FR3118574A1 - Procédé pour une surveillance et une analyse de l’état cardiaque d’un individu - Google Patents
Procédé pour une surveillance et une analyse de l’état cardiaque d’un individu Download PDFInfo
- Publication number
- FR3118574A1 FR3118574A1 FR2100114A FR2100114A FR3118574A1 FR 3118574 A1 FR3118574 A1 FR 3118574A1 FR 2100114 A FR2100114 A FR 2100114A FR 2100114 A FR2100114 A FR 2100114A FR 3118574 A1 FR3118574 A1 FR 3118574A1
- Authority
- FR
- France
- Prior art keywords
- individual
- processing unit
- signal
- anomaly
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 title description 3
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 14
- 230000005856 abnormality Effects 0.000 claims abstract description 6
- 230000002123 temporal effect Effects 0.000 claims abstract description 4
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 206010003658 Atrial Fibrillation Diseases 0.000 claims description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000010247 heart contraction Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 238000009610 ballistocardiography Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 208000013220 shortness of breath Diseases 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
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- A61B2562/0204—Acoustic sensors
-
- 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
- A61B2562/0247—Pressure sensors
-
- 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
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
-
- 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
- A61B5/68—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
- A61B5/6892—Mats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
La divulgation porte sur un procédé de détermination d’un état cardiaque d’un individu pour la fourniture d’une identification d’anomalie, ledit procédé comprenant :/a/ mesurer (201) au moins un signal représentatif d’une activité cardiaque de l’individu de manière réitérée ;/b/ déterminer (202) une pertinence d’au moins une partie de l’au moins un signal mesuré ;/c/ traiter (203) au moins une partie de l’au moins un signal mesuré ;/d/ analyser (204) une évolution temporelle d’au moins une partie de l’au moins un signal traité ;/e/ fournir (205) une identification d’anomalie basée sur les étapes /a/ à /d/. Figure de l’abrégé : Figure 2
Description
La présente divulgation relève du domaine des procédés de surveillance de l’état cardiaque d’un individu pendant son sommeil.
La détection précoce d’une maladie peut être cruciale pour le traitement de cette maladie et pour pouvoir pleinement profiter des possibilités et moyens de guérison.
Quant aux maladies liées au cœur, une détection précoce de telles maladies sans examens médicaux réguliers est souvent difficile, comme certains signes précurseurs de problèmes liés au cœur tels qu’une fatigue ou un essoufflement peuvent avoir de nombreuses origines.
Une surveillance d’une personne pendant son sommeil peut fournir des informations liées à des problèmes du cœur dont la personne concernée n’est souvent pas consciente.
A cet effet, différents dispositifs et procédés de surveillance ont été proposés, configurés pour détecter la respiration, le battement du cœur, ou des signaux de pression.
Un exemple d’un procédé pour la détection d’une activité cardiaque est illustré par JP2013500757 A.
Toutefois, ces signaux peuvent avoir une faible amplitude et être noyés dans un bruit de fond, et il peut être difficile d’en extraire des informations utiles.
Résumé
La présente divulgation vient améliorer la situation.
Il est proposé un procédé de détermination d’un état cardiaque d’un individu pour la fourniture d’une identification d’anomalie, ledit procédé comprenant :
/a/ mesurer au moins un signal représentatif d’une activité cardiaque de l’individu de manière réitérée ;
/b/ déterminer une pertinence d’au moins une partie de l’au moins un signal mesuré ;
/c/ traiter au moins une partie de l’au moins un signal mesuré ;
/d/ analyser une évolution temporelle d’au moins une partie de l’au moins un signal traité ;
/e/ fournir une identification d’anomalie basée sur les étapes /a/ à /d/.
/a/ mesurer au moins un signal représentatif d’une activité cardiaque de l’individu de manière réitérée ;
/b/ déterminer une pertinence d’au moins une partie de l’au moins un signal mesuré ;
/c/ traiter au moins une partie de l’au moins un signal mesuré ;
/d/ analyser une évolution temporelle d’au moins une partie de l’au moins un signal traité ;
/e/ fournir une identification d’anomalie basée sur les étapes /a/ à /d/.
L’identification d’une anomalie permet de prendre des mesures précoces pour prévenir le déclenchement d’une maladie, ou, dans le cas qu’un déclenchement de la maladie ne peut pas être prévenu, de prévoir à temps un traitement adapté pour l’individu.
Dans un mode de réalisation, l’étape /b/ comprend une étape d’apprentissage automatique, mise en œuvre par une intelligence artificielle.
Une étape d’apprentissage automatique permet de mettre en œuvre le principe d'apprentissage par l'expérience, c’est-dire de déterminer, sur la base de signaux mesurés antérieurement, si un signal ou une partie d’un signal est pertinent et devrait être pris en compte pour la détermination d’un état cardiaque de l’individu.
Dans un mode de réalisation, l’au moins un signal représentatif d’une activité cardiaque est un signal de pression et l’étape /c/ comprend la détermination d’un ballistocardiogramme.
La ballistocardiographie est une technique exploratoire des mouvements infimes du corps provoqués par la contraction cardiaque. Ici en particulier, dans un ballistocardiogramme, on focalise l’attention et l’analyse sur les mouvements infimes du corps provoqués par une contraction cardiaque. Des anomalies de l’état cardiaque peuvent se retrouver dans le ballistocardiogramme, et être analysées lors de la mise en œuvre de l’étape /d/. On remarque qu’un ballistocardiogramme peut être obtenu de manière tout-à-fait non invasive, même à l’insu de l’individu. On remarque aussi qu’un ballistocardiogramme peut être obtenu sans contact direct avec l’individu.
Dans un mode de réalisation, l’étape /c/ comprend le calcul d’une autosimilarité.
L’autosimilarité permet d’analyser et de classifier l’au moins une partie de l’au moins un signal mesuré, et ce sans l’utilisation d’un signal de référence externe.
L’autosimilarité s’intéresse à tout ou partie des extrema du signal mesuré, et on calcule, en fonction d’un décalage temporel entre un signal mesuré et sa recopie (appelé aussi signal de référence ci-après) décalée temporellement, un score représentatif de la somme des distances entre chaque extremum du signal mesuré et l’extremum le plus proche sa recopie.
Comme les ressources informatiques requises pour le calcul d’une autosimilarité sont moins importantes que les ressources informatiques requises pour la mise en œuvre de méthodes similaires telles que l’autocorrelation, les coûts de calcul peuvent être minimisés.
Dans un mode de réalisation, l’étape /d/ est mise en œuvre au moins en partie par une intelligence artificielle.
L’analyse de l’évolution temporelle d’au moins une partie d’au moins un signal traité par une intelligence artificielle permet une grande flexibilité dans la mise en œuvre de l’étape /d/. Ainsi, le procédé peut aboutir et fournir une identification d’anomalie pour un grand nombre de formes et motifs de signaux, grâce à la capacité de l’intelligence artificielle de classification des signaux à.
Dans un mode de réalisation, l’intelligence artificielle comprend un réseau de neurones artificiels.
Un réseau de neurones artificiels met en œuvre le principe d'apprentissage par l'expérience, ce qui permet d’optimiser les résultats obtenus dans l’analyse selon l’étape /d/ en fonction de résultats obtenus antérieurement.
Dans un mode de réalisation, le réseau de neurones artificiels comprend un réseau de neurones convolutionnel bidimensionnel, i.e. un réseau de neurones avec au moins une couche à convolution bidimensionnelle.
Ce type de réseau de neurones est spécialement adapté pour une analyse d’images, notamment pour la détection et l’analyse de certains motifs et formes dans des images. En pratique, on confectionne une image à partir d’une juxtaposition de plusieurs résultats d’autosimilarité et l’image en question constitue l’entrée du réseau de neurones.
Dans un mode de réalisation, au moins une partie des étapes /c/ à /e/ est mise en œuvre de manière réitérée, et l’identification d’une anomalie est fournie toutes les 1 minute à 5 minutes.
D’une manière générale, on surveille les signaux sur un terme moyen ou long au regard de la période cardiaque.
Ainsi, une étude précise de l’évolution temporelle de l’anomalie identifiée peut être effectuée.
Dans un mode de réalisation, l’étape /b/ comprend :
- analyser l’au moins un signal mesuré représentatif d’une activité cardiaque de l’individu ; et/ou
- mesurer et analyser au moins un signal supplémentaire représentatif d’un mouvement effectué par l’individu, d’une respiration de l’individu ou d’une pression exercée par l’individu.
- analyser l’au moins un signal mesuré représentatif d’une activité cardiaque de l’individu ; et/ou
- mesurer et analyser au moins un signal supplémentaire représentatif d’un mouvement effectué par l’individu, d’une respiration de l’individu ou d’une pression exercée par l’individu.
Cette étape permet de vérifier si les conditions nécessaires pour l’identification d’une anomalie sont remplies, par exemple si l’individu est présent et positionné correctement.
Dans un mode de réalisation, l’étape /e/ comprend l’identification d’une fibrillation atriale ou l’identification d’une absence d’anomalie.
Le procédé permet de fournir une identification d’anomalie pertinente et facile à comprendre pour un individu sans formation médicale, de type « Aucune anomalie détectée » ou « Fibrillation atriale détectée : Veuillez contacter votre médecin traitant. ».
Dans un mode de réalisation, au moins une partie du procédé est mise en œuvre pendant un sommeil de l’individu.
Ainsi, des signaux peuvent être mesurés en continu et dans un état de repos de l’individu, tout en minimisant des perturbations des mesures, c’est-à-dire en évitant par exemple des tensions ou du stress que l’individu pourrait ressentir lors d’un examen dans un cabinet médical.
On peut bénéficier de la collection des signaux sur une période longue de plusieurs heures de sommeil d’une nuit et répéter cette acquisition chaque nuit, et ainsi accumuler une grande quantité de données.
Un autre aspect de la divulgation comprend un dispositif de détermination d’un état cardiaque d’un individu pour la fourniture d’une identification d’anomalie, le dispositif comprenant au moins un capteur configuré pour mesurer au moins un signal représentatif d’une activité cardiaque de l’individu de manière réitérée, et une première unité de traitement configurée pour la mise en œuvre du procédé de détermination d’un état cardiaque de l’individu pour la fourniture d’une identification d’anomalie, le dispositif étant configuré pour déterminer l’état cardiaque de l’individu sans être en contact physique avec l’individu.
Ce dispositif permet de mettre en œuvre le procédé de détermination d’un état cardiaque d’un individu pour la fourniture d’une identification d’anomalie.
L’identification d’une anomalie permet de prendre des mesures précoces pour prévenir le déclenchement d’une maladie, ou, dans le cas qu’un déclenchement de la maladie ne peut pas être prévenu, de prévoir à temps un traitement adapté de l’individu.
L’individu ne porte pas d’électrodes ou d’autres capteurs à son corps pendant la mise en œuvre du procédé. Totalement non invasif, le dispositif est transparent à l’utilisation pour un individu, et voire utilisable dans certains cas pathologiques même à l’insu de l’individu. Des signaux utiles peuvent être obtenus sans contact direct avec l’individu.
Dans un mode de réalisation, le dispositif comprend une seconde unité de traitement déportée du dispositif et configurée pour recevoir par la première unité de traitement, après une mise en œuvre du procédé par la première unité de traitement, des données représentatives d’au moins une partie de l’au moins un signal mesuré et/ou de l’au moins un signal traité et/ou de l’identification d’anomalie.
Ainsi, au moins une partie des données mesurées et/ou traitées et/ou toutes autres données à l’identification d’anomalie peuvent être transmises à la seconde unité de traitement, pour une sauvegarde et/ou une visualisation et/ou une utilisation ultérieure.
Dans un mode de réalisation, la seconde unité de traitement comprend un « smartphone » ou une tablette.
Un « smartphone »/une tablette permet de sauvegarder des données, par exemple sur le « smartphone »/la tablette, un cloud ou toute autre unité de stockage, de visualiser des données ou de partager des données avec une personne qualifiée telle qu’un médecin.
Un autre aspect de la divulgation comprend un produit programme informatique comportant des instructions pour la mise en œuvre du procédé de la présente invention, lorsque le produit programme informatique est exécuté par un processeur.
Ce programme peut utiliser n’importe quel langage de programmation (par exemple, un langage-objet ou autre), et être sous la forme d’un code source interprétable, d’un code partiellement compilé ou d’un code totalement compilé.
La décrite en détail ci-après peut former la première unité de traitement configurée pour la mise en œuvre du procédé de détermination d’un état cardiaque de l’individu pour la fourniture d’une identification d’anomalie.
D’autres caractéristiques, détails et avantages apparaîtront à la lecture de la description détaillée ci-après, et à l’analyse des dessins annexés, sur lesquels :
Fig. 1
Fig. 2
Fig. 3
Fig. 4
Fig. 5
Fig. 6
Fig. 7
Claims (15)
- Dispositif (101) de détermination d’un état cardiaque d’un individu pour la fourniture d’une identification d’anomalie, le dispositif comprenant au moins un capteur (107, 108) configuré pour mesurer au moins un signal représentatif d’une activité cardiaque de l’individu, et une première unité (106) de traitement, la première unité (106) de traitement étant configurée pour mettre en œuvre un procédé de détermination d’un état cardiaque d’un individu pour la fourniture d’une identification d’anomalie, ledit procédé comprenant :
/a/ mesurer (201) au moins le signal représentatif d’une activité cardiaque de l’individu de manière réitérée ;
/b/ déterminer (202) une pertinence d’au moins une partie de l’au moins un signal mesuré ;
/c/ traiter (203) au moins une partie de l’au moins un signal mesuré ;
/d/ analyser (204) une évolution temporelle d’au moins une partie de l’au moins un signal traité ;
/e/ fournir (205) une identification d’anomalie basée sur les étapes /a/ à /d/. - Dispositif selon la revendication 1, dans lequel l’étape /b/ comprend une étape d’apprentissage automatique, mise en œuvre par une intelligence artificielle.
- Dispositif selon l’une quelconque des revendications précédentes, dans lequel l’au moins un signal représentatif d’une activité cardiaque est un signal de pression et l’étape /c/ comprend la détermination d’un ballistocardiogramme.
- Dispositif selon l’une quelconque des revendications précédentes, dans lequel l’étape /c/ comprend le calcul d’une autosimilarité.
- Dispositif selon l’une quelconque des revendications précédentes, dans lequel l’étape /d/ est mise en œuvre au moins en partie par une intelligence artificielle.
- Dispositif selon la revendication 5, dans lequel l’intelligence artificielle comprend un réseau de neurones artificiels.
- Dispositif selon la revendication 6, dans lequel le réseau de neurones artificiels comprend un réseau de neurones convolutionnel bidimensionnel (301).
- Dispositif selon l’une quelconque des revendications précédentes, dans lequel au moins une partie des étapes /c/ à /e/ est mise en œuvre de manière réitérée, et l’identification d’une anomalie est fournie toutes les 1 minute à 5 minutes.
- Dispositif selon l’une quelconque des revendications précédentes, dans lequel l’étape /b/ comprend :
- analyser l’au moins un signal mesuré représentatif d’une activité cardiaque de l’individu ; et/ou
- mesurer et analyser au moins un signal supplémentaire représentatif d’un mouvement effectué par l’individu, d’une respiration de l’individu ou d’une pression exercée par l’individu. - Dispositif selon l’une quelconque des revendications précédentes, dans lequel l’étape /e/ comprend l’identification d’une fibrillation atriale ou l’identification d’une absence d’anomalie.
- Dispositif selon l’une quelconque des revendications précédentes, dans lequel au moins une partie du procédé est mise en œuvre pendant un sommeil de l’individu.
- Dispositif (101) selon l’une quelconque des revendications 1 à 11,
le dispositif étant configuré pour déterminer l’état cardiaque de l’individu sans être en contact physique avec l’individu. - Dispositif selon la revendication 12, dans lequel le dispositif (101) comprend une seconde unité de traitement déportée du dispositif et configurée pour recevoir par la première unité de traitement, après une mise en œuvre du procédé par la première unité de traitement (106), des données représentatives d’au moins une partie de l’au moins un signal mesuré et/ou de l’au moins un signal traité et/ou de l’identification d’anomalie.
- Dispositif selon la revendication 13, dans lequel la seconde unité de traitement comprend un « smartphone » (105) ou une tablette et dans lequel la seconde unité de traitement permet de préférence de visualiser des données ou de partager des données avec une personne qualifiée telle qu’un médecin.
- Dispositif selon l’une des revendications précédentes, comprenant un capteur de pression (107) configuré pour mesurer au moins un signal représentatif d’une activité cardiaque de l’individu de manière réitérée, ledit capteur de pression (107) comprenant une chambre pneumatique.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2100114A FR3118574B1 (fr) | 2021-01-07 | 2021-01-07 | Procédé pour une surveillance et une analyse de l’état cardiaque d’un individu |
EP22704404.7A EP4274477A1 (fr) | 2021-01-07 | 2022-01-07 | Procédé pour une surveillance et une analyse de l'état cardiaque d'un individu |
PCT/FR2022/050045 WO2022148938A1 (fr) | 2021-01-07 | 2022-01-07 | Procédé pour une surveillance et une analyse de l'état cardiaque d'un individu |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2100114 | 2021-01-07 | ||
FR2100114A FR3118574B1 (fr) | 2021-01-07 | 2021-01-07 | Procédé pour une surveillance et une analyse de l’état cardiaque d’un individu |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3118574A1 true FR3118574A1 (fr) | 2022-07-08 |
FR3118574B1 FR3118574B1 (fr) | 2023-05-12 |
Family
ID=76034682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2100114A Active FR3118574B1 (fr) | 2021-01-07 | 2021-01-07 | Procédé pour une surveillance et une analyse de l’état cardiaque d’un individu |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4274477A1 (fr) |
FR (1) | FR3118574B1 (fr) |
WO (1) | WO2022148938A1 (fr) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013500757A (ja) | 2009-07-31 | 2013-01-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 心弾道図信号解析の方法および装置 |
US20170035303A1 (en) * | 2013-12-20 | 2017-02-09 | Sonomedical Pty Ltd | System and method for monitoring physiological activity of a subject |
US20170281017A1 (en) * | 2004-02-05 | 2017-10-05 | Earlysense Ltd. | Monitoring a condition of a subject |
US20180153477A1 (en) * | 2016-12-02 | 2018-06-07 | Cardiac Pacemakers, Inc. | Multi-sensor stroke detection |
US20190053761A1 (en) * | 2006-09-22 | 2019-02-21 | Select Comfort Retail Corporation | Systems and methods for monitoring a subject at rest |
US20200205687A1 (en) * | 2017-09-21 | 2020-07-02 | Koninklijke Philips N.V. | Detecting atrial fibrillation using short single-lead ecg recordings |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11103139B2 (en) * | 2015-06-14 | 2021-08-31 | Facense Ltd. | Detecting fever from video images and a baseline |
EP3456256B1 (fr) | 2017-09-13 | 2022-02-16 | Withings | Procédés, appareil et programmes informatiques permettant de déterminer des fréquences de biosignaux |
-
2021
- 2021-01-07 FR FR2100114A patent/FR3118574B1/fr active Active
-
2022
- 2022-01-07 WO PCT/FR2022/050045 patent/WO2022148938A1/fr unknown
- 2022-01-07 EP EP22704404.7A patent/EP4274477A1/fr active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170281017A1 (en) * | 2004-02-05 | 2017-10-05 | Earlysense Ltd. | Monitoring a condition of a subject |
US20190053761A1 (en) * | 2006-09-22 | 2019-02-21 | Select Comfort Retail Corporation | Systems and methods for monitoring a subject at rest |
JP2013500757A (ja) | 2009-07-31 | 2013-01-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 心弾道図信号解析の方法および装置 |
US20170035303A1 (en) * | 2013-12-20 | 2017-02-09 | Sonomedical Pty Ltd | System and method for monitoring physiological activity of a subject |
US20180153477A1 (en) * | 2016-12-02 | 2018-06-07 | Cardiac Pacemakers, Inc. | Multi-sensor stroke detection |
US20200205687A1 (en) * | 2017-09-21 | 2020-07-02 | Koninklijke Philips N.V. | Detecting atrial fibrillation using short single-lead ecg recordings |
Also Published As
Publication number | Publication date |
---|---|
EP4274477A1 (fr) | 2023-11-15 |
WO2022148938A1 (fr) | 2022-07-14 |
FR3118574B1 (fr) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10743809B1 (en) | Systems and methods for seizure prediction and detection | |
Tsanas et al. | Accurate telemonitoring of Parkinson’s disease progression by non-invasive speech tests | |
CN109069081B (zh) | 用于预测、筛查和监测脑病/谵妄的设备、系统和方法 | |
JP6124140B2 (ja) | 患者の認知機能の評価 | |
US20040243328A1 (en) | System and method for categorical analysis of time dependent dynamic processes | |
US20240038383A1 (en) | Health Monitoring System | |
Mohagheghian et al. | Atrial fibrillation detection on reconstructed photoplethysmography signals collected from a smartwatch using a denoising autoencoder | |
WO2019180393A1 (fr) | Méthode de génération d'un indicateur d'état d'une personne dans le coma | |
CN112057068A (zh) | 一种癫痫病理数据分类方法、装置及存储介质 | |
US20230107435A1 (en) | Brain Wave Analysis of Human Brain Cortical Function | |
US20220199245A1 (en) | Systems and methods for signal based feature analysis to determine clinical outcomes | |
WO2020118372A1 (fr) | Procédé de surveillance d'une région gastro-intestinale chez un sujet | |
FR3118574A1 (fr) | Procédé pour une surveillance et une analyse de l’état cardiaque d’un individu | |
Wipperman et al. | A pilot study of the Earable device to measure facial muscle and eye movement tasks among healthy volunteers | |
Vianne et al. | A Promising Approach to Detect Signs of Apathy from a Single Tri-axial Accelerometer | |
Sivanesan et al. | A Novel Scheme for detection of Parkinson’s disorder from Hand-eye Co-ordination behavior and DaTscan Images | |
CN114334090B (zh) | 一种数据分析方法、装置及电子设备 | |
US11935652B1 (en) | Health status change detection using anomaly detection in latent spaces | |
Su et al. | An Interpretable Deep Learning Optimized Wearable Daily Monitoring System for Parkinson's Disease Patients | |
TWI765420B (zh) | 心衰竭預測組件 | |
US20230012989A1 (en) | Systems and methods for rapid neurological assessment of clinical trial patients | |
Tihak et al. | Classification of Atrial Fibrillation ECG Signals Using 2D CNN | |
Wipperman et al. | A pilot study of the Earable device to measure facial muscle and eye movement tasks among healthy volunteers. PLOS Digit Health 1 (6): e0000061 | |
Mishra et al. | Identification of type-2 diabetes by electrocardiogram signal using flexible analytical wavelet transform | |
CA3182240A1 (fr) | Systemes et procedes pour la collecte de donnees de signal retinien et l'elimination d'artefacts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20220708 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
PLFP | Fee payment |
Year of fee payment: 4 |