JP2008520384A - 限られたプロセッサ資源で呼吸数を実時間判定するための方法及びシステム - Google Patents
限られたプロセッサ資源で呼吸数を実時間判定するための方法及びシステム Download PDFInfo
- Publication number
- JP2008520384A JP2008520384A JP2007543361A JP2007543361A JP2008520384A JP 2008520384 A JP2008520384 A JP 2008520384A JP 2007543361 A JP2007543361 A JP 2007543361A JP 2007543361 A JP2007543361 A JP 2007543361A JP 2008520384 A JP2008520384 A JP 2008520384A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- respiration
- computer
- recognizing
- respiratory
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- 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
- 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
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1073—Measuring volume, e.g. of limbs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
Abstract
呼吸信号における呼吸発生を認識するための方法である。本方法は、一回呼吸量信号を有するデジタル化された呼吸信号を受信するステップと、選定された期間よりも小さい期間のアーチファクトを制限するために、前記受信された呼吸信号をフィルタリングするステップと、フィルタリングされた呼吸信号において呼吸を認識するステップを含む。フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識する。本発明は又、心電図R波から呼吸を認識するための方法、本発明の方法を実行するためのコードを有するコンピュータ方法、被検者を監視し、本発明の方法を実行するローカル若しくは遠隔のコンピュータ又は他の装置を含む監視システムを含む。
【選択図】図2
【選択図】図2
Description
本発明は、被検者からの生理学的データの処理に関し、特に、利用可能なコンピュータ資源を用いて手持ち型のシステム上で呼吸数を抽出するための方法を提供するものである。
心拍数(「HR」)及び呼吸数(「BR」)といった生理学的徴候の実時間携帯監視は、様々な状況において重要である。そのような携帯監視システムは利用可能であり、多くの場合、被検者の領域にあって、監視されるデータをバッファリングし、かつ、後の解析のために再び送信するための手持ち型コンピュータを含む。例えば、VivoMetrics社(カリフォルニア州ヴェントゥーラ)のLifeShirt(登録商標)を参照されたい。そのような手持ち型コンピュータが又、監視されるデータ、特に呼吸数及び心拍数から実時間で生理学的徴候を抽出すると、好都合である。
手持ち型システムは処理能力が限られているので、より能力のある遠隔サーバシステムを用いる場合に比べて、そのような抽出を行うことが難しくなる。例えば、処理能力が大きく容易に拡張可能なサーバシステムのための抽出方法は、膨大なフィルタリング及び他の信号解析演算を含んでおり、これは、手持ち型コンピュータにおいて利用可能な領域システム能力では容易に実行できない。更に、有用であるためには、手持ち型抽出方法は、利用可能なパワー及びスピード、最小限の待ち時間での実時間処理、広範囲の被検者及び監視環境への処理の適用、パラメータの正確な抽出、特に最小限の、例えば呼吸といったイベントの見逃し及び/又は誤識別、並びに活動体からのデータにありがちな動きアーチファクトの効果的な除去を含む更なる課題を解決しなければならない。このような課題に取り組むための方法は、先行技術において知られていない。
本発明の好ましい実施形態は、呼吸信号における呼吸発生を認識するための、手持ち型及び他の電子機器に適した方法に向けられる。本方法は、一回呼吸量信号を含むデジタル化された呼吸信号を受け取り、選定された期間よりも小さい期間のアーチファクトを制限するために受け取った呼吸信号をフィルタリングし、フィルタリングされた呼吸信号において呼吸を認識する第1の方法を含む。フィルタリングされた一回呼吸量信号の振幅の偏差が、前に判定された呼吸の平均に対する選定された比率を超える場合に、呼吸が認識される。本方法は、更に、呼吸発生から呼吸数を判定することを含むことが好ましい。
その選定された比率は、被検者の活動レベルに応じて変化することが好ましい。呼吸信号のフィルタリングは、選定された期間に発生する呼吸信号サンプルの中央値を取ることによる、一又はそれ以上の呼吸信号サンプルのフィルタリングを含むことが好ましい。中央値は、フィルタリングされた呼吸信号サンプルを含むことが好ましい。呼吸信号のフィルタリングは更に、信号に対して線形ローパスフィルタを適用することを含むことがより好ましい。選定された期間は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定された被検者の活動レベルに応じて変化することが好ましい。呼吸信号は、被検者の胸郭及び腹部の周囲に配置された誘導プレチスモグラフ容積センサを用いて検出されることが好ましい。
一つの実施形態において、呼吸発生を認識する方法は更に、呼吸性洞性不整脈を示す心拍変動から呼吸を認識することを含む第2の方法を含む。心拍変動は、心電図信号において認識されるR波から判定されることが好ましい。R波の認識は、受け取った心電図信号の異なってスケーリングされた2つの移動平均を比較することにより、信号対ノイズ比を判定し、心電図信号の偏差が、選定された信号対ノイズ比の閾値を超える信号極大を選定し、隣接する認識されたR波に対して選定された時間的な関係で発生する選定された信号極大からR波を認識することを含むことが好ましい。それに加えて、本方法は更に、第1の方法によって認識された一又はそれ以上の呼吸と第2の方法によって認識された一又はそれ以上の呼吸とを比較し、一又はそれ以上の認識された呼吸発生を、比較された呼吸から、又は比較された呼吸に応じて選定することを含むことができる。
この方法は又、追加的なインスタンスとして、選定された部分及び/又は選定された期間が各別のインスタンスにおいて異なるようにして、受取り、フィルタリング及び認識のステップを並行的に実行するものとすることが好ましい。次いで、受取り、フィルタリング及び認識のステップの追加的なインスタンスによって認識された一又はそれ以上の呼吸が比較され、一又はそれ以上の認識された呼吸発生が、比較された呼吸から、又は比較された呼吸に応じて選定されるようにすることが好ましい。
本発明は又、呼吸発生を認識する方法を実行するための命令を有するコンピュータメモリに向けられる。コンピュータメモリは、手持ち型コンピュータといったコンピュータシステムに、動作可能に結合されていることが好ましい。
本発明は又、心電図信号におけるR波を認識するための方法に向けられる。本方法は、デジタル化された心電図信号を受け取り、受け取った心電図信号の異なってスケーリングされた2つの移動平均を比較することにより、信号対ノイズ比を判定し、心電図信号の偏差が、選定された信号対ノイズ比の閾値を超える信号極大を選定し、隣接する認識されたR波に対し選定された時間的な関係で発生する、選定された信号極大からR波を認識することを含む。心拍数信号は、その極小を除去するために、フィルタリングされることが好ましい。本発明は又、心拍数信号の極小及び/又は極大に応じて呼吸発生を認識することを含むことができる。
本発明は又、被検者から収集された生理学的信号において呼吸発生を判定する方法に向けられる。本発明は、少なくとも一つの呼吸数検出法を実行することを含み、その呼吸数検出法の各々は、呼吸数の候補を判定し、その方法を実行するための命令をメモリに有するコンピュータシステム上で並行的に実行される。次いで、改善された呼吸数は、判定された呼吸数の候補に応じて判定される。改善された呼吸数の判定は、複数の認識された呼吸を比較するために統計的技術を用いることが好ましい。好ましい形態では、改善された呼吸数の判定は又、個々の呼吸についての信頼性を判定することを含むことができる。
本発明は又、本発明の方法を実行するための命令を有するコンピュータメモリ、そして又、本発明の方法を実行するための命令を有するコンピュータメモリに動作可能に結合された、手持ち型コンピュータ機器を含む携帯型コンピュータ機器に向けられる。これらの命令は更に、互いに異なったものであるか、又は異なるパラメータを付された形で、本発明の方法を2又はそれ以上のインスタンスとして並列的に実行し、別々のインスタンスにおいて認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸であることについての信頼性を求め、その示された信頼性に応じて信頼性のある呼吸発生が出力されるように特定することができる。
本発明は又、被検者の胸郭及び腹部の周囲に配置された、誘導プレチスモグラフセンサといった容積センサ、遠隔のコンピュータシステムとの無線通信、並びに該容積センサ、該無線通信、及びメモリと動作可能に結合された、被検者の体に付けられて持ち運ばれるか、若しくは被検者が持ち運ぶ処理装置を含む、被検者における呼吸発生を監視するための携帯監視システムに向けられる。携帯システムのメモリは、本発明の方法における一又はそれ以上のインスタンスを実行するための命令を有する。複数の方法が並列的に実行される場合には、これらの命令は更に、方法の複数のインスタンスにより認識された呼吸発生を比較し、認識された呼吸発生が真の呼吸であることについての信頼性の指標を提供し、その示された信頼性の指標に応じて信頼性のある呼吸発生が出力されるようにすることが好ましい。
ECG信号におけるR波を認識する本発明の方法において、R波を認識することができる、選定された時間的関係は、始点及び終点を有する期間を含み、始点時刻は、前に認識されたR波の発生時刻に選定されたロックアウト(lockout)期間を加えたものであり、終点時刻は、始点時刻に選定された探索可能間隔期間を加えたものである。ここで、ロックアウト期間は、最近の7つのR波間隔の中央値の約20%から約50%の間であり、探索可能期間は、msecで最近のR波間隔の約3/4から約4/4の間である。更にこれらの方法において、SNRを判定するために、ノイズを示す一つの移動平均が、受け取ったECG信号の約400サンプル以上のレートでサンプリングされ、信号を示す別の移動平均が、受け取ったECG信号の約24サンプル以下のレートでサンプリングされる。これらのパラメータは、約200HzのECG信号についてのものであり、他のサンプリングについては、これに比例して調整される。
本発明の方法及びシステムにおいて、本方法の様々なパラメータ、例えば選定された期間及び/又は選定された比率は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定することができる被検者の活動に応じて変化するものとすることが好ましい。方法パラメータは又、遠隔のコンピュータシステムから本発明のシステムにダウンロードされることができる。これらの遠隔システムは、これらのパラメータを、被検者の活動に応じて実時間で判定することができ、又は予め決定されたパラメータから被検者の活動に応じて選定することができる。
本発明は又、ここでは明示的に説明されていないが当業者が有用及び/又は好都合と認識できる、幾つかの方法及びシステムの組み合わせを有する実施形態を含む。
従って、本発明は、先行技術の欠点を克服する、監視されるデータから生理学的徴候を実時間で抽出し判定するシステム及び方法を記述するものである。
本発明は、以下の本発明の好ましい実施形態の詳細な説明、本発明の特定の実施形態の説明に役立つ実例、及び添付の図面によって、より十分に理解することができる。
好ましい呼吸数検出方法及びシステムが、動作確認データと共に、ここで説明される。提示され、かつ説明される本発明に制限されることなく、これらの提示及び説明の明確性のために見出しが用いられる。
先ず、図2のブロック1及び6を参照すると、本発明は、多くの知られた呼吸監視技術から生じる呼吸信号に適用可能である。専ら具体的に且つ簡潔であることを意図して、不利益を伴うことなく、本発明は、ここで主に、センサ、特に好ましくは被検者の胸郭及び腹部の周囲に配置された誘導プレチスモグラフ(「IP」)「容積センサ」から生じる呼吸信号に関して説明される。一般的に、「容積センサ」は、被検者の体の一部、例えば胴、首、手足、又はそれらの一部の容積の様々な徴候に反応する信号を収集する。胴の一部又はそれ以上の部分、例えば腹部及び胸郭の容積センサは、呼吸数、呼吸気量、呼吸イベント等を判定するために、二成分呼吸モデルを用いて分析される徴候を提供する。
この技術及びそれに関連する信号処理方法は、下記の米国特許及び米国出願に説明されており、これらの特許は、すべての目的のために、その全体がここに組み込まれ、自由に参照される。2000年4月4日発行のSackner他による米国特許明細書第6,047,203号、2003年4月22日発行のSackner他による米国特許明細書第6,551,252号、及び2004年4月9日出願のBehar他による米国特許出願第10/822,260号。
これに加えて、動き及び体位信号を加速度計によって計測することができ、心臓電気活動信号をECG電極によって計測することができる。
メディアン法
本発明は、呼吸数判定のための2つの相補的且つ協調的方法、メディアン法及び呼吸性洞性不整脈法を含む。
本発明は、呼吸数判定のための2つの相補的且つ協調的方法、メディアン法及び呼吸性洞性不整脈法を含む。
メディアンフィルタリング
図2のブロック6−10は、メディアン法を大まかに示す。該メディアン法は、呼吸測定及び処理から得られた信号のメディアンフィルタリングを含み、該メディアン法に引き続き呼吸検出が行われる。図2のブロック12に関して、これらのステップを定義するパラメータは、本発明の様々な適用において適切な結果を出すために、注意深く選定されなければならない。本方法は又、様々な任意選択事項及び機能増強手法を含む。ここでは、メディアン法は、サンプル呼吸信号の処理に関して説明される。
図2のブロック6−10は、メディアン法を大まかに示す。該メディアン法は、呼吸測定及び処理から得られた信号のメディアンフィルタリングを含み、該メディアン法に引き続き呼吸検出が行われる。図2のブロック12に関して、これらのステップを定義するパラメータは、本発明の様々な適用において適切な結果を出すために、注意深く選定されなければならない。本方法は又、様々な任意選択事項及び機能増強手法を含む。ここでは、メディアン法は、サンプル呼吸信号の処理に関して説明される。
図1A及び1Bは、本発明の特定の適用例における、それぞれ9秒及び6秒での典型的な呼吸信号を示す。これらの図は、それぞれ被検者の動き以上及び以下の期間に記録された信号を表わし、又それぞれのメディアンフィルタリングの例を示す。両図において、CHA及びCHBのトレースは、測定された胸郭(「RC」)及び腹部(「AB」)の容積変化を表わし、該容積変化は、二成分呼吸モデルに従って合成され、一回呼吸量信号を表わすトレースであるVtトレースを生成する。ACCトレースは、処理された加速度計信号を表わす。test1及びtest2は、以下で更に説明されるメディアンフィルタリングの結果である。
図1Aに戻って、Vtトレースは、4つの相対的に小さく且つ短い極大並びに4つの相対的に大きく且つ長い極大を含む。大きく且つ長い極大は、RC及びABの実際の動きに関連する呼吸である。各呼吸は、極大肺容量直前の極小肺容量である吸気開始点に始まり、次の極大の前の次の極小である次の吸気開始点に終わる。
これらの測定中、被検者は歩行しており、ACCトレースは、歩行中に生じる加速(すなわち、被検者の足が地面に着き及び/又は離れる時)を表わす、短く且つ鋭い極大を多く示す。小さく且つ短いVt極大が、ACCトレースの短い極大に密接な相関関係にあることは明らかに見て取れるので、これらの極大が、被検者の呼吸ではなく被検者の動きによって生じるアーチファクトであるらしいと識別する。
図2のブロック7に関して、これらの信号(Vt及び/又はRC及び/又はAB信号を含む呼吸信号)が先ず、本発明の特定の適用において予期されるそのようなアーチファクトを大まかに除去するために選定され、パラメータ化されたフィルタを用いてメディアンフィルタリングされる。このようにして、そのような動きアーチファクトが呼吸であると誤識別されないことが好ましい。
簡潔に言えば、現在時刻サンプルの信号のメディアンフィルタリング値は、現在時刻サンプルの周辺及び現在時刻サンプルを含む、一組の時刻サンプルの信号値の統計的中央値として決定されることが好ましい。簡潔に言えば、メディアンフィルタは、サンプル値をN個の近傍サンプル値の中央値で置き換える。そのN個の近傍サンプルは、通常、N/2又はN/2−1個の現在時刻サンプルの直後の、すなわち未来のサンプル、及びN/2又はN/2−1個の現在時刻サンプルの直前の、すなわち過去のサンプルである。メディアンフィルタは、典型的には、約N/2サンプル(最初の信号値についてはNサンプル)の遅れをもって出力信号を生成し、出力信号において、出力信号の短い極大値は、フィルタ幅の約1/2の幅の平坦な領域、すなわちプラトー(plateaus)に置き換えられる。従って、フィルタが長いほど、出力信号のアーチファクトをより除去する。しかしながら、メディアンフィルタの期間が長いと、出力信号における生理学的に重要な成分を不明瞭にすることがある。これに代えて、メディアンフィルタは、現在のサンプルと共にN−1個の過去のサンプルを含むことができる。そのようなメディアンフィルタは、実時間待ち時間がない。
本発明の特定の実施形態に用いられるメディアンフィルタは、該実施形態において予期される信号アーチファクトをフィルタリングするに十分なだけの長さのものが選定されることが好ましい。典型的な実施形態において、望ましくない動きアーチファクトの期間は、図1Aに示されるように、約200msec〜300msecであり、効果的な除去を行うことが期待できる最も短いフィルタの長さは、好ましくは約400msec〜800msecである。図1Aのtest2のトレースを生成するために用いられたメディアンフィルタは、約480msecの時間における24サンプルの長さであり、一方test1のトレースを生成するために用いられたメディアンフィルタは、約800msecの時間における40サンプルの長さである(図1A及び1Bの信号は、50Hz、すなわち20msec/サンプルでサンプリングされている)。
test1及びtest2のトレースとVtトレースを比較すると、test2のトレースにはかなりの動きアーチファクトが残っているが、動きアーチファクトの振幅は減少し、期間が広がっている一方、長いメディアンフィルタが用いられたことにより、test1のトレースからはアーチファクトがおおむね除去されたことが分かる。従って、本実施形態にとって好ましいメディアンフィルタの長さ、すなわち特定の実施形態の監視環境において予期されるアーチファクトを抑圧するのに十分なだけの長さは、約50サンプルより長くなく、或いは約40サンプルより長くない。好ましい実施形態において、待ち時間が短く且つ信号が平滑化されすぎずにアーチファクトを効果的に除去するためのメディアンフィルタの長さは、約30サンプルから40サンプルの間である。
図1Bは、どのようにして不適切なメディアンフィルタリングによって呼吸検出が困難となる、すなわちフィルタリングされたVt信号の振幅を減少させることができるかを示す。図1Bに示されるように、生のVtトレースの振幅は約1450ml、test2のトレース(メディアンフィルタの長さは24サンプル)の振幅は約1230ml、そしてtest1のトレース(メディアンフィルタの長さは40サンプル)の振幅は約850mlである。メディアンフィルタの長さの増大に伴う振幅の減少は明らかである。実際の呼吸振幅がバックグラウンド信号の振幅により近づくために、この振幅の減少によって呼吸検出は困難となる。適切なメディアンフィルタの長さの選定において、振幅の減少を抑えることは、更なる考慮事項である。
呼吸検出
図2のブロック9に示されるように、メディアンフィルタリングされた信号は次に、認識可能な呼吸発生があるかどうかについて調べられる。一つの実施形態において、図2のブロック8に示されるように、任意に追加される線形フィルタリングステップが、高い周波数のスパイクノイズ、例えば呼吸信号として見込まれる周波数(通常約0.5−0.8Hz以下)以上の周波数のノイズを減少させるために、呼吸認識の前に、メディアンフィルタリングされた信号に適用されることができる。
図2のブロック9に示されるように、メディアンフィルタリングされた信号は次に、認識可能な呼吸発生があるかどうかについて調べられる。一つの実施形態において、図2のブロック8に示されるように、任意に追加される線形フィルタリングステップが、高い周波数のスパイクノイズ、例えば呼吸信号として見込まれる周波数(通常約0.5−0.8Hz以下)以上の周波数のノイズを減少させるために、呼吸認識の前に、メディアンフィルタリングされた信号に適用されることができる。
好ましい呼吸検出方法は先ず、処理されたVt信号をスキャンし、信号内に存在するノイズより大きい認識可能な信号の極小及び信号の極大の発生を識別する。識別された極大及び極小は、それらの振幅及び期間が選定された境界値よりも大きい場合に、呼吸と識別される。振幅が小さく且つ期間が短い信号の極大及び極小は、ノイズ、被検者の動き又は他のアーチファクトであって、真の呼吸ではない可能性が高い。呼吸識別境界値は、例えば状態機械によってといった様々な方法で選定することができる。一つの実施形態において、信号が、例えば60msecといった選定された期間内及び/又は例えば0.5%といった選定された量を超えて変化する場合に、信号の極大及び極小は、真の呼吸として識別される。別の実施形態においては、例えば線形傾向除去後の過去のN個のサンプルの標準偏差といった、最近の信号ノイズパワーの現在の指標を決定し、相対的な信号の変化がある数の標準偏差(例えば、1又は2又は3)を超えた場合に、真の呼吸と識別することによって、呼吸識別境界値が決定されることが好ましい。
更なる実施形態においては、呼吸識別境界値は、統計的尺度(例えば、中央値、最頻値、平均値等)を、直前の実際の呼吸の判定された数に適用することによって選定される。次いで、境界値は、信号の振幅及び期間の統計的尺度によって決定される。好ましい実施形態において、振幅及び期間の中央値は、前の少なくとも約5呼吸の期間そして多くて約30呼吸の期間で決定される。より好ましくは、中央値は、少なくとも約10呼吸の期間そして多くて約20呼吸の期間で決定される。好ましい実施形態は、有用な閾値であると分かった、前の約12呼吸の中央値を含む。これに加えて、閾値は固定されるか、又は他に選定されることができる。
その閾値率をここでは「MRVt」と呼ぶ。閾値が低すぎると、真の呼吸であると誤認識されるアーチファクトの数が増加し、一方閾値が大きいと、認識されない真の呼吸の数が増加する。MRVtに有用な範囲は、メディアンフィルタリングによる振幅の減少を考慮して、相対値で約5%から約25%の間であることが分かった。約5%のMRVtが実用上の最小値である。例えば、最近の平均呼吸が2リットルであるとすると、5%閾値によって、100ml以上の偏差を呼吸と識別する。しかしながら、100−200mlよりも少ない容量は、肺ではなく気道しか通らないことが知られている。MRVtは、説明されるように自動的に調整されることが好ましい。
呼吸のタイミング及び期間は著しく変化することが知られているので、それ未満の信号偏差を呼吸と認識しない最小呼吸期間(又は他の固定された呼吸タイミング特性)を要求することは一般的に好ましくない。図1Bに戻り、CHA及びCHB信号は、呼吸が比較的定常であることを示し、ACC信号は、被検者の動きがほとんどないことを示す。しかしながら、このような監視条件においてでさえ、いくつかの呼吸では、その期間が約1秒よりも小さくなっていることが分かる。同様に、呼吸数の大きい激しい運動中は、真の呼吸の期間及び周波数は、短いものから長いものまでかなり変化し得る。
パラメータ評価
体系的且つ自動的に方法パラメータを評価するための好ましい実施形態において、パラメータは適切な呼吸検出性能となるものが選定されるが、そのパラメータは、検出されない実際の呼吸数と、呼吸として検出される偽呼吸(つまり、アーチファクト信号)の数を考量した基準として、しばしば表わされる。
検出性能基準及び検出性能の望ましいレベルは、適用又は実施形態によって変化するものとすることができるので、好ましい方法パラメータは、それに従って変化することが好都合である。ここで説明されるのは、普通の性能基準を満たす、すなわち真の呼吸の検出を最大に、且つ偽呼吸の検出を最小にするメディアンフィルタの長さ及びMRVtを選定するための体系的な評価方法の実施形態である。この方法は、方法パラメータを評価する、看過した呼吸及び偽呼吸の好ましい指標を用いて説明される。他の実施形態においては、看過した又は誤検出された呼吸の情報を同様に提供する他の誤り指標を用いることができる。
体系的且つ自動的に方法パラメータを評価するための好ましい実施形態において、パラメータは適切な呼吸検出性能となるものが選定されるが、そのパラメータは、検出されない実際の呼吸数と、呼吸として検出される偽呼吸(つまり、アーチファクト信号)の数を考量した基準として、しばしば表わされる。
検出性能基準及び検出性能の望ましいレベルは、適用又は実施形態によって変化するものとすることができるので、好ましい方法パラメータは、それに従って変化することが好都合である。ここで説明されるのは、普通の性能基準を満たす、すなわち真の呼吸の検出を最大に、且つ偽呼吸の検出を最小にするメディアンフィルタの長さ及びMRVtを選定するための体系的な評価方法の実施形態である。この方法は、方法パラメータを評価する、看過した呼吸及び偽呼吸の好ましい指標を用いて説明される。他の実施形態においては、看過した又は誤検出された呼吸の情報を同様に提供する他の誤り指標を用いることができる。
図2のブロック12に示されるこのパラメータ評価方法は、図3及び4に示されるデータに関して説明される。図3は、4つの異なる呼吸検出指標を系列1、2、3、4と番号付けられた曲線として示す。(「(160msecにおける)サンプル数」とキャプションが付けられた)x軸は、160msecの倍数として表現されたメディアンフィルタの時間的期間である。例えば、x軸の「5」という値は、フィルタの長さが800msecであることを示す。図4は、呼吸検出指標を示し、(「最小一回呼吸量(前の呼吸に対する百分率)」とキャプションが付けられた)x軸は、前の12検出呼吸の中央値に対する百分率としてのMRVtである。系列1、2、3、4の意味は以下のとおりである。系列1は、検出された偽呼吸の数の評価であり、ここで偽呼吸は期間が1秒未満のものとされる(そのような偽呼吸は、実は上述のように実際の呼吸であり得るが)。系列2は、メディアン法によってVt信号において検出された呼吸の総数である。系列3は、(系列2)−(系列1)という差分たる、アーチファクトでない呼吸の数の評価である。系列4は、(系列2)−((系列1)+(系列1))という差分として判定された、真の呼吸の数の評価であり、ここで、検出されない真の呼吸の数は、検出された偽呼吸の数と等しいものとされ、それ故、誤検出の総数は、(系列1)+(系列1)である。
図3及び4の典型的なデータによって示される体系的な方法において、パラメータは、真の呼吸が最大に検出されるように選定され、その最大値は、検出された呼吸数(系列1)から誤って検出された呼吸数(系列2又は2*系列2)を引いたものである。従って、パラメータは、系列3及び/又は系列4を最大化するように選定されることが好ましい。メディアンフィルタの長さに関して、図3に示されるように、系列3及び系列4においては、約640msecから約800msecの間のメディアンフィルタの長さにわたって幅広い最大値をとる。MRVtに関して、図4に示されるように、そして特に系列1の呼吸アーチファクトと系列3及び/又は系列4の呼吸アーチファクトの比較において、呼吸検出を増加させるために、MRVtはできるだけ小さいことが好ましいように見える。しかしながら、MRVtが約5%よりも小さくなると、呼吸検出の増加のほとんどは、誤検出アーチファクトによるものとなる。系列3及び系列4は、約5%から約25%まで緩やかにしか下降しないので、誤検出が最小になるようにMRVtを大きなものとすることも又、合理的である。例えば、約10%のMRVtは、約5585から約5321へと約5%しか真の呼吸数を下回っていない。メディアンフィルタが短く又は長くなると、フィルタリングされたVt信号の呼吸振幅が増加又は減少し得るから、MRVt閾値は、メディアンフィルタの長さの変化に応じて調整されるべきである。
従って、この特定の実施形態においては、自動パラメータ選定において、好ましいメディアンフィルタの長さが約40サンプル且つ好ましいMRVtが約5%と選定される。これらのパラメータは、例示された特定の実施形態及び選ばれた特定の選定基準にとっては適当であるが、他のテストデータ及び他の基準にとっては適当でない場合がある。しかしながら、同じ自動化技術が、他の適切な一組のパラメータを決定するために、他の実施形態に適用されるものとすることができる。それに加えて、監視される被検者が異なる活動又は体位をしている場合には、たった一つの実施形態でさえ、異なる一組のパラメータが適切であり得る。従って、加速度計の信号から処理された活動及び体位データを考慮して、予め決定された一組のパラメータから追加のパラメータを選定することができる。本発明がこれらの代替例を含むことが理解されるであろう。
本発明は又、本発明の方法を実行しているローカルな手持ち型コンピュータと通信するサーバシステムから方法パラメータをダウンロードすることを含む。様々な実施形態において、方法パラメータは、説明された方法に従って予め計算され、後のダウンロードのために蓄積されることができる。これに代えて、パラメータは、手持ち型コンピュータによって報告される監視データから実時間に近い形で決定されることができる。パラメータは、予め計算されるにしてもオンラインにしても、自動的に選定され、及び/又はサーバシステムの監視要員によって選定され、若しくは調整されることができる。
呼吸検出の機能強化
前述の固定パラメータによるフィルタリング及び検出方法は、例えば、被検者の動きの激しさが分かっているか、又は前もって測定されている場合のように、予測可能性の高い環境に適しており、パラメータ評価データの生成のために用いることができる。しかしながら、固定パラメータは、被検者の動きの激しさが時々刻々と変化することがある、他の予測可能性の低い環境には適さない。後者の環境において、真の呼吸を動きアーチファクトと区別することは、より難しいものとなる。例えば、メディアンフィルタリングされた信号は、アーチファクトが拡がりすぎて、フィルタの長さの中でデータサンプルの大部分(例えば約50%)を汚染している場合に、アーチファクトを通し始めるだろう。それに加えて、呼吸の見逃しを最小にするためにMRVtが約5%に設定された場合、これらのフィルタリングされなかったアーチファクトは、呼吸として検出され、呼吸数信号は、信頼性のないものとなるであろう。
前述の固定パラメータによるフィルタリング及び検出方法は、例えば、被検者の動きの激しさが分かっているか、又は前もって測定されている場合のように、予測可能性の高い環境に適しており、パラメータ評価データの生成のために用いることができる。しかしながら、固定パラメータは、被検者の動きの激しさが時々刻々と変化することがある、他の予測可能性の低い環境には適さない。後者の環境において、真の呼吸を動きアーチファクトと区別することは、より難しいものとなる。例えば、メディアンフィルタリングされた信号は、アーチファクトが拡がりすぎて、フィルタの長さの中でデータサンプルの大部分(例えば約50%)を汚染している場合に、アーチファクトを通し始めるだろう。それに加えて、呼吸の見逃しを最小にするためにMRVtが約5%に設定された場合、これらのフィルタリングされなかったアーチファクトは、呼吸として検出され、呼吸数信号は、信頼性のないものとなるであろう。
図5は、比較的小さな全肺容量であって、その場走行を行っている被検者からの呼吸データ及び加速度計データの30秒間における困難さを示す。肺容量が小さいと、動きアーチファクトとの比較において、真の呼吸が不明瞭になる。第1のトレースに示される生のVt信号は、かなりの不規則性を示し、この不規則性によって、第2のトレースに示されるACC信号において明らかな被検者の活動の激しさのために、しばしば呼吸活動が不明瞭になる。上記の固定パラメータを用いたメディアン法の出力が、第3のトレースに示される。判定された呼吸数信号は、約35呼吸/秒といった異常に高いベースラインを示し、その上にスパイクが重畳されて、最大約150呼吸/秒といった全く不合理な呼吸数となっている。従って、呼吸検出出力は、良くても信頼性がないと考えられるべきであり、そして単に誤っている可能性が高い。
メディアン法の性能は、この共通点を持つ状況において、選定される機能強化、すなわち、第1に、動き指標(「MI」)によって測定される被検者の活動レベルによってMRVtパラメータが変化すること、第2に、信号が更に線形フィルタリングされることによって機能強化されることができることが発見された。第1の機能強化は、一般的に、MI指標が示すように被検者活動が増大するにつれて、MRVtを増加させる。上述のように、約5%のMRVtが、活動量が小さい期間には適していることが分かっている。活動量が大きい期間には、MRVtが増加させることが好ましいが、図4に見られるように、かなりの数の真の呼吸を見逃すことを避けるために、いかなる活動レベルも境界内にあることが好ましい。もしMRVtに境界が設けられないと、最大80%の真の呼吸が見逃される場合があり、それは受け入れられない誤り率である。適切な上限は、図4の系列2及び系列3の曲線の依然として緩やかに減少する部分である約25%であると分かっている。約5%及び約25%以外の境界値が、他の監視環境及び/又は他の監視被検者にとってより適切であろう。
より詳細には、MIが加速度計信号から決定され、加速度計信号の強度の非線形スケーリングに応じた境界値間で、MRVtを限られた範囲(すなわちMI)にスケーリングすることによって、MRVtが調整されることが好ましい。第1に、MRVtは、決定されたMIに従って、例えば約5%から約25%に、その境界値の間で線形に調整される。次式が適切であると分かっている:
MRVt=(5%)+(20%)*(MI/128)。
MRVt=(5%)+(20%)*(MI/128)。
第2に、MIは、広い範囲の値を有する、被検者から決定された加速度計信号パワーを、例えば約0から約127までといった限られた範囲にスケーリングすることによって、決定される。スケーリングは、可能な限り広い部分のパワー範囲にわたって線形であることが好ましいが、パワー値がすべてスケーリングの範囲の中のどこかに表わされるように、大きな加速度計信号レベルにおいては非線形となることが好ましい。実質的に対数の高信号スケーリングが適していることが分かっている。スケーリングされた信号は、被検者の動きの激しさを第一に反映すべきであるので、入力された加速度計信号は、高周波、主に動き成分を保持する一方、低い周波数、主に体位成分を除去するために、ハイパスフィルタリングされ、又振幅からパワーすなわち強度に変換される。以下のコードは、入力された加速度計信号からMIを決定する実施形態を示す。ここで、ACCx及びACCyは、10Hzでサンプリングされた2軸加速度計からの生の信号である。
long Acc[]={w1, w2, w1};
dACCx=ACCx(filtered)-ACCx(unfiltered)
dACCy=ACCy(filtered)-ACCy(unfiltered)
MI_raw=(1/10)*sum(dACCx*dACCx)+sum(dACCy*dACCy)
MI=rescaleMotion(MI_raw)
int rescaleMotion(Int16 nMotion)
{
if(nMotion<100)
{ return nMotion; }
else if(nMotion<1000)
{ return 100+(nMotion-100)/90; }
else if(nMotion<10000)
{ return 110+(nMotion-1000)/900; }
else return 127;
}
long Acc[]={w1, w2, w1};
dACCx=ACCx(filtered)-ACCx(unfiltered)
dACCy=ACCy(filtered)-ACCy(unfiltered)
MI_raw=(1/10)*sum(dACCx*dACCx)+sum(dACCy*dACCy)
MI=rescaleMotion(MI_raw)
int rescaleMotion(Int16 nMotion)
{
if(nMotion<100)
{ return nMotion; }
else if(nMotion<1000)
{ return 100+(nMotion-100)/90; }
else if(nMotion<10000)
{ return 110+(nMotion-1000)/900; }
else return 127;
}
ここで、dACCx及びdACCyは、フィルタリングされていない加速度計信号と3点ローパスフィルタによってフィルタリングされた加速度計信号の差分として導かれるから、被検者の動きの高周波成分を主に含む。次いで、dACCx及びdACCyは、手続rescaleMotionによる再スケーリングのために、振幅から強度(すなわちパワー)に変換される。加速度計出力は、約0から約100の範囲であることが最も多いので、この範囲が、MI値の0から100までの範囲に等しくなるように線形にスケーリングされる。次いで、約100から最大値までのパワー値は、残りのMI値の範囲、すなわち100から127に対数的にスケーリングされる。そして、MIは、前述のように、MRVtを線形的に調整するために用いられる。他の環境及び被検者は、より高性能な加速度計信号スケーリング手順及びMRVt調整の恩恵を受け、特にその手順は、入力された加速度計信号に応じて直接MRVtを調整する単一の手順に組み入れられることができる。
更なる実施形態において、加速度計パワー信号のスケーリングは、異なる監視環境を反映するために、異なるように選定され、又は調整される。例えば、活動がより激しいと予想される環境において、予想されるパワー信号がスケール範囲のより多くを占め、方法パラメータがより正確に選定されることができるように、低い加速度計パワー値をスケール範囲の低い部分に抑圧することができる。
呼吸検出における別の機能強化は、メディアンフィルタの後且つ呼吸検出の前に置かれる線形FIRフィルタを含む。しかしながら、このフィルタリングステップは、信号アーチファクトを更に減衰させ得るので、平滑化、すなわちVt信号振幅の更なる減少を最小とするように注意が必要である。好ましいFIRフィルタは、好ましくは、メディアンフィルタ長さの約半分の長さ、及び計算効率のために選定されたフィルタ重みのもとで適切なフィルタリング性能(例えば、高周波アーチファクトを通過させない性能)をもつ。メディアンフィルタの約半分の長さのFIRフィルタを用いることにより、一回呼吸量振幅を更に減少させることなく、曲線が円滑化されることが好都合である。図7は、乗算操作の必要なく、加減操作のみで入力信号がフィルタリングされるように選定された、長さ20のFIRフィルタの典型的な相対重みを示す。
図5と図6の比較により、これらの機能強化による改善が示される。図は、同じ30秒の、上述の機能強化なしのメディアン法によって処理された呼吸データ及び加速度計データ(図5)及び上述の機能強化ありのメディアン法によって処理されたもの(図6)を示す。機能強化されたメディアン法によって検出された呼吸数は、より通常のベースライン(すなわち、約10呼吸/分)を有し、スパイクの重畳すなわち全く不合理な呼吸数がない。その代わりに、検出された呼吸数は、運動中に、ベースライン率が約10呼吸/分からより典型的に増加した率である約20呼吸/分に次第に増加する。
例及び誤り評価
呼吸発生及び呼吸の検出及び計算に加えて、本発明は又、計算された呼吸及び呼吸数の値の信頼性、すなわち誤りの評価を含むことが好ましい。これらの値は、MRVt及びメディアンフィルタ幅Nの変化に基づく呼吸数の感度を決定することにより評価されることが好ましい。
呼吸発生及び呼吸の検出及び計算に加えて、本発明は又、計算された呼吸及び呼吸数の値の信頼性、すなわち誤りの評価を含むことが好ましい。これらの値は、MRVt及びメディアンフィルタ幅Nの変化に基づく呼吸数の感度を決定することにより評価されることが好ましい。
一つの実施形態において、同じ呼吸数アルゴリズムを異なる6組のパラメータについて6回実行するによって、誤りが評価される。例えば、6組のパラメータは以下のものであることができる:1)MRVt=15%且つN=40(図8A−Eには示されない)である基本の組、2)MRVt=5%且つN=40(図8A−Eに緑で示される)である第2の組、MRVt=25%且つN=40(図8A−Eに緑で示される)である第3の組、MRVt=15%且つN=32(図8A−Eに黄色で示される)である第4の組、MRVt=15%且つN=48(図8A−Eに黄色で示される)である第5の組、MRVtは動きに応じたもの且つN=40(図8A−Eに黒で示される)である第6の組。第2及び第3の組は、5%から25%の間で変化するMRVtの関数としての呼吸数の範囲を測るために用いられることが好ましい。第4及び第5の組は、32から48の間で変化するメディアンフィルタ幅Nの関数としての呼吸数の範囲を測るために用いられることが好ましい。
好都合なことに、第1から第5の組の5つの出力結果は、テストされたアルゴリズムの信頼性の評価に用いることができ、第6の組の出力は、呼吸数の最良の評価を提供する。これらの6組のパラメータ及びそれらにより得られた呼吸数は、以下の5つの異なる活動中にテストされた:1)静止状態(図8Aに示される)、2)歩行(図8Bに示される)、3)その場走行(図8Cに示される)、4)跳躍(図8Dに示される)、5)前屈(図8Eに示される)。
図8A−Dの各図のACCトレースに見られるように、これらの活動は、比較的高い周波数信号を生成し、これらの活動のVtにおいて予測されるノイズは80Hzの十分下であるので、そのようなノイズは、メディアンフィルタによって効果的に除去される。従って、パラメータの第2から第6の組から得られる呼吸数は、概ね一致し、呼吸数アルゴリズムの信頼性が比較的よいことを示す。
図8Eは、前方又は他のあらゆる方向への屈伸中の胸部及び/又は腹部の形状の変化を示す。この種のいかなる活動も1秒よりも大きい時間の規模で発生し、呼吸と相互に関係付けられることがしばしばであるから、いかなるフィルタを介しても、真の呼吸を除去する危険を冒すことなく除去することが難しい。そのような状況において、アルゴリズムの結果は、閾値及びフィルタパラメータに対してより感度が高くなる。前屈活動は、比較的低い周波数信号のACCトレースを生成するから、いかなる関連ノイズも、メディアンフィルタ周波数よりも低いと見込まれる。得られたトレースは、フィルタリング効率の減少のために動きアーチファクトによって汚染され、パラメータの第2から第6の組から得られる結果をわずかに分散させるが、呼吸数の信頼性は、依然として比較的良好である。
図8Fは、同様の、重なる形のパラメータ比較データを示す。この図は、対応する加速度計信号パワーのトレースが付随した、呼吸数対時間のトレースを含む。呼吸数のトレースは垂直スケールが拡大され、加速度計のトレースは水平スケールが縮小されている。期間200の間、監視された被検者は静止状態であった。期間202の間、被検者は歩いていた。期間204の間、被検者はその場で走行していた。期間206の間、被検者は跳躍をしていた。そして期間208の間、被検者は前屈をしていた。これらのデータは、5組のパラメータを用いて分析された。トレース212において、メディアンフィルタの長さは、上限の閾値(上を見よ)に設定され、トレース210において、MRVtは上限の閾値に設定された。トレース214において、メディアンフィルタの長さは、下限の閾値に設定された(上を見よ)。このトレースは、MRVtが下限の閾値に設定されたトレースと一致し、このトレースにかぶさる。最後に、トレース216において、パラメータは、前述の適応プロセスによりその時々で調整された。すべてのトレースは、30秒の動きの移動平均である。
この図を検討すると、跳躍及び前屈活動中であっても、異なるパラメータの組は、約±5−6%内で一致する呼吸数を生成することが分かる。ほとんどの活動範囲にわたって、異なるパラメータの組は、区別できない呼吸数結果を生成する。異なるトレースを比較すると、パラメータの組の間で、パラメータを適応的に設定することにより、又は低い閾値において、若しくはその近傍において、メディアンフィルタの長さ及び/又はMRVtを設定することにより、最も一貫性のある結果が生成された。トレース210及び212におけるように、上限又はその近傍にパラメータを設定することにより、高い活動レベルにおける呼吸数が少なく報告される。これらのトレースは、大きなメディアンフィルタ又は大きな検出閾値から得られるものであるので、そのようなことが予測されるのである。
図8F及び図8A−Eは、本発明の方法が、ほとんどの型の被検者の活動にわたって、信頼性があり且つ一貫性のある呼吸数出力を生成することを示す。更には、これらの方法は、この種の激しい被検者の活動についてでさえも、適応的パラメータ選定又は適切な固定パラメータ選定を用いて、信頼性があり且つ一貫性のある呼吸数出力を生成する。
RSA法
RSAは、呼吸性洞性不整脈を言い、それは、呼吸の進行中(例えば、一の吸気開始点から次の吸気開始点)に発生する心拍変動であって、多くの主体、通常は若く健康な主体において見られる。RSAは、短期心拍変動(「HRV」)の主要な、つまり支配的でさえある成分であるかもしれない。RSA効果に照らして、呼吸発生及び呼吸数は、図2のブロック1−5に概して示されるように、個々の呼吸を示す最低及び/又は最高の心拍数信号を調べることによって判定されることができる。
RSAは、呼吸性洞性不整脈を言い、それは、呼吸の進行中(例えば、一の吸気開始点から次の吸気開始点)に発生する心拍変動であって、多くの主体、通常は若く健康な主体において見られる。RSAは、短期心拍変動(「HRV」)の主要な、つまり支配的でさえある成分であるかもしれない。RSA効果に照らして、呼吸発生及び呼吸数は、図2のブロック1−5に概して示されるように、個々の呼吸を示す最低及び/又は最高の心拍数信号を調べることによって判定されることができる。
図9は、220秒の、被検者が運動している間に発生するRSAを示す信号を示す。第1のトレースは、Vt信号であり、第2のトレースは、同時に起こる心拍数信号である。Vtトレースにおける呼吸の各々が、心拍数トレースにおける周期的偏差と一致し、肺容量のピーク(吸気終点)が心拍数におけるピークと密接に対応し、同期していることは、直ちに明らかである。同時に起こる呼吸に起因する心拍数の偏差が、HRVのほとんどの短期(すなわち高周波数、つまり「HF」)成分を占めることも又、明らかである。残りのHRV成分は、容易に区別可能であり、長周期(すなわち低周波数、つまり「LF」)である。これらの信号において、呼吸発生は、心拍数から容易に且つ確実に判定されることができることが分かる。
図2のブロック1に戻り、RSA法は、以下のように進められることが好ましい。最初に、ECG信号を取得し、アーチファクトの影響を限定するために前処理を行う。アーチファクトは、心拍数信号に幾つかの原因から生じる。激しい動きは短い期間のアーチファクトが生じることがあり、これはR波と誤認識されることがある。R波発生時間の判定が不正確であると、隣接する心拍数値に、それに伴う誤りを生じさせることになる。最後に、幾人かの被検者に断続的に起こる期外収縮によって、同様の誤りが隣接する心拍数値に発生し得る。それ故、アーチファクトは、心拍数信号を歪ませ、偽の極大及び極小を生じさせ得る。従って、図2のブロック2に示されるように、RSA法に用いられる心拍数信号は、動きアーチファクトを最小とするために、2以上のECG電極から判定されることが先ずは好ましい。R波の発生は、以下に説明されるR波判定アルゴリズムによって判定されることが好ましい。他の実施形態において、パン・トンプキンズ(Pan-Tompkins)アルゴリズムとして知られているような他の信頼性のあるR波判定方法を用いることができる。期外収縮に伴うR波は、除去され、又は、任意であるが、局所心拍数に鑑みて期外収縮が発生したと思われる時点における補間による仮想R波で置き換えることが好ましい。期外収縮に伴うR波は、局所心拍数から予測されるR波発生時点の前又は後の閾値期間よりも大きい時点において発生する(すなわち、前の真のR波又は後の真のR波に近すぎる)R波として識別することができる。
次に、心拍数信号が、図2のブロック3に示されるように、極めて短い心拍数極小を除去し、LF HRVに比較してHF HRVを強めるようフィルタリングされることが好ましい。特に、2心拍内に発生する心拍数極小はアーチファクトと考えられ、下記のような簡単な線形フィルタによってフィルタリング除去される:
HR(フィルタリングされた)=(1/4)*[HR(前)+2*HR(現在)+HR(次)]。
又、HF HRVは、約3〜約6呼吸時間といった短い間隔にわたる心拍数信号の線形傾向除去によって強調することができる。
HR(フィルタリングされた)=(1/4)*[HR(前)+2*HR(現在)+HR(次)]。
又、HF HRVは、約3〜約6呼吸時間といった短い間隔にわたる心拍数信号の線形傾向除去によって強調することができる。
最後に、前処理された心拍数が、極小及びその直後の極大について、図2のブロック4に示されるように、既知の信号処理手段によって検出される。次いで、極小−極大の対の各々は、呼吸発生を示す。これに代えて、極小及び/又は極大のみが呼吸発生を示すものとすることができる。呼吸数は、このように示された呼吸発生として判定されることができる。
R波判定法
R波識別のための好ましいアルゴリズムの実施形態が図10に示される。実時間システムに組み込むことができるように、好ましいアルゴリズムの待ち時間は小さい。これに加えて、他のアルゴリズムと並行して手持ち型PC上で実行可能とするために、アルゴリズムはCPU資源をあまり要求しないことが好ましい。そのようなシステムは、このR波アルゴリズムの、パラメータ選定のみが異なる、多数のインスタンスを実行し、該アルゴリズムのコピーの出力を比較して、確かさと信頼性が大きいR波を選定することが好都合である。
R波識別のための好ましいアルゴリズムの実施形態が図10に示される。実時間システムに組み込むことができるように、好ましいアルゴリズムの待ち時間は小さい。これに加えて、他のアルゴリズムと並行して手持ち型PC上で実行可能とするために、アルゴリズムはCPU資源をあまり要求しないことが好ましい。そのようなシステムは、このR波アルゴリズムの、パラメータ選定のみが異なる、多数のインスタンスを実行し、該アルゴリズムのコピーの出力を比較して、確かさと信頼性が大きいR波を選定することが好都合である。
図10を参照すると、アルゴリズムは、ステップ1に示されるように、一つの時点では完全に単一のECGデータポイントを(前のデータポイントの前の処理を考慮して)因果的に処理する。この方法は因果的であるので、待ち時間は最小化される。先ず、信号は、ステップ2に示されるようにローパスフィルタリングされ、引き続き行われる微分のために曲線が平滑化される。フィルタの次数は4であることが好ましい。次いで、信号は、ステップ3において微分され、ステップ4において自乗される。
次に、バックグラウンドノイズ及び信号の両方について、移動平均が確立される。ステップ5において、バックグラウンドノイズについての4秒間の変動値の平均が、好ましくは図7に示されるようなフィルタ重みで計算され、800サンプル(200Hzのサンプリングレートと仮定)(これに代えて、700、600、400サンプル又はそれより低い値)にスケーリングされる。ステップ6において、信号についての4秒間の移動平均が、好ましくは図7に示されるようなフィルタ重みで計算され、サンプリングレートが下げられ(downsampled)、すなわち4サンプル(これに代えて、8、16、20、24サンプル又は24サンプル超)にスケーリングされる。これらの移動平均から、信号対ノイズ比(「SNR」)が、ステップ7において計算される。
ステップ8において、アルゴリズムは、潜在的R波の位置(すなわち始点及び終点)が識別されたかどうかを判定する。これは、状態機械により実行されることが好ましい。R波の始点は、SNRがSNR閾値(「T(SNR)」)、例えばT(SNR)=2を超えた時点とすることが好ましい。同様に、R波の終点は、SNRがT(SNR)よりも下に下がった時点とすることが好ましい。パラメータは、現在値が潜在的R波内にあるかどうかを記述するために用いられることが好ましい。潜在的なR波は、このパラメータの状態が真から偽に変化した場合に見出される。この方法は、状態機械として知られている。潜在的R波が見出された場合、潜在的R波は、ステップ9において、SNRがT(SNR)を超えた始点及び終点の時間の跡を記録する極大配列(「AM」)ログに加えられる。
ステップ10において、十分なデータが取得されたかどうかがチェックされる。現在時刻が、最新のR波(「RW(最新)」)時間、探索可能時間間隔(「SI」)及びロックアウト(lockout)期間(「LP」)時間間隔の合計よりも大きいかどうかがチェックされることが好ましい。SIは、次のR波候補の探索のために割り当てられた時間間隔である。一つのSIにおいて、3以上ではなく、1又は2のR波候補が位置することができることが好ましい。SI=k*RR(最新)、ここで定数k=5/4(これに代えて、3/4以下、4/4、6/4又は400サンプル)且つRR(最新)はmsecで最新R波間隔であることが好ましい。LPは、2つの連続するR波間の最小時間間隔である。LPは、ロックアウト極小とロックアウト極大との間の範囲にあり、R波の誤認識を避けるために用いられることが好ましい。LPは、最新の7つのR波間隔の中央値の固定された比率、例えば40%(これに代えて、20%以下、30%、又は50%)であることが好ましい。現在時刻は又、AM又はLPの最初の極大の終点時刻よりも大きいかどうか、についてチェックされることが好ましい。
十分なデータが取得されると、アルゴリズムにおける次のステップは、ステップ11に示されるように、そのデータの評価である。初めに、アルゴリズムは、SIにおける次の良好なR波を探索する。R波閾値(「T(R)」)を超える、AMの最初の極大が選定されることが好ましい。T(R)は、最新の7つのR波間隔の中央値閾値の50%であることが好ましい。そのような極大が、AMに見出されない場合は、SIにおける最大の極大が選定される。そのようなSIにおける極大がない場合は、AMにおける最初の極大が選定される。
ステップ12において、LPは、LPにおいて大きな極大がないかどうかがチェックされる。LPにおいて2つのR波候補がある場合には、大きなSNRを有する候補が保持され、もう一つは、除去される。LPが大きな極大を含む場合には、ステップ14に示されるように、AMから次の極大が選定される。
そこで、R波候補の始点及び終点が識別される。ステップ15において、R波のピークは、生の未処理のECGデータの補間された極大として識別されることが好ましい。生データは、このステップにおいて使用されるまで、短いECGキャッシュに記憶され、使用後に削除される。識別されたピークは、ステップ16において、それがECG信号における不連続ではなく、真のピークであることを確認するためにチェックされる。ステップ17は、中間のピーク、すなわち最新のR波ピークと現在のR波候補間の極大をチェックする。中間のピークが見出されない場合は、ステップ18に示されるように、R波候補が真のR波の配列に加えられる。ステップ19及び20は、あらゆるR波候補及び先行するAMからの極大のすべての除去、並びに前述のようなフィルタの更新及びパラメータの調整を含む。次いで、本方法はR波の発生を出力する。
複合法
本発明に従って、呼吸数検出は又、2以上の計算効率のよい呼吸数検出法の実行及びそれに続いて行われる、個々の方法から返された結果に応じたありそうな呼吸数の判定を含むことが好ましい。2又はそれ以上の方法は、異なる原理に基づくか、一つの方法を異なるパラメータを用いてコピーしたものか、又はそれらの組み合わせに基づいた異なる方法とすることができる。この実施形態は、一つの方法では、期待される監視条件の範囲にわたり十分に信頼性のある結果を生成する計算上効率的な呼吸数検出ができない、変動の大きい監視環境においても、使用可能である点で有利である。
本発明に従って、呼吸数検出は又、2以上の計算効率のよい呼吸数検出法の実行及びそれに続いて行われる、個々の方法から返された結果に応じたありそうな呼吸数の判定を含むことが好ましい。2又はそれ以上の方法は、異なる原理に基づくか、一つの方法を異なるパラメータを用いてコピーしたものか、又はそれらの組み合わせに基づいた異なる方法とすることができる。この実施形態は、一つの方法では、期待される監視条件の範囲にわたり十分に信頼性のある結果を生成する計算上効率的な呼吸数検出ができない、変動の大きい監視環境においても、使用可能である点で有利である。
並行的に実行される検出法は、異なる検出原理に基づくものとすることができる。図2のブロック13に示されるように、好ましい実施形態は、RSA法と共に前述のメディアン法を含む。これに代えて、2以上の並行的に実行される検出法は、同様の検出原理であるが異なる条件について異なってパラメータ化されるものに基づくものとすることができる。一つの好ましい実施形態は、被検者の活動の異なるレベルに合わせて選定されるパラメータのメディアン法の多数のインスタンスを含む。例えば、活動量の低いメディアン法のパラメータ化は、短いメディアンフィルタ及び固定のMRVtを用い、追加的な線形フィルタリングを省略することができる。これに代えて、活動量の高いメディアン法のパラメータ化は、長いメディアンフィルタ、追加的な線形フィルタ、及び可変のMRVtを用いることができる。更には、短い閾値が動きと共に任意に変化する、短い呼吸用のフィルタといった、他の型のアーチファクト除去手段によって、メディアンフィルタが補完され、又は置き換えられることができる。
いくつかの実施形態において、認識された多くの(現在の呼吸に時間的に先行するか又はその周りのいずれかの)呼吸に適用される、最頻値、中央値、重み付け平均値等といった統計技術を用いることによって、ありそうな呼吸数を判定することができる。判定に先立って、異常値が除かれることが好ましい。これに代えて、様々な検出法によって識別された、すべての認識された呼吸に対して信頼性指標を割り当て、呼吸数の候補から最良の呼吸数を判定するために用いることができる。信頼性指標は、選定された、一又はそれ以上の活動レベル、吸入深さ、波形等の組み合わせからの検出法の各々について決定されることが好ましい。単純なそのような信頼性指標は、特定の呼吸を認識した、並行的に実行する方法の単に一部でしかない。用いられる検出法の全計算要求は、例えば手持ち型コンピュータの利用可能な能力を超えないことが好ましい。
システム
本発明の方法は、C++等といった高級言語、又は効率を大きくするためにCといった低級言語、アセンブリ言語等を含む標準のコンピュータ言語でコーディングされることが好ましい。次いで、コーディングされた方法は、実行可能なコンピュータ命令に翻訳及び/又はコンパイルされ、このコンピュータ命令は、手持ち型その他のコンピュータによって使用するためにコンピュータメモリに記憶される(又はネットワーク接続を通して、若しくは外部ポートを介してロードされる)。コンピュータメモリは、CD−ROM、フラッシュカード、ハードディスク、ROM、フラッシュRAM等を含む。
本発明の方法は、C++等といった高級言語、又は効率を大きくするためにCといった低級言語、アセンブリ言語等を含む標準のコンピュータ言語でコーディングされることが好ましい。次いで、コーディングされた方法は、実行可能なコンピュータ命令に翻訳及び/又はコンパイルされ、このコンピュータ命令は、手持ち型その他のコンピュータによって使用するためにコンピュータメモリに記憶される(又はネットワーク接続を通して、若しくは外部ポートを介してロードされる)。コンピュータメモリは、CD−ROM、フラッシュカード、ハードディスク、ROM、フラッシュRAM等を含む。
ここで用いられる手持ち型電子機器又はコンピュータは、被検者に邪魔にならず且つ不快感を与えない大きさ及び重さのモジュールをいう。しかしながら、ここでは他に、手持ち型装置又はコンピュータは、マイクロプロセッサ装置に限定されず、本発明の方法が例えばFPGA、ASICS等にエンコードされた装置をも又含むことができる。本発明の方法を実行するために適した手持ち型装置は、典型的には、低パワーマイクロプロセッサ若しくはRAM及び任意に一又はそれ以上の次の構成要素:ROM若しくはフラッシュRAM、ハードディスク、及びタッチスクリーン、外部信号源及び/又はデータネットワークに対するポート等といったユーザインターフェース装置を有する他の計算要素を含むであろう。そのような装置は又、必要であれば、センサ信号の受信、プレフィルタリング及びデジタル化のためのインターフェース及び/又はポートを含むであろう。
本発明の方法は、典型的には、少ないプロセッシング資源しか要求せず、それ故、より限られたプロセッサ能力の手持ち型コンピュータは又、本発明の方法に適している。本発明の方法は又、典型的には大きなプロセッサ能力を持つ標準のPC型又はサーバ型のコンピュータ上で実行されることができる。
例
本発明は、以下の例によって例示されるが、その例は、単に例示を目的とするものであって、本発明の範囲又は実施することができる態様を制限するものとみなされるべきではない。
本発明は、以下の例によって例示されるが、その例は、単に例示を目的とするものであって、本発明の範囲又は実施することができる態様を制限するものとみなされるべきではない。
呼吸及び加速度計信号は、静止から坂道歩行にわたる選定された活動を行う4人の被検者から収集された。信号は、本発明の方法に従って処理され、その結果は図11に示される。最も左の欄(活動)には、被検者の活動が挙げられている。左から2番目の欄(MED)には、収集された信号をメディアン法を用いて処理した結果が挙げられている。左から3番目の欄(RSA)には、RSA法を用いて収集された信号を処理した結果が挙げられている。左から4番目の欄(SUBJ.count)には、被検者に携帯型のボタンを押してもらうことにより記録された、被験者による手動カウント値が挙げられている。左から5番目の欄(MED.Error)には、メディアン法によって判定された呼吸と被検者による呼吸カウント結果の間での誤りの比率が挙げられている。左から6番目の欄(RSA error)には、RSA法によって判定された呼吸と被検者による呼吸カウント結果の間での誤りの比率が挙げられている。
図9の最後の2つの欄(すなわちMED.Error及びRSA error)には、被検者自身による呼吸カウントに対するメディアン法とRSA法の相対誤差が示されている。ほとんどの場合において、より激しい活動の例についてでさえ、両方法は正確であり、メディアン法がRSA法よりもおそらくわずかにより正確であろう。しかしながら、2人の被検者(すなわちSUBJECTS3及び4)及びより激しい活動については、両方法は、かなりの誤りを示している。
この点、一部の被検者は、自身の呼吸を数えるときに、一般的に数え落としによって、かなりの誤りを犯しているかもしれないことが分かっている。呼吸のカウントには相当の集中力を要し、特により激しい運動中については数えることは難しいことであり得る。図12は、そのような数え落としを示し、一番上のトレースは、約70秒の運動を行っている被検者からの生の一回呼吸量信号を示し、一番下のトレースは、対応する加速度計信号であり、真中のトレースは、被検者がボタンを押すことにより呼吸を示した時を示す。31の真の呼吸があった期間に、被検者は22の呼吸をカウントしたが、これは約30%の喪失である。多くの呼吸が、この監視期間の第二半期において、明らかにカウントされていなかった。図11の歩行中のSUBJEFCT4についてのデータは、同様に最大約20呼吸がカウントされなかったことを明らかにしており、これは約57%の誤りのほとんどを占める。従って、得られたテストデータは、両呼吸検出法の正確性が約15%よりもよいこと、及びおそらく約10%よりもよいであろうことを強く示唆する。
ここで用いられている用語「約」は、該当する数及びある範囲の数の両方をいうものと一般的に理解されるべきである。更には、ここでの数の範囲のすべては、その範囲内の整数全部の各々を含むと理解されるべきである。
ここで開示された好ましい実施例は、本発明の幾つかの態様を例示することを意図するものであるから、ここで説明され、クレームされた本発明は、ここで開示された好ましい実施形態によって範囲を限定されるべきではない。いかなる均等な実施形態も、本発明の範囲内であると意図される。実際、ここで示され、説明されたものに加えて、様々な本発明の変形が、前述の説明から当業者にとって明らかであろう。そのような変形は又、添付の特許請求の範囲の範囲内にあるものと意図される。
多くの参考文献がここで引用され、その開示全体が、全体として、すべての目的を参照することにより、ここに組み込まれる。更には、上でどのように述べられたかにかかわらず、これらの参考文献のいずれもが、ここでクレームされた主題の発明に先立つものとして認められない。
Claims (44)
- 呼吸信号における呼吸発生を認識するためのコンピュータで実行されるメディアン法であって、
一回呼吸量情報を有するデジタル化された呼吸信号を受信するステップと、
選定された期間よりも小さい期間のアーチファクトを制限するために、前記受信された呼吸信号をフィルタリングするステップと、
前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
を含み、前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識する、
ことを特徴とする方法。 - 請求項1記載のコンピュータで実行される方法であって、
前記認識された呼吸発生から呼吸数を判定するステップ
を更に含むことを特徴とする方法。 - 請求項1記載のコンピュータで実行される方法であって、
前記選定した比率である閾値は、被検者の活動レベルに応じて変化する
ことを特徴とする方法。 - 請求項1記載のコンピュータで実行される方法であって、
呼吸信号のフィルタリングは、フィルタリングしようとしている呼吸信号サンプルを含む、すべてが選定した期間中に発生する一群の呼吸信号サンプルの中央値を取ることによって、少なくとも一つの呼吸信号サンプルをフィルタリングすることを含む
ことを特徴とする方法。 - 請求項4記載のコンピュータで実行される方法であって、
前記呼吸信号のフィルタリングは更に線形ローパスフィルタを含む
ことを特徴とする方法。 - 請求項1記載のコンピュータで実行される方法であって、
前記選定した期間は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定される被検者の活動レベルに応じて変化する
ことを特徴とする方法。 - 呼吸発生を認識するためのRSA法を更に含む請求項1記載のコンピュータで実行される方法であって、
心電図信号におけるR波を認識するステップと、
呼吸性洞性不整脈を示すR波の変動から呼吸を認識するステップと、
を含むことを特徴とする方法。 - 請求項7記載のコンピュータで実行される方法であって、
R波を認識する前記ステップは、
前記受信された心電図(「ECG」)信号の異なってサンプリングされた2つの移動平均を比較することにより、信号対ノイズ比(「SNR」)を判定するステップと、
判定されたSNRが選定されたSNRの閾値を超える信号極大を選定するステップと、
選定された信号極大が、隣接する認識されたR波に対し定められた時間的な関係で発生する場合に、前記受信されたECG信号においてR波を認識するステップと、
を更に含むことを特徴とする方法。 - 請求項7記載のコンピュータで実行される方法であって、
メディアン法によって認識された呼吸発生とRSA法によって認識された呼吸発生とを比較して、認識された呼吸発生が真の呼吸であることについての信頼性の指標を提供するステップと、
前記示された信頼性に応じて呼吸の発生を出力するステップと、
を更に含むことを特徴とする方法。 - 請求項7記載のコンピュータで実行される方法であって、
前記示された信頼性は更に、認識された呼吸発生の各々についての信頼性の指標
を含むことを特徴とする方法。 - 請求項1記載のコンピュータで実行される方法であって、
少なくとも1つの追加的なインスタンスとして、選定した前記比率及び/又は選定した前記期間を異ならせて、前記受取り、フィルタリング及び認識のステップを並行して実行するステップと、
前記別々のインスタンスにおいて認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸発生であることの確からしさを確認するステップと、
前記示された信頼性に応じて認識された呼吸発生を出力するステップと、
を更に含むことを特徴とする方法。 - 請求項1記載のコンピュータで実行される方法であって、
前記呼吸信号を検出するステップは、被検者の胸郭及び腹部の周囲に配置された誘導プレチスモグラフ容積センサを用いることを含む
ことを特徴とする方法。 - 請求項1記載のメディアン法を実行するための命令を有するコンピュータメモリ。
- 請求項13記載のコンピュータメモリに動作可能に連結される手持ち型コンピュータを含むコンピュータシステム。
- 請求項14記載のコンピュータシステムであって、前記コンピュータメモリは更に、
少なくとも1つの追加的なインスタンスとして、選定した前記比率及び/又は選定した前記期間を異ならせて、前記受取り、フィルタリング及び認識のステップを並行して実行するステップと、
前記別々のインスタンスにおいて認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸であることの確からしさを確認するステップと、
前記示された信頼性に応じて信頼性のある呼吸発生を出力するステップと、
からなる命令を含むことを特徴とするシステム。 - 呼吸信号における呼吸発生を認識するためのコンピュータで実行される方法であって、
被検者の胸郭及び/又は腹部の呼吸の動きを示すデジタル化された容積センサ信号を少なくとも一つ受信するステップと、
前記受信された呼吸信号から複数の一回呼吸量(Vt)信号サンプルを求めるステップと、
フィルタリングしようとしているVt信号サンプルを含む、選定した期間よりも小さい持続時間をもつ時間間隔中に発生した一群のVt信号サンプルにおける中央値を取ることによって、少なくとも一つのVt信号サンプルをフィルタリングするステップと、
前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
を含み、
前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識し、
前記選定した期間及び/又は前記選定した比率は、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定された被検者の活動レベルに応じて変化するようにされた
ことを特徴とする方法。 - 請求項16記載のコンピュータで実行される方法であって、
心電図(「ECG」)信号においてR波を認識するステップと、
呼吸性洞性不整脈を示すR波の変動から呼吸を認識するステップと、
を更に含むことを特徴とする方法。 - 請求項17記載のコンピュータで実行される方法であって、R波信号を認識する前記ステップは、
前記受信されたECG信号の異なってサンプリングされた2つの移動平均を比較することにより、信号対ノイズ比(「SNR」)を判定するステップと、
判定されたSNRが選定されたSNRの閾値を超える信号極大を選定するステップと、
選定された信号極大が、隣接する認識されたR波に対し定められた時間的な関係で発生する場合に、前記受信されたECG信号においてR波を認識するステップと、
を更に含むことを特徴とする方法。 - 心電図信号においてR波を認識するためのコンピュータで実行される方法であって、
デジタル化された心電図(「ECG」)信号を受信するステップと、
前記受信された心電図(「ECG」)信号の異なってサンプリングされた2つの移動平均を比較することにより、信号対ノイズ比(「SNR」)を判定するステップと、
ECG信号の偏差が選定されたSNRの閾値を超える信号極大を選定するステップと、
選定された信号極大が、隣接する認識されたR波に対し定められた時間的な関係で発生する場合に、前記受信されたECG信号においてR波を認識するステップと、
を含むことを特徴とする方法。 - 請求項19記載のコンピュータで実行される方法であって、
前記R波の発生は、その極小を除去するためにフィルタリングされる
ことを特徴とする方法。 - 請求項19記載のコンピュータで実行される方法であって、
前記認識されたR波における変動に応じて呼吸発生を認識するステップ、
を更に含むことを特徴とする方法。 - 請求項19記載のコンピュータで実行される方法であって、
一回呼吸量情報を有するデジタル化された呼吸信号を受信するステップと、
選定された期間よりも小さい期間のアーチファクトを制限するために、前記受信された呼吸信号をフィルタリングするステップと、
前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
を更に含み、
前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識する
ことを特徴とする方法。 - 請求項22記載のコンピュータで実行される方法であって、
前記認識された呼吸の発生から呼吸数を判定するステップ
を更に含むことを特徴とする方法。 - 請求項19記載のコンピュータで実行される方法であって、
前記選定された時間的関係は、始点及び終点を有する期間を含み、始点時刻は、前に認識されたR波の発生時刻に選定されたロックアウト期間を加えたものであり、終点時刻は、始点時刻に選定された探索可能間隔期間を加えたものである
ことを特徴とする方法。 - 請求項24記載のコンピュータで実行される方法であって、
前記選定されたロックアウト期間は、複数の前のR波間隔に選定された比率を乗じたものの中央値である
ことを特徴とする方法。 - 請求項24記載のコンピュータで実行される方法であって、
前記選定された探索可能間隔期間は、一又はそれ以上の前のR波間隔の平均の倍数である
ことを特徴とする方法。 - 請求項19記載のコンピュータで実行される方法であって、
受信されたままの前記ECG信号を補間することにより、R波のピークを識別するステップ
を更に含むことを特徴とする方法。 - 被検者から収集された生理学的信号において呼吸発生を判定するためにコンピュータで実行される方法であって、
各々が呼吸候補を認識するものである一又はそれ以上の呼吸認識法を、手持ち型コンピュータ上で並行して実行するステップと、
呼吸候補の発生を比較することにより、呼吸発生を認識するステップと、
を含むことを特徴とする方法。 - 請求項28記載のコンピュータで実行される方法であって、
呼吸発生の認識は、複数の呼吸候補の発生を比較するために統計的技術を用いるものである
ことを特徴とする方法。 - 請求項28記載のコンピュータで実行される方法であって、
呼吸発生の認識は、個々の呼吸候補についての信頼性ファクタを判定すること
を含むことを特徴とする方法。 - 請求項30記載のコンピュータで実行される方法であって、
少なくとも一つの認識された呼吸発生とともに、信頼性ファクタを出力するステップ
を更に含むことを特徴とする方法。 - 被検者における呼吸発生を監視するための携帯システムであって、
被検者の胸郭及び腹部の周囲に配置される容積センサと、
遠隔のコンピュータシステムとの無線通信と、
前記容積センサ、前記無線通信、及び呼吸認識のメディアン法を実行するためのコンピュータ命令を有するメモリと動作可能に結合された、被検者の体に付けられて持ち運ばれるか、若しくは被検者が持ち運ぶ処理装置を備え、前記呼吸認識のメディアン法は、
被検者の胸郭及び/又は腹部の呼吸の動きを示すデジタル化された容積センサ信号を少なくとも一つ受信するステップと、
前記受信された呼吸信号から複数の一回呼吸量(Vt)信号サンプルを求めるステップと、
フィルタリングしようとしているVt信号サンプルを含む、すべてが選定された期間よりも小さい持続時間をもつ時間間隔の間に発生する一群のVt信号サンプルの中央値を取ることによって、少なくとも一つのVt信号サンプルをフィルタリングするステップと、
前記フィルタリングされた呼吸信号において呼吸を認識するステップと、
を含み、
前記呼吸を認識するステップにおいて、フィルタリングされた一回呼吸量信号の振幅の偏差が、前に認識定された複数の呼吸の平均に対する選定した比率である閾値を超える場合に、呼吸を認識し、
前記選定された期間及び/又は前記選定された比率は、被検者の監視中に時々刻々と変化する
ことを特徴とするシステム。 - 請求項32記載のシステムであって、前記メモリは更に、
デジタル化された心電図(「ECG」)信号を受信するステップと、
前記受信された心電図ECG信号の異なってサンプリングされた2つの移動平均を比較することにより、信号対ノイズ比(「SNR」)を判定するステップと、
ECG信号の偏差が、選定されたSNRの閾値を超える信号極大を選定するステップと、
選定された信号極大が、隣接する認識されたR波に対し定められた時間的関係で発生する場合に、前記受信されたECG信号においてR波を認識するステップと、
を含むことを特徴とするシステム。 - 請求項33記載のシステムであって、
前記選定された時間的関係は、始点及び終点を有する期間を含み、始点時刻は、前に認識されたR波の発生時刻に選定されたロックアウト期間を加えたものであり、終点時刻は、始点時刻に選定された探索可能間隔期間を加えたものである
ことを特徴とするシステム。 - 請求項33記載のシステムであって、
前記メモリは更に、R波発生数の極大に応じて呼吸発生を認識するための命令を有する
ことを特徴とするシステム。 - 請求項34記載のシステムであって、
前記メモリは更に、
Vt信号とECG信号から認識された呼吸発生とを比較して、認識された呼吸発生が真の呼吸であることについての信頼性の指標を提供するステップと、
前記示された信頼性に応じて呼吸発生を出力するステップと、
からなる命令を有する
ことを特徴とするシステム。 - 請求項34記載のコンピュータで実行される方法であって、
前記示された信頼性は、認識された呼吸発生の各々についての信頼性の指標を含むことを特徴とする方法。 - 請求項32記載のシステムであって、
前記メモリは更に、
呼吸発生を認識する方法の追加的なインスタンスを少なくとも一つ並行して実行するステップと、
前記複数の呼吸発生を認識するための方法によって認識された呼吸発生を比較して、認識された呼吸発生が真の呼吸発生であることの確からしさを確認するステップと、
前記示された信頼性に応じて認識された呼吸発生を出力するステップと、
からなる命令を有する
ことを特徴とするシステム。 - 請求項32記載のシステムであって、
前記メモリは更に、
前記選定された期間及び/又は前記選定された比率を、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定される被検者の活動レベルに応じて変化させるための命令を有する
ことを特徴とするシステム。 - 請求項32記載のシステムであって、
前記メモリは更に、
遠隔コンピュータシステムから、前記選定された期間及び/又は前記選定された比率についての値を受信するための命令を有する
ことを特徴とするシステム。 - 請求項40記載のシステムであって、
前記受信された値は、遠隔コンピュータシステムにおいて、一又はそれ以上のハイパスフィルタリングされた加速度計信号から判定された被検者の活動レベルに応じて決定される
ことを特徴とするシステム。 - 請求項34記載のシステムであって、
前記ロックアウト期間は、最近の7つのR波間隔の中央値の約20%から約50%の間である
ことを特徴とするシステム。 - 請求項34記載のシステムであって、
探索可能期間は、msecで最近のR波間隔の約3/4から約4/4の間である
ことを特徴とするシステム。 - 請求項33記載の方法であって、
前記ECG信号のサンプリングレートは、約200Hzであって、
ノイズを示す第1の移動平均は、受信したECG信号の約400サンプル以上のレートでサンプリングされ、信号を示す第2の移動平均は、受信したECG信号の約24サンプル又はそれ以下でサンプリングされる
ことを特徴とする方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US62946404P | 2004-11-19 | 2004-11-19 | |
PCT/US2005/042186 WO2006055917A2 (en) | 2004-11-19 | 2005-11-21 | Methods and systems for real time breath rate determination with limited processor resources |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008520384A true JP2008520384A (ja) | 2008-06-19 |
Family
ID=36407849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007543361A Pending JP2008520384A (ja) | 2004-11-19 | 2005-11-21 | 限られたプロセッサ資源で呼吸数を実時間判定するための方法及びシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20060178591A1 (ja) |
EP (1) | EP1814454A2 (ja) |
JP (1) | JP2008520384A (ja) |
AU (1) | AU2005306358A1 (ja) |
CA (1) | CA2588831A1 (ja) |
WO (1) | WO2006055917A2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013524919A (ja) * | 2010-04-21 | 2013-06-20 | 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 | 呼吸運動検出装置 |
JP2014503273A (ja) * | 2010-12-17 | 2014-02-13 | コーニンクレッカ フィリップス エヌ ヴェ | 生体徴候を監視するためのジェスチャ制御 |
JP2014097216A (ja) * | 2012-11-15 | 2014-05-29 | Seiko Epson Corp | 生体情報測定回路、装置、プログラム及び方法 |
JP2016509870A (ja) * | 2013-02-08 | 2016-04-04 | ヴァイタル コネクト, インコーポレイテッドVital Connect, Inc. | 呼吸信号の組合せを使用する呼吸速度測定 |
JP2016172144A (ja) * | 2016-07-06 | 2016-09-29 | セイコーエプソン株式会社 | 生体情報測定装置、生体情報測定方法、及び生体情報測定システム |
JP2020174690A (ja) * | 2019-04-15 | 2020-10-29 | 株式会社テクノ・コモンズ | 生体信号処理装置 |
Families Citing this family (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001078577A2 (en) | 2000-04-17 | 2001-10-25 | Vivometrics, Inc. | Systems and methods for ambulatory monitoring of physiological signs |
US7727161B2 (en) | 2003-04-10 | 2010-06-01 | Vivometrics, Inc. | Systems and methods for monitoring cough |
US20080082018A1 (en) * | 2003-04-10 | 2008-04-03 | Sackner Marvin A | Systems and methods for respiratory event detection |
US7809433B2 (en) * | 2005-08-09 | 2010-10-05 | Adidas Ag | Method and system for limiting interference in electroencephalographic signals |
CA2522006C (en) * | 2003-04-10 | 2013-05-28 | Vivometrics, Inc. | Systems and methods for respiratory event detection |
US9492084B2 (en) | 2004-06-18 | 2016-11-15 | Adidas Ag | Systems and methods for monitoring subjects in potential physiological distress |
US9504410B2 (en) | 2005-09-21 | 2016-11-29 | Adidas Ag | Band-like garment for physiological monitoring |
US7878979B2 (en) * | 2005-05-20 | 2011-02-01 | Adidas Ag | Methods and systems for determining dynamic hyperinflation |
US8033996B2 (en) | 2005-07-26 | 2011-10-11 | Adidas Ag | Computer interfaces including physiologically guided avatars |
US8762733B2 (en) | 2006-01-30 | 2014-06-24 | Adidas Ag | System and method for identity confirmation using physiologic biometrics to determine a physiologic fingerprint |
US8177724B2 (en) * | 2006-06-08 | 2012-05-15 | Adidas Ag | System and method for snore detection and confirmation |
US8475387B2 (en) | 2006-06-20 | 2013-07-02 | Adidas Ag | Automatic and ambulatory monitoring of congestive heart failure patients |
WO2008055078A2 (en) | 2006-10-27 | 2008-05-08 | Vivometrics, Inc. | Identification of emotional states using physiological responses |
DE102006060819A1 (de) * | 2006-12-21 | 2008-07-03 | Fresenius Medical Care Deutschland Gmbh | Verfahren und Vorrichtung zur Bestimmung der Atemfrequenz |
US8602997B2 (en) | 2007-06-12 | 2013-12-10 | Sotera Wireless, Inc. | Body-worn system for measuring continuous non-invasive blood pressure (cNIBP) |
WO2008154643A1 (en) | 2007-06-12 | 2008-12-18 | Triage Wireless, Inc. | Vital sign monitor for measuring blood pressure using optical, electrical, and pressure waveforms |
US11607152B2 (en) | 2007-06-12 | 2023-03-21 | Sotera Wireless, Inc. | Optical sensors for use in vital sign monitoring |
US11330988B2 (en) | 2007-06-12 | 2022-05-17 | Sotera Wireless, Inc. | Body-worn system for measuring continuous non-invasive blood pressure (cNIBP) |
JP5131834B2 (ja) * | 2008-03-14 | 2013-01-30 | 愛知時計電機株式会社 | 吐息検出装置及び呼吸判定システム |
US11896350B2 (en) | 2009-05-20 | 2024-02-13 | Sotera Wireless, Inc. | Cable system for generating signals for detecting motion and measuring vital signs |
US8956294B2 (en) | 2009-05-20 | 2015-02-17 | Sotera Wireless, Inc. | Body-worn system for continuously monitoring a patients BP, HR, SpO2, RR, temperature, and motion; also describes specific monitors for apnea, ASY, VTAC, VFIB, and ‘bed sore’ index |
US8738118B2 (en) | 2009-05-20 | 2014-05-27 | Sotera Wireless, Inc. | Cable system for generating signals for detecting motion and measuring vital signs |
US9775529B2 (en) | 2009-06-17 | 2017-10-03 | Sotera Wireless, Inc. | Body-worn pulse oximeter |
US20110021928A1 (en) * | 2009-07-23 | 2011-01-27 | The Boards Of Trustees Of The Leland Stanford Junior University | Methods and system of determining cardio-respiratory parameters |
US8545417B2 (en) | 2009-09-14 | 2013-10-01 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiration rate |
US11253169B2 (en) | 2009-09-14 | 2022-02-22 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiration rate |
US10806351B2 (en) | 2009-09-15 | 2020-10-20 | Sotera Wireless, Inc. | Body-worn vital sign monitor |
US8527038B2 (en) | 2009-09-15 | 2013-09-03 | Sotera Wireless, Inc. | Body-worn vital sign monitor |
US10420476B2 (en) | 2009-09-15 | 2019-09-24 | Sotera Wireless, Inc. | Body-worn vital sign monitor |
US8321004B2 (en) | 2009-09-15 | 2012-11-27 | Sotera Wireless, Inc. | Body-worn vital sign monitor |
US8364250B2 (en) | 2009-09-15 | 2013-01-29 | Sotera Wireless, Inc. | Body-worn vital sign monitor |
US20120302900A1 (en) * | 2010-02-12 | 2012-11-29 | Koninklijke Philips Electronics N.V. | Method and apparatus for processing a cyclic physiological signal |
US8727977B2 (en) | 2010-03-10 | 2014-05-20 | Sotera Wireless, Inc. | Body-worn vital sign monitor |
US9339209B2 (en) | 2010-04-19 | 2016-05-17 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiratory rate |
US8888700B2 (en) | 2010-04-19 | 2014-11-18 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiratory rate |
US8747330B2 (en) | 2010-04-19 | 2014-06-10 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiratory rate |
US9173594B2 (en) | 2010-04-19 | 2015-11-03 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiratory rate |
US9173593B2 (en) | 2010-04-19 | 2015-11-03 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiratory rate |
US8979765B2 (en) | 2010-04-19 | 2015-03-17 | Sotera Wireless, Inc. | Body-worn monitor for measuring respiratory rate |
US20110295139A1 (en) * | 2010-05-28 | 2011-12-01 | Te-Chung Isaac Yang | Method and system for reliable respiration parameter estimation from acoustic physiological signal |
US20140249432A1 (en) | 2010-12-28 | 2014-09-04 | Matt Banet | Body-worn system for continuous, noninvasive measurement of cardiac output, stroke volume, cardiac power, and blood pressure |
CN103582449B (zh) | 2011-02-18 | 2017-06-09 | 索泰拉无线公司 | 用于患者监护的模块化手腕佩戴式处理器 |
SG192835A1 (en) | 2011-02-18 | 2013-09-30 | Sotera Wireless Inc | Optical sensor for measuring physiological properties |
US9993604B2 (en) | 2012-04-27 | 2018-06-12 | Covidien Lp | Methods and systems for an optimized proportional assist ventilation |
US10357163B1 (en) | 2012-06-01 | 2019-07-23 | Vital Connect, Inc. | Respiratory rate detection using decomposition of ECG |
US10362967B2 (en) | 2012-07-09 | 2019-07-30 | Covidien Lp | Systems and methods for missed breath detection and indication |
US9027552B2 (en) | 2012-07-31 | 2015-05-12 | Covidien Lp | Ventilator-initiated prompt or setting regarding detection of asynchrony during ventilation |
ES2673117T3 (es) | 2012-11-27 | 2018-06-19 | Pneumacare Ltd | Análisis de datos de respiración |
US9414761B2 (en) * | 2014-06-02 | 2016-08-16 | Indian Institute Of Technology Delhi | QRS complex identification in electrocardiogram signals |
US11386998B2 (en) * | 2014-08-07 | 2022-07-12 | Board Of Regents Of The University Of Nebraska | Systems and techniques for estimating the severity of chronic obstructive pulmonary disease in a patient |
US9950129B2 (en) | 2014-10-27 | 2018-04-24 | Covidien Lp | Ventilation triggering using change-point detection |
AU2016310411B2 (en) * | 2015-08-27 | 2020-04-02 | Gemgard Pty Limited | Non-invasive respiratory monitoring |
KR102454895B1 (ko) * | 2015-12-14 | 2022-10-14 | 삼성전자주식회사 | 연속적인 생체 신호 모니터링 방법 및 시스템 |
US10905382B2 (en) | 2016-10-25 | 2021-02-02 | Samsung Electronics Co., Ltd. | Bio-signal quality assessment apparatus and method and bio-signal measurement parameter optimization apparatus and method |
IT201700078138A1 (it) * | 2017-07-11 | 2019-01-11 | Milano Politecnico | Dispositivo indossabile per il monitoraggio continuo della frequenza respiratoria |
US11138770B2 (en) * | 2017-11-06 | 2021-10-05 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical imaging |
US11324954B2 (en) | 2019-06-28 | 2022-05-10 | Covidien Lp | Achieving smooth breathing by modified bilateral phrenic nerve pacing |
Family Cites Families (72)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US35122A (en) * | 1862-04-29 | Improvement in locomotive-lamps | ||
US4016868A (en) * | 1975-11-25 | 1977-04-12 | Allison Robert D | Garment for impedance plethysmograph use |
GB1596298A (en) * | 1977-04-07 | 1981-08-26 | Morgan Ltd P K | Method of and apparatus for detecting or measuring changes in the cross-sectional area of a non-magnetic object |
US4306567A (en) * | 1977-12-22 | 1981-12-22 | Krasner Jerome L | Detection and monitoring device |
US4433693A (en) * | 1979-09-27 | 1984-02-28 | Hochstein Peter A | Method and assembly for monitoring respiration and detecting apnea |
US4373534A (en) * | 1981-04-14 | 1983-02-15 | Respitrace Corporation | Method and apparatus for calibrating respiration monitoring system |
US4452252A (en) * | 1981-05-26 | 1984-06-05 | Respitrace Corporation | Non-invasive method for monitoring cardiopulmonary parameters |
US4456015A (en) * | 1981-05-26 | 1984-06-26 | Respitrace Corporation | Non-invasive method for semiquantitative measurement of neck volume changes |
US4860766A (en) * | 1983-11-18 | 1989-08-29 | Respitrace Corp. | Noninvasive method for measuring and monitoring intrapleural pressure in newborns |
GB8502443D0 (en) * | 1985-01-31 | 1985-03-06 | Flexigage Ltd | Monitoring physiological parameters |
US4648407A (en) * | 1985-07-08 | 1987-03-10 | Respitrace Corporation | Method for detecting and differentiating central and obstructive apneas in newborns |
US5007427A (en) * | 1987-05-07 | 1991-04-16 | Capintec, Inc. | Ambulatory physiological evaluation system including cardiac monitoring |
US4834109A (en) * | 1986-01-21 | 1989-05-30 | Respitrace Corporation | Single position non-invasive calibration technique |
US4777962A (en) * | 1986-05-09 | 1988-10-18 | Respitrace Corporation | Method and apparatus for distinguishing central obstructive and mixed apneas by external monitoring devices which measure rib cage and abdominal compartmental excursions during respiration |
US4803997A (en) * | 1986-07-14 | 1989-02-14 | Edentec Corporation | Medical monitor |
US4800495A (en) * | 1986-08-18 | 1989-01-24 | Physio-Control Corporation | Method and apparatus for processing signals used in oximetry |
US4807640A (en) * | 1986-11-19 | 1989-02-28 | Respitrace Corporation | Stretchable band-type transducer particularly suited for respiration monitoring apparatus |
US5301678A (en) * | 1986-11-19 | 1994-04-12 | Non-Invasive Monitoring System, Inc. | Stretchable band - type transducer particularly suited for use with respiration monitoring apparatus |
US4753988A (en) * | 1987-02-18 | 1988-06-28 | The Dow Chemical Company | High gloss acrylate rubber-modified weatherable resins |
US4817625A (en) * | 1987-04-24 | 1989-04-04 | Laughton Miles | Self-inductance sensor |
US5178151A (en) * | 1988-04-20 | 1993-01-12 | Sackner Marvin A | System for non-invasive detection of changes of cardiac volumes and aortic pulses |
US4972842A (en) * | 1988-06-09 | 1990-11-27 | Vital Signals, Inc. | Method and apparatus for precision monitoring of infants on assisted ventilation |
US5040540A (en) * | 1988-08-24 | 1991-08-20 | Nims, Inc. | Method and apparatus for non-invasive monitoring of central venous pressure, and improved transducer therefor |
US4986277A (en) * | 1988-08-24 | 1991-01-22 | Sackner Marvin A | Method and apparatus for non-invasive monitoring of central venous pressure |
US4960118A (en) * | 1989-05-01 | 1990-10-02 | Pennock Bernard E | Method and apparatus for measuring respiratory flow |
US5074129A (en) * | 1989-12-26 | 1991-12-24 | Novtex | Formable fabric |
US5159935A (en) * | 1990-03-08 | 1992-11-03 | Nims, Inc. | Non-invasive estimation of individual lung function |
US5131399A (en) * | 1990-08-06 | 1992-07-21 | Sciarra Michael J | Patient monitoring apparatus and method |
US5331968A (en) * | 1990-10-19 | 1994-07-26 | Gerald Williams | Inductive plethysmographic transducers and electronic circuitry therefor |
US5353793A (en) * | 1991-11-25 | 1994-10-11 | Oishi-Kogyo Company | Sensor apparatus |
AU6942494A (en) * | 1993-05-21 | 1994-12-20 | Nims, Inc. | Discriminating between valid and artifactual pulse waveforms |
US5447164A (en) * | 1993-11-08 | 1995-09-05 | Hewlett-Packard Company | Interactive medical information display system and method for displaying user-definable patient events |
US5533511A (en) * | 1994-01-05 | 1996-07-09 | Vital Insite, Incorporated | Apparatus and method for noninvasive blood pressure measurement |
US5544661A (en) * | 1994-01-13 | 1996-08-13 | Charles L. Davis | Real time ambulatory patient monitor |
US5416961A (en) * | 1994-01-26 | 1995-05-23 | Schlegel Corporation | Knitted wire carrier having bonded warp threads and method for forming same |
US5601088A (en) * | 1995-02-17 | 1997-02-11 | Ep Technologies, Inc. | Systems and methods for filtering artifacts from composite signals |
EP0874583B1 (en) * | 1995-07-28 | 2004-04-14 | Cardiotronics International, Inc. | Disposable electro-dermal device |
US5694939A (en) * | 1995-10-03 | 1997-12-09 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Autogenic-feedback training exercise (AFTE) method and system |
GB2306659B (en) * | 1995-11-02 | 1999-12-15 | Healthcare Technology Ltd | Heart rate sensing apparatus |
US5738104A (en) * | 1995-11-08 | 1998-04-14 | Salutron, Inc. | EKG based heart rate monitor |
JP3199225B2 (ja) * | 1996-12-12 | 2001-08-13 | 株式会社椿本チエイン | サイレントチェーン |
CA2219848C (en) * | 1996-12-26 | 2001-07-31 | David L. Banks | Static electricity dissipation garment |
ATE477746T1 (de) * | 1997-03-17 | 2010-09-15 | Adidas Ag | Informationsrückkopplungs system für physiologische signale |
DE69839008D1 (de) * | 1997-03-17 | 2008-03-06 | Vivometrics Inc | F ihren einfluss auf neuromuskuläre atmung |
US6002952A (en) * | 1997-04-14 | 1999-12-14 | Masimo Corporation | Signal processing apparatus and method |
US5913830A (en) * | 1997-08-20 | 1999-06-22 | Respironics, Inc. | Respiratory inductive plethysmography sensor |
US6254552B1 (en) * | 1997-10-03 | 2001-07-03 | E.I. Du Pont De Nemours And Company | Intra-coronary radiation devices containing Ce-144 or Ru-106 |
US6179793B1 (en) * | 1998-01-14 | 2001-01-30 | Revivant Corporation | Cardiac assist method using an inflatable vest |
US6152883A (en) * | 1998-06-23 | 2000-11-28 | Dalhousie University | KLT-based quality controlled compression of a single lead egg |
US6223072B1 (en) * | 1999-06-08 | 2001-04-24 | Impulse Dynamics N.V. | Apparatus and method for collecting data useful for determining the parameters of an alert window for timing delivery of ETC signals to a heart under varying cardiac conditions |
US6656127B1 (en) * | 1999-06-08 | 2003-12-02 | Oridion Breathid Ltd. | Breath test apparatus and methods |
US6413225B1 (en) * | 1999-06-18 | 2002-07-02 | Vivometrics, Inc. | Quantitative calibration of breathing monitors with transducers placed on both rib cage and abdomen |
US6142953A (en) * | 1999-07-08 | 2000-11-07 | Compumedics Sleep Pty Ltd | Respiratory inductive plethysmography band transducer |
US6449504B1 (en) * | 1999-08-20 | 2002-09-10 | Cardiac Pacemakers, Inc. | Arrhythmia display |
US6721594B2 (en) * | 1999-08-24 | 2004-04-13 | Cardiac Pacemakers, Inc. | Arrythmia display |
US6604115B1 (en) * | 1999-11-05 | 2003-08-05 | Ge Marquette Medical Systems, Inc. | Method and apparatus for storing data |
US6727197B1 (en) * | 1999-11-18 | 2004-04-27 | Foster-Miller, Inc. | Wearable transmission device |
WO2001078577A2 (en) * | 2000-04-17 | 2001-10-25 | Vivometrics, Inc. | Systems and methods for ambulatory monitoring of physiological signs |
US6633772B2 (en) * | 2000-08-18 | 2003-10-14 | Cygnus, Inc. | Formulation and manipulation of databases of analyte and associated values |
EP1353594B1 (en) * | 2000-12-29 | 2008-10-29 | Ares Medical, Inc. | Sleep apnea risk evaluation |
US6341504B1 (en) * | 2001-01-31 | 2002-01-29 | Vivometrics, Inc. | Composite elastic and wire fabric for physiological monitoring apparel |
US6783498B2 (en) * | 2002-03-26 | 2004-08-31 | Vivometrics, Inc. | Method and system for extracting cardiac parameters from plethysmographic signals |
TW528593B (en) * | 2002-05-17 | 2003-04-21 | Jang-Min Yang | Device for monitoring physiological status and method for using the device |
US6881192B1 (en) * | 2002-06-12 | 2005-04-19 | Pacesetter, Inc. | Measurement of sleep apnea duration and evaluation of response therapies using duration metrics |
US7252640B2 (en) * | 2002-12-04 | 2007-08-07 | Cardiac Pacemakers, Inc. | Detection of disordered breathing |
CA2522006C (en) * | 2003-04-10 | 2013-05-28 | Vivometrics, Inc. | Systems and methods for respiratory event detection |
US20040249299A1 (en) * | 2003-06-06 | 2004-12-09 | Cobb Jeffrey Lane | Methods and systems for analysis of physiological signals |
US8606356B2 (en) * | 2003-09-18 | 2013-12-10 | Cardiac Pacemakers, Inc. | Autonomic arousal detection system and method |
US7559902B2 (en) * | 2003-08-22 | 2009-07-14 | Foster-Miller, Inc. | Physiological monitoring garment |
WO2005048824A2 (en) * | 2003-11-18 | 2005-06-02 | Vivometrics, Inc. | Method and system for processing data from ambulatory physiological monitoring |
US6964641B2 (en) * | 2003-12-24 | 2005-11-15 | Medtronic, Inc. | Implantable medical device with sleep disordered breathing monitoring |
US7769452B2 (en) * | 2006-03-29 | 2010-08-03 | Medtronic, Inc. | Method and apparatus for detecting arrhythmias in a medical device |
-
2005
- 2005-11-21 AU AU2005306358A patent/AU2005306358A1/en not_active Abandoned
- 2005-11-21 WO PCT/US2005/042186 patent/WO2006055917A2/en active Application Filing
- 2005-11-21 JP JP2007543361A patent/JP2008520384A/ja active Pending
- 2005-11-21 US US11/285,609 patent/US20060178591A1/en not_active Abandoned
- 2005-11-21 EP EP05849390A patent/EP1814454A2/en not_active Withdrawn
- 2005-11-21 CA CA002588831A patent/CA2588831A1/en not_active Abandoned
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013524919A (ja) * | 2010-04-21 | 2013-06-20 | 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 | 呼吸運動検出装置 |
JP2014503273A (ja) * | 2010-12-17 | 2014-02-13 | コーニンクレッカ フィリップス エヌ ヴェ | 生体徴候を監視するためのジェスチャ制御 |
JP2014097216A (ja) * | 2012-11-15 | 2014-05-29 | Seiko Epson Corp | 生体情報測定回路、装置、プログラム及び方法 |
JP2016509870A (ja) * | 2013-02-08 | 2016-04-04 | ヴァイタル コネクト, インコーポレイテッドVital Connect, Inc. | 呼吸信号の組合せを使用する呼吸速度測定 |
JP2017196425A (ja) * | 2013-02-08 | 2017-11-02 | ヴァイタル コネクト, インコーポレイテッドVital Connect, Inc. | 呼吸信号の組合せを使用する呼吸速度測定 |
JP2016172144A (ja) * | 2016-07-06 | 2016-09-29 | セイコーエプソン株式会社 | 生体情報測定装置、生体情報測定方法、及び生体情報測定システム |
JP2020174690A (ja) * | 2019-04-15 | 2020-10-29 | 株式会社テクノ・コモンズ | 生体信号処理装置 |
JP7274168B2 (ja) | 2019-04-15 | 2023-05-16 | 株式会社テクノ・コモンズ | 生体信号処理装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2006055917A3 (en) | 2007-09-13 |
US20060178591A1 (en) | 2006-08-10 |
EP1814454A2 (en) | 2007-08-08 |
CA2588831A1 (en) | 2006-05-26 |
WO2006055917A2 (en) | 2006-05-26 |
AU2005306358A2 (en) | 2006-05-26 |
AU2005306358A1 (en) | 2006-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008520384A (ja) | 限られたプロセッサ資源で呼吸数を実時間判定するための方法及びシステム | |
JP6555692B2 (ja) | 呼吸速度を測定する方法および呼吸速度を測定するシステム | |
US7578793B2 (en) | Sleep staging based on cardio-respiratory signals | |
CN108289636B (zh) | 用于确定对象的呼吸速率的方法和装置 | |
US9814438B2 (en) | Methods and apparatus for performing dynamic respiratory classification and tracking | |
US7379770B2 (en) | Devices and methods for heart rate measurement and wrist-watch incorporating same | |
US20150105666A1 (en) | Narrow band feature extraction from cardiac signals | |
US20070276278A1 (en) | Systems and methods for monitoring cough | |
WO2000021438A1 (en) | Device for determining respiratory rate from optoplethysmogram | |
US20200107775A1 (en) | Methods and Systems for Monitoring Sleep Apnea | |
JP6310401B2 (ja) | 生理的リズムを表す信号を処理する方法、システム及びコンピュータプログラム | |
EP1622512A2 (en) | Systems and methods for respiratory event detection | |
JP2014505566A (ja) | 呼吸モニタリング方法およびシステム | |
US20110054339A1 (en) | Method for detecting respiratory cycles in a stethoscope signal | |
US10426426B2 (en) | Methods and apparatus for performing dynamic respiratory classification and tracking | |
EP1641388B1 (en) | Devices and methods for heart-rate measurement and wrist-watch incorporating same | |
JP2010213809A (ja) | 生体信号分析装置 | |
WO2017042350A1 (en) | Method and system for monitoring ventilatory parameter | |
EP4335364A1 (en) | A system and method for determining the breathing rate of a subject | |
CN117481632A (zh) | 一种无感式呼吸率计算方法、装置和电子设备 | |
WO2024052163A1 (en) | A system and method for determining the breathing rate of a subject | |
WO2024038188A1 (en) | Analysing heart or respiratory-system sounds | |
CN114847926A (zh) | 一种基于自适应阈值的肺功能呼吸检测方法 |