CN116056638A - 使用在头部上或头部附近感测到的信号来检测患者状况 - Google Patents

Abstract

一种系统包括传感器装置和处理电路系统。该传感器装置包括被配置为设置在患者的肩部上方的外壳、外壳上的多个电极、运动传感器以及被配置为经由电极感测脑电信号和心电信号以及经由运动传感器感测运动信号的感测电路系统。该处理电路系统被配置为从脑电信号确定一个或多个参数随时间的值、从心电信号确定一个或多个参数随时间的值，以及基于这些值和运动信号来生成患者的状况的检测、预测或分类中的至少一者。

Description

使用在头部上或头部附近感测到的信号来检测患者状况

本申请要求于2020年8月28日提交的美国临时专利申请序列号63/071,997的权益，该美国专利申请序列号的全部内容以引用方式并入本文。

技术领域

本公开涉及医疗装置，并且更具体地，涉及用于检测和/或预测患者状况的系统和方法。

背景技术

中风是可能导致永久性神经损伤、并发症和死亡的严重医疗状况。中风可以表征为由于向脑部供应血液的血管的紊乱而引起的迅速发展的脑部功能丧失。脑功能丧失可能是由于血栓形成、栓塞或出血引起的局部缺血(血液供应不足)的结果。减少的血液供应可能导致所述区域的脑组织的功能障碍。

中风是全球第二大死亡原因和第一大残疾原因。治疗的速度是中风治疗的关键因素，因为在中风期间平均每分钟会损失190万个神经元。中风诊断以及事件与疗法递送之间的时间是提高治疗效果的主要障碍。中风有3个主要病因：i)缺血性中风(占所有中风的约65％)；ii)出血性中风(占所有中风的约10％)；以及iii)隐源性中风(占所有中风的约25％，并且包括短暂性缺血性发作或TIA)。中风可以被视为具有神经源性和/或心源性起源。

存在多种用于治疗经受中风的患者的方法。例如，临床医师可以施用如华法林(warfarin)等抗凝血剂，或者可以进行如血栓切除程序等血管内干预以治疗缺血性中风。作为另一示例，临床医师可以施用抗高血压药物，诸如β阻滞剂(例如，拉贝洛尔(Labetalol))和ACE抑制剂(例如，依那普利(Enalapril))，或者可以进行诸如弹簧圈栓塞等血管内干预来治疗出血性中风。最后，如果中风症状自行消退，神经系统检查为阴性，则临床医师可以施用长期心脏监测(外部或植入式)以确定隐源性中风的潜在心脏起源。

其他状况也影响人类。例如，全世界有6500万人患有癫痫，其中美国有340万人患有癫痫。仅在美国，癫痫每年导致大约3400人死亡。在一些情况下，患者可能患有被误诊为癫痫的癫痫发作。约四分之一被诊断患有癫痫的患者最终被发现具有由癫痫以外的医疗状况引起的症状，诸如血管迷走神经晕厥或心因性发作。癫痫患者还可能具有其他状况，因为约四分之一的癫痫患者还患有心律失常。癫痫的治疗可以包括生活方式改变和/或药物治疗。

发明内容

一般而言，本公开涉及用于生成对患者状况(诸如中风、癫痫发作、血管迷走神经晕厥或心因性发作)的检测、预测或分类中的至少一者的技术。在一些示例中，检测、预测或分类是基于由设置在患者的肩部上方(例如，在患者的颈部或颅骨的后部处)的单个传感器装置感测到的传感器信号生成的。该技术可以包括：经由设置在肩部上方的传感器装置的电极来感测大脑信号和心脏信号两者；基于相应的信号来确定大脑参数和心脏参数的值；以及基于参数和来自感测装置的运动传感器的运动信号来生成检测、预测或分类。

本公开的技术可以提供一个或多个优点。例如，对于系统来说，能够使用经由位于患者肩部上方的单个传感器装置感测到的大脑、心脏和运动信号来检测、预测和/或分类各种患者状况中的一种或多种患者状况可能是有益的。当与通常用于检测此类状况的其他装置(例如，多个装置、在诊所中使用的装置或者被规定为提供针对特定状况的治疗的装置)相比时，这种装置可以是相对不显眼的并且在患者日常生活期间能够在延长的时间段使用。传感器装置被配置为从其位置感测大脑特征和心脏特征两者，并且另外地感测运动信号以进一步增强其检测、预测或分类某些患者状况的能力。在一些示例中，传感器装置包括附加传感器和/或使用识别的传感器感测附加信号，这可以允许附加条件的检测、预测或分类，和/或提高用于检测、预测或分类状况的算法的灵敏度和特异性。

在一个示例中，一种系统包括传感器装置和处理电路系统。传感器装置包括被配置为设置在患者的肩部上方的外壳、外壳上的多个电极、外壳内的运动传感器以及外壳内的感测电路系统。感测电路系统被配置为经由设置在患者的肩部上方的多个电极来感测患者的大脑信号和心脏信号。感测电路系统被配置为经由设置在患者的肩部上方的运动传感器来感测患者的运动信号。处理电路系统被配置为确定来自大脑信号的一个或多个参数随时间的值，以及确定来自心脏信号的一个或多个参数随时间的值。处理电路系统被配置为基于来自大脑信号的一个或多个参数随时间的值、来自心脏信号的一个或多个参数随时间的值以及运动信号来生成对患者的状况的检测、预测或分类中的至少一者。处理电路系统被配置为将检测、预测或分类中的至少一者的指示输出到计算装置。

在另一个示例中，一种方法包括：经由设置在患者的肩部上方的传感器装置的多个电极来感测患者的大脑信号和心脏信号，以及经由设置在患者的肩部上方的传感器装置的运动传感器来感测患者的运动信号。该方法还包括：确定来自大脑信号的一个或多个参数随时间的值，以及确定来自心脏信号一个或多个参数随时间的值。该方法还包括：基于来自脑电信号的一个或多个参数随时间的值、来自心电信号的一个或多个参数随时间的值以及运动信号来生成对患者的状况的检测、预测或分类中的至少一者；以及将检测、预测或分类中的至少一者的指示输出到计算装置。

在另一个示例中，一种计算机可读存储介质包括指令，该指令在被执行时使处理电路系统执行包括以下步骤的方法：确定来自经由设置在患者的肩部上方的传感器装置的多个电极感测到的大脑信号的一个或多个参数随时间的值；以及确定来自经由设置在患者的肩部上方的传感器装置的多个电极感测到的大脑信号的一个或多个参数随时间的值；确定来自经由设置在患者的肩部上方的传感器装置的多个电极感测到的心脏信号的一个或多个参数随时间的值；基于来自大脑信号的一个或多个参数随时间的值、来自心脏信号的一个或多个参数随时间的值以及经由设置在患者的肩部上方的传感器装置的运动传感器感测的运动信号，生成患者的状况的检测、预测或分类中的至少一者；以及将检测、预测或分类中的至少一者的指示输出到计算装置。

在另一个示例中，系统包括用于执行本文所述的方法中的任一者的装置。

本发明内容旨在提供对本公开中所描述的主题的概述。本发明内容并不旨在提供对以下附图和说明书内详细描述的系统、装置和方法的排他性或详尽解释。在附图和以下具体实施方式中阐述了本公开的一个或多个示例的进一步细节。

附图说明

图1A是根据本公开的示例的被配置为检测患者的医疗状况的系统的概念图。

图1B是根据本公开的示例的被配置为检测患者的医疗状况的另一个系统的概念图。

图1C是用于脑电图(EEG)传感器测量的10-20次映射的图。

图2A描绘根据本公开的示例的传感器装置的顶视图。

图2B描绘根据本公开的示例的图2A中所示的传感器装置的侧视图。

图2C描绘根据本公开的示例的另一个示例性传感器装置的顶视图。

图2D描绘根据本公开的示例的另一个示例性传感器装置的侧视图。

图2E描绘根据本公开的示例的另一个示例性传感器装置的侧视图。

图2F描绘根据本公开的示例的另一个示例性传感器装置的侧视图。

图2G描绘根据本公开的示例的另一个示例性传感器装置的顶视图。

图2H描绘根据本公开的示例的另一个示例性传感器装置的顶视图。

图2I描绘根据本公开的示例的包括电极延伸部的另一个示例性传感器装置的顶视图。

图2J-图2N和图2P描绘根据本公开的示例的包括电极延伸部的示例性传感器装置。

图2Q描绘根据本公开的示例的包括与患者结合的电极延伸部的示例性传感器装置。

图2R描绘根据本公开的示例的包括光学传感器的示例性传感器装置。

图3A-图3C描绘根据本公开的示例的其他传感器装置。

图3D描绘根据本公开的示例的包括光学传感器的另一个示例性感测装置。

图4是示出传感器装置的示例性配置的框图。

图5是被配置为与图4的传感器装置通信的外部装置的示例性配置的框图。

图6是示出根据本文所述的一种或多种技术的示例性系统的框图，该示例性系统包括接入点、网络、外部计算装置(诸如服务器)以及一个或多个其他计算装置，这些计算装置可以经由网络耦接到图1的传感器、外部装置和处理电路系统。

图7是示出用于基于来自多个传感器的信息生成患者状况的检测、预测或分类中的至少一者的示例性技术的流程图。

图8是示出用于基于来自多个传感器的信息生成患者状况的检测、预测或分类中的至少一者的技术中的示例性操作的流程图。

图9是示出用于基于大脑信号确定一个或多个参数的值的示例性技术的流程图。

图10是示出用于基于心脏信号确定一个或多个参数的值的示例性技术的流程图。

图11是示出用于更新一个或多个参数的基线和状况参考值的示例性技术的流程图。

图12是示出用于确定检测到的或预测的患者状况是心原性的还是神经原性的示例性技术的流程图。

图13是示出用于基于跌倒或接近跌倒的检测来调整中风检测/预测算法的操作点的示例性技术的流程图。

图14是示出用于基于对患者的状况的所生成的检测、预测或分类来确定和实现对患者的优先治疗途径的示例性技术的流程图。

参考以下附图，可更好地理解本公开的许多方面。附图中的部件未必按比例绘制。相反，重点在于在清楚地示出本发明技术的原理。

具体实施方式

本公开描述了用于从位于患者的头部上的装置检测、预测和/或分类一个或多个患者状况的各种系统、装置和技术。可能难以确定患者是否患有或将患有某些病症，诸如中风或癫痫性癫痫发作、血管迷走神经晕厥或心因性发作。也可能难以对患者所经历的状况进行分类，诸如在不同的状况(诸如癫痫性癫痫发作和血管迷走神经晕厥)之间、在不同类型的状况(诸如中风或癫痫发作的不同类型或起源)之间。

目前的诊断技术通常涉及评估患者的可见症状，诸如面部、手臂或腿部麻痹或麻木以及在中风情况下的行走、说话或理解困难。可视中风指标被缩写为F.A.S.T.：面部、手臂和说话——是时候拨打911了。然而，这些技术可能导致中风未确诊，特别是使患者在粗略评估后相对活动的更轻度中风。即使是对于相对轻度的中风，尽快治疗患者也具有重要性，因为中风患者的治疗效果是非常依赖时间的。因此，需要用于检测中风的改进方法。然而，由于未能及时鉴别出患者是否正在经受或者最近经受过中风，此类治疗常常可能未得到充分利用和/或相对无效。这对于使患者在粗略评估后相对活动的更轻度中风而言具有特定风险。

类似地，可能难以检测或鉴定癫痫发作，例如在患有癫痫的患者中发生的癫痫发作。一些患者表现出癫痫性癫痫发作的身体表现，诸如手臂和腿部的抽搐运动，癫痫性癫痫发作的其他症状可以包括暂时性精神错乱、凝视、意识丧失或知觉丧失，或情绪症状(诸如恐惧、焦虑或记忆错觉)。当患者正在经历癫痫性癫痫发作时，患者可能无法理解症状或准确地识别发生了什么。此外，患者可能无法获得或要求干预，诸如药物治疗。在一些示例中，深部脑刺激(DBS)装置可以检测癫痫性癫痫发作并且经由植入脑内的电极提供电刺激，以防止或减少癫痫发作的症状。然而，此类DBS装置需要侵入式植入手术，并且可能不适于患者的筛查或诊断。

如本文所述，传感器装置可以用于从患者的头部上或头部附近的位置检测、预测和/或分类患者状况。传感器装置可以被配置为皮下植入或被定位于患者体外(例如，佩戴)而不需要任何医疗引线。在一些示例中，代替引线，传感器装置可以包括直接在外壳上承载多个电极的外壳，以及在外壳上或外壳内的一个或多个其他传感器。通过使用这些外壳电极，传感器装置可以感测来自一个或多个向量的电信号，并且处理电路系统可以确定表示患者状况的生理参数的值。这些信号和参数可以指示大脑活动和/或其他器官(诸如心脏)的活动。基于参数值，处理电路系统可以检测、预测和/或分类患者状况。处理电路系统可以将检测、预测和/或分类的指示输出到计算装置，例如以便于治疗或干预。

常规脑电图(EEG)电极通常被定位于用户的头皮的大部分上。虽然该区域中的电极被很好地定位以检测来自患者大脑的电活动，但是存在某些缺点。该位置中的传感器干扰患者的移动和日常活动，使得这些传感器对于长期监测是不切实际的。另外地，在患者的头皮下植入传统电极是困难的并且可能导致显著的患者不适。为了解决常规EEG传感器的这些缺点和其他缺点，根据本文所述的技术的传感器装置从患者的头部附近或者患者的头部上的较小区域(诸如邻近患者的颈部的后部或患者的颅骨的后部或靠近患者一边或两边太阳穴的较小区域)处感测电信号。在这些位置中，在患者皮肤下的植入相对简单，并且可穿戴传感器装置的临时应用(例如，耦接到绷带、衣服、带子或粘合构件)不会不适当地干扰患者的移动和活动。尽管主要在无引线传感器装置的上下文中进行描述，但在一些示例中，例如，如关于图2I-图2N、图2P及图2Q描述的，传感器装置可以包括电极延伸部。电极延伸部可以增加用于经由电极感测信号(诸如大脑信号和心脏信号)的向量的大小，和/或可以将电极定位成更靠近大脑信号和心脏信号的源，这可以增强使用此类信号来检测和/或预测患者状况的算法的灵敏度。

经由设置在患者的颈部的后部处或附近的电极检测到的EEG信号可以包括其他信号和相对高的噪声幅度。例如，与大脑活动相关联的电信号可以与与心脏活动相关联的电信号(例如，心电图(ECG)信号或包括与心脏的机械活动相关联的分量的信号)和与肌肉活动相关联的电信号(例如，肌电图(EMG)信号)以及来自其他电源的伪像(诸如患者移动或外部干扰)交互混合。因此，在一些示例中，信号可以被滤波或以其他方式被操纵，以将大脑活动数据(例如，EEG信号)和心电信号(例如，ECG信号或其他心脏信号)彼此分离并且与其他电信号(例如，EMG信号等)分离。本公开的传感器装置可以包括具有用于感测差分信号的非平行向量轴的多个电极，并且装置中的电路系统可以被配置为基于差分信号生成信号，诸如心脏信号和大脑信号。

如下文更详细地描述的，可以分析参数值以基于一个或多于一个阈值、信号之间的相关性或使用分类算法来检测、预测或分类一个或多个状况，该分类算法本身可以使用应用于已知表示状况或分类的患者数据的数据库的机器学习技术衍生。一个或多个检测算法可以是被动的(涉及对完全休息的患者进行测量)或主动的(涉及提示患者执行潜在受损功能，诸如移动特定肌肉群组(例如，抬起手臂、移动手指、移动面部肌肉等)和/或在记录电反应的同时说话)或来自电刺激或其他刺激。

本文所述的本技术的各方面可以体现在专用计算机或数据处理器中，该专用计算机或数据处理器被具体地编程、配置或构建以执行本文详细解释的计算机可执行指令中的一个或多个计算机可执行指令。还可以在由远程处理装置来执行任务或模块的分布式计算环境中实践本技术的各方面，该远程处理装置通过通信网络(例如，无线通信网络、有线通信网络、蜂窝通信网络、互联网或短程无线电网络(诸如经由蓝牙))连接。在分布式计算环境中，程序模块可以位于本地存储器存储装置和远程存储器存储装置两者中。

在本技术的各方面下的计算机实现的指令、数据结构、屏幕显示和其他数据可以存储或分布在计算机可读存储介质上，包括磁或光可读计算机盘，作为半导体存储器、纳米技术存储器、有机或光存储器或其他便携式和/或非瞬态数据存储介质上的微码。在一些实施方案中，本技术的各方面可以通过互联网或通过其他网络(例如，蓝牙网络)分布在传播介质(例如，一种或多种电磁波、声波)上的传播信号上一段时间，或者可以设置在任何模拟或数字网络(分组交换、电路交换或其他方案)上。

图1A是根据本公开的示例的被配置为检测医疗状况的系统100A的概念图。本文所述的示例性技术可以与传感器装置106一起使用，该传感器装置在示出的示例中为可植入医疗装置(IMD)并且可以与外部装置108、处理电路系统110和图1A中未绘出的其他装置中的至少一者进行无线通信。例如，外部装置(图1A中未示出)可以包括处理电路系统110的至少一部分。

如图1A所示，传感器装置106位于目标区域104中。目标区域104可以是用户颈部的后部或颅骨的后部。在其他示例中，目标区域可以位于患者的其他位置处，诸如用户的一边或两边太阳穴附近的位置(例如，在一边或两边耳朵上方)和/或在颅骨的颞部部分上方的位置。尽管传感器装置106可以被植入在相对于头部、颈部或目标区域104大致居中的位置处，但是传感器装置106可以被植入在偏离中心的位置处，以便从传感器装置106的外壳上承载的电极获得期望向量。传感器装置106可以经由植入(例如，以皮下方式)或通过被放置在患者皮肤上而设置在目标区域104中，其中传感器装置106的一个或多个电极在目标区域104处或附近与患者皮肤直接接触。

虽然常规EEG电极被放置在患者的头皮上，而ECG电极被定位于患者的身体的其他地方，但是本技术有利地使得能够经由电极记录临床有用的大脑活动信号和心脏活动信号，该电极被定位于患者的颈部或头部的后部处的目标区域104处或其他颅骨位置(诸如本文所述的颞部位置)处。该解剖区域非常适合于传感器装置106的植入和传感器装置在患者皮肤上的临时放置。相比之下，被定位于头皮上的常规EEG电极是笨重的，并且在患者的颅骨上的植入具有挑战性的且可能引起患者的明显不适。

如本文别处所述，常规EEG电极通常被定位于头皮上，以更容易地达到用于检测大脑活动的合适信噪比。然而，通过使用某种数字信号处理和专用分类器算法，可以使用设置在目标区域104处的电极来获得临床有用的大脑活动信号和心脏活动信号。具体地，电极可以检测对应于P3、Pz和/或P4区域(如图1C中所示)中的大脑活动的电活动。

处理电路系统110可以从指示大脑活动和/或心脏活动的信号中提取一个或多个参数(例如特征)的值。处理电路系统110然后可以基于这些参数值确定患者是否已经经历中风(或具有经历中风的超阈值风险)、癫痫性癫痫发作或其他状况。在一些示例中，传感器装置106采取LINQ^TM可插入心脏监测器(ICM)(能够从爱尔兰都柏林的美敦力公司(Medtronic plc,Dublin,Ireland)获得)的形式，或者具有类似植入体积和类似感测能力的装置的形式。示例性技术可以另外地或可替代地与图1A中未示出的医疗装置一起使用，诸如另一种类型的IMD、贴片监视器装置、可佩戴装置(例如，智能手表)或另一种类型的外部医疗装置。

临床医师有时基于由生理传感器(诸如电极、光学传感器、化学传感器、温度传感器、声学传感器和运动传感器)收集的一个或多个观察到的生理信号来诊断具有医疗状况的患者(例如，患者102)和/或确定患者102的状况是否正在改善或恶化。在一些情况下，临床医生将非侵入式传感器应用于患者，以便在患者在诊所进行医疗预约的同时感测一个或多个生理信号。然而，在一些示例中，可能改变患者的状况的事件(诸如治疗的实施)可以在诊所外发生。因此，在这些示例中，临床医师可能无法在医疗预约期间监视患者的一个或多个生理信号的同时观察确定事件(诸如癫痫发作或中风)是否已经改变患者的医疗状况和/或确定患者的医疗状况是否正在改善或恶化所需的生理标记。在图1A中所示的示例中，传感器装置106被植入患者102体内或附接到患者，以在延长的时间段内连续地记录患者102的一个或多个生理信号。

在一些示例中，传感器装置106包括多个电极。在一些示例中，传感器装置106可以感测大脑活动信号和心脏活动信号以及其他信号(诸如用于呼吸、皮肤阻抗和灌注的阻抗信号)。此外，在一些示例中，传感器装置106可以另外地或可替代地包括一个或多个光学传感器、加速度计或其他运动传感器、温度传感器、化学传感器、光传感器、压力传感器和/或声学传感器。此类传感器可以感测各种信号，这些信号可以提高处理电路系统110检测、预测或分类患者状况的能力。

外部装置108可以是具有用户能够观看的显示器和用于向外部装置108提供输入的界面(例如，用户输入机构)的手持式计算装置。例如，外部装置108可以包括向用户呈现信息的小显示屏(例如，液晶显示器(LCD)或发光二极管(LED)显示器)。除此之外，外部装置108可以包括触摸屏显示器、小键盘、按钮、外围定点装置、语音激活或允许用户通过外部装置108的用户界面导航并提供输入的另一个输入机构。如果外部装置108包括按钮和小键盘，则按钮可以专用于执行某种功能(例如，电源按钮)，按钮和小键盘可以是根据用户当前观看的用户界面的部分而改变功能的软键，或它们的任何组合。

在其他示例中，外部装置108可以是较大的工作站或另一个多功能装置内的单独应用，而不是专用计算装置。例如，多功能装置可以是笔记本计算机、平板计算机、工作站、一个或多个服务器、蜂窝电话、个人数字助理或可以操作使计算装置能够作为安全装置操作的应用的另一个计算装置。在一些示例中，外部装置108是患者102的智能手机和/或手表或其他可穿戴计算装置，其可以例如经由蓝牙^TM与传感器装置106通信。在一些示例中，外部装置108被配置为与计算机网络(诸如由爱尔兰都柏林的美敦力公司开发美敦力

网络)通信。

在一些示例中，处理电路系统110可以包括被配置为实现用于在IMD106内执行的功能和/或过程指令的一个或多个处理器。例如，处理电路系统110能够处理存储在存储装置中的指令。处理电路系统110可以包括例如微处理器、图形处理单元(GPU)、张量处理单元(TPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或等效离散或集成逻辑电路系统，或前述装置或电路系统中的任一者的组合。因此，处理电路系统110可以包括任何合适的结构(无论是硬件、软件、固件或它们的任何组合)，以执行本文所述的处理电路系统110的功能。

处理电路系统110可以表示位于传感器装置106和外部装置108中的任一者或两者内的处理电路系统。在一些示例中，处理电路系统110可以完全位于传感器装置106的外壳内。在其他示例中，处理电路系统110可以完全位于外部装置108的外壳内。在其他示例中，处理电路系统110可以位于传感器装置106、外部装置108和图1A中未示出的另一个装置或装置组中的任一者或者它们的任何组合。因此，本文中归于处理电路系统110的技术和能力可以归于传感器装置106、外部装置108和图1A中未示出的其他装置的任何组合。

图1A的医疗装置系统100A是根据本公开的一个或多个技术的被配置为感测信号并生成患者状况的检测、预测或分类的系统的示例。在一些示例中，感测到的信号可以包括表示心脏功能的特征，诸如心脏的去极化和再极化或者心脏的收缩。处理电路系统110可以将与前述事件相关的信息(诸如分隔一个或多个事件的时间)应用于多种目的。处理电路系统110可以执行信号处理技术，以提取指示心脏信号的一个或多个参数的信息。在一些示例中，感测到的电信号可以包括表示大脑功能的特征，诸如一个或多个频带(诸如α频带、β频带或γ频带)中的频率的幅度。处理电路系统110可以执行各种信号处理，以从感测到的电信号提取这些大脑特征。在一些示例中，感测到的信号可以是大脑电信号和心脏电信号(例如，EEG信号或ECG信号)的替代物。从头皮脉管系统感测到的脉动信号对应于心室收缩和ECG R波，尽管具有轻微的定时延迟。

在一些示例中，传感器装置106包括一个或多个加速度计或其他运动传感器。传感器装置106的加速度计可以收集加速度计信号，该加速度计信号反映对患者102的运动、患者102的姿势和患者102的身体角度中的任一者或者多者的测量值。在一些情况下，加速度计可以收集指示患者102在三维笛卡尔空间内的移动的三轴加速度计信号。例如，加速度计信号可以包括竖轴加速度计信号向量、横轴加速度计信号向量和正面轴加速度计信号向量。竖轴加速度计信号向量可以表示患者102沿着竖轴的加速度，横轴加速度计信号向量可以表示患者102沿着横轴的加速度，而正面轴加速度计信号向量可以表示患者102沿着正面轴的加速度。在一些情况下，当患者102从患者102的颈部到患者102的腰部时，竖轴基本上沿着患者102的躯干延伸，横轴垂直于竖轴延伸跨过患者102的胸部，并且正面轴从患者102的胸部向外延伸并延伸穿过患者的胸部，正面轴垂直于竖轴和横轴。

传感器装置106可以测量其他信号，诸如阻抗(例如，经由图2A-图2N、图2P和图2Q中描绘的电极测量的皮下阻抗)，该其他信号可以指示呼吸、皮肤阻抗或灌注、心音信号、心冲击图信号、压力信号等。处理电路系统110可以分析该组参数中的任何一个或多个参数，以便确定患者102是否正在经历状况(诸如中风或癫痫发作)或具有经历状况的超阈值风险。在一些示例中，例如经由电极、光学传感器、加速度计、压力传感器、阻抗传感器或心音传感器从头皮脉管系统光学地或机械地感测到的脉动信号可以提供ECG或其他心电活动信号的替代物。

在一些示例中，传感器装置106的一个或多个传感器(例如，电极、运动传感器、光学传感器、温度传感器、压力传感器或它们的任何组合)可以生成指示患者的参数的信号。在一些示例中，指示参数的信号包括多个参数值，其中多个参数值中的每个参数值表示在相应的时间间隔的参数测量值。多个参数值可以表示随时间的参数值序列，其中传感器装置106为时间间隔序列的每一个时间间隔收集参数值序列的每个参数值。例如，传感器装置106可以执行参数测量，以便根据循环时间间隔(例如，每天、每晚、每隔一天、每十二小时、每小时、每秒或任何其他循环时间间隔)来确定参数值序列的参数值。以此方式，传感器装置106可以被配置为与其中在患者到诊所就诊期间跟踪患者参数的技术相比更有效地跟踪相应患者参数，因为传感器装置106被植入患者102体内并且被配置为根据循环时间间隔执行参数测量，而不错过时间间隔或不按时间表执行参数测量。

传感器装置106可以被称为系统或装置。在一个示例中，传感器装置106可以包括：多个电极，该多个电极由传感器装置106的外壳承载；感测电路系统，该感测电路系统被配置为经由多个电极中的至少两个电极感测来自患者10的电信号；以及运动传感器(例如，加速度计)，该运动传感器被配置为感测患者的运动信号。传感器装置106还可以包括处理电路系统110。传感器装置106的外壳承载多个电极并且包含或容纳感测电路系统、处理电路系统、运动传感器以及任何其他传感器。以此方式，传感器装置106可以被称为无引线感测装置，因为电极直接由外壳承载而不是由从外壳延伸的任何引线承载。然而，在一些示例中，传感器装置106可以包括从传感器装置装延伸并进入患者组织的一条或多条感测引线。一条或多条此类引线可以用来代替传感器装置106的电极(例如，诸如图2I-图2N、图2P和图2Q中所描绘的电极延伸部)，或者除了传感器装置的电极之外还使用此类引线，并且此类引线可以执行本文中归于电极的任何功能。

由感测装置106感测的信号可以包括大脑信号和/或心脏信号。在一些示例中，多个电极被配置为检测与P3、Pz或P4大脑区域中的至少一者中的活动相对应的大脑信号，该P3、Pz或P4大脑区域在枕部或上颈部区域处，如图1C中所示。以此方式，传感器装置106的外壳可以被配置为设置在患者102的颈部或颅骨的后部处或附近。传感器装置106的外壳可以被配置为植入患者102体内，诸如皮下植入。在其他示例中，传感器装置106的外壳可以被配置为设置在患者102的皮肤的外表面上。

在一些示例中，传感器装置106可以包括单个感测电路系统，该单个感测电路系统被配置为从感测到的电信号生成包括大脑活动数据(例如，脑电图(EEG)数据)和心脏活动数据(例如，ECG数据或心脏收缩数据)两者的信息。在其他示例中，传感器装置106的处理电路系统可以包括从感测到的电信号产生不同信息的单独硬件。例如，IMD 106可以包括：第一电路系统，该第一电路系统被配置为从电信号生成大脑活动；以及第二电路系统，该第二电路系统不同于第一电路系统并且被配置为从电信号生成心脏活动数据。即使第一电路系统和第二电路系统被配置为生成不同的信息或数据，在一些示例中，感测到的电信号也可以在由第一电路系统和第二电路系统处理之前由一个或多个电气部件(例如，滤波器或放大器)调节或处理。在一些示例中，从大脑活动数据中确定的参数可以包括指示各种频带中或各种频率下的信号强度的特征，诸如频谱特征。

在一些示例中，传感器装置106包括位于外壳内的一个或多个加速度计或其他运动传感器。加速度计可以被配置为生成表示患者102的运动的运动数据。处理电路系统110然后可以被配置为基于运动信号生成一个或多个状况的检测、预测或分类，例如，在具有从大脑信号和心脏信号确定的参数值的状况下。例如，身体运动或缺乏身体运动可以指示患者102所经历的癫痫发作的类型。作为另一个示例，某些身体运动或行为(例如，运动模式)可以指示中风。在一个示例中，处理电路系统110可以被配置为基于运动数据确定患者102已经跌倒或接近跌倒。响应于确定患者102已经跌倒，处理电路系统110可以被配置为通知或修改用于检测或预测中风或另一种患者状况的算法。在一些示例中，中风可导致患者跌倒。因此，结合从感测到的大脑信号和心脏信号提取的其他特征，处理电路系统110可以从跌倒指示确定中风度量指示中风的检测。在其他示例中，传感器装置106或处理电路系统110可以确定运动数据的特性超过阈值。例如，阈值可以是指示跌倒的加速度值。对于癫痫发作，作为另一个示例，超过频率阈值的运动的频率可以指示癫痫发作引起的身体移动。

处理电路系统110可以从由传感器装置106感测到的心脏信号(例如，ECG信号或表示心脏机械活动的信号)提取各种特征，诸如心率、心率变异性等。此类心脏参数可以指示患者的自主活动状态，并且可以通知各种患者状况的检测、预测和/或分类。例如，处理电路系统110可以基于此类参数将癫痫发作分类为多种癫痫发作类型中的一种癫痫发作类型。例如，癫痫发作类型可以包括单一癫痫发作、中风诱导的癫痫发作、癫痫性癫痫发作、非癫痫性发作(诸如VVS或心因性发作)、意识丧失型癫痫发作、强直-阵挛或惊厥性癫痫发作、失张力性癫痫发作、阵挛性癫痫发作、强直性癫痫发作和肌肉阵挛性癫痫发作。在一些示例中，处理电路系统110还可以基于加速度计数据、温度数据或从一个或多个传感器中提取的任何其他参数来确定癫痫发作类型。

图1B是根据本公开的示例的被配置为检测患者102的医疗状况的系统100B的概念图。系统100B可以与图1A的系统100A基本上相似。然而，系统100B的传感器装置106可以被配置为植入在目标区域120中，该目标区域位于患者102的太阳穴的头部后侧上，例如，在耳朵上方和/或在颅骨的颞部部分上方。植入在目标区域120处的传感器装置106可以被配置为在该区域中感测心脏信号和大脑信号以及本文所述的其他传感器信号。在此类示例中，如果传感器装置106的电极被植入在患者的头部的另一侧处，则电极可以检测对应于T3区域(如图1C中所示)或T4区域中的大脑活动的电活动，或者两个或更多个传感器装置都被双侧植入在颞部区域处。在一些示例中，由于目标区域120处的不同噪声类型(诸如由于下颌运动或其他类型的电活动引起的肌肉活动)，传感器装置106可能需要采用与目标区域104处的那些不同的滤波器或其他处理或信号调节技术。在其他示例中，传感器装置106可以被配置为感测来自患者102的头部的可能位于目标区域104和120之外的其他区域的如本文所述的信号。

图1C是用于EEG传感器测量的10-20次映射的图。如图1C中所示，可以使用由传感器装置106承载的电极来靶向患者102的头部的各个位置。在枕部(诸如在图1A的目标区域104中)，传感器装置106可以感测P3、Pz或P4中的至少一者处的信号。在头部的侧面(诸如在图1B的目标区域120中)，传感器装置106可以感测F7、T3或T5中的至少一者处和/或F8、T4或T6中的一者或多者处的信号。

图2A描绘根据本公开的示例的传感器装置210(例如，IMD)的顶视图。图2B描绘图2A中所示的传感器装置210的侧视图。在一些示例中，传感器装置210可以包括上文关于图1A和图1B描述的传感器装置106和/或下文关于图3A-图3D和图4描述的传感器装置310、360B、360B、361或400的特征中的一些或全部特征且类似于这些特征，并且可以包括如结合图2A描述的附加特征。在示出的示例中，传感器装置210包括外壳201，该外壳在其中承载多个电极213A、213B、213C和213D(统称为“电极213”)。尽管针对传感器装置210示出四个电极，但是在其他示例中，外壳201可以承载仅两个或三个电极，或者多于四个电极。如图2H中所示，电极中的任一个电极可以被分段；即，每个电极可以包括由绝缘材料分开的两个导电部分。在一些示例中，每个电极的第一部分可以被配置为感测ECG信号或其他心脏信号，并且第二部分可以被配置为感测EEG信号。

在操作中，电极213可以被放置成与目标部位处的组织直接接触(例如，如果被放置在用户的皮肤上，则该电极与用户的皮肤直接接触，或者如果传感器装置210被植入，则该电与皮下组织直接接触)。外壳201另外地封闭位于传感器装置210内部的电子电路系统，并且保护其中包含的电路系统(例如，处理电路系统、感测电路系统、通信电路系统、传感器和电源)不受体液影响。在各种示例中，电极213可以沿传感器装置210的任何表面(例如，前表面、后表面、左侧表面、右侧表面、上侧表面、下侧表面或其他表面)设置，并且该表面又可采取任何合适的形式。

在图2A和图2B的示例中，外壳201可以为具有相对平坦形状的生物相容性材料，该相对平坦形状包括：第一主表面203，该主表面被配置为面向感兴趣的组织(例如，当定位于患者颈部的后部处时面向前方)；第二主表面204，该第二主表面与第一主表面相对；以及外壳201在第一主表面与第二主表面之间延伸的深度D或厚度。外壳201可以限定上侧表面206(例如，被配置成当感测装置210被植入患者头部或颈部中或被入患者头部或颈部处时面向上方)和相对的下侧表面208。外壳201还可以包括中心部分205、第一侧向部分(或左侧部分)207和第二侧向部分(或右侧部分)209。电极213围绕外壳201分布，使得中心电极213B被设置在中心部分205内(例如，沿着装置的水平轴基本上居中)，背侧电极213D被设置在下侧表面上，左侧电极213A被设置在左侧部分207内，并且右侧电极213C被设置在右侧部分209内。如图所示，外壳201可以限定其中心部分205包括顶点的回旋镖或人字形形状，其第一侧向部分207和第二侧向部分209同时侧向向外并从中心部分205延伸，并且还相对于装置的水平轴以向下角度延伸。在其他示例中，外壳201可以以其他形状形成，该其他形状可以通过由外壳201承载的不同电极213之间的期望距离或角度确定。

外壳201的配置可以有助于以可穿戴或绷带状形式或针对皮下植入在患者的皮肤之上的放置。因此，相对薄的外壳201可能是有利的。另外地，在一些实施方案中，外壳201可以是柔性的，使得外壳201可以至少部分地弯曲，以对应于患者颈部的解剖结构(例如，外壳201的左侧部分207和右侧部分209相对于外壳201的中心部分205向前弯曲)。

在一些实施方案中，外壳201可以具有约15mm至约50mm、约20mm至约30mm或约25mm的长度L。外壳201可以具有约2.5mm至约15mm、约5mm至约10mm或约7.5mm的宽度W。在一些实施方案中，外壳201可以具有小于约10mm、约9mm、约8mm、约7mm、约6mm、约5mm、约4mm或约3mm的厚度。在一些实施方案中，外壳201的厚度可以为约2mm至约8mm、约3mm至约5mm或约4mm。外壳201可以具有小于约1.5cc、约1.4cc、约1.3cc、约1.2cc、约1.1cc、约1.0cc、约0.9cc、约0.8cc、约0.7cc、约0.6cc、约0.5cc或约0.4cc的体积。在一些实施方案中，外壳201可以具有可用于通过套管针导引器或任何其他合适的植入技术进行植入的尺寸。

如图所示，由外壳201承载的电极213被布置成使得所有三个电极213不位于公共轴线上。在此类配置中，电极213可以实现多种信号向量，与全部沿着单个轴线对齐的电极相比，这可以提供一个或多个改善的信号。这在传感器装置210中可能特别有用，该传感器装置被配置为植入在颈部或头部，同时检测大脑和心脏中的电活动。在一些示例中，处理电路系统可以通过加权和或两个或更多个物理信号向量(诸如能够从传感器装置210的电极213或本文所述的任何其他传感器装置的电极获得的物理信号向量)来产生虚拟信号向量。

在一些示例中，所有电极213都位于第一主表面203上，并且基本上是平坦的且面向外的。然而，在其他示例中，一个或多个电极213可以利用三维配置(例如，围绕装置210的边缘弯曲)。类似地，在其他示例中(诸如如图2B中所示的示例)，一个或多个电极213可以被设置在与第一主表面相对的第二主表面上。各种电极配置允许其中电极213位于第一主表面和第二主表面两者上的配置。在其他配置中(诸如如图2B中所示的配置)，电极213仅被设置在外壳201的一个主表面上。电极213可以由多种不同类型的生物相容导电材料(例如，氮化钛或铂铱)形成，并且可以利用一个或多个涂层，诸如氮化钛或分形氮化钛。在一些示例中，电极的材料选择还可以包括具有高表面面积(例如，以提供更好的电极电容用于获得更好的灵敏度)和粗糙度(例如，以有助于植入物稳定性)的材料。尽管图2A和图2B中所示的示例包括四个电极213，但在一些实施方案中，传感器装置210可以包括由外壳201承载的1、2、3、4、5、6或更多个电极。

图2C描绘根据本技术的另一个示例性传感器装置220的顶视图。图2C示出基本上类似于传感器装置210的传感器装置220，但是传感器装置220包括不沿着外壳201的第一主表面203暴露的电极213。相反，如图2D和图2E中所示，电极213可以沿着上侧表面和下侧表面暴露(例如，当被植入患者颈部处或颈部上时面向上侧和下侧)。图2F示出传感器装置230，该传感器装置基本上类似于传感器装置210和传感器装置220，但是外壳201被配置成具有弯曲配置，并且其中电极可以沿着外壳201的上侧表面和/或下侧表面放置。在一些实施方案中，弯曲配置可以改善患者舒适度并且更容易适形于患者颈部区域的解剖结构。在一些示例中，传感器装置210、220或230中的任一个传感器装置可以是柔性的，以便在期望植入物位置或外表面位置处适形于患者的解剖结构。另外地，包括电极延伸部的示例(例如，如图2I-图2N、图2P和图2Q中所描绘的)固有地是柔性的，从而允许适形于颈部和/或颅部解剖结构。在一些示例中，传感器装置220和/或传感器装置230可以被植入在相对于胸部、头部(例如，枕部区域或颞部区域)、颈部或另一个目标区域大致居中的位置处。在一些示例中，传感器装置220和/或传感器装置230可以被放置在患者皮肤的外表面上。

在操作中，电极213用于感测信号(例如，EEG信号或其他大脑信号和/或ECG信号或其他心脏信号)，该信号可以是肌肉下的或皮下的。感测到的信号可以存储在传感器装置的存储器中，并且信号数据可以经由通信链路传输到另一个装置(例如，图1A的外部装置108)。感测到的信号可以是时间编码的或以其他方式与时间数据相关，并且以这种形式存储，使得可以确定和/或报告特定信号数据点或特定信号数据序列(或基于其计算的指标或统计信息)的新近度、频率、当日时间、时间跨度或日期。在一些示例中，电极213可以另外地或可替代地用于感测来自任何植入位置或外部位置的任何感兴趣的生物电势信号，诸如EMG或神经信号以及阻抗信号。这些信号可以是时间编码的或与时间相关的，并且以上述关于大脑和心脏信号数据的方式以该形式存储。

图2G和图2H描绘根据本公开的示例的装置的顶视图。图2G描绘传感器装置210的外壳201，其包括布置在外壳201的周边处的电极213A-213C。电极213A-213C中的每一者可以被配置为接收包括心脏分量和大脑分量的原始信号。传感器装置210可以包括被配置为对由电极213A-213C接收的原始信号进行滤波以生成心脏信号和大脑信号(例如，ECG信号和EEG信号)的电路系统。在一些示例中，该电路系统可以位于传感器装置210的外部。

图2H描绘传感器装置240的外壳241，该外壳包括电极253A-253C和电极254A-254C。电极253A和254A一起可以被称为分段电极。类似地，电极253B和254B可以被称为分段电极，并且电极253C和254C可以被称为分段电极。绝缘材料可以分隔分段电极的导电部分(例如，电极253A和254A)。

电路系统可以被配置为基于在电极253A和253B处接收的差分信号生成第一心脏(例如，ECG)信号，基于在电极253B和253C处接收的差分信号生成第二心脏信号，和/或基于在电极253C和253A处接收的差分信号生成第三心脏信号。同样地，电路系统可以被配置为基于在电极254A和254B处接收的差分信号生成第一大脑(例如，EEG)信号，基于在电极254B和254C处接收的差分信号生成第二大脑信号，和/或基于在电极254C和254A处接收的差分信号生成第三大脑信号。

图2I描绘另一个示例性传感器装置250的顶视图，该传感器装置包括电极263A-236D、267和269。电极263A-236D、267和269中的每一者可以被配置为接收包括心脏分量和大脑分量(例如，ECG和EEG)的原始信号。传感器装置250可以包括被配置为对由电极263A-236D、267和269接收的原始信号进行滤波以生成心脏信号和大脑信号(例如，ECG信号和EEG信号)的电路系统。传感器装置250还可以包括被配置为经由电极263A-236D、267和269测量组织阻抗的电路系统。

在图2I的示例中，传感器装置250包括外壳251，该外壳包括上侧表面256、相对的下侧表面258、中心部分255、第一侧向部分(或左侧部分)257和第二侧向部分(或右侧部分)259。电极263围绕外壳251分布，使得中心电极263B被设置在中心部分255内(例如，沿着装置的水平轴基本上居中)，左侧电极263A被设置在左侧部分257内，并且右侧电极263C被设置在右侧部分259内。

传感器装置250还包括电极延伸部265A和265B(统称为“电极延伸部265”)。如图2I所示出的，电极延伸部265A包括桨叶268，使得一个或多个电极267分布在该桨叶268上。电极延伸部265B包括一个或多个环形电极269。在一些示例中，电极延伸部265可以经由头部销连接到传感器装置250的外壳256。在一些示例中，电极延伸部265可以永久地附接到传感器装置250的外壳256。在一些示例中，电极延伸部265、此类延伸部上的电极和外壳251上的电极的数量和类型可以不同于图2I所示出的数目和类型。

在一些示例中，电极延伸部265可以具有约15mm至约50mm、约20mm至约30mm或约25mm的长度L1。一个或多个电极延伸部265可以为传感器装置250提供用于经由电极感测信号的更大的感测向量。相对于较小的(较短的)感测向量，包括在一个或多个延伸部上的一个或多个电极的较大的(较长的)感测向量可以有助于改善信号质量。

电极延伸部265固有地是柔性的，从而允许适形于颈部和/或颅部解剖结构。另外地，一个或多个电极延伸部265的长度和柔性可以允许延伸部上的电极有利地被定位于某些大脑结构或位置、血管结构或其他解剖结构或位置的附近，这也可与有助于改善信号质量，例如当信号源自该结构或受该结构影响时。例如，电极延伸部265A和265B可以从传感器装置250向上延伸，用于增强大脑信号感测和检测。改善的信号质量可以改善用于使用此类信号预测或检测患者状况的算法的性能。在植入一个或多个电极延伸部265的示例中，延伸部可以在头皮下穿过，以将延伸部上的一个或多个电极定位在颅骨的期望位置。

图2J-图2N和图2P描绘根据本公开的示例的包括电极延伸部272J-272P、276K、276N、284M-284P、285M-285P和286M-286P的示例传感器装置270J-270P。传感器装置270J-270P在其他方面可以类似于关于图1A-图2I所示出及描述的传感器装置，例如，可以包括外壳内的电子器件及外壳上的电极。图2J-图2P中所示的电极延伸部也可以被称为引线。作为示例，电极延伸部272J-272P、276K、276N、284M-284P、285M-285P和286M-286P上的电极可为环形电极或桨形电极。

图2J-图2L示出电极延伸部272J-272L和276K的示例，这些电极延伸部可以被定位成在第一方向上从传感器装置270J-270L延伸，并且图2M-图2P示出电极延伸部272M-272P和276N的示例，这些电极延伸部可以被定位成在第一方向上从传感器装置270M-270P延伸，以及电极延伸部284M-284P、285M-285P和286M-286P的示例，这些电极延伸部可以被定位成在与第一方向相反的第二方向上从传感器装置270M-270P延伸。在一些示例中，第一方向可以是向下方向，例如，朝向患者的颈部和肩部，并且第二方向可以是向上方向，例如，朝向患者的上颅骨和头皮。例如，第一电极延伸部可以被定位成朝向第一颞部区域延伸，并且第二电极延伸部可以被定位成朝向第二颞部区域延伸。图2J-图2P中所示的电极延伸部272J-272P和276K可以朝向颈部和肩部延伸，用于增强心脏信号感测和检测。图2M-图2P中所示的电极延伸部284M-284P、285M-285P和286M-286P可以被定位成朝向上颅骨和头皮向上延伸，用于增强大脑信号感测。

图2J示出从传感器装置270J的中心延伸的单个电极延伸部272J的示例。图2K示出从传感器装置270K的相对端延伸的两个电极延伸部272K和276K的示例。电极延伸部276K上的电极274K可以具有正极性，并且电极延伸部272K上的电极278K可以具有负极性，或者电极的极性可以互换，使得电极具有相反极性。图2L示出从传感器装置270L的中心延伸的单个电极延伸部272L的示例。在单个电极延伸部272L上存在具有相反极性的两个电极274L和278L。因此，图2K和图2L中所示的传感器装置270K和270L可以被配置为经由一个或多个电极延伸部272K、276K和272L上的电极274K、278K、274L和278L接收差分信号。在图2J的示例中，可以在延伸部272J上的电极与传感器装置270J的外壳上的电极之间形成大致垂直或非水平感测向量，并且在图2L的示例中，可以在延伸部272L上的电极274L与278L之间形成大致垂直感测向量。在图2K的示例中，可以在延伸部272K上的电极274K与延伸部276K上的电极278K之间形成大致水平感测向量。

图2M-图2P中示出的传感器装置270M-270P中的每一者包括在第一方向上延伸的一个或多个电极延伸部272M-272P和276N，以及在与第一方向相反的第二方向上延伸的三个电极延伸部284M-284P、285M-285P和286M-286P。图2M示出从传感器装置270M的中心沿第一方向延伸的单个电极延伸部272M。图2N示出从传感器装置270N的相对端沿第一方向延伸的两个电极延伸部272N和276N。图2P示出从传感器装置270P的中心延伸的单个电极延伸部272P，其中单个电极延伸部272P包括具有相反极性的两个电极274P和278P。

图2Q示出在患者颈部的后部上的传感器装置270Q。在示出的示例中，传感器装置270Q被配置为类似于图2N的传感器装置270N。然而，包括关于图2I-图2N和图2P描述的延伸部的传感器装置中的任一者可以以图2Q中的传感器装置270Q所示出的方式定位。另外地，包括关于图2I-图2N和图2P描述的延伸部的传感器装置中的任一者可以被定位于本文所述的其他位置处，诸如暂时如关于图1B所示。

此类传感器装置可以包括在第一向下方向上朝向患者的颈部或肩部延伸的一个或多个延伸部。沿该第一方向延伸的延伸部可以定位电极以有助于心脏信号(例如，ECG)感测。此类传感器装置可以包括在与第一方向相反的第二向上方向上朝向患者的上颅骨和头皮延伸的一个或多个延伸部。在该第二方向上延伸的延伸部可以有助于大脑信号(例如，EEG)感测。每个延伸部可以包括一个或多个电极，以与传感器装置的相同延伸部、不同延伸部或外壳上的另一个电极一起提供一个或多个取向的一个或多个感测向量。

图2R描绘包括光学传感器291的示例性传感器装置290。光学传感器291可以用于本文所述的各种目的中的任一种目的。例如，光学传感器291可以用于感测氧饱和度，例如SpO₂或StO₂。作为另一个示例，由光学传感器感测的信号可以随血液的脉动流变化。峰值检测和/或其他信号处理技术可以用于识别光学信号中的心跳。处理电路系统可以基于光学信号确定心率、心率变异性以及能够从心跳检测的时间序列中推导出的其他参数。根据本文所述的任何技术，处理电路系统可以使用光学信号作为ECG信号的替代物。

在一些示例中，处理电路系统可以基于在ECG信号中检测到的去极化和在光学信号中检测到的特征来确定脉搏波传输时间(PTT)。PTT可以与血压呈负相关，并因此指示血压。在本文所述的技术中，PTT可以充当血压的替代物。

在图2R的示例中，光学传感器291包括光发射器292以及光检测器294A和294B(在下文中称为“光检测器294”)。图2R中示出的光发射器和光检测器的数量是一个示例，并且在其他示例中，光学传感器可以包括不同数量的光发射器和/或光检测器。除了包括光学传感器291之外，传感器装置290可以被配置为基本上类似于本文所述的任何其他传感器装置，诸如关于图1A-图1C、图2A-图2N、图2P和图2Q以及图4描述的那些传感器装置。例如，传感器装置290可以包括如关于图2A-图2N、图2P和图2Q描述进行配置的外壳201。尽管未在图2R中示出，传感器装置290可以包括如关于图2A-图2N、图2P和图2Q中的任一者描述的电极。此外，尽管未在图2R中示出，但在一些示例中，传感器装置290可以包括延伸部或引线，如关于图2I-图2N、图2P和图2Q描述的。在一些示例中，光学传感器291可以位于从外壳201延伸的延伸部或引线上，而不是位于外壳201上，如图2R中所示。将光学传感器291定位在引线或延伸部上可以允许光学传感器291一个位置感测光学信号，而传感器装置290经由电极在另一个位置感测ECG信号或EEG信号，这在用于感测信号的优选位置不同的情况下可能是有利的。光学传感器291的示例性位置包括颞部位置、太阳穴位置、枕骨位置、前额位置或头顶上的位置。

在一些示例中，光学传感器291可以被定位成将光发射到颅骨上的血管床并且从颅骨上的血管床接收光。在一些示例中，光学传感器291可以位于外壳201的面向颅骨的主表面上，这可以有助于将来自患者体外的背景光的干扰降到最低。在一些示例中，光学传感器291可以位于与包括一个或多个电极的另一个表面相对的颅骨表面上。

一个或多个光发射器292包括光源(诸如一个或多个发光二极管(LED))，该光源可以发射可见光(VIS)和/或近红外(NIR)光谱内的一种或多种波长的光。例如，一个或多个光发射器292可以发射约660纳米(nm)、720nm、760nm、800nm中的一种或多种或任何其他合适的波长的光。

在一些示例中，用于确定血液氧合(例如，StO₂或StO₂)的技术可以包括使用一个或多个光发射器292来发射一种或多种VIS波长(例如，约660nm)和一种或多种NIR波长(例如，约850nm-890nm)的光。VIS波长和NIR波长的组合可以有助于使处理电路系统能够区分氧合血红蛋白与脱氧血红蛋白，因为随着血红蛋白变得较少氧合，VIS光的衰减增加并且NIR的衰减减少。通过将由光检测器294检测到的VIS光的量与光检测器294检测到的NIR光的量进行比较，处理电路系统可以确定患者组织中氧合血红蛋白和脱氧血红蛋白的相对量。

使用光学信号确定血液氧合值或感测的血液的脉动流的技术可以基于血液灌注组织的光学性质，该光学性质根据组织微循环中氧合血红蛋白和脱氧血红蛋白的相对量而变化。这些光学性质至少部分地归因于氧合血红蛋白和脱氧血红蛋白的不同光学吸收光谱。因此，患者组织的氧饱和度水平可以影响组织内的血液所吸收的光的量以及组织所反射的光的量。光检测器294各自可以接收来自光发射器292的由组织反射的光，并产生指示由光检测器294检测到的光的强度的电信号。处理电路系统然后可以评估来自光检测器294的电信号，以便确定氧饱和度值、检测心跳和/或确定PTT值。在一些示例中，光发射器292可以另外地或可替代地发射其他波长的光(诸如绿光或琥珀色光)，因为由检测器294检测到的信号随脉动血流的变化可以在此类波长下较大，这可以增加检测脉搏以识别心跳和/或确定PTT的能力。

在一些示例中，由光检测器294A和294B产生的电信号之间的差异可以增强这些确定的准确性。例如，因为组织吸收了由光发射器292发射的光中的一些光，所以由组织反射的光的强度随着光发射器292与光检测器294之间的距离(和组织量)增加而衰减。因此，因为光检测器294B距光发射器292的距离比光检测器294A更远，所以光检测器294B检测到的光的强度应该小于光检测器294A检测到的光的强度。由于检测器294A、294B彼此非常接近，因此光检测器294A检测到的光的强度与光检测器294B检测到的光的强度之间的差异应仅归因于与光发射器292的距离的差异。

在一些示例中，光学传感器291包括形成为外壳201的一部分的窗口296(例如，玻璃或蓝宝石)。光发射器292和光检测器294可以位于窗口296下方。窗口296对于由光学传感器291发射和检测的光(例如，光的波长)可以是透明的或基本上透明的。在一些示例中，外壳201的主表面中的一个主表面的全部或相当一部分可以形成为窗口296。

在一些示例中，窗口296的一个或多个部分可以被光学地掩蔽。在一些示例中，除了发射器292和检测器294上方的窗口部分之外的窗口部分可以被光学地掩蔽。光掩蔽可以减少或防止光的透射，例如，以防止窗口296内可能混淆测量的内部反射。光掩蔽可以包括被配置成基本上吸收所发射的光的材料，诸如氮化钛、柱状氮化钛、钛或可用于吸收可以由光发射器292发射的选定波长的光的另一种材料。

图3A-图3C描绘根据本技术的实施方案的其他示例性传感器装置310、360B和360C。在一些示例中，传感器装置310可以包括根据本技术的实施方案在本文所述的传感器装置106、210、220、230和400的特征中的一些或全部特征，并且可以包括如结合图3A描述的附加特征。在图3A中所示的示例中，传感器装置310可以体现为具有外壳314、近侧电极313A和远侧电极313B(单独称为或统称为“电极(electrode)313”或“电极(electrodes)313”)的监测装置。外壳314可以进一步包括第一主表面318、第二主表面320、近端322和远端324。外壳314封闭位于传感器装置310内部的电子电路系统并且保护其中含有的电路系统免受体液影响。电馈通提供电极313的电连接。在一个示例中，传感器装置310可以体现为外部监视器，诸如可以被定位于患者的外表面上的贴片，或另一种类型的医疗装置(例如，代替ICM)，诸如本文进一步描述的。

在图3A中所示的示例中，传感器装置310由长度“L”、宽度“W”和厚度或深度“D”限定。传感器装置310可以是细长矩形棱柱的形式，其中长度L明显大于宽度W，宽度W又大于深度D。在一个示例中，传感器装置310的几何形状(特别是大于深度D的宽度W)被选择为允许使用微创手术将传感器装置310插入到患者的皮肤下并且在插入期间保持在期望的取向。例如，图3所示的装置包括沿纵轴的径向不对称性(特别是矩形形状)，其在插入后将装置保持在正确的取向。例如，在一个示例中，近侧电极313a和远侧电极313B之间的间隔可以在30毫米(mm)至55mm、35mm至55mm以及40mm至55mm的范围内，并且可以是25mm至60mm的任何范围或单一间隔。在一些示例中，长度L可以是30mm至约70mm。在其他示例中，长度L可以在40mm至60mm、45mm至60mm的范围内，并且可以是介于约30mm与约70mm之间的任何长度或长度范围。除此之外，第一主表面18的宽度W可以在3mm至10mm的范围内，并且可以为介于3mm至10mm之间的任何单一宽度或宽度范围。传感器装置310的深度D的厚度可以在2mm至9mm的范围内。在其他示例中，传感器装置310的深度D可以在2mm至5mm的范围内，并且可以为2mm至9mm的任何单一深度或深度范围。除此之外，根据本公开的示例的传感器装置310具有为了易于植入和患者舒适而设计的几何形状和尺寸。本公开中描述的传感器装置310的示例可以具有3cc或更小、2cc或更小、1cc或更小、0.9cc或更小、0.8cc或更小、0.7cc或更小、0.6cc或更小、0.5cc或更小、0.4cc或更小的体积、介于3cc与0.4cc之间的任何体积或小于0.4cc的任何体积。除此之外，在图3A中所示的示例中,近端322和远端324是圆形的，以减少一旦插入患者的皮肤下对周围组织造成的不适和刺激。

在图3A中所示的示例中，一旦插入患者体内，第一主表面318就面向外，朝向患者的皮肤，而第二主表面320位于与第一主表面318相对的位置。因此，第一主表面和第二主表面可以面向沿着患者的矢状轴的方向，并且由于传感器装置310的尺寸，在植入时可以持续保持该取向。另外地，加速度计或加速度计的轴可以沿着矢状轴取向。

近侧电极313A和远侧电极313B用于感测信号(例如，EEG信号、ECG信号、其他大脑信号和/或心脏信号或阻抗)，该信号可以是肌肉下的或皮下的。信号可以被存储在传感器装置310的存储器中，并且信号数据可以经由集成天线326传输到另一个医疗装置，该另一个医疗装置可以是另一个植入式装置或外部装置，诸如外部装置108(图1A)。在一些示例中，电极313A和313B可以另外地或可替代地用于感测来自任何植入位置的任何感兴趣的生物电势信号，诸如EMG或神经信号。

在图3A中所示的示例中，近侧电极313A紧密靠近近端322，并且远侧电极313B紧密靠近远端324。在该示例中，远侧电极313B不限于平坦的面向外的表面，而是可以从第一主表面318围绕圆形边缘328或端表面330延伸到第二主表面320上，使得电极313B具有三维弯曲配置。在图3中所示的示例中，近侧电极313A位于第一主表面318上并且基本上是平坦的且面向外的。然而，在其他示例中，近侧电极313A可以利用远侧电极313B的三维弯曲配置，从而提供三维近侧电极(在该示例中未示出)。类似地，在其他示例中，远侧电极313B可以利用位于第一主表面318上的基本平坦的且面向外的电极，类似于关于近侧电极313A所示的电极。各种电极配置允许其中近侧电极313A和远侧电极313B位于第一主表面318和第二主表面320两者上的配置。在其他配置中，诸如图3所示的配置，只有近侧电极313A和远侧电极313B中一者位于两个主表面318和320上，而在其他配置中，近侧电极313A和远侧电极313B均位于第一主表面318或第二主表面320中一者上(即，近侧电极313A位于第一主表面318上，而远侧电极313B位于第二主表面320上)。在另一个示例中，传感器装置310可以包括在装置的近端和远端处或附近的第一主表面318和第二主表面320两者上的电极313，使得在传感器装置310上包括总共四个电极313。电极313可以由多种不同类型的生物相容导电材料(例如，氮化钛或铂铱)形成，并且可以利用一个或多个涂层，诸如氮化钛或分形氮化钛。尽管图3A中所示的示例包括两个电极313，但在一些实施方案中，传感器装置310可以包括由外壳314承载的3、4、5或更多个电极。

在图3A中所示的示例中，近端322包括头部组合件332，该头部组合件包括近侧电极313A、集成天线326、抗迁移突出部334和/或缝合孔336中的一者或多者。集成天线326位于与近侧电极313a相同的主表面(即，第一主表面318)上，并且也被包括为头部组合件332的一部分。集成天线326允许传感器装置310传输和/或接收数据。在其他示例中，集成天线326可以形成在与近侧电极313A相对的主表面上，或者可以结合在传感器装置310的外壳314内。在图3A中所示的示例中，抗迁移突出部334位于邻近集成天线326的位置，并且远离第一主表面318突出，以防止装置的纵向移动。在图3A中所示的示例中，抗迁移突出部334包括多个(例如，六个或九个)远离第一主表面318延伸的小凸块或突出部。如上文所讨论的，在其他示例中，抗迁移突出部334可以位于与近侧电极313A和/或集成天线326相对的主表面上。除此之外，在图3A中所示的示例中，头部组合件332包括缝合孔336，该缝合孔提供将传感器装置310固定到患者以防止在插入之后移动的另一种手段。在所示的示例中，缝合孔336位于近侧电极313A附近。在一个示例中，头部组合件332是由聚合物材料或塑料材料制成的模制头部组合件，该模制头部组合件可以与传感器装置310的主要部分集成或分离。

图3B示出在电极390B和391B之间的中点处的第三电极392B。可以增大传感器装置360B的外壳374B的尺寸D以调整角度α，以获得电极390B-392B的三角形配置的更正交的取向。在一些示例中，传感器装置360B可以具有与传感器装置310相同的形状和尺寸，除了电极392B被添加到外壳374B的侧表面或后表面以创建三角形电极配置的情况之外。除此之外，图3C示出具有延伸的第三尺寸D的传感器装置360。第三电极392C被定位于拐角处，以与电极390C和391C一起创建三角形电极配置。尺寸D可以被设计为实现用于电极390C-392C的三角形配置的特定角度。

图3D描绘根据本公开的示例的包括光学传感器363的另一个示例性感测装置361。光学传感器363可以被配置并提供如上文关于光学传感器291和图2R描述的功能性。光学传感器363包括一个或多个光发射器365以及光检测器367A和367B(在下文中称为“光检测器367”)，其可以被配置为基本上类似于并且功能基本上类似于关于图2R描述的光发射器292和光检测器294。除了包括光学传感器363之外，传感器装置361可以被配置为基本上类似于本文所述的任何其他传感器装置，诸如关于图1A-图1C、图3A-图3C和图4描述的那些传感器装置。例如，传感器装置363可以包括如关于图3A-图3C描述进行配置的外壳375。尽管未在图3D中示出，传感器装置363可以包括如关于图3A-图3C中的任一者描述的电极。在一些示例中，外壳375的表面377(例如，主表面或其一部分)可以被配置为窗口，该窗口对于由光学传感器363发射和检测的光(例如，光的波长)是透明的或基本上透明的。

如图3D中所示，传感器装置361包括设置在外壳375的表面377上的天线379。在一些示例中，天线379可以包括衬底层和形成于衬底层上的金属化层。衬底层可以包括例如生物相容聚合物，诸如聚酰胺或聚酰亚胺、石英玻璃、硅、蓝宝石等。金属化层可以包括例如铝、铜、银或其他导电金属。天线379可以包括其他材料，诸如，例如，陶瓷或其他介电材料(例如，如在介质谐振器天线中)。在一些示例中，天线379(例如，金属化层等)可以直接形成在外壳375的外表面377上。

不管材料如何，天线379可以包括不透明材料或基本上不透明材料。例如，不透明(例如，或基本上不透明)材料可以阻挡选定波长的辐射的至少一部分(诸如，介于可见光的约75％与约100％之间)的透射。

在天线379包括不透明材料的示例中，光学传感器363的部件可以相对于天线379的部分布置，以减少或防止部件之间的光学干扰。例如，如图3D中所示，光发射器365被定位于天线379的外周上，而光检测器367被定位于由天线379限定的孔内。以此方式，天线379可以限定不透明材料的光学边界，该不透明材料减少或防止光从发射器365直接透射到检测器367。相反，从光发射器365发射的光必须穿过组织。在一些示例中，可以应用一个或多个光学掩模371A和371B以进一步防止光学干涉。

图4是被配置为感测用于生成患者状况的检测、预测或分类中的至少一者的信号的传感器装置400的示例性配置的框图。传感器装置400可以是传感器装置106、210、220、230、240、250、270、310、360A或360B中的任一者的示例。在所示出的示例中，传感器装置400包括电极418A-418C(统称为“电极418”)、天线405、处理电路系统402、感测电路系统406、通信电路系统404、存储装置410、切换电路系统408、传感器414(包括一个或多个运动传感器416)和电源412。

处理电路系统402可以包括固定功能电路系统和/或可编程处理电路系统。处理电路系统402可以包括微处理器、GPU、TPU、控制器、DSP、ASIC、FPGA或等效的离散或模拟逻辑电路系统中的任一者或多者。在一些示例中，处理电路系统402可以包括多个部件(诸如一个或多个微处理器、一个或多个GPU、一个或多个TPU、一个或多个控制器、一个或多个DSP、一个或多个ASIC或一个或多个FPGA的任何组合)，以及其他离散的或集成的逻辑电路系统。本文中归于处理电路系统402的功能可以体现为软件、固件、硬件或它们的任何组合。处理电路系统402可以是处理电路系统110(图1A和图1B)的示例或部件，并且可以是传感器装置106、210、220、230、240、250、270、310、360A和360B中的任一者的处理电路系统。

感测电路系统406和通信电路系统404可以经由如由处理电路系统402控制的开关电路系统408选择性地耦接到电极418。感测电路系统406可以监测来自电极418A-418C的信号，以便监测大脑和心脏的活动(例如，产生EEG和ECG或其他心脏信号)，处理电路系统402(或另一个装置的处理电路系统)可以从该信号中确定用于生成检测、预测或分类的参数随时间的值。感测电路系统406还可以感测生理特性(诸如皮下组织阻抗)，该阻抗指示患者102的呼吸模式或灌注的至少一些方面。感测电路系统406还可以监测来自传感器414的信号，该传感器可以包括一个或多个运动传感器416以及可以被定位于传感器装置400上或被定位于传感器装置内的任何附加传感器(诸如光学传感器291、363、压力传感器或声学传感器)。

在一些示例中，由传感器装置400收集的皮下阻抗信号可以指示患者102的呼吸速率和/或呼吸强度。在一些示例中，呼吸分量可以另外地(使用混合传感器技术)或可替代地在其他信号(诸如运动传感器信号、光学信号)中被感测，或者作为经由电极418感测的心脏信号的分量(例如，基线偏移)。在一些示例中，感测电路系统406可以包括用于对从电极418和/或一个或多个传感器414中的一者或多者接收到的信号进行滤波和放大的一个或多个滤波器和放大器。

通信电路系统404可以包括用于与另一个装置(诸如外部装置108)进行通信的任何合适的硬件、固件、软件或它们的任何组合。在处理电路系统402的控制下，通信电路系统404可以借助于内部天线或外部天线(例如天线405)从外部装置108或另一个装置接收下行链路遥测，以及向该外部装置或另一个装置发送上行链路遥测。在一些示例中，通信电路系统404可以使用两个或更多个电极418(例如，由处理电路系统402经由切换电路系统408所选择的)经由组织传导通信(TCC)从外部装置108或另一个装置接收下行链路遥测以及向外部装置或另一个装置发送上行链路遥测。除此之外，处理电路系统402可以通过外部装置(例如，外部装置108)和计算机网络(诸如由爱尔兰都柏林的美敦力公司开发的美敦力

网络)与联网计算装置进行通信。

临床医师或其他用户可以使用外部装置108或通过使用被配置为通过通信电路系统404与处理电路系统402进行通信的另一个本地或联网计算装置来从传感器装置400检索数据。临床医师还可以使用外部装置108或另一个本地或联网计算装置来编程传感器装置400的参数。

在一些示例中，存储装置410可以被称为存储器，并且包括计算机可读指令，该计算机可读指令当由处理电路系统402执行时使传感器装置400和处理电路系统402执行归于本文的传感器装置400和处理电路系统402的各种功能。存储装置410可以包括任何易失性、非易失性、磁性、光学或电介质，诸如随机存取存储器(RAM)、只读存储器(ROM)、非易失性RAM(NVRAM)、电可擦可编程ROM(EEPROM)、闪速存储器或任何其他数字介质。存储装置410还可以存储由感测电路系统406产生的数据(诸如信号)或由处理电路系统402产生的数据(诸如参数值或状况的检测、预测或分类的指示)。

电源412被配置为向传感器装置400的部件递送操作功率。电源412可以包括电池和用于产生操作功率的发电电路。在一些示例中，电池是可再充电的，以允许长期操作。在一些示例中，再充电是通过外部充电器与外部装置108内的感应充电线圈之间的近侧感应相互作用来实现的。电源412可以包括多种不同电池类型中的任何一种或多种，诸如镍镉电池和锂离子电池。不可再充电电池可以被选择为持续数年，而可再充电电池可以例如在每天或每周的基础上从外部装置感应地充电。

如本文所述，传感器装置400可以被配置为例如经由电极418和传感器414感测信号，用于检测、预测和/或分类一个或多个患者状况，诸如中风或癫痫发作。在一些示例中，处理电路系统402可以被配置为计算与从电极418接收到的一个或多个信号相关的参数值，和/或来自传感器414的信号。在一些示例中，处理电路系统402可以被配置为基于参数值以算法形式确定患者状况的存在或不存在、患者是否具有状况的超阈值风险或者状况是否最有可能是某种类型或具有某种原因。

在一些示例中，感测电路系统406经由电极418感测大脑信号。大脑信号可以表示大脑的电活动，并且可以是EEG。如本文所述，处理电路系统402可以从大脑信号确定参数值，此类值是基于一个或多个频带中的信号的幅度确定的。感测电路系统406可以包括滤波器和其他感测电路系统以隔离感兴趣的大脑信号。

在一些示例中，感测电路系统406感测心脏信号，并且处理电路系统402可以从心脏信号确定参数值。如本文所述的示例性参数值(诸如心率或心率变异性)可以基于对心脏信号中心跳的出现的检测来确定。感测电路系统406可以被配置为感测多种不同的信号，在该多种不同的信号内可以识别心跳并且可以确定心脏参数的值。

例如，感测电路系统406可以被配置为经由电极418感测表示心脏的电活动(去极化和再极化)的心脏信号，诸如皮下ECG信号。作为另一个示例，感测电路系统406可以被配置为经由电极418感测表示心脏的机械活动的心脏信号。经由电极418(例如，在患者的头皮上或头皮下)感测到的信号的分量可以基于振动、血流或与心脏收缩相关联的阻抗的变化而变化。隔离该分量的滤波可以包括0.5Hz至3Hz带通滤波，尽管其他滤波类型、范围和截止值也是可能的。在一些示例中，感测电路系统406可以被配置为经由其他传感器414(诸如光学传感器291、363、压力传感器或运动传感器416)感测表示心脏的机械活动的心脏信号。

例如，感测电路系统406和/或处理电路系统402可以经由光学传感器291、363检测心脏脉搏。处理电路系统402可以基于经由光学传感器291、363对心脏脉搏的检测来确定心率或心率变异性，例如，在与ECG信号相结合或者在没有ECG信号的情况下(诸如如果ECG信号质量差)。来自光学传感器291、363的信号可以另外地或可替代地用于其他目的，诸如用于确定血液氧合、局部组织灌注或血压的替代物(例如，PTT)，其中任一者可以用于中风的检测或预测和/或缺血性中风及出血性中风的鉴别。

例如，在植入传感器装置400期间，可以定位一个或多个电极418，以便于经由电极感测心脏信号。在一些示例中，传感器装置400可以包括一个或多个电极延伸部265、272、276、284、285、286，以便于将一个或多个电极418定位(例如，经由在头皮下穿过)在用于感测大脑和/或心脏信号的期望位置处。用于使用电极418感测大脑信号和心脏信号的期望位置可以在使用外部感测设备(诸如标准多电极ECG和EEG设备)为特定患者植入传感器装置406之前确定，或者在特定患者身上确定，或者在多个受试者身上实验确定。在一些示例中，传感器装置400的一个或多个基于外壳的电极418被定位于用于感测大脑信号的期望位置处，并且一个或多个基于延伸部的电极418被定位于用于感测心脏信号的期望位置处，或者反之亦然。参考图1C，用于定位用于感测心脏信号的电极的示例性位置包括P3、PQ3、PQ7、F3、F2、AF3或C2。在一些示例中，一个或多个传感器414(诸如光学传感器291、363)可以被定位于延伸部上。

在一些示例中，处理电路系统402可以以集成方式利用电(例如，ECG)心脏信号和脉动心脏信号两者来检测、预测和/或分类状况。在一些示例中，此类集成可以导致“增强的”ECG信号。例如，处理电路系统402可以基于脉动信号中的脉冲定时来识别ECG信号内的特征。在一些示例中，处理电路系统402可以在此类集成中解决脉动定时相对于ECG的延迟。

来自光学传感器291、363的信号(例如，光电容积脉搏波信号)可以用作系综平均的时基或用于改善心脏信号的信噪比的其他手段。因此，光学传感器信号可以被认为是替代心脏信号和/或用于导出增强的心脏信号，这在ECG质量差时可能特别有用。通过例如确定与一阶导数或二阶导数的最大值/最小值和/或一阶导数或二阶导数的零交点相关联的时间，可以将光学传感器信号的一阶导数或二阶导数用作系综平均(例如，ECG信号)的触发。尖锐的高频点可以被用作触发点，以增加系综信号的分辨率，而较低频率的触发点可能会使系综平均值模糊或失真。与触发点对准的心脏波形可以被存储并且被平均以生成系综信号。

在一些示例中，处理电路系统402可以采用患者移动信息作为状况的检测、预测和/或分类的一部分。例如，运动传感器416可以包括被配置为检测患者移动的一个或多个加速度计。处理电路系统402或感测电路系统406可以基于经由加速度计收集的患者移动数据来确定患者是否已经跌倒。当评估潜在的中风患者时，跌倒检测可以是特别有益的，因为已经发现由于缺血性中风或出血性中风而入院的大部分患者在中风事件的15天内具有有意义的跌倒。因此，在一些实施方案中，处理电路系统402可以被配置为在使用加速度计检测到跌倒(或接近跌倒)时启动或修改中风检测或预测算法。除了跌倒检测之外，运动传感器416还可以用于确定由于突然加速和/或减速(例如，车辆意外、运动碰撞、脑震荡等)引起的潜在的身体创伤。这些事件可能是血栓溶解事件(中风的前兆)。类似于中风确定，当检测、预测或分类癫痫发作时，处理电路系统402可以采用这些跌倒确定或其他移动。例如，传感器414可以检测指示癫痫发作的头部移动频率，或者检测指示癫痫发作是起源于癫痫或者不起源于癫痫的其他患者运动(或其不存在)。

图5是被配置为与本文所述的任何传感器装置(例如，传感器装置106或传感器装置400)通信的外部装置500的示例性配置的框图。外部装置500是图1的外部装置108的示例。在图5的示例中，外部装置500包括处理电路系统502、通信电路系统504、存储装置510、用户界面506和电源508。

在一个示例中，处理电路系统502可以包括一个或多个处理器，该一个或多个处理器被配置为实施用于在外部装置500内执行的功能和/或过程指令。例如，处理电路系统502可以能够处理存储在存储装置510中的指令。处理电路系统502可以包括例如微处理器、GPU、TPU、DSP、ASIC、FPGA或等效的离散或集成逻辑电路系统或前述装置或电路系统中的任何一种的组合。因此，处理电路系统502可以包括任何合适的结构，无论是硬件、软件、固件还是它们的任何组合，以执行本文所述的处理电路系统502的功能。处理电路系统502可以是处理电路系统110(图1A和图1B)的示例或部件。

通信电路系统504可以包括用于与另一个装置(诸如IMD 400)进行通信的任何合适的硬件、固件、软件或它们的任何组合。在处理电路系统502的控制下，通信电路系统504可以从传感器装置400或另一个装置接收下行链路遥测，以及向该传感器装置或另一个装置发送上行链路遥测。

存储装置510可以被配置为在操作期间将信息存储在外部装置500内。存储装置510可以包括计算机可读存储介质或计算机可读存储装置。在一些示例中，存储装置510包括短期存储器或长期存储器中的一者或多者。存储装置510可以包括例如RAM、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、磁盘、光盘、快闪存储器或各种形式的电可编程存储器(EPROM)或EEPROM。在一些示例中，存储装置510用于存储指示由处理电路系统502执行的指令的数据。存储装置510可以由在外部装置500上运行的软件或应用程序使用，以在程序执行期间临时存储信息。

在外部装置500与传感器装置400之间交换的数据可以包括操作参数。外部装置500可以传输包括计算机可读指令的数据，该述计算机可读指令在由传感器装置400实施时可以控制传感器装置400改变一个或多个操作参数和/或导出收集到的数据。例如，处理电路系统502可以向传感器装置400传输指令，该指令请求传感器装置400向外部装置500输出所收集的数据(例如，与感测到的信号、基于信号确定的参数值或状况已经被检测、预测或分类的指示中的一者或多者相对应的数据)。进而，外部装置500可以从传感器装置400接收收集的数据并将收集的数据存储在存储装置510中。

用户(诸如临床医师或患者102)可以通过用户界面506与外部装置500进行交互。用户界面506包括显示器(诸如LCD或LED显示器或其他类型的屏幕)(未示出)，处理电路系统502可以利用该显示器呈现与IMD 400有关的信息(例如，中风度量和/或癫痫发作度量)。除此之外，用户界面506可以包括用于接收来自用户的输入的输入机构。输入机构可以包括例如按钮、小键盘(例如，字母数字小键盘)、外围定点装置、触摸屏或允许用户通过由外部装置500的处理电路系统502呈现的用户界面导航并且提供输入的另一个输入机构中的任何一种或多种。在其他示例中，用户界面506还包括音频电路系统，该音频电路系统用于向患者102提供听觉通知、指令或其他声音，接收来自患者102的语音命令或两者。存储装置510可以包括用于操作用户界面506以及用于管理电源508的指令。

电源508被配置为向外部装置500的部件递送操作功率。电源508可以包括电池和用于产生操作功率的发电电路。在一些示例中，电池是可再充电的，以允许长期操作。再充电可以通过将电源508电耦合到与交流电(AC)插座连接的支架或插头来实现。除此之外，通过外部充电器与外部装置500内的感应充电线圈之间的近端感应相互作用可以实现再充电。在其他示例中，可使用传统的电池(例如，镍镉或锂离子电池)。此外，外部装置500可以直接耦接到交流插座以进行操作。

在一些示例中，外部装置500可以基于由传感器装置400提供的状况检测、预测或分类向患者或另一个实体(例如，呼叫中心)提供警报。在一些示例中，用户界面506可以提供用于呈现状况(例如，中风)的检测、预测或分类的警报的界面，并且为用户(例如，患者、护理者或临床医生)提供超越检测、预测或分类的输入。以此方式，如本文所述的系统可以避免由系统的错误检测导致的不必要的紧急活动。另外地或替代地，外部装置500可以输出可与经由传感器装置400的数据收集同步的用户提示。例如，外部装置500可以指示用户举起手臂、做出面部表情等，并且传感器装置400可以在用户执行所请求的动作时记录生理数据。此外，外部装置500本身可以分析患者(例如，响应于此类提示的患者的活动或状况)，例如使用相机来检测面部下垂，使用麦克风来检测口齿不清，或者检测任何其他中风指标。在一些实施方案中，可以将此类指标与中风发作前的输入(例如，存储的基线面部图像或具有基线语音记录的声纹)进行比较。类似地，外部装置500可以使用一个或多个传感器来检测患者移动或面部活动，以提供指示癫痫发作或即将发生的癫痫发作的数据。

图6是示出根据本文所述的一种或多种技术的示例性系统的框图，该示例性系统包括接入点600、网络602、外部计算装置(诸如服务器604)以及一个或多个其他计算装置610A-610N，这些计算装置可以通过网络602耦合到传感器装置106、外部装置108和处理电路系统110。在此示例中，传感器装置106可以使用通信电路系统以通过第一无线连接与外部装置108进行通信，并且通过第二无线连接与接入点600进行通信。在图6的示例中，接入点600、外部装置108、服务器604和计算装置610A-610N互连并且可以通过网络602彼此通信。

接入点600可以包括经由各种有线或无线网络连接中的任一种连接到网络602的装置。在一些示例中，接入点600可以是可以与患者共同定位的用户装置，诸如平板计算机或智能手机。如上文所讨论的，传感器装置106可以被配置为将数据(诸如信号、从信号确定的参数值或状况/分类指示)传输到外部装置108。除此之外，接入点600可以诸如周期性地或响应于来自患者或网络602的命令询问传感器装置106，以便检索来自传感器装置106此类数据或来自传感器装置106的其他操作或患者数据。接入点600然后可以经由网络602将检索到的数据传送到服务器604。

在一些情况下，服务器604可以被配置为提供用于已经从传感器装置106和/或外部装置108收集到的数据的安全存储站点。在一些情况下，服务器604可以将数据汇集在网页或其他文档中，以供通过训练的专业人员(诸如临床医生)经由计算装置610A–610N查看。图6的所示出的系统的一个或多个方面可以用可以类似于由爱尔兰都柏林的美敦力公司开发的Medtronic

网络提供的通用网络技术和功能的通用网络技术和功能来实施。

服务器604可以包括处理电路系统606。处理电路系统606可以包括固定功能电路系统和/或可编程处理电路系统。处理电路系统606可以包括微处理器、GPU、TPU、控制器、DSP、ASIC、FPGA或等效的离散或模拟逻辑电路系统中的任一者或多者。在一些示例中，处理电路系统606可以包括多个部件(诸如一个或多个微处理器、一个或多个控制器、一个或多个DSP、一个或多个ASIC或一个或多个FPGA的任何组合)，以及其他离散的或集成的逻辑电路系统。本文中归于处理电路系统606的功能可以体现为软件、固件、硬件或它们的任何组合。在一些示例中，处理电路系统606可以基于从传感器装置106接收的感测到的信号和/或参数值来执行本文所述的一种或多种技术。例如，处理电路系统606可以执行本文所述的技术中的一种或多种技术，以检测、预测和/或分类一个或多个患者状况。

服务器604可以包括存储器608。存储器608包括计算机可读指令，这些计算机可读指令在由处理电路系统606执行时使服务器604和处理电路系统606执行归于本文中的服务器604和处理电路系统606的各种功能。存储器608可以包括任何易失性、非易失性、磁、光或电介质，诸如RAM、ROM、NVRAM、EEPROM、闪速存储器或任何其他数字介质。

在一些示例中，计算装置610A-610N(例如，装置610A)中的一个或多个计算装置可以是与临床医师一起定位的平板计算机或其他智能装置，临床医师可以通过该平板计算机或其他智能装置进行编程，从中接收警报和/或询问传感器装置106。例如，临床医生可以访问与感测到的生理信号、参数或由传感器装置106收集的检测到的、预测的或分类的状况的指示的任一者或任何组合相对应的数据。在一些示例中，临床医师可以诸如基于由传感器装置106、外部装置108、处理电路系统110或它们的任何组合确定的患者状况的状态，或基于临床医师已知的其他患者数据，将用于患者102的医疗干预的指令输入到装置610A中的应用程序中。装置610A然后可以将用于医疗干预的指令传输到位于患者102或患者102的护理者身上的另一个计算装置610A-610N(例如，装置610B或外部装置108)。例如，此类用于医疗干预的指令可以包括改变药物剂量、时序或选择的指令、安排临床医师访视的指令或寻求医疗照顾的指令。在另外的示例中，装置610B可以基于由传感器装置106确定的患者102的医疗状况的状态来生成对患者102的警报，这可以使得患者102能够在接收用于医疗干预的指令之前主动地寻求医疗看护。以此方式，患者102可以被授权根据需要采取行动来解决他或她的医疗状态，这可以帮助改善患者102的临床结果。

图7是示出用于基于来自传感器装置(诸如设置在患者的颈部、下枕部或以其他方式设置在患者的肩部上方的传感器装置106、210、220、310、400)的多个传感器的信息生成患者状况的检测、预测或分类中的至少一者的示例性技术的流程图。图7的示例性技术被描述为由传感器装置400和处理电路系统110执行，但是可以由本文所述的任何传感器装置执行，例如，该传感器装置可以关于图4中的传感器装置400所示来配置。如本文所述，处理电路系统110可以包括本文所述的任何一个或多个装置的处理电路系统，诸如传感器装置400的处理电路系统402、外部装置500的处理电路系统502或处理电路系统606或服务器604。

传感器装置400包括一个或多个传感器，诸如电极418和传感器414。根据图7所示的示例，传感器装置400的感测电路系统406使用一个或多个传感器(700、702、704)来感测一个或多个信号。例如，感测电路系统406可以经由电极418感测一个或多个信号。信号可以包括大脑信号(例如，EEG信号)和心脏(cardiac)或心脏(heart)信号(例如，ECG信号或心脏机械信号)。在一些示例中，感测电路系统406使用在2020年8月28日提交的题为“DETERMINING COMPOSITE SIGNALS FROM AT LEAST THREE ELECTRODES”的共同转让的美国临时专利申请63/071,908(代理人档案号a0004949us01/1213-128usp1)中描述的技术来分离经由多个感测向量中的每一个感测向量感测的大脑信号和心脏信号，该美国临时专利申请的全部内容以引用方式并入本文。感测到的信号还可以包括由运动传感器416(例如，一个或多个加速度计)感测到的运动信号。感测到的信号还可以包括呼吸信号、皮肤阻抗信号和/或灌注信号(例如，使用电极418经由阻抗感测到的)、血压信号(例如，使用光学传感器291、363经由光电容积脉搏波感测到的PTT或其他替代血压信号)、心音信号(例如，使用运动传感器416或声学传感器感测到的)或心冲击图信号(例如，使用ECG和运动传感器信号感测到的)。

信号或从其导出的参数可以用于检测、预测或分类多种患者状况中的任一种患者状况。例如，大脑信号和心脏信号可以用于检测或预测中风和/或癫痫发作。患者的运动和姿势可以进一步提高处理电路系统110检测、预测和分类患者状况的能力。例如，姿势对心血管应激和自主神经系统具有重要影响，这可能导致某些状况。运动、呼吸和其他传感器信号可以捕获在中风、癫痫性癫痫发作以及其他神经和/或心脏事件期间可能存在的临床症状，并且区分不同的状况或者特定状况的类型或起源。附加参数和信号可以提高处理电路系统110的检测、预测和/或分类的灵敏度和特异性。

图7的示例性技术还包括预处理和参数值提取，该预处理和参数值提取可以由感测电路系统406和/或处理电路系统110执行(706)。预处理可以包括多种模拟和/或数字滤波或其他信号处理技术中的任一者，以允许从信号中容易地提取期望的特征或参数的值。

根据图7的示例，处理电路系统110将一个或多个检测、预测和/或分类算法应用于参数值和/或信号，以检测、预测和/或分类一个或多个患者状况(708)。在一些示例中，算法的结果是概率(例如，状况的风险)，并且处理电路系统110可以确定概率是否满足(例如，大于或等于)阈值(710)。如果不满足阈值(710的否)，则处理电路系统110可以不提供警报和/或可以指示患者状况的不确定分类(712)。如果满足阈值(710的是)，则处理电路系统110可以例如向或经由外部装置108或本文所述的另一个计算装置提供患者状况的警报和/或分类(714)。

处理电路系统110应用的算法可以通过将机器学习和/或神经网络技术应用于具有状况或分类的患者数据(例如，参数值和信号值)的数据库应用的算法来导出。通过此类算法的确定可以是二元的或概率性的。分类算法可以包括病因分类器，该病因分类器可以(概率性地或确定性地)确定状况的起源或类型(例如，缺血性中风或出血性中风，或者中风来自哪一个半球)。

图8是示出用于基于来自多个传感器的信息生成患者状况的检测、预测或分类中的至少一者的技术中的示例性操作的流程图。图8的示例性技术被描述为由传感器装置400和处理电路系统110执行，但是可以由本文所述的任何传感器装置执行，例如，该传感器装置可以关于图4中的传感器装置400所示来配置。如本文所述，处理电路系统110可以包括本文所述的任何一个或多个装置的处理电路系统，诸如传感器装置400的处理电路系统402、外部装置500的处理电路系统502或处理电路系统606或服务器604。

图8的示例性技术通常可以对应于关于图7的示例性技术描述的预处理和参数值提取(706)。根据图8的示例性方法，处理电路系统110从由传感器装置400感测到的一个或多个信号中提取参数值(802)。可以从大脑信号和心脏信号提取的示例性参数值在本文中进一步详细讨论。提取可以产生一个或多个参数中的每一个参数的值的时间序列。处理电路系统110所使用的检测、预测和分类算法可以考虑给定参数的单个(例如，当前)值，或随时间的参数的多个值。

处理电路系统804还可以相对于患者的基线值归一化一个或多个参数值(804)。基线值可以从过去为患者确定的参数的值导出，诸如在当前值之前某个时间量的值的平均值，或者从过去的某个基线或学习周期中导出。归一化可以包括使用确定的值和基线值的任何比较运算或数学运算，诸如差分运算。处理电路系统110可以将归一化的参数值应用于用于检测、预测或分类患者状况的算法(806)。参数值的归一化可以允许处理电路系统110考虑参数值的患者与患者之间的变化，这些参数值不能证明特定状况或分类的概率或风险。这又可以增强处理电路系统能够检测、预测和/或分类状况的灵敏度和特异性。

图9是示出用于基于脑电信号确定一个或多个参数的值的示例性技术的流程图。图9的示例性技术被描述为由传感器装置400和处理电路系统110执行，但是可以由本文所述的任何传感器装置执行，例如，该传感器装置可以关于图4中的传感器装置400所示来配置。如本文所述，处理电路系统110可以包括本文所述的任何一个或多个装置的处理电路系统，诸如传感器装置400的处理电路系统402、外部装置500的处理电路系统502或处理电路系统606或服务器604。

根据图9的示例，传感器装置400的感测电路系统406将EEG或其他脑电信号与经由电极418感测到的一个或多个电信号隔离(902)。用于隔离EEG信号的示例性技术在2020年8月28日提交的题为“DETERMINING COMPOSITE SIGNALS FROM AT LEAST THREEELECTRODES”的先前并入的美国临时专利申请63/071,908(代理人档案号a0004949us01/1213-128usp1)和2020年2月17日提交的美国临时专利申请号62/997,503中描述，该美国临时专利申请的全部内容以引用方式并入本文。

根据图9的示例，处理电路系统110还确定某些选定频带内的脑电信号的功率(904)。在一些示例中，处理电路系统110可选地将一个或多个频带的前景功率与背景功率(例如，当前功率与先前功率)进行比较和/或将两个或更多个频带的功率彼此进行比较。频带内的功率或此类比较的结果可以是用于检测、预测和/或分类患者状况的一个或多个算法的参数值。

用于将在某些频段内的功率确定为用于确定患者状况(诸如中风)的参数值的技术在2020年8月28日提交的题为“DETERMINING COMPOSITE SIGNALS FROM AT LEAST THREEELECTRODES”的先前并入的美国临时专利申请63/071,908(代理人档案号A0004949US01/1213-128USP1)中描述。在2011年11月29日授予Virag等人的美国专利8,068,903中描述了用于确定某些频带内的功率并比较前景功率和背景功率以检测癫痫发作或其他神经系统状况的技术，该美国专利全文以引用方式并入本文。

图10是示出用于基于心电信号确定一个或多个参数的值的示例性技术的流程图。图10的示例性技术被描述为由传感器装置400和处理电路系统110执行，但是可以由本文所述的任何传感器装置执行，例如，该传感器装置可以关于图4中的传感器装置400所示来配置。如本文所述，处理电路系统110可以包括本文所述的任何一个或多个装置的处理电路系统，诸如传感器装置400的处理电路系统402、外部装置500的处理电路系统502或处理电路系统606或服务器604。

根据图10的示例，传感器装置400的感测电路系统406将ECG或其他心脏信号与经由电极418或其他传感器感测到的一个或多个电信号隔离或从该一个或多个电信号中生成集成信号或增强ECG信号(1002)。用于隔离ECG信号的示例性技术在2020年8月28日提交的题为“DETERMINING COMPOSITE SIGNALS FROM AT LEAST THREE ELECTRODES”的先前并入的美国临时专利申请63/071,908(代理人档案号A0004949US01/1213-128USP1)中描述。

感测电路系统406和/或处理电路系统110可以进一步识别心脏信号内的心跳(1004)。可以使用已知技术来识别心跳，诸如识别R波或QRS复合波的其他特征的发生和定时，或者峰值的检测是指示心脏的机械活动的信号。处理电路系统110然后可以确定心跳间隔(1006)，例如连续心跳之间的持续时间。处理电路系统110然后可以基于确定的心跳间隔来确定多个参数的值。

例如，处理电路系统110可以基于心跳间隔确定心率变异性(HRV)值(1008)。在一些示例中，处理电路系统110可以基于心跳间隔的洛伦兹散点图来确定HRV。HRV可以在某些患者状况期间或之前改变(增加或减少)。这些变化可能是由于患者的自主神经功能或状态的变化。HRV值可以是参数值的示例。

在一些示例中，处理电路系统110可以将HRV值变换到频域，并确定HRV值的相对较低频率(LF)分量及相对较高频率(HF)分量(1010)。HRV的LF值和HF值可以是参数值的示例。在一些示例中，处理电路系统110可以确定HRV的LF分量和HF分量之间的比率或以其他方式比较HRV的LF分量和HF分量，这可以指示患者的交感神经-迷走神经平衡(1012)。从此类比较得到的值可以是随时间的参数的值的另一个示例。在一些示例中，处理电路系统110可以通过使用例如60秒-240秒的滑动分析窗口(例如以5秒-20秒增量移位)的参数谱估计来评估HRV。处理电路系统110可以将交感神经-迷走神经平衡计算为LF分量(例如，0.04Hz-0.15Hz，主要是交感神经活动)与HF分量(例如，0.15Hz-0.4Hz，主要是副交感神经活动)的比率。

作为另一个示例，处理电路系统110可以确定心跳间隔的功率密度函数(PDF)估计(1014)。处理电路系统110然后可以识别在PDF估计中使用的心跳间隔中的边缘间隔(1016)，并且确定边缘化程度(1018)。边缘化程度的数值表示是参数值的一个示例。

边缘间隔(例如，RR间隔)反映心脏超兴奋性，并且可以使用在置信间隔(例如，40次心跳的窗口大小)之外的心跳间隔的百分比或其他部分的统计评估来分析。处理电路系统110可以确定或估计这些心跳间隔在一段时间(诸如最后六分钟)上的统计分布，并且确定异位事件和边缘事件的数量。例如，在去除三阶多项式趋势之后，统计分布可以被估计为去趋势化。

边缘化可以在晕厥和癫痫性癫痫发作事件之前增加，例如在晕厥/癫痫发作之前30分钟至2小时之间的时间范围内。边缘化反映了几个非协调的变时性反应。在正常基线条件下，边缘性非常低。在主要由异位心跳组成的晕厥事件中观察到更高的边缘性。另一方面，癫痫发作之前通常有相当高的边缘性或癫痫发作伴随有相当高的边缘性，特别是突然的心动过速，仅罕见地是心动过缓。一些临床研究报道了锁步现象，该锁步现象被定义为心脏交感神经和副交感神经放电的发生与致癫痫放电(心脏自主活动的波动)间歇性同步。因此，处理电路系统110可以出于各种目的使用指示边缘性的参数值，包括检测或预测癫痫发作和/或晕厥，以及将事件分类为癫痫发作或晕厥中的一者。利用边缘性来区分癫痫性癫痫发作和神经原性或心原性晕厥的技术在2014年5月27日授予Virag等人的美国专利8,738,121中描述，该美国专利的全文以引用方式并入本文。

在一些示例中，处理电路系统110可以另外地或可替代地识别心跳间隔的显著减小，诸如在预定时间段(例如，60秒)期间的最大减小。此类下降幅度的增加可能先于某些病人状况(诸如晕厥或癫痫性癫痫发作)。此类随时间的下降幅度可以是由处理电路系统110用来检测、预测或分类此类状况的参数的随时间的值。在一些示例中，处理电路系统110可以另外地或可替代地基于心跳间隔识别快速性心律失常。快速性心律失常的次数、持续时间等可以是由处理电路系统110用来检测、预测或分类此类状况的参数的随时间的值。

癫痫性癫痫发作的可靠自动检测/预测是预防性治疗处理(起搏或药物)的必要第一步。在过去的十年中，许多研究已经解决了癫痫发作检测/预测的问题，并且已经提出了大量方法。基于EEG的线性分析的第一算法(傅里叶变换、相干函数、多维自回归建模)仅允许在可见症状之前几秒(1秒-6秒)的检测。然而，这种预测时间不足以设计闭环治疗系统。对于基于小波变换、神经网络的线性技术或非线性技术(诸如EEG的相关积分)，已经报道了几分钟的预测时间。然而，这些更复杂的方法面临着诸如最佳特征选择、多局灶性癫痫中的最佳信号选择的问题。它们显示出结果的高度可变性和大量的假警报。

与现有的癫痫发作预测算法相关的问题可能与缺乏关于患者生理状态的信息有关。包含在心血管信号中的附加信息(诸如从如上所述的心电信号导出的参数值)可以增加鲁棒性。此类参数可以包括关于自主神经系统的调节的信息。血压信号或指示血压信号的替代物(例如，PTT)的信号可以另外地或可替代地提供关于自主神经系统的调节的信息。自主神经系统的调节可以先于晕厥和癫痫性癫痫发作。迷走神经的起搏已经被应用于预防癫痫性癫痫发作，并且非常可能的是，患者的神经系统中的变化可能是允许自发性局灶性癫痫发作的开始所必需的。

利用大脑信号和心脏信号两者来检测、预测和/或分类癫痫性癫痫发作或其其他模拟物(诸如晕厥和心因性发作)的算法可能比仅使用这些类型的信号中的一者的现有算法更可靠。处理电路系统110可以评估如上所述的EEG特征，以识别同步/相干性的早期表现，而心脏特征可以揭示心原性起源。

如本文所述的大脑信号、心脏信号和其他信号的组合的使用可以允许被认为是癫痫发作的状况的分类，例如，以将癫痫发作与可以模拟癫痫发作的其他状况区分开。例如，对昏厥之前和期间对心脏导出参数的立即分析可以能够定义不同的模式或“特征”，该模式或“特征”可以用于区分晕厥、癫痫和心因性发作(三种最常见的昏厥原因)。

在诊断昏厥原因方面存在公认的困难。常规EEG记录通常是无用的。只有少数患者可以住院进行长期的监测，并且在不住院的情况下记录多于48小时的长期的EEG是不现实的。考虑心脏参数和其他参数以根据本文描述的技术执行疑似癫痫发作或昏厥的此类分类可以避免不必要地入院进行长期的癫痫监测单元(EMU)监测。

图11是示出用于更新一个或多个参数的基线和状况参考值的示例性技术的流程图。图11的示例性技术被描述为由处理电路系统110执行。如本文所述，处理电路系统110可以包括本文所述的任何一个或多个装置的处理电路系统，诸如传感器装置400的处理电路系统402、外部装置500的处理电路系统502或处理电路系统606或服务器604。

根据图11的示例，作为用于检测、预测和/或分类患者状况的算法的一部分，处理电路系统110将确定的参数值(例如，从脑电信号和心电信号确定的参数值)与至少两组不同的参考值进行比较(1100)。参考值组中的一组参考值是一组基线参考值，并且另一组参考值是用于待检测或预测的状况或者用于分类的一组参考值。两组中的参考值可以最初基于来自除患者以外的个体且已知代表状况/分类或其不存在(基线)的参数值的数据库来确定，例如使用机器学习和/或神经网络技术。在一些示例中，参数值的参考组和当前组可以是特征向量。

基于患者的当前参数值与两组参考值的比较，处理电路系统110确定状况是否正在发生或已经发生，或者分类是正确的(1102)。如果处理电路系统110确定状况没有正在发生或未发生，或者分类是错误的，则处理电路系统110基于在比较中使用的当前参数值来更新该基线参考(1104)。如果处理电路系统110确定状况正在发生或已经发生，或者分类是正确的，则处理电路系统110基于在比较中使用的当前参数值来更新该状况/分类参考(1106)。

在一些示例中，处理电路系统110可以确定关于状况/分类和基线参考两者的相似性和相异性指标，并且基于这些指标确定状况是正在发生还是已经发生，或者分类是正确的。在一些示例中，指标可以是判别式距离(异方差线性判别分析(LDA))指标。此类算法可以被称为判别式指标算法。处理电路系统110可以对不同的参数进行不同的加权，并且可以基于可靠性来更新权重，该可靠性可以通过参考的统计分析来获得。这可以允许处理电路系统110所采用的算法考虑变化中的患者的生理状态，诸如睡眠、压力和身体活动。参考组的定期更新也可以允许算法考虑这种变化中的条件。

图12是示出用于确定检测到的或预测的患者状况是心原性的还是神经原性的示例性技术的流程图。图12的示例性技术被描述为由处理电路系统110执行。如本文所述，处理电路系统110可以包括本文所述的任何一个或多个装置的处理电路系统，诸如传感器装置400的处理电路系统402、外部装置500的处理电路系统502或处理电路系统606或服务器604。

根据图12的示例，处理电路系统110使用本文所述的示例性技术中的任一者来检测或预测患者状况，诸如癫痫发作(1200)。处理电路系统110还比较从由传感器装置400感测的不同信号导出的并且由处理电路系统使用的参数值的时间进程，以检测或预测状况(1202)。例如，处理电路系统110可以将来自大脑信号的参数值与来自心脏信号的参数值进行比较。基于指示该状况的参数值的相对定时，处理电路系统110可以确定该状况是心原性的还是神经原性的。

在一些示例中，处理电路系统110可以类似地使用不同信号之间的定时的比较来识别中风或癫痫发作源自大脑的哪个半球。例如，具有一个或多个延伸部的单个传感器装置或双侧传感器装置可以定位电极或其他传感器，以感测来自大脑的每个半球的信号，例如，来自相应的颞部位置的信号。处理电路系统110可以比较来自半球的参数值，以确定该状况源自哪个半球和/或电图扩散的范围。

在一些示例中，处理电路系统110可以利用大脑信号和心脏信号的基于定时的评估来区分缺血性中风和出血性中风。例如，处理电路系统110可以确定从心脏信号确定的心跳变异性的增加是在与中风相关联的大脑信号的变化之前还是之后。大脑信号中的变化可以包括抑制信号的频率和/或信号的幅度，或者一个或多个频带中的功率。心跳变异性的指标包括心率变异性、心跳间隔内变异性(诸如QT间隔变异性)、心跳特征形态变异性、ST段上升或T波交替。在大脑信号变化之后的心跳变异性的变化可以提示出血性中风，而在心跳变异性变化之后的大脑信号的变化可以提示缺血性中风。

图13是示出用于基于跌倒或接近跌倒的检测来调整中风检测/预测算法的操作点的示例性技术的流程图。图13的示例性技术被描述为由处理电路系统110执行。如本文所述，处理电路系统110可以包括本文所述的任何一个或多个装置的处理电路系统，诸如传感器装置400的处理电路系统402、外部装置500的处理电路系统502或处理电路系统606或服务器604。

根据图13的示例，处理电路系统110在第一操作点处应用中风检测/预测算法(1300)。该算法的操作点可以具有相关联的灵敏度和特异性，该相关联的灵敏度和特异性可以受一个或多个阈值(诸如用于确定中风正在发生或足够可能发生的概率阈值)的值影响。处理电路系统110还监视来自传感器装置400的一个或多个运动传感器416的一个或多个运动信号(1302)。

基于一个或多个运动信号，处理电路系统110确定患者是否已经跌倒(1304)。如果处理电路系统110确定患者已经跌倒(1304的是)，则处理电路系统110在第二操作点处应用该算法(1306)。第二操作点可以具有比第一操作点更高的灵敏度和更低的特异性。处理电路系统110可以通过调整算法的参数(诸如降低中风的概率阈值)来调整操作点。

如果处理电路系统110未确定患者已经跌倒(1304的否)，则处理电路系统110可以基于一个或多个运动信号确定患者是否已经经历了接近跌倒(1308)。如果处理电路系统110确定患者已经经历了接近跌倒(1308的是)，则处理电路系统110在第三操作处点应用该算法(1310)。就灵敏度和特异性而言，第三操作点可以在第一操作点和第二操作点之间。如果处理电路系统110未确定患者已经经历了接近跌倒(1308的否)，则处理电路系统110在第一操作点应用该算法。

当处理电路系统110将操作点调整到第二操作点或第三操作点时，处理电路系统110可以维持该调整一段时间(诸如预定的天数)。导致住院治疗的中风之前通常会有跌倒或接近跌倒，这可能是由不太严重的中风引起的。第二操作点和第三操作点的增加的灵敏度可以增加处理电路系统110在跌倒或接近跌倒之后的时段内识别中风的能力。

处理电路系统110还可以使用来自传感器装置400的一个或多个运动传感器416的一个或多个运动信号来检测或预测除中风以外的状况。例如，尽管血管迷走神经晕厥(VVS)和各种其他状况可以导致指示交感神经-迷走神经平衡变化的心脏参数值，但VVS在直立性约束下发生。因此，晕厥通常在姿势改变(诸如仰卧至直立)后发生。处理电路系统110可以使用心脏信号(诸如ECG)、血压信号和/或其他心脏机械信号以及运动传感器信号来检测、预测和/或分类晕厥。

在一些示例中，一个传感器装置400可以如本文所述放置在肩部上方，而另一个传感器装置放置在胸部上以用于心脏监测。此类系统或仅在头部上或头部附近具有传感器装置的系统可以被配置用于评估癫痫中的原因不明的猝死(SUDEP)的原因，其通常归于神经状况和/或心脏状况。用于每个传感器的单独的机载检测算法唯一地捕获异常(即，EEG/ECG)，并且当合并时，可以做出关于对于给定症状(即，大脑或心脏)哪个首先发生的确定。

图14是示出用于基于对患者的状况的所生成的检测、预测或分类来确定和实现对患者的优先治疗途径的示例性技术的流程图。

根据图14的示例，外部装置500(其可以是外部装置108的示例，诸如患者的智能电话)可以从传感器装置400接收已检测到或已预测到紧急状况(诸如大血管阻塞(LVO)中风)的指示(1400)。响应于接收到紧急状况的指示，外部装置500可以例如使用GPS或蜂窝塔三角测量来确定患者的位置(1402)。外部装置500可以经由网络602将紧急状况和位置的指示传输到服务器604(1404)。

服务器604可以基于紧急状况和病患的位置来确定病患的优先治疗途径(1406)。某些患者病症(诸如LVO中风)最好在特定医院或医疗中心并由某些医生治疗。基于患者状况和位置，服务器604可以选择包括此类中心和医生的优选治疗路径，并且通知现场急救员将患者运送到中心(1408)。服务器604可以向医疗中心警报患者状况(1410)，该医疗中心可以响应于通知而开始为患者的到达准备适当的治疗和设备。

本公开的技术可以允许用于三种或更多种传感器类型(例如，大脑、心脏和运动)的相应机器学习分类器例行程序来评估和确定状况(例如，LVO)的概率。在该示例性分类器中，如果3-混合传感器全部触发“是”，则LVO的概率大于95％的概率，例如96.5％。相反，如果3-混合传感器全部触发“否”，则LVO的概率小于5％的概率。3-混合传感器分类器的任何组合将导致LVO或其他中风的概率在5％和95％之间(例如；大脑触发的“是”、心脏触发的“否”、加速度计触发的“是”产生80％的概率)。应当注意，随着越来越多的事件被检测到，个体数据可以与群体数据合并以进一步增强分类器例行程序灵敏度和特异性。因为本发明的技术可以导致状况的敏感且特定的检测/预测，所以对于紧急响应系统和专业医疗中心来说，响应于算法的确定而激活资源来治疗患者可能是适当的。在一些示例中，传感器装置可以例如使用组织传导通信(TCC)与其他伴随装置和传感器(例如，植入型心脏复律除颤器(ICD))通信，以便在决定激活紧急响应途径之前提高准确性。在一些示例中，服务器604可以决定在风险评分指示状况和使用传统算法(例如，实时检测)进行状况检测两者之后激活紧急响应途径。例如，如果患者的VT/VF风险评分高于阈值并且传感器装置检测到VT/VF发作，则它成为真实事件的机会高于单独实时检测。在一些示例中，根据本公开的系统可以使用加速度计连同ECG来检测心脏机械信号，以检测和区分心脏停搏、VT/VF或无脉性电活动(PEA)。本文所述的系统可以被配置为在图14中示出的技术中用于各种紧急状况，诸如基于例如ST段上升、晕厥、布雷迪暂停的心肌梗死(例如，患者跌倒并且在事件之后表现为无运动，可以推断其极端紧急情况，如果患者跌倒并且姿势/活动在事件之后表现为直立和走动，可以推断其较小紧急情况)、跌倒检测警报(例如，基于跌倒期间的加速度向量和跌倒后恢复指标的分级跌倒)、创伤性脑损伤(例如，利用加速度计的脑震荡检测)、基于阻抗信号、运动信号和ECG信号的呼吸窘迫以及QT间隔延长(例如，基于时间的平均值触发。多向量方法允许ECG保真度超过仅R波)。

如上文所讨论的，处理电路系统可以确定血压的替代指标作为用于本文所述的分析的参数。高血压被认为是中风和癫痫的重要风险因素。血压升高在中风和癫痫发作患者中是常见的，并且可以是中风和/或癫痫发作的发作预测因子。降低血压被认为是一阶风险缓和剂，以管理处于此类状况的风险中的患者。

PTT与血压呈负相关，并且可以用作本文所述分析的血压的替代物。指示心脏脉压波的信号可以由植入在肩部上方(例如，颅侧)的传感器装置获取。假定优先考虑脑血流量，则在肩部上方采集的脉压信号可以具有比从其他身体位置采集的脉压信号具有更高的保真度，例如，更少的可变性。

在一些示例中，处理电路系统可以基于从电极感测到的ECG信号和由光学传感器291、363同时感测到的信号来确定患者的PTT值。处理电路系统可以识别心动周期内的R波，并且将第一时间(T1)与R波的发生相关联。接下来，处理电路系统可以识别在T1后发生的由光检测器40A、40B检测到的光中的波动，并且将第二时间(T2)与该波动相关联，该波动可以表示在观察到的心动周期期间喷射的血液通过光检测器294、367附近的脉管系统的部分。通过从T1中减去T2，然后IMD 10的处理电路系统可以确定PTT值。处理电路系统可以通过识别在T1后发生的由光检测器294、367检测到的光的强度和/或波长的波动来确定T2，并且将第二时间(T2)与该波动相关联，该波动可以表示在心动周期期间喷射的血液通过光检测器附近的脉管系统的部分。为了产生此类信号，光发射器292、365可以将在NIR、可见、绿色或琥珀色光谱中的一个或多个波长的光发射到组织中。所发射的光的一部分被组织吸收，并且所发射的光的一部分被组织反射并且被光检测器接收。

本公开中描述的技术可以至少部分地以硬件、软件、固件或其任何组合的形式实施。例如，这些技术的各个方面可在一个或多个处理器、DSP、ASIC、FPGA或任何其他等效的集成或离散逻辑QRS电路系统以及这类部件的任何组合中实施，这类部件体现在外部装置(诸如医生或患者编程器、模拟器或其他装置)中。术语“处理器”和“处理电路系统”通常可以是指单独的或与其他逻辑电路系统组合的前述逻辑电路系统中的任何逻辑电路系统或单独的或与其他数字或模拟电路系统组合的任何其他等效电路系统。

对于以软件实施的各个方面，归因于本公开中描述的系统和装置的功能中的至少一些可以体现为计算机可读存储介质上的指令，如RAM、DRAM、SRAM、磁盘、光盘、闪速存储器或各种形式的EPROM或EEPROM。可以执行指令以支持本公开中所述的功能的一个或多个方面。

另外，在一些方面，本文所述的功能可以设置在专用硬件和/或软件模块内。将不同特征描述为模块或单元旨在突出不同的功能方面，并且不一定暗示此类模块或单元必须由单独的硬件或软件部件来实现。相反，与一个或多个模块或单元相关联的功能可以由单独的硬件或软件组件来执行，或者集成在共同的或单独的硬件或软件组件中。另外，本技术可在一个或多个电路或逻辑元件中完全实现。本公开的技术可在各种装置或设备中实现，包括IMD、外部编程器、IMD和外部编程器的组合、集成电路(IC)或一组IC和/或驻留在IMD和/或外部编程器中的离散电路系统。

Claims (15)

1.一种系统，包括：

传感器装置，所述传感器装置包括：

外壳，所述外壳被配置为设置在患者的肩部上方；

多个电极，所述多个电极被配置为设置在所述患者的所述肩部上方；

所述外壳内的运动传感器；以及

所述外壳内的感测电路系统，所述感测电路系统被配置为：

经由设置在所述患者的所述肩部上方的所述多个电极来感测所述患者的大脑信号和心脏信号；以及

经由设置在所述患者的所述肩部上方的所述运动传感器来感测所述患者的运动信号；以及

处理电路系统，所述处理电路系统被配置为：

确定来自所述大脑信号的一个或多个参数随时间的值；

确定来自所述心脏信号的一个或多个参数随时间的值；

基于来自所述大脑信号的所述一个或多个参数随时间的所述值、来自所述心脏信号的所述一个或多个参数随时间的所述值以及所述运动信号来生成对所述患者的状况的检测、预测或分类中的至少一者；以及

将所述检测、预测或分类中的至少一者的指示输出到计算装置。

2.根据权利要求1所述的系统，其中所述外壳被配置为设置在所述患者的颈部或颅骨的后部中的一者处，或者设置在所述患者的颞部位置处。

3.根据权利要求1或2所述的系统，其中来自所述心脏信号的所述一个或多个参数随时间的所述值指示所述患者的自主活动。

4.根据权利要求1至3中任一项所述的系统，其中所述处理电路系统被配置为：

将来自所述大脑信号的所述一个或多个参数随时间的所述值的时间进程与来自所述心脏信号的所述一个或多个参数随时间的所述值的时间进程进行比较；以及

基于所述比较来生成所述状况的所述分类，即神经原性或心原性中的一者。

5.根据权利要求1至4中任一项所述的系统，其中所述状况包括中风，并且所述处理电路系统被配置为将中风检测或预测算法应用于来自所述大脑信号的所述一个或多个参数随时间的所述值以及来自所述心脏信号的所述一个或多个参数随时间的所述值，以生成所述患者的中风的所述检测或预测中的至少一者，其中所述处理电路系统被进一步配置为：

基于所述运动信号来检测所述患者的跌倒；以及

响应于检测所述跌倒，将所述算法的操作点从第一值改变为第二值，所述第二值具有比所述第一值更高的灵敏度。

6.根据权利要求5所述的系统，其中所述处理电路系统被配置为：

基于所述运动信号来检测所述患者的接近跌倒；以及

响应于检测所述接近跌倒，将所述算法的所述操作点从所述第一值改变为第三值，所述第三值具有比所述第一值更高的灵敏度和比所述第二值更低的灵敏度。

7.根据权利要求1至6中任一项所述的系统，

其中所述感测电路系统被配置为感测以下各项中的至少一项：

所述患者的呼吸信号；

经由所述电极的阻抗；

经由所述运动传感器的心冲击图信号；

其中所述处理电路系统被配置为基于所述呼吸信号、所述阻抗或所述心冲击图信号中的至少一者来生成所述患者的所述状况的所述检测、预测或分类中的至少一者。

8.根据权利要求1至7中任一项所述的系统，还包括被配置用于在所述肩部上方植入的光学传感器，其中所述处理电路系统被配置为：

基于来自所述光学传感器的信号来确定脉搏波传输时间(PTT)；以及

基于所述PTT来生成所述患者的所述状况的所述检测、预测或分类中的至少一者。

9.根据权利要求1至8中任一项所述的系统，其中所述状况包括中风或癫痫发作。

10.根据权利要求9所述的系统，其中所述处理电路系统被配置为进行以下各项中的至少一项：

生成所述状况的所述分类，即癫痫或非癫痫中的一者；或者

生成所述状况分类，即癫痫、心因性发作或晕厥中的一者。

11.根据权利要求1至10中任一项所述的系统，其中所述大脑信号包括脑电图信号，并且所述心脏信号包括心电图信号或指示心脏收缩的信号中的至少一者。

12.根据权利要求1至11中任一项所述的系统，其中所述多个电极包括设置在所述外壳上的至少一个电极。

13.根据权利要求1至12中任一项所述的系统，其中所述多个电极包括包括由耦合至所述外壳的电极延伸部承载的至少一个电极。

14.根据权利要求13所述的系统，其中所述电极延伸部包括从所述外壳沿第一方向延伸的第一电极延伸部，所述传感器装置包括第二电极延伸部，所述第二电极延伸部包括从所述外壳沿第二方向延伸的所述多个电极中的至少一者，并且所述第二方向与所述第一方向相反。

15.根据权利要求1所述的系统，其中所述处理电路系统被配置为基于以下各项中的至少一项来生成所述患者的所述状况的所述检测、预测或分类中的至少一者：

基于所述运动信号确定的所述患者的姿势；

基于所述运动信号检测到的所述患者的姿势变化；

基于所述运动信号检测到的跌倒；

基于所述运动信号检测到的创伤；或者

基于所述运动信号检测到的头部移动频率。

Images