CN115299893B - 自诊断设备、程控系统及计算机可读存储介质 - Google Patents
自诊断设备、程控系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115299893B CN115299893B CN202210939974.0A CN202210939974A CN115299893B CN 115299893 B CN115299893 B CN 115299893B CN 202210939974 A CN202210939974 A CN 202210939974A CN 115299893 B CN115299893 B CN 115299893B
- Authority
- CN
- China
- Prior art keywords
- patient
- stimulator
- self
- measurement data
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 125
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 230000036541 health Effects 0.000 claims abstract description 57
- 238000003745 diagnosis Methods 0.000 claims abstract description 39
- 238000012806 monitoring device Methods 0.000 claims abstract description 18
- 230000000638 stimulation Effects 0.000 claims description 92
- 238000012549 training Methods 0.000 claims description 70
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000013136 deep learning model Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 13
- 230000036461 convulsion Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 230000003183 myoelectrical effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 210000005036 nerve Anatomy 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 206010010904 Convulsion Diseases 0.000 description 3
- 208000002193 Pain Diseases 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000037406 food intake Effects 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 230000007383 nerve stimulation Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000036407 pain Effects 0.000 description 3
- 208000020016 psychiatric disease Diseases 0.000 description 3
- 210000000278 spinal cord Anatomy 0.000 description 3
- 208000034048 Asymptomatic disease Diseases 0.000 description 2
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 2
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 210000005013 brain tissue Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 206010013663 drug dependence Diseases 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001037 epileptic effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 208000024714 major depressive disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 208000011117 substance-related disease Diseases 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 206010012335 Dependence Diseases 0.000 description 1
- 208000023105 Huntington disease Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000008238 Muscle Spasticity Diseases 0.000 description 1
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 201000006517 essential tremor Diseases 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 208000028173 post-traumatic stress disease Diseases 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 208000018198 spasticity Diseases 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000001515 vagal effect Effects 0.000 description 1
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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
-
- 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
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- 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
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/389—Electromyography [EMG]
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/025—Digital circuitry features of electrotherapy devices, e.g. memory, clocks, processors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/08—Arrangements or circuits for monitoring, protecting, controlling or indicating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/3606—Implantable neurostimulators for stimulating central or peripheral nerve system adapted for a particular treatment
- A61N1/36067—Movement disorders, e.g. tremor or Parkinson disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/36128—Control systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/372—Arrangements in connection with the implantation of stimulators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/372—Arrangements in connection with the implantation of stimulators
- A61N1/375—Constructional arrangements, e.g. casings
- A61N1/37514—Brain implants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/08—Measuring resistance by measuring both voltage and current
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Neurology (AREA)
- General Physics & Mathematics (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Psychiatry (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Epidemiology (AREA)
Abstract
本申请提供了自诊断设备、程控系统及计算机可读存储介质。自诊断设备被配置成:当患者满足预设监测条件时,利用健康监测设备获取患者的健康监测参数的第一测量数据;分别检测每个健康监测参数的第一测量数据是否处于自身对应的预设范围;当检测到至少一个健康监测参数的第一测量数据不处于自身对应的预设范围时,获取历史测量数据;基于最近N次的历史配置信息获取实际配置信息;利用健康监测设备获取患者的健康监测参数的第二测量数据;基于历史测量数据和第二测量数据,检测刺激器是否有故障发生,以得到故障诊断结果。通过自诊断设备,使患者第一时间获取刺激器的故障结果。
Description
技术领域
本申请涉及植入式医疗设备的技术领域,尤其涉及自诊断设备、程控系统及计算机可读存储介质。
背景技术
在植入式医疗设备的技术领域,通过程控器建立与患者端的IPG(植入式脉冲发生器,Implantable Pulse Generator)之间的程控连接,医生通过程控器调整 IPG的配置信息,以实现对IPG的刺激参数的调整。
现有技术中,一般是在医生通过程控器调整IPG的配置信息时,或刺激器向患者体内组织递送电刺激时,对IPG进行检查。
例如,专利CN113426009A公开了一种基于DBS技术的帕金森病治疗装置及其应用方法,方法包括:进行电刺激治疗时,电极刺激信号通过延伸导线传输至转接模组,随后依次导入至信号检测模组进行检测信号,随后通过信号判断模组对比信号是否正确,信号正确时则设备运行正常,信号异常时设备运行异常;在异常运行时,运行检测模组检测到主芯片和主电源停机或损坏,通过信号判断模组判断异常,以使患者联系医院对IPG神经刺激器进行维修或更换。该专利在电刺激治疗时基于电极刺激信号本身去检测刺激器是否发生故障,未考虑患者本身的情况。
基于此,本申请提供了自诊断设备、程控系统及计算机可读存储介质,以解决上述现有技术中存在的问题。
发明内容
本申请的目的在于提供自诊断设备、程控系统及计算机可读存储介质,基于患者的第一测量数据,通过历史测量数据和第二测量数据检测刺激器是否有故障发生。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种自诊断设备,所述自诊断设备用于对植入患者体内的刺激器进行故障自诊断,所述自诊断设备被配置成:
当患者满足预设监测条件时,利用健康监测设备获取患者的健康监测参数的第一测量数据;
分别检测每个所述健康监测参数的第一测量数据是否处于自身对应的预设范围;
当检测到至少一个所述健康监测参数的第一测量数据不处于自身对应的预设范围时,获取所述刺激器最近N次的历史配置信息及其对应的患者的健康监测参数的历史测量数据;
基于最近N次的所述历史配置信息获取实际配置信息,以使所述刺激器向所述患者的体内组织递送所述实际配置信息相应的电刺激,所述实际配置信息用于指示所述刺激器的每个刺激参数的实际参数值;
利用所述健康监测设备获取所述患者的健康监测参数的第二测量数据;
基于所述历史测量数据和所述第二测量数据,检测所述刺激器是否有故障发生,以得到故障诊断结果;
其中,所述第一测量数据包括以下至少一种:心率数据、脉搏数据、肌电数据和脑电数据;
所述历史配置信息包括至少一个刺激参数标识以及每个刺激参数标识对应的历史参数值,N是正整数;
所述预设监测条件包括以下至少一种:当前时刻到达预设的监测时刻;检测到所述患者发生摔倒、掉落、抽搐、自残或者吸食事件。
该技术方案的有益效果在于,只有在患者满足预设监测条件时才会获取患者的第一测量数据,当至少一个健康监测参数的测量数据不处于自身对应的预设范围时才会获取刺激器的历史配置信息及历史测量数据,并获取患者的第二测量数据,基于历史测量数据和第二测量数据检测刺激器的故障情况,得到有刺激器的故障诊断结果。一方面,当N取1时,选取刺激器的最近一次的历史配置信息及其对应的患者的健康监测参数的历史测量数据,一般而言,最近一次的历史配置信息最能反应近期患者的状态,可以在满足对患者体内提供电刺激的前提下减少数据运算量,智能化程度较高;另一方面,当N取1以外的正整数时,可以合理利用多个历史配置信息,避免个别历史配置信息的波动造成对患者体内组织递送的电刺激的偏差,提高获取的第二测量数据的客观性;又一方面,只有在满足预设监测条件时才会通过健康监测设备获取患者的健康监测参数的第一测量数据,避免健康监测设备长时间使用使患者带来的不适,也降低了健康监测设备的能耗,提高了患者的使用体验;又一方面,只有至少一个第一测量数据不处于自身对应的预设范围时才会通过刺激器向患者体内组织递送电刺激,避免患者在无意间发生摔倒、掉落、抽搐、自残或者吸食事件后,还需要患者人为判断是否需要对刺激器进行故障诊断,患者只需配合医生和刺激器配置进行治疗,更人性化;又一方面,通过预设监测条件的判断,能够第一时间发现刺激器的故障,以厘清刺激器的故障原因是刺激器本身还是患者使用原因,从根本上消除了影响医患关系的可能性,提高了医患关系的融洽程度。
综上,提供了一种自诊断设备,区别于现有的在(医生)通过刺激器对患者进行治疗时才会根据电刺激治疗的反馈判断IPG是否有故障,基于历史测量数据和患者的第二测量数据得到故障诊断结果,提高了用户的使用体验和医患关系。
在一些可选的实施例中,所述自诊断设备被配置成采用以下方式得到故障诊断结果:
将所述历史测量数据和所述第二测量数据输入至相似度模型,以得到所述历史测量数据和所述第二测量数据之间的相似度;
当所述相似度不小于预设相似度阈值时,确定所述故障诊断结果是所述刺激器没有发生故障;
当所述相似度小于所述预设相似度阈值时,确定所述故障诊断结果是所述刺激器发生故障;
其中,所述相似度模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个训练数据,每个所述训练数据包括第一样本对象、第二样本对象以及所述第一样本对象和所述第二样本对象的相似度;
针对所述第一训练集中的每个训练数据,执行以下处理:将所述训练数据中的第一样本对象和第二样本对象输入预设的第一深度学习模型,以得到所述第一样本对象和所述第二样本对象的预测相似度;
基于所述第一样本对象和所述第二样本对象的预测相似度,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;若是,则将训练出的深度学习模型作为所述相似度模型;若否,则利用下一个所述训练数据继续训练所述第一深度学习模型。
该技术方案的有益效果在于,相似度模型可以由大量的训练数据训练得到,能够针对不同的输入数据(即历史测量数据和第二测量数据)预测得到相应的输出数据(即历史测量数据和第二测量数据之间的相似度),适用范围广,智能化水平高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第一深度学习模型,通过该预设的第一深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的相似度模型,可以基于每个历史测量数据和第二测量数据之间的相似度分别获取二者之间的相似度,且计算结果准确性高、可靠性高。
在一些可选的实施例中,在所述故障诊断结果是所述刺激器有故障发生时,所述自诊断设备还被配置成:
利用报警装置发出报警信号,所述报警装置包括声音报警装置、闪光报警装置或声光报警装置中的至少一种。
该技术方案的有益效果在于,针对例如是部分患者年龄较大或者患有精神类疾病的情况,通过报警装置进行报警,可以引起患者周边人员的注意力,使患者或患者监护人能第一时间获知诊断结果,以及时寻求专业人士(医生或刺激器的提供商)帮助。
在一些可选的实施例中,所述刺激器包括IPG和至少一个电极导线;
所述自诊断设备被配置成采用以下方式确定所述刺激器的故障诊断结果:
分别检测每个所述电极导线的阻抗数据是否处于自身对应的预设范围;
当检测到至少一个所述电极导线的阻抗数据不处于自身对应的预设范围时,确定所述故障诊断结果是所述阻抗数据不处于自身对应的预设范围的所述电极导线有故障发生;
当检测到所有所述电极导线的阻抗数据都处于自身对应的预设范围时,确定所有所述电极导线无故障发生,并基于所述历史测量数据和所述第二测量数据,继续检测所述IPG是否有故障发生,以得到所述故障诊断结果。
该技术方案的有益效果在于,首先对电极导线的阻抗数据进行检测,根据电极导线的检测结果再确定是否需要对IPG进行检测。一方面,首先对电极导线进行检测,能较大概率的判断出刺激器的故障,针对性比较强,也提高了对患者的刺激器自诊断的响应速度;另一方面,植入患者体内的电极导线不止一根,通过对每个电极导线的阻抗数据的检测和比对,能较快判断出故障的电极导线,故障电极导线的问题解决之前可以使用其他电极导线对患者进行治疗,避免了延误患者的治疗。
综上,按照电极阻抗、IPG的检测顺序。相比于现有技术中借助CT或核磁设备判断故障电极导线,本申请通过每个电极导线的阻抗数据判断电极导线的故障情况,无需到医院通过专业设备就能第一时间初步确认问题,能将刺激器故障对患者的治疗影响降到最低。
在一些可选的实施例中,当所述故障诊断结果是有故障发生时,所述自诊断设备还被配置成:
将所述刺激器的故障信息存储至预设存储位置,并生成故障提示信息发送至预设的用户设备,所述刺激器的故障信息包括刺激器标识信息、故障时间信息和故障类型信息的中的至少一种。
该技术方案的有益效果在于,如果自诊设备发现刺激器有故障,第一时间就会通过用户设备使用户(患者或患者的监护人)获知故障情况,避免患者对刺激器的治疗产生负面的抵触情绪,智能化程度比较高。
在一些可选的实施例中,所述自诊断设备还被配置成:
利用所述用户设备接收所述用户的故障上传操作;
响应于所述故障上传操作,将所述刺激器的故障信息发送至预设服务设备。
该技术方案的有益效果在于,只有在用户主动进行故障上传操作时,才会将刺激器的故障信息发送至预设服务设备,更为尊重用户的选择权。相对正常人而言,进行刺激器治疗的患者情绪较为低落,能够给与这部分用户足够的尊重,以使患者能积极主动的配合医生进行治疗,更利于后期医患之间的沟通交流。
在一些可选的实施例中,所述自诊断设备还被配置成:
当存储至所述预设存储位置的所述故障信息的数量不小于预设故障数量时,将所述刺激器最近一次的故障信息发送至预设服务设备。
该技术方案的有益效果在于,当患者不选择将故障信息发送至(医生或刺激器生产商的)预设服务设备时,患者本身也会承担刺激器故障时向患者本人递送电刺激造成身体受损伤的风险。由此,在充分尊重用户的选择权的前提下,选择适当的预设故障数量,以使刺激器出现不少于预设故障数量的故障次数时医生或刺激器生产商能及时接收到最近一次的故障信息,医生或供应商可以根据故障信息的内容及时联系患者或其监护人,避免了患者受到不应有的损伤。
在一些可选的实施例中,检测所述患者是否发生摔倒、掉落、抽搐、自残、吸食或无异常事件的过程包括:
利用视觉检测设备获取包括所述患者的实时图像;
将所述实时图像输入至异常事件模型,以得到所述实时图像对应的事件分类结果,所述事件分类结果是摔倒、掉落、抽搐、自残、吸食或无异常事件。
该技术方案的有益效果在于,通过视觉检测设备实时获取包括患者的图像,并将图像输入异常事件模型,以得到实时图像对应的事件分类结果,准确度高。
第二方面,本申请还提供了一种程控系统,所述程控系统包括健康监测设备和第一方面的任一项的自诊断设备,所述自诊断设备和所述健康监测设备可通信地连接。
第三方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面的任一项所述自诊断设备的功能。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1示出了本申请实施例提供的一种自诊断设备执行步骤的流程示意图。
图2示出了本申请实施例提供的一种检测故障发生的流程示意图。
图3示出了本申请实施例提供的一种确定故障诊断结果的流程示意图。
图4示出了本申请实施例提供的一种故障信息上传的流程示意图。
图5示出了本申请实施例提供的另一种故障信息上传的流程示意图。
图6示出了本申请实施例提供的一种检测患者的异常事件的流程示意图。
图7示出了本申请实施例提供的一种程控系统的结构框图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
在本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A 和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中 A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个) 或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b, c,a和b,a和c,b和c或a和b和c,其中a、b和c可以是单个,也可以是多个。值得注意的是,“至少一项(个)”还可以解释成“一项(个)或多项(个)”。
本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
下面,首先对本申请实施例的其中一个应用领域(即植入式神经刺激器)进行简单说明。
植入式神经刺激系统(一种植入式医疗系统)主要包括植入患者体内的刺激器(即植入式神经刺激器)以及设置于患者体外的程控设备。现有的神经调控技术主要是通过立体定向手术在体内特定结构(即靶点)植入电极,并由植入患者体内的刺激器经电极向靶点发放电脉冲,调控相应神经结构和网络的电活动及其功能,从而改善症状、缓解病痛。其中,刺激器可以是植入式神经电刺激装置、植入式心脏电刺激系统(又称心脏起搏器)、植入式药物输注装置(Implantable Dr ug Delivery System,简称I DDS)和导线转接装置中的任意一种。植入式神经电刺激装置例如是脑深部电刺激系统(Deep Brain Stimulation,简称DBS)、植入式脑皮层刺激系统(Cortical Nerve Stimulation,简称CNS)、植入式脊髓电刺激系统(Spinal Cord Stimulation,简称SCS)、植入式骶神经电刺激系统(S acral NerveStimulation,简称SNS)、植入式迷走神经电刺激系统(Vagus Ner ve Stimulation,简称VNS)等。
刺激器可以包括IPG和电极导线,IPG(implantable pulse generator,植入式脉冲发生器)设置于患者体内,接收程控设备发送的程控指令,依靠密封电池和电路向体内组织提供可控制的电刺激能量,通过植入的电极导线,为体内组织的特定区域递送一路或两路可控制的特定电刺激。也可以认为电极导线包括延伸导线和刺激段,通过延伸导线配合IPG使用,作为电刺激信号的传递媒体,将I PG产生的电刺激信号,传递给电极导线的刺激段。电极导线通过刺激段的多个电极触点,向体内组织的特定区域递送电刺激。刺激器设置有单侧或双侧的一路或多路电极导线,电极导线的刺激段上设置有多个电极触点,电极触点可以均匀排列或者非均匀排列在电极导线的周向上。作为一个示例,电极触点可以以4行3列的阵列(共计12个电极触点)排列在电极导线的刺激段的周向上。电极触点可以包括刺激电极触点和/或采集电极触点。电极触点例如可以采用片状、环状、点状等形状。
在一些可能的实施方式中,受刺激的体内组织可以是患者的脑组织,受刺激的部位可以是脑组织的特定部位。当患者的疾病类型不同时,受刺激的部位一般来说是不同的,所使用的刺激触点(单源或多源)的数量、一路或多路(单通道或多通道)特定电刺激信号的运用以及刺激参数数据也是不同的。本申请实施例对适用的疾病类型不做限定,其可以是脑深部刺激(DBS)、脊髓刺激(SCS)、骨盆刺激、胃刺激、外周神经刺激、功能性电刺激所适用的疾病类型。其中,DBS 可以用于治疗或管理的疾病类型包括但不限于:痉挛疾病(例如,癫痫)、疼痛、偏头痛、精神疾病(例如,重度抑郁症(MDD))、躁郁症、焦虑症、创伤后压力心理障碍症、轻郁症、强迫症(OCD)、行为障碍、情绪障碍、记忆障碍、心理状态障碍、移动障碍(例如,特发性震颤或帕金森氏病)、亨廷顿病、阿尔茨海默症、药物成瘾症、孤独症或其他神经学或精神科疾病和损害。
本申请实施例中,程控设备和刺激器建立程控连接时,可以利用程控设备调整刺激器的刺激参数(不同的刺激参数所对应的电刺激信号不同),也可以通过刺激器感测患者脑深部的生物电活动以采集得到电生理信号,并可以通过所采集到的电生理信号来继续调节刺激器的电刺激信号的刺激参数。
刺激参数可以包括以下至少一种:频率(例如是单位时间1s内的电刺激脉冲信号个数,单位为Hz)、脉宽(每个脉冲的持续时间,单位为μs)、幅值(一般用电压表述,即每个脉冲的强度,单位为V)、时序(例如可以是连续或者簇发,簇发指多个过程组成且不连续的时序行为)、刺激模式(包括电流模式、电压模式、定时刺激模式和循环刺激模式中的一种或多种)、医生控制上限及下限(医生可调节的范围)和患者控制上限及下限(患者可自主调节的范围)。
在一个具体应用场景中,可以在电流模式或者电压模式下对刺激器的各刺激参数进行调节。
程控设备可以是医生程控设备(即医生使用的程控设备)或者患者程控设备 (即患者使用的程控设备)。医生程控设备例如可以是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备。患者程控设备例如可以是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备,患者程控设备还可以是其他具有程控功能的电子设备(例如是具有程控功能的充电器、数据采集设备)。
本申请实施例对医生程控设备和刺激器的数据交互不进行限制,当医生远程程控时,医生程控设备可以通过服务器、患者程控设备与刺激器进行数据交互。当医生线下和患者面对面进行程控时,医生程控设备可以通过患者程控设备与刺激器进行数据交互,医生程控设备还可以直接与刺激器进行数据交互。
在一些可选的实施方式中,患者程控设备可以包括(与服务器通信的)主机和(与刺激器通信的)子机,主机和子机可通信的连接。其中,医生程控设备可以通过3G/4G/5G网络与服务器进行数据交互,服务器可以通过3G/4G/5G网络与主机进行数据交互,主机可以通过蓝牙协议/WIFI协议/USB协议与子机进行数据交互,子机可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器进行数据交互,医生程控设备可以通过401MHz-406MHz工作频段/2.4 GHz-2.48GHz工作频段与刺激器直接进行数据交互。
在实际应用场景中,当患者出现摔跤、碰撞等状况时都可能会导致刺激器出现问题,现有技术都是在对患者进行电刺激治疗时,才会根据电刺激治疗的反馈判断IPG是否有故障,使患者失去在刺激器出现故障的第一时间获取刺激器故障的机会。
参见图1,图1示出了本申请实施例提供的一种自诊断设备执行步骤的流程示意图。
本申请实施例提供了一种自诊断设备,所述自诊断设备用于对植入患者体内的刺激器进行故障自诊断,所述自诊断设备被配置成执行以下步骤:
步骤S101:当患者满足预设监测条件时,利用健康监测设备获取患者的健康监测参数的第一测量数据。
步骤S102:分别检测每个所述健康监测参数的第一测量数据是否处于自身对应的预设范围。
步骤S103:当检测到至少一个所述健康监测参数的第一测量数据不处于自身对应的预设范围时,获取所述刺激器最近N次的历史配置信息及其对应的患者的健康监测参数的历史测量数据。
步骤S104:基于最近N次的所述历史配置信息获取实际配置信息,以使所述刺激器向所述患者的体内组织递送所述实际配置信息相应的电刺激。所述实际配置信息用于指示所述刺激器的每个刺激参数的实际参数值。
步骤S105:利用所述健康监测设备获取所述患者的健康监测参数的第二测量数据。
步骤S106:基于所述历史测量数据和所述第二测量数据,检测所述刺激器是否有故障发生,以得到故障诊断结果。
其中,所述第一测量数据包括以下至少一种:心率数据、脉搏数据、肌电数据和脑电数据;
所述历史配置信息包括至少一个刺激参数标识以及每个刺激参数标识对应的历史参数值,N是正整数;
所述预设监测条件包括以下至少一种:当前时刻到达预设的监测时刻;检测到所述患者发生摔倒、掉落、抽搐、自残或者吸食事件。
现有技术中,当刺激器发生故障时,递送到患者体内组织的电刺激出现异常,电刺激治疗效果无法保证,患者病痛无法缓解,此时患者一般会向医生(或者院方)进行求助,医生重新配置患者的刺激器的刺激参数,当重新配置后仍然无法有效控制疾病症状时,由于患者不能准确判断出问题所在,有可能会将刺激器故障造成的身体不适怀疑到电刺激治疗的治疗手段本身,降低了患者的使用体验,不利于促使患者配合医生进行治疗。另外,就算医患双方意识到存在刺激器自身发生故障的可能性,并最终检测发现刺激器确实发生故障,但仍然无法确认故障发生原因,究竟是患者使用中损坏,还是刺激器产品自身的质量问题,最终可能导致医疗纠纷的发生,影响刺激器这种植入式医疗器械的市场前景。
患者方面的种种原因导致发生故障时,能够第一时间发现、厘清刺激器的故障原因是自身质量问题还是患者使用所造成的故障可以将医疗纠纷扼杀在摇篮里。区别于现有技术,利用所述实际配置信息配置所述刺激器的刺激参数,以使所述刺激器向所述患者的体内组织递送所述实际配置信息相应的电刺激的时长远远短于正常的电刺激治疗的时间,例如数分钟至数十分钟,在患者满足预设监测条件时且第一测量数据的测量数据不处于自身对应的预设范围时就进行刺激器的自诊断,使用户(患者或监护人)在刺激器出现故障的第一时间就能获取刺激器的故障结果,提高了用户的使用体验。
由此,只有在患者满足预设监测条件时才会获取患者的第一测量数据,当至少一个健康监测参数的测量数据不处于自身对应的预设范围时才会获取刺激器的历史配置信息及历史测量数据,并获取患者的第二测量数据,基于历史测量数据和第二测量数据检测刺激器的故障情况,得到有刺激器的故障诊断结果。一方面,当N取1时,选取刺激器的最近一次的历史配置信息及其对应的患者的健康监测参数的历史测量数据,一般而言,最近一次的历史配置信息最能反应近期患者的状态,可以在满足对患者体内提供电刺激的前提下减少数据运算量,智能化程度较高;另一方面,当N取1以外的正整数时,可以合理利用多个历史配置信息,避免个别历史配置信息的波动造成对患者体内组织递送的电刺激的偏差,提高获取的第二测量数据的客观性;又一方面,只有在满足预设监测条件时才会通过健康监测设备获取患者的健康监测参数的第一测量数据,避免健康监测设备长时间使用使患者带来的不适,也降低了健康监测设备的能耗,提高了患者的使用体验;又一方面,只有至少一个第一测量数据不处于自身对应的预设范围时才会通过刺激器向患者体内组织递送电刺激,避免患者在无意间发生摔倒、掉落、抽搐、自残或者吸食事件后,还需要患者人为判断是否需要对刺激器进行故障诊断,患者只需配合医生和刺激器配置进行治疗,更人性化;又一方面,通过预设监测条件的判断,能够第一时间发现刺激器的故障,以厘清刺激器的故障原因是刺激器本身还是患者使用原因,从根本上消除了影响医患关系的可能性,提高了医患关系的融洽程度。
综上,提供了一种自诊断设备,区别于现有的在(医生)通过刺激器对患者进行治疗时才会根据电刺激治疗的反馈判断IPG是否有故障,使用户(患者或监护人)第一时间获取刺激器的故障结果,提高了用户的使用体验和医患关系。
其中,故障诊断结果例如是“患者的刺激器有故障”或“患者的刺激器无故障”。
本申请对健康监测设备不进行限制,健康监测设备可以是可穿戴设备,例如是集成健康监测功能的健康监测背心、健康监测手环等,还可以是植入式医疗设备,例如植入式心电监测器等。具体而言,健康监测设备例如是脑电监测设备、心电监测设备、肌电监测设备、心率监测设备、脉搏监测设备或视觉监测设备。
预设的监测时刻例如是:10小时后、12:00或工作日(周一至周五)的上午十时十三分。检测到所述患者发生摔倒、掉落、抽搐、自残或者吸食事件例如指通过视觉检测设备(摄像头等)检测到患者站立时跌倒、患者自床榻上掉落至地面、患者全身性抽搐、患者局限性癫痫、患者伤害自身肢体或患者吸食物品。由于植入患者体内的刺激器可以对药物成瘾症进行电刺激治疗,患者可能会在戒除成瘾后复吸药物或类似物。
第一测量数据对应的预设范围例如是脉搏60次/分钟至100次/分钟、肌电4 50Hz至500Hz等。
历史配置信息例如是预先存储在自诊断设备内的、局域网服务器的或者云服务器的刺激器的配置信息。
刺激参数标识可以使用中文、字母、数字和特殊符号中的至少一种来表示,例如“A001”、“电压”、“幅值”或者“#01”中的任一种或其组合。历史参数值和实际参数值例如是频率120Hz、脉宽65μs或幅值3.1V。
历史测量数据和第二测量数据例如是脉搏数据、心电曲线或脑电曲线。当历史测量数据和第二测量数据分别是曲线时,可以基于曲线的每个点、曲线的形状 (Hausdorff距离计算)、曲线的分段(例如单向距离法(One Way Distance)) 等方式进行比较,以获取二者之间的相似度,当二者之间的相似度高于一个预设相识度时(例如0.98、0.95),可以认为历史测量数据和第二测量数据的相似度高,刺激器没有故障发生。
在一个具体应用中,患者A对应的预设范围是心率数据55次/分钟至100 次/分钟,N取1。设置在患者房间的摄像头获取到癫痫症患者A跌倒的信息,满足了患者A的预设检测条件,健康监测设备获取患者的第一测量数据:心率数据为110次/分钟。因为第一测量数据不处于自身对应的预设范围,所以获取患者A最近1次的历史配置信息(电压2V)及其对应的患者的健康监测参数的历史测量数据(脉搏曲线)。根据历史配置信息配置刺激参数为电压2V并向患者的体内组织递送与刺激参数相应的电刺激并获取对应的第二测量数据(脉搏曲线)。其中,历史测量数据和第二测量数据分别可以包括向患者体内组织递送电刺激之后的连续的脉搏曲线,经过电刺激后的患者症状已经缓解(或无症状状态)。根据历史测量数据和第二测量数据,检测得到刺激器没有故障发生。整个判断过程无需患者A操作,患者A只需要安心配合治疗,智能化水平高。
在另一个具体应用中,患者A对应的预设范围是心率数据60次/分钟至100 次/分钟,N取4。设置在患者房间的摄像头获取到癫痫症患者A跌倒的信息,患者A满足了预设检测条件,健康监测设备获取患者的第一测量数据:心率数据为105次/分钟,第一测量数据不处于自身对应的预设范围,获取患者A最近 4次的历史配置信息(电压2V、电压2.1V、电压1.9V、电压2V)及其对应的患者的健康监测参数的历史测量数据(4次脉搏曲线的拟合曲线)。根据4次历史配置信息的均值配置刺激参数为电压2V并向患者的体内组织递送与刺激参数相应的电刺激并获取对应的第二测量数据(脉搏曲线)。其中,历史测量数据和第二测量数据分别可以包括对患者体内组织递送电刺激之后的连续的脉搏曲线,经过电刺激后的患者症状已经缓解(或无症状状态)。根据历史测量数据和第二测量数据,检测得到刺激器有故障发生。
参见图2,图2示出了本申请实施例提供的一种检测故障发生的流程示意图。
在一些可选的实施方式中,所述步骤S106可以包括:
步骤S201:将所述历史测量数据和所述第二测量数据输入至相似度模型,以得到所述历史测量数据和所述第二测量数据之间的相似度;
步骤S202:当所述相似度不小于预设相似度阈值时,确定所述故障诊断结果是所述刺激器没有发生故障;
步骤S203:当所述相似度小于所述预设相似度阈值时,确定所述故障诊断结果是所述刺激器发生故障。
其中,所述相似度模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个训练数据,每个所述训练数据包括第一样本对象、第二样本对象以及所述第一样本对象和所述第二样本对象的相似度;
针对所述第一训练集中的每个训练数据,执行以下处理:将所述训练数据中的第一样本对象和第二样本对象输入预设的第一深度学习模型,以得到所述第一样本对象和所述第二样本对象的预测相似度;
基于所述第一样本对象和所述第二样本对象的预测相似度,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;若是,则将训练出的深度学习模型作为所述相似度模型;若否,则利用下一个所述训练数据继续训练所述第一深度学习模型。
该技术方案的有益效果在于,相似度模型可以由大量的训练数据训练得到,能够针对不同的输入数据(即历史测量数据和第二测量数据)预测得到相应的输出数据(即历史测量数据和第二测量数据之间的相似度),适用范围广,智能化水平高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第一深度学习模型,通过该预设的第一深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的相似度模型,可以基于每个历史测量数据和第二测量数据之间的相似度分别获取二者之间的相似度,且计算结果准确性高、可靠性高。
在一些可选的实施方式中,本申请可以采用上述训练过程训练得到相似度模型,在另一些可选的实施方式中,本申请可以采用预先训练好的相似度模型。
在一些可选的实施方式中,例如可以对历史数据进行数据挖掘,以获取训练数据。当然,第一样本对象、第二样本对象也可以是利用GAN模型的生成网络自动生成的。
其中,GAN模型即生成对抗网络(Generative Adversarial Network),由一个生成网络与一个判别网络组成。生成网络从潜在空间(latent space)中随机采样作为输入,其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出,其目的是将生成网络的输出从真实样本中尽可能分辨出来。而生成网络则要尽可能地欺骗判别网络。两个网络相互对抗、不断调整参数,最终目的是使判别网络无法判断生成网络的输出结果是否真实。
预测相似度可以用数字或者百分数表示,用数字表示时,预测相似度例如是 60、80或者90;用百分数表示时,预测相似度例如是50%、70%或者90%,数值越高,预测相似度越高。
本申请对预设相似度阈值不作限定,其可以是70%、80%或者90%。
本申请对预设的训练结束条件不作限定,其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等),或者可以是训练集中的训练数据都完成一次或多次训练,或者可以是本次训练得到的总损失值不大于预设损失值。
在一些可选的实施方式中,在所述故障诊断结果是所述刺激器有故障发生时,所述自诊断设备还被配置成:
利用报警装置发出报警信号,所述报警装置包括声音报警装置、闪光报警装置或声光报警装置中的至少一种。
由此,针对例如是部分患者年龄较大或者患有精神类疾病的情况,通过报警装置进行报警,可以引起患者周边人员的注意力,使患者或患者监护人能第一时间获知诊断结果,以及时寻求专业人士(医生或刺激器的提供商)帮助。
其中,报警装置可以是喇叭(扬声器)、蜂鸣器、显示屏等中的一种或其组合。
参见图3,图3示出了本申请实施例提供的一种确定故障诊断结果的流程示意图。
在一些可选的实施方式中,所述刺激器包括IPG和至少一个电极导线;
所述自诊断设备被配置成采用以下方式确定所述刺激器的故障诊断结果:
步骤S301:分别检测每个所述电极导线的阻抗数据是否处于自身对应的预设范围;
步骤S302:当检测到至少一个所述电极导线的阻抗数据不处于自身对应的预设范围时,确定所述故障诊断结果是所述阻抗数据不处于自身对应的预设范围的所述电极导线有故障发生;
步骤S303:当检测到所有所述电极导线的阻抗数据都处于自身对应的预设范围时,确定所有所述电极导线无故障发生,并基于所述历史测量数据和所述第二测量数据,继续检测所述IPG是否有故障发生,以得到所述故障诊断结果。
具体应用中,由于电极导线的外径一般只有1-1.5mm左右,电极导线的长度500-550mm左右,当患者出现摔跤、碰撞等情况,电极导线更容易出现故障 (断路等情况)。电极触点所处的电极导线若出现短路,由其输出的电刺激可能产生过大的电流,会对接受特定刺激的体内组织递或直接接触短路处电极触点的组织造成损伤;或者,电极触点所处的体内导电通路出现断路情形,电刺激将直接在断路处电极触点输出,因而不能对患者指定的体内组织递产生有效的治疗。
由此,首先对电极导线的阻抗数据进行检测,根据电极导线的检测结果再确定是否需要对IPG进行检测。一方面,首先对电极导线进行检测,能较大概率的判断出刺激器的故障,针对性比较强,也提高了对患者的刺激器自诊断的响应速度;另一方面,植入患者体内的电极导线不止一根,通过对每个电极导线的阻抗数据的检测和比对,能较快判断出故障的电极导线,故障电极导线的问题解决之前可以使用其他电极导线对患者进行治疗,避免了延误患者的治疗。
综上,按照电极阻抗、IPG的检测顺序。相比于现有技术中借助CT或核磁设备判断故障电极导线,本申请通过每个电极导线的阻抗数据判断电极导线的故障情况,无需到医院通过专业设备就能第一时间初步确认问题,能将刺激器故障对患者的治疗影响降到最低。
其中,IPG的电路中可以包括电路检查模块,通过电路检查模块可以对IPG 进行检测,判断IPG的故障情况,例如IPG的电源模块故障、信号传输故障等。每个电极导线的阻抗数据可以是通过IPG提供固定电压值,测量通过每个电极导线的电流值,进而得到每个电极导线的阻抗数据;也可以是通过IPG提供供电电流值,测量每个电极导线的电压值,进而得到每个电极导线的阻抗数据。
在一些可选的实施方式中,当所述故障诊断结果是有故障发生时,所述自诊断设备还被配置成执行:
步骤S107:将所述刺激器的故障信息存储至预设存储位置,并生成故障提示信息发送至预设的用户设备。所述刺激器的故障信息包括刺激器标识信息、故障时间信息和故障类型信息的中的至少一种。
一般而言,当刺激器出现故障时,患者受到治疗的电刺激往往会发生较大变化(例如刺激突然停止、卡顿等),以使患者怀疑自身病情加重,或者怀疑自身不适合进行刺激器治疗(打击患者自身治疗的信心)、或者医生对刺激器设置的刺激参数不合理(医生不专业或不负责)等。
由此,如果自诊设备发现刺激器有故障,第一时间就会通过用户设备使用户 (患者或患者的监护人)获知故障情况,避免患者对刺激器的治疗产生负面的抵触情绪,智能化程度比较高。
其中,预设存储位置例如是患者程控设备的存储器。故障提示信息可以是语音信息、弹窗信息、文字信息,例如是文字信息“患者A植入体内的刺激器出现故障,请及时联系医生B进行进一步诊断,联系电话13000000000”。
用户设备例如是患者本人或患者的监护人、护理人所拥有的手机、笔记本电脑、台式机、平板电脑或患者程控器等。
故障类型信息例如是“患者左脑部1#电极导线故障”、“刺激器故障”、“IPG故障”等。
在一个具体应用中,故障信息是“患者C,2020年1月1日12时13分,刺激器故障”。
参见图4,图4示出了本申请实施例提供的一种故障信息上传的流程示意图。
在一些可选的实施方式中,所述自诊断设备还可以被配置成:
步骤S108:利用所述用户设备接收所述用户的故障上传操作;
步骤S109:响应于所述故障上传操作,将所述刺激器的故障信息发送至预设服务设备。
由此,只有在用户主动进行故障上传操作时,才会将刺激器的故障信息发送至预设服务设备,更为尊重用户的选择权。相对正常人而言,进行刺激器治疗的患者情绪较为低落,能够给与这部分用户足够的尊重,以使患者能积极主动的配合医生进行治疗,更利于后期医患之间的沟通交流。
其中,用户的故障上传操作例如是对用户设备中的上传选择菜单进行点选上传操作、通过语音功能对用户设备下达语音指令“请将本次故障信息上传”等。
预设服务设备例如是医院的、社区的、刺激器生产商的局域网服务器,还例如是跨区域数据连接的广域网服务器。
医生或者刺激器生产厂商可以及时获知用户真实的刺激器使用情况,对出现因为患者自身跌倒等情况造成的刺激器故障可以对症下药,例如当一定比重的患者的刺激器的故障电极导线长度都是超过650mm,则刺激器生产厂商就会从技术上考虑如何解决过长的电极导线质量不稳定的问题,医生也会对将要植入刺激器的患者考虑减少电极导线的长度、避免出现电极导线不稳定的缺陷。
在一些可选的实施方式中,所述自诊断设备还被配置成:
当检测到任一个所述健康监测参数的第一测量数据都处于自身对应的预设范围时,获取无故障时长,所述无故障时长用于指示当前时刻与最近一次所述故障提示信息的生成时刻之间的时长;
当所述无故障时长大于预设时长时,获取所述自诊断设备的自诊断策略以用于确定所述刺激器是否有故障发生。
由此,通过无故障时长和预设时长的比对,避免健康监测设备自身出现故障或健康监测设备与自诊断设备信号传输故障时,也能在一个合理的时间点对患者体内的刺激器进行自诊断。
参见图5,图5示出了本申请实施例提供的又一种故障信息上传的流程示意图。
在一些可选的实施方式中,所述自诊断设备还被配置成:
步骤S110:当存储至所述预设存储位置的所述故障信息的数量不小于预设故障数量时,将所述刺激器最近一次的故障信息发送至预设服务设备。
当患者不选择将故障信息发送至(医生或刺激器生产商的)预设服务设备时,患者本身也会承担刺激器故障时向患者本人递送电刺激造成身体受损伤的风险。
由此,在充分尊重用户的选择权的前提下,选择适当的预设故障数量,以使刺激器出现不少于预设故障数量的故障次数时医生或刺激器生产商能及时接收到最近一次的故障信息,医生或供应商可以根据故障信息的内容及时联系患者或其监护人,避免患者受到不应有的损伤。
其中,预设故障数量例如是3次、5次、8次、11次等。
参见图6,图6示出了本申请实施例提供的一种检测患者的异常事件的流程示意图。
在一些可选的实施方式中,检测所述患者是否发生摔倒、掉落、抽搐、自残、吸食或无异常事件的过程包括:
步骤S401:利用视觉检测设备获取包括所述患者的实时图像;
步骤S402:将所述实时图像输入至异常事件模型,以得到所述实时图像对应的事件分类结果。所述事件分类结果是摔倒、掉落、抽搐、自残、吸食或无异常事件。也就是说,当没有检测到患者有摔倒、掉落、抽搐、自残或吸食事件,就可以认为患者无异常事件。
由此,通过视觉检测设备实时获取包括患者的图像,并将图像输入异常事件模型,以得到实时图像对应的事件分类结果,准确度高。
其中,所述异常事件模型的训练过程可以如下:
获取第二训练集,所述第二训练集包括多个训练图像及其对应的标记分类结果的标注数据。其中标注数据可以是摔倒事件、掉落事件、抽搐事件、自残事件、吸食事件或无异常事件。
利用所述第二训练集对预设的第二深度学习模型进行训练,得到所述异常事件模型。
具体地,在所述异常事件模型的训练过程中,所述利用所述第二训练集对预设的第二深度学习模型进行训练,可以包括以下步骤:
针对所述第二训练集中的每个训练图像,将所述训练图像输入预设的第二深度学习模型,得到与所述训练图像相对应的标记检测结果的预测数据;
基于与所述训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第二深度学习模型的模型参数进行更新;
检测是否满足预设的第二训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第二深度学习模型作为所述异常事件模型,如果否,则利用下一个所述训练数据继续训练所述预设的第二深度学习模型。
由此,训练结束的第二训练结束条件可基于实际需求配置,训练得到的异常事件模型具有较强的鲁棒性和较低的过拟合风险。
利用第二训练集对预设的第二深度学习模型进行训练,可以得到训练好的异常事件模型,异常事件模型可以由大量的训练数据训练得到,能够针对多种输入数据预测得到相应的标记检测结果,适用范围广,智能化水平高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第二深度学习模型,通过该预设的第二深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的异常事件模型,可以实现对成像识别的自我诊断功能,且诊断结果可靠性高。
其中,视觉检测设备可以是摄像头或包括摄像头的设备。
参见图7,图7示出了本申请实施例提供的一种程控系统100的结构框图。
所述程控系统100包括健康监测设备300和上述任一实施例提供的自诊断设备200,所述自诊断设备200和健康监测设备300可通信地连接。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项实施例中所述自诊断设备的功能。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种自诊断设备,其特征在于,所述自诊断设备用于对植入患者体内的刺激器进行故障自诊断,所述自诊断设备被配置成:
当患者满足预设监测条件时,利用健康监测设备获取患者的健康监测参数的第一测量数据;
分别检测每个所述健康监测参数的第一测量数据是否处于自身对应的预设范围;
当检测到至少一个所述健康监测参数的第一测量数据不处于自身对应的预设范围时,获取所述刺激器最近N次的历史配置信息及其对应的患者的健康监测参数的历史测量数据;
基于最近N次的所述历史配置信息获取实际配置信息,以使所述刺激器向所述患者的体内组织递送所述实际配置信息相应的电刺激,所述实际配置信息用于指示所述刺激器的每个刺激参数的实际参数值;
利用所述健康监测设备获取所述患者的健康监测参数的第二测量数据;
基于所述历史测量数据和所述第二测量数据,检测所述刺激器是否有故障发生,以得到故障诊断结果;
其中,所述第一测量数据包括以下至少一种:心率数据、脉搏数据、肌电数据和脑电数据;
所述历史配置信息包括至少一个刺激参数标识以及每个刺激参数标识对应的历史参数值,N是正整数;
所述预设监测条件包括以下至少一种:当前时刻到达预设的监测时刻;检测到所述患者发生摔倒、掉落、抽搐、自残或者吸食事件。
2.根据权利要求1所述的自诊断设备,其特征在于,所述自诊断设备被配置成采用以下方式得到故障诊断结果:
将所述历史测量数据和所述第二测量数据输入至相似度模型,以得到所述历史测量数据和所述第二测量数据之间的相似度;
当所述相似度不小于预设相似度阈值时,确定所述故障诊断结果是所述刺激器没有发生故障;
当所述相似度小于所述预设相似度阈值时,确定所述故障诊断结果是所述刺激器发生故障;
其中,所述相似度模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个训练数据,每个所述训练数据包括第一样本对象、第二样本对象以及所述第一样本对象和所述第二样本对象的相似度;
针对所述第一训练集中的每个训练数据,执行以下处理:将所述训练数据中的第一样本对象和第二样本对象输入预设的第一深度学习模型,以得到所述第一样本对象和所述第二样本对象的预测相似度;
基于所述第一样本对象和所述第二样本对象的预测相似度,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;若是,则将训练出的深度学习模型作为所述相似度模型;若否,则利用下一个所述训练数据继续训练所述第一深度学习模型。
3.根据权利要求2所述的自诊断设备,其特征在于,在所述故障诊断结果是所述刺激器有故障发生时,所述自诊断设备还被配置成:
利用报警装置发出报警信号,所述报警装置包括声音报警装置、闪光报警装置和声光报警装置中的至少一种。
4.根据权利要求1所述的自诊断设备,其特征在于,所述刺激器包括植入式脉冲发生器IPG和至少一个电极导线;
所述自诊断设备被配置成采用以下方式确定所述刺激器的故障诊断结果:
分别检测每个所述电极导线的阻抗数据是否处于自身对应的预设范围;
当检测到至少一个所述电极导线的阻抗数据不处于自身对应的预设范围时,确定所述故障诊断结果是所述阻抗数据不处于自身对应的预设范围的所述电极导线有故障发生;
当检测到所有所述电极导线的阻抗数据都处于自身对应的预设范围时,确定所有所述电极导线无故障发生,并基于所述历史测量数据和所述第二测量数据,继续检测所述IPG是否有故障发生,以得到所述故障诊断结果。
5.根据权利要求4所述的自诊断设备,其特征在于,当所述故障诊断结果是有故障发生时,所述自诊断设备还被配置成:
将所述刺激器的故障信息存储至预设存储位置,并生成故障提示信息发送至预设的用户设备,所述刺激器的故障信息包括刺激器标识信息、故障时间信息和故障类型信息中的至少一种。
6.根据权利要求5所述的自诊断设备,其特征在于,所述自诊断设备还被配置成:
利用所述用户设备接收所述用户的故障上传操作;
响应于所述故障上传操作,将所述刺激器的故障信息发送至预设服务设备。
7.根据权利要求5所述的自诊断设备,其特征在于,所述自诊断设备还被配置成:
当存储至所述预设存储位置的所述故障信息的数量不小于预设故障数量时,将所述刺激器最近一次的故障信息发送至预设服务设备。
8.根据权利要求1所述的自诊断设备,其特征在于,检测所述患者是否发生摔倒、掉落、抽搐、自残、吸食或无异常事件的过程包括:
利用视觉检测设备获取包括所述患者的实时图像;
将所述实时图像输入至异常事件模型,以得到所述实时图像对应的事件分类结果,所述事件分类结果是摔倒、掉落、抽搐、自残、吸食或无异常事件。
9.一种程控系统,其特征在于,所述程控系统包括健康监测设备和权利要求1-8任一项的自诊断设备,所述自诊断设备和所述健康监测设备可通信地连接。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一项所述自诊断设备的功能。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210939974.0A CN115299893B (zh) | 2022-08-05 | 2022-08-05 | 自诊断设备、程控系统及计算机可读存储介质 |
PCT/CN2023/110886 WO2024027781A1 (zh) | 2022-08-05 | 2023-08-03 | 自诊断设备、程控系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210939974.0A CN115299893B (zh) | 2022-08-05 | 2022-08-05 | 自诊断设备、程控系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115299893A CN115299893A (zh) | 2022-11-08 |
CN115299893B true CN115299893B (zh) | 2024-01-26 |
Family
ID=83861442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210939974.0A Active CN115299893B (zh) | 2022-08-05 | 2022-08-05 | 自诊断设备、程控系统及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115299893B (zh) |
WO (1) | WO2024027781A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115299893B (zh) * | 2022-08-05 | 2024-01-26 | 景昱医疗科技(苏州)股份有限公司 | 自诊断设备、程控系统及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5792205A (en) * | 1996-10-21 | 1998-08-11 | Intermedics, Inc. | Cardiac pacemaker with bidirectional communication |
CN110010239A (zh) * | 2019-04-17 | 2019-07-12 | 河北医科大学第二医院 | 医疗设备监测方法、系统及呼吸检测模块 |
WO2022018529A1 (en) * | 2020-07-24 | 2022-01-27 | Cochlear Limited | Diagnosis or treatment via vestibular and cochlear measures |
CN114781516A (zh) * | 2022-04-22 | 2022-07-22 | 苏州景昱医疗器械有限公司 | 紧急程控设备、方法、系统及计算机可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007040848A (ja) * | 2005-08-03 | 2007-02-15 | Konica Minolta Sensing Inc | 加速度センサの故障診断装置、電子機器、故障診断システム |
US9539431B2 (en) * | 2013-06-21 | 2017-01-10 | Medtronic, Inc. | Event triggered prognostics |
CN115299893B (zh) * | 2022-08-05 | 2024-01-26 | 景昱医疗科技(苏州)股份有限公司 | 自诊断设备、程控系统及计算机可读存储介质 |
-
2022
- 2022-08-05 CN CN202210939974.0A patent/CN115299893B/zh active Active
-
2023
- 2023-08-03 WO PCT/CN2023/110886 patent/WO2024027781A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5792205A (en) * | 1996-10-21 | 1998-08-11 | Intermedics, Inc. | Cardiac pacemaker with bidirectional communication |
CN110010239A (zh) * | 2019-04-17 | 2019-07-12 | 河北医科大学第二医院 | 医疗设备监测方法、系统及呼吸检测模块 |
WO2022018529A1 (en) * | 2020-07-24 | 2022-01-27 | Cochlear Limited | Diagnosis or treatment via vestibular and cochlear measures |
CN114781516A (zh) * | 2022-04-22 | 2022-07-22 | 苏州景昱医疗器械有限公司 | 紧急程控设备、方法、系统及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2024027781A1 (zh) | 2024-02-08 |
CN115299893A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2294524B1 (en) | Analyzing a washout period characteristic for psychiatric disorder therapy delivery | |
US9333350B2 (en) | Psychiatric disorder therapy control | |
US10493281B2 (en) | Timing therapy evaluation trials | |
US9731135B2 (en) | Automatic selection of lead configuration for a neural stimulation lead | |
WO2024021960A1 (zh) | 脉冲发生器、医疗系统及计算机可读存储介质 | |
CN114901351A (zh) | 脑刺激和感测 | |
WO2024001723A1 (zh) | 控制设备、医疗系统及计算机可读存储介质 | |
CN114783585B (zh) | 程控设备、程控系统、电子设备和计算机可读存储介质 | |
CN115299893B (zh) | 自诊断设备、程控系统及计算机可读存储介质 | |
US20180360392A1 (en) | Titration assist management dashboard | |
WO2024083193A1 (zh) | 脉冲发生器、刺激器、医疗系统及计算机可读存储介质 | |
US20220230743A1 (en) | Medical device management using risk control measures | |
US20220230742A1 (en) | Medical device management | |
US20220401739A1 (en) | Cloud-based sensor operation adapted to patient behavior | |
AU2019266088B2 (en) | System for neurostimulation device therapy management | |
US11890468B1 (en) | Neurostimulation systems with event pattern detection and classification | |
CN115019948B (zh) | 控制设备、远程会诊系统和计算机可读存储介质 | |
US20220400952A1 (en) | Cloud-based patient monitoring and pain management system | |
CN116936060A (zh) | 医疗系统的故障检测方法及相关装置 | |
EP2274049A2 (en) | Timing therapy evaluation trials | |
CN116721752A (zh) | 电极导线的配置装置、程控设备、医疗系统及相关产品 | |
WO2024092079A1 (en) | Detecting neural state changes for deep brain stimulation (dbs) using evoked resonant neural activity (erna) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant after: Jingyu Medical Technology (Suzhou) Co.,Ltd. Address before: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant before: SCENERAY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |