CN103997962A - 使用声学呼吸标记的事件定序和方法 - Google Patents
使用声学呼吸标记的事件定序和方法 Download PDFInfo
- Publication number
- CN103997962A CN103997962A CN201280049375.6A CN201280049375A CN103997962A CN 103997962 A CN103997962 A CN 103997962A CN 201280049375 A CN201280049375 A CN 201280049375A CN 103997962 A CN103997962 A CN 103997962A
- Authority
- CN
- China
- Prior art keywords
- event
- parameter
- relation
- acoustics
- signal
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0823—Detecting or evaluating cough events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
-
- 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
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14539—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring pH
-
- 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
- A61B5/4211—Diagnosing or evaluating reflux
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7242—Details of waveform analysis using integration
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了用于检测例如生理、病理生理和治疗事件以及表征这些事件与声学呼吸标记之间的时间关系的系统和方法。
Description
技术领域
本公开涉及呼吸声学(respiratory acoustics)领域。其特别但非排他性地涉及用于监视来自对象的生理和/或病理生理和/或治疗参数连同声学呼吸标记(marker)以及表征一个或多个声学呼吸标记与诸如在对象中发生的生理事件之间的关系(比如时间关系)的方法和系统。
背景技术
身体包括生理系统的复杂的相互作用。在所涉及到的“系统”的背景下能够解释诸如生理、病理生理、心理和物理事件之类的事件。例如,能够通过参考消化系统来解释对象中的反流事件。然而,该事件可影响身体内的其他系统(例如,诸如呼吸系统)或受其影响。
一些此类相互作用被已知发生且能够通过已被证明并很好地理解的医学科学来解释。其他相互作用未经证明,但是基于尚未被全面理解的科学理论或研究而被接受或者至少被相信存在。所述相互作用的定量分析迄今仍是不可行的,并且所述相互作用仅在经验的意义上得以评估。
存在用于声学标记的准确检测的方法,诸如在题为“Phonopneumograph
System”的授予Gavriely于2001年1月2日发布的美国专利6,168,568、题为“Phonopneumograph
System”的授予Gavriely于2001年7月17日发布的美国专利6,261,238和Breath Sounds Methodology(N. Gavriely, Florida: CRC
Press, Inc., 1995)中所公开的那些,其允许呼吸声音和时机(timing)的定量评定。诸如在授予Wilkinson等的题为“Method
and Apparatus for Determining Conditions of Biological Tissues”于2008年3月25日发布的美国专利7,347,824中所公开的那些之类的其他方法包括引入信号的使用。
还存在用于检测生理和病理生理事件的方法。示例包括遭受例如睡眠呼吸暂停综合征的患者的呼吸暂停的开始(onset)和结束、检测呼吸或受迫呼气、确定正在被人工通气的患者的呼吸器(ventilator)的设置变化或反流事件的发生,仅举几个例子。另外,存在用来检测姿势变化(例如从直立到仰卧或从左到右侧卧的移动)和物理活动的开始的装置。另外,能够使用已知方法来查明药物的给药(administration)时机和开始的时间及其效果的动态。
本公开使用各方法用于检测例如生理、病理生理和治疗事件,并表征这些事件与声学呼吸标记之间的时间关系。
本背景论述,包括对文档、法案、材料、设备、物品等的参考,意图解释本公开的背景。本论述并不被理解为承认或暗示:到本权利要求中的任一的优先权日为止,被参考的任何材料被公布、公知或者是常见的一般知识的部分。
发明内容
声学呼吸标记(ARM)常常与诸如上气道(airway)闭合(睡眠呼吸暂停)、呼吸操纵、呼吸、气道压力(人工通气和持续气道正压(CPAP))的步进变化和胃内容物到食管中的反流(胃—食管反流疾病)之类的其他生理、病理生理和治疗事件相一致。此类声学标记可包括正常呼吸音幅度、哮鸣音(wheeze)、其他持续不定(adventitious)呼吸音(CABS)、咳嗽、打鼾和爆裂音(crackle),仅举几个例子。甚至诸如进食和说话之类的最基本事件都能够触发呼吸事件。
本公开提供用于表征声学呼吸标记与哺乳动物对象或患者中的事件之间的时间关系的方法。所述方法包括(a)同时监视来自对象的呼吸系统的声学信号和选自包括生理参数、病理生理参数、患者报告的症状和与对象相关联的治疗参数的组中的至少一个参数;(c)在被监视参数中识别事件;以及(d)在被监视声学信号中识别与所述事件一致和/或在所述事件之前和/或所述在事件之后的一个或多个呼吸标记的存在。通过确定所述事件与一个或多个声学呼吸标记之间的时间相关性来表征所述关系。
在本公开的一方面,声学呼吸标记选自包括但不限于指示哮鸣音、咳嗽、打鼾、爆裂音和呼吸音幅度的信号的组。事件选自包括但不限于以下各项的组:反流事件、呼吸暂停的开始和结束、呼吸器的设置变化、姿势变化、治疗剂或治疗的给药和患者症状的指示。
方法可配置成包括将具有已知声学特性的声音信号引入到对象的呼吸系统中的步骤,并且其中,被监视声学信号在被引入的声音信号已穿过对象的呼吸系统的至少部分之后包括该被引入的声音信号。
在本公开的另一方面,所述方法包括使用数学模型来表示一时间段的被监视声学信号并评估该模型的一个或多个参数的步骤。该一个或多个被评估参数是事件与所述一个或多个声学标记之间的关系的定量指标。该时间段在事件期间或之后开始,虽然在一些实施例中其还可包括事件之前的时间段。
可使用以下各项中的一项或多项来表征在被监视声学信号的数学模型或其他表示中所采用的多项式方程的系数或所述关系。
(a)使用关系
所确定的时间常数;
(b)使用关系所确定的方差σ2;
(c)使用关系所确定的偏度γ 1 ;
(d)使用关系所确定的峰度γ 2 ;以及
(e)使用关系所确定的希尔(Hill)方程指数n ;
其中: y 是呼吸标记值;
A和是常数;
N 是声学信号数据点的数目;
σ 是标准偏差;
xi 是数据点i的值;
x0 是对应于事件的数据点的值;
θ是最大数据的分数;
T50 是其中数据是最大值的50%的时间;
t 是时间;
n 是表示呼吸标记变化的锐度(acuteness)的指数;以及
m是比例系数。
在本公开的又一方面,所述方法包括对表示对于在被监视参数中所识别的多个事件的声学信号的数据求平均以表征所述关系的步骤。实施例还/备选地可包括确定呼吸标记的范围(extent)的步骤。
以上提到的表征的方法可在用于诊断对象中的状况的方法中被采用。
从另一方面看,本公开提供用于表征来自对象的声学呼吸标记与对象中的事件之间的关系的系统,所述系统包括:(a)声学监视器,能够监视来自对象的呼吸系统的声学信号;(b)参数监视器,能够监视选自包括生理参数、病理生理参数、与对象相关联的治疗参数和患者报告的症状的组的一个或多个参数;以及(c)结合有以下各项的处理器:(i)标识符标记模块,其在被监视参数中识别事件的发生;(ii)标记模块,其在声学呼吸信号中定位与事件一致和/或在事件之前和/或在事件之后的一个或多个声学标记;以及(iii)表征模块,其被配置成通过确定事件与该一个或多个声学呼吸标记之间的时间相关性来表征所述关系。
从又一方面看,本公开提供用于表征来自对象的声学呼吸标记与对象中的事件之间的关系的系统,所述系统包括:(a)声学监视器装置,用于监视来自对象的呼吸系统的声学信号;(b)参数监视装置,用于监视选自包括生理参数、病理生理参数、与对象相关联的治疗参数和患者报告的症状的组的参数;以及(c)结合有以下各项的处理装置:(i)标识符模块,其在被监视参数中识别事件的发生;(ii)标记模块,其在声学呼吸信号中定位与事件一致和/或在事件之前和/或在事件之后的一个或多个声学标记;以及(iii)表征模块,其被配置成通过确定事件与该一个或多个声学呼吸标记之间的时间相关性来表征所述关系。
在本公开的又一方面,所述系统包括用于产生具有已知特性的声音信号的声源和用于能够将声音信号引入对象的呼吸系统的引入器或装置,其中,声学监视器或声学监视装置能够在声音已穿过对象的呼吸系统的至少部分之后监视被引入的声音信号。所述系统还可包括呈现被监视信号的图形显示并接收数据窗口的用户选择以供进一步表征的用户接口。
在一实施例中,表征模块还通过计算近似被监视声学信号的至少一部分的数学模型来表征来自对象的声学呼吸标记与对象中的事件之间的关系。该表征模块还可评估数学模型的参数以量化该表征。
声学呼吸标记可选自包括但不限于指示哮鸣音、咳嗽、打鼾、爆裂音和呼吸音幅度的信号的组。事件可选自包括但不限于以下各项的组:反流事件、呼吸暂停的开始和结束、呼吸器的设置变化、姿势变化和治疗剂或治疗的给药。
通过引用结合
在本说明书中提到的所有出版物、专利以及专利申请通过引用被结合到本文中,到如同每个单独的出版物、专利或专利申请被专门且单独地指示为通过引用被结合一样的程度。
附图说明
结合随附权利要求中的特定细节阐述本发明的新颖特征。通过参考阐述其中利用本发明的原理的例示性实施例和附图的以下详细描述将获得对本发明的特征和优点的更好理解,在附图中:
图1是根据本公开的实施例示出表征事件与声学呼吸标记(ARM)之间的关系的方法中的步骤的框图;
图2是根据本公开的一方面用于表征事件与ARM之间的关系的系统的方面的示意图;
图3示出治疗事件(支气管扩张剂的给药)与作为哮鸣音活动的呼吸标记变化的开始之间的时间相关性的示例;
图4示出病理生理事件(例如反流事件)与作为咳嗽活动的呼吸标记变化的开始之间的时间相关性的示例。在本示例中,示出咳嗽诱发的反流事件;
图5示出病理生理事件(例如反流事件)与作为咳嗽活动的呼吸标记变化的开始之间的时间相关性的示例。在本示例中,示出反流诱发的咳嗽;
图6示出病理生理事件(例如反流事件)与作为哮鸣音活动的呼吸标记变化的开始之间的时间相关性的示例。在本示例中,示出反流诱发的哮鸣音;
图7示出生理事件(例如姿势变化)与作为爆裂音活动的呼吸标记变化的开始之间的时间相关性的示例。在本示例中,示出姿势诱发的爆裂音;
图8示出生理事件(例如利尿剂药物的给药)与作为爆裂音活动的呼吸标记变化的开始之间的时间相关性的示例;以及
图9示出声学标记到许多反流事件的时间映射的一般示例,该图表示多个事件的平均,其中标准偏差在平均线以上和以下示出。
具体实施方式
首先参考图 1,流程图示出用于表征例如生理事件与一个或多个声学呼吸标记(ARM)之间的关系的方法中的步骤。在步骤 101 中,与来自对象或患者的至少一个生理参数( 101b )同时地监视由对象的呼吸系统发出的声学信号( 101a )。该一个或多个被监视的参数可以是其中在被监视时段期间感兴趣事件能被识别的任何生理、病理生理、治疗、心理或其他参数。例如,可监视食管pH的生理参数(参见例如图 2)。
在步骤 102 中,在被监视参数中识别事件。事件可以是例如生理事件、病理生理事件或治疗事件。事件可被手动识别,例如通过从业医生在被监视时段考虑被监视参数。还可由患者或另一保健提供者来监视事件。备选地,可自动地识别事件,例如通过被编程(用硬件或软件)为接收表示被监视参数的信号并识别该信号中的事件的计算机处理器。自动化事件识别可包括超过预置阈值(或者备选地落在其以下)的参数值的识别。备选地,可使用指示事件(例如,如由在对象的椅子或床中的压力传感器检测到的从坐姿到仰卧的姿势变化)的被监视参数中的模式检测。用于事件的自动识别的其他方法包括由患者来指示症状(例如疼痛的开始或缓解、呼吸困难的开始)或由保健专业人员向患者指示紊乱(perturbation)的开始(例如,胸部物理治疗的开始、IV药物或呼吸管除管/插管的开始)。
在步骤 103 中,确定在被监视时段内所识别的事件的时机,并且在步骤 104 中在已在 101a 监视的声学呼吸信号中识别一个或多个ARM。ARM可在事件之前的时间段中和在事件之后的时间段中被检测且可被编制(compile)。例如,可从事件之前10分钟至事件之后10分钟对声学标记进行编制,尽管还可预期事件之前和之后短到几秒钟或长到几小时的时间段。如果存在事件的多次发生,则可根据每个标记与事件时间有关的相对时间来对ARM值(或分配的分数)求平均。
能够由被用硬件或软件编程以检测标记的计算机处理器来自动地或半自动地执行ARM的识别。在授予Gavriely的题为“Phonopneumograph
System”、于2001年7月17日发布的美国专利6,261,238和授予Gavriely的题为“Phonopneumograph
System“、于2001年1月2日发布的美国专利6,168,568中公开了用于检测诸如哮鸣音,咳嗽、爆裂音、干啰音和鼾声之类的不定的呼吸音(提供有用标记)的方法。可预期其他方法,包括但决不局限于在授予Wilkinson等人的题为“Method and Apparatus for Determining Conditions of
Biological Tissues”、于2008年3月25日发布的美国专利7,347,824中所公开的方法, 其包括向对象的呼吸道中引入具有已知特性的声音信号并在其已通过对象的呼吸系统的至少部分之后检测信号,以及针对事件的时机来计算所传送声音的传输特性。
可通过分析在被监视时段期间获得的整个数据集或仅与在所识别的事件之前和/或之后的时段相对应的数据的子集来识别一个或多个ARM。ARM可基于标记的范围被给予分数,或者可具有固有值(例如在ARM是呼吸音幅度的情况下)。可在确定事件的时机之前或之后执行声学呼吸信号的分析以识别一个或多个ARM。当在之后执行时,可通过仅分析其中事件已经发生的数据窗口来获得效率。因此,对于ARM的检测,不分析与其中不存在事件的时间段相对应的声学呼吸数据的窗口。在步骤 105 中,表征事件与一个或多个ARM之间的时间关系。这可包括将ARM的事件前范围与事件之后的时间段中的ARM的范围相比较。
可例如使用分布函数通过标记的曲线拟合或数学建模来表征ARM(步骤 106 )。分布函数可表示单个事件附近的分布或多个事件附近的分布的平均。可以直方图的形式直观地显示分布函数,其中,声学标记根据其发生的相对时间而分布。根据此表征,定量参数可在步骤 107 中被计算并用于诊断(在 108 )和/或进一步分析、临床决策等。可使用数学函数从数据导出这些参数,所述数学函数表示分布函数、事件之前和/或之后的声学标记的平均分数以及分布函数的其他特性,诸如分布曲线的方差、偏度和峰度。
现在参考图 2,示出用于表征事件(如上所述)与ARM之间的关系的系统的部件的示意图。采用换能器(transducer)T1和T2形式的声学监视器能够监视来自对象 10 的呼吸系统的声学信号。声学信号可包含由对象发出的不定声音和/或已被引入对象的呼吸系统(例如通过经由鼻/口向对象的呼吸道中引入声音信号)并通过呼吸系统的至少部分传送到T1和/或T2的声音信号成分。来自模数转换器 216 (A/D)的信号能够在被传送到换能器T1和T2之前经受预处理 212 。
参数监视器能够监视参数,例如使用食管pH换能器P来监视食管pH。来自监视器的信号能够经受预处理 214 并经由模数转换器 216 (A/D)被输入到与输入设备 203 和显示设备 204 通信的处理器 202 。还可提供打印机(未示出)及其他电子外围设备。处理器包括适合于识别表示被监视参数的信号中的一个或多个事件的发生的标识符模块 210 。如上文所指示的,可由用户使用输入设备 203 来手动执行事件的识别以识别数据集中的事件。这可通过使用显示器 204 观察被监视参数值或数据的基于时间的图形表示来完成。备选地,可由标识符模块 210 基于被编程到模块中的用于选择的规则来自动地执行事件的识别。例如,可将模块预先编程为自动地将pH变化识别为反流事件。所述规则可在系统中预置。优选地,可由用户经由输入设备 203 来添加或改变规则。备选地,可通过整个被监视时段的统计评估来确定规则。这能够通过对基于整个被监视时段的特性而单独地确定的阈值进行设置来完成,例如可将心率阈值设置成在患者的心率在任何时间分别超过第99个百分位或落入低于第1个百分位时发生。
ARM模块 220 被配置成在声学呼吸信号中定位一个或多个声学标记。所定位的标记可与所识别的事件的时机一致,或者可在事件之前或在其之后。在一些情况下,呼吸标记将持续包括生理事件的一段时间。因此,标记模块确定ARM的范围,优选地在生理事件之前和/或之后的短间隔内。确定ARM的范围可评估ARM的幅度、持续时间、频率、数目或占空比中的任何一个或组合。可使用其他定量或半定量分数或分数的组合。
表征模块 230 通过确定事件与一个或多个ARM之间的时间关系来表征两者之间的关系。优选地,表征模块 230 估计诸如分布函数这样的数学模型,表示一个或多个事件的发生与在声学信号中识别的ARM之间的时间关系。然后能够计算数学关系的参数以将该关系量化。这些参数能够用来提供在事件中所涉及的动态的客观评定。例如,分布的第一时刻的时机或分布函数中的拐点的时机。
对一个或多个ARM与生理事件之间的关系的表征可基于单个事件发生。然而优选地,相同类型的数个事件被识别并且在表征关系之前对全体事件数据求平均。例如,可在10天的时段内监视诸如舒喘宁(支气管扩张剂)或Lasex(利尿剂)之类的药物的每个剂量之前、期间和之后的ARM。这可改善表征的准确性。在对ARM与生理事件之间的关系的表征基于此类关系的图形显示的情况下,可由表征模块来确定每个短时间间隔内的ARM发生的数学模型或曲线拟合。此类数学模型可基于例如误差函数或基于sigmoid 函数(希尔方程)或基于诸如高斯或伽马分布之类的频率分布函数或多项式函数或其他适当的数学函数。可对此类数学模型求平均。
根据图形表示和/或数学模型来确定特定参数可包括例如计算绝对或相对项的步进变化(例如图 3中的∆Wz%)、确定生理事件的发生与ARM中的响应开始之间的延迟(例如图 3中的∆T)、确定指示病理生理事件之后的ARM变化的动态的时间常数(例如图 3中的)。备选地/额外地,可确定表示事件之前或之后的ARM的分布函数的特性。此类特性可包括例如在事件之前和之后的曲线下面的积分面积之间的方差(例如图 4中的σ 2 )、偏度(例如图 4中的 γ 1 )或峰度(例如图 4中的γ 2 )和差。
现在参考图 3,示出表示作为时间的函数的对象的对象哮鸣音率的图。在给定监视时段(例如,一分钟)内,哮鸣音率(Wz%)被计算为哮鸣音时间相对于总呼吸时间的占空比。在t1 处示出事件,包括一定剂量的支气管扩张剂的给药。依照y将曲线拟合到哮鸣音率数据,并且这能够表示为采取诸如方程1这样形式的指数方程。
方程1:
方程1表示指数函数,其中,t是时间(t=0是“响应时间”,即哮鸣音率显著影响的时间)且只能具有正值。e是指数常数(“欧拉数”),A和是方程的常数,并且y是数据格式/呼吸标记值,在这种情况下为哮鸣音率。能够使用本领域中已知的任何适当方法(诸如,例如最小二乘法)来进行曲线拟合。
根据此表征,能够获得数个定量参数。例如,能够使用事件E与响应时间(t=0)之间的时间差(∆T)来确定影响时间。另外,时间常数()和支气管扩张剂剂量之前和之后的哮鸣音率的差(∆Wz%)能够分别地用来将对象的响应速率和治疗效果进行量化。
参考绘制指示作为时间的函数的咳嗽计数的数据的图(未示出),可看到类似示例。可将咳嗽计数计算为被监视时段(例如一分钟)内的咳嗽的数目。生理事件包括咳嗽抑制剂药物的给药。能够将分布函数曲线拟合成诸如在方程1中所描绘的指数方程这样的数学函数。在时间延迟∆T之后,咳嗽速率按照时间常数而减小,并且能够确定咳嗽抑制剂药物的给药之前与之后咳嗽计数的差。
在另一类似示例中,能够在图上(未示出)表示作为时间的函数的爆裂音计数。可将爆裂音计数计算为被监视时段(例如一分钟)内的爆裂音的数目。包括对正被机械地通气的患者施加呼气末正压(PEEP)的事件被识别为治疗事件。再次地,能够将分布函数曲线拟合成诸如在方程1中所描绘的指数方程这样的数学函数。根据此表征,能够获得数个定量参数,比如指示治疗开始与响应开始之间的时间延迟的时间差(∆T)、指示响应速率的时间常数和PEEP的给药之前和之后的咳嗽计数的差,从而指示治疗效果。
在又一类似示例中,能够以图形方式来呈现作为时间的函数的打鼾率。能够将打鼾率计算为被监视时段(例如一分钟)内的打鼾的数目。能够在图上识别包括对自主呼吸患者施加CPAP的治疗事件,并且能够将分布函数曲线拟合成诸如在方程1中描绘的指数之类的数学函数。根据此表征,能够获得数个定量参数,诸如指示治疗开始与患者响应开始之间的延迟的时间差(∆T)。时间常数指示响应速率,并且CPAP的给药之前与之后的咳嗽计数的差指示打鼾方面的改善(减少)程度。此类方法在确定睡眠呼吸暂停患者的CPAP治疗的价值方面具有实用性。
现在参考图 4,其示出作为时间的函数的咳嗽计数图。可将咳嗽计数计算为被监视时段(例如一分钟)内的咳嗽的数目。示出事件R,包括反流事件。能够将分布函数曲线拟合成数学函数(用虚线示出,无箭头),比如高斯分布。另外,能够获得数个定量参数,比如方差(σ2)、偏度(γ 1 )以及峰度(γ 2 )。
方差指示图的值在事件R附近的变化性的程度。方差(σ2)是所有数据点与事件数据点之间的距离的平方的平均值。方程2表示方差的计算,其中,σ2是图的方差,N是图中的数据点的数目,xi 是数据点i的值,而x0 是对应于事件的数据点的值。
方程2:
图的偏度(γ 1 )涉及图中的相对于事件数据点的不对称水平。
方程3:
方程3表示偏度的计算,其中,γ 1 是图的偏度,N是图中的数据点的数目,σ是图的标准偏差,其为图的方差(σ2)的平方根,并且xi 是数据点i的值且x0 是对应于事件的数据点的值。
图的峰度(γ 2 )涉及由于图中的非常小或非常大的值的异常发生率而引起的数据的“峰态”的水平。
方程4:
方程4表示峰度的计算,其中,γ 2 是图的峰度,N是图中的数据点的数目,σ是图的标准偏差,其为图的方差(σ2)的平方根,并且xi 是数据点i的值且x0 是对应于事件的数据点的值。
在图 4所描绘的示例中,图看起来具有“负偏度”,也即贯穿被监视时段的咳嗽的分布在事件R之前倾向于较高值。这是典型的“咳嗽诱发反流”,其中,咳嗽引导(且可能导致)反流事件。
现在参考图 5,其示出作为时间的函数的咳嗽计数图。可将咳嗽计数计算为被监视时段(例如一分钟)内的咳嗽的数目。示出事件R,包括反流事件。能够将分布函数曲线拟合成数学函数(用虚线示出,无箭头),比如高斯分布。另外,能够获得数个定量参数,诸如方差(σ2)、偏度(γ 1 )以及峰度(γ 2 )。能够如方程2中所描绘的那样计算方差,能够如方程3中所描绘的那样计算偏度,以及能够如方程4中所描绘的那样计算峰度。
在图 5所描绘的示例中,图看起来具有“正偏度”,也即贯穿被监视时段的咳嗽的分布在事件R之后倾向于较高值。这是典型的“反流诱发咳嗽”,其中,反流事件引导(且可能导致)咳嗽的上升。
现在参考图 6,其示出作为时间的函数的哮鸣音率图。在被监视时段(例如一分钟)内,哮鸣音率(Wz%)被计算为哮鸣音时间相对于总呼吸时间的占空比。所识别事件R包括反流事件。能够将分布函数曲线拟合成数学函数。另外,能够获得数个定量参数,诸如方差(σ2)和偏度(γ 1 )。能够如方程2中所描绘的那样计算方差,并且能够如方程3中所描绘的那样计算偏度。
在图 6所描绘的示例中,图看起来具有“正偏度”,也即贯穿被监视时段的哮鸣音的分布(如哮鸣音率所示)在事件之后倾向于较高值。这是典型的“反流诱发哮鸣音”,其中,反流事件引导(且可能导致)哮鸣音率的上升。
现在参考图 7,其示出作为时间的函数的爆裂音计数图。爆裂音计数被计算为被监视时段(例如一分钟)内的爆裂音的数目。示出事件P,包括患者从直立到仰卧位置的姿势变化。可使用任何适当的机构或装置,例如布置在对象与床垫之间的压力和/或温度传感器,来识别姿势变化事件。能够将分布函数曲线拟合成数学函数(用虚线示出),诸如希尔方程、误差函数以及多项式拟合等。
方程5表示希尔方程,其中,t代表时间(t=0是事件的时间—在这种情况下为姿势变化),并且能够仅具有正值。θ是最大数据的分数,在这种情况下是在图中出现的爆裂音的最大量的分数,T50 是在数据是最大值的50%时的时间,并且n是确定ARM的变化的锐度的希尔方程指数。m是比例系数。
方程5:
方程6表示误差函数,其中,t代表时间(在曲线拟合期间将确定t=0)。π是“pi”常数,e是指数常数且y是数据格式,在这种情况下为爆裂音计数,并且k是积分变量。
方程6:
现在参考图 8,其示出作为时间的函数的爆裂音计数图。可将爆裂音计数计算为被监视时段(例如一分钟)内的爆裂音的数目。示出事件D,包括利尿剂药物的给药。能够将分布函数曲线拟合成数学函数(用虚线示出),诸如希尔方程、误差函数以及多项式拟合等。在方程5中描绘了希尔方程,并且在方程6中描绘了误差函数。
现在参考图 9,其示出如何能够在单个图上显示多个事件。在该情况下为反流事件的事件R在图的中间示出,而声学标记在能够是线性或对数的“相对时间”轴上的事件附近被映射。声学标记的示例可包括哮鸣音率、咳嗽计数、爆裂音计数和打鼾率,仅举几个例子。声学标记的值被布置并显示为用72表示的实线,其具有用74示出的误差间隔。这些间隔可表示声学标记的标准偏差。
本公开提供用于在事件序列中识别声学标记与例如可提供关于对象的疾病的诊断性信息的病理生理事件之间的相关性的方法。各种实施例有助于定量分析。
例如,哮喘患者可显示出通过由听诊而检测到的哮鸣音的减少所确定的对诸如沙丁胺醇之类的支气管扩张剂的正面响应。哮鸣音的减少指示气道阻塞的可逆性。然而,在本发明之前,查明该响应的定量动态是不可行的。同样地,现有技术还未能提供用于查明例如反流事件与ARM之间的因果或者至少时间连结的方法、设备或系统。类似地,诸如生理、病理生理和治疗事件与肺音之间的其他时间相关性还未通过定量、客观的方法得以表征。
本公开提供了识别且可选地量化ARM与在对象中自然发生或有意引发的其他事件之间的时间相关性的新方法。该方法在其中需要识别并优选地量化生理事件之间的因果关系以便积极地诊断患者或对象的疾病的医学中具有优点。备选地或额外地,该方法可提供在以可量化且可重复方式来评估医疗干预的效果方面的实用性。
例如,知道反流事件平均起来是否在哮鸣音或咳嗽的出现之前能够导致反流诱发哮喘的诊断。同时,如果哮鸣音或咳嗽主要在反流事件之前,则哮喘诱发反流的诊断是可能的。这些疾病要求完全不同的治疗。因此,利用本公开来表征反流事件与呼吸标记之间的关系的性质以及甚至更期望地对该关系进行量化是有重大意义且重要的。
在另一示例中,确定将患者的位置从仰卧移位至直立是否引起肺的底部的患者的爆裂音计数的逐渐下降的能力能够用来评估患者是否正在遭受充血性心力衰竭(正重力效应)或肺炎/肺纤维化(负重力效应)。这些疾病中的每一个要求完全不同的治疗。
在另一示例中,确定诸如舒喘宁或溴化异丙阿托品(阿托品)之类的药物的给药是否影响哮鸣音和咳嗽的时间分布的能力能够用来验证通过哮鸣音所表现出的气道狭窄是可逆的(正面效果),其根据定义是哮喘。备选地,如果没有效果(负面响应),则可诊断非哮喘阻塞性气道疾病(例如COPD、细支气管炎等)。
在另一示例中,本公开可用来确定诸如高渗盐水或辣椒素之类的气道刺激剂的小剂量的吸入是否引发一阵或多阵咳嗽。这又可用来确定患者是否具有要求特定治疗的久咳的趋势。
应理解的是,在不脱离在此随附权利要求中所定义的本发明的范围的情况下可对先前描述的部分进行各种修改、添加和/或变更。可基于本申请或要求本申请的优先权来在澳大利亚或海外提交其他专利申请。要理解的是,以下临时权利要求仅以示例的方式提供,并且并不意图限制在任何此类未来申请中可请求保护的范围。可在日后向该临时权利要求添加特征或从该临时权利要求省略特征,以便进一步定义或重新定义本一个或多个发明。
Claims (20)
1.一种用于表征声学呼吸标记与对象中的事件之间的时间关系的方法,包括步骤:
(a)同时监视来自对象的呼吸系统的声学信号和选自包括生理参数、病理生理参数、患者报告的症状和与对象相关联的治疗参数的组中的至少一个参数;
(c)在被监视参数中识别事件;以及
(d)在被监视声学信号中识别与所述事件一致和/或在所述事件之前和/或在所述事件之后的一个或多个呼吸标记的存在;
其中,通过确定所述事件与一个或多个声学呼吸标记之间的时间相关性来表征所述关系。
2.根据权利要求1所述的方法,其中,声学呼吸标记选自包括但不限于指示哮鸣音、咳嗽、打鼾、爆裂音和呼吸音幅度的信号的组。
3.根据权利要求1或权利要求2所述的方法,还包括将具有已知声学特性的声音信号引入到对象的呼吸系统中的步骤,并且其中被监视声学信号在被引入的声音信号已穿过对象的呼吸系统的至少部分之后包括该被引入的声音信号。
4.根据前述权利要求中的任一项所述的方法,其中,所述事件选自包括以下各项的组:反流事件、呼吸暂停的开始或结束、呼吸器的设置变化、姿势变化、治疗剂或治疗的给药和患者症状的指示。
5.根据前述权利要求中的任一项所述的方法,包括使用数学模型来表示一时间段的被监视声学信号并评估所述模型的一个或多个参数,所述一个或多个被评估参数是事件与所述一个或多个声学标记之间的关系的定量指标。
6.根据权利要求5所述的方法,其中,所述时间段在事件期间或之后开始。
7.一种由此使用以下各项中的一项或多项来表征多项式方程的系数或所述关系的方法:
(a) 使用关系
所确定的时间常数;
(b) 使用关系 所确定的方差σ 2 ;
(c) 使用关系 所确定的偏度γ 1 ;
(d) 使用关系 所确定的峰度γ 2 ;以及
(e) 使用关系 所确定的希尔方程指数n ;
其中:y 是呼吸标记值;
A和是常数;
N 是声学信号数据点的数目;
σ 是标准偏差;
xi 是数据点i的值;
x0 是对应于事件的数据点的值;
θ 是最大数据的分数;
T50 是其中数据是最大值的50%的时间;
t 是时间;
n 是表示呼吸标记中变化的锐度的指数;以及
m是比例系数。
8.根据权利要求5或权利要求6所述的方法,其中,所述时间段在事件之前开始。
9.根据前述权利要求中的任一项所述的方法,包括对表示用于在被监视参数中所识别的多个事件的声学信号的数据求平均以表征所述关系的步骤。
10.根据前述权利要求中的任一项所述的方法,包括确定呼吸标记的范围的步骤。
11.一种用于诊断对象中的状况的方法,包括根据前述权利要求中的任一项所述的表征方法。
12.一种用于表征来自对象的声学呼吸标记与对象中的事件之间的关系的系统,所述系统包括:
(a)声学监视装置,用于监视来自对象的呼吸系统的声学信号;
(b)参数监视装置,用于监视选自包括生理参数、病理生理参数、与对象相关联的治疗参数和患者报告的症状的组中的参数;以及
(c)处理装置,所述处理装置结合有以下各模块:
(i)标识符模块,所述标识符模块在被监视参数中识别事件的发生;
(ii)标记模块,所述标记模块在声学呼吸信号中定位与所述事件一致和/或在所述事件之前和/或在所述事件之后的一个或多个声学标记;以及
(iii)表征模块,所述表征模块被配置成通过确定所述事件与一个或多个声学呼吸标记之间的时间相关性来表征所述关系。
13.根据权利要求12所述的系统,还包括:产生具有已知特性的声音信号的声源和用于将所述声音信号引入到对象的呼吸系统的装置,其中,所述声学监视装置在被引入的声音信号已穿过对象的呼吸系统的至少部分之后监视该被引入的声音信号。
14.根据权利要求12或权利要求13所述的系统,还包括用户接口,所述用户接口呈现被监视信号的图形显示并接收数据窗口的用户选择以供进一步表征。
15.根据权利要求12至14中的任一项所述的系统,其中,所述表征模块还通过计算近似被监视声学信号的至少一部分的数学模型来表征所述关系。
16. 根据权利要求15所述的系统,其中,所述表征模块还评估数学模型的参数以量化所述表征。
17.根据权利要求12至16中的任一项所述的系统,其中,所述声学呼吸标记选自于包括但不限于指示哮鸣音、咳嗽、打鼾、爆裂音和呼吸音幅度的信号的组。
18.根据权利要求12至17中的任一项所述的系统,其中,所述事件选自包括但不限于以下各项的组:反流事件、呼吸暂停的开始和结束、呼吸器的设置变化、姿势变化和治疗剂或治疗的给药。
19.一种用于表征来自对象的声学标记与在对象中发生或影响对象的事件之间的关系的方法,所述方法基本上如上文关于在附图中所示出或在本文中所例示的实施例中的任何一个所述。
20.一种用于表征来自对象的声学标记与在对象中发生或影响对象的事件之间的关系的系统,所述系统具有基本上如上文关于在附图中所示出或在本文中所例示的实施例中的任何一个所述的元件。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2011903164A AU2011903164A0 (en) | 2011-08-08 | Event sequencing using acoustic respiratory markers | |
AU2011903164 | 2011-08-08 | ||
PCT/IL2012/050294 WO2013021383A1 (en) | 2011-08-08 | 2012-08-07 | Event sequencing using acoustic respiratory markers and methods |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103997962A true CN103997962A (zh) | 2014-08-20 |
Family
ID=47667956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280049375.6A Pending CN103997962A (zh) | 2011-08-08 | 2012-08-07 | 使用声学呼吸标记的事件定序和方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20150011840A1 (zh) |
EP (1) | EP2741665A4 (zh) |
JP (1) | JP2014526926A (zh) |
KR (1) | KR20140077150A (zh) |
CN (1) | CN103997962A (zh) |
AU (1) | AU2012293278B2 (zh) |
HK (1) | HK1201137A1 (zh) |
WO (1) | WO2013021383A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107847146A (zh) * | 2015-07-21 | 2018-03-27 | 皇家飞利浦有限公司 | 在ecg数据上自动标记活动的方法和系统 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060243280A1 (en) | 2005-04-27 | 2006-11-02 | Caro Richard G | Method of determining lung condition indicators |
EP1879501A4 (en) | 2005-04-29 | 2009-05-20 | Oren Gavriely | COUGH DETECTOR |
US11717186B2 (en) | 2019-08-27 | 2023-08-08 | Medtronic, Inc. | Body stability measurement |
US10716534B1 (en) | 2019-10-21 | 2020-07-21 | Sonavi Labs, Inc. | Base station for a digital stethoscope, and applications thereof |
US10709414B1 (en) | 2019-10-21 | 2020-07-14 | Sonavi Labs, Inc. | Predicting a respiratory event based on trend information, and applications thereof |
US10750976B1 (en) * | 2019-10-21 | 2020-08-25 | Sonavi Labs, Inc. | Digital stethoscope for counting coughs, and applications thereof |
US10702239B1 (en) | 2019-10-21 | 2020-07-07 | Sonavi Labs, Inc. | Predicting characteristics of a future respiratory event, and applications thereof |
US10709353B1 (en) | 2019-10-21 | 2020-07-14 | Sonavi Labs, Inc. | Detecting a respiratory abnormality using a convolution, and applications thereof |
US11602313B2 (en) | 2020-07-28 | 2023-03-14 | Medtronic, Inc. | Determining a fall risk responsive to detecting body position movements |
KR102445294B1 (ko) | 2020-11-30 | 2022-09-20 | 한국전자기술연구원 | 호흡음을 포함한 생체신호 기반 호흡기 감염증 진단 방법 및 시스템 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1543909A (zh) * | 2003-11-19 | 2004-11-10 | 叶学强 | 多参数检测与治疗一体化的方法和设备 |
CN1723839A (zh) * | 2005-07-21 | 2006-01-25 | 高春平 | 个性化立体健康指数测试方法及其装置 |
CN1803089A (zh) * | 2006-01-20 | 2006-07-19 | 浙江工业大学 | 无拘束、非察觉性的睡眠障碍测量装置及其方法 |
US20070118054A1 (en) * | 2005-11-01 | 2007-05-24 | Earlysense Ltd. | Methods and systems for monitoring patients for clinical episodes |
US20090203972A1 (en) * | 2006-06-01 | 2009-08-13 | Biancamed Ltd. | Apparatus, system, and method for monitoring physiological signs |
US7819814B2 (en) * | 2002-10-21 | 2010-10-26 | Noam Gavriely | Acoustic assessment of the heart |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6168568B1 (en) * | 1996-10-04 | 2001-01-02 | Karmel Medical Acoustic Technologies Ltd. | Phonopneumograph system |
US7127290B2 (en) * | 1999-10-01 | 2006-10-24 | Cardiac Pacemakers, Inc. | Cardiac rhythm management systems and methods predicting congestive heart failure status |
KR20030007535A (ko) * | 2000-04-20 | 2003-01-23 | 풀모소닉스 피티와이 리미티드 | 생물학적 조직의 상태 측정 방법 및 기구 |
US7708697B2 (en) * | 2000-04-20 | 2010-05-04 | Pulmosonix Pty Ltd | Method and apparatus for determining conditions of biological tissues |
US7079704B2 (en) * | 2002-06-26 | 2006-07-18 | Koninklijke Philips Electronics N.V. | Objective method and system for estimating perceived image and video sharpness |
US20050096557A1 (en) * | 2003-01-08 | 2005-05-05 | Frederick Vosburgh | Noninvasive cardiovascular monitoring methods and devices |
EP2172153B8 (en) * | 2004-12-23 | 2019-07-24 | ResMed Pty Ltd | Apparatus for detection of Cheyne-Stokes breathing |
EP1908053B1 (en) * | 2005-06-24 | 2010-12-22 | Monash University | Speech analysis system |
JP2009060937A (ja) * | 2007-09-04 | 2009-03-26 | Konica Minolta Medical & Graphic Inc | 生体信号解析装置及び生体信号解析装置のプログラム |
-
2012
- 2012-08-07 JP JP2014524483A patent/JP2014526926A/ja active Pending
- 2012-08-07 KR KR1020147006284A patent/KR20140077150A/ko not_active Application Discontinuation
- 2012-08-07 EP EP12822937.4A patent/EP2741665A4/en not_active Withdrawn
- 2012-08-07 US US14/236,644 patent/US20150011840A1/en not_active Abandoned
- 2012-08-07 WO PCT/IL2012/050294 patent/WO2013021383A1/en active Application Filing
- 2012-08-07 CN CN201280049375.6A patent/CN103997962A/zh active Pending
- 2012-08-07 AU AU2012293278A patent/AU2012293278B2/en not_active Ceased
-
2015
- 2015-02-18 HK HK15101796.7A patent/HK1201137A1/zh unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7819814B2 (en) * | 2002-10-21 | 2010-10-26 | Noam Gavriely | Acoustic assessment of the heart |
CN1543909A (zh) * | 2003-11-19 | 2004-11-10 | 叶学强 | 多参数检测与治疗一体化的方法和设备 |
CN1723839A (zh) * | 2005-07-21 | 2006-01-25 | 高春平 | 个性化立体健康指数测试方法及其装置 |
US20070118054A1 (en) * | 2005-11-01 | 2007-05-24 | Earlysense Ltd. | Methods and systems for monitoring patients for clinical episodes |
CN1803089A (zh) * | 2006-01-20 | 2006-07-19 | 浙江工业大学 | 无拘束、非察觉性的睡眠障碍测量装置及其方法 |
US20090203972A1 (en) * | 2006-06-01 | 2009-08-13 | Biancamed Ltd. | Apparatus, system, and method for monitoring physiological signs |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107847146A (zh) * | 2015-07-21 | 2018-03-27 | 皇家飞利浦有限公司 | 在ecg数据上自动标记活动的方法和系统 |
CN107847146B (zh) * | 2015-07-21 | 2021-04-27 | 皇家飞利浦有限公司 | 在ecg数据上自动标记活动的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
AU2012293278B2 (en) | 2017-03-16 |
KR20140077150A (ko) | 2014-06-23 |
EP2741665A1 (en) | 2014-06-18 |
AU2012293278A1 (en) | 2014-02-20 |
US20150011840A1 (en) | 2015-01-08 |
WO2013021383A1 (en) | 2013-02-14 |
JP2014526926A (ja) | 2014-10-09 |
EP2741665A4 (en) | 2015-07-22 |
HK1201137A1 (zh) | 2015-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103997962A (zh) | 使用声学呼吸标记的事件定序和方法 | |
JP6564318B2 (ja) | リアルタイム肺メカニクスを評価するためのシステム | |
Miller et al. | Standardisation of spirometry | |
JP5944899B2 (ja) | 呼吸の量、運動、および変化を測定することによる呼吸変動モニタリングのための装置 | |
CN101874734B (zh) | 检测和治疗呼吸功能不全的装置 | |
KR20200026879A (ko) | 호흡량 모니터 및 인공호흡기 | |
US20130066225A1 (en) | Monitoring incentive spirometry | |
EP3148426B1 (en) | Method, system and software for assessing extubation failure | |
TW200944179A (en) | Measuring system, computer program, set of a measuring device and a computer program and method for operating the measuring system | |
JP2024099838A (ja) | 先進的な呼吸モニターおよびシステム | |
US20210045657A1 (en) | Device and method for measuring respiratory air flow | |
Voter et al. | Pulmonary function testing in childhood asthma | |
Lev et al. | Changes in regional distribution of lung sounds as a function of positive end-expiratory pressure | |
US20230414889A1 (en) | Automatic detection of a diaphragm in time-motion data using ventilator waveforms | |
US20240173492A1 (en) | An inhaler monitoring device | |
Mohapatra et al. | Role of Spirometry in Diagnosis of Respiratory Diseases | |
Suh | Non-invasive assessment of neural respiratory drive in exacerbations of chronic obstructive pulmonary disease | |
Madsen et al. | A Pressure Signal Apnea Monitor | |
UA79176U (uk) | Спосіб прямого моніторування самостійного дихання пацієнта |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1201137 Country of ref document: HK |
|
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140820 |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1201137 Country of ref document: HK |