CN114786567A - 用于检测基于心率模式的潮热的系统和方法 - Google Patents
用于检测基于心率模式的潮热的系统和方法 Download PDFInfo
- Publication number
- CN114786567A CN114786567A CN202080085608.2A CN202080085608A CN114786567A CN 114786567 A CN114786567 A CN 114786567A CN 202080085608 A CN202080085608 A CN 202080085608A CN 114786567 A CN114786567 A CN 114786567A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- sequence data
- individual
- hot flashes
- rate sequence
- 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
- 208000033830 Hot Flashes Diseases 0.000 title claims abstract description 95
- 206010060800 Hot flush Diseases 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005094 computer simulation Methods 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 230000001225 therapeutic effect Effects 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 13
- 230000037007 arousal Effects 0.000 description 9
- 230000007958 sleep Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000000977 initiatory effect Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009245 menopause Effects 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010016334 Feeling hot Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000001667 episodic effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000003821 menstrual periods Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- 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
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
-
- 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
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种在个体中检测潮热的发生的方法,包括:获得针对个体的在预定时间段的心率序列数据,其中心率序列数据基于由个体佩戴的传感器单元检测到的个体的心跳数据,将心率序列数据提供给计算模型组件,其中计算模型组件被构造和被配置为针对其中心率降低至基线范围以下并且然后增加至所述基线范围以上的模式,基于监测心率序列数据,随时间检查心率序列数据,来确定个体正经历潮热的概率,以及在计算模型组件中分析心率序列数据以确定概率。
Description
背景技术
1.技术领域
所公开的概念关于一种用于在个体中检测潮热的发生的系统和方法,并且特别地,关于一种用于基于心率模式在个体中检测潮热的发生的系统和方法。在一个方面,如果潮热被检测到,则针对潮热的治疗措施被自动启动。
2.相关技术的描述
潮热是突然发作的、自发的并且发作性的温暖的感觉,通常在胸部、颈部和面部感觉到,紧接着是出汗的爆发。它们是妇女在围绝经期寻求医疗护理的最常见原因,特别是如果症状损害生活质量。潮热的频率和潮热的严重性可以在过渡到绝经期期间增加,并且通常地在最终月经期后约一年达到峰值。潮热可以持续6个月至几年,并且平均地,它们持续不到5分钟。平均频率从每天十次至每周若干次之间变化。
由于潮热导致在胸部区域发热和出汗,因此可以通过在胸部监测皮肤电反应(GSR)被检测到。然而,用于在胸部处测量GSR的可穿戴传感器是笨重的,因为它们需要用于皮肤附着的粘合剂材料,这随时间而退化并且需要定期维护。
因此,需要一种方便并且低成本的解决方案以支持对妇女的潮热的长期监测。
发明内容
因此,本发明的一个目的是在一个实施例中提供一种在个体中检测潮热的发生的方法,该方法包括获得针对个体的在预定时间段的心率序列数据,其中心率序列数据基于由个体佩戴的传感器单元检测到的个体的心跳数据,将心率序列数据提供给计算模型组件。其中,计算模型组件被构造和被配置为针对其中心率降低至基线范围以下并且然后增加至基线范围以上的模式,基于监测心率序列数据,随时间检查心率序列数据来确定个体正经历潮热的概率;以及在计算模型组件中分析心率序列数据以确定概率。该方法可以进一步包括评估概率以确定潮热是否被指示,并且如果潮热被确定为将由所确定的概率所指示,则使与个体相关联的环境参数控制装置启动针对潮热的治疗措施。此外,确定潮热的发生可以被使用以评估干预策略的有效性,诸如旨在降低潮热事件的可能性或严重性的药物、饮食和生活方式因素。
在另一实施例中,用于在个体中检测潮热的发生的系统被提供。系统包括控制器,该控制器包括计算模型组件,其中计算模型组件被构造和被配置为接收心率序列数据,该心率序列数据基于由个体佩戴的传感器检测到的个体的心跳数据,并且针对其中心率降低至基线范围以下并且然后增加至基线范围以上的模式,基于监测心率序列数据,随时间检查心率序列数据来确定个体正经历潮热的概率。
本发明的这些和其它目的、特征和特性,以及结构的相关元件的操作方法和功能以及制造的经济和零件的组合,将在参考附图考虑以下描述和所附权利要求时变得更加明显,所有附图形成本说明书的一部分,其中相同的附图标记在各个附图中标示相应的部件。然而,应当清楚地理解,附图仅用于说明和描述目的并且不旨在作为对本发明的限制的定义。
附图说明
图1A示出了在睡眠期间发生的潮热事件期间所记录的典型心率模式;
图1B示出了在觉醒期间发生的潮热事件期间所记录的典型心率模式;
图1C示出了在睡眠期间短觉醒期间所记录的典型心率模式;
图1D示出了在睡眠期间长觉醒期间所记录的典型心率模式;
图2是根据所公开概念的一个示例性实施例的、用于在个体中检测潮热的发生并且基于此启动治疗措施的系统的示意图;以及
图3是示出根据所公开概念的一个非限制性示例性实施例的、可佩戴传感器单元的内部组件的框图;
图4是示出根据所公开概念的一个示例性实施例的、用于在个体中检测潮热的发生并且基于此启动治疗措施的方法的流程图;
图5是根据所公开概念的一个备选示例性实施例的、用于在个体中检测潮热的发生并且基于此启动治疗措施的系统的示意图;
图6是根据所公开概念的另一备选示例性实施例的、用于在个体中检测潮热的发生并且基于此启动治疗措施的系统的示意图;
图7示出了可以在所公开概念的一个示例性实现中使用的、与在潮热事件之前和潮热事件之后观察到的典型心率模式相对应的典型的一组的权重值;以及
图8A和8B示出其中模板匹配被采用的、所公开概念的一个示例性实现的操作。
具体实施方式
如本文所使用的,单数形式的“一”、“一个”和“该”包括复数指代,除非上下文另有明确说明。
如本文所使用的,两个或多个部分或部件被“耦合”的表述应该指这些部分被直接地或间接地(即,通过一个或多个中间部分或部件)连接或一起操作,只要发生链接。
如本文所使用的,术语“数目”应该指一个或大于一个的整数(即,多个)。
如本文所使用的,术语“控制器”应该指能够存储、检索、执行和处理数据(例如,由这样的例行程序使用的软件例行程序和/或信息)的多个可编程模拟和/或数字设备(包括相关联的存储器局部或部分),包括但不限于现场可编程门阵列(FPGA)、复杂可编程逻辑设备(CPLD)、芯片上可编程系统(PSOC)、专用集成电路(ASIC)、微处理器、微控制器、可编程逻辑控制器、或任何合适的处理设备或装置。存储器部分可以是内部和/或外部存储介质的各种类型的任何一种或多种,诸如但不限于,RAM、ROM、(多个)EPROM、(多个)EEPROM、FLASH等,并且其提供存储寄存器,即非瞬态机器可读介质,用于诸如以计算机的内部存储区域的方式存储数据和程序代码,并且可以是易失性存储器或非易失性存储器。
如本文所使用的,术语“组件”和“系统”旨在表示计算机相关实体,或硬件、硬件和软件的组合、软件、或执行中的软件。例如,组件可以是但不限于在处理器上运行的处理、处理器、对象、可执行程序、执行线程、程序和/或计算机。作为说明,在服务器上运行的应用和服务器两者都可以是组件。一个或多个组件可以驻留在进程内和/或执行线程内,并且组件可以被定位在一个计算机上和/或被分布在两个或多个计算机之间。
如本文所使用的,术语“深度学习神经网络”将指在输入层和输出层之间具有多个隐藏层的人工神经网络,其确定正确的数学处理(线性或非线性),以通过移动穿过层并且计算每个输出的概率来将输入转变为输出。
如本文所使用的,术语“隐藏层”将指一个或多个神经元的神经网络层,其输出被连接到其他神经元的输入,并且因此作为网络输出是不可见的。
如本文所使用的,术语“递归神经网络”将指人工神经网络的一类,其中在节点之间的连接沿时间序列形成有向图,并且因此允许网络表现出时间动态行为。
本文所使用的方向短语,诸如,例如但不限于顶部、底部、左、右、上、下、前、后及其派生词,涉及附图中示出的元件的方向,并且不限制权利要求,除非在其中明确陈述。
所公开的概念源于如下原始认识:对潮热事件之前的心率的时间进程(如利用诸如但不限于心电图(ECG或EKG)传感器或光电容积描记器(PPG)传感器的设备所测量的)与睡眠期间观察到的唤醒的其它类型的时间进程基本上不同。更具体地,图1A示出了在睡眠期间发生的潮热事件期间所记录的典型心率模式,图1B示出了在觉醒期间(例如白天)发生的潮热事件期间所记录的典型心率模式,图1C示出了在睡眠期间的短觉醒期间(由于非潮热唤醒)所记录的典型心率模式,并且图1D示出了在睡眠期间的长觉醒期间(由于非潮热唤醒)所记录的典型心率模式。在每个图中的竖直线标识时间序列内的每个事件的开始时间。如图1A和图1B所示,在潮热事件期间得出的心率测量示出了在潮热事件之前从基线下降至少第一大小(例如,在事件之前2分钟内每分钟4次),随后在事件期间在基线之上快速增加至少第二大小(例如,每分钟8次)。相反,如图1C和图1D所示,非潮热唤醒在事件之前没有示出任何从基线的心率下降,而是示出相反的心率趋势,即在事件期间心率上升之后的心率下降。这表明与基于由传感器(诸如PPG或ECG传感器)所测量的心率的时间进程的非潮热事件相比,有可能区分在睡眠期间发生的与潮热事件相关的那些心率增加。
所公开的概念,如本文在各种特定示例性实施例中更详细地描述的,因此提供了一种方法,该方法使用诸如PPG或ECG传感器的传感器所捕获的心率数据来自动检测潮热事件,以用于长期监测受这种绝经相关状况影响的妇女,传感器被结合在诸如手表、耳内设备、胸带或贴片的可穿戴设备中。心率测量可以在白天和夜晚期间连续地被进行,以检测潮热发作并且激活治疗措施以减轻症状。结果,用户将不再遭受由于潮热引起的觉醒,并且睡眠质量将改善。
如本文中结合各种特定示范性实施例更详细地描述,所公开的概念包括以下步骤。首先,使用如上所述的可穿戴传感器来监测心脏活动,可穿戴传感器具有很高的不引人注目性,这是针对方便长期使用所必需的特征。这包括心跳的检测和来自可穿戴设备信号波形的心率数据的计算。接下来,在特定时间段(例如,4分钟)定义心率值序列。然后,在序列的初始周期(例如,前10秒)中确定平均心率。然后将序列中的心率值归一化,例如通过从每个值中减去所确定的平均心率。然后使用计算模型(诸如但不限于,递归神经网络、密集神经元层、或包含关于潮热事件之前的时间心率发展的信息的滤波器)来处理归一化心率值的序列,以确定潮热事件发生的概率。最后,通过处理和阈值化似然值/概率值的序列来做出在潮热或非潮热事件之间的二元判定。如果确定将发生潮热,则可以自动启动治疗缓解步骤。附加地,或备选地,跟踪潮热事件的记录可以被修改以便提供发生的客观指示。考虑到在晚上事件可能由于睡眠而被忘记在回忆日志中,这特别令人感兴趣。结果,随时间的事件的记录可被使用以观察趋势和管理状况。
图2是根据所公开概念的一个示例性实施例的、用于在个体中检测潮热的发生并且基于该潮热启动治疗措施的系统2的示意图。如图2所示,系统2包括多个组件,多个组件包括可佩戴传感器单元4、接近可佩戴传感器单元4并且与可佩戴传感器单元4电子通信的计算设备6、网络8、包括计算模型组件12的中央计算机系统10、以及环境参数控制装置14。这些组件中的每个组件在下面被详细描述。如图2所示,计算设备6、中央计算机系统10和环境参数控制装置14都与网络8进行电子通信,以便于如本文所述的系统2的操作。此外,虽然在所示出的示例性实施例中,计算模型组件12驻留在“云”中,但是应当理解,计算模型组件12也可以在诸如PC的计算设备上在本地被实现。
可佩戴传感器单元4被构造和被配置为由待监测的个体所佩戴。图3是示出根据一个非限制性示例性实施例的、可佩戴传感器单元4的内部组件的框图。示例性可佩戴传感器单元4包括心跳传感器16,其被构造和被配置为生成表示针对佩戴可佩戴传感器单元4的个体的废弃的心跳的数据(即,心跳数据)。在示例性实施例中,心跳传感器16是PPG传感器或ECG传感器(例如,1至12导联),但是应当理解,在所公开的概念的范围内也可以采用其他类型的心脏参数传感器。例如但不限于,心跳传感器16也可以是心冲击描记器的传感器,诸如测量身体运动和由于心跳引起的胸部颤动(例如,位于胸部以测量心跳数据的加速度计)。
可佩戴传感器单元4进一步包括控制器18,该控制器18被耦合以接收心跳传感器16的输出,并且在非限制性示例性实施例中,该控制器18被构造和被配置为确定如本文所述的心率和心率序列数据。最后,可佩戴传感器单元4包括短距离无线通信模块20,该短距离无线通信模块20被构造和被配置为使可佩戴传感器单元4能够通过短距离无线网络与计算设备6通信。短距离无线通信模块20可以是,例如但不限于,WiFi模块、模块、ZigBee模块、IEEE802.15.4模块或提供兼容通信能力的任何其他合适的短距离无线通信模块。
再次参考图2,在示例性实施例中,计算设备6可以是,例如但不限于,智能电话、平板PC、膝上型计算机、或其它计算设备。计算设备6也可以是非便携式计算设备,诸如台式PC。计算设备6被构造成能够通过如上所述的短距离无线网络与可佩戴传感器单元4无线通信。此外,计算设备6被构造和被配置为能够通过有线或无线连接与网络8通信。在示例性实施例中,计算设备6存储并且实现软件应用(例如,web/移动app),该软件应用允许计算设备6如本文所述地收集和发送数据。
网络8可以是,例如,因特网、一个或多个专用通信网络或其任何组合。如本文所使用的,术语“通信网络”应明确地包括但不限于任何局域网(LAN)、广域网(WAN)、内联网、外联网、全球通信网络、因特网和/或无线通信网络。优选地,本文描述的至网络8的有线和/或无线连接是安全的(例如,以加密的虚拟专用网络的形式)。
中央计算机系统10包括具有计算设备和一个或多个用于数据存储的存储器组件(例如控制器)的任何合适的处理或计算系统,诸如但不限于,一个或多个PC或服务器计算机。如图10所示,中央计算机系统10容纳并且实现用于处理由中央计算机系统10接收的数据的计算模型组件12,如本文所述。更具体地,中央计算机系统10已经在其中存储了多个例行程序,这些例行程序可以由控制器执行并且实现(通过存储在有形介质上的计算机/处理器可执行指令)如本文描述的计算模型组件12的至少一个实施例。计算模型组件12可以是,例如但不限于,模板匹配系统或人工智能系统,诸如包括递归神经网络或人工神经元的密集层的深度学习神经网络。在计算模型组件12包括人工智能系统的情况下,所公开的概念设想将使用特定训练心率数据来训练和测试这样的人工智能系统,以能够基于接收到的心率数据在前进的基础(go forward basis)上评估出现潮热的概率。特别地,如本文更详细描述的,这样的基于人工智能的系统将被训练以检查在(从心跳数据确定的)心率数据中的时间变化,以便从该数据确定个体正经历潮热事件的概率。
环境参数控制装置14是与个体佩戴的可佩戴传感器单元4所在的位置(诸如家庭、医院或护理设施)相关联的设备。环境参数控制装置14被构造和被配置为当如本文所述检测到潮热时实现治疗措施(例如,温度变化),并且可以是,例如但不限于,计算机控制的HVAC系统、冷却毯或水冷式冷却系统。示例性环境参数控制装置14包括控制器,该控制器被构造和被配置为接收和实现由计算设备6发送的命令。
图4是示出根据所公开概念的示例性实施例的、在个体中检测潮热的发生并且基于此启动治疗措施的方法的流程图。在所示的示例性实施例中,图4的方法由图2的系统2实现。方法开始于步骤100处,其中可佩戴传感器单元4从佩戴可佩戴传感器单元4的个体提取原始心跳数据。如本文别处所述,在示例性实施例中,可佩戴传感器单元4采用心跳传感器16用于此目的。此外,在示例性实施例中,心跳数据包括标识由心跳传感器16检测到的RR间隔的数据,并且可以是ECGQRS波形数据或PPG脉搏波数据的形式。接下来,在步骤105处,可佩戴传感器单元4的控制器18从针对特定时段(例如,四分钟)的原始心跳数据计算心率数据,以创建原始心率序列(包括多个原始心率值)。然后,在步骤110处,控制器18从原始心率序列生成针对时间段的归一化心率序列。在示例性实施例中,通过确定序列的初始周期(例如前10秒)期间的平均心率,归一化心率序列被生成。然后,通过从序列中的每个心率值中减去经计算的平均心率值,序列中的心率值被归一化。然而,应当理解,这种归一化的方法仅指为示范性的,并且在所公开的概念的范围内归一化数据的其它方法被设想。例如,其他归一化技术可以包括应用标准缩放或最小-最大缩放以实现类似的结果。
接下来,可穿戴传感器单元4将归一化的心率序列数据传输至计算设备6。在示例性实施例中,这通过可佩戴传感器单元4的短距离无线通信模块20无线地完成。然而,应当理解,传送这种数据的其它方法也是可能的。计算设备6然后通过网络8将归一化的心率序列数据传送到中央计算机系统10。接下来,在步骤115处,归一化的心率序列数据被中央计算机系统10的计算模型组件12处理,以便确定心率序列数据指示实际潮热事件的可能性或概率。如本文别处所讨论的,计算模型组件12可以以多种不同的备选示例性方式被实现,其中的几种在本文中被详细讨论。
接下来,在步骤120处,确定所确定的概率或可能性是否大于某个预定阈值。如果在步骤120处的回答为“是”,则该方法进行至步骤125,其中确定先前是否有任何治疗措施已经被激活了。如果答案为“是”,则该方法返回到步骤100。然而,如果在步骤125处的答案为“否”,则该方法进行到步骤130。在步骤130处,中央计算机系统10采取步骤以使治疗措施被激活。特别地,在示例性实施例中,中央计算机系统10生成一个或多个控制信号,这些控制信号通过网络8被传输至计算设备6并且然后被传输至环境参数控制装置14,该环境参数控制装置14使得环境参数控制装置14针对检测到的潮热启动特定治疗措施。例如,如果环境参数控制装置14是HVAC系统,则将使其降低个体当前位置的温度以冷却个体。备选地,如果环境参数控制装置14是诸如冷却毯或水冷系统(例如水冷床)的设备,则该设备将被激活以降低个体的温度。然后该方法返回到步骤100。然而,如果在步骤120处的答案为“否”,则该方法进行到步骤135,而不是进行到步骤125。在步骤135处,确定先前是否有治疗措施被激活。如果答案为“否”,则方法进行到步骤100。然而,如果在步骤135处的回答为“是”,则该方法前进到步骤140,其中先前被激活的治疗措施由中央控制系统10被解除激活(通过适当的命令信号),因为它们不再被需要。然后该方法返回到步骤100。
因此,图2的系统2和图4所示和刚才描述的方法提供了自动机制,该自动机制通过监测针对在指示潮热的心率中的时间趋势来检测潮热的发生。在检测到潮热时,该机制启动用于减轻检测到的潮热的影响的治疗措施。
虽然如上所述的图4中所示的系统2和方法提供了所公开概念的一个示例性实现,但是应当理解,在所公开概念的范围内可以设想其备选。例如,虽然所描述的方法包括通过可佩戴传感器单元4的原始心率序列数据和归一化的心率序列的计算,但是应当理解,这些步骤可以由系统2的其他组件来被执行,诸如,例如计算设备6或中央计算机系统10。一旦这样的步骤被执行,归一化的心率序列数据然后可以由计算模型组件12来被处理,如本文所讨论的。
还可以有进一步备选。例如,图5示出了类似于系统2的备选的系统2',除了不是具有驻留在中央计算机系统10中并且由中央计算机系统10实现的计算模型组件12,而是驻留在计算设备6中并且由计算设备6实现,使得处理可以在计算设备6中在本地被完成。在该示例中,计算设备6发出命令以根据保证控制环境参数控制装置14。作为另一示例,图6示出了类似于系统2和2'的进一步备选系统2”,除了不具有驻留在中央计算机系统10或计算设备6中并且由中央计算机系统10或计算设备6实现的计算模型组件12,而是驻留在可穿戴传感器单元4的控制器18中并且由可穿戴传感器单元4的控制器18实现,使得处理可以在可穿戴传感器单元4中本地被完成。在该示例中,可佩戴传感器单元4发出命令(通过短距离无线通信模块20无线地)以根据保证控制环境参数控制装置14。
在一个特定示例性实施例中,计算模型组件12(无论其驻留在何处)被构造和被配置为实现模板匹配方法。在一个特定的实现中,模板匹配方法包括将输入心率序列(例如,归一化的心率序列数据)与权重(w[i])的模板相乘,该权重的模板描述在潮热事件期间可能的心率模式,如本文别处所描述的。图7示出了具有与在潮热事件之前和潮热事件之后观察到的典型心率模式相对应的值的典型的一组的权重。根据下述等式:
输入心率模式(长度Ni的HR[i])和潮热模式(长度Ni的w[i])之间的一致性水平被MHFL(在潮热模板和心率序列之间的匹配值)定义。在计算描述心率序列(例如,本文所述的归一化的心率序列)与典型潮热心率模式之间的一致性水平的MHFL之后,后处理算法可以被使用以锐化潮热事件的开始时刻的标识。已经观察到,当PHFL(潮热事件的概率)值超过特定阈值时,由模板匹配函数输出的匹配值(MHFL)的微分的20秒(Nw=20)上的标准差可以被使用以标识潮热事件。在示例性实施例中,PHFL根据以下等式被确定:
图8A和图8B示出了PHFL值在围绕潮热事件的240秒序列与在训练数据集中整个夜晚期间测量的序列的分布。可以看出PHFL随潮热事件而增加。同时,图8A和图8B示出了通过对PHFL值进行阈值处理,可以实现如ROC曲线下的区域所指示的针对夜间潮热检测的高精度,其很大程度上高于随机概率(黑色对角线)。
在一个备选的实施例中,计算模型组件12可以是人造神经元的一个或多个密集层,而不是如刚刚描述的测量在序列和预定义的模板之间的一致性,其中应用于输入心率值的权重可以根据以下基于在密集层中的每个节点的激活函数的和来产生潮热(PHFL)的可能性:
PHFL=∑j:0...Nj(A[j]x(∑i:0...Ni(w[i,j]XHR[i]))),
其中A[j]是在密集层(Nj=240个节点)中的每个j-节点的激活函数(例如,修正线性、分对数等),w[i,j]是用于将在输入层中的值调制到j-节点的权重的值,以及HR[i]表示在输入层中的i-位置处的值,其是整个心率段的大小(Ni=240输入节点:HR/sec×60sec/min×4min)。来自在密集层中的处理节点的输出的总和可以被增进到一些其它密集层中或被用作输出以描述与给定HR[i]输入的潮热的概率成比例的值。
在另一备选实施例中,HR[i]输入序列可以使用诸如递归神经网络(长短期记忆层、gru等)的深度学习神经网络/算法来被处理。神经网络层的这种类型被特别地指示以发现在输入数据中的特殊时间模式以表示输出值,诸如潮热事件的概率。
作为另一备选实施例,针对潮热事件期间的时间进程与非潮热相关的唤醒和觉醒不同的其他生命体征(呼吸率、血压、PPG波形、体温)也可以通过可穿戴传感器单元4(配备有一个或多个适当的传感器)被捕获,并且除了心率之外还用于可靠地检测潮热事件开始。
在权利要求中,置于括号之间的任何附图标记不应被解释为限制权利要求。词语“包括”或“包含”不排除权利要求中所列出的元件或步骤之外的元件或步骤的存在。在列举了多个方法的设备权利要求中,这些方法中的几个方法可以由同一项硬件项目来实现。元件之前的词语“一”或“一个”不排除多个这种元件的存在。在在任何设备权利要求中列举几个方法,这些方法中的几个方法可以由硬件的同一个项目来被实现。在相互不同的从属权利要求中列举特定元件的事实并不表示这些元件不能组合使用。
尽管基于当前被认为是最实用和优选的实施例出于说明的目的已经详细描述了本发明,但是应当理解这样的细节仅用于该目的,并且本发明不限于所公开的实施例,但是正相反,旨在覆盖在所附权利要求的精神和范围内的修改和等同布置。例如,应当理解本发明预期在可能的程度上,任何实施例的一个或多个特征可以与任何其他实施例的一个或多个特征被组合。
Claims (34)
1.一种在个体中检测潮热的发生的方法,包括:
获得针对所述个体的在预定时间段的心率序列数据,其中所述心率序列数据基于由所述个体佩戴的传感器单元检测到的所述个体的心跳数据;
将所述心率序列数据提供给计算模型组件,其中所述计算模型组件被构造和被配置为针对其中心率降低至基线范围以下并且然后增加至所述基线范围以上的模式,基于监测所述心率序列数据,随时间检查所述心率序列数据来确定所述个体正经历潮热的概率;以及
在所述计算模型组件中分析所述心率序列数据以确定所述概率。
2.根据权利要求1所述的方法,进一步包括评估所确定的所述概率以确定潮热是否被指示,并且如果潮热被确定为将由所确定的所述概率所指示,则使与所述个体相关联的环境参数控制装置启动针对所述潮热的治疗措施。
3.根据权利要求1所述的方法,进一步包括评估所确定的所述概率以确定潮热是否被指示,并且如果潮热被确定为将由所确定的所述概率所指示,存储所指示的所述潮热的记录。
4.根据权利要求1所述的方法,其中在所述模式中,心率降低至所述基线范围以下至少第一大小,然后增加至所述基线范围以上至少第二大小,所述第二大小大于所述第一大小。
5.根据权利要求4所述的方法,其中在所述模式中,在心率增加至所述基线范围以上至少所述第二大小之前,在特定受限时间段内心率降低至所述基线范围以下至少所述第一大小。
6.根据权利要求1所述的方法,其中所述评估所确定的所述概率以确定潮热是否被指示包括:确定所述概率是否高于阈值。
7.根据权利要求1所述的方法,其中所述心率序列数据是归一化心率序列数据,所述归一化心率序列数据从基于由所述传感器单元检测到的所述个体的所述心跳数据的原始心率序列数据被生成。
8.根据权利要求7所述的方法,其中所述原始心率序列数据包括心率值的序列,并且其中所述归一化心率序列数据通过如下被生成:确定针对所述序列的初始时段的所述心率值中的平均值,并且然后从所述序列的所述心率值中减去所述平均值。
9.根据权利要求1所述的方法,其中所述传感器单元包括用于生成所述心跳数据的以下中的至少一项:PPG传感器、ECG传感器或加速度计。
10.根据权利要求1所述的方法,其中所述计算模型组件针对所述模式采用模板匹配方法,以基于监测所述心率序列数据来确定所述个体正经历潮热的所述概率。
11.根据权利要求10所述的方法,其中所述模板匹配方法包括通过将所述心率序列数据与描述所述模式的权重的模板相乘来确定匹配值。
12.根据权利要求11所述的方法,其中所述模板匹配方法包括当概率值超过特定阈值时,使用所述匹配值的微分的标准差以标识潮热事件。
13.根据权利要求1所述的方法,其中所述计算模型组件针对所述模式采用人造神经元的密集层,以基于监测所述心率序列数据来确定所述个体正经历潮热的所述概率。
14.根据权利要求13所述的方法,其中在所述密集层中的每个节点具有激活函数,并且其中权重基于在所述密集层中的每个节点的所述激活函数的和,而被应用于心率序列数据以产生潮热的可能性。
15.根据权利要求1所述的方法,其中所述计算模型组件针对所述模式采用深度学习神经网络,以用于基于监测所述心率序列数据来确定所述个体正经历潮热的所述概率。
16.根据权利要求15所述的方法,其中所述深度学习神经网络包括递归神经网络。
17.根据权利要求1所述的方法,其中所述计算模型驻留在与所述传感器单元分开定位的计算设备内。
18.根据权利要求1所述的方法,其中所述计算模型驻留在所述传感器单元内。
19.根据权利要求1所述的方法,其中所述环境参数控制装置是HVAC系统、冷却毯和水冷式冷却系统中的一项。
20.一种计算机程序产品,包括非瞬态计算机可用介质,所述非瞬态计算机可用介质具有在其中实现的计算机可读程序代码,所述计算机可读程序代码被适于并且被配置为被执行以实现根据权利要求1所述的检测潮热的发生的方法。
21.一种用于在个体中检测潮热的发生的装置,包括:
包括计算模型组件的控制器,其中所述计算模型组件被构造且被配置为接收心率序列数据,所述心率序列数据基于由所述个体佩戴的传感器检测到的所述个体的心跳数据,并且所述计算模型组件被构造且被配置为针对其中心率降低至基线范围以下并且然后增加至所述基线范围以上的模式,基于监测所述心率序列数据,随时间检查所述心率序列数据来确定所述个体正经历潮热的概率。
22.根据权利要求21所述的装置,其中所述控制器被构造和被配置为评估所确定的所述概率以确定潮热是否被指示,并且如果潮热被确定为将要被所确定的所述概率所指示,则使与所述个体相关联的环境参数控制装置启动针对所述潮热的治疗措施。
23.根据权利要求21所述的装置,其中在所述模式中,心率降低至所述基线范围以下至少第一大小,然后增加至所述基线范围以上至少第二大小,所述第二大小大于所述第一大小。
24.根据权利要求21所述的装置,其中所述心率序列数据是归一化心率序列数据,所述归一化心率序列数据从原始心率序列数据被生成,所述原始心率序列数据基于由所述传感器单元检测到的所述个体的所述心跳数据。
25.根据权利要求24所述的装置,其中所述原始心率序列数据包括心率值的序列,并且其中所述归一化心率序列数据通过如下被生成:确定针对所述序列的初始时段的所述心率值中的平均值,并且然后从所述序列的所述心率值中减去所述平均值。
26.根据权利要求21所述的装置,其中所述计算模型组件针对所述模式采用模板匹配方法,以基于监测所述心率序列数据来确定所述个体正经历潮热的所述概率。
27.根据权利要求26所述的装置,其中所述模板匹配方法包括通过将所述心率序列数据与描述所述模式的权重的模板相乘来确定匹配值。
28.根据权利要求27所述的装置,其中所述模板匹配方法包括当概率值超过特定阈值时,使用所述匹配值的微分的标准差以标识潮热事件。
29.根据权利要求21所述的装置,其中所述计算模型组件针对所述模式采用人造神经元的密集层,以基于监测所述心率序列数据来确定所述个体正经历潮热的所述概率。
30.根据权利要求29所述的装置,其中在所述密集层中的每个节点具有激活函数,并且其中权重基于在所述密集层中的每个节点的所述激活函数的和,而被应用于心率序列数据以产生潮热的可能性。
31.根据权利要求21所述的装置,其中所述计算模型组件针对所述模式采用深度学习神经网络,以基于监测所述心率序列数据来确定所述个体正经历潮热的所述概率。
32.根据权利要求31所述的装置,其中所述深度学习神经网络包括递归神经网络。
33.根据权利要求21所述的装置,其中所述传感器是被构造成由所述个体佩戴的可佩戴传感器单元的一部分,并且所述控制器驻留在与所述可佩戴传感器单元分开定位的计算设备内。
34.根据权利要求21所述的装置,其中所述控制器和所述传感器是被构造成由所述个体佩戴的可佩戴传感器单元的一部分。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962945918P | 2019-12-10 | 2019-12-10 | |
US62/945,918 | 2019-12-10 | ||
PCT/EP2020/084349 WO2021115890A1 (en) | 2019-12-10 | 2020-12-03 | System and method for detecting hot flashes based on heart rate patterns |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114786567A true CN114786567A (zh) | 2022-07-22 |
Family
ID=73740373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080085608.2A Pending CN114786567A (zh) | 2019-12-10 | 2020-12-03 | 用于检测基于心率模式的潮热的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210169343A1 (zh) |
EP (1) | EP4072404A1 (zh) |
JP (1) | JP2023505335A (zh) |
CN (1) | CN114786567A (zh) |
WO (1) | WO2021115890A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8306610B2 (en) * | 2006-04-18 | 2012-11-06 | Susan Mirow | Method and apparatus for analysis of psychiatric and physical conditions |
US9320448B2 (en) * | 2008-04-18 | 2016-04-26 | Pacesetter, Inc. | Systems and methods for improved atrial fibrillation (AF) monitoring |
US20160279381A1 (en) * | 2015-03-23 | 2016-09-29 | Adam Jude Ahne | Night terror lamp |
US11804301B2 (en) * | 2018-07-06 | 2023-10-31 | Sri International | Systems and methods involving predictive modeling of hot flashes |
-
2020
- 2020-12-03 WO PCT/EP2020/084349 patent/WO2021115890A1/en unknown
- 2020-12-03 CN CN202080085608.2A patent/CN114786567A/zh active Pending
- 2020-12-03 EP EP20820356.2A patent/EP4072404A1/en active Pending
- 2020-12-03 JP JP2022534466A patent/JP2023505335A/ja active Pending
- 2020-12-09 US US17/115,864 patent/US20210169343A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021115890A1 (en) | 2021-06-17 |
US20210169343A1 (en) | 2021-06-10 |
JP2023505335A (ja) | 2023-02-08 |
EP4072404A1 (en) | 2022-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2944251B1 (en) | Method, apparatus and computer-readable medium for confidence level determination of ambulatory hr algorithm based on a three-way rhythm classifier | |
CN108024717B (zh) | 确定室性期前收缩(pvc)类型和负荷的系统和方法 | |
US8795173B2 (en) | Methods and apparatus for assessment of atypical brain activity | |
JP7376265B2 (ja) | ほてりの予測モデリングを含むシステム及び方法 | |
AU2017363283B2 (en) | System and method for biometric identification using sleep physiology | |
US20160135703A1 (en) | Patient Signal Analysis Based on Vector Analysis | |
WO2018057667A1 (en) | Systems and methods for detecting corrupt or inaccurate sensory representations | |
Boateng et al. | StressAware: An app for real-time stress monitoring on the amulet wearable platform | |
CA2991001C (en) | Method and system for predicting of acute hypotensive episodes | |
WO2022166685A1 (zh) | 用于植入式电刺激装置的自响应检测参数优化方法及系统 | |
KR102319502B1 (ko) | 웨어러블 수면 모니터링 시스템 및 그 제어방법 | |
Vanitha et al. | Hierarchical SVM to detect mental stress in human beings using Heart Rate Variability | |
US11813077B2 (en) | Arrhythmic heartbeat resilient sleep apnea detection | |
US20240099665A1 (en) | Electrocardiogram data processing server, electrocardiogram data processing method of extracting analysis required section while segmenting electrocardiogram signal into signal segments with variable window sizes, and computer program | |
CN113226175A (zh) | 用于检测患者中风的设备和方法 | |
US20210169343A1 (en) | System and method for detecting hot flashes based on heart rate patterns | |
US10004446B2 (en) | Parametric seizure detection | |
RU2739204C1 (ru) | Устройство и способы мониторинга прогрессирования потери поля зрения пользователя | |
KR102488616B1 (ko) | 심장의 동적 특성을 이용한 감성 인식 방법 및 시스템 | |
US20190046123A1 (en) | Method for determining the degree of activation of the trigeminovascular system | |
Chen et al. | Study of using Fourier transform to capture the ECG signals between awakeness and dozing | |
US20220361808A1 (en) | Sleep-wakefulness determination device and program | |
KR102645586B1 (ko) | 생체신호를 이용한 수면 호흡 상태 분류 장치 및 방법 | |
US20230012526A1 (en) | System and a method for predicting time of ovulation | |
Boateng | StressAware: App for continuously measuring and monitoring stress levels in real time on the amulet wearable device |
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 |