CN105813557A - 生物信号的局部收集、基于生物电信号的言语辅助接口中的光标控制以及基于生物电信号的觉醒检测 - Google Patents
生物信号的局部收集、基于生物电信号的言语辅助接口中的光标控制以及基于生物电信号的觉醒检测 Download PDFInfo
- Publication number
- CN105813557A CN105813557A CN201480066976.7A CN201480066976A CN105813557A CN 105813557 A CN105813557 A CN 105813557A CN 201480066976 A CN201480066976 A CN 201480066976A CN 105813557 A CN105813557 A CN 105813557A
- Authority
- CN
- China
- Prior art keywords
- physiological data
- frequency
- data
- electrode
- data collection
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/296—Bioelectric electrodes therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- 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
- A61B5/4812—Detecting sleep stages or cycles
-
- 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
- A61B5/4815—Sleep quality
-
- 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
- A61B5/4842—Monitoring progression or stage of a disease
-
- 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
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6814—Head
-
- 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
- A61B5/683—Means for maintaining contact with the body
- A61B5/6832—Means for maintaining contact with the body using adhesives
- A61B5/6833—Adhesive patches
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
Abstract
本公开提供了一种带有电极的装置,所述电极被配置成记录约束到受限区域的电活动,使用记录的生物电信号来控制言语辅助接口中的光标位置,并且使用记录的生物信号来在睡眠期间检测觉醒。
Description
相关申请的交叉引用
本申请按照35U.S.C.§119(e)要求提交于2013年10月14日的美国专利序列号61/890,859的优先权的权益,该专利的全部内容以引用的方式并入本文中。
背景技术
技术领域
本公开大体涉及医疗装置,并且更特别地涉及带有电极的装置,该电极被配置成记录约束到受限区域的电活动,使用记录的生物电信号来控制言语辅助接口中的光标位置,并且使用记录的生物信号来在睡眠期间检测觉醒。
背景技术
在人类中,大脑中的各种神经元配合以生成一组丰富且连续的神经电信号。这样的信号对我们的身体的其余部分的控制具有强大的影响。例如,信号引发身体移动并有利于认知思维。此外,神经信号可造成人类在睡眠期间醒来。虽然经过数十年的深入研究,但由于信号的复杂性,从信号到各种人类行动的直接翻译仍然是未知的。然而,理解这样的映射的实用性提供了大幅改善许多生活功能残缺的个人的生活的可能性。之后,该理解将大概允许病症被诊断或特别的信号-动作生物路径被技术攻克和/或复制。
发明内容
多年以来,已使用多种装置来记录神经活动。一种这样的装置包括脑电图(EEG)装置。传统地,数十个电极全部放置在人的头部周围。大量的电极被精确地放置在头皮位置上,以试图提高信噪比。甚至尽管使用了许多电极,但许多人仍然声称EEG具有较差的空间分辨率和较低的信噪比。因此,EEG数据的应用由于以下至少两个原因是有限的:电极的数目和放置精度通常将EEG记录局限于临床情况,并且在数据中提取有意义的神经基础的此前的努力约束了对数据的解释和使用。
本发明的某些实施方案可利用已发现的技术来识别EEG数据内的神经签名,这些数据由于对重要的解释来说太嘈杂而在此前被丢弃。例如,在一些实施方案中,单个小型装置可容纳多个EEG电极,包括有源电极、参考电极和(任选地)接地电极。该装置可具有占有面积,其具有小于6(或甚至4)英寸的长度和宽度,并且在任一对电极之间的间隔距离可小于3英寸。有源电极和参考电极如此靠近的位置是传统上所避免的,因为据认为这样会在记录内引入失真。此外,由于EEG分析通常差分地放大来自两个电极的信号,将参考电极置于其自身将被记录为神经活动的位置被认为抑制了所关注的神经信号的检测(通常在高频段中)。因此,参考电极在传统上被置于远离有源电极处且在具有相对较低的神经活动或没有神经活动的神经位置处。然而,如本文所述,来自集束电极的数据的处理仍然会提取具有生理重要性的信号。
使用电极记录的信号可被共同地分析(例如,在所述装置处),以生成神经记录的单个通道。该通道可接着被分析,例如,以识别在各个睡眠阶段中睡眠时间的绝对或相对量,评估潜在睡眠障碍的数目和类型,和/或识别睡眠异常。
在一个实例中,记录的信号的频谱图跨时间仓和/或跨频率被归一化一次或多次。例如,在一个实例中,频谱图可跨时间仓被归一化一次。在另一个实例中,频谱图跨时间仓且然后跨频率被归一化。在又一实例中,时间仓和频率归一化的交替模式可继续以达到给定次数的归一化,或直到归一化因子低于阈值为止。跨时间仓的归一化可包括使用频谱图中每个频率的所有功率来计算频谱图中该频率的z分数。该频率的功率可通过z分数归一化。跨频率的归一化可包括使用频谱图中每个时间仓的所有功率来计算频谱图中该时间仓的z分数。该时间仓的功率可通过z分数归一化。
在一些实例中,对于归一化的频谱图中的每个时间仓来说,该时间仓的“强频率”可被限定为与该时间块的高(例如,在绝对或相对阈值以上)或最高归一化功率相关联的频率。因此,可以确定时间序列强频率函数。强频率的分布可横跨睡眠阶段变化,使得识别强频率可支持相关联的睡眠阶段的估计。
此外,在每个时间点处,可以限定片段化值。片段化值可包括时间片段化值或频谱片段化值。对于时间片段化值来说,可以确定频谱图的时间梯度。频谱图可包括原始频谱图和/或已经跨时间仓和/或跨频率归一化1次、2次或更多次的频谱图(例如,首先跨时间仓、然后跨频率归一化的频谱图)。因此,每个时间仓可与偏导的功率值的向量(跨越一组频率)相关联。对于给定的时间块或历元(包括多个时间仓)来说,可使用在时间块内且对应于给定频率的梯度值来为每个频率确定频率特定的变量。例如,频率特定的变量可包括对应于给定频率的梯度值的绝对值的均值。时间片段化值可接着被限定为对应于高或最高频率特定的变量的频率或历元。因此,时间片段化值可识别具有高调制的频率。频谱片段化值可类似地被限定,但可基于频谱图的频谱梯度。高的片段化值可指示睡眠阶段干扰或清醒活动中的变化。
通道数据的分析可发生(完全或部分地)在所述装置处或远程装置处。例如,通道数据(或产生通道数据的信号)可以(例如,无线地)传输到其它资源,以进行更深入的处理和/或存储。应当理解,该装置也可收集、传输和/或分析非EEG数据。该装置也可包括一个或多个其它外部传感器,例如,加速计,以提供指示记录的背景(例如,以允许在静止和活动状态之间进行区分)的附加数据;或温度计,以估计用户的温度。
该装置可通过将粘合剂材料粘附到装置以及个人而定位在人身上。例如,粘合剂材料(例如,双面粘合剂膜或物质)可被施加到装置的底侧的至少一部分,使得它能将装置附接到皮肤位置。作为另一示例,粘合剂膜可定位在装置上方,并且延伸超出装置的膜的一部分可附接到皮肤位置。
因此,本文所述的装置和技术使得可以容易地收集EEG。单个装置可独立地为整个通道提供数据,并且所需的头皮施加和必要的放置的次数两者均可以是相对较低的。因此,患者可自行施加装置并引发EEG记录。来自装置的无线传输进一步降低开始数据收集的复杂性。应当理解,虽然多电极装置可独立地支持通道,但多个装置(在某些情况下)可用来通过收集多个通道进一步充实记录。
本文的实施方案可延伸至神经信号的收集、分析和应用之外:该装置可用来收集任何生物电信号。例如,该装置可定位在肌肉上,并可收集肌电图(EMG)数据。EMG数据可用于例如生物反馈训练(例如,通过为患者提供指示肌肉被激活的时间的线索),以辅助诊断神经性或肌病性疾病,和/或将肌肉移动转化为对外部对象的控制(例如,电子装置的屏幕上的光标或假体的控制)。在一个示例性实施方案中,一个或多个装置可用来允许肌萎缩侧索硬化症(ALS)的患病者交流,即使发声和手控能力受限。具体而言,一个或多个装置可定位在患者仍可控制的诸如颚肌的单个或多个肌肉上。同时,可为患者提供具有多个文本选项(例如,单独的字母、字母组合、词或短语)的屏幕。来自颚肌的记录的分析可造成光标移动至所需的文本选项。此类选择的重复可允许形成句子,该句子可用于书面交流,或者可由自动读出器读出。
EMG记录可以被映射到光标移动。在一个实例中,该映射可基于例如利用群集和/或分量分析来分析来自一个或多个通道的原始EMG数据(以用于训练或非训练情形)而确定,以确定哪个信号签名与特定的光标移动相关联。在一个实例中,特定的强频率与光标移动相关联,使得(例如)由高频段中的强频率主导的肌肉数据可被确定为对应于向上的光标移动。在另一个实例中,特定的片段化值可以是相关联的光标移动。例如,与一个肌肉的EMG相关联的高片段化值可与第一光标移动相关联,而与另一个肌肉的EMG相关联的高片段化值可与第二光标移动相关联。
装置和技术的灵敏性和非侵入性也可用来评估对于患者或医疗专业人员来说可能难以用其它方式检测的生理事件。例如,该装置可在睡眠期间记录信号,并且觉醒(例如,其可包括微觉醒)可被检测。在二元情况中,基本觉醒可被限定为从睡眠状态向清醒状态的转变。然而,这些状态的这种二元特征不当地简化了睡眠的复杂性。睡眠利用睡眠阶段来表征:第1-4阶段和快速眼动(REM)阶段。人们对在睡眠阶段之间转变的方式和时间仍然知之甚少,尽管花费在各个睡眠阶段中的时间可能具有生理上的重要性。例如,不充足的REM睡眠会损害学习能力,并且第4阶段睡眠对于生长和发育是重要的。
因此,如果患者报告夜间睡眠较差或其它与睡眠有关的症状,则监测患者的睡眠的各阶段可能是有用的。根据一些实施方案,神经记录可从紧凑的电极装置记录并被分析以提取、放大高频神经信号。然后,可将信号分类到在各个短暂的时间窗口内的睡眠(或清醒)阶段中。然后,可通过量化一系列时间窗口内存在的变化性和/或阶段转变来检测觉醒。将睡眠分类到这样短的时间窗口内的能力使得能够检测本来将无法认识的觉醒。这样的觉醒可用来评估睡眠质量。
该睡眠分析还可用来检测人们是否在其睡眠中经历可能危及生命的事件。例如,可在认为受益于该手术的选定的患者群(例如,ALS、面部创伤患者的癌症)中进行气管造口机械通气,以辅助呼吸功能。该手术可包括将气管造口管插入颈部的切口中。遗憾的是,该管有可能滑出气管造口之外。这种可能性对于沟通能力受损的患者来说可能尤其可怕。万一他们的管在夜间滑出,患者可能难以提醒任何人这个问题。然而,本文所公开的装置和方法可监测这些患者的睡眠阶段并且检测异常和/或所关注的睡眠阶段模式。装置的大小可提高使用和监测的依从性,并且分析可有助于检测快速睡眠阶段模式。
以下具体实施方式与附图说明一起将提供对本发明的实质和优点的更好理解。
附图说明
图1示出了佩戴与另一电子装置无线通信的多电极紧凑装置的用户。
图2示出了根据本发明的实施方案的装置的示例,该装置连接在网络上,以有利于生物电学记录的协同评估和使用。
图3示出了根据本发明的实施方案的与另一个电子装置无线地通信的多电极装置。
图4是根据本发明的实施方案的多电极装置的简化框图。
图5是根据本发明的实施方案的与多电极装置通信的电子装置的简化框图。
图6是根据本发明的实施方案的过程的流程图,该过程用于使用多电极装置来收集生物电极数据的通道。
图7是根据本发明的实施方案的过程的流程图,该过程用于分析通道生物数据以识别各个生物阶段的频率签名。
图8是根据本发明的实施方案的过程的流程图,该过程用于分析通道生物数据以识别各个生物阶段的频率签名。
图9是根据本发明的实施方案的过程的流程图,该过程用于将频谱图归一化并使用区分群的频率签名来将生物数据分类。
图10是根据本发明的实施方案的过程的流程图,该过程用于分析通道生物数据以识别觉醒。
图11-14示出了自动化的觉醒检测的示例。
图15是根据本发明的实施方案的过程的流程图,该过程用于将频谱图归一化并识别频率以将生物数据分类。
图16是根据本发明的实施方案的过程的流程图,该过程用于将频谱图归一化并使用梯度来识别频率以将生物数据分类。
图17是根据本发明的实施方案的过程的流程图,该过程用于使用参考数据来确定EMG数据的映射。
图18A和18B示出了通信辅助可视化的示例。
图19是根据本发明的实施方案的过程的流程图,该过程用于基于EMG数据生成书面或口头文本。
图20示出了睡眠EEG数据的原始频谱图和归一化的频谱图。
图21示出了使用原始频谱图或归一化的频谱图确定的时间序列优选频率图。
具体实施方式
本发明的某些实施方案可有利于使用紧凑的多电极装置来方便记录生物信号(例如,脑电图(EEG)或肌电图(EMG)数据)。频谱图可基于记录数据的差异而生成并在频谱图的一个或两个方向上归一化(例如,使得每个功率值基于具有相同频率的功率值但针对不同的时间仓和/或基于具有相同时间仓的功率值但针对不同频率被归一化)。频谱图可被划分成时间块或历元(例如,具有限定的持续时间,例如30秒),并且每个频谱图部分可被归一化一次或多次(例如,跨频率或跨时间块中的时间仓)。对于给定的时间块来说,可以使用归一化的功率值来确定z分数(例如,使得对于对应于大差值的跨时间块中的时间仓归一化的功率值的频率来说,z分数较高)。然后,可针对该时间块将强频率识别为对应于高或最高归一化功率的频率。强频率可指示睡眠阶段。
此外,对于每个时间仓来说,可以限定片段化值。例如,可以确定(未归一化、归一化、二次归一化等的)频谱图的梯度(例如,时间梯度)。对于给定的时间块来说,片段化值可被限定以识别对应于跨相关联的功率的高调制的频率。例如,片段化值可包括梯度值(跨时间块中的时间仓)的绝对值的均值绝对或相对较高的频率。当装置记录在睡眠期间的神经数据时,高的片段化值可指示不一致的睡眠特性,这可以暗示睡眠障碍和/或觉醒。
该技术可有效地应用于具有短时间分仓的数据。因此,它可以识别甚至非常短的觉醒。觉醒可指示较差的睡眠质量和/或所关注的健康因素。因此,该技术有可能用来检测本来由于较大的时间分仓或不能够收集显著量的数据而被忽略的可能有关的数据。
多电极装置还可用来收集来自一个或多个肌肉的EMG数据。群集和/或分量技术可用来将数据的特征映射到特定的对象动作。因此,例如,一个肌肉的收缩可指示光标将向上移动,而另一个肌肉的收缩可指示光标将向下移动。因此,可同时为发声能力有限的患者提供屏幕,该屏幕允许患者在各个方向上移动光标以在字母、词、短语或请求中进行选择,从而传达思想。
图1示出了使用多电极装置110的用户105。该装置示出为粘附到用户的前额115(例如,经由定位在装置和用户之间的粘合剂)。该装置可包括多个电极以检测并记录神经信号。在信号记录之后,该装置可将数据(或其处理后的形式)传输(例如,无线传输)到另一个电子装置120,例如智能手机。另一个电子装置120可接着进一步处理数据和/或响应于数据,如本文进一步所述。因此,图1例示了多电极装置105可以是小型且定位简单的。虽然在该示例中仅示出一个装置,但应当理解,在一些实施方案中使用多个装置。
此外,虽然图1显示粘合剂将装置110附接到用户105,但可以使用其它附接手段。例如,头部束具或头带可定位在用户和装置的周围。另外,虽然将一通道的所有电极容纳在单个紧凑单元中常常有利于使用方便,但应当理解,在其它实例中,电极可在主装置外壳外部,并可定位成远离彼此。在一个实例中,使用如在PCT申请PCT/US2010/054346中所描述的装置。PCT/US2010/054346以引用的方式并入本文以用于各种目的。
装置115a和115b可直接(例如,通过蓝牙连接或BTLE连接)或间接通信。例如,每个装置可与服务器120通信(例如,通过蓝牙连接或BTLE连接),服务器120可位于网球场110附近。
图2示出了连接在网络上以有利于生物电学记录的协同评估和使用的装置的示例。一个或多个多电极装置205可收集从来自用户的记录的生物数据得出的通道数据。数据可接着提供至一个或多个其它电子装置,例如,移动装置210a(例如,智能手机)、平板计算机210b或者膝上型计算机或台式计算机201c。装置间通信可通过诸如短程连接215(例如,蓝牙、BTLE或超宽带连接)的连接或通过诸如因特网的WiFi网络220进行。
一个或多个装置205和/或210还可访问数据管理系统225,该系统可(例如)接收并评估来自一系列多电极装置的数据。例如,保健提供者或制药公司(例如,进行临床试验)可使用来自多电极装置的数据来衡量患者的健康状况。因此,例如,数据管理系统225可存储与特定用户相关联的数据和/或可生成人口统计数据。
图3示出了与另一个电子装置302通信(例如,无线地或经由线缆)的多电极装置300。该通信可被执行以通过利用其它电子装置的资源而增强多电极装置的功能(例如,更快的处理速度、更大的存储器、显示屏、输入接收能力)。在一个实例中,电子装置302包括接口能力,其允许用户(例如,其可以是或者可以不是信号所记录的同一个人)查看信息(例如,记录的数据和/或操作选项的汇总)和/或控制操作(例如,控制多电极装置300的功能或控制另一个操作,例如言语建构)。当装置300收集和/或处理数据时或在数据收集时期之后,在装置300和302之间的通信可间歇地发生。数据可从装置300推送到其它装置302和/或从其它装置302拉取。
图4是根据本发明的实施方案的多电极装置400(例如,实现多电极装置300)的简化框图,多电极装置400可包括处理子系统402、存储子系统404、RF接口408、连接器接口410、功率子系统412、环境传感器414和电极416。多电极装置400不一定包括每个所示部件,和/或也可包括其它部件(未明确地示出)。
存储子系统404可以例如使用磁性存储介质、闪存存储器、其它半导体存储器(例如,DRAM、SRAM)、或任何其它非暂时性存储介质、或介质的组合实现,并且可包括易失性和/或非易失性介质。在一些实施方案中,存储子系统404可存储生物数据、关于用户的信息(例如,识别信息和/或病历信息)和/或分析变量(例如,此前确定的强频率或用于在信号群之间区分的频率)。在一些实施方案中,存储子系统404也可存储将由处理子系统410执行(例如,以引发和/或控制数据收集、数据分析和/或传输)的一个或多个应用程序(或apps)434。
处理子系统402可实现为一个或多个集成电路,例如,一个或多个单核或多核微处理器或微控制器,其示例是本领域已知的。在操作中,处理系统402可控制多电极装置400的操作。在各种实施方案中,处理子系统404可响应于程序代码而执行多种程序,并可维持多个同时执行的程序或过程。在任何给定时间,待执行的程序代码中的一些或全部都可驻留在处理子系统404中和/或在诸如存储子系统404的存储介质中。
通过适当的编程,处理子系统402可为多电极装置400提供各种功能。例如,在一些实施方案中,处理子系统402可执行代码,该代码可控制生物数据的收集、分析、应用和/或传输。在一些实施方案中,该代码中的一些或全部可与接口装置(例如,图3中的其它装置302)进行交互,例如,通过生成将发送至接口装置的消息和/或通过接收并解释来自接口装置的消息。在一些实施方案中,代码中的一些或全部可在本地操作至多电极装置400。
处理子系统402也可执行数据收集代码436,其可造成由电极416检测的数据被记录和保存。在一些实例中,信号被差分地放大,并且滤波可被施加。信号可与记录细节(例如,记录时间和/或用户标识符)一起存储在生物数据数据存储437中。数据可被进一步分析以检测生理对应性。作为一个示例,记录的信号的频谱图的处理可反映对应于特定睡眠阶段的频率性质。作为另一示例,觉醒检测代码438可分析频谱图的梯度以识别和评估睡眠障碍指标并检测觉醒。作为又一示例,信号致动器代码439可将特定的生物信号特征转化为外部对象(例如,光标)的运动。这样的技术和代码在本文中进一步描述。
RF(射频)接口408可允许多电极装置400与各种接口装置无线地通信。RF接口408可包括诸如天线的RF收发机部件和支持电路,以能够例如使用Wi-Fi(IEEE802.11家庭标准)、(由BluetoothSIG,Inc.颁布的一系列标准)或用于无线数据通信的其它协议在无线介质上实现数据通信。在一些实施方案中,RF接口408可实现短程传感器(例如,蓝牙、BLTE或超宽带)、接近传感器409,其支持通过信号强度的估计和/或用于确定与另一个电子装置的接近度的其它协议来检测接近度。在一些实施方案中,RF接口408可提供例如实现ISO/IEC18092标准等的近场通信(“NFC”)能力;NFC可支持在非常短的范围(例如,20厘米或以下)内的装置之间的无线数据交换。RF接口408可使用硬件(例如,驱动电路、天线、调制器/解调器、编码器/解码器、以及其它模拟和/或数字信号处理电路)和软件部件的组合实现。多个不同的无线通信协议和相关联的硬件可并入RF接口408中。
连接器接口410可允许多电极装置400例如使用通用串行总线(USB)、通用异步接收机/发射机(UART)、或用于有线数据通信的其它协议经由有线通信路径与各种接口装置通信。在一些实施方案中,连接器接口410可提供功率端口,以允许多电极装置400接收功率,例如,以对内部电池充电。例如,连接器接口410可包括诸如mini-USB连接器或自定义连接器的连接器以及支持电路。在一些实施方案中,连接器可以是自定义连接器,其提供专用的功率和接地触点、以及数字数据触点(其可用来并行地实现不同的通信技术);例如,两个引脚可被分配为USB数据引脚(D+和D-),并且两个其它引脚可被分配为串行发送/接收引脚(例如,实现UART接口)。在连接被建立的同时,引脚向特定的通信技术的分配可被硬连线或协商。在一些实施方案中,连接器也可提供连接以发送和/或接收生物电信号,该信号可以以模拟和/或数字格式被发送至另一个装置(例如,装置302或另一个多电极装置)或从另一个装置发送。
环境传感器414可包括各种电子、机械、机电、光学或其它装置,该装置提供与多电极装置400周围的外部条件有关的信息。在一些实施方案中,传感器414可将数字信号提供至处理子系统402,例如,根据需要在流基础上或响应于由处理子系统402进行的轮询。可以使用任何类型和组合的环境传感器;其以举例方式示出为加速计442。由加速计442感测的加速度可用来估计用户是否在睡眠或尝试睡眠和/或估计活动状态。
电极416可包括例如圆表面电极,并且可包括金、锡、银和/或银/氯化银。电极416可具有大于1/8”且小于1”的直径。电极416可包括有源电极450、参考电极452和(任选地)接地电极454。电极可以是或可以不是彼此可分辨的。电极位置可被固定在装置内和/或为可移动的(例如,栓系到装置)。
功率子系统412可为多电极装置400提供功率和功率管理能力。例如,功率子系统414可包括电池440(例如,可再充电电池)和相关联的电路,以将来自电池440的功率分配至需要电功率的多电极装置400的其它部件。在一些实施方案中,功率子系统412也可包括电路,其可操作用于对电池440充电,例如当连接器接口410连接到功率源时。在一些实施方案中,功率子系统412可包括“无线”充电器,例如,感应充电器,以对电池440充电,而不依赖于连接器接口410。在一些实施方案中,除了电池440之外或代替电池440,功率子系统412也可包括其它功率源,例如,太阳能电池。
应当理解,多电极装置400为示例性的,并且变型和修改是可能的。例如,多电极装置400可包括用户接口,以使得用户能够与装置直接交互。作为另一示例,多电极装置可具有附接指示器,其指示(例如,经由光、色彩或声音)在装置和用户的皮肤之间的接触是否足够和/或记录的信号是否具有可接受的质量。
此外,虽然多电极装置参照特定的框描述,但应当理解,这些框为方便描述而被限定,而并非意图暗示部件部分的特定物理布置。此外,框不一定对应于物理上不同的部件。框可被配置成例如通过对处理器编程或提供合适的控制电路而执行各种操作,并且根据初始配置获取的方式,各种框可能是或者可能不是可重新配置的。本发明的实施方案可在多种设备中实现,包括使用电路和软件的任意组合实现的电子装置。也不需要图4中的每个框在多电极装置的给定实施方案中实现。
诸如图3的装置302的接口装置可使用类似于上文所述那些的框(例如,处理器、存储介质、RF接口等)和/或其它框或部件实现为电子装置。图5是根据本发明的实施方案的接口装置500(例如,实现图3的装置302)的简化框图。接口装置500可包括处理子系统502、存储子系统504、用户接口506、RF接口508、连接器接口510和功率子系统512。接口装置500也可包括其它部件(未明确地示出)。接口装置500的许多部件可类似于或等同于图3的多电极装置300的部件。
例如,存储子系统504可大体上类似于存储子系统404,并可包括例如使用磁性存储介质、闪存存储器、其它半导体存储器(例如,DRAM、SRAM)、或任何其它非暂时性存储介质、或介质的组合,并且可包括易失性和/或非易失性介质。类似于存储子系统504,存储子系统504可用来存储将由处理子系统502执行的数据和/或程序代码。
用户接口506可包括输入和输出装置的任何组合。用户可操作用户接口506的输入装置以调用接口装置500的功能,并可经由用户接口506的输出装置查看、听到和/或以其它方式体验来自接口装置500的输出。输出装置的示例包括显示器520和扬声器522。输入装置的示例包括麦克风526和触摸传感器528。
显示器520可使用紧凑显示技术例如LCD(液晶显示器)、LED(发光二极管)、OLED(有机发光二极管)等实现。在一些实施方案中,显示器520可并入柔性显示器元件或弯曲玻璃显示器元件,以允许接口装置500符合所需形状。一个或多个扬声器522可使用小形状因数扬声器技术提供,包括能够将电子信号转化为可听声波的任何技术。扬声器522可用来产生单音(例如,蜂鸣声或铃声)和/或言语。
输入装置的示例包括麦克风526和触摸传感器528。麦克风526可包括将声波转化为电子信号的任何装置。在一些实施方案中,麦克风526可以是足够敏感的,以提供由用户讲出的具体词语的表示;在其它实施方案中,麦克风426可用来提供一般的环境声级的指示,而不必提供具体声音的高质量的电子表示。
触摸传感器528可包括例如电容传感器阵列,其能够将接触定位到传感器的表面上的特定的点或区域,并且在一些实例中,能够辨别多个同时的接触。在一些实施方案中,触摸传感器428可上覆在显示器520上以提供触摸屏接口,并且处理子系统504可根据在显示器520上目前显示的内容而将触摸事件转化为具体的用户输入。
处理子系统502可实现为一个或多个集成电路,例如,一个或多个单核或多核微处理器或微控制器,其示例是本领域已知的。在操作中,处理系统502可控制接口装置500的操作。在各种实施方案中,处理子系统502可响应于程序代码而执行多种程序,并可维持多个同时执行的程序或过程。在任何给定时间,待执行的程序代码中的一些或全部都可驻留在处理子系统502中和/或在诸如存储子系统504的存储介质中。
通过适当的编程,处理子系统502可为接口装置500提供各种功能。例如,在一些实施方案中,处理子系统502可执行操作系统(OS)532和各种应用程序534。在一些实施方案中,这些应用程序中的一些或全部可与多电极装置交互,例如通过生成将发送至多电极装置的消息和/或通过接收并解释来自多电极装置的消息。在一些实施方案中,应用程序中的一些或全部可在接口装置500处本地操作。
处理子系统502也可执行数据收集代码536(根据需要,其可以是OS532的一部分、app的一部分或单独的)。数据收集代码536可以至少部分地互补于图4中的数据收集代码436。在一些实例中,数据收集代码536被配置成使得代码的执行造成装置500接收来自多电极装置(例如,图3的多电极装置300)的原始或经处理的生物电信号(例如,EEG或EMG信号)。数据收集代码536还可限定要对接收的数据执行的处理(例如,以施加滤波器、生成指示源多电极装置或接收时间的元数据、和/或压缩数据)。在执行后,数据收集代码536还可造成原始或经处理的生物电信号被存储在生物数据存储537中。
在一些实例中,数据收集代码536的执行还造成装置500收集数据,该数据可包括生物数据(例如,患者的温度或脉搏)或外部数据(例如,光照水平或地理位置)。该信息可与生物电学数据存储在一起(例如,使得用于EEG或EMG记录的元数据包括患者的温度和/或位置),和/或可单独地存储(例如,具有时间戳,以允许未来时间同步的匹配)。应当理解,在这些实例中,接口装置500或者可包括合适的传感器以收集该附加数据(例如,摄像机、温度计、GPS接收机),或者可以与带有这样的传感器的另一个装置通信(例如,经由RF接口508)。
处理子系统502也可执行一个或多个代码,其可实时或回顾地分析原始或经处理的生物电信号以检测所关注的事件。例如,觉醒检测代码538的执行可评估对应于患者的睡眠期的频谱图(使用EEG数据构建)的变化,以确定觉醒是否发生和/或何时发生。在一个实例中,该评估可包括为每个时间增量确定变化变量,该变量对应于对于该时间增量来说相对于一个或多个其它时间增量在一个或多个频率下的功率(例如,归一化功率)改变的量。在一个实例中,该评估可包括将每个时间增量指定给睡眠阶段并且检测赋值变化的时间点。睡眠阶段分类可(在一些实例中)进一步详述正发生的任何觉醒(例如,通过指出发生觉醒的阶段和/或通过识别觉醒所经过的睡眠阶段的多少)。
作为另一示例,信号致动器代码539的执行可评估和转化EMG数据。初始地,映射可被构造以将特定的EMG签名与特定的动作相关联。该动作可以是外部动作,例如,在屏幕上的光标的动作。映射可使用群集分析和/或分量分析执行,并可利用从一个或多个有源电极(例如,从一个或多个多电极装置,每个装置定位在不同的肌肉上)记录的原始或经处理的信号。
在一个实例中,信号致动器代码539的执行造成交互式可视化被呈现在显示器520上。在屏幕上的光标位置可使用映射基于EMG数据的实时分析来控制。从其收集记录的个人可因此在不使用他的手的情况下与接口交互。在一个示例性实例中,可视化可包括言语辅助可视化,其允许个人选择字母、一系列字母、词或短语。顺序选择可允许个人构造句子、段落或会话。文本可以电子方式使用(例如,以生成电子邮件或信件),或者可被言语化(例如,使用信号致动器539的言语部件将音频输出发送至扬声器522)以与附近的其他人通信。
RF(射频)接口508和/或连接器接口510可允许接口装置500与各种其它装置(例如,图4的多电极装置400)和网络无线地通信。RF接口508可对应于图4的RF接口408(例如,包括其描述的特性),和/或连接器接口510可对应于连接器接口410(例如,包括其描述的特性)。功率子系统512可为接口装置512提供功率和功率管理能力。功率子系统512可对应于功率子系统41(例如,包括其描述的特性)。
应当理解,接口装置500为示例性的,并且变型和修改是可能的。在各种实施方案中,除了上述那些之外或代替它们,可以提供其它控制器或部件。能够与另一个装置(例如,多电极装置)交互以存储、处理和/或使用记录的生物电信号的任何装置都可以是接口装置。
此外,虽然接口装置参照特定的框描述,但应当理解,这些框为方便描述而被限定,而并非意图暗示部件部分的特定物理布置。此外,框不一定对应于物理上不同的部件。框可被配置成例如通过对处理器编程或提供合适的控制电路而执行各种操作,并且根据初始配置获取的方式,各种框可能是或者可能不是可重新配置的。本发明的实施方案可在多种设备中实现,包括使用电路和软件的任意组合实现的电子装置。也不需要图5中的每个框在移动装置的给定实施方案中实现。
在一个或多个多电极装置、一个或多个移动装置和接口装置之间的通信可根据这两种装置被编程或以其它方式配置成使用的任何通信协议(或协议的组合)来实现。在一些实例中,可使用诸如蓝牙方案或超宽带协议的标准协议。在一些实例中,自定义消息格式和句法(包括例如用于解释在数字数据传输中的特定字节或字节序列的一组规则)可被限定,并且消息可使用诸如在某些蓝牙标准中限定的虚拟串行端口的标准串行协议来传输。本发明的实施方案不限于特定的协议,可以得到本教导的本领域的技术人员将认识到可以使用许多协议。
根据本发明的某些实施方案,一个或多个多电极装置可便利地用于从患者收集电生物数据。该数据可被处理以识别具有生理重要性的信号。检测本身可能是有用的,因为它能让用户或第三方知晓患者的健康状况和/或当前治疗的疗效。在一些实例中,信号可用来自动地控制另一个对象,例如计算机光标。这种能力可扩展用户的身体能力(例如,其可能由于疾病而是残疾的)和/或提高操作便利性。
图6是根据本发明的实施方案的过程600的流程图,该过程用于使用多电极装置来收集生物电极数据的通道。过程600的一部分或全部可在多电极装置(例如,多电极装置400)中实现。在一些实例中,过程600的一部分(例如,框610-635中的一者或多者)可在远离多电极装置的电子装置中实现,其中框可以在接收来自多电极装置的信号之后立即(例如,在收集之后立即)、在存储关于记录的数据之前、响应于依赖于收集的数据的请求和/或在使用收集的数据之前执行。
在框605处,可使用相应的电极收集有源信号和参考信号。在一些实例中,从接地电极进一步收集接地信号。有源电极和参考电极和/或有源电极和接地电极可附接到单个装置(例如,多电极装置)、彼此固定的距离和/或靠近彼此(例如,使得电极的中心定位成彼此相隔小于12、6或4英寸和/或使得电极定位成可能记录来自相同肌肉或相同脑部区域的信号)。
在一些实例中,参考电极定位在有源电极附近,使得两个电极将可能感测来自相同脑部区域或来自相同肌肉的电活动。在其它实例中,参考电极定位成进一步远离有源电极(例如,在相对电气中性的区域,该区域可包括不在脑部上的区域或突出的肌肉),以减少所关注的信号的重叠。
在收集之前,电极可附接到个人的皮肤。这可包括例如附接完全容纳一个或多个电极的单个装置和/或附接一个或多个单独的电极(例如,柔性地延伸超出装置外壳之间)。在一个实例中,这样的附接通过使用粘合剂执行(例如,将粘合剂物质施加到装置的底侧的至少一部分、将粘合剂贴片施加在装置之上和周围和/或将双面粘合剂贴片施加在装置的至少一部分下方),以将包括有源电极和参考电极的多电极装置附接到个人。对于EEG记录来说,装置可以附接到例如个人的额叶附近(例如,在她的前额上)。对于EMG记录来说,装置可附接在肌肉上(例如,在颚肌或颈部肌肉上)。
在一些实例中,一次仅记录一个有源信号。在其它实例中,一组有源电极中的每一个都记录有源信号。在这种情况下,有源电极可定位在不同的身体位置处(例如,在身体的不同侧上、在不同的肌肉类型上或在不同的脑部区域上)。每个有源电极可与参考电极相关联,或者相对于有源信号的收集数更少的参考值可以被收集。每个有源电极可存在于单独的多电极装置中。
在框610处,可从有源电极中扣减参考信号。这会降低有源信号中的噪声,例如,记录噪声或由患者的呼吸或移动导致的噪声。尽管参考电极和有源电极的紧邻定位在传统上被回避,但这样的位置可提高将在参考电极噪声处共享的有源电极噪声(例如,患者移动噪声)的部分。例如,如果患者正在翻身,将由定位在脑部中心F7上的有源电极经历的移动将与由定位在对侧耳部上的参考电极经历的移动大不相同。同时,如果两个电极都定位在相同的F7区域上,它们可能将经历类似的移动伪像。虽然信号差值可能无法表示来自下面的生理结构的一些细胞电活动,但剩余信号的较大部分可归因于所关注的这类活动(由于噪声的移除)。
在框615处,信号差值可被放大。放大增益在例如100和100,000之间。在框620处,放大的信号差值可被滤波。施加的滤波器可包括例如模拟高通或带通滤波器。滤波可减少来自诸如呼吸的流动电势的信号贡献。滤波器可包括约0.1-1Hz的较低截止频率。在一些实例中,滤波器也可包括高截止频率,该频率可设定到小于基于采样率确定的奈奎斯特频率的频率。
在框625处,经滤波的模拟信号可被转化为数字信号。在框630处,数字滤波器可被施加到数字信号。数字滤波器可减少DC信号分量。数字滤波可使用线性或非线性滤波器执行。滤波器可包括例如有限或无限冲击响应滤波器或窗函数(例如,汉宁(Hanning)、海明(Hamming)、布莱克曼(Blackman)或矩形函数)。滤波器特性可被限定以减少DC信号贡献,同时保存高频信号分量。
在框635处,经滤波的信号可被分析。如本文更详细所述,分析可包括微观分析,例如,将信号的各个片段分类(例如,分类成睡眠阶段、觉醒或非觉醒和/或预期移动)。分析可备选地或另外地包括宏观分析,例如,表征总体睡眠质量或肌肉活动。
如上文所指,在一些实例中,多个装置配合以执行过程600。例如,图4的多电极装置400可执行框605-625,并且远程装置(例如,服务器、计算机、智能手机或接口装置405)可执行框630-635。应当理解,为了有利于这样共享的过程操作,装置可通信以共享合适的信息。例如,在框625之后,多电极装置400可将数字信号(例如,使用短程网络或WiFi网络)发送至另一个电子装置,例如图5的接口装置500。另一个电子装置可接收信号,然后执行框630-635。
尽管未在过程600中明确地示出,但原始和/或经处理的数据可被存储。数据可存储在多电极装置、远程装置上和/或云中。在一些实例中,原始数据和经处理的数据(例如,识别与数据的部分相关联的分类)可被存储。
还应当理解,过程600可以是持续的过程。例如,有源信号和参考信号可以在延长的时间段(例如,一整夜)内连续地或定期地收集。过程600的一部分或全部可在信号被收集时实时执行,和/或数据可被完全或部分地分批处理。例如,在记录会话期间,框605-625可实时执行,并且数字信号可接着执行。框630-635可定期地(例如,每小时或在达到未分析数据的阈值后)或在记录会话的末尾处执行。
图7是根据本发明的实施方案的过程700的流程图,该过程用于分析通道生物数据以识别各个生物阶段的频率签名。过程700的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
在框705处,信号可被变换为频谱图。信号可包括基于来自定位在人身上的电极的记录的信号,例如,差分地放大和滤波的信号。通过将信号解析到时间仓中,并且为每个时间仓计算频谱图(例如,使用傅立叶变换),可生成频谱图。因此,频谱图可包括多维功率矩阵,其中维度对应于时间和频率。
在框710处,频谱图的所选部分可以任选地被移除。这些部分可包括与特定的时间仓相关联的部分,对于该部分来说,可确定信号质量较差和/或不存在参考数据或存在不充足的参考数据。例如,为了开发从信号到生理事件的转化或映射,可使用参考数据(例如,对应于数据的人评价)来确定各种生理事件的签名。没有可用的参考数据的数据部分可因此在确定签名时被忽略。
在框715处,频谱图可被分段到一组时间块或历元中。每个时间块可具有相同的持续时间(例如,30秒)并可(在一些实例中)包括多个(例如,并且固定数目的)时间增量,其中,时间增量对应于每个记录时间。在一些实例中,时间块被限定为频谱图中的单个时间增量。在一些实例中,时间块被限定为多个时间增量。时间块的持续时间可基于例如以下对象来确定:所关注的生理事件的时间尺度;对应的参考数据的时间精度或持续时间;和/或信号分类的所需的精度、准确度和/或速度。
在框720处,可基于参考数据将每个时间块中的每个时间仓分配给一群。例如,EEG数据的人评分可识别每个时间块的睡眠(或清醒)阶段。然后,可将给定时间块中的时间仓与对应的识别的阶段相关联。作为另一示例,相同的参考数据可用来检测觉醒,觉醒可被限定为在与相对于此前的时间仓的阶段更接近“清醒”的睡眠阶段相关联的任何时间仓内发生。时间块中的时间仓可接着被分配到“觉醒”群(如果在该块期间发生觉醒)或“非觉醒”群。作为又一示例,对于给定的EMG记录来说,患者可指示(例如,口头地、利用鼠标点击或利用眨眼)预期控制。举例来说,在收缩右颚肌之后,患者可表明他希望光标向下移动。与颚收缩相关联的时间仓可接着被分配到“向下”群。
在框725处,可跨群比较频谱图特征。在一个实例中,可首先为每个时间仓确定一个或多个频谱特征,并可在框725处比较这些组的特征。例如,可确定强频率或片段化值,如本文更详细描述的。作为另一示例,可比较对于各个时间仓来说在一个或多个频率中的每一个下的功率(或归一化功率)。在另一个实例中,集体谱可基于与分配到给定群的时间仓相关联的频谱来确定,并可接着基于集体谱来确定特征。例如,集体谱可包括平均值或中值频谱,并且特征可包括强频率、片段化值、或功率(在一个或多个频率下)。作为另一示例,集体谱可包括-对于每个时间仓来说-特征,该特征可包括n1%功率(当在该频率下的功率中的n1%低于该功率时的功率)和n2%功率(当在该频率下的功率中的n2%低于该功率时的功率)。
利用这些特征,在框730处,可识别一个或多个区分群的频率签名。频率签名可包括用于基于给定的频谱识别或确定的变量的标识,以用于群分配。该变量可接着用于例如群集算法或数据模型中,或者与绝对或相对阈值相比较,以便确定与该频谱相关联的时间仓将分配到哪个状态。例如,区分群的频率签名可包括特定的频率,使得在该频率下的功率将用于群分配。作为另一示例,区分群的频率可包括与一个或多个频率中的每一个相关联的权重,使得频率的功率的加权和将用于群分配。
频率签名可包括频率的子集和/或一个或多个频率的权重。例如,可以确定在两个或更多个群的功率分布之间的重叠,并且区分群的频率可被识别为具有低阈值重叠的频率或具有相对小(或最小)重叠的频率。在一个实例中,模型可用来确定哪些频率(或哪个频率)的特征可以可靠地用来在群之间进行区分。在一个实例中,区分群的签名可被识别为与高于绝对或相对(例如,相对于其它频率的值)值的信息值(例如,基于熵差)相关联的频率。
在一个实例中,框730可包括将权重分配给两个或更多个频率中的每一个。然后,为了随后确定频谱将分配到的群,可计算作为(归一化或未归一化的)功率的加权和的变量。例如,框725可包括使用分量分析(例如,主分量分析或独立分量分析),并且框730可包括识别一个或多个分量。
图8是根据本发明的实施方案的过程800的流程图,该过程用于分析通道生物数据以识别各个生物阶段的频率签名。过程800的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
在框805处,可收集对应于各种生理状态的样本的频谱图。在一些实例中,至少一些状态对应于具有特定属性的睡眠阶段或睡眠期。例如,样本可从睡眠期和清醒期两者收集,使得样本可包括来自睡眠和清醒阶段中的一个或多个阶段的数据。作为另一示例,利用人类睡眠阶段评分,样本可被收集以确保(例如,等于或大致等于)清醒阶段或来自每个睡眠阶段的表示。作为另一示例,样本可从包括(例如,基于患者的报告或人评分)频繁的觉醒的睡眠期和从包括不频繁的觉醒的睡眠期收集。在一些实例中,收集的样本基于来自单个个体的记录。在另一个实例中,样本基于来自多个个体的记录。
在一些实例中,至少一些状态对应于意识状态。例如,样本(例如,基于EMG数据)可被收集,使得一些数据对应于引发特定动作(例如,向上或向下移动光标)的意图,并且其它数据对应于没有这样的动作。
频谱图数据可包括原始数据的频谱图、经滤波的数据的频谱图、归一化一次的频谱图(例如,基于对于相同频率来说跨时间仓的功率或者基于对于相同时间仓来说跨频率的功率将在每个频率下的功率归一化)、或归一化多次的频谱图(例如,基于对于相同频率来说跨时间仓的归一化或未归一化的功率或者基于对于相同时间仓来说跨频率的归一化或未归一化的功率将在每个频率下的功率归一化至少一次)。
在框810处,来自基本状态(例如,清醒阶段、低觉醒睡眠状态、或不移动光标的意图)的频谱图数据可与来自一个或多个非基本状态(例如,睡眠阶段、频繁觉醒睡眠状态或在特定方向上移动光标的意图)的频谱图数据相比较,以识别显著性值。在一个实例中,对于在基本状态和单个非基本状态之间的比较来说,频率特定的显著性值可包括p值,并且可基于在这两种状态中的功率的分布的统计检验来为每个频率确定。
然后,针对在非基本状态(例如,睡眠阶段)和基本状态(例如,清醒)之间的每个两两比较执行框815-820。在框815处,可设定阈值显著性数。可基于一组频率特定的显著性值的分布和限定的百分比(n%)来确定阈值。例如,阈值显著性数可被限定为频率特定的显著性值中的n%(例如,60%)低于阈值显著性数的值。
在框820处,可以识别频率特定的显著性值低于阈值的一组频率。因此,这些频率可包括(基于阈值显著性数)充分地区分基本状态与非基本状态的频率。
然后,为在基本状态和另一个非基本状态之间的每个附加的比较重复框815和820。结果由此包括与每个非基本状态相关联的n%最显著频率的组。
在框825处,存在于所有组(或阈值数目的组)中的频率被识别。因此,识别的重叠频率可包括在区分多个非基本状态中的每一个与基本状态的过程中n%最显著频率中的那些。
在框830处,可对重叠百分比是否大于重叠阈值做出判断。当不大于时,过程800可返回框815,在这里,可设定新的(例如,更高的)阈值显著性数。例如,在框820处,用来限定阈值显著性数的阈值百分比(n%)可被递增(例如,1%),以便在所识别的组中包括更多频率。
当确定重叠大于重叠阈值时,过程800可继续到框835,其中,可使用在组之间的重叠中的频率来限定一个或多个区分群的频率签名。签名可包括频谱图中的频率的子集和/或一个或多个频率中的每一个的权重的标识。权重可基于例如对于一个或多个基本状态与非基本状态比较中的每一个或者(在其中重叠评估不要求识别的频率存在于所有频率组中的情况中)包括给定频率的多个组来说一频率的频率特定的显著性值。在一些实例中,签名包括通过在重叠中分配加权频率而限定的一个或多个分量。例如,分量分析可使用状态分配和在重叠中的频率下的功率来执行,以识别一个或多个分量。
后续分析(例如,不同的数据的)可专注于(多个)区分群的频率签名。在一些实例中,频谱图(例如,归一化的或未归一化的频谱图)可被裁剪以排除不限定为限定群的频率的频率。例如,过程800可首先执行以识别限定群的频率,并且过程700(例如,后续分析不同数据)可在比较之前使用限定群的频率来裁剪信号的频谱图。
图9是根据本发明的实施方案的过程900的流程图,该过程用于将频谱图归一化并使用区分群的频率签名来将生物数据分类。过程900的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
在框905和910处,从记录的生物电信号(例如,EEG或EMG数据)构建的频谱图被归一化(例如,一次、多次或迭代地)。在一些实施方案中,频谱图从一个或多个通道的通道数据构建,每个数据基于使用这样的装置记录的信号而生成:该装置将多个电极相对于彼此固定或将多个电极栓系到彼此。
在框905处执行的第一归一化可通过为频谱图中的每个频率首先确定与该频率相关联的功率的z分数(即,跨所有时间仓)来执行。然后,可使用该z分数值来归一化在该频率下的功率。
在框910处执行的(任选的)第二归一化可通过为频谱图中的每个时间仓首先确定基于与该时间仓相关联的功率的z分数(即,跨所有时间仓)来执行。然后,可使用该z分数值来归一化在该时间仓的功率。
这些归一化可重复执行(以交替方式)设定的次数,或直到归一化因子(或归一化因子中的变化)低于阈值为止。在一些实例中,仅执行一次归一化,使得框905或框910被从过程900省略。在一些实例中,频谱图不被归一化。
对于频谱图中的每个时间仓来说,在框915处可收集对应的频谱。在框920处,可基于频谱和一个或多个区分群的频率签名来为时间仓确定一个或多个变量。例如,变量可包括在签名中识别的所选频率下的功率。作为另一示例,变量可包括在签名中限定的分量的值(例如,通过计算频谱中的功率值的加权和来确定)。因此,在一些实例中,框920包括将频谱投影到新的基础上。可为每个时间仓执行框915和920。
在框925处,基于相关联的变量而进行群分配。在一些实例中,各个时间仓被分配。在一些实例中,时间仓的集合(例如,各个历元)被分配到群。分配例如可通过比较变量与阈值(例如,使得当变量低于阈值时将该变量分配到一个群,否则分配到另一群)或通过使用群集或建模技术(例如,高斯朴素贝叶斯分类器)来执行。在一些实例中,分配被约束,使得给定的特征(例如,时间仓或时间历元)不能被分配到多于指定数目的群。该数目可以相同于或者可以不相同于(取决于实施方案)用来确定一个或多个区分群的频率签名的群或状态(基本状态和非基本状态两者)的数目。分配可以是一般性的(例如,使得群集分析产生对五个群中的一个的赋值,而不将任何群绑定到特定的生理重要性)或状态特定的。
此外,在每个时间点处,可以限定片段化值。片段化值可包括时间片段化值或频谱片段化值。对于时间片段化值来说,频谱图的时间梯度可被确定并划分成片段。频谱图可包括原始频谱图和/或已经跨时间仓和/或跨频率归一化1次、2次或更多次的频谱图(例如,首先跨时间仓、然后跨频率归一化的频谱图)。给定的片段可包括一组时间仓,每个时间仓可与偏导的功率值的向量(跨越一组频率)相关联。对于每个频率来说,可基于对时间块中的任何时间仓和对频率限定的偏导的功率值来限定梯度频率特定的变量。例如,变量可被限定为对该频率求偏导的功率值的绝对值的均值。片段化值可被限定为具有较高或最高频率特定变量的频率。频谱片段化值可类似地被限定,但可基于频谱图的频谱梯度。高的片段化值可指示睡眠阶段干扰。
图10是根据本发明的实施方案的过程1000的流程图,该过程用于分析通道生物数据以识别觉醒。过程1000的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
过程1000的框1005和框1010可分别对应于图8中的过程800的框805和810。然而,在过程1000中,基本状态被限定为清醒状态,并且多个睡眠阶段中的每一个(例如,第1-3阶段和REM阶段)被限定为非基本状态。
在框1015处,可使用重叠分析(例如,结合图8中所示过程800的框815-835描述的分析)来识别区分群的频率签名。签名可包括例如到新基础的投影。
在框1020处,可从本文所述装置或另一个记录装置接收新的EEG数据。频谱图可如本文所述被构造并归一化。归一化可包括一次或多次归一化,如(例如)参照过程900的框905和910所描述的。
频谱图可被划分成时间块(例如,30秒的时间块),并且在框1025处每个块可被分类为“清醒”或“睡眠”。该命名可使用多种技术中的任一种执行,这些技术可包括分析对应于确定的签名的块的变量、分析在特定频率或频段下的功率或分析哪些频率表示了归一化的功率。
分类到睡眠类别中的一个或多个时间块可被进一步分析,以检测在该块内发生的任何觉醒。因此,在框1030处,可基于在框1015处识别的区分群的频率签名和在该时间仓的频谱中的功率来为每个时间仓确定变量。
在框1035处,变量可用来将仓或仓的集合(例如,时间历元)分配到觉醒群或非觉醒群。在一些实例中,通过确定该特定变量相比基于稳定的睡眠数据的变量是否与基于清醒数据的类似变量更紧密地对准来进行分配。因此,甚至可以检测到短暂的觉醒。
以下实施例提供用于进一步示出本发明的实施方案,但并非意图限制本发明的范围。虽然它们是可能使用的那些中的典型,但可以备选地使用本领域的技术人员已知的其它程序、方法或技术。
觉醒检测实施例
图11-14示出了使用过程1000执行的自动化觉醒检测的实施例。对于每个图来说,分析了一夜睡眠的单通道EEG记录,并且示出了数据的一部分的分析。顶部图线示出了使用过程1000检测到的觉醒的自动化检测(每次检测由顶部的竖直条指示)和觉醒的人工检测(每次检测由底部的竖直条指示)。底部图线示出了睡眠结构图,该图标示了关于信号是否对应于清醒状态或睡眠阶段(以及睡眠的哪个睡眠阶段)的人工评估。睡眠/清醒状态针对每个30秒的时期被分配(如在底部睡眠结构图中所示)。觉醒检测在更精细的时间尺度下发生。因此,甚至在对应于平坦的睡眠结构图的时期内,觉醒也可被检测。对于每个数据集来说,通过比较自动化和人工觉醒检测来计算敏感度、特异度和准确度变量。
实施例1
一般觉醒检测
如图11所示,人工和自动化检测很大程度上彼此紧随。自动化检测的敏感度为72.7%,其特异度为99.0%,并且其准确度为98.4%。该自动化的觉醒检测还可与人工或自动化的睡眠阶段检测结合,以确定被觉醒打断的阶段的睡眠的百分比。在这种情况下(使用人工睡眠阶段检测)和/或在觉醒之间的睡眠时间的量。对于该数据集来说,在觉醒之间的平均睡眠时间仅为2.4分钟,并且最大值仅为19分钟。因此,觉醒检测可用来快速地分析睡眠数据并提供关于睡眠质量的可量化的指示。
实施例2
基于觉醒的治疗分析
觉醒检测还可提供治疗的评估。图12A和12B示出了针对未进行连续气道正压通气(CPAP)(图12A)治疗和然后进行了CPAP治疗(图12B)的第一患者的睡眠数据的分析。同样,自动化的觉醒检测与人工检测紧随。此外,使用这两类检测突出了对应于CPAP存在性的差值。总体上,觉醒存在于无CPAP数据集的2.1%的时间仓中(第1阶段睡眠中的4.0%、第2阶段睡眠中的3.0%、第3阶段睡眠中的0%和REM中的2.3%)和CPAP数据集的仅1.2%的时间仓中(第1阶段睡眠中的2.9%、第2阶段睡眠中的1.2%、第3阶段睡眠中的0%和REM中的1.4%)。因此,在CPAP数据集中觉醒减少了43%,这意味着治疗是有效的。
图13A和13B示出了类似数据但针对第二患者的分析。总体上,觉醒存在于无CPAP数据集的1.1%的时间仓中(第1阶段睡眠中的2.0%、第2阶段睡眠中的0.9%、第3阶段睡眠中的0%和REM中的1.2%)和CPAP数据集的仅0.9%的时间仓中(第1阶段睡眠中的2.5%、第2阶段睡眠中的0.6%、第3阶段睡眠中的0%和REM中的1.3%)。有趣的是,对于该患者来说,觉醒因此总体上减少了18%,尽管在REM中的觉醒增加了8%。
实施例3
基于觉醒的药效分析
基于觉醒的统计值被用来比较药物研究中的四个队列。队列中的一个包括安慰剂队列。其余三个对应于药物,每个队列与不同剂量的药物相关联。对于每个患者来说,在觉醒之间的平均时间被确定。执行ANOVA以确定平均觉醒间时间对于任何队列来说是否显著不同。当和与短的平均觉醒间时间相关联的其它三个队列中的每一个相比较时,第二队列与0.004、0.002和0.004的p值相关联。因此,可使用自动化觉醒检测来检查药物的功效和/或副作用特性。
实施例4
过度觉醒的检测
图14示出了在经历多次觉醒的患者中的觉醒检测。平均觉醒间时间仅为1.4分钟。如此频繁的觉醒可能暗示或指示失眠,并且可以用于诊断、监测和/或治疗-评估目的。
如本文所述,使用区分群的频率签名可能对于生物电信号分类是有用的。在一个实施方案中,该技术依赖于利用来自生物数据的归一化或未归一化的频谱图的功率来将每个时间仓分配到生理上相关的群。在一些实施方案中,分类可以代替或附加地取决于与特定特性相关联的频率(对于时间仓来说)的识别。
图15是根据本发明的实施方案的过程1500的流程图,该过程用于将频谱图归一化并识别频率以将生物数据分类。过程1500的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
过程1500的框1505可对应于过程900的框905。因此,从以上公开应当理解,从生物电学数据生成的频谱图中的每个值可基于在相同频率下、但在不同时间仓的其它值被归一化。在一些实例中,不执行频谱归一化(尽管在一些实施方案中执行)。
在框1510处,对于每个时间仓来说,与高或最高归一化功率相关联的频率可被识别为该时间仓的强频率。在框1515处,所识别的强频率可用来将每个时间仓或时间仓的每个集合(例如,时间历元)分配到群。例如,特定的睡眠阶段可与在特定频段中的活动相关联。因此,例如,特定频段中的强频率可倾向于分配到特定的睡眠阶段。分配可以例如使用群集分析、分量分析、数据模型和/或相对于一个或多个阈值的比较来执行。
在一些实施方案中,频谱图可被处理以突出功率中的时间变化。与大的变化值相关联的频率可接着用来将记录的部分分类。图16是根据本发明的实施方案的过程1600的流程图,该过程用于将频谱图归一化并使用梯度来识别频率以将生物数据分类。过程1600的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
过程1600的框1605和1610可对应于过程900的框905和910。因此,从以上公开应当理解,从生物电学数据生成的频谱图可基于横跨频谱图中的水平或竖直向量的功率偏差(例如,差值)归一化一次、两次或更多次。
在框1615处,可基于归一化的频谱图来确定时间梯度。应当理解,框1615可被修改以包括量化(对于每个频率来说)时间功率变化的其它处理。
该梯度可被划分成(例如,固定持续时间的)时间块或时间历元,并且在框1620处访问为给定的时间块限定的梯度的一部分。
在框1625处,可基于该时间块的梯度部分为每个频率确定梯度频率特定的变量。对于给定的频率来说,该变量可依赖于对应于该频率的梯度部分中的每个值。该变量可包括人口统计值,例如,均值、中值或最大值。在一些实例中,梯度的绝对值被计算并用于人口分析以确定该变量。
在框1630处,片段化值可被限定(对于给定的时间块来说)为与高(或最高)梯度频率特定的变量相关联的该时间块的频率。因此,片段化值可包括与时间上的大的功率调节相关联的频率。过程1600可接着返回到框1620,以确定另一个时间块的片段化值。
在框1635处,所识别的片段化值可用于时间块的分配。例如,觉醒可与在特定频段中的强的功率偏差相关联。在一些实例中,除了分析与高梯度值相关联的频率之外或代替这种分析,梯度值本身(例如,在片段化值频率和/或其它频率下)可用于分配。分配可例如使用群集分析或分量分析或数据模型来执行。
在一些实例中,记录的生物电学数据可用来辅助用户的通信努力。图17是根据本发明的实施方案的过程1700的流程图,该过程用于使用参考数据来确定EMG数据的映射。过程1700的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
在框1705处,一个或多个电极被定位在一个或多个肌肉上。电极可包括例如一个或多个有源电极、一个或多个参考电极和(任选地)接地电极。在一些实例中,使用多个有源电极,并且每个有源电极被定位在不同的肌肉上。在一些实例中,单个装置容纳有源电极和参考电极(例如,其可被固定地定位在装置内或灵活地栓系到装置)。然而,应当理解,可以使用配置成有利于由电极进行的EMG数据收集的任何电极装置。
在框1710处,通信辅助可视化可被呈现(例如,在接口装置的屏幕上)。图18A和18B示出了通信辅助可视化的示例。可视化可包括一组字母、字母组合、词或短语。光标可被导航以在该组中选择。选择可继续,使得用户能够逐渐地构造句子或段落。通信辅助可视化的一个示例包括由提供的可视化。在一些实例中,在映射确定过程中不提供可视化。
在框1715处,从被定位的电极访问实时EMG数据。当EMG数据被从肌肉接收时,在框1720处可获取参考数据。参考数据可包括指示预期或所需的光标移动的任何数据,该光标移动由从其收集记录的用户指定。例如,参考数据可包括响应于问题的鼠标移动、言语或眨眼。
在框1730处,利用EMG数据和参考数据可在EMG数据和光标空间之间建立映射。映射可包括例如投影定义或频率规范(例如,暗示在给定频率下的功率可识别所需的光标移动)。映射可包括区分群的频率签名,其中不同的群可代表不同的光标移动(例如,移动方向)。在一些实例中,映射包括关于如何预处理数据的规范。这样的预处理可包括例如要对频谱图执行的归一化或基于来自多个有源电极的记录对数据的扣减。
在一些实例中,通过过程1700执行的训练可发生在对用户可能很快就无法通信参考数据的可能性的预期中。因此,映射可在用户传达预期的光标移动的能力消失之前建立。
图19是根据本发明的实施方案的过程1900的流程图,该过程用于基于EMG数据生成书面或口头文本。过程1900的一部分或全部可在多电极装置(例如,图4的多电极装置400)中和/或远离多电极装置的电子装置(例如,图5的接口装置500)中实现。
在框1905处,通信辅助可视化(例如,诸如在图18A或18B中所示那样)可被呈现(例如,在接口装置的显示器上)。在框1910处,在EMG空间和光标空间之间的映射(例如,在过程1700中的框1730处确定的映射)可被访问。
在框1915处,实时原始或经处理的EMG数据可被访问。例如,数据可被处理,使得它被变换以形成频谱图,和/或使得它被归一化(例如,一次或多次)。数据可包括接收自电极或多电极装置的数据(或其经处理的形式)。
利用数据的时间块和映射,在框1920处可确定光标位置。例如,对应于使用EMG数据生成的频谱的分量值可被确定并映射到用于移动光标的方向。
然后,可在可视化上确定的位置处呈现光标的表示。在框1935处可对字母(或字母组合、词或短语)是否已被选择做出判断。例如,在光标已到达字母(或字母组合、词或短语)的表示时,可推断选择。在一个实例中,另一个EMG签名可用来指示选择。
当未确定字母已被选择时,过程1900可返回至1915,其中EMG数据可被监测并处理,以识别另外的光标移动和重新评估字母选择。当确定选择已进行时,在框1940处可对词是否完整做出判断。该判断可基于在框1935处所进行的选择(例如,选择将对应于词完成的多个字母可指示工作完成)、下一光标移动是否对应于空格或标点符号、或当前选择的字母的组合是否已形成完整的词以及使用该词形成的任何句子是否在语法上正确。
当未确定词是完整的时,过程1900可返回至1915,其中EMG数据可被监测并处理,以识别另外的光标移动和重新评估词完整性。当确定词已完整时,过程1900可继续至框1945,其中词可被书写在(如果还不在)显示器上、电子邮件或文档中和/或被言语化(例如,使用扬声器)。因此,EMG数据的收集和分析可有助于用户通信的能力,甚至在不使用传统的言语和/或手动控制的情况下。
在一些实施方案中,本文所公开的技术可分析记录的生物电信号的频谱特性。该分析可包括生成频谱图。本发明的实施方案可包括将频谱图归一化一次或多次(例如,如参照过程900中的框905和910所描述的)。这样的归一化可突出高频率信号分量,其可以指示生理状态,例如各种睡眠状态。
图20和21示出了这种归一化可能会对频谱图数据产生的影响。在图20中,每一列的两幅图使用相同的生物信号生成。同时,在底部一行中的频谱图通过将顶部频谱图中的值跨时间仓和跨频率归一化而生成。每一列对应于不同的记录布置。最左列使用两个未固定的电极(有源电极和参考电极)并将它们定位成彼此靠近以进行记录。中间一列将两个电极分离。右边的电极包括将电极彼此靠近地固定地容纳的多电极装置。
如图所示,原始频谱图由低频率活动主导,并且基本上不具有在较高频率下的可视活动。相比之下,归一化的频谱图包括横跨整个频率范围的突出的活动。这些频谱图也包括随时间变化的图案,这表明在特定频率下的活动可指示睡眠阶段。
在图21中,示出了时间序列“优选频率”图,该图使用原始频谱图(顶部)或跨时间仓和频率归一化的频谱图(底部)确定。在每个时间点处,优选频率被限定为与具有最高z分数的时间点相关联的频谱图内的频率。在顶部的图中,优选频率通常为60Hz,有时是非常低的频率,并且偶尔是另一个频率。在清醒状态期间的优选频率示出了对于其它状态来说更大的波动性,尽管在睡眠阶段之间的区别难以使用该变量来分辨。
同时,使用归一化的频谱图确定的优选频率变化要大得多。此外,状态特定的图案是明显的,并且甚至在睡眠阶段之间也是可分辨的。因此,图20和21显示,频谱图的迭代归一化可突出细微的区分频谱状态的特性。
本文所述实施方案还可通过在以下申请中的任一篇中的公开内容来引申或详述:美国专利申请第13/129,185号、美国专利申请第11/431,425号、美国专利申请第13/270,099号、WO/2010/057119、WO/2013/112771和WO/2011/056679。这些申请中的每一个均以引用的方式全文并入本文中以用于各种目的。另外,可在网址escholarship.Org/uc/item/6250v3wk#page-56得自万维网的Low,P.S.“Anewwaytolookatsleep:separation&convergence,”eScholarship(2007)也以引用的方式全文并入本文中以用于各种目的。
虽然已结合具体实施方案描述了本发明,但本领域技术人员将认识到,许多修改是可能的。例如,关于由多电极装置收集的信号的公开内容也可应用于从多个单电极装置或任何其它一个或多个装置收集的信号,这些装置可收集生物电信号。此外,对于关于未指定记录装置的信号或通道的公开内容来说,可使用可收集一个或多个生物电信号的本文所公开的任何装置或任何其它装置。还应当理解,本文所公开的实施方案可以各种组合结合。例如,来自各个流程图的框可以本文未明确示出或描述的方式组合和组织。
本发明的实施方案(例如,在方法、设备、计算机可读介质等中)可使用专用部件和/或可编程处理器和/或其它可编程装置的任何组合来实现。本文所述的各种过程可以以任何组合在相同的处理器或不同的处理器上实现。在部件描述为配置用于执行某些操作的情况下,这样的配置可例如通过将电子电路设计成执行该操作、通过将可编程电子电路(例如,微处理器)编程为执行该操作、或它们的任何组合来实现。此外,虽然上文所述的实施方案可以引用具体的硬件和软件部件,但本领域的技术人员将会知道,也可使用硬件和/或软件部件的不同组合,并且描述为在硬件中实现的特定操作也可能在软件中实现,反之亦然。
并入本发明的各种特征的计算机程序可以被编码和存储在各种计算机可读存储介质上;合适的介质包括磁盘或磁带、诸如高密度磁盘(CD)或DVD(数字多用盘)的光学存储介质、闪存存储器、以及其它非暂时性介质。用程序代码编码的计算机可读介质可以与兼容的电子装置包装在一起,或者程序代码可以与电子装置单独地提供(例如,经由互联网下载或作为分开包装的计算机可读存储介质)。
虽然已参照上述示例描述了本发明,但应当理解,修改和变型涵盖在本发明的精神和范围内。因此,本发明仅受限于所附权利要求。
Claims (67)
1.一种生理数据采集组件,所述生理数据采集组件包括具有一组电极的外壳,所述组的电极包括有源电极和参考电极,所述电极彼此紧邻。
2.根据权利要求1所述的生理数据采集组件,其中,所述电极间隔开小于约5、4或3英寸。
3.根据权利要求1所述的生理数据采集组件,其中,所述组的电极还包括接地电极。
4.根据权利要求1所述的生理数据采集组件,还包括功率子系统。
5.根据权利要求4所述的生理数据采集组件,其中,所述功率子系统包括电池。
6.根据权利要求1所述的生理数据采集组件,还包括用于分析从用户采集的生理数据的功能。
7.根据权利要求1所述的生理数据采集组件,其中,所述组件被配置成记录、传输或存储从用户采集的数据。
8.根据权利要求7所述的生理数据采集组件,其中,所述组件还包括用于加密采集的数据的功能。
9.根据权利要求1所述的生理数据采集组件,其中,所述组件还包括至少一个端口以对所述组件充电。
10.根据权利要求1所述的生理数据采集组件,其中,所述组件还包括至少一个端口以发送或接收数据。
11.根据权利要求6所述的生理数据采集组件,其中,所述组件还包括无线通信模块。
12.根据权利要求1所述的生理数据采集组件,其中,所述组件与远程服务器或计算装置通信。
13.根据权利要求11所述的生理数据采集组件,其中,所述组件与远程控制器无线通信。
14.根据权利要求13所述的生理数据采集组件,其中,所述远程控制器用作功率源或扩展坞。
15.根据权利要求1所述的生理数据采集组件,其中,所述组件还包括一个或多个附加传感器。
16.根据权利要求15所述的生理数据采集组件,其中,所述传感器选自由下列组成的组:加速计、GPS传感器、头部定位传感器、鼻腔气流速度计、体温传感器和血氧计。
17.根据权利要求1所述的生理数据采集组件,其中,所述一个或多个附加传感器检测选自由下列组成的组的生理参数:体温、脉搏、呼吸速率、呼吸量和血压。
18.根据权利要求1所述的生理数据采集组件,其中,采集的数据为肌电图数据。
19.根据权利要求12所述的生理数据采集组件,其中,所述计算装置包括图形显示器。
20.根据权利要求19所述的生理数据采集组件,其中,采集的数据用来在所述图形显示器上生成所需的文本选项。
21.根据权利要求12所述的生理数据采集组件,其中,所述计算装置选自由下列组成的组:假体、膝上型计算机、蜂窝电话、媒体播放器、医疗装置、平板计算机和平板手机。
22.根据权利要求12所述的生理数据采集组件,其中,所述计算装置为假体,并且采集的数据用来控制所述假体的移动。
23.根据权利要求1所述的生理数据采集组件,其中,采集的数据用来生成言语。
24.一种用于采集受试者的生理数据的系统,包括:
a)根据权利要求1-23中的任一项所述的生理数据采集组件;以及
b)计算装置、远程服务器或远程网络,其中,所述组件与所述计算装置、远程服务器或远程网络通信。
25.根据权利要求24所述的系统,其中,采集的数据为肌电图数据。
26.根据权利要求24所述的系统,其中,所述系统包括用于基于所述采集的数据生成言语的功能。
27.根据权利要求24所述的系统,其中,所述系统包括用于基于所述采集的数据在所述计算装置的图形显示器上生成所需文本选项的功能。
28.根据权利要求24所述的系统,其中,所述计算装置为假体,并且所述系统包括用于基于所述采集的数据控制所述假体的移动的功能。
29.一种获取并分析受试者的生理数据的方法,包括:
a)使用根据权利要求1-23中的任一项所述的组件从所述受试者获取生理数据;以及
b)分析在(a)中获取的所述生理数据,从而获取并分析所述生理数据。
30.根据权利要求29所述的方法,还包括基于(b)来确定所述受试者的清醒或觉醒的状态。
31.根据权利要求29所述的方法,还包括基于(b)来确定指示所述受试者的睡眠状态的参数。
32.根据权利要求29所述的方法,还包括基于(b)来确定药物对所述受试者的作用。
33.根据权利要求29所述的方法,还包括确定所述受试者的疾病的存在性或状态。
34.根据权利要求33所述的方法,其中,所述疾病为神经或神经退化性疾病。
35.根据权利要求34所述的方法,其中,所述疾病为肌萎缩侧索硬化症(ALS)或肌肉萎缩症。
36.根据权利要求29所述的方法,还包括利用(b)来控制或操纵与所述组件连接的计算装置。
37.根据权利要求36所述的方法,其中,(b)被进一步用来控制所述计算装置中的移动。
38.根据权利要求37所述的方法,其中,所述计算装置为假体。
39.根据权利要求36所述的方法,其中,(b)被进一步用来操纵显示在所述计算装置的图形用户接口上的光标、文本、图标或可视指针。
40.根据权利要求36所述的方法,其中,(b)被进一步用来经由所述计算装置生成声音。
41.根据权利要求40所述的方法,其中,所述声音为可听言语。
42.根据权利要求36所述的方法,还包括将获取的数据映射到具体的操纵。
43.根据权利要求29所述的方法,其中,所述生理数据为肌电图(EMG)数据或神经数据。
44.根据权利要求29所述的方法,其中,分析包括:
将所述频谱图归一化至少一次,即时间相对于频率;以及
将所述频谱图归一化至少一次,即频率相对于时间。
45.根据权利要求29所述的方法,其中,分析包括:
计算所述频谱图;
归一化所述频谱图;
执行独立分量分析或主分量分析;以及
识别群集。
46.根据权利要求29所述的方法,其中,分析包括执行时间片段化分析。
47.根据权利要求29所述的方法,其中,分析包括执行优选频率分析。
48.根据权利要求29所述的方法,其中,分析包括执行频谱片段化分析。
49.根据权利要求44所述的方法,还包括:
所述优选频率空间或所述片段化空间或所述群集空间的统计分析。
50.根据权利要求45所述的方法,还包括:
所述优选频率空间或所述片段化空间或所述群集空间的统计分析。
51.根据权利要求46所述的方法,还包括:
所述优选频率空间或所述片段化空间或所述群集空间的统计分析。
52.根据权利要求47所述的方法,还包括:
所述优选频率空间或所述片段化空间或所述群集空间的统计分析。
53.根据权利要求48所述的方法,还包括:
所述优选频率空间或所述片段化空间或所述群集空间的统计分析。
54.一种辅助具有有限的言语或移动能力的受试者的方法,所述方法包括:
a)使用根据权利要求1-23中的任一项所述的组件从所述受试者获取生理数据;
b)分析在(a)中获取的所述生理数据;以及
c)利用(b)来控制或操纵与所述组件连接的计算装置,从而辅助所述受试者。
55.根据权利要求54所述的方法,其中,所述受试者患有神经或神经退化性疾病。
56.根据权利要求55所述的方法,其中,所述疾病为肌萎缩侧索硬化症(ALS)或肌肉萎缩症。
57.根据权利要求54所述的方法,还包括利用(b)来控制或操纵与所述组件连接的计算装置。
58.根据权利要求57所述的方法,其中,(b)被进一步用来控制所述计算装置中的移动。
59.根据权利要求58所述的方法,其中,所述计算装置为假体。
60.根据权利要求57所述的方法,其中,(b)被进一步用来操纵显示在所述计算装置的图形用户接口上的光标、文本、图标或可视指针。
61.根据权利要求57所述的方法,其中,(b)被进一步用来经由所述计算装置生成声音。
62.根据权利要求61所述的方法,其中,所述声音为可听言语。
63.根据权利要求57所述的方法,还包括将获取的数据映射到具体的操纵。
64.根据权利要求54所述的方法,其中,所述生理数据为肌电图(EMG)数据或神经数据。
65.一种检测觉醒或清醒的状态的方法,所述方法包括:
a)使用根据权利要求1-23中的任一项所述的组件从所述受试者获取生理数据;
b)分析在(a)中获取的所述生理数据;以及
c)利用(b)来确定所述受试者的觉醒或清醒的参数,从而检测所述受试者的觉醒或清醒的所述状态。
66.根据权利要求65所述的方法,其中,所述受试者处于睡眠状态。
67.根据权利要求67所述的方法,还包括表征所述受试者的睡眠的质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210139522.4A CN114343672A (zh) | 2013-10-14 | 2014-10-14 | 生物信号局部收集、基于生物电信号的言语辅助接口光标控制和基于生物电信号的觉醒检测 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361890859P | 2013-10-14 | 2013-10-14 | |
US61/890,859 | 2013-10-14 | ||
PCT/US2014/060489 WO2015057709A1 (en) | 2013-10-14 | 2014-10-14 | Localized collection of biological signals, cursor control in speech-assistance interface based on biological electrical signals and arousal detection based on biological electrical signals |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210139522.4A Division CN114343672A (zh) | 2013-10-14 | 2014-10-14 | 生物信号局部收集、基于生物电信号的言语辅助接口光标控制和基于生物电信号的觉醒检测 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105813557A true CN105813557A (zh) | 2016-07-27 |
Family
ID=52828610
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210139522.4A Pending CN114343672A (zh) | 2013-10-14 | 2014-10-14 | 生物信号局部收集、基于生物电信号的言语辅助接口光标控制和基于生物电信号的觉醒检测 |
CN201480066976.7A Pending CN105813557A (zh) | 2013-10-14 | 2014-10-14 | 生物信号的局部收集、基于生物电信号的言语辅助接口中的光标控制以及基于生物电信号的觉醒检测 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210139522.4A Pending CN114343672A (zh) | 2013-10-14 | 2014-10-14 | 生物信号局部收集、基于生物电信号的言语辅助接口光标控制和基于生物电信号的觉醒检测 |
Country Status (7)
Country | Link |
---|---|
US (2) | US11672459B2 (zh) |
EP (1) | EP3057502A4 (zh) |
JP (1) | JP6710636B2 (zh) |
CN (2) | CN114343672A (zh) |
AU (4) | AU2014337565A1 (zh) |
NZ (1) | NZ720056A (zh) |
WO (1) | WO2015057709A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016061589A1 (en) * | 2014-10-17 | 2016-04-21 | G-Tech Medical, Inc. | Systems and methods for processing electromyographic signals of the gastrointestinal tract |
CN108778102A (zh) * | 2016-02-01 | 2018-11-09 | 威里利生命科学有限责任公司 | 使用心率的频谱分析和运动来检测快速眼动睡眠时段的机器学习模型 |
EP3231368B1 (en) * | 2016-04-15 | 2019-07-03 | Clebre Sp. z o.o. | Method and system for identifying respiratory events |
US10037677B2 (en) * | 2016-04-20 | 2018-07-31 | Arizona Board Of Regents On Behalf Of Arizona State University | Speech therapeutic devices and methods |
JP6972523B2 (ja) * | 2016-09-13 | 2021-11-24 | セイコーエプソン株式会社 | 電子機器 |
EP3446623A1 (en) * | 2017-08-22 | 2019-02-27 | Koninklijke Philips N.V. | Reducing physiological data size |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100049008A1 (en) * | 2006-09-27 | 2010-02-25 | Resmed Limited | Method and apparatus for assessing sleep quality |
CN102170825A (zh) * | 2008-08-08 | 2011-08-31 | Ntnu技术转让股份有限公司 | 生物信号的测量 |
CN102438515A (zh) * | 2008-11-14 | 2012-05-02 | 索尔克生物学研究所 | 识别睡眠模式与清醒模式的方法及用途 |
CN102791194A (zh) * | 2009-10-27 | 2012-11-21 | 纽尔络维吉尔公司 | 头带和无线eeg监视系统 |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4595013A (en) * | 1984-08-17 | 1986-06-17 | Neurologics, Inc. | Electrode harness |
US5047930A (en) * | 1987-06-26 | 1991-09-10 | Nicolet Instrument Corporation | Method and system for analysis of long term physiological polygraphic recordings |
US5772591A (en) * | 1995-06-06 | 1998-06-30 | Patient Comfort, Inc. | Electrode assembly for signaling a monitor |
DE19649991A1 (de) * | 1996-11-21 | 1998-06-04 | Axon Gmbh Schmalkalden | Verfahren zur Ermittlung von Schlaf- und Wachprofilen |
US6952604B2 (en) * | 2001-12-21 | 2005-10-04 | Becton, Dickinson And Company | Minimally-invasive system and method for monitoring analyte levels |
ATE496577T1 (de) * | 2002-09-19 | 2011-02-15 | Univ Ramot | Verfahren, gerät und system zur charakterisierung von schlaf |
AU2002951984A0 (en) * | 2002-10-10 | 2002-10-31 | Compumedics Limited | Sleep quality and auto cpap awakening |
MXPA05003815A (es) * | 2002-10-09 | 2005-07-13 | Compumedics Ltd | Metodo y aparato para mantener y monitorear la calidad del sueno durante tratamientos terapeuticos. |
US6950698B2 (en) * | 2003-07-02 | 2005-09-27 | Instrumentarium Corp. | Method of positioning electrodes for central nervous system monitoring |
US8606356B2 (en) | 2003-09-18 | 2013-12-10 | Cardiac Pacemakers, Inc. | Autonomic arousal detection system and method |
US20060293608A1 (en) * | 2004-02-27 | 2006-12-28 | Axon Sleep Research Laboratories, Inc. | Device for and method of predicting a user's sleep state |
US8725244B2 (en) * | 2004-03-16 | 2014-05-13 | Medtronic, Inc. | Determination of sleep quality for neurological disorders |
US20060258930A1 (en) * | 2004-05-18 | 2006-11-16 | Jianping Wu | Device for use in sleep stage determination using frontal electrodes |
US7860561B1 (en) * | 2004-06-04 | 2010-12-28 | Cleveland Medical Devices Inc. | Method of quantifying a subject's wake or sleep state and system for measuring |
US20050280531A1 (en) * | 2004-06-18 | 2005-12-22 | Fadem Kalford C | Device and method for transmitting physiologic data |
WO2006121455A1 (en) * | 2005-05-10 | 2006-11-16 | The Salk Institute For Biological Studies | Dynamic signal processing |
US7865235B2 (en) * | 2005-09-12 | 2011-01-04 | Tan Thi Thai Le | Method and system for detecting and classifying the mental state of a subject |
US7733224B2 (en) * | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
US7715894B2 (en) * | 2005-11-10 | 2010-05-11 | Conopco, Inc. | Apparatus and method for acquiring a signal |
US20070238945A1 (en) * | 2006-03-22 | 2007-10-11 | Emir Delic | Electrode Headset |
US20090105577A1 (en) * | 2006-05-18 | 2009-04-23 | Jianping Wu | Device For Detecting Electrical Potentials Using Frontal Electrodes |
US8437843B1 (en) * | 2006-06-16 | 2013-05-07 | Cleveland Medical Devices Inc. | EEG data acquisition system with novel features |
JP2008305199A (ja) * | 2007-06-07 | 2008-12-18 | Fujitsu Component Ltd | 入力システム及びプログラム |
CN100496392C (zh) * | 2007-06-15 | 2009-06-10 | 西安电子科技大学 | 失眠的神经反馈治疗装置 |
US20090024044A1 (en) * | 2007-07-17 | 2009-01-22 | The General Electric Company | Data recording for patient status analysis |
CA2706640C (en) * | 2007-11-29 | 2018-11-27 | Elminda Ltd. | Functional analysis of neurophysiological data |
US8326408B2 (en) * | 2008-06-18 | 2012-12-04 | Green George H | Method and apparatus of neurological feedback systems to control physical objects for therapeutic and other reasons |
US9186083B2 (en) * | 2009-02-24 | 2015-11-17 | Natus Medical Incorporated | Method and system for sleep stage determination |
CA2765500C (en) * | 2009-06-15 | 2019-07-30 | Brain Computer Interface Llc | A brain-computer interface test battery for the physiological assessment of nervous system health. |
EP2470071B1 (en) * | 2009-08-26 | 2016-11-02 | The University Of Kansas | Device, system, and method for determination of oral/lip stiffness |
RU2415642C1 (ru) * | 2009-09-03 | 2011-04-10 | Российская Федерация, в лице которой выступает Министерство образования и науки Российской Федерации | Способ классификации электроэнцефалографических сигналов в интерфейсе мозг - компьютер |
EP2488099A1 (en) * | 2009-10-16 | 2012-08-22 | Aircraft Medical Limited | Transducer mountings and wearable monitors |
US9980662B2 (en) * | 2010-05-25 | 2018-05-29 | Neurowave Systems Inc. | Method and system for electrode impedance measurement |
US8515522B2 (en) * | 2010-05-25 | 2013-08-20 | Neurowave Systems Inc. | Electrode kit for easy and fast deployment in electroencephalogram acquisition and monitoring applications |
US20120065536A1 (en) * | 2010-09-10 | 2012-03-15 | Elvir Causevic | System and method for neurological evaluation |
EP2670299A4 (en) * | 2011-02-03 | 2017-08-09 | The Medical Research, Infrastructure, And Health Services Fund Of The Tel Aviv Medical Center | Method and system for use in monitoring neural activity in a subject's brain |
RU2013154787A (ru) * | 2011-05-11 | 2015-06-20 | Конинклейке Филипс Н.В. | Устройство для аннотирования стадий сна |
US9220436B2 (en) * | 2011-09-26 | 2015-12-29 | Covidien Lp | Technique for remanufacturing a BIS sensor |
CN102512159B (zh) * | 2011-12-08 | 2014-04-23 | 西安交通大学 | 一种便携式无线脑电采集装置 |
US10039460B2 (en) * | 2013-01-22 | 2018-08-07 | MiSleeping, Inc. | Neural activity recording apparatus and method of using same |
-
2014
- 2014-10-14 CN CN202210139522.4A patent/CN114343672A/zh active Pending
- 2014-10-14 JP JP2016522723A patent/JP6710636B2/ja active Active
- 2014-10-14 CN CN201480066976.7A patent/CN105813557A/zh active Pending
- 2014-10-14 NZ NZ720056A patent/NZ720056A/en unknown
- 2014-10-14 EP EP14854640.1A patent/EP3057502A4/en active Pending
- 2014-10-14 AU AU2014337565A patent/AU2014337565A1/en not_active Abandoned
- 2014-10-14 WO PCT/US2014/060489 patent/WO2015057709A1/en active Application Filing
- 2014-10-14 US US15/028,887 patent/US11672459B2/en active Active
-
2019
- 2019-06-12 AU AU2019204112A patent/AU2019204112B2/en active Active
-
2021
- 2021-10-13 AU AU2021250913A patent/AU2021250913B2/en active Active
-
2023
- 2023-04-28 US US18/140,764 patent/US20230346285A1/en active Pending
- 2023-10-06 AU AU2023241380A patent/AU2023241380A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100049008A1 (en) * | 2006-09-27 | 2010-02-25 | Resmed Limited | Method and apparatus for assessing sleep quality |
CN102170825A (zh) * | 2008-08-08 | 2011-08-31 | Ntnu技术转让股份有限公司 | 生物信号的测量 |
CN102438515A (zh) * | 2008-11-14 | 2012-05-02 | 索尔克生物学研究所 | 识别睡眠模式与清醒模式的方法及用途 |
CN102791194A (zh) * | 2009-10-27 | 2012-11-21 | 纽尔络维吉尔公司 | 头带和无线eeg监视系统 |
Also Published As
Publication number | Publication date |
---|---|
AU2019204112B2 (en) | 2021-07-15 |
JP6710636B2 (ja) | 2020-06-17 |
JP2016533217A (ja) | 2016-10-27 |
NZ720056A (en) | 2021-07-30 |
AU2021250913B2 (en) | 2023-07-06 |
CN114343672A (zh) | 2022-04-15 |
AU2019204112A1 (en) | 2019-07-04 |
WO2015057709A1 (en) | 2015-04-23 |
US20160256067A1 (en) | 2016-09-08 |
AU2023241380A1 (en) | 2023-10-26 |
EP3057502A1 (en) | 2016-08-24 |
AU2021250913A1 (en) | 2021-11-11 |
US20230346285A1 (en) | 2023-11-02 |
AU2014337565A1 (en) | 2016-06-02 |
US11672459B2 (en) | 2023-06-13 |
EP3057502A4 (en) | 2017-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021250913B2 (en) | Localized collection of biological signals, cursor control in speech-assistance interface based on biological electrical signals and arousal detection based on biological electrical signals | |
Athavipach et al. | A wearable in-ear EEG device for emotion monitoring | |
US20200086133A1 (en) | Validation, compliance, and/or intervention with ear device | |
Nguyen et al. | A lightweight and inexpensive in-ear sensing system for automatic whole-night sleep stage monitoring | |
EP3752066A2 (en) | Infrasound biosensor system and method | |
US20190073605A1 (en) | Systems and methods for real-time neural command classification and task execution | |
CN104605849A (zh) | 一种脑电生物反馈诊断治疗仪、系统及使用方法 | |
WO2018120635A1 (zh) | 生理数据的监测方法及装置 | |
US20210022636A1 (en) | Bio-signal detecting headband | |
US20140171819A1 (en) | Neurological Monitoring Method and System | |
Pereira et al. | Biometric recognition: A systematic review on electrocardiogram data acquisition methods | |
Kwon et al. | Sinabro: A smartphone-integrated opportunistic electrocardiogram monitoring system | |
US20180103858A1 (en) | Earbud electrocardiogram monitor and associated systems and methods | |
Divya et al. | Reliable smart earplug sensors for monitoring human organs based on 5G technology | |
WO2023186050A1 (zh) | 体征信号的解析方法、装置以及存储介质 | |
WO2022126024A1 (en) | Foldable sensor-based devices | |
CN209515202U (zh) | 一种急救信息传递系统 | |
Zhao et al. | A pervasive stress monitoring system based on biological signals | |
CN208910229U (zh) | 基于可穿戴设备的医疗系统 | |
CN106601075A (zh) | 脑电波输入训练器 | |
US11998305B2 (en) | Systems and methods for using a wearable health monitor | |
US20210345894A1 (en) | Systems and methods for using algorithms and acoustic input to control, monitor, annotate, and configure a wearable health monitor that monitors physiological signals | |
Ahmed et al. | Deep Audio Spectral Processing for Respiration Rate Estimation from Smart Commodity Earbuds | |
Song | Enabling Smart Health Applications via Active Acoustic Sensing on Commodity Mobile Devices | |
Nidhya | Analysis of IoT Wearable Sensors to Monitor Chronic Diseases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160727 |
|
RJ01 | Rejection of invention patent application after publication |