CN1926553A - 对威胁生命的心率不齐的分段检测将功耗降至最低的算法 - Google Patents
对威胁生命的心率不齐的分段检测将功耗降至最低的算法 Download PDFInfo
- Publication number
- CN1926553A CN1926553A CNA2005800062986A CN200580006298A CN1926553A CN 1926553 A CN1926553 A CN 1926553A CN A2005800062986 A CNA2005800062986 A CN A2005800062986A CN 200580006298 A CN200580006298 A CN 200580006298A CN 1926553 A CN1926553 A CN 1926553A
- Authority
- CN
- China
- Prior art keywords
- processor
- alarm condition
- power consumption
- section
- algorithm
- 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
Images
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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Emergency Alarm Devices (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种两段数字算法使用高灵敏低功率数字第一段以检测一个或多个报警状况,以及一个或多个复杂数字后续段以高专一性识别所检测的报警状况。该一个或多个复杂数字后续段直到由低功耗数字第一段读出报警状况才被启动和消耗功率。假定该第二段将更严格地处理数据,则该低功率第一段可被设置为更敏感并可能产生过度报警,该过度报警最终将由后续段过滤掉。通过将该数字分析算法分段,本发明以低计算吞吐量和低功耗实现对报警状况的高灵敏度,并以仅偶尔运行的高计算强度算法实现高专一性。
Description
本发明一般涉及用于监控生理状况的方法和设备,尤其是用于监控便携设备的佩戴者的生理状况,例如心脏状况,的方法和设备
监控个体的生理状况能够快速检测到潜在的威胁生命的事件,尤其是能够从特定趋势预测的那些事件。为了能够更连续地监控,已经开发出了一些可以佩戴的设备。
但是,要佩戴在人的身体上的监控或报警设备必须克服特定的设计难题。通常,佩戴在身体上的设备必须小而轻,这样人就可以舒服地佩戴它。此外,佩戴在身体上的设备必须在检测报警状况上高度敏感以避免错失报警,而且佩戴在身体上的设备还必须在检测报警状况上高度专一性以避免不必要的错误报警。
对高敏感性和高度专一性的伴生要求通常导致需要高计算吞吐量的算法。不幸的是,数字设备中的高计算吞吐量通常需要高功耗,而高功耗会导致更大更重的电源以支持这个高计算吞吐量。因而,对高敏感性和高度专一性的要求已经普遍地阻止了小型、轻便、且舒适的人体佩戴设备的发展。
对于小型便携监控设备的要求仍然是高敏感性和高度专一性。
因此本发明针对开发用于提高小型、便携、由人体佩戴的便携设备的敏感性和专一性而且不增加功耗的方法和设备的问题。
本发明通过提供一种多段数字算法解决了这些和其它问题,其中高度敏感且功耗低的数字第一段检测一个或多个报警状况,还有一个或多个复杂的数字后续段以更高的专一性识别检测到的报警状况。根据本发明的一个方面,直到由低功耗的数字前端察觉到报警状况,复杂的数字后续段才会被启动因此不消耗任何功率。假定后续段将更严格地处理数据,低功耗的第一段将被设置得更敏感否则产生的是无保证的报警,这些无保证的报警最终由后续段过滤。
本发明通过将数字分析算法分段,以低计算吞吐量和低功耗实现了对报警状况的高敏感性,并且以只是偶尔运行的计算更密集的算法实现了高度专一性,因而实现了最小的功耗以及高敏感性和高度专一性。
在根据附图阅读详细说明时将会明了这些和其它优势,附图中:
图1示出了根据本发明的一个方面监控佩戴者的生理状况的设备的示范实施方案;
图2示出了根据本发明的另一方面监控佩戴者的生理状况的方法的示范实施方案;
图3示出了根据本发明的又一方面监控佩戴者的生理状况的设备的示范实施方案;
图4示出了根据本发明的再一方面监控佩戴者的生理状况的方法的示范实施方案。
降低人体佩戴的监控设备的功耗的一种技术是采用模拟心电图(ECG)QRS检测器,它用来确定心率是否在正常范围内。当心率不在正常范围内时,该模拟检测器触发数字分析算法。但是,本发明的实施方案的优势是用模拟设备实际上数字实现更复杂的算法,这样对第一段算法的报警状况的敏感性和专一性就能够高于模拟QRS检测器,因而使得在低功耗模式下所花的时间最长。
本发明的一个方面包括设计用来检测一个或多个报警状况的算法。这个算法采用了用于实时处理数据的多个段,并且通过例如对各算法段改变处理器时钟速度而将功耗降至最小。例如,在第一检测段,选择处理器时钟速度(或处理器自身)以维持处理器的功耗在非常低的水平。相反,在检测到由第一段检测的一些事件时会被启动的一个或多个后续段中,提高处理器时钟速度(或处理器自身)以优化后续段的计算功率从而能够对到来的数据进行复杂或高功率的算法以用更高的精度识别特定的状况或事件。在另一个例子中,因为第一级所需的低计算吞吐量,当已经完成了第一级实时处理时将处理器置为功率非常低的“备用模式”,这样不改变处理器时钟速度就能够将第一级中的功耗降至最低。在这个例子中,每一段中的功耗取决于用多长时间来执行该段,而第一级的执行所需的时间大大小于后续段。
根据本发明的另一方面,第一段优化了对报警状况的敏感性并将计算吞吐量降至最低,因此将功耗降至了最低。在这些限制内,第一段实现了对报警状况的最高可能的敏感性以将第一段中所用的时间最大化同时将这一段中消耗的功率降至最低。通过将第一段中所用时间最大化(相对于后续段,第一段消耗的功率最小,后续段消耗的功率要大得多),可以用小型、紧凑并且与佩戴在身体上的便携设备一致的电源设计便携设备。
根据本发明的另一方面,后续段优化了对报警状况的专一性,而算法吞吐量只受最大处理器时钟速度和功率分配所限。因为这些后续段只有在特定的很少发生的情况下才会被通电,因而这些后续段的功耗相对于设备的总功耗并不显著。
转到图1,图中所示是一种可携带生理传感器的处理部分的示范实施方案10的框图。根据这个实施方案10,算法的第一段(12a,以程序指令集#1存储在存储器12中)将检测到威胁生命的心律失常。威胁生命的心律失常检测(LTAD)算法12a将运行在微处理器11上,可以自动控制微处理器11能够以便能以两种示范方法(即,控制时钟速度或进入备用模式)之一或两种方法的组合将其设置为最小功耗模式。这种微处理器的例子有由德州仪器制造的微处理器,型号MSP430F149。在它的活动模式下,这个处理器的功耗取决于它的时钟速度(通常在1.5MHZ左右);这个微处理器还有功率非常低的备用模式(通常小于2微安),用内部定时器以可编程的间隔来结束备用模式。
除了LTAD算法12a之外,微处理器11还管理其它任务,包括信号获取和处理(例如,ECG和人为因素信号)、用户接口、报警发射。这些任务的程序指令可以嵌入在程序指令集#1中。LTAD算法12a的第一段加上这些其它任务将决定处理器11的最小计算吞吐量,处理器11的计算吞吐量还将决定维持实时操作所需的最小时钟速率或者处理器在活动模式下所耗时间,而在计算完成后就转为备用模式。
尽管LTAD算法可以有多段,但在大多数情况下两段(12a,12b)可能就已经足够了。在这个实施方案10中,为报警检测和低计算吞吐量而对第一段12a进行了优化,同时为报警检测的专一性对第二段算法12b(存储在程序指令集#2中)进行了优化,并且它以更高的时钟速率执行。例如,作为程序指令集#2的一部分,在程序指令集#1的执行期间检测到一个或多个潜在的报警状况时其执行被启动,处理器将提高其自己的时钟速率到能够使处理器的数据吞吐量最大的一个值。或者,如果对所有段使用固定的时钟速率,第一段后面的段将在进入备用模式之前在活动模式下执行更长时间(相对于第一段)。对于第一段相对于后续段的特有的平衡,后续段运行1%的时间或更小,示范处理器(例如,TI MSP430F149)的电流消耗中平均小于50微安。
LTAD算法12a的第一段能够检测到威胁生命的心律失常,例如心室纤颤(VF),心动过速(VT),心动过缓和心搏停止。在第一段算法12a中将实现高敏感性。
根据本发明的另一方面,第一段算法12a使用ECG数据作为它的主要输入。用估计心率的QRS检测器/读数器以及不同状况的速率阈值能够敏感地检测到这些报警状况。在文章“Biomedical DigitalSignal Processing:C Language Examples and LaboratoryExperiments for the IBM PC”(Willis J.Tompkins,ed,PrenticeHall,1993)中说明了QRS检测器。但是,由于ECG信号与病人用力中产生的运动人为现象的污染,基于速率的算法自身会对心室纤维化和心动过速做出错误的检测。
根据本发明的另一方面,LTAD算法的第二段12b使用:(1)独立的速率估计,以确认阈值已经被超过;(2)从与VF和VT有关的ECG估计出的其它参数;(3)从共模电流(CMC,Common Mode Current)获得的信号;在信号获取模块中表示病人运动或失调(在美国专利5,902,249中有所说明,题为“Method and Apparatus for DetectingArtifacts Using Common-Mode Signals in Differential SignalDetectors”,在此引入作为参考,如同在这里重复它的全部内容,包括附图)。
也可以用其它信号(如加速或病人阻抗)表示人为现象(这在美国专利6,287,328中有所说明,题为“Multiple ArtifactAssesment”,在此引入作为参考,如同在这里重复它的全部内容,包括附图)。
转到图2,图中所示为在佩戴在身体上的便携设备中监控来自心脏的实时数据信号的方法20的示范实施方案。这个方案可以由图1的实施方案或这里所陈述的任何设备采用。
在步骤21,在处理实时数据的第一段中将功耗降至最低。这可以通过选择处理器或控制处理器以低功耗模式运行而实现。
在步骤22,在处理实时数据的第一段内检测到一个或多个潜在的报警状况。可被检测到的该一个或多个潜在的报警状况将在后讨论。
在步骤23,在检测到所述一个或多个潜在的报警状况时启动对实时数据处理的第二段。启动可以包括启动第二处理器,启动第二算法,增加时钟速度或下载第二程序指令集以及其它技术。
在步骤24,在处理的第二段增加数据吞吐量以在该一个或多个潜在的报警状况中识别出一个或多个报警状况。增加数据吞吐量是为了能够如后所述对到来的数据采用复杂的算法。
在步骤25,在对实时数据处理的第二段期间将该一个或多个潜在的报警状况中的一个或多个报警状况的专一性最大化。下面将更准确地阐述识别真正的报警状况的过程。数据中存在的人为因素的可用来过滤掉无关的报警,但这需要第二段处理更高的计算吞吐量。
或者,不必改变一个处理器的时钟速度,可以将多个处理器用于算法段,吞吐量(和功耗)就符合该算法段的需要。转到图3,图中所示为一种佩戴在身体上的便携式心脏监控设备的处理部分的示范实施方案30。在这个实施方案30中,为第一段算法32a(存储在存储器32中)使用低功率低电压(可能有低计算吞吐量)的处理器31以实时处理到来的数据。低功耗处理器的例子包括前面提到的德州仪器的微处理器。
在检测到一些需要进一步分析的事件时,第一处理器31启动第二处理器33。处理器33是高计算吞吐量的处理器,为第二段算法34a(例如存储在存储器34中)选择为了能够对到来的数据采用高功率的算法以确保对到来的数据中任何事件的精确识别。高计算处理器的例子有以更高时钟速率计时的德州仪器的微处理器。
尽管实施方案30示出了两个存储器32,34,但也可以采用单个存储器由处理器31、33分别在必要时访问以获取算法32a和34a。
尽管在图3中将到来的数据示为并行提供给两个处理器31,33(这种情况下,高计算处理器33直到被低功率处理器31启动时才会运行),但到来的数据也可以作为启动过程的一部分而被从低功率处理器31传递到高计算处理器33。
此外,可以在第二段中对到来的数据采用多个并行处理器,可以对多个并行处理器各自编程以检测一个或多个特定事件。也可以串行安排这多个处理器以针对一个或多个特定事件顺序处理到来的数据。
通过将数字分析算法分段,本发明以低计算吞吐量和低功耗实现了对报警条件的高敏感性,同时以偶尔运行的计算密度更高的算法实现了高度专一性,由此实现了最小功耗以及高敏感性和高度专一性。
转到图4,图中所示为用于监控一种佩戴在身体上的设备的佩戴者的心脏的方法的示范实施方案40,该设备输出心电图信号或其它与心脏有关的数据信号。
在步骤41,采用第一处理段处理实时心脏数据以识别出一个或多个潜在的报警状况,该第一处理段被做了优化以将功耗降至最低。该第一处理段可以是处理器的第一运行模式(例如,低功耗模式),或者是被编程以执行该第一段处理任务的专用低功率处理器。
在步骤42,采用第二处理段以处理涉及该一个或多个潜在报警状况的数据从而在该一个或多个潜在报警状况中识别出一个或多个真正的报警状况,对该第二处理段进行了优化以使数量吞吐量最高。该第二处理段可以是处理器的第二运行模式(例如,高吞吐量模式)或者是被编程以执行该第二段处理任务的专用高吞吐量处理器。
在步骤43,用第一处理段管理信号获取、用户接口和报警发射任务。
根据本发明的又一方面,检测算法的示范实施方案将把报警状况细分成多级报警警告信号。尽管有很多种方式来区分报警状况,该示范实施方案使用了三个报警警告信号级别。所以,在步骤44中,用第二处理段将该一个或多个报警状况区分成多级报警警告信号,该多级报警警告信号包括低级警告信号(例如,表示检测到与心脏监控设备的技术方面有关的一个或多个状况),中级警告信号(例如,表示检测到病人身体中不需要立即采取医学上关注的医学状况)和高级警告信号(例如,表示已经检测到威胁生命的医学状况)。
应该注意到在第一段中检测到的报警状况,如果随后在第二段中被判定为与人为因素参考信号的存在一致,就可以被安全地忽略掉,因为威胁生命的心律不齐会快速导致病人失去意识,而在这样的病人中人为因素不太可能存在。同样,由于用力而正常增高的心率通常会伴随人为因素信号,并且不会达到报警阈值,除非人为因素还污染了ECG信号。因而,没有人为因素并且由第二段的更高级的ECG分析算法确认的报警状况将导致对报警状况敏感且专一性的多段LTAD算法的执行。因而,第二段算法能够确定与能够用来过滤无关报警的潜在报警状况有关的附加信息。
在步骤45,在第二处理段检测到低级报警时警告技术呼叫服务中心。低级警告意味着当算法检测到与设备的技术方面有关的状况、与长时间人为因素有关的状况或意味着设备功能受破坏的其它状况时对技术呼叫服务中心的通知。低级警告可能不需要医学关注。在低级警告中,呼叫技术呼叫中心的目的是帮助用户让设备回到完全工作状态。
在步骤46,在第二处理段检测到中级警告信号时警告呼叫服务中心(也许与技术呼叫服务中心相同或不同)。中级警告信号意味着通知呼叫中心帮助评估病人的医疗状况。中级警告信号不需要立即的医疗关注,但可以鼓励病人找他的医生。中级警告信号的例子是长时间的中度心动过速或心动过慢。
在步骤47,在第二处理段检测到高级警告信号时警告呼叫中心(也许与步骤45和46中的呼叫中心相同或不同)和/或紧急医疗服务。高级警告信号意味着需要立即的医疗关注的威胁生命的心律不齐。高级警告信号可以启动对呼叫中心以及紧急医疗服务的呼叫。高级警告信号的例子有VF,过度VT,或过度的心运过速和过慢。可以通过无线通信(射频发射)或通知病人呼叫特定的电话号码实现这些警告信号。
应该注意到可以将图4的步骤43-47加入上述方法。例如,可以将步骤43-47添到图2的方法的示范实施方案的步骤25之后。
尽管这里特别示出并说明了不同的实施方案,但将会认识到在不偏离本发明的精神和预期范围的前提下对本发明的改变和变化都由上述教义覆盖并且在所附权利要求的权限内。例如,讲述了两个处理段的情况,但在不偏离本发明范围的情况下三个或更多段也是可以的。此外,可以采用两个或更多处理器,不只是特定实施方案中所说的一个。
Claims (26)
1.一种心脏监控设备,包括:
用于存储第一程序指令集和第二程序指令集的存储器;和
与存储器耦合以接收实时数据的数字处理器,所述处理器由第一程序指令集编程以最佳敏感度检测该实时数据中的一个或多个潜在的报警状况,所述处理器当在第一程序指令集下执行时被优化以将功耗降至最低,所述处理器当在第一程序指令集下执行时当在实时数据中检测到一个或多个潜在的报警状况时启动第二程序指令集,所述处理器当在第二程序指令集下执行时被优化以最大化对一个或多个报警状况的专一性。
2.根据权利要求1的设备,其中该处理器包括可变时钟速度处理器,选择处理器在第一程序指令集下执行时的时钟速度以将该处理器的功耗降至最低。
3.根据权利要求1的设备,其中该处理器包括可变的时钟速度,并且选择处理器在第二程序指令集下执行时的时钟速度以使该处理器的数据吞吐量最大化。
4.根据权利要求1的设备,其中该数字处理器包括:
第一数字处理器以接收实时数据,所述第一处理器被编程以最佳灵敏度检测该实时数据中的一个或多个可能的报警状况,其中所述第一处理器被优化以将功耗降至最低;和
第二数字处理器,被编程以将对一个或多个报警状况的专一性最大化,所述第二处理器由该第一处理器在实时数据中检测到所述一个或多个潜在的报警状况时启动。
5.根据权利要求4的设备,其中该第一处理器包括为将功耗降至最低而选择的时钟速度。
6.根据权利要求4的设备,其中该第二处理器包括为将数据吞吐量最大化而选择的时钟速度。
7.一种用于监控心脏的方法,包括:
在处理实时数据的第一段期间将功耗降至最低;
在处理实时数据的第一段期间检测一个或多个潜在的报警状况;
在检测到所述一个或多个可能的报警状况时启动对实时数据的第二段处理;
在处理的第二段期间提高数据吞吐量以在该一个或多个潜在的报警状况中识别一个或多个报警状况。
8.根据权利要求7的方法,还包括:
在处理实时数据的第二段期间,将在该一个或多个潜在的报警条件中对一个或多个报警条件的专一性最大化。
9.一种用于监控心脏的方法,包括:
用被优化以降低功耗的第一算法读出一个或多个潜在的报警条件;和
在读出所述一个或多个潜在的报警条件之一时启动第二算法以确定关于所读出的所述一个或多个报警条件之一的附加信息。
10.根据权利要求9的方法,其中该附加信息包括一个或多个人为因素的存在。
11.根据权利要求9的方法,其中该第一算法在心电图信号之间检测到一个或多个威胁生命的心律不齐,包括下列中的一个或多个:心室纤颤,室性心动过速,心动过慢和心搏停止。
12.根据权利要求11的方法,其中第一算法采用了用于估计心率的QRS检测器/计数器,以及一个或多个心率阈值来识别该一个或多个威胁生命的心律不齐。
13.根据权利要求9的方法,其中该第二算法使用一个或多个独立的心率估计以确认一个或多个阈值已经被超过。
14.根据权利要求9的方法,其中该第二算法使用从与心室纤颤和心动过速有关的心电图信号估算出的一个或多个参数以在心电图信号中识别出人为因素。
15.根据权利要求9的方法,其中该第二算法使用从共模电流获得的信号以在心电图信号中识别出人为因素。
16根据权利要求9的方法,其中该第二算法使用加速或病人阻抗以在心电图信号中识别出人为因素。
17.根据权利要求9的方法,还包括用第二处理器将该一个或多个报警状况区分成多级报警警告信号(44)。
18.根据权利要求17的方法,其中该多级报警警告信号包括低级警告、中级警告和高级警告。
19.根据权利要求18的方法,其中低级警告表示检测到了一个或多个与心脏监控设备的技术方面有关的状况。
20.根据权利要求18的方法,其中中级警告表示已经检测到病人体内可能不需要立即的医疗关注的医疗状况。
21.根据权利要求18的方法,还包括在检测到警告时通知呼叫中心。
22.一种用于监控心脏的方法,包括:
采用第一处理段处理实时的心脏数据以识别一个或多个潜在的报警状况,其中所述第一处理器被优化以将功耗降至最低;和
采用第二处理段处理与该一个或多个潜在的报警状况有关的数据以在该一个或多个潜在的报警状况中识别一个或多个真正的报警状况;其中所述第二处理器被优化以将数据吞吐量最大化。
23.根据权利要求22的方法,还包括用第一处理段管理信号获取、用户接口和报警发射。
24.根据权利要求22的方法,还包括用第二处理段将该一个或多个报警条件区分成多级报警警告信号。
25.根据权利要求22的方法,其中该第一处理段包括执行第一程序的第一数字处理器,第二处理段包括执行第二程序的第二数字处理器。
26.根据权利要求22的方法,其中该第一处理段包括执行第一程序的数字处理器,第二处理段包括了执行第二程序的所述数字处理器。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US54885004P | 2004-02-27 | 2004-02-27 | |
US60/548,850 | 2004-02-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1926553A true CN1926553A (zh) | 2007-03-07 |
Family
ID=34919408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2005800062986A Pending CN1926553A (zh) | 2004-02-27 | 2005-02-11 | 对威胁生命的心率不齐的分段检测将功耗降至最低的算法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20090105602A1 (zh) |
EP (1) | EP1721278A2 (zh) |
JP (1) | JP2007525270A (zh) |
CN (1) | CN1926553A (zh) |
WO (1) | WO2005086063A2 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104271038A (zh) * | 2012-07-13 | 2015-01-07 | 伊利娅·阿纳托利欧维奇·柴可夫斯基 | 一种基于电流密度变化评估心肌损伤的方法和设备 |
CN106132287A (zh) * | 2014-03-17 | 2016-11-16 | 皇家飞利浦有限公司 | 心率监测器系统 |
CN111514520A (zh) * | 2020-03-25 | 2020-08-11 | 耿昌 | 一种心脑血管疾病康复治疗设备 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9104410B2 (en) * | 2011-01-04 | 2015-08-11 | Alcatel Lucent | Power saving hardware |
US10244949B2 (en) | 2012-10-07 | 2019-04-02 | Rhythm Diagnostic Systems, Inc. | Health monitoring systems and methods |
US10610159B2 (en) | 2012-10-07 | 2020-04-07 | Rhythm Diagnostic Systems, Inc. | Health monitoring systems and methods |
USD850626S1 (en) | 2013-03-15 | 2019-06-04 | Rhythm Diagnostic Systems, Inc. | Health monitoring apparatuses |
US10413251B2 (en) | 2012-10-07 | 2019-09-17 | Rhythm Diagnostic Systems, Inc. | Wearable cardiac monitor |
JP2022546991A (ja) | 2019-08-28 | 2022-11-10 | アールディーエス | バイタルサイン又は健康モニタリングシステム及び方法 |
JP7428020B2 (ja) * | 2020-03-06 | 2024-02-06 | コニカミノルタ株式会社 | 超音波診断装置、超音波画像生成方法、プログラム及びモデル訓練装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3816042A1 (de) * | 1988-05-10 | 1989-11-23 | Alt Eckhard | Energiesparender herzschrittmacher |
JP2720345B2 (ja) * | 1988-10-14 | 1998-03-04 | テルモ株式会社 | 携帯型心電計 |
US5105810A (en) * | 1990-07-24 | 1992-04-21 | Telectronics Pacing Systems, Inc. | Implantable automatic and haemodynamically responsive cardioverting/defibrillating pacemaker with means for minimizing bradycardia support pacing voltages |
US5235979B1 (en) * | 1991-03-15 | 1994-11-01 | Angeion Corp | Dual battery system for implantable defibrillator |
JP3021886B2 (ja) * | 1991-12-24 | 2000-03-15 | カシオ計算機株式会社 | 常時心拍モニタシステム |
US5674254A (en) * | 1995-05-22 | 1997-10-07 | Vitatron Medical, B.V. | Cardiac pacemaker system and method for determining a measure of pacing threshold without incurring loss of capture |
US5814075A (en) * | 1997-06-17 | 1998-09-29 | Pacesetter, Inc. | Method and apparatus for optimizing source allocation within an implantable cardioverter-defibrillator |
-
2005
- 2005-02-11 CN CNA2005800062986A patent/CN1926553A/zh active Pending
- 2005-02-11 JP JP2007500325A patent/JP2007525270A/ja not_active Withdrawn
- 2005-02-11 EP EP05702950A patent/EP1721278A2/en not_active Withdrawn
- 2005-02-11 WO PCT/IB2005/050537 patent/WO2005086063A2/en active Application Filing
- 2005-02-11 US US10/598,323 patent/US20090105602A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104271038A (zh) * | 2012-07-13 | 2015-01-07 | 伊利娅·阿纳托利欧维奇·柴可夫斯基 | 一种基于电流密度变化评估心肌损伤的方法和设备 |
US9451901B2 (en) | 2012-07-13 | 2016-09-27 | Illya Anatoliiovych Chaykovskyy | Method and device for evaluation of myocardial damages based on the current density variations |
CN106132287A (zh) * | 2014-03-17 | 2016-11-16 | 皇家飞利浦有限公司 | 心率监测器系统 |
CN111514520A (zh) * | 2020-03-25 | 2020-08-11 | 耿昌 | 一种心脑血管疾病康复治疗设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2005086063A3 (en) | 2006-03-30 |
EP1721278A2 (en) | 2006-11-15 |
US20090105602A1 (en) | 2009-04-23 |
WO2005086063A2 (en) | 2005-09-15 |
JP2007525270A (ja) | 2007-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1926553A (zh) | 对威胁生命的心率不齐的分段检测将功耗降至最低的算法 | |
US20170296124A1 (en) | System and method for detecting when a sensor is worn | |
Jansen et al. | Context aware inactivity recognition for visual fall detection | |
US20150056589A1 (en) | Wellness management method and system by wellness mode based on context-awareness platform on smartphone | |
EP3367883A1 (en) | Monitoring activities of daily living of a person | |
US20100194525A1 (en) | Securing Premises Using Surfaced-Based Computing Technology | |
CN109363659B (zh) | 基于深度学习的心率监控方法、装置及存储介质 | |
US10467679B1 (en) | Product recommendation device and method | |
US20180008169A1 (en) | Analysis of fall severity of fall detection system and wearing apparatus | |
FR2917298A1 (fr) | Dispositif de traitement pouvant etre porte par un patient et procede de traitement cardiaque d'un patient | |
CN110151136A (zh) | 有条件参考心率睡眠状态监测方法、装置、设备及介质 | |
CN105996984A (zh) | 利用可穿戴电子装置的久坐时间段检测 | |
Luštrek et al. | Recognising lifestyle activities of diabetic patients with a smartphone | |
CN113693565A (zh) | 一种可穿戴设备及其佩戴检测方法 | |
CN110148464A (zh) | 一种居家老年人智能健康管理系统 | |
CN110710962A (zh) | 睡眠状态检测方法及装置 | |
CN114073493B (zh) | 生理数据采集方法、装置及可穿戴设备 | |
CN109462882A (zh) | 终端的控制方法、装置和终端 | |
CN111681761B (zh) | 一种面向情境的健康风险识别方法及系统 | |
WO2019115432A1 (en) | Determining whether a hypothesis concerning a signal is true | |
Zheng et al. | Using machine learning techniques to optimize fall detection algorithms in smart wristband | |
CN113056756B (zh) | 睡眠识别方法、装置、存储介质及电子设备 | |
Chiang et al. | Analysis and design of on-sensor ECG processors for realtime detection of VF, VT, and PVC | |
CN113598725A (zh) | 可穿戴宠物无线健康监护系统 | |
CN115429220A (zh) | 可穿戴设备及其佩戴检测方法和佩戴检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |