CN113226176A - 中风检测传感器 - Google Patents

Abstract

一种用于确定用户正在发生或最近已经发生中风的中风检测设备，其中该设备包括数据处理装置，数据处理装置包括处理器和至少一个可穿戴传感器，可穿戴传感器被构造成由用户穿戴并且被配置成向数据处理装置传输用户的运动数据。数据处理装置被配置成处理运动数据，以确定在第一时间段内用户中风的第一概率以及在第二时间段内用户中风的第二概率。然后根据至少第一概率和第二概率产生中风检测信号。

Description

中风检测传感器

技术领域

本发明涉及用于检测患者中风的设备和方法。

背景技术

中风是一种医学症状，在这种医学症状中流向大脑的血液不畅会导致细胞死亡。造成中风的原因主要有两个。缺血性中风通常是由于向大脑供血的动脉堵塞而导致的大脑的多个部分的血流不足所致。血液通常向大脑输送氧气和营养物质。一旦氧气和营养物质被堵塞切断，则大脑细胞无法制造足够的能量，并且最终将停止工作。如果不清除堵塞，则脑细胞最终会死亡。出血性中风是由大脑出血引起的。出血通常是由受损的血管渗出血液引起的。出血性中风也可能是由脑动脉瘤破裂引起的。在这两种情况下，血液扩散到周围的大脑组织中，导致压力增加，从而限制了大脑细胞的运作并且最终损害了大脑组织。

在上述两种中风类型中，因为脑细胞停止正常的功能，由此导致的结果是大脑功能的改变。这种变化可以通过身体症状观察到，该身体症状例如为身体一侧不能移动或没有知觉、沟通存在问题和视力丧失。这些身体症状往往或多或少在中风开始后立即出现。

在历史上，中风是很难治疗的。虽然患者的症状可以被识别并诊断为中风，但可用的治疗手段有限。当中风被识别为缺血性中风时，给患者静脉注射一种溶解凝块的药物(例如组织型纤溶酶原激活剂)，希望药物能到达凝块并充分溶解凝块，以使血液流能够恢复通过受影响的动脉。这种治疗需要在中风开始后的数个小时内就成功实施，以确保对大脑组织的损伤是有限的。一些研究表明，从溶解凝块的药物获得最佳效果的时间窗口是从中风的第一个迹象出现后的三个小时。

如果中风没有得到成功的治疗，则对大脑组织的损伤是不可避免的，并且唯一的办法就是为患者提供护理和康复训练。

最近，缺血性中风已经经由一种称作“机械血栓切除术”的血管内手术成功地得到了治疗，在这种手术中，通过将凝块收回装置送到大脑中阻塞的血管部位来清除血液凝块。该装置固定凝块，并在该装置被移除时将凝块从血管中拉出。类似地，出血性中风也可以经由过血管内手术(通过将金属夹子送到受损的血管或破裂的动脉瘤)来治疗。夹子是固定的，以限制血液流动，并进一步防止血液渗入到周围的血液组织中。与溶解凝块的药物相同，如果在出现首个中风迹象出现的数个小时内执行这一手术，则可以显著减轻损害。

因此，由于缺血性中风的治疗方案的改进，识别和表征中风症状的重要性也增加了。对于患中风风险较高的患者，需要一种方法来提供持续的监测，以快速诊断中风并上报给健康护理提供者。

已知的技术利用穿戴在患者身上的传感器的使用来对患者中风进行早期检测。Villar.J R.的“一种用于中风的早期检测的混合智能识别系统”描述了一种可穿戴装置的使用，该可穿戴装置在检测到中风时产生警报并自动连接到电子健康服务。上述方法利用两个可穿戴装置来监测运动数据，并使用遗传模糊有限状态机和时间序列(Time Series，TS)分析来确定中风。

美国专利申请2018153477公开了一种用于经由用于确定“生理信号”的多个传感器来监测患者中风的装置。生理信号可以包括心率信号、心房率信号、心率变异性信号、血压信号、血压变异性信号、心音信号等。

美国专利7,981,058公开了一种使用低成本双轴运动传感器来监测患者的装置。第一传感器捕获客观加速度数据，并且第二双轴传感器捕获至少相对于第一加速度计的主观加速度数据。然后使用加速度数据来确定非线性参数并产生至少两个级别的运动功能信息。

美国申请US2017281054公开了一种用于经由多个运动传感器来监测患者中风的装置，所述多个运动传感器位于患者身体上的一个或多个解剖位置并且被配置成检测与患者身体的一部分的运动相对应的多个运动参数。然后，该患者身体部分的运动基于多个预定的运动判定特征。

美国申请US2015157252公开了一种用于经由多个传感器来监测患者的装置。描述了一种用于在传感器之间切换以确定哪个传感器提供患者的生理信号状态的最佳指示的技术。

然而，与上述系统相关联的问题包括与在不触发太多误报的情况下产生指示患者中风的可靠信号有关的问题。所需要的是一种能够产生具有最少误报的中风检测信号的系统，并且在确实发生误报的情况下，系统能够适宜地处理这些误报，而不会给用户带来太多不便。

发明内容

本发明的目的是至少部分地克服现有技术的上述限制中的一个或多个。

这些目的中的一个或多个，以及从下面的描述中可能出现的进一步的目的，通过以下各项至少部分地被实现：用于数据处理的方法、计算机可读介质、用于数据处理的装置、以及根据独立权利要求所述的设备，该设备的实施例由从属权利要求限定。

本公开的一个实施例描述了一种中风检测设备，该中风检测设备包括：数据处理装置，该数据处理装置包括处理器；至少一个可穿戴传感器，至少一个可穿戴传感器被构造成由用户穿戴并且被配置成将用户的运动数据传输到数据处理装置，数据处理装置被配置成处理运动数据以确定在第一时间段内用户中风的第一概率以及在第二时间段内用户中风的第二概率，并且根据至少第一概率和第二概率产生中风检测信号。

本公开的另一个实施例描述了一种用于产生中风检测信号的方法，该方法包括：使用至少一个可穿戴传感器装置来产生用户的运动数据，可穿戴传感器装置被配置成由用户穿戴，将运动数据传输到处理装置，在处理装置处处理运动数据以确定在第一时间段内用户中风的第一概率以及在第二时间段内用户中风的第二概率，根据至少第一概率和第二概率来产生中风检测信号。

附图说明

本发明的实施例将参照所附的示意图更详细地描述。图1是示出患者穿戴多传感器中风检测设备的示意性图示。图2示出根据本申请的实施例的中风检测设备的透视图。图3是根据本申请的实施例的中风检测设备的示意性图示。图4a和图4b是分别示出可穿戴传感器和控制装置的执行流程的处理流程图示。图5a和图5b是示出在第一可穿戴传感器装置和第二可穿戴传感器装置与控制装置之间数据传输顺序的序列图示。图6是示出控制装置30的执行流程的处理流程图示。图7是示出控制装置30的执行流程的替代的处理流程图示。图8a至图8c是中风检测设备的示例性运动传感器信号图。图9是示出控制装置30的执行流程的替代的处理流程图。图10示出了该系统的实施例在给定的特定配置下检测中风所花费的时间。

具体实施方式

本发明涉及一种可穿戴传感器和一种用于提供患者状况的监测和检测，以及在需要的情况下将患者状况上报的技术的使用。在本说明中从始至终相同的附图标记用于指代相应的元件。

图1是示出配有中风检测设备100的患者10的示意图，中风检测设备100包括多个可穿戴传感器20。在图1中，可穿戴传感器20a、20b附接到患者的手腕。在其它实施例中，可穿戴传感器可以穿戴在作为手腕的替代物或与手腕结合的脚踝上。可以穿戴可穿戴传感器的其它位置包括鞋、头饰以及附接到例如裤子，和上身服装的衣服上。

图2示出了可穿戴传感器20的实施例。在一个实施例中，可穿戴传感器20包括带21和传感器主体22，带21被构造成将可穿戴传感器20固定到患者，传感器主体22容纳处理板25。处理板可以包括电源26、数据处理装置27和传感器组件28。传感器组件28可以包括任何合适的传感器部件，传感器部件被配置成测量患者身体上附接有可穿戴传感器20的部分的倾角、位置、取向和/或加速度。传感器组件28可以包括压电部件、压阻部件和/或电容部件，以将机械运动转换为电信号。可以使用压电陶瓷(例如锆钛酸铅)或单晶(例如石英、电气石)。优选地，采用电容式加速度计，因为电容式加速度计在低频范围内具有优越的性能。

数据处理装置27可以通过在一个或多个的通用或专用计算装置(例如硬件处理器)上运行的专用软件(或固件)来实现。这种计算装置的每个“元件”或“器件”指的是方法步骤的概念等价物；在元件/器件和特定的硬件或软件程序之间并不总是一一对应的。一个硬件有时包括不同的器件/元件。例如，处理单元在执行一个指令时充当一个元件/器件，但在执行另一个指令时充当另一个元件/器件。此外，一个元件/器件在一些情况下可以通过一个指令来实现，但在一些其它情况下可以通过多个指令来实现。这种软件控制的计算装置可以包括一个或多个处理单元，例如CPU(“中央处理单元”)、DSP(“数字信号处理器”)、ASIC(“专用集成电路”)、离散模拟和/或数字部件、或例如为FPGA(“现场可编程门阵列”)的一些其它可编程逻辑装置。数据处理装置27还可以包括系统存储器和系统总线，系统总线将包括系统存储器的各种系统部件耦合到处理单元。系统总线可以是多种类型的总线结构中的任何一种，该总线结构包括存储器总线或存储器控制器、外围总线和使用各种总线体系结构中的任何一种的局部总线。系统存储器可以包括呈易失性和/或非易失性存储器形式的计算机存储介质，该易失性和/或非易失性存储器例如为只读存储器(read onlymemory，ROM)、随机存取存储器(random access memory，RAM)和闪速存储器。专用软件可以存储在系统存储器中，或者存储在包括在计算装置中或计算装置可访问的其它可移除/不可移除的易失性/非易失性计算机存储介质上，该其它可移除/不可移除的易失性/非易失性计算机存储介质例如为磁介质、光学介质、闪存卡、数字磁带、固态RAM、固态ROM等。专用软件可以在任何合适的计算机可读介质上提供给数据处理装置27，该计算机可读介质包括记录介质和只读存储器。

数据处理装置27包括一个或多个通信接口以及一个或多个数据采集装置，通信接口例如为串行接口、USB接口、无线接口等，，数据采集装置例如为A/D转换器。在一个示例中，数据处理装置27可以包括传输器部件，传输器部件被配置成通过一个或多个通信接口发送从传感器组件28接收的并由数据处理装置27和/或A/D转换器处理的传感器数据。在一个实施例中，经由

或WiFi收发器提供通信接口，并且经处理的传感器数据被发送到控制装置30(如下文所述)。可替代地，经处理的传感器数据可以经由GSM、LTE或类似的移动通信接口发送到一个或多个远程装置。

电源26可以包括电池、动能源或适用于可穿戴装置的其它电源。电源26被布置成用于向处理板25的数据处理装置27和传感器组件28供电能源。

可穿戴传感器20还可以包括紧固部件23，紧固部件23被构造成与对应的部件24固定在一起，以使得该装置能够固定到患者10的肢体。在一个实施例中，紧固部件23包括传感器，该传感器被配置成确定可穿戴传感器20的带21是处于“打开”构造还是处于“固定”构造。图2中示出了带的“打开”构造的示例，其中可穿戴传感器20没有固定到任何物体上。图1中示出了“闭合”构造的示例，其中可穿戴传感器20被固定到患者。类似地，在图3中示出了“闭合”构造的示例，其中紧固部件23已经紧固到对应的部件24，以将可穿戴传感器20的带布置成固定的环。在一个实施例中，紧固部件23的传感器电连接到处理板25，使得数据处理装置27可以确定可穿戴传感器20的带21的构造。

可穿戴传感器20还可以包括反馈机构，该反馈机构包括振动马达或等效的物理致动器、光源(例如LED)或声源(例如扬声器)中的至少一个。反馈机构可以被构造成产生振动提示、视觉提示或听觉提示中的一种，这些提示能够引起健康患者的注意。

图3示出根据本申请的实施例的示例性无线网络。在图3中，示出为20a和20b的两个可穿戴传感器20由患者(未示出)穿戴，并且每个可穿戴传感器的相应带21处于“闭合”构造。每个可穿戴传感器20a、20b收集来自患者的传感器数据，处理所述数据，并经由无线联网接口34将数据传输到控制装置30。下面将参照图4a更详细地描述该过程。控制装置30可以是移动电话装置，例如苹果^TM、苹果手机^TM、苹果平板电脑^TM、苹果手表^TM，安卓^TM装置，穿戴操作系统^TM装置，笔记本电脑装置，或类似的装置。控制装置30接收来自可穿戴传感器的数据，对数据进行处理，确定患者状况，并在适当的情况下执行上报处理。下面将参照图4b更详细地描述该过程。

图4a示出了用于数据处理装置27的处理流程的实施例。图4a中所示的处理流程可以连续循环地执行或周期性地执行。在周期性地执行处理流程的情况下，可以在执行之间采用节能模式以使电池使用最小化。

在步骤410中，数据处理装置27从传感器组件28接收传感器输出。在传感器数据由例如压电部件产生的情况下，来自压电部件的输出可能需要预处理以确保产生期望的模拟信号。预处理步骤的一个示例可以是从模拟信号减少由压电部件产生的高频噪波。预处理步骤420可以发生在传感器组件28或数据处理装置27上。

在预处理步骤420之后，在步骤430中执行信号从模拟信号到数字信号的转换。这种模拟数字转换可以发生在传感器组件28或数据处理装置27上。

然后在步骤440中处理数字信号以降低噪波并标记传感器读数的时间戳。步骤440可以包括将由加速度计生成的加速度矢量转换为加速度矢量的范数。即加速度矢量在单个方向上被转换为严格正长度。这提供了多个优点，包括用于存储矢量数据的存储空间减小以及加速度计取向的不变性。与上述步骤结合或独立地设想其它滤波器，以确保经滤波的加速度矢量信号对传感器的重力或取向是不变的。在优选实施例中，对可穿戴传感器本地执行前述滤波步骤中的任何一个步骤。

步骤440可进一步包括与上述步骤结合地或者独立地应用低通滤波器，以移除加速度计上的由于重力产生的加速度矢量。这可以通过从加速度矢量的差分中移除慢的或不变的加速度矢量来实现。有利地，这使得能够移除由重力引起的噪波。

对本公开的关键理解是需要捕获最有可能包含发生在用户大脑中的中风的指示的信号。鉴于可能指示这种情况发生的其它生物信号难以检测，本公开专注于检测来自身体中枢神经系统的指示大脑运行变化的信号。在用于捕获该信号的传感器包括加速度计，因此基于加速度矢量的信号捕获身体的运动的实施例中，并因此，有必要对不是来自大脑的信号的直接结果的、由人体运动导致的信号进行滤波。例如这些信号只是到达肌肉的电信号的间接结果。可以被滤波的运动的示例包括仅是来自神经系统的信号的间接结果的运动。例如，在行走时，电信号可能会刺激手臂向前和向后摆动以确保平衡。然而，行走时手臂向下摆动可能是重力和身体力学作用的结果，而不是任何肌肉的刺激。因此，在可能的情况下，应从由一个或多个加速度计产生的加速度矢量中识别并去除这些运动。

因此，为了提供最清晰的中枢神经系统活动信号而应该进行滤波的信号可以包括：被动的肢体力学、其他生物信号(如心脏功能、震颤)或其他无意识的肌肉运动。环境噪声(如公共汽车发动机)

然后在步骤445中根据定义的数据结构对传感器数据进行格式化，以用于传输到控制装置30。最后，在步骤450中，可穿戴传感器20使用无线网络接口34将格式化的传感器数据传输到控制装置30。

图4b示出了用于控制装置30的处理流程的实施例。图4b中所示的处理流程可以连续循环地执行或周期性地执行。在周期性地执行处理流程的情况下，可以在执行之间采用节能模式以使电池使用最小化。

在步骤460中，移动装置从可穿戴传感器20接收格式化的传感器数据。然后，在步骤470中，将接收到的传感器数据与先前从可穿戴传感器20、以及将传感器数据传输到控制装置30的任何其它可穿戴传感器接收到的现有数据合并。在一个实施例中，数据被存储在本地数据库中，该本地数据库被存储在控制装置30上。在一个实施例中，系统实现对格式化的传感器数据进行“分块”，其包括将数据分成块，每个块包括指示一些参数(例如，用于记录的信号数据的时间戳、大小等)的首部。这使得每个数据块能够将移动装置与可穿戴传感器的时钟重新同步。

在步骤475中，通过控制装置30对传感器数据执行数据分析。然后根据数据分析475来确定患者状况，例如正处于中风状况。这包括基于传感器数据确定现在的患者状况的概率已经超过临界阈值。以下将参考图8和图9更详细地描述步骤475和步骤480的过程。在确定患者状况时，触发上报处理490。以下将结合图6和图7描述上报处理490。在步骤650中，一旦上报处理490完成并且患者已经无法取消患者状况的上报，则控制装置30经由网络接口34联系网络点35，以请求紧急服务用以处理患者状况。在一个实施例中，移动装置可以对患者状况、移动装置的GPS位置、患者ID、患者病史、近期传感器数据报告等中的至少一个进行通讯。

应当注意，步骤475和后续步骤可以作为步骤460的直接后续步骤被执行。可替代地，步骤475和后续步骤可以独立循环地执行，独立循环由例如周期性时间的中断而独立触发。

在本描述中，使用多个可穿戴传感器来收集数据。图5a示出了用于在控制装置30处从多于一个的可穿戴传感器收集数据的流程。在步骤510和步骤520中，收集来自被定位在身体左侧的可穿戴传感器20a和被定位在身体右侧的可穿戴传感器20b的传感器数据。在步骤530中，来自可穿戴传感器20b的传感器数据经由无线接口34传输到可穿戴传感器20b。在步骤540中，一旦在可穿戴传感器20b处接收到来自可穿戴传感器20a的传感器数据，则将来自可穿戴传感器20a的传感器数据与来自可穿戴传感器20b的传感器数据(先前在步骤520中收集的)结合并传输到控制装置30。

在图5a中示出的实施例的替代实施例中，图5b示出了用于在控制装置30处从多于一个的可穿戴传感器收集数据的替代流程。在步骤510和步骤520中，收集来自被定位在身体左侧的可穿戴传感器20a和被定位在身体右侧的可穿戴传感器20b的传感器数据。在步骤550中，控制装置30经由无线网络接口34命令可穿戴传感器20a将由可穿戴传感器20a收集的传感器数据发送到控制装置30。在步骤560中，可穿戴传感器20a经由无线网络接口34将收集到的数据发送到控制装置30。在步骤570中，控制装置30经由无线网络接口34命令可穿戴传感器20b将由可穿戴传感器20b收集的传感器数据发送到控制装置30。在步骤580中，可穿戴传感器20b经由无线网络接口34将收集到的数据发送到控制装置30。

图6示出了如图4b所示的上报处理490的实施例。一旦超过了目前患者状况的概率的阈值，本描述的实施例提供了一种用于测试患者的处理方法，以确定患者实际上是否遭受该状况的症状，或者是否仅是传感器数据导致了“误报”。上报处理490包括以下步骤：

在步骤610中，当已经超过患者目前状况的概率时，控制装置30开始上报处理。在本发明的实施例中，在测试过程期间，将采用一个或多个用户测试以确定用户的身体和精神状态。术语“用户”和“患者”可以互换使用。

在一个实施例中，测试过程包括在控制装置30的显示器上呈现给用户的倒计时警报620。倒计时警报620可以包括简单的倒计时警报，该简单的倒计时警报示出了短时间内的倒计时，在该倒计时之前，控制装置30将移至步骤650以警示医疗服务部门。用户具有随时取消倒计时的选项。如果用户未能响应倒计时警报，则控制装置30将直接移至步骤650以警示医疗服务部门。在患者通过执行所需的取消任务(例如，按下取消按钮)来取消倒计时的情况下，则向患者呈现重置上报处理的选项。可替代地，可以向用户呈现在患者感觉到仍然有问题时直接移至步骤650以警示医疗服务部门的选项。在一个实施例中，用户不能取消倒计时警报，直到成功完成所有的用户测试。在一个实施例中，使用两个部分的倒计时。倒计时1是短时间的倒计时(例如小于60秒)并且可以由用户取消。倒计时2是长时间的倒计时(例如大于60秒)，只有通过成功完成所有的用户测试才能取消。

在一个实施例中，测试过程包括在控制装置30的显示器上呈现给用户的基础用户测试630。基础用户测试可以包括一个或多个物理测试。物理测试可以包括请求患者以规定的方式移动他的或她的肢体中的一个或多个肢体。例如，移动一只手或一条腿，依次或同时移动相反的手或腿、拍手、起立、跳跃、将一个或多个膝盖抬到患者的胸部等。物理测试旨在执行一个或多个功能。在运动传感器数据指示身体的一个或多个肢体或一侧的运动似乎受到限制的情况下，物理测试可旨在提供可用于降低患者正遭受的任何形式的瘫痪的可能性的数据。例如，依次起立或挥动每只手。可替代地，在运动传感器数据指示在患者的运动中存在总体不对称的情况下，物理测试可旨在提供可用于提供关于患者当前运动的对称性的清晰数据的数据。例如，在患者的每个手腕上都穿戴有可穿戴传感器的情况下，只要患者的双臂都有完整的运动范围，拍手就应从每个可穿戴传感器提供明显对称的信号。在图6的实施例中，如果用户未通过基础用户测试630，则控制装置30向患者呈现进一步的测试。在替代实施例中，如果患者未通过基础用户测试630，则控制装置30将直接移至步骤650以警示医疗服务部门。在患者通过基础用户测试630的情况下，向患者呈现重置上报处理的选项。可替代地，可以向用户呈现继续进行进一步测试的选项或者直接移至步骤650以在患者感觉到仍然有问题时警示医疗服务部门的选项。应当理解，在本描述中描述的用户测试可以以任何被认为产生最可靠结果的组合或顺序呈现给用户。

在一个实施例中，测试过程包括在控制装置30的显示器上呈现给用户的高级用户测试640。高级用户测试可以包括一个或多个智力测试。智力测试包括要求患者完成一个或多个智力测试，该智力测试旨在证明用户能够清晰且理性地思考，例如心算测试、言语推理测试、面部或总体图像识别测试、发声测试等。与基础用户测试630一样，如果用户未通过高级用户测试640，则控制装置30可在移至步骤650之前向患者呈现进一步的步骤。在替代的实施例中，如果患者未通过高级用户测试640，则控制装置30将直接移至步骤650以警示医疗服务部门。在患者通过高级用户测试640的情况下，向患者呈现重置上报处理的选项。可替代地，可以向用户呈现继续进行进一步测试的选项，或者直接移至步骤650的选项，以在患者感觉到仍然有问题时警示医疗服务部门。

图7示出了针对图6所示的用户测试顺序的替代的用户测试顺序。在图7中，步骤720包括倒计时警报，以在他或她仍然相信没有病情的情况下向患者提供取消上报的机会。如果没有收到响应，警报将立即上报。在一个实施例中，倒计时持续直到所有后续测试通过为止。在倒计时警报之后，步骤730包括基础用户测试，基础用户测试包括要求用户拍他的或她的手三次。最后，步骤740包括如上所述的高级用户测试。在图7的实施例中，高级用户测试是心算测试，以评估患者的智力能力。

在一个实施例中，用户测试可以仅包括振动提示。这可以确定用户由于持续的中风而不能感觉到振动的情况。在一个实施例中，使用闪光灯作为振动测试的控制装置。

图8a至图8c示出了来自本设备的示例性传感器数据组，在本设备中，可穿戴传感器20a和20b包括产生运动传感器数据的加速度计。图8a示出了由固定在患者身体的左侧肢体上的可穿戴传感器20a在一小时的时间段内产生的示例性运动传感器数据。图8b示出了由固定在患者身体的右侧肢体上的可穿戴传感器20b在与图8a的时间段相同的时间段内产生的示例性运动传感器数据。在图8c中，示出了图8a的运动传感器数据和图8b的运动传感器数据之间的差值。在可穿戴传感器20a和20b对称地固定到的患者身体的情况下，分别来自可穿戴传感器20a和可穿戴传感器20b的运动传感器数据之间的差值可以示出可穿戴传感器分别固定到的身体左侧的肢体与身体左侧的肢体之间的低频运动不对称性。在图8a中，示出了随着时间的推移患者左侧肢体和右侧肢体之间的不对称性逐渐增大。

图9示出了图4b的实施例的拓展实施例。在图9的实施例中，数据分析步骤475被分成多个数据分析步骤475a、475b等，这些数据分析步骤可以连续地执行或并行地执行。在本实施例中，对于多个数据分析步骤中的每一个，可以以不同的方式分析存储在控制装置30上的数据。

图10示出了使用多个数据分析步骤475的实施例的结果，数据分析步骤475被配置成分析不同时间段内的运动传感器数据(由线1010和1020示出)。在这样的实施例中，分析短时间段内的运动传感器数据(例如线1010)使得能够在中风发生之后快速且相对较快地发现中风的可能性。然而，为了使错误警报最小化，短时间内的分析需要窄的检测阈值。例如，较短时间内的分析更可能有一定程度的可能触发误报的噪波。因此，可接受的正值的范围需要较窄，并且在产生中风检测信号之前应满足高的阈值。然而，当装置在较长的时间段内使用时，高阈值可能导致检测率较低。为了对此进行补偿，一个实施例提供了与短时间分析并行运行的数据分析步骤的使用，该数据分析步骤分析较长时间段内的运动传感器数据(例如线1010)。在较长的时间段内分析运动传感器数据使得能够有更好的检测率，但必然导致在能够检测到中风之前有更长的延迟。在一个示例中，在一个小时的时间段内分析运动传感器数据，可以实现几乎100％的非常高的检测率，但是在检测中引入了一个小时的延迟，这会对中风受害者的前景产生显著的差异。融合的方法(如线1030所示)可以获得所有方法的益处。

在一个实施例中，中风检测设备可以在多个模式下操作，改变存储在装置上的运动传感器数据的保真度、数据速率、分辨率或维数。在包括两个操作模式的实施例中，当中风检测设备确定发生中风的可能性低于第一阈值时，中风检测设备可以被构造成在第一模式下操作。在第一模式中，运动传感器数据以第一保真度存储。即，将用于存储运动传感器数据的采样速率、采样大小、比特率、维数或等价物设置为第一值。当中风检测设备确定正处于中风的风险已经上升到超过第一阈值时，中风检测设备可以被构造成在第二模式下操作。在第二模式中，运动传感器数据以比第一保真度更高的第二保真度存储。即，将用于存储运动传感器数据的采样速率、采样大小、比特率、维数或等价物设置为第二值，第二值比第一值更高。这使得能够在确定患者中风风险高的时间段内对患者的运动进行更详细和更简洁的监测，同时使得能够在确定患者中风风险低时改进存储和/或减少装置的功率消耗。

在另一实施例中，中风检测设备可以被构造成在第一模式和/或第二模式(如上所述)以及第三模式下运行。当中风检测设备正在监测用户的特定运动时，中风检测设备可以被构造成在第三模式下运行。例如，在中风检测设备已经提示用户执行特定的运动或手势以通过测试的情况下。在第三模式中，运动传感器数据以比第一保真度和/或第二保真度更高的第三保真度存储。即，将用于存储运动传感器数据的采样速率、采样大小、比特率、维数或等价物设置为第三值，第三值比第一值和/或第二值更高。第三模式使得中风检测设备能够以足以捕捉特定手势的保真度，精确地捕捉用户短时间段内的运动。在一些实施例中，第一模式和/或第二模式仅以单个维度存储运动传感器数据，而第三模式以多个维度存储运动传感器数据。这可以更清楚地确定特定的患者运动。

在一个实施例中，上述设备是在康复的情景中使用而不是在中风检测的情景中使用。通过以与上述用于检测中风的相同的方式间接地监测患者的神经系统信号，可以跟踪患者从中风的恢复并提供康复指导。中风康复努力使患者能够尽可能多地恢复被中风损伤的功能，并帮助中风受害者尽可能多地获得功能独立。中风康复对于中风后的最终功能结果和与中风后长期残疾相关联的费用至关重要。在一个构造中，设备被构造成：1)监测和量化随时间的康复进展。2)在整个康复过程中为中风受害者提供积极的支持。

监测和量化康复进展的过程可以包括报告来自可穿戴传感器的加速度计数据(即，患者的运动数据)与康复前后理疗师对手臂功能的评价之间的相关性。来自可穿戴传感器的加速度计数据，以及相应的相关运动数据都呈现在应用程序中，供患者和专业康复团队使用。

在整个康复过程中向中风受害者提供积极支持的过程可以包括根据来自可穿戴传感器的加速度计数据为患者生成运动指示。在一个实施例中，运动指导的难度、持续时间和定时取决于患者的运动数据。即，在患者在一段时间内身体运动似乎受限，违反康复建议的情况下，系统被构造成命令用户进行更规律和更密集的运动练习。

Claims (12)

1.中风检测设备，所述中风检测设备包括：数据处理装置，所述数据处理装置包括处理器；至少一个可穿戴传感器，所述至少一个可穿戴传感器被构造成由用户佩戴并且被配置成将用户的运动数据传输到所述数据处理装置，所述数据处理装置被配置成处理所述运动数据以确定在第一时间段内用户中风的第一概率以及在第二时间段内用户中风的第二概率，并且根据至少所述第一概率和所述第二概率产生中风检测信号。

2.根据权利要求1所述的中风检测设备，其中，所述处理装置包括用户界面，并且还包括在所述用户界面处产生一个或多个用户测试，所述一个或多个用户测试被配置成确定用户中风的第三概率。

3.根据权利要求2所述的中风检测设备，其中，所述用户测试包括以下各项中的至少一个：反应时间测试、算术测试、阅读和/或理解测试、记忆测试以及用户响应测试。

4.根据权利要求3所述的中风检测设备，其中，所述中风检测设备被配置成根据所述中风检测信号产生多个用户测试中的一个。

5.根据权利要求4所述的中风检测设备，其中，所述中风检测设备被构造成在用户未通过所述一个或多个用户测试的情况下产生中风上报信号。

6.根据权利要求5所述的中风检测设备，其中，根据所述中风上报信号产生自动紧急服务请求。

7.用于产生中风检测信号的方法，所述方法包括：

使用至少一个可穿戴传感器装置来产生用户的运动数据，所述至少一个可穿戴传感器装置被构造成由用户穿戴，

将所述运动数据传输到处理装置，

在处理装置处处理所述运动数据以确定在第一时间段内用户中风的第一概率以及在第二时间段内用户中风的第二概率，

根据至少所述第一概率和所述第二概率产生中风检测信号。

8.使用中风检测设备检测中风的方法，所述中风检测设备包括至少一个可穿戴传感器，所述可穿戴传感器被构造成由用户穿戴，所述方法包括：

从所述可穿戴传感器接收所述用户的运动数据，

处理所述运动数据以确定在第一时间段内用户中风的第一概率以及在第二时间段内用户中风的第二概率，和

根据至少所述第一概率和所述第二概率产生中风检测信号。

9.中风检测设备，所述中风检测设备包括：

至少一个可穿戴传感器，所述至少一个可穿戴传感器被构造成由用户穿戴，并且所述至少一个可穿戴传感器被配置成产生用户的运动数据，

数据处理装置，所述数据处理装置被配置成：

接收所述运动数据，

以保真度存储所述运动数据，

处理所存储的运动数据以确定用户中风的概率，

其中，所述数据处理装置被配置成根据用户中风的概率以保真度存储所述运动数据。

10.根据权利要求9所述的中风检测设备，其中，所存储的运动数据的保真度包括所述运动数据的采样速率、采样大小、比特率以及维数中的至少一个。

11.根据权利要求9或10所述的中风检测设备，其中，在确定用户中风的概率低于第一阈值的情况下，以第一保真度存储所述运动数据，并且其中，在确定用户中风的概率高于第一阈值的情况下，以第二保真度存储所述运动数据，其中，所述第二保真度高于第一保真度。

12.中风检测设备，所述中风检测设备包括：

至少一个可穿戴传感器，所述可穿戴传感器被构造成由用户佩戴，并且所述可穿戴传感器被配置成产生用户的运动数据，

数据处理装置被配置成处理所述运动数据，

其中，中风检测设备被配置成以第一模式运行，在所述第一模式中，经处理的运动数据被限制为单个维度，并且

其中，中风检测设备被配置成以第二模式运行，在所述第二模式中，经处理的运动数据是多维度的，并且

根据按照所述第一模式处理的所述运动数据确定用户中风的概率，并且根据按照所述第二模式处理的所述运动数据确定用户手势。

Images