CN106663140A - 用于检测对象的健康状况的设备、系统和方法 - Google Patents
用于检测对象的健康状况的设备、系统和方法 Download PDFInfo
- Publication number
- CN106663140A CN106663140A CN201580035574.5A CN201580035574A CN106663140A CN 106663140 A CN106663140 A CN 106663140A CN 201580035574 A CN201580035574 A CN 201580035574A CN 106663140 A CN106663140 A CN 106663140A
- Authority
- CN
- China
- Prior art keywords
- disease
- diseases
- physiology
- classification
- user input
- 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
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- 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
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
-
- 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
- A61B5/72—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
- A61B5/7235—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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Cardiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种用于检测对象(15)的健康状况的设备,包括:数据接口(12),其用于接收所述对象(15)的传感器数据(14)和用于表征一种或多种疾病的一个或多个疾病分类参数(16);用户接口(18),其用于接收与疾病活动有关的用户输入(20);分析单元(26),其用于从所接收的传感器数据(14)提取一个或多个生理和/或行为特征;优化器单元(28),其用于基于所述一个或多个生理和/或行为特征与所述用户输入(20)之间的相关性分析来优化所述一个或多个疾病分类参数(16);以及检测单元(30),其用于通过将一个或多个疾病分类参数(16)应用到所述一个或多个生理和/或行为特征来检测所述对象(15)的健康状况。
Description
技术领域
本发明涉及用于检测对象的健康状况的设备、系统和方法。具体而言,本发明涉及对已经被诊断的慢性疾病的恶化的可靠和早期的检测。本发明尤其是在治疗和慢性疾病管理期间应用于医院以及家庭健康护理监测。
背景技术
在医院和在家两者中的健康护理管理中,监测患者的健康状态对于以足够的正确和有效程度来检测患者的健康状况是至关重要的。在治疗和慢性疾病管理(其常常具有长的持续时间并且因此是昂贵的)期间,尤其重要的是在患者的状况的恶化开始之后尽可能快地检测到这种情况。以这种方式,能够及时开展自我管理活动和健康护理介入,以便有效且高效地降低发作的严重性或者管理该疾病。这对于改进治疗结果和患者的生活质量(QoL)以及降低整体治疗费用是至关重要的。
当前的健康护理途径,尤其是慢性途径,在很大程度上取决于患者基于他正经历的症状和总体状况来开始对他的治疗的介入和优化。患者的该健康护理激活角色在任何时候都不可能快速地减弱或减少,不管对引入健康护理提供者的更前前瞻性的方法的所有尝试。
当前方法或者基于客观测量结果(其并非针对个体患者被个性化化或优化的)或者基于主观输入(其常常对事件发信号太晚)。同时,能够在支持患者更好(即,更可靠或更一致)地执行该角色方面改进许多。当前情况是患者并不具有任何其他信息源,而是仅具有对他的状况的他自己的主观解释。这受他的瞬时心身状态极大地影响并且因此是用于触发健康护理介入的阈值。作为结果,不同患者或者甚至在不同情况下的相同患者在从太早(导致健康护理资源的过载)直到和主导太晚的大量不同的时刻中触发健康护理。结果,这导致差的结果和事件扩大到太昂贵而不能够进行处置的状况。使得患者和医师在早期阶段意识到健康状况的变化的益处对于改善治疗反馈回路的性能是显而易见的,对患者QoL、治疗结果、资源的有意义使用以及治疗的总体花费的具有积极影响。
US 2013/0182107A1公开了一种用于监测患者的系统,包括视频相机,所述视频相机捕获患者的位置的图像,其中,所捕获的图像由视频处理设备接收,并且与先前的图像进行比较,以确定运动水平。运动警告水平信号根据运动水平来确定并且将其与运动警告阈值进行比较,以便在运动警告水平信号超过运动警报阈值时生成运动警告信号。此外,所述系统使得能够接收用户输入以用于确定所捕获的图像的至少一个区域。
发明内容
本发明的目的是提供用于检测对象的健康状况的设备、系统及方法,其实现具有检测的健康状况的增加的准确性和可靠性的用户前瞻性疾病管理。
在本发明的第一方面中,提出了一种用于检测对象的健康状况的设备,其包括:数据接口,其用于接收对象的传感器数据以及用于表征一种或多种疾病的一个或多个疾病分类参数;用户接口,其用于接收与由所述对象(15)感知的疾病活动有关的用户输入,其中,所述疾病活动至少包括一个或多个症状的发生;分析单元,其用于从所接收的传感器数据提取一个或多个生理和/或行为特征;优化器单元,其用于基于所述一个或多个生理和/或行为特征与所述用户输入之间的相关性分析来优化所述一个或多个疾病分类参数;以及检测单元,其用于通过将一个或多个经优化的疾病分类参数应用到所述一个或多个生理和/或行为特征来检测所述对象的健康状况。
所述传感器数据可以包括使用一个或多个传感器、尤其是运动传感器采集的数据,所述传感器被配置为监测患者的生理和/或行为数据,尤其是运动向量、运动速度和/或角度。生理和/或行为特征可以是指示患者的身体活动的水平的身体活动水平、呼吸率、诸如刮擦、起床、步行、胸部扩大、呼吸率的时间模式。疾病分类参数可以包括生理和/或行为和/或生物和/或化学和/或物理参数,其适于尤其是根据传感器数据的类型来表征疾病。具体地,疾病分类参数可以包括与生理和/或行为特征有关的参数。健康状况可以是患者的疾病状态或疾病状态的变化,诸如爆发或恶化,尤其是他/她的状况的身心恶化。具体地,健康状况可以包括疾病的加剧。疾病活动描述疾病的活动,诸如一个或多个症状的发生(被认为指示用户的状况的身体或心理特征)。具体地,与疾病活动有关的用户输入是用户/患者关于其自身的疾病的活动或者关于疾病的特定症状的主观感知。优选地,用户输入包括水平,尤其是由用户/患者感知的疾病活动的定量水平,或者是绝对的或者是相对于先前时间段的。
有利地,本发明使得能够组合用户输入与一个或多个生理和/或行为特征,以执行相关性分析。这增加了参数优化的可靠性,因为从客观测量和从用户的主观感知两者采集的信息被利用。借助于相关性分析(其基于一个或多个相关性函数),用户输入与生理和/或行为特征之间的相关性能够以高准确性来分析。具体地,用户输入能够被用于从与关于疾病活动的用户的主观感知最相关的所提取的生理和/或行为特征搜索信息。一方面,这可以充当“过滤器”以选择用于检测健康状况的最有用的信息,导致增加的有效性;另一方面,这也实现个性化参数优化,导致增加的可靠性。
在优选实施例中,优化器单元被配置为将所述用户输入与不同于用户输入时间、具体而言比所述用户输入时间更早的时间的一个或多个生理和/或行为特征相关。用户输入时间被理解为在其处用户接口接收用户输入。以这种方式,如果用户/患者比发作的实际开始更晚地主观感测疾病活动或者诸如疾病的爆发、恶化或加重的发作,则本发明能够研究所测量的传感器数据的历史,并且将用户输入与先前提取的生理和/或行为特征相关,以便找到其中与用户主观感知的疾病活动或发作相关的信息。该信息能够被用于优化疾病分类参数。经优化的参数因此能够在将来被应用于不晚于或者甚至早于患者自身的主观感知检测将来的疾病活动或发作。本发明因此克服了多数患者趋于显著比疾病活动或发作发生的时间更晚感测疾病活动或发作的问题。
在优选实施例中,所述优化器单元被配置为在用户接口已经接收用户输入之后的预定义时间间隔内优化所述一个或多个疾病分类参数。有利地,本发明使得能够每当用户已经执行对用户接口的输入时对疾病分类参数进行优化。以这种方式,实现了“按需”的参数优化,同时能够在通过用户接口没有记录用户输入时避免不必要计算功率。通过选择用户输入的接收与参数优化之间的适当时间间隔,本发明能够有效执行参数优化。
在另一优选实施例中,所述优化器单元被配置为定义来自所述一个或多个生理和/或行为特征的组合。有利地,本发明使得能够聚焦于通常针对对象的相关和重要的生理和/或行为特征,并且以恰当的方式,诸如以恰当顺序和/或利用针对个体特征的恰当的架构对其进行组合。因此,进一步增加了参数优化的有效性和可靠性。
在另一优选实施例中,所述优化器单元被配置为根据所述一个或多个疾病分类参数导出至少一个症状特性,所述症状特性被配置为指示至少一种疾病的发展和/或活动状态。所述症状特性可以包括检测的疾病状态(DDS)特性,其能够被用于检测DDS。优选地,诸如高或低疾病活动、减轻的稳定疾病状态可以使用至少一个症状特性来检测。进一步优选地,还可以检测稳定状态之间的变化,诸如增加或减少疾病活动。有利地,本发明能够优化疾病分类参数,使得当它们被应用于生理和/或行为特征时,能够通过与疾病的发展和/或活动状态相关而更具体地检测患者的健康状况。能够实现疾病特异性检测。此外,健康状况检测能够以这样的方式更个体地执行,即,适于个体患者的个人健康情况。
在另一优选实施例中,所述症状特性被配置为指示至少一种疾病的疾病活动减少和/或减轻。有利地,本发明能够提供对象的健康状况的不仅定性而且还定量的检测。症状特性可以优选包括基线模式,所述基线模式是与一个或多个生理和/或行为特征有关的模式。所述基线模式被配置为指示疾病活动相对低或者疾病活动何时减少或者何时发生疾病的减轻。在检测到低疾病活动时,治疗或者疾病管理可以被及时调整以优化治疗效果。
在另一优选实施例中,所述症状特性被配置为指示至少一种疾病的活动增加。有利地,治疗或疾病管理可以在检测到高疾病活动时被及时调整,从而降低疾病对患者的影响。在又一优选实施例中,症状特性被配置为指示疾病的两个活动状态之间的疾病活动改变。这是有利的,因为健康状况检测不仅对于稳定疾病状态而且对于以更灵活检测产生的可变疾病状态是可能的。
在另一优选实施例中,所述症状特性包括在时间上的动态分量变量。以这种方式,本发明能够准确检测健康状况,即使针对健康状况典型的生理和/或行为特征已经随着时间改变。这有利地用于检测疾病的发作,诸如爆发或者恶化,甚至当表征发作的症状在一时间段之后已经改变时。这样的改变能够借助于症状特性的动态分量来考虑,使得能够相应地优化疾病分类参数。例如,如果牛皮癣患者通过在床上的增加的摇荡和转向对即将到来的爆发进行反应,并且两年后刮擦其主要反应变为其主要鉴别行为,则本发明将识别其并且将疾病分类参数中的权重从摇荡和转向移位到刮擦。然而,该范例不限于牛皮癣的情况,而是通常也可应用于其他疾病。
在另一优选实施例中,根据本发明的设备还被配置为根据多个个体疾病分类参数导出至少一个平均疾病分类参数。有利地,本发明使得能够利用相对疾病分类参数。这可以在参数优化已经被执行之后完成。例如,可以通过数据接口接收包括来自多个个体患者/用户的疾病分类参数的疾病分类参数的初始集合。通过导出平均疾病分类参数,可以确定高代表性初始参数。“平均”涉及本领域已知的疾病分类参数的量和/或其他变量的值和/或准确性水平和/或数量。
在另一优选实施例中,所述用户接口被配置为基于多个疾病活动水平输入来计算相对疾病活动水平。以这种方式,用户输入的随机和/或不想要波动能够被平均,使得本发明使得能够更可靠地利用用户输入。相对疾病活动水平可以基于多个先前疾病活动水平输入,其优选可以被指定为来自预定时间段。
在另一优选实施例中,所述优化器单元被配置为将经优化的一个或多个疾病分类参数加载到存储介质。以这种方式,包含经优化的疾病分类参数的一个或多个数据文件可以被存储以供与相同设备或不同设备一起的未来利用。这导致增加的用户灵活性以及更有效的资源利用。
在本发明的又一方面中,提出了一种用于检测对象的健康状况的系统,其包括:监测单元,所述监测单元包括一个或多个传感器,以用于测量和/或监测来自所述对象的传感器数据;以及如本文公开的设备,其用于通过处理所测量和/或监测的传感器数据来检测所述对象的健康状况。根据本发明的系统有利地实现获得传感器数据和处理所获的传感器数据两者,从而以高可靠性和有效性来检测健康状况,同时涉及定性和定量用户输入。
在本发明的另一方面中,提出了一种用于检测对象的健康状况的方法,包括如下步骤:接收所述对象的传感器数据和用于表征一种或多种疾病的一个或多个疾病分类参数;接收与疾病活动有关的用户输入;从所接收的传感器数据提取一个或多个生理和/或行为特征;基于所述一个或多个生理和/或行为特征与所述用户输入之间的相关性分析来优化所述一个或多个疾病分类参数;并且通过将一个或多个疾病分类参数应用到所述一个或多个生理和/或行为特征来检测所述对象的健康状况。
在本发明的又一方面中,提供了一种包括程序代码模块的计算机程序,所述程序代码模块用于一旦所述一个或多个计算机程序在计算机上执行时令所述计算机执行本文公开的方法的步骤;以及一种在其中存储计算机程序产品的非瞬态计算机可读记录介质,所述计算机程序产品当由设备运行时,令本文公开的方法被执行。
本发明的优选实施例被定义在从属权利要求中。还应当理解,请求保护的系统、方法和计算机程序与请求保护并且如从属权利要求中定义的设备具有相似和/或相同的优选实施例。
附图说明
本发明的这些和其他方面将根据下文描述的实施例而显而易见,并且将参考下文描述的实施例得到阐述。在附图中:
图1示出了根据本发明的设备的第一实施例的示意性框图;
图2示出了根据本发明的设备的第二实施例的示意性框图;
图3示出了根据本发明的设备的第三实施例的示意性框图;
图4示出了连接模式中的多个图1中的设备的示意性框图;
图5示出了在重复运动期间测量的运动速度;并且
图6示出了根据本发明的系统的实施例的示意性框图。
具体实施方式
参考图1,根据第一实施例示出了用于检测对象的健康状况的设备10的示意性框图。设备10包括数据接口12,所述数据接口用于接收对象15(图6)的传感器数据14和用于表征一种或多种疾病的一个或多个疾病分类参数16。数据接口12可以包括本领域已知的任何类型的数据接口,尤其是RS-232、GPIB、C.35、电流回路等,而不限于上述类型的数据接口。数据接口12可以包括空间分离的接口元件12a、b,一个用于接收传感器数据14,并且另一个用于接收疾病分类参数16,如图1所示。然而应当理解,数据接口12备选地可以包括一个单个接口元件,以用于接收传感器数据14和疾病分类参数16两者。
设备10还包括用于接收与疾病活动有关的用户输入20的用户接口18。用户接口18可以包括任何类型的接口,包括图形用户接口(GUI)、基于命令的用户接口、基于文本的用户接口,而不限于上述类型。用户输入20可以包括文本输入、语音输入、视觉输入,包含与用户的主观感知的疾病活动或发作有关的信息。
设备10还包括分析单元26,其用于从所接收的传感器数据14提取一个或多个生理和/或行为特征。优选地,分析单元26被配置为使用一个或多个特征提取算法提取一个或多个生理和/或行为特征。生理和/或行为特征可以是床移动,诸如摇荡、翻转和刮擦、睡眠位置的改变或其他身体运动。备选地,其他类型的生理和/或行为特征包括,但不限于:体温的变化、血压的变化、呼吸特征、声音等。
设备10还包括优化器单元28,其用于优化通过数据接口12接收的一个或多个疾病分类参数16。优化器单元28通过使用相关性分析将用户输入20与从传感器数据14提取的一个或多个生理和/或行为特征相关来优化疾病分类参数16。以这种方式,被包含在用户输入20中的信息被用于“过滤”一个或多个提取的特征,使得来自与关于疾病活动或者发作的用户主观感知最相关的这样的特征的信息能够从所提取的特征导出并且用于优化疾病分类参数16。优选地,优化器单元28被配置为在用户输入20已经通过用户接口18被接收之后的预定义间隔内执行疾病分类参数16的优化。
由设备10使用的相关性分析通常利用包括一个或多个相关性系数的相关性函数。这样的相关性系数可以包括皮尔森积矩系数、秩相关性系数,包括Spearman秩相关性系数和Kendall秩相关性系数。相关性分析能将一个或多个提取的特征与用户输入相关,使得可以选择和组合相关的特征。
在另一优选实施例中,优化器单元28被配置为在从传感器数据14中提取的一个或多个生理和/或行为特征之中搜索用户输入20的预测器,以便执行参数优化。在优选实施例中,搜索预测器是通过相关性分析来完成的,每当用户接口18接收新的用户输入14,优选在用户接口18已经接收新的用户输入14之后的预定义时间间隔之后执行所述相关性分析。所述预测器优选为如下的组合:来自从传感器数据14、尤其是从在夜间接收的传感器数据14提取的一个或多个生理和/或行为特征中的若干特征;和/或先前提取的生理和/或行为特征;和/或先前接收的一个或多个用户输入20。具体地,这样的组合可以包括在一个或多个生理和/或行为特征之中的用户输入20的一个或多个预测器变量。这是有利的,因为其考虑每个患者具有增加的疾病活动的生理和/或行为早期标记物的他或她自身的集合。以这种方式,本发明允许将检测过程适应于每个个体患者。通过聚焦于最强标记物,患者状况的加剧可以在患者能够注意其之前若干天从在夜间的潜意识活动检测到。
优选地,优化器28被配置为将用户输入20与不同于用户输入时间、尤其是早于用户输入时间的时间的一个或多个生理和/或行为特征相关。在识别了与历史数据中的用户的主观感知的疾病活动或发作相关的信息后,该信息可以被用于优化疾病分类参数16。经优化的疾病分类参数16可以被用于对健康状况的未来检测,从而允许早期检测,尤其是允许比患者本身能够主观感测健康状况更早的健康状况的检测。这允许手术人员提前应用和/或调节其治疗并且避免产生于之后的检测的花费。
在又一优选实施例中,优化器单元28被配置为从一个或多个疾病分类参数16导出症状特性,其中,所述症状特性被配置为指示至少一种疾病的发展和/或活动状态。具体地,所述症状特性被配置为指示疾病的活动状态。所述特性状态优选可以被配置为指示至少一种疾病的活动疾病和/或减轻和/或活动增加。具体地,所述症状特性可以是疾病的基线模式,所述基线模式是与一个或多个生理和/或行为特征有关并且针对相对低疾病活动典型的模式。具体地,所述基线模式可以被配置为被包含在一个或多个生理和/或行为特征中的一个或多个变量的值和/或它们的时间模式的组合。进一步优选地,所述症状特性可以被用于检测对象15中的一种或多种疾病的爆发或恶化。优选地,在症状参数的帮助下优化的疾病分类参数16,因此实现疾病的即将到来的爆发或恶化的早期检测。优选地,从疾病分类参数16导出的症状特性包括在时间上可变的至少一个动态分量。
设备10还包括检测单元30,其用于检测对象15的健康状况。检测单元30通过使用一个或多个疾病分类参数16表征一个或多个生理/或行为特征中的至少一种疾病来检测健康状况。疾病分类参数16,尤其是在已经由优化器单元28优化之后,被应用于从传感器数据14提取的一个或多个生理和/或行为特征。健康状况可以是一种或多种疾病的存在、一种或多种疾病的发展的水平、多种疾病中的一种疾病的疾病活动的水平、症状的加剧的风险、一个或多个症状的出现或者本领域已知的其他种类的疾病状况。
参考图2,示出了根据另一实施例的设备10’的示意性框图。图2中的设备10’实质上与图1中所示的设备10相同,除了用户接口18包括被配置为实现疾病输入的疾病输入元件22和被配置为实现疾病的疾病活动水平输入的水平输入元件24。优选地,疾病输入元件22可以包括文本输入元件,诸如键盘或触摸屏。在另一优选实施例中,疾病输入元件22可以包括语音输入元件,使得可以记录用户的语音并且可以提取被包含在用户的语音消息中的疾病。疾病的一个或多个名称可以通过一个或多个按钮来存储和显示,使得用户可以按压所述一个或多个按钮以输入疾病输入。优选地,水平输入元件24可以包括一个或多个按钮或旋钮,使得用户可以将疾病活动水平输入到设备10中。进一步优选地,用户接口18被配置为实现或者合并一个或多个疾病活动量化方法,尤其是疾病活动评分-28(DAS28)、AKA、联合计数等。在另一优选实施例中,水平输入元件24包括语音输入单元,使得可以记录包含由用户、尤其是患者感知的疾病活动的水平的用户的语音消息。在又一优选实施例中,疾病输入元件22和水平输入元件24被配置为单个输入元件,优选为语音输入元件,使得包含疾病输入和疾病活动水平输入两者的用户的语音消息可以被记录和提取。在另一优选实施例中,用户接口18使得能够在用户/患者执行用户输入20和/或用户输入20的部分(诸如疾病输入和/或疾病活动水平输入)时记录时间。
本发明因此实现除从本领域已知的设备、系统和方法之外的健康状况的更准确和有效检测。通过实现疾病输入和疾病活动水平输入,在提供用于疾病检测的更准确信息过程中帮助用户,尤其是患者。具体地,在提供不仅关于疾病的定性信息,而且关于其疾病活动水平的定量信息过程中帮助患者。这是有利的,因为当患者经受疾病影响时,对于他/她而言维持提供正确信息所需的精神状态变得困难。因此,根据本发明的用户接口增加患者输入的可靠性以及当这应的输入被利用时的健康状况检测的总体可靠性。
此外,使用疾病活动水平输入还简化疾病分类参数的优化过程。相比于仅仅定性输入,疾病活动水平输入是定量的并且能够在优化分类参数时由优化器单元直接集成。这降低了当完全定性输入在参数优化期间被实施时将必要的编码努力,得到由于错误解释的误差的降低的机会。因此,能够在考虑每个患者自身的健康状况的发展时更可靠地优化疾病分类参数。
参考图3示出了根据另一实施例的设备10”的示意性框图。图3的设备10”实质上包括与图2的设备10’相同的部件,除了设备10”还包括存储介质32,存储介质32被配置为存储在其已经由优化器单元28优化后的一个或多个疾病分类参数16。存储介质32可以备选地被配置为外部存储介质32’(在图3中被示出为虚线)。在存储介质32的帮助下,疾病分类参数16可以被存储为数据文件,具体而言,每个用于表征一种特定疾病和/或一种特定疾病概况。存储介质32可以是本领域已知的任何种类的存储介质,诸如闪速存储器、相位变化存储器、磁性存储器、光子存储器等,而不限于上述类型的存储介质。应当理解,图2的设备10’还可以包括诸如存储介质32、32’。在优选实施例中,存储介质32’被配置为移动存储卡,尤其是能够被插入到数据库系统中的SIM卡。数据库系统尤其可以是通用平台,其支持针对一种或多种疾病,尤其是慢性疾病的数据文件的富有集合。这样的数据文件可以被用于以高有效性和可靠性检测健康状况,因为它们基于从患者15测量的相关生理和/或行为特征,并且基于由对象15或其他用户提供的用户输入20。在优选实施例中,数据文件中的每个数据文件均包含根据症状特性的疾病分类参数16的集合。这样的数据文件可以被用于以高可靠性检测至少一种疾病的发展和/或活动状态。应当理解,存储介质32、32’也可以被包括到图1中的设备10中。
在另一优选实施例中,存储介质32被配置为实现备份机构或者与其合作,所述备份机构用于创建被存储在存储介质32中的一个或多个数据文件的备份。在又一优选实施例中,存储介质32被配置为存储用户输入20和/或疾病分类参数16和/或传感器数据14和/或一个或多个生理和/或行为特征。这使得设备10、10’、10”能够研究先前测量和/或接收的传感器数据14,尤其是每当新的用户设备14已经被执行之后。有利地,这使得能够安全且可重复地应用一方面用户输入14与另一方面一个或多个生理和/或行为特征之间的相关性分析。这能够取决于存储介质32的实现而在设备10、10’、10”内局部地或者外部地完成。因此,可以根据相关性分析的结果来优化疾病分类参数16。
参考图4,根据在连接模式中的多个图1中的设备10示出了示意性框图。因此,多个图1中示出的设备10经由个体数据接口12来连接。应当理解,图4中的设备10还可以由图2中的设备10’或者图3中的设备10”来替代。图4中的设备10因此能够彼此交换数据,尤其是交换用户输入20和/或疾病分类参数16和/或传感器数据14和/或一个或多个生理和/或行为特征。以这种方式实现的网络可以用作中央处理系统(CPS)36。在另一优选实施例中,中央处理系统36包括中央通信单元,多个设备10中的一个或多个经由个体数据接口12连接到所述中央通信单元。优选地,其他设备和/或系统可以经由中央通信单元连接到CPS 36,使得它们的数据也可以与一个或多个设备10交换。
在本文中公开的所有实施例中,一个或多个疾病可以是类风湿性关节炎(RA)、慢性阻塞性肺病(COPD)、充血性心力衰竭(CHF)、克罗恩病、牛皮癣以及强直性脊柱炎等,而不限于上述疾病。在RA的情况下,一个或多个生理和/或行为特征可以是不自然睡眠位置和/或睡眠期间的降低的移动和/或移动手足中的困难和/或起床中的困难和/或起床的更长持续时间。与这些生理和/或行为特征相关,诸如身体活动水平的疾病分类参数可以根据从传感器数据14(尤其是在视频序列中)检测的一个或多个运动向量或者一个或多个运动来计算。具体地,身体活动水平可以是全局全身活动记录检查和/或局部身体部分运动的水平。在优选实施例中,运动持续时间可以基于高于阈值的身体活动水平计数来计算。在另一优选实施例中,所述身体活动水平可以与从“良好”晚上、即从其中患者已经示出正常身体活动水平的晚上导出的进行比较。极大降低的身体活动水平指示降低的运动和/或移动困难。
在COPD的情况下,生理和/或行为特征可以坐立不安的和/或搜索坐姿和/或呼吸模式和/或喘气呼吸和/或咳嗽等。对应疾病分类参数16可以与运动向量的频率分析相关。在优选实施例中,运动向量的频率分析被配置为使得其能够返回突然运动。在优选实施例中,与音频分析结合使用运动分析来检测生理和/或行为特征。高身体活动水平指示对象15的坐立不安。
在克罗恩病的情况下,生理和/或行为特征可以是与夜间的上厕所相关联的痉挛和运动。对应疾病分类参数16可以包括对象15的位置坐标,以便检测关于诸如床区的感兴趣区域的运动区的改变。视频运动区指示患者的运动的区。每当患者离开作为床区的感兴趣区域时,监测单元36就检测离床运动,并且反之亦然。
在牛皮癣的情况下,生理和/或行为特征可以是刮擦运动,同时对应疾病分类参数16可以包括对象15的运动速度和/或运动频率和/或运动角度。图5示出了作为时间(水平轴)的函数的床中的重复运动期间的运动速度的测量结果(垂直轴)。根据测量结果,所监测的运动的速度和/或频率能够被导出和分析,以提取生理和/或行为特征。
在强直性脊柱炎的情况下,生理和/或行为特征可以是与晨僵相关联的运动,同时对应疾病分类参数16可以包括对象15的身体活动水平。对象15的身体活动水平增加能够被编程为指示降低的移动。
在优选实施例中,设备10、10’、10”被配置为导出疾病分类参数16的初始集合,尤其是通过从设备和/或系统(例如,在使用中和/或已经被使用的设备和/或系统)收集疾病分类参数16。数据分析可以被应用于所收集的疾病分类参数16,以便创建针对个体用户的初始疾病分类参数16的最优集合。以这种方式,本发明并不需要额外地将其本身适应于个体用户,但是能够利用最优疾病分类参数16直接开始。这相比于本领域已知的系统是有利的,其中,必须利用参数的一些初始集合开始,并且仅在有时系统将其自身适应于个体用户之后。因此,本发明实现对健康状况的更加有效的检测。
在另一实施例中,设备10、10’、10”被配置为导出初始疾病分类参数16的多个集合,并且从所述多个集合确定最优参数集合。优选地,最优参数集合可以基于用户参数输入20和/或一个或多个生理和/或行为特征来确定,尤其是在接收和/或监测一个或多个生理和/或行为特征的开始或早期阶段处。优选地,可以针对男性导出疾病分类参数16的初始/最优集合,同时可以针对女性导出疾病分类参数16的不同初始/最优集合。在又一优选实施例中,数据接口12包括输出接口元件,其用于将由数据接口12接收的传感器数据14和/或疾病分类参数16传送到CPS和/或数据库系统,尤其是通用平台。以这种方式,设备10、10’、10”被连接到CPS和/或数据库系统。优选地,设备10、10’、10”之间以及到中央处理系统和/或数据库系统的连接在多个数据交换会话期间活动,并且在数据交换会话外部不活动。
在本文公开的实施例中,设备10、10’、10”还被配置为以信号告知用户/患者关于所检测的健康状况。以这种方式,患者能够意识到一个或多个疾病的恶化或者疾病的爆发。
参考图6,示出了根据实施例的用于检测对象的健康状况的系统34的示意性框图。系统34包括如本文参考图2公开的设备10’以及监测单元36,所述监测单元包括用于测量和/或监测来自对象10的传感器数据的一个或多个传感器。技术人员应当理解,系统34可以包括如在图1、3示出的设备10、10”,而不是设备10’。图6中的虚线仅仅为了图示目的,而不应当被理解为限制由监测单元36监测对象10的方式。具体地,监测单元36可以被配置为监测对象15的整个身体或者其部分。
一个或多个传感器可以包括能够执行相关生理和/或行为测量的任何类型的传感器。在优选实施例中,一个或多个传感器包括在低光状况下使用的至少一个传感器。这样的传感器可以是相机,诸如能够测量晚上时间行为的红外(IR)相机,使得可以基于所测量的夜间时间行为来检测患者的健康状况。IR相机对于其无接触执行测量的能力和容易安装而言是有利的。非侵扰监测因此能够具有高背景稳定性。此外,IR相机被已知为捕获大的背景,包括具有大数量的对象的大区域、大数量的不同运动,睡眠环境的大的背景,诸如床上的所有人、他们的身体活动、呼吸和身体位置等。最后,IR相机适于用于长持续时间,尤其是在再入院惩罚时段期间的若干夜晚,使得能够避免再入院。IR相机还可以被用于甚至更长的时间段。这使得能够比较源自于长时段的传感器数据14(提供针对改进的参数优化的基础)以及更可靠的健康状况检测。
在另一优选实施例中,监测单元36的一个或多个传感器协作和/或实现视频分析。这是有利的,因为视频分析使得能够监测患者的身体活动水平,包括全局全身活动记录检查和/或局部身体部分运动。视频分析还简化运动的分类,使得能够更容易地从传感器数据14提取生理和/或行为特征。运动分类优选地包括转向、离床、移动腿部、刮擦、重复运动、突然和/或坐立不安运动。监测单元36中的一个或多个也可以检测呼吸、身体位置、上床或离床、一个或多个光源的开/关状态等。在优选实施例中,上述监测能够在共享床情况下由监测单元36来执行。
在其他优选实施例中,用于监测单元36的一个或多个传感器包括一个或多个麦克风和/或加速度计和/或环境传感器和/或温度传感器和/或湿度传感器。然而,本发明不限于上述类型的传感器。另外的实施例包括睡眠监测设备,诸如Actiwatch、PSG设备。
尽管在附图和前面的描述中已经详细图示和描述了本发明,但是这些图示和描述应被视为说明性或示范性的而非限制性的;本发明不限于所公开的实施例。通过研究附图、公开内容以及权利要求书,本领域技术人员在实践所要求保护的本发明时能够理解和实现对所公开的实施例的其他变型。
在权利要求书中,“包括”一词不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个元件或其他单元可以履行权利要求书中所记载的若干项目的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以被存储/分布在合适的介质上,例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质,但计算机程序可也可以以其他形式来分布,例如经由因特网或者其他有线或无线电信系统分布。
权利要求书中的任何附图标记不应被解读为对范围的限制。
Claims (15)
1.一种用于检测对象(15)的健康状况的设备,包括:
-数据接口(12),其用于接收所述对象(15)的传感器数据(14)和用于表征一种或多种疾病的一个或多个疾病分类参数(16);
-用户接口(18),其用于接收与由所述对象(15)感知的疾病活动有关的用户输入(20),其中,所述疾病活动至少包括一个或多个症状的发生;
-分析单元(26),其用于从接收到的所述传感器数据(14)提取一个或多个生理和/或行为特征;
-优化器单元(28),其用于基于所述一个或多个生理和/或行为特征与所述用户输入(20)之间的相关性分析来优化所述一个或多个疾病分类参数(16);以及
-检测单元(30),其用于通过将经优化的所述一个或多个疾病分类参数(16)应用到所述一个或多个生理和/或行为特征来检测所述对象(15)的健康状况。
2.根据权利要求1所述的设备,其中,所述优化器单元(28)被配置为使所述用户输入(20)与一时间的所述一个或多个生理和/或行为特征相关,所述时间不同于用户输入时间的,具体而言早于所述用户输入时间。
3.根据权利要求1所述的设备,其中,所述优化器单元(28)被配置为在所述用户接口(18)已经接收到所述用户输入(20)之后的预定义时间间隔内优化所述一个或多个疾病分类参数(16)。
4.根据权利要求1所述的设备,其中,所述优化器单元(28)被配置为定义来自所述一个或多个生理和/或行为特征的组合。
5.根据权利要求1所述的设备,其中,所述优化器单元(28)被配置为根据所述一个或多个疾病分类参数(16)来导出至少一个症状特性,所述症状特性被配置为指示至少一种疾病的发展和/或活动状态。
6.根据权利要求5所述的设备,其中,所述症状特性被配置为指示至少一种疾病的疾病活动减少和/或减轻。
7.根据权利要求5所述的设备,其中,所述症状特性被配置为指示至少一种疾病的疾病活动增加。
8.根据权利要求5所述的设备,其中,所述症状特性包括在时间上的动态分量变量。
9.根据权利要求1所述的设备,还被配置为根据多个个体疾病分类参数(16)来导出至少一个平均疾病分类参数(16)。
10.根据权利要求1所述的设备,其中,所述用户接口(18)被配置为基于多个疾病活动水平输入来计算相对疾病活动水平。
11.根据权利要求1所述的设备,其中,所述优化器单元(28)被配置为将经优化的所述一个或多个疾病分类参数(16)加载到存储介质(32)。
12.一种用于检测对象(15)的健康状况的系统(34),包括:
-监测单元(36),其包括一个或多个传感器,以测量和/或监测来自所述对象(15)的传感器数据(14);以及
-根据权利要求1所述的设备,其用于通过处理所测量和/或监测的所述传感器数据(14)来检测所述对象(15)的健康状况。
13.根据权利要求12所述的系统(34),其中,所述一个或多个传感器中的至少一个传感器是相机,优选为红外相机。
14.一种用于检测对象(15)的健康状况的方法,包括如下步骤:
-接收所述对象(15)的传感器数据(14)和用于表征一种或多种疾病的一个或多个疾病分类参数(16);
-接收与由所述对象(15)感知的疾病活动有关的用户输入(20),其中,所述疾病活动至少包括一个或多个症状的发生;
-从接收到的所述传感器数据(14)提取一个或多个生理和/或行为特征;
-基于所述一个或多个生理和/或行为特征与所述用户输入(20)之间的相关性分析来优化所述一个或多个疾病分类参数(16);并且
-通过将经优化的所述一个或多个疾病分类参数(16)应用到所述一个或多个生理和/或行为特征来检测所述对象(15)的健康状况。
15.一种包括程序代码单元的计算机程序,当所述计算机程序在计算机上执行时,所述程序代码单元用于令所述计算机执行根据权利要求14所述的方法的所述步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP14175028.1 | 2014-06-30 | ||
EP14175028 | 2014-06-30 | ||
PCT/EP2015/063784 WO2016000979A1 (en) | 2014-06-30 | 2015-06-19 | Device, system and method for detecting a health condition of a subject |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106663140A true CN106663140A (zh) | 2017-05-10 |
Family
ID=51176110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580035574.5A Pending CN106663140A (zh) | 2014-06-30 | 2015-06-19 | 用于检测对象的健康状况的设备、系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20170103178A1 (zh) |
EP (1) | EP3160328B1 (zh) |
JP (1) | JP6385470B2 (zh) |
CN (1) | CN106663140A (zh) |
WO (1) | WO2016000979A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117297593A (zh) * | 2023-10-30 | 2023-12-29 | 济宁医学院附属医院 | 一种用于强直性脊柱炎患者的行动检测系统及检测方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11903680B2 (en) | 2015-06-14 | 2024-02-20 | Facense Ltd. | Wearable-based health state verification for physical access authorization |
JP7028787B2 (ja) * | 2016-03-22 | 2022-03-02 | コーニンクレッカ フィリップス エヌ ヴェ | 視覚的コンテキストを用いる、生理学的パラメータの測定の適時トリガ |
GB2549099B (en) * | 2016-04-04 | 2021-02-10 | Connido Ltd | Monitor and system for monitoring |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110245629A1 (en) * | 2010-03-31 | 2011-10-06 | Medtronic, Inc. | Patient data display |
EP2439492A1 (en) * | 2010-10-07 | 2012-04-11 | Honeywell International, Inc. | System and method for wavelet-based gait classification |
CN102448368A (zh) * | 2009-06-04 | 2012-05-09 | 皇家飞利浦电子股份有限公司 | 用于提供失眠症的行为治疗的方法和系统 |
CN103637785A (zh) * | 2013-12-18 | 2014-03-19 | 上海众人网络安全技术有限公司 | 一种移动智能健康监护手表 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7656299B2 (en) * | 2007-01-17 | 2010-02-02 | Hoana Medical, Inc. | Bed exit and patient detection system |
JP2005218507A (ja) * | 2004-02-03 | 2005-08-18 | Tama Tlo Kk | バイタルサイン計測方法と装置 |
US20070118054A1 (en) * | 2005-11-01 | 2007-05-24 | Earlysense Ltd. | Methods and systems for monitoring patients for clinical episodes |
US9492084B2 (en) * | 2004-06-18 | 2016-11-15 | Adidas Ag | Systems and methods for monitoring subjects in potential physiological distress |
US8140312B2 (en) * | 2007-05-14 | 2012-03-20 | Abbott Diabetes Care Inc. | Method and system for determining analyte levels |
US10437962B2 (en) * | 2008-12-23 | 2019-10-08 | Roche Diabetes Care Inc | Status reporting of a structured collection procedure |
US9526429B2 (en) * | 2009-02-06 | 2016-12-27 | Resmed Sensor Technologies Limited | Apparatus, system and method for chronic disease monitoring |
US8577433B2 (en) * | 2009-11-18 | 2013-11-05 | Covidien Lp | Medical device alarm modeling |
US20120130196A1 (en) * | 2010-11-24 | 2012-05-24 | Fujitsu Limited | Mood Sensor |
WO2012122002A1 (en) * | 2011-03-04 | 2012-09-13 | Stryker Corporation | Sensing system for patient supports |
US20140315170A1 (en) * | 2011-11-23 | 2014-10-23 | Proteus Digital Health, Inc. | Apparatus, System, and Method to Promote Behavior Change Based on Mindfulness Methodologies |
US8743200B2 (en) * | 2012-01-16 | 2014-06-03 | Hipass Design Llc | Activity monitor |
US9770195B2 (en) * | 2012-08-09 | 2017-09-26 | The Regents Of The University Of California | Automated scratch detection system and signal processing algorithm for the study of pruritus in animals |
WO2015191562A1 (en) * | 2014-06-09 | 2015-12-17 | Revon Systems, Llc | Systems and methods for health tracking and management |
-
2015
- 2015-06-19 CN CN201580035574.5A patent/CN106663140A/zh active Pending
- 2015-06-19 EP EP15729201.2A patent/EP3160328B1/en not_active Not-in-force
- 2015-06-19 US US15/311,646 patent/US20170103178A1/en not_active Abandoned
- 2015-06-19 JP JP2016573599A patent/JP6385470B2/ja not_active Expired - Fee Related
- 2015-06-19 WO PCT/EP2015/063784 patent/WO2016000979A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102448368A (zh) * | 2009-06-04 | 2012-05-09 | 皇家飞利浦电子股份有限公司 | 用于提供失眠症的行为治疗的方法和系统 |
US20110245629A1 (en) * | 2010-03-31 | 2011-10-06 | Medtronic, Inc. | Patient data display |
EP2439492A1 (en) * | 2010-10-07 | 2012-04-11 | Honeywell International, Inc. | System and method for wavelet-based gait classification |
CN103637785A (zh) * | 2013-12-18 | 2014-03-19 | 上海众人网络安全技术有限公司 | 一种移动智能健康监护手表 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117297593A (zh) * | 2023-10-30 | 2023-12-29 | 济宁医学院附属医院 | 一种用于强直性脊柱炎患者的行动检测系统及检测方法 |
CN117297593B (zh) * | 2023-10-30 | 2024-04-05 | 济宁医学院附属医院 | 一种用于强直性脊柱炎患者的行动检测系统及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20170103178A1 (en) | 2017-04-13 |
EP3160328B1 (en) | 2018-06-06 |
WO2016000979A1 (en) | 2016-01-07 |
EP3160328A1 (en) | 2017-05-03 |
JP6385470B2 (ja) | 2018-09-05 |
JP2017522939A (ja) | 2017-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11819344B2 (en) | Systems for automatic assessment of fall risk | |
US20200311609A1 (en) | Adaptive model-based system to automatically quantify fall risk | |
EP3367883B1 (en) | Monitoring activities of daily living of a person | |
JP2023171650A (ja) | プライバシーの保護を伴う人物の識別しおよび/または痛み、疲労、気分、および意図の識別および定量化のためのシステムおよび方法 | |
CN112784662A (zh) | 基于视频的跌倒风险评价系统 | |
JP7185805B2 (ja) | 転倒リスク評価システム | |
CN107411753A (zh) | 一种识别步态的可穿戴设备 | |
US20210158965A1 (en) | Automated mobility assessment | |
CN106663140A (zh) | 用于检测对象的健康状况的设备、系统和方法 | |
CN113657150A (zh) | 一种跌倒检测方法、装置和计算机可读存储介质 | |
CN105100701A (zh) | 提高从主体的视频获得的生理信号的准确性 | |
CN114068022A (zh) | 跌倒风险的预警方法及装置、存储介质、电子设备 | |
Dai | Vision-based 3d human motion analysis for fall detection and bed-exiting | |
JP2021030050A (ja) | 認知機能評価方法、認知機能評価装置及び認知機能評価プログラム | |
Shukralia et al. | Fall detection of elderly in ambient assisted smart living using cnn based ensemble approach | |
Xie et al. | Skeleton-based fall events classification with data fusion | |
Tohidypour et al. | A deep learning based human fall detection solution | |
Andreoni et al. | Design and ergonomics of monitoring system for elderly | |
US11806130B2 (en) | Predicting the probability of a brain injury of a subject resulting from a fall | |
US20210166554A1 (en) | Personalized fall detector | |
Ismail | Gait and postural sway analysis, A multi-modal system | |
WO2022249746A1 (ja) | 身体機能推定システム、身体機能推定方法、及び、プログラム | |
US20240065596A1 (en) | Method and system for detecting short-term stress and generating alerts inside the indoor environment | |
EP4170666A1 (en) | Device, system and method for generating information on recovery of a subject | |
KR20230124414A (ko) | 통증 등급 산출 방법, 통증 등급 산출 장치 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |