DE29816662U1 - Device for the detection of respiratory diseases - Google Patents
Device for the detection of respiratory diseasesInfo
- Publication number
- DE29816662U1 DE29816662U1 DE29816662U DE29816662U DE29816662U1 DE 29816662 U1 DE29816662 U1 DE 29816662U1 DE 29816662 U DE29816662 U DE 29816662U DE 29816662 U DE29816662 U DE 29816662U DE 29816662 U1 DE29816662 U1 DE 29816662U1
- Authority
- DE
- Germany
- Prior art keywords
- signal
- signals
- detector
- sensor
- parameters
- 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.)
- Expired - Lifetime
Links
- 208000023504 respiratory system disease Diseases 0.000 title claims description 8
- 238000001514 detection method Methods 0.000 title description 5
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000012432 intermediate storage Methods 0.000 claims 1
- 208000008784 apnea Diseases 0.000 description 15
- 238000000034 method Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 9
- 238000002565 electrocardiography Methods 0.000 description 9
- 210000004072 lung Anatomy 0.000 description 7
- 230000029058 respiratory gaseous exchange Effects 0.000 description 7
- 230000000414 obstructive effect Effects 0.000 description 6
- 208000003417 Central Sleep Apnea Diseases 0.000 description 5
- 206010041235 Snoring Diseases 0.000 description 5
- 239000000872 buffer Substances 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 201000002859 sleep apnea Diseases 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000013138 pruning Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 210000002364 input neuron Anatomy 0.000 description 2
- 210000000867 larynx Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010015856 Extrasystoles Diseases 0.000 description 1
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 1
- 208000001431 Psychomotor Agitation Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 208000034972 Sudden Infant Death Diseases 0.000 description 1
- 206010042440 Sudden infant death syndrome Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 210000001715 carotid artery Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000002003 electrode paste Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002489 impedance cardiography Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002496 oximetry Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000011505 plaster Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- VWNRYDSLHLCGLG-NDNWHDOQSA-J tetrasodium;(2s)-2-[bis(carboxylatomethyl)amino]butanedioate Chemical compound [Na+].[Na+].[Na+].[Na+].[O-]C(=O)C[C@@H](C([O-])=O)N(CC([O-])=O)CC([O-])=O VWNRYDSLHLCGLG-NDNWHDOQSA-J 0.000 description 1
- 230000006496 vascular abnormality Effects 0.000 description 1
Classifications
-
- 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
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Description
Anmelder: 1. Univ. Prof. Dr. Helmut Pfützner,Applicant: 1. Univ. Prof. Dr. Helmut Pfützner,
Bahnhofplatz 2, A-5640 Bad Gastein, ÖsterreichBahnhofplatz 2, A-5640 Bad Gastein, Austria
2. Dr. Karl Futschik2. Dr. Karl Futschik
Fürstenstraße 41, A-2344 Maria Enzersdorf , ÖsterreichFürstenstraße 41, A-2344 Maria Enzersdorf , Austria
Die Erfindung betrifft eine Vorrichtung zur Detektion von Atmungserkrankungen, insbesondere von Schlafapnoen, unter Einsatz von physiologischen Sensoren und einem lernfähigen Signalauswerter.The invention relates to a device for detecting respiratory diseases, in particular sleep apnea, using physiological sensors and a learning signal evaluator.
Zur Diagnose von Atmungserkrankungen werden herkömmlicherweise vor allem jene physiologischen Parameter herangezogen, die mit der Funktion der Lungen in unmittelbarem Zusammenhang stehen, wie die mittels Spirographie oder Plethysmographie gemessene Ventilation oder die mittels Stethoskop oder Mikrophon erfaßten Lungengeräusche.To diagnose respiratory diseases, the physiological parameters used are primarily those that are directly related to the function of the lungs, such as ventilation measured by spirography or plethysmography or lung sounds recorded by stethoscope or microphone.
Zur Einengung der Diagnose ist es aber vorteilhaft, auch noch weitere Parameter zu erfassen, insbesondere jene, die das Herz/Kreislauf-System charakterisieren. In besonderem Maße gilt dies für den Fall der Schlafapnoen. Unter diesem Begriff versteht man bekanntlich während des Schlafes auftretende Stillstände der Atmung, wobei im Falle der obstruktiven Apnoe die Atembewegungen im wesentlichen erhalten bleiben, während sie im Falle der zentralen Apnoe verloren gehen. Hohe medizinische Relevanz ergibt sich im Falle der vor allem bei schnarchenden Personen auftretenden Apnoe des Erwachsenen als auch im Falle der mit SIDS in Verbindung gebrachten Apnoe des Kleinkindes.To narrow down the diagnosis, it is advantageous to record other parameters, in particular those that characterize the cardiovascular system. This is particularly true in the case of sleep apnea. This term refers to the cessation of breathing that occurs during sleep, whereby in the case of obstructive apnea, the breathing movements are essentially maintained, while in the case of central apnea they are lost. High medical relevance arises in the case of apnea in adults, which occurs primarily in people who snore, as well as in the case of apnea in small children, which is associated with SIDS.
Bezüglich der physiologischen Äußerungen liegen sehr ähnlich gelagerte Probleme auch im Falle anderer Atmungserkrankungen vor. Vor allem bezüglich Asthmaerkrankungen laufen breite Bemühungen zur Erstellung von automatischen Diagnosehilfen, wobei es auch hier darum geht·, aus der Gesamtheit mehrerer Parameter auf den Typ bzw. den Grad der Erkrankung rückzuschließen. Wegen der Analogie der technischen Umsetzung wird im weiteren nur auf das konkrete Beispiel der Schlafapnoe eingegangen.With regard to the physiological manifestations, very similar problems also exist in the case of other respiratory diseases. In particular with regard to asthma, there are extensive efforts to create automatic diagnostic aids, whereby here too the aim is to draw conclusions about the type or degree of the disease from the totality of several parameters. Due to the analogy of the technical implementation, only the specific example of sleep apnea will be discussed below.
&iacgr;&ogr; Vollständige Diagnosen von Apnoen beruhen meist auf Anwendung der sogenannten Polysomnographie. Dabei wird der Patient im Schlaflabor für eine volle Nacht überwacht, indem eine große Anzahl von physiologischen Parametern aufgezeichnet wird. Die Verfügbarkeit derartiger Einrichtungen ist aber selbst in führenden Industrieländern sehr begrenzt. Als Alternative dienen portable Überwachungsgeräte, die an normalen Klinikbetten eingesetzt werden können. Die Anzahl der erfaßten Parameter ist da-bei meist auf vier bis acht begrenzt, was trotz eingeschränkter diagnostischer Aussagefähigkeit als akzeptabler Kompromiß eingestuft wird (vergl. ASDA Standards of Practice in Sleep 17: 372-377,1994). Damit läßt sich eine effektive Entlastung von Polysomnographiebetten erzielen. Um die hohen aus stationärer Untersuchung anfallenden Kosten zu reduzieren, werden portable Überwachungsgeräte auch zum Heimmonitoring eingesetzt. Die entsprechende Effizienz bestehender Geräte ist jedoch wegen mangelnder Zuverlässigkeit beschränkt. Frühere Geräteausführungen, die nur ein oder zwei Parameter erfassen, zeigen gute praktische Anwendbarkeit, andererseits aber diagnostische Unzuverlässigkeit wegen ihres geringen Angebots an physiologischer Information. Geräte, welche die - allgemein als ausreichend eingestuften - schon erwähnten vier bis acht Parameter erfassen, erweisen sich im Heimbetrieb wegen ihrer schwierigen Bedienbarkeit als problematisch. Am Körper des Patienten fallen dabei zur spezifischen Erfassung der einzelnen Sensor-Signale mehrere Detektoren an, die über den Körper verteilt zu plazieren sind, z.B. EKG-Elektroden und Dehnungsgürtel an verschiedenen Thoraxre-&iacgr;&ogr; Complete diagnoses of apneas are usually based on the use of so-called polysomnography. The patient is monitored in a sleep laboratory for a full night by recording a large number of physiological parameters. However, the availability of such facilities is very limited even in leading industrialized countries. An alternative is portable monitoring devices that can be used on normal hospital beds. The number of parameters recorded is usually limited to four to eight, which is considered an acceptable compromise despite the limited diagnostic value (cf. ASDA Standards of Practice in Sleep 17: 372-377, 1994). This can effectively relieve the burden on polysomnography beds. In order to reduce the high costs incurred from inpatient examinations, portable monitoring devices are also used for home monitoring. The corresponding efficiency of existing devices is limited, however, due to a lack of reliability. Earlier device designs, which only record one or two parameters, show good practical applicability, but on the other hand are diagnostically unreliable due to their limited supply of physiological information. Devices which record the four to eight parameters mentioned above - generally considered sufficient - prove to be problematic in home use due to their difficulty in operation. In order to specifically record the individual sensor signals, several detectors are used on the patient's body, which have to be placed around the body, e.g. ECG electrodes and stretch belts on various thorax regions.
gionen sowie im Bauchbereich, Flowsensoren im Mund/Nasen-Bereich, aber auch Oxymeter an den Extremitäten (vergl. z.B. Chest 108, 388-393, 1995). Funktionsstörungen können damit daraus resultieren, daß der ungeschulte Laie die Detektoren nicht korrekt plaziert oder auch daraus, daß sich die Plazierungen während der Überwachung verändern. Letztlich können auch wesentliche Beeinträchtigungen der Schlafqualität resultieren.regions and in the abdominal area, flow sensors in the mouth/nose area, but also oximeters on the extremities (see e.g. Chest 108, 388-393, 1995). Malfunctions can therefore result from the untrained layperson not placing the detectors correctly or from the placement changing during monitoring. Ultimately, this can also result in significant impairments in sleep quality.
Die regionale Verteilung der verschiedenen Sensoren ergibt sich aus dem allgemein gestellten Anspruch, die einzelnen Parameter in physiologisch definierter Weise zu registrieren, wie sie von der Polysomnographie bzw. der allgemeinen klinischen Praxis vorgegeben wird. Für einen bestimmten Parameter werden die Sensoren dabei so angebracht, daß die physiologische Größe in spezifischer Weise optimal erfaßt wird. Die spezifische, optimale Erfassung einer physiologischen Größe hat den Vorteil, daß der volle Informationsgehalt genutzt werden kann. So kann z.B. aus dem Signal .der Impedanz-Kardiographie in quantitativer Weise auf die Blutausschüttung des Herzens geschlossen werden (vergl. z.B. W.G. Kubicek et al. Biomed.Eng.9, 410-416, 1974), wobei das Elektrodensystem aber parallel zur Körperachse anzuordnen ist. Desgleichen kann eine quantitative Kalibrierung bezüglich der Ventilation der Lungen erzielt werden, sofern das Elektrodensystem normal zur Körperachse angeordnet wird (K. Futschik et al. Ber. 14. J.Th.Öst.Ges.Biomed.Techn., 210-213, 1989). Als weiteres Beispiel sei die Elektrokardiographie erwähnt, bei der eine volle diagnostische Nutzung der Signal-Zeitverläufe die Einhaltung einer der zahlreichen spezifisch standardisierten Elektrodenplazierungen voraussetzt.The regional distribution of the various sensors results from the general requirement to record the individual parameters in a physiologically defined manner, as specified by polysomnography or general clinical practice. For a specific parameter, the sensors are installed in such a way that the physiological value is optimally recorded in a specific manner. The specific, optimal recording of a physiological value has the advantage that the full information content can be used. For example, the signal from impedance cardiography can be used to quantitatively determine the heart's blood output (see, for example, W.G. Kubicek et al. Biomed.Eng.9, 410-416, 1974), whereby the electrode system must be arranged parallel to the body axis. Likewise, a quantitative calibration of the ventilation of the lungs can be achieved if the electrode system is positioned normal to the body axis (K. Futschik et al. Ber. 14. J.Th.Öst.Ges.Biomed.Techn., 210-213, 1989). Another example is electrocardiography, where full diagnostic use of the signal time courses requires compliance with one of the numerous specifically standardized electrode placements.
Eine Berücksichtigung dieser Bedingungen führt letztlich zu der schon erwähnten Komplexität der derzeit üblichen Überwachungsgeräte. Als Beispiel sei das in EP 0 504 945 A2 beschriebene Gerät näher diskutiert. Die Positionierung der Meßwertaufnehmer am Körper des Patienten sieht hier folgendes vor: Im oberen und unteren Randbereich des Oberkörpers fallen drei Einmalelektroden zurTaking these conditions into account ultimately leads to the complexity of the currently common monitoring devices mentioned above. As an example, the device described in EP 0 504 945 A2 is discussed in more detail. The positioning of the sensors on the patient's body is as follows: In the upper and lower edge area of the upper body, three disposable electrodes are placed for
Erfassung des EKG an, in seinem Zentrum ein Lagesensor, am Kehlkopf ein Mikrophon zur Erfassung der Schnarchgeräusche, an einem Finger ein Oxymeter-Sensor. Bei vielen Geräten ist zusätzlich im Mund/Nasen-Bereich ein Flow-Sensor vorgesehen. Aufgrund dieses komplizierten Detektionssystems können effiziente Anwendungen nur dann erzielt werden, wenn der Patient an der Klinik entsprechend eingeschult wird, bzw. bereits dort mit spezifisch positionierten Sensorelementen versehen wird. Auch mit diesemRecording the ECG, a position sensor in its center, a microphone on the larynx to record snoring noises, an oximeter sensor on a finger. Many devices also have a flow sensor in the mouth/nose area. Due to this complicated detection system, efficient applications can only be achieved if the patient is trained accordingly at the clinic, or is already provided with specifically positioned sensor elements there. Even with this
&iacgr;&ogr; Aufwand ist aber mit wesentlichem Datenverlust zu rechnen, dem bei manchen Geräten durch zweiseitige Modem-Kommunikation begegnet wird (vergl. z.B. D.P. White et al. Sleep 18, 115-126, 1995).However, this effort is accompanied by significant data loss, which is counteracted in some devices by two-way modem communication (cf. e.g. D.P. White et al. Sleep 18, 115-126, 1995).
Ein wesentliches Kennzeichen der spezifischen Erfassung einer physiologischen Größe ist es, das Signal von Artefakten zu bereinigen. So wird beispielsweise bei Erfassung der Schlafgeräusche üblicherweise ein Mikrophon verwendet, das unmittelbar am Kehlkopf befestigt wird und einen Frequenzgang aufweist, der dem Schnarchen spezifisch angepaßt ist, womit letzteres mittels eines Schwellwertdetektors erkannt werden kann. Desgleichen wird ein Thorax-Dehnungsgürtel üblicherweise so plaziert und das von ihm gelieferte Signal so aufbereitet, daß die Atmungsbewegung möglichst artefaktfrei dargestellt werden kann.An essential feature of the specific recording of a physiological value is to remove artifacts from the signal. For example, when recording sleep noises, a microphone is usually used that is attached directly to the larynx and has a frequency response that is specifically adapted to snoring, so that the latter can be detected using a threshold detector. Likewise, a thorax stretch belt is usually placed and the signal it delivers is processed in such a way that the breathing movement can be represented as artifact-free as possible.
Das Ziel der vorliegenden Erfindung ist die Angabe einer Vorrichtung für ein Überwachungsgerät, das durch einfachste Handhabbarkeit durch den Laien gekennzeichnet ist und die Schlafqualität kaum beeinträchtigt.The aim of the present invention is to provide a device for a monitoring device which is characterized by being extremely easy to handle by laypersons and which hardly affects the quality of sleep.
Erfindungsgemäß wird dieses Ziel mit einer Vorrichtung zur Detektion von Atmungserkrankungen unter Einsatz physiologischer Sensoren und eines lernfähigen Signalauswerters erreicht, die sich dadurch auszeichnet, daß ein Detektor verwendet wird, der aus mehreren verschiedenen physiologischen Sensoren besteht, von denen jeder ein eigenes Mischsignal liefert, wobei der Detektor am Körper des Patienten befestigbar, insbesondere aufklebbar ist, wobei weiters ein Signalaufbereiter zur Vorverarbeitung und Digitalisierung der Signale, ein Speichermedium zurAccording to the invention, this aim is achieved with a device for detecting respiratory diseases using physiological sensors and a learning signal evaluator, which is characterized in that a detector is used which consists of several different physiological sensors, each of which delivers its own mixed signal, whereby the detector can be attached to the patient's body, in particular glued on, whereby a signal conditioner for preprocessing and digitizing the signals, a storage medium for
Aufzeichnung der vorverarbeiteten Signale, ein Signaltrenner, eine Schar von Kenngrößenbildnern, ein Zwischenspeicher für die ermittelten Kenngrößen sowie ein lernfähiger Diagnosebildner vorgesehen ist. Vorteilhaft wird hierdurch am Körper des Patienten nur ein einziger Detektor befestigt, der mehrere verschiedenartige Sensoren enthält, welche nicht spezifisch arbeiten und eine Reihe von Mischsignalen liefern, deren voller Informationsgehalt dadurch genutzt wird, daß die Signale zunächstRecording of the pre-processed signals, a signal separator, a group of parameter generators, a buffer for the determined parameters and a learning diagnostic generator are provided. Advantageously, only a single detector is attached to the patient's body, which contains several different sensors which do not work specifically and deliver a series of mixed signals, the full information content of which is used by first
&iacgr;&ogr; durch einen Signalaufbereiter vorverarbeitet, digitalisiert und auf ein Speichermedium aufgezeichnet werden und anschließend off-line Signaltrennern zugeführt werden und von diesen aufgetrennt werden, und daß dann die so gewonnenen Signale einer Schar von einfachen, diesen nachgeschalteten Kenngrößenbildnern zugeführt werden, deren Ausgänge an einen lernfähigen Diagnosebildner gelegt werden, welcher zur Diagnoseausgabe trainiert wird.&iacgr;&ogr; are pre-processed by a signal conditioner, digitized and recorded on a storage medium and then fed to offline signal separators and separated by them, and that the signals thus obtained are then fed to a group of simple, downstream characteristic generators, the outputs of which are fed to a learning diagnostic generator, which is trained to output the diagnosis.
Auf die Messung definierter artefaktfreier physiologischer Signale wird hier also verzichtet, vielmehr werden Signalartefakte als wesentliche Informationsquellen genutzt. Vorzugsweise wird durch eine große Anzahl von Signalkennwertbildnern der hohe Grad an "verborgener" Information erfaßt, die auch in herkömmlich gemessenen Signalen enthalten ist, jedoch üblicherweise als Artefakt verworfen wird. Die Signalkennwerte werden dem lernfähigen Diagnosebildner zugeführt, der im Rahmen eines Nachtrainings auf die individuelle Einheit von Patient und Detektor angepaßt wird.The measurement of defined artifact-free physiological signals is therefore dispensed with here; instead, signal artifacts are used as essential sources of information. Preferably, a large number of signal characteristic value generators are used to capture the high degree of "hidden" information that is also contained in conventionally measured signals, but is usually discarded as an artifact. The signal characteristics are fed to the adaptive diagnostic generator, which is adapted to the individual unit of patient and detector as part of a follow-up training.
Die Aufgabe des Detektors besteht darin, an einem einzigen Aufpunkt des Körpers ein so großes Ausmaß an physiologischer Information zu sammeln, daß es für eindeutige Diagnosen hinreichend ist. Im konkreten Anwendungsfall zur Apnoedetektion sollte dabei - als minimale Anforderung - in eindeutiger Weise zwischen normaler Atmung, obstruktiver Apnoe und zentraler Apnoe unterschieden werden. Die Einpunktdetektion bedeutet a priori, daß die vom Detektor gemessenen Parameter nicht in spezifischer Weise erfaßt werden. Würde man den Meßpunkt einem bestimmten Parameter spezifisch anpassen, so wäre damitThe task of the detector is to collect a large amount of physiological information at a single point on the body, sufficient to make a clear diagnosis. In the specific application of apnea detection, the minimum requirement is to clearly distinguish between normal breathing, obstructive apnea and central apnea. Single-point detection means a priori that the parameters measured by the detector are not recorded in a specific way. If the measuring point were to be specifically adapted to a certain parameter, this would be
zu rechnen, daß alle weiteren Parameter unspezifisch erfaßt werden. Erfindungsgemäß ist ein Kompromiß vorgesehen, wonach die Detektion dort erfolgt, wo sich für die Gesamtheit aller interessierenden Parameter ein Optimum ergibt.It can be expected that all other parameters will be recorded non-specifically. According to the invention, a compromise is provided, whereby detection takes place where an optimum is achieved for the totality of all parameters of interest.
Nach dem obigen scheidet eine Oxymetrie-Messung a priori aus, da an den Extremitäten keine weiteren atmungsrelevanten Parameter erfaßbar sind. Ferner ist eine Flow-Messung nicht möglich, da sich im Mund/Nasen-BereichAccording to the above, an oximetry measurement is ruled out a priori, since no other parameters relevant to breathing can be recorded on the extremities. Furthermore, a flow measurement is not possible, since there is
&iacgr;&ogr; keinerlei weitere Parameter anbieten. Diese beiden grundsätzlich sehr wesentlichen Parameter scheiden also für eine Einpunktmessung a priori aus. Erfindungsgemäß wird der Detektor in einer Körperregion positioniert, in der sich sowohl die Atmungstätigkeit als auch die Herztätigkeit erfassen läßt, wenngleich auch nur in unspezifischer Weise, im Sinne von Mischsignalen. Bild 1 und Bild 2 zeigen zwei mögliche Varianten von Plazierungen, an denen Mischsignale gemessen werden können, welche sich für eindeutige Diagnosen als ausreichend erwiesen. Es handelt sich um Plazierungen im Herz- bzw. im Halsbereich.&iacgr;&ogr; do not offer any further parameters. These two fundamentally very important parameters are therefore a priori ruled out for a single-point measurement. According to the invention, the detector is positioned in a region of the body in which both respiratory activity and cardiac activity can be recorded, albeit only in a non-specific manner, in the sense of mixed signals. Figure 1 and Figure 2 show two possible variants of placements at which mixed signals can be measured, which have proven to be sufficient for clear diagnoses. These are placements in the heart and neck area respectively.
Bild 1 zeigt einen herznah plazierten Detektor 1. Er besteht aus einem - aus elastischem, weich gepolsterten Material gefertigten und von einer leicht reinigbaren Kunstoffhaut voll umhüllten - Trägerband 2, das beispielsweise mit zwei Pflasterstreifen auf der Haut befestigt werden kann. Die genaue Plazierung kann an der Klinik markiert, die Anbringung unmittelbar vor dem Schlaf vom Patienten selbst vorgenommen werden. Bei der skizzierten Ausführung ist die Kunststoffhaut nur an vier Stellen zur Kontaktierung von vier erhabenen, aus rostfreiem Edelstahl gefertigten Elektrodenzylindern 3 unterbrochen, wobei die Kontaktierung zum Körper durch Elektrodenpasta verbessert wird. Darüber hinaus beinhaltet das Trägerband einen Lotsensor 4 und ein Miniaturmikrophon 5, die beide von der Kunststoffhaut umhüllt sind. Der Detektor 1 ist über ein einziges Kabel 6, das z.B. bei Schlafunterbrechungen durch eine Kupplung 7 unterbrochen werden kann, mit dem Aufzeichnungsgerät 8 verbunden,Figure 1 shows a detector 1 placed close to the heart. It consists of a carrier band 2 made of elastic, softly padded material and completely covered by an easily cleanable plastic skin, which can be attached to the skin with two strips of plaster, for example. The exact placement can be marked at the clinic, and the patient can apply it immediately before going to sleep. In the design outlined, the plastic skin is only interrupted at four points to make contact with four raised electrode cylinders 3 made of stainless steel, with the contact to the body being improved by electrode paste. In addition, the carrier band contains a plumb sensor 4 and a miniature microphone 5, both of which are covered by the plastic skin. The detector 1 is connected to the recording device 8 via a single cable 6, which can be interrupted by a coupling 7, for example, if sleep is interrupted.
das zur Signalabspeicherung mit einem Memo-Card-Schreiber versehen ist.which is equipped with a memo card writer for signal storage.
Das vom Mikrophon 5 gelieferte Mischsignal setzt sich aus drei Beiträgen zusammen, die sehr umfangreiche Infornaation beinhalten. Ein Beitrag ergibt sich aus der Herztätigkeit, wobei die Herzgeräusche neben der für Apnoen unmittelbar relevanten Herzfrequenz fH bekanntlich eine große Anzahl von Herz- und Gefäßanomalien charakterisieren. Ein zweiter, aus der Lungentätigkeit resultierender Beitrag charakterisiert die bei zentraler Apnoe gegen Null gehende Atemfrequenz fL. Das Signalmuster zeigt a priori starke individuelle und diagnostisch nutzbare Schwankungen. Vor allem aber verändert es sich signifikant im Falle der obstruktiven Apnoe, was bei der vorliegenden Methode ebenso genutzt wird wie das Signalmuster des dritten Beitrags, des Schnarchgeräusches.The mixed signal supplied by microphone 5 is made up of three contributions which contain very extensive information. One contribution results from cardiac activity, whereby heart sounds characterize a large number of cardiac and vascular abnormalities in addition to the heart rate f H which is directly relevant for apneas. A second contribution, resulting from lung activity, characterizes the respiratory rate f L which tends towards zero in central apnea. The signal pattern shows a priori strong individual and diagnostically useful fluctuations. Above all, however, it changes significantly in the case of obstructive apnea, which is used in the present method in the same way as the signal pattern of the third contribution, the snoring sound.
Auch die Elektrodenzylinder 3 werden erfindungsgemäß mehrfach genutzt. Nach dem bekannten Grundprinzip der elektrischen Plethysmographie wird in der Herzregion mittels der äußeren Elektroden ein hochfrequentes Feld (z.B. mit 100 kHz) aufgebaut. Mittels der inneren Elektroden wird ein Mischsignal registriert, dessen Einhüllende sich aus drei genutzten Beiträgen zusammensetzt. Der sehr niederfrequente Anteil charakterisiert die Atemtätigkeit und liefert die bei zentralen Apnoen gegen Null gehende Lungenfrequenz fL, während sich obstruktive Apnoen durch Verringerung der Amplitude und gleichzeitige Anstiege des Oberwellengehaltes abzeichnen. Ein höherfrequenter Anteil liefert die Herzfrequenz, sowie - mit Einschränkungen Informationen über zeitliche Veränderungen der Blutausschüttung des Herzens. Zwei Elektrodenzylinder werden letztlich auch dazu genutzt, ein nichtspezifisches EKG-Signal abzuleiten, das ebenfalls die Herzfrequenz liefert und - mit Einschränkungen - auch zur Erkennung von bei der Schlafüberwachung sehr relevanten Extrasystolen verwendet werden könnte.According to the invention, the electrode cylinders 3 are also used multiple times. According to the known basic principle of electrical plethysmography, a high-frequency field (e.g. at 100 kHz) is built up in the heart region using the outer electrodes. A mixed signal is registered using the inner electrodes, the envelope of which is made up of three used contributions. The very low-frequency component characterizes the respiratory activity and provides the lung frequency fL, which tends towards zero in the case of central apneas, while obstructive apneas are characterized by a reduction in the amplitude and a simultaneous increase in the harmonic content. A higher-frequency component provides the heart rate and - with restrictions - information about temporal changes in the heart's blood output. Two electrode cylinders are ultimately also used to derive a non-specific ECG signal, which also provides the heart rate and - with restrictions - could also be used to detect extrasystoles, which are very relevant in sleep monitoring.
Der Lotsensor 4 besteht im skizzierten Fall aus einem zylindrischen Röhrchen, an dessen Innenwandung eine aus weichmagnetischem Material geformte Kugel abrollt, dieIn the case outlined, the plumb sensor 4 consists of a cylindrical tube, on the inner wall of which a ball made of soft magnetic material rolls, which
dem Magnetfeld eines am Röhrchenende angebrachten Permanentmagneten ausgesetzt ist und deren Lage aus der - mittels eines am zweiten Ende angebrachten Feldsensors registrierten - entsprechenden Feldverzerrung abgeleitet wird. Die Höhe des Sensorsignals codiert die für das Apnoesyndrom wesentliche Körperlage, die zeitliche Ableitung charakterisiert Körperbewegungen und -Unruhen.is exposed to the magnetic field of a permanent magnet attached to the end of the tube and its position is derived from the corresponding field distortion registered by a field sensor attached to the second end. The level of the sensor signal encodes the body position that is essential for the apnea syndrome, the temporal derivation characterizes body movements and restlessness.
Bild 2 zeigt einen Hals-Detektor 9. Auch er besteht aus einem elastischen, weich gepolsterten und von einerFigure 2 shows a neck detector 9. It also consists of an elastic, softly padded and
&iacgr;&ogr; Kunststoffhaut voll umhüllten Trägerband 10, das hier aber vorzugsweise zu einem Ring geschlossen wird (z.B. durch ein Klettenband). Auch hier ist ein Lotsensor 11 vorgesehen, der im wesentlichen dieselbe Information wie oben angegeben liefert. Ein Mikrophon 12 liefert ein Mischsignal, wobei hier das Schnarchgeräusch in dominanter Weise auftritt, gefolgt von Lungengeräusch und Herzgeräusch. Die Methode der elektrischen Plethysmographie erwies sich bei der Erprobung des Hals-Detektors als nur. wenig effizient. Erfindungsgemäß ist statt dessen ein nach bekannten Grundprinzipien des Dehnungsprinzips arbeitender Plethysmographiesensor 13 vorgesehen, z.B. ein auf einem elastischen Trägerband montierter Dehnungsmeßstreifen. Er wird über der Halsschlagader plaziert, womit er ein Mischssignal liefert, dessen niederfrequenter Anteil die Atmungstätigkeit charakterisiert und der höherfrequente Anteil die Herztätigkeit.““ plastic skin-covered carrier tape 10, which here is preferably closed into a ring (e.g. with a Velcro tape). Here too, a plumb sensor 11 is provided, which essentially provides the same information as stated above. A microphone 12 provides a mixed signal, with the snoring noise being the dominant one, followed by lung noise and heart noise. The method of electrical plethysmography proved to be only slightly efficient when testing the neck detector. According to the invention, a plethysmography sensor 13 is provided instead, which works according to known basic principles of the strain principle, e.g. a strain gauge mounted on an elastic carrier tape. It is placed over the carotid artery, thereby providing a mixed signal, the low-frequency component of which characterizes the respiratory activity and the higher-frequency component characterizes the cardiac activity.
Wie bei bekannten Geräten werden die Sensorsignale im portablen, vorzugsweise batteriegespeisten Aufzeichnungsgerät vorverarbeitet und vorzugsweise nach Digitalisierung aufgezeichnet. An der Klinik werden die Signale mittels eines Datenlesers ausgelesen und von einem Rechner verarbeitet. Erfindungsgemäß geschieht dies in drei Schritten, der Separation der Mischsignale, der Bildung von Signalkennwerten und der Auswertung durch den lernfähigen Diagnosebildner.As with known devices, the sensor signals are pre-processed in the portable, preferably battery-powered recording device and preferably recorded after digitization. At the clinic, the signals are read out using a data reader and processed by a computer. According to the invention, this takes place in three steps: the separation of the mixed signals, the formation of signal characteristics and the evaluation by the adaptive diagnostic generator.
Zur Separation der Mischsignale werden bekannte Verfahren der Filterung eingesetzt, vorzugsweise das in AT 401 34 0 B beschriebene adaptive Verfahren. Dabei werden das niederfrequente Lungensignal Si4 und das höherfrequenteTo separate the mixed signals, known filtering methods are used, preferably the adaptive method described in AT 401 34 0 B. The low-frequency lung signal Si 4 and the higher-frequency
• ··
Herzsignal Sh im wesentlichen durch zwei Filter gewonnen, wobei im ersten Fall die obere und im zweiten Fall die untere Grenzfrequenz etwas unter der Herzfrequenz fH angesetzt wird. Letztere kann beim herznahen Detektor auf einfache, bekannte Art aus dem EKG-Signal gewonnen werden. Beim Hals-Detektor ist diese adaptive Vorgangsweise wegen der NichtVerfügbarkeit eines EKG-Signals nicht möglich. Erfahrungsgemäß ist das Herzsignal hier aber im Mischsignal des Dehnungssensors relativ stark enthalten, womit die Signaltrennung im Vergleich zur herznahen PIethysmographie unkritisch ausfällt. Erfahrungsgemäß ergeben sich hier gute Trennungen bei erwachsenen Patienten mit Grenzfrequenzen um 0,7 Hz, bzw. entsprechend höheren Werten bei Kleinkindern.The heart signal Sh is essentially obtained by two filters, whereby in the first case the upper and in the second case the lower limit frequency is set slightly below the heart rate f H. The latter can be obtained from the ECG signal in a simple, known way with the detector close to the heart. With the neck detector this adaptive procedure is not possible because of the unavailability of an ECG signal. Experience has shown, however, that the heart signal is relatively strongly contained in the mixed signal of the strain sensor, which means that the signal separation is not critical in comparison with near-heart pyethysmography. Experience has shown that good separations are achieved in adult patients with limit frequencies of around 0.7 Hz, or correspondingly higher values in small children.
Die oben beschriebene Vorgangsweise kann prinzipiell auch zur Separation der vom Mikrophon gelieferten akustischen Mischsignale verwendet werden, was sich wegen überlappender spektraler Anteile hier aber als ungleich schwieriger erweist. Eine im vorliegenden Fall besser anwendbare, bekannte Methode ist die Auftrennung mit Korrelatoren unter Anwendung der Statistik höherer Ordnung. Statt einer exakten Separation ist es erfahrungsgemäß aber für Klassifikationszwecke auch zielführend, das Mischsignal durch eine Reihe von unaufwendigen Filtern Gauß1scher Durchlaßcharakteristik gestaffelter Mittenfrequenz spektralmäßig grob - in nicht näher definierbarer Weise, entsprechend AT 401 226 B - aufzutrennen. Dabei wird die Erfahrung genutzt, wonach obstruktive Apnoen durch eine verstärkte Belegung hoher Spektralanteile charakterisiert sind. Auch gehen sie mit Änderungen von Atem- und Herzgeräuschen einher, die zwar unspezifisch ausfallen, aber von einem lernfähigen Auswerter ebenfalls diagnostisch genutzt werden können.The procedure described above can in principle also be used to separate the acoustic mixed signals delivered by the microphone, but this proves to be much more difficult here due to overlapping spectral components. A well-known method that is more applicable in this case is separation with correlators using higher-order statistics. Instead of an exact separation, experience has shown that for classification purposes it is also useful to roughly separate the mixed signal spectrally - in a manner that cannot be defined in more detail, in accordance with AT 401 226 B - using a series of inexpensive filters with a Gaussian 1 pass characteristic and a staggered center frequency. This makes use of experience that obstructive apneas are characterized by an increased occupancy of high spectral components. They are also accompanied by changes in breathing and heart sounds, which are non-specific but can also be used diagnostically by an adaptive evaluator.
Mit Ausnahme von fjj, - und mit Einschränkungen auch 5 von Sl und Sh # - kommt den derartig gewonnenen Signalen keine streng definierbare physikalische oder physiologische Bedeutung zu, was aber entsprechend AT 401 226 B für mittels lernfähiger Diagnosebildner, wie insbesondere Neurale Netze, vorgenommene Klassifikationen keinen we-With the exception of fjj, - and with restrictions also 5 of Sl and Sh # - the signals obtained in this way have no strictly definable physical or physiological meaning, which, however, according to AT 401 226 B, has no further significance for classifications made using adaptive diagnostic generators, such as neural networks in particular.
sentlichen Nachteil darstellt. Wie in AT 401 226 B angegeben, kann auch die weitere Signalverarbeitung in nicht streng definierter Weise vorgenommen werden, indem die Signale mehreren Kenngrößenbildnern zugeführt werden, die als einfach aufbaute Filter oder Signalverzerrer ausgeführt sind und die Aufgabe übernehmen, von jedem Signal mehrere - möglichst unterschiedliche, und damit gut charakterisierende - Abbilder zu liefern. Dabei ist es sinnvoll, über letztere eine zeitliche Mittelung vorzunehmen,represents a significant disadvantage. As stated in AT 401 226 B, further signal processing can also be carried out in a non-strictly defined manner by feeding the signals to several characteristic generators, which are designed as simple filters or signal distorters and take on the task of providing several images of each signal - as different as possible and thus well characterized. It is useful to carry out a temporal average of the latter,
&iacgr;&ogr; um beispielsweise für Zeitfenster von 3 s Dauer stehende Kenngrößen zu gewinnen. Letztere werden schließlich an den Eingang des Diagnosebildners gelegt. Da Apnoeereignissen im allgemeinen zumindest eine Dauer von etwa 10 s zukommt, ist es vorteilhaft, dem Diagnosebildner als Eingangsinformation eine Folge von Kenngrößen zuzuführen, also z.B. drei Scharen von drei aufeinanderfolgenden Zeitfenstern, d.h. die Information von insgesamt . 9 s.&iacgr;&ogr; to obtain, for example, parameters for time windows of 3 s duration. The latter are then fed to the input of the diagnostic generator. Since apnea events generally last at least 10 s, it is advantageous to feed the diagnostic generator a sequence of parameters as input information, e.g. three groups of three consecutive time windows, i.e. the information for a total of . 9 s.
Der trainierbare Diagnosebildner wird nach dem Stand der Technik aufgebaut. Dazu kann bereits in anderen Bereichen gewonnene Erfahrung genutzt werden. Beispielsweise beschreibt US 5 060 279 A ein Expertensystem mit adaptiven Mustererkennungstechniken unter Einsatz eines trainierbaren Systems, das zur medizinischen Diagnose verwendet wird. Desgleichen dient ein trainierbares Neurales Netz in US 5 092 343 A der Klassifikation von mechanischen und elektrischen Signalen, welche vom Körper produziert werden. In all diesen Fällen wird allerdings kein aus mehreren Sensoren bestehender Detektor verwendet. Unter Nutzung der bewährten Vorlagen wird im vorliegenden Fall z.B. eine dreischichtiges, "supervised" trainiertes Neurales Netz eingesetzt. Der Ausgang kann aus einem einzigen Neuron bestehen, dessen Wert für den Apnoeereignistyp steht, es kann aber auch jedem Wert ein eigenes Neuron zugeordnet werden. Mit der beschriebenen Vorgangsweise ergeben sich hohe Anzahlen von Kenngrößen und damit auch von Eingangsneuronen. Daraus können sehr hohe Synapsenzahlen resultieren. Die daraus folgende Forderung vonThe trainable diagnostic generator is constructed according to the state of the art. Experience already gained in other areas can be used for this. For example, US 5 060 279 A describes an expert system with adaptive pattern recognition techniques using a trainable system that is used for medical diagnosis. Likewise, a trainable neural network in US 5 092 343 A is used to classify mechanical and electrical signals produced by the body. In all of these cases, however, no detector consisting of several sensors is used. Using the proven templates, a three-layer, "supervised" trained neural network is used in the present case. The output can consist of a single neuron, the value of which represents the type of apnea event, but each value can also be assigned its own neuron. The procedure described results in a large number of parameters and thus also of input neurons. This can result in very high numbers of synapses. The resulting requirement of
sehr umfangreichem Trainingsmaterial stellt hier kaum einen Nachteil dar, da letzteres im Falle von Apnoeereignissen leicht verfügbar ist. Daneben aber kann sich trotz Verfügbarkeit immer rascherer Rechner - der Nachteil großer Rechenzeiten ergeben. Ihm kann dadurch begegnet werden, daß das Netz zunächst zwar für alle Kenngrößen vortrainiert wird, mit bekannten Methoden der Netzreduktion (z.B. Pruning) aber alle jene Kenngrößen ausgeschieden werden, die zu einer erfolgreichen Klassifikation nur wenig beitragen. Die Leistungsfähigkeit des so anhand von Signalmustern mehrerer Patienten trainierten Netzes kann sich bei der eigentlichen praktischen Anwendung auf neue Patienten als ungenügend erweisen, da individuelle physiologische Schwankungen sowie Abweichungen der Detektorplazierung zu stark unterschiedlichen Signalmustern führen können. Erfindungsgemäß ist als Abhilfe vorgesehen, das Netz anhand individueller Signalmuster nachzutrainieren, indem dem Netz eine größere Anzahl von . Zeitfenstern, für die das Vorliegen von Apnoeereignissen ausgeschlossen werden kann - z.B. aus dem Zeitbereich vor dem Einschlafen - als "normal" klassifiziert angeboten werden. Das Nachtraining, welches das Netz an die individuelle von Patient und Detektor gebildete Gesamtheit anpaßt, wird automatisch eingeleitet. Dem Benutzer kann aber die Aufgabe gestellt werden, den EinschlafZeitpunkt anzugeben.Very extensive training material is hardly a disadvantage here, since the latter is easily available in the case of apnea events. However, despite the availability of ever faster computers, the disadvantage of long computing times can also arise. This can be counteracted by initially pre-training the network for all parameters, but using known network reduction methods (e.g. pruning) to eliminate all those parameters that contribute little to successful classification. The performance of the network trained in this way using signal patterns from several patients can prove to be insufficient in actual practical application to new patients, since individual physiological fluctuations and deviations in detector placement can lead to very different signal patterns. According to the invention, the remedy is to retrain the network using individual signal patterns by giving the network a larger number of . Time windows for which the presence of apnea events can be ruled out - e.g. from the time period before falling asleep - are offered as classified as "normal". The retraining, which adapts the network to the individual totality formed by the patient and detector, is initiated automatically. The user can, however, be given the task of specifying the time at which he or she fell asleep.
Bild 3 zeigt eine mögliche Ausführungsform der Signalverarbeitung. Im portablen Aufzeichnungsgerät werden die von den Sensoren kommenden Signale durch Signalaufbereiter 14 vorverarbeitet und digitalisiert. Danach werden die so gewonnenen Signale - das Plethysmographiesignal Sp1, das Mikrophonsignal SMj_c und das Lotsensorsignal SLOt - auf eine als Speichermedium eingesetzte Memocard 15 aufgezeichnet. Um auch ein EKG-Signal SEKG zu gewinnen, wird das von den zwei inneren Plethysmographieelektroden gelieferte Signal einem Tiefpaß 16 zugeführt, während der hochfrequente - eigentliche - Plethysmographieanteil durch einen Hochpaß 17 entkoppelt wird.Figure 3 shows a possible embodiment of signal processing. In the portable recording device, the signals coming from the sensors are preprocessed and digitized by signal conditioners 14. The signals thus obtained - the plethysmography signal Sp 1 , the microphone signal S M j_ c and the plumb sensor signal SL Ot - are then recorded on a memo card 15 used as a storage medium. In order to also obtain an ECG signal S EKG , the signal supplied by the two inner plethysmography electrodes is fed to a low-pass filter 16, while the high-frequency - actual - plethysmography component is decoupled by a high-pass filter 17.
Das Auswertesystem wird auf einem PC implementiert. Die vier von der Memocard 15 offline abgelesenen Signale werden durch Filter 18 - 24 separiert. Aus Spi wird durch einen Tiefpaß 18 das die respiratorische Tätigkeit charakterisierende Lungensignal SL gewonnen, durch einen Hochpaß 19 das die Blutausschüttung des Herzens charakterisierende Herzsignal SH. Beide Filter sind adaptiv ausgelegt, indem die Grenzfrequenzen von der Herzfrequenz fH geführt werden. Zur sicheren Bestimmung von fH wird S£KG The evaluation system is implemented on a PC. The four signals read offline from the memo card 15 are separated by filters 18 - 24. The lung signal S L characterizing the respiratory activity is obtained from Spi by a low-pass filter 18, and the heart signal S H characterizing the blood output of the heart is obtained by a high-pass filter 19. Both filters are designed to be adaptive, with the cut-off frequencies being guided by the heart rate f H. To reliably determine f H, S£ KG is used.
&iacgr;&ogr; genutzt, indem die Periodendauer mittels des Frequenzdetektors 2 5 aus dem EKG-Hauptzackenabstand bestimmt wird. Aus Sf/iic werden durch drei einfache Gauß'sche Filter 2 0 22 drei verschieden abbildende Signale S^i / Sm2 / SM3 gewonnen. Aus SLOt wird durch einen Tiefpaß 23 ein Signalwert SLage gewonnen, der für die Körperlage codiert, durch einen Hochpaß 24 ein S^ot das Körperbewegungen anzeigt. Die somit gewonnenen acht Teilsignale werden je drei Kenngrößenbildnern 25 zugeführt. Letztere ermitteln in grober Näherung die Spitzenwerte, die Effektivwerte und die Mittelwerte für Zeitfenster von 3s- sie können einfachst aufgebaut sein, da keinerlei Forderungen nach Exaktheit bestehen -, zu fordern ist nur Eindeutigkeit der Abbildung. Zum Ausgleich individueller Signalunterschiede werden diese für 3 s abgeleiteten Werte auf ihren jeweiligen langfristigen - z.B. für eine Stunde ermittelten mittleren Wert bezogen. Im Falle von fH bezieht sich die Aufgabe des Kenngrößenbildners nur auf die Mittelung und den Bezug. Somit ergeben sich letztlich insgesamt 22 Kenngrößen, die an den Eingang eines Neuralen Netzes 26 gelegt werden. Um dem Netz Information über drei aufeinanderfolgende Zeitfenster anzubieten, werden ihm über quasi um 3 s verzögernde - Zwischenspeicher 27 auch die dem vorangegangenen Zeitfenster entsprechenden Kenngrößen zugeführt, über um 6 s verzögernde Zwischenspeicher 28 auch die vorletzten. Insgesamt ergibt sich damit die hohe Zahl von 66 Eingangsneuronen, die durch Pruning, reduziert werden kann. Der Netzausgang besteht aus drei Neuronen entsprechend der Klassifizierungen "normale Atmung&iacgr;&ogr; is used by determining the period length using the frequency detector 2 5 from the ECG main spike spacing. Three different imaging signals S^i / Sm2 / S M 3 are obtained from Sf/iic using three simple Gaussian filters 2 0 22. A low-pass filter 23 produces a signal value SLage from SL Ot , which codes for the body position, and a high-pass filter 24 produces an S^ot that indicates body movements. The eight partial signals obtained in this way are each fed to three parameter generators 25. The latter determine the peak values, the effective values and the mean values for time windows of 3 s in rough approximation - they can be constructed very simply since there are no requirements for accuracy - the only requirement is that the mapping is unambiguous. To compensate for individual signal differences, these values derived for 3 s are related to their respective long-term value - e.g. the mean value determined for one hour. In the case of f H, the task of the parameter generator relates only to averaging and reference. This ultimately results in a total of 22 parameters that are placed at the input of a neural network 26. In order to provide the network with information about three consecutive time windows, the parameters corresponding to the previous time window are fed to it via buffers 27 that are delayed by 3 s, and the penultimate ones via buffers 28 that are delayed by 6 s. In total, this results in a high number of 66 input neurons, which can be reduced by pruning. The network output consists of three neurons corresponding to the classifications "normal breathing
(NA)", "obstruktive Apnoe (OA)" und "zentrale Apnoe (ZA)" .(NA)", "obstructive apnea (OA)" and "central apnea (ZA)".
Nachfolgend sind die wichtigsten Vorgänge der erfindungsgemäßen Vorrichtung noch einmal zusammengefaßt: Am Körper des Patienten wird nur ein einziger Detektor befestigt, der mehrere verschiedenartige Sensoren enthält, welche nicht spezifisch arbeiten und eine Reihe von Mischsignalen liefern. Der volle Informationsgehalt wird dadurch genutzt, daß die Signale ggf. off-line Signaltrennern 18 zugeführt werden (zuvor können die Singale ggf. durch einen Signalaufbereiter 14 vorverarbeitet, digitalisiert und auf ein Speichermedium 15 aufgezeichnet werden) und von diesen aufgetrennt werden, und daß dann die so gewonnenen Signale einer Schar von einfachen, ggf. diesen nachgeschalteten Kenngrößenbildnern 2 5 zugeführt werden, deren Ausgänge an einen lernfähigen Diagnosebildner gelegt werden, welcher zur Diagnoseausgabe trainiert wird.The most important processes of the device according to the invention are summarized again below: Only a single detector is attached to the patient's body, which contains several different sensors which do not work specifically and deliver a series of mixed signals. The full information content is used by feeding the signals, if necessary, offline to signal separators 18 (the signals can be pre-processed, digitized and recorded on a storage medium 15 by a signal processor 14) and separating them, and then feeding the signals thus obtained to a group of simple, if necessary downstream parameter generators 2 5, the outputs of which are fed to a learning diagnostic generator, which is trained to output the diagnosis.
Die Kenngrößenbildner können ggf. langfristige Mittelwerte berechnen und aus diesen langfristigen Mittelwerten Abbilder berechnen, die einem einige Sekunden dauernden Zeitfenster entsprechen.The parameter generators can, if necessary, calculate long-term averages and, from these long-term averages, calculate images that correspond to a time window lasting a few seconds.
Es können ggf. die Mittelwerte für mehrere aufeinanderfolgende Zeitfenster berechnet werden, diese nacheinander einem Zwischenspeicher zugeführt werden, und diese dann aus dem Zwischenspeicher nacheinander dem lernfähigen Diagnosebildner zugeführt werden.If necessary, the mean values for several consecutive time windows can be calculated, these can be fed one after the other to a buffer, and then fed one after the other from the buffer to the adaptive diagnostic generator.
Der Diagnosebildner kann ggf. als neuronales Netz ausgeführt sein, welches für sämtliche Kenngrößen vortrainiert wird, dann durch Pruning reduziert wird und durch Nachtraining an die individuelle von Patient und Detektor gebildete Einheit angepaßt wird.The diagnostic generator can be designed as a neural network, which is pre-trained for all parameters, then reduced by pruning and adapted to the individual unit formed by patient and detector by retraining.
Claims (5)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE29816662U DE29816662U1 (en) | 1998-09-16 | 1998-09-16 | Device for the detection of respiratory diseases |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE29816662U DE29816662U1 (en) | 1998-09-16 | 1998-09-16 | Device for the detection of respiratory diseases |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| DE29816662U1 true DE29816662U1 (en) | 1998-12-17 |
Family
ID=8062755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE29816662U Expired - Lifetime DE29816662U1 (en) | 1998-09-16 | 1998-09-16 | Device for the detection of respiratory diseases |
Country Status (1)
| Country | Link |
|---|---|
| DE (1) | DE29816662U1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102006017278A1 (en) * | 2006-04-12 | 2007-10-18 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Proof of onset of apnea |
| DE10021784B4 (en) * | 1999-05-04 | 2008-01-17 | Map Medizin-Technologie Gmbh | Arrangement for the diagnosis and / or therapy of sleep-related respiratory disorders |
| US7848794B2 (en) | 1999-05-04 | 2010-12-07 | Map Medizin-Technologie Gmbh | Device for detecting electrical potentials of the forehead region of a patent |
| WO2016166318A1 (en) * | 2015-04-16 | 2016-10-20 | Koninklijke Philips N.V. | Device, system and method for detecting a cardiac and/or respiratory disease of a subject |
| EP2477544A4 (en) * | 2009-09-14 | 2017-11-01 | Sleep Methods | System and method for anticipating the onset of an obstructive sleep apnea event |
-
1998
- 1998-09-16 DE DE29816662U patent/DE29816662U1/en not_active Expired - Lifetime
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10021784B4 (en) * | 1999-05-04 | 2008-01-17 | Map Medizin-Technologie Gmbh | Arrangement for the diagnosis and / or therapy of sleep-related respiratory disorders |
| US7848794B2 (en) | 1999-05-04 | 2010-12-07 | Map Medizin-Technologie Gmbh | Device for detecting electrical potentials of the forehead region of a patent |
| US8204584B2 (en) | 1999-05-04 | 2012-06-19 | Map Medizin-Technologie Gmbh | Device for detecting electrical potentials of the forehead region of a patient |
| DE102006017278A1 (en) * | 2006-04-12 | 2007-10-18 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Proof of onset of apnea |
| EP2477544A4 (en) * | 2009-09-14 | 2017-11-01 | Sleep Methods | System and method for anticipating the onset of an obstructive sleep apnea event |
| WO2016166318A1 (en) * | 2015-04-16 | 2016-10-20 | Koninklijke Philips N.V. | Device, system and method for detecting a cardiac and/or respiratory disease of a subject |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE10392677B4 (en) | Device and method for monitoring the autonomic nervous system | |
| DE69211814T2 (en) | RESPIRATORY MEASUREMENT WITH FEEDBACK | |
| DE69730748T2 (en) | DEVICE FOR CONTROLLING GAS OR MEDICINE ADMINISTRATION TO A PATIENT | |
| DE69433051T2 (en) | Apnea and obstacle sensor in the airway of a respiratory system | |
| EP0504945B1 (en) | Device for simultaneous diagnosis and quantitative analysis of apnea and other diseases | |
| JP4832289B2 (en) | Respiratory event detection system and method | |
| Prechtl et al. | Respiratory muscle EMG in newborns: a non-intrusive method | |
| DE102008002933A1 (en) | Data recording for patient status analysis | |
| KR20170083483A (en) | Realtime monitoring apparatus for sleep disorders | |
| EP1318751A1 (en) | Device and method for producing respiration-related data | |
| EP2648622A1 (en) | Portable monitoring, analysis and therapy assistance appliance | |
| EP2162061B1 (en) | Detection of an apnoea by means of a signal dependent on blood pressure | |
| DE102006017279A1 (en) | Automatic detection of hypopneas | |
| DE102009033829A1 (en) | Method for monitoring heart, circulation and respiration of child, involves calculating correlated ECG waveforms, heart rate curves and respiratory rhythm courses from evaluated Doppler information by module of hybrid system | |
| DE29816662U1 (en) | Device for the detection of respiratory diseases | |
| EP3287065B1 (en) | Device for monitoring and influencing the sleep of a person | |
| WO2009079976A9 (en) | Method and device for heart, cardiovascular and respiratory monitoring using hidden markov models and neuronal networks | |
| DE102019129288A1 (en) | Apparatus and method for determining the severity of sleep apnea | |
| AT405482B (en) | Method and device for detecting respiratory disorders | |
| DE4114357C2 (en) | Device for automatic detection of apnea | |
| DE102020110086B4 (en) | METHOD AND SYSTEM FOR CREATING SYNTHETIC COMPOSITE WAVEFORMS TO DETERMINE AN INDIVIDUAL PHYSIOLOGICAL CONDITION | |
| DE102019105762B4 (en) | System for acoustic detection of types of obstruction in sleep apnea. | |
| Norali et al. | Classification of human breathing task based on electromyography signal of respiratory muscles | |
| DE10319361A1 (en) | Measurement of vegetative balance for care of patient's health using biofeedback and achieving of sympathetic-vagus nerve balance by monitoring parameters including heart rate variability | |
| WO2009079977A2 (en) | Method and device for a preliminary sleep medical diagnosis and therapy monitoring |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R207 | Utility model specification |
Effective date: 19990204 |
|
| R150 | Utility model maintained after payment of first maintenance fee after three years |
Effective date: 20011212 |
|
| R151 | Utility model maintained after payment of second maintenance fee after six years |
Effective date: 20041123 |
|
| R158 | Lapse of ip right after 8 years |
Effective date: 20070403 |