CN109997178A - 用于提醒紧急服务的计算机系统 - Google Patents
用于提醒紧急服务的计算机系统 Download PDFInfo
- Publication number
- CN109997178A CN109997178A CN201780072865.0A CN201780072865A CN109997178A CN 109997178 A CN109997178 A CN 109997178A CN 201780072865 A CN201780072865 A CN 201780072865A CN 109997178 A CN109997178 A CN 109997178A
- Authority
- CN
- China
- Prior art keywords
- patient
- baseline
- physical symptom
- arm
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 126
- 208000024891 symptom Diseases 0.000 claims abstract description 110
- 238000005259 measurement Methods 0.000 claims abstract description 63
- 230000001815 facial effect Effects 0.000 claims abstract description 17
- 238000012806 monitoring device Methods 0.000 claims abstract description 11
- 230000005055 memory storage Effects 0.000 claims abstract description 3
- 230000001737 promoting effect Effects 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 53
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 208000006011 Stroke Diseases 0.000 description 30
- 206010008190 Cerebrovascular accident Diseases 0.000 description 27
- 230000008569 process Effects 0.000 description 25
- 238000004458 analytical method Methods 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 15
- 210000000707 wrist Anatomy 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 239000000853 adhesive Substances 0.000 description 6
- 230000001070 adhesive effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000007665 sagging Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 210000000744 eyelid Anatomy 0.000 description 4
- 230000000474 nursing effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000010062 adhesion mechanism Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000009528 vital sign measurement Methods 0.000 description 2
- 206010015995 Eyelid ptosis Diseases 0.000 description 1
- 208000023146 Pre-existing disease Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000027288 circadian rhythm Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 238000013031 physical testing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 201000003004 ptosis Diseases 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000009295 sperm incapacitation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—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
- A61B5/6824—Arm or wrist
-
- 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
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- 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
- G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physiology (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Multimedia (AREA)
- Social Psychology (AREA)
- Physical Education & Sports Medicine (AREA)
- Pulmonology (AREA)
- Psychology (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Geometry (AREA)
- Psychiatry (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
公开了一种用于提醒紧急服务的计算机系统。系统包括:至少一个监测设备;至少一个身体症状设备,每个身体症状设备是运动传感器设备、图像捕获设备、或音频接收器设备;发射器;处理器;以及存储器。存储器存储:关于患者的一个或更多个生命体征的预定基线;至少一个身体症状基线,每个身体症状基线对应于至少一个身体症状设备的设备并且是预定基线运动、患者的面部特征的预定基线布置、或预定基线语音。存储器还存储指令,其当由处理器执行时使:至少一个监测设备测量患者的一个或更多个生命体征;处理器将生命体征与一个或更多个生命体征的相应的预定基线进行比较;以及如果测得的生命体征超过预定基线,则通过促使以下项来检测对应于至少一个身体症状基线的一个或更多个身体症状:运动传感器设备测量患者的一个或更多个臂的运动;图像捕获设备对患者的面部的面部布置进行成像、和/或音频接收器设备听患者的语音。指令还使处理器将一个或更多个身体症状与相应的身体症状基线进行比较;以及如果一个或更多个身体症状中的至少一个身体症状偏离相应的身体症状,则使用发射器来发起紧急服务的联系。
Description
本申请要求2017年11月30日提交的且标题为“System Solution For DetectionOf Symptomatic Onset Of Stroke And Alert”的美国专利申请号61/428,299的优先权,该专利申请的全部内容通过引用被并入本文。
技术领域
本公开涉及用于例如在患者中风发作的情况下提醒紧急服务的计算机系统。本公开还涉及由这种计算机系统执行的计算机过程。
背景
许多患者处于经历中风的危险下。该危险可能由于特定的生活方式选择、药物、和生活方式的改变而增加或减少。
对于许多患者,中风的发作可能难以识别。在一些情况下,家庭成员、朋友或同事将注意到患者说话含糊不清或经历面部下垂,并因而提醒患者他们自己的症状。因此,中风可能在它的发作之后的几小时或甚至几天被检测到。中风的晚期检测可能对由于中风引起的疾病的严重程度(例如部分瘫痪和存活的可能性)有重大影响。
患者可能在任何时间遭受中风。例如,患者可能在他们的睡眠期间或当他们远离否则可能给与他们帮助的其他人时遭受中风。在这种情况下,患者可能非常难以接收到对他们的疾病的及时治疗。
因此,期望提供一种系统和/或计算机过程,通过该系统和/或计算机过程,患者可以接收他们的症状的及时识别,和/或通过该系统和/或计算机过程,潜在中风的紧急服务可以被通知给患者,或者至少提供对现有技术系统和过程的有用替代方案。
概述
根据本公开,提供了一种用于提醒紧急服务的计算机系统,其包括:
至少一个监测设备;
至少一个身体症状设备,每个身体症状设备是:
运动传感器设备;
图像捕获设备;或者
音频接收器设备;
发射器;
处理器;以及
存储器,存储器存储:
关于患者的一个或更多个生命体征的预定基线;
至少一个身体症状基线,每个身体症状基线对应于所述至少一个身体症状设备的设备并且是:
预定基线运动;
患者的面部特征的预定基线布置;或者预定基线语音;以及
指令,其当由处理器执行时使:
至少一个监测设备测量患者的一个或更多个生命体征;
处理器将生命体征与一个或更多个生命体征的相应预定基线进行比较;以及
如果测得的生命体征超过预定基线,则通过促使以下项来检测对应于至少一个身体症状基线的一个或更多个身体症状:
运动传感器设备测量患者的一个或更多个臂的运动;
图像捕获设备对患者的面部的面部布置进行成像;和/或
音频接收器设备听患者的语音;
处理器将一个或更多个身体症状与相应的身体症状基
线进行比较;以及
如果一个或更多个身体症状中的至少一个偏离相应的身体症状基线,则使用发射器来发起紧急服务的联系。
预定基线可以是基于对患者的先前的测量的预定基线。先前的测量可以使用计算机系统来进行。处理器可以通过确定相应的生命体征是否超过相应的预定基线一个阈值量来确定预定基线是否被超过。
计算机系统可以被安装到患者的一个或更多个臂中的一个臂(所述一个臂)。至少一个身体症状设备的设备可以是直接测量一个臂的加速度或振动的运动传感器设备。至少一个身体症状设备的设备可以是运动传感器设备,该运动传感器设备包括图像捕获设备,以及测量臂的运动可以包括比较臂在由图像捕获设备捕获的连续图像中的位置。测量臂的运动也可以或者替代地包括识别臂(例如对侧臂)相对于图像捕获设备的位置。
至少一个身体症状设备的设备可以是图像捕获设备,该图像捕获设备通过确定从由图像捕获设备捕获的一个或更多个图像中识别的两个或更多个面部特征的相对位置来对面部布置成像。两个或更多个面部特征可以包括与在两个图像中表示的相同的面部特征,且因此这些特征的相对位置是特征相对于在两个图像之间的位置的变化。
至少一个身体症状设备的设备可以是音频接收器设备,该音频接收器设备通过识别语音中的一个或更多个假象(artefacts)并将假象与预定基线语音中的对应假象进行比较来将语音与预定基线语音进行比较。例如,音频接收器设备可以识别单词中的特定尖锐声音,例如字母“K”和“T”、音调、音高和持续时间,并且当评估患者的当前语音是否符合或超过(例如,一个预定阈值量)他们的基线语音时设法识别在由患者重复的已知文本串中的对应假象。
处理器可以被配置成在存储器中记录对应于至少一个身体症状设备的运动、面部布置和/或语音的记录,并且发射器被配置成将记录传输给医务人员。
一种用于提醒紧急服务的计算机过程,其包括:
测量患者的一个或更多个生命体征;
将生命体征与预定基线进行比较;以及
如果测得的生命体征超过预定基线,则通过下列操作中的至少一个操作来检测对应于至少一个身体症状基线的一个或更多个身体症状:
测量患者的一个或更多个臂的运动;
对患者的面部的面部布置进行成像;和/或
听患者的语音;
将一个或更多个身体症状与相应的身体症状基线进行比较;以及
如果一个或更多个身体症状偏离相应的身体症状基线,则发起紧急服务的联系。
预定基线可以是基于对患者的先前的测量的预定基线。对于所述或每个生命体征,超过预定基线可以包括超过预定基线一个阈值量。
计算机过程可以由被安装到患者的一个或更多个臂中的一个臂(所述一个臂)并且包括运动传感器设备的设备来执行,并且一个或更多个身体症状中的至少一个身体症状可以通过测量一个或更多个臂的运动来检测,该运动由进行测量。
运动传感器可以包括加速度或振动传感器,并且测量运动可以包括直接测量所述一个臂的运动。
测量一个或更多个臂的运动可以包括比较一个或更多个臂中的至少一个臂在由图像捕获设备捕获的连续图像中的位置。在计算机过程由被安装到患者的臂的计算系统实现的情况下,该计算系统可以包括相机或用于捕获图像的其他图像捕获设备,臂的位置可以从图像中得到。在这些情况下,可以通过比较除了臂之外的对象(例如患者的身体或紧邻患者的任何固定家具或对象)的图像并且通过确定图像捕获设备相对于对象的位置的变化而确定臂从一个图像到下一个图像的位置的变化来得到臂的位置。
一个或更多个身体症状中的至少一个身体症状可以是通过对面部布置成像而可检测的,对面部布置成像包括从被安装到所述一个臂的设备捕获患者的面部的图像。对面部布置成像可以替代地或此外包括如上面所提到的比较两个或更多个面部特征的相对位置。
一个或更多个身体症状中的至少一个身体症状可以是通过听患者的语音而可检测的,并且将语音与预定基线语音进行比较可以包括识别语音中的一个或更多个假象,并且将假象与预定基线语音中的相对应的假象进行比较。
计算机过程还可以包括向医务人员提供对应于一个或更多个身体症状的运动、面部布置和/或语音的记录以用于进行检查。
如果测得的生命体征没有超过预定基线,则计算机过程可以包括将测得的生命体征合并到预定基线中。
附图简述
现在将仅通过非限制性示例的方式参考附图描述本发明的实施例,其中:
图1示出根据本发明的用于提醒紧急服务的方法;
图2是图1的方法的示意图;
图3示出了用于执行图1和图2中所示的过程的计算机系统;
图4示出了用于对检测到的跌倒做出响应的响应过程;
图5示出了用于分析在形成基线时进行的测量的流程图;
图6至图9提供了图3的设备的实施例;以及
图10示出了图6至图9的设备的固定机构。
详细描述
本文描述了用于检测中风的症状的发作的计算机系统和计算机过程的各种实施例。计算机系统和过程借此可以检测中风本身的发作。计算机系统可以体现在智能可穿戴设备(例如手表、腕带、戒指或眼镜)中。计算机系统可以替代地体现在一件家具(例如床头灯)或监测设备中。计算机系统的其他实施例包括一个或更多个分布式设备,例如位于床头柜上的用于识别患者的臂运动、面部布置和语音的图像捕获和音频接收器系统、以及用于监测患者的生命体征的腕上安装的光电容积描记(PPG)传感器。
计算机系统和计算机过程导致对生命体征和身体症状的监测和分析,以便检测或查明患者是否可能经历中风的发作。计算机系统和计算机程序还在中风的发作被检测到或被查明的情况下提醒紧急服务。
如在本文所使用的,术语“生命体征”通常指心率变异性(HRV),尽管其他生命体征,例如脉搏率、呼吸率、舒张和/或收缩血压、以及温度,也可以被监测。因此要认识到的是,适当的传感器或设备必须用于测量相关的生命体征,例如用于监测心率变异性和脉搏率的心率监测器、用于监测呼吸率的运动传感器或其他设备、用于测量血压的血压计、和用于测量温度的温度计。
如在本文所使用的,术语“身体症状”指中风发作的身体症状,例如面部下垂、说话含糊不清和/或臂无力。
如在本文所使用的,术语“紧急服务”指预期在患者经历中风的情况下能够给予帮助的群体。因此,紧急服务可以包括以下中的一个或更多个:救护车服务、特定患者的护理人员、朋友、同事、近亲、或预期在在患者经历中风的情况下能够给予帮助的任何其他群体。
图1示出了用于提醒紧急服务的计算机过程100。计算机过程100通过以下操作来实现:首先监测患者的一个或更多个生命体征,其次检测指示中风的发作的身体症状,以及第三在监测和检测步骤指示中风的发作的情况下提醒紧急服务。因此,过程100广泛地包括:
步骤102:测量患者的一个或更多个生命体征;
步骤104:将生命体征与预定基线进行比较;
步骤106:评估患者的身体症状;以及
步骤108:发起紧急服务的联系。
校准阶段
除了步骤102至108以外,说明性过程100还包括:
步骤110:进行基线测量;以及
步骤112:根据测量形成基线。
步骤110和112提供用于校准系统300的校准阶段和由这种系统300实施的过程100。因此,这些步骤使基于对患者的先前的测量的预定基线能够被形成,并且因此对患者是特定的。在这个背景下,术语“基线”包括在正常活动期间的生命体征的正常或预期读数。如将根据该术语被使用的背景清楚的是,术语“基线”还包括患者的正常或预期的身体症状或特征(即臂运动、面部布置和/或个性化的语音)。在一个示例中,HRV的基线可以包括对于正常活动(例如散步、慢跑、洗碗等)的HRV的预期变化,其通常是非常小的变化。可以为心率、体育健身(其可对应于生命体征(例如心率、HRV、血压和体温)的变化)和昼夜节律建立类似的基线。
在校准阶段期间,系统300监测或测量患者的生命体征——步骤110。在一个示例中,系统300包括安装到患者的手腕的可穿戴设备。可穿戴设备持续地测量建立每个生命体征的相关基线所必需的所有参数。
测量可以被处理、校准并对照彼此和其他参数被微调以形成每个生命体征的一个或更多个基线——步骤112。例如,当患者正在睡觉时或在患者醒来后不久,他们的心率或脉搏可能低于特定患者的每日平均值。随着时间的推移,特别是在体育活动的时期期间,心率可能被预期更高。通常情况下,患者将有相对一致的日常事务,使得锻炼、咖啡或兴奋剂消费、以及驰缓剂消费是在一天中的特定时间出现。因此,较低和较高的基线可以被预期在一天的相对一致的时间。
根据步骤110测量或监测一个或更多个生命体征,并使这些测量结果与其他参数(例如一天中的时间或与其他生命体征的关系)相关联(例如,心率的增加可能伴随有在患者进行身体活动时的体温的升高),使基线能够是自适应的。换句话说,基线可以在一天的过程中根据患者在正常的一天的过程中经历的变化的平均量而变化。可选地,可以建立不同的基线,其代表例如患者在一天的不同时间或在各种活动期间的HRV(包括心搏间期(IBI)、在时域中的HRV和/或在频域中的HRV)。
然后可以为患者确定阈值。阈值是系统300和过程100在开始检查指示中风发作的身体症状的过程(例如触发过程100的面部、臂和语音(FAS)步骤106)之前将容忍的离相关基线的最大偏差。阈值对于一些生命体征(例如HRV)可能非常低,但对于其他生命体征(例如脉搏率)可能比较高。例如,HRV可以具有±2%的阈值量,R-R间隔(在QRS复合波中)可以具有±25%的阈值量(例如标准偏差),血压可以具有±10%的阈值量,以及对于每种类型的活动,脉搏率可以具有±15%(或者±100%,以考虑在安静心率和活动心率之间的差异)的阈值量。
在其他情况下,阈值量可以被指定为特定的最大值或最小值。例如,180bpm的最大心率可被设置为基线,这取决于患者的特征,例如年龄、吸烟者状况、中风或其他疾病的家族史、以及其他相关考虑因素。180bpm心率可以被设置为基线,并且阈值量可以被设置为-100bpm≤阈值量≤180bmp,使得如果心率超过最大心率或者下降到80bpm以下,则步骤106被执行。否则,步骤106将不被触发。
根据当前教导,医务人员将认识到,基线和阈值量可以被设置的方式以及哪些基线和阈值量适合于每个生命体征和参数的身体症状,例如臂运动、面部布置和语音。
这些生命体征记录被存储在存储器中,该存储器可以是在系统300内的存储器214,或者可以是另一个存储器,例如云存储装置或远程存储装置或者其组合。
可以为臂运动、面部布置和语音建立类似的基线(即身体症状基线)。对于臂运动,可以指定一组一个或更多个臂运动。该一组臂运动可以反映相对应的一个或更多个臂运动,其可以用于指示患者是否正在经历中风的发作,例如当患者直立时将臂提升到水平位置。然后记录一个或更多个运动(步骤110),以及所述记录用于形成臂运动的身体症状基线(步骤112)。
对于面部布置,可以捕获患者的面部的一个或更多个图像,并进行各种测量,例如当患者的面部静止时、当患者微笑和/或处于各种其他状态中时患者的面部的特定特征的相对位置(例如,在嘴角之间的距离)连同当在这些状态中时特征的相对位置的任何差异(例如,与当微笑时相比的当处于静止时在嘴的每个角之间的距离,或者当处于静止时和当微笑时分别在嘴的左角和右角与左眼和右眼之间的距离)。然后记录面部测量结果(步骤110),以及所述记录用于形成面部布置的身体症状基线(步骤112)。
类似地,可以记录患者的语音——步骤110。这可能涉及指定患者必须阅读的一系列单词或来自书中的一段。语音识别技术被很好地理解和用文件证明。语音记录然后可用于形成语音的身体症状基线(步骤112)。
参考图5进一步讨论分析和校准。
重要的是,步骤110和112以虚线示出,因为它们是可选的。理想的情况是,基线对患者是特定的,先前的测量(基线由先前的测量形成)可以由参考图3描述的计算机系统300进行。然而,在一些实例中,可以为患者被指示所在的组建立基线。例如,患者可能是具有低活动水平和中风的家族史的46岁不吸烟者。然后,一组个体(来自该一组个体的生命体征和身体测量被进行)可以用作基线,其中这些个体例如是年龄在45至50岁之间、具有低至中等活动水平和中风的家族史的不吸烟者。此外,在一些实施例中,基线测量(即,用于制定基线的先前的测量)可以由不相关的设备进行并由系统300(例如,从互联网、云、医生的计算机等)下载,以在过程100中使用。
对照基线评估所测量的生命体征——步骤102和步骤104
一旦基线被建立并且过程100和系统300由此被校准,过程100的剩余步骤就可以被实现。在这些中,将被进行的第一步骤是步骤102——测量患者的一个或更多个生命体征。然后对照预定基线比较根据步骤102进行的测量——步骤104。
根据步骤102测量生命体征的方式可以取决于计算机系统300的性质。例如,计算机系统300可以体现在被安装到患者的手腕的可穿戴设备中。在手腕处,许多血管腔靠近皮肤。手腕的血管腔是进行脉搏和其他一些参数的测量容易可行的。可穿戴设备可以持续地监测和分析这些血管腔,以便得到生命体征,例如HRV和脉搏率。类似地,计算机系统300可以包括测量相关参数的环,所述相关参数由环所附着到的手指的运动引起并且由沿着环所配合的手指延伸的血管的血管舒张和血管收缩引起。
在一些实施例中,在计算机系统300中使用PPG传感器。PPG传感器容纳在可穿戴设备的壳体内,并牢固地附着到患者的手腕。PPG传感器的接触面直接或间接地邻接患者的皮肤。在该附着中使用粘合机构(即粘性贴片或粘合贴片,其可以是可移除或可替换的粘性贴片)而不是低摩擦的表面到表面的接触机构使得患者的皮肤至少轻微地粘附到可穿戴设备是合乎需要的。粘合机构在可穿戴设备和患者的皮肤之间的整个接触区域上提供更一致的接触,以减少由在可穿戴设备和患者的皮肤之间的接触的量的变化引起的噪声。
值得注意的是,一些测试表明手腕的水平和垂直运动都改变通过PPG传感器检测到的生命体征,例如HRV。类似地,手腕的弯曲和臂的快速移动也可能导致使用PPG传感器进行的生命体征测量的变化以及患者的其他部分的变化。这些变化可能不注意地导致患者的生命体征超过如由步骤112预先确定的相关基线——即,假阳性被识别出——并因此不必要地触发步骤106。
因此,在校准阶段(步骤110和112)期间,PPG传感器可以在患者执行各种手腕运动时得到患者的生命体征的测量。如参考图5所讨论的,一系列分析步骤可以接着用来补偿或滤出由于手腕运动产生的数据误差。这可以通过将手腕运动和如由运动传感器检测到的运动(见图3中的参考符号320和322)与生命体征(例如HRV)的变化(其中这种变化并没有被预期到)相关联来实现。例如,患者可能被请求坐着或站着不动,使得在HRV或脉搏率中应该有很少或没有变化。然后可穿戴设备测量患者的一个或更多个生命体征。然后患者执行可能由医务人员指定的一系列臂和手腕运动。可穿戴设备测量可穿戴设备的运动并检测一个或更多个生命体征的变化,使得任何这种检测到的变化都可以归因于手腕的运动。然后,当稍后检测到相当大的运动时,可以适当地调整基线或在步骤102进行的测量,以确保患者没有不注意地未能完成步骤104,这否则将导致步骤106必须被执行。
此外,可穿戴设备可以包括多于一个PPG传感器或者如在其他实施例中使用的其他类型的传感器,使得对每个参数的多次测量被进行并且可以被平均化或否则对照彼此被校准以消除噪声,例如由重力或毛细管再填充的影响产生的噪声。此外或者可选地,用于生命体征测量的传感器可以被安装在万向支架或机动部件上,该万向支架或机动部件本身使用从运动传感器(例如加速度计)得到的数据进行校准,以抵消运动的影响并保持生命体征传感器对患者的皮肤上的相同位置连续地记录。
使用传感器的阵列的固定方式(例如粘合剂)运动补偿和运动计数器平衡的组合减少了噪声,因而减小了步骤106不必要地被执行的可能性。
在从在步骤102进行的测量中过滤并去除噪声和误差之后,将由计算机系统300测量的一个或更多个生命体征与相应的基线进行比较——步骤104。为了评估步骤106是否应该被执行,计算机系统300确定预定基线——即,由步骤110和112建立的基线——是否被超过。虽然这可以是根据步骤102进行的测量与基线的一对一比较,但是这将允许患者的疾病从一天到另一天没有变化。因此优选地,步骤104涉及确定对于根据步骤102测量的每个生命体征,预定基线是否被超过了阈值量。例如,心率的预定基线可以是每分钟70次心跳(bpm),以及阈值量可以是20%,导致56bpm至84bpm的范围。然后将在步骤102测量的心率与基线和预定阈值进行比较,以查看它是否落在56bmp至84bmp的范围内(包括56bmp和84bmp),或者它是否超过那个范围(即落在该范围之外——小于56bmp或大于84bmp)。
评估患者的身体症状——步骤106
在根据步骤104确定预定基线已经被超过之后,计算机系统300执行步骤106,即评估患者的身体症状。这涉及下列步骤中的至少一个:
步骤106A:测量患者的一只或两只臂的运动;
步骤106B:对患者的面部布置进行成像;
步骤106C:听来自患者的语音;以及
步骤106D:将根据步骤106A、106B和106C中的相关步骤产生的测量结果与相应的身体症状基线(例如预定基线运动、布置和语音)进行比较。为了说明目的,在下文中描述的实施例中,可以执行步骤106A、106B和106C中的所有三个步骤,但是要理解的是,在本公开的其他实施例中,可能只必须执行这些步骤中的一个。
为了确保适当的测量(计算机系统300可以通过所述测量来评估患者)被进行,指令被传送给患者。指令建议患者执行必要的臂、面部和/或语音功能,其可以与相应的身体症状基线进行比较。在一些实例中,计算机系统300包括显示器(见例如图3的参考符号304),其可视地向患者显示指令。计算机系统300可以替代地或附加地通过扬声器(见例如图3的参考符号316)提供音频指令。在一些情况下,患者可能不知道他们的生命体征测量被发现超过了相应的基线,因此音频响应(例如听觉警报)可以用于吸引对计算机系统300的注意,然后计算机系统300向患者显现视觉指令以便于步骤106A、106B和/或106C的执行。
中风的一个常见症状是臂的无力。根据步骤106A评估臂中的无力。为了检测臂的无力,患者可以被提示将臂抬起到预定位置。在一些实施例(例如上面讨论的那些实施例)中,计算机系统300包括可穿戴设备。可穿戴设备可以被安装到患者的臂,例如在肩膀、上臂、肘部处,以用于臂、手腕、手指(例如环)。因此,设备的运动可以被测量并假设为对应于设备所附着到的臂(包括手)的运动。
可以用多种方式检测臂的运动。在一些实施例中,可穿戴设备包括图像捕获设备(例如,相机),其也可以用于根据步骤106B来检测面部布置。测量臂的运动因此可以包括比较臂在由图像捕获设备捕获的连续图像中的位置。在这些情况下,可以通过比较除了臂之外的对象(例如患者的身体、对侧臂或极接近患者的任何固定家具或对象)的图像并且通过确定图像捕获设备相对于对象的位置的变化而确定臂从一个图像到下一个图像的位置的变化来得到臂的位置。在其他实施例中,外部设备(例如就置于桌子上的设备)可以捕获患者的图像并确定他们的臂在连续图像之间的各种位置。
使用容纳在可穿戴计算机系统300内的运动传感器设备比使用图像捕获来评估或测量臂运动常常更准确。该运动传感器设备可以是加速度计或其他加速度或振动传感器,使得臂的运动可以直接被进行(即,从运动本身而不是通过推断得到,例如可能必须通过从图像得到臂运动)。
因为从中风导致的瘫痪可能不影响可穿戴设备所附着到的身体的一侧(即,可能不影响患者的双臂中的该设备所附着到的臂(所述一只臂)),患者用双臂执行臂抬高是合乎需要的。在一些情况下,臂将一起移动。在其他情况下,臂将一个接一个地移动。因此,可穿戴设备可以包括按钮(例如,如图7所示的按钮710),使得用户必须首先抬起一只臂,然后将他们的第二只臂抬起到相同的位置,并按下可穿戴设备上的按钮。
运动传感器设备(例如加速度计)可以测量包括运动传感器的可穿戴设备所附着到的臂的加速度、速度、位移、偏移(例如横向偏移)和位置。相反,包括图像捕获设备(例如图6中的侧相机602)的运动传感器可以测量双臂的这些参数。对于计算机系统300所附着到的臂(同侧臂),如上面所讨论的,图像捕获设备可以通过参考其他对象来确定它的位置。对于另一个臂(对侧臂),图像捕获设备可以捕获该臂的图像,并确定对侧臂在连续图像之间的位置的变化。因此,加速度计或图像捕获设备可以用于确定同侧臂的运动(包括偏移,例如横向偏移),并且图像捕获设备也可以检测对侧臂的位置。作为结果,在一些实施例中,提供了加速度计和图像捕获设备。在其他实施例中,仅提供图像捕获设备。在这些情况中的任一个情况下,可以检测到双臂的相对位置。此外,如在任何特定的应用中适当的情况下(例如,一些患者可能只有一个臂),可以检测到仅一个臂的运动,或者可以检测到两个臂的运动。
在图像捕获设备(例如图3中的相机320)被提供的情况下,可以从分析从附着到另一臂的计算系统300获取的一个臂的图像来确定一个臂或两个臂的相对位置。为了实现此,图像捕获设备320可以在一个角度(它可以从该角度能看到对侧臂和面部)下被安装,使得它可以用于步骤106A和步骤106B。图像捕获设备可以替代地被安装在枢轴上,以实现绕轴的旋转。这允许相机在它面对对侧臂的位置和它指向患者的面部的位置之间旋转。计算设备300可以替代地包括两个图像捕获设备,其中一个被安装成面向对侧臂,另一个被安装成捕获患者的面部。
相机可以包括可见光检测设备,例如标准相机,或者可以包括超声或红外传感器、激光(例如激光点)投影仪和接收器对等——类似的评论适用于参考当前附图描述并在权利要求中限定的任何相机。此外,该设备可以包括被安装在每个臂上的单独设备,使得图像捕获可以被避免用于臂运动测量或监测。
计算系统300因此可以被设计成捕获每个臂的移动,确认两个臂已经移动到实质上相同的位置(例如通过按钮按下)以及在两个臂之间的相对位置。
虽然没有步骤106A、106B和/或106C必须被执行的固定顺序,但是在步骤106A和106B都被执行的一些实施例中,步骤106A将在步骤106B之前被执行,以确保图像捕获设备(见图3中的参考符号320)从肩部侧向向外被定位,以便捕获患者的面部的图像。
为了根据步骤106B对患者的面部布置进行成像,系统300可以向患者提供音频和/或视觉命令(使用计算系统300的扬声器316和/或显示器304)。这些命令可以指示患者向计算系统300提供规定的面部表情,表情被选择以使面部下垂明显或者以其他方式突出当与面部的另一侧相比时在面部的一侧上的运动之间的差异。例如,患者可能被请求微笑或眨眼。
如参考图2进一步讨论的,计算机过程100然后对患者的面部布置进行成像——即,它评估各种面部特征的相对位置。这可以包括一个特征(例如,嘴的左角)相对于另一个特征(例如,嘴的右角)的位置或者在面部姿势的开始和结束时的同一特征的相对位置(例如,当患者的嘴处于放松状态中时和当患者的嘴处于微笑姿势中时的嘴的左角的位置,或者在眨眼/眨眼姿势期间的眼睑的位置)。这些特征可以包括嘴唇的位置、嘴角、鼻唇沟、眼睑(特别是上眼睑)的下垂或张开的程度、额肌的不对称性、和/或颧小肌、颧大肌、口轮匝肌、颊肌、上唇提肌、鼻中上唇提肌的运动或不对称性、和/或在如由医务人员定义为可能与中风的发作的评估相关的其他特征中的运动或不对称性。鉴于当前教导,图像分析技术被很好地理解,并且它们的应用将被技术人员认识到。
关于步骤106A和106B,一行语音的背诵不需要出现在任何特定的时间。如果这些步骤在相关实施例中被执行。则语音可以在这些步骤之前、期间或之后由患者传送,但是在步骤106B期间执行语音可能导致涉及嘴的位置的特征的布置未能符合面部布置的预定身体症状基线。在任何情况下,为了检测患者的语音,计算系统300包括音频接收器,例如麦克风或音频接收器设备318(见图3)。
可以指示患者例如使用从扬声器316发出的音频命令和/或在显示器304上发出的视觉命令来背诵预定短语。预定短语可以被设计成强调特定的声音,例如尖锐的“K”和“T”音,其当它们被不正确地发音时是清晰的指示或含糊不清的语音。短语可以根据患者的母语被适应,例如,对于说英语的患者,“没有如果、和或但是”。
所背诵的段落和/或由音频接收器捕获的任何其他语音可以与在校准步骤110和112期间记录的段落或语音相同。在校准期间,当步骤106C被执行时,记录可以被接收多次并被取平均以获得同一段落的未来背诵的总预期声音。此外,每个记录偏离平均值的变化可以定义偏离语音的预定身体症状基线的阈值(即,同一行语音的所有背诵的平均值)。
步骤106C可以涉及对照在步骤110中记录的相同因素而评估并且在步骤112下在构造语音的预定身体症状基线时使用的持续时间、音调、音高和其他因素的检测。
一旦臂运动中的相关运动被测量,患者的面部布置就被成像并且语音被接收到,计算机系统300执行步骤106D——将在步骤106A、106B和106C中的相关步骤中累积的数据与为这些物理参数建立的相应物理症状基线进行比较,这些物理症状基线根据步骤110和112被预先确定。可选地,步骤106D可以分别在步骤106A、106B和/或106C中的每一个之后被执行。例如,一旦臂的运动被测量,该运动就可以与臂运动的基线(其可以包括在两个臂的运动期间和之后的相对臂位置的基线)进行比较。类似地,在根据步骤106C接收语音或按照步骤106A执行臂运动之前或者与语音或臂运动测量的接收同时地,可以在步骤106D将在步骤106B成像的面部布置与相关面部布置基线进行比较。
在任一种情况下,对于超过预定身体症状基线的臂运动,该运动可能花费太长时间来完成,当与基线比较时离当完成时位置的偏差可能太大,在预定运动的执行期间的横向移位可能太大,等等。对于超过预定身体症状基线的面部布置,在特征之间的特殊关系(即,那些特征的相对位置)、完成姿势(例如微笑)所花费的时间、或者特征的相对起始位置(例如,当眼睛睁开时的眼睑下垂,当与在校准期间眼睛睁开时的眼睑位置比较时)可能离身体症状基线太远。类似地,在音调、持续时间、音高、声音锐度和其他因素从在校准期间测量的那些相同量偏离太大的场合,预定身体症状基线可能被超过。在这些情况中的每一种下,阈值量都被应用,该阈值量规定什么是相应测量离它的预定物理症状基线的“太大”偏差。
因此,步骤106A、106B和/或106C、和106D仅在患者未能完成生命体征比较步骤104后被执行。同样的过程可以重复一次或更多次,例如两个另外的重复——使总重复达到三次——以提高患者确实正在经历中风的发作的信心。
在未能成功地完成步骤104和/或步骤106之后,计算机系统300假设患者正在经历中风的发作,并例如通过向紧急服务服务器发送通知(其可以包括计算机系统300的以及因而计算机系统300所附着到的患者的GPS坐标)来发起紧急服务的联系(步骤108)。在紧急服务提供商是可通过移动电话可联系的人的情况下,该服务器可以包括移动电话电信服务提供商服务器,并且该服务器将通知按规定路线发送到相关移动电话。
紧急服务可以在步骤106D的第一次失败之后被联系,且如果步骤104和106D的未来执行显示第一次执行是假警报则进一步被联系,如果另外的重复被执行。换句话说,紧急服务最初可能通知中风的潜在发作。如果患者在步骤104和106D的随后重复中展示适当的生命体征和运动技能(即,不超过预定基线的臂运动、面部布置和语音),则该初始通知然后可以被跟进有取消通知。在患者对步骤104和/或106D的重复失败的情况下,该初始通知可以替代地被跟进有确认。
计算机系统300可以提供患者的位置。这可以通过从容纳在计算机系统300内的GPS设备提供GPS坐标来实现。GPS技术被很好地理解,且不需要被详细描述。GPS和其他地理位置信息可以帮助第一响应者在患者变得丧失能力(例如患者失去意识)的情况下定位患者。在计算机系统300中的图像捕获设备也可以被激活以捕获中风事件的视觉信息。
在下文讨论的一些实施例中,也可以在检测到严重的不利事件(例如患者的跌倒或做假动作)的情况下联系紧急服务。可选地,如图3所示,患者可以通过按下按钮328通过设备来主动联系紧急服务。
在图2中示意性示出参考图1广泛描述的步骤。在步骤202,过程发起。发起可以简单地包括切通计算机系统300,使得它可以监测生命体征。通常,在执行步骤202之前,将根据步骤110和112预先确定任何基线。
块204提供了连续的监测阶段。在监测阶段期间,一个或更多个生命体征被监测——步骤206。参考图1的步骤102讨论监测生命体征。生命体征的测量可以在规定的时间间隔内进行。例如,在正常监测条件下,可以以15分钟间隔收集脉搏读数。
然后将测量与每个生命体征的相应基线进行比较,以确定是否存在任何异常——即,测量结果指示患者的生命体征已经超过预定基线——步骤208。参考图1的步骤104讨论该比较步骤。
如果一个或更多个生命体征的测量没有超过相关基线,则计算机系统300除了根据步骤206继续监测患者之外什么也不做。如果对一个或更多个生命体征中的至少一个的测量结果确实超过相关基线,则计算机系统300检查紧急服务是否已经被提醒(步骤210)。如果对决策步骤210的回答是紧急服务已经被提醒,则意味着至少一个生命体征最近已经超过它的基线,患者未能完成(下面讨论的)步骤214和222一次或两次,并且当前的监测步骤仅仅是记录患者的疾病的改善或恶化。
如果紧急服务还没有被提醒,意味着目前的生命体征测量是超过它的基线的第一次或第二次测量。因此,用户在当前失败是第一次失败的情况下被提醒有问题,或者在当前失败是第二次失败的情况下被提醒是重复的问题(步骤212)。提醒用户可以包括使用扬声器316来提供可听输出,向用户告知生命体征(对其的异常测量被进行),和/或可以涉及在显示器304上显示关于该问题的信息。在其他实施例中,在患者已经执行了根据步骤106指示的动作的一次或更多次重复之后,步骤210替代地被执行。此外,通过简单地指示患者执行在步骤106下所需的动作,患者将被提醒他们的一个或更多个生命体征超过了相关基线。
一旦确定生命体征已经超过相关基线,计算机系统300就提示患者执行评估适当的运动功能所必需的身体动作,以评估身体症状——即臂的运动、面部布置和/或语音。该动作在对应于步骤106的步骤214下被发起,步骤214包括:
臂运动测量步骤216;
面部布置识别步骤218;和/或
语音检测步骤220。
步骤216、218和/或220的结果在对应于图1的步骤106D的步骤222中对照它们相应的身体症状基线被评估。步骤222目前包括:
臂运动与基线比较步骤224;
面部布置与基线比较步骤226;和/或
语音与基线比较步骤228;以及
决策步骤229。
步骤216、218和220分别对应于比较步骤222、224和226。步骤222、224和226的输出由决策步骤229使用,计算机系统300使用决策步骤229来评估患者是否已经成功地执行了适当的臂运动(步骤216和比较步骤222),是否没有经历面部下垂(步骤218和比较步骤224),并且是否已经清楚地背诵了规定的语音行(步骤220和比较步骤226)。如果患者通过了所有三项测试或者如在任何特定情形中使用的一项或多项测试,则计算机系统300返回到仅监测生命体征。
虽然可能只需要在决策步骤229识别的单次失败以便使紧急服务被提醒和给予帮助,但是在图2所示的实施例中,计算机系统300要求患者重复在步骤214和评估步骤222下的运动技能检测测试。特别是,计算机系统300询问当前失败是否是第一次失败——步骤230。如果是,则设置定时器——步骤232——并且在定时器到期之后(例如,在3分钟之后)执行步骤214和222的另一重复。在其他实施例中,在步骤232设置的定时器提供有限的时间段,在该时间段期间,患者有通过成功地完成步骤214和222来防止系统联系紧急服务的机会。
如果当前失败不是第一次失败,则计算机系统300询问它是否是第二次失败——步骤236。如果是,则计算机系统300提醒护理人员——步骤238——重启或继续定时器——步骤232。在定时器的倒数计时期间或者在定时器的到期之后,执行步骤214和222的又一次重复。受试者或患者也可以例如通过按下按钮(例如按钮710或被分派有取消提醒的功能的任务的另一个类似按钮)和/或通过执行一个或更多个身体症状测试(例如敲击、手势、背诵语音行)的组合来选择在任何时间取消提醒。
如果当前失败不是第一次或第二次失败而替代地是第三次或另外的失败,则计算机系统300立即联系紧急服务——步骤240。紧急服务可以包括前面提到的任何一方,包括患者的护理人员、紧急救护车服务和/或用于记录和/或管理这种提醒的中央服务器。然后,在步骤214下,计算机系统300可以继续监测患者的生命体征和/或指示患者执行指定的动作。
除了前述内容之外,在患者的生命体征如在步骤208所确定的是正常(即不超过相关的预定基线)的情况下,计算机系统300可以将所测量的生命体征(即生命体征测量)合并到预定基线中——步骤242。这允许计算机系统300更新基线,使得它不仅仅反映预定基线在步骤110和112下最初被定义时的用户的状态。这在例如患者经历中风事件或显出血凝块的病状、开始使用计算机系统300但是由于医学或精神原因而停止锻炼的情况下是有用的。在这种情况下,从计算机系统300的使用的开始起的随后几个月内,安静心率和一些其他测量可能改变。因此基线可以适合于适应患者的当前状态。
在步骤242,可以对臂运动、面部布置和/或语音的身体症状基线进行相同的基线更新。这将出现在患者成功地执行如在步骤214中指定的物理测试的情况下。为了将新数据正确地合并到基线数据中,数据被标记——步骤244。参考图5进一步讨论标记数据。
计算机系统300还可以记录生命体征测量结果和/或表示受试者的身体症状的数据,例如臂的运动、面部布置和/或语音,并将该信息提供给医务人员用于进行检查。该信息可以作为电子邮件中的文件被发送,或者可以由医务人员直接从计算机系统300下载。
图3示出了计算机系统300的实施例的示意图。计算机系统300广泛地包括通过总线302进行电子通信的下面的部件:
(a)显示器304;
(b)非易失性(非暂时性)存储器306;
(c)随机存取存储器(“RAM”)308;
(d)N个处理部件或处理器310;
(e)发射器(目前由包括N个收发器的收发器部件312体现);
(f)用户控件314;
(g)扬声器316;
(h)音频接收器318;
(I)一个或更多个图像捕获设备320;
(j)运动传感器322;以及
(k)至少一个监测设备326。
生命体征和身体症状的测量结果可以被上传到远程存储装置或存储在云324中。
虽然在图3中描绘的部件代表物理部件,但是图3并旨在为硬件图。因此,在图3中描绘的许多部件可以由公共结构实现,或者分布在附加的物理部件中。此外,当然设想可以利用其他现有的和尚未开发的物理部件和架构来实现参考图1和2的过程描述的功能部件。
显示器304通常操作来向用户提供内容的显现,并且可以由各种显示器(例如,CRT、LCD、微型投影仪和OLED显示器)中的任何一个来实现。
通常,非易失性数据存储装置306(也称为非易失性存储器)起作用来存储(例如,持久地存储)数据和可执行代码。尽管被示为单个块,但是存储器306可以分布在诸如音频接收器318、图像捕获设备320和运动传感器322的多个部件当中。
例如在一些实施例中,非易失性存储器306包括对本领域中的普通技术人员公知的、为了简单起见没有被描绘或描述的引导加载器代码、调制解调器软件、操作系统代码、文件系统代码、和便于实现部件的代码。
在许多实现方式中,非易失性存储器306由闪存(例如,NAND或NOR存储器)实现,但是当然设想也可以利用其他存储器类型。尽管执行来自非易失性存储器306的代码也许是可能的,但是在非易失性存储器306中的可执行代码通常被加载到RAM 308中并由N个处理部件310中的一个或更多个处理部件来执行。
与RAM 308有关的N个处理部件310通常操作来执行存储在非易失性存储器306中的指令。如本领域中的普通技术人员将认识到的,N个处理部件310可以包括视频处理器、调制解调器处理器、DSP、图形处理单元(GPU)、和其他处理部件。N个处理部件310可以包括单个部件或者可以包括多个部件,例如在音频接收器318中提供的便于对音频输入(即来自患者的语音)的分析的一个或更多个部件、在图像捕获设备320中提供的用于分析图像(即对患者的面部布置成像)的一个或更多个处理部件、以及设置在运动传感器设备322中的分析图像(其中运动传感器包括图像捕获设备,该图像捕获设备可以是合并到部件320中的图像捕获设备)或分析运动(例如其中加速度计被使用)的一个或更多个处理部件。
收发器部件312包括N个收发器链,其可用于通过无线网络与外部设备通信。N个收发器链中的每一个可以代表与特定通信方案相关联的收发器。例如,每个收发器可以对应于对局域网、蜂窝网络(例如,CDMA网络、GPRS网络、UMTS网络)、和其他类型的通信网络特定的协议。
收发器部件312可以以标准方式操作,以通过网络324发送和接收信息。部件312还可以用于接收固件更新等等。
计算机系统300用于提醒紧急服务。参考图1和图2所示的过程,存储器306、308存储患者的一个或更多个生命体征的预定基线、身体症状基线(例如预定基线运动(即患者的一个或两个臂的运动))、患者的面部特征的预定基线布置、和/或预定基线语音。这些基线根据步骤110和112被设置。存储器306、308还存储指令,其当被处理器310执行时使至少一个监测设备326测量患者的一个或更多个生命体征,如参考步骤102所讨论的。指令还使处理器310将生命体征与一个或更多个生命体征的相应预定基线进行比较。如果所测量的生命体征超过如在步骤104下确定的预定基线,则处理器使运动传感器设备322测量患者的臂(或双臂)的运动,图像捕获设备320对患者的面部的面部布置进行成像,和/或音频接收器设备318听患者的语音。处理器310然后将所测量的运动、面部布置和/或语音与相应的预定身体症状基线(例如基线运动、布置和/或语音)进行比较。在所测量的运动、面部布置和语音中的一个或更多个偏离相应的预定基线运动、布置和语音(即分别超过运动、面部布置和语音的相关预定基线)的情况下,处理器310使用当前由收发器部件312体现的发射器来发起紧急服务的联系。
应该认识到,图3仅仅是示例性的,并且在一个或更多个示例性实施例中,本文描述的功能可以用硬件、软件、固件、或其任何组合来实现。如果用软件实现,则功能可以作为在非暂时性计算机可读介质306上编码的一个或更多个指令或代码来被传输或存储。非暂时性计算机可读介质306包括计算机存储介质和通信介质,通信介质包括便于计算机程序从一个地方到另一个地方的转移的任何介质。存储介质可以是可由计算机访问的任何可用介质。
除了如参考图1和图2所述的生命体征监测之外,老年人和残疾患者在跌倒的情况下严重受伤是常见的。因此,图2所示的计算机系统300包括跌倒检测过程246。
通常使用加速度计或其他运动传感器设备来检测跌倒。因为运动传感器设备(例如图3的设备322)可以合并到计算机系统300中,该传感器设备可以根据步骤106A来执行检测臂运动的功能,并且还可以检测可能指示跌倒的臂的位置或运动的突然变化。
图4示出了在跌倒的情况照料患者的过程400。在跌倒被检测到的情况下,计算机系统300提醒护理人员(步骤402),并启动定时器(步骤422),在定时器到期时紧急服务可以被联系。在定时器周期(即倒数计时周期)结束时,计算机系统300评估患者是否在移动——步骤406。如果患者没有移动,则紧急服务被提醒——步骤408。如果患者正在移动,则计算机系统300确定警报是否应该被取消——步骤410。计算机系统300可以评估该运动以确定它是否指示正在正常移动的人,或者可以将任何运动与在步骤206进行的生命体征测量组合以确定是否存在任何异常的可检测的状况。如果患者并非正在正常移动或者生命体征指示患者受伤,则紧急服务被提醒408。否则,提醒被取消。
图5示出了用于分析在形成基线和监测时进行的测量的流程图。将广义地描述这些过程,因为存在各种合适的算法和过程方法,其可根据需要从由监测设备328、音频接收器设备318、图像捕获设备(其可以包括一个或更多个图像捕获设备320)和运动传感器设备322进行的测量中被提取的数据的性质来进行使用。
下文将参考HRV被讨论,但是其他生命体征可根据生命体征的性质以类似的方式或根据需要被测量和分析,例如血压可能需要根据心率被不同地分析。
在步骤502,获取相关读数(即一个或更多个生命体征的测量)。可以每隔一段时间(例如15分钟)获取读数。这可以涉及每15分钟获取一个脉搏读数,或者在15分钟周期内获取脉搏读数并将全15分钟价值的读数发送到系统300。
步骤504涉及预处理,例如噪声/误差去除、频带滤波、模数转换和便于在后续步骤中的准确数据分析的其他步骤。特别是,在步骤506执行降噪。这可能涉及根据指示臂或手腕已经移动的加速度计或运动传感器设备数据来修改读数,因而影响如上面所讨论的测量。在降噪之后,在步骤508测量被数字化。对于HRV测量,数字化可以涉及识别峰间间隔,并将它标记为心搏间期(IBI——按照步骤244)。按时间顺序标示每个IBI(步骤510),且然后识别和标记假象(步骤512),例如峰高度的变化。脉搏读数中的假象在本领域中被很好地理解。
在基线被预先确定(例如,使用在图5中定义的步骤)并且计算机系统300因此用于监测患者的疾病的情况下,将执行另一步骤以确定对于特定生命体征相关基线是否被超过——步骤514。
然后在步骤516执行分析。该分析使用噪声降低的、数字化的、被标记的测量结果而发生,其中假象根据步骤504被识别出。使用各种形式的分析,例如时域分析(步骤518)和频率分析(步骤520)。对于在步骤510下标记的IBI的时域分析,计算机系统300可以识别标准偏差(SD-步骤522)、连续差值的均方根(RMSSD-步骤524)和/或超过特定阈值的连续IBI相对于在15分钟或其他时间间隔(例如50毫秒)内测量的平均IBI的比例(pIBI50-步骤526)。对于在步骤510下标记的IBI的频域分析,计算机系统300可以产生IBI时间序列(步骤528),进行IBI时间序列的快速傅立叶变换,从其可以对IBI得到功率谱的分布(步骤530)。从功率谱中,可以识别IBI的高频(HF-步骤532)、低频(LF-步骤534)和甚低频(VLF-步骤536)特征。
如上面所讨论的,对于每个生命体征可以有单个基线。可选地,对于每个生命体征可以有多个基线。基线可能根据一天中的时间和其他因素而变化。为此目的,过程500提供用于标记分析步骤516的结果的标记步骤538。可以根据一天中的时间、活动水平(这可以从加速度计数据、如由加速度计或计步器推断的总步骤、指示由除了汽车之外的手段(即,以步行或骑行速度)做出的位置变化的全球定位系统(GPS)位置数据、所行进的距离等的组合中得到)、性别、年龄、预先存在的疾病或特定疾病(其可以包括中风)的家族史、药物、情绪、活动的类型等来标记结果或数据。这使计算机系统300能够将特定的后续读数与适当的基线相匹配。例如,在计算机系统300识别出患者正在慢跑的情况下,计算机系统300将对照适度锻炼或慢跑的基线来评估生命体征测量。同理适用于身体症状基线。
标记步骤538还可以将标记分配给功率谱和时域分析数据,其然后可以用作基线,对照基线可以评估来自监测设备328和/或设备318、320和322的另外的数据。
从分析步骤516和标记步骤538得到的数据的范围然后可用于定义基线——步骤540,如上面所讨论的。
设备使用基线来校准自己——步骤542。校准可以出现一次,在此期间,所有相关基线都对计算机系统300变得可用。可选地,为了便于未来的生命体征测量或臂运动、面部布置和/或语音测量的快速处理,计算机系统300可以决定它是否需要校准自己。这可以通过计算机系统300识别哪些基线与患者的当前状况(例如,一天中的时间和活动水平)相关并从存储器(例如,存储器306)中提取那些识别出的基线作为比较步骤106D和比较步骤222的基础来出现。如果计算机系统300确定它被加载有正确的基线和如由机器学习算法确定的相关阈值量(步骤544),则计算机系统300继续进行监测(步骤546)。
然后使用机器学习算法来处理基线和任何相关数据(例如,在步骤518和520期间获得的数据)以如前面所讨论的确定阈值量——步骤544。计算机系统300现在被校准并且能够监测生命体征——步骤546。
图6至图9示出了计算机系统300可以如何目前以手表或环的形式物理地出现。图6示出了计算机系统600的侧视图(同样示意性地反映在图3中),其中提供了侧相机602和闪光灯604。如上面所讨论的,侧相机602实现对侧臂的位置相对于系统600所附着到的同侧臂的位置的识别。如上面所讨论的,在系统600的面部606可以相对于带608绕轴枢转的情况下,相机602也可以检测面部布置。闪光灯604在患者在没有被很好地照亮的区域中时提供任何必要的照明。术语“相机602”和如在说明书中的其他地方使用的“相机”被采用来通常描述成像或图像捕获设备。因此,“相机”可以是可见光检测设备,例如标准相机,或者可以包括超声波或红外传感器、激光(例如激光点)投影仪和接收器对等。
图7是系统或设备600的前视图或俯视图,其示出了相机702、显示器或屏幕704、麦克风或音频接收器设备706、扬声器708和按钮710。
图8示出了包括PPG传感器的系统或设备600的后视图。为了进行PPG测量,需要光源且需要光检测设备。为此目的,系统或设备600包括PPG发光设备802和PPG光检测设备804,其功能将在本领域中被理解。
图9提供了在系统或设备600内的内部部件的潜在布置的非常高层视图。部件包括印刷电路板(PCB)和处理器902、电池905、以及与GPS模块、运动传感器(例如陀螺仪或加速度计)和蓝牙模块相关联的另一个PCB,蓝牙模块用于使用蓝牙通信协议来发送和接收数据(这使所记录的监测器、运动、图像和语音数据能够被上传到服务器或否则由医务人员提取)–906。
图10示出了设备1000(例如图6至图9所示的设备)的固定机构的组装(例如PPG传感器可以如何通过粘合剂附着来固定到皮肤)的示例。传感器1002(例如,具有触点1012的PPG传感器)通过插入到凹槽1010内使用钳子1006(例如,使用压力、摩擦或干涉配合)来配合到壳体1004中。壳体1004(例如,固定环)提供粘合表面1008,通过该粘合表面1008,壳体1004可以被固定到受试者的皮肤,从而将传感器1002定位在皮肤上的一致位置上。该设备1000可以体现在手表、环、臂带、腕带、手镯或在受试者的身体上的适当位置处工作的任何其他配置中。
在整个本说明书中,除非上下文另有要求,词“包括(comprise)”以及变形例如“包括(comprises)”和“包括(comprising)”将被理解为暗示所陈述的整体或步骤或者整体或步骤的组的包括但不排除任何其他整体或步骤或整体或步骤的组合。
在本说明书中对任何现有技术的引用并不且也不应该被理解为对现有技术形成公知常识的一部分的承认或任何形式的暗示。
Claims (20)
1.一种用于提醒紧急服务的计算机系统,包括:
至少一个监测设备;
至少一个身体症状设备,每个身体症状设备是:
运动传感器设备;
图像捕获设备;或者
音频接收器设备;
发射器;
处理器;以及
存储器,所述存储器存储:
关于患者的一个或更多个生命体征的预定基线;
至少一个身体症状基线,每个身体症状基线对应于所述至少一个身体症状设备的设备并且是:
预定基线运动;
所述患者的面部特征的预定基线布置;或者
预定基线语音;以及
指令,所述指令当由所述处理器执行时使:
所述至少一个监测设备测量所述患者的一个或更多个生命体征;
所述处理器将所述生命体征与所述一个或更多个生命体征的相应的预定基线进行比较;以及
如果测得的生命体征超过所述预定基线,则通过促使以下项来检测对应于所述至少一个身体症状基线的一个或更多个身体症状:
所述运动传感器设备测量所述患者的一个或更多个臂的运动;
所述图像捕获设备对所述患者的面部的面部布置进行成像;和/或
所述音频接收器设备听所述患者的语音;
所述处理器将所述一个或更多个身体症状与相应的身体症状基线进行比较;以及
如果所述一个或更多个身体症状中的至少一个身体症状偏离所述相应的身体症状基线,则使用所述发射器来发起紧急服务的联系。
2.根据权利要求1所述的计算机系统,其中,所述预定基线是基于对所述患者的先前的测量的预定基线。
3.根据权利要求1所述的计算机系统,其中,所述处理器通过确定相应的生命体征是否超过所述相应的预定基线一个阈值量来确定所述预定基线是否被超过。
4.根据权利要求1所述的计算机系统,其中,所述计算机系统被安装到所述患者的所述一个或更多个臂中的一个臂(所述一个臂)。
5.根据权利要求4所述的计算机系统,其中,所述至少一个身体症状设备的设备是直接测量所述一个臂的加速度或振动的运动传感器设备。
6.根据权利要求1所述的计算机系统,其中,所述至少一个身体症状设备的设备是运动传感器设备,所述运动传感器设备包括图像捕获设备,以及测量所述臂的所述运动包括比较所述臂在由所述图像捕获设备捕获的连续图像中的位置。
7.根据权利要求1所述的计算机系统,其中,所述至少一个身体症状设备的设备是图像捕获设备,所述图像捕获设备通过确定从由所述图像捕获设备捕获的一个或更多个图像中识别的两个或更多个面部特征的相对位置来对所述面部布置成像。
8.根据权利要求1所述的计算机系统,其中,所述至少一个身体症状设备的设备是音频接收器设备,所述音频接收器设备通过识别所述语音中的一个或更多个假象并将所述假象与所述预定基线语音中的对应的假象进行比较来将所述语音与所述预定基线语音进行比较。
9.根据权利要求1所述的计算机系统,其中,所述处理器被配置成在所述存储器中记录对应于所述至少一个身体症状设备的所述运动、面部布置和/或语音的记录,并且所述发射器被配置成将所述记录传输给医务人员。
10.一种用于提醒紧急服务的计算机过程,包括:
测量患者的一个或更多个生命体征;
将所述生命体征与预定基线进行比较;以及
如果测得的生命体征超过所述预定基线,则通过下列操作中的至少一个来检测对应于至少一个身体症状基线的一个或更多个身体症状:
测量所述患者的一个或更多个臂的运动;
对所述患者的面部的面部布置进行成像;和/或
听所述患者的语音;
将所述一个或更多个身体症状与相应的身体症状基线进行比较;以及
如果所述一个或更多个身体症状偏离所述相应的身体症状基线,则发起紧急服务的联系。
11.根据权利要求10所述的计算机过程,其中,所述预定基线是基于对所述患者的先前的测量的预定基线。
12.根据权利要求10所述的计算机过程,其中,超过所述预定基线包括对于所述声明体征或每个生命体征超过所述预定基线一个阈值量。
13.根据权利要求10所述的计算机过程,其中,所述计算机过程由被安装到所述患者的所述一个或更多个臂中的一个臂(所述一个臂)并且包括运动传感器设备的设备来执行,并且所述一个或更多个身体症状中的至少一个身体症状是通过对所述一个臂的运动进行测量而可检测的,所述运动由所述运动传感器设备进行测量。
14.根据权利要求13所述的计算机过程,其中,所述运动传感器包括加速度或振动传感器,并且测量所述运动包括直接测量所述一个臂的运动。
15.根据权利要求10所述的计算机过程,其中,测量所述一个或更多个臂的运动包括比较所述一个或更多个臂中的至少一个臂在由图像捕获设备捕获的连续图像中的位置。
16.根据权利要求10所述的计算机过程,其中,所述一个或更多个身体症状中的至少一个身体症状是通过对所述面部布置成像而可检测的,对所述面部布置成像包括从被安装到所述患者的所述一个或更多个臂中的一个臂的设备捕获所述患者的面部的图像。
17.根据权利要求10所述的计算机过程,其中,所述一个或更多个身体症状中的至少一个身体症状是通过对所述面部布置成像而可检测的,对所述面部布置成像包括比较两个或更多个面部特征的相对位置。
18.根据权利要求10所述的计算机过程,其中,所述一个或更多个身体症状中的至少一个身体症状是通过听所述患者的语音而可检测的,将所述语音与预定基线语音进行比较包括识别所述语音中的一个或更多个假象,并且将所述假象与所述预定基线语音中的相对应的假象进行比较。
19.根据权利要求10所述的计算机过程,包括向医务人员提供对应于所述一个或更多个身体症状的运动、面部布置和/或语音的记录以用于进行检查。
20.根据权利要求10所述的计算机过程,其中,如果测得的生命体征没有超过所述预定基线,则所述测得的生命体征被合并到所述预定基线中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662428499P | 2016-11-30 | 2016-11-30 | |
US62/428,499 | 2016-11-30 | ||
PCT/SG2017/050587 WO2018101886A1 (en) | 2016-11-30 | 2017-11-29 | A computer system for alerting emergency services |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109997178A true CN109997178A (zh) | 2019-07-09 |
CN109997178B CN109997178B (zh) | 2022-04-05 |
Family
ID=62242639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780072865.0A Active CN109997178B (zh) | 2016-11-30 | 2017-11-29 | 用于提醒紧急服务的计算机系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11074798B2 (zh) |
CN (1) | CN109997178B (zh) |
SG (1) | SG10201911123XA (zh) |
WO (1) | WO2018101886A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115884742A (zh) * | 2019-06-26 | 2023-03-31 | 查可神经科技有限公司 | 用于使症状与医学病症相关联的系统和方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG10201911123XA (en) | 2016-11-30 | 2020-01-30 | Agency Science Tech & Res | A computer system for alerting emergency services |
US10546108B1 (en) * | 2016-12-29 | 2020-01-28 | Wells Fargo Bank, N.A. | Wearable computing device secure access badge |
US20200367799A1 (en) * | 2019-05-22 | 2020-11-26 | Bi Incorporated | Systems and Methods for Multi-Tiered Impairment Testing |
KR20230029850A (ko) * | 2020-06-23 | 2023-03-03 | 화이자 인코포레이티드 | 긁음 검출 및 발적 예측을 위한 컴퓨터화된 의사결정 지원 툴 및 의료 디바이스 |
US11633112B2 (en) * | 2021-03-08 | 2023-04-25 | Medtronic, Inc. | Automatic alert control for acute health event |
WO2023278544A1 (en) * | 2021-06-29 | 2023-01-05 | Echas Llc | Methods and systems for alerting users to health emergencies |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672182A (zh) * | 2002-07-25 | 2005-09-21 | 摩托罗拉公司(在特拉华州注册的公司) | 便携通信装置和相应的操作方法 |
CN102270372A (zh) * | 2010-06-01 | 2011-12-07 | 王志良 | 监测终端、身体活动状态监测系统及监测方法 |
CN103635132A (zh) * | 2011-02-09 | 2014-03-12 | 奥森医疗科技有限公司 | 用于监测脑血流动力学状况的装置和方法 |
CN104301570A (zh) * | 2013-07-18 | 2015-01-21 | 杭州华为企业通信技术有限公司 | 紧急呼叫方法及装置 |
US20160331255A1 (en) * | 2015-05-14 | 2016-11-17 | Elwha Llc | Systems and methods for detecting strokes |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0997799B1 (en) * | 1998-04-21 | 2009-08-19 | Seiko Epson Corporation | Device and method for timing |
JP2006341062A (ja) | 2005-06-09 | 2006-12-21 | Nex1 Future Co Ltd | 応急状況感知装置 |
US10022545B1 (en) * | 2006-05-11 | 2018-07-17 | Great Lakes Neurotechnologies Inc | Movement disorder recovery system and method |
US7558622B2 (en) * | 2006-05-24 | 2009-07-07 | Bao Tran | Mesh network stroke monitoring appliance |
US9044136B2 (en) * | 2007-02-16 | 2015-06-02 | Cim Technology Inc. | Wearable mini-size intelligent healthcare system |
US20090005654A1 (en) * | 2007-03-30 | 2009-01-01 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational user-health testing |
US7884727B2 (en) * | 2007-05-24 | 2011-02-08 | Bao Tran | Wireless occupancy and day-light sensing |
WO2010055205A1 (en) | 2008-11-11 | 2010-05-20 | Reijo Kortesalmi | Method, system and computer program for monitoring a person |
US8273036B2 (en) * | 2008-12-24 | 2012-09-25 | The Hong Kong Polytechnic University | Wearable portable device for increasing user awareness of a paretic limb and recording the user awareness |
US8988240B2 (en) * | 2009-01-15 | 2015-03-24 | AvidaSports, LLC | Performance metrics |
US8784021B2 (en) * | 2009-11-05 | 2014-07-22 | O'brien Dental Lab, Inc. | Jig device and apparatus and method of making a dental prosthesis or pattern therefor |
US9243829B1 (en) * | 2010-05-27 | 2016-01-26 | E. Lynn Parnell | Vehicle air conditioning charging hose assembly and method |
TWI531721B (zh) * | 2011-01-25 | 2016-05-01 | 周文三 | 空氣壓縮機 |
FR2983059B1 (fr) * | 2011-11-30 | 2014-11-28 | Medtech | Procede assiste par robotique de positionnement d'instrument chirurgical par rapport au corps d'un patient et dispositif de mise en oeuvre. |
JP5821658B2 (ja) * | 2012-01-25 | 2015-11-24 | オムロンヘルスケア株式会社 | 測定装置および測定方法 |
US10370237B2 (en) * | 2012-10-10 | 2019-08-06 | Raymond Wilson Blackburn | Fluid dispenser with isolation membrane |
US20140255890A1 (en) * | 2013-03-07 | 2014-09-11 | Hill-Rom Services, Inc. | Patient support apparatus with physical therapy system |
JP2014229199A (ja) | 2013-05-24 | 2014-12-08 | 一般社団法人Jmii | 転倒時通報システム及び転倒時通報システム用プログラム |
US20150068069A1 (en) * | 2013-07-27 | 2015-03-12 | Alexander Bach Tran | Personally powered appliance |
JP5877528B2 (ja) * | 2013-11-27 | 2016-03-08 | 株式会社アイザック | 自動通報システム |
EP3125746B1 (en) * | 2014-04-02 | 2021-11-17 | Koninklijke Philips N.V. | System and method for detecting variation of heart rate of a user |
KR101489896B1 (ko) | 2014-10-17 | 2015-02-06 | 주식회사 스마트로봇 | 비상호출 장치 및 그 방법 |
CN104331685A (zh) | 2014-10-20 | 2015-02-04 | 上海电机学院 | 非接触式主动呼叫方法 |
US9572503B2 (en) * | 2014-11-14 | 2017-02-21 | Eric DeForest | Personal safety and security mobile application responsive to changes in heart rate |
US10025908B1 (en) * | 2015-02-25 | 2018-07-17 | Leonardo Y. Orellano | Medication adherence systems and methods |
US10952638B2 (en) * | 2015-06-12 | 2021-03-23 | ChroniSense Medical Ltd. | System and method for monitoring respiratory rate and oxygen saturation |
US10368772B2 (en) * | 2016-01-05 | 2019-08-06 | Tosense, Inc. | Handheld physiological sensor |
US10398319B2 (en) * | 2016-11-22 | 2019-09-03 | Huami Inc. | Adverse physiological events detection |
SG10201911123XA (en) | 2016-11-30 | 2020-01-30 | Agency Science Tech & Res | A computer system for alerting emergency services |
US10912466B2 (en) * | 2018-04-23 | 2021-02-09 | Albrik Levick Gharibian | Smart blood pressure measuring system (SBPMS) |
US10582897B2 (en) * | 2018-07-24 | 2020-03-10 | Dnanudge Limited | Method and device for comparing personal biological data of two users |
US10467679B1 (en) * | 2019-04-15 | 2019-11-05 | Dnanudge Limited | Product recommendation device and method |
US10811140B2 (en) * | 2019-03-19 | 2020-10-20 | Dnanudge Limited | Secure set-up of genetic related user account |
US10699806B1 (en) * | 2019-04-15 | 2020-06-30 | Dnanudge Limited | Monitoring system, wearable monitoring device and method |
-
2017
- 2017-11-29 SG SG10201911123XA patent/SG10201911123XA/en unknown
- 2017-11-29 WO PCT/SG2017/050587 patent/WO2018101886A1/en active Application Filing
- 2017-11-29 US US16/345,047 patent/US11074798B2/en active Active
- 2017-11-29 CN CN201780072865.0A patent/CN109997178B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1672182A (zh) * | 2002-07-25 | 2005-09-21 | 摩托罗拉公司(在特拉华州注册的公司) | 便携通信装置和相应的操作方法 |
CN102270372A (zh) * | 2010-06-01 | 2011-12-07 | 王志良 | 监测终端、身体活动状态监测系统及监测方法 |
CN103635132A (zh) * | 2011-02-09 | 2014-03-12 | 奥森医疗科技有限公司 | 用于监测脑血流动力学状况的装置和方法 |
CN104301570A (zh) * | 2013-07-18 | 2015-01-21 | 杭州华为企业通信技术有限公司 | 紧急呼叫方法及装置 |
US20160331255A1 (en) * | 2015-05-14 | 2016-11-17 | Elwha Llc | Systems and methods for detecting strokes |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115884742A (zh) * | 2019-06-26 | 2023-03-31 | 查可神经科技有限公司 | 用于使症状与医学病症相关联的系统和方法 |
CN115884742B (zh) * | 2019-06-26 | 2024-04-30 | 查可神经科技有限公司 | 用于使症状与医学病症相关联的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109997178B (zh) | 2022-04-05 |
SG10201911123XA (en) | 2020-01-30 |
US20190279480A1 (en) | 2019-09-12 |
US11074798B2 (en) | 2021-07-27 |
WO2018101886A1 (en) | 2018-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109997178A (zh) | 用于提醒紧急服务的计算机系统 | |
US10602964B2 (en) | Location, activity, and health compliance monitoring using multidimensional context analysis | |
CN107708548B (zh) | 用于吸烟行为的量化和预测的系统和方法 | |
US9814425B2 (en) | Health monitoring appliance | |
US8121673B2 (en) | Health monitoring appliance | |
US8500636B2 (en) | Health monitoring appliance | |
US20150269825A1 (en) | Patient monitoring appliance | |
US20140194702A1 (en) | Health monitoring appliance | |
WO2017068582A1 (en) | System and method for monitoring and determining a medical condition of a user | |
US20180008191A1 (en) | Pain management wearable device | |
Parra et al. | Multimedia sensors embedded in smartphones for ambient assisted living and e-health | |
JP2020537245A (ja) | 喫煙行動の定量化および予測のためのシステムおよび方法 | |
US11751813B2 (en) | System, method and computer program product for detecting a mobile phone user's risky medical condition | |
US20200359913A1 (en) | System, apparatus, and methods for remote health monitoring | |
CN108882853B (zh) | 使用视觉情境来及时触发测量生理参数 | |
WO2021032556A1 (en) | System and method of detecting falls of a subject using a wearable sensor | |
US20200375505A1 (en) | Method and apparatus for health prediction by analyzing body behaviour pattern | |
Srinivasan et al. | Elder care system using IoT and machine learning in AWS cloud | |
US20220351852A1 (en) | System, apparatus, and methods for health monitoring | |
JP7419904B2 (ja) | 生体モニタ装置、生体モニタ方法及びプログラム | |
US20240008766A1 (en) | System, method and computer program product for processing a mobile phone user's condition | |
Hardani et al. | Autumn leaves: Automatic fall detection, alert and assessment to improve pre-hospital emergency care response | |
WO2022198058A1 (en) | System, apparatus, and methods for health monitoring |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |