DK2642914T3 - Analyse af EEG-signaler til detektering af hypoglykæmi - Google Patents
Analyse af EEG-signaler til detektering af hypoglykæmi Download PDFInfo
- Publication number
- DK2642914T3 DK2642914T3 DK11785710.2T DK11785710T DK2642914T3 DK 2642914 T3 DK2642914 T3 DK 2642914T3 DK 11785710 T DK11785710 T DK 11785710T DK 2642914 T3 DK2642914 T3 DK 2642914T3
- Authority
- DK
- Denmark
- Prior art keywords
- cost function
- long
- eeg
- obtaining
- hypoglycemia
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- 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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Psychology (AREA)
- Emergency Medicine (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Claims (13)
1. Computerbaseret fremgangsmåde til detektering af hypoglykæmi eller forestående hypoglykæmi ved analyse af et EEG omfattende indlæsning af et EEG-signal i en computer, i computeren opnåelse fra signalet af en flerhed af komponenter deraf, hvor hver komponent omfatter et andet frekvensbånd, og opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.
2. Fremgangsmåde ifølge krav 1, hvor omkostningsfunktionen opnås som en sum af en lineær eller ikke-lineær funktion af de normaliserede karakteristika ved anvendelse af et forhåndsbestemt sæt af afvejningskoefficienter.
3. Fremgangsmåde ifølge krav 1 eller krav 2, hvor hver kostfunktion er klassificeret som en hændelse, der indikerer hypoglykæmi eller som ikke værende en hændelse, der indikerer hypoglykæmi, og hvor integrationen af sandsynligheder udføres ved at integrere antallet af hændelser, der er detekteret i løbet af det valgte tidsrum.
4. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvilken fremgangsmåde endvidere omfatter estimering af en langtidsmiddelværdi af omkostningsfunktionen, estimering aflangtidsvariabiliteten for omkostningsfunktionen og normalisering af omkostningsfunktionen ved hjælp af en proces, der aritmetisk svarer til subtraktion fra omkostningsfunktionen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således at generere den normaliserede omkostningsfunktion, og hvor den er den normaliserede omkostningsfunktion, der er klassificeret i klassificeringstrinnet.
5. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvilken fremgangsmåde endvidere omfatter detektering af tidssegmenter af EEG’et, der indeholder signalkontaminerende artefakter, der kan forveksles med hypoglykæmimønstre og udelukkelse af tidssegmenteme fra generering afhændelser, der skal inkluderes i integrationen.
6. Fremgangsmåde ifølge krav 5, hvor tidssegmenteme af det EEG, der indeholder signalkontaminerende artefakter, identificeres ved opnåelse af en sum af en lineær og ikke-lineær funktion af de normaliserede karakteristika ved anvendelse af et forhåndsbestemt sæt af afvejningskoefficienter for at opnå en varierende artefaktdetekteringsomkostningsfunktion og klassificering af hver artefaktdetekteringsomkostningsfunktion ifølge sandsynligheden for, at artefaktdetekteringsomkostningsfunktionen indikerer et artefakt.
7. Fremgangsmåde ifølge krav 6, hvilken fremgangsmåde endvidere omfatter estimering af en langtidsmiddelværdi for artefaktdetekteringsomkostningsfunktionen, estimering af langtidsvariabiliteten for artefaktdetekteringsomkostningsfunktionen og normalisering af artefaktdetekteringsomkostningsfunktionen ved hjælp af en proces, der aritmetisk svarer til subtraktion fra artefaktdetekteringsomkostningsfunktionen langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten deraf for således at generere den normaliserede artefaktdetekteringsomkostningsfunktion, og hvor det er den normaliserede artefaktdetekteringsomkostningsfunktion, der er klassificeret i klassificeringstrinnet.
8. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor EEG-signalet er opdelt i en sekvens af tidssegmenter og målingen af komponenternes intensiteter opnås for hvert tidssegment.
9. Fremgangsmåde ifølge krav 8, hvor værdierne af omkostningsfunktionen, der er klassificeret, er værdier deraf for hvert af tidssegmenteme.
10. Fremgangsmåde ifølge krav 9, hvor integrationen udføres over et valgt antal af forudgående tidssegmenter, der sammen udgør det valgte tidsrum.
11. Computer programmeret til at acceptere et EEG-signal som et input og til at udføre derpå trinnene med opnåelse fra signalet en flerhed af komponenter deraf, der hver omfatter et andet frekvensbånd, opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien, og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion for hvert tidssegment, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.
12. Maskininstruktionssæt indeholdende instruktioner til at bevirke, at en kompatibel computer udfører trinnet med modtagelse, som et input, af et EEG-signal og til at udføre derpå trinnene med opnåelse fra signalet af en flerhed af komponenter deraf, der hver omfatter et andet frekvensbånd, opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.
13. Apparat til detektering af hypoglykæmi eller forestående hypoglykæmi ved analyse af et EEG, hvilket apparat omfatter ét eller flere EEG-målende elektroder til indsamling af et EEG-signal, en computer til modtagelse af EEG-signaleme, hvilken computer er programmeret til at udføre trinnene med opnåelse fra signalet af en flerhed af komponenter deraf, hvor hver komponent omfatter et andet frekvensbånd, opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB1020086.3A GB201020086D0 (en) | 2010-11-26 | 2010-11-26 | Analysis of EEG signals to detect hypoglycaemia |
PCT/EP2011/070843 WO2012069549A1 (en) | 2010-11-26 | 2011-11-23 | Analysis of eeg signals to detect hypoglycaemia |
Publications (1)
Publication Number | Publication Date |
---|---|
DK2642914T3 true DK2642914T3 (da) | 2015-04-07 |
Family
ID=43500702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DK11785710.2T DK2642914T3 (da) | 2010-11-26 | 2011-11-23 | Analyse af EEG-signaler til detektering af hypoglykæmi |
Country Status (9)
Country | Link |
---|---|
US (1) | US10327656B2 (da) |
EP (1) | EP2642914B1 (da) |
JP (1) | JP5860894B2 (da) |
CN (1) | CN103228206B (da) |
AU (1) | AU2011333730B2 (da) |
CA (1) | CA2820653C (da) |
DK (1) | DK2642914T3 (da) |
GB (1) | GB201020086D0 (da) |
WO (1) | WO2012069549A1 (da) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0611872D0 (en) * | 2006-06-15 | 2006-07-26 | Hypo Safe As | Analysis of EEG signals to detect hypoglycaemia |
WO2012129304A2 (en) * | 2011-03-22 | 2012-09-27 | University Of Vermont And State Agricultural College | Methods of predicting and monitoring labor |
US9814426B2 (en) | 2012-06-14 | 2017-11-14 | Medibotics Llc | Mobile wearable electromagnetic brain activity monitor |
US10130277B2 (en) | 2014-01-28 | 2018-11-20 | Medibotics Llc | Willpower glasses (TM)—a wearable food consumption monitor |
US10039463B1 (en) * | 2013-06-27 | 2018-08-07 | Vital Connect, Inc. | Signal quality metric for cardiovascular time series |
JP2018507016A (ja) * | 2015-01-19 | 2018-03-15 | ティ・オ・ドォッブルビィ・エンジニアリング・アー/エス | 人の血糖値を調整するためのシステムおよび方法 |
US11324444B2 (en) * | 2015-03-18 | 2022-05-10 | T&W Engineering A/S | EEG monitor |
CN106137207A (zh) * | 2015-04-03 | 2016-11-23 | 北京智谷睿拓技术服务有限公司 | 进食动作信息确定方法和装置 |
WO2017070553A1 (en) * | 2015-10-21 | 2017-04-27 | University Of Virginia Patent Foundation | System, method and computer readable medium for dynamical tracking of the risk for hypoglycemia in type 1 and type 2 diabetes |
WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
WO2019127559A1 (zh) * | 2017-12-30 | 2019-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 一种高频射频干扰去除装置及方法 |
US11478603B2 (en) | 2017-12-31 | 2022-10-25 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
JP2020081162A (ja) * | 2018-11-20 | 2020-06-04 | テルモ株式会社 | 報知システムおよび報知方法 |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
CN113317801A (zh) * | 2021-04-23 | 2021-08-31 | 清华大学 | 单通道的脑电图信号处理装置及方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3863625A (en) * | 1973-11-02 | 1975-02-04 | Us Health | Epileptic seizure warning system |
US5146414A (en) * | 1990-04-18 | 1992-09-08 | Interflo Medical, Inc. | Method and apparatus for continuously measuring volumetric flow |
US5813993A (en) * | 1996-04-05 | 1998-09-29 | Consolidated Research Of Richmond, Inc. | Alertness and drowsiness detection and tracking system |
US6371923B1 (en) * | 1999-12-07 | 2002-04-16 | Edwards Lifesciences Corporation | Time-domain system and method for relaxation measurement and estimation of indicator dilution for continuous estimation and display of cardiac ejection fraction and end diastolic volume |
AU2001233341A1 (en) * | 2000-02-22 | 2001-09-03 | Dow Global Technologies Inc. | Personal computer breath analyzer for health-related behavior modification and method |
US6572542B1 (en) | 2000-03-03 | 2003-06-03 | Medtronic, Inc. | System and method for monitoring and controlling the glycemic state of a patient |
WO2004086967A1 (en) * | 2003-03-26 | 2004-10-14 | Biotechplex Corporation | Instantaneous autonomic nervous function and cardiac predictability based on heart and pulse rate variability analysis |
EP1677668B1 (en) * | 2003-10-13 | 2010-07-14 | Novo Nordisk A/S | Apparatus and method for determining a physiological condition |
WO2005117693A1 (en) * | 2004-05-27 | 2005-12-15 | Children's Medical Center Corporation | Patient-specific seizure onset detection system |
EP1758714A4 (en) * | 2004-06-14 | 2009-03-11 | Cephos Corp | QUESTION AND CONTROL PARADIGMS FOR THE DETECTION OF MISSING BY MEASURING BRAIN ACTIVITY |
DK1827209T3 (da) | 2004-12-20 | 2017-01-23 | Hyposafe As | Apparat til advarsel om hypoglykæmiske anfald ved anvendelse af eeg-signaler |
WO2007093010A1 (en) * | 2006-02-17 | 2007-08-23 | Resmed Ltd | Method and apparatus for monitoring the condition of a patient with diabetes |
GB0611872D0 (en) | 2006-06-15 | 2006-07-26 | Hypo Safe As | Analysis of EEG signals to detect hypoglycaemia |
US20100030092A1 (en) * | 2006-11-14 | 2010-02-04 | Novo Nordisk A/S | Adaptive Hypoglycaemia Alert System and Method |
US20090024050A1 (en) * | 2007-03-30 | 2009-01-22 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational user-health testing |
KR101347008B1 (ko) * | 2007-06-27 | 2014-01-02 | 에프. 호프만-라 로슈 아게 | 환자 생리학의 모델링에 기초하여 환자 맞춤형 치료를 개발하는 시스템 및 방법 |
GB0800615D0 (en) | 2008-01-14 | 2008-02-20 | Hypo Safe As | Implantable electronic device |
US20110173027A1 (en) * | 2008-10-10 | 2011-07-14 | Koninklijke Philips Electronics N.V. | Health-risk metric determination and/or presentation |
AU2010239138B2 (en) * | 2009-04-20 | 2016-01-21 | University Of Technology, Sydney | A method and system for determining a variation in a metabolic function and managing the variation accordingly |
US20110077484A1 (en) * | 2009-09-30 | 2011-03-31 | Nellcor Puritan Bennett Ireland | Systems And Methods For Identifying Non-Corrupted Signal Segments For Use In Determining Physiological Parameters |
WO2011070843A1 (ja) | 2009-12-10 | 2011-06-16 | シャープ株式会社 | インバータ装置並びにそれを備えた表示装置用照明装置及び表示装置 |
-
2010
- 2010-11-26 GB GBGB1020086.3A patent/GB201020086D0/en not_active Ceased
-
2011
- 2011-11-23 CN CN201180056541.0A patent/CN103228206B/zh active Active
- 2011-11-23 AU AU2011333730A patent/AU2011333730B2/en active Active
- 2011-11-23 US US13/989,304 patent/US10327656B2/en active Active
- 2011-11-23 WO PCT/EP2011/070843 patent/WO2012069549A1/en active Application Filing
- 2011-11-23 JP JP2013540349A patent/JP5860894B2/ja active Active
- 2011-11-23 CA CA2820653A patent/CA2820653C/en active Active
- 2011-11-23 EP EP11785710.2A patent/EP2642914B1/en active Active
- 2011-11-23 DK DK11785710.2T patent/DK2642914T3/da active
Also Published As
Publication number | Publication date |
---|---|
CA2820653A1 (en) | 2012-05-31 |
AU2011333730B2 (en) | 2015-08-20 |
AU2011333730A1 (en) | 2013-06-20 |
US20130274580A1 (en) | 2013-10-17 |
WO2012069549A1 (en) | 2012-05-31 |
US10327656B2 (en) | 2019-06-25 |
CA2820653C (en) | 2020-09-01 |
EP2642914A1 (en) | 2013-10-02 |
EP2642914B1 (en) | 2014-12-24 |
JP5860894B2 (ja) | 2016-02-16 |
CN103228206A (zh) | 2013-07-31 |
CN103228206B (zh) | 2016-07-06 |
JP2013543778A (ja) | 2013-12-09 |
GB201020086D0 (en) | 2011-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DK2642914T3 (da) | Analyse af EEG-signaler til detektering af hypoglykæmi | |
US20210085235A1 (en) | Systems and methods for seizure prediction and detection | |
DK2040608T3 (da) | Analyse af eeg-signaler for detektering af hypoglykæmi | |
JP3769023B2 (ja) | 脳の活動状態変化を予測、早期検出、警告、予防または制御するためのシステム | |
EP2677927B1 (en) | Respiration monitoring method and system | |
JP4101069B2 (ja) | 生理信号の短時間モニタリングを通じたユーザ情緒認識装置及び方法 | |
US20200107775A1 (en) | Methods and Systems for Monitoring Sleep Apnea | |
US10327661B1 (en) | Biomarkers for determining susceptibility to SUDEP | |
CN112741638A (zh) | 一种基于eeg信号的医疗诊断辅助系统 | |
Le et al. | Prediction of sleep apnea episodes from a wireless wearable multisensor suite | |
CN111613338B (zh) | 棘慢复合波检测模型构建方法、系统 | |
US20230263400A1 (en) | System and method for filtering time-varying data for physiological signal prediction | |
WO2018035299A1 (en) | Reliable seizure detection with a parallelizable, multi-trajectory estimate of lyapunov exponents | |
Rincon et al. | Detection of onset in epilepsy signals using generalized gaussian distribution | |
Salem et al. | Pervasive detection of sleep apnea using medical wireless sensor networks | |
Hashim et al. | Novel ECG analysis with application to atrial fibrillation detection |