CN103458777A - 用于吞咽损伤检测的方法和设备 - Google Patents
用于吞咽损伤检测的方法和设备 Download PDFInfo
- Publication number
- CN103458777A CN103458777A CN201280013867XA CN201280013867A CN103458777A CN 103458777 A CN103458777 A CN 103458777A CN 201280013867X A CN201280013867X A CN 201280013867XA CN 201280013867 A CN201280013867 A CN 201280013867A CN 103458777 A CN103458777 A CN 103458777A
- Authority
- CN
- China
- Prior art keywords
- swallowing
- event
- feature
- swallow
- damage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4205—Evaluating swallowing
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6843—Monitoring or controlling sensor contact pressure
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Endocrinology (AREA)
- Gastroenterology & Hepatology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
此处公开了用于吞咽损伤检测的方法和装置,由此候选者执行一个或多个吞咽事件并且获取代表其的双轴加速计数据。当特征提取和分类时,关于每个吞咽事件获取的振动数据被分类为指示正常或可能损伤的吞咽中的一个。还描述了包括在促进关于候选者吞咽事件的吞咽损伤检测中由处理设备实施的语句和指令的计算机可读介质。
Description
技术领域
本公开涉及吞咽损伤,且尤其涉及用于吞咽损伤检测的方法和设备。背景技术
吞咽困难是很多神经学疾病和伤害的重要部分。经过研究已经报告:中风之后的吞咽困难的发生率是37-38%,在具有吞咽困难的那些患者中误吸发生率估计为43-54%。系统性评价推论:与没有吞咽困难的患者相比,误吸的中风患者面对11.56倍的形成肺炎的风险。已经显示:在随后的6个月内,误吸的患者比正常吞咽的患者10倍地更可能(p<0.0001)形成肺炎。这些图说明了尽可能早地识别吞咽困难且应付误吸风险的重要性,它们潜在地避免了大量误吸相关死亡,且通过提供早期治疗节省了需要大量金钱的健康护理系统。在过去的十年里,大量基于证据的最佳实践指南获得类似的结论,强烈地支持筛查方案的早期实施以识别诸如中风患者的高风险人群中的吞咽困难和误吸。
误吸(一般理解为外容物进入上呼吸道)对于例如具有吞咽困难(肺炎)的个人来说是严重关切问题并且可能导致肺炎。例如,膳食误吸或在吞咽期间异物进入上呼吸道是肺炎的重要部分。
使用诸如电视X光透视吞咽检查之类的已知且特别是侵入式技术,吞咽严重性可以基于呼吸道侵入的观察深度进行子分类。例如,物质瞬时进入到声带上方的喉前庭被称为高呛入(high penetration)(在8点呛入-误吸标度中2的评分);3-5的评分被称为呛入,在物质进入喉前庭而无后续清除时应用,且误吸是在物质经过声带且进入气管(6-8的评分)时使用的术语。用于误吸检测的主要的两难局面在于这一事实:明显的临床症状(例如咳嗽或清喉)在报告上缺少高达时间的67%;这称为“静默性误吸”。与具有正常吞咽的个体相比,在电视X光透视上具有呛入、误吸或静默性误吸的患者中,形成肺炎的风险被发现分别高4、10和13倍。基于证据的最佳实践指南同意:筛查方案应当用于有利于在诸如中风患者的高风险人群中误吸风险的提示识别和处理;然而,用于此目的的当前实施的方案通常不能提供满意的结果,或者,同样以需要相对侵入式过程的应用为代价实现合理的结果。
除了误吸,吞咽无效是具有吞咽困难的个体的主要关切问题。吞咽无效被定义为在最多两次吞咽中不能吞咽单个丸药(或满口)的内容。这频繁地导致在吞咽之后留在喉咙(咽喉)后面残余物质的存在。这些剩余物质的存在进而又是误吸的风险。
吞咽筛查方案的主要目标一般是双重的:1)识别损伤吞咽安全的风险,例如,呛入(物质进入声带水平上方的呼吸道)和/或误吸(物质进入声带水平下方的呼吸道);2)识别损伤吞咽效率的风险,其由在吞咽之后咽喉中剩余物的存在和/或用于从嘴进入食道全程移动丸药的延长通过时间来表征。至今,对于健康策略的主要强调要求吞咽筛查处于这些目的中的首位,即呛入和/或误吸风险(在下文中,“P-A风险”)的识别。当患者通过筛查被识别为具有吞咽困难或P-A风险时,他们一般涉及综合吞咽评定。
不幸地是,损伤吞咽安全性和涉及吞咽困难的效率的临床识别并不特别明确。在通常环境中,健康清醒的人在物质呛入声带上方的呼吸道时将条件反射地吞咽,且在该物质被误吸入声道下方时将咳嗽。当前P-A风险筛查工具严重依赖于暗示可能误吸的明显临床症状的识别:咳嗽、清嗓、呼吸速度的改变以及音质的改变。然而在具有神经损伤的患者中,频繁缺少明显临床症状或该明显临床症状取决于量。如上面所提及的,根据一些研究,报告称:在25%-67%的急性中风患者中且整体在28%的患者中出现静默性误吸。具有神经性吞咽困难的患者中损伤吞咽安全性的明显临床症状的各种表现对通过临床筛查的P-A风险检测的有限成功作出贡献,且意味着筛查器必须经过训练以提防微妙的症状。类似地,基于临床症状的观察,或者基于询问患者是否他们感觉到在其咽喉附着的物质,可能不可靠地检测涉及吞咽无效的吞咽后残余在病床边。
例如,用于误吸的非侵入式筛查的当前临床方法典型地涉及水的吞咽。临床医生注意包括咳嗽、吞咽后清喉或可能暗示着声带附近存在液体的声音变化的困难的表现。然而,与仪器评定的盲评级相比,很多研究在关于用于揭示误吸的异常临床症状的有效性结论不同,且涉及水吸吮的筛查方案倾向于以高达72%的假阳性率过度识别误吸风险。
再者,用于筛查的当前方法频繁依赖于护士来管理/执行筛查方案。一种广泛提议的临床筛查方案(Tor-BSST)具有随附训练包,这涉及对于引领临床医生/提倡者/训练者8个小时的初始训练,他们然后针对将管理筛查方案的个体分发4个小时的训练。然而,已经报告了体制上的障碍来防止既使在这种大量训练之后的筛查指南的实施。假设护理人员换班,在长期基础上需要对于连续能力训练和资格认证的强有力的体制上的承诺。
假设用于检测误吸的吞咽筛查的可变性能以及该方法涉及训练和竞争力维护的负担,存在对于例如在临床设置或病床旁可靠地检测损伤吞咽安全性和效率的有效非侵入式仪器方法的需要。尽管已经提出吞咽声音或振动的评价作为候选方法,但是至此在获得误吸的有效识别方面的可用研究还未成功。因此,需要用于检测误吸和其它相关吞咽损伤的有效可靠的工具,其克服已知临床筛查方案的可变预测效用和/或减小由这种方案的实施强加给护理人员的基本负担。
因此,仍存在对于克服已知技术的一些缺点或至少提供可用备选的吞咽损伤检测的方法和设备的需求。
提供该背景信息以揭示申请人相信的信息可能与本发明相关。并不需要旨在或应当解读为任意前述信息构成相对于本发明的现有技术的任何承认。
发明内容
本发明的目的是提供用于吞咽损伤检测的方法和设备。根据一个实施例,提供一种用于在吞咽事件的执行期间识别候选者中可能的吞咽损伤的设备,该设备包括:双轴加速计,位于候选者咽喉的区域中并且被配置成获取代表吞咽事件的轴特定振动数据;处理模块,可操作地耦合到所述加速计,用于处理所述轴特定数据以针对每个轴从其提取代表吞咽事件的一个或多个特征,并且基于所述提取的特征,将所述振动数据分类为指示正常吞咽和可能损伤吞咽中的一个。
根据本发明的另一实施例,提供一种用于对关于候选者吞咽事件获得的颈部双轴加速计数据进行分类以识别可能的吞咽损伤的方法,该方法包括:接收代表吞咽事件的轴特定振动数据作为输入;针对所述轴特定振动数据中的每个轴,提取代表吞咽事件的一个或多个预设特征;将所述提取的特征与定义为所述预设特征的函数的预设分类标准进行比较;以及基于所述比较步骤输出将所述振动数据分类为指示正常吞咽和可能损伤吞咽中的一个的分类。
根据本发明的另一实施例,提供一种计算机可读介质,该介质具有在其上存储的用于由处理器实施以自动实施上述方法的语句和指令。
根据本发明的另一实施例,提供一种经由一个或多个预设吞咽事件的执行在候选者中识别可能的吞咽损伤的方法,该方法包括:记录代表所述一个或多个吞咽事件的双轴振动数据;针对所述双轴振动数据的每个轴提取一个或多个吞咽事件特定特征;将所述提取的特征分类为指示正常吞咽和可能损伤吞咽中的一个。
当阅读参考附图仅以举例方式给出的其特定实施例的下列非限制性描述时,本发明的其它目标、目的、优点和特征将更加明显。
附图说明
参考所述附图,将仅通过举例的方式提供本公开的若干实施例,在附图中:
图1是根据本发明的一个实施例,在操作中吞咽损伤筛查设备的示意图;
图2是根据本发明的一个实施例,吞咽损伤筛查设备及其部件的示意图;
图3是根据本发明的一个实施例,通过吞咽损伤检测设备实施的高级别双轴加速计数据处理的流程图;
图4是根据本发明的一个实施例的说明性双轴加速计数据处理流程图,在虚线框中示出了通过吞咽损伤检测设备实施的可选步骤;
图5A根据本发明的一个实施例通过吞咽损伤检测设备实施的详细双轴加速计数据处理的流程图;
图5B根据本发明的一个实施例在针对吞咽安全和效率二者的筛查中通过吞咽损伤检测设备实施的详细双轴加速计数据处理的流程图;
图6是根据本发明的一个实施例使用吞咽损伤筛查设备实施的候选者筛查和测试方案的流程图;
图7是根据本发明的一个实施例实现的性能结果(损伤吞咽安全以及损伤吞咽安全与损伤吞咽效率的组合的检测)的表格;
图8是根据图7的实施例的进一步误吸检测性能结果的表格;以及
图9是根据本发明的一个实施例训练数据集分类的图形表达,用于在测试吞咽事件的后续分类中指示健康吞咽事件与可能的吸入事件。
具体实施方式
如上面所介绍,误吸(一般理解为异物进入到上呼吸道)对于例如遭受吞咽困难或其它这种条件的具有吞咽困难的个体来说是严重的关切问题,而且例如可以导致肺炎。不幸的是,由于诸如咳嗽之类的明显临床症状的可变表现,误吸并不总是被容易地识别。诸如吞咽后残留物的存在的在遭受吞咽困难的患者中常见的其它吞咽损伤也是关切问题,且其检测在正确筛查和/或诊断患者条件中一般是需要的。此处描述的吞咽损伤检测方法和设备提供对于在筛查期间检测损伤吞咽安全和/或效率的精确非侵入式仪器的广泛需求的解决方案。如下文将详述的,在一些实施例中,这种方法和设备现在提供更强的能力以使用最少的训练将吞咽损伤筛查合并到患者生命体征的例行护理评定中。
例如,此处描述的方法和设备提供优于现有技术的协助(多个)吞咽损伤的筛查、检测、监控和/或诊断的各种改进。应当意识到,尽管此处在特定应用和实施方式的背景下描述了特定实施例,但是此处描述的方法、设备及其元素的各个特征可以在不同背景中考虑以改善与吞咽损伤筛查、检测、监控和/或诊断相关联的不同方面,并且取决于手头的应用具有不同级别的用户交互、自动化和复杂度。即,尽管此处可以关于特定示例考虑某些实施方案和操作指南,但是也可以被考虑备选或补充方法而不偏离本公开的一般范围和属性。相应地,应当意识到,此处使用的术语“损伤检测”意味着被广泛地解读为包含不同级别的损伤识别,处于例行筛查或诊断的背景中,并且不偏离本公开的一般范围和属性。
如将在下面更详细地讨论的,此处描述的方法和设备利用双轴颈部加速计例如在具有疑似吞咽困难的个体中检测(多个)吞咽损伤。在一个示例中,假设特定筛查或诊断方案、设备编程或配置和其它这种考虑,在必要或适当时在稀液体吞咽期间或在执行其它类型的吞咽事件中,用于不同对象中的潜在误吸事件的筛查经由颈部振动的分析来实施。从获取的双轴加速计信号提取的特征可以有效地且自动地分类以允许公开的设备/肺活量计(aspirometer)的用户或操作者识别个体吞咽事件为一个正常事件或一个代表可能的误吸事件。当应用某种筛查/诊断方案和/或指南时,处于误吸风险的候选者因而可以使用此处考虑的公开方法和考虑的设备被识别,其中当被认为合适时,这种识别可以导致进一步的评定、诊断、治疗和/或饮食限制。
类似地,用于诸如吞咽效率损伤的一般通过吞咽后残余的存在表明的其它吞咽损伤的筛查也可以或备选地通过此处描述的本发明的实施例检测。如由本领域技术人员将意识到,在下面的描述更具体地参考误吸检测方法或设备(例如吞咽安全损伤检测/筛查)之处,可以针对诸如吞咽效率损伤之类的其它吞咽损伤的检测或筛查考虑类似的实现而不偏离本公开的一般范围和属性。
例如,在一些实施例中,吞咽损伤检测设备可以配置成在吞咽筛查期间提供损伤吞咽安全和损伤吞咽效率二者的指示。即,在脖子上记录的吞咽振动信号被理解为主要作为舌骨和喉的结构性移动的结果产生,但是这些信号也被证实携带涉及吞咽安全和效率的信息。通过使用恰好布置在甲状腺软骨下方的双轴加速计收集的信号过滤和处理,如此处所公开的一个或多个分类器可以被训练以在与呛入-误吸相关的信号和显示正常吞咽安全的信号之间进行判别,和/或被训练以在与减小的吞咽效率相关的信号和显示正常吞咽效率的信号之间进行判别。
如下面的示例将描述的,在经历并发电视X光透视的40个个体的研究中,根据本发明的一个实施例配置的肺活量计能够在单个5cc稀液体丸药的级别以90%的敏感性和77%的特异性识别损伤吞咽安全性。在另一示例中,实施用于“吞咽困难”的更广泛构造的筛查,由此设备适于不仅识别体现不安全吞咽的候选者(例如,将一个或多个吞咽事件分类为健康或潜在误吸事件),还可以识别吞咽无效,即吞咽后残余物的表现形式。使用设备的该特定实施例,以81%的灵敏度和76%的特异性识别候选者状况的这种进一步分类(即,损伤的安全和/或损伤的效率)。
为了实现这些结果,如下面更详细地描述的,(多个)分类器相对于经由并发VFSS实现的已知结果训练,且如上面所报告的,这种训练的结果用于以高级别的成功率相对地分类相应双轴加速信号。因此,下面描述的(多个)分类器被证实为提供用于吞咽安全和效率二者的筛查中的有用工具,其潜力至今仅经由入侵式VFSS可用。
在一个特定示例中,与三茶匙大小的稀液体吞咽和用杯子喝水相关的加速计信号被收集。在一个示例中,收集的信号被处理以移除伪影,并且然后经由训练的分类器模块处理以识别疑似包含呛入(物质进入声带水平上方的喉前庭)或误吸的信号。相对于经由并发电视X光透视获得的呛入-误吸的盲评级,测量这种方法的有效性。在逐个丸药的基础上,关于用于检测呛入-误吸的应用的加速计分类器所计算的实用统计显示90%的灵敏度和77%的特异性。假设单次吸吮或满口(例如丸药)可以导致多于一次的吞咽,当与每个丸药相关的吞咽进一步子分段成子吞咽时,检测每个吞咽的呛入-误吸的精确度为85%的灵敏度和77%的特异性。当所有吞咽任务被整合考虑时,即在逐个参与者的基础上,分类器实现100%的灵敏度和54%的特异性。因此,如下面更详细讨论的,可以得出结论:当在此处描述的本发明的不同实施例的背景中实施时,双轴加速计在单次吞咽和跨越一系列吞咽的级别均显示用于精确检测稀液体吞咽中呼吸道侵入的强大性能,因而允许此处讨论的双轴加速计用于支持具有疑似吞咽困难或其它这种状况的患者中误吸风险的有效、可靠和高效的检测。应当意识到,尽管针对该目的执行且在下面公开的背景中讨论的研究聚焦于具有疑似吞咽困难的患者,类似的方法也可以在本公开的上下文中考虑以在其它相关状况的风险或体现症状处应用于患者。
参考图1,现在将描述一般使用数字100引用且根据本发明的说明性实施例在吞咽损伤检测中使用的系统。在该示例中,系统100一般包括附加在候选者的咽喉区域中的双轴加速计102,用于在吞咽区间获取双轴加速计数据和/或信号(例如见图1中示出的说明性S-I加速信号104)。例如,加速计数据可以包括但不限于沿着前-后轴(AP)和上-下轴(S-I)获取的咽喉振动信号。
在一个实施例中,加速计还安装有压力传感器或压力敏感膜,其被配置成在安装时有效地测量在加速计和候选者咽喉之间的压力(例如,作为用于在位置上紧固加速计的皮带或经弹性处理的带中的张力的函数,测量由加速计施加在候选者咽喉上的压力)。因此,当例如经由与设备相关的用户界面上的指示器监控该压力时,临床医生能够以可再现精度更好地将加速计布置在每个候选者上,因而减小不适当的定位/安装的可能性,并且因而减小数据错误或改善设备的整体性能精确度。在其它实施例中,加速计可以经由双面胶带等的应用放置。
在一些实施例中,信号质量和/或加速计定位/放置可以经由测试方案测试和/或监控,由此针对与系统校准和/或预设正常操作条件的一致性,例如可检查获取的测试信号。例如,可以在非吞咽任务(诸如候选者旋转他的头部或说“啊”)期间获取测试信号,并且这种测试信号与一个或多个预设测试信号范围和/或特性进行比较。本领域技术人员应当理解,可以在吞咽损伤检查方案的不同分段之前、期间和/或之后应用这种和其它类似测试过程,而不偏离本公开的一般范围和属性。
加速计可操作地耦合到被配置成处理用于吞咽损伤检查的所获取数据的吞咽数据处理模块或肺活量计106。注意,术语“肺活量计”此处一般用于指不仅用于误吸检测的设备,还指同样配置成用于检测其它吞咽损伤(诸如吞咽无效)的类似设备。本领域技术人员应当很容易理解,处理模块106此处被描述为独立实施的设备,或可操作地耦合到加速计102的肺活量计以用于例如经由诸如导线、线缆、光纤等一个或多种数据通信介质和/或一个或多个无线数据传输协议与其通信数据。然而,根据另一实施例,例如取决于肺活量计的所旨实用性和/或其要实施的所在的环境,处理模块可以与加速计集成地实施。本领域技术人员将理解,处理模块还可以耦合到或结合为原生和/或处理的数据的进一步处理和/或显示,或同样用于系统实施数据、方案和/或筛查/诊断工具的交互显示所提供的外部处理和/或接口设备(诸如本地或远程计算设备或平台)来操作。
参考图2,此处一般描述为自包含设备的处理模块或肺活量计200一般包括:电源202,诸如电池或其它已知电源;和(多个)各种输入/输出端口204,用于数据、命令、指令等与交互和/或外围设备和/或部件(未示出)(诸如例如独立操作的加速计(如图1所示)、外部数据处理模块、显示器等)的传输。设备200还包括一个或多个计算机可读介质208,其上存储有语句和指令,在例如相对于加速计数据获取和处理、根据给定或选择的损伤检测方案的设备的操作(例如一个或多个临床接受的操作方案、测试和/或验证序列等)自动地实施各个计算机任务中,或在设备200上或结合设备200实施的一个或多个损伤检测、监控、筛查和/或诊断工具的实施中,所述语句和指令由一个或更多处理器206实施。设备200还可以包括集成到其中或独立和/或远程从其操作的用户接口210,用于通过其操作者输入数据和/或命令(例如,键盘、鼠标、滚动板、触摸屏、按钮、开关等),和/或用于关于吞咽损伤检测、监控、筛查和/或诊断的原生的、处理的表达和/或筛查/诊断数据(例如,诸如CRT、LCD、LED屏幕、触摸屏等图形用户界面;视觉和/或可听见的信号/警告/警报/提示;数字显示等)。
如本领域技术人员所将理解的,此处可以考虑结合和/或并行于设备200的上述说明性实施例可操作的附加和/或备选部件,而不偏离本公开的一般范围和属性。还将理解的是,设备200可以等价地实施为独立且专用的设备,诸如专用家庭、临床或病床旁损伤检测设备,或同样通过诸如多目的临床或病床旁设备的多目的设备实施,或同样实施为在诸如膝上型电脑或PC或诸如PDA、智能手机、写字板等其它个人计算设备的常规技术设备上操作的应用。
参考图3,现在将描述根据本发明的一个实施例的数据处理流的示例。在一般方面,代表至少一个吞咽事件的获取或收集的双轴加速计数据302的处理可包含两个广泛步骤:即沿着每个轴应用代表每个吞咽事件的数据的双轴特征提取步骤304和基于步骤304的(多个)提取的特征的吞咽事件分类步骤306。在向代表相应吞咽事件的双轴颈部加速计数据应用该方法中,这种吞咽事件可以有效地分类成正常吞咽事件和潜在损伤吞咽事件(例如不安全和/或无效的)中的一个,其分类输出308然后可用在筛查/诊断讨论的测试候选者且将其分配到合适的治疗、进一步的测试和/或提议各种饮食或其它相关限制中,直到可以应用进一步的评定和/或治疗。
当参考指定示例的如下描述(其中根据本发明的不同实施例在量化这些步骤的实施方式的不同可能性中提供更多细节)时,本领域技术人员将理解,在实现吞咽事件分类中这些步骤的属性基本上保持相同。如本领域技术人员将进一步理解的,尽管上文和下文参考数据处理步骤,将理解的是,根据本发明的不同实施例可以通过各种处理技术和方法实施这种处理,其例如可子分段成独立、协作和/或交互处理子例程、模块等,而不偏离本公开的一般范围和属性。为清楚起见,处理步骤在下文中具有且将描述为独立处理步骤或模块,然而,应当理解,根据本发明的不同实施例此处呈现的吞咽损伤检测设备或计算机可读介质包括在完成吞咽损伤检测方法中用于由其处理器实施的语句和指令,可表征为组合地实现在此所考虑的结果的协作、并行、连续和/或独立处理模块,而不偏离本公开的一般范围和属性。
参考图4且根据本发明的实施例,将描述另一说明性双轴加速计数据处理流程,其中在虚线框中示出该实施例中的可选步骤。在该特定实施例中,关于多个吞咽事件获取或提供加速计数据402。该数据然后经由配置成调节原始数据的可选预处理模块404处理并且因而促进其进一步处理。例如,原始数据可以被过滤、去噪/或处理以用于信号伪影移除。
经预处理的数据然后自动或手动地分段成独立吞咽事件(步骤406)。例如,诸如在共同未决的美国专利申请公开No.2010/0160833(通过引用将其全部内容并入于此)中描述的自动吞咽事件分段处理可以应用于数据以通过吞咽事件对该数据进行分段。备选地,例如,当可视检查数据(例如,识别每个吞咽事件的开始,其可以通过设备的操作者容易且系统地识别),可以应用手动分段。备选地,根据一个实施例,如参考图6中描述的示意的示例性方案,设备和方法可以涉及分段数据记录,由此数据被明确地记录以单独地用于每个吞咽事件。在这种实施例中将理解的是,吞咽事件特别数据可以被单独地预处理,因而在加速计数据402的获取期间并且在预处理步骤404之前有效地应用图4的手动信号分段步骤406。如本领域技术人员将理解的,此处可以考虑这些和其它该变型而不偏离本公开的一般范围和属性。
事件特定数据然后被双轴特征提取模块408处理,且可选地被特征还原模块410处理,允许基于这些提取的特征在步骤412对每个吞咽事件进行分类。如上面一般所讨论的,这种分类因而允许表达为正常吞咽事件的吞咽事件(与潜在不安全和/或无效吞咽事件相比)的确定和输出414。
参考图5A,将描述详细的双轴加速计数据处理流,其中示出关于上面在较高级别描述的一些一般处理模块可应用的处理技术的特定示例。将理解的是,在下文提供特定示例的同时,这种示例并不旨在限制本公开的一般范围,而是当前纯粹用于示例用于测试和验证此处描述的本发明的各个实施例的目的所实施的某些技术。
如图4中一样,图5A的处理应用于代表多个吞咽事件的双轴加速计数据502;然而,在该示例中,数据被明确地标记为分别沿着前后轴和上下轴获取的数据。很明显,原先分段和/或独立记录的数据集也可以在本上下文中使用,旁路下面描述的分段步骤506。
数据预处理步骤504再次应用于加速计数据,在该示例中其包含反向过滤器(其可以包括各种低通、带通和/或高通滤波器),接着是信号放大(例如,在下面的示例中,加速计数据可以被0.1Hz至3kHz的带通过滤且具有10倍的放大)。去噪子例程然后应用于反向过滤的数据,其在一个示例中可以包含处理信号小波和迭代以发现最小均方误差,例如,如在共同未决的申请No.12/819,216中所描述的,在此通过引用将其全部内容并入。将理解的是,可以实施各种最佳方案以发现该最小值,因为根据本发明的不同实施例,备选去噪子例程可以实现类似的结果。
在一个示例中,预处理模块还可以包括用于从例如关于候选者头部移动的数据移除候选者移动伪影的子例程。在一个该示例中,基于样条的子例程可以实施为实现满意的伪影移除;然而,其它技术也可以应用以实现类似结果。根据本公开的不同实施例,诸如发声、血流等其它信号伪影可以在必要或可应用时从获取的信号中移除。
当完成数据预处理步骤504(可能涉及取决于获取的数据的质量和可靠性以及其它这种参数的不同级别的复杂度)时,如上所述,数据然后手动或自动地分段(步骤506)以用于事件特定处理。同样,将理解的是,数据分段可以在预处理之前实施,或在独立获取事件特定数据集时被完全避免。
在该实施例中,事件特定数据通过特征提取模块508处理,该特征提取模块包含针对每个轴特定数据集计算一个或多个时间-频域特征。在该特定示例中,特征提取模块508计算A-P数据的18级sym8小波分解的每一级别的对数能量和S-I数据的12级sym8小波分解的每一级别的熵。将理解的是,此处可以考虑提取的特征的备选组合而不偏离本公开的一般范围和属性。即,尽管针对每个轴特定数据集提取不同特征,将理解的是,在每一种情况中可以提取相同特征,或同样,可以从每个集合提取多个特征且以不同组合提取特征。再者,针对特征提取,可以考虑例如包括一个或多个时间、频率和/或时间-频域特征(例如、均值、方差、中心频率等)的其它特征。
在特征提取时,可选的特征还原模块510然后实施为进一步处理数据以用于有效的分类。例如,特征还原模块可以配置成例如基于在分离器训练和/或校准期间得到的类似提取特征集的在先分析而针对分类选择提取特征的子集。例如,在一个实施例中,从分类器训练数据集提取的最重要的特征或特征成分/级别被保持,因为当应用于新测试数据时其最可能提供可分类结果,且因而被选择以定义用于训练分类器且最终实现分类的还原特征集。例如,在小波分解或其它这种信号分解的背景下,有效地实施为限制从给定分解级别可用的信息的数量和/或质量的诸如线性判别分析、主要成分分析或其它这种技术之类的技术可以用在训练数据集上以预先选择最可能在分类新获取的信号中提供最高级别可用信息的特征成分或级别。这种预选特征成分/级别然后可以用于训练用于后续分类的分类器。最后,这些预选特征可以用在表征用于后续分类的分类标准中。
相应地,在设备配置成来自还原特征集操作之处,如上所述,这种还原特征集的将由预定义从原先关于分类器训练数据集的特征还原技术的实施得到的特征子集或特征还原标准来表征。新获取的数据因而将通过如上所述的各种预处理和分段步骤(步骤504,506)处理,如此识别的各种吞咽事件然后被处理以用于在步骤508的特征提取(例如,全特征集),且这些特征对应于用于在步骤512处的分类的在步骤510处保留的预选子集。
尽管上述示例性方法预期了大多数主要特征的离散选择,也可以容易地应用其它技术。例如,在一些实施例中,特征还原处理的结果可以在加权序列或矢量中显现以用于在分类处理期间在分配特定权重或重要性级别到每个提取特征成分或级别中与提取的特征集相关联。在实现由下面的示例提供的结果中采用该特定方法。具体而言,在该示例中用于分类的最主要特征成分的选择经由在分类器训练数据集上的线性判别分析(LDA)实现。即,用于每个轴的所得提取和还原特征被视为针对A-P轴数据的18级sym8小波分解的每一级计算的对数能量的加权求和以及针对S-I数据的12级sym8小波分解的每一级计算的熵的加权求和,其中当从训练数据集提取时,用于每个求和的相应权重从这些相同特征的LDA计算。如由下面的示例中呈现的结果所验证的,特征提取和还原的这种方法有效地用于从潜在不安全吞咽区分安全吞咽,且从潜在无效吞咽区分有效吞咽。即,如上述技术的以下结果和验证所显见,从新测试数据提取这些选择的特征现在可以与作为原先从适当训练数据集提取且还原的这些相同的选择特征的函数确立的预设分类标准相比较,以将新测试数据分类为代表正常与损伤吞咽(例如安全与不安全吞咽和/或有效与无效吞咽)。
本领域技术人员将理解的是,诸如频率、时间和/或时间-频域特征之类的其它特征集也可以被考虑以提供类似的结果。类似地,尽管上面提供了经由应用的特征还原处理识别的特征的所选子集的一个示例,但是基于类似特征还原技术(例如基因算法、主要成分分析等)和/或从不同训练数据集识别的其它特征选择也可以被考虑以提供类似的结果。
当特征还原时,通过分类模块512实施特征分类,在该实施例中,该分类模块使用具有分层协方差估计的马氏距离(Mahalanobis distance)实施判别分析,以将获取的吞咽特定数据的提取特征(或其还原/加权子集)与预设分类标准进行比较,以有效地将每个数据集分类为代表正常吞咽事件或潜在损伤吞咽事件。如本领域技术人员将理解的,可以在分类吞咽事件数据中实施不同分类技术,其例如可以包括基因算法、主要成分分析、神经网络等。
在下面提供的示例中,经由上述技术实现正结果,其中提取的特征最终被评价为其距离代表健康和不健康吞咽的先前分类的训练数据集的其有效距离的函数。图9提供分类数据的图形表达,其中在该一维说明中,健康和误吸吞咽事件通过线限制。在多维数据集的背景下,例如,当针对两个数据轴中的每一个提取一个或多个特征时,距离预分类训练数据集的矢量距离可以被有效地定义以适当地对新数据集进行分类。
在一个实施例中,在逐个吞咽的基础上实施例如下面参考图6所述的临床损伤检测方案,由此针对每个吞咽事件独立地执行关于潜在误吸和/或其它这种损伤的筛查/诊断。在这些实施例中,针对每个获取的数据集独立地实施吞咽事件数据分类(信号分段也被有效地避免),由此,当与例如在重复临床试验和/或经由类似数据处理技术实施的设备校准的基础上确立的预设分类标准相比较时,从这些事件特定数据集提取的特征被分类。
例如,在图5A的虚线框示意为可选训练/验证子例程516的一个实施例中,代表多次吞咽的数据集如上所述被处理,使得每个吞咽特定数据集最终经过如上所述的预处理、特征提取和特征还原模块。然而,训练/验证子例程516经由留一法(leave-one-out)验证过程或其它交叉验证过程向基于判别分析的分类器应用验证循环,这些验证处理例如可以包括类似的K折(K-fold)验证过程。一旦所有事件被分类和验证,可以产生用于未来分类的输出标准,而不必向分类标准应用进一步的验证。备选地,例程验证可以实施为提炼分类标准的统计意义或再次作为容纳指定装备和/或方案变化的措施(例如,当例如使用相同或不同的加速计类型/模型代替加速计时指定装备的重新校准、改变操作条件、诸如另一预处理子例程的新处理模块、伪影移除、附加特征提取/还原等)。
参考图5B,展现了如上面参考图5A描述的类似过程。在该过程中,步骤502至510基本保持不变;然而,在指示安全与不安全吞咽且指示有效与无效吞咽的所获取事件特定振动数据的分类中,过程进行到独立的分类步骤512A和512B。例如,相同的特征提取和还原技术可以在独立分类应用之前共同地应用,该分类可以依赖于原先定义为相应分类器训练的函数的独立分类标准。例如,可以采用相同分类技术,但是根据独立参数进行训练,即,基于分别分离成安全与不安全事件以及有效与无效吞咽事件的已知训练数据集(其可对于确立两个分类标准集均相同)进行训练。在这种实施例中,设备因而可以配置成并行地或按顺序执行两个独立分类,以实现较大的筛查精确度和复杂性。将理解的是,尽管上述示例考虑了用于预期分类两者的相同特征提取、还原、分类技术的实施,但是独立技术可以应用于每个分类问题,而不偏离本公开的一般范围和属性。
参考图6,在实施用于经由双轴加速计的损伤检测的测试或筛查序列中提供示例性临床或病床旁方案,采用满足以下合格标准的候选者:
a)患者必须保持警觉并且清醒;
b)患者必须能够在室内空气自由地呼吸(进行气管切开术或补氧的患者应当直接前进到完全评定);
c)患者应当能够使用最小支撑直立坐着,且能够保持头直立;
d)患者应当能够跟随简单的指令;以及
e)患者的嘴应当清洁且在进行之前没有碎屑;对于该测试,可以但是不需要佩戴假牙。
如图6所示,当识别患者为合格候选者(602)时,测试或筛查序列如下进行。在步骤604,双轴加速计被放置到候选者颈部(例如通过皮带、经弹性处理的带子和/或双面胶带)上,例如放置到环形软骨的正面中线。在步骤606,设备被激活(例如设备开启,在便携式筛查设备上运行的应用被激活和/或设置为初始化新筛查会话的应用初始化)。在步骤608且一般一旦候选者被提供作为第一吞咽事件的要吞咽的给定数量的物质(例如5-cc的一杯水),记录开始,因而允许对于每个轴的相应加速计信号和对应于候选者的第一吞咽事件(例如,经由设备推动按钮或在设备的图形用户界面上描绘的虚拟按钮)的记录。当完成吞咽事件时,或当候选者开始咳嗽时,记录在步骤610停止(例如,当按下相同或独立的物理/虚拟按钮时),且记录的信号被自动处理(步骤612)以用于分类为指示安全与不安全吞咽(和/或有效与无效吞咽)。在一个实施例中,设备的图形用户界面配置成在步骤614对于完成的吞咽事件输出结果,该事件可以手动注释,或由设备对每个后续事件连续跟踪。示例性输出可以包括但不限于:诸如“无误吸/检测到残余物”或“可能误吸/检测到残余物”的消息、识别安全吞咽事件(例如绿色)、可能的不安全吞咽事件(例如红色)或可能的无效吞咽事件(例如橙色)的颜色编码灯或标记,和/或其它这种显示机构。注意这种结果可以备选地通过设备自动地记录以在方案/会话的结尾呈现统一/整体报告,因而进一步减少用户干预的可靠性。
在该示例性实施例中,针对3个吞咽事件重复上述步骤,除非在前两个事件期间识别咳嗽,此时,在步骤616,在两个事件之后结束会话,并且在步骤618候选者自动指引到进一步的评定(例如经由VFSS)。否则,整体结果可以在步骤620被输出(例如,当按压“结束会话按钮”或在步骤622设备确定完成会话规定的三个吞咽事件时再次自动被输出),且其中,结果指示候选者可能正展示出吞咽损伤(例如,至少一个可能的不安全或无效吞咽事件的检测),在步骤618候选者为进一步评定被再次指引。
将理解的是,不同实施例可以配置成提供与采用的分类技术和在配置设备中实施的训练级别相一致的不同级别的信息。例如,在一个实施例中,设备配置成输出关于潜在吞咽安全损伤(例如,健康吞咽与可能的呛入/误吸)的指示。在另一实施例中,设备还可以配置成同样输出关于潜在吞咽效率损伤(例如吞咽后残余物的缺少与存在)的指示。在该实施例中,设备将基于双分类过程(即,一个被训练为识别误吸风险,而另一个被训练为识别吞咽无效)来有效地处理记录的信号,例如因而提供更复杂的吞咽困难筛查和表征过程的组合结果。
从上文将理解,在评定误吸和/或吞咽无效风险中,对于上述方案的实施,需要有限的训练和干涉。即,根据本发明的不同实施例,与常规吞咽损伤检测技术相比,此处考虑的设备允许潜在的误吸/吞咽困难候选者的就绪评定或预评定(例如筛查),而无需明显的操作者干预。再者,且如由下面描述的具体示例的结果所验证的,与其它方法相比,使用该方法的结果输出的可靠性使得更多候选者评定工具导致更少的错误诊断和/或到进一步并且一般来说更多的介入治疗/测试过程的其它健康患者的较少转诊。
下文提供根据本发明的实施例通过电视X光透视的并行实现所验证的吞咽损伤检测系统、方法和设备的示例。本领域技术人员将理解到,下文描述了本发明的示例性实施例,且并不旨在作为有限的公开,而是仅说明在本公开的背景下考虑的创造性损伤检查方法、系统和设备的不同可能实施方式中的一种。
示例1
参与者
参与者包括40个成人(20个女性;平均年龄67),让她们做电视X光透视以调查吞咽病症。具有头部和颈部癌症、气管切开术、神经退行性疾病、胃肠紊乱或头部和颈部手术(除了常规扁桃体切除术或腺体切除术)历史的个体被排除。
数据收集
使用稀液体钡(每个5cc)的三次吸吮接着是用杯子喝水任务的方案,在电视X光透视期间收集时间联动双轴加速计信号(肺活量计)。
在标准化电视X光透视期间,使用简单的筛查方案收集吞咽数据。具体而言,使用三次5cc的稀液体钡的吞咽(使用水稀释到40%w/v浓度的Polibar稀液体钡悬浮液((Bracco成像))接着是用杯子喝水的任务的方案,在电视X光透视期间收集时间联动双轴加速计信号(肺活量计)。横向视图电视X光透视记录在(National Instruments公司的)Labview软件中被捕获且以每秒30帧打上时间戳。经由使用双面胶带在环状软骨前面在中线附加到参与者颈部的双轴加速计(Analog Devices公司的ADXL322)收集并发颈部加速计信号。前-后(A-P)和上-下(S-I)加速计轴被定向使得前后方向对应于正信号极性。
电视X光透视记录被拼接入捕获在丸药头部到达下颌分支和每次吞咽之后最低舌骨位置之间的间隔的单独吞咽剪辑。跟随在每个丸药的初始吞咽之后的自发清洁吞咽被拼接入在每次新的吞咽事件之前在最低舌骨位置开始的单独剪辑。裁剪的记录然后以随机顺序布置并且由不知情患者身份的两个语言病理学者查看。8点呛入-误吸标度用于评估呼吸道侵入的发生并且评级随后压缩(collapse)到二元标度(≤2与≥3),从没有间隙的物质的较深进入(不安全)区分具有后续间隙的物质到喉前庭的瞬时进入(安全)。为简单起见,我们将没有呼吸道间隙的组称为“误吸”,但是应当意识到该组适当地包括呛入和误吸的患者。
应用于加速计数据的信号处理步骤基本如图5A所总结的一样。信号被过滤并且被放大(例如,采用10倍放大带通过滤的0.1Hz至3kHz),然后在10kHz采样并且采用对应于相关电视X光透视时间戳的时间索引存储在相关计算设备上。反向过滤器然后用于预处理,随后使用具有柔性阈值的离散Meyer小波变换去噪。在该示例中,基于样条的方法也用于然后移除与头部运动相关的低频成分。如本领域技术人员将容易理解的,也可以应用其它过滤器以进一步减小信号中的噪声和伪影。
在第一示例中,加速计信号然后基于在电视X光透视记录中识别的开始和偏移的位置手动地分段入吞咽剪辑中。在缺少并发电视X光透视记录,即与基于双轴加速计的自立式肺活量计的实现方式相一致时,手动分段可以经由获取的信号的视觉检查或再次经由独立吞咽同步信号记录实施。
在另一示例中,例如如共同未决的美国专利申请公开No.2010/0160833中所描述的,加速计信号被自动分段,其中信号中的候选峰值被自动地识别为代表吞咽。这种自动分段方法使用捕获在丸药进入到咽部和吞咽之后舌骨喉(hyolaryngeal)复合返回到静止位置之间的事件的电视X光透视确认的时间窗口被原始改进,且被证明有效地发现在预处理信号中的峰值。这样,在个人针对单个丸药使用多次吞咽的事件中,系统能够将单个丸药的摄取的生理序列子分段为子吞咽。因而,当合适时,如果使用这种自动分段模块,则每个子吞咽峰值的边界因而可以从信号自动获得。
例如,如上面参考图5A所描述的,从分段吞咽提取轴特定特征。在该特定示例中并且如上所述,提取的数据包括来自用于A-P轴数据的18级sym8小波分解的每一级的对数能量,以及来自用于S-I轴数据的12级sym8小波分解的每一级的熵。使用线性判别分析的特征还原然后实施为在识别可用数据集的主要特征中向每一级应用相应权重,其加权特征然后用作用于使用具有分层协方差估计的马氏距离的分类的度量,以提供下面的分类结果。给定可用数据,留一法分类的迭代处理用于训练分类器,其类似于使用源自原始样本的单个观察作为验证数据并且使用剩余观察作为训练数据重复的K折交叉验证,使得每个观察作为验证数据使用一次。
结果
在本研究中,完全的电视X光透视和加速计数据对40个参与者中的37个可用。在3种情况中,诸如呼吸道的阻碍观察之类通过肩部阴影的电视X光透视图像质量问题排除加速计分类器结果的验证。最终的数据集包括261个吞咽事件,其中31%(80个吞咽)显示3或更大的呛入-误吸标度分数。当总地来说考虑通过每个参与者的所有吞咽的数据时,发现在37个参与者中的35%(n=13)中出现误吸。在图7中,在丸药级别(每个吸吮或满口)以及子吞咽和参与者级别示出对于通过加速计分类器的损伤吞咽安全和效率检测的效用分析结果。在图8中示出在子吞咽和参与者级别处关于呛入-误吸检测的更多细节。
用于13个误吸参与者的初始误吸发作在方案中跨越多个任务分布。对于在方案中关于第一茶匙稀液体显示其初始误吸发作的4个参与者,在所有情况中误吸都通过分类器正确地识别。对于其初始误吸发作在第二或第三茶匙的稀液体开始的6个患者,分类器灵敏度分别是66%和50%。在捕获在用杯子喝水任务期间首次发生的两个误吸发作中,分类器以100%的灵敏度执行。
在该示例中,在疑似具有吞咽困难的成人中,在电视X光透视期间记录双轴颈部加速计信号。在相关分析中,临床医生被要求查看显示执行吞咽筛查任务的这些相同参与者的头部和面部的影片,并且记录吞咽困难的临床症状的发生。发现在逐个参与者的基础上,由注册护士和语言病理学家判断的异常临床症状的存在对于检测误吸具有54-75%的灵敏度。发现这些临床判断在过度识别可能误吸方面出错,具有25-44%范围的特异性。与在通过有经验的语言病理学家的20个听诊器记录吞咽声音剪辑的知觉判断的另一研究中发现的灵敏度和特异性(62%的灵敏度,66%的特异性)相比,这些结果灵敏度类似并且在特异性方面稍差。该示例的结果显示:此处在本公开的背景内考虑,与临床医生的知觉判断相比,在单次吞咽的级别,当通过分类器处理时,双轴颈部加速计信号执行得更好,对于误吸检测具有改善的灵敏度(85%)和特异性(77%)。当针对每个个体考虑所有吞咽的组合结果时,特异性稍微下降到54%,但是灵敏度和负预测值上升到100%,反应了零假阴性率。
最终,在本示例中考虑的分类方法和设备在单个丸药的级别在从不安全吞咽的有效区分安全中成功地具有90%的灵敏度和77%的特异性。当由每个患者执行的所有4个吞咽任务被总体考虑时,用于误吸检测的灵敏度(即方案中的任何地方)改善为100%,但是特异性下降到54%。再者,采用的分类方法以81%的灵敏度和76%的特异性成功地判别显示吞咽后残余物占据咽隐窝中至少25%可用空间(会厌谷和梨状隐窝)的吞咽。
其它研究建议使用额外的水吞咽试验增加捕获误吸的机会。然而,在该示例中,筛查方案涉及一系列仅3茶匙大小的稀液体丸药,接着是用杯子喝水的任务。尽管并不绝对地知道在该示例中测试的非误吸参与者有多少可能误吸,假设附加试验,提出的分类器能够在显示误吸的所有13个参与者中正确地检测其第一次或第二次出现的误吸。在吞咽评定中,一般承认:任务的3次重复提供患者行为的代表性采样。在该研究中,13个误吸参与者中仅有2个显示其关于最终(即第四次)用杯子喝水任务的第一误吸发作。这些结果支持在该示例中使用的简要稀液体吞咽方案作为识别误吸风险的有效和适当方法的用途,而且指出包括较大容量挑战的可能但可选的益处,这可能在较小控制容量上显现安全的一些患者中引起误吸。
本领域技术人员将理解的是,尽管上面提出了用于检测吞咽损伤且尤其是误吸的示例性方案,但是取决于被考虑的候选者类型和此后寻求的精确度级别,这些方案可以改变以实现类似的效果和结果。例如,在一些示例中,方案可以设计为用于在具有减小级别意识的候选者中检测误吸,这将因而排除了水吞咽任务的管理,但是可以仍然受益于上述加速计数据获取和处理技术。再者,将理解上述技术可以在遭受中风或其它这种医学创伤的候选者的背景下考虑,或在其它健康候选者中考虑。而且,提出的技术在真实声襞下的误吸(例如忽略呛入)的检测中可使用于包含呛入、误吸和口咽的吞咽生理学的其它异常的更广泛的吞咽困难诊断。
在任意事件中,上面提出的技术和设备可以在提供对于吞咽损伤检测的基本非侵入方法中考虑,且与其它技术相比,具有减小的假阳性率和较高的特异性。本领域技术人员将理解,减小的假阳性率可以有益于预期当被不适当地诊断时,候选者可能经受结果是不必要的介入的过度使用。例如,在吞咽筛查的情况中,误吸风险的识别变成用于实施严重饮食限制(例如,不通过嘴饮食)的原因,直到进一步的评定结果变得可用。作为减小这种不必要限制的可能性的手段,在该示例中使用的加速计分类器在单个丸药的级别示出77%的特异性和23%的假阳性,并且跨越4个稀液体吞咽任务的整个方案,示出54%的特异性和46%的假阳性。
该示例显示根据本发明的不同实施例讨论和考虑的双轴颈部加速计在提供用于精确检测吞咽损伤的基本上非侵入技术上向已知技术提供合理备选,如在简要水吞咽筛查方案期间通过评价稀液体误吸和效率风险的上述示例的结果所证实的。通过该示例的结果证实,此处讨论的信号/数据处理技术可以实现在精度上超越临床判断的吞咽损伤检测率,这促进了这种技术在早期吞咽损伤识别的主动权的使用,而无需广泛的护士训练、竞争维持和人力资源。
尽管本公开描述了各个示例性实施例,但本公开不限于此。相反,本公开旨在覆盖被包括在所附权利要求的精神和范围内的各种修改和等效配置。下面的权利要求的范围将符合最广义的解释,从而涵盖所有这种修改、等效结构和功能。
Claims (41)
1.一种设备,用于在吞咽事件的执行期间识别候选者中可能的吞咽损伤,该设备包括:
双轴加速计,位于候选者咽喉的区域中并且配置成获取代表吞咽事件的轴特定振动数据;
处理模块,可操作地耦合到所述加速计,用于处理所述轴特定数据以针对每个轴从其提取代表吞咽事件的一个或多个特征,并且基于所述提取的特征,将所述振动数据分类为指示正常吞咽和可能损伤的吞咽中的一个。
2.根据权利要求1所述的设备,该可能的吞咽损伤包括吞咽安全损伤和吞咽效率损伤中的至少一个。
3.根据权利要求1所述的设备,可能的吞咽损伤包括呛入或误吸,所述处理模块配置成将吞咽事件分类为指示安全事件和不安全事件中的一个。
4.根据权利要求1至3中任一项所述的设备,其中所述加速计配置成沿着候选者咽喉的前后轴(A-P)和上下轴(S-I)对准。
5.根据权利要求1至4中任一项所述的设备,其中所述提取的特征包括独立的轴特定特征。
6.根据权利要求1至5中任一项所述的设备,所述特征选自所述轴特定数据的熵和所述轴特定数据的对数能量。
7.根据权利要求4所述的设备,所述提取的特征包括沿着所述A-P轴获取的振动数据的对数能量和沿着所述S-I轴获取的振动数据的熵。
8.根据权利要求7所述的设备,所述提取的特征包括沿着所述A-P轴获取的所述振动数据的18级sym8小波分解中的每一级的对数能量和沿着所述S-I轴获取的所述振动数据的12级sym8小波分解中的每一级的熵。
9.根据权利要求8所述的设备,所述提取的特征包括所述18级sym8小波分解中的每一级的所述对数能量的加权和以及所述12级sym8小波分解中的每一级的所述熵的加权和,其中每个所述加权和中的权重通过预设特征还原参数定义。
10.根据权利要求1至9中任一项所述的设备,所述处理模块配置成通过将所述提取的特征与由先前从已知训练数据集提取并分类的特征定义的预设分类标准进行比较来分类吞咽事件。
11.根据权利要求10所述的设备,其中所述提取的特征作为所述提取特征到所述分类标准的距离的函数来分类。
12.根据权利要求11所述的设备,其中所述提取的特征经由使用具有分层协方差估计的马氏距离的判别分析来分类。
13.根据权利要求1所述的设备,所述处理模块包括用于从所述轴特定数据提取所述一个或多个特征的特征提取模块、用于基于预设特征还原参数识别所述提取的特征的主要成分的特征还原模块,以及配置成基于所述提取的特征和其所述主要成分来分类所述振动数据的分类器。
14.根据权利要求1至13中任一项所述的设备,为了在多个连续吞咽事件的执行期间识别可能的吞咽损伤,所述处理模块配置成将关于所述连续吞咽事件中的每一个所获取的振动数据分类为指示正常吞咽和可能损伤的吞咽中的一个。
15.根据权利要求14所述的设备,还包括事件分段模块,用于自动分段关于所述连续事件中的每一个所获取的振动数据以用于独立处理和分类。
16.根据权利要求14所述的设备,还包括用户接口,用于选择性地分段关于所述连续事件中的每一个所获取的振动数据以用于独立处理和分类。
17.根据权利要求14至16中的任一个所述的设备,还包括输出,所述处理模块还配置成处理关于所述连续事件中的每一个所获取的所述振动数据,并且根据预设吞咽损伤评定方案输出其结果。
18.一种方法,用于对关于候选者吞咽事件所获取的颈部双轴加速计数据进行分类以识别可能的吞咽损伤,该方法包括:
接收代表吞咽事件的轴特定振动数据作为输入;
针对所述轴特定振动数据的每个轴,提取代表吞咽事件的一个或多个预设特征;
将所述提取的特征与定义为所述预设特征的函数的预设分类标准进行比较;以及
基于所述比较步骤将所述振动数据的分类输出为指示正常吞咽和可能损伤的吞咽中的一个。
19.根据权利要求18所述的方法,所述可能损伤的吞咽包括不安全吞咽和无效吞咽中的一个或多个。
20.根据权利要求18所述的方法,所述可能损伤的吞咽包括呛入风险和误吸风险中的至少一个的识别。
21.根据权利要求18至20中任一项所述的方法,所述预设特征包括独立的轴特定特征。
22.根据权利要求21所述的方法,所述独立的轴特定特征包括前后(A-P)轴数据的对数能量和上下轴数据的熵。
23.根据权利要求22所述的方法,所述提取步骤包括提取所述A-P数据的18级sym8小波分解的每一级的对数能量和所述S-I数据的12级sym8小波分解的每一级的熵。
24.根据权利要求23所述的方法,还包括通过将相应权重与所述提取的特征中的每个分解级相关联来还原所述提取的特征。
25.根据权利要求18至23中任一项所述的方法,还包括还原所述提取的特征。
26.根据权利要求18至25中任一项所述的方法,所述比较步骤包括计算所述提取的特征到所述分类标准的距离,并且选择作为所述距离的函数的最可能的分类。
27.根据权利要求26所述的方法,所述计算步骤包括使用具有分层协方差估计的马氏距离执行所述提取的特征的判别分析。
28.根据权利要求18至27中任一项所述的方法,所述接收步骤包括接收代表连续吞咽事件的轴特定振动数据作为输入,该方法还包括将所述振动数据分段成事件特定数据并且针对每个所述事件特定数据重复所述提取和分类步骤。
29.根据权利要求28所述的方法,其中自动实施所述分段步骤。
30.根据权利要求28或29所述的方法,所述输出步骤包括根据预设吞咽损伤评定方案来输出所述比较步骤的结果。
31.一种计算机可读介质,具有在其上存储的语句和指令,所述语句和指令通过处理器实施以自动实施权利要求18至30中任一项所述的方法。
32.一种方法,用于经由一个或多个预设吞咽事件的执行在候选者中识别可能的吞咽损伤,该方法包括:
记录代表所述一个或多个吞咽事件的双轴振动数据;
针对所述双轴振动数据的每个轴提取一个或多个吞咽事件特定特征;以及
将所述提取的特征分类为指示正常吞咽和可能损伤的吞咽中的一个。
33.根据权利要求32所述的方法,还包括在所述记录步骤期间使候选者执行一个或多个吞咽事件。
34.根据权利要求32或33所述的方法,包括对于两个或多个预设吞咽事件的执行,针对每个事件独立地选择性记录所述双轴振动数据以提供事件特定数据,并且针对所述事件中的每一个在所述事件特定数据上实施所述提取和分类步骤。
35.根据权利要求32或33所述的方法,包括对于两个或多个预设吞咽事件的执行,针对所述事件中的每一个连续记录所述双轴振动数据,并且还包括自动分段所述连续记录的数据以提供事件特定数据,并且针对所述事件中的每一个在所述事件特定数据上实施所述提取和分类步骤。
36.根据权利要求34或35所述的方法,还包括当将所述事件特定数据中的至少一个分类为指示可能的吞咽损伤时将候选者识别为呈现潜在吞咽损伤。
37.根据权利要求34至36中任一项所述的方法,吞咽损伤包括不安全吞咽,该方法还包括在将至少三个连续吞咽事件分类为正常事件时将候选者识别为低误吸风险候选者。
38.根据权利要求32至37中任一项所述的方法,吞咽损伤包括呛入、误吸、不安全吞咽和无效吞咽中的至少一个。
39.根据权利要求32所述的方法,吞咽损伤包括不安全吞咽和无效吞咽中的一个或多个,所述分类步骤包括将所述提取的特征与针对吞咽安全和吞咽效率中的每一个所定义的相应预设分类标准进行比较。
40.根据权利要求1至17中任一项所述的设备,还包括压力传感器或压力敏感薄膜,该压力传感器或压力敏感薄膜如此放置以当位于候选者咽喉上时监控由所述加速计施加的压力以增加数据获取精确性。
41.根据权利要求32至39中任一项所述的方法,还包括针对与预设质量特性的一致性,测试双轴振动数据质量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161433750P | 2011-01-18 | 2011-01-18 | |
US61/433,750 | 2011-01-18 | ||
PCT/CA2012/000036 WO2012097436A1 (en) | 2011-01-18 | 2012-01-18 | Method and device for swallowing impairment detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103458777A true CN103458777A (zh) | 2013-12-18 |
CN103458777B CN103458777B (zh) | 2016-11-09 |
Family
ID=46515041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280013867.XA Expired - Fee Related CN103458777B (zh) | 2011-01-18 | 2012-01-18 | 用于吞咽损伤检测的方法和设备 |
Country Status (8)
Country | Link |
---|---|
US (3) | US9687191B2 (zh) |
EP (1) | EP2665408B1 (zh) |
JP (1) | JP5977255B2 (zh) |
CN (1) | CN103458777B (zh) |
AU (1) | AU2012208912B2 (zh) |
BR (1) | BR112013018168A2 (zh) |
CA (1) | CA2824787A1 (zh) |
WO (1) | WO2012097436A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108030480A (zh) * | 2018-02-02 | 2018-05-15 | 别慧玲 | 一种儿科临床智能诊断监测装置 |
CN108175411A (zh) * | 2017-12-01 | 2018-06-19 | 代润萱 | 检测装置及检测方法、腰带及腰带使用方法 |
CN109069069A (zh) * | 2016-02-09 | 2018-12-21 | 霍兰布罗维尔儿童康复医院 | 分割后吞咽加速测量术数据的信号修整和假阳性去除 |
CN109788922A (zh) * | 2016-10-14 | 2019-05-21 | 公立大学法人大阪府立大学 | 咽下诊断装置以及程序 |
CN110742618A (zh) * | 2019-10-29 | 2020-02-04 | 南通大学 | 一种吞咽智能检测系统 |
CN112820405A (zh) * | 2021-03-22 | 2021-05-18 | 四川大学华西医院 | 基于喉部振动信息的吞咽障碍识别方法、设备及装置 |
CN112885458A (zh) * | 2021-02-04 | 2021-06-01 | 中南大学 | 一种吞咽能力检测设备、方法及存储介质 |
CN113329683A (zh) * | 2019-02-13 | 2021-08-31 | 雀巢产品有限公司 | 用于筛查吞咽受损的方法和装置 |
US11369308B2 (en) * | 2016-08-15 | 2022-06-28 | Plimes Inc. | Swallowing action measurement device and swallowing action support system |
CN116153501A (zh) * | 2023-02-23 | 2023-05-23 | 广州医科大学附属第一医院(广州呼吸中心) | 用于吞咽损伤检测的方法和设备 |
CN116671873A (zh) * | 2023-07-26 | 2023-09-01 | 北京大学 | 基于吞咽振动信号分析的吞咽障碍自动诊断系统 |
CN117064344A (zh) * | 2023-10-16 | 2023-11-17 | 中国人民解放军总医院第二医学中心 | 一种多模态刺激的吞咽障碍治疗方法及其系统 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8992446B2 (en) * | 2009-06-21 | 2015-03-31 | Holland Bloorview Kids Rehabilitation Hospital | Procedure for denoising dual-axis swallowing accelerometry signals |
WO2012097436A1 (en) * | 2011-01-18 | 2012-07-26 | Toronto Rehabilitation Institute | Method and device for swallowing impairment detection |
EP3925523A1 (en) * | 2012-06-19 | 2021-12-22 | Société des Produits Nestlé S.A. | Apparatuses for detecting and/or diagnosing swallowing disorders |
US9189750B1 (en) * | 2013-03-15 | 2015-11-17 | The Mathworks, Inc. | Methods and systems for sequential feature selection based on significance testing |
JP2016538091A (ja) * | 2013-09-22 | 2016-12-08 | マムセンス・リミテッド | 幼児飲み込みを検出するためのシステムおよび方法 |
KR20160096905A (ko) * | 2015-02-06 | 2016-08-17 | 아주대학교산학협력단 | 코골이 검출 장치 및 방법 |
US10542961B2 (en) | 2015-06-15 | 2020-01-28 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
US10063369B1 (en) * | 2015-12-16 | 2018-08-28 | Verily Life Sciences Llc | Time synchronization of multi-modality measurements |
KR101793816B1 (ko) * | 2016-02-29 | 2017-11-06 | 건양대학교산학협력단 | 연하장애 진단보조를 위한 모니터링 시스템 |
JP6975952B2 (ja) * | 2016-07-08 | 2021-12-01 | 国立大学法人岩手大学 | 生体の動作識別システム及び生体の動作識別方法 |
WO2018035073A1 (en) * | 2016-08-17 | 2018-02-22 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Deep learning for classification of swallows |
TWI728172B (zh) | 2016-08-18 | 2021-05-21 | 美商愛戴爾製藥股份有限公司 | 治療嗜伊紅性食道炎之方法 |
JP6998518B2 (ja) * | 2016-08-24 | 2022-01-18 | パナソニックIpマネジメント株式会社 | 運動機能推定情報生成装置、運動機能推定システム、運動機能推定情報生成方法、運動機能推定方法及び記録媒体 |
US11832969B2 (en) * | 2016-12-22 | 2023-12-05 | The Johns Hopkins University | Machine learning approach to beamforming |
CA3053958A1 (en) * | 2017-02-24 | 2018-08-30 | Holland Bloorview Kids Rehabilitation Hospital | Systems and methods of automatic cough identification |
AU2018227923B2 (en) * | 2017-02-28 | 2022-11-24 | Societe Des Produits Nestle S.A. | Methods and devices using swallowing accelerometry signals for swallowing impairment detection |
WO2018158219A1 (en) | 2017-02-28 | 2018-09-07 | Nestec S.A. | Methods and devices using meta-features extracted from accelerometry signals for swallowing impairment detection |
US11963789B2 (en) * | 2017-03-22 | 2024-04-23 | The Trustees Of Indiana University | Measuring and/or characterizing feeding behavior |
US20200155057A1 (en) * | 2017-07-27 | 2020-05-21 | Holland Bloorview Kids Rehabilitation Hospital | Automatic detection of aspiration-penetration using swallowing accelerometry signals |
CA3069622A1 (en) * | 2017-08-07 | 2019-02-14 | Societe Des Produits Nestle S.A. | Methods and devices for determining signal quality for a swallowing impairment classification model |
US20190073448A1 (en) | 2017-09-05 | 2019-03-07 | International Business Machines Corporation | Monitoring and determining the state of health of a user |
CN112135564B (zh) * | 2018-05-23 | 2024-04-02 | 松下知识产权经营株式会社 | 摄食吞咽功能评价方法、记录介质、评价装置以及评价系统 |
WO2019241674A1 (en) * | 2018-06-14 | 2019-12-19 | Strados Labs Llc | Apparatus and method for detection of physiological events |
EP3598933A1 (en) | 2018-06-26 | 2020-01-29 | Koninklijke Philips N.V. | Monitoring swallowing in a subject |
US11941754B2 (en) * | 2018-09-12 | 2024-03-26 | St. Jude Medical, Cardiology Division, Inc. | System and method for generating three dimensional geometric models of anatomical regions |
CN114051391B (zh) * | 2019-09-24 | 2024-06-04 | 松下知识产权经营株式会社 | 菜谱输出方法、菜谱输出系统 |
EP4110262A4 (en) | 2020-02-27 | 2024-03-27 | Innovative Therapeutix, Inc. | FOOD-RELATED REINFORCEMENT SYSTEM IN INFANTS |
US11941497B2 (en) * | 2020-09-30 | 2024-03-26 | Alteryx, Inc. | System and method of operationalizing automated feature engineering |
KR20230108513A (ko) * | 2022-01-11 | 2023-07-18 | 서울대학교병원 | 음성 분석을 이용한 연하 장애에 관한 보조 정보를 제공하는 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050283096A1 (en) * | 2004-06-17 | 2005-12-22 | Bloorview Macmillan Children's Centre, A Corp. Registered Under The Ontario Corporations Act | Apparatus and method for detecting swallowing activity |
JP2008018010A (ja) * | 2006-07-12 | 2008-01-31 | Tokyo Giken:Kk | 摂食機能測定装置 |
US20100160833A1 (en) * | 2008-10-29 | 2010-06-24 | Tom Chau | Method and system of segmentation and time duration analysis of dual-axis swallowing accelerometry signals |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE129875T1 (de) * | 1989-06-28 | 1995-11-15 | David S Zimmon | Aufblasbare tamponadevorrichtungen. |
DE19538925C2 (de) * | 1995-10-19 | 2000-07-27 | Wieland Friedmund | Vorrichtung zur Auswertung eines Narkose- oder Intensiv-EEG |
JP2002533142A (ja) * | 1998-12-23 | 2002-10-08 | メディスペクトラ, インコーポレイテッド | サンプルの光学的試験のためのシステムおよび方法 |
US6768918B2 (en) * | 2002-07-10 | 2004-07-27 | Medispectra, Inc. | Fluorescent fiberoptic probe for tissue health discrimination and method of use thereof |
FI20025039A0 (fi) * | 2002-08-16 | 2002-08-16 | Joni Kettunen | Menetelmä II fysiologisen signaalin analysoimiseksi |
EP2428159B1 (en) * | 2003-02-27 | 2016-04-20 | Nellcor Puritan Bennett Ireland | Analysing and processing photoplethysmographic signals by wavelet transform analysis |
US8064979B2 (en) * | 2003-06-09 | 2011-11-22 | General Electric Company | Tempero-spatial physiological signal detection method and apparatus |
US20050113673A1 (en) * | 2003-11-26 | 2005-05-26 | Avinash Gobal B. | Method and system to reduce motion-related image artifacts during breath holding |
WO2005117693A1 (en) * | 2004-05-27 | 2005-12-15 | Children's Medical Center Corporation | Patient-specific seizure onset detection system |
US9138171B2 (en) * | 2004-06-17 | 2015-09-22 | Holland Bloorview Kids Rehabilitation Hospital | System and method for detecting swallowing activity |
US9820658B2 (en) * | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
US7819812B2 (en) * | 2004-12-15 | 2010-10-26 | Neuropace, Inc. | Modulation and analysis of cerebral perfusion in epilepsy and other neurological disorders |
EP1846869B1 (en) * | 2005-01-27 | 2011-10-05 | Cambridge Research & Instrumentation, Inc. | Classifying image features |
EP1877981A4 (en) * | 2005-05-02 | 2009-12-16 | Univ Virginia | SYSTEMS, DEVICES AND METHODS FOR INTERPRETATION OF MOVEMENTS |
US8388561B2 (en) * | 2005-07-01 | 2013-03-05 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Systems and methods for recovery from motor control via stimulation to a substituted site to an affected area |
US8152731B2 (en) * | 2006-02-10 | 2012-04-10 | Inovise Medical, Inc. | Wavelet transform and pattern recognition method for heart sound analysis |
JP4895655B2 (ja) * | 2006-03-29 | 2012-03-14 | 住友大阪セメント株式会社 | 嚥下機能評価装置 |
US8652040B2 (en) * | 2006-12-19 | 2014-02-18 | Valencell, Inc. | Telemetric apparatus for health and environmental monitoring |
US8768447B2 (en) * | 2007-01-09 | 2014-07-01 | General Electric Company | Processing of physiological signal data in patient monitoring |
US8023710B2 (en) * | 2007-02-12 | 2011-09-20 | The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services | Virtual colonoscopy via wavelets |
US9198621B2 (en) * | 2007-06-18 | 2015-12-01 | University of Pittsburgh—of the Commonwealth System of Higher Education | Method, apparatus and system for food intake and physical activity assessment |
WO2009001449A1 (ja) | 2007-06-27 | 2008-12-31 | Pioneer Corporation | 聴取装置 |
JP2008216991A (ja) | 2008-01-29 | 2008-09-18 | Fujitsu Ten Ltd | 表示装置 |
US20090275853A1 (en) * | 2008-04-30 | 2009-11-05 | The General Electric Company | Method and apparatus for monitoring physiological state of a subject |
US20110055121A1 (en) * | 2008-09-29 | 2011-03-03 | Ankur Datta | System and method for identifying an observed phenemenon |
US8696568B2 (en) * | 2009-01-15 | 2014-04-15 | Nestec S.A. | Methods, system and kit for diagnosing and treating dysphagia |
JP5789199B2 (ja) * | 2009-02-25 | 2015-10-07 | ヴァレンセル,インコーポレイテッド | ヘッドセット及びイアバッド |
US8992446B2 (en) | 2009-06-21 | 2015-03-31 | Holland Bloorview Kids Rehabilitation Hospital | Procedure for denoising dual-axis swallowing accelerometry signals |
WO2012097436A1 (en) * | 2011-01-18 | 2012-07-26 | Toronto Rehabilitation Institute | Method and device for swallowing impairment detection |
-
2012
- 2012-01-18 WO PCT/CA2012/000036 patent/WO2012097436A1/en active Application Filing
- 2012-01-18 CA CA2824787A patent/CA2824787A1/en not_active Abandoned
- 2012-01-18 US US13/980,510 patent/US9687191B2/en active Active
- 2012-01-18 JP JP2013548708A patent/JP5977255B2/ja not_active Expired - Fee Related
- 2012-01-18 CN CN201280013867.XA patent/CN103458777B/zh not_active Expired - Fee Related
- 2012-01-18 EP EP12736414.9A patent/EP2665408B1/en active Active
- 2012-01-18 BR BR112013018168-0A patent/BR112013018168A2/pt not_active Application Discontinuation
- 2012-01-18 AU AU2012208912A patent/AU2012208912B2/en not_active Ceased
- 2012-03-02 US US13/410,789 patent/US20130184538A1/en not_active Abandoned
-
2017
- 2017-05-22 US US15/601,464 patent/US11033221B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050283096A1 (en) * | 2004-06-17 | 2005-12-22 | Bloorview Macmillan Children's Centre, A Corp. Registered Under The Ontario Corporations Act | Apparatus and method for detecting swallowing activity |
CN101005799A (zh) * | 2004-06-17 | 2007-07-25 | 布卢尔维尔麦克米兰儿童中心 | 检测吞咽活动的系统和方法 |
JP2008018010A (ja) * | 2006-07-12 | 2008-01-31 | Tokyo Giken:Kk | 摂食機能測定装置 |
US20100160833A1 (en) * | 2008-10-29 | 2010-06-24 | Tom Chau | Method and system of segmentation and time duration analysis of dual-axis swallowing accelerometry signals |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109069069A (zh) * | 2016-02-09 | 2018-12-21 | 霍兰布罗维尔儿童康复医院 | 分割后吞咽加速测量术数据的信号修整和假阳性去除 |
US11369308B2 (en) * | 2016-08-15 | 2022-06-28 | Plimes Inc. | Swallowing action measurement device and swallowing action support system |
CN109788922A (zh) * | 2016-10-14 | 2019-05-21 | 公立大学法人大阪府立大学 | 咽下诊断装置以及程序 |
CN108175411A (zh) * | 2017-12-01 | 2018-06-19 | 代润萱 | 检测装置及检测方法、腰带及腰带使用方法 |
CN108175411B (zh) * | 2017-12-01 | 2021-04-02 | 代润萱 | 检测装置及检测方法、腰带及腰带使用方法 |
CN108030480A (zh) * | 2018-02-02 | 2018-05-15 | 别慧玲 | 一种儿科临床智能诊断监测装置 |
CN113329683A (zh) * | 2019-02-13 | 2021-08-31 | 雀巢产品有限公司 | 用于筛查吞咽受损的方法和装置 |
CN110742618A (zh) * | 2019-10-29 | 2020-02-04 | 南通大学 | 一种吞咽智能检测系统 |
CN112885458A (zh) * | 2021-02-04 | 2021-06-01 | 中南大学 | 一种吞咽能力检测设备、方法及存储介质 |
CN112820405A (zh) * | 2021-03-22 | 2021-05-18 | 四川大学华西医院 | 基于喉部振动信息的吞咽障碍识别方法、设备及装置 |
CN116153501A (zh) * | 2023-02-23 | 2023-05-23 | 广州医科大学附属第一医院(广州呼吸中心) | 用于吞咽损伤检测的方法和设备 |
CN116153501B (zh) * | 2023-02-23 | 2023-08-18 | 广州医科大学附属第一医院(广州呼吸中心) | 用于吞咽损伤检测的方法和设备 |
CN116671873A (zh) * | 2023-07-26 | 2023-09-01 | 北京大学 | 基于吞咽振动信号分析的吞咽障碍自动诊断系统 |
CN116671873B (zh) * | 2023-07-26 | 2024-05-24 | 北京大学 | 基于吞咽振动信号分析的吞咽障碍自动诊断系统 |
CN117064344A (zh) * | 2023-10-16 | 2023-11-17 | 中国人民解放军总医院第二医学中心 | 一种多模态刺激的吞咽障碍治疗方法及其系统 |
CN117064344B (zh) * | 2023-10-16 | 2023-12-22 | 中国人民解放军总医院第二医学中心 | 一种多模态刺激的吞咽障碍治疗方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
US20140228714A1 (en) | 2014-08-14 |
EP2665408A4 (en) | 2018-04-25 |
CN103458777B (zh) | 2016-11-09 |
US20130184538A1 (en) | 2013-07-18 |
EP2665408A1 (en) | 2013-11-27 |
JP2014502548A (ja) | 2014-02-03 |
US9687191B2 (en) | 2017-06-27 |
BR112013018168A2 (pt) | 2018-09-25 |
CA2824787A1 (en) | 2012-07-26 |
EP2665408B1 (en) | 2021-08-11 |
US11033221B2 (en) | 2021-06-15 |
AU2012208912B2 (en) | 2016-03-03 |
AU2012208912A1 (en) | 2013-08-01 |
WO2012097436A1 (en) | 2012-07-26 |
JP5977255B2 (ja) | 2016-08-24 |
US20180000403A1 (en) | 2018-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103458777A (zh) | 用于吞咽损伤检测的方法和设备 | |
US20220322996A1 (en) | Methods and devices using swallowing accelerometry signals for swallowing impairment detection | |
US11490853B2 (en) | Methods and devices using meta-features extracted from accelerometry signals for swallowing impairment detection | |
WO2013086615A1 (en) | Device and method for detecting congenital dysphagia | |
JP7222973B2 (ja) | 嚥下障害分類モデルの信号品質を判定するための方法及びデバイス | |
AU2020220334A1 (en) | Methods and devices for screening swallowing impairment | |
US20200155057A1 (en) | Automatic detection of aspiration-penetration using swallowing accelerometry signals | |
Zohouri Haghian | Characterization and Segmentation of Acoustic Swallowing Signals Collected Concurrently with Dual-axis Accelerometry | |
Haghian | Characterization and segmentation of acoustic swallowing signals collected concurrently with dual-axis accelerometry | |
CA2770223A1 (en) | Method and device for swallowing impairement detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161109 Termination date: 20220118 |