的输出。

电子信号可由加速计产生。该特征可包括稳定性、正态性和离散率中至少一个。可利用径向基神经网络执行分类步骤。

所述吞咽活动可包括吞咽和吸入中至少一个。

提取步骤可包括以稳定性作为特征之一，稳定性的提取步骤包括下述分步骤：

将信号分为多个非重叠仓(bin)；

确定均方序列中反向排列(reverse arrangement)的总数(A_Total，)；

提取稳定性特征(z)，所述稳定性特征根据下式确定：

z = \frac{A_{Total} - μ_{A}}{σ_{A}}

其中：

μ_A是相同长度稳定性信号的期望的反向排列的平均数。

σ_A是等长稳定性信号的标准偏差。

每个仓的长度可在约1ms至约9ms之间。每个仓的长度可在约3ms至约7ms之间。每个仓的长度可为约5毫秒(ms)。

提取步骤可包括以正态性作为特征之一，正态性的提取步骤包括下述分步骤：

将信号标准化以具有零平均值和单位方差(“s”)。

将标准化信号分为多个仓(“I”)，每个仓约0.4伏特，其中

且其中最高仓延伸至正无穷而最低仓延伸至负无穷。

通过计算落在每个仓内的标准信号(“s”)的采样数确定每个仓的观测频率(“n”)。

确定每个仓正态性假设下的期望频率利用下式的卡方(X²)统计：

{\hat{X}}^{2} = Σ_{i - 1}^{I} \frac{{(n_{i} - {\hat{m}}_{i})}^{2}}{{\hat{m}}_{i}}

用下式确定正态性特征：

提取步骤可包括以离散率作为特征之一，离散率的提取步骤包括下述分步骤：

根据下式确定信号的平均绝对偏差：

S_{1} = \frac{1}{n} Σ_{i = 1}^{n} | x_{i} - med (x) |

确定信号的四分位数间距S₂；

根据下式提取离散率：

本发明的另一方面提供一种检测吞咽活动的装置，包括从传感器接收电子信号的输入设备。电子信号可表示吞咽活动。该装置还包括连接到输入设备的微型计算机，该微型计算机可操作地从信号中提取至少两个特征。微处理器还可操作地基于所述特征把信号分作吞咽活动的一类。该装置还包括连接到微型计算机的输出设备，用于生成表示分类的输出。

附图说明

现在结合附图，并仅通过实施例描述本发明，其中：

图1是根据本发明一个实施方案的检测吞咽活动的系统的示意图；

图2是根据本发明另一个实施方案描述检测吞咽活动方法的流程图；

图3是示出可用图1所示系统检测的示例信号的一组图表；

图4是示出可由图2中所示方法生成的示例输出的一组图表；

图5是根据本发明的一个替代实施方案的检测吞咽活动的系统的示意图；

图6是根据本发明另一个实施方案的检测吞咽活动的系统的示意图；

图7示出根据本发明另一个实施方案，图1、5和6中的系统的检测吞咽活动装置的变体；

图8是图7所示装置的后视图；以及

图9是根据本发明另一个实施方案的检测吞咽活动的系统的示意图。

具体实施方式

此处所用的术语“吞咽”和“穿入”有别于术语“吸入”。如在此所用，“吞咽”指食物从口腔经咽喉安全进入食道。此外，吞咽伴随一定时间的窒息，此时食物无法进入受保护的气道。“穿入”指外物进入气道但不伴随吸气。然而，“吸入”指吸气时外物进入气道。在与下述的实施方案有关的使用中，术语“吞咽活动”指吞咽或吸入或二者缺一，然而在其它的实施方案中，“吞咽活动”可指包括穿入的其它类型的活动。

现在参考图1，检测吞咽活动的系统整体上记作30。系统30包括置于病人38喉咙上的加速计34。在本实施方案中，加速计34位于甲状腺切迹的下前方，使得加速计34的轴被对准以测量前后振动。系统30还包括通过链接46连到加速计34的计算装置42。链接46可根据需要并对应于加速计34和装置42上合适的接口，为有线链接或无线链接。因此，链接46可基于，例如，通用串行总线(“USB”)、火线、RS-232、红外、蓝牙、802.11及其变体、码分多址(“CDMA”)、正交频分复用技术(“OFDM”)等。可操作系统30从加速计34接收反映病人38吞咽活动的加速度信号。

在本实施方案中，加速计38是EMT25-C单轴加速计，产自加拿大安大略米西索加的加拿大西门子公司(“EMT25-C”)。本领域技术人员可用其它的加速计。

在本实施方案中，计算装置42是基于专门配置的电子单元的功能和计算环境，该电子单元包括给为用户呈现输出的显示器54和接收用户输入的多个按键58装框的底架50。因此，计算装置42还包括接口，以允许装置42通过链接46连接到加速计34。计算装置42还包括微处理器、随机存取存储器、非易失性存储器、操作系统等任何适合的装配。如将在下文详述的，计算装置42可操作地从加速计34接收信号，从这些信号检测吞咽活动，并通过在显示器54上呈现输出来报告这些活动。

为了帮助解释系统30的某些执行和其它各方面，现在参考图2，该图示出了整体上被记作200的用于检测吞咽活动的方法。但是，应理解系统30和/或方法200可改，且不需要严格按照此处所述彼此连带着一起工作，并且这些改动在本发明的范围内。

首先从步骤210开始第一步，接收表示吞咽活动的信号。当利用系统30实施方法200时，步骤210指由加速计340产生电子信号以及在计算装置42接收那些信号。加速计34的使用意味着接收表示病人38吞咽活动的加速度信号，并且由于本实施方案中使用的EMT25-C加速计独有的特性，从这些信号的外形可发现独有的特征。图3示出了用EMT25-C可接收的信号的示例，该信号整体上记作300，而具体记作304、308和312。总的来说，信号304是描述弱稳定性或广义稳定性的典型的儿科吸入信号的例子；信号308是描述由展开变化所致的非稳定性的吸入信号；而信号312是描述由时变频率和变化结构所致的非稳定性的吸入信号。

然而，应理解到信号300是简单的原始数据，可表示吸入或吞咽或运动假象。发明人已确定对吸入和吞咽，中位加速值的分布都右偏。由于分布的偏斜，伽马分布用于估计信号300中的展度(spread)和位置参数。具体而言，表I总结了可与诸如信号300的信号相关联的吸入和吞咽的伽马分布的展度参数a和位置参数b。

表I：信号加速度的位置和展度

	吸入		吞咽
	吸入		吞咽		参数	最大可能估计	95％可靠区间	最大可能估计	95％可靠区间
展度(a)	1.3647g	[0.9343，1.7952]	3.642g	[2.2713，5.0128]	参数	最大可能估计	95％可靠区间	最大可能估计	95％可靠区间
展度(a)	1.3647g	[0.9343，1.7952]	3.642g	[2.2713，5.0128]	位置(b)	1.176g	[0.732，1.62]	0.063g	[0.041，0.086]

信号300的稳定性和正态性特性总结于表II。稳定性通过非参数反向排列测试(nonparametric reverse arrangement test)来测量，而正态性通过频率分布统计柱状图的基于卡方分布的测试来测量。有关正态性和稳定性更详细的内容可见于《随机数据分析和测量步骤》(“Random Data Analysis and Measurement Procedure”)第三版，Julius S.Bendat and Allan G.Pierson，John Wiley &SonsInc.，(c)2000，纽约(“Bendat”)，其内容在此通过引用纳入本说明书。Bendat的第10章讨论稳定性测试，而Bendat的第4章的讨论有关正态性。

因此，表II是有关吸入和吞咽如何对应于如信号300的接收信号的稳定性和正态性特性的一个非常通用、示例性的总结。

表II：信号加速度的稳定性和正态性特性

	吸入	吞咽
	吸入	吞咽	稳定性	41％不稳定	46％不稳定
正态性	90％违反正态性	100％违反正态性	稳定性	41％不稳定	46％不稳定

由于带宽分布的偏斜，用伽马分布确定位置估计。可利用10级离散子波分解，并确定累积能(从分解的最后一级开始)超过总能量85％的级来计算频宽。这确定所研究信号85％的带宽。

约85％的频宽的位置估计(即平均值估计)对于吸入信号可在约700赫兹到约1100赫兹之间，且优选在约900赫兹到约950赫兹之间，且更优选在约910赫兹到约940赫兹之间，并且对于吸入信号还进一步优选约928赫兹。

约85％的频宽的位置估计对于吞咽信号可在约400赫兹到约700赫兹之间，且优选在约500赫兹到约650赫兹之间，且更优选在约590赫兹到约630赫兹之间，并且对于吞咽信号还进一步优选约613赫兹。

在步骤210接收到信号，方法200前进至步骤220。在步骤220，作出步骤210接收的信号中是否出现事件的决定。作出该决定的标准不特别限定。在本实施方案中，当计算装置42从加速计34接收的信号大小超过“开”阈值(本实施方案中约为0.025伏特(“V”))预定“开始”时间(本实施方案中为约30毫秒(“ms”))时，事件初始化被识别并且开始信号记录。下一步，记录约12000采样，对应约1.2秒的数据。接着进行后修(Back-trimming)，以确定何时信号活动基本停止。所述后修包括从记录的末端开始计算约0.05V以下的采样数据的数目。一旦该计数超过约30个数据点，则认为已经识别出有用信号的末端且信号的末端从那里被裁减。在本实施方案中，记录了12000个采样，但也可记录15000个采样(即在阈值信号活动以上约1.5s)作为单一信号用来分析。在别的实施方案中，可按照需要记录其它的采样数。如果不满足前述标准，则在步骤220决定没有事件发生且方法200转回步骤210。然而，如果满足标准，则方法200从步骤220前进至步骤230，且保留步骤220所记录的信号为步骤230所用。

接下来，在步骤230，从记录的信号中提取特征。在目前的优选实施方案中，稳定性、正态性和离散率是提取的三个特征。

为了提取稳定性特征，应用Bendat第10章中所述步骤。首先，接收的信号，被分开为不重叠的仓(bin)，每个仓长度约5毫秒(“ms”)(即共50个采样)。(然而，接收的信号可被分开为在约1毫秒到约9毫秒之间，或更优选在约3毫秒至约7毫秒之间的不重叠的仓。)若此处定义为“L”的信号长度不是50的整数倍，则将信号在该信号的开始和末端裁减掉大约(Lmod50)/2。接下来，计算每个窗内的均方值。接下来，确定均方序列中反向排列的总数，此处用A_Total表示。最后，根据等式1确定作为稳定性特征的Z偏差。

等式1

z = \frac{A_{Total} - μ_{A}}{σ_{A}}

其中：

μ_A是相同长度稳定信号的期望的反向排列的平均数。

σ_A是等长稳定信号的标准偏差。

为了提取正态性特征，应用Bendat第4章中所述适应步骤。首先，将信号标准化为具有零平均值和单位方差，标准化的信号在此记作“s”。接下来，标准化信号s的幅度被分为I个仓，每个仓约0.4伏特，此处

最高的仓延伸至正无穷而最低的仓延伸至负无穷。

接下来，通过计算落在每个仓内的标准化信号的采样数确定每个仓的观测频率n。在正态假设下确定每个仓的期望频率按等式2计算卡方统计。

等式2

{\hat{X}}^{2} = Σ_{i = 1}^{I} \frac{{(n_{i} - {\hat{m}}_{i})}^{2}}{{\hat{m}}_{i}}

最后，按等式3计算正态性特征。

等式3

为了确定离散率特征，根据等式4确定每个信号的平均绝对偏差。

等式4

S_{1} = \frac{1}{n} Σ_{i = 1}^{n} | x_{i} - med (x) |

接下来，确定每个信号的四分位数间距，S₂。四分位数间距的定义见Fand R．wilcox，1997，Academic Press，CA的《鲁棒评估和假设检验概论》(“Introduction to robust estimation and hypothesistesting”)的第2章。最后，根据等式5确定离散率特征。

等式5

从信号中提取这些特征后，方法200前进至步骤240，在此基于步骤230提取的特征将信号分类。在目前的优选实施方案中，利用装置42的微控制器上执行的径向基函数神经网络实施分类，以实时将吞咽事件分类为吞咽还是吸入。径向基函数神经网络的进一步细节见Christopher Bishop，1995，Clarendon Press，Oxford(“Bishop”)的《用于模式识别的神经网络)》(Neural Networks for PatternRecognition)的第5章，这些内容在此通过引用纳入本说明书。可操作网络用三个提取的特征作为输入，并输出一个数字作为检测的吞咽活动类型的分类。具体而言，约0.1的输出级被分配表示吞咽而约0.9的输出级表示吸入。网络结构由对应每个提取特征的三个输入，“Bishop”所列的交互处理训练过程所确定的89个径向基函数单元以及一个表示吞咽或吸入的输出单元构成。虽然目前优选89个径向基单元，在其它的实施方案中可用从约75到约100个径向基单元，在其它的实施方案中可用从约80到约95个径向基单元，其都对应于一个输出。第一层是非线性的而第二层是线性的。换句话说，网络的第一层由非线性径向基函数构成而网络的第二层是径向基函数输出的加权线性总和。

现在参考图4，示出了为不同的信号执行步骤210-240的结果的散布图。图4中散布图仅是二维的，仅示出了稳定性特征相对正态性特征的示图。可以看到散布图上的方块表示吸入实际发生处，而圆圈表示吞咽实际发生处。结合视频荧光镜来执行方法200产生散布图，使得实际吞咽活动可以不经过步骤230执行的分类而被验证，使得在步骤230作出的分类被验证准确性。图4中记作400的线表示在与吞咽和吸入有关的分类之间的粗略区分线。虽然散布图中的一些测量所表示的分类不反映吞咽活动的实际类型，但是事实上多数吞咽事件分类正确。当第三特征，离散率被用于辅助判断时，将得到对图4中所示结果的进一步改进。

方法200接着前进到步骤250，在此步骤产生对应步骤240所执行的分类的输出。因此，若特定事件被分作吞咽，则装置42的显示器54被指示呈现信息“吞咽”，反之，如果事件被分作吸入，则装置42的显示器54被指示呈现信息“吸入”。通过装置42呈现的这些信息还可包括颜色(例如绿色关联于吞咽，红色关联于吸入)和/或音频信号(例如吞咽无声，吸入蜂鸣)。

利用方法200，独立进食的病人38可调整如何来进食以减少吸入，增加吞咽。对进食的这些调整可基于改变食物的粘稠度或种类，提供给病人38一口食物的尺寸和/或频率等。

现在应理解到当利用装置42实施方法200时，装置42的微控制器将设有相应于方法200的软件程序指令。

现在参考图5，检测吞咽活动的系统通常记作30a。系统30a包括一些与系统30中部件基本相同的部件。因此，这些相似的部件有相同的参考标记，只是在后面带有后缀“a”。值得注意的，系统30a包括通过链接104a连接到装置42a的远程单元100a。如同链接46a，链接104a可为有线链接或无线链接，并基于任何相应所需协议。并且，尽管链接104a被显示为直接连接在单元100a和装置42a之间，但是应当意识到如果是有线链接，则链接104a可经由通过加速计34a的电缆将装置42a连接到单元100a。

远程单元100a包括两个指示灯104a和108a。在系统30a上，用单元100a执行方法200的步骤250。指示灯104a为绿色，并且当病人38a成功吞咽时，该指示灯被装置42a激活到“开”位置并发出绿光。指示灯108a为红色，当病人38a成功吞咽时，该指示灯被装置42a激活到“开”位置并发出绿光。在任何给定时间，指示灯104a和108a只有一个为“开”以防止发出混淆信息。

远程单元100a还包括使单元100a可别在病人38a领口(或其它合适的位置)的弹簧夹112a(或其它如安全别针等的连接装置)。单元100a有多种用途。例如，当病人38a身体允许其自己进食时(例如某个中风患者)，则病人38a可利用单元100a向病人38a提供在进食事件中是否发生吞咽或吸入的反馈。

现在参考图6，检测吞咽活动的系统整体上记作30b。系统30b包括一些与系统30a中的部件基本相同的部件。因此，这些相似的部件有相同的参考标记，除了在后面用后缀“b”代替后缀“a”。值得注意的，装置42b包括永久存储装置，如硬盘驱动器或随机存取闪存，或智能卡，使装置42b在一段时间上记录许多信号，如信号300。因此，根据要记录的信号的持续时间，选择所述永久存储装置的容量。

系统30b包括膝上电脑116b，其通过链接120b连到装置42b。链接120b也可为有线或无线链接，并基于任何已知的协议。链接120b可用来不时地下载存储在电脑116b上的信号。通过这种方式，临床医生或其它有关当事人可利用膝上电脑116b为任何所需目的分析所存储的这些信号(例如，病史，区分不同吞咽活动类型的处理步骤的改进或调整等)。

链接120b也可是双向的，使用于装置42b的更新程序指令可通过链接120b从膝上电脑116b上传到装置42b。

现在参考图7和图8，对装置42a(以及其变体42b)的变化/改进记作42c。装置42c包括一些与系统42a中的部件基本相同的部件。因此，这些相似的部件有相同的参考标记，除了在后面用后缀“c”代替后缀“a”。装置42c包括装在底架50c中的可再充电电池(未示出)，给装置42c的内部部件供电。电池通过可连接到装置42c的电源124c充电。

如在图8中可最好地观察到的，装置42c还包括托架128c，其内存放单元100c。装置42c还包括接纳所需格式的闪存(即闪存卡Compact Flash^TM；同步动态随机存储器SD RAM^TM；记忆棒MemoryStick^TM)的插槽，所述闪存上可存储包括有信号的数据，如包括信号300。并且，装置42c包括一对通用串行总线(“USB”)端口136，该端口可用于，例如，如链接120b那样的链接。

现在参考图9，检测吞咽活动的系统整体上记作30d.系统30d包括一些与系统30a中的部件基本相同的部件。因此，这些相似的部件有相同的参考标记，除了在后面用后缀“d”代替后缀“a”。但是，值得注意的，在系统30d中省略了传感器30a，传感器30a的功能以分布式方式提供，其中一个纯加速计234d附在病人38d的喉咙前面(和传感器30a相同的位置)，一个独立的处理器140d通过链接144d连到加速计234d。处理器140d从加速计234d接收原始信号并将其转成装置42d可识别的信号。代替分布式方式，处理器140d以与前述方式相同的方式通过链接46d连到装置42d，由此，传感器装置42d包括永久存储装置，如硬盘驱动器或随机存取闪存，或智能卡，以使装置42b能够在一段时间上记录一些信号，如信号300。根据所要记录的信号的持续时间，选择所述永久存储装置的容量。

虽然此处仅讨论了本发明的不同特征和部件的特定组合，但是对本领域技术人员来说，显而易见的是，可自由地利用所公开的特征和部件的所需子集和/或这些特征和部件的替代组合。例如，系统30，30a，30b，和30d和/或装置42c中的一个或多个的任何的或所有的特征或部件可自由组合或互换。

例如，还应理解，可以使用除加速计34之外的其他类型的振动传感器，同时对计算装置42做适当的改动。虽然当前不大优选，其它传感器可包括测量位移的传感器(例如扩音器)，同时使计算装置42在一段时间上记录接收的位移信号。另一种类型的传感器可包括测量速度的传感器，并使计算装置42在一段时间上记录接收的速度信号。接着这些信号被转换成加速度信号并根据上文所述被处理，或者可自由地应用处理所接收的信号类型的其它特征提取技术和分类技术。

作为另一个变体，虽然装置42c被示为带有支架用于存放单元100c，装置42(或其变体)还可包括存放传感器34(或其变体)的支架。

作为另一个变体，方法200的不同版本可被同时存储于装置42(或其变体)以及设有供用户在不同的版本间进行切换的设备的装置42中。这些不同的版本可致力于提取不同类型的特征和/或检测不同类型的解剖活动和/或应用不同方法以实现相同结果。用户可选择切换到用户所需的和/或最适合特定病人需要的任一版本。

作为一个附加例，尽管在方法200的步骤230中，稳定性、正态性和离散率是提取的三个特征，但是应理解，在其它的实施方案中，可提取可用于检测吞咽事件的其它特征和/或其组合。例如，虽然目前不大优选，但是可能需要从稳定性、正态性和离散率中仅提取任意两个，以确定将特定的吞咽事件分作吞咽还是吸入。

作为另一个变体，可配置装置42包括“模糊逻辑”，其中装置42将继续追踪收集的信号，并继续更新其标准，用于确定是否检测到吸入、吞咽或是其它吞咽活动。

还应理解，除了或替代诸如吸入和吞咽的吞咽活动，其它类型的颈部结构解剖活动可用对本文教导的适宜改动来检测。例如，流涎、气管肌收缩、转头、发声、咳嗽、哭泣、打鼾、窒息、喘气。此类活动可用于检测如喉癌、气管塌陷、婴儿猝死综合症(“SIDS”)以及睡眠障碍等各种状况的存在或潜在。

作为另一个变体，装置42可被连接到输出设备，该输出设备提供响应检测到的活动类型的生物刺激——例如，当检测到吸入时则刺激咳嗽的设备。

还应理解为了确定特定类型的解剖活动，可提取其它类型的特征，包括最大峰值频率、中间频率、自相关衰变率、偏斜、峰度等。此外，可用其它的分类方法，包括高斯、广义回归网络、概率网络、多层前馈网络、线性判别函数、模糊神经网络的混合。

此外，虽然装置42(及其变体42a，42b，42c和42d)是电子设备，其包括编程和/或配置以处理来自加速计(或其它传感器)的信号的电路，使得可操作地把这些信号分类为不同类型的吞咽活动，但是在其它实施方案中，装置42可基于各种不同的计算环境，如装有专用软件应用程序的个人数字助理或笔记本电脑。类似的，设备可简单地包括一组指示灯，例如，一对指示灯，一个灯用于指示吞咽，另一个用于指示吸入。无论装置42的形式，装置42还可包括用于连接到个人电脑或其它计算设备的接口，使得用于检测吸入、吞咽和/或其它类型的吞咽活动的更新的程序指令可被上传到装置42。

本发明上述的实施方案旨在例证本发明，本领域的技术人员可在不偏离本发明精神的范围内对其进行变更或修改，本发明仅由附加的权利要求书限定。

Claims

1.一种检测吞咽活动的方法，包括步骤：

接收表示吞咽活动的电子信号；

从所述信号中提取至少两项特征；

基于所述特征将所述信号分为吞咽活动的一类；以及

生成表示所述分类的输出。

2.如权利要求1所述的方法，其中所述电子信号由加速计产生。

3.如权利要求2所述的方法，其中所述特征包括稳定性、正态性和离散率中至少一个。

4.如权利要求3所述的方法，其中利用径向基神经网络执行所述分类步骤。

5.如权利要求1所述的方法，其中所述吞咽活动包括吞咽和吸入中至少一个。

6.如权利要求2所述的方法，其中所述提取步骤包括以稳定性作为所述特征之一，所述稳定性的提取步骤包括下述分步骤：

将所述信号分为多个非重叠仓；

确定均方序列中反向排列的总数(A_Total，)；

提取所述稳定性特征(z)，所述稳定性特征根据下式确定：

z = \frac{A_{Total} - μ_{A}}{σ_{A}}

其中：

μ_A是相同长度稳定信号的期望的反向排列的平均数；

σ_A是等长稳定信号的标准偏差。

7.如权利要求6所述的方法，其中每个所述仓的长度在约1ms至约9ms之间。

8.如权利要求6所述的方法，其中每个所述仓的长度在约3ms至约7ms之间。

9.如权利要求6所述的方法，其中每个所述仓的长度为约5毫秒(“ms”)。

10.如权利要求2所述的方法，其中所述提取步骤包括以正态性作为所述特征之一，所述正态性的提取步骤包括下述分步骤：

将信号标准化以具有零平均值和单位方差(“s”)；

将标准化信号分为多个仓(“I”)，每个仓约0.4伏特，其中

且其中最高仓延伸至正无穷而最低仓延伸至负无穷；

通过计算落在每个所述仓内的标准化信号(“s”)的采样数确定每个所述仓的观测频率(“n”)；

确定每个所述仓正态假设下的期望频率，利用下式的卡方(X²)统计：

{\hat{X}}^{2} = Σ_{j = 1}^{I} \frac{{(n_{i} - {\hat{m}}_{i})}^{2}}{{\hat{m}}_{i}}

用下式确定所述正态性特征：

\log_{10} ({\hat{X}}^{2})

11.如权利要求2所述的方法，其中所述提取步骤可包括以离散率作为所述特征之一，所述离散率的提取步骤包括下述分步骤：

根据下式确定所述信号的平均绝对偏差：

S_{1} = \frac{1}{n} Σ_{i = 1}^{n} | x_{i} - med (x) |

确定所述信号的四分位数间距S₂；

根据下式提取所述离散率：

\frac{S_{1}}{S_{2}}

12.一种检测吞咽活动的装置，包括：

从传感器接收电子信号的输入设备，所述电子信号表示吞咽活动；

连接到所述输入设备并可操作地从所述信号中提取至少两个特征的微型计算机；

所述微型计算机还可操作地基于所述特征把所述信号分类为吞咽活动的一类；以及

连接到所述微型计算机，用于生成表示所述分类的输出的输出设备。

13.如权利要求12所述的装置，其中所述传感器是加速计、扩音器、速度传感器之一。

14.如权利要求13所述的装置，其中所述特征包括稳定性、正态性和离散率中至少一个。

15.如权利要求14所述的装置，其中利用径向基神经网络执行所述分类。

16.如权利要求12所述的装置，其中所述吞咽活动包括吞咽和吸入中至少一个。

17.如权利要求13所述的装置，其中所述提取包括以稳定性作为所述特征之一，所述稳定性的提取包括：

将所述信号分为多个非重叠仓；

确定均方序列中反向排列的总数(A_Total，)；

提取所述稳定性特征(z)，所述稳定性特征根据下式确定：

z = \frac{A_{Total} - μ_{A}}{σ_{A}}

其中：

μ_A是相同长度稳定信号的期望的反向排列的平均数；

σ_A是等长稳定性信号的标准偏差。

18.如权利要求17所述的装置，其中每个所述仓的长度在约1ms至约9ms之间。

19.如权利要求17所述的装置，其中每个所述仓的长度在约3ms至约7ms之间。

20.如权利要求17所述的装置，其中每个所述仓的长度为约5毫秒(“ms”)。

21.如权利要求13所述的装置，其中所述提取包括以正态性作为所述特征之一，所述正态性的提取包括：

将信号标准化为具有零平均值和单位方差(“s”)；

将所述标准化信号分为多个仓(“ I”)，每个仓约0.4伏特，其中且其中最高仓延伸至正无穷而最低仓延伸至负无穷；

通过计算标准信号(“s”)中落在每个所述仓内的采样数确定每个所述仓的观测频率(“n”)；

确定每个所述仓正态假设下的期望频率

，利用下式的卡方(X²)统计：

{\hat{X}}^{2} = Σ_{j = 1}^{I} \frac{{(n_{i} - {\hat{m}}_{i})}^{2}}{{\hat{m}}_{i}}

用下式确定所述正态性特征：

\log_{10} ({\hat{X}}^{2})

22.如权利要求13所述的装置，其中所述提取包括以离散率作为所述特征之一，所述离散率包括：

根据下式确定所述信号的平均绝对偏差：

S_{1} = \frac{1}{n} Σ_{i = 1}^{n} | x_{i} - med (x) |

确定所述信号的四分位数间距S₂；

根据下式提取所述离散率：

\frac{S_{1}}{S_{2}}

23.如权利要求13所述的装置，其中所述输入设备是通用串行总线(“USB”)端口的输入通道。

24.如权利要求13所述的装置，其中所述输出设备是一对指示灯。

25.如权利要求24所述的装置，其中所述指示灯包括指示吞咽的绿灯和指示吸入的红灯。

26.如权利要求13所述的装置，其中所述输出设备是通过链接连到所述装置的远程单元。

27.如权利要求26所述的装置，其中所述远程单元包括用于把所述单元附在病人衣服上的连接装置。

28.如权利要求26所述的装置，其中所述远程单元包括一对指示灯；所述指示灯包括指示吞咽的绿灯和指示吸入的红灯。

29.如权利要求26所述的装置，还包括当所述远程单元不用时，存放所述远程单元的托架。

30.如权利要求12所述的装置，其中所述装置还包括永久存储设备。

31.如权利要求30所述的装置，其中所述永久存储设备用于记录多个所述电子信号。

32.如权利要求30所述的装置，其中所述永久存储设备是可拆卸的。

33.如权利要求31所述的装置，其中所述存储设备选自闪存卡Compact Flash^TM，同步动态随机存储器SD RAM^TM，记忆棒MemoryStick^TM。

34.如权利要求30所述的装置，其中所述装置包括端口，经其可下载存储于所述永久存储设备的数据。

35.如权利要求12所述的装置，其中所述装置包括端口，经其可与其它设备交换数据。

36.如权利要求35所述的装置，其中所述端口选自通用串行总线端口；红外端口；RS-232串行端口；802.11x端口；蓝牙端口。

37.一种检测颈部结构活动的系统，包括：

连接到颈部的传感器，用于生成表示所述结构活动的信号；以及

可连到所述传感器的计算装置；所述计算装置包括用于接收所述信号的输入设备；连到所述输入设备并可操作地从所述信号中提取至少两个特征的微型计算机；所述微型处理器还可操作地基于所述特征将所述信号分为活动的一类；以及连接到所述微型计算机，用于生成表示所述分类的输出的输出设备。

38.如权利要求37所述的系统，还包括可操作地关联于所述输出设备的远程单元；所述远程单元具有将其附在病人衣服上的连接装置；所述远程单元具有当所述活动为吞咽时进行指示的绿灯和当所述活动为吸入时进行指示的红灯。

39.如权利要求37所述的系统，其中所述传感器和所述装置间的链接可为无线链接或有线链接。

40.如权利要求37所述的系统，还包括可连接至所述计算装置上的端口的计算机，通过所述端口可在所述计算机和所述计算装置间交换电子信息。

41.如权利要求37所述的系统，其中所述计算装置还包括永久存储设备。

42.如权利要求41所述的系统，其中所述永久存储设备可操作地存储多个所述信号。

43.如权利要求41所述的系统，其中所述永久存储设备用于保存多个不同的程序指令，所述程序指令用于致使所述微型处理器可操作地分类所述信号。

44.如权利要求43所述的系统，其中所述设备包括允许用户选择所述程序指令中哪一个是所述微型处理器将要用的指令的选择装置。