CN115666368A - 估计心律失常的系统和方法 - Google Patents
估计心律失常的系统和方法 Download PDFInfo
- Publication number
- CN115666368A CN115666368A CN202180027576.5A CN202180027576A CN115666368A CN 115666368 A CN115666368 A CN 115666368A CN 202180027576 A CN202180027576 A CN 202180027576A CN 115666368 A CN115666368 A CN 115666368A
- Authority
- CN
- China
- Prior art keywords
- patient
- sample
- speech
- voice
- schedule
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 206010003119 arrhythmia Diseases 0.000 title claims description 11
- 238000012360 testing method Methods 0.000 claims abstract description 168
- 238000005070 sampling Methods 0.000 claims abstract description 64
- 206010003658 Atrial Fibrillation Diseases 0.000 claims abstract description 34
- 230000000977 initiatory effect Effects 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000013186 photoplethysmography Methods 0.000 claims abstract description 18
- 230000003287 optical effect Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 38
- 230000036541 health Effects 0.000 claims description 37
- 230000003862 health status Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 18
- 230000006793 arrhythmia Effects 0.000 claims description 7
- 230000000747 cardiac effect Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 13
- 208000006011 Stroke Diseases 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000002763 arrhythmic effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000004622 sleep time Effects 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009532 heart rate measurement Methods 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 230000002085 persistent effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000002269 spontaneous effect Effects 0.000 description 3
- 230000001755 vocal effect Effects 0.000 description 3
- 206010010904 Convulsion Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010003662 Atrial flutter Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010014513 Embolism arterial Diseases 0.000 description 1
- 206010015856 Extrasystoles Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000000867 larynx Anatomy 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 210000004910 pleural fluid Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- QERYCTSHXKAMIS-UHFFFAOYSA-M thiophene-2-carboxylate Chemical compound [O-]C(=O)C1=CC=CS1 QERYCTSHXKAMIS-UHFFFAOYSA-M 0.000 description 1
- 210000000115 thoracic cavity Anatomy 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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- 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
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- 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
-
- 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
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
-
- 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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Cardiology (AREA)
- Epidemiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种用于基于抽样检查估计心房颤动(AF)负荷的方法和系统,该方法包括:确定抽样检查的日程安排;基于该日程安排发起抽样检查;分析抽样检查的结果以检测AF发作;以及基于检测到的AF发作调整该日程安排,其中该抽样检查包括选自以下的检查类型:语音测试、心电图(ECG)测试、光电容积描记(PPG)测试、声学感测和光学心跳监测。
Description
技术领域
本发明总体涉及估计患者的心律失常,更具体地,涉及对估计心律失常的方案进行调整。
发明背景
心房颤动(AF或Afib)是最常见的异常心律之一,并且是主要的健康问题。AF与中风的风险增加相关。另外,如果患者的心跳在很长一段时间内非常快,也可能导致心力衰竭。然而,并非所有AF患者都意识到自己的AF情况。有些人在经历房颤时可能会感到不舒服,而另一些人则根本感觉不到AF发作。
患者的心脏活动,包括AF,可能影响患者的语音特征。例如,心脏活动可以影响血流、肺(注意,左肺与心脏共享胸腔中的空间)、支气管和胸膜液,它们中的每一个又可以影响语音特征。此外,沿着喉部(“喉腔”)和声道的动脉和肌肉中与心跳相关的机械变化可能潜在地导致可检测到的声音调制。不管确切的生理关系如何,人的语音都受到心脏活动的影响。利用这种关系,可以基于分析患者的语音样本来检测心脏状况。例如,患者的语音样本可用于检测心律失常的心脏状况,诸如心房颤动(AF或Afib),例如,作为美国专利申请公开第2017/62457914号公开的、标题为“Verbal periodic screening for heart disease”的美国专利申请第16/485,173号所公开的。
因此,语音分析可提供用于检测AF状况的频率和持续时间并评估AF负荷的简单且有效的方法。
发明内容
根据本发明的一些实施方式,一种基于抽样检查用于估计AF负荷的系统和方法,可包括:确定抽样检查的日程安排;基于该日程安排发起抽样检查;分析抽样检查的结果以检测AF发作;以及基于检测到的AF发作调整针对下一测试的日程安排。
本发明的实施方式可包括:根据日程安排执行多次抽样检查;以及基于抽样检查的结果估计AF负荷。
根据本发明的实施方式,调整日程安排可以包括调整以下各项组成的列表中的至少一项:执行额外抽样检查的频率、额外抽样检查所需的时长、以及执行抽样检查的定时。
根据本发明的实施方式,抽样检查可以包括从以下各项中选择的检查类型:语音测试、心电图(ECG)测试、光电容积描记(PPG)测试、声学感测、光学心跳监测。
本发明的实施方式可以包括:基于检测到的AF发作来选择抽样检查的类型。
根据本发明的实施方式,该日程安排可以基于患者的背景健康和个人参数来确定。
根据本发明的实施方式,可以基于AF发作的典型模式来确定日程安排。
根据本发明的实施方式,可以基于从由以下各项组成的列表中选择的至少一个额外参数来执行对发起后续分析的方案的调整:患者依从性、先前检测到的AF发作的数量、先前检测到的AF发作的时长、先前检测到的AF发作的定时、过去患者发起的抽样检查的AF负荷频率。
根据本发明的一些实施方式,一种用于基于语音特征来确定患者的健康状态或医疗状况的系统和方法可以包括:获得患者的语音样本;分析语音样本以确定患者的健康状态;以及基于所确定的健康状态针对发起对患者的另一语音样本的后续分析的方案进行调整。
根据本发明的实施方式,针对发起后续分析的方案进行调整,可包括调整由以下各项组成的列表中的至少一项:获取患者的额外语音样本的频率、额外语音样本所需的元音、额外语音样本所需的时长、额外语音样本的类型、以及获取语音样本的定时。
根据本发明的实施方式,获得患者的第一语音样本可包括:对患者的自由言语进行采样;以及从自由言语中提取所选择的元音以生成患者的第一语音样本。
根据本发明的实施方式,获得患者的第一语音样本可包括:提示患者说出一组预定的元音;以及记录患者的话语。
根据本发明的实施方式,可基于选自以下的至少一个额外参数来执行对发起后续分析的方案的调整:过去确定的健康状态、先前确定的健康状况的定时、过去患者发起的分析的频率和测量的生理参数。
本发明的实施方式可包括基于对第一语音样本的分析来确定后续语音样本的所需内容。
根据本发明的实施方式,获得患者的第一语音样本并分析第一语音样本可以由患者发起。
根据本发明的实施方式,分析第一语音样本以确定患者的健康状态可包括确定患者的心律失常。
本发明的实施方式可包括分析第一语音样本以确定语音样本的质量;并且如果质量低于阈值,则需要患者的额外语音样本。
附图说明
在说明书的结论部分中特别指出并清楚地要求保护被认为是本发明的主题。然而,本发明的一些实施方式,包括操作的组织和方法,连同其目的、特征和优点,可以通过在阅读附图时参考下面的详细描述来最好地理解。本发明的一些实施方式在附图中以示例而非限制的方式示出,在附图中,相同的附图标记表示相应的、类似的或相似的元件,并且其中:
图1示意性地示出了根据本发明的一些实施方式的系统;
图2是根据本发明的一些实施方式的用于使用语音测试来确定患者的健康状态的方法的流程图;
图3是根据本发明的一些实施方式的用于区分在语音样本中检测到的不规则-不规则性和规则-不规则性的方法的流程图;
图4是根据本发明的一些实施方式,使用抽样测试确定患者的健康状态或医学状况的方法的流程图;
图5示意性地示出了根据本发明的一些实施方式的第二系统;以及
图6示出了根据本发明的一个实施方式的示例计算装置。
应当理解,为了说明的简单和清楚,图中所示的元件不一定按比例绘制。例如,为了清楚起见,一些元件的尺寸可能相对于其它元件被放大。此外,在认为适当的情况下,附图标记可以在附图中重复以指示对应或类似的元件。
具体实施方式
在下面的描述中,将描述本发明的各个方面。出于解释的目的,阐述了具体的配置和细节,以便提供对本发明的透彻理解。然而,对于本领域技术人员来说,显然,本发明可以在没有这里给出的具体细节的情况下实施。此外,可以省略或简化公知的特征,以免模糊本发明。
尽管本发明的一些实施方式在这方面不受限制,但是利用诸如“处理”、“计算”、“运算”、“确定”、“建立”、“分析”、“检查”等术语的讨论可以指计算机、计算平台、计算系统或其它电子计算装置的操作和/或过程,操作和/或将计算机寄存器和/或存储器中表示为物理(例如,电子)量的数据转换为计算机寄存器和/或存储器中类似表示为物理量的其他数据,或其他信息暂存或非暂存或处理器可读的存储介质,该存储介质可能存储由处理器执行的指令,导致处理器执行操作和/或进程。尽管本发明的实施方式不限于此,但是本文所使用的术语“多”和“多个”可以包括例如“多个”或“两个或更多个”。术语“多”或“多个”可以在整个说明书中用来描述两个或更多个组件、装置、元件、单元、参数等。术语“组”在这里使用时可以包括一个或多个项目,除非另外说明。除非明确声明,否则本文描述的方法实施方式不限于特定次序或顺序。另外,所描述的方法实施方式或其元素中的一些可以以与所描述的次序不同的次序、同时地、在相同时间点或并发地发生或执行。
AF通常通过不规则心律来识别,并且在临床上被定义为心房的不协调收缩。AF可能无症状。AF的存在使中风的可能性增加了5倍。目前的医疗实践设法达成预防约60%至80%的AF相关中风。因此,早期识别患有AF的对象以便开始药物治疗是潜在的优势。
不同患者的AF发作持续时间和频率可能差异很大。目前,对于单次检测到AF发作的患者,患者被分类为“首次检测到AF发作”;对于两次或更多次AF发作的患者,患者被分类为“复发性AF”;对于AF发作超过7天的患者,患者被分类为“持续性AF”;对于持续性AF患者,患者被分类为“永久性AF”。然而,复发性和持续性AF患者的AF发作持续时间和频率可能存在很大差异。一些患者可能经历较少频率和较短的发作(例如,时长低于6至7分钟,每天6次或更少),其他人可能经历更频繁和更长的发作。根据本发明的一些实施方式,可以测量具有相似医学诊断的患者的定时和持续时间的统计。此外,可以生成对于患者组(例如,对于具有相似医学诊断的患者组)AF发作的定时和持续时间的典型模式。虽然有临床意义的AF模式的临床定义不明确,但区分总AF持续时间低于每天2至2.5小时AF的患者与总AF持续时间高于每天2至2.5小时AF的患者可能是有益的(不同护理人员的确切阈值可能不同)。
一些检测AF的方法主要依赖于使用连续心电图(ECG)记录(例如,心脏动态心电图监测仪、移动心脏遥测监测仪等)。通常需要连续测量,因为AF可能每天仅发生几分钟,并且无症状。然而,通过ECG进行连续心脏监测可能会带来挑战,例如各种电极的精确敷用、不舒适的装置、线缆、可佩戴传感器以及电池更换或充电的问题。被动监测具有识别心脏状况而无需激发筛选对象的主动行动步骤并且无需偏离日常工作的潜在优点。
根据本发明的一些实施方式,AF状况的频率和持续时间以及具体地AF负荷可使用抽样检查(在本文中也称为抽样测试或定时检查)来监视和评估。抽样检查可指使用不连续的并以选定的间隔和持续时间进行的任何适用的方式进行心脏监测。在一些实施方式中,抽样检查的持续时间可以从几秒延长到几分钟,例如5秒到10至20分钟。在一些实施方式中,例如当从自由言语提取心率时,单次抽样检查可以持续患者说话的时间,或者可以在患者说话持续时执行几次抽样检查(例如,每次抽样检查持续预定的时间)。因此,与连续监测相比,抽样检查对患者来说不那么麻烦。然而,需要设置抽样检查的定时和持续时间,以便可以实现AF负荷估计的可接受准确度。
根据本发明的一些实施方式,抽样测试方案(例如,抽样检查的定时和持续时间)可以根据已知的AF发作表现的典型模式或统计来确定。根据本发明的一些实施方式,抽样检查的定时和持续时间可以根据患者状况(例如,根据患者以往的检查和背景情况)动态地调整或调节。根据本发明的一些实施方式,基于AF发作的已知典型模式来确定抽样检查方案,并且进一步基于抽样检查测试结果来调整方案,可以使得能够实现对何时执行抽样检查测量以便检测AF负荷的可靠估计。虽然不是每一次并且每一个AF发作都可以被检测到,但是可以以高可靠性将总AF持续时间超过2至2.5小时的患者与总AF持续时间较短的患者区分开。
在一些实施方式中,在动态调度的配置中,可以由系统自动发起抽样检查。根据抽样检查的类型,可能会要求或提示用户执行测试。例如,对于语音测试,可以要求患者说出和/或发出某些词或声音。可替换地或附加地,可以通过由患者的主动动作发起而手动发起抽样检查。抽样检查可包括ECG、光电容积描记法(PPG)、光学心跳监测、声学感测(例如,使用声学传感器检测声信号,并从这些信号中提取心率)等。然而,如本文所公开的,语音测试可提供优于这些技术的特殊益处。
本发明的一些实施方式可以提供一种用于执行语音测试的方法,例如,从患者的语音样本确定患者的健康状态或医疗状况,包括检测患者的心律失常状况,例如AF。可以以任何可应用的方式获得患者的语音样本,包括对自由言语进行采样或对预定内容的话语进行采样。
使用语音测试来确定患者的健康状态或医疗状况提供了在家庭环境中的容易且方便的测量。任何智能手机、语音服务(如)、物联网(IoT)装置、智能麦克风、智能手表和/或其他具有麦克风或声学传感器的可穿戴装置均可用于语音采样,无需使用复杂的医疗装置。复杂和繁琐的测试可能不适合家庭环境,并可能导致患者配合和依从性水平较低。患者可能不愿意每天长时间佩戴特殊传感器。然而,由于语音测试对患者来说很容易,因此可以预期更长时间的高依从性。此外,增加测试频率可能不会对患者造成严重不适。此外,一些语音采样以及由此的语音测试可以通过对自由言语进行采样来执行,例如,当患者在智能手机上讲话时(在获得患者批准之后),或者提供数字助理的指令时,对患者没有负担。这种轻松和舒适对于慢性疾病是非常有价值的。例如,患者可能长期伴随着AF发作生活,而AF发作的频率可能不断变化。因此,语音测试可能是AF患者家庭环境监测的适用工具。
根据本发明的一些实施方式,可以基于先前的抽样测试的结果来设计或调整对于患者的发起抽样测试(诸如ECG、PPG、光学心跳监测、声学感测、语音测试等)的方案。调整后的方案参数可以包括抽样测试的定时、频率和时长。当使用语音测试时,也可以调整语音样本的所需内容。例如,如果在抽样测试中发现AF发作,则测试频率可以增加。但是,如果连续多次检测均未显示病理学体征,则检测频率可以降低。在一些实施方式中,可以研究患者的特定统计数据,例如可以使用任何适用的方法研究患者AF发作的定时、频率和持续时间。例如,可以使用连续监测、使用频繁的抽样检查或其任意组合来研究患者的统计数据。可以基于AF统计数据和诸如患者医疗数据的其他参数来设计、调节或调整抽样测试的定时、频率和时长。在一些实施方式中,可以基于检测到的AF发作来选择或确定根据方案要使用的抽样检查的类型。例如,如果不太精确的抽样检查类型检测到AF发作,则可以调整方案以建议使用更精确的方法用于随后的抽样检查。
类似地,AF发作的定时(例如,在一天中的定时)可能影响随后的抽样测试的定时。例如,如果在早晨检测到但在晚上没有检测到AF发作,则可以在早晨安排比一天的其余时间更多的抽样测试。抽样测试的频率和定时可以基于其他参数(例如患者依从性、过去确定的健康状态、先前确定的健康状况的定时、过去患者发起的分析的频率和其他测量的生理参数)调整。
根据本发明的一些实施方式,如果采样的语音样本的质量不够好(例如,如果信噪比不够高),或者如果语音样本的分析结果或诊断结果不是结论性的,则可以执行进一步测试。
根据本发明的一些实施方式,可以通过专用麦克风、声学传感器或者通过智能电话或其他智能设备的麦克风来执行患者的语音采样。然而,如果所采样的语音样本的质量不够好,则可以要求患者使用更好的记录设备。语音测试可以用作针对心脏状况(例如AF)的最初和简单的筛选测试。如果语音测试示出例如AF的心脏状况的概率,则系统可以推荐在家庭环境或在诊所执行进一步的检查。家庭检查可包括记录心率,例如使用心率监测器。
根据本发明的一些实施方式,可以以提供用于估计AF负荷或AF分数的足够测量的定时和频率来执行语音测试,如本文所公开的。AF负荷可能指患者心脏在监测期间处于AF状态的时间量,尽管也可以使用其他定义。认为AF负荷增加可能与未接受抗凝药物治疗的患者发生缺血性中风和动脉血栓栓塞的较高风险相关。因此,评估AF负荷可为医生提供用于评估患者风险的有效数据。
本发明的一些实施方式通过提供可调节性来改进用于检测心脏状况的语音测试技术,可改进AF发作的检测率并使得能够计算估计AF负荷或AF分数。
参考图1,其示意性地示出了根据本发明的一些实施方式的系统100。系统100可以包括可连接到网络140(例如,因特网)的一个或多个用户装置110,以及可选的心率监测器150,它们中的每一个都可连接到网络140。每个用户装置110和心率监测器150可以与患者相关联。系统100可以被配置为发起心脏抽样测试以确定患者的健康状态,例如检测如AF的心率失常的发作。系统100可以被配置为动态地调整所发起的心脏抽样测试的日程安排以检测AF发作、确定或估计所检测到的AF发作的时长,并且基于检测到的AF发作的定时频率和时长来计算或估计AF负荷。系统100可以被配置为执行抽样检查或抽样测试,例如,非连续检查心脏状况,尤其是心率,以检测AF发作。在一些实施方式中,抽样测试可以包括语音测试,通过采样患者的语音并分析语音以检测AF发作来执行语音测试。例如,用户装置110可以包括麦克风或声学传感器120以及采样和分析语音所需的其他硬件和软件,或从麦克风或声学传感器120以及采样和分析语音所需的其他硬件和软件获得信号。在一些实施方式中,心脏监测器150可以作为语音测试的补充或替代而用于执行抽样检查。
心脏监测器150可以包括用于监测心率和其他心脏参数的任何装置。心脏监视器150可以采样和分析心脏信号,例如电信号和/或光信号,并基于这些测量的信号检测心率。心脏监测器150可以是有线或无线装置,可以是或可以包括可佩戴装置。心脏监测器150可以是或可以包括智能手表、贴纸、贴片IoT装置等。心脏监测器150可以是或可以包括ECG装置、PPG装置、光学心跳监测装置、或用于监测心率的任何其他技术。
系统100,例如用户装置110或应用服务器130,可以被配置为调度用于确定患者心脏状况的抽样测试。具体地,系统100可以被配置为调度用于确定或估计患者的AF负荷的抽样测试。根据一些实施方式,可以基于患者的背景健康和个人参数(例如患者的体重、年龄、性别、(例如根据CHA2DS2-VASc分数评估房颤中风风险)中风风险和其他医疗状况)确定针对该患者的用于抽样测试的发起方案或日程安排。可以考虑其他参数,例如患者更可能配合的时间,例如,可以将测试调度在清醒时间而不是睡眠时间。在一些实施方式中,系统100还可以考虑患者偏好,例如,通过用户装置110从患者获得。患者偏好可以包括对他/她来说更方便的时间窗(例如,一天中的小时、一周或一月中的天等)。
根据一些实施方式,系统100可以被配置为通过提示、提醒或请求患者执行抽样测试来发起抽样测试。请求或提醒患者进行抽样测试可以通过用户装置110来执行,例如通过发送测试消息,例如,短消息服务(SMS)、等,呼叫患者、发出警报等。如果语音测试被用作抽样测试,则至少一些测试可以在不打扰患者的情况下发起,例如,通过记录或采样自由言语。如果使用可佩戴装置,则只要患者佩戴可佩戴心脏监视器150,就可再次自动发起和执行抽样测试。
在执行一个或多个抽样测试之后,可以基于例如检测到患者的健康状态(例如心脏状况)来确定或调整抽样测试的日程安排或方案。例如,如果检测到AF发作,则可以增加抽样测试的频率和时长。抽样测试的日程安排或方案也可以基于其他参数(例如,过去确定的健康状态、先前抽样测试的准确性、先前抽样测试的定时、患者对测试方案的依从性、先前确定的健康状况的定时、过去患者发起的测试的频率和其他测量的生理参数)来确定或调整。例如,对于AF患者,发起后续分析的方案可以基于以下至少一个进行调整:之前检测到的AF发作的次数、时长和定时、AF负荷、过去患者发起分析的频率和其他测量到的生理参数。患者依从性也可能影响测试日程安排。例如,可以针对患者更配合的一天中的时间和一周中的日子调度更多的测试,可以针对患者不太配合的时间调度更少的测试。在一些实施方式中,可以基于检测到的AF发作来选择或确定根据方案要使用的抽样检查的类型。例如,如果不太精确的抽样检查类型检测到AF发作,则可以调整方案以建议使用更精确的方法用于随后的抽样检查。
在一些实施方式中,抽样测试可以包括语音测试。因此,用户装置110可以记录或采样语音以获得患者的语音样本,并通过网络140将语音样本(或经分析的或部分经分析的语音样本)以及其他数据发送到应用服务器130。用户装置110可以包括通信模块,该通信模块可以实现到网络140的直接连接。例如,用户装置110可以包括能够实现直接互联网连接的Wi-Fi或蜂窝模块。
应用服务器130可以从用户装置110获得数据。应用服务器130可以获得患者的语音样本(或者经分析的或部分经分析的语音样本)。应用服务器130可以分析语音样本以确定患者的健康状态,例如以检测诸如AF的心律失常的发作。应用服务器130可以基于确定的健康状态为调整患者的发起后续语音测试的方案(例如,随后采样和分析另一个语音样本)。例如,应用服务器130可以调整获取患者的额外语音样本的频率、额外语音样本的时长和所需元音、额外语音样本的类型(例如,自由言语或特定内容)、获取语音样本的定时等。语音测试的频率和定时可以基于其他参数(例如过去确定的健康状态、先前确定的健康状况的定时、过去患者发起的分析的频率和其他测量的生理参数)来调整。根据本发明的一些实施方式,如果采样的语音样本的质量不够好(例如,如果信噪比不够高),或者如果语音样本的分析结果不是结论性的,例如,如果不能提供明确的诊断,应用服务器130可以发起进一步测试。
应用服务器130可基于语音样本计算与患者的健康状态相关的其它参数。例如,应用服务器130可以估计AF负荷或AF分数,如本文所公开的。
可以使用其它系统架构。例如,根据一些实施方式,用户装置110可以分析语音样本并调整检查方案。另外,取决于系统设计,可以由其他组件向系统100提供各种数据项。例如,应用服务器130或用户装置110可以从例如健康护理提供者、患者本人和/或护理人员获得患者简档和患者数据。
网络140可包括可用于支持用户装置110、应用服务器130、心率监测器150和数据库135之间的通信的任何类型的网络或网络的组合。网络140可以包括例如有线和无线电话网络、因特网和内联网等。
用户装置110、应用服务器130、心率监测器150中的每一个可以是或可以包括计算装置,例如图6中所示的计算装置700。一个或多个数据库135可以是或可以包括诸如存储装置730之类的存储装置。用户装置110可以是或可以包括智能电话、智能麦克风、可佩戴麦克风或声学传感器、数字助理、智能手表、车载计算机、健身可佩戴装置、个人助理计算装置、语音处理微控制器、监测带、物联网(IoT)装置、计算机或笔记本电脑(例如,可以在会议等视频会议中录制语音样本)。用户装置110可以包括用于将声音转换成电信号的麦克风120。电信号可以被记录或采样。对患者的语音的记录或采样在本文中可被称为语音样本或采样。语音样本可被发送到应用服务器130并被进一步处理,例如,通过用户装置110和/或应用服务器130,以检测患者的健康状态。应用服务器130和数据库135可以在云计算环境中实现。在一些实施方式中,用户装置110可以是或可以包括电话,并且应用服务器130可以包括交互式语音响应(IVR)系统,该交互式语音响应系统可以呼叫用户装置110并记录患者语音。
基于语音样本对患者的健康状态进行的分析可以以任何适用的方式执行。例如,如作为美国专利申请公开第2017/62457914号所公开的,题为“Verbal periodicscreening for heart disease”的美国专利申请第16/485,173号中所公开的,其全部内容并入本文。
例如,可以通过寻找来自语音的携带相关信息的特定参数随时间的变化来估计心脏状况,例如通过分析随时间的语音特征并计算语音特征的值的周期性。在一些实施方式中,从语音样本(可选地,自发言语)提取语音特征。在一些实施方式中,语音特征包括例如加权频谱和/或线性预测系数(LPC)和/或基于LPC的频谱,和/或Mel频率倒谱系数(MFCC),和/或基频(音调)、和/或能量、和/或零交叉、和/或共振峰、和/或声门脉冲(声带脉冲)、和/或抖动、和/或闪烁、和/或分形维数、和/或相干性、和/或小波分析、或语音样本的任何其他数学/统计表示。在一些实施方式中,分析语音特征可以使用人工智能(AI)或机器学习(ML)算法来执行,诸如深度神经网络(DNN)、支持向量机(SVM)、随机森林等。
在一些实施方式中,(可选地通过分析对象的语音样本来)估计对象的心率。在一些实施方式中,语音特征的非均匀性被用于识别心脏活动定时的不规则性,例如通过识别在心率频率周围的预定范围内的频率处的周期性。在一些实施方式中,使用频谱分析和/或自相关来识别语音样本中的周期性和/或半周期性变化。在一些实施方式中,计算语音特征的在心率的预定范围处的谱峰的带宽中的周期性。通常,带宽越宽,周期性越低,因此心律失常的概率越高。在一些实施方式中,为了确定心脏状况,将带宽与预定阈值进行比较。
在一些实施方式中,将周期性的特征化参数与阈值进行比较以确定心脏状况。例如,心率频率周围的(语音特征,诸如音调的)自相关函数的峰值可以由其带宽来表征,并且值高于预定阈值的自相关函数的带宽将与心律失常心脏状况的高概率相关联。
在一些实施方式中,在语音的片段之间,可选地在音调和/或共振峰频率周围和/或在潜在地受心脏脉搏影响的任何频率周围,计算语音的频谱交叉相干性。相干性在短时间内达到较低的值可以是心脏脉搏的指示。以这种方式,心脏脉冲可以定位于语音时间线上。
在一些实施方式中,确定语音特征的值的分布,例如,标准偏差。在一些实施方式中,将分布的形状的特征化参数与阈值进行比较以确定心脏状况。例如,可以将分布的形状和/或谱峰值的大宽度与预定阈值进行比较,该预定阈值与心律失常心脏状况的高概率相关联。
在一些实施方式中,可选地使用多特征分类器(组合若干特征),并且例如使用SVM方法和/或矢量量化方法(例如K-MEANS聚类分析和DNN的)来确定语音特征的值的多维分布上的可选多维阈值。
在一些实施方式中,将多维分布的形状的特征化参数与多维阈值进行比较以确定心脏状况。
参考图2,图2是根据本发明的一些实施方式的用于使用语音测试来确定患者的健康状态或医学状况的方法的流程图。用于确定患者的健康状态或医学状况的方法的实施方式可以例如由图1、图5和图6所示的系统执行,但是也可以使用其他硬件。
在操作202中,可以确定用于语音测试的初始方案或日程安排。根据一些实施方式,初始方案或日程安排可以基于患者的背景健康和个人参数(例如体重、睡眠时间、总体健康状况和其他疾病、环境条件、年龄、性别、患者的中风风险(例如根据CHA2DS2-VASc分数评价房颤中风风险)和其他医疗状况)来确定。此外,可以基于AF发作的已知典型模式(例如,与具有相同背景健康和个人参数的患者相关联)来确定初始方案或日程安排。可以考虑其他参数,例如患者更可能配合的时间,例如可以将测试调度在清醒时间而不是睡眠时间,可以根据从患者处获得的患者偏好,例如,对患者来说更方便的时间窗(例如,一天中的小时、一周或一月中的日子等)。
在操作204中,可以发起语音测试或语音检查。例如,可以提示或请求患者发出元音以进行语音测试。在一些实施方式中,可以自动发起语音测试。附加地或可替换地,可以发起诸如ECG或PPG之类的其他抽样测试,用于测试心脏状况、评估心率以及AF发作和其他病理的存在。在一些实施方式中,可以发起多种类型的抽样检查以增加抽样检查的数量,从而增加分析的可靠性。
可以通过(例如,使用用户装置110)请求或提示患者执行测试(例如,发出元音)来发起语音测试。可以基于所确定的用于语音测试的方案或日程安排来发起语音测试。附加地或可替换地,可以通过检测和记录自由或自发语音或响应于患者的请求来发起抽样测试。然而,应当注意,如果检测到自由或自发语音或者响应于患者的请求,则除了调度的检查之外,还可以执行发起的语音测试,或者如果在时间上接近调度的测试时检测到声音或者获得来自患者的语音测试请求,则可以执行发起的语音测试而不是调度的测试。
在操作210中,可以对患者的语音进行采样或记录。可以使用任何可应用装置的麦克风和记录器(例如用户装置110)以任何可应用的方式对语音进行采样。例如,使用智能手机、智能手表、车载计算机、健身可穿戴装置、个人辅助计算装置、语音处理微控制器、监控带、计算机或笔记本电脑。根据一些实施方式,可以提示用户说出语音处理算法所需的预定元音组。例如,可以向患者呈现语音样本的所需内容,并且可以对患者的话语进行采样。所要求的元音可能包括“ahh”、“ehhh”、“eee”,所要求的词可能包括要求患者从1数到10,或者说一个句子(如“当前时间是5时20分”)。附加地或可替换地,可以对自由言语进行采样。根据预设或动态方案,该测试可以由呼叫中心的呼叫者手动发起,或者使用本地或远程位置的记录的语音或机器语音自动发起,该测试可以由移动装置自动发起。如本文所公开的,可以基于测试结果或诊断来动态地调整方案。在一些实施方式中,除了系统发起的测试之外或者代替系统发起的测试,患者可以发起语音测试。
在操作220中,可以执行预处理。根据一些实施方式,预处理可以由记录设备(例如用户装置)110执行。根据一些实施方式,采样的语音可以被发送到另一个装置(例如应用服务器130)用于预处理。根据一些实施方式,预处理可以包括确定采样语音的质量,如框222所示。举例来说,可计算所采样的语音的信噪比(SNR)、音调稳定性、麦克风饱和度或其它质量测量。根据一些实施方式,如操作224所示,可以从语音记录中提取所选择的元音,以便生成患者的语音样本。在一些实施方式中,操作224可以应用于自由言语记录或样本,以便从自由言语中提取语音处理算法所需的元音。
在操作230中,可确定语音样本的质量是否足够好。如果语音样本的质量足够好,例如,高于阈值,可以进一步处理语音样本,如框240所示,否则该方法可以返回到操作210以采样更多的言语。附加地或可替换地,可以确定在操作224中是否提取了足够的元音。确定是否采样了足够的元音对于自由言语采样可能是有益的。例如,AF检测可能需要一组预定的元音,例如,元音的类型和每个元音的数量。例如,AF检测可能需要多次记录元音“ahh”、“ehhh”、“eee”,每次持续几秒钟。当对自由言语进行采样时,没有办法保证在语音样本中存在足够的元音。因此,在操作230中,可将从自由言语提取的元音的类型和量与执行语音分析所需的元音的数量和类型进行比较。如果采样了足够的元音,则如框240所示,可以进一步处理语音样本,否则该方法可以返回到操作210以采样更多的言语。在一些实施方式中,仅当语音记录的质量足够好时,例如,高于阈值并且采样了足够的元音,则如框240所示,进一步处理语音样本,否则该方法可以返回到操作210以采样更多的言语。
在操作240中,可处理或分析语音样本以确定患者的健康状态或医疗状况。根据一些实施方式,处理可以由记录设备(例如用户装置110)执行。根据一些实施方式,采样的言语或预处理的言语可以被发送到另一装置(例如应用服务器130),以供处理。根据一些实施方式,处理可包括从语音样本(或预处理的语音样本)提取至少一个语音特征,并基于语音特征确定患者的健康状态或医疗状况。根据一些实施方案,心律失常,例如AF发作,可以通过处理语音样本来检测。根据本发明的一些实施方式,可以检测心率不规则性,并且可以将不规则-不规则性与规则-不规则性区分开,如本文所公开的。
在操作242中,可以确定处理的结果是否是结论性的,例如,如果结果的置信度水平高于阈值。如果结果是结论性的,则该方法可以前进到操作250。如果结果不是结论性的,则该方法可以返回到操作210,以便采样更多的言语。
在操作250中,可收集关于患者的健康状态或医疗状况的数据。在一些实施方式中,多个语音测试的结果(例如,其中每一个都是操作240的结果)可以被收集,如框252所示。根据一些实施方式,如框254所示,可以获得来自其他源的数据。例如,可以从健康护理提供者(例如,医生或护士)获得信息。附加地或可替换地,患者可以使用其他医疗装置来测量诸如心率、ECG等的生理参数,并且可以在操作254中提供这些测量的生理参数。
在操作260中,可基于收集的数据估计患者的总体健康状况。例如,对于AF患者,可以估计AF负荷,也称为AF分数。AF负荷可以被定义为在一个时间段内(例如,在24或48小时内)检测到的AF发作的总持续时间、在一个时间段内检测到的AF发作的最长持续时间、在一个时间段内AF发作的次数、或在某个监测周期内患者处于AF中的时间百分比等。
AF负荷通常由一段时间内检测到的AF发作的总持续时间定义:
然而,可以使用AF负荷的其他定义。下文提供了计算AF负荷的替代方法的一些示例。令E表示在一个时间段内(例如,一天、一周、10天、一个月)检测到的AF发作的数量;令AAF表示在该时间段期间检测到的AF发作的平均时长;令MAF表示在该时间段期间检测到的AF发作的中值时长;并且令pAF90表示将在该时间段期间前10%的最长AF发作与检测到的较短AF发作分开的检测到的AF发作的时长。可使用表1中所呈现的等式中的任一者或其组合来计算AF。
表1:计算AF负荷的公式。
在操作270中,可以发出警示。在检测到AF发作的情况下或者在AF负荷高于阈值的情况下,可以发出警示。可以以文本消息、可听警报或任何其它方式的形式来提供警示。可以将警示提供给用户(例如,通过用户装置110)或发送给保健提供者。操作270可包括提供所执行的测试的报告,包括测试的定时、患者依从性、测试结果和计算的AF负荷。
在操作280中,可以基于所确定的健康状态来调整用于发起后续语音测试的方案,并且该方法可以返回到操作204以发起后续测试。例如,对于AF患者,发起后续分析的方案可以基于以下至少一个进行调整:先前检测到的AF发作的次数、时长和定时、AF负荷、过去患者发起的分析的频率和其它测量的生理参数,例如由心率测量装置测量的患者的心率。在一些实施方式中,发起后续抽样测试可以包括发起更多语音测试。附加地或可替换地,发起后续抽样测试可以包括发起其他类型的测试,例如ECG或PPG,用于验证语音测试。例如,发起后续语音测试的方案可以包括调整以下各项中的至少一个:获取患者的额外语音样本的频率、针对额外语音样本所需的元音、额外语音样本所需的时长、额外语音样本的类型(例如,自由言语或预定元音)和取得语音样本的定时。根据本发明的一些实施方式,可以基于至少一个额外参数来执行对发起后续语音测试的方案的调整,所述额外参数诸如:过去确定的健康状态、患者对测试方案的依从性、先前确定的健康状况的定时、过去患者发起的分析的频率和其它测量的生理参数。根据一些实施方式,可以基于先前语音样本的先前分析来确定语音样本的所需内容。
根据一些实施方式,发起后续分析的方案可以根据患者的依从性或顺应性来调整。例如,如果患者在某些时间执行所需测试而在其他时间不执行测试,则可以将更多测试确定为其中患者配合并执行所需测试的一天中的时间或一周中的一天。类似地,可以为不遵守方案的患者调度较低频率的检测,以努力提高患者依从性。然而,频率较低的测试可能会增加获得AF负荷估计所需的时间。另一方面,可以为更配合的患者调度更频繁的测试,例如,患者很好地遵守测试方案,减少了计算AF负荷所需的时间。
在示例实施方式中,初始语音测试方案需要一天测试患者几次。如果检测到AF发作,则测试频率可能会增加。如果在几天内未检测到发作,则语音测试的次数可能会减少到初始值。例如,初始语音测试方案可能需要一天测试患者两次。如果检测到AF发作,则测试频率可一天增加1至4次。如果在三天内未检测到发作,则语音测试的次数可减少到初始值。
在一个示例实施方式中,初始方案要求对每个语音测试采样三个类别的元音和文本。例如,如果在某个类别中更频繁地检测到AF发作,则可以在该类别中发起更多测试。
在一个示例实施方式中,初始方案要求一天测试患者两次,一次在上午8:00,一次在下午8:00。例如,如果在下午8:00测试中检测到AF发作,则可以在晚上、8:00PM测试之前或之后的一个、两个或三个小时增加一个或多个附加测试。
在示例实施方式中,执行语音测试和心率测量。例如,如果AF发作与心率监测器检测到的不规则心率同时或非常接近地被检测到,则如果心率监测器检测到不规则心率,可以发起语音测试。
在一个示例实施方式中,初始方案可以仅测试自由言语,例如,在患者打电话或给出语音命令时记录或采样语音。如果在这些测试中的至少一个中检测到AF发作,则系统可以发起更多测试。例如,系统可以在正结果(检测到AF发作)之后每10分钟发起一次测试,直到至少两次测试提供负结果(没有检测到AF发作)。在至少两次测试结果为负后,系统发起的测试频率可能会逐渐降低。
在操作280中,测试结果或诊断可被报告给患者和/或健康护理提供者。报告可包括测试时间和测试结果或诊断。在检测到诸如AF的心脏状况的情况下,该报告还可以包括警示。
参考图3,图3是根据本发明的一些实施方式的用于区分在语音样本中检测到的不规则-不规则性和规则-不规则性的方法的流程图。用于区分在语音样本中检测到的不规则-不规则性和规则-不规则性的方法的实施方式可以是图2所示的操作240的详细描述。用于区分在语音样本中检测到的不规则-不规则性和规则-不规则性的方法的实施方式可以例如由图1、图5和图6中所示的系统执行,但是也可以使用其他硬件。
心率不规则性可分为规则-不规则性和不规则-不规则性。这种划分可能具有临床意义,因为每种类型的不规则性可能是不同病理学的结果。例如,规则-不规则性可能是心室或室上异位活动的结果,而不规则-不规则性可能是多个异位搏动、AF或心房扑动的结果。在许多应用中,将规则-不规则性与不规则-不规则性区分开来可能是有益的。将不规则性分类为规则-不规则性和不规则-不规则性可以为健康护理提供者提供重要的诊断价值。
在操作320中,可以获得心率(HR)信号或函数。在一些实施方式中,可以基于语音样本、ECG信号、PPG信号、光学心跳监测信号、声学心跳监测信号等来生成、估计或计算心率函数。可以针对每个心动周期计算瞬时HR信号作为连续搏动之间的间隔的倒数。瞬时HR信号可被重新采样以生成HR信号,表示为Y。用于对瞬时HR信号进行采样的时间间隔可以是恒定的时间间隔或者可以等于心跳间隔。
在操作330中,可从心率信号中检测心率不规则性,例如,从具有持续时间或多个样本的心率信号的一部分或部分中检测出。如果未检测到不规则性,则如操作340所示,该方法的一些实施方式可继续分析新的心率信号。然而,如果检测到不规则性,则该方法的一些实施方式可以继续计算最大离散自相关(AC)值,如操作350中所示。在操作350中,AC函数rk可以根据下式计算:
最大AC值可以等于max(rk)。在操作360中,可以确定最大AC值是否高于阈值。如果最大AC值高于阈值,则可以将不规则性定义为规则的不规则性,如操作370中所示。然而,如果最大AC值不高于阈值(例如,等于或小于阈值),则该不规则性可被定义为不规则的不规则性,如操作380所示。在操作390中,可以将诊断提供给用户,例如患者或健康护理提供者,并且该方法可以前进到操作310以获得另一个语音样本。
参考图4,图4是根据本发明的一些实施方式,使用抽样测试确定患者的健康状态或医学状况的方法的流程图。使用抽样测试来确定患者的健康状态或医学状况的方法的实施方式可以例如由图1、图5和图6中所示的系统来执行,但是也可以使用其他硬件。
在操作410中,可以确定用于抽样测试的初始方案或日程安排。根据一些实施方式,初始方案或日程安排可基于患者的背景健康和个人参数来确定,个人参数例如患者的体重、年龄、性别、中风风险(根据CHA2DS2-VASc分数评价房颤中风风险)和其他医疗状况。此外,可以基于AF发作的已知典型模式(例如,与具有相同背景健康和个人参数的患者相关联)来确定初始方案或日程安排。可以考虑其他参数,例如患者更可能配合的时间,例如,可以将测试调度在清醒时间而不是睡眠时间,可以根据从患者处获得的患者偏好,例如,对患者来说更方便的时间窗(例如,一天中的小时、一周或一月中的天等)。
在操作420中,可以发起抽样测试或抽样检查。抽样测试可包括任何可应用的心率监测技术,例如语音测试、ECG、PPG、光学心跳监测、声学感测,其不是连续执行的。可以通过请求或提示患者进行测试来发起抽样测试,例如,以应用心脏监测器或心率监测器150。在操作430中,可以分析抽样测试的结果,以确定是否有心脏病变,例如检测到AF发作。根据一些实施方式,当前测试的结果可以与先前测试的结果一起被分析。根据一些实施方式,可以获得来自其他源的数据。例如,可以从健康护理提供者获得信息。
在操作440中,可基于收集的数据估计患者的总体健康状况。例如,对于患有AF的患者,可以估计AF负荷,也称为AF分数。AF负荷可以定义为在某个监测周期期间患者处于AF的总时间、检测到的AF发作的最长持续时间、AF发作的数量或在某个监测周期期间患者处于AF的时间百分比等,类似于操作260。
在操作450中,可以发出警示。类似于操作270,在检测到AF发作的情况下或者在AF负荷高于阈值的情况下,可以发出警示。在操作460中,可以基于检测到的AF发作来调整发起后续抽样测试的方案,并且该方法可以返回到操作410以发起后续测试。例如,发起后续分析的方案可以基于以下至少一个进行调整:先前检测到的AF发作的次数、时长和定时、AF负荷、过去患者发起的抽样检查的频率以及其他测量的生理参数,例如由心率测量装置测量的患者的心率。例如,发起后续抽样测试的方案可以包括调整以下各项中的至少一个:执行附加抽样测试的频率、附加抽样测试所需的时长、以及执行抽样测试的定时。根据本发明的一些实施方式,可以基于至少一个额外参数来执行对发起后续抽样测试的方案的调整,该额外参数例如:患者依从性、过去确定的健康状态、患者对测试方案的依从性、先前确定的健康状况的定时、过去患者发起的分析的频率和其它测量的生理参数。
参考图5,图5示意性地示出了根据本发明的一些实施方式的系统500。系统500可以包括抽样检查调度器510,其被配置为根据本发明的实施方式确定和更新或调整用于患者的抽样检查的日程安排或方案。抽样检查调度器510可以例如在用户装置110、应用服务器130或计算装置700或其组合中实现。可以使用其它硬件。抽样检查调度器510可以获得抽样检查数据,例如抽样检查结果或抽样检查样本或从中可以确定抽样检查结果的测量值。例如,抽样检查调度器510可以获得由任何可应用的语音采样装置生成的语音样本540,该语音采样装置例如但不限于智能电话、智能麦克风、可佩戴麦克风或声学传感器、数字助理、智能手表、车载计算机、健身可佩戴装置、个人助理计算装置、语音处理微控制器、监视带、物联网(IoT)装置、计算机或笔记本电脑(例如,可以在会议等视频会议中录制语音样本)。在一些实施方式中,抽样检查调度器510可以分析语音样本以确定患者的健康状态,例如,以检测AF发作或以确定语音样本是否指示存在AF发作。在一些实施方式中,抽样检查调度器510可以获得分析结果,例如基于语音样本确定AF发作或AF发作的几率。
抽样检查调度器510可以从其他装置或使用其他方法获得抽样检查数据。例如,抽样检查调度器510可以从PPG装置520、ECG装置530和/或其他装置获得抽样检查数据。抽样检查调度器510可以获得原始数据并分析原始数据以检测AF发作,或者获得分析的数据,例如基于PPG、ECG等确定AF发作或AF发作的几率。
抽样检查调度器510可以获得背景数据,例如个人数据550、医疗数据560、抽样检查历史570和统计数据580。个人数据550可以包括例如患者的个人参数,诸如体重、年龄、性别和其他个人参数。医疗数据560可以包括患者的医疗状况,诸如中风风险、基础疾病、处方药物和其他医疗状况。抽样检查历史570可以包括与系统500和/或系统100对患者执行的先前抽样检查相关的数据。该数据可以包括所执行的抽样检查的类型、抽样检查的定时、患者对所调度的抽样检查的遵守(例如,关于未由患者执行的所调度的抽样检查的数据也可以被存储并可用于抽样检查调度器510),以及抽样检查的结果(例如确定AF的存在/不存在和/或AF的存在/不存在的几率以及置信水平)。统计数据580可以包括抽样检查历史570的统计数据,例如,之前检测到的AF发作的平均时间和持续时间、AF负荷等。
抽样检查调度器510可以整合从数据源获得的数据,以确定用于将来或后续抽样检查的日程安排或方案,和/或基于检测到的AF发作和其他数据来调整日程安排或方案,如本文所公开的。抽样检查调度器510可以确定下一抽样检查的定时和类型,并且可以发起下一抽样检查。例如,抽样检查调度器510可以激活适当的装置以在确定的时间获得确定的抽样检查,并且可以向患者通知用于后续抽样检查的日程安排或方案。抽样检查调度器510可以在执行抽样检查的时间到达时提醒患者。
图6示出了根据本发明的一个实施方式的示例计算装置700。诸如用户装置110、心率监测器150、应用服务器130、抽样检查调度器510和其它模块的各种组件可以是或可以包括计算装置700,或者可以包括诸如图6所示的组件。例如,具有第一处理器705的第一计算装置700可用于确定患者的健康状态。
计算装置700可以包括处理器705、操作系统715、内存720、存储装置730、输入装置735和输出装置740,其中处理器705可以是例如中央处理单元处理器(CPU)、芯片或任何合适的计算或使用计算机的设备。处理器705可以是或包括一个或多个处理器等,共同位置的或分布式的。计算装置700可以是例如工作站或个人计算机或者可以至少部分地由一个或多个远程服务器(例如,在“云”中)实现。
操作系统715可以是或可以包括被设计和/或配置为执行涉及例如协调、调度、决断、监督、控制或以其他方式管理计算装置700的操作的任务的任何代码段。操作系统715可以是商用操作系统。内存720可以是或可以包括例如随机存取存储器(RAM)、只读存储器(ROM)、动态RAM(DRAM)、同步DRAM(SD-RAM)、双倍数据速率(DDR)存储器芯片、闪存、易失性存储器、非易失性存储器、高速缓冲存储器、缓冲器、短期存储器单元、长期存储器单元或其他合适的存储器单元或存储装置单元。内存720可以是或可以包括多个可能不同的存储器单元。
可执行代码725可以是任何可执行代码,应用程序、程序、进程、任务或脚本。可执行代码725可由处理器705在操作系统715的控制下执行。例如,可执行代码725可以是或包括用于确定患者的健康状态的应用。在一些实施方式中,可以使用多于一个的计算装置700。例如,包括与计算装置700中所包括的组件类似的组件的多个计算装置可以连接到网络并用作系统。
存储装置730可以是或可以包括例如硬盘驱动器、软盘驱动器、光盘(CD)驱动器、可记录CD(CD-R)驱动器、通用串行总线(USB)装置或其他合适的可移动和/或固定存储单元。在一些实施方式中,可以省略图6中所示的一些组件。例如,内存720可以是具有存储装置730的存储容量的非易失性存储器。因此,尽管被示为单独的组件,但是存储装置730可以被嵌入或包括在内存720中。
输入装置735可以是或可以包括鼠标、键盘、触摸屏或触摸板或任何合适的输入装置。将认识到,如框735所示,任何合适数量的输入装置可以可操作地连接到计算装置700。输出装置740可以包括一个或多个显示器、扬声器和/或任何其他合适的输出装置。将认识到,如框740所示,任何合适数量的输出装置可以可操作地连接到计算装置700。任何可应用的输入/输出(I/O)装置可以连接到计算装置700,如框735和框740所示。例如,有线或无线网络接口卡(NIC)、调制解调器、打印机或传真机、通用串行总线(USB)装置或外部硬盘驱动器可以被包括在输入装置735和/或输出装置740中。网络接口750可以使装置700能够与一个或多个其他计算机或网络通信。例如,网络接口750可以包括Wi-Fi或蓝牙装置或连接、到内联网或因特网的连接、天线等。
本公开中描述的一些实施方式可以包括使用包括各种计算机硬件或软件模块的专用或通用计算机,如下面更详细讨论的。
在本公开的范围内的一些实施方式还包括计算机可读介质或非暂时性计算机存储介质,用于携带或具有存储在其上的计算机可执行指令或数据结构。指令在被执行时可以使处理器执行本发明的一些实施方式。这样的计算机可读介质或计算机存储介质可以是可由通用或专用计算机访问的任何可用介质。作为示例而非限制,这样的计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储装置、或者可以用于携带或存储计算机可执行指令或数据结构形式的期望程序代码装置并且可以由通用或专用计算机访问的任何其它介质。当通过网络或另一通信连接(硬连线、无线或硬连线或无线的组合)将信息传送或提供给计算机时,计算机适当地将该连接视为计算机可读介质。因此,任何这样的连接被适当地称为计算机可读介质。上述的组合也应当包括在计算机可读介质的范围内。
计算机可执行指令包括,例如,使通用计算机、专用计算机或专用处理装置执行某个功能或功能组的指令和数据。尽管已经用结构特征和/或方法动作专用的语言描述了本主题,但是可以理解,所附权利要求书中定义的主题不必限于上述具体特征或动作。相反,上述具体特征和动作是作为实现权利要求的示例形式而公开的。
如在此所使用的,术语“模块”或“组件”可以指在计算系统上执行的软件对象或例程。此处描述的不同组件、模块、引擎和服务可被实现为在计算系统上执行的对象或进程(例如,作为单独的线程)。虽然这里描述的系统和方法优选地以软件实现,但是以硬件或软件和硬件的组合实现也是可能的和预期的。在本说明书中,“计算机”可以是如先前在此定义的任何计算系统,或者在计算系统上运行的任何模块或模块的组合。
对于所公开的过程和/或方法,在这些过程和方法中执行的功能可以按照上下文所指示的不同顺序来实现。此外,所概述的步骤和操作仅作为示例来提供,并且一些步骤和操作可以是可选的,可以被组合成更少的步骤和操作,或者可以被扩展成附加的步骤和操作。
本发明不限于本申请中所描述的特定实施方式,所述特定实施方式旨在说明各个方面。在不脱离本发明的范围的情况下,可以进行许多修改和变化。除了所列举的方法和装置之外,本领域技术人员从前面的描述中将清楚本公开范围内的功能等效的方法和装置。这样的修改和变化旨在落入所附权利要求的范围内。本发明仅由所附权利要求书的条款以及这些权利要求书所授权的等效物的全部范围来限制。还应理解,本公开中使用的术语仅用于描述特定实施方式的目的,而不旨在限制。
本公开内容有时可以示出包含在不同的其它部件内或与不同的其它部件连接的不同部件。这样描述的体系结构仅仅是示例性的,并且可以实现相同或类似功能的许多其他体系结构。
在不脱离本发明的精神或本质特征的情况下,本发明的各方面可以以其它形式实施。所描述的方面在所有方面都被认为是说明性的而非限制性的。所要求保护的主题由所附权利要求书而非前述描述来指示。在权利要求书的等同物的含义和范围内的所有改变都包含在其范围内。
Claims (34)
1.一种基于抽样检查估计心房颤动(AF)负荷的方法,所述方法包括:
确定抽样检查的日程安排;
基于所述日程安排发起抽样检查;
分析所述抽样检查的结果以检测AF发作;以及
基于检测到的AF发作调整所述日程安排。
2.根据权利要求1所述的方法,包括:
根据所述日程安排执行多次抽样检查;以及
基于所述抽样检查的结果估计AF负荷。
3.根据权利要求1所述的方法,其中,调整所述日程安排包括调整以下各项组成的列表中的至少一项:执行额外抽样检查的频率、额外抽样检查所需的时长、执行抽样检查的定时。
4.根据权利要求1所述的方法,其中,所述抽样检查包括从以下各项组成的列表中选择的检查类型:语音测试、心电图(ECG)测试、光电容积描记(PPG)测试、声学感测、光学心跳监测。
5.根据权利要求4所述的方法,包括基于检测到的所述AF发作选择抽样检查的类型。
6.根据权利要求1所述的方法,其中,基于患者的背景健康和个人参数确定所述日程安排。
7.根据权利要求1所述的方法,其中,基于AF发作的典型模式确定所述日程安排。
8.根据权利要求1所述的方法,其中,基于至少一个额外参数来执行对发起后续分析的方案的调整,其中,从以下各项组成的列表中选择所述至少一个额外参数:患者依从性、先前检测到的AF发作的数量、先前检测到的AF发作的时长、先前检测到的AF发作的定时、过去患者发起的抽样检查的AF负荷频率。
9.一种用于确定患者的健康状态的方法,所述方法包括:
获得所述患者的第一语音样本;
分析所述第一语音样本以确定所述患者的健康状态;以及
基于所确定的健康状态,针对发起所述患者的后续语音样本的后续分析的方案进行调整。
10.根据权利要求9所述的方法,其中,调整发起后续分析的方案包括调整由以下各项组成的列表中的至少一项:获取所述患者的额外语音样本的频率、针对所述额外语音样本所需的元音、所述额外语音样本所需的时长、所述额外语音样本的类型、获取语音样本的定时。
11.根据权利要求9所述的方法,其中,获得所述患者的所述第一语音样本包括:
对所述患者的自由言语进行采样;以及
从所述自由言语中提取所选择的元音,以生成所述患者的所述第一语音样本。
12.根据权利要求9所述的方法,其中,获得所述患者的所述第一语音样本包括:
提示所述患者说出一组预定的元音;以及
记录所述患者的话语。
13.根据权利要求9所述的方法,其中,基于至少一个额外参数来执行对发起后续分析的方案的调整,其中,所述至少一个额外参数从由以下各项组成的列表中选择:过去确定的健康状态、先前确定的健康状况的定时、过去患者发起的分析的频率、测量的生理参数。
14.根据权利要求9所述的方法,包括基于对所述第一语音样本的分析来确定所述后续语音样本的所需内容。
15.根据权利要求9所述的方法,其中,由所述患者发起对于所述患者的所述第一语音样本的获取以及对于所述第一语音样本的分析。
16.根据权利要求9所述的方法,其中,分析所述第一语音样本以确定所述患者的健康状态包括:确定所述患者的心律失常。
17.根据权利要求9所述的方法,包括:
分析所述第一语音样本以确定语音样本的质量;以及
如果所述质量低于阈值,则需要所述患者的额外语音样本。
18.一种基于抽样检查估计心房颤动(AF)负荷的装置,所述装置包括:
存储器;以及
处理器,被配置为:
确定抽样检查的日程安排;
基于所述日程安排发起抽样检查;
分析所述抽样检查的结果以检测AF发作;以及
基于检测到的AF发作调整所述日程安排。
19.根据权利要求18所述的装置,其中,所述处理器被配置为:
根据所述日程安排执行多次抽样检查;以及
基于所述抽样检查的结果估计AF负荷。
20.根据权利要求18所述的装置,其中,所述处理器被配置为通过调整以下各项组成的列表中的至少一项来调整所述日程安排:执行额外抽样检查的频率、额外抽样检查所需的时长、执行抽样检查的定时。
21.根据权利要求18所述的装置,其中,所述抽样检查包括从以下各项组成的列表中选择的检查类型:语音测试、心电图(ECG)测试、光电容积描记(PPG)测试、声学感测、光学心跳监测。
22.根据权利要求21所述的装置,其中,所述处理器被配置为基于检测到的AF发作选择抽样检查的类型。
23.根据权利要求18所述的装置,其中,所述处理器被配置为基于患者的背景健康和个人参数来确定所述日程安排。
24.根据权利要求18所述的装置,其中,所述处理器被配置为基于AF发作的典型模式确定所述日程安排。
25.根据权利要求18所述的装置,其中,所述处理器被配置为基于至少一个额外参数对发起后续分析的方案进行调整,其中,从以下各项组成的列表中选择所述至少一个额外参数:患者依从性、先前检测到的AF发作的数量、先前检测到的AF发作的时长、先前检测到的AF发作的定时、过去患者发起的抽样检查的AF负荷频率。
26.一种用于确定患者的健康状态的装置,所述装置包括:
存储器;以及
处理器,被配置为:
获得所述患者的第一语音样本;
分析所述第一语音样本以确定所述患者的健康状态;以及
基于所确定的健康状态,针对发起所述患者的后续语音样本的后续分析的方案进行调整。
27.根据权利要求26所述的装置,所述处理器被配置为通过调整以下各项组成的列表中的至少一项来调整发起后续分析的所述方案:获取所述患者的额外语音样本的频率、针对所述额外语音样本所需的元音、所述额外语音样本所需的时长、所述额外语音样本的类型、获取语音样本的定时。
28.根据权利要求26所述的装置,其中,所述处理器被配置为通过以下方式获得所述患者的所述第一语音样本:
对患者的自由言语进行采样;以及
从所述自由言语中提取所选择的元音,以生成所述患者的所述第一语音样本。
29.根据权利要求26所述的装置,其中,所述处理器被配置为通过以下方式获得所述患者的所述第一语音样本:
提示所述患者说出一组预定的元音;以及
记录所述患者的话语。
30.根据权利要求26所述的装置,其中,所述处理器被配置为基于至少一个额外参数对发起后续分析的方案进行调整,其中,所述至少一个额外参数从由以下各项组成的列表中选择:过去确定的健康状态、先前确定的健康状况的定时、过去患者发起的分析的频率、测量的生理参数。
31.根据权利要求26所述的装置,其中,所述处理器被配置为基于对所述第一语音样本的分析来确定所述后续语音样本的所需内容。
32.根据权利要求26所述的装置,其中,由所述患者发起对于所述患者的所述第一语音样本的获取以及对于所述第一语音样本的分析。
33.根据权利要求26所述的装置,其中,所述处理器被配置为分析所述第一语音样本以通过确定所述患者的心律失常来确定所述患者的健康状态。
34.根据权利要求26所述的装置,其中,所述处理器被配置为:
分析所述第一语音样本以确定语音样本的质量;以及
如果所述质量低于阈值,则需要所述患者的额外语音样本。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062987015P | 2020-03-09 | 2020-03-09 | |
US62/987,015 | 2020-03-09 | ||
PCT/IL2021/050252 WO2021181381A1 (en) | 2020-03-09 | 2021-03-08 | Systems and methods for estimating cardiac arrythmia |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115666368A true CN115666368A (zh) | 2023-01-31 |
Family
ID=77670495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180027576.5A Pending CN115666368A (zh) | 2020-03-09 | 2021-03-08 | 估计心律失常的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230309839A1 (zh) |
EP (1) | EP4117510A4 (zh) |
CN (1) | CN115666368A (zh) |
IL (1) | IL296269A (zh) |
WO (1) | WO2021181381A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140046690A1 (en) * | 2012-08-09 | 2014-02-13 | Medtronic, Inc. | Management and distribution of patient information |
US9579056B2 (en) * | 2012-10-16 | 2017-02-28 | University Of Florida Research Foundation, Incorporated | Screening for neurological disease using speech articulation characteristics |
EP2931119A2 (en) * | 2012-12-14 | 2015-10-21 | Koninklijke Philips N.V. | Patient monitoring for sub-acute patients based on activity state and posture |
KR20190113968A (ko) * | 2017-02-12 | 2019-10-08 | 카디오콜 엘티디. | 심장병에 대한 언어적 정기 검사 |
US20200077940A1 (en) * | 2018-09-07 | 2020-03-12 | Cardiac Pacemakers, Inc. | Voice analysis for determining the cardiac health of a subject |
-
2021
- 2021-03-08 EP EP21766822.7A patent/EP4117510A4/en active Pending
- 2021-03-08 IL IL296269A patent/IL296269A/en unknown
- 2021-03-08 WO PCT/IL2021/050252 patent/WO2021181381A1/en unknown
- 2021-03-08 US US17/910,076 patent/US20230309839A1/en active Pending
- 2021-03-08 CN CN202180027576.5A patent/CN115666368A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021181381A1 (en) | 2021-09-16 |
EP4117510A1 (en) | 2023-01-18 |
US20230309839A1 (en) | 2023-10-05 |
IL296269A (en) | 2022-11-01 |
EP4117510A4 (en) | 2024-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220375491A1 (en) | Verbal periodic screening for heart disease | |
EP3773155B1 (en) | System and method for non-invasive determination of blood pressure dip based on trained prediction models | |
US10796805B2 (en) | Assessment of a pulmonary condition by speech analysis | |
US10231673B2 (en) | Stress detection based on sympathovagal balance | |
JP7504193B2 (ja) | ウェアラブルセンサを用いて被験者の転倒を検出するシステム及び方法 | |
EP3419519B1 (en) | Improving performance of biological measurements in the presence of noise | |
JP2008253727A (ja) | モニタ装置、モニタシステム及びモニタ方法 | |
US20220005494A1 (en) | Speech analysis devices and methods for identifying migraine attacks | |
US20230309839A1 (en) | Systems and methods for estimating cardiac arrythmia | |
EP3419502B1 (en) | Stress detection based on sympathovagal balance | |
EP3439537B1 (en) | Determining baseline contexts and stress coping capacity | |
WO2021255710A1 (en) | Personalized sleep classifying methods and systems | |
Kumari et al. | Detection of heart rate through speech using Mel frequency cepstrum coefficients | |
EP3426131B1 (en) | Continuous stress measurement with built-in alarm fatigue reduction features | |
US20240197201A1 (en) | Remote Monitoring of Respiration | |
US20220125376A1 (en) | Sleep apnea syndrome determination apparatus, sleep apnea syndrome determination method, and sleep apnea syndrome determination program | |
WO2020235037A1 (ja) | 情報処理装置、サウンドマスキングシステム、制御方法、及び制御プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20230131 |
|
WD01 | Invention patent application deemed withdrawn after publication |