CN111163693A - 健康和疾病的诊断定制 - Google Patents
健康和疾病的诊断定制 Download PDFInfo
- Publication number
- CN111163693A CN111163693A CN201780094393.9A CN201780094393A CN111163693A CN 111163693 A CN111163693 A CN 111163693A CN 201780094393 A CN201780094393 A CN 201780094393A CN 111163693 A CN111163693 A CN 111163693A
- Authority
- CN
- China
- Prior art keywords
- respiratory
- individual
- signals
- breathing
- health
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0823—Detecting or evaluating cough events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0204—Acoustic sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- 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
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明常规和特别地涉及能够进行针对个体的诊断并且能够控制效应器以提供治疗或针对个体机能提升的计算机化设备。本发明集成了能检测来自可测量身体系统信号的传感器以及外部机器,以形成基于时间的常规健康和特别身体机能健康的自适应数字网络。本发明可应用于睡眠和清醒状态、睡眠呼吸紊乱、其他呼吸障碍、记忆力和认知、对肥胖或心脏衰竭的监测和响应、对其他状况的监测和响应以及一般机能的增强。
Description
技术领域
本发明常规和特别地涉及能够进行针对个体的诊断并且能够控制效应器以提供治疗或针对个体机能提升的计算机化设备。本发明集成了能检测来自可测量身体系统信号的传感器以及外部机器,以形成基于时间的常规健康和特别身体机能健康的自适应数字网络。可测量的身体系统包括中枢和周围神经系统、心血管系统、呼吸系统、骨骼肌和皮肤、以及任何其他能够产生可测量信号的身体系统。外部机器包括诊断传感器,医疗刺激或修复设备和/或可能是消费级设备的非医疗级设备。本发明可应用于睡眠和清醒状态、睡眠呼吸紊乱、其他呼吸障碍、记忆力和认知、对肥胖或心脏衰竭的监测和响应、对其他状况的监测和响应以及常规机能的增强。本公开概述了本发明的几种应用,以示例性的方法和系统来增强睡眠相关的身体功能,以用于正常个体或患有睡眠呼吸紊乱的患者。
本申请通过引用并入整个律师代理案卷#2480-2PCT(申请PCT/US15/46819,2015年8月25日提交)以及整个律师案卷#2480-3PCT(申请PCT/US15/47820,2015年8月31日提交)。
背景技术
人体早已与人造设备或机器连接。假肢由木材、金属和其他材料制成,已有数百年历史。通过最新的技术进步,现在复杂的材料、设计和控制被经常用于特定用途的设备-例如机器人肢体(例如singularityhub.com/2013/07/24/darpas-brain-controlled-prosthetic-arm-and-a-bionic-hand-that-can-touch)或葡萄糖感应胰岛素输液泵。
许多身体任务是由大脑(中枢神经系统)和/或周围神经系统调解的。这些功能包括经典的“神经”功能,例如视觉或听觉,还包括几乎所有的日常生活活动,包括学习;移动或操作机器。一些任务是由中枢和/或周围神经系统以外的系统调解的,许多任务是由神经系统和非神经系统任务的组合来执行的。
在许多情况下,身体执行任务的能力受到限制。约束有多种形式,并且可以是功能性的或生理性的。功能性的限制可能包括经典疾病,例如直接限制个人移动脚部能力的中风。功能性的限制还可能包括由于缺乏培训;知识或技能的掌握或由于废置而导致的任务表现不佳。其他功能性的限制包括其他身体系统的正常或异常功能,例如睡眠呼吸紊乱导致的肌肉疲劳。生理性约束包括防止肢体在封闭空间中运动的外部障碍物,例如可能影响战士或潜水员的冷或热或其他形式的电磁效应,从而阻止肌肉运动。生理性限制也可能与疾病重叠,例如截肢导致的肢体缺失在两种类别中都适用。
当前缺少的是如何可以使用设备来“智能地”调整健康监测,或提供治疗以恢复失去的功能,或增强特定个体的现有功能。当检查正常人脑如何轻松地感知、整合和控制身体功能时,以前和当前设备无法自动监视健康、调整治疗和/或恢复或增强功能,这一点非常明显。
现有技术已广泛研究但尚未精确定义,大脑或神经系统的哪些区域控制身体任务,以及它们如何与网络中的其他生理功能(例如器官系统)相互作用。简单的身体任务,例如移动左臂的二头肌或从右手的食指进行感应,已定义明确并且通常每个个体保留一致。然而,功能映射或“地图集”甚至对于“简单的感觉”(如面部的视觉识别)也受到争议。包括“较高皮层”功能在内的其他身体功能既未明确定义也未得到保留。这些复杂的身体功能包括健康的呼吸、睡眠、认知、记忆力、情绪、警觉性、感觉运动神经活动以及许多其他功能。
当前,尝试调节身体机能的机器通常基于对生理学的详细了解,对于大脑而言,这可能包括神经成像,大脑和周围神经的正常和异常功能映射。不幸的是,这样的详细知识通常是不完整的。在某种程度上,这是因为正常和异常任务的大脑位置映射通常在各个人之间有所不同,并且对于同一个人在不同时间也可能有所不同。因此,人们对大脑和其他调解许多身体功能的系统区域了解得很少。这包括睡眠控制,呼吸控制,记忆力,认知,精神表现等。即使对于看似很好理解(或很好的“映射”)的功能,生理学研究也提出了更多的不确定性,例如基于其他系统的功能或特定个体的健康状况随时间的变化。
我们将功能域定义为与独特身体功能有关的所有元素的集合,有时与特定器官系统或导致整体功能(例如呼吸)的系统组合相关联。映射身体功能的功能域非常困难,尤其是对于涉及大脑的功能而言。然而,迫切需要感知和调节其功能改变可能导致疾病或机能欠佳的功能域。
在传统理论中,睡眠和清醒是由包括下丘脑后部在内的大脑区域调节的,而记忆是由海马和边缘系统的其他区域编码的。但是,尚不清楚哪个大脑区域负责控制睡眠或调解睡眠呼吸暂停中的异常呼吸。控制单个气道肌肉的脑干区域具有更好的特征,例如控制舌运动的舌下神经(第十二颅神经)的核。然而,还不清楚这种核如何参与复杂的功能,例如异常呼吸以产生阻塞性睡眠呼吸暂停。结果,很难治疗这种情况或发现新颖的系统来物理或电调节诸如舌头的单个肌肉以减少阻塞。
睡眠是一种身体功能,可整合神经系统,骨骼肌,心肺和其他身体系统。睡眠和清醒会交替发生,并且睡眠能激活随后的清醒,这是大多数器官系统正常运行所必需的。传统上,睡眠被认为受大脑干(原始大脑)的特定区域控制,该区域调节并受高级大脑(大脑皮层)的功能调节。这些区域继而控制呼吸肌、其他不受意识控制的肌肉(例如胃肠道和泌尿生殖道的括约肌)、随意肌(例如腿或手臂的肌肉)、感觉功能以及其他身体功能。
几十年来的许多工作都在努力确定大脑的哪些区域调解睡眠的复杂身体功能。如上所述,尽管对于“简单”功能,例如控制定义的肌肉(例如,上臂的二头肌)或感觉(例如,右手食指),已经很好地定义了功能映射,但是对于睡眠而言其清晰性却远远不够。受睡眠影响的多个器官系统之间的相互作用使得精确映射更为复杂。
一个人的睡眠能力可能会在许多方面受到损害。最重要和最常见的是睡眠呼吸不足(呼吸减少)和呼吸暂停(呼吸停止),其中睡眠呼吸障碍会中断睡眠功能,以及原发性睡眠紊乱(如失眠),使得个人无法有效或充分睡眠。睡眠紊乱通常会对清醒产生负面影响,导致白天的嗜睡影响日常活动。睡眠紊乱还可能导致呼吸系统疾病(例如低氧和/或高二氧化碳水平),并伴随新陈代谢影响,包括酸中毒,心脏疾病(例如衰竭和心律异常),免疫系统疾病(导致易感染),心理疾病(例如压力、抑郁和其他情绪紊乱、焦虑和精神病),以及其他几种功能不佳和疾病的状态。
睡眠呼吸暂停可能会是阻塞性的或中枢性的。阻塞性睡眠呼吸暂停(OSA)越来越多的被发现在打鼾、超重和可能出现后遗症如心力衰竭的人中。但是,OSA仍未得到充分诊断,可能会在没有这些经典特征的个体中发生。中枢性睡眠呼吸暂停也很常见,认识不足,并伴有诸如心力衰竭的合并症。中枢性睡眠呼吸暂停(CSA)也可能与阻塞性睡眠呼吸暂停同时发生,因为物理上打开喉咙肌肉并防止阻塞的治疗方法有时会留下呼吸暂停后遗症。如果不及时治疗,许多OSA患者会随着时间而发展成某种程度的CSA。
阻塞性睡眠呼吸暂停是由睡眠中的部分或完全气道衰竭导致的。中枢性睡眠呼吸暂停是由于睡眠中呼吸肌对大脑的刺激减少。两种形式的诊断通常都使用隔夜多导睡眠图(PSG)进行,该测试通常可测量至少八(8)个传感器通道,包括脑电图(EEG)、眼电图(EOG)、心电图(ECG)、下巴肌电图(EMG)、鼻和口气流、呼吸“努力”血氧饱和度(SaO2或饱和氧)以及身体位置。不幸的是,PSG通常被认为是繁琐的测试,在过夜的不自然条件下由专家技术人员有时是医师陪同进行的实验。传统的PSG不能很好地被患者接受或忍受,不能轻易重复以评估治疗效果,也不能在家中进行。
根据多导睡眠图,呼吸暂停被定义为至少10秒钟内没有呼吸(鼻/口气流减少,潮气量的替代测量,至少90%),而呼吸不足被定义为气流减少至少30%并持续至少10秒钟,同时氧饱和度降低至少3%以及/或者因唤醒睡眠而终止。如通过EMG和胸部传感器测量到的那样,如果伴随针对闭塞气道的额外吸气努力,呼吸暂停被定义为阻塞性。若没有这种伴随的努力,呼吸暂停则被定义为中枢性。同样,如果有上呼吸道流量受限的迹象,则呼吸不足会阻塞,否则被认为是中枢性呼吸困难。呼吸暂停低通气指数(AHI)是指睡眠中每小时呼吸暂停和呼吸不足发作的总次数,通常分为无睡眠呼吸暂停(AHI<5),轻度睡眠呼吸暂停(AHI为5-14),中度睡眠呼吸暂停(AHI为15-29)和重度睡眠呼吸暂停(AHI>30)。
有几种治疗阻塞性睡眠呼吸暂停的方法,但通常耐受性差。当前最常用的治疗方法是持续气道正压通气(CPAP),以保持气道畅通并减少/消除阻塞。其他选择包括机械夹板(如口腔矫治器),甚至外科手术程序以减少/消除阻塞。最近的一些设备已对舌头或面部的肌肉施加刺激以消除阻塞,但目前尚不清楚它们在广泛人群中的效果如何。
一些改善中枢性睡眠呼吸暂停的策略已经被提出,或更普遍地,中枢性睡眠控制。CPAP和辅助伺服通气是常用的,但耐受性很差。某些刺激性药物有时会有所帮助,但在患有其他合并症的患者中通常是禁忌的。最近,已经研究了一种研究装置(Respicardia公司的)来调节神经膈,以刺激膈膜呼吸【Costanzo MR等发表于柳叶刀2016】。由于中枢性睡眠呼吸暂停可能直接与睡眠紊乱有关,因此中枢性睡眠呼吸暂停的治疗也可能会对其他疾病有帮助。人们日益认识到,中枢性睡眠呼吸暂停会使心力衰竭加重,因此治疗中枢性睡眠呼吸暂停可以改善心力衰竭的症状,以及其他心脏和非心脏疾病,例如失眠和心理后遗症。
药理药物疗法通常用于诱导睡眠,但是这些药物在睡眠呼吸暂停中没有用。大多数此类药物很少模仿自然的睡眠阶段,很少引起快速的眼动(REM)睡眠,这对安宁至关重要,并且可能自相矛盾地加剧睡眠紊乱,尽管夜间意识不清,但白天却产生嗜睡感。
显然需要新的治疗方式来调节上述复杂功能-通常包括中枢或周围神经系统的组成部分。新兴形式通常包括在特定目标区域的大脑或神经系统活动的电刺激/调节。所有这些当前的方式都遭受严重且普遍的问题,因为它们试图在没有或只有很少的基于个体患者神经活动对感觉输入、反馈或调节的情况下进行治疗。
电刺激疗法的一个例子是非侵入性或微创性三叉神经刺激(例如,NEU ),正在对其进行评估以治疗抑郁症和癫痫发作。不幸的是,这种疗法的真正作用机理尚不清楚。这是否是由于实际的三叉神经受到刺激,直接刺激大脑额叶,间接抑制脑血流或其他尚不清楚的机制,都尚待确定,并将影响这种疗法成功应用的能力。另外,这种疗法被应用为“千篇一律”的方法,并没有针对个体患者的反应进行任何调整。
其他非侵入性神经调节/刺激方法也被考虑到,包括刺激迷走神经以进行癫痫发作(Carbomed,Inc.)。与三叉神经刺激类似,对该机制的了解甚少,通过这种非侵入性方法对迷走神经的实际刺激尚不清楚,并且没有针对患者的适应性。许多技术正试图通过无创经颅的电场和/或磁场治疗来治疗抑郁症(Neuronetics Inc.,Neosync Inc.,BrainswayInc.,Cervel Neurotech Inc.和Tal Medical Inc.)。
对于呼吸暂停,有尝试调节阻塞性睡眠呼吸暂停的方法,包括刺激舌下神经(Inspire Med Inc.)或其他咽喉肌肉(Apnex Medical Inc.),但通常没有针对患者的个性化疗法。实际上,由于大多数患者中枢性睡眠呼吸暂停部分的普遍性,尚不清楚直接治疗阻塞是否能解决呼吸暂停问题。
其他进行神经调节的侵入性方法包括迷走神经刺激以治疗癫痫和抑郁症(Cyberonics)、脊髓刺激以治疗疼痛(例如Medtronic Inc.,Boston Scientific Inc.,Advanced Neuromodululation Systems Inc.),直接深部脑刺激以治疗癫痫发作(Medtronic Inc.,Boston Scientific Inc.等)或认知紊乱(Thync Inc.)。但是,这些疗法只针对身体机能生理网络的单个组成部分,并且受到限制,因为它们不考虑引起异常功能的其他生理系统(“生理网络”的其他部分)。这可能会导致治疗效果欠佳,补偿机制进一步降低治疗效果或产生不良影响。此外,这些疗法仅能达到其特定目标的准确性,对于许多身体功能,包括睡眠控制、睡眠呼吸条件、认知、警觉性、记忆力,整体智力表现或对肥胖的反应,大脑/神经区域的定义不准确。
因此,对于呼吸暂停,尽管这些当前的方法显示出有趣的初步数据,但它们都有相同的问题-即,对机理的了解不足,对患者的疗法定制不佳以及对单个患者需求的治疗反馈和适应性不是最优。
传统疗法通常也无法有效控制中枢性睡眠呼吸暂停、其他认知或功能功能、警觉性、心力衰竭或肥胖症。
设备可以用于其他功能,例如越来越多地使用虚拟环境。在这里,目标通常是通过提供特定的感官输入(主要是视觉、触觉和/或听觉)来模拟或复制现实世界的体验,从而创建一个虚幻的或具有代表性的环境。但是,这种方法受到严重限制,因为正常功能以及异常功能的途径在各个人之间可能会有很大差异。因此,虚拟环境中的感官输入或输出通常不会为个人准确地表达或模拟该功能。
设备可以用于许多其他应用中,以增强或补偿其他功能,例如受限制或约束的运动神经任务。设备可以解决诸如外部障碍物之类的物理约束,或补偿物理损耗,例如由截肢术截下的肢体。如所讨论的,设备可用于中枢性或阻塞性睡眠呼吸暂停,但是成功有限。
基于身体传感器(例如,眼睛)、神经功能(例如,中枢和周围神经系统)和效应器器官(例如,肌肉群)的范例,已经进行了许多尝试来开发设备用来解决功能限制或局限性的问题,可以在功能上映射到特定的解剖位置。这些解决方案在很大程度上受到限制,因为调解每个任务的大脑(“图集”)或其他生理系统的精确位置还没有很好地定义,特别是对于复杂的功能。许多数据来自动物模型,这些模型不太适合建模或分析复杂的人类功能或精神功能。
开发一种能够增强针对个人的身体任务的设备,对社会将是非常有益的,该设备可以感知该特定个体的健康或疾病,可以在无需进行侵入性测试的情况下进行此操作,从而可以进行重复测试,并且也可以用来调节那个人的身体任务。一个例子是检测特定个体的睡眠障碍以恢复睡眠功能,即预防或治疗阻塞性或中枢性睡眠紊乱的设备。一种能够提高健康水平的设备,包括警觉性、呼吸、睡眠、运动神经活动、甚至是针对个人的神经功能某些方面(这些功能都不会患病),都具有很大的价值。当前,现有技术中很少有方法可以实现这些目标。
发明内容
本发明提供了一种方法、设备和系统,该方法、设备和系统克服了现有技术的缺陷,并且通过感测针对个体的健康或疾病而增强了个体的身体任务,而无需进行侵入式测试,并且能够针对该个体量身定制的身体任务调整功能组件。更具体地,在特定实施例中,本发明提供了一种方法、设备和系统,其检测特定个体中的睡眠障碍并且针对该个体而定制以恢复该个体的睡眠功能,即,预防或治疗阻塞性或中枢性睡眠紊乱。本发明还提供了一种方法、设备和系统,其增强了任务,例如警觉性、呼吸、睡眠、运动神经活动或甚至适合于个体的没有患病的某些神经功能。
本发明为个体创建随时间推移的健康或疾病的动态数字描述,称为加密功能网络。该网络通过使用来自多个调解给定身体功能的生理系统的感测信息而为个人量身定做,并可以针对个体用于调整该任务的功能。本发明在许多方面背离现有技术。首先,本发明具有重复地且非侵入性地监测个人重要的身体任务的能力。这使得全部或部分使用消费级设备(例如智能手机、家庭运动传感器、消费级相机或麦克风)的实施成为可能。因此,本发明连接到了物联网(lofT)。其次,本发明专注于加密功能网络(EFN),其是正常和/或患病身体功能的个性化数字表示,可用于检测干扰或产生针对该个体定制的增强功能以相应地修改功能。根据定义,EFN不需要详细的身体任务先验生理或机械定义,这些定义对于诸如睡眠、警觉性、体重维持、心力衰竭患者的体液平衡维持或神经系统任务等复杂任务,通常是不可用的。取而代之的是,EFN是通过参考个体中该身体功能的不同状态的重复感测方法构建的,因此将该身体功能表示为可能是正常的也可能是异常的感测特征。第三,本发明能够使用加密的功能网络来增强针对个体定制的机能或恢复失去的功能。第四,本发明使用生物和机器相结合的方法。
就本公开而言,以下定义适用。
联想学习被定义为将感测到的特征和其他输入与身体任务联系起来的过程。感官特征通常来自身体系统。对于本公开,身体任务通常是复杂的任务,而不是反射性的或其他简单任务。联想学习可以是迭代的,从而可以基于这些过程之间的变化模式来修改(“学习”)关联。一个示例为使整个胸壁的高电阻抗(即,较大的绝缘体,空气)与异常呼吸相关联。
身体功能定义为执行任务所需的过程,可能包括生理或病理过程。身体功能通常很复杂,并伴有非限制性示例,例如睡眠、睡眠呼吸暂停,精神状态或对肥胖的反应。身体功能涉及可能相互作用的功能域网络,每个功能域可能包括大脑和中枢神经系统、周围神经系统、心血管、肺、胃肠道、泌尿生殖系统、免疫系统、皮肤和其他系统。身体功能可能是由生物学活动/功能引起的,并且可以通过非生物或人工成分进行调节,例如,戴着眼镜阅读、驾驶、使用远程控制单元、患者移动自然/神经机械肢体的组合等。身体功能可以由几个身体信号表示。例如,呼吸的身体功能可以由呼吸速率、呼吸深度、心率变化、皮肤上的氧合水平和汗液的化学平衡等感测到的信号来表示。
身体信号是指由人、动物、植物、细菌或其他基于单细胞体或基于多细胞体产生和/或感测到的信号。就该定义而言,包括病毒和朊病毒。身体信号尤其包括由人体产生和/或从人体感测到的信号。身体信号通常与身体功能相关。术语“非身体信号”表示它是从基于单细胞体或多细胞体以外的来源产生的。例如包括来自外部电源、机器、传感器等的外部“信号”。当使用术语“信号”而未使用术语“身体”或“非身体”时,术语“信号”表示它包括两个“身体信号”和“非身体”信号,即,它包括所有信号。
身体是指单细胞生物、多细胞生物、病毒和朊病毒的物理结构。生物包括动物(例如但不限于人类)、植物、细菌等。
消费级设备定义为无需医疗处方即可直接供消费者使用的设备,通常不受医学监管代理或机构(例如美国食品药品监督管理局或其他国家/地区的类似监管机构)的监管,包括硬件、软件或软硬件组合。消费级设备不是医疗级设备,医疗级设备定义为仪器、设备、工具、机器、装置,植入物、体外试剂或其他类似或相关的物品,包括组件或配件用于诊断疾病或其他状况,或用在人类或其他动物的疾病的治愈、缓解、治疗或预防中。医疗级设备的定义不包括医疗级决策支持软件。
使用名为“加密功能网络”的计算机化框架进行分析或治疗的定制,以保持健康功能或预防疾病。定制是动态的,并且发生在许多级别,包括决定在个体中应用哪些传感器;在何处应用它/它们;针对特定任务组合哪些传感器;如何动态地(即随着时间推移)对它们进行分析以及如果检测到不需要的信号模式时如何传递效应器响应。
在与呼吸有关的信号的优选实施例中,感测到的信号的扰动与睡眠引起的部分或完全觉醒,或呼吸暂停事件引起的部分或完全觉醒相关。
效应器被定义为执行身体任务的手段,并且可以包括物理器具、假体、机械或电子设备。物理设备可以增强身体机能,例如在睡眠期间移动肢体或移动隔膜以增强呼吸的装置,或者在睡眠期间可以通过夹板保持呼吸道开放,或者通过一种或多种信号刺激身体机能,例如神经的电刺激以增强睡眠期间的呼吸,或人工假体(如神经控制肢体或周围或中枢神经系统的植入电路)。
效应器反应是效应器部分或完全完成或增强身体任务的结果。例如,如果身体任务是改善睡眠呼吸紊乱,则改变照明的效应器可能具有改变睡眠阶段的效果;引入听觉信号的效应器(例如特定的音乐节奏,节拍器)可能会改善呼吸。另一示例,如果效应器是对手臂中的肱三头肌的刺激,则效应器响应可以是将臂伸展30度,而整个任务可能是完全伸直手臂。
效应器信号是由效应器传递以产生效应器响应的信号。
加密网络或加密功能网络(EFN)被定义为一种模型,它将测量的参数(感测的特征)与身体任务的各个方面(包括效应器和其他传感器)相关联。在最佳实施例中,EFN是个体中一个或多个身体任务的计算机化表示。EFN包含针对该个体的身体任务的健康和疾病波动模式,理想情况下是随着时间的变化而变化,以捕获该个体中该功能的多个“状态空间”。因此,同一任务的EFN可能因人而异。EFN代表身体任务的组成部分,即功能域,即使任务的生理知识不完整,也可以构建这些组成部分-通常是这种情况。EFN可以用符号代码表示,在这种情况下,它可以是数学形式或其他抽象形式。EFN可以包括传感器、计算元素、存储元素、效应器以及相关的硬件和软件。如果将EFN应用于神经系统,则称为加密神经系统。EFN与现有技术形成了鲜明对比,在现有技术中,许多人的公开数据定义了实验室的临界点值,然后该值被用来估算每个人的健康和疾病,并取得不同的成功。
加密定义为对信息进行编码的过程。
增强的机能或增强被定义为对个体正常健康和未患病基线功能的改善。因此,增强的机能将不包括针对诸如心律异常缓慢的个体或在已知的糖尿病患者中使用胰岛素泵的患者。
外部机器定义为机械、电气、计算或其他非自然(自然生物)设备。它可以在身体外部,但可以与身体接触或植入体内。
身体的四肢定义为肢体以及身体的相关结构,包括手臂、腿、手、脚、手指、脚趾及其末端。
功能域定义为与身体任务相关的元素。这可以包括感测的元素,分析元素和效应子元素。分析元素可以是“学习的”、预先编程的、自反的或被动的。每个元素可以是生物的、非生物的或人工的。因此,功能域是与身体任务有关的所有元素的集合,可能包括“可测量的身体系统”,例如神经系统、心脏和心血管系统、血管、淋巴系统、间质组织平面、内分泌(激素)器官。功能域包括多个器官,其可以提供感官特征和/或用作效应物治疗的靶标。这不同于检测精确机制标记的传统尝试,这些尝试可能适用于简单任务(例如,反射弧中的肢体运动,肌钙蛋白升高以表示心脏病发作),但复杂任务(例如呼吸、警觉性、控制体重)则要困难得多。
对于简单的任务(例如肩膀上的感觉),功能域的定义很明确。在这种情况下,功能区域是由C435分布的感觉神经调解感觉到的“皮肤分布”,而在肩部的效应器包括运动神经和肌肉。呼吸任务的另一个简单组成部分是膈膜的运动,它由膈神经控制(脊柱分布C3-5)。但是,应注意,即使是简单的域也可能更复杂,例如来自这些神经的肩部感觉可能被心脏疼痛(心绞痛)模仿(“激活”),因为这些神经也为心脏提供了动力。
几个功能域通常涉及监视、跟踪或在复杂任务中进行更改。在优选实施例中,复杂的身体任务通常由几个功能域表示。例如,呼吸任务反映的功能域包括:脑输入和脑干的昼夜节律(可能通过EEG或神经活动进行测量),神经或肋间神经活动(可能通过电活动直接进行测量或通过胸壁运动间接进行测量),氧合作用(可能通过血液或皮肤的氧合作用,肤色进行测量)或心率变化(称为“窦性心律不齐”)。
单独功能域可以定义为反映天然生物活性的,包括呼吸、警觉、睡眠、做梦、维持体重、维持体液含量、心脏跳动、行走、跑步。
功能相关被定义为当该功能发生时出现的感测信号或功能域。一个例子是控制呼吸的大脑部分的活动,以及诸如肋间肌肉或膈膜肌的呼吸肌肉的活动。功能相关不需要成为机械级联的一部分,即使可以用来追踪该生物学机制。例如,在肩神经中感觉到的活动与心脏疼痛(心绞痛)有关,可用于追踪某些人的心绞痛,但肩神经活动并不是引起冠心病的生物机制的一部分。
机器学习被定义为一系列分析方法和算法,它们可以通过建立模型而不是严格遵循静态编程指令来学习数据并对其做出预测。另一个定义是计算机无需经过详尽的编程即可学习的能力。机器学习通常被归为人工智能的一个分支,并且侧重于计算机程序的开发,这些程序在暴露于新数据时会发生变化。在当前发明中,机器学习是可用于创建将感测的特征与每个个体中的身体任务相链接的加密功能网络的一种工具,即用于维持健康并诊断疾病的个性化解决方案。机器学习可以采用多种形式,包括人工神经网络,并且可以与启发式、确定性规则和详细的数据库相结合。
医疗级设备被定义为仪器、设备、工具、机器、装置、植入物,体外试剂或其他类似或相关物品,包括组件或附件,其用于疾病或其他状况诊断,或用在人或其他动物的治愈、缓解、治疗或预防疾病中。医疗级设备的定义不包括医疗级决策支持软件。
心理警觉性定义为专注于特定任务的清醒状态,可以通过该任务的绩效来衡量。改善的心理警觉性的特征是清醒并良好地执行精神和其他任务。降低的心理警觉性可能包括许多状态,包括但不限于任务表现受损、“精神疲劳”、失去注意力、注意力不足、睡眠不足、嗜睡,猝睡症、以及睡眠和疾病的突起(包括上述以及昏迷、“神游”和其他状态)。
代谢健康包括葡萄糖处理和异常(包括糖尿病)、体重管理及其异常(包括肥胖)、体液管理及其异常(包括水肿和失代偿性心力衰竭)、失调(包括酸中毒和劳累时汗液中的低pH值)和其他。
生理功能包括但不限于呼吸速率、呼吸有效性、心脏跳动速率、心脏跳动有效性、警觉性以及维持最佳体重。
感测特征被定义为来自与身体任务相关的传感器的一个或多个信号。总体而言,感测特征用于定义功能域和/或身体任务,包括特定于个体的随时间波动的非常重要的现象。传感器可以是生物的、非生物的或人工的。感测特征可以包括生理数据以及来自症状或身体检查的数据。例如,呼吸任务可以由神经域表示,具有感测到的交感神经或供应咽肌的神经放电速率的信号;肺功能域,具有包括皮肤氧合和胸壁运动在内的感测特征;心脏域,具有包括心律、窦性心律不齐和脉搏振幅变化在内的感测特征。复杂的身体任务所感测到的特征通常因人而异。例如,在跟踪睡眠呼吸紊乱中,某些患者感测到的心率特征将不那么重要(例如房颤),在其他情况下感测到的胸壁运动信号可能不那么重要(例如主要表现为呼吸不足/耳鸣的人,而非主要表现为呼吸暂停的人,或进行腹式呼吸的人);周围血管收缩患者可能难以评估感测到的氧合信号。
信号可以定义为感测的或采集的。感测的信号保持其自然形式不变(即记录的信号)而且没有变换。感测的信号既可以被人类检测到(例如声音、视觉、温度),也可以被诸如麦克风、听觉记录器、照相机、温度计之类的机器检测到。捕获的信号是以转换状态检测到的(例如ECG记录)。感测信号与捕获信号之间的区别是对本发明实施例中使用消费级设备(感测信号)与医疗级设备(捕获信号)进行分类的一种方式。
响应信号类似于效应器信号,其在本发明中控制效应器以使健康指数朝着个体的期望水平返回。如果呼吸健康指数指示呼吸暂停,则一个响应信号将控制响应设备以刺激呼吸。如果代谢健康指数表明体重增加,则一个反应信号将是减少进食的信息。
智能数据定义为从多个来源获取的应用程序特定的信息,可用于检测该应用程序中的正常和异常功能。因此,智能数据不同于术语“大数据”。智能数据针对个人量身定制,并针对特定任务或应用进行量身定制-例如保持健康和警觉性或检测和治疗疾病(如睡眠呼吸紊乱)。量身定制是基于对哪些系统可能会影响相关任务的了解。该知识可以基于生理学、工程学或其他学科。相反,“大数据”通常集中在“大”数据集上,目的是在无需单独定制的情况下识别统计模式或趋势。
本发明中的智能数据使用容易获得的信号源,理想地,该信号源被重复地甚至几乎连续地获取。根据定义,此类信号和智能数据采集大多是非侵入性的。这种方法非常适合使用来自消费级设备的信号,包括运动、振动、声音、电信号、光反射、热量等。智能数据分析将以多种模式使用加密的功能网络,包括启发式、机器学习、人工智能、模糊逻辑、数据库查找。查看智能数据的另一种方法是在个体中使用详细的机械或观测数据,并使用加密的功能网络为每个个体量身定制特定的分析或干预措施,并将其广泛应用于个体群体。该过程可以称为“数字决策”或“数字判断”,在现有技术中没有类似的过程。它通过使其客观、可重复并基于最新传感器的感应信号来扩展主观临床决策。
本文的符号模型是一种数学表示,即使缺少完整的生理描述,也可以将测得的感知活动与功能任务联系起来。它是加密功能网络的基础表示。它也可以称为符号表示。这可能包括模拟记录的生理信号、数字编码密码、计算机代码、视觉表示(例如照片或图形)、听觉编码(例如点击、声音或音乐的模式等),并且可用于帮助快速、清晰地进行转换用于监视或修改指定任务的数据。
“任务”是指要执行、完成或进行的一件工作,行动或动作。术语“身体任务”是指要在此定义的“身体”执行、完成或进行的一件工作,行动或动作。
治疗有效定义为一种效应器功能或干预或疗法的剂量,可在一个或多个患者结果方面产生可测量的改善。一个例子是将能量模式导向头皮以刺激控制呼吸的目标区域,以治疗中枢性睡眠呼吸暂停。理想情况下,干预将使对身体其他部位的影响最小化,在这种情况下,可以通过小型接触装置而不是覆盖整个头皮的帽子,或将非接触式装置的能量聚焦到目标区域而不是整个头部来实现对头皮的作用。
其他生物术语采用其标准定义,例如心力衰竭、潮气量、睡眠呼吸暂停、肥胖症等。
本发明创建了加密的功能网络。本发明的潜在用途是广泛的,包括以下内容。从一个或多个传感器直接或间接地检测一个或多个信号,该信号与在多个时间点的呼吸有关;基于从一种或多种信号中识别出一次或多次呼吸,对个体进行呼吸健康诊断,并识别以下至少一项或多项:(i)一种或多种健康症状的定量指标和(ii)一种或多种中体格检查标志的量化指标;其中,使用数学权重、机器学习、统计相关性和应用呼吸健康阈值中的一项或多项来确定诊断定制;并且,在一个或多个时间点提供定制诊断的表示形式。
本发明提出了一系列重要的创新。它根据各种量身定制的感测信号来创建身体功能的计算机化表示形式,并使用该表示形式来维持健康并治疗疾病,即定制信号采集、信号分析和诊断的整个过程以实现治疗效果。
在本发明的优选实施例中,通过考虑与任务相关的症状或体格检查发现,进一步针对个体定制用于身体任务的加密功能网络。这样就可以针对测量的身体任务真正个性化地表示健康或疾病。可以使用例如消费级设备、医疗级设备、计算机、医疗记录和打印的表示法或其他物理表示法中的一个或多个来展现这样的表示法。
在一个优选实施例中,加密功能网络针对呼吸紊乱进行了优化。为了监测呼吸健康和疾病,来自多个功能域的感测特征与身体症状和检查结果的指标/得分的数据相辅相成。症状和检查分数可能包括停止-砰STOP-BANG、柏林睡眠呼吸暂停问卷、Epworth嗜睡量表(ESS)、睡眠问卷功能结果(FOSQ)或其他评分方法。这些示例包括嗜睡评估、日常生活活动和身体检查,并且是作为示例提供的,对于本领域技术人员而言,其他方法也可适用于本发明。
在另一个优选实施例中,加密功能网络针对心脏功能进行了优化。为了监测心脏健康和疾病,来自多个功能域的感测特征与身体症状和检查结果的指标/得分的数据相辅相成。症状和检查评分可能包括加拿大心绞痛的心血管评分;纽约心脏协会心力衰竭评分表或美国心脏协会心力衰竭评分系统。这些示例评估了容量超负荷、功能状态和身体状况。可以合并其他个性化信息,例如来自生活质量指标的信息,并以示例方式提供;对于本领域技术人员而言,其他方法也可适用于本发明。
在另一方面,提供了一种增强身体任务的机能的方法,该方法包括在一个或多个传感器处检测与该任务相关联的信号;处理该信号以创建一个或多个感测特征;使用加密的功能网络来处理该特征以确定增强身体任务机能所需的一个或多个效应器响应;通过加密的功能网络传递一个或多个效应器信号(基于一个或多个效应器响应的效应器信号);以及提高任务的机能。
在另一方面,提供了一种用于治疗疾病的方法,该方法包括在与人体相关的一个或多个传感器处检测与一个或多个身体功能相关的信号;处理信号以创建一个或多个身体功能的一个或多个感测特征;使用加密的功能网络处理该特征以确定治疗疾病所需的一个或多个效应器响应;通过加密的功能网络传递一个或多个效应器信号(基于一个或多个效应器响应的效应器信号);并治疗疾病。
在另一方面,提供了一种用于转换与一个或多个身体功能相关的神经活动的方法,该方法包括在一个或多个传感器处检测与一个或多个身体功能相关的神经活动的身体信号;处理该身体信号以产生一个或多个身体功能的一个或多个感测特征;使用加密的功能网络处理该特征以确定转换神经活动所需的一个或多个效应器响应;通过加密的功能网络传递一个或多个效应器信号(基于一种或多种效应器响应的效应器信号);并转换神经活动。
在另一方面,提供了一种用于使用加密的功能网络来控制设备的方法,该方法包括使用一个或多个传感器来检测来自身体的身体信号;处理身体信号以创建感测特征;使用加密功能网络来处理感测特征以确定用来控制设备的一个或多个效应器响应;通过加密功能网络传递一个或多个效应器信号(基于一个或多个效应器响应的效应器信号);并控制设备。
在另一方面,提供了一种测量动物的身体功能的方法,该方法包括检测与感觉激活相关的身体信号;处理身体信号以创建一个或多个感测特征;以及使用加密功能网络来处理感测特征以确定增强动物身体功能所需的一种或多种效应器响应。
在另一方面,提供了一种用于改善特定人类任务机能的方法和系统,该方法包括选择用于该任务的一个或多个功能域;识别与所述功能域相关的人体器官系统或区域;利用效应子设备来修改所述功能域并测量所述功能域的感测特征以监测特定人工任务的改进。
在另一方面,提供了一种用于改善特定人类任务的机能的方法和系统,该方法包括识别与服务于特定功能的大脑部分相关联的人体的一个或多个区域;在人体的一个或多个区域附近放置低能量刺激电极;通过电极施加刺激以激活大脑的各个部位;并测量与大脑各个部位有关的变化,以验证特定人体功能的改善。
在另一方面,提供了一种用于增强注意力的方法和系统,该方法包括选择与注意力相关联的一个或多个功能域,从所述功能域监测感测特征,并用一个或多个效应器装置施加刺激以调节所述功能域来增强注意力。与注意力相关的功能域包括具有感知特征的脑域,包括头皮EEG、头皮温度;具有感知特征的中枢和周围神经区域,包括交感神经系统活动、周围神经活动;具有感知特征的皮肤区域,包括起毛(头发竖立);具有感应特征的心域,包括心率、脉搏量、心脏收缩力;具有感官特征的肺区域,包括呼吸频率、呼吸深度、氧合作用;具有感知特征的眼域,包括瞳孔直径、瞳孔波动、巩膜颜色;具有甲状腺或肾上腺皮质系统感知特征的内分泌结构域;具有感知特征的肌肉骨骼区域,包括肌肉张力、肌肉振荡、肌肉对刺激的反应(反应性)等。
在另一方面,提供了一种用于调制或增强注意力的方法和系统,该方法包括使用消费级设备或其他设备来传递效应器响应来调制与警觉性相关的功能域。在一实施例中,效应器响应可应用于皮肤区域,例如传递冷、热和振动刺激以改变警觉性。
在另一实施例中,增强警觉性的方法包括选择与注意力有关的中枢或外周神经系统域的一个或多个区域,并通过电极施加低能量刺激以激活患者的中枢神经系统和/或外周神经系统的一部分,以便增强注意力和/或治疗注意力紊乱。
在另一方面,提供了一种用于改善睡眠机能的方法和系统,该方法包括选择一个或多个用于睡眠的功能域;识别与所述功能域相关的效应器系统;利用效应器装置传递刺激以修改所述功能域;以及测量效应器响应以监测睡眠的改善。睡眠的功能域包括但不限于脑;中枢和外周神经系统、肺、心脏以及内分泌。睡眠的大脑区域感测特征包括但不限于头皮电信号和EEG(头皮温度)。睡眠时周围神经域的感知特征包括但不限于周围神经放电的速率和模式;咽肌神经放电的速率和模式以及神经活动的速率和模式。睡眠时肺区域的感测特征包括但不限于由睡眠呼吸产生的声音(例如,正常呼吸打呼)以及胸部运动的速度和深度。睡眠时周围肌肉区域的感测特征包括但不限于外部运动传感器上的身体运动。睡眠的皮肤区域的感测特征包括但不限于皮肤氧合模式;面部/躯干/周围的区域温度;面部/躯干/周围区域的局部皮肤阻抗;面部/躯干/周围区域的区域化学成分(钠和其他)。睡眠的心域感测特征包括但不限于心率和睡眠期间心率的变化性。睡眠期间多导睡眠图的成分也可以被感测到,包括大脑(EEG)、眼球运动(EOG)、肌肉活动或骨骼肌激活(EMG)、心律(ECG)呼吸气流、呼吸努力和周围脉搏血氧饱和度。
在另一方面,提供了一种用于治疗睡眠紊乱的方法和系统,该方法包括选择一个或多个用于睡眠的功能域;识别与所述功能域相关的效应器系统;利用效应器装置传递刺激以修改所述功能域;以及测量效应器的响应以监测睡眠的改善。睡眠紊乱的功能域包括但不限于脑、中枢和周围神经系统、肺、心脏和内分泌。睡眠紊乱的脑区域的感测特征包括但不限于头皮电信号和EEG以及头皮温度。睡眠紊乱的周围神经域的感测特征包括但不限于周围神经放电的速率和模式;咽肌神经放电的速率和模式以及神经活动的速率和模式。睡眠紊乱的肺区域的感测特征包括但不限于由睡眠呼吸产生的声音(例如,正常呼吸打呼)以及胸部运动速度和深度。睡眠紊乱的周围肌肉区域的感测特征包括但不限于外部运动传感器上的身体运动。睡眠紊乱的皮肤区域的感测特征包括但不限于皮肤氧合模式;面部/躯干/周围的区域温度;以及面部/躯干/周围区域的局部皮肤阻抗;面部/躯干/周围区域的区域化学成分(钠和其他)。睡眠紊乱的心脏区域的感测特征包括但不限于心率和睡眠期间心率的变化性。睡眠期间多导睡眠图的成分也可以被感测到,包括大脑(EEG)、眼球运动(EOG)、肌肉活动或骨骼肌激活(EMG)、心律(ECG)呼吸气流、呼吸努力和周围脉搏血氧饱和度。
在另一方面,提供了一种用于治疗睡眠紊乱的方法和系统,其调节睡眠周期,包括但不限于传输光、电、听觉或热刺激;通过刺激呼吸神经或肌肉来调节呼吸;通过电刺激调节颈部和咽部肌肉以减少打呼。该方法还可包括选择与睡眠紊乱有关的患者中枢神经系统和/或周围神经系统的一个或多个区域,并通过电极施加低能量刺激以激活患者中枢神经系统和/或周围神经系统的一个或多个区域来治疗睡眠紊乱。其他干预对于本领域技术人员将是显而易见的。
在另一方面,提供了一种用于改善呼吸机能的方法和系统,该方法包括选择用于该任务的一个或多个功能域;识别效应器器官系统或与所述功能域相关联的人体区域;利用效应器装置来调节所述功能域;通过效应器装置施加刺激;并测量效应器响应以监测呼吸的改善。呼吸功能域包括但不限于肺功能、脑功能、心脏功能(图2、3、6)。感测特征包括但不限于呼吸产生的声音、咽部的气流、呼吸中的胸部运动(偏移)、呼吸中的颈部肌肉运动、呼吸中的皮肤氧合作用、非呼吸时皮肤的二氧化碳含量、皮肤的光反射率、心率、心率变异性、交感神经活动(阻塞或呼吸急促时)、中枢神经系统激活(EEG)、肌肉活动、非自愿运动(如抽气或四肢运动)以及多导睡眠图测试的所有组成部分,其中包括大脑(EEG)、眼球运动(EOG)、肌肉活动或骨骼肌激活(EMG)、心律(ECG)、呼吸气流以及呼吸努力和外周脉搏血氧饱和度。
在另一方面,提供了一种用于治疗睡眠呼吸紊乱的方法和系统,该方法包括选择与睡眠期间与呼吸相关的一个或多个功能域;将效应器信号应用于效应器装置以调节所述功能域以治疗睡眠呼吸紊乱;以及测量效应器响应以监测睡眠呼吸的改善。睡眠呼吸紊乱的功能域包括但不限于脑功能、中枢和周围神经系统功能、肺功能、心脏功能和内分泌功能。睡眠呼吸紊乱的效应器信号包括但不限于通过光、电、听觉或加热刺激来调节睡眠周期;通过刺激呼吸的神经或肌肉来调节胸部运动;以及通过电刺激来调节颈部和咽部肌肉以防止阻塞。
在另一方面,提供了一种用于治疗呼吸紊乱的方法和系统,该方法包括选择与呼吸相关的一个或多个功能域;将效应器信号应用于效应器装置以调节所述功能域来治疗呼吸紊乱;以及测量效应器响应以验证改善呼吸。呼吸系统疾病的功能域包括但不限于脑功能、中枢和周围神经系统功能、肺功能、心脏功能以及内分泌功能。呼吸紊乱的效应器信号包括但不限于通过光、电、听觉或加热刺激调节警觉周期;通过刺激呼吸的神经或肌肉来调节胸部运动;通过电刺激来调节颈部和咽部肌肉以防止阻塞;使用器械增加吸气深度以及通过适当的药物缓解支气管痉挛。
在另一方面,提供了一种用于治疗中枢性睡眠呼吸暂停的方法和系统,该方法包括从头部和颈部的一个或多个局部区域识别效应器器官或系统(该效应器区域与一个或多个控制睡眠的功能域在功能上相关联,例如大脑);并提供治疗有效量的能量以刺激效应器来治疗中枢性睡眠呼吸暂停;同时将对身体其他区域的刺激降至最低。能量可以是对身体(包括外围或头皮)的电能、对身体的各个区域的热能、眼睛可感知的光刺激、以及对身体各个区域的振动刺激。
在另一方面,提供了一种用于调节精神功能的方法和系统,该精神功能包括警戒、认知、记忆、情绪、注意力和意识中的一个或多个,该方法包括选择与精神功能相关联的一个或多个功能域;监测来自所述功能域的感测特征;并在一个或多个效应器装置上施加刺激以调节精神功能。与精神功能有关的功能域包括具有感测特征的脑域,包括头皮EEG、头皮温度;具有感测特征的中枢和周围神经区域,包括交感神经系统活动、周围神经活动;具有感测特征的皮肤区域,包括起毛(头发竖立);具有感测特征的心域,包括心率、脉搏量、心脏收缩力;具有感测特征的肺区域,包括呼吸频率、呼吸深度、氧合作用;具有感测特征的眼域,包括瞳孔直径、瞳孔波动、巩膜颜色;具有甲状腺或肾上腺皮质系统感测特征的内分泌结构域;具有感测特征的肌肉骨骼区域,包括肌肉张力、肌肉振荡、肌肉对刺激的反应(反应性)等。效应器响应可以使用消费级设备或其他设备来调节这些功能域,以调节精神功能。
在另一方面,提供了一种用于调节精神功能的方法和系统,该方法包括识别选自身体局部区域的目标区域(该目标区域与控制精神功能的大脑部分在功能上相关联),精神功能包括警觉、认知、记忆、情绪、注意力和意识中的一项或多项,并提供治疗有效量的能量来刺激目标区域以调节精神功能,同时将对身体其他区域的刺激降至最低。能量可以是对身体的电能(包括外围或头皮)、对身体的各个区域的热能、眼睛可感知的光刺激、以及对身体各个区域的振动刺激。
在另一方面,提供了一种用于与人体交互的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括在与人体相关的一个或多个传感器处检测与一种或多种身体功能相关的身体信号;处理身体信号以创建一个或多个感测信号;使用加密功能网络处理特征;以确定控制身体任务所需的一个或多个效应器响应;传递一个或多个效应器信号;监测一个或多个效应器响应;并控制身体任务。
在另一方面,提供了一种用于增强一个或多个任务机能的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括在一个或多个传感器处检测与任务相关联的信号;处理信号以创建一个或多个感测特征;使用加密功能网络处理特征;确定增强身体任务机能所需的一个或多个效应器响应;传递一个或多个效应器信号(基于一个或多个效应器响应的效应器信号);并提高任务的机能。可以使用加密功能网络来传递一个或多个效应器信号。
在另一方面,提供了一种治疗疾病的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括在与一个或多个特定身体任务相关联的一个或多个传感器处检测信号;处理信号以创建一个或多个身体功能的一个或多个感测特征;使用加密的功能网络处理特征以确定治疗疾病所需的一个或多个效应器响应;传递一个或多个效应器信号(基于一个或多个效应器响应的效应器信号);并治疗疾病。可以使用加密功能网络来传递一个或多个效应器信号。
在另一方面,提供了一种转换与一个或多个身体功能相关的神经活动的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括在一个或多个传感器处检测与一种或多种身体功能相关的神经活动信号;处理信号以创建与一个或多个功能域关联的一个或多个感测特征;使用加密的功能网络处理特征以转换神经活动;传递一个或多个效应器信号(基于一个或多个效应器响应的效应器信号);并转换神经活动。可以使用加密功能网络来传递一个或多个效应器信号。
在另一方面,提供了一种使用生物信号来控制设备的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括使用一个或多个传感器检测信号;处理信号以创建一个或多个感测特征;将所述感测特征分配给一个或多个功能域;使用加密功能网络处理来自一个或多个功能域的感测特征,以确定一个或多个效应器响应来控制设备;传递一个或多个效应器信号(基于一个或多个效应器响应的效应器信号),并控制设备。效应器信号可以通过加密的功能网络传送。
在另一方面,提供了一种用于测量动物视觉功能的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括检测与感觉激活相关的身体信号;处理身体信号以创建代表感觉定量测量的一个或多个感测特征;将所述感测特征分配给一个或多个感觉功能域;并使用加密功能网络处理感测特征,以确定增强动物身体功能所需的一种或多种效应器响应。效应器信号可以通过加密的功能网络传送。
在另一方面,提供了一种用于改善特定人类机能的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括识别与大脑特定功能相关的人体的一个或多个区域;将低能量刺激电极放置在人体的一个或多个区域附近;通过电极施加刺激以激活大脑的各个部位;并测量与大脑各个部位有关的变化以验证改善特定人员的效果。
在另一方面,提供了一种用于改善特定人类任务机能的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括识别与该特定人类任务相关联的一个或多个功能域的操作;使用消费级或医疗级设备来调制一个或多个功能域;并测量感测特征以监测特定任务的机能变化。
在另一方面,提供了一种用于治疗睡眠紊乱的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括选择患者与睡眠有关的中枢神经系统和/或周围神经系统的一个或多个区域;并通过电极施加低能量刺激以激活患者的一个或多个中枢神经系统和/或周围神经系统区域以治疗睡眠紊乱。
在另一方面,提供了一种用于治疗睡眠紊乱的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括选择与睡眠功能相关联的一个或多个功能域;使用消费级或医疗级设备来调节所述的的一个或多个睡眠紊乱功能域;并测量感测到的特征以治疗睡眠紊乱。
在另一方面,提供了一种用于调节精神功能的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括识别从身体的局部区域中选择的目标区域的操作(目标区域与控制精神功能的大脑部分在功能上相关联,包括警觉、认知、记忆、情绪、注意力和意识中的一项或多项);并提供治疗有效量的能量来刺激目标区域以调节精神功能;同时尽量减少对身体其他部位的刺激。
在另一方面,提供了一种用于治疗异常精神功能的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括选择与精神功能相关联的一个或多个功能域;使用消费级或医疗级设备来调节所述一个或多个精神功能的功能域;并测量感测特征以治疗异常精神能。精神功能的功能域包括但不限于脑功能(包括EEG的感测特征)、中枢和周围神经系统功能(包括在患者特定身体部位的周围神经放电的感测特征),肺功能(包括呼吸速率、规律性和氧合作用的感测特征);眼部系统(包括瞳孔直径和对光的反应性等感测特征);内分泌功能(包括身体化学的变化和激素的释放);心功能(包括心率和脉搏等感测特征)。
在另一方面,提供了一种增强注意力的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括选择患者的与注意力紊乱相关的中枢神经系统和/或周围神经的一个或多个区域;并通过电极施加低能量刺激以激活患者的中枢神经系统和/或周围神经系统的一部分以治疗注意力紊乱。
在另一方面,提供了一种用于治疗注意力紊乱的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括选择与注意力紊乱相关的一个或多个功能域;使用消费级或医疗级设备调节所述注意力紊乱的一个或多个功能域;并测量感测到的特征以治疗注意力紊乱。
在另一方面,提供了一种用于治疗阻塞性睡眠呼吸暂停的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括从头部和颈部的一个或多个局部区域识别目标区域(目标区域与控制睡眠的大脑的一个或多个部分在功能上相关联);提供治疗有效量的能量来刺激目标区域以治疗阻塞性睡眠呼吸暂停;同时最大程度地减少对身体其他区域的刺激。
在另一方面,提供了一种用于治疗阻塞性睡眠呼吸暂停的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时选择与阻塞性睡眠呼吸暂停相关的一个或多个功能域;使用消费级或医疗级设备来调节阻塞性睡眠呼吸暂停的所述一个或多个功能域;并测量感测到的特征以治疗阻塞性睡眠呼吸暂停。阻塞性睡眠呼吸暂停的功能域包括但不限于脑、中枢和外周神经系统、肺、心脏以及内分泌。睡眠的脑区域的感测特征包括但不限于头皮电信号和EEG,还有头皮温度。睡眠时周围神经域的感测特征包括但不限于周围神经放电的速率和模式、咽肌神经放电的速率和模式,以及神经活动的速率和模式。睡眠时肺部区域的感测特征包括但不限于通过睡眠呼吸产生的声音(例如,正常呼吸打鼾)、胸部运动速度和深度。用于睡眠的外周肌肉区域的感测特征包括但不限于外部运动传感器上的身体运动。睡眠的皮肤区域的感测特征包括但不限于皮肤氧合模式;面部/躯干/周围的区域温度;面部/躯干/周围的区域皮肤阻抗;以及面部/躯干/周围的区域化学成分(钠,其他)。睡眠时心脏区域的感测特征包括但不限于心率和睡眠期间心率的变化。睡眠期间多导睡眠图的成分也可以被感测到,包括大脑(EEG)、眼球运动(EOG)、肌肉活动或骨骼肌激活(EMG)、心律(ECG)呼吸气流、呼吸努力和周围脉搏血氧饱和度。用于阻塞性睡眠呼吸暂停的效应器信号包括但不限于通过光、电、加热或听觉刺激来调节睡眠周期;通过刺激咽或呼吸的神经或肌肉来调节呼吸;或通过加热或电刺激来调节周围肌肉。
在另一方面,提供了一种用于治疗中枢性睡眠呼吸暂停的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行包括从头部和颈部的一个或多个局部区域识别目标区域(目标区域与控制睡眠的大脑的一个或多个部分在功能上相关联);提供治疗有效量的能量来刺激目标区域,以治疗中枢性睡眠呼吸暂停;同时最大程度地减少对身体其他区域的刺激。
在另一方面,提供了一种用于治疗中枢性睡眠呼吸暂停的系统,该系统包括处理器和存储指令的存储器,该指令在由处理器执行时执行选择与中枢性睡眠呼吸暂停相关的一个或多个功能域;使用消费级或医疗级设备来调节中枢性睡眠呼吸暂停的一个或多个功能域;并测量感测特征以治疗中枢性睡眠呼吸暂停。睡眠的功能域包括但不限于脑功能、中枢和周围神经系统功能、肺功能以及心脏功能。用于睡眠的效应器信号包括但不限于通过光、电、加热或听觉刺激来调节睡眠周期;通过刺激神经或肌肉来调节呼吸;以及通过加热或电刺激来调节周围肌肉。
本发明的一个动机是常常无法获得详细的用于治疗许多复杂身体功能机制的解决方案。这反映了几个因素。首先,控制区域之间存在个体差异-例如,语音的生物神经网络可能因人而异。对于具有神经成分的功能,这可能代表了一种独特的方式,即在每个人的成长和发展过程中塑造更高的认知功能和记忆,或者在每个人的基因中建立这种功能和记忆。其次,许多功能都是可塑的-环境或疾病的变化会改变控制区域或反应。变化可以是逐渐的或突然的,导致数年、数月甚至数周的变化,可能反映正常的发育、衰老或功能障碍。这可以解释为什么最初有效的疗法会随着时间的流逝而变得无效。第三,我们对中枢神经系统和周围神经系统功能域的概念性知识还处于起步阶段。对于我们在其他身体或器官系统中功能域的概念性知识的局限性,可以很容易地做出类似的论点。因此,使用经典范例来理解或调节身体功能是一项重大挑战,该范例为该功能定义特定的控制目标区域,然后对其进行调制以改变身体功能。
几种创新使本发明不同于现有技术。首先,本发明创建用于身体任务和/或功能的加密网络。这代表了作为功能域网络的身体功能,每个功能域均包含感测特征和效应器响应。功能域可以跨越多个器官系统,并与该身体功能相关联,但是它们的机制关系可能尚未完全阐明。其次,本发明是针对患者的。通过每个人的感测信号识别感测特征和效应器,并且不依赖于定义的机制途径。之所以设计本发明的这一核心方面,是因为尽管传统的设备对每个人都采用了一种尺寸适合所有人的感测系统,但是在每个人中相同的功能域通常具有不同的表现形式。特征可能与神经系统或非神经系统有关。第三,诊断或治疗本质上是具有适应性的,使得在同一个体或个体之间,在不同的时间段或在不同的条件下,类似的异常可能产生不同的特征和/或需要不同的效应器信号。感测特征、加密网络和效应器响应之间的反馈使用各种过程进行调整,包括简单的反馈循环、与其他个体或人群的数据库比较、手动人工重新编程或机器学习。第四,设备的某些实施例将生物和非生物设备集中地或单独地组合在一起。加密表示可以随时间适应其他特征,这些特征可以是外部或人工信号,也可以是生物信号。最终可以通过外部设备和/或通过直接刺激或抑制效应器来进行治疗。实施例包括改善睡眠呼吸暂停(以及其他睡眠紊乱(例如失眠)和呼吸紊乱);身体对心力衰竭的反应,包括体液增加、肥胖或体重管理、警觉性、睡眠、记忆和精神表现或认知。
在本发明的一个优选实施例中,特征是重复的,甚至是近乎连续的。这可以通过消费级或医疗级传感器来完成。在该实施例中,在针对该功能的定义的“健康”期间的特征构成了该个体的定制基线。这些感测特征可用于训练/校准加密的功能网络。在该实施例中,随后的感测特征偏离了“健康”状态的个体极限,表明该个体的功能异常。重要的是要注意,该特征在另一个个体或在同一个个体不同条件下(例如睡眠与清醒,久坐与运动)可能具有不同的含义。这与现有技术从根本上不同,在现有技术中,正常和疾病的“人群”范围适用于小范围的多个患者,但无法根据个人情况进行调整。本发明的这个方面能够使用计算机化方法实现“个性化药物”或“精准药物”。
此用于任务的功能域的发明,其核心方面在几个层面上是新颖的,并且在运用现有技术中的设备中尚未被提出,此功能域可以从神经、血管或其他的网络互连区域测量或刺激。可以更好地理解此概念的一种示例方法是考虑可能是中枢性或阻塞性睡眠呼吸暂停的疾病。
本发明中的中枢性睡眠呼吸暂停的功能域包括感测的脑功能特征(在EEG上可测量);血液中的氧合水平降低和一氧化碳水平升高(可通过皮肤传感器测量);心率增加和心率改变;鼻和/或口腔气流的变化(可通过气流传感器或检测呼吸音的听觉特征变化的传感器来测量)和其他特征。个体中观察到的特征,尽管在机制上还没有完全定义,但是可以在本发明中体现,包括从腿部的夜间夜尿液移位(这可能将中枢性睡眠呼吸暂停与心力衰竭联系起来)。同样,中枢性睡眠呼吸暂停的效应器响应包括舌头、口咽、颈部、膈膜上的神经功能和肌肉、肋间肌和辅助肌(可通过神经激发率测量)。本发明将使用这些感测到的大脑或神经活动特征、胸壁运动、皮肤上的生物阻抗(以评估表示体液移位的延髓性变化)或充氧的特征来进行诊断和监测。在治疗的一个实施方案中,本发明可导致变化的效应器响应。
阻塞性睡眠呼吸暂停的功能域包括脑功能的感测特征(在EEG上可测量)、中枢和周围神经系统的感测特征(可通过神经放电速率和周期性测量)、血液中的氧合和一氧化碳水平(可通过皮肤传感器测量)、胸壁运动的感测特征(可通过胸壁偏移或肌肉活动来测量)、颈部和咽部肌肉的感测特征(可通过阻塞时的张力增强来测量)、心率和心率改变(心律)、鼻腔和/或口腔气流改变(可通过气流传感器或检测呼吸声的听觉特征变化的传感器)、以及其他未明确定义的功能。阻塞性睡眠呼吸暂停的效应器响应包括光、热、听觉和电刺激以改变睡眠/清醒周期、电刺激以改变颈部或咽肌张力、以及对膈膜肌和肋间肌的刺激。
呼吸活动的其他感测特征被测量为速率、周期性和深度。在一优选实施例中,传感器检测到胸壁运动,该胸壁运动可测量呼吸速率、深度和周期性。在另一个优选的实施方案中,传感器直接地、化学地或使用光学测量氧化血红蛋白来检测氧化水平的波动。在另一个实施例中,传感器可以检测到随着呼吸的心率变化(即窦性心律不齐)。在又一个实施例中,传感器检测鼻和/或口腔气流的改变。在又一个实施例中,传感器检测呼吸声的听觉特征的变化。将传感器放置在鼻子、嘴、胸口、颈部、腹部或其他可以听到听觉信号的位置,可以指示特定的呼吸功能或不适。例如,阻塞性呼吸暂停的典型症状是颈部的过度呼吸运动而胸部的最小移动。颈部和胸部的最小移动可能表示中枢性呼吸不足和/或中枢性呼吸暂停。高速率的过度呼吸可能表示较高的新陈代谢活动、焦虑、运动或此类状态。可以将其他传感器放置在本领域技术人员熟悉的位置。
胸壁传感器可以检测单个传感器的位移,以及两个或多个传感器的相对位移、振动、体积测量或电阻抗测量。在本发明中,异常胸壁阻抗的感测特征包括较低的身体阻抗(例如腿、下背部)与较高的身体阻抗(颈部和胸部)之比-即下半身的阻抗较高(更少的细胞外水),上半身的阻抗较低(更多的细胞外水)。这也可以表示为上-下部身体电导率。这还可以包括测量对电能的不同形式、样式或波形的阻抗。
另一个感测到的各个领域的特征是神经活动,通过神经放电的速率和周期性、昼夜节律、神经放电的类型及其空间分布来衡量。对于本发明中的加密功能网络,一个优选实施例使用皮肤电极来获得感测到的神经信号。这与传统的神经活动测量方法不同,例如通过将电极放置在神经组织中来获取电子神经图(ENG)。这种侵入性方法不太适合连续录制或消费者应用。EEG(脑电图)已经使用了皮肤检测,这是一种电子神经图,它使用围绕头部的多个电极来记录大脑的一般活动。皮肤电极的分辨率足以检测信号并创建感测到的神经特征,并具有本发明分析的神经激发速率、类型和分布。在另一个优选的实施例中,传感器测量来自包括红外线(热)的神经活动的电磁辐射的反射或发射的细微变化。在另一个优选实施例中,传感器测量来自神经活动的电阻变化。传感器可以放置在不同的皮肤区域,例如在颈部或胸部肌肉附近测量与呼吸相关的神经活动,在头部测量肢体的警觉,在肢体上测量与那些肢体和本领域技术人员熟悉的其他位置的肌肉相关的神经活动。
本发明中的非侵入性传感器可以用作电子神经图(ENG)的替代物。在ENG中,由神经元产生的电活动由电极记录并传输到采集系统,该系统允许可视化神经元的活动。电子神经图中的每条垂直线代表一个神经元动作电位。取决于用于记录神经活动的电极的精度,电子神经图可以包含单个神经元到数千个神经元的活动。研究人员将其电极的精度调整为专注于单个神经元的活动或一组神经元的一般活动,这两种策略都有其优势,具体取决于应用程序。在本发明中,使用非侵入式感测的神经特征随时间变化的模式来指示在身体功能的正常和异常状态下个体中ENG随时间的变化。
本发明中的非侵入性传感器可以用作肌电图(EMG)的替代物。在EMG中,由肌肉细胞产生的电活动由电极记录并传输到采集系统,该系统允许可视化肌肉组织的活动。EMG中的垂直线代表一个或多个肌肉单位。根据所用电极的精度,EMG可包含单个到数千个肌肉单位的活动。研究人员将其电极的精度调整为专注于较小或较大肌肉区域的活动,这两种策略都有其优势,具体取决于应用程序。在本发明中,非侵入式感测的肌肉特征随时间的模式用于指示在身体功能的正常和异常状态期间个体的EMG随时间的变化。
睡眠任务的其他感测特征包括:睡眠期间的血管舒张;电解质或水积累变化引起的皮肤电阻降低,这是身体对心力衰竭或睡眠呼吸紊乱做出反应的一部分;皮肤吸收变化或皮肤中电磁频谱成分的释放,包括由于血液氧合变化或在心脏紊乱或呼吸紊乱期间二氧化碳积聚而引起的近红外光谱;测量到的其他形式的非电能施加形式的变化,包括光信号(反射率改变)、声音或超声波(不同声音反射和散射);以及可能会感测到的可能改变人体化学的光谱信号。
在一优选实施例中,加密功能网络使用机器学习将感测到的特征与正常呼吸相关联。在一个这样的实施例中,使用了人工神经网络,它包含3个典型元素:
1.节点(人工神经元)不同层之间的连接模式:节点通常表示为网络,并且在输入层、隐藏层(内部)和输出层中,层数和每层节点数可能会有所不同。节点可以连接到上下层的所有节点,但也可以实现差分连接。
2.节点之间的连接权重,即互连,在学习过程中会更新;
3.数学激活函数:确定如何将每个节点的加权输入转换为其输出。通常,激活函数f(x)是其他函数g(x)合成的,而这些函数又可以表示为其他函数的合成。可以使用非线性加权和,即f(x)=k(∑iwigi(x))其中K(激活函数)可以是反曲、双曲或其他函数。
可以选择各种连接方式、权重和数学激活函数,并且对于任何实施例,各种更新功能都是可能的。特定形式对于不同的特定加密网络是最佳的。例如,将声音分析与睡眠呼吸紊乱联系起来的加密网络将比用于认知功能或警觉性的网络简单。但是,将加密的睡眠呼吸紊乱功能网络扩展到包括运动、心率波动、皮肤氧气变化、皮肤抵抗力变化(反映交感神经系统激活)以及其他神经模式(例如EEG)的变化,将更加复杂。诸如笔迹分析和语音识别之类的复杂任务的最新方法使用循环神经网络,其中节点互连形成有向循环以实现动态时间行为。循环网络具有处理任意输入序列的能力,这与诸如前馈网络之类的设计有所不同,并使它们更适合于复杂的任务。
加密网络的适应性的替代形式可以在“如果-则-否则”公式、启发法或其他模式关联中使用基于规则的算法,以将感测特征与个人行为相关联。可以应用几种其他形式的机器学习,这对本领域技术人员来说是显而易见的。
在优选实施例中,应用机器学习来定义与正常呼吸相关联的随时间变化的感测特征的模式,其包括该个体的昼夜节律变化。然后可以通过与这些学习模式的偏差来识别该人与正常呼吸的偏差。如果在睡眠期间出现诸如呼吸暂停的异常呼吸(即呼吸暂停),则本发明能够施加效应器响应以减轻针对个体的睡眠呼吸暂停,即改变与睡眠呼吸紊乱相关的功能域的活动。在这些示例中,使用迭代分析来训练机器学习,例如个体何时处于低呼吸健康状态以及个体何时处于高呼吸健康状态。可以从感测特征中反复评估对治疗的响应(即效应器响应),并且可以基于这些特征撤回或继续治疗。这与现有技术不同,在现有技术中,诸如经验性连续气道正压或神经刺激的治疗常常是凭经验、连续或以预定方式进行的,而没有能力使治疗适应于该个体的生理指标。本发明提供了该个体的生理指标。
创建和定义功能域网络是与身体功能接口的独特方法。例如,患有心痛(心绞痛)或心脏病发作(心肌梗塞)的患者经常会遭受左臂、肩膀或其他部位的“放射痛”。一些患者仅经历因心脏缺血引起的手臂疼痛-即,手臂疼痛是这些特定患者的感测特征。此特征可能与其他个人无关,但是可以通过加密网络为该个人学习。以此方式,本发明现在可以在感测到的“疼痛”下检测到低于典型的神经激发速率的手臂中的神经活动,从而为该设备提供心脏疼痛的预警传感器(“心绞痛”)以提供治疗或提醒医务人员。
在另一个例子中,可能包括正常的“消化不良”以及疾病的腹部内脏(胃、小肠、大肠)问题的患者通常通过不精确定义的和可变的内脏和躯体神经在腹壁上出现模糊的不适。按摩该区域是可以减轻内脏器官疼痛的反刺激(竞争性刺激)的示例。因此,在一个实施例中,本发明将通过算法确定的对身体功能的“功能域”内的适当皮肤区域的振动刺激来减轻疼痛。在另一个实施方案中,本发明将提供热量(热刺激)作为反刺激。在又一个实施例中,竞争性刺激将在感觉输入区域处传递,并与感觉输入区域在功能上竞争疼痛。
作为另一个例子,皮肤或其他可触及的神经(例如口、肛门或外耳道皮肤的粘膜)中的神经激发可与其他器官共享神经控制区域,例如心脏疼痛甚至心律异常。效应器信号可以传递至功能域的特定区域,以减轻心脏疼痛或其他异常情况。功能域的其他成分可包括血管流量、血管舒缩反应性、皮肤电导率、心率或心率变化、呼吸率、细胞水肿和整个详述中说明的其他指标。
该疗法是量身定制的,并非凭经验提供。在每个个体中分析和学习基线特征,例如在期望的功能水平期间的神经放电的速率和模式,并且可以与加密的功能网络内的其他特征组合。在诸如睡眠呼吸紊乱、心力衰竭、疲劳等状态下,可以检测到超出此正常范围的波动,并可用于监测疾病或机能。诸如用于阻塞性睡眠呼吸暂停的颈部肌肉刺激,刺激中枢呼吸暂停的辅助肌肉或警觉中心,或者用于心力衰竭和其他状况的治疗都可以被监测(例如,通过效应器响应),并针对机器学习的特征进行定制。因此,可以在没有直接知识或无法访问主要生理指标且没有该功能的详细病理生理知识的情况下调节功能。
神经特征可以在许多功能之间共享,例如,基于周围神经的皮肤分布。一个例子是在“C234”区域感觉到肩胛骨的尖端,通过“C56”区域控制三角肌的功能并控制膈肌,从而在“C345”区域呼吸。因此,在肩部的感觉可能表明肩部受到刺激,或心脏邻近隔膜的部分出现疼痛。通过直接电刺激、振动刺激、热或其他刺激在这些区域产生的刺激可以对所测功能产生竞争性刺激。
可以通过多种类型的电传感器通过脑电图或从头皮测量的简化脑电图,直接评估大脑特征。例如,头皮在阿尔法(7.5-12.5Hz),贝塔(12.5-30Hz)或伽马(25-40Hz)波段的活动表示清醒(觉醒)或增强或警觉状态;德尔塔(0.1-3Hz)或塞塔(4-7Hz)波段中的活性表示困倦(或昏迷)状态。根据感测到的活动,可以将干预措施应用于头皮或网络的其他域,同时监视阿尔法,贝塔或伽马签名以提高警觉性。在每种情况下,本发明都是新颖的,因为它使用机器学习来为给定功能导出患者定制的特征,并且将在算法上将干预应用于定制的反馈循环中。在一优选实施例中,这将增强睡眠功能。
周围神经的特征是多种多样的。例如,头和颈部中的颈交感神经丛的神经刺激的增加可能与机敏或快速眼动(REM)睡眠有关,而活动减少可能与嗜睡或睡眠I-IV阶段有关。可以对头部和颈部的那些区域进行刺激以提高警觉性。辅助的(xI)、面部(VII)或其他颅神经的放电增加可能表明阻塞性睡眠呼吸暂停即将发作,并可能提供治疗目标。
本发明适用于神经可塑性的概念。可塑性指的是行为、环境、神经过程、思维和情感变化引起的神经和连接(突触)通路的变化,也指伤害造成的变化。这个概念已经取代了先前的教义,即大脑和神经系统是静态器官。新研究表明,大脑随时间变化的是解剖结构(结构)和生理学(功能)。有几个例子,例如DARPA肢体项目,中风受害者经过数月或数年的物理或职业治疗后恢复了功能,尽管已经对传统的大脑区域进行了梗塞以实现目标功能。在周围神经中也观察到可塑性,例如,功能神经(生皮节)的分布可扩展为患病神经供应的相邻分布。换句话说,中枢神经系统或周围神经系统的不同区域可以假定或包含单个功能,这也将具有非神经性影响,例如对测得的血流量、皮肤电抗性或其他生理参数。
有几个非神经域特征。例如,通过氧气传感器在手指皮肤上注意到的血红蛋白脱氧(通过光学反射或体积描记法)可表明呼吸不足或呼吸暂停。副交感神经激活引起的I-IV阶段睡眠可能会导致皮肤温度或血流量增加(在光学传感器上吸收红色波长)。新型皮肤传感器可以检测生物标志物的变化,例如葡萄糖(检测糖尿病状态,是否需要进食)、INR(血液稀释剂对某些患者的凝血能力测试)以及新一代用于血流中药物的传感器、皮肤上的化学变化等。这些标记的解释可能很麻烦,但在本发明中通过机器学习与特定功能相关联,例如发烧会增加皮肤温度,但会伴随呼吸频率增加和皮肤生物化学/阻抗(由于出汗)。通过基于多个特征的学习,在这种情况下,可以使用温度信息来区分发烧引起的呼吸频率变化与中枢性睡眠呼吸暂停引起的呼吸频率变化。
本发明使用的核心原理是,即使发生可塑性,连续的机器学习也将使其功能得以保留,即当个体的任务由不同比例的生理功能随着时间的推移而调停时,若再次使用该个体的感测特征,则无需对该功能进行精确的生理学映射知识。例如,在经典的巴甫洛夫式训练中,训练狗在接触非食物相关的刺激物后会流涎,而此非食物相关刺激与先前训练中的食物相关。换句话说,在不了解该功能的详细生理关联的情况下,使用了一种新的受过训练的刺激-功能相互作用。
本发明还包括个性化的学习反馈回路,以通过类似于经典帕夫洛夫条件的算法机器学习来调制期望的身体功能。在训练模式中,在正常时期施加刺激-例如,在预期的安逸睡眠的日子中对下背部的皮肤进行振动刺激。随后,如果睡眠中断,则应用训练有素的刺激模式。此模式可以应用于各种身体功能,包括但不限于警觉性、记忆力、睡眠和睡眠呼吸紊乱。
本发明凭经验识别功能域,并提供计算定制的个性化解决方案。这与现有技术不同,在现有技术中,例如,睡眠呼吸紊乱的优选实施方案可以刺激颅神经(例如三叉神经或舌下神经),通过不清楚的机制,实际上可能通过训练某些反应或刺激预期以外的其他区域而无意中起作用。
在另一组优选实施例中,加密网络可用于增强非疾病状态下的身体机能。一个方向是利用未使用的身体能力。例如,在办公室工作期间,人类经常在躯干、腿部和手臂上使用天然的传感器或效应器,而在面部(眼睛、嘴巴)和手上更频繁地使用传感器/效应器。设备对未充分利用区域的刺激可以扩展个人的感测能力(带宽)。当与人工传感器结合使用时,这些未充分利用的区域还可以用于提供“第六感”(见图),以将感觉扩展到生物学上没有感觉的刺激(例如,一氧化碳传感器可以为身体的未使用部分提供振动刺激),用来训练身体(例如提高警觉性)或其他功能。
机能的增强可能需要特定的刺激模式,该模式会根据刺激的频率、幅度和部位而变化。该信息可以通过机器学习每个人的感测特征或模式来得出。另一种方法是使用来自在所需模式中功能强大的个人的模式-来自取消标识的数据库,通过可穿戴设备的众包数据收集或其他方式获得。然后,这些模式可以用作加密网络的输入,该网络会将它们与符号表示相接口,以供个人适当地调整它们。
通过施加非生理或非典型的生理刺激,效应器刺激可以避免无意使用现有的身体功能。这可以通过使用不是正常处理或路径部分的神经频率或模式来实现,例如在正常感测频率之外,具有不同模式或处于不同(较低)幅度。使用本公开中的其他示例,作为心绞痛的早期预警,本发明可以在心脏缺血的功能域中检测亚临床神经激发,或者将亚临床振幅的神经刺激施加到副肌上以刺激呼吸(用于中枢性睡眠呼吸暂停)或脖子(以提高警觉性)。这些保护措施将避免引起行为改变,大脑感觉改变和/或事件记忆改变(Redondo等,自然2014)。本发明可以单独地或组合地与几种类型的传感器一起工作。示例包括固体物理传感器,例如FINE(singularityhub.com/2013/07/24/darpas-brain-controlled-prosthetic-arm-and-a-bionic-hand-that-can-touch/)、传统ECG或EEG电子传感器、非固体传感器(例如静电膏)、生物阻抗传感器、压电膜传感器、印刷电路传感器、光敏膜、热敏膜以及不与身体接触的外部定向传感器(例如视频、红外、温度、气体传感器以及其他传感器)。本发明的各种实施例使用新颖的传感器,例如皮肤传感器来检测葡萄糖、药物浓度或其他化学试剂。通常,传感器检测刺激并通过构造/创建的(非标准或非体位)路径将信息转导至活动神经。
处理元件包括一个数字信号处理器,用于与可以刺激人体不同部位/神经或在外部机器中引起机械作用的输出元件相接口。这样的元件可以包括传统计算机器,其具有隔离或联网的集成电路(例如,云计算)、生物计算、集成的生物/人工设备(神经机械学)或利用未使用的生物能力来执行特定的定向任务。一个潜在的实施例是使用中枢神经系统的未使用的计算能力来执行模式识别,而不是为此目的对人造计算机进行编程。这可以通过训练个人识别视觉/听觉/嗅觉或其他感觉,然后在随后遇到该刺激时感测该诱发反应的感测信号来实现。
效应器元件可以包括直接电输出、压电设备、视觉/红外或其他刺激系统、神经刺激电极或用于控制肢体的伺服运动神经、数字化电子信号(例如射频或红外传输)、甚至是虚拟化数据(例如虚拟化身)、大型数据库中可以查询的元素、以及现在已经存在或尚未开发的其他效应器元素。
效应器元件的应用可用于诊断目的,例如检测刺激或身体功能(例如,视觉功能、视觉疾病进展、情绪、警觉性、检测伤害(例如脑外伤)、心脏电和/或机械功能、亚临床癫痫发作检测);可以在不使人体感到不适的情况下检测外部世界形势或环境(例如,感测火灾中的热量、检测外部环境(例如矿山)中的氧气或有毒气体含量)。
效应器可用于医学相关的治疗,例如与大脑相关的功能(例如,对患有睡眠紊乱或中枢性呼吸暂停的患者进行脑刺激;对中风康复进行生物反馈;对运动或癫痫发作障碍进行深层脑刺激);其他神经系统疾病(例如,替代周围神经患者的人工传感器数据、皮质盲症、先天性耳聋、肌肉的生物反馈刺激);心脏病(例如植入式设备治疗的心律失常,机械或电设备改善的心功能);对肥胖的反应或用定向电气或机械元件修改的其他器官疾病。
使用本发明的机器学习疗法的应用可以用于训练、学习和执行生理活动或机械的、非生理功能。与应用非特异性刺激的现有技术不同,例如经颅直流电刺激(参见:wwww.scientificamerican.com/article/amping-up-brain-function),本发明可以感测、机器学习、优化、然后提供通过反馈回路调制的特定疗法。这将提供量身定制的疗法,以修改许多复杂功能。
本发明的其他应用包括改善受伤后的运动表现(例如,对肌肉的直接刺激以恢复失去的功能;在受控运动期间进行生物反馈以将心率保持在所需范围内;以及大脑刺激);增强感官知觉(例如,用于面部识别的人工视觉传感器;检测以前听不见的信息的人工听觉传感器);通过克服限制或发展更有效的解决方案来以非典型方式执行任务(例如,用被人工设备放大的手指或眼睛的小动作来驾驶汽车;通过生物学方法控制外部设备,例如,以较小的眼睛或肢体动作来控制计算机界面)。机械功能的示例包括对士兵进行机械外骨骼的生物操作;执行对人类来说太困难或危险的任务(例如深海探险、武装战斗);或例如控制计算机、视频游戏或遥控器的基本任务。
总而言之,本发明结合了组合的生物-人工网络,称为加密功能网络(或表示),以调节特定任务(例如经常需要大脑或神经参与的复杂身体功能,或更高的皮层功能)。传感器(生物或人工)可感测被测任务的活动。该感测到的活动被加密为特定任务的感测特征,然后一系列算法包括但不限于机器学习和特定硬件组件的使用生物、人工或混合效应器来调节网络(例如,刺激电极)。该网络可以直接增强功能(例如睡眠),或者通过现有元件形成新功能(“重新分配”功能,例如将下背部刺激与睡眠相关联)。
加密网络可以使用特定于每个任务的符号表示来运行。每个任务的具体表示很重要,因为刺激的模式、频率和幅度在任务之间存在很大差异-例如,调节头皮与颈部或身体其他部位的电活动,或刺激神经元对比血管。
附图说明
在附图中,通过举例而非限制的方式示出了一些实施例,其中:
图1示出了本发明的示意图,包括生物传感器或外部传感器、信号处理单元和计算设备,其可以形成身体功能的表示,例如“加密功能网络”。控制单元可通过在反馈回路中测量对治疗的反应而定制的设备或生物器官(“效应器”)来治疗异常的生理功能。
图2示出了本发明用于呼吸健康的一个优选实施例,其中肺功能的功能域由感测到的特征表示,该特征可以随时间追踪,包括呼吸声、胸壁运动、使用床或椅子上传感器的身体运动、氧合变化。加密功能网络(带有分析引擎)将此分析系统与效应器组组合在一起。
图3示出了流程图,对于呼吸健康的一个优选实施例,其示出了加密功能网络如何表示个人的身体功能,作为由感测特征表示的功能域。通过将特征模式与期望的和不期望的行为相匹配的算法来分析感测特征,并将其匹配到“群体行为”网络数据库或该个体的历史行为数据库(例如,使用统计相关性进行分析),以监测功能、指导和评估对治疗的反应。
图4示出了对于代表神经系统和非神经系统功能和任务的功能域的呼吸健康的优选实施例的感测特征示例。随着时间的流逝,感测特征的阵列成为该个体的身体功能的度量表示。
图5示出了使用本发明的加密网络来修改身体功能的任务,这是呼吸健康的一个优选实施例。修改是通过加密网络中的个性化感官特征和机器学习为个人量身定制的。修改包括疗法,例如用于睡眠呼吸紊乱,但也可以增强该个体的正常功能。修改以连续反馈的方式进行,通过加密网络评估响应,以防止过度或有害的修改。
图6示出了用于感测特征和修改各种功能域的说明性主体位置。传感器位置由开放(白色)区域指示,效应器(修改)区域由填充(黑色)区域指示。它们的相对大小在每个个体中各不相同,由每个个体的机器学习确定,并且未按比例描绘。
图6B示出了用于加密网络的说明性框架。传感器或效应器阵列将本发明与个人联系起来。处理网络使用逻辑将传感器或效应器阵列与健康状态相链接,这些逻辑可以是机器学习、基于规则、基于启发式、数据库查找或其他关联。
图7示出了本发明中的传感器的示例,其可以包括传感器元件、电源、微处理器元件、非易失性存储和通信元件。示出了几种类型的传感器元件,例如光电检测器(用于皮肤温度、代谢光感测、药物感测)、检流计(用于皮肤阻抗),压力(用于重量、皮肤破裂)、温度或化学物质。本发明还可以使用提供各种外部或人工特征(图12-18)的外部传感器(图1、12-18)。
图7A示出了可以向本发明提供感测信号以管理健康和疾病的消费级传感器。这包括智能手机,该智能手机可以提供呼吸声(在用于呼吸健康的一个优选实施例中使用)、运动、心律和其他信号的感测信号。其他消费级设备包括智能手表;房屋中的运动传感器;床、椅子或汽车或飞机座椅上的运动传感器;消费级麦克风、光检测器和体重秤。
图7B示出了本发明的流程图,该流程图用于管理呼吸健康并仅使用来自智能手机的呼吸声来检测睡眠呼吸暂停,作为一个优选实施例。
图7C示出了一个示例,其中本发明可以分析与个体相距一定距离的来自智能手机的声音以检测正常的呼吸、打鼾和其他干扰。通过参考临床多导睡眠图(与录音同时执行)验证了本测试示例中的声音分析,从而验证了干扰。在实际实践中,本发明旨在不经多导睡眠图使用。
图7D示出了本发明分析与个体相距一定距离的来自智能手机的声音以检测正常呼吸,20秒的无呼吸周期(呼吸暂停),随后是大声的唤醒事件(声音“干扰”)。在该测试案例中,参考临床多导睡眠图(与录音同时进行)验证了声音分析,从而验证了干扰。在实际实践中,本发明旨在不经多导睡眠图使用。
图7E示出了用于分析来自智能手机的声音文件的特定分析流程图。
图7F示出了一个例子,其中本发明仅在距个体一定距离的情况下分析来自智能手机的声音,并检测打鼾、大于10秒的无呼吸时间以及其他呼吸声音。
图7G示出了一个例子,其中本发明仅在距个体一定距离的情况下分析来自智能手机的声音,并且检测到大声的打鼾声和其他呼吸声的周期。
图7H示出了一个示例,在该示例中,本发明仅在距个体一定距离的情况下单独分析来自智能手机的声音,并使用声音曲线下方的区域来检测大声的打鼾或干扰/噪音的周期。
图7I示出了一个示例,在该示例中,本发明仅在距个体一定距离的情况下单独分析来自智能手机的声音,并且检测噪声周期。
图7J示出了一个示例,在该示例中,本发明仅在距个体一定距离的情况下单独分析来自智能手机的声音,并且检测非常低振幅的声音。
图8示出了睡眠呼吸紊乱的感测信号的一些优选实施例。
图9示出了调节睡眠健康和治疗疾病的效应器的优选实施方案。
图10示出了用于心力衰竭的感测特征的一些优选实施例。
图11示出了身体对肥胖的反应的感测特征的一些优选实施方式。
图12示出了针对其他条件的感测特征的一些优选实施例。
图13示出了用于检测和治疗睡眠紊乱性呼吸的加密(符号)网络的一个实施例。
图14示出了本发明使用加密网络来增强身体功能的的实施例。
图15示出了使用加密功能网络来增强身体功能的神经机械控制。
图16示出了本发明的变换运动神经功能的实施例。该流程图示出了增强神经系统的运动(肌肉控制)功能的一个实施例。举例为腿部肌肉功能,其增强功能(例如,在军事或体育用途中)或医疗目的(例如,中风后)说明了这一点。
图17示出了本发明的增强感觉功能的实施例。该流程图示出了用于增强神经系统的感官知觉/感觉的实施例。举例为警觉,其增强(例如,军事或体育用途)、出于医疗目的(例如,监测睡意或昏迷)或为了消费者安全(例如,在驾驶识别睡意以控制反馈设备)说明了这一点。
图18示出了本发明的转换感官功能的实施例。该流程图示出了用于转换或增强感官知觉的实施例。这是为了听觉而示出的,本发明增强了听力并将听力功能转换为另一种神经功能。
图19示出了本发明的创建新颖的“神经机械学”感官功能的实施例。该流程图示出用于提供个体当前不具备的感觉功能的实施例。为了整合来自生物传感器的生物毒素的感觉而说明了这一点。
图20示出了本发明的创建新颖的“神经机械学”感官功能的实施例。该流程图示出用于使用生物神经系统识别期望模式的实施例。
图21示出了用于机器学习的计算机硬件。
具体实施方式
本文公开了一种用于检测、修改和增强身体的复杂功能的系统和方法。在下面的描述中,出于解释的目的,阐述了许多具体细节以便提供对示例实施例的透彻理解。然而,对于本领域技术人员将显而易见的是,可以在没有所有公开的具体细节的情况下实践示例实施例。
本发明调节和增强以计算机化方式表示的一系列功能域的简单、复杂和更高的身体功能。在一个实施例中,该功能管理完全由非医疗级设备(即,消费者型设备)感测和调制的身体任务。在另一个实施方案中,功能包括脑或神经活动的部分。核心创新是创建代表复杂功能的计算机网络,并随着时间的推移为每个人量身定制。这样的表示可以称为加密功能网络,并且包括一系列功能域,这些功能域描述该个体随时间推移的正常和异常身体任务。来自个体正常状态的感测信号的变化被加密网络解释为偏差,并用于引导效应器。在一个优选的实施方案中,本发明被应用于检测、监测和治疗睡眠呼吸暂停。其他实施方式可用于监测和治疗心力衰竭,管理体液平衡,控制体重以避免肥胖,或调节警觉性、情绪、记忆、精神表现或认知。
图1示出了用于修改和增强人类复杂身体功能的示例系统。具体地,示例系统100被配置为访问来自生物传感器104和来自外部传感器110的外部信号。
传感器104可以感测来自某个体、另一个体或信号数据库118的生物信号。传感器104可以穿戴在身体表面上或附近,并通过孔(例如嘴或耳朵)驻留在体内,或植入体内。
外部传感器110可以感测来自某个体、另一个体或信号数据库118的生物信号。感测到的信号可能来自许多器官系统,包括中枢神经系统、周围神经系统、心血管系统、肺系统、胃肠系统、泌尿生殖系统、皮肤或其他系统。
外部传感器110可以提供许多类型的信号,这些信号反映但不限于传统的物理感官,包括压力/物理运动(触觉,触觉)、温度(热信息,红外感测)、化学(电化皮肤电阻、阻抗,检测来自皮肤、舌头或其他黏膜的特定离子,即气味、味觉)、声音(听觉)、可见光谱中的电磁辐射(视觉)、运动或振动(衡量肌肉功能和平衡)。
外部传感器110还可以提供关于信号的信息,这些信号仅在正常感测范围之外,包括但不限于不可见的电磁频谱(例如近红外光);对于人类而言处于正常生理范围之外的声波(大约20Hz至20kHz),但此声波包括动物能感知的范围(例如,狗可以感知更高的频率);化学刺激;药物或毒素。在该实施例中,本发明可以扩展正常功能,例如听力达到或超过具有最大听觉敏锐度的人的可听范围,或者恢复丧失的功能,例如具有一定程度的听力丧失的人听见该范围的声波。
外部传感器110可以提供关于在正常感测形态之外的信号的信息,包括但不限于诸如一氧化碳的毒素(这是一种公共健康风险,但目前不能被感测)或过量的二氧化碳、各种形式的辐射(诸如阿尔法和贝塔射线、伽马射线、X射线、无线电波)、生物毒素例如与食物中毒相关的大肠杆菌细菌毒素(例如0157:H7型)、炭疽或其他病原体。本发明的该实施例对于传染病、军事和安全应用具有价值。
在图1中,信号被无线地或经由连接的通信传递到信号处理设备114,协同能够访问分析数据库118的计算设备116。计算设备116和信号处理设备114与控制设备120通信,控制设备120继而控制设备108或外部设备112。设备108是效应器装置,其可以是生物的或人造的。设备108可以是个人可佩戴的或与个人非常接近,可通过诸如口或耳之类的孔口驻留在体内,或植入体内。具有传感器和效应器的计算、信号处理和控制设备一起形成“加密功能网络”(EFN)。
图2总结了一个身体任务的加密功能网络(EFN)。EFN可以包含一个或多个功能域,每个功能域均包含传感器、功能域的感测特征、EFN的分析引擎以及功能域的效应器组。在第150项,可以看到针对特定身体任务的整个EFN,此处示出了呼吸的优选实施例,并且功能域称为“肺功能”。呼吸的其他功能领域包括心脏功能、大脑功能(控制呼吸中心)、与昼夜循环有关的内分泌中心(仅举几例)。在第155项,示出了传感器1、2,...n,其用于检测信号,这些信号一起形成用于该功能域的感测特征160。如下所述,肺功能的信号是多种多样的,包括来自消费者或其他外部设备的呼吸音、胸部运动、颈部的呼吸辅助肌肉运动、这些肌肉的神经活动(例如膈膜神经,颈部神经)、鼻子或嘴附近的气流、通过光反射或其他方式在皮肤上测得的氧合作用、以及与呼吸有关的来自大脑的电信号或其他信号。
分析引擎165随时间分析这些感测特征,以形成对该个体定制的功能域(肺功能)表示。如下所述,可以执行许多形式的分析。一旦EFN为个体量身定制了这种肺功能表示,就可以检测到超出学习范围的信号。例如,一个人的胸部运动减少可能表示呼吸减少,而颈部运动增加可能表示使用了呼吸辅助肌肉,并且阻塞性睡眠呼吸暂停的可能性很高。本发明的关键特征是定制的表示,因为另一个个体在正常睡眠期间可能表现出颈部运动,这并不表示在正常睡眠过程中使用了辅助呼吸肌肉并且呼吸速率降低。值得注意的是,根据该EFN的学习或编程行为,加密网络可以从个人或类似个体那里征募额外的传感器或存储模式(例如从数据库,例如图1中的118项或图3中的215项)。
在第170项中,加密功能网络包括与该身体功能效应器组的通信,该效应器组又在步骤175向效应器1、2,...,n发出信号。在此示例中,效应器元素可以包括呼吸肌肉的刺激、施加光线或声音(警报、噪音)以改变睡眠/唤醒循环。本发明的另一个关键元素是加密功能网络内/与加密功能网络内的每个元素之间的互连性和链接,由双箭头指示。
图3给出了用于身体任务的正常或异常功能的加密功能网络的更多细节。本发明解决的身体任务的列表是广泛的,并且每个任务典型地跨越多个生理系统(功能域)。身体任务可能包括但不限于睡眠、睡眠呼吸紊乱、认知、精神状态、对肥胖的反应、以及对心力衰竭的反应。
在图3中,优选实施例示出用于呼吸的身体任务210的EFN,其包括神经系统220和非神经系统(非神经)260网络。网络220、260包括各自的功能域230、270,每个功能域由基于各种传感器的感测特征240、280定义。这会产生用于身体功能的神经和非神经特征,正常情况下为250,异常则为290-或者期望状态为250而非期望状态为290。应注意的是,网络可以通过交互作用225进行交互,并且特征可能与预期相互关联(即来自生理学)或学习的计算关系245。
加密功能网络的分析引擎使用各种方法,包括人工智能的实现(机器学习、感知器、深度学习、自动机器人和/或模糊逻辑电路);与先前存储的模式进行比较;分类方案;预期的算法关系或启发式方法。基于规则的系统包括用于感测特征解决方案的数据库,例如肩神经的皮肤分布、指示氧合的皮肤反射率波动、区分打鼾和呼吸的听觉声音强度变化以及正常的心率范围和其他本领域技术人员的熟悉范围。
在一个优选实施例中,机器学习是通过神经网络(例如,三层反向传播网络、多层网络或其他设计)和深度学习技术来完成的。从数字上定义网络如下:
(i)按节点互连,在节点(人工神经元)层之间变化。节点通常表示为网络,并且在输入、隐藏(内部)和输出层中可能有很多层,节点数量也有很多变化。节点可以连接到上下两层中的所有节点,但也可以实现差分连接;
(ii)节点如何连接,即它们的互连权重,在学习过程中会更新;
(iii)数学激活函数,概述如何将每个节点互连的加权输入转换为其输出。通常,每个节点的激活函数f(x)是其他函数g(x)合成的,而这些函数又可以表示为其他函数的合成。可以使用非线性加权和,即f(x)=k(∑iwigi(x))其中K(激活函数)可以是反曲、双曲或其他函数。
可以选择各种连接模式、加权、节点激活功能和更新方案,并且对于不同的加密网络,特定的形式是最佳的。例如,将脑电图、心脏和呼吸特征与警觉性联系起来,或将体重、皮肤阻抗、呼吸频率和心脏输出与心力衰竭状态联系起来的加密网络比将记录的声音分析与睡眠呼吸紊乱联系起来的网络更为复杂。处理复杂任务的最新方法使用递归神经网络,其中节点之间的连接形成有向循环,以实现动态的时间行为并实现诸如建模警报之类的复杂任务。
加密网络适配的替代形式可以使用“如果-则-否则”表达中的算法来将感测到的特征与定义的行为链接起来。可以应用几种其他形式的机器学习,这对本领域技术人员来说是显而易见的。
这种方法的一个重要特征是,它们不需要先验地了解人类病理生理学的细节,而需要关联(“学习”)健康中的感测特征模式(正常功能)以及与疾病中这些模式的偏差(异常功能)。因此,它们非常适合于复杂的身体任务,而这些任务通常无法通过详细的病理生理学研究来完全定义,但仍需进行监测和治疗。
加密的功能网络可以提供医师在床旁检查的计算机化实施-客观地表示“身体健康”或“看起来不错”,即,个体的正常肤色和血液灌注、个体的正常呼吸、个体的正常肌肉运动、以及其他无形的体征。然后,加密功能网络的分析引擎解决了一个棘手的问题,即确定何时感测到的信号偏离该个人的任何基线状态。
下面的类比说明了使用加密功能网络和感测特征来监测健康的新颖性。在先进医院中识别健康的“高科技”方法可能会发现一个个体的心脏输出量为5升/分钟,具有正常的脑电图的多导睡眠图和其他参数,正常的动脉血氧和二氧化碳浓度,正常的心脏核压力测试,以及血红蛋白和其他血液参数在正常范围内。本发明的综合实施方案可以通过该个体的以下域的正常值得出相同的结论:心脏(正常心率,正常变化,运动过程中氧饱和度没有异常下降);肺(正常呼吸音,无喘息,清醒时无嘈杂的呼吸音,夜间无大声打鼾或呼吸暂停,正常氧饱和度);总体健康(正常巩膜颜色,正常昼夜温度波动,稳定体重,良好的活动状况和正常昼夜心率/氧气波动)。因此,该个体在医生以及本发明的床边检查中表现为“身体健康”,其可以留在消费设备上以便于使用。因此,本发明被设计为检查工具和“个人健康助手”。如有必要,它不能替代先进的和侵入性的医学检查和测试,但该设备可以警告用户注意异常参数,这些异常参数在有需要时可以加快转诊至医疗服务提供者的速度。这可以是远程医疗提供商,也可以是传统提供商网络。因此,本发明可以在医学上服务不足的区域具有价值,例如在美国农村地区或无法获得先进医疗服务的国家。本发明还可以通过提供针对该个体的许多健康参数的客观、可重复的评估来改善医疗保健。
与现有技术的一个重要区别是,个体定制使本发明能够识别对一个个体可能是正常但对另一个体是异常的感测特征。因此,本发明推进了“个性化药物”或“精密药物”,其通常在遗传水平上被定义,但是对于整个个体通常是不确定的。基于功能如何影响该个体的可测量器官系统,本发明能够在临床水平上稳健地实现精确健康。这种临床科学是新颖的。
使用另一个类比,由加密功能网络完成的简单和复杂任务的符号模型有时类似于“印象派”画家的可视化,而不是由“现实主义”学校中的受过训练的生理学代表。同样,该方法基于以下前提:除了任务所需的主要生理系统外,很难精确定义所涉及的次要网络区域。
在患者特定范围内感测到的特征与正常功能250的关联使得本发明能够检测异常功能290作为该范围之外的特征。当学习算法针对正常功能250和异常功能290反复对感测特征之间的交互作用255进行分类时,加密的功能网络将得到优化。此互连性是最佳的,其复杂性使该系统非常适合于计算机学习范例来修改和处理网络235。
如图3所示,针对个体或多个个体的随着时间推移学习陈述的数据库215可以增强个性化的诊断和治疗。这可以用于通过该个体的EFN来增强诊断和治疗。
个体之间的学习网络(陈述)的数据库215是本发明的另一核心资源-用于所定义的人群的功能的不同感测模态的数字网络,可以用来监测和治疗疾病或改善机能。出于医疗保健或检查的目的,数据库215可以被加密和取消标识,但是如果获得个人同意(例如,在军事或机构环境中),则可以追溯到特定个体或将异常应用于特定个体,以改善他们在人群中的表现。这构成了一种新方法的基础,该新方法用于众包健康或健康检查,众包疾病监测以及众包疗法。
图4提供了本发明感测特征的细节310,以代表针对个体定制的给定身体任务。此处描述的任务是呼吸的最佳实施例。身体任务的功能域大致分为与神经系统有关的315和与非神经系统有关的335,可以集成为390。感测到的神经特征315通常代表感测位置320(例如,颈部的神经用于辅助呼吸肌肉,膈膜神经用于膈膜活动,或可能表明睡眠呼吸暂停期间有压力反应的交感神经放电),活动模式325(例如,具有一定频谱的周期性或更复杂,并且可能由分形维数或熵度量非线性地表示),或激发速率330(例如,自相关函数上的频谱的基本或“主”频率或第一峰值)。
其他许多与神经有关的参数也是可能的,例如神经组织功能的核扫描,例如自主神经节的MIBG扫描,使用基于正电子发射断层扫描的传感器信息进行代谢定量,化验去甲肾上腺素的血清水平以及本领域技术人员熟悉的其他神经相关特征。
对于任何复杂的身体功能,神经和非神经功能域被最佳地集成390,但是该区分可能是有用的,因为利用神经功能域315的实施例可以由电子传感器和电子效应器装置来实现,并形成一个生物神经网络,可以通过加密功能网络中的人工神经网络进行模仿。
非神经功能域335可以是多个340,并且通常具有一个或多个定义的特征,例如,高血容量可通过以下方法检测:降低组织的电阻抗;通过“潮湿的皮肤”引起的交感神经激活-减少皮肤电阻和改变离子组成;通过测量减少皮肤吸收的在近红外端的电磁波频谱来减少氧合作用,进而通过减少氧合作用来暂停呼吸。这些特征还可以通过空间位置345,速率350和时间模式355来表征。用于呼吸的位置345包括呼吸音的非接触式传感器(例如智能手机),用于测量呼吸和皮肤氧合作用的胸部或颈部的运动传感器。用于呼吸的特征350包括没有呼吸声(呼吸暂停)、大声呼吸声(打鼾、唤醒)、不规则呼吸运动(例如,谢恩斯-斯托克斯呼吸)。这些特征的模式包括快速、慢速和其他模式。当前可以测量许多其他参数,这些参数可以被本领域技术人员及时地开发并自然地将其结合到本发明中,例如,来自药理传感器的神经激素的组织浓度(例如B型利钠肽)、皮质醇或催乳激素,用来检测皮肤或皮肤血管中的药物浓度的光电探测器发出的信号强度,口咽传感器呼气中的药物或酒精含量,尿道传感器中尿液中的药物或酒精含量,组织样本中的细胞计数(例如测试不孕症的精子计数),以及与所考虑的功能域相关的其他传感器。
图4中所示的感测特征代表了个人身体任务的功能域。这形成了用于身体功能的一种数字或计算机表型。公认的是,神经和非神经生理元素可以在生物学上进行深度整合,但是这种规划是将复杂生理学参数化为可测量、可数学建模和可学习的轨迹的便捷方法。其他更综合的规划也是可能的。
重要的是要注意,对于本发明的工作,即最小的实施例,不需要所有的图示或可能的特征。例如,可以仅通过体重增加的简单测量来监测心力衰竭。睡眠呼吸暂停可以从一个主要信号中检测到-长时间不呼吸(其他信号为辅助信号)。本发明使用加密功能网络来显式地或隐式地(例如,通过学习)加权个体的最重要的特征,并使用当前可用的任何特征。
图5示出了通过效应器功能对身体任务的修改,该效应器功能被定制为针对该任务的感测特征。修改可以包括疗法,例如对睡眠呼吸紊乱,但也可以包括增强的正常功能,例如睡眠质量或警觉性。通过加密网络进行的修改使用反馈回路进行操作,在该回路中效应器的响应将通过感测特征的后续变化来衡量,以防止过度修改。可以通过直接能量传递400来修改与神经有关的域420,以刺激或抑制域。例如,腹壁皮肤的竞争性刺激(“反刺激”)(例如,通过压电装置的振动,通过红外发生器的热量)可能会抑制腰骶(下背部)起源的内脏神经支配的器官的疼痛感。域410因此可以位于周围神经中,例如颈部神经以缓解阻塞性睡眠呼吸暂停,或膈膜神经以刺激中枢睡眠呼吸暂停,或中枢神经系统例如头皮刺激以改变颅神经或光传递来调节眼神经或(间接)松果体活动。以这种方式,身体功能可以被治疗、增强或改变430。非神经区域460可以以多种方式440被修改,包括经由压电装置的振动刺激以刺激肌肉、红外加热以减少肌肉痉挛以调节各个域450和460来修改身体功能430。再次,效应器功能对修改的响应是针对个人任务量身定制的,并通过感测特征进行监测,以确保不传递过多和/或有害的效应器功能。
神经相关域410的调制可以通过调制连接415链接到非神经域的调制。此外,中枢和周围神经域420通常通过连接425链接到非神经系统域460,连接425可以形成其他功能域(例如,肾上腺皮质功能将交感神经系统与皮质醇分泌的内分泌作用联系在一起,从而影响体重、血糖控制、情绪、警觉性和睡眠)。
图6示出用于传感器和效应器的几个潜在的身体位置500。身体功能可以由传感器位置505测量和/或由效应器位置510修改。传感器位置由开放(白色)区域示出,效应器(修改)位置由填充(黑色)区域示出。它们的相对物理尺寸在每个个体中都不同,并且未按比例显示。图6示出身体500上的传感器位置,以检测神经535、心血管540、肺540、胃肠545、泌尿生殖系统550、皮肤550和其他器官系统的特征。通过加密功能网络测量和/或修改的身体任务包括但不限于睡眠和中枢性睡眠呼吸暂停515、认知表现520(例如机敏)、阻塞性睡眠呼吸暂停525和对肥胖的身体反应530。各种传感器、感测特征、功能域和身体任务通过示例的方式示出,而不是限制本发明的范围。关于本公开中的其他附图更详细地讨论了这些。
图6B示出了用于加密功能网络的优选框架。主要元素是560传感器阵列、561效应器阵列、565输入连接到570处理网络。575示出了从处理网络到健康应用层580的输出连接,用于各种身体或健康任务,包括呼吸健康581、警觉性582和心脏健康583。
处理网络570使用不同的逻辑实施方式将传感器或效应器阵列与健康状态链接。如果这是机器学习,则在训练中,健康状态会向后反馈到网络(隐藏层)以更改权重和关联。对于呼吸健康581,传感器阵列560提供感测到的特征(例如正常呼吸、正常氧合作用、正常心率变化性),其随时间重复地与该个体的正常呼吸相关联。来自传感器的并偏离该模式的感测特征现在被分类为异常呼吸。对于其他身体任务/健康状态,例如警觉性、心脏健康,也是如此。
处理网络570可以是基于规则的,在这种情况下,正常值之外的感测特征(传感器状态)被标记为“异常”。可以对正常值进行编程(规则)或学习(混合,自适应规则)。处理网络570也可以是基于启发式的数据库查找或基于其他关联。
处理网络570可以针对各种身体任务或功能而重叠,如阴影框中的重叠所描绘的。例如,对于呼吸健康或心脏健康来说,快速心率可能是异常的。另一方面,其他感测特征提供了上下文,因为快速心律对于运动或警报状态可能是正常的。
图7示出了身体传感器600的示例,包括结构平台630上的传感器元件605、电源610、处理部件615、非易失性存储器620(例如,E2PROM)、通信元件625。示出了几种类型的传感器元件。传感器包括但不限于:光敏传感器640,用于检测皮肤反射率(指示含氧血红蛋白,包括脉搏的灌注);检流计650,用于检测皮肤阻抗或电导率(一种身体化学指标),经皮或侵入性神经活动(神经电活动)或肌肉电活动(肌电势);压力检测器660(用于检测压力,例如体重、机械关节运动或位置);热检测器670,用于检测温度(代谢活动和其他疾病状态的度量)和化学检测器680化验去甲肾上腺素或药物,来自皮肤、口腔或胃肠道或泌尿生殖道其他部位的体内pH值,胃肠道中的酶促分布,DNA分布(例如,在嘴内层上的基因芯片)和其他传感器,例如心率、通气(呼吸)。
本发明还可以使用外部传感器(图1、12-18),其提供各种外部或人工特征(图12-18),以向加密功能网络提供神经机械传感器输入或效应器。
图7A示出了几个消费设备,其检测信号并且可以为重要的功能域提供感测特征。消费类设备包括但不限于智能手机700、智能手表702、与衣物相关的传感器、家庭运动传感器704、麦克风706、光检测器708、体重秤710、专用声音发生器(例如扬声器或耳机712)、温度计714或其他。如果经过加密功能网络进行适当的处理和转换,则此类设备可检测广泛的一系列感测信号。
在一个优选实施例中,来自图7A中的智能手机700记录的声音用于检测正常的呼吸音、呼吸不足(呼吸暂停)和异常的呼吸音,包括阻塞音和打鼾。为了从没有医疗装置的消费者智能手机中实现此目的,本发明和加密功能网络减少了噪声并过滤了原始声音文件,应用了生理学衍生的算法来检测相对于噪声、语音和其他生理学声音的呼吸。该算法还将声音从单独的个体(例如同床伴侣)中分离出来,确定声音与该个体正常模式的关系,从而可以检测到呼吸紊乱。用智能手表702或诸如消费类麦克风706之类的设备可以实现类似的功能。在一个替代实施例中,消费者运动传感器704可以指示运动,如上所述,本发明可以从中确定呼吸的存在或不存在。在相关的实施例中,床、椅子或其他支撑物上的运动传感器704可以检测在本发明中可以识别为呼吸的运动。在又一个实施例中,温度计714可以识别嘴或鼻子附近的温度波动,如上所述,本发明可以用来检测呼吸和呼吸不足。在又一个实施例中,光源708可以以包括远红光和近红外光(比可见光更具穿透性)的各种波长照射个体的胸部,并且反射光可以指示在本发明中与呼吸相关联的胸壁或颈部运动,以确定正常/异常呼吸。消费类设备的其他实施例对于本领域技术人员将是显而易见的。
其他功能域可以通过来自图7A中的传感器阵列的感测特征来定义。例如,来自温度计714的总体或区域体温的昼夜变化可被本发明用于监测睡眠、清醒和总体健康。热传感器可以放在人体衣服中、手表上或其他靠近人体的位置。可以将近红外传感器/摄像头嵌入房屋的墙壁或其他方便的位置。运动传感器704可以用于确定个体何时睡眠,相对于清醒;以及何时运动,相对于久坐。传感器可以穿戴在鞋子/衣服上,也可以固定在例如住宅、床或汽车上。体重计710可以提供感测到的信号以帮助体重管理(肥胖)或体液管理(心力衰竭)。为了进行定期评估,称重/压力传感器可以是智能汽车座椅、智能床、鞋子的一部分,也可以是房屋房间地板上或其他情况下的一部分。说明书中概述了可以由各种各样的可用传感器定义的其他功能域,这对本领域的其他技术人员将是显而易见的。
在几个实施例中,来自图7和7A所示的传感器的感测信号将需要个人识别标签,以确保正在从有关个体分析数据,将结果传达给该个人,和/或将效应器响应传递给该个人。这可以用硬件或软件来完成。硬件实施例包括特定于该个体的生物特征信息传感器,例如指纹、视网膜扫描、虹膜或独特的面部特征、汗液成分、唾液成分(用于口腔传感器)、粘液成分(用于鼻孔中或气道中的其他位置的传感器)、分析心音、呼吸音或语音模式的传感器。软件实施例包括这些感测到的生物特征信号与来自该个体的已知信号相比的频谱分析、模式匹配分析或相关分析。可以在记录数据时,从先前存储的事件中或从数据库中感测到该个体的已知信号。在本发明监测呼吸健康的优选实施例中,当确认生物统计数据与来自所述个体的数据相匹配之后,对该声音文件进行分析,从而使该个体及其指定个体可获得健康或疾病指数,在确认生物统计数据与正确的个人匹配之后,效应器响应才被传递。
图7A中的消费设备也可以是用于加密功能网络的效应器设备。例如,如果检测到睡眠呼吸暂停,则智能电话700可以提供基于声音、光或振动的警报以唤醒个体。这些或外部设备,例如计算机控制的光源,可以激活以提前或延迟为患有睡眠或睡眠相关呼吸障碍的人量身定制的睡眠/唤醒周期。智能手表702可以向个体提供振动信号、听觉警报或其他信号,作为效应器响应。扬声器712可以提供刺激以改变活动、睡眠和其他功能。加热或冷却元件714可以改变身体的睡眠倾向,或者改变昼夜循环。本应用中关于健康和疾病状态的其他应用对于本领域技术人员将是显而易见的。
图7B示出本发明的优选实施例,其分析与呼吸有关的文件以监测和治疗呼吸的身体任务。一个特定的优选实施例仅使用消费类设备,使用智能手机的内置消费类硬件记录声音文件,使用电话或云计算上的软件来分析声音以检测呼吸信号,为该个体生成呼吸特征,以用于检测并管理呼吸紊乱。在另一优选实施例中,添加到电话的消费类设备用于感测信号,包括但不限于胸部运动、氧合和/或大脑活动,以生成其他个体特征。在又一个实施例中,医用级设备用于记录信号并生成用于身体呼吸任务的特征。在不同组的实施例中,本发明使用消费类设备或医疗级设备来管理其他身体任务。
在图7B中,信号在步骤720中被检测。这包括单独的识别/ID过程,然后是在每个检测周期开始时的校准步骤。例如,在一个优选的实施例中,捕获正常呼吸的声音强度,将其校准为从智能手机到个体的距离,以及当时个体的声音强度。在步骤722中检查并确认数据。第一文件标签是数字文件格式740的检查,例如声音文件的“.wav”。可以分析其他合适的文件类型以获取呼吸信号,包括但不限于胸壁运动的“.mpg”电影、颈部/咽喉阻塞的“.mpg”电影、编码胸壁运动的其他文件类型(例如,来自压电传感器的文件)、商用家庭运动传感器文件或通过皮肤反射或其他传感器编码氧合作用状态的文件类型。读取文件持续时间742,并且可以排除小于特定持续时间的文件。为了分析睡眠呼吸紊乱,足够持续时间的典型阈值是>4小时的记录。在744中标记损坏的文件段,并在步骤746中生成文件质量度量。
在一个优选实施例中,步骤722检查数据是否足以进行呼吸分析,例如是否存在以每2-5秒(即0.5至0.2Hz)一次典型呼吸频率的周期性活动。另一个检查是周期性活动中是否在呼吸。对于声音文件,这可能包括每个事件0.5到3秒的典型持续时间(呼吸持续时间)。对于声音文件,单独的呼吸也表现出典型的频谱特征,通常在500Hz-12kHz时在5-15kHz的范围内声音最大,从而将呼吸与噪音和语音的某些方面分开。如果从胸部运动传感器文件评估呼吸,速率应相同,但是胸部运动的持续时间将比表示呼吸音的气流更长(胸部在空气开始流动之前活动,并在气流停止后继续活动)。对于使用“腹部呼吸”来辅助呼吸(通气)机理功能的个体,腹部的运动指标可能相似。值得注意的是,呼吸运动的指标在周期性、幅度、与其他感测信号的关系(例如,氧饱和度波动、ECG幅度的变化、心率)以及其他由于非呼吸运动,例如手臂、头部或腿部,而引起的特性方面会有所不同。度量可以通过频谱分解748、自相关分析(检查峰的时间偏移或幅度)或其他模式匹配、单独切点750或矩阵752进行评估,其中任何一个都可以存储在数据库754或外部介质756中。在优选实施例中,加密功能网络为个体定制呼吸分析,并在诸如一天中的时间(夜间更长或更慢的呼吸)、运动(更短和更快的呼吸)、REM睡眠(与非REM睡眠相比,呼吸频率和深度更不规则)等条件下为该个体记录“正常”睡眠。
步骤724检测并拒绝噪声,以便定义不可读的历元。对于呼吸分析的优选实施例,噪声包括声音,胸部运动或不满足典型呼吸标准的其他信号。例如,每秒十次(10Hz)的周期性信号不是人的呼吸,并且使用本领域中的方法被排除,包括使用傅立叶和逆傅立叶变换的频谱滤波,小波分析和其他方法。一些过滤器是绝对的(例如呼吸频率>5-10Hz的示例),而某些过滤器是相对的和个性化的,例如在监视期间,特定个体的呼吸频率可能永远不会大于2Hz。在排除噪声之后,可能有效的信号被传递到下一个步骤,例如频率为0.8Hz的低幅度的周期性信号,这可能表示快速浅呼吸(运动时)或噪音。其他信号,例如活动的运动,氧合的快速波动或心律的迅速变化,可以完成运动的信号,并可以对该信号进行分析。相反,快速的高振幅信号(来自呼吸传感器或胸部运动传感器)却没有很高的心率,氧合波动等,因此不太可能是呼吸,并且在经过加密网络分析后可能会被拒绝。该分析以在步骤726中定义可读历元结束。
呼吸检测步骤728和大声呼吸检测步骤730因此针对个人而定制,并且针对当时的测量设备的灵敏度进行校准(步骤720,信号获取)。夜间大声呼吸声可能表示打鼾760,这可能发生在因极端疲劳或饮酒而加剧的正常个体中,以及阻塞性睡眠呼吸暂停的个体中。大声的呼吸也可以表示干扰758,即与睡眠或呼吸暂停后的唤醒有关的事件,本发明将其编码为呼吸紊乱(参见术语的定义和术语表)。
呼吸检测728的所有方面以及呼吸分析的后续步骤730-768由加密网络729定制。在该实施例中,加密网络并入了来自该个体中其他传感器的数据以帮助检测每个呼吸,例如呼吸。氧气波形波动,心电图振幅波动,心率波动。
步骤732的安静呼吸、呼吸暂停和安静时段的检测是睡眠呼吸健康的一个优选实施例的核心。可以从包括信号校准的步骤720确定安静时段,即没有记录声音。将呼吸暂停和安静时段(即两次呼吸之间的安静时段)分开需要对呼吸的检测具有高度的信心。识别安静的呼吸需要对构成呼吸的绝对切入点(即数据库),以及在那些情况下(即来自加密功能网络729交叉引用其他感测信号的情况)有关该个体中构成呼吸的定制数据。例如,与胸部运动保持一致的安静声音很可能与安静的呼吸有关,而始终与胸部运动异相/无关的安静声音更可能表示非呼吸源,这可能表明声音检测器离个体太远了以至于检测不到呼吸。采取适当的步骤,例如通知个体将声音检测器移近一些,或者如果声音仍然与机械通风无关,则将其过滤掉。呼吸之间的间隔(如果持续时间>10秒,通常称为呼吸暂停)可能与打鼾、干扰和正常呼吸有关。
步骤734使本发明的算法分析适应该个体的临床特征。在优选实施例中,睡眠呼吸紊乱的评分系统包括“停止-砰”评分,该评分包括身体检查结果,例如颈围以及埃普沃思嗜睡量表(ESS)指示症状。
步骤736使用加密的功能网络729来组合跨功能域的感官特征,从而使本发明适合于来自其他功能域的特征。在用于呼吸健康和紊乱的优选实施例中,呼吸的几种感觉特征被组合,包括该个体的气流(呼吸声文件)、胸部运动(肺膨胀)、氧合(来自皮肤传感器)(例如,图3中的260-290项)。另一个优选的实施方案结合了脑功能的特征(例如,指示机敏或睡眠的来自头皮的神经特征,例如,图3,图4中的210-260项)。加密网络能够集成该个体先前存储的正常和异常功能的模式,当以进行比较为目的和/或当来自该个体的数据稀疏时,还可以集成来自其他个体的基于数据的模式。
图7B中的步骤738输出呼吸健康指数。该指数可以被本发明用来调节身体任务(例如图5、6),以教育个体,或者通过传统的(即现场面对面评估)健康保健提供者、在线健康保健提供者网络或自动医疗设备来辅助临床评估。在优选实施例中,呼吸健康指数被用于个体的教育,并且可以被转发到指定的健康保健提供者,该健康保健提供者可以包括基于在线网络的健康保健提供者网络。
在本发明的监测呼吸健康的一个优选实施例中,呼吸健康指数仅提供给其生物特征数据或登录信息与个体所存储的信息相匹配的个人,其声音文件已被分析过。如果由相关个人指定,则可以将这些数据提供给其他指定实体(例如,医师办公室)。类似地,效应器响应被传递给个体,可能与确认生物特征数据与该个体所存储信息的匹配相结合。该确认可以用硬件或软件来完成。硬件实施例包括特定于该个体的生物特征信息传感器,例如指纹、视网膜扫描、虹膜或独特的面部特征、汗液成分、唾液成分(用于口腔传感器)、粘液成分(用于鼻孔或气道中的其他位置的传感器)、分析心音传感器、呼吸音或语音模式。软件实施例包括将这些感测到的生物统计信号与来自个体的已知信号的频谱分析、模式匹配分析或相关分析。可以在记录数据时,从先前存储的事件中或从数据库中感测到该个体的已知信号。
对于本发明的优选实施例,图7C描绘了在规定的临床睡眠研究期间,在获知机构审查实体批准的研究后,对来自个体的消费者智能手机的声音文件的分析。图7C描绘了检测到的正常呼吸,两次呼吸之间没有长时间停顿(即无呼吸暂停)的间隔和打鼾。这样的声音文件可能采用多种格式,包括“.wav”。在面板770中,声音文件被检查、确认并消除噪音(如图7B中所示),并且在傅立叶变换之后用频谱表示。结果图显示水平时间为1分钟(60秒),垂直刻度表示每个时间点的声音频率,单位为kHz(从0到20kHz),颜色强度则表示每个频率和时间的振幅。
在图7C的面板770中,垂直的黄色条纹表示每2-3秒的呼吸(即,速率为0.33至0.5Hz)。面板771将这些频谱带表示为以分贝为单位(可以是幅度的任何量度)的频谱幅度随时间变化的幅度-时间(峰值/谷值)声图。在另一个实施例中,面板771可以表示随时间变化的胸壁运动的幅度,例如以毫米为单位的特定点上的偏移、以毫米为单位的胸围或以毫升为单位的胸腔容积绘制的图。面板772展示了该患者的临床睡眠研究追踪(多导睡眠图,PSG),同时获得声音文件。该PSG包括EEG通道(来自头皮电极的脑波活动)、EMG(肌电图)、气流通道、氧饱和度通道等。
比较面板770、771和772,来自智能手机的声音文件的分析与从同时PSG检测正常呼吸和睡眠呼吸紊乱有很好的关联。773项显示“正常呼吸”,在这种情况下,峰值/谷值幅度在1.5至4.5dB范围内。呼吸之间的时间间隔很明显,但是没有呼吸暂停(>10秒无呼吸)。774项显示振幅大于4.5dB的大声声音,其被本发明分类为与PSG上的干扰相关的“干扰”。在这种情况下,对PSG的干扰反映出咳嗽,但在其他情况下,则可能表示在出现呼吸暂停或呼吸不足事件或与呼吸无关的噪音后出现打鼾、唤醒或接近唤醒。没有呼吸暂停或其他异常情况(例如,PSG的氧合减少)表明该病例不代表睡眠呼吸紊乱。幅度范围和切入点是针对每个个体量身定制的、适用于智能手机与患者间的距离以及其他因素。
图7D示出了使用本发明的优选实施例的另一种情况,其中仅用来自智能手机的声音文件分析识别出该个体的正常呼吸、一段时间的呼吸暂停、一段时间的异常骚扰和打鼾的时间,同时通过PSG证实了睡眠呼吸紊乱。具体地说,在图7D中,从0到20秒的面板780示出5个垂直彩色条(即0.25Hz的速率),当在面板781和782中分析时,每个彩色条持续<2秒,幅度为1.5到4.5dB。在本实施例中,这些带被分类为正常呼吸。相反,从大约22秒到45秒的时间段显示没有声音(持续时间超过10秒),这表明存在临床相关呼吸暂停。785项显示了大约45到60秒的时间段,表明恢复了大声的呼吸(针对此个人定制的幅度>4.5dB),以及在55到60秒之间累积4-5秒的间隔很近的“簇状”声音,本发明将其分类为声音干扰。值得注意的是,该时间段在时间上对应于对同时进行的PSG盲法分析的临床识别的唤醒事件(785项)。
图7E示出了用于检测呼吸和呼吸暂停的优选实施例的流程图。在40000项处读取该文件,并使用快速傅立叶变换(40010项)进行频谱分析。分析频谱图随时间变化的幅度(40020项),从中定义曲线的峰和谷,如图7C(面板771)和图7D(面板781、782)所示。窗口均方根(RMS)包络函数(40030项)消除波动并明晰峰值(步骤40040)。通过比较图7D中的面板781(窗口RMS前)与面板782(窗口RMS后)可以看出。为了避免将低振幅噪声变化识别为峰值,优选实施例在比基线高出10%的情况下识别峰值(40050项)。称为“突出”的索引用于识别用作呼吸的峰值(40060项)。突出度是从地形派生而来的数学函数,其中突出度通过山顶与其周围的最低轮廓线之间的垂直距离来表征山顶的高度,但不包含其中更高的山顶。在一个优选的实施方案中,使用>0.21的突出阈值。可以基于该个体中的一种或多种记录模式、其他个体中的记录模式、患者病史、人群特征、机器学习、疾病类型和其他模式来为该个体定制这种动态阈值。可以预期,所有阈值可能会有所变化,并且会基于个体对智能手机的接近程度和其他因素而根据响度来针对个人动态调整。在此步骤之后,如果在定义的时间段内没有呼吸(在此示例中为>10秒),则定义为呼吸暂停。然后编译带注释的呼吸的最终列表。
图7F示出了优选实施例中的图7E中的流程图的步骤。在步骤41000中,声音文件的频谱分析产生声音带(黄色),对其进行峰谷分析(步骤41010),然后进行均方根加窗(步骤41020)。然后计算基线值,并且识别出高于1.1X基线(即,高于基线10%)的信号(步骤41030)。该10%的值是经验值,对于有噪声的信号(例如较高的基线变化)或信噪比较低时,可以将其调高;对于相对无噪声的信号或需要更高的灵敏度时,可以将其调低。大约2到22秒的时间表现出大声的呼吸,一些声音幅度超过4.5dB。这些声音与打鼾声一致。然后有22到38秒的时间未识别到呼吸,这与临床上相关的呼吸暂停(41070项)一致,即没有突出>0.21阈值(41080项)或振幅>1.5dB的峰值。然后,高振幅峰值(大声)会在约38秒后恢复,直到跟踪结束。需要注意的是,多个峰值通常在时间上非常紧密地标记在一起(41090项),可以通过选择较高幅度之一来进行协调。根据PSG的独立盲法分析,该患者发生呼吸暂停事件,伴有唤醒时间为22到38秒,并被诊断为具有临床意义的阻塞性睡眠呼吸暂停。
图7G示出了一个优选实施例如何检测大声音(被称为干扰),然后被进一步分析(通过加密功能网络)以将其分类为PSG上的大声打鼾或唤醒事件或噪声。在步骤42000中,分析了窗口化RMS包络(例如,图7D中的782项、图7E中的40030项、图7F中的41020项)。在步骤42010中对信号进行平滑处理,该步骤可以通过许多方法进行,其中之一是高阶中值点滤波器(例如1000个时间步长,每个1ms)。步骤42020重复峰谷检测步骤,并且步骤42030识别出大于基线的10%的峰(如图7F的41030项中所示)。10%的阈值可以根据录制内容和个体来定制。步骤42040应用了突出阈值>0.21,尽管阈值也针对个体定制并且可以是动态的。步骤42050考虑在接近的时间间隔内的多个标记的峰,并且识别最大的峰。步骤42060从该最高峰向前和向后找到直到基线的区域,如步骤42110中阴影区域所示。较大的区域更有可能出现异常的大声呼吸或噪音。在一个优选实施例中,以dB.毫秒为单位的面积大于1500个模数单位(ADU)被标识为干扰(步骤42070,42075项)。面板42080指示光谱分析,面板42090指示峰谷曲线,而面板42100代表中值滤波峰谷曲线。如图7D(774项)和图7F(785项)所示,在临床试验中,设备检测到的干扰与PSG的唤醒相关。
图7H示出了在优选实施例中分配干扰声音的面积计算的更多细节。43000项显示了声音文件的峰面积综合概况。43010项显示了声音文件的窗口化RMS频谱分析的示例。如43020项和43030项所示,对每个显示的峰进行了面积分析。从临床比较中得出的经验阈值区域大于1500个模数单位(dB).ms,该比较是将声音分析与临床分析的PSG文件在患者派生队列中进行比较,然后在单独的验证队列中进行了确认。
图7I示出了在另一优选实施例中使用来自智能电话的声音分析来检测与噪声相对应的干扰。在同时进行的PSG中,该声音被归类为非呼吸,并反映了身体的运动和在床上的翻身。790项显示了一个声音频谱图,其中的黄色带似乎无法代表呼吸,即0.2至0.5Hz处没有黄色带,持续时间<2秒的带以及大多数振幅<1.5dB。791项更清楚地显示了这一点。793项用宽幅(>5秒)、低幅度(<1.5B)包络(面板791)突出显示了大约15到25秒的时间,该包络与PSG(面板792)上的身体运动相关。面板794示出了从37秒到45秒的时间段的宽幅(5-10秒)、高幅度(>4.5B)包络,其在同时进行的PSG的盲分析(792项)上与身体运动在时间上相关。值得注意的是,呼吸在此期间一直持续(请参阅PSG上的流道,792项),表明声音文件并不是表示呼吸。这是智能手机离个体的脸太远以至于无法检测到呼吸,反而会收集身体运动的情况。文件的该时间段已从分析中丢弃。
图7J示出了本发明的优选实施例如何分析安静时间段(即,无声音)对比呼吸之间的呼吸暂停。44000项显示没有明确周期性活动的声音文件频谱图。44010项示出多个非常紧密间隔的峰,每个峰的动态范围都非常低。优选实施例滤除这些信号,因为它们不是>1.1倍基线,并且具有低动态范围。该文件对应的智能手机离个体的脸太远,无法检测到呼吸。44020项表示一个相似的文件,在频谱图上有两个可能的谱带,分别位于大约48秒和52秒处。44030项指示这些频段符合上面概述的呼吸标准。然后,加密功能网络的逻辑会将这些频段与已知的呼吸周期(例如,在此段之后或之前)进行比较,以确定这些频段是长时间呼吸暂停之后的呼吸,还是在没有捕获呼吸的时段内这些频段是噪声。
图8是睡眠呼吸紊乱中的感测特征的优选实施方式。正如许多身体任务中常见的那样,睡眠紊乱性呼吸会影响多个神经系统和非神经系统功能域。在可以感测的所有领域中,并不是每个患者都需要感测所有领域。实施例中使用的实际感测领域(以及因此的传感器)可以适合于该个体和实际考虑。如图8所示,传感器类型可以包括但不限于智能手机中的麦克风、皮肤阻抗、其他电传感器(周围和头皮上的神经放电以及心律)、温度、化学传感器、肤色的光学传感器(即可以检测周围血液的氧饱和度)、运动传感器和压力传感器。
图9示出了通过加密功能网络的睡眠呼吸紊乱的效应器的示例实施例。这些是作为示例提供的,绝不限制本发明可为呼吸健康或其他身体功能提供的效应器或治疗选择的范围。主体800与针对每种形式量身定制的效应器装置810接口。对于中央型睡眠呼吸暂停820的优选实施例,效应器可以直接刺激包括大脑的呼吸中枢(通过低能头皮刺激),颈部和横膈膜的辅助肌肉。对于中枢性睡眠呼吸暂停,本发明旨在激活前呼吸中枢,通过直接刺激头皮区域或通过刺激手指中低氧合/高羧基血红蛋白的传感器,向周围无害的周围区域提供CO2或相当的低呼吸指数,导致大脑发出较高的呼吸频率信号。在本发明的用于阻塞性睡眠呼吸的优选实施方案中,效应器可以直接刺激咽和颈部肌肉以维持张力并防止阻塞。通过其他方法850对临睡中枢的直接刺激包括通过在可见光谱和红外光谱中适当波长的光暴露进行刺激。这可能会刺激神经系统中其他睡眠觉醒中枢的松果体。可以以每个人特定的模式提供光,并且可以由设备学习。其他的睡眠前传感器包括振动传感器860的激活以模仿按摩的剧烈冲击,或者餐后饱腹感传感器870的刺激,包括刺激腹部充盈或高血糖的外周皮肤传感器。对于中枢性和阻塞性睡眠呼吸暂停形式,都有胸部浮肿(水积聚)的证据,其可以通过增加的皮肤阻抗的峰周比来测量(图7)。因此,下肢840中的受控负压可用于逆转眼部积液。如睡眠紊乱领域的技术人员所熟悉的,还可以提供其他特定刺激,并且可以随着新形式和感测特征的发展而被添加到本发明的基础设施中。
图10示出了心力衰竭的感测特征的示例实施例。正如许多身体任务中常见的那样,心力衰竭会影响多个神经系统和非神经系统功能域。尽管本发明可以感测任何领域,但是并非每个个体都需要感测所有领域,并且可以针对给定的个体和实际考虑量身定制实际感测的领域(以及因此的传感器)。如图10所示,传感器类型可以包括但不限于专用秤、智能汽车座椅、鞋子、建筑物地板中的重量传感器(图7A,710项)。其他用于心力衰竭的传感器包括皮肤阻抗、用于测量周围神经激发以测量交感神经、在头皮上用于测量EEG的电传感器、心率、温度传感器、化学传感器、肤色的光学传感器(可以检测周围血液的氧饱和度)、运动传感器和压力传感器。
图11示出对肥胖反应的感测特征的示例实施例。肥胖是许多身体任务的典型特征,会影响多个神经系统和非神经系统功能域。尽管本发明可以感测任何领域,但是并不是每个个体都需要感测所有领域,并且可以针对给定的个体和实际考虑量身定制实际感测的领域(以及因此的传感器)。如图11所示,传感器类型可以包括但不限于皮肤阻抗、其他电传感器(周围和头皮上的神经激发以及心律)、温度、化学传感器、肤色的光学传感器(可以检测周围血液的氧饱和度)、运动传感器和压力传感器。
图12示出了针对其他条件的感测特征的示例。一个例子是慢性阻塞性肺疾病,这是具有许多复杂身体任务的疾病的典型表现,会影响多个神经系统和非神经系统功能域。尽管本发明可以感测任何领域,但是并不是每个区域都需要感测所有领域,并且可以针对给定的个体和实际考虑量身定制实际感测的领域(以及因此的传感器)。如图12所示,传感器类型可以包括但不限于皮肤阻抗、其他电传感器(周围和头皮上的神经激发以及心律)、温度、化学传感器、肤色的光学传感器(可以检测周围血液的氧饱和度)、运动传感器和压力传感器。
图13概述了本发明,其是与生物和人工传感器(神经机械)以及生物和人工(神经机械)效应器配对的复杂身体任务的计算机表示。加密的功能网络已针对特定的身体任务进行了训练。在最简单的情况下,感测到的功能和效应器功能是自然的生理功能,例如从腿部感觉到痛苦的刺激并将腿部移开。在复杂的实施方案中,本发明具有增强正常功能(机能增强),增强功能受损(例如睡眠呼吸紊乱)或治疗疾病或在无法表现出正常功能的情况下(例如在战争或其他约束情况的条件下)的能力。
更具体地,图13概述了用于睡眠呼吸紊乱的加密网络的优选实施例。左面板显示了为睡眠呼吸紊乱而测量的实际生理,而右面板显示了加密功能网络的计算机表示。
在测量个体1200中睡眠呼吸紊乱的实际生理过程中,感测到生物信号1205。这些信号包括控制区域1210的生物信号,所述控制区域包括扁桃腺和边缘系统的其他部分的激活,所述其他部分控制警觉性、清醒性并涉及睡眠。这些信号具有可以由皮肤神经传感器检测到的头皮表示,但也可以由医疗设备检测到,例如功能性磁共振成像中的BOLD信号或医学应用中正电子发射断层扫描中的代谢图像。在生理上,睡眠是由本征但自然的信号触发的,例如黑暗、声音(例如,舒缓的音乐或海浪声)、触觉(例如,按摩身体部位)。然后,大脑1210的固有睡眠控制区域将这些输入与包括低氧合作用在内的与呼吸有关的传感器集成在一起,该传感器可在指尖1225中测量,从而刺激呼吸,并刺激隔膜1220以实现肺的通气。
在图13的左面板中示出的示意图是睡眠相关呼吸的简化图,但是其示出了生物控制区域如何集成一系列传感器和效应器。其他传感器和效应器可以在其他时间使用,并且可以与睡眠相关的呼吸相关地进行测量。可以添加附加的感测信号,并且将通过加密网络对其进行自适应地集成,这是本发明的优势。
图13的右面板并行描绘了用于睡眠呼吸紊乱的加密网络。它还有传感器、控制逻辑和效应器,但它们是生物和工程(人工)组件的组合。传感器可以检测内部信号1240(例如氧饱和度)或外部信号1245(例如可见光的存在、强度和模式)。然后,传感器矩阵1250通过例如使用加权函数将这些生物和非生物信号分别地或通过多路复用来组合。计算逻辑1255是加密功能网络的中央处理器。
计算部分1255使用所感测的信号与生物学功能之间的符号关系(例如,图1中的250-290部分)。它链接到数据库1260,以将该个体的多个状态存储为用于机器学习的训练数据集(即,模糊逻辑、人工智能),以便学习正常的睡眠模式和来自紊乱模式的呼吸(图2中250部分对比290部分)。然后将其映射到可以是生物学的效应器1265,例如大脑区域(与控制区域1210相关,和与控制区域1210不相关)以及肌肉(膈膜1220以及其他较不显著但也参与睡眠的肌肉,例如鼻翼提上唇肌)。效应器也可以是神经机械1275,因为它们将人工设计制造的设备与人体连接。例如,周围的低氧状态可以通过围绕一个或多个手指的小的可穿戴腔室(“治疗手套”)来模仿,这将刺激来自内部睡眠脑控制中枢(控制区域1210)的呼吸。类似地,可以使用适当的设备来适当地学习光或振动刺激的模式,以刺激从正常状态学习并存储在数据库1260中的睡眠-呼吸模式。
图13中的加密网络的分析引擎是数学的符号关系。该数学关系可以用于诊断定制的数学加权。基于学习感测特征的输入流,这样的加权可以是恒定的和/或自适应的。可以通过各种方法来执行这种加权,这些方法包括但不限于随机方法、相关方法、基于微积分的方法、基于几何的方法和频谱方法。数学关系使用感测特征与该个体的身体任务变化之间的功能关系,而并非主要基于理论或预期关系。因此,它可能不遵循“经典”生理学。例如,在某些患者中,肩痛与心脏问题有关,因此即使在某些情况下肩部神经在心脏供血的病理生理中起着很小的作用或根本没有任何作用,肩痛还是可以成为此类患者心痛(“心绞痛”)的感测特征的一部分。在另一个示例中,腿部疼痛可能会提高身体其他部位的神经活动,从而可以使用位于其他部位的传感器来检测腿部疼痛,例如在更方便的身体位置。功能关系适应于为个体量身定制的感测特征和健康状态,并且这种量身定制基于并且可以使用本说明书中概述的确定性(例如,基于规则)或学习的方法。
在最简单的情况下,加密网络中的符号关系是一个矩阵,其中信号x引起函数Y;例如,有害刺激,例如腿部(x)的传感器/感觉神经感觉到的疼痛,会导致运动神经活动,从而导致该腿(Y)退缩。在设备中,不会根据腿部感觉的详细神经生理学表示(在主要的体感皮层,在后中枢陀螺中)或控制腿部的精确神经来表示此功能。取而代之的是,该功能根据经验进行映射-与疼痛刺激相关的任何神经上的感觉都可能导致动作导致腿退缩。
这种方法的优点是它可以分析特定刺激的多重影响。例如,急性疼痛刺激通常会在远离原始刺激部位的神经上产生激活。因此,可以从与感觉(例如胸壁)相距很远的神经活动中检测到可能难以获得的腿部疼痛,该疼痛可能更易于获得。
在图13中,从睡眠呼吸的示例中进行概括,对感应进行处理并将其输出到效应器。例如,所感测的有害刺激可产生效应器功能以移动腿部,或控制装置以施用止痛药物或疗法。在下面将要讨论的其他示例中,刺激可以移动假肢或改变生物学功能。
此外,图13示出了加密网络通过定义与设备或身体功能的交互来确定精确动作。这是编程的功能,取决于本发明的期望功能。然后,这产生了需要施加能量的实际输出,该能量导致与设备或身体功能的相互作用。
图14示出了本发明的优选的作用方式,以通过加密的功能网络来提供身体功能的计算增强。本发明的流程图感测给定身体功能1305的特征,包括生物信号(例如呼吸频率、手指氧合)或外在信号(例如指示体积负荷的组织阻抗、发出的红外以指示温度或呼出空气中的二氧化碳浓度以指示呼吸效率)。
1310项将加密网络的符号模型应用于个体,如图8中所标识,可以根据实际的可测量特征将感测到的信号映射到身体功能,而不是经典、详细的生理学映射,其可能定义不清、快速变化且无法进行测量。
如上所述,符号模型使用机器学习将传感器输入映射到该身体功能的正常和异常功能。这包括针对该特定个体的不同模式的训练集,从而使输出既个性化又连续自适应。
在图14中,步骤1315转换效应器(运动)功能,即由现有运动神经控制。在步骤1320中,运动神经信号被“重新路由”以控制假体装置或另一肌肉群。例如,截肢者的情况,可以从截肢部位上方的皮肤检测输出到腿的运动神经的信号。皮肤上感觉到的神经活动范围通常为7-15Hz(取决于精确的神经)。感测这些信号,并将其映射到假肢的特定运动可以实现对肢体的控制。此控制可能需要后续训练-例如,行为训练,在该行为训练中,个体尝试弯曲截肢的肢体,并检测皮肤信号,以使该个体弯曲假肢。类似的个性化映射用于训练假体的其他运动。在这种情况下,本发明是个性化“加密神经系统”的一个实施例。
在图14中,步骤1325是另一实施例-增强该身体功能的机能。无需花费运动手指所需的能量,加密网络就可以感知运动神经的阈下活动,并“增强”手指运动的信号1325。这对于患有神经退行性疾病的个体、患有肌肉骨骼疾病的个体或处于某种镇静状态并通常无法通过该手指进行交流的个体非常有用。
此外,本发明可以1325人为地产生刺激肌肉所需的信号。由于每个个体控制肌肉的神经活动的频率和幅度在一定范围内,因此加密网络可以模拟控制股四头肌的神经活动,并以编程方式将其传递到与针对该个人肌肉的收缩和松弛相关的皮肤区域(功能域的一部分)。当神经退化或麻醉时(例如,防止长时间通风的患者出现压疮),可以使用此功能。它也可以用于提高机能-例如,在休息或睡眠期间进行等量锻炼,以防止或逆转肌肉萎缩,或改善肌肉功能或增加代谢率来减肥。
在图14中,步骤1330是本发明的另一实施方式-重新分配生物运动活动。在这种情况下,旨在控制人造设备。该神经机械应用在图14中进一步被开发。在图13,代替实际移动手指来控制电子设备的远程控制单元,在实际移动该手指的阈值以下的神经活动将控制该设备。这使功能得以实现,而又不消耗太多的生物能量,也使失去生物学功能或受约束且无法执行该运动功能的个人(例如,在军事场合)实现此功能。手指上的传感器检测到此阈下运动神经活动(例如,振幅低于生物学上移动手指所需的振幅),加密网络将其转换为代表播放、暂停、倒带或其他功能的信号,并将其传输以控制遥控器控制单元。这可能是针对消费类设备的。显然,该功能可以扩展为训练个体移动面部的一部分以表示“播放”功能,并让传感器转换该功能,并且类似地针对身体的其他替代区域和重新分配功能。
在图14中,步骤1335是变换感测信号的不同实施例。步骤1340重新分配感测到的信号。例如,随着时间推移而训练的特定气味的感觉会引起不同的响应或控制设备。步骤1345提高了性能,增加了正常检测范围之外的生物。例如,在“人类听不见”的频率范围内感测信号,将信号转换为听觉范围,并通过振动(骨传导)将其传输到大脑的听觉区域(听觉皮层),可用于私人通信、加密、娱乐或其他目的。在医学上,本发明可用于治疗听力损失。具有振动传感器的同一发明可以通过将这种感觉传递到身体附近或远处的完整感觉中来补偿这种感觉在诸如周围神经病变之类的疾病中的损失。
机能改进的另一实施例(步骤1345)是增加警觉性。在颞部区域和其他功能特定区域刺激头皮可以增加这些区域的大脑活动。本发明使刺激适应于清醒的加密表示(即警觉性)。随之而来的是,睡意可以通过加密网络检测出来,并在反馈回路中使用,以触发身体其他部位的皮肤设备进行低强度刺激。这具有多种应用:包括在开车时、在重症监护病房时在昏迷前状态或药物过量期间,作为过量酒精或药物摄入或过度疲劳状态(例如,在军队中)的监测器,发现并试图防止睡意。
传感器可以使用脑电图(EEG)在很宽的频率范围内检测来自大型神经元组的警觉性与嗜睡状态。EEG信号具有较宽的频谱内容,但具有特定的振荡频率。在放松的清醒过程中,并且当眼睛闭上时,可以从枕叶(或放置在头皮的枕骨区域上的电极)检测到阿尔法活动带(8-13Hz)。德尔塔带为1-4Hz,森塔为4-8Hz,贝塔为13-30Hz,伽马为30-70Hz。更快的EEG频率与思维(认知过程)和警觉性相关,并且EEG信号在睡眠中以及在昏迷和陶醉等嗜睡状态下缓慢。可以通过其他传感器来潜在地检测警觉性与嗜睡状态,包括但不限于视觉(例如,眼动或头部移动)、听觉(例如,语音或呼吸声模式的变化)和电子(例如,针对自主功能的ECG量度)。加密的功能网络可以集成这些额外的感测数据,并且可以评估它们是否在该个体中为该任务的正常或异常功能提供了有用的感测特征。
在图14中,步骤1350是检测和/或形成重新功能的功能。一个示例是创建神经机械的“第六感”-也就是说,使用人工传感器将5种生物感官添加到一组扩展的刺激中。传感器的集合几乎是无限的,但包括与工业或军事用途特别相关的几种传感器,包括用于阿尔法或贝塔辐射的传感器。一旦被感测到,加密的网络就可以将该信号转换为现有的感觉,例如通过皮肤贴片传递到相对未使用的皮肤区域例如下背部的振动。暴露于阿尔法或贝塔粒子的战斗士兵现在将“感觉”到辐射,作为其下背部的一组可编程/可训练的振动。类似地,一氧化碳或其他呼吸系统危害的传感器可以作为“第六种感觉”转换为-例如,鼻孔的低频振动。这种方法比视觉读数或其他现有设备有效得多,因为它们使用加密网络为这些功能从本质上对自然神经系统进行了重新编程。
图15概括了使用加密网络的身体功能的神经机械增强。这是除了使用内部生物学信号以外的进一步应用。一种应用是在身体自然功能受到限制时进行有目的的干预,例如,如果士兵的脚由于障碍物而无法激活踏板,或者在截肢者中与机器人手臂连接到以前控制生物臂的特定神经纤维,则士兵可以使用手指来激活设备。
图15是其中感测本征生物学信号和外在非生物学信号的实施例(步骤1400)。加密的网络不只是将学习的功能映射到感测的信号,而是从学习的功能外推以创建新颖的功能1410。在步骤1420中,通过机器学习将身体感测信号功能的加密表示扩展到个性化网络。这涉及一系列步骤,包括1430多路复用或以其他方式组合本征信号与非本征信号,以编程及个性化方式修改外部信号。执行信号多路复用以实现期望的功能1440,该功能可以是将非生物信息(例如,文字处理文档、图像)存储在患者的大脑中,即,使用生物存储作为数字存储器,等等。信号可以基于仅来自此人的数据、来自多个个体的数据库(例如,图12中的1260项)或通过诸如众筹之类的技术进行组合,将来自多个人的信息进行集成以训练加密网络。可以将来自多个人的数据合并到一个正式的数据库中,或者通过将机器学习应用于个人之间(不仅是一个人)的更广泛的感测信号和生物输出中。
图15中的步骤1450示出了效应器层,是用于设计的神经机械功能的加密网络的输出与一系列生物(例如,运动神经、肌肉)或外部(例如,假肢、计算机)效应器设备之间的接口。
存在几个实施例。在步骤1460中,本发明使用生物信号来控制外部设备(例如,假肢的运动神经控制),或者使用外部信号来控制生物学功能(例如,对骨骼肌的外部信号刺激)。如所描述的,骨骼肌通常由神经活动以7-15Hz的频率刺激(随精确的神经分布而变化,参见Dorfman等人,Electencephalography and Clinical Neurophysiology,1989;73:215-224)。这样的外部刺激可以通过刺激来改善肌肉强度,并且将使得机能得到改善,例如腿部肌肉功能的可编程性改善。另一个例子是治疗中枢性睡眠呼吸暂停,它使用外部的稀释氧饱和度传感器(“desat”)来激活刺激膈膜神经并进而刺激膈膜肌的装置。这可能具有重大的临床意义。
图15的步骤1470示出了一个实施例,其中本发明用来自加密网络的功能代替了该个体中的生物学上丢失或不可用的功能。这是图14(步骤1325)中增强性能的扩展。例如,可以使用外部传感器提供正常的20Hz至20KHz范围之外不可用的听力功能,并将信号转换为可听见的频率范围(例如,使用放置在乳突附近的设备通过骨传导传递的振动,例如贴在眼镜的侧臂上,贴片通过振动传感器贴在头上)或其他明智的方式(例如,臂上的振动)。在患有听力损失的个体中,感测到的信号将在该个体的正常但听觉范围内。
在图5中的步骤1480,本发明使得能够对计算机进行生物控制。此功能的一个示例是为输液泵提供智能控制框架。例如,不能仅通过胰腺和其他感测区域对血浆葡萄糖的反应来确定葡萄糖控制。取而代之的是,控制日常生活活动的高级大脑中枢会预料到即将来临的运动或压力之类的动作,并会导致心率增加和荷尔蒙激增(例如,肾上腺素、肾上腺素),进而增加血糖。当前的葡萄糖输注泵实际上不能模仿这种更高的认知输入,而是在注入葡萄糖之前等待来自代谢需求的葡萄糖下降。这样的设备将总是落后于理想的生理控制,并且将产生次优的性能。
在图15中的步骤1490,本发明可以提供重新功能。在这种情况下,这利用了加密功能网络的全部潜力,可用于神经系统,并超出了步骤1325(运动)或1345(感觉)中感觉或运动性能的改善。
在图15的步骤1490中,可以为运动功能(即,先前不可用的运动)或感觉功能(即,神经机械的第六感)提供新颖的功能。在任何给定时间,大部分大脑处理能力都处于休眠状态,但在日常活动(例如,做白日梦)中可能会下意识地被激活。加密网络可以访问部分大脑功能,以将生物神经系统用作计算机。模式识别是人脑/神经系统特别擅长的一项任务。人们对面部、空间模式和其他复杂数据集的识别远胜于人工计算机。所选示例训练个体通过对图像重复公开或亚临床曝光来检测模式。对这个图像的生物反应(符号表示)由颞或额头皮上的传感器检测。再次声明,这是凭经验的-不必识别或映射主存储器编码区域,并且足以感知大脑/头皮的第二激活区域。一旦完成,模式或类似模式的检测将下意识地触发响应,该响应可以被感测并编码为“1”或“0”以控制设备(例如,模式分类计算机)或引起某种功能-例如,如果这是危险的模式/图像,则触发警报。
图16示出了由加密网络控制的运动功能的实施例。图16的流程图提供了转换腿部运动的优选实施例。一个符号模型是将在第一运动区域(头皮,对侧中央前回的上半部附近)或第二区域的特征处检测到的运动神经功能与多个在步骤1510的腿部运动联系起来。一旦完成,可以使用外部感测的信号(包括通常与腿功能不相关的信号)对功能映射进行重新编程(步骤1515)。例如,在患有腿部疾病的患者或无法在特定任务中移动腿部的士兵中,食指的运动可控制腿部的运动。功能映射还可以使用现有信号(步骤1520)。
在步骤1525中,信号多路复用器链接本征信号或非本征信号,以控制期望的编程功能。在步骤1530中,这被实现为增强腿部生物功能(例如,经由所述的皮肤/直接电刺激)。在步骤1535中,执行该步骤以控制假肢。
图17示出了通过加密网络增强感官功能的实施例。图17是用于增强警觉性的实施例。在步骤1610中,使用感测到的头皮神经活动的特征来创建符号模型,例如从经验上与警觉性相关的时间区域中。使用固有感测的特征(步骤1615)或通常不与警觉性相关的信号(例如,特定的听觉感测的频率)或现有的头皮信号(步骤1620)对功能映射进行重新编程。在步骤1625中,多路复用器将本征信号和非本征信号与效应器链接以实现期望的功能-头皮的电刺激以提高警觉性(步骤1630)。步骤1635提供了警报监视器,以警报或产生期望的功能,并且该警报可以检测并尝试避免嗜睡或昏迷(例如在驾驶期间,在战场上)或毒素摄入。
图18描绘了本发明的变换感官功能的实施方式。图18是增强感觉机能-在这种情况下是听力的实施例的流程图。步骤1710是来自耳朵附近的特征的易于访问的传感器以及第二相关联的皮肤区域的感测信号的符号表示。步骤1715使用传感器来检测正常感测的频谱之外的频率的特征。步骤1720使用通常与听力相关的信号。步骤1725使用多路复用器和控制逻辑将信号转换到可听范围(步骤1730),并使用可用于私人通讯、加密、娱乐或其他目的的设备,通过振动(骨骼传导)传输到大脑的听力区域(耳蜗神经/听觉皮层)。在医学上,本发明可以用作复杂的助听器。具有振动传感器的该相同发明通过将这种感觉传递到身体的不同部分中的完整感觉来补偿诸如周围神经病的疾病中的这种感觉的损失。在1735,多路复用器将该信号转换为不同的“替代”感觉,例如皮肤刺激。
图19示出了创建新颖的“神经机械”感觉功能的实施例。图19是创建神经机械“第六感”(例如,感测生物毒素)的实施方式的流程图。在图19中总结的本发明并入了与感测一氧化碳的示例有关的信息。特定的感测信号会造成对校准感测和治疗功能的传递的损坏。例如,暴露于一氧化碳是危险的,但这种毒素通常未被发现。OSHA等美国联邦机构对工作场所的长期暴露水平设定了最高限制,即50ppm,“上限”为100ppm。暴露于800ppm(0.08%)下会在45分钟内导致头晕、恶心和抽搐,而该个体会在2小时内变得麻木。显然,一种及早发现这种毒素并通过加密的神经系统引起生物反馈的发明在工业环境中可能具有极其实际的意义。可以开发其他列线图来识别“安全”与“可操作”暴露于各种刺激的阈值,包括但不限于化学品、生物毒素、辐射、电刺激、视觉刺激和听觉刺激。
在图19中总结的本发明还可用于创建新颖的人类功能,通过使用加密网络将感测到的生物或外部信号与任何已编程的生物或外部设备配对。因此,它形成了与身体的自然神经系统并行运行的神经机械神经系统的实施例。这些神经系统平行或整合的程度将取决于所感测的信号被多路复用并且效应器“控制”信号被组合的程度。示例在下面讨论。
图19中概述的本发明因此提供了迄今无法获得的可塑性编程控制,也就是说,在正常生活中定期定期实际观察到某种程度的可塑性。在感觉生理学领域,训练可以使个体感知以前存在但尚未被记录/识别的感觉。例子包括音乐训练以检测音调,或战斗训练以检测微妙的声音或视觉提示。在运动控制领域,体育锻炼可使个体使用以前未使用过的肌肉群。在疾病领域,正常的“恢复功能”会导致中枢神经系统的健康区域接管因中风(皮质可塑性)而丧失的功能,或者未受影响的周围神经接管因外伤或神经病(周围皮的扩张/可塑性)而丧失的神经的功能。
本发明扩展了基于皮质可塑性的已知干预。例如,已知当患病的神经服务于邻近分布时,功能性周围神经的皮肤分布扩大。换句话说,中枢或周围神经系统的不同区域现在可以发挥相同的功能。
本发明还通过对身体的期望区域和定向区域进行编程以感测和实现通常保留给身体的其他区域的正常可塑性,所述功能通常保留给身体的其他其他当前无法访问的区域(例如,由于军事原因)或不可用的区域(例如由于疾病)。
本发明还通过将外部传感器(例如,用于通常听不见的声音频率或感觉)或装置(例如,假肢,其他电子装置)集成到ENS中,大大提高了正常的可塑性。
图19还可以包括用于增强感官警觉性的实施例。这些步骤类似于先前的示例。在步骤1710中,例如在颞区域中的头皮感觉到的神经活动的符号模型在经验上与变化的警觉水平(自我报告或监测)相关联。使用外部感测的信号(步骤1715)或通常不与警觉性相关的信号(例如,特定的听觉感测的频率)或现有的头皮信号(步骤1720),对该功能映射进行重新编程。在步骤1725中,信号多路复用器在数学上关联非关联或关联的信号以编程期望的功能-头皮的电刺激以提高警觉性(步骤1730)。步骤1735提供了警报监视器,该警报监视器可以提供警报或实际上导致刺激的功能(以关闭加密的神经系统中的人工/神经机械反馈回路)以检测并尝试避免嗜睡、昏迷或毒素摄入。
图19描绘了使用ENS来将自然界中不存在的功能集成到个性化生物反馈回路中的实施例,在这种情况下,该功能是检测毒素。例如,吸入一氧化碳,这是一种无色、无气味、无味道且最初无刺激性的有毒气体,人们很难检测到。另一个例子是暴露于生物毒素,直到数小时、数周后才出现疾病的症状和体征才可能被检测到。提供“第六感”(步骤1800)的本发明方法是神经机械,因为毒素既可以产生来自特定传感器的直接信号(在步骤1820处检测到),也可以产生相关的生物信号(步骤1830),这些信号被混合(或多路复用的)。来自专用传感器(元件1810)的直接信号的示例是一氧化碳的化学检测或传染原(病毒、细菌、真菌)的生物学检测。理想情况下,此传感器接近实时运行,尽管这不是必需的,并且如果不是这种情况,则只会提供较慢的非实时信号。与一氧化碳(传统上被认为是“无感觉”的毒素)相关的生物信号示例是一氧化碳引起的血红蛋白的樱桃红比色特定变化,以及一氧化碳与氧结合时导致的氧化血红蛋白的非特异性减少。
图19还描绘了本发明的加密神经系统在直接的和相关的生物感测信号之间形成了关联的符号表示(步骤1820)。该符号关系可以包括直接的数学变换,例如感测到的信号与一氧化碳或血红蛋白的樱桃红变色至生物学相关浓度的相关生物学信号的定量关系。符号关系还可以使用人工神经网络或其他模式学习或相关方法来将例如升高的心率或氧减饱和度与毒素联系起来。
在图19中的步骤1840中,以非线性分析方式对信号进行多路复用,如在符号表示法中针对任何特定毒素所定义的。然后使用计算机逻辑来控制生物或人工效应器设备。可以对几种治疗或监护仪功能进行编程,以关闭生物反馈回路。例如,来自正常无感知毒素的信号可以在自然感测到的“通道”上转换为特定信号(步骤1860),例如,鼻孔皮肤上的低强度振动(与吸入有直觉联系)或刺激头皮区域皮肤通常与脱氧有关。后一种生物反馈使用来自与个体相关的训练信息(有助于个性化的加密神经系统),或来自将相关刺激(此处为脱氧)与生物信号相关联的许多个体的符号表示的数据库。这是基于人群或潜在众源的加密神经系统的一个示例。另一个生物反馈选项是治疗性(1860)-通过向设备发送控制信号来输送解毒剂。对于一氧化碳暴露,治疗包括增加氧气浓度(在极端情况下使用高压氧气)和施用亚甲蓝。
所感测信号的有害影响的线型图被用于校准来自加密神经系统的感测和治疗功能的传递。对于一氧化碳,暴露于100ppm(0.01%)或更高的浓度可能对人体健康有害。因此,在美国,诸如OSHA之类的联邦机构对工作场所的长期暴露水平设定了最高限制,即50ppm,但个人不应暴露于100ppm的上限(“上限”)。暴露于800ppm(0.08%)下会在45分钟内导致头晕、恶心和抽搐,而该个体会在2小时内变得麻木。显然,例如在工业环境中及早发现这种毒素将具有极其实际的意义。可以开发其他列线图来识别“安全”与“可操作”暴露于各种刺激的阈值,包括但不限于化学品、生物毒素、辐射、电刺激、视觉刺激和听觉刺激。
图20提供了使用加密网络访问自然神经系统的处理能力以执行诸如图案识别之类的任意任务的另一实施例(步骤1905)。本发明的该实施例基于3个概念。首先,大脑在某些任务上甚至比最强大且编程良好的人造电子计算机更有效率。模式识别,例如面部识别,是一个很好的例子,大多数人很容易实现,但即使使用非常复杂的程序,也无法达到最佳效果。第二,可以感觉到来自所呈现的刺激的大脑输出。第三,大脑具有可用于此目的的未使用能力。例如,对于神经处理,即使在高压力的人类活动中,例如战士战斗中,也仅使用少数(例如,使用了40%的能力)。在高度专注、没有生死攸关的情况下,仍然只有少数被使用,可能占20-40%,例如NBA决赛,SAT测试。因此,任何时候都有大量的剩余能力。第三项也提出了安全限制,但是,在模式识别的情况下,本发明不得用于对情感上有害或敏感的图像或数据进行生物编码。
步骤1910和1915将模式(例如,脸部)与生物感知到的响应相关联,例如,头顶上方的大脑顶叶或额头上方的神经活动指示“识别”。这用于创建用于该任务的加密神经系统的要素(步骤1920)。这将是个性化的,但也可以接受来自多人(人群,众源)的神经系统的输入。一旦建立了该链接,则模式的呈现将导致“感测的”生物模式,在步骤1925中的多路复用器或控制逻辑使用该模式来传递“1”(已识别)或“0”(未识别)以控制设备(步骤1930)(例如,外部计算机分类器)或通过替代感觉刺激个体(步骤1935)(例如,如果检测到识别的模式,则在左上臂振动)。本发明的用途包括纯生物计算(熟悉或抽象的形状/代码的模式识别),正式编码和增强特定人的面部记忆以及安全性,以使只有敌对的图案/面部才会引起特定的替代感觉或激活设备。与等待模式的认知识别相比,该方法的另一个优点是,它可以充当“背景过程”对功能和/或提供更快的模式识别。
因此,本发明可以改善和增强传统感官的功能,如果使用集成了正常生理范围之外的感测器的装置,则可以用于增强正常生理感官的范围。例如,在频谱的“人类听不见”部分中感测信号,将信号转换到可听范围,并使用设备通过骨传导传输,可以用于私人通信、加密、娱乐或其他目的。在医学上,本发明可用于补偿听力损失。具有振动传感器的同一发明可以通过将这种感觉传递到身体的不同部位的完整感觉来补偿特定神经系统疾病如周围神经病变的感觉丧失。
图21是通用计算机系统2000的说明性实施例的框图。计算机系统2000可以是图1的信号处理设备114和计算设备116。计算机系统2000可以包括一组指令,该指令可以被执行以使计算机系统2000执行本文公开的方法或基于计算机的功能中的任何一个或多个。计算机系统2000或其任何部分可以作为独立设备操作,或者可以例如使用网络或其他连接而连接到其他计算机系统或外围设备。例如,计算机系统2000可以可操作地连接到信号处理设备114、分析数据库118和控制设备120。
在如图1-21中描述的操作,通过产生和使用如本文所述的加密的功能网络来改变或增强身体的神经系统,可用于增强正常个体的机能或恢复或治疗患者失去的功能。
计算机系统2000可以被实现为或并入各种设备中,诸如个人计算机(PC)、平板PC、个人数字助理(PDA)、移动设备、掌上型计算机、笔记本计算机、台式计算机、通信设备、控制系统、网络应用或任何其他能够执行指令(顺序或其他方式)的机器,这些指令指定了该机器要采取的动作。此外,虽然示出了单个计算机系统2000,但是术语“系统”也应被认为包括单独或共同执行一组或多组指令以执行一个或多个计算机功能的任何系统或子系统的集合。
如图21所示,计算机系统2000可以包括处理器2002,例如,中央处理单元(CPU)、图形处理单元(GPU)或两者。此外,计算机系统2000可以包括经由总线2026彼此通信的主存储器2004和静态存储器2006。如图所示,计算机系统2000可以进一步包括视频显示单元2010,例如液晶显示器(LCD)、诸如有机发光二极管(OLED)的发光二极管、平板显示器、固态显示器或阴极射线管(CRT)。另外,计算机系统2000可以包括诸如键盘的输入设备2012和诸如鼠标的光标控制设备2014。计算机系统2000还可以包括磁盘驱动器单元2016,诸如扬声器或遥控器的信号生成设备2022以及网络接口设备2008。
在一个特定的实施例中,如图21所示,磁盘驱动器单元2016可以包括计算机可读介质2018,其中可以嵌入一组或多组指令2020,例如软件。此外,指令2020可以体现本文所述的方法或逻辑中的一个或多个。在特定实施例中,指令2020可以在计算机系统2000执行期间完全或至少部分地驻留在主存储器2004、静态存储器2006内和/或处理器2002内。主存储器2004和处理器2002还可以包括计算机可读介质。
在替代实施例中,诸如专用集成电路、可编程逻辑阵列和其他硬件设备之类的专用硬件实现可以被构造为实现本文描述的方法中的一个或多个。包括各种实施例的设备和系统的应用可以广泛地包括各种电子和计算机系统。本文描述的一个或多个实施例可以使用具有相关控制和数据信号的两个或更多个特定的互连硬件模块或设备来实现功能,所述相关的控制和数据信号可以在模块之间和通过模块进行通信,或者作为专用集成电路的一部分。因此,本系统包括软件、固件和硬件实现。
根据各种实施例,本文描述的方法可以由有形地体现在处理器可读介质中的软件程序来实现,并且可以由处理器执行。此外,在示例性非限制性实施例中,实现方式可以包括分布式处理、组件/对象分布式处理以及并行处理。备选地,虚拟计算机系统处理可以被构造为实现本文描述的方法或功能中的一个或多个。
还可以想到,计算机可读介质包括指令或响应于传播的信号而接收并执行指令2020,从而连接到网络2024的设备可以在网络2024上传送语音、视频或数据。此外,指令2020可以经由网络接口设备2008在网络2024上被发送或接收。
尽管计算机可读介质被示为单一介质,但是术语“计算机可读介质”包括单一介质或多种介质,例如集中式或分布式数据库,和/或存储一个或多套指令的相关联的缓存和服务器。术语“计算机可读介质”还应当包括能够存储、编码或携带一组指令以供处理器执行或者使计算机系统执行本文公开的方法中的任何一个或多个的任何介质。
在特定的非限制性示例实施例中,计算机可读介质可以包括容纳一个或多个非易失性只读存储器的固态存储器,例如存储卡或其他封装。此外,计算机可读介质可以是随机存取存储器或其他易失性可重写存储器。另外,计算机可读介质可以包括诸如磁盘或磁带之类的磁光或光学介质或其他存储设备,以捕获诸如通过传输介质传送的信号之类的载波信号。电子邮件或其他独立信息档案或档案集的数字文件附件可以视为等效于有形存储介质的分发介质。因此,本文包括可以在其中存储数据或指令的计算机可读介质或分布介质以及其他等效物和后继介质中的任何一个或多个。
根据各种实施例,本文描述的方法可以被实现为在计算机处理器上运行的一个或多个软件程序。同样可以构造包括但不限于专用集成电路、可编程逻辑阵列和其他硬件设备的专用硬件实现方式以实现本文描述的方法。此外,还可构造替代软件实现方式,包括但不限于分布式处理或组件/对象分布式处理、并行处理或虚拟机处理,以实现本文所述的方法。
还应当注意,实现所公开的方法的软件可以可选地存储在有形的存储介质上,例如:磁介质,例如磁盘或磁带;磁光或光学介质,例如磁盘;或固态介质,例如存储卡或容纳一个或多个只读(非易失性)存储器,随机存取存储器或其他可重写(易失性)存储器的其他封装。该软件还可以利用包含计算机指令的信号。电子邮件或其他独立信息档案或档案集的数字文件附件被视为等同于有形存储介质的分发介质。因此,本文包括本文列出的有形存储介质或分发介质,以及其中可以存储本文的软件实现的其他等效物和后继介质。
因此,已经描述了针对个体定制诊断并且能够控制效应器以递送疗法或增强机能的系统和方法。尽管已经描述了特定的示例实施例,但是显而易见的是,可以对这些实施例进行各种修改和改变,而不背离本发明更广泛的范围。因此,说明书和附图应被认为是说明性的而不是限制性的。形成其一部分的附图以说明而非限制的方式示出了可以实践本主题的特定实施例。足够详细地描述了所示的实施例,以使本领域技术人员能够实践本文公开的教导。可以利用和得出其他实施例,从而可以在不脱离本公开范围的情况下进行结构和逻辑上的替换和改变。因此,不应在限制意义上理解该详细描述,并且各种实施例的范围仅由所附权利要求以及这些权利要求所赋予的等同物的全部范围来限定。
发明主题的这样的实施例在本文中可以单独地和/或共同地用术语“发明”来指代,仅是为了方便,并且不意图将本申请的范围自动限制为任何单个发明或发明概念,如果在实际公开中有多个以上的话。因此,尽管在此已经图示和描述了特定的实施例,但是应当理解,被计算为实现相同目的的任何安排都可以代替所示的特定实施例。本公开意图覆盖各种实施例的任何和所有改编或变化。可以使用上述实施例中的任何一个以及本文中未具体描述的其他实施例的组合,并且在本文中对其进行了使用并充分考虑。
提供摘要以符合37 C.F.R.§1.72(b),将允许读者快速确定技术公开的性质和要旨。提交本文档时,应理解为不会将其用于解释或限制权利要求的范围或含义。
在实施例的前述描述中,出于简化本公开的目的,在单个实施例中将各种特征组合在一起。本公开的方法不应解释为反映所要求保护的实施例具有比每个权利要求中明确叙述的特征更多的特征。相反,如所附权利要求所反映的,发明主题在于少于单个公开实施例的所有特征。因此,以下权利要求由此被结合到实施例的说明中,其中每个权利要求独立作为单独的示例实施例。
Claims (30)
1.一种用于定制诊断以改善个体呼吸健康的方法,包括:
从一个或多个传感器直接或间接地检测一个或多个信号,该信号在多个时间点与呼吸有关;
基于从一种或多种信号中识别一次或多次呼吸,对个体进行呼吸健康诊断,并识别以下指标的一项或多项:(i)一种或多种健康症状的定量指标和(ii)一种或多种体格检查标志的量化指标中的一种或多种;其中,使用数学规则、数学加权、机器学习、统计相关性和应用呼吸健康阈值中的一项或多项来确定诊断定制;以及
在一个或多个时间点提供定制诊断的表示。
2.根据权利要求1所述的方法,其中,呼吸健康的阈值是预定的或动态的。
3.根据权利要求2所述的方法,其中,可以基于所述个体中的一种或多种记录模式、其他个体中的记录模式、患者历史、人群数据库、人群特征、机器学习和疾病类型,动态地调整呼吸健康的阈值。
4.根据权利要求1所述的方法,其中,所述一个或多个传感器与所述身体物理接触。
5.根据权利要求1所述的方法,其中,所述一个或多个传感器与所述身体无物理接触。
6.根据权利要求1所述的方法,其中,所述一个或多个信号是生物信号。
7.根据权利要求1所述的方法,其中,所述一个或多个信号是非生物信号。
8.根据权利要求1所述的方法,其中,所述多个时间点包括一天或更多天以用于重复测试。
9.根据权利要求6所述的方法,其中,所述生物信号选自以下一种或多种:来自呼吸道的与呼吸相关的声音,与呼吸相关的在身体表面上可检测到的声音,与呼吸相关的在身体表面上可检测到的振动,与呼吸相关的胸壁运动,与呼吸相关的腹部运动,与呼吸相关的心率模式,与呼吸相关的心输出量变化,与呼吸相关的身体氧合水平,与呼吸相关的身体化学水平,与呼吸相关的皮肤电化阻力,与呼吸相关的脑功能和与呼吸有关的体色水平。
10.根据权利要求1所述的方法和系统,其中,所述一个或多个信号选自与呼吸相关的一个或多个压力水平,与呼吸相关的一个或多个环境声音水平,与呼吸相关的一个或多个振动水平,与呼吸相关的温度水平更高,以及与呼吸相关的一种或多种气体成分水平,及其组合。
11.根据权利要求1所述的方法,其中,健康症状的定量指标包括“停止-砰”问卷和疾病调查得分中的一项或多项。
12.根据权利要求1所述的方法,其中,健康症状的定量指标包括埃普沃思嗜睡量表得分、生活质量调查得分和症状调查得分中的一项或多项。
13.根据权利要求1所述的方法和系统,其中,健康症状的定量指标包括中枢和周围神经系统、心血管系统、呼吸系统、骨骼肌和皮肤的一种或多种测量。
14.根据权利要求1所述的方法,其中,身体检查体征的定量指标包括“停止-砰”的成分和相关分数。
15.根据权利要求1所述的方法,其中,身体检查体征的定量指标测量中枢和周围神经系统、心血管系统、呼吸系统、骨骼肌和皮肤中的一个或多个。
16.根据权利要求1所述的方法,其中,非呼吸的信号被识别为与呼吸相关的和与呼吸无关的呼吸成分。
17.根据权利要求16所述的方法,其中,与呼吸相关的成分包括正常呼吸、咳嗽、打鼾和喘息中的一种或多种。
18.根据权利要求16所述的方法,其中,与呼吸无关的成分包括呼吸暂停和噪声中的一种或多种。
19.根据权利要求3所述的方法,其中,所述阈值是动态的,并且随着时间的流逝而适应于或随个体感测到的一个或多个信号而变化,所述健康症状随时间变化,所述身体检查体征随时间变化以及一种或多种疾病状态。
20.根据权利要求1所述的方法,其中,所述数学权重是固定的。
21.根据权利要求1所述的方法,其中,所述数学权重是变化的。
22.根据权利要求1所述的方法,其中,所述数学加权是从频谱方法、随机方法、相关方法、基于微积分的方法、基于几何的方法及其组合中选择的。
23.根据权利要求1所述的方法,其中,数学加权包括由符号代码表示的加密功能网络。
24.根据权利要求23所述的方法,其中,所述符号代码是密码。
25.根据权利要求1所述的方法,其中,当所述个体处于呼吸健康低时和所述个体处于呼吸健康高时,机器学习受到迭代分析的影响。
26.根据权利要求1所述的方法,其中,在从所述个体获取的信号与存储在数据库中的信号之间执行统计相关。
27.根据权利要求26所述的方法,其中,所述数据库可以表示随着时间的推移来自该个体的信号,来自不同个体的信号或来自多个个体的数据库。
28.根据权利要求1所述的方法和系统,其中,所述表示是使用消费设备、医疗设备、计算机和打印的表示中的一个或多个来显示的。
29.一种用于定制诊断以改善个人呼吸健康的方法,包括:
从一个或多个传感器检测一个或多个信号,该信号与在多个时间点的呼吸有关;
使用来自一个或多个传感器的信息,从所述信号、与呼吸不相关的信号或信号分量中滤出,所述信息可以与检测所述信号的所述传感器相同或不同;
使用数学分析、与该个体的呼吸事件的比较、与其他个体的呼吸事件的比较以及已知的健康指标的组合,从所述滤波后的信号中检测正常和异常的呼吸;
由(i)正常和异常呼吸的模式,(ii)在一个或多个时间点参考特定个体的已知健康和疾病时期的已知健康指数模式中的一种或多种形成复合表示;在一个或多个时间点基于所述综合表示来定制针对个体的呼吸健康诊断;以及
提供所述量身定制的诊断以指导所述个体的呼吸健康管理。
30.一种用于定制治疗以改善个体呼吸健康的系统,包括:
处理器;
存储器,其存储指令,该指令在由处理器执行时执行包括以下内容的操作:
从一个或多个传感器检测一个或多个信号,这些信号与多个时间点的呼吸有关;
使用来自一个或多个传感器的信息从所述信号、与呼吸不相关的信号或信号分量中滤出,所述信息可以与检测所述信号的所述传感器相同或不同;
使用数学分析、与该人的呼吸事件的比较、与其他人的呼吸事件的比较以及已知的健康指标的组合,从所述过滤后信号中检测正常和异常的呼吸;
由(i)正常和异常呼吸的模式,(ii)在一个或多个时间点参考特定个体的已知健康和疾病时期的已知健康指数模式中的一种或多种形成复合表示;
在一个或多个时间点基于所述综合表示来定制针对个人的呼吸健康诊断;以及
通过递送一种或多种效应器信号来控制与呼吸健康相关的一种或多种身体功能,根据定制的诊断来治疗患者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2017/039741 WO2019005039A1 (en) | 2017-06-28 | 2017-06-28 | CUSTOMIZATION OF DIAGNOSIS IN TERMS OF HEALTH AND DISEASE |
US15/636,056 US20190000350A1 (en) | 2017-06-28 | 2017-06-28 | Diagnosis tailoring of health and disease |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111163693A true CN111163693A (zh) | 2020-05-15 |
Family
ID=64735062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780094393.9A Pending CN111163693A (zh) | 2017-06-28 | 2017-06-28 | 健康和疾病的诊断定制 |
Country Status (4)
Country | Link |
---|---|
US (4) | US20190000349A1 (zh) |
EP (1) | EP3454745A4 (zh) |
CN (1) | CN111163693A (zh) |
WO (1) | WO2019005039A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113069081A (zh) * | 2021-03-22 | 2021-07-06 | 山西三友和智慧信息技术股份有限公司 | 一种基于改进Bi-LSTM与fNIRS的疼痛检测方法 |
TWI735233B (zh) * | 2020-05-19 | 2021-08-01 | 智齡科技股份有限公司 | 基於個別差異之人工智慧生命徵象量測值判讀方法與系統 |
CN113238288A (zh) * | 2021-05-20 | 2021-08-10 | 桂林电子科技大学 | 一种基于差值谱线的旋翼目标特征提取方法 |
CN113611388A (zh) * | 2021-08-02 | 2021-11-05 | 北京精密机电控制设备研究所 | 一种基于外骨骼的智能运动康复治疗与训练系统 |
CN114652938A (zh) * | 2022-02-18 | 2022-06-24 | 南京安睡科技有限公司 | 一种促进睡眠的智能闭环调控刺激系统及使用方法 |
TWI770528B (zh) * | 2020-06-11 | 2022-07-11 | 臺北醫學大學 | 呼吸道音頻分析系統以及呼吸道音頻分析方法 |
TWI781834B (zh) * | 2021-11-29 | 2022-10-21 | 國立陽明交通大學 | 睡眠評估方法及其運算裝置 |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190053754A1 (en) | 2017-08-18 | 2019-02-21 | Fitbit, Inc. | Automated detection of breathing disturbances |
US10658076B2 (en) * | 2017-10-09 | 2020-05-19 | Peter Gulati | System and method for increasing efficiency of medical laboratory data interpretation, real time clinical decision support, and patient communications |
WO2019094836A1 (en) * | 2017-11-10 | 2019-05-16 | Lvis Corporation | Efficacy and/or therapeutic parameter recommendation using individual patient data and therapeutic brain network maps |
US20190150849A1 (en) * | 2017-11-17 | 2019-05-23 | HD Data Incorporated | Spiroxmeter smart system |
US10910112B2 (en) * | 2017-12-04 | 2021-02-02 | Koninklijke Philips N.V. | Apparatus for patient record identification |
US11521740B2 (en) * | 2018-06-06 | 2022-12-06 | International Business Machines Corporation | Natural language processing of a motion alphabet for unsupervised clinical scoring |
CN109009024A (zh) * | 2018-08-07 | 2018-12-18 | 武汉佑康科技有限公司 | 一种基于医疗器械设备的医生健康监测系统 |
US11850514B2 (en) | 2018-09-07 | 2023-12-26 | Vulcan Inc. | Physical games enhanced by augmented reality |
US11227507B2 (en) * | 2018-10-11 | 2022-01-18 | International Business Machines Corporation | Wearable technology employed in injury detection, prevention and skills training |
US10977522B2 (en) | 2018-11-13 | 2021-04-13 | CurieAI, Inc. | Stimuli for symptom detection |
US20200168337A1 (en) * | 2018-11-26 | 2020-05-28 | Vulcan Inc. | Techniques to assist in diagnosis and treatment of injury and illness |
US11670080B2 (en) | 2018-11-26 | 2023-06-06 | Vulcan, Inc. | Techniques for enhancing awareness of personnel |
CN109754861A (zh) * | 2019-01-28 | 2019-05-14 | 暨南大学 | 多路红外激光刺激系统及其选择性刺激神经纤维的方法 |
US11950577B2 (en) | 2019-02-08 | 2024-04-09 | Vale Group Llc | Devices to assist ecosystem development and preservation |
US11654283B2 (en) * | 2019-03-06 | 2023-05-23 | Medtronic Xomed, Inc. | Obstructive sleep apnea patient programmer for implantable devices |
WO2020198070A1 (en) | 2019-03-22 | 2020-10-01 | Vulcan Inc. | Underwater positioning system |
WO2020206331A1 (en) * | 2019-04-04 | 2020-10-08 | Colaizzi Tristan Alan | Traumatic brain injury diagnostics system and method |
JP2022533144A (ja) | 2019-05-16 | 2022-07-21 | レスメド・プロプライエタリー・リミテッド | 医療デバイスにおける双方向通信 |
US11793453B2 (en) * | 2019-06-04 | 2023-10-24 | Fitbit, Inc. | Detecting and measuring snoring |
US10709347B1 (en) * | 2019-06-10 | 2020-07-14 | Vektor Medical, Inc. | Heart graphic display system |
US20210030276A1 (en) * | 2019-07-29 | 2021-02-04 | DawnLight Technologies Inc. | Remote Health Monitoring Systems and Method |
US20220395207A1 (en) * | 2019-09-16 | 2022-12-15 | Thermanostics Ltd. | Thermal imaging diagnostic method and system thereof |
US11617513B2 (en) * | 2019-10-29 | 2023-04-04 | International Business Machines Corporation | Measuring rapid eye movement for cardiorespiratory monitoring |
US11583226B2 (en) * | 2020-01-05 | 2023-02-21 | Kelly Huang | Method and system of monitoring and alerting patient with sleep disorder |
US20210287564A1 (en) * | 2020-03-16 | 2021-09-16 | Koninklijke Philips N.V. | System and method for bed partner mediated sleep disorder treatment program |
US11940765B2 (en) * | 2020-04-16 | 2024-03-26 | Electro Standards Laboratories | Intelligent closed-loop feedback control for transcranial stimulation |
WO2021225382A1 (ko) * | 2020-05-06 | 2021-11-11 | 서울대학교산학협력단 | 호흡상태 검사 장치 및 방법, 수면 장애 제어 장치 및 방법 |
TWI823015B (zh) * | 2020-07-13 | 2023-11-21 | 神經元科技股份有限公司 | 神經疾病輔助檢查方法及其系統 |
US11837106B2 (en) * | 2020-07-20 | 2023-12-05 | Koninklijke Philips N.V. | System and method to monitor and titrate treatment for high altitude-induced central sleep apnea (CSA) |
EP3973851A1 (en) * | 2020-09-24 | 2022-03-30 | Ectosense NV | Obtaining respiratory related sounds from an audio recording |
WO2022072838A1 (en) * | 2020-10-01 | 2022-04-07 | DawnLight Technologies Inc. | Contactless monitoring system |
WO2022087687A1 (en) | 2020-10-30 | 2022-05-05 | ResMed Pty Ltd | Two-way communication in a medical device |
KR102417541B1 (ko) * | 2020-11-05 | 2022-07-06 | 주식회사 휴서카디안 | 피드백 기반의 일주기 리듬 관리 장치 및 방법 |
US11296971B1 (en) | 2021-02-03 | 2022-04-05 | Vignet Incorporated | Managing and adapting monitoring programs |
US11316941B1 (en) | 2021-02-03 | 2022-04-26 | Vignet Incorporated | Remotely managing and adapting monitoring programs using machine learning predictions |
US11789837B1 (en) * | 2021-02-03 | 2023-10-17 | Vignet Incorporated | Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial |
US11586524B1 (en) * | 2021-04-16 | 2023-02-21 | Vignet Incorporated | Assisting researchers to identify opportunities for new sub-studies in digital health research and decentralized clinical trials |
US11281553B1 (en) | 2021-04-16 | 2022-03-22 | Vignet Incorporated | Digital systems for enrolling participants in health research and decentralized clinical trials |
US11521714B1 (en) | 2021-02-03 | 2022-12-06 | Vignet Incorporated | Increasing diversity of participants in health research using adaptive methods |
US11196656B1 (en) | 2021-02-03 | 2021-12-07 | Vignet Incorporated | Improving diversity in cohorts for health research |
CN113273967A (zh) * | 2021-05-20 | 2021-08-20 | 贵州优品睡眠健康产业有限公司 | 一种睡眠体征监测系统 |
EP4346584A1 (en) * | 2021-05-25 | 2024-04-10 | The Trustees of The University of Pennsylvania | Monitoring of upper limb movements to detect stroke |
CN116761544A (zh) * | 2021-10-15 | 2023-09-15 | 科尔赛医疗有限责任公司 | 通过心电图、呼吸声学和胸部加速度进行智能呼吸监测的方法和装置 |
DE102021129912A1 (de) | 2021-11-16 | 2023-05-17 | Diametos GmbH | Diagnose- und Steuersystem zur Erkennung und Therapie von respiratorischen Ereignissen im Schlaf |
WO2023230350A1 (en) * | 2022-05-27 | 2023-11-30 | Somnology, Inc. | Methods and systems for monitoring sleep activity and providing a treatment |
WO2024035131A1 (ko) * | 2022-08-09 | 2024-02-15 | 주식회사 타이로스코프 | 갑상선 안질환 상태 모니터링 방법 및 이를 수행하는 시스템 |
WO2024039742A1 (en) * | 2022-08-19 | 2024-02-22 | Resmed Digital Health Inc. | Systems and methods for presenting dynamic avatars |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102665546A (zh) * | 2009-07-16 | 2012-09-12 | 雷斯梅德有限公司 | 睡眠状况的检测 |
US20130030257A1 (en) * | 2010-05-14 | 2013-01-31 | Kai Medical, Inc. | Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, apnea diagnosis, and snore therapy |
US20150173672A1 (en) * | 2013-11-08 | 2015-06-25 | David Brian Goldstein | Device to detect, assess and treat Snoring, Sleep Apneas and Hypopneas |
WO2016033118A1 (en) * | 2014-08-29 | 2016-03-03 | Incyphae Inc. | Method and apparatus for enhancing nervous function |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5143078A (en) * | 1987-08-04 | 1992-09-01 | Colin Electronics Co., Ltd. | Respiration rate monitor |
DE102007010353A1 (de) * | 2006-08-28 | 2008-03-13 | Biotronik Crm Patent Ag | Diagnose von Schlafapnoe |
US20080300572A1 (en) * | 2007-06-01 | 2008-12-04 | Medtronic Minimed, Inc. | Wireless monitor for a personal medical device system |
US9719842B2 (en) * | 2010-07-06 | 2017-08-01 | Norman A. Paradis | Method for the discovery, validation and clinical application of multiplex biomarker algorithms based on optical, physical and/or electromagnetic patterns |
WO2012021900A1 (en) * | 2010-08-13 | 2012-02-16 | Respiratory Motion, Inc. | Devices and methods for respiratory variation monitoring by measurement of respiratory volumes, motion and variability |
US20170000359A1 (en) * | 2013-02-22 | 2017-01-05 | Cloud Ds, Inc., a corporation of Delaware | Comprehensive body vital sign monitoring system |
US20140350355A1 (en) * | 2013-05-27 | 2014-11-27 | P-Tech HM Ltd. | Monitoring and managing sleep breathing disorders |
US9545227B2 (en) * | 2013-12-13 | 2017-01-17 | Vital Connect, Inc. | Sleep apnea syndrome (SAS) screening using wearable devices |
US9743219B2 (en) * | 2014-12-29 | 2017-08-22 | Google Inc. | Low-power wireless content communication between devices |
-
2017
- 2017-06-28 US US15/570,434 patent/US20190000349A1/en not_active Abandoned
- 2017-06-28 US US15/636,056 patent/US20190000350A1/en not_active Abandoned
- 2017-06-28 WO PCT/US2017/039741 patent/WO2019005039A1/en unknown
- 2017-06-28 CN CN201780094393.9A patent/CN111163693A/zh active Pending
- 2017-06-28 EP EP17811424.5A patent/EP3454745A4/en not_active Withdrawn
-
2022
- 2022-04-18 US US17/722,733 patent/US20220257139A1/en active Pending
- 2022-07-19 US US17/868,213 patent/US20220354381A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102665546A (zh) * | 2009-07-16 | 2012-09-12 | 雷斯梅德有限公司 | 睡眠状况的检测 |
US20130030257A1 (en) * | 2010-05-14 | 2013-01-31 | Kai Medical, Inc. | Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, apnea diagnosis, and snore therapy |
US20150173672A1 (en) * | 2013-11-08 | 2015-06-25 | David Brian Goldstein | Device to detect, assess and treat Snoring, Sleep Apneas and Hypopneas |
WO2016033118A1 (en) * | 2014-08-29 | 2016-03-03 | Incyphae Inc. | Method and apparatus for enhancing nervous function |
US20170164893A1 (en) * | 2014-08-29 | 2017-06-15 | Incyphae Inc. | Method and system for combining physiological and machine information to enhance function |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI735233B (zh) * | 2020-05-19 | 2021-08-01 | 智齡科技股份有限公司 | 基於個別差異之人工智慧生命徵象量測值判讀方法與系統 |
TWI770528B (zh) * | 2020-06-11 | 2022-07-11 | 臺北醫學大學 | 呼吸道音頻分析系統以及呼吸道音頻分析方法 |
CN113069081A (zh) * | 2021-03-22 | 2021-07-06 | 山西三友和智慧信息技术股份有限公司 | 一种基于改进Bi-LSTM与fNIRS的疼痛检测方法 |
CN113238288A (zh) * | 2021-05-20 | 2021-08-10 | 桂林电子科技大学 | 一种基于差值谱线的旋翼目标特征提取方法 |
CN113238288B (zh) * | 2021-05-20 | 2022-07-01 | 桂林电子科技大学 | 一种基于差值谱线的旋翼目标特征提取方法 |
CN113611388A (zh) * | 2021-08-02 | 2021-11-05 | 北京精密机电控制设备研究所 | 一种基于外骨骼的智能运动康复治疗与训练系统 |
CN113611388B (zh) * | 2021-08-02 | 2024-02-09 | 北京精密机电控制设备研究所 | 一种基于外骨骼的智能运动康复治疗与训练系统 |
TWI781834B (zh) * | 2021-11-29 | 2022-10-21 | 國立陽明交通大學 | 睡眠評估方法及其運算裝置 |
CN114652938A (zh) * | 2022-02-18 | 2022-06-24 | 南京安睡科技有限公司 | 一种促进睡眠的智能闭环调控刺激系统及使用方法 |
CN114652938B (zh) * | 2022-02-18 | 2023-12-26 | 南京安睡科技有限公司 | 一种促进睡眠的智能闭环调控刺激系统及使用方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3454745A4 (en) | 2020-02-26 |
US20220354381A1 (en) | 2022-11-10 |
US20190000350A1 (en) | 2019-01-03 |
US20190000349A1 (en) | 2019-01-03 |
EP3454745A1 (en) | 2019-03-20 |
US20220257139A1 (en) | 2022-08-18 |
WO2019005039A1 (en) | 2019-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220354381A1 (en) | Diagnosis tailoring of health and disease | |
US20210045678A1 (en) | Method and system for combining physiological and machine information to enhance function | |
US11123562B1 (en) | Pain quantification and management system and device, and method of using | |
KR102400268B1 (ko) | 모바일 웨어러블 모니터링 시스템 | |
US11478638B2 (en) | Detection and treatment of obstructive sleep apnea | |
US11543879B2 (en) | System for communicating sensory information with an interactive system and methods thereof | |
US20200155846A1 (en) | Detection and Treatment of Obstructive Sleep Apnea | |
US20220386943A1 (en) | Detection and Treatment of Obstructive Sleep Apnea | |
US11712557B2 (en) | Detection and treatment of obstructive sleep apnea | |
US11305110B2 (en) | Detection and treatment of obstructive sleep apnea | |
US20230347147A1 (en) | System for aiding early detection and management of breathing or respiratory related disorders |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200515 |
|
WD01 | Invention patent application deemed withdrawn after publication |