CN117561022A - 用于检测症状前和无症状感染者的病毒性呼吸道疾病的系统、方法和设备 - Google Patents
用于检测症状前和无症状感染者的病毒性呼吸道疾病的系统、方法和设备 Download PDFInfo
- Publication number
- CN117561022A CN117561022A CN202280045258.6A CN202280045258A CN117561022A CN 117561022 A CN117561022 A CN 117561022A CN 202280045258 A CN202280045258 A CN 202280045258A CN 117561022 A CN117561022 A CN 117561022A
- Authority
- CN
- China
- Prior art keywords
- data
- detection model
- person
- sensor data
- time
- 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 119
- 230000003612 virological effect Effects 0.000 title description 3
- 208000023504 respiratory system disease Diseases 0.000 title description 2
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 201000010099 disease Diseases 0.000 claims abstract description 47
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 47
- 230000036541 health Effects 0.000 claims description 43
- 230000000694 effects Effects 0.000 claims description 20
- 238000000513 principal component analysis Methods 0.000 claims description 15
- 230000036760 body temperature Effects 0.000 claims description 14
- 238000013186 photoplethysmography Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 208000024891 symptom Diseases 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 208000035473 Communicable disease Diseases 0.000 claims description 6
- 241000711573 Coronaviridae Species 0.000 claims description 6
- 241000700605 Viruses Species 0.000 claims description 6
- 208000015181 infectious disease Diseases 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 5
- 208000001528 Coronaviridae Infections Diseases 0.000 claims description 4
- 208000025370 Middle East respiratory syndrome Diseases 0.000 claims description 4
- 201000003176 Severe Acute Respiratory Syndrome Diseases 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 238000004886 process control Methods 0.000 claims description 4
- 210000004243 sweat Anatomy 0.000 claims description 4
- 241000712461 unidentified influenza virus Species 0.000 claims description 3
- 208000024172 Cardiovascular disease Diseases 0.000 claims description 2
- 208000014085 Chronic respiratory disease Diseases 0.000 claims description 2
- 206010028980 Neoplasm Diseases 0.000 claims description 2
- 201000011510 cancer Diseases 0.000 claims description 2
- 206010012601 diabetes mellitus Diseases 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000012806 monitoring device Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000012544 monitoring process Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 206010022000 influenza Diseases 0.000 description 8
- 230000000747 cardiac effect Effects 0.000 description 6
- 239000000872 buffer Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011081 inoculation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000000090 biomarker Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 239000010979 ruby Substances 0.000 description 2
- 229910001750 ruby Inorganic materials 0.000 description 2
- 208000007333 Brain Concussion Diseases 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 208000004301 Sinus Arrhythmia Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000037424 autonomic function Effects 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 235000021251 pulses Nutrition 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- 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
- A61B5/1102—Ballistocardiography
-
- 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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
-
- 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]
- A61B5/332—Portable devices specially adapted therefor
-
- 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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4261—Evaluating exocrine secretion production
- A61B5/4266—Evaluating exocrine secretion production sweat secretion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/07—Home care
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/04—Constructional details of apparatus
- A61B2560/0443—Modular apparatus
- A61B2560/045—Modular apparatus with a separable interface unit, e.g. for communication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/04—Constructional details of apparatus
- A61B2560/0462—Apparatus with built-in sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Endocrinology (AREA)
- Gastroenterology & Hepatology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本文公开了使用可穿戴传感器技术检测症状前和无症状感染者的疾病的系统、方法和设备。在第一实施例中,在计算设备上实现了一种方法,该方法包括在第一段时间内接收与人相关联的第一传感器数据,并将第一传感器数据应用于多变量检测模型。该方法还包括在第二段时间内接收与人相关联的第二传感器数据,并将第二传感器数据应用于多变量检测模型。此外,该方法包括使用多变量检测模型确定人的疾病的概率值,并将该概率值传输到用户界面(UI)。
Description
相关申请的交叉引用
本申请要求于2021年7月2日提交的、题为“SYSTEMS,METHODS,AND DEVICES FORDETECTING VIRAL RESPIRATORY ILLNESS IN PRESYMPTOMATIC AND ASYMPTOMATICINFECTED PERSONS”的美国临时专利申请号63/217,787的优先权的权益,该美国临时专利申请通过该引用以其整体并入本文。
关于联邦资助的研究或开发的声明
本发明是根据由内政部授予的140D6319C0023号合同和由国防部(国防威胁减少机构)授予的HDTRA1-18-C-0007号合同在政府支持下做出的。
技术领域
本公开总体上涉及医疗诊断方法和设备。更具体地;公开了用于检测症状前(presymptomatic)和无症状感染者的疾病的方法、系统和设备。
背景
2020年,冠状病毒疾病在全球范围内迅速传播。主要原因之一是疾病的症状前和无症状传播。可用的主要检测工具是对可能与可能的感染者接触过的个人进行接触者追踪和广泛传播测试(wide spread testing)。人们曾多次尝试为智能手机开发将自动执行接触者追踪的移动应用。接近度信息和/或全球定位系统(GPS)位置数据被用于检测个人并通知该个人其是否曾暴露于另一个后来被诊断患有冠状病毒疾病的人。然而,出于隐私考虑,移动设备用户对采用接触者追踪犹豫不决,并且两个人都需要安装并运行该移动应用。此外,移动应用只能获得关于接触时间和距离的有限数据,无法确定感染是否已经在事件期间实际传播。
因此,仍然需要在非临床环境中检测症状前和无症状人群的疾病的改进的系统、方法和设备。另外,这种系统、方法和设备可以通过对个体何时应该寻求治疗的早期警告来改善整体健康和安好。
公开概述
本文公开了使用可穿戴传感器技术检测症状前和无症状感染者的疾病的系统、方法和设备。在第一实施例中,在计算设备上实现了一种方法,该方法包括在第一段时间内接收与人相关联的第一传感器数据,并将第一传感器数据应用于多变量检测模型。该方法还包括在第二段时间内接收与该人相关联的第二传感器数据,并将第二传感器数据应用于多变量检测模型。此外,该方法包括使用多变量检测模型确定该人的疾病的概率值,并将该概率值传输到用户界面(UI)。
在一些实施例中,第一时间段可以与疾病前(pre-illness)时间段相关联,并且第二时间段可以与疾病的症状前时间段相关联。
在一些实施例中,第一时间段可以与疾病前时间段相关联,并且第二时间段可以与疾病的无症状时间段相关联。
在一些实施例中,第一时间段可以与疾病的症状前时间段相关联,并且第二时间段可以与疾病后(post-illness)时间段相关联。
在一些实施例中,第一时间段可以与疾病的无症状时间段相关联,并且第二时间段可以与疾病后时间段相关联。
在一些实施例中,可以从位于可穿戴健康设备上的至少一个传感器接收第一传感器数据。
在一些实施例中,可穿戴健康设备可以在智能手表上。
在一些实施例中,智能手表可以是智能手表、Apple/>、Samsung手表、/>Sense、/>ScanWatch、/>Move ECG、/>智能手表2等中的至少一种。
在一些实施例中,可以从位于可穿戴健康设备上的至少一个传感器接收第二传感器数据。
在一些实施例中,计算设备可以嵌入在可穿戴健康设备内。
在一些实施例中,计算设备可以被配置成通过个人区域网(PAN)无线接收第一传感器数据。
在一些实施例中,PAN可以符合通信协议的至少一个版本。
在一些实施例中,计算设备可以嵌入在智能手机和平板设备中的至少一个内。
在一些实施例中,计算设备可以被配置成通过无线局域网(WLAN)无线接收第一传感器数据。
在一些实施例中,WLAN可以符合802.11通信协议的至少一个版本。
在一些实施例中,计算设备可以被配置成通过广域网(WAN)无线接收第一传感器数据。
在一些实施例中,WAN可以是3G网络、4G网络、5G网络等中的至少一个。
在一些实施例中,计算设备可以是服务器、个人计算机(PC)、笔记本电脑等中的至少一种。
在一些实施例中,至少一个传感器可以是胸部定位的ECG传感器。
在一些实施例中,计算设备可以在医疗设备内实现。
在一些实施例中,疾病可以是传染病。
在一些实施例中,传染病可能与流感病毒相关联。在其他实施例中,传染病可能与新型病毒相关联。
在一些实施例中,新型病毒可以是严重急性呼吸综合征(SARS)冠状病毒(SARS-CoV)。在其他实施例中,新型病毒可以是中东呼吸综合征(MERS)冠状病毒(MERS-CoV)。
在一些实施例中,疾病可以是心血管疾病、糖尿病、慢性呼吸系统疾病、癌症等中的至少一种。
在一些实施例中,第一传感器数据可以是第一心电图(ECG)数据,并且第二传感器可以是第二ECG数据。
在一些实施例中,第一传感器数据可以是第一心冲击图(ballistocardiogram,BCG)数据,并且第二传感器数据可以是第二BCG数据。
在一些实施例中,第一传感器数据可以是第一光电容积描记术(photoplethysmography,PPG)数据,并且第二传感器数据可以是第二PPG数据。
在一些实施例中,第一传感器数据可以是第一氧饱和度数据(SpO2)数据,并且第二传感器数据可以是第二SpO2数据。
在一些实施例中,第一传感器数据可以是第一体温数据,并且第二传感器数据可以是第二体温数据。
在一些实施例中,第一传感器数据可以是第一呼吸数据,并且第二传感器数据可以是第二呼吸数据。
在一些实施例中,第一传感器数据可以是第一出汗(perspiration)数据,并且第二传感器数据可以是第二出汗数据。
在一些实施例中,第一传感器数据可以包括在第一时间段期间从位于人身上的传感器接收到的第一模拟波形的第一数字表示,并且第二传感器数据可以包括在第二时间段期间从位于人身上的传感器接收到的第二模拟波形的第二数字表示。
在一些实施例中,该方法还可以包括将与第一时间段相关联的一天中的第一时间应用于多变量检测模型,以及将与第二时间段相关联的一天中的第二时间应用于多变量检测模型。
在一些实施例中,该方法还可以包括将与第一时间段相关联的一周中的第一天应用于多变量检测模型,以及将与第二时间段相关联的一周中的第二天应用于多变量检测模型。
在一些实施例中,该方法还可以包括将人的与第一时间段相关联的第一活动水平数据应用于多变量检测模型,以及将人的与第二时间段相关联的第二活动水平数据应用于多变量检测模型。
在一些实施例中,第一活动水平数据可以基于在第一时间段期间从位于人身上的加速度计接收到的第一加速度计数据,并且第二活动水平数据基于在第二时间段期间从位于人身上的加速度计接收到的第二加速度计数据。
在一些实施例中,该方法还可以包括将人的与第一时间段相关联的第一身体位置数据应用于多变量检测模型,以及将人的与第二时间段相关联的第二身体位置数据应用于多变量检测模型。
在一些实施例中,该方法还可以包括将人的年龄应用于多变量检测模型。
在一些实施例中,该方法还可以包括将人的性别应用于多变量检测模型。
在一些实施例中,该方法还可以包括将人的体重指数(body mass index,BMI)应用于多变量检测模型。
在一些实施例中,第一传感器数据和第二传感器数据各自可以包括心跳到心跳(RR)间隔数据。
在一些实施例中,该方法还可以包括确定与第一传感器数据内的至少一个心跳到心跳(RR)间隔相关联的幅度、斜率和时间段。该方法还可以包括确定与第二传感器数据内的至少一个心跳到心跳(RR)间隔相关联的幅度、斜率和时间段。
在一些实施例中,第一传感器数据和第二传感器数据可以各自包括心率变异性(HRV)数据。
在一些实施例中,当获得第一传感器数据时,人可以在非临床环境中。
在一些实施例中,UI可以与人相关联。
在一些实施例中,UI可以嵌入到可穿戴健康设备、智能手表、智能电话、平板电脑、笔记本电脑、PC、虚拟助理和智能电视(TV)中的至少一个内。
在一些实施例中,多变量检测模型包括至少一种主成分分析(PCA)方法和/或至少一种主成分分析(PCA)方法。
在一些实施例中,第一传感器数据和第二传感器数据可以各自以大于10赫兹的采样速率被收集。
在一些实施例中,第一传感器数据和第二传感器数据可以各自以大于100赫兹的采样速率被收集。
在一些实施例中,第一传感器数据和第二传感器数据可以各自以大于200赫兹的采样速率被收集。
在一些实施例中,该方法还可以包括将人的健康史应用于多变量检测模型。
在另一个实施例中,公开了一种用于使用可穿戴传感器技术检测症状前和无症状感染者的疾病的计算设备。该计算设备包括存储器和至少一个处理器,该至少一个处理器被配置用于执行方法。该方法包括在第一段时间内接收与人相关联的第一传感器数据,并将第一传感器数据应用于多变量检测模型。该方法还包括在第二段时间内接收与人相关联的第二传感器数据,并将第二传感器数据应用于多变量检测模型。此外,该方法包括使用多变量检测模型确定人的疾病的概率值,并将该概率值传输到UI。
在另一个实施例中,公开了一种非暂时性计算机可读存储介质。该非暂时性计算机可读存储介质被配置用于存储要在计算设备上实现的指令,该计算设备包括至少一个处理器。当由至少一个处理器执行时,指令使至少一个计算设备执行一种使用可穿戴传感器技术检测症状前和无症状感染者的疾病的方法。该方法包括在第一段时间内接收与人相关联的第一传感器数据,并将第一传感器数据应用于多变量检测模型。该方法还包括在第二段时间内接收与人相关联的第二传感器数据,并将第二传感器数据应用于多变量检测模型。此外,该方法包括使用多变量检测模型确定人的疾病的概率值,并将该概率值传输到UI。
本概述和以下详细描述中描述的特征和优点并不全面。鉴于本文给出的附图、说明书和权利要求,对于本领域普通技术人员来说,许多附加特征和优点将是明显的。
附图简述
本发明实施例是通过示例的方式来说明的,并且不打算被附图中的图所限制。在附图中:
图1描绘了根据本公开的实施例的曲线图,该图示出了关于感染了流感的受试者的霍特林(Hoteling)T平方分布(T2)统计量随时间变化的曲线。
图2描绘了根据本公开的实施例的曲线图,该图示出了关于图1的受试者的平方预测误差(SPE)统计量随时间变化的曲线。
图3描绘了示出根据本公开的实施例的适合于确定流感感染的健康监测设备的框图。
图4描绘了示出根据本公开的实施例的一种系统的图,该系统包括图3的健康监测设备、移动设备、服务器和个人计算机(PC)。
图5描绘了示出根据本公开的实施例的图4的服务器的框图。
图6描绘了示出根据本公开的实施例的图4的移动设备的框图。
图7描绘了示出根据本公开的实施例的图4的PC的框图。
详细描述
下面的描述和附图是说明性的,并且不被解释为限制性的。描述了许多具体细节,以提供本公开的彻底的理解。然而,在某些情况下,为了避免模糊描述,没有描述众所周知的或常规的细节。本公开中对“一个实施例”或“实施例”的提及可以是但不一定是对同一实施例的提及,并且这种提及意味着实施例中的至少一个。
本说明书中对“一个实施例”或“实施例”的提及意味着结合实施例所描述的特定的特征、结构或特性包含在本公开的至少一个实施例中。在说明书中的各个地方中出现的短语“在一个实施例中”既不一定全都指同一实施例,也并非是与其它实施例互斥的单独或替代的实施例。而且,所描述的各种特征可能在一些实施例中而非其它实施例中被呈现。类似地,描述了各种要求,其可能是一些实施例的要求但不是其它实施例的要求。
在本公开的上下文和使用每个术语的特定上下文内,在本说明书中使用的术语在本领域中一般具有它们的普通含义。下面或在本说明书中的别处讨论了被用于描述本公开的某些术语,以向实践者提供关于本公开的描述的额外的指导。为了方便,可以例如使用斜体和/或引号强调某些术语。强调的使用对术语的范围和含义没有影响;在相同的上下文中,无论是否强调,术语的范围和含义是相同的。将理解,相同的事物可以以不止一种方式提到。
因此,供选择的语言和同义词可以被用于本文中所讨论的术语中的任一个或多个,无论术语是否在本文中被详细阐述或讨论都没有被赋予任何特定意义。提供了某些术语的同义词。一个或多个同义词的叙述并不排斥使用其它的同义词。在本说明书中的任何地方的示例(包括本文中讨论的任何术语的示例)的使用仅是说明性的,并且不旨在进一步限制本公开的范围和含义或任何例证的术语的范围和含义。同样地,本公开并不局限于在本说明书中给出的各种实施例。
在不旨在限制本公开的范围的情况下,下文给出了根据本公开的实施例的仪器、装置、方法和它们的相关的结果的示例。应当注意,为了方便读者,标题或副标题可以被用于示例中,其决不应该以任何方式限制本公开的范围。除非另外定义,否则本文所用的所有技术术语和科学术语具有与本公开所属的技术领域的普通技术人员所通常理解的相同的含义。在相冲突的情况下,以本文件(包括定义)为准。
本文公开了使用可穿戴传感器技术检测症状前和无症状感染者的疾病的系统、方法和设备。基于被监测的个人的活动,开发了具有特征标准化的多变量检测模型。通过执行每日24小时监测,可以获得用于疾病检测的相关生物标志物。
具体地,从可穿戴传感器获取原始数据被用于提取特定的心脏生物标志物,该心脏生物标志物辨别出疾病的早期预警标志物。健身(fitness)监测设备可用于提供可穿戴传感器,允许将被监测的个人更容易接受。可穿戴传感器提供从可穿戴设备对高分辨率和高采样速率数据的收集,以使得能够从心脏信号和其他生理信号中提取高分辨率特征。另外,频域心脏度量的评估增加了疾病检测的更多特异性。
这些技术也可用于检测一系列应用中的显著生理变化。示例包括响应于空气污染的呼吸或心脏活动的变化、损伤的生理指标或由于轻度创伤性脑损伤引起的自主神经功能(autonomic function)的变化。
多变量检测模型包括对来自心电图传感器的心脏和活动数据的分析。这些方法可以应用于任何生理传感器数据,包括心电图(ECG)数据、心冲击图(BCG)数据、氧饱和度(SpO2)数据、光电容积描记术(PPG)数据、体温数据、身体呼吸数据、身体出汗数据等。
为了使算法准确地进行疾病检测,必须克服人与人之间基线生理的大的变异性,以及影响个人内部的生理参数的大量混杂因素。多变量检测模型使用一种技术来对传感器度量进行标准化,以解决这两个挑战。
首先,在定义的时间周期(epoch)(例如,五分钟窗口)内从原始传感器数据中提取一系列特征。取自ECG传感器和/或PPG传感器的度量可以包括心率、时域心率变异性(HRV)数据(例如,RR间隔的标准偏差)、频域HRV数据(例如,呼吸性窦性心律失常或低频变异性)和/或更高级的HRV数据。
其次,这些特征在受试者内基于当前状态被标准化。当前状态可以由一个或更多个参数来表征,这些参数包括一天中的时间、活动水平、身体位置、睡眠状态、心率或心率变异性。可以通过在这些状态参数中的任何一个的当前值附近设置阈值来识别先前数据的窗口中的可比较状态。例如,可比较的一天中的时间可以被认为是当前时间加上或减去一个小时。
来自满足匹配标准的所有状态的数据形成一个群体(population),该群体能够用于计算任何传感器度量的Z分数。在多变量检测模型中,Z分数度量(t)=(度量(t)-(匹配群体中的度量的)平均值)/(匹配群体中的度量的)标准偏差。该标准化过程与为实时操作而部署的算法兼容。先前度量值的缓冲区可以存储指定的一段时间(例如,一周)并连续更新。可以使用缓冲区中的值连续计算z分数值。这些标准化后的度量可以用作多变量检测模型的输入。
多变量检测模型使用异常检测。表征健康基线数据,并针对从该基线来看的统计上显著的异常生成警报。具有异常检测的多变量检测模型是基于主成分分析(PCA)和多变量过程控制(MVPC)技术的。
单独地对于每个受试者,PCA被用于从所提取的特征的暴露前(pre-exposure)集合建立主成分模型。该主成分模型通过将测量值投影到由少量主成分定义的低维子空间中来降低数据的维数。接下来,该模型应用受试者的暴露后(post-exposure)数据来监测随时间变化的特征向量,并检测其值的任何不寻常变化。对于每个数据点,算法基于主成分计算霍特林T平方分布(T2)统计量和平方预测误差(SPE)统计量。当统计量中的至少一个在选定的一段时间内连续超过控制限制时,模型发出警报。
图1描绘了根据本公开的实施例的曲线图100,该曲线图100示出了感染了流感的受试者的T2统计量随时间变化的曲线102。轴104引用T2统计量的值,轴106引用T2统计量的时间。该时间是相对于接种时间(即t=0)来测量的。受试者对于流感病毒测试呈阳性,并表现出明显的症状,该症状在接种后大约4天(100个小时)达到高峰。标志物108是基于受试者的暴露前数据计算的控制上限(UCL),并假设显著性水平α为0.001,0.001的显著性水平对应于与平均值相距大约±3.3个标准偏差σ的允许值范围。标志物110指示T2统计量连续超过UCL至少40分钟的时间。曲线112提供了受试者的随时间变化的总症状分数。轴114引用总症状分数的值。
图2描绘了根据本公开的实施例的曲线图200,该曲线图200示出了图1的感染了流感的受试者的SPE统计量随时间变化的曲线202。轴204引用SPE统计量的值,轴206引用SPE统计量的时间。与图1一样,该时间是相对于接种时间(即t=0)来测量的。同样与图1一样,标志物208是基于受试者的暴露前数据计算的UCL,并假设显著性水平α为0.001,0.001的显著性水平对应于与平均值相距大约±3.3个标准偏差σ的允许值范围。标志物210指示SPE统计量连续超过UCL至少40分钟的时间。曲线212提供了受试者的随时间变化的总症状分数。轴214引用总症状分数的值。
如所描绘的,第一个不寻常的变化是在大约t=35小时处检测到的,远在出现明显的症状的时间之前。例如,明显的症状将意味着在正常情况下会促使受试者寻求医疗救助的这种类型的症状。这种公开的方法还证明了在流感感染测试呈阳性的无症状受试者中检测显著异常方面的成功性。
所公开的方法适于在接近实时的疾病检测系统中实现。使用先前描述的过去数据的缓冲区,可以以指定的间隔(例如,每小时)根据不包括最近期数据的历史数据计算PCA模型和统计量。可以根据最近期数据计算同一PCA模型上的统计量,以确定最近期数据是否指示与历史缓冲区的显著偏差。历史缓冲区可以连续更新,以去除与疾病无关的长期趋势(例如,健身水平提高、体重减轻和/或类似情况)。
对于心脏(ECG)数据收集,大约250赫兹的采样速率使得能够提取心脏信号中的心跳间隔(inter-beat interval)。如此高的采样速率对于疾病检测至关重要。使用PPG的可穿戴手表可用于此目的。可穿戴手表还可以实现原始数据收集,其分辨率类似于从可穿戴ECG传感器进行的特征提取的分辨率。这些可穿戴手表还扩展到监测活动水平(例如,加速度计)和监测体温。活动水平和体温也可以以高采样速率(例如,大于10赫兹)收集,以获得高分辨率。较低速率(例如1.0赫兹)的典型监测对于以高灵敏度和特异性检测疾病所需的特征提取是不够的。
图3描绘了示出根据本公开的实施例的健康监测设备302的框图300。健康监测设备302适合于收集用于本文公开的多变量检测模型中的传感器数据。健康监测设备302包括处理器304和存储器306。在一些实施例中,存储器306或存储器306的一部分可以与处理器304集成。存储器306可以包括易失性存储器和非易失性存储器的组合。在一些实施例中,处理器304和存储器306可以嵌入在微控制器内。处理器304可以是4100处理器、NXP/>微控制器单元(MCU)等。存储器306可以被配置用于程序指令,以实现多变量检测模型和/或将原始传感器数据发送到远程计算设备。此外(图3中未示出),多个模数转换器(ADC)和数模转换器(DAC)可用于将各种部件/传感器连接(interface)到处理器304。
健康监测设备302还包括图形用户界面(GUI)308。GUI 308可以是触摸板显示器。健康监测设备302还包括广域网(WAN)无线电设备310A、局域网(LAN)无线电设备310B和个人区域网(PAN)无线电设备310C。WAN无线电设备310A可以包括2G、3G、4G和/或5G技术。LAN无线电设备310B可以包括Wi-Fi技术,诸如802.11a、802.11b/g/n、802.11ac、802.11ax或类似电路。PAN无线电设备310C可以包括技术。
健康监测设备302还包括脉搏血氧计312、体温传感器314和出汗传感器316,用于获得与个人的多个生命体征有关的原始传感器数据。健康监测设备302还包括包含水银倾斜开关的定向检测器318、麦克风320、三轴加速度计322和环境温度传感器324。定向检测器318被配置成检测健康监测设备302相对于重力的相对位置。三轴加速度计322被配置成检测健康监测设备302在x轴、y轴和z轴上的瞬时移动。麦克风320可用于检测可以指示个人正在进行的活动的背景噪声。环境温度传感器324可用于更好地关联来自体温传感器314的个人体温。
健康监测设备302还包括用于对原始传感器数据加时间戳的实时时钟326和确定位置的全球定位系统(GPS)328接收器。健康监测设备302还包括电池330、电池充电器332和充电端口324。充电端口334可以是无线充电端口。
图4描绘了示出根据本公开的实施例的用于在多个受试者中进行流感感染监测的系统400的图。系统400包括对第一受试者进行流感感染监测的第一健康监测设备302A。第一健康监测app 402A在第一健康监测设备302A上执行。系统400还包括对第二受试者进行流感感染监测的第二健康监测设备302B。第二健康监测app 402B在第二健康监测设备302B上执行。
第一健康监测设备302A(经由健康监测app 402A)被配置成通过网络404将警报和/或原始统计数据传送到服务器406。网络404可以是有线网络、无线网络和/或光网络中的任何类型或组合。网络404可以包括互联网。中央监测应用408在服务器406上执行。服务器406驻留在基于云的计算环境410中。在其他实施例中,服务器406可以被容纳在临床试验设施和/或其他数据中心中。另外,中央监测应用408可以使用一个或更多个后端应用编程接口(API)与一个或更多个其他系统通信,该一个或更多个其他系统与收集和分析原始统计数据和/或警报相关联。后端API可以在基于云的计算环境410内通信和/或通过网络404进行通信。
系统400还包括执行健康监测app 414的移动设备412。移动设备412可以是智能手机、平板电脑等。移动设备412被配置成通过网络404与服务器406通信。移动设备412还被配置成通过PAN连接116与健康监测设备302B通信。PAN连接116可以是连接。在另外的实施例中,PAN连接116可以是蓝牙低能量(BLE)连接。健康监测app 414被配置成通过PAN连接116收集警报和/或原始统计数据。健康监测app 414还可以处理原始统计数据和/或将警报通知给用户。健康监测app 414然后可以经由网络404向中央监测应用408发送原始统计数据、警报和/或附加的经处理的数据。
服务器406还通过网络404与个人计算机(PC)418通信。PC 418还执行管理app420,用于为系统400提供管理功能。管理app 420可以经由web浏览器或特定于应用的程序来提供。在一些实施例中,PC 418可以是笔记本电脑或工作站。在其他实施例中,PC 418可以是被配置成操作智能TV app的智能TV。
图5描绘了示出根据本公开的实施例的图4的服务器406的框图500。服务器406包括至少一个处理器502、主存储器504、存储存储器(storage memory)(例如数据库)506、数据中心网络接口508和管理用户界面(UI)510。服务器406可以被配置成托管服务器等。在一些实施例中,/>服务器可以使用管理程序(hypervisor)技术被分布在多个硬件服务器上。
处理器502可以是适合于硬件虚拟化的多核服务器类处理器。处理器可以至少支持64位架构和单指令多数据(SIMD)指令集。主存储器504可以包括易失性存储器(例如,随机存取存储器)和非易失性存储器(例如,闪存)的组合。数据库506可以包括一个或更多个硬盘驱动器。
数据中心网络接口508可以向数据中心交换机、路由器和/或网络存储设备(network storage appliances)提供一个或更多个高速通信端口。数据中心网络接口508可以包括高速光以太网、InfiniBand(IB)、互联网小型计算机系统接口(iSCSI)和/或光纤通道接口。管理UI可以支持数据中心管理员对服务器406的本地和/或远程配置。
图6描绘了示出根据本公开的实施例的图4的移动设备410的框图600。移动设备410可以至少包括处理器602、存储器604、GUI 606、照相机608、WAN无线电设备610、LAN无线电设备612和个人区域网(PAN)无线电设备614。在一些实施例中,移动设备410可以是使用作为操作系统(OS)的/>或/>。在其他实施例中,移动设备410可以是OS设备。
在一些实施例中,处理器602可以是移动处理器,诸如SnapdragonTM移动处理器。存储器604可以包括易失性存储器(例如,随机存取存储器)和非易失性存储器(例如,闪存)的组合。存储器604可以部分地与处理器602集成。GUI 606可以是触摸板显示器。WAN无线电设备610可以包括2G、3G、4G和/或5G技术。LAN无线电设备612可以包括Wi-Fi技术,诸如802.11a、802.11b/g/n、802.11ac和/或802.11ax电路。PAN无线电设备614可以包括/>技术。一个或更多个PAN无线电设备614可以被配置成与健康监测设备302的一个或更多个PAN无线电设备310C通信。
图7描绘了示出根据本公开的实施例的图4的PC 414的框图700。PC 414可以包括至少一个处理器702、至少一个存储器704、用户界面(UI)706、至少一个显示器708和网络接口710。在某些实施例中,PC 414可以是工作站类计算设备。处理器702可以是Intel corei9-10900K桌面处理器等。存储器704可以包括易失性存储器(例如,随机存取存储器)和非易失性存储器(例如,闪存)的组合。存储器704可以部分地与处理器702集成。UI 710可以包括键盘。UI 710还可以包括鼠标、触摸板等。在某些实施例中,UI 710可以与显示器706集成。显示器708可以是单独的显示器,或者可以与其他部件(例如,笔记本电脑)集成。PC 414可以包括操作系统(OS)。操作系统(OS)可以是OS、/>OS、/>OS等。网络接口710可以是有线以太网接口或Wi-Fi接口。PC 414可以被配置成经由网络接口710访问远程存储器(例如,网络存储装置和/或云存储装置)。
鉴于以上教导,本公开的许多修改和变型是可能的。应当理解,在所附权利要求的范围内,本公开可以以不同于本文具体描述的方式实施。
如本领域技术人员将会理解的,本发明的各方面可以被体现为系统、方法或计算机程序产品。因此,本发明的各方面可以采取以下形式:完全硬件实施例、完全软件实施例(包括固件、常驻软件,微代码等)或对在本文中通常可以被统称为“电路”、“模块”或“系统”的软件和硬件方面进行结合的实施例。此外,本发明的各方面可以采取在一个或更多个计算机可读介质中体现的计算机程序产品的形式,在该一个或更多个计算机可读介质上体现有计算机可读程序代码。
可以使用任何适当的介质,包括但不限于无线、有线线路、光纤电缆、RF等或前述项的任何合适的组合,来传输在计算机可读介质上体现的程序代码。
用于执行本发明各方面的操作的计算机程序代码可以用一种或更多种编程语言的任意组合来编写,包括面向对象的编程语言和/或过程编程语言。例如,编程语言可以包括但不限于:Ruby、JavaScript、Java、Python、Ruby、PHP、C、C++、C#、Objective-C、Go、Scala、Swift、Kotlin、OCaml等。
以上参考根据本发明的实施例的方法、装置(系统)和计算机程序产品的流程图图示和/或框图描述了本发明的各方面。要理解的是,可通过计算机程序指令实现流程图图示和/或框图的每个块,以及流程图图示和/或框图中的块的组合。
这些计算机程序指令可被提供到通用计算机的、专用计算机的或用于生产机器的其他可编程数据处理装置的处理器,使得经由计算机的或其他可编程数据处理装置的处理器执行的指令创建用于实现在流程图中和/或在框图的一个或更多个块中所指定的功能/动作。
这些计算机程序指令还可存储在计算机可读介质中,所述指令可引导计算机、其他可编程数据处理装置或其他设备以特定方式起作用,使得存储在计算机可读介质中的指令产生包括实现在流程图和/或框图的一个或更多个块中指定的功能/动作的指令的制造物品。
计算机程序指令还可被下载到计算机、其他可编程数据处理装置或其他设备上,以使将在计算机、其他可编程装置或其他设备上执行的一系列操作步骤产生计算机实现的过程,使得在计算机或其他可编程装置上执行的指令提供用于实现在流程图和/或框图的一个或更多个块中指定的功能/动作的过程。
附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。就这一点而言,流程图或框图中的每个块可表示模块、段或代码的一部分,其包括用于实现指定逻辑功能的一个或更多个可执行指令。还应注意,在一些替代实现中,块中标注的功能可以不按照附图中所示的顺序发生。例如,连续示出的两个块事实上可以基本上同时执行,或者块有时可以以相反的顺序执行,这取决于所涉及的功能。还应当注意,框图和/或流程图图示的每个块以及在框图和/或流程图图示中的块的组合可以由执行指定功能或动作的专用的基于硬件的系统或专用硬件和计算机指令的组合实现。
本文使用的术语仅用于描述特定实施例的目的,并不旨在限制本发明。如本文使用的,单数形式“一(a)”、“一(an)”和“该(the)”意图也包括复数形式,除非上下文另有清楚地指示。应进一步理解,当在本说明书中使用时,术语“包括”和/或“包含”指定所陈述的特征、整体、步骤、操作、元件和/或部件的存在,但不排除一个或更多个其他特征、整体、步骤、操作、元件、部件和/或其组合的存在或添加。
随附的权利要求中的对应结构、材料、动作以及所有功能性限定的装置或步骤的等同替换,旨在包括任何用于与在权利要求中具体指出的其它元素相组合地执行功能的结构、材料或动作。所给出的对本发明的描述其目的在于说明和描述,并非是穷尽性的,也并非是要将本发明限定到所公开的形式。在不偏离本发明的范围和精神的情况下,许多修改和变化对于本领域中的普通技术人员将是明显的。实施例被选择和描述,以便最好地解释本发明的原理和实际应用,并使本领域中的其他普通技术人员能够针对具有如适合于所设想的特定用途的各种修改的各种实施例来理解本发明。
为了说明的目的,已经呈现了本发明的多种实施例的描述,但是不旨在穷举或限于所公开的实施例。许多修改和变化对于本领域的普通技术人员将变得明显,而不脱离所描述实施例的范围和精神。选择本文使用的术语是为了最好地解释实施例的原理、对市场上发现的技术的实际应用或技术改进,或者为了使本领域中的其他普通技术人员能够理解本文公开的实施例。
Claims (60)
1.一种在计算设备上实现的用于检测人的疾病的方法,所述方法包括:
在第一段时间内接收与所述人相关联的第一传感器数据,并将所述第一传感器数据应用于多变量检测模型;
在第二段时间内接收与所述人相关联的第二传感器数据,并将所述第二传感器数据应用于多变量检测模型;以及
使用所述多变量检测模型确定所述人的所述疾病的概率值;以及
将所述概率值传输到用户界面(UI)。
2.根据权利要求1所述的方法,其中,所述第一时间段与疾病前时间段相关联,并且所述第二时间段与所述疾病的症状前时间段相关联。
3.根据权利要求1所述的方法,其中,所述第一时间段与疾病前时间段相关联,并且所述第二时间段与所述疾病的无症状时间段相关联。
4.根据权利要求1所述的方法,其中,所述第一时间段与所述疾病的症状前时间段相关联,并且所述第二时间段与疾病后时间段相关联。
5.根据权利要求1所述的方法,其中,所述第一时间段与所述疾病的无症状时间段相关联,并且所述第二时间段与疾病后时间段相关联。
6.根据权利要求1所述的方法,其中,从位于可穿戴健康设备上的至少一个传感器接收所述第一传感器数据。
7.根据权利要求6所述的方法,其中,所述可穿戴健康设备在智能手表处。
8.根据权利要求7所述的方法,其中,所述智能手表是智能手表、AppleSamsung />手表、/>Sense、/>ScanWatch、/>Move ECG和/>智能手表2中的至少一种。
9.根据权利要求6所述的方法,其中,从位于所述可穿戴健康设备上的所述至少一个传感器接收所述第二传感器数据。
10.根据权利要求6所述的方法,其中,所述计算设备嵌入在所述可穿戴健康设备内。
11.根据权利要求6所述的方法,其中,所述计算设备被配置成通过个人区域网(PAN)无线接收所述第一传感器数据。
12.根据权利要求11所述的方法,其中,所述PAN符合通信协议的至少一个版本。
13.根据权利要求11所述的方法,其中,所述计算设备嵌入在智能手机和平板设备中的至少一个内。
14.根据权利要求6所述的方法,其中,所述计算设备被配置成通过无线局域网(WLAN)无线接收所述第一传感器数据。
15.根据权利要求14所述的方法,其中,所述WLAN符合802.11通信协议的至少一个版本。
16.根据权利要求6所述的方法,其中,所述计算设备被配置成通过广域网(WAN)无线接收所述第一传感器数据。
17.根据权利要求16所述的方法,其中,所述WAN是3G网络、4G网络和5G网络中的至少一种。
18.根据权利要求6所述的方法,其中,所述计算设备是服务器、个人计算机(PC)和笔记本电脑中的至少一种。
19.根据权利要求6所述的方法,其中,所述至少一个传感器是胸部定位的ECG传感器。
20.根据权利要求1所述的方法,其中,所述计算设备在医疗设备内实现。
21.根据权利要求1所述的方法,其中,所述疾病是传染病。
22.根据权利要求21所述的方法,其中,所述传染病与流感病毒相关联。
23.根据权利要求21所述的方法,其中,所述传染病与新型病毒相关联。
24.根据权利要求23所述的方法,其中,所述新型病毒是严重急性呼吸综合征(SARS)冠状病毒(SARS-CoV)。
25.根据权利要求23所述的方法,其中,所述新型病毒是中东呼吸综合征(MERS)冠状病毒(MERS-CoV)。
26.根据权利要求1所述的方法,其中,所述疾病是心血管疾病、糖尿病、慢性呼吸系统疾病和癌症中的至少一种。
27.根据权利要求1所述的方法,其中,所述第一传感器数据是第一心电图(ECG)数据,并且所述第二传感器数据是第二ECG数据。
28.根据权利要求1所述的方法,其中,所述第一传感器数据是第一心冲击图(BCG)数据,并且所述第二传感器数据是第二BCG数据。
29.根据权利要求1所述的方法,其中,所述第一传感器数据是第一光电容积描记术(PPG)数据,并且所述第二传感器数据是第二PPG数据。
30.根据权利要求1所述的方法,其中,所述第一传感器数据是第一氧饱和度数据(SpO2)数据,并且所述第二传感器数据是第二SpO2数据。
31.根据权利要求1所述的方法,其中,所述第一传感器数据是第一体温数据,并且所述第二传感器数据是第二体温数据。
32.根据权利要求1所述的方法,其中,所述第一传感器数据是第一呼吸数据,并且所述第二传感器数据是第二呼吸数据。
33.根据权利要求1所述的方法,其中,所述第一传感器数据是第一出汗数据,并且所述第二传感器数据是第二出汗数据。
34.根据权利要求1所述的方法,其中,所述第一传感器数据包括在所述第一时间段期间从位于所述人身上的传感器接收到的第一模拟波形的第一数字表示,并且所述第二传感器数据包括在所述第二时间段期间从位于所述人身上的所述传感器接收到的第二模拟波形的第二数字表示。
35.根据权利要求1所述的方法,还包括:
将与所述第一时间段相关联的一天中的第一时间应用于所述多变量检测模型;以及
将与所述第二时间段相关联的一天中的第二时间应用于所述多变量检测模型。
36.根据权利要求35所述的方法,还包括:
将与所述第一时间段相关联的一周中的第一天应用于所述多变量检测模型;以及
将与所述第二时间段相关联的一周中的第二天应用于所述多变量检测模型。
37.根据权利要求1所述的方法,还包括:
将所述人的与所述第一时间段相关联的第一活动水平数据应用于所述多变量检测模型;以及
将所述人的与所述第二时间段相关联的第二活动水平数据应用于所述多变量检测模型。
38.根据权利要求37所述的方法,其中:
所述第一活动水平数据基于在所述第一时间段期间从位于所述人身上的加速度计接收到的第一加速度计数据;并且
所述第二活动水平数据基于在所述第二时间段期间从位于所述人身上的所述加速度计接收到的第二加速度计数据。
39.根据权利要求1所述的方法,还包括:
将所述人的与所述第一时间段相关联的第一身体位置数据应用于所述多变量检测模型;以及
将所述人的与所述第二时间段相关联的第二身体位置数据应用于所述多变量检测模型。
40.根据权利要求1所述的方法,还包括将所述人的年龄应用于所述多变量检测模型。
41.根据权利要求1所述的方法,还包括将所述人的性别应用于所述多变量检测模型。
42.根据权利要求1所述的方法,还包括将所述人的体重指数(BMI)应用于所述多变量检测模型。
43.根据权利要求1所述的方法,其中,第一传感器数据和所述第二传感器数据各自包括心跳到心跳(RR)间隔数据。
44.根据权利要求43所述的方法,还包括确定与所述第一传感器数据内的至少一个心跳到心跳(RR)间隔相关联的幅度、斜率和时间段。
45.根据权利要求44所述的方法,还包括确定与所述第二传感器数据内的至少一个心跳到心跳(RR)间隔相关联的幅度、斜率和时间段。
46.根据权利要求1所述的方法,其中,所述第一传感器数据和所述第二传感器数据各自包括心率变异性(HRV)数据。
47.根据权利要求1所述的方法,还包括确定与所述第一传感器数据内的至少一个心跳到心跳(RR)间隔相关联的幅度、斜率和时间段。
48.根据权利要求1所述的方法,其中,当获得所述第一传感器数据时,所述人处于非临床环境中。
49.根据权利要求48所述的方法,其中,所述UI与所述人相关联。
50.根据权利要求49所述的方法,其中,所述UI嵌入在可穿戴健康设备、智能手表、智能手机、平板电脑、笔记本电脑、个人计算机(PC)、虚拟助手和智能电视(TV)中的至少一个内。
51.根据权利要求1所述的方法,其中,所述多变量检测模型包括至少一种主成分分析(PCA)方法。
52.根据权利要求51所述的方法,其中,所述多变量检测模型还包括至少一种多变量过程控制(MVPC)方法。
53.根据权利要求1所述的方法,其中,所述多变量检测模型包括至少一种多变量过程控制(MVPC)方法和至少一种主成分分析(PCA)方法。
54.根据权利要求1所述的方法,其中,所述第一传感器数据和所述第二传感器数据各自以大于10赫兹的采样速率被收集。
55.根据权利要求1所述的方法,其中,所述第一传感器数据和所述第二传感器数据各自以大于100赫兹的采样速率被收集。
56.根据权利要求1所述的方法,其中,所述第一传感器数据和所述第二传感器数据各自以大于200赫兹的采样速率被收集。
57.根据权利要求1所述的方法,还包括将所述人的健康史应用于所述多变量检测模型。
58.根据权利要求1所述的方法,其中:
所述第一传感器数据是第一心电图(ECG)数据,并且所述第二传感器数据是第二ECG数据;
所述第一ECG数据和所述第二ECG数据各自包括心率变异性(HRV)数据;
所述多变量检测模型包括至少一种多变量过程控制(MVPC)方法和至少一种主成分分析(PCA)方法;
所述计算设备嵌入在可穿戴健康设备内;并且
所述方法还包括:
将所述人的年龄、性别、体重指数(BMI)和健康史应用于所述多变量检测模型;
在所述第一段时间内接收与所述人相关联的第一氧饱和度数据(SpO2),并将所述第一SpO2数据应用于所述多变量检测模型;
在所述第二段时间内接收与所述人相关联的第二SpO2数据,并将所述第二SpO2数据应用于所述多变量检测模型;
在所述第一段时间内接收与所述人相关联的第一体温数据,并将所述第一体温数据应用于所述多变量检测模型;
在所述第二段时间内接收与所述人相关联的第二体温数据,并将所述第二体温数据应用于所述多变量检测模型;
在所述第一段时间内接收与所述人相关联的第一活动水平数据,并将所述第一活动水平数据应用于所述多变量检测模型;
在所述第二段时间内接收与所述人相关联的第二活动水平数据,并将所述第二活动水平数据应用于所述多变量检测模型;
在所述第一段时间内接收与所述人相关联的第一身体位置数据,并将所述第一身体位置数据应用于所述多变量检测模型;以及
在所述第二段时间内接收与所述人相关联的第二身体位置数据,并将所述第二身体位置数据应用于所述多变量检测模型;
将与所述第一时间段相关联的一天中的第一时间应用于所述多变量检测模型;以及
将与所述第二时间段相关联的一天中的第二时间应用于所述多变量检测模型。
59.一种用于检测人的疾病的计算设备,所述计算设备包括:
存储器;以及
至少一个处理器,所述至少一个处理器被配置用于:
在第一段时间内接收与所述人相关联的第一心电图(ECG)数据,并将所述第一ECG数据应用于多变量检测模型;
在第二段时间内接收与所述人相关联的第二ECG数据,并将所述第二ECG数据应用于所述多变量检测模型;以及
使用所述多变量检测模型确定所述人的所述疾病的概率值;以及
将所述概率值传输到用户界面(UI)。
60.一种非暂时性计算机可读存储介质,所述非暂时性计算机可读存储介质存储要在包括至少一个处理器的计算设备上实现的指令,所述指令在由所述至少一个处理器执行时使所述至少一个计算设备执行用于检测人的疾病的方法,所述方法包括:
在第一段时间内接收与所述人相关联的第一心电图(ECG)数据,并将所述第一ECG数据应用于多变量检测模型;
在第二段时间内接收与所述人相关联的第二ECG数据,并将所述第二ECG数据应用于所述多变量检测模型;以及
使用所述多变量检测模型确定所述人的所述疾病的概率值;以及
将所述概率值传输到用户界面(UI)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163217787P | 2021-07-02 | 2021-07-02 | |
US63/217,787 | 2021-07-02 | ||
PCT/US2022/073348 WO2023279082A1 (en) | 2021-07-02 | 2022-07-01 | Systems, methods, and devices for detecting viral respiratory illness in presymptomatic and asymptomatic infected persons |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117561022A true CN117561022A (zh) | 2024-02-13 |
Family
ID=84693008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280045258.6A Pending CN117561022A (zh) | 2021-07-02 | 2022-07-01 | 用于检测症状前和无症状感染者的病毒性呼吸道疾病的系统、方法和设备 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20240127954A1 (zh) |
EP (1) | EP4362776A1 (zh) |
KR (1) | KR20240029024A (zh) |
CN (1) | CN117561022A (zh) |
AU (1) | AU2022303530A1 (zh) |
CA (1) | CA3222252A1 (zh) |
WO (1) | WO2023279082A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7764996B2 (en) * | 2006-10-31 | 2010-07-27 | Cardiac Pacemakers, Inc. | Monitoring of chronobiological rhythms for disease and drug management using one or more implantable device |
US10448867B2 (en) * | 2014-09-05 | 2019-10-22 | Vision Service Plan | Wearable gait monitoring apparatus, systems, and related methods |
KR102320895B1 (ko) * | 2015-04-01 | 2021-11-03 | 엘지전자 주식회사 | 이동단말기 및 그 제어방법 |
WO2018072035A1 (en) * | 2016-10-20 | 2018-04-26 | Datapult, Inc. | Sickness prediction application system |
KR102640317B1 (ko) * | 2018-08-23 | 2024-02-26 | 삼성전자주식회사 | 체액 측정 장치 및 방법 |
-
2022
- 2022-07-01 CA CA3222252A patent/CA3222252A1/en active Pending
- 2022-07-01 EP EP22830378.0A patent/EP4362776A1/en active Pending
- 2022-07-01 KR KR1020247000681A patent/KR20240029024A/ko unknown
- 2022-07-01 AU AU2022303530A patent/AU2022303530A1/en active Pending
- 2022-07-01 WO PCT/US2022/073348 patent/WO2023279082A1/en active Application Filing
- 2022-07-01 CN CN202280045258.6A patent/CN117561022A/zh active Pending
-
2023
- 2023-12-28 US US18/398,623 patent/US20240127954A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023279082A1 (en) | 2023-01-05 |
KR20240029024A (ko) | 2024-03-05 |
CA3222252A1 (en) | 2023-12-11 |
US20240127954A1 (en) | 2024-04-18 |
AU2022303530A1 (en) | 2024-01-04 |
EP4362776A1 (en) | 2024-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210000347A1 (en) | Enhanced physiological monitoring devices and computer-implemented systems and methods of remote physiological monitoring of subjects | |
US20230190100A1 (en) | Enhanced computer-implemented systems and methods of automated physiological monitoring, prognosis, and triage | |
EP3698707B1 (en) | Electrocardiogram information dynamic monitoring system, computer program and computer readable storage medium | |
US9585590B2 (en) | Computerized systems and methods for stability-theoretic prediction and prevention of sudden cardiac death | |
US10390730B1 (en) | Methods, systems, and devices for determining a respiration rate | |
Lin et al. | An intelligent telecardiology system using a wearable and wireless ECG to detect atrial fibrillation | |
US20210275109A1 (en) | System and method for diagnosing and notification regarding the onset of a stroke | |
Shabaan et al. | Survey: smartphone-based assessment of cardiovascular diseases using ECG and PPG analysis | |
EP2698112B1 (en) | Real-time stress determination of an individual | |
EP3639748B1 (en) | System for monitoring pathological breathing patterns | |
KR20190008991A (ko) | 내장된 알람 피로도 감소 특성을 이용한 지속적인 스트레스 측정 | |
JP2017176827A (ja) | 使用者の生物学的信号を測定するシステム及び方法 | |
CN101340846A (zh) | 医学状况的检测和报警装置 | |
Ji et al. | Recommendation to use wearable-based mHealth in closed-loop management of acute cardiovascular disease patients during the COVID-19 pandemic | |
KR102346824B1 (ko) | 인공지능 기반 생체신호 모니터링 및 분석을 통한 복합 생활 지원 솔루션 제공 시스템 및 그 동작 방법 | |
Malche et al. | [Retracted] Artificial Intelligence of Things‐(AIoT‐) Based Patient Activity Tracking System for Remote Patient Monitoring | |
KR20210054975A (ko) | Ai 기반 심전도 판독 시스템 | |
US10535433B1 (en) | Predicting respiratory distress | |
Ahanathapillai et al. | Assistive technology to monitor activity, health and wellbeing in old age: The wrist wearable unit in the USEFIL project | |
CN108697335B (zh) | 利用信号分析来检测活体组织的方法和设备 | |
US11147505B1 (en) | Methods, systems and devices for identifying an abnormal sleep condition | |
CN108697363A (zh) | 用于检测心脏变时功能不全的装置和方法 | |
US20210338174A1 (en) | Method and system for assessing emergency risk for patients | |
US20240127954A1 (en) | Systems, methods, and devices for detecting viral respiratory illness in presymptomatic and asymptomatic infected persons | |
Singh et al. | Mauka-mauka: measuring and predicting opportunities for webcam-based heart rate sensing in workplace environment |
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 |