DE102009037097A1 - Gerät zum automatischen Atmungs- und Beatmungsmonitoring - Google Patents
Gerät zum automatischen Atmungs- und Beatmungsmonitoring Download PDFInfo
- Publication number
- DE102009037097A1 DE102009037097A1 DE102009037097A DE102009037097A DE102009037097A1 DE 102009037097 A1 DE102009037097 A1 DE 102009037097A1 DE 102009037097 A DE102009037097 A DE 102009037097A DE 102009037097 A DE102009037097 A DE 102009037097A DE 102009037097 A1 DE102009037097 A1 DE 102009037097A1
- Authority
- DE
- Germany
- Prior art keywords
- noise
- automatically
- archived
- classification
- asthma
- 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.)
- Ceased
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—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
- A61B5/48—Other medical applications
- A61B5/4821—Determining level or depth of anaesthesia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
-
- 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
- A61B5/0823—Detecting or evaluating cough events
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Anesthesiology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Die Erfindung betrifft ein Gerät zum automatischen Atmungs- und Beatmungs-Monitoring mittels Hidden Markov Modellen, neuronalen Netzwerken und eines wissensbasierten Fusionsverfahrens. Mittels eines einfachen akustischen Sensorsystems, am Beispiel eines Körperschall-Mikrofons, werden Beatmungs-, Herz-, Atmungs- und Strömungsgeräusche im Kopf-, Hals- und Brustkorbbereich eines Patienten aufgezeichnet und mittels eines Analog-Digital-Wandlers in einem PC digitalisiert. Alternativ kann eine intelligente Software auf einem Prozessor mit Display und Speichereinheit integriert werden. Das Gesamtsystem wird über ein Bedienelement gesteuert. Weiterhin ist auch die Integration des Gerätemoduls als Subsystem in ein übergeordnetes Patientenmonitoring-Gerätesystem möglich. Basierend auf Methoden der Signalverarbeitung und der künstlichen Intelligenz, wie Hidden Markov Modellen und neuronalen Netzwerken, wird anschließend eine lernfähige Software trainiert. Aufgrund eines wissensbasierten Fusionsverfahrens können dann pathologische und nicht pathologische Geräuschklassen erkannt werden und zudem aufgrund einer daran gekoppelten statistischen Auswertung Krankheitsbildern, z.B. Lungenfunktionsstörungen, Asthmaanfälle, akute Bronchitis, grippale Infekte, Grippetypen oder andere Atemwegserkrankungen zugeordnet werden. Dazu können bei künstlich beatmeten Patienten Fehlfunktionalitäten der Beatmungsmaschine sowie Patientengefährdungen frühzeitig erkannt und alarmiert werden.
Description
- Stand der Technik
- Heutzutage werden weltweit mehrere unterschiedliche Geräte zur Überwachung Atmungs- und Beatmungsfunktionalitäten eingesetzt. Diese Geräte werden klinisch vorwiegend in den zwei Gruppierungen Beatmungs- oder Atmungsmonitoringsysteme kategorisiert.
- Aus
DE 10 2007 063 008 A1 sind ein Verfahren und eine Vorrichtung zum Herz-, Kreislauf- und Atmungsmonitoring mittels Hidden Markov Modellen und Neuronalen Netzwerken bekannt. Mittels eines einfachen akustischen Sensorsystems, am Beispiel eines Körperschall-Mikrofons, werden Herz-, Atem- und Strömungsgeräusche im Brustkorbbereich eines Patienten aufgezeichnet und mittels eines Analog-Digital-Wandlers in einem PC digitalisiert. Basierend auf Methoden der Signalverarbeitung und der künstlichen Intelligenz, wie Hidden Markov Modellen und Neuronalen Netzwerken, wird anschließend eine lernfähige Software so trainiert, dass einerseits pathologische und nichtpathologische Geräuschklassen erkannt werden und andererseits aufgrund einer darauffolgenden statistischen Auswertung zu Krankheitsbildern, z. B. Herzrhythmusstörungen, Kreislaufstörungen oder Atemwegserkrankungen, zugeordnet werden. Schwerpunkt diese Patents ist allerdings die Überwachung schlafbezogener Atemwegserkrankungen sowie Herzkreislauf-Störungen. - Aus der
DE 9200249 U1 ist eine Vorrichtung bekannt, die Lebensfunktionen von Patienten mittels eines elektrischen Sensors, der mit der Schreib- oder Aufzeichnungsvorrichtung eines Elektrokardiogrammgerätes verbunden ist, überwacht. Da hierfür ein EKG oder ein ähnliches Gerät benötigt wird, entstehen hier sehr hohe Anschaffungskosten. Diese Vorrichtungen sind primär für den Einsatz bei Säuglingen und Kleinkindern gedacht. Sie benötigen auch eine hohe Anzahl von Sensoren. Bei der Auswertung der Daten stehen dem Arzt nur die reinen Signaldaten zur Verfügung, da solche Geräte nicht über lernfähige Systeme, wie Hidden Markov Modelle oder Neuronale Netzwerke, verfügen. - Aus der
DE 3444635 A1 ist eine Vorrichtung zur Herz-, Atem- und Kreislaufüberwachung bekannt, die ein Warnsignal bei einem durch Herz- oder Kreislaufstillstand bedingten Atemstillstand auslöst. Dieses Gerät ist ein reines Überwachungsgerät, das nicht zur Untersuchung oder Diagnose geeignet ist, da die Daten nicht aufgezeichnet werden. - Bei langzeitbeatmeten Patienten werden meistens Geräte eingesetzt die über eine Vielzahl von biologischen Sensoren brauchen um ein zuverlässiges Monitoring der Patienten zu gewährleisten.
- Eine ähnlich große Anzahl an Sensoren wird beispielsweise häufig gebraucht, um eine zuverlässige Diagnose bzw. Überwachung von Herz-, Kreislauf bzw. Atemwegerkrankungen zu gewährleisten.
- Im Bereich der Intensivmedizin bereiten heutzutage Patienten mit vorgeschädigten Organen des respiratorischen Apparates, bedingt durch hohen alltäglichen Alkohol-, Zigaretten- oder sonstigen Drogenkonsum, immer wieder Probleme für den Anästhesist beim Herausfinden von passenden Narkosemitteln sowie adäquaten Dosierungen. Ähnliche Probleme treten bei Patienten mit angeborenen Lungenfunktionsstörungen, wie Asthmatikern auf. Oft fehlt es an bereits stark belastetem Pflegepersonal und an einfachen Geräten, um diese Situation nicht nur qualitativ, sondern auch quantitativ zu erfassen. Die Patienten werden klinisch oft an einen erfahrenen Anästhesist verwiesen, der dann ein Stethoskop nutzt, um die Situation aufgrund von Auskultationsergebnissen relativ schnell richtig einzuschätzen. Leider bleibt die Situation wegen der stark angespannten Lage im Alltag der Intensivstation bzw. Klinik, abhängig vom aktuellen Befinden des Anästhesisten oder operativen Arztes, stark subjektiv.
- Auch im Alltag eines „normalen” Krankenhauses oder einer Arztpraxis, wo Stethoskope oft im Kopf-, Hals-, Brustkorbbereich eines Patienten eingesetzte werden, um aufgrund der auskultierten Geräusche Diagnosen und Therapiemaßnahmen eines Patienten zu unterstützen, werden oft divergierende Aussagen von Ärzten aufgrund mangelnder quantitativer und qualitativer dokumentierter und nachprüfbarer Patientenaufzeichnungen zu fehlerhaften Diagnosen und Therapien getroffen. Dies führt oft zu fatalen kurz- und langfristigen Folgen. Auch aufgrund der mangelnden Archivierung und Nachvollziehbarkeit können betroffene verantwortliche Ärzte und Pflegepersonal, bspw. im Rahmen von Weiterbildungsveranstaltungen nicht instruiert werden.
- Aufgabenstellung
- Heutzutage wird aufgrund des immer knapper werdenden Budgets im Gesundheitssektor nach Lösungen gefragt, bei denen mittels reduzierter Sensorik und effektiver Algorithmik Geräte oder Teilgeräte zwecks Überwachung und Bewertung der Atmungs.- oder Beatmungsfunktionalitäten entwickelt werden können. Dabei sollen gegebenenfalls auch Vorabdiagnosen und Therapievorschläge in einigen Patientensituationen ermittelt werden.
- Diese Geräte oder Teilgeräte sollen als Stand-alone-Systeme in Kliniken, Arztpraxen, aber auch im Heimbereich eingesetzt werden können. Mittels einer telemetrischen Schnittstelle sollen die erfassten Patientendaten und Analyseergebnisse direkt zum Hausarzt weitergeleitet werden können.
- Die Ergebnisse sollen auch über eine USB-Schnittstelle an ein übergeordnetes Patientenüberwachungssystem oder Netzwerk automatisch weitergeleitet werden können. Schließlich soll weiterhin die Möglichkeit gegeben werden, Analyseergebnisse auf einer Speichereinheit zu archivieren.
- Lösungsvorschlag und Ausführungsbeispiel
- Die erfindungsgemäße Lösung dieser Aufgabe wird wie folgt beschrieben:
- – Das Gerät besitzt mindestens ein Mikrofonsystem, Ultraschallsystem oder ein ähnliches akustisches Sensorsystem zur kontinuierlichen Aufzeichnung von Herz-, Kreislauf- und Atmungsgeräuschen, sowie einen PC mit Auswertungssoftware.
- – In der Software wird dann zunächst ein Verfahren zur Signalvorverarbeitung und Gewinnung der Merkmale aus den aufgezeichneten Herz-, Kreislauf- und Atemgeräuschen eingesetzt, um die Daten anschließend auswerten zu können.
- – Ein Hybridsystem, bestehend aus Hidden Markov Modellen, Neuronalen Netzen und einem wissensbasierten Automat, identifiziert die aufgezeichneten Geräusche und den Zeitpunkt ihres Auftretens.
- – Anschließend wird eine statistische Auswertung der chronologisch klassifizierten Herz-, Kreislaufströmungs- und Atemgeräusche durchgeführt.
- – Mit Hilfe dieser Daten wird der Gesundheitszustand des Patienten ermittelt und eventuell ein Vorschlag zur Vorabdiagnose erstellt.
- Das Verfahren und das Gerät werden durch folgende Zeichnungen näher erläutert:
-
1 und2 zeigen eine beispielhafte schematische Darstellung einer erfindungsgemäßen Vorrichtung, bei der ein Akustisches Sensor-System über dem Kopf-, Hals- und Brustbereich des Patienten platziert wird und über einer Analog-Digital-Wandlerkarte an den Signalverarbeitungs-PC angeschlossen wird. Alternativ kann das Sensorsystem mit einem Prozessor mit integrierter Software und Speichereinheit verbunden werden. Das Gesamtsystem kann dann über eigene Tastatur und Display bedient werden. Bei1 ist die bevorzugte Position des Patienten liegend, während er bei2 sitzen kann. Die ausgewerteten Patientendaten enthalten die erfassten biologischen Signale, die Chronologie der Ereignisse und gegebenenfalls Vorabdiagnose-Ergebnisse bzw. Evolution der Therapie. -
3 zeigt eine schematische Darstellung der Verfahrensschritte zur Ermittlung des Zustands des Patienten oder eines Patientenorgans im Falle des Atmungs- oder Beatmungsmonitorings. Dabei werden zunächst erfasste akustische Signale wie z. B. Atmungs- oder Beatmungsgeräusche eines Menschen von möglichen Störgeräuschen aus dem Umfeld des Patienten digitaltechnisch getrennt. Die gewonnenen Signale werden anschließend gefiltert und normalisiert. Danach werden krankheitsbildliche Merkmale extrahiert. Anschließend erfolgen eine Identifikation der Atemgeräusch-Informationen sowie deren zeitliches Auftreten mittels eines Hybridsystems, bestehend aus Hidden Markov Modellen, Neuronalen Netzwerken und einem wissensbasierten Fusionsautomat. Es folgen statistische Auswertungen der chronologisch klassifizierten Atmungs- bzw. Beatmungsinformationen. Daraus wird, ebenfalls wissensbasiert, der Zustand des Patienten oder eines Patientenorgans ermittelt. -
4 zeigt eine beispielhafte schematische Darstellung der Vorgänge, die im Signalverarbeitungs-PC oder alternativ im Prozessor implementiert sind. Die Verarbeitungsschritte erfolgen konform zu dem in3 beschriebenen Prozess. -
5 zeigt erfindungsgemäß eine mögliche Applikation des Geräts. Das oben beschriebene Gerätemodul wird dabei mittels einer Schnittstelle, z. B. USB, Infrarot oder Telemetrisch, an ein existierendes Patientenüberwachungsgerät im Krankenhaus angeschlossen. Für diesen Fall werden die Gerätefunktionalitäten nur auf ein bestimmtes Krankheitsbild antrainiert. Das Gerätemodul überwacht dann ein spezifisches Patientenorgan, wie z. B. die Lunge, und meldet aufgrund der Erkennung einer abnormalen Lungenfunktionalität die Informationen an die Beatmungsmaschine, die ihre Funktionsweise an die neue Situation anpasst. Hier könnten z. B. Knistergeräusche (Crackles) mittels des Gerätemoduls bei Überwachung der Lungen automatisch erkannt werden und dann über die Geräteschnittstelle zur Beatmungsmaschine geschickt werden, die ihre Druckpumpen bzw. Druckventile entsprechend anpasst. -
6 zeigt die Integration des beschriebenen Gerätemoduls in ein existierendes sonstiges Gerät, wodurch ein neues Gerätesystem entsteht. Die Aufgabe des Gerätemoduls in dem neuen System könnte darin bestehen, wichtige vitale Parameter, wie z. B. die kontinuierliche Bemessung des Sauerstoffsättigungsgehalts, die Bemessung des Elektrokardiograms oder des Blutdrucks, zu überwachen und bei widersprüchlichen Aussagen Alarm auszulösen. Dabei können Überwachungsergebnisse zur späteren Analyse und Interpretation archiviert werden. - ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- - DE 102007063008 A1 [0002]
- - DE 9200249 U1 [0003]
- - DE 3444635 A1 [0004]
Claims (22)
- Gerät zum automatischen Atmungs- und Beatmungsmonitoring von Patienten mit einem Sensor, einem daran angeschlossenen PC und einer intelligenten Software, dadurch gekennzeichnet, dass zur Merkmalsextraktion mindestens ein statistisches Analyseverfahren verwendet wird, dass die gewonnen Merkmale einem lernenden Hybridsystem, bestehend aus Hidden Markov Modellen, neuronalen Netzen und einem wissensbasierten Automaten, zur Identifikation der Geräusche zugeführt werden, wobei ein Klassifikationsergebnis mit Klassifikationsgüte geliefert wird. dass das Klassifikationsergebnis des Hybridsystems einem weiteren lernenden System zur Ergebnisbestätigung zugeführt wird.
- Gerät nach Anspruch 1, wobei nach der Geräuschklassifikation eine Geräuschanalyse mit zugehöriger Statistik von einem lernenden System durchgeführt wird.
- Gerät nach Anspruch 1 und 2, wobei anschließend eine Zuordnung aufgrund ärztlicher Erfahrungen zu Krankheitsbildern, z. B. geschädigter Lungenapparat, Asthma, Bronchitis, Grippe, Grippaler Infekt, erfolgt.
- Gerät nach Ansprüchen 1–3, wobei folgende Verfahren zur Merkmalsextraktion durchgeführt werden: • Störgeräuschunterdrückung • Normalisierung und Filterung des Signalspektrums • Zerlegung in Teilspektren • Berechnung und Mittelung der Effektivwerte der Teilspektren • Berechnung und Mittelung eines Merkmalsvektors aus jedem Teilspektrum mit einem statistischen Verfahren • Kombination der Effektivwerte und Merkmalsvektoren zu einer Matrix • Zeitliche Glättung der Matrixwerte • Normierung der Werte auf Mittelwert Null und vorgegebene Varianz
- Gerät nach Ansprüchen 1–4, wobei bei der Merkmalsextraktion eine Spektrale bzw. Fourier-Analyse als statistisches Verfahren verwendet wird.
- Gerät nach Ansprüchen 1–4, wobei bei der Merkmalsextraktion eine cepstrale Analyse als statistisches Verfahren verwendet wird.
- Gerät nach Ansprüchen 1–4, wobei bei der Merkmalsextraktion eine Wavelet-Analyse als statistisches Verfahren verwendet wird.
- Gerät nach einem der vorherigen Ansprüche, wobei die neuronalen Netzwerke oder Hidden Markov Modelle-Netzwerke im Hybridsystem mit gleichen oder unterschiedlichen Trainingsdaten für die Geräuschklassen trainiert sind. Dazu werden gleiche oder unterschiedliche Trainingsalgorithmen verwendet.
- Gerät nach einem der vorherigen Ansprüche, wobei eine Unterscheidung in den Geräuschklassen insbesondere in Atem- (z. B.: Einatmung, Ausatmung, Husten, Schnarchen, Giemen bzw. Wheeze, Knistern bzw. Crackles, Asthmageräusche, Intestinale Bewegungsgeräusche, Muskelbewegungsgeräusche, Stridor, übertragene Sprache), Beatmungs- (z. B. Cuff-Deflation, Insuflation, Tubusfehlplatzierung), Herz- (z. B.: normale Herztöne, Herzflattergeräusche, Herzflimmergeräusche) und Kreislauf-Strömungs-Geräuschen (z. B.: arterielle Strömung, venöse Strömung) stattfindet.
- Gerät nach einem der vorherigen Ansprüche, wobei folgende Merkmale extrahiert werden: Signalspitzen im Spektrum, Amplitudenvariationen, Phasenvariationen, periodisch oder aperiodisch auftretende Signale oder Kombinationen davon.
- Vorrichtung zur Durchführung eines Verfahrens gemäß einem der vorherigen Ansprüche, welches einen PC mit Mikrofonsystem, Ultraschallsystem oder mit einem ähnlichen akustischen Sensorsystem zur Erfassung der Atem-, Beatmungs-, Herz- oder Kreislaufgeräuschdaten, sowie Mittel zur Signalverarbeitung, die Mittel zur Merkmalsextraktion und Mittel zur Klassifikation enthalten, umfasst.
- Gerät nach Anspruch 1, wobei aufgrund erfasster akustischer Signale Asthmaerkrankungen automatisch quantitativ und qualitativ überwacht werden können. Dabei werden Asthma-charakteristische Geräusche wie Giemen oder Wheezes in unterschiedlichen Varianten, d. h. spektralen Verteilungen, cepstrale Verteilungen, Wavelet-Auswertungen, Auftrittshäufigkeiten und -dauer aufgezeichnet, ausgewertet und bei Bedarf archiviert.
- Gerät nach Anspruch 1, wobei aufgrund erfasster akustischer Signale Gefährdungen eines Asthmatikers im Rahmen eines Narkotisierungsprozesses frühzeitig automatisch erkannt und Alarm an das Pflegepersonal zur sofortigen Handlung ausgelöst werden kann. Dabei können anschließend Maßnahmen zur Besserung der Patientensituation archiviert werden und bei zukünftigen Narkotisierungsprozessen bei Asthmatikern mit ähnlichen Krankheitsbildern vorgeschlagen werden.
- Gerät nach Anspruch 1, wobei aufgrund erfasster akustischer Signale Gefährdungen eines Patienten mit vorgeschädigten Organen des respiratorischen Apparates im Rahmen eines Narkotisierungsprozesses frühzeitig automatisch erkannt und Alarm an das Pflegepersonal zur sofortigen Handlung ausgelöst werden kann. Dabei können anschließend Maßnahmen zur Besserung der Patientensituation archiviert werden und bei zukünftigen Narkotisierungsprozessen bei Patienten mit ähnlichen Krankheitsbildern vorgeschlagen werden.
- Gerät nach Anspruch 1, wobei aufgrund erfasster akustischer Signale Lungenfunktionsstörungen automatisch quantitativ und qualitativ überwacht werden können. Dabei werden charakteristische Geräusche zur Auswertung der Lungenfunktionalitäten wie Lungenflügelbewegungsgeräusche, Lungenästebewegungsgeräusche, Bronchien- und Bronchiolenbewegungsgeräusche automatisch klassifiziert. Die erkannten Geräuschklassen werden weiterhin aufgrund der Auftrittswahrscheinlichkeiten, -perioden, -positionen und Auftrittsdauer aufgezeichnet, ausgewertet und bei Bedarf archiviert.
- Gerät nach Anspruch 1, wobei aufgrund erfasster akustischer Signale Akute Bronchitis automatisch quantitativ und qualitativ überwacht werden kann. Dabei werden Bronchitis-charakteristische Geräusche wie musizierende Hustenketten in unterschiedlichen Varianten automatisch klassifiziert. Aufgrund dieser Klassifikation erfolgt dann eine Auswertung des Krankheitsbildes, die aufgezeichnet und archiviert werden kann.
- Gerät nach Anspruch 1, wobei aufgrund erfasster akustischer Signale Grippale Infekte oder Grippetypen mit unterschiedlichen Ausprägungen automatisch quantitativ und qualitativ überwacht werden können. Dabei werden die charakteristischen Geräusche grippaler Infekte oder verschiedener Grippetypen, wie allein stehende oder in Gruppen auftretende Hustenketten in unterschiedlichen Varianten automatisch klassifiziert. Aufgrund dieser Klassifikation erfolgt dann eine Auswertung des Krankheitsbildes, die aufgezeichnet und archiviert werden kann.
- Gerät nach Anspruch 15, dadurch gekennzeichnet, dass neue Arten von musizierenden Hustenketten, kombiniert mit Seufzen und Atemnotstandsgeräuschen mit Erstickungsanzeichen, die bspw. in Fällen wie Schweinegrippe auftreten können, automatisch trainiert, klassifiziert und archiviert werden können.
- Gerät nach Anspruch 1, wobei aufgrund erfasster akustischer Signale sonstige Atemwegserkrankungen automatisch quantitativ und qualitativ überwacht werden können. Dabei werden die charakteristischen Geräusche dem lernenden System mit passenden Krankheitsdiagnosen als Belehrungsinformationen vorgegeben. Das System lernt im operationellen Fall, diese Muster automatisch wiederzuerkennen. Aufgrund dieser Klassifikation erfolgt dann eine Auswertung des Krankheitsbildes, die aufgezeichnet und archiviert werden kann.
- Gerät nach Ansprüchen 12 bis 17, wobei die Ergebnisse im Falle einer Überwachung im Heimbereich telemetrisch dem Hausarzt oder behandelnden Pflegepersonal verschlüsselt weitergeleitet werden können.
- Gerät nach Ansprüchen 12 bis 17, dadurch gekennzeichnet, dass die Überwachungsergebnisse über eine Schnittstelle, bspw. USB, Infrarot, an ein übergeordnetes Gerätsystem als Beitrag zum gesamten Monitoring eines Patienten weitergeleitet werden kann.
- Gerät nach Ansprüchen 12 bis 17, dadurch gekennzeichnet, dass das Gerät als Subsystem eines existierenden Systems, z. B. zur Steuerung bzw. Regelung der System-Funktionskette, aufgrund der Analyseergebnisse eingesetzt werden kann.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102009037097A DE102009037097A1 (de) | 2009-08-11 | 2009-08-11 | Gerät zum automatischen Atmungs- und Beatmungsmonitoring |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102009037097A DE102009037097A1 (de) | 2009-08-11 | 2009-08-11 | Gerät zum automatischen Atmungs- und Beatmungsmonitoring |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102009037097A1 true DE102009037097A1 (de) | 2011-02-17 |
Family
ID=43448239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102009037097A Ceased DE102009037097A1 (de) | 2009-08-11 | 2009-08-11 | Gerät zum automatischen Atmungs- und Beatmungsmonitoring |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102009037097A1 (de) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103505189A (zh) * | 2013-10-21 | 2014-01-15 | 东南大学 | 基于小波包变换和隐马尔科夫模型的脉搏信号分类方法 |
CN109767338A (zh) * | 2018-11-30 | 2019-05-17 | 平安科技(深圳)有限公司 | 肠胃病报销流程的处理方法、装置、设备及可读存储介质 |
CN116486819A (zh) * | 2023-06-25 | 2023-07-25 | 厦门农芯数字科技有限公司 | 猪呼吸道疾病的监控方法、系统及养殖场巡检机器人 |
CN117350099A (zh) * | 2023-09-11 | 2024-01-05 | 北京五瑞美阳医疗器械有限责任公司 | 基于有限元分析的呼吸机降噪结构优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3444635A1 (de) | 1984-12-07 | 1986-06-19 | Hugo Sachs Elektronik Kg, 7801 March | Geraet zur herz-, atem- und kreislaufueberwachung |
DE9200249U1 (de) | 1992-01-11 | 1992-04-16 | Klemm, Bernd, 7801 Umkirch | Vorrichtung zur Überwachung und Aufzeichnung der Atem-, Herz- und/oder dgl. Lebensfunktion |
DE102007063008A1 (de) | 2007-12-21 | 2009-06-25 | Kouemou, Guy Leonard, Dr. Ing. | Verfahren und Vorrichtung zum Herz-, Kreislauf- und Atmungsmonitoring mittels Hidden Markov Modellen und neuronalen Netzwerken |
-
2009
- 2009-08-11 DE DE102009037097A patent/DE102009037097A1/de not_active Ceased
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3444635A1 (de) | 1984-12-07 | 1986-06-19 | Hugo Sachs Elektronik Kg, 7801 March | Geraet zur herz-, atem- und kreislaufueberwachung |
DE9200249U1 (de) | 1992-01-11 | 1992-04-16 | Klemm, Bernd, 7801 Umkirch | Vorrichtung zur Überwachung und Aufzeichnung der Atem-, Herz- und/oder dgl. Lebensfunktion |
DE102007063008A1 (de) | 2007-12-21 | 2009-06-25 | Kouemou, Guy Leonard, Dr. Ing. | Verfahren und Vorrichtung zum Herz-, Kreislauf- und Atmungsmonitoring mittels Hidden Markov Modellen und neuronalen Netzwerken |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103505189A (zh) * | 2013-10-21 | 2014-01-15 | 东南大学 | 基于小波包变换和隐马尔科夫模型的脉搏信号分类方法 |
CN103505189B (zh) * | 2013-10-21 | 2016-05-25 | 东南大学 | 基于小波包变换和隐马尔科夫模型的脉搏信号分类方法 |
CN109767338A (zh) * | 2018-11-30 | 2019-05-17 | 平安科技(深圳)有限公司 | 肠胃病报销流程的处理方法、装置、设备及可读存储介质 |
CN116486819A (zh) * | 2023-06-25 | 2023-07-25 | 厦门农芯数字科技有限公司 | 猪呼吸道疾病的监控方法、系统及养殖场巡检机器人 |
CN117350099A (zh) * | 2023-09-11 | 2024-01-05 | 北京五瑞美阳医疗器械有限责任公司 | 基于有限元分析的呼吸机降噪结构优化方法 |
CN117350099B (zh) * | 2023-09-11 | 2024-04-16 | 北京五瑞美阳医疗器械有限责任公司 | 基于有限元分析的呼吸机降噪结构优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2004037B1 (de) | Vorrichtung zur bestimmung eines vergleichswertes von biodaten sowie zur ermittlung von biodaten | |
CN110051380B (zh) | 对人体状态进行连续实时监测的系统和方法 | |
US7162294B2 (en) | System and method for correlating sleep apnea and sudden cardiac death | |
US6629937B2 (en) | System for processing audio, video and other data for medical diagnosis and other applications | |
CN103153183B (zh) | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 | |
US8577448B2 (en) | Differential apneic detection in aid of diagnosis and treatment | |
EA201800377A1 (ru) | Способ диагностики заболеваний органов дыхания и система для его реализации | |
US20100030085A1 (en) | System for monitoring and analysing cardiorespiratory signals and snoring | |
US20080243017A1 (en) | Breathing sound analysis for estimation of airlow rate | |
DE10327084A1 (de) | Vorrichtung zum Messen der Vitalfunktionen | |
DE102009037097A1 (de) | Gerät zum automatischen Atmungs- und Beatmungsmonitoring | |
JPH07124126A (ja) | 医療用生体情報検出装置、診断装置および治療装置 | |
DE102009033829A1 (de) | Verfahren und Vorrichtung zum berührungslosen Herz-, Kreislauf- und Atmungsmonitoring | |
Bucklin et al. | An inexpensive accelerometer-based sleep-apnea screening technique | |
Cacace et al. | Acoustic features of normal-hearing pre-term infant cry | |
DE102007063008A1 (de) | Verfahren und Vorrichtung zum Herz-, Kreislauf- und Atmungsmonitoring mittels Hidden Markov Modellen und neuronalen Netzwerken | |
Sloboda et al. | A simple sleep stage identification technique for incorporation in inexpensive electronic sleep screening devices | |
DE102008021940A1 (de) | Stimulationsanordnung zur Messung der physiologischen Signalreaktivität | |
Khatami et al. | Obstructive sleep apnea detection using ECG signal: A survey | |
DE102019105762B4 (de) | System zur akustischen Erkennung von Obstruktionsarten bei der Schlafapnoe. | |
US20140364753A1 (en) | Patient signal analysis and characterization based on late potentials | |
WO2009079977A2 (de) | Verfahren und vorrichtung zur schlafmedizinischen vorabdiagnose und therapie-begleitung | |
WO2019234224A1 (de) | Medizinische analysevorrichtung zur bewertung der narkosetauglichkeit eines patienten | |
EP1859733B1 (de) | Verfahren und Vorrichtung zur Korrelation von Signalen der Atmung des Herz-Kreislauf-Systems | |
US20200155057A1 (en) | Automatic detection of aspiration-penetration using swallowing accelerometry signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
R002 | Refusal decision in examination/registration proceedings | ||
R003 | Refusal decision now final |
Effective date: 20120427 |