JP2014505566A - 呼吸モニタリング方法およびシステム - Google Patents
呼吸モニタリング方法およびシステム Download PDFInfo
- Publication number
- JP2014505566A JP2014505566A JP2013554000A JP2013554000A JP2014505566A JP 2014505566 A JP2014505566 A JP 2014505566A JP 2013554000 A JP2013554000 A JP 2013554000A JP 2013554000 A JP2013554000 A JP 2013554000A JP 2014505566 A JP2014505566 A JP 2014505566A
- Authority
- JP
- Japan
- Prior art keywords
- segment
- respiratory
- undegraded
- segments
- signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 title claims description 19
- 230000000241 respiratory effect Effects 0.000 claims abstract description 60
- 230000036387 respiratory rate Effects 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 12
- 238000012545 processing Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000003434 inspiratory effect Effects 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007429 general method Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009747 swallowing Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010200 validation analysis 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
- A61B5/08—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
- 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
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- 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
- A61B5/0809—Detecting, measuring or recording devices for evaluating the respiratory organs by impedance pneumography
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
記録された呼吸エピソードを表す信号から呼吸数を測定する方法は、劣化したセグメントによって分離される前記信号内の2つ以上の劣化していないセグメントを特定する工程と、劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間で平均絶対偏差(AAD)が最も低いセグメントを特定する工程と、最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定する工程を含む。
【選択図】図1
【選択図】図1
Description
本発明は、呼吸モニタリング方法と、呼吸モニタリング方法を行うためのシステムに関する。本発明の態様は、呼吸モニタリングシステムのためのプロセッサーにも関する。
呼吸信号を処理し、患者の呼吸数を抽出するための多くのシステムは、その数学的な複雑さゆえに高い計算能力を要求する、および/または、対象の信号におけるノイズレベルを下げるために用いられる基準信号を同時に獲得するための多重センサーを必要とする、技術を含む。しかしながら、そのようなシステムは長い処理時間と大量のメモリを必要とするため、バッテリーで駆動するような、したがって、電力消費量の少ない、廉価の着用可能な無線装置で使用するには適していない。
ゼロ交差および/または閾値ベースのピーク検出器に基づいて、簡易な周波数または時間領域の解析を採用することによって、呼吸数を測定することも知られている。これらの技術は、計算に係るコストを抑えて比較的正確な装置で用いられ得るが、将来の正確な呼吸の検出を可能にするために、閾値と他の変数を調節するための連続的に獲得された正確な呼吸検出の記録に依存する。加えて、これらの単純な時間領域アルゴリズムは、患者の運動によって劣化した(corrupted)信号、または、話をしたり、咳をしたり、呑み込んだりするなどしたせいで不規則で臨床的に意味のない信号のいずれかを特定することができない。
したがって、本発明の目的は、前述の問題の少なくともいくつかに対処する呼吸モニタリング方法およびシステムを提供することである。
本発明の第1の態様によって、記録された呼吸エピソードを表す信号から呼吸数を測定する方法が提供され、該方法は、劣化したセグメントによって分離される前記信号内の2つ以上の劣化していないセグメントを特定する工程と、劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフ(trough)の間で平均絶対偏差(AAD)が最も低いセグメントを特定する工程と、最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定する工程を含む。
したがって、本発明の実施形態は、呼吸波形からデータの良質なセグメントのみを選択し処理することができる方法を提供する。これは、システムの計算と電力の要件を減らすだけでなく、例えば、運動、会話、咳、または、嚥下によって劣化したデータによって、呼吸数が知らずに影響を受けないようにもする。
本発明は、劣化していない信号から呼吸数を得るために2つの代替的な方法を提供する。両方の場合で、呼吸数の計算はデータの劣化していないセグメントにのみ基づく。最も長い劣化していないセグメントが使用される場合、該方法はさほど計算に集中することがなく、AADの最も低いセグメントが使用される場合、計算された呼吸数の方が実際の呼吸数を表すものであってもよい。
当然のことながら、本発明の方法では、呼吸数は、データのエポックから得られる1つの値の数として計算される。
該方法は、データのそのエポック内で、最も長い劣化していないセグメントが呼吸数を計算するために用いられるか、あるいは、AADの最も低いセグメントが呼吸数を計算するために用いられるかを、ユーザーが選択する工程を含んでもよい。
2以上のセグメントが同じ最も長いセグメントを有していると特定される場合、最初に特定されたセグメントは、最も長い劣化していないセグメントとして選択されてもよい。
2以上のセグメントが同じ最も低いAADを有していると特定される場合、最初に特定されたセグメントは、AADの最も低いセグメントとして選択されてもよい。
劣化していないセグメントは、動的または遡及的に(retrospectively)に特定されてもよい。
該方法は、前記の信号および/または前記の劣化していないセグメントから少なくとも1つの閾値を導き出す工程と、上記の工程のいずれかまたはすべてにおいて、少なくとも1つの閾値を使用する工程をさらに含む。
該方法は、基地局に呼吸数を伝える工程をさらに含んでもよい。呼吸数は、基地局に無線で伝えられてもよい。
劣化していないセグメントを特定する工程は、信号の勾配および/または振幅があらかじめ決められた閾値を越えないかどうかをチェックする工程を含んでもよい。
劣化していないセグメントを特定する工程は、信号のピークおよび/またはトラフを特定する工程と、隣接するピークおよび/またはトラフの間隔を得る工程、前記間隔の変化を計算する工程、および、そのような変化があらかじめ決められた閾値を越えるかどうかを測定する工程を含んでもよい。
劣化していないセグメントを特定する工程は、隣接するピーク間の第1の平均絶対偏差と隣接するトラフ間の第2の平均絶対偏差を計算する工程、正規化した閾値を得るために第1と第2の平均絶対偏差を組み合わせる工程、および、第1または第2の平均絶対偏差のいずれかが正規化された閾値を越えるかどうかを測定する工程を含んでもよい。第1の平均絶対偏差は、信号におけるピークを特定し、隣接するピークの間隔を得て、平均的なピークの間隔を計算し、前記間隔の平均絶対偏差を計算することによって、計算されてもよい。第2の平均絶対偏差は、信号におけるトラフを特定し、隣接するトラフの間隔を得て、平均的なトラフの間隔を計算し、前記間隔の平均絶対偏差を計算することによって、計算されてもよい。第1と第2の平均絶対偏差を組み合わせる工程は、第1と第2の平均絶対偏差の合計に重み係数を掛ける工程を含んでもよい。
該方法は、呼吸数を測定する前に、劣化していないセグメントを事前処理する工程をさらに含んでもよい。
事前処理する工程は、以下の1つ以上を含んでもよい。
(i)データのセンタリングの工程
(ii)ゲイン調整の工程
(iii)自己調整可能なフィルタにセグメントを通す工程
(iv)低域および/または高域フィルタにセグメントを通す工程。
(i)データのセンタリングの工程
(ii)ゲイン調整の工程
(iii)自己調整可能なフィルタにセグメントを通す工程
(iv)低域および/または高域フィルタにセグメントを通す工程。
自己調整可能なフィルタは、伸び縮みすることで、モニターされた心臓のインピーダンスの動的な変化によってもたらされるノイズを消すように構成されてもよい。自己調整可能なフィルタは、同時に発生する心臓性の汚染物質(cardiogenic contaminants)の周波数に従ってカットオフ周波数を調節するために心拍数情報を使用してもよい。
該方法は、以下の1つ以上を含む、呼吸事象をチェックする工程をさらに含んでもよい。
(i)ノイズマージンの窓(noise margin window)の外側のピークおよび/またはトラフを特定する工程、
(ii)呼息のトラフがピークに先立つ場合にのみ、ピークを吸息の事象として分類する工程、
(iii)吸息のピークがトラフに先立つ場合にのみ、トラフを呼息の事象として分類する工程、
(iv)吸息および/または呼息の事象が予想された最大値を超える呼吸数を結果として生じさせる場合に、吸息および/または呼息の事象を無視する工程、
(v)吸息および/または呼息の振幅が以前の吸息および/または呼息の事象の20%、30%、40%、または、50%のいずれか1つよりも小さい場合に、吸息および/または呼息の事象を無視する工程。
(i)ノイズマージンの窓(noise margin window)の外側のピークおよび/またはトラフを特定する工程、
(ii)呼息のトラフがピークに先立つ場合にのみ、ピークを吸息の事象として分類する工程、
(iii)吸息のピークがトラフに先立つ場合にのみ、トラフを呼息の事象として分類する工程、
(iv)吸息および/または呼息の事象が予想された最大値を超える呼吸数を結果として生じさせる場合に、吸息および/または呼息の事象を無視する工程、
(v)吸息および/または呼息の振幅が以前の吸息および/または呼息の事象の20%、30%、40%、または、50%のいずれか1つよりも小さい場合に、吸息および/または呼息の事象を無視する工程。
有利なことに、該方法は、吸息および/または呼息の事象が、以前の吸息/呼息の事象の振幅の少なくともあらかじめ設定された割合である振幅を有するかどうかを測定する工程を含んでもよい。したがって、該方法は、任意の平均振幅値の使用を含まなくてもよい。
該方法は、2つの隣接したピークおよび/または2つの隣接したトラフの間の間隔の変動があらかじめ決められた閾値を越えるどうかを測定するために、呼吸事象をチェックする工程の後に、周期性のチェックを行う工程をさらに含んでもよい。
該方法は、検知された有効なピークおよび/またはトラフの数を計算する工程と、その数が有効な呼吸数を計算するのに必要とされるあらかじめ決められた最小値よりも大きいまたは該最小値と等しいかどうかを評価する工程とを含む、有効性をチェックする工程をさらに含む。
該方法は、隣接した有効なピークの間隔についての平均絶対偏差が、あらかじめ設定された値を超えないかどうか、および/または、隣接した有効なトラフの間隔についての平均絶対偏差が、あらかじめ設定された値を超えないかどうかを確かめる工程をさらに含んでもよい。
呼吸数は、特定された前記劣化していないセグメントから得られた有効な吸息および/または呼息の事象を用いて得られる平均または中間の呼吸数として計算されてもよい。
該方法は、呼吸エピソードを表わす信号が連続的な劣化していないデータの少なくとも2つのセグメントを含まないとき、および/または、任意の計算値がそれぞれの閾値を越えるときに、誤差信号を生成する工程をさらに含んでもよい。
本発明の第2の態様によれば、記録された呼吸エピソードを表す信号から呼吸数を測定するために、呼吸をモニタリングするための呼吸モニタリングシステムが提供され、
該システムは、
記録された呼吸エピソードを表す信号を生成するためのセンサーと、
劣化したセグメントによって分離される、前記信号内の2以上の劣化していないセグメントを特定するように、劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間の平均絶対偏差(AAD)が最も低いセグメントを特定するように、および、最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定するように、構成されたプロセッサーとを含む。
該システムは、
記録された呼吸エピソードを表す信号を生成するためのセンサーと、
劣化したセグメントによって分離される、前記信号内の2以上の劣化していないセグメントを特定するように、劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間の平均絶対偏差(AAD)が最も低いセグメントを特定するように、および、最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定するように、構成されたプロセッサーとを含む。
センサーは、前記信号を生成するように構成されたインピーダンス呼吸記録(impedance pneumography)装置を含んでもよい。
システムは着用可能な無線装置として構成されてもよい。
システムは、低電力バッテリーで駆動する使い捨ての装置として構成されてもよい。
本発明の第3の態様によれば、記録された呼吸エピソードを表す信号から呼吸数を測定するために、呼吸をモニタリングするための呼吸モニタリングシステム用のプロセッサーが設けられ、
前記プロセッサーは、
劣化したセグメントによって分離される、前記信号内の2以上の劣化していないセグメントを特定するように、
劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間の平均絶対偏差(AAD)が最も低いセグメントを特定するように、および、
最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定するように、構成される。
前記プロセッサーは、
劣化したセグメントによって分離される、前記信号内の2以上の劣化していないセグメントを特定するように、
劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間の平均絶対偏差(AAD)が最も低いセグメントを特定するように、および、
最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定するように、構成される。
本発明の1つの態様に関して上に記載された特徴が本発明の他の態様に等しく適用されてもよく、その逆であってもよい。
本発明の様々な態様は、添付の図面を参照してここで記載される。
本発明の様々な態様は、添付の図面を参照してここで記載される。
図1は、本発明の実施形態に従って、記録された呼吸エピソードを表す信号から呼吸数を測定する方法(10)のフローチャートを示す。
方法(10)は、呼吸エピソードを表す信号を得る第1の工程(12)を含む。劣化したセグメントによって分離される、信号内の2つ以上の劣化していないセグメントを特定する第2の工程(14)が後に続く。その後、劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間の平均絶対偏差(AAD)が最も低いセグメントを特定する工程を含む第3の工程(16)が行われ、その後に、最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定する第4の工程(18)が行われる。
従って、方法(10)は、呼吸エピソード(例えば、10分間の)を表わす信号が、最も長い、または、最も一貫した(すなわち、最もノイズを含まない)セグメントから呼吸数を計算するために、抽出され、調整され(例えば、あらかじめ処理される)、同様にして得られた他のデータセグメントと比較されることが可能な連続する劣化していないデータの2つ以上のセグメントを含む。したがって、この実施形態は、呼吸波形から、データの良質な部分のみを選択し処理することができる方法(10)を提供する。これには、該方法を実行するシステムのための計算と電力の条件を減らすという利点と、(例えば、運動、会話、咳、または、嚥下によって影響された)劣化したデータが呼吸数の計算の前に減らされるか除去されるため、呼吸数がより正確に計算されることを保証するという利点がある。加えて、劣化したエピソードの使用可能な部分を抽出することで短時間で呼吸数を提供することができるため、呼吸数を計算できるようになる前に、特定の長さ(例えば、1分)の完全な劣化していないエピソードが得られるまで待つ必要がない。
図2は、本発明の実施形態に従って図1の方法(10)を実行するための呼吸モニタリングシステム(20)を示す。システム(20)は、呼吸エピソードを表す信号を生成するためのセンサー(22)と、プロセッサー(24)を含む。プロセッサー(24)は、劣化したセグメントによって分離される、信号内の少なくとも2つの劣化していないセグメントを特定するように構成される。プロセッサー(24)はさらに、劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間の平均絶対偏差(AAD)が最も低いセグメントを特定し、その後に、最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定するように構成される。
図2に示される実施形態では、システム(20)は、基地局(30)(リモートコンピュータによって構成されてもよい)との無線通信のために構成されたトランシーバー(26)を有する、低電力バッテリーで駆動する着用可能な装置として構成される。他の実施形態では、例えば、ローカルエリアネットワークにおいて固定回線上で動作するような他の通信方法が採用されてもよい。
センサー(22)は、プロセッサー(24)によって処理される信号を生成するように構成された、単一リード線(single−lead)電極インピーダンス呼吸運動記録装置を含む。その後、プロセッサー(24)によって計算された呼吸数は、トランシーバー(26)を介して基地局(30)に送信される。(センサー(22)による)呼吸データのローカル処理により、基地局(30)へ送信されるデータを減らすことができ、センサー(22)の電池寿命を伸ばす。当然のことながら、複数のシステム(20)は、例えば、基地局(30)が、胸部にシステム(20)を着用した多くの患者の呼吸数を供給することができるように、基地局(30)と通信するように構成されてもよい。
システム(20)は、不連続であるが周期的な方法で、患者の呼吸活性を記録するように構成されてもよい。例えば、システムは、1分の持続時間の完全な呼吸エピソードを記録し、それが少なくとも10秒間、連続的な劣化していないデータの任意のセグメントを含むかどうかを決定するためにこれを処理し始めてもよい。他の実施形態では、セグメントから有効な呼吸数を計算するのに必要とされる劣化していないデータの最小時間は、1分であってもよい。もし、プロセッサーが、1つの呼吸エピソードから、少なくとも最小時間(この場合10秒)の連続的な劣化していないデータを得られなければ、センサー(22)は別の呼吸エピソードを記録し、上記の工程は、少なくとも最小時間の劣化していないデータが得られるまで繰り返される。一旦劣化していないセグメントがそのようにして得られると、セグメントは、呼吸数を計算するために使用される前に、さらに処理される。
プロセッサー(24)は、呼吸数の結果を基地局(30)に周期的に送信するように構成されてもよい。適切な期間の劣化していないデータが得られない場合、その結果は、1分当たりの呼吸数(BrPM)における有効な呼吸数になる。他のすべての環境では、結果は、信号が不規則であるか無効であるため、有効な呼吸数を得ることができないということを示すメッセージコードの形状をとることもある。
図3は、本発明の特定の実施形態に従って、図1に示される一般的な方法のより具体的な実施形態を示す。図3に示される方法(40)は、運動によって著しく劣化した、あるいは、臨床的に意義のないデータセグメントを拒否するために、プロセスの異なる段階でチェックされる多くの規則を含んでいる。1分間の呼吸エピソードの信号がセンサー(22)から得られ、バッファー(図示せず)に保存されるとすぐに、方法(40)は開始される(42)。このデータは、信号が少なくとも10秒間(あらかじめ決められた最小のセグメント持続期間を表わす保存された値で具体化される)の連続的な劣化していないデータの少なくとも1つのセグメントを含むかどうかを決定する工程(44)を最初に経る。他の実施形態では、最小のセグメント持続期間は、5、15、20、または、30秒に設定されてもよい。同様に、呼吸エピソードは1分に限定される必要はなく、例えば、30秒、2分、3分、または、5分続いてもよい。さらに、呼吸エピソードは、劣化していないデータの最小の時間と同等の持続時間を有しても有していなくてもよい。
幾つかの実施形態では、工程(44)は、信号が運動によって著しく歪んだおよび/または断片化したかどうかをチェックする工程を含んでもよい。従って、工程(44)は、動作検出装置および/または弁別器のモジュール(discriminator module)によって行なわれてもよい。完全に著しく劣化した呼吸信号とノイズを含まない呼吸信号を識別することができることに加え、このモジュールは、純粋な呼吸データの劣化していないセグメントを部分的に回復させることもできる。したがって、モジュールは、呼吸エピソードが連続的な(あるいは切れ目のない)劣化していないデータの少なくとも1つの10秒セグメントを含んでいるかどうかを評価する。この工程(44)は、波形の傾斜と振幅特性を分析し、完全に劣化したエピソードを拒否し、信頼できる呼吸数を抽出することができるデータのセグメントを受け取ることによって、行うことができる。その後、使用可能なデータの受け取ったエピソードおよびセグメントは、以下に詳細に説明されるように、さらなる処理と確認のために(例えば、アレイの)メモリに保存される。
具体的には、本発明の現在の実施形態に従った動作検出装置および弁別器のモジュールは、工程(44)を行うために以下のように動作する。まず、スタートポインタとエンドポインタは、最初にデータバッファーの開始位置と終了位置を指すために使用され、データバッファーはまず呼吸エピソードの全体を表わす信号データをロードされる。その後、動作(アーチファクト)検出装置モジュールは、スタートポインタとエンドポインタがデータの劣化していないセグメントのみを含むようにこれらのポインタを更新するために、以下の段階を行う。
1)勾配と振幅のチェック
2)周期性の工程変化の分析
3)波形の周期性の平均絶対偏差(AAD)の計算
1)勾配と振幅のチェック
2)周期性の工程変化の分析
3)波形の周期性の平均絶対偏差(AAD)の計算
段階1−勾配と振幅のチェック
信号の勾配はあらかじめ決められた勾配閾値を越えないことを保証するためにチェックされる。この実施形態では、勾配閾値はメモリに保存され、2Hzの周波数を有する完全な正弦波の閾値に対応するように設定される。信号の任意の部分が勾配閾値よりも急な勾配を有する場合、そのような部分は拒否され、スタートポインタとエンドポインタは、勾配閾値を越えないデータのみを含めるように更新される。
信号の勾配はあらかじめ決められた勾配閾値を越えないことを保証するためにチェックされる。この実施形態では、勾配閾値はメモリに保存され、2Hzの周波数を有する完全な正弦波の閾値に対応するように設定される。信号の任意の部分が勾配閾値よりも急な勾配を有する場合、そのような部分は拒否され、スタートポインタとエンドポインタは、勾配閾値を越えないデータのみを含めるように更新される。
同様に、信号の振幅は、あらかじめ決められた振幅閾値を越えないことを保証するためにチェックされる。この実施形態では、振幅閾値はメモリに保存され、可能な最大の振幅値の3分の2に相当するように設定される。信号の任意の部分が振幅閾値を越える振幅を有している場合、そのような部分は拒否され、スタートポインタとエンドポインタは、振幅閾値を越えないデータのみを含めるように更新される。
段階2−周期性の工程変化の分析
(先行技術に記載されるような)ピーク検出器は次に、処理時間と電池寿命を節約するために、元々の60秒相当のデータではなく前の段階で特定されたデータのセグメントに動作する。ピーク検出器からの出力は、ピークとトラフの位置のセットである。ピークからピーク(および/またはトラフからトラフ)の間隔の変化がその後計算され、以下の方程式1に従って計算される閾値Sを超える場合にはモーションアーチファクトとみなされる。式中、Tiはピークからピーク(またはトラフからトラフ)の間隔を表し、下付きiは特定の時間間隔を表し、max(Ti,Ti−1)は、隣接するピークからピーク(またはトラフからトラフ)の間隔の最大の差を表している。
(先行技術に記載されるような)ピーク検出器は次に、処理時間と電池寿命を節約するために、元々の60秒相当のデータではなく前の段階で特定されたデータのセグメントに動作する。ピーク検出器からの出力は、ピークとトラフの位置のセットである。ピークからピーク(および/またはトラフからトラフ)の間隔の変化がその後計算され、以下の方程式1に従って計算される閾値Sを超える場合にはモーションアーチファクトとみなされる。式中、Tiはピークからピーク(またはトラフからトラフ)の間隔を表し、下付きiは特定の時間間隔を表し、max(Ti,Ti−1)は、隣接するピークからピーク(またはトラフからトラフ)の間隔の最大の差を表している。
その後、スタートポインタとエンドポインタは、閾値範囲内にないデータを除外するために更新される。
上記の2つの段階のいずれかの間に、スタートポインタとエンドポインタが10秒未満のデータを含めるように調節されると、モジュールは、有効な呼吸数が計算されず、センサー(22)がさらなる1分の呼吸エピソードの信号を得るように命じられてもよいことを示す信号を生成する。
段階3−平均絶対偏差(AAD)の計算
しかしながら、10秒を超えるデータが上記の2つの段階の最後に、スタートポインタとエンドポインタによって含まれる場合、ピークからピーク(または、トラフからトラフ)の間隔の平均絶対偏差(AAD)は、方程式(2)を用いて計算され、式中、Nはデータセットにおけるピークからピーク(または、トラフからトラフ)の間隔の和であり、平均的な間隔値である。
しかしながら、10秒を超えるデータが上記の2つの段階の最後に、スタートポインタとエンドポインタによって含まれる場合、ピークからピーク(または、トラフからトラフ)の間隔の平均絶対偏差(AAD)は、方程式(2)を用いて計算され、式中、Nはデータセットにおけるピークからピーク(または、トラフからトラフ)の間隔の和であり、平均的な間隔値である。
正規化された閾値(L)は、ピークとトラフに関するAAD値の和に、0.15の重み係数を掛けることによって、方程式(3)に従って測定される。(他の実施形態では、異なる重み係数が使用されてもよい。)
AADpeakまたはAADtroughの値のいずれかが方程式(3)で計算された正規化した閾値Lを超える場合、無効な信号が生成される。
加えて、この段階中に、スタートポインタとエンドポインタが10秒未満のデータを含めるように調節されると、モジュールは、有効な呼吸数が計算されず、センサー(22)が、さらなる1分間の呼吸エピソードの信号を得るように命じられてもよいことを示す信号を生成する。しかしながら、上に記載された3つの段階の後、スタートポインタとエンドポインタが少なくとも10秒の劣化していないデータを依然として含んでいる場合、このセグメントは、呼吸数を計算するために以下に記載されるようにさらに処理される。
方法(40)の次の工程は、スタートポインタとエンドポインタの間に含まれるデータ上で調整(conditioning)段階(46)を行うことである。元々の呼吸信号における劣化のレベルに依存して、このプロセスは、(上記段階を経た)エピソード全体に適用されるか、あるいは、上記段階を生き残った元々の信号のセグメント上でのみ適用されてもよいことに留意する。
調整段階(46)は、(信号に関連する任意のオフセットを取り除くための)データのセンタリングと、ゲイン調整(48)を含む。その後のプロセス(以下に記載される)が正と負の値を必要とするだけでなく、データのセンタリングが装置によって変わることがある入力オフセット誤差に対処するための解決策を提供するため、データのセンタリングは重要であることに注目する。
調整段階(46)は、自己調整可能なデジタルノッチフィルタ(50)が伸び縮みすることから、心臓のインピーダンスの動的な変化によってもたらされる帯域内ノイズを消すために、自己調整可能なデジタルノッチフィルタ(50)を介して信号を送る工程をさらに含む。そのようなフィルタは、同時に発生する心臓性の汚染物質の周波数に従って、そのカットオフ周波数を調節するために心拍数情報を使用する「熱ポンプ」フィルタとして記載されることがある。このタイプのアナログハードウェアフィルタは知られており、本発明の実施形態で使用するためのソフトウェアデジタルフィルタとして採用されてきた。
いったん心臓性のアーチファクトが取り除かれると、信号は一次の再帰型低域および高域フィルタ(52)によってさらに処理され、該フィルタの係数は、25Hzのサンプリングレートで、および、それぞれ2Hzと0.1Hzのカットオフ周波数で計算される。こうして(例えば、筋肉および電源(mains)のノイズからの)呼吸帯域幅の外側の他の汚濁源はうまく取り除かれ、該方法は、4BrPMおよび120BrPM内の呼吸活性を正確に検知することが可能となる。
次の工程は、呼吸事象検出モジュール(54)を介して信号をもう一度送ることである。本発明の実施形態では、このモジュール(54)は、三点スライド窓式(a three−point sliding window)のピーク/トラフ検出器と、図4で例証されるように、インピーダンス呼吸運動記録法による呼吸信号(60)の典型的な振幅と時間領域の特徴に関連する多くの規則と静的閾値に基づいて呼吸事象(すなわち、吸息のピークと呼息のトラフ)を特定するルーチンを含む。具体的には、モジュールは、ノイズマージンの窓(図4のヒステリシスの境界na_thおよびnb_thで区切られた)の外側のピークとトラフを探す。例証されたように、吸息と吸息(I−I)および呼息と呼息(E−E)の間隔は、隣接する最大のピークの値と隣接する最小のトラフの値の間の距離としてそれぞれ計算される。これらの間隔はバッファーに保存され、後に、I−IとE−Eの間隔の平均値または中間値から呼吸数を計算するために用いられる。
上に記載されたアーチファクトと他のノイズのチェックに加えて、このモジュールは、発見されておらずフィルタにかけられていないノイズがさらに存在している可能性を考慮する。これに応じて、モジュール(54)は、呼吸事象の検出ミスと誤検出を回避するために、多くの条件または規則を実行する。これらの規則は下のように(順不同で)列挙される。
1.呼息のトラフがピークに先立つ場合にのみ、ピークは吸息事象として分類される。
2.吸息のピークがトラフに先立つ場合にのみ、トラフは呼息事象として分類される。
3.吸息事象または呼息事象が、予想される最大呼吸数(例えば120BrPM)で生じる該事象に対応する期限閾値よりも早くは生じなかった場合には、純粋であるとみなされ、それぞれのバッファーに保存される。
4.吸息事象または呼息事象は、その振幅が以前の振幅の少なくとも20%であり、あらかじめ設定されたノイズのヒステリシス境界(na_thとnb_th)の外側にある場合、有効であるとみなされる。いくつかの既存の方法は、呼吸事象を分類するために、非常に長い期間(すなわち、多くの吸息事象と呼息事象を含む)にわたって計算された平均振幅値を用いる。したがって、そのような技術はしばしば、振幅の急な平均レベルの変化(本発明に従ってデータの比較的小さな分離したセグメントを分析する際に経験することがある)を扱うことができず、そのような呼吸検出の見逃しは、これらの標準的な方法を用いる際に起こり得る。これに反して、ここで採用された調整は、とりわけ、連続する呼吸数を計算可能なデータの不連続なセグメントを用いる場合に生じ得る振幅の変化に対するシステムの迅速な適応を可能にする。
2.吸息のピークがトラフに先立つ場合にのみ、トラフは呼息事象として分類される。
3.吸息事象または呼息事象が、予想される最大呼吸数(例えば120BrPM)で生じる該事象に対応する期限閾値よりも早くは生じなかった場合には、純粋であるとみなされ、それぞれのバッファーに保存される。
4.吸息事象または呼息事象は、その振幅が以前の振幅の少なくとも20%であり、あらかじめ設定されたノイズのヒステリシス境界(na_thとnb_th)の外側にある場合、有効であるとみなされる。いくつかの既存の方法は、呼吸事象を分類するために、非常に長い期間(すなわち、多くの吸息事象と呼息事象を含む)にわたって計算された平均振幅値を用いる。したがって、そのような技術はしばしば、振幅の急な平均レベルの変化(本発明に従ってデータの比較的小さな分離したセグメントを分析する際に経験することがある)を扱うことができず、そのような呼吸検出の見逃しは、これらの標準的な方法を用いる際に起こり得る。これに反して、ここで採用された調整は、とりわけ、連続する呼吸数を計算可能なデータの不連続なセグメントを用いる場合に生じ得る振幅の変化に対するシステムの迅速な適応を可能にする。
上記に関して、局所的なピークとトラフのなかには信号の分析中に特定されるものもあるが、これらのピークとトラフは上に列挙される要件のすべてを満たさないので、吸息のピークまたは呼息のトラフとしては分類されず、ゆえに、呼吸数の任意の計算からは除外されるということが図4から明らかである。
呼吸事象検出モジュール段階(54)の後に、信号は周期性のチェック(56)を受け、このチェックでは、その非周期的な反応によってのみ特定可能な残りのノイズが検索される。この段階(56)の間、システムは、呼吸事象検出モジュール(54)によって特定された吸息と呼息の事象を利用する。周期性チェック(56)の間、システムは、吸息から吸息(I−I)と呼息から呼息(E−E)の間隔の周期性の異常を探す。周期性モジュールは、基本的には、信号のピーク(またはトラフ)の間の実質的な変動を探す。具体的には、周期性モジュールは、隣接する2つの信号毎のピークからピーク(またはトラフからトラフ)の間の絶対差(最も遠くにあるものの位置によって正規化される)が、上記の方程式(1)に従って、あらかじめ設定された閾値を越えるかどうかをチェックする。
信号(またはセグメント)が周期性チェック(56)を通らない場合、無効な信号(58)が生成され、センサー(22)は、上記のような処理のために、さらなる1分間の呼吸エピソードについての信号を得るように命じられてもよい。しかしながら、信号(またはセグメント)が周期性チェック(56)を通る場合、次の段階に移る。したがって、データの劣化していないセグメントは、工程(46)の調整の前に、工程(44)によって最初に特定され、データが依然として呼吸数の計算に適した状態であることを保証するために、周期性チェック(56)の間にもう一度分析される。各セグメントの大きさは、信号の望まれない部分または誤りを含む部分を除去するために、各々の段階で適宜縮小される。
その後、信号は、1分当たりの呼吸数(BrPM)を計算するために、十分な呼吸のピークとトラフが検知されたかどうか(すなわち、セグメントが依然として十分な長さであるかどうか)を測定するために、統計的妥当性チェック(62)を経る。加えて、この工程(62)は、近隣の吸息事象および/または近隣の呼息事象の間の平均絶対偏差(AAD)が合理的である(すなわち、あらかじめ設定された閾値を越えない)かどうかを確認してもよい。AADは、ガウス標準偏差に近い(例えば、標準偏差の約80%以内)が重要な計算効率を含む指標を提供することがあるため、この段階でのAADの使用は有利である。これは、分散または標準偏差のような一般に使用される統計手段が、計算およびエネルギー集約的な算術(例えば、累乗根と平方根)計算を含む一方で、AADは和と乗法のみを用いて実行され得るからである。加えて、AADは、異常値に対する感度は高くないが、データが正規分布しない現実の状況での母集団パラメータの推定としては、より効率的である。従って、AAD値の使用はシグナルインテグリティの評価では重要であると信じられている。同様に、AADの計算が、図2に示されるようなシステムで使用される類の固定点マイクロコントローラプロセッサー(fixed−point microcontroller processors)で容易に実行され得ることは有利である。
信号が統計的妥当性チェック(62)を通らない場合、無効な信号(58)が生成され、センサー(22)は、上記のような処理のために、さらなる1分間の呼吸エピソードのための信号を得るように命じられてもよい。
信号が統計的妥当性チェック(62)を通れば、システムは工程(64)で、平均的な(または中間の)呼吸数を計算する。これは、最も長い劣化していないセグメント、または、AADの最も低いセグメントのいずれかから得られた、保存されたI−IおよびE−Eの間隔を用いて行なわれ、上記の工程の完了後にバッファーに保存される。その後、呼吸数は上記のような基地局へ送信されてもよい。
本発明の利点は、該方法が主として、実用的な大きさのデータの劣化していないセグメントを分析するように要求されるだけであるため、計算の節約、コスト削減、節電、および、時間の節約が実現されるということである。任意の時点で、少なくとも最小の持続期間(例えば10秒)の劣化していないデータが利用可能でない場合、アルゴリズムは終了し、センサー(22)は、処理のために、さらなるデータセットを得るように命じられてもよい。
上に記載された実施形態で使用された閾値と限界はすべて、シミュレーションから、および、健康な個体および患者から得られた統計的に許容可能な数の呼吸エピソードの実験的評価から測定されたことに留意する。他の実施形態では、他の閾値が適切に設定されてもよい。
様々な改良が本発明の範囲から逸脱することなく上記の実施形態になされてもよいことも、当業者には分かるであろう。例えば、1つの実施形態に関して記載された特徴は、別の実施形態に組み込まれてもよく、または、その逆であってもよい。
Claims (24)
- 記録された呼吸エピソードを表す信号から呼吸数を測定する方法であって、
前記方法は、
呼吸エピソードを表す信号の開始位置と終了位置に示すために、スタートポインタとエンドポインタを提供する工程と、
劣化したセグメントによって分離される、前記信号内の2つ以上の劣化していないセグメントの開始位置と終了位置を特定するために、スタートポインタとエンドポインタを更新する工程と、
劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間で平均絶対偏差(AAD)の最も低いセグメントを特定する工程と、
最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定する工程を含む、ことを特徴とする方法。 - 最も長い劣化していないセグメントが呼吸数を計算するために用いられるか、あるいは、AADの最も低いセグメントが呼吸数を計算するために用いられるか、ユーザーによって選択される工程をさらに含む、ことを特徴とする請求項1に記載の方法。
- 劣化していないセグメントは動的に特定される、ことを特徴とする請求項1に記載の方法。
- 劣化していないセグメントは遡及的に特定される、ことを特徴とする請求項1に記載の方法。
- 劣化していないセグメントを特定する工程は、信号の勾配および/または振幅があらかじめ決められた閾値を越えないかどうかをチェックする工程を含む、ことを特徴とする請求項1乃至4のいずれかに記載の方法。
- 劣化していないセグメントを特定する工程は、信号のピークおよび/またはトラフを特定する工程と、隣接するピークおよび/またはトラフの間隔を得る工程、前記間隔の変化を計算する工程、および、前記変化があらかじめ決められた閾値を越えるかどうかを測定する工程を含む、ことを特徴とする請求項1乃至5のいずれかに記載の方法。
- 劣化していないセグメントを特定する工程は、隣接するピーク間の第1の平均絶対偏差と隣接するトラフ間の第2の平均絶対偏差を計算する工程、正規化した閾値を得るために第1と第2の平均絶対偏差を組み合わせる工程、および、第1または第2の平均絶対偏差のいずれかが正規化された閾値を越えるかどうかを測定する工程を含む、ことを特徴とする請求項1乃至6のいずれかに記載の方法。
- 第1と第2の平均絶対偏差を組み合わせる工程は、第1と第2の平均絶対偏差の合計に重み係数を掛ける工程を含む、ことを特徴とする請求項7に記載の方法。
- 呼吸数を測定する前に、劣化していないセグメントを事前処理する工程をさらに含む、ことを特徴とする請求項1乃至8のいずれかに記載の方法。
- 事前処理する工程は、
(i)データのセンタリングの工程
(ii)ゲイン調整の工程
(iii)自己調整可能なフィルタにセグメントを通す工程
(iv)低域および/または高域フィルタにセグメントを通す工程
の1つ以上を含む、ことを特徴とする請求項9に記載の方法。 - (i)ノイズマージンの窓の外側のピークおよび/またはトラフを特定する工程、
(ii)呼息のトラフがピークに先立つ場合にのみ、ピークを吸息の事象として分類する工程、
(iii)吸息のピークがトラフに先立つ場合にのみ、トラフを呼息の事象として分類する工程、
(iv)吸息および/または呼息の事象が予想された最大値を超える呼吸数を結果として生じさせる場合に、吸息および/または呼息の事象を無視する工程、
(v)吸息および/または呼息の事象の振幅が以前の吸息および/または呼息の事象の20%、30%、40%、または、50%のいずれか1つよりも小さい場合に、吸息および/または呼息の事象を無視する工程、
の1つ以上を含む、呼吸事象をチェックする工程を含む、ことを特徴とする請求項1乃至10のいずれかに記載の方法。 - 2つの隣接したピークおよび/または2つの隣接したトラフの間の間隔の変動があらかじめ決められた閾値を越えるどうかを測定するために、周期性のチェックを行う工程をさらに含む、ことを特徴とする請求項11に記載の方法。
- 検知された有効なピークおよび/またはトラフの数を計算する工程と、その数が有効な呼吸数を計算するのに必要とされるあらかじめ決められた最小値よりも大きい、または、該最小値と等しいかどうかを評価する工程とを含む、有効性をチェックする工程をさらに含む、ことを特徴とする請求項1乃至12のいずれかに記載の方法。
- 接した有効なピークの間隔についての平均絶対偏差が、あらかじめ設定された閾値を超えないかどうか、および/または、隣接した有効なトラフの間隔についての平均絶対偏差が、あらかじめ設定された閾値を超えないかどうかを確かめる工程をさらに含む、ことを特徴とする請求項1乃至13のいずれかに記載の方法。
- 呼吸数は、特定された前記劣化していないセグメントから得られた有効な吸息および/または呼息の事象を用いて得られる平均または中間の呼吸数として計算される、ことを特徴とする請求項1乃至14のいずれかに記載の方法。
- 呼吸エピソードを表わす信号が連続的な劣化していないデータの少なくとも2つのセグメントを含まないとき、および/または、任意の計算値がそれぞれの閾値を越えるときに、誤差信号を生成する工程をさらに含む、ことを特徴とする請求項1乃至15のいずれかに記載の方法。
- 記録された呼吸エピソードを表す信号から呼吸数を測定するために、呼吸をモニタリングするための呼吸モニタリングシステムであって、
前記システムは、
記録された呼吸エピソードを表す信号を生成するためのセンサーと、
プロセッサーを含み、
前記プロセッサーは、
記録された呼吸エピソードを表す信号の開始位置と終了位置を示すためにスタートポインタとエンドポインタを提供するように、
劣化したセグメントによって分離される、前記信号内の2つ以上の劣化していないセグメントの開始位置と終了位置を特定するために、スタートポインタとエンドポインタを更新するように、
劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間で平均絶対偏差(AAD)の最も低いセグメントを特定するように、および、
最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定するように、構成される、ことを特徴とするシステム。 - センサーは、前記信号を生成するように構成されたインピーダンス呼吸記録装置を含む、ことを特徴とする請求項17に記載のシステム。
- 着用可能な無線装置として構成される、ことを特徴とする請求項17または18に記載のシステム。
- 低電力バッテリーで駆動する使い捨ての装置として構成される、ことを特徴とする請求項17乃至19のいずれか1つに記載のシステム。
- 記録された呼吸エピソードを表す信号から呼吸数を測定するために、呼吸をモニタリングするための呼吸モニタリングシステム用のプロセッサーであって、
前記プロセッサーは、
記録された呼吸エピソードを表す信号の開始位置と終了位置を示すためにスタートポインタとエンドポインタを提供するように、
劣化したセグメントによって分離される、前記信号内の2つ以上の劣化していないセグメントの開始位置と終了位置を特定するために、スタートポインタとエンドポインタを更新するように、
劣化していないセグメントのなかの最も長いセグメント、または、呼吸のピークとトラフの間で平均絶対偏差(AAD)の最も低いセグメントを特定するように、および、
最も長い劣化していないセグメントまたはAADの最も低いセグメントから呼吸数を測定するように、構成される、ことを特徴とするプロセッサー。 - 添付の図面を参照して実質的に上記に記載されたような呼吸をモニタリングする方法。
- 添付の図面を参照して実質的に上記に記載されたような呼吸モニタリングシステム。
- 添付の図面を参照して実質的に上記に記載されたような呼吸をモニタリングするためのプロセッサー。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1103008.7 | 2011-02-22 | ||
GB1103008.7A GB2488316A (en) | 2011-02-22 | 2011-02-22 | Method for determining respiration rate from uncorrupted signal segments |
PCT/GB2012/050134 WO2012114080A1 (en) | 2011-02-22 | 2012-01-23 | Respiration monitoring method and system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014505566A true JP2014505566A (ja) | 2014-03-06 |
Family
ID=43881460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013554000A Pending JP2014505566A (ja) | 2011-02-22 | 2012-01-23 | 呼吸モニタリング方法およびシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20130331723A1 (ja) |
EP (1) | EP2677927B1 (ja) |
JP (1) | JP2014505566A (ja) |
CN (1) | CN103379855A (ja) |
GB (1) | GB2488316A (ja) |
WO (1) | WO2012114080A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014511250A (ja) * | 2011-03-11 | 2014-05-15 | コーニンクレッカ フィリップス エヌ ヴェ | 生理学的信号を監視する監視装置 |
JP2016116590A (ja) * | 2014-12-19 | 2016-06-30 | 株式会社スリープシステム研究所 | 無呼吸及び/又は低呼吸診断装置並びに無呼吸及び/又は低呼吸診断方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2860247C (en) * | 2011-12-21 | 2022-02-15 | Capnia, Inc. | Collection and analysis of a volume of exhaled gas with compensation for the frequency of a breathing parameter |
US20140135639A1 (en) * | 2012-11-13 | 2014-05-15 | Yungkai Kyle Lai | Adaptive Acoustic Signal Filtering for Respiration Monitoring System |
EP2956058A4 (en) | 2013-02-12 | 2016-11-02 | Capnia Inc | SAMPLING AND STORAGE RECORDING DEVICE FOR ANALYSIS OF RESPIRATORY GAS |
AU2014312044A1 (en) | 2013-08-30 | 2016-03-17 | Capnia, Inc. | Neonatal carbon dioxide measurement system |
US11262354B2 (en) | 2014-10-20 | 2022-03-01 | Boston Scientific Scimed, Inc. | Disposable sensor elements, systems, and related methods |
KR101644586B1 (ko) * | 2014-11-18 | 2016-08-02 | 상명대학교서울산학협력단 | 인체 미동에 의한 hrp 기반 사회 관계성 측정 방법 및 시스템 |
PL417418A1 (pl) | 2016-06-06 | 2017-12-18 | Neuro Device Group Spółka Akcyjna | System pomiarowy i sposób pomiaru parametrów życiowych podczas snu |
WO2017211396A1 (en) * | 2016-06-06 | 2017-12-14 | Neuro Device Group Spolka Akcyjna | System and method for measuring life parameters during sleep |
EP3439544B1 (en) | 2016-06-15 | 2024-05-15 | Regents of the University of Minnesota | Gas sampling catheters |
WO2018075731A1 (en) * | 2016-10-21 | 2018-04-26 | Boston Scientific Scimed, Inc. | Gas sampling device |
CN110769742B (zh) | 2017-05-19 | 2022-07-29 | 波士顿科学国际有限公司 | 用于评定患者的健康状况的系统和方法 |
US10852264B2 (en) | 2017-07-18 | 2020-12-01 | Boston Scientific Scimed, Inc. | Systems and methods for analyte sensing in physiological gas samples |
CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
WO2020081834A1 (en) | 2018-10-19 | 2020-04-23 | Regents Of The University Of Minnesota | Systems and methods for detecting a brain condition |
CN113167758A (zh) | 2018-11-27 | 2021-07-23 | 波士顿科学国际有限公司 | 用于检测健康状况的系统和方法 |
WO2020131567A1 (en) | 2018-12-18 | 2020-06-25 | Boston Scientific Scimed, Inc. | Systems and methods for measuring kinetic response of chemical sensor elements |
CN109620231A (zh) * | 2018-12-25 | 2019-04-16 | 湖南明康中锦医疗科技发展有限公司 | 气流受限判定方法、装置、计算机设备和存储介质 |
GB2586848A (en) * | 2019-09-05 | 2021-03-10 | Spyras Ltd | Systems and methods for analysing breathing |
EP4252641A1 (en) | 2022-04-01 | 2023-10-04 | Sensium Healthcare Limited | Respiration rate monitoring system and method |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9518094D0 (en) * | 1995-09-05 | 1995-11-08 | Cardionics Ltd | Heart monitoring apparatus |
JP2000312668A (ja) * | 1999-04-30 | 2000-11-14 | Nippon Koden Corp | 生体信号モニタ装置 |
US6616613B1 (en) * | 2000-04-27 | 2003-09-09 | Vitalsines International, Inc. | Physiological signal monitoring system |
US20040039273A1 (en) * | 2002-02-22 | 2004-02-26 | Terry Alvin Mark | Cepstral domain pulse oximetry |
US7136079B2 (en) * | 2002-04-04 | 2006-11-14 | Saudi Arabian Oil Company | Edge preserving smoothing method |
US7396333B2 (en) * | 2003-08-18 | 2008-07-08 | Cardiac Pacemakers, Inc. | Prediction of disordered breathing |
US20050148895A1 (en) * | 2004-01-06 | 2005-07-07 | Misczynski Dale J. | Method and apparatus for ECG derived sleep monitoring of a user |
US7466782B1 (en) * | 2004-02-05 | 2008-12-16 | Maxtor Corporation | Methods, apparatus and computer program products for determining the timing of bits based on frequency error |
CN101365373A (zh) * | 2005-06-21 | 2009-02-11 | 早期感知有限公司 | 用于预测和监测临床发作的技术 |
GB2420628B (en) * | 2005-09-27 | 2006-11-01 | Toumaz Technology Ltd | Monitoring method and apparatus |
CN1977767B (zh) * | 2005-12-08 | 2010-10-06 | 深圳迈瑞生物医疗电子股份有限公司 | 提高呼吸波识别率的方法 |
EP3616611B1 (en) * | 2006-06-01 | 2020-12-30 | ResMed Sensor Technologies Limited | Apparatus, system, and method for monitoring physiological signs |
WO2008135985A1 (en) * | 2007-05-02 | 2008-11-13 | Earlysense Ltd | Monitoring, predicting and treating clinical episodes |
US8827917B2 (en) * | 2008-06-30 | 2014-09-09 | Nelleor Puritan Bennett Ireland | Systems and methods for artifact detection in signals |
US8532932B2 (en) * | 2008-06-30 | 2013-09-10 | Nellcor Puritan Bennett Ireland | Consistent signal selection by signal segment selection techniques |
US20110077484A1 (en) * | 2009-09-30 | 2011-03-31 | Nellcor Puritan Bennett Ireland | Systems And Methods For Identifying Non-Corrupted Signal Segments For Use In Determining Physiological Parameters |
-
2011
- 2011-02-22 GB GB1103008.7A patent/GB2488316A/en not_active Withdrawn
-
2012
- 2012-01-23 US US13/977,246 patent/US20130331723A1/en not_active Abandoned
- 2012-01-23 CN CN2012800095157A patent/CN103379855A/zh active Pending
- 2012-01-23 JP JP2013554000A patent/JP2014505566A/ja active Pending
- 2012-01-23 WO PCT/GB2012/050134 patent/WO2012114080A1/en active Application Filing
- 2012-01-23 EP EP12701265.6A patent/EP2677927B1/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014511250A (ja) * | 2011-03-11 | 2014-05-15 | コーニンクレッカ フィリップス エヌ ヴェ | 生理学的信号を監視する監視装置 |
JP2016116590A (ja) * | 2014-12-19 | 2016-06-30 | 株式会社スリープシステム研究所 | 無呼吸及び/又は低呼吸診断装置並びに無呼吸及び/又は低呼吸診断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103379855A (zh) | 2013-10-30 |
WO2012114080A1 (en) | 2012-08-30 |
GB201103008D0 (en) | 2011-04-06 |
EP2677927A1 (en) | 2014-01-01 |
EP2677927B1 (en) | 2016-08-24 |
GB2488316A (en) | 2012-08-29 |
US20130331723A1 (en) | 2013-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2014505566A (ja) | 呼吸モニタリング方法およびシステム | |
US20240023886A1 (en) | Noninvasive method and system for sleep apnea detection | |
US20230131876A1 (en) | Systems and methods of identity analysis of electrocardiograms | |
Nabar et al. | GeM-REM: Generative model-driven resource efficient ecg monitoring in body sensor networks | |
US9042973B2 (en) | Apparatus and method for measuring physiological signal quality | |
US10194834B2 (en) | Detection of sleep apnea using respiratory signals | |
EP2375982B1 (en) | Method and apparatus for the analysis of ballistocardiogram signals | |
US10111616B2 (en) | Apparatus, method and computer accessible medium for monitoring sleep quality and apparatus thereof | |
US7379770B2 (en) | Devices and methods for heart rate measurement and wrist-watch incorporating same | |
EP3479763B1 (en) | System and method for photoplethysmogram (ppg) signal quality assessment | |
US20130317377A1 (en) | Generative Model-Driven Resource-Efficient Monitoring in Body Sensor Networks | |
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 | |
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 | |
WO2012051320A2 (en) | Motion and noise artifact detection for ecg data | |
KR20160094265A (ko) | 컴퓨팅 장치 및 그것의 생리적 레이트 특징들을 분석하는 방법 | |
US20200107775A1 (en) | Methods and Systems for Monitoring Sleep Apnea | |
CN110840443B (zh) | 心电信号处理方法、心电信号处理装置和电子设备 | |
US20180303365A1 (en) | Signal quality metric for cardiovascular time series | |
US20110301427A1 (en) | Acoustic physiological monitoring device and large noise handling method for use thereon | |
US20110295139A1 (en) | Method and system for reliable respiration parameter estimation from acoustic physiological signal | |
US8506501B2 (en) | Lightweight wheeze detection methods and systems | |
Orlandic et al. | REWARD: Design, optimization, and evaluation of a real-time relative-energy wearable R-peak detection algorithm | |
Kumar et al. | STSR: spectro-temporal super-resolution analysis of a reference signal less photoplethysmogram for heart rate estimation during physical activity | |
US9241672B2 (en) | Determining usability of an acoustic signal for physiological monitoring using frequency analysis | |
RU2756157C1 (ru) | Способ анализа баллистокардиографического сигнала для детектирования единичных сердечных ударов в реальном времени |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130809 |