FI121453B - Sydämen syketaajuuden havaitseminen - Google Patents
Sydämen syketaajuuden havaitseminen Download PDFInfo
- Publication number
- FI121453B FI121453B FI20085173A FI20085173A FI121453B FI 121453 B FI121453 B FI 121453B FI 20085173 A FI20085173 A FI 20085173A FI 20085173 A FI20085173 A FI 20085173A FI 121453 B FI121453 B FI 121453B
- Authority
- FI
- Finland
- Prior art keywords
- heartbeat
- signal
- model
- pattern
- heart rate
- 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1102—Ballistocardiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
SYDÄMEN SYKETAAJUUDEN HAVAITSEMINEN 5 KEKSINNÖN ALA
Esillä oleva keksintö liittyy menetelmiin, laitteistoihin ja tietokoneohjelmatuotteisiin sydämen syketaajuuden havaitsemiseksi.
10 KEKSINNÖN TAUSTA
On olemassa erilaisia kosketuksettani ia menetelmiä sängyllä makaavan henkilön sydämen syketaajuuden mittaamiseksi. Suuri osa menetelmistä perustuu sydämen lähes periodisesti toistuvien värähtelyiden mittaamiseen analysoimalla 15 kehon horisontaalisia tai vertikaalisia värähtelyltä mittaavan voima-anturin ulostulosignaalia. Eräs esimerkki voima-anturista on esitetty eurooppapatentti-julkaisussa EP 1 563 286.
Voima-anturin lisäksi sydämen syketaajuuden analysointijärjestelmässä tarvitaan 20 signaalinkäsittely-yksikkö, joka ottaa sydämen syketaajuuden anturisignaalista käyttäen signaalinkäsittelyalgoritmia. Nämä algoritmit perinteisesti käyttävät strategioita kuten ristikorrelaatiota sydämenlyönnin prototyypin kanssa, kuten on ehdotettu dokumentissa S.H. Woodward et ai., ‘Estimating heart rate and RSA from the mattress-recorded kinetocardiogram,” Psychophysiology, voi. 44, Jul. 25 2007, pp. 635-638, kaistanpäästösuodatusta, kuten on ehdotettu kansainvälisessä patenttihakemusjulkaisussa WO 2006/003243, tai huippuarvoilmaisua, kuten on ehdotettu dokumentissa S. Okada et ai., “Proposal for a Method of Non-restrictive Measurement of Resting Heart Rate in a Lying Position,” Journal of PHYSIOLOGICAL ANTHROPOLOGY, voi. 25, 2006, pp. 299-305.
Tunnettujen signaalinkäsittelyalgoritmien haittana on, että tyypillisesti ne voivat havaita sydämen syketaajuuden vain jos tarkkailtava henkilö pysyy paikallaan eikä tee mitään liikkeitä, jotka häiritsisivät signaalia. Liikkeet, kuten puhuminen tai 30 2 käden heilauttaminen, voivat tehdä algoritmit käyttökelvottomiksi.
YHTEENVETO
5 Keksinnön ensimmäisen näkökohdan mukaan tarjotaan menetelmä, jossa: haetaan signaali, joka mittaa sydänjärjestelmän aktiviteettia, muodostetaan haetun signaalin perusteella sydämenlyöntimalli; ja havaitaan sydämenlyöntejä käyttämällä sydämenlyöntimallia, jossa sydämenlyönnin havaitsemisessa hyödynnetään tietoa hengityssyklin vaiheesta.
10
Joissakin suoritusmuodoissa menetelmässä lisäksi: päivitetään sydämenlyöntimalli opettamalla mallia käyttäen koneoppimistekniikkaa, kuten ohjattua oppimista.
15 Joissakin suoritusmuodoissa menetelmässä käytetään mallin opetuksessa tietoa sydämenlyönnin muodosta ja/tai tietoa sydämenlyöntien välistä ja/tai tietoa hengityssyklin vaiheesta.
Joissakin suoritusmuodoissa sydämenlyöntimalli on ohjatun oppimisen luokitin.
20
Joissakin suoritusmuodoissa menetelmässä lisäksi: tarjotaan arvio odotettavissa olevasta sydämenlyönnin muodosta malliin perustuen.
25 Joissakin suoritusmuodoissa menetelmässä: käytetään mallin opetuksessa tietoa hengityssyklin vaiheesta.
Joissakin suoritusmuodoissa menetelmässä: lasketaan arvio sydämenlyöntien alkamisajoista; ja käytetään arviota 30 sydämenlyöntien havaitsemisessa.
Vielä joissakin suoritusmuodoissa menetelmässä: muodostetaan alkuperäisestä sydämenlyönnin muodosta käänteismalli, joka antaa 3 tuloksena sydämenlyönnin muodon ennen kuin se on sekoittunut viereisten sydämenlyöntien kanssa; ja ratkaistaan käänteismalli ja käytetään löydettyä sydämenlyönnin muotoa sydämenlyöntimallin muodostamisessa ja sydämenlyönnin havaitsemisessa.
5
Keksinnön toisen näkökohdan mukaan tarjotaan laitteisto, joka käsittää: välineet, jotka on konfiguroitu sydänjärjestelmän aktiviteettia mittaavan signaalin hakemiseen, välineet, jotka on konfiguroitu haetun signaalin perusteella muodostamaan 10 sydämenlyöntimallin; ja välineet, jotka on konfiguroitu sydämenlyöntimallia käyttäen havaitsemaan sydämenlyöntejä, jossa mainitut välineet on konfiguroitu hyödyntämään sydämenlyönnin havaitsemisessa tietoa hengityssyklin vaiheesta.
15 Joissakin suoritusmuodoissa laitteisto on konfiguroitu antamaan ulostulona dataa, joka suoraan tai epäsuorasti osoittaa hetkellisen sydämen syketaajuuden.
Joissakin suoritusmuodoissa laitteisto on konfiguroitu päivittämään sydämenlyöntimallia opettamalla mallia käyttäen koneoppimistekniikkaa, kuten 20 ohjattua oppimista. Joissakin suoritusmuodoissa malli on ohjatun oppimisen luokitin.
Joissakin suoritusmuodoissa laitteisto on konfiguroitu käyttämään tietoa hengityssyklin vaiheesta sydämenlyöntimallin opetuksessa.
25
Joissakin suoritusmuodoissa laitteisto on konfiguroitu poistamaan päällekkäisten sydämenlyönti-impulssien sekaantuminen käänteismallintamalla.
Keksinnön kolmannen näkökohdan mukaan tarjotaan tietokoneella luettavissa 30 oleva väline, jolle on tallennettu laitteistossa suoritettavissa oleva tietokoneohjelma, joka tietokoneohjelma käsittää: ohjelmakoodin algoritmin toteuttamiseksi, joka algoritmi ohjaa laitteistoa hakemaan sydänjärjestelmän aktiviteettia mittaavan signaalin, lisäksi ohjaa 4 laitteistoa muodostamaan haetun signaalin perusteella sydämenlyöntimallin, ja lisäksi ohjaa laitteistoa havaitsemaan sydämenlyöntejä käyttäen sydämenlyöntimallia, jossa sydämenlyönnin havaitsemisessa hyödynnetään tietoa hengityssyklin vaiheesta.
5
Keksinnön suoritusmuodot tarjoavat edistyksellisen signaalinkäsittelyalgoritmin, joka kykenee havaitsemaan henkilön sydämen syketaajuuden, vaikka hän tekee joitakin liikkeitä tarkkailun aikana. Joidenkin suoritusmuotojen mukainen signaalinkäsittelyalgoritmi tekee sydämenlyönnin havaitsemisesta luotettavampaa 10 hyödyntäen tietoa hengityssyklin vaiheesta, poistamalla vierekkäisten sydämenlyöntien päällekkäisyyden sekä rakentamalla mallin sydämenlyönnin muodosta.
Esillä olevan keksinnön esimerkinomaisia suoritusmuotoja on kuvattu seuraavassa 15 keksinnön yksityiskohtaisessa selityksessä sekä oheen liitetyissä epäitsenäisissä vaatimuksissa. Suoritusmuotoja on kuvattu keksinnön valittujen näkökohtien yhteydessä. Alan ammattimies ymmärtää, että keksinnön mitä tahansa suoritusmuotoa voidaan soveltaa muissa näkökohdissa sekä joko yksinään tai yhdistelmänä muiden suoritusmuotojen kanssa.
20
PIIRUSTUSTEN LYHYT KUVAUS
Keksintöä kuvataan nyt esimerkinomaisesti viitaten oheisiin piirustuksiin, joissa: 25 kuvio 1 esittää viitekehystä keksinnön valittujen suoritusmuotojen toteuttamiseksi; kuvio 2 esittää kaaviomaista yleiskaaviota eräästä joidenkin suoritusmuotojen mukaisesta algoritmista; kuvio 3 esittää yksityiskohtaisempaa kaaviota eräästä joidenkin 30 suoritusmuotojen mukaisesta algoritmista; kuvio 4 esittää korrelaatiota sydämenlyönnin amplitudin, sydämenlyöntien välin ja hengityssyklin vaiheen välillä joidenkin suoritusmuotojen mukaisesti; ja 5 kuvio 5 esittää käänteismallinnusta ja keskiarvoistamista käyttämällä saatujen sydämenlyönnin muotojen välistä eroa.
YKSITYISKOHTAINEN SELITYS 5
Kuvio 1 esittää esimerkinomaista viitekehystä, jossa keksinnön valittuja suoritusmuotoja voidaan soveltaa. Tämä viitekehys käsittää prosessointiyksikön 110, joka käsittelee signaalia, joka sisältää mittausdataa henkilöstä, jonka sydänjärjestelmää tarkkaillaan.
10
Signaali voidaan havaita on-line anturilla 101. Anturi 101 voi olla EP 1 563 286:ssa selostettu voima-anturi, joka on sijoitettu tarkkailtavan henkilön lähelle (esim. sängynjalan tai patjan alle). Signaali vastaanotetaan prosessointiyksiköllä 110 langallisen tai langattoman kommunikaatiomenetelmän välityksellä. Soveltuva 15 kommunikaatiorajapinta 102 on sovelluksesta riippuen toteutettu prosessointiyksikköön 110. Esimerkiksi voidaan käyttää sarjaväylää tai Bluetooth-yhteyttä. Vielä eräässä suoritusmuodossa prosessointiyksikkö 110 voidaan integroida anturiyksikköön 101.
20 Vastaanotettu signaali käsitellään prosessointiyksikön 110 prosessorilla 103 algoritmin mukaisesti, jota tässä nimitetään myös signaalinkäsittelyalgoritmiksi. Prosessointiyksikön 110 käsittämä muisti 104 käsittää tietokoneohjelman 105, joka sisältää ohjeita ja/tai ohjelmakoodia algoritmin toteuttamiseksi. Signaalinkäsittelyalgoritmi tuottaa suoritettaessa halutun ulostulon, esim. 25 tarkkailtavan henkilön sydämen syketaajuuden ja/tai sydämenlyöntien alkamisajat.
Vaihtoehtoisesti sen sijaan, että käytetään on-line dataa, prosessointiyksikkö 110 voi käsitellä ennalta tallennettua signaalia, joka on saatu sisäisestä muistista 104 tai ulkoisesta muistista (ei esitetty).
30
Prosessointiyksikkö 110 voi lisäksi sisältää käyttöliittymäohjaimen 106 käyttäjän syötteen vastaanottamiseksi, esim. näppäimistöltä (ei esitetty), ja visuaalisen ulostulon antamiseksi käyttäjälle, esim. näyttöyksikössä (ei esitetty).
6
Kuvio 2 esittää joidenkin suoritusmuotojen mukaista kaaviomaista yleiskaaviota signaalinkäsittelyalgoritmista 200. Algoritmissa käytetään ainakin yhtä sisäänmenoa ja algoritmi tuottaa ainakin yhden ulostulon. Eräässä 5 suoritusmuodossa algoritmi 200 käyttää sisäänmenosignaalina anturilta 101 saatua signaalia (kuvio 1) tai muistilta saatua signaalia tai vastaavaa signaalia. Tämä signaali käsittää tarkkailtavasta kehosta havaittuja värähtelyjä, erityisesti myös värähtelyjä, jotka johtuvat sydämenlyönneistä. Siten tätä sisäänmenosignaalia kutsutaan tässä sydämenlyöntisignaaliksi 11. Yleisemmässä 10 suoritusmuodossa sydämenlyöntisignaali 11 on mikä tahansa signaali, jonka voidaan olettaa edustavan, ainakin osittain, sydänjärjestelmän aktiviteettia. Signaalinkäsittelyalgoritmi 200 tuottaa halutun ulostulon, esim. sydämen syketaajuuden 24. Ulostulon muoto voi vaihdella riippuen sovelluksesta. Ulostulo voi osoittaa suoraan hetkellisen sydämen syketaajuuden tai osoittaa epäsuorasti 15 sydämen syketaajuuden, esim. antamalla ulos sen käänteisarvon (resiprookkinen) tai vastaavan.
Signaalinkäsittelyalgoritmi 200 voi valinnaisesti käyttää myös muita sisäänmenoja, kuten signaalia, jota tässä kutsutaan hengityssignaaliksi 12. Eräässä 20 suoritusmuodossa tämä signaali voi olla sama signaali kuin sydämenlyöntisignaali 11, sillä havaittu signaali, esim. anturilta, käsittää myös hengityksen aiheuttamia värähtelyjä. Yleisemmässä suoritusmuodossa hengityssignaali 12 on mikä tahansa signaali, jonka voidaan olettaa edustavan, ainakin osittain, hengityksen aktiviteettia. Eräs signaalinkäsittelyalgoritmin 200 valinnainen ulostulo on 25 hengityssyklin vaihetieto 21, joka osoittaa havaittua vaihetta hengityssyklissä.
Kuvio 3 esittää yksityiskohtaisempaa kaaviota eräästä joidenkin suoritusmuotojen mukaisesta signaalinkäsittelyalgoritmista 200. 1
Eräässä suoritusmuodossa algoritmi 200 on jaettu kolmeen moduuliin. Sydämenlyöntien alkamiset havaitaan moduulissa 31, valinnainen hengityssyklin analyysi toteutetaan moduulissa 32, ja moduuli 33 alustaa ja ylläpitää yksittäisen sydämenlyönti-impulssin muodon mallin.
7
Moduuli 31 vastaanottaa sisäänmenona sydämenlyöntisignaalin 11, valinnaisen hengityssyklin vaihetiedon 21 ja sydämenlyöntimallin 23. Moduuli 31 laskee sydämenlyöntien alkamisajat 22 sisäänmenoista ja lähettää ne moduulille 33. 5 Moduuli 31 voi myös laskea sydämen syketaajuuden 24 perustuen sydämenlyöntien alkamisaikoihin.
Valinnainen moduuli 32 vastaanottaa sisäänmenona signaalin 12, jota voidaan käyttää havaitsemaan henkilön hengityssyklejä. Moduuli 32 havaitsee signaalista 10 hengityssyklit ja lähettää hengityssyklin vaihetiedon 21 moduuleille 31 ja 33. Moduuli 32 voi vaihtoehtoisesti myös vastaanottaa sisäänmenot 22 ja 23 vastaavilta moduuleilta 31 ja 33, tarkoituksena hengityssyklin havaitsemisen parantaminen.
15 Moduuli 33 vastaanottaa sisäänmenona sydämenlyöntisignaalin 11, valinnaisen hengityssyklin vaihetiedon 21 ja sydämenlyöntien alkamisajat 22. Moduuli 33 muodostaa ja ylläpitää sydämenlyöntimallia 23 perustuen sisäänmenoihin ja lähettää mallin 23 moduulille 31.
20 Seuraavassa selostetaan keksinnön joidenkin suoritusmuotojen toimintaa vielä yksityiskohtaisemmin. Kuten on esitetty edellä, henkilön sydämen syketaajuus voidaan havaita käyttämällä signaalinkäsittelyalgoritmia, joka vastaanottaa sisäänmenona signaalin, joka mittaa henkilön sydänaktiviteettia.
25 Yksinkertaisessa muodossaan voi algoritmin toteuttama proseduuri periaatteessa käsittää vain seuraavan: 1) haetaan signaali, joka mittaa sydänjärjestelmän aktiviteettia; 2) muodostetaan, perustuen haettuun signaaliin, sydämenlyönti-impulssin malli; 30 3) havaitaan sydämenlyöntejä käyttämällä sydämenlyöntimallia.
Joissakin suoritusmuodoissa sydämenlyöntimalli on ohjatun oppimisen luokitin, jossa on yksi tai useampi sisäänmenopiirre ja yksi ulostulonimike. Yksi 8 sisäänmenopiirteistä on sydämenlyönnin muoto. Ulostulonimike on binäärinen ja määrittelee, edustaako (edustavatko) sisäänmenomuuttuja(t) sydämenlyöntiä (BEAT) vai ei (NON-BEAT). Mallin sydämenlyönnin muodon sisäänmenopiirre voi olla muotoa signaalin segmentti, joka edustaa yksittäisen sydämenlyönti-impulssin 5 muotoa tai muunnetussa muodossa kuten joukkona wavelet-kertoimia. Luokitin voi käyttää mitä tahansa sopivaa luokitusmenetelmää kuten naiivi Bayes:ia tai tukivektorikoneita.
Mallin alustusvaihe (luontivaihe) vaatii periaatteessa vain sydämenlyöntisignaalin 10 11. Alustus toteutetaan eräässä suoritusmuodossa löytämällä signaalista lähes periodisesti toistuva ilmiö, joka toistuu nopeudella, joka voisi olla mahdollinen sydämenlyönnille (esim. sydämenlyöntien väli 0.3 - 2 sekuntia). Jos tällainen lähes periodisesti toistuva ilmiö löytyy, ne ovat todennäköisesti signaalissa olevat sydämenlyönti-impulssit. Sydämenlyöntimalli voidaan alustaa opettamalla sitä 15 sisäänmeno-ulostulo -pareilla, jolloin kukin ulostulonimike on BEAT ja sisäänmenot muodostetaan sijainneista, joista sydämenlyöntejä löytyi. Mallia opetetaan myös riittävän monilla sisäänmeno-ulostulo -pareilla, jolloin kukin ulostulonimike on NON-BEAT ja sisäänmenot muodostetaan sijainneista, joista sydämenlyönti-impulsseja ei löytynyt. Eräässä suoritusmuodossa lähes 20 periodisesti toistuva ilmiö löydetään soveltamalla minimientropia-dekonvoluutio-menetelmää signaaliin, joka edustaa sydänaktiviteettia. Minimientropia-dekonvoluution ideana on löytää konvoluutioydin h(n), joka konvoluoitaessa sisäänmenosignaalin y(n) kanssa tuottaa ulostulosignaalin w(n) mahdollisimman pienellä entropialla. Entropia voidaan minimoida maksimoimalla ulostulosignaalin 25 w(n) huipukkuus. Jos sisäänmenosignaali sisältää toistuvan ilmiön, ne voidaan paikallistaa löytämällä w(n)\n huippukohdat. Minimientropia-dekonvoluutio-menetelmän yksityiskohdat ovat sinänsä tunnettuja alan ammattimiehelle eikä niitä selitetä tässä tarkemmin. Vaihtoehtoisesti autokorrelaatiomenetelmää, myös sinänsä tunnettua, voidaan soveltaa signaaliin minimientropia-dekonvoluutio-30 menetelmän sijaan.
Kun moduuli 33 on alustanut sydämenlyöntimallin 23 ja alkaa syöttää sitä moduulille 31, moduuli 31 alkaa havaita sydämenlyöntien alkamisia sydämenlyöntisignaalista 11 mallin avulla.
9
Sydämenlyöntien alkamishetkien havaitseminen signaalista mallia käyttäen voidaan tehdä monilla tavoilla.
5
Eräässä suoritusmuodossa signaali ikkunoidaan signaalin muodon saamiseksi peräkkäisinä ajanhetkinä. Muodot syötetään malliin, joka luokittaa ne nimikkeillä BEAT tai NON-BEAT. Ikkunasijainteja, jotka luokitetaan olevan BEAT, käytetään eräässä suoritusmuodossa sydämenlyöntien alkamissijainneiksi 22 ja syötetään 10 moduulille 33.
Kun moduuli 33 vastaanottaa sydämenlyönnin alkamisajan 22 moduulilta 31, se ottaa eräässä suoritusmuodossa sydämenlyönnin muodon sydämenlyöntisignaalista 11 käyttämällä alkamisaikaa. Käyttämällä saatua 15 sydämenlyönti-impulssin muotoa, moduuli 33 opettaa sydämenlyöntimallia sisäänmeno-ulostulo -parilla, joka käsittää sydämenlyönti-impulssin muodon ja BEAT nimikkeen. Sen lisäksi, että opetetaan löydetyillä sydämenlyönneillä, käytetään muotoja, jotka edustavat segmenttejä, joissa sydämenlyöntiä ei voida löytää, mallin opettamiseksi NON-BEAT nimikkeen kanssa.
20
Eräässä toisessa sovelluksessa väliä edellisen sydämenlyönnin alkamiseen käytetään mallin sisäänmenopiirteenä sydämenlyönnin muodon lisäksi. Vielä eräässä toisessa sovelluksessa hengityssyklin vaihetta käytetään mallin sisäänmenopiirteenä sydämenlyönnin muodon lisäksi, käyttämällä tai käyttämättä 25 väliä edellisen sydämenlyönnin alkamiseen sisäänmenopiirteenä. Jos hengityssyklin vaihetta ja/tai sydämenlyöntien väliä käytetään sisäänmenopiirteinä, niitä käytetään moduulissa 33 mallin opettamiseksi ja moduulissa 31 signaalipaikkojen luokittamiseksi olemaan BEAT tai NON-BEAT. Etuna näiden lisäsisäänmenopiirteiden käyttämisestä on, että hengityssyklin vaiheen, 30 sydämenlyönnin muodon ja sydämenlyöntien välin välillä on selvä korrelaatio, kuten on esitetty kuviossa 4. Kuvion 4 ylin kuvaaja esittää ylipäästösuodatettua (raja 1 Hz) ballistokardiografista (BCG) signaalia. Pystyakselilla on esitetty voimaa ja vaaka-akselilla on esitetty aikaa. Toinen kuvaaja esittää sydämenlyöntien välejä 10 ja kolmas kuvaaja sydämenlyöntiamplitudeja saman tarkkailujakson aikana. Neljäs kuvaaja esittää BCG-signaalia kaistanpäästösuodatuksen jälkeen (0.1 - 1.0 Hz päästökaista). Alin kuvaaja esittää siirtymiä hengityssyklin vaiheiden välillä.
5 On mahdollista havaita hengityssykli voima-anturisignaalista (tai hengityssignaalista) 12 käyttämällä tunnettuja tekniikoita. Erään suoritusmuodon mukaan hengityssykli havaitaan esimerkiksi kaistanpäästösuodattamalla hengityssignaali 12 (esim. 0.1 - 1.0 Hz päästökaista) ja havainnoimalla ennalta määritellyn kynnyksen ylityksiä suodatetussa signaalissa. Jos sydämenlyöntitieto 10 on saatavilla, havainnointia voidaan lisäksi tehostaa käyttämällä sydämenlyöntien välien ja amplitudin korrelaatiota hengityssyklin vaiheen kanssa. Siten hengityssyklin analyysin parantamiseksi sydämenlyöntien väli 22 ja/tai muotodata 23 vastaavista sykeanalyysimoduuleista 31 ja 33 voidaan tuoda sisään hengityssyklin analyysimoduuliin 32.
15
Hengityssykli mallinnetaan yleisesti matemaattisesti syklisenä siirtymänä seuraavien tilojen välillä: sisäänhengityksen alku, sisäänhengityksen loppu, uloshengityksen alku, uloshengityksen loppu. Ohjattua oppimista varten sisäänhengityksen alkua edustaa arvo -1, sisäänhengityksen loppua 0, 20 uloshengityksen alkua 0 ja uloshengityksen loppua 1. Tilojen välistä siirtymää on esitetty kuvion 4 alimmalla kuvaajalla. Vaaka-akseli esittää aikaa.
Vielä eräs suoritusmuoto liittyy päällekkäisten sydämenlyönti-impulssien sekoittumisen poistamiseen. Kun moduuli 31 on havainnut peräkkäisiä 25 sydämenlyöntien alkamisia, tulee mahdolliseksi analysoida alkuperäisen sydämenlyönti-impulssin muotoa ennen sen sekoittumista viereisten sydämenlyöntien kanssa. Koska yksittäinen sydämenlyönti-impulssi yleisesti kestää pidempään kuin sydämenlyöntien väli (välin tarkoittaessa sydämen syketaajuuden käänteisarvoa), viereiset pulssit sekoittuvat tehden 30 sydämenlyöntien havaitsemisesta vaikeampaa. Alkuperäiset pulssit voidaan saada eräässä suoritusmuodossa signaalista muodostamalla käänteismalli, joka ratkaisee alkuperäisten sydämenlyönti-impulssien muodon ennen kuin ne sekoittuivat viereisten sydämenlyöntien kanssa. Yksinkertaisessa muodossa sydämenlyöntien sekoittumista voidaan kuvata yhtälöllä 11
N
γ(η) = Σ s{n-d?) i — 1 5 missä s(n) edustaa yksittäistä sydämenlyönti-impulssia, c/, ovat sydämenlyönti-impulssien, joita on N kappaletta, sijainnit ja y(n) on signaali sydämenlyöntien sekoittumisen jälkeen. Koska y(n) (sydämenlyöntisignaali) ja c/, (sydämenlyöntien ajat) ovat tunnettuja, s(n) voidaan ratkaista muodostamalla käänteismalli lineaaristen yhtälöiden systeeminä. Sydämenlyönnin muodon mallintamisen tulos 10 on kuvattu kuviossa 5. Kuten kuviosta nähdään, sydämenlyönnin muoto laskettuna käyttämällä käänteismallia on vähemmän viereisten sydämenlyöntien vääristämä kuin muoto laskettuna vain keskiarvoistamalla sydämenlyönnin muotoja. Edellä mainittu käänteismalli olettaa, että sydämenlyönnin muoto ei muutu sydämenlyöntien kesken, mutta malli voidaan tehdä vielä tarkemmaksi sallimalla 15 eri sydämenlyöntien muotojen muuttuminen.
Päällekkäisten pulssien poistamisesta on etua molemmille moduuleille 31 ja 33. Moduulissa 33 sydämenlyöntimalli 23 voidaan muodostaa ilman viereisten sydämenlyöntien sekoittumista, joten siitä tulee tarkempi. Kun päällekkäisten 20 pulssien poistamista käytetään moduulissa 31, viereisten sydämenlyöntien sekoittuminen sydämenlyöntien alkamisajankohtien havaitsemisessa poistetaan, joten sydämenlyönnin havaitseminen tulee tarkemmaksi.
Eri suoritusmuotoja on esitetty. Tulee ymmärtää, että tässä julkaisussa sanoja 25 käsittää, kuuluu ja sisältää on kutakin käytetty avoimina ilmaisuina eikä tarkoituksellisesti rajoittavina.
Edeltävä selitys on tarjonnut keksijöiden tällä hetkellä ajattelemasta parhaasta suoritusmuodosta keksinnön toteuttamiseksi täyden ja informatiivisen selityksen 30 keksinnön tiettyjen sovellusten ja suoritusmuotojen ei-rajoittavien esimerkkien avulla. Alan ammattimiehelle on kuitenkin selvää, että keksintö ei rajoitu edellä 12 esitettyjen suoritusmuotojen yksityiskohtiin, vaan sitä voidaan soveltaa muissa suoritusmuodoissa käyttämällä ekvivalentteja välineitä poikkeamatta keksinnön tunnuspiirteistä.
5 Lisäksi joitakin tämän keksinnön edellä esitettyjen suoritusmuotojen piirteitä voidaan käyttää edullisesti ilman vastaavaa muiden piirteiden käyttöä. Edeltävää selitystä sellaisenaan tulee pitää vain esillä olevan keksinnön periaatteita kuvaavana eikä rajoittavana. Siten keksinnön suojapiiriä rajoittavat vain oheistetut patenttivaatimukset.
Claims (21)
1. Menetelmä, jossa: haetaan signaali, joka mittaa sydänjärjestelmän aktiviteettia, 5 muodostetaan haetun signaalin perusteella sydämenlyöntimalli, ja havaitaan sydämenlyöntejä käyttämällä sydämenlyöntimallia, tunnettu siitä, että sydämenlyönnin havaitsemisessa hyödynnetään tietoa hengityssyklin vaiheesta.
2. Vaatimuksen 1 mukainen menetelmä, jossa lisäksi: päivitetään sydämenlyöntimalli opettamalla mallia käyttäen koneoppimistekniikkaa, kuten ohjattua oppimista.
3. Vaatimuksen 1 tai 2 mukainen menetelmä, jossa sydämenlyöntimalli on 15 ohjatun oppimisen luokitin.
4. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa menetelmässä: käytetään mallin opetuksessa tietoa sydämenlyönnin muodosta. 20
5. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa menetelmässä: käytetään mallin opetuksessa tietoa sydämenlyöntien välistä.
6. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa menetelmässä: käytetään mallin opetuksessa tietoa hengityssyklin vaiheesta. 1 2 3 4 Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa 2 30 menetelmässä: 3 tarjotaan arvio odotettavissa olevasta sydämenlyönnin muodosta malliin 4 perustuen.
8. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa menetelmässä: lasketaan arvio sydämenlyöntien alkamisajoista; ja käytetään arviota sydämenlyöntien havaitsemisessa. 5
9. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa menetelmässä: muodostetaan alkuperäisestä sydämenlyönnin muodosta käänteismalli, joka antaa tuloksena sydämenlyönnin muodon ennen kuin se on sekoittunut 10 viereisten sydämenlyöntien kanssa; ja ratkaistaan käänteismalli ja käytetään löydettyä sydämenlyönnin muotoa sydämenlyöntimallin muodostamisessa ja sydämenlyönnin havaitsemisessa.
10. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa signaali, 15 joka mittaa sydänjärjestelmän aktiviteettia, on ballistokardiografinen signaali.
11. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa signaali, joka mittaa sydänjärjestelmän aktiviteettia, on voima-anturin signaali.
12. Minkä tahansa edeltävän vaatimuksen mukainen menetelmä, jossa annetaan ulostulona dataa, joka suoraan tai epäsuorasti osoittaa sydämen syketaajuuden.
13. Laitteisto, joka käsittää: 25 prosessointiyksikön, joka on konfiguroitu sydänjärjestelmän aktiviteettia mittaavan signaalin hakemiseen ja konfiguroitu haetun signaalin perusteella muodostamaan sydämenlyöntimallin, ja prosessointiyksikkö on lisäksi konfiguroitu sydämenlyöntimallia käyttäen havaitsemaan sydämenlyöntejä, tunnettu siitä, että prosessointiyksikkö on 30 konfiguroitu hyödyntämään sydämenlyönnin havaitsemisessa tietoa hengityssyklin vaiheesta. 1 Vaatimuksen 13 mukainen laitteisto, jossa mainittu malli osoittaa sydämenlyönti-impulssin todellista muotoa.
15. Vaatimuksen 13 tai 14 mukainen laitteisto, joka laitteisto on konfiguroitu antamaan ulostulona dataa, joka suoraan tai epäsuorasti osoittaa sydämen 5 syketaajuuden.
16. Minkä tahansa edeltävän vaatimuksen 13-15 mukainen laitteisto, joka laitteisto on konfiguroitu päivittämään sydämenlyöntimallia opettamalla mallia käyttäen koneoppimistekniikkaa, kuten ohjattua oppimista. 10
17. Minkä tahansa edeltävän vaatimuksen 13-16 mukainen laitteisto, jossa malli on ohjatun oppimisen luokitin.
18. Minkä tahansa edeltävän vaatimuksen 13-17 mukainen laitteisto, joka laitteisto 15 on konfiguroitu tarjoamaan arvion odotettavissa olevasta sydämenlyönnin muodosta malliin perustuen.
19. Minkä tahansa edeltävän vaatimuksen 13-18 mukainen laitteisto, joka laitteisto on konfiguroitu käyttämään tietoa hengityssyklin vaiheesta sydämenlyöntimallin 20 opetuksessa.
20. Minkä tahansa edeltävän vaatimuksen 13-19 mukainen laitteisto, jossa prosessointiyksikkö on konfiguroitu laskemaan arvion sydämenlyöntien alkamisajoista, ja jossa 25 prosessointiyksikkö on lisäksi konfiguroitu käyttämään arviota sydämenlyöntien havaitsemisessa.
21. Minkä tahansa edeltävän vaatimuksen 13-20 mukainen laitteisto, jossa prosessointiyksikkö on konfiguroitu toteuttamaan algoritmia päällekkäisten 30 sydämenlyönti-impulssien sekaantumisen poistamiseksi. 1 Minkä tahansa edeltävän vaatimuksen 13-21 mukainen laitteisto, joka laitteisto on konfiguroitu muodostamaan alkuperäisestä sydämenlyönnin muodosta käänteismallin, joka antaa tuloksena sydämenlyönnin muodon ennen kuin se on sekoittunut viereisten sydämenlyöntien kanssa, ja ratkaisemaan käänteismallin ja käyttämään löydettyä sydämenlyönnin muotoa sydämenlyöntimallin muodostamisessa ja sydämenlyönnin havaitsemisessa. 5
23. Minkä tahansa edeltävän vaatimuksen 13-22 mukainen laitteisto, jossa signaali, joka mittaa sydänjärjestelmän aktiviteettia, on ballistokardiografinen signaali.
24. Minkä tahansa edeltävän vaatimuksen 13-23 mukainen laitteisto, jossa signaali, joka mittaa sydänjärjestelmän aktiviteettia, on voima-anturin signaali. 25.Tietokoneella luettavissa oleva väline, jolle on tallennettu laitteistossa suoritettavissa oleva tietokoneohjelma, joka tietokoneohjelma käsittää: 15 ohjelmakoodin algoritmin toteuttamiseksi, joka algoritmi ohjaa laitteistoa hakemaan sydänjärjestelmän aktiviteettia mittaavan signaalin, lisäksi ohjaa laitteistoa muodostamaan haetun signaalin perusteella sydämenlyöntimallin, ja lisäksi ohjaa laitteistoa havaitsemaan sydämenlyöntejä käyttäen sydämenlyöntimallia, jossa sydämenlyönnin havaitsemisessa hyödynnetään 20 tietoa hengityssyklin vaiheesta.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20085173A FI121453B (fi) | 2008-02-26 | 2008-02-26 | Sydämen syketaajuuden havaitseminen |
EP09714930.6A EP2247233B1 (en) | 2008-02-26 | 2009-02-26 | A method, apparatus and computer program product for detecting heart rate |
US12/919,736 US9072437B2 (en) | 2008-02-26 | 2009-02-26 | Method, apparatus and computer program product for detecting heart rate |
PCT/FI2009/050165 WO2009106691A1 (en) | 2008-02-26 | 2009-02-26 | A method, apparatus and computer program product for detecting heart rate |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20085173A FI121453B (fi) | 2008-02-26 | 2008-02-26 | Sydämen syketaajuuden havaitseminen |
FI20085173 | 2008-02-26 |
Publications (3)
Publication Number | Publication Date |
---|---|
FI20085173A0 FI20085173A0 (fi) | 2008-02-26 |
FI20085173A FI20085173A (fi) | 2009-08-27 |
FI121453B true FI121453B (fi) | 2010-11-30 |
Family
ID=39149042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI20085173A FI121453B (fi) | 2008-02-26 | 2008-02-26 | Sydämen syketaajuuden havaitseminen |
Country Status (4)
Country | Link |
---|---|
US (1) | US9072437B2 (fi) |
EP (1) | EP2247233B1 (fi) |
FI (1) | FI121453B (fi) |
WO (1) | WO2009106691A1 (fi) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8577431B2 (en) | 2008-07-03 | 2013-11-05 | Cercacor Laboratories, Inc. | Noise shielding for a noninvasive device |
US8203704B2 (en) | 2008-08-04 | 2012-06-19 | Cercacor Laboratories, Inc. | Multi-stream sensor for noninvasive measurement of blood constituents |
US20110082711A1 (en) | 2009-10-06 | 2011-04-07 | Masimo Laboratories, Inc. | Personal digital assistant or organizer for monitoring glucose levels |
US9408542B1 (en) | 2010-07-22 | 2016-08-09 | Masimo Corporation | Non-invasive blood pressure measurement system |
JP6372734B2 (ja) * | 2013-10-24 | 2018-08-15 | Tdk株式会社 | 生体センサ検査装置および検査方法 |
US10542961B2 (en) | 2015-06-15 | 2020-01-28 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
US10448871B2 (en) | 2015-07-02 | 2019-10-22 | Masimo Corporation | Advanced pulse oximetry sensor |
US10478590B2 (en) | 2016-09-16 | 2019-11-19 | Bose Corporation | Sleep assistance device for multiple users |
US10434279B2 (en) | 2016-09-16 | 2019-10-08 | Bose Corporation | Sleep assistance device |
US10517527B2 (en) | 2016-09-16 | 2019-12-31 | Bose Corporation | Sleep quality scoring and improvement |
US10653856B2 (en) | 2016-09-16 | 2020-05-19 | Bose Corporation | Sleep system |
US11594111B2 (en) | 2016-09-16 | 2023-02-28 | Bose Corporation | Intelligent wake-up system |
US10963146B2 (en) | 2016-09-16 | 2021-03-30 | Bose Corporation | User interface for a sleep system |
US10561362B2 (en) | 2016-09-16 | 2020-02-18 | Bose Corporation | Sleep assessment using a home sleep system |
CA3010114C (en) | 2016-10-25 | 2018-09-18 | Studio 1 Holdings Inc. | Flexible conductive apparatus and systems for detecting pressure |
US10709390B2 (en) * | 2017-03-02 | 2020-07-14 | Logos Care, Inc. | Deep learning algorithms for heartbeats detection |
TWI682768B (zh) * | 2018-04-26 | 2020-01-21 | 新唐科技股份有限公司 | 心率偵測方法 |
CN112740199A (zh) * | 2018-09-21 | 2021-04-30 | 华为技术有限公司 | 用于数据库查询优化的物化视图 |
CN112043251B (zh) * | 2020-09-30 | 2021-05-25 | 深圳市艾利特医疗科技有限公司 | 动静态切换下的心肺功能评估方法、装置、设备、存储介质及系统 |
US11599614B2 (en) | 2020-11-03 | 2023-03-07 | Kpn Innovations, Llc. | Systems and methods for a configurable device environment |
CN113679345B (zh) * | 2021-08-13 | 2022-06-14 | 珠海格力电器股份有限公司 | 睡眠监测方法、装置、系统及存储介质 |
CN114052694B (zh) * | 2021-10-26 | 2023-09-05 | 珠海脉动时代健康科技有限公司 | 基于雷达的心率分析方法及设备 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5590650A (en) * | 1994-11-16 | 1997-01-07 | Raven, Inc. | Non-invasive medical monitor system |
US5687738A (en) * | 1995-07-03 | 1997-11-18 | The Regents Of The University Of Colorado | Apparatus and methods for analyzing heart sounds |
US5853364A (en) * | 1995-08-07 | 1998-12-29 | Nellcor Puritan Bennett, Inc. | Method and apparatus for estimating physiological parameters using model-based adaptive filtering |
US20040039419A1 (en) * | 1999-09-30 | 2004-02-26 | Stickney Ronald E. | Apparatus, software, and methods for cardiac pulse detection using a piezoelectric sensor |
US6322514B1 (en) * | 2000-03-13 | 2001-11-27 | Instrumentarium Corporation | Method for determining cardiac characteristics of subject |
GB0014855D0 (en) * | 2000-06-16 | 2000-08-09 | Isis Innovation | Combining measurements from different sensors |
GB0131024D0 (en) * | 2001-12-28 | 2002-02-13 | Cardiodigital Ltd | Analysis of acoustic medical signals |
FI20021145A (fi) * | 2002-06-13 | 2003-12-14 | Alpo Vaerri | Laitteisto elintoimintojen mittaamiseksi |
US7344678B2 (en) | 2002-11-15 | 2008-03-18 | The Regents Of The University Of California | Composite sensor membrane |
US20070118054A1 (en) * | 2005-11-01 | 2007-05-24 | Earlysense Ltd. | Methods and systems for monitoring patients for clinical episodes |
IL160308A0 (en) * | 2004-02-10 | 2004-07-25 | Itshak Y Ben Yesha | Method for determining heart rate |
FI120961B (fi) | 2004-07-01 | 2010-05-31 | Emfit Oy | Menetelmä ja laitteisto elintoimintojen tai läsnäolon mittaamiseksi ja valvomiseksi |
GB0417590D0 (en) * | 2004-08-06 | 2004-09-08 | Scalise Lorenzo | A non-contact measurement technique for the monitoring of a physiological condition |
US7373332B2 (en) * | 2004-09-14 | 2008-05-13 | Agilent Technologies, Inc. | Methods and apparatus for detecting temporal process variation and for managing and predicting performance of automatic classifiers |
US20060287606A1 (en) * | 2005-06-21 | 2006-12-21 | Di-Ann Hong | Method for detecting heart rate and systems thereof |
KR101414586B1 (ko) | 2006-03-06 | 2014-07-03 | 센시오텍 아이엔씨 | 초광대역 모니터링 시스템 및 안테나 |
EP2020919B1 (en) * | 2006-06-01 | 2019-07-31 | ResMed Sensor Technologies Limited | Apparatus, system, and method for monitoring physiological signs |
US8046058B2 (en) * | 2007-08-10 | 2011-10-25 | Salutron, Inc. | Heart beat signal recognition |
US8346349B2 (en) * | 2008-01-16 | 2013-01-01 | Massachusetts Institute Of Technology | Method and apparatus for predicting patient outcomes from a physiological segmentable patient signal |
CN102215746B (zh) * | 2008-09-15 | 2017-03-01 | 新加坡南洋理工大学 | 用于检测心跳和/或呼吸的方法 |
AU2009329002A1 (en) * | 2008-12-15 | 2011-08-04 | Ariel Medical K.L. Ltd. | Method and system for measuring heart rate variability |
-
2008
- 2008-02-26 FI FI20085173A patent/FI121453B/fi active IP Right Grant
-
2009
- 2009-02-26 US US12/919,736 patent/US9072437B2/en active Active
- 2009-02-26 EP EP09714930.6A patent/EP2247233B1/en active Active
- 2009-02-26 WO PCT/FI2009/050165 patent/WO2009106691A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20110022199A1 (en) | 2011-01-27 |
FI20085173A (fi) | 2009-08-27 |
EP2247233B1 (en) | 2015-10-14 |
US9072437B2 (en) | 2015-07-07 |
EP2247233A1 (en) | 2010-11-10 |
FI20085173A0 (fi) | 2008-02-26 |
EP2247233A4 (en) | 2014-07-16 |
WO2009106691A1 (en) | 2009-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI121453B (fi) | Sydämen syketaajuuden havaitseminen | |
EP3048972B1 (en) | Processing apparatus, processing method and system for processing a physiological signal | |
RU2637610C2 (ru) | Устройство мониторинга для мониторинга физиологического сигнала | |
US9215996B2 (en) | Apparatus and method for objectively determining human response to media | |
US11406305B2 (en) | Signal quality metric for cardiovascular time series | |
TWI697318B (zh) | 用於產生指示心臟功能不良的資訊的設備、電腦程式及電腦程式產品 | |
EP2961317A1 (en) | Apparatus and method for determining vital sign information from a subject | |
US6503197B1 (en) | System and method for detecting an action of the head and generating an output in response thereto | |
Yao et al. | Model-based verification of a non-linear separation scheme for ballistocardiography | |
CN112617747B (zh) | 状态推定装置、状态推定方法以及存储介质 | |
CN115100159A (zh) | 一种呼吸状态检测方法、装置、设备和存储介质 | |
EP3485803B1 (en) | Wearable device capable of recognizing sleep stage and recognition method thereof | |
CN110996791B (zh) | 身体活动判定系统以及生物体状态监测系统 | |
KR102440217B1 (ko) | 딥러닝 기반의 수면단계 판정 장치 및 그 시스템 | |
KR20200080755A (ko) | 움직임센서를 이용한 생체파 기반 심박수 측정 장치 및 방법 | |
Paalasmaa et al. | Detecting heartbeats in the ballistocardiogram with clustering | |
JP7285763B2 (ja) | 学習装置、学習方法、および測定装置 | |
KR102002199B1 (ko) | 개인 맞춤형 호흡 동기화를 위한 심박변이 기반의 청각자극 변조 장치 및 방법 | |
WO2023140390A1 (ja) | 睡眠状態判定装置、睡眠状態判定方法およびプログラム | |
JP2023012969A (ja) | 機械学習を用いて対象者の体位を判定する装置、方法及びプログラム | |
KR20230070721A (ko) | 혈류 바이오마커 기반의 이비인후과 질환 분석 및 예측 장치 | |
KR20200078431A (ko) | 심폐음 신호 획득 방법 및 장치 | |
JP2021078682A (ja) | 学習装置、学習方法、および測定装置 | |
JP2015084853A (ja) | 信号処理装置及び方法、並びにコンピュータプログラム及び記録媒体 | |
JP5817525B2 (ja) | 眠気検知適用性判定装置、眠気検知適用性判定方法、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG | Patent granted |
Ref document number: 121453 Country of ref document: FI |
|
PC | Transfer of assignment of patent |
Owner name: BEDDIT OY |
|
PC | Transfer of assignment of patent |
Owner name: APPLE INC. |