FI126095B - Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi - Google Patents
Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi Download PDFInfo
- Publication number
- FI126095B FI126095B FI20115308A FI20115308A FI126095B FI 126095 B FI126095 B FI 126095B FI 20115308 A FI20115308 A FI 20115308A FI 20115308 A FI20115308 A FI 20115308A FI 126095 B FI126095 B FI 126095B
- Authority
- FI
- Finland
- Prior art keywords
- comparison model
- personal
- comparison
- model
- monitoring
- Prior art date
Links
- 201000010099 disease Diseases 0.000 title claims description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims description 7
- 230000033001 locomotion Effects 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000012806 monitoring device Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 230000007774 longterm Effects 0.000 claims description 6
- 210000000707 wrist Anatomy 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000004622 sleep time Effects 0.000 claims description 3
- 230000037023 motor activity Effects 0.000 claims description 2
- 230000001766 physiological effect Effects 0.000 claims description 2
- 208000024891 symptom Diseases 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims 2
- 230000009089 cytolysis Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 description 12
- 206010010904 Convulsion Diseases 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000004899 motility Effects 0.000 description 4
- 230000002618 waking effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 230000036626 alertness Effects 0.000 description 2
- 206010015037 epilepsy Diseases 0.000 description 2
- 206010009192 Circulatory collapse Diseases 0.000 description 1
- 208000019430 Motor disease Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000027288 circadian rhythm Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000028329 epileptic seizure Diseases 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000013558 reference substance Substances 0.000 description 1
- 206010040560 shock Diseases 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
- A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Neurology (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Business, Economics & Management (AREA)
- Neurosurgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi
Keksinnön kohteena on menetelmä sairauskohtausten ennustamiseksi tai havaitsemiseksi. Menetelmän suorittamiseksi henkilö kantaa mukanaan non-invasiivista monitorointilaitetta, jolla kerätään tietoja henkilön liikemotoriikas-ta ja/tai fysiologisista ominaisuuksista.
Patenttijulkaisusta US 2010/0145236 AI tunnetaan järjestelmä ja laite liikunnallisten häiriöiden jatkuvaa monitorointia varten. Laitteella voidaan monitoroida useista kohdista samanaikaisesti ja verrata monitorointituloksia tietyn sairauden motorisiin tyyppioireisiin.
Keksinnön tarkoituksena on saada aikaan menetelmä, joka mahdollistaa sairauskohtausten monipuolisen havainnoinnin helppokäyttöisellä mukana kuljetettavalle monitorointilaitteella. Tämä tarkoitus saavutetaan esillä olevan keksinnön mukaisella järjestelyllä sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka käsittää mukana kannettavan non-invasiivisen monitorointilaitteen, jolla kerätään tietoja henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain ja välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan. Keksinnön mukaiselle järjestelylle on tunnusomaista, että se sisältää edelleen välineet päivittää vertailumaina jatkuvasti ja välineet verrata vertailumallin päivitettyä versiota historiaan, jolloin vertailumallin muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset, ja se, että se on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen vertailu mallit, eli valveilla olon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumal-lin.
Edelleen tämä tarkoitus saavutetaan esillä olevan keksinnön mukaisella ohjelmistotuotteella sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka ohjelmistotuote käsittää välineet lukea kannettavan non-invasiivisen monitoroi nti laitteen tuottamaa tietoa henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain ja välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan. Keksinnön mukaiselle ohjelmistotuotteelle on tunnusomaista, että se sisältää edelleen välineet päivittää vertailumailla jatkuvasti ja verrata vertai-lumallin päivitettyä versiota historiaan, jolloin vertailumallin muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset, ja että se on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen ver-tailumallit, eli valveillaolon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumallin.
Keksinnön edullisia suoritusmuotoja on esitelty epäitsenäisissä patenttivaatimuksissa.
Oheisissa piirustuksissa
Kuvio 1 esittää kaaviollisesti tyypillistä signaalia, joka perustuu liikeantu-reilta saatavan raakadatan minuuttikeskiarvoihin. Signaalissa erottuu selvästi valvetilan ja unitilan liikeaktiivisuuksien ero. Mitä suurempi tämä ero on, sitä parempi on yö/päivärytmi. Kuvan vaaka-akselilla on tunnit yhden vuorokauden ajalta.
Kuvio 2 esittää vuokaaviona menetelmän olennaisimmat vaiheet.
Menetelmä toteutetaan edullisesti ranteessa pidettävällä monitorointilaitteel-la, joka käsittää antureita liikkeiden ja/tai fysiologisten ominaisuuksien havaitsemiseksi, muistin antureilta kerätyn raakadatan tallentamiseksi, ohjel-maohjatun prosessorin, ohjelman/algoritmit, joka/jotka ohjaavat prosessorin tuottamaan henkilökohtaisen vertailumallin kerätystä raakadatasta sen pitkäaikaisseurannan perusteella. Lisäksi sama monitorointilaite sisältää ohjelman/algoritmit, joka/jotka ohjaavat prosessorin havaitsemaan ja analysoimaan muutokset henkilökohtaisesta vertailumallista. Monitorointilaite on ohjelmoitu antamaan hälytys halutulle taholle kun muutos henkilökohtaisesta vertailumallista ylittää ennalta määrätyn rajan tai korreloi tietyn toisen vertailumallin kanssa, joka edustaa tietyn sairauden motorisia tai fysiologisia tyyp-pioireita. Kyseeseen tulevat esimerkiksi epilepsia ja diabeteksen liittyvä shokki. Tyypillistä monitoroitaville sairauskohtaustyypeille on se, että niihin liittyy muuttunut liiketila, joka on mittauksin havaittavissa. Kohtaukseen liittyvän liikkeen piirteet (esim. amplitudi ja/tai taajuus) eroavat ko. henkilön normaalin liikkumisen piirteistä.
Tunnusomaista keksinnön mukaiselle ratkaisulle on se, että ensin havaitaan henkilön normaalin liikkumisen piirteet, joista pitkäaikaisseurannan avulla muodostetaan henkilökohtainen vertailumain (baseline pattern). Sitten haetaan mitattavasta liikesignaalista piirteitä, jotka poikkeavat muodostetusta vertailumallista. Poikkeava piirre voi olla joko etukäteen mallinnettu tai kohtaukseen liittyvä piirre voidaan tunnistaa erikseen jokaiselle käyttäjälle. Menetelmä on siis adaptiivinen. Kun liikesignaalista laskettu piirre tai piirteet ylittävät ennalta määrätyn kynnysarvon, tunnistetaan poikkeavuus henkilökohtaisesta vertailumallista. Tämä indikoi sairauskohtausta tai sairauskohtauksen riskin kasvamista. Jos halutaan minimoida väärät hälytykset, viedään tunnistusraja lähelle mitattujen kohtausten keskimääräisiä rajoja. Jos halutaan varmistaa, että kaikki mahdolliset kohtaukset havaitaan, viedään tunnis-tusrajat lähelle normaaliliikkeen parametrejä.
Vertailumailla päivitetään tai voidaan päivittää jatkuvasti monitoroinnista saatavalla datalla, jota käytetään myös vertailumallista poikkeavien piirteiden havaitsemiseen siten, että havaittua poikkeamaa, joka ylittää hälytysrajan tai muun ennalta määrätyn rajan, ei käytetä päivitykseen.
Monitoroinnista saatavasta datasta tunnistetaan helposti valveillaolo ja uniai-ka. Näille molemmille muodostetaan erikseen vertailu ma Uit, eli valveillaolon vertailumain ja uniajan vertailumain. Nämä noudattavat tyypillisesti henkilökohtaista yö- ja päivärytmiä. Tällöin sairauskohtaukset voidaan havaita selektiivisesti myös pelkästään liikemotoriikasta kerättyjen tietojen avulla, mahdollisesti yhdistettynä ihon kosteusmittaukseen ja lämpötilan mittaukseen. Myös pulssia voidaan mitata kuuntelemalla tai sähköisesti. Lisäksi on mahdollista käyttää useita langattomia mukana kannettavia anturilaitteita, jotka edullisesti pakkaavat mittausdataa ja esikäsittelevät sen ennen lähetystä. Näin voidaan normaalisti lähettää vain muutostieto ja kuittauksia samana jatkuvasta tilasta. Näin voidaan saavuttaa siedettävän pitkä akkukesto ja yhden anturilaitteen vikaantuminen ei estä muuta toimintaa. Tiedot voidaan esimerkiksi ensin kerätä ranteessa olevaan anturilaitteeseen tai kaikki anturi laitteet voivat kommunikoida itsenäisesti tukiaseman kanssa. Mikäli tiedot kerätään ensin rannelaitteeseen, se voi käyttää muiden anturien tietoja hälytyksiin myös itsenäisesti, tai rannelaite voi samalla toimia myös esimerkiksi tavallisena pulssimittarina tai juoksu matka mittarina nilkkaan tai kenkään kiinnitetyn kiihtyvyysanturin avulla, ja samaan aikaan käyttää muiden anturien dataa keksinnön mukaisesti.
Edullisesti vertailumallin päivitettyä versiota verrataan historiaan, jolloin voidaan havaita muutoksia potilaan aktiviteetissa, motoriikassa tai muissa mitattavissa olevissa suureissa. Esimerkiksi voidaan havaita hitaasti tapahtuva motoriikan heikkeneminen tai esimerkiksi raajojen verenkiertohäiriöiden eteneminen pidemmän ajan kuluessa. Tällöin siis opetettua mallia verrataan vanhoihin mittauksiin ainakin viikkojen, mielellään kuukausien tai vuosien pää hän. Tällöin voidaan verrata hyvin helposti esimerkiksi unirytmin tai liikunnan määrän kehitystä myös esimerkiksi kuntoilu- tai urheiluvalmennuksen tukena.
Monitorointilaite on tyypillisesti ranteessa pidettävä laite, jolloin se on helppokäyttöinen eikä vaikeuta henkilön tavanomaista elämää. Monitorointilait-teen adaptaatio voidaan suorittaa erityisessä opetustilassa, jossa tunnistetaan sekä normaaliliiketilalle että kohtaukselle tyypillisiä piirteitä. Adaptiivi-suus voi olla jatkuvaa, jolloin tunnistuksen tarkkuutta saadaan parannettua. Monitorointilaite lähettää hälytyksen ja muita tietoja radiolinkillä tukiasemalle. Monitorointilaitteeseen on edullisesti integroitu myös manuaalihälytystoi-minto. Mittausanturi on esim. 3D kiihtyvyysanturi. Voidaan käyttää yhtä tai useampaa erityyppistä kiihtyvyysanturia (dynaamiset ja staattiset kiihtyvyysanturit), lisäksi voidaan käyttää 6D-anturia, jolloin tunnistetaan myös kaikki kiertoliikkeet. Näin voidaan suhteellisen luotettavasti tunnistaa esimerkiksi auton ajoillanne ohjauspyörää käytettäessä, ja myös ajajan vireystasoa voidaan mitata esimerkiksi pieniä korjausliikkeitä ja nopeusvaihteluita (eli ajoneuvon pitkittäissuuntaista kiihtyvyyttä) seuraamalla. Lisäksi voidaan mitata myös lämpötilaa ja ihon kosteutta. Menetelmässä voidaan käyttää kiinteää tukiasemaa tai mobiilia tukiasemaa. Hälytystiedon mukana voidaan lähettää henkilön tai tukiaseman paikkatietoa. Monitorointilaite voi lähettää tiedot myös suoraan mobiiliverkossa tai muissa kiinteissä verkoissa. Tukiasemana voidaan käyttää esimerkiksi mobiilia päätelaitetta, kuten matkapuhelinta tai tiedonsiirtoyhteydellä varustettua pientä mukana kannettavaa tietokonetta, esimerkiksi tablettilaitetta, johon on asennettu sopiva ohjelmaväline, ja jossa on tarvittavat tietoliikenneyhteydet, esimerkiksi 3G-internet ja Bluetooth-yhteys mittaus- ja hälytysdataa varten.
Edellä selostetut toimenpiteet aina hälytyspäätökseen asti voidaan siis tehdä mukana kannettavassa monitorointilaitteessa. Tällöin tukiaseman tehtäväksi jää välittää yleinen aktiivisuustaso ja hälytykset haluttuun kohteeseen.
Seuraavassa selostetaan keksinnön toteutusesimerkki epilepsiakohtauksen tunnistamiseksi huoneistossa olevan kiinteän tukiaseman yhteydessä: liikettä mitataan 3D kiihtyvyysanturilla ja monitorointilaite on kel-lonomainen laite, jota pidetään ranteessa monitorointilaite on kytketty 869 MHz radiolinkillä, joka on samanlainen kuin turvapuhelimissa, tukiasemaan. Voidaan käyttää myös muita tiedonsiirtotapoja, kuten Bluetooth, WLAN, jolloin voidaan käyttää tukiasemana älypuhelinta, johon on ladattu sopiva ohjelmisto. Mahdollisten lisäanturilaitteiden tiedonsiirtoon voidaan käyttää ANT+ tiedonsiirtoa, jolloin voidaan käyttää myös kolmansien osapuolten valmiita antureita, esimerkiksi pulssia mittaavaa rintapantaa.
Tukiaseman on vastaavalla 869 MHz radiolinkillä yhteydessä mobiilipu- helimeen, johon sisältyy paikannusominaisuus. tukiasema lähettää tiedot palvelimelle, jonne kerätään tarvittavat tiedot henkilöstä.
Poikkeavan tilan tunnistus tapahtuu siten, että ensin monitorointilaite kerää henkilön liiketilasta tietoa esim. noin 2 viikon jaksolta erikseen yö-ja päiväajalta. Kerätyn tiedon perusteella lasketaan normaali liikkeen piirteet: taajuussisältö ja eri taajuuksien amplitudit. Näistä tiedoista muodostetaan normeerattu vektori, joka kuvaa henkilön normaalia liikettä. Tallennetaan normaaliliikkeestä esim. 10 kpl erilaisia tyypillisiä vektoreita, jotka muodostavat henkilökohtaisen vertailumallin. Kerätään tiedot myös kohtausten ajalta ja lasketaan näistä piirrevektori, joka kuvaa kohtaukseen liittyvää liiketilaa kohtauksen tunnistustilassa lasketaan etäisyyttä vertailumallin vektorien ja kohtausvektorin välille.
Kun ennalta määrätty kynnysarvo ylitetään, annetaan hälytys.
Tukiasema voi olla myös mukana kuljetettava mobiililaite. Tällöin tukiasema voi olla esimerkiksi älypuhelin tai mobiili-internetillä tai muulla tiedonsiirtoyhteydellä varustettu tablettitietokone tai vastaava, jolloin anturi voi toimia suo raan bluetooth-linkin kautta tukiasemalle, ja tukiasema voi hälyttää mobiilin internetin tai puhelinverkon avulla. Tukiasema voi olla myös esimerkiksi erillinen laite, jossa on esimerkiksi 869 MHz radiolinkki anturilaitetta ja mahdollista sisäpuhelinta varten, ja joka käyttää hälytyksen edelleen lähettämiseksi langallista tai langatonta yhteyttä matkapuhelimeen tai mobiiliin internettiin.
Muutoksen tunnistus ja päätös hälytyksen lähettämisestä tehdään erikseen eri vaiheissa. Kriteerejä hälytyksen muodostamiselle ovat esim. muutoksen suuruus ja miten kauan poikkeava tila esiintyy. Nämä kriteerit voivat olla henkilökohtaisia.
Kriteerejä voidaan muuttaa aktiivisuustiedon perusteella siten, että hälytysra-jaa voidaan laskea aktiivisuustiedon perusteella esimerkiksi opettamalla jälkikäteen järjestelmä reagoimaan eri aktiivisuussignaalityyppeihin eri tavoin. Esimerkiksi voidaan opettaa järjestelmä tunnistamaan autolla tai muulla kulkuneuvolla ajo, saunominen, käyttäjän liikuntaharrastukset ja vastaavat tilanteet, joissa on syytä muuttaa hälytyskriteerejä turvallisuuden takia tai virhe-hälytysten välttämiseksi. Tällöin käyttäjän mittausdatan historiatietoa verrataan hänen kertomaan päiväohjelmaan jälkikäteen, ja siitä tunnistetaan esimerkiksi autolla ajo, jonka aikana mahdollinen sairaskohtaus on vaarallisempi kuin muulloin ja kohtausriskistä voidaan siksi varoittaa herkemmin. Samoin esimerkiksi havaitusta nukahtamisriskistä tai tarkkaavaisuuden laskusta voidaan hälyttää, mikäli henkilön ranteen liike- ja värähtelypatternit viittaavat ohjauspyörän käyttöön ja auton moottorin värähtelyihin samaan aikaan. Tällöin henkilön ei tarvitse ilmoittaa järjestelmälle ajoneuvon käytöstä, vaan ajoneuvon ohjauslaitteiden käyttö voidaan tunnistaa pelkästään ranteen kiih-tyvyysmittauksista. Tarkkaavaisuutta voidaan seurata esimerkiksi 6D-mittaamalla ohjauspyörän käytön hienomotoriikkaa ja nopeuden ja suunnan vaihteluita ajon aikana, jolloin terävät harvoin tapahtuvat ohjausreaktiot kertovat tarkkaavaisuuden laskusta (tai esimerkiksi humalatilasta), samoin ohjauksen herpaantuminen ja samaan aikaan tapahtuva nopeuden tasainen muutos viittaa yleensä jo tapahtuneeseen nukahtamiseen.
Yleensä aktiviteettien liikepiirteiden opettamisella voidaan parantaa järjestelmän selektiivisettä ja luotettavuutta, lisäksi hoitohenkilökunnalle aktiviteettien tunnistamisesta on apua dataa tulkittaessa ja käytettäessä sitä potilaan seurantaan.
Liikepiirteitä tunnistettaessa voidaan luoda eri aikaväleille piirrevektoreita siten, että lyhintä tutkittavaa verrattavaa ajanjaksoa edustaa mitattavan suureen taajuudesta johtuva jakson pituus ja sairautta indikoivan ilmiön havaitsemiseen tarvittava vektorin pituus käsiteltäessä sen hetkistä aktiviteettitilaa vastaavaa mittausdataa. Tällöin näytetaajuuden on oltava ainakin kaksi kertaa mitattavan suureen taajuinen, ja aikatason näytevektorin pituus riittävä luotettavan piirteen tunnistuksen tekemiseksi. Näitä lyhyen ajan mittausvek-toreista voidaan irrottaa piirteitä, esimerkiksi aktiviteetin keskimääräinen intensiteetti ja merkittävin taajuus, ja näistä ensimmäisistä lyhyen ajanjakson vektoreista irrotetuista piirteistä voidaan edelleen koota pidempiä ajanjaksoja kuvaavia vektoreita, joiden avulla voidaan seurata vuorokausirytmiä ja aktiivisuutta tuntien tai muutaman päivän aikana. Edelleen pidemmän ajanjakson vektoreista voidaan irrottaa piirteitä, esimerkiksi unen ja valveen aikamäärät, unen syvyyttä ja yhtenäisyyttä kuvaavia tilastoarvoja. Näitä kolmansia vektoreita käytetään edelleen elämäntapojen ja uniryhmin ja aktiivisuuden seurantaan pidemmällä aikavälillä. Itse mittalaitteen keräämä data voidaan tallentaa myös kokonaisuudessaan, jolloin kaikki yllämainitut vektorit voidaan luoda myös alusta alkaen jälkikäteen. Mittalaite voi toisaalta lähettää vain esikäsi-teltyjä ensimmäisistä vektoreista laskeutuja irrotettuja piirteitä, tai voidaan käyttää jotain sopivaa häviöllistä tai häviötöntä datanpakkausmenetelmää siirrettävän ja tallennettavan datamäärän vähentämiseen.
Claims (10)
1. Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka käsittää mukana kannettavan non-invasiivisen monitorointilaitteen, jolla kerätään tietoja henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain, välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan, tunnettu siitä, että järjestely sisältää edelleen välineet päivittää vertailumailla jatkuvasti ja välineet verrata vertailumallin päivitettyä versiota historiaan, jolloin vertailumaan muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset, ja siitä, että järjestely on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen vertailu ma Uit, eli valveillaolon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumallin.
2. Patenttivaatimuksen 1 mukainen järjestely, joka käsittää välineet vertailu-mallin päivittämiseksi jatkuvasti monitoroinnista saatavalla datalla, jota käytetään myös vertailumallista poikkeavien piirteiden havaitsemiseen siten, että havaittua poikkeamaa, joka ylittää hälytysrajan tai muun ennalta määrätyn rajan, ei käytetä päivitykseen.
3. Jonkin patenttivaatimuksen 1-2 mukainen järjestely, joka on sovitettu vertaamaan monitoroinnista saatavaa dataa yhtä aikaa henkilökohtaiseen vertailumaihin ja ainakin yhteen ennalta määrättyyn toiseen malliin, joka edustaa tietyn sairauskohtauksen motorisia tyyppioireita tai fysiologisten ominaisuuksien muutoksia.
4. Jonkin patenttivaatimuksen 1-3 mukainen järjestely, joka käsittää ranteessa kannettavan monitorointilaitteen.
5. Jonkin patenttivaatimuksen 1-4 mukainen järjestely, joka on sovitettu seuraamaan monitorointilaitteen liikkeitä 3D tai 6D kiihtyvyysanturilla tai -antureilla.
6. Jonkin patenttivaatimuksen 1-5 mukainen järjestely, joka on sovitettu laskemaan vertailumain normaaliliikkeiden taajuussisällön ja/tai taajuuksien amplitudien perusteella.
7. Patenttivaatimuksen 6 mukainen järjestely, joka on sovitettu muodostamaan taajuus- ja amplituditiedoista vektorin, joka kuvaa henkilön normaalia liikettä, ja tallentamaan normaaliliikkeestä useita erilaisia tyypillisiä vektoreita, ja/tai keräämään tiedot myös kohtausten ajalta ja laskemaan näistä piir-revektori, joka kuvaa kohtauksiin liittyvää liiketilaa ja sovitettu tunnistamaan kohtaus laskemalla etäisyyttä normaalivektorien ja kohtausvektorin välillä.
8. Patenttivaatimuksen 7 mukainen järjestely, jonka tuottamat vektorit käsittää aikasarjan mittausdataa tai niistä edelleen laskettuja tunnuspiirteitä esimerkiksi taajuustason esityksenä, korrelaatioarvoja tai tunnettujen hahmontunnistus- ja signaalinkäsittelymenetelmien, kuten itseorganisoituva piirre-kartta (SOM), avulla luotuja luokitteluarvoja.
9. Patenttivaatimuksen 1 mukainen järjestely, joka on sovitettu havainnoimaan ja analysoimaan suhteessa henkilökohtaiseen vertailumaihin käyttäen korrelaatiomenetelmää tai tunnettuja hahmontunnistus- ja signaalinkäsittelymenetelmiä kuten itseorganisoituvaa piirrekarttaa (SOM).
10. Ohjelmistotuote sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka ohjelmistotuote käsittää: välineet lukea kannettavan non-invasiivisen monitorointilaitteen tuottamaa tietoa henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain, välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan, tunnettu siitä, että ohjelmistotuote sisältää edelleen välineet päivittää vertailumailla jatkuvasti ja verrata vertailumallin päivitettyä versiota historiaan, jolloin ver-tailumallin muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset ja siitä, että ohjelmistotuote on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen vertailu ma II it, eli valveillaolon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumallin. Patentkrav
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20115308A FI126095B (fi) | 2011-03-31 | 2011-03-31 | Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi |
PCT/FI2012/050327 WO2012131171A1 (en) | 2011-03-31 | 2012-03-30 | Arrangement for monitoring and predicting a fit or a seizure |
EP12765285.7A EP2691021A4 (en) | 2011-03-31 | 2012-03-30 | ARRANGEMENT FOR MONITORING AND FORECASTING A SEAT OR FIT |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20115308A FI126095B (fi) | 2011-03-31 | 2011-03-31 | Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi |
Publications (3)
Publication Number | Publication Date |
---|---|
FI20115308A0 FI20115308A0 (fi) | 2011-03-31 |
FI20115308A FI20115308A (fi) | 2012-10-01 |
FI126095B true FI126095B (fi) | 2016-06-30 |
Family
ID=43806516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI20115308A FI126095B (fi) | 2011-03-31 | 2011-03-31 | Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP2691021A4 (fi) |
FI (1) | FI126095B (fi) |
WO (1) | WO2012131171A1 (fi) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016067101A2 (en) | 2014-10-29 | 2016-05-06 | Bloom Technologies NV | A method and device for contraction monitoring |
US11534104B2 (en) | 2014-10-29 | 2022-12-27 | Bloom Technologies NV | Systems and methods for contraction monitoring and labor detection |
US20160128638A1 (en) * | 2014-11-10 | 2016-05-12 | Bloom Technologies NV | System and method for detecting and quantifying deviations from physiological signals normality |
CN105869344B (zh) * | 2015-01-23 | 2020-08-11 | 青岛海尔智能技术研发有限公司 | 可穿戴设备及人身安全监测方法 |
FR3044788B1 (fr) * | 2015-12-03 | 2018-05-25 | L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude | Systeme de traitement de donnees pour la detection d'une crise d'exacerbation chez un patient souffrant d'une maladie respiratoire chronique traite par oxygenotherapie |
US10499844B2 (en) | 2016-07-01 | 2019-12-10 | Bloom Technologies NV | Systems and methods for health monitoring |
JP6535694B2 (ja) * | 2017-02-22 | 2019-06-26 | 株式会社ジンズ | 情報処理方法、情報処理装置及びプログラム |
CN110650681B (zh) | 2017-05-15 | 2023-08-15 | 布鲁姆技术公司 | 用于监测胎儿健康的系统和方法 |
WO2019016759A1 (en) | 2017-07-19 | 2019-01-24 | Bloom Technologies NV | MONITORING UTERINE ACTIVITY AND ASSESSING A RISK OF BIRTH BEFORE TERM |
CN113740790A (zh) * | 2020-05-29 | 2021-12-03 | 西门子(深圳)磁共振有限公司 | 局部线圈的软件更新方法、局部线圈管理装置和磁共振成像系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4421507B2 (ja) * | 2005-03-30 | 2010-02-24 | 株式会社東芝 | 眠気予測装置及びそのプログラム |
US7420472B2 (en) | 2005-10-16 | 2008-09-02 | Bao Tran | Patient monitoring apparatus |
US20070123754A1 (en) * | 2005-11-29 | 2007-05-31 | Cuddihy Paul E | Non-encumbering, substantially continuous patient daily activity data measurement for indication of patient condition change for access by remote caregiver |
US8075499B2 (en) * | 2007-05-18 | 2011-12-13 | Vaidhi Nathan | Abnormal motion detector and monitor |
FR2919406B1 (fr) * | 2007-07-23 | 2009-10-23 | Commissariat Energie Atomique | Procede et dispositif de reconnaissance de position ou de mouvement d'un dispositif ou d'un etre vivant. |
GB0724971D0 (en) * | 2007-12-21 | 2008-01-30 | Dupleix As | Monitoring method and apparatus |
US8920345B2 (en) | 2008-12-07 | 2014-12-30 | Apdm, Inc. | System and apparatus for continuous monitoring of movement disorders |
-
2011
- 2011-03-31 FI FI20115308A patent/FI126095B/fi active IP Right Grant
-
2012
- 2012-03-30 EP EP12765285.7A patent/EP2691021A4/en not_active Withdrawn
- 2012-03-30 WO PCT/FI2012/050327 patent/WO2012131171A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
FI20115308A (fi) | 2012-10-01 |
WO2012131171A1 (en) | 2012-10-04 |
EP2691021A1 (en) | 2014-02-05 |
FI20115308A0 (fi) | 2011-03-31 |
EP2691021A4 (en) | 2014-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI126095B (fi) | Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi | |
EP3132739B1 (en) | Enhancing vehicle system control | |
US10191537B2 (en) | Smart wearable devices and methods for customized haptic feedback | |
US10231664B2 (en) | Method and apparatus to predict, report, and prevent episodes of emotional and physical responses to physiological and environmental conditions | |
CN111166357A (zh) | 多传感器融合的疲劳监测装置系统及其监测方法 | |
CN103368792B (zh) | 用于对患者的健康状态进行监控的通信系统、通信设备、传感器设备以及方法 | |
US20080058670A1 (en) | Animal Condition Monitor | |
US20120283526A1 (en) | Method and a System for the Prediction of Epileptic Seizures | |
JP6563907B2 (ja) | 患者が安全領域を離れるリスクを決定する方法及び装置 | |
CN106725445B (zh) | 一种脑电波控制的便携式人体运动损伤监护系统与方法 | |
CN105118236A (zh) | 瘫倒监测和预防装置及其处理方法 | |
KR20150115028A (ko) | 애완동물 건강관리 시스템 및 그 제어방법 | |
US20140324459A1 (en) | Automatic health monitoring alerts | |
JP2017520288A (ja) | 動きによってトリガされるバイタルサイン測定 | |
NL2020786B1 (en) | Wearable device | |
JP2005521456A (ja) | 突然心停止モニターシステム | |
US20180206774A1 (en) | Wearable devices for assisting parkinson's disease patients | |
CA3034855A1 (en) | Fall warning for a user | |
KR101962002B1 (ko) | 생체신호 기반의 안전관리 작업복을 이용한 근로자 건강관리 모니터링 방법 | |
KR20180077453A (ko) | 동작 패턴 분석에 기반한 수면중 호흡 분석 시스템 | |
US20170325718A1 (en) | Neuropathic Diagnosis and Monitoring Using Earpiece Device, System, and Method | |
CN204744140U (zh) | 一种摔倒定位报警智能腕带 | |
US11766183B2 (en) | System and method for analyzing a physiological condition of a user | |
CN116407117A (zh) | 用于通过测量肌肉中的微小变化来诊断异常的设备 | |
KR102200398B1 (ko) | 개인화된 생체신호/주변환경 데이터에 기반한 개인맞춤형 활력징후정보 제공 방법 및 개인맞춤형 생활활력징후 제공 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG | Patent granted |
Ref document number: 126095 Country of ref document: FI Kind code of ref document: B |