JP2017502782A - 呼吸数の検出のための方法とデバイス - Google Patents
呼吸数の検出のための方法とデバイス Download PDFInfo
- Publication number
- JP2017502782A JP2017502782A JP2016546959A JP2016546959A JP2017502782A JP 2017502782 A JP2017502782 A JP 2017502782A JP 2016546959 A JP2016546959 A JP 2016546959A JP 2016546959 A JP2016546959 A JP 2016546959A JP 2017502782 A JP2017502782 A JP 2017502782A
- Authority
- JP
- Japan
- Prior art keywords
- sub
- signals
- signal
- respiratory rate
- pulse wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000036387 respiratory rate Effects 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 238000001566 impedance spectroscopy Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 210000000707 wrist Anatomy 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000013186 photoplethysmography Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000036772 blood pressure Effects 0.000 claims 1
- 238000001914 filtration Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—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
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
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)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】呼吸数の検出のための方法およびデバイス。【解決手段】呼吸数を推定するための方法であって、電気的フォームで脈波に関連したデータを収集するステップと、適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、を備える方法。呼吸数の推定は、次に、貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、計算される。【選択図】図１Ｂ−１
Description
本願発明は、呼吸数の検出のための方法およびデバイスに関する。特に、本願発明は、呼吸数の連続推定に関する。
呼吸数は、入院した患者において急性疾患または進行している致命的な状態の健康上の問題によって進行する危篤状態を敏感に表すものである。呼吸数は、従来、身体検査、カプノグラフィー（呼気中の炭酸ガス検査）、インピーダンス変化に基づく心電図記録法（ＥＣＧ）、マイクロフォン・ベース・テクノロジーによって、または、インピーダンス断層撮影によって、検出された。
しかし、既知の技術に関係するいくつかの不利な点が存在する。例えば、連続的モニタリングには、身体検査は適切でない。カプノグラフィーは、マスクをつけることを必要とし、マイクロフォン・ベース・テクノロジーは、外部雑音に敏感であり、そして、インピーダンス断層撮影は、胸に配置される電極を要求する。これらのチャレンジは、特に、外来患者の長期のモニタリング、または、スポーツまたは他の個人的な適用において既存のテクノロジーのユーザビリティを制限する。
本願発明の目的は、既知の先行技術に関する問題を軽減し、除去することである。特に、本願発明の目的は、信頼でき、容易で、高速な、呼吸数の連続モニタリングのためのデバイスを提供することである。
本願発明の目的は、本願独立請求項の特長によって達成することができる。
本願発明は、請求項１にしたがって呼吸数を推定するための方法に関連する。同様に、請求項１２にしたがって呼吸数を推定するためのデバイス、および、請求項１６のコンピュータ・プログラム・プロダクトに関する。
実施形態にしたがって、呼吸数を推定するための方法は、
電気的フォームで脈波に関連したスペクトル・データなどのデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップとのステップを含む。これは、例示的な方法において、例えば、前記収集されたデータの前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップを備えることができる。これは、また、前記のサブ信号の選択平均化に使うことができる。本願方法は、さらに、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと
を含む。
電気的フォームで脈波に関連したスペクトル・データなどのデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップとのステップを含む。これは、例示的な方法において、例えば、前記収集されたデータの前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップを備えることができる。これは、また、前記のサブ信号の選択平均化に使うことができる。本願方法は、さらに、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと
を含む。
任意選択的に、または、代替的に、本願方法は、また、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値を決定し、その決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと
を含むことができる。
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値を決定し、その決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと
を含むことができる。
末梢脈波に関係する（スペクトル）データは、有利なことに、たとえば、手首および指に位置する周辺センサによって測定される。このセンサは、たとえばパルス・オキシメータであり得る。しかし、圧力センサやその他の、それ以外の適切なセンサも使用することもできる。
本願発明の実施形態の初期のターゲットは、次の、４つのステップにしたがって信頼できる拍動系列を得ることである。すなわち、
高周波ノイズを除去するための、例えばローパス・フィルタ処理を含む、末梢脈波に関係するスペクトル・データを前処理するステップと、
前処理したデータからピークおよびトラフを検出するステップと、
そのピークおよびトラフをフィルタ処理するステップと、
雑音、異所性および欠落拍動を補正した拍動間解析をするステップ
である。
高周波ノイズを除去するための、例えばローパス・フィルタ処理を含む、末梢脈波に関係するスペクトル・データを前処理するステップと、
前処理したデータからピークおよびトラフを検出するステップと、
そのピークおよびトラフをフィルタ処理するステップと、
雑音、異所性および欠落拍動を補正した拍動間解析をするステップ
である。
この得られた系列は、次に、実際の解析のために使用される。ここで、予備ステップは、 振幅（ＡＭ）、
ベースライン、
拍動間間隔（ＦＭ）（二乗して使用される）、および、
パルス幅（二乗して使用される）
を備える新規のサブ信号を抽出することである。
ベースライン、
拍動間間隔（ＦＭ）（二乗して使用される）、および、
パルス幅（二乗して使用される）
を備える新規のサブ信号を抽出することである。
２つの複合信号は、また、
振幅ベースライン（位相差）、および、
拍動間間隔＋拍動幅（二乗して使用される）
を備えるように作られる。
振幅ベースライン（位相差）、および、
拍動間間隔＋拍動幅（二乗して使用される）
を備えるように作られる。
各々のサブ信号（例えば、ｎ＝６）は、例えば、キュービック補間法（ｃｕｂｉｃ ｉｎｔｅｒｐｏｌａｔｉｏｎ）を用いて一定の間隔で、再サンプリングされる。その後、各々のサブ信号は、時間および周波数領域の両方の解析を受ける。信号ごとの時間領域解析は、
ピークおよびトラフ検出、
トレンド除去、および、
ゼロ・クロッシング検出、
を含む。
ピークおよびトラフ検出、
トレンド除去、および、
ゼロ・クロッシング検出、
を含む。
例示的な周波数推定は、
１）ｆ１＝（（ｎ−ピーク＋ｎ−トラフ）／２）／デルタ・タイム、および、
２）ｆ２＝（ｎ−ゼロ・クロッシング／２）／デルタ・タイム
のステップを含む。
１）ｆ１＝（（ｎ−ピーク＋ｎ−トラフ）／２）／デルタ・タイム、および、
２）ｆ２＝（ｎ−ゼロ・クロッシング／２）／デルタ・タイム
のステップを含む。
時間領域推定ｆ＝ｍｉｎ（ｆ１、ｆ２）は、２つの推定値が異なるとき、その差異は、大部分が、雑音によって引き起こされる。そこでは、最小が使用されている。
信号ごとの例示的な周波数領域解析は、
ウィンドウ処理、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）、
パワー・スペクトル計算、および、
得られたパワー・スペクトルからの周波数推定、
を含む。
ウィンドウ処理、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）、
パワー・スペクトル計算、および、
得られたパワー・スペクトルからの周波数推定、
を含む。
信号対雑音比は、有利なことに、各々の時刻および周波数ドメイン推定値に対して計算される。サブ信号の時間および周波数領域推定値は、次に、最終的な呼吸周波数推定値を計算するために結合される。
例示的な時間および周波数領域推定値の組み合わせは、
２×（４＋２）推定値、
貧弱な推定ＳＮＲ（信号対雑音比）を有する時間領域推定値のドロップ、および、
貧弱な推定ＳＮＲを有する周波数領域推定値のドロップ、
を含む。
２×（４＋２）推定値、
貧弱な推定ＳＮＲ（信号対雑音比）を有する時間領域推定値のドロップ、および、
貧弱な推定ＳＮＲを有する周波数領域推定値のドロップ、
を含む。
残りの推定値プラス以前の最終的推定値の使用は、
統計外れ値のドロップ、および、
中央値＝最終的推定値の選択
を含む。
統計外れ値のドロップ、および、
中央値＝最終的推定値の選択
を含む。
より詳細には、例示的実施形態にしたがって、本願方法は、生データをローパス・フィルタ処理するステップを含む。データは、各々のサンプルから１ｓ（例であり設定可能）平均を引くことによってトレンド除去される（トレンド除去）。このデータは、１／５ｓ（例であり設定可能）の平均を計算し、１ｓ平均を引くことによって平滑化される（平滑化）。局所的最少および最大が、上述のものの両方（トレンド除去、平滑化）を使用することによって見つかる。平滑化された（雑音を減少するための平滑化）曲線の各々の最少および最大に対して、トレンド除去されたデータの対応する最少および最大が検出され、そして、拍動候補を生成するために使用される。
また、この例示的方法は、以下のように、拍動候補に対するフィルタを含む。
平均化された曲線の１つの最少／最大に対して、複数の候補が存在するならば、最良のものを選択する。
統計的データが存在しないならば、
平滑化しトレンド除去した最少／最大の間の距離＋末梢フロー・インデックス（ｐｆｉ：ｐｅｒｉｐｈｅｒａｌ ｆｌｏｗ ｉｎｄｅｘ）に基づいてスコアを計算する
さもなければ、
次の標準偏差の加重平均を用いる
パルス幅、振幅、ｐｆｉ、最大の距離および最小の距離。
平均化された曲線の１つの最少／最大に対して、複数の候補が存在するならば、最良のものを選択する。
統計的データが存在しないならば、
平滑化しトレンド除去した最少／最大の間の距離＋末梢フロー・インデックス（ｐｆｉ：ｐｅｒｉｐｈｅｒａｌ ｆｌｏｗ ｉｎｄｅｘ）に基づいてスコアを計算する
さもなければ、
次の標準偏差の加重平均を用いる
パルス幅、振幅、ｐｆｉ、最大の距離および最小の距離。
次に、拍動間解析を次のように残りの候補に対して用いることができる。
候補が、統計学的異所性拍動であるならば、
その候補を取り除き、それを合成拍動（ｓｙｎｔｈｅｔｉｃ ｂｅａｔ）と入れ替える
（前および後続のものの中間位置）
（前および後続のものの幅平均）
拍動が統計学的に見逃されたならば、（本当に見逃されたか、解析の間に見逃されたかのいずれか）
合成拍動を追加する（上記参照）
拍動が統計学的に雑音であるならば、それに雑音とマークする。
修正された拍動系列が、このように得られ、更なる解析に用いられる。
候補が、統計学的異所性拍動であるならば、
その候補を取り除き、それを合成拍動（ｓｙｎｔｈｅｔｉｃ ｂｅａｔ）と入れ替える
（前および後続のものの中間位置）
（前および後続のものの幅平均）
拍動が統計学的に見逃されたならば、（本当に見逃されたか、解析の間に見逃されたかのいずれか）
合成拍動を追加する（上記参照）
拍動が統計学的に雑音であるならば、それに雑音とマークする。
修正された拍動系列が、このように得られ、更なる解析に用いられる。
本願発明は、推定プロセスにおいて４つのサブ信号を使用することによって、非常に信頼できる測定結果など、既知の先行技術に対して利点を提供する。これに加えて、本願発明は、同時に、また、同じ推定プロセスに対して、いくつかの異なるセンサからの信号を使用する可能性を提供する。さらに、生データのデータ処理ステップは、上記したように、たとえば、環境騒音にそれほど弱くない。特に、本願発明は、呼吸数のための連続推定プロセスを可能にすることに留意すべきである。
次に、本願発明が、添付の図面にしたがって、例示的な実施形態を参照して、より詳細に記述される。ここで、
図１Ａは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための例示的な方法の原理を図示する。
図１Ａは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための例示的な方法の原理を図示する。
図１Ｂは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための別の例示的な方法の原理を図示する。
図１Ｂは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための別の例示的な方法の原理を図示する。
図２は、本願発明の有利な実施形態にしたがって、パルス酸素濃度計などの測定デバイスによって収集された例示的な生データを図示する。
図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
図３Ａ−図３Ｄは、本願発明の有利な実施形態にしたがって、呼吸数を推定するために使用される再サンプリングされ抽出されたサブ・サンプルの例を図示する。
図４は、本願発明の有利な実施形態にしたがって、呼吸数を推定するための例示的なデバイスと構成を図示する。
図１Ａを参照すると、本願発明の有利な実施形態にしたがって、呼吸数を推定するための方法１００は、次のステップを含む。本願発明の実施形態にしたがって、患者の呼吸数は、たとえば、手首や指に位置する周辺センサによって測定された信号に基づいて決定される（１０１）。有利なことに、連続的に、そして、非侵襲的に患者の呼吸数を検出するためのこのデバイスは、光電式容積脈波記録法（ＰＰＧ：ｐｈｏｔｏ−ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ、赤外線（ＩＲ）センサ、電荷結合デバイス（ＣＣＤ）、光学的ＣＭＯＳセンサ、パルス・オキシメータ、または、電気機械的フィルム（ＥＭＦｉ）センサまたは容量圧力センサなど圧力センサ、手首または指において、生データとして脈波を記録するように構成されるトノメータまたはインピーダンスまたは誘電分光法のいずれかを備える。複数の異なるセンサを、使うことができること、そして、複数の異なる生データ信号を、提供することができることに留意すべきである。生データの例は、図２において、記載されている。
実施形態にしたがって、ローパス・フィルタ処理（例えば、５Ｈｚ）は、測定された生データに最初に実行され（１０２）、そして、結果として生じるローパス・フィルタ処理された１次および２次微分が、計算される（１０３）。ローパス・フィルタ処理は、高周波アーチファクトを取り除くために実行される。この信号は、つぎに、あらゆるＤＣコンポーネントを取り除くためにトレンド除去される（１０４）。局所最小および最大が、前に計算された微分を使用してトレンド除去された信号から識別され（１０５）、マルチ位相適応閾値処理が、ピークおよび本当の脈波のトラフを識別するために実行される。その後、４つのサブ信号が、（各々の）生データ信号から計算される（１０６ａ、１０６ｂ、１０６ｃ、１０６ｄ）。導出された４つのサブ信号の例が、図３Ａ−図３Ｄにおいて記載されている。
これらの４つのサブ信号に対して、脈波の幅が、最初に計算される（（サブ信号１）１０６ａ）。各々の脈波の始まりと終わりは、前に計算された微分および、それらの挙動に基づく規則のセットを使用して検出することができる。第２に、脈波振幅が、計算される（（サブ信号２）１０６ｂ）。オリジナル信号の振幅変調である。第３に、脈泊数変動性が、計算される（（サブ信号３）１０６ｃ）。オリジナル信号の周波数変調である。そして、第４に、ベースライン・バリエーションの程度が、計算される（（サブ信号４）１０６ｄ）。４つのサブ信号の各々は、つぎに、一定の間隔で、キュービック補間を使用して、再サンプリングされる（１０７）。このサブ信号は、ハン・ウインドウに表示され（１０８）、高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）にしたがうものである。その結果、低周波帯を除去するために、ハイパス・フィルタ処理され（１１０）、パワー・スペクトルが、各々に対して得られる。ウェルチ法（１１１）が、雑音を減少するために使用される。最大パワーが、スペクトル毎に推定される。前記のサブ信号を決定する順序は、変わり得ることに留意すべきである。
本願発明の有利な実施形態において、これらの４つのサブ信号すべてが、呼吸数を決定するために使用される。実際には、これらの４つのサブ信号の１つが、信頼でき、可読であるものでないかもしれず、そこで呼吸数を、それらの少なくとも３つを使用して導出することができることがあり得る。加えて、これらの４つのサブ信号の可読性を、導出した呼吸数の信頼性に対する品質検査として使うことができる。
実施形態にしたがって、脈波振幅またはパルス波形振幅の変化に関係するサブ信号が、また、血液減少症（ｖｏｌｅｍｉａ）、（体を循環しているプラズマまたは血量の状態）を判定するために別に処理される。すなわち、例として、脈波振幅に関係するサブ信号または脈波の脈波振幅の変化が、減少する（または、消える）ならば、体を循環しているプラズマまたは血液の量は、非常に多く、この方法による呼吸数の測定の信頼性は、悪くなる。例にしたがって、これは、測定の信頼性に対する品質管理チェックとして使うことができる。
追加的な基準が、前記４つのスペクトル、スペクトル毎の最大パワー電力に対応する周波数、閾値処理されたスペクトル毎の最大パワー・スペクトル毎の０．２Ｈｚの周波数ウィンドウにより幅広く、臨床的に関連した最大パワー、これらのウィンドウの内部での最大パワーの発生、そして、スペクトルの間での相互相関、を用いて計算される（１１２）。これらの基準を使用して、４つのパワー・スペクトル選択的に平均化され、平均化されたスペクトルの最大パワーが、位置する（１１３）。最終結果として、このシステムは、呼吸数１１４の推定を提供する。
図１Ｂは、本願発明の有利な実施形態にしたがって、呼吸数を推定するための別の例示的な方法２００の原理を図示する。これは、有利なことに、多くの同様で同じ特長、および、図１Ａの中で記述される方法１００での、例えば、特に、ステップ１０１−１０５、１０６ａ−１０６ｄ、１０７−１１１および１１３−１１４などのステップを備え、方法２００は、ローパス・フィルタ処理したデータを平滑化するための追加的あるいは代替のステップ１０４ａ、および、平滑化されたデータの局所的最大および最小を検出するためのステップ１０４ｂを記述する。これに加えて、方法２００は、１０５の後のステップを、更に詳細に記述する。ここで、ステップ１０５ａにおいて、トレンド除去されたデータの対応する最大と最小は、平滑化されたデータの最大および最小の各々に対して見つかる。ステップ１０５ｂにおいて、拍動候補が、見つかり、ステップ１０５ｃにおいて、最良候補が、選択され、ステップ１０５ｄにおいて、拍動間解析が、実行され、また、ステップ１０５において、拍動系列が、サブ信号に分割される。
方法２００は、また、復号サブ信号（サブ信号５およびサブ信号６）を計算するためのステップ１０６ｅおよび１０６ｆを備える。
サブ信号の再サンプリング１０７の後に、この方法は、ステップ１０８−１１１への周波数領域分析のステップ１０８ａを介して、あるいは、ゼロ・クロッシングに基づいて周波数（ｆ１）を推定する、および／または、周波数（ｆ２）ピークとトラフを推定するステップ１１６ａおよび／または１１６ｂへの時間領域解析のステップ１１５を介して、のいずれかの２つの代替的ルートに対するステップへと続く。このルートでの次のステップ１１７は、時間領域推定を実行し、最小（ｆ１、ｆ２）としてセットするものである。
方法２００の分岐は、ステップ１１８に続く。ここで、貧弱な信号対雑音比の推定値は、廃棄され、ステップ１１９において、統計外れ値がドロップされ、ここで、前の推定値を追加的な推定値１２０として使うことができる。この後、この方法は、ステップ１１３およびステップ１１４を有する図１Ａの例におけるように続けられる。
図４は、例示的なデバイス４０１および本願発明の有利な実施形態にしたがって、呼吸数を推定するための構成装置４００を図示する。ここで、デバイス４０１は、電気的フォームで、脈波に関するスペクトル・データを集めるためのデータ収集手段４０２、および、
前記の４つのサブ信号の選択的な平均化のためのスペクトル・データの４つのサブ信号を抽出し、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定し、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定し、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定し、
前記組み合わせパワー・スペクトルの前記逐次最大から、決定した前記周波数に基づいて、呼吸数を推定する
ように構成されたデータ処理手段４０３を備える。
前記の４つのサブ信号の選択的な平均化のためのスペクトル・データの４つのサブ信号を抽出し、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定し、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定し、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定し、
前記組み合わせパワー・スペクトルの前記逐次最大から、決定した前記周波数に基づいて、呼吸数を推定する
ように構成されたデータ処理手段４０３を備える。
有利なことに、デバイス４０１、または、電気的フォームで、脈波に関するスペクトル・データを集めるための前記のデータ収集手段は、光電式容積脈波記録法（ＰＰＧ：ｐｈｏｔｏ−ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ（４０４）、赤外線（ＩＲ）センサ（４０５）、電荷結合デバイス（ＣＣＤ）（４０６）、光学的ＣＭＯＳセンサ、パルス・オキシメータ（４０７）、または、電気機械的フィルム（ＥＭＦｉ）センサまたは容量圧力センサ（４０８）など圧力センサ、生データとして前記脈波を記録するように構成されるトノメータまたはインピーダンスまたは誘電分光法を備える。例にしたがって、デバイス４０１は、可能な補助手段を有するリストバンド・デバイスとしてインプリメントされる。そこで、使用されるこのセンサは、有利なことに、呼吸数が推定される患者の手首や指に位置するように構成される。
しかしながら、データ処理は、データ処理手段４０３によるリストバンド・デバイスによって、インプリメントすることができることに留意すべきである。あるいは、代替的に、リストバンド・デバイスは、（例えば無線方法で）測定信号を、データ計算のための外部データ処理バックエンド４１０に送信することができる。これは、データ処理手段４１１を備える。このように、データ処理手段４０３は、デバイス４０１において、オプションであるバックエンド４１０との通信（４１２）に対して、デバイス４０１は、有利なことに、データ通信装置４０９、最も有利なことに、ブルートゥース（登録商標）または、当業者に知られている同様なものによってインプリメントされるような無線通信デバイスを備える。
このデータ処理バックエンド４１０は、例えば、サーバ４１２、いかなるコンピュータや携帯電話アプリケーション４１３−４１５を備えることができる。そして、例にしたがって、それは、例えば、リストバンド・デバイスまたは、データ通信ネットワークにおけるコンピュータなどの他のデータ表示デバイスに、または、このユーザのスマートフォンに表示して返すためなどで計算された結果、さもなければ処理されたデータを送ることができる。
本願発明は、上で、前記の実施形態を参照して説明された。そして、本願発明のいくつかの利点が示された。本願発明は、これらの実施形態だけに制限されず、考えられた発明と、以下の特許請求項の趣旨および範囲の中にあるすべての可能性がある実施形態を含むことは明らかである。
Claims (16)
- 呼吸数を推定するための方法であって、該方法は、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
貧弱な信号対雑音比を有するサブ信号推定値および統計外れ値であるものを取り除くことによって、呼吸数に対して最終的推定値を計算するステップと、
のステップを含む、方法。 - 前記方法は、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
前記組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと、を含む、請求項１に記載の方法。 - 前記４つのサブ信号の前記選択平均化のステップは、
最大パワーの位置を決定するステップと、
実際の脈波のピークとトラフを識別するためにサブ信号ごとに最大パワーを閾値処理するステップと、
所定のウィンドウの内部でスペクトラム・パワーを決定するステップと、
最大パワー・ウィンドウの位置を決定するステップと、
最大パワー・ウィンドウの内部で最大パワーを決定するステップと、
前記スペクトルの間の相互相関を決定するステップと、を含む、
請求項２に記載の方法。 - 前記スペクトル・データは、前記手首のおよび指領域に位置する少なくとも１つの周辺センサによって収集される、請求項１ないし３のいずれか１項に記載の方法。
- 前記収集されたスペクトル・データは、最初に、低域フィルタを使用して、高周波アーチファクトを除去することにより前処理される、請求項１ないし４のいずれか１項に記載の方法。
- １次および２次微分が、前記収集されたスペクトル・データから決定され、
前記データが、ＤＣコンポーネントを除去するためにトレンド除去され、
局所最小値と最大値が、前記前に計算された微分を使用して前記トレンド除去された信号から識別される、請求項１ないし５のいずれか１項に記載の方法。 - 前記組合せの前に、
前記４つのサブ信号の各々が、キュービック補間、ハン・ウインドウ処理を使用して、一定の間隔で再サンプリングされ、
高速フーリェ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）を受け、
低周波帯を除去するためにハイパス・フィルタ処理され、
そして、それによって、前記４つのサブ信号の各々に対して最大パワー・スペクトルを導出する、
請求項１ないし６のいずれか１項に記載の方法。 - ウェルチの方法が、データから雑音を減らすために使用される、請求項１ないし７のいずれか１項に記載の方法。
- 前記４つのサブ信号は、
前記脈波の幅に関する第１の信号と、
脈波振幅に関する第２の信号と、
脈泊数変動性に関する第３の信号と、
ベースライン変動の程度に関する第４の信号と、
を備える、請求項１ないし８のいずれか１項に記載の方法。 - 脈波振幅に関する前記信号、または、前記脈波の前記脈波振幅の変化は、血液減少症（ｖｏｌｅｍｉａ）、そして、それによって、前記脈波の前記幅に関する前記サブ信号が、閾値より下に減少する場合には、体内を循環している血漿または血液の量が、非常に高いと判定され、呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を決定するために処理される、請求項１ないし９のいずれか１項に記載の方法。
- 前記推定プロセスは、呼吸数に対する連続的および非侵襲性推定プロセスである、請求項１ないし１０のいずれか１項に記載の方法。
- 呼吸数を推定するためのデバイスであって、該デバイスは、
電気的フォームで脈波に関連したデータを収集するデータ収集手段と、
電気的フォームで脈波に関連したデータを収集するステップと、
適切なノイズ除去、および、拍動の脱落のために補間された拍動を有する良質な拍動系列を抽出するステップと、
前記拍動系列から４つの主サブ信号および２つの導出サブ信号を抽出するステップと、
前記の６つのサブ信号の各々に対して時間領域および周波数領域解析の両方を独立に実行するステップと、
呼吸数に対してこのように推定値のグループ（２×６）を得ているサブ信号ごとに独立した前記時間領域および周波数領域解析の結果を組み合わせるステップと、
を実行するように構成されたデータ処理手段と、
を備える、デバイス。 - 前記データ処理手段は、
前記４つのサブ信号の平均パワー・スペクトルの各々に対する平均パワー・スペクトルおよび最大パワーを決定するステップと、
前記４つのサブ信号の前記平均パワー・スペクトルおよび前記平均パワー・スペクトルの最大値を組み合わせて、組み合わせパワー・スペクトルを決定するステップと、
組み合わせパワー・スペクトルにおける最大値、および、前記決定した最大値のシーケンスの周波数を決定するステップと、
前記組み合わせパワー・スペクトルの前記逐次最大値から、決定した前記周波数に基づいて、呼吸数を推定するステップと、
を実行するように構成される、請求項１２に記載のデバイス。 - 前記デバイスは、血液減少症（ｖｏｌｅｍｉａ）、そして、それによって、前記脈波の前記幅に関する前記サブ信号が、閾値より下に減少する場合には、体内を循環している血漿または血液の量が、非常に高いと判定され、
呼吸数の測定の信頼性が有効でないと判定されるように測定の信頼性を決定するために脈波振幅に関する前記サブ信号または、前記脈波の前記脈波振幅の変化を処理するように構成される、
請求項１２または１３に記載のデバイス。 - 前記デバイスは、光電式容積脈波記録法（ＰＰＧ：ｐｈｏｔｏ−ｐｌｅｔｈｙｓｍｏｇｒａｐｈｙ）センサ、赤外線（ＩＲ）センサ、電荷結合デバイス（ＣＣＤ）、光学的ＣＭＯＳセンサ、パルス・オキシメータ、または、電気機械的フィルム（ＥＭＦｉ）センサまたは容量圧力センサなど圧力センサ、生データとして前記脈波を記録するように構成されるトノメータまたはインピーダンスまたは誘電分光法を備え、
前記センサは、有利なことに、前記呼吸数が推定される前記患者の前記手首または指に配置されるように構成される、請求項１２ないし１４のいずれか１項に記載のデバイス。 - コンピュータで読取り可能なメディアの上に格納されたプログラムコード手段であって、該コード手段は、前記プログラムが、請求項１２ないし１５のいずれか１項に記載のデバイスの上などデータ処理手段の上で動作するとき、請求項１ないし１０のいずれか１項の全てのステップを実行するように構成される、プログラムコード手段を備えることを特徴とする、呼吸数を推定するためのコンピュータ・プログラム・プロダクト。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20145037 | 2014-01-16 | ||
| FI20145037 | 2014-01-16 | ||
| PCT/FI2015/050023 WO2015107268A1 (en) | 2014-01-16 | 2015-01-15 | Method and device for the detection of respiratory rate |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017502782A true JP2017502782A (ja) | 2017-01-26 |
| JP6310086B2 JP6310086B2 (ja) | 2018-04-11 |
Family
ID=53542462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016546959A Active JP6310086B2 (ja) | 2014-01-16 | 2015-01-15 | 呼吸数の検出のための方法とデバイス |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP3094248B1 (ja) |
| JP (1) | JP6310086B2 (ja) |
| WO (1) | WO2015107268A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020534912A (ja) * | 2017-09-27 | 2020-12-03 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 循環量の査定で使用するためのセンサシステム及び感知方法 |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017096313A1 (en) | 2015-12-02 | 2017-06-08 | Echo Labs, Inc. | Systems and methods for non-invasive respiratory rate measurement |
| US10818010B2 (en) * | 2016-02-08 | 2020-10-27 | Koninklijke Philips N.V. | Device, system and method for skin detection |
| CN106073783B (zh) * | 2016-06-23 | 2024-02-20 | 桂林航天工业学院 | 一种从光电容积脉搏波中提取呼吸率的方法 |
| KR101800739B1 (ko) * | 2016-10-13 | 2017-11-24 | 한국한의학연구원 | 호흡수 검출 장치 및 방법 |
| CN108021870A (zh) * | 2017-11-16 | 2018-05-11 | 广州视源电子科技股份有限公司 | 体征参数获取方法和系统、体征测量仪及存储介质 |
| CN118203729A (zh) * | 2017-11-22 | 2024-06-18 | 费雪派克医疗保健有限公司 | 用于呼吸流治疗系统的呼吸速率监测 |
| CN110403582B (zh) * | 2019-07-23 | 2021-12-03 | 宏人仁医医疗器械设备(东莞)有限公司 | 一种用于分析脉波波形品质的方法 |
| FR3100705B1 (fr) * | 2019-09-13 | 2024-04-05 | Sensoria Analytics | Procédé de détermination du taux respiratoire |
| CN111858680B (zh) * | 2020-08-01 | 2022-10-25 | 西安交通大学 | 一种快速实时检测卫星遥测时序数据异常的系统与方法 |
| US11006843B1 (en) * | 2020-08-20 | 2021-05-18 | Cloud Dx, Inc. | System and method of determining breathing rates from oscillometric data |
| WO2024052163A1 (en) * | 2022-09-07 | 2024-03-14 | Koninklijke Philips N.V. | A system and method for determining the breathing rate of a subject |
| EP4335364A1 (en) * | 2022-09-07 | 2024-03-13 | Koninklijke Philips N.V. | A system and method for determining the breathing rate of a subject |
| CN116548928B (zh) * | 2023-07-11 | 2023-09-08 | 西安浩阳志德医疗科技有限公司 | 一种基于互联网的护理服务系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06142082A (ja) * | 1992-11-05 | 1994-05-24 | Nippon Colin Co Ltd | 呼吸数測定装置 |
| JP2006263472A (ja) * | 2005-03-24 | 2006-10-05 | Ge Healthcare Finland Oy | パルスオキシメトリにおける被検体の臨床ストレスの決定 |
| WO2007094464A1 (ja) * | 2006-02-16 | 2007-08-23 | Yamaguchi University | 心肺機能計測装置 |
| JP2008515494A (ja) * | 2004-10-06 | 2008-05-15 | レスメド リミテッド | 睡眠呼吸障害の呼吸パラメータの非侵襲的監視方法および装置 |
| JP2010512868A (ja) * | 2006-12-21 | 2010-04-30 | フレゼニウス メディカル ケアー ドイチュラント ゲゼルシャフト ミット ベシュレンクテル ハフツング | 呼吸数を決定する方法および装置 |
| US20130172767A1 (en) * | 2012-01-04 | 2013-07-04 | Nellcor Puritan Bennett Ireland | Systems and methods for determining respiration information using phase locked loop |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI20025029A0 (fi) * | 2002-05-29 | 2002-05-29 | Joni Kettunen | Menetelmä luotettavan hengitysaktiviteetti-informaation saamiseksi sydämen sykemittauksesta |
| US20080167541A1 (en) * | 2007-01-09 | 2008-07-10 | Panu Takala | Interference Suppression in Spectral Plethysmography |
| GB0714807D0 (en) * | 2007-07-30 | 2007-09-12 | Oxford Biosignals Ltd | Method and apparatus for measuring breathing rate |
| US8430817B1 (en) * | 2009-10-15 | 2013-04-30 | Masimo Corporation | System for determining confidence in respiratory rate measurements |
| WO2011050066A2 (en) * | 2009-10-20 | 2011-04-28 | The Research Foundation Of State University Of New York | Apparatus and method for respiratory rate detection and early detection of blood loss volume |
| US9675274B2 (en) * | 2011-09-23 | 2017-06-13 | Nellcor Puritan Bennett Ireland | Systems and methods for determining respiration information from a photoplethysmograph |
| GB201209413D0 (en) * | 2012-05-28 | 2012-07-11 | Obs Medical Ltd | Respiration rate extraction from cardiac signals |
-
2015
- 2015-01-15 EP EP15737500.7A patent/EP3094248B1/en active Active
- 2015-01-15 JP JP2016546959A patent/JP6310086B2/ja active Active
- 2015-01-15 WO PCT/FI2015/050023 patent/WO2015107268A1/en active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06142082A (ja) * | 1992-11-05 | 1994-05-24 | Nippon Colin Co Ltd | 呼吸数測定装置 |
| JP2008515494A (ja) * | 2004-10-06 | 2008-05-15 | レスメド リミテッド | 睡眠呼吸障害の呼吸パラメータの非侵襲的監視方法および装置 |
| JP2006263472A (ja) * | 2005-03-24 | 2006-10-05 | Ge Healthcare Finland Oy | パルスオキシメトリにおける被検体の臨床ストレスの決定 |
| WO2007094464A1 (ja) * | 2006-02-16 | 2007-08-23 | Yamaguchi University | 心肺機能計測装置 |
| JP2010512868A (ja) * | 2006-12-21 | 2010-04-30 | フレゼニウス メディカル ケアー ドイチュラント ゲゼルシャフト ミット ベシュレンクテル ハフツング | 呼吸数を決定する方法および装置 |
| US20130172767A1 (en) * | 2012-01-04 | 2013-07-04 | Nellcor Puritan Bennett Ireland | Systems and methods for determining respiration information using phase locked loop |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020534912A (ja) * | 2017-09-27 | 2020-12-03 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 循環量の査定で使用するためのセンサシステム及び感知方法 |
| JP7299878B2 (ja) | 2017-09-27 | 2023-06-28 | コーニンクレッカ フィリップス エヌ ヴェ | 循環量の査定で使用するためのセンサシステム及び感知方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3094248A4 (en) | 2017-09-13 |
| EP3094248A1 (en) | 2016-11-23 |
| EP3094248B1 (en) | 2020-05-27 |
| JP6310086B2 (ja) | 2018-04-11 |
| WO2015107268A1 (en) | 2015-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6310086B2 (ja) | 呼吸数の検出のための方法とデバイス | |
| Tadi et al. | A real-time approach for heart rate monitoring using a Hilbert transform in seismocardiograms | |
| EP3117767B1 (en) | Processing biological data | |
| Lázaro et al. | Deriving respiration from photoplethysmographic pulse width | |
| JP6508417B2 (ja) | 睡眠現象のモニタリング | |
| US20160235368A1 (en) | Device, method and system for processing a physiological signal | |
| Mirmohamadsadeghi et al. | Respiratory rate estimation from the ECG using an instantaneous frequency tracking algorithm | |
| CN107072567B (zh) | 生物体信息处理装置和生物体信息处理方法 | |
| CN105232022A (zh) | 基于WiFi中CSI信号强度的非侵入式呼吸心跳检测实现方法 | |
| 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 | |
| US20190298209A1 (en) | Heartbeat detection | |
| US10357164B2 (en) | Method and device for non-invasive blood pressure measurement | |
| Jiang et al. | Real-time quantifying heart beat rate from facial video recording on a smart phone using Kalman filters | |
| JP7170147B2 (ja) | 非一時的なコンピュータ可読記憶媒体、コンピュータ実装方法及びシステム | |
| CA3159539A1 (en) | System and method for physiological measurements from optical data | |
| Besleaga et al. | Non-invasive detection of mechanical alternans utilizing photoplethysmography | |
| WO2018163447A1 (ja) | 呼吸状態推定装置、呼吸状態推定方法、及び、プログラム記録媒体 | |
| Jhuang et al. | A patch-sized wearable ECG/respiration recording platform with DSP capability | |
| Pimentel et al. | Respiratory rate estimation from the oscillometric waveform obtained from a non-invasive cuff-based blood pressure device | |
| Lázaro et al. | Respiratory rate influence in the resulting magnitude of pulse photoplethysmogram derived respiration signals | |
| US9826937B2 (en) | Method and apparatus for reducing motion artifacts in ECG signals | |
| Lang et al. | Filter and processing method to improve R-peak detection for ECG data with motion artefacts from wearable systems | |
| JP2016505329A5 (ja) | ||
| XIA et al. | Interference and Removal of Respiration Harmonics on Noncontact Seismo-cardiogram Signals | |
| Abolarin et al. | Model-based filtering and compression of oscillometric blood pressure pulses |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160915 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160915 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170621 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170711 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171011 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180213 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180315 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6310086 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |