CN107980161B - 用于处理数据流的方法和系统 - Google Patents
用于处理数据流的方法和系统 Download PDFInfo
- Publication number
- CN107980161B CN107980161B CN201680032375.3A CN201680032375A CN107980161B CN 107980161 B CN107980161 B CN 107980161B CN 201680032375 A CN201680032375 A CN 201680032375A CN 107980161 B CN107980161 B CN 107980161B
- Authority
- CN
- China
- Prior art keywords
- time
- data stream
- time stamp
- information
- stamp information
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
- G16H40/40—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 management of medical equipment or devices, e.g. scheduling maintenance or upgrades
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Environmental & Geological Engineering (AREA)
- Pathology (AREA)
- Cardiology (AREA)
- Electrotherapy Devices (AREA)
Abstract
一种处理数据流的计算机实现方法,所述方法包括以下步骤:接收多个数据流,其中至少一个数据流代表由预定传感器装置感测的患者的至少一个生理信号,并且接收至少一个时间戳信息,每个时间戳信息与各自的数据流相关联,所述时间戳信息代表将所述时间戳信息与各自的数据流相关联的时间点,并且将各自的时间偏移信息与每个时间戳信息相关联,所述时间偏移信息代表由所述预定传感器装置感测所述至少一个信号的时间点和将所述时间戳信息与代表所述至少一个信号的数据流相关联的时间点之间的延迟。
Description
本发明涉及用于处理数据流的方法和系统,并且特别涉及用于处理由置于患者体内或体表的神经植入物和其他传感器装置捕获的数据流。
大部分神经假体装置不会随着时间的推移来调整其治疗参数,例如刺激强度(电流或电压)、刺激频率或刺激脉冲宽度。这些装置由医生进行一次编程,以利用相同的参数反复工作。只有当患者到诊所就医时,医生才能改变参数。几种非常新的装置的确调整了它的参数——但是其只能同时对由装置测量的一个输入进行调整。他们既不考虑来自其他装置的输入,也不考虑历史记录。同样,当前的装置没有用于存储由装置测量的数据的容量,或者其用于存储由装置测量的数据的容量非常有限。
原因在于没有如下可用的系统:在所述系统中,可以将利用一个传感器装置获取的数据与利用一个或多个另外的传感器获取的数据有意义地进行组合。
本发明的一个目的是提供至少部分解决这些问题的方法和系统。该目的通过根据权利要求所述的方法和系统以及计算机可读存储介质来实现。
因此,在权利要求中限定的本发明是用于记录植入物数据的方法和系统,所述植入物数据可以与同时记录的其它参数组合,并且用于分析和/或调整治疗参数和/或用作其他治疗中的信息。
根据本发明的方法和系统可以用于以高的精度(通常为一个或多个毫秒的数量级)将感测的数据流按时间对齐形成一个数据集,并且使用该数据集来调整治疗参数和/或用于研究,例如用于在其他治疗或更多治疗中对多个数据集进行研究数据挖掘。
以下参考附图来描述本发明,在附图中:
图1是示出根据本发明一个实施例的数据获取流程的方案;
图2是示出时间信息和数据库内容的关系的方案;
图3是具有中央数据库连接的装置系统架构的方案;
图4是单个插件的控制架构的模型视图;和
图5是关于闭环应用的pipeline插件视图。
图1的实施例是感测、记录和进一步处理源自患者的数据的配置。如图1所示,一个或多个神经电极植入物10连接至可植入控制单元50,所述可植入控制单元50进而与体外便携式处理装置100耦接。还存在与体外便携式处理装置100耦接的其他传感器20-40。例如,神经植入物10和其他传感器20-40感测来自人体内部或外部的神经信号和其它参数。将所感测的信号转换成数据流并传送至体外便携式处理装置100以用于进一步处理。出于空间和可访问性的原因,将可植入控制单元50布置在神经植入物10(和其他传感器20-40)与体外便携式处理装置100之间的数据流程中。神经植入物10通常不会提供足够空间以用于神经植入物10的控制电子器件和与人体外部通信的通信电子器件。
更确切而言,体外便携式处理装置100包括用于至少临时记录数据流{d1,d2,...,dn}的临时存储器110、用于生成时间戳t的时间基准120以及用于将数据流{d1,d2,...,dn}与时间戳t相关联的处理装置。也就是说,将代表信号的数据流{d1,d2,...,dn}中的每一个与恰好在实际记录对应数据流时生成的时间戳信息一起记录。
因此,植入物控制单元50和传感器20-40将其信号以数据流{d1,d2,...,dn}的形式中继到体外便携式处理装置100。体外便携式处理装置100是可由患者携带的体外装置。它包括用于生成足够精确的时间戳t(例如,精度为一个或多个微秒量级)的时间基准120和临时存储器110(例如,足够大的硬盘或闪存盘)。当数据流到达体外便携式处理装置100时,生成时间戳t并将其分配给该数据流,并将两者存储在临时存储器110中。在可以经由数据传输介质200(例如,因特网或局域网)连接至数据库300时,将来自临时存储器110的数据(即,数据流与其时间戳一起)传送至数据库300。对于数据库300,存在几种可能的配置。例如,数据库可以是服务器群组/云中的数据库服务器或患者家中的计算机。
根据待感测信号(或参数)的性质,神经电极植入物10和传感器20-40可以用于:侵入式生理参数,即用于记录来自脑或个体神经的电活动(电压、电流)的电极、用于感测电化学梯度以识别生物分子浓度的传感器、用于pH或血糖的传感器;非侵入式生理参数,即肌电图(EMG)、心率、皮肤电导率、身体运动(加速度计)、血压。待由人体外部的传感器20-40感测的其他示例性非生理参数是GPS位置、环境参数如温度、噪声/声音(以分贝计)、光照水平、天气。可以将传感器20-40中的一些或全部传感器集成在体外便携式处理装置100内。
神经电极植入物10可以是传感器和刺激植入物的组合,即它可以用作感测神经元信号的装置,并且可以用作将刺激脉冲(信号)施加至神经元系统的装置。
感测神经元活动和施加神经元脉冲也可以通过单独的神经电极植入物来逐个进行。这样,提供至少两个神经电极植入物10,一个植入物10用于感测神经元活动,且一个植入物10’用于施加刺激脉冲(信号)。
侵入式执行机构可以为:用于对脑或个体神经进行电刺激的电极、用于施用药物的执行机构;非侵入式执行机构可以为:手/手臂或发声假体、向医院/医生或患者自己发出警报的报警传感器。
时间基准120可以是无线电控时钟、定时更新电子器件上运行的系统时间的时间服务器、GPS、网络时间协议(由PC/电子器件自动更新其时间的因特网)、以及提供精确世界协调时间(UTC)信息的其他装置。精度应优选为如上所述的毫秒数量级,更优选为约2-4毫秒,并且在特定的情形中其应为1毫秒。这对应于神经信号的采样率的数量级。
使用将对应数据流存储在体外便携式处理装置100的临时存储器110中的时间点t作为时间戳t,这对于使数据流与利用其它传感器捕获的数据流进行同步的目的和/或对于触发刺激脉冲目的而言可能不够精确。其原因在于,在通过植入物10或其他传感器20-40实际感测信号和将其存储在体外便携式处理装置100的临时存储器110(在其中生成时间戳t)中之间可能存在显著的延迟。这对于神经元信号而言尤其如此,所述神经元极短,并可能具有几kHz至高至几MHz数量级的频谱部分和/或频率。
因此,根据本发明,对于每个神经植入物10、传感器装置20-40和处理装置100而言,精确的时间同步可以考虑由神经植入物10、传感器装置20-40实际感测信号的时间点和时间点t(即实际将由体外便携式处理装置100记录数据流的时间点)之间的延迟ΔtS,所述时间点t为生成时间戳并将其与表示感测信号的数据流相关联的时间点。通常,对于每个传感器10、20-40而言,各自的延迟ΔtS将呈现各自的预定义概率分布。从已知的各自概率分布,可以推导出特定传感器的延迟ΔtS。例如,可以通过其平均延迟和延迟的方差对其延迟ΔtS呈现高斯分布的感测装置10、20-40建模。给定这些参数,可以从所存储的时间戳t计算最可能的事件发生时间点(用感测信号表示)。
此外,可以考虑(如果存在的话)体外便携式处理装置100本身的记录装置的延迟ΔtR。然后,考虑检测信号(表示事件)和记录数据流之间的延迟ΔtS以及时间处理装置100自身的记录装置的延迟ΔtR,即通过从所存储的与数据流相关联的时间戳t直接减去时间处理装置100和传感器信号之间的平均延迟之差来考虑:t’=t-(ΔtS+ΔtR)。如果时间基准点和/或延迟信号不同,则可以执行延迟ΔtS、ΔtR的其它计算。
作为最低限度的信息,平均延迟应当是已知的。优选将与特定植入物10、传感器20-40、可植入控制单元50和处理装置100的延迟相关的所有信息分别存储在产品规格数据库中,所述产品规格数据库可优选在处理装置100和数据库300的外部。
这样在时间上对齐(即,彼此同步)的数据流可以用于调整和更新治疗参数:首先,可以基于存储在数据库300中的数据更新神经植入物10及其可植入控制单元50的治疗参数:数据库的分析将更新经由数据传输介质200(与上述数据上传相同的方式反向)发送至执行机构(植入物)和传感器10-40以及控制单元50,在所述执行机构(植入物)和传感器10-40以及控制单元50中将对基于所记录的传感器活动的执行机构活动计算算法进行更新。例如,已知的是,由于学习、习惯和神经元可塑性的其他因素,(特别是)神经活动随时间发生变化或调整。考虑到这一点,同样需要随着时间的推移来调整治疗参数。
在另一种模式中,这种更新经由患者的私人网络装置200来运行,其中患者可以手动控制更新(即,用于测试等)。将传感器20-40或执行机构(植入物)10的参数组的每次修改也存储在数据库300中,并且用对应的时间戳进行注释。这样,对传感器20-40和执行机构10的修改也是可追踪的。
而且,医生可以用存储在数据库300中的数据进行诊断。在一种方式中,可以使医生能够获得所关注时间窗中的某组参数的数据。
在高级方式中,还利用时间戳t标记由具有其自有技术设备的医生、临床工作人员或由患者自己获取并记录的诊断数据,并将其上传并存储在数据库300中,由此按如上所述校正时间戳。反之,医生可以结合由体外便携式记录单元100记录并上传至数据库300的数据来使用直接利用其设备记录的经时间戳标记的数据(没有上传至数据库300)。
作为示例,佩戴神经假体装置(与体外便携式处理装置100一起)的患者来看眼科专家,其中医生向患者呈现不同的刺激并且还记录其瞳孔收缩。将与瞳孔收缩有关的刺激和数据与其记录延迟和精确时间戳一起存储。然后可以将数据经由接口上传至数据库300,在该处将数据与由患者的神经假体装置获取的患者脑活动同步,并经由体外便携式处理装置100发送至数据库300。然后可以由医生对患者的眼睛进行诊断,如同自己平行记录了患者的脑活动一样。
另一个示例涉及研究数据挖掘:可以将来自多个患者的数据流与来自其他传感器的数据流一起进行处理,以找出神经过程和这些传感器数据流之间的关系的新见解。可以将数据集以原始形式或预处理形式(例如上采样或下采样形式或以另一种文件格式转换的形式)导出。
对于每种类型的数据流(例如,神经元数据或心电图),将由数据流和时间戳表示的事件存储在数据库300中。对于每种装置类型,还将用于延迟的概率分布的参数存储在产品数据库中。
为了数据的安全识别和安全性,可以为每个患者分配唯一的假名。为了保护患者的私人数据,将每个患者的个人数据(例如,姓名和地址)分开存储并与其假名一起加密。以未加密的方式存储患者的传感器数据,且仅与患者的假名相关联。
只有通过加密协议才允许访问数据库300,所述加密协议确保隐私并确保想要访问数据库的个人的真实性。
可以对经由数据传输介质的数据传输加密,而加密的强度取决于被传输的数据类型和传输介质。
由患者或其医生根据临床需要和隐私保护来选择安全/加密级别。可能会因临床需要连续在线上传部分信息,例如关键安全参数(心率等)。
图2是示出更大背景中时间信息和数据库300内容的关系的方案。如从图2中可见的,数据库300可以存储来自几个患者1、2、...、k的数据流。每个患者可以配有几个传感器装置1、2...、m,每个传感器装置感测信号或参数并从其产生数据流。如前所述,每个数据流{d1,d2,...,dn}代表至少一个事件(由信号表示)。将对应的时间戳ti与每个数据流{d1,d2,...,dn}相关联。生成时间戳ti(i是第i个感测事件的索引),并通过患者的体外便携式处理装置100进行关联。将数据流与其时间戳ti一起从该处传输至数据库300(在传送介质200可用之后)并存储在那里。
可以将所有的或多个数据流{d1,d2,...,dn}(以及传感器10、20-40、植入物控制单元50)和与一名患者相关的执行机构的控制数据称为患者数据和装置控制数据集(PDC)。可以以标准化格式导出存储在数据库300中的数据,并且可以被客户1、2、...、j(例如,医生)获得以用于诊断。另一方面,一些客户可以直接访问数据库300的特定或全部PDC。出于容量或传输的原因,可以压缩数据。
可以在产品规格数据库上访问传感器装置10、20-40的传感器特异性测量延迟ΔtS和处理装置100的记录装置的延迟ΔtR。该数据库可以在存储测量数据的数据库300的外部。另一方面,还可以将与特定传感器装置10、20-40和处理装置相关的延迟ΔtS、ΔtR分别保持在数据库300中备用。
数据库300还可以存储未被以任何方式处理的原始数据,即由传感器传送的数据。
处理装置100收集的数据可以有几种使用方式。首先,可以对数据进行预处理,然后将其发送至相应的数据库300,以用于进一步处理或如上文所述的分析目的。
其次,可以将所收集的数据传送至由可植入控制单元50和刺激植入物(即可植入电极10’)形成的刺激单元。它可以经由实时总线系统(例如,CAN总线)或经由无线链路与处理装置100连接。将传感器数据以其记录速率发送至刺激装置。刺激装置包括植入物控制单元50和植入物10’,由此通过控制算法(例如,神经网络、模糊逻辑等)来实现控制器。执行机构部件包括电极、信号生成等。控制器根据其当前的参数集来处理传感器数据,生成用于系统执行机构部件的相应设定值,并将其反馈至系统的执行机构部件。由此提供了闭环刺激系统。
利用控制参数的矢量来配置闭环系统的所有部件(例如,处理装置、控制算法)。传感器可基于这些参数来修改其数据采集速率或过滤器设置。通过这些参数(例如,人工神经网络中的边权、PID参数等)来定义或调整控制算法。
基于对数据库侧的测量数据的(例如由医生进行的)分析,可以经由传输介质200对参数矢量进行更新。可以通过由测量装置初始化的轮询请求或通过数据库侧的推送来启动参数矢量更新。通过将新的控制集合嵌入数据库300中来触发数据库推送。
作为安全措施,可以将参数空间限制于安全子空间。在应用之前,验证控制矢量是否在安全子空间的边界内。只有在矢量安全的情况下才将其传送至相应的装置部件。然后将对下一步的测量数据进行处理,并根据新的参数矢量生成控制输出。将参数矢量中的修改与当前的时间戳t一起记录在数据库300中。安全子空间可以由医生定义,例如,在门诊治疗会话期间定义。
在图3中描述了系统架构,其包括主要软件组件的体外便携式处理装置100。体外便携式处理装置100(包括pipeline插件)的所有部件将其数据存储在临时存储器110中。由CPU执行该处理。安装能够运行多个线程的操作系统。
该系统由多个部件组成。一个部件是配置数据库115,其优选位于临时存储器(例如,硬盘驱动器、闪存驱动器等)110中。该数据库115包含一般应用信息,其包括需要加载何种类型的插件(见下文)以及应当应用何种类型的配置参数。这些参数的一部分是控制矢量以及对于患者和医生而言可能不同的安全参数子空间。
基于配置数据库115中的参数,pipeline管理器130使用pipeline插件构建器140来创建和初始化pipeline插件150。另外,它控制测量回路的开始/停止。
pipeline插件150由几个插件450组成。图4是单个插件的框图。通过模型视图控制软件设计模式来设计各个插件。因此,每个插件450的图形用户界面(GUI)只可以经由控制器(即适配器)455来访问模型。适配器455修改模型(即处理对象)456,其进而将模型改变发送至适配器455。然后将这些改变发送回至视图451。因此,系统的主GUI由包含各个插件视图的视图容器组成。通过前驱将新数据推送至处理对象,进行本地处理,然后传送至后继单元。应用延迟复制。因此,只有在需要改变数据的情况下才复制数据。每个插件部件都在其自己的线程中运行。如果两个连续对象的数据类型是相同的类型,则可以连接处理对象456、457、458。作为配置数据库115的一部分存储连接图形。连接图表示插件及其互连,其中图形的节点对应于插件,并且图形的边缘对应于插件之间的连接。因此,基于该图形,各个插件彼此连接,以用于在体外便携式处理装置100上实现特定的硬件/软件系统。
可以配置灵活且可扩展的插件系统,使得形成闭环系统(参见图5)。对于连接至系统的每个传感器10、20-40,存在一个硬件通信插件101。例如,图3示出了与用于神经信号的神经植入物10的连接。通过插件将刺激命令{d1,d2,...,dn}传送至植入物控制单元50,所述植入物控制单元50连接至体外便携式处理装置100。植入物控制单元50进而连接至神经植入物10。将神经信号记录经由植入物控制单元50发送回至硬件通信插件101。
将该传感器数据发送至四个不同的位置。首先,通过其时间戳t扩展该传感器数据并将其存储至临时存储器110。该临时存储器110优选(但不一定)位于与配置数据库115相同的永久驱动器上。为了实现可视化,通过可能的多个预处理插件105(例如陷波滤波器等)处理传感器数据。将该处理的结果发送至可视化插件109,所述可视化插件109绘制当前传感器读数的图表。也可以将来自硬件通信插件101的传感器数据发送至控制算法插件107和参数学习算法插件108。
控制算法插件107的目的是生成对应于所读取数据的刺激设定值。控制集受当前的控制参数矢量影响,其可以根据所使用的控制算法变化。
可选的参数学习算法插件108从配置数据库115中提供的控制参数集合开始。然后,基于传感器数据和控制算法插件107的输出,它在需要的情况下对控制参数进行修改。控制算法插件以及学习算法两者都可以在本地存储多个传感器读数,以提供用于控制的整合机制的手段。
刺激发生器插件106从设定值生成刺激命令,并将其发送回硬件通信插件101,其关闭控制回路。应当注意,可能存在多于一种的参与传感器10,它们都可将其数据发送至一对或多对控制/学习算法(级联控制)。
如果有连接可用并且需要连接,通信管理器170(参考图5)通过传输介质200将临时存储器110与中央数据库300连接。通信管理器170确保自最后一次同步以来所收集的所有传感器数据都被传送至中央数据库300。进而,它将任何的配置更新都拉送至体外便携式处理装置100。首先评估配置更新(例如,控制/学习算法、控制参数矢量等)的正确性和安全性。如果数据完好,则将其存储在配置数据库115中,并且将这些更新发送至pipeline管理器。pipeline管理器执行所需的pipeline修改(例如,更换控制和学习算法、修改控制参数矢量)。
作为示例,可以使用传感器活动与刺激之后的记录的交叉关联或其他有效性度量来确定闭环算法的每个传感器的最佳权重。
作为另一示例,体外便携式处理装置100自身可以运行用于调整刺激参数的在线或离线学习算法。这通过将每个传感器数据流和控制算法输出用作学习算法的输入来实现。该输出可以“动态地”修改控制参数(例如,应用于具有人工神经网络的模糊逻辑控制器以用于在线控制参数学习)。这种在线学习途径的优点在于可以处理日常的患者病情波动。
另一示例是出于安全或调整与安全相关的刺激参数原因来记录环境,例如在驾驶汽车时将刺激增加至更有效的水平。对此,需要确定该个人是否在实际驾驶汽车。这可以通过组合GPS传感器和检测例如个人的手或手臂运动的体外便携式运动传感器来完成。因此,如果GPS传感器检测到具有较高速度的运动并且体外便携式运动传感器根据典型的驾驶者习惯检测到运动,则系统可以增加(或者建议个人增加)刺激脉冲的强度和/或频率。
而且,通过记录系统的脉冲响应,可以使用经精确时间标记的数据流来校准系统,所述脉冲响应通过响应于所施加的最强的可能单脉冲刺激/执行机构活动记录神经活动/传感器活动来近似获得。由于安全原因,刺激脉冲的强度限于所允许的最大刺激(电压或电流),所以通常重复执行该表征(通常10-25次),并且对结果取平均值,直至仅出现微小差异且达到模型的统计显著性为止。
然后,可以响应于某些刺激或执行机构模式使用通过该表征生成的系统模型来预测传感器活动。这可以被双重使用:一方面,用于定义刺激/执行机构活动(其产生指示期望的患者状态的传感器活动),例如在某些脑区域(即运动神经皮层或底丘脑核内)的β范围内的低震荡;另一方面,用于防止获得不希望的神经活动或脑状态的刺激参数,例如导致某些脑区域中的β-范围内的振荡增加的活动,可能导致癫痫发作、引发不受控运动的活动。
可以将数据流以不同的方式存储在数据库300中。对于每个患者,可以将与不同参数有关的数据流存储在二维矩阵中:
时间×参数,其中每个患者的数据流是分开的。
对于几个患者,特别是在几个患者的数据流彼此对应的情况下,可以将数据流存储在三维矩阵中:
时间×参数×患者。
在数据库300中对齐之前,可以减去延迟(在通过传感器装置10、20-40感测与事件有关的信号和通过处理装置100记录信号之间的延迟,通常为几百毫秒)。该减去可以在临时处理装置100中存储时或在数据库300处存储时进行。当然,如果稍后进行参数的诊断和/或调整,则可以仅在出现后一情形时进行对齐。
Claims (21)
1.一种处理数据流的计算机实现方法,所述方法包括以下步骤:
接收多个数据流,其中至少一个数据流代表由预定传感器装置感测的患者的至少一个生理信号,并且接收至少一个时间戳信息,每个时间戳信息与各自的数据流相关联,所述时间戳信息代表将所述时间戳信息与各自的数据流相关联的时间点,并且
将各自的时间偏移信息与每个时间戳信息相关联,所述时间偏移信息代表由所述预定传感器装置感测所述至少一个信号的时间点和将所述时间戳信息与代表所述至少一个信号的数据流相关联的时间点之间的延迟;
其中从包括至少与所述预定传感器装置相关的信息的产品规格数据库中检索所述延迟。
2.一种处理数据流的计算机实现方法,所述方法包括以下步骤:
记录多个数据流,其中至少一个数据流代表由预定传感器装置感测的患者的至少一个生理信号,并且记录至少一个时间戳信息,由此将所述至少一个时间戳信息与至少一个数据流相关联,每个时间戳信息代表将所述戳信息与数据流相关联的时间点,
将各自的时间偏移信息与每个时间戳信息相关联,所述时间偏移信息代表由所述预定传感器装置感测所述至少一个信号的时间点和将所述时间戳信息与代表所述至少一个信号的数据流相关联的时间点之间的延迟;
其中从包括至少与所述预定传感器装置相关的信息的产品规格数据库中检索所述延迟。
3.根据权利要求2所述的方法,其还包括将所记录的至少一个数据流和各自的时间戳信息发送至数据库,并且将所述至少一个数据流、所述时间戳信息和相关联的时间偏移信息存储在所述数据库中。
4.根据权利要求2所述的方法,其中记录由处理装置来进行。
5.根据权利要求4所述的方法,所述处理装置为体外便携式处理装置。
6.根据权利要求5所述的方法,其中所述时间偏移信息另外还表示关联所述时间戳信息的时间点和由所述体外便携式处理装置记录所述数据流的时间点之间的延迟。
7.根据权利要求2所述的方法,其中多个数据流中的至少一个数据流代表由预定传感器装置感测的至少一个患者的体外信号。
8.根据权利要求2所述的方法,其中使用传送UTC信息的时间基准生成所述时间戳信息,所述时间基准为无线电控时钟、时间服务器、广域网时间、局域网时间、移动通信网络和GPS装置中的一种。
9.根据权利要求2所述的方法,其中所述至少一个生理信号表示大脑或神经的电活动。
10.根据权利要求3所述的方法,其中当数据传输介质可用于体外便携式处理装置时,由所述体外便携式处理装置通过所述数据传输介质发送所述至少一个数据流、所述时间戳信息和所述时间偏移信息至所述数据库中进行存储。
11.根据权利要求2所述的方法,其中所述至少一个信号表示参数的至少一个值,所述参数是pH、血糖、EMG、心率、皮肤电导率、身体运动、血压、 局部地理位置、温度、光照水平、生物分子浓度、噪音和声音中的一种。
12.根据权利要求2所述的方法,其中至少一个传感器装置是神经植入物和/或至少一个传感器装置是体外传感器装置。
13.根据权利要求2所述的方法,其中所述延迟是从事件的实际发生与记录所述时间戳的时间之间的延迟的预定概率分布推导出来的。
14.根据权利要求2所述的方法,其中对传输的数据流进行加密。
15.根据权利要求2所述的方法,其中所记录的至少一个数据流、所述时间戳信息以及相关联的时间偏移信息与所述患者的神经假体装置相关,并且用于调整所述患者的神经假体装置的至少一个参数,
所述调整在患者的体外计算机系统中执行,并且所述至少一个参数经由预定通信通道发送至所述神经假体装置。
16.根据权利要求15所述的方法,所述预定通信通道为数据传输介质。
17.一种计算机可读存储介质,其包括用于在被加载到计算机系统时执行根据权利要求2所述的方法的程序代码。
18.一种用于处理数据流的系统,其包括:
装置,其用于接收多个数据流,其中至少一个数据流代表由预定传感器装置感测并由体外便携式处理装置记录的患者的至少一个生理信号;和至少一个时间戳信息,每个时间戳信息与各自的数据流相关联,所述时间戳信息代表将所述时间戳信息与各自的数据流相关联的时间点,和
装置,其用于将各自的时间偏移信息与每个时间戳信息相关联,所述时间偏移信息代表由所述预定传感器装置感测所述至少一个信号的时间点和将所述时间戳信息与代表所述至少一个信号的数据流相关联的时间点之间的延迟。
19.根据权利要求18所述的系统,其还包括:
装置,其用于访问包括至少与所述预定传感器装置相关的信息的数据库。
20.根据权利要求18所述的系统,其中至少一个传感器装置是神经植入物和/或至少一个传感器装置是体外传感器装置。
21.根据权利要求18所述的系统,其中所述至少一个生理信号表示大脑或神经的电活动,和/或所述多个数据流中的至少一个数据流代表由预定传感器装置感测的至少一个患者的体外信号。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015108859.2 | 2015-06-03 | ||
DE102015108859.2A DE102015108859B4 (de) | 2015-06-03 | 2015-06-03 | Verfahren und System zum Verarbeiten von Datenströmen |
PCT/EP2016/062664 WO2016193438A1 (en) | 2015-06-03 | 2016-06-03 | Method and system for processing data streams |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107980161A CN107980161A (zh) | 2018-05-01 |
CN107980161B true CN107980161B (zh) | 2022-09-09 |
Family
ID=56116418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680032375.3A Active CN107980161B (zh) | 2015-06-03 | 2016-06-03 | 用于处理数据流的方法和系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11170001B2 (zh) |
EP (1) | EP3304376B1 (zh) |
CN (1) | CN107980161B (zh) |
AU (2) | AU2016271876A1 (zh) |
DE (1) | DE102015108859B4 (zh) |
WO (1) | WO2016193438A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201718236D0 (en) * | 2017-11-03 | 2017-12-20 | Sensumco Ltd | Systems and methods for estimating emotional states |
US11438276B2 (en) * | 2018-05-29 | 2022-09-06 | Arista Networks, Inc. | Method and system for prioritizing network traffic data units |
EP3814785B1 (en) * | 2018-06-28 | 2023-09-27 | Synaptec Limited | Methods and apparatus for making a time-synchronised phasor measurement |
US20220239577A1 (en) * | 2021-01-22 | 2022-07-28 | Ethicon Llc | Ad hoc synchronization of data from multiple link coordinated sensing systems |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007058950A2 (en) * | 2005-11-10 | 2007-05-24 | Cyberkinetics Neurotechnology Systems, Inc. | Biological interface system with neural signal classification systems and methods |
CN102270264A (zh) * | 2010-06-04 | 2011-12-07 | 中国科学院深圳先进技术研究院 | 生理信号质量评估系统及方法 |
CN102483771A (zh) * | 2009-08-17 | 2012-05-30 | 皇家飞利浦电子股份有限公司 | 使患者监测设备与中央服务器同步的系统和方法 |
CN103281953A (zh) * | 2011-01-06 | 2013-09-04 | 皇家飞利浦电子股份有限公司 | 用于监测患者生理状态的患者监测系统和方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO20023860D0 (no) * | 2002-08-14 | 2002-08-14 | Sospita As | Fremgangsmåte for å generere og prosessere dataströmmer som inneholder krypterte og dekrypterte data |
US7774377B2 (en) * | 2003-12-03 | 2010-08-10 | The Trizetto Group, Inc. | Range definition method and system |
CN1294516C (zh) * | 2004-04-12 | 2007-01-10 | 南京大学 | 实时数据库建模、存储和访问方法 |
EP1669888A1 (de) * | 2004-12-13 | 2006-06-14 | Ubs Ag | Datenversionierung mittels Zeitstempeln |
US20080281170A1 (en) * | 2005-11-08 | 2008-11-13 | Koninklijke Philips Electronics N.V. | Method for Detecting Critical Trends in Multi-Parameter Patient Monitoring and Clinical Data Using Clustering |
WO2007075477A2 (en) * | 2005-12-19 | 2007-07-05 | University Of Florida | Closed-loop state-dependent seizure prevention systems |
US8374668B1 (en) * | 2007-10-23 | 2013-02-12 | Abbott Diabetes Care Inc. | Analyte sensor with lag compensation |
US20090070266A1 (en) * | 2007-09-07 | 2009-03-12 | Shah Rahul C | System and method for physiological data authentication and bundling with delayed binding of individual identification |
US8050881B1 (en) * | 2007-10-18 | 2011-11-01 | Enbiomedic | Post data-collection synchronization for approximation of simultaneous data |
BRPI0819384A2 (pt) * | 2007-12-13 | 2015-05-05 | Heart Force Medical Inc | "método e instrumento para adquirir e analisar dados relativos a uma condição fisiológica de um sujeito" |
US8172759B2 (en) | 2009-04-24 | 2012-05-08 | Cyberonics, Inc. | Methods and systems for detecting epileptic events using nonlinear analysis parameters |
WO2011124996A1 (en) | 2010-04-08 | 2011-10-13 | Koninklijke Philips Electronics N.V. | Patient monitoring over heterogeneous networks |
US8725462B2 (en) * | 2011-05-13 | 2014-05-13 | Fujitsu Limited | Data aggregation platform |
DE102012207138A1 (de) * | 2012-04-27 | 2013-10-31 | Robert Bosch Gmbh | Sensorzeit-Synchronisation |
US20140257730A1 (en) * | 2013-03-11 | 2014-09-11 | Qualcomm Incorporated | Bandwidth and time delay matching for inertial sensors |
-
2015
- 2015-06-03 DE DE102015108859.2A patent/DE102015108859B4/de active Active
-
2016
- 2016-06-03 WO PCT/EP2016/062664 patent/WO2016193438A1/en unknown
- 2016-06-03 AU AU2016271876A patent/AU2016271876A1/en not_active Abandoned
- 2016-06-03 EP EP16727994.2A patent/EP3304376B1/en active Active
- 2016-06-03 CN CN201680032375.3A patent/CN107980161B/zh active Active
-
2017
- 2017-12-01 US US15/829,221 patent/US11170001B2/en active Active
-
2020
- 2020-09-07 AU AU2020230220A patent/AU2020230220B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007058950A2 (en) * | 2005-11-10 | 2007-05-24 | Cyberkinetics Neurotechnology Systems, Inc. | Biological interface system with neural signal classification systems and methods |
CN102483771A (zh) * | 2009-08-17 | 2012-05-30 | 皇家飞利浦电子股份有限公司 | 使患者监测设备与中央服务器同步的系统和方法 |
CN102270264A (zh) * | 2010-06-04 | 2011-12-07 | 中国科学院深圳先进技术研究院 | 生理信号质量评估系统及方法 |
CN103281953A (zh) * | 2011-01-06 | 2013-09-04 | 皇家飞利浦电子股份有限公司 | 用于监测患者生理状态的患者监测系统和方法 |
Non-Patent Citations (1)
Title |
---|
Analysis of Distributed Consensus Time Synchronization with Gaussian Delay over Wireless Sensor Networks;Gang Xiong 等;《EURASIP Journal on Wireless Communications and Networking》;20090611;1-9 * |
Also Published As
Publication number | Publication date |
---|---|
EP3304376A1 (en) | 2018-04-11 |
EP3304376B1 (en) | 2023-07-26 |
DE102015108859A1 (de) | 2016-12-08 |
AU2016271876A1 (en) | 2017-12-21 |
AU2020230220A1 (en) | 2020-10-01 |
US11170001B2 (en) | 2021-11-09 |
US20180102960A1 (en) | 2018-04-12 |
AU2020230220B2 (en) | 2021-12-23 |
CN107980161A (zh) | 2018-05-01 |
WO2016193438A1 (en) | 2016-12-08 |
DE102015108859B4 (de) | 2018-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021201181B2 (en) | System and method for neurostimulation | |
AU2020230220B2 (en) | Method and System for Processing Data Streams | |
CN108430570B (zh) | 从可植入医疗装置获取高分辨率信息 | |
EP3400054B1 (en) | Syncing multiple sources of physiological data | |
Afshar et al. | A translational platform for prototyping closed-loop neuromodulation systems | |
US20230363690A1 (en) | Systems, methods, and devices for intracranial measurement, stimulation, and generation of brain state models | |
US11678840B2 (en) | Mediation of traumatic brain injury | |
US11540769B2 (en) | System and method for tracking sleep dynamics using behavioral and physiological information | |
US20230201599A1 (en) | Methods and systems for optimizing therapy using stimulation mimicking natural seizures | |
WO2008109508A2 (en) | Automatic parameter selection and therapy timing for increasing efficiency in responsive neurodevice therapies | |
US20190076046A1 (en) | Systems, methods, and devices for closed loop control | |
EP3957246A1 (en) | Systems and devices for measurement, identification and generation of sleep state models | |
Sheela et al. | IoT Enabled Health Monitoring System using Machine Learning Algorithm | |
Rathod et al. | 7 Deep brain monitoring using implantable sensor and microcontroller: a review | |
Pulliam et al. | Designing Neuromodulation Devices for Feedback Control |
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 | ||
CB02 | Change of applicant information |
Address after: No. 3, New Messe Square, Freiburg, Germany Applicant after: CorTec GmbH Address before: The German city of Freiburg Gus - Kohler - Al 010 Applicant before: CorTec GmbH |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |